Analisis Services (Ssas)

Mi coleccin
Este documento se proporciona "tal cual". La informacin y los puntos de vista expresados en este documento, incluyendo las referencias a sitios web de
Internet y direcciones URL, est sujeta a cambios sin aviso. Este documento no implica ningn derecho legal respecto a ninguna propiedad intelectual de ningn
nombre de producto o producto de Microsoft. Puede copiar y utilizar este documento con fines internos y de referencia. Se permite que modifique este
documento para sus fines internos y de referencia. 2013 Microsoft. Reservados todos los derechos. Trminos de uso
(http://msdn.microsoft.com/cc300389.aspx) | Marcas comerciales (http://www.microsoft.com/library/toolbar/3.0/trademarks/en-us.mspx)
Table Of Contents
Captulo 1
Tutoriales de Analysis Services
Captulo1
Tutoriales de Analysis Services (SSAS)

SQL Server 2014
Esta seccin contiene los tutoriales de SQL Server 2014 Analysis Services.
Creacin de modelos tabulares tutorial de Adventure Works

Este tutorial proporciona lecciones de cmo crear un modelo tabular bsico de Analysis Services para una empresa ficticia, Adventure Works, mediante SQL Server
Data Tools (SSDT).
Creacin de modelos multidimensionales tutorial de Adventure Works
En este tutorial se ensean los conocimientos y conceptos fundamentales que estn detrs del modelado multidimensional en SQL Server Data Tools SSDT.
Cuando lo complete, tendr una base de datos de cubo basada en los datos de Adventure Works a la que podr acceder desde Excel, Reporting Services o
cualquier otra aplicacin cliente que se conecte a Analysis Services.
Bases de datos de ejemplo AdventureWorks en Codeplex
Este vnculo le lleva a la pgina de descarga de Codeplex que tiene las bases de datos de ejemplo de AdventureWorks para SQL Server 2014.
Ejemplo de cdigo AMO para crear modelos tabulares mediante programacin
Este vnculo le lleva a la pgina de descarga de Codeplex que contiene el ejemplo AMO para SQL Server 2014.
Tutoriales de SQL Server 2008 R2
La mayora de los tutoriales de SQL Server 2008 R2 funcionan en un servidor de SQL Server 2014. Si no tiene experiencia con la minera de datos, use este vnculo
para buscar tutoriales de minera de datos de SQL Server 2008 R2 que funcionan tambin con una instancia de SQL Server 2014 de Analysis Services.
Vea tambin
Otros recursos
TechNet WIKI: Ejemplos de SQL Server 2012
Conjunto de datos Picnic (datos de ejemplo)
2014 Microsoft. Reservados todos los derechos.
Creacin de modelos tabulares tutorial de Adventure Works

SQL Server 2014
Este tutorial ofrece lecciones sobre cmo crear un modelo tabular de SQL Server 2014 Analysis Services mediante SQL Server Data Tools SSDT.
Aprendizaje
En el transcurso de este tutorial, aprender lo siguiente:
Cmo crear un proyecto de modelo tabular en SQL Server Data Tools.

Cmo importar datos de una base de datos relacional de SQL Server en un proyecto de modelo tabular.
Cmo crear y administrar relaciones entre las tablas del modelo.
Cmo crear y administrar clculos, medidas e indicadores clave de rendimiento que ayuden a los usuarios a analizar los datos del modelo.
Cmo crear y administrar perspectivas y jerarquas que ayuden a los usuarios a examinar ms fcilmente los datos del modelo mediante puntos de vista
especficos del negocio y de la aplicacin.
Cmo crear particiones que dividan los datos de la tabla en piezas lgicas ms pequeas que se puedan procesar independientemente de otras particiones.
Cmo proteger los objetos y los datos del modelo creando roles con miembros de usuario.
Cmo implementar un modelo tabular en un espacio aislado o en una instancia de produccin de Analysis Services que se ejecuta en modo tabular.
Escenario del tutorial

Este tutorial se basa en Adventure Works Cycles, una compaa ficticia. Adventure Works Cycles es una multinacional dedicada a la fabricacin y distribucin de
bicicletas de metal y de metal compuesto en mercados de Norteamrica, Europa y Asia. Las oficinas centrales de Adventure Works Cycles se encuentran en Bothell,
Washington, donde la compaa tiene 500 trabajadores. Adems, Adventure Works Cycles tiene contratados a varios equipos de ventas regionales en toda su base de
mercado.
Para satisfacer mejor las necesidades de anlisis de datos de los equipos de ventas y marketing, y de los directivos, le encargan que cree un modelo tabular para que
los usuarios analicen datos de las ventas por Internet de la base de datos de ejemplo AdventureWorksDW.
Para completar el tutorial, y el modelo tabular Ventas por Internet de Adventure Works, debe realizar una serie de lecciones. Dentro de cada leccin hay varias tareas;
la realizacin de cada tarea en orden es necesaria para completar la leccin. Mientras que en una determinada leccin puede haber varias tareas con las que se
obtiene un resultado similar, el modo en que se completa cada tarea puede ser ligeramente diferente. Es decir, a menudo hay varias formas de completar una
determinada tarea, y para su realizacin tendr que poner en prctica los conocimientos que aprendi en tareas anteriores.
El propsito de las lecciones es guiarle por la creacin de un modelo tabular bsico que se ejecute en modo en memoria usando muchas de las caractersticas
incluidas en SQL Server Data Tools. Como cada leccin se basa en la anterior, debe completar las lecciones en orden. Cuando haya completado todas las lecciones,
habr creado e implementado el modelo tabular de ejemplo Venta por Internet de Adventure Works en un servidor de Anlisis Services.
Nota
Este tutorial no proporciona lecciones ni informacin sobre cmo administrar una base de datos del modelo tabular implementado utilizando SQL Server
Management Studio o una aplicacin cliente de informes para conectarse a un modelo implementado con objeto de examinar los datos del modelo.
Requisitos previos
Para completar este tutorial, debe tener los siguientes requisitos previos instalados:
Instancia de SQL Server 2014 Analysis Services que se ejecuta en modo Tabular.
SQL Server Data Tools (SSDT).
Base de datos de ejemplo AdventureWorksDW. Esta base de datos de ejemplo incluye los datos necesarios para completar este tutorial. Para descargar la base
de datos de ejemplo, vea http://go.microsoft.com/fwlink/?LinkID=335807.
Microsoft Excel 2003 o posterior para su uso con la caracterstica Analizar de Excel en la leccin 11
Lecciones
Este tutorial incluye las siguientes lecciones:
Leccin
Tiempo estimado para completar la leccin
Leccin 1: Crear un nuevo proyecto de modelo tabular
10 minutos
Leccin 2: Agregar datos
20 minutos
Leccin 3: Cambiar el nombre de las columnas
20 minutos
Leccin 4: Marcar como tabla de fechas
3 minutos
Leccin 5: Crear relaciones
10 minutos
Leccin 6: Crear columnas calculadas
15 minutos
Leccin 7: Crear medidas
30 minutos
Leccin 8: Crear indicadores clave de rendimiento
15 minutos
Leccin 9: Crear perspectivas
5 minutos
Leccin 10: Crear jerarquas
20 minutos
Leccin 11: Crear particiones
15 minutos
Leccin 12: Crear roles
15 minutos
Leccin 13: Analizar en Excel
20 minutos
Leccin 14: Implementar
5 minutos
Lecciones complementarias
Este tutorial tambin incluye Lecciones complementarias. Los temas de esta seccin no son necesarios para completar el tutorial, pero pueden ser tiles para
comprender mejor las caractersticas avanzadas de creacin de modelos tabulares.
Este tutorial incluye las siguientes lecciones complementarias:
Leccin
Tiempo estimado para completar la

leccin
Implementar seguridad dinmica utilizando filtros de filas
30 minutos
Configurar las propiedades de notificacin para informes de Power View Configurar las propiedades de notificacin para
informes de Power View
30 minutos
Paso siguiente
Para comenzar el tutorial, vaya a la primera leccin: Leccin 1: Crear un nuevo proyecto de modelo tabular.
Leccin 1: Crear un nuevo proyecto de modelo tabular

SQL Server 2014
En esta leccin, crear un nuevo proyecto de modelo tabular en blanco en SQL Server Data Tools SSDT. Una vez creado el nuevo proyecto, puede comenzar a agregar
datos usando el Asistente para la importacin de tablas. Adems de crear un nuevo proyecto, esta leccin incluye tambin una breve introduccin al entorno de creacin
de modelos tabulares en SQL Server Data Tools.
Para obtener ms informacin sobre los diferentes tipos de proyectos de modelos tabulares, vea Proyectos de modelos tabulares (SSAS tabular). Para obtener ms
informacin sobre el entorno de creacin de modelos tabulares, vea Diseador de modelos tabulares SSAS tabular.
Tiempo estimado para completar esta leccin: 10 minutos
Requisitos previos
Este tema es la primera leccin de un tutorial de creacin de modelos tabulares. Para completar esta leccin, debe tener la base de datos AdventureWorksDW
instalada en una instancia de SQL Server. Para obtener ms informacin, vea Creacin de modelos tabulares tutorial de Adventure Works.
Crear un nuevo proyecto de modelo tabular

Para crear un nuevo proyecto de modelo tabular
1. En SQL Server Data Tools, en el men Archivo, haga clic en Nuevo y, a continuacin, en Proyecto.
2. En el cuadro de dilogo Nuevo proyecto, debajo de Plantillas instaladas, haga clic en Business Intelligence, en Analysis Services y en Proyecto tabular de
Analysis Services.
3. En Nombre, escriba MT Ventas AW y especifique una ubicacin para los archivos del proyecto.
De forma predeterminada, Nombre de la solucin ser el mismo que el nombre del proyecto; no obstante, puede especificar un nombre de solucin diferente.
4. Haga clic en Aceptar.
Descripcin del entorno de creacin de modelos tabulares con las herramientas de datos de
SQL Server
Ahora que ha creado un nuevo proyecto de modelo tabular, dedique un momento a examinar el entorno de creacin de modelos tabulares de SQL Server Data Tools
(Visual Studio 2010 o posterior).
Despus de crear el proyecto, este se abre en SQL Server Data Tools. Aparecer un modelo vaco en el diseador de modelos y el archivo Model.bim se seleccionar
en el Explorador de soluciones. Cuando agregue datos, aparecern tablas y columnas en el diseador. Si no ve el diseador la ventana vaca con la pestaa
Model.bim), en el Explorador de soluciones, en MT Ventas AW, haga doble clic en el archivo Model.bim.
Puede ver las propiedades bsicas del proyecto en la ventana Propiedades. En el Explorador de soluciones, haga clic en MT Ventas AW. Observe que en la ventana
Propiedades, en Archivo de proyecto, aparece MT Ventas AW.smproj. Este es el nombre de archivo del proyecto y en Carpeta del proyecto ver la ubicacin del
archivo del proyecto.
En Explorador de soluciones, haga clic con el botn secundario en el proyecto MT Ventas AW y, a continuacin, haga clic en Propiedades. Aparece el cuadro de
dilogo Pginas de propiedades del MT Ventas AW. Estas son las propiedades avanzadas del proyecto. Establecer alguna de estas propiedades ms adelante
cuando est preparado para implementar el modelo.
Ahora, examinemos las propiedades del modelo. En el Explorador de soluciones, haga clic en Model.bim. En la ventana Propiedades ver ahora las propiedades del
modelo, de las cuales la ms importante es DirectQueryMode. Esta propiedad especifica si el modelo se va a implementar en modo de almacenamiento en memoria
(desactivada) o en modo DirectQuery (activada). En este tutorial, crear e implementar el modelo en modo de almacenamiento en memoria.
Cuando crea un modelo nuevo, algunas propiedades del modelo se establecen automticamente segn la configuracin del modelo de datos, que puede especificarse
en Herramientas\cuadro de dilogo Opciones. Las propiedades Copia de seguridad de datos, Retencin de rea de trabajo y Servidor del rea de trabajo especifican
cmo y dnde se realiza una copia de seguridad, se conserva en memoria y se crea la base de datos del rea de trabajo la base de datos de creacin del modelo.
Puede cambiar esta configuracin ms adelante si es necesario, pero de momento deje estas propiedades tal como estn.
Cuando instal SQL Server Data Tools, se agregaron varios elementos de men nuevos al entorno de Visual Studio. Examinemos los nuevos elementos de men que
son especficos de la creacin de modelos tabulares. Haga clic en el men Modelo. Desde aqu, puede iniciar el Asistente para la importacin de tablas, ver y editar
conexiones existentes, actualizar los datos del rea de trabajo, examinar el modelo en Microsoft Excel con la caracterstica Analizar de Excel, crear perspectivas y roles,
seleccionar la vista del modelo y definir opciones de clculo.
Haga clic en el men Tabla. Aqu puede crear y administrar las relaciones entre tablas, crear y administrar tablas, especificar la configuracin de las tablas de datos,
crear particiones y editar las propiedades de tabla.
Haga clic en el men Columna. Aqu puede agregar y eliminar columnas de una tabla, inmovilizar columnas y especificar el criterio de ordenacin. Tambin puede
utilizar la caracterstica de autosuma para crear una medida de agregacin estndar para una columna seleccionada. Otros botones de la barra de herramientas
proporcionan acceso rpido a caractersticas y comandos usados con frecuencia.
Examine algunos de los cuadros de dilogo y ubicaciones de las distintas caractersticas especficas de la creacin de modelos tabulares. Aunque algunos elementos
an no estn activos, puede hacerse una idea de cmo es el entorno de creacin de modelos tabulares.
Pasos siguientes
Para continuar este tutorial, vaya a la leccin siguiente: Leccin 2: Agregar datos.
Leccin 2: Agregar datos

SQL Server 2014
En esta leccin usar el Asistente para la importacin de tablas de SQL Server Data Tools para conectarse a la base de datos SQL AdventureWorksDW, seleccionar datos,
obtener una vista previa, filtrar los datos e importarlos al rea de trabajo del modelo.
Mediante el Asistente para la importacin de tablas, puede importar datos de una gran variedad de orgenes relacionales: Access, SQL, Oracle, Sybase, Informix, DB2,
Teradata, etc. El procedimiento para importar los datos de cada uno de estos orgenes relacionales es muy similar al que se describe a continuacin. Asimismo, los datos
se pueden seleccionar mediante un procedimiento almacenado.
Para obtener ms informacin sobre la importacin de datos y los diferentes tipos de orgenes de datos de los que puede realizar la importacin, vea Orgenes de datos
(SSAS tabular).
Requisitos previos
Este tema es parte de un tutorial de creacin de modelos tabulares, que se debe completar en orden. Antes de realizar las tareas de esta leccin, debe haber
completado la leccin anterior: Leccin 1: Crear un nuevo proyecto de modelo tabular.
Crear una conexin

Para crear una conexin con la base de datos AdventureWorksDW2012
1. En SQL Server Data Tools, haga clic en el men Modelo y, a continuacin, haga clic en Importar desde el origen de datos.
De esta forma se inicia el Asistente para la importacin de tablas, que le gua a travs del proceso para establecer una conexin a un origen de datos. Si
Importar desde el origen de datos est atenuado, haga doble clic en Model.bim en en Explorador de soluciones para abrir el modelo en el diseador.
2. En el Asistente para la importacin de tablas, bajo Bases de datos relacionales, haga clic en Microsoft SQL Server y despus en Siguiente.
3. En la pgina Conectarse a una base de datos de Microsoft SQL Server, en Nombre descriptivo de la conexin, escriba BD de Adventure Works de SQL.
4. En Nombre del servidor, escriba el nombre del servidor en el que instal la base de datos AdventureWorksDW.
5. En el campo Nombre de la base de datos, haga clic en la flecha abajo y seleccione AdventureWorksDW; a continuacin, haga clic en Siguiente.
6. En la pgina Informacin de suplantacin, tendr que especificar las credenciales que usar Analysis Services para conectar con el origen de datos al importar
y procesar los datos. Compruebe que Nombre de usuario y contrasea especficos de Windows est seleccionado y, en Nombre de usuario y Contrasea,
especifique las credenciales de inicio de sesin de Windows y haga clic en Siguiente.
Nota
El uso de una cuenta de usuario y una contrasea de Windows es el mtodo ms seguro de conexin a un origen de datos. Para obtener ms informacin,
vea Suplantacin SSAS tabular.
7. En la pgina Elegir cmo importar los datos, compruebe que la opcin Seleccionar de una lista de tablas y vistas para elegir los datos para importar est
seleccionada. Tendr que seleccionar valores de una lista de tablas y vistas, as que haga clic en Siguiente para mostrar una lista de todas las tablas de origen
de la base de datos de origen.
8. En la pgina Seleccionar tablas y vistas, active la casilla de las siguientes tablas: DimCustomer, DimDate, DimGeography, DimProduct, DimProductCategory,
DimProductSubcategory y FactInternetSales.
9. Vamos a asignar nombres fciles de identificar a las tablas del modelo. Haga clic en la celda de la columna Nombre descriptivo de DimCustomer. Cambie el
nombre de la tabla quitando Dim de DimCustomer.
10. Cambie el nombre de las dems tablas:
Nombre de origen
Nombre descriptivo
DimDate
date
DimGeography
Geography
DimProduct
Product
DimProductCategory
Product Category
DimProductSubcategory
Product Subcategory
FactInternetSales
Internet Sales
NO haga clic en Finalizar.
Ahora que se ha conectado a la base de datos, ha seleccionado las tablas que se importarn y ha asignado nombres descriptivos a las tablas, vaya a la siguiente
seccin, Filtrar los datos de la tabla antes de importar.
Filtrar los datos de la tabla

La tabla DimCustomer que va a importar de la base de datos contiene un subconjunto de los datos de la base de datos Adventure original de SQL Server. Filtrar
algunas de las columnas de la tabla DimCustomer que no son necesarias. Cuando sea posible, querr filtrar los datos que no se utilicen para ahorrar espacio en
memoria usado por el modelo.
Para filtrar los datos de las tablas antes de importar

1. Seleccione la fila de la tabla Customer y, a continuacin, haga clic en Vista previa y filtrar. La ventana Vista previa de la tabla seleccionada se abre con todas
las columnas de la tabla de origen DimCustomer mostradas.
2. Desactive la casilla situada sobre las siguientes columnas:
Customer
SpanishEducation
FrenchEducation
SpanishOccupation
FrenchOccupation
Puesto que los valores de estas columnas no son pertinentes para el anlisis de ventas por Internet, no hay necesidad de importarlas. La eliminacin de
columnas innecesarias reducir el tamao de su modelo.
3. Compruebe que el resto de las columnas estn activadas y despus haga clic Aceptar.
Observe que las palabras Filtros aplicados se muestran ahora en la columna Detalles del filtro en la fila Customer; si hace clic en ese vnculo, ver una
descripcin textual de los filtros recin aplicados.
4. Filtre las tablas restantes desactivando las casillas de las columnas siguientes en cada tabla:
date
DateKey
SpanishDayNameOfWeek
FrenchDayNameOfWeek
SpanishMonthName
FrenchMonthName
Geography
SpanishCountryRegionName
FrenchCountryRegionName
IpAddressLocator
Product
SpanishProductName
FrenchProductName
FrenchDescription
ChineseDescription
ArabicDescription
HebrewDescription
ThaiDescription
GermanDescription
JapaneseDescription
TurkishDescription
Product Category
SpanishProductCategoryName
FrenchProductCategoryName
Product Subcategory
SpanishProductSubcategoryName
FrenchProductSubcategoryName
Internet Sales
OrderDateKey
DueDateKey
ShipDateKey
Ahora que ha obtenido una vista previa de los datos innecesarios y los ha filtrado, puede importar los datos. Vaya a la siguiente seccin, Importar los datos de las
columnas y las tablas seleccionadas.
Importar los datos de las columnas y las tablas seleccionadas

Ahora puede importar los datos seleccionados. El asistente importa los datos de la tabla junto con todas las relaciones entre las tablas. Las nuevas tablas y columnas
se crean en el modelo con los nombres descriptivos que especific, y los datos que filtr no se importan.
Para importar los datos de las columnas y las tablas seleccionadas

1. Revise las opciones seleccionadas. Si todo parece correcto, haga clic en Finalizar.
Mientras importa los datos, el asistente muestra cuntas filas se han capturado. Cuando se hayan importado todos los datos, se muestra un mensaje para
indicarlo.
Sugerencia
Para ver las relaciones que se crearon automticamente entre las tablas importadas, en la fila Preparacin de datos, haga clic en Detalles.
2. Haga clic en Cerrar.
El asistente se cierra y aparece el diseador de modelos. Cada tabla se ha agregado como una nueva pestaa en el diseador de modelos.
Guardar el proyecto de modelo

Es importante que guarde frecuentemente el proyecto de modelo.
Para guardar el proyecto de modelo

En SQL Server Data Tools, haga clic en el men Archivo y luego en Guardar todo.
Paso siguiente
Para continuar este tutorial, vaya a la leccin siguiente: Leccin 3: Cambiar el nombre de las columnas.
Leccin 3: Cambiar el nombre de las columnas

En esta leccin, cambiar el nombre de muchas de las columnas de cada tabla que ha importado. El cambio de nombre permite navegar de forma ms sencilla por el
diseador de modelos y facilita la seleccin de campos de los usuarios en una aplicacin cliente. Para obtener ms informacin, vea Cambiar el nombre de una tabla o
una columna (SSAS tabular).
Importante
El cambio de nombre de las columnas no es necesario para completar este tutorial; sin embargo, las lecciones restantes, especialmente en las que hay que crear
relaciones, as como crear columnas calculadas y medidas mediante frmulas DAX, hacen referencia a los nombres descriptivos que se indican en esta leccin. Si
decide no cambiar el nombre de las columnas, tendr que editar las frmulas DAX en las lecciones 5, 6 y 7 para utilizar los nombres de las columnas de origen
originales proporcionados en esta leccin.
Requisitos previos
completado la leccin anterior: Leccin 2: Agregar datos.
Cambiar el nombre de las columnas

Para cambiar el nombre de las columnas
1. En el diseador de modelos, haga clic en tabla pestaa Customer.
Al hacer clic en una pestaa, la tabla se activa en la ventana del diseador de modelos.
2. Haga doble clic en el nombre de columna CustomerKey, escriba Id. de cliente y presione ENTRAR.
Sugerencia
Tambin puede cambiar el nombre de una columna en la propiedad Nombre de columna en la ventana Propiedades de la columna o en la vista de
diagrama.
3. Cambie el nombre de las columnas restantes de la tabla Customer, as como el de las columnas de las dems tablas, sustituyendo el nombre de origen por el
nombre descriptivo:
Tabla Customer
Nombre de origen
Nombre descriptivo
GeographyKey
Id. de geografa
CustomerAlternateKey
Id. alternativo del cliente
FirstName
Nombre
MiddleName
Segundo nombre
LastName
Apellidos
NameStyle
Estilo del nombre
BirthDate
Fecha de nacimiento
MaritalStatus
Estado civil
EmailAddress
Direccin de correo electrnico
YearlyIncome
Ingresos anuales
TotalChildren
Hijos
NumberChildrenAtHome
Hijos a su cuidado
EnglishEducation
Educacin
EnglishOccupation
Ocupacin
HouseOwnerFlag
Propietario de una vivienda
NumberCarsOwned
Nmero de vehculos en propiedad
AddressLine1
Lnea de direccin 1
AddressLine2
Lnea de direccin 2
Phone
Nmero de telfono
DateFirstPurchase
Fecha de la primera compra
CommuteDistance
Distancia de viaje
Date
Nombre de origen
Nombre descriptivo
FullDateAlternateKey
date
DayNumberOfWeek
Da de la semana
EnglishDayNameOfWeek
Nombre del da
DayNumberOfMonth
Da del mes
DayNumberOfYear
Da del ao
WeekNumberOfYear
Nmero de semana del ao
EnglishMonthName
Nombre del mes
MonthNumberOfYear
Mes
CalendarQuarter
Trimestre del calendario
CalendarYear
Ao del calendario
CalendarSemester
Semestre del calendario
FiscalQuarter
Trimestre fiscal
FiscalYear
Ao fiscal
FiscalSemester
Semestre fiscal
Geography
Nombre de origen
Nombre descriptivo
GeographyKey
Id. de geografa
StateProvinceCode
Cdigo de estado o provincia
StateProvinceName
Nombre de estado o provincia
CountryRegionCode
Cdigo de pas o regin
Nombre de pas o regin
PostalCode
Cdigo postal
SalesTerritoryKey
Id. de territorio de ventas
Product
Nombre de origen
Nombre descriptivo
ProductKey
Id. de producto
ProductAlternateKey
Id. alternativo del producto
ProductSubcategoryKey
Id. de subcategora del producto
WeightUnitMeasureCode
Cdigo de unidad de peso
SizeUnitMeasureCode
Cdigo de unidad de tamao
EnglishProductName
Nombre del producto
StandardCost
Costo estndar
FinishedGoodsFlag
Es producto final
SafetyStockLevel
Nivel de stock de seguridad
ReorderPoint
Punto de nuevo pedido
ListPrice
Precio de lista
SizeRange
Rango de tamao
DaysToManufacture
Das hasta fabricacin
ProductLine
Lnea de productos
Dealer Price
Precio del distribuidor
ModelName
Nombre del modelo
LargePhoto
Foto grande
EnglishDescription
Descripcin
StartDate
Fecha de inicio del producto
EndDate
Fecha de finalizacin del producto
Status
Estado del producto
Product Category
Nombre de origen
Nombre descriptivo
ProductCategoryKey
Id. de categora del producto
ProductCategoryAlternateKey
Id. alternativo de categora del producto
EnglishProductCategoryName
Nombre de categora del producto
Product Subcategory
Nombre de origen
Nombre descriptivo
ProductSubcategoryKey
ProductSubcategoryAlternateKey
Id. alternativo de subcategora del producto
EnglishProductSubcategoryName
Nombre de subcategora del producto
ProductCategoryKey
Id. de categora del producto
Internet Sales
Nombre de origen
Nombre descriptivo
ProductKey
Id. de producto
CustomerKey
Id. de cliente
PromotionKey
Id. de promocin
CurrencyKey
Id. de moneda
SalesTerritoryKey
Id. de territorio de ventas
SalesOrderNumber
Nmero de pedido de ventas
SalesOrderLineNumber
Nmero de lneas del pedido de venta
RevisionNumber
Nmero de revisin
OrderQuantity
Cantidad del pedido
UnitPrice
Precio por unidad
ExtendedAmount
Importe extendido
UnitPriceDiscountPct
Porcentaje de descuento del precio por unidad
DiscountAmount
Importe de descuento
ProductStandardCost
Costo estndar del producto
TotalProductCost
Costo total del producto
SalesAmount
Importe de ventas
TaxAmt
Importe de impuesto
CarrierTrackingNumber
Nmero de seguimiento del transportista
CustomerPONumber
Nmero de orden de compra del cliente
OrderDate
Fecha de pedido
DueDate
Fecha de vencimiento
ShipDate
Fecha de envo
Paso siguiente
Para continuar este tutorial, vaya a la leccin siguiente: Leccin 4: Marcar como tabla de fechas.
Leccin 4: Marcar como tabla de fechas

SQL Server 2014
En la leccin 2: Agregar datos, import una tabla de dimensiones denominada DimDate. A continuacin cambi el nombre de la tabla DimDate, en la leccin 3: Cambiar el
nombre de las columnas a, simplemente, Date. Aunque en el modelo esta tabla se denomina Date, puede ser tambin conocida como tabla Date, porque contiene datos
datetime.
Siempre que use funciones de Inteligencia de tiempo en los clculos, como har al crear medidas un poco ms adelante, debe especificar propiedades de pabla de
fechas, que incluyen una tabla de fechas y una columna de fecha de identificador nico en esa tabla. Puede crear relaciones vlidas entre otras tablas y la tabla Date; es
necesario para los clculos con las funciones de inteligencia de tiempo de DAX.
En esta leccin, se marcar la tabla Date importada y con el nombre cambiado como Date table y la columna Date (en la tabla Date) como Date column (identificador
nico. Todo el uso del nombre Date puede llevar a confusin, pero pronto lo entender.
Requisitos previos
completado la leccin anterior: Leccin 3: Cambiar el nombre de las columnas.
Para establecer la marca como tabla de fecha

1. En el diseador de modelos, haga clic en la tabla pestaa Date.
2. Haga clic en el men Tabla , haga clic en Date y despus haga clic en Marcar como tabla de fechas.
3. En el cuadro de dilogo Marcar como tabla de fechas, en el cuadro de lista Date, seleccione la columna Date que se utilizar como identificador nico.
Pasos siguientes
Para continuar este tutorial, vaya a la leccin siguiente: Leccin 5: Crear relaciones.
Leccin 5: Crear relaciones

SQL Server 2014
En esta leccin, comprobar las relaciones que se crearon automticamente cuando import datos y agregar nuevas relaciones entre tablas diferentes. Una relacin es
una conexin entre dos tablas de datos que establece cmo se deben poner en correlacin los datos de esas tablas. Por ejemplo, la tabla Product y la tabla Product
Subcategory tienen una relacin basada en el hecho de que cada producto pertenece a una subcategora. Para obtener ms informacin, vea relaciones (SSAS tabular).
Requisitos previos
completado la leccin anterior: Leccin 3: Cambiar el nombre de las columnas.
Examinar las relaciones existentes y agregar nuevas relaciones

Cuando import los datos mediante el Asistente para la importacin de tablas, import siete tablas de la base de datos AdventureWorksDW. Normalmente, si importa
datos de un origen relacional, las relaciones existentes se importan automticamente junto con los datos. Sin embargo, para poder crear el modelo debe comprobar
que esas relaciones entre las tablas se crearon correctamente. En este tutorial, agregar tambin tres relaciones nuevas.
Para revisar las relaciones existentes

1. En SQL Server Data Tools, haga clic en el men Modelo, elija Vista de modelo y haga clic en Vista de diagrama.
El diseador de modelos se muestra ahora en la vista de diagrama, un formato grfico que muestra todas las tablas que import con lneas entre ellas. Las
lneas entre las tablas indican las relaciones que se crearon automticamente cuando import los datos.
Utilice los controles de minimapa de la esquina superior derecha del diseador de modelos para ajustar la vista e incluir tantas tablas como sea posible.
Tambin puede hacer clic y arrastrar las tablas a ubicaciones diferentes, aunando las tablas o colocndolas en un orden determinado. El movimiento de las
tablas no afecta a las relaciones existentes entre ellas. Para ver todas las columnas de una determinada tabla, haga clic y arrastre un borde de la tabla para
expandirla o reducirla.
2. Haga clic en la lnea slida entre la tabla Customer y la tabla Geography. La lnea slida entre estas dos tablas muestra que esta relacin est activa, es decir, se
utiliza de forma predeterminada al calcular frmulas DAX.
Observe que la columna Geography Id de la tabla Customer y la columna Geography Id de la tabla Geography aparecen ahora dentro de un cuadro. Esto
indica que esas son las columnas usadas en la relacin. Las propiedades de la relacin aparecen ahora tambin en la ventana Propiedades.
Sugerencia
Adems de usar al diseador de modelos en la vista de diagrama, puede usar tambin el cuadro de dilogo Administrar relaciones para mostrar las
relaciones entre todas las tablas en un formato de tabla. Haga clic en el men Tabla y despus haga clic en Administrar relaciones. El cuadro de dilogo
Administrar relaciones muestra las relaciones que se crearon automticamente cuando import los datos.
3. Use el diseador de modelos en la vista de diagrama o el cuadro de dilogo Administrar relaciones para comprobar que se crearon las siguientes relaciones
cuando se import cada una de las tablas de la base de datos AdventureWorksDW:
Activo
Tabla
Tabla de bsqueda relacionada
Si
Customer [Geography Id]
Geography [Geography Id]
Si
Product [Product Subcategory Id]
Product Subcategory [Product Subcategory Id]
Si
Product Subcategory [Product Category Id]
Product Category [Product Category Id]
Si
Internet Sales [Customer Id]
Customer [Customer Id]
Si
Internet Sales [Product Id]
Product [Product Id]
Si falta alguna de las relaciones en la tabla, compruebe que el modelo incluye las tablas siguientes: Customer, Date, Geography, Product, Product Category, Product
Subcategory y Internet Sales. Si las tablas de la misma conexin del origen de datos se importan en momentos distintos, no se crear ninguna relacin entre estas
tablas y las relaciones debern crearse manualmente.
En algunos casos, tal vez necesite crear relaciones adicionales entre las tablas de su modelo para permitir una determinada lgica empresarial. En este tutorial, tendr
que crear tres relaciones adicionales entre la tabla Internet Sales y la tabla Date.
Para agregar nuevas relaciones entre las tablas

1. En el diseador de modelos, en la tabla Internet Sales, haga clic y mantenga seleccionada la columna Order Date, arrastre el cursor hasta la columna Date de la
tabla Date y sultelo.
Aparece una lnea slida que indica que ha creado una relacin activa entre la columna Order Date de la tabla Internet Sales y la columna Date de la tabla
Date.
Nota
Al crear relaciones, el orden entre la tabla primaria y la tabla de bsqueda relacionada se fija de manera correcta automticamente.
2. En el diseador de modelos, en la tabla Internet Sales, haga clic y mantenga seleccionada la columna Due Date, arrastre el cursor hasta la columna Date de la
tabla Date y sultelo.
Aparece una lnea de puntos que indica que ha creado una relacin inactiva entre la columna Due Date de la tabla Internet Sales y la columna Date de la tabla
Date. Puede haber varias relaciones entre las tablas, pero solo una puede estar activa cada vez.
3. Por ltimo, cree una relacin ms; en la tabla Internet Sales, haga clic y mantenga seleccionada la columna Ship Date, arrastre el cursor hasta la columna Date
de la tabla Date y sultelo.
Aparece una lnea de puntos que indica que ha creado una relacin inactiva entre la columna Ship Date de la tabla Internet Sales y la columna Date de la tabla
Date.
Paso siguiente
Para continuar esta leccin, vaya a la leccin siguiente: Leccin 6: Crear columnas calculadas.
Leccin 6: Crear columnas calculadas

SQL Server 2014
En esta leccin crear nuevos datos en el modelo agregando columnas calculadas. Una columna calculada est basada en datos que ya existen en el modelo. Para
obtener ms informacin, vea Columnas calculadas (SSAS tabular).
Crear cinco columnas calculadas nuevas en tres tablas diferentes. Los pasos son ligeramente diferentes para cada tarea. Esto es as para mostrarle que hay varias
formas de crear nuevas columnas, cambiarles el nombre y colocarlas en distintos lugares de una tabla.
Requisitos previos
completado la leccin anterior: Leccin 5: Crear relaciones.
Crear columnas calculadas

Crear una columna calculada Calendario del mes en la tabla Date
1. En SQL Server Data Tools, haga clic en el men Modelo, elija Vista de modelo y, a continuacin, haga clic en Vista de datos.
Las columnas calculadas solo se pueden crear mediante el diseador de modelos en la Vista de datos.
2. En el diseador de modelos, haga clic en la tabla pestaa Date.
3. Haga clic con el botn secundario en la columna Calendar Quarter y, a continuacin, haga clic en Insertar columna.
Una nueva columna denominada CalculatedColumn1 se inserta a la izquierda de la columna Calendar Quarter.
4. En la barra de frmulas situada encima de la tabla, escriba la siguiente frmula. Autocompletar sirve de ayuda para escribir los nombres completos de columnas
y tablas, y enumera las funciones que estn disponibles.
=RIGHT(" " & FORMAT([Month],"#0"), 2) & " - " & [Month Name]
Cuando termine de crear la frmula, presione ENTRAR.
Los valores se rellenan para todas las filas de la columna calculada. Si se desplaza hacia abajo por la tabla, ver que las filas pueden tener valores diferentes
para esta columna, en funcin de los datos que haya en cada fila.
Nota
Si aparece un error, compruebe que los nombres de columna de la frmula coinciden con los nombres de columna que cambi en Leccin 3: Cambiar el
nombre de las columnas.
5. Cambie el nombre de la columna a Calendario del mes.
La columna calculada Calendario del mes proporciona un nombre ordenable del mes.
Crear una columna calculada Da de la semana en la tabla Date

1. Con la tabla Date activa, haga clic en el men Columna y luego en Agregar columna.
Se agrega una columna nueva a la derecha de la tabla.
2. En la barra de frmulas, escriba la frmula siguiente:
=RIGHT(" " & FORMAT([Day Number Of Week],"#0"), 2) & " - " & [Day Name]
3. Cambie el nombre de la columna a Da de la semana.
4. Haga clic en el encabezado de columna y despus arrastre la columna entre la columna Day Name y la columna Day of Month.
Sugerencia
El movimiento de columnas en la tabla simplifica la navegacin.
La columna calculada Da de la semana proporciona un nombre ordenable del da de la semana.
Crear una columna calculada Nombre de subcategora del producto en la tabla Product
1. En el diseador de modelos, seleccione la tabla Product.
2. Desplcese hasta el extremo derecho de la tabla. Observe que la columna situada ms a la derecha se denomina Agregar columna (en cursiva); haga clic en el
encabezado de columna.
3. En la barra de frmulas, escriba la frmula siguiente.

=RELATED('Product Subcategory'[Product Subcategory Name])
4. Cambie el nombre de la columna a Nombre de subcategora del producto.
La columna calculada Nombre de subcategora del producto se utiliza para crear una jerarqua en la tabla Product que incluya los datos de la columna con igual
nombre en la tabla Product Subcategory. Las jerarquas no pueden abarcar ms de una tabla. Ms adelante, en la leccin 7, crear jerarquas.
Crear una columna calculada Nombre de categora del producto en la tabla Product
1. Con la tabla Product activa, haga clic en el men Columna y, a continuacin, en Agregar columna.
=RELATED('Product Category'[Product Category Name])
3. Cambie el nombre de la columna a Nombre de categora del producto.
La columna calculada Nombre de categora del producto se utiliza para crear una jerarqua en la tabla Product que incluya los datos de la columna con igual nombre
en la tabla Product Category. Las jerarquas no pueden abarcar ms de una tabla.
Crear una columna calculada Margen en la tabla Internet Sales

1. En el diseador de modelos, seleccione la tabla Internet Sales.
2. Agregue una nueva columna.
=[Sales Amount]-[Total Product Cost]
4. Cambie el nombre de la columna a Margen.
5. Arrastre la columna entre la columna Sales Amount y la columna Tax Amt.
La columna calculada Margen se utiliza para analizar los mrgenes de beneficios de cada fila producto.
Paso siguiente
Para continuar esta leccin, vaya a la leccin siguiente: Leccin 7: Crear medidas.
Leccin 7: Crear medidas

SQL Server 2014
En esta leccin, crear medidas para incluirlas en su modelo. Al igual que las columnas calculadas que cre en la leccin anterior, una medida es esencialmente un clculo
creado usando una frmula DAX. Sin embargo, a diferencia de las columnas calculadas, las medidas se evalan en funcin de un filtro seleccionado por el usuario; por
ejemplo, una columna o una segmentacin de datos determinada agregada al campo Etiquetas de filas en una tabla dinmica. A continuacin, la medida aplicada calcula
un valor para cada celda del filtro. Las medidas son clculos eficaces y flexibles que desear incluir en casi todos los modelos tabulares para realizar clculos dinmicos
sobre datos numricos. Para obtener ms informacin, vea Medidas (SSAS tabular).
Para crear medidas, usar la cuadrcula de medidas. De manera predeterminada, cada tabla tiene una cuadrcula de medidas vaca, pero normalmente no crear medidas
para todas las tablas. La cuadrcula de medidas aparece debajo de una tabla en el diseador de modelos en la vista de datos. Para mostrar u ocultar la cuadrcula de
medidas de una tabla, haga clic en el men Tabla y en Mostrar cuadrcula de medidas.
Puede crear una medida haciendo clic en una celda vaca de la cuadrcula de medidas y escribiendo despus una frmula DAX en la barra de frmulas. Al hacer clic en
ENTRAR para completar la frmula, la medida aparecer en la celda. Tambin puede crear medidas mediante una funcin de agregacin estndar haciendo clic en una
columna y despus clic en el botn de autosuma ) en la barra de herramientas. Las medidas creadas mediante la caracterstica de autosuma aparecern directamente
en la cuadrcula de medidas debajo de la columna, pero se pueden mover si es necesario.
En esta leccin, crear medidas escribiendo una frmula DAX en la barra de frmulas y usando la caracterstica de autosuma.
Requisitos previos
completado la leccin anterior: Leccin 6: Crear columnas calculadas.
Crear medidas
Para crear una medida Das del trimestre actual hasta la fecha en la tabla Fecha
1. En el diseador de modelos, haga clic en la tabla Fecha.
2. Si no aparece una cuadrcula de medidas vaca debajo de la tabla, haga clic en el men Tabla y despus en Mostrar cuadrcula de medidas.
3. En la cuadrcula de medidas, haga clic en la celda vaca superior izquierda.
4. En la barra de frmulas situada encima de la tabla, escriba la siguiente frmula:
=COUNTROWS( DATESQTD( 'Date'[Fecha]))
Observe que ahora la celda superior izquierda contiene un nombre de medida, Medida 1, seguido del resultado, 30. El nombre de medida tambin precede a la
frmula en la barra de frmulas.
5. Para cambiar el nombre de la medida, en la barra de frmulas, resalte el nombre, Medida 1, escriba Das del trimestre actual hasta la fecha y despus
presione ENTRAR.
Sugerencia
Cuando escriba una frmula en la barra de frmulas, tambin puede escribir el nombre de la medida seguido de dos puntos :, seguido de un espacio y
seguido de la frmula. Con este mtodo, no tiene que cambiar el nombre de la medida.
Para crear una medida Das del trimestre actual en la tabla Fecha
1. Con la tabla Fecha activa en el diseador de modelos, en la cuadrcula de medidas, haga clic en la celda vaca debajo de la medida que acaba de crear.
Das del trimestre actual :=COUNTROWS DATESBETWEEN 'Date'[Fecha], STARTOFQUARTER LASTDATE'Date'[Fecha],
ENDOFQUARTER('Date'[Fecha])))
Observe que en esta frmula primero se incluye el nombre de medida seguido de dos puntos :.
Al crear un coeficiente de comparacin entre un perodo incompleto y el perodo anterior, la frmula debe tener en cuenta la parte del perodo que ha transcurrido y
compararla con la misma parte del perodo anterior. En este caso, [Das del trimestre actual hasta la fecha]/[Das del trimestre actual] da como resultado la parte
transcurrida del perodo actual.
Para crear una medida Pedido de venta de recuento distinto por Internet en la tabla Ventas por Internet
1. En el diseador de modelos, haga clic en la tabla pestaa Ventas por Internet.
Si no aparece la cuadrcula de medidas, haga clic con el botn secundario en la tabla pestaa Ventas por Internet y despus haga clic en Mostrar cuadrcula
de medidas.
2. Haga clic en el encabezado de columna Nmero de pedido de venta.

3. En la barra de herramientas, haga clic en la flecha abajo situada junto al botn de autosuma y despus seleccione DistinctCount.
La caracterstica de autosuma crea automticamente una medida para la columna seleccionada usando la frmula estndar de agregacin DistinctCount.
Observe que la celda superior situada debajo de la columna en la cuadrcula de medidas ahora contiene un nombre de medida, Nmero de pedido de venta
de recuento distinto. Las medidas creadas mediante la caracterstica de autosuma se colocan automticamente en la celda superior de la cuadrcula de
medidas debajo de la columna asociada.
4. En la cuadrcula de medidas, haga clic en la nueva medida y, a continuacin, en la ventana Propiedades, en Nombre de medida, cambie el nombre de la medida
a Pedido de venta de recuento distinto por Internet.
Para crear medidas adicionales en la tabla Ventas por Internet

1. Con la caracterstica de autosuma, cree y asigne un nombre a las medidas siguientes:
Nombre de medida
Columna
Autosuma
Frmula
Recuento de lneas de pedido por Internet
Nmero de lneas del pedido de venta
Recuento
=COUNT [Nmero de lneas del pedido de venta]
Unidades totales de Internet
Cantidad del pedido
Suma
=SUM([Cantidad del pedido])
Importe de descuento total por Internet
Importe de descuento
Suma
=SUM([Importe de descuento])
Costo total del producto por Internet
Costo total del producto
Suma
=SUM([Costo total del producto])
Ventas totales por Internet
Importe de ventas
Suma
=SUM([Importe de ventas])
Margen total de Internet
Margen
Suma
=SUM([Margen])
Importe de impuesto total por Internet
Importe de impuesto
Suma
=SUM([Importe de impuesto])
Cargos totales por Internet
Cargos
Suma
=SUM([Cargos])
2. Haciendo clic en una celda vaca de la cuadrcula de medidas y usando la barra de frmulas, cree y asigne un nombre a las medidas siguientes:
Importante
Debe crear las medidas siguientes en orden; las frmulas de las medidas posteriores hacen referencia a las medidas anteriores.
Nombre de medida
Frmula
Margen del trimestre anterior por Internet
=CALCULATE ([Margen total por Internet],PREVIOUSQUARTER('Date'[Fecha]))
Margen del trimestre actual por Internet
=TOTALQTD([Margen total por Internet],'Date'[Fecha])
Proporcin del margen del trimestre anterior por Internet

hasta la fecha
=[Margen del trimestre anterior por Internet]*[Das del trimestre actual hasta la fecha]/[Das
del trimestre actual])
Ventas del trimestre anterior por Internet
=CALCULATE([Ventas totales por Internet],PREVIOUSQUARTER('Date'[Fecha]))
Ventas del trimestre actual por Internet
=TOTALQTD([Ventas totales por Internet],'Date'[Fecha])
Proporcin de ventas del trimestre anterior por Internet

hasta la fecha
=[Ventas del trimestre anterior por Internet]*[Das del trimestre actual hasta la fecha]/[Das del
trimestre actual])
Las medidas creadas para la tabla Ventas por Internet se pueden utilizar para analizar datos financieros crticos como ventas, costos y margen de beneficios para los
elementos definidos por el filtro seleccionado por el usuario.
Paso siguiente
Para continuar este tutorial, vaya a la leccin siguiente: Leccin 8: Crear indicadores clave de rendimiento.
Leccin 8: Crear indicadores clave de rendimiento

SQL Server 2014
En esta leccin, crear indicadores clave de rendimiento KPI. Los KPI miden el rendimiento de un valor, definido por una medida base, con respecto a un valor de destino,
tambin definido por una medida o por un valor absoluto. En aplicaciones cliente de informes, los KPI pueden proporcionar a los profesionales del negocio una manera
rpida y sencilla de identificar un resumen de logros empresariales o tendencias. Para obtener ms informacin, vea KPI (SSAS tabular).
Requisitos previos
completado la leccin anterior: Leccin 7: Crear medidas.
Crear indicadores clave de rendimiento

Para crear un KPI Rendimiento de ventas por Internet del trimestre actual
1. En el diseador de modelos, haga clic en la tabla pestaa Ventas por Internet.
2. En la cuadrcula de medidas, haga clic en una celda vaca.
Rendimiento de ventas por Internet del trimestre actual :=IFERROR[Ventas por Internet del trimestre actual]/[Proporcin de ventas por Internet del
trimestre anterior hasta la fecha],BLANK())
Esta medida servir como la medida base del KPI.
4. En la cuadrcula de medidas, haga clic con el botn secundario en la medida Rendimiento de ventas por Internet del trimestre actual y haga clic en Crear KPI.
Aparecer el cuadro de dilogo Indicador clave de rendimiento.
5. En el cuadro de dilogo Indicador clave de rendimiento, en Definir valor de destino, seleccione la opcin Valor absoluto.
6. En el campo Valor absoluto, escriba 1.1 y presione ENTRAR.
7. En Definir umbrales de estado, en el campo de control deslizante situado abajo a la izquierda, escriba 1 y en el de arriba a la derecha, escriba 1.07.
8. En Seleccionar estilo de icono, seleccione el tipo de icono de rombo rojo, tringulo amarillo, crculo verde.
Sugerencia
Observe en el campo expandible Descripciones los estilos de icono disponibles. Puede especificar descripciones para los distintos elementos de KPI para
que sean ms fciles de identificar en las aplicaciones cliente.
9. Haga clic en Aceptar para completar el KPI.
En la cuadrcula de medidas, observe el icono situado junto a la medida Rendimiento de ventas por Internet del trimestre actual. Este icono indica que esta
medida acta como valor base de un KPI.
Para crear un KPI Rendimiento de margen de ventas por Internet del trimestre actual
1. En la cuadrcula de medidas de la tabla Ventas por Internet, haga clic en una celda vaca.
Rendimiento de margen de ventas por Internet del trimestre actual :=IF[Proporcin del margen del trimestre anterior de ventas por Internet hasta la
fecha]<>0,[Margen del trimestre actual de ventas por Internet][Proporcin del margen del trimestre anterior de ventas por Internet hasta la
fecha]/[Proporcin del margen del trimestre anterior de ventas por Internet hasta la fecha],BLANK
3. En la cuadrcula de medidas, haga clic con el botn secundario en la medida Rendimiento de margen de ventas por Internet del trimestre actual y haga clic
en Crear KPI.
4. En el cuadro de dilogo Indicador clave de rendimiento, en Definir valor de destino, seleccione la opcin Valor absoluto.
5. En el campo Valor absoluto, escriba 1.25.
6. En Definir umbrales de estado, desplace el campo de control deslizante de abajo a la izquierda hasta que el campo muestre 0.8 y el de arriba a la derecha
hasta que muestre 1.03.
7. En Seleccionar estilo de icono, seleccione el tipo de icono de rombo rojo, tringulo amarillo y crculo verde, y haga clic en Aceptar.
Paso siguiente
Para continuar este tutorial, vaya a la leccin siguiente: Leccin 9: Crear perspectivas.
Leccin 9: Crear perspectivas

SQL Server 2014
En esta leccin, crear una perspectiva Venta por Internet. Una perspectiva define un subconjunto visible de un modelo que ofrece puntos de vista centrados, especficos
del negocio o especficos de la aplicacin. Cuando un usuario se conecta a un modelo utilizando una perspectiva, solo ve los objetos del modelo (tablas, columnas,
medidas, jerarquas y KPI como campos definidos en esa perspectiva.
La perspectiva Venta por Internet que va a crear en esta leccin excluir el objeto de tabla Cliente. Al crear una perspectiva que excluye ciertos objetos en la vista, ese
objeto todava existe en el modelo; sin embargo, no est visible en una lista de campos del cliente de informe. Las columnas calculadas y medidas se pueden incluir en
una perspectiva o no pueden calcularse a partir de los datos del objeto excluido.
El propsito de esta leccin es describir cmo se crean las perspectivas y permitir que se familiarice con las herramientas de creacin de modelos tabulares. Si
posteriormente ampla el modelo para incluir tablas adicionales, puede crear otras perspectivas para definir puntos de vista diferentes del modelo, como Inventario y
Personal de ventas.
Para obtener ms informacin, vea Perspectivas (SSAS tabular).
Requisitos previos
completado la leccin anterior: Leccin 8: Crear indicadores clave de rendimiento.
Crear perspectivas
Para crear una perspectiva Venta por Internet
1. En el diseador de modelos, haga clic en el men Modelo y, a continuacin, haga clic en Perspectivas.
2. En el cuadro de dilogo Perspectivas, haga clic en Nueva perspectiva.
3. Para cambiar el nombre de la perspectiva, haga doble clic en el encabezado de columna Nueva perspectiva 1 y, a continuacin, escriba Venta por Internet.
4. En Campos, seleccione las tablas siguientes: Fecha, Geografa, Producto, Categora del producto, Subcategora del producto y Venta por Internet.
Tenga en cuenta que excluy la tabla Cliente y todas sus columnas de esta perspectiva. Ms adelante, en la leccin 12, utilizar la caracterstica Analizar en Excel
para probar esta perspectiva. La lista de campos de tabla dinmica de Excel incluir todas las tablas, excepto la tabla Cliente.
5. Compruebe sus selecciones, asegrese de que no est activada la tabla Cliente y, a continuacin, hace clic en Aceptar
Pasos siguientes
Para continuar este tutorial, vaya a la leccin siguiente: Leccin 10: Crear jerarquas.
Leccin 10: Crear jerarquas

SQL Server 2014
En esta leccin, crear jerarquas. Las jerarquas son grupos de columnas dispuestas en niveles; por ejemplo, una jerarqua Geografa puede tener subniveles para Pas,
Provincia y Ciudad. Las jerarquas pueden aparecer por separado de otras columnas en una lista de campos de la aplicacin cliente de informes, lo que facilita la
navegacin de los usuarios del cliente y su inclusin en un informe. Para obtener ms informacin, vea Jerarquas SSAS tabular.
Para crear jerarquas, utilizar el diseador de modelos en Vista de diagrama. La creacin y administracin de jerarquas no se admite en la vista de datos del diseador
de modelos.
Requisitos previos
completado la leccin anterior: Leccin 9: Crear perspectivas.
Crear jerarquas
Para crear una jerarqua Categora en la tabla Product
1. En el diseador de modelos, haga clic en el men Modelo; a continuacin, seleccione Vista de modelo y haga clic en Vista de diagrama.
Sugerencia
Utilice los controles de Minimapa situados en la parte superior derecha del diseador de modelos para cambiar el modo en que se muestran los objetos en
la vista de diagrama. Si cambia la posicin de los objetos en la vista de diagrama, esa vista se conservar cuando guarde el proyecto.
2. En el diseador de modelos, haga clic con el botn secundario en el tabla Product y haga clic en Crear jerarqua. Aparece una nueva jerarqua en la parte
inferior de la ventana de tabla.
3. En el nombre de jerarqua, cambie el nombre escribiendo Categora y, a continuacin, presione ENTRAR.
4. En la tabla Product, haga clic en la columna Product Category Name, arrstrela hasta la jerarqua Categora y sultela sobre el nombre Categora.
5. En la jerarqua Categora, haga clic con el botn secundario en la columna Product Category Name, haga clic en Cambiar nombre y escriba Categora.
Nota
Al cambiar el nombre de una columna de la jerarqua no se cambia el nombre de esa columna en la tabla. Una columna de una jerarqua es simplemente una
representacin de la columna de la tabla.
6. En la tabla Product, haga clic con el botn secundario en la columna Product Subcategory Name y, en el men contextual, elija Agregar a jerarqua y haga clic
en Categora.
7. Cambie el nombre de Product Subcategory Name a Subcategora.
8. Mediante la tcnica de hacer clic y arrastrar o mediante el comando Agregar a jerarqua del men contextual, agregue las columnas Model Name y Product
Name en orden y colquelas debajo de la columna Product Subcategory Name. Cambie el nombre de estas columnas a Modelo y Producto, respectivamente.
Para crear jerarquas en la tabla Date

1. En el diseador de modelos, haga clic con el botn secundario en el tabla Date y haga clic en Crear jerarqua.
2. Cambie el nombre de la jerarqua a Calendario.
3. Agregue las columnas siguientes, en orden, y despus cmbieles el nombre:
Columna
Cambiar el nombre a:
Calendar Year
Ao
Calendar Semester
Semestre
Calendar Quarter
Trimestre
Month Calendar
Mes
Day Of Month
Da
4. En la tabla Date, repita los pasos anteriores y cree una jerarqua Fiscal que incluya las siguientes columnas:
Columna
Fiscal Year
Ao
Fiscal Semester
Semestre
Fiscal Quarter
Trimestre
Month Calendar
Mes
Day Of Month
Da
5. Finalmente, en la tabla Date, repita los pasos anteriores y cree una jerarqua Calendario de produccin que incluya las columnas siguientes:
Columna
Calendar Year
Ao
Week Number Of Year
Semana
Day Of Week
Da
Pasos siguientes
Para continuar este tutorial, vaya a la leccin siguiente: Leccin 11: Crear particiones.
Leccin 11: Crear particiones

SQL Server 2014
En esta leccin, crear particiones para dividir la tabla Internet Sales en piezas lgicas ms pequeas que puedan procesarse actualizarse independientemente de otras
particiones. De forma predeterminada, cada tabla que incluye en el modelo tiene una particin que incluye todas las columnas y filas de la tabla. Para las tabla Internet
Sales, queremos dividir los datos por ao, una particin para cada uno de los cinco aos de la tabla. Cada particin se podr procesar entonces independientemente.
Para obtener ms informacin, vea Particiones (SSAS tabular).
Requisitos previos
completado la leccin anterior: Leccin 10: Crear jerarquas.
Crear particiones
Para crear particiones en la tabla Internet Sales
1. En el diseador de modelos, haga clic en la tabla Internet Sales, haga clic en el men Tabla y, a continuacin, en Particiones.
Se abrir el cuadro de dilogo Administrador de particiones.
2. En el cuadro de dilogo Administrador de particiones, en Particiones, haga clic en la particin Internet Sales.
3. En Nombre de particin, cambie el nombre a Ventas por Internet 2005.
Sugerencia
Antes de continuar con el paso siguiente, observe que los nombres de columna de la ventana Vista previa de la tabla muestran las columnas incluidas
(activadas) en la tabla del modelo con los nombres de columna del origen. Esto es porque la ventana Vista previa de la tabla muestra las columnas de la
tabla de origen, no de la tabla del modelo.
4. Seleccione el botn Editor de consultas situado sobre el margen derecho de la ventana de vista previa.
Como desea que la particin solo incluya las filas de un determinado perodo, debe incluir una clusula WHERE. Solo puede crear una clusula WHERE usando
una instruccin SQL.
5. En el campo Instruccin SQL, sustituya la instruccin existente pegando la instruccin siguiente:
SELECT
[dbo].[FactInternetSales].[ProductKey],
[dbo].[FactInternetSales].[CustomerKey],
[dbo].[FactInternetSales].[PromotionKey],
[dbo].[FactInternetSales].[CurrencyKey],
[dbo].[FactInternetSales].[SalesTerritoryKey],
[dbo].[FactInternetSales].[SalesOrderNumber],
[dbo].[FactInternetSales].[SalesOrderLineNumber],
[dbo].[FactInternetSales].[RevisionNumber],
[dbo].[FactInternetSales].[OrderQuantity],
[dbo].[FactInternetSales].[UnitPrice],
[dbo].[FactInternetSales].[ExtendedAmount],
[dbo].[FactInternetSales].[UnitPriceDiscountPct],
[dbo].[FactInternetSales].[DiscountAmount],
[dbo].[FactInternetSales].[ProductStandardCost],
[dbo].[FactInternetSales].[TotalProductCost],
[dbo].[FactInternetSales].[SalesAmount],
[dbo].[FactInternetSales].[TaxAmt],
[dbo].[FactInternetSales].[Freight],
[dbo].[FactInternetSales].[CarrierTrackingNumber],
[dbo].[FactInternetSales].[CustomerPONumber],
[dbo].[FactInternetSales].[OrderDate],
[dbo].[FactInternetSales].[DueDate],
[dbo].[FactInternetSales].[ShipDate]
FROM [dbo].[FactInternetSales]
WHERE (([OrderDate] >= N'2005-01-01 00:00:00') AND ([OrderDate] < N'2006-01-01 00:00:00'))
Esta instruccin especifica que la particin debe incluir todos los datos de las filas en las que OrderDate corresponda al ao del calendario 2005, tal como se
especifica en la clusula WHERE.
6. Haga clic en Validar.
Observe que se muestra una advertencia en la que se indica que algunas columnas no existen en el origen. Esto se debe a que en Leccin 3: Cambiar el nombre
de las columnas cambi el nombre de esas columnas en la tabla Internet Sales del modelo para que tuvieran un nombre diferente de las columnas del origen.
Para crear una particin para el ao 2006 en la tabla Internet Sales

1. En el cuadro de dilogo Administrador de particiones, en Particiones, haga clic en la particin Ventas por Internet 2005 que ha creado y haga clic en Copiar.
2. En Nombre de particin, escriba Ventas por Internet 2006.
3. En la instruccin SQL, para que la particin incluya solamente las filas del ao 2006, reemplace la clusula WHERE por lo siguiente:

1. En el cuadro de dilogo Administrador de particiones, haga clic en Copiar.
3. En Cambiar a, seleccione Editor de consultas.

1. En el cuadro de dilogo Administrador de particiones, haga clic en Nuevo.

1. En el cuadro de dilogo Administrador de particiones, haga clic en Nuevo.
Procesar particiones
En el cuadro de dilogo Administrador de particiones, observe el asterisco (*) situado junto a los nombres de particiones de cada una de las nuevas particiones que
acaba de crear. Este asterisco indica que la particin no se ha procesado actualizado. Cuando crea nuevas particiones, debe ejecutar una operacin Procesar
particiones o Procesar tabla para actualizar los datos de esas particiones.
Para procesar particiones de Internet Sales

1. Haga clic en Aceptar para cerrar el cuadro de dilogo Administrador de particiones.
2. En el diseador de modelos, haga clic en la tabla Internet Sales, despus haga clic en el men Modelo, elija Procesar actualizar y, a continuacin, haga clic en
Procesar particiones.
3. En el cuadro de dilogo Procesar particiones, compruebe que Modo est establecido en Proceso predeterminado.
4. Active la casilla de la columna Procesar para cada una de las cinco particiones que ha creado y haga clic en Aceptar.
Si se le piden credenciales de suplantacin, especifique el nombre de usuario y la contrasea de Windows que especific en la leccin 2, paso 6.
Aparece el cuadro de dilogo Procesamiento de datos con los detalles del proceso de cada particin. Observe que se ha transferido un nmero diferente de
filas para cada particin. Esto es porque cada particin incluye solamente las filas del ao especificado en la clusula WHERE de la instruccin SQL. No hay datos
para el ao 2010.
Pasos siguientes
Para continuar este tutorial, vaya a la leccin siguiente: Leccin 12: Crear roles.
Leccin 12: Crear roles

SQL Server 2014
En esta leccin, crear roles. Los roles proporcionan seguridad a los objetos y datos de la base de datos del modelo limitando el acceso nicamente a los usuarios de
Windows que sean miembros del rol. Cada rol se define con un permiso nico: Ninguno, Lectura, Lectura y proceso, Proceso o Administrador. Los roles se pueden definir
durante la creacin del modelo mediante el cuadro de dilogo Administrador de roles de SQL Server Data Tools. Una vez implementado un modelo, los roles se pueden
administrar con SQL Server Management Studio. Para obtener ms informacin, vea Roles (SSAS tabular).
Nota
No es necesario crear roles para completar este tutorial. De forma predeterminada, la cuenta con la que ha iniciado sesin tendr privilegios Administrador para el
modelo. Sin embargo, para permitir que otros usuarios de su organizacin examinen el modelo utilizando una aplicacin cliente de informes, debe crear al menos un
rol con permisos de lectura y agregar esos usuarios como miembros.
Crear tres roles:
Jefe de ventas: este rol puede incluir a los usuarios de la organizacin a los que desea otorgar permiso de lectura para todos los objetos y datos del modelo.
Analista de ventas EE. UU.: este rol puede incluir a los usuarios de la organizacin que desea que solo puedan examinar los datos relacionados con las ventas en
EE. UU. Para este rol, utilizar una frmula DAX para definir un Filtro de fila, que restringe los miembros para que solo examinen los datos correspondientes a
Estados Unidos.
Administrador: este rol puede incluir a los usuarios a los que desea otorgar el permiso Administrador, que permite acceso y permisos ilimitados para realizar
tareas administrativas en la base de datos del modelo.
Dado que las cuentas de usuario y grupo de Windows de su organizacin son nicas, puede agregar cuentas de su propia organizacin a los miembros. Sin embargo,
para este tutorial, tambin puede dejar los miembros en blanco. Todava podr probar el efecto de cada rol ms adelante en la leccin 12: Analizar en Excel.
Requisitos previos
completado la leccin anterior: Leccin 11: Crear particiones.
Crear roles
Para crear un rol de usuario Administrador de ventas
1. En SQL Server Data Tools, haga clic en el men Modelo y, a continuacin, en Roles.
2. En el cuadro de dilogo Administrador de roles, haga clic en Nuevo.
Se agrega a la lista un nuevo rol con el permiso Ninguno.
3. Haga clic en el nuevo rol y, en la columna Nombre, cambie el nombre del rol a Administrador de ventas por Internet.
4. En la columna Permisos, haga clic en la lista desplegable y, a continuacin, seleccione el permiso Lectura.
5. Opcional: Haga clic en la pestaa Miembros y, a continuacin, en Agregar.
6. En el cuadro de dilogo Seleccionar usuarios o grupos, especifique los usuarios o grupos de Windows de su organizacin que desee incluir en el rol.
7. Compruebe las opciones seleccionadas y haga clic en Aceptar
Para crear un rol de usuario Analista de ventas EE. UU.

1. En SQL Server Data Tools, haga clic en el men Modelo y, a continuacin, en Roles.
3. Haga clic en el nuevo rol y, en la columna Nombre, cambie el nombre del rol a Ventas por Internet EE. UU.
5. Haga clic en la pestaa Filtros de fila y, a continuacin, solo para la tabla Geografa, en la columna de Filtro DAX, escriba la siguiente frmula:
=Geografa[cdigo de pas o regin] = "US"
Una frmula de filtro de fila se debe resolver como un valor booleano TRUE o FALSE. Con esta frmula, est especificando que solo las filas con el valor de
cdigo de pas o regin de "US" estarn visibles para el usuario.
6. Opcional: Haga clic en la pestaa Miembros y, a continuacin, en Agregar.
7. En el cuadro de dilogo Seleccionar usuarios o grupos, especifique los usuarios o grupos de Windows de su organizacin que desee incluir en el rol.
Para crear un rol Administrador

2. Haga clic en el nuevo rol y, en la columna Nombre, cambie el nombre del rol a Administrador de ventas por Internet.
3. En la columna Permisos, haga clic en la lista desplegable y, a continuacin, seleccione el permiso Administrador.
4. Haga clic en la pestaa Miembros y luego en Agregar.
5. Opcional: En el cuadro de dilogo Seleccionar usuarios o grupos, especifique los usuarios o grupos de Windows de su organizacin que desee incluir en el rol.
Pasos siguientes
Para continuar este tutorial, vaya a la leccin siguiente: Leccin 13: Analizar en Excel.
Leccin 13: Analizar en Excel

SQL Server 2014
En esta leccin, usar la caracterstica Analizar en Excel de SQL Server Data Tools para abrir Microsoft Excel, crear automticamente una conexin de origen de datos al
rea de trabajo del modelo y agregar automticamente una tabla dinmica a la hoja de clculo. La caracterstica Analizar en Excel se ha diseado para proporcionar una
manera rpida y sencilla de probar la eficacia del diseo de su modelo antes de implementarlo. No realizar ningn anlisis de datos en esta leccin. El propsito de esta
leccin es familiarizar al autor de modelos con las herramientas que puede usar para probar el diseo de sus modelos. Los usuarios finales no utilizarn la caracterstica
Analizar de Excel, que est destinada a los autores de modelos, sino que usarn aplicaciones de informes de cliente como Excel o Power View para conectarse a los datos
del modelo implementados y explorarlos.
Para completar esta leccin, Excel se debe instalar en el mismo equipo que SQL Server Data Tools. Para obtener ms informacin, vea Analizar en Excel (SSAS tabular).
Requisitos previos
completado la leccin anterior: Leccin 11: Crear particiones.
Examinar utilizando las perspectivas Predeterminada y Venta por Internet

En estas primeras tareas, examinar su modelo con la perspectiva predeterminada, que incluye todos los objetos del modelo, y tambin con la perspectiva Venta por
Internet que cre en la leccin 8: Crear perspectivas. La perspectiva Venta por Internet excluye el objeto de tabla Cliente.
Para examinar con la perspectiva predeterminada

1. En SQL Server Data Tools, haga clic en el men Modelo y despus en Analizar en Excel.
2. En el cuadro de dilogo Analizar en Excel, haga clic en Aceptar.
Excel se abrir con un libro nuevo. Se crea una conexin de origen de datos con la cuenta de usuario actual y se utiliza la perspectiva predeterminada para
definir los campos visibles. Se agrega automticamente una tabla dinmica a la hoja de clculo.
3. En Excel, en Lista de campos de tabla dinmica, observe que aparecen las medidas Fecha y Venta por Internet, as como las tablas Cliente, Fecha, Geografa,
Producto, Categora del producto, Subcategora del producto y Venta por Internet con todas sus columnas respectivas.
4. Cierre Excel sin guardar el libro.
Para examinar con la perspectiva Venta por Internet

2. En el cuadro de dilogo Analizar en Excel, salga del usuario de Windows actual seleccionado, a continuacin, en el cuadro de lista desplegable Perspectiva,
seleccione Venta por Internet y, por ltimo, haga clic en Aceptar. Se abre Excel.
3. En Excel, en la Lista de campos de tabla dinmica, observe que la tabla Cliente se ha excluido de la lista de campos.
Examinar con roles

Los roles son parte integral de cualquier modelo tabular. Sin al menos un rol, al que se agregan usuarios en calidad de miembros, los usuarios no podrn tener acceso
a los datos ni analizarlos con el modelo. La caracterstica Analizar de Excel proporciona una manera de probar los roles que ha definido.
Para examinar con el rol de usuario Administrador de ventas por Internet

2. En el cuadro de dilogo Analizar en Excel, en Especifique el nombre de usuario o rol a usar al conectarse al modelo, seleccione Rol y, a continuacin, en el
cuadro de lista desplegable, seleccione Administrador de ventas por Internet y haga clic en Aceptar.
Excel se abrir con un libro nuevo. Se crea automticamente una tabla dinmica. La lista de campos de tabla dinmica incluye todos los campos de datos
disponibles en su nuevo modelo.
Pasos siguientes
Para continuar este tutorial, vaya a la leccin siguiente: Leccin 14: Implementar.
Leccin 14: Implementar

SQL Server 2014
En esta leccin, configurar propiedades de implementacin, especificar una instancia del servidor de implementacin de Analysis Services que se ejecute en modo
tabular y asignar un nombre al modelo que va a implementar. A continuacin, implementar el modelo en esa instancia. Una vez implementado, los usuarios podrn
conectarse al modelo mediante una aplicacin cliente de informes. Para obtener ms informacin, vea Implementacin de soluciones de modelos tabulares SSAS tabular.
Requisitos previos
completado la leccin anterior: Leccin 13: Analizar en Excel.
Implementar el modelo
Para configurar propiedades de implementacin
1. En SQL Server Data Tools, en Explorador de soluciones, haga clic con el botn secundario en Modelo tabular de ventas por Internet de Adventure Works y,
en el men contextual, haga clic en Propiedades.
2. En el cuadro de dilogo Pginas de propiedades del modelo tabular de ventas por Internet de AW, bajo Servidor de implementacin, en la propiedad
Servidor, escriba el nombre de una instancia de Analysis Services que se ejecute en modo tabular. Esta ser la instancia en la que se implementar el modelo.
Importante
Debe tener permisos de administrador en una instancia de Analysis Services remota para poder implementarlo.
3. Compruebe que la propiedad Modo de consulta est establecida en In-Memory.
Nota
El modelo creado mediante este tutorial no admite el modo DirectQuery.
4. En la propiedad Base de datos, escriba Modelo de ventas por Internet de Adventure Works.
5. En la propiedad Nombre del cubo, escriba Modelo de ventas por Internet de Adventure Works.
6. Compruebe las opciones seleccionadas y haga clic en Aceptar.
Para implementar el modelo tabular Ventas por Internet de Adventure Works

En SQL Server Data Tools, haga clic en el men Compilar y despus haga clic en Implementar modelo tabular de ventas por Internet de AW.
Aparece el cuadro de dilogo Implementar en el que se muestra el estado de implementacin de los metadatos y las tablas incluidas en el modelo.
Conclusin
Enhorabuena! Ha terminado de crear e implementar su primer modelo tabular de Analysis Services. Este tutorial le ha guiado por las tareas ms comunes para crear
un modelo tabular. Ahora que su modelo Ventas por Internet de Adventure Works est implementado, puede utilizar el SQL Server Management Studio para
administrarlo, crear scripts de proceso y realizar un plan de copia de seguridad. Los usuarios pueden conectarse al modelo mediante una aplicacin cliente de
informes como Microsoft Excel o Power View.
Recursos adicionales
Para obtener ms informacin acerca de las propiedades del modelo tabular que admiten los informes de Power View, vea Propiedades de informes de Vista avanzada
(SSAS tabular).
Vea tambin
Conceptos
Modo DirectQuery (SSAS tabular)
Configurar las propiedades predeterminadas de modelado de datos y de implementacin SSAS tabular
Bases de datos de modelo tabular (SSAS tabular)
SQL Server 2014
Esta seccin proporciona informacin adicional y lecciones sobre cmo utilizar las caractersticas tabulares avanzadas del modelo.
Sugerencia
Se pueden agregar ms lecciones e informacin a esta seccin de forma continuada. Realice comprobaciones a menudo.
Leccin
Tiempo para completar la leccin
30
Configurar las propiedades de notificacin para informes de Power View
30

SQL Server 2014
En esta leccin complementaria, crear un rol adicional que implemente seguridad dinmica. La seguridad dinmica proporciona seguridad de nivel de fila basada en el
nombre de usuario o el identificador de inicio de sesin del usuario que ha iniciado sesin actualmente. Para obtener ms informacin, vea Roles (SSAS tabular).
Para implementar la seguridad dinmica, debe agregar una tabla al modelo que contiene los nombres de usuario de Windows de los usuarios que pueden crear una
conexin al modelo como un origen de datos y examinar los objetos y datos del modelo. El modelo que se crea con este tutorial est en el contexto de Adventure Works
Corp.; sin embargo, para completar esta leccin, debe agregar una tabla que contenga usuarios de su propio dominio. No necesitar contraseas para los nombres de
usuario que se van a agregar. Para crear una tabla de seguridad de empleados, con una pequea muestra de usuarios de su propio dominio, utilizar la funcin de pegar
para pegar datos de empleados de una hoja de clculo de Excel. En un escenario real, la tabla que contiene los nombres de usuario que agrega a un modelo utilizara
normalmente una tabla de una base de datos real como origen de datos; por ejemplo, una tabla dimEmployee real.
Para implementar seguridad dinmica, utilizar dos nuevas funciones de DAX: Funcin USERNAME DAX y Funcin LOOKUPVALUE DAX. Estas funciones, aplicadas en una
frmula de filtro de columna, se definen en un nuevo rol. Con la funcin LOOKUPVALUE, la frmula especifica un valor de la tabla Employee Security y pasa ese valor a la
funcin USERNAME, que especifica el nombre del usuario que ha iniciado sesin como perteneciente a este rol. El usuario puede examinar los datos especificados por los
filtros de fila del rol. En este escenario, especificar que los empleados de ventas solo podrn examinar los datos de ventas por Internet de los territorios de ventas de
los que son miembros.
Para completar esta leccin complementaria, realizar una serie de tareas. Las tareas que son nicas de este escenario de modelo tabular de Adventure Works, pero que
no se aplicaran necesariamente en un escenario real, se identifican como tales. Cada tarea incluye informacin adicional que describe el propsito de la tarea.
Requisitos previos
Este tema de leccin complementaria forma parte de un tutorial de creacin de modelos tabulares, que se debe completar de forma ordenada. Antes de realizar las
tareas de esta leccin complementaria, debe haber completado todas las lecciones anteriores.
Agregar la tabla dimSalesTerritory al proyecto de modelo tabular AW Internet Sales

Para implementar la seguridad dinmica en este escenario de ejemplo Adventure Works, debe agregar dos tablas adicionales al modelo. La primera tabla que
agregar es dimSalesTerritory como Sales Territory procedente de la misma base de datos AdventureWorksDW. Aplicar posteriormente un filtro de fila a la tabla
Sales Territory que define los datos concretos que el usuario que ha iniciado sesin puede examinar.
Para agregar la tabla dimSalesTerritory

1. En SQL Server Data Tools, haga clic en el men Modelo y, a continuacin, en Conexiones existentes.
2. En el cuadro de dilogo Conexiones existentes, compruebe que est seleccionada la conexin a un origen de datos BD de Adventure Works de SQL y haga
clic en Abrir.
Si aparece el cuadro de dilogo Credenciales de suplantacin, escriba las credenciales de suplantacin que utiliz en la leccin 2: Agregar datos.
3. En la pgina Elegir cmo importar los datos, deje seleccionada la opcin Seleccionar en lista de tablas y vistas para elegir los datos que se van a importar
y haga clic en Siguiente.
4. En la pgina Seleccionar tablas y vistas, seleccione la tabla DimSalesTerritory.
5. En la columna Nombre descriptivo, escriba Sales Territory.
6. Haga clic en Vista previa y Filtro.
7. Anule la seleccin de la columna SalesTerritoryAlternateKey y haga clic en Aceptar.
8. En la pgina Seleccionar tablas y vistas, haga clic en Finalizar.
Las nueva tabla se agregarn al final del rea de trabajo del modelo. Los objetos y datos de la tabla de origen dimSalesTerritory se importan a la nueva tabla
Sales Territory del modelo tabular AW Internet Sales.
9. Una vez importada la tabla, haga clic en Cerrar.
Proporcionar nombres descriptivos a las columnas

En esta tarea, cambiar el nombre de las columnas de la tabla Sales Territory para darles un nombre descriptivo. No siempre es necesario proporcionar nombres
descriptivos de tablas y/o columnas; sin embargo, facilita la navegacin de su proyecto de modelo por el diseador de modelos y los usuarios pueden explorar ms
fcilmente los objetos y los datos del modelo en una lista de campos de la aplicacin cliente.
Para cambiar el nombre de las columnas de la tabla Sales Territory

En el diseador de modelos, cambie el nombre a las columnas de la tabla Sales Territory:
Sales Territory
Nombre de origen
Nombre descriptivo
SalesTerritoryKey
Sales Territory Id
SalesTerritoryRegion
Regin del territorio de ventas
SalesTerritoryCountry
Pas del territorio de ventas
SalesTerritoryGroup
Grupo de territorios de ventas
Agregar una tabla con datos de nombre de usuario

Puesto que la tabla dimEmployee de la base de datos de ejemplo AdventureWorksDW contiene usuarios del dominio AdventureWorks, y esos nombres de usuario no
existen en su propio entorno, debe crear una tabla en el modelo que contenga una pequea muestra tres de usuarios reales de su organizacin. Agregar despus
estos usuarios al nuevo rol como miembros. No necesita las contraseas de los nombres de usuario de ejemplo, pero necesitar nombres de usuario de Windows
reales de su propio dominio.
Para agregar una tabla de seguridad de empleados

1. Abra Microsoft Excel para crear una nueva hoja de clculo.
2. Copie la siguiente tabla, incluida la fila de encabezado, y pguela en la hoja de clculo.
Employee Id
Sales Territory Id
Nombre
Apellidos
Login Id
<nombre del usuario>
<apellido de usuario>
<dominio\nombreUsuario>
3. En la nueva hoja de clculo, reemplace el nombre, el apellido, y el dominio\nombreUsuario con los nombres y los id. de inicio de sesin de tres usuarios de su
organizacin. Coloque el mismo usuario en las dos primeras filas, para el Employee Id 1. Esto mostrar que este usuario pertenece a ms de un territorio de
ventas. Deje los campos Employee Id y Sales Territory Id como estn.
4. Guarde la hoja de clculo como Sample Employee.
5. En la hoja de clculo, seleccione todas las celdas con datos de empleados, incluidos los encabezados, haga clic con el botn secundario en los datos
seleccionados y, a continuacin, haga clic en Copiar.
6. En SQL Server Data Tools, haga clic en el men Edicin y despus en Pegar.
Si la opcin Pegar aparece deshabilitada, haga clic en cualquier columna de una tabla de la ventana del diseador de modelos, haga clic en el men Edicin y, a
continuacin, haga clic en Pegar.
7. En el cuadro de dilogo Vista previa de pegado, en Nombre de la tabla, escriba Employee Security.
8. En Datos que se van a pegar, compruebe que los datos incluyen todos los datos y encabezados de usuario de la hoja de clculo Empleado de ejemplo.
9. Compruebe que est seleccionada la opcin Usar primera fila como encabezados de columna y haga clic en Aceptar.
Se crea una nueva tabla denominada Employee Security con los datos de empleado copiados de la hoja de clculo Empleado de ejemplo.
Crear relaciones entre las tablas Internet Sales, Geography y Sales Territory
Las tablas Internet Sales, Geography y Sales Territory contienen todas ellas una columna comn, Sales Territory Id. La columna Sales Territory Id de la tabla Sales
Territory contiene valores con un identificador diferente para cada territorio de ventas.
Para crear relaciones entre las tablas Internet Sales, Geography y Sales Territory
1. En el diseador de modelos, en la vista de diagramas, en la tabla Geography, haga clic en la columna Sales Territory Id y mantngala seleccionada, arrastre el
cursor hasta la columna Sales Territory Id de la tabla Sales Territory y sultelo.
2. En la tabla Internet Sales, haga clic en la columna Fecha de pedido y mantngala seleccionada, arrastre el cursor hasta la columna Fecha de la tabla Sales
Territory y sultelo.
Observe que la propiedad Active de esta relacin es False, lo que significa que est inactiva. Esto se debe a que la tabla Internet Sales tiene ya otra relacin
activa que se utiliza en las medidas.
Ocultar la tabla Employee Security en las aplicaciones cliente

En esta tarea, ocultar la tabla Employee Security, evitando que aparezca en la lista de campos de la aplicacin cliente. Recuerde que ocultar una tabla no significa
protegerla. Los usuarios podrn seguir consultando los datos de la tabla Employee Security si saben cmo hacerlo. Para proteger los datos de la tabla Employee
Security e impedir que los usuarios puedan consultar sus datos, aplicar un filtro en una tarea posterior.
Para ocultar la tabla Employee Security en las aplicaciones cliente

En el diseador de modelos en la Vista de diagrama, haga clic con el botn secundario en el encabezado de tabla Empleado y, a continuacin, haga clic en
Ocultar en las herramientas de cliente.
Crear empleados de ventas por el rol de usuario de territorio

En esta tarea, crear un rol de usuario. Este rol incluir un filtro de fila que define qu filas de la tabla Sales Territory estarn visibles para los usuarios. El filtro se
aplicar en una direccin de relacin de unoa muchos para el resto de las tablas relacionadas con Sales Territory. Tambin aplicar un filtro sencillo que proteja la
tabla Seguridad de los empleados de las consultas por parte de cualquier usuario que sea miembro del rol.
Nota
El rol de empleados de ventas por territorio que crear en esta leccin solo permitir a los miembros examinar o consultar los datos de ventas del territorio de
ventas al que pertenezcan. Si agrega un usuario como miembro al rol de empleados de ventas por territorio que tambin existe como miembro del rol creado en
Leccin 12: Crear roles, obtendr una combinacin de permisos. Cuando un usuario es miembro de varios roles, los permisos y los filtros de fila definidos para cada
uno de ellos son acumulativos. Es decir, el usuario tendr los mayores permisos determinados por la combinacin de roles.
Para crear empleados de ventas por el rol de usuario de Territorio

1. En SQL Server Data Tools, haga clic en el men Modelo y, a continuacin, haga clic en Roles.
3. Haga clic en el nuevo rol y, en la columna Nombre, cambie el nombre del rol a Empleados de ventas por territorio.
5. Haga clic en la pestaa Miembros y despus en Agregar.
6. En el cuadro de dilogo Seleccionar usuarios o grupos, en Escribir los nombres de objeto para seleccionar, escriba el primer nombre de usuario de ejemplo
que utiliz al crear la tabla Employee Security. Haga clic en Comprobar nombres para comprobar que el nombre de usuario es vlido y haga clic en Aceptar.
Repita este paso, agregando los otros nombres de usuario de ejemplo que utiliz al crear la tabla Employee Security.
7. Haga clic en la pestaa Filtros de fila.
8. Para la tabla Employee Security, en la columna Filtro DAX, escriba la siguiente frmula.
=FALSE()
Esta frmula especifica que todas las columnas se resolvern segn la condicin booleana false; por lo tanto, ningn miembro del rol de usuario de empleados
de ventas por territorio podr consultar las columnas de la tabla Employee Security.
9. Para la tabla Sales Territory, escriba la siguiente frmula.
='Sales Territory'[Sales Territory Id]=LOOKUPVALUE('Employee Security'[Sales Territory Id], 'Employee Security'[Login Id], USERNAME(), 'Employee
Security'[Sales Territory Id], 'Sales Territory'[Sales Territory Id])
En esta frmula, la funcin LOOKUPVALUE devuelve todos los valores de la columna Employee Security[Sales Territory Id], donde Employee Security[Login Id]
coincide con el nombre de usuario actual que ha iniciado sesin en Windows y Employee Security[Sales Territory Id] coincide con Sales Territory[Sales Territory
Id].
A continuacin, se utiliza el conjunto de identificadores del territorio de ventas devueltos por LOOKUPVALUE para limitar las filas que se muestran en la tabla de
territorio de ventas. Solo se mostrarn las filas donde el Id. de territorio de ventas de la fila sea el conjunto de identificadores devueltos por la funcin
LOOKUPVALUE.
10. En el cuadro de dilogo Administrador de roles, haga clic en Aceptar.
Probar los empleados de ventas por el rol de usuario de territorio

En esta tarea, utilizar la caracterstica Analizar en Excel de SQL Server Data Tools para probar la eficacia de los empleados de ventas por el rol usuario Territorio.
Especificar uno de los nombres de usuario que ha agregado a la tabla Employee Security como miembro del rol. Este nombre de usuario se utilizar como el nombre
de usuario efectivo en la conexin creada entre Excel y el modelo.
Para probar los empleados de ventas por el rol de usuario de territorio

2. En el cuadro de dilogo Analizar en Excel, en Especifique el nombre de usuario o el rol que se usarn para conectar con el modelo, seleccione Otro usuario
de Windows y, a continuacin, haga clic en Examinar.
3. En el cuadro de dilogo Seleccionar usuarios o grupos, en Escribir los nombres de objeto para seleccionar, escriba uno de los nombres de usuario que se
incluyeron en la tabla de empleados y, a continuacin, haga clic en Comprobar nombres.
4. Haga clic en Aceptar para cerrar el cuadro de dilogo Seleccionar usuarios o grupos y despus haga clic en Aceptar para cerrar el cuadro de dilogo Analizar
en Excel.
Excel se abrir con un libro nuevo. Se crea automticamente una tabla dinmica. La lista de campos de tabla dinmica incluye todos la mayora de campos de
datos disponibles en su nuevo modelo.
Observe que la tabla Employee Security no est visible en la lista de campos de la tabla dinmica. Esto se debe a que eligi ocultar esta tabla de las
herramientas cliente en una tarea anterior.
5. En Lista de campos de tabla dinmica, en Internet Sales (medidas), seleccione la medida Internet Total Sales. La medida se agregar a los campos Valores.
6. En Lista de campos de tabla dinmica, seleccione la columna Sales Territory Id de la tabla Sales Territory. La columna se agregar a los campos Etiquetas de
fila.
Observe que las cifras de ventas por Internet solo aparecen para la regin a la que pertenece el nombre de usuario efectivo que us. Si selecciona otra columna;
por ejemplo, City, en la tabla Geography como un campo de etiqueta de fila, solo se mostrarn las ciudades del territorio de ventas al que el usuario efectivo
pertenece.
Este usuario no podr examinar o consultar los datos de ventas por Internet para otros territorios distintos de aquel al que pertenece, porque el filtro de fila
definido para la tabla Sales Territory en el rol de usuario de empleados de ventas por territorio protege eficazmente los datos relacionados con otros territorios
de ventas.
Vea tambin
Referencia
Funcin USERNAME DAX
Funcin LOOKUPVALUE DAX
Funcin CUSTOMDATA DAX
Configurar las propiedades de notificacin para informes de

Power View
SQL Server 2014
En esta leccin complementaria, ver las propiedades de informes del proyecto Adventure Works Internet Sales Model. Las propiedades de informe facilitan a los
usuarios finales la seleccin y presentacin de datos del modelo en Power View. Tambin establecer las propiedades para ocultar ciertas columnas y tablas, y crear
nuevos datos para usar en grficos.
Tras completar esta leccin y volver a implementar el modelo para una instancia de Analysis Services integrada con SharePoint y Reporting Services, puede crear un
origen de datos, especificar la informacin de conexin de datos, iniciar Power View y disear informes con el modelo.
En esta leccin no se describe cmo crear y usar los informes de Power View. Esta leccin pretende proporcionar a los autores de modelos tabulares una introduccin
aquellas propiedades y opciones que afectan al modo en que los datos del modelo aparecern en Power View. Para aprender a crear informes de Power View,
vea Tutorial: crear un informe de ejemplo en Power View.
Requisitos previos
Este tema de la leccin complementaria forma parte de un tutorial de creacin de modelos tabulares, que se debe completar de forma ordenada. Antes de realizar las
tareas de esta leccin complementaria, debe haber completado todas las lecciones anteriores.
Para completar esta leccin complementaria concreta, tambin debe tener lo siguiente:
El Adventure Works Internet Sales Model completado a travs de este tutorial listo para implementarse o ya implementado en una instancia de Analysis Services
que se ejecuta en modo Tabular.
Un sitio de SharePoint integrado con SQL Server 2014 Analysis Services SSAS ejecutndose en modo Tabular y SQL Server 2014 Reporting Services SSRS,
configurado para admitir informes de Power View.
Debe tener permisos suficientes para crear una conexin de datos en el sitio de SharePoint que seale al Adventure Works Internet Sales Model.
Propiedades de modelo que afectan a los informes

Al crear un modelo tabular, hay ciertas propiedades que puede establecer en tablas y columnas individuales para mejorar la experiencia de informes del usuario final
en Power View. Adems, puede crear datos de modelo adicionales para permitir la visualizacin de datos y otras caractersticas especficas del cliente de informes. Para
el Adventure Works Internet Sales Model de ejemplo, aqu se enumeran algunos de los cambios que har:
Agregar datos nuevos: al agregar datos nuevos en una columna calculada con una frmula DAX, se crea informacin de fecha en un formato ms fcil de
mostrar en los grficos.
Ocultar las tablas y las columnas que no son tiles para el usuario final: la propiedad Hidden controla si las tablas y las columnas de tabla se muestran en el
cliente de informes. Los elementos que estn ocultos siguen siendo parte del modelo y permanecen disponibles para las consultas y los clculos.
Habilitar las tablas de un clic: de forma predeterminada, no ocurre nada si un usuario final hace clic en una tabla en la lista de campos. Para cambiar este
comportamiento de modo que al hacer clic en la tabla, se agregue al informe, establecer Conjunto de campos predeterminado en cada columna que desee
incluir en la tabla. Esta propiedad se establece en las columnas de tabla que los usuarios finales es probable que deseen usar.
Establecer agrupacin cuando sea necesario: la propiedad Mantener filas nicas determina si los valores de la columna se deben agrupar por valores en un
campo diferente, como un campo identificador. En las columnas que contienen valores duplicados, como Customer Name (por ejemplo, varios clientes
denominados John Smith, es importante agrupar mantener filas nicas en el campo Identificador de fila para proporcionar a los usuarios finales los
resultados correctos.
Establecer tipos de datos y formatos de datos: de forma predeterminada, Power View aplica las reglas segn el tipo de datos de columna a fin de determinar
si el campo puede usarse como una medida. Dado que cada visualizacin de datos en Power View tambin tiene reglas acerca de dnde se pueden colocar las
medidas y las no medidas, es importante establecer el tipo de datos en el modelo o invalidar el predeterminado para lograr el comportamiento que desee para
el usuario final.
Establezca la propiedad Short by Column: la propiedad Sort By Column especifica si los valores de la columna se deben ordenar por valores en un campo
diferente. Por ejemplo, en la columna Month Calendar que contiene el nombre de mes, ordene por la columna Month Number.
Ocultar las tablas de las herramientas de cliente

Dado que hay una columna calculada Product Category y otra Product Subcategory en la tabla calculated Product, no es necesario tener visibles las tablas Product
Category y Product Subcategory para las aplicaciones cliente.
Para ocultar las tablas Product Category y Product Subcategory

1. En el diseador de modelos, haga clic con el botn secundario en la pestaa de la tabla Product Category y, a continuacin, haga clic en Ocultar en las
herramientas de cliente.
2. Haga clic con el botn secundario en la pestaa de la tabla Product Subcategory y, a continuacin, haga clic en Ocultar en las herramientas de cliente.
Crear nuevos datos para grficos

A veces puede ser necesario crear nuevos datos en el modelo mediante frmulas DAX. En esta tarea, agregar dos columnas nuevas calculadas a la tabla Date. Estas
columnas nuevas proporcionarn campos de fecha en un formato apropiado para usarse en grficos.
Para crear nuevos datos para grficos

1. En la tabla Date, desplcese hasta la derecha y, despus, haga clic en Agregar columna.
2. Agregue dos nuevas columnas calculadas con las frmulas siguientes en la barra de frmula:
Nombre de columna
Frmula
Year Quarter
=[Calendar Year] & " Q" & [Calendar Quarter]
Year Month
=[Calendar Year] & FORMAT([Month],"#00")
Conjunto de campos predeterminado

El conjunto de campos predeterminado es una lista predefinida de columnas y medidas para una tabla que se agregan automticamente a un lienzo de informe Power
View cuando se selecciona la tabla en la lista de campos de informes. Esencialmente, puede especificar la clasificacin de los campos, las medidas y las columnas
predeterminadas que los usuarios desearn ver cuando esta tabla se visualice en informes Power View. Para el modelo Internet Sales, definir un conjunto de campos
predeterminado y un orden para las tablas Customer, Geography y Product. Se incluyen solo aquellas columnas ms comunes que los usuarios desearn ver al analizar
los datos de Adventure Works Internet Sales con informes Power View.
Cuadro de dilogo Conjunto de campos predeterminados
Para obtener informacin detallada acerca del conjunto de campos predeterminado, vea Configurar un conjunto de campos predeterminado para informes de Power
View (SSAS tabular) en los Libros en pantalla de SQL Server.
Para establecer el conjunto de campos predeterminado para las tablas

2. En la ventana Propiedades, en Propiedades de informe, en la propiedad Conjunto de campos predeterminado, haga clic en Haga clic para editar para abrir
el cuadro de dilogo Conjunto de campos predeterminado.
3. En el cuadro de dilogo Conjunto de campos predeterminado, en el cuadro de lista Campos en la tabla, presione Ctrl y seleccione los campos siguientes;
despus, haga clic en Agregar.
Birth Date, Customer Alternate Id, First Name, Last Name.
4. En la ventana Campos predeterminados, en orden, use los botones Mover arriba y Mover abajo para poner el orden siguiente:
Id. alternativo del cliente
Nombre
Apellidos
Fecha de nacimiento.
5. Haga clic en Aceptar para cerrar el cuadro de dilogo Conjunto de campos predeterminado para la tabla Customer.
6. Realice estos mismos pasos para la tabla Geography, seleccionando los campos siguientes y ponindolos en este orden.
City, State Province Code, State Region Code.
7. Finalmente, realice estos mismos pasos para la tabla Product, seleccionando los campos siguientes y ponindolos en este orden.
Product Alternate Id, Product Name.
Comportamiento de tabla
Con las propiedades de Comportamiento de tabla, puede cambiar el comportamiento predeterminado de los diferentes tipos de visualizacin y el comportamiento de
agrupacin para las tablas usadas en los informes de Power View. Esto permite una ubicacin predeterminada ms eficaz de la informacin de identificacin como los
nombres, imgenes o ttulos en los diseos de mosaico, tarjeta y grfico.
Cuadro de dilogo Comportamiento de tabla
Para obtener informacin detallada acerca de las propiedades de Comportamiento de tabla, vea Configurar las propiedades de comportamiento de las tablas para
informes de Power View (SSAS tabular) en los Libros en pantalla de SQL Server.
Para establecer el comportamiento de tabla de las tablas

2. En la ventana Propiedades, en la propiedad Comportamiento de tabla, haga clic en Haga clic para editar, para abrir el cuadro de dilogo Comportamiento
de tabla.
3. En el cuadro de dilogo Comportamiento de tabla, en el cuadro de lista desplegable Identificador de fila, seleccione la columna Customer Id.
4. En el cuadro de lista Mantener filas nicas, seleccione First Name and Last Name.
Esta configuracin de propiedad especifica que estas columnas proporcionan valores que se deben tratar como nicos aunque estn duplicados, por ejemplo,
para cuando dos o varios empleados compartan el mismo nombre.
5. En el cuadro de lista desplegable Etiqueta predeterminada, seleccione la columna Last Name.
Esta configuracin de propiedad especifica esta columna proporciona un nombre para mostrar para representar datos de fila.
6. Repita estos pasos con la tabla Geography, seleccionando la columna Geography Id como Identificador de fila y la columna City en el cuadro de lista Mantener
filas nicas. No necesita establecer una etiqueta predeterminada para esta tabla.
7. Repita estos pasos con la tabla Product, seleccionando la columna Product Id como Identificador de fila y la columna Product Name en el cuadro de lista
Mantener filas nicas. En Etiqueta predeterminada, seleccione Product Alternate Id.
Propiedades de informe para las columnas

Hay varias propiedades de columna bsicas y propiedades de informe especficos en las columnas que puede establecer para mejorar la experiencia de informes de
modelo. Por ejemplo, puede no ser necesario que los usuarios vena cada columna de cada tabla. Igual que ocult las tablas Product Category y Product Subcategory
antes, mediante la propiedad Hidden de una columna puede ocultar columnas concretas de una tabla que de otro modo se mostraran. Otras propiedades, como Data
Format y Sort by Column, tambin pueden afectar al modo en que los datos de columna pueden aparecer en los informes. Establecer algunas de esas columnas
concretas ahora. Otras columnas no requieren ninguna accin y no se muestran a continuacin.
Solo establecer algunas propiedades de columna distintas aqu, pero hay muchas otras. Para obtener ms informacin acerca de las propiedades de informes de
columna, vea Pestaa Propiedades de columna SSAS tabular en los Libros en pantalla de SQL Server.
Para establecer las propiedades de las columnas

2. Haga clic en la columna Customer Id para mostrar las propiedades de columna en la ventana Properties.
3. En la ventana Propiedades, establezca la propiedad Hidden en True. La columna Customer Id se atena en el diseador de modelos.
4. Repita estos pasos, estableciendo la columna siguiente y las propiedades de informes para cada tabla especificada. Deje las dems propiedades con su
configuracin predeterminada.
Customer
Columna
Propiedad
Valor
Id. de geografa
Oculto
True
Birth Date
Formato de datos
Short Date
Date
Nota
Dado que la tabla Date se seleccion como la tabla de fechas de modelos con la opcin Marcar como tabla de fechas, en la leccin 7, Marcar como tabla de
fechas, y la columna Date de la tabla Date como la columna que se usa como identificador nico, la propiedad Identificador de fila de la columna Date se
establecer automticamente en True y no se puede cambiar. Cuando se usan funciones de inteligencia temporal en frmulas DAX, debe especificar una tabla
de fechas. En este modelo, cre una serie de medidas con las funciones de inteligencia temporal para calcular los datos de ventas para varios periodos como
los trimestres anteriores y actuales y tambin para usarse en KPI. Para obtener ms informacin acerca de cmo especificar una tabla de fechas, vea
Especificar Marcar como tabla de fechas con inteligencia de tiempo (SSAS tabular) en los Libros en pantalla de SQL Server.
Columna
Propiedad
Valor
date
Formato de datos
Short Date
Da de la semana
Oculto
True
Nombre del da
Ordenar por columna
Da de la semana
Da de la semana
Oculto
True
Da del mes
Oculto
True
Da del ao
Oculto
True
Nombre del mes
Ordenar por columna
Month
Month
Oculto
True
Month Calendar
Oculto
True
Trimestre fiscal
Oculto
True
Ao fiscal
Oculto
True
Semestre fiscal
Oculto
True
Geography
Columna
Propiedad
Valor
Id. de geografa
Oculto
True
Sales Territory Id
Oculto
True
Product
Columna
Propiedad
Valor
Id. de producto
Oculto
True
Id. alternativo del producto
Etiqueta predeterminada
True
Oculto
True
Fecha de inicio del producto
Formato de datos
Short Date
Fecha de finalizacin del producto
Formato de datos
Short Date
Foto grande
Oculto
True
Internet Sales
Columna
Propiedad
Valor
Id. de producto
Oculto
True
Id. de cliente
Oculto
True
Id. de promocin
Oculto
True
Id. de moneda
Oculto
True
Sales Territory Id
Oculto
True
Cantidad del pedido
Tipo de datos
Decimal Number
Formato de datos
Decimal Number
Posiciones decimales
Fecha de pedido
Tipo de datos
Short Date
Fecha de vencimiento
Tipo de datos
Short Date
Fecha de envo
Tipo de datos
Short Date
Volver a implementar el MT Ventas AW

Dado que ha cambiado el modelo, debe volver a implementarlo. Repetir las tareas realizadas en Leccin 14: Implementar.
Para volver a implementar el modelo tabular Ventas por Internet de Adventure Works
En SQL Server Data Tools, haga clic en el men Generar y despus haga clic en Implementar Adventure Works Internet Sales.
Aparece el cuadro de dilogo Implementar en el que se muestra el estado de implementacin de los metadatos y las tablas incluidas en el modelo.
Pasos siguientes
Ahora puede usar Power View para visualizar los datos del modelo. Asegrese de que las cuentas de Analysis Services y Reporting Services en el sitio de SharePoint
tienen permisos de lectura en la instancia de Analysis Services donde implement el modelo.
Para crear un origen de datos de informe de Reporting Services que seale al modelo, vea Tipo de conexin del modelo de tabla SSRS.
Creacin de modelos multidimensionales tutorial de

Adventure Works)
SQL Server 2014
Este es el Tutorial de Analysis Services. En este tutorial se describe cmo usar SQL Server Data Tools para desarrollar e implementar un proyecto de Analysis Services,
usando la empresa ficticia Adventure Works Cycles para todos los ejemplos.
Aprendizaje
En este tutorial, aprender a:
Definir orgenes de datos, vistas del origen de datos, dimensiones, atributos, relaciones de atributo, jerarquas y cubos en un proyecto de Analysis Services en
SQL Server Data Tools.
Ver los datos de dimensiones y cubos implementando el proyecto de Analysis Services en una instancia de Analysis Services y a procesar los objetos
implementados para rellenarlos con datos del origen de datos subyacente.
Modificar las medidas, las dimensiones, las jerarquas, los atributos y los grupos de medida del proyecto de Analysis Services, as como a implementar cambios
incrementales en el cubo implementado en el servidor de desarrollo.
Definir clculos, indicadores de claves de rendimiento KPI, acciones, perspectivas, traducciones y roles de seguridad en un cubo.
Este tutorial va acompaado de una descripcin del escenario para poder entender mejor el contexto de estas lecciones. Para obtener ms informacin, vea Escenario
de Tutorial de Analysis Services.
Requisitos previos
Necesitar datos de ejemplo, archivos del proyecto de ejemplo y software para completar todas las lecciones de este tutorial. Para obtener instrucciones sobre cmo
buscar e instalar los requisitos previos para este tutorial, vea Instalar los datos y proyectos de ejemplo para el tutorial de modelado multidimensional de Analysis
Services.
Adems, los permisos siguientes deben existir para realizar correctamente este tutorial:
Debe ser miembro del grupo local Administradores del equipo con Analysis Services o ser miembro del rol de administracin del servidor de la instancia de
Analysis Services.
Debe tener permisos de lectura en la base de datos de ejemplo AdventureWorksDW2012. Esta base de datos de ejemplo es vlida para la versin de SQL
Server 2014.
Lecciones
Este tutorial incluye las siguientes lecciones.
Leccin
Tiempo estimado para completar la leccin
Leccin 1: definir una vista del origen de datos en un proyecto de Analysis Services
15 minutos
Leccin 2: Definir e implementar un cubo
30 minutos
Leccin 3: modificar medidas, atributos y jerarquas
45 minutos
Leccin 4: Definir propiedades de dimensiones y de atributos avanzados
120 minutos
Leccin 5: definir relaciones entre dimensiones y grupos de medida
45 minutos
Leccin 6: definir clculos
45 minutos
Leccin 7: definir indicadores clave de rendimiento KPI
30 minutos
Leccin 8: definir acciones
30 minutos
Leccin 9: Definir perspectivas y traducciones
30 minutos
Leccin 10: definir roles administrativos
15 minutos
Nota
La base de datos del cubo que crear en este tutorial es una versin simplificada del proyecto de modelo multidimensional de Analysis Services que forma parte de
las bases de datos de ejemplo Adventure Works que se pueden descargar en el sitio de codeplex. La versin del tutorial de la base de datos multidimensional de
Adventure Works se ha simplificado para centrarse en los conocimientos especficos que le interesar dominar inmediatamente. Despus de completar el tutorial,
considere la posibilidad de explorar el proyecto de modelo multidimensional por su cuenta para entender mejor el modelado multidimensional de Analysis Services.
Paso siguiente
Para comenzar el tutorial, vaya a la primera leccin: Leccin 1: definir una vista del origen de datos en un proyecto de Analysis Services.
Vea tambin
Otros recursos
Tutorials (Analysis Services)
Escenario de Tutorial de Analysis Services

SQL Server 2014
Este tutorial se basa en Adventure Works Cycles, una compaa ficticia. Adventure Works Cycles es una multinacional dedicada a la fabricacin y distribucin de bicicletas
de metal y de metal compuesto en mercados de Norteamrica, Europa y Asia. Las oficinas centrales de Adventure Works Cycles se encuentran en Bothell, Washington,
donde la compaa tiene 500 trabajadores. Adems, Adventure Works Cycles tiene contratados a varios equipos de ventas regionales en toda su base de mercado.
En los ltimos aos, Adventure Works Cycles compr una pequea planta de fabricacin, Importadores Neptuno, situada en Mxico. Importadores Neptuno fabrica varios
subcomponentes muy importantes para la lnea de productos de Adventure Works Cycles. Estos subcomponentes se envan a la sede de Bothell para el ensamblado final
del producto. En el ao 2005, Importadores Neptuno pas a ser el nico fabricante y distribuidor del grupo de productos de bicicletas de paseo.
Tras un ao fiscal con muy buenos resultados, Adventure Works Cycles desea ampliar su cuota de mercado dirigiendo sus ventas a sus mejores clientes, ampliando la
disponibilidad de sus productos en un sitio web externo y reduciendo los costos de venta a travs de costos de produccin ms bajos.
Entorno de anlisis actual

Para dar respuesta a las necesidades de anlisis de datos de los equipos de ventas y de marketing, la compaa obtiene actualmente los datos transaccionales de la
base de datos AdventureWorks2012 y la informacin que no corresponde a las transacciones, como las cuotas de venta, la obtiene de hojas de clculo; toda esta
informacin se consolida en el almacenamiento de datos relacional AdventureWorksDW2012. No obstante, el almacenamiento de datos relacional presenta los
siguientes problemas:
Los informes son estticos. Los usuarios no pueden explorar de forma interactiva los datos de los informes para obtener informacin ms detallada, como
podan hacer con una tabla dinmica de Microsoft Office Excel. Aunque el conjunto existente de informes predefinidos es suficiente para muchos usuarios, los
usuarios ms avanzados necesitan un acceso de consulta directo a la base de datos para realizar consultas interactivas y obtener informes especializados. No
obstante, debido a la complejidad de la base de datos AdventureWorksDW2012, se necesita demasiado tiempo para que estos usuarios puedan aprender a
crear consultas eficaces.
El rendimiento de las consultas es muy variable. Por ejemplo, algunas consultas devuelven resultados con gran rapidez, en pocos segundos, mientras que otras
tardan varios minutos en devolverlos.
Es difcil administrar las tablas agregadas. En un intento de mejorar los tiempos de respuesta de las consultas, el equipo de almacenamiento de datos de
Adventure Works cre varias tablas agregadas en la base de datos AdventureWorksDW2012. Por ejemplo, crearon una tabla que resuma las ventas por mes.
No obstante, si bien estas tablas mejoran notablemente el rendimiento de las consultas, la infraestructura creada para mantener las tablas a lo largo del tiempo
es frgil y propensa a errores.
Las definiciones de informe incluyen lgica de clculo muy compleja que es difcil de compartir entre informes. Puesto que esta lgica empresarial se genera de
forma independiente para cada informe, a veces la informacin de resumen es distinta entre los informes. Por consiguiente, el equipo de direccin tiene una
confianza limitada en los informes del almacenamiento de datos.
Los usuarios de distintas unidades empresariales estn interesados en distintas vistas de los datos. Cada grupo se distrae y confunde con los elementos de
datos que no son relevantes para l.
La lgica de clculo es especialmente difcil para los usuarios que necesitan informes especializados. Estos usuarios deben definir la lgica de clculo de forma
independiente para cada informe, por lo que no existe un control centralizado sobre el modo de definir la lgica de clculo. Por ejemplo, algunos usuarios
saben que deben utilizar tcnicas estadsticas bsicas, como medias mviles, pero no saben cmo construir estos clculos y, por consiguiente, no utilizan dichas
tcnicas.
Es difcil combinar los conjuntos de informacin relacionados. Resulta difcil para los usuarios de la compaa crear consultas especializadas que combinen dos
conjuntos de informacin relacionada, como ventas y cuotas de ventas. Las consultas de este tipo han sobrecargado la base de datos, por lo que la compaa
requiere que los usuarios soliciten al equipo del almacenamiento de datos conjuntos de datos comunes entre varias reas. Como consecuencia de ello, se han
definido pocos informes predefinidos que combinan datos de varias reas temticas. Adems, debido a la complejidad de estos informes, los usuarios son
reacios a intentar modificarlos.
Los informes se basan principalmente en informacin de compaas de Estados Unidos. Los usuarios que se encuentran en sedes fuera de Estados Unidos no
estn satisfechos con este enfoque y desean poder ver los informes en distintas monedas y en distintos idiomas.
Es difcil auditar la informacin. Actualmente, el departamento de finanzas usa la base de datos AdventureWorksDW2012 solo como origen de datos en la que
pueden realizarse consultas masivas. Luego descargan los datos en hojas de clculo individuales e invierten mucho tiempo en preparar los datos y manipular
dichas hojas de clculo. Por consiguiente, el proceso de preparacin, auditora y administracin de los informes financieros de la compaa es complejo.
Solucin
Recientemente, el equipo del almacenamiento de datos ha realizado una revisin del diseo del sistema de anlisis actual. La revisin ha incluido un anlisis de las
lagunas que presentan los problemas actuales y las demandas futuras. Este equipo ha determinado que la base de datos AdventureWorksDW2012 es una base de
datos dimensional bien diseada con dimensiones compatibles y claves suplentes. Las dimensiones compatibles permiten utilizar una dimensin en varios puestos de
datos, como una dimensin de tiempo o una dimensin de producto. Las claves suplentes son claves artificiales que vinculan tablas de dimensiones y de hechos y se
utilizan para garantizar la unicidad y mejorar el rendimiento. Adems, el equipo de almacenamiento de datos ha determinado que actualmente no existen problemas
significativos con la carga y la administracin de las tablas base de la base de datos AdventureWorksDW2012. Por tanto, el equipo ha decidido usar Microsoft
Analysis Services para poder hacer lo siguiente:
Proporcionar el acceso a datos unificados a travs de una capa de metadatos comn para la creacin de informes y el anlisis analtico.
Simplificar la vista de datos de los usuarios, acelerando el desarrollo de consultas interactivas y predefinidas, y de informes predefinidos.
Crear correctamente consultas que combinan datos de varias reas temticas.
Administrar los agregados.
Almacenar y reutilizar clculos complejos.

Presentar una versin traducida a los usuarios de la compaa que se encuentran fuera de Estados Unidos.
Las lecciones del tutorial de Analysis Services proporcionan instrucciones para crear una base de datos de cubo que satisfaga todos estos objetivos. Para empezar,
vaya a la primera leccin: Leccin 1: Crear un nuevo proyecto de modelo tabular.
Vea tambin
Conceptos
Instalar los datos y proyectos de ejemplo para el tutorial de

modelado multidimensional de Analysis Services
SQL Server 2014
Use las instrucciones y los vnculos proporcionados en este tema para instalar todos los archivos de datos y de proyecto empleados en los tutoriales de Analysis Services.
Paso 1: instalar el software SQL Server

En las lecciones de este tutorial se supone que tiene el siguiente software instalado. Todo el software siguiente se instala con los discos de instalacin del SQL Server.
Para mayor simplicidad de la implementacin, puede instalar todas las caractersticas en un equipo nico. Para instalar estas caractersticas, ejecute el programa de
instalacin de SQL Server y seleccinelas en la pgina Seleccin de caractersticas. Para obtener ms informacin, vea Instalar SQL Server 2014 desde el Asistente para
la instalacin programa de instalacin.
Motor de base de datos

Analysis Services
Analysis Services solo est disponible en estas ediciones: Evaluation, Enterprise, Business Intelligence, Standard.
Tenga en cuenta que las ediciones de SQL Server Express no incluyen Analysis Services. Descargue la edicin Evaluation si desea probar el software de forma
gratuita.
De forma predeterminada, Analysis Services se instala como una instancia multidimensional, lo que puede invalidar si elige el modo de servidor tabular en la
pgina de configuracin del servidor del Asistente para la instalacin. Si desea ejecutar ambos modos de servidor, vuelva a ejecutar el programa de instalacin
de SQL Server en el mismo equipo para instalar una segunda instancia de Analysis Services en el otro modo.
SQL Server Management Studio
Opcionalmente, considere la posibilidad de instalar Excel para examinar los datos multidimensionales a medida que recorre el tutorial. Al instalar Excel, se habilita la
caracterstica Analizar en Excel, que inicia Excel utilizando una lista de campos de tabla dinmica conectada al cubo que se est compilando. Se recomienda utilizar
Excel para examinar los datos porque puede se puede crear rpidamente un informe dinmico que permite interactuar con los datos.
O bien, puede examinar los datos usando el diseador de consultas MDX integrado en SQL Server Data Tools SSDT. El diseador de consultas devuelve los mismos
datos, excepto los presentados como un conjunto de filas plano.
Paso 2: descargar SQL Server Data Tools Business Intelligence para Visual Studio 2012
En esta versin, SQL Server Data Tools se descarga e instala de forma independiente de otras caractersticas de SQL Server. Los diseadores y las plantillas de
proyecto que se emplean para crear modelos e informes de BI estn disponibles ahora como una descarga web gratuita.
Descargue la versin Business Intelligence de SQL Server Data Tools. El archivo se guarda en la carpeta Descargas. Ejecute el programa de instalacin para
instalar la herramienta.
Reinicie el equipo para completar la instalacin.
Paso 3: Instalar bases de datos

Un modelo multidimensional de Analysis Services usa datos transaccionales importados de un sistema de administracin de bases de datos relacionales. Para los
propsitos de este tutorial, utilizar la siguiente base de datos relacional como origen de datos.
AdventureWorksDW2012: es un almacenamiento de datos relacional que se ejecuta en una instancia del Motor de base de datos. Proporciona los datos
originales que sern utilizados por las bases de datos de Analysis Services y los proyectos que va a compilar e implementar a lo largo del tutorial.
Puede usar esta base de datos de ejemplo con SQL Server 2014 y con SQL Server 2012.
Para instalar esta base de datos, haga lo siguiente:
1. Descargue la base de datos AdventureWorksDW2012 de la pgina de ejemplos del producto de codeplex.

El nombre del archivo de base de datos es AdventureWorksDW2012_Data.mdf. El archivo debe estar en la carpeta Descargas del equipo.
2. Copie el archivo AdventureWorksDW2012_Data.mdf en el directorio de datos de la instancia del Motor de base de datos de SQL Server local. De forma
predeterminada, se encuentra en la carpeta C:\Archivos de programa\Microsoft SQL Server\MSSQL12.MSSQLSERVER\MSSQL\Data.
3. Inicie Microsoft SQL Server Management Studio y conctese a la instancia del Motor de base de datos.
4. Haga clic con el botn secundario en Bases de datos y haga clic en Adjuntar.
5. Haga clic en Agregar.
6. Seleccione el archivo de base de datos AdventureWorksDW2012_Data.mdf y haga clic en Aceptar. Si el archivo no aparece, compruebe la carpeta C:\Archivos
de programa\Microsoft SQL Server\MSSQL12.MSSQLSERVER\MSSQL\Data para asegurarse de que est all.

7. En los detalles de la base de datos, quite la entrada del archivo de registro. El programa de instalacin da por supuesto que tiene un archivo de registro, pero
no hay ningn archivo de registro en el ejemplo. Se crear automticamente un nuevo archivo de registro al adjuntar la base de datos. Seleccione el archivo de
registro, haga clic en Quitar y, a continuacin, haga clic en Aceptar para adjuntar solo el archivo de base de datos principal.
Paso 4: Otorgar permisos de base de datos

En los proyectos de ejemplo se usa la configuracin de suplantacin del origen de datos que especifica el contexto de seguridad bajo el que se importan o se
procesan los datos. De forma predeterminada, los valores de suplantacin especifican la cuenta de servicio de Analysis Services para obtener acceso a los datos. Para
usar esta configuracin predeterminada, debe asegurarse de que la cuenta de servicio bajo la que se ejecuta Analysis Services tiene permisos de lector de datos en la
base de datos AdventureWorksDW2012.
Nota
Para los propsitos de aprendizaje, se recomienda que use la opcin de suplantacin de cuenta de servicio predeterminada y que otorgue permisos de lector de
datos a la cuenta de servicio en SQL Server. Aunque hay otras opciones de suplantacin disponibles, no todas ellas son convenientes para procesar las operaciones.
Concretamente, la opcin de usar las credenciales del usuario actual no se admite para el procesamiento.
1. Determine la cuenta de servicio. Puede usar el Administrador de configuracin de SQL Server o la aplicacin de consola Servicios para ver la informacin de
cuentas. Si ha instalado Analysis Services como instancia predeterminada, usando la cuenta predeterminada, el servicio se est ejecutando como NT
Service\MSSQLServerOLAPService.
2. En Management Studio, conctese a la instancia del motor de base de datos.
3. Expanda la carpeta Seguridad, haga clic con el botn secundario en Inicios de sesin y seleccione Nuevo inicio de sesin.
4. En la pgina General, en Nombre de inicio de sesin, escriba NT Service\MSSQLServerOLAPService o la cuenta como la que se ejecute el servicio.
5. Haga clic en Asignacin de usuarios.
6. Active la casilla situada al lado de la base de datos AdventureWorksDW2012. La pertenencia del rol debera incluir db_datareader y public automticamente.
Haga clic en Aceptar para aceptar los valores predeterminados.
Paso 5: Instalar los proyectos

El tutorial incluye proyectos de ejemplo para que pueda comparar sus resultados con un proyecto acabado, o iniciar una leccin que est ms adelante en la secuencia.
El archivo de proyecto de la leccin 4 es particularmente importante porque proporciona la base para esa leccin y paro todas las lecciones siguientes. En contraste
con los archivos de proyecto anteriores, donde los pasos del tutorial tenan como resultado una copia exacta de los archivos de proyecto completados, el proyecto de
ejemplo de la leccin 4 incluye la nueva informacin del modelo que no se encuentra en el modelo creado en las lecciones 1 a 3. En la leccin 4 se supone que
comienza con un archivo de proyecto de ejemplo que est disponible en la siguiente descarga.
1. Descargue el Tutorial de Analysis Services SQL Server 2012 de la pgina de ejemplos del producto en codeplex.
Los tutoriales de 2012 son vlidos para la versin SQL Server 2014.
El archivo Analysis Services Tutorial SQL Server 2012.zip se guardar en la carpeta de descarga en su equipo.
2. Mueva el archivo de .zip a una carpeta que est debajo de la unidad raz por ejemplo, C:\Tutorial. Este paso mitiga el error Ruta de acceso demasiado larga
que aparece en ocasiones si intenta descomprimir los archivos en la carpeta Descargas.
3. Descomprima los proyectos de ejemplo: haga clic con el botn secundario en el archivo y seleccione Extrae todo. Despus de extraer los archivos, debera tener
los siguientes proyectos instalados en su equipo:
Leccin 1 completa
Leccin 2 completa
Leccin 3 completa
Leccin 4 completa
Leccin 4 inicio
Leccin 5 completa
Leccin 6 completa
Leccin 7 completa
Leccin 8 completa
Leccin 9 completa
Leccin 10 completa
4. Quite los permisos de solo lectura de estos archivos. Haga clic con el botn secundario en la carpeta principal, Analysis Services Tutorial SQL Server 2012,
seleccione Propiedades y desactive la casilla Solo lectura. Haga clic en Aceptar. Aplique los cambios a esta carpeta, sus subcarpetas y sus archivos.
5. Inicie SQL Server Data Tools (SSDT).

6. Abra el archivo de solucin .sln que corresponde a la leccin que est utilizando. Por ejemplo, en la carpeta denominada Lesson 1 Complete, abrira el
archivo Analysis Services Tutorial.sln.
7. Implemente la solucin para comprobar que los permisos de base de datos y la informacin de ubicacin del servidor se han configurado correctamente.
Si Analysis Services y el Motor de base de datos se instalan como la instancia predeterminada MSSQLServer y todo el software se est ejecutando en el mismo
equipo, puede hacer clic en Implementar solucin en el men Compilar para compilar e implementar el proyecto de ejemplo en la instancia local de Analysis
Services. Durante la implementacin, los datos se procesarn o importarn de la base de datos AdventureWorksDW2012 en la instancia del Motor de base de
datos local. Se crear una nueva base de datos de Analysis Services en la instancia de Analysis Services que contiene los datos recuperados del motor de base
de datos.
Si encuentra los errores, revise los pasos anteriores de configuracin de los permisos de base de datos. Adems, puede ser necesario cambiar los nombres de
servidor. El nombre de servidor predeterminado es localhost. Si los servidores estn instalados en equipos remotos o como instancias con nombre, debe
invalidar el valor predeterminado para usar un nombre de servidor vlido para la instalacin. Adems, si los servidores estn en equipos remotos, podra ser
necesario configurar Firewall de Windows para permitir el acceso a los servidores.
El nombre de servidor para conectarse al motor de base de datos se especifica en el objeto de origen de datos de la solucin multidimensional tutorial de
Adventure Works), que es visible en el Explorador de soluciones.
El nombre de servidor para conectarse a Analysis Services se especifica en la pestaa Implementacin de las pginas de propiedades del proyecto, que tambin
es visible en el Explorador de soluciones.
8. Inicie SQL Server Management Studio. En SQL Server Management Studio, conctese a un servidor de Analysis Services. Compruebe que una base de datos
denominada Analysis Services Tutorial se est ejecutando en el servidor.
Paso siguiente
Ahora est preparado para utilizar el tutorial. Para obtener ms informacin acerca de cmo empezar, vea Creacin de modelos multidimensionales tutorial de
Adventure Works).
Vea tambin
Tasks
Instalar SQL Server 2014 desde el Asistente para la instalacin programa de instalacin
Conceptos
Configurar Firewall de Windows para permitir el acceso a Analysis Services
Configurar Firewall de Windows para permitir el acceso a SQL Server
Leccin 1: definir una vista del origen de datos en un proyecto

de Analysis Services
SQL Server 2014
Para disear una aplicacin de Business Intelligence en SQL Server, primero debe crear un proyecto de Analysis Services en SQL Server Data Tools SSDT. En este
proyecto, debe definir todos los elementos de la solucin, empezando por una vista del origen de datos.
Esta leccin contiene las tareas siguientes:
Crear un proyecto de Analysis Services

En esta tarea, crear el proyecto Tutorial de Analysis Services basndose en una plantilla de modelo multidimensional de Analysis Services.
Definir un origen de datos
En esta tarea, especificar la base de datos AdventureWorksDW2012 como origen de datos para las dimensiones y los cubos de Analysis Services que definir en
lecciones posteriores.
Definir una vista del origen de datos
En esta tarea, definir una nica vista unificada de los metadatos de tablas seleccionadas en la base de datos AdventureWorksDW2012.
Modificar los nombres de tabla predeterminados
En esta tarea, modificar los nombres de tabla de la vista del origen de datos, de modo que los nombres de los objetos subsiguientes de Analysis Services que
definir sean ms descriptivos.
Compare sus resultados en un archivo de proyecto de ejemplo que se cre para esta leccin. Para obtener ms informacin acerca de cmo descargar los proyectos de
ejemplo relacionados con este tutorial, vea SSAS Multidimensional Model Projects for SQL Server 2012 en la pgina de ejemplos del producto de codeplex.
Leccin siguiente
Vea tambin
Conceptos
Crear un proyecto de Analysis Services (SSDT)
Tipos de orgenes de datos admitidos SSAS multidimensional
Vistas del origen de datos en modelos multidimensionales

SQL Server 2014
En la tarea siguiente, debe usar SQL Server Data Tools (SSDT) para crear un nuevo proyecto de Analysis Services denominado Tutorial de Analysis Services, basado en la
plantilla del proyecto de Analysis Services. Un proyecto es una coleccin de objetos relacionados. Los proyectos existen en una solucin, que incluye uno o ms proyectos.
Para obtener ms informacin, vea Crear un proyecto de Analysis Services (SSDT).
Para crear un nuevo proyecto de Analysis Services

1. Haga clic en Inicio, seleccione Todos los programas, Microsoft SQL Server 2012 y, a continuacin, haga clic en Herramientas de datos de SQL Server.
Se abrir el entorno de desarrollo de Microsoft Visual Studio.
2. En la pgina Inicio de Visual Studio, haga clic en Nuevo proyecto.
3. En el cuadro de dilogo Nuevo proyecto, en el panel Plantillas instaladas, expanda Business Intelligence y seleccione Analysis Services. Elija la plantilla
Proyecto multidimensional y de minera de datos de Analysis Services.
Fjese en el nombre predeterminado del proyecto, la ubicacin y el nombre predeterminado de la solucin que aparecen en la parte inferior del cuadro de dilogo.
De forma predeterminada, se crea un directorio nuevo para la solucin.
4. Cambie el nombre del proyecto a Tutorial de Analysis Services, que cambia tambin el cuadro Nombre de solucin, y haga clic en Aceptar.
Ha creado correctamente el proyecto Tutorial de Analysis Services, basado en la plantilla Proyecto multidimensional y de minera de datos de Analysis Services,
dentro de una nueva solucin denominada tambin Tutorial de Analysis Services.
Siguiente tarea de la leccin

Vea tambin
Conceptos
Crear modelos multidimensionales utilizando las herramientas de datos de SQL Server (SSDT)

SQL Server 2014
Tras crear un proyecto de Analysis Services, generalmente se empieza a trabajar con el mismo definiendo uno o ms orgenes de datos que el proyecto utilizar. Al definir
un origen de datos, se define la informacin de cadena de conexin que se utilizar para establecer la conexin con el origen de datos. Para obtener ms informacin,
vea Crear un origen de datos (SSAS multidimensional).
En la tarea siguiente, definir la base de datos de ejemplo AdventureWorksDWSQLServer2012 como origen de datos para el proyecto Tutorial de Analysis Services. En el
caso de este tutorial, esta base de datos se encuentra en el equipo local; no obstante, las bases de datos de origen generalmente se encuentran hospedadas en uno o
ms equipos remotos.
Para definir un origen de datos nuevo

1. En Explorador de soluciones a la derecha de la ventana de Microsoft Visual Studio, haga clic con el botn secundario en Orgenes de datos y despus haga clic
en Nuevo origen de datos.
2. En la pgina de inicio del Asistente para orgenes de datos, haga clic en Siguiente para abrir la pgina Seleccionar cmo definir la conexin.
3. En la pgina Seleccionar cmo definir la conexin, puede definir un origen de datos basado en una conexin nueva, en una conexin existente o en un objeto de
origen de datos definido con anterioridad. En este tutorial, va a definir un origen de datos basado en una conexin nueva. Compruebe que la opcin Crear un
origen de datos basado en una conexin nueva o existente est seleccionada y, a continuacin, haga clic en Nueva.
4. En el cuadro de dilogo Administrador de conexiones se definen las propiedades de conexin para el origen de datos. En el cuadro de lista Proveedor,
compruebe que est seleccionada la opcin Native OLE DB\SQL Server Native Client 11.0.
Analysis Services tambin admite otros proveedores, que se muestran en la lista Proveedor.
5. En el cuadro de texto Nombre de servidor, escriba localhost.
Para conectarse a una instancia con nombre del equipo local, escriba localhost\<nombre de instancia>. Para conectarse al equipo especificado en lugar de al
equipo local, escriba el nombre del equipo o la direccin IP.
6. Compruebe que la opcin Utilizar autenticacin de Windows est seleccionada. En la lista Seleccione o escriba un nombre de base de datos, seleccione
AdventureWorksDW2012.
7. Haga clic en Probar conexin para probar la conexin a la base de datos.
8. Haga clic en Aceptar y, a continuacin, en Siguiente.
9. En la pgina Informacin de suplantacin del asistente, debe definir las credenciales de seguridad que Analysis Services debe usar para conectarse al origen de
datos. La suplantacin afecta a la cuenta de Windows usada para conectarse al origen de datos cuando est seleccionada la autenticacin de Windows. Analysis
Services no admite la suplantacin para el procesamiento de objetos OLAP. Seleccione Utilizar la cuenta de servicio y, a continuacin, haga clic en Siguiente.
10. En la pgina Finalizacin del asistente, acepte el nombre predeterminado Adventure Works DW 2012 y, a continuacin, haga clic en Finalizar para crear el
nuevo origen de datos.
Nota
Para modificar las propiedades del origen de datos una vez creado este, haga doble clic en el origen de datos de la carpeta Orgenes de datos para mostrar las
propiedades del origen de datos en el Diseador de origen de datos.

Vea tambin
Conceptos
Crear un origen de datos (SSAS multidimensional)

SQL Server 2014
Tras definir los orgenes de datos que utilizar en un proyecto de Analysis Services, el paso siguiente generalmente consiste en definir una vista del origen de datos para
el proyecto. Una vista del origen de datos es una sola vista unificada de metadatos de las tablas y vistas especificadas que el origen de datos define en el proyecto.
Almacenar metadatos en la vista del origen de datos permite trabajar con los metadatos durante el proceso de desarrollo sin ninguna conexin abierta con ningn origen
de datos subyacente. Para obtener ms informacin, vea Vistas del origen de datos en modelos multidimensionales.
En la tarea siguiente, definir una vista del origen de datos que incluye cinco tablas del origen de datos AdventureWorksDW2012.
Para definir una vista del origen de datos nueva

1. En el Explorador de soluciones a la derecha de la ventana de Microsoft Visual Studio, haga clic con el botn secundario en Vistas del origen de datos y, a
continuacin, haga clic en Nueva vista del origen de datos.
2. En la pgina Asistente para vistas del origen de datos, haga clic en Siguiente. Aparece la pgina Seleccionar un origen de datos.
3. En Orgenes de datos relacionales, el origen de datos Adventure Works DW 2012 aparece seleccionado. Haga clic en Siguiente.
Nota
Para crear una vista del origen de datos que se base en varios orgenes de datos, primero debe definir una vista del origen de datos que se base en un nico
origen de datos. Este origen de datos luego se llama origen de datos principal. A continuacin, puede agregar tablas y vistas a partir de un origen de datos
secundario. Al disear dimensiones que contengan atributos basados en tablas relacionadas en varios orgenes de datos, puede que necesite definir un origen
de datos de Microsoft SQL Server como el origen de datos principal para usar sus capacidades del motor de consultas distribuidas.
4. En la pgina Seleccionar tablas y vistas se seleccionan las tablas y vistas de la lista de objetos disponibles del origen de datos seleccionado. Puede filtrar esta lista
para facilitar la seleccin de tablas y vistas.
Nota
Haga clic en el botn Maximizar situado en la esquina superior derecha para que la ventana ocupe toda la pantalla. As resultar ms fcil ver la lista completa
de objetos disponibles.
En la lista Objetos disponibles, seleccione los siguientes objetos. Para seleccionar varias tablas, haga clic en cada una de ellas mientras mantiene presionada la
tecla CTRL:
DimCustomer (dbo)
DimDate (dbo)
DimGeography (dbo)
DimProduct (dbo)
FactInternetSales (dbo)
5. Haga clic en > para agregar las tablas seleccionadas a la lista Objetos incluidos.
6. Haga clic en Siguiente.
7. En el campo Nombre, asegrese de que aparece Adventure Works DW 2012 y, a continuacin, haga clic en Finalizar.
La vista del origen de datos Adventure Works DW 2012 aparece en la carpeta Vistas del origen de datos del Explorador de soluciones. El contenido de la vista
del origen de datos tambin se muestra en el Diseador de vistas del origen de datos de SQL Server Data Tools SSDT. Este diseador contiene los elementos
siguientes:
El panel Diagrama, en el que las tablas y sus relaciones se representan grficamente.
El panel Tablas, en el que las tablas y los elementos de esquema se muestran en una vista de rbol.
El panel Organizador de diagramas, en el que puede crear subdiagramas de modo que pueda ver los subconjuntos de la vista del origen de datos.
Una barra de herramientas especfica del Diseador de vistas del origen de datos.
8. Para maximizar el entorno de desarrollo de Microsoft Visual Studio, haga clic en el botn Maximizar.
9. Para ver las tablas del panel Diagrama al 50 por ciento, haga clic en el icono Zoom de la barra de herramientas del Diseador de vistas del origen de datos. De
este modo se ocultarn los detalles de columna de cada tabla.
10. Para ocultar el Explorador de soluciones, haga clic en el botn Ocultar automticamente, que es el icono de alfiler de la barra de ttulo. Para ver el Explorador de
soluciones de nuevo, site el puntero sobre la pestaa del Explorador de soluciones situada a la derecha del entorno de desarrollo. Para mostrar el Explorador de
soluciones, haga clic de nuevo en el botn Ocultar automticamente.
11. Si las ventanas no se ocultan de forma predeterminada, haga clic en Ocultar automticamente en la barra de ttulo de las ventanas Propiedades y Explorador de
soluciones.
Ahora puede ver las tablas y sus relaciones en el panel Diagrama. Observe que existen tres relaciones entre la tabla FactInternetSales y la tabla DimDate. Cada
venta tiene tres fechas asociadas: de pedido, de vencimiento y de envo. Para ver los detalles de cualquier relacin, haga doble clic en la flecha de relacin del
panel Diagrama.
Vea tambin
Conceptos

SQL Server 2014
Puede cambiar el valor de la propiedad FriendlyName para los objetos de la vista del origen de datos para que sean ms fciles de identificar y usar.
En la tarea siguiente, cambiar el nombre descriptivo de cada tabla de la vista del origen de datos quitando los prefijos "Dim" y "Fact" de dichas tablas. Esto har que los
objetos del cubo y la dimensin que definir en la siguiente leccin sean ms fciles de identificar y usar.
Nota
Tambin puede cambiar los nombres descriptivos de las columnas, definir columnas calculadas y combinar tablas o vistas en la vista del origen de datos para que
sean ms fciles de usar.
Para modificar el nombre predeterminado de una tabla

1. En el panel Tablas del Diseador de vistas del origen de datos, haga clic con el botn secundario en la tabla FactInternetSales y, a continuacin, haga clic en
Propiedades.
2. Si la ventana Propiedades situada en la parte derecha de la ventana de Microsoft Visual Studio no se muestra, haga clic en el botn Ocultar automticamente de
la barra de ttulo de la ventana Propiedades para que esta ventana permanezca visible.
Es ms fcil cambiar las propiedades de cada tabla en la vista del origen de datos cuando la ventana Propiedades permanece abierta. Si no fija la ventana abierta
mediante el botn Ocultar automticamente, la ventana se cerrar al hacer clic en un objeto distinto del panel Diagrama.
3. Cambie la propiedad FriendlyName del objeto FactInternetSales por VentasInternet.
Al hacer clic fuera de la celda de la propiedad FriendlyName, se aplica el cambio. En la siguiente leccin, definir un grupo de medida que se basa en esta tabla
de hechos. El nombre de la tabla de hechos ser InternetSales en lugar de FactInternetSales debido al cambio realizado en esta leccin.
4. Haga clic en DimProduct en el panel Tablas. En la ventana Propiedades, cambie la propiedad FriendlyName por Productos.
5. Cambie la propiedad FriendlyName de cada una de las tablas restantes en la vista del origen de datos del mismo modo, para eliminar el prefijo "Dim".
6. Cuando haya finalizado, haga clic en el botn Ocultar automticamente para ocultar de nuevo la ventana Propiedades.
7. En el men Archivo o en la barra de herramientas de SQL Server Data Tools, haga clic en Guardar todo para guardar los cambios que haya efectuado hasta este
momento en el proyecto Tutorial de Analysis Services. Puede detener el tutorial aqu si lo desea y reanudarlo ms adelante.
Leccin siguiente
Vea tambin
Conceptos
Cambiar las propiedades de una vista del origen de datos (Analysis Services)

SQL Server 2014
Ahora que ha definido una vista del origen de datos en un proyecto de Microsoft Analysis Services, est preparado para definir el cubo inicial de Analysis Services.
Puede definir un cubo y sus dimensiones en un solo paso mediante el Asistente para cubos. Tambin puede definir una o ms dimensiones y usar el Asistente para cubos
con objeto de definir un cubo que use dichas dimensiones. Si est diseando una solucin compleja, generalmente empezar definiendo las dimensiones. Para obtener
ms informacin, vea Dimensiones en modelos multidimensionales o Cubos en modelos multidimensionales.
Nota
Los proyectos completos para todas las lecciones de este tutorial estn disponibles en lnea. Puede saltar a continuacin a cualquier leccin con el proyecto
completado de la leccin anterior como punto de partida. Haga clic aqu para descargar los proyectos de ejemplo que tienen que ver con este tutorial.
Definir una dimensin

En esta tarea, debe usar el Asistente para dimensiones con objeto de definir una dimensin.
Definir un cubo
En esta tarea, debe usar el Asistente para cubos con objeto de definir un cubo de Analysis Services inicial.
Agregar atributos a dimensiones
En esta tarea, debe agregar atributos a las dimensiones que cre.
Revisar las propiedades de cubo y dimensin
En esta tarea, debe revisar la estructura del cubo que defini utilizando el Asistente para cubos.
Implementar un proyecto de Analysis Services
En esta tarea, debe implementar el proyecto Analysis Services en la instancia local de Analysis Services, y obtendr informacin sobre algunas propiedades de
implementacin.
Examinar el cubo
En esta tarea, examinar los datos de cubo y de dimensin usando Excel o el diseador de consultas MDX.
Leccin siguiente
Vea tambin
Conceptos
Dimensiones en modelos multidimensionales
Cubos en modelos multidimensionales
Configurar las propiedades de un proyecto de Analysis Services (SSDT)
Generar proyectos de Analysis Services (SSDT)
Implementar proyectos de Analysis Services (SSDT)
Definir una dimensin

SQL Server 2014
En la tarea siguiente, usar el Asistente para dimensiones con objeto de generar una dimensin Date.
Nota
Para realizar esta leccin es necesario haber completado todos los procedimientos de la leccin 1.
Para definir una dimensin

1. En Explorador de soluciones en el margen derecho de Microsoft Visual Studio, haga clic con el botn secundario en Dimensiones y haga clic en Nueva
dimensin. Aparece el Asistente para dimensiones.
2. En la pgina Asistente para dimensiones, haga clic en Siguiente.
3. En la pgina Seleccionar mtodo de creacin, compruebe que la opcin Usar una tabla existente est seleccionada y, a continuacin, haga clic en Siguiente.
4. En la pgina Especificar informacin de origen, compruebe que la vista del origen de datos Adventure Works DW 2012 est seleccionada.
5. En la lista Tabla principal, seleccione Date.
7. En la pgina Seleccionar los atributos de la dimensin, active las casillas situadas junto a los siguientes atributos:
Date Key
Full Date Alternate Key
Spanish Month Name
Calendar Quarter
Calendar Year
Calendar Semester
8. Cambie el valor de la columna Tipo de atributo del atributo Full Date Alternate Key de Normal a Fecha. Para ello, haga clic en Regular en la columna Tipo de
atributo. A continuacin, haga clic en la flecha para expandir las opciones. Por ltimo, haga clic en Date > Calendar > Date. Haga clic en Aceptar. Repita estos
pasos para cambiar el tipo de atributo de los siguientes atributos como se indica a continuacin:
Spanish Month Name a Month
Calendar Quarter a Quarter
Calendar Year a Year
Calendar Semester a Half Year
10. En la pgina Finalizacin del asistente, en el panel de vista previa, puede ver la dimensin Date y sus atributos.
11. Haga clic en Finalizar para completar el asistente.
En el Explorador de soluciones, en el proyecto Tutorial de Analysis Services, la dimensin Date aparece en la carpeta Dimensiones. En el centro del entorno de
desarrollo, el Diseador de dimensiones muestra la dimensin Date.
12. En el men Archivo, haga clic en Guardar todo.

Definir un cubo
Vea tambin
Tasks
Crear una dimensin usando una tabla existente
Crear una dimensin usando el Asistente para dimensiones
Conceptos
Definir un cubo
SQL Server 2014
El Asistente para cubos le ayuda a definir los grupos de medida y las dimensiones de un cubo. En la tarea siguiente, usar el Asistente para cubos para generar un cubo.
Para definir un cubo y sus propiedades

1. En el Explorador de soluciones, haga clic con el botn secundario en Cubos y, a continuacin, haga clic en Nuevo cubo. Aparece el Asistente para cubos.
2. En la pgina Asistente para cubos, haga clic en Siguiente.
3. En la pgina Seleccionar mtodo de creacin, compruebe que la opcin Usar tablas existentes est seleccionada y, a continuacin, haga clic en Siguiente.
4. En la pgina Seleccionar tablas de grupo de medida, compruebe que la vista del origen de datos Adventure Works DW 2012 est seleccionada.
5. Haga clic en Sugerir para que el Asistente para cubos sugiera las tablas que se deben usar para crear los grupos de medida.
El asistente examinar las tablas y sugerir InternetSales como tabla de grupos de medida. Las tablas de grupos de medida, tambin denominadas tablas de
hechos, contienen las medidas que son de su inters, como el nmero de unidades vendidas.
7. En la pgina Seleccionar medidas, revise las medidas seleccionadas en el grupo de medida Internet Sales y, a continuacin, desactive las casillas de las medidas
siguientes:
Promotion Key
Currency Key
Sales Territory Key
Revision Number
De forma predeterminada, el asistente selecciona como medidas todas las columnas numricas de la tabla de hechos que no estn vinculadas a dimensiones. No
obstante, estas cuatro columnas no son miembros reales. Las tres primeras son valores clave que vinculan la tabla de hechos con tablas de dimensiones que no se
utilizan en la versin inicial de este cubo.
9. En la pgina Seleccionar dimensiones existentes, asegrese de que la dimensin Date que cre anteriormente est seleccionada y haga clic en Siguiente.
10. En la pgina Seleccionar nuevas dimensiones, seleccione las nuevas dimensiones que se van a crear. Para ello, compruebe que las casillas Customer, Geography
y Product estn activadas y desactive la casilla InternetSales.
12. En la pgina Finalizacin del asistente, cambie el nombre del cubo por Tutorial de Analysis Services. En el panel de vista previa, puede ver el grupo de medida
InternetSales y sus medidas. Tambin puede ver las dimensiones Date, Customer y Product.
13. Haga clic en Finalizar para completar el asistente.
En el Explorador de soluciones, en el proyecto Tutorial de Analysis Services, el cubo Tutorial de Analysis Services aparece en la carpeta Cubos, y las dimensiones de
base de datos Customer y Product aparecen en la carpeta Dimensiones. Asimismo, en el centro del entorno de desarrollo, la pestaa Estructura de cubo muestra
el cubo Tutorial de Analysis Services.
14. En la barra de herramientas de la pestaa Estructura de cubo, cambie el nivel de Zoom al 50 por ciento de modo que pueda ver mejor las tablas de dimensiones y
de hechos del cubo. Observe que la tabla de hechos es amarilla y las tablas de dimensiones son azules.

Vea tambin
Conceptos
Cubos en modelos multidimensionales

SQL Server 2014
Ahora que ha definido las dimensiones, puede rellenarlas con atributos que representan cada elemento de datos de la dimensin. Los atributos suelen estar basados en
campos de una vista del origen de datos. Al agregar atributos a una dimensin, puede incluir campos de cualquier tabla de la vista del origen de datos.
En esta tarea, usar el Diseador de dimensiones para agregar atributos a las dimensiones Customer y Product. La dimensin Customer incluir atributos basados en
campos de las tablas Customer y Geography.
Agregar atributos a la dimensin Customer

Para agregar atributos
1. Abra el Diseador de dimensiones para la dimensin Customer. Para ello, haga doble clic en la dimensin Customer del nodo Dimensiones del Explorador de
soluciones.
2. En el panel Atributos, observe los atributos Customer Key y Geography Key creados mediante el Asistente para cubos.
3. En la barra de herramientas de la pestaa Estructura de dimensin, asegrese de que el icono Zoom para ver las tablas del panel Vista del origen de datos
est establecido al 100 por cien.
4. Arrastre las columnas siguientes de la tabla Customer del panel Vista del origen de datos al panel Atributos:
BirthDate
MaritalStatus
Gender
EmailAddress
YearlyIncome
TotalChildren
EnglishEducation
EnglishOccupation
HouseOwnerFlag
NumberCarsOwned
Phone
DateFirstPurchase
CommuteDistance
5. Arrastre las columnas siguientes de la tabla Geography del panel Vista del origen de datos al panel Atributos:
City
StateProvinceName
PostalCode
Agregar atributos a la dimensin Product

Para agregar atributos
1. Abra el Diseador de dimensiones para la dimensin Product. Haga doble clic en la dimensin Product en el Explorador de soluciones.
2. En el panel Atributos, observe el atributo Product Key creado mediante el Asistente para cubos.
3. En la barra de herramientas de la pestaa Estructura de dimensin, asegrese de que el icono Zoom para ver las tablas del panel Vista del origen de datos
est establecido al 100 por cien.
4. Arrastre las columnas siguientes de la tabla Product del panel Vista del origen de datos al panel Atributos:
StandardCost
Color
SafetyStockLevel
ReorderPoint
ListPrice
Size
SizeRange
Weight
DaysToManufacture
ProductLine
DealerPrice
Class
Style
ModelName
StartDate
EndDate
Status

Vea tambin
Conceptos
Referencia de las propiedades de los atributos de dimensin

SQL Server 2014
Despus de definir un cubo, se pueden revisar los resultados mediante el Diseador de cubos. En la tarea siguiente, revisar la estructura del cubo del proyecto Tutorial
de Analysis Services.
Para revisar las propiedades del cubo y de las dimensiones en el Diseador de cubos
1. Para abrir el Diseador de cubos, haga doble clic en el cubo Tutorial de Analysis Services en el nodo Cubos del Explorador de soluciones.
2. En el panel Medidas de la pestaa Estructura de cubo del Diseador de cubos, expanda el grupo de medida Internet Sales para ver las medidas definidas.
Si desea cambiar el orden de dichas medidas, arrstrelas para obtener el orden que desee. El orden afectar al modo en que determinadas aplicaciones cliente
ordenarn las medidas. El grupo de medida y cada una de sus medidas tienen propiedades que pueden modificarse en la ventana Propiedades.
3. En el panel Dimensiones de la pestaa Estructura de cubo del Diseador de cubos, revise las dimensiones de cubo que se encuentran en el cubo Tutorial de
Analysis Services.
Observe que, si bien solo se crearon tres dimensiones en el nivel de base de datos, como se muestra en el Explorador de soluciones, hay cinco dimensiones de
cubo en el cubo Tutorial de Analysis Services. El cubo contiene ms dimensiones que la base de datos porque la dimensin de base de datos Date se utiliza como
base para tres dimensiones de cubo independientes relacionadas con fechas, basadas en los hechos relacionados con fechas de la tabla de hechos. Estas
dimensiones relacionadas con fechas tambin se denominan dimensiones realizadoras de roles. Las tres dimensiones de cubo relacionadas con fechas permiten que
los usuarios dimensionen el cubo mediante tres hechos independientes que estn relacionados con cada venta de producto: la fecha de pedido del producto, la
fecha de vencimiento de satisfaccin del pedido y la fecha de envo del pedido. Si se reutiliza una nica dimensin de base de datos para las dimensiones de cubo,
Analysis Services simplifica la administracin de las dimensiones, utiliza menos espacio en el disco y reduce el tiempo general de procesamiento.
4. En el panel Dimensiones de la pestaa Estructura de cubo, expanda Customer y, a continuacin, haga clic en Editar Customer para abrir la dimensin en el
Diseador de dimensiones.
El Diseador de dimensiones contiene estas pestaas: Estructura de dimensin, Relaciones de atributo, Traducciones y Explorador. Observe que la pestaa
Estructura de dimensin incluye tres paneles: Atributos, Jerarquas y Vista del origen de datos. Los atributos que contiene la dimensin aparecen en el panel
Atributos. Para obtener ms informacin, vea Referencia de las propiedades de los atributos de dimensin, Crear jerarquas definidas por el usuario y Definir
relaciones de atributo.
5. Para cambiar al Diseador de cubos, haga clic con el botn secundario en el cubo Tutorial de Analysis Services del nodo Cubos en el Explorador de soluciones y,
a continuacin, haga clic en Ver diseador.
6. En el Diseador de cubos, haga clic en la pestaa Uso de dimensiones.
En esta vista del cubo Tutorial de Analysis Services, puede ver las dimensiones de cubo que se utilizan en el grupo de medida Internet Sales. Asimismo, puede
definir el tipo de relacin entre cada dimensin y cada grupo de medida en el que se utiliza.
7. Haga clic en la pestaa Particiones.
El Diseador de cubos define una nica particin para el cubo, utilizando el modo de almacenamiento de procesamiento analtico en lnea multidimensional
(MOLAP) sin agregaciones. Con MOLAP, todos los datos de nivel hoja y todas las agregaciones se almacenan en el cubo para maximizar el rendimiento. Las
agregaciones son resmenes de datos precalculados que mejoran el tiempo de respuesta de las consultas ya que tienen las respuestas preparadas antes de que
se planteen las preguntas. Puede definir particiones adicionales, parmetros de almacenamiento y parmetros de reescritura en la pestaa Particiones. Para
obtener ms informacin, vea Particiones (Analysis Services - Datos multidimensionales), Agregaciones y diseos de agregaciones y Disear el almacenamiento y
las agregaciones de una particin.
8. Haga clic en la pestaa Explorador.
Observe que el cubo no puede examinarse porque todava no se ha implementado en una instancia de Analysis Services. En este punto, el cubo del proyecto
Tutorial de Analysis Services es simplemente una definicin de un cubo, que puede implementar en cualquier instancia de Analysis Services. Cuando implementa y
procesa un cubo, puede crear los objetos definidos en una instancia de Analysis Services y rellenar los objetos con datos de los orgenes de datos subyacentes.
9. En el Explorador de soluciones, haga clic con el botn secundario en Tutorial de Analysis Services en el nodo Cubos y, a continuacin, haga clic en Ver cdigo. Es
posible que tenga que esperar.
El cdigo XML del cubo Tutorial de Analysis Services se muestra en la pestaa Tutorial.cube [XML] de Analysis Services. Es el cdigo real que se utiliza para
crear el cubo en una instancia de Analysis Services durante la implementacin. Para obtener ms informacin, vea Ver el XML de un proyecto de Analysis Services
(SSDT).
10. Cierre la pestaa Cdigo XML.

Vea tambin
Tasks
Examinar los datos de dimensiones en el Diseador de dimensiones

SQL Server 2014
Para ver los datos de dimensin y de cubo de los objetos del cubo Tutorial de Analysis Services del proyecto Tutorial de Analysis Services, debe implementar el proyecto
en una instancia determinada de Analysis Services y luego procesar el cubo y sus dimensiones. Al implementar un proyecto de Analysis Services se crean y definen objetos
en una instancia de Analysis Services. Cuando se procesan los objetos en una instancia de Analysis Services, se copian los datos de los orgenes de datos subyacentes en
los objetos del cubo. Para obtener ms informacin, vea Implementar proyectos de Analysis Services (SSDT) y Configurar las propiedades de un proyecto de Analysis
Services (SSDT).
En este punto del proceso de implementacin, generalmente se implementa el cubo en una instancia de Analysis Services en un servidor de implementacin. Una vez
finalizado el proceso de implementacin del proyecto de Business Intelligence, generalmente utilizar el Asistente para la implementacin de Analysis Services para
implementarlo desde el servidor de desarrollo en un servidor de produccin. Para obtener ms informacin, vea Implementacin de soluciones de modelos
multidimensionales y Implementar soluciones con el Asistente para la implementacin.
En la tarea siguiente, revisar las propiedades de implementacin del proyecto Tutorial de Analysis Services y luego implementar el proyecto en la instancia local de
Analysis Services.
Para implementar el proyecto de Analysis Services

1. En el Explorador de soluciones, haga clic con el botn secundario en el proyecto Tutorial de Analysis Services y, a continuacin, haga clic en Propiedades.
Aparece el cuadro de dilogo Pginas de propiedades de Tutorial de Analysis Services, en el que se muestran las propiedades de configuracin de
Active(Development). Puede definir varias configuraciones, cada una con distintas propiedades. Por ejemplo, es posible que un programador desee configurar el
mismo proyecto para implementarlo en distintos equipos de implementacin y con distintas propiedades de implementacin, como nombres de base de datos o
propiedades de procesamiento. Fjese en el valor de la propiedad Ruta de acceso de los resultados. Esta propiedad especifica la ubicacin en la que se guardan
los scripts de implementacin XMLA cuando se crea un proyecto. Estos son los scripts que se utilizan para implementar los objetos del proyecto en una instancia
de Analysis Services.
2. En el nodo Propiedades de configuracin del panel de la izquierda, haga clic en Implementacin.
Revise las propiedades de implementacin del proyecto. De forma predeterminada, la plantilla del proyecto de Analysis Services configura un proyecto de Analysis
Services para implementar de forma incremental todos los proyectos en la instancia predeterminada de Analysis Services en el equipo local, crear una base de
datos de Analysis Services con el mismo nombre que el proyecto y procesar los objetos despus de la implementacin utilizando la opcin de procesamiento
predeterminada. Para obtener ms informacin, vea Configurar las propiedades de un proyecto de Analysis Services (SSDT).
Nota
Si desea implementar el proyecto en una instancia con nombre de Analysis Services del equipo local o en una instancia de un servidor remoto, cambie la
propiedad Servidor por el nombre de instancia apropiado, como <nombreDeServidor>\<nombreDeInstancia>.
4. En el Explorador de soluciones, haga clic con el botn secundario en el proyecto Tutorial de Analysis Services y, a continuacin, haga clic en Implementar. Es
posible que tenga que esperar.
Nota
Si obtiene errores durante la implementacin, utilice SQL Server Management Studio para comprobar los permisos de base de datos. La cuenta que especific
para la conexin a un origen de datos debe tener un inicio de sesin en la instancia de SQL Server. Haga doble clic en el inicio de sesin para ver las
propiedades de la asignacin de usuarios. La cuenta debe tener permisos db_datareader para la base de datos AdventureWorksDW2012.
SQL Server Data Tools (SSDT) genera e implementa el proyecto de Analysis Services, Tutorial en la instancia especificada de Analysis Services, mediante un script de
implementacin. El progreso de la implementacin se muestra en dos ventanas: la ventana Salida y la ventana Progreso de la implementacin: Analysis Services.
Para abrir la ventana Resultados, si es necesario, haga clic en Resultados en el men Ver. La ventana Resultados muestra el progreso global de la implementacin.
La ventana Progreso de la implementacin Tutorial de Analysis Services muestra los detalles de cada paso realizado durante la implementacin. Para obtener
ms informacin, vea Generar proyectos de Analysis Services (SSDT) y Implementar proyectos de Analysis Services (SSDT).
5. Revise el contenido de la ventana Resultados y de la ventana Progreso de la implementacin Tutorial de Analysis Services para comprobar que la
compilacin, implementacin y procesamiento del cubo se realizaron sin errores.
6. Para ocultar la ventana Progreso de la implementacin Tutorial de Analysis Services, haga clic en el icono Ocultar automticamente (similar a una chincheta)
en la barra de herramientas de la ventana.
7. Para ocultar la ventana Resultados, haga clic en el icono Ocultar automticamente en la barra de herramientas de la ventana.
Ha implementado correctamente el cubo Tutorial de Analysis Services en la instancia local de Analysis Services y luego lo ha procesado.

Examinar el cubo
Vea tambin
Conceptos
Implementar proyectos de Analysis Services (SSDT)
Configurar las propiedades de un proyecto de Analysis Services (SSDT)
Examinar el cubo
SQL Server 2014
Una vez implementado un cubo, los datos de este pueden verse en la pestaa Explorador del Diseador de cubos y los datos de dimensin pueden verse en la pestaa
Explorador del Diseador de dimensiones. La exploracin de los datos de cubos y dimensiones es una forma de comprobar el trabajo incrementalmente. Puede
comprobar que los pequeos cambios en las propiedades, las relaciones y otros objetos tienen el efecto deseado una vez que se procesa el objeto. Si bien la pestaa
Explorador se usa para ver datos de cubos y dimensiones, tambin ofrece diversas funciones dependiendo del objeto que se est examinando.
Para las dimensiones, la pestaa Explorador proporciona una manera de ver los miembros o de navegar por una jerarqua hasta el nodo hoja. Puede examinar datos de
dimensiones en distintos idiomas, suponiendo que se hayan agregado las traducciones al modelo.
Para los cubos, la pestaa Explorador proporciona dos mtodos para explorar datos. Puede usar el Diseador de consultas de MDX integrado para crear consultas que
devuelven un conjunto de filas plano de una base de datos multidimensional. O bien, puede usar un mtodo abreviado de Excel. Cuando se inicia Excel desde SQL Server
Data Tools, Excel se abre con una tabla dinmica en la hoja de clculo y una conexin predefinida a la base de datos del rea de trabajo del modelo.
Excel suele ofrecer una mejor experiencia de exploracin porque puede explorar datos de cubos de forma interactiva, usando los ejes horizontal y vertical para analizar
las relaciones de los datos. En cambio, el Diseador de consultas de MDX est limitado a un nico eje. Adems, puesto que el conjunto de filas es plano, no se obtiene la
obtencin de detalles que ofrece una tabla dinmica de Excel. A medida que agregue ms dimensiones y jerarquas al cubo, lo que har en lecciones posteriores, Excel
ser la solucin preferida para explorar datos.
Para examinar el cubo implementado

1. Cambie al Diseador de dimensiones para la dimensin Product en SQL Server Data Tools SSDT. Para ello, haga doble clic en la dimensin Product del nodo
Dimensiones del Explorador de soluciones.
2. Haga clic en la pestaa Explorador para mostrar el miembro All de la jerarqua de atributo Product Key. En la leccin tres, definir una jerarqua de usuario para
la dimensin Product que le permitir examinar la dimensin.
3. Cambie a Diseador de cubos en SQL Server Data Tools (SSDT). Para ello, haga doble clic en el cubo Tutorial de Analysis Services en el nodo Cubos del
Explorador de soluciones.
4. Seleccione la pestaa Explorador y haga clic en el icono Volver a conectar en la barra de herramientas del diseador.
En el panel izquierdo del diseador se muestran los objetos del cubo Tutorial de Analysis Services. En el lado derecho de la pestaa Explorador hay dos paneles:
el superior es el panel Filtro y el inferior es el panel Datos. En una prxima leccin, utilizar el explorador de cubo para realizar el anlisis.
Leccin siguiente
Vea tambin
Referencia
Editor de consultas MDX (Analysis Services - Datos multidimensionales)

SQL Server 2014
Una vez definido el cubo inicial, estar listo para mejorar la utilidad y la facilidad de uso del cubo. Puede hacerlo agregando jerarquas que admitan navegacin y
agregacin en varios niveles, aplicando formatos a la medida especfica, y definiendo clculos y relaciones.
Nota
Modificar medidas
En esta tarea, debe especificar las propiedades de formato para las medidas de moneda y porcentaje del cubo Tutorial de Analysis Services.
Modificar la dimensin Customer
En esta tarea, debe crear una jerarqua de usuario, crear clculos con nombre, modificar atributos para utilizarlos en clculos con nombre, y agrupar atributos de
grupo y jerarquas de usuario en carpetas para mostrar.
Modificar la dimensin Product
En esta tarea, debe definir una jerarqua de usuarios, crear clculos con nombre, definir el nombre de miembro Todos y definir carpetas para mostrar.
Modificar la dimensin Date
En esta tarea, debe definir una jerarqua de usuario, modificar nombres de miembros de atributo y utilizar claves compuestas para especificar miembros de
atributo nicos.
Examinar el cubo implementado
En esta tarea, debe explorar los datos del cubo usando el explorador del Diseador de cubos.
Vea tambin
Conceptos
Modificar medidas
SQL Server 2014
Puede usar la propiedad FormatString para definir parmetros de formato que controlen cmo se presentan las medidas a los usuarios. En esta tarea, debe especificar
las propiedades de formato para las medidas de moneda y porcentaje del cubo Tutorial de Analysis Services.
Para modificar las medidas del cubo

1. Pase a la pestaa Estructura de cubo del Diseador de cubos para el cubo Tutorial de Analysis Services, expanda el grupo de medida Internet Sales del panel
Medidas, haga clic con el botn secundario en Order Quantity y haga clic en Propiedades.
2. En la ventana Propiedades, haga clic en el icono de chincheta Ocultar automticamente para anclar la ventana Propiedades y dejarla abierta.
Es ms fcil cambiar las propiedades para varios elementos del cubo cuando la ventana Propiedades permanece abierta.
3. En la ventana Propiedades, haga clic en la lista FormatString y escriba #,#.
4. En la barra de herramientas de la pestaa Estructura de cubo, haga clic en el icono Mostrar la cuadrcula de medidas situado a la izquierda.
La vista de cuadrcula permite seleccionar varias medidas al mismo tiempo.
5. Seleccione una de las medidas siguientes. Para seleccionar varias medidas, haga clic en cada una de ellas mientras mantiene presionada la tecla CTRL:
Unit Price
Extended Amount
Discount Amount
Product Standard Cost
Total Product Cost
Sales Amount
Tax Amt
Freight
6. En la ventana Propiedades, en la lista FormatString, seleccione Currency.
7. En la lista desplegable de la parte superior de la ventana Propiedades justo debajo de la barra de ttulo, seleccione la medida Unit Price Discount Pct y, a
continuacin, seleccione Porcentaje en la lista FormatString.
8. En la ventana Propiedades, cambie la propiedad Name de la medida Unit Price Discount Pct por Unit Price Discount Percentage.
9. En el panel Medidas, haga clic en Tax Amt y cambie el nombre de esta medida a Importe de impuesto.
10. En la ventana Propiedades, haga clic en el icono Ocultar automticamente para ocultar la ventana Propiedades y, a continuacin, haga clic en Mostrar el rbol de
medidas en la barra de herramientas de la pestaa Estructura de cubo.

Vea tambin
Conceptos
Definir dimensiones de base de datos
Configurar propiedades de medidas

SQL Server 2014
Existen varios mtodos para hacer que las dimensiones de un cubo sean ms fciles de usar y tengan ms funciones. En las tareas de este tema, debe modificar la
dimensin Customer.
Cambiar el nombre de un atributo

Use la pestaa Estructura de dimensin del Diseador de dimensiones para cambiar los nombres de los atributos.
Para cambiar el nombre de un atributo

1. Cambie a Diseador de dimensiones para la dimensin Customer en SQL Server Data Tools SSDT. Para ello, haga doble clic en la dimensin Customer del
nodo Dimensiones del Explorador de soluciones.
2. En el panel Atributos, haga clic con el botn secundario en English Country Region Name y haga clic en Cambiar nombre. Cambie el nombre del atributo por
Country-Region.
3. Cambie los nombres de los atributos siguientes del mismo modo:
Cambie el atributo English Education por Education.
Cambie el atributo English Occupation por Occupation.
Cambie el atributo State Province Name por State-Province.
Crear una jerarqua

Puede crear una nueva jerarqua si arrastra un atributo desde el panel Atributos hasta el panel Jerarquas.
Para crear una jerarqua

1. Arrastre el atributo Country-Region del panel Atributos al panel Jerarquas.
2. Arrastre el atributo State-Province del panel Atributos a la celda <nuevo nivel> del panel Jerarquas, debajo del nivel Country-Region.
3. Arrastre el atributo City del panel Atributos a la celda <nuevo nivel> del panel Jerarquas, debajo del nivel State-Province.
4. En el panel Jerarquas de la pestaa Estructura de dimensin, haga clic con el botn secundario en la barra de ttulo de la jerarqua Jerarqua, seleccione
Cambiar nombre y escriba Customer Geography.
El nombre de esta jerarqua es ahora Customer Geography.
Agregar un clculo con nombre

Puede agregar un clculo con nombre, que es una expresin SQL representada como columna calculada en una tabla de la vista del origen de datos. Aparece la
expresin y se comporta como columna en la tabla. Los clculos con nombre permiten ampliar el esquema relacional de las tablas existentes de la vista del origen de
datos sin modificar la tabla en el origen de datos subyacente. Para obtener ms informacin, vea Definir clculos con nombre en una vista del origen de datos Analysis
Services).
Para agregar un clculo con nombre

1. Abra la vista del origen de datos Adventure Works DW 2012; para ello, haga doble clic en ella en la carpeta Vistas de origen de datos del Explorador de
soluciones.
2. En el panel Tablas situado a la izquierda, haga clic con el botn secundario en Customer y luego en Nuevo clculo con nombre.
3. En el cuadro de dilogo Crear clculo con nombre, escriba FullName en el cuadro Nombre de columna y, a continuacin, escriba o copie y pegue la siguiente
instruccin CASE en el cuadro Expresin:
CASE
WHEN MiddleName IS NULL THEN
FirstName + ' ' + LastName
ELSE
FirstName + ' ' + MiddleName + ' ' + LastName
END
La instruccin CASE concatena las columnas FirstName, MiddleName y LastName en una nica columna que se utilizar en la dimensin Customer como
nombre mostrado para el atributo Customer.

4. Haga clic en Aceptar y expanda Customer en el panel Tablas.
Aparece el clculo con nombre FullName en la lista de columnas de la tabla Customer, con un icono que indica que se trata de un clculo con nombre.
6. En el panel Tablas, haga clic con el botn secundario del mouse en Customer y haga clic en Explorar datos.
7. Revise la ltima columna de la vista Explorar la tabla Customer.
Observe que la columna FullName aparece en la vista del origen de datos, concatenando correctamente los datos de varias columnas del origen de datos
subyacente sin modificar el origen de datos original.
8. Cierre la pestaa Explorar la tabla Customer.
Usar el clculo con nombre para los nombres de miembro

Una vez que ha creado un clculo con nombre en la vista del origen de datos, puede utilizar dicho clculo como propiedad de un atributo.
Para utilizar el clculo con nombre para los nombres de miembro

1. Pase al Diseador de dimensiones para la dimensin Customer.
2. En el panel Atributos de la pestaa Estructura de dimensin, haga clic en el atributo Customer Key.
3. Abra la ventana de propiedades y haga clic en el botn Ocultar automticamente de la barra de ttulos para que permanezca abierta.
4. En el campo de la propiedad Name, escriba Full Name.
5. Haga clic en el campo de la propiedad NameColumn situado en la parte inferior y, a continuacin, haga clic en el botn Examinar ) para abrir el cuadro de
dilogo Columna de nombre.
6. Seleccione FullName al final de la lista Columna de origen y haga clic en Aceptar.
7. En la pestaa Estructura de dimensiones, arrastre el atributo Full Name del panel Atributos a la celda <nuevo nivel> del panel Jerarquas, debajo del nivel
City.
Definir carpetas para mostrar

Puede utilizar carpetas para mostrar para agrupar jerarquas de usuario y de atributo en estructuras de carpeta con el fin de facilitar el uso de dichas estructuras.
Para definir carpetas para mostrar

1. Abra la pestaa Estructura de dimensin para la dimensin Customer.
2. En el panel Atributos, seleccione los atributos siguientes manteniendo presionada la tecla CTRL mientras hace clic en cada uno de ellos:
City
Country-Region
Postal Code
State-Province
3. En la ventana Propiedades, haga cli en el campo de propiedad AttributeHierarchyDisplayFolder situado en la parte superior (tal vez tenga que seleccionarlo
para ver el nombre completo y despus escriba Location.
4. En el panel Jerarquas, haga clic en Customer Geography y, en la ventana Propiedades de la derecha, seleccione Location como valor de la propiedad
DisplayFolder.
Commute Distance
Education
Gender
House Owner Flag
Marital Status
Number Cars Owned
Number Children At Home
Occupation
Total Children
Yearly Income
6. En la ventana Propiedades, haga clic en el campo de la propiedad AttributeHierarchyDisplayFolder situado en la parte superior y escriba Demographic.
Email Address
Phone
8. En la ventana Propiedades, haga clic en el campo de la propiedad AttributeHierarchyDisplayFolder y escriba Contacts.
Definir KeyColumns compuestas

La propiedad KeyColumns contiene la columna o columnas que representan la clave para el atributo. En esta leccin, debe crear una clave compuesta para los
atributos City y State-Province. Las claves compuestas pueden resultar de utilidad cuando necesite identificar un atributo de forma inequvoca. Por ejemplo, cuando
defina relaciones de atributo ms adelante en este tutorial, un atributo City deber identificar de forma exclusiva un atributo State-Province. Sin embargo, podran
existir varias ciudades con el mismo nombre en estados diferentes. Por este motivo, deber crear una clave compuesta formada por las columnas StateProvinceName
y City para el atributo City. Para obtener ms informacin, vea Modificar la propiedad KeyColumns de un atributo.
Para definir KeyColumns compuestas para el atributo City

1. Abra la pestaa Estructura de dimensin para la dimensin Customer.
2. En el panel Atributos, haga clic en el atributo City.
3. En la ventana Propiedades, haga clic en el campo KeyColumns situado casi al final y, a continuacin, haga clic en el botn Examinar ...).
4. En el cuadro de dilogo Columnas de clave, en la lista Columnas disponibles, seleccione la columna StateProvinceName y, a continuacin, haga clic en el
botn >.
Las columnas City y StateProvinceName se muestran ahora en la lista Columnas de clave.
6. Para establecer la propiedad NameColumn del atributo City, haga clic en el campo NameColumn en la ventana Propiedades y, a continuacin, haga clic en el
botn Examinar ...).
7. En el cuadro de dilogo Columna de nombre, en la lista Columna de origen, seleccione City y, a continuacin, haga clic en Aceptar.
Para definir KeyColumns compuestas para el atributo State-Province

1. Asegrese de que la pestaa Estructura de dimensin para la dimensin Customer est abierta.
2. En el panel Atributos, haga clic en el atributo State-Province.
3. En la ventana Propiedades, haga clic en el campo KeyColumns y, a continuacin, haga clic en el botn Examinar ...).
4. En el cuadro de dilogo Columnas de clave, en la lista Columnas disponibles, seleccione la columna SpanishCountryRegionName y, a continuacin, haga clic
en el botn >.
Las columnas SpanishCountryRegionName y StateProvinceName se muestran ahora en la lista Columnas de clave.
6. Para establecer la propiedad NameColumn del atributo State-Province, haga clic en el campo NameColumn en la ventana Propiedades y, a continuacin, haga
clic en el botn Examinar ...).
7. En el cuadro de dilogo Columna de nombre, en la lista Columna de origen, seleccione StateProvinceName y, a continuacin, haga clic en Aceptar.
Definir relaciones de atributo

Si los datos subyacentes lo permiten, debera definir relaciones de atributo entre atributos. La definicin de relaciones de atributo acelera el procesamiento de las
dimensiones, las particiones y las consultas. Para obtener ms informacin, vea Definir relaciones de atributo y Relaciones de atributo.
Para definir relaciones de atributo

1. En el Diseador de dimensiones para la dimensin Customer, haga clic en la pestaa Relaciones de atributo. Es posible que tenga que esperar.
2. En el diagrama, haga clic con el botn secundario en el atributo City y haga clic en Nueva relacin de atributo.
3. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es City. Establezca el Atributo relacionado en State-Province.
4. En la lista Tipo de relacin, establezca el tipo de relacin en Rgida.

El tipo de relacin es Rgida porque las relaciones entre los miembros no cambiarn con el tiempo. Por ejemplo, es poco habitual que una ciudad pase a formar
parte de otro estado o provincia.
6. En el diagrama, haga clic con el botn secundario en el atributo State-Province y seleccione Nueva relacin de atributo.
7. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es State-Province. Establezca el Atributo relacionado en Country-Region.
Implementar cambios, procesar los objetos y ver los cambios

Una vez que ha cambiado los atributos y las jerarquas, debe implementar los cambios y procesar de nuevo los objetos relacionados antes de ver los cambios.
Para implementar los cambios, procesar los objetos y ver los cambios
1. En el men Generar de SQL Server Data Tools, haga clic en Tutorial de Implementar Analysis Services.
2. Despus de que aparezca el mensaje La implementacin finaliz correctamente, haga clic en la pestaa Explorador del Diseador de dimensiones para la
dimensin Customer y, a continuacin, haga clic en el botn Volver a conectar en el margen izquierdo de la barra de herramientas del diseador.
3. Compruebe que Customer Geography aparece seleccionado en la lista Jerarqua y, a continuacin, en el panel del explorador, expanda All, Australia, New
South Wales y, por ltimo, Coffs Harbour.
El explorador muestra los clientes de la ciudad.
4. Cambie al Diseador de cubos para el cubo Tutorial de Analysis Services. Para ello, haga doble clic en el cubo Tutorial de Analysis Services en el nodo Cubos
del Explorador de soluciones.
5. Haga clic en la pestaa Explorador y haga clic en el botn Volver a conectar en la barra de herramientas del diseador.
6. En el panel Grupo de medida, expanda Customer.
Observe que, en lugar de una lista larga de atributos, debajo de Customer solamente aparecen las carpetas para mostrar y los atributos que no tienen valores
de carpeta para mostrar.

Vea tambin
Conceptos
Referencia de las propiedades de los atributos de dimensin
Quitar un atributo de una dimensin
Cambiar el nombre de un atributo
Definir clculos con nombre en una vista del origen de datos Analysis Services

SQL Server 2014
En las tareas de este tema, usar un clculo con nombre para proporcionar nombres ms descriptivos a las lneas de producto, definir una jerarqua en la dimensin
Product y especificar el nombre de miembro Todos para dicha jerarqua. Tambin agrupar los atributos en carpetas para mostrar.

Puede agregar un clculo con nombre a una tabla de una vista del origen de datos. En la tarea siguiente, crear un clculo con nombre que mostrar el nombre
completo de la lnea de producto.

1. Para abrir la vista del origen de datos Adventure Works DW 2012, haga doble clic en Adventure Works DW 2012 en la carpeta Vistas del origen de datos del
Explorador de soluciones.
2. Al final de panel de diagramas, haga clic con el botn secundario en el encabezado de tabla Product y, a continuacin, haga clic en Nuevo clculo con nombre.
3. En el cuadro de dilogo Crear clculo con nombre, escriba ProductLineName en el cuadro Nombre de columna.
4. En el cuadro Expresin, escriba o copie y pegue la siguiente instruccin CASE:
CASE ProductLine
WHEN 'M' THEN 'Mountain'
WHEN 'R' THEN 'Road'
WHEN 'S' THEN 'Accessory'
WHEN 'T' THEN 'Touring'
ELSE 'Components'
END
Esta instruccin CASE crea nombres descriptivos para cada lnea de producto del cubo.
5. Haga clic en Aceptar para crear el clculo con nombre ProductLineName. Es posible que tenga que esperar.
Modificar la propiedad NameColumn de un atributo

Para modificar el valor de la propiedad NameColumn de un atributo
1. Cambie a la dimensin Product en el Diseador de dimensiones. Para ello, haga doble clic en la dimensin Product del nodo Dimensiones del Explorador de
soluciones.
2. En el panel Atributos de la pestaa Estructura de dimensin, seleccione Product Line.
3. En la ventana Propiedades a la derecha de la pantalla, haga clic en el campo de propiedad NameColumn situado en la parte inferior de la ventana y despus
haga clic en el botn Examinar para abrir el cuadro de dilogo Nombre de columna. Es posible que tenga que hacer clic en la pestaa Propiedades a la
derecha de la pantalla para abrir la ventana Propiedades).
4. Seleccione ProductLineName al final de la lista Columna de origen y haga clic en Aceptar.
El campo NameColumn contiene ahora el texto Product.ProductLineName (WChar). Los miembros de la jerarqua de atributo Product Line mostrarn el
nombre completo de la lnea de producto en lugar de un nombre abreviado de la misma.
5. En el panel Atributos de la pestaa Estructura de dimensin, seleccione Product Key.
6. En la ventana Propiedades, haga clic en el campo de la propiedad NameColumn y, a continuacin, haga clic en el botn Examinar ) para abrir el cuadro de
7. Seleccione EnglishProductName en la lista Columna de origen y, a continuacin, haga clic en Aceptar.
El campo NameColumn contiene ahora el texto Product.EnglishProductName (WChar).
8. En la ventana Propiedades, desplcese hacia arriba, haga clic en el campo de la propiedad Name y escriba Nombre del producto.
Crear una jerarqua

1. Arrastre el atributo Product Line del panel Atributos al panel Jerarquas.
2. Arrastre el atributo Model Name del panel Atributos a la celda <nuevo nivel> del panel Jerarquas, debajo del nivel Product Line.
3. Arrastre el atributo Nombre del producto del panel Atributos a la celda <nuevo nivel> del panel Jerarquas, debajo del nivel Model Name. Cambi el
nombre Product Key a Nombre del producto en la seccin anterior.
4. En el panel Jerarquas de la pestaa Estructura de dimensin, haga clic con el botn secundario en la barra de ttulo de la jerarqua Jerarqua, haga clic en
Cambiar nombre y escriba Lneas de modelo del producto.
El nombre de la jerarqua es ahora Lneas de modelo del producto.
Especificar los nombres de carpeta y el nombre de todos los miembros

Para especificar los nombres de carpeta y de los miembros
Class
Color
Days To Manufacture
Reorder Point
Safety Stock Level
Size
Size Range
Style
Weight
2. En el campo de la propiedad AttributeHierarchyDisplayFolder de la ventana Propiedades, escriba Stocking.
Ahora ha agrupado estos atributos en una nica carpeta para mostrar.
3. En el panel Atributos, seleccione los atributos siguientes:
Dealer Price
List Price
Standard Cost
4. En la celda de la propiedad AttributeHierarchyDisplayFolder de la ventana Propiedades, escriba Financial.
Ahora ha agrupado estos atributos en una segunda carpeta para mostrar.
5. En el panel Atributos, seleccione los atributos siguientes:
End Date
Start Date
Status
6. En la celda de la propiedad AttributeHierarchyDisplayFolder de la ventana Propiedades, escriba History.
Ahora ha agrupado estos atributos en una tercera carpeta para mostrar.
7. Seleccione la jerarqua Lneas de modelo del producto en el panel Jerarquas y, a continuacin, cambie la propiedad AllMemberName de la ventana
Propiedades por Todos los productos.
8. Haga clic en una rea abierta del panel Jerarquas y cambie la propiedad AttributeAllMemberName situada en la parte superior de la ventana Propiedades a
Todos los productos.
Hacer clic en un rea abierta permite modificar las propiedades de la dimensin Product propiamente dicha. Tambin puede hacer clic en Product en la parte
superior de la lista de atributos del panel Atributos.
Definir una relacin de atributo

dimensiones, las particiones y las consultas. Para obtener ms informacin, vea Definir relaciones de atributo y Relaciones de atributo.

1. En el Diseador de dimensiones, para la dimensin Product, haga clic en la pestaa Relaciones de atributo.
2. En el diagrama, haga clic con el botn secundario en el atributo Model Name y haga clic en Nueva relacin de atributo.
3. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Model Name. Establezca el Atributo relacionado en Product Line.
En la lista Tipo de relacin, deje establecido el tipo de relacin en Flexible, ya que las relaciones entre los miembros pueden cambiar con el tiempo. Por
ejemplo, un modelo de producto podra moverse a otra lnea de producto.
Revisar los cambios de la dimensin Product

Para revisar los cambios de la dimensin Product
1. En el men Generar de SQL Server Data Tools (SSDT), haga clic en Implementar Tutorial de Analysis Services.
dimensin Product y, a continuacin, haga clic en el botn Volver a conectar de la barra de herramientas del diseador.
3. Compruebe que Lneas de modelo del producto est seleccionado en la lista Jerarqua y expanda Todos los productos.
Observe que el nombre del miembro Todos aparece como Todos los productos. Esto es debido a que cambi la propiedad AllMemberName de la jerarqua
por Todos los productos anteriormente en esta leccin. Adems, los miembros del nivel Product Line ahora tienen nombres descriptivos, en lugar de
abreviaturas de una sola letra.

Vea tambin
Conceptos
Definir clculos con nombre en una vista del origen de datos Analysis Services
Crear jerarquas definidas por el usuario
Configurar el nivel All para las jerarquas de atributo

SQL Server 2014
En las tareas de este tema, debe crear una jerarqua definida por el usuario y cambiar los nombres de miembro que se muestran para los atributos Date, Month,
Calendar Quarter y Calendar Semester. Tambin definir claves compuestas para los atributos, controlar el criterio de ordenacin de los miembros de dimensin y
definir las relaciones de atributo.

Puede agregar un clculo con nombre, que es una expresin SQL representada como columna calculada, a una tabla de la vista del origen de datos. La expresin
aparece como una columna en la tabla y se comporta como tal. Los clculos con nombre permiten ampliar el esquema relacional de las tablas existentes de la vista del
origen de datos sin modificar la tabla en el origen de datos subyacente. Para obtener ms informacin, vea Definir clculos con nombre en una vista del origen de
datos (Analysis Services).

1. Para abrir la vista del origen de datos Adventure Works DW 2012, haga doble clic en ella en la carpeta Vistas del origen de datos del Explorador de
soluciones.
2. Junto a la parte inferior del panel Tablas, haga clic con el botn secundario en Date y, a continuacin, haga clic en Nuevo clculo con nombre.
3. En el cuadro de dilogo Crear clculo con nombre, escriba SimpleDate en el cuadro Nombre de columna y, a continuacin, escriba o copie y pegue la
siguiente instruccin DATENAME en el cuadro Expresin:
DATENAME(mm, FullDateAlternateKey) + ' ' +

DATENAME(dd, FullDateAlternateKey) + ', ' +
DATENAME(yy, FullDateAlternateKey)
La instruccin DATENAME extrae los valores de ao, mes y da de la columna FullDateAlternateKey. Usar esta nueva columna como el nombre mostrado para
el atributo FullDateAlternateKey.
4. Haga clic en Aceptar y expanda Date en el panel Tablas.
Aparece el clculo con nombre SimpleDate en la lista de columnas de la tabla Date, con un icono que indica que se trata de un clculo con nombre.
6. En el panel Tablas, haga clic con el botn secundario en Date y haga clic en Explorar datos.
7. Desplcese hacia la derecha para examinar la ltima columna de la vista Explorar la tabla Date.
Observe que la columna SimpleDate aparece en la vista del origen de datos, concatenando correctamente los datos de varias columnas del origen de datos
subyacente sin modificar el origen de datos original.
8. Cierre la vista Explorar la tabla Date.
Usar el clculo con nombre para los nombres de miembro

Una vez que ha creado un clculo con nombre en la vista del origen de datos, puede utilizar dicho clculo como propiedad de un atributo.
Para utilizar el clculo con nombre para los nombres de miembro

1. Abra el Diseador de dimensiones para la dimensin Date en SQL Server Data Tools SSDT. Para ello, haga doble clic en la dimensin Date en el nodo
Dimensiones del Explorador de soluciones.
2. En el panel Atributos de la pestaa Estructura de dimensin, haga clic en el atributo Date Key.
3. Si la ventana Propiedades no est abierta, brala y despus haga clic en el botn Ocultar automticamente en la barra de ttulo para que permanezca abierta.
4. Haga clic en la propiedad NameColumn situada en la parte inferior de la ventana y despus haga clic en el botn de puntos suspensivos ) para abrir el
cuadro de dilogo Columna de nombre.
5. Seleccione SimpleDate al final de la lista Columna de origen y haga clic en Aceptar.
Crear una jerarqua

Puede crear una nueva jerarqua arrastrando un atributo desde el panel Atributos hasta el panel Jerarquas.
1. En la pestaa Estructura de dimensin del Diseador de dimensiones correspondiente a la dimensin Date, arrastre el atributo Calendar Year del panel
Atributos al panel Jerarquas.
2. Arrastre el atributo Calendar Semester del panel Atributos a la celda <nuevo nivel> del panel Jerarquas, debajo del nivel Calendar Year.
3. Arrastre el atributo Calendar Quarter del panel Atributos a la celda <nuevo nivel> del panel Jerarquas, debajo del nivel Calendar Semester.
4. Arrastre el atributo Spanish Month Name del panel Atributos a la celda <nuevo nivel> del panel Jerarquas, debajo del nivel Calendar Quarter.
5. Arrastre el atributo Date Key del panel Atributos a la celda <nuevo nivel> del panel Jerarquas, debajo del nivel Spanish Month Name.
6. En el panel Jerarquas, haga clic con el botn secundario en la barra de ttulo de la jerarqua Jerarqua, haga clic en Cambiar nombre y escriba Fecha del
calendario.
7. Mediante el men contextual, en la jerarqua Fecha del calendario, cambie el nombre del nivel Spanish Month Name a Mes del calendario y cambie el nombre
del nivel Date Key a Fecha.
8. Elimine el atributo Full Date Alternate Key del panel Atributos, ya que no lo va a usar. Haga clic en Aceptar en la ventana de confirmacin Eliminar objetos.

dimensiones, las particiones y las consultas.

1. En el Diseador de dimensiones para la dimensin Date, haga clic en la pestaa Relaciones de atributo.
2. En el diagrama, haga clic con el botn secundario en el atributo Spanish Month Name y haga clic en Nueva relacin de atributo.
3. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Spanish Month Name. Establezca el Atributo relacionado en Calendar Quarter.
El tipo de relacin es Rgida porque las relaciones entre los miembros no cambiarn con el tiempo.
6. En el diagrama, haga clic con el botn secundario en el atributo Calendar Quarter y, a continuacin, haga clic en Nueva relacin de atributo.
7. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Calendar Quarter. Establezca el Atributo relacionado en Calendar Semester.
10. En el diagrama, haga clic con el botn secundario en el atributo Calendar Semester y, a continuacin, haga clic en Nueva relacin de atributo.
11. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Calendar Semester. Establezca el Atributo relacionado en Calendar Year.
Proporcionar nombres de miembros de dimensin nicos

En esta tarea, crear columnas con nombres descriptivos que usarn los atributos EnglishMonthName, CalendarQuarter y CalendarSemester.
Para proporcionar nombres de miembros de dimensin nicos

1. Para cambiar a la vista del origen de datos Adventure Works DW 2012, haga doble clic en ella en la carpeta Vistas de origen de datos del Explorador de
soluciones.
2. En el panel Tablas, haga clic con el botn secundario en Date y, a continuacin, haga clic en Nuevo clculo con nombre.
3. En el cuadro de dilogo Crear clculo con nombre, escriba MonthName en el cuadro Nombre de columna y, a continuacin, escriba o copie y pegue la
siguiente instruccin en el cuadro Expresin:
EnglishMonthName+' '+ CONVERT(CHAR (4), CalendarYear)
Esta instruccin concatena el mes y el ao de cada mes de la tabla una nueva columna.
5. En el panel Tablas, haga clic con el botn secundario del mouse en Date y, a continuacin, haga clic en Nuevo clculo con nombre.
6. En el cuadro de dilogo Crear clculo con nombre, escriba CalendarQuarterDesc en el cuadro Nombre de columna y, a continuacin, escriba o copie y pegue
el script SQL siguiente en el cuadro Expresin:
'Q' + CONVERT(CHAR (1), CalendarQuarter) +' '+ 'CY ' +

CONVERT(CHAR (4), CalendarYear)
Este script SQL concatena el trimestre natural y el ao de cada trimestre de la tabla en una nueva columna.
8. En el panel Tablas, haga clic con el botn secundario del mouse en Date y, a continuacin, haga clic en Nuevo clculo con nombre.
9. En el cuadro de dilogo Crear clculo con nombre, escriba CalendarSemesterDesc en el cuadro Nombre de columna y, a continuacin, escriba o copie y
pegue el script SQL siguiente en el cuadro Expresin:
CASE
WHEN CalendarSemester = 1 THEN 'H1' + ' ' + 'CY' + ' '
+ CONVERT(CHAR(4), CalendarYear)
ELSE
'H2' + ' ' + 'CY' + ' ' + CONVERT(CHAR(4), CalendarYear)
END
Este script SQL concatena el semestre natural y el ao de cada semestre de la tabla en una nueva columna.
Definir KeyColumns compuestas y establecer la columna de nombre

La propiedad KeyColumns contiene la columna o columnas que representan la clave para el atributo. En esta tarea, definir propiedades KeyColumns compuestas.
Para definir KeyColumns compuestas para el atributo Spanish Month Name

1. Abra la pestaa Estructura de dimensin para la dimensin Date.
2. En el panel Atributos, haga clic en el atributo Spanish Month Name.
4. En el cuadro de dilogo Columnas de clave, en la lista Columnas disponibles, seleccione la columna CalendarYear y, a continuacin, haga clic en el botn >.
5. Las columnas EnglishMonthName y CalendarYear se muestran ahora en la lista Columnas de clave.
7. Para establecer la propiedad NameColumn del atributo EnglishMonthName, haga clic en el campo NameColumn en la ventana Propiedades y, a continuacin,
haga clic en el botn Examinar ...).
8. En el cuadro de dilogo Columna de nombre, en la lista Columna de origen, seleccione MonthName y, a continuacin, haga clic en Aceptar.
Para definir KeyColumns compuestas para el atributo Calendar Quarter

1. En el panel Atributos, haga clic en el atributo Calendar Quarter.
Las columnas CalendarQuarter y CalendarYear se muestran ahora en la lista Columnas de clave.
5. Para establecer la propiedad NameColumn del atributo Calendar Quarter, haga clic en el campo NameColumn en la ventana Propiedades y, a continuacin,
haga clic en el botn Examinar ...).
6. En el cuadro de dilogo Columna de nombre, en la lista Columna de origen, seleccione CalendarQuarterDesc y, a continuacin, haga clic en Aceptar.
Para definir KeyColumns compuestas para el atributo Calendar Semester

1. En el panel Atributos, haga clic en el atributo Calendar Semester.
Las columnas CalendarSemester y CalendarYear se muestran ahora en la lista Columnas de clave.
5. Para establecer la propiedad NameColumn del atributo Calendar Semester, haga clic en el campo NameColumn en la ventana de propiedades y, a
continuacin, haga clic en el botn Examinar ...).
6. En el cuadro de dilogo Columna de nombre, en la lista Columna de origen, seleccione CalendarSemesterDesc y, a continuacin, haga clic en Aceptar.
Implementar y ver los cambios

Una vez que ha cambiado los atributos y las jerarquas, debe implementar los cambios y procesar de nuevo los objetos relacionados antes de ver los cambios.
Para implementar y ver los cambios

1. En el men Generar de SQL Server Data Tools, haga clic en Implementar Tutorial de Analysis Services.
dimensin Date y, a continuacin, haga clic en el botn Volver a conectar en la barra de herramientas del diseador.
3. Seleccione Calendar Quarter en la lista Jerarqua. Revise los miembros de la jerarqua de atributo Calendar Quarter.
Observe que los nombres de los miembros de la jerarqua de atributo Calendar Quarter son ms descriptivos y fciles de usar porque se ha creado un clculo
con nombre que se usa como nombre. Ahora hay miembros en la jerarqua de atributo Calendar Quarter para cada trimestre de cada ao. Los miembros no
estn ordenados cronolgicamente. En lugar de ello, estn ordenados por trimestre y luego por ao. En la siguiente tarea de este tema, modificar este
comportamiento para ordenar los miembros de la jerarqua de este atributo por ao y luego por trimestre.
4. Revise los miembros de las jerarquas de los atributos Spanish Month Name y Calendar Semester.
Observe que los miembros de estas jerarquas tampoco estn ordenados cronolgicamente. En lugar de ello, estn ordenados por mes o semestre,
respectivamente, y luego por ao. En la tarea siguiente de este tema, modificar este comportamiento para cambiar el criterio de ordenacin.
Cambiar el criterio de ordenacin modificando el orden de los miembros de clave compuesta

En esta tarea, modificar el criterio de ordenacin cambiando el orden de las claves que forman la clave compuesta.
Para modificar el orden de los miembros de clave compuesta

1. Abra la pestaa Estructura de dimensin del Diseador de dimensiones para la dimensin Date y, a continuacin, seleccione Calendar Semester en el panel
Atributos.
2. En la ventana Propiedades, revise el valor de la propiedad OrderBy. Dicho valor se establece en Key.
Los miembros de la jerarqua de atributo Calendar Semester estn ordenados por su valor de clave. Con una clave compuesta, el orden de las claves de los
miembros se basa en el primer valor de la primera clave del miembro y luego en el valor de la segunda clave del miembro. Dicho de otro modo, los miembros
de la jerarqua de atributo Calendar Semester estn ordenados primero por semestre y luego por ao.
3. En la ventana Propiedades, haga clic en el botn Examinar ...) del valor de la propiedad KeyColumns.
4. En la lista Columnas de clave del cuadro de dilogo Columnas de clave, compruebe que CalendarSemester est seleccionado, y, a continuacin, haga clic en la
flecha abajo para invertir el orden de los miembros de esta clave compuesta. Haga clic en Aceptar.
Los miembros de la jerarqua de atributo ahora aparecen ordenados primero por ao y luego por semestre.
5. Seleccione Calendar Quarter en el panel Atributos y, a continuacin, haga clic en el botn Examinar ...) de la propiedad KeyColumns de la ventana
Propiedades.
6. En la lista Columnas de clave del cuadro de dilogo Columnas de clave, compruebe que CalendarQuarter est seleccionado, y, a continuacin, haga clic en la
flecha abajo para invertir el orden de los miembros de esta clave compuesta. Haga clic en Aceptar.
Los miembros de la jerarqua de atributo ahora aparecen ordenados primero por ao y luego por trimestre.
7. Seleccione Spanish Month Name en el panel Atributos y, a continuacin, haga clic en el botn de puntos suspensivos ...) de la propiedad KeyColumns de la
ventana Propiedades.
8. En la lista Columnas de clave del cuadro de dilogo Columnas de clave, compruebe que EnglishMonthName est seleccionado, y, a continuacin, haga clic en
la flecha abajo para invertir el orden de los miembros de esta clave compuesta. Haga clic en Aceptar.
Los miembros de la jerarqua de atributo ahora aparecen ordenados primero por ao y luego por mes.
9. En el men Generar de SQL Server Data Tools, haga clic en Implementar Tutorial de Analysis Services. Cuando la implementacin se haya completado
correctamente, haga clic en la pestaa Explorador del Diseador de dimensiones para la dimensin Date.
10. En la barra de herramientas de la pestaa Explorador, haga clic en el botn Volver a conectar.
11. Revise los miembros de las jerarquas de los atributos Calendar Quarter y Calendar Semester.
Observe que los miembros de estas jerarquas ahora estn clasificados por orden cronolgico, por ao y luego por trimestre o semestre, respectivamente.
12. Revise los miembros de la jerarqua de atributo Spanish Month Name.
Observe que los miembros de la jerarqua de atributo ahora aparecen ordenados primero por ao y luego alfabticamente por mes. Esto se debe a que el tipo
de datos de la columna EnglishCalendarMonth de la vista del origen de datos es una columna de cadena, basada en el tipo de datos nvarchar de la base de
datos relacional subyacente. Para obtener informacin sobre cmo habilitar la ordenacin cronolgica de los meses dentro de cada ao, vea Ordenar los
miembros de atributo en funcin de un atributo secundario.

Vea tambin
Conceptos

SQL Server 2014
En la tarea siguiente, examinar el cubo Tutorial de Analysis Services. Puesto que nuestro anlisis compara las medidas en varias dimensiones, usar una tabla dinmica
de Excel para examinar los datos. El uso de una tabla dinmica le permite colocar la informacin de clientes, fechas y productos en diferentes ejes de modo que pueda
ver cmo cambian las ventas por Internet cuando se ven en determinados perodos de tiempo, datos demogrficos de los clientes y lneas de productos.
Para examinar el cubo implementado

1. Para cambiar al Diseador de cubos de SQL Server Data Tools, haga doble clic en el cubo Tutorial de Analysis Services en la carpeta Cubos del Explorador de
soluciones.
2. Abra la pestaa Explorador y haga clic en el botn Volver a conectar de la barra de herramientas del diseador.
3. Haga clic en el icono de Excel para iniciar Excel usando la base de datos del rea de trabajo como origen de datos. Cuando se le pida que habilite las conexiones,
haga clic en Habilitar.
4. En la lista de campos de la tabla dinmica, expanda Internet Sales y arrastre la medida Sales Amount hasta el rea Valores.
5. En la lista de campos de la tabla dinmica, expanda Product.
6. Arrastre la jerarqua de usuario Product Model Lines hasta el rea Columnas.
7. En la lista de campos de la tabla dinmica, expanda Customer, expanda Location y arrastre la jerarqua Customer Geography desde la carpeta para mostrar
Location de la dimensin Customer hasta el rea Filas.
8. En la lista de campos de la tabla dinmica, expanda Order Date y arrastre la jerarqua Order Date.Calendar Date hasta el rea Filtro de informe.
9. Haga clic en la flecha que se encuentra a la derecha del filtro Order Date.Calendar Date del panel de datos, desactive la casilla del nivel (All), expanda 2006,
expanda H1 CY 2006, expanda Q1 CY 2006, active la casilla February 2006 y, a continuacin, haga clic en Aceptar.
De este modo, se muestran las ventas realizadas por Internet por regin y por lnea de productos en el mes de febrero de 2006, como se muestra en la imagen
siguiente.
Leccin siguiente
Leccin 4: Definir propiedades de dimensiones y de atributos avanzados
Leccin 4: Definir propiedades de dimensiones y de atributos

avanzados
SQL Server 2014
En esta leccin, aprender a utilizar algunas de las propiedades avanzadas de atributos, jerarquas de atributos y propiedades de dimensiones.
Nota
Esta leccin se basa en una versin mejorada del proyecto Tutorial de Analysis Services que complet en las tres primeras lecciones de este tutorial. En la primera
tarea de esta leccin se describe dnde buscar el proyecto de ejemplo adecuado que debe utilizar para la leccin, as como la diferencia existente entre este proyecto
y el proyecto que ha creado en las tres primeras lecciones.
Usar una versin modificada del proyecto Tutorial de Analysis Services

En esta tarea, abrir, revisar e implementar una versin modificada del proyecto Tutorial de Analysis Services, que tiene varios grupos de medidas y dimensiones
adicionales.
Definir propiedades de atributo primario en una jerarqua de elementos primarios y secundarios
En esta tarea, definir los nombres de nivel de una dimensin primariasecundaria y especificar si deben mostrarse los datos relacionados con los miembros
primarios. Para obtener ms informacin, vea Dimensiones de elementos primarios y secundarios y Atributos en las jerarquas de elementos primarios y
secundarios.
Agrupar miembros de atributo automticamente
En esta tarea, debe crear automticamente agrupaciones de miembros de atributos basadas en la distribucin de miembros de la jerarqua de atributo. Para
obtener ms informacin, vea Agrupar miembros de atributos discretizacin.
Ocultar y deshabilitar jerarquas de atributo
En esta tarea, se muestra cmo y cundo deshabilitar u ocultar jerarquas de atributo.
Ordenar los miembros de atributo en funcin de un atributo secundario
En esta tarea, se muestra cmo ordenar los miembros de dimensin en funcin de un atributo secundario para obtener el criterio de ordenacin que se desee.
Especificar relaciones de atributo entre los atributos de una jerarqua definida por el usuario
En esta tarea, aprender a definir las propiedades de miembro de los atributos y a especificar relaciones de agregacin entre ellos. Para obtener ms informacin,
vea Definir relaciones de atributo y Propiedades de jerarqua de usuario.
Definir las propiedades de miembro desconocido y de procesamiento de valores NULL
En esta tarea, debe configurar las propiedades UnknownMember y UnknownMemberName para controlar las condiciones de error causadas por los miembros
de dimensin con valor NULL.
Leccin siguiente
Vea tambin
Conceptos
Usar una versin modificada del proyecto Tutorial de Analysis

Services
SQL Server 2014
Las lecciones restantes de este tutorial se basan en una versin mejorada del proyecto Tutorial de Analysis Services que complet en las tres primeras lecciones. Se han
agregado tablas y clculos con nombre adicionales a la vista del origen de datos Adventure Works DW 2012, se han agregado ms dimensiones al proyecto y estas
nuevas dimensiones se han agregado al cubo Tutorial de Analysis Services. Adems, se ha agregado un segundo grupo de medidas, que contiene medidas de una
segunda tabla de hechos. Este proyecto mejorado le permitir continuar aprendiendo a agregar funciones adicionales a la aplicacin de Business Intelligence sin
necesidad de tener que repetir las tcnicas ya aprendidas.
Para poder continuar con el tutorial, debe descargar, extraer, cargar y procesar la versin mejorada del proyecto Tutorial de Analysis Services. Siga las instrucciones de
esta leccin para asegurarse de que ha realizado todos los pasos.
Descargar y extraer el archivo de proyecto

1. Haga clic aqu para ir a la pgina de descarga que proporciona los proyectos de ejemplo relacionados con este tutorial. Los proyectos del tutorial se incluyen en
la descarga de Tutorial de Analysis Services SQL Server 2012.
2. Haga clic en Tutorial de Analysis Services de SQL Server 2012 para descargar el paquete que contiene los proyectos para este tutorial.
De forma predeterminada, se guarda un archivo .zip en la carpeta Descargas. Debe mover el archivo .zip a una ubicacin que tenga una ruta de acceso ms
corta (por ejemplo, cree una carpeta C:\Tutoriales para almacenar los archivos). Despus puede extraer los archivos contenidos en el archivo .zip. Si intentar
descomprimir los archivos desde la carpeta Descargas, que tiene una ruta de acceso ms larga, solo obtendr la leccin 1.
3. Cree una subcarpeta en la unidad raz, o cerca de ella, por ejemplo C:\Tutorial.
4. Mueva el archivo Analysis Services Tutorial SQL Server 2012.zip a la subcarpeta.
5. Haga clic con el botn secundario en el archivo y seleccione Extraer todo.
6. Busque la carpeta Lesson 4 Start para buscar el archivo Analysis Services Tutorial.sln.
Cargar y procesar el proyecto mejorado

1. En SQL Server Data Tools, en el men Archivo, haga clic en Cerrar solucin para cerrar los archivos que no vaya a usar.
2. En el men Archivo, seleccione Abrir y haga clic en Proyecto o solucin.
3. Vaya a la ubicacin donde extrajo los archivos del proyecto de tutorial.
Busque la carpeta denominada Leccin 4 inicio y haga doble clic en Analysis Services Tutorial.sln.
4. Implemente la versin mejorada del proyecto Tutorial de Analysis Services en la instancia local de Analysis Services, o en otra instancia, y compruebe que el
proceso finaliza correctamente.
Comprender las mejoras realizadas en el proyecto

La versin mejorada del proyecto es distinta de la versin del proyecto Tutorial de Analysis Services que complet en las tres primeras lecciones. Las diferencias se
describen en las siguientes secciones: Revise esta informacin antes de continuar con las lecciones restantes del tutorial.
Vista del origen de datos

La vista del origen de datos del proyecto mejorado contiene una tabla de hechos adicional y cuatro tablas de dimensiones adicionales de la base de datos
AdventureWorksDW2012 .
Observe que, con diez tablas en la vista del origen de datos, el diagrama <Todas las tablas> pasa a estar demasiado lleno. Esto dificulta la comprensin de las
relaciones entre las tablas y la localizacin de tablas especficas. Para resolver este problema, las tablas estn organizadas en dos diagramas lgicos, el diagrama
Internet Sales y el diagrama Reseller Sales. Estos diagramas estn organizados cada uno en una nica tabla de hechos. Crear diagramas lgicos permite ver y utilizar
un subconjunto especfico de tablas de la vista del origen de datos en lugar de ver siempre todas las tablas y sus relaciones en un nico diagrama.
Diagrama Internet Sales

El diagrama Internet Sales contiene las tablas que estn relacionadas con la venta directa de productos de Adventure Works a los clientes a travs de Internet. Las
tablas del diagrama son las cuatro tablas de dimensiones y la tabla de hechos que agreg a la vista del origen de datos Adventure Works DW 2012 en la leccin 1.
Estas tablas son:
Geography
Customer
date
Product
InternetSales
Diagrama Reseller Sales

El diagrama Reseller Sales contiene las tablas relacionadas con la venta de productos de Adventure Works realizadas por los distribuidores. Este diagrama contiene las
siete tablas de dimensiones siguientes y una tabla de hechos de la base de datos AdventureWorksDW2012 :
Reseller
Promotion
SalesTerritory
Geography
date
Product
Employee
ResellerSales
Como puede observar, las tablas DimGeography, DimDate y DimProduct se usan tanto en el diagrama Internet Sales como en el diagrama Reseller Sales. Las tablas
de dimensiones pueden vincularse a varias tablas de hechos.
Dimensiones de cubo y base de datos

El proyecto Tutorial de Analysis Services contiene cinco dimensiones de base de datos nuevas, y el cubo Tutorial de Analysis Services contiene las mismas cinco
dimensiones que las dimensiones del cubo. Estas dimensiones se han definido de modo que contengan jerarquas de usuario y atributos que se modificaron mediante
clculos con nombre, claves de miembro de composicin y carpetas para mostrar. Las nuevas dimensiones se describen en la siguiente lista.
Dimensin Reseller
La dimensin Reseller se basa en la tabla Reseller de la vista del origen de datos Adventure Works DW 2012.
Dimensin Promotion
La dimensin Promotion se basa en la tabla Promotion de la vista del origen de datos Adventure Works DW 2012.
Dimensin Sales Territory
La dimensin Sales Territory se basa en la tabla SalesTerritory de la vista del origen de datos Adventure Works DW 2012.
Dimensin Employee
La dimensin Employee se basa en la tabla Employee de la vista del origen de datos Adventure Works DW 2012.
Dimensin Geography
La dimensin Geography se basa en la tabla Geography de la vista del origen de datos Adventure Works DW 2012.
Cubo Analysis Services

El cubo Tutorial de Analysis Services contiene ahora dos grupos de medida: el grupo de medida original basado en la tabla InternetSales y un segundo grupo de
medida basado en la tabla ResellerSales en la vista del origen de datos Adventure Works DW 2012.

Definir propiedades de atributo primario en una jerarqua de elementos primarios y secundarios
Vea tambin
Tasks
Definir propiedades de atributo primario en una jerarqua de

elementos primarios y secundarios
SQL Server 2014
Una jerarqua de elementos primarios y secundarios es una jerarqua de una dimensin que est basada en dos columnas de tabla. La combinacin de estas columnas
define las relaciones jerrquicas entre los miembros de dimensin. La primera columna, denominada columna de clave de miembro, identifica a cada miembro de
dimensin. La otra columna, denominada columna primaria, identifica el elemento primario de cada miembro de dimensin. La propiedad NamingTemplate de un
atributo primario determina el nombre de cada nivel en la jerarqua de elementos primarios y secundarios, y la propiedad MembersWithData determina si deben
mostrarse los datos de los miembros primarios.
Para obtener ms informacin, vea Dimensiones de elementos primarios y secundarios y Atributos en las jerarquas de elementos primarios y secundarios.
Nota
Cuando se utiliza el Asistente para dimensiones con objeto de crear una dimensin, el asistente reconoce las tablas que incluyen relaciones de elementos primarios y
secundarios, y define automticamente la jerarqua de elementos primarios y secundarios.
En las tareas de este tema, crear una plantilla de asignacin de nombres que define el nombre para cada nivel en la jerarqua de elementos primarios y secundarios de
la dimensin Employee. A continuacin, configurar el atributo primario para ocultar todos los datos primarios, de modo que solo se muestren las ventas de los
miembros del nivel de hoja.
Examinar la dimensin Employee

1. En el Explorador de soluciones, haga doble clic en Employee.dim en la carpeta Dimensiones para abrir el Diseador de dimensiones para la dimensin
Employee.
2. Haga clic en la pestaa Explorador, compruebe que Employees est seleccionado en la lista Jerarqua y, a continuacin, expanda el miembro All Employees.
Observe que Ken J. Snchez es el director de nivel superior de esta jerarqua de elementos primarios y secundarios.
3. Seleccione el miembro Ken J. Snchez.
Observe que el nombre de nivel para este miembro es Level 02. El nombre de nivel aparece despus de Nivel actual:, justo encima del miembro All
Employees. En esta tarea, definir nombres ms descriptivos para cada nivel.
4. Expanda Ken J. Snchez para ver los nombres de los empleados que informan a este director y, a continuacin, seleccione Brian S. Welcker para ver el nombre
de este nivel.
Observe que el nombre de nivel para este miembro es Level 03.
5. En el Explorador de soluciones, haga doble clic en Analysis Services Tutorial.cube en la carpeta Cubos para abrir el Diseador de cubos para Tutorial de
Analysis Services.
6. Haga clic en la pestaa Explorador.
7. Haga clic en el icono de Excel y, a continuacin, haga clic en Habilitar cuando se le pida que habilite las conexiones.
8. En la lista de campos de la tabla dinmica, expanda Venta del distribuidor. Arrastre Reseller Sales-Sales Amount hasta el rea Valores.
9. En la lista de campos de la tabla dinmica, expanda Empleado y arrastre la jerarqua Employees hasta el rea Filas.
Todos los miembros de la jerarqua Employees se agregarn a la columna A del informe de tabla dinmica.
En la ilustracin siguiente se muestra expandida la jerarqua Employees.
10.
Observe que las ventas realizadas por cada director del nivel 03 tambin se muestran en el nivel 04. Esto es as porque cada director tambin es un empleado
de otro director. En la tarea siguiente, ocultar estos importes de ventas.
Modificar las propiedades de los atributos primarios en la dimensin Employee

1. Cambie al Diseador de dimensiones para la dimensin Employee.
2. Haga clic en la pestaa Estructura de dimensin, y, a continuacin, seleccione la jerarqua de atributo Employees en el panel Atributos.
Observe el icono nico de este atributo. Este icono significa que el atributo es la clave principal de una jerarqua de elementos primarios y secundarios. Observe
tambin que, en la ventana Propiedades, la propiedad Usage del atributo est definida como primaria. Esta propiedad se estableci con el Asistente para
dimensiones cuando se dise la dimensin. El asistente detect automticamente la relacin de elementos primarios y secundarios.
3. En la ventana Propiedades, haga clic en el botn de puntos suspensivos ...) de la celda de la propiedad NamingTemplate.
En el cuadro de dilogo Plantilla de asignacin de nombres de nivel, debe definir la plantilla de asignacin de nombres de nivel que determina los nombres
de nivel de la jerarqua de elementos primarios y secundarios que se muestran a los usuarios cuando examinan los cubos.
4. En la segunda fila, la fila *, escriba Employee Level * en la columna Nombre y, a continuacin, haga clic en la tercera fila.
Observe que, bajo Resultado, cada nivel ahora se denominar "Employee Level" seguido por un nmero que aumenta de forma secuencial.
En la imagen siguiente se muestran los cambios realizados en el nivel Plantilla de asignacin de nombres de nivel.

6. En la ventana Propiedades del atributo Employees, en la celda de la propiedad MembersWithData, seleccione NonLeafDataHidden para cambiar este valor
por el atributo Employees.
De este modo se ocultarn los datos relacionados con los miembros no hoja de la jerarqua de elementos primarios y secundarios.
Examinar la dimensin Employee con los atributos modificados

1. En el men Compilar de SQL Server Data Tools (SSDT), haga clic en Tutorial de Implementar Analysis Services.
2. Cuando la implementacin se haya completado correctamente, cambie al Diseador de cubos para el cubo Tutorial de Analysis Services y haga clic en Volver a
conectar en la barra de herramientas de la pestaa Explorador.
3. Haga clic en el icono de Excel y, a continuacin, haga clic en Habilitar.
4. Arrastre Reseller Sales-Sales Amount hasta el rea Valores.
5. Arrastre la jerarqua Employees hasta el rea Etiquetas de fila.
En la imagen siguiente se muestran los cambios realizados en la jerarqua Employees. Observe que Stephen Y. Jiang ya no aparece como empleado de s mismo.

Vea tambin
Conceptos
Dimensiones de elementos primarios y secundarios
Atributos en las jerarquas de elementos primarios y secundarios

SQL Server 2014
Cuando se examina un cubo, generalmente se dimensionan los miembros de una jerarqua de atributo segn los miembros de otra jerarqua de atributo. Por ejemplo,
puede agrupar las ventas de cliente por ciudad, producto comprado o gnero. No obstante, con determinados tipos de atributo, resulta til hacer que Microsoft Analysis
Services cree automticamente grupos de miembros de atributos en funcin de la distribucin de los miembros en una jerarqua de atributo. Por ejemplo, puede hacer
que Analysis Services cree grupos de valores de ingresos anuales de los clientes. Al hacerlo, los usuarios que examinen la jerarqua de atributo vern los nombres y los
valores de los grupos en lugar de los miembros propiamente dichos. Esto limita el nmero de niveles que se presentan a los usuarios, lo que puede resultar ms til para
el anlisis.
La propiedad DiscretizationMethod determina si Analysis Services crea agrupaciones, as como el tipo de agrupacin que se lleva a cabo. De forma predeterminada,
Analysis Services no realiza agrupaciones. Si habilita las agrupaciones automticas, puede permitir que Analysis Services determine automticamente el mejor mtodo de
agrupacin en funcin de la estructura del atributo, o puede elegir uno de los algoritmos de agrupacin de la lista siguiente para especificar el mtodo de agrupacin:
EqualAreas
Analysis Services crea intervalos de grupos de modo que la poblacin total de los miembros de dimensin quede distribuida de forma homognea en los grupos.
Clusters
Analysis Services crea grupos realizando una agrupacin en clsteres unidimensionales en los valores de entrada mediante el mtodo de agrupacin en clsteres
mediana-K con distribuciones gausianas. Esta opcin solo es vlida para columnas numricas.
Una vez que haya especificado un mtodo de agrupacin, debe especificar el nmero de grupos mediante la propiedad DiscretizationBucketCount. Para obtener ms
informacin, vea Agrupar miembros de atributos discretizacin.
En las tareas de este tema, habilitar distintos tipos de agrupaciones para lo siguiente: valores de los ingresos anuales en la dimensin Customer, nmero de horas de
baja por enfermedad del empleado en la dimensin Employees, y nmero de horas de vacaciones del empleado en la dimensin Employees. A continuacin procesar y
examinar el cubo Tutorial de Analysis Services para ver el efecto de los grupos de miembro. Por ltimo, modificar las propiedades del grupo de miembro para ver el
efecto del cambio en el tipo de agrupacin.
Agrupar miembros de la jerarqua de atributo en la dimensin Customer

1. En el Explorador de soluciones, haga doble clic en Customer en la carpeta Dimensiones para abrir el Diseador de dimensiones para la dimensin Customer.
2. En el panel Vista del origen de datos, haga clic con el botn secundario en la tabla Customer y, a continuacin, haga clic en Explorar datos.
Observe el intervalo de valores de la columna YearlyIncome. Estos valores pasan a ser miembros de la jerarqua de atributo Yearly Income, a menos que
habilite la agrupacin de miembro.
3. Cierre la pestaa Explorar la tabla Customer.
4. En el panel Atributos, seleccione Yearly Income.
5. En la ventana Propiedades, cambie el valor de la propiedad DiscretizationMethod por Automtica y el valor de la propiedad DiscretizationBucketCount por
5.
En la imagen siguiente se muestran las propiedades modificadas para Yearly Income.
Agrupar miembros de la jerarqua de atributo en la dimensin Employee

1. Cambie al Diseador de dimensiones para la dimensin Employee.
2. En el panel Vista del origen de datos, haga clic con el botn secundario en la tabla Employee y, a continuacin, haga clic en Explorar datos.
Fjese en los valores de las columnas SickLeaveHours y VacationHours.
3. Cierre la pestaa Explorar la tabla Employee.
4. En el panel Atributos, seleccione Sick Leave Hours.
5. En la ventana Propiedades, cambie el valor de la propiedad DiscretizationMethod por Clusters y el valor de la propiedad DiscretizationBucketCount por 5.
6. En el panel Atributos, seleccione Vacation Hours.
7. En la ventana Propiedades, cambie el valor de la propiedad DiscretizationMethod a EqualAreas y el valor de la propiedad DiscretizationBucketCount a 5.
Examinar las jerarquas de atributo modificadas

2. Cuando la implementacin se haya completado correctamente, cambie al Diseador de cubos para el cubo Tutorial de Analysis Services y haga clic en Volver a
conectar en la pestaa Explorador.
4. Arrastre la medida Internet Sales-Sales Amount hasta el rea Valores de la lista de campos de la tabla dinmica.
5. En la lista de campos, expanda la dimensin Product y, a continuacin, arrastre la jerarqua de usuario Product Model Lines hasta el rea Etiquetas de fila de
la lista de campos.
6. Expanda la dimensin Customer en la lista de campos, expanda la carpeta para mostrar Demographic y, a continuacin, arrastre la jerarqua de atributo Yearly
Income hasta el rea Etiquetas de columna.
Los miembros de la jerarqua de atributo Yearly Income estn agrupados ahora en seis depsitos, incluido un depsito para las ventas a los clientes cuyos
ingresos anuales se desconocen. No se muestran todos los depsitos.
7. Quite la jerarqua de atributo Yearly Income del rea de columnas y quite la medida Internet Sales-Sales Amount del rea Valores.
8. Agregue la medida Reseller Sales-Sales Amount al rea de datos.
9. En la lista de campos, expanda la dimensin Employee , expanda Organization y arrastre Sick Leave Hours hasta Etiquetas de columna.
Observe que todas las ventas las realizan los empleados de uno de los dos grupos. Observe tambin que los empleados que tienen de 32 a 42 horas de baja
por enfermedad han realizado ms ventas que los que tienen de 20 a 31 horas de baja por enfermedad.
En la imagen siguiente se muestran las ventas dimensionadas por horas de baja por enfermedad de los empleados.
10. Elimine la jerarqua de atributo Sick Leave Hours del rea de columnas del panel Datos.
11. Agregue Vacation Hours al rea de columnas del panel Datos.
Observe que aparecen dos grupos, basados en el mtodo de agrupacin por reas iguales EqualAreas. Hay otros tres grupos ocultos porque no contienen
valores de datos.
Modificar propiedades de agrupacin y revisar el efecto de los cambios

1. Cambie al Diseador de dimensiones para la dimensin Employee y seleccione Vacation Hours en el panel Atributos.
2. En la ventana Propiedades, cambie el valor de la propiedad DiscretizationBucketCount por 10.
3. En el men Generar de SQL Server Data Tools, haga clic en Implementar Tutorial de Analysis Services.
4. Cuando la implementacin se haya completado correctamente, vuelva al Diseador de cubos para el cubo Tutorial de Analysis Services.
5. Haga clic en Volver a conectar en la pestaa Explorador, haga clic en el icono de Excel y vuelva a crear la tabla dinmica para que pueda ver el efecto del
cambio al mtodo de agrupacin:
a. Arrastre Reseller Sales-Sales Amount hasta Valores
b. Arrastre Vacation Hours (en la carpeta Employees Organization) hasta Columnas
c. Arrastre Product Model Lines hasta Filas
Observe que ahora hay tres grupos de miembros del atributo Vacation Hours que tienen valores de ventas para productos. Los otros siete grupos contienen
miembros sin datos de ventas.

Vea tambin
Conceptos
Agrupar miembros de atributos discretizacin

SQL Server 2014
De forma predeterminada, se crea una jerarqua de atributo para cada uno de los atributos de una dimensin, y cada jerarqua est disponible para los datos de hechos
de dimensionamiento. Esta jerarqua consta de un nivel "Todos" y un nivel de detalle que contiene todos los miembros de la jerarqua. Como ha aprendido, puede
organizar los atributos en jerarquas definidas por el usuario para proporcionar rutas de navegacin en un cubo. En determinadas circunstancias, le interesar deshabilitar
u ocultar algunos atributos y sus jerarquas. Por ejemplo, determinados atributos, como los nmeros de seguridad social o nmeros de identificacin nacional, sueldos,
las fechas de nacimiento e informacin sobre el inicio de sesin, no son atributos que los usuarios vayan a utilizar para dimensionar la informacin del cubo. En lugar de
ello, generalmente esta informacin solo se visualiza como detalles de un miembro de atributo en concreto. Puede ocultar estas jerarquas de atributo, dejando los
atributos visibles solo como propiedades de miembro de un atributo especfico. Tambin puede hacer que los miembros de otros atributos, como los nombres de cliente
o los cdigos postales, solo estn visibles cuando se visualizan a travs de una jerarqua de usuario en lugar de visualizarse de forma independiente a travs de una
jerarqua de atributo. Un motivo para hacerlo puede ser el nmero total de miembros distintos de la jerarqua de atributo. Por ltimo, para mejorar el rendimiento del
procesamiento, debe deshabilitar las jerarquas de atributos que los usuarios no utilizarn para examinar.
El valor de la propiedad AttributeHierarchyEnabled determina si se ha creado una jerarqua de atributo. Si esta propiedad se establece en False, la jerarqua de atributo
no se crea y el atributo no puede utilizarse como nivel en una jerarqua de usuario; la jerarqua de atributo solo existe como propiedad de miembro. No obstante, una
jerarqua de atributo deshabilitada puede utilizarse para ordenar los miembros de otro atributo. Si un valor de la propiedad AttributeHierarchyEnabled se establece en
True, el valor de la propiedad AttributeHierarchyVisible determina si la jerarqua de atributo es visible independientemente de su uso en una jerarqua definida por el
usuario.
Cuando una jerarqua de atributo est habilitada, puede especificar valores para las tres propiedades adicionales siguientes:
IsAggregatable
De forma predeterminada se define un nivel Todos para todas las jerarquas de atributo. Para deshabilitar el nivel Todos de una jerarqua de atributo habilitada,
establezca el valor de esta propiedad en False.
Nota
Un atributo que tiene su propiedad IsAggregatable establecida en False solamente puede usarse como la raz de una jerarqua definida por el usuario y debe
tener un miembro predeterminado especificado en caso contrario, el motor de Analysis Services elegir uno.
AttributeHierarchyOrdered
De forma predeterminada, Analysis Services ordena los miembros de las jerarquas de atributo habilitadas durante el procesamiento y luego almacena los
miembros segn el valor de la propiedad OrderBy, como Nombre o Clave. Si el orden no le importa, puede incrementar el rendimiento del procesamiento
estableciendo el valor de esta propiedad en False.
AttributeHierarchyOptimizedState
De forma predeterminada, y con el objeto de mejorar el rendimiento de las consultas, Analysis Services crea durante el procesamiento un ndice para cada
jerarqua de atributo habilitada. Si no tiene previsto utilizar una jerarqua de atributo para explorar, puede incrementar el rendimiento del procesamiento
estableciendo el valor de esta propiedad en NotOptimized. No obstante, si utiliza una jerarqua oculta como atributo clave para la dimensin, el rendimiento
tambin mejorar si crea un ndice de los miembros del atributo.
Estas propiedades no se aplican si la jerarqua de atributo est deshabilitada.

En las tareas de este tema, deshabilitar los nmeros de seguridad social y otros atributos en la dimensin Employee que no se utilizarn para examinar. Luego ocultar
las jerarquas de atributo de nombre de cliente y cdigo postal en la dimensin Customer. Debido al elevado nmero de miembros de atributo de estas jerarquas,
examinarlas ser un proceso muy lento, independientemente de la jerarqua de usuario que utilice.
Establecer las propiedades de la jerarqua de atributo en la dimensin Employee

1. Cambie al Diseador de dimensiones para la dimensin Employee y haga clic en la pestaa Explorador.
2. Compruebe que las jerarquas de atributo siguientes aparecen en la lista Jerarqua:
Base Rate
Birth Date
Login ID
Nmero de seguridad social del director
SSN
3. Vaya a la pestaa Estructura de dimensin y seleccione los atributos siguientes en el panel Atributos. Para seleccionar varias medidas, haga clic en cada una
de ellas mientras mantiene presionada la tecla CTRL:
Base Rate
Birth Date
Login ID
Nmero de seguridad social del director
SSN
4. En la ventana Propiedades, establezca el valor de la propiedad AttributeHierarchyEnabled en False para los atributos seleccionados.
Observe que, en el panel Atributos, el icono de cada atributo ha cambiado para indicar que el atributo no est habilitado.
En la imagen siguiente se muestra la propiedad AttributeHierarchyEnabled establecida en False para los atributos seleccionados.
5. En el men Generar, haga clic en Implementar Analysis Services Tutorial.

6. Cuando el proceso haya finalizado correctamente, dirjase a la pestaa Explorador, haga clic en Volver a conectar y, a continuacin, intente examinar las
jerarquas de atributo modificadas.
Observe que los miembros de los atributos modificados no estn disponibles para examinar como jerarquas de atributo en la lista Jerarqua. Si intenta agregar
una de las jerarquas de atributo deshabilitadas como nivel en una jerarqua de usuario, recibir un error en el que se le notificar que debe habilitar la jerarqua
de atributo para que sta pueda participar en una jerarqua definida por el usuario.
Establecer las propiedades de la jerarqua de atributo en la dimensin Customer

1. Cambie al Diseador de dimensiones para la dimensin Customer y haga clic en la pestaa Explorador.
2. Compruebe que las jerarquas de atributo siguientes aparecen en la lista Jerarqua:
Full Name
Postal Code
3. Cambie a la pestaa Estructura de dimensin y seleccione los atributos siguientes en el panel Atributos (utilice la tecla CTRL si desea seleccionar varios
atributos al mismo tiempo):
Full Name
Postal Code
4. En la ventana Propiedades, establezca el valor de la propiedad AttributeHierarchyVisible en False para los atributos seleccionados.
Puesto que los miembros de estas jerarquas de atributo se utilizarn para dimensionar datos de hechos, si ordena y optimiza dichos miembros, mejorar el
rendimiento. Por consiguiente, las propiedades de estos atributos no deben cambiarse.
En la imagen siguiente se muestra la propiedad AttributeHierarchyVisible establecida en False.
5. Arrastre el atributo Postal Code del panel Atributos a la jerarqua de usuario Customer Geography en el panel Jerarquas y niveles que se encuentra justo en
el nivel City.
Observe que el atributo oculto puede seguir convirtindose en un nivel de una jerarqua de usuario.
6. En el men Generar, haga clic en Implementar Analysis Services Tutorial.
7. Cuando la implementacin haya finalizado correctamente, vaya a la pestaa Explorador de la dimensin Customer y haga clic en Volver a conectar.
8. Intente seleccionar cualquiera de las jerarquas de atributo modificadas en la lista Jerarqua.
Observe que ninguna de las jerarquas de atributo modificadas aparece en la lista Jerarqua.
9. En la lista Jerarqua, seleccione Customer Geography y examine cada nivel del panel del explorador.
Observe que los niveles ocultos, Postal Code y Full Name, estn visibles en la jerarqua definida por el usuario.

Ordenar los miembros de atributo en funcin de un atributo secundario
Vea tambin
Otros recursos
Designing and Implementing How-to Topics (Analysis Services - Multidimensional Data)
Ordenar los miembros de atributo en funcin de un atributo

secundario
SQL Server 2014
En la leccin 3, aprendi a ordenar los miembros de atributo en funcin de su nombre o valor de clave. Tambin aprendi a utilizar una clave de miembro compuesta que
afectaba a todos los miembros de atributo y al criterio de ordenacin. Para obtener ms informacin, vea Modificar la dimensin Date. Sin embargo, si ni el nombre ni la
clave del atributo ofrecen el orden que desea, puede usar un atributo secundario para conseguir el criterio de ordenacin deseado. Definir una relacin entre los
atributos, puede usar el segundo atributo para ordenar los miembros del primer atributo.
Las relaciones de atributo definen las relaciones o dependencias que existen entre los atributos. En una dimensin que se basa en una nica tabla relacional, todos los
atributos estn generalmente relacionados entre s a travs del atributo de clave. Esto es as porque todos los atributos de una dimensin proporcionan informacin
sobre los miembros vinculados por el atributo de clave de la dimensin a los hechos de la tabla de hechos de cada grupo de medida relacionado. En una dimensin que
se basa en varias tablas, los atributos generalmente estn vinculados en funcin de la clave de combinacin entre las tablas. Si los datos subyacentes lo permiten, los
atributos relacionados se pueden utilizar para especificar un criterio de ordenacin. Por ejemplo, puede crear un nuevo atributo que proporciona la lgica de ordenacin
para un atributo relacionado.
El Diseador de dimensiones permite definir relaciones adicionales entre atributos o cambiar las relaciones predeterminadas para incrementar el rendimiento. La
limitacin principal que existe al crear una relacin de atributo es asegurarse de que el atributo al que se hace referencia no tiene ms de un valor para ningn miembro
del atributo con el que est relacionado. Cuando se define una relacin entre dos atributos, se puede definir la relacin como rgida o flexible, en funcin de si las
relaciones entre los miembros cambiarn con el tiempo. Por ejemplo, un empleado podra cambiar de regin de venta, pero una ciudad nunca pasar a formar parte de
una provincia distinta. Si se define una relacin como rgida, las agregaciones de atributos no se calculan de nuevo cada vez que se procesa la dimensin de forma
incremental. No obstante, si la relacin entre los miembros cambia, la dimensin debe procesarse por completo. Para obtener ms informacin, vea Relaciones de
atributo, Definir relaciones de atributo, Configurar propiedades de relacin de los atributos y Especificar relaciones de atributo entre los atributos de una jerarqua
definida por el usuario.
En las tareas de este tema, definir un atributo nuevo en la dimensin Date basado en una columna existente de la tabla de dimensiones subyacente. Utilizar este
atributo nuevo para ordenar los miembros del mes natural cronolgicamente en lugar de ordenarlos alfabticamente. Tambin definir un atributo nuevo en la dimensin
Customer en funcin del clculo con nombre que utilizar para ordenar los miembros del atributo Commute Distance. En las tareas del tema siguiente, aprender a
utilizar las relaciones de atributo para incrementar el rendimiento de las consultas.
Definir una relacin de atributo y el criterio de ordenacin en la dimensin Date

1. Abra el Diseador de dimensiones para la dimensin Date y revise la propiedad OrderBy del atributo Month Name en la ventana Propiedades.
Observe que los miembros del atributo Month Name estn ordenados por sus valores de clave.
2. Cambie a la pestaa Explorador, compruebe que Calendar Date est seleccionado en la lista Jerarqua y, a continuacin, expanda los niveles de la jerarqua
definida por el usuario para revisar el criterio de ordenacin de los meses naturales.
Observe que los miembros de la jerarqua de atributo estn ordenados en funcin de los valores ASCII de las claves de sus miembros, que son el mes y el ao.
En este caso, si se ordena por el nombre o la clave del atributo, los meses naturales no se ordenan cronolgicamente. Para resolver este problema, ordenar
los miembros de la jerarqua de atributo en funcin de un atributo nuevo, el atributo MonthNumberOfYear. Crear este atributo tomando como base una
columna de la tabla de dimensiones Date.
3. Cambie a la pestaa Estructura de dimensin de la dimensin Date, haga clic con el botn secundario del mouse en MonthNumberOfYear en el panel Vista
del origen de datos y, a continuacin, haga clic en Nuevo atributo de la columna.
4. En el panel Atributos, seleccione Month Number Of Year y, a continuacin, establezca la propiedad AttributeHierarchyEnabled en False en la ventana
Propiedades, la propiedad AttributeHierarchyOptimizedState en NotOptimized y la propiedad AttributeHierarchyOrdered en False.
Estos parmetros ocultarn el atributo ante los usuarios y mejorarn el tiempo de procesamiento. Este atributo no se usar para examinar. Solo se utilizar para
ordenar los miembros de otro atributo.
Nota
Al ordenar alfabticamente las propiedades de la ventana Propiedades se simplificar esta tarea ya que las tres propiedades aparecern una al lado de la
otra.
5. Haga clic en la pestaa Relacin de atributo.
Observe que todos los atributos de la dimensin Date estn relacionados directamente con el atributo Date, que es el miembro de clave que relaciona los
miembros de dimensin con los hechos de los grupos de medida relacionados. No hay ninguna relacin definida entre el atributo Month Name y el atributo
Month Number Of Year.
6. En el diagrama, haga clic con el botn secundario en el atributo Month Name y seleccione Nueva relacin de atributo.
7. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Month Name. Establezca el Atributo relacionado en Month Number Of Year.
Las relaciones entre los miembros del atributo Month Name y del atributo Month Number Of Year no cambiarn con el tiempo. Como resultado, Analysis
Services no quitar las agregaciones de esta relacin durante el procesamiento incremental. Si se produce un cambio, el procesamiento generar un error
durante el procesamiento incremental y tendr que realizar el proceso completo de la dimensin. Ahora ya puede establecer el criterio de ordenacin de los
miembros de Month Name.
10. Haga clic en la pestaa Estructura de dimensin.
11. Seleccione Month Name en el panel Atributos y, a continuacin, cambie el valor de la propiedad OrderBy de la ventana Propiedades por AttributeKey y el
valor de la propiedad OrderByAttribute por Month Number Of Year.

12. En el men Generar, haga clic en Implementar Tutorial de Analysis Services.
13. Cuando la implementacin se haya completado correctamente, dirjase a la pestaa Explorador de la dimensin Date, haga clic en Volver a conectar y, a
continuacin, examine las jerarquas de usuario Calendar Date y Fiscal Date para comprobar que los meses estn ordenados cronolgicamente.
Observe que los meses ahora aparecen en orden cronolgico, como se muestra en la imagen siguiente.
Definir las relaciones de atributo y el criterio de ordenacin en la dimensin Customer

1. Cambie a la pestaa Explorador del Diseador de dimensiones para la dimensin Customer y, a continuacin, examine los miembros de la jerarqua de atributo
Commute Distance.
Observe que los miembros de la jerarqua de atributo estn ordenados en funcin de los valores ASCII de la clave de miembro. En este caso, si se ordena por el
nombre o la clave del atributo, las distancias para ir al trabajo no se ordenan de menor a mayor. En esta tarea, debe ordenar los miembros de la jerarqua de
atributo en funcin del clculo con nombre CommuteDistanceSort que atribuye el nmero de orden apropiado a cada valor distinto de la columna. Para
ahorrar tiempo, este clculo con nombre ya se ha agregado a la tabla Customer de la vista del origen de datos Adventure Works DW. Puede cambiar a esta
vista del origen de datos para ver el script SQL que se usa en este clculo con nombre. Para obtener ms informacin, vea Definir clculos con nombre en una
vista del origen de datos (Analysis Services).
En la imagen siguiente se muestran los miembros de la jerarqua de atributo Commute Distance, ordenados segn los valores ASCII de la clave de miembro.
2. Cambie a la pestaa Estructura de dimensin del Diseador de dimensiones de la dimensin Customer, haga clic con el botn secundario en
CommuteDistanceSort en la tabla Customer del panel Vista del origen de datos y, a continuacin, haga clic en Nuevo atributo de la columna.
3. En el panel Atributos, seleccione Commute Distance Sort y establezca la propiedad AttributeHierarchyEnabled de este atributo en False en la ventana
Propiedades, la propiedad AttributeHierarchyOptimizedState en NotOptimized y la propiedad AttributeHierarchyOrdered en False.
ordenar los miembros de otro atributo.
4. Seleccione Geography y, a continuacin, establezca su propiedad AttributeHierarchyVisible en False en la ventana Propiedades, la propiedad
AttributeHierarchyOptimizedState en NotOptimized y la propiedad AttributeHierarchyOrdered en False.
ordenar los miembros de otro atributo. Dado que Geography tiene propiedades de miembro, su propiedad AttributeHierarchyEnabled debe establecerse en
True. Por lo tanto, para ocultar el atributo, se debe establecer la propiedad AttributeHierarchyVisible en False.
6. En la lista de atributos, haga clic con el botn secundario en el atributo Commute Distance y, a continuacin, seleccione Nueva relacin de atributo.
7. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Commute Distance. Establezca el Atributo relacionado en Commute Distance
Sort.
La relacin entre los miembros del atributo Commute Distance y del atributo Commute Distance Sort no cambiar con el tiempo.
Ahora ya puede establecer el criterio de ordenacin del atributo Commute Distance.
11. En el panel Atributos, seleccione Commute Distance y cambie el valor de la propiedad OrderBy de la ventana Propiedades por AttributeKey, y el valor de la
propiedad OrderByAttribute por Commute Distance Sort.

13. Cuando la implementacin haya finalizado correctamente, vaya a la pestaa Examinador del Diseador de dimensiones de la dimensin Customer, haga clic en
Volver a conectar y examine la jerarqua de atributo Commute Distance.
Observe que los miembros de la jerarqua de atributo ahora estn clasificados en un orden lgico en funcin de una distancia cada vez mayor, como es muestra
en la imagen siguiente.

Especificar relaciones de atributo entre los atributos de una jerarqua definida por el usuario
Especificar relaciones de atributo entre los atributos de una

jerarqua definida por el usuario
SQL Server 2014
Como ya ha visto en este tutorial, es posible organizar jerarquas de atributo en niveles dentro de jerarquas de usuario para proporcionar rutas de navegacin a los
usuarios de un cubo. Una jerarqua de usuario puede representar una jerarqua natural, como una ciudad, un estado o un pas, o simplemente representar una ruta de
navegacin, como el nombre de un empleado, su cargo y el nombre de departamento. Para el usuario que navega por una jerarqua, estos dos tipos de jerarqua de
usuario son el mismo.
Con una jerarqua natural, si define relaciones de atributo entre los atributos que forman los niveles, Analysis Services puede utilizar una agregacin de un atributo para
obtener los resultados de un atributo relacionado. Si no hay ninguna relacin definida entre los atributos, Analysis Services agregar todos los atributos que no sean de
clave del atributo de clave. Por lo tanto, si los datos subyacentes lo permiten, debera definir relaciones de atributo entre atributos. La definicin de relaciones de atributo
mejora el rendimiento del procesamiento de las dimensiones, las particiones y las consultas. Para obtener ms informacin, vea Definir relaciones de atributo y Relaciones
de atributo.
Cuando se definen relaciones de atributo, se puede especificar que la relacin sea flexible o rgida. Si define una relacin rgida, Analysis Services retiene las agregaciones
cuando se actualiza la dimensin. Si la relacin que se define como rgida cambia, Analysis Services genera un error durante el proceso, a menos que la dimensin se
procese por completo. El rendimiento de la consulta y del procesamiento aumenta si se especifican las relaciones y las propiedades de relacin apropiadas. Para obtener
ms informacin, vea Definir relaciones de atributo y Propiedades de jerarqua de usuario.
En las tareas de este tema, debe definir relaciones de atributo para los atributos de las jerarquas de usuario naturales del proyecto Tutorial de Analysis Services. Estas
jerarquas son la jerarqua Customer Geography de la dimensin Customer, la jerarqua Sales Territory de la dimensin Sales Territory, la jerarqua Product Model
Lines de la dimensin Product y las jerarquas Fiscal Date y Calendar Date de la dimensin Date. Todas estas jerarquas de usuario son jerarquas naturales.
Definir relaciones de atributo para atributos de la jerarqua Customer Geography

1. Cambie al Diseador de dimensiones para la dimensin Customer y haga clic en la pestaa Estructura de dimensin.
En el panel Jerarquas, fjese en los niveles de la jerarqua definida por el usuario Customer Geography. Actualmente, esta jerarqua es simplemente una ruta
que permite a los usuarios ver detalles, ya que no se han definido relaciones entre niveles o atributos.
Observe las cuatro relaciones de atributo que vinculan los atributos que no son de clave de la tabla Geography con el atributo de clave de la tabla Geography.
El atributo Geography est relacionado con el atributo Full Name. El atributo Postal Code est vinculado de forma indirecta al atributo Full Name a travs del
atributo Geography, porque el atributo Postal Code est vinculado al atributo Geography y el atributo Geography est vinculado al atributo Full Name. A
continuacin, cambiaremos las relaciones de atributo para que no usen el atributo Geography.
3. En el diagrama, haga clic con el botn secundario en el atributo Full Name y seleccione Nueva relacin de atributo.
4. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Full Name. Establezca el Atributo relacionado en Postal Code. En la lista Tipo de
relacin, deje establecido el tipo de relacin en Flexible, ya que las relaciones entre los miembros pueden cambiar con el tiempo.
Aparece un icono de advertencia en el diagrama porque la relacin es redundante. La relacin Full Name -> Geography-> Postal Code ya exista, y acaba de
crear la relacin Full Name -> Postal Code. Ahora, la relacin Geography-> Postal Code es redundante, por lo que la quitaremos.
6. En el panel Relaciones de atributo, haga clic con el botn secundario en Geography-> Postal Code y, a continuacin, haga clic en Eliminar.
7. Cuando aparezca el cuadro de dilogo Eliminar objetos, haga clic en Aceptar.
8. En el diagrama, haga clic con el botn secundario en el atributo Postal Code y seleccione Nueva relacin de atributo.
9. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Postal Code. Establezca el Atributo relacionado en City. En la lista Tipo de
relacin, deje establecido el tipo de relacin en Flexible.
Ahora, la relacin Geography-> City es redundante y la eliminaremos.
11. En el panel Relaciones de atributo, haga clic con el botn secundario en Geography-> City y, a continuacin, haga clic en Eliminar.
13. En el diagrama, haga clic con el botn secundario en el atributo City y seleccione Nueva relacin de atributo.
14. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es City. Establezca el Atributo relacionado en State-Province. En la lista Tipo de
relacin, establezca el tipo de relacin en Rgida, ya que la relacin entre una ciudad y un estado no cambiar en el futuro.
16. Haga clic con el botn secundario en la flecha situada entre Geography y State-Province y, a continuacin, haga clic en Eliminar.
19. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es State-Province. Establezca el Atributo relacionado en Country-Region. En la lista
Tipo de relacin, establezca el tipo de relacin en Rgida, ya que la relacin entre un estadoprovincia y un pasregin no cambiar con el tiempo.
21. En el panel Relaciones de atributo, haga clic con el botn secundario en Geography-> Country-Region y, a continuacin, haga clic en Eliminar.
Observe que al eliminar la ltima relacin de atributo entre Geografa y otros atributos, se elimina Geografa. Esto se debe a que el atributo ya no se usa.
Definir relaciones de atributo para atributos de la jerarqua Sales Territory

1. Abra el Diseador de dimensiones para la dimensin Sales Territory y haga clic en la pestaa Relaciones de atributo.
2. En el diagrama, haga clic con el botn secundario en el atributo Sales Territory Country y, a continuacin, seleccione Nueva relacin de atributo.
3. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Sales Territory Country. Establezca el Atributo relacionado en Sales Territory
Group. En la lista Tipo de relacin, deje establecido el tipo de relacin en Flexible.
Sales Territory Group ahora est vinculado a Sales Territory Country, y Sales Territory Country est vinculado a Sales Territory Region. La propiedad
RelationshipType de cada una de estas relaciones se establece en Flexible porque las agrupaciones de las regiones dentro de un pas y las agrupaciones de
los pases en grupos pueden cambiar con el tiempo.
Definir relaciones de atributo para atributos de la jerarqua Product Model Lines

1. Abra el Diseador de dimensiones para la dimensin Product y haga clic en la pestaa Relaciones de atributo.
2. En el diagrama, haga clic con el botn secundario en el atributo Model Name y seleccione Nueva relacin de atributo.
3. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Model Name. Establezca el Atributo relacionado en Product Line. En la lista
Tipo de relacin, deje establecido el tipo de relacin en Flexible.
Definir relaciones de atributo para atributos de la jerarqua Fiscal Date

1. Cambie al Diseador de dimensiones para la dimensin Date y haga clic en la pestaa Relaciones de atributo.
3. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Month Name. Establezca el Atributo relacionado en Fiscal Quarter. En la lista
Tipo de relacin, establezca el tipo de relacin en Rgida.
5. En el diagrama, haga clic con el botn secundario en el atributo Fiscal Quarter y, a continuacin, seleccione Nueva relacin de atributo.
6. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Fiscal Quarter. Establezca el Atributo relacionado en Fiscal Semester. En la lista
8. En el diagrama, haga clic con el botn secundario en el atributo Fiscal Semester y, a continuacin, seleccione Nueva relacin de atributo.
9. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Fiscal Semester. Establezca el Atributo relacionado en Fiscal Year. En la lista
Definir relaciones de atributo para atributos de la jerarqua Calendar Date

2. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Month Name. Establezca el Atributo relacionado en Calendar Quarter. En la lista
4. En el diagrama, haga clic con el botn secundario en el atributo Calendar Quarter y, a continuacin, seleccione Nueva relacin de atributo.
5. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Calendar Quarter. Establezca el Atributo relacionado en Calendar Semester. En
la lista Tipo de relacin, establezca el tipo de relacin en Rgida.

7. En el diagrama, haga clic con el botn secundario en el atributo Calendar Semester y, a continuacin, seleccione Nueva relacin de atributo.
8. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Calendar Semester. Establezca el Atributo relacionado en Calendar Year. En la
lista Tipo de relacin, establezca el tipo de relacin en Rgida.
Definir relaciones de atributo para atributos de la jerarqua Geography

1. Abra el Diseador de dimensiones para la dimensin Geography y haga clic en la pestaa Relaciones de atributo.
2. En el diagrama, haga clic con el botn secundario en el atributo Postal Code y seleccione Nueva relacin de atributo.
3. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Postal Code. Establezca el Atributo relacionado en City. En la lista Tipo de
relacin, establezca el tipo de relacin en Flexible.
5. En el diagrama, haga clic con el botn secundario en el atributo City y seleccione Nueva relacin de atributo.
6. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es City. Establezca el Atributo relacionado en State-Province. En la lista Tipo de
relacin, establezca el tipo de relacin en Rgida.
9. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es State-Province. Establezca el Atributo relacionado en Country-Region. En la lista
11. En el diagrama, haga clic con el botn secundario en el atributo Geography Key y, a continuacin, seleccione Propiedades.
12. Establezca la propiedad AttributeHierarchyOptimizedState en NotOptimized, la propiedad AttributeHierarchyOrdered en False y la propiedad
AttributeHierarchyVisible en False.
14. En el men Generar de SQL Server Data Tools (SSDT), haga clic en Implementar Tutorial de Analysis Services.

Definir las propiedades de miembro desconocido y de procesamiento de valores NULL
Vea tambin
Conceptos
Propiedades de jerarqua de usuario
Definir las propiedades de miembro desconocido y de

procesamiento de valores NULL
SQL Server 2014
Cuando Analysis Services procesa una dimensin, todos los valores distintos de las columnas subyacentes de las tablas o las vistas de la vista del origen de datos rellenan
los atributos de la dimensin. Si Analysis Services encuentra una valor NULL durante el procesamiento, de forma predeterminada, convierte este valor NULL en un cero en
las columnas numricas o en una cadena vaca en las columnas de cadena. Puede modificar estas opciones predeterminadas o convertir los valores NULL en el proceso
de extraccin, transformacin y carga si existe del almacenamiento de datos relacional subyacente. Tambin puede hacer que Analysis Services convierta el valor NULL
en un valor determinado configurando tres propiedades: las propiedades UnknownMember y UnknownMemberName de la dimensin y la propiedad NullProcessing
del atributo clave de la dimensin.
El Asistente para dimensiones y el Asistente para cubos habilitarn estas propiedades dependiendo de si el atributo clave de una dimensin admite valores NULL o si el
atributo del elemento raz de una dimensin de copo de nieve se basa en una columna que puede admitir valores NULL. En estos casos, la propiedad NullProcessing del
atributo clave se establecer en UnknownMember y la propiedad UnknownMember se establecer en Visible.
No obstante, al crear dimensiones de copo de nieve incrementalmente, como se hace con la dimensin Product en este tutorial, o al definir dimensiones con el Diseador
de dimensiones y, a continuacin, incorporar estas dimensiones existentes en un cubo, puede que tenga que establecer manualmente las propiedades UnknownMember
y NullProcessing.
En las tareas de este tema, agregar los atributos de categora de producto y subcategora de producto en la dimensin Product de las tablas de copo de nieve que
agregar a la vista del origen de datos Adventure Works DW. Luego habilitar la propiedad UnknownMember para la dimensin Product, especificar Assembly
Components como valor de la propiedad UnknownMemberName, relacionar los atributos de Subcategory y Category con el atributo de nombre del producto y, por
ltimo, definir el control de errores personalizado para el atributo clave de miembro que vincula las tablas de copo de nieve.
Nota
Si ha agregado los atributos Subcategory y Category al definir originalmente el cubo del Tutorial de Analysis Services con el Asistente para cubos, estos pasos
deberan haberse ejecutado automticamente.
Revisar las propiedades de control de errores y de miembro desconocido en la dimensin

Product
1. Cambie al Diseador de dimensiones para la dimensin Product, haga clic en la pestaa Estructura de dimensin y, a continuacin, seleccione Product en el
panel Atributos.
De este modo, podr ver y modificar las propiedades de la dimensin propiamente dicha.
2. En la ventana Propiedades, revise las propiedades UnknownMember y UnknownMemberName.
Observe que la propiedad UnknownMember no est habilitada, porque su valor est establecido en Ninguno en lugar de Visible u Oculto, y que no se ha
especificado ningn nombre para la propiedad UnknownMemberName.
3. En la ventana Propiedades, seleccione (personalizada) en la celda de la propiedad ErrorConfiguration y luego expanda la coleccin de propiedades
ErrorConfiguration.
Establecer la propiedad ErrorConfiguration en (personalizada) permite ver los valores de configuracin de errores predeterminados, si no se cambia ningn
valor.
4. Revise las propiedades de configuracin de error de clave y clave NULL, pero no realice ningn cambio.
Observe que, de forma predeterminada, cuando se convierten las claves NULL en el miembro desconocido, el error de procesamiento asociado con esta
conversin se omite.
En la imagen siguiente se muestran los parmetros de propiedad para la coleccin de propiedades ErrorConfiguration.
5. Haga clic en la pestaa Explorador, compruebe que Product Model Lines est seleccionado en la lista Jerarqua y expanda All Products.
Observe los cinco miembros del nivel Product Line.
6. Expanda Components y, a continuacin, expanda el miembro sin etiqueta del nivel Model Name.
Este nivel contiene los componentes de ensamblado que se usan al crear otros componentes, empezando por el producto Adjustable Race, como se muestra
en la imagen siguiente.
Definir los atributos de tablas de copo de nieve y una jerarqua definida por el usuario Product
Category
1. Abra el Diseador de vistas del origen de datos para la vista del origen de datos Adventure Works DW, seleccione Reseller Sales en el panel Organizador de
diagramas y, a continuacin, haga clic en Agregar o quitar objetos en el men Vista del origen de datos de SQL Server Data Tools (SSDT).
Se abre el cuadro de dilogo Agregar o quitar tablas.
2. En la lista Objetos incluidos, seleccione DimProduct (dbo) y, a continuacin, haga clic en Agregar tablas relacionadas.
Se agregarn tanto DimProductSubcategory (dbo) como FactProductInventory (dbo). Quite FactProductInventory (dbo) de modo que solo se agregue la
tabla DimProductSubcategory (dbo) a la lista Objetos incluidos.
3. Con la tabla DimProductSubcategory (dbo) seleccionada de forma predeterminada como tabla que se agrega con ms frecuencia, haga clic de nuevo en
Agregar tablas relacionadas.
La tabla DimProductCategory (dbo) se agrega a la lista Objetos incluidos.
5. En el men Formato de SQL Server Data Tools, seleccione Diseo automtico y haga clic en Diagrama.
Observe que la tabla DimProductSubcategory (dbo) y la tabla DimProductCategory (cbo) estn vinculadas entre s y tambin a la tabla ResellerSales a travs
de la tabla Product.
6. Cambie al Diseador de dimensiones para la dimensin Product y haga clic en la pestaa Estructura de dimensin.
7. Haga clic con el botn secundario en el panel Vista del origen de datos y luego haga clic en Mostrar todas las tablas.
8. En el panel Vista del origen de datos, busque la tabla DimProductCategory, haga clic con el botn secundario en ProductCategoryKey en dicha tabla y, luego,
haga clic en Nuevo atributo de la columna.
9. En el panel Atributos, cambie el nombre de este nuevo atributo por Category.
10. En la ventana Propiedades, haga clic en el campo de la propiedad NameColumn y, a continuacin, haga clic en el botn Examinar ) para abrir el cuadro de
11. Seleccione EnglishProductCategoryName en la lista Columna de origen y haga clic en Aceptar.
12. En el panel Vista del origen de datos, busque la tabla DimProductSubcategory, haga clic con el botn secundario en ProductSubcategoryKey en dicha tabla y,
luego, haga clic en Nuevo atributo de la columna.
13. En el panel Atributos, cambie el nombre de este nuevo atributo por Subcategory.
14. En la ventana Propiedades, haga clic en el campo de la propiedad NameColumn y, a continuacin, haga clic en el botn Examinar para abrir el cuadro de
15. Seleccione EnglishProductSubcategoryName en la lista Columna de origen y, a continuacin, haga clic en Aceptar.
16. Cree una nueva jerarqua definida por el usuario denominada Product Categories con los niveles siguientes, por orden de arriba a abajo: Category,
Subcategory y Product Name.
17. Especifique All Products como valor para la propiedad AllMemberName de la jerarqua definida por el usuario Product Categories.
Examinar las jerarquas definidas por el usuario en la dimensin Product

1. En la barra de herramientas de la pestaa Estructura de dimensin del Diseador de dimensiones para la dimensin Product, haga clic en Procesar.
2. Haga clic en S para crear e implementar el proyecto y, a continuacin, haga clic en Ejecutar para procesar la dimensin Product.
3. Cuando el proceso se haya ejecutado correctamente, expanda Procesamiento de dimensin 'Product' finaliz correctamente en el cuadro de dilogo
Progreso del proceso, expanda Procesamiento de atributo de dimensin 'Product Name' finaliz correctamente y, a continuacin, expanda SQL queries 1.
4. Haga clic en la consulta SELECT DISTINCT y, a continuacin, haga clic en Ver detalles.
Observe que se ha agregado una clusula WHERE a la clusula SELECT DISTINCT que elimina los productos que no tienen ningn valor en la columna
ProductSubcategoryKey, como se muestra en la imagen siguiente.
5. Haga clic en Cerrar tres veces para cerrar todos los cuadros de dilogo de procesamiento.
6. Haga clic en la pestaa Explorador en el Diseador de dimensiones para la dimensin Product y, a continuacin, haga clic en Volver a conectar.
7. Compruebe que Product Model Lines aparece en la lista Jerarqua, expanda All Products y, a continuacin, expanda Components.
8. Seleccione Product Categories en la lista Jerarqua, expanda All Products y, a continuacin, expanda Components.
Observe que no aparece ningn componente de ensamblado.
Para modificar el comportamiento mencionado en la tarea anterior, habilitar la propiedad UnknownMember de la dimensin Products, establecer un valor para la
propiedad UnknownMemberName, establecer la propiedad NullProcessing para los atributos Subcategory y Model Name en UnknownMember, definir el
atributo Category como un atributo relacionado del atributo Subcategory y luego definir el atributo Product Line como un atributo relacionado del atributo Model
Name. Estos pasos harn que Analysis Services use el valor de nombre de miembro desconocido para cada producto que no tenga ningn valor para la columna
SubcategoryKey, como ver en la tarea siguiente.
Habilitar el miembro desconocido, definir las relaciones de atributo y especificar propiedades

de procesamiento personalizadas para valores NULL
1. Haga clic en la pestaa Estructura de dimensin del Diseador de dimensiones para la dimensin Product y, a continuacin, seleccione Product en el panel
Atributos.
2. En la ventana Propiedades, cambie la propiedad UnknownMember por Visible y, a continuacin, cambie el valor de la propiedad UnknownMemberName por
Assembly Components.
Al cambiar la propiedad UnknownMember por Visible u Oculto se habilita la propiedad UnknownMember para la dimensin.
4. En el diagrama, haga clic con el botn secundario en el atributo Subcategory y seleccione Nueva relacin de atributo.
5. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Subcategory. Establezca el Atributo relacionado en Category. Deje establecido el
tipo de relacin en Flexible.
7. En el panel Atributos, seleccione Subcategory.
8. En la ventana Propiedades, expanda la propiedad KeyColumns y, a continuacin, expanda la propiedad DimProductSubcategory.ProductSubcategoryKey
(Integer).
9. Cambie la propiedad NullProcessing por UnknownMember.
10. En el panel Atributos, seleccione Model Name.
11. En la ventana Propiedades, expanda la propiedad KeyColumns y, a continuacin, expanda la propiedad Product.ModelName (WChar).
12. Cambie la propiedad NullProcessing por UnknownMember.
Debido a estos cambios, cuando el proceso de Analysis Services detecte un valor NULL para el atributo Subcategory o el atributo Model Name, el valor de
miembro desconocido se sustituir como valor de clave y las jerarquas definidas por el usuario se generarn correctamente.
Examinar de nuevo la dimensin Product

1. En el men Compilar, haga clic en Tutorial de Implementar Analysis Services.
2. Cuando la implementacin haya finalizado correctamente, haga clic en la pestaa Explorador del Diseador de dimensiones para la dimensin Product y luego
haga clic en Volver a conectar.
3. Compruebe que Product Categories est seleccionado en la lista Jerarqua y expanda All Products.
Observe que aparece Assembly Components como nuevo miembro del nivel Category.
4. Expanda el miembro Assembly Components del nivel Category y luego expanda el miembro Assembly Components del nivel Subcategory .
Observe que todos los componentes de ensamblado ahora aparecen en el nivel Product Name, como se muestra en la ilustracin siguiente.
Leccin siguiente
Leccin 5: definir relaciones entre dimensiones y grupos de

medida
SQL Server 2014
En las lecciones anteriores de este tutorial, ha aprendido que las dimensiones de base de datos que se agregan a un cubo pueden utilizarse como base para una o ms
dimensiones de cubo. En esta leccin, aprender a definir distintos tipos de relaciones entre dimensiones de cubo y grupos de medida, as como a especificar las
propiedades de estas relaciones.
Para obtener ms informacin, vea Relaciones de dimensin y Defining and Configuring Dimension Usage and Dimension Relationships.
Nota
Definir una relacin referenciada

En esta tarea, aprender a vincular una dimensin a una tabla de hechos de forma indirecta a travs de una dimensin que est vinculada de forma directa a travs
de una relacin clave principalclave externa.
Definir una relacin de hechos
En esta tarea, aprende a definir una dimensin basada en datos de la tabla de hechos, y a definir la relacin de la dimensin como una relacin de hechos.
Definir una relacin de varios a varios
En esta tarea, aprende a relacionar un hecho con varios miembros de direccin a travs de la definicin de una relacin de varios a varios entre tablas de
dimensiones y tablas de hechos.
Definir la granularidad de las dimensiones en un grupo de medida
En esta tarea, aprende a modificar la granularidad de una dimensin para un grupo de medida especfico.
Leccin siguiente
Vea tambin
Conceptos
Relaciones de dimensin
Otros recursos
Defining and Configuring Dimension Usage and Dimension Relationships
Definir una relacin referenciada

SQL Server 2014
Hasta este punto del tutorial, cada dimensin de cubo que defini se basaba en una tabla que estaba directamente vinculada a la tabla de hechos para un grupo de
medida a travs de una relacin de clave principal a clave externa. En las tareas de este tema, debe vincular la dimensin Geography a la tabla de hechos de ventas por
distribuidor a travs de la dimensin Reseller, denominada dimensin de referencia. Esto permite a los usuarios dimensionar las ventas de distribuidor por geografa. Para
obtener ms informacin, vea Definir relaciones referenciadas y propiedades de las relaciones referenciadas.
Dimensionar las ventas de distribuidor por geografa

1. En el Explorador de soluciones, haga clic con el botn secundario en Tutorial de Analysis Services en la carpeta Cubos y, a continuacin, haga clic en
Examinar.
2. Elimine todas las jerarquas del panel de datos y compruebe que la medida Reseller Sales-Sales Amount aparece en el rea de datos de dicho panel.
Agrguela al panel de datos si no aparece.
3. Desde la dimensin Geography del panel de metadatos, arrastre la jerarqua definida por el usuario Geography hasta el rea Coloque campos de fila aqu de
dicho panel.
Observe que la medida Reseller Sales-Sales Amount no est bien dimensionada por los miembros del atributo Country-Region de la jerarqua Regions. El
valor de Reseller Sales-Sales Amount se repite para cada miembro de atributo Country-Region .
4. Abra el Diseador de vistas del origen de datos para la vista del origen de datos Adventure Works DW 2012.
5. En el panel Organizador de diagramas, vea la relacin entre las tablas Geography y ResellerSales.
Observe que no hay ningn vnculo directo entre estas tablas. No obstante, existe un vnculo indirecto entre estas tablas a travs de la tabla Reseller o de la
tabla SalesTerritory.
6. Haga doble clic en la flecha que representa la relacin entre las tablas Geography y Reseller.
En el cuadro de dilogo Editar relacin, observe que la columna GeographyKey es la clave principal en la tabla Geography y la clave externa en la tabla
Reseller.
7. Haga clic en Cancelar, cambie al Diseador de cubos para el cubo Tutorial de Analysis Services y, a continuacin, haga clic en la pestaa Uso de dimensiones.
Observe que la dimensin del cubo Geography actualmente no tiene ninguna relacin con el grupo de medida Internet Sales ni con el grupo de medida
Reseller Sales.
8. Haga clic en el botn de puntos suspensivos ) de la celda Full Name de la interseccin de la dimensin Customer y el grupo de medida Internet Sales.
En el cuadro de dilogo Definir relacin, observe que hay una relacin Regular definida entre la tabla de dimensiones DimCustomer y la tabla de grupos de
medida FactInternetSales basada en la columna CustomerKey de cada una de estas tablas. Todas las dems relaciones que ha definido en este tutorial hasta
este punto han sido relaciones regulares.
En la imagen siguiente se muestra el cuadro de dilogo Definir relacin con una relacin regular entre la tabla de dimensiones DimCustomer y la tabla de
grupos de medida FactInternetSales.
9. Haga clic en Cancelar.

10. Haga clic en el botn de puntos suspensivos de la celda sin nombre que se encuentra en la interseccin de la dimensin Geography y el grupo de medida
Reseller Sales.
En el cuadro de dilogo Definir relacin, observe que actualmente no hay ninguna relacin definida entre la dimensin del cubo Geography y el grupo de
medida Reseller Sales. No se puede definir una relacin regular porque no existe ninguna relacin directa entre la tabla de dimensiones de la dimensin
Geography y la tabla de hechos del grupo de medida Reseller Sales.
11. En la lista Seleccionar tipo de relacin, seleccione Referenciada.
Para definir una relacin referenciada, debe especificar una dimensin que est conectada directamente con la tabla del grupo de medida, denominada
dimensin intermedia, que Analysis Services pueda utilizar para vincular la dimensin de referencia a la tabla de hechos. Luego debe especificar el atributo que
vincula la dimensin de referencia a la dimensin intermedia.
12. En la lista Dimensin intermedia, seleccione Reseller.
La tabla subyacente para la dimensin Geography est vinculada a la tabla de hechos a travs de la tabla subyacente para la dimensin Reseller.
13. En la lista Atributo de dimensin de referencia, seleccione Geography Key y, luego, intente seleccionar Geography Key en la lista Atributo de dimensin
intermedia.
Observe que Geography Key no aparece en la lista Atributo de dimensin intermedia. Esto es as porque la columna GeographyKey no est definida como
atributo en la dimensin Reseller.
En la tarea siguiente, resolver este problema definiendo un atributo que se basa en la columna GeographyKey de la dimensin Reseller.
Definir el atributo de la dimensin intermedia y la relacin de la dimensin referenciada

1. Abra el Diseador de dimensiones para la dimensin Reseller y vea las columnas de la tabla Reseller del panel Vista del origen de datos y los atributos
definidos en la dimensin Reseller del panel Atributos.
Observe que, aunque GeographyKey est definida como columna en la tabla Reseller, no se ha definido ningn atributo en la dimensin Reseller basado en esta
columna. Geography se ha definido como atributo de dimensin en la dimensin Geography porque es la columna de clave que vincula la tabla subyacente para
dicha dimensin a la tabla de hechos.
2. Para agregar un atributo Geography Key a la dimensin Reseller, haga clic con el botn secundario del mouse en GeographyKey en el panel Vista del origen
de datos y, a continuacin, haga clic en Nuevo atributo de la columna.
3. En el panel Atributos, seleccione Geography Key y, a continuacin, en la ventana de propiedades, establezca la propiedad AttributeHierarchyOptimizedState
en NotOptimized, la propiedad AttributeHierarchyOrdered en False y la propiedad AttributeHierarchyVisible en False.
El atributo Geography Key de la dimensin Reseller solamente se utilizar para vincular la dimensin Geography a la tabla de hechos Reseller Sales. Puesto que
no se utilizar para examinar, definir esta jerarqua de atributo como visible no aporta ningn valor. Adems, ordenar y optimizar la jerarqua de atributo solo
afectara negativamente al proceso. No obstante, el atributo debe estar habilitado para poder servir como vnculo entre las dos dimensiones.
4. Cambie al Diseador de cubos para el cubo Tutorial de Analysis Services, haga clic en la pestaa Uso de dimensiones y, a continuacin, haga clic en el botn de
puntos suspensivos ( que se encuentra en la interseccin del grupo de medida Reseller Sales y la dimensin de cubo Geography.
6. En la lista Dimensin intermedia, seleccione Reseller.
7. En la lista Atributo de dimensin de referencia, seleccione Geography Key y, a continuacin, seleccione Geography Key en la lista Atributo de dimensin
intermedia.
Observe que la casilla Materializar est activada. sta es la configuracin predeterminada de las dimensiones MOLAP. Materializar el vnculo del atributo de la
dimensin hace que, durante el proceso, el valor del vnculo entre la tabla de hechos y la dimensin de referencia de cada fila se materialice, o almacene, en la
estructura MOLAP de la dimensin. Esto tendr un efecto menor en el rendimiento del proceso y en los requisitos de almacenamiento, pero aumentar el
rendimiento de la consulta (en ocasiones de forma significativa).
Observe que la dimensin de cubo Geography ahora est vinculada al grupo de medida Reseller Sales. El icono indica que la relacin es una relacin de
dimensin referenciada.
9. En la lista Dimensiones de la pestaa Uso de dimensiones, haga clic con el botn secundario en Geography y, a continuacin, haga clic en Cambiar nombre.
10. Cambie el nombre de esta dimensin de cubo por Reseller Geography.
Puesto que esta dimensin de cubo ahora est vinculada al grupo de medida Reseller Sales, los usuarios se beneficiarn de definir explcitamente su uso en el
cubo, con el fin de evitar una posible confusin de los usuarios.
Dimensionar correctamente las ventas de distribuidor por geografa

2. Cuando la implementacin se haya completado correctamente, haga clic en la pestaa Explorador del Diseador de cubos para el cubo Tutorial de Analysis
Services y, a continuacin, haga clic en el botn Volver a conectar.
3. En el panel de metadatos, expanda Reseller Geography, haga clic con el botn secundario del mouse en Geographies y, a continuacin, haga clic en Agregar a
rea de fila.
Observe que la medida Reseller Sales-Sales Amount no aparece bien dimensionada por el atributo Country-Region de la jerarqua definida por el usuario
Geographies, como se muestra en la imagen siguiente.

Vea tambin
Conceptos
Relaciones de atributo
Definir relaciones referenciadas y propiedades de las relaciones referenciadas

SQL Server 2014
A veces, los usuarios desean poder dimensionar las medidas segn los elementos de datos que se encuentran en la tabla de hechos o realizar consultas en la tabla de
hechos sobre determinada informacin relacionada adicional, como nmeros de factura o nmeros de pedidos de compra relacionados con hechos de venta especficos.
Cuando se define una dimensin basada en un elemento de tabla de hechos de este tipo, la dimensin se conoce como dimensin de hechos. Las dimensiones de hechos
tambin se denominan dimensiones degeneradas. Las dimensiones de hechos son tiles para agrupar filas de tablas de hechos relacionadas, como todas las filas que
estn relacionadas con un nmero de factura determinado. Aunque esta informacin puede colocarse en una tabla de dimensiones independiente de la base de datos
relacional, crear una tabla de dimensiones independiente para la informacin no supone ninguna ventaja, ya que la tabla de dimensiones crecer al mismo ritmo que la
tabla de hechos, y simplemente creara datos duplicados y una complejidad innecesaria.
En Analysis Services, puede determinar si los datos de las dimensiones de hechos deben duplicarse en una estructura de dimensiones MOLAP para incrementar el
rendimiento de las consultas o si es necesario definir una dimensin de hechos como dimensin ROLAP para ahorrar espacio a costa del rendimiento de las consultas.
Cuando se almacena una dimensin en modo de almacenamiento MOLAP, todos los miembros de la dimensin se almacenan en la instancia de Analysis Services en una
estructura MOLAP muy comprimida, adems de almacenarse en las particiones del grupo de medida. Cuando se almacena una dimensin con el modo de
almacenamiento ROLAP, en la estructura MOLAP solo se almacena la definicin de la dimensin, y, en el momento de la consulta, los miembros de la dimensin
propiamente dichos se consultan desde la tabla de hechos relacionales subyacente. El modo de almacenamiento adecuado se decide en funcin de la frecuencia con la
que se consultan las dimensiones de hechos, el nmero de filas que devuelve una consulta tpica, el rendimiento de la consulta y el costo de procesamiento. Para definir
una dimensin como ROLAP, no es necesario almacenar todos los cubos que utilizan la dimensin con el mismo modo de almacenamiento ROLAP. El modo de
almacenamiento de cada dimensin se puede configurar independientemente.
Cuando define una dimensin de hechos, puede definir la relacin entre la dimensin de hechos y el grupo de medida como relacin de hechos. Las relaciones de hechos
presentan estas limitaciones:
El atributo de granularidad debe encontrarse en la columna de clave de la dimensin, que crea una relacin uno a uno entre la dimensin y los hechos de la tabla
de hechos.
Una dimensin puede tener una relacin de hechos con un solo grupo de medida.
Nota
Las dimensiones de hechos deben actualizarse de forma incremental despus de cada actualizacin realizada en el grupo de medida al que hace referencia la relacin
de hechos.
Para obtener ms informacin, vea Relaciones de dimensin y Definir relaciones de hechos y propiedades de las relaciones de hechos.
En las tareas de este tema, debe agregar una nueva dimensin de cubo basada en la columna CustomerPONumber de la tabla de hechos FactInternetSales. A
continuacin, debe definir la relacin entre esta nueva dimensin de cubo y el grupo de medida Internet Sales como relacin de hechos.
Definir la dimensin de hechos de los pedidos de ventas por Internet

1. En el Explorador de soluciones, haga clic con el botn secundario en Dimensiones y, a continuacin, haga clic en Nueva dimensin.
5. En la lista Tabla principal, seleccione InternetSales.
6. Compruebe que aparecen SalesOrderNumber y SalesOrderLineNumber en la lista Columnas de clave.
7. En la lista Columna de nombre, seleccione SalesOrderLineNumber.
9. En la pgina Seleccionar tablas relacionadas, desactive las casillas que aparecen al lado de todas las tablas y, a continuacin, haga clic en Siguiente.
10. En la pgina Seleccionar los atributos de la dimensin, haga clic dos veces en la casilla del encabezado para desactivar todas las casillas. El atributo Sales
Order Number seguir seleccionado porque es el atributo clave.
11. Seleccione el atributo Customer PO Number y, a continuacin, haga clic en Siguiente.
12. En la pgina Finalizacin del asistente, cambie el nombre por Internet Sales Order Details y, a continuacin, haga clic en Finalizar para completar el asistente.
14. En el panel Atributos del Diseador de dimensiones para la dimensin Internet Sales Order Details, seleccione Sales Order Number y, a continuacin, cambie
la propiedad Nombre de la ventana de propiedades por Item Description.
15. En la celda de la propiedad NameColumn, haga clic en el botn Examinar . En el cuadro de dilogo Columna de nombre, seleccione Product en la lista
Tabla de origen, seleccione EnglishProductName en Columna de origen y, a continuacin, haga clic en Aceptar.
16. Agregue el atributo Sales Order Number a la dimensin arrastrando la columna SalesOrderNumber de la tabla InternetSales del panel Vista del origen de
datos al panel Atributos.
17. Cambie la propiedad Nombre del nuevo atributo Sales Order Number por Order Number y cambie la propiedad OrderBy por Key.
18. En el panel Jerarquas, cree una jerarqua de usuario Internet Sales Orders que contenga los niveles Order Number e Item Description, en este orden.
19. En el panel Atributos, seleccione Internet Sales Order Details y luego revise el valor de la propiedad StorageMode de la ventana Propiedades.
Observe que, de forma predeterminada, esta dimensin est almacenada como dimensin MOLAP. Aunque cambiar el modo de almacenamiento por ROLAP
supondr un ahorro de tiempo de procesamiento y espacio de almacenamiento, esto es as a costa del rendimiento de las consultas. Para este tutorial, utilizar
MOLAP como modo de almacenamiento.
20. Para agregar la dimensin que acaba de crear al cubo Tutorial de Analysis Services como una dimensin de cubo, cambie al Diseador de cubos. En la pestaa
Estructura de cubo, haga clic con el botn secundario del mouse en el panel Dimensiones y seleccione Agregar dimensin de cubo.
21. En el cuadro de dilogo Agregar dimensin de cubo, seleccione Internet Sales Order Details y, a continuacin, haga clic en Aceptar.
Definir una relacin de hechos para la dimensin de hechos

1. En el Diseador de cubos del cubo Tutorial de Analysis Services, haga clic en la pestaa Uso de dimensiones.
Observe que la dimensin de cubo Internet Sales Order Details est configurada automticamente con una relacin de hechos, como indica el icono nico.
2. Haga clic en el botn Examinar ) de la celda Item Description, situada en la interseccin del grupo de medida Internet Sales con la dimensin Internet Sales
Order Details, para revisar las propiedades de la relacin de hecho.
Se abre el cuadro de dilogo Definir relacin. Observe que no puede configurar ninguna de las propiedades.
En la imagen siguiente se muestran las propiedades de la relacin de hechos en el cuadro de dilogo Definir relacin.
Examinar el cubo utilizando la dimensin de hecho

1. En el men Compilar, haga clic en Tutorial de Implementar Analysis Services para implementar los cambios realizados en la instancia de Analysis Services y
procesar la base de datos.
3. Borre todas las medidas y las jerarquas del panel de datos y, a continuacin, agregue la medida Internet Sales-Sales Amount al rea de datos de dicho panel.
4. En el panel de metadatos, expanda sucesivamente Customer, Location, Customer Geography, Members, All Customers, Australia, Queensland, Brisbane y
4000, haga clic con el botn secundario en Adam Powell y, a continuacin, haga clic en Agregar a filtro.
La aplicacin de un filtro para limitar los pedidos de venta que se devuelven a un nico cliente permite al usuario obtener detalles en una tabla de hechos de
gran tamao sin tener que sufrir una notable prdida en el rendimiento de las consultas.
5. Agregue la jerarqua definida por el usuario Internet Sales Orders de la dimensin Internet Sales Order Details al rea de filas del panel de datos.
Observe que en el panel de datos aparecen los nmeros de pedidos de venta y los importes correspondientes de ventas por Internet para Adam Powell.
En la imagen siguiente se muestra el resultado de los pasos anteriores.

Vea tambin
Conceptos
Definir relaciones de hechos y propiedades de las relaciones de hechos

SQL Server 2014
Generalmente, cuando se define una dimensin cada hecho se combina con un nico miembro de dimensin, mientras que un mismo miembro puede estar asociado a
varios hechos distintos. Por ejemplo, cada cliente puede tener varios pedidos, pero cada pedido pertenece a un solo cliente. En terminologa de bases de datos
relacionales, esto se conoce como relacin de uno a varios. No obstante, algunas veces un nico hecho puede combinarse con varios miembros de dimensin. En
terminologa de bases de datos relacionales, esto se conoce como relacin de varios a varios. Por ejemplo, un cliente puede tener varios motivos para realizar una
compra, y un motivo de compra puede estar asociado a varias compras. Para definir los motivos de venta que se relacionan con cada compra, se utiliza una tabla de
combinacin. Una dimensin de motivo de venta creada a partir de relaciones de este tipo tendra varios miembros que estaran relacionados a una nica transaccin de
venta. Las dimensiones de varios a varios amplan el modelo dimensional ms all del esquema de estrella y admiten anlisis complejos cuando las dimensiones no estn
directamente relacionadas con una tabla de hechos.
En Analysis Services, para definir una relacin de varios a varios entre una dimensin y un grupo de medida se especifica una tabla de hechos intermedia que est
combinada con la tabla de dimensiones. Una tabla de hechos intermedia, a su vez, se combina con una tabla de dimensiones intermedia con la que la tabla de hechos
est combinada. Las relaciones de varios a varios entre la tabla de hechos intermedia y las tablas de dimensiones de la relacin y la dimensin intermedia crean las
relaciones de varios a varios entre los miembros de dimensin primaria y las medidas del grupo de medida especificado por la relacin. Para definir una relacin de
varios a varios entre una dimensin y un grupo de medida a travs de un grupo de medida intermedio, el grupo de medida intermedio debe compartir una o varias
dimensiones con el grupo de medida original.
Con una dimensin de varios a varios, los valores distintos se suman, lo que significa que no se agregan ms de una vez al miembro Todos.
Nota
Para poder admitir una relacin de dimensiones de varios a varios, debe definir una relacin de clave principal a clave externa en la vista del origen de datos entre
todas las tablas implicadas. De lo contrario, no podr seleccionar el grupo de medida intermedio correcto cuando establezca la relacin en la pestaa Uso de
dimensiones del Diseador de cubos.
Para obtener ms informacin, vea Relaciones de dimensin y Definir una relacin de varios a varios y las propiedades de las relaciones de varios a varios.
En las tareas de este tema, debe definir la dimensin Sales Reasons y el grupo de medida Sales Reasons, y definir una relacin de varios a varios entre la dimensin Sales
Reasons y el grupo de medida Internet Sales a travs del grupo de medida Sales Reasons.
Agregar tablas necesarias a la vista del origen de datos

1. Abra el Diseador de vistas del origen de datos para la vista del origen de datos Adventure Works DW 2012.
2. Haga clic con el botn secundario en cualquier lugar del panel Organizador de diagramas, haga clic en Nuevo diagrama y especifique Internet Sales Order
Reasons como nombre de este nuevo diagrama.
3. Arrastre la tabla InternetSales al panel Diagrama desde el panel Tablas.
4. Haga clic con el botn secundario en cualquier punto del panel Diagrama y, a continuacin, haga clic en Agregar o quitar tablas.
5. En el cuadro de dilogo Agregar o quitar tablas, agregue la tabla DimSalesReason y la tabla FactInternetSalesReason a la lista Objetos incluidos y haga clic
en Aceptar.
Observe que las relaciones de clave principal a clave externa entre las tablas que estn implicadas se establecen automticamente, ya que dichas relaciones
estn definidas en la base de datos relacional subyacente. Si dichas relaciones no se hubiesen definido en la base de datos relacional subyacente, tendra que
definirlas en la vista del origen de datos.
6. En el men Formato, seleccione Diseo automtico y haga clic en Diagrama.
7. En la ventana Propiedades, cambie la propiedad FriendlyName de la tabla DimSalesReason por SalesReason y, a continuacin, cambie la propiedad
FriendlyName de la tabla FactInternetSalesReason por InternetSalesReason.
8. En el panel Tablas, expanda InternetSalesReason (dbo.FactInternetSalesReason), haga clic en SalesOrderNumber y, luego, revise la propiedad DataType para
esta columna de datos en la ventana Propiedades.
Observe que el tipo de datos para la columna SalesOrderNumber es un tipo de datos de cadena.
9. Revise los tipos de datos de las dems columnas de la tabla InternetSalesReason.
Observe que los datos de las otras dos columnas de esta tabla son de tipo numrico.
10. En el panel Tablas, haga clic con el botn secundario en InternetSalesReason (dbo.FactInternetSalesReason) y seleccione Explorar datos.
Observe que, para cada nmero de lnea de cada pedido, un valor clave identifica el motivo de venta para la compra del artculo de la lnea, como se muestra en
la imagen siguiente.
Definir el grupo de medida intermedio

1. Cambie al Diseador de cubos para el cubo Tutorial de Analysis Services y haga clic en la pestaa Estructura de cubo.
2. Haga clic con el botn secundario en cualquier punto del panel Medidas y, despus, haga clic en Nuevo grupo de medida. Para obtener ms informacin, vea
Medidas y grupos de medida en modelos multidimensionales.
3. En el cuadro de dilogo Nuevo grupo de medida, seleccione InternetSalesReason en la lista Seleccione una tabla en la vista del origen de datos y haga clic
en Aceptar.
Observe que el grupo de medida Internet Sales Reason ahora aparece en el panel Medidas.
4. Expanda el grupo de medida Internet Sales Reason.
Como puede observar, solo hay una medida definida para este nuevo grupo de medida, la medida Internet Sales Reason Count.
5. Seleccione Internet Sales Reason Count y revise las propiedades de esta medida en la ventana Propiedades.
Observe que la propiedad AggregateFunction para esta medida est definida como Recuento en lugar de como Suma. Analysis Services seleccion Recuento
porque el tipo de datos subyacente es un tipo de datos de cadena. Las otras dos columnas de la tabla de hechos subyacente no estaban seleccionadas como
medias porque Analysis Services las detect como claves numricas y no como medidas reales. Para obtener ms informacin, vea Definir el comportamiento de
suma parcial.
6. En la ventana Propiedades, cambie la propiedad Visible de la medida Internet Sales Reason Count a False.
Esta medida solo podr utilizarse para combinar la dimensin Sales Reason que definir junto al grupo de medida Internet Sales. Los usuarios no examinarn
esta medida directamente.
En la ilustracin siguiente se muestran las propiedades de la medida Internet Sales Reason Count.
Definir la dimensin de varios a varios

1. En el Explorador de soluciones, haga clic con el botn secundario en Dimensiones y, a continuacin, haga clic en Nueva dimensin.
5. En la lista Tabla principal, seleccione SalesReason.
6. En la lista Columnas de clave, compruebe que aparece SalesReasonKey.
7. En la lista Columna de nombre, seleccione SalesReasonName.

9. En la pgina Seleccionar los atributos de la dimensin, el atributo Sales Reason Key se selecciona automticamente porque es el atributo clave. Active la
casilla situada junto al atributo Sales Reason Reason Type, cambie su nombre por Sales Reason Type y, a continuacin, haga clic en Siguiente.
10. En la pgina Finalizacin del asistente, haga clic en Finalizar para crear la dimensin Sales Reason.
12. En el panel Atributos del Diseador de dimensiones para la dimensin Sales Reason, seleccione Sales Reason Key y, a continuacin, cambie la propiedad
Nombre de la ventana Propiedades por Sales Reason.
13. En el panel Jerarquas del Diseador de dimensiones, cree una jerarqua de usuario denominada Sales Reasons que contenga el nivel Sales Reason Type y el
nivel Sales Reason, en este orden.
14. En la ventana Propiedades, defina All Sales Reasons como valor de la propiedad AllMemberName de la jerarqua Sales Reasons.
15. Defina All Sales Reasons como valor de la propiedad AttributeAllMemberName de la dimensin Sales Reason.
16. Para agregar la dimensin que acaba de crear al cubo Tutorial de Analysis Services como una dimensin de cubo, cambie al Diseador de cubos. En la pestaa
Estructura de cubo, haga clic con el botn secundario en el panel Dimensiones y seleccione Agregar dimensin de cubo.
17. En el cuadro de dilogo Agregar dimensin de cubo, seleccione Sales Reason y, a continuacin, haga clic en Aceptar.
Definir la relacin de varios a varios

1. Cambie al Diseador de cubos para el cubo Tutorial de Analysis Services y haga clic en la pestaa Uso de dimensiones.
Observe que la dimensin Sales Reason tiene una relacin regular definida con el grupo de medida Internet Sales Reason, pero no tiene ninguna relacin
definida con los grupos de medida Internet Sales ni Reseller Sales. Observe tambin que la dimensin Internet Sales Order Details tiene una relacin normal
definida con la dimensin Internet Sales Reason, que a su vez tiene una relacin de hechos con el grupo de medida Internet Sales. Si esta dimensin no
estaba presente u otra dimensin con una relacin con Internet Sales Reason y el grupo de medida Internet Sales no estaban presentes, no se podra definir
la relacin de varios a varios.
2. Haga clic en la celda en la interseccin del grupo de medida Internet Sales y la dimensin Sales Reasons y, a continuacin, haga clic en el botn Examinar ).
3. En el cuadro de dilogo Definir relacin, seleccione Varios a varios en la lista Seleccionar tipo de relacin.
Debe definir el grupo de medida intermedio que conecta la dimensin Sales Reason al grupo de medida Internet Sales.
4. En la lista Grupo de medida intermedio, seleccione Internet Sales Reason.
En la imagen siguiente se muestran los cambios realizados en el cuadro de dilogo Definir relacin.

Observe el icono de varios a varios que representa la relacin existente entre la dimensin Sales Reason y el grupo de medida Internet Sales.
Examinar el cubo y la dimensin de varios a varios

2. Cuando la implementacin se haya completado correctamente, cambie a la pestaa Explorador del Diseador de cubos para el cubo Tutorial de Analysis
Services y, a continuacin, haga clic en Volver a conectar.

3. Agregue la medida Internet Sales-Sales Amount al rea de datos del panel de datos.
4. Agregue la jerarqua definida por el usuario Sales Reason de la dimensin Sales Reason al rea de filas del panel de datos.
5. En el panel de metadatos, expanda sucesivamente Customer, Location, Customer Geography, Members, All Customers y Australia, haga clic con el botn
secundario en Queensland y, a continuacin, haga clic en Agregar a filtro.
6. Expanda cada miembro del nivel Sales Reason Type para revisar los valores en dlares que estn asociados a cada razn que un cliente de Queensland indic
para su compra de un producto de Adventure Works a travs de Internet.
Observe que los totales que estn asociados con cada motivo de ventas se suman y dan lugar a un valor superior a las ventas totales. Esto es as porque
algunos clientes citaron varios motivos para su compra.
En la imagen siguiente se muestran los paneles Filtro y Datos del Diseador de cubos.

Definir la granularidad de las dimensiones en un grupo de medida
Vea tambin
Conceptos
Trabajar con diagramas en el Diseador de vistas del origen de datos Analysis Services
Definir una relacin de varios a varios y las propiedades de las relaciones de varios a varios
Definir la granularidad de las dimensiones en un grupo de

medida
SQL Server 2014
Los usuarios desearn dimensionar los datos de hechos con una granularidad o especificidad distinta para distintos objetivos. Por ejemplo, los datos de venta para las
ventas de proveedor o ventas por Internet pueden registrarse cada da, mientras que es posible que la informacin sobre cuotas de venta solo exista en el nivel de mes o
trimestre. En estos casos, los usuarios desearn una dimensin de tiempo con otra granularidad o un nivel de detalle distinto para cada una de las distintas tablas de
hechos. Si bien puede definirse una nueva dimensin de base de datos como una dimensin de tiempo con esta granularidad diferente, hay una forma ms fcil de
hacerlo con Analysis Services.
De forma predeterminada, cuando en Analysis Services se usa una dimensin dentro de un grupo de medida, el nivel de detalle de los datos de esa dimensin se basa en
el atributo clave de la dimensin. Por ejemplo, cuando se incluye una dimensin de tiempo en un grupo de medida y el nivel de detalle predeterminado de la dimensin
de tiempo es diariamente, el nivel de detalle predeterminado de dicha dimensin dentro del grupo de medida es diariamente. Esto es a menudo muy apropiado, como
en el caso de los grupos de medida Internet Sales y Reseller Sales de este tutorial. No obstante, cuando se incluye una dimensin de este tipo en otros tipos de grupos
de medida, como en el grupo de medida de cuotas de venta o de presupuestos, generalmente es ms apropiado utilizar un nivel de detalle mensual o trimestral.
Para especificar un nivel de detalle para una dimensin de cubo que no sea el predeterminado, debe modificar el atributo de granularidad para una dimensin de cubo
como se utiliza en un grupo de medida determinado en la pestaa Uso de dimensiones del Diseador de cubos. Si cambia el nivel de detalle de una dimensin de un
grupo de medida especfico por un atributo distinto del atributo clave de dicha dimensin, debe garantizar que todos los dems atributos del grupo de mensaje estn
directa o indirectamente relacionados con el nuevo atributo de granularidad. Para ello, debe especificar las relaciones de atributo entre todos los dems atributos y el
atributo que se ha especificado como atributo de granularidad en el grupo de medida. En este caso, se definen relaciones de atributo adicionales en vez de mover
relaciones de atributo. El atributo que se especifica como atributo de granularidad se convierte efectivamente en el atributo clave del grupo de medida para el resto de
atributos de la dimensin. Si no especifica correctamente las relaciones de atributo, Analysis Services no podr agregar los valores de forma correcta, como ver en las
tareas de este tema.
Para obtener ms informacin, vea Relaciones de dimensin y Definir relaciones normales y propiedades de las relaciones normales.
En las tareas de este tema, debe agregar un grupo de medida Sales Quotas y definir la granularidad de la dimensin Date en este grupo de modo que sea mensual.
Despus debe definir las relaciones de atributo existentes entre el atributo de mes y otros atributos de dimensin para asegurarse de que Analysis Services agregue los
valores correctamente.
Agregar tablas y definir el grupo de medida Sales Quotas

1. Cambie a la vista del origen de datos Adventure Works DW 2012.
2. Haga clic con el botn secundario en cualquier lugar del panel Organizador de diagramas, haga clic en Nuevo diagrama y, a continuacin, asigne al diagrama
el nombre Sales Quotas.
3. Arrastre las tablas Employee, Sales Territory y Date desde el panel Tablas hasta el panel Diagrama.
4. Agregue la tabla FactSalesQuota al panel Diagrama haciendo clic con el botn secundario en cualquier punto del panel Diagrama y seleccionando Agregar o
quitar tablas.
Observe que la tabla SalesTerritory est vinculada a la tabla FactSalesQuota a travs de la tabla Employee.
5. Revise las columnas de la tabla FactSalesQuota y, a continuacin, explore los datos de la tabla.
Observe que el nivel de detalle de los datos de esta tabla es trimestre natural, que es el nivel ms bajo de detalle de la tabla FactSalesQuota.
6. En el Diseador de vistas del origen de datos, cambie la propiedad FriendlyName de la tabla FactSalesQuota a SalesQuotas.
7. Cambie al cubo Tutorial de Analysis Services y haga clic en la pestaa Estructura de cubo.
8. Haga clic con el botn secundario en cualquier lugar del panel Medidas, haga clic en Nuevo grupo de medida, haga clic en SalesQuotas en el cuadro de
dilogo Nuevo grupo de medida y, a continuacin, haga clic en Aceptar.
Aparece el grupo de medida Sales Quotas en el panel Medidas. Observe que, en el panel Dimensiones, tambin se define una dimensin de cubo Date nueva,
basada en la dimensin Date de la base de datos. Se define una dimensin de cubo nueva relacionada con el tiempo porque Analysis Services no sabe qu
dimensin de las existentes en el cubo y relacionada con el tiempo debe relacionar con la columna DateKey de la tabla de hechos FactSalesQuota subyacente
del grupo de medida Sales Quotas. Cambiar este valor ms adelante en otra tarea de este tema.
9. Expanda el grupo de medida Sales Quotas.
10. En el panel Medidas, seleccione Sales Amount Quota y, a continuacin, establezca el valor de la propiedad FormatString en Currency en la ventana
Propiedades.
11. Seleccione la medida Sales Quotas Count y, a continuacin, escriba #,# como el valor para la propiedad FormatString en la ventana de propiedades.
12. Suprima la medida Calendar Quarter del grupo de medida Sales Quotas.
Analysis Services ha detectado la columna que subyace en la medida Calendar Quarter como columna que contiene medidas. No obstante, esta columna y la
columna CalendarYear contienen los valores que ms adelante en este tema utilizar para vincular el grupo de medida Sales Quotas con la dimensin Date.
13. En el panel Medidas, haga clic con el botn secundario en el grupo de medida Sales Quotas y luego haga clic en Nueva medida. Para obtener ms
informacin, vea Defining and Configuring a Measure.
Se abre el cuadro de dilogo Nueva medida, que contiene las columnas de origen disponibles para una medida con un tipo de uso Suma.
14. En el cuadro de dilogo Nueva medida, seleccione Recuento distinto en la lista Uso, compruebe que SalesQuotas est seleccionado en la lista Tabla de
origen, seleccione EmployeeKey en la lista Columna de origen y haga clic en Aceptar.
Observe que la medida se crea en un grupo de medida nuevo denominado Sales Quotas 1. A fin de maximizar el rendimiento del procesamiento, en SQL Server
se crean medidas de recuento distintas en los grupos de medida correspondientes.
15. Cambie el valor de la propiedad Nombre de la medida Employee Key Distinct Count por Sales Person Count y, a continuacin, escriba #,# como el valor para
la propiedad FormatString.
Examinar las medidas del grupo de medida Sales Quota por fecha
3. Haga clic en el acceso directo de Excel y, a continuacin, haga clic en Habilitar.
4. En la lista de campos de tabla dinmica, expanda el grupo de medida Sales Quotas y arrastre la medida Sales Amount Quota hasta el rea Valores.
5. Expanda la dimensin Territorio de ventas y arrastre la jerarqua definida por el usuario Territorios de ventas hasta las etiquetas de fila.
Observe que la dimensin de cubo Sales Territory no est relacionada, directa ni indirectamente, con la tabla de hechos Sales Quota, como se muestra en la
imagen siguiente.
En la prxima serie de pasos de este tema definir una relacin de dimensin de referencia entre esta dimensin y esta tabla de hechos.
6. Mueva la jerarqua de usuario Territorios de ventas del rea Etiquetas de fila al rea Etiquetas de columna.
7. En la lista de campos de tabla dinmica, seleccione la jerarqua definida por el usuario Territorios de ventas y haga clic en la flecha hacia abajo de la derecha.
8. En el filtro, haga clic en la casilla Seleccionar todo para desactivar todas las casillas y elija solo North America.
9. En la lista de campos de la tabla dinmica, expanda Date.

10. Arrastre la jerarqua de usuario Date.Fiscal Date hasta Etiquetas de fila.
11. En la tabla dinmica, haga clic en la flecha hacia abajo que aparece junto a Etiquetas de fila. Desactive todos los aos excepto FY 2008.
Observe que solo aparece el miembro July 2007 del nivel Month, en lugar de los miembros July, 2007, August, 2007 y September, 2007 del nivel Month, y
que solo aparece el miembro July 1, 2007 del nivel Date en lugar de los 31 das. Este comportamiento se produce porque el nivel de detalle de los datos de la
tabla de hechos es el nivel trimestral y el nivel de detalle de la dimensin Date es el nivel diario. Cambiar este comportamiento en la siguiente tarea de este
tema.
Observe tambin que el valor de Sales Amount Quota para los niveles de mes y da es el mismo valor que aparece en el nivel de trimestre, $13.733.000,00. Esto
es as porque el nivel ms bajo de datos del grupo de medida Sales Quotas se encuentra en el nivel de trimestre. Cambiar este comportamiento en la leccin 6.
En la imagen siguiente se muestran los valores para Sales Amount Quota.
Definir las propiedades de uso de dimensiones para el grupo de medida Sales Quotas
1. Abra el Diseador de dimensiones para la dimensin Employee, haga clic con el botn secundario en SalesTerritoryKey en el panel Vista del origen de datos
y, a continuacin, haga clic en Nuevo atributo de columna.
2. En el panel Atributos, seleccione SalesTerritoryKey y, a continuacin, establezca la propiedad AttributeHierarchyVisible en False en la ventana de
propiedades, la propiedad AttributeHierarchyOptimizedState en NotOptimized y la propiedad AttributeHierarchyOrdered en False.
Este atributo es necesario para vincular la dimensin Sales Territory con los grupos de medida Sales Quotas y Sales Quotas 1 como dimensin referenciada.
3. En el Diseador de cubos para el cubo Tutorial de Analysis Services, haga clic en la pestaa Uso de dimensiones y, a continuacin, revise el uso de las
dimensiones en los grupos de medida Sales Quotas y Sales Quotas 1.
Observe que las dimensiones de cubo Employee y Date estn vinculadas a los grupos de medida Sales Quotas y Sales Quotas 1 a travs de relaciones
normales. Observe tambin que la dimensin de cubo Sales Territory no est vinculada a ninguno de estos grupos de medida.
4. Haga clic en la celda en la interseccin de la dimensin Sales Territory y el grupo de medida Sales Quotas y, a continuacin, haga clic en el botn Examinar ).
Se abre el cuadro de dilogo Definir relacin.

6. En la lista Dimensin intermedia, seleccione Employee.
7. En la lista Atributo de dimensin de referencia, Sales Territory Region.
8. En la lista Atributo de dimensin intermedia, seleccione Sales Territory Key (la columna de clave para el atributo Sales Territory Region es la columna
SalesTerritoryKey).
9. Compruebe que la casilla Materializar est activada.
11. Haga clic en la celda en la interseccin de la dimensin Sales Territory y el grupo de medida Sales Quotas 1 y, a continuacin, haga clic en el botn Examinar
(). Se abre el cuadro de dilogo Definir relacin.
13. En la lista Dimensin intermedia, seleccione Employee.
14. En la lista Atributo de dimensin de referencia, Sales Territory Region.
15. En la lista Atributo de dimensin intermedia, seleccione Sales Territory Key (la columna de clave para el atributo Sales Territory Region es la columna
SalesTerritoryKey).
16. Compruebe que la casilla Materializar est activada.
18. Elimine la dimensin de cubo Date.
En lugar de tener cuatro dimensiones de cubo relacionadas con el tiempo, utilizar la dimensin de cubo Order Date del grupo de medida Sales Quotas como
fecha a partir de la que se dimensionarn las cuotas de ventas. Tambin utilizar esta dimensin de cubo como dimensin de fecha principal del cubo.
19. En la lista Dimensiones, cambie el nombre de la dimensin de cubo Order Date por Date.
Cambiar el nombre de la dimensin de cubo Order Date por Date facilita a los usuarios comprender su rol como dimensin de fecha principal del cubo.
20. Haga clic en el botn Examinar de la celda que se encuentra en la interseccin del grupo de medida Sales Quotas y la dimensin Date.
21. En el cuadro de dilogo Definir relacin, seleccione Regular en la lista Seleccionar tipo de relacin.
22. En la lista Atributo de granularidad, seleccione Calendar Quarter.
Observe que aparece un mensaje de advertencia para notificarle que, puesto que ha seleccionado un atributo sin clave como atributo de granularidad, debe
especificar todos los dems atributos como propiedades de miembro para asegurarse de que estn relacionados directa o indirectamente con el atributo de
granularidad.
23. En el rea Relacin del cuadro de dilogo Definir relacin, vincule las columnas de dimensin CalendarYear y CalendarQuarter de la tabla que subyace en la
dimensin de cubo Date con las columnas CalendarYear y CalendarQuarter de la tabla que subyace en el grupo de medida Sales Quota y, a continuacin, haga
clic en Aceptar.
Nota
Calendar Quarter se define como atributo de granularidad de la dimensin de cubo Date en el grupo de medida Sales Quotas, pero el atributo Date sigue
siendo el atributo de granularidad para los grupos de medida Internet Sales y Reseller Sales.
24. Repita los cuatro pasos anteriores para el grupo de medida Sales Quotas 1.
Definir las relaciones de atributo entre el atributo Calendar Quarter y otros atributos de
dimensin de la dimensin Date
1. Cambie al Diseador de dimensiones para la dimensin Date y, a continuacin, haga clic en la pestaa Relaciones de atributo.
Observe que, aunque Calendar Year est vinculado a Calendar Quarter a travs del atributo Calendar Semester, los atributos de calendario fiscal estn
vinculados solamente el uno al otro; no estn vinculados al atributo Calendar Quarter y, por consiguiente, no se agregan correctamente al grupo de medida
Sales Quotas.
2. En el diagrama, haga clic con el botn secundario del mouse en el atributo Calendar Quarter y, a continuacin, seleccione Nueva relacin de atributo.
3. En el cuadro de dilogo Crear relacin de atributo, el Atributo de origen es Calendar Quarter. Establezca el Atributo relacionado en Fiscal Quarter.
Observe que aparece un mensaje de advertencia para indicarle que la dimensin Date contiene una o varias relaciones de atributo redundantes que pueden
impedir que se agreguen datos cuando se usa un atributo sin clave como atributo de granularidad.
5. Elimine la relacin de atributo entre los atributos Month Name y Fiscal Quarter.
Examinar las medidas del grupo de medida Sales Quota por fecha
Services y, a continuacin, haga clic en Volver a conectar.
3. Haga clic en el acceso directo de Excel y, a continuacin, haga clic en Habilitar.
4. Arrastre la medida Sales Amount Quota hasta el rea Valores.
5. Arrastre la jerarqua de usuario Territorios de ventas hasta las Etiquetas de columna y, a continuacin, filtre en North America.
6. Arrastre la jerarqua de usuario Date.FiscalDate hasta Etiquetas de fila y, a continuacin, haga clic en la flecha hacia abajo que aparece junto a Etiquetas de fila
en la tabla dinmica y desactive todas las casillas excepto FY 2008 para mostrar solamente el ao fiscal 2008.
8. Expanda sucesivamente FY 2008, H1 FY 2008 y Q1 FY 2008.
En la ilustracin siguiente se muestra una tabla dinmica para el cubo Tutorial de Analysis Services, con el grupo de medida Sales Quota bien dimensionado.
Observe que cada miembro del nivel de trimestre fiscal tiene el mismo valor que el nivel de trimestre. Usando Q1 FY 2008 como ejemplo, la cuota de $9.180.000,
00 para Q1 FY 2008 es tambin el valor de cada uno de sus miembros. Este comportamiento se produce porque el nivel de detalle de los datos de la tabla de
hechos es el nivel trimestral y el nivel de detalle de la dimensin Date tambin es el nivel de trimestre. En la leccin 6, aprender a asignar el importe trimestral
proporcionalmente a cada mes.
Leccin siguiente
Vea tambin
Conceptos
Definir relaciones normales y propiedades de las relaciones normales
Trabajar con diagramas en el Diseador de vistas del origen de datos Analysis Services

SQL Server 2014
En esta leccin, aprender a definir clculos, que son scripts o expresiones de Expresiones multidimensionales MDX. Los clculos le permiten definir miembros
calculados, conjuntos con nombre y ejecutar otros comandos de script para ampliar las capacidades de un cubo de Analysis Services. Por ejemplo, puede ejecutar un
comando de script para definir un subcubo y, a continuacin, asignar un clculo a las celdas del subcubo.
Al definir un nuevo clculo en el Diseador de cubos, el clculo se agrega al panel Organizador de script de la pestaa Clculos del Diseador de cubos, y los campos
del tipo de clculo en cuestin aparecen en un formulario de clculos en el panel de las expresiones de clculo. Los clculos se ejecutan en el orden en el que aparecen
en el panel Organizador de script. Puede reorganizar los clculos haciendo clic con el botn secundario en un clculo determinado y seleccionando Subir o Bajar, o
haciendo clic en un clculo determinado y utilizando los iconos Subir o Bajar en la barra de herramientas de la pestaa Clculos.
En la pestaa Clculos, puede agregar nuevos clculos y ver o editar clculos existentes en las vistas siguientes del panel de las expresiones de clculo:
Vista de formulario. Esta vista muestra las expresiones y propiedades de un comando nico en formato de grfico. Al editar un script MDX, un cuadro de expresin
rellena la vista de formulario.
Vista de script. Esta vista muestra todos los scripts de clculo en un editor de cdigo, lo que le permite cambiar fcilmente los scripts de clculo. Cuando el panel
de las expresiones de clculo est en la Vista de script, el Organizador de script estar oculto. La Vista de script proporciona codificacin de color, coincidencia
de parntesis, autocompletar y regiones de cdigo MDX. Puede expandir o contraer las regiones de cdigo MDX para facilitar la edicin.
Para cambiar de una vista a otra en el panel de las expresiones de clculo, haga clic en Vista de formulario o Vista de script en la barra de herramientas de la pestaa
Clculos.
Nota
Si Analysis Services detecta un error de sintaxis en algn clculo, la vista de formulario no aparecer hasta que el error se haya corregido en la Vista de script.
Tambin puede utilizar el Asistente de Business Intelligence para agregar determinados clculos a un cubo. Por ejemplo, puede utilizar este asistente para agregar
inteligencia de tiempo a un cubo, lo que significa definir miembros calculados para clculos relacionados con el tiempo como, por ejemplo, perodos hasta fecha, medias
mviles o crecimiento entre perodos. Para obtener ms informacin, vea Definir clculos de inteligencia de tiempo mediante el Asistente de Business Intelligence.
Importante
En la pestaa Clculos, el script de clculo empieza por el comando CALCULATE. El comando CALCULATE controla la agregacin de las celdas en el cubo y solo
debera editar este comando si intenta especificar manualmente la forma en que se deberan agregar las celdas del cubo.
Para obtener ms informacin, vea Clculos y Clculos en modelos multidimensionales.
Nota
Definir miembros calculados

En esta tarea, aprender a definir miembros calculados.
Definir conjuntos con nombre
En esta tarea, aprender a definir conjuntos con nombre.
Leccin siguiente
Vea tambin
Conceptos
Crear conjuntos con nombre
Crear miembros calculados
Definir miembros calculados

SQL Server 2014
Los miembros calculados son miembros de una dimensin o un grupo de medida que se definen segn una combinacin de datos del cubo, operadores aritmticos,
nmeros y funciones. Por ejemplo, puede crear un miembro calculado que calcule la suma de dos medidas fsicas en el cubo. Las definiciones de miembros calculados se
almacenan en cubos pero sus valores se calculan en el momento de la consulta.
Para crear un miembro calculado, utilice el comando Nuevo miembro calculado en la pestaa Clculos del Diseador de cubos. Puede crear un miembro calculado
dentro de cualquier dimensin, incluida la dimensin de medidas. Tambin puede colocar un miembro calculado en una carpeta para mostrar en el cuadro de dilogo
Propiedades de clculo. Para obtener ms informacin, vea Clculos, Clculos en modelos multidimensionales y Crear miembros calculados.
En las tareas de este tema se definen medidas calculadas para permitir que los usuarios vean el porcentaje de margen de beneficio bruto y el ratio de ventas para ventas
por Internet, para ventas del distribuidor y para todas las ventas.
Definir clculos para agregar medidas fsicas

1. Abra el Diseador de cubos para el cubo Analysis Services Tutorial y, a continuacin, haga clic en la pestaa Clculos.
Observe el comando predeterminado CALCULATE en el panel de las expresiones de clculo y en el panel Organizador de script. Este comando especifica que
las medidas del cubo deberan agregarse segn el valor especificado por sus propiedades AggregateFunction. Los valores de medida normalmente se suman,
pero tambin pueden contarse o agregarse de otra forma.
La siguiente imagen muestra la pestaa Clculos del Diseador de cubos.
2. En la barra de herramientas de la pestaa Clculos, haga clic en Nuevo miembro calculado.

En el panel de las expresiones de clculo aparece un nuevo formulario en el que podr definir las propiedades de este nuevo miembro calculado. El nuevo
miembro aparecer tambin en el panel Organizador de script.
La siguiente imagen muestra el formulario que aparece en el panel de las expresiones de clculo al hacer clic en Nuevo miembro calculado.
3. En el cuadro Nombre, cambie el nombre de la medida calculada por [Total Sales Amount].
Si el nombre de un miembro calculado contiene un espacio, dicho nombre deber ir entre corchetes.
Observe que en la lista Jerarqua primaria, de manera predeterminada, se crea un nuevo miembro calculado en la dimensin Measures. A un miembro
calculado de la dimensin Measures tambin se le denomina con frecuencia medida calculada.
4. En la pestaa Metadatos del panel Herramientas de clculo de la pestaa Clculos, expanda Medidas y, a continuacin, Ventas por Internet para ver los
metadatos del grupo de medida Internet Sales.
Puede arrastrar los elementos de metadatos desde el panel Herramientas de clculo al cuadro Expresin y agregar entonces operadores y otros elementos
para crear expresiones de Expresiones multidimensionales (MDX). O bien, puede escribir la expresin MDX directamente en el cuadro Expresin.
Nota
Si no puede ver los metadatos en el panel Herramientas de clculo, haga clic en Volver a conectar en la barra de herramientas. Si esto no funciona, puede
que tenga que procesar el cubo o iniciar la instancia de Analysis Services.
5. Arrastre Internet Sales-Sales Amount de la pestaa Metadatos del panel Herramientas de clculo al cuadro Expresin del panel de las expresiones de
clculo.
6. En el cuadro Expresin, escriba un signo ms + despus de [Measures].[Internet Sales-Sales Amount].
7. En la pestaa Metadatos del panel Herramientas de clculo, expanda Venta del distribuidor y, a continuacin, arrastre Reseller Sales-Sales Amount al cuadro
Expresin del panel de las expresiones de clculo despus del signo ms +.
8. En la lista Cadena de formato, seleccione "Moneda".
9. En la lista Comportamiento si no est vaco, active las casillas Internet Sales-Sales Amount y Reseller Sales-Sales Amount y haga clic en Aceptar.
Las medidas especificadas en la lista Comportamiento si no est vaco se utilizan para resolver consultas NON EMPTY en MDX. Si se especifican una o ms
medidas en la lista Comportamiento si no est vaco, Analysis Services tratar al miembro calculado como vaco si todas las medidas especificadas estn
vacas. Si la propiedad Non-empty behavior est en blanco, Analysis Services deber evaluar al miembro calculado para determinar si el miembro est vaco.
La siguiente imagen muestra el panel de las expresiones de clculo llenado con la configuracin especificada en los pasos anteriores.
10. En la barra de herramientas de la pestaa Clculos, haga clic en Vista de script y revise el script de clculo en el panel de las expresiones de clculo.
Observe que el nuevo clculo se agrega a la expresin CALCULATE inicial; los clculos individuales se separan con un punto y coma. Observe tambin que
aparece un comentario al principio del script del clculo. Se recomienda la agregacin de comentarios dentro del script de clculo para grupos de clculos para
ayudarle a usted y a otros programadores a comprender los scripts de clculo complejos.
11. Agregue una nueva lnea al script de clculo despus del comando Calculate; y antes del script de clculo recientemente agregada y, a continuacin, agregue el
siguiente texto al script en su propia lnea:
/* Calculations to aggregate Internet Sales and Reseller Sales measures */
La siguiente imagen muestra los scripts de clculo tal como deberan aparecer en el panel de las expresiones de clculo en este punto del tutorial.
12. En la barra de herramientas de la pestaa Clculos, haga clic en Vista de formulario, compruebe que est seleccionado [Total Sales Amount] en el panel
Organizador de script y haga clic en Nuevo miembro calculado.
13. Cambie el nombre de este nuevo miembro calculado por [Total Product Cost] y, a continuacin, cree la siguiente expresin en el cuadro Expresin:
[Measures].[Internet Sales-Total Product Cost] + [Measures].[Reseller Sales-Total Product Cost]
14. En la lista Cadena de formato, seleccione "Moneda".

15. En la lista Comportamiento si no est vaco, active las casillas Internet Sales-Total Product Cost y Reseller Sales-Total Product Cost y haga clic en Aceptar.
Ahora ha definido dos miembros calculados y ambos son visibles en el panel Organizador de script. Estos miembros calculados pueden ser utilizados por otros
clculos definidos posteriormente en el script de clculo. Puede ver la definicin de cualquier miembro calculado seleccionando el miembro calculado en el panel
Organizador de script; la definicin del miembro calculado aparecer en el panel de las expresiones de clculo de la vista Formulario. Los miembros
calculados recientemente definidos no aparecern en el panel Herramientas de clculo hasta que se hayan implementado estos objetos. Los clculos no
requieren procesamiento.
Definir clculos de margen de beneficio bruto

1. Compruebe que [Costo total del producto] est seleccionado en el panel Organizador de scripts y, a continuacin, haga clic en Nuevo miembro calculado en
la barra de herramientas de la pestaa Clculos.
2. En el cuadro Nombre, cambie el nombre de esta nueva medida calculada por [Internet GPM].
3. En el cuadro Expresin, cree la siguiente expresin MDX:
([Measures].[Internet Sales-Sales Amount] [Measures].[Internet Sales-Total Product Cost]) /

[Measures].[Internet Sales-Sales Amount]
4. En la lista Cadena de formato, seleccione "Porcentaje".

5. En la lista Comportamiento si no est vaco, active la casilla de Internet Sales-Sales Amount y, a continuacin, haga clic en Aceptar.
7. En el cuadro Nombre, cambie el nombre de esta nueva medida calculada por [Reseller GPM].
([Measures].[Reseller Sales-Sales Amount] [Measures].[Reseller Sales-Total Product Cost]) /

[Measures].[Reseller Sales-Sales Amount]

10. En la lista Comportamiento si no est vaco, active la casilla de Reseller Sales-Sales Amount y, a continuacin, haga clic en Aceptar.
12. En el cuadro Nombre, cambie el nombre de esta nueva medida calculada por [Total GPM].
([Measures].[Total Sales Amount] [Measures].[Total Product Cost]) /

[Measures].[Total Sales Amount]
Observe que este miembro calculado hace referencia a otros miembros calculados. Como este miembro calculado se calcular despus de los miembros
calculados a los que hace referencia, se tratar de un miembro calculado vlido.
16. En la barra de herramientas de la pestaa Clculos, haga clic en Vista de script y revise los tres clculos que acaba de agregar al script de clculo.
17. Agregue una nueva lnea al script de clculo inmediatamente anterior al clculo [Internet GPM] y, a continuacin, agregue el siguiente texto al script en su
propia lnea:
/* Calculations to calculate gross profit margin */
La siguiente imagen muestra el panel Expresiones con los tres clculos nuevos.
Definir el porcentaje de los clculos totales

1. En la barra de herramientas de la pestaa Clculos, haga clic en Vista de formulario.
2. En el panel Organizador de script, seleccione [Total GPM] y, a continuacin, haga clic en Nuevo miembro calculado en la barra de herramientas de la pestaa
Clculos.
Si hace clic en el miembro calculado final del panel Organizador de script antes de hacer clic en Nuevo miembro calculado se asegurar de que el nuevo
miembro calculado se escribe al final del script. Los scripts se ejecutan en el orden en el que aparecen en el panel Organizador de script.
3. Cambie el nombre de este nuevo miembro calculado por [Internet Sales Ratio to All Products].
4. Escriba la siguiente expresin en el cuadro Expresin:
Case
When IsEmpty( [Measures].[Internet Sales-Sales Amount] )
Then 0
Else ( [Product].[Product Categories].CurrentMember,
[Measures].[Internet Sales-Sales Amount]) /
( [Product].[Product Categories].[(All)].[All],
[Measures].[Internet Sales-Sales Amount] )
End
Esta expresin MDX calcula la contribucin al total de ventas por Internet de cada producto. La instruccin Case junto con la funcin IS EMPTY garantiza que no
se produzca un error de divisin por cero cuando un producto no tiene ventas.
6. En la lista Comportamiento si no est vaco, active la casilla de Internet Sales-Sales Amount y, a continuacin, haga clic en Aceptar.
8. Cambie el nombre de este miembro calculado por [Reseller Sales Ratio to All Products].
Case
When IsEmpty( [Measures].[Reseller Sales-Sales Amount] )
Then 0
[Measures].[Reseller Sales-Sales Amount]) /
[Measures].[Reseller Sales-Sales Amount] )
End
11. En la lista Comportamiento si no est vaco, active la casilla de Reseller Sales-Sales Amount y, a continuacin, haga clic en Aceptar.
13. Cambie el nombre de este miembro calculado por [Total Sales Ratio to All Products].
Case
When IsEmpty( [Measures].[Total Sales Amount] )
Then 0
[Measures].[Total Sales Amount]) /
[Measures].[Total Sales Amount] )
End

17. En la barra de herramientas de la pestaa Clculos, haga clic en Vista de script y, a continuacin, revise los tres clculos que acaba de agregar al script de
clculo.
18. Agregue una nueva lnea al script de clculo inmediatamente anterior al clculo [Internet Sales Ratio to All Products] y, a continuacin, agregue el siguiente
texto al script en su propia lnea:
/* Calculations to calculate percentage of product to total product sales */
Ahora ha definido un total de ocho miembros calculados, que estn visibles en el panel Organizador de scripts cuando se est en la Vista de formulario.
Examinar los nuevos miembros calculados

2. Cuando la implementacin se haya completado correctamente, vaya a la pestaa Explorador y, a continuacin, haga clic en Volver a conectar.
4. En el panel Lista de campos de la tabla dinmica, expanda la carpeta Valores para ver los nuevos miembros calculados de la dimensin Medidas.
5. Arrastre Importe de venta total al rea Valores y revise los resultados.
Arrastre las medidas Internet Sales-Sales Amount y Reseller Sales-Sales Amount desde los grupos de medida Internet Sales y Reseller Sales hasta el rea
Valores.
Observe que la medida Total Sales Amount es la suma de las medidas Internet Sales-Sales Amount y Reseller Sales-Sales Amount.
6. Agregue la jerarqua definida por el usuario Categoras de producto al rea de filtro del rea Filtro de informe y, a continuacin, filtre los datos por Mountain
Bikes.
Observe que la medida Total Sales Amount se calcula para la categora de ventas del producto Mountain Bikes segn las medidas Internet Sales-Sales
Amount y Reseller Sales-Sales Amount de Mountain Bikes.
7. Agregue la jerarqua definida por el usuario Date.Calendar Date al rea Etiquetas de fila y revise los resultados.
Observe que la medida Total Sales Amount de cada ao natural se calcula para la categora de ventas del producto Mountain Bikes segn las medidas
Internet Sales-Sales Amount y Reseller Sales-Sales Amount de Mountain Bikes.
8. Agregue las medidas Total GPM, Internet GPM y Reseller GPM al rea Valores y, a continuacin, revise los resultados.
Observe que el margen de beneficio bruto para la venta del distribuidor es notablemente inferior al de las ventas a travs de Internet, como se muestra en la
imagen siguiente.
9. Agregue las medidas Total Sales Ratio to All Products, Internet Sales Ratio to All Products y Reseller Sales Ratio to All Products al rea Valores.
Observe que el ratio de las ventas de bicicletas de montaa en relacin con todos los productos ha aumentado con el tiempo para las ventas por Internet, pero
ha disminuido con el tiempo para la venta del distribuidor. Observe tambin que el ratio de la venta de bicicletas de montaa con respecto a todos los
productos es inferior en la venta por distribuidor que en la venta por Internet.
10. Cambie el filtro de Mountain Bikes a Bikes, y revise los resultados.
Observe que el margen de beneficio bruto de todas las bicicletas vendidas a travs de distribuidores es negativo, porque las bicicletas de paseo y las bicicletas
de carrera se estn vendiendo con prdida.
11. Cambie el filtro a Accessories y, a continuacin, revise los resultados.
Observe que la venta de accesorios aumenta con el tiempo pero que estas ventas constituyen solo una pequea fraccin del total de ventas. Observe tambin
que el margen de beneficio bruto para la venta de accesorios es superior que para las bicicletas.

Vea tambin
Conceptos
Clculos
Clculos en modelos multidimensionales
Crear miembros calculados

SQL Server 2014
Un conjunto con nombre es una expresin de Expresiones multidimensionales MDX que devuelve un conjunto de miembros de dimensin. Puede definir conjuntos con
nombre y guardarlos como parte de la definicin del cubo; tambin puede crear conjuntos con nombre en aplicaciones cliente. Puede crear conjuntos con nombre
combinando datos del cubo, operadores aritmticos, nmeros y funciones. Los usuarios pueden usar los conjuntos con nombre en consultas MDX en aplicaciones cliente
y tambin pueden usarse para definir conjuntos en subcubos. Un subcubo es una coleccin de conjuntos unidos de forma cruzada que restringe el espacio del cubo al
subespacio definido para instrucciones posteriores. La definicin de un espacio del cubo restringido es un concepto fundamental para el scripting de MDX.
Los conjuntos con nombre simplifican las consultas MDX y ofrecen alias tiles para expresiones de conjunto complejas utilizadas con normalidad. Por ejemplo, puede
definir un conjunto con nombre denominado Large Resellers que contenga el conjunto de miembros de dimensin Reseller que tenga la mayora de los empleados. Los
usuarios finales podran entonces utilizar el conjunto con nombre Large Resellers en consultas, o utilizar el conjunto con nombre para definir un conjunto en un subcubo.
Las definiciones de los conjuntos con nombre se almacenan, pero sus valores solo existen en la memoria. Para crear un conjunto con nombre, utilice el comando Nuevo
conjunto con nombre en la pestaa Clculos del Diseador de cubos. Para obtener ms informacin, vea Clculos y Crear conjuntos con nombre.
En las tareas de este tema, definir dos conjuntos con nombre: un conjunto con nombre Core Products y un conjunto con nombre Large Resellers.
Definir un conjunto con nombre Core Products

1. Cambie a la pestaa Clculos del Diseador de cubos para el cubo Tutorial de Analysis Services y, a continuacin, haga clic en Vista de formulario en la barra
de herramientas.
2. Haga clic en [Total Sales Ratio to All Products] en el panel Organizador de script y, a continuacin, haga clic en Nuevo conjunto con nombre en la barra de
herramientas de la pestaa Clculos.
Al definir un nuevo clculo en la pestaa Clculos, recuerde que los clculos se resuelven en el orden en el que aparecen en el panel Organizador de script. Su
enfoque en dicho panel al crear un nuevo clculo determinar el orden de la ejecucin del clculo; un nuevo clculo se define inmediatamente despus del
clculo especificado.
3. En el cuadro Nombre, cambie el nombre del nuevo conjunto con nombre por [Core Products].
En el panel Organizador de script, observe el icono nico que diferencia un conjunto con nombre de un comando de script o de un miembro calculado.
4. En la pestaa Metadatos del panel Herramientas de clculo, expanda Producto, Categora, Miembros y All Products.
Nota
Si no puede ver los metadatos en el panel Herramientas de clculo, haga clic en Volver a conectar en la barra de herramientas. Si esto no funciona, puede
que tenga que procesar el cubo o iniciar la instancia de Analysis Services.
5. Arrastre Bikes al cuadro Expresin.
Ahora ha creado una expresin de conjunto que devolver el conjunto de miembros que est en la categora Bike de la dimensin Product.
Definir un conjunto con nombre Large Resellers

1. Haga clic con el botn secundario en [Core Products] en el panel Organizador de scripts y, a continuacin, haga clic en Nuevo conjunto con nombre.
2. En el cuadro Nombre, cambie el nombre de este conjunto con nombre por [Large Resellers].
3. En el cuadro Expresin, escriba Exists().
Utilizar la funcin Exists para devolver el conjunto de miembros de la jerarqua de atributo Reseller Name que forma interseccin con el conjunto de miembros
de la jerarqua de atributo Number of Employees que tiene el mayor nmero de empleados.
4. En la pestaa Metadatos del panel Herramientas de clculo, expanda la dimensin Reseller y, a continuacin, expanda la jerarqua de atributo Reseller Name.
5. Arrastre el nivel Nombre del distribuidor hasta el parntesis para la expresin de conjunto Exists.
Usar la funcin Members para devolver todos los miembros de este conjunto. Para obtener ms informacin, vea Members (Set) (MDX).
6. Despus de la expresin de conjunto parcial, escriba un punto y, a continuacin, agregue la funcin Members. La expresin tendr el siguiente aspecto:
Exists([Reseller].[Reseller Name].[Reseller Name].Members)
Ahora que ha definido el primer conjunto para la expresin de conjunto Exists, estar listo para agregar el segundo conjunto el conjunto de miembros de
dimensin Reseller que contenga el mayor nmero de empleados.
7. En la pestaa Metadatos del panel Herramientas de clculo, expanda Nmero de empleados en la dimensin Reseller, expanda Miembros y, a continuacin,
All Resellers.
Observe que los miembros de esta jerarqua de atributo no estn agrupados.
8. Abra el Diseador de dimensiones para la dimensin Reseller y, a continuacin, haga clic en Number of Employees en el panel Atributos.
9. En la ventana Propiedades, cambie la propiedad DiscretizationMethod a Automatic y, a continuacin, cambie la propiedad DiscretizationBucketCount a 5.
Para obtener ms informacin, vea Agrupar miembros de atributos discretizacin.
11. Cuando la implementacin haya finalizado correctamente, vaya al Diseador de cubos del cubo Analysis Services Tutorial y, a continuacin, haga clic en Volver a
conectar en la barra de herramientas de la pestaa Clculos.
12. En la pestaa Metadatos del panel Herramientas de clculo, expanda Nmero de empleados en la dimensin Reseller, expanda Miembros y, a continuacin,
All Resellers.
Observe que los miembros de esta jerarqua de atributos estn contenidos ahora en cinco grupos, numerados de 0 a 4. Para ver el nmero de un grupo, pause
el puntero sobre ese grupo para ver un recuadro informativo. Para el intervalo 2 -17, el recuadro informativo debe contener [Reseller].[Number of
Employees].&[0].
Los miembros de esta jerarqua de atributo estn agrupados porque la propiedad DiscretizationBucketCount est establecida en 5 y la propiedad
DiscretizationMethod est establecida en Automatic.
13. En el cuadro Expresin, agregue una coma a la expresin de conjunto Exists despus de la funcin Members y antes de cerrar el parntesis y, a continuacin,
arrastre 83 - 100 desde el panel Metadatos y colquelo despus de la coma.
Ahora ha completado la expresin de conjunto Exists que devolver el conjunto de miembros que forma interseccin con estos dos conjuntos especificados, el
conjunto de todos los distribuidores y el conjunto de los distribuidores que tengan de 83 a 100 empleados, cuando el conjunto con nombre Large Resellers se
coloca en un eje.
La siguiente imagen muestra el panel de las expresiones de clculo para el conjunto con nombre [Large Resellers].
14. En la barra de herramientas de la pestaa Clculos, haga clic en Vista de script y, a continuacin, revise los dos conjuntos con nombre que acaba de agregar al
script de clculo.
15. Agregue una nueva lnea al script de clculo inmediatamente anterior al primer comando CREATE SET y, a continuacin, agregue el siguiente texto al script en su
propia lnea:
/* named sets */
Ahora ha definido dos conjuntos con nombre y ambos son visibles en el panel Organizador de script. Ya puede implementar estos conjuntos con nombre y
examinar estas medidas en el cubo Tutorial de Analysis Services.
Examinar el cubo mediante los nuevos conjuntos con nombre

1. En el men Compilar de SQL Server Data Tools, haga clic en Tutorial de Implementar Analysis Services.
2. Cuando la implementacin se haya completado correctamente, haga clic en la pestaa Explorador y, a continuacin, haga clic en Volver a conectar.
3. Borre la cuadrcula del panel de datos.
4. Agregue la medida Reseller Sales-Sales Amount al rea de datos.
5. Expanda la dimensin Product y, a continuacin, agregue Category y Subcategory al rea de fila, como se muestra en la ilustracin siguiente.
6. En el panel Metadatos , en la dimensin Product, arrastre Core Products el rea de filtro.

Observe que solo el miembro Bike del atributo Category y los miembros de las subcategoras Bike permanecen en el cubo. Esto se debe a que se usa el
conjunto con nombre Core Products para definir un subcubo. Este subcubo limita los miembros del atributo Category en la dimensin Product del subcubo a
los miembros del conjunto con nombre Core Products, tal como se muestra en la ilustracin siguiente.
7. En el panel Metadatos , expanda Distribuidor y agregue Grandes distribuidores al rea de filtro.

Observe que la medida Importe de datos del distribuidor del panel Datos solo muestra importes de venta para los grandes distribuidores de bicicletas. Observe
tambin que el panel Filtro muestra ahora los dos conjuntos con nombre que se utilizan para definir este subcubo en particular, tal como muestra la siguiente
imagen.

Defining Subcubes and Assigning Calculations Using Script Commands
Vea tambin
Conceptos
Clculos
Crear conjuntos con nombre

SQL Server 2014
En esta leccin, aprender a definir indicadores clave de rendimiento KPI en su proyecto de Analysis Services. Los KPI proporcionan un marco para definir clculos del
servidor que midan su negocio y estandarizar la forma en que aparezca la informacin resultante. Los KPI pueden aparecer en informes, portales y paneles, mediante las
API de acceso a datos, y mediante herramientas de Microsoft y herramientas de terceros. Los KPI son contenedores de metadatos alrededor de medidas normales y otras
expresiones de Expresiones multidimensionales (MDX). Para obtener ms informacin, vea Indicadores clave de rendimiento (KPI) en modelos multidimensionales.
Nota
Esta leccin incluye la tarea siguiente:
Definir y examinar KPI

En esta tarea, se definen los KPI en la vista Formulario y, a continuacin, se va a la vista Explorador para examinar los datos del cubo mediante los KPI.
Leccin siguiente
Vea tambin
Conceptos
Indicadores clave de rendimiento (KPI) en modelos multidimensionales
Definir y examinar KPI

SQL Server 2014
Para definir indicadores clave de rendimiento KPI, deber primero definir un nombre de KPI y el grupo de medida con el que desea asociar el KPI. Un KPI se puede
asociar con todos los grupos de medida o con un solo grupo de medida. Se definirn entonces los siguientes elementos del KPI:
La expresin de valor
Una expresin de valor es una medida fsica como ventas, una medida calculada como utilidad o ganancia o un clculo que se define dentro del KPI mediante una
expresin de Expresiones Multidimensionales MDX.
La expresin objetivo
Una expresin objetivo es un valor, o una expresin MDX que se resuelve en un valor, que define el objetivo de la medida definida por la expresin de valor. Por
ejemplo, una expresin objetivo podra ser la cantidad en la que los responsables de una compaa desean incrementar las ventas o el beneficio.
La expresin de estado
Una expresin de estado es una expresin MDX que Analysis Services utiliza para evaluar el estado actual de la expresin de valor en comparacin con la
expresin objetivo. Una expresin objetivo es un valor normalizado en el rango de 1 a +1, donde 1 es muy malo y +1 es muy bueno. La expresin de estado
muestra un grfico para ayudarle a determinar fcilmente el estado de la expresin de valor en comparacin con la expresin objetivo.
La expresin de tendencia
Una expresin de tendencia es una expresin MDX que Analysis Services utiliza para evaluar la tendencia actual de la expresin de valor en comparacin con la
expresin objetivo. La expresin de tendencia ayuda al usuario corporativo a determinar rpidamente si la expresin de valor est mejorando o empeorando en
relacin con la expresin objetivo. Puede asociar uno de los diversos grficos con la expresin de tendencia para ayudar a los usuarios corporativos a comprender
rpidamente la tendencia.
Adems de estos elementos definidos para un KPI, tambin deben definirse varias propiedades de un KPI. Estas propiedades incluyen una carpeta de muestra, un KPI
primario si el KPI se calcula desde otros KPI, el miembro de hora actual si lo hay, el peso del KPI si lo tiene y una descripcin del KPI.
Nota
Para obtener ms ejemplos de KPI, vea los ejemplos de KPI en la pestaa Plantillas del panel Herramientas de clculo o en los ejemplos del almacenamiento de datos
de ejemplo Adventure Works DW 2012. Para obtener ms informacin sobre cmo instalar esta base de datos, vea Instalar los datos y proyectos de ejemplo para el
tutorial de modelado multidimensional de Analysis Services.
En las tareas de esta leccin definir los KPI del proyecto Tutorial de Analysis Services y, a continuacin, examinar el cubo Tutorial de Analysis Services con estos KPI.
Definir los siguientes KPI:
Reseller Revenue
Este KPI se utiliza para medir la forma en que comparar las ventas reales del distribuidor con las cuotas de venta para ventas del distribuidor, la distancia que
separa las ventas del el objetivo y qu tendencia se dirige al objetivo.
Product Gross Profit Margin
Este KPI se utiliza para determinar la distancia que existe entre el margen de beneficio bruto de cada categora de producto y el objetivo especificado de cada
categora de producto, y tambin para determinar la tendencia hasta alcanzar este objetivo.
Definir el KPI Reseller Revenue

1. Abra el Diseador de cubos para el cubo Tutorial de Analysis Services y, a continuacin, haga clic en la pestaa KPI.
La pestaa KPI incluye varios paneles. En la parte izquierda de la pestaa estn el panel Organizador de KPI y el panel Herramientas de clculo. El panel de
informacin del centro de la pestaa contiene los detalles del KPI seleccionado en el panel Organizador de KPI.
La siguiente imagen muestra la pestaa KPI del Diseador de cubos.
2. En la barra de herramientas de la pestaa KPI, haga clic en el botn Nuevo KPI.

En el panel de informacin aparecer una plantilla de KPI en blanco, como en la siguiente imagen.
3. En el cuadro Nombre, escriba Reseller Revenue y, a continuacin, seleccione Reseller Sales en la lista Grupo de medida asociado.
4. En la pestaa Metadatos del panel Herramientas de clculo, expanda Medidas, Reseller Sales y, a continuacin, arrastre la medida Reseller Sales-Sales
Amount al cuadro Expresin de valor.
5. En la pestaa Metadatos del panel Herramientas de clculo, expanda Medidas, Sales Quotas y, a continuacin, arrastre la medida Sales Amount Quota al
cuadro Expresin objetivo.
6. Compruebe que est seleccionado Indicador en la lista Indicador de estado y, a continuacin, escriba la siguiente expresin MDX en el cuadro Expresin de
estado:
Case
When
KpiValue("Reseller Revenue")/KpiGoal("Reseller Revenue")>=.95
Then 1
When
KpiValue("Reseller Revenue")/KpiGoal("Reseller Revenue")<.95
And
KpiValue("Reseller Revenue")/KpiGoal("Reseller Revenue")>=.85
Then 0
Else-1
End
Esta expresin MDX proporciona lo bsico para evaluar el progreso hacia el objetivo. En esta expresin MDX, si las ventas reales del distribuidor estn por
encima del 85 por ciento del objetivo, se utilizar un valor de 0 para llenar el grfico seleccionado. Como el grfico seleccionado es un indicador, el puntero del
indicador estar a mitad de camino entre el estado vaco y el lleno. Si las ventas reales por distribuidor estn por encima del 90 por ciento, el puntero del
indicador ocupar tres cuartas partes del espacio entre vaco y lleno.
7. Compruebe que est seleccionado Flecha estndar en la lista Indicador de tendencia y, a continuacin, escriba la siguiente expresin en el cuadro Expresin
de tendencia:
Case
When IsEmpty
(ParallelPeriod
([Date].[Calendar Date].[Calendar Year],1,
[Date].[Calendar Date].CurrentMember))
Then 0
When (
KpiValue("Reseller Revenue") (KpiValue("Reseller Revenue"),
ParallelPeriod
/
(KpiValue ("Reseller Revenue"),
ParallelPeriod
[Date].[Calendar Date].CurrentMember)))
>=.02
Then 1
When(
KpiValue("Reseller Revenue") (KpiValue ( "Reseller Revenue" ),
ParallelPeriod
/
(KpiValue("Reseller Revenue"),
ParallelPeriod
[Date].[Calendar Date].CurrentMember)))
<=.02
Then -1
Else 0
End
Esta expresin MDX proporciona lo bsico para evaluar la tendencia hasta lograr el objetivo definido.
Examinar el cubo mediante el KPI Reseller Revenue

2. Cuando la implementacin se haya completado correctamente, haga clic en el botn Vista de explorador de la barra de herramientas de la pestaa KPI y, a
continuacin, haga clic en Volver a conectar.
Los indicadores de estado y de tendencia aparecen en el panel Examinador de KPI para ventas por distribuidor basadas en valores para el miembro
predeterminado de cada dimensin, junto con el valor para el valor y el objetivo. El miembro predeterminado de cada dimensin es el miembro Todos del nivel
Todos, porque no ha definido ningn otro miembro de ninguna otra dimensin como miembro predeterminado.
3. En el panel de filtros, seleccione Sales Territory en la lista Dimensin, seleccione Sales Territories en la lista Jerarqua, seleccione Igual en la lista Operador,
active la casilla North America en la lista Expresin de filtro y, a continuacin, haga clic en Aceptar.
4. En la fila siguiente del panel Filtro, seleccione Date en la lista Dimensin, seleccione Calendar Date en la lista Jerarqua, seleccione Igual en la lista Operador,
active la casilla Q3 CY 2007 en la lista Expresin de filtro y, a continuacin, haga clic en Aceptar.
5. Haga clic en cualquier sitio del panel Explorador de KPI para actualizar los valores para el KPI Reseller Revenue.
Observe que las secciones Valor, Objetivo y Estado del KPI reflejan los valores para el nuevo perodo de tiempo.
Definir el KPI Product Gross Profit Margin

1. Haga clic en el botn Vista de formulario de la barra de herramientas de la pestaa KPI y, a continuacin, haga clic en el botn Nuevo KPI.
2. En el cuadro Nombre, escriba Product Gross Profit Margin y, a continuacin, compruebe que aparece <All> en la lista Grupo de medida asociado.
3. En la pestaa Metadatos del panel Herramientas de clculo, arrastre la medida Total GPM al cuadro Expresin de valor.
4. En el cuadro Expresin objetivo, escriba la expresin siguiente:
Case
When [Product].[Category].CurrentMember Is
[Product].[Category].[Accessories]
Then .40
When [Product].[Category].CurrentMember
Is [Product].[Category].[Bikes]
Then .12
[Product].[Category].[Clothing]
Then .20
[Product].[Category].[Components]
Then .10
Else .12
End
5. En la lista Indicador de estado, seleccione Cilindro.

6. Escriba la siguiente expresin MDX en el cuadro Expresin de estado:
Case
When KpiValue(
KpiGoal (
Then 1
When KpiValue(
KpiGoal (
And
KpiValue(
KpiGoal (
Then 0
Else -1
End
"Product Gross Profit Margin" ) /

"Product Gross Profit Margin" ) >= .90
"Product Gross Profit Margin" ) <
.90

"Product Gross Profit Margin" ) >= .80
Esta expresin MDX proporciona lo bsico para evaluar el progreso hacia el objetivo.
7. Compruebe que est seleccionado Flecha estndar en la lista Indicador de tendencia y, a continuacin, escriba la siguiente expresin MDX en el cuadro
Expresin de tendencia:
Case
When IsEmpty
(ParallelPeriod
Then 0
When VBA!Abs
(
KpiValue( "Product Gross Profit Margin" ) (
KpiValue ( "Product Gross Profit Margin" ),
ParallelPeriod
(
[Date].[ Calendar Date].[ Calendar Year],
1,
[Date].[ Calendar Date].CurrentMember
)
) /
(
ParallelPeriod
(
1,
)
)
) <=.02
Then 0
When KpiValue( "Product Gross Profit Margin" ) (
ParallelPeriod
(
1,
)
) /
(
ParallelPeriod
(
[Date].[Calendar Date].[Calendar Year],
1,
[Date].[Calendar Date].CurrentMember
)
) >.02
Then 1
Else -1
End
Esta expresin MDX proporciona lo bsico para evaluar la tendencia hasta lograr el objetivo definido.
Examinar el cubo mediante el KPI Total Gross Profit Margin

2. Cuando la implementacin haya finalizado correctamente, haga clic en Volver a conectar en la barra de herramientas de la pestaa KPI y, a continuacin, haga
clic en Vista de explorador.
Aparece el KPI Product Gross Profit Margin y muestra el valor de KPI para Q3 CY 2007 y el territorio de ventas North America.
3. En el panel Filtro, seleccione Product en la lista Dimensin, seleccione Category en la lista Jerarqua, seleccione Igual en la lista Operador y, a continuacin,
seleccione Bikes en la lista Expresin de filtro; despus, haga clic en Aceptar.
Aparecer el margen de beneficio bruto para la venta de bicicletas por distribuidor en Norteamrica en el tercer trimestre de 2007.
Leccin siguiente

SQL Server 2014
En esta leccin, aprender a definir acciones en el proyecto de Analysis Services. Una accin es solo una instruccin de Expresiones multidimensionales MDX que se
almacena en Analysis Services y que se puede incorporar en las aplicaciones cliente e iniciarse por el usuario.
Nota
Analysis Services admite los tipos de acciones descritos en la siguiente tabla.
CommandLine
Ejecuta un comando en el smbolo del sistema.
Conjunto de datos
Devuelve un conjunto de datos a una aplicacin cliente.
Obtener detalles
Devuelve una instruccin de obtencin de detalles como una expresin, que el cliente ejecuta para devolver un conjunto de filas.
Html
Ejecuta un script HTML en un explorador de Internet.
Propietario
Realiza una operacin mediante una interfaz distinta de las descritas en esta tabla.
Informe
Enva una solicitud parametrizada basada en una direccin URL a un servidor de informes y devuelve un informe a una aplicacin cliente.
Conjunto de filas
Devuelve un conjunto de filas a una aplicacin cliente.
Instruccin
Ejecuta un comando OLE DB.
Direccin URL
Muestra una pgina web dinmica en un explorador de Internet.
Las acciones permiten a los usuarios iniciar una aplicacin o realizar otros pasos en el contexto de un elemento seleccionado. Para obtener ms informacin, vea Acciones
(Analysis Services - Datos multidimensionales), Acciones en modelos multidimensionales
Nota
Para obtener ejemplos de acciones, vea los ejemplos de acciones en la pestaa Plantillas del panel Herramientas de clculo o en los ejemplos del almacenamiento de
datos de ejemplo Adventure Works DW. Para obtener ms informacin acerca de la instalacin de esta base de datos, vea Instalar los datos y proyectos de ejemplo
para el tutorial de modelado multidimensional de Analysis Services.
Definir y utilizar una accin de obtencin de detalles

En esta tarea, se define, utiliza y modifica una accin de obtencin de detalles a travs de la relacin de dimensin de hecho definida anteriormente en este tutorial.
Leccin siguiente
Vea tambin
Conceptos
Acciones (Analysis Services - Datos multidimensionales)
Acciones en modelos multidimensionales
Definir y utilizar una accin de obtencin de detalles

SQL Server 2014
El dimensionamiento de datos de hecho mediante una dimensin de hecho sin filtrar correctamente los datos devueltos por la consulta puede producir un rendimiento
lento de las consultas. Para evitarlo, puede definir una accin de obtencin de detalles que restrinja el nmero total de filas que se devuelven. Esto mejorar
significativamente el rendimiento de las consultas.
En las tareas de este tema, definir una accin de obtencin de detalles para devolver informacin detallada de pedidos para las ventas a clientes a travs de Internet.
Definir las propiedades de la accin de obtencin de detalles

1. En el Diseador de cubos del cubo Tutorial de Analysis Services, haga clic en la pestaa Acciones.
La pestaa Acciones incluye varios paneles. En la parte izquierda de la pestaa estn el panel Organizador de acciones y el panel Herramientas de clculo. El
panel situado a la derecha de los dos paneles es el panel Mostrar, que contiene los detalles de la accin que est seleccionada en el panel Organizador de
acciones.
La siguiente imagen muestra la pestaa Acciones del Diseador de cubos.
2. En la barra de herramientas de la pestaa Acciones, haga clic en el botn Nueva accin de obtencin de detalles.
Aparecer una plantilla de Accin en blanco en el panel de informacin.
3. En el cuadro Nombre, cambie el nombre de esta accin por Internet Sales Details Drillthrough Action.
4. En la lista Miembros de grupo de medida, seleccione Internet Sales.
5. En el cuadro Columnas de obtencin de detalles, seleccione Internet Sales Order Details en la lista Dimensiones.
6. En la lista Columnas devueltas, active las casillas Item Description y Order Number y, a continuacin, haga clic en Aceptar. La siguiente imagen muestra la
plantilla de Accin con el aspecto que debera tener en este punto del procedimiento.
7. Expanda el cuadro Propiedades adicionales, como en la siguiente imagen.
8. En el cuadro Nmero mximo de filas, escriba 10.

9. En el cuadro Ttulo, escriba Drillthrough to Order Details.
Esta configuracin limita el nmero de filas devueltas y especifica el ttulo que aparece en el men de la aplicacin cliente. En la ilustracin siguiente se muestra
esta configuracin en el cuadro Propiedadesadicionales.
Usar la accin de obtencin de detalles

3. Inicie Excel.
4. Agregue la medida Internet Sales-Sales Amount al rea Valores.
5. Agregue la jerarqua definida por el usuario Geografa del cliente desde la carpeta Location de la dimensin Customer al panel Filtro de informe.
6. En la tabla dinmica, en Geografa del cliente, agregue un filtro que seleccione un solo cliente. Expanda sucesivamente All Customers, Australia, Queensland,
Brisbane y 4000, active la casilla correspondiente a Adam Powell y, a continuacin, haga clic en Aceptar.
Las ventas totales de productos de Adventure Works Cycles a Adam Powell aparecern en el rea de datos.
7. Haga clic con el botn secundario en el importe de venta, seleccione Acciones adicionales y, a continuacin, haga clic en Drillthrough to Order Details.
La informacin detallada de los pedidos enviados a Adam Powell aparecer en el Visor de muestras de datos, como se muestra en la ilustracin siguiente. Sin
embargo, algunos detalles adicionales podran ser igualmente tiles, caso de la fecha del pedido, la fecha de vencimiento y la fecha de envo. En el siguiente
procedimiento, agregar estos detalles adicionales.
8. Cerrar Excel/
Modificar la accin de obtencin de detalles

1. Abra el Diseador de dimensiones para la dimensin Detalles del pedido de venta por Internet.
Observe que solo se han definido tres atributos para esta dimensin.
2. En el panel Vista del origen de datos, haga clic con el botn secundario en un rea abierta y, a continuacin, haga clic en Mostrar todas las tablas.
3. En el men Formato, elija Diseo automtico y haga clic en Diagrama.
4. Busque la tabla InternetSales (dbo.FactInternetSales); para ello, haga clic con el botn secundario en un rea abierta del panel Vista del origen de datos. A
continuacin, haga clic en Buscar tabla, en InternetSales y, por ltimo, en Aceptar.
5. Cree nuevos atributos basados en las siguientes columnas:
OrderDateKey
DueDateKey
ShipDateKey
6. Cambie la propiedad Nombre del atributo Order Date Key por Order Date. A continuacin, haga clic en el botn de exploracin de la propiedad Columna de
nombre y, en el cuadro de dilogo Columna de nombre, seleccione Date como tabla de origen y SimpleDate como columna de origen. Haga clic en Aceptar.
7. Cambie la propiedad Nombre del atributo Due Date Key por Due Date y, a continuacin, usando el mismo mtodo que en el caso del atributo Order Date Key,
cambie la propiedad Columna de nombre de este atributo por Date.SimpleDate (WChar).
8. Cambie la propiedad Nombre del atributo Ship Date Key por Ship Date y, a continuacin, cambie la propiedad Columna de nombre de este atributo por
Date.SimpleDate (WChar).
9. Vaya a la pestaa Acciones del Diseador de cubos para el cubo Analysis Services Tutorial.
10. En el cuadro Columnas de obtencin de detalles, active las casillas para agregar las siguientes columnas a la lista Columnas devueltas y, a continuacin, haga
clic en Aceptar:
Order Date (Fecha de pedido)
Due Date (Fecha de vencimiento)
Ship Date Fecha de envo
La siguiente imagen muestra estas columnas seleccionadas.
Revisar la accin de obtencin de detalles modificada

2. Cuando la implementacin se haya completado correctamente, vaya a la pestaa Explorador del Diseador de cubos para el cubo Tutorial de Analysis Services
y, a continuacin, haga clic en el botn Volver a conectar.
3. Inicie Excel.
4. Vuelva a crear la tabla dinmica usando Internet Sales-Sales Amount en el rea Valores y Geografa del cliente en el Filtro de informe.
Agregue un filtro que seleccione All Customers, Australia, Queensland, Brisbane, 4000, Adam Powell.
5. Haga clic en la celda de datos de Internet Sales-Sales Amount , seleccione Acciones adicionales y, a continuacin, haga clic en Drillthrough to Order Details.
La informacin detallada de estos pedidos enviados a Adam Powell aparecer en una hoja de clculo temporal. Dicha informacin incluye la descripcin de los
artculos, el nmero y la fecha de pedido, la fecha de vencimiento y la fecha de envo, como se muestra en la ilustracin siguiente.
Leccin siguiente
Vea tambin
Tasks
Conceptos
Acciones (Analysis Services - Datos multidimensionales)
Acciones en modelos multidimensionales
Definir relaciones de hechos y propiedades de las relaciones de hechos

SQL Server 2014
En esta leccin, aprender a definir perspectivas y traducciones. Puede definir perspectivas para reducir la complejidad aparente de un cubo y definir traducciones que
permitan a los usuarios ver los metadatos del cubo en el idioma que desee.
Nota
Definir y examinar perspectivas

En esta tarea, se definen y examinan perspectivas para simplificar la vista del cubo para usuarios o usos especficos.
Definir y examinar traducciones
En esta tarea, se definen y examinan traducciones de metadatos especficos en determinados idiomas.
Leccin siguiente
Vea tambin
Conceptos
Perspectivas
Perspectivas de modelos multidimensionales
Traducciones de dimensiones
Traducciones de cubos
Traducciones (Analysis Services - Datos multidimensionales)
Definir y examinar perspectivas

SQL Server 2014
Una perspectiva puede simplificar la vista de un cubo para fines especficos. De manera predeterminada, los usuarios pueden ver todos los elementos de un cubo para
los que tengan permisos. Lo que observan los usuarios cuando ven un cubo Analysis Services entero es la perspectiva predeterminada del cubo. Una vista de todo el
cubo puede resultar muy compleja para que los usuarios naveguen por ella, en especial aquellos usuarios que solo necesitan interactuar con una pequea parte del cubo
a fin de satisfacer sus requisitos de informes e inteligencia empresarial.
Para reducir la aparente complejidad de un cubo, puede crear subconjuntos visibles del cubo, denominados perspectivas, que solo muestran a los usuarios una parte
definida de los grupos de medida, medidas, dimensiones, atributos, jerarquas, indicadores clave de rendimiento KPI, acciones y miembros calculados del cubo. Esto
puede ser especialmente til para trabajar con aplicaciones cliente que se escribieron para una versin anterior de Analysis Services. Estos clientes, por ejemplo, no tienen
el concepto de carpetas o perspectivas para mostrar, pero aparece una perspectiva para los clientes antiguos como si fuera un cubo. Para obtener ms informacin, vea
Perspectivas y Perspectivas de modelos multidimensionales.
Nota
Una perspectiva no es un mecanismo de seguridad sino, ms bien, una herramienta para proporcionar una mejor experiencia del usuario. Toda la seguridad de una
perspectiva se hereda del cubo subyacente.
En las tareas de este tema, definir varias perspectivas diferentes y, a continuacin, examinar el cubo a travs de cada una de estas nuevas perspectivas.
Definir una perspectiva Internet Sales

1. Abra el Diseador de cubos para el cubo Tutorial de Analysis Services y, a continuacin, haga clic en la pestaa Perspectivas.
Todos los objetos y sus tipos de objeto aparecen en el panel Perspectivas, como en la siguiente imagen.
2. En la barra de herramientas de la pestaa Perspectivas, haga clic en el botn Nueva perspectiva.

Una nueva perspectiva aparece en la columna Nombre de perspectiva con un nombre predeterminado de Perspectiva, como se muestra en la siguiente
imagen. Observe que la casilla de cada objeto est seleccionada; hasta que no desactive la casilla de un objeto, esta perspectiva ser idntica a la perspectiva
predeterminada de este cubo.
3. Cambie el nombre de perspectiva por Internet Sales.

4. En la fila siguiente, establezca DefaultMeasure en Internet Sales-Sales Amount.
Cuando los usuarios examinen el cubo mediante esta perspectiva, esta ser la medida que los usuarios vern a menos que especifiquen alguna otra medida.
Nota
Tambin puede establecer la medida predeterminada para todo el cubo Analysis Services Tutorial en la ventana Propiedades de la pestaa Estructura de
cubo del cubo.
5. Desactive la casilla de los siguientes objetos:
Grupo de medida Reseller Sales
Grupo de medida Sales Quotas
Grupo de medida Sales Quotas 1
Dimensin de cubo Reseller
Dimensin de cubo Reseller Geography
Dimensin de cubo Sales Territory
Dimensin de cubo Employee
Dimensin de cubo Promotion
KPI Reseller Revenue
Conjunto con nombre Large Resellers
Miembro calculado Total Sales Amount
Miembro calculado Total Product Cost
Miembro calculado Reseller GPM
Miembro calculado Total GPM
Miembro calculado Reseller Sales Ratio to All Products
Miembro calculado Total Sales Ratio to All Products
Estos objetos no tienen relacin con Internet Sales.
Nota
Dentro de cada dimensin, tambin puede seleccionar individualmente las jerarquas definidas por el usuario y los atributos que desee que aparezcan en una
perspectiva.
Definir una perspectiva Reseller Sales

2. Cambie el nombre de la nueva perspectiva por Reseller Sales.
3. Establezca Reseller Sales-Sales Amount como medida predeterminada.
Cuando los usuarios examinen el cubo mediante esta perspectiva, esta medida ser la medida que los usuarios vern a menos que especifiquen alguna otra
medida.
Grupo de medida Internet Sales

Grupo de medida Internet Sales Reason
Dimensin de cubo Customer
Dimensin de cubo Internet Sales Order Details
Dimensin de cubo Sales Reason
Accin de obtencin de detalles Internet Sales Details Drillthrough Action
Miembro calculado Total Sales Amount
Miembro calculado Total Product Cost
Miembro calculado Internet GPM
Miembro calculado Total GPM
Miembro calculado Internet Sales Ratio to All Products
Miembro calculado Total Sales Ratio to All Products
Estos objetos no tienen relacin con Resellers Sales.
Definir una perspectiva Sales Summary

2. Cambie el nombre de la nueva perspectiva por Sales Summary.
Nota
No puede especificar una medida calculada como medida predeterminada.
Grupo de medida Internet Sales
Grupo de medida Reseller Sales
Grupo de medida Internet Sales Reason
Grupo de medida Sales Quotas
Grupo de medida Sales Quotas1
Dimensin de cubo Internet Sales Order Details
Dimensin de cubo Sales Reason
Accin de obtencin de detalles Internet Sales Details Drillthrough Action
4. Active la casilla de los siguientes objetos:
Medida Internet Sales Count
Medida Reseller Sales Count
Examinar el cubo a travs de cada perspectiva

2. Cuando la implementacin se haya completado correctamente, vaya a la pestaa Explorador y, a continuacin, haga clic en el botn Volver a conectar.
3. Inicie Excel.
4. Analizar en Excel le pedir que elija qu perspectiva desea usar al examinar el modelo en Excel, como se muestra en la ilustracin siguiente.
5. Como alternativa, puede iniciar Excel en el men Inicio de Windows, definir una conexin a la base de datos Tutorial de Analysis Services en localhost y elegir una
perspectiva en el Asistente para la conexin de datos, como se muestra en la ilustracin siguiente.
6. Seleccione Internet Sales en la lista Perspectiva y, despus, examine las medidas y dimensiones en el panel de metadatos.
Observe que solo aparecen aquellos objetos especificados para la perspectiva Internet Sales.
7. En el panel de metadatos, expanda Medidas.
Observe que solo aparece el grupo de medida Internet Sales, junto con los miembros calculados Internet GPM e Internet Sales Ratio to All Products.
8. En el modelo, seleccione Excel de nuevo. Seleccione Sales Summary.
Observe que en cada uno de estos grupos de medida, solo aparece una nica medida, tal como se muestra en la siguiente imagen.

Vea tambin
Conceptos
Perspectivas
Perspectivas de modelos multidimensionales

SQL Server 2014
Una traduccin es una representacin de los nombres de objetos de Analysis Services en un idioma especfico. Entre estos objetos se incluyen grupos de medida,
medidas, dimensiones, atributos, jerarquas, KPI, acciones y miembros calculados. Las traducciones ofrecen compatibilidad de servidor para aplicaciones cliente que
admitan varios idiomas. Mediante el uso de dicho cliente, ste pasa el identificador local LCID a la instancia de Analysis Services, que utiliza el LCID para determinar el
conjunto de traducciones que se va a utilizar al proporcionar metadatos para los objetos de Analysis Services. Si un objeto de Analysis Services no contiene una
traduccin para ese idioma o no contiene una traduccin para un objeto determinado, al devolver los metadatos de objeto al cliente se usa el idioma predeterminado.
Por ejemplo, si un usuario corporativo de Francia tiene acceso a un cubo de una estacin de trabajo con configuracin regional francesa, el usuario corporativo ver los
ttulos y valores de propiedades de miembro en francs si existe una traduccin al francs. Sin embargo, si un usuario corporativo de Alemania tiene acceso al mismo
cubo desde una estacin de trabajo con una configuracin regional en alemn, ver los ttulos y los valores de propiedades de miembro en alemn. Para obtener ms
informacin, vea Traducciones de dimensiones, Traducciones de cubos y Traducciones (Analysis Services - Datos multidimensionales).
En las tareas de este tema, se definen las traducciones de metadatos de un conjunto limitado de objetos de dimensin de la dimensin Date y de objetos de cubo del
cubo Analysis Services Tutorial. Entonces podr buscar entre estos objetos de dimensin y de cubo para examinar las traducciones de metadatos.
Especificar traducciones para los metadatos de la dimensin Date

1. Abra el Diseador de dimensiones para la dimensin Date y, a continuacin, haga clic en la pestaa Traducciones.
Aparecen los metadatos en el idioma predeterminado de dicho objeto de dimensin. El idioma predeterminado en el cubo Analysis Services Tutorial es el ingls.
2. En la barra de herramientas de la pestaa Traducciones, haga clic en el botn Nueva traduccin.
Aparecer una lista de idiomas en el cuadro de dilogo Seleccionar idioma.
3. Haga clic en Espaol Espaa y, despus, en Aceptar.
Aparecer una nueva columna en la que podr definir las traducciones espaolas para los objetos de metadatos que desee traducir. En este tutorial, solo
traduciremos un pequeo nmero de objetos para ilustrar el proceso.
4. En la barra de herramientas de la pestaa Traducciones, haga clic en el botn Nueva traduccin, Francs Francia en el cuadro de dilogo Seleccionar
idioma y, a continuacin, haga clic en Aceptar.
Aparecer otra columna de idioma en la que definir las traducciones de francs.
5. En la fila del objeto Caption de la dimensin Date, escriba Fecha en la columna de traduccin Espaol Espaa y Temps en la columna de traduccin Francs
(Francia).
6. En la fila para el objeto Caption del atributo Month Name, escriba Mes del Ao en la columna de traduccin Espaol Espaa y Mois d'Anne en la columna
de traduccin Francs Francia.
Observe que al escribir estas traducciones, aparecen puntos suspensivos (). Si hace clic en estos puntos suspensivos podr especificar una columna en la tabla
subyacente que proporciona traducciones para cada miembro de la jerarqua de atributo.
7. Haga clic en los puntos suspensivos ( de la traduccin Espaol Espaa del atributo Month Name.
Aparecer el cuadro de dilogo Traduccin de datos de atributos.
8. En la lista Columnas de traduccin, seleccione SpanishMonthName, tal como aparece en la siguiente imagen.
9. Haga clic en Aceptar y, a continuacin, en los puntos suspensivos de la traduccin Francs Francia del atributo Month Name.
10. En la lista Columnas de traduccin, seleccione FrenchMonthName y, a continuacin, haga clic en Aceptar.
Los pasos de este procedimiento ilustran el proceso de definicin de traducciones de metadatos para miembros y objetos de dimensiones.
Especificar traducciones para los metadatos del cubo Tutorial de Analysis Services
1. Cambie al Diseador de cubos para el cubo Tutorial de Analysis Services y, a continuacin, cambie a la pestaa Traducciones.
Los metadatos en el idioma predeterminado de dicho objeto de cubo aparecen tal como se muestran en la siguiente imagen. El idioma predeterminado en el
cubo Analysis Services Tutorial es el ingls.
2. En la barra de herramientas de la pestaa Traducciones, haga clic en el botn Nueva traduccin.

Aparecer una lista de idiomas en el cuadro de dilogo Seleccionar idioma.
3. Seleccione Espaol Espaa y, despus, en Aceptar.
Aparecer una nueva columna en la que podr definir las traducciones espaolas para los objetos de metadatos que desee traducir. En este tutorial, solo
traduciremos un pequeo nmero de objetos para ilustrar el proceso.
4. En la barra de herramientas de la pestaa Traducciones, haga clic en el botn Nueva traduccin, seleccione Francs Francia en el cuadro de dilogo
Seleccionar idioma y, a continuacin, haga clic en Aceptar.
Aparecer otra columna de idioma en la que definir las traducciones de francs.
5. En la fila del objeto Caption de la dimensin Date, escriba Fecha en la columna de traduccin Espaol Espaa y Temps en la columna de traduccin Francs
(Francia).
6. En la fila del objeto Caption del grupo de medida Internet Sales, escriba Venta por lnternet en la columna de traduccin Espaol Espaa y Ventes
D'Internet en la columna Francs Francia.
7. En la fila para el objeto Caption de la medida Internet Sales-Sales Amount, escriba Cantidad de las Ventas por Internet en la columna de traduccin Espaol
Espaa y Quantit de Ventes d'Internet en la columna de traduccin Francs Francia.
Los pasos de este procedimiento ilustran el proceso de definicin de traducciones de metadatos para objetos de cubos.
Examinar el cubo utilizando traducciones

2. Cuando la implementacin se haya completado correctamente, vaya a la pestaa Explorador y, a continuacin, haga clic en Volver a conectar.
3. Quite todas las jerarquas y medidas del panel Datos y seleccione Tutorial de Analysis Services en la lista Perspectivas.
4. En el panel de metadatos, expanda Medidas y, a continuacin, Venta por Internet.
Observe que la medida Internet Sales-Sales Amount aparece en ingls en este grupo de medida.
5. En la barra de herramientas, seleccione Espaol Espaa en la lista Idioma.

Observe que los elementos del panel de metadatos se vuelven a rellenar. Una vez que los elementos del panel de metadatos se vuelvan a rellenar, observe
cmo la medida Internet SalesSales Amount ya no aparece en la carpeta para mostrar Venta por Internet. En su lugar, aparecer en espaol en una nueva
carpeta para mostrar denominada Ventas por lnternet, tal como aparece en la siguiente imagen.
6. En el panel de metadatos, haga clic con el botn secundario en Importe de venta por Internet y seleccione Agregar a consulta.
7. En el panel de metadatos, expanda Fecha y Fecha.Calendar Date, haga clic con el botn secundario en Fecha.Calendar Date y, a continuacin, seleccione
Agregar a filtro.
8. En el panel Filtro , seleccione CY 2007 como expresin de filtro.
9. En el panel de metadatos, haga clic con el botn secundario en Ao mes y seleccione Agregar a consulta.
Observe que los nombres de los meses aparecen en espaol, tal como se muestra en la siguiente imagen.
10. En la barra de herramientas, seleccione Francs Francia en la lista Idioma.

Observe que los nombres de los meses aparecen ahora en francs y que el nombre de la medida aparece ahora tambin en francs.
Leccin siguiente
Vea tambin
Conceptos
Traducciones de dimensiones
Traducciones de cubos
Traducciones (Analysis Services - Datos multidimensionales)

SQL Server 2014
En esta leccin, aprender a definir roles de seguridad para tareas administrativas.
Nota
Conceder permisos Procesar base de datos

En esta tarea, definir un rol de seguridad que tiene permisos para procesar la base de datos de Analysis Services y, a continuacin, probar dicho rol de
seguridad.
Vea tambin
Conceptos
Conceder permisos Procesar base de datos

SQL Server 2014
Despus de instalar una instancia de Analysis Services, todos los miembros del rol de administrador de servidor Analysis Services de dicha instancia tienen permisos en el
servidor para llevar a cabo cualquier tarea dentro de la instancia de Analysis Services. De manera predeterminada, ningn otro usuario tiene permiso para administrar o
ver objetos en la instancia de Analysis Services.
Un miembro del rol de administrador de servidor puede conceder a los usuarios acceso administrativo en un servidor si los convierte en miembros del rol. Un miembro
del rol de administrador de servidor puede conceder tambin a los usuarios acceso de forma ms limitada concedindoles permisos administrativos o de acceso
limitados o completos en el nivel de base de datos. Los permisos administrativos limitados incluyen permisos Procesar o Leer definicin en el nivel de base de datos,
cubo o dimensin.
En las tareas de este tema definir un rol de seguridad Procesar objetos de base de datos que conceda a los miembros del rol permiso para procesar todos los objetos
de la base de datos, pero ningn permiso para ver datos de la base de datos.
Definir un rol de seguridad Procesar objetos de base de datos

1. En el Explorador de soluciones, haga clic con el botn secundario en Roles y, a continuacin, haga clic en Nuevo rol para abrir el Diseador de roles.
2. Haga clic en la casilla Procesar base de datos.
3. En la ventana Propiedades, cambie la propiedad Nombre de este nuevo rol a Rol Procesar objetos de base de datos.
4. Vaya a la pestaa Pertenencia del Diseador de roles y haga clic en Agregar.

5. Especifique las cuentas de los usuarios o grupos de dominios de Windows que sean miembros de este rol. Haga clic en Comprobar nombres para comprobar
la informacin de la cuenta y haga clic en Aceptar.
6. Vaya a la pestaa Cubos del Diseador de roles.
Observe que los miembros de este rol tienen permisos para procesar esta base de datos, pero no tienen permiso para obtener acceso a los datos del cubo
Analysis Services Tutorial y no tienen acceso a obtencin de detalles o cubo local, como se muestra en la siguiente imagen.
7. Vaya a la pestaa Dimensiones del Diseador de roles.

Observe que los miembros de este rol tienen permisos para procesar todos los objetos de dimensin de esta base de datos y que, de manera predeterminada,
tienen permisos de lectura para tener acceso a cada objeto de dimensin de la base de datos del Tutorial de Analysis Services:

Acaba de definir e implementar correctamente el rol de seguridad Procesar objetos de base de datos. Despus de que el cubo se implemente en el entorno de
produccin, los administradores del cubo implementado podrn agregar usuarios a este rol segn vayan necesitando delegar responsabilidades de
procesamiento en usuarios especficos.
Nota
Para disponer de un proyecto completado de la Leccin 10, descargue e instale los ejemplos. Para obtener ms informacin, vea Instalar los datos y proyectos de
ejemplo para el tutorial de modelado multidimensional de Analysis Services.
Vea tambin
Conceptos
Roles y permisos de modelos multidimensionales
Tutoriales de minera de datos Analysis Services

SQL Server 2014
Microsoft SQL Server Analysis Services facilita la creacin soluciones de minera de datos complejas. Las herramientas de Analysis Services le ayudan a disear, crear y
administrar los modelos de minera de datos que usan datos relacionales o de cubo. Puede administrar el acceso de cliente a los modelos de minera de datos y crear
consultas de prediccin a partir de varios clientes.
Los tutoriales paso a paso de la lista siguiente le ayudarn a obtener el mximo provecho de Analysis Services, para poder realizar anlisis avanzado y resolver
problemas empresariales que estn fuera del alcance de los mtodos tradicionales de Business Intelligence.
En esta seccin
Tutorial bsico de minera de datos
Este tutorial le gua en un escenario de distribucin de correo directo. En l se muestra cmo se usan los algoritmos de minera de datos, los visores del modelo
de minera de datos y las herramientas de minera de datos que se incluyen en Analysis Services. Crear tres modelos de minera de datos para dar respuesta a
cuestiones prcticas relacionadas con la empresa mientras aprende las herramientas y conceptos de la minera de datos.
Tutorial intermedio de minera de datos Analysis Services Minera de datos
Este tutorial contiene una coleccin de lecciones que introducen conceptos ms avanzados y tcnicas de minera de datos. Los escenarios incluyen estos tipos de
modelos:
pronstico
anlisis de la cesta de la compra
redes neuronales y regresin logstica
clsteres de secuencia
Las lecciones son independientes y se pueden realizar en cualquier orden, pero debe tener conocimientos bsicos de cmo crear orgenes de datos.
Los conceptos avanzados descritos en estas lecciones incluyen el uso de tablas anidadas, la prediccin cruzada, las vistas del origen de datos y las consultas con
nombre personalizadas, y el filtrado de consultas de minera de datos. Tambin aprender a usar las herramientas de consulta de prediccin que se incluyen en
Analysis Services.
Referencia
Algoritmos de minera de datos Analysis Services: Minera de datos
Referencia de Extensiones de minera de datos DMX
Secciones relacionadas
Herramientas de minera de datos
Arquitectura lgica Analysis Services Minera de datos
Arquitectura lgica Analysis Services Datos multidimensionales
Proyectos de minera de datos
Vea tambin
Conceptos
Soluciones de minera de datos
Otros recursos
Recursos de minera de datos de Microsoft SQL Server
Crear y consultar modelos de minera de datos con DMX: tutoriales Analysis Services minera de datos

SQL Server 2014
Este es el Tutorial bsico de minera de datos de Microsoft Analysis Services. Microsoft SQL Server proporciona un entorno integrado para crear modelos de minera de
datos y realizar predicciones. En este tutorial, completar un escenario de una campaa de envo de correo directo en el que se utiliza aprendizaje automtico para
analizar y predecir el comportamiento de compra de los clientes. En el tutorial se muestra cmo utilizar tres de los algoritmos ms importantes de minera de datos:
agrupacin en clsteres, rboles de decisin y Bayes Naive. Tambin aprender a analizar los hallazgos con los visores de modelo de minera de datos, y crear
predicciones y grficos de precisin con las herramientas de minera de datos que se incluyen en Microsoft SQL Server Analysis Services. La compaa ficticia, Adventure
Works Cycles, se utiliza en todos los ejemplos.
Cuando se sienta cmodo con el uso de las herramientas de minera de datos, se recomienda que complete tambin el Tutorial intermedio de minera de datos Analysis
Services Minera de datos. En las lecciones se muestra cmo utilizar el pronstico, anlisis de la cesta de compras, series temporales, modelos de asociacin, tablas
anidadas y clsteres de secuencia.

En este tutorial, ser un empleado de Adventure Works Cycles con la tarea de obtener ms informacin sobre los clientes de la compaa basndose en el historial de
compras y utilizando a continuacin ese datos histricos para realizar predicciones que se puedan utilizar en el mercado. La compaa no ha trabajado previamente
con minera de datos, por lo que debe crear una nueva base de datos especfica para minera de datos y configurar varios modelos de minera de datos.
Aprendizaje
Este tutorial le ensea a crear diferentes tipos de mtodos de aprendizaje automtico y a trabajar con ellos. Tambin aprender a crear una copia de un modelo de
minera de datos y aplicar un filtro a los datos de entrada para obtener resultados diferentes. Despus, puede comparar los resultados de ambos modelos mediante
un grfico de elevacin. Por ltimo, utilizar la obtencin de detalles para recuperar datos adicionales de la estructura de minera de datos subyacente.
La minera de datos de Microsoft Analysis Services incluye las siguientes caractersticas que ayudan con facilidad a desarrollar y comparar varios modelos predictivos y
a tomar medidas posteriormente en funcin de los resultados:
Conjuntos de pruebas de datos de exclusin: al crear una estructura de minera de datos, ahora puede dividir los datos de la estructura en conjuntos de prueba y
de entrenamiento. Esto permite probar modelos en conjuntos de datos similares y comparar la precisin de los modelos relacionados.
Filtros de modelo de minera de datos: ahora puede adjuntar filtros a un modelo de minera de datos y aplicar el filtro durante el entrenamiento y las pruebas. Esto
permite con facilidad generar modelos relacionados en diferentes subconjuntos de datos.
Obtencin de detalles para casos de estructura y columnas de estructura: ahora puede cambiar fcilmente de los patrones generales del modelo de minera de
datos al detalle procesable en el origen de datos.
El tutorial est compuesto por las lecciones siguientes:
Leccin 1: Preparar la base de datos de Analysis Services tutorial bsico de minera de datos
En esta leccin, aprender a crear una nueva base de datos de Analysis Services, agregar un origen de datos y una vista del origen de datos, y preparar la
nueva base de datos que se va a utilizar para la minera de datos.
Leccin 2: Generar una estructura de distribucin de correo directo Tutorial bsico de minera de datos
En esta leccin, aprender a crear una estructura de modelos de minera de datos que se puede utilizar como parte de un escenario de distribucin de correo
directo.
Leccin 3: Agregar y procesar los modelos
En esta leccin obtendr informacin sobre cmo agregar modelos a una estructura. Los modelos que crea se generan con los algoritmos siguientes:
rboles de decisin de Microsoft

Agrupacin en clsteres de Microsoft
Bayes naive de Microsoft
Leccin 4: Explorar los modelos de correo directo tutorial bsico de minera de datos
En esta leccin obtendr informacin sobre cmo explorar e interpretar los hallazgos de cada modelo usando los visores.
Leccin 5: Probar los modelos Tutorial bsico de minera de datos
En esta leccin, realiza una copia de uno de los modelos de distribucin de correo directo, agrega un filtro de modelo de minera de datos para restringir los
datos de entrenamiento a un conjunto determinado de clientes y, a continuacin, evala la viabilidad del modelo.
Leccin 6: Crear y trabajar con predicciones Tutorial bsico de minera de datos
En esta leccin final del Tutorial bsico de minera de datos, utiliza el modelo para predecir qu clientes tienen ms probabilidad de comprar una bicicleta. A
continuacin, obtendr detalles de los casos subyacentes para conseguir informacin de contacto.
Requisitos
Asegrese de que los siguientes componentes estn instalados:
Microsoft SQL Server 2014

Microsoft SQL Server Analysis Services en modo multidimensional
La base de datos AdventureWorksDW2012 .
Con objeto de mejorar la seguridad, las bases de datos de ejemplo no se instalan con SQL Server. Para instalar las bases de datos oficiales para Microsoft SQL Server,
visite la pgina Bases de datos de ejemplo de Microsoft SQL y seleccione SQL Server 2014.
Nota
Al trabajar con el tutorial, le resultar ms fcil avanzar o retroceder pasos si agrega los botones Tema siguiente y Tema anterior a la barra de herramientas del
visor de documentos. Para obtener ms informacin, vea Adding Next and Previous Buttons to Help.
Vea tambin
Conceptos
Otros recursos
Tareas y procedimientos de los modelos de minera de datos
Leccin 1: Preparar la base de datos de Analysis Services

tutorial bsico de minera de datos
SQL Server 2014
Suponga que es un nuevo empleado de Adventure Works Cycles que se le ha encargado la tarea de disear una aplicacin de Business Intelligence en SQL Server 2014.
Adventure Works Cycles espera aprovechar su experiencia en minera de datos de Analysis Services para detectar informacin interesante y procesable sobre las
personas que han comprado bicicletas. Quieren que prevea qu clientes tienen ms probabilidad de comprar una bicicleta en el futuro.
El diseo de esta aplicacin de SQL Server se inicia con la creacin en SQL Server Data Tools SSDT de un proyecto de SQL Server Analysis Services basado en la plantilla
de proyecto de Analysis Services para el modelado multidimensional y la minera de datos. Despus de crear un proyecto de Analysis Services, tiene que definir uno o
varios orgenes de datos. A continuacin, definir una sola vista de los metadatos denominada vista del origen de datos, a partir de las tablas y vistas seleccionadas en los
orgenes de datos.
En esta leccin, crear un proyecto de Analysis Services, definir un solo origen de datos y agregar un subconjunto de tablas a una vista del origen de datos. Esta leccin
incluye las tareas siguientes:
Crear un proyecto de Analysis Services Tutorial bsico de minera de datos
Crear un origen de datos Tutorial bsico de minera de datos
Crear una vista del origen de datos Tutorial bsico de minera de datos
Primera tarea de la leccin

Leccin siguiente
Vea tambin
Tasks
Conceptos
Tipos de orgenes de datos admitidos SSAS multidimensional
Crear un proyecto de Analysis Services Tutorial bsico de

minera de datos
SQL Server 2014
Cada proyecto de Microsoft SQL Server Analysis Services define los objetos de una sola base de datos de Analysis Services. Una base de datos de Analysis Services
puede contener muchos tipos diferentes de objetos
Modelos multidimensionales (cubos)

Estructuras de minera de datos y modelos de minera de datos
Objetos auxiliares como orgenes de datos, vistas del origen de datos y ensamblados personalizados
Tenga en cuenta que no se necesita un cubo para realizar tareas de minera de datos. Si necesita realizar minera de datos en un cubo existente, debe agregar los
modelos de minera de datos al mismo proyecto que utiliz para generar el cubo. Sin embargo, para la mayora de los fines se pueden generar los modelos en orgenes
de datos relacionales, como un almacenamiento de datos, y obtener mejor rendimiento si no se emplea un cubo.
En este tutorial utilizar un almacenamiento de datos relacional, AdventureWorksDW2012 , como origen de datos. Implementar todos los objetos de minera de datos en
una base de datos de Analysis Services denominada BasicDataMining, que se utiliza solamente para minera de datos.
De forma predeterminada, Analysis Services usa la instancia localhost para los proyectos nuevos. Si est utilizando una instancia con nombre o un servidor diferente,
debe crear y abrir el proyecto primero y, a continuacin, cambiar el nombre de instancia.
Para obtener ms informacin acerca de los proyectos de Analysis Services, vea Crear un proyecto de Analysis Services.
Para crear un proyecto de Analysis Services

1. Abra SQL Server Data Tools (SSDT).
2. En el men Archivo, seleccione Nuevo y haga clic en Proyecto.
3. Compruebe que la opcin Proyectos de Business Intelligence est seleccionada en el panel Tipos de proyecto.
4. En el panel Plantillas, seleccione Proyecto multidimensional y de minera de datos de Analysis Services.
5. En el cuadro Nombre, asigne al nuevo proyecto el nombre BasicDataMining.
Para cambiar la instancia donde se almacenan los objetos de minera de datos

1. En SQL Server Data Tools SSDT, en el men Proyecto, seleccione Propiedades.
2. En el lado izquierdo del panel Pginas de propiedades, en Propiedades de configuracin, haga clic en Implementacin.
3. En el lado derecho del panel Pginas de propiedades, en Destino, compruebe que el nombre de Servidor es localhost. Si usa una instancia diferente, escriba el
nombre de la instancia. Haga clic en Aceptar.

Vea tambin
Conceptos

SQL Server 2014
Un origen de datos es una conexin de datos guardada y administrada en el proyecto e implementada en la base de datos de Microsoft SQL Server Analysis Services. El
origen de datos contiene los nombres del servidor y la base de datos donde residen los datos de origen, adems de otras propiedades de conexin necesarias.
Importante
El nombre de la base de datos es AdventureWorksDW2012 . Si an no ha instalado esta base de datos, vea la pgina de Bases de datos de ejemplo de Microsoft SQL.
Para crear un origen de datos

1. En el Explorador de soluciones, haga clic con el botn secundario en la carpeta Orgenes de datos y seleccione Nuevo origen de datos.
2. En la pgina de inicio del Asistente para orgenes de datos, haga clic en Siguiente.
3. En la pgina Seleccionar cmo definir la conexin, haga clic en Nueva para agregar una conexin a la base de datos de AdventureWorksDW2012 .
4. En la lista Proveedor del Administrador de conexiones, seleccione OLE DB nativo\SQL Server Native Client 11.0.
5. En el cuadro Nombre del servidor, escriba o seleccione el nombre del servidor en el que instal AdventureWorksDW2012 .
Por ejemplo, escriba localhost , si la base de datos se hospeda en el servidor local.
6. En el grupo Iniciar sesin en el servidor, seleccione Utilizar autenticacin de Windows.
Importante
Siempre que sea posible, los implementadores deberan utilizar la autenticacin de Windows, ya que proporciona un mtodo de autenticacin ms seguro que
la autenticacin de SOL Server. Sin embargo, la autenticacin de SQL Server se proporciona por motivos de compatibilidad con versiones anteriores. Para
obtener ms informacin acerca de los mtodos de autenticacin, vea Configuracin del motor de base de datos Aprovisionamiento de cuentas.
7. En la lista Seleccione o escriba un nombre de base de datos, seleccione AdventureWorksDW2012 y haga clic en Aceptar.
9. En la pgina Informacin de suplantacin, haga clic en Utilizar la cuenta de servicio y, a continuacin, haga clic en Siguiente.
En la pgina Finalizacin del asistente, observe que de forma predeterminada el origen de datos se denomina Adventure Works DW 2012.
10. Haga clic en Finalizar.
El nuevo origen de datos, Adventure Works DW 2012, aparece en la carpeta Orgenes de datos del Explorador de soluciones.

Crear una vista del origen de datos Tutorial bsico de minera de datos
Tarea anterior de la leccin

Vea tambin
Tasks
Referencia
Establezca las opciones de suplantacin SSAS multidimensional
Conceptos
Crear un origen de datos (SSAS multidimensional)
Crear una vista del origen de datos Tutorial bsico de minera

de datos)
SQL Server 2014
Una vista del origen de datos se genera en un origen de datos y define un subconjunto de los datos, que puede usar en las estructuras de minera de datos. Tambin
puede usar la vista del origen de datos para agregar columnas, crear columnas calculadas y agregados, y agregar vistas con nombre. Mediante el uso de vistas del
origen de datos, puede seleccionar los datos relacionados con un proyecto, establecer relaciones entre tablas y modificar la estructura de los datos sin modificar el
origen de datos original. Para obtener ms informacin, vea Vistas del origen de datos en modelos multidimensionales.
Para crear una vista del origen de datos

1. En el Explorador de soluciones, haga clic con el botn secundario en Vistas del origen de datos y seleccione Nueva vista del origen de datos.
2. En la pgina Asistente para vistas del origen de datos, haga clic en Siguiente.
3. En la pgina Seleccionar un origen de datos, en Orgenes de datos relacionales, seleccione el origen de datos Adventure Works DW 2012 que cre en la ltima
tarea. Haga clic en Siguiente.
Nota
Si desea crear un nuevo origen de datos, haga clic con el botn secundario en Orgenes de datos y, a continuacin, haga clic en Nuevo origen de datos para
iniciar el Asistente para orgenes de datos.
4. En la pgina Seleccionar tablas y vistas, seleccione los objetos siguientes y, a continuacin, haga clic en la flecha derecha para incluirlos en la nueva vista del
origen de datos:
ProspectiveBuyer (dbo): la tabla de compradores probables de una bicicleta
vTargetMail (dbo): la vista de datos histricos sobre los compradores de una bicicleta en el pasado
6. En la pgina Finalizacin del asistente, la vista del origen de datos tendr el nombre Adventure Works DW 2012 de forma predeterminada. Cambie el nombre
por Targeted Mailing y, a continuacin, haga clic en Finalizar.
La nueva vista del origen de datos se abre en la pestaa Targeted Mailing.dsv [Design].

Leccin siguiente
Vea tambin
Conceptos
Definir una vista del origen de datos (Analysis Services)
Otros recursos
How to: Define a Data Source View Using the Data Source View Wizard (Analysis Services)
Leccin 2: Generar una estructura de distribucin de correo

directo Tutorial bsico de minera de datos
SQL Server 2014
El departamento de marketing de Adventure Works Cycles desea aumentar las ventas dirigiendo una campaa de correo directo a clientes especficos. La base de datos
de la empresa contiene una lista de clientes antiguos y otra de nuevos clientes potenciales. Mediante el anlisis de los atributos de clientes anteriores, la empresa espera
detectar los patrones que posteriormente se aplicarn a los clientes potenciales. Por ejemplo, pueden utilizan tendencias anteriores para predecir qu clientes potenciales
tienen ms probabilidades de comprar una bicicleta de Adventure Works Cycles, o crear segmentos de clientes para campaas de marketing futuras.
En esta leccin utilizar el Asistente para minera de datos con el fin de crear la estructura de distribucin de correo directo. Despus de completar las tareas de esta
leccin, tendr una estructura de minera de datos con un modelo sencillo. Dado que la creacin de una estructura conlleva muchos pasos y conceptos importantes,
hemos separado este proceso en las tres tareas siguientes:
Crear una estructura del modelo de minera de datos de distribucin de correo directo Tutorial bsico de minera de datos
Especificar el tipo de datos y el tipo de contenido Tutorial bsico de minera de datos
Especificar un conjunto de datos de pruebas para la estructura Tutorial bsico de minera de datos

Leccin anterior
Leccin 1: Preparar la base de datos de Analysis Services tutorial bsico de minera de datos
Leccin siguiente
Vea tambin
Referencia
Cree la estructura de minera de datos Asistente para minera de datos
Conceptos
Crear una estructura de minera de datos relacional
Crear una estructura del modelo de minera de datos de

distribucin de correo directo Tutorial bsico de minera de
datos)
SQL Server 2014
El primer paso para crear un escenario de correo directo Targeted Mailing consiste en usar el Asistente para minera de datos de SQL Server Data Tools SSDT con el
fin de crear una estructura de minera de datos y un modelo de minera de datos de rbol de decisin.
En esta tarea configurar una nueva estructura de minera de datos y agregar un modelo de minera de datos inicial basndose en el algoritmo de rboles de decisin
de Microsoft. Para crear la estructura, primero seleccionar las tablas y las vistas, y a continuacin identificar qu columnas se usarn para el entrenamiento y cules
para las pruebas.
Para crear una estructura de minera de datos para un escenario de distribucin de correo directo
1. En el Explorador de soluciones, haga clic con el botn secundario en Estructuras de minera de datos y seleccione Nueva estructura de minera de datos para
iniciar el Asistente para minera de datos.
2. En la pgina de inicio del Asistente para minera de datos, haga clic en Siguiente.
3. En la pgina Seleccionar el mtodo de definicin, compruebe que la opcin A partir de una base de datos relacional o del almacenamiento de datos se ha
seleccionado y, a continuacin, haga clic en Siguiente.
4. En la pgina Crear la estructura de minera de datos, en Qu tcnica de minera de datos desea utilizar?, seleccione rboles de decisin de Microsoft.
Nota
Si aparece una advertencia de que no se puede encontrar ningn algoritmo de minera de datos, puede que las propiedades del proyecto no estn
configuradas correctamente. Esta advertencia se produce cuando el proyecto intenta recuperar una lista de algoritmos de minera de datos del servidor de
Analysis Services y no puede encontrarlo. De forma predeterminada, SQL Server Data Tools utilizar el host local como servidor. Si est utilizando una instancia
diferente o una instancia con nombre, debe cambiar las propiedades del proyecto. Para obtener ms informacin, vea Crear un proyecto de Analysis Services
Tutorial bsico de minera de datos.
6. En la pgina Seleccionar vista del origen de datos, en el panel Vistas del origen de datos disponibles, seleccione Targeted Mailing. Puede hacer clic en
Explorar para ver las tablas de la vista del origen de datos y, a continuacin, hacer clic en Cerrar para volver al asistente.
8. En la pgina Especificar tipos de tablas, active la casilla de la columna Caso, correspondiente a vTargetMail para usarla como tabla de casos y, a continuacin,
haga clic en Siguiente. Utilizar la tabla ProspectiveBuyer posteriormente para pruebas; olvdese de ella por ahora.
9. En la pgina Especificar los datos de aprendizaje, identificar al menos una columna de prediccin, una columna de clave y una columna de entrada para el
modelo. Active la casilla de la columna De prediccin en la fila BikeBuyer.
Nota
Observe la advertencia en la parte inferior de la ventana. No podr navegar a la pgina siguiente hasta que seleccione una columna De prediccin y Entrada,
como mnimo.
10. Haga clic en Sugerir para abrir el cuadro de dilogo Sugerir columnas relacionadas.
El botn Sugerir est habilitado siempre que se haya seleccionado al menos un atributo predecible. El cuadro de dilogo Sugerir columnas relacionadas enumera
en una lista las columnas ms relacionadas con la columna predecible y ordena los atributos por su correlacin con el atributo predecible. Las columnas con una
correlacin significativa con una confianza mayor del 95% se seleccionan automticamente para incluirse en el modelo.
Revise las sugerencias y, a continuacin, haga clic en Cancelar paraomitirlas.
Nota
Si hace clic en Aceptar, todas las sugerencias enumeradas se marcarn como columnas de entrada en el asistente. Si est de acuerdo con solamente algunas de
las sugerencias, debe cambiar los valores manualmente.
11. Compruebe que la casilla de la columna Key est seleccionada en la fila CustomerKey.
Nota
Si la tabla de origen de la vista del origen de datos muestra una clave, el Asistente para minera de datos elegir automticamente esa columna como clave
para el modelo.
12. Active las casillas de la columna Entrada en las filas siguientes. Puede activar varias columnas resaltando un rango de celdas y presionando CTRL mientras activa
una casilla.
Age
CommuteDistance
EnglishEducation
EnglishOccupation
Gender
GeographyKey
HouseOwnerFlag
MaritalStatus
NumberCarsOwned
Region
TotalChildren
YearlyIncome
13. En la columna izquierda de la pgina, active las casillas de las filas siguientes.
AddressLine1
AddressLine2
DateFirstPurchase
EmailAddress
FirstName
LastName
Asegrese de que estas filas solo tienen marcas en la columna izquierda. Estas columnas se agregarn a la estructura, pero no se incluirn en el modelo. Sin
embargo, una vez generado el modelo, estarn disponibles para la obtencin de detalles y las pruebas. Para obtener ms informacin acerca de la obtencin de
detalles, vea Consultas de obtencin de detalles minera de datos.

Vea tambin
Referencia
Especificar tipos de tablas Asistente para minera de datos
Conceptos
Diseador de minera de datos
Algoritmo de rboles de decisin de Microsoft
Especificar el tipo de datos y el tipo de contenido (Tutorial

bsico de minera de datos
SQL Server 2014
Ahora que ha seleccionado qu columnas utilizar para generar la estructura y entrenar los modelos, realice los cambios necesarios en los datos predeterminados y tipos
de contenido que establece el asistente.
Revisar y modificar el tipo de contenido y el tipo de datos de cada columna

1. En la pgina Especificar el contenido y el tipo de datos de las columnas, haga clic en Detectar para ejecutar un algoritmo que determine los tipos de contenido
y los datos predeterminados de cada columna.
2. Revise las entradas de las columnas Tipo de contenido y Tipo de datos, y cmbielas si es necesario para asegurarse de que la configuracin es igual que la que
se muestra en la tabla siguiente.
Normalmente, el asistente detectar nmeros y asignar un tipo de datos numrico adecuado, pero hay varias situaciones en las que podra desear tratar un
nmero como texto. Por ejemplo, GeographyKey se debera tratar como texto, porque no sera apropiado realizar operaciones matemticas en este identificador.
Columna
Tipo de contenido
Tipo de datos
Address Line1
Discreto
Text
Address Line2
Discreto
Text
Age
Continuo
Long
Bike Buyer
Discreto
Long
Commute Distance
Discreto
Text
CustomerKey
Clave
Long
DateLastPurchase
Continuo
Date
Email Address
Discreto
Text
English Education
Discreto
Text
English Occupation
Discreto
Text
FirstName
Discreto
Text
Gender
Discreto
Text
Geography Key
Discreto
Text
House Owner Flag
Discreto
Text
Last Name
Discreto
Text
Marital Status
Discreto
Text
Number Cars Owned
Discreto
Long
Number Children At Home
Discreto
Long
Region
Discreto
Text
Total Children
Discreto
Long
Yearly Income
Continuo
Double

Especificar un conjunto de datos de pruebas para la estructura Tutorial bsico de minera de datos

Vea tambin
Conceptos
Tipos de contenido minera de datos
Tipos de datos minera de datos
Especificar un conjunto de datos de pruebas para la estructura

SQL Server 2014
En las pantallas finales del Asistente para minera de datos dividir los datos en un conjunto de pruebas y en un conjunto de entrenamiento. Despus, asignar nombre a
la estructura y habilitar la obtencin de detalles en el modelo.
Especificar un conjunto de pruebas

Al separar los datos en conjuntos de entrenamiento y de pruebas cuando se crea una estructura de minera de datos, es posible evaluar fcilmente la precisin de los
modelos de minera de datos que se crean despus. Para obtener ms informacin sobre los conjuntos de pruebas, vea Conjuntos de datos de entrenamiento y de
prueba.
Para especificar el conjunto de pruebas

1. En la pgina Crear conjunto de pruebas, en Porcentaje de datos para pruebas, deje el valor predeterminado 30.
2. En Nmero mximo de casos en el conjunto de datos de prueba, escriba 1000.
Especificar la obtencin de detalles

La obtencin de detalles puede habilitarse en los modelos y en las estructuras. La casilla de este cuadro de dilogo habilita la obtencin de detalles en el modelo con
nombre. Una vez procesado el modelo, podr recuperar informacin detallada de los datos de entrenamiento usados para crear el modelo.
Si la estructura de minera de datos subyacente tambin se ha configurado para permitir la obtencin de detalles, puede recuperar informacin detallada tanto de los
casos de modelos como de la estructura, incluidas las columnas que no estaban incluidas en el modelo de minera de datos. Para obtener ms informacin, vea
Consultas de obtencin de detalles minera de datos.
Para denominar el modelo y la estructura, y especificar la obtencin de detalles

1. En la pgina Finalizacin del asistente, en Nombre de la estructura de minera de datos, escriba Targeted Mailing.
2. En Nombre del modelo de minera de datos, escriba TM_Decision_Tree.
3. Active la casilla Permitir obtencin de detalles.
4. Revise el panel Vista previa. Observe que se muestran solo las columnas seleccionadas como Clave, Entrada o De prediccin. Las otras columnas que
seleccion por ejemplo, AddressLine1 no se usan para generar el modelo, pero estarn disponibles en la estructura subyacente y se pueden consultar una vez
procesado e implementado el modelo.

Leccin siguiente
Vea tambin
Tasks
Habilitar la obtencin de detalles para un modelo de minera
Referencia
Especificar los datos de entrenamiento Asistente para minera de datos
Conceptos
Consultas de obtencin de detalles minera de datos

SQL Server 2014
La estructura de minera de datos que cre en la leccin anterior contiene un modelo de minera de datos individual que se basa en el algoritmo de rboles de decisin
de Microsoft. Puede usar este modelo para identificar clientes para la campaa de envo de correo directo. Sin embargo, para asegurarse de que el anlisis es detallado,
se suelen crear modelos relacionados usando algoritmos diferentes y comparar sus resultados. De esta manera, puede obtener diferentes puntos de vista. Por
consiguiente, crear dos modelos adicionales y luego los procesar e implementar.
En esta leccin, crear un conjunto de modelos de minera de datos que sugerir los clientes que tienen una mayor probabilidad de serlo entre una lista de clientes
potenciales.
Para completar las tareas de esta leccin, utilizar el Algoritmo de clsteres de Microsoft y el Algoritmo Bayes naive de Microsoft.
Agregar modelos nuevos a la estructura de correo de destino tutorial bsico de minera de datos
Procesar los modelos de la estructura de distribucin de correo directo Tutorial bsico de minera de datos

Leccin anterior
Leccin siguiente
Vea tambin
Conceptos
Agregar modelos de minera de datos a una estructura Analysis Services Minera de datos
Agregar modelos nuevos a la estructura de correo de destino

tutorial bsico de minera de datos
SQL Server 2014
En esta tarea, definir dos modelos adicionales mediante la pestaa Modelos de minera de datos del Diseador de minera de datos. Para crear los modelos, se usarn
el algoritmo Bayes naive y el algoritmo de clsteres de Microsoft. Estos dos algoritmos se han seleccionado debido a su capacidad de predecir un valor discreto (por
ejemplo, la compra de una bicicleta). Para obtener ms informacin sobre estos algoritmos, vea Algoritmo de clsteres de Microsoft y Algoritmo Bayes naive de
Microsoft.
Para crear un modelo de minera de datos de agrupacin en clsteres

1. Cambie a la pestaa Modelos de minera de datos del Diseador de minera de datos en SQL Server Data Tools SSDT.
Observe que el diseador muestra dos columnas: una para la estructura de minera de datos y otra para el modelo de minera de datos TM_Decision_Tree, que
cre en la tarea anterior de esta leccin.
2. Haga clic con el botn secundario en la columna Estructura y seleccione Nuevo modelo de minera de datos.
3. En el cuadro de dilogo Nuevo modelo de minera de datos, en Nombre del modelo, escriba TM_Clustering.
4. En Nombre del algoritmo, seleccione Agrupacin en clsteres de Microsoft.
Ahora aparece el modelo nuevo en la pestaa Modelos de minera de datos del Diseador de minera de datos. Este modelo, integrado con el algoritmo de clsteres de
Microsoft, agrupa los clientes con caractersticas similares en clsteres y predice la compra de una bicicleta en cada clster. Aunque puede modificar el uso y las
propiedades de la columna para el modelo nuevo, en este tutorial no es necesario hacer cambios en el modelo TM_Clustering.
Para crear un modelo de minera de datos Bayes naive

1. En la pestaa Modelos de minera de datos del Diseador de minera de datos, haga clic con el botn secundario enla columna Estructura y seleccione Nuevo
modelo de minera de datos.
2. En el cuadro de dilogo Nuevo modelo de minera de datos, en Nombre del modelo, escriba TM_NaiveBayes.
3. En Nombre del algoritmo, seleccione Bayes naive de Microsoft y haga clic en Aceptar.
Aparece un mensaje que indica que el algoritmo Bayes naive de Microsoft no admite las columnas Age y Yearly Income, que son continuas.
4. Haga clic en S para confirmar el mensaje y continuar.
Aparece un modelo nuevo en la pestaa Modelos de minera de datos del Diseador de minera de datos. Aunque puede modificar el uso y las propiedades de las
columnas para todos los modelos de la pestaa, en este tutorial no es necesario hacer cambios en el modelo TM_NaiveBayes.

Procesar los modelos de la estructura de distribucin de correo directo Tutorial bsico de minera de datos
Vea tambin
Conceptos
Agregar modelos de minera de datos a una estructura Analysis Services Minera de datos
Mover objetos de minera de datos
Procesar los modelos de la estructura de distribucin de

correo directo Tutorial bsico de minera de datos
SQL Server 2014
Para poder examinar o trabajar con los modelos de minera de datos que ha creado, se debe implementar el proyecto de Analysis Services y procesar la estructura y los
modelos de minera de datos.
En la implementacin se enva el proyecto a un servidor y se crean en el servidor los objetos de ese proyecto.
El procesamiento rellena objetos de Analysis Services con datos procedentes de orgenes de datos relacionales.
Los modelos no se pueden utilizar hasta que se hayan implementado y procesado. Adems, cuando se realiza cualquier cambio en el modelo, como agregar datos
nuevos, se debe volver a implementar y procesar los modelos.
Asegurarse de la coherencia con HoldoutSeed

Al implementar un proyecto y procesar la estructura y los modelos, a las filas individuales de la estructura de datos se les asigna el conjunto de entrenamiento o el
conjunto de pruebas segn un valor de inicializacin numrico. De forma predeterminada, el valor de inicializacin numrico se calcula en funcin de los atributos de la
estructura de datos. Sin embargo, si alguna vez cambia algunos aspectos del modelo, el valor de inicializacin cambiara, lo que producira resultados ligeramente
diferentes. Por tanto, para asegurarse de que los resultados son los mismos que los descritos aqu, asignaremos arbitrariamente un valor de inicializacin de exclusin
fijo de 12. El valor de inicializacin de exclusin se utiliza para inicializar el algoritmo de muestreo y garantiza que los datos se reparten aproximadamente de la misma
manera para todas las estructuras de minera de datos y sus modelos.
Este valor no afecta al nmero de casos del conjunto de entrenamiento; simplemente garantiza que se usar el mismo mtodo de particin siempre que se genere el
modelo.
Para obtener ms informacin sobre valor de inicializacin de exclusin, vea Conjuntos de datos de entrenamiento y de prueba.
Para establecer el valor de inicializacin de exclusin

1. Haga clic en la pestaa Estructura de minera de datos o Modelos de minera de datos en el Diseador de minera de datos de SQL Server Data Tools SSDT.
Estructura de minera de datos Targeted Mailing aparece en el panel Propiedades.
2. Asegrese de que el panel Propiedades est abierto presionando F4.
3. Asegrese de que CacheMode est establecido en KeepTrainingCases.
4. Escriba 12 en HoldoutSeed.
Implementar y procesar los modelos

En el Diseador de minera de datos, puede decidir qu objetos procesar, segn el mbito de los cambios que ha realizado en el modelo o en los datos subyacentes:
En esta tarea, puesto que los datos y los modelos son nuevos, procesar la estructura y todos los modelos al mismo tiempo.
Para implementar el proyecto y procesar todos los modelos de minera de datos

1. En el men Modelo de minera de datos , seleccione Procesar estructura de minera de datos y todos los modelos.
Si ha realizado cambios en la estructura, se le pedir que genere e implemente el proyecto antes de procesar los modelos. Haga clic en S.
2. En el cuadro de dilogo Procesando estructura de minera de datos: Targeted Mailing, haga clic en Ejecutar.
Se abre el cuadro de dilogo Progreso del proceso para mostrar los detalles del procesamiento del modelo. El procesamiento del modelo podra tardar algn
tiempo, segn el equipo.
3. Haga clic en Cerrar en el cuadro de dilogo Progreso del proceso cuando el procesamiento de los modelos se haya completado.
4. Haga clic en Cerrar en el cuadro de dilogo Procesando estructura de minera de datos <estructura>.

Leccin siguiente
Vea tambin
Conceptos
Requisitos y consideraciones de procesamiento minera de datos
Leccin 4: Explorar los modelos de correo directo tutorial

SQL Server 2014
Una vez procesados los modelos del proyecto, puede explorarlos para buscar tendencias interesantes. Puesto que los patrones pueden ser complejos y difciles
simplemente examinando nmeros, Minera de datos de SQL Server proporciona algunas herramientas visuales que le ayudan a investigar los datos y entender las reglas
y relaciones que los algoritmos han detectado en los datos. Tambin puede utilizar diversas pruebas de precisin para validar el conjunto de datos o detectar qu
modelo funciona mejor antes de implementarlo.
Cuando se usa SQL Server Data Tools SSDT para explorar los modelos, cada modelo que se crea se muestra en la pestaa Visor de modelos de minera de datos en el
Diseador de minera de datos. Puede usar los visores para explorar los modelos. Estos visores tambin estn disponibles en SQL Server Management Studio.
Cada algoritmo usado para crear un modelo en Analysis Services devuelve un tipo de resultado diferente. Por tanto, Analysis Services proporciona visores personalizados
para cada tipo de modelo de aprendizaje automtico.
Si desea entrar en ms detalles, Analysis Services tambin proporciona un visor HTML, denominado Visor de rbol de contenido genrico, que muestra informacin
detallada sobre los datos del modelo y cualquier patrn que se encuentre, en un formato semitabular. Para obtener ms informacin, vea Examinar un modelo usando el
Visor de rbol de contenido genrico de Microsoft.
En esta leccin examinar los resultados de los tres modelos. Cada tipo de modelo se basa en un algoritmo diferente y proporciona visiones diferentes de los datos.
El modelo rbol de decisin le indica los factores que influyen en la compra de bicicletas.
El modelo Agrupacin en clsteres agrupa los clientes por atributos, como el comportamiento de compra de bicicletas y otros atributos seleccionados.
El modelo Bayes naive le permite examinar las relaciones entre los diferentes atributos.
Vea los temas siguientes para obtener ms informacin sobre cada uno de los visores de modelos de minera de datos.
Explorar el modelo de rbol de decisin tutorial bsico de minera de datos

Explorar el modelo de agrupacin en clsteres Tutorial bsico de minera de datos
Explorar el modelo Bayes naive Tutorial bsico de minera de datos
Los tres modelos se pueden ver con el Visor de rbol de contenido genrico para extraer frmulas, valores de datos, etc.

Leccin anterior
Leccin siguiente
Vea tambin
Conceptos
Visores de modelos de minera de datos
Otros recursos
Tareas y procedimientos del Visor de modelos de minera de datos
Explorar el modelo de rbol de decisin tutorial bsico de

minera de datos
SQL Server 2014
El algoritmo de rboles de decisin de Microsoft predice qu columnas influyen en la decisin de comprar una bicicleta en funcin de las columnas restantes del conjunto
de entrenamiento.
El Visor de rbol de decisin de Microsoft proporciona las pestaas siguientes para la exploracin de los modelos de minera de datos de rbol de decisin:
rbol de decisin
Red de dependencias
Pestaa rbol de decisin

En la pestaa rbol de decisin, puede ver rboles de decisin para cada atributo de prediccin del conjunto de datos.
En este caso, el modelo predice solo una columna, Bike Buyer, por lo que solo un rbol para ver. Si hubiera ms rboles, podra utilizar el cuadro rbol para elegir uno
diferente.
Cuando se ve el modelo TM_Decision_Tree en el Visor de rbol de decisin, puede ver los atributos ms importantes en la parte izquierda del grfico. "Ms
importantes" significa que estos atributos son los que ms influyen en el resultado. Los atributos situados ms abajo en el rbol a la derecha del grfico tiene menos
efecto.
En este ejemplo, la edad es el factor nico ms importante para predecir la compra de bicicletas. El modelo agrupa los clientes por edad y, a continuacin, muestra el
siguiente atributo ms importante para cada grupo de edad. Por ejemplo, en el grupo de clientes de entre 34 y 40 aos, el nmero de automviles en propiedad es el
factor de prediccin ms seguro despus de la edad.
Para explorar el modelo en la pestaa rbol de decisin

1. Seleccione la pestaa Visor de modelo de minera de datos en Diseador de minera de datos.
De forma predeterminada, el diseador se abre en el primer modelo que se agreg a la estructura en este caso, TM_Decision_Tree).
2. Utilice los botones de lupa para ajustar el tamao de presentacin del rbol.
De manera predeterminada, el Visor de rboles de Microsoft solo muestra los primeros tres niveles del rbol. Si el rbol contiene menos de tres niveles, el visor
mostrar solo los niveles existentes. Puede ver ms niveles si utiliza el control deslizante Mostrar nivel o la lista Expansin predeterminada.
3. Deslice Mostrar nivel hasta la cuarta barra.
4. Cambie el valor de la lista Fondo a 1.
Al cambiar la configuracin de Fondo, podr ver rpidamente el nmero de casos de cada nodo que tienen el valor de destino de 1 para [Bike Buyer]. Recuerde
que en este escenario en concreto, cada caso representa un cliente. El valor 1 indica que el cliente compr anteriormente una bicicleta; el valor 0 indica que el
cliente no ha comprado una bicicleta. Cuanto ms oscuro sea el sombreado del nodo, mayor ser el porcentaje de casos del nodo que tienen el valor de
destino.
5. Coloque el cursor sobre el nodo Todos. Se mostrar informacin sobre herramientas con los siguientes datos:
Nmero total de casos
Nmero de casos de personas que no han comprado bicicletas
Nmero de casos de personas que han comprado bicicletas
Nmero de casos con valores que faltan para [Bike Buyer]
Tambin puede colocar el cursor sobre cualquier nodo del rbol para ver la condicin necesaria para alcanzar ese nodo desde el nodo anterior. Esa misma
informacin se puede ver tambin en la Leyenda de minera de datos.
6. Haga clic en el nodo de Edad >= 34 y < 41. El histograma se muestra como una barra horizontal delgada a lo largo del nodo y representa la distribucin de los
clientes con este intervalo de edad que anteriormente compraron (rosa) o no compraron (azul) una bicicleta. El visor nos muestra que es probable que los
clientes con edades comprendidas entre 34 y 40 aos sin automvil o con uno compren una bicicleta. Si vamos un poco ms lejos, vemos que la probabilidad de
comprar una bicicleta aumenta si el cliente tiene una edad comprendida entre 38 y 40 aos.
Como habilit la obtencin de detalles cuando cre la estructura y el modelo, puede recuperar informacin detallada de los casos del modelo y de la estructura de
minera de datos, incluidas las columnas que no se incluyeron en el modelo de minera de datos por ejemplo, emailAddress y FirstName.
Para obtener ms informacin, vea Consultas de obtencin de detalles minera de datos.
Para obtener informacin detallada de los datos del caso

1. Haga clic con el botn secundario en un nodo y seleccione Obtener detalles y Solo columnas de modelos.
Los detalles de cada caso de entrenamiento se muestran en formato de hoja de clculo. Estos detalles proceden de la vista vTargetMail que seleccion como
tabla de casos al generar la estructura de minera de datos.
2. Haga clic con el botn secundario en un nodo y seleccione Obtener detalles y Columnas de modelo y estructura.
Se muestra la misma hoja de clculo con las columnas de estructura anexadas al final.
Volver al principio
Pestaa Red de dependencias

La pestaa Red de dependencias muestra las relaciones entre los atributos que contribuyen a la capacidad de prediccin del modelo de minera de datos. El visor Red
de dependencias reafirma nuestra conclusin de que la edad y la regin son factores importantes para predecir la compra de bicicletas.
Para explorar el modelo en la pestaa Red de dependencias

1. Haga clic en el nodo Bike Buyer para identificar sus dependencias.
El nodo central de la red de dependencias, Bike Buyer, representa el atributo de prediccin del modelo de minera de datos. En el grfico se resaltan todos los
nodos conectados que afectan al atributo de prediccin.
2. Ajuste el control deslizante Todos los vnculos para identificar el atributo ms influyente.
A medida que arrastra hacia abajo el control deslizante, los atributos que afectan muy poco a la columna [Bike Buyer] se quitan del grfico. Ajustando el control
deslizante, descubrir que la edad y la regin son los factores ms importantes para predecir si alguien va a comprar una bicicleta.
Tareas relacionadas
Vea estos temas para explorar los datos con las dems clases de modelos.


Vea tambin
Referencia
Pestaa rbol de decisin Visor de modelos de minera de datos
Pestaa Red de dependencias Visor de modelos de minera de datos
Conceptos
Examinar un modelo usando el Visor de rboles de Microsoft
Otros recursos
Tareas y procedimientos del Visor de modelos de minera de datos
Explorar el modelo de agrupacin en clsteres Tutorial bsico

de minera de datos
SQL Server 2014
El algoritmo de clsteres de Microsoft agrupa los casos en clsteres que contienen caractersticas similares . Estas agrupaciones son tiles para la exploracin de datos,
la identificacin de anomalas en los datos y la creacin de predicciones.
El Visor de clsteres de Microsoft ofrece las siguientes pestaas para la exploracin de modelos de minera de datos de agrupacin en clsteres:
Diagrama del clster
Perfiles del clster
Caractersticas del clster
Distincin del clster
Pestaa Diagrama del clster

La pestaa Diagrama del clster muestra todos los clsteres de un modelo de minera de datos. Las lneas entre los clsteres representan la "proximidad" y aparecen
sombreadas en funcin de la similitud entre los clsteres. El color de cada clster representa la frecuencia de la variable y el estado del clster.
Para explorar el modelo en la pestaa Diagrama del clster

1. Utilice la lista Modelo de minera de datos de la parte superior de la pestaa Visor de modelos de minera de datos para cambiar al modelo TM_Clustering.
2. En la lista Visor, seleccione Visor de clsteres de Microsoft.
3. En el cuadro Variable de sombreado, seleccione Bike Buyer.
La variable predeterminada es Poblacin, pero puede cambiarla a cualquier atributo del modelo con el fin de determinar los clsteres que contienen miembros
con los atributos que desea.
4. Seleccione 1 en el cuadro Estado para explorar esos casos donde se compr una bicicleta.
La leyenda Densidad describe la densidad del par de estados del atributo que se selecciona en Variable de sombreado y Estado. En este ejemplo se indica que
el clster con el sombreado ms oscuro tiene el porcentaje superior de compradores de bicicleta.
5. Pause su mouse sobre el clster con el sombreado ms oscuro.
Una informacin sobre herramientas muestra el porcentaje de casos que tienen el atributo, Bike Buyer = 1.
6. Elija el clster con mayor densidad, haga clic con el botn secundario en l, seleccione Cambiar nombre de clster y escriba Bike Buyers High para una
identificacin posterior. Haga clic en Aceptar.
7. Busque el clster que tiene el sombreado ms ligero y la densidad ms baja. Haga clic con el botn secundario en el clster, seleccione Cambiar nombre de
clster y escriba Bike Buyers Low. Haga clic en Aceptar.
8. Haga clic en el clster Bike Buyers High y arrstrelo hacia una rea del panel que le dar una vista clara de sus conexiones a los otros clsteres.
Al seleccionar un clster, se resaltan las lneas que conectan este clster con otros para que pueda ver todas las relaciones existentes para el mismo. Cuando el
clster no est seleccionado, puede saber por la oscuridad de las lneas la intensidad de las relaciones entre todos los clsteres del diagrama. Si el sombreado
es claro o inexistente, los clsteres no son muy similares.
9. Use el control deslizante situado en la parte izquierda de la red para filtrar los vnculos de menor intensidad y encontrar los clsteres con las relaciones ms
prximas. El departamento comercial de Adventure Works Cycles podra desear combinar los clsteres similares al determinar el mejor mtodo para entregar el
envo de correo directo.
Volver al principio
Pestaa Perfiles del clster

La pestaa Perfiles del clster proporciona una vista global del modelo TM_Clustering. La pestaa Perfiles del clster contiene una columna para cada clster del
modelo. La primera columna enumera los atributos asociados a un clster como mnimo. El resto del visor contiene la distribucin de estados de un atributo por cada
clster. La distribucin de una variable discreta se muestra como una barra coloreada y el nmero mximo de barras aparece en la lista Barras de histograma. Los
atributos continuos se muestran con un diagrama de rombo, que representa la desviacin media y estndar en cada clster.

1. Establezca las barras Histograma en 5.
En nuestro modelo, 5 es el nmero mximo de estados para cualquier variable.
2. Si la Leyenda de minera de datos bloquea la presentacin de los Perfiles del atributo, retrela.
3. Seleccione la columna Bike Buyers High y arrstrela hacia la derecha de la columna Poblacin.
4. Seleccione la columna Bike Buyers Low y arrstrela a la derecha de la columna Bike Buyers High.
5. Haga clic en la columna Bike Buyers High.

La columna Variables est ordenada por orden de importancia para ese clster. Desplcese por la columna y revise las caractersticas del clster Bike Buyer
High. Por ejemplo, es muy probable que en todas ellas la caracterstica comn sea que la distancia al trabajo sea corta.
6. Haga doble clic en la celda Age en la columna Bike Buyers High.
Leyenda de minera de datos muestra una vista ms detallada donde se puede ver el intervalo de edad de esos clientes as como su edad media.
7. Haga clic con el botn secundario en la columna Bike Buyers Low y seleccione Ocultar columna.
Volver al principio
Pestaa Caractersticas del clster

La pestaa Caractersticas del clster le permite examinar con ms detalle las caractersticas que forman un clster. En lugar de comparar las caractersticas de todos
los clsteres como en la pestaa Perfiles del clster, puede explorar un clster a la vez. Por ejemplo, si selecciona Bike Buyers High en la lista Clster puede ver las
caractersticas de los clientes en este clster. Aunque la presentacin es diferente del visor Perfiles del clster, los resultados son los mismos.
Nota
A menos que establezca un valor inicial para holdoutseed, los resultados variarn cada vez que procese el modelo. Para obtener ms informacin, vea Elemento
HoldoutSeed
Volver al principio
Pestaa Distincin del clster

La pestaa Distincin del clster le permite explorar las caractersticas que diferencian a un clster de otro. Despus de seleccionar dos clsteres, uno de la lista
Clster 1 y otro de la lista Clster 2, el visor calcula las diferencias existentes entre los clsteres y muestra una lista de los atributos que ms distinguen a los clsteres.

1. En el cuadro Clster 1, seleccione Bike Buyers High.
2. En el cuadro Clster 2, seleccione Bike Buyers Low.
3. Haga clic en Variables para ordenar alfabticamente.
Algunas de las diferencias sustanciales entre clientes de los clsteres Bike Buyers Low y Bike Buyers High son la edad, la posesin de un vehculo, el nmero de
hijos y la regin.
Tareas relacionadas
Vea los temas siguientes para explorar los dems modelos de minera de datos.



Vea tambin
Referencia
Pestaa Distincin del clster Visor de modelos de minera de datos
Pestaa Perfiles del clster Visor de modelos de minera de datos
Pestaa Caractersticas del clster Visor de modelos de minera de datos
Pestaa Diagrama del clster Visor de modelos de minera de datos
Conceptos
Examinar un modelo usando el Visor de clsteres de Microsoft
Explorar el modelo Bayes naive Tutorial bsico de minera de

datos)
SQL Server 2014
El algoritmo Bayes naive de Microsoft proporciona varios mtodos para mostrar la interaccin entre los atributos de entrada y la compra de bicicletas.
El Visor Bayes Naive de Microsoft ofrece las siguientes pestaas para la exploracin de modelos de minera de datos Bayes naive:
Red de dependencias
Perfiles del atributo
Caractersticas del atributo
Distincin del atributo
Red de dependencias
La pestaa Red de dependencias funciona igual que la pestaa Red de dependencias del Visor de rboles de Microsoft. Cada nodo del visor representa un atributo y
las lneas entre los nodos representan relaciones. En el visor, puede ver todos los atributos que afectan al estado del atributo de prediccin, Bike Buyer.
Para explorar el modelo en la pestaa Red de dependencias

1. Utilice la lista Modelo de minera de datos de la parte superior de la pestaa Visor de modelos de minera de datos para cambiar al modelo TM_NaiveBayes.
2. Utilice la lista Visor para cambiar a Visor Bayes naive de Microsoft.
3. Haga clic en el nodo Bike Buyer para identificar sus dependencias.
El sombreado rosa indica que todos los atributos influyen en la compra de bicicletas.
4. Ajuste el control deslizante para identificar el atributo ms influyente.
A medida que baja el control deslizante, solamente permanecen los atributos que afectan en mayor medida a la columna [Bike Buyer]. Ajustando el control
deslizante, puede detectar que algunos de los atributos ms influyentes son el nmero de automviles que se posee, la distancia al lugar de trabajo y el nmero
total de hijos.
Volver al principio
Perfiles del atributo

La pestaa Perfiles del atributo describe la forma en que los diferentes estados de los atributos de entrada afectan al resultado del atributo de prediccin.
Para explorar el modelo en la pestaa Perfiles del atributo

1. En el cuadro De prediccin, compruebe que se ha seleccionado Bike Buyer.
2. Si la Leyenda de minera de datos est bloqueando la presentacin de los Perfiles del atributo, retrela.
3. En el cuadro de barras Histograma, seleccione 5.
En nuestro modelo, 5 es el nmero mximo de estados para cualquier variable.
Los atributos que afectan al estado de este atributo de prediccin aparecen enumerados junto a los valores de cada estado de los atributos de entrada y sus
distribuciones en cada estado del atributo de prediccin.
4. En la columna Atributos, busque Number Cars Owned. Observe las diferencias en los histogramas de los compradores de bicicletas (la columna con la etiqueta
1) y los no compradores (la columna con la etiqueta 0). Una persona que no tenga automvil o que tenga uno tiene mucha ms probabilidad de comprar una
bicicleta.
5. Haga doble clic en la celda Number Cars Owned en la columna de comprador de bicicletas (la columna con la etiqueta 1).
La Leyenda de minera de datos muestra una vista ms detallada.
Volver al principio
Caractersticas del atributo

Mediante la pestaa Caractersticas del atributo, puede seleccionar un atributo y un valor para ver la frecuencia con la que aparecen los valores de otros atributos en
el caso de los valores seleccionados.
Para explorar el modelo en la pestaa Caractersticas del atributo

1. En la lista Atributo, compruebe que Bike Buyer est seleccionado.
2. Establezca el Valor en 1.
En el visor, ver que los clientes que no tienen ningn hijo conviviendo con ellos, una distancia corta al trabajo y que viven en la regin de Norteamrica tienen
ms probabilidad de comprar una bicicleta.
Volver al principio
Distincin del atributo

La pestaa Distincin del atributo le permite examinar las relaciones entre dos valores discretos de la compra de una bicicleta y otros valores del atributo. Dado que
el modelo TM_NaiveBayes solo tiene dos estados, 1 y 0, no tiene que hacer ningn cambio en el visor.
En el visor, podr ver que las personas que no tienen un automvil tienden a comprar bicicletas y las personas que tienen dos no suelen comprarlas.
Tareas relacionadas
Vea los temas siguientes para explorar los dems modelos de minera de datos.

Leccin siguiente

Vea tambin
Referencia
Pestaa Distincin del atributo Visor de modelos de minera de datos
Pestaa Perfiles del atributo Visor de modelos de minera de datos
Pestaa Caractersticas del atributo Visor de modelos de minera de datos
Pestaa Red de dependencias Visor de modelos de minera de datos
Conceptos
Examinar un modelo usando el visor Bayes naive de Microsoft
Leccin 5: Probar los modelos Tutorial bsico de minera de

datos)
SQL Server 2014
Ahora que ha procesado el modelo utilizando el conjunto de entrenamiento del escenario de distribucin de correo directo, probar sus modelos con el conjunto de
pruebas. La validacin es un paso importante del proceso de minera de datos. Es importante conocer cmo se comportan con datos reales los modelos de minera de
datos de distribucin de correo directo antes de implementarlos en un entorno de produccin.
Dado que los datos del conjunto de pruebas ya contienen valores conocidos para la compra de bicicletas, es fcil determinar si las predicciones del modelo son
correctas. El departamento de marketing de Adventure Works Cycles usar el modelo que mejor se comporte para identificar a los clientes para su campaa de
distribucin de correo directo.
En esta leccin, validar los modelos utilizando varios mtodos:
1. Realizar predicciones en el conjunto de prueba para ver el grado de precisin del modelo en resultados conocidos. Utilizar un grfico de elevacin para medir su
eficacia.
Probar la exactitud con grficos de mejora respecto al modelo predictivo Tutorial bsico de minera de datos
2. Probar los modelos en un subconjunto filtrado de los datos. Puede comparar varios modelos en el mismo grfico de elevacin.
Probar un modelo filtrado Tutorial bsico de minera de datos
Para obtener ms informacin sobre la validacin de modelos en general, vea Conceptos de minera de datos.

Leccin anterior
Leccin siguiente
Vea tambin
Referencia
Pestaa Grfico de elevacin vista Grfico de precisin de minera de datos
Pestaa Matriz de clasificacin vista Grfico de precisin de minera de datos
Conceptos
Grfico de mejora respecto al modelo predictivo Analysis Services Minera de datos
Prueba y validacin minera de datos
Matriz de clasificacin Analysis Services Minera de datos
Probar la exactitud con grficos de mejora respecto al modelo

predictivo Tutorial bsico de minera de datos
SQL Server 2014
En la pestaa Grfico de precisin de minera de datos del Diseador de minera de datos, puede calcular la precisin de las predicciones de sus modelos y comparar
los resultados de diferentes modelos. Este mtodo de comparacin se conoce como grfico de mejora respecto al modelo predictivo. Normalmente, la exactitud de la
prediccin de un modelo de minera de datos se cuantifica mediante la mejora respecto al modelo predictivo o la exactitud de la clasificacin. En este tutorial utilizaremos
solamente el grfico de mejora respecto al modelo predictivo.
En este tema, realizar las tareas siguientes:
Elegir los datos de entrada

Configurar parmetros del grfico de precisin
Elegir los datos de entrada

El primer paso a la hora de probar la precisin de los modelos de minera de datos consiste en seleccionar el origen de datos que usar para realizar las pruebas.
Probar la exactitud de los modelos con sus datos de prueba y, a continuacin, los utilizar con datos externos.
Para seleccionar el conjunto de datos

1. Cambie a la pestaa Grfico de precisin de minera de datos del Diseador de minera de datos de SQL Server Data Tools SSDT y seleccione la pestaa
Seleccin de entrada.
2. En el cuadro de grupo Seleccionar un conjunto de datos para usarlo en un grfico de precisin, seleccione Usar casos de prueba de estructura de minera
de datos. Estos son los datos de prueba que separ cuando cre la estructura de minera de datos.
Para obtener ms informacin de las otras opciones, vea Elegir un tipo de grfico de precisin y establecer las opciones del grfico.
Configurar parmetros del grfico de precisin

Para crear un grfico de precisin, debe definir tres cosas:
Qu modelos debe incluir en el grfico de precisin?

Qu atributo de prediccin desea medir? Algunos modelos pueden tener varios objetivos, pero cada grfico solo puede medir un resultado cada vez.
Para utilizar una columna como Nombre de columna de prediccin en un grfico de precisin, las columnas deben tener el tipo de uso de Predict o Predict
Only. Adems, el tipo de contenido de la columna de destino debe ser Discrete o Discretized. Es decir, no puede medir la precisin en salidas numricas
continuas con el grfico de elevacin.
Desea medir la precisin general del modelo, o su precisin para predecir un valor concreto por ejemplo [Bike Buyer] = Yes
Para generar el grfico de elevacin

1. En la pestaa Seleccin de entrada del Diseador de minera de datos, en Seleccione las columnas del modelo de minera de datos de prediccin que se
mostrarn en el grfico de elevacin, active la casilla correspondiente a Sincronizar valores y columnas de prediccin.
2. En la columna Nombre de columna de prediccin, compruebe que Bike Buyer est seleccionado para cada modelo.
3. En la columna Mostrar, seleccione cada uno de los modelos.
De forma predeterminada, todos los modelos de la estructura de minera de datos aparecen seleccionados. Puede decidir no incluir un modelo especfico, pero
para este tutorial deje todos los modelos seleccionados.
4. En la columna Valor de prediccin, seleccione 1. El mismo valor se rellena automticamente para cada modelo que tiene la misma columna de prediccin.
5. Seleccione la pestaa Grfico de elevacin.
Al hacer clic en la pestaa, se ejecuta una consulta de prediccin para obtener predicciones de los datos de prueba, y se comparan los resultados con los
valores conocidos. Los resultados se trazan en el grfico.
Si especific un resultado objetivo determinado mediante la opcin Valor de prediccin, el grfico de elevacin traza los resultados de suposiciones aleatorias
y los resultados de un modelo ideal.
La lnea de suposicin aleatoria muestra cul sera el grado de precisin del modelo sin utilizar ningn dato para informar de sus predicciones: es decir,
una divisin 5050 entre dos resultados. El grfico de elevacin ayuda a visualizar la mejora del funcionamiento del modelo con respecto a una estimacin
aleatoria.
La lnea del modelo ideal representa el lmite superior de precisin. Muestra el beneficio mximo posible que podra conseguir si el modelo siempre
hiciera sus predicciones con precisin.
Los modelos de minera de datos que cre estarn normalmente entre estos dos extremos. Cualquier mejora en la suposicin aleatoria se considera una mejora
respecto al modelo predictivo.
6. Utilice la leyenda para buscar las lneas coloreadas que representan el modelo ideal y el modelo de suposicin aleatoria.
Observar que el modelo TM_Decision_Tree proporciona la mayor mejora respecto al modelo predictivo, superando tanto al modelo de agrupacin en
clsteres como al de Bayes naive.
Para obtener una explicacin detallada de un grfico de mejora respecto al modelo predictivo similar al creado en esta leccin, vea Grfico de mejora respecto al
modelo predictivo Analysis Services Minera de datos.

Probar un modelo filtrado Tutorial bsico de minera de datos
Vea tambin
Referencia
Pestaa Grfico de elevacin vista Grfico de precisin de minera de datos
Conceptos
Grfico de mejora respecto al modelo predictivo Analysis Services Minera de datos
Probar un modelo filtrado Tutorial bsico de minera de

datos)
SQL Server 2014
Ahora que ha determinado que el modelo TM_Decision_Tree es el ms preciso, lo personalizar de acuerdo con las necesidades de la campaa de distribucin de
correo directo de Adventure Works Cycles. Concretamente, el departamento de marketing desea saber si hay alguna diferencia entre los clientes masculinos y femeninos.
Esta informacin puede ayudarles a decidir qu revistas utilizar para los anuncios y qu productos ofrecer en sus campaas.
Usar filtros
El filtrado permite crear con facilidad modelos basados en subconjuntos de datos. El filtro se aplica solo al modelo y no cambia el origen de datos subyacente.
En esta leccin, crear un modelo filtrado por gnero para predecir las caractersticas que ms influyen en el comportamiento de compra de los hombres y las
mujeres.
Primero realizar una copia del modelo TM_Decision_Tree.
Para copiar el modelo del rbol de decisin

1. En SQL Server Data Tools (SSDT), en el Explorador de soluciones, seleccione BasicDataMining.
2. Haga clic en la pestaa Modelos de minera de datos.
3. Haga clic con el botn secundario en el modelo TM_Decision_Tree y seleccione Nuevo modelo de minera de datos.
4. En el campo Nombre del modelo, escriba TM_Decision_Tree_Male.
Luego, cree un filtro para seleccionar los clientes para el modelo basados en su gnero.
Para crear un filtro de casos en un modelo de minera de datos

1. Haga clic con el botn secundario en el modelo de minera de datos TM_Decision_Tree_Male para abrir el men contextual.
O bien
Seleccione el modelo. En el men Minera de datos, seleccione Establecer filtro de modelos.
2. En el cuadro de dilogo Filtro del modelo, haga clic en la fila superior de la cuadrcula en el cuadro de texto Columna de la estructura de minera de datos.
La lista desplegable muestra solo los nombres de las columnas de esa tabla.
3. En el cuadro de texto Columna de la estructura de minera de datos, seleccione Gender.
El icono en la parte izquierda del cuadro de texto cambia para indicar que el elemento seleccionado es una tabla o una columna.
4. Haga clic en el cuadro de texto Operador y seleccione el operador igual (=) en la lista.
5. Haga clic en el cuadro de texto Valor y escriba M.
6. Haga clic en la siguiente fila de la cuadrcula.
7. Haga clic en Aceptar para cerrar el cuadro de dilogo Filtro del modelo.
El filtro se muestra en la ventana Propiedades. Como alternativa, puede iniciar el cuadro de dilogo Filtro del modelo en la ventana Propiedades.
8. Repita los pasos anteriores, pero esta vez asigne al modelo el nombre TM_Decision_Tree_Female y escriba F en el cuadro de texto Valor.
Procesar los modelos filtrados

Los modelos no se pueden utilizar hasta que se hayan implementado y procesado. Para obtener ms informacin acerca de los modelos de procesamiento, vea
Procesar los modelos de la estructura de distribucin de correo directo Tutorial bsico de minera de datos.
Para procesar el modelo filtrado

1. Hacer clic con el botn secundario en el modelo TM_Decision_Tree_Male y seleccione Procesar estructura de minera de datos y todos los modelos.
2. Haga clic en Ejecutar para procesar los nuevos modelos.
3. Una vez completado el procesamiento, haga clic en Cerrar en ambas ventanas de procesamiento.
Ahora tiene dos modelos nuevos que se muestran en la pestaa Modelos de minera de datos.
Evaluar los resultados

Vea los resultados y evale la exactitud de los modelos filtrados de la misma manera que hizo con los tres modelos anteriores. Para obtener ms informacin, vea:
Para explorar los modelos filtrados

1. Seleccione la pestaa Visor de modelo de minera de datos en Diseador de minera de datos.
2. En el cuadro Modelo de minera de datos, seleccione TM_Decision_Tree_Male.
3. Deslice Mostrar nivel hasta 3.
4. Cambie el valor de la lista Fondo por 1.
5. Coloque el cursor sobre el nodo con la etiqueta Todos para ver el nmero de compradores de bicicleta con respecto a los no compradores.
6. Repita los pasos 1 al 5 con TM_Decision_Tree_Female.
7. Explore los resultados para TM_Decision_Tree y los modelos filtrados por el gnero. Si se comparan todos los compradores de bicicletas, los compradores
masculinos y femeninos comparten algunas de las mismas caractersticas de los compradores de bicicletas sin filtrar, pero los tres tambin presentan diferencias
interesantes. sta es informacin til que Adventure Works Cycles puede utilizar para desarrollar su campaa de marketing.
Para probar la mejora en la prediccin de los modelos filtrados

1. Cambie a la pestaa Grfico de precisin de minera de datos del Diseador de minera de datos de SQL Server Data Tools SSDT y seleccione la pestaa
Seleccin de entrada.
2. En el cuadro de grupo Seleccionar un conjunto de datos para usarlo en un grfico de precisin, seleccione Usar casos de prueba de estructura de minera
de datos.
3. En la pestaa Seleccin de entrada del Diseador de minera de datos, en Seleccione las columnas del modelo de minera de datos de prediccin que se
mostrarn en el grfico de elevacin, active la casilla correspondiente a Sincronizar valores y columnas de prediccin.
4. En la columna Nombre de columna de prediccin, compruebe que Bike Buyer est seleccionado para cada modelo.
5. En la columna Mostrar, seleccione cada uno de los modelos.
6. En la columna Valor de prediccin, seleccione 1.
7. Seleccione la pestaa Grfico de mejora respecto al modelo predictivo para mostrar el grfico de mejora.
Observar ahora que los tres modelos de rbol de decisin proporcionan una mejora significativa con respecto al modelo de estimacin aleatoria, adems de
superar a los modelos de agrupacin en clsteres y Bayes naive.
Tareas relacionadas
Para obtener ms informacin sobre los filtros, vea Filtros para modelos de minera Analysis Services Minera de datos.
Para obtener un ejemplo de cmo aplicar filtros a tablas anidadas, vea Tutorial intermedio de minera de datos Analysis Services Minera de datos.

Leccin siguiente
Vea tambin
Tasks
Eliminar un filtro de un modelo de minera de datos
Conceptos
Filtros para modelos de minera Analysis Services Minera de datos
Otros recursos
Tareas y procedimientos de los modelos de minera de datos
Leccin 6: Crear y trabajar con predicciones Tutorial bsico de

minera de datos
SQL Server 2014
Ha entrenado, probado y explorado los modelos de minera de datos que cre. Ahora ya puede usar los modelos para identificar a las personas que es ms probable
que respondan a la nueva campaa de envo de correo directo.
En esta leccin crear una consulta para predecir qu clientes tienen ms probabilidad de comprar una bicicleta. Tambin recuperar la probabilidad de que la prediccin
sea correcta para que el departamento de marketing pueda decidir si se debe utilizar la prediccin o no.
Cuando haya identificado a los clientes con una probabilidad alta de comprar una bicicleta, obtendr detalles de los casos del modelo de minera de datos para
recuperar los nombres y la informacin de contacto correspondiente.
Esta leccin incluye los temas siguientes:
Crear predicciones Tutorial bsico de minera de datos
Usar la obtencin de detalles en datos de estructura Tutorial bsico de minera de datos
Leccin siguiente
Leccin anterior

Vea tambin
Tasks
Crear una consulta de prediccin con el Generador de consultas de prediccin
Referencia
Contenido del modelo de minera de datos para los modelos de rboles de decisin Analysis Services Minera de datos

SQL Server 2014
Una vez que haya probado la precisin de los modelos de minera de datos y est satisfecho con los resultados, puede generar predicciones por medio del Generador
de consultas de prediccin en la pestaa Prediccin de modelo de minera de datos del Diseador de minera de datos.
El Generador de consultas de prediccin tiene tres vistas. Mediante las vistas Diseo y Consulta, puede crear y examinar una consulta. A continuacin, puede ejecutar la
consulta y ver los resultados en la vista Resultado.
Todas las consultas de prediccin utilizan DMX, que es el acrnimo del lenguaje de Extensiones de minera de datos DMX. DMX tiene una sintaxis similar a la de T-SQL,
pero se utiliza con consultas en objetos de minera de datos. Aunque la sintaxis de DMX no es complicada, el uso de un generador de consultas como este, o el incluido
en Complementos de minera de datos de SQL Server para Office, simplifica considerablemente la seleccin de entradas y la generacin de expresiones, por lo que se
recomienda encarecidamente que aprenda los conceptos bsicos.
Crear la consulta
El primer paso para crear una consulta de prediccin consiste en seleccionar un modelo de minera de datos y una tabla de entrada.
Para seleccionar un modelo de minera de datos y una tabla de entrada

1. En la pestaa Prediccin de modelo de minera de datos del Diseador de minera de datos, en el cuadro Modelo de minera de datos, haga clic en
Seleccionar modelo.
2. En el cuadro de dilogo Seleccionar modelo de minera de datos, navegue por el rbol hasta la estructura Targeted Mailing, expndala, seleccione
TM_Decision_Tree y, a continuacin, haga clic en Aceptar.
3. En el cuadro Seleccionar tabla(s) de entrada, haga clic en Seleccionar tabla de casos.
4. En el cuadro de dilogo Seleccionar tabla, en la lista Origen de datos, seleccione la vista del origen de datos Adventure Works DW Multidimensional 2012 .
5. En la lista Nombre de tabla o vista, seleccione la tabla ProspectiveBuyer (dbo) y, a continuacin, haga clic en Aceptar.
La tabla ProspectiveBuyer se parece mucho a la tabla de casos vTargetMail.
Asignar las columnas

Despus de seleccionar la tabla de entrada, el Generador de consultas de prediccin crea una asignacin predeterminada entre el modelo de minera de datos y la
tabla de entrada, en funcin de los nombres de las columnas. Al menos una columna de la estructura debe coincidir con una columna de los datos externos.
Importante
Los datos que use para determinar la precisin de los modelos deben contener una columna que se pueda asignar a la columna de prediccin. Si no existe esa
columna, puede crear una con valores vacos, pero debe tener el mismo tipo de datos que la columna de prediccin.
Para asignar las entradas al modelo

1. Haga clic con el botn secundario en las lneas que conectan la ventana Modelo de minera de datos a la ventana Seleccionar tabla de entrada y seleccione
Modificar conexiones.
Observe que no todas las columnas estn asignadas. Agregaremos asignaciones para varias Columnas de tabla. Tambin generaremos una columna de fecha
de nacimiento nueva en funcin de la columna de fecha actual, para que la coincidencia de las columnas sea mejor.
2. En Columna de la tabla, haga clic en la celda Bike Buyer y seleccione ProspectiveBuyer.Unknown en el cuadro desplegable.
De esta forma, se asigna la columna de prediccin, [Bike Buyer], a una columna de la tabla de entrada.
4. En el Explorador de soluciones, haga clic con el botn secundario en la vista del origen de datos Targeted Mailing y seleccione Diseador de vistas.
5. Haga clic con el botn secundario del mouse en la tabla ProspectiveBuyer y seleccione Nuevo clculo con nombre.
6. En el cuadro de dilogo Crear clculo con nombre, en Nombre de columna, escriba calcAge.
7. En Descripcin, escriba Calcular la edad en funcin de la fecha de nacimiento.
8. En el cuadro Expresin, escriba DATEDIFF(AAAA,[BirdthDate],getdate()) y haga clic en Aceptar.
Puesto que la tabla de entrada no tiene ninguna columna Age que se corresponda con una del modelo, puede utilizar esta expresin para calcular la edad del
cliente a partir de la columna BirthDate de la tabla de entrada. Puesto que Age se identific como la columna ms influyente para predecir la compra de una
bicicleta, debe existir en el modelo y en la tabla de entrada.
9. En el Diseador de minera de datos, seleccione la pestaa Prediccin de modelo de minera de datos y vuelva a abrir la ventana Modificar conexiones.
10. En Columna de la tabla, haga clic en la celda Age y seleccione ProspectiveBuyer.calcAge en el cuadro desplegable.
Advertencia
Si no ve la columna en la lista, puede que tenga que actualizar la definicin de la vista del origen de datos que se ha cargado en el diseador. Para ello, en el
men Archivo, seleccione Guardar todo y, a continuacin, cierre y abra de nuevo el proyecto en el diseador.
Disear la consulta de prediccin

1. El primer botn de la barra de herramientas de la pestaa Prediccin de modelo de minera de datos es el botn Cambiar a vista de diseo de consulta /
Cambiar a vista de resultado / Cambiar a vista de consulta. Haga clic en la flecha abajo en este botn y seleccione Diseo.
2. En la cuadrcula de la pestaa Prediccin de modelo de minera de datos, haga clic en la celda de la primera fila vaca de la columna Origen y, a continuacin,
seleccione Funcin de prediccin.
3. En la fila Funcin de prediccin, de la columna Campo, seleccione PredictProbability.
En la columna Alias de la misma fila, escriba Probabilidad de resultado.
4. En la ventana Modelo de minera de datos anterior, seleccione y arrastre [Bike Buyer]] a la celda Criterios o argumento.
A continuacin, aparece [TM_Decision_Tree].[Bike Buyer] en la celda Criterios o argumento.
De esta forma, se especificar la columna de destino para la funcin PredictProbability. Para obtener ms informacin acerca de las funciones, vea Referencia
de funciones de Extensiones de minera de datos DMX.
5. Haga clic en la siguiente fila vaca de la columna Origen y, a continuacin, seleccione TM_Decision_Tree mining model.
6. En la fila TM_Decision_Tree, en la columna Campo, seleccione Bike Buyer.
7. En la fila TM_Decision_Tree, en la columna Criterios o argumento, escriba = 1.
8. Haga clic en la siguiente fila vaca de la columna Origen y, a continuacin, seleccione la tabla ProspectiveBuyer.
9. En la fila ProspectiveBuyer de la columna Campo, seleccione ProspectiveBuyerKey.
De esta forma, se agregar el identificador nico a la consulta de prediccin para que pueda identificar quin es ms y menos probable que compre una
bicicleta.
10. Agregue cinco filas ms a la cuadrcula. Para cada fila, seleccione la tabla ProspectiveBuyer como Origen y, a continuacin, agregue las columnas siguientes en
las celdas Campo:
calcAge
LastName
FirstName
AddressLine1
AddressLine2
Finalmente, ejecute la consulta y examine los resultados.

El Generador de consultas de prediccin tambin incluye estos controles:
Casilla Mostrar
Permite quitar clusulas de la consulta sin tener que eliminarlas desde el diseador. Esto puede resultar til cuando se trabaja con consultas complejas y se
desear conservar la sintaxis sin tener que copiar y pegar DMX en la ventana.
Grupo
Inserta un parntesis de apertura izquierdo al principio de la lnea seleccionada o inserta un parntesis de cierre derecho al final de la lnea actual.
AND/OR
Inserta el operador AND o el operador OR inmediatamente despus de la funcin o columna actual.
Para ejecutar la consulta y ver los resultados

1. En la pestaa Prediccin de modelo de minera de datos, seleccione el botn Resultado.
2. Una vez que la consulta se ejecute y se muestren los resultados, puede revisarlos.
La pestaa Prediccin de modelo de minera de datos muestra informacin de contacto para los clientes potenciales que son probables compradores de
bicicletas. La columna Probabilidad de resultado indica la probabilidad de que la prediccin sea correcta. Puede utilizar estos resultados para determinar a qu
clientes potenciales debe dirigirse en el correo.
3. En este punto, puede guardar los resultados. Tiene tres opciones:
Haga clic con el botn secundario en una fila de datos en los resultados y seleccione Copiar para guardar solo el valor (y el encabezado de columna) en
el Portapapeles.
Haga clic con el botn secundario en cualquier fila de resultados y seleccione Copiar todo para copiar el conjunto de resultados completo, incluidos los
encabezados de columna, en el Portapapeles.
Haga clic en Guardar resultado de la consulta para guardar los resultados directamente en una base de datos como sigue:
a. En el cuadro de dilogo Guardar resultado de consulta de minera de datos, seleccione un origen de datos o defina un nuevo origen de datos.
b. Escriba un nombre para la tabla que contendr los resultados de la consulta.
c. Utilice la opcin Agregar a vista del origen de datos para crear la tabla y agregarla a una vista del origen de datos existente. Esto es til si desea
conservar todas las tablas relacionadas para un modelo, como los datos de entrenamiento, los datos del origen de prediccin y los resultados de
la consulta, en la misma vista del origen de datos.
d. Utilice la opcin Sobrescribir si existe para actualizar una tabla existente con los ltimos resultados.
Debe utilizar la opcin de sobrescribir la tabla si ha agregado algunas columnas a la consulta de prediccin, cambiado los nombres o los tipos de
datos de las columnas en la consulta de prediccin, o si ha ejecutado alguna instruccin ALTER en la tabla de destino.
Adems, si varias columnas tienen el mismo nombre por ejemplo, el nombre de columna predeterminado Expresin) debe crear un alias para las
columnas con nombres duplicados o se producir un error cuando el diseador intente guardar los resultados en SQL Server. La razn es que SQL
Server no permite que varias columnas tengan el mismo nombre.
Para obtener ms informacin, vea Guardar resultado de consulta de minera de datos cuadro de dilogo de la vista Prediccin de modelo de
minera de datos.

Usar la obtencin de detalles en datos de estructura Tutorial bsico de minera de datos
Vea tambin
Tasks
Usar la obtencin de detalles en datos de estructura Tutorial

SQL Server 2014
Adventure Works Cycles est enviando un formulario a los clientes potenciales de entre 34 y 40 aos de edad como parte de su campaa de publicidad. El departamento
de marketing ha decidido que les gustara enviar tambin el formulario a los clientes que compraron bicicletas de Adventure Works Cycles hace ms de cinco aos. En
esta leccin, identificar los clientes con bicicletas anteriores y recuperar su informacin de contacto. Esta informacin no est incluida en el modelo, pero se incluye en la
estructura. Para recuperar la informacin de contacto, primero se asegurar de que la obtencin de detalles est habilitada para la estructura y, a continuacin, la utilizar
para revelar los nombres y direcciones de los clientes objetivo.
Para obtener informacin sobre cmo obtener detalles a travs de los casos de modelo, vea Usar la obtencin de detalles en datos de estructura Tutorial bsico de
minera de datos.
Para habilitar la obtencin de detalles en un modelo de minera de datos

1. En SQL Server Data Tools SSDT, en la pestaa Modelos de minera de datos del Diseador de minera de datos, haga clic con el botn secundario en el modelo
TM_Decision_Tree y seleccione Propiedades.
2. En las ventanas Propiedades, haga clic en AllowDrillThroughy seleccione True.
3. En la pestaa Modelos de minera de datos, haga clic con el botn secundario en el modelo y seleccione Procesar modelo.
Para obtener ms informacin, vea Consultas de obtencin de detalles minera de datos
Para ver los datos de obtencin de detalles de un modelo de minera de datos

1. En el Diseador de minera de datos, haga clic en la pestaa Visor de modelo de minera de datos.
2. Seleccione el modelo TM_Decision_Tree en la lista Modelo de minera de datos.
3. Cambie el valor de la lista Fondo por 1. De esta forma, se muestra solo la parte del modelo que est relacionada con los clientes que compraron bicicletas.
4. En la lista Visor, seleccione Visor de rboles de Microsoft. De esta manera, se forzar la actualizacin del visor con las condiciones de filtro. Por tanto, localice el
nodo Age >=34 and <41 y haga clic en l con el botn secundario.
5. Seleccione Obtener detalles y despus Columnas de modelo y estructura para abrir la ventana Obtener detalles.
6. Desplcese a la columna Structure.Date First Purchase para ver la fecha de compra de las bicicletas anteriores.
7. Para copiar los datos en el Portapapeles, haga clic con el botn secundario en cualquier fila de la tabla y seleccione Copiar todo.
Felicidades, ha completado el Tutorial bsico de minera de datos. Ahora que conoce ms las herramientas de minera de datos, recomendamos que tambin complete el
Tutorial intermedio de minera de datos, que demuestra cmo crear modelos de pronstico, anlisis de la cesta de la compra y agrupacin en clsteres de secuencia.

Vea tambin
Tasks
Tutorial intermedio de minera de datos Analysis Services

Minera de datos
SQL Server 2014
Microsoft Analysis Services ofrece un entorno integrado para crear modelos de minera de datos y trabajar con ellos. Puede crear fcilmente enlaces con orgenes de
datos, crear y probar varios modelos basados en los mismos datos e implementar los modelos para utilizarlos en anlisis predictivos.
En el Tutorial bsico de minera de datos, aprendi a utilizar SQL Server Data Tools SSDT para crear una solucin de minera de datos y gener tres modelos para una
campaa de envo de correo directo con el fin de analizar el comportamiento de compra de los clientes e identificar a los compradores potenciales.
Este tutorial intermedio se basa en esa experiencia y presenta varios escenarios nuevos, incluidos algunos requisitos empresariales habituales, como el anlisis de
previsiones y de la cesta de la compra. Aprender a crear un modelo de serie temporal, un modelo de asociacin y un modelo de agrupacin en clsteres de secuencia.
Por ltimo, aprender a usar una red neuronal para explorar las correlaciones de los datos y a usar la regresin logstica para las predicciones.
Las lecciones son independientes y se pueden completar por separado.
Para completar los siguientes tutoriales, debe estar familiarizado con las herramientas de minera de datos y los visores del modelo de minera de datos que se
presentaron en el Tutorial bsico de minera de datos.
En todos los escenarios se utiliza el origen de datos AdventureWorksDW2012 , pero crear vistas del origen de datos diferentes para los distintos escenarios. Puede
llevar a cabo las lecciones en cualquier orden siempre que cree primero el origen de datos.
Escenarios de las lecciones

Una vez finalizada correctamente la campaa de envo de correo directo, se le ha pedido que aplique sus conocimientos sobre minera de datos a fin de desarrollar
modelos nuevos para los planes empresariales. Estos incluye las siguientes tareas:
Pronstico: crear un modelo de serie temporal para pronosticar las ventas de productos en regiones en todo el mundo. Desarrollar modelos individuales para
cada regin y aprender a usar las predicciones cruzadas.
Anlisis de la cesta de la compra: crear un modelo de asociacin para analizar las agrupaciones de productos que se compraron durante las visitas al sitio de
comercio electrnico de Adventure Works Cycles. En funcin de este modelo de cesta de la compra, puede recomendar productos a los clientes.
Anlisis de secuencias: crear un modelo de agrupacin en clsteres de secuencia para analizar el orden en que los clientes compran productos. A partir de este
modelo, puede planear cambios en el diseo del sitio web o en las ofertas de nuevos productos.
Anlisis factorial: utilizar un modelo de red neuronal para explorar las posibles causas de por qu los datos relativos a la calidad del servicio del centro de
llamadas no son buenos. Basndose en los conocimientos del modelo preliminar, crear un modelo de regresin logstica para identificar posibles estrategias
para mejorar la experiencia del cliente con el centro de llamadas.
Aprendizaje
Este tutorial le ensear a crear varios tipos de algoritmos de minera de datos y a trabajar con ellos. El tutorial se compone de las siguientes lecciones:
Leccin 1: Crear la solucin de minera de datos intermedia Tutorial intermedio de minera de datos
En esta leccin crear un nuevo proyecto basado en la base de datos AdventureWorksDW2012 que admite varias vistas del origen de datos nuevas y muchos
ms modelos de minera de datos.
Leccin 2: generar un escenario de pronstico Tutorial intermedio de minera de datos
En esta leccin aprender a crear un modelo de minera de datos que se pueda utilizar como parte de un escenario de previsin. Analizar tambin los modelos
de minera de datos creados con el algoritmo de serie temporal de Microsoft.
Crear modelos para regiones individuales y, a continuacin, crear un modelo general que se pueda utilizar en la prediccin cruzada.
Leccin 3: Generar un escenario de cesta de la compra Tutorial intermedio de minera de datos
En esta leccin agregar una nueva vista del origen de datos y aprender a trabajar con tablas anidadas y claves. A partir de estos datos, crear un modelo de
minera de datos que se pueda utilizar como parte de un escenario de cesta de la compra. Analizar tambin los modelos de minera de datos creados con el
algoritmo de asociacin de Microsoft.
Leccin 4: Generar un escenario de agrupacin en clsteres de secuencia Tutorial intermedio de minera de datos
En esta leccin aprender a crear un modelo de minera de datos que se pueda utilizar como parte de un escenario de agrupacin en clsteres de secuencia.
Asimismo, aprender a explorar los modelos de minera de datos creados mediante el algoritmo de clsteres de secuencia de Microsoft.
Leccin 5: Generar modelos de red neuronal y de regresin logstica Tutorial intermedio de minera de datos
En esta leccin, crear varios modelos de minera de datos relacionados, utilizando los algoritmos de Red neural de Microsoft y de Regresin logstica de
Microsoft. Tambin aprender a trabajar con vistas del origen de datos para explorar datos subyacentes de los modelos.
Requisitos
Asegrese de que los siguientes componentes estn instalados:
Microsoft SQL Server 2014
Microsoft SQL Server Analysis Services

SQL Server con la base de datos AdventureWorksDW2012 .
Con el fin de mejorar la seguridad, las bases de datos de ejemplo no se instalan de forma predeterminada. Para instalar las bases de datos oficiales de Microsoft SQL
Server, visite la pgina Bases de datos de ejemplo de Microsoft SQL y seleccione la versin adecuada de la base de datos de ejemplo.
Vea tambin
Tasks
Conceptos
Tutorial DMX de Bike Buyer
Tutorial DMX de Market Basket
Leccin 1: Crear la solucin de minera de datos intermedia

Tutorial intermedio de minera de datos
SQL Server 2014
En el Tutorial bsico de minera de datos, cre un proyecto de Analysis Services que contiene una solucin de minera de datos sencilla basada en la nueva base de datos
Para este tutorial, crear un proyecto Analysis Services independiente utilizando SQL Server Data Tools SSDT. Crear un nuevo origen de datos de Analysis Services que
usa AdventureWorksDW2012 y le agregar varias vistas del origen de datos nuevas para admitir los escenarios y tipos de modelo.
Esta leccin consta de la tarea siguiente:
Crear una solucin y un origen de datos tutorial intermedio de minera de datos
Paso siguiente
Todas las lecciones

Vea tambin
Tasks
Otros recursos
Crear una solucin y un origen de datos tutorial intermedio

de minera de datos
SQL Server 2014
Para trabajar con minera de datos, primero debe crear un proyecto en SQL Server Data Tools SSDT mediante la plantilla, Proyecto multidimensional y de minera de
datos de Analysis Services. Cuando se abre la plantilla, esta carga en el diseador todos los esquemas que podra necesitar para minera de datos: orgenes de datos,
estructuras y modelos de minera de datos, e incluso cubos si su estructura de minera de datos usa datos multidimensionales.
Cuando se crea el proyecto, la solucin se almacena como un archivo local hasta que se implementa la solucin. Cuando se implementa la solucin, Analysis Services
busca el servidor de Analysis Services especificado en las propiedades del proyecto, y crea una nueva base de datos de Analysis Services con el mismo nombre que el
proyecto. De forma predeterminada, Analysis Services utiliza la instancia localhost para los nuevos proyectos. Si usa una instancia con nombre o especifica un nombre
diferente para la instancia predeterminada, debe cambiar la propiedad de la base de datos de implementacin del proyecto a la ubicacin donde desea crear los objetos
de minera de datos.
Para obtener ms informacin acerca de los proyectos de Analysis Services, vea Crear un proyecto de Analysis Services (SSDT).
Para crear un nuevo proyecto de Analysis Services en este tutorial

1. Abra SQL Server Data Tools (SSDT).
2. En el men Archivo, seleccione Nuevo y haga clic en Proyecto.
3. En el panel Plantillas instaladas, seleccione Proyecto multidimensional y de minera de datos de Analysis Services.
4. En el cuadro Nombre, asigne al nuevo proyecto el nombre Minera de datos intermedia.
Para cambiar la instancia donde se almacenan los objetos de minera de datos (opcional)
1. En SQL Server Data Tools SSDT, en el men Proyecto, haga clic en Propiedades.
2. En el lado izquierdo del panel Pginas de propiedades, haga clic en Implementacin.
3. Compruebe que el nombre del servidor es localhost. Si usa una instancia diferente, escriba el nombre de la instancia. Si va a utilizar una instancia con nombre de
Analysis Services, escriba el nombre de equipo y, a continuacin, el nombre de instancia. Haga clic en Aceptar.
Para cambiar las propiedades de implementacin de un proyecto (opcional)

1. En el Explorador de soluciones, haga clic con el botn secundario en el proyecto y seleccione Propiedades.
O bien
En SQL Server Data Tools SSDT, en el men Proyecto, seleccione Propiedades.
2. En el lado izquierdo del panel Pginas de propiedades, haga clic en Implementacin.
En el panel Opciones, seleccione Modo de implementacin y establezca las opciones en Implementar todo para sobrescribir o en Implementar solo cambios
para actualizar los objetos o agregar objetos.
Crear un origen de datos

En el tutorial bsico de minera de datos, cre un origen de datos con informacin de conexin para la base de datos AdventureWorksDW2012 . Siga los mismos pasos
para crear el origen de datos AdventureWorksDW2012 en esta solucin.
Crear un origen de datos

Un solo origen de datos puede admitir varias vistas del origen de datos, y cada vista del origen de datos puede tener varias tablas. Sin embargo, como el origen de
datos y la vista del origen de datos se implementan en la base de datos Microsoft SQL Server Analysis Services junto con los modelos de minera de datos que cree, es
recomendable que solamente incluya en cada vista del origen de datos las tablas necesarias para cada modelo de minera de datos o grupo de modelos.
En las lecciones siguientes, agregar vistas del origen de datos para admitir cada uno de los nuevos escenarios. Solo las lecciones de cesta de la compra y agrupacin
en clsteres de secuencia utilizan la misma vista del origen de datos; por el contrario, cada escenario utiliza una vista del origen de datos distinta, de forma que las
lecciones son independientes y se pueden realizar por separado.
Escenario
Datos incluidos en la vista del origen de datos
Leccin 2: generar un escenario de pronstico Tutorial intermedio

de minera de datos
Los informes de ventas mensuales para los modelos de bicicleta en distintas regiones,
recopilados como una vista nica.
Leccin 3: Generar un escenario de cesta de la compra Tutorial

intermedio de minera de datos
Una tabla que contiene una lista de pedidos de cliente, y una tabla anidada que muestra las
compras individuales para cada cliente.
Leccin 4: Generar un escenario de agrupacin en clsteres de

secuencia Tutorial intermedio de minera de datos
Los mismos datos que se utilizan para el anlisis de la cesta de la compra, adems de un
identificador que muestra el orden en que los elementos se compraron.
Leccin 5: Generar modelos de red neuronal y de regresin

logstica Tutorial intermedio de minera de datos
Una nica tabla que contiene algunos datos preliminares de seguimiento del rendimiento
procedentes de un centro de llamadas.
Leccin siguiente
Vea tambin
Conceptos
Leccin 2: generar un escenario de pronstico Tutorial

SQL Server 2014
Como analista de ventas de Adventure Works Cycles, se le ha solicitado un pronstico de las ventas de productos para el prximo ao. En concreto, se le ha solicitado
que compare las previsiones de las distintas regiones y lneas de productos. Adems, debe determinar si las ventas de diferentes productos varan en funcin de la poca
del ao.
Para hallar la informacin solicitada, en esta leccin resumir los datos de ventas mensuales de la compaa y tambin resumir las cifras de ventas en tres regiones:
Europa, Norteamrica y Pacfico.
Una vez que haya completado las tareas de esta leccin, podr responder a las preguntas siguientes:
Cmo cambian las ventas de los diferentes modelos de bicicleta a lo largo del ao?
Hay diferencias entre los patrones de ventas en las tres regiones?
Podemos predecir picos de ventas?
La leccin se puede completar en dos partes:
La primera parte presenta los conceptos bsicos de cmo crear y usar un modelo de serie temporal.
La segunda parte le gua por la creacin de un modelo general de series temporales basndose en todas las regiones. Puede usar este modelo general para la
prediccin cruzada.
Para completar las tareas de esta leccin, que se indican ms abajo, utilizar el origen de datos AdventureWorksDW2012 que cre en la Leccin 1: Crear la solucin de
minera de datos intermedia Tutorial intermedio de minera de datos.
Advertencia
Las fechas de la base de datos de ejemplo de Adventure Works Cycles se han actualizado para esta versin. Si usa una versin anterior de Adventure Works Cycles,
puede crear el modelo segn estos pasos, pero podra ver resultados diferentes.
Crear un modelo de pronstico simple
Agregar una vista del origen de datos para las previsiones tutorial intermedio de minera de datos
Crear una estructura de pronstico y un modelo tutorial intermedio de minera de datos
Modificar la estructura de previsin tutorial intermedio de minera de datos
Personalizar y procesar el modelo de pronstico tutorial intermedio de minera de datos
Explorar el modelo de previsin tutorial intermedio de minera de datos
Crear predicciones de serie temporal Tutorial intermedio de minera de datos
Crear un modelo de pronstico general para predicciones cruzadas
Predicciones de serie temporal avanzadas Tutorial intermedio de minera de datos

Predicciones de serie temporal que usan datos actualizados tutorial intermedio de minera de datos
Predicciones de serie temporal que usan datos de reemplazo Tutorial intermedio de minera de datos
Comparar las predicciones de los modelos de prediccin Tutorial intermedio de minera de datos

Agregar una vista del origen de datos para las previsiones tutorial intermedio de minera de datos
Descripcin de los requisitos de un modelo de serie temporal tutorial intermedio de minera de datos
Todas las lecciones

Vea tambin
Tasks
Conceptos
Algoritmo de serie temporal de Microsoft
Agregar una vista del origen de datos para las previsiones

tutorial intermedio de minera de datos
SQL Server 2014
En esta tarea, agregar una vista del origen de datos que se utilizar para el escenario de pronstico. Un modelo de previsin requiere que los datos contengan una
columna que se pueda utilizar para identificar pasos en una serie temporal. Si piensa analizar varias series de datos, todas ellas deben finalizar en la misma fecha o
estadio temporal.
Para agregar una vista del origen de datos

3. En la pgina Seleccionar un origen de datos, en Orgenes de datos relacionales, seleccione el origen de datos AdventureWorksDW2012 . Haga clic en Siguiente.
Nota
Si no tiene este origen de datos, encontrar los pasos para crearlo en el Tutorial bsico de minera de datos.
4. En la pgina Seleccionar tablas y vistas, seleccione la tabla vTimeSeries (dbo) y haga clic en la flecha derecha para agregarla a la vista del origen de datos.
6. En la pgina Finalizando el asistente, la vista del origen de datos tendr el nombre Adventure Works DW Multidimensional 2012 de forma predeterminada.
Cambie el nombre a SalesByRegion y, a continuacin, haga clic en Finalizar.
Se abre el Diseador de vistas de origen y se muestra la vista del origen de datos SalesByRegion.
Trabajar con la vista del origen de datos

Una vez creada la vista del origen de datos, puede explorar los datos de la siguiente manera:
Haga clic con el botn secundario en la tabla vTimeSeries en el diseador y seleccione Explorar datos para abrir la tabla seleccionada en una cuadrcula.
Haga clic en Opciones de muestreo y, a continuacin, use el cuadro de dilogo Opciones de exploracin de datos para cambiar el mtodo de muestreo. Haga
clic Actualizar para cargar datos en la tabla con la nueva configuracin de opciones. Por ejemplo, puede especificar el nmero de filas que se generarn en el
ejemplo o bien elegir las n filas principales.
Haga clic con el botn secundario en la tabla vTimeSeries y seleccione Propiedades para asignar un nuevo nombre a la tabla. Tambin puede seleccionar
columnas individuales de la vista del origen de datos y modificar las propiedades de columna.
Haga clic en cualquier lugar del rea de diseo de la vista del origen de datos para crear una nueva consulta y asignarle un nombre, crear relaciones entre las
tablas o cambiar la disposicin del rea de diseo.
Haga clic con el botn secundario en una tabla y seleccione Nuevo clculo con nombre para crear columnas derivadas, incluidas las agregaciones. Tambin
puede aadir nuevas tablas y vistas del origen de datos a esta vista.
En la tarea siguiente, explorar los datos de la serie temporal y determinar la mejor columna para utilizar como identificador de serie temporal. Tambin aprender a
administrar los vacos en los datos de la serie temporal.

Descripcin de los requisitos de un modelo de serie temporal tutorial intermedio de minera de datos
Vea tambin
Conceptos
Descripcin de los requisitos de un modelo de serie temporal

SQL Server 2014
Cuando vaya a preparar datos para un modelo de pronstico, debe asegurarse de que los datos contengan una columna que se pueda usar para identificar los pasos en
la serie temporal. Esa columna se definir como columna Key Time. Dado que es una clave, la columna debe contener valores numricos nicos.
La eleccin de la unidad correcta para la columna Key Time es una parte importante del anlisis. Por ejemplo, suponga que los datos de ventas se actualizarn a cada
minuto. No sera necesario usar minutos como unidad de la serie temporal; podra ser ms relevante acumular los datos de ventas por da, semana o incluso mes. Si no
est seguro de qu unidad de tiempo debe usar, puede crear una nueva vista del origen de datos para cada agregacin y compilar modelos relacionados para ver si
surgen distintas tendencias en cada nivel de agregacin.
Para este tutorial, los datos de ventas se recopilan diariamente en la base de datos transaccional de ventas, pero para la minera de datos, los datos se han agregado
previamente por mes mediante una vista.
Adems, es conveniente para el anlisis que los datos tengan tan pocos huecos como sea posible. Si piensa analizar varias series de datos, todas ellas deben empezar y
terminar preferiblemente en la misma fecha. Si faltan datos que no corresponden al comienzo o al final de una serie, puede usar el parmetro
MISSING_VALUE_SUBSTITUTION para rellenar la serie. Analysis Services tambin proporciona varias opciones para reemplazar los datos que faltan por valores, como
medias o constantes.
Advertencia
Las herramientas de grfico dinmico y tabla dinmica que se incluyeron en versiones anteriores del diseador de vistas de origen de datos ya no se proporcionan. Se
recomienda identificar los huecos en los datos de serie temporal de antemano, mediante herramientas tales como el generador de perfiles de datos incluido en
Integration Services.
Para identificar la clave temporal del modelo de pronstico

1. En el panel, SalesByRegion.dsv [Diseo], haga clic con el botn secundario en la tabla vTimeSeries y, a continuacin, seleccione Explorar datos.
Se abre una nueva pestaa, Explorar la tabla vTimeSeries.
2. En la pestaa Tabla, revise los datos que se utilizan en las columnas TimeIndex y Reporting Date.
Ambas son secuencias con valores nicos y se pueden usar como clave de serie temporal; sin embargo, los tipos de datos de las columnas son distintos. El
algoritmo de serie temporal de Microsoft no requiere un tipo de datos datetime; solo exige que los valores sean distintos y estn ordenados. Por tanto, se puede
utilizar cualquier columna como clave temporal para el modelo de pronstico.
3. En la superficie de diseo de la vista del origen de datos, seleccione la columna Reporting Date y seleccione Propiedades. A continuacin, haga clic en la columna
TimeIndex y seleccione Propiedades.
El campo TimeIndex tiene el tipo de datos System.Int32, mientras que el campo Reporting Date tiene el tipo de datos System.DateTime. Muchos almacenamientos
de datos convierten los valores de fecha y hora en enteros y usan la columna de enteros como clave para mejorar el rendimiento de la indizacin. Sin embargo, si
usa esta columna, el algoritmo de serie temporal de Microsoft realizar las predicciones con valores futuros como 201014, 201014, etc. Debido a que desea
representar la previsin de los datos de ventas mediante fechas del calendario, usar la columna Reporting Date como identificador nico de la serie.
Para establecer la clave en la vista del origen de datos

1. En el panel SalesByRegion.dsv, seleccione la tabla vTimeSeries.
2. Haga clic con el botn secundario en la columna Reporting Date y seleccione Establecer clave principal lgica.
Manejar la ausencia de datos (opcional)

Si faltan datos en alguna serie, puede aparecer un error al intentar procesar el modelo. Existen varias formas de solucionar la ausencia de datos:
Puede hacer que Analysis Services rellene los valores que faltan, ya sea mediante el clculo de la media o mediante un valor anterior. Para ello, establezca el
parmetro MISSING_VALUE_SUBSTITUTION en el modelo de minera de datos. Para obtener ms informacin acerca de este parmetro, vea Referencia tcnica
del algoritmo de serie temporal de Microsoft. Para obtener informacin sobre cmo cambiar parmetros en un modelo de minera de datos existente, vea Ver o
cambiar parmetros del algoritmo.
Puede modificar el origen de datos o filtrar la vista subyacente para eliminar la serie irregular o reemplazar los valores. Esto se puede hacer en el origen de
datos relacionales, o bien puede modificar la vista del origen de datos creando consultas con nombre personalizadas o clculos con nombre. Para obtener ms
informacin, vea Vistas del origen de datos en modelos multidimensionales. En la ltima tarea de esta leccin se proporciona un ejemplo de cmo generar una
consulta con nombre y un clculo personalizado.
En este escenario, faltan algunos datos al principio de una serie; es decir, no hay datos para la lnea de productos T1000 hasta julio de 2007. Por lo dems, todas las
series terminan en la misma fecha y no falta ningn valor.
El requisito del algoritmo de serie temporal de Microsoft consiste en que cualquier serie que se incluya en un modelo nico debe tener el mismo punto final. Como el
modelo de bicicletas T1000 se introdujo en 2007, los datos de esta serie empiezan despus que los de otros modelos de bicicletas, pero la serie termina en la misma
fecha; por tanto, se pueden usar los datos.
Para cerrar el diseador de vistas del origen de datos

Haga clic con el botn secundario en la pestaa Explorar la tabla vTimeSeries y seleccione Cerrar.

Crear una estructura de pronstico y un modelo tutorial intermedio de minera de datos
Vea tambin
Conceptos
Crear una estructura de pronstico y un modelo tutorial

SQL Server 2014
A continuacin utilizar el Asistente para minera de datos con el objeto de crear una nueva estructura de minera de datos y el modelo de minera de datos segn la vista
del origen de datos recin creada. En esta tarea, especificar que el modelo de minera de datos debera utilizar el algoritmo de serie temporal de Microsoft.
Para crear una estructura de minera de datos de previsin

1. En el Explorador de soluciones de SQL Server Data Tools SSDT, haga clic con el botn secundario en Estructuras de minera de datos y seleccione Nueva
estructura de minera de datos.
3. En la pgina Seleccionar el mtodo de definicin, compruebe que la opcin A partir de una base de datos relacional o un almacn de datos se ha
4. En la pgina Crear la estructura de minera de datos, en Qu tcnica de minera de datos desea utilizar?, seleccione Serie temporal de Microsoft y, a
continuacin, haga clic en Siguiente.
5. En la pgina Seleccionar vista del origen de datos, en Vistas del origen de datos disponibles, seleccione SalesByRegion.
7. En la pgina Especificar tipos de tablas, asegrese de que la casilla de la columna Caso correspondiente a la tabla vTimeSeries est activada y, a continuacin,
haga clic en Siguiente.
8. En la pgina Especificar los datos de aprendizaje, active las casillas de la columna Key correspondientes a las columnas ModelRegion y ReportingDate.
ReportingDate debera estar activada de forma predeterminada, porque esta columna se especific como la clave principal lgica cuando se cre la vista del
origen de datos. Al agregar la columna ModelRegion como una segunda clave, se est indicando al algoritmo que cree una serie temporal independiente para
cada combinacin de modelo y regin enumerada en este campo.
9. Active las casillas de las columnas Entrada y De prediccin correspondientes a la columna Quantity y, a continuacin, haga clic en Siguiente.
Al activar De prediccin, indica que desea crear pronsticos con los datos de esta columna. Sin embargo, dado que desea basar los pronsticos en datos previos,
tambin debe agregar la columna como una entrada.
10. En la pgina Especificar el contenido y el tipo de datos de las columnas, revise las selecciones.
La columna ModelRegion se designa como una columna Key y la columna ReportingDate se designa automticamente como una columna Key Time. Puede tener
solo una clave de cada tipo.
12. En la pgina Finalizando el asistente, en Nombre de la estructura de minera de datos, escriba Forecasting.
Nota
La opcin para habilitar la obtencin de detalles no est disponible para los modelos de serie temporal.
13. En Nombre del modelo de minera de datos, escriba Forecasting y, a continuacin, haga clic en Finalizar.
El Diseador de minera de datos se abre para mostrar la estructura de minera de datos Forecasting recin creada.

Modificar la estructura de previsin tutorial intermedio de minera de datos
Vea tambin
Conceptos
Modificar la estructura de previsin tutorial intermedio de

minera de datos
SQL Server 2014
La estructura de minera de datos que cre en la tarea anterior contiene un modelo de previsin Forecasting individual. Antes de procesar y explorar el modelo, debe
cambiar su estructura ligeramente y modificar una de sus propiedades.
Modificar la estructura de minera de datos

Puede modificar la estructura de minera de datos utilizando la pestaa Estructura de minera de datos del Diseador de minera de datos. Al crear el modelo con el
Asistente para minera de datos, se utilizaron tres columnas: ReportingDate, ModelRegion y Quantity. Sin embargo, la tabla Forecasting tambin contiene una columna
Amount, que puede utilizar para prever el importe de las ventas. Mediante la pestaa Estructura de minera de datos, puede agregar esta columna desde la vista del
origen de datos a la estructura de minera de datos.
Para agregar la columna Amount a la estructura de minera de datos Forecasting

1. En la pestaa Estructura de minera de datos del Diseador de minera de datos, ubicada en el recuadro Vista del origen de datos, seleccione la columna
Amount en la tabla vTimeSeries.
2. Arrastre la columna Amount desde el recuadro Vista del origen de datos hasta la lista de columnas de la estructura Forecasting.
La columna Amount se incluye ahora en la estructura de minera de datos Forecasting.
Modificar las columnas del modelo de minera de datos

Dado que ha agregado una columna nueva a la estructura, debe definir la forma en que el modelo utilizar la columna. Puede especificar cmo se utilizar la columna
en la pestaa Modelos de minera de datos del Diseador de minera de datos.
En la pestaa Modelos de minera de datos se incluyen las columnas que la estructura de minera de datos contiene en la columna Structure de la cuadrcula, as
como las columnas que el modelo contiene en la columna que tiene el nombre del modelo, en este caso Forecasting. Haga clic en los nombres de las columnas para
hacer modificaciones. En el modelo de minera de datos Forecasting, la columna Amount se utiliza como columna de entrada y tambin se utiliza para hacer
previsiones de ventas futuras. Por tanto, debe establecer las propiedades de la columna de manera que se pueda utilizar como columna de entrada y de prediccin.
Nota
En la pestaa Modelos de minera de datos, tambin puede crear modelos nuevos basados en la misma estructura, adems de ajustar el algoritmo y las
propiedades de columna para cada modelo. Sin embargo, debe procesar el modelo para que los cambios surtan efecto.
Para definir cmo se utilizar la columna Amount

1. En la columna Forecasting de la cuadrcula de la pestaa Modelos de minera de datos, haga clic en la celda de la fila Amount.
2. Seleccione Predict de la lista.
La columna Amount es ahora una columna de entrada y una columna de prediccin.
Tambin puede cambiar las propiedades de columnas individuales seleccionando la columna y abriendo la ventana Propiedades. Para abrir la ventana Propiedades,
haga clic con el botn secundario en el nombre de la columna y, a continuacin, seleccione Propiedades. Si cambia una propiedad de la columna para un modelo
individual, solo podr cambiar las propiedades para ese modelo. No obstante, si cambia una propiedad dentro de la columna Structure, el cambio afectar a todos
los modelos asociados a la estructura. Siempre que realice cambios en el modelo o la estructura, debe volver a procesarlos para ver el efecto de dicho cambios.

Personalizar y procesar el modelo de pronstico tutorial intermedio de minera de datos
Vea tambin
Conceptos
Estructuras de minera de datos Analysis Services Minera de datos
Modelos de minera de datos Analysis Services Minera de datos
Personalizar y procesar el modelo de pronstico tutorial

SQL Server 2014
El algoritmo de serie temporal de Microsoft proporciona varios parmetros que afectan al modo de creacin de un modelo y al modo en que se analizan los datos
temporales. Cambiar estas propiedades puede afectar de forma significativa a la manera en que el modelo de minera de datos realiza las predicciones.
Para esta tarea del tutorial, modificar el modelo mediante las tareas siguientes:
1. Personalizar la manera en que el modelo controla los perodos de tiempo agregando un nuevo valor para el parmetro PERIODICITY_HINT.
2. Aprender otros dos parmetros importantes para el algoritmo de serie temporal de Microsoft: FORECAST_METHOD, que le permite controlar el mtodo usado
para la prediccin, y PREDICTION_SMOOTHING, que permite personalizar la combinacin de predicciones a largo plazo y a corto plazo.
3. Opcionalmente, indicar al algoritmo cmo desea que se imputen los valores ausentes.
4. Una vez realizados todos los cambios, implementar y procesar el modelo.
Establecer los parmetros de serie temporal

Sugerencias de periodicidad
El parmetro PERIODICITY_HINT proporciona al algoritmo informacin sobre los perodos de tiempo adicionales que se espera ver en los datos. De forma
predeterminada, los modelos de serie temporal intentarn detectar automticamente un patrn en los datos. Sin embargo, si ya conoce el perodo de tiempo
esperado, proporcionar una sugerencia de periodicidad podra mejorar la exactitud del modelo. Sin embargo, si proporciona una sugerencia de periodicidad errnea,
puede reducir la exactitud; por consiguiente, si no est seguro del valor que debe utilizarse, es mejor usar el valor predeterminado.
Por ejemplo, la vista utilizada para este modelo agrega datos de ventas mensuales de Adventure Works DW Multidimensional 2012 . Por consiguiente, cada segmento
de tiempo utilizado en el modelo representa un mes y todas las predicciones tambin estarn en trminos de meses. Dado que hay 12 meses en un ao y prev que
los patrones de ventas se repetirn ms o menos cada ao, debe establecer el parmetro PERIODICITY_HINT en 12, para indicar que 12 segmentos de tiempo (meses)
constituyen un ciclo completo de ventas.
Mtodo de pronstico
El parmetro FORECAST_METHOD controla si el algoritmo de serie temporal est optimizado para las predicciones a corto o a largo plazo. De forma predeterminada,
el parmetro FORECAST_METHOD est establecido en MIXED, lo que significa que se combinan y equilibran dos algoritmos de prediccin diferentes para ofrecer
resultados correctos en las predicciones a corto y a largo plazo.
No obstante, si sabe que debe usar un algoritmo concreto, puede cambiar el valor a ARIMA o ARTXP.
Ponderar predicciones a largo plazo y a corto plazo
Tambin puede personalizar el modo en que las predicciones a largo plazo y a corto plazo se combinan mediante el parmetro PREDICTION_SMOOTHING. De forma
predeterminada, este parmetro est establecido en 0,5, lo que generalmente proporciona el mayor equilibrio para conseguir la mxima precisin.
Para cambiar los parmetros del algoritmo

1. En la pestaa Modelos de minera de datos, haga clic con el botn secundario en Pronstico y seleccione Establecer parmetros de algoritmo.
2. En la fila PERIODICITY_HINT del cuadro de dilogo Parmetros de algoritmo, haga clic en la columna Valor y, a continuacin, escriba {12}, incluidas las llaves.
De forma predeterminada, el algoritmo tambin agregar el valor {1}.
3. En la fila FORECAST_METHOD, compruebe que el cuadro de texto Valor est en blanco o contiene el valor MIXED. Si se ha especificado un valor diferente,
escriba MIXED para volver a establecer el parmetro en el valor predeterminado.
4. En la fila PREDICTION_SMOOTHING, compruebe que el cuadro de texto Valor est en blanco o establecido en 0.5. Si se ha especificado un valor diferente,
haga clic en Valor y escriba 0.5 para volver a establecer el parmetro en el valor predeterminado.
Nota
El parmetro PREDICTION_SMOOTHING solo est disponible en SQL Server Enterprise. Por consiguiente, en SQL Server Standard no puede ver ni cambiar el
valor del parmetro PREDICTION_SMOOTHING. Sin embargo, el comportamiento predeterminado es utilizar los dos algoritmos y ponderarlos de forma
equitativa.
Manejar la ausencia de datos (opcional)

En muchos casos, los datos de ventas podran tener huecos que se rellenan con caracteres nulos, o es posible que un almacn no haya podido cumplir la fecha tope de
notificacin, con lo que se ha dejado una celda vaca al final de la serie. En estos escenarios, Analysis Services genera el error siguiente y no procesa el modelo.
"Error minera de datos: marcas de tiempo no sincronizadas que empiezan con la serie <nombre de serie> del modelo de minera de datos <nombre del modelo>.
Todas las series temporales deben terminar en la misma marca de tiempo y no pueden tener puntos de datos ausentes arbitrarios. Cuando el valor del parmetro
MISSING_VALUE_SUBSTITUTION es Previous o una constante numrica, se revisarn automticamente los puntos de datos ausentes siempre que sea posible."
Para evitar este error, puede especificar que Analysis Services proporcione automticamente los valores nuevos para rellenar los huecos utilizando uno de los mtodos
siguientes:
Utilizar un valor promedio. El promedio se calcula utilizando todos los valores vlidos en la misma serie de datos.
Utilizar el valor anterior. Puede sustituir los valores anteriores para varias celdas que falten, pero no puede rellenar los valores de iniciales.
Utilizar un valor constante que proporcione el usuario.
Para especificar que los huecos se rellenen calculando el promedio de los valores
1. En la pestaa Modelos de minera de datos, haga clic con el botn secundario en la columna Forecasting y seleccione Establecer parmetros de algoritmo.
2. En el cuadro de dilogo Parmetros de algoritmo, en la fila MISSING_VALUE_SUBSTITUTION, haga clic en la columna Valor y escriba Promedio.
Generar el modelo
Para usar el modelo, debe implementarlo en un servidor y procesarlo ejecutando los datos de aprendizaje a travs del algoritmo.
Para procesar el modelo de pronstico

1. En el men Modelo de minera de datos de SQL Server Data Tools, seleccione Procesar estructura de minera de datos y todos los modelos.
2. En la advertencia en la que se pregunta si desea generar e implementar el proyecto, haga clic en S.
3. En el cuadro de dilogo Procesar estructura de minera de datos Pronstico, haga clic en Ejecutar.
Se abre el cuadro de dilogo Progreso del proceso para mostrar informacin acerca del procesamiento del modelo. El procesamiento del modelo puede
tardar algn tiempo.
4. Cuando se complete el proceso, haga clic en Cerrar para salir del cuadro de dilogo Progreso del proceso.
5. Haga clic de nuevo en Cerrar para salir del cuadro de dilogo Procesar estructura de minera de datos Pronstico.

Explorar el modelo de previsin tutorial intermedio de minera de datos
Vea tambin
Referencia
Referencia tcnica del algoritmo de serie temporal de Microsoft
Conceptos
Explorar el modelo de previsin tutorial intermedio de

minera de datos
SQL Server 2014
Despus de crear el modelo de minera de datos de pronstico, puede explorar los resultados utilizando la pestaa Visor de modelos de minera de datos del
Diseador de minera de datos. El Visor de series temporales de Microsoft contiene dos pestaas: Grficos y Modelo.
Adems, puede usar el visor de rboles genrico de Microsoft con todos los modelos. Cada vista presenta una imagen ligeramente diferente de la informacin del
modelo de series temporales.
Pestaa Grficos
Pestaa Modelo
Visor de rbol de contenido genrico de Microsoft
Pestaa Grficos
En la pestaa Grficos del Visor de series temporales de Microsoft, se representa de forma grfica cada una de las series, incluidos los datos histricos y las
predicciones. Cada lnea del grfico de serie temporal representa una combinacin nica de producto, regin y atributo de prediccin.
La leyenda del lado derecho del visor muestra las series temporales disponibles, basndose en las selecciones en la lista desplegable. Puede activar y desactivar las
casillas de la leyenda para controlar las series temporales que se muestran en el grfico.
Tambin puede cambiar las opciones de presentacin, como los colores que se utilizan en cada serie temporal, o si los valores se muestran en puntos del grfico.
Para seleccionar una serie temporal

1. Haga clic en la pestaa Grficos de la pestaa Visor de modelos de minera de datos si no est visible.
2. Haga clic en la lista desplegable situada a la derecha de la vista del grfico y seleccione todas las casillas. Haga clic en Aceptar.
El grfico debe contener ahora 24 lneas de series diferentes.
3. En las casillas situadas a la derecha del grfico, desactive las casillas para ocultar temporalmente las lneas de todas las series relacionadas con Amount.
A continuacin, desactive las casillas relacionadas con las bicicletas R250 y R750.
Ahora el grfico contiene nicamente las seis lneas de serie siguientes, lo que le permite comparar con mayor facilidad las bicicletas T1000 y M200.
M200 Europe: Quantity
M200 North America: Quantity
M200 Pacific: Quantity
T1000 Europe: Quantity
T1000 North America: Quantity
T1000 Pacific: Quantity
El grfico que se muestra en el visor incluye datos histricos y previstos. Los datos previstos aparecen sombreados para diferenciarlos de los histricos. Para que
resulte ms sencillo comparar series diferentes, tambin puede cambiar los colores asociados a cada lnea del grfico. Para obtener ms informacin, vea Cambiar los
colores usados en los visores de minera de datos.
A partir de las lneas de tendencia, puede ver que las ventas totales de todas las regiones estn aumentando en general, y que alcanzan su valor ms alto cada 12
meses, en diciembre. A partir del grfico, tambin puede constatar que los datos de la bicicleta T1000 comienzan mucho ms tarde que los datos de otras series de
productos. Esto se debe a que es un producto ms reciente, pero dado que esta serie se basa en menos datos, las predicciones podran no ser tan precisas.
De forma predeterminada, en cada serie temporal se muestran cinco pasos de prediccin, que aparecen como lneas de puntos. Este valor se puede modificar para ver
ms o menos predicciones. Tambin se puede ver de forma grfica la desviacin estndar de las predicciones mediante la incorporacin de barras de error al grfico.
Para cambiar las opciones de prediccin y presentacin de la vista Grfico

1. Intente cambiar gradualmente el valor de Pasos de prediccin aumentndolo de 5 a 10; a continuacin, cmbielo de nuevo a 6.
Cuando los datos histricos tienen una gran fluctuacin, las fluctuaciones tienden a repetirse o incluso a amplificarse a medida que aumenta el nmero de
predicciones. Probablemente necesitar investigar este aspecto para entender la causa del mayor aumento de datos histricos y decidir si desea aceptar estos
resultados, buscar algn tipo de correccin de los datos de origen o aplicar algn tipo de suavizado en el modelo.
2. Active la casilla Mostrar desviaciones.
Esta opcin muestra el error estimado para cada valor previsto.
3. Tenga en cuenta la escala del eje X. Los cambios en los datos histricos y previstos se expresan siempre como porcentaje, pero los valores reales se ajustan
automticamente para dar cabida a todos los valores del grfico. Por consiguiente, al comparar modelos debe tener cuidado de no confiar solamente en las
representaciones visuales. Para obtener el valor exacto o el aumento y el valor de porcentaje para las predicciones, site el mouse sobre la lnea de puntos o las
lneas llenas, o haga clic en las lneas para ver los valores en Leyenda de minera de datos.
Sugerencia: si Leyenda de minera de datos no est visible, cambie a la vista Modelo, haga clic con el botn secundario en cualquier nodo y seleccione
Mostrar leyenda.
Al observar estas tendencias, le preocupa la ausencia de datos para una parte de la serie y se pregunta si puede obtener predicciones ms confiables calculando el
promedio de ventas por modelo o quizs el promedio de ventas por regin. Explorar este mtodo en una leccin posterior de este tutorial.
Volver al principio
Pestaa Modelo
La pestaa Modelo del Visor de series temporales de Microsoft del Diseador de minera de datos permite ver el modelo de previsin en forma de grfico de rbol.
Primero, observe que, debido a que los datos describen dos medidas distintas importe y cantidad para las ventas de varias lneas de productos T1000, etc. de tres
regiones diferentes Europa, Norteamrica y el Pacfico, el modelo que cre contiene realmente 24 rboles distintos. Cada rbol representa un modelo de patrones de
venta para una combinacin diferente de regin, producto y atributo de prediccin.
Puede elegir qu combinacin de mtrica de lnea de productos, regin y ventas desea ver si selecciona una serie en la lista desplegable rbol de la pestaa Modelo.
Qu puede saber al ver el modelo como un rbol? Por ejemplo, comparemos dos modelos, uno con varios niveles del rbol y otro que tiene un nico nodo.
Cuando un grfico de rbol contiene un solo nodo, significa que la tendencia encontrada en el modelo es bsicamente homognea en el tiempo. Puede usar
este nodo nico, etiquetado Todo, para ver la frmula que describe la relacin entre las variables de entrada y el resultado.
Cuando un grfico de rbol para una serie temporal tiene varias bifurcaciones, significa que la serie temporal que se detect es demasiado compleja para
representarse como una sola ecuacin. En su lugar, el grfico de rbol puede contener varias bifurcaciones, cada bifurcacin etiquetada con las condiciones que
causaron que el rbol se dividiera. Cuando se divide el rbol, cada bifurcacin representa un segmento de tiempo diferente, en el que la tendencia puede
describirse como una sola ecuacin.
Por ejemplo, si observa el grfico y ve un salto sbito en el volumen de ventas que empieza algn da de septiembre y que contina hasta las vacaciones de
Navidad, puede cambiar a la vista Modelo para ver la fecha exacta en la que cambi la tendencia. Las bifurcaciones del rbol que representan 'antes de
septiembre' y 'despus de septiembre' contendran frmulas diferentes: una frmula que describe matemticamente las tendencias de ventas hasta la divisin y
otra frmula que describe las tendencias de ventas de septiembre hasta las vacaciones de Navidad.
Para explorar el rbol de decisin de un modelo de series temporales

1. En la lista rbol de la pestaa Modelo del visor, seleccione la serie T1000 Europe: Amount.
Haga clic en el nodo etiquetado Todo.
En un nodo Todo, la informacin sobre herramientas que aparece incluye informacin sobre el nmero de casos de las series completas y las ecuaciones de
series temporales derivadas del anlisis de los datos.
2. Si la Leyenda de minera de datos no est visible, haga clic con el botn secundario en el nodo y seleccione Mostrar leyenda.
Leyenda de minera de datos proporciona en gran medida la misma informacin que est en la informacin sobre herramientas. Si ninguna de las variables
independientes son discretas, tambin aparecer un histograma que muestra la distribucin de variables en el nodo.
3. Ahora seleccione una serie temporal diferente para verla. Mediante la lista rbol de la pestaa Modelo del visor, seleccione la serie M200 North America:
Amount.
El grfico de rbol contiene ahora un nodo Todo y dos nodos secundarios. Si examina las etiquetas de los nodos secundarios, puede saber en qu momento
cambi la lnea de tendencia.

Para cada nodo secundario, la descripcin de Leyenda de minera de datos tambin incluye el recuento de casos de cada rama del rbol.
En la siguiente lista se describen algunas caractersticas adicionales del visor de rbol:
Puede cambiar la variable que se representa en el grfico mediante el control Fondo. De forma predeterminada, los nodos que son ms oscuros contienen ms
casos, dado que el valor de Fondo se establece en Poblacin. Para ver solo cuntos casos hay en un nodo, site el puntero del mouse sobre un nodo y vea la
informacin sobre herramientas que aparece, o haga clic en el nodo y vea los nmeros de la ventana de Leyenda del nodo.
La frmula de regresin para el nodo se puede ver tambin en la informacin sobre herramientas o haciendo clic en el nodo. Si ha creado un modelo mixto,
puede ver dos frmulas, una para ARTXP en los nodos hoja y otra para el modelo ARIMA en el nodo raz del rbol.
Los pequeos rombos se usan en los nodos que representan nmeros continuos. El rango de atributos se muestra en la barra en la que se basa el rombo. El
rombo est centrado en medio del nodo y su ancho representa la varianza del atributo en ese nodo.
Volver al principio
(Opcional) Visor de rbol de contenido genrico

Adems del visor personalizado para la serie temporal, Analysis Services proporciona Visor de rbol de contenido genrico de Microsoft para usarlo con todos los
modelos de minera de datos. Este visor proporciona algunas ventajas:
Visor de series temporales de Microsoft: esta vista combina los resultados de los dos algoritmos. Aunque puede ver cada serie por separado, no puede
determinar cmo se combinan los resultados de cada algoritmo. Asimismo, en esta vista, la informacin sobre herramientas y la leyenda de minera de datos
muestran solo las estadsticas ms importantes.
Visor de rbol de contenido genrico: permite examinar y ver todas las series de datos que se usaron en el modelo al mismo tiempo, y si ha creado un
modelo mixto, se muestran los rboles de ARIMA y ARTXP en el mismo grfico.
Puede usar este visor para obtener todas las estadsticas de ambos algoritmos, as como las asignaciones de los valores.
Recomendado para usuarios avanzados de minera de datos que desean conocer ms informacin sobre los anlisis de ARIMA y ARTXP.
Para ver los detalles de una determinada serie de datos en el visor de contenido genrico
1. En la pestaa Visor de modelos de minera de datos, seleccione Visor de rbol de contenido genrico de Microsoft en la lista desplegable Visor.
2. En el panel Ttulo de nodo, haga clic en el primer nodo (Todos).
3. En el panel Detalles de nodo, observe el valor de ATTRIBUTE_NAME.
Este valor indica qu serie, o qu combinacin de producto y regin, est incluida en este nodo. En el ejemplo de AdventureWorks, el primer nodo es el de la
serie M200 Europe.
4. En el panel Ttulo de nodo, busque el primer nodo que tenga nodos secundarios.
Si un nodo de serie tiene nodos secundarios, la vista de rbol que se muestra en la pestaa Modelo del Visor de series temporales de Microsoft tambin tendr
una estructura de bifurcacin.
5. Expanda el nodo y haga clic en uno de los nodos secundarios.
La columna NODE_DESCRIPTION del esquema contiene la condicin que hizo que el rbol se dividiera.
6. En el panel Ttulo de nodo, haga clic en el primer nodo de ARIMA y expanda el nodo hasta que todos los nodos secundarios estn visibles.
7. En el panel Detalles de nodo, observe el valor de ATTRIBUTE_NAME.
Este valor indica qu serie temporal est incluida en este nodo. El primer nodo de la seccin ARIMA debera coincidir con el primer nodo de la seccin Todos.
En el ejemplo de AdventureWorks, este nodo contiene el anlisis ARIMA de la serie M200 Europa.
Para obtener ms informacin, vea Contenido del modelo de minera de datos para los modelos de serie temporal Analysis Services Minera de datos.
Volver al principio

Crear predicciones de serie temporal Tutorial intermedio de minera de datos
Vea tambin
Referencia
Conceptos
Ejemplos de consultas de modelos de serie temporal
Crear predicciones de serie temporal (Tutorial intermedio de

minera de datos
SQL Server 2014
En las tareas anteriores de esta leccin, cre un modelo de serie temporal y explor los resultados. De forma predeterminada, Analysis Services siempre crea un conjunto
de cinco 5 predicciones para un modelo de serie temporal y muestra los valores de prediccin como parte del grfico de pronstico. Sin embargo, tambin puede crear
predicciones personalizadas si crea consultas de prediccin de las extensiones de minera de datos DMX.
En esta tarea, crear una consulta de prediccin que genera las mismas predicciones que vio en el visor. En esta tarea se supone que el usuario ya ha completado las
lecciones del Tutorial bsico de minera de datos y est familiarizado con el uso del Generador de consultas de prediccin. Ahora obtendr informacin sobre la creacin
de consultas especficas de los modelos de serie temporal.
Crear predicciones de serie temporal

Generalmente, el primer paso para crear una consulta de prediccin consiste en seleccionar un modelo de minera de datos y una tabla de entrada. Sin embargo, un
modelo de serie temporal no requiere una entrada adicional para una prediccin normal. Por consiguiente, no necesita especificar ningn origen de datos nuevo al
realizar las predicciones, a menos que est agregando datos al modelo o reemplazndolos.
En esta leccin, debe especificar el nmero de pasos de la prediccin. Puede especificar el nombre de serie con el fin de obtener una prediccin para una combinacin
determinada de producto y regin.
Para seleccionar un modelo de minera de datos y una tabla de entrada

1. Haga clic en la opcin Seleccionar modelo del cuadro Modelo de minera de datos de la pestaa Prediccin de modelo de minera de datos del Diseador
de minera de datos.
2. En el cuadro de dilogo Seleccionar modelo de minera de datos, expanda la estructura Prediccin, seleccione el modelo de prediccin en la lista y, a
continuacin, haga clic en Aceptar.
3. Omita el cuadro Seleccionar tabla(s) de entrada.
Nota
En un modelo de serie temporal no necesita especificar ninguna entrada independiente a menos que est haciendo una prediccin cruzada.
4. En la columna Origen de la cuadrcula de la pestaa Prediccin de modelo de minera de datos, haga clic en la celda de la primera fila vaca y, a continuacin,
seleccione el modelo de minera de datos Prediccin.
5. En la columna Campo , seleccione Model Region.
Esta accin agrega el identificador de la serie a la consulta de prediccin para indicar la combinacin de modelo y la regin a las que se aplica la prediccin.
6. Haga clic en la siguiente fila vaca de la columna Origen y, a continuacin, seleccione Funcin de prediccin.
7. En la columna Campo, seleccione PredictTimeSeries.
Nota
Tambin puede usar la funcin Predict con modelos de serie temporal. Sin embargo, la funcin de prediccin solo crea una prediccin para cada serie de
forma predeterminada. Por consiguiente, para especificar varios pasos de prediccin, debe usar la funcin PredictTimeSeries.
8. En el panel Modelo de minera de datos, seleccione la columna del modelo de minera de datos, Amount. Arrastre Amount hasta el cuadro Criterios y
argumentos de la funcin PredictTimeSeries que agreg anteriormente.
9. Haga clic en el cuadro Criterios y argumentos y escriba una coma seguida de 5, despus del nombre de campo.
El texto del cuadro Criterios y argumentos ahora debe mostrar lo siguiente:
[Forecasting].[Amount],5
10. En la columna Alias, escriba PredictAmount.
11. Haga clic en la siguiente fila vaca de la columna Origen y, a continuacin, seleccione de nuevo Funcin de prediccin.
12. En la columna Campo, seleccione PredictTimeSeries.
13. En el panel Modelo de minera de datos, seleccione la columna Quantity y arrstrela al cuadro Criterios o argumentos de la segunda funcin
PredictTimeSeries.
14. Haga clic en el cuadro Criterios y argumentos y escriba una coma seguida de 5, despus del nombre de campo.
El texto del cuadro Criterios y argumentos ahora debe mostrar lo siguiente:
[Forecasting].[ Quantity],5
15. En la columna Alias, escriba PredictQuantity.
16. Haga clic en Cambiar a vista de resultado de consulta.
Los resultados de la consulta se muestran en formato tabular.
Recuerde que cre tres tipos diferentes de resultados en el generador de consultas, uno que usa los valores de una columna y dos que reciben los valores predichos
de una funcin de prediccin. Por consiguiente, los resultados de la consulta contienen tres columnas independientes. La primera columna contiene la lista de
combinaciones de productos y regiones. La segunda y tercera columnas contienen cada una tabla anidada de los resultados de la prediccin. Cada tabla anidada
contiene el incremento de tiempo y los valores predichos, como en la siguiente tabla:
Resultados de ejemplo (las cantidades se truncan a dos decimales):
ModelRegion
M200 Europe
M200 North America
PredictAmount
PredictQuantity
$TIME
Amount
$TIME
Cantidad
7/25/2008
99978.00
7/25/2008
52
8/25/2008
145575.07
8/25/2008
67
9/25/2008
116835.19
9/25/2008
58
10/25/2008
116537.38
10/25/2008
57
11/25/2008
107760.55
11/25/2008
54
$TIME
Amount
$TIME
Cantidad
7/25/2008
348533.93
7/25/2008
272
8/25/2008
340097.98
8/25/2008
152
9/25/2008
257986.19
9/25/2008
250
10/25/2008
374658.24
10/25/2008
181
11/25/2008
379241.44
11/25/2008
290
Advertencia
Las fechas usadas en la base de datos de ejemplo han cambiado en esta versin. Si est usando una versin anterior de los datos de ejemplo, podra ver resultados
diferentes.
Guardar los resultados de una prediccin

Dispone de varias opciones distintas para usar los resultado de la prediccin. Puede simplificar los resultados, copiar los datos desde la vista Resultados y pegarlos en
una hoja de clculo de Excel o en otro archivo.
Para simplificar el proceso de guardar los resultados, el Diseador de minera de datos tambin proporciona la capacidad de guardar los datos en una vista de origen
de datos. La funcionalidad de guardar los resultados en una vista del origen de datos solo est disponible en SQL Server Data Tools SSDT. Los resultados solo se
puede almacenar en un formato plano.
Para quitar informacin de estructura jerrquica de los resultados en el panel Resultados

1. En el Generador de consultas de prediccin, haga clic en Cambiar a vista de diseo de consulta.
La vista cambia para permitir la modificacin manual del texto de las consultas DMX.
2. Escriba la palabra clave FLATTENED despus de la palabra clave SELECT. El texto completo de la consulta debera ser como sigue:
SELECT FLATTENED
[Forecasting].[Model Region],
(PredictTimeSeries([Forecasting].[Amount],5)) as [PredictAmount],
(PredictTimeSeries([Forecasting].[Quantity],5)) as [PredictQuantity]
FROM
[Forecasting]
3. Opcionalmente, puede escribir una clusula para restringir los resultados, como en el ejemplo siguiente:
SELECT FLATTENED
[Forecasting].[Model Region],
(PredictTimeSeries([Forecasting].[Amount],5)) as [PredictAmount],
(PredictTimeSeries([Forecasting].[Quantity],5)) as [PredictQuantity]
FROM
[Forecasting]
WHERE [Forecasting].[Model Region] = 'M200 North America'
OR [Forecasting].[Model Region] = 'M200 Europe'
4. Haga clic en Cambiar a vista de resultado de consulta.
Para exportar los resultados de una consulta de prediccin

1. Haga clic en Guardar los resultados de la consulta.
2. En el cuadro de dilogo Guardar resultado de consulta de minera de datos, en Origen de datos, seleccione AdventureWorksDW2012 . Tambin puede crear
un origen de datos si desea guardar los datos en una base de datos relacional diferente.
3. En la columna Nombre de la tabla, escriba un nombre nuevo para la tabla temporal, como Predicciones de prueba.
4. Haga clic en Guardar.
Nota
Para ver la tabla que cre, cree una conexin al motor de base de datos de la instancia donde guard los datos y cree una consulta.
Conclusin
Ha aprendido a crear un modelo de serie temporal bsico, a interpretar los pronsticos y a crear predicciones.
Las tareas restantes de este tutorial son opcionales y describen las predicciones de serie temporal avanzadas. Si decide continuar, aprender a agregar nuevos datos
al modelo y a crear predicciones acerca de la serie extendida. Tambin aprender a realizar una prediccin cruzada, mediante la tendencia del modelo, pero
reemplazar los datos con una nueva serie de datos.
Leccin siguiente
Predicciones de serie temporal avanzadas Tutorial intermedio de minera de datos
Vea tambin
Conceptos
Predicciones de serie temporal avanzadas (Tutorial intermedio

de minera de datos
SQL Server 2014
Al explorar el modelo de prediccin, observ que, aunque las ventas de la mayora de las regiones siguen un patrn similar, algunas regiones y algunos modelos, como
el modelo M200 en la regin del Pacfico, muestran tendencias muy diferentes. Esto no le sorprende, ya que sabe que las diferencias entre regiones son comunes y
pueden deberse a muchos factores, como las promociones de marketing, los informes inexactos o los acontecimientos geopolticos.
Sin embargo, los usuarios piden un modelo que se puede aplicar a todo el mundo. Por consiguiente, para reducir el efecto de los factores individuales en las
proyecciones, decide crear un modelo de minera de datos basado en medidas agregadas de ventas mundiales. Puede usar este modelo para realizar las predicciones de
cada regin individual.
En esta tarea, crear todos los orgenes de datos que necesita para realizar las tareas de prediccin avanzada. Crear dos vistas de origen de datos que usar como
entradas en la consulta de prediccin, y una vista de origen de datos que usar para crear un nuevo modelo.
Pasos
1. Preparar los datos extendidos de ventas para la prediccin

2. Preparar los datos agregados (para crear el modelo)
3. Preparar los datos de la serie para la prediccin cruzada
4. Predecir mediante EXTEND
5. Crear el modelo de prediccin cruzada
6. Predecir con REPLACE
7. Revisar las nuevas predicciones
Crear nuevos datos extendidos de ventas

Para actualizar los datos de ventas, necesitar obtener las ltimas cifras de ventas. Los datos que se acaban de introducir de la regin del Pacfico son de inters
particular. All se inici una promocin de ventas regional para llamar la atencin sobre las nuevas tiendas y aumentar el conocimiento de sus productos.
En este escenario, asumiremos que los datos se han importado de un libro de Excel que contiene nicamente tres meses de los nuevos datos para un par de regiones.
Crear una tabla para los datos mediante un script TransactSQL y, a continuacin, definir una vista de origen de datos que usar para la prediccin.
Crear la tabla con nuevos datos de ventas

1. En una ventana de consulta de TransactSQL, ejecute la instruccin siguiente para agregar los datos de ventas a la base de datos AdventureWorksDW o a
cualquier otra base de datos).
USE [database name];

GO
IF OBJECT_ID ([dbo].[NewSalesData]) IS NOT NULL
DROP TABLE [dbo].[NewSalesData];
GO
CREATE TABLE [dbo].[NewSalesData](
[Series] [nvarchar](255) NULL,
[NewDate] [datetime] NULL,
[NewQty] [float] NULL,
[NewAmount] [money] NULL
) ON [PRIMARY]
GO
2. Inserte los nuevos valores mediante el siguiente script.
INSERT INTO [NewSalesData]

(Series,NewDate,NewQty,NewAmount)
VALUES('T1000 Pacific', '7/25/08', 55, '$130,170.22'),
('T1000 Pacific', '8/25/08', 50, '$114,435.36 '),
('T1000 Pacific', '9/25/08', 50, '$117,296.24 '),
('T1000 Europe', '7/25/08', 37, '$88,210.00 '),
('T1000 Europe', '8/25/08', 41, '$97,746.00 '),
('T1000 Europe', '9/25/08', 37, '$88,210.00 '),
('T1000 North America', '7/25/08', 69, '$164,500.00 '),
('T1000 North America', '8/25/08', 66, '$157,348.00 '),
('T1000 North America', '9/25/08', 58, '$138,276.00 '),
('M200 Pacific', '7/25/08', 65, '$149,824.35'),
('M200 Pacific', '8/25/08', 54, '$124,619.46'),
('M200 Pacific', '9/25/08', 61, '$141,143.39'),
('M200 Europe', '7/25/08', 75, '$173,026.00'),
('M200
('M200
('M200
('M200
('M200
Europe', '8/25/08', 76, '$175,212.00'),

Europe', '9/25/08', 84, '$193,731.00'),
North America', '7/25/08', 94, '$216,916.00'),
North America', '8/25/08', 94, '$216,891.00'),
North America', '9/25/08', 91,'$209,943.00');
Advertencia
Se usan comillas con los valores de moneda para evitar problemas con el separador de coma y el smbolo de moneda. Tambin podra pasar los valores de
moneda en este formato: 130170.22
Observe que las fechas usadas en la base de datos de ejemplo han cambiado en esta versin. Si est usando una edicin anterior de AdventureWorks, quizs
necesite ajustar las fechas insertadas en consecuencia.
Crear una vista de origen de datos con nuevos datos de ventas

1. En el Explorador de soluciones, haga clic con el botn secundario en Vistas del origen de datos y, a continuacin, seleccione Nueva vista del origen de datos.
2. En el Asistente para vistas del origen de datos, realice las selecciones siguientes:
Origen de datos: Adventure Works DW Multidimensional 2012
Seleccionar tablas y vistas: seleccione la tabla que acaba de crear, NewSalesData.
4. En la superficie de diseo de la Vista del origen de datos, haga clic con el botn secundario en NewSalesData y seleccione Explorar datos para comprobar los
datos.
Advertencia
Usar estos datos solo para la prediccin, por lo que no importa que sean incompletos.
Crear datos para el modelo de prediccin cruzada

Los datos que se usaron en el modelo de pronstico original ya estn agrupados de algn modo en la vista vTimeSeries. Los diversos modelos de bicicletas se han
contrado en un nmero menor de categoras y los resultados de pases individuales se han combinado por regiones. Para crear un modelo que se puede usar para las
proyecciones mundiales, crear algunas agregaciones simples adicionales directamente en el Diseador de vistas del origen de datos. La nueva vista del origen de
datos contiene solo una suma y un promedio de las ventas de todos los productos para todas las regiones.
Despus de crear el origen de datos usado para el modelo, debe crear una nueva vista del origen de datos que usar para la prediccin. Por ejemplo, si desea
predecir las ventas de Europa con el nuevo modelo mundial, debe suministrar los datos de la regin de Europa solamente. De esta forma, configurar una nueva vista
del origen de datos que filtra los datos originales y cambiar la condicin de filtro para cada conjunto de consultas de prediccin.
Para crear los datos del modelo mediante una vista personalizada del origen de datos
2. En la pgina de bienvenida del asistente, haga clic en Siguiente.
3. En la pgina Seleccionar origen de datos, seleccione Adventure Works DW Multidimensional 2012 y, despus, haga clic en Siguiente.
4. En la pgina, Seleccionar tablas y vistas, no agregue ninguna tabla; slo haga clic en Siguiente.
5. En la pgina, Finalizacin del asistente, escriba el nombre AllRegions y, a continuacin, haga clic en Finalizar.
6. Despus, haga clic con el botn secundario en la superficie de diseo de la vista del origen de datos en blanco y seleccione Nueva consulta con nombre.
7. En el cuadro de dilogo Crear consulta con nombre, en Nombre, escriba AllRegions y en Descripcin, escriba Suma y promedio de ventas para todos los
modelos y regiones.
8. En el panel de texto SQL, escriba la siguiente instruccin y, a continuacin, haga clic en Aceptar:
SELECT ReportingDate,
SUM([Quantity]) as SumQty, AVG([Quantity]) as AvgQty,
SUM([Amount]) AS SumAmt, AVG([Amount]) AS AvgAmt,
'All Regions' as [Region]
FROM dbo.vTimeSeries
GROUP BY ReportingDate
9. Haga clic con el botn secundario en la tabla AllRegions y seleccione Explorar datos.
Para crear los datos de la serie para prediccin cruzada

2. En el Asistente para vistas del origen de datos, realice las selecciones siguientes:
Origen de datos: Adventure Works DW Multidimensional 2012

Seleccionar tablas y vistas: no seleccione ninguna tabla
Nombre: T1000 Pacific Region
4. Haga clic con el botn secundario en la superficie de diseo vaca correspondiente a T1000 Pacific Region.dsv y, despus, seleccione Nueva consulta con
nombre.
Aparecer el cuadro de dilogo Crear consulta con nombre. Vuelva a escribir el nombre y agregue la descripcin siguiente:
Nombre: T1000 Pacific Region
Descripcin: Filtro vTimeSeries por regin y modelo.
5. En el panel de texto, escriba la siguiente consulta y, a continuacin, haga clic en Aceptar:
SELECT ReportingDate, ModelRegion, Quantity, Amount

WHERE (ModelRegion = N'T1000 Pacific')
Nota
Puesto que deber crear predicciones para cada serie por separado, puede que desee copiar el texto de la consulta y guardarlo en un archivo de texto para
poder usarlo de nuevo con la otra serie de datos.
6. En la superficie de diseo de la Vista del origen de datos, haga clic con el botn secundario en T1000 Pacific y seleccione Explorar datos para comprobar que
los datos se filtran correctamente.
Usar estos datos como la entrada del modelo al crear consultas de prediccin cruzada.

Predicciones de serie temporal que usan datos actualizados tutorial intermedio de minera de datos
Vea tambin
Referencia
Conceptos
Predicciones de serie temporal que usan datos actualizados

SQL Server 2014
Crear predicciones mediante datos extendidos de ventas

En esta leccin, crear una consulta de prediccin que agrega los nuevos datos de ventas al modelo. Al extender el modelo con datos nuevos, puede obtener
predicciones actualizadas que incluyan los nuevos puntos de datos.
Crear predicciones de serie temporal que usan los nuevos datos es fcil: solo tiene que agregar el parmetro EXTEND_MODEL_CASES a la funcin PredictTimeSeries
(DMX), especificar el origen de los nuevos datos y especificar cuntas predicciones desea obtener.
Advertencia
El parmetro EXTEND_MODEL_CASES es opcional; de forma predeterminada, el modelo se ampla en cualquier momento que se crea una consulta de prediccin de
serie temporal combinando nuevos datos como entradas.
Para crear la consulta de prediccin y agregar nuevos datos

1. Si el modelo an no est abierto, haga doble clic en la estructura Forecasting y, en el Diseador de minera de datos, haga clic en la pestaa Prediccin de
2. En el panel Modelo de minera de datos, el modelo Forecasting ya debera estar seleccionado. Si no lo est, haga clic en Seleccionar modelo y, a continuacin,
seleccione el modelo Forecasting.
3. En el panel Seleccionar tabla(s) de entrada, haga clic en Seleccionar tabla de casos.
4. En el cuadro de dilogo Seleccionar tabla, seleccione el origen de datos, Adventure Works DW Multidimensional 2012 .
En la lista de vistas del origen de datos, seleccione NewSalesData y haga clic en Aceptar.
5. Haga clic en el botn secundario en la superficie del rea de diseo y seleccione Modificar conexiones.
6. Mediante el cuadro de dilogo Modificar asignacin, asigne las columnas del modelo a las columnas de datos externos de la forma siguiente:
Asigne la columna ReportingDate del modelo de minera de datos a la columna NewDate en los datos de entrada.
Asigne la columna Amount del modelo de minera de datos a la columna NewAmount en los datos de entrada.
Asigne la columna Quantity del modelo de minera de datos a la columna NewQty en los datos de entrada.
Asigne la columna ModelRegion del modelo de minera de datos a la columna Series en los datos de entrada.
7. Ahora crear la consulta de prediccin.
Primero, agregue una columna a la consulta de prediccin para generar la serie a la que se aplica la prediccin.
a. En la cuadrcula, haga clic en la primera fila vaca, bajo Origen, y a continuacin seleccione Forecasting.
b. En la columna Campo, seleccione Model Region y para Alias, escriba Model Region.
8. A continuacin, agregue y modifique la funcin de prediccin.
a. Haga clic en una fila vaca y, en Origen, seleccione Funcin de prediccin.
b. En Campo, seleccione PredictTimeSeries.
c. En Alias, escriba Valores predichos.
d. Arrastre el campo Quantity del panel Modelo de minera de datos y colquelo en la columna Criterios o argumento.
e. En la columna Criterios o argumento, despus del nombre de campo, escriba el texto siguiente: 5,EXTEND_MODEL_CASES
El texto completo del cuadro de texto Criterios o argumento debe ser el siguiente: [Forecasting].[Quantity],5,EXTEND_MODEL_CASES
9. Haga clic en Resultados y revise los resultados.
Las predicciones comienzan en julio el primer segmento de tiempo despus del final de los datos originales y terminan en noviembre el quinto segmento de
tiempo despus del final de los datos originales.
Puede ver que para usar este tipo de consulta de prediccin de forma eficaz, debe saber cundo finalizan los datos antiguos, as como el nmero de segmentos de
tiempo que estn en los nuevos datos.
Por ejemplo, en este modelo, la serie de datos original finalizaba en junio, y los datos corresponden a los meses de julio, agosto y septiembre.
Las predicciones que usan EXTEND_MODEL_CASES siempre comienzan por el final de la serie de datos original. Por tanto, si solo desea obtener las predicciones de los
meses desconocidos, debe especificar el punto inicial y el punto final para la prediccin. Ambos valores se especifican como un nmero de segmentos de tiempo que
comienzan al final de los datos antiguos.
El siguiente procedimiento muestra cmo hacerlo.
Cambiar los puntos inicial y final de las predicciones

1. En el Generador de consultas de prediccin, haga clic en Consulta para cambiar a la vista DMX.
2. Busque la instruccin DMX que contiene la funcin PredictTimeSeries y cmbiela de la forma siguiente:
PredictTimeSeries([Forecasting 12].[Quantity],4,6,EXTEND_MODEL_CASES)
3. Haga clic en Resultados y revise los resultados.
Ahora las predicciones comienzan en octubre (el cuarto segmento de tiempo, contando desde el final de los datos originales) y terminan en diciembre (el sexto
segmento de tiempo, contando desde el final de los datos originales).

Predicciones de serie temporal que usan datos de reemplazo Tutorial intermedio de minera de datos
Vea tambin
Referencia
Contenido del modelo de minera de datos para los modelos de serie temporal Analysis Services Minera de datos
Predicciones de serie temporal que usan datos de reemplazo

SQL Server 2014
En esta tarea, se crear un nuevo modelo basado en datos de ventas mundiales. A continuacin, se crear una consulta de prediccin que aplica el modelo de ventas
mundial a una de las regiones individuales.
Crear un modelo general

Recuerde que el anlisis de los resultados del modelo de minera de datos original revel grandes diferencias entre ciertas regiones y entre las lneas de productos.
Por ejemplo, las ventas de Norteamrica fueron buenas para el modelo M200, mientras que las ventas del modelo T1000 no fueron tan bien. Sin embargo, el anlisis se
complica por el hecho de que alguna serie no tena muchos datos o que los datos empezaban en otro momento. Tambin faltaban algunos datos.
Para resolver algunos de los problemas de calidad de los datos, decide combinar los datos de ventas de todo el mundo y usar ese conjunto de tendencias de ventas
generales para crear un modelo que se pueda aplicar para predecir las ventas futuras en cualquier regin.
Al crear predicciones, usar el modelo que se genera mediante la formacin en los datos de ventas mundiales, pero reemplazar los puntos de datos histricos con
los datos de ventas de cada regin individual. De este modo, se mantiene la forma de la tendencia, pero los valores previstos estn alineados con las cifras de ventas
histricas para cada regin y modelo.
Realizar una prediccin cruzada con un modelo de serie temporal

El proceso de usar datos de una serie para predecir tendencias en otras series se denomina prediccin cruzada. Puede usar la prediccin cruzada en muchas
situaciones: por ejemplo, podra decidir que las ventas de televisiones son adecuadas para predecir la actividad econmica general, y aplicar un modelo formado en
ventas de televisiones a los datos econmicos generales.
En la minera de datos de SQL Server, una prediccin cruzada se realiza mediante el parmetro REPLACE_MODEL_CASES en los argumentos de la funcin,
PredictTimeSeries (DMX).
En la tarea siguiente, aprender a usar REPLACE_MODEL_CASES. Usar los datos combinados de las ventas mundiales para crear un modelo y, a continuacin, crear
una consulta de prediccin que asigna el modelo general a los datos de reemplazo.
Se supone que ya est familiarizado con la manera de generar modelos de minera de datos y, por consiguiente, se han simplificado las instrucciones para generar el
modelo.
Para generar una estructura de minera de datos y un modelo de minera de datos utilizando los datos agregados
1. En el Explorador de soluciones, haga clic con el botn secundario en Estructuras de minera de datos y seleccione Nueva estructura de minera de datos
para iniciar el Asistente para minera de datos.
2. En el Asistente para minera de datos, realice las selecciones siguientes:
Algoritmo: serie temporal de Microsoft
Use el origen de datos que cre anteriormente en esta leccin avanzada como origen para el modelo. Vea Predicciones de serie temporal avanzadas
Tutorial intermedio de minera de datos.
Vista del origen de datos: AllRegions

Elija las columnas siguientes para la clave de serie y la clave temporal:
Clave temporal: ReportingDate
Clave: Region
Elija las columnas siguientes para Input y Predict:
SumQty
SumAmt
AvgAmt
AvgQty
Para Nombre de la estructura de minera de datos, escriba: Todas las regiones
Para Nombre del modelo de minera de datos, escriba: Todas las regiones
3. Procese la nueva estructura y el nuevo modelo.
Para generar la consulta de prediccin y asignar los datos de reemplazo

1. Si el modelo an no est abierto, haga doble clic en la estructura AllRegions y, en el Diseador de minera de datos, haga clic en la pestaa Prediccin de
2. En el panel Modelo de minera de datos, el modelo AllRegions ya debera estar seleccionado. Si no lo est, haga clic en Seleccionar modelo y, a continuacin,
seleccione el modelo AllRegions.
3. En el panel Seleccionar tabla(s) de entrada, haga clic en Seleccionar tabla de casos.
4. En el cuadro de dilogo Seleccionar tabla, cambie el origen de datos por T1000 Pacific Region y haga clic en Aceptar.
5. Haga clic con el botn secundario en la lnea de combinacin entre el modelo de minera de datos y los datos de entrada, y seleccione Modificar conexiones.
Asigne los datos de la vista del origen de datos al modelo de la manera siguiente:
a. Compruebe que la columna ReportingDate del modelo de minera de datos est asignada a la columna ReportingDate de los datos de entrada.
b. En el cuadro de dilogo Modificar asignacin, en la fila correspondiente a la columna del modelo AvgQty, haga clic en Columna de la tabla y seleccione
T1000 Pacific.Quantity. Haga clic en Aceptar.
Este paso asigna la columna que cre en el modelo para la cantidad promedio que predeca los datos reales de la serie T1000 de la cantidad de ventas.
c. No asigne la columna Region del modelo a ninguna columna de entrada.
Puesto que el modelo agregaba los datos de todas las series, no hay ninguna coincidencia de los valores de series como T1000 Pacific y se generar un
error cuando se ejecute la consulta de prediccin.
6. Ahora crear la consulta de prediccin.
Primero, agregue una columna a los resultados que genera la etiqueta AllRegions a partir del modelo y las predicciones. De esta manera, sabe que los
resultados estn basados en el modelo general.
a. En la cuadrcula, haga clic en la primera fila vaca, bajo Origen, y a continuacin seleccione AllRegions mining model.
b. En Campo, seleccione Region.
c. En Alias, escriba Modelo usado.
7. A continuacin, agregue otra etiqueta a los resultados, de modo que pueda ver para qu serie son las predicciones.
a. Haga clic en una fila vaca y, en Origen, seleccione Expresin personalizada.
b. En la columna Alias, escriba ModelRegion.
c. En la columna Criterios o argumento, escriba 'T1000 Pacific'.
8. Ahora va a configurar la funcin de prediccin cruzada.
a. Haga clic en una fila vaca y, en Origen, seleccione Funcin de prediccin.
b. En la columna Campo, seleccione PredictTimeSeries.
c. En Alias, escriba Valores predichos.
d. Arrastre el campo AvgQty desde el panel Modelo de minera de datos a la columna Criterios o argumento mediante una operacin de arrastrar y
colocar.
e. En la columna Criterios o argumento, despus del nombre de campo, escriba el texto siguiente: ,5, REPLACE_MODEL_CASES
El texto completo del cuadro de texto Criterios o argumento debera ser como sigue: [AllRegions].[AvgQty],5,REPLACE_MODEL_CASES
9. Haga clic en Resultados.
Crear consultas de prediccin cruzada en DMX

Quiz ha observado un problema con la prediccin cruzada: a saber, que a aplicar el modelo general a una serie de datos diferente, como el modelo de producto
T1000 en la regin de Norteamrica, debe crear una consulta diferente para cada serie, con el fin de poder asignar cada conjunto de entradas al modelo.
Sin embargo, en lugar de crear la consulta en el diseador, puede cambiar a la vista DMX y modificar la instruccin DMX que cre. Por ejemplo, la instruccin DMX
siguiente representa la consulta recin creada:
SELECT
([All Regions].[Region]) as [Model Used],
('T-1000 Pacific') as [ModelRegion],
(PredictTimeSeries([All Regions].[Avg Qty],5, REPLACE_MODEL_CASES)) as [Predicted Quantity]
FROM [All Regions]
PREDICTION JOIN
OPENQUERY([Adventure Works DW2003R2], 'SELECT [ReportingDate] FROM
(
SELECT ReportingDate, ModelRegion, Quantity, Amount
WHERE (ModelRegion = N''T1000 Pacific'')
) as [T1000 Pacific]
')
AS t
ON
[All Regions].[Reporting Date] = t.[ReportingDate]
AND
[All Regions].[Avg Qty] = t.[Quantity]
Para aplicar esto a un modelo diferente, basta con modificar la instruccin de consulta para reemplazar la condicin de filtro y actualizar las etiquetas asociadas a cada
resultado.
Por ejemplo, si cambia las condiciones de filtro y las etiquetas de las columnas reemplazando 'Pacific' con 'North America', obtendr las predicciones para el producto
T1000 de Norteamrica, segn los patrones del modelo general.

Comparar las predicciones de los modelos de prediccin Tutorial intermedio de minera de datos
Vea tambin
Referencia
PredictTimeSeries (DMX)
Conceptos
Comparar las predicciones de los modelos de prediccin

SQL Server 2014
En los pasos anteriores de este tutorial, ha creado varios modelos de serie temporal:
Predicciones para cada combinacin de regin y modelo, basadas nicamente en los datos del modelo y regin individual.
Predicciones para cada regin, en funcin de los datos actualizados.
Predicciones para todos los modelos en un mbito mundial, basadas en datos agregados.
Predicciones para el modelo M200 de la regin de Norteamrica, basadas en el modelo agregado.
Para resumir las caractersticas de las predicciones de serie temporal, tambin revisar los cambios para ver cmo ha afectado a los resultados de prediccin el uso de
las opciones para ampliar o reemplazar datos.
EXTEND_MODEL_CASES
REPLACE_MODEL_CASES
Comparar los resultados originales con los resultados obtenidos despus de agregar datos
Veamos los datos solo para la lnea de producto M200 en la regin del Pacfico, para ver cmo afecta a los resultados la actualizacin del modelo con nuevos datos.
Recuerde que la serie de datos original finaliz en junio de 2004 y que hemos obtenido datos nuevos para julio, agosto y septiembre.
La primera columna muestra los datos nuevos que se han agregado.

La segunda columna muestra la previsin para julio y los meses siguientes, basada en la serie de datos original.
La tercera columna muestra el pronstico basado en los datos extendidos.
M200 Pacific
Datos actualizados de ventas reales
Previsin antes de agregar datos
Prediccin ampliada
7-25-2008
65
32
65
8-25-2008
54
37
54
9-25-2008
61
32
61
10-25-2008
Ninguno
36
32
11-25-2008
Ninguno
31
41
12-25-2008
Ninguno
34
32
Puede observar que los pronsticos con los datos extendidos que se muestran aqu en negrita repiten exactamente los puntos de datos reales. La repeticin es por
diseo. Mientras haya puntos de datos reales para usar, la consulta de prediccin devolver los valores reales y generar nuevos valores de prediccin solo despus
de que se hayan usado los nuevos puntos de datos reales.
En general, el algoritmo pondera los cambios en los datos nuevos ms que los datos del principio de los datos del modelo. Sin embargo, en este caso, las nuevas
cifras de ventas representan un incremento de solo el 2030 por ciento durante el perodo anterior, por lo que hubo tan solo un ligero repunte de las ventas previstas,
tras el cual las proyecciones de ventas vuelven a descender, ms en lnea con la tendencia de los meses anteriores a los datos nuevos.
Comparar los resultados originales y de la prediccin cruzada

Recuerde que el modelo de minera de datos original revelaba grandes diferencias entre las regiones y las lneas de productos. Por ejemplo, las ventas para el modelo
M200 fueron muy marcadas, mientras que las ventas del modelo T1000 fueron bastante bajas en todas las regiones. Adems, algunas series no tenan muchos datos.
Las series eran desiguales, lo que significa que no tenan el mismo punto inicial.
Por lo tanto, cmo cambiaron las predicciones cuando se realizaron proyecciones basadas en el modelo general, que se basaba a su vez en las ventas mundiales, no
en los conjuntos de datos originales? Para asegurarse de que no ha perdido ninguna informacin ni ha sesgado las predicciones, puede guardar los resultados en una
tabla, combinar la tabla de predicciones con la de datos histricos y, despus, crear un grfico de los dos conjuntos de datos histricos y predicciones.
El siguiente diagrama se basa solo en una lnea de productos, M200. En el grfico se comparan las predicciones del modelo de minera de datos inicial con las
predicciones que usan el modelo de minera de datos agregado.
En este diagrama, se puede ver que el modelo de minera agregado conserva los intervalos y tendencias generales de los valores, a la vez que reduce las fluctuaciones
de las series de datos individuales.
Conclusin
Ha aprendido a crear y personalizar un modelo de serie temporal que se puede usar para la prediccin.
Ha aprendido a actualizar los modelos de serie temporal sin tener que volver a procesarlos, y ha agregado nuevos datos y creado predicciones mediante el parmetro
EXTEND_MODEL_CASES.
Ha aprendido a crear modelos que se pueden usar para la prediccin cruzada y ha utilizado el parmetro REPLACE_MODEL_CASES y aplicado el modelo a una serie de
datos diferente.
Vea tambin
Conceptos
Leccin 3: Generar un escenario de cesta de la compra

SQL Server 2014
El departamento de marketing de Adventure Works Cycles desea mejorar el sitio web de la empresa para promover las ventas cruzadas. Como parte de la actualizacin
del sitio, desean contar con la capacidad de predecir los productos cuya adquisicin podra interesar a los clientes, basndose en otros productos que ya se encuentran
en sus cestas de la compra en lnea. El departamento de marketing tambin desea comprender mejor el comportamiento de compra de los clientes, de forma que
puedan disear el sitio web para que los elementos que tienden a comprarse juntos aparezcan agrupados. Han aprendido que la minera de datos resulta especialmente
til para este tipo de anlisis de la cesta de la compra y le han solicitado el desarrollo de un modelo de minera de datos.
Despus de completar las tareas de esta leccin, tendr un modelo de minera de datos que muestra los grupos de elementos de las transacciones histricas del cliente.
Adems, puede utilizar el modelo de minera de datos para predecir elementos adicionales que un cliente puede desear comprar.
Para completar las tareas de esta leccin, utilizar la solucin y el origen de datos que cre en la primera leccin de Tutorial intermedio de minera de datos Analysis
Services Minera de datos. Modificar esta solucin agregando una vista del origen de datos que contiene tablas sobre el cliente, incluso una tabla anidada de sus
compras. A continuacin, generar un modelo de minera de datos que utiliza el algoritmo de reglas de asociacin de Microsoft, que es adecuado en escenarios de cesta
de la compra.
Agregar una vista del origen de datos con tablas anidadas Tutorial intermedio de minera de datos
Crear una estructura y un modelo de cesta de la compra Tutorial intermedio de minera de datos
Modificar y procesar el modelo de cesta de la compra Tutorial intermedio de minera de datos
Explorar los modelos Market Basket tutorial intermedio de minera de datos
Filtrar un tabla anidada en un modelo de minera de datos tutorial intermedio de minera de datos
Predecir asociaciones Tutorial intermedio de minera de datos

Agregar una vista del origen de datos con tablas anidadas Tutorial intermedio de minera de datos
Todas las lecciones

Vea tambin
Tasks
Conceptos
Agregar una vista del origen de datos con tablas anidadas

SQL Server 2014
Para crear un modelo de cesta de la compra, debe usar una vista del origen de datos que admita datos asociativos. Esta vista del origen de datos tambin se utilizar
para el escenario de agrupacin en clsteres de secuencia.
Esta vista del origen de datos se diferencia de otras con las que habr trabajado en que contiene una tabla anidada. Una tabla anidada es aquella que contiene varias filas
de informacin sobre una fila nica en la tabla de casos. Por ejemplo, si el modelo analiza los hbitos de compra de los clientes, lo normal sera usar una tabla que
tuviese una nica fila para cada cliente como tabla de casos. Sin embargo, cada cliente puede hacer varias compras y es posible que se desee analizar el orden en que se
realizan las compras o los productos que suelen comprarse juntos. Para representar estas compras de manera lgica en el modelo, agregar a la vista del origen de
datos otra tabla que muestre las compras de cada cliente.
Esta tabla de compras anidada se relaciona con la tabla de clientes mediante una relacin de varios a uno. La tabla anidada podra contener muchas filas para cada
cliente, cada una con un nico producto que se compr, quizs con informacin adicional sobre el orden en el que se realizaron las compras, el precio en el momento del
pedido o cualquier promocin que se aplicara. Puede utilizar la informacin de la tabla anidada como entrada para el modelo o como el atributo de prediccin.
En esta leccin, har lo siguiente:
Agregar una vista del origen de datos al origen de datos de Adventure Works DW Multidimensional 2012 .
Agregar las tablas anidadas y de casos a esta vista.
Especificar la relacin de varios a uno entre la tabla de casos y la tabla anidada.
Nota
. Es importante que siga el procedimiento descrito de forma exacta, para especificar correctamente la relacin entre la tabla de casos y la tabla anidada, y evitar
errores al procesar el modelo.
Definir cmo se utilizan las columnas de datos en el modelo.
Para obtener ms informacin acerca de cmo trabajar con las tablas de casos y anidada, y sobre cmo elegir una clave de tabla anidada, vea Tablas anidadas (Analysis
Services Minera de datos.

1. En el Explorador de soluciones, haga clic con el botn secundario en Vistas del origen de datos y luego seleccione Nueva vista del origen de datos.
Se abrir el Asistente para vistas del origen de datos.
3. En la pgina Seleccionar un origen de datos, en Orgenes de datos relacionales, seleccione el origen de datos de Adventure Works DW Multidimensional 2012
que se cre en el Tutorial bsico de minera de datos. Haga clic en Siguiente.
4. En la pgina Seleccionar tablas y vistas, seleccione las tablas siguientes y, a continuacin, haga clic en la flecha derecha para incluirlas en la nueva vista del origen
de datos:
vAssocSeqOrders
vAssocSeqLineItems
6. En la pgina Finalizando el asistente, la vista del origen de datos tendr el nombre Adventure Works DW Multidimensional 2012 , de forma predeterminada.
Cmbielo por Orders y, a continuacin, haga clic en Finalizar.
Se abrir el Diseador de vistas del origen de datos y aparecer la vista del origen de datos Orders.
Crear una relacin entre tablas

1. En el Diseador de vistas del origen de datos, coloque las dos tablas de modo que estn alineadas horizontalmente, con la tabla vAssocSeqLineItems en el lado
izquierdo y la tabla vAssocSeqOrders en el lado derecho.
2. Seleccione la columna OrderNumber en la tabla vAssocSeqLineItems.
3. Arrastre la columna hasta la tabla vAssocSeqOrders y colquela en la columna OrderNumber.
Importante
Asegrese de arrastrar la columna OrderNumber desde la tabla anidada vAssocSeqLineItems, que representa el lado "varios" de la combinacin, hasta la tabla
de casos vAssocSeqOrders, que representa el lado "uno" de la combinacin.
As, hay una nueva relacin de varios a uno entre las tablas vAssocSeqLineItems y vAssocSeqOrders. Si ha combinado correctamente las tablas, la vista del origen de
datos debera aparecer como sigue:

Crear una estructura y un modelo de cesta de la compra Tutorial intermedio de minera de datos
Vea tambin
Conceptos
Modelos de minera de datos Analysis Services Minera de datos
Crear una estructura y un modelo de cesta de la compra

SQL Server 2014
Ahora que ha creado una vista del origen de datos, utilizar el Asistente para minera de datos con el fin de crear una nueva estructura de minera de datos. En esta tarea,
crear una estructura y un modelo de minera de datos que se basen en el algoritmo de asociacin de Microsoft.
Nota
Si encuentra un error que indica que vAssocSeqLineItems no se puede usar como una tabla anidada, vuelva a la tarea anterior de la leccin y asegrese de crear la
combinacin de varios a uno arrastrando desde la tabla vAssocSeqLineItems el lado de varios a la tabla vAssocSeqOrders el lado de uno. Tambin puede modificar
la relacin entre las tablas haciendo clic con el botn secundario en la lnea de combinacin.
Para crear una estructura de minera de datos de asociacin

1. En el Explorador de soluciones en SQL Server Data Tools SSDT, haga clic con el botn secundario en Estructuras de minera de datos y seleccione Nueva
estructura de minera de datos para abrir el Asistente para minera de datos.
4. En la pgina Crear la estructura de minera de datos, en Qu tcnica de minera de datos desea utilizar?, seleccione Reglas de asociacin de Microsoft en la
lista y, a continuacin, haga clic en Siguiente. Aparecer la pgina Seleccionar vista del origen de datos.
5. Seleccione Orders en Vistas del origen de datos disponibles y, a continuacin, haga clic en Siguiente.
6. En la pgina Especificar tipos de tablas, en la fila correspondiente a la tabla vAssocSeqLineItems, active la casilla Anidada y, en la fila de la tabla anidada
vAssocSeqOrders, active la casilla Caso. Haga clic en Siguiente.
7. En la pgina Especificar los datos de aprendizaje, desactive las casillas que estn activadas, si hay alguna. Establezca la clave para la tabla de casos,
vAssocSeqOrders, activando la casilla Clave junto a OrderNumber.
Dado que el propsito del anlisis de la cesta de la compra es determinar qu productos estn incluidos en una transaccin nica, no tiene que usar el campo
CustomerKey.
8. Establezca la clave para la tabla anidada, vAssocSeqLineItems, activando la casilla Clave junto a Model. La casilla Entrada se activa tambin automticamente al
hacer esto. Active igualmente la casilla De prediccin correspondiente a Modelo.
En un modelo de cesta de la compra, no se preocupa de la secuencia de productos de la cesta de la compra y, por consiguiente, no debera incluir LineNumber
como clave de la tabla anidada. Se usara LineNumber como clave solo en un modelo en el que la secuencia fuera importante. Crear un modelo que use el
algoritmo de clsteres de secuencia de Microsoft en la leccin 4.
9. Active la casilla situada a la izquierda de IncomeGroup y Region, pero no realice ninguna otra seleccin. Al activar la columna situada ms a la izquierda se agregan
las columnas a la estructura como referencia posterior, pero las columnas no se usarn en el modelo. Las selecciones tendrn la apariencia siguiente:

11. En la pgina Especificar el contenido y el tipo de datos de las columnas, revise las selecciones, que deberan mostrarse en la tabla siguiente, y a continuacin
haga clic en Siguiente.
Columnas
Tipo de contenido
Tipo de datos
IncomeGroup
Discreto
Text
OrderNumber
Clave
Text
Region
Discreto
Text
Clave
Text
vAssocSeqLineItems
Model
12. En la pgina Crear conjunto de pruebas, el valor predeterminado para la opcin Porcentaje de datos para pruebas es el 30 por ciento. Cmbielo a 0. Haga clic
en Siguiente.
Nota
Analysis Services proporciona varios grficos para medir la precisin del modelo. Sin embargo, algunos tipos de grficos de precisin, como el grfico de
elevacin y el informe de validacin cruzada, estn diseados para la clasificacin y la estimacin. No se pueden usar en la prediccin asociativa.
13. En la pgina Finalizacin del asistente, en Nombre de la estructura de minera de datos, escriba Association.
14. En Nombre del modelo de minera de datos, escriba Asociacin.
15. Seleccione la opcin Permitir obtencin de detalles y, a continuacin, haga clic en Finalizar.
El Diseador de minera de datos se abre para mostrar la estructura de minera de datos Association que acaba de crear.

Modificar y procesar el modelo de cesta de la compra Tutorial intermedio de minera de datos
Vea tambin
Conceptos
Algoritmo de asociacin de Microsoft
Tipos de contenido minera de datos
Modificar y procesar el modelo de cesta de la compra (Tutorial

SQL Server 2014
Antes de procesar el modelo de minera de datos de la asociacin que cre, debe cambiar los valores predeterminados de dos de los parmetros: Support y Probability.
Support define el porcentaje de casos en los que una regla debe existir antes de considerarse vlida. Especificar que una regla se debe encontrar en un uno por
ciento de casos al menos.
Probability define la probabilidad de una asociacin para considerarse vlida. Considerar cualquier asociacin con una probabilidad de al menos el 10 por ciento.
Para obtener ms informacin sobre los efectos de aumentar o disminuir la compatibilidad y la probabilidad, vea Referencia tcnica del algoritmo de asociacin de
Microsoft.
Despus de definir la estructura y los parmetros para el modelo de minera de datos Association, procesar el modelo.
Para ajustar los parmetros del modelo Association

1. Abra la pestaa Modelos de minera de datos del Diseador de minera de datos.
2. Haga clic con el botn secundario en la columna Association de la cuadrcula del diseador y seleccione el cuadro de dilogo Establecer parmetros de
algoritmo para abrir el cuadro de dilogo Parmetros de algoritmo.
3. En la columna Valor del cuadro de dilogo Parmetros de algoritmo, establezca los parmetros siguientes:
MINIMUM_PROBABILITY = 0,1
MINIMUM_SUPPORT = 0,01
Para procesar el modelo de minera de datos

1. En el men Modelo de minera de datos de SQL Server Data Tools (SSDT), seleccione Procesar estructura de minera de datos y todos los modelos.
Se abrir el cuadro de dilogo Procesar estructura de minera de datos: Association.
3. Haga clic en Ejecutar.
Se abre el cuadro de dilogo Progreso del proceso para mostrar informacin acerca del procesamiento del modelo. El procesamiento de la nueva estructura y del
nuevo modelo puede tardar algn tiempo.
5. Haga clic de nuevo en Cerrar para salir del cuadro de dilogo Procesar estructura de minera de datos Association.

Explorar los modelos Market Basket tutorial intermedio de minera de datos
Vea tambin
Conceptos
Explorar los modelos Market Basket (tutorial intermedio de

minera de datos
SQL Server 2014
Despus de crear el modelo Association, puede explorarlo con el visor de asociacin de Microsoft, que se encuentra en la pestaa Visor de modelos de minera de
datos del Diseador de minera de datos. Este tutorial le gua a travs del uso del visor para explorar las relaciones entre los elementos. El visor le ayuda a saber de un
vistazo qu productos tienden a aparecer juntos y a obtener una idea general de los patrones que surgen.
El Visor de asociacin de Microsoft contiene tres pestaas: Conjuntos de elementos, Reglas y Red de dependencias. Dado que cada pestaa revela una vista
ligeramente diferente de los datos, cuando explore un modelo, normalmente alternar entre los diferentes paneles varias veces mientras obtiene ms detalles.

Pestaa Conjuntos de elementos
Pestaa Reglas
Visor de rbol de contenido genrico
En este tutorial, comenzar en la pestaa Red de dependencias y, a continuacin, utilizar la pestaa Reglas y la pestaa Conjuntos de elementos para profundizar en el
conocimiento de las relaciones que se revelan en el visor. Tambin utilizar el Visor de rbol de contenido genrico de Microsoft para recuperar estadsticas detalladas
de reglas individuales o conjuntos de elementos.

Mediante la pestaa Red de dependencias, puede examinar la interaccin entre los diferentes elementos del modelo. Cada nodo del visor representa un elemento
mientras que las lneas entre ellos representan las relaciones. Al seleccionar un nodo, puede ver qu otros nodos predicen el elemento seleccionado o qu elementos
predice el elemento actual. En algunos casos, hay una asociacin bidireccional entre elementos, lo que significa que aparecen a menudo en la misma transaccin. Puede
hacer referencia a la leyenda de color de la parte inferior de la pestaa para determinar la direccin de la asociacin.
Una lnea que conecta dos elementos significa que es probable que aparezcan juntos en una transaccin. En otras palabras, es probable que los clientes compren
estos elementos conjuntamente. El control deslizante se asocia con la probabilidad de una regla. Mueva el control deslizante arriba o abajo para filtrar las asociaciones
dbiles, lo que significa que las reglas tienen una probabilidad baja.
El grfico de red de dependencias muestra las reglas por parejas, lo que se puede representar lgicamente como A>B y significa que, si se compra el producto A, es
probable que se compre despus el producto B. El grfico no puede mostrar reglas del tipo AB >C. Si mueve el control deslizante para mostrar todas las reglas pero
sigue sin ver ninguna lnea en el grfico, significa que no hubo ninguna pareja de reglas que cumplieran los criterios de los parmetros del algoritmo.
Tambin puede buscar los nodos por nombre, escribiendo las primeras letras del nombre de atributo. Para obtener ms informacin, vea Cuadro de dilogo Buscar
nodo Visor de modelos de minera de datos.
Para abrir el modo de asociacin en el Visor de reglas de asociacin de Microsoft

1. En el Explorador de soluciones, haga doble clic en la estructura Association.
2. En el Diseador de minera de datos, haga clic en la pestaa Visor de modelo de minera de datos.
3. Seleccione Association en la lista desplegable Modelo de minera de datos.
Para navegar por el grfico de dependencias y buscar nodos concretos

1. En la pestaa Visor de modelo de minera de datos, haga clic en la pestaa Red de dependencias.
2. Haga clic en Acercar varias veces, hasta que pueda ver con facilidad las etiquetas de cada nodo.
De forma predeterminada, el grfico se muestra con todos los nodos visibles. En un modelo complejo, puede haber muchos nodos, con lo que cada nodo es
bastante pequeo.
3. Haga clic en el signo + en la esquina inferior derecha del visor y mantenga presionado el botn del mouse para obtener una vista ampliada del grfico.
4. En el lado izquierdo del visor, arrastre hacia abajo el control deslizante, movindolo de Todos los vnculos (el valor predeterminado) a la parte inferior del
control deslizante.
5. El visor actualiza el grfico para que ahora solo muestre la asociacin ms fuerte, entre los elementos Touring Tire y Touring Tire Tube.
6. Haga clic en el nodo con la etiqueta Touring Tire Tube = Existing.
El grfico se actualiza para resaltar nicamente los elementos que estn muy relacionados con este elemento. Observe la direccin de la flecha entre los dos
elementos.
7. En el lado izquierdo del visor, arrastre el control deslizante hacia arriba de nuevo, movindolo desde la parte inferior aproximadamente hasta el medio.
Tenga en cuenta los cambios de la flecha que conecta los dos elementos.
8. Seleccione Mostrar solo el nombre de atributo en la lista desplegable de la parte superior del panel Red de dependencias.
Las etiquetas de texto del grfico se actualizan para mostrar solo el nombre del modelo.
Volver al principio
Pestaa Conjuntos de elementos

Luego, obtendr ms informacin sobre las reglas y conjuntos de elementos generados por el modelo para los productos Touring Tire Tube y Touring Tire. La pestaa
Conjuntos de elementos muestra tres extractos de informacin importantes relacionados con los conjuntos de elementos que el algoritmo de asociacin de Microsoft
detecta:
Compatibilidad:
Tamao:
Elementos:
el nmero de transacciones en las que se produce el conjunto de elementos.
el nmero de elementos que se encuentran en el conjunto de elementos.

una lista de los elementos incluidos en cada conjunto de elementos.
Dependiendo de cmo se configuren los parmetros del algoritmo, ste podra generar muchos conjuntos de elementos. Cada conjunto de elementos que se devuelve
en el visor representa las transacciones en las que se vendi el elemento. Mediante los controles situados en la parte superior de la pestaa Conjuntos de elementos,
puede filtrar el visor para que muestre solo los conjuntos de elementos que tengan un tamao y un soporte mnimo especficos.
Si est trabajando con un modelo de minera de datos diferente y no aparece ningn conjunto de elementos, se debe a que ninguno cumpli los criterios de los
parmetros del algoritmo. En este tipo de escenario, puede cambiar los parmetros del algoritmo para permitir conjuntos de elementos que tengan una
compatibilidad ms baja.
Para filtrar por nombre los conjuntos de elementos que se muestran en el visor
1. Haga clic en la pestaa Conjuntos de elementos del visor.
2. En el cuadro Filtrar conjunto de elementos, escriba Touring Tire y, a continuacin, haga clic fuera del cuadro.
El filtro devuelve todos los elementos que contienen esta cadena.
3. En la lista Mostrar, seleccione Mostrar solo el nombre del atributo.
4. Active la casilla Mostrar nombre largo.
La lista de conjuntos de elementos se actualiza para mostrar solo los conjuntos de elementos que contienen la cadena Touring Tire. El nombre largo del
conjunto de elementos incluye el nombre de la tabla que contiene el atributo y el valor de cada elemento.
5. Desactive la casilla Mostrar nombre largo.
La lista de conjuntos de elementos se actualiza para mostrar solo el nombre corto.
Los valores de la columna Compatibilidad indican el nmero de transacciones para cada conjunto de elementos. Una transaccin para un conjunto de elementos
significa una compra que inclua todos los elementos del conjunto de elementos.
De forma predeterminada, el visor muestra en orden descendente los conjuntos de elementos por compatibilidad. Puede hacer clic en los encabezados de columna
para ordenar por una columna diferente, por ejemplo por el tamao del conjunto de elementos o el nombre. Si le interesa obtener ms informacin sobre las
transacciones individuales que estn incluidas en un conjunto de elementos, puede obtener detalles de los casos individuales en los conjuntos de elementos. Las
columnas de estructura de los resultados de la obtencin de detalles son el nivel de ingresos del cliente y su identificador, que no se usaron en el modelo.
Para ver los detalles de un conjunto de elementos

1. En la lista de conjuntos de elementos, haga clic en el encabezado de columna Conjunto de elementos para ordenar por nombre.
2. Busque el elemento Touring Tire (sin el segundo elemento).
3. Haga clic con el botn secundario en el elemento Touring Tire, seleccione Obtener detalles y, a continuacin, seleccione Columnas de modelo y estructura.
El cuadro de dilogo Obtener detalles muestra las transacciones individuales utilizadas como compatibilidad para este conjunto de elementos.
4. Expanda la tabla anidada, vAssocSeqLineItems, para ver la lista actual de compras de la transaccin.
Para filtrar los conjuntos de elementos por compatibilidad o tamao

1. Borre cualquier texto que pudiera estar en el cuadro Filtrar conjunto de elementos. No puede utilizar un filtro del texto junto con un filtro numrico.
2. En el cuadro Compatibilidad mnima, escriba 100 y, a continuacin, haga clic en el segundo plano del visor.
La lista de conjuntos de elementos se actualiza para mostrar solo los conjuntos de elementos con una compatibilidad mnima de 100.
Volver al principio
Pestaa Reglas
La pestaa Reglas muestra la siguiente informacin relacionada con las reglas que el algoritmo encuentra.
Probabilidad: la probabilidad de una regla, definida como la probabilidad del elemento de la derecha dado el elemento de la izquierda.
Importancia: una medida de la utilidad de una regla. Un valor mayor significa una regla mejor.
La importancia se proporciona para ayudarle a calibrar la utilidad de una regla, porque la probabilidad por s sola puede ser engaosa. Por ejemplo, si cada
transaccin contuviera una botella de agua, quizs agregada automticamente al carro de cada cliente como parte de una promocin, el modelo creara una
regla que predice que la botella de agua tiene una probabilidad de 1. Si se basa en la probabilidad nicamente, esta regla es muy precisa, pero no proporciona
informacin til.
Regla:
definicin de la regla. Para un modelo de cesta de la compra, una regla describe una combinacin concreta de elementos.
Cada regla puede usarse para predecir la presencia de un elemento de una transaccin en funcin de la presencia de otros elementos. Al igual que con la pestaa
Conjuntos de datos, puede filtrar las reglas para mostrar solo las ms interesantes. Si est trabajando con un modelo de minera de datos que no tiene ninguna regla,
podra desear cambiar los parmetros de algoritmo para bajar el umbral de probabilidad de las reglas.
Para ver solo reglas que incluyen la bicicleta Mountain-200

1. En la pestaa Visor de modelos de minera de datos, haga clic en la pestaa Reglas.
2. En el cuadro Regla del filtro, escriba Mountain-200.
Desactive la casilla Mostrar nombre largo.
3. En la lista Mostrar, seleccione Mostrar solo el nombre del atributo.
A continuacin, el visor solo mostrar las reglas que contengan la palabra "Mountain-200". La probabilidad de la regla le indica la probabilidad de que, cuando
alguien compre una bicicleta Mountain-200, tambin compre el otro producto enumerado.
Las reglas se ordenan por probabilidad en orden descendente, pero puede hacer clic en los encabezados de columna para cambiar el criterio de ordenacin. Si le
interesa averiguar ms detalles sobre una regla determinada, puede utilizar la obtencin de detalles para ver los casos complementarios.
Para ver los casos que complementan una regla determinada

1. En la pestaa Reglas, haga clic con el botn secundario en la regla que desea ver.
2. Seleccione Obtener detalles y, a continuacin, seleccione Solo columnas de modelos o Columnas de modelo y estructura.
El cuadro de dilogo Obtener detalles proporciona un resumen de la regla en la parte superior del panel y una lista de todos los casos que se utilizaron como
datos complementarios para la regla.
Volver al principio
Visor de rboles de contenido genrico

Este visor se puede usar para todos los modelos, sin tener en cuenta el algoritmo o tipo de modelo. El Visor de rbol de contenido genrico de Microsoft est
disponible en la lista desplegable Visor.
Un rbol de contenido es una representacin de un modelo de minera como una serie de nodos, donde cada nodo representa el conocimiento adquirido acerca de
cierto subconjunto de los datos. El nodo puede contener un modelo, un conjunto de reglas, un clster o la definicin de un intervalo de fechas que comparten ciertas
caractersticas. El contenido exacto del nodo difiere dependiendo del algoritmo y el tipo del atributo predecible, pero la representacin general del contenido es la
misma. Puede expandir cada nodo para ver un mayor nivel de detalle y copiar el contenido de cualquier nodo en el Portapapeles.
Para ver los detalles sobre la regla utilizando el visor de contenido

1. En la pestaa Visor de modelos de minera de datos, seleccione Visor de rbol de contenido genrico de Microsoft en la lista Visor.
2. En el panel Ttulo de nodo, desplcese a la parte inferior de la lista y haga clic en el ltimo nodo.
El visor muestra los conjuntos de elementos primero y las reglas despus, pero no los agrupa. La manera ms fcil de buscar un nodo concreto es crear una
consulta de contenido. Para obtener ms informacin, vea Ejemplos de consultas del modelo de asociacin.
3. En el panel Detalles de nodo, revise el valor de NODE_TYPE y NODE_DESCRIPTION.
Un tipo de nodo 8 es una regla y un tipo de nodo 7 es un conjunto de elementos. Para una regla, el valor de NODE_DESCRIPTION indica las condiciones que la
constituyen. Para un conjunto de elementos, el valor de NODE_DESCRIPTION indica los elementos incluidos en el conjunto de elementos.
Tambin puede crear una consulta de contenido para obtener estadsticas detalladas sobre las reglas. Para obtener ms informacin sobre el contenido del modelo de
minera de datos y cmo interpretarlo, vea Contenido del modelo de minera de datos para los modelos de asociacin Analysis Services Minera de datos.
Volver al principio

Filtrar un tabla anidada en un modelo de minera de datos tutorial intermedio de minera de datos
Vea tambin
Referencia
Referencia tcnica del algoritmo de asociacin de Microsoft
Conceptos
Algoritmo de asociacin de Microsoft
Filtrar un tabla anidada en un modelo de minera de datos

SQL Server 2014
Una vez creado y explorado el modelo, tal vez decida centrarse en un subconjunto de datos del cliente. Por ejemplo, es posible que solo desee analizar las cestas que
contienen un producto especfico o los datos demogrficos de los clientes que no han realizado ninguna compra en un determinado perodo.
Analysis Services proporciona la capacidad de filtrar los datos que se emplean en un modelo de minera de datos. Esta caracterstica es til porque no necesita
configurar una nueva vista del origen de datos para usar otros datos diferentes. En el Tutorial bsico de minera de datos aprendi a filtrar los datos de una tabla plana
aplicando condiciones a la tabla de casos. En esta tarea, crear un filtro que se aplica a una tabla anidada.
Comparacin de los filtros en tablas anidadas y entablas de casos

Si la vista del origen de datos contiene una tabla de casos y una tabla anidada, como la vista del origen de datos utilizada en el modelo Association, puede filtrar segn
los valores de la tabla de casos, la presencia o ausencia de un valor en la tabla anidada, o alguna combinacin de ambos.
En esta tarea, primero realizar una copia del modelo Association y, a continuacin, agregar los atributos IncomeGroup y Region al nuevo modelo relacionado, para
que pueda filtrar segn esos atributos en la tabla de casos.
Para crear y modificar una copia del modelo Association

1. En la pestaa Modelos de minera de datos de SQL Server Data Tools SSDT, haga clic con el botn secundario en el modelo Association y seleccione Nuevo
2. Para Nombre del modelo, escriba Association Filtered. Para Nombre del algoritmo, seleccione Reglas de asociacin de Microsoft. Haga clic en Aceptar.
3. En la columna del modelo Association Filtered, haga clic en la fila IncomeGroup y cambie el valor de Omitir a Entrada.
A continuacin, crear un filtro para la tabla de casos en el nuevo modelo de asociacin. El filtro pasar al modelo solo los clientes de la regin de destino o con el
nivel de ingresos de destino. A continuacin, agregar un segundo conjunto de condiciones de filtro para especificar que el modelo utilice solo los clientes cuyas cestas
de la compra contengan al menos un producto.
Para agregar un filtro a un modelo de minera de datos

1. En la pestaa Modelos de minera de datos, haga clic con el botn secundario en el modelo Association Filtered y seleccione Establecer filtro de modelos.
2. En el cuadro de dilogo Filtro del modelo, haga clic en la fila superior de la cuadrcula en el cuadro de texto Columna de la estructura de minera de datos.
3. En el cuadro de texto Columna de la estructura de minera de datos, seleccione IncomeGroup.
El icono situado en la parte izquierda del cuadro de texto cambia para indicar que el elemento seleccionado es una columna.
4. Haga clic en el cuadro de texto Operador y seleccione el operador = de la lista.
5. Haga clic en el cuadro de texto Valor y escriba Alto en el cuadro.
6. Haga clic en la siguiente fila de la cuadrcula.
7. Haga clic en el cuadro de texto AND/OR de la siguiente fila de la cuadrcula y seleccione OR.
8. En el cuadro de texto Columna de la estructura de minera de datos, seleccione IncomeGroup. En el cuadro de texto Valor, escriba Moderate.
La condicin de filtro creada se agrega automticamente al cuadro de texto Expresin y debe ser similar a la siguiente:
[IncomeGroup] = 'High' OR [IncomeGroup] = 'Moderate'
9. Haga clic en la fila siguiente de la cuadrcula, dejando el valor del operador predeterminado, AND.
10. Para Operador, deje el valor predeterminado, Contains. Haga clic en el cuadro de texto Valor.
11. En el cuadro de dilogo Filtro, en la primera fila bajo Columna de la estructura de minera de datos, seleccione Modelo.
12. Para Operador, seleccione IS NOT NULL. Deje en blanco el cuadro de texto Valor. Haga clic en Aceptar.
La condicin de filtro del cuadro de texto Expresin del cuadro de dilogo Filtro del modelo se actualiza automticamente para incluir la nueva condicin en la
tabla anidada. La expresin completa es la siguiente:
[IncomeGroup] = 'High' OR [IncomeGroup] = 'Moderate' AND EXISTS SELECT * FROM [vAssocSeqLineItems] WHERE [Model] <> NULL).
Para habilitar la obtencin de detalles y procesar el modelo filtrado

1. En la pestaa Modelos de minera de datos, haga clic con el botn secundario en el modelo Asociacin filtrada y seleccione Propiedades.
2. Cambie la propiedad AllowDrillThrough a True.
3. Haga clic con el botn secundario en el modelo de minera de datos Asociacin filtrada y seleccione Procesar modelo.
4. Haga clic en S en el mensaje de error para implementar el nuevo modelo en la base de datos de Analysis Services.
5. En el cuadro de dilogo Procesar estructura de minera de datos, haga clic en Ejecutar.
6. Cuando termine de procesarse la estructura, haga clic en Cerrar para salir del cuadro de dilogo Progreso del proceso y haga clic de nuevo en Cerrar para salir
del cuadro de dilogo Procesar estructura de minera de datos.
Mediante el Visor de rbol de contenido genrico de Microsoft y examinando el valor de NODE_SUPPORT, puede comprobar que el modelo filtrado contiene menos
casos que el modelo original.
Comentarios
El filtro de tabla anidada que acaba de crear solo comprueba la presencia de al menos una fila en la tabla anidada; no obstante, puede crear condiciones de filtro que
comprueben la existencia de productos especficos. Por ejemplo, podra crear el siguiente filtro:
[IncomeGroup] = 'High' AND

EXISTS (SELECT * FROM [<nested table name>] WHERE [Model] = 'Water Bottle' )
Esta instruccin restringe los clientes de la tabla de casos a solo aquellos que han comprado una botella de agua. Sin embargo, dado que el nmero de atributos de
tabla anidada es potencialmente ilimitado, Analysis Services no suministra ninguna lista de valores posibles entre los que seleccionar. En lugar de ello, debe escribir el
valor exacto.
Puede hacer clic en Editar consulta para cambiar manualmente la expresin de filtro. Sin embargo, si cambia manualmente una parte de la expresin de filtro, la
cuadrcula estar deshabilitada y a partir de este momento deber trabajar solo con la expresin de filtro en modo de edicin de texto. Para restaurar el modo de
edicin de cuadrcula, debe borrar la expresin de filtro y comenzar de nuevo.
Advertencia
No se puede usar el operador LIKE en un filtro de tabla anidada.

Predecir asociaciones Tutorial intermedio de minera de datos
Vea tambin
Conceptos
Sintaxis y ejemplos del filtro de modelos Analysis Services: Minera de datos
Filtros para modelos de minera Analysis Services Minera de datos
Predecir asociaciones Tutorial intermedio de minera de

datos)
SQL Server 2014
Una vez procesados los modelos, puede utilizar la informacin sobre las asociaciones almacenada en el modelo para crear predicciones. En la tarea final de esta leccin,
aprender a generar consultas de prediccin a partir de los modelos de asociacin que cre. En esta leccin se presupone que sabe cmo se utiliza el Generador de
consultas de prediccin y desea obtener informacin acerca de cmo se generan consultas de prediccin a partir de modelos de asociacin. Para obtener ms
informacin acerca de cmo se usa el Generador de consultas de prediccin, vea Interfaces de consultas de minera de datos.
Crear una consulta de prediccin singleton

Las consultas de prediccin en un modelo de asociacin pueden ser muy tiles para lo siguiente:
Recomendar artculos a un cliente, en funcin de compras anteriores o relacionadas.

Buscar eventos relacionados.
identificar relaciones en o entre conjuntos de transacciones.
Para generar una consulta de prediccin, seleccione primero el modelo de asociacin que desee utilizar, y, a continuacin, especifique los datos de entrada. Las
entradas pueden proceder de un origen de datos externo, como una lista de valores. Tambin puede generar una consulta singleton y proporcionar los valores sobre
la marcha.
En este escenario, crear primero algunas consultas de prediccin singleton para hacerse una idea de cmo funcionan las predicciones. A continuacin, crear una
consulta de las predicciones masivas que podra utilizar para hacer recomendaciones en funcin de las compras realizadas actualmente por un cliente.
Para crear una consulta de prediccin en un modelo de asociacin

1. Haga clic en la pestaa Prediccin de modelo de minera de datos del Diseador de minera de datos.
2. En el panel Modelo de minera de datos, haga clic en Seleccionar modelo. Puede omitir este paso y el siguiente si el modelo correcto ya est seleccionado.
3. En el cuadro de dilogo Seleccionar modelo de minera de datos , expanda el nodo que representa la estructura de minera de datos Association y seleccione
el modelo Association. Haga clic en Aceptar.
De momento, puede hacer caso omiso al panel de entrada.
4. En la cuadrcula, haga clic en una celda vaca de Origen y seleccione Funcin de prediccin. En la celda situada bajo Campo, seleccione PredictAssociation.
Tambin puede utilizar la funcin Predict para predecir asociaciones. Si lo hace, asegrese de elegir la versin de la funcin Predict que toma una columna de
tabla como argumento.
5. En el panel Modelo de minera de datos, seleccione la tabla anidada vAssocSeqLineItems y arrstrela hasta la cuadrcula, al cuadro Criterios o argumento de
la funcin PredictAssociation.
Al arrastrar y colocar la tabla y los nombres de columna, podr crear instrucciones complejas sin errores sintcticos. Sin embargo, se reemplazar el contenido
actual de la celda, que contiene otros argumentos opcionales de la funcin PredictAssociation. Para consultar los dems argumentos, puede agregar
provisionalmente una segunda instancia de la funcin a la cuadrcula como referencia.
6. Haga clic en el cuadro Criterios o argumento y escriba el texto siguiente despus del nombre de la tabla: ,3
El texto completo del cuadro Criterios o argumento debera ser el siguiente:
[Association].[v Assoc Seq Line Items],3
7. Haga clic en el botn Resultados situado en la esquina superior del Generador de consultas de prediccin.
Los resultados esperados contienen una nica columna con el encabezado Expresin. La columna Expresin contiene una tabla anidada con una nica columna y las
tres filas siguientes. Como no especific un valor de entrada, estas predicciones representan las asociaciones de productos del modelo en su conjunto que tienen
mayor probabilidad de producirse.
Modelo
Women's Mountain Shorts
Water Bottle
Touring-3000
A continuacin, utilizar el panel Entrada de consulta singleton para especificar un producto como entrada de la consulta y consultar los productos que con mayor
probabilidad irn asociados con ese artculo.
Para crear una consulta de prediccin singleton con entradas de tabla anidada
1. Haga clic en el botn Diseo situado en la esquina del Generador de consultas de prediccin para cambiar a la cuadrcula de generacin de consultas.
2. En el men Modelo de minera de datos, seleccione Consulta singleton.
3. En el cuadro de dilogo Modelo de minera de datos, seleccione el modelo Association.

la funcin PredictAssociation. Escriba ,3 tras el nombre de la tabla anidada, como en el procedimiento anterior.
6. En el cuadro de dilogo Entrada de consulta singleton, haga clic en el cuadro Valor situado junto a vAssoc Seq Line Items y, a continuacin, haga clic en el
botn .
7. En el cuadro de dilogo Entrada de tabla anidada, seleccione Touring Tire en el panel Columna de clave y, a continuacin, haga clic en Agregar.
8. Haga clic en el botn Resultados.
Los resultados muestran ahora las predicciones de los productos que con mayor probabilidad estarn asociados a Touring Tire.
Modelo
Touring Tire Tube
Sport-100
Water Bottle
Sin embargo, al explorar el modelo sabr ya que Touring Tire Tube a menudo se compra junto con Touring Tire; lo que ms le interesa saber es qu productos puede
recomendar a los clientes que compran estos dos artculos juntos. Cambiar la consulta para que prediga productos relacionados en funcin de dos elementos de la
cesta. Modificar tambin la consulta para agregar la probabilidad de cada producto predicho.
Para agregar entradas y probabilidades a la consulta de prediccin singleton

1. Haga clic en el botn Diseo situado en la esquina del Generador de consultas de prediccin para cambiar a la cuadrcula de generacin de consultas.
2. En el cuadro de dilogo Entrada de consulta singleton, haga clic en el cuadro Valor situado junto a vAssoc Seq Line Items y, a continuacin, haga clic en el
botn .
3. En el panel Columna de clave, seleccione Touring Tire y, a continuacin, haga clic en Agregar.
la funcin PredictAssociation. Escriba ,3 tras el nombre de la tabla anidada, como en el procedimiento anterior.
6. En el cuadro de dilogo Entrada de tabla anidada, seleccione Touring Tire Tube en el panel Columna de clave y, a continuacin, haga clic en Agregar.
7. En la cuadrcula, en la fila de la funcin PredictAssociation, haga clic en el cuadro Criterios o argumento y cambie los argumentos para agregar el argumento
INCLUDE_STATISTICS.
El texto completo del cuadro Criterios o argumento debera ser el siguiente:
[Association].[v Assoc Seq Line Items], INCLUDE_STATISTICS, 3
8. Haga clic en el botn Resultados.
Los resultados de la tabla anidada se modifican ahora para mostrar las predicciones, junto con la compatibilidad y probabilidad. Para obtener ms informacin acerca
de cmo se interpretan estos valores, vea Contenido del modelo de minera de datos para los modelos de asociacin Analysis Services Minera de datos.
Model
$SUPPORT
$PROBABILITY
$ADJUSTEDPROBABILITY
Sport-100
4334
0.291
0.252
Water Bottle
2866
0.192
0.175
Patch Kit
2113
0.142
0.132
Trabajar con resultados

Cuando hay muchas tablas anidadas en los resultados, es posible que desee simplificar los resultados para facilitar su consulta. Para ello, puede modificar la consulta
manualmente y agregar la palabra clave FLATTENED.
Para simplificar los conjuntos de filas anidados de una consulta de prediccin

1. Haga clic en el botn SQL situado en la esquina del Generador de consultas de prediccin.
La cuadrcula cambia a un panel abierto donde puede ver y modificar la instruccin DMX que cre el Generador de consultas de prediccin.
2. Despus de la palabra clave SELECT, escriba FLATTENED.
El texto completo de la consulta debera ser el siguiente:
SELECT FLATTENED
PredictAssociation([Association].[v Assoc Seq Line Items],INCLUDE_STATISTICS,3)
FROM
[Association]
NATURAL PREDICTION JOIN
(SELECT (SELECT 'Touring Tire' AS [Model]
UNION SELECT 'Touring Tire Tube' AS [Model]) AS [v Assoc Seq Line Items]) AS t
Tenga en cuenta que despus de editar una consulta manualmente, no podr volver a cambiar a la vista Diseo sin perder los cambios. Si desea guardar la consulta,
puede copiar la instruccin DMX que cre manualmente en un archivo de texto. Cuando cambie de nuevo a la vista Diseo, la consulta se revertir a la ltima versin
que fue vlida en la vista Diseo.
Crear varias predicciones

Suponga que desea conocer las mejores predicciones de cada cliente en funcin de las compras realizadas en el pasado. Puede utilizar datos externos como entrada
de la consulta de prediccin, por ejemplo, tablas que contengan el identificador del cliente y las compras ms recientes de productos. Los requisitos son que las tablas
de datos ya estn definidas como una vista del origen de datos de Analysis Services; por otro lado, los datos de entrada deben contener una tabla de casos y una
tabla anidada como las utilizadas en el modelo. No es necesario que tengan el mismo nombre, pero la estructura debe ser similar. Para los objetivos de este tutorial,
utilizar las tablas originales en las que se entren el modelo.
Para cambiar el mtodo de entrada de la consulta de prediccin

1. En el men Modelo de minera de datos, seleccione de nuevo Consulta singleton para borrar la marca de verificacin.
2. Aparecer un mensaje de error en el que se advierte que se perder la consulta singleton. Haga clic en S.
El nombre del cuadro de dilogo de entrada cambia a Seleccionar tabla(s) de entrada.
Dado que lo que le interesa es crear una consulta de prediccin que proporcione un identificador de cliente y una lista de productos como entrada, incorporar la
tabla de clientes como la tabla de casos y la tabla de compras como la tabla anidada. A continuacin, agregar las funciones de prediccin para crear
recomendaciones.
Para crear una consulta de prediccin utilizando las entradas de una tabla anidada
1. En el panel Modelo de minera de datos, seleccione el modelo Association Filtered.
2. En el cuadro de dilogo Seleccionar tabla(s) de entrada, haga clic en Seleccionar tabla de casos.
3. En el cuadro de dilogo Seleccionar tabla, en Origen de datos, seleccione AdventureWorksDW2008. En la lista Nombre de tabla o vista, seleccione
vAssocSeqOrders y, a continuacin, haga clic en Aceptar.
La tabla vAssocSeqOrders se agrega al panel.
4. En el cuadro de dilogo Seleccionar tabla(s) de entrada, haga clic en Seleccionar tabla anidada.
5. En el cuadro de dilogo Seleccionar tabla, en Origen de datos, seleccione AdventureWorksDW2008. En la lista Nombre de tabla o vista, seleccione
vAssocSeqLineItems y, a continuacin, haga clic en Aceptar.
La tabla vAssocSeqLineItems se agrega al panel.
6. En el cuadro de dilogo Especificar combinacin anidada, arrastre el campo OrderNumber de la tabla de casos y colquelo en el campo OrderNumber de la
tabla anidada.
Tambin puede hacer clic en Agregar relacin y crear la relacin seleccionando las columnas en una lista.
7. En el cuadro de dilogo Especificar relacin, compruebe que los campos OrderNumber estn asignados correctamente, y, a continuacin, haga clic en Aceptar.
8. Haga clic en Aceptar para cerrar el cuadro de dilogo Especificar combinacin anidada.
La tabla anidada y la tabla de casos se actualizan en el panel de diseo para mostrar las combinaciones que conectan las columnas de datos externos con las
columnas del modelo. Si las relaciones son errneas, puede hacer clic con el botn secundario del mouse en la lnea de unin y seleccionar Modificar
conexiones para modificar la asignacin de columna, o bien puede hacer clic con el botn secundario del mouse en la lnea de unin y seleccionar Eliminar
para quitar definitivamente la relacin.
9. Agregue una nueva fila a la cuadrcula. En Origen, seleccione Tabla vAssocSeqOrders. En Campo, seleccione CustomerKey.
10. Agregue una nueva fila a la cuadrcula. En Origen, seleccione Tabla vAssocSeqOrders. En Campo, seleccione Region.
11. Agregue una nueva fila a la cuadrcula. En Origen, seleccione Funcin de prediccin y en Campo, seleccione PredictAssociation.
12. Arrastre vAssocSeqLineItems al cuadro Criterios o argumento de la fila PredictAssociation. Haga clic al final del cuadro Criterios o argumento y, a
continuacin, escriba el texto siguiente: INCLUDE_STATISTICS,3
El texto completo del cuadro Criterios o argumento debera ser: [Association].[v Assoc Seq Line Items], INCLUDE_STATISTICS, 3
13. Haga clic en el botn Resultado para ver las predicciones de cada cliente.
Puede intentar crear una consulta de prediccin similar en varios modelos para ver si al aplicar filtros, cambian los resultados de prediccin. Para obtener ms
informacin acerca de cmo se crean predicciones y otros tipos de consultas, vea Ejemplos de consultas del modelo de asociacin.
Vea tambin
Tasks
Referencia
Contenido del modelo de minera de datos para los modelos de asociacin Analysis Services Minera de datos
PredictAssociation (DMX)
Leccin 4: Generar un escenario de agrupacin en clsteres de

secuencia Tutorial intermedio de minera de datos
SQL Server 2014
El departamento de marketing de Adventure Works Cycles desea saber cmo se mueven los clientes por el sitio web de Adventure Works Cycles. La empresa cree que
existe un patrn segn el cual los clientes incluyen productos en las cestas de la compra. Desean analizar el orden de secuencias de compra para obtener informacin
sobre el modo en que los clientes agregan los elementos relacionados a la cesta de la compra. Posteriormente, esta informacin se puede utilizar para mejorar el flujo
del sitio web y propiciar que los clientes adquieran productos adicionales.
Tras completar las tareas de esta leccin, habr creado un modelo de minera de datos que usa el algoritmo de clsteres de secuencia de Microsoft para predecir el
siguiente artculo que los clientes incluirn en sus cestas de la compra. Probar dos versiones del modelo: una que solo analiza el orden de los productos en la cesta y
otra que contiene algunos datos demogrficos adicionales sobre el cliente para la agrupacin. Finalmente, usar los modelos para crear predicciones que puede usar
para recomendar productos a los clientes.
Para completar las tareas de la leccin, usar la estructura de minera de datos de cesta de la compra que cre en Leccin 3: Generar un escenario de cesta de la compra
Tutorial intermedio de minera de datos. Esta leccin contiene las tareas siguientes:
Crear una estructura del modelo de minera de datos de agrupacin en clsteres de secuencia Tutorial intermedio de minera de datos
Procesar el modelo de agrupacin en clsteres de secuencia
Explorar el modelo de agrupacin en clsteres de secuencia Tutorial intermedio de minera de datos
Crear un modelo de agrupacin en clsteres de secuencia relacionado tutorial intermedio de minera de datos
Crear predicciones en un modelo de agrupacin en clsteres de secuencia Tutorial intermedio de minera de datos

Crear una estructura del modelo de minera de datos de agrupacin en clsteres de secuencia Tutorial intermedio de minera de datos
Todas las lecciones

Vea tambin
Tasks
Conceptos
Crear una estructura del modelo de minera de datos de

agrupacin en clsteres de secuencia Tutorial intermedio de
minera de datos
SQL Server 2014
El primer paso para crear un modelo de minera de datos de agrupacin en clsteres de secuencia es utilizar el Asistente para minera de datos con el objeto de crear
una nueva estructura de minera de datos y un modelo de minera basados en el algoritmo de clsteres de secuencia de Microsoft.
Utilizar la misma vista del origen de datos que utiliz para el anlisis de la cesta de la compra, pero agregar una columna que contenga el identificador sequence. En
este escenario, la secuencia significa el orden en el que el cliente agreg los elementos a la cesta de la compra.
Tambin agregar algunas columnas que se utilizan en uno de los modelos para agrupar los clientes por datos demogrficos.
Para crear un modelo y una estructura de agrupacin en clsteres de secuencia

4. En la pgina Crear la estructura de minera de datos, compruebe que la opcin Crear la estructura de minera de datos con un modelo de minera de datos
est seleccionada. Despus, haga clic en la lista desplegable para la opcin Qu tcnica de minera de datos desea utilizar? y seleccione Agrupacin en
clsteres de secuencia de Microsoft. Haga clic en Siguiente.
Aparecer la pgina Seleccionar vista del origen de datos. En Vistas del origen de datos disponibles, seleccione Orders.
Orders es la misma vista del origen de datos que utiliz para el escenario de la cesta de la compra. Si no ha creado esta vista del origen de datos, vea Agregar
una vista del origen de datos con tablas anidadas Tutorial intermedio de minera de datos.
6. En la pgina Especificar tipos de tablas, active la casilla Caso, situada junto a la tabla vAssocSeqOrders, y la casilla Anidado, situada junto a la tabla
vAssocSeqLineItems. Haga clic en Siguiente.
Nota
Si se produce un error al activar las casillas Caso o Anidado, puede ser que se deba a que la combinacin en la vista del origen de datos no es correcta. La
tabla anidada, vAssocSeqLineItems, debe estar conectada a la tabla de casos, vAssocSeqOrders, mediante una combinacin de varios a uno. Puede modificar
la relacin haciendo clic con el botn secundario en la lnea de combinacin e invirtiendo entonces la direccin de la unin. Para obtener ms informacin, vea
Cuadro de dilogo Crear/Editar relacin Analysis Services Datos multidimensionales.
7. En la pgina Especificar los datos de aprendizaje, elija las columnas para usarlas en el modelo activando una casilla, de la forma siguiente:
IncomeGroup: active la casilla Entrada.
Esta columna contiene informacin interesante sobre los clientes que puede utilizar para la agrupacin en clsteres. La utilizar en el primer modelo y, a
continuacin, la omitir en el segundo.
OrderNumber: active la casilla Clave.
Este campo se utilizar como identificador para la tabla de casos o Key. En general, nunca debera utilizar el campo clave de la tabla de casos como una
entrada, porque la clave contiene valores nicos que no son tiles para la agrupacin en clsteres.
Region: active la casilla Entrada.
Esta columna contiene informacin interesante sobre los clientes que puede utilizar para la agrupacin en clsteres. La utilizar en el primer modelo y, a
continuacin, la omitir en el segundo.
LineNumber: active las casillas Clave y Entrada.
El campo LineNumber se utilizar como identificador para la tabla anidada o Sequence Key. La clave para una tabla anidada siempre se debe utilizar para
la entrada.
Model: active las casillas Entrada y De prediccin.
Compruebe que las selecciones son correctas y, a continuacin, haga clic en Siguiente.
8. En la pgina Especificar el contenido y el tipo de datos de las columnas, compruebe que la cuadrcula contiene las columnas, tipos de contenido y tipos de
datos que se muestran en la tabla siguiente y, a continuacin, haga clic en Siguiente.
Tablas y columnas
Tipo de contenido
Tipo de datos
IncomeGroup
Discreto
Text
OrderNumber
Clave
Text
Region
Discreto
Text
vAssocSeqLineItems
Line Number
Secuencia de claves
Long
Model
Discreto
Text
9. En la pgina Crear conjunto de pruebas, cambie el Porcentaje de datos de prueba a 20 y haga clic en Siguiente.
10. En la pgina Finalizacin del asistente, en Nombre de la estructura de minera de datos, escriba Agrupacin en clsteres de secuencia con regin.
11. Como Nombre del modelo de minera de datos, escriba Agrupacin en clsteres de secuencia con regin.
12. Active el cuadro Permitir obtencin de detalles y, a continuacin, haga clic en Finalizar.

Vea tambin
Conceptos
Algoritmo de clsteres de secuencia de Microsoft

SQL Server 2014
Despus de crear una nueva estructura de minera de datos, debe implementar los cambios que realiz en la solucin de minera de datos, y, a continuacin, procesar la
estructura. Una vez finalizado el procesamiento de la nueva estructura y del modelo de minera datos, puede examinar el modelo de minera de datos.
El procesamiento siempre es necesario cuando se crea una nueva estructura de minera de datos. Sin embargo, si agrega un nuevo modelo de minera de datos a una
estructura existente, puede procesar solamente el modelo. En este caso, como ha creado una nueva estructura de minera de datos y un nuevo modelo de minera de
datos, debe procesar ambos.
Para procesar la estructura y el modelo de minera de datos

1. En el men Modelo de minera de datos de SQL Server Data Tools (SSDT), seleccione Procesar estructura de minera de datos y todos los modelos.
3. En el cuadro de dilogo Procesar estructura de minera de datos Agrupacin en clsteres de secuencia con regin, haga clic en Ejecutar.
Se abre el cuadro de dilogo Progreso del proceso para mostrar informacin acerca del procesamiento del modelo. El procesamiento de la nueva estructura y del
nuevo modelo puede tardar algn tiempo.
5. Haga clic de nuevo en Cerrar para salir del cuadro de dilogo Procesar estructura de minera de datos Agrupacin en clsteres de secuencia con regin.

Explorar el modelo de agrupacin en clsteres de secuencia Tutorial intermedio de minera de datos
Vea tambin
Conceptos
Explorar el modelo de agrupacin en clsteres de secuencia

SQL Server 2014
Una vez creado el modelo Sequence Clustering with Region, puede explorarlo con el Visor de agrupacin en clsteres de secuencia de Microsoft, que se encuentra en
la pestaa Visor de modelos de minera de datos del Diseador de minera de datos. El visor de clsteres de secuencia de Microsoft contiene cinco pestaas: Diagrama
del clster, Perfiles del clster, Caractersticas del clster, Distincin del clster y Transiciones de estado. Para obtener ms informacin sobre cmo usar este visor,
vea Examinar un modelo usando el Visor de clsteres de secuencia de Microsoft.

Pestaa Transiciones de estado
Visor de rbol de contenido genrico

La pestaa Diagrama del clster muestra grficamente los clsteres que el algoritmo detect en la base de datos. El diseo del diagrama, con clsteres similares
agrupados juntos, representa las relaciones entre los clsteres. De forma predeterminada, el sombreado de cada nodo representa la densidad de todos los casos del
clster: cuanto ms oscuro es el sombreado del nodo, ms casos contiene. Puede cambiar el significado del sombreado de los nodos para que represente la
compatibilidad de un atributo y un estado dentro de cada clster.
Tambin puede cambiar el nombre de los clsteres para identificar los clsteres de destino y trabajar con ellos fcilmente. En este tutorial, cambiar el nombre del
clster que tiene el porcentaje ms alto de clientes de la regin del Pacfico y el clster que tiene en total mayor nmero de casos.
Nota
Los casos asignados a clsteres concretos pueden cambiar cuando se vuelve a procesar el modelo, en funcin de los datos y los parmetros del modelo. Adems,
si cambia el nombre de los clsteres, estos nombres se perdern cuando vuelva a procesar el modelo de minera de datos.
Para cambiar el atributo usado para resaltar los clsteres

1. En la lista Variable de sombreado, seleccione Modelo.
2. Seleccione Cycling Cap en la lista Estado.
El diagrama se actualiza para mostrar la concentracin del producto seleccionado en cada uno de los clsteres. El clster que tiene el sombreado ms oscuro
contiene mayor cantidad de gorras de ciclismo (cycling cap). Puede cambiar la variable de sombreado para usar cualquier estado de cualquier columna de
entrada.
3. En la lista Variable de sombreado, seleccione Poblacin.
Cuando cambie la variable de sombreado a Poblacin, el diagrama se actualizar para comparar los clsteres por tamao. El clster con el sombreado ms
oscuro tendr ms casos que los dems clsteres.
Para cambiar el nombre de los nodos del modelo

1. Cambie Variable de sombreado a Region y establezca Estado en Pacific.
2. Resalte el nodo ms oscuro del grfico.
3. Haga clic con el botn secundario del mouse en este clster y seleccione Cambiar nombre de clster.
4. Escriba el nombre Pacific Cluster.
5. Cambie el valor de Variable de sombreado a Poblacin.
6. En el grfico actualizado, busque el clster ms oscuro, que debera ser el clster ms grande. Si a travs del sombreado no puede determinar cul es el clster
ms grande, site el mouse sobre cada uno de los clsteres y vea la Informacin sobre herramientas; a continuacin, elija el clster que contiene mayor nmero
de casos.
7. Haga clic con el botn secundario del mouse en este clster y seleccione Cambiar nombre de clster. Escriba el nuevo nombre, Largest Cluster.
Puede explorar en profundidad el nodo que representa el clster para ver los detalles de los casos que hay en cada clster. Esto puede resultar til si desea tomar
alguna accin sobre los resultados del anlisis, como por ejemplo, enviar un correo electrnico a un cliente. Tambin puede examinar los dems atributos de los casos
que incluy en la estructura y no se usan en el modelo, como Region e IncomeGroup. Para obtener ms informacin sobre cmo explorar en profundidad los modelos
de minera de datos para consultar los detalles de los casos subyacentes, vea Consultas de obtencin de detalles minera de datos.
Para explorar en profundidad los detalles del diagrama del clster

1. Haga clic con el botn secundario del mouse en Pacific Cluster, seleccione Obtener detalles y, a continuacin, seleccione Columnas de modelo y estructura.
Se abre el cuadro de dilogo Obtener detalles. A las columnas que no se utilizan en el modelo pero estn disponibles para su consulta se les agrega el prefijo
Estructura.
Como puede ver, esta clster contiene en su mayora clientes de la regin del Pacfico y muy pocos clientes de las dems regiones.
2. Haga clic en el signo ms de la columna anidada v Assoc Seq Line Items para ver la secuencia de artculos en un orden de clientes determinado.
3. Se cierra el cuadro de dilogo Obtener detalles.
Nota
El botn Reproducir permite consultar de nuevo los datos; sin embargo, cuando se realiza de nuevo una consulta, no se modifican los cambios que
aparecen, a menos que otro proceso los haya actualizado dinmicamente en segundo plano.
Volver al principio

La pestaa Perfiles del clster muestra las secuencias que hay en cada clster. Los clsteres se enumeran en columnas individuales ubicadas a la derecha de la
columna Estados.
En el visor, la fila Model describe la distribucin global de los elementos de un clster y la fila Model.samples contiene secuencias de los elementos. Las lneas de las
secuencias de color de cada celda de la fila Model.samples representan el comportamiento de un usuario seleccionado aleatoriamente en el clster.
Cada color de un histograma de secuencia individual representa un modelo de producto. La Leyenda de minera de datos muestra las secuencias de productos usando
tanto la codificacin de colores como los nombres de los modelos de productos. Si agreg otras columnas al modelo para su agrupacin en clsteres, como Region o
Income Group, el visor incluir una fila adicional por cada columna en la que se mostrar la distribucin de estos valores en cada clster.
Para ver las secuencias ms comunes de un clster

1. Haga clic con el botn secundario del mouse en la fila Modelo de la columna del clster Largest Cluster y seleccione Mostrar leyenda.
La columna Color contiene una barra sombreada que indica la frecuencia de los elementos encontrados en las secuencias. Cada color representa un elemento
diferente. La columna Significado enumera los nombres de modelos de productos para cada color. La columna Distribucin indica el porcentaje de casos que
contenan este elemento en una secuencia.
2. Cierre la ventana Leyenda de minera de datos.
3. Haga clic con el botn secundario del mouse en la fila Model.samples de la columna con el encabezado Poblacin y seleccione Mostrar leyenda.
4. Examine la lista de secuencias del modelo general.
En Leyenda de minera de datos se muestran primero las secuencias ms comunes, y, como puede ver, Mountain Tire Tube es el primer artculo de muchas
secuencias. Esto significa que es muy probable que un cliente incluya primero el artculo Mountain Tire Tube en la cesta de la compra.
Para explorar en profundidad los casos en el visor de clsteres

1. Desplcese hacia abajo en el panel Atributo hasta que encuentra la fila del atributo Region.
La fila contiene un histograma por cada clster del modelo, adems de un histograma adicional para Poblacin, lo que significa que en el modelo se utiliza el
conjunto completo de casos. Un histograma es una barra con colores diferentes, donde cada color representa un atributo y el tamao de la seccin coloreada
de ese atributo representa el porcentaje de casos en los que aparece ese atributo.
2. Compare los histogramas de los clsteres que denomin Pacific Cluster y Largest Cluster. Cada clster aparece en una columna diferente.
En ambos se usan colores slidos, pero los colores son diferentes.
3. En la fila Region, site el mouse sobre el histograma de colores de Largest Cluster.
En la Informacin sobre herramientas se muestran los porcentajes reales de casos de cada regin.
4. Haga clic con el botn secundario del mouse en el histograma de colores de la fila Region de Pacific Cluster, seleccione Obtener detalles y, a continuacin,
seleccione Solo columnas de modelos.
5. Mueva la barra de desplazamiento para revisar todos los clientes de este clster.
Si vuelve a explorar en profundidad los detalles, podr ver que la mayora de los pedidos que contiene el clster proceden de la regin del Pacfico, pero
tambin hay unos pocos de las regiones de Norteamrica y Europa.
6. Se cierra el cuadro de dilogo Obtener detalles.
Volver al principio

En la pestaa Caractersticas del clster se resumen las transiciones entre los estados de un clster mediante barras que representan visualmente la importancia del
valor de atributo en el clster seleccionado. La columna Variables indica lo que el modelo consider importante para el clster o la poblacin seleccionados: un valor
determinado o la relacin entre los valores, lo que se conoce como transicin. La columna Valores proporciona ms detalles sobre el valor o la transicin, mientras que
la columna Probabilidad representa visualmente el peso de este atributo o transicin.
Para ver los atributos importantes de un clster

1. En la lista desplegable Clster, seleccione Pacific Cluster.
La lista se actualiza para mostrar las caractersticas del clster que denomin Pacific Cluster. En este clster, la caracterstica ms importante es Region.
2. Site el mouse sobre la barra sombreada de la fila correspondiente a Region.
La probabilidad de que el valor sea Pacific es muy elevada. Para obtener ms informacin acerca de cmo se interpretan estos valores, vea Referencia tcnica
del algoritmo de clsteres de secuencia de Microsoft.
3. Examine la lista de caractersticas del clster hasta que encuentre la primera fila de transicin.
4. Una fila de transicin contiene el texto Transicin en la columna Variables y una combinacin de valores de atributo secuenciales en la columna Valor. La
secuencia tambin puede contener los puntos iniciales y los valores que faltan.
Por ejemplo, suponga que la transicin tiene el valor, [Inicio] > Road Tire Tube. Esto significa que los clientes de este clster con frecuencia incluyen primero el
artculo Road Tire Tube en su cesta de la compra. Esto podra significar que el producto es un elemento popular que los clientes buscan en primer lugar o
podra indicar simplemente que el producto es fcil de encontrar en el lugar de compra.
5. Desplcese por la lista hasta que encuentre la primera transicin que no contiene [Inicio] o ausente.
Por ejemplo, suponga que encuentra la transicin, Touring Tire, Touring Tire Tube. Esto significa que los clientes de este clster compran a menudo estos
artculos juntos, exactamente en este orden.
6. Site el mouse sobre la barra sombreada de esta transicin.
La probabilidad de esta transicin se muestra en forma de porcentaje.
7. En la lista desplegable Clster, seleccione Poblacin Todo.
La lista de atributos se actualiza para mostrar las caractersticas de todos los pedidos usados para crear el modelo. En este modelo de minera de datos, la
caracterstica ms importante para distinguir entre clsteres es Region, con el valor North America.
Despus de revisar estas tareas, habr observado dos cosas. La primera es que necesita una gran cantidad de datos para obtener un nmero significativo de
combinaciones. Por ejemplo, es probable que las secuencias con la probabilidad ms altas incluyan el estado [Inicio] o Ausente.
La segunda es que la agrupacin en clsteres tiene un gran efecto sobre los atributos de Region, lo que hace ms difcil ver los grupos de secuencias. Por tanto,
decdase a crear otro modelo que use exclusivamente secuencias y no incluya las columnas de las regiones o los ingresos.
Volver al principio

La pestaa Distincin del clster ayuda a comparar dos clsteres con el fin de determinar qu atributos distinguen un clster determinado de otro. La pestaa
contiene cuatro columnas: Variables, Valores, Clster 1 y Clster 2. Puede elegir cualquier clster para usarlo como Clster 1 y Clster 2.
La columna Variables indica el nombre del atributo, que puede ser un nombre de columna o una combinacin del nombre de columna y la palabra transicin. En la
columna Valores se muestra el valor exacto del atributo o la transicin. Las barras sombreadas de las columnas correspondientes a Clster 1 y el Clster 2 indican el
nivel de fuerza del atributo en los clsteres que est comparando. Cuanto mayor sea la barra, mayor ser la probabilidad de que incluya casos con ese atributo.
Para comparar dos clsteres usando la pestaa Distincin del clster

1. En la pestaa Distincin del clster, en Clster 1, seleccione Pacific Cluster.
De forma predeterminada, la seleccin de Clster 2 cambia a Complemento de PacificCluster.
El principal atributo que distingue Pacific Cluster de todos los dems casos es el que corresponde a la regin. Region es un tipo de atributo de agrupacin en
clsteres que oculta otros atributos. Para evitar este efecto, intente comparar algunos de los clsteres ms pequeos entre s. Al hacerlo, la lista de atributos
cambia y se pueden incluir ms transiciones entre los modelos.
2. Busque una fila de transicin y site el mouse sobre la barra sombreada.
Los elementos de la columna Values pueden incluir estados y transiciones. El sombreado de cada elemento indica la puntuacin de la distincin. Para obtener
ms informacin sobre el significado de distintas puntuaciones, vea Contenido del modelo de minera de datos para los modelos de agrupacin en clsteres de
secuenciaAnalysis Services Minera de datos.
Volver al principio
Pestaa Transiciones de estado

En la pestaa Transiciones de estado, puede seleccionar un clster y examinar sus transiciones de estado. Si selecciona Poblacin Todo en la lista desplegable de
clsteres, en el diagrama se muestra la distribucin de estados del modelo completo de minera de datos.
Cada nodo del grfico representa un estado o valor posible de las secuencias que est intentando analizar. El color de fondo de los nodos representa la frecuencia del
estado. Las lneas conectan algunos estados, lo que indica una transicin entre estados. Puede mover el control deslizante arriba o abajo para cambiar el umbral de
probabilidad de las transiciones. Algunos nodos llevan asociados unos nmeros, que indican la probabilidad de ese estado.
Para explorar las relaciones en la pestaa de Transiciones de estado
1. En la pestaa Transiciones de estado del visor de modelos de minera de datos, seleccione Pacific Cluster en la lista de clsteres. Asegrese de que la opcin
Mostrar etiquetas de bordes est seleccionada.
El grfico se actualiza para mostrar las transiciones que son ms comunes en este clster.
2. Haga clic en cualquier nodo que est conectado a otro nodo mediante una lnea.
El grfico se actualiza y resalta los nodos relacionados. El valor numrico situado junto a la lnea indica la probabilidad de la transicin.
3. Mueva hacia arriba el control deslizante hasta Todos los vnculos para aumentar el nmero de transiciones que se incluyen en el grfico.
4. Seleccione Poblacin Todo en Clster.
Tenga en cuenta que al cargar un clster diferente, se restablece la configuracin de presentacin predeterminada del grfico, por lo que el control deslizante se
sita de nuevo en su posicin media.
5. Haga clic en el nodo ms oscuro del grfico, que debera ser Sport-100.
Fjese que no hay lneas que conecten este producto con otros.
6. Mueva hacia arriba un paso el control deslizante para aumentar el nmero de transiciones que se incluyen en el grfico. No suba del todo el control deslizante
todava hasta Todos los vnculos.
El grfico se actualiza y se agregan algunas transiciones ms, pero ninguna que incluya el modelo Sport100.
7. Mueva el control deslizante del todo hasta Todos los vnculos. Haga clic en el nodo Sport100, si an no est seleccionado.
El grfico se actualiza para mostrar numerosas transiciones que incluyen el producto Sport100. La direccin de la flecha de la lnea de conexin indica si el
artculo Sport100 se seleccion como primer o segundo elemento del par.
8. Haga clic en el nodo de Touring Tire y mueva el control deslizante de nuevo hacia abajo, hasta su posicin media.
Al principio, hay muchas lneas de transicin que conectan Touring Tire con otros productos, pero al aumentar el umbral de probabilidad, se eliminan del grfico
las transiciones menos probables, por lo que nicamente se mantiene la transicin Touring Tire > Touring Tire Tube. Esta transicin significa que si el cliente
incluye un artculo Touring Tire en la cesta de la compra, existe una gran probabilidad de que incluya a continuacin el producto Touring Tire Tube.
Volver al principio
Visor de rboles de contenido genrico

Este visor se puede usar para todos los modelos, sin tener en cuenta el algoritmo o tipo de modelo. El Visor de rbol de contenido genrico de Microsoft est
disponible en la lista desplegable Visor.
Un rbol de contenido es una representacin de un modelo de minera de datos como una serie de nodos, donde cada nodo representa el conocimiento adquirido
acerca de los datos de entrenamiento. El nodo puede contener un patrn, un conjunto de reglas, un clster o la definicin de un intervalo de fechas que comparten
ciertos atributos. El contenido exacto del nodo vara en funcin del algoritmo y del atributo de prediccin, pero la representacin general del contenido es la misma.
Puede expandir cada nodo para ver un mayor nivel de detalle y copiar el contenido de cualquier nodo en el Portapapeles. Para obtener ms informacin, vea Examinar
un modelo usando el Visor de rbol de contenido genrico de Microsoft.
Para ver los detalles de un modelo de agrupacin en clsteres de secuencia usando el visor de rbol de contenido genrico
1. En la pestaa Visor de modelos de minera de datos, haga clic en la lista Visor y seleccione Visor de rbol de contenido genrico de Microsoft.
2. En el panel Ttulo de nodo, haga clic en Pacific Cluster (1).
El nombre de este nodo contiene tanto el nombre descriptivo que se asign al clster como el identificador de nodo subyacente. Puede usar los identificadores
de nodo para explorar en profundidad otros detalles del modelo.
3. Expanda el primer nodo secundario, denominado Nivel de secuencia para el clster 1.
El nodo de nivel de secuencia de un clster contiene los detalles sobre las transiciones y los estados incluidos en dicho clster. Puede usar estos detalles,
disponibles en la columna NODE_DISTRIBUTION, para explorar las secuencias y los estados de cada clster o del modelo en su conjunto.
4. Contine expandiendo los nodos y consulte los detalles en el panel del visor HTML.
Para obtener ms informacin sobre el contenido del modelo de minera de datos y sobre cmo se usan los detalles del visor, vea Contenido del modelo de minera
de datos para los modelos de agrupacin en clsteres de secuenciaAnalysis Services Minera de datos.
Volver al principio

Crear un modelo de agrupacin en clsteres de secuencia relacionado tutorial intermedio de minera de datos
Vea tambin
Conceptos
Ejemplos de consultas de modelos de clsteres de secuencia
Crear un modelo de agrupacin en clsteres de secuencia

relacionado tutorial intermedio de minera de datos
SQL Server 2014
En el modelo de agrupacin en clsteres de secuencia aprendi que otros atributos como Region o Income influyen considerablemente en los modelos; por tanto, para
ampliar sus conocimientos sobre las secuencias, crear un modelo de agrupacin en clsteres de secuencia relacionado y quitar los atributos relacionados con los datos
demogrficos de los clientes.
En esta tarea, crear una copia del modelo de agrupacin en clsteres de secuencia de regin y, a continuacin, quitar del modelo todas las columnas que no estn
relacionadas directamente con las secuencias.
El nuevo modelo contendr las mismas columnas que el modelo de minera de datos en el que se basa. Sin embargo, no necesita quitar las columnas de la estructura de
minera de datos; solo tendr que especificar que el nuevo modelo de minera omitir las columnas.
Para realizar una copia del modelo de agrupacin en clsteres de secuencia

1. En SQL Server Data Tools SSDT, en el Diseador de minera de datos, haga clic en la pestaa Modelos de minera de datos.
2. Haga clic con el botn secundario en el modelo que desea copiar y seleccione Nuevo modelo de minera de datos.
3. En el cuadro de dilogo Nuevo modelo de minera de datos, escriba un nombre de modelo y seleccione Agrupacin en clsteres de secuencia de Microsoft.
Para este tutorial, escriba el nombre Agrupacin en clsteres de secuencia.
Para quitar columnas del modelo de minera de datos

1. En la pestaa Modelo de minera de datos, en la columna del nuevo modelo denominado Sequence Clustering, haga clic en la fila del atributo Income Group y
seleccione Omitir.
2. Repita este paso para el atributo Region.
3. Haga clic en el signo ms situado junto al nombre de tabla, V Assoc Seq Line Items, para expandir la tabla y ver las columnas de la tabla anidada.
El nuevo modelo debe contener solamente las columnas siguientes:
OrderNumber
Key
Line Number
Key
Model
Predict
Para procesar el nuevo modelo de agrupacin en clsteres de secuencia

1. En la pestaa Modelo de minera de datos, haga clic con el botn secundario en el nuevo modelo denominado Agrupacin en clsteres de secuencia y
seleccione Procesar modelo.
Como el nuevo modelo de minera de datos simplificado se basa en una estructura que ya se ha procesado, no es necesario volver a procesar la estructura.
Simplemente puede procesar el nuevo modelo de minera de datos.
2. Haga clic en S para implementar el proyecto de minera de datos actualizado en el servidor.
3. En el cuadro de dilogo Modelo de minera de datos, haga clic en Ejecutar.
4. Haga clic en Cerrar para cerrar el cuadro de dilogo Progreso del proceso y, a continuacin, haga clic de nuevo en Cerrar en el cuadro de dilogo Procesar

Crear predicciones en un modelo de agrupacin en clsteres de secuencia Tutorial intermedio de minera de datos
Vea tambin
Conceptos
Crear predicciones en un modelo de agrupacin en clsteres

de secuencia Tutorial intermedio de minera de datos
SQL Server 2014
Despus de examinar el modelo de agrupacin en clsteres de secuencia en el visor y conocerlo ms a fondo, puede crear consultas de prediccin utilizando el
Generador de consultas de prediccin de la pestaa Prediccin de modelo de minera de datos del Diseador de minera de datos. Para crear una prediccin,
seleccione primero el modelo de agrupacin en clsteres de secuencia y, a continuacin, seleccione los datos de entrada. Para las entradas, puede utilizar un origen de
datos externo o puede crear una consulta singleton y proporcionar los valores en un cuadro de dilogo.
En esta leccin se presupone que sabe utilizar el Generador de consultas de prediccin y desea obtener informacin acerca de cmo se crean consultas especficas para
un modelo de agrupacin en clsteres de secuencia. Para obtener informacin general acerca de cmo se utiliza el Generador de consultas de prediccin, vea Interfaces
de consultas de minera de datos o la seccin del tutorial bsico de minera de datos Crear predicciones Tutorial bsico de minera de datos.
Crear predicciones en el modelo regional

En este escenario, primero crear algunas consultas de prediccin singleton para hacerse una idea del modo en que las predicciones pueden variar segn la regin.
Para crear una consulta singleton en un modelo de agrupacin en clsteres de secuencia

1. Haga clic en la pestaa Prediccin de modelo de minera de datos del Diseador de minera de datos.
2. En el men de columna Modelo de minera de datos , seleccione Consulta singleton.
Se abren los paneles Modelo de minera de datos y Entrada de consulta singleton.
3. En el panel Modelo de minera de datos, haga clic en Seleccionar modelo. Puede omitir este paso si el agrupacin en clsteres de secuencia ya est
seleccionado).
Se abrir el cuadro de dilogo Seleccionar modelo de minera de datos.
4. Expanda el nodo que representa la estructura de minera de datos Sequence Clustering with Region y seleccione el modelo Sequence Clustering with Region.
Haga clic en Aceptar. De momento haga caso omiso al panel de entrada. Especificar los datos de entrada cuando haya configurado las funciones de
prediccin.
5. En la cuadrcula, haga clic en una celda vaca de Origen y seleccione Funcin de prediccin. En la celda de Campo, seleccione PredictSequence.
Nota
Tambin puede utilizar la funcin Predict. Si lo hace, asegrese de elegir la versin de la funcin Predict que toma una columna de tabla como argumento.
6. En el panel Modelo de minera de datos, seleccione la tabla anidada v Assoc Seq Line Items y arrstrela hasta la cuadrcula, al cuadro Criterios o
argumento de la funcin PredictSequence.
Al arrastrar y colocar la tabla y los nombres de columna, podr crear instrucciones complejas sin errores sintcticos. Sin embargo, se reemplazar el contenido
actual de la celda, que contiene otros argumentos opcionales de la funcin PredictSequence. Para consultar los dems argumentos, puede agregar
provisionalmente una segunda instancia de la funcin a la cuadrcula como referencia.
7. Haga clic en el botn Resultado situado en la esquina superior del Generador de consultas de prediccin.
Los resultados esperados contienen una nica columna con el encabezado Expresin. La columna Expresin contiene una tabla anidada con tres columnas:
$SEQUENCE
Line Number
Modelo
Mountain-200
Qu significan estos resultados? Recuerde que no especific ninguna entrada. Por tanto, la prediccin se realiza con todos los datos de casos rellenados, y Analysis
Services devuelve la prediccin que, en trminos generales, es ms probable.
Agregar entradas a una consulta de prediccin singleton

Hasta ahora, no haba especificado ninguna entrada. En la tarea siguiente, utilizar el panel Entrada de consulta singleton para especificar algunas entradas en la
consulta. En primer lugar, utilizar [Region] como entrada en el modelo de agrupacin en clsteres de secuencia regional para determinar si las secuencias predichas
son las mismas en todas las regiones. A continuacin, aprender a modificar la consulta para agregar la probabilidad de cada prediccin y simplificar los resultados
para que resulte ms sencillo consultarlos.
Para generar predicciones de un grupo de clientes concreto

1. Haga clic en el botn Diseo situado en la esquina superior izquierda del Generador de consultas de prediccin para volver a la cuadrcula de generacin de
consultas.
2. En el cuadro de dilogo Entrada de consulta singleton, haga clic en el cuadro Valor de Region y seleccione Europe.
3. Haga clic en el botn Resultado para ver las predicciones de los clientes de Europa.
consultas.
5. En el cuadro de dilogo Entrada de consulta singleton, haga clic en el cuadro Valor de Region y seleccione North America.
6. Haga clic en el botn Resultado para ver las predicciones de los clientes de Norteamrica.
Agregar probabilidades utilizando una expresin personalizada

Generar la probabilidad de cada prediccin resulta algo ms complicado, pues la probabilidad es un atributo de prediccin y se genera como una tabla anidada. Si
conoce las extensiones de minera de datos DMX, puede modificar con facilidad la consulta y agregar una instruccin subSELECT a la tabla anidada. No obstante,
tambin puede crear una instruccin subSELECT en el Generador de consultas de prediccin mediante una expresin personalizada.
Para generar probabilidades de una secuencia de prediccin utilizando una expresin personalizada
consultas.
2. En la cuadrcula, en Origen, haga clic en una nueva fila y seleccione Expresin personalizada.
3. Deje en blanco el cuadro situado bajo Campo.
4. En Alias, escriba t.
5. En el cuadro Criterios o argumento, escriba la instruccin subSELECT completa tal y como aparece en el siguiente ejemplo de cdigo. No olvide incluir los
parntesis de apertura y cierre.
(SELECT PredictProbability([Model]) FROM PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]))
6. Haga clic en el botn Resultado para ver las predicciones de los clientes de Europa.
Los resultados contienen dos tablas anidadas: una con la prediccin y otra con la probabilidad de la prediccin. Si la consulta no funciona, puede cambiar a la vista de
diseo de consultas y revisar toda la instruccin de consulta, que debera ser como la siguiente:
SELECT
PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]),
( (SELECT PredictProbability([Model]) FROM PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]))) as [t]
FROM
[Sequence Clustering with Region]
(SELECT 'Europe' AS [Region]) AS t
Trabajar con resultados

Cuando hay muchas tablas anidadas en los resultados, es posible que desee simplificar los resultados para facilitar su consulta. Para ello, puede modificar la consulta
manualmente y agregar la palabra clave FLATTENED.
Para simplificar los conjuntos de filas anidados de una consulta de prediccin

1. Haga clic en el botn Consulta situado en la esquina del Generador de consultas de prediccin.
La cuadrcula cambia a un panel abierto donde puede ver y modificar la instruccin DMX que cre el Generador de consultas de prediccin.
2. Despus de la palabra clave SELECT, escriba FLATTENED.
El texto completo de la consulta debera ser similar al siguiente:
SELECT FLATTENED
PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]),
( (SELECT PredictProbability([Model]) FROM PredictSequence([Sequence Clustering with Region].[v Assoc Seq Line Items]))) as [t]
FROM
[Sequence Clustering with Region]
(SELECT 'Europe' AS [Region]) AS t
Despus de editar la consulta manualmente, no podr volver a la vista Diseo sin perder los cambios. Sin embargo, puede guardar la instruccin DMX que cre
manualmente en un archivo de texto y, a continuacin, cambiar de nuevo a la vista Diseo. Al hacer esto, la consulta se revierte a la ltima versin que fue vlida en la
vista Diseo.
Crear predicciones en el modelo relacionado

En los ejemplos anteriores se utiliz una columna de una tabla de casos, Region, como entrada de la consulta de prediccin singleton, porque lo que se pretenda era
saber si el modelo encontraba diferencias entre las regiones. Sin embargo, despus de analizar el modelo, decidi que las diferencias no eran lo suficientemente
slidas como para justificar que las recomendaciones del producto se personalizaran segn la regin. Lo que realmente le interesa predecir son los artculos que
seleccionan los clientes. Por tanto, en las consultas siguientes, utilizar el modelo de agrupacin en clsteres de secuencia que no incluye Region para generar las
recomendaciones de todos los clientes.
Utilizar las columnas de una tabla anidada como entrada

En primer lugar, crear una consulta de prediccin singleton que tome un nico elemento como entrada y devuelva el siguiente elemento ms probable. Para obtener
una prediccin de este tipo, deber utilizar una columna de tabla anidada como valor de entrada. Esto se debe a que el atributo que est prediciendo, Model, forma
parte de una tabla anidada. Analysis Services proporciona el cuadro de dilogo Entrada de tabla anidada para simplificar la creacin de consultas de prediccin a
partir de atributos de tabla anidada utilizando el Generador de consultas de prediccin.
Para utilizar una tabla anidada como entrada de una prediccin

consultas.
2. En el cuadro de dilogo Entrada de consulta singleton, haga clic en el cuadro Valor de Region y seleccione la fila vaca para borrar la entrada de este campo.
3. En el cuadro de dilogo Entrada de consulta singleton, haga clic en el cuadro Valor de vAssocSeqLineItems y, a continuacin, haga clic en el botn .
4. En el cuadro de dilogo Entrada de tabla anidada, haga clic en Agregar.
5. En la nueva fila, haga clic en el cuadro situado bajo Modelo y seleccione Touring Tire en la lista. Haga clic en Aceptar.
6. Haga clic en el botn Resultado para ver las predicciones.
El modelo recomienda los elementos siguientes para todos los clientes que eligen Touring Tire como primer artculo. Al examinar el modelo, ya sabe que los clientes
compran con frecuencia los productos Touring Tire de y Touring Tire Tube juntos, por lo que estas recomendaciones parecen buenas.
$SEQUENCE
Line Number
Model
Touring Tire Tube
Sport-100
Long-Sleeve Logo Jersey
Crear una consulta de prediccin masiva utilizando entradas de una tabla anidada
Ahora que el modelo crea el tipo de predicciones adecuado, por lo que se puede utilizar para realizar recomendaciones, crear una consulta de prediccin que se
asignar a un origen de datos externo. Ese origen de datos proporcionar valores que representan los productos actuales. Dado que lo que le interesa es crear una
consulta de prediccin que proporcione un identificador de cliente y una lista de productos como entrada, incorporar la tabla de clientes como la tabla de casos y la
tabla de compras como la tabla anidada. A continuacin, agregar funciones de prediccin, tal y como hizo anteriormente, para crear recomendaciones.
Este procedimiento es el mismo que el que utiliz para crear predicciones en el escenario de la cesta de compra de la leccin 3; sin embargo, en un modelo de
agrupacin en clsteres de secuencia, las predicciones tambin necesitan el pedido como entrada.
Para crear una consulta de prediccin utilizando las entradas de una tabla anidada
1. En el panel Modelo de minera de datos, seleccione el modelo Sequence Clustering, si an no est seleccionado.
2. En el cuadro de dilogo Seleccionar tabla(s) de entrada, haga clic en Seleccionar tabla de casos.
3. En el cuadro de dilogo Seleccionar tabla, en Origen de datos, seleccione Orders. En la lista Nombre de tabla o vista, seleccione vAssocSeqOrders y, a
4. En el cuadro de dilogo Seleccionar tabla(s) de entrada, haga clic en Seleccionar tabla anidada.
5. En el cuadro de dilogo Seleccionar tabla, en Origen de datos, seleccione Orders. En la lista Nombre de tabla o vista, seleccione vAssocSeqLineItems y, a
Analysis Services intentar detectar las relaciones y crearlas automticamente si los tipos de datos coinciden y los nombres de columna son similares. Si las
relaciones que crea son errneas, puede hacer clic con el botn secundario del mouse en la lnea de unin y seleccionar Modificar conexiones para editar la
asignacin de columna, o bien puede hacer clic con el botn secundario del mouse en la lnea de unin y seleccionar Eliminar para quitar definitivamente la
relacin. En este caso, dado que las tablas ya estuvieron unidas en la vista del origen de datos, esas relaciones se agregan automticamente al panel de diseo.
6. Agregue una nueva fila a la cuadrcula. En Origen, seleccione vAssocSeqOrders y en Campo, seleccione CustomerKey.
7. Agregue una nueva fila a la cuadrcula. En Origen, seleccione Funcin de prediccin y en Campo, seleccione PredictSequence.
8. Arrastre vAssocSeqLineItems al cuadro Criterios o argumento. Haga clic al final del cuadro Criterios y argumento y, a continuacin, escriba los argumentos
siguientes: 2.
El texto completo del cuadro Criterios o argumento debera ser: [Sequence Clustering].[v Assoc Seq Line Items],2
9. Haga clic en el botn Resultado para ver las predicciones de cada cliente.
Ha completado el tutorial sobre modelos de agrupacin en clsteres de secuencia.
Pasos siguientes
Si ha finalizado todas las secciones de Tutorial intermedio de minera de datos Analysis Services Minera de datos, el paso siguiente podra ser aprender a utilizar
Extensiones de minera de datos DMX para generar modelos y predicciones. Para obtener ms informacin, vea Crear y consultar modelos de minera de datos con
DMX: tutoriales Analysis Services minera de datos.
Si tiene algunos conceptos de programacin, tambin puede utilizar Objetos de administracin de anlisis AMO para trabajar mediante programacin con objetos de
minera de datos. Para obtener ms informacin, vea Clases de minera de datos de AMO.
Vea tambin
Referencia
Contenido del modelo de minera de datos para los modelos de agrupacin en clsteres de secuenciaAnalysis Services Minera de datos
Conceptos
Ejemplos de consultas de modelos de clsteres de secuencia
Leccin 5: Generar modelos de red neuronal y de regresin

logstica Tutorial intermedio de minera de datos
SQL Server 2014
El departamento de operaciones de Adventure Works est ocupado en un proyecto para mejorar la satisfaccin del cliente con su centro de llamadas. Han contratado a
un proveedor para administrar el centro de llamadas y proporcionar mtricas sobre la efectividad del centro de llamadas, y le han solicitado el anlisis de algunos datos
preliminares que proporciona el proveedor. Ellos desean saber si hay algn resultado interesante. En particular, desean saber si los datos sugieren algn problema con el
personal o mtodos para mejorar la satisfaccin del cliente.
El conjunto de datos es pequeo y solo cubre un perodo de 30 das en el funcionamiento del centro de llamadas. Los datos hacen un seguimiento del nmero de
operadores nuevos y experimentados en cada turno, el nmero de llamadas entrantes, el nmero de pedidos y de problemas que se deben resolver y el tiempo
promedio de espera de un cliente para que alguien responda a una llamada. Los datos tambin incluyen una mtrica de calidad de servicio basada en la tasa de
abandono, que es un indicador de la frustracin del cliente.
Puesto que no cuenta con expectativas a priori sobre lo que mostrarn los datos, decide usar un modelo de red neuronal para explorar posibles correlaciones. En la
exploracin se suelen utilizar modelos de red neuronal que pueden analizar relaciones complejas entre muchas entradas y salidas.
Aprendizaje
En esta leccin, usar el algoritmo de red neuronal para crear un modelo que tanto usted como el equipo de operaciones puedan utilizar para conocer las tendencias
en los datos. Como parte de esta leccin, intentar responder las siguientes preguntas:
Qu factores afectan a la satisfaccin del cliente?

Qu puede realizar el centro de llamadas para mejorar la calidad de servicio?
A continuacin, basndose en los resultados, crear un modelo de regresin logstica que puede utilizar para las predicciones. El equipo de operaciones utilizar estas
predicciones como ayuda para planear el funcionamiento del centro de llamadas.
Agregar una vista del origen de datos para datos del centro de llamadas Tutorial intermedio de minera de datos
Crear una estructura y un modelo de red neuronal Tutorial intermedio de minera de datos
Explorar el modelo de centro de llamadas Tutorial intermedio de minera de datos
Agregar un modelo de regresin logstica a la estructura de centro de llamadas Tutorial intermedio de minera de datos
Crear predicciones para los modelos de centro de llamadas Tutorial intermedio de minera de datos

Agregar una vista del origen de datos para datos del centro de llamadas Tutorial intermedio de minera de datos
Todas las lecciones

Vea tambin
Tasks
Conceptos
Agregar una vista del origen de datos para datos del centro de
llamadas Tutorial intermedio de minera de datos
SQL Server 2014
En esta tarea, agregar una vista del origen de datos que se usar para tener acceso a los datos del centro de llamadas. Se usarn los mismos datos para crear tanto el
modelo de red neuronal inicial para la exploracin como el modelo de regresin logstico que se emplear para hacer las recomendaciones.
Tambin usar el Diseador de vistas del origen de datos para agregar una columna para el da de la semana. Esto se debe a que, aunque los datos de origen hacen el
seguimiento de los datos del centro de llamadas de por fechas, su experiencia indica que hay patrones que se repiten en trminos de volumen de llamadas y calidad del
servicio, dependiendo de si el da es un fin de semana o un da de la semana.
Procedimientos
Se abrir el Asistente para vistas del origen de datos.
3. Use la pgina Seleccionar un origen de datos en Orgenes de datos relacionales, seleccione el origen de datos Adventure Works DW Multidimensional 2012 .
Si no tiene este origen de datos, vea Tutorial bsico de minera de datos. Haga clic en Siguiente.
4. En la pgina Seleccionar tablas y vistas, seleccione la tabla siguiente y haga clic en la flecha derecha para agregarla a la vista del origen de datos:
FactCallCenter (dbo)
DimDate
6. En la pgina Finalizacin del asistente, la vista del origen de datos tendr el nombre Adventure Works DW Multidimensional 2012 de forma predeterminada.
Cmbielo a CallCenter y, a continuacin, haga clic en Finalizar.
Se abrir el Diseador de vistas del origen de datos para mostrar la vista del origen de datos CallCenter.
7. Haga clic con el botn secundario en el panel Vista del origen de datos y seleccione Agregar o quitar tablas. Seleccione la tabla DimDate y haga clic en
Aceptar.
Se debe agregar automticamente una relacin entre las columnas DateKey de cada tabla. Usar esta relacin para obtener la columna
EnglishDayNameOfWeek a partir de la tabla de DimDate y utilizarla en el modelo.
8. En el diseador de vista del origen de datos, haga clic con el botn secundario en la tabla FactCallCenter y, a continuacin, seleccione Nuevo clculo con
nombre.
En el cuadro de dilogo Crear clculo con nombre, escriba los valores siguientes:
Nombre de columna
DayOfWeek
Descripcin
Obtiene el da de la semana en la tabla DimDate
Expression
(SELECT EnglishDayNameOfWeek AS DayOfWeek FROM DimDate where FactCallCenter.DateKey = DimDate.DateKey)
Para comprobar que la expresin cree los datos que necesita, haga clic con el botn secundario en la tabla FactCallCenter y, a continuacin, seleccione Explorar
datos.
9. Dedique un minuto a revisar los datos disponibles, para entender cmo se usan en la minera de datos:
Nombre de
columna
Contiene
FactCallCenterID
Una clave arbitraria que se cre cuando se importaron los datos al almacenamiento de datos.
Esta columna identifica los registros nicos y debe usarse como clave de caso para el modelo de minera de datos.
DateKey
La fecha de la operacin en el centro de llamadas, expresada como un entero. Las claves de fecha se usan a menudo en los
almacenamientos de datos, pero puede que desee obtener la fecha con formato de fecha y hora si va a agrupar los valores por fecha.
Observe que las fechas no son nicas, ya que el proveedor facilita un informe independiente para cada turno de cada da de trabajo.
WageType
Indica si fue un da entre semana, un da del fin de semana o un da festivo.

Es posible que haya una diferencia en la calidad del servicio al cliente durante los fines de semana en comparacin con los das de la
semana; por eso, usar esta columna como entrada.
Shift
Indica el turno para el que se registran las llamadas. Este centro de llamadas divide su jornada laboral en cuatro turnos: uno por la maana
(AM), dos por la tarde (PM1 y PM2) y uno por la noche (Midnight).
Es posible que el turno afecte a la calidad del servicio al cliente; por eso usar esto como entrada.
LevelOneOperators
Indica el nmero de operadores de nivel 1 en servicio.

Los empleados de centro de llamadas comienzan en el nivel 1, de modo que estos empleados tienen menos experiencia.
LevelTwoOperators
Indica el nmero de operadores de nivel 2 en servicio.

Un empleado debe llevar un nmero determinado de horas de servicio para optar a ser operador de nivel 2.
TotalOperators
Nmero total de operadores presentes durante el turno.
Calls
Nmero de llamadas recibidas durante el turno.
AutomaticResponses
Nmero de llamadas procesadas por completo de forma automtica sistema de respuesta de voz interactiva o IVR.
Orders
Nmero de pedidos resultantes de las llamadas.
IssuesRaised
Nmero de incidencias que requieren seguimiento y que se generaron a travs de llamadas.
AverageTimePerIssue
Promedio de tiempo que se tarda en atender una llamada entrante.
ServiceGrade
Una mtrica que indica la calidad de servicio general, medida como tasa de abandono del turno completo. Cuanto ms alta es la tasa de
abandono, ms probabilidades hay de que los clientes no estn satisfechos y de que se pierdan posibles pedidos.
Tenga en cuenta que los datos contienen cuatro columnas diferentes basadas en una sola columna de fecha: WageType, DayOfWeek, Shift y DateKey. Normalmente
en la minera de datos no es aconsejable usar varias columnas derivadas de los mismos datos, ya que los valores estn demasiado correlacionados entre s y pueden
ocultar otros patrones.
Sin embargo, no usaremos DateKey en el modelo porque contiene demasiados valores nicos. No hay ninguna relacin directa entre Shift y DayOfWeek, y WageType
y DayOfWeek solo estn parcialmente relacionados. Si le preocupa que los datos sean colineales, podra crear la estructura con todas las columnas disponibles y, a
continuacin, omitir varias columnas en cada modelo y probar el efecto.

Crear una estructura y un modelo de red neuronal Tutorial intermedio de minera de datos
Vea tambin
Conceptos
Crear una estructura y un modelo de red neuronal (Tutorial

SQL Server 2014
Para crear un modelo de minera de datos, debe usar en primer lugar el Asistente para minera de datos con el objeto de crear una nueva estructura de minera de datos
basada en la nueva vista del origen de datos. En esta tarea, utilizar el asistente para crear una estructura de minera de datos y al mismo tiempo crear el modelo inicial
de minera de datos que se basa en el algoritmo de red neuronal de Microsoft.
Dado que las redes neuronales son extremadamente flexibles y pueden analizar diferentes combinaciones de entradas y salidas, debe realizar pruebas con diferentes
mtodos de procesamiento de los datos para obtener los mejores resultados. Por ejemplo, puede que desee personalizar la manera en que se discretiza, o agrupa, el
destino numrico de calidad de servicio para satisfacer requisitos empresariales especficos del destino. Para ello, agregar una columna nueva a la estructura de minera
de datos que agrupa los datos numricos de una manera diferente y, a continuacin, crear un modelo que use la columna nueva. Utilizar estos modelos de minera de
datos para hacer una exploracin.
Finalmente, cuando haya aprendido del modelo de red neuronal qu factores tienen el mayor impacto para su cuestin comercial, construir un modelo independiente
para la prediccin y evaluacin. Usar el algoritmo de regresin logstica de Microsoft, que se basa en el modelo de redes neuronales, pero est optimizado para buscar
una solucin basada en entradas concretas.
Pasos
Crear la estructura y el modelo de minera de datos predeterminados
Usar discretizacin para enlazar la columna de prediccin
Copiar la columna y cambiar el mtodo de discretizacin para un modelo diferente
Crear un alias para la columna de prediccin de manera que se puedan comparar modelos
Procesar todos los modelos
Crear la estructura de centro de llamadas predeterminada

4. En la pgina Crear la estructura de minera de datos, compruebe que la opcin Crear la estructura de minera de datos con un modelo de minera de datos
est seleccionada.
5. Haga clic en la lista desplegable para la opcin Qu tcnica de minera de datos desea utilizar? y seleccione Redes neuronales de Microsoft.
Dado que los modelos de regresin logstica se basan en las redes neuronales, puede volver a usar la misma estructura y agregar un nuevo modelo de minera
de datos.
Aparecer la pgina Seleccionar vista del origen de datos.
7. En Vistas del origen de datos disponibles, seleccione Call Center y haga clic en Siguiente.
8. En la pgina Especificar tipos de tablas, active la casilla Escenario, situada junto a la tabla FactCallCenter. No seleccione nada para DimDate. Haga clic en
Siguiente.
9. En la pgina Especificar los datos de aprendizaje, active la casilla Clave situada junto a la columna FactCallCenterID.
10. Active las casillas Prediccin y Entrada.
11. Active las casillas Clave, Entrada y Prediccin, tal como se muestra en la tabla siguiente:
Tablas y columnas
Clave/Entrada/Prediccin
AutomaticResponses
Entrada
AverageTimePerIssue
Entrada/Prediccin
Calls
Entrada
DateKey
No debe usarse
DayOfWeek
Entrada
FactCallCenterID
Clave
IssuesRaised
Entrada
LevelOneOperators
Entrada/Prediccin
LevelTwoOperators
Entrada
Orders
Entrada/Prediccin
ServiceGrade
Entrada/Prediccin
Shift
Entrada
TotalOperators
No debe usarse
WageType
Entrada
Observe que se han seleccionado varias columnas de prediccin. Uno de los puntos fuertes del algoritmo de red neuronal es que puede analizar todas las
posibles combinaciones de atributos de entrada y salida. Esto no sera aconsejable para un conjunto de datos grande, ya que podra aumentar
exponencialmente el tiempo de procesamiento.
12. En la pgina Especificar el contenido y el tipo de datos de las columnas, compruebe que la cuadrcula contiene las columnas, tipos de contenido y tipos de
datos que se muestran en la tabla siguiente y, a continuacin, haga clic en Siguiente.
Columnas
Tipo de contenido
Tipos de datos
AutomaticResponses
Continuo
Long
AverageTimePerIssue
Continuo
Long
Calls
Continuo
Long
DayOfWeek
Discreto
Text
FactCallCenterID
Clave
Long
IssuesRaised
Continuo
Long
LevelOneOperators
Continuo
Long
LevelTwoOperators
Continuo
Long
Orders
Continuo
Long
ServiceGrade
Continuo
Double
Shift
Discreto
Text
WageType
Discreto
Text
13. En la pgina Crear conjunto de pruebas, borre el cuadro de texto de la opcin Porcentaje de datos para pruebas. Haga clic en Siguiente.
14. En la pgina Finalizacin del asistente, como Nombre de la estructura de minera de datos, escriba Call Center.
15. En Nombre del modelo de minera de datos, escriba Call Center Default NN y, a continuacin, haga clic en Finalizar.
La casilla Permitir obtencin de detalles est deshabilitada porque no puede obtener detalles de los datos con modelos de red neuronal.
16. En el Explorador de soluciones, haga clic con el botn secundario en el nombre de la estructura de minera de datos recin creada y seleccione Procesar.
Usar discretizacin para enlazar la columna de destino

De forma predeterminada, cuando crea un modelo de red neuronal que incluye un atributo de prediccin numrico, el algoritmo de red neuronal de Microsoft lo trata
como un nmero continuo. Por ejemplo, el atributo ServiceGrade es un nmero que, en teora, abarca desde 0.00 se responden todas las llamadas a 1.00 cuelgan
todos los que han llamado). En este conjunto de datos, los valores tienen la siguiente distribucin:
Como resultado, al procesar el modelo los resultados pueden aparecer de forma diferente a la que se espera. Por ejemplo, si usa la agrupacin en clsteres para
identificar los mejores grupos de valores, el algoritmo divide los valores de ServiceGrade en intervalos como ste: 0,0748051948 0,09716216215. Aunque esta
agrupacin es matemticamente precisa, tales intervalos podran no ser significativos para los usuarios empresariales.
En este paso, para que el resultado sea ms intuitivo, agrupar los valores numricos de forma diferente, creando copias de la columna de datos numricos.
Cmo funciona la discretizacin

Analysis Services proporciona varios mtodos para discretizar o procesar los datos numricos. En la tabla siguiente se muestran las diferencias entre los resultados
cuando el atributo ServiceGrade de salida se ha procesado de tres maneras diferentes:
Se trata como un nmero continuo.

Se hace que el algoritmo use la agrupacin en clsteres para identificar la mejor organizacin de valores.
Se especifica que los nmeros se discreticen mediante el mtodo de reas iguales.
Modelo predeterminado (continuo)
Discretizado mediante agrupacin en clsteres
Discretizado mediante reas iguales
VALUE
SUPPORT
VALUE
SUPPORT
VALUE
SUPPORT
Missing
< 0.0748051948
34
< 0.07
26
0.09875
120
0.0748051948 - 0.09716216215
27
0.07 - 0.00
22
0.09716216215 - 0.13297297295
39
0.09 - 0.11
36
0.13297297295 - 0.167499999975
10
>= 0.12
36
>= 0.167499999975
10
Nota
Puede obtener estas estadsticas a partir del nodo de estadsticas marginales del modelo una vez que se hayan procesado todos los datos. Para obtener ms
informacin acerca del nodo de estadsticas marginales, vea Contenido del modelo de minera de datos para los modelos de red neuronal Analysis Services
Minera de datos.
En esta tabla, la columna VALUE muestra cmo se ha controlado el nmero para ServiceGrade. La columna SUPPORT muestra cuntos casos tenan ese valor o
pertenecan a ese rango.
Usar nmeros continuos predeterminado

Si usa el mtodo predeterminado, el algoritmo calcula los resultados de 120 valores distintos, cuyo valor medio es 0,09875. Tambin puede ver el nmero de
valores que faltan.
Discretizar mediante agrupacin en clsteres
Cuando permite que el algoritmo de clsteres de Microsoft determine la agrupacin opcional de valores, el algoritmo agrupa los valores de ServiceGrade en
cinco (5) rangos. El nmero de escenarios de cada rango no se distribuye por igual, como puede ver en la columna.
Discretizar mediante reas iguales
Si elige este mtodo, el algoritmo exige que los valores de los cubos sean del mismo tamao, lo que a su vez cambia los lmites superior e inferior de cada
rango. Puede especificar el nmero de cubos, pero es conveniente evitar que haya muy pocos valores en un cubo.
Para obtener ms informacin acerca de las opciones de discretizacin, vea Mtodos de discretizacin minera de datos.
De forma alternativa, en lugar de usar valores numricos, podra agregar una columna derivada independiente que clasifique las calificaciones del servicio en rangos de
destino predefinidos, como Excelente (ServiceGrade <= 0,05), Aceptable (0,10 > ServiceGrade > 0,05) y Deficiente (ServiceGrade >= 0,10).
Crear una copia de una columna y cambiar el mtodo de discretizacin

Realizar una copia de la columna de minera de datos que contiene el atributo de destino, ServiceGrade, y cambiar la manera en que se agrupan los nmeros. Puede
crear varias copias de cualquier columna de una estructura de minera de datos, incluido el atributo de prediccin.
En este tutorial utilizar el mtodo de discretizacin de reas iguales y especificar cuatro cubos. Las agrupaciones que resultan de este mtodo estn bastante cerca
de los valores objetivo que interesan a los usuarios empresariales.
Para crear una copia personalizada de una columna de la estructura de minera de datos
1. En el Explorador de soluciones, haga doble clic en la estructura de minera de datos recin creada.
2. En la pestaa Estructura de minera de datos, haga clic en Agregar una columna de estructura de minera de datos.
3. En el cuadro de dilogo Seleccionar columna, seleccione ServiceGrade en la lista Columna de origen y, a continuacin, haga clic en Aceptar.
Se agrega una columna nueva a la lista de columnas de la estructura de minera de datos. De forma predeterminada, la nueva columna de minera de datos tiene
el mismo nombre que la columna existente, con un sufijo numrico: por ejemplo, ServiceGrade 1. Puede cambiar el nombre de esta columna para que sea ms
descriptivo.
Tambin especificar el mtodo de discretizacin.
4. Haga clic con el botn secundario en ServiceGrade 1 y seleccione Propiedades.
5. En la ventana Propiedades, localice la propiedad Nombre y cambie el nombre a Service Grade Binned.
6. Aparece un cuadro de dilogo en el que se pregunta si desea realizar el mismo cambio en el nombre de todas las columnas del modelo de minera de datos
relacionadas. Haga clic en No.
7. En la ventana Propiedades, localice la seccin Tipo de datos y expndala si es necesario.
8. Cambie el valor de la propiedad Content de Continuous a Discretized.
Ahora estn disponibles las propiedades siguientes. Cambie los valores de las propiedades tal como se muestra en la tabla siguiente:
Propiedad
Valor predeterminado
Valor nuevo
DiscretizationMethod
Continuous
EqualAreas
DiscretizationBucketCount
Sin valor
Nota
El valor predeterminado de DiscretizationBucketCount es 0, que indica que el algoritmo determina automticamente el nmero ptimo de cubos. Por tanto, si
desea restablecer el valor predeterminado de esta propiedad, escriba 0.
9. En el Diseador de minera de datos, haga clic en la pestaa Modelos de minera de datos.
Observe que al agregar una copia de una columna de la estructura de minera de datos, la marca de uso de la copia se establece automticamente en Ignore.
Normalmente, al agregar una copia de una columna a una estructura de minera de datos, no utilizara la copia para el anlisis junto con la columna original o el
algoritmo encontrar una correlacin fuerte entre las dos columnas que podran disimular otras relaciones.
Agregar un nuevo modelo de minera de datos a la estructura de minera de datos

Ahora que ha creado una nueva agrupacin para el atributo de destino, necesita agregar un nuevo modelo de minera de datos que use la columna de datos discretos.
Cuando lo haya hecho, la estructura de minera de datos CallCenter tendr dos modelos de minera de datos:
El modelo de minera de datos, Call Center Default NN, controla los valores de ServiceGrade como un rango continuo.
Crear un nuevo modelo de minera de datos, Call Center Binned NN, que usa como resultados de destino los valores de la columna ServiceGrade, distribuidos
en cuatro cubos del mismo tamao.
Para agregar un modelo de minera de datos basado en la nueva columna de datos discretos
1. En el Explorador de soluciones, haga clic con el botn secundario en la estructura de minera de datos recin creada y seleccione Abrir.
2. Haga clic en la pestaa Modelos de minera de datos.
3. Haga clic en Crear un modelo de minera de datos relacionado.
4. En el cuadro de dilogo Nuevo modelo de minera de datos, en Nombre del modelo, escriba Call Center Binned NN. En la lista desplegable Nombre del
algoritmo, seleccione Red neuronal de Microsoft.
5. En la lista de columnas contenida en el nuevo modelo de minera de datos, busque ServiceGrade y cambie el uso de Predict a Ignore.
6. De igual forma, busque ServiceGrade Binned y cambie el uso de Ignore a Predict.
Crear un alias para la columna de destino

Normalmente, no puede comparar modelos de minera de datos que usen atributos de prediccin diferentes. Sin embargo, puede crear un alias para una columna del
modelo de minera de datos. Es decir, puede cambiar el nombre de la columna, ServiceGrade Binned, en el modelo de minera de datos de modo que tenga el mismo
nombre que la columna original. A continuacin, puede comparar directamente estos dos modelos en un grfico de precisin, aunque los datos se discreticen de
manera diferente.
Para agregar un alias para una columna de una estructura de minera de datos de un modelo de minera de datos
1. En la pestaa Modelos de minera de datos, en Estructura, seleccione ServiceGrade Binned.
Observe que la ventana Propiedades muestra las propiedades del objeto, columna ScalarMiningStructure.
2. En la columna del modelo de minera de datos, ServiceGrade Binned NN, haga clic en la celda correspondiente a la columna ServiceGrade Binned.
Observe que ahora la ventana Propiedades muestra las propiedades del objeto MiningModelColumn.
3. Busque la propiedad Name y cambie el valor por ServiceGrade.
4. Busque la propiedad Description y escriba Alias de columna temporal.
La ventana Propiedades debera contener la informacin siguiente:
Propiedad
Valor
Descripcin
Alias de columna temporal
Identificador
ServiceGrade Binned
Marcas de modelado
Nombre
Service Grade
SourceColumn ID
Service Grade 1
Uso
Prediccin
5. Haga clic en cualquier parte de la pestaa Modelo de minera de datos.

La cuadrcula se actualiza para mostrar el nuevo alias de la columna temporal, ServiceGrade, al lado del uso de la columna. La cuadrcula que contiene la
estructura de minera de datos y dos modelos de minera de datos debera tener una apariencia similar a la siguiente:
Estructura
Call Center Default NN
Call Center Binned NN
Red neuronal de Microsoft
Red neuronal de Microsoft
AutomaticResponses
Entrada
Entrada
AverageTimePerIssue
Prediccin
Prediccin
Calls
Entrada
Entrada
DayOfWeek
Entrada
Entrada
FactCallCenterID
Clave
Clave
IssuesRaised
Entrada
Entrada
LevelOneOperators
Entrada
Entrada
LevelTwoOperators
Entrada
Entrada
Orders
Entrada
Entrada
ServiceGrade Binned
Omitir
Prediccin ServiceGrade
ServiceGrade
Prediccin
Omitir
Mays
Entrada
Entrada
Total Operators
Entrada
Entrada
WageType
Entrada
Entrada
Procesar todos los modelos
Finalmente, para asegurarse de que los modelos que ha creado se pueden comparar fcilmente, establecer el parmetro de inicializacin del modelo discretizado y
del predeterminado. Al establecer un valor de inicializacin se garantiza que cada modelo comienza el procesamiento de los datos desde el mismo punto.
Nota
Si no se especifica un valor numrico para el parmetro de inicializacin, SQL Server Analysis Services lo generar a partir del nombre del modelo. Dado que los
modelos siempre tienen nombres diferentes, debe establecer un valor de inicializacin para asegurarse de que procesan los datos en el mismo orden.
Para especificar el valor de inicializacin y procesar los modelos

1. En la pestaa Modelo de minera de datos, haga clic con el botn secundario en la columna del modelo denominado Call Center LR y seleccione Establecer
parmetros de algoritmo.
2. En la fila correspondiente al parmetro HOLDOUT_SEED, haga clic en la celda vaca que est situada bajo Valor y escriba 1. Haga clic en Aceptar. Repita este
paso para cada modelo asociado a la estructura.
Nota
El valor de inicializacin que elija no es importante siempre y cuando use el mismo para todos los modelos relacionados.
3. En el men Modelos de minera de datos, seleccione Procesar estructura de minera de datos y todos los modelos. Haga clic en S para implementar el
proyecto de minera de datos actualizado en el servidor.
Ahora que ha creado los dos modelos de minera de datos relacionados, explorar los datos para detectar relaciones.

Explorar el modelo de centro de llamadas Tutorial intermedio de minera de datos
Vea tambin
Conceptos
Explorar el modelo de centro de llamadas (Tutorial intermedio

de minera de datos
SQL Server 2014
Ahora que ha creado el modelo de exploracin, puede usarlo para obtener ms informacin sobre los datos mediante las herramientas siguientes que se proporcionan
en SQL Server Data Tools (SSDT).
Visor de redes neuronales de Microsoft : este visor est disponible en la pestaa Visor de modelos de minera de datos del Diseador de minera de datos y se
ha diseado para servir de ayuda al experimentar con las interacciones de los datos.
Visor de rbol de contenido genrico de Microsoft : este visor estndar proporciona detalles precisos sobre los patrones y estadsticas que detecta el algoritmo al
generar el modelo.
Visor de redes neuronales de Microsoft

El visor tiene tres paneles: Entrada, Salida y Variables.
En el panel Salida, puede seleccionar valores diferentes para el atributo de prediccin o la variable dependiente. Si el modelo contiene varios atributos de prediccin,
puede seleccionar el que desee en la lista Atributo de salida.
El panel Variables compara los dos resultados que elija en lo que respecta a los atributos participantes, o variables. Las barras coloreadas representan visualmente en
qu grado afecta la variable a los resultados buscados. Tambin puede ver las puntuaciones de mejora respecto al modelo predictivo para las variables. Una
puntuacin de mejora respecto al modelo predictivo se calcula de forma diferente en funcin de qu tipo de modelo de minera de datos se usa, pero en general
indica la mejora en el modelo cuando se usa este atributo para la prediccin.
El panel Entrada permite agregar influenciadores al modelo para probar varios escenarios condicionales.
Usar el panel Salida

En este modelo inicial, le interesa ver cmo afectan varios factores al grado de servicio. Para ello, puede seleccionar Service Grade en la lista de atributos de salida, y
comparar despus niveles diferentes de servicio seleccionando intervalos en las listas desplegables correspondientes a Valor 1 y Valor 2.
Para comparar los grados de servicio inferior y superior

1. En Valor 1, seleccione el intervalo con los valores menores. Por ejemplo, el intervalo 0-0-0.7 representa las tasas menores de abandono y, por lo tanto, el mejor
grado de servicio.
Nota
Los valores exactos de este intervalo pueden variar segn la configuracin del modelo.
2. En Valor 2, seleccione el intervalo con los valores mayores. Por ejemplo, el intervalo con el valor >=0,12 representa las tasas mayores de abandono y, por lo
tanto, el peor grado de servicio. En otras palabras, el 12% de los clientes que llamaron durante este turno colgaron antes de hablar con un agente.
El contenido del panel Variables se actualiza para comparar los atributos que participan en los resultados. Por lo tanto, la columna de la izquierda muestra los
atributos asociados al mejor grado de servicio y la columna de la derecha los atributos asociados al peor grado de servicio.
Usar el panel Variables

En este modelo, parece que Average Time Per Issue es un factor importante. Esta variable indica el tiempo promedio que se tarda en responder una llamada, con
independencia de su tipo.
Para ver y copiar las puntuaciones de mejora respecto al modelo predictivo y la probabilidad de un atributo
1. En el panel Variables, pause el mouse sobre la barra coloreada de la primera fila.
Esta barra coloreada muestra en qu grado contribuye Average Time Per Issue en el grado de servicio. La informacin sobre herramientas muestra una
puntuacin general, las probabilidades y las puntuaciones de mejora con respecto al modelo predictivo para cada combinacin de variable y resultado de
destino.
2. En el panel Variables, haga clic con el botn secundario en una barra coloreada y seleccione Copiar.
3. En una hoja de clculo de Excel, haga clic con el botn secundario en una celda y seleccione Pegar.
El informe se pega como una tabla HTML y solo muestra las puntuaciones de cada barra.
4. En otra hoja de clculo de Excel, haga clic con el botn secundario en una celda y seleccione Pegado especial.
El informe se pega en formato de texto e incluye las estadsticas relacionadas descritas en la seccin siguiente.
Usar el panel Entrada

Suponga que le interesa observar el efecto de un factor determinado, como el turno o el nmero de operadores. Puede seleccionar una variable concreta usando el
panel Entrada y el panel Variables se actualizar automticamente para comparar los dos grupos seleccionados anteriormente dada la variable especificada.
Para revisar el efecto en el grado de servicio cambiando los atributos de entrada

1. En el panel Entrada, seleccione Shift como atributo.
2. En Valor, seleccione AM.

El panel Variables se actualiza para mostrar el efecto en el modelo cuando el turno es de maana AM. Las dems selecciones siguen siendo las mismas, sigue
comparando los grados de servicio menor y mayor.
3. En Valor, seleccione PM1.
El panel Variables se actualiza para mostrar el efecto en el modelo cuando el turno cambia.
4. En el panel Entrada, haga clic en la siguiente fila en blanco debajo de Atributo y seleccione Calls. En Valor, seleccione el intervalo que indica el mayor nmero
de llamadas.
Se agrega una condicin de entrada nueva a la lista. El panel Variables se actualiza para mostrar el efecto en el modelo para un turno en particular cuando el
volumen de llamadas es elevado.
5. Contine cambiando los valores de Shift y Calls para encontrar correlaciones interesantes entre el turno, el volumen de llamadas y el grado de servicio.
Nota
Para borrar el panel Entrada para que pueda utilizar diferentes atributos, haga clic en Actualizar el contenido del visor.
Interpretar las estadsticas que se proporcionan en el visor

Los tiempos de espera ms prolongados son un factor de prediccin muy eficaz de una tasa de abandono elevada, lo que significa que el grado de servicio es
deficiente. Esto puede parecer una conclusin obvia; sin embargo, el modelo de minera de datos proporciona datos estadsticos adicionales para ayudarle a
interpretar estas tendencias.
Puntuacin: valor que indica la importancia global de esta variable para discriminar entre los resultados. Cuanto ms alta es la puntuacin, ms intenso es el
efecto que la variable tiene en el resultado.
Probabilidad del valor 1: porcentaje que representa la probabilidad de este valor para este resultado.
Probabilidad del valor 2: porcentaje que representa la probabilidad de este valor para este resultado.
Elevacin del valor 1 y Elevacin del valor 2: puntuaciones que representan el efecto que tiene usar esta variable concreta para predecir los resultados de
Valor 1 y Valor 2. Cuanto ms alta es la puntuacin, mejor es la variable prediciendo los resultados.
La tabla siguiente contiene algunos valores de ejemplo para los influenciadores ms importantes. Por ejemplo, la Probabilidad del valor 1 es del 60,6% y la
Probabilidad del valor 2 es del 8,30%, lo que significa que cuando el valor de Average Time Per Issue estaba dentro del intervalo 44-70 minutos, el 60,6% de los casos
estaban en el turno con los grados de servicio mayores (Valor 1) y el 8,30% de los casos estaban en el turno con los peores grados de servicio (Valor 2).
A partir de esta informacin puede sacar algunas conclusiones. Un menor tiempo de respuesta de las llamadas (el intervalo 44-70) influye en gran medida en un mejor
grado de servicio (el intervalo 0.00-0.07). La puntuacin 92,35 le indica que esta variable es muy importante.
Sin embargo, segn se sigue mirando la lista de factores que influyen, se ven algunos otros factores con efectos que son ms sutiles y ms difciles de interpretar. Por
ejemplo, el turno parece influir en el servicio, pero las puntuaciones de mejora con respecto al modelo predictivo y las probabilidades relativas indican que no es un
factor importante.
Atributo
Valor
Average Time Per Issue
89.087 - 120.000
Favorece < 0,07
Favorece >= 0,12
Puntuacin: 100
Probabilidad de valor 1: 4,45 %
Elevacin de valor 1: 0,19
Average Time Per Issue
44.000 - 70.597
Puntuacin: 92,35
Volver al principio
Visor de rbol de contenido genrico de Microsoft

Este visor se puede usar para ver informacin incluso ms detallada creada por el algoritmo cuando se procesa el modelo. El Visor de rbol de contenido genrico
de Microsoft representa el modelo de minera de datos como una serie de nodos, donde cada nodo representa el conocimiento adquirido acerca de los datos de
entrenamiento. Este visor se puede utilizar con todos los modelos, pero el contenido de los nodos es diferente segn el tipo de modelo.
En los modelos de red neuronal o de regresin logstica, podra encontrar que el marginal statistics node es particularmente til. Este nodo contiene estadsticas
derivadas acerca de la distribucin de los valores de los datos. Esta informacin puede ser de utilidad si desea obtener un resumen de los datos sin tener que escribir
muchas consultas de T-SQL. El grfico de los valores del tema anterior se deriv del nodo de estadsticas marginal.
Para obtener un resumen de los valores de datos del modelo de minera de datos
1. En el Diseador de minera de datos en la pestaa Visor de modelos de minera de datos, seleccione <nombre del modelo de minera de datos>.
2. En la lista Visor, seleccione Visor de rbol de contenido genrico de Microsoft.
La vista del modelo de minera de datos se actualiza para mostrar una jerarqua de nodos en el panel izquierdo y una tabla HTML en el panel derecho.
3. En el panel Ttulo de nodo, haga clic en el nodo que tenga el nombre 10000000000000000.
El nodo superior de cualquier modelo siempre es el nodo raz. En un modelo de red neuronal o de regresin logstica, el nodo que est inmediatamente por
debajo es el nodo de estadsticas marginal.
4. En el panel Detalles de nodo, desplcese hasta que encuentre la fila NODE_DISTRIBUTION.
5. Desplcese hacia abajo por la tabla NODE_DISTRIBUTION para ver la distribucin de valores calculados por el algoritmo de red neuronal.
Para usar estos datos en un informe, podra seleccionar informacin de filas especficas y copiarla despus, o puede usar la siguiente consulta de Extensiones de
minera de datos DMX para extraer el contenido completo del nodo.
SELECT *
FROM [Call Center EQ4].CONTENT
WHERE NODE_NAME = '10000000000000000'
Tambin puede usar la jerarqua de nodos y los detalles de la tabla NODE_DISTRIBUTION para recorrer rutas individuales de la red neuronal y ver estadsticas del nivel
oculto. Para obtener ms informacin, vea Ejemplos de consultas de modelos de red neuronal.
Volver al principio

Agregar un modelo de regresin logstica a la estructura de centro de llamadas Tutorial intermedio de minera de datos
Vea tambin
Tasks
Cambiar la discretizacin de una columna en un modelo de minera de datos
Referencia
Contenido del modelo de minera de datos para los modelos de red neuronal Analysis Services Minera de datos
Referencia tcnica del algoritmo de red neuronal de Microsoft
Conceptos
Ejemplos de consultas de modelos de red neuronal
Agregar un modelo de regresin logstica a la estructura de

centro de llamadas Tutorial intermedio de minera de datos
SQL Server 2014
Adems de analizar los factores que pueden influir en las operaciones del centro de llamadas, se le pidi que proporcionara recomendaciones concretas sobre la manera
en que el personal puede mejorar la calidad de servicio. En esta tarea usar la misma estructura de minera de datos con la que cre el modelo de exploracin y
agregar un modelo de minera de datos que despus se usar para crear predicciones.
En Analysis Services, un modelo de regresin logstica se basa en el algoritmo de redes neuronales, lo que ofrece la misma flexibilidad y eficacia que un modelo de red
neuronal. Sin embargo, la regresin logstica es especialmente adecuada para predecir resultados binarios.
En este escenario, usar la misma estructura de minera de datos que utiliz para el modelo de red neuronal. Sin embargo, personalizar el nuevo modelo para abordar
las cuestiones empresariales. Le interesa la mejora de la calidad de servicio y determinar cuntos operadores experimentados necesita; para ello, configurar el modelo
para predecir esos valores.
Para asegurarse de que todos los modelos basados en los datos del centro de llamadas se parecen lo ms posible, usar el mismo valor de inicializacin que antes. Al
establecer el parmetro de inicializacin se garantiza que el modelo procesa los datos a partir del mismo punto inicial, y se minimizan las variaciones causadas por las
anomalas en los datos.
Para agregar un nuevo modelo de minera de datos a la estructura de minera de datos del centro de llamadas
1. En SQL Server Data Tools SSDT, en el Explorador de soluciones, haga clic con el botn secundario en la estructura de minera de datos, Call Center Binned, y
seleccione Abrir el diseador.
2. En el Diseador de minera de datos, haga clic en la pestaa Modelos de minera de datos.
3. Haga clic en Crear un modelo de minera de datos relacionado.
4. En el cuadro de dilogo Nuevo modelo de minera de datos, en Nombre del modelo, escriba Call Center - LR. Como Nombre del algoritmo seleccione
Regresin logstica de Microsoft.
El nuevo modelo de minera de datos aparece en la pestaa Modelos de minera de datos.
Para personalizar el modelo de regresin logstica

1. En la columna correspondiente al nuevo modelo de minera de datos,Call Center LR, deje Fact CallCenter ID como clave.
2. Cambie el valor de ServiceGrade y Level Two Operators a Predict.
Ambas columnas se usarn como entrada y para la prediccin. Bsicamente, crea dos modelos independientes en los mismos datos: uno que predice el nmero de
operadores y otro que predice la calificacin del servicio.
3. Cambie las dems columnas a Entrada.
Para especificar el valor de inicializacin y procesar los modelos

1. En la pestaa Modelo de minera de datos, haga clic con el botn secundario en la columna del modelo denominado Call Center LR y seleccione Establecer
parmetros de algoritmo.
2. En la fila correspondiente al parmetro HOLDOUT_SEED, haga clic en la celda vaca que est situada bajo Valor y escriba 1. Haga clic en Aceptar.
Nota
El valor de inicializacin que elija no es importante siempre y cuando use el mismo para todos los modelos relacionados.
3. En el men Modelos de minera de datos, seleccione Procesar estructura de minera de datos y todos los modelos. Haga clic en S para implementar el
proyecto de minera de datos actualizado en el servidor.

Crear predicciones para los modelos de centro de llamadas Tutorial intermedio de minera de datos
Vea tambin
Conceptos
Crear predicciones para los modelos de centro de llamadas

SQL Server 2014
Ahora que ha aprendido algo acerca de las interacciones entre los turnos, el nmero de operadores, las llamadas y el grado de servicio, est en disposicin de crear
algunas consultas de prediccin que se puedan usar en el anlisis y el planeamiento empresarial. Primero, crear algunas predicciones en el modelo de exploracin para
probar varias suposiciones. Despus, crear predicciones masivas usando el modelo de regresin logstica.
En esta leccin se presupone que ya est familiarizado con el concepto de consultas de prediccin.
Crear predicciones utilizando el modelo de red neuronal

En el ejemplo siguiente se demuestra cmo crear una prediccin singleton usando el modelo de red neuronal que se cre para la exploracin. Las predicciones
singleton constituyen un buen modo de probar valores diferentes para comprobar el efecto en el modelo. En este escenario, predecir el grado de servicio para el
turno de medianoche no se especifica el da de la semana si hay seis operadores experimentados de servicio.
Para crear una consulta singleton con el modelo de red neuronal

1. En SQL Server Data Tools SSDT, abra la solucin que contiene el modelo que desea usar.
2. En el Diseador de minera de datos, haga clic en la pestaa Prediccin de modelo de minera de datos.
3. En el panel Modelo de minera de datos, haga clic en Seleccionar modelo.
4. El cuadro de dilogo Seleccionar modelo de minera de datos muestra una lista de estructuras de minera de datos. Expanda la estructura de minera de datos
para ver una lista de modelos de minera de datos asociados con esa estructura.
5. Expanda la estructura de minera de datos Call Center Default y seleccione el modelo de red neuronal Call Center LR.
6. En el men Modelo de minera de datos, seleccione Consulta singleton.
Se abre el cuadro de dilogo Entrada de consulta singleton con columnas asignadas a las columnas del modelo de minera de datos.
7. En el cuadro de dilogo Entrada de consulta singleton, haga clic en la fila correspondiente a Shift y seleccione midnight.
8. Haga clic en la fila correspondiente a Lvl 2 Operators y escriba 6.
9. En la mitad inferior de la pestaa Prediccin de modelo de minera de datos, haga clic en la primera fila de la cuadrcula.
10. En la columna Origen, haga clic en la flecha abajo y seleccione Funcin de prediccin. En la columna Campo, seleccione PredictHistogram.
En el cuadro Criterios o argumentos, aparece automticamente una lista de los argumentos que puede usar con esta funcin de prediccin.
11. Arrastre la columna ServiceGrade desde la lista de columnas del panel Modelo de minera de datos al cuadro Criterios o argumentos.
El nombre de la columna se inserta automticamente como argumento. Puede elegir cualquier columna de atributo de prediccin para arrastrarla a este cuadro
de texto.
12. Haga clic en el botn Cambiar a vista de resultado de consulta situado en la esquina superior del Generador de consultas de prediccin.
Los resultados esperados contienen los posibles valores de prediccin de cada grado de servicio, dadas estas entradas, junto con los valores de compatibilidad y
probabilidad de cada prediccin. Puede volver a la vista de diseo en cualquier momento y cambiar las entradas o agregar ms.
Crear predicciones con un modelo de regresin logstica

Si ya conoce los atributos que son pertinentes para el problema empresarial, puede usar un modelo de regresin logstica con el fin de predecir el efecto de realizar
cambios en ciertos atributos. La regresin logstica es un mtodo estadstico que se utiliza normalmente para realizar predicciones en funcin de cambios en variables
independiente. Se usa, por ejemplo, en la evaluacin financiera, para predecir el comportamiento de los clientes en funcin de datos estadsticos.
En esta tarea aprender a crear un origen de datos que se usar en las predicciones y har que estas sirvan de ayuda para responder varias cuestiones empresariales.
Generar datos usados para la prediccin masiva

Hay muchas formas de proporcionar datos de entrada: por ejemplo, podra importar niveles que provean de personal de una hoja de clculo y ejecutar los datos a
travs del modelo para predecir la calidad de servicio del mes prximo.
En esta leccin, usar el diseador de vista del origen de datos para crear una consulta con nombre. Esta consulta es una instruccin TransactSQL personalizada que
calcula, para cada turno de la programacin, el nmero mximo de operadores del personal, el mnimo de llamadas recibidas y el nmero promedio de problemas
que se generan. A continuacin combinar esos datos en un modelo de minera de datos para realizar predicciones acerca de una serie de fechas prximas.
Para generar datos de entrada de una consulta de prediccin masiva

2. En el Asistente para vistas del origen de datos, seleccione Adventure Works DW Multidimensional 2012 como origen de datos y, a continuacin, haga clic en
Siguiente.
3. En la pgina, Seleccionar tablas y vistas, haga clic en Siguiente sin seleccionar ninguna tabla.
4. En la pgina Finalizacin del asistente, escriba el nombre, Shifts.

Este nombre aparecer en el Explorador de soluciones como nombre de la vista del origen de datos.
5. Haga clic con el botn secundario en el panel de diseo y seleccione Nueva consulta con nombre.
6. En el cuadro de dilogo Crear consulta con nombre, en Nombre, escriba Shifts for Call Center.
Este nombre aparecer en el diseador de vistas del origen de datos como nombre de la consulta con nombre.
7. Pegue la instruccin de consulta siguiente en el panel de texto SQL en la mitad inferior del cuadro de dilogo.
SELECT DISTINCT WageType, Shift,

AVG(Orders) as AvgOrders, MIN(Orders) as MinOrders, MAX(Orders) as MaxOrders,
AVG(Calls) as AvgCalls, MIN(Calls) as MinCalls, MAX(Calls) as MaxCalls,
AVG(LevelTwoOperators) as AvgOperators, MIN(LevelTwoOperators) as MinOperators, MAX(LevelTwoOperators) as MaxOperators,
AVG(IssuesRaised) as AvgIssues, MIN(IssuesRaised) as MinIssues, MAX(IssuesRaised) as MaxIssues
FROM dbo.FactCallCenter
GROUP BY Shift, WageType
8. En el panel de diseo, haga clic con el botn secundario en la tabla Shifts for Call Center y seleccione Explorar datos para obtener una vista previa de los datos
tal y como se devuelven en la consulta de T-SQL.
9. Haga clic con el botn secundario en la pestaa Shifts.dsv Diseo y haga clic en Guardar para guardar la definicin de la nueva vista del origen de datos.
Predecir la mtrica de servicio de cada turno

Ahora que ha generado algunos valores para cada turno, los usar como entrada del modelo de regresin logstica que ha creado, con el fin de generar algunas
predicciones que se puedan usar en la planificacin empresarial.
Para utilizar el nuevo DSV como entrada de una consulta de prediccin

1. En el Diseador de minera de datos, haga clic en la pestaa Prediccin de modelo de minera de datos.
2. En el panel Modelo de minera de datos, haga clic en Seleccionar modelo y elija Call Center - LR en la lista de modelos disponibles.
3. En el men Modelo de minera de datos, anule la seleccin de la opcin Consulta singleton. Una advertencia indica que se perdern las entradas de la
consulta singleton. Haga clic en Aceptar.
El cuadro de dilogo Entrada de consulta singleton se sustituye con el cuadro de dilogo Seleccionar tabla(s) de entrada.
4. Haga clic en Seleccionar tabla de casos.
5. En el cuadro de dilogo Seleccionar tabla, seleccioneShifts en la lista de orgenes de datos. En la lista Nombre de tabla o vista, seleccione Shifts for Call Center
puede que est seleccionado automticamente y haga clic en Aceptar.
La superficie de diseo de Prediccin de modelo de minera de datos se actualiza para mostrar las asignaciones creadas segn los nombres y tipos de datos
de las columnas de los datos de entrada y del modelo.
6. Haga clic con el botn secundario en una de las lneas de unin y luego seleccione Modificar conexiones.
En este cuadro de dilogo puede ver exactamente qu columnas se asignan y cules no. El modelo de minera de datos contiene las columnas Calls, Orders,
IssuesRaised y LvlTwoOperators, que puede asignar a cualquiera de los agregados que cre basndose en estas columnas en el origen de datos. En este
escenario, asignar los promedios.
7. Haga clic en la celda vaca situada junto a LevelTwoOperators y seleccione Shifts for Call Center.AvgOperators.
8. Haga clic en la celda vaca situada junto a Calls y seleccione Shifts for Call Center.AvgCalls. y, a continuacin, haga clic en Aceptar.
Para crear las predicciones de cada turno

1. En la cuadrcula de la mitad inferior del Generador de consultas de prediccin, haga clic en la celda vaca situada debajo de Origen y seleccione Shifts for Call
Center.
2. En la celda vaca debajo de Campo, seleccione Shift.
3. Haga clic en la siguiente lnea vaca de la cuadrcula y repita el procedimiento descrito para agregar otra fila para WageType.
4. Haga clic en la siguiente lnea vaca de la cuadrcula. En la columna Origen, seleccione Prediction Function. En la columna Campo, seleccione Predict.
5. Arrastre la columna ServiceGrade desde el panel Modelo de minera de datos hacia abajo a la cuadrcula y colquela en la celda Criterios o argumento. En el
campo Alias, escriba Predicted Service Grade.
6. Haga clic en la siguiente lnea vaca de la cuadrcula. En la columna Origen, seleccione Prediction Function. En la columna Campo, seleccione
PredictProbability.
7. Arrastre la columna ServiceGrade desde el panel Modelo de minera de datos hacia abajo a la cuadrcula y colquela en la celda Criterios o argumento. En el
campo Alias, escriba Probability.
8. Haga clic en Cambiar a vista de resultado de consulta para ver las predicciones.
La siguiente tabla muestra los resultados de ejemplo de cada turno.
Shift
WageType
Predicted Service Grade
Probability
AM
holiday
0.165
0.377520666
midnight
holiday
0.105
0.364105573
PM1
holiday
0.165
0.40056055
PM2
holiday
0.165
0.338532973
AM
weekday
0.165
0.370847617
midnight
weekday
0.08
0.352999173
PM1
weekday
0.165
0.317419177
PM2
weekday
0.105
0.311672027
Predecir el efecto del tiempo de respuesta reducido en la calificacin del servicio

Ha generado algunos valores de promedio para cada turno y los ha usado como entrada del modelo de regresin logstica. Sin embargo, dado que el objetivo de la
empresa es mantener la tasa de abandonos dentro del intervalo 0,00-0,05, los resultados no son esperanzadores.
Por lo tanto, segn el modelo original, que mostraba una gran influencia del tiempo de respuesta en la calificacin del servicio, el equipo de operaciones decide
realizar algunas predicciones para valorar si la reduccin del tiempo promedio de respuesta a las llamadas podra mejorar la calificacin del servicio. Por ejemplo,
qu ocurrira si se recorta el tiempo de respuesta en un 90% o incluso un 80% del tiempo actual de respuesta de las llamadas?, qu ocurrira con los valores de
calificacin del servicio?
Es fcil crear una vista del origen de datos DSV que calcule el tiempo de respuesta promedio de cada turno y, a continuacin, agregar columnas que calculen el 80%
o 90% del tiempo de respuesta promedio. A continuacin, puede utilizar la vista del origen de datos para el modelo.
Aunque los pasos exactos no se muestran aqu, en la tabla siguiente se comparan los efectos en la calificacin del servicio cuando se reduce el tiempo de respuesta en
un 80% o 90% de los tiempos de respuesta actuales.
A partir de estos resultados, podra concluir que, en los turnos de destino, debe reducir el tiempo de respuesta en un 90 por ciento de la tasa actual para mejorar la
calidad del servicio.
Turno,
salario y
da
Calidad prevista del servicio con el tiempo

de respuesta promedio actual
Calidad prevista del servicio con reduccin en

un 90 del tiempo de respuesta
Calidad prevista del servicio con reduccin en

un 80 del tiempo de respuesta
Holiday AM
0.165
0.05
0.05
Holiday
PM1
0.05
0.05
0.05
Holiday
Midnight
0.165
0.05
0.05
Hay varias consultas de prediccin diferentes que puede crear en este modelo. Por ejemplo, podra predecir cuntos operadores se necesitan para cumplir un cierto
nivel de servicio o para responder a un cierto nmero de llamadas entrantes. Dado que puede incluir varias salidas en un modelo de regresin logstica, es fcil
experimentar con variables independientes y resultados diferentes sin tener que crear varios modelos distintos.
Comentarios
Los complementos de minera de datos para Excel 2007 ofrecen asistentes de regresin logstica que facilitan el poder responder a cuestiones complejas, como
cuntos operadores de nivel dos se necesitaran para mejorar el grado de servicio a un nivel determinado para un turno concreto. Los complementos de minera de
datos se pueden descargar de forma gratuita e incluyen asistentes que se basan en los algoritmos de red neuronal o de regresin logstica. Para obtener ms
informacin, vea los siguientes vnculos:
Complementos de minera de datos de SQL Server 2005 para Office 2007: anlisis de escenario Buscar objetivo y anlisis de escenario Y si
Complementos de minera de datos de SQL Server 2008 para Office 2007: anlisis de escenario Buscar objetivo, anlisis de escenario Y si y Clculo de prediccin
Conclusin
Ha aprendido a crear, personalizar e interpretar los modelos de minera de datos que se basan en los algoritmos de red neuronal y/o de regresin logstica de
Microsoft. Estos tipos de modelos son sofisticados y permiten una variedad casi infinita de anlisis, y, por tanto, pueden ser complejos y difciles de dominar.
Sin embargo, estos algoritmos pueden recorrer muchas combinaciones de factores e identificar automticamente las correlaciones ms marcadas, lo que proporciona
datos estadsticos para obtener una idea clara que sera muy difcil de detectar con la exploracin manual de datos mediante TransactSQL o incluso PowerPivot.
Vea tambin
Conceptos
Ejemplos de consultas de modelos de regresin logstica
Algoritmo de regresin logstica de Microsoft
Algoritmo de red neuronal de Microsoft
Ejemplos de consultas de modelos de red neuronal
Crear y consultar modelos de minera de datos con DMX:

tutoriales Analysis Services minera de datos
SQL Server 2014
Despus de crear una solucin de minera de datos mediante Microsoft SQL Server Analysis Services, puede crear consultas en los modelos de minera de datos para
predecir tendencias, recuperar patrones en los datos y medir la precisin de los modelos de minera de datos.
Los tutoriales paso a paso de la lista siguiente le ensearn a generar y ejecutar consultas de minera de datos mediante Analysis Services de forma que pueda sacar el
mximo partido de los datos.
En esta seccin
Este tutorial le gua por la creacin de una nueva estructura de minera de datos y nuevos modelos de minera datos usando el lenguaje DMX Extensiones de
minera de datos y explica cmo crear consultas de prediccin DMX.
Este tutorial usa un escenario tpico de cesta de compras, en el que se buscan asociaciones entre los productos que los clientes adquieren juntos. En este tutorial
tambin se muestra cmo usar las tablas anidadas al crear una estructura de minera de datos. Generar y entrenar un modelo basado en esta estructura y, a
continuacin, crear predicciones mediante DMX.
Tutorial DMX de prediccin de series temporales
Este tutorial crea un modelo de pronstico para mostrar el uso de la instruccin CREATE MODEL DMX. A continuacin, agregar modelos relacionados y
personalizar el comportamiento de cada uno de ellos cambiando los parmetros del algoritmo de serie temporal de Microsoft. Por ltimo, crear predicciones
y las actualizar con nuevos datos. La capacidad de actualizar una serie temporal al realizar predicciones se agreg en SQL Server 2008.
Referencia
Algoritmos de minera de datos Analysis Services: Minera de datos
Referencia de Extensiones de minera de datos DMX
Secciones relacionadas
En este tutorial se presentan conceptos bsicos, como por ejemplo, cmo crear un proyecto y cmo generar estructuras y modelos de minera de datos.
Este tutorial contiene varias lecciones independientes y en cada una de ellas se presenta un tipo de modelo diferente. Cada leccin le gua por el proceso de
creacin de un modelo, exploracin y personalizacin del modelo y creacin de consultas de prediccin.
Vea tambin
Conceptos
Herramientas de minera de datos

SQL Server 2014
En este tutorial aprender a crear, entrenar y explorar modelos de minera de datos utilizando el lenguaje de consulta Extensiones de minera de datos DMX. A
continuacin, estos modelos de minera de datos se utilizarn para crear predicciones que determinan si un cliente adquirir una bicicleta.
Los modelos de minera de datos se crearn a partir de los datos incluidos en la base de datos de ejemplo AdventureWorksDW2012 , que almacena datos de la empresa
ficticia Adventure Works Cycles. Adventure Works Cycles es una gran empresa multinacional de fabricacin. La empresa fabrica y vende bicicletas de metal y de materiales
compuestos en los mercados de Norteamrica, Europa y Asia. Su sede central de operaciones se encuentra en Bothell, Washington, con 290 empleados, y tiene
distribuidos varios equipos regionales de ventas en toda su base de mercado internacional. Para obtener ms informacin acerca de la base de datos de ejemplo
AdventureWorksDW2012 , vea Data Mining Concepts.

Adventure Works Cycles ha decidido ampliar su anlisis de datos mediante la creacin de una aplicacin personalizada que use la funcionalidad de minera de datos. El
objetivo de la aplicacin personalizada es poder:
Tomar como datos de entrada caractersticas concretas acerca de un cliente potencial y predecir si adquirir una bicicleta.
Tomar como datos de entrada una lista de clientes potenciales, as como caractersticas acerca de los clientes, y predecir qu clientes adquirirn una bicicleta.
En el primer caso, los datos del cliente provienen de una pgina de registro de clientes y, en el segundo caso, el departamento de marketing de Adventure Works
Cycles proporciona una lista de clientes potenciales.
Adems, el departamento de marketing ha solicitado la capacidad de agrupar clientes existentes en categoras basadas en caractersticas como, por ejemplo, su lugar
de residencia, el nmero de hijos que tienen y la distancia que tienen que recorrer para llegar al trabajo. Desean ver si estos clsteres se pueden usar para ayudar a
dirigir campaas a tipos concretos de clientes. Esto requerir un modelo de minera de datos adicional.
Microsoft SQL Server Analysis Services proporciona varias herramientas que se pueden utilizar para realizar estas tareas:
El lenguaje de consulta DMX

El Algoritmo de rboles de decisin de Microsoft y el Algoritmo de clsteres de Microsoft
El Editor de consultas de SQL Server Management Studio
Extensiones de minera de datos DMX es un lenguaje de consulta proporcionado por Analysis Services que sirve para crear y trabajar con modelos de minera de
datos. El algoritmo de rboles de decisin de Microsoft crea modelos que se pueden utilizar para predecir si alguien adquirir una bicicleta. El modelo resultante
puede tomar un cliente individual o una tabla de clientes como entrada. El algoritmo de clsteres de Microsoft puede crear agrupaciones de clientes basadas en
caractersticas compartidas. El objetivo de este tutorial es proporcionar los scripts DMX que se utilizarn en la aplicacin personalizada.
Para obtener ms informacin: Soluciones de minera de datos
Estructura de minera de datos y modelos de minera de datos

Antes de empezar a crear instrucciones DMX, es importante comprender los objetos principales utilizados por Analysis Services para crear modelos de minera de
datos. La estructura de minera de datos es una estructura de datos que define el dominio de datos a partir del cual se generan los modelos de minera de datos. Una
estructura de minera de datos sencilla puede contener varios modelos de minera de datos que comparten el mismo dominio. Un modelo de minera de datos aplica
un algoritmo de modelo de minera a los datos, que se representan en una estructura de minera de datos.
Las unidades de creacin de la estructura de minera de datos son las columnas de la estructura de minera de datos, que describen los datos que contiene el origen
de datos. Estas columnas contienen informacin como el tipo de datos, el tipo de contenido y el modo en que se distribuyen los datos.
Las columnas de los modelos de minera de datos deben incluir la columna de clave descrita en la estructura de minera de datos, as como un subconjunto de las
columnas restantes. El modelo de minera de datos define el uso de cada columna y el algoritmo utilizado para crearlo. Por ejemplo, en DMX puede especificar que
una columna sea una columna de clave o una columna PREDICT. Si una columna no se especifica, se considera que es una columna de entrada.
En DMX, hay dos formas de crear modelos de minera de datos. Puede crear la estructura de minera de datos y el modelo de minera de datos asociado juntos,
utilizando la instruccin CREATE MINING MODEL, o bien, puede crear primero una estructura de minera de datos, utilizando la instruccin CREATE MINING
STRUCTURE, y, a continuacin, agregar un modelo de minera de datos a la estructura, utilizando la instruccin ALTER STRUCTURE. Estos mtodos se describen en la
siguiente tabla.
CREATE MINING MODEL

Utilice esta instruccin para crear una estructura de minera de datos y el modelo de minera de datos asociado juntos, con el mismo nombre. Se anexa
"Structure" al nombre del modelo de minera de datos para diferenciarlo de la estructura de minera de datos. Esta instruccin resulta til si crea una estructura
de minera de datos que incluir un nico modelo de minera de datos.
Para obtener ms informacin, vea CREATE MINING MODEL (DMX).
ALTER MINING STRUCTURE
Utilice esta instruccin para agregar un modelo de minera de datos a una estructura de minera de datos que ya existe en el servidor. Esta instruccin resulta til
si desea crear una estructura de minera de datos que incluya varios modelos de minera de datos. Hay varios motivos por los que puede desear agregar ms
de un modelo de minera de datos en una nica estructura de minera de datos. Por ejemplo, podra crear varios modelos de minera de datos que utilizase
algoritmos distintos para ver cul funciona mejor. Podra crear varios modelos de minera de datos que utilizara el mismo algoritmo, pero con un parmetro
establecido de forma distinta para cada uno de ellos, para encontrar el mejor valor para el parmetro.
Para obtener ms informacin, vea ALTER MINING STRUCTURE (DMX).
Puesto que crear una estructura de minera de datos que contiene varios modelos de minera de datos, utilizar el segundo mtodo en este tutorial.
Para obtener ms informacin
Referencia de Extensiones de minera de datos DMX , Descripcin de la instruccin Select DMX, Estructura y uso de las consultas de prediccin DMX
Aprendizaje
Leccin 1: Crear la estructura de minera de datos de Bike Buyer

En esta leccin aprender a usar la instruccin CREATE para crear estructuras de minera de datos.
Leccin 2: Agregar modelos de minera de datos a la estructura de minera de datos de Bike Buyer
En esta leccin aprender a usar la instruccin ALTER para agregar modelos de minera de datos a una estructura de minera de datos.
Leccin 3: Procesar la estructura de minera de datos de Bike Buyer
En esta leccin aprender a usar la instruccin INSERT INTO para procesar estructuras de minera de datos y sus modelos de minera de datos asociados.
Leccin 4: Examinar los modelos de minera de datos de Bike Buyer
En esta leccin aprender a utilizar la instruccin SELECT para explorar el contenido de los modelos de minera de datos.
Leccin 5: Ejecutar consultas de prediccin
En esta leccin aprender a usar la instruccin PREDICTION JOIN para crear predicciones basadas en modelos de minera de datos.
Requisitos
Antes de hacer este tutorial, asegrese de que los siguientes componentes estn instalados:
Microsoft SQL Server

Microsoft SQL Server 2005 Analysis Services (SSAS), SQL Server 2008 Analysis Services (SSAS), SQL Server 2014 Analysis Services (SSAS) o SQL Server Analysis
Services
La base de datos AdventureWorksDW2012 . Con el fin de mejorar la seguridad, las bases de datos de ejemplo no se instalan de forma predeterminada. Para
instalar las bases de datos de ejemplo oficiales para Microsoft SQL Server, vaya a la pgina Bases de datos de ejemplo de Microsoft SQL y seleccione las bases
de datos que desea instalar. Para obtener ms informacin acerca de cmo instalar las bases de datos de ejemplo, vea Initial Installation (Analysis Services).
Nota
Para consultar los tutoriales, se recomienda agregar los botones Siguiente y Anterior a la barra de herramientas del visor de documentos. Para obtener ms
informacin, vea Adding Next and Previous Buttons to Help.
Vea tambin
Tasks
Conceptos
Leccin 1: Crear la estructura de minera de datos de Bike

Buyer
SQL Server 2014
En esta leccin crear una estructura de minera de datos que permita predecir si un cliente potencial de Adventure Works Cycles adquirir una bicicleta. Si no est
familiarizado con las estructuras de minera de datos y su rol en la minera de datos, vea Estructuras de minera de datos Analysis Services Minera de datos.
La estructura de minera de datos de Bike Buyer que crear en esta leccin admite la adicin de modelos de minera de datos basados en el Algoritmo de clsteres de
MicrosoftAlgoritmo de rboles de decisin de Microsoft. En lecciones posteriores, utilizar los modelos de minera de datos de agrupacin en clsteres para explorar las
distintas formas en las que los clientes pueden agruparse, y utilizar los modelos de minera de datos del rbol de decisin para predecir si un cliente potencial adquirir
una bicicleta.
Instruccin CREATE MINING STRUCTURE

Para crear una estructura de minera de datos, se utiliza la instruccin CREATE MINING STRUCTURE (DMX). El cdigo de la instruccin se puede dividir en las partes
siguientes:
Asignacin de un nombre a la estructura.

Definicin de la columna de clave.
Definicin de las columnas de minera de datos.
Definicin de un conjunto de datos de pruebas opcional.
A continuacin, se incluye un ejemplo genrico de la instruccin CREATE MINING STRUCTURE:
CREATE MINING STRUCTURE [<mining structure name>]

(
<key column>,
<mining structure columns>
)
WITH HOLDOUT (<holdout specifier>)
En la primera lnea del cdigo se define el nombre de la estructura:
CREATE MINING STRUCTURE [<mining structure name>]
Para obtener informacin sobre cmo denominar un objeto en Extensiones de minera de datos DMX, vea Identificadores (DMX).
En la siguiente lnea del cdigo se define la columna de clave para la estructura de minera de datos, que identifica de forma nica una entidad de los datos de origen:
<key column>,
En la estructura de minera de datos que va a crear, el identificador de cliente, CustomerKey, define una entidad en los datos de origen.
La siguiente lnea del cdigo se utiliza para definir las columnas de minera de datos que usarn los modelos de minera de datos asociados a la estructura de minera
de datos:
Puede utilizar la funcin DISCRETIZE en <mining structure columns> para discretizar columnas continuas con la siguiente sintaxis:
DISCRETIZE(<method>,<number of buckets>)
Para obtener ms informacin acerca de la discretizacin de columnas, vea Mtodos de discretizacin minera de datos. Para obtener ms informacin acerca de los
tipos de columnas de la estructura de minera de datos que puede definir, vea Columnas de la estructura de minera de datos.
La lnea final del cdigo define una particin opcional en la estructura de minera de datos:
WITH HOLDOUT (<holdout specifier>)
Se especifica una parte de los datos que se van a utilizar para probar los modelos de minera relacionados con la estructura y los datos restantes se utilizan para el
aprendizaje de los modelos. De forma predeterminada, Analysis Services crea un conjunto de datos de pruebas que contiene el 30 por ciento de todos los datos del
caso. Debe agregar la especificacin donde se indique que el conjunto de datos de pruebas debera contener el 30 por ciento de los casos hasta un mximo de 1000.
Si el 30 por ciento de los casos es menor que 1000, el conjunto de datos de pruebas contendr la cantidad menor.
Tareas de la leccin
En esta leccin realizar las tareas siguientes:
Crear una consulta en blanco.

Modificar la consulta para crear la estructura de minera de datos.
Ejecutar la consulta.
Crear la consulta
El primer paso es conectarse a una instancia de Analysis Services y crear una consulta DMX en SQL Server Management Studio.
Para crear una consulta DMX mediante SQL Server Management Studio
1. Abra SQL Server Management Studio.
2. En el cuadro de dilogo Conectar al servidor, para Tipo de servidor, seleccione Analysis Services. En Nombre del servidor, escriba LocalHost o el nombre de
la instancia de Analysis Services a la que desee conectarse para esta leccin. Haga clic en Conectar.
3. En el Explorador de objetos, haga clic con el botn secundario en la instancia de Analysis Services, seleccione Nueva consultay, a continuacin, haga clic en
DMX para abrir el Editor de consultas y una nueva consulta en blanco.
Modificar la consulta
El paso siguiente es modificar la instruccin CREATE MINING STRUCTURE descrita anteriormente para crear la estructura de minera de datos de Bike Buyer.
Para personalizar la instruccin CREATE MINING STRUCTURE

1. En el Editor de consultas, copie el ejemplo genrico de la instruccin CREATE MINING STRUCTURE en la consulta en blanco.
2. Reemplace lo siguiente:
[<mining structure>]
por:
[Bike Buyer]
<key column>
por:
CustomerKey LONG KEY
por:
[Age] LONG DISCRETIZED(Automatic,10),

[Bike Buyer] LONG DISCRETE,
[Commute Distance] TEXT DISCRETE,
[Education] TEXT DISCRETE,
[Gender] TEXT DISCRETE,

[House Owner Flag] TEXT DISCRETE,
[Marital Status] TEXT DISCRETE,
[Number Cars Owned] LONG DISCRETE,
[Number Children At Home] LONG DISCRETE,
[Occupation] TEXT DISCRETE,
[Region] TEXT DISCRETE,
[Total Children]LONG DISCRETE,
[Yearly Income] DOUBLE CONTINUOUS
WITH HOLDOUT (holdout specifier>)
por:
WITH HOLDOUT (30 PERCENT or 1000 CASES)
Ahora, la instruccin completa de la estructura de minera de datos debera ser como sigue:
CREATE MINING STRUCTURE [Bike Buyer]

(
[Customer Key] LONG KEY,
[Age]LONG DISCRETIZED(Automatic,10),
[Bike Buyer] LONG DISCRETE,
[Commute Distance] TEXT DISCRETE,
[Education] TEXT DISCRETE,
[Gender] TEXT DISCRETE,
[House Owner Flag] TEXT DISCRETE,
[Marital Status] TEXT DISCRETE,
[Number Cars Owned]LONG DISCRETE,
[Number Children At Home]LONG DISCRETE,
[Occupation] TEXT DISCRETE,
[Region] TEXT DISCRETE,
[Total Children]LONG DISCRETE,
[Yearly Income] DOUBLE CONTINUOUS
)
WITH HOLDOUT (30 PERCENT or 1000 CASES)
6. En el men Archivo, haga clic en Guardar DMXQuery1.dmx como.

7. En el cuadro de dilogo Guardar como, desplcese a la carpeta correspondiente y asigne el nombre Bike Buyer Structure.dmx al archivo.
Ejecutar la consulta
El ltimo paso es ejecutar la consulta. Una vez creada y guardada una consulta, tiene que ejecutarse. Es decir, la instruccin tiene que ejecutarse para crear la estructura
de minera de datos en el servidor. Para obtener ms informacin acerca de la ejecucin de consultas en el Editor de consultas, vea Editor de consultas del motor de
base de datos (SQL Server Management Studio).
Para ejecutar la consulta

En la barra de herramientas del Editor de consultas, haga clic en Ejecutar.
El estado de la consulta aparece en la pestaa Mensajes, en la parte inferior del Editor de consultas, despus de finalizar la ejecucin de la instruccin. En
Mensajes, debe aparecer lo siguiente:
Executing the query

Execution complete
Ahora hay una nueva estructura denominada Bike Buyer en el servidor.
En la siguiente leccin agregar modelos de minera de datos a la estructura que acaba de crear.
Leccin siguiente
Leccin 2: Agregar modelos de minera de datos a la estructura de minera de datos de Bike Buyer
Leccin 2: Agregar modelos de minera de datos a la

estructura de minera de datos de Bike Buyer
SQL Server 2014
En esta leccin se agregarn dos modelos de minera de datos a la estructura de minera de datos Bike Buyer creada en Leccin 1: Crear la estructura de minera de datos
de Bike Buyer. Estos modelos de minera de datos le permitirn explorar los datos usando un modelo y crear predicciones usando otro modelo.
Para explorar cmo se puede clasificar en categoras a los clientes potenciales segn sus caractersticas, crear un modelo de minera de datos basado en el Algoritmo
de clsteres de Microsoft. En una leccin posterior, explorar cmo este algoritmo encuentra clsteres de clientes que comparten caractersticas parecidas. Por ejemplo,
podra averiguar que ciertos clientes tienden a vivir cerca unos de otros, van al trabajo en bicicleta y tienen una formacin parecida. Puede utilizar estos clsteres para
comprender mejor cmo estn relacionados distintos clientes y para utilizar la informacin para crear una estrategia de marketing dirigida a clientes concretos.
Para predecir si es probable que un cliente potencial adquiera una bicicleta, crear un modelo de minera de datos basado en el Algoritmo de rboles de decisin de
Microsoft. Este algoritmo examina la informacin asociada a cada cliente potencial y encuentra caractersticas tiles para predecir si adquirir una bicicleta. A continuacin,
compara los valores de las caractersticas de compradores de bicicletas anteriores con los nuevos clientes potenciales para determinar si es probable que stos
adquieran una bicicleta.
Instruccin ALTER MINING STRUCTURE

Para agregar un modelo de minera de datos a la estructura de minera de datos, se utiliza la instruccin ALTER MINING STRUCTURE (DMX). El cdigo de la instruccin
se puede dividir en las partes siguientes:
Identificacin de la estructura de minera de datos

Asignacin de un nombre al modelo de minera de datos
Definicin de la columna de clave
Definicin de las columnas de entrada y de prediccin
Identificacin de los cambios de parmetros y el algoritmo
A continuacin, se incluye un ejemplo genrico de la instruccin ALTER MINING MODEL:
ALTER MINING STRUCTURE [<mining structure name>]

ADD MINING MODEL [<mining model name>]
(
[<key column>],
<mining model columns>,
) USING <algorithm name>( <algorithm parameters> )
WITH FILTER (<expression>)
La primera lnea de cdigo identifica la estructura de minera de datos existente a la que se agregarn los modelos de minera de datos:
La siguiente lnea de cdigo asigna un nombre al modelo de minera de datos que se agregar a la estructura de minera de datos:
Para obtener informacin acerca de cmo asignar un nombre a un objeto en DMX, vea Identificadores (DMX).
Las lneas siguientes del cdigo definen columnas de la estructura de minera de datos que utilizar el modelo de minera de datos:
[<key column>],
<mining model columns>
Solo puede utilizar columnas que ya existan en la estructura de minera de datos, y la primera columna de la lista debe ser la columna de clave de la estructura de
minera de datos.
La siguiente lnea de cdigo define el algoritmo de minera de datos que genera el modelo de minera de datos y los parmetros de algoritmo que pueden
establecerse:
) USING <algorithm name>( <algorithm parameters> )
Para obtener ms informacin acerca de los parmetros del algoritmo que puede ajustar, vea Algoritmo de rboles de decisin de Microsoft y Algoritmo de clsteres
de Microsoft.
Puede especificar que una columna del modelo de minera de datos se utilice para la prediccin mediante la sintaxis siguiente:
<mining model column> PREDICT
La ltima lnea de cdigo, que es opcional, define un filtro que se aplica durante el aprendizaje y prueba del modelo. Para obtener informacin sobre la forma de
aplicar filtros a los modelos de minera de datos, vea Filtros para modelos de minera Analysis Services Minera de datos.
Tareas de la leccin
Agregar un modelo de minera de datos del rbol de decisin a la estructura Bike Buyer mediante el algoritmo rboles de decisin de Microsoft.
Agregar un modelo de minera de datos de agrupacin en clsteres a la estructura Bike Buyer mediante el algoritmo de clsteres de Microsoft.
Dado que desean verse los resultados para todos los casos, todava no se agrega un filtro a ningn modelo.
Agregar un modelo de minera de datos del rbol de decisin a la estructura

El primer paso es agregar un modelo de minera de datos basado en el algoritmo rboles de decisin de Microsoft.
Para agregar un modelo de minera de datos del rbol de decisin

1. En el Explorador de objetos, haga clic con el botn secundario en la instancia de Analysis Services, seleccione Nueva consultay, a continuacin, haga clic en
2. Copie el ejemplo genrico de la instruccin ALTER MINING STRUCTURE en la consulta en blanco.
<mining structure name>
por:
[Bike Buyer]
<mining model name>
por:
Decision Tree
por:
(
CustomerKey,
[Age],
[Bike Buyer] PREDICT,
[Commute Distance],
[Education],
[Gender],
[House Owner Flag],
[Marital Status],
[Number Cars Owned],
[Number Children At Home],
[Occupation],
[Region],
[Total Children],
[Yearly Income]
En este caso, la columna [Bike Buyer] se ha designado como columna PREDICT.

USING <algorithm name>( <algorithm parameters> )
por:
Using Microsoft_Decision_Trees
WITH DRILLTHROUGH
La instruccin WITH DRILLTHROUGH permite explorar los casos utilizados para generar el modelo de minera de datos.
Ahora, la instruccin resultante debera ser como sigue:
ALTER MINING STRUCTURE [Bike Buyer]

ADD MINING MODEL [Decision Tree]
(
CustomerKey,
[Age],
[Bike Buyer] PREDICT,
[Commute Distance],
[Education],
[Gender],
[House Owner Flag],
[Marital Status],
[Occupation],
[Region],
[Total Children],
[Yearly Income]
) USING Microsoft_Decision_Trees
WITH DRILLTHROUGH

8. En el cuadro de dilogo Guardar como, desplcese a la carpeta correspondiente y asigne el nombre DT_Model.dmx al archivo.
9. En la barra de herramientas, haga clic en el botn Ejecutar.
Agregar un modelo de minera de datos de agrupacin en clsteres a la estructura

A continuacin, podr agregar un modelo de minera de datos a la estructura de minera de datos Bike Buyer basado en el algoritmo de clsteres de Microsoft. Puesto
que el modelo de minera de datos de agrupacin en clsteres utilizar todas las columnas definidas en la estructura de minera de datos, puede utilizar un acceso
directo para agregar el modelo a la estructura sin incluir la definicin de las columnas de minera de datos.
Para agregar un modelo de minera de datos de agrupacin en clsteres

1. En el Explorador de objetos, haga clic con el botn secundario en la instancia de Analysis Services, seleccione Nueva consulta y, a continuacin, haga clic en
por:
[Bike Buyer]
<mining model>
por:
Clustering Model
5. Elimine lo siguiente:
(
[<key column>],
)
USING <algorithm name>( <algorithm parameters> )
por:
USING Microsoft_Clustering
Ahora la apariencia de la instruccin completa debe ser como la siguiente:
ALTER MINING STRUCTURE [Bike Buyer]

ADD MINING MODEL [Clustering]
USING Microsoft_Clustering

8. En el cuadro de dilogo Guardar como, desplcese a la carpeta correspondiente y asigne el nombre Clustering_Model.dmx al archivo.
En la siguiente leccin procesar los modelos y la estructura de minera de datos.
Leccin siguiente
Leccin 3: Procesar la estructura de minera de datos de Bike Buyer
Leccin 3: Procesar la estructura de minera de datos de Bike

Buyer
SQL Server 2014
En esta leccin usar la instruccin INSERT INTO y la vista vTargetMail de la base de datos de muestra AdventureWorksDW2012 para procesar las estructuras y los
modelos de minera de datos creados en la Leccin 1: Crear la estructura de minera de datos de Bike Buyer y en la Leccin 2: Agregar modelos de minera de datos a la
estructura de minera de datos de Bike Buyer.
Al procesar una estructura de minera de datos, Analysis Services lee los datos de origen y genera las estructuras que admiten los modelos de minera de datos. Al
procesar un modelo de minera de datos, los datos definidos por la estructura de minera de datos se pasan por el algoritmo de minera de datos que elija. El algoritmo
busca tendencias y patrones y, a continuacin, almacena esta informacin en el modelo de minera de datos. Por consiguiente, el modelo de minera de datos no contiene
los datos de origen reales, sino la informacin descubierta por el algoritmo. Para obtener ms informacin sobre cmo procesar modelos de minera de datos, vea
Requisitos y consideraciones de procesamiento minera de datos.
Solamente necesita volver a procesar una estructura de minera de datos si cambia una columna de la estructura o los datos de origen. Si agrega un modelo de minera
de datos a una estructura de minera de datos que ya se ha procesado, puede usar la instruccin INSERT INTO MINING MODEL para entrenar el nuevo modelo de
minera de datos.
Entrenar la plantilla de la estructura

Para entrenar la estructura de minera de datos y los modelos de minera de datos asociados, use la instruccin INSERT INTO (DMX). El cdigo de la instruccin se
puede dividir en las partes siguientes:

Visualizacin en una lista de las columnas de la estructura de minera de datos
Definicin de los datos de entrenamiento
A continuacin, se incluye un ejemplo genrico de la instruccin INSERT INTO:
INSERT INTO MINING STRUCTURE [<mining structure name>]

(
)
OPENQUERY([<datasource>],'<SELECT statement>')
La primera lnea del cdigo identifica la estructura de minera de datos que se entrenar:
La lnea siguiente del cdigo especifica las columnas definidas por la estructura de minera de datos. Debe incluir en la lista cada una de las columnas de la estructura
de minera de datos, y cada columna debe estar asignada a una columna incluida en los datos de la consulta de origen:
(
)
La ltima lnea del cdigo define los datos que se usarn para entrenar la estructura de minera de datos:
En esta leccin usar OPENQUERY para definir los datos de origen. Para obtener informacin acerca de otros mtodos para definir la consulta de origen, vea <source
data query>.
Tareas de la leccin
En esta leccin realizar la tarea siguiente:
Procesar la estructura de minera de datos de Bike Buyer
Procesar la estructura de minera de datos de prediccin
Para procesar la estructura de minera de datos con INSERT INTO

1. En el Explorador de objetos, haga clic con el botn secundario en la instancia de Analysis Services, seleccione Nueva consulta y haga clic en DMX.
Se abre el Editor de consultas, que contiene una consulta nueva en blanco.
2. Copie el ejemplo genrico de la instruccin INSERT INTO en la consulta en blanco.
[<mining structure name>]
por:
Bike Buyer
por:
[Customer Key],
[Age],
[Bike Buyer],
[Commute Distance],
[Education],
[Gender],
[House Owner Flag],
[Marital Status],
[Occupation],
[Region],
[Total Children],
[Yearly Income]
por:
OPENQUERY([Adventure Works DW],

'SELECT CustomerKey, Age, BikeBuyer,
CommuteDistance,EnglishEducation,
Gender,HouseOwnerFlag,MaritalStatus,
NumberCarsOwned,NumberChildrenAtHome,
EnglishOccupation,Region,TotalChildren,
YearlyIncome
FROM dbo.vTargetMail')
La instruccin OPENQUERY hace referencia al origen de datos de Adventure Works DW Multidimensional 2012 para obtener acceso a la vista vTargetMail. La
vista contiene los datos de origen que se usarn para entrenar los modelos de minera de datos.
Ahora la apariencia de la instruccin completa debe ser como la siguiente:
INSERT INTO MINING STRUCTURE [Bike Buyer]

(
[Customer Key],
[Age],
[Bike Buyer],
[Commute Distance],
[Education],
[Gender],
[House Owner Flag],
[Marital Status],

[Occupation],
[Region],
[Total Children],
[Yearly Income]
)
OPENQUERY([Adventure Works DW],
'SELECT CustomerKey, Age, BikeBuyer,
CommuteDistance,EnglishEducation,
Gender,HouseOwnerFlag,MaritalStatus,
NumberCarsOwned,NumberChildrenAtHome,
EnglishOccupation,Region,TotalChildren,
YearlyIncome
FROM dbo.vTargetMail')

7. En el cuadro de dilogo Guardar como, desplcese a la carpeta correspondiente y asigne el nombre Process Bike Buyer Structure.dmx al archivo.
En la siguiente leccin explorar el contenido de los modelos de minera de datos que ha agregado a la estructura de minera de datos en esta leccin.
Leccin siguiente
Leccin 4: Examinar los modelos de minera de datos de Bike Buyer
Leccin 4: Examinar los modelos de minera de datos de Bike

Buyer
SQL Server 2014
En esta leccin utilizar la instruccin SELECT (DMX) para explorar el contenido de los modelos de minera de datos del rbol de decisin y de la agrupacin en clsteres
creada en Leccin 2: Agregar modelos de minera de datos a la estructura de minera de datos Bike Buyer.
Las columnas incluidas en un modelo de minera de datos no son las columnas definidas por la estructura de minera de datos, sino un conjunto especfico de columnas
que describen las tendencias y los patrones encontrados por el algoritmo. Estas columnas del modelo de minera de datos se describen en el conjunto de filas del
esquema DMSCHEMA_MINING_MODEL_CONTENT. Por ejemplo, la columna MODEL_NAME del conjunto de filas del esquema de contenido incluye el nombre del modelo
de minera de datos. Para un modelo de minera de datos de agrupacin en clsteres, la columna NODE_CAPTION contiene el nombre de cada clster y la columna
NODE_DESCRIPTION, una descripcin de las caractersticas de cada clster. Puede examinar estas columnas si utiliza la instruccin SELECT FROM <model>.CONTENT en
DMX. Tambin puede utilizar esta instruccin para explorar los datos utilizados para crear el modelo de minera de datos. La obtencin de detalles debe estar habilitada
en la estructura de minera de datos para poder usar esta instruccin. Para obtener ms informacin acerca de la instruccin, vea SELECT FROM <model>.CASES (DMX).
Tambin se pueden devolver todos los estados de una columna discreta mediante la instruccin SELECT DISTINCT. Por ejemplo, si realiza esta operacin en una columna
que contiene gneros, la consulta devolver male y female.
Tareas de la leccin
Explorar el contenido incluido en los modelos de minera de datos

Devolver los casos de los datos de origen utilizados para entrenar los modelos de minera de datos
Explorar los distintos estados disponibles para una columna discreta especfica
Devolver el contenido de un modelo de minera de datos

En esta leccin utilizar la instruccin SELECT FROM <model>.CONTENT (DMX) para devolver el contenido del modelo de agrupacin en clsteres.
A continuacin, se incluye un ejemplo genrico de la instruccin SELECT FROM <model>.CONTENT:
SELECT <select list> FROM [<mining model>].CONTENT

WHERE <where clause>
En la primera lnea del cdigo se definen las columnas que deben devolverse a partir del contenido del modelo de minera de datos y el modelo de minera de datos
al que estn asociadas:
SELECT <select list> FROM [<mining model].CONTENT
La clusula .CONTENT junto al nombre del modelo de minera de datos especifica que se devuelve el contenido del modelo de minera de datos. Para obtener ms
informacin acerca de las columnas incluidas en el modelo de minera de datos, vea Conjunto de filas DMSCHEMA_MINING_MODEL_CONTENT.
Opcionalmente, puede utilizar la ltima lnea del cdigo para filtrar los resultados devueltos por la instruccin:
WHERE <where clause>
Por ejemplo, si desea restringir los resultados de la consulta a solo los clsteres que contengan un gran nmero de casos, puede agregar la siguiente clusula WHERE
a la instruccin SELECT:
WHERE NODE_SUPPORT > 100
Para obtener ms informacin acerca de cmo utilizar la instruccin WHERE, vea SELECT (DMX).
Para devolver el contenido del modelo de minera de datos de agrupacin en clsteres

2. Copie el ejemplo genrico de la instruccin SELECT FROM <model>.CONTENT en la consulta en blanco.
<select list>
por:
Tambin puede reemplazar * por una lista de cualquiera de las columnas incluidas en el conjunto de filas DMSCHEMA_MINING_MODEL_CONTENT.
[<mining model>]
por:
[Clustering]
Ahora, la instruccin completa debera ser como sigue:
SELECT * FROM [Clustering].CONTENT

6. En el cuadro de dilogo Guardar como, desplcese a la carpeta correspondiente y asigne el nombre SELECT_CONTENT.dmx al archivo.
La consulta devuelve el contenido del modelo de minera de datos.
Usar la obtencin de detalles

El paso siguiente es usar la instruccin de obtencin de detalles para devolver el muestreo de los casos utilizados para entrenar el modelo de minera de datos del
rbol de decisin. En esta leccin utilizar la instruccin SELECT FROM <model>.CASES (DMX) para devolver el contenido del modelo del rbol de decisin.
A continuacin, se incluye un ejemplo genrico de la instruccin SELECT FROM <model>.CASES:
SELECT <select list>

FROM [<mining model>].CASES
WHERE IsInNode('<node id>')
En la primera lnea del cdigo se definen las columnas que deben devolverse a partir de los datos de origen y el modelo de minera de datos en el que se incluyen:
SELECT <select list> FROM [<mining model>].CASES
La clusula .CASES especifica que se est realizando una consulta de obtencin de detalles. Para poder utilizar la obtencin de detalles, debe habilitarla al crear el
La ltima lnea del cdigo es opcional y especifica el nodo del modelo de minera de datos del que se solicitan casos:
WHERE IsInNode('<node id>')
Para obtener ms informacin acerca de cmo utilizar la instruccin WHERE con IsInNode, vea SELECT FROM <model>.CASES (DMX).
Para devolver los casos utilizados para entrenar el modelo de minera de datos
2. Copie el ejemplo genrico de la instruccin SELECT FROM <model>.CASES en la consulta en blanco.
<select list>
por:
Tambin puede reemplazar * por una lista de las columnas incluidas dentro de los datos de origen como [Bike Buyer].
[<mining model>]
por:
[Decision Tree]
SELECT *
FROM [Decision Tree].CASES

6. En el cuadro de dilogo Guardar como, desplcese a la carpeta correspondiente y asigne el nombre SELECT_DRILLTHROUGH.dmx al archivo.
La consulta devuelve los datos de origen utilizados para entrenar el modelo de minera de datos del rbol de decisin.
Devolver los estados de una columna discreta del modelo de minera de datos
El paso siguiente es utilizar la instruccin SELECT DISTINCT para devolver los distintos estados posibles en la columna del modelo de minera de datos que se ha
especificado.
A continuacin, se incluye un ejemplo genrico de la instruccin SELECT DISTINCT:
SELECT DISTINCT [<column>]

FROM [<mining model>]
En la primera lnea del cdigo se definen las columnas del modelo de minera de datos para las que se devolvern estados:
SELECT DISTINCT [<column>]
Debe incluir DISTINCT para devolver todos los estados de la columna. Si no incluye DISTINCT, la instruccin completa se convierte en un acceso directo para una
prediccin y devuelve el estado ms probable de la columna especificada. Para obtener ms informacin, vea SELECT (DMX).
Para devolver los estados de una columna discreta

2. Copie el ejemplo genrico de la instruccin SELECT DISTINCT en la consulta en blanco.
[<column,name>
por:
[Bike Buyer]
[<mining model>]
por:
[Decision Tree]
SELECT DISTINCT [Bike Buyer]

FROM [Decision Tree]

6. En el cuadro de dilogo Guardar como, desplcese a la carpeta correspondiente y asigne el nombre SELECT_DISCRETE.dmx al archivo.
La consulta devuelve los estados posibles de la columna Bike Buyer.
En la siguiente leccin predecir si los clientes potenciales sern compradores de bicicletas, utilizando el modelo de minera de datos del rbol de decisin.
Leccin siguiente

SQL Server 2014
En esta leccin utilizar el formato SELECT FROM <model> PREDICTION JOIN (DMX) de la instruccin SELECT para crear dos tipos distintos de predicciones basados en el
modelo del rbol de decisin creado en Leccin 2: agregar modelos de minera de datos a la estructura de minera de datos. Estos tipos de predicciones se definen a
continuacin.
Consulta singleton
Use una consulta singleton para proporcionar valores ad hoc al realizar predicciones. Por ejemplo, puede determinar si es probable que un cliente sea un
comprador de bicicletas pasando entradas a la consulta, como la distancia al lugar de trabajo, el prefijo telefnico o el nmero de hijos del cliente. La consulta
singleton devuelve un valor que indica la probabilidad de que la persona compre una bicicleta basndose en esas entradas.
Consulta por lotes
Utilice una consulta por lotes para determinar qu clientes potenciales incluidos en una tabla es probable que adquieran una bicicleta. Por ejemplo, si el
departamento de marketing le proporciona una lista de clientes y atributos de clientes, puede utilizar una prediccin por lotes para determinar qu clientes de la
tabla es probable que adquieran una bicicleta.
El formato SELECT FROM <model> PREDICTION JOIN (DMX) de la instruccin SELECT consta de tres partes:
Una lista de las funciones de prediccin y las columnas del modelo de minera de datos devueltas en los resultados. Los resultados tambin pueden incluir
columnas de entrada de los datos de origen.
La consulta de origen que define los datos que se utilizan para crear una prediccin. Por ejemplo, en una consulta por lotes, podra ser una lista de clientes.
Una asignacin entre las columnas del modelo de minera de datos y los datos de origen. Si los nombres coinciden, puede utilizar la sintaxis NATURAL y no incluir
las asignaciones de columnas.
La consulta se puede mejorar an ms si se utilizan funciones de prediccin. Las funciones de prediccin proporcionan informacin adicional como, por ejemplo, la
probabilidad de que se produzca una prediccin, y ofrecen compatibilidad con la prediccin en el conjunto de datos de entrenamiento. Para obtener ms informacin
acerca de las funciones de prediccin, vea Funciones (DMX).
Las predicciones de este tutorial se basan en la tabla ProspectiveBuyer de la base de datos de ejemplo AdventureWorksDW2012 . La tabla ProspectiveBuyer contiene una
lista de clientes potenciales y de sus caractersticas asociadas. Los clientes de esta tabla son independientes de los clientes utilizados para crear el modelo de minera de
datos del rbol de decisin.
Tambin se pueden crear predicciones usando el generador de consultas de prediccin de SQL Server Data Tools SSDT.
Tareas de la leccin
Crear una consulta singleton para determinar si es probable que un cliente especfico adquiera una bicicleta.
Crear una consulta por lotes para determinar qu clientes de los incluidos en una tabla es probable que adquieran una bicicleta.
Consulta singleton
El primer paso es usar SELECT FROM <modelo> PREDICTION JOIN (DMX) en una consulta de prediccin singleton. A continuacin, se incluye un ejemplo genrico de la
instruccin singleton:
SELECT <select list> FROM [<mining model name>]

(SELECT '<value>' AS [<column>], ...)
AS [<input alias>]
En la primera lnea del cdigo se definen las columnas del modelo de minera de datos que debe devolver la consulta y se especifica el modelo de minera de datos
usado para generar la prediccin:
SELECT <select list> FROM [<mining model name>]
En las lneas siguientes del cdigo se definen las caractersticas del cliente que se utilizan para crear una prediccin:

(SELECT '<value>' AS [<column>], ...)
AS [<input alias>]
ORDER BY <expression>
Si especifica NATURAL PREDICTION JOIN, el servidor compara los nombres de cada columna del modelo con los nombres de las columnas de los datos de entrada. Si
los nombres de columna no coinciden, las columnas se omiten.
Para crear una consulta de prediccin singleton

2. Copie el ejemplo genrico de la instruccin singleton en la consulta en blanco.
<select list>
por:
[Bike Buyer] AS Buyer, PredictHistogram([Bike Buyer]) AS Statistics
La instruccin AS se utiliza para asignar un alias a las columnas devueltas por la consulta. La funcin PredictHistogram devuelve estadsticas acerca de la
prediccin, incluidas la probabilidad y la compatibilidad. Para obtener ms informacin acerca de las funciones que se pueden utilizar en una instruccin de
prediccin, vea Funciones (DMX).
[<mining model>]
por:
[Decision Tree]
(SELECT '<value>' AS [<column name>], ...)
AS t
por:
(SELECT 35 AS [Age],
'5-10 Miles' AS [Commute Distance],
'1' AS [House Owner Flag],
2 AS [Number Cars Owned],
2 AS [Total Children]) AS t
SELECT
[Bike Buyer] AS Buyer,
PredictHistogram([Bike Buyer]) AS Statistics
FROM
[Decision Tree]
(SELECT 35 AS [Age],
'5-10 Miles' AS [Commute Distance],
'1' AS [House Owner Flag],
2 AS [Number Cars Owned],
2 AS [Total Children]) AS t

7. En el cuadro de dilogo Guardar como, desplcese a la carpeta correspondiente y asigne el nombre Singleton_Query.dmx al archivo.
La consulta devuelve una prediccin acerca de si un cliente con las caractersticas especificadas adquirir una bicicleta, as como estadsticas acerca de la
prediccin.
Consulta por lotes

El paso siguiente es utilizar SELECT FROM <modelo> PREDICTION JOIN (DMX) en una consulta de prediccin por lotes. A continuacin, se incluye un ejemplo genrico
de una instruccin por lotes:
SELECT TOP <number> <select list>

FROM [<mining model name>]
PREDICTION JOIN
AS [<input alias>]
ON <on clause, mapping,>
WHERE <where clause, boolean expression,>
Como en la consulta singleton, en las dos primeras lneas del cdigo se definen las columnas del modelo de minera de datos devueltas por la consulta, as como el
nombre del modelo de minera de datos utilizado para generar la prediccin. La instruccin TOP <number> especifica que la consulta solo devolver el nmero o los
resultados especificados por <number>.
En las lneas siguientes del cdigo se definen los datos de origen en los que se basan las predicciones:
AS [<input alias>]
En cuanto al mtodo utilizado para recuperar los datos de origen, hay varias opciones, pero en este tutorial se usar OPENQUERY. Para obtener ms informacin
acerca de las opciones disponibles, vea <source data query>.
En la lnea siguiente se definen la asignacin entre las columnas de origen del modelo de minera de datos y las columnas de los datos de origen:
ON <column mappings>
La clusula WHERE filtra los resultados devueltos por la consulta de prediccin:
En la ltima lnea del cdigo, que es opcional, se especifica la columna por la cual se ordenarn los resultados:
ORDER BY <expression> [DESC|ASC]
Utilice ORDER BY en combinacin con la instruccin TOP <number> para filtrar los resultados devueltos. Por ejemplo, en esta prediccin se devolvern los diez
principales compradores de bicicletas, ordenados por la probabilidad de que la prediccin sea correcta. Puede utilizar la sintaxis [DESC|ASC] para controlar el orden en
el que aparecen los resultados.
Para crear una consulta de prediccin por lotes

2. Copie el ejemplo genrico de la instruccin por lotes en la consulta en blanco.
<select list>
por:
SELECT
TOP 10
t.[LastName],
t.[FirstName],
[Decision Tree].[Bike Buyer],
PredictProbability([Bike Buyer])
La clusula TOP 10 especifica que la consulta solo devolver los diez primeros resultados. La instruccin ORDER BY de esta consulta ordena los resultados segn
la probabilidad de que la prediccin sea correcta, por lo que solo se devolvern los diez resultados ms probables.
4. Reemplace el marcador de posicin siguiente:
[<mining model>]
Con el nombre del modelo:
[Decision Tree]
5. Reemplace la instruccin OPENQUERY genrica siguiente:
Con una instruccin que haga referencia al almacenamiento de datos Adventureworks actual, por ejemplo:
OPENQUERY([Adventure Works DW 2014],

'SELECT
[LastName],
[FirstName],
[MaritalStatus],
[Gender],
[YearlyIncome],
[TotalChildren],
[NumberChildrenAtHome],
[Education],
[Occupation],
[HouseOwnerFlag],
[NumberCarsOwned]
FROM
[dbo].[ProspectiveBuyer]
') AS t
6. Reemplace la sintaxis genrica siguiente:
<ON clause, mapping,>

Con las asignaciones de columna necesarias para este modelo y conjunto de datos de entrada:
[Decision Tree].[Marital Status] = t.[MaritalStatus] AND

[Decision Tree].[Gender] = t.[Gender] AND
[Decision Tree].[Yearly Income] = t.[YearlyIncome] AND
[Decision Tree].[Total Children] = t.[TotalChildren] AND
[Decision Tree].[Number Children At Home] = t.[NumberChildrenAtHome] AND
[Decision Tree].[Education] = t.[Education] AND
[Decision Tree].[Occupation] = t.[Occupation] AND
[Decision Tree].[House Owner Flag] = t.[HouseOwnerFlag] AND
[Decision Tree].[Number Cars Owned] = t.[NumberCarsOwned]
WHERE [Decision Tree].[Bike Buyer] =1
ORDER BY PredictProbability([Bike Buyer]) DESC
Especifique DESC para que los resultados con la probabilidad ms alta aparezcan primero en la lista.
SELECT
TOP 10
t.[LastName],
t.[FirstName],
[Decision Tree].[Bike Buyer],
PredictProbability([Bike Buyer])
FROM
[Decision Tree]
PREDICTION JOIN
OPENQUERY([Adventure Works DW 2014],
'SELECT
[LastName],
[FirstName],
[MaritalStatus],
[Gender],
[YearlyIncome],
[TotalChildren],
[NumberChildrenAtHome],
[Education],
[Occupation],
[HouseOwnerFlag],
[NumberCarsOwned]
FROM
[dbo].[ProspectiveBuyer]
') AS t
ON
[Decision Tree].[Marital Status] = t.[MaritalStatus] AND
[Decision Tree].[Gender] = t.[Gender] AND
[Decision Tree].[Yearly Income] = t.[YearlyIncome] AND
[Decision Tree].[Total Children] = t.[TotalChildren] AND
[Decision Tree].[Number Children At Home] = t.[NumberChildrenAtHome] AND
[Decision Tree].[Education] = t.[Education] AND
[Decision Tree].[Occupation] = t.[Occupation] AND
[Decision Tree].[House Owner Flag] = t.[HouseOwnerFlag] AND
[Decision Tree].[Number Cars Owned] = t.[NumberCarsOwned]
WHERE [Decision Tree].[Bike Buyer] =1
ORDER BY PredictProbability([Bike Buyer]) DESC

8. En el cuadro de dilogo Guardar como, desplcese a la carpeta correspondiente y asigne el nombre Batch_Prediction.dmx al archivo.
La consulta devuelve una tabla que contiene nombres de cliente, una prediccin acerca de si cada cliente adquirir una bicicleta y la probabilidad de la
prediccin.
ste es el ltimo paso del tutorial de Bike Buyer. Ahora dispone de un conjunto de modelos de minera de datos que puede utilizar para explorar las similitudes entre
sus clientes y predecir si los clientes potenciales adquirirn una bicicleta.
Para aprender a utilizar DMX en un escenario de Market Basket, vea Tutorial DMX de Market Basket.

SQL Server 2014
En este tutorial aprender a crear, entrenar y explorar modelos de minera de datos utilizando el lenguaje de consulta Extensiones de minera de datos DMX. A
continuacin, estos modelos de minera de datos se utilizarn para crear predicciones que describen los productos que tienden a adquirirse simultneamente.
Los modelos de minera de datos se crearn a partir de los datos incluidos en la base de datos de ejemplo AdventureWorksDW2012 , que almacena datos de la empresa
ficticia Adventure Works Cycles. Adventure Works Cycles es una gran empresa multinacional de fabricacin. La empresa fabrica y vende bicicletas de metal y de materiales
compuestos en los mercados de Norteamrica, Europa y Asia. Su sede central de operaciones se encuentra en Bothell, Washington, con 290 empleados, y tiene
distribuidos varios equipos regionales de ventas en toda su base de mercado internacional.

Adventure Works Cycles ha decidido crear una aplicacin personalizada que utiliza la funcionalidad de minera de datos para predecir los tipos de productos que los
clientes tienden a adquirir simultneamente. El objetivo de la aplicacin personalizada es poder especificar un conjunto de productos y predecir los productos
adicionales que se adquirirn con los productos especificados. A continuacin, Adventure Works Cycles utilizar esta informacin para agregar una caracterstica de
"sugerencia" a su sitio web y tambin para organizar mejor la forma en que presenta la informacin a sus clientes.
Microsoft SQL Server Analysis Services proporciona varias herramientas que se pueden usar para realizar esta tarea:
El lenguaje de consulta DMX

El Algoritmo de asociacin de Microsoft
Extensiones de minera de datos DMX es un lenguaje de consulta proporcionado por Analysis Services que sirve para crear y trabajar con modelos de minera de
datos. El algoritmo de asociacin de Microsoft crea modelos que pueden predecir los productos con probabilidad de adquirirse juntos.
El objetivo de este tutorial es proporcionar las consultas DMX que se utilizarn en la aplicacin personalizada.
Para obtener ms informacin: Soluciones de minera de datos
Estructura de minera de datos y modelos de minera de datos

Antes de empezar a crear instrucciones DMX, es importante comprender los objetos principales utilizados por Analysis Services para crear modelos de minera de
datos. La estructura de minera de datos es una estructura de datos que define el dominio de datos a partir del cual se generan los modelos de minera de datos. Una
estructura de minera de datos sencilla puede contener varios modelos de minera de datos que comparten el mismo dominio. Un modelo de minera de datos aplica un
algoritmo de modelo de minera a los datos, que se representan en una estructura de minera de datos.
Las unidades de creacin de la estructura de minera de datos son las columnas de la estructura de minera de datos, que describen los datos que contiene el origen
de datos. Estas columnas contienen informacin como el tipo de datos, el tipo de contenido y el modo en que se distribuyen los datos.
Las columnas de los modelos de minera de datos deben incluir la columna de clave descrita en la estructura de minera de datos, as como un subconjunto de las
columnas restantes. El modelo de minera de datos define el uso de cada columna y el algoritmo utilizado para crearlo. Por ejemplo, en DMX puede especificar que
una columna sea una columna de clave o una columna PREDICT. Si una columna no se especifica, se considera que es una columna de entrada.
En DMX, hay dos formas de crear modelos de minera de datos. Puede crear la estructura de minera de datos y el modelo de minera de datos asociado juntos
usando la instruccin CREATE MINING MODEL o bien, puede crear primero una estructura de minera de datos usando la instruccin CREATE MINING STRUCTURE y,
a continuacin, agregar un modelo de minera de datos a la estructura usando la instruccin ALTER STRUCTURE. Estos mtodos se describen a continuacin.
CREATE MINING MODEL

Utilice esta instruccin para crear una estructura de minera de datos y el modelo de minera de datos asociado juntos, con el mismo nombre. Se anexa
"Structure" al nombre del modelo de minera de datos para diferenciarlo de la estructura de minera de datos.
Esta instruccin resulta til si crea una estructura de minera de datos que incluir un nico modelo de minera de datos.
Para obtener ms informacin, vea CREATE MINING MODEL (DMX).
CREATE MINING STRUCTURE
Utilice esta instruccin para crear una nueva estructura de minera de datos sin ningn modelo.
Cuando usa la instruccin CREATE MINING STRUCTURE, tambin puede crear un conjunto de datos de exclusiones que se puede utilizar para probar cualquier
modelo que est basado en la misma estructura de minera de datos.
Para obtener ms informacin, vea CREATE MINING STRUCTURE (DMX).
ALTER MINING STRUCTURE
Utilice esta instruccin para agregar un modelo de minera de datos a una estructura de minera de datos que ya existe en el servidor.
Hay varios motivos por los que puede desear agregar ms de un modelo de minera de datos en una nica estructura de minera de datos. Por ejemplo, podra
crear varios modelos de minera de datos utilizando algoritmos distintos para ver cul funciona mejor. O bien, podra crear varios modelos de minera de datos
usando el mismo algoritmo, pero con un parmetro establecido de forma distinta para cada uno de ellos, con el fin de encontrar el mejor valor para el
parmetro.
Para obtener ms informacin, vea ALTER MINING STRUCTURE (DMX).
Puesto que crear una estructura de minera de datos que contiene varios modelos de minera de datos, utilizar el segundo mtodo en este tutorial.
Para obtener ms informacin
Referencia de Extensiones de minera de datos DMX , Descripcin de la instruccin Select DMX, Estructura y uso de las consultas de prediccin DMX
Aprendizaje
Leccin 1: Crear la estructura de minera de la cesta de la compra

En esta leccin aprender a usar la instruccin CREATE para crear estructuras de minera de datos.
Leccin 2: Agregar modelos de minera a la estructura de minera cesta de la compra
En esta leccin aprender a usar la instruccin ALTER para agregar modelos de minera de datos a una estructura de minera de datos.
Leccin 3: Procesar la estructura de minera de datos de la cesta de la compra
En esta leccin aprender a usar la instruccin INSERT INTO para procesar estructuras de minera de datos y sus modelos de minera de datos asociados.
Leccin 4: Ejecutar predicciones de cesta de la compra
En esta leccin aprender a usar la instruccin PREDICTION JOIN para crear predicciones basadas en modelos de minera de datos.
Requisitos

La base de datos AdventureWorksDW2012
Con el fin de mejorar la seguridad, las bases de datos de ejemplo no se instalan de forma predeterminada. Para instalar las bases de datos de ejemplo oficiales para
Microsoft SQL Server, vaya a http://www.CodePlex.com/MSFTDBProdSamples o a la seccin Microsoft SQL Server Product Samples de la pgina de inicio de Microsoft
SQL Server Samples and Community Projects. Haga clic en Databases y, a continuacin, en la pestaa Releases, y seleccione las bases de datos que desee.
Nota
Vea tambin
Tasks
Conceptos
Leccin 1: Crear la estructura de minera de la cesta de la

compra
SQL Server 2014
En esta leccin crear una estructura de minera de datos que permita predecir qu productos de Adventure Works Cycles tiende a adquirir un cliente simultneamente. Si
no est familiarizado con las estructuras de minera de datos y su rol en la minera de datos, vea Estructuras de minera de datos Analysis Services Minera de datos.
La estructura de minera de datos de asociacin que crear en esta leccin admite la adicin de modelos de minera de datos basados en el Algoritmo de asociacin de
Microsoft. En lecciones posteriores utilizar los modelos de minera de datos para predecir el tipo de productos que un cliente tiende a adquirir simultneamente, lo que
se denomina anlisis de cesta de mercado Market Basket. Por ejemplo, es posible que averige que los clientes tienden a comprar bicicletas de montaa, ruedas y
cascos simultneamente.
En esta leccin se define la estructura de minera de datos utilizando tablas anidadas. Se utilizan tablas anidadas porque el dominio de datos que definir la estructura se
incluye en dos tablas de origen distintas. Para obtener ms informacin acerca de las tablas anidadas, vea Tablas anidadas Analysis Services Minera de datos.
Instruccin CREATE MINING STRUCTURE

Para crear una estructura de minera de datos que incluya una tabla anidada, se utiliza la instruccin CREATE MINING STRUCTURE (DMX). El cdigo de la instruccin se
puede dividir en las partes siguientes:
Asignacin de un nombre a la estructura

Definicin de las columnas de minera de datos
Definicin de las columnas de la tabla anidada
A continuacin, se incluye un ejemplo genrico de la instruccin CREATE MINING STRUCTURE:
CREATE MINING STRUCTURE [<Mining Structure Name>]

(
<key column>,
<mining structure columns>,
<table columns>
( <nested key column>,
<nested mining structure columns> )
)
En la primera lnea del cdigo se define el nombre de la estructura:
CREATE MINING STRUCTURE [Mining Structure Name]
En la siguiente lnea del cdigo se define la columna de clave para la estructura de minera de datos, que identifica de forma nica una entidad de los datos de origen:
<key column>
La siguiente lnea del cdigo se utiliza para definir las columnas de minera de datos que usarn los modelos de minera de datos asociados a la estructura de minera
de datos:
En las siguientes lneas de cdigo se definen las columnas de la tabla anidada:
<table columns>
Para obtener informacin acerca de los tipos de columnas de estructura de minera de datos que puede definir, vea Columnas de la estructura de minera de datos.
Nota
De forma predeterminada, SQL Server Data Tools SSDT crea un conjunto de datos de exclusin del 30 por ciento para cada estructura de minera de datos; sin
embargo, al utilizar DMX para crear una estructura de minera de datos, debe agregar el conjunto de datos de exclusiones manualmente, si as se desea.
Tareas de la leccin
Crear una consulta en blanco

Modificar la consulta para crear la estructura de minera de datos
Crear la consulta
El paso siguiente es modificar la instruccin CREATE MINING STRUCTURE descrita anteriormente para crear la estructura de minera de datos Market Basket.
Para personalizar la instruccin CREATE MINING STRUCTURE

1. En el Editor de consultas, copie el ejemplo genrico de la instruccin CREATE MINING STRUCTURE en la consulta en blanco.
[mining structure name]
por:
[Market Basket]
<key column>
por:
OrderNumber TEXT KEY
<table columns>
por:
[Products] TABLE (
[Model] TEXT KEY
El lenguaje TEXT KEY especifica que la columna Model es la columna de clave de la tabla anidada.
Ahora, la instruccin completa de la estructura de minera de datos debera ser como sigue:
CREATE MINING STRUCTURE [Market Basket] (

OrderNumber TEXT KEY,
[Products] TABLE (
[Model] TEXT KEY
)
)

6. En el cuadro de dilogo Guardar como, desplcese a la carpeta correspondiente y asigne el nombre Market Basket Structure.dmx al archivo.
El ltimo paso es ejecutar la consulta. Despus de crear y guardar una consulta, debe ejecutarse es decir, debe ejecutarse la instruccin para crear la estructura de
minera de datos en el servidor. Para obtener ms informacin acerca de la ejecucin de consultas en el Editor de consultas, vea Editor de consultas del motor de base
de datos (SQL Server Management Studio).

Executing the query

Execution complete
Ahora hay una nueva estructura denominada Market Basket en el servidor.
En la siguiente leccin agregar modelos de minera de datos a la estructura de minera de datos Market Basket que acaba de crear.
Leccin siguiente
Leccin 2: Agregar modelos de minera a la estructura de minera cesta de la compra
Leccin 2: Agregar modelos de minera a la estructura de

minera cesta de la compra
SQL Server 2014
En esta leccin agregar dos modelos de minera de datos a la estructura Market Basket que cre en Leccin 1: Crear la estructura de minera de la cesta de la compra.
Estos modelos de minera de datos le permitirn crear predicciones.
Para predecir los tipos de artculos que los clientes suelen adquirir simultneamente, crear dos modelos de minera de datos usando el Algoritmo de asociacin de
Microsoft y dos valores distintos para el parmetro MINIMUM_PROBABILTY.
MINIMUM_PROBABILTY es un parmetro del algoritmo de asociacin de Microsoft importante que ayuda a determinar el nmero de reglas que contendr un modelo de
minera de datos, al especificar la probabilidad mnima que debe tener una regla. Por ejemplo, al establecer este valor en 0,4 se especifica que se puede generar una
regla solo si la combinacin de productos que la regla describe tiene al menos una probabilidad del 40 por ciento de que esto ocurra.
Ver el efecto de cambiar el parmetro MINIMUM_PROBABILTY en una leccin posterior.

Para agregar un modelo de minera de datos que incluya una tabla anidada a una estructura de minera de datos, se usa la instruccin ALTER MINING STRUCTURE
(DMX). El cdigo de la instruccin se puede dividir en las partes siguientes:

Definicin de las columnas de entrada y de prediccin
Definicin de las columnas de la tabla anidada
Identificacin de los cambios de parmetros y el algoritmo
El siguiente es un ejemplo genrico de la instruccin ALTER MINING STRUCTURE que agrega un modelo de minera de datos a una estructura que incluye columnas de
tabla anidada:
ALTER MINING STRUCTURE [<Mining Structure Name>]

ADD MINING MODEL [<Mining Model Name>]
(
[<key column>],
<mining model column> <usage>,
<table columns>
( [<nested key column>],
<nested mining model columns> )
) USING <algorithm>( <algorithm parameters> )
La primera lnea del cdigo identifica la estructura de minera de datos existente a la que se agregar el modelo de minera de datos:
Para obtener informacin sobre cmo denominar un objeto en Extensiones de minera de datos DMX, vea Identificadores (DMX).
Las lneas siguientes del cdigo definen las columnas de la estructura de minera de datos que usar el modelo de minera de datos:
[<key column>],
<mining model columns> <usage>,
Solo puede usar columnas que ya existen en la estructura de minera de datos.

La primera columna de la lista de columnas del modelo de minera de datos debe ser la columna de clave en la estructura de minera de datos. Sin embargo, no tiene
que escribir KEY despus de la columna de clave para especificar el uso. Eso se debe a que ya ha definido la columna como una clave cuando cre la estructura de
minera de datos.
Las lneas restantes especifican el uso de las columnas en el nuevo modelo de minera de datos. Puede especificar que una columna del modelo de minera de datos se
utilice para la prediccin mediante la sintaxis siguiente:
<column name> PREDICT,
Si no especifica el uso, no tiene que incluir una columna de la estructura de minera de datos en la lista. Todas las columnas que se usan por la estructura de minera de
datos a la que se hace referencia estn disponibles automticamente para su uso por parte de los modelos de minera de datos que se basan en dicha estructura. Sin
embargo, el modelo no usar las columnas para entrenamiento a menos que especifique el uso.
En la ltima lnea del cdigo se define el algoritmo y los parmetros del algoritmo que se utilizarn para generar el modelo de minera de datos.
) USING <algorithm>( <algorithm parameters> )
Tareas de la leccin
Agregar un modelo de minera de datos de asociacin a la estructura con la probabilidad predeterminada

Agregar un modelo de minera de datos de asociacin a la estructura con una probabilidad modificada
Agregar un modelo de minera de datos de asociacin a la estructura con el valor

predeterminado de MINIMUM_PROBABILITY
La primera tarea es agregar un nuevo modelo de minera de datos a la estructura de minera de datos Market Basket basado en el algoritmo de asociacin de
Microsoft usando el valor predeterminado de MINIMUM_PROBABILITY.
Agregar un modelo de minera de datos de asociacin

Nota
Para crear una consulta de DMX frente a una base de datos de Analysis Services concreta, haga clic con el botn secundario en la base de datos en lugar de
la instancia.
por:
[Market Basket]
<mining model name>
por:
[Default Association]
[<key column>],
<table columns>
por:
OrderNumber,
[Products] PREDICT (
[Model]
)
En este caso, la tabla [Products] se ha designado como la columna de prediccin. Adems, la columna [Model] est incluida en la lista de columnas de tabla
anidada porque es la columna de clave de la tabla anidada.
Nota
Recuerde que una clave anidada es diferente de una clave de caso. Una clave de caso es un identificador nico del caso, mientras que la clave anidada es un
atributo que desea usar como modelo.
USING <algorithm>( <algorithm parameters> )
por:
Using Microsoft_Association_Rules
ALTER MINING STRUCTURE [Market Basket]

ADD MINING MODEL [Default Association]
(
OrderNumber,
[Model]
)
)
Using Microsoft_Association_Rules

8. En el cuadro de dilogo Guardar como, busque la carpeta correspondiente y asigne el nombre Default_Association_Model.dmx al archivo.
Agregar un modelo de minera de datos de asociacin a la estructura cambiando el valor

predeterminado de MINIMUM_PROBABILITY
La siguiente tarea es agregar un nuevo modelo de minera de datos a la estructura de minera de datos Market Basket basado en el algoritmo de asociacin de
Microsoft y, despus, cambiar el valor predeterminado de MINIMUM_PROBABILITY a 0,01. Al cambiar el parmetro, el algoritmo de asociacin de Microsoft crear ms
reglas.
Agregar un modelo de minera de datos de asociacin

por:
Market Basket
<mining model name>
por:
[Modified Association]

<table columns>
por:
OrderNumber,
[Model]
)
En este caso, la tabla [Products] se ha designado como la columna de prediccin. Adems, la columna [MODEL] est incluida en la lista porque es la columna
de clave de la tabla anidada.
USING <algorithm>( <algorithm parameters> )
por:
USING Microsoft_Association_Rules (Minimum_Probability = 0.1)
ALTER MINING STRUCTURE [Market Basket]

ADD MINING MODEL [Modified Assocation]
(
OrderNumber,
[Model]
)
)
USING Microsoft_Association_Rules (Minimum_Probability = 0.1)

8. En el cuadro de dilogo Guardar como, desplcese a la carpeta correspondiente y asigne el nombre Modified Association_Model.dmx al archivo.
En esta siguiente leccin procesar la estructura de minera de datos Market Basket junto con sus modelos de minera de datos asociados.
Leccin siguiente
Leccin 3: Procesar la estructura de minera de datos de la cesta de la compra
Leccin 3: Procesar la estructura de minera de datos de la

cesta de la compra
SQL Server 2014
En esta leccin utilizar la instruccin INSERT INTO (DMX) y las vistas vAssocSeqLineItems y vAssocSeqOrders de la base de datos de ejemplo AdventureWorksDW2012
para procesar las estructuras de minera de datos y los modelos de minera de datos creados en Leccin 1: Crear la estructura de minera de la cesta de la compra y
Leccin 2: Agregar modelos de minera a la estructura de minera cesta de la compra.
Al procesar una estructura de minera de datos, Analysis Services lee los datos de origen y genera las estructuras que admiten los modelos de minera de datos. Al
procesar un modelo de minera de datos, los datos definidos por la estructura de minera de datos se pasan por el algoritmo de minera de datos que haya elegido. El
algoritmo busca tendencias y patrones y, a continuacin, almacena esta informacin en el modelo de minera de datos. Por consiguiente, el modelo de minera de datos
no contiene los datos de origen reales, sino la informacin descubierta por el algoritmo. Para obtener ms informacin acerca de cmo procesar modelos de minera de
datos, vea Requisitos y consideraciones de procesamiento minera de datos.
Solo debe volver a procesar una estructura de minera de datos si cambia una columna de la estructura o los datos de origen. Si agrega un modelo de minera de datos
a una estructura de minera de datos que ya se ha procesado, puede usar la instruccin INSERT INTO MINING MODEL para entrenar el nuevo modelo de minera de
datos en los datos existentes.
La estructura de minera de datos Market Basket contiene una tabla anidada, por lo que deber definir las columnas de minera de datos que deben entrenarse usando la
estructura de tablas anidadas y usar el comando SHAPE para definir las consultas que extraen los datos de aprendizaje de las tablas de origen.
Instruccin INSERT INTO

Para entrenar la estructura de minera de datos Market Basket y los modelos de minera de datos asociados, utilice la instruccin INSERT INTO (DMX). El cdigo de la
instruccin se puede dividir en las partes siguientes.

Visualizacin en una lista de las columnas de la estructura de minera de datos
Definicin de los datos de aprendizaje con SHAPE

(
[<nested table>]
( SKIP, <skipped column> )
)
SHAPE {
OPENQUERY([<datasource>],'<SELECT statement>') }
APPEND
(
{OPENQUERY([<datasource>],'<nested SELECT statement>')
}
RELATE [<case key>] TO [<foreign key>]
) AS [<nested table>]
La primera lnea del cdigo identifica la estructura de minera de datos que se entrenar:
Las lneas siguientes del cdigo especifican las columnas definidas por la estructura de minera de datos. Debe incluir en la lista cada una de las columnas de la
estructura de minera de datos, y cada columna debe estar asignada a una columna incluida en los datos de la consulta de origen. Puede usar SKIP para omitir
columnas de los datos de origen que no existen en la estructura de minera de datos. Para obtener ms informacin sobre cmo usar SKIP, vea INSERT INTO (DMX).
(
[<nested table>]
)
Las lneas finales del cdigo definen los datos que se utilizarn para entrenar la estructura de minera de datos. Los datos de origen se incluyen en dos tablas, por lo
que usar SHAPE para relacionar estas tablas.
SHAPE {
APPEND
(
{OPENQUERY([<datasource>],''<nested SELECT statement>'')
}
En esta leccin usar OPENQUERY para definir los datos de origen. Para obtener informacin acerca de otros mtodos para definir una consulta sobre los datos de
origen, vea <source data query>.
Tareas de la leccin
Procesar la estructura de minera de datos Market Basket
Procesar la estructura de minera de datos Market Basket

Para procesar la estructura de minera de datos con INSERT INTO
por:
Market Basket

[<nested table>]
por:
[OrderNumber],
[Products]
(SKIP, [Model])
En la instruccin, Products hace referencia a la tabla Products definida por la instruccin SHAPE. SKIP se usa para omitir la columna Model, que se encuentra en
el origen de datos como clave, pero no la usa la estructura de minera de datos.
SHAPE {
APPEND
(
{OPENQUERY([<datasource>],'<nested SELECT statement>')
}
por:
SHAPE {
OPENQUERY([Adventure Works DW],'SELECT OrderNumber
FROM vAssocSeqOrders ORDER BY OrderNumber')}
APPEND
(
{OPENQUERY([Adventure Works DW],'SELECT OrderNumber, Model FROM
dbo.vAssocSeqLineItems ORDER BY OrderNumber, Model')
}
RELATE OrderNumber to OrderNumber
) AS [Products]
La consulta de origen hace referencia al origen de datos AdventureWorksDW2012 definido en el proyecto de ejemplo AdventureWorksDW2012 . Usa este origen
de datos para tener acceso a las vistas vAssocSeqLineItems y vAssocSeqOrders. Estas vistas contienen los datos de origen que se utilizarn para entrenar el
modelo de minera de datos. Si no ha creado este proyecto o estas vistas, vea Tutorial bsico de minera de datos.
En el comando SHAPE, usar OPENQUERY para definir dos consultas. La primera consulta define la tabla primaria y la segunda, la tabla anidada. Las dos tablas
se relacionan mediante la columna OrderNumber, que existe en ambas tablas.
INSERT INTO MINING STRUCTURE [Market Basket]

(
[OrderNumber],[Products] (SKIP, [Model])
)
SHAPE {
OPENQUERY([Adventure Works DW],'SELECT OrderNumber
FROM vAssocSeqOrders ORDER BY OrderNumber')}
APPEND
(
{OPENQUERY([Adventure Works DW],'SELECT OrderNumber, Model FROM
dbo.vAssocSeqLineItems ORDER BY OrderNumber, Model')
}
RELATE OrderNumber to OrderNumber
) AS [Products]

7. En el cuadro de dilogo Guardar como, desplcese a la carpeta correspondiente y asigne el nombre Process Market Basket.dmx al archivo.
Despus de que la consulta haya terminado de ejecutarse, puede ver los modelos y los conjuntos de elementos encontrados, ver asociaciones o filtrar por conjunto de
elementos, probabilidad o importancia. Para ver esta informacin, en SQL Server Management Studio, haga clic con el botn secundario en el nombre del modelo de
datos y, a continuacin, hace clic en Examinar.
En la siguiente leccin crear varias predicciones basadas en los modelos de minera de datos que ha agregado a la estructura Market Basket.
Leccin siguiente

SQL Server 2014
En esta leccin usar la instruccin SELECT de DMX para crear predicciones basadas en los modelos de asociacin que cre en Leccin 2: Agregar modelos de minera a
la estructura de minera cesta de la compra. Para crear una consulta de prediccin se usa la instruccin SELECT de DMX y se agrega una clusula PREDICTION JOIN. Para
obtener ms informacin acerca de la sintaxis de una combinacin de prediccin, vea SELECT FROM <modelo> PREDICTION JOIN (DMX).
El formato SELECT FROM <model> PREDICTION JOIN de la instruccin SELECT consta de tres partes:
Una lista de las funciones de prediccin y las columnas del modelo de minera de datos devueltas en el conjunto de resultados. Esta lista tambin puede incluir
columnas de entrada de los datos de origen.
Una consulta de origen que define los datos que se usan para crear una prediccin. Por ejemplo, si est creando muchas predicciones en un lote, la consulta de
origen podra recuperar una lista de clientes.
Una asignacin entre las columnas del modelo de minera de datos y los datos de origen. Si los nombres de las columnas coinciden, puede usar la sintaxis
NATURAL PREDICTION JOIN y omitir las asignaciones de columna.
La consulta se puede mejorar si se usan funciones de prediccin. Las funciones de prediccin proporcionan informacin adicional, como la probabilidad de que se
produzca una prediccin o la existencia de compatibilidad con una prediccin en el conjunto de datos de entrenamiento. Para obtener ms informacin acerca de las
funciones de prediccin, vea Funciones (DMX).
Tambin puede usar el generador de consultas de prediccin de SQL Server Data Tools SSDT para crear consultas de prediccin.
Instruccin singleton PREDICTION JOIN

El primer paso es crear una consulta singleton, para lo cual se usa la sintaxis SELECT FROM <model> PREDICTION JOIN y se ofrece un conjunto nico de valores
como entrada. A continuacin, se incluye un ejemplo genrico de la instruccin singleton:

FROM [<mining model>]
[NATURAL] PREDICTION JOIN
(SELECT '<value>' AS [<column>],
(SELECT 'value' AS [<nested column>] UNION
SELECT 'value' AS [<nested column>] ...)
AS [<nested table>])
AS [<input alias>]
En la primera lnea del cdigo se definen las columnas del modelo de minera de datos que devuelve la consulta y se especifica el nombre del modelo de minera de
datos usado para generar la prediccin:
SELECT <select list> FROM [<mining model>]
La lnea del cdigo siguiente indica la operacin que se va a realizar. Dado que se especificarn valores para cada una de las columnas y se escribirn los nombres de
columna exactamente de manera que coincidan con el modelo, puede usar la sintaxis NATURAL PREDICTION JOIN. Sin embargo, si los nombres de columna fueran
diferentes, tendra que especificar las asignaciones entre las columnas del modelo y las columnas de los nuevos datos agregando una clusula ON.
[NATURAL] PREDICTION JOIN
En las lneas siguientes del cdigo se definen los artculos del carro de la compra que se utilizarn para predecir artculos adicionales que un cliente agregar:

Tareas de la leccin
Crear una consulta que prediga qu otros artculos podra adquirir un cliente en funcin de los artculos que ya se estn en su carro de la compra. Para crear
esta consulta usar el modelo de minera de datos con el valor de MINIMUM_PROBABILITY predeterminado.
Crear una consulta que prediga qu otros artculos podra adquirir un cliente en funcin de los artculos que ya se estn en su carro de la compra. Esta consulta
se basa en un modelo diferente, en el que MINIMUM_PROBABILITY ha quedado establecido en 0,01. Dado que el valor predeterminado para
MINIMUM_PROBABILITY en modelos de asociacin es 0,3, la consulta en este modelo debera devolver ms elementos posibles que la consulta en el modelo
predeterminado.
Crear una prediccin usando un modelo con el valor de MINIMUM_PROBABILITY

predeterminado
Para crear una consulta de asociacin
DMX para abrir el Editor de consultas.
2. Copie el ejemplo genrico de la instruccin PREDICTION JOIN en la consulta en blanco.
<select list>
por:
PREDICT([Default Association].[Products],INCLUDE_STATISTICS,3)
Podra incluir solamente el nombre de columna [Products], pero si utiliza la funcin Predict (DMX), puede limitar el nmero de artculos devueltos por el
algoritmo a tres. Tambin puede usar INCLUDE_STATISTICS, que devuelve la compatibilidad, la probabilidad y la probabilidad ajustada para cada producto.
Estas estadsticas ayudan a valorar la precisin de la prediccin.
[<mining model>]
por:

por:
(SELECT (SELECT 'Mountain Bottle Cage' AS [Model]

UNION SELECT 'Mountain Tire Tube' AS [Model]
UNION SELECT 'Mountain-200' AS [Model]) AS [Products]) AS t
Esta instruccin utiliza la instruccin UNION para especificar tres productos que se deben incluir en el carro de la compra junto con los artculos previstos. La
columna Model de la instruccin SELECT corresponde a la columna de modelo incluida en la tabla de productos anidada.
SELECT
PREDICT([Default Association].[Products],INCLUDE_STATISTICS,3)
From

7. En el cuadro de dilogo Guardar como, desplcese a la carpeta correspondiente y asigne el nombre Association Prediction.dmx al archivo.

La consulta devuelve una tabla que contiene tres productos: HL Mountain Tire, Fender Set - Mountain y ML Mountain Tire. En la tabla se enumeran estos
productos devueltos por orden de probabilidad. En la parte superior de la tabla aparece el producto devuelto con mayor probabilidad de estar incluido en el
mismo carro de la compra que los tres productos especificados en la consulta. Los dos productos siguientes son los de mayor probabilidad de estar incluidos
en el carro de la compra. La tabla tambin contiene estadsticas que describen la precisin de la prediccin.
Crear una prediccin usando un modelo con el valor 0,01 para MINIMUM_PROBABILITY
Para crear una consulta de asociacin
DMX para abrir el Editor de consultas.
2. Copie el ejemplo genrico de la instruccin PREDICTION JOIN en la consulta en blanco.
<select list>
por:
PREDICT([Modified Association].[Products],INCLUDE_STATISTICS,3)
[<mining model>]
por:

por:

Esta instruccin utiliza la instruccin UNION para especificar tres productos que se deben incluir en el carro de la compra junto con los artculos previstos. La
columna [Model] de la instruccin SELECT corresponde a la columna incluida en la tabla de artculos anidada.
SELECT
PREDICT([Modified Association].[Products],INCLUDE_STATISTICS,3)
From

7. En el cuadro de dilogo Guardar como, desplcese a la carpeta correspondiente y asigne el nombre Modified Association Prediction.dmx al archivo.
La consulta devuelve una tabla que contiene tres artculos: HL Mountain Tire, Water Bottle y Fender Set Mountain. En la tabla se enumeran estos productos por
orden de probabilidad. El producto que aparece al principio de la tabla es el producto con mayor probabilidad de estar incluido en el mismo carro de la
compra que los tres artculos especificados en la consulta. Los productos restantes son los siguientes con mayor probabilidad de estar incluidos en el carro de
la compra. La tabla tambin contiene estadsticas que describen la precisin de la prediccin.
A partir de los resultados de esta consulta, se puede ver que el valor del parmetro MINIMUM_PROBABILITY afecta a los resultados devueltos por la consulta.
ste es el ltimo paso del tutorial de Market Basket. Ahora dispone de un conjunto de modelos que puede usar para predecir los artculos que los clientes pueden
adquirir simultneamente.
Para aprender a utilizar DMX en otro escenario de prediccin, vea Tutorial DMX de Bike Buyer.
Vea tambin
Conceptos
Ejemplos de consultas del modelo de asociacin
Interfaces de consultas de minera de datos
Tutorial DMX de prediccin de series temporales

SQL Server 2014
En este tutorial aprender a crear una estructura de minera de datos de serie temporal, crear tres series temporales personalizadas y, a continuacin, realizar
predicciones utilizando esos modelos.
Los modelos de minera de datos se basan en los datos incluidos en la base de datos de ejemplo AdventureWorksDW2012 , que almacena datos de la empresa ficticia
Adventure Works Cycles. Adventure Works Cycles es una gran empresa multinacional de fabricacin.

Adventure Works Cycles ha decidido utilizar la minera de datos para generar previsiones de ventas. La empresa ya ha creado algunos modelos de previsin
regionales; para obtener ms informacin, vea Leccin 2: generar un escenario de pronstico Tutorial intermedio de minera de datos. Sin embargo, el departamento
de ventas necesita poder actualizar peridicamente el modelo de minera de datos con nuevos datos de ventas. El departamento desea tambin personalizar los
modelos para proporcionar previsiones diferentes.
Microsoft SQL Server Analysis Services proporciona varias herramientas que se pueden usar para realizar esta tarea:
El lenguaje de consulta Extensiones de minera de datos DMX

El algoritmo de serie temporal de Microsoft
El algoritmo de serie temporal de Microsoft crea modelos que se pueden utilizar para predecir datos relacionados con el tiempo. Extensiones de minera de datos
DMX es un lenguaje de consulta proporcionado por Analysis Services que sirve para crear modelos de minera de datos y consultas de prediccin.
Aprendizaje
En este tutorial se presupone que ya est familiarizado con los objetos que Analysis Services utiliza para crear modelos de minera de datos. Si an no ha creado una
estructura o modelo de minera de datos mediante DMX, vea Tutorial DMX de Bike Buyer.
Leccin 1: Crear un modelo de minera de datos de serie temporal y una estructura de minera de datos
En esta leccin aprender a usar la instruccin CREATE MINING MODEL para agregar un nuevo modelo previsin y un modelo de minera de datos relacionado.
Leccin 2: Agregar modelos de minera de datos a la estructura de minera de datos de serie temporal
En esta leccin aprender a usar la instruccin ALTER MINING STRUCTURE para agregar nuevos modelos de minera de datos a la estructura de serie temporal.
Aprender tambin a personalizar el algoritmo utilizado para analizar una serie temporal.
Leccin 3: Procesar la estructura de serie temporal y los modelos
En esta leccin aprender a entrenar los modelos utilizando la instruccin INSERT INTO y rellenando la estructura con datos de la base de datos
Leccin 4: Crear predicciones de serie temporal con DMX
En esta leccin aprender a crear predicciones de serie temporal.
Leccin 5: Extender el modelo de serie temporal
En esta leccin aprender a utilizar el parmetro EXTEND_MODEL_CASES para actualizar el modelo con nuevos datos al realizar las predicciones.
Requisitos

La base de datos AdventureWorksDW2012
Con el fin de mejorar la seguridad, las bases de datos de ejemplo no se instalan de forma predeterminada. Para instalar las bases de datos de ejemplos oficiales para
Microsoft SQL Server, vaya a http://www.CodePlex.com/MSFTDBProdSamples o en la seccin Microsoft SQL Server Product Samples de la pgina principal de Microsoft
SQL Server Samples and Community Projects. Haga clic en Databases y, a continuacin en la pestaa Releases y seleccione las bases de datos que desee.
Nota
Vea tambin
Tasks
Conceptos
Leccin 1: Crear un modelo de minera de datos de serie

temporal y una estructura de minera de datos
SQL Server 2014
En esta leccin, crear un modelo de minera de datos que le permita predecir valores a lo largo del tiempo, segn datos histricos. Al crear el modelo, la estructura
subyacente se generar automticamente y se utilizar como base para otros modelos de minera de datos.
En esta leccin se supone que conoce los modelos de prediccin y los requisitos del algoritmo de serie temporal de Microsoft. Para obtener ms informacin, vea
Algoritmo de serie temporal de Microsoft.
Instruccin CREATE MINING MODEL

Para crear un modelo de minera de datos directamente y generar de forma automtica la estructura de minera de datos subyacente, utiliza la instruccin CREATE
MINING MODEL (DMX). El cdigo de la instruccin se puede dividir en las partes siguientes:
Asignacin de un nombre al modelo

Definicin de la marca de tiempo
Definicin de la columna de clave de la serie opcional
Definicin del atributo o atributos de prediccin
A continuacin, se incluye un ejemplo genrico de la instruccin CREATE MINING MODEL:
CREATE MINING MODEL [<Mining Structure Name>]

(
<key columns>,
<predictable attribute columns>
)
USING <algorithm name>([parameter list])
WITH DRILLTHROUGH
En la primera lnea del cdigo se define el nombre del modelo de minera de datos:
CREATE MINING MODEL [Mining Model Name]
Analysis Services genera un nombre para la estructura subyacente anexando "_structure" al nombre del modelo, con lo que se asegura de que el nombre de la
estructura sea distinto del nombre del modelo. Para obtener informacin acerca de cmo asignar un nombre a un objeto en DMX, vea Identificadores (DMX).
La lnea siguiente de cdigo define la columna de clave para el modelo de minera de datos, que en el caso de un modelo de serie temporal identifica singularmente un
incremento de tiempo en los datos del origen. El incremento de tiempo se identifica con las palabras clave KEY TIME despus de los tipos de datos y nombre de
columna. Si el modelo de serie temporal tiene una clave de serie independiente, se identifica con la palabra clave KEY.
<key columns>
La lnea siguiente del cdigo se utiliza para definir las columnas del modelo que se predecir. Puede tener varios atributos de prediccin en un nico modelo de
minera de datos. Cuando hay varios atributos de prediccin, el algoritmo de serie temporal de Microsoft genera un anlisis independiente para cada serie:
<predictable attribute columns>
Tareas de la leccin
Crear una consulta en blanco

Modificar la consulta para crear la el modelo de minera de datos
Crear la consulta
El paso siguiente es modificar la instruccin CREATE MINING MODEL para crear el modelo de minera de datos que se usa para la prediccin, junto con su estructura
de minera de datos subyacente.
Para personalizar la instruccin CREATE MINING MODEL

1. En el Editor de consultas, copie el ejemplo genrico de la instruccin CREATE MINING MODEL en la consulta en blanco.
[mining model name]
por:
[Forecasting_MIXED]
<key columns>
por:
[Reporting Date] DATE KEY TIME,

[Model Region] TEXT KEY
La palabra clave TIME KEY indica que la columna ReportingDate contiene los valores de incremento de tiempo utilizados para ordenar los valores. Los
incrementos de tiempo pueden ser fechas y horas, nmeros enteros o cualquier tipo de datos ordenado, siempre que los valores sean nicos y los datos estn
ordenados.
Las palabras clave TEXT y KEY indican que la columna ModelRegion contiene una clave de serie adicional. Puede tener nicamente una clave de serie y los
valores de la columna deben ser distintos.
< predictable attribute columns> )
por:
[Quantity] LONG CONTINUOUS PREDICT,

[Amount] DOUBLE CONTINUOUS PREDICT
)
USING <algorithm name>([parameter list])

WITH DRILLTHROUGH
por:
USING Microsoft_Time_Series(AUTO_DETECT_PERIODICITY = 0.8, FORECAST_METHOD = 'MIXED')

WITH DRILLTHROUGH
El parmetro de algoritmo, AUTO_DETECT_PERIODICITY = 0.8, indica que desea que el algoritmo detecte los ciclos en los datos. Si se establece este valor ms
prximo a 1, se favorece la deteccin de muchos patrones pero puede desacelerar el procesamiento.
El parmetro de algoritmo, FORECAST_METHOD, indica si desea analizar los datos utilizando ARTXP, ARIMA o una combinacin de ambos.
La palabra clave, WITH DRILLTHROUGH, especifica que desea poder ver estadsticas detalladas de los datos de origen cuando el modelo se complete. Debe
agregar esta clusula si desea examinar el modelo utilizando el Visor de series temporales de Microsoft. No se requiere para la prediccin.
CREATE MINING MODEL [Forecasting_MIXED]

(
[Reporting Date] DATE KEY TIME,
[Model Region] TEXT KEY,
[Quantity] LONG CONTINUOUS PREDICT,
[Amount] DOUBLE CONTINUOUS PREDICT
)
USING Microsoft_Time_Series (AUTO_DETECT_PERIODICITY = 0.8, FORECAST_METHOD = 'MIXED')
WITH DRILLTHROUGH

7. En el cuadro de dilogo Guardar como, busque la carpeta correspondiente y asigne el nombre Forecasting_MIXED.dmx al archivo.
El ltimo paso es ejecutar la consulta. Despus de crear y guardar una consulta, debe ejecutarse para crear el modelo y su estructura de minera de datos en el
servidor. Para obtener ms informacin acerca de la ejecucin de consultas en el Editor de consultas, vea Editor de consultas del motor de base de datos (SQL Server
Management Studio).

Executing the query

Execution complete
Una estructura nueva denominada Forecasting_MIXED_Structure existe ahora en el servidor, junto con el modelo de minera de datos Forecasting_MIXED
relacionado.
En la leccin siguiente agregar un modelo de minera de datos a la estructura de minera de datos Forecasting_MIXED recin creada.
Leccin siguiente
Leccin 2: Agregar modelos de minera de datos a la estructura de minera de datos de serie temporal
Vea tambin
Referencia
Contenido del modelo de minera de datos para los modelos de serie temporal Analysis Services Minera de datos
Leccin 2: Agregar modelos de minera de datos a la

estructura de minera de datos de serie temporal
SQL Server 2014
En esta leccin agregar un modelo de minera de datos nuevo a la estructura de minera de datos recin creada en Leccin 1: Crear un modelo de minera de datos de
serie temporal y una estructura de minera de datos.

Para agregar un modelo de minera de datos nuevo a una estructura de minera de datos existente, se utiliza la instruccin ALTER MINING STRUCTURE (DMX). El cdigo
de la instruccin se puede dividir en las partes siguientes:

Definicin de las columnas de prediccin
Especificacin de los cambios de parmetros y el algoritmo
A continuacin, se incluye un ejemplo genrico de la instruccin ALTER MINING STRUCTURE:

([<key columns>],
)
USING <algorithm name>([<algorithm parameters>])
[WITH DRILLTHROUGH]
La primera lnea de cdigo identifica la estructura de minera de datos existente a la que se agregarn los modelos de minera de datos:
Las lneas siguientes del cdigo definen columnas de la estructura de minera de datos que utilizar el modelo de minera de datos:
[<key columns>],
Solo puede utilizar columnas que ya existan en la estructura de minera de datos, y la primera columna de la lista debe ser la columna de clave de la estructura.
La siguiente lnea de cdigo define el algoritmo de minera de datos que genera el modelo de minera de datos y los parmetros del algoritmo que puede establecer
en el algoritmo, y especifica si puede obtener detalles a partir del modelo en la vista detallada de los datos en los casos de entrenamiento:

WITH DRILLTHROUGH
Para obtener ms informacin acerca de los parmetros del algoritmo que puede ajustar, vea Referencia tcnica del algoritmo de serie temporal de Microsoft.
Puede especificar que una columna del modelo de minera de datos se utilice para la prediccin mediante la sintaxis siguiente:
<mining model column> PREDICT
Tareas de la leccin
Agregar un modelo de minera de datos de serie temporal nuevo a la estructura.

Cambiar los parmetros del algoritmo para utilizar un mtodo de anlisis y prediccin diferente
Agregar un modelo de serie temporal ARIMA a la estructura

El primer paso es agregar un nuevo modelo de minera de datos de pronstico a la estructura existente. De forma predeterminada, el algoritmo de serie temporal de
Microsoft crea los modelos de minera de datos de serie temporal utilizando dos algoritmos, ARIMA y ARTXP, y mezclando los resultados. Sin embargo, puede
especificar un solo algoritmo o puede especificar la combinacin exacta de algoritmos. En este paso, agregar un modelo nuevo que usa solo el algoritmo ARIMA. Este
algoritmo est optimizado para la prediccin a largo plazo.
Para agregar un modelo de minera de datos de serie temporal ARIMA

por:
[Forecasting_MIXED_Structure]
<mining model name>
por:
Forecasting_ARIMA
<key columns>,
por:
[ReportingDate],
[ModelRegion]
Observe que no necesita repetir ninguna informacin del tipo de contenido o tipo de datos que proporcion en la instruccin CREATE MINING MODEL, porque
esta informacin ya est almacenada en la estructura de minera de datos.
por:
([Quantity] PREDICT,
[Amount] PREDICT
)

[WITH DRILLTHROUGH]
por:
USING Microsoft_Time_Series (AUTO_DETECT_PERIODICITY = .08, FORECAST_METHOD = 'ARIMA')

WITH DRILLTHROUGH
ALTER MINING STRUCTURE [Forecasting_MIXED_Structure]

ADD MINING MODEL [Forecasting_ARIMA]
(
([ReportingDate],
[ModelRegion],
[Amount] PREDICT
)
USING Microsoft_Time_Series (AUTO_DETECT_PERIODICITY = .08, FORECAST_METHOD = 'ARIMA')
WITH DRILLTHROUGH

9. En el cuadro de dilogo Guardar como, busque la carpeta correspondiente y asigne el nombre Forecasting_ARIMA.dmx al archivo.
Agregar un modelo de serie temporal ARTXP a la estructura

El algoritmo ARTXP era el algoritmo de serie temporal predeterminado de SQL Server 2005 y se optimiz para la prediccin a corto plazo. Para comparar las
predicciones con los tres algoritmos de serie temporal, agregar un modelo ms que se basa en el algoritmo ARTXP.
Para agregar un modelo de minera de datos de serie temporal ARTXP

1. Copie el cdigo siguiente en una ventana de consulta en blanco.
Observe que no necesita cambiar nada excepto el nombre del nuevo modelo de minera de datos y el valor del parmetro FORECAST_METHOD.
ALTER MINING STRUCTURE [Forecasting_MIXED_Structure]

ADD MINING MODEL [Forecasting_ARTXP]
(
([ReportingDate],
[ModelRegion],
[Amount] PREDICT
)
USING Microsoft_Time_Series (AUTO_DETECT_PERIODICITY = .08, FORECAST_METHOD = 'ARTXP')
WITH DRILLTHROUGH

3. En el cuadro de dilogo Guardar como, busque la carpeta correspondiente y asigne el nombre Forecasting_ARTXP.dmx al archivo.
En la siguiente leccin procesar todos los modelos y la estructura de minera de datos.
Leccin siguiente
Leccin 3: Procesar la estructura de serie temporal y los modelos
Vea tambin
Referencia
Conceptos
Leccin 3: Procesar la estructura de serie temporal y los

modelos
SQL Server 2014
En esta leccin utilizar la instruccin INSERT INTO (DMX) para procesar estructuras de minera de datos de serie temporal y los modelos de minera de datos que ha
creado.
Al procesar una estructura de minera de datos, Analysis Services lee los datos de origen y genera las estructuras que admiten los modelos de minera de datos. Siempre
tiene que procesar un modelo y estructura de minera de datos despus de crearlo. Si especifica una estructura de minera de datos con INSERT INTO, la instruccin
procesa la estructura de minera de datos y todos sus modelos asociados.
Si agrega un modelo de minera de datos a una estructura de minera de datos que ya se ha procesado, puede usar la instruccin INSERT INTO MINING MODEL para
procesar solo el nuevo modelo de minera de datos con los datos existentes.
Para obtener ms informacin acerca de cmo procesar modelos de minera de datos, vea Requisitos y consideraciones de procesamiento minera de datos.
Instruccin INSERT INTO

Para entrenar la estructura de minera de datos de serie temporal y todos los modelos de minera de datos asociados, utilice la instruccin INSERT INTO (DMX). El
cdigo de la instruccin se puede dividir en las partes siguientes.

Listado de las columnas de la estructura de minera de datos
Definicin de los datos de entrenamiento

(
)
OPENQUERY (<source data definition>)
La primera lnea del cdigo identifica la estructura de minera de datos que se va a entrenar:
Las lneas siguientes del cdigo especifican las columnas definidas por la estructura de minera de datos. Debe incluir en la lista cada una de las columnas de la
estructura de minera de datos, y cada columna debe estar asignada a una columna incluida en los datos de la consulta de origen:
(
)
Las ltimas lneas del cdigo definen los datos que se utilizarn para entrenar la estructura de minera de datos.
OPENQUERY (<source data definition>)
En esta leccin usar OPENQUERY para definir los datos de origen. Para obtener ms informacin acerca de otros mtodos para definir una consulta sobre los datos
de origen, vea <source data query>.
Tareas de la leccin
Procesar la estructura de minera de datos Forecasting_MIXED_Structure

Procesar los modelos de minera de datos relacionados Forecasting_MIXED, Forecasting_ARIMA y Forecasting_ARTXP
Procesar la estructura de minera de datos de serie temporal
Para procesar la estructura de minera de datos y los modelos relacionados mediante INSERT INTO
por:
Forecasting_MIXED_Structure
por:
[ReportingDate],
[ModelRegion]
OPENQUERY(<source data definition>)
por:
OPENQUERY([Adventure Works DW 2008R2],'SELECT [ReportingDate], [ModelRegion], [Quantity], [Amount]

FROM vTimeSeries ORDER BY [ReportingDate]')
La columna de origen hace referencia al origen de datos AdventureWorksDW2012 definido en el proyecto de ejemplo IntermediateTutorial. Utiliza este origen de
datos para tener acceso a la vista vTimeSeries. Esta vista contiene los datos de origen que se utilizarn para entrenar el modelo de minera de datos. Si no est
familiarizado con este proyecto o con estas vistas, veaLeccin 2: generar un escenario de pronstico Tutorial intermedio de minera de datos.
INSERT INTO MINING STRUCTURE [Forecasting_MIXED_Structure]

(
[ReportingDate],[ModelRegion],[Quantity],[Amount])
)
OPENQUERY(
[Adventure Works DW 2008R2],
'SELECT [ReportingDate],[ModelRegion],[Quantity],[Amount] FROM vTimeSeries ORDER BY [ReportingDate]'
)

7. En el cuadro de dilogo Guardar como, desplcese a la carpeta correspondiente y asigne el nombre ProcessForecastingAll.dmx al archivo.
Cuando la consulta termine de ejecutarse, puede crear las predicciones mediante los modelos de minera de datos procesados. En la leccin siguiente, crear varias
predicciones basadas en los modelos de minera de datos que ha creado.
Leccin siguiente
Vea tambin
Referencia
<source data query>
OPENQUERY (DMX)
Conceptos

SQL Server 2014
En esta leccin y en la siguiente, utilizar Extensiones de minera de Datos DMX para crear tipos diferentes de predicciones basados en los modelos de serie temporal
que cre en Leccin 1: Crear un modelo de minera de datos de serie temporal y una estructura de minera de datos y Leccin 2: Agregar modelos de minera de datos a
la estructura de minera de datos de serie temporal.
Con un modelo de serie temporal, tiene muchas opciones para realizar predicciones:
Usar los patrones y datos existentes en el modelo de minera de datos

Usar los patrones existentes en el modelo de minera de datos pero suministrar datos nuevos
Agregue datos nuevos al modelo o actualice el modelo.
A continuacin se resume la sintaxis para realizar estos tipos de prediccin:
Prediccin de serie temporal predeterminada

Utilice PredictTimeSeries (DMX) para devolver el nmero especificado de predicciones del modelo de minera de datos entrenado.
Por ejemplo, vea PredictTimeSeries (DMX) o Ejemplos de consultas de modelos de serie temporal.
EXTEND_MODEL_CASES
Utilice PredictTimeSeries (DMX) con el argumento EXTEND_MODEL_CASES para agregar datos nuevos, extender la serie y crear predicciones basadas en el modelo
de minera de datos actualizado.
Este tutorial contiene un ejemplo de cmo utilizar EXTEND_MODEL_CASES.
REPLACE_MODEL_CASES
Utilice PredictTimeSeries (DMX) con el argumento REPLACE_MODEL_CASES para reemplazar los datos originales con una serie de datos nueva y, a continuacin,
cree predicciones basadas en aplicar los patrones en el modelo de minera de datos a la serie nueva.
Para obtener un ejemplo de cmo se utiliza REPLACE_MODEL_CASES, vea Leccin 2: generar un escenario de pronstico Tutorial intermedio de minera de datos.
Tareas de la leccin
Crear una consulta para obtener las predicciones predeterminadas segn los datos existentes.
En la leccin siguiente, realizar las tareas relacionadas siguientes:
Crear una consulta para proporcionar datos nuevos y actualizar las predicciones.
Adems de crear consultas manualmente utilizando DMX, tambin puede crear predicciones con el generador de consultas de prediccin de SQL Server Data Tools
(SSDT).
Consulta simple de prediccin de serie temporal

El primer paso es utilizar la instruccin SELECT FROM junto con la funcin PredictTimeSeries para crear predicciones de serie temporal. Los modelos de serie
temporal admiten una sintaxis simplificada para crear predicciones: no es necesario proporcionar ninguna entrada, sino que solo tiene que especificar el nmero de
predicciones que crear. A continuacin, se incluye un ejemplo genrico de la instruccin:

FROM [<mining model name>]
WHERE [<criteria>]
La lista de seleccin puede contener columnas del modelo, como el nombre de la lnea de producto para la que crea las predicciones, o funciones de prediccin, como
Lag (DMX) o PredictTimeSeries (DMX), que es especfico para los modelos de minera de datos de serie temporal.
Para crear una consulta simple de prediccin de serie temporal

2. Copie el ejemplo genrico de la instruccin en la consulta en blanco.
<select list>
por:
[Forecasting_MIXED].[ModelRegion],
PredictTimeSeries([Forecasting_MIXED].[Quantity],6) AS PredictQty,
PredictTimeSeries ([Forecasting_MIXED].[Amount],6) AS PredictAmt
La primera lnea recupera un valor del modelo de minera de datos que identifica la serie.
La segunda y tercera lneas utilizan la funcin PredictTimeSeries. Cada lnea predice un atributo diferente, [Quantity] o [Amount]. Los nmeros despus de los
nombres de los atributos de prediccin especifican el nmero de pasos temporales para realizar la prediccin.
La clusula AS se utiliza con el fin de proporcionar un nombre para la columna que devuelve cada funcin de prediccin. Si no proporciona un alias, de forma
predeterminada ambas columnas se devuelven con la etiqueta Expression.
[<mining model>]
por:
[Forecasting_MIXED]
WHERE [criteria>]
por:
WHERE [ModelRegion] = 'M200 Europe' OR

[ModelRegion] = 'M200 Pacific'
SELECT
[Forecasting_MIXED].[ModelRegion],
PredictTimeSeries([Forecasting_MIXED].[Quantity],6) AS PredictQty,
PredictTimeSeries ([Forecasting_MIXED].[Amount],6) AS PredictAmt
FROM
[Forecasting_MIXED]

7. En el cuadro de dilogo Guardar como, desplcese a la carpeta correspondiente y asigne el nombre SimpleTimeSeriesPrediction.dmx al archivo.
La consulta devuelve seis predicciones para cada una de las dos combinaciones de producto y regin que se especifican en la clusula WHERE.
En la leccin siguiente, crear una consulta que proporciona los datos nuevos al modelo y comparar los resultados de esa prediccin con la recin creada.

Vea tambin
Referencia
Lag (DMX)
Conceptos


SQL Server 2014
En SQL Server 2014 Enterprise, es posible agregar datos nuevos a un modelo de serie temporal e incorporarlos automticamente al mismo. Los nuevos datos se agregan
a un modelo de minera de datos de serie temporal de una de estas dos maneras:
Usando una instruccin PREDICTION JOIN para unir los datos de un origen externo a los datos de entrenamiento.
Usando una consulta de prediccin singleton para proporcionar los datos segmento a segmento.
Por ejemplo, suponga que entren el modelo de minera de datos con los datos de ventas existentes hace algunos meses. Al conseguir ventas nuevas, podra desear
actualizar las predicciones de ventas para incorporar los datos nuevos. Puede hacer esto en un paso, proporcionando las nuevas cifras de ventas como datos de entrada
y generando predicciones nuevas basadas en el conjunto de datos compuesto.
Realizar predicciones con EXTEND_MODEL_CASES

A continuacin se muestran ejemplos genricos de una prediccin de serie temporal que usa EXTEND_MODEL_CASES. El primer ejemplo permite especificar el nmero
de predicciones a partir del ltimo estadio temporal del modelo original:
SELECT [<model columns>,] PredictTimeSeries(<table column reference>, n, EXTEND_MODEL_CASES)

FROM <mining model>
PREDICTION JOIN <source query>
[WHERE <criteria>]
El segundo ejemplo permite especificar el estadio temporal donde las predicciones deberan iniciarse y donde deberan finalizar. Esta opcin es importante al extender
los casos del modelo porque, de forma predeterminada, los estadios temporales que se usan para las consultas de prediccin siempre se inician al final de la serie
original.
SELECT [<model columns>,] PredictTimeSeries(<table column reference>, n-start, n-end, EXTEND_MODEL_CASES)

FROM <mining model>
[WHERE <criteria>}
En este tutorial, crear ambos tipos de consultas.
Para crear una consulta de prediccin singleton en un modelo de serie temporal

2. Copie el ejemplo genrico de la instruccin singleton en la consulta en blanco.
SELECT [<model columns>,] PredictTimeSeries(<table column reference>, n, EXTEND_MODEL_CASES)
por:
SELECT [Model Region],

PredictTimeSeries([Quantity],6, EXTEND_MODEL_CASES) AS PredictQty
La primera lnea recupera un valor del modelo que identifica la serie.

La segunda lnea contiene la funcin de prediccin, que obtiene seis predicciones para Quantity. Se asigna un alias, PredictQty, a la columna del resultado de la
prediccin para que los resultados se entiendan ms fcilmente.
FROM <mining model>
por:
FROM [Forecasting_MIXED]
por:

(
SELECT 1 AS [Reporting Date],
'10' AS [Quantity],
'M200 Europe' AS [Model Region]
UNION SELECT
2 AS [Reporting Date],
15 AS [Quantity]),
'M200 Europe' AS [Model Region]
) AS t
[WHERE <criteria>]
por:


PredictTimeSeries([Quantity],6, EXTEND_MODEL_CASES) AS PredictQty
FROM
[Forecasting_MIXED]
SELECT 1 AS [ReportingDate],
'10' AS [Quantity],
'M200 Europe' AS [ModelRegion]
UNION SELECT
2 AS [ReportingDate],
15 AS [Quantity]),
) AS t

8. En el cuadro de dilogo Guardar como, busque la carpeta correspondiente y asigne el nombre Singleton_TimeSeries_Query.dmx al archivo.
La consulta devuelve predicciones de la cantidad de ventas de la bicicleta M200 en las regiones de Europa y Pacfico.
Descripcin del inicio de la prediccin con EXTEND_MODEL_CASES

Ahora que ha creado predicciones basadas en el modelo original, puede comparar con datos nuevos los resultados para ver cmo afecta a las predicciones la
actualizacin de los datos de ventas. Antes, revise el cdigo recin creado y observe lo siguiente:
Proporcion datos nuevos solo para la regin de Europa.

Proporcion solo datos nuevos para dos meses.
La tabla siguiente muestra cmo los valores nuevos proporcionados para M200 en Europa afectan a las predicciones. No proporcion ningn dato nuevo para el
producto M200 en la regin de Pacfico, pero esta serie se presenta para poder comparar:
Producto y
regin
Modelo existente (PredictTimeSeries)
Modelo con datos de ventas actualizados (PredictTimeSeries con

EXTEND_MODEL_CASES)
M200 Europe
M200 Pacific
M200
Europe
7/25/2008 12:00:00 AM
77
M200 Europe
7/25/2008 12:00:00 AM
10
M200
Europe
8/25/2008 12:00:00 AM
64
M200 Europe
8/25/2008 12:00:00 AM
15
M200 Europe
9/25/2008 12:00:00 AM
72
M200
Europe
9/25/2008 12:00:00 AM
59
M200 Europe
10/25/2008 12:00:00 AM
69
M200
Europe
10/25/2008 12:00:00
AM
56
M200 Europe
11/25/2008 12:00:00 AM
68
M200 Europe
12/25/2008 12:00:00 AM
89
M200
Europe
11/25/2008 12:00:00
AM
56
M200
Europe
12/25/2008 12:00:00
AM
74
M200 Pacific
7/25/2008 12:00:00 AM
41
M200 Pacific
7/25/2008 12:00:00 AM
41
M200 Pacific
8/25/2008 12:00:00 AM
44
M200 Pacific
8/25/2008 12:00:00 AM
44
M200 Pacific
9/25/2008 12:00:00 AM
38
M200 Pacific
9/25/2008 12:00:00 AM
38
M200 Pacific
10/25/2008 12:00:00 AM
41
M200 Pacific
10/25/2008 12:00:00 AM
41
M200 Pacific
11/25/2008 12:00:00 AM
36
M200 Pacific
11/25/2008 12:00:00 AM
36
M200 Pacific
12/25/2008 12:00:00 AM
39
M200 Pacific
12/25/2008 12:00:00 AM
39
A raz de estos resultados, puede observar dos cuestiones:
Las primeras dos predicciones para la serie M200 Europe son exactamente iguales que los nuevos datos que proporcion. Por diseo, Analysis Services
devuelve los nuevos datos reales en lugar de realizar una prediccin. Eso se debe a que al extender los casos del modelo, los pasos temporales utilizados para
las consultas de prediccin siempre se inician al final de la serie original. Por tanto, si agrega dos datos nuevos, las dos primeras predicciones devueltas se
superponen a los datos nuevos.
Una vez agotados todos los nuevos datos, Analysis Services realiza predicciones basadas en el modelo actualizado. Por consiguiente, a partir de septiembre de
2005, puede ver la diferencia entre las predicciones para M200 Europe del modelo original, en la columna de la izquierda, y el modelo que utiliza
EXTEND_MODEL_CASES, en la columna de la derecha. Las predicciones son diferentes porque el modelo se ha actualizado con datos nuevos.
Usar pasos temporales de inicio y de fin para controlar las predicciones

Al extender un modelo, los datos nuevos siempre se asocian al final de la serie. Sin embargo, para la prediccin, los intervalos de tiempo usados en las consultas de
prediccin se inician al final de la serie original. Si nicamente desea obtener las predicciones nuevas al agregar datos nuevos, debe especificar el punto inicial como un
nmero de intervalos de tiempo. Por ejemplo, si va a agregar dos datos nuevos y desea realizar cuatro predicciones nuevas, hara lo siguiente:
Cree una instruccin PREDICTION JOIN en un modelo de serie temporal y especifique los datos nuevos correspondientes a dos meses.
Solicite predicciones para cuatro intervalos de tiempo, donde el punto inicial es el intervalo de tiempo 3 y el punto final es el intervalo de tiempo 6.
En otras palabras, si los datos nuevos contienen n intervalos de tiempo y solicita predicciones para los estadios temporales 1 a n, las predicciones coincidirn con el
mismo perodo que los datos nuevos. Para obtener nuevas predicciones de un perodo de tiempo que no cubren los datos, debe iniciar las predicciones en el intervalo
de tiempo n+1 tras la nueva serie de datos o asegurarse de que solicita intervalos de tiempo adicionales.
Nota
Si agrega nuevos datos, no puede realizar predicciones histricas.
En el ejemplo siguiente se muestra la instruccin DMX que permite obtener solo las predicciones nuevas para las dos series del ejemplo anterior.

PredictTimeSeries([Quantity],3,6, EXTEND_MODEL_CASES) AS PredictQty
FROM
[Forecasting_MIXED]
SELECT 1 AS [ReportingDate],
'10' AS [Quantity],
UNION SELECT
2 AS [ReportingDate],
15 AS [Quantity]),
) AS t
WHERE [ModelRegion] = 'M200 Europe'
Los resultados de la prediccin se inician en el intervalo de tiempo 3, que est despus de los datos nuevos para 2 meses que proporcion.
Producto y regin
M200 Europe
Modelo con datos actualizados (PredictTimeSeries con EXTEND_MODEL_CASES)
M200 Europe
9/25/2008 12:00:00 AM
72
M200 Europe
10/25/2008 12:00:00 AM
69
M200 Europe
11/25/2008 12:00:00 AM
68
M200 Europe
12/25/2008 12:00:00 AM
89
Realizar predicciones con REPLACE_MODEL_CASES

La sustitucin de los casos del modelo resulta til si desear entrenar un modelo en un conjunto de casos y, a continuacin, aplicar ese modelo a una serie de datos
diferente. Un tutorial detallado de este escenario se presenta en Leccin 2: generar un escenario de pronstico Tutorial intermedio de minera de datos.
Vea tambin
Referencia
Conceptos

Analisis Services (Ssas)

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Analisis Services (Ssas)

Caricato da

Copyright:

Formati disponibili

Mi coleccin

Tutoriales de Analysis Services (SSAS)

Creacin de modelos tabulares tutorial de Adventure Works

2014 Microsoft. Reservados todos los derechos.

Creacin de modelos tabulares tutorial de Adventure Works

Cmo crear un proyecto de modelo tabular en SQL Server Data Tools.

Escenario del tutorial

Tiempo estimado para completar la leccin

Leccin 1: Crear un nuevo proyecto de modelo tabular

Leccin 2: Agregar datos

Leccin 3: Cambiar el nombre de las columnas

Leccin 4: Marcar como tabla de fechas

Leccin 5: Crear relaciones

Leccin 6: Crear columnas calculadas

Leccin 7: Crear medidas

Leccin 8: Crear indicadores clave de rendimiento

Leccin 9: Crear perspectivas

Leccin 10: Crear jerarquas

Leccin 11: Crear particiones

Leccin 12: Crear roles

Leccin 13: Analizar en Excel

Leccin 14: Implementar

Tiempo estimado para completar la

Implementar seguridad dinmica utilizando filtros de filas

2014 Microsoft. Reservados todos los derechos.

Leccin 1: Crear un nuevo proyecto de modelo tabular

Crear un nuevo proyecto de modelo tabular

2014 Microsoft. Reservados todos los derechos.

Leccin 2: Agregar datos

Crear una conexin

NO haga clic en Finalizar.

Filtrar los datos de la tabla

Para filtrar los datos de las tablas antes de importar

Importar los datos de las columnas y las tablas seleccionadas

Para importar los datos de las columnas y las tablas seleccionadas

Guardar el proyecto de modelo

Para guardar el proyecto de modelo

2014 Microsoft. Reservados todos los derechos.

Leccin 3: Cambiar el nombre de las columnas

Cambiar el nombre de las columnas

Id. alternativo del cliente

Estilo del nombre

Direccin de correo electrnico

Propietario de una vivienda

Nmero de vehculos en propiedad

Fecha de la primera compra

Nmero de semana del ao

Nombre del mes

Trimestre del calendario

Semestre del calendario

Cdigo de estado o provincia

Nombre de estado o provincia

Cdigo de pas o regin

Nombre de pas o regin

Id. de territorio de ventas

Id. alternativo del producto

Id. de subcategora del producto

Cdigo de unidad de peso

Cdigo de unidad de tamao

Nombre del producto

Nivel de stock de seguridad

Punto de nuevo pedido

Das hasta fabricacin