Data
Mining และ OLAP
On-Line
Analytical Processing (OLAP) สามารถรับการกำหนดเป็นการวิเคราะห์อย่างรวดเร็วจากข้อมูลหลายมิติที่ใช้ร่วมกัน
OLAP และการทำเหมืองข้อมูลที่แตกต่างกันเป็นกิจกรรมเสริม
OLAP
สนับสนุนกิจกรรมต่าง ๆ เช่นการสรุปข้อมูลการจัดสรรค่าใช้จ่ายในการวิเคราะห์อนุกรมเวลาและการวิเคราะห์
What-If แต่ส่วนใหญ่ระบบ OLAP ไม่ได้มีความสามารถในการอนุมานแบบอุปนัยเกินสนับสนุนสำหรับการพยากรณ์อนุกรมเวลา
อนุมาน Inductive กระบวนการในการเข้าถึงข้อสรุปทั่วไปจากตัวอย่างเฉพาะที่เป็นลักษณะของการทำเหมืองข้อมูล
การอนุมานแบบอุปนัยที่รู้จักกันว่าการเรียนรู้การคำนวณ
ระบบ
OLAP
ให้มุมมองหลายมิติของข้อมูลรวมทั้งการสนับสนุนอย่างเต็มที่สำหรับลำดับชั้น
มุมมองของข้อมูลนี้เป็นวิธีธรรมชาติในการวิเคราะห์ธุรกิจและองค์กร
การทำเหมืองข้อมูลในมืออื่น ๆ ที่มักจะไม่ได้มีแนวคิดของขนาดและลำดับชั้น
Data
MiningและOLAP สามารถบูรณาการในหลายวิธี
ตัวอย่างเช่นการทำเหมืองข้อมูลสามารถนำมาใช้เพื่อเลือกขนาดสำหรับคิวบ์สร้างค่านิยมใหม่สำหรับมิติหรือสร้างมาตรการใหม่สำหรับคิวบ์
OLAP สามารถใช้ในการวิเคราะห์ผลการทำเหมืองข้อมูลในระดับต่างๆของเมล็ด
การทำเหมืองข้อมูลสามารถช่วยให้คุณสร้างข้อมูลที่น่าสนใจและมีประโยชน์
ตัวอย่างเช่นผลจากการทำเหมืองข้อมูลการคาดการณ์อาจจะเพิ่มเป็นมาตรการที่กำหนดเองไปยังคิวบ์มาตรการดังกล่าวอาจให้ข้อมูลดังกล่าวเป็น
"แนวโน้มที่จะเริ่มต้น" หรือ "แนวโน้มที่จะซื้อ"
สำหรับลูกค้าแต่ละราย OLAP การประมวลผลได้รวมแล้วและสรุปความน่าจะเป็น
