笔记百科数据仓库在CRM中发挥多大作用？
1）数据仓库系统提供了标准的报表和图表展示功能，数据仓库内的数据来源于不同的业务处理系统，而数据仓库系统展示的数据是整个企业的数据集成，数据仓库的作用就是利用这些最宝贵的业务数据作出最明智的商业决策。
2）数据仓库支持多维分析。多维分析通过把一个实体的属性定义成维度，使用户能方便地从多个角度汇总、计算数据，增强了数据的分析处理能力，通过对不同维度数据的比较和分析，增强了信息处理能力。多维分析是数据仓库系统在决策分析过程中非常有用的一个功能。
3）数据仓库是数据挖掘技术的关键和基础。数据挖掘技术是在已有数据的基础上，帮助用户理解现有的信息，并且在当前信息的基础上，对未来的企业状况作出预测，在数据仓库的基础上进行数据挖掘，可以针对整个企业的发展状况和未来前景作出较为完整、合理、准确的分析和预测。
延伸阅读
广义的数据分析定义？
商业理解 – 理解需求，定义目标
数据理解 – 探索数据，认知数据
数据准备 – 收集数据，数据清洗、集成等
模型建立 – 选择和应用模型，并加以优化
模型评估 – 检查模型，确认模型符合目标
上线发布 – 将获取的知识转化成报告或者实现数据挖掘过程
商业智能BI、数据仓库DW、数据挖掘DM间的关系
商业智能(Business Intelligent，缩写BI)
是基于数据仓库，经过数据挖掘后，得到商业价值的过程。
数据仓库(Data Warehouse，缩写DW)
相当于BI的地基。是数据库的升级概念，逻辑上都是通过数据库技术来存储数据，不过数据仓库的量更庞大。数据仓库由原有的多个数据来源中的数据进行汇总、整理而得。
数据挖掘(Data Mining，缩写DM)
数据挖掘的核心包括分类、聚类、预测、关联分析等任务。
数据仓库是金矿，数据挖掘是炼金术，商业报告是黄金
简述传统数据挖掘技术与现在数据挖掘技术？
1、传统数据挖掘技术都是基于集中式的底层软件架构开发，难以并行化，因而在处理TB级以上数据的效率低。其次是数据分析精度难以随着数据量提升而得到改进，特别是难以应对非结构化数据。
2、现代数据挖掘技术是指20世纪80年代末所出现的数据挖掘技术，这些数据挖掘技术大多可以从数据仓库中提取人们所感兴趣的、事先不知的、隐含在数据中的有用的信息和知识，并将这些知识用概念、规则、规律和模式等方式展示给用户，使用户得以解决信息时代中的“数量过量，信息不足”的矛盾。现代数据挖掘技术应该是从数据库中知识发现技术(KDD)研究的起步，知识发现技术是随着数据库开始存储了大量业务数据，并采用机器学习技术分析这些数据、挖掘这些数据背后的知识而发展起来的。
