本文探索数据挖掘中的集成和实现问题.在介绍数据仓库、OLAP和数据挖掘发展和特点的基础上,重点研究数据挖掘与OLAP的集成思想及其实现.OLAP是一种以多维的角度总结、重组、观察、应用和组织数据的计算技术,允许多维数据库用户产生在线可描述的或可比较的数据汇总以及其它分析查询.数据挖掘是一种数据探索工具,它包括几种技术/算法,如关联规则、归约分析、聚类、分类、预测等.分析者能够独自地或结合地使用这些技术,以获取和发现有趣的模式和关系用于战略和战术决策.数据仓库是一种以方便地获取分析信息为目的,组织大量的和多维的数据集的过程.OLAP和DM都同样需要数据仓库提供高质量的数据.OLAP本质上是回顾性的、专家驱动的和演绎的.与之相比,数据挖掘是前摄的、数据本身驱动的和归纳的.OLAP和DM两种技术在数据分析中组合实施能产生好的效果.概括起来它们之间有以下几个方面的集成:(1)用数据立方体描述和表现数据挖掘的结果;(2)在选定的子立方体上进行数据挖掘;(3)应用数据挖掘算法(如归约、聚类、关联)准备和改进更有意义元数据模型,以帮助建立OLAP立方体;(4)在立方体上使用各种数据挖掘技术,可以发现立方体中有趣的区域或异常等.结合本人近几年对学生成绩和教师业绩统计与分析的工作经验,集成应用数据仓库、OLAP和DM等技术和工具编程实现成绩的查询和分析.具体实现了各科成绩关联分析、学生成绩趋势分析、学生成绩分布分析、教师业绩分析、学生和教师成绩查询,它们对学校学生成绩的分析和管理具有很大的实践意义和应用价值.