使用数据挖掘获取商业智能

.6 使用数据挖掘获取商业智能

  数据挖掘对查找和描述特定多维数据集中的隐藏模式非常有用。因为多维数据集中的数据增长很快，所以手动查找信息可能非常困难。数据挖掘提供的算法允许自动模式查找及交互式分析。按照第1章对商业智能的认识和对其体系结构的理解，数据挖掘是一个商业智能系统的高层应用，也是不可或缺的一部分。本节使用数据挖掘技术从福马特商店的营业数据中发现影响客户会员卡级别的因素。
2.6.1 商务需求分析

  福马特商店的市场部想提高客户满意度和客户保有率。于是希望通过实行相关的市场手段来达到这些目标。其中一个方法就是对原有的会员卡方案重新进行定义，以便更好地为客户提供服务并且使所提供的服务能够更加密切地满足客户的期望。为了在重新定义新的会员卡方案前能够对以前的方案中卡的类型和客户的关系有充分认识，市场部想分析当前销售事务并找出客户人口统计信息（婚姻状况、年收入和在家子女数等等）和所申请卡之间的模式。然后根据这些信息和申请会员卡的客户的特征重新定义会员卡。

  以前的会员卡有4种，分别是普通卡、铜卡、银卡和金卡，还有一些客户没有办会员卡，在销售业务数据中，每一个客户的私人信息和其所拥有的卡的级别都存储在customer表中，图2-46所示即为customer表的局部数据，从中可以看出，整个表有10 281条记录，表中除了“member_card”字段代表拥有会员卡的类型外，还有分别表示“性别”、有孩子的数量、教育程度和是否有房等一系列信息，那么这些信息中哪个与客户拥有会员卡的类型关联最大，以及影响客户会员级别的因素有哪些，这是市场部经理迫切需要知道的。

  本节将创建一个数据挖掘模型以训练销售数据，并使用“决策树”算法在客户群中找出会员卡选择模式。
2.6.2 创建挖掘结构

  数据挖掘是继OLAP之后的SSAS服务的另一大功能。因此，一般实现数据挖掘也要在一个Analysis Services解决方案的基础上进行。数据挖掘所依赖的数据可以来源于业务数据库和数据仓库，也可以来源于数据立方。本例中构建数据挖掘功能是基于本章2.3节所创建的foodmartsale AS项目和相应的数据源，其步骤如下。

  （1）双击foodmartsale AS.sln解决方案文件，打开前面创建的SSAS项目在“数据挖掘”文件夹对象上右击，在弹出的快捷菜单中选择【】命令，打开数据挖掘向导。

  （2）在“欢迎使用数据挖掘向导”窗口中，单击【下一步】按钮。

  （3）在弹出的“选择定义方法”窗口中，选择“从现有关系数据库或数据仓库”选项，再单击【下一步】按钮。

  （4）在“选择数据挖掘技术”窗口中的“您要使用何种数据挖掘技术？”选项组中，选择“Microsoft决策树”选项。如图2-47所示。可以看到，这里系统为我们提供了8种可用的挖掘算法，这些算法的具体细节将在第9章学习。此处选择的Microsoft决策树算法是一种适合预测性建模的分类算法，该算法支持离散属性和连续属性的预测。本例中需要用这种算法对客户进行分析。设置好后单击【下一步】按钮。

  （5）系统弹出“选择数据源视图”窗口。默认情况下，“可用数据源视图”选项组中的“foodmartsale DW”选项为选中状态，确认后单击【下一步】按钮继续操作。

  （6）在弹出的“指定表类型”窗口中，选择“customer”表旁的“事例”复选框，再单击【下一步】按钮。

  （7）在弹出的“指定定型数据”窗口中，选择“member_card”列旁边的“输入”和“可预测”复选框。单击【建议】按钮，如图2-48所示，系统弹出“提供相关列建议”对话框，该对话框列出与可预测的列关系最密切的列。“提供相关列建议”对话框按照各属性与可预测属性的相关性对其进行排序。值大于0.05的列将被自动选中，以包括在模型中，如图2-49所示。单击【确定】按钮，在向导中将所选列标记为输入列并且返回“指定定型数据”窗口，单击【下一步】按钮继续操作。


  （8）在弹出的“指定列的内容和数据类型”窗口中使用默认的设置，单击【下一步】按钮，在弹出的“完成向导” 窗口的“挖掘结构名称”文本框中，键入“Customer_card”，再单击【完成】按钮。系统将打开数据挖掘设计器，显示刚刚创建的 “Customer_card”挖掘结构。
2.6.3 从数据挖掘中获取有价值的信息

  挖掘结构创建完毕后，可以直接单击“数据挖掘设计器”窗口中的“挖掘模型查看器”选项卡，如图2-50所示。由于在查看挖掘结果之前，需要对模型进行处理和部署，因此切换到此选项卡时会弹出一些窗口来确认对模型的处理和部署，单击“确定”按钮即可。成功处理挖掘模型后，挖掘模型查看器即会显示出图2-50所示的设置项。设置其背景为“golden”，显示级别为2，则在决策树显示窗格中会显示如图2-51所示的决策树，这就是用决策树这种算法对福马特商店的客户数据进行挖掘的结果。

  同时，在整个工作窗口的右下角有如图2-52所示的“挖掘图例”窗格，单击决策树上的不同分支，不同类型的卡在这个分支上出现的概率和相应的颜色都在此窗格中标识出来了。

  下面分析从这个挖掘结果中能得到的商业信息。