Power View Pour le Modele Multidimensionnel

Posté par wissemhabboub le 19 décembre 2012

Enfin, Power View supportant SQL Server Analysis multidimensionnal Model sera bientot disponible, actuellement une version CTP est disponible permettant de se connecter aux cubes multidimensionnel SSAS.

Telecharger SQL server 2012 avec PowerView pour les modeles multidimensionnels

Cette CTP inclut les ameliorations dans SQL server Analysis Services et SQL server Reporting services permettant a Power View de se connecter aux sources multidimensionnelles.

Cette CTP inclut aussi toutes les mise ajours jusqu’au SQL server 2012 SP1.

Pour plus de detail sur ce sujet, veuillez consulter l’article suivant qui decrit comment se connecter a une source multidimensionnelle:

http://social.technet.microsoft.com/wiki/contents/articles/14701.power-view-for-multidimensional-models-overview.aspx

Publié dans Analysis Services, Power view, Reporting Services | Pas de Commentaire »

Les neuf algorithmes datamining existant dans SQL server

Posté par wissemhabboub le 2 janvier 2012

SQL Server Analysis services comprend neuf algorithmes. En outre, SSIS comprend deux transformations de text mining. la liste ci-dessous résument les algorithmes SSAS neuf et leur usage commun.

Arbres de décision : est l’algorithme de DM le plus populaire, il est utilisé pour prédire les variables discrètes et continues. Les résultats sont très faciles à comprendre, c’est la principale raison qui rend l’algorithme si populaire. Si vous souhaitez prédire des variables continues, vous obtenez des de morceaux formule de régression linéaire multiple avec une formule distincte dans chaque nœud d’arbre. L’algorithme utilise les variables d’entrée discrètes pour décomposer l’arbre en nœuds. Un arbre qui prédit les variables continues est un arbre de régression.

Régression linéaire : La Régression linéaire prédit des variables continues seulement, à l’aide d’une seule formule de régression linéaire multiple. Ainsi, les variables d’entrée doivent être continues. La Régression linéaire est un cas simple d’un arbre de régression, mais c’est un arbre sans  fractionnements.

Naive Bayes : Compte tenu de chaque État de l’attribut prévisible, l’algorithme Naive Bayes calcule les probabilités pour chaque État possible de l’attribut d’entrée. Vous pouvez par la suite utiliser ces probabilités pour prédire l’issue de l’attribut cible que vous prédisent basé sur les attributs d’entrée connus. Parce que cet algorithme est assez simple, il construit des modèles très rapidement. Par conséquent, vous pouvez utiliser cet algorithme comme point de départ dans votre tâche de prédiction. L’algorithme Naive Bayes ne supporte pas les attributs continus.

Réseau de neurone: L’algorithme Neural Network vient de l’intelligence artificielle. Vous pouvez utiliser cet algorithme pour les prédictions ainsi. Les Réseaux de neurone recherche des dépendances fonctionnels non linéaires. Ils effectuent des transformations non linéaires sur les données dans les couches, provenant de la couche d’entrée grâce à des couches cachées vers la couche de sortie. Parce qu’ils sont difficiles à interpréter que les algorithmes linéaires comme les arbres de décision, les réseaux de neurone ne sont pas utilisés habituellement en affaires comme le sont les algorithmes linéaires.

Régression logistique : Comme une régression linéaire qui est un arbre de régression simple, une régression logistique est un réseau de neurone sans les couches cachées.

Clustering : L’algorithme de Clustering regroupe des cas un DataSet en groupes contenant des caractéristiques similaires. En utilisant ces groupes, vous pouvez explorer les données et en apprendre davantage sur les relations entre vos cas. En outre, vous pouvez créer des prédictions du modèle clustering créé par l’algorithme. Vous pouvez utiliser la méthode de Clustering pour vos clients de groupe pour votre application de gestion de la relation client (CRM), par exemple. En outre, vous pouvez utiliser Clustering pour rechercher des anomalies dans vos données. Un cas qui n’est pas partie d’un cluster est un cas qui mérite davantage d’inspection. Ceci est utile pour la détection de la fraude ; une opération qui ne correspond pas à un cluster découvert pourrait être une transaction frauduleuse.

Sequence Clustering : L’algorithme Sequence Clustering recherche des groupes basés sur un modèle, plutôt que sur la similitude des cas. Il construit des modèles à partir de séquences d’événements à l’aide de chaînes de Markov. Vous pouvez utiliser cet algorithme séquentiel de données. Utilisation typique serait une analyse de l’utilisation de site Web. de votre société

Règles d’association : L’algorithme de règles d’Association est conçu pour l’analyse de panier.L’algorithme définit un jeu d’éléments comme la combinaison d’éléments dans une seule opération. L’algorithme scanne le dataset et compte le nombre de fois où les Jeux d’éléments apparaît dans les transactions. Vous devez utiliser cet algorithme pour détecter les opportunités de vente croisée.

Séries chronologiques : L’algorithme de séries chronologiques est créé pour la prévision des variables continues. En interne, l’algorithme utilise les arbres régression sur les données transformées automatiquement ; Il est aussi appelé Auto-régression arbres (ART).

Publié dans Analysis Services, SQL 2008 | 2 Commentaires »

Sql server 2012 RC disponible pour telechargement

Posté par wissemhabboub le 25 novembre 2011

La release candidate de sql server 2012 est maintenant disponible pour telechargement. Vous pouvez la telecharger a partir du lien ci-dessous.
http://www.microsoft.com/download/en/details.aspx?id=28145
Vous pouvez maintenant apprecier alwaysON, l’index columnstore, Le complement excel pour master data services, le nouveau service d’amelioration de qualite de de donnees DQS, plus de productivite avec le cloud et Le BI semantic model avec SSAS ainsi que beaucoup d’autre fonctionnalites….

Publié dans Analysis Services, Integration Services, Reporting Services | 1 Commentaire »

Utilisation de la hiérarchie parent-enfant dans un rapport SSRS

Posté par wissemhabboub le 20 mars 2010

Cet article décrit comment peut-on utiliser les dimensions avec hiérarchie parent/enfant (Parent/Child) d’un cube Analysis services 2005/2008 dans les rapports  Reporting services 2005/2008.  La difficulté d’intégrer une hiérarchie parent-enfant (ex: Compte comptable, relation employée --> manager ou n’importe quel arborescence),  dans un rapport est liée au  nombre de niveau variable de la hiérarchie. 

Généralement, on souhaite souvent avoir la possibilité de visualiser la hiérarchie parent enfant dans notre rapport sous forme d’arborescence et afin d’économiser de l’espace on souhaite afficher tous les membres de la hiérarchie dans une seule colonne mais avec une mise en forme permettant de visualiser la hiérarchie (exemple: un décalage à chaque fois qu’on descend d’un niveau). L’image suivante illustre un exemple d’affichage de la hiérarchie des comptes comptables sur une colonne avec arborescence et décalage pour chaque niveau.

  Utilisation de la hiérarchie parent-enfant dans un rapport SSRS dans Analysis Services rapporthierarchieparentenfant 

On peut avoir ce type de rapport de la manière suivante : 

1-      Le groupe affichant la hiérarchie parent-enfant devra être récursive est basé sur les propriétés UniqueName et ParentUniqueName de cette dernière. Ce qui nous permettra de mettre l’ensemble de notre hiérarchie dans un groupe (une colonne) et qui va s’afficher d’une manière récursive.  Exemple pour la dimension compte comptable : 

  • Group Properties – General – Group Expression : [CompteComptable.UniqueName] 
  • Group Properties – Advanced – Recursive Parent : [CompteComptable.ParentUniqueName] 

2-      Afin  de permettre l’exploration (afficher/cacher les niveaux) permettant la navigation dans l’arborescence.  La propriété du groupe : Visibility devra être : Hide et La propriété Display can be toggled by ….. Devra être affecté au : TextBox affichant le libellé de la hiérarchie (dans notre cas TextBox contenant le libellé du Compte comptable). 

3-      Dans le cas où on veut personnaliser l’affichage en mettant par exemple toujours les parents en gras, il suffit d’utiliser la fonction Count de tous les enfants en utilisant le paramètre Recursive pour la propriété FontStyle du Textbox qui affiche le libellé de la hiérarchie comme suit : 

  • =iif(Count(Fields! CompteComptable.Value, « table1_Details_Group », Recursive) > 1, « Bold », « Normal ») 

4-      En plus si on veut avoir un décalage de gauche à droite de 5 positions pour chaque niveau de notre arborescence il suffit de mettre l’expression de la propriété Padding du TextBox qui affiche le libellé de la hiérarchie comme suit : 

  • TextBox Properties – Allignement – Padding = 5 * Level() & « pt » 

Publié dans Analysis Services, Reporting Services | 3 Commentaires »

Analyser vos données avec SQL server 2008

Posté par wissemhabboub le 24 novembre 2009

Cette vidéo présente les fonctionnalités offerte par la plate forme BI microsoft permettant le Reporting et l’analyse des données.

Image de prévisualisation YouTube

Publié dans Analysis Services, BI Theorie, Reporting Services | 1 Commentaire »

Calculs et requêtes nommées dans une DSV

Posté par wissemhabboub le 24 janvier 2009

L’utilisation des requêtes nommées, des colonnes calculés et l’ajout des relations logiques entre les tables dans une vue de source de données (DSV) d’un projet SSAS ou SSRS permet d’ajouter une couche logique supplémentaire à la base de données source (souvent un datawarehouse).

 Relations logiques : 

Vous pouvez ajouter des clés primaires ou des clés étrangères à votre DSV sans toucher à la base de données source afin de faciliter à l’assistant la détection automatique des dimensions et des groupes de mesures. 

Les Colonnes calculés: Les colonnes calculées permettront d’ajouter des colonnes logiques à nos tables afin de faciliter la création de nouvelles mesures. Pour ajouter une colonne calculée à une des tables de notre DSV, cliquez avec le bouton droit sur la table en question puis choisissez « Nouveau Calcul nommé », donnez un nom et une description à votre colonne et entrer l’instruction SQL qui fait le calcul que vous

désirez (l’instruction SQL peut utiliser la table en cours et les autres table de la base et peut contenir des agrégats et des conditions).

Calculs et requêtes nommées dans une DSV dans Analysis Services sanstitre1

sanstitre2 dans Reporting Services

Les requêtes nommées : 

Les requêtes nommées permettent de créer de nouvelles entités (table) dans la DSV sans toucher à la base de données source. 

Pour ajouter une requête nommée, cliquez avec le bouton droit sur l’espace de travail de la DSV, puis cliquez sur « Nouvelle requête nommée ». Le designer de requête s’affiche, donnez un nom à votre requête nommée et concevez votre requête.

sanstitre3

sanstitre4

Vous pouvez après utiliser la requête nommée comme source pour une dimension ou un groupe de mesure.

 

 

Publié dans Analysis Services, Reporting Services | 1 Commentaire »

Configuration du log SSAS

Posté par wissemhabboub le 1 octobre 2008

Le log SSAS permet de capturer les requêtes lancées sur le serveur et de les sauvegarder dans une table de base de données ces informations peuvent être utilisées pour optimiser les performances des cubes en fonction des requêtes utilisateurs. 

On peut configurer les propriétés du serveur SSAS  via SQL Server Management studio, pou activer la journalisation des requêtes il faut mettre à true la propriété : Log\QueryLog\ CreateQuery. 

Les propriétés : LogTable / QueryLog-TableName et Log\QueryLog\ QueryLog- ConnectionString : définit la connexion et la table qui contiendra le journal des requêtes. 

La propriété : Log\QueryLog\QueryLogSampling permet de configurer l’échantillonnage des requêtes, c’est-à-dire si on utilise la valeur par défaut 10, parmi 10 requêtes utilisateur on ne sauvegarde dans le journal qu’une requête sur 10. 

 

Si vous jetez un coup d’œil sur la table journal vous n’allez pas trouver le texte de la requête MDX, mais vous trouverez juste le code des hiérarchies et des attributs utilisés dans la requêtes, l’objectif de la sauvegarde du journal des requêtes et de pouvoir l’utiliser après pour l’optimisation des performances en créant des agrégats pour les dimensions/attributs les plus utilisés par les utilisateurs c’est pour cette raison qu’on ne garde dans la table journal que la liste des attributs utilisés dans une requête, c’est suffisant pour l’optimisation des agrégats. 

Publié dans Analysis Services | Pas de Commentaire »

Calcul des tendances avec MDX – tendance logarithmique

Posté par wissemhabboub le 12 juin 2008

Une courbe de tendance logarithmique est utilisée lorsque la fréquence de modification des données augmente ou diminue rapidement, puis se stabilise. Une courbe de tendance logarithmique peut utiliser des valeurs négatives et/ou positives. La formule d’une tendance logarithmique se présente comme suit : Y=a * log(x)+b.

 exemple graphe tendance logarithmique

On peut dire donc, que la tendance logarithmique d’une variable y en fonction d’une variable x est la regression linéaire du log(x)

Exemple MDX : adventureWorks pour le calcul de la tendance logarithmique des ventes.

L’exemple suivant est le même que l’exemple de l’article précedent sauf qu’à la place de x on va fournir log(x) à la fonction LinRegPoint. on calcul la valeur de Y (dans notre cas le montant des ventes) en fonction de log(x) (dans notre cas le temps).

LINREGPOINT( Excel!Ln(Rank([Order Date].[Calendar].CurrentMember,[Order Date].[Calendar].CurrentMember.Level.Members)),

DESCENDANTS([Order Date].[Calendar].[All],[Order Date].[Calendar].CurrentMember.Level),

[Measures].[Internet Sales Amount],

Excel!Ln( Rank([Order Date].[Calendar].CurrentMember,[Order Date].[Calendar].CurrentMember.Level.Members)) )

Dans cet exemple j’ai utiliser la fonction Ln d’excel qui calcul le logarithme népérien, on peut utiliser les fonctions d’excel dans MDX à condition qu’Excel soit installé sur le serveur ou SQL Server Analysis Services est installé.

L’exemple ci-dessus calcul la tendance logarithmique du montant des ventes de AdventureWorks pour n’importe quel niveau de la dimension temps. C’est-à-dire si on explore avec les mois il va calculer la tendance logarithmique des mois et il peut prédire les prochaines valeurs des ventes pour les mois/trimestre/année à venir.

Publié dans Analysis Services | Pas de Commentaire »

Calcul des tendances avec MDX – Regression linéaire

Posté par wissemhabboub le 5 juin 2008

La régression linéaire est une méthode statistique de suivi de la tendance. Ses résultats sont habituellement proches de la moyenne mobile & les modes d’utilisation sont similaires. Elle présente les valeurs de la variable sous forme d’une droite avec l’équation : Y=aX+b (ou y est la valeur de la variable, x représente dans les cas des tendances le temps)

 

 Calcul des tendances avec MDX - Regression linéaire dans Analysis Services regressionlinaire

 

Une courbe de tendance linéaire est une ligne droite pondérée qui est utilisée avec des ensembles de données linéaires simples. Vos données sont linéaires si le motif des points de données ressemble à une ligne. Une courbe de tendance linéaire représente généralement une augmentation ou une diminution régulière.

Exemple MDX : adventureWorks pour le calcul de la régression linéaire des ventes. 

L’exemple suivant calcul la valeur de Y (dans notre cas le montant des ventes) en fonction de x (dans notre cas le temps). 

LINREGPOINT(

Rank([Order Date].[Calendar].CurrentMember,[Order Date].[Calendar].CurrentMember.Level.Members),   

DESCENDANTS([Order Date].[Calendar].[All],[Order Date].[Calendar].CurrentMember.Level),  [Measures].[Internet Sales Amount],                 

Rank([Order Date].[Calendar].CurrentMember,[Order Date].[Calendar].CurrentMember.Level.Members) ) 

L’exemple ci-dessus calcul la regression linéaire du montant des ventes de AdventureWorks pour n’importe quel niveau de la dimension temps. C’est-à-dire si on explore avec les mois il va calculer la regression linéaire des mois et il peut prédire les prochaines valeurs des ventes pour les mois/trimestre/année à venir. 

Syntaxe et arguments de la fonction LinRegPoint  (extrait du technet) : 

LinRegPoint(Slice_Expression_x, Set_Expression, Numeric_Expression_y [ ,Numeric_Expression_x ] ) 

Slice_Expression_x   Expression numérique valide qui correspond généralement à une expression MDX (Multidimensional Expressions) des coordonnées des cellules qui retournent un nombre représentant les valeurs de l’axe de secteur. 

Set_Expression   Expression MDX (Multidimensional Expressions) valide qui retourne un jeu. 

Numeric_Expression_y  Expression numérique valide qui correspond généralement à une expression MDX (Multidimensional Expressions) des coordonnées des cellules qui retournent un nombre représentant les valeurs de l’axe des ordonnées. 

Numeric_Expression_x   Expression numérique valide qui correspond généralement à une expression MDX (Multidimensional Expressions) des coordonnées des cellules qui retournent un nombre représentant les valeurs de l’axe des abscisses. 

 La régression linéaire qui utilise la méthode des moindres carrés calcule l’équation d’une droite de régression (c’est-à-dire de la meilleure ligne pour une série de points). La droite de régression s’exprime par l’équation suivante, où a représente la pente et b l’ordonnée à l’origine :  y = ax+b  La fonction LinRegPoint évalue le jeu spécifié par rapport à la deuxième expression numérique pour extraire les valeurs de l’axe des ordonnées. Elle évalue ensuite le jeu spécifié par rapport à la troisième expression numérique (si cette dernière est précisée) pour extraire les valeurs de l’axe des abscisses. Si la troisième expression numérique n’est pas spécifiée, la fonction utilise le contexte actuel des cellules dans le jeu spécifié en tant que valeurs de l’axe des abscisses. Il est fréquent de ne pas spécifier l’argument de l’axe des abscisses avec la dimension Time. Une fois la régression linéaire calculée, la valeur de l’équation est calculée pour la première expression numérique, puis retournée. 

En plus des explications du technet cité ci-dessus et par rapport à notre exemple je vouderai juste préciser qu’il faut fournir à l’argument Slice_Expression_x  les coordonées  et non les valeurs de x c’est pour cela que dans notre exemple on a utilisé la fonction RANK. 

Fonction Linregpoint :   http://technet.microsoft.com/fr-fr/library/ms144752(SQL.100).aspx 

Fonction Descendants : http://technet.microsoft.com/fr-fr/library/ms146075(SQL.100).aspx 

Fonction Rank :  http://technet.microsoft.com/fr-fr/library/ms144726(SQL.100).aspx 

 

Publié dans Analysis Services | Pas de Commentaire »

Calcul des Tendances avec MDX – Moyenne mobile

Posté par wissemhabboub le 29 mai 2008

Les tendances servent à connaitre le comportement d’une variable/indicateur dans le temps et pourra être utilisée pour prédire ces prochaines valeurs. Elle nous permet de connaitre si la tendance de notre variable est à la hausse, à la baisse ou plus ou moins stable.

Plusieurs techniques sont utilisés pour mesurer les tendances, les plus connues sont : la moyenne mobile, la régression linéaire, la tendance logarithmique, la tendance exponentielle, puissance, polynomiale,…..

Dans cette série d’articles j’essayerai d’aborder les différentes techniques de calcul des tendances et les instructions MDX relatives à ces techniques. ce premier article sera consacré à la moyenne mobile.

1- Moyenne mobile  :

C’est la moyenne des « n » dernières (souvent les mois) périodes, elle est très utilisée pour mesurer la tendance des ventes ou pour le réapprovisionnement, elle permet d’éliminer les effets de la saisonnalité.

Une courbe de tendance de moyenne mobile égalise les fluctuations des données afin de clarifier un motif ou une tendance. Une telle courbe utilise un nombre spécifique de points de données (définis par le biais de l’option Période), calcule une moyenne, puis utilise cette valeur comme un point de la courbe de tendance. Si la Période est égale à 2, par exemple, la moyenne des deux premiers points de données est utilisée comme le premier point de la courbe de tendance de moyenne mobile. La moyenne du deuxième et du troisième point de données est utilisée comme le deuxième point de la courbe de tendance, etc. 

Exemple MDX pour adventureWorks:  Calcul de la moyenne mobile des ventes en prenant à chaque fois les 12 derniers mois.

AVG(  LASTPERIODS (12,[Order Date].[Month].CurrentMember)   ,  [Measures].[Internet Sales Amount]  )

Moyenne mobile

Syntaxe AVG: http://msdn.microsoft.com/en-us/library/ms146067.aspx

Syntaxe LastPeriods:  http://msdn.microsoft.com/en-us/library/ms145588.aspx 

Publié dans Analysis Services | Pas de Commentaire »

12
 

Mémoire Professionnel : L'a... |
nxtisi |
Cours informatique PC |
Unblog.fr | Créer un blog | Annuaire | Signaler un abus | Affichage exterieur
| club informatique Gessien
| Les Hackers de Sherwood !*!*!