Khái quát hóa dữ liệu tóm tắt dữ liệu bằng cách thay thế các giá trị mức thấp tương đối (như giá trị số cho thuộc tính tuổi) bằng các khái niệm mức cao hơn (như trẻ, trung niên và cao tuổi). Với lượng lớn dữ liệu lưu trữ trong cơ sở dữ liệu, việc có thể định nghĩa các khái niệm bằng thuật ngữ ngắn gọn và súc tích ở các mức trừu tượng khái quát hóa (thay vì mức thấp) là rất có lợi.
Cho phép các tập dữ liệu được khái quát hóa ở nhiều mức trừu tượng giúp người dùng kiểm tra hành vi chung của dữ liệu. Với cơ sở dữ liệu AllElectronics, ví dụ, thay vì kiểm tra các giao dịch khách hàng đơn lẻ, quản lý bán hàng có thể muốn xem dữ liệu được khái quát hóa đến các mức cao hơn, bao gồm tóm tắt theo nhóm người dùng theo khu vực địa lý, tần suất mua hàng trên mỗi nhóm và thu nhập của người dùng. Điều này dẫn chúng ta đến khái niệm mô tả khái niệm, đây là một dạng khái quát hóa dữ liệu.
Một khái niệm thường định nghĩa một tập hợp dữ liệu bao gồm người mua thường xuyên, sinh viên sau đại học, v.v. Là một nhiệm vụ khai phá dữ liệu, mô tả khái niệm không phải là liệt kê đơn thuần dữ liệu. Thay vào đó, mô tả khái niệm tạo ra các mô tả cho đặc trưng hóa và so sánh dữ liệu. Nó còn được gọi là mô tả lớp, khi khái niệm cần định nghĩa là một lớp đối tượng.
Đặc trưng hóa hỗ trợ tóm tắt ngắn gọn và súc tích của tập dữ liệu cho trước, trong khi so sánh khái niệm hoặc lớp (còn gọi là phân biệt) hỗ trợ các mô tả so sánh hai hoặc nhiều tập dữ liệu. Có các trường hợp sau:
Kiểu dữ liệu phức tạp và tổng hợp − Kho dữ liệu và công cụ OLAP dựa trên mô hình dữ liệu đa chiều xem thông tin dưới dạng khối dữ liệu, bao gồm các chiều (hoặc thuộc tính) và phép đo (hàm tổng hợp).
Tuy nhiên, một số hệ thống OLAP hiện tại giới hạn chiều chỉ cho dữ liệu phi số và phép đo cho thông tin số. Cơ sở dữ liệu có thể chứa thuộc tính của nhiều kiểu dữ liệu, như số, phi số, không gian, văn bản hoặc hình ảnh, phải được bao gồm trong mô tả khái niệm.
Kiểm soát người dùng so với tự động hóa − Xử lý phân tích trực tuyến trong kho dữ liệu là một quá trình do người dùng kiểm soát. Việc chọn chiều và phần mềm dịch vụ OLAP, bao gồm drill-down, roll-up, slicing và dicing, thường được chỉ đạo và quản lý bởi người dùng.
Mặc dù kiểm soát trong một số hệ thống OLAP thân thiện với người dùng, người dùng vẫn cần hiểu tốt tầm quan trọng của từng chiều. Hơn nữa, để tìm thấy mô tả thỏa mãn về thông tin, người dùng có thể cần chỉ định một chuỗi dài các phép toán OLAP.
Rất mong muốn có một quá trình tự động hơn hỗ trợ người dùng quyết định các chiều (hoặc thuộc tính) nào nên được bao gồm trong phân tích, và mức độ tập dữ liệu cho trước cần được khái quát hóa để tạo ra một bản tóm tắt thú vị của bản ghi.