数据仓库与数据钻取实验二

数据仓库与数据挖掘》课程实验报告二

开课实验室： 经济管理基础实验室（一） 2013年6月10日 学院 课程 名称 教 师 评语 一、 实验目的、内容、原理与环境 教师签名： 年 月 日 经济管理学院 年级、专业、班 数据仓库与数据挖掘 实验项目 名 称 姓名 数据仓库的数据钻取 成绩 指导教师 1、实验目的： 通过本实验的学习，使学生理解维（表） 、成员、层次（粒度）等基本概念及其之间的关系，理解维度的层次结构和有关属性对提高多维数据集的可用性和易用性的重要作用，掌握在SQL Server 2005示例数据仓库环境下数据钻取操作的知识，训练其把教材上的内容应用到实际中的技能，为今后继续数据挖掘技术的学习奠定基础。 2、实验内容： 在SQL Server 2005示例数据仓库环境下，通过修改维度属性和层次结构，提高多维数据集的可用性和易用性，在多维数据集设计器中查看更改，对多维数据集进行钻取操作。 3、实验原理与环境： 维（表） 、成员、层次（粒度）等基本概念及其之间的关系原理，SQL Server 2005示例数据仓库环境下数据钻取操作的过程和方法。 二、实验步骤 （一）、提高多维数据集的可用性和易用性 （二）、多维数据集的钻取操作 1、定义钻取操作 在 Analysis Services Tutorial 多维数据集的多维数据集设计器中，单击“操作”选项卡。

2

在“操作”选项卡上，单击“新建钻取操作”。“显示”窗格中将出现空白操作模板。

3

展开附加属性 2 、使用钻取操作 订单的详细信息将显示在“数据示例查看器”中，如下图所示

4

3、修改钻取操作 显示所有表 在“钻取列”框中，将以下列添加到“返回列”列表，再单击“确定”： 4、检查修改过的钻取操作

5

三、实验总结 随着数据库技术和计算机网络的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来越多，而数据挖掘(Data Mining)就是在这样的背景下诞生的。简单说，数据挖掘就是从大量的数据中，抽取出潜在的、有价值的知识、模型或规则的过程。作为一类深层次的数据分析方法，它利用了数据库、人工智能和数理统计等多方面的技术。首先有一点是我们必须要明确的，即我们为什么需要数据挖掘这门技术？这也是在开课前一直困扰我的问题。数据是知识的源泉，然而大量的数据本身并不意味信息。 尽管现代的数据库技术使我们很容易存储大量的数据，但现在还没有一种成熟的技术帮助我们分析、理解这些数据。数据的迅速增加与数据分析方法的滞后之间的矛盾越来越突出，人们希望在对已有的大量数据分析的基础上进行研究，但是目前所拥有的数据分析工具很难对数据进行深层次的处理，使得人们只能望“数”兴叹。数据挖掘正是为了解决传统分析方法的不足，并针对大规模数据的分析处理而出现的。数据挖掘可以帮助人们对大规模数据进行高效的分析处理，以节约时间，将更多的精力投入到更高层的研究中，从而提高科研工作的效率。 通过本实验的学习，我也能够理解维（表） 、成员、层次（粒度）等基本概念及其之间的关系，理解维度的层次结构和有关属性对提高多维数据集的可用性和易用性的重要作用，掌握在SQL Server 2005示例数据仓库环境下数据钻取操作的知识，能够把教材上的内容应用到实际中的技能，从而为学习数据仓库与数据挖掘打实了坚固的基础，自己要继续努力，争取学习更多有关数据挖掘知识。

6

本文来源：https://www.bwwdw.com/article/2vqd.html