Szenarienanalyse – Videolernprogramm zur Was-wäre-wenn-Funktion (Data Mining-Add-In für Excel)
Betrifft: Microsoft SQL Server Analysis Services |
Autor: Michele Hart, Microsoft Corporation Sprecherin: Michele Hart, Microsoft Corporation |
Länge: 00:5:52 Größe: 11.131 KB Typ: WMV-Datei |
|
|
Videozusammenfassung
In diesem Lernprogramm erfahren Sie, wie Sie das Tabellenanalysetool Was-wäre-wenn (What-If) für Microsoft Excel verwenden.
Videotranskript
Einführung
Willkommen bei einem weiteren SQL Server 2008 Analysis Services (SSAS)-Screencast mit Michele und Mary.
Mein Name ist Mary Brennan, und ich arbeite als technische Redakteurin für Microsoft SQL Server 2008.
In diesem Video zeige ich Ihnen, wie Sie das Tabellenanalysetool Was-wäre-wenn (What-If) für Data Mining verwenden.
Dieses Tool ist nur eines von vielen Data Mining-Add-Ins für Excel. Wir haben für jedes einzelne Screencasts erstellt.
Das Szenarienanalysetool verwendet den Logistic Regression-Algorithmus und ermöglicht Ihnen, zwei Arten von Szenarien zu erstellen und die Auswirkung auf eine Zeile oder die ganze Tabelle mit den Eingabedaten zu ermitteln.
Die Was-wäre-wenn-Analyse gibt Antworten auf die Frage "Was passiert, wenn ich diese Änderung vornehme?" Mit diesem Tool können Sie zum Beispiel ermitteln, welche Auswirkungen das Reduzieren der Vertriebsmitarbeiter auf die Verkaufszahlen hätte. Dabei werden auch andere Faktoren in Ihren Daten analysiert.
In diesem Lernprogramm verwenden wir Callcenterdaten, um zu ermitteln, wie sich die durchschnittliche Zeit pro Anfrage senken lässt. Die von mir verwendeten Excel-Daten stehen unter "codeplex.com" bereit. Wenn Sie ein eigenes Arbeitsblatt verwenden möchten, sollten Sie beachten, dass Sie eine Mindestanzahl verwertbarer Daten benötigen. Mindestens 50 Datenzeilen werden empfohlen.
Der Assistent
Uns interessieren Telefonisten der Ebene 2 (Level2Operators) und Durchschnittliche Zeit pro Anfrage (Average time per issue). Für dieses Lernprogramm werde ich deshalb einige Spalten ausblenden, um die Ergebnisse übersichtlicher zu machen.
- Wählen Sie zunächst die Registerkarte Tabellenanalysetools-Beispiel (Table Analysis Tools Sample) aus, und klicken Sie auf eine beliebige Stelle in der Tabelle, um die Tabellenanalysetools zu aktivieren.
- Wählen Sie im Menü Tabellentools (Table Tools) die Registerkarte Analyse (Analyze) aus, um die Multifunktionsleiste Tabellenanalysetools (Table Analysis Tools) zu öffnen.
- Klicken Sie auf Szenarienanalyse (Scenario Analysis) und anschließend auf Was-wäre-wenn (What-If), um den Assistenten zu starten.
- Wählen Sie Durchschnittliche Zeit pro Anfrage (Average time per issue) als zu ändernde Spalte aus.
- Wählen Sie Prozentwert (Percentage), und geben Sie 80 ein. Damit wird angegeben, dass durchschnittlich etwas mehr Zeit pro Anfrage aufgewendet werden kann.
- Wenn die Spalte Change (Ändern) kontinuierliche numerische Werte enthält, können Sie auch eine gewünschte Steigerung oder Verringerung des Werts eingeben. Ich könnte zum Beispiel Durchschnittliche Zeit pro Anfrage (Average time per issue) auswählen und die Änderung in Form eines exakten Werts angeben.
- Wählen Sie im Feld Was-wäre-wenn (What happens to) die Spalte aus, auf die sich die Änderung von Durchschnittliche Zeit pro Anfrage (Average time per issue) auswirken soll. Ich wähle Telefonisten der Ebene 2 (Level2Operators) aus. Wie viele Telefonisten der Ebene 2 würde ich benötigen, wenn ich meine Erwartungen für die durchschnittliche Zeit pro Anfrage senke?
- Wenn ich jetzt auf Ausführen (Run) klicke, wird die Analyse für alle Spalten ausgeführt. Stattdessen öffne ich Spalten für die Analyse auswählen... (Choose columns to be used for analysis…) aus und hebe die Auswahl von Fakten-Callcenter-ID (FactCallCenterID) und Alle Telefonisten (TotalOperators) auf. Indem ich meine Analyse optimiere, verbessere ich Leistung und Genauigkeit. Aber Vorsicht! Heben Sie nicht die Auswahl von Spalten auf, die für das Ziel (Target) oder die Änderung (Change) verwendet werden.
- Ich treffe Vorhersagen für die Ganze Tabelle (Entire table) und klicke auf Ausführen (Run).
- Die Ergebnisse werden rechts neben der ursprünglichen Datentabelle als neue Spalten hinzugefügt. Diese Spalten zeigen die Auswirkungen auf die Telefonisten der Ebene 2 (Level2Operators) durch die Änderungen in Durchschnittliche Zeit pro Anfrage (Average time per issue). Die erste Spalte zeigt, ob die Anzahl der Telefonisten der Ebene 2 verringert oder erhöht werden müsste, WENN wir diese Änderung vornehmen würden. Und die letzte Spalte gibt die Zuverlässigkeit der Ergebnisse an.
Jetzt führen wir eine Was-wäre-wenn-Analyse für eine einzelne Datenzeile aus.
- Bei einer einzelnen Zeile zeigt das Tool das Ergebnis im Ergebnisbereich des Dialogfelds an. Wenn eine Lösung gefunden wurde, wird das Ergebnis angezeigt. Das Was-wäre-wenn-Tool findet möglicherweise heraus, dass Sie bei Erhöhung der Durchschnittlichen Zeit pro Anfrage (Average time per issue) mehr Telefonisten der Ebene 2 (Level2Operators) benötigen.
Ich führe nun schnell dieselben Schritte aus wie für die ganze Tabelle, AUSSER dass ich die Vorhersagen nur für In dieser Zeile (On this row) treffe, und klicke dann auf Ausführen (Run).
- Die Ergebnisse und deren Zuverlässigkeit werden im unteren Bereich angezeigt. Demzufolge muss ich die Anzahl der Telefonisten der Ebene 2 von 10 auf 11 erhöhen, wenn ich die Durchschnittliche Zeit pro Anfrage (Average time per issue) auf 80 % des Durchschnitts festlege.
- Hier müsste ich sie von 8 auf 7 verringern.
- Wenn ich diese Zeile bei einer Durchschnittlichen Zeit pro Anfrage (Average time per issue) von 81 % auswähle, schlägt das Was-wäre-wenn-Tool das Verringern der Anzahl der Telefonisten der Ebene 2 von 8 auf 6 vor. Aber in dieser Zeile wird bei Anwendung von 81 % das Erhöhen von 9 auf 10 vorgeschlagen.
Sie werden feststellen, dass die Ergebnisse nicht so eindeutig sind, wie Sie gedacht haben! Es geht nicht nur darum, dass weniger Telefonisten der Ebene 2 benötigt werden, wenn die Durchschnittliche Zeit pro Anfrage (Average time per issue) geringer als der Durchschnitt ist und mehr benötigt werden, wenn die Durchschnittliche Zeit pro Anfrage (Average time per issue) höher als der Durchschnitt ist. Die aktuelle Durchschnittliche Zeit pro Anfrage (Average time per issue) allein reicht nicht zur sicheren Vorhersage, ob mehr oder weniger Telefonisten benötigt werden – auch andere Faktoren in den Daten tragen zu den Was-wäre-wenn-Ergebnissen bei. Dadurch wird verdeutlicht, wie wichtig Data Mining für Ihre Geschäftsentscheidungen ist.
Zusammenfassung
Hiermit ist das Videolernprogramm zur Szenarienanalyse – Was-wäre-wenn abgeschlossen. Weitere Hilfe zu den Tabellenanalysetools finden Sie in den anderen Videolernprogrammen der Tabellenanalysetools und in der Hilfedokumentation zu den Add-Ins. Vielen Dank, dass Sie sich dieses Lernprogramm angesehen haben.