數(shù)據(jù)挖掘技術(shù)是經(jīng)由自動(dòng)或半自動(dòng)的方法探勘及分析大量的資料，以創(chuàng)建有效的模型及規(guī)則，而企業(yè)通過數(shù)據(jù)挖掘可以更加了解他們的客戶，進(jìn)而改進(jìn)他們的行銷、業(yè)務(wù)及客服的運(yùn)作。 數(shù)據(jù)挖掘是數(shù)據(jù)倉庫的一種重要運(yùn)用。基本上，它是用來將你的資料中隱藏的資訊挖掘出來，所以 Data Mining 其實(shí)是所謂的 Knowledge Discovery 的一部份，Data Mining 使用了許多統(tǒng)計(jì)分析與 Modeling 的方法，到資料中尋找有用的特征（Patterns）以及關(guān)連性（Relationships）。 Knowledge Discovery 的過程對(duì) Data Mining 的應(yīng)用成功與否有重要的影響，只有它才能確保 Data Mining 能獲得有意義的結(jié)果。

數(shù)據(jù)挖掘和OLAP同為分析工具，其差別在于OLAP提供用戶一便利的多維度觀點(diǎn)和方法，以有效率的對(duì)數(shù)據(jù)進(jìn)行復(fù)雜的查詢動(dòng)作，其預(yù)設(shè)查詢條件由用戶預(yù)先設(shè)定，而數(shù)據(jù)挖掘，則能由資訊系統(tǒng)主動(dòng)發(fā)掘資料來源中未曾被查覺的隱藏資訊，和透過用戶的認(rèn)知以產(chǎn)生信息。

數(shù)據(jù)挖掘是計(jì)算機(jī)科學(xué)的一個(gè)分支，涉及從大型數(shù)據(jù)集的提取。這些過程會(huì)結(jié)合使用統(tǒng)計(jì)方法和人工智能。數(shù)據(jù)挖掘在現(xiàn)代企業(yè)把原始數(shù)據(jù)轉(zhuǎn)換為人工智能的來源。對(duì)數(shù)據(jù)進(jìn)行操縱，因此能夠提供可靠的信息，可以用于決策。這給企業(yè)的競爭帶來很大的優(yōu)勢，可以依靠他們的數(shù)據(jù)集提供情報(bào)。數(shù)據(jù)挖掘也被組織在分析實(shí)踐包括營銷、監(jiān)測科學(xué)和檢測欺詐行為等各個(gè)方面。

還有其他常見的術(shù)語與數(shù)據(jù)挖掘相關(guān)的可能，比如數(shù)據(jù)釣魚、數(shù)據(jù)窺探等。所有這些指向不同的數(shù)據(jù)挖掘應(yīng)用于抽樣較小的數(shù)據(jù)集，用于生產(chǎn)統(tǒng)計(jì)和推斷。

數(shù)據(jù)倉庫可以作為數(shù)據(jù)挖掘和OLAP等分析工具的資料來源，由于存放于數(shù)據(jù)倉庫中的資料，必需經(jīng)過篩選與轉(zhuǎn)換，因此可以避免分析工具使用錯(cuò)誤的資料，而得到不正確的分析結(jié)果。

另一方面，數(shù)據(jù)倉庫是一個(gè)術(shù)語，描述一個(gè)系統(tǒng)在一個(gè)組織中所使用的數(shù)據(jù)的集合。這些數(shù)據(jù)收集在數(shù)據(jù)倉庫提供的是事務(wù)性系統(tǒng)，如發(fā)票，購買記錄，甚至貸款記錄。各個(gè)點(diǎn)的數(shù)據(jù)記錄被創(chuàng)建然后集合在一起，就是數(shù)據(jù)倉庫。該數(shù)據(jù)倉庫給出的數(shù)據(jù)報(bào)告可以幫助用戶業(yè)務(wù)信息，從而做出有效的決策。

總結(jié)：

數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中提取數(shù)據(jù)的過程。
數(shù)據(jù)倉庫是匯集所有相關(guān)數(shù)據(jù)的一個(gè)過程。
數(shù)據(jù)挖掘和數(shù)據(jù)倉庫都是商業(yè)智能工具集合。
數(shù)據(jù)挖掘是特定的數(shù)據(jù)收集。
數(shù)據(jù)倉庫是一個(gè)工具來節(jié)省時(shí)間和提高效率，將數(shù)據(jù)從不同的位置不同區(qū)域組織在一起。
數(shù)據(jù)倉庫三層，即分段、集成和訪問。