第10章商務智能應用實例

10.1數據倉庫的數據加載與鉆取10.2商務智能中的數據挖掘模型設計10.3SQLServer中的數據挖掘工具10.4商務智能客戶端界面的設計

第10章商務智能應用實例

通過本章學習，可以了解：如何使用SQL2005對超市銷售數據倉庫進行數據加載；如何建立數據挖掘應用模型；如何使用SQL2005的數據挖掘工具；如何將多維數據集與數據挖掘結果通過終端展示工具展示給商務智能用戶；

10.1數據倉庫的數據加載與鉆取10.1.1數據倉庫的數據加載1.

建立復制2.

創建發布和定義項目3.創建請求訂閱向導4.禁用發布或分布向導10.1.2超市數據倉庫系統的數據加載10.1.2超市數據倉庫系統的數據加載10.1.2超市數據倉庫系統的數據加載10.1.2超市數據倉庫系統的數據加載10.1.2超市數據倉庫系統的數據加載10.1.2超市數數據倉庫系統統的數據加載載10.1.2超市數數據倉庫系統統的數據加載載10.1.2超市數數據倉庫系統統的數據加載載10.1.2超市數數據倉庫系統統的數據加載載10.1.2超市數數據倉庫系統統的數據加載載10.1.2超市數數據倉庫系統統的數據加載載10.1.2超市數數據倉庫系統統的數據加載載10.1.3多維數數據集的更新新⑴運行“SQLServerBusinessIntelligenceDevelopmentStudio””，然后新建建一個IntegerationService項目。。⑵在該項目中中，右鍵單擊擊SSIS包包，然后選擇擇“新建SSIS包”命命令10.1.3多維數數據集的更新新10.1.3多維數數據集的更新新10.1.3多維數數據集的更新新10.1.3多維數數據集的更新新10.1.4數據倉倉庫的鉆取訪訪問1.數據鉆取取的進入10.1.4數據倉倉庫的鉆取訪訪問2.數據鉆取取選項的確定定10.1.4數據倉倉庫的鉆取訪訪問3.鉆取數據據列的選擇10.1.4數據倉倉庫的鉆取訪訪問4.鉆取數據據的選擇10.1.4數據倉倉庫的鉆取訪訪問5.鉆取結果果顯示10.1.5數據倉倉庫的多維表表達式MDX應用10.1.5數據倉倉庫的多維表表達式MDX應用在查詢輸入框框中輸入需要要的查詢語句句，如：Select{[Measures].[商品品銷售額]，，[Measures].[商品成成本]，[Measures].[商品銷售量量]，[Measures].[商商品銷售利潤潤]}oncolumns{[Customdim].[客戶戶所在城市].children}onrowsfrom[超超市系統]where([Storagedim].[開開業年份].[2003])10.1.5數據倉倉庫的多維表表達式MDX應用10.1.5數據倉倉庫的多維表表達式MDX應用MDX的多維維查詢語句一一般的形式為為：SELECT<axits_specification>[，<axits_specification>……]FROM<cube_specification>WERE<slicer_specification>10.2商商務智能中中的數據挖掘掘模型設計10.2.1數據挖挖掘對象的分分析數據挖掘項目目組成員超市營銷策略略評價主要通通過門市、商商品、營銷策策略、日期和和客戶五個維維度。要分析析的則是商品品的銷售量、、銷售額、商商品的成本和和商品銷售的的利潤等度量量信息。商品銷售量增增長率=（實實施促銷策略略后商品銷售售量/實施促促銷策略前商商品銷售量-1）×100%商品銷售額增增長率=（實實施促銷策略略后商品銷售售額/實施促促銷策略前商商品銷售額））×100%商品利潤增長長率=（實施施促銷策略后后商品利潤/實施促銷策策略前商品利利潤）×100%商品促銷策略略門市影響率率=不同門市市相同促銷策策略商品利潤潤增長率之比比商品促銷策略略時間影響率率=不同時間間相同促銷策策略商品利潤潤增長率之比比等各種新的的變量。10.2.2數據挖挖掘模型與相相關數據的準準備1．挖掘模型型的確定在過去的若干干年中的業務務趨勢是什么么？在業務的的不同分類中中有哪些最活活躍的因素？？不同的元素素之間是否存存在相關性？？最感興趣的的分類存在哪哪些地方？不不同的分類有有哪些層次？？客戶分成“接接收促銷”、、“不接收促促銷”兩個分分類。將客戶分成三三個不同的聚聚類，它們的的特征分別有有哪些？銷售售額前10個個商品聚類是是什么？它們們彼此之間有有哪些不同之之處？有時為了解決決一些較大的的業務問題，，可能還需要要對業務問題題進行分解，，將業務問題題分解成多個個較小的問題題。如果這些些問題能夠使使用分類、估估計、關聯分分組、聚類、、細分或預測測等挖掘方法法來解決。那那么這一較大大的問題也就就可以用數據據挖掘方法解解決。10.2.2數據挖挖掘模型與相相關數據的準準備將客戶流失問問題分解成這這樣一些問題題：①那些已已經或正在流流失的客戶具具有哪些特征征？②能否建建立一個預測測正在流失客客戶的模型，，預測客戶流流失行為的發發生？③能否否建立一個模模型，進一步步預測那些將將要流失的客客戶會在什么么時候流失？？④能否建立立一個模型解解釋這些流失失客戶為什么么流失？對這這些分解以后后的問題就可可以使用不同同的數據挖掘掘方法來解決決。10.2.2數據挖挖掘模型與相相關數據的準準備①可以使用聚聚類方法將流流失的客戶分分成不同的組組，這就能夠夠很好地說明明那些流失客客戶的特征。。對問題②，，則可以將所所有客戶劃分分到“流失””和“不流失失”兩個客戶戶類中，這就就可以預測那那些可能流失失的客戶。同同時，這種分分類也可以用用來解釋問題題④。而對于于問題③則可可以變換一下下角度來考慮慮，即開發一一個預測模型型，預測客戶戶會在“近期期”、“中期期”、“遠期期”流失，這這樣就可以將將所有客戶分分成“近期””、“中期””、“遠期””三個流失類類。10.2.2數據挖挖掘模型與相相關數據的準準備確定挖掘模型型的分析目標標或挖掘成功功的度量值度量值的確定定步驟：收集集企業的關鍵鍵戰略領域報報表、識別企企業信息量化化的度量指標標、對這些度度量指標進行行編碼、識別別數據挖掘解解決業務問題題的度量指標標、對度量指指標設定基線線。例如，在超市市數據挖掘中中經常進行度度量的指標有有：購買商品品的客戶百分分比、對促銷銷策略響應的的客戶數、客客戶購買商品品的平均量、、某一時間段段購買商品的的總量或總金金額、商品銷銷售的利潤率率。在確定了了度量值以后后，還要確定定這些度量值值的當前值，，以便在數據據挖掘以后，，采取相應對對策后的比較較。2．挖掘數據據的準備建立數據挖掘掘庫：選擇業業務數據、轉轉換業務數據據、驗證業務務數據。為數據挖掘工工作準備訓練練數據集與數數據驗證集：：確定數據質質量、準備適適當