利用ＳＱＬ Ｓｅｒｖｅｒ ２００５數據挖掘實現交叉銷售的研究

[摘 要] 交叉銷售是非常常見的商業問題，它包括基于客戶當前或之前的購物籃中的產品來推薦新的產品列表。許多零售商，特別是在線零售商，采用這個特性來增加它們的銷售額。本文通過對電影交叉銷售的數據建模，介紹在SQL Server 2005中建立數據挖掘結構和模型的詳細過程，展現決策樹算法的瀏覽圖，并使用決策樹算法在實例中進行準確性分析和一般預測，說明如何利用數據挖掘來解決商業問題。

[關鍵詞] 交叉銷售 SSAS 數據挖掘

一、SQL Server 2005數據挖掘簡介及問題的提出

數據挖掘(Data Mining)經過近十幾年的迅速發展，形成了融合數據庫、人工智能、機器學習、統計學等多個領域的理論和技術的交叉學科。因其所涉及的知識領域眾多、應用范圍廣泛，數據挖掘已成為研究人員和商業組織所關注的熱門領域。SQL Server 2005分析服務(SSAS)是微軟 SQL Server 2005中的多維聯機分析處理(OLAP)組件，它在商業智能(BI)分析方案中集成了關系型和OLAP數據，是一種集成的商務智能、數據挖掘、分析和報表解決方案。

交叉銷售是非常常見的商業問題，它包括基于客戶當前或之前的購物籃中的產品來推薦新的產品列表。簡單說來，就是向擁有本公司A產品的客戶推銷本公司B產品。交叉銷售對零售商是一個很重要的商業挑戰。許多零售商，特別是在線零售商，采用這個特性來增加它們的銷售額。比如，如果你到一個在線書店(如亞馬遜Amazon.com)去購買書籍，你會注意到該網站會給你一系列相關書籍的推薦信息。這些推薦信息的提出，是基于購物籃分析得出的。而購物籃分析是針對數千個有相似購物情況的客戶進行的。好的推薦信息會改變客戶的購物體驗，從而增加銷售額。差的推薦信息會使客戶感到煩惱，從而最終把他們趕走。

交叉銷售的難點在于如何向客戶提供一組正確的推薦信息。當銷售產品種類比較少時，基于銷售經驗來提供建議比較容易。可是，當產品比較多時，問題就非常復雜了。

二、利用SQL Server 2005數據挖掘建立推薦模型

利用SQL SERVER 2005中的決策樹算法來構建推薦模型，以說明數據挖掘在交叉銷售中應用。

基本步驟:

1.建立數據庫

啟動SQL Server Management studio在其中建立名為movie survey的數據庫，右擊它在彈出的快捷菜單中選擇“任務”中的“導入數據”導入movie survey數據集，該數據集是對Microsoft雇員的調查表，主要涉及被調查者的電影觀看行為，人口統計信息等，保存movie survey數據庫文件。

2.建立Analysis services項目

選擇商業智能項目中Analysis Services項目，建立movieSurvey項目。

3.建立數據源

數據源實際上是一個連接字符串，用于描述數據的位置，本項目的連接字符串為“Provider=SQLNCLI.1;Data Source=localhost;Integrated Security=SSPI;Initial Catalog=MovieSurvey“。

Movie Survey數據庫文件包括Survey表和Movies表，Survey表記錄了被調查者的年齡、教育水平，性別、收入、婚姻狀況、上網方式，上網頻率等信息，圖例中只截取了其中的部分屬性。Moives表只有兩個屬性Survey TakenID（客戶序號） 和movie（電影名）共45325條記錄。如圖1所示。

4.建立數據源視圖（DSV），將上面提及的“Survey”表“movies”表都選擇進來

數據源視圖是數據在客戶端的一個抽象視圖，在DSV中可以選擇、組織、瀏覽數據源中的數據。在數據源視圖中建立事例表survey和嵌套表movies的一對多關系如圖2所示。

5.建立挖掘結構

使用數據挖掘向導創建兩種對象：挖掘結構和挖掘模型，挖掘結構描述將用于挖掘列和訓練數據，挖掘模型是從挖掘結構中選擇一些列，然后使用某一個算法，并且為該算法定義每一列的用法。SQL Server 2005 包括世界級的數據挖掘算法有7 種：Microsoft貝葉斯算法、Microsoft決策樹算法、Microsoft序列聚類算法、Microsoft聚類算法、Microsoft神經網絡算法、Microsoft關聯規則算法、文本挖掘。

根據具體的商業問題，確定相應的算法，本文的目標是分析客戶將會一起購買的電影。在獲得這些模式后，可以使用它們來提供推薦信息。該問題屬于關聯任務。最適合的兩個算法是Microsoft決策樹算法，Microsoft關聯規則算法。

圖3顯示了模型的定義。該模型是完全基于每個客戶的購物籃來分析電影關聯，同時分析電影與人口統計信息之間的關聯。

在處理了模型這后，得到一組決策樹，圖4顯示了預測電影English patient 的決策樹的一部分，從圖例看出只有2.2%的客戶購買了該電影，該決策樹的第一個拆分基于Chocolat。在那些喜歡Chocolat的客戶中，大約有27%的客戶也喜歡English patient，與總的喜歡Einglish patient人數相比，比例增加13倍。在那些不喜歡English patient而喜歡Boot Das的客戶中有22%的客戶也都喜歡English patient。通過這棵樹，我們知道Boot Das和Chocolat是English patient比較好的預測器。

決策樹有兩個查看器，切換到依賴關系網絡查看器中，圖5顯示了決策樹模型的依賴關系網絡，可以認為該網絡是從森林的頂部進行鳥瞰的視圖，每個節點都是一顆決策樹。當雙擊任何節點時，都可以看到底層樹的詳細信息。每條邊都代表兩棵樹之間的關系。每條邊都有一個方向，該方向指明了預測的方向。每條邊也都有一個權值，該權值代表預測的強度。例如，從圖中可以看出:Boot das預測English patient，Chocolat和English patient彼此預測。

三、小結

雖然數據挖掘在最近幾年談論比較多，但它的市場相對比較小，數據挖掘依舊被認為是一種高端的應用功能。SQL SERVER 2005提供一系列方便而且功能全面的可視化工具，比如解決方案管理器、數據挖掘向導、數據挖掘設計器、模型查看器、編輯器等。它可以從各種數據源構建挖掘模型，用戶利用模型查看器來解釋模型，利用模型編輯器修改參數的設置來調整模型，同時SQL SERVER 2005數據挖掘功能和SQL SERVER產品集成給我們的挖掘工作提供了便利。

參考文獻:

[1]Zhaohui Tang，Jamie Maclennan．數據挖掘原理與應用—SQL Server 2005 數據庫[Ｍ]．北京：清華大學出版社，2007

[2]陳京民:數據倉庫與數據挖掘技術[Ｍ]．北京：電子工業出版社，2002