Tích hợp dữ liệu là thủ tục gộp dữ liệu từ nhiều nguồn phân tán. Khi thực hiện tích hợp, phải xử lý dư thừa, không nhất quán, trùng lặp. Trong khai thác dữ liệu, tích hợp là phương pháp tiền xử lý bản ghi gộp dữ liệu từ vài nguồn dị chất thành dữ liệu liên tục để giữ và cung cấp góc nhìn thống nhất.
Tích hợp dữ liệu đặc biệt quan trọng trong ngành y tế. Dữ liệu tích hợp từ nhiều hồ sơ bệnh nhân và phòng khám hỗ trợ bác sĩ xác định rối loạn và bệnh tật bằng cách tích hợp thông tin từ nhiều hệ thống thành góc nhìn đơn nhất của thông tin hữu ích để rút ra cái nhìn có ích.
Thu thập và tích hợp dữ liệu hiệu quả cũng cải thiện độ chính xác xử lý yêu cầu bảo hiểm y tế và đảm bảo tên bệnh nhân và thông tin liên hệ được ghi nhất quán và chính xác. Khả năng tương tác (Interoperability) là chia sẻ thông tin qua các hệ thống khác nhau.
Khi dữ liệu ở dạng khác với yêu cầu, phương pháp tổng hợp có thể áp dụng cho thuộc tính để có thuộc tính mong muốn. Ví dụ: cửa hàng có dữ liệu doanh số quý năm 2010-2012. Dữ liệu theo quý nhưng cần doanh số năm. Cần tổng hợp dữ liệu để ra kết quả mong muốn.
| Quý | Doanh Số | Quý | Doanh Số | Quý | Doanh Số | Năm | Doanh Số |
|---|---|---|---|---|---|---|---|
| Năm 2010 | Năm 2011 | Năm 2012 | Doanh Số Năm | ||||
| Q1 | 10.000đ | Q1 | 8.000đ | Q1 | 15.000đ | 2010 | 130.000đ |
| Q2 | 50.000đ | Q2 | 15.000đ | Q2 | 20.000đ | 2011 | 53.000đ |
| Q3 | 40.000đ | Q3 | 10.000đ | Q3 | 40.000đ | 2012 | 105.000đ |
| Q4 | 30.000đ | Q4 | 20.000đ | Q4 | 30.000đ | ||
Doanh số theo quý từ 2010-2012 được tổng hợp thành một bản ghi doanh số năm đơn lẻ.
Hệ thống khái niệm có thể tồn tại cho mỗi thuộc tính, cho phép phân tích dữ liệu ở nhiều mức trừu tượng. Ví dụ: hệ thống khái niệm cho chi nhánh cho phép gom chi nhánh thành khu vực dựa trên địa chỉ. Khối dữ liệu hỗ trợ truy cập nhanh dữ liệu tóm tắt đã tính trước, lợi cho xử lý phân tích trực tuyến và khai thác dữ liệu.
Khối tạo ở mức trừu tượng thấp nhất gọi là base cuboid. Base cuboid phải tương ứng với thực thể đơn lẻ quan tâm, như bán hàng hoặc khách hàng. Tức là mức thấp nhất phải sử dụng được, hữu ích cho phân tích. Khối ở mức trừu tượng cao nhất là apex cuboid.
Khối dữ liệu tạo cho nhiều mức trừu tượng gọi là cuboid, để khối dữ liệu thay vì định nghĩa lattice của cuboid. Mỗi mức trừu tượng cao hơn làm giảm kích thước dữ liệu kết quả. Khi trả lời yêu cầu khai thác, cuboid nhỏ nhất có sẵn liên quan đến nhiệm vụ nên được dùng.