Pro popis jednotlivých funkcí systému LISp-Miner byla vytvořena data o pobytech ve fiktivním hotelu. Data jsou používána při výkladu na těchto stránkách. Zároveň lze data stáhnout a zkoušet si jednotlivé funkce na svém počítači.

Pro lepší porozumění příkladům je vhodné se seznámit s daty – jejich strukturou dat, významem sloupců a hodnot v nich.

Data Hotel jsou uměle vygenerována pomocí modulu ReverseMiner, který je také součástí systému LISp-Miner.

Data obsahují údaje o pobytech a dále externě přidaná data o počasí a ekonomická data (vývoj směnného kurzu CZK/EUR).

Konceptuální schéma demonstračních dat Hotel vidíme na obrázku:

Do hotelu přijíždějí Hosté na Pobyt. Pobyt trvá od dne začátku pobytu daný počet nocí a host za něj zaplatí určitou částku danou ceníkem. Rozlišujeme dva typy pobytů – rekreační a služební. Kromě věku a pohlaví se o (hlavním) hostovi zaznamenává jeho trvalé Bydliště – město, stát a zeměpisné souřadnice města. Na konci pobytu vyplní host Dotazník, ve kterém uvede své celkové hodnocení a čtyři dílčí hodnocení (ubytování, strava, personál a možnosti kulturního a sportovního vyžití).

K analyzovaným datum byla na základě uvážení analytika připravena další, externí data – Meteo (počasí) a Směnárna (směnný kurz CZK/EUR). Oba typy externích dat obsahují záznamy podle dnů.

Pro účely výuky byla data o pobytech omezena na 2000 záznamů.

Základní data Hotel

• Množství záznamů: 2000. Jeden záznam obsahuje údaje o jednom pobytu.
• Časové období: dva roky (1. 1. 2012 až 31. 12. 2013)
• Zdroj: LM ReverseMiner

Externí data o počasí

• Množství záznamů: 731. Jeden záznam pro každý den.
• Časové období: dva roky (1. 1. 2012 až 31. 12. 2013)
• Zdroj: http://www.isws.illinois.edu/warm/data/cdfs/stcday.txt (údaje o průměrné venkovní teplotě), hodnota stavu oblohy vytvořena náhodně s vyšší pravděpodobností trendu

Externí data o vývoji směnného kurzu CZK/EUR

• Množství záznamů: 731. Jeden záznam pro každý den.
• Časové období: dva roky (1. 1. 2012 až 31. 12. 2013)
• Zdroj: http://www.cnb.cz/cs/financni_trhy/devizovy_trh/kurzy_devizoveho_trhu

Fyzicky byla data vyexportována z databáze hotelu jako jeden textový soubor formátu CSV obsahující údaje o hostech, jejich bydlišti, pobytech a dotazníku v jedné tabulce. Při exportu nebyl zahrnut žádný primární klíč. Obě externí data jsou jako samostné tabulky. Výsledné relační schéma vidíme na obrázku:

Externí data se k základní tabulce Hotel připojují podle dne začátku pobytu (sloupec PPobytOd) a sloupce s datumem (MDatum v případě počasí a SDatum u směnných kurzů). Vztah mezi záznamy v základní tabulce a záznamy v obou externích tabulkách je N:1 (více pobytů mohlo začít v jeden den). Protože jsou v externích datech záznamy skutečně pro každý den sledovaného období, může být při spojování pomocí SQL příkazu SELECT použit tzv. inner join, resp. podmínka na shodu hodnot v příslušných sloupcích v klausuli WHERE.

Sloupce uvozeny písmenem ‘H’ (hotel), ‘P’ (pobyt) a ‘D’ (dotazník).

Sloupce uvozeny písmenem ‘M’ (meteo).

Sloupce uvozeny písmenem ‘S’ (směnárna).

Mapový soubor s geografickými souřadnicemi pozic navzájem si konkurujících hotelů.

Jde o znalosti dopředu dané reáliemi z oblasti ubytování hostů.

Sezona je v období červen až srpen a prosinec až únor. Speciálním typem pobytu jsou turnusové pobyty, které začínají vždy v sobotu a trvají týden, dva nebo tři. Pro hoteliéry zajímaví hosté jsou ti, co zůstávají přes sobotní noc (alespoň jednu). U těch se očekává celkově vyšší útrata, a proto obvykle dostávají slevu z celkové ceny za pobyt.

Rekreační pobyty začínají obvykle v pátek (víkendové pobyty) nebo v sobotu (turnusové pobyty na sedm, čtrnáct nebo 21 nocí). Služební cesty začínají obvykle ve všední dny (pondělí až čtvrtek) a jsou obvykle pouze na jeden den. Kromě toho jsou dlouhodobé služební cesty na čtyři týdny (např. školení nebo dělníci na stavbě), které začínají vždy v pondělí a počet osob je 4.

Víme o významných konkurentech našeho hotelu, včetně jejich přesné polohy (viz výše).

Mezi doménové znalosti patří i rozdělení atributů do skupin (viz výše).

Data byla připravena ve formátu CSV ve dvou variantách.

• jako jeden soubor se všemi externě přidanými údaji – HotelPlusExterni.txt
• rozdělená na tři soubory (Hotel.txt, Meteo.txt a Smenarna.txt) pro vyzkoušení importu více souborů a následné spojování do jedné tabulky.

Dále je třeba stáhnout soubor s geografickými daty Hotel.Konkurence.kml.

Chceme-li si vyzkoušet práci se systémem LISp-Miner, můžeme stáhnout hotovou dvojici data+metabáze a použít funkci pro připojení existující dvojice data+metabáze.

Poznámka: Pro správný výpočet odvozených sloupců z geografických dat bude nutné v definici sloupců HNejblizsiHotelVzdalenost a HNejblizsiHotelNazev opravit cestu k souboru Hotel.Konkurence.kml s pozicemi hotelů.