摘要: 數(shù)據(jù)倉庫，聯(lián)機分析，數(shù)據(jù)挖掘都是信息領域中近年來快速發(fā)展起來的新技術，本文淺析了數(shù)據(jù)倉庫技術，聯(lián)機分析技術，數(shù)據(jù)挖掘技術的相關概念，論述了數(shù)據(jù)挖掘的方法，最后闡明了聯(lián)機分析技術與數(shù)據(jù)挖掘技術的區(qū)別與聯(lián)系，強調實際中相互配合使用有助于進行更好的決策。

關鍵詞: 數(shù)據(jù)倉庫;數(shù)據(jù)挖掘;聯(lián)機分析

隨著數(shù)據(jù)庫技術的迅速發(fā)展以及數(shù)據(jù)庫管理系統(tǒng)的廣泛應用，人們積累的數(shù)據(jù)越來越多。大量的數(shù)據(jù)的背后隱藏著許多重要的信息，人們希望對其進行高層次的有效分析，以達到充分利用這些數(shù)據(jù)，于是數(shù)據(jù)倉庫技術、聯(lián)機分析處OLAP理技術和數(shù)據(jù)挖掘技術就隨此誕生了。

1 數(shù)據(jù)倉庫技術

數(shù)據(jù)倉庫(Data Warehouse)簡稱DW。最早被譽為“數(shù)據(jù)倉庫之父”的W.H.Inmon將數(shù)據(jù)倉庫明確地定義為:數(shù)據(jù)倉庫是集成的面向主題的數(shù)據(jù)庫集合。但數(shù)據(jù)倉庫系統(tǒng)并非一個簡單由各種數(shù)據(jù)合并而成的超大型數(shù)據(jù)庫，而是一種專為聯(lián)機分析應用和決策支持系統(tǒng)(DDS)提供數(shù)據(jù)分析和決策工具的結構化數(shù)據(jù)環(huán)境。它涉及數(shù)據(jù)的抽取、轉換、裝載、數(shù)據(jù)存取、元數(shù)據(jù)管理、查詢、報表、分析工具及相應的開發(fā)方法等。它是用來支持決策，支持功能的。

它具有如下特征:

1.1它是面向主題的。

主題的含義是指在較高層次上將信息系統(tǒng)中的數(shù)據(jù)綜合、歸類并進行分析利用的抽象。數(shù)據(jù)倉庫中的數(shù)據(jù)面向主題與傳統(tǒng)數(shù)據(jù)庫面向應用相對應。面向主題的數(shù)據(jù)組織方式，就是在較高層次上對分析對象的數(shù)據(jù)做一個完整的、一致的描述，并統(tǒng)一分析對象所涉及的數(shù)據(jù)項及數(shù)據(jù)項之間的聯(lián)系。

1.2數(shù)據(jù)的集成性

數(shù)據(jù)倉庫的集成特性是指在數(shù)據(jù)進入數(shù)據(jù)倉庫之前.必須通過數(shù)據(jù)加工集成，這是建立數(shù)據(jù)倉庫的關鍵步驟。

1.3數(shù)據(jù)的相對穩(wěn)定性

數(shù)據(jù)倉庫中的數(shù)據(jù)是相對穩(wěn)定的。它不進行實時更新，一旦數(shù)據(jù)進入數(shù)據(jù)倉庫中去就不能由用戶進行更新。但從數(shù)據(jù)倉庫存貯的數(shù)據(jù)內(nèi)容上，可分為當前數(shù)據(jù)和歷史數(shù)據(jù)。在一定時間間隔后，當前數(shù)據(jù)需要按一定的方法轉換成歷史數(shù)據(jù)。對分析處理不再有用的數(shù)據(jù)需要從數(shù)據(jù)倉庫中刪除，這些工作是由系統(tǒng)管理員或由系統(tǒng)自動完成的。因此，可以說數(shù)據(jù)倉庫在一定時間間隔內(nèi)是穩(wěn)定的。

2聯(lián)機分析處理技術

聯(lián)機分析處理技術即OLAP技術，是利用存儲在數(shù)據(jù)倉庫中的數(shù)據(jù)完成各種分析操作，并以直觀易懂的形勢將分析結果返回給決策分析人員。OLAP聯(lián)機分析技術是針對數(shù)據(jù)倉庫應用中廣泛出現(xiàn)的大量的聚集操作而產(chǎn)生的一種新的技術，總體上講聯(lián)機分析技術可以分成兩種類型，一種是基于關系數(shù)據(jù)庫系統(tǒng)實現(xiàn)的聯(lián)機分析系統(tǒng)，簡稱ROLAP。其基本思想是對數(shù)據(jù)倉庫中的數(shù)據(jù)模式進行合理組織，直接通過關系查詢實現(xiàn)切片、切塊、下鉆、上翻和旋轉等基本分析操作。另一種是基于多維模型實現(xiàn)聯(lián)機分析，主要研究如何減少存儲空間來實現(xiàn)查詢功能，而且還可以給用戶提供強大的多維和多層分析、統(tǒng)計和以報表處理功能，甚至可以進行趨勢分析。OLAP技術還可以和數(shù)據(jù)挖掘技術聯(lián)系起來運用，即數(shù)據(jù)挖掘可以利用OLAP的分析結果，可以拓展分析的深度，可以發(fā)現(xiàn)OLAP聯(lián)機技術所不能發(fā)現(xiàn)的更為復雜、細致的信息。

3 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘是指從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中提取隱含在其中的人們事先不知道的，但又是潛在有用的信息和知識的過程。

數(shù)據(jù)挖掘綜合了各個學科技術，有很多的功能，包括、聚類分析、關聯(lián)分析、分類、預測、時間序模式和偏差等。需要注意的是數(shù)據(jù)挖掘的各項功能不是獨立存在的 而是在數(shù)據(jù)挖掘中互相聯(lián)系的一起發(fā)揮作用。

數(shù)據(jù)挖掘的方法也有很多種，簡要介紹如下:

3.1 聚集分析(ClusterDetection)

聚集分析是將一個數(shù)據(jù)集分為幾個特征相同的簇， 即把特征相同的數(shù)據(jù)聚集在一起。非3.2 決策樹(Decision Tree)

它將基礎集中數(shù)據(jù)分為不相交的子集， 每個子集可由一定的規(guī)則來描述。此規(guī)則在邏輯上具有層次結構， 因此可用樹型的數(shù)據(jù)結構來表示，樹上的每個節(jié)點代表一條規(guī)則。

3.3鏈路分析(Link Analysis)

它用來分析對象之間的關系，用圖數(shù)據(jù)結構來表示。具體方法是將對象看成是圖的節(jié)點， 它們之間存在的關系則看成是圖的邊即鏈路，然后用圖論的方法進行數(shù)據(jù)分析。

3.4 神經(jīng)網(wǎng)絡(NeutralNetwork)

這是最常見的一種有效的數(shù)據(jù)挖掘方法。即在計算機上模擬神經(jīng)元及其連接的方法，其中神經(jīng)網(wǎng)絡實際上是完成從已知數(shù)據(jù)項到目的數(shù)據(jù)項的一種非線性映射， 它獲取的知識就存在于網(wǎng)絡結構中。神經(jīng)網(wǎng)絡主要用來進行分類、估計和預測等來實現(xiàn)有向數(shù)據(jù)挖掘， 也可以用于聚集等無向的數(shù)據(jù)挖掘。

3.5人工智能(artificial intelligence)

人工智能的一個重要組成部分是人工智能專家系統(tǒng)，在專家系統(tǒng)中，最困難的是把專家的知識表達出來，而且還要把專家的知識變得十分有條理。專家系統(tǒng)很難解決很常性的問題。雖然人工智能技術有待提高，但是在發(fā)現(xiàn)有用的信息方面，是必不可少的，它總是為數(shù)據(jù)的查找提供很好的方向。

3.6 遺傳算法(GeneticAlgorithms)

它是一種遺傳學原理和自然選擇機制來搜索最優(yōu)解的方法。在數(shù)據(jù)挖掘中，用來尋找實現(xiàn)分類、估計和預測功能的最優(yōu)參數(shù)集。過程是先產(chǎn)生一組解法， 然后用重組、突變和選擇等進化過程來得到下一代解法。隨著進化過程的繼續(xù)， 較差的方法將被拋棄， 從而逐步得到最優(yōu)的解法。

4 聯(lián)機處理技術與數(shù)據(jù)挖掘的關系

目前， 聯(lián)機處理技術與數(shù)據(jù)挖掘是信息系統(tǒng)領域內(nèi)的研究重點，OLAP作為一種多維分析的工具， 可以為用戶提供多層面、多角度的邏輯視圖，按照用戶所提出問題進行假設，分析，并將呈現(xiàn)給用戶。

數(shù)據(jù)挖掘是在海量的數(shù)據(jù)集合中尋找模式的決策支持過程，它從大量數(shù)據(jù)中發(fā)現(xiàn)潛在的模式并作出預測性分析， 是現(xiàn)有的最新的技術和統(tǒng)計學等成熟技術在特定系統(tǒng)中的具體的應用。

同時，數(shù)據(jù)挖掘與OLAP都屬于分析型工具， 從某種角度上說OLAP聯(lián)機分析方法也是一種數(shù)據(jù)挖掘方法。但二者之間有著明顯的區(qū)別，數(shù)據(jù)挖掘的分析過程是全自動的， 用戶可以不必提出確切的問題， 只需工具去挖掘隱藏的模式并預測將來的趨勢， 這樣有利于發(fā)現(xiàn)未知的事實;而OLAP更多地依靠用戶輸入問題和假設， 由于用戶先入為主的參與問題和假設的范圍， 從而會影響最后的結論。從對數(shù)據(jù)分析的深度角度來講， 它比較淺顯， 數(shù)據(jù)挖掘則可以發(fā)現(xiàn)OLAP 所不能發(fā)現(xiàn)的更為復雜的信息。

數(shù)據(jù)挖掘存在的主要問題是實現(xiàn)很困難，因為數(shù)據(jù)庫或數(shù)據(jù)倉庫中存在大量數(shù)據(jù)和每個數(shù)據(jù)又有很多屬性， 由于挖掘分析過程是全自動的， 用戶僅僅指定挖掘的任務， 而不提供搜索線索， 這樣導致搜索的空間過大， 生成相當多的外模式， 其中絕大部分有可能是無意義的是用戶不感興趣的模式。OLAP分析雖然可給用戶提供在不同角度、不同抽象級別的視圖， 但是由于對用戶的需求了解調研的不夠全面， 視圖中缺乏所應包含的維度， 從不同的視圖得到的結果可能并不相同， 容易產(chǎn)生錯誤引導， 用戶需做大量的數(shù)據(jù)打撈工作才能夠猜出正確的結果。

實際上數(shù)據(jù)挖掘的各個方法之間， 數(shù)據(jù)挖掘和聯(lián)機分析處理之間都有著密不可分的關系，有些是可以由OLAP 來展現(xiàn)或分析的，而數(shù)據(jù)挖掘的結果又可以指導生成OLAP多維模型。

從上述分析可以看出， OLAP與數(shù)據(jù)挖掘技術由于內(nèi)在技術方面和適用范圍的不同， 在實際決策分析中必須協(xié)調配合使用才能發(fā)揮最好的作用。

參考文獻:

[1]施伯樂 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的研究進展，復旦大學

[2]廖里 數(shù)據(jù)挖掘和數(shù)據(jù)倉庫及其在電信業(yè)中的應用 2000年 《重慶郵電學院學報》

[3]石磊 OLAP與數(shù)據(jù)挖掘一體化模型的分析與討論 2000年 《小型微型計算機系統(tǒng)》

[4]豎 苧 數(shù)據(jù)倉庫的建設與數(shù)據(jù)挖掘技術淺析 2003年第3期《現(xiàn)代信息技術》

[5]宋中山 數(shù)據(jù)倉庫技術研究與應用 2003年 《計算機工程與應用》

作者簡介:

孟雅鳳 哈爾濱市黑龍江農(nóng)墾職業(yè)學院計算機應用技術系 工學碩士 講師