1、商务智能实验指导书 商务智能实验指导实验1：数据仓库的建立一实验目的与任务：1了解SQL Server 2005环境，掌握建立数据库的基本操作。2设计并创建基于维度模型的“超市销售分析”数据库。二实验时间：2学时三实验步骤：1构建并熟悉SQL Server 2005实验环境。2在指定磁盘上建立“超市销售分析”数据库。3在数据库中分别建立事实表和维表，并设置主键及参照约束： 事实表（序号，日期，商店编号，商品编号，销售数量，销售金额） 商品表（商品编号，商品名称，规格型号，单位，售价，大类别，小类别） 商店表（商店编号，商店名称，地址，经理，省市，地市） 时间表（日期，年份，月份，日）4向各表中
2、输入部分数据。注意：输入的数据要有一定的代表性。5熟悉各种SQL命令。 6分离数据库，将数据库文件复制到优盘，或发送到邮箱。 实验2：联机分析系统的建立与应用一实验目的与任务：1学习联机分析系统的建立步骤与常用分析方法。2创建超市销售分析联机分析星形（或雪花）模型，并具体分析。二实验时间：2学时三实验步骤：1创建一个名称为超市销售分析的商务智能项目。图2在上图中的“名称”栏输入项目的名称（自己命名），在“位置”栏选定该项目内容存放的位置。确定后，屏幕右上方出现“解决方案资源管理器”。以后的分析操作按照此处指定的步骤进行。2定义数据源：指出分析数据的来源，即数据所在的数据库。在“管理器”中选择“
3、数据源”后，在快捷菜单中选“新建数据源”。然后按照向导提示操作。在上图中选择“新建”。在上图中输入数据库所在的服务器名称，并选择数据所在的数据库。2定义数据源视图：在数据库中，选择要用到的表、视图。在“管理器”中选“数据源视图”中的“新建”功能。按照向导提示操作。在上图中选择是需要的表。4 生成多维数据集：确定事实表（度量值）、维表（层次）等。 在上图中选“使用数据源生成多维数据集”。不选“自动生成”。在上图中指明事实表和外表。设置各维度的层次结构：5将多维数据集部署到联机分析服务器。6以建好的多维数据集为基础，练习切片、切块、旋转、钻取等典型的数据分析技术。.实验3：关联分析方法的应用一实验
4、目的与任务：1了解关联分析算法的实际应用方法。2创建“购物篮”关联分析数据表，挖掘关联模型。二实验时间：2学时三实验步骤：1创建“数据挖掘实验”数据库。 2在数据库中建立与“购物篮”相关的表（与实际相比，表的结构和内容作了适当简化），以及主键与参照约束： 销售单表（销售单号，销售时间，收款员，其它） 销售单明细（销售单号，商品名称，销售数量，销售单价）3向各表中输入部分数据。注意：输入的数据要有一定的代表性，不需要的数据可以不输入。4创建一个名称为“购物篮分析”的项目，并定义数据源、定义数据源视图。5创建关联挖掘结构。 在“资源管理器”中选“挖掘机构”中的“新建挖掘结构”。然后按照提示操作。
5、6建立关联规则挖掘模型。根据下图提示设置参数。7部署并查看挖掘结果。实验4：聚类分析方法的应用一实验目的与任务：1了解聚类分析算法的实际应用方法。2创建“城市综合数据表”，挖掘城市综合聚类模型。二实验时间：2学时三实验步骤：1创建“数据挖掘实验”数据库。 2在数据库中建立“城市综合数据表”：城市综合数据表1（城市编号，城市名称，行政级别，人口数，总产值，房价，最低工资）3向各表中输入部分数据。注意：输入的数据要有一定的代表性。4应用数值化、归一化等数据预处理方法，对数据进行预处理，处理结果存入“城市综合数据表2”中，该表与“城市综合数据表1”的属性个数相同，但部分列的类型需要调整。5创建一个名
6、称为“城市聚类分析”的项目，并定义数据源、定义数据源视图。6创建聚类挖掘结构，设置相关参数。7建立聚类挖掘模型。8查看挖掘结果。实验5： 分类分析方法的应用一实验目的与任务：1了解分类分析算法的实际应用方法。2创建“顾客信用分析数据表”，利用决策树算法，挖掘顾客信用分析模型。二实验时间：2学时三实验步骤：1创建“数据挖掘实验”数据库。 2在数据库中建立“顾客信用分析数据表”：顾客信用数据表1（顾客编号，姓名，性别，年龄，单位类别，职业，年收入，信用等级）3向各表中输入部分数据。注意：输入的数据要有一定的代表性。4应用离散化、概念提升等数据预处理方法，对数据进行预处理，处理结果存入“顾客信用数据2”中，该表与“表1”的属性个数相同，但部分列的类型需要调整。5创建一个名称为“顾客信用分析”的项目，并定义数据源、定义数据源视图。6创建决策树分类挖掘结构，设置相关参数。7建立分类挖掘模型。8查看挖掘结果。实验报告采用16开排版和打印，页边距左右各2.5。具体格式见下页。数据仓库与数据挖掘实验报告 班级： 学号： 姓名： 日期： 2013.11 实验名称一实验目的与任务1.2.二设计方案及实验过程1.2.：三实验总结格式说明：内容字体为5号，所有行距为1.5倍。
