Folgende Aufstellung zeigt die einzelnen Kapitel und ihre Inhalte. 1. Das erste Kapitel spannt den Bogen von einfacher Datenauswertung aus der betrieblichen Leistungserstellung über fortgeschrittene Analysetechniken mit Hilfe eines OLAP- und Berichtssystems und führt dann Data Mining als letzte Ausbaustufe für den Business Intelligence-Kreislauf eines Unternehmens ein. 2. Das zweite Kapitel definiert den Begriff Data Mining und zeigt den Übergang von einfachen statistischen Analysen (ein- oder zweidimensionale Analyseverfahren) hin zu Analysemethoden, die mehrere Variablen zugleich betrachten (multivariate Analyseverfahren). Auf der Grundlagen von übersichtlichen Beschreibungen der Verfahrensgruppen und der in ihnen enthaltenen einzelnen Verfahren sowie auch anhand von einfachen Daten-Beispielen sollen die im MS SQL Server verfügbaren Algorithmen erläutert werden. 3. Das dritte Kapitel zeigt, welche Komponenten im MS SQL Server und auch im MS Office-System für die Verwendung von Data Mining verfübar sind. Es stellt hier also die technische Architektur und die Zusammenarbeit der einzelnen Module vor: Analysis Services für Data Mining-Modelle, Reporting Services und MS Excel für Berichte oder MS Visio für Visualisierung sowie Integration Services für Modellverwaltung. Neben grafischen Werkzeugen bietet Microsoft mit.NET-Programmierung und Skript-/Abfragesprachen auch die Möglichkeit, programmatisch oder skript-orientiert zu arbeiten. Die hier verfügbaren Technologien werden ebenfalls einzeln benannt und im Kontext von Data Mining vorgestellt. 4. Im vierten Kapitel sieht man, wie man mit dem MS Visual Studio bzw. den SQL Server Data Tools und innerhalb von Analysis Services-Projekten Data Mining-Modelle aufbaut und testet. Dieses Kapitel zeigt nun in vielen Beispielen, wie die theoretisch vorgestellten Analyseverfahren nun mit MS SQL Server auch praktisch umgesetzt werden können. Dazu zählen Cluster-Verfahren, Entscheidungsbäume, Regressionsanalyse, Zeitreihenanalyse oder Künstliche Neuronale Netze. 5. Das fünfte Kapitel stellt die Data Mining-Add-Ins für Microsoft Office vor. Hierbei handelt es sich um Erweiterungen für MS Excel und MS Visio, wobei insbesondere die Funktionen, die man aus MS Excel heraus aufrufen kann, für den Einsatz von Data Mining im Unternehmen ganz wesentlich sind. Direkt aus MS Excel heraus lassen sich auf dem Server verfügbare Data Mining-Modelle für Abfragen nutzen und sogar erstellen bzw. verwalten. Dabei kommen entweder verschiedenen Assistenten oder auch MS Excel-Funktionen zum Einsatz. In MS Visio dagegen lassen sich Modelle und Daten-Ergebnisse visualisieren. 6. Im sechsten Kapitel liegt der Fokus auf den zwei weiteren Business Intelligence-Module des MS SQL Servers, die man ebenfalls gewinnbringend für Data Mining einsetzen kann. Mit den Integration Services lassen sich Data Mining-Modelle verwalten und trainieren/aktualisieren. Die Reporting Services dagegen verwendet man für die Gestaltung von Berichten, welche Analyse-Ergebnisse aus Data Mining-Modellen übernehmen und bspw. auch mit anderen Daten kombinieren und gemeinsam präsentieren. 7. Im siebten Kapitel dreht sich alles um die Erstellung von Data Mining-Modellen, ihre Validierung und ihre Nutzung/Abfrage über Skripte und nicht über die Oberfläche der SQL Data Tools. Dabei 8. Das achte Kapitel geht schließlich auf die Nutzung von Data Mining über.NET-Programmierung ein und zeigt, wie man im MS SQL Server vorhandene Modelle in eigenen Applikationen nutzen kann. Dabei stellt es anhand von Beispielen die Klassen-Bibliotheken Analysis Management Objects (AMO) und ActiveX Data Objects Multidimensional.NET (ADOMD.NET) sowie im MS Visual Studio vorhandenen Data Mining Viewer Controls vor. 9. Das neunte Kapitel enthält eine Übersicht der verschiedenen Data Mining-Algorithmen und ihrer Parameter. weiterlesen