目录
决策支持系统
决策支持系统（Decision Support Systems，簡稱DSS），為一種協助人類做決策的資訊系統，協助人類規劃與解決各種行動方案，通常以交談式的方法來解決半結構性（Semi-structured）或非結構性（Non-structured）的問題Gorry, G. A., & Morton, M.
查看 ETL和决策支持系统
商业智能
商業智慧，又稱商業智能或商務智能，指用現代資料倉儲技術、線上分析處理技術、資料探勘和數據展現技術進行數據分析以實現商業價值。 商業智慧的概念經由Howard Dresner（1989年）的通俗化而被人們廣泛瞭解。當時將商業智慧定義為一類由資料倉儲（或資訊市集）、查詢報表、數據分析、資料探勘、數據備份和恢復等部分組成的、以幫助企業決策為目的技術及其應用。 目前，商業智慧通常被理解為將企業中現有的數據轉化為知識，幫助企業做出明智的業務經營決策的工具。這裡所談的數據包括來自企業業務系統的訂單、庫存、交易賬目、客戶和供應商資料及來自企業所處行業和競爭對手的數據，以及來自企業所處的其他外部環境中的各種數據。而商業智慧能夠輔助的業務經營決策既可以是作業層的，也可以是管理層和策略層的決策。 為了將數據轉化為知識，需要利用資料倉儲、線上分析處理（OLAP）工具和資料探勘等技術。因此，從技術層面上講，商業智慧不是什麼新技術，它只是ETL、資料倉儲、OLAP、資料探勘、數據展現等技術的綜合運用。 把商業智慧看成是一種解決方案應該比較恰當。商業智慧的關鍵是從許多來自不同的企業運作系統的數據中提取出有用的數據並進行清理，以保證數據的正確性，然後經過抽取（Extraction）、轉換（Transformation）和裝載（Load），即ETL過程，合併到一個企業級的數據倉庫裡，從而得到企業數據的一個全局視圖，在此基礎上利用合適的查詢和分析工具、數據挖掘工具、OLAP工具等對其進行分析和處理（這時資訊變為輔助決策的知識），最後將知識呈現給管理者，為管理者的決策過程提供支持。.
查看 ETL和商业智能
元数据
元資料（Metadata），又稱元數據、詮釋資料、中介資料、中繼資料、後設資料等，為描述其他資料資訊的資料。有三種不同類型的元資料，分別是記敘性元資料、結構性元資料和管理性元資料。.
查看 ETL和元数据
線上分析處理
線上分析處理（On-Line Analytical Processing，简称OLAP），是一套以多維度方式分析資料，而能彈性地提供積存（Roll-up）、下鑽（Drill-down）、和--（pivot）等操作，呈現整合性決策資訊的方法，多用于決策支持系統、商務智能或数据仓库。其主要的功能，在于方便大规模数据分析及统计计算，对決策提供参考和支持。与之相区别的是線上交易處理（OLTP）。.
查看 ETL和線上分析處理
資料倉儲
数据仓库是一门新兴的资讯科技相关理论，以下用二种方式解释。.
查看 ETL和資料倉儲
数据库
--，簡而言之可視為電子化的檔案櫃——儲存电子檔案的處所，使用者可以對檔案中的資料執行新增、擷取、更新、刪除等操作。 所謂「資料庫」係以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。.
查看 ETL和数据库
数据挖掘
数据挖掘（data mining）是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的中发现模式的计算过程。数据挖掘过程的总体目标是从一个数据集中提取信息，并将其转换成可理解的结构，以进一步使用。除了原始分析步骤，它还涉及到数据库和数据管理方面、、模型与推断方面考量、兴趣度度量、复杂度的考虑，以及发现结构、可视化及在线更新等后处理。数据挖掘是“資料庫知識發現”（KDD）的分析步骤。数据挖掘：实用机器学习技术及Java实现》一书大部分是机器学习的内容。这本书最初只叫做“实用机器学习”，“数据挖掘”一词是后来为了营销才加入的。通常情况下，使用更为正式的术语，（大规模）数据分析和分析学，或者指出实际的研究方法（例如人工智能和机器学习）会更准确一些。 数据挖掘的实际工作是对大规模数据进行自动或半自动的分析，以提取过去未知的有价值的潜在信息，例如数据的分组（通过聚类分析）、数据的异常记录（通过异常检测）和数据之间的关系（通过关联式规则挖掘）。这通常涉及到数据库技术，例如。这些潜在信息可通过对输入数据处理之后的总结来呈现，之后可以用于进一步分析，比如机器学习和预测分析。举个例子，进行数据挖掘操作时可能要把数据分成多组，然后可以使用决策支持系统以获得更加精确的预测结果。不过数据收集、数据预处理、结果解释和撰写报告都不算数据挖掘的步骤，但是它们确实属于“資料庫知識發現”（KDD）过程，只不过是一些额外的环节。 类似词语“”、“数据捕鱼”和“数据探测”指用数据挖掘方法来采样（可能）过小以致无法可靠地统计推断出所发现任何模式的有效性的更大总体数据集的部分。不过这些方法可以建立新的假设来检验更大数据总体。.
查看 ETL和数据挖掘