数据仓库建模联机分析处理应用步骤详解 - AdventureWorksDW2012案例

(1) 导入数据库AdventureWorksDW2012。

使用SQL Server Management Studio导入数据库AdventureWorksDW2012。

(2) 新建数据分析项目。

打开SQL Server Data Tools，选择新建项目，选择'分析服务'模板，输入项目名称，点击'确定'。

(3) 新建数据源，连接数据库Adventure Works。

在'解决方案资源管理器'中，右键单击'数据源'文件夹，选择'新建数据源'，选择'Microsoft SQL Server Analysis Services'，输入服务器名称，选择'Adventure Works'数据库，点击'测试连接'，确认连接成功，点击'确定'。

(4) 建立数据源视图，事实表为FactInternetSales，维表为DimCustomer、DimProduct、DimDate、DimGeography。

在'解决方案资源管理器'中，右键单击'数据源视图'文件夹，选择'新建数据源视图'，选择'Adventure Works'数据源，选择'FactInternetSales'表和四个维表，点击'添加到视图'按钮，点击'确定'。

(5) 建立多维数据集。

在'解决方案资源管理器'中，右键单击'多维数据集'文件夹，选择'新建多维数据集'，选择'Adventure Works'数据源，选择事实表'FactInternetSales'，选择需要的度量和维度，点击'确定'。

(6) 创建相应的维度信息。

在'解决方案资源管理器'中，右键单击'维度'文件夹，选择'新建维度'，选择'从数据源视图创建维度'，选择需要的表和字段，点击'确定'。

(7) 多维数据集应用所创建的维度。

在多维数据集的'维度'选项卡中，选择需要应用的维度，拖拽到'行'或'列'区域中。

(8) 部署项目。

在'生成'菜单中，选择'部署 Adventure Works'选项。

(9) 数据仓库建模联机分析处理应用。 ① 由事实表FactInternetSales及维表DimCustomer、DimProduct、DimDate、DimGeography构成的模型叫什么模型？截图显示该模型。

该模型叫做星型模型。

截图如下：

② California, Florida, New South Wales, New York四个地区（维度：DimGeography -State Province Name）；第三季度（在维度DimDate上选择Calendar Quarter）；产品(维度DimProduct-Model Name ) Water Bottle的销售额。

使用多维数据集，将'State Province Name'、'Calendar Quarter'、'Model Name'三个维度拖拽到'行'区域，将'Sales Amount'度量拖拽到'值'区域，选择'California'、'Florida'、'New South Wales'、'New York'四个地区，选择'Q3'季度，选择'Water Bottle'产品，得到销售额如下：

③ 有住房的客户（维度DimCustomer-House Owner Flag为1）在2005及2006年(维度DimDate- Calendar Year)购买层次（维度DimProduct-Class）为中档（M）的产品的销售额。

使用多维数据集，将'House Owner Flag'、'Calendar Year'、'Class'三个维度拖拽到'行'区域，将'Sales Amount'度量拖拽到'值'区域，选择'House Owner Flag'为1，选择'2005'和'2006'年，选择'M'级别，得到销售额如下：

④ 同时显示Water Bottle在不同年度(Calendar Year)的销售数据。

使用多维数据集，将'Calendar Year'、'Model Name'两个维度拖拽到'行'区域，将'Sales Amount'度量拖拽到'值'区域，选择'Water Bottle'产品，得到销售额如下：

⑤ 同时显示2007年度不同月份(维度DimDate-English Month Name)Water Bottle的销售总额。

使用多维数据集，将'English Month Name'、'Model Name'两个维度拖拽到'行'区域，将'Sales Amount'度量拖拽到'值'区域，选择'2007'年，选择'Water Bottle'产品，得到销售额如下：

⑥ 同时显示2006年各种（Model name）商品的销售总额。

使用多维数据集，将'Model Name'维度拖拽到'行'区域，将'Sales Amount'度量拖拽到'值'区域，选择'2006'年，得到销售额如下：

⑦ 请分析顾客性别（维度DimCustomer-gender）与顾客所购买商品颜色（维度DimProduct-color）之间有什么样的关系。

使用数据挖掘工具，选择关联规则算法，将'gender'和'color'两个属性作为输入列，设置最小支持度和最小置信度，得到关联规则如下：

可以看到，女性顾客更倾向于购买黑色、白色和银色商品，而男性顾客更倾向于购买蓝色、红色、黄色和灰色商品。

⑧ 请分析顾客婚姻状况（维度DimCustomer-Marital Status）与所购买商品等级（class）之间，学历(维度DimCustomer-English Education)与所购买商品等级（class）之间的关联关系。

使用数据挖掘工具，选择决策树算法，将'Marital Status'和'English Education'两个属性作为输入列，将'Class'属性作为目标列，得到决策树如下：

可以看到，婚姻状况和学历对商品等级的影响比较复杂，需要进一步分析和挖掘。