数据仓库分为：数据集市、企业仓库和虚拟仓库

数据仓库主要包含了数据源、数据准备区、数据仓库数据库、数据集市

/知识挖掘库已经各

种管理工具和应用工具

数据仓库的参考架构：
1．数据仓库基本功能层：包括了数据源、数据准备区、数据仓库结构、数据集市或知识

挖掘库，已经存取和使用部分。其基本功能是从数据源抽取数据，对所抽取的数据进
行筛选、清理，将处理过的数据导入或者说加载到数据仓库中，根据用户的需求设立
数据集市，完成数据仓库的复杂查询、决策分析和知识的挖掘等。

2．数据仓库管理层：由数据仓库的数据管理和数据仓库的元数据管理组成。数据仓库的

管理层包含了数据抽取、新数据需求与查询管理，数据加载、存储、刷新和更新系统 ，
安全性与用户授权管理系统以及数据归档、恢复和净化系统

4 个部分。

3．数据仓库环境支持层：包括了数据仓库数据传输层和数据仓库基础层组成。

数据挖掘：长期对数据库技术进行研究和开发的结果。
数据挖掘的特征：没有明确假设的前提下去挖掘信息、发现知识。数据挖掘所得到的信息
应该具有先知、有效和可实用三个特征。

数据挖掘的功能：
1．自动预测趋势和行为：数据挖掘自动在大型数据库中寻找预测性的信息，以往需要大

量手工分析的问题如今可以迅速直接由数据本身得出结论。

2．关联分析：关联分析的目的是找出数据库中隐藏的关联网。关联分为：简单关联，时

序关联和因果关联。

3．聚类：数据库中的记录可划分为一系列的有意义的子集。
4．概念描述：
5．偏差检测：偏差检测的基本方法是寻找观测结果与参照值之间有意义的差别。

数据挖掘常用的技术：
1．决策树：
2．神经网络
3．遗传算法
4．关联规则挖掘算法

数据挖掘分析方法：
1．关联分析
2．序列分析
3．分类分析
4．聚类分析
5．预测
6．时间序列分析

数据挖掘的流程：
1．问题定义：要想充分发挥数据挖掘的价值，必须对目标要有一个清晰明确的定义，即