可以看出，聯機分析處理是由用戶驅動的，很大程度上受到用戶水平的限製。與聯機分析處理不同，數據挖掘是數據驅動的，是一種真正的知識發現方法。使用數據挖掘工具，用戶不必提出確切的要求，係統能夠根據數據本身的規律性，自動地挖掘數據潛在的模式，或通過聯想，建立新的業務模型，幫助決策者調整市場策略，並找到正確的決策。這顯然利於發現未知的事實。從數據分析深度的角度來看，聯機分析處理位於較淺的層次，而數據挖掘則處於較深的層次。所以，聯機分析處理和數據挖掘的主要差別就在於是否能自動地進行數據分析。
近幾年，越來越多的聯機分析處理產品融入了數據挖掘的方法，所以聯機分析處理與數據挖掘間的界限正在逐漸模糊。
據國外報導，雖然數據挖掘的產品目前尚不成熟，但其市場份額卻在不斷增加，越來越多的企業開始利用它對公司的數據進行分析，並認為：“如果不搶在競爭對手之前使用數據挖掘技術，等待你的將是失敗！”由此可以預見，數據挖掘技術還是相當有發展前途的。
在傳統的決策支持係統中，數據庫、模型庫和知識庫往往被獨立設計；因而缺乏內在的統一性。而以數據庫為中心，事務處理和數據挖掘為手段的新方案則解決了這個問題。
第一，數據倉庫解決了數據不統一的問題。數據倉庫自底層數據庫收集大量事務級數據的同時，對數據進行集成、轉換和綜合，形成麵向全局的數據視圖，形成整個係統的數據基礎。
第二，聯機分析處理從數據倉庫中的集成數據出發，構建麵向分析的多維數據模型，利用這個帶有普遍性的數據分析模型，用戶可以使用不同的方法，從不同的角度對數據進行分析，實現了分析方法和數據結構的分離。
第三，數據挖掘以數據倉庫和多維數據庫中的大量數據為基礎，自動地發現數據中的潛在模式，並以這些模式為基礎自動作出預測。數據挖掘反過來又可以為聯機分析處理提供分析的模式。
正是由於數據倉庫、聯機分析處理和數據挖掘這三種技術的聯係性和互補性，使它們從不同的角度為決策支持服務。
3.數據庫技術對電子商務的支持
數據庫技術對電子商務的支持是全方位的，從底層的數據基礎到上層的應用都涉及到數據庫技術。
總的來說，數據庫技術對於電子商務的支持可以概括為以下幾部分：
（1）數據的收集、存儲和組織
這是傳統數據庫係統的主要功能。對於參與電子商務的企業而言，數據的來源不僅僅是企業內部管理信息係統，還包括大量的外部數據。數據是企業重要資源，是決策的依據，是進行各類生產經營活動的基礎及結果。
（2）決策支持
這就要用到前麵所提到的數據倉庫解決方案。當然，企業也可以采取其他方式，但數據庫中存儲的數據依然是決策的依據。決策是關係到企業未來成敗的關鍵。對於參與電子商務的企業而言，由於他們的信息更靈通、過程更規範，這就為決策支持打下了良好的基礎。
（3）對EDI的支持
EDI是電子商務重要的組成部分，要想成功地實現EDI，企業的基礎設施建設是關鍵，而數據庫係統的建設是其中重要的一環。如果有良好的數據庫係統的支持，就可以實現應用到應用的EDI過程。這一過程是，企業內部的管理信息係統依據業務情況自動產生EDI單證，並傳輸給貿易夥伴；而對方傳來的EDI單證也可以由係統自動解釋，並存入相應的數據庫，整個過程無需人工幹預。
在這一過程中，可以設立一個EDI數據庫專門用於有關EDI數據的處理。這樣的管理方式簡單明了，但如果數據庫之間的溝通不順暢，就可能產生數據不一致的現象。