【软考备考-综合知识】数据仓库和数据挖掘基础知识

数据仓库

为了满足管理人员的决策分析需要，在数据库基础上产生了能满足决策分析需要的数据环境，就是数据仓库。

数据仓库与数据库的比较

内容	数据库	数据仓库
数据内容	当前值	历史的、存档的、归纳的、计算的
数据目标	面向业务操作人员，重复处理	面向主题域、分析应用
数据特性	动态变化，按字段更新	静态，不能直接更新，只能定时添加、刷新
数据结构	高度结构化、复杂、适合操作计算	简单、适合分析
使用频率	高	中、低
数据访问量	每个事务只访问少量的记录	有的事务可能需要访问大量的记录

基本特性

面向主题的

从信息管理的角度来看，主题是一个较高的管理层次上对信息系统中数据按照某一具体的管理对象进行综合、归类所形成的的分析对象。
从数据组织的角度来看，主题就是一些数据集合，这些数据结合对分析对象进行了比较完整的、一致的数据描述。

数据是集成的

数据是相对稳定的

数据仓库的数据主要是供决策分析使用，所涉及的数据操作主要是数据查询，一般情况下不进行修改操作。

数据是反应历史变化的

数据模式

数据通常是多维数据，包括维属性、度量属性。包含多维数据的表成为事实表。

数据挖掘

从技术角度看，数据挖掘可以定义为从大量的、不完全的、有噪声的、模糊的、随机的实际数据中提取隐含在其中的、人们不知道的、但又潜在有用的信息和知识的过程。

数据挖掘的分析方法

可以分为关联分析、序列/时序模式分析、分类分析和聚类分析四种。
（1）关联分析：目的是为了挖掘出隐藏在数据间的相互关系。
（2）序列模式分析：目的也是为了挖掘出数据间的关系，但是侧重于分析数据间的前因后果。
（3）分类分析：首先为每一个记录赋予一个标记（一组具有不同特征的类别），即按标记分类记录，然后检查这些标定的记录，描述出这些记录的特征。
（4）聚类分析：是分类分析方法的逆过程。它的输入及是一组未标定的记录，即输入的数据没有做任何处理。目的是根据一定的规则，合理地划分反记录合集，并用显式或隐式的方法描述不同的类别。