1 验证模式：称为用户驱动模式, 商业用户做出一种假设--商业性问题--然后试图通过存取数据仓库中的数据来证明此假设。用于实现验证模式的工具包括查询工具、报表系统、多维分析工具。 　　2 发现模式：称为数据驱动模式, 试图发现数据中的联系特征。在发现模式中，商业用户预先并不知道发现的方式及关系，数据发掘工具就是发现模式的一个范例。 　　图9－9 　　3 决策支持工具的三种方法 　　 　　(1) 信息处理 　　支持决策的验证模式，它包含数据分析和基本的统计分析、查询和服务等技术。信息处理的结果是报表和图表。 　　信息处理使用的工具：访问、存取、检索、分析、管理与报表等工具。可按报表、交叉表和矩阵、表格、简单或复杂的图表给出分析结果。 　　1．分析处理 　　支持决策的验证模式，目的是从商业维中按商业用户的角度提供数据。   　分析处理使用的工具：多维分析也称为在线分析处理（OLAP）。功能包括： 　　① 给出数据的多维的逻辑视图。 　　② 交互式查询和对数据的分析。 　　③ 提供分析的建模功能。 　　④ 生成概括、聚集和层次数据。 　　⑤ 支持功能模型以进行预测、趋势分析和统计分析。 　　⑥ 检索并显示二或三维表格、图表和图形。 　　⑦ 较快地响应查询。 　　⑧ 具有多维数据存储引擎，阵列存储数据。 　　2．数据发掘 　　支持决策的发现模式。游览细节性的事务数据以便发掘隐藏的模式和关系。 　　使用的工具：工具可分为以下三大类： 　　① 统计分析：通常使用的模型有线性分析和非线性分析、连续回归和逻辑回归分析、单变量和多变量分析，及时间序列分析。 　　② 知识发现 (Knowledge Discovery)： 　　・抽取隐含的、未知的、潜在的信息。 　　・通过数据搜寻非预期的信息。 　　・可能找到预先未知的商业事实。 　　③ 其他工具和技术 　　・可视化系统 l地理信息系统 　　・分形分析 l私有发现引擎 　　数据挖掘的成功取决于对数据的合理处理及算法，它并不是对任何规则都能够去发现的万能工具，所以使用者对自己的业务越熟悉，就越能够给数据挖掘提供完善的帮助和指导，盲目地使用数据挖掘，只能留下对数据挖掘技术的遗憾。