問：什么是數(shù)據(jù)挖掘？
答：數(shù)據(jù)挖掘（Data Mining，DM）又稱數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)（Knowledge Discover in Database，KDD），是目前人工智能和數(shù)據(jù)庫(kù)領(lǐng)域研究的熱點(diǎn)問題。所謂數(shù)據(jù)挖掘，是指從數(shù)據(jù)庫(kù)的大量數(shù)據(jù)中揭示出隱含的、先前未知的、并有潛在價(jià)值的信息的過程。數(shù)據(jù)挖掘是一種決策支持過程，它主要基于人工智能、機(jī)器學(xué)習(xí)、模式識(shí)別、統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫(kù)、可視化技術(shù)等，高度自動(dòng)化地分析企業(yè)數(shù)據(jù)，做出歸納性推理，從中挖掘出潛在模式，幫助決策者調(diào)整市場(chǎng)策略，減少風(fēng)險(xiǎn)，做出正確決策。
問：什么是數(shù)據(jù)倉(cāng)庫(kù)？
答：數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)面向主題的、集成的、相對(duì)穩(wěn)定的、反映歷史變化的數(shù)據(jù)集合，用于支持管理決策。數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)過程而不是一個(gè)項(xiàng)目；是一個(gè)環(huán)境而不是一件產(chǎn)品。它提供用戶用于決策支持的當(dāng)前和歷史數(shù)據(jù)，這些數(shù)據(jù)在傳統(tǒng)的操作型數(shù)據(jù)庫(kù)中很難或不能得到。數(shù)據(jù)倉(cāng)庫(kù)技術(shù)是為了有效地把操作型數(shù)據(jù)集成到統(tǒng)一的環(huán)境中以提供決策型數(shù)據(jù)訪問的各種技術(shù)和模塊的總稱，其所做的一切都是為了讓用戶更快、更方便地查詢所需要的信息，獲取決策支持。
問：什么是聯(lián)機(jī)分析處理？
答：隨著數(shù)據(jù)庫(kù)技術(shù)的發(fā)展和應(yīng)用，數(shù)據(jù)庫(kù)存儲(chǔ)的數(shù)據(jù)量從20世紀(jì)80年代的兆字節(jié)（M）及千兆字節(jié)（G）過渡到現(xiàn)在的兆兆字節(jié)（T），同時(shí)，用戶的查詢需求也越來越復(fù)雜，涉及的已不僅是查詢或操縱一張關(guān)系表中的一條或幾條記錄，而是要對(duì)多張表中千萬條記錄數(shù)據(jù)進(jìn)行分析和綜合，關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)已不能全部滿足這一要求。操作型應(yīng)用和分析型應(yīng)用，在性能上難以兩全，人們常常在關(guān)系數(shù)據(jù)庫(kù)中放寬了對(duì)冗余的限制，引入了統(tǒng)計(jì)及綜合數(shù)據(jù)，但這些統(tǒng)計(jì)綜合數(shù)據(jù)的應(yīng)用邏輯是分散而雜亂的、非系統(tǒng)化的，因此分析功能有限、不靈活、維護(hù)困難。在國(guó)外，不少軟件廠商采取了發(fā)展前端產(chǎn)品來彌補(bǔ)關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng)支持的不足，他們通過專門的數(shù)據(jù)綜合引擎，輔以更加直觀的數(shù)據(jù)訪問界面，力圖統(tǒng)一分散的公共應(yīng)用邏輯，在短時(shí)間內(nèi)響應(yīng)非數(shù)據(jù)處理專業(yè)人員復(fù)雜的查詢要求。1993年，E.F.Codd（關(guān)系數(shù)據(jù)庫(kù)之父）將這類技術(shù)定義為“聯(lián)機(jī)分析處理”。
