Esercitazione intermedia sul data mining (Analysis Services - Data mining)
Si applica a: SQL Server 2016 Preview
Microsoft Analysis Services fornisce un ambiente integrato per la creazione e utilizzo di modelli di data mining. È possibile eseguire facilmente l'associazione a origini dati, creare e testare più modelli sugli stessi dati e distribuire modelli da utilizzare nelle analisi predittive.
Nell'esercitazione di base sul data mining è stato descritto come utilizzare SQL Server Data Tools (SSDT) per creare una soluzione di data mining e sono stati compilati tre modelli a supporto di una campagna di mailing diretto per analizzare il comportamento di acquisto dei clienti e per individuare i potenziali acquirenti.
Questa esercitazione intermedia viene compilata su tale esperienza acquisita e introduce diversi nuovi scenari, inclusi i requisiti aziendali comuni come la previsione e il Market basket analysis. Durante l'esercitazione verrà illustrato come creare un modello Time Series, un modello di associazione e un modello Sequence Clustering. Infine, verrà illustrato come utilizzare la rete neurale per esplorare le correlazioni dei dati e per utilizzare la regressione logistica per le stime.
Le lezioni sono indipendenti e possono essere completate separatamente.
Per completare le esercitazioni seguenti, l'utente deve avere familiarità con gli strumenti di data mining e con i visualizzatori dei modelli di data mining descritti nell'esercitazione di base sul data mining.
In tutti gli scenari viene utilizzata l'origine dati AdventureWorksDW2012, tuttavia verranno create viste origine dati diverse per i diversi scenari. È possibile completare le lezioni in qualsiasi ordine, purché si crei innanzitutto l'origine dati.
Scenari della lezione
Dopo la conclusione positiva della campagna di mailing diretto, si supponga di aver ricevuto la richiesta di sfruttare le proprie conoscenze di data mining per sviluppare diversi nuovi modelli da utilizzare nella pianificazione aziendale. Di seguito vengono descritte alcune di queste attività:
Previsioni: si creerà un tempo serie modello per prevedere le vendite di prodotti in diverse aree del mondo. Verranno sviluppati singoli modelli per ogni area e imparare a utilizzare Stima incrociata.
Analisi degli acquisti: si creerà un modello di associazione, per analizzare raggruppamenti di prodotti acquistati durante le visite al Adventure Works Cycles sito di e-commerce. Questo modello di analisi degli acquisti può essere utilizzato per consigliare prodotti ai clienti.
Analisi delle sequenze: si compila un modello sequence clustering, per analizzare l'ordine in cui i clienti acquistano i prodotti. Sulla base di questo modello è possibile pianificare le modifiche alla progettazione del sito Web o le nuove offerte di prodotti.
Analisi dei fattori: si utilizza un rete neurale modello per esplorare le possibili cause di qualità del servizio di scarsa qualità nelle dati call center. In base alle informazioni approfondite del modello preliminare, si creerà un modello di regressione logistica per stimare le strategie per migliorare l'esperienza del cliente.
Lezioni dell'esercitazione
In questa esercitazione viene illustrato come creare e utilizzare tipi diversi di algoritmi di data mining. L'esercitazione è suddivisa nelle lezioni seguenti:
Lezione 1: Creazione della soluzione intermedia di Data Mining ( esercitazione intermedia di Data Mining )
In questa lezione verrà creato un nuovo progetto basato sul database AdventureWorksDW2012, per supportare diverse nuove viste origine dati e molti più modelli di data mining.
Lezione 2: Creazione di uno Scenario di previsione ( esercitazione intermedia di Data Mining )
In questa lezione verrà creato un modello di data mining che può essere utilizzato in uno scenario di previsione. Verranno inoltre esplorati i modelli di data mining compilati con l'algoritmo Microsoft Time Series.
Verranno compilati modelli per le singole aree geografiche, oltre a un modello generale che può essere utilizzato per la stima incrociata.
Lezione 3: Compilazione di uno scenario Market Basket (Esercitazione intermedia sul data mining)
In questa lezione verrà aggiunta una nuova vista origine dati e verrà illustrato come utilizzare le chiavi e le tabelle nidificate. In base a questi dati, verrà creato un modello di data mining che può essere utilizzato in uno scenario di analisi degli acquisti. Verranno inoltre esplorati i modelli di data mining compilati con l'algoritmo Microsoft Association.
Lezione 4: Compilazione di uno Scenario di Clustering sequenza ( esercitazione intermedia di Data Mining )
In questa lezione verrà creato un modello di data mining che può essere utilizzato in uno scenario di clustering delle sequenze. Verranno inoltre esaminati i modelli di data mining compilati con l'algoritmo Microsoft Sequence Clustering.
Lezione 5: Compilazione dei modelli di rete neurale e di regressione logistica (Esercitazione intermedia sul data mining)
In questa lezione si creeranno alcuni modelli di data mining correlati, utilizzando Microsoft Neural Network e gli algoritmi di Microsoft Logistic Regression. Si apprenderà inoltre a utilizzare le viste origine dati per esplorare i dati sottostanti i modelli.
Requisiti
Verificare che sia installato quanto segue:
Microsoft SQL Server 2016
Microsoft SQL Server Analysis Services
SQL Server con il database AdventureWorksDW2012 .
Per una maggiore sicurezza, i database di esempio non vengono installati per impostazione predefinita. Per installare i database ufficiali per Microsoft SQL Server, visitare il Microsoft SQL Sample Databases pagina e selezionare la versione appropriata del database di esempio.
Vedere anche
Esercitazione di base sul data mining
Esercitazione su DMX per Bike Buyer
Esercitazione su DMX per Market Basket