1. 数据挖掘名词解释DW
it是名词Internet Technology缩写，翻译成中文名就是互联网技术
互联网技术有3种含义，分别指硬件、软件和应用。第一层是硬件，主要指数据存储、处理和传输的主机和网络通信设备；
第二层是指软件，包括可用来搜集、存储、检索、分析、应用、评估信息的各种软件，它包括我们通常所指的ERP(企业资源计划)、CRM(客户关系管理)、SCM(供应链管理)等商用管理软件，也包括用来加强流程管理的WF(工作流)管理软件、辅助分析的DW/DM(数据仓库和数据挖掘)软件等；
第三层是指应用，指搜集、存储、检索、分析、应用、评估使用各种信息，包括应用ERP、CRM、SCM等软件直接辅助决策，也包括利用其它决策分析模型或借助DW/DM等技术手段来进一步提高分析的质量，辅助决策者作决策(强调一点，只是辅助而不是替代人决策)。
2. 数据挖掘名词解释答案
bi项目就是商业智慧或商务智能项目，指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。
商业智能的概念在1996年最早由加特纳集团（Gartner Group）提出，加特纳集团将商业智能定义为：商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。
3. 数据挖掘名词解释管理学
大数据与会计专业主要学习会计基础、经济法、税法、财务会计、成本会计、财务管理、管理会计、企业审计、会计电算化等课程，掌握扎实的专业知识，培养具有诚信、敬业的良好职业素质，熟悉国家经济法律法规，系统掌握会计基本理论和方法，熟悉经济、管理等相关知识，精通会计业务核算、财务分析和会计信息技术应用能力，能够胜任企事业单位出纳、会计、财务管理、办税会计等职业岗位的高级技术应用性专门人才。 大数据与会计专业就业前景∶ 工作稳定：相对来讲，会计是份稳定的工作。因为会计掌握公司的机密信息，属于公司的核心工作岗位，所以企业的会计工作人员不会轻易发生变动。
至于工作量和工作压力的大小，各个行业都有差别，不同行业或者同行业不同公司工作量和工作压力都会有所差异。
就业面广：每个公司都需要会计工作人员，所以会计专业学生毕业后，就业范围包括各种行业企业、银行、会计师事务所、事业单位等等，可选择余地非常大。
4. 名词解释数据筛选
screening来自于screen,作名词时表示电影银幕,电视机（电脑）荧屏,筛子,电磁屏蔽等,作动词表示.筛选、筛查、遮蔽、检查,screening就来自screen的动词用法,表示：筛选、筛查、放映的意思.比如从一批产品中筛查出不合格的产品来.
investigation最接近于中文的调查研究的意思,即既有研究的意思,但还有调查的意思,和research的研究有些区别.
clearance的意思是：间隙；清除；净空；清理.它和其他三个单词应该同义的成分不大,如果说是clear,那么还有点清理的意思,但关系也不是很大.
check基本意思是检查；查看；检验；核查,也比较明确,如果容易和他意思相近的单词倒不是screening,investigation,而是inspection（检验）、examination（考核）、detection（监测）等.
5. 数据挖掘名词解释ETL
大数据工程技术人员是从事大数据采集、清洗、分析、治理、挖掘等技术研究，并加以利用、管理、维护和服务的工程技术人员。
工程技术，指的是工程实用技术。工程技术亦称生产技术，是在工业生产中实际应用的技术。就是说人们应用科学知识或利用技术发展的研究成果于工业生产过程，以达到改造自然的预定目的的手段和方法。而科学技术更多地指的是科学理论技术。人们也常常称工程技术为工科，而称科学技术为理科。
历史悠久的工程技术是建筑工程技术，它的理论依据是理论力学。随着国防的需要，出现了军事工程技术，它综合了不同行业的工程技术。近年来，随着科学理论的不断发展，工程技术的类别也越来越多，如基因工程技术，信息工程技术，系统工程技术，卫星工程技术，等等。
技术研究的组织系统也采用工程技术和科学技术两个系统，属于工程技术系统的如：中国工程院，国家工程技术研究中心等，属于科学技术系统的如：与中国科学院等。
与科学技术一词不同，工程和技术几乎属于同一范畴，例如，建筑工程与建筑技术相差甚少，信息工程与信息技术没有大的差别。在某些时候，工程可以指某一个项目，而技术则强调该项目的属性。
6. 数据挖掘名词解释kdd
OLAP与数据挖掘DM具有本质区别
（1）功能不同
数据挖掘DM的功能在于知识发现KDD。如：数据挖掘DM中的“分类”包括：贝叶斯分类、粗糙集分类、决策树分类等，是从数据中发现知识规则，是“透过现象看本质”；
而联机分析OLAP的功能在于“统计”和统计结果的展示，是“现象”和“表象”，不能实现数据挖掘DM的知识发现KDD功能。
（2）数据组成不同
数据挖是从混沌的、具有巨大噪声的数据中提炼知识规则；
而联机分析OLAP只是从已经规范化的、纯净的关系数据库中组织数据。
（3）知识与数据的关系不同
数据挖掘DM是从数据中发现知识KDD；
而联机分析OLAP是利用人已知的知识来有意识地组织和使用数据。
（4）基本方法不同
数据挖掘的基础是数学模型和算法；
而OLAP不需要数学模型和算法支持，只与数据仓库和OLAP自身知识相关。