Esercitazione intermedia sul data mining (Analysis Services - Data mining)

Microsoft Analysis Services offre un ambiente integrato per la creazione e l'uso di modelli di data mining. È possibile eseguire facilmente il binding alle origini dati, creare e testare più modelli sugli stessi dati e distribuire modelli da usare nell'analisi predittiva.

Nell'esercitazione di base sul data mining si è appreso come usare SQL Server Data Tools (SSDT) per creare una soluzione di data mining e sono stati creati tre modelli per supportare una campagna di mailing mirata per l'analisi del comportamento di acquisto dei clienti e la destinazione di potenziali acquirenti.

Questa esercitazione intermedia si basa su tale esperienza e presenta diversi nuovi scenari, tra cui requisiti aziendali comuni, ad esempio la previsione e l'analisi del carrello di mercato. Si apprenderà come creare un modello time series, un modello di associazione e un modello sequence clustering. Infine, si apprenderà come usare la rete neurale per esplorare le correlazioni nei dati e usare la regressione logistica per le stime.

Le lezioni sono indipendenti e possono essere completate separatamente.

Per completare le esercitazioni seguenti, è necessario avere familiarità con gli strumenti di data mining e con i visualizzatori dei modelli di data mining introdotti nell'esercitazione di base sul data mining.

Tutti gli scenari usano l'origine dati AdventureWorksDW2012 , ma verranno create viste origine dati diverse per scenari diversi. È possibile eseguire le lezioni in qualsiasi ordine, purché si crei prima l'origine dati.

Scenari di lezione

Dopo aver ottenuto il successo con la campagna di mailing mirata, è stato chiesto di applicare la conoscenza del data mining per sviluppare diversi nuovi modelli da usare nella pianificazione aziendale. Questi includono le attività seguenti:

• Previsione: Si creerà un modello time series per prevedere le vendite di prodotti in aree diverse in tutto il mondo. Si svilupperanno singoli modelli per ogni area e si apprenderà come usare la stima incrociata.

• Analisi del carrello di mercato: Si creerà un modello di associazione, per analizzare i raggruppamenti di prodotti acquistati durante le visite al sito di e-commerce Adventure Works Cycles. In base a questo modello market basket, è possibile consigliare prodotti ai clienti.

• Analisi sequenza: Si crea un modello sequence clustering per analizzare l'ordine in cui i clienti acquistano prodotti. In base a questo modello, è possibile pianificare le modifiche apportate alla progettazione del sito Web o alle nuove offerte di prodotti.

• Analisi dei fattori: Si usa un modello di rete neurale per esplorare le possibili cause di scarsa qualità del servizio nei dati del call center. In base alle informazioni dettagliate del modello preliminare, si creerà un modello di regressione logistica per prevedere le strategie per migliorare l'esperienza dei clienti.

Cosa Imparerai

Questa esercitazione illustra come creare e usare diversi tipi di algoritmi di data mining. Questa esercitazione è suddivisa nelle lezioni seguenti:

Lezione 1: Creazione della soluzione intermedia di data mining (esercitazione intermedia sul data mining)
In questa lezione verrà creato un nuovo progetto basato sul database AdventureWorksDW2012 , per supportare diverse nuove viste origini dati e molti altri modelli di data mining.

Lezione 2: Creazione di uno scenario di previsione (esercitazione intermedia sul data mining)
In questa lezione, creerai un modello di mining che può essere utilizzato come parte di uno scenario di previsione. Verranno inoltre esaminati i modelli di data mining creati con l'algoritmo Microsoft Time Series.

Si creeranno modelli per singole aree e quindi si creerà un modello generale che può essere usato per la stima incrociata.

Lezione 3: Creazione di uno scenario Market Basket (esercitazione intermedia sul data mining)
In questa lezione si aggiungerà una nuova vista origine dati e si apprenderà come usare tabelle e chiavi annidate. In base ai dati, si creerà un modello di data mining che può essere usato come parte di uno scenario di paniere di mercato. Verranno inoltre esaminati i modelli di data mining creati con l'algoritmo Microsoft Association.

Lezione 4: Creazione di uno scenario sequence clustering (esercitazione intermedia sul data mining)
In questa lezione verrà creato un modello di data mining che può essere usato come parte di uno scenario di clustering di sequenza. Si apprenderà anche come esplorare i modelli di data mining creati con l'algoritmo Microsoft Sequence Clustering.

Lezione 5: Creazione di modelli di rete neurale e regressione logistica (esercitazione intermedia sul data mining)
In questa lezione verranno creati diversi modelli di data mining correlati, usando gli algoritmi Microsoft Neural Network e Microsoft Logistic Regression. Si apprenderà anche come usare le viste origine dati per esplorare i dati sottostanti i modelli.

Requisiti

Assicurarsi che siano installati gli elementi seguenti:

• Microsoft SQL Server 2014

• 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 la pagina Database di esempio Microsoft SQL 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