Startseite | Impressum | Datenschutzerklärung

Data Mining mit SQL Server

Data Mining mit SQL Server

Data Mining ermöglicht, auf Basis von großen Datenbanksystemen wie z.B. Data Warehouse, versteckte Informationen, Trends, Muster, Zusammenhänge und Vorhersagen abzuleiten.
Aus Bestelldaten können auf diese Weise Kundenprofile gewonnen werden. Damit lässt sich das Marketing besser auf die Bedürfnisse der Kunden zuschneiden. Kredit-Scoring im Bankenbereich oder Warenkorbanalysen im (Internet-) Handel sind weitere Beispiele für die vielfältigen Einsatzsmögilckeiten von Data Mining.

Data Mining-Werkzeuge sind darauf spezialisiert, noch unbekannte Zusammenhänge innerhalb von Unternehmensdaten zu finden. Im Gegensatz zu den klassischen Abfragewerkzeugen muss ihr Anwender nicht von vornherein wissen, wonach er sucht. Vielmehr führen sie den Anwender von sich aus zu den oft vermeintlich interessanten Informationen.

Die Analysis Services ermögichen Data Mining. Dazu stehen eine Vielzahl von Data Mining Algorithmentypen zur Verfügung:
>> Klassifikationsalgorithmen
>> Regressionsalgorithmen
>> Segmentierungsalgorithmen
>> Assoziationsalgorithmen
>> Sequenzanalysealgorithmen

Die Auswahl eines passenden Algorithmus zur Geschäftsproblemlösung ist eine nichttriviale Aufgabe, da ein Geschäftsproblem mit mehreren verschiedenen Algorithmen analysiert werden kann, stellt aber einen zentralen Erfolgsfaktor bei der Durchführung von Data-Mining Projekten dar.

Bei der Wahl einer entsprechenden Mining-Methode sind zwei Merkmale bei den Daten zu beachten_
Sind die Daten diskret (discrete) oder stetig (continuous)?
Sind die Daten voneinander abhängig oder unabhängig?


Jedes Data-Mining-Werkzeug bedient sich einer Serie von Algorithmen; so auch die Analysis Services des MS SQL Servers 2005. Es sind die folgenden neun Modellalgorithmen einsetzbar:
Microsoft Decision Trees
Microsoft Naive Bayes
Microsoft Clustering
Microsoft Association
Microsoft Sequence Clustering
Microsoft Time Series
Microsoft Neural Network
Microsoft Linear Regression
Microsoft Logistic Regression


Vorhersagen eines diskreten Attributs Sie möchten z. B. vorhersagen, ob der Empfänger einer Targeted Mailing-Kampagne ein Produkt kaufen wird:

* Microsoft Decision Trees-Algorithmus
* Microsoft Naive Bayes-Algorithmus
* Microsoft Clustering-Algorithmus
* Microsoft Neural Network-Algorithmus

Vorhersagen eines kontinuierlichen Attributs Sie möchten z. B. den Verkaufstrend für das nächste Jahr vorhersagen.

* Microsoft Decision Trees-Algorithmus
* Microsoft Time Series-Algorithmus

Vorhersagen einer Sequenz Sie möchten z. B. bei einer Unternehmenswebsite eine Clickstreamanalyse ausführen.

* Microsoft Sequence Clustering-Algorithmus

Suchen von Gruppen aus allgemeinen Elementen in Transaktionen. Sie möchten z. B. die Warenkorbanalyse verwenden, um einem Kunden weitere Produkte vorzuschlagen.

* Microsoft Association-Algorithmus
* Microsoft Decision Trees-Algorithmus

Suchen von Gruppen mit ähnlichen Elementen Sie möchten z. B. demografische Daten in Gruppen unterteilen, um die Beziehungen zwischen den Attributen besser zu verstehen

* Microsoft Clustering-Algorithmus
* Microsoft Sequence Clustering-Algorithmus

Weil jedes Modell einen unterschiedlichen Ergebnistyp zurückgibt, stellt Analysis Services einen separaten Viewer für jeden Algorithmus bereit. Wenn Sie ein Miningmodell in Analysis Services durchsuchen, wird das Modell im Data Mining-Designer auf der Registerkarte Miningmodell-Viewer mit dem jeweils geeigneten Viewer für das Modell angezeigt.

  Microsoft Business Intelligence Portal von New Elements GmbH