其他回答

• 区别：1、目的不同：数据仓库是为了支持复杂的分析和决策，数据挖掘是为了在海量的数据里面发掘出预测性的、分析性的信息，多用来预测。2、阶段不同：数据仓库是数据挖掘的先期步骤，通过数据仓库的构建，提高了数据挖掘的效率和能力，保证了数据挖掘中的数据的宽广性和完整性。3、处理方式不同：数据挖掘是基于数据仓库和多维数据库中的数据，找到数据的潜在模式进行预测，它可以对数据进行复杂处理。大多数情况下，数据挖掘是让数据从数据仓库到数据挖掘数据库中。联系：1、数据仓库是为了数据挖掘做预准备，数据挖掘可建立在数据仓库之上。2、最终目的都为了提升企业的信息化竞争能力。扩展资料：数据仓库与数据挖掘的发展历程：关系数据库是20世纪70年代初提出来，经过数据库专家几十年的努力，理论和实践都取得了显著成果，标志着数据库技术的日益成熟。但它仍然难以实现对关系数据库中数据的分析，不能很好地支持决策，因此在80年代，产生了数据仓库的思想，90年代，数据仓库的基本原理、架构形式和使用原则都已确定。主要技术包括对数据库中数据访问、网络、C/S结构和图形界面，一些大公司已经开始构建数据仓库。针对数据仓库中迅速增长的海量数据的收集、存放，用人力已经不能解决，那么数据仓库中有用的知识的提取就需要数据挖掘来实现。数据挖掘与统计学子领域“试探性数据分析”及人工智能子领域“知识发现”和机器学有关，是一门综合性的技术学科。数据挖掘-数据仓库。
  赵风莉2019-11-03 18:18:06
• 在日益激烈的商业竞争中，企业迫切需要更加准确的战略决策信息。在以往的操作型数据库系统中，企业拥有海量的数据，并不缺乏足够的信息，而是因为这些数据不是战略决策要使用的信息。这些大量的数据对于企业的运作是非常有用的，但是对于商业战略决策和目标制定的作用甚微。但是信息技术资源和操作型数据库系统不能把这些数据转换为企业真正需要的决策信息。为什么呢？首先，企业数据分散在多种互不兼容的的结构和系统中，导致数据很难被整合成需要的决策信息；其次，战略决策所需的数据格式必须适合趋势分析，但操作型数据是由事件驱动的，不能直接反映趋势的变化；再次，对于战略决策来说，决策者必须从不同的商业角度观察数据，比如说产品、地区、客户群等不同方面观察数据，操作型数据不适合从不同的角度进行分析。提供战略决策信息需要大量的企业数据，能够以合适的格式存放并能快速检索。随着计算机技术的快速发展，存储成本迅速降低和计算能力大大提高，使建立数据仓库成为可能。
  龙家锐2019-11-03 17:58:51