yxt之涯
数据挖掘得到的结果和模式不应该是一劳永逸、一成不变的，而是应该根据用以挖掘的数据的更新而不断更新的。FineBI数据挖掘的结果在每次FineBI多维数据库更新时，可以自动重新进行整个挖掘的训练、预测和保存过程。同理，OLAP分析中用到的数据挖掘产生的数据也随之更新。 
数据仓库是一种解决方案，是对原始的操作数据进行各种处理并转换成有用信息的处理过程，用户可以通过分析这些信息从而作出策略性的决策。因此，在很多场合，我们也把数据仓库系统称为决策支持系统。而数据挖掘：是建立在数据仓库之上，分析数据仓库的。数据仓库系统的查询大都非常复杂，主要有两种:一种以报表为主，从数据库中产生各种形式的业务报表。这种查询是预先规划好的(Pre-defined Query);另一种则是随机的、动态的查询(Ad-Hoc Query)，对查询的结果也是不能预料的。数据仓库中的查询由于其复杂性，会经常使用多表的联接、累计、分类、排序等操作，这些大都要对整个表进行搜索。每次查询返回的数据量一般很大，经常需要根据上次查询的结果进行进一步的搜索，这个过程常称为数据挖掘。
对客户给的数据进行某些操作，得到客户想要的结果。用的工具是Informatica， Congos， DataStage什么的，我们项目主要用informatica，因为和IBM是竞争对手，最核心的部分是ETL开发，也就是套用SQL(PL/SQL)语句以及工具，建立工作流，调用建立的mapping，处理数据，得到最终的结果，这就是我的理解。
既然简述，我就最简单的方法说。数据库是储存目前最需要的数据的地方数据仓库就是一个放永久数据的地方。只增加，不减少。数据挖掘是在数据集上做的一种对数据存在的各种潜在的，相关的一种技术。
数据仓库是要集成多种数据源，比如个人财务记录和购物记录，比如企业的原料、生产、销售的异构数据库。数据库一般是单一结构的，没办法集成异构源去做一个统一接口，所以在数据分析需求达到宏观规模后才弄出这么个概念来。所谓面向事务和面向主题就是这个意思。事务是数据记录查询的单一任务，主题是数据分析目标的相关数据范畴。 数据仓库是数据挖掘的对象，进行大规模的数据挖掘前先要建立数据仓库，数据挖掘的研究方向有偏向数据库的。
