SQL Server 2000 分析服務數據挖掘：決策樹與聚類算法實戰

數據挖掘是 SQL Server 2000 分析服務最令人振奮的新功能。它自動分析數據獲取相關信息，與 OLAP 多維數據集集成時威力最大——結構化數據源免去了向算法饋送海量原始信息的麻煩。

三大分析模式對比

• 針對性分析：已知問題，如「近四季漢堡營業額與利潤？」
• 探測性分析：知方向不知細節，如「哪些門店虧損？為何？」通過鑽取、切片（「數據衝浪」）尋找線索
• 數據挖掘：無預設假設，自動瀏覽、尋找模式、提交預測——探測性分析的理想拍檔

雙核心算法：決策樹與聚類

通過 OLE DB for Data Mining (OLE DB for DM) API 實現，第三方可插入新算法。

• 決策樹：將信息分類為樹狀結構，預測目標屬性。例：輸入收入/婚姻/教育 → 預測信用風險
• 聚類：發現數據自然分組。例：客戶自動分為「已婚高學歷低收入」、「單身高收入」、「低學歷高收入」三群，每群呈現不同購買模式

挖掘模型創建全流程

1. 分析管理器 → FoodMart 2000 → 挖掘模型資料夾 → 新建挖掘模型
2. 選擇多維數據集來源 → Sales 多維數據集
3. 選擇 Microsoft Decision Trees 算法
4. 選擇容器：Customers 維度 + Name 層級
5. 定義預測目標：Yearly Income（Name 層的成員屬性）
6. 選擇輸入屬性：Customers 維所有層級及成員屬性（Yearly Income 同時作為輸入輸出，用於訓練）
7. 創建虛擬多維數據集：新增 PredictIncome 挖掘維度
8. 命名模型（IncomeModel）並立即處理

處理完成後，挖掘模型編輯器將展示決策樹圖譜、聚類特徵圖等可視化結果，業務分析師可直接解讀並應用於精準營銷、風險控制等場景。