什么是数据挖掘?它和传统的商业智能有什么区别?数据挖掘是从一个数据集提取隐藏知识来帮助你制定决策的过程。通过隐藏的知识，基于一个模型通过对其他上千个客户的总结来预测一个客户可能会购买哪个产品。
或者客户的哪些属性最能影响他们的购买模式?思考统计、可能性、集群、相关性和代替趋势和总结的预测。
一般查询和报表、OLAP或其他分析工具能够很好地获得你想制定的一类决策的细节。我们可以定义公制和维度并向下钻取和报表以及状态面板，因为我们通常知道我们需要什么。我们只是不知道涉及的产品、地区和客户。一个用户可能知道怎样定义一个好的客户是怎样的，以及商业智能系统可以开发这个规则来显示谁是最好的客户。但是一个新客户是怎样的呢——他们是好客户还是差客户?你能使他们变得更好吗?
因为不同之处不多，那这两个可以一起使用吗?答案是绝对的，而这是Oracle与其它相比所提供的独特能力。
基于Oracle的将功能扩展进数据库引擎中去的理念，ODM包括在Oracle 10 R2数据库引擎中。在数据库中的独特架构，和可以通过PL/SQL或Java APIs来访问使得其它所有功能可以放置到Oracle平台来使用——例如并行、索引、物化视图、安全性、高可用性等等。这么做的其它主要好处是它可以节省数据转移到数据库之外到一个数据挖掘工具例如SAS——在许多情形下花费的大量时间。
数据挖掘过程比传统的商业智能要复杂得多。有了数据挖掘，你的第一个目标是建立一个模型，它是这个软件从一个你首先要清理的示例数据集创建出来的。这个模型(你可以把它想成可以在一个记录上调用的高级功能)然后可以部署到一个单独记录或一整个数据集上。
使用一个单独记录在前沿应用程序中是很有用的，在这里可以进行实时计分，就可以预测概率或结果。这里最常用的例子是在一个呼叫中心环境中的，是基于打进来的电话和客户，一个预测就是对于这个客户最可能的响应是什么。(如果这听起来很像Oracle实时决策(RTD，通过Siebel通过Sigma Dynamics来获得)，那么你是对的。在这类商业智能工具中，Oracle计划销售两个产品，这两个产品在功能方面有些交迭。)这个场景中，记录是实时记录的，没有很好的批处理，而这是典型商业智能系统(OBI EE)能做到的。尽管数据挖掘功能可以从SQL直接访问到，但是目前的OBI EE不能生成这些SQL扩展。当然你可以通过使用不透明视图(Opaque View)或数据库视图并简单匹配一个字段来做到。这个是你不想做的，但是在一些极个别情况中可以使用。
第二个方式是对整个记录集计分的能力——在晚上或每周的ETL加载中执行一个UPDATE语句，设置一个字段为由数据挖掘模型计算出来的一个值。在这种情况下，这个结果就是简单的一个表中的一个字段。这样，我们任何普通的技术都可以应用到这个字段上——它可以是可用于过滤或活动分区的空间属性，或者它可以用作公制，例如Avg期望值。使用它真的很有用。令人兴奋的是将一个经验丰富的预测模型的结果集成到一个规则商业智能状态面板中去的可能性。与OBI EE在一个大型组织中分享高质量信息的期望一致，你现在可以比使用传统数据挖掘系统更广阔地利用你的数据挖掘的结果