论文部分内容阅读
[摘 要] 交叉销售是非常常见的商业问题，它包括基于客户当前或之前的购物篮中的产品来推荐新的产品列表。许多零售商，特别是在线零售商，采用这个特性来增加它们的销售额。本文通过对电影交叉销售的数据建模，介绍在SQL Server 2005中建立数据挖掘结构和模型的详细过程，展现决策树算法的浏览图，并使用决策树算法在实例中进行准确性分析和一般预测，说明如何利用数据挖掘来解决商业问题。
[关键词] 交叉销售 SSAS 数据挖掘
一、SQL Server 2005数据挖掘简介及问题的提出
数据挖掘(Data Mining)经过近十几年的迅速发展，形成了融合数据库、人工智能、機器学习、统计学等多个领域的理论和技术的交叉学科。因其所涉及的知识领域众多、应用范围广泛，数据挖掘已成为研究人员和商业组织所关注的热门领域。SQL Server 2005分析服务(SSAS)是微软 SQL Server 2005中的多维联机分析处理(OLAP)组件，它在商业智能(BI)分析方案中集成了关系型和OLAP数据，是一种集成的商务智能、数据挖掘、分析和报表解决方案。
交叉销售是非常常见的商业问题，它包括基于客户当前或之前的购物篮中的产品来推荐新的产品列表。简单说来，就是向拥有本公司A产品的客户推销本公司B产品。交叉销售对零售商是一个很重要的商业挑战。许多零售商，特别是在线零售商，采用这个特性来增加它们的销售额。比如，如果你到一个在线书店(如亚马逊Amazon.com)去购买书籍，你会注意到该网站会给你一系列相关书籍的推荐信息。这些推荐信息的提出，是基于购物篮分析得出的。而购物篮分析是针对数千个有相似购物情况的客户进行的。好的推荐信息会改变客户的购物体验，从而增加销售额。差的推荐信息会使客户感到烦恼，从而最终把他们赶走。
交叉销售的难点在于如何向客户提供一组正确的推荐信息。当销售产品种类比较少时，基于销售经验来提供建议比较容易。可是，当产品比较多时，问题就非常复杂了。
二、利用SQL Server 2005数据挖掘建立推荐模型
利用SQL SERVER 2005中的决策树算法来构建推荐模型，以说明数据挖掘在交叉销售中应用。
基本步骤:
1.建立数据库
启动SQL Server Management studio在其中建立名为movie survey的数据库，右击它在弹出的快捷菜单中选择“任务”中的“导入数据”导入movie survey数据集，该数据集是对Microsoft雇员的调查表，主要涉及被调查者的电影观看行为，人口统计信息等，保存movie survey数据库文件。
2.建立Analysis services项目
选择商业智能项目中Analysis Services项目，建立movieSurvey项目。
3.建立数据源
数据源实际上是一个连接字符串，用于描述数据的位置，本项目的连接字符串为“Provider=SQLNCLI.1;Data Source=localhost;Integrated Security=SSPI;Initial Catalog=MovieSurvey“。
Movie Survey数据库文件包括Survey表和Movies表，Survey表记录了被调查者的年龄、教育水平，性别、收入、婚姻状况、上网方式，上网频率等信息，图例中只截取了其中的部分属性。Moives表只有两个属性Survey TakenID（客户序号） 和movie（电影名）共45325条记录。如图1所示。
4.建立数据源视图（DSV），将上面提及的“Survey”表“movies”表都选择进来
数据源视图是数据在客户端的一个抽象视图，在DSV中可以选择、组织、浏览数据源中的数据。在数据源视图中建立事例表survey和嵌套表movies的一对多关系如图2所示。
5.建立挖掘结构
使用数据挖掘向导创建两种对象：挖掘结构和挖掘模型，挖掘结构描述将用于挖掘列和训练数据，挖掘模型是从挖掘结构中选择一些列，然后使用某一个算法，并且为该算法定义每一列的用法。SQL Server 2005 包括世界级的数据挖掘算法有7 种：Microsoft贝叶斯算法、Microsoft决策树算法、Microsoft序列聚类算法、Microsoft聚类算法、Microsoft神经网络算法、Microsoft关联规则算法、文本挖掘。
根据具体的商业问题，确定相应的算法，本文的目标是分析客户将会一起购买的电影。在获得这些模式后，可以使用它们来提供推荐信息。该问题属于关联任务。最适合的两个算法是Microsoft决策树算法，Microsoft关联规则算法。
图3显示了模型的定义。该模型是完全基于每个客户的购物篮来分析电影关联，同时分析电影与人口统计信息之间的关联。
在处理了模型这后，得到一组决策树，图4显示了预测电影English patient 的决策树的一部分，从图例看出只有2.2%的客户购买了该电影，该决策树的第一个拆分基于Chocolat。在那些喜欢Chocolat的客户中，大约有27%的客户也喜欢English patient，与总的喜欢Einglish patient人数相比，比例增加13倍。在那些不喜欢English patient而喜欢Boot Das的客户中有22%的客户也都喜欢English patient。通过这棵树，我们知道Boot Das和Chocolat是English patient比较好的预测器。
决策树有两个查看器，切换到依赖关系网络查看器中，图5显示了决策树模型的依赖关系网络，可以认为该网络是从森林的顶部进行鸟瞰的视图，每个节点都是一颗决策树。当双击任何节点时，都可以看到底层树的详细信息。每条边都代表两棵树之间的关系。每条边都有一个方向，该方向指明了预测的方向。每条边也都有一个权值，该权值代表预测的强度。例如，从图中可以看出:Boot das预测English patient，Chocolat和English patient彼此预测。
三、小结
虽然数据挖掘在最近几年谈论比较多，但它的市场相对比较小，数据挖掘依旧被认为是一种高端的应用功能。SQL SERVER 2005提供一系列方便而且功能全面的可视化工具，比如解决方案管理器、数据挖掘向导、数据挖掘设计器、模型查看器、编辑器等。它可以从各种数据源构建挖掘模型，用户利用模型查看器来解释模型，利用模型编辑器修改参数的设置来调整模型，同时SQL SERVER 2005数据挖掘功能和SQL SERVER产品集成给我们的挖掘工作提供了便利。
参考文献:
[1]Zhaohui Tang,Jamie Maclennan．数据挖掘原理与应用—SQL Server 2005 数据库[Ｍ]．北京：清华大学出版社，2007
[2]陈京民:数据仓库与数据挖掘技术[Ｍ]．北京：电子工业出版社，2002
[关键词] 交叉销售 SSAS 数据挖掘
一、SQL Server 2005数据挖掘简介及问题的提出
数据挖掘(Data Mining)经过近十几年的迅速发展，形成了融合数据库、人工智能、機器学习、统计学等多个领域的理论和技术的交叉学科。因其所涉及的知识领域众多、应用范围广泛，数据挖掘已成为研究人员和商业组织所关注的热门领域。SQL Server 2005分析服务(SSAS)是微软 SQL Server 2005中的多维联机分析处理(OLAP)组件，它在商业智能(BI)分析方案中集成了关系型和OLAP数据，是一种集成的商务智能、数据挖掘、分析和报表解决方案。
交叉销售是非常常见的商业问题，它包括基于客户当前或之前的购物篮中的产品来推荐新的产品列表。简单说来，就是向拥有本公司A产品的客户推销本公司B产品。交叉销售对零售商是一个很重要的商业挑战。许多零售商，特别是在线零售商，采用这个特性来增加它们的销售额。比如，如果你到一个在线书店(如亚马逊Amazon.com)去购买书籍，你会注意到该网站会给你一系列相关书籍的推荐信息。这些推荐信息的提出，是基于购物篮分析得出的。而购物篮分析是针对数千个有相似购物情况的客户进行的。好的推荐信息会改变客户的购物体验，从而增加销售额。差的推荐信息会使客户感到烦恼，从而最终把他们赶走。
交叉销售的难点在于如何向客户提供一组正确的推荐信息。当销售产品种类比较少时，基于销售经验来提供建议比较容易。可是，当产品比较多时，问题就非常复杂了。
二、利用SQL Server 2005数据挖掘建立推荐模型
利用SQL SERVER 2005中的决策树算法来构建推荐模型，以说明数据挖掘在交叉销售中应用。
基本步骤:
1.建立数据库
启动SQL Server Management studio在其中建立名为movie survey的数据库，右击它在弹出的快捷菜单中选择“任务”中的“导入数据”导入movie survey数据集，该数据集是对Microsoft雇员的调查表，主要涉及被调查者的电影观看行为，人口统计信息等，保存movie survey数据库文件。
2.建立Analysis services项目
选择商业智能项目中Analysis Services项目，建立movieSurvey项目。
3.建立数据源
数据源实际上是一个连接字符串，用于描述数据的位置，本项目的连接字符串为“Provider=SQLNCLI.1;Data Source=localhost;Integrated Security=SSPI;Initial Catalog=MovieSurvey“。
Movie Survey数据库文件包括Survey表和Movies表，Survey表记录了被调查者的年龄、教育水平，性别、收入、婚姻状况、上网方式，上网频率等信息，图例中只截取了其中的部分属性。Moives表只有两个属性Survey TakenID（客户序号） 和movie（电影名）共45325条记录。如图1所示。
4.建立数据源视图（DSV），将上面提及的“Survey”表“movies”表都选择进来
数据源视图是数据在客户端的一个抽象视图，在DSV中可以选择、组织、浏览数据源中的数据。在数据源视图中建立事例表survey和嵌套表movies的一对多关系如图2所示。
5.建立挖掘结构
使用数据挖掘向导创建两种对象：挖掘结构和挖掘模型，挖掘结构描述将用于挖掘列和训练数据，挖掘模型是从挖掘结构中选择一些列，然后使用某一个算法，并且为该算法定义每一列的用法。SQL Server 2005 包括世界级的数据挖掘算法有7 种：Microsoft贝叶斯算法、Microsoft决策树算法、Microsoft序列聚类算法、Microsoft聚类算法、Microsoft神经网络算法、Microsoft关联规则算法、文本挖掘。
根据具体的商业问题，确定相应的算法，本文的目标是分析客户将会一起购买的电影。在获得这些模式后，可以使用它们来提供推荐信息。该问题属于关联任务。最适合的两个算法是Microsoft决策树算法，Microsoft关联规则算法。
图3显示了模型的定义。该模型是完全基于每个客户的购物篮来分析电影关联，同时分析电影与人口统计信息之间的关联。
在处理了模型这后，得到一组决策树，图4显示了预测电影English patient 的决策树的一部分，从图例看出只有2.2%的客户购买了该电影，该决策树的第一个拆分基于Chocolat。在那些喜欢Chocolat的客户中，大约有27%的客户也喜欢English patient，与总的喜欢Einglish patient人数相比，比例增加13倍。在那些不喜欢English patient而喜欢Boot Das的客户中有22%的客户也都喜欢English patient。通过这棵树，我们知道Boot Das和Chocolat是English patient比较好的预测器。
决策树有两个查看器，切换到依赖关系网络查看器中，图5显示了决策树模型的依赖关系网络，可以认为该网络是从森林的顶部进行鸟瞰的视图，每个节点都是一颗决策树。当双击任何节点时，都可以看到底层树的详细信息。每条边都代表两棵树之间的关系。每条边都有一个方向，该方向指明了预测的方向。每条边也都有一个权值，该权值代表预测的强度。例如，从图中可以看出:Boot das预测English patient，Chocolat和English patient彼此预测。
三、小结
虽然数据挖掘在最近几年谈论比较多，但它的市场相对比较小，数据挖掘依旧被认为是一种高端的应用功能。SQL SERVER 2005提供一系列方便而且功能全面的可视化工具，比如解决方案管理器、数据挖掘向导、数据挖掘设计器、模型查看器、编辑器等。它可以从各种数据源构建挖掘模型，用户利用模型查看器来解释模型，利用模型编辑器修改参数的设置来调整模型，同时SQL SERVER 2005数据挖掘功能和SQL SERVER产品集成给我们的挖掘工作提供了便利。
参考文献:
[1]Zhaohui Tang,Jamie Maclennan．数据挖掘原理与应用—SQL Server 2005 数据库[Ｍ]．北京：清华大学出版社，2007
[2]陈京民:数据仓库与数据挖掘技术[Ｍ]．北京：电子工业出版社，2002