Database OLAP、OLTP、数据仓库、分析、分析和数据挖掘是如何关联的？
我正在试图理解OLAP、OLTP、数据挖掘、分析等是关于什么的，我觉得我对其中一些概念的理解仍然有点模糊。关于这些主题的信息往往在互联网上以非常复杂的方式进行解释Database OLAP、OLTP、数据仓库、分析、分析和数据挖掘是如何关联的？,database,analytics,data-warehouse,olap,oltp,Database,Analytics,Data Warehouse,Olap,Oltp,我正在试图理解OLAP、OLTP、数据挖掘、分析等是关于什么的，我觉得我对其中一些概念的理解仍然有点模糊。关于这些主题的信息往往在互联网上以非常复杂的方式进行解释 我觉得像这样的问题可能会结束，因为这是一个非常广泛的问题，所以我将尝试将其缩小为两个问题： 问题1: 通过研究，我了解了以下关于这些概念的内容，是否正确？ 分析就是分解一些复杂的东西，以便更好地理解内部工作原理 分析是对需要大量数学和统计数据的信息进行预测性分析 有许多类型的数据库，但它们要么是OLTP（事务型），要么是OLAP（
我觉得像这样的问题可能会结束，因为这是一个非常广泛的问题，所以我将尝试将其缩小为两个问题： 问题1: 通过研究，我了解了以下关于这些概念的内容，是否正确？
- 分析就是分解一些复杂的东西，以便更好地理解内部工作原理
- 分析是对需要大量数学和统计数据的信息进行预测性分析
- 有许多类型的数据库，但它们要么是OLTP（事务型），要么是OLAP（分析型）
- OLTP数据库使用ER图，因此更易于更新，因为它们是规范化的形式
- 相比之下，OLAP使用非规范化的星型模式，因此更易于查询
- OLAP用于预测分析，OLTP通常用于更实际的情况，因为没有冗余
- 数据仓库是一种OLAP数据库，通常由多个其他数据库组成
- 数据挖掘是一种用于分析的工具，你可以使用计算机软件来发现数据之间的关系，从而可以预测事物（例如，客户行为）
我对分析和分析之间的区别特别困惑。他们说分析是多维分析，但这意味着什么呢？我可以告诉你们关于数据挖掘的内容，就像我在数据挖掘项目上做的一样。数据挖掘不是一种工具，它是一种挖掘数据的方法，用于数据挖掘的不同工具是WEKA、RAPID MINER等。数据挖掘遵循许多内置于WEKA、RAPID MINER等工具中的算法。聚类算法、关联算法等算法。 我可以给你举一个简单的数据挖掘的例子。教师在课堂上使用不同的教学方法教授科学科目，如使用黑板、演示、实践等。所以现在我们的目标是找到适合学生的方法。然后我们做了调查，收集了学生的意见，40名学生喜欢黑板，30名学生喜欢演讲，20名学生喜欢实践方法。因此，借助这些数据，我们可以制定一些规则，例如，科学科目应该采用黑板法教学。
要了解不同的算法，您可以使用google:D.我将尝试从金字塔的顶部向您解释： 商业智能（您没有提到的）是IT中的一个术语，它代表一个复杂的系统，从数据中提供有关公司的有用信息 因此，BI系统的目标是：干净、准确和有意义的信息。 清洁意味着没有技术问题（缺少钥匙、数据不完整等）。准确意味着准确-BI系统还用作生产数据库的故障检查程序（逻辑故障-即发票金额过高，或使用非活动合作伙伴）。这是有规则的。有意义是很难解释的，但用简单的英语来说，就是你想要的所有数据（甚至是上次会议的excel表格） 因此，BI系统有后端：它是数据仓库。 DWH只是一个数据库（实例，而不是软件）。它可以存储在RDBMS、分析数据库（列或文档存储类型）或NoSQL数据库中 数据仓库这个术语通常用于我上面解释的整个数据库。可能有大量的数据集市（如果使用Kimball模型），或者称为企业数据仓库的第三种规范化形式的关系系统（Inmon模型） 数据集市是DWH中相关的表（星形模式、雪花模式）。事实表（非规范化形式的业务流程）和维度表 每个数据集市代表一个业务流程。示例：DWH有3个数据集市。一是零售，二是出口，三是进口。在零售中，您可以按SKU、日期、商店、城市等（维度）查看总销售额、销售数量、进口价格、利润（度量） 在DWH中加载数据称为ETL（提取、转换、加载）