Olivier BourdinWinwise - CEOolivier.bourdin@winwise.fr

Data mining avec SQL Server 2005

Winwise: votre expert .NET

Mission : qualité et productivité de vos développement s .NET 70 experts .Net et SQL ServerPôles d’expertise

Génie Logiciel Visual Studio Team System Travail collaboratif Sharepoint & Office Server 2007Data management Microsoft SQL Server 2005Smart client Vista, WPF, Ajax, Applications mobilesEAI et BPMMicrosoft Biztalk 2006, Architectures SOAWinsight : No1 de la Business Intelligence MSMicrosoft Analysis Services

1er centre de formation .NET à Paris et en France depuis 2002Conseil, forfait, assistance, formation :Winwise, 16 rue Gaillon 75002 PARIS - 01 42 68 22 22 - info@winwise.fr

Sommaire Data Mining

Exemples et domaines d’applicationPlace et perspectives dans la B.I.Principaux algorithmes d’analyse prédictiveSegmentation automatique (clustering)Autres algorithmesLangages et interfaces de programmation

Utilité du data mining ?

Principal emploi« Analyse prédictive »Utiliser l’information que l’on a pour prédire celle que l’on voudrait avoir

Exemples

Meteo !

Achètera ou pas (« score d’appétence ») ?

Remboursera ou pas (« credit scoring ») ?

+ =>

Qui utilise le data mining ?

eCRMRetailBanqueAssuranceInvest.FiFraudeTelcoSciencesBiologie/ GenPharmacie

Place du data mining dans la BI ?

Système d’information de l’entreprise

Exécution Pilotage

Applications de production

Analyse automatique

Applications décisionnelles (« BI »)

RestitutionAnalyse guidée

Reporting - OLAP Data Mining

Interactif(pour

analyse)

Statique(pour info)

Data mining et OLAP

Objectif identique : extraire de l’information utile des données existantes

l’OLAP met l’accent sur les outils de visualisation vs le data mining sur les outils de modélisation

l’OLAP donne les moyens de se faire une idée vs le data mining génère, teste et applique automatiquement les hypothèses

D’où sort le data mining ?

Domaines d’origine<= Intelligence artificielle<= Statistiques<= Bases de données

KDD : Knowledge Discovery in Databases=> Générer et valider automatiquement de

nouvelles hypothèses à partir de données existantes

=> Transformer les données enfouies dans ses bases de données en information utile

Compliqué ou pas ?

SQL Server 2005

OLAP

Reports (Adhoc)

Reports (static)

Data Mining

Simple Complicated

Usability

Rel

ativ

e b

usi

ne

ss v

alu

e

Modèle entraîné

Structure & paramètre du modèle

Mining Process

DM EngineDM Engine

Echantillon d‘apprentissage

Données à prédire(à scorer)Modèle entraîné

With predictions

Exemple : site « réseau social »

Exemple: MesCorrespondances.fr

De l’information…

Exemple: MesCorrespondances.fr

Tous types d’informations !

Exemple: MesCorrespondances.fr

Des questions auxquelles je souhaite répondre….

Quelles combinaisons de caractéristiques distinguent les utilisateurs prêts à payer ?Qu’est-ce qui permet de deviner les utilisateurs qui seront populaires ?Les casse-pieds ? Les tricheurs ?Pour un utilisateur donné..quels utilisateurs s’entendront le mieux avec lui?

Exemple: MesCorrespondances.fr

La question pour notre démo : « Adam ou Eve » ?

Microsoft Decision Trees“Homme ou femme” avec un arbre de décision

Démo

Adam ou Eve ?

Où sont les femmes ?

Microsoft Neural Network“Homme ou femme ?”avec un réseau de neurones

Démo

Réseaux de neurones

Combien de couches cachées ?Combien de neurones par couche ?

-0.5

-0.42

+0.6

0.33

-0.9+0.8

Aime les cartes routières

Aime la danse

Aime l’équitation

Femme

Homme

+0.4

0.33

Microsoft Naive Bayes“Homme ou femme”avec un réseau bayésien naïf

Démo

Réseaux bayésiens

Théorème de Bayes

Probabilité de l’hypothèse  h  sachant e

h = hypothèse e = « evidence » en anglais Raisonnement inversé

au lieu de calculer la probabilité d’observer l’évènement e en tenant pour admise l’hypothèse h... (d’après mon hypothèse...il devrait se passer ceci)

...on calcule la probabilité que l’hypothèse soit juste, connaissant la probabilité de l’évènement observé

(si si !)

Réseaux bayésiens

e

hx1

x2

x4

x3

x5

x6

x7

Ce que l’on vient de voir Un réseau bayésien

La probabilité d’observer l’état e dépend de mon hypothèse hETMa croyance dans l’hypothèse h est plus ou moins confortée par l’observation de eMa croyance en h conditionne ma croyance en e et réciproquement

p(h |e) ?

p(e |h) ?

C’est un réseau de croyance,dont chacune est influencéepar les autres (aussi bien en amont qu’en aval)

Microsoft Naïve Bayes Viewer

Variables/Valeurs discriminantes

Où sont les femmes ?

Homme ou femme ?Calculer le R.O.I. d’une analyse prédictive

Démo

Retour sur investissement

Microsoft ClusteringSegmentation automatique

Démo

« Cluster Discrimination »

Exemple de segmentation

CSP+

Masculin

études

supérie

ures

non lecteurs

Culture

opéra, baroquevoile, lecture

hip-hop/rap

gendarmes-douaniers

jeunes

foot

mode

Cluster et détection d’anomalies

Autre utilisationDétecter les questionnaires remplis au hasard

Microsoft Association Algorithm

Un algorithme simple adapté aux volumes élevésDeux indicateurs pour apprécier une associationA => B

Niveau de confianceNombre d’occurrences de (A ET B) divisé par le nombre d’occurrences total de BMesure la force d’une associationNiveau de supportNombre d’occurrence et A ET B divisé par le nombre total de « transactions » considérées

Sequence Clustering Analysis

Times Series Analysis

Corrélation et auto corrélationDemande des tendances biens établies !

“Putting Data Mining to Work”

“Doing Data

Mining”Business Understandi

ng

Data Understandi

ng

Data Preparation

Modeling

Evaluation

Deployment

Data

Data Mining ProcessCRISP-DM

www.crisp-dm.org

Un environnement complet

Pour utiliser le data mining dans SQL 2005Le SGBD lui-même (facultatif) : stockage des donnéesIntegration Services (facultatif) : ETL, préparation des données, text miningAnalysis Services : paramétrage des modèles et exécution des analysesReporting Services (facultatif) :publication et mise en forme du résultat des analyses

Outils de développement SQL 2005Business Intelligence Dev. Studio, SQL Server Management Studio

Langages, API, librairies d’accès clientes, protocole DMX ? ADOMD.NET ? XMLA ?

using Microsoft.AnalysisServices.AdomdClient; AdomdConnection conn = new AdomdConnection();conn.ConnectionString = "Data Source=localhost; Initial Catalog=MyCatalog";conn.Open();

foreach (MiningModel model in conn.MiningModels){

Console.WriteLine(model.Name);} foreach (MiningContentNode node in model.Content){

foreach( MiningContentNode in node.Children ){...}

}

Data Mining avec ADOMD.Net

ADOMD.Net et DMX

Dim cmd as ADOMD.CommandDim reader as ADOMD.DataReaderCmd.Connection = connSet reader = Cmd.ExecuteReader(“Select Predict(AdamOuEve)…”)

Piloter le data mining

DMX Data Mining eXtensions for SQLDeux types de directive

Data definition statementsCREATE/DROP MINING MODELEXPORT, etc.…

Data manipulation statementsSELECT FROM <model>SELECT FROM <model>.CONTENT...

Data Mining avec DMX

Data MiningManagement System

(DMMS)

Mining Model

Définir un modèleCREATE MINING MODEL ….

Entrainer un modèleINSERT INTO dmm ….

Training Data

Prédire avec un modèleSELECT …FROM dmm PREDICTION JOIN …Prediction Input Data

DMX SELECT Elements

SELECT <columns>FROM <model> PREDICTION JOIN <table>ON <mapping>[WHERE <filter>][ORDER BY <sort expression>]

Générer une requête DMX

Démo

...

...

Le langage DMX

XMLA

Analysis Server

Stored Procedure

Adomd Server

Ap

plic

atio

n

ADOMD

ADOMD .NET

AMO IIS

TCP

HTTP

XMLA

OLEDB

Option zero footprint : depuis une application Ajax si vous le souhaitez !

Résumé Data Mining SQL2005

Simplicité d’utilisation extrêmeRetour sur investissement simple à évaluer (et souvent important !)Accède aux données quel que soit la source et le formatLangages et API usuels (VB,C#,SQL,ADO...)Interrogeable et configurable intégralement par web services via XMLA

© 2007 Microsoft France

Votre potentiel, notre passion TM