商务智能应用实例(38页)ppt课件

1、商务智能运用实例 10.1数据仓库的数据加载与钻取 10.2商务智能中的数据发掘模型设计 10.3 SQL Server中的数据发掘工具10.4 商务智能客户端界面的设计 .第10章 商务智能运用实例 经过本章学习，可以了解：如何运用SQL 2005对超市销售数据仓库进展数据加载；如何建立数据发掘运用模型；如何运用SQL 2005的数据发掘工具；如何将多维数据集与数据发掘结果经过终端展现工具展现给商务智能用户； .10.1 数据仓库的数据加载与钻取 10.1.1 数据仓库的数据加载 1. 建立复制2. 创建发布和定义工程.3.创建恳求订阅导游.4.禁用发布或分布导游.10.1.2 超市数据仓库

2、系统的数据加载.10.1.2 超市数据仓库系统的数据加载.10.1.2 超市数据仓库系统的数据加载.10.1.2 超市数据仓库系统的数据加载.10.1.2 超市数据仓库系统的数据加载.10.1.2 超市数据仓库系统的数据加载.10.1.2 超市数据仓库系统的数据加载.10.1.2 超市数据仓库系统的数据加载.10.1.2 超市数据仓库系统的数据加载.10.1.2 超市数据仓库系统的数据加载.10.1.2 超市数据仓库系统的数据加载.10.1.2 超市数据仓库系统的数据加载.10.1.3 多维数据集的更新运转“SQL Server Business Intelligence Developmen

3、t Studio，然后新建一个Integeration Service工程。在该工程中，右键单击SSIS包，然后选择“新建SSIS包命令 .10.1.3 多维数据集的更新.10.1.3 多维数据集的更新.10.1.3 多维数据集的更新.10.1.3 多维数据集的更新.10.1.4 数据仓库的钻取访问1.数据钻取的进入.10.1.4 数据仓库的钻取访问2.数据钻取选项确实定.10.1.4 数据仓库的钻取访问3.钻取数据列的选择.10.1.4 数据仓库的钻取访问4.钻取数据的选择.10.1.4 数据仓库的钻取访问5.钻取结果显示.10.1.5 数据仓库的多维表达式MDX运用.10.1.5 数据仓库

4、的多维表达式MDX运用在查询输入框中输入需求的查询语句，如：SelectMeasures.商品销售额，Measures.商品本钱，Measures.商品销售量，Measures.商品销售利润on columnsCustomdim.客户所在城市.childrenon rowsfrom超市系统where(Storagedim.开业年份.2003).10.1.5 数据仓库的多维表达式MDX运用.10.1.5 数据仓库的多维表达式MDX运用MDX的多维查询语句普通的方式为：SELECT，FROMWERE.10.2 商务智能中的数据发掘模型设计10.2.1 数据发掘对象的分析数据发掘工程组成员 超市营销

5、战略评价主要经过门市、商品、营销战略、日期和客户五个维度。要分析的那么是商品的销售量、销售额、商品的本钱和商品销售的利润等度量信息。商品销售量增长率=实施促销战略后商品销售量/实施促销战略前商品销售量-1100%商品销售额增长率=实施促销战略后商品销售额/实施促销战略前商品销售额100%商品利润增长率=实施促销战略后商品利润/实施促销战略前商品利润100%商品促销战略门市影响率=不同门市一样促销战略商品利润增长率之比商品促销战略时间影响率=不同时间一样促销战略商品利润增长率之比等各种新的变量。 .10.2.2 数据发掘模型与相关数据的预备1发掘模型确实定在过去的假设干年中的业务趋势是什么？在业

6、务的不同分类中有哪些最活泼的要素？不同的元素之间能否存在相关性？最感兴趣的分类存在哪些地方？不同的分类有哪些层次？客户分成“接纳促销、“不接纳促销两个分类。 将客户分成三个不同的聚类，它们的特征分别有哪些？销售额前10个商品聚类是什么？它们彼此之间有哪些不同之处？有时为理处理一些较大的业务问题，能够还需求对业务问题进展分解，将业务问题分解成多个较小的问题。假设这些问题可以运用分类、估计、关联分组、聚类、细分或预测等发掘方法来处理。那么这一较大的问题也就可以用数据发掘方法处理。 .10.2.2 数据发掘模型与相关数据的预备将客户流失问题分解成这样一些问题：那些曾经或正在流失的客户具有哪些特征？能

7、否建立一个预测正在流失客户的模型，预测客户流失行为的发生？能否建立一个模型，进一步预测那些将要流失的客户会在什么时候流失？能否建立一个模型解释这些流失客户为什么流失？对这些分解以后的问题就可以运用不同的数据发掘方法来处理。.10.2.2 数据发掘模型与相关数据的预备可以运用聚类方法将流失的客户分成不同的组，这就可以很好地阐明那些流失客户的特征。对问题，那么可以将一切客户划分到“流失和“不流失两个客户类中，这就可以预测那些能够流失的客户。同时，这种分类也可以用来解释问题。而对于问题那么可以变换一下角度来思索，即开发一个预测模型，预测客户会在“近期、“中期、“远期流失，这样就可以将一切客户分成“近

8、期、“中期、“远期三个流失类。 .10.2.2 数据发掘模型与相关数据的预备确定发掘模型的分析目的或发掘胜利的度量值 度量值确实定步骤：搜集企业的关键战略领域报表、识别企业信息量化的度量目的、对这些度量目的进展编码、识别数据发掘处理业务问题的度量目的、对度量目的设定基线。例如，在超市数据发掘中经常进展度量的目的有：购买商品的客户百分比、对促销战略呼应的客户数、客户购买商品的平均量、某一时间段购买商品的总量或总金额、商品销售的利润率。在确定了度量值以后，还要确定这些度量值的当前值，以便在数据发掘以后，采取相应对策后的比较。 .2发掘数据的预备建立数据发掘库：选择业务数据、转换业务数据、验证业务数据。 为数据发掘任务预备训练数据集与数据验证集：确定数据