数据产品经理经常面对的一些基础概念（上）

今天我们来分享一些基础知识，看看你是否都了解？小编整理了一些数据产品经理经常面对的一些基础概念，这些都是非常的重要的哦，所以一定要掌握。
1.可能接触到的英文缩写

数据仓库 Data Warehouse

数据集市 Data Mart

数据挖掘 Data Mining

DBMS：Database Management System数据库管理系统

DBA: Database Administrator数据库管理员

RDBMS：Relational Database Management System关系数据库管理系统

OLAP:（On-Line Analytical Processing）联机分析处理。OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。

OLTP:（On-Line Transaction Processing）联机事务处理。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。

BI: Business Intelligence 商业智能

KDD：knowledge discovery in databases 数据库知识发现

2.数据分析，数据建模和数据挖掘的定义和区别

数据分析：数据分析强调运用统计方法，找出有用的数据，支持决策，建构有意义的结论。

数据挖掘：数据挖掘与大数据的相关性更紧密，它运用人工智能、机器学习、统计学等知识，对大量的数据集进行分析，发现规律，预测未来，辅助决策。

数据模型：数据模型是对现实世界中各种类型资料的抽象组织，确定资料库所需管辖之范围、资料之组织形式等直至变成现实资料库。在建模过程中，主要的活动包括：确定数据及其相关过程，定义数据，确保数据的完整性，定义操作过程，以及选择数据存储技术。该模型的建立大致可分为概念模型、逻辑模型和物理模型三个阶段。在这两个阶段中，概念建模和逻辑建模阶段与数据库供应商无关，换句话说，与MySQL、SQLServer、Oracle无关。

数据挖掘中的数据分析与数据挖掘的关系：从数据量上来说，一般数据分析的数据量都不大，而数据挖掘的数据量很大。就建模条件而言，数据分析是从假设出发，需要自己建立方程或模型以符合假设，而数据挖掘则无需假设，自动建立方程或模型。对于分析对象来说，数据分析通常是对数字化数据的分析，而数据挖掘可以利用各种类型的数据。就结果而言，数据分析解释结果，呈现出有效信息，数据挖掘的结果不易解释，对信息进行价值评估，着眼于预测未来，提出决策建议。数据挖掘和数据分析是紧密联系在一起的，具有循环递归关系。

这些基础的概念在生活中经常会遇到，但是可能我们并不是特别了解。通过这些讲解，希望对大家有所帮助。数据产品经理要不断学习进步，掌握基础知识的同时，也别忘了学习新的知识哦，一定要跟上时代。

以上就是“数据产品经理经常面对的一些基础概念（上）”的内容了，如果你还想了解其他相关内容，可以来 产品壹佰 官方网站。