商务智能应用实例简介

第10章商务智能应用实例

10.1数据仓库的数据加载与钻取10.2商务智能中的数据挖掘模型设计10.3SQLServer中的数据挖掘工具10.4商务智能客户端界面的设计

第10章商务智能应用实例

通过本章学习，可以了解：如何使用SQL2005对超市销售数据仓库进行数据加载；如何建立数据挖掘应用模型；如何使用SQL2005的数据挖掘工具；如何将多维数据集与数据挖掘结果通过终端展示工具展示给商务智能用户；

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.

创建发布和定义项目3.创建请求订阅向导4.禁用发布或分布向导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超市数数据仓库系统统的数据加载载10.1.2超市数数据仓库系统统的数据加载载10.1.2超市数数据仓库系统统的数据加载载10.1.2超市数数据仓库系统统的数据加载载10.1.2超市数数据仓库系统统的数据加载载10.1.2超市数数据仓库系统统的数据加载载10.1.2超市数数据仓库系统统的数据加载载10.1.3多维数数据集的更新新⑴运行“SQLServerBusinessIntelligenceDevelopmentStudio””，然后新建建一个IntegerationService项目。。⑵在该项目中中，右键单击击SSIS包包，然后选择择“新建SSIS包”命命令10.1.3多维数数据集的更新新10.1.3多维数数据集的更新新10.1.3多维数数据集的更新新10.1.3多维数数据集的更新新10.1.4数据仓仓库的钻取访访问1.数据钻取取的进入10.1.4数据仓仓库的钻取访访问2.数据钻取取选项的确定定10.1.4数据仓仓库的钻取访访问3.钻取数据据列的选择10.1.4数据仓仓库的钻取访访问4.钻取数据据的选择10.1.4数据仓仓库的钻取访访问5.钻取结果果显示10.1.5数据仓仓库的多维表表达式MDX应用10.1.5数据仓仓库的多维表表达式MDX应用在查询输入框框中输入需要要的查询语句句，如：Select{[Measures].[商品品销售额]，，[Measures].[商品成成本]，[Measures].[商品销售量量]，[Measures].[商商品销售利润润]}oncolumns{[Customdim].[客户户所在城市].children}onrowsfrom[超超市系统]where([Storagedim].[开开业年份].[2003])10.1.5数据仓仓库的多维表表达式MDX应用10.1.5数据仓仓库的多维表表达式MDX应用MDX的多维维查询语句一一般的形式为为：SELECT<axits_specification>[，<axits_specification>……]FROM<cube_specification>WERE<slicer_specification>10.2商商务智能中中的数据挖掘掘模型设计10.2.1数据挖挖掘对象的分分析数据挖掘项目目组成员超市营销策略略评价主要通通过门市、商商品、营销策策略、日期和和客户五个维维度。要分析析的则是商品品的销售量、、销售额、商商品的成本和和商品销售的的利润等度量量信息。商品销售量增增长率=（实实施促销策略略后商品销售售量/实施促促销策略前商商品销售量-1）×100%商品销售额增增长率=（实实施促销策略略后商品销售售额/实施促促销策略前商商品销售额））×100%商品利润增长长率=（实施施促销策略后后商品利润/实施促销策策略前商品利利润）×100%商品促销策略略门市影响率率=不同门市市相同促销策策略商品利润润增长率之比比商品促销策略略时间影响率率=不同时间间相同促销策策略商品利润润增长率之比比等各种新的的变量。10.2.2数据挖挖掘模型与相相关数据的准准备1．挖掘模型型的确定在过去的若干干年中的业务务趋势是什么么？在业务的的不同分类中中有哪些最活活跃的因素？？不同的元素素之间是否存存在相关性？？最感兴趣的的分类存在哪哪些地方？不不同的分类有有哪些层次？？客户分成“接接收促销”、、“不接收促促销”两个分分类。将客户分成三三个不同的聚聚类，它们的的特征分别有有哪些？销售售额前10个个商品聚类是是什么？它们们彼此之间有有哪些不同之之处？有时为了解决决一些较大的的业务问题，，可能还需要要对业务问题题进行分解，，将业务问题题分解成多个个较小的问题题。如果这些些问题能够使使用分类、估估计、关联分分组、聚类、、细分或预测测等挖掘方法法来解决。那那么这一较大大的问题也就就可以用数据据挖掘方法解解决。10.2.2数据挖挖掘模型与相相关数据的准准备将客户流失问问题分解成这这样一些问题题：①那些已已经或正在流流失的客户具具有哪些特征征？②能否建建立一个预测测正在流失客客户的模型，，预测客户流流失行为的发发生？③能否否建立一个模模型，进一步步预测那些将将要流失的客客户会在什么么时候流失？？④能否建立立一个模型解解释这些流失失客户为什么么流失？对这这些分解以后后的问题就可可以使用不同同的数据挖掘掘方法来解决决。10.2.2数据挖挖掘模型与相相关数据的准准备①可以使用聚聚类方法将流流失的客户分分成不同的组组，这就能够够很好地说明明那些流失客客户的特征。。对问题②，，则可以将所所有客户划分分到“流失””和“不流失失”两个客户户类中，这就就可以预测那那些可能流失失的客户。同同时，这种分分类也可以用用来解释问题题④。而对于于问题③则可可以变换一下下角度来考虑虑，即开发一一个预测模型型，预测客户户会在“近期期”、“中期期”、“远期期”流失，这这样就可以将将所有客户分分成“近期””、“中期””、“远期””三个流失类类。10.2.2数据挖挖掘模型与相相关数据的准准备确定挖掘模型型的分析目标标或挖掘成功功的度量值度量值的确定定步骤：收集集企业的关键键战略领域报报表、识别企企业信息量化化的度量指标标、对这些度度量指标进行行编码、识别别数据挖掘解解决业务问题题的度量指标标、对度量指指标设定基线线。例如，在超市市数据挖掘中中经常进行度度量的指标有有：购买商品品的客户百分分比、对促销销策略响应的的客户数、客客户购买商品品的平均量、、某一时间段段购买商品的的总量或总金金额、商品销销售的利润率率。在确定了了度量值以后后，还要确定定这些度量值值的当前值，，以便在数据据挖掘以后，，采取相应对对策后的比较较。2．挖掘数据据的准备建立数据挖掘掘库：选择业业务数据、转转换业务数据据、验证业务务数据。为数据挖掘工工作准备训练练数据集与数数据验证集：：确定数据质质量、准备适适当