数据挖掘和OLAP的简单理解

OLAP是决策支持领域的一部分。传统的查询和报表工具是告诉你数据库中都有
什么（what happened），OLAP则更进一步告诉你下一步会怎么样（What next）、
和如果我采取这样的措施又会怎么样（What if）。用户首先建立一个假设，然
后用OLAP检索数据库来验证这个假设是否正确。比如，一个分析师想找到什么
原因导致了贷款拖欠，他可能先做一个初始的假定，认为低收入的人信用度也
低，然后用OLAP来验证他这个假设。如果这个假设没有被证实，他可能去察看
那些高负债的账户，如果还不行，他也许要把收入和负债一起考虑，一直进行
下去，直到找到他想要的结果或放弃。
也就是说，OLAP分析师是建立一系列的假设，然后通过OLAP来证实或推翻这些
假设来最终得到自己的结论。OLAP分析过程在本质上是一个演绎推理的过程。
但是如果分析的变量达到几十或上百个，那么再用OLAP手动分析验证这些假设
将是一件非常困难和痛苦的事情。
数据挖掘与OLAP不同的地方是，数据挖掘不是用于验证某个假定的模式（模型）
的正确性，而是在数据库中自己寻找模型。他在本质上是一个归纳的过程。比
如，一个用数据挖掘工具的分析师想找到引起贷款拖欠的风险因素。数据挖掘
工具可能帮他找到高负债和低收入是引起这个问题的因素，甚至还可能发现一
些分析师从来没有想过或试过的其他因素，比如年龄。
数据挖掘和OLAP具有一定的互补性。在利用数据挖掘出来的结论采取行动之前，
你也许要验证一下如果采取这样的行动会给公司带来什么样的影响，那么OLAP
工具能回答你的这些问题。
而且在知识发现的早期阶段，OLAP工具还有其他一些用途。可以帮你探索数据，
找到哪些是对一个问题比较重要的变量，发现异常数据和互相影响的变量。这
都能帮你更好的理解你的数据，加快知识发现的过程。