我对如何将 BI 与数据挖掘联系起来有点困惑。 BI可以被称为数据挖掘的某种表现形式吗？
Microsoft Analysis Services 等 BI 工具与 Weka 等数据挖掘工具有何不同？
我猜BI更多的是涉及数据的报告和分析，其中数据经过某种聚合并以立方体的形式表示，但数据挖掘还涉及不同的算法来执行聚类，不是吗？
任何指针？
干杯
【问题讨论】：
标签： olap business-intelligence data-mining
BI small 正在生成详细报告（今天的销售清单）。涉及的数学很少，可能会计算行数和汇总销售额。在这里您可以看到名为“BI”的报告工具
BI 媒体正在生成一个指标（本季度的利润率）。这只是简单的代数，但由于数据量巨大，频繁生成它是一项挑战。这是立方体和 olap 的世界。
BI large 正在做数学建模。这可能是从线性回归到统计模型的任何东西，你可以命名它。这里的关键是模型使用大量数据。真正的统计学家在贬义上使用“数据挖掘”一词，因为未经训练使用统计数据的人可能会挖掘数据，直到他们发现虚假的相关性。您的数据集越大，您就越有可能发现偶然的关系，而不是现实中确实存在这种关系。
因为 BI 的客户是业务线经理，而不是博士研究生、微软等供应商。通过为我们提供黑盒“数据挖掘”工具来简化它，其中许多与您在 SAS 等中找到的相同。
我看到将所有这些 BI 应用程序联系起来的唯一一点是，它们都在使用大量数据来做出业务决策。
【讨论】：
要回答您的一般问题“商业智能是否是数据挖掘的一种表现形式”，实际上恰恰相反。
在一般定义中，BI 是使用您公司的数据来了解您的市场状况并做出决策。因此，正如 MatthewMartin 所说，它可以像 SSRS 报告一样简单，也可以像实时决策支持/AI 系统一样复杂。
数据挖掘是 BI 的一个方面，因为数据挖掘可用于大量数据，使用实现算法（如聚类、神经网络等）的工具进行知识发现和预测。
【讨论】：