SAS Enterprise Miner

SAS/Enterpise Miner是在报告挖掘市场上让人敬畏的竞争者。它支持SAS统计模块，使之具有杰出的力量和影响，它还通过大批报告挖掘算法加强了那些模块。SAS运用它的SEMMA方法学以供应一个能支持包含关联、聚类、决策树、神经元网络和统计回归以内的广阔规模的模型报告挖掘工具。 SAS Entelprise Miner设计为被初学者和有经验的用户运用。它的GUI界面是报告流驱使的，且它易于理解和运用。它允许一个分析者通过构造一个运用链接连接报告结点和处理结点的可视报告流图建造一个模型。此外，此界面允许把处理结点直接插入到报告流中。受于支持多种模型，所以Enterprise Miner允许用户比较(评估)不同模型并利用评估结点选择最适合的。此外，Enterprise Miner给予了一个能造成被任何SAS应用程序所访问的评分模型的评分结点。

SAS Enterprise Miner能运行在客户／服务器上或(计算机的外围设备)能独立运行的配置上。另外，在客户／服务器模式下，Enterprise Miner允许把服务器配置成一个报告服务器、计算服务器或两者的综合。EntepnseMiner被设计成能在所有SAS支持的平台上运行。该结构支持胖客户机配置(要求客户机上的完全SAS许可证)以及瘦客户机(浏览器)版本。

报告访问、操纵和预处理：直接报告界面贯穿于SAS报告集。但是，报告也能通过标准SAS报告程序(比如：访问RDBMS和PC格式报告的ACCESS被访问。对Oracle、Informix、Sybase和DB2RDBMS的支持是通过ACCESS来达到。

报告操纵能力包含通过基本SA3引擎可用的所有特质。另外，各种各样的报告取样和报告划分技术也通过合适的EntelprjseMiner结点被支持。

报告挖掘技术、算法和应用程序：SAS Entelprise Miner支持关联、聚类、决策树、神经元网络和经典的统计回归技术。

●关联：此算法允许关联规则勘测(比如市场划分分析)和顺序模式勘测。

●聚类：无监督学习技术用作初始知识勘测和报告可视化。

●决策树：支持几种决策树技术：CHAID and Entropy Reductlon(二进制和绝对变量)和F—TESTandVarianceReduc血n(为间隔目标变量)。

●神经元网络：支持几种神经元网络，包含多层感知器(MLP)和基于半径的函数(RBF)。Enterpdse Miner还给予了各种各样的转变和报错函数以及训练方法。设计这些能力是为了供应比标准向后传播网络更好的预期和运行时性能。

●回归：Enterpdse Miner支持多种在标准SAS上已被达到的回归技术。

Enterpdse Miner支持市场划分分析、分类、预期模型、顾客分析、计量经济时序的统计分析规模、运转研究和其它很多方面。

运用工具：Entepnse Miner为构造预期模型给予了大批选项。指定过程是在可视化编程环境中通过拖拉和按下动作完成的。大批的默认集使它能对初学者合适。

Enterprise Miner为神经元网络的解释给予了日志文件和SAS源代码。

Enterprise Miner支持两种评估模型的方法：通过模型管理器或通过评估结点。模型管理器是从特定的模型分析输出结果的好工具。评估结点在评估模型的概况和健壮性方面很有用。两者都支持提高表、利润表、ROI和别的指示器。

受于评分结点能把模型存储在SAS结构中以各以后代入报告，所以模型能通过运用评分结点被直接配置。

有经验的用户能利用把任意复杂的代码并入报告流的SAS代码结点。有关元报告，Enterprise Miner运用了与SAS系统其它部分一样的元报告。

受于它在统计分析软件上的丰富经验，所以SAS开发出了一个全功能、易于运用、牢靠和易于管理的系统。模型选项和算法所覆盖的广阔规模、设计不错的用户界面、现存报告商店的能力和在统计分析市场所占的重大份额(允许一个公司得到一个增长的SAS部件并非是一个新的工具)都或许使SAS在报告挖掘市场上获得领先位置。受于它近期刚投放市场，所以在写此书时只能得到少数发布的用户基推试探。这些结果显示Enterprise Miner在可伸缩性、预期精准性和处理时间上都表现得很好。总体来看，此工具适合于企业在报告挖掘方面的应用以及CBM的全部决策支持应用。