使用SQL Server分析服務(wù)定位目標(biāo)用戶
如何定位目標(biāo)用戶，在任何一個業(yè)務(wù)單元中都是一個很重要的話題，尤其在預(yù)算有限的情況下，如何獲得活動的最大收益，目標(biāo)用戶的定位都是很重要的手段。
本文將介紹如何通過SQL Server分析服務(wù)(SSAS)中的數(shù)據(jù)挖掘功能根據(jù)歷史記錄信息來定位目標(biāo)用戶。
微軟的SQL Server為數(shù)據(jù)平臺提供了一套完整的解決方案，他不只是一個數(shù)據(jù)引擎，也提供了很多數(shù)據(jù)工具和服務(wù)，借助其中的分析服務(wù)，結(jié)合業(yè)務(wù)系統(tǒng)中的海量歷史數(shù)據(jù)信息，SQL SERVER就可以幫助我們發(fā)現(xiàn)其中的模式和規(guī)律，從而對目標(biāo)數(shù)據(jù)做預(yù)測分析。
在實(shí)際中，不同的挖掘模型適用于不同的問題場景，同一個問題模式下可能有多個模型都適合解決這個問題，這樣對于問題的解決來說就多了很多可對比性，從而我們可以根據(jù)每個模型預(yù)測的準(zhǔn)確程度選擇一個最優(yōu)的模型。
在本文的目標(biāo)用戶定位的問題上，采用三種挖掘模型進(jìn)行比較，分別是決策樹，貝葉斯和聚類算法。
本文使用的SQL SERVER版本是2012，示例數(shù)據(jù)庫是Adventure Works的數(shù)據(jù)倉庫，關(guān)于如何獲取以及部署這個示例數(shù)據(jù)倉庫，可以參考我的這篇隨筆：
http://www.cnblogs.com/aspnetx/archive/2013/01/30/2883831.html
首先，建立數(shù)據(jù)挖掘項(xiàng)目，打開SQL DATA TOOLS，也就是Visual Studio 2010的那個Shell。
新建一個多維和數(shù)據(jù)挖掘的分析服務(wù)項(xiàng)目。
項(xiàng)目建立完畢后，新建數(shù)據(jù)源連接。
選擇部署好的Adventure Works DW連接。
輸入模擬身份信息，本演示用為了簡便直接使用本地管理員賬戶（當(dāng)然生產(chǎn)環(huán)境中是不建議這么做的）。
#p#
為數(shù)據(jù)源連接起名。
新建數(shù)據(jù)源視圖。
選擇剛才建立的數(shù)據(jù)源連接。
從左邊可選對象列表中選取兩個對象，一個是表ProspectiveBuyer，一個是視圖vTargetMail。
為數(shù)據(jù)源視圖取名。
可以在數(shù)據(jù)源視圖中看到添加進(jìn)來的兩個表。
#p#
其中左面的表是在數(shù)據(jù)倉庫經(jīng)過整合的一批數(shù)據(jù)，用來訓(xùn)練和驗(yàn)證模型。右面的表是待預(yù)測的表，將在模型生成完畢后對這個表里的數(shù)據(jù)進(jìn)行預(yù)測。
新建挖掘結(jié)構(gòu)。
同時(shí)為挖掘結(jié)構(gòu)指定一個挖掘模型，這里選擇決策樹模型。需要留意的是，一個挖掘結(jié)構(gòu)可以有很多挖掘模型，不過在通過工具創(chuàng)建一個挖掘結(jié)構(gòu)的時(shí)候需要指定一個挖掘模型。
選擇剛才建立的數(shù)據(jù)源視圖。
選取事例表vTargetMail。ProspectiveBuyer是后續(xù)要用來進(jìn)行預(yù)測的，所以這里先忽略這個表。
首先，在Key列一欄選擇CustomerKey，用來指定鍵列。
#p#
然后選擇輸入列：
Age
CommuteDistance
EnglishEducation
EnglishOccupation
Gender
GeographyKey
HouseOwnerFlag
MaritalStatus
NumberCarsOwned
NumberChildrenAtHome
Region
TotalChildren
YearlyIncome
最后，選中以下列表左側(cè)需要選擇的列。這些列不作為模型的考慮元素，但是會用在模型的鉆取結(jié)果上。
AddressLine1
AddressLine2
DateFirstPurchase
EmailAddress
FirstName
LastName
確認(rèn)內(nèi)容類型，這里有兩處需要更改，一處是Geography Key改為Discrete離散型的，以及BikeBuyer改為discrete離散型的。
關(guān)于內(nèi)容類型的參考：
http://technet.microsoft.com/zh-cn/library/ms174572
關(guān)于數(shù)據(jù)類型的參考：
http://technet.microsoft.com/zh-cn/library/ms174796
設(shè)定測試數(shù)據(jù)的比例。也就是說，在所有的歷史數(shù)據(jù)中，這里將決定，有多少數(shù)據(jù)用來訓(xùn)練模型，有多少數(shù)據(jù)用來對模型進(jìn)行準(zhǔn)確度測試。
這里可以指定百分比或者最大測試事例數(shù)，當(dāng)兩個都有配置的時(shí)候，系統(tǒng)會取最小測試事例集合的配置。
為挖掘結(jié)構(gòu)和挖掘模型取名，并且選中允許鉆取的選項(xiàng)。
#p#
至此一個決策樹模型生成完畢。
點(diǎn)擊挖掘模型標(biāo)簽，可以更直觀的看到挖掘結(jié)構(gòu)和挖掘模型的結(jié)構(gòu)。
接下來根據(jù)已經(jīng)創(chuàng)建好的挖掘結(jié)構(gòu)，創(chuàng)建其它挖掘模型。
右鍵點(diǎn)擊挖掘結(jié)構(gòu)，選擇新建挖掘模型，為挖掘結(jié)構(gòu)添加另外幾個模型用于對預(yù)測結(jié)果進(jìn)行比對。
#p#
為挖掘模型取名，并在算法中選擇聚類算法。
按照同樣的方法，再創(chuàng)建一個貝葉斯模型。
由于貝葉斯模型不支持連續(xù)變量，所以這里會出現(xiàn)提示。繼續(xù)即可。
可以看到創(chuàng)建好的三個模型，并且每個模型中各個字段的用法。
點(diǎn)擊工具欄上的處理按鈕，對模型進(jìn)行部署和處理。
第一次部署或者項(xiàng)目有過修改都會出現(xiàn)這樣一個提示，點(diǎn)Yes。
處理界面，直接點(diǎn)擊Run開始處理。
#p#
處理過程中，處理的時(shí)間取決于訓(xùn)練數(shù)據(jù)的大小以及機(jī)器的硬件性能。當(dāng)然對于Adventure Works的這個示例來說，通常就是10多秒的事。
挖掘結(jié)構(gòu)處理完畢后，下面來簡單瀏覽一下各個挖掘模型。點(diǎn)擊挖掘模型瀏覽器標(biāo)簽。然后在Mining Mode中選定TU_DecisonTree決策樹模型。
可以看到，Microsoft 決策樹算法通過在樹中創(chuàng)建一系列拆分來生成數(shù)據(jù)挖掘模型。 這些拆分以"節(jié)點(diǎn)"來表示。 每當(dāng)發(fā)現(xiàn)輸入列與可預(yù)測列密切相關(guān)時(shí)，該算法便會向該模型中添加一個節(jié)點(diǎn)。 離根節(jié)點(diǎn)距離越近的屬性，說明這個屬性的變化對預(yù)測列的影響變化更大。
右鍵每一個節(jié)點(diǎn)，可以鉆取到詳細(xì)信息。
選擇第一項(xiàng)，查看模型包含的列:
也可以選擇鉆取模型和挖掘結(jié)構(gòu)模型的信息，這樣前面在左側(cè)定義的列就會顯示出來，方便定位詳細(xì)信息。
#p#
瀏覽聚類分析模型，這里可以看到各個分類之間的關(guān)系，通過拖動左面的滑塊可以看到相互之間關(guān)系的強(qiáng)弱。
瀏覽貝葉斯模型，在途中可以看到是否是目標(biāo)客戶，模型分析出的幾個關(guān)鍵因素，也可以通過左邊的話快查看這些因素有強(qiáng)到弱的關(guān)系。
接下來，將對各個模型進(jìn)行測試。雖然對于一個問題可以應(yīng)用很多模型來解決，但往往只有一個才是最優(yōu)的，效率最高的。對模型的測試主要是用到提升圖。
首先，點(diǎn)擊Mining Accuracy Chart選項(xiàng)卡，確定用于提升圖的數(shù)據(jù)是Use mining model test cases。
然后點(diǎn)擊Lift Chart標(biāo)簽，系統(tǒng)會顯示根據(jù)測試數(shù)據(jù)生成的提升圖。
#p#
從提升圖的結(jié)果來看，決策樹的預(yù)測性能明顯高于其它模型。
關(guān)于提升圖，首先，對角線是隨機(jī)概率的結(jié)果，最上面的線是最佳理想的預(yù)測結(jié)果，所以實(shí)際的模型預(yù)測效率都是介于這兩條線之間。
關(guān)于提升圖的更多信息可以參考微軟的這篇文檔：
http://technet.microsoft.com/zh-cn/library/ms175428
在已經(jīng)確定決策樹模型是最優(yōu)模型之后，如果還希望根據(jù)性別的不同分析購買風(fēng)格的差異，可以創(chuàng)建篩選模型。
首先，回到Mining Models選項(xiàng)卡，右鍵單擊創(chuàng)建好的決策樹模型，選擇新建模型。
在彈出的界面中，給新模型取一個名：TU_DecisionTree_Male，算法選擇Microsoft 決策樹。
點(diǎn)擊OK完成后，右鍵點(diǎn)擊新建的模型，選擇Set Model Filter…
在Conditions中選擇Gender = M。
#p#
按照同樣的方法，建立另外一個TU_DecisionTree_Female，Model Filter中 Conditions選擇Gender = F。
創(chuàng)建完兩個新篩選模型后，點(diǎn)擊提升圖。將Predict Value設(shè)置成1，以驗(yàn)證目標(biāo)客戶預(yù)測的性能。
點(diǎn)擊Lift Chart查看提升圖。
可以看到，三個決策樹模型的預(yù)測性能都是高于其它模型的。
模型測試完畢，可以判斷決策樹是基于定位目標(biāo)用戶最佳的預(yù)測模型。接下來是用決策樹模型對一個表中的數(shù)據(jù)進(jìn)行預(yù)測。
#p#
首先，選擇Mining Model Prediction選項(xiàng)卡。
點(diǎn)擊Select Model…選擇前面建立的TU_DecisionTree模型。
然后點(diǎn)擊Select Case Table…選擇實(shí)例表ProspectiveBuyer。
點(diǎn)擊OK后，可以看到在表ProspectiveBuyer中并沒有對應(yīng)的Age列，而這一列是在預(yù)測過程中需要參考的一個重要列，所以回到數(shù)據(jù)源視圖，在ProspectiveBuyer表里加入一個計(jì)算列。
右鍵單擊表ProspectiveBuyer點(diǎn)擊New Named Calculation…
#p#
在彈出的界面中為計(jì)算成員取名并填寫計(jì)算公式：
可以看到新建的列已經(jīng)添加到字段列表的末尾。在數(shù)據(jù)源視圖中添加的列可以理解為在物理視圖和表上，在項(xiàng)目里建立的視圖，所以實(shí)際上并沒有對實(shí)際的表或者視圖的結(jié)構(gòu)進(jìn)行更改。
然后回到預(yù)測界面，將Mining Model中的Age列拖拽到Select Input Table(s)中剛建立好的CalAge列。
點(diǎn)擊界面左上角的小圖標(biāo)，切換到Design設(shè)計(jì)模式。
在下方的網(wǎng)格列表中，Source選擇Prediction Function。
指定一個別名Result，然后在Criteria/Argument中，把Bike Buyer字段從上方的Mining Model中拖拽過來。
然后在下方的網(wǎng)格列表中，Source選擇TM_DecisionTree，F(xiàn)iled選擇Bike Buyer。最后在下面幾行中Source指定ProsepectiveBuyer然后Filed中依次指定calAge, FirstName, LastName和AddressLine1以及AddressLine2。
#p#
點(diǎn)擊工具圖標(biāo)切換到Result結(jié)果視圖。
可以看到目標(biāo)數(shù)據(jù)的預(yù)測結(jié)果。
另外，也可以切換到Query模式查看系統(tǒng)生成的DMX語句。
至此，通過建立數(shù)據(jù)挖掘模型，并且選擇最優(yōu)模型之后，對目標(biāo)用戶列表里的數(shù)據(jù)進(jìn)行了預(yù)測，從而幫助用戶更有效率的確定了目標(biāo)潛在用戶。這樣的預(yù)測在某些場景下是非常有用的，比如企業(yè)最近要做一個活動推廣，但是費(fèi)用成本不足以給所有的客戶進(jìn)行推廣，所以這個時(shí)候決定給哪些客戶來推送推廣服務(wù)就可以有效的降低推廣活動的成本并且獲取最高的推廣收益。
以上，如何使用SQL Server分析服務(wù)來定位目標(biāo)用戶介紹完畢。關(guān)于如何將這個數(shù)據(jù)挖掘的功能加入到現(xiàn)有的項(xiàng)目中，可以參考我寫的另外一篇關(guān)于購物籃推薦的系列隨筆，里面會有介紹如何構(gòu)建Web服務(wù)以及編寫簡單的應(yīng)用訪問這個服務(wù)從而使用數(shù)據(jù)挖掘的功能。
原文鏈接：http://www.cnblogs.com/aspnetx/archive/2013/04/05/3000448.html
