什么是数据仓库？
数据仓库是一种用于收集和管理来自不同来源的数据以提供有意义的业务见解的技术。它是技术和组件的混合体，允许战略性地使用数据。
数据仓库是企业对大量信息的电子存储，旨在进行查询和分析，而不是事务处理。这是一个将数据转换为信息并将其提供给用户进行分析的过程。
什么是数据挖掘？
数据挖掘正在大型数据集中寻找隐藏的、有效的和可能有用的模式。数据挖掘就是要发现数据之间未被怀疑/以前未知的关系。
这是一项使用机器学习，统计学，人工智能和数据库技术的多学科技能。
通过数据挖掘提取的见解可用于营销，欺诈检测和科学发现等。
关键区别
- 数据挖掘被视为从大型数据集中提取数据的过程，而数据仓库是将所有相关数据汇集在一起的过程。
- 数据挖掘是分析未知数据模式的过程，而数据仓库是一种用于收集和管理数据的技术。
- 数据挖掘通常由业务用户在工程师的协助下完成，而数据仓库是一个在任何数据挖掘之前需要发生的过程。
- 数据挖掘允许用户询问更复杂的查询，这将增加工作量，而数据仓库的实现和维护很复杂。
- 数据挖掘有助于创建重要因素（如客户的购买习惯）的暗示性模式，而数据仓库在集成仓库时对于CRM系统等运营业务系统非常有用。
数据挖掘与数据仓库：主要区别
| 数据挖掘 | 数据仓库 |
|---|---|
| 数据挖掘是分析未知数据模式的过程。 | 数据仓库是数据库系统，设计用于分析而不是事务性工作。 |
| 数据挖掘是一种将大量数据与查找正确模式进行比较的方法。 | 数据仓库是一种将来自不同来源的数据集中到一个公共存储库中的方法。 |
| 数据挖掘通常由业务用户在工程师的协助下完成。 | 数据仓库是一个在进行任何数据挖掘之前需要发生的过程。 |
| 数据挖掘被认为是从大型数据集中提取数据的过程。 | 另一方面，数据仓库是将所有相关数据汇集在一起的过程。 |
| 数据挖掘技术最重要的优点之一是检测和识别系统中的错误。 | 数据仓库的优点之一是它能够一致地更新。这就是为什么它非常适合想要最佳和最新功能的企业主。 |
| 数据挖掘有助于创建重要因素的暗示性模式。喜欢客户的购买习惯，产品，销售。这样，企业就可以在经营和生产上做出必要的调整。 | 集成仓库后，数据仓库为 CRM 系统等运营业务系统增加了额外的价值。 |
| 数据挖掘技术从来都不是100%准确的，在某些情况下可能会导致严重后果。 | 在数据仓库中，组织分析所需的数据很有可能无法集成到仓库中。它很容易导致信息丢失。 |
| 组织基于数据挖掘收集的信息可能会被滥用于一群人。 | 数据仓库是为大型 IT 项目创建的。因此，它涉及高维护系统，这可能会影响中小型组织的收入。 |
| 在成功的初始查询后，用户可能会询问更复杂的查询，这会增加工作量。 | 数据仓库的实现和维护非常复杂。
|
| 组织可以通过配备相关和可用的基于知识的信息，从这种分析工具中受益。 | 数据仓库存储了大量的历史数据，帮助用户分析不同的时间段和趋势，以便做出未来的预测。 |
| 组织需要花费大量资源用于培训和实施目的。此外， 由于设计中采用了不同的算法，数据挖掘工具以不同的方式工作。 |
在数据仓库中，数据从多个源池化。需要清理和转换数据。这可能是一个挑战。 |
| 与其他统计数据应用程序相比，数据挖掘方法具有成本效益和效率。 | 数据仓库的责任是简化每种类型的业务数据。用户将要完成的大部分工作是输入原始数据。 |
| 数据挖掘技术的另一个关键好处是识别可能导致损失的错误。生成的数据可用于检测直接销售。 | 数据仓库允许用户在一个位置访问来自多个源的关键数据。因此，它节省了用户从多个源检索数据的时间。 |
| 数据挖掘有助于生成基于数据见解的可操作策略。 | 一旦将任何信息输入数据仓库系统，您就不太可能再次丢失对此数据的跟踪。您需要进行快速搜索，帮助您找到正确的统计信息。 |
为什么使用数据仓库？
使用数据仓库的一些最重要的原因是：
- 集成了许多数据源，有助于减轻生产系统上的压力。
- 针对读取访问和连续磁盘扫描优化了数据。
- 数据仓库有助于保护数据免受源系统升级的影响。
- 允许用户执行主数据管理。
- 提高源系统中的数据质量。
为什么使用数据挖掘？
使用数据挖掘的一些最重要的原因是：
- 建立数据之间的相关性和关系。使用此信息生成有利可图的见解
- 企业可以快速做出明智的决策
- 有助于找出杂货店中不寻常的购物模式。
- 通过向每个访问者提供定制优惠来优化网站业务。
- 有助于衡量客户在商业营销中的响应率。
- 出于营销目的创建和维护新的客户群。
- 预测客户流失，例如哪些客户更有可能在不久的将来切换到另一个供应商。
- 区分盈利和无利可图的客户。
- 识别所有类型的可疑行为，作为欺诈检测过程的一部分。