Código: HOL-SQL27

Microsoft SQL Server 2008 –

SQL Server Analysis Services

Rubén Alonso Cebrián

ralonso@informatica64.com
 Agenda
►Introducción
CaracterísticasGenerales de SQL Server 2008
►Conceptos y Arquitectura de SQL Server 2008 Analysis
Services (SSAS)
►Diseño y despliegue de un Unified Dimensional
Model (UDM)
►Administración de SSAS 2008
►Programación en SSAS 2008
►Soluciones de minería de datos en SSAS 2008
Introducción
Características generales SQL Server 2008

• Alta disponibilidad para aplicaciones corporativas

Gestión de datos • Mejoras en la seguridad
corporativos • Foco en la capacidad de administración. Auto optimización

• Integración con Visual Studio and .NET

Productividad del • Tecnología XML nativa
desarrollador • Interoperabilidad: estándares abiertos, Servicios Web

• Solución ETL completa

Inteligencia de • Ayuda a la decisión en tiempo real: informes, Data Mining
Negocio • Mejoras en escalabilidad y disponibilidad
Conceptos y Arquitectura de SQL
Server 2008 Analysis Services
SQL Server 2008 Analysis Services
►Microsoft® SQL Server™ 2008 Analysis Services (SSAS) aporta
funcionalidades OLAP y de minería de datos utilizando una
combinación de tecnologías de cliente y servidor
 Losservicios OLAP organizan los datos de un almacén de datos en
estructuras multidimensionales aportando respuestas a consultas de análisis.
►SSAS aporta:
 Organización y resumen de datos en estructuras multidimensionales para
responder consultas en tiempo real.
 Ayuda en la toma de decisiones criticas mediante el uso de patrones e
indicadores
 Introducción a Datawarehouse
Datos brutos frente a información de negocio
Captura de datos en bruto Sistema de
Derivando la información de negocio de los datos en bruto Soporte de
Devolución de datos en información valiosa Decisiones
Sistemas de fuentes de datos OLTP
Proceso en tiempo real de transacciones del negocio Sistema
Contienen estructuras de datos optimizados para edición transaccional de
Provee de capacidades de soporte de decisión limitado negocio

Características

• Proveen de datos para el proceso de análisis del negocio

• Integran datos desde sistemas de fuentes de datos heterogéneos
• Combinan datos validados frente a las reglas de negocio
• Organiza información no volátil
• Los datos se almacenan en estructuras que son optimizadas para extracción y consulta.
 Características de un Datawarehouse
Característica de base
Base de datos OLTP Base de datos OLAP
de datos
Orientación del sistema Ejecución y procesamiento de transacciones diarias Generación de información estratégica e histórica

Usuarios Oficinistas, contadores, personal informático, clientes, Gerentes, ejecutivos, juntas directivas, analistas de
jefes de departamentos operativos información.

Tipo de diseño de base de datos Modelo de datos entidad-relación y/o sistemas de base de Base de datos multidimensionales, esquemas
datos orientados a aplicaciones OLTP relacionales del tipo estrella, con objetivos estratégicos
en la información

Nivel de detalle de los datos Se almacenan con el mayor detalle ya que se trata de las Datos agregados en distintos niveles, no interesa el
transacciones específicas detalle sino el resumen de los datos

Características del Hardware y Servidores de pequeños a medianos, sistemas de alta Servidores de grandes a gigantes, optimizados para
configuración redundancia, configurados para tener recuperaciones almacenar grandes volúmenes de datos y responder a
ante fallos y optimizados para realizar transacciones consultas complejas que involucran mucha información
puntuales en línea y con multitud de usuarios y con pocos usuarios

Operaciones normales Mucha lectura y escritura: actualizaciones, inserciones, Básicamente, lectura de los datos: consultas complejas
sistemas de seguridad con alta redundancia, consultas. de los usuarios

Volúmenes de datos La información es siempre la actual, el volumen de datos Se almacena información histórica, creciendo los
no responde a la cantidad de transacciones que se Datawarehouse constantemente. Los volúmenes se
almacenen. De 100 MB a 1 o 2 GB. miden en Gigabytes a Terabytes.
 Cubos
►SSAS permite consultas grandes
cantidades de datos de forma flexible
gracias al almacenamiento de la o na
información en cubos 19
199 98
rc
B a adr
l
e id
la
9 M evi l
 El cubo es el interfaz primario entre 200 S
0
usuarios y datos en una aplicación de BI Producto 1
 Representa un conjunto lógico de datos en
un empresa, ventas, inventarios, Producto 2
transacciones, finanzas etc.
 Es una estructura multidimensional Producto 3

compuesta por varias celdas

 Mantiene los datos organizados dentro de
un almacén de datos
Características de Cubos
 Estructuras Básicas
►En el ejemplo anterior:
Dimensiones:
Modelo

Color

Vendedor

Fecha

Medida:
Cantidad Vendida
Tablas de hecho y Tablas de dimensiones
Employee_Dim
EmployeeKey
Tabla de dimensiones EmployeeID
...
Time_Dim
Product_Dim
TimeKey Tabla de hechos ProductKey
TheDate Sales_Fact
... TimeKey ProductID
EmployeeKey ...
ProductKey
CustomerKey
ShipperKey

Shipper_Dim Sales Amount Customer_Dim

Unit Sales ... CustomerKey
ShipperKey
ShipperID CustomerID
... ...
 Data Source y Data Source View

► Los data source contienen las tablas de

hecho y dimensión incluidas en el cubo
► Encapsula las cadenas de conexión y usa
proveedores de datos (OLEDB or .NET) para
crear la conexión al almacén de datos
► Aporta las credenciales para autentificar la
conexión
► Un data source view (DSV) representa el
modelo de datos en función de un
determinado data source.
► Permite encapsular el modelo de datos del
data source para crear consultas y relaciones.
► El Data Source View Wizard especifica el
esquema del DSV y lo hace apuntar a un o
varios data sources
 Dimensiones
► Organizan los datos en los cubos
► Describen una colección de atributos de
interés para un usuario
► Basados directa o indirectamente en tablas
► El nivel más bajo de definición de las
dimensiones son los atributos, que se
corresponden con las columnas de las tablas
de dimensión
► Dentro de una dimensión los atributos se
organizan en jerarquías para permitir al
usuario la navegación entre contenidos
► El orden de los atributos en una jerarquía se
especifica en función de niveles, desde el más
resumido al más detallado
► Los valores actuales de los atributos que
constituyen una jerarquía se denominan
miembros.
► Las dimensiones pueden generarse y
mantenerse mediante el Dimension Wizard y
el Dimension Designer.
Medidas y Grupos de medidas
► Un data source contiene tablas de hecho y tablas de medidas de un cubo
► Las tablas de hecho contienen datos numéricos del cubo que se corresponden con una columna en las
tablas de hecho denominada medida
► Las tablas de hecho también contienen las claves secundarias que se unen a las claves primarias en las
tablas de dimensión
► Las medidas representan elementos que son cuantificables
► SSAS resume las medidas y las hace visibles a través de jerarquías de varias dimensiones para ayudar en la
toma de decisiones
► Grupos de medidas
 Representan todas las medidas de una tabla de hecho dentro de un cubo
 Se usan para asociar dimensiones comunes a múltiples medidas
Caso de Estudio
 Detalles de los cubos
►Representa un conjunto de medidas agrupadas y
jerárquicamente organizadas por dimensiones
►Las celdas de los cubos aumentan exponencialmente
en función de los atributos que contienen.
►Los cubos se almacenan en particiones que no son
visibles a los usuarios de los cubos
►Las particiones permiten la distribución de los
orígenes de datos entre múltiples servidores
Características para los administradores
►Soporte para cluster
►Múltiples instancias
►Copia de seguridad de bases de datos SSAS
en un único archivo
►Mejoras de seguridad
Seguridad por defecto
Encriptación de bases de datos
Mayor granularidad de permisos
Autentificación Windows
Permisos a nivel de cubo ,dimensión e incluso
celdas individuales
Características para los desarrolladores
►El número de miembros de las dimensiones no
tiene un limite en 64000
►Múltiples modelos de almacenamiento
Relational
OLAP (ROLAP)
Multidimensional OLAP (MOLAP)

Hybrid OLAP (HOLAP)

►Soporte multilenguaje
►Nuevos asistentes de minería de datos
►Posibilidad de modificar cálculos sin tener que
reprocesar cubos
Características para los desarrolladores
► Entornos de gestión:
 Intelligence
Development Studio (BIDS)
 SQL Server Management Studio

► MDX Scripting
 Posibilidad de integrar los scripts con ensamblados externos
► XML/A
 Estabasado en Simple Object Access Protocol (SOAP)
 Aporta acceso universal a cualquier entorno multidimensional a través
de HTTP
► ADOMD.NET
 proveedor estándar de .NET que permite a los clientes acceder a
orígenes de datos multidimensionales
► AMO
 Librería de objetos .NET utilizada en aplicaciones para administrar
SSAS mediante programación
Dimensiones, atributos, cubos, seguridad.
Unified Dimensional Modeling
 Unified Dimensional Model (UDM)
► Combina el modelo relacional, el multidimensional y el híbrido en un solo modelo de
datos
► Permite a los procesos de análisis y reporting de OLAP ser transparentes al método de
almacenamiento.
► Está construido como una capa de abstracción sobre los datos y aporta una pasarela
entre cómo los usuarios finales ven los datos y cómo los datos finales son físicamente
almacenados
BI Corporativo - Hoy
Datos Modelos Herramientas

MOLAP OLAP
Browser (1)

MOLAP OLAP
Browser (2)

Datamart Reporting
Tool (1)

Datamart
Reporting
Tool (2)

DW Reporting
Tool (3)
 BI Corporativo - Hoy
Datos Modelos Herramientas

MOLAP OLAP
Browser (1)

OLAP MOLAP OLAP

vs. Browser (2)
Relacional
Datamart Reporting
Tool (1)

Datamart
Reporting
Tool (1)

DW Reporting
Tool (3)

Datos Modelos
Duplicados Duplicados
 Relacional vs OLAP
Característica Relacional OLAP
Flexibilidad del esquema  
Acceso a datos en tiempo real  
Almacenamiento único de datos  
Gestión simple  
Informes detallados  
Alto rendimiento  
Orientación al usuario final  
Facilidad de exploración y navegación  
Riqueza analítica  
Riqueza semántica  
BI Corporativo – UDM
Datos Modelos Herramientas

MOLAP OLAP
Browser (1)

MOLAP OLAP
Browser (2)

Datamart Reporting
UDM Tool (1)

Datamart
Reporting
Tool (1)

DW BI Applications
Analysis Services – Servidor UDM
Datos Modelos Herramientas

Hojas de cálculo
MOLAP Analysis
Services

XML/A or OLEDB
Frontales de BI
MOLAP

Datamart
Datamart Informes Ad-Hoc
UDM

LOB Datamart
Informes ricos
DW Cache
DW
Dashboards
UDM: Componentes
Seguridad

Modelo usuario final

• Multi lenguaje
• Acciones
• KPIs …

UDM
Scope(Customer.Country.USA, *);
Cálculos (scripts Mdx) Sales = 2;
End Scope;

Políticas de Almacenamiento/Caching

Modelo dimensional base

• Cubos y Dimensiones
Order Custome

Vistas de orígenes de datos

Order# (PK) r
CustomerID ID (PK)
DueDate Name
Age
Analysis Services 2008: el punto de inflexión
Característica Relacional OLAP
AS 2008 UDM
Flexibilidad del esquema   
Acceso a datos en tiempo real   
Almacenamiento único de datos   
Gestión simple   
Informes detallados   
Alto rendimiento   
Orientación al usuario final   
Facilidad de exploración y navegación   
Riqueza analítica   
Riqueza semántica   
Demo: Creación de un UDM
Business Intelligence Development Studio
► Versión personalizada de Visual Studio que permite diseñar y desplegar soluciones
end-to-end de business intelligence.
► Proyectos de Analysis Services que contienen la definición de objetos de Analysis
Services
Visual Studio IDE
 Asistente para Cubos
► Recibe la información necesaria para definir :
 Data Source View
 Tablas de hecho y dimensión
 Jerarquías

► Una vez creado el cubo puede ser modificado mediante el Cube Designer.
 Métodos de Construcción
► Puede generarse un cubo empleando o no un data source
 Con data source, es necesario especificar un data source view valido y seleccionar las
tablas de hecho y de dimensión
 Sin data source es necesario definir las tablas para generar el data source view
Identificando Tablas de Hecho y de Dimensiones
► Una vez seleccionado el data source view el Cube Wizard automáticamente analiza las relaciones entre las
tablas
► Para esto se basa en las claves primarias y secundarias, así como en los datos numéricos de las tablas
► Cuenta con la posibilidad de seleccionar tablas de hecho y dimensiones para representar la dimensión
tiempo
► Ofrece la posibilidad de especificar dimensiones compartidas incluida a través de múltiples cubos
 Mapeo de periodos de tiempo
► Creación de jerarquías de dimensiones de tiempo basándonos en las
columnas seleccionadas de la tabla de dimensión de tiempo.
► La granularidad de la dimensión de tiempo se determina en función de las
reglas de negocio de la organización y de las necesidades de reporting
 Selección de Medidas y Revisión de la
Jerarquía de Dimensiones
► Las medidas son las cantidades agregadas que son analizadas a través de varias
dimensiones
► Las columnas clave o de referencia no participan en los grupos de medidas.
► El asistente para cubos automáticamente detecta las jerarquías entre medidas y nos
ofrece la posibilidad de revisar sus resultados para excluir dimensiones o jerarquías.
Añadiendo Business Intelligence al Cubo
► Pueden añadírsele al cubo expresiones MDX o scripts , así como modificar cálculos.
► La clase de BI elegida determina los elementos de la solución que serán afectados
► El asistente realiza cambios en los data source views, dimensiones y definiciones de
cubo en base al tipo de inteligencia seleccionada
 Indicadores de Rendimiento (Key
Performance Indicators)
► Solo podemos añadir KPI si el cubo
está procesado
► Una vez añadidas es necesario
reprocesar el cubo
 Acciones
► Son sentencias MDX almacenadas y mantenidas por una base de datos de Analysis Services
► Son ejecutadas por aplicaciones cliente
► Contienen información sobre cuando y como las sentencias MDX serán mostradas y manejadas
por las aplicaciones cliente
► Para ejecutar una acción un usuario final debe realizar una operación especifica que la
inicialice
 Perspectivas
►Aportan facilidad de acceso a los datos
►Similares a las vistas en SQL Server
►Aportan un subconjunto de datos
Múltiples lenguajes
Funciones definidas por el usuario
► SSAS aporta funciones intrínsecas para utilizarse con MDX y con lenguajes Data Mining Extensions (DMX)
► Posibilidad de añadir esemblados a instancias o bases de datos de Analysis Services, para crear funciones
externas definidas por el usuario en lenguajes como Visual Basic® .NET o Microsoft Visual C#® .NET.
► Tras añadir el ensamblado los métodos públicos de la librería son expuestos como funciones definidas por el
usuario a las expresiones, procedimientos, cálculos y acciones MDX y DMX.
► Para llamar a una función definida por el usuario es necesario hacer referencia a su nombre completo
 Select<Assembly>.<Class>.<Method>(<parameters>)on 0 from<Cube>
Administración de SSAS 2008
 Migración a SSAS 2008
► Analysis Services Migration Wizard:
 Gráficamente
 Línea de comandos:
MigrationWizard.exe
 MSSQLServerOLAPService arrancado
en origen y destino
► En el proceso de migración el asistente
copia las bases de datos de SSAS 2000 y
las recrea en una instancia de SSAS 2008.
► Las bases de datos de origen se
mantienen intactas
► Para un mayor rendimiento resulta
interesante migrar las bases de datos de
una en una
Autentificación de usuarios
►Autentificación por defecto
►Si la instancia está configurada para permitir acceso
anónimo Windows no autentica a los usuarios
►Tras autenticar a un usuario Analysis Services comprueba
los permisos asociados para visualizar, actualizar datos o
realizar tareas administrativas.
►Para poder realizar tareas los roles tienen que tener
permiso a nivel de los distintos objetos de la base de
datos
►Al instalar una instancia de SSAS todos los miembros de
grupo local de administradores (incluidos los
administradores del dominio) tienen permiso para
realizar cualquier tarea
►Como novedad, se requiere aprovisionamiento para las
cuentas administrativas
Analysis Services server role
►Rol fijo que aporta acceso administrativo a objetos en una
instancia de SSAS.
►No pueden añadirse o eliminarse permisos de este rol
►Los miembros pueden acceder a todos las bases de datos y
objetos de las instancias de SSAS.
 Creación de bases de datos y configuración de propiedades
 Mantenimiento de roles de base de datos
 Gestión de trazas

►Por defecto todos los administradores del domino son

administradores locales
 Es posible deshabilitar la opción de servidor Security-
BuiltinAdminsAreServerAdmins
 Aunque los administradores locales son miembros por defecto del
rol no aparecen en el interface de usuario
 Roles de base de datos
► Se definen para gestionar el
acceso a los objetos y a los datos
por parte de usuarios no
administradores
► Un Rol de base de datos con Full
Control (Administrator) puede
realizar las siguientes tareas
 Gestionar objetos de base de
datos
 Leer datos y metadatos
 Añadir usuarios a roles existentes
 Generar nuevos roles de base de
datos
 Definir permisos para los roles de
base de datos
 Proceso de un cubo
► Implica una serie de pasos que convierten y almacenan los
datos de un data source en un formato multidimensional para
aportar mayor velocidad en las consultas
► Mediante el proceso pueden actualizarse datos en la en
Analysis Services con respecto al origen de los datos
► Si se realizan cambios en un objeto es necesario volver a hacer
un deploy del cubo
► Los objetos que deben mantenerse actualizados a través del
proceso son
 Grupos de medidas
 Particiones
 Dimensiones
 Cubos
 Bases de datos

► El proceso de los objetos contenedores implica el proceso de

todos los objetos contenidos
► El proceso puede hacerse mediante:
 SQL Server Management Studio
 Business Intelligence Development Studio.
 XML for Analysis Services (XMLA)
 Analysis Management Objects (AMO).
 Tareas de SSIS
Optimización del rendimiento de SSAS
► Mediante el SQL Profiler
podemos:
► Depurar sentencias MDX.
► Identificar instrucciones MDX
que funcionan con lentitud
► Auditar y revisar las
actividades que suceden en
una instancia de Analysis
Services
► Se dispone del asistente de
optimización de agregaciones
basado en el uso
 Gestión de particiones
► Las particiones se basan en grupos de medidas
► Pueden utilizarse para mantener la integridad de los datos derivados de una tabla de
hecho, una vista en un data source, o una consulta con nombre en un data source view
► Las particiones mejorar el rendimiento distribuyendo los orígenes de datos y los
agregados entre múltiples discos o múltiples servidores
► Por defecto una partición se crea cuando un grupo de medidas es definido en un cubo
► Partición horizontal
 Cada partición se basa en una consulta SQL que filtra los datos para la partición
Por ejemplo una tabla contiene datos de varios países, el grupo de medidas
puede dividirse por países podemos hacer esto mediante una cláusula WHERE.
► Partición vertical
 Cada partición se basa en tablas separadas
Por ejemplo varias bases de datos tienen tablas separadas para los datos de cada
país
 Caché proactivo
► Cada partición puede tener una opción de almacenamiento
distinta para cada grupo de medidas
► MOLAP los datos y los agregados se almacenan en archivos
multidimensionales.
► ROLAP los agregados se almacenan en tablas de las bases de
datos relacionales especificadas en el data source
 Permitenavegar inmediatamente por los cambios más recientes del
origen de datos aunque el rendimiento es menos eficiente que en
MOLAP
► HOLAP combina los dos anteriores
 Como en ROLAP los detalles se almacenan en formato relacional
 Como en MOLAP los agregados de la partición se almacenan en una
estructura multidimensional
 Caché proactivo II
► Las consultas definidas contra objetos OLAP van contra el
almacenamiento ROLAP o MOLAP en función de si los datos han sido
modificados recientemente
► Estas consultas se dirigen y almacenan el área de almacenamiento
MOLAP hasta que los cambios ocurren en el origen de datos
► Después que los datos cambian en el origen de datos, los datos en el
caché MOLAP se eliminan y se colocan en el área de almacenamiento
ROLAP.
► Mientras tanto los objetos MOLAP se reconstruyen en caché
► Después de que las consultas se reconstruyen y procesan son devueltas al
área de almacenamiento MOLAP.
► También se puede hacer caché proactivo borrando los objetos MOLAP
actuales, las consultas son entonces definidas contra los objetos MOLAP
mientras los datos son leídos y procesados en una nueva caché este
método aporta mejor rendimiento pero muchos resultados en las
consultas pueden retornar datos antiguos mientras la nueva caché está
siendo generada
Programación en SSAS 2008
 MDX Query Editor
► Permite la creación, comprobación y ejecución de consultas
 Object Explorer
► Aporta la organización jerárquica de los objetos de base de datos
 Atributos
►Son bloques de construcción de dimensiones
►Cada atributo se corresponde con una o más columnas de la
tabla de dimensiones
►Los cubos contienen atributos organizados en dimensiones que
apuntan a las medidas
►En una dimensión los atributos están tipicamente organizados
en jerarquías.
►Una dimensión es una colección de atributos utilizados para
organizar un cubo.
►Un cubo puede contener atributos a través de varias
dimensiones
►Como resultado los atributos no son jerarquicos y se utilizan
para obtener datos de los miembros de un cubo.
 Subcubos
►Es un conjunto lógico de un cubo que puede ser
tratado como un cubo
►Es un conjunto persistente de celdas que es devuelta
desde un cubo cuando una expresión MDX lo evalúa
►CREATE SUBCUBE.
 Conjuntos de Nombres
►Expresión a la que se le asigna un alias
►Se usan para definir objetos asociados a un cubo
►Se almacena como parte de la definición de un cubo
►Se crea para ser reutilizado en consultas MDX
►Permite identificar expresiones de sintaxis compleja
►CREATE [SESSION] SET
Cube_Expression.<Set_Identifier AS 'Set_Expression'>
►Pueden crearse conjuntos de nombres en los
siguientes ámbitos:
 Consulta
WITH SET < Set_Identifier AS 'Set_Expression'>)
 Sesión
Almacén de cálculos en un cubo
► Un calculo es una expresión MDX o script que se utiliza para definir objetos
asociados con un cubo
► Podemos generarlo con el Cube Designer
 API’s disponibles
►XML/A
►ADOMD.NET
►ANALYSIS MANAGAMENT OBJECTS (AMO)
 XML/A
► Protocolo estandarizado para acceder a datos mediante servicios Web sin necesidad de
interfaces COM
► AMO y ADOMD.NET utilizan XMLA cuando se comunican con una instancia de SSAS.
► Hace referencia a dos métodos accesibles Discover y Execute
► Discover devuelve información desde un servicio Web la información puede ser una lista de
orígenes de datos disponibles en un servidor o detalles sobre un origen de datos especifico
► Execute Envía comandos a una instancia utilizando SOAP y protocolos HTTP.
 ADOMD.NET
►Aporta acceso a clientes a orígenes de datos
multidimensionales
►Permite entornos conectados y desconectados
Conectados objeto AdomdDataReader
Desconectados objeto CellSet
 AMO
►La librería AMO de .NET permite manejar objetos de
Analysis Services , así como la seguridad y el proceso
de cubos
 Herramientas OLAP
►SQL Server 2005/2008 Reporting Services
►Microsoft Excel 2003/2007/2010
►Microsoft Data Analyzer
►Herramientas desarrolladas
AddIn para Excel
Aplicaciones Asp o Asp.net
Webparts para Sharepoint (Scorecard Accelerator)

►BI Portal
►Microsoft Office Bussiness Scorecard Manager 2005
►Microsoft Office PerformancePoint Server 2007
►Herramientas de terceros
 Novedades en SQL Server Analysis
Services 2008
►Asistente de Dimensiones mejorado (Atributos
“browsables”)
►Recomendaciones de mejores prácticas en el entorno
►Entorno gráfico para relaciones de atributos mejorado
►Conjuntos dinámicos mejorados (Dynamics Set)
►Uso de vistas de rendimiento dinámico (Dynamics
Managements Views)
Soluciones de minería de
datos en SSAS 2008
Introducción al Data Mining
► Su razón de ser el analizar conjuntos de datos y plantearles
cuestiones de negocio
► También permite generar modelos de predicción y evaluar su
acierto
► Antes de generar soluciones de Data Mining es preciso crear
modelos que describan el problema de negocio
► Un modelo de data mining se basa en un conjunto de
algoritmos que se construyen a partir de las reglas
fundamentales del analisis.
 Exploracion
 Descubrimiento de patrones
 Prediccion de patrones

► Por ultimo es preciso definir los datos que se emplearan para

realizar predicciones en el modelo
 ¿Qué es Data Mining?
“Data mining es la extracción semi-automática de patrones, cambios, asociaciones, anomalías y
otras estructuras estadísiticas significativas de grandes volúmenes de datos”
- R. Grossman

“La extracción no-trivial de información implícita, previamente desconocida y potencialmente útil

desde los datos"
- W. Frawley, et al 1992

“La ciencia de extraer información útil desde grandes volúmenes de datos o bases de datos”
- D. Hand, et al 2001

► También conocido como:

 Máquina de aprendizaje
 Análysis Predictivo
 Escenarios de Data Mining
► Qué clientes comprarán un determinado producto con una probabilidad X?
 Clasificación (Predicción)
► Cúal es el perfil de un cliente?
 Segmentación
► Recomendar un producto a un cliente que realiza una determianda compra
 Asociación
► Probabilidad de que un cliente compre un producto en el futuro
 Predicción de secuencias
► Predecir la venta de los próximos 5 meses y su error (stdev)
 Forecasting
 Algoritmos Data Mining
► Decision Trees
► Naïve Bayesian
► Clustering
► Sequence Clustering
► Association Rules
► Neural Network
► Time Series
► ….
 Algoritmos Data Mining

s
ule
ing

k
or
s

nr
ee

ter

tw
s

tio
ies
Tr

ye

Ne
lus
ing

cia
ion

Ba

er
C

al
so
ter

eS
cis

ur
q.
ïve

As
us

Se

Ne
Tim
De

Na

Cl
√ √ √ √ √ √ Classification
√ √ √ √ √ Regression
√ √ √ Segmentaion
√ √ √ √ √ √ Assoc. Analysis
√ √ √
Anomaly Detect.
√
Seq. Analysis
√
Time series

√ - Primera Opción √ - Segunda Opción

 Algoritmos
►Naive Bayes
 Identifica atributos mas aproximados a un resultado final
 Es el algoritmo más simple

►Decision Tree
 Identifica el arbol de atributos que mejor predice un
resultado
 Aporta una jerarquia de atributos utiles para tomar una
decision
►Cluster
 Identifica
como los datos forman subgrupos y como estos
subgrupos son diferentes unos de otros, encuentra patrones
sin un objetivo especifico
 Algoritmos
►Association rule
 Identifica
un subgrupo de datos que participa en una
transacción especifica. Suele emplearse para localizar
tendencias de consumo
►Sequence cluster
 Identifica
el evento que probablemente ocurrirá a
continuación
►Time Series
 Identifica tendencias que están sucediendo
 Toma como parámetro un atributo baso en tiempo
 Útil para realizar pronósticos

►Neural network
 Identifica el arbol de atributos que mejor predice el resultado
 Similar al de decission pero tiene una estructura
tridimensional
Modelos de Data Mining
►Podemos aplicar modelos a los siguientes escenarios:
 Tendencias de ventas
 Que productos pueden venderse juntos
 Secuencia en la que los consumidores añaden productos a
sus cestas
►Se crean después de que un algoritmo analiza un
conjunto de datos y encuentra patrones y tendencias
en los datos
►El resultado se emplea para establecer parámetros en
el modelo
►Tipos
 Relacionales
 OLAP
Pasos para la creación de modelos de
Data Mining
► Definir el problema
► Preparar los datos
► Explorar los datos
► Construir el modelo
► Explorar y evaluar el modelo
► Desplegar y actualizar el modelo
 Creación de estructuras de Data Mining
►Especificaremos los siguiente:
 El algoritmo inicial del modelo.
 La dimensión del cubo que se
quiere usar como origen de datos
 Un atributo que puede emplearse
como clave de modelo, en base al
que se seleccionaran los atributos
y las medidas utilizadas
 Contenidos y tipos de datos de
cada columna
Data Mining Designer
Data Mining Extensions (DMX)
►Lenguaje para crear y trabajar con modelos de mineria
►Contiene instrucciones DML y DDL