Partager via


Didacticiel sur l'exploration de données intermédiaire (Analysis Services - Exploration de données)

Microsoft Analysis Services fournit un environnement intégré pour la création et l’utilisation de modèles d’exploration de données. Vous pouvez facilement créer une liaison avec des sources de données, créer et tester plusieurs modèles sur les mêmes données et déployer des modèles à utiliser dans des analyses prédictives.

Dans le didacticiel d’exploration de données de base, vous avez appris à utiliser SQL Server Data Tools (SSDT) pour créer une solution d’exploration de données, et vous avez créé trois modèles pour prendre en charge une campagne de publipostage ciblée pour analyser le comportement d’achat des clients et cibler les acheteurs potentiels.

Ce didacticiel intermédiaire se base sur cette expérience et introduit plusieurs nouveaux scénarios, notamment des exigences professionnelles courantes telles que la prévision et l'analyse du panier d'achat. Vous apprendrez à créer un modèle de série chronologique, un modèle d'association et un modèle Sequence Clustering. Enfin, vous allez apprendre à utiliser le réseau neuronal pour explorer les corrélations des données et appliquer des modèles de régression logistique pour réaliser des prédictions.

Les leçons sont indépendantes et peuvent être accomplies séparément.

Pour mener à bien ces didacticiels, vous devez connaître les outils d'exploration de données et les visionneuses de modèles d'exploration de données présentées dans le didacticiel sur l'exploration de données de base.

Tous les scénarios utilisent la source de données AdventureWorksDW2012 , mais vous allez créer différentes vues de source de données pour différents scénarios. Vous pouvez suivre les leçons dans l'ordre qui vous convient dans la mesure où vous créez d'abord la source de données.

Scénarios des leçons

Suite au succès de votre campagne de publipostage ciblé, il vous a été demandé d'appliquer vos connaissances sur l'exploration de données afin de développer plusieurs nouveaux modèles à des fins de planification commerciale. Ces tâches sont les suivantes :

  • Prévision: Vous allez créer un modèle de série chronologique pour prévoir les ventes de produits dans différentes régions du monde. Vous allez développer des modèles individuels pour chaque région et apprendre à utiliser la prédiction croisée.

  • Analyse du panier de marché : Vous allez créer un modèle d’association pour analyser les regroupements de produits achetés lors des visites du site e-commerce Adventure Works Cycles. Grâce à ce modèle de panier d'achat, vous pouvez recommander des produits aux clients.

  • Analyse séquentielle : Vous créez une séquence clustering modèle pour analyser l’ordre dans lequel les clients achètent des produits. Grâce à ce modèle, vous pouvez planifier des modifications dans la conception du site Web ou de nouvelles offres de produits.

  • Analyse factorielle : Vous utilisez un modèle de réseau neuronal pour explorer les causes possibles d’une mauvaise qualité de service dans les données du centre d’appels. Sur la base des insights du modèle préliminaire, vous allez créer un modèle de régression logistique pour prédire les stratégies d’amélioration de l’expérience client.

Contenu du didacticiel

Ce didacticiel vous apprend à créer et utiliser différents types d'algorithmes d'exploration de données. Ce didacticiel contient les leçons suivantes :

Leçon 1 : création de la solution intermédiaire d'exploration de données (Didacticiel intermédiaire sur l'exploration des données)
Dans cette leçon, vous allez créer un projet basé sur la base de données AdventureWorksDW2012 , pour prendre en charge plusieurs nouvelles vues de sources de données et de nombreux autres modèles d’exploration de données.

Leçon 2 : génération d'un scénario de prévision (Didacticiel intermédiaire sur l'exploration de données)
Dans cette leçon, vous allez créer un modèle d'exploration de données qu'il sera possible d'utiliser dans un scénario de prévision. Vous allez également explorer les modèles d’exploration de données créés avec l’algorithme Microsoft Time Series.

Vous allez générer des modèles pour des régions individuelles, puis générer un modèle général utilisable à des fins de prédiction croisée.

Leçon 3 : Génération d'un scénario de panier d'achat (Didacticiel sur l'exploration de données intermédiaire)
Dans cette leçon, vous allez ajouter une nouvelle vue de source de données et apprendre à utiliser des tables imbriquées et des clés. En fonction de ces données, vous allez créer un modèle d'exploration de données qu'il sera possible d'utiliser dans un scénario d'analyse de panier d'achat. Vous allez également explorer les modèles d’exploration de données générés avec l’algorithme Microsoft Association.

Leçon 4 : Génération d'un scénario Sequence Clustering (Didacticiel sur l'exploration de données intermédiaire)
Dans cette leçon, vous allez créer un modèle d'exploration de données qu'il sera possible d'utiliser dans un scénario Sequence Clustering. Vous allez également apprendre à explorer les modèles d’exploration de données générés avec l’algorithme de clustering de séquences Microsoft.

Leçon 5 : Génération de modèles de réseau neuronal et de régression logistique (Didacticiel sur l'exploration de données intermédiaire)
Dans cette leçon, vous allez créer plusieurs modèles d'exploration de données connexes, à l'aide des algorithmes MNN (Microsoft Neural Network) et MLR (Microsoft Logistic Regression). Vous apprendrez également à utiliser des vues de sources de données pour explorer les données sous-jacentes des modèles.

Configuration requise

Assurez-vous que les éléments suivants sont installés sur votre système :

  • Microsoft SQL Server 2014

  • Microsoft SQL Server Analysis Services

  • SQL Server avec la base de données AdventureWorksDW2012.

Pour des raisons de sécurité, les bases de données exemples ne sont pas installées par défaut. Pour installer les bases de données officielles pour Microsoft SQL Server, visitez la page Exemples de bases de données Microsoft SQL et sélectionnez la version appropriée de l’exemple de base de données.

Voir aussi

Didacticiel d’exploration de données de base
Didacticiel DMX Bike Buyer
Didacticiel DMX Market Basket