Neuerungen Analysis Services
Neuerungen Analysis Services Analysis Services ermöglicht Ihnen das Entwerfen, Erstellen und Visualisieren von Data Mining-Modellen. Diese Mining-Modelle können aus anderen Datenquellen konstruiert werden. Dazu stehen eine Vielzahl von Data Mining-Algorithmen nach Industriestandards zur Verfügung. Diese neueste Version von Microsoft SQL Server Analysis Services enthält neue Fe atures und Erweiterungen. Verbesserungen im Modell-Design Erstellen von Zurückhaltungstestsätzen Beim Erstellen einer Miningstruktur können Sie nun die in dieser Struktur enthaltenen Daten in Trainings- und Testsätze aufteilen. Die Definition der Partition wird mit der Struktur gespeichert, sodass die Trainings- und Testsätze mit beliebigen Miningmodellen, die auf dieser Struktur basieren, wiederverwendet werden können. Die Daten werden nach dem Zufallsprinzip auf die Trainings- und die Testpartition aufgeteilt. Wenn Sie eine Partition neu erstellen müssen, können Sie jedoch auch den zum Erstellen der Partitionen verwendeten Ausgangswert angeben. Sie können die Größe des Testsatzes als Prozentsatz der Gesamtanzahl der Zeilen, als maximale Anzahl der Zeilen oder als Kombination dieser Anforderungen angeben. Filtern nach Modellfällen Sie können nun Filter an ein Miningmodell anfügen und diese beim Trainieren und beim Testen anwenden. Durch Anwenden eines Filters auf das Modell können Sie steuern, welche Daten zum Trainieren des Modells verwendet werden. Zudem wird dadurch die Bewertung der Leistung des Modells für Datenteilmengen vereinfacht. Angenommen, Sie möchten die Genauigkeit eines Targeted Mailing-Modells nur für Kunden ermitteln, deren Einkommen ein bestimmtes Niveau übersteigt. Beim Erstellen des Prognosegütediagramms können Sie den Filter auf die Spalte Income des Miningmodells anwenden und nur Ergebnisse für die eine gewünschte Demographie anzeigen. In Business Intelligence Development Studio stehen zudem neue Filter-Editoren zur Verfügung, mit denen Sie komplexe Bedingungen erstellen können, die sowohl auf Falltabellen als auch auf geschachtelte Tabellen angewendet werden können.
Übergreifende Überprüfung mehrerer Miningmodelle Die übergreifende Überprüfung ist eine feststehende Methode zur Bewertung der Genauigkeit von Data Mining-Modellen. Die übergreifende Überprüfung ist ein iterativer Vorgang, bei dem die Daten der Miningstruktur in Teilmengen partitioniert werden, Modelle für die Teilmengen erstellt werden und dann die Genauigkeit der Modelle für die einzelnen Partitionen gemessen wird. Die zurückgegebene Statistik gibt Aufschluss über die Zuverlässigkeit des Miningmodells, und Sie können Modelle, die auf der gleichen Struktur basieren, einfacher vergleichen. Die übergreifende Überprüfung ist in der Sicht Mininggenauigkeitsdiagramm des Data Mining-Designers verfügbar. Sie können auch eine Miningstruktur partitionieren, mehrere Miningmodelle testen und mithilfe von gespeicherten Prozeduren aus Analysis Services eine Analyse generieren. In SQL Server 2008 geben Sie zum Generieren eines Berichts für die übergreifende Überprüfung die Miningstruktur und das vorhersagbare Attribut an und legen dann die Anzahl von Folds fest, in die die Falldaten aufgeteilt werden sollen. Analysis Services gibt eine Tabelle zurück, die statistische Daten wie Wahrscheinlichkeit oder Wurzel des mittleren Fehlers zum Quadrat für einzelne Partitionen sowie die mittlere und die Standardabweichung aller Measures für die aggregierten Modelle enthält. Verbesserungen des Microsoft Time Series-Algorithmus Dem Microsoft Time Series-Algorithmus wurde ein neuer Algorithmus hinzugefügt, der die Genauigkeit und Stabilität bestimmter Vorhersagen in Zeitreihenmodellen verbessert. Der auf dem bekannten ARIMA- Algorithmus basierende neue Algorithmus bietet bessere Langzeitvorhersagen als der von Analysis Services verwendete ARTxp- Algorithmus. (ARTxp ist ein Algorithmus für eine autoregressive Entscheidungsstruktur, der entweder für eine einzelne Zeitscheibe oder für kurzfristige Vorhersagen optimiert ist.) Standardmäßig wird bei der neuen Implementierung des Microsoft Time Series- Algorithmus der ARTxp-Algorithmus zum Trainieren einer Version des Modells und der ARIMA-Algorithmus zum Trainieren einer anderen Version verwendet. Der Algorithmus gewichtet dann die Ergebnisse der beiden Modelle, um die von Ihnen bevorzugten Vorhersagemerkmale bereitzustellen. Wenn Sie diese Standardimplementierung nicht verwenden möchten, können Sie angeben, dass der Microsoft Time Series-Algorithmus nur den ARTxp-Algorithmus oder nur den ARIMA-Algorithmus verwenden soll. In SQL Server 2008 Enterprise können Sie eine benutzerdefinierte Gewichtung der Algorithmen angeben, um die beste Vorhersage für einen variablen Zeitraum zu erhalten. Der Microsoft Time Series-Algorithmus akzeptiert nun auch Daten während der Vor-
hersage, um neue Geschäftsszenarien zu ermöglichen. Sie können z. B. ein Umsatzprognosemodell erstellen, das auf Durchschnittswerten für Produkte, regionale Aggregate oder für ein anderes breites Dataset basiert. Dieses Modell können Sie dann auf die Zeitreihe anwenden, die die Verkaufszahlen für ein einzelnes Produkt anzeigt. Durch Anwenden des allgemeinen Modells profitieren Sie von der Stabilität und Verfügbarkeit der aggregierten Daten und können die Vorhersage für das einzelne Produkt anpassen. Sie können auch Modelle mit mehreren Reihen trainieren und diese Modelle dann auf neue Daten anwenden, um Was-wäre-wenn- Szenarien vorherzusagen. Drillthrough zu Strukturfällen und Strukturspalten Wenn Sie in SQL Server 2008 Drillthrough für eine Miningstruktur aktivieren, können Sie die Miningstruktur abfragen und Details zu den für Training und Testen verwendeten Fällen zurückgeben. Sie können Drillthroughabfragen für eine Struktur mit Data Mining- Erweiterungen (DMX) erstellen. Wenn für ein Miningmodell und die zugehörige Miningstruktur Drillthrough aktiviert ist, können Sie zudem Abfragen erstellen, mit denen Datenspalten aus der zugrunde liegenden Miningstruktur abgerufen werden. Dies ist nützlich, wenn Sie detaillierte Informationen zu Fällen in einem bestimmten Knoten abrufen möchten. Sie könnten z. B. Kontaktinformationen für Kunden in einem bestimmten Cluster abrufen. Aliasing für Miningmodellspalten Die können Spalten in einem Miningmodell nun Aliase hinzufügen, um den Inhalt der Spalten leichter erkennen und in DMX- Anweisungen einfacher auf die Spalten verweisen zu können. Wenn Sie z. B. eine Miningstruktur erstellen, die kontinuierliche und diskretisierte Versionen der gleichen Daten enthält, können Sie beiden Spalten den gleichen Namen zuweisen, um sie leichter vergleichen zu können.
Verbesserungen im Bereich Integration Unterstützung für die Data Mining-Add-Ins für Office 2007 SQL Server 2008 unterstützt die Erstellung, Verwaltung und Verwendung von Data- Mining-Modellen von Microsoft Excel, wenn Sie die SQL Server 2008-Data-Mining-Add-Ins für Office 2007 verwenden. Die neueste Version dieses beliebten kostenlosen Add-Ins wurde durch die Einführung von Unterstützung für serverseitiges Trainieren, Testpartitionen, Kreuzvalidierung und mehreren neuen Analysetools verbessert, wie beispielsweise die Warenkorbanalyse und ein druckbarer Vorhersagerechner. Sie können außerdem den Dokumentenmodell-Assistenten verwenden, um auf einfache Weise Dokumentation für Strukturen und Modelle zu erstellen, die in einer Instanz von SQL Server 2008 gespeichert sind. Abfragen der Data Mining-Schemarowsets In SQL Server 2008 wurden viele der bestehenden OLE DB Data Mining-Schemarowsets als Gruppe von Systemtabellen verfügbar gemacht, die Sie mit DMX-Anweisungen problemlos abfragen können. Dies erleichtert es, auf Modelle und Strukturen bezogene Metadaten abzurufen, Details des Miningmodellinhalts zu extrahieren oder eine Instanz oder einen Service von Analysis Services zu überwachen. Verbesserungen im Bereich Infrastruktur Gleichzeitige Installation mit SQL Server 2005 Analysis Services SQL Server 2008 Analysis Services kann jetzt parallel zu SQL Server 2005 Analysis Services (SSAS) installiert werden. Sichern und Wiederherstellen von Analysis Services-Datenbanken Die Möglichkeit zum Sichern und Wiederherstellen einer Analysis Services-Datenbank wurde verbessert. Es bestehen weniger Einschränkungen hinsichtlich der Größe der Datenbank, und der Zeitaufwand für Sicherungs- und Wiederherstellungsvorgänge wurde erheblich reduziert.