Вопрос или проблема
Мне поручено создать несколько моделейData Mining для демо-базы данных Adventure Works. Предполагалось, что я буду использовать SSDT и Visual Studio с SQL Server, однако в последней версии SSDT (2022) поддержка Data Mining была полностью удалена.
Почему они сначала прекратили поддержку этой функции?
Какой инструмент я теперь должен использовать вместо этого? Мне нужен инструмент, который мог бы интегрироваться с проектами SSDT VS, но документация не предлагает альтернатив, я в затруднении.
Мастер Data Mining (Analysis Services – Data Mining) доступен только в SQL Server 2019 и более ранних версиях Analysis Services.
Data Mining была удалена в SQL Server 2017 Analysis Services и теперь прекращена в SQL Server 2022 Analysis Services. Документация не обновляется для устаревших и прекращенных функций. Чтобы узнать больше, смотрите обратную совместимость Analysis Services.
Альтернативы:
Ответ или решение
Программное обеспечение для добычи данных в SQL Server 2022: Альтернативы и Рекомендации
В последние годы внедрение дата-майнинга в рамках SQL Server претерпело значительные изменения, что вызывает вопросы у разработчиков и аналитиков. Пользователь, который обратился с данной проблемой, столкнулся с тем, что последняя версия SQL Server Data Tools (SSDT) 2022 закрыла доступ к функциям добычи данных, которые были доступны в предыдущих версиях.
Почему поддержка функции была прекращена?
Первоначально возможности по добыче данных в SQL Server были довольно обширными, однако с развитием технологий и изменением приоритетов в области бизнес-аналитики и обработки данных, решение по сворачиванию этой функциональности в SSDT и SQL Server Analysis Services (SSAS) стало ожидаемым. В SQL Server 2017 функция добычи данных была объявлена устаревшей, а с выходом SQL Server 2022 она была полностью удалена. Причины такого решения могут включать:
-
Снижение потребности в традиционных методах извлечения данных: Рынок стал больше ориентироваться на инструменты обработки больших данных и машинного обучения, такие как Azure Machine Learning.
-
Эволюция анализа данных: Современные решения предлагают более мощные и гибкие инструменты анализа данных, такие как Power BI, которые обеспечивают более интерактивный и визуальный подход к данным.
Какие инструменты можно использовать вместо устаревших функций?
Если вы ищете альтернативные инструменты для создания моделей добычи данных в пределах экосистемы Microsoft, вот несколько решений, которые могут интегрироваться с вашими проектами SSDT и обеспечить адекватную функциональную замену:
-
SQL Server Analysis Services (SSAS): Несмотря на то что Data Mining Wizard был удален из SSAS в 2022 году, можно использовать другие функции SSAS. Например, вы можете создавать OLAP-кубы и использовать алгоритмы анализа данных. SSAS предоставляет возможности для разработчиков, желающих создать модели на основе структурированных данных, и может быть пригоден для гибридных решений.
-
Power BI: Это современный инструмент для визуализации данных и их анализа, который стал неотъемлемой частью корпоративной аналитики. В Power BI присутствует функция «Анализ данных», которая позволяет проводить углубленный анализ и построение моделей с использованием интерактивных визуализаций. Более того, Power BI можно интегрировать с вашими данными, хранящимися в SQL Server, а также с другими источниками данных, что увеличивает гибкость анализа.
-
Azure Machine Learning: Это облачный сервис, предоставляющий широкие возможности для работы с данными и построения сложных моделей машинного обучения. Azure Machine Learning позволяет интегрироваться с данными из SQL Server и использовать продвинутые алгоритмы для моделирования и разработки предсказательных аналитических решений.
Заключение
С прекращением поддержки добычи данных в SQL Server 2022, разработчики должны пересмотреть свои используемые технологии и выбрать альтернативные инструменты для анализа данных, такие как SSAS, Power BI и Azure Machine Learning. Каждое из этих решений предлагает уникальные возможности и может быть адаптировано под ваши специфические потребности.
Современные бизнес-аналитики и разработчики должны быть готовы к изменениям и открыты к изучению новых технологий, которые могут значительно увеличить эффективность работы с данными и их анализа.