OLAM 서버는 OLAP 서버가 온라인 분석 처리를 수행하는 것과 유사하게 데이터 큐브에서 분석 마이닝을 수행합니다. OLAM 및 OLAP 서버가 모두 그래픽 사용자 인터페이스 API를 통해 사용자 온라인 쿼리(또는 명령)를 수락하고 큐브 API를 통해 데이터 분석에서 데이터 큐브로 작동하는 통합 OLAM 및 OLAP 메커니즘입니다.
메타데이터 디렉토리를 사용하여 데이터 큐브의 액세스를 지시할 수 있습니다. MDDB API를 통해 여러 데이터베이스에 액세스 및 통합하고 OLE DB 또는 ODBC 연결을 제공할 수 있는 데이터베이스 API를 통해 데이터 웨어하우스를 필터링하여 데이터 큐브를 만들 수 있습니다.
OLAM 서버는 개념 설명, 연관, 분류, 예측, 클러스터링, 시계열 분석 등을 포함한 여러 데이터 마이닝 작업을 구현할 수 있기 때문입니다. 일반적으로 여러 통합 데이터 마이닝 모듈을 포함하고 OLAP 서버보다 더 정교합니다.
OLAM 엔진은 개념 설명, 연관, 분류, 예측, 클러스터링 및 시계열 분석과 같은 여러 데이터 마이닝 작업을 수행할 수 있습니다. 따라서 일반적으로 여러 개의 통합 데이터 마이닝 모듈로 구성되어 OLAP 엔진보다 더 정교합니다. OLAP에 필요한 데이터 큐브와 OLAM에 필요한 데이터 큐브 사이에는 근본적인 차이가 없지만 OLAM 분석에는 보다 강력한 데이터 큐브 구성 및 액세스 도구가 필요할 수 있습니다.
이는 OLAM이 더 세분화된 더 많은 차원을 포함하거나 데이터 큐브의 다중 기능 집계에 대한 검색 기반 탐색을 포함하므로 OLAP 분석 이상의 것이 필요한 경우입니다. 또한 탐색적 데이터 마이닝이 흥미로운 지점을 식별할 때 OLAM 엔진은 데이터의 특정 부분에 대한 자세한 분석을 위해 데이터 큐브에서 해당 관계형 데이터베이스로 드릴스루해야 할 수도 있습니다.
이는 OLAM이 더 세분화된 더 많은 차원을 포함하거나 데이터 큐브의 다중 기능 집계에 대한 검색 기반 탐색을 포함하므로 OLAP 분석 이상의 것이 필요한 경우입니다. 또한 탐색적 데이터 마이닝이 흥미로운 지점을 식별할 때 OLAM 엔진은 데이터의 특정 부분에 대한 자세한 분석을 위해 데이터 큐브에서 해당 관계형 데이터베이스로 드릴스루해야 할 수도 있습니다.
또한 데이터 마이닝 프로세스는 구성된 큐브의 차원 또는 측정값이 데이터 분석에 적합하지 않음을 공개할 수 있습니다. 여기서 세련된 데이터 큐브 설계는 데이터 웨어하우스 구축의 품질을 향상시킬 수 있습니다.
효과적인 데이터 마이닝을 위해서는 탐색적 데이터 분석이 필요합니다. 사용자는 종종 데이터베이스를 탐색하고, 관련 데이터의 일부를 선택하고, 이를 서로 다른 단위로 분석하고, 다양한 형식으로 지식/결과를 제시하기를 원합니다.
온라인 분석 마이닝은 다양한 데이터 하위 집합과 다양한 추상화 수준에서 데이터 마이닝을 위한 기능을 제공합니다. 데이터 큐브 및 중간 데이터 마이닝 결과에 대한 드릴링, 피벗, 필터링, 다이싱 및 슬라이싱을 통해 이를 달성할 수 있습니다. 이는 데이터/지식 시각화 도구와 함께 탐색 데이터 마이닝의 능력과 적응성을 크게 높일 수 있습니다.