Diapositiva 1

Especialista en Business Intelligence Analysis Services SSAS (Sesin 13) Microsoft SQL Server 2008 R2 (2013) Suscribase a http://addkw.com/ o escrbanos a service@addkw.com

Diapositiva 2

Especialista en BI (SSAS) Agenda SQL Server Analysis Services Minera de Datos Conceptos Algoritmos de minera de datos Clasificacin, regresin, segmentacin, asociacin y anlisis de secuencia. Modelos de Minera de Datos Arboles de decisin Clustering Tipos de datos y tipos de contenido Aplicaciones Source: SAP AG

Diapositiva 3

Heterogeneous data sources End-to-End BI Offering END USER TOOLS AND PERFORMANCE MANAGEMENT APPS Excel PerformancePoint Server BI PLATFORM SQL Server Reporting Services SQL Server Reporting Services SQL Server Analysis Services SQL Server Analysis Services SQL Server DBMS SQL Server Integration Services SharePoint Server DELIVERY Reports Dashboards Excel Workbooks Excel Workbooks Analytic Views Analytic Views Scorecards Plans

Diapositiva 4

Ayudan a identificar patrones en los datos, que le permiten determinar las razones por las que suceden las cosas, y a crear reglas y recomendaciones, con las que puede predecir lo que ocurrir en el futuro. Minera de Datos

Diapositiva 5

Utiliza el anlisis matemtico para deducir los patrones y tendencias que existen en los datos. Normalmente, estos patrones no se pueden detectar mediante la exploracin tradicional de los datos porque las relaciones son demasiado complejas o porque hay demasiados datos. Minera de Datos

Diapositiva 6

Los modelos de minera de datos se pueden aplicar a situaciones empresariales como las siguientes: Pronstico: clculo de las ventas y prediccin de las cargas del servidor o del tiempo de inactividad del servidor. Riesgo y probabilidad: eleccin de los mejores clientes para la distribucin de correo directo, determinacin del punto de equilibrio probable para los escenarios de riesgo, y asignacin de probabilidades a diagnsticos y otros resultados. Recomendaciones: determinacin de los productos que se pueden vender juntos y generacin de recomendaciones. Bsqueda de secuencias: anlisis de los artculos que los clientes han introducido en el carrito de la compra y prediccin de posibles eventos. Agrupacin: distribucin de clientes o eventos en grupos de elementos relacionados, y anlisis y prediccin de afinidades. Minera de Datos

Diapositiva 7

Cada proyecto de minera de datos contiene los cuatro tipos siguientes de objetos: orgenes de datos; vistas del origen de datos, que se basan en los orgenes de datos; estructuras de minera de datos, que definen cmo se utilizan los datos en el modelo; y modelos de minera de datos, que crean y almacenan los patrones. Minera de Datos

Diapositiva 8

Mientras que una estructura de DM define el dominio de datos, un modelo de DM define el modo de aplicar los datos de ese dominio a un problema determinado. Una vez creada una estructura, puede agregar varios modelos de DM a dicha estructura. Minera de Datos

Diapositiva 9

Es un conjunto de clculos y reglas heursticas que permite crear un modelo de minera de datos a partir de los datos. Para crear un modelo, el algoritmo analiza primero los datos proporcionados, en busca de tipos especficos de patrones o tendencias. El algoritmo usa los resultados de este anlisis para definir los parmetros ptimos para la creacin del modelo de minera de datos. A continuacin, estos parmetros se aplican en todo el conjunto de datos para extraer patrones procesables y estadsticas detalladas. Algoritmos de Minera de Datos

Diapositiva 10

Analysis Services incluye los siguientes tipos de algoritmos: Algoritmos de clasificacin, que predicen una o ms variables discretas, basndose en otros atributos del conjunto de datos. Algoritmos de regresin, que predicen una o ms variables continuas, como las prdidas o los beneficios, basndose en otros atributos del conjunto de datos. Algoritmos de segmentacin, que dividen los datos en grupos, o clsteres, de elementos que tienen propiedades similares. Algoritmos de asociacin, que buscan correlaciones entre diferentes atributos de un conjunto de datos. La aplicacin ms comn de esta clase de algoritmo es la creacin de reglas de asociacin, que pueden usarse en un anlisis de la cesta de compra. Algoritmos de Minera de Datos

Diapositiva 11

Analysis Services incluye los siguientes tipos (continuacin): Algoritmos de anlisis de secuencias, que resumen secuencias o episodios frecuentes en los datos, como un flujo de rutas web. La minera de datos le permite generar varios modelos en una nica estructura de minera de datos, por lo que en una solucin de minera de datos puede usar un algoritmo de clsteres, un modelo de rboles de decisin y un modelo de Bayes nave para obtener distintas vistas de los datos. Tambin puede usar varios algoritmos dentro de una nica solucin para realizar tareas independientes: por ejemplo, podra usar la regresin para obtener predicciones financieras, y un algoritmo de red neuronal para realizar un anlisis de los factores que influyen en las ventas. Algoritmos de Minera de Datos

Diapositiva 12

rboles de decisin de Microsoft Son utilizados principalmente con propsitos de clasicacin, pero son tambin tiles para descubrir caractersticas de los datos que no son directamente visibles. Un rbol de decisin es un modelo predictivo, que permite que las observaciones acerca de las caractersticas de un elemento conduzcan a conclusiones acerca de un valor objetivo. (Leonardo Jimnez Moscovitz - Fundacin Universitaria Konrad Lorenz). Modelos

Diapositiva 13

Un rbol de decisin es un modelo de prediccin. Un rbol de decisin tiene unas entradas las cuales pueden ser un objeto o una situacin descrita por medio de un conjunto de atributos y a partir de esto devuelve una respuesta la cual en ltimas es una decisin que es tomada a partir de las entradas. Los valores que pueden tomar las entradas y las salidas pueden ser valores discretos o continuos.discretoscontinuos De forma ms concreta, refirindonos al mbito empresarial, podemos decir que los rboles de decisin son diagramas de decisiones secuenciales que nos muestran sus posibles resultados. stos ayudan a las empresas a determinar cuales son sus opciones al mostrarles las distintas decisiones y sus resultados (Wikipedia). Modelos

Diapositiva 14

rboles de decisin de Microsoft Para los atributos discretos, el algoritmo hace predicciones basndose en las relaciones entre las columnas de entrada de un conjunto de datos. Especficamente, el algoritmo identifica las columnas de entrada que se correlacionan con la columna de prediccin. Por ejemplo, en un escenario para predecir qu clientes van a adquirir probablemente una bicicleta, si nueve de diez clientes jvenes compran una bicicleta, pero solo lo hacen dos de diez clientes de edad mayor, el algoritmo infiere que la edad es un buen elemento de prediccin en la compra de bicicletas. Modelos

Diapositiva 15

rboles de decisin de Microsoft Para los atributos continuos, el algoritmo usa la regresin lineal para determinar dnde se divide un rbol de decisin. Si se define ms de una columna como elemento de prediccin, el algoritmo genera un rbol de decisin independiente para cada columna de prediccin. Ejemplo Marketing desea identificar las caractersticas de los clientes antiguos que indicarian si es probable que realicen alguna compra futura. El DB almacena informacin demogrfica. Mediante los rboles de decisiones que analizan esta informacin, Marketing puede generar un modelo que predice si un cliente va a comprar productos, basndose en el estado de las columnas conocidas sobre ese cliente, como la demografa o los patrones de compra anteriores. Modelos

Diapositiva 16

Clustering (agrupamiento): Proceso de dividir un conjunto de datos en grupos mutuamente excluyentes de tal manera que cada miembro de un grupo est lo "ms cercano" posible a otro, y grupos diferentes estn lo "ms lejos" posible uno del otro, donde la distancia est medida con respecto a todas las variables disponibles (http://www.monografias.com/trabajos/datamining/datamining.shtml). Modelos

Diapositiva 17

El modelo de clsteres de Microsoft es un algoritmo de segmentacin suministrado por Analysis Services. El algoritmo utiliza tcnicas iterativas para agrupar los casos de un conjunto de datos dentro de clsteres que contienen caractersticas similares. Estas agrupaciones son tiles para la exploracin de datos, la identificacin de anomalas en los datos y la creacin de predicciones. Modelos

Diapositiva 18

Clustering: Se diferencia de otros modelos de minera de datos, como el modelo de rboles de decisin, en que no se tiene que designar una columna de prediccin para generar un modelo de agrupacin en clsteres. El algoritmo de clsteres entrena el modelo de forma estricta a partir de las relaciones que existen en los datos y de los clsteres que identifica el algoritmo. Ejemplo Considere un grupo de personas que comparten informacin demogrfica similar y que adquieren productos similares de la empresa. Este grupo de personas representa un clster de datos. En una base de datos pueden existir varios clsteres como stos. Mediante la observacin de las columnas que forman un clster, puede ver con mayor claridad la forma en que los registros de un conjunto de datos se relacionan entre s.. Modelos

Diapositiva 19

Los tipos de datos indican al motor de minera de datos si los datos del origen de datos son numricos o de texto y cmo deben procesarse los datos. Tipos de Datos

Diapositiva 20

El tipo de contenido describe el comportamiento del contenido incluido en la columna. Por ejemplo, si el contenido de una columna se repite en un intervalo concreto, como los das de la semana, puede especificar el tipo de contenido de esa columna como cclico. Los tipos de contenido utilizados son: Discrete El tipo de contenido discreto indica que la columna contiene un nmero finito de valores no continuos. Por ejemplo, una columna de gnero es una columna de atributos discreta muy habitual, en la que los datos representan un nmero especfico de categoras. Continuo Continuo indica que la columna contiene valores que representan datos numricos en una escala que permite valores intermedios. A diferencia de una columna discreta, que representa datos numerables y finitos, una columna continua representa medidas escalables; adems, es posible que los datos contengan un nmero infinito de valores fraccionarios. Una columna de temperaturas es un ejemplo de una columna de atributos continua. El tipo de contenido Continuous es compatible con los siguientes tipos de datos: Date, Double y Long. Tipos de Contenido

Diapositiva 21

(Continuacin) Discretizado La discretizacin es el proceso mediante el cual los valores de un conjunto de datos continuo se incluyen en grupos o depsitos para que haya un nmero limitado de valores posibles. Slo se pueden discretizar los datos numricos. El tipo de contenido Discretized es compatible con los siguientes tipos de datos: Date, Double, Long y Text. Clave El tipo de contenido clave indica que la columna identifica una fila de forma inequvoca. Normalmente, en una tabla de casos, la columna de clave es un identificador numrico o de texto. Establezca el tipo de contenido en key para indicar que la columna no debe utilizarse para el anlisis, sino para realizar el seguimiento de los registros. Este tipo de contenido es compatible con los siguientes tipos de datos: Date, Double, Long y Text. Secuencia de claves El tipo de contenido secuencia de claves solamente se puede utiliza en modelos de agrupacin en clsteres de secuencia. Cuando se establece el tipo de contenido en key sequence, se indica que la columna contiene valores que representan una secuencia de eventos. Los valores estn ordenados y no tienen que estar separados por una distancia equivalente. Este tipo de contenido es compatible con los siguientes tipos de datos: Double, Long, Text y Date. Tipos de Contenido

Diapositiva 22

(Continuacin) Clave temporal El tipo de contenido clave temporal solamente se puede utilizar en modelos de serie temporal. Cuando se establece el tipo de contenido en key time, se indica que los valores estn ordenados y que representan una escala de tiempo. Este tipo de contenido es compatible con los siguientes tipos de datos: Double, Long y Date. Tabla El tipo de contenido tabla indica que la columna contiene otra tabla de datos, con una o ms columnas y una o ms filas. El tipo de datos de esta columna siempre es Table. Cclico El tipo de contenido cclico indica que la columna contiene valores que representan un conjunto ordenado cclico. Por ejemplo, los das numerados de la semana es un conjunto ordenado cclico, ya que el da nmero uno sigue al da nmero siete. Este tipo de contenido es compatible con todos los tipos de datos. Tipos de Contenido

Diapositiva 23

(Continuacin) Ordenado El tipo de contenido ordenado indica tambin que la columna contiene valores que definen una secuencia u orden. Sin embargo, en este tipo de contenido los valores utilizados para la ordenacin no implican ninguna relacin de distancia o magnitud entre los valores del conjunto. Por ejemplo, si una columna de atributos ordenados contiene informacin acerca de una lista de niveles de especializacin que vayan del uno al cinco, no existe informacin implcita entre los niveles de especializacin; un nivel cinco de especializacin no es necesariamente cinco veces mejor que un nivel uno de especializacin. Las columnas de atributos ordenados se consideran discretas en trminos de tipo de contenido. Este tipo de contenido es compatible con todos los tipos de datos Tipos de Contenido

Diapositiva 24

(Continuacin) Classified Adems de los tipos de contenido anteriores cuyo uso es comn en todos los modelos, para algunos tipos de datos puede utilizar columnas clasificadas para definir tipos de contenido. En la lista siguiente se describen los tipos de contenido que admite Analysis Services para las columnas clasificadas. PROBABILITY El valor de la columna es la probabilidad del valor asociado, un nmero entre cero y uno. VARIANCE El valor de la columna es la varianza del valor asociado. STDEVEl valor de la columna es la desviacin estndar del valor asociado. PROBABILITY_VARIANCE El valor de la columna es la varianza de la probabilidad del valor asociado. PROBABILITY_STDEV El valor de la columna es la desviacin estndar de la probabilidad del valor asociado. SUPPORT El valor de la columna es el peso, o factor de duplicacin del caso, del valor asociado. Tipos de Contenido

Diapositiva 25

Algunos algoritmos requieren tipos de datos y de contenido especficos para que funcionen correctamente. Por ejemplo, el algoritmo Bayes naive de Microsoft no puede utilizar columnas continuas como entrada ni predecir valores continuos. Algunos tipos de contenido, como Key Sequence, slo son utilizados por un algoritmo concreto. Tipos de Contenido

Diapositiva 26

La tabla siguiente proporciona sugerencias para los tipos de tareas para las que se usa normalmente cada algoritmo. Eleccin de Algoritmo por tarea

Diapositiva 27

La informacin proporcionada por el Visor de rbol de contenido genrico de Microsoft tambin se encuentra disponible si se consulta el modelo de minera de datos. Puede crear consultas en el contenido del modelo de minera de datos usando instrucciones de Extensiones de minera de datos (DMX). Por ejemplo, en SQL Server Management Studio, se puede realizar una consulta de contenido ejecutando la siguiente instruccin de DMX: SELECT * FROM [ ].CONTENT Consultar un modelo de DM