2008-05-09

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。
评论
发表评论

您还没有登录，请登录后发表评论

beyondsanli
搜索本博客
我的相册
Ed2ef40c-0044-376b-ae87-96fbb4175e76-thumb
未命名2
共 17 张
存档
最新评论