數(shù)據(jù)挖掘經(jīng)典案例

當前，市場競爭異常激烈，各商家企業(yè)為了能在競爭中占據(jù)優(yōu)勢，費勁心思。使用過OLAP技術(shù)的企業(yè)都知道，OLAP技術(shù)能給企業(yè)帶來新的生機和活力。OLAP技術(shù)把企業(yè)大量的數(shù)據(jù)變成了客戶需要的信息，把這些信息變成了價值，提高了企業(yè)的產(chǎn)值和效益，增強了客戶自身的競爭實力。

“啤酒與尿布”的故事家喻戶曉，在IT界里，幾乎是數(shù)據(jù)挖掘的代名詞，那么各商家企業(yè)受了多少啟發(fā)，數(shù)據(jù)挖掘又給他們帶來了多少價值呢？

客戶需求
    客戶面對大量的信息，用OLAP進行多維分析。如：一個網(wǎng)上書店，用OLAP技術(shù)可以瀏覽到什么時間，那個類別的客戶買了多少書等信息，如果想動態(tài)的獲得深層次的信息，比如：哪些書籍可以打包推薦，哪些書籍可以在銷售中關(guān)聯(lián)推出等等，就要用到數(shù)據(jù)挖掘技術(shù)了。

當客戶在使用OLAＰ技術(shù)進行數(shù)據(jù)的多維分析的時候，聯(lián)想到“啤酒與尿布”的故事，客戶不禁會有疑問，能不能通過數(shù)據(jù)挖掘來對數(shù)據(jù)進行深層次的分析呢，能不能將數(shù)據(jù)挖掘和OLAP結(jié)合起來進行分析呢？

SQL Server 2005 數(shù)據(jù)挖掘：

SQL Server 2005的Data Mining是SQL Server2005分析服務（Analysis Services）中的一部分。數(shù)據(jù)挖掘通常被稱為“從大型數(shù)據(jù)庫提取有效、可信和可行信息的過程”。換言之，數(shù)據(jù)挖掘派生數(shù)據(jù)中存在的模式和趨勢。這些模式和趨勢可以被收集在一起并定義為挖掘模型。挖掘模型可以應用于特定的業(yè)務方案，例如：預測銷售額、向特定客戶發(fā)送郵件、確定可能需要搭售的產(chǎn)品、查找客戶將產(chǎn)品放入購物車的順序序列。

Microsoft 決策樹算法、Microsoft Naive Bayes 算法、Microsoft 聚類分析算法、Microsoft 神經(jīng)網(wǎng)絡算法 (SSAS)，可以預測離散屬性，例如，預測目標郵件活動的收件人是否會購買某個產(chǎn)品。

Microsoft 決策樹算法、Microsoft 時序算法可以預測連續(xù)屬性，預測連續(xù)屬性，例如，預測下一年的銷量。

Microsoft 順序分析和聚類分析算法預測順序，例如，執(zhí)行公司網(wǎng)站的點擊流分析。

Microsoft 關(guān)聯(lián)算法、Microsoft 決策樹算法查找交易中的常見項的組，例如，使用市場籃分析來建議客戶購買其他產(chǎn)品。

Microsoft 聚類分析算法、Microsoft 順序分析和聚類分析算法，查找相似項的組，例如，將人口統(tǒng)計數(shù)據(jù)分割為組以便更好地理解屬性之間的關(guān)系。

巔峰之旅之案例一：網(wǎng)上書店關(guān)聯(lián)銷售

提出問題

網(wǎng)上書店現(xiàn)在有了很強的市場和比較固定的大量的客戶。為了促進網(wǎng)上書店的銷售量的增長，各網(wǎng)上書店采取了各種方式，給客戶提供更多更豐富的書籍，提供更優(yōu)質(zhì)服務，等方式吸引更多的讀者。

是不是這樣就夠了呢？這里，給眾多網(wǎng)上書店的商家們提供一種非常好的促進銷售量增長，吸引讀者的方法，就是關(guān)聯(lián)銷售分析。這種方法就是給客戶提供其他的相關(guān)書籍，也就是在客戶購買了一種書籍之后，推薦給客戶其他的相關(guān)的書籍。這種措施的運用給他們帶來了可觀的效益。

首先必須明確的是，這里介紹的關(guān)聯(lián)銷售并不是，根據(jù)網(wǎng)上書店的銷售記錄進行的比例統(tǒng)計，也區(qū)別于簡單的概率分析統(tǒng)計，是用的關(guān)聯(lián)規(guī)則算法?！捌【坪湍虿肌钡墓适伦阋宰C明了該算法的強大功能和產(chǎn)生的震撼效果。

那么，怎么來實現(xiàn)這樣一個效果呢？

解決步驟

首先，我們有數(shù)據(jù)源，也就是銷售記錄。這里我們做數(shù)據(jù)挖掘模型，要用到兩張表，一張表是我們的會員，用會員ID號來代替；另一張表是我們那個會員買了什么書。

我們應用SQL Server 2005的Data Mining工具，建立數(shù)據(jù)挖掘模型。

具體步驟如下：

第一步：定義數(shù)據(jù)源。選取的為網(wǎng)上書店的銷售記錄數(shù)據(jù)源（最主要的是User表和Sales表）。

第二步：定義數(shù)據(jù)源視圖。在此我們要建立好數(shù)據(jù)挖掘中事例表和嵌套表，并定義兩者之間的關(guān)系，定義User為事例表（Case Table），Sales為嵌套表（Nested Table）。

第三步：選取Microsoft Association Rules（關(guān)聯(lián)規(guī)則）算法，建立挖掘模型。

第四步、設置算法參數(shù)，部署挖掘模型。

第五步、瀏覽察看挖掘模型。對于關(guān)聯(lián)規(guī)則算法來說，三個查看的選項卡。

A：項集：“項集”選項卡顯示被模型識別為經(jīng)常發(fā)現(xiàn)一起出現(xiàn)的項集的列表。在這里指的是經(jīng)過關(guān)聯(lián)規(guī)則算法處理后，發(fā)現(xiàn)關(guān)聯(lián)在一起的書籍的集合。

B：規(guī)則：“規(guī)則”選項卡顯示關(guān)聯(lián)算法發(fā)現(xiàn)的規(guī)則?！耙?guī)則”選項卡包含一個具有以下列的網(wǎng)格：“概率”、“重要性”和“規(guī)則”。概率說明出現(xiàn)規(guī)則結(jié)果的可能性。重要性用于度量規(guī)則的用途。盡管規(guī)則出現(xiàn)的概率可能很高，但規(guī)則自身的用途可能并不重要。重要性列就是說明這一情況的。例如，如果每個項集都包含屬性的某個特定狀態(tài)，那么，即使概率非常高，預測狀態(tài)的規(guī)則也并不重要。重要性越高，規(guī)則越重要。

C：關(guān)聯(lián)網(wǎng)絡：節(jié)點間的箭頭代表項之間有關(guān)聯(lián)。箭頭的方向表示按照算法發(fā)現(xiàn)的規(guī)則確定的項之間的關(guān)聯(lián)。

效果展示

1、我們可以看到在上圖中，綠色的是我們選擇的節(jié)點，橙色的是可以預測所選節(jié)點的節(jié)點，也就是說如果消費者買了《月光寶盒（2VCD）》的話，那么我們可以給該消費者推薦《亂世佳人（上集，2VCD）》。紫色的是和所選節(jié)點能夠雙向預測的，即買了《大圣娶親》，推薦《亂世佳人（上集，2VCD）》；同樣，買了《亂世佳人（上集，2VCD）》，推薦《大圣娶親》。這樣我們就很容易看到經(jīng)過關(guān)聯(lián)算法計算出來的書籍之間的關(guān)聯(lián)性。如圖３所示效果。

2、我們也可以通過寫DMX語句來實現(xiàn)預測查詢。

SELECT
           PredictAssociation([User].[Sales],include_statistics,10)

From
           [User]

NATURAL PREDICTION JOIN

(SELECT (SELECT '月光寶盒(2VCD)' AS [Book Name]) AS [Sales]) AS t

巔峰之旅之案例二：客戶類別銷售分析

這個案例的前提是我們已經(jīng)建立好了一個ＯＬＡＰ的多維數(shù)據(jù)庫Sales，事實表為FactInternetSales，有 五個維度，分別是DimCurrency，DimCustomer，DimProduct，DimTime，DimPromotion。

提出問題

利用OLAP建立的多維數(shù)據(jù)庫Sales，我們可以實現(xiàn)多角度的瀏覽和分析。例如：我們可以分析2004年第一季度的M生產(chǎn)線產(chǎn)品的銷售量情況，還可以實現(xiàn)靈活的交叉分析，等等。但是，如果我們要分析，某個維度的多個屬性的綜合的銷售量，例如：客戶維度里有Birth Date、English Education、House Owner Flag、Number Cars Owned、Yearly Income等屬性，在多維數(shù)據(jù)庫里面分析的時候，

我們可以把客戶維度的Number Cars Owned屬性放在展示區(qū)域的行上，把度量值Order Quantity放在列上，查看擁有0-4輛汽車的客戶的訂購所有產(chǎn)品的數(shù)量。同樣，我們也可以類似的查看其他屬性的情況。但是，如果我們要把客戶維度的某些屬性綜合考慮來分類，例如：我們要把高收入、高學歷、高消費的客戶作為一個群體，把高收入，低學歷、高消費的客戶作為一個群體，等等，然后，基于這些群體來瀏覽分析，銷售情況，如何來實現(xiàn)呢？

解決步驟

用過聚類算法的大概比較清楚，聚類算法，是用來給事物分類的。那么怎么用聚類算法的這個特性，和OLAP進行正和呢。請看下面這個案例：

第一步：建立挖掘模型。這里需要注意的是：以前我們在建立數(shù)據(jù)挖掘模型的時候是基于關(guān)系型數(shù)據(jù)源。

A：而在這里，我們要基于多維數(shù)據(jù)庫Sales，選取維度DimCustomer為數(shù)據(jù)挖掘模型的數(shù)據(jù)源。

B：按照向?qū)?，選取事例鍵Dim Customer，

C：在選取事例級別列對話框里面，選擇一些屬性和度量值，我們這里選取English Education、House Owner Flag、Number Cars Owned、Yearly Income、Sales Amount。如圖5所示。

D：在完成對話框里面，我們輸入挖掘結(jié)構(gòu)名稱CustomerSturcture,輸入挖掘模型名稱CustomerClustering。必須注意的是，一是一定要選擇創(chuàng)建挖掘模型維度，輸入挖掘模型維度的名稱CustomerClustering；二是一定要選擇使用挖掘模型維度創(chuàng)建多維數(shù)據(jù)集Sales_DM。

E：設置算法參數(shù)。

然后對創(chuàng)建的挖掘結(jié)構(gòu)和挖掘模型進行處理。

此時，共享維度里面會自動添加了一個CustomerClustering維度，也就是數(shù)據(jù)挖掘維度。

第二步：處理CustomerClustering維度。

第三步：處理多維數(shù)據(jù)集Salse_DM。

處理后的多維數(shù)據(jù)集Sales_DM，就包含了數(shù)據(jù)挖掘維度CustomerClustering。這樣，我們就可以把經(jīng)過聚類算法分類后的客戶維度，來進行多維數(shù)據(jù)分析。

效果展示

這些Cluster是我們用聚類算法建立的挖掘模型的維度成員，每個Cluster都是我們所選屬性的一個綜合的結(jié)果，但是代表著一個明顯的特征。我們還可以在數(shù)據(jù)挖掘模型里面，對各個Cluster進行名稱的標示，如Cluster 1是高收入高消費高學歷的群體，我們就可以給他命名，把所有的Cluster都命名為能代表本身特性的名稱，這樣，使得多為數(shù)據(jù)庫的信息就更豐富了。

總結(jié)

在激烈的市場競爭中，要想把海量的數(shù)據(jù)轉(zhuǎn)化為信息，提高自身的信息化建設水平，增強企業(yè)的核心競爭力，ＢＩ技術(shù)是您明智的選擇。應用ＯＬＡＰ技術(shù)建立多維數(shù)據(jù)庫，進行多維分析，并把數(shù)據(jù)挖掘算法應用于多維數(shù)據(jù)庫中，會進一步增加信息量，讓您掌握更多的市場先機。