實(shí)驗(yàn)報(bào)告 范文（一）

實(shí)驗(yàn)一使用EXCEL中輔助決策工具進(jìn)行物流預(yù)測與企業(yè)經(jīng)營決策分析一、實(shí)驗(yàn)?zāi)康模海?）通過本實(shí)驗(yàn)掌握物流預(yù)測與確定型決策的原理和工作步驟。（2）熟練運(yùn)用Excel對物流需求進(jìn)行預(yù)測與企業(yè)經(jīng)營決策分析。（3）培養(yǎng)運(yùn)用常用信息工具解決物流管理中遇到的實(shí)際問題的能力。二、實(shí)驗(yàn)內(nèi)容：表一列出了某物流配送中心過去15個(gè)月的產(chǎn)品出貨量，要求用Excel對第16月出貨量進(jìn)行預(yù)測。表一某產(chǎn)品配件的月需求量月份123456789101112131415需求量（萬件）10158201016182022242026272929第一步：建立模型設(shè)d1+、d1-為目標(biāo)1的偏差情況,依此類推，總時(shí)間方面，每提前1鐘獎(jiǎng)勵(lì)2元，延誤1分鐘則懲罰5元。5d1+-2d1-；總費(fèi)用方面，每降低1元成本獎(jiǎng)勵(lì)1元，超過1元?jiǎng)t懲罰1元。d2+-d2-；總質(zhì)量方面，每提高一個(gè)質(zhì)量等級獎(jiǎng)勵(lì)1元，降低一個(gè)質(zhì)量等級則懲罰2元，-d3++2d3-；則根據(jù)案例分析可得目標(biāo)函數(shù)為minZ=5d1+-2d1-+d2+-d2--d3++2d3-那么這個(gè)約束條件包括質(zhì)量約束、成本約束、時(shí)間約束以及平衡約束。第二步，建立工作表，并輸入相關(guān)數(shù)據(jù)，橫向?yàn)榧?、分貨、揀貨及配裝四項(xiàng)，縱向包括一般時(shí)間、最小時(shí)間、成本、質(zhì)量、單位成本、單位質(zhì)量、質(zhì)量權(quán)重、成本約束、質(zhì)量約束，單位成本和單位質(zhì)量未知，如何求得？單位成本=成本/一般時(shí)間單位質(zhì)量=（質(zhì)量-質(zhì)量約束）/（一般時(shí)間-最小時(shí)間）橫向填充即可得到每個(gè)環(huán)節(jié)的單位成本和單位質(zhì)量。建立規(guī)劃模型，橫向仍為集貨、分貨、揀貨、配裝及實(shí)現(xiàn)值五項(xiàng)，縱向?yàn)闀r(shí)間目標(biāo)、成本目標(biāo)、質(zhì)量目標(biāo)，集貨環(huán)節(jié)的成本目標(biāo)為其對應(yīng)的時(shí)間目標(biāo)與單位成本之積，其他環(huán)節(jié)依次類推，質(zhì)量目標(biāo)為其對應(yīng)的時(shí)間目標(biāo)與單位質(zhì)量的乘積，其他環(huán)節(jié)依此類推。時(shí)間目標(biāo)的實(shí)現(xiàn)值為四個(gè)環(huán)節(jié)時(shí)間目標(biāo)之和，成本目標(biāo)實(shí)現(xiàn)值也是四個(gè)環(huán)節(jié)之和，質(zhì)量目標(biāo)的實(shí)現(xiàn)值為各環(huán)節(jié)質(zhì)量權(quán)重與各環(huán)節(jié)質(zhì)量目標(biāo)的乘積之和。建立規(guī)劃模型，橫向?yàn)槟繕?biāo)值、正偏差、負(fù)偏差、平衡值、約束、目標(biāo)值，總時(shí)間在T=100分鐘內(nèi)，總費(fèi)用限制在C=700元內(nèi)，總質(zhì)量要求達(dá)到Q=5，于是目標(biāo)值下方的約束值分別為100、700、5，時(shí)間目標(biāo)的平衡值為實(shí)現(xiàn)值-正偏差+負(fù)偏差，成本目標(biāo)、質(zhì)量目標(biāo)依此類推。輸入各目標(biāo)的處罰系數(shù)，總偏差為目標(biāo)值的正負(fù)偏差之積與處罰系數(shù)的正負(fù)偏差之積的和。第三步：求解在“規(guī)劃求解參數(shù)”對話框中，輸入總偏差下的位置，等于“最小值”，在“可變單元格”處輸人“$I$16:$J$18,$B$16:$E$16”在“規(guī)劃求解選項(xiàng)”對話框，選定“采用線性模型”以及“假定非負(fù)”，得到結(jié)果。實(shí)驗(yàn)分析與總結(jié)移動(dòng)平均法適用于即期預(yù)測，當(dāng)產(chǎn)品需求既不快速增長也不快速下降，且不存在季節(jié)性因素時(shí)，移動(dòng)平均法能有效。當(dāng)時(shí)間序列的數(shù)值由于受周期變動(dòng)和隨機(jī)波動(dòng)的影響，起伏較大，不易顯示出事件的發(fā)展趨勢時(shí)，使用移動(dòng)平均法可以消除這些因素的影響，顯示出事件的發(fā)展方向與趨勢（即趨勢線），然后依趨勢線分析預(yù)測序列的長期趨勢。指數(shù)平滑法兼容了全期平均和移動(dòng)平均所長，不舍棄過去的數(shù)據(jù)，但是僅給予逐漸減弱的影響程度，即隨著數(shù)據(jù)的遠(yuǎn)離，賦予逐漸收斂為零的權(quán)數(shù)。但是難以確定指數(shù)平滑指數(shù)，受主觀影響較大?？偲钪蹬c目標(biāo)值得正負(fù)偏差息息相關(guān)，當(dāng)處罰權(quán)重的正負(fù)偏差給定時(shí)，可以不斷調(diào)整目標(biāo)值的正負(fù)偏差，負(fù)偏差不變，正偏差都為正數(shù)時(shí)，值越大，總偏差越大，總的來說，由于總偏差為乘積和，它與偏差的數(shù)值及正負(fù)符號(hào)有必然聯(lián)系。時(shí)間目標(biāo)分別為7、15、15、30，總偏差為0，當(dāng)正偏差分別取6、4、3，負(fù)偏差分別取-2、-3、-3時(shí)，總偏差為32，而且經(jīng)多次取值實(shí)驗(yàn)得知，總偏差與時(shí)間目標(biāo)的正負(fù)偏差的絕對值為正相關(guān)，與成本目標(biāo)正負(fù)偏差的絕對值成正相關(guān)，與質(zhì)量目標(biāo)的正負(fù)偏差的絕對值為負(fù)相關(guān)?？芍?，當(dāng)時(shí)間目標(biāo)分別為7、15、15、30時(shí)，利益最大。實(shí)驗(yàn)二數(shù)據(jù)倉庫的構(gòu)建

一、實(shí)驗(yàn)?zāi)康募耙螅ㄒ唬?shí)驗(yàn)?zāi)康?．理解數(shù)據(jù)庫與數(shù)據(jù)倉庫之間的區(qū)別與聯(lián)系；2．掌握典型的關(guān)系型數(shù)據(jù)庫及其數(shù)據(jù)倉庫系統(tǒng)的工作原理以及應(yīng)用方法；3．掌握數(shù)據(jù)倉庫建立的基本方法及其相關(guān)工具的使用。（二）實(shí)驗(yàn)要求利用實(shí)驗(yàn)室提供的實(shí)驗(yàn)軟件，認(rèn)真完成規(guī)定的實(shí)驗(yàn)項(xiàng)目，真實(shí)地記錄實(shí)驗(yàn)中遇到的各種問題和解決的方法與過程，并繪出模擬實(shí)驗(yàn)案例的數(shù)據(jù)倉庫模型。實(shí)驗(yàn)完成后，應(yīng)根據(jù)實(shí)驗(yàn)情況寫出實(shí)驗(yàn)報(bào)告。二、實(shí)驗(yàn)設(shè)備及軟件基于NT的局域網(wǎng)絡(luò)，服務(wù)器與客戶端安裝MSSQLServer服務(wù)系統(tǒng)以及AnalysisServices系統(tǒng)。三、實(shí)驗(yàn)內(nèi)容以SQLServer為系統(tǒng)平臺(tái)，設(shè)計(jì)、建立數(shù)據(jù)庫，并以此為基礎(chǔ)創(chuàng)建數(shù)據(jù)倉庫。四、實(shí)驗(yàn)步驟第一步，啟動(dòng)SQLServer服務(wù)，與服務(wù)器建立新連接。第二步，注冊服務(wù)器，服務(wù)器名稱為“student+號(hào)碼”第三步，建立系統(tǒng)數(shù)據(jù)源連接，此連接需打開控制面板，在管理工具的數(shù)據(jù)源中建立，按指導(dǎo)書中的步驟建立名為“教程”的數(shù)據(jù)源，第四步，建立數(shù)據(jù)庫和數(shù)據(jù)源，可以按指導(dǎo)書中的詳細(xì)說明來建立，需要在AnalysisManager樹視圖中展開“AnalysisServers，來新建數(shù)據(jù)庫，此數(shù)據(jù)庫名稱與數(shù)據(jù)源名稱一樣，都為“教程”，建立之后，需要測試鏈接，測試成功，說明鏈接好了。第五步，建立多維數(shù)據(jù)集，現(xiàn)在的身份是FoodMartCorporation的數(shù)據(jù)庫管理員。FoodMart是一家大型的連鎖店，在美國、墨西哥和加拿大有銷售業(yè)務(wù)。市場部想要按產(chǎn)品和顧客分析1998年進(jìn)行的所有銷售業(yè)務(wù)數(shù)據(jù)。使用存儲(chǔ)在公司數(shù)據(jù)倉庫中的數(shù)據(jù)，就能建立多維數(shù)據(jù)結(jié)構(gòu)（多維數(shù)據(jù)集），以便在市場分析人員查詢數(shù)據(jù)庫時(shí)獲取快速的響應(yīng)。建立一個(gè)多維數(shù)據(jù)集，用于進(jìn)行銷售分析。首先，打開多維數(shù)據(jù)集向?qū)?，在AnalysisManager樹窗格中，“教程”數(shù)據(jù)庫下新建。然后，向多維數(shù)據(jù)集添加度量值，度量值是要進(jìn)行分析的數(shù)據(jù)庫中的量化值。常用的度量值為銷售、成本和預(yù)算數(shù)據(jù)。度量值根據(jù)多維數(shù)據(jù)集不同的維度類別進(jìn)行分析。我么你要分析1998年進(jìn)行的所有銷售業(yè)務(wù)數(shù)據(jù)，必然在“教程”數(shù)據(jù)源中單擊“sales_fact_1998”。再建立時(shí)間維度，在向?qū)У摹斑x擇多維數(shù)據(jù)集的維度”步驟，單擊“新建維度”命令。此操作將調(diào)用維度向?qū)?。選擇“星型架構(gòu)：單個(gè)維度表”，在“選擇維度類型”中，選擇“時(shí)間維度”，接下來，將定義維度的級別，“選擇時(shí)間級別”，單擊“年、季度、月”，這樣可以按年、季度、月份來查看和分析數(shù)據(jù)，輸入“Time”作為新維度的名稱。接下來建立產(chǎn)品維度，選擇“雪花架構(gòu)，將“Product”和“product_class”將它們添加到“選定的表”，在“維度名稱”框中，輸入“Product”，并保持“與其它多維數(shù)據(jù)集共享此維度”也就是復(fù)選框?yàn)檫x中狀態(tài)。再建立客戶維度，選擇“星型架構(gòu)，選擇“Customer”維度表，在“維度名稱”框中，輸入“Customer”。保持“與其它多維數(shù)據(jù)集共享此維度”復(fù)選框的選中狀態(tài)。在多維數(shù)據(jù)集向?qū)У淖詈笠徊剑瑢⒍嗑S數(shù)據(jù)集命名為“Sales”結(jié)果如圖五、實(shí)驗(yàn)思考題1．

SqlServer環(huán)境下，數(shù)據(jù)庫與表之間的關(guān)系。數(shù)據(jù)庫由多個(gè)表組成，數(shù)據(jù)庫是表的集合，是以一定組織方式存儲(chǔ)的相互有關(guān)的數(shù)據(jù)集合，數(shù)據(jù)庫不僅要存儲(chǔ)表，還要表示它們之間的關(guān)系。2.

多維數(shù)據(jù)集建立過程中，如何理解數(shù)據(jù)倉庫與源數(shù)據(jù)。數(shù)據(jù)倉庫是面向主題、集成的、不可更新的、隨時(shí)間變化的數(shù)據(jù)集合，用以支持企業(yè)或組織的決策分析過程。數(shù)據(jù)倉庫有具體的主題，如顧客、保險(xiǎn)索賠、采購、銷售等；數(shù)據(jù)倉庫不可更新，只能讀取，不能修改或更新，但內(nèi)容是可以變化的，隨十佳能不斷變化，過時(shí)的數(shù)據(jù)被丟棄，變化記錄未新的數(shù)據(jù)。3.

維表和事實(shí)表之間的關(guān)系。事實(shí)表是數(shù)據(jù)庫中最大的表，是星型模型結(jié)構(gòu)的核心，事實(shí)表包含了基本商業(yè)事務(wù)的詳細(xì)信息，維度表除了代表維之外，還具有字段，維度表包含有隨時(shí)間變化的數(shù)據(jù)記錄，當(dāng)數(shù)據(jù)倉庫的數(shù)據(jù)隨時(shí)間變化而有增減時(shí)，維度表的數(shù)據(jù)行應(yīng)該隨維屬性的變化而變化。事實(shí)表解決數(shù)據(jù)倉庫中用什么支持決策分析的問題，維度表解決數(shù)據(jù)如何分析的問題。4．

創(chuàng)建數(shù)據(jù)倉庫的基本過程明確數(shù)據(jù)倉庫建立背景及問題，比如本實(shí)驗(yàn)中是分析FoodMart公司的銷售情況注冊服務(wù)器設(shè)計(jì)表、修改審查表建立系統(tǒng)數(shù)據(jù)源連接，建立數(shù)據(jù)源、多維數(shù)據(jù)集實(shí)驗(yàn)三多維數(shù)據(jù)組織與分析（OLAP）一、實(shí)驗(yàn)?zāi)康募耙螅ㄒ唬?shí)驗(yàn)?zāi)康?．理解維（表）、成員、層次（粒度）等基本概念及其之間的關(guān)系；2．理解多維數(shù)據(jù)集創(chuàng)建的基本原理與流程；3．理解并掌握OLAP分析的基本過程與方法；（二）實(shí)驗(yàn)要求利用實(shí)驗(yàn)室和指導(dǎo)教師提供的實(shí)驗(yàn)軟件，認(rèn)真完成規(guī)定的實(shí)驗(yàn)內(nèi)容，真實(shí)地記錄實(shí)驗(yàn)中遇到的各種問題和解決的方法與過程，并根據(jù)實(shí)驗(yàn)案例繪出多維數(shù)據(jù)組織模型及其OLAP操作過程。二、實(shí)驗(yàn)設(shè)備及軟件基于NT的局域網(wǎng)絡(luò)，服務(wù)器與客戶端安裝MSSQLServer服務(wù)系統(tǒng)、AnalysisServices系統(tǒng)以及CrystalReport系統(tǒng)。三、實(shí)驗(yàn)內(nèi)容1．運(yùn)用AnalysisServer工具進(jìn)行維度、度量值以及多維數(shù)據(jù)集的創(chuàng)建（模擬案例）。2．使用維度瀏覽器進(jìn)行多維數(shù)據(jù)的查詢、編輯操作。3．對多維數(shù)據(jù)集進(jìn)行切片、切塊、旋轉(zhuǎn)、鉆取操作。四、實(shí)驗(yàn)步驟第一步：編輯多維數(shù)據(jù)集，可以先恢復(fù)實(shí)驗(yàn)二的數(shù)據(jù)，在多維數(shù)據(jù)集出現(xiàn)之前，先新建數(shù)據(jù)源，同實(shí)驗(yàn)二，建立名為“教程”的數(shù)據(jù)源，這樣打開多維數(shù)據(jù)集編輯器才能看到多維數(shù)據(jù)集出現(xiàn)。第二步：使用存儲(chǔ)設(shè)計(jì)向?qū)гO(shè)計(jì)存儲(chǔ)，實(shí)驗(yàn)指導(dǎo)書上沒有明確告知?dú)g迎向?qū)?，右擊教程即可，選擇“MOLAP”作為數(shù)據(jù)存儲(chǔ)類型，在“設(shè)置聚合選項(xiàng)”下單擊“性能提升達(dá)到”。在此框中輸入“40”作為指定百分比，指示AnalysisServices將性能提升到40%，而不管需要多大的磁盤空間。管理員可以用此優(yōu)化能力平衡查詢性能需求和存儲(chǔ)聚合數(shù)據(jù)所需磁盤空間大小。當(dāng)多維數(shù)據(jù)表有所改動(dòng)時(shí)，設(shè)計(jì)存儲(chǔ)窗格會(huì)再次彈出來，同樣輸入“40”作為指定百分比。第三步：安裝SQLSP3補(bǔ)丁，與實(shí)驗(yàn)指導(dǎo)書一起提供了，安裝后還是無法瀏覽多維數(shù)據(jù)集數(shù)據(jù)，可以先注銷電腦，再次安裝，即可看到多維數(shù)據(jù)集數(shù)據(jù)第四步：替換網(wǎng)格中的維度，選擇“Product”維度按鈕并將其拖動(dòng)到網(wǎng)格上，然后直接放在“Measures”上方?！癙roduct”維度和“Measures”維度在多維數(shù)據(jù)集瀏覽器中將交換位置。第五步：按時(shí)間篩選數(shù)據(jù)，展開“所有Time”和“1998”節(jié)點(diǎn)，然后單擊“Quarter1”。將對網(wǎng)格中的數(shù)據(jù)進(jìn)行篩選，使篩選出的數(shù)據(jù)為僅反映第一季度情況的數(shù)字。第六步：編輯多維數(shù)據(jù)集，使用多維數(shù)據(jù)集編輯器可以對現(xiàn)有多維數(shù)據(jù)集進(jìn)行更改。使用多維數(shù)據(jù)集編輯器向現(xiàn)有的Sales多維數(shù)據(jù)集添加維度，添加“promotion”表，雙擊“promotion”表中的“promotion_name”列，來定義新的維度，在“映射列”對話框中選擇“維度”選項(xiàng)，將promotion_name重命名為promotion第七步：鉆取多維數(shù)據(jù)，首先啟用多維數(shù)據(jù)集的鉆取功能，在“教程”數(shù)據(jù)庫下，展開“多維數(shù)據(jù)集”文件，編輯“Sales”多維數(shù)據(jù)集，在“多維數(shù)據(jù)集鉆取選項(xiàng)”對話框中選擇“啟用鉆取”復(fù)選框，全選所有列第八步：給角色提供鉆取權(quán)限，在“Sales”多維數(shù)據(jù)集，單擊“管理角色”命令，出現(xiàn)其對話框，新建“Management”角色，指導(dǎo)書上寫單擊“Management”角色，由于沒有出現(xiàn)，于是自己新建，選中“允許鉆取”，提供鉆取權(quán)限。第九步：使用分析管理器深化到源系統(tǒng)，在AnalysisManager樹窗格中，瀏覽數(shù)據(jù)，展開“USA”、“WA”和“REDMOND”級別，展開“Country”級別，鉆取“Abbey”的單位銷售額五、實(shí)驗(yàn)思考題1．

編輯多維數(shù)據(jù)集不同的維度時(shí)應(yīng)注意什么問題。編輯多維數(shù)據(jù)集不同的維度時(shí)應(yīng)注意維度的所屬結(jié)構(gòu)，維度的層次級別及級別的順序。2.

切片、鉆取、切塊等OLAP瀏覽操作之間的差異。切片是通過在數(shù)據(jù)立方體的一個(gè)維上執(zhí)行選擇操作，來定義子方；鉆取是通過維的概念分層，在多維數(shù)據(jù)立方體上進(jìn)行聚集操作，分為上鉆和下鉆；切塊是通過在數(shù)據(jù)立方體的兩個(gè)或更多個(gè)維上執(zhí)行選擇操作，導(dǎo)出一個(gè)子方。3．

維度的增加或刪除會(huì)對多維數(shù)據(jù)集產(chǎn)生什么影響。多維數(shù)據(jù)集是在不同維度的數(shù)據(jù)上進(jìn)行預(yù)測和分析，維度增加，多維數(shù)據(jù)集則能在此維度上進(jìn)行數(shù)據(jù)分析，刪除則無法在該維度上進(jìn)行分析。六、分析總結(jié)實(shí)體-聯(lián)系數(shù)據(jù)模型廣泛用于關(guān)系數(shù)據(jù)庫設(shè)計(jì)。在那里，數(shù)據(jù)庫模式由實(shí)體的集合和它們之間的聯(lián)系組成。這種數(shù)據(jù)模型適用于聯(lián)機(jī)事務(wù)處理。然而，數(shù)據(jù)倉庫需要簡明的、面向主題的模式，便于聯(lián)機(jī)數(shù)據(jù)分析。最流行的數(shù)據(jù)倉庫數(shù)據(jù)模型是多維數(shù)據(jù)模型。這種模型可以以星形模式、雪花模式、或事實(shí)星座模式形式存在。實(shí)驗(yàn)四數(shù)據(jù)挖掘一、實(shí)驗(yàn)?zāi)康募耙螅ㄒ唬?shí)驗(yàn)?zāi)康?．理解數(shù)據(jù)挖掘的基本概念及其過程；2．理解數(shù)據(jù)挖掘與數(shù)據(jù)倉庫、OLAP之間的關(guān)系3．理解基本的數(shù)據(jù)挖掘技術(shù)與方法的工作原理與過程，掌握數(shù)據(jù)挖掘相關(guān)工具的使用。（二）實(shí)驗(yàn)要求利用實(shí)驗(yàn)室和指導(dǎo)教師提供的實(shí)驗(yàn)軟件，認(rèn)真完成規(guī)定的實(shí)驗(yàn)內(nèi)容，真實(shí)地記錄實(shí)驗(yàn)中遇到的各種問題和解決的方法與過程，并繪出實(shí)驗(yàn)案例的數(shù)據(jù)挖掘模型。實(shí)驗(yàn)完成后，應(yīng)根據(jù)實(shí)驗(yàn)情況寫出實(shí)驗(yàn)報(bào)告。二、實(shí)驗(yàn)設(shè)備及軟件基于NT的局域網(wǎng)絡(luò)，服務(wù)器與客戶端安裝MSSQLServer服務(wù)系統(tǒng)、AnalysisServices系統(tǒng)以及CrystalReport系統(tǒng)。三、實(shí)驗(yàn)內(nèi)容將創(chuàng)建一個(gè)數(shù)據(jù)挖掘模型以訓(xùn)練銷售數(shù)據(jù)，并使用“Microsoft決策樹”算法在客戶群中找出會(huì)員卡選擇模式。請將要挖掘的維度（事例維度）設(shè)置為客戶，再將Member_Card成員的屬性設(shè)置為數(shù)據(jù)挖掘算法識(shí)別模式時(shí)要使用的信息。然后選擇人口統(tǒng)計(jì)特征列表，算法將從中確定模式：婚姻狀況、年收入、在家子女?dāng)?shù)和教育程度。下一步需要訓(xùn)練模型，以便能夠?yàn)g覽樹視圖并從中讀取模式。市場部將根據(jù)這些模式設(shè)計(jì)新的會(huì)員卡，使其適應(yīng)申請各類會(huì)員卡的客戶類型。四、實(shí)驗(yàn)步驟第一步：創(chuàng)建揭示客戶模式的數(shù)據(jù)挖掘模型，在AnalysisManager樹視圖中，展開“多維數(shù)據(jù)集”文件夾，新建挖掘模型，選擇“Microsoft決策樹”，在“維度”框中選擇“Customer”，選擇“MemberCard”的成員屬性，在“創(chuàng)建維度和虛擬多維數(shù)據(jù)集（可選）”步驟中，在輸入“CustomerPatterns”作為“維度名稱”。然后輸入“TrainedCube”作為“虛擬多維數(shù)據(jù)集名稱”，鍵入“Customerpatternsdiscovery”作為模型名稱第二步:讀取客戶決策樹，可以使用編輯器編輯模型屬性或者瀏覽OLAP挖掘模型結(jié)果，決策樹顯示包括四個(gè)部分，中間的“內(nèi)容詳情”窗格(1)顯示焦點(diǎn)所在的決策樹的部分。“內(nèi)容選擇區(qū)”窗格(2)顯示樹的完整視圖。該窗格使您可以將焦點(diǎn)設(shè)置到樹的其它部分。其它的兩個(gè)窗格分別是“特性”窗格(3)（特性信息可以用“合計(jì)”選項(xiàng)卡以數(shù)值方式查看或者用“直方圖”選項(xiàng)卡以圖形方式查看）和與焦點(diǎn)所在節(jié)點(diǎn)相關(guān)聯(lián)的“節(jié)點(diǎn)路徑”區(qū)域(4)。在“內(nèi)容詳情”窗格的決策樹區(qū)域中，顏色代表“事例”的密度（在本事例中為：客戶的密度）。顏色越深則節(jié)點(diǎn)中包含的事例就越多。特性窗格顯示“全部”節(jié)點(diǎn)中，所有事例的55.83%（或者說4263個(gè)示例）可能選擇銅卡(Bronze)；11.50%可能選擇金卡(Golden)；23.32%可能選擇普通卡(Normal)；9.34%可能選擇銀卡(Silver)。如果沒有顯示百分比，則可以調(diào)整“特性”窗格中“合計(jì)”面板的“可能性”列的大小。樹的第一個(gè)級別由“yearlyincome”屬性決定。樹的組織由算法決定，其基礎(chǔ)是該屬性在輸出中的重要性。這意味著“yearlyincome”屬性是最重要的因素，它將決定客戶可能選擇的會(huì)員卡的類型。選擇“Customer.Lname.YearlyIncome=$150K+”節(jié)點(diǎn)。該特性窗格顯示收入較多的客戶中，45.09%的客戶可能會(huì)選擇金卡。這個(gè)百分比要比“全部”節(jié)點(diǎn)中的(11.50%)高得多。當(dāng)繼續(xù)在樹中做進(jìn)一步調(diào)查時(shí)，讓我們調(diào)查一下這些百分比是如何演化的。在“節(jié)點(diǎn)路徑”窗格中，可以看到包含于該節(jié)點(diǎn)的客戶的完整的特征定義：收入高于150000美元且已婚的客戶。該“特性”窗格現(xiàn)在顯示：與上一級別(45.09%)相比，較高百分比(81.05%)的客戶可能會(huì)選擇金卡。我們再返回到頂層，進(jìn)行一種與此不同的調(diào)查，即調(diào)查可能選擇普通卡的客戶。若要返回頂層節(jié)點(diǎn)，可以單擊從“Customer.Lname.YearlyIncome=

$150K+”節(jié)點(diǎn)左面伸出來的線（方法1）或者使用“內(nèi)容選擇區(qū)”回到樹的頂部.可以看到“Customer.Lname.YearlyIncome=$10K$30K”節(jié)點(diǎn)的顏色非常深。這意味著這些客戶選擇普通卡的可能性非常高?！疤匦浴贝案耧@示在此年收入范圍內(nèi)的客戶中，91.92%的客戶可能會(huì)選擇普通卡。樹還顯示已無法對此節(jié)點(diǎn)進(jìn)行進(jìn)一步調(diào)查。這意味著在樹的這個(gè)分支中，年收入是決定客戶選擇普通卡的可能性的唯一因素?？梢圆榭礃涞钠渌种Р⒄{(diào)查客戶選擇一種卡而不選擇另一種卡的可能性。市場部可以使用此信息來確定最可能選擇某種類型卡的客戶的特征。根據(jù)這些特征（收入、子女?dāng)?shù)、婚姻狀況等等），可以重新定義