使用數據挖掘獲取商業智能

領測軟件測試網

  在決策樹顯示區域中，顏色代表“事例”的密度，在例中即代表滿足相關條件的客戶的密度。顏色越深則節點中包含的事例就越多。從圖2-51可以發現，“Yearly Income = $150K+”這一節點的密度高于其他任何節點，代表符合“Yearly Income = $150K+”這一條件的金卡客戶是最多的。

  根據決策樹上的“全部”節點，“挖掘圖例”窗格會有如圖2-52所示的顯示數據，這表明總共抽樣的數據有10 281條，其中銅卡用戶最多，占了55.42%。

  樹的第一個級別由“yearly income”屬性決定。樹的組織由算法決定，其基礎是該屬性在輸出中的重要性。這意味著“yearly income”屬性是最重要的因素，它將決定客戶可能選擇的會員卡的類型。選擇“Yearly Income = $150K+”節點。該特性窗格顯示收入較多的客戶中，45.98% 的客戶可能會選擇金卡。這個百分比要比“全部”節點中的（11.67%）高得多。

  可以通過改變圖2-51的“顯示級別”滑塊的值或者直接在決策樹顯示區域中，單擊“＋”或“－”號來改變決策樹顯示分支的層級。當用這種方法在樹中做進一步調查時，可以探索到金卡客戶的百分比是如何演化的。

  打開“Yearly Income = $150K+”節點，如圖2-53所示。選擇顏色很深的“Marital Status不等于S”節點。在“挖掘圖例”窗格中，可以看到收入高于150 000美元且已婚的客戶中，較高百分比（83.54%）的客戶可能會選擇金卡。而同時“Marital Status ＝S”節點的顏色非常淺，這意味著這些客戶選擇金卡的可能性非常小。

  另一方面，從圖2-52還可以看到“Yearly Income = $10K－$30K”節點的顏色非常淺，這意味著這些客戶選擇金卡的可能性非常小�！巴诰驁D例”窗格顯示在此年收入范圍內的客戶中，92.47% 的客戶可能會選擇普通卡。樹還顯示已無法對此節點進行進一步調查，這意味著在樹的這個分支中，年收入是決定客戶選擇普通卡可能性的唯一因素。

  將挖掘模型查看器切換到“依賴關系網絡”選項卡，可以看到如圖2-54所示的界面，這是和“Member Card”的屬性關聯的客戶屬性依賴圖，通過拖動左邊的滑塊，可以發現，“Yearly Income”的確是影響會員卡類型的最重要的因素。

  有了以上信息，市場部就可以確定最可能選擇某種類型卡的客戶的特征。根據這些特征（收入、子女數和婚姻狀況等），可以重新定義會員卡的服務和方案以便更好地適應其客戶。

  到此為止，本章按照商業智能體系結構完成了從業務數據庫到智能決策的整個過程，其間涉及到一些重要的技術，比如OLAP分析和數據挖掘等，只有對此深刻理解才能深入基于SQL Server 2005的BI應用，在后面的章節中，將會以商業智能體系結構為框架，詳細講述這些技術。