database - OLAP，OLTP，数据仓库，分析，分析和数据挖掘之间有何关系？

我试图了解OLAP，OLTP，数据挖掘，分析等内容，并且我对这些概念的理解仍然有些模糊。有关这些主题的信息倾向于在互联网上以非常复杂的方式进行解释。

我觉得这样的问题很可能会结束，因为它是一个非常广泛的问题，因此，我将尝试将其缩小为两个问题:

问题1:

经过研究，我了解以下有关这些概念的信息，对吗？

Analysis正在分解一些复杂的东西，以便更好地了解内部工作原理。

Analytics是对需要大量数学和统计信息的信息的预测分析。

数据库的类型很多，但是它们是OLTP(事务性)或OLAP(分析性)。

OLTP数据库使用ER图，因此由于它们是规范化形式，因此更易于更新。

相反，OLAP使用非规范化的星型模式，因此更易于查询

因为没有冗余，所以

OLAP用于预测分析，而OLTP通常用于更实际的情况。

数据仓库是OLAP数据库的一种，通常由多个其他数据库组成。

数据挖掘是一种用于分析的工具，您可以在其中使用计算机软件来查找数据之间的关系，以便您可以预测事物(例如，客户行为)。

问题2:

我对分析和分析之间的差异感到特别困惑。他们说分析是多维分析，但是这意味着什么呢？

最佳答案

我将尝试从金字塔的顶部向您解释:

商业智能(您未曾提及)是IT中的术语，代表复杂的系统，并通过数据提供有关公司的有用信息。

因此，BI系统具有目标:干净，准确和有意义的信息。
干净意味着没有技术问题(缺少密钥，不完整的数据等)。准确意味着准确-BI系统也用作生产数据库的故障检查器(逻辑故障-即发票金额太高，或使用了无效的合作伙伴)。它已通过规则完成。意义很难解释，但是用简单的英语来说，它就是您想要的所有数据(甚至是上次 session 中的excel表)。

因此，BI系统具有后端:这是数据仓库。
DWH就是数据库(实例，不是软件)。它可以存储在RDBMS，分析数据库(列或文档存储类型)或NoSQL数据库中。

数据仓库是我在上面解释的通常用于整个数据库的术语。可能有许多数据集市(如果使用了Kimball模型)-或更常见的是第三个标准化形式的关系系统(Inmon模型)，称为企业数据仓库。

数据集市是DWH中相关的表(星型架构，雪花型架构)。事实表(非规范化形式的业务流程)和维度表。

每个数据集市代表一个业务流程。示例:DWH有3个数据集市。一种是零售，第二种是出口，第三种是进口。在零售中，您可以按SKU，日期，商店，城市等(维度)查看总销售额，已售数量，进口价格，利润(量度)。

将数据加载到DWH中称为 ETL (提取，转换，加载)。

从多个来源(ERP数据库，CRM数据库，excel文件，Web服务...)提取数据

转换数据(干净数据，来自差异源的数据连接，匹配键，矿山数据)

加载数据(在特定的数据集市中加载转换后的数据)

由于评论的原因而进行编辑: ETL过程通常使用ETL工具创建，或者使用某些编程语言(python，C#ect)和API手动创建。

ETL流程是一组相关的SQL，过程，脚本和规则，并分为3部分(如上图所示)，由元数据控制。
它是预定的(每晚，每隔几个小时)或实时的(更改数据捕获，触发器，事务)。

OLTP 和 OLAP 是类型的数据处理。 OLTP用于数据库和软件之间的事务处理(通常仅是一种输入/输出数据的方式)。
OLAP用于分析目的，这意味着有多个来源，历史数据，高选择查询性能和挖掘的数据。

由于注释而进行编辑:数据处理是从数据库存储和访问数据的方式。因此，根据您的需求，可以以不同的方式设置数据库。

图片来自http://datawarehouse4u.info/:

数据挖掘是在大型数据集中发现模式的计算过程。挖掘的数据可以使您对业务流程甚至预测有更深入的了解。

分析是一个动词，在BI世界中，这意味着从数据中获取询问的信息很简单。多维分析实际上表明了系统如何对数据进行 slice (多维数据集位于多维数据集内)。维基百科说，数据分析是检查数据的过程，目的是发现有用的信息。

Analytics 是一个名词，它表示分析过程的结果。

不要对这两个词大惊小怪。