浅析关系数据库数据仓库与数据挖掘的关系

浅析关系数据库数据仓库与数据挖掘的关系
作者：马丽君
来源：《科技视界》 2015年第20期
马丽君
（白城师范学院计算机科学学院，吉林白城137000）
【摘要】关系数据库、数据仓库和数据挖掘是作为三种独立的信息技术出现的，是数据库
研究、开发和应用最活跃的分支之一，通过对三种技术的内在联系性和互补性分析，从而更好
的使用数据库技术处理各种信息需求，建立更加完善的数据库应用系统或新的决策系统。

【关键词】关系数据库；数据仓库；数据挖掘；关
0引言
关系数据库是20世纪70年代初提出来，经过数据库专家几十年的努力，理论和实践都取
得了显著成果，标志着数据库技术的日益成熟。

但它仍然难以实现对关系数据库中数据的分析，不能很好地支持决策，因此在80年代，产生了数据仓库的思想，90年代，数据仓库的基本原理、架构形式和使用原则都已确定。

主要技术包括对数据库中数据访问、网络、C/S结构和图
形界面，一些大公司已经开始构建数据仓库。

针对数据仓库中迅速增长的海量数据的收集、存放，用人力已经不能解决，那么数据仓库中有用的知识的提取就需要数据挖掘来实现。

数据挖
掘与统计学子领域“试探性数据分析”及人工智能子领域“知识发现”和机器学有关，是一门
综合性的技术学科。

了解关系数据库、数据仓库与数据挖掘三者之间的区别与联系，使之更好
的使用这3种技术，处理各种信息需求是非常必要和重要的。

1关系数据库、数据仓库和数据挖掘之间的关系
1.1关系数据库和数据仓库之间的联系与区别
关系数据库是面向事务的设计，数据仓库是一个面向主题的设计；关系数据库存储在线事
务数据，数据仓库通常存储历史数据，关系数据库的设计将尽量避免冗余，但数据仓库是倾向
于引入冗余；关系数据库设计用于捕获数据，数据仓库设计用于分析数据。

传统的关系数据库
面向以事务处理为主的系统应用，所以它无法满足决策支持系统的分析要求。

事务处理和分析
处理有非常不同的性质，他们有不同的需求数据。

1.2数据仓库与数据挖掘之间的联系与区别
数据挖掘是基于数据仓库和多维数据库中的数据，找到数据的潜在模式进行预测，它可以
对数据进行复杂处理。

大多数情况下，数据挖掘是让数据从数据仓库到数据挖掘数据库中。

从
数据仓库中直接得到进行数据挖掘的数据有许多优点，因为数据仓库中数据的清理和数据挖掘
中几乎是相同的，如果数据在数据仓库中已被清除，数据挖掘中不再被清除，并且数据不一致
也得到了解决。

数据仓库是数据挖掘的先期步骤，通过数据仓库的构建，提高了数据挖掘的效
率和能力，保证了数据挖掘中的数据的宽广性和完整性。

1.3关系数据库与数据挖掘之间的联系与区别
数据挖掘的数据源不一定是数据仓库。

也可以是一个关系数据库中的数据，但要事先进行
数据预处理，才能用于数据挖掘。

数据预处理是数据挖掘的关键步骤，并且是数据挖掘过程中
的主要工作部分。

因此，数据仓库和数据挖掘没有必然的联系，有些人简单地认为，数据仓库
是数据挖掘的准备，这种理解是不全面的，也可以使用关系数据库中的数据作为数据挖掘的数
据源。

2三种技术的应用
2.1应用价值
２.１.１关系数据库
关系数据库的主要价值体现在事务处理。

关系数据库已经渗透到各行各业的日常事务，该
事务管理离不开关系数据库的应用系统，这是对传统事务管理的一个重大突破，是社会甚至家
庭不可或缺的工具，它对社会的应用价值是100%。

２.１.２数据仓库
数据仓库的主要价值体现在为决策分析提供数据源。

一方面，在一个事务中，用户要求高
效的访问系统和数据库，操作时间应该短。

在一个决策分析中，决策问题的一些请求可能会导
致系统的操作，解决这一问题的决策分析需要遍历大多数数据库中的数据，这对一般日常事务
处理系统是困难的，所以操作数据和决策分析数据应该分开。

另一方面，决策数据需求问题。

在决策分析时，由于不同的应用系统中，实体、字段存在数据类型、名称和格式的不符，需要
在集成时进行转换，这个转换必须在决策之前完成；一些决策数据需要动态更新，需要经常进
行汇总和总结，这些需求用事务处理系统解决比较繁琐。

三是数据的操作模式问题。

决策分析
人员要以专业用户身份，使用各种工具以各种形式来操作数据，对数据操作的结果以商业智能
的方式表达出来。

事务处理系统不能满足这一要求，只有数据仓库系统能够满足数据挖掘技术
对数据环境的要求，所以使用数据仓库中的数据省去了对数据预处理的步骤。

２.１.３数据挖掘
面对日益激烈的市场竞争，客户对迅速应答各种业务问题的能力要求越来越高，对过量数
据的及时处理要求越来越高，带来的挑战一方面大规模、复杂数据系统让用户感觉漫无头绪，
无法开始；另一方面，这些大量数据背后隐藏很多有意义的有价值的决策信息。

如计算机界都
熟知的“啤酒与尿布”的故事，就是零售业巨头“沃尔玛”从大量销售数据中分析出来的规律：美国的男士在下班要去超市买婴儿尿布，同时他们还会买啤酒。

“沃尔玛”就把这两种“毫不
相干”的商品摆放在靠近的货架上，并且还摆放一些下洒小菜，使这些商品销量大增。

所以应
用数据挖掘从大量数据中发现规律，具有具体的指导意义。

2.2应用领域
２.２.１关系数据库
关系数据库应用领域非常广泛，如：证券行业、医院、银行、销售部门、公司或企业，以
及政府、国防工业，科学和技术发展领域等等，这些领域都需要使用数据库来存储数据。

例如:人事管理系统、工资管理系统，xxx部门信息管理系统，手机话费管理系统等，都需要关系数
据库作为后台提供数据源。

２.２.２数据仓库
数据仓库应用领域主要有两个方面：一是全局应用。

因为数据仓库获得来自多方面的数据，所以在把数据向数据仓库输入时，要进行转换、计算和综合等集成处理。

通过处理把来自不同
地方的数据源转换成统一的格式，以促进全局应用。

二是复杂系统。

信息处理的要求越来越复杂，除了数据处理操作，如添加、删除、修改、和统计汇总，高级管理层也希望对历史的和现
在的数据进行各种复杂性分析，以支持决策。

数据仓库中就是存储了旧的历史数据，方便复杂
分析、应用，为高层决策服务。

２.２.３数据挖掘
数据挖掘的应用领域主要表现在特定应用问题和应用背景。

数据挖掘技术已经应用于各行
各业，如电信，保险，交通，学校、银行、超级市场等。

例如：数据挖掘技术应用在大学。

高
校扩招，学生增加到几万人，但是学生的学习积极性不高，成绩不好，因此引入数据挖掘技术
找出影响学生学习积极性和学习成绩的原因，制定措施，提高教育和教学质量。

分析的数据源
是考试成绩和成绩之外的影响因素，分析的方法是采用关联规则、模型库、去“噪”处理、粗
糙集等进行数据挖掘，得出的结论是：传统的学习方法不能完全满足需要，改进教学方法和教
学模式，从而调动学生学习的积极性，提高教学质量。

3关系数据库、数据仓库与数据挖掘的融合
日常事务处理需要关系数据库，构建分析处理（下转第318页）（上接第59页）环境需要数据仓库，帮助决策者寻找数据之间的潜在的关联需要数据挖掘。

他们之间是相互联系又有区
别的，不能互相取代的，又需要相互融合。

数据仓库中的数据并不是最新的，专有的，而是来
源于其他关系数据库，它是建立在一个更全面和完善的信息应用的基础上，用于支持高层决策
分析的数据基地。

数据仓库是数据库新技术，到目前为止，数据仓库仍用关系数据库管理系统
管理数据。

数据挖掘是从大量存储在数据库、数据仓库或其他信息库中发现有趣知识的过程。

只有这三个数据库技术互相融合，取长补短，各尽其责，才能更好的为广大用户所使用，为社
会各个领域所应用。

【参考文献】
［１］华冠萍.数据仓库、数据挖掘及OLAP之两两关系[J].福建电脑,2007,8.
［２］牛承珍.马季兰.浅谈数据挖掘应用[J].山西科,2008.5.20.
［３］李军红,胡或.浅析数据仓库、联机分析处理和数据挖掘[J].科技信息,2007.
［责任编辑：曹明明］。