数据挖掘，作为商业智能(Business Intelligence)实现的深层次，在商业智能解决方案的体系中占据着重要的位置。 数据库中存在的是数据，对于业务人员来说，只是一些无法看懂的天书，他们需要的是可以更容易理解的信息。那么，我们以前如何解决这个矛盾的呢？一般的答案是报表系统。简单地说，业务人员看到的是美观的界面，便捷的操作，鼠标点击后，报表系统生成SQL语句，数据库服务器收到以后，返回所需要的信息。不错，报表系统已经可以称作是BI了，它是BI的低端实现。 现在国外的企业，大部分已经进入了更深层次的商业智能，叫做数据分析，即基于多维数据库的在线分析系统(OLAP)。还有一些企业已经开始进入更深层次的商业智能，叫做数据挖掘。从广义上说，任何从数据库中挖掘信息的过程都叫做数据挖掘。从这点看来，报表、多维分析和深度的挖掘都是挖掘数据的手段。但是，从技术术语上说，数据挖掘(DataMining)特指的是：源数据经过清洗和转换等成为适合于挖掘的数据集，然后建立特定的挖掘模型，利用这些数据集训练模型，后利用模型找出的知识模式进行预测，从而辅助决策工作。 过去，谈起数据挖掘，大家想到的往往是那些专业数学家、统计学家，一搬的技术人员和业务人员望而却步。现在，随着IT技术的发展和工业化，SQL Server 2008提炼了上述的各种复杂知识，加工成友好的视窗工具，嵌入到分析服务(Analysis Services)中，使得数据挖掘的用户扩展到了大量的开发者人群，甚至是经过培训的业务人员。它使我们的员和程序变得更聪明了。     1.课程研发环境 课程基于SQL Server数据库，讲解过程中使用的是SQL server2012版，使用office2010(32位)版工具SQL Server2008以上版本均可用。 数据库：SQL Server2008、2012 Office工具：2007、2010   2.内容简介 本教程介绍了SQL Server Data Mining的所有方面，包括使用SQL Server实现成功的数据挖掘解决方案的所有必要知识，带读者熟悉其中的工具，给出了Microsoft数据挖掘算法的深度和广度，然后详细探讨了实现数据挖掘解决方案的各种方式。   第1章 数据挖掘解决商业问题 1.1-数据挖掘概念及使用场景 1.2-DMX 1.3-常见的数据挖掘任务 第2章 用Excel进行数据挖掘 2.1-分析关键影响因素及检测类别工具 2.2-从示例填充及预测工具 2.3-突出显示异常值工具 2.4-应用场景分析工具 2.5-预测计算器工具 2.6-购物篮分析工具 第3章 数据挖掘概念与DMX 3.1-DMX关键概念 3.2-DMX查询语法-创建挖掘结构 3.3-DMX查询语法-创建挖掘模型(嵌套表) 3.4-DMX查询语法-创建挖掘模型(复杂的嵌套场景和过滤器) 3.5-DMX查询语法-填充挖掘结构(填充嵌套表) 3.6-DMX查询语法-填充挖掘结构(查询结构数据和查询模型数据) 3.7-预测-预测连接和预测查询语法 3.8-预测-预测函数和嵌套表上的预测 第4章 用SQLServer进行数据挖掘 4.1-Bl Dev Studio介绍 4.2-设置数据源 4.3-设置数据源及创建和编辑模型 4.4-使用数据挖掘设计器及处理 4.5-使用模型 4.6-交叉验证、使用挖掘模型预测以及创建数据挖掘报表 第5章 贝叶斯算法 5.1-贝叶斯算法介绍 5.2-数据浏览及文档分类 5.3-理解贝叶斯模型的内容及浏览贝叶斯模型 5.4-贝叶斯算法的基本原理 第6章 决策树算法 6.1-决策数算法介绍及分类模型 6.2-回归模型与关联模型 6.3-模型内容，解释模型及决策树算法的基本原理 6.4-决策树算法的基本原理2 6.5-存储过程 第7章 时序算法 7.1-时序算法介绍 7.2-DMX 模型的创建 7.3-模型的处理 7.4-预测返回辅助的统计信息 7.5-预测执行假设预测 7.6-时序算法的基本原理及参数 第8章 聚类算法 8.1-聚类算法介绍 8.2-利用聚类检查异常以及DMX的模型创建 8.3-DMX常用结构 8.4-模型内容及理解聚类模型 8.5-聚类算法的基本原理及参数 第9章 序列聚类算法和关联规则算法 9.1-序列聚类算法的介绍 9.2-DMX查询-执行聚类预测与执行序列预测 9.3-DMX查询-提取序列预测的概率和使用序列预测的直方图 9.4-解释模型及马尔科夫链 9.5-状态转移矩阵、模型内容以及参数 9.6-关联规则算法介绍 9.7-推荐引擎与高级交叉销售 9.8-DMX 9.9-模型内容、解释模型及关联规则算法的基本原理 9.10-关联规则算法基本概念及挖掘繁琐项集 第10章 神经网络算法和逻辑回归算法 10.1-神经网络算法和逻辑回归算法简介 10.2-使用Microsoft神经网络算法 10.3-DMX查询 10.4-模型内容及解释模型 10.5-组合与激活及处理神经网络的简单事例 10.6-规范化和映射及神经网络算法的参数 第11章 SQL Server集成服务数据挖掘和数据挖掘编程 11.1-SSIS介绍 11.2-在SSIS环境中进行数据挖掘 11.3-数据挖掘客户端 11.4-建模及模型用法 11.5-数据挖掘编程介绍 11.6-创建数据访问对象1 11.7-创建数据访问对象2 11.8-创建挖掘结构 11.9-创建挖掘模型 11.10-处理挖掘模型 11.11-部署挖掘模型及设置挖掘权限 11.12-浏览和查询挖掘模型 11.13-使用ADMD.NET来预测 11.14-使用表参数的数据挖掘查询               目标1 使用Excel进行数据挖掘 目标2 了解数据挖掘概念和MDX 目标3 使用SQL Server进行数据挖掘 目标4 了解几种数据挖掘算法 目标5 了解数据挖掘编程