使用SQL Server 2008进行预测分析

　　2007 Office 对于信息工作者来说是一个理想的桌面工具，但是对于要在整个企业中部署解决方案的商业智能开发人员来说，SQL Server 商业智能开发套件是最佳的选择，因为它具有一个基于项目的环境，并与调试和源控制完全集成，你可以用它来创建端对端的商业智能解决方案。

　　当然，要在公司内渗入数据挖掘功能，只有当开发人员可以建立快速并轻松地满足商业需求的数据挖掘解决方案时。SQL Server商业智能开发套件提供了一个全面的开发环境，它是基于Microsoft Visual Studio®开发系统的。有了商业智能开发套件，开发人员就可以创建数据挖掘结构，它辨别表和字段是否包含在分析中了，并添加多个将数据挖掘算法应用到这些表中的数据上的数据挖掘模型。在商业智能开发套件中的分析服务项目模板，如图2所示，包含了一个直接的用于创建和查看数据挖掘模型的数据挖掘设计器，并提供了交叉验证、提升图、以及利润图来可视化地比较和对照模型的质量，并在部署之前统计错误数和准确性。

　　图2：在商业智能开发套件中的数据挖掘设计器

　　SQL Server 2008在SQL Server 2005已经很全面的开发环境基础上，推出了一些改进之处，包括：

　　· 更有效地将数据分割为训练和测试分区。分区在创建数据挖掘模型的过程中可用。开发人员可以将一部分训练数据集标识为可随意选择用于测试。

　　· 对过滤的数据建立模型。数据过滤使得可以创建在挖掘结构中使用数据子集的挖掘模型。过滤提供了设计挖掘结构和数据源的灵活性，因为开发人员可以创建一个单独的挖掘结构，基于一个全面的数据源视图，然后应用过滤器只使用一部分数据用于训练和测试大量的模型，而不是为每一个子集建立一个不同的结构和相关的模型。例如，一个开发人员可以对Customers表和相关表定义数据源视图，建立一个单独的挖掘结构，它包含所有必需的字段，然后创建一个过滤了某个特定客户属性(例如Region)的模型。这个开发人员然后就可以轻松地拷贝这个模型，并更改过滤条件以生成一个基于不同region的新模型。通过对数据模型应用过滤器，你可以：

　　o 为离散值创建各自的模型。例如，一个衣服存储可以使用客户统计来根据性别建立各自的模型，即使销售数据是从用于所有客户的单一数据源获得的。

　　o 用模型做试验——创建、然后测试相同数据的多个分组，例如年龄20-30与年龄20-40与年龄20-25相比较。

　　o 对嵌套的数据表内容指定复杂的过滤器，例如要求只有当客户购买了两个或两个以上的某特定项目后才在模型中包括进这个情况.

3. 在数据生命周期中每一步的洞察力

　　无论是对商业数据进行使用、分析、监控、计划、探索、或生成报表，预测分析都可以添加丰富的洞察来显示用于发现的新技术。SQL Server 2008是商业智能技术家族的一部分，它们一起使用提供了一个全面的平台，这个平台使得公司可以将预测分析合并到数据生命周期的每一个阶段。

　　3.1 本地报表集成

　　报表是大多数公司中的一个基本动作，而SQL Server 2008报表服务提供了一个用于创建、渲染和在整个企业中部署报表的广泛解决方案。SQL Server报表服务通过使用一个数据挖掘扩展(DMX)查询可以直接从一个数据挖掘模型中渲染报表。这使得用户可以显示数据挖掘模型的内容，以用于最佳的数据显示。此外，直接查询数据挖掘结构的能力使得用户可以超出挖掘模型要求的范围，轻松地将数据包括在内，显示完整和有用的信息。图4显示了用于报表服务的DMX查询编辑器。

　　图4：用于SQL Server报表服务的DMX查询编辑器

　　SQL Server 报表服务提供了基于预测可能性生成参数驱动的报表能力。例如，在图4中显示的查询分析了假设的Adventure Works自行车公司预期的客户列表，并使用一个数据挖掘模型来评估这些客户购买一辆自行车的概率。这个查询进行了过滤，只返回购买概率大于50%的预期。图5显示了结果报表，公司可以将它用作是只针对最有可能购买情况的市场策略的基础。它很大程度上改进了策略的有效性，它对投入作出了回馈。

　　图5：一个预测分析报表
3.2 在数据集成过程中进行数据挖掘

　　随着商业智能变得越来越普遍，公司越来越多地执行提取、转换和加载(ETL)解决方案将从公司各处而来的数据合并到一个数据仓库中，用于生成报表和进行分析。然而，这些操作的源数据通常是不完整的，或者在某些情况下是商业实体，例如可能需要对客户基于通用描述特征进行分类。

　　Microsoft SQL Server 2008集成服务提供了一个强大的、可扩展的ETL平台，商业智能解决方案开发人员可以使用它来执行清理和转换数据的ETL操作。SQL Server集成服务包括一个用于培训数据挖掘模型的数据挖掘模型培训目的地，和一个可用于对数据流中传送过来的数据进行预测分析的Data Mining Query转换。预测分析与SQL Server集成服务的集成使得公司可以标记异常数据、分类商业实体、执行文本挖掘、并基于数据挖掘算法的能力和洞察力在空闲时间填入缺失的值。例如，一个ETL过程可能从一个或多个源系统提取客户数据用于放入一个数据仓库中。过去，数据挖掘是在数据仓库加载之后使用的，用于根据预期购买行为分类客户或其它策略管理任务。然而，有了SQL Server集成服务，Data Mining Query转换可以在ETL过程中应用一个数据挖掘模型，使得数据仓库包含了加载过程中分类的数据。这减少了在仓库服务器上所必需做的工作，并确保可用于分析的数据总是最新的，并一直保持是分类的。此外，在ETL过程中的分类还可以用来过滤掉不符合任何已知分类的客户记录。这些记录可能是由于较差的数据质量造成，或显示一个新的、没有在策略管理过程中找到的分类。无论哪种情况，SQL Server集成服务都可以使用数据挖掘发现这些记录并将它们转为手动或自动检查。

　　图6显示了一个包含了Data Mining Query转换的SQL Server 集成服务数据流。

　　图6：在SQL Server集成服务中的数据挖掘

　　3.3 富有洞察力的分析

　　SQL Server 2008分析服务提供了一个用于多维OLAP分析的高扩展性平台。许多客户已经从在分析服务中创建一个统一的维度模型(UDM)获得了受益，并使用它按多个维度分割商业度量。预测分析是SQL Server 2008分析服务的一部分，它提供了一个更加丰富的OLAP体验，特别是数据挖掘维度按照数据所隐藏的格式将其进行分割。例如，一个销售和市场部门可以创建一个基于现有Customer OLAP维度的数据挖掘结构，并使用它将客户归类到显示相似特征的集群中。然后他们可以使用这个数据挖掘结构来生成一个新的数据挖掘维度，并使用它基于已确认的客户集群来分析销售信息。图7显示了在一个OLAP立方体中的一个数据挖掘维度。

    。