Partilhar via


Tutorial de mineração de dados intermediário (Analysis Services – Mineração de dados)

O Microsoft Analysis Services proporciona um ambiente integrado para criar e trabalhar com modelos de mineração de dados. Você pode se associar com facilidade a fontes de dados, criar e testar vários modelos com os mesmos dados e implantar modelos a serem usados na análise de previsão.

No Tutorial de data mining básico, você aprendeu a usar o Business Intelligence Development Studio para criar uma solução de data mining e construiu três modelos para dar suporte a uma campanha de mala direta para análise de comportamento de compra de clientes e para atingir compradores potenciais.

Para concluir o tutorial a seguir, você deve estar familiarizado com as ferramentas de data mining e os visualizadores de modelo de mineração apresentados no Tutorial de data mining básico. Esse tutorial intermediário desenvolve essa experiência e apresenta diversos cenários novos, inclusive a previsão e a análise de cesta de compras. Você aprenderá a criar um modelo de série temporal, um modelo de associação e um modelo de clustering de sequência. Você também aprenderá a usar tabelas aninhadas em um modelo e a criar filtros em tabelas aninhadas.

Todos os cenários usam a fonte de dados AdventureWorksDW2008R2, mas você criará exibições da fonte de dados diferentes para cenários diferentes. Você poderá fazer as lições em qualquer ordem, desde que crie a fonte de dados primeiro.

As lições são independentes e podem ser concluídas separadamente.

Cenários das lições

Depois do seu sucesso com a campanha de mala direta, será preciso aplicar o seu conhecimento de mineração de dados no desenvolvimento de vários novos modelos a serem usados no planejamento comercial. Entre eles, podemos incluir os seguintes tipos de modelo novos:

  • Modelos de série temporal, para prever as vendas de produtos em diferentes regiões do mundo. Você desenvolverá modelos individuais para cada região e um modelo geral que poderá ser usado para previsão cruzada.

  • Modelo de associação, para analisar agrupamentos de produtos comprados durante visitas ao site de comércio eletrônico do Ciclos da Adventure Works. Com base nesse modelo de cesta de compras, você poderá recomendar produtos aos clientes.

  • Modelo de clustering de sequências, para analisar a ordem em que os clientes compram produtos. Com base nesse modelo, é possível planejar alterações no design do site ou novas ofertas de produtos.

  • Modelo de rede neural e modelos de regressão logística -- para executar análise exploratória de dados da central de atendimento. Com base nos aprofundamentos do modelo preliminar, você criará um modelo para identificar possíveis estratégias para melhorar a experiência do cliente com a central de atendimento.

O que você aprenderá

Este tutorial ensina como criar e trabalhar com vários tipos de algoritmos de data mining. Também apresenta os seguintes conceitos:

  • Usando tabelas aninhadas para criar modelos

  • Escolhendo uma chave de tabela aninhada, uma chave de série temporal ou uma chave de sequência

  • Filtrando tabelas aninhadas durante a criação de modelos ou nas previsões

  • Determinando se você tem dados suficientes para dar suporte a um modelo

  • Criando um modelo geral e aplicando-o a vários conjuntos de dados

Este tutorial se divide nas seguintes lições:

Requisitos

Verifique se os seguintes itens estão instalados:

  • Microsoft SQL Server 2008 R2

  • Microsoft SQL Server Analysis Services

  • SQL Server com o banco de dados do AdventureWorksDW2008R2.

Por padrão, e para reforçar a segurança, os bancos de dados de exemplo não são instalados. Para instalar os bancos de dados oficiais do Microsoft SQL Server, visite a página Microsoft SQL Sample Databases e selecione SQL Server 2008R2.

ObservaçãoObservação

Ao trabalhar com um tutorial, talvez você ache mais fácil ir e voltar nas etapas se adicionar os botões Próximo tópico e Tópico anterior à barra de ferramentas do visualizador de documentos. Para obter mais informações, consulte Adicionando os botões Próximo e Anterior à Ajuda.