BIJZONDER LASTENBOEK “Datamining Tools” - SeniorenNet

Daarnaast kunnen de ETL jobs ook zorgen voor het vullen/bijwerken van de SANDBOX. De SANDBOX (of “SQL LAB”) is de
werkomgeving voor Data Mining activiteiten en optimaliseert het hergebruik van informatie.
Als Reporting en OLAP tool is er voor Microsoft tools gekozen. Microsoft Analysis services zal geënt zijn op het DB2 Data
Warehouse en de Data Mart databases en een semantische laag leveren voor de Microsoft client componenten (MS Office,
Reporting Services, etc).
Bij wijze van tool voor datamining werd SPSS gekozen voor dit project.
Al deze basis componenten zijn geïntegreerd met volgende beheerstools:
• de scheduling tool VTOM
• de configuration/versioning tool StarTeam
• de monitoring tool HP Openview
• de Back-up toepassing Legato
• Identity Management
Het project laat reeds toe de specifieke kenmerken van elke entiteit en elke pijler van de groep der pijlers in acht te nemen
voor de entiteiten en pijlers die behandeld worden in de eerste twee releases. Het project komt dus tegemoet aan de vierde
prioriteit beschreven in het vijfjarenplan, te weten het beantwoorden aan de interne behoeften van het departement.
De voorgestelde datamining-oplossing moet worden geïntegreerd in het kader van de architectuur van het Datawarehouse
Risicoanalyse.
2.1.2.2 DATAMINING-PROJECTEN
De diverse voorgestelde diensten hebben allemaal lopende datamining-projecten, en dit naargelang hun opdrachten.
Deze zullen niet worden gedetailleerd, omwille van de vertrouwelijkheid van de bestudeerde materie.
Men kan evenwel een raming geven van het aantal modellen dat momenteel wordt gebruikt:
2.1.2.2.1 CEL DATAMINING BTW
Momenteel worden 11 modellen gebruikt, een aantal dat in de komende maanden tot 12 zal worden uitgebreid.
De complexiteit van deze modellen kan erg groot zijn ; hierbij bijvoorbeeld enkele kwantitatieve gegevens voor wat betreft
een DM BTW-herhaling (elk jaar is er een herhaling) :
• ong. 600 nodes in de streams
• ong. 80 tabellen
• de grootste tabel bevat bijna 40 miljoen records
• ong. 100 streams (met inbegrip van de streams, vermeld voor PHP en Reporting)
• enkele streams (Clementine) gebruiken scripts
• 15 bronbestanden
• ongeveer 90 onafhankelijke variabelen
58