数据挖掘和数据仓库的主要区别在于，数据挖掘是从大量数据中识别模式的过程，而数据仓库是将来自多个数据源的数据集成到一个中心位置的过程。

数据挖掘是在大型数据集中发现模式的过程。它使用各种技术，如分类、回归等来做出业务决策。另一方面，数据仓库是从多个数据源中提取、转换和加载数据到数据仓库的过程。数据挖掘技术可以应用于数据仓库，以发现有用的模式。

覆盖的关键领域

1.什么是数据挖掘–定义，功能2.什么是数据仓库–定义，功能3.数据挖掘和数据仓库的区别–关键区别的比较

关键术语

数据挖掘，数据仓库，数据仓库

什么是数据挖掘(data mining)？

数据挖掘是在大型数据集中发现模式的过程。换句话说，数据挖掘提取新的模式，即数据实体之间的关系。挖掘出来的数据应该是新的、正确的，并且应该有潜在的用途。

从数据中提取有用信息的过程包括几个步骤。第一步是数据选择。数据来自多个来源，有多种格式。因此，所有数据都被集成并存储在一个称为数据仓库的位置。第二步是预处理。它包括总结、规范化和聚合。这些转换有助于使数据适合于数据挖掘。第三步是数据挖掘。它使用诸如聚类、回归、分类等技术或算法来提取数据的模式。第四步是模式评估。它检查获得的输出的准确性。最后一步是用图表表示结果。

Figure 1: Data Mining

进行数据挖掘的主要技术有异常检测、关联规则挖掘、聚类、分类和回归。首先，异常检测有助于识别异常模式以了解数据的变化。其次，关联规则挖掘有助于发现变量间有趣的关联模式。第三，聚类识别数据中相似的类。第四，分类识别观察所属的类别。最后，回归有助于发现变量之间的关系。这些是数据挖掘中使用的主要技术。

什么是数据仓库(data warehousing)？

在企业组织中，数据存在于各种数据库中。首先，从多个数据源中提取和转换数据。然后，它们被加载到一个称为数据仓库的中心位置。数据仓库是将各种数据源的数据加载到数据仓库中的过程。然后可以应用各种策略来分析数据，以支持最终用户做出业务决策。此外，数据仓库中的数据可以划分为数据集市。这些数据集市有一组特定用户的数据。例如，人力资源部门可以使用他们的数据集市。销售部可以使用销售市场等。

Figure 2: Data Warehouse

数据仓库是面向主题的、集成的、时变的和非易失性的。数据仓库是面向主题的。它提供了关于一个主题的知识，而不是正在进行的操作。它是集成的，因为它整合了来自不同数据源的数据。仓库数据提供有关特定时间段的信息。所以，它是时变的。最后，它提供了非波动性，因为在将数据加载到仓库之后，不应该删除或更新数据。简言之，数据仓库有助于组织做出决策。

数据挖掘(data mining)和数据仓库(data warehousing)的区别

定义

数据挖掘是在大型数据集中发现模式的过程，涉及机器学习、统计学和数据库系统的交叉点的方法。数据仓库是从多个数据源提取、转换和加载数据到称为数据仓库的中心位置的过程。

过程

在数据挖掘中，数据是定期分析的。数据定期存储在数据仓库中。

数据

数据挖掘是对数据样本的分析，而数据仓库则是对海量数据的存储。

使用

数据挖掘可以发现数据中的模式，以便更好地进行决策。另一方面，数据仓库为组织存储大量数据提供了一种机制。

结论

数据挖掘和数据仓库的区别在于，数据挖掘是从大量数据中识别模式的过程，而数据仓库是将来自多个数据源的数据集成到一个中心位置的过程。通常，工程师执行数据仓库，业务用户在工程师的帮助下执行数据挖掘。

引用

1.数据挖掘使用R |初学者数据挖掘教程|初学者R教程| Edureka，Edureka！，2017年11月8日，此处提供。2。初学者数据仓库教程|数据仓库概念|数据仓库| Edureka，Edureka！，2017年6月22日，此处提供。 2.初学者数据仓库教程|数据仓库概念|数据仓库| Edureka，Edureka！，2017年6月22日，