Bergbau & statistische Datenanalyse mit SQL
Datamining und statistische Analyse verwenden einen Prozess, um verwertbare Informationen aus großen Datenmengen zu entdecken. Die SQL Server-Umgebung bietet eine integrierte Platz zum Erstellen und arbeiten mit Data Mining-Modellen. Microsofts Business Intelligence Development Studio enthält Tools und Algorithmen Gebäudelösungen für viele verschiedene Arten von Data Mining-Projekte zu erleichtern.
Data-Mining-Techniken
Data-Mining-Techniken nutzen mathematische Analysen zur Ermittlung von vorhandenen Trends und Muster. In der Regel können diese Datenmuster mit traditionellen Methoden der Exploration, aufgrund der Komplexität oder große Datenmengen Beteiligten nicht gefunden werden. Neue Entwicklungen sind immer am Horizont, wie z. B. SQL Server Data Mining für die Cloud mit online Web-Services-Lösungen, die mehr Beweglichkeit zu bieten. SQL Server-DM mit Excel und PowerPivot verwendet Datamining und statistische Analysemethoden innerhalb einiger der beliebtesten Business-Tools von Microsoft.
Datentrends und Muster
Datamining und statistische Analysen mit SQL verwenden Informationen Trends und Muster Miningmodelle erstellen. Dieser Prozess beinhaltet Fragen zu Daten, beim Erstellen eines Modells für die Beantwortung dieser Fragen. Modelle können dann in geeignete Arbeitsumgebung bereitgestellt werden. Mithilfe von SQL, können Trends und Muster auch definiert und als Data Mining-Modellen gesammelt. Bestimmten Data Mining-Modellen können dann z. B. auf bestimmten Geschäftsszenarien, zugewiesen werden, für die Suche nach Produkten eher zusammen verkauft werden oder in einer Reihenfolge, dass Kunden ihnen zu Einkaufswagen, für die Umsatzvorhersage und für gezielte Kunden-Mailings.
Bau-Data-Mining-Modelle
SQL kann verwendet werden, Data Mining-Modelle zu bauen, mit etwa sechs Schritte. Der Prozess beginnt mit definieren das Problem dann Vorbereitung der Daten und die Daten, um die Modelle eigentlich zu bauen, zu erforschen. Die letzten Schritte können enthalten, studieren und Überprüfen von Datenmodellen, und schließlich Bereitstellung und Aktualisierung von Data Mining-Modellen. Diese Schritte für die Verwendung von SQL Data Mining-Modelle zu bauen brauchen eigentlich nicht nacheinander erfolgen.
Data Mining-Prozesses
Das Datamining und statistische Analyse Prozess mit SQL dynamischer Natur ist. Zum Beispiel kann nach der Erkundung der Informationen, erkannt werden, dass die gefundenen Daten nicht ausreichend genug, um entsprechende Miningmodelle erstellen. Daher wird sie weitere relevante Informationen suchen. Es wäre auch ratsam, mehrere Modelle aus dem experimentieren, bis eine intuitive Antwort auf spezifische Probleme Flächen zu bauen.
Projekt-Entwicklung
Manchmal müssen die Benutzer das Problem angesprochen werden neu definieren. Modelle müssen auch nach der bereitgestellt wird, aktualisiert werden, wie neue Daten sichtbar werden. Schließlich kann jeder Schritt wiederholte Bemühungen bei der Suche nach Erstellung des am besten geeigneten Modells für jedes Datamining und statistische Analyse-Projekt mithilfe von SQL erfordern.