商务智能应用实例

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超超市数据仓仓库系统的的数据加载载超超市数据仓仓库系统的的数据加载载超超市数据仓仓库系统的的数据加载载超超市数据仓仓库系统的的数据加载载超超市数据仓仓库系统的的数据加载载超超市数据仓仓库系统的的数据加载载超超市数据仓仓库系统的的数据加载载多多维数据集集的更新⑴运行“SQLServerBusinessIntelligenceDevelopmentStudio”，，然后新建建一个IntegerationService项目目。⑵在该项目目中，右键键单击SSIS包，，然后选择择“新建SSIS包包”命令多多维数据集集的更新多多维数据集集的更新多多维数据集集的更新多多维数据集集的更新数数据仓库的的钻取访问问1.数据钻钻取的进入入数数据仓库的的钻取访问问2.数据钻钻取选项的的确定数数据仓库的的钻取访问问3.钻取数数据列的选选择数数据仓库的的钻取访问问4.钻取数数据的选择择数数据仓库的的钻取访问问5.钻取结结果显示数数据仓库的的多维表达达式MDX应用数数据仓库的的多维表达达式MDX应用在查询输入入框中输入入需要的查查询语句，，如：Select{[Measures].[商品品销售额]，[Measures].[商品成成本]，[Measures].[商商品销售量量]，[Measures].[商品品销售利润润]}oncolumns{[Customdim].[客户所所在城市].children}onrowsfrom[超市系统统]where([Storagedim].[开业年年份].[2003])数数据仓库的的多维表达达式MDX应用数数据仓库的的多维表达达式MDX应用MDX的多多维查询语语句一般的的形式为：：SELECT<axits_specification>[，，<axits_specification>…]FROM<cube_specification>WERE<slicer_specification>10.2商商务智智能中的数数据挖掘模模型设计数数据挖掘对对象的分析析数据挖掘项项目组成员员超市营销策策略评价主主要通过门门市、商品品、营销策策略、日期期和客户五五个维度。。要分析的的则是商品品的销售量量、销售额额、商品的的成本和商商品销售的的利润等度度量信息。。商品销售量量增长率=（实施促促销策略后后商品销售售量/实施施促销策略略前商品销销售量-1）×100%商品销售额额增长率=（实施促促销策略后后商品销售售额/实施施促销策略略前商品销销售额）××100%商品利润增增长率=（（实施促销销策略后商商品利润/实施促销销策略前商商品利润））×100%商品促销策策略门市影影响率=不不同门市相相同促销策策略商品利利润增长率率之比商品促销策策略时间影影响率=不不同时间相相同促销策策略商品利利润增长率率之比等各各种新的变变量。数数据挖掘模模型与相关关数据的准准备1．挖掘模模型的确定定在过去的若若干年中的的业务趋势势是什么？？在业务的的不同分类类中有哪些些最活跃的的因素？不不同的元素素之间是否否存在相关关性？最感感兴趣的分分类存在哪哪些地方？？不同的分分类有哪些些层次？客户分成““接收促销销”、“不不接收促销销”两个分分类。将客户分成成三个不同同的聚类，，它们的特特征分别有有哪些？销销售额前10个商品品聚类是什什么？它们们彼此之间间有哪些不不同之处？？有时为了解解决一些较较大的业务务问题，可可能还需要要对业务问问题进行分分解，将业业务问题分分解成多个个较小的问问题。如果果这些问题题能够使用用分类、估估计、关联联分组、聚聚类、细分分或预测等等挖掘方法法来解决。。那么这一一较大的问问题也就可可以用数据据挖掘方法法解决。数数据挖掘模模型与相关关数据的准准备将客户流失失问题分解解成这样一一些问题：：①那些已已经或正在在流失的客客户具有哪哪些特征？？②能否建建立一个预预测正在流流失客户的的模型，预预测客户流流失行为的的发生？③③能否建立立一个模型型，进一步步预测那些些将要流失失的客户会会在什么时时候流失？？④能否建建立一个模模型解释这这些流失客客户为什么么流失？对对这些分解解以后的问问题就可以以使用不同同的数据挖挖掘方法来来解决。数数据挖掘模模型与相关关数据的准准备①可以使用用聚类方法法将流失的的客户分成成不同的组组，这就能能够很好地地说明那些些流失客户户的特征。。对问题②②，则可以以将所有客客户划分到到“流失””和“不流流失”两个个客户类中中，这就可可以预测那那些可能流流失的客户户。同时，，这种分类类也可以用用来解释问问题④。而而对于问题题③则可以以变换一下下角度来考考虑，即开开发一个预预测模型，，预测客户户会在“近近期”、““中期”、、“远期””流失，这这样就可以以将所有客客户分成““近期”、、“中期””、“远期期”三个流流失类。数数据挖掘模模型与相关关数据的准准备确定挖掘模模型的分析析目标或挖挖掘成功的的度量值度量值的确确定步骤：：收集企业业的关键战战略领域报报表、识别别企业信息息量化的度度量指标、、对这些度度量指标进进行编码、、识别数据据挖掘解决决业务问题题的度量指指标、对度度量指标设设定基线。。例如，在超超市数据挖挖掘中经常常进行度量量的指标有有：购买商商品的客户户百分比、、对促销策策略响应的的客户数、、客户购买买商品的平平均量、某某一时间段段购买商品品的总量或或总金额、、商品销售售的利润率率。在确定定了度量值值以后，还还要确定这这些度量值值的当前值值，以便在在数据挖掘掘以后，采采取相应对对策后的比比较。2．挖掘数数据的准备备建立数据挖挖掘库：选选择业务数数据、转换换业务数据据、验证业业务数据。。为数据挖掘掘工作准备备训练数据据集与数据据验证集：：确定数据据质量、准准备适当