OLAP和数据挖掘的区别
总结来说：
- 数据仓库提供了一个分析的数据源
- 数据挖掘能分析出未知的信息，提出假设
- OLAP能通过分析，验证假设
从技术角度看，商务智能的过程是企业的决策人员以企业中的数据仓库为基础，经由数据挖掘工具、联机分析处理工具加上决策规划人员的专业知识，从数据中获得有用的信息和知识，帮助企业获取更多的利润。
数据仓库是一个用以更好地支持企业或组织的决策分析处理的的数据集合，它有面向主题、集成、相对稳定、随时间不断变化四个特性，将数据仓库与传统的面向事务处理的数据库区分开来。数据仓库的关键技术包括数据的抽取、清洗、转换、加载和维护技术。
联机分析处理（OLAP）是以海量数据为基础的复杂分析技术。
它支持各级管理决策人员从不同的角度、快速灵活地对数据仓库中的数据进行复杂查询和多维分析处理，并且能以直观易懂的形式将查询和分析结果展现给决策人员。OLAP使用的逻辑数据模型为多维数据模型。常用的OLAP多维分析操作有上钻、下钻、切片、切块、旋转等。多维数据模型在物理实现时，主要有三种方式：ROLAP结构、MOLAP结构和HOLAP结构。其中ROLAP是基于关系数据库的OLAP实现，
MOLAP是基于多维数据组织的OLAP实现，HOLAP是基于混合数据组织的OLAP实现。
数据挖掘(Data Mining)是从海量数据中，提取隐含在其中的、人们事先不知道的但又可能有用的信息和知识的过程。数据挖掘的数据有多种来源，包括数据仓库、数据库或其他数据源。所有的数据都需要再次进行选择，具体的选择方式与任务相关。挖掘的结果需要进行评价才能最终成为有用的信息，按照评价结果的不同，数据可能需要反馈到不同的阶段，重新进行分析计算。数据挖掘的常用方法包括关联分析、分类和预测、聚类、检测离群点、趋势和演变分析等。可以说：联机分析处理和数据挖掘是数据仓库之上的增值技术。
