OLAM 代表在线分析挖掘。它也被称为 OLAP 挖掘。它将在线分析处理与多维数据库中的数据挖掘和知识挖掘相结合。数据挖掘系统有多种范式和结构。
各种数据挖掘工具必须处理集成的、一致的和清理过的数据。这需要对数据清理、数据转换和数据集成进行昂贵的预处理。因此，通过这种预处理构建的数据仓库对于 OLAP 和数据挖掘来说都是高质量信息的宝贵来源。数据挖掘可以作为数据清理和数据集成的重要工具。
OLAM 特别重要，原因如下 -
数据仓库中的高质量数据- 大多数数据挖掘工具都需要处理集成、一致和清理过的信息，这需要昂贵的数据清理、数据集成和数据转换作为预处理阶段。通过这种预处理构建的数据仓库为 OLAP 和数据挖掘提供了高质量数据的宝贵来源。数据挖掘还可以作为数据清理和数据集成的宝贵工具。
围绕数据仓库的可用信息处理基础设施 - 围绕数据仓库已经或将有序构建全面的数据处理和数据分析基础设施，包括各种异构数据库的访问、集成、整合和转换、ODBC/OLE DB 连接、Web 访问和服务设施，以及记录和 OLAP 分析工具。谨慎地创建对可用基础设施的最佳利用，而不是从头开始构建一切。
基于 OLAP 的探索性数据分析- 有效的数据挖掘需要探索性数据分析。用户将需要遍历数据库，选择相关信息区域，以多种粒度进行分析，并以多种形式显示知识/结果。
在线分析挖掘支持在多个数据子集和多个抽象级别上进行数据挖掘，通过对数据立方体和一些中间数据挖掘结果进行钻取、旋转、过滤、切块和切片。
数据挖掘功能的在线选择- 它支持无法理解他们想要挖掘什么类型的知识的用户。通过将 OLAP 与各种数据挖掘功能集成，在线分析挖掘为用户提供了灵活选择所需数据挖掘功能和动态交换数据挖掘任务的能力。