Microsoft SQL Server 2008 – SQL Server Analysis Services

Rubén Alonso Cebriánralonso@informatica64.com

Código: HOL-SQL27

Agenda►Introducción

Características Generales de SQL Server 2008►Conceptos y Arquitectura de SQL Server 2008 Analysis

Services (SSAS)►Diseño y despliegue de un Unified Dimensional

Model (UDM)►Administración de SSAS 2008►Programación en SSAS 2008►Soluciones de minería de datos en SSAS 2008

Introducción

• Alta disponibilidad para aplicaciones corporativas• Mejoras en la seguridad• Foco en la capacidad de administración. Auto optimización

Gestión de datos corporativos

Productividad del desarrollador

Inteligencia de Negocio

• Integración con Visual Studio and .NET• Tecnología XML nativa • Interoperabilidad: estándares abiertos, Servicios Web

• Solución ETL completa• Ayuda a la decisión en tiempo real: informes, Data Mining• Mejoras en escalabilidad y disponibilidad

Características generales SQL Server 2008

Conceptos y Arquitectura de SQL Server 2008 Analysis Services

SQL Server 2008 Analysis Services

►Microsoft® SQL Server™ 2008 Analysis Services (SSAS) aporta funcionalidades OLAP y de minería de datos utilizando una combinación de tecnologías de cliente y servidor

Los servicios OLAP organizan los datos de un almacén de datos en estructuras multidimensionales aportando respuestas a consultas de análisis.

►SSAS aporta: Organización y resumen de datos en estructuras multidimensionales para

responder consultas en tiempo real. Ayuda en la toma de decisiones criticas mediante el uso de patrones e

indicadores

Introducción a DatawarehouseDatos brutos frente a información de negocio

Captura de datos en brutoDerivando la información de negocio de los datos en brutoDevolución de datos en información valiosa

Sistema de Soporte de Decisiones

Proceso en tiempo real de transacciones del negocioContienen estructuras de datos optimizados para ediciónProvee de capacidades de soporte de decisión limitado

Sistemas de fuentes de datos OLTPSistema

transaccional de negocio

Características

• Proveen de datos para el proceso de análisis del negocio• Integran datos desde sistemas de fuentes de datos heterogéneos• Combinan datos validados frente a las reglas de negocio• Organiza información no volátil• Los datos se almacenan en estructuras que son optimizadas para extracción y consulta.

Características de un Datawarehouse

Característica de base de datos

Base de datos OLTP Base de datos OLAP

Orientación del sistema Ejecución y procesamiento de transacciones diarias Generación de información estratégica e histórica

Usuarios Oficinistas, contadores, personal informático, clientes, jefes de departamentos operativos

Gerentes, ejecutivos, juntas directivas, analistas de información.

Tipo de diseño de base de datos Modelo de datos entidad-relación y/o sistemas de base de datos orientados a aplicaciones OLTP

Base de datos multidimensionales, esquemas relacionales del tipo estrella, con objetivos estratégicos en la información

Nivel de detalle de los datos Se almacenan con el mayor detalle ya que se trata de las transacciones específicas

Datos agregados en distintos niveles, no interesa el detalle sino el resumen de los datos

Características del Hardware y configuración

Servidores de pequeños a medianos, sistemas de alta redundancia, configurados para tener recuperaciones ante fallos y optimizados para realizar transacciones puntuales en línea y con multitud de usuarios

Servidores de grandes a gigantes, optimizados para almacenar grandes volúmenes de datos y responder a consultas complejas que involucran mucha información y con pocos usuarios

Operaciones normales Mucha lectura y escritura: actualizaciones, inserciones, sistemas de seguridad con alta redundancia, consultas.

Básicamente, lectura de los datos: consultas complejas de los usuarios

Volúmenes de datos La información es siempre la actual, el volumen de datos no responde a la cantidad de transacciones que se almacenen. De 100 MB a 1 o 2 GB.

Se almacena información histórica, creciendo los Datawarehouse constantemente. Los volúmenes se miden en Gigabytes a Terabytes.

Cubos►SSAS permite consultas grandes

cantidades de datos de forma flexible gracias al almacenamiento de la información en cubos

El cubo es el interfaz primario entre usuarios y datos en una aplicación de BI

Representa un conjunto lógico de datos en un empresa, ventas, inventarios, transacciones, finanzas etc.

Es una estructura multidimensional compuesta por varias celdas

Mantiene los datos organizados dentro de un almacén de datos

1998

2000

1999 Barcelon

a Madrid

Sevilla

Producto 1

Producto 2

Producto 3

Características de Cubos

Estructuras Básicas►En el ejemplo anterior:

Dimensiones: Modelo Color Vendedor Fecha

Medida: Cantidad Vendida

Tablas de hecho y Tablas de dimensiones

Tabla de hechos

Tabla de dimensiones

Employee_DimEmployee_Dim

EmployeeKeyEmployeeKey

EmployeeID...EmployeeID...

Time_DimTime_Dim

TimeKeyTimeKey

TheDate...TheDate...

Product_DimProduct_Dim

ProductKeyProductKey

ProductID...ProductID...

Customer_DimCustomer_Dim

CustomerKeyCustomerKey

CustomerID...CustomerID...

Shipper_DimShipper_Dim

ShipperKeyShipperKey

ShipperID...ShipperID...

Sales_FactSales_FactTimeKeyEmployeeKeyProductKeyCustomerKeyShipperKey

TimeKeyEmployeeKeyProductKeyCustomerKeyShipperKey

Sales AmountUnit Sales ...Sales AmountUnit Sales ...

Data Source y Data Source View

► Los data source contienen las tablas de hecho y dimensión incluidas en el cubo

► Encapsula las cadenas de conexión y usa proveedores de datos (OLEDB or .NET) para crear la conexión al almacén de datos

► Aporta las credenciales para autentificar la conexión

► Un data source view (DSV) representa el modelo de datos en función de un determinado data source.

► Permite encapsular el modelo de datos del data source para crear consultas y relaciones.

► El Data Source View Wizard especifica el esquema del DSV y lo hace apuntar a un o varios data sources

Dimensiones► Organizan los datos en los cubos► Describen una colección de atributos de

interés para un usuario► Basados directa o indirectamente en tablas► El nivel más bajo de definición de las

dimensiones son los atributos, que se corresponden con las columnas de las tablas de dimensión

► Dentro de una dimensión los atributos se organizan en jerarquías para permitir al usuario la navegación entre contenidos

► El orden de los atributos en una jerarquía se especifica en función de niveles, desde el más resumido al más detallado

► Los valores actuales de los atributos que constituyen una jerarquía se denominan miembros.

► Las dimensiones pueden generarse y mantenerse mediante el Dimension Wizard y el Dimension Designer.

Medidas y Grupos de medidas► Un data source contiene tablas de hecho y tablas de medidas de un cubo► Las tablas de hecho contienen datos numéricos del cubo que se corresponden con una columna en las

tablas de hecho denominada medida► Las tablas de hecho también contienen las claves secundarias que se unen a las claves primarias en las

tablas de dimensión► Las medidas representan elementos que son cuantificables ► SSAS resume las medidas y las hace visibles a través de jerarquías de varias dimensiones para ayudar en la

toma de decisiones► Grupos de medidas

Representan todas las medidas de una tabla de hecho dentro de un cubo Se usan para asociar dimensiones comunes a múltiples medidas

Caso de Estudio

Detalles de los cubos

►Representa un conjunto de medidas agrupadas y jerárquicamente organizadas por dimensiones

►Las celdas de los cubos aumentan exponencialmente en función de los atributos que contienen.

►Los cubos se almacenan en particiones que no son visibles a los usuarios de los cubos

►Las particiones permiten la distribución de los orígenes de datos entre múltiples servidores

Características para los administradores

►Soporte para cluster►Múltiples instancias►Copia de seguridad de bases de datos SSAS

en un único archivo►Mejoras de seguridad

Seguridad por defectoEncriptación de bases de datosMayor granularidad de permisosAutentificación WindowsPermisos a nivel de cubo ,dimensión e incluso

celdas individuales

Características para los desarrolladores

►El número de miembros de las dimensiones no tiene un limite en 64000

►Múltiples modelos de almacenamientoRelational OLAP (ROLAP)Multidimensional OLAP (MOLAP)Hybrid OLAP (HOLAP)

►Soporte multilenguaje►Nuevos asistentes de minería de datos►Posibilidad de modificar cálculos sin tener que

reprocesar cubos

Características para los desarrolladores► Entornos de gestión:

Intelligence Development Studio (BIDS) SQL Server Management Studio

► MDX Scripting Posibilidad de integrar los scripts con ensamblados externos

► XML/A Esta basado en Simple Object Access Protocol (SOAP) Aporta acceso universal a cualquier entorno multidimensional a través

de HTTP► ADOMD.NET

proveedor estándar de .NET que permite a los clientes acceder a orígenes de datos multidimensionales

► AMO Librería de objetos .NET utilizada en aplicaciones para administrar

SSAS mediante programaciónDimensiones, atributos, cubos, seguridad.

Unified Dimensional Modeling

Unified Dimensional Model (UDM)

► Combina el modelo relacional, el multidimensional y el híbrido en un solo modelo de datos

► Permite a los procesos de análisis y reporting de OLAP ser transparentes al método de almacenamiento.

► Está construido como una capa de abstracción sobre los datos y aporta una pasarela entre cómo los usuarios finales ven los datos y cómo los datos finales son físicamente almacenados

BI Corporativo - Hoy

DW

Datamart

Datamart

Modelos

Reporting Tool (3)

MOLAP

MOLAP

Reporting Tool (2)

HerramientasDatos

OLAP Browser (2)

OLAP Browser (1)

Reporting Tool (1)

BI Corporativo - Hoy

DW

Datamart

Datamart

Modelos

Reporting Tool (3)

MOLAP

MOLAP

Reporting Tool (1)

HerramientasDatos

OLAP Browser (2)

OLAP Browser (1)

Reporting Tool (1)

Datos Duplicados

Modelos Duplicados

OLAPvs.Relacional

Relacional vs OLAPCaracterística Relacional OLAP

Flexibilidad del esquema

Acceso a datos en tiempo real

Almacenamiento único de datos

Gestión simple

Informes detallados

Alto rendimiento

Orientación al usuario final

Facilidad de exploración y navegación

Riqueza analítica

Riqueza semántica

BI Corporativo – UDM

DW

Datamart

Datamart

Modelos

BI Applications

MOLAP

MOLAP

Reporting Tool (1)

HerramientasDatos

OLAP Browser (2)

OLAP Browser (1)

Reporting Tool (1)UDM

LOB

AnalysisServices

MOLAP

MOLAP

Analysis Services – Servidor UDM

DW

Datamart

Datamart

Modelos HerramientasDatos

UDM

Cache

Dashboards

Informes ricos

Frontales de BI

Hojas de cálculo

Informes Ad-Hoc

XM

L/A

or

OLED

B

DW

Datamart

UDM: Componentes

UDM

Seguridad

Vistas de orígenes de datosCustomerID (PK)NameAge

OrderOrder# (PK)CustomerIDDueDate

Modelo dimensional base• Cubos y Dimensiones

Cálculos (scripts Mdx)Scope(Customer.Country.USA, *); Sales = 2;End Scope;

Modelo usuario final• Multi lenguaje• Acciones• KPIs …

Políticas de Almacenamiento/Caching

Característica Relacional OLAP

Flexibilidad del esquema Acceso a datos en tiempo real Almacenamiento único de datos Gestión simple Informes detallados Alto rendimiento Orientación al usuario final Facilidad de exploración y navegación Riqueza analítica Riqueza semántica

Analysis Services 2008: el punto de inflexión

AS 2008 UDM

Demo: Creación de un UDM

Business Intelligence Development Studio ► Versión personalizada de Visual Studio que permite diseñar y desplegar soluciones

end-to-end de business intelligence. ► Proyectos de Analysis Services que contienen la definición de objetos de Analysis

Services

Visual Studio IDE

Asistente para Cubos► Recibe la información necesaria para definir :

Data Source View Tablas de hecho y dimensión Jerarquías

► Una vez creado el cubo puede ser modificado mediante el Cube Designer.

Métodos de Construcción ► Puede generarse un cubo empleando o no un data source

Con data source, es necesario especificar un data source view valido y seleccionar las tablas de hecho y de dimensión

Sin data source es necesario definir las tablas para generar el data source view

Identificando Tablas de Hecho y de Dimensiones

► Una vez seleccionado el data source view el Cube Wizard automáticamente analiza las relaciones entre las tablas

► Para esto se basa en las claves primarias y secundarias, así como en los datos numéricos de las tablas ► Cuenta con la posibilidad de seleccionar tablas de hecho y dimensiones para representar la dimensión

tiempo► Ofrece la posibilidad de especificar dimensiones compartidas incluida a través de múltiples cubos

Mapeo de periodos de tiempo► Creación de jerarquías de dimensiones de tiempo basándonos en las

columnas seleccionadas de la tabla de dimensión de tiempo.► La granularidad de la dimensión de tiempo se determina en función de las

reglas de negocio de la organización y de las necesidades de reporting

Selección de Medidas y Revisión de la Jerarquía de Dimensiones

► Las medidas son las cantidades agregadas que son analizadas a través de varias dimensiones

► Las columnas clave o de referencia no participan en los grupos de medidas.► El asistente para cubos automáticamente detecta las jerarquías entre medidas y nos

ofrece la posibilidad de revisar sus resultados para excluir dimensiones o jerarquías.

Añadiendo Business Intelligence al Cubo ► Pueden añadírsele al cubo expresiones MDX o scripts , así como modificar cálculos.► La clase de BI elegida determina los elementos de la solución que serán afectados► El asistente realiza cambios en los data source views, dimensiones y definiciones de

cubo en base al tipo de inteligencia seleccionada

Indicadores de Rendimiento (Key Performance Indicators)

► Solo podemos añadir KPI si el cubo está procesado

► Una vez añadidas es necesario reprocesar el cubo

Acciones► Son sentencias MDX almacenadas y mantenidas por una base de datos de Analysis Services ► Son ejecutadas por aplicaciones cliente► Contienen información sobre cuando y como las sentencias MDX serán mostradas y manejadas

por las aplicaciones cliente► Para ejecutar una acción un usuario final debe realizar una operación especifica que la

inicialice

Perspectivas►Aportan facilidad de acceso a los datos ►Similares a las vistas en SQL Server►Aportan un subconjunto de datos

Múltiples lenguajes

Funciones definidas por el usuario► SSAS aporta funciones intrínsecas para utilizarse con MDX y con lenguajes Data Mining Extensions (DMX)► Posibilidad de añadir esemblados a instancias o bases de datos de Analysis Services, para crear funciones

externas definidas por el usuario en lenguajes como Visual Basic® .NET o Microsoft Visual C#® .NET. ► Tras añadir el ensamblado los métodos públicos de la librería son expuestos como funciones definidas por el

usuario a las expresiones, procedimientos, cálculos y acciones MDX y DMX. ► Para llamar a una función definida por el usuario es necesario hacer referencia a su nombre completo

Select<Assembly>.<Class>.<Method>(<parameters>)on 0 from<Cube>

Administración de SSAS 2008

Migración a SSAS 2008► Analysis Services Migration Wizard:

Gráficamente Línea de comandos:

MigrationWizard.exe MSSQLServerOLAPService arrancado

en origen y destino► En el proceso de migración el asistente

copia las bases de datos de SSAS 2000 y las recrea en una instancia de SSAS 2008.

► Las bases de datos de origen se mantienen intactas

► Para un mayor rendimiento resulta interesante migrar las bases de datos de una en una

Autentificación de usuarios►Autentificación por defecto►Si la instancia está configurada para permitir acceso

anónimo Windows no autentica a los usuarios►Tras autenticar a un usuario Analysis Services comprueba

los permisos asociados para visualizar, actualizar datos o realizar tareas administrativas.

►Para poder realizar tareas los roles tienen que tener permiso a nivel de los distintos objetos de la base de datos

►Al instalar una instancia de SSAS todos los miembros de grupo local de administradores (incluidos los administradores del dominio) tienen permiso para realizar cualquier tarea

►Como novedad, se requiere aprovisionamiento para las cuentas administrativas

Analysis Services server role►Rol fijo que aporta acceso administrativo a objetos en una

instancia de SSAS. ►No pueden añadirse o eliminarse permisos de este rol►Los miembros pueden acceder a todos las bases de datos y

objetos de las instancias de SSAS. Creación de bases de datos y configuración de propiedades Mantenimiento de roles de base de datos Gestión de trazas

►Por defecto todos los administradores del domino son administradores locales

Es posible deshabilitar la opción de servidor Security-BuiltinAdminsAreServerAdmins

Aunque los administradores locales son miembros por defecto del rol no aparecen en el interface de usuario

Roles de base de datos► Se definen para gestionar el

acceso a los objetos y a los datos por parte de usuarios no administradores

► Un Rol de base de datos con Full Control (Administrator) puede realizar las siguientes tareas

Gestionar objetos de base de datos

Leer datos y metadatos Añadir usuarios a roles existentes Generar nuevos roles de base de

datos Definir permisos para los roles de

base de datos

Proceso de un cubo► Implica una serie de pasos que convierten y almacenan los

datos de un data source en un formato multidimensional para aportar mayor velocidad en las consultas

► Mediante el proceso pueden actualizarse datos en la en Analysis Services con respecto al origen de los datos

► Si se realizan cambios en un objeto es necesario volver a hacer un deploy del cubo

► Los objetos que deben mantenerse actualizados a través del proceso son

Grupos de medidas Particiones Dimensiones Cubos Bases de datos

► El proceso de los objetos contenedores implica el proceso de todos los objetos contenidos

► El proceso puede hacerse mediante: SQL Server Management Studio Business Intelligence Development Studio. XML for Analysis Services (XMLA) Analysis Management Objects (AMO). Tareas de SSIS

Optimización del rendimiento de SSAS

► Mediante el SQL Profiler podemos:

► Depurar sentencias MDX.► Identificar instrucciones MDX

que funcionan con lentitud► Auditar y revisar las

actividades que suceden en una instancia de Analysis Services

► Se dispone del asistente de optimización de agregaciones basado en el uso

Gestión de particiones► Las particiones se basan en grupos de medidas ► Pueden utilizarse para mantener la integridad de los datos derivados de una tabla de

hecho, una vista en un data source, o una consulta con nombre en un data source view ► Las particiones mejorar el rendimiento distribuyendo los orígenes de datos y los

agregados entre múltiples discos o múltiples servidores► Por defecto una partición se crea cuando un grupo de medidas es definido en un cubo► Partición horizontal

Cada partición se basa en una consulta SQL que filtra los datos para la particiónPor ejemplo una tabla contiene datos de varios países, el grupo de medidas puede dividirse por países podemos hacer esto mediante una cláusula WHERE.

► Partición vertical Cada partición se basa en tablas separadas

Por ejemplo varias bases de datos tienen tablas separadas para los datos de cada país

Caché proactivo► Cada partición puede tener una opción de almacenamiento

distinta para cada grupo de medidas► MOLAP los datos y los agregados se almacenan en archivos

multidimensionales. ► ROLAP los agregados se almacenan en tablas de las bases de

datos relacionales especificadas en el data source Permite navegar inmediatamente por los cambios más recientes del

origen de datos aunque el rendimiento es menos eficiente que en MOLAP

► HOLAP combina los dos anteriores Como en ROLAP los detalles se almacenan en formato relacional Como en MOLAP los agregados de la partición se almacenan en una

estructura multidimensional

Caché proactivo II► Las consultas definidas contra objetos OLAP van contra el

almacenamiento ROLAP o MOLAP en función de si los datos han sido modificados recientemente

► Estas consultas se dirigen y almacenan el área de almacenamiento MOLAP hasta que los cambios ocurren en el origen de datos

► Después que los datos cambian en el origen de datos, los datos en el caché MOLAP se eliminan y se colocan en el área de almacenamiento ROLAP.

► Mientras tanto los objetos MOLAP se reconstruyen en caché ► Después de que las consultas se reconstruyen y procesan son devueltas al

área de almacenamiento MOLAP.► También se puede hacer caché proactivo borrando los objetos MOLAP

actuales, las consultas son entonces definidas contra los objetos MOLAP mientras los datos son leídos y procesados en una nueva caché este método aporta mejor rendimiento pero muchos resultados en las consultas pueden retornar datos antiguos mientras la nueva caché está siendo generada

Programación en SSAS 2008

MDX Query Editor ► Permite la creación, comprobación y ejecución de consultas

Object Explorer ► Aporta la organización jerárquica de los objetos de base de datos

Atributos►Son bloques de construcción de dimensiones►Cada atributo se corresponde con una o más columnas de la

tabla de dimensiones►Los cubos contienen atributos organizados en dimensiones que

apuntan a las medidas►En una dimensión los atributos están tipicamente organizados

en jerarquías.►Una dimensión es una colección de atributos utilizados para

organizar un cubo.►Un cubo puede contener atributos a través de varias

dimensiones►Como resultado los atributos no son jerarquicos y se utilizan

para obtener datos de los miembros de un cubo.

Subcubos►Es un conjunto lógico de un cubo que puede ser

tratado como un cubo►Es un conjunto persistente de celdas que es devuelta

desde un cubo cuando una expresión MDX lo evalúa►CREATE SUBCUBE.

Conjuntos de Nombres►Expresión a la que se le asigna un alias►Se usan para definir objetos asociados a un cubo►Se almacena como parte de la definición de un cubo►Se crea para ser reutilizado en consultas MDX►Permite identificar expresiones de sintaxis compleja►CREATE [SESSION] SET

Cube_Expression.<Set_Identifier AS 'Set_Expression'>►Pueden crearse conjuntos de nombres en los

siguientes ámbitos: Consulta

WITH SET < Set_Identifier AS 'Set_Expression'>) Sesión

Almacén de cálculos en un cubo ► Un calculo es una expresión MDX o script que se utiliza para definir objetos

asociados con un cubo► Podemos generarlo con el Cube Designer

API’s disponibles►XML/A►ADOMD.NET►ANALYSIS MANAGAMENT OBJECTS (AMO)

XML/A► Protocolo estandarizado para acceder a datos mediante servicios Web sin necesidad de

interfaces COM► AMO y ADOMD.NET utilizan XMLA cuando se comunican con una instancia de SSAS.► Hace referencia a dos métodos accesibles Discover y Execute► Discover devuelve información desde un servicio Web la información puede ser una lista de

orígenes de datos disponibles en un servidor o detalles sobre un origen de datos especifico► Execute Envía comandos a una instancia utilizando SOAP y protocolos HTTP.

ADOMD.NET►Aporta acceso a clientes a orígenes de datos

multidimensionales►Permite entornos conectados y desconectados

Conectados objeto AdomdDataReader Desconectados objeto CellSet

AMO►La librería AMO de .NET permite manejar objetos de

Analysis Services , así como la seguridad y el proceso de cubos

Herramientas OLAP►SQL Server 2005/2008 Reporting Services►Microsoft Excel 2003/2007/2010►Microsoft Data Analyzer►Herramientas desarrolladas

AddIn para ExcelAplicaciones Asp o Asp.netWebparts para Sharepoint (Scorecard Accelerator)

►BI Portal►Microsoft Office Bussiness Scorecard Manager 2005►Microsoft Office PerformancePoint Server 2007►Herramientas de terceros

Novedades en SQL Server Analysis Services 2008

►Asistente de Dimensiones mejorado (Atributos “browsables”)

►Recomendaciones de mejores prácticas en el entorno►Entorno gráfico para relaciones de atributos mejorado►Conjuntos dinámicos mejorados (Dynamics Set)►Uso de vistas de rendimiento dinámico (Dynamics

Managements Views)

Soluciones de minería de datos en SSAS 2008

Introducción al Data Mining► Su razón de ser el analizar conjuntos de datos y plantearles

cuestiones de negocio► También permite generar modelos de predicción y evaluar su

acierto► Antes de generar soluciones de Data Mining es preciso crear

modelos que describan el problema de negocio► Un modelo de data mining se basa en un conjunto de

algoritmos que se construyen a partir de las reglas fundamentales del analisis.

Exploracion Descubrimiento de patrones Prediccion de patrones

► Por ultimo es preciso definir los datos que se emplearan para realizar predicciones en el modelo

¿Qué es Data Mining? “Data mining es la extracción semi-automática de patrones, cambios, asociaciones, anomalías y otras estructuras estadísiticas significativas de grandes volúmenes de datos”- R. Grossman

“La extracción no-trivial de información implícita, previamente desconocida y potencialmente útil desde los datos" - W. Frawley, et al 1992

“La ciencia de extraer información útil desde grandes volúmenes de datos o bases de datos” - D. Hand, et al 2001

► También conocido como: Máquina de aprendizaje Análysis Predictivo

Escenarios de Data Mining► Qué clientes comprarán un determinado producto con una probabilidad X?

Clasificación (Predicción)► Cúal es el perfil de un cliente?

Segmentación► Recomendar un producto a un cliente que realiza una determianda compra

Asociación► Probabilidad de que un cliente compre un producto en el futuro

Predicción de secuencias► Predecir la venta de los próximos 5 meses y su error (stdev)

Forecasting

Algoritmos Data Mining► Decision Trees► Naïve Bayesian► Clustering► Sequence Clustering► Association Rules► Neural Network► Time Series► ….

Algoritmos Data Mining

√ √ √ √ √ √

√ √ √ √ √

√ √ √

√ √ √ √ √ √

√ √ √

√

√

Decisi

on Tree

sNaïv

e Bay

esCluste

ring

Seq. C

lusterin

gTim

e Seri

es

Associa

tion ru

lesNeu

ral N

etwork

Classification

Regression

Segmentaion

Assoc. Analysis

Anomaly Detect.

Seq. Analysis

Time series

√ - Segunda Opción√ - Primera Opción

Algoritmos►Naive Bayes

Identifica atributos mas aproximados a un resultado final Es el algoritmo más simple

►Decision Tree Identifica el arbol de atributos que mejor predice un

resultado Aporta una jerarquia de atributos utiles para tomar una

decision►Cluster

Identifica como los datos forman subgrupos y como estos subgrupos son diferentes unos de otros, encuentra patrones sin un objetivo especifico

Algoritmos►Association rule

Identifica un subgrupo de datos que participa en una transacción especifica. Suele emplearse para localizar tendencias de consumo

►Sequence cluster Identifica el evento que probablemente ocurrirá a

continuación►Time Series

Identifica tendencias que están sucediendo Toma como parámetro un atributo baso en tiempo Útil para realizar pronósticos

►Neural network Identifica el arbol de atributos que mejor predice el resultado Similar al de decission pero tiene una estructura

tridimensional

Modelos de Data Mining►Podemos aplicar modelos a los siguientes escenarios:

Tendencias de ventas Que productos pueden venderse juntos Secuencia en la que los consumidores añaden productos a

sus cestas►Se crean después de que un algoritmo analiza un

conjunto de datos y encuentra patrones y tendencias en los datos

►El resultado se emplea para establecer parámetros en el modelo

►Tipos Relacionales OLAP

Pasos para la creación de modelos de Data Mining

► Definir el problema► Preparar los datos► Explorar los datos► Construir el modelo► Explorar y evaluar el modelo► Desplegar y actualizar el modelo

Creación de estructuras de Data Mining

►Especificaremos los siguiente: El algoritmo inicial del modelo. La dimensión del cubo que se

quiere usar como origen de datos Un atributo que puede emplearse

como clave de modelo, en base al que se seleccionaran los atributos y las medidas utilizadas

Contenidos y tipos de datos de cada columna

Data Mining Designer

Data Mining Extensions (DMX) ►Lenguaje para crear y trabajar con modelos de mineria►Contiene instrucciones DML y DDL