但在實(shí)際應(yīng)用中，“過(guò)去發(fā)生了什么”和“現(xiàn)在正在發(fā)生什么”的分析屬于BI平臺(tái)（如）的功能范疇，BI平臺(tái)通過(guò)各類報(bào)表、即席查詢、多維分析、預(yù)警和實(shí)時(shí)監(jiān)控等平臺(tái)能力可以很好的回答企業(yè)在“過(guò)去”和“現(xiàn)在”發(fā)生了什么，而“未來(lái)可能發(fā)生什么”的分析則屬于DM平臺(tái)（Data Mining數(shù)據(jù)挖掘，如）的功能范疇，DM平臺(tái)通過(guò)建立預(yù)測(cè)模型來(lái)對(duì)今后的業(yè)務(wù)進(jìn)行預(yù)測(cè)，幫助企業(yè)回答“未來(lái)”可能會(huì)發(fā)生什么的相關(guān)問(wèn)題。

企業(yè)全方位的數(shù)據(jù)分析能力階梯如下圖所示：

（1） 常規(guī)報(bào)表：

常規(guī)報(bào)表廣為人知，它們通常按照一定的周期產(chǎn)生，對(duì)過(guò)去一段時(shí)間、一定范圍內(nèi)所發(fā)生的事實(shí)進(jìn)行記錄。它們對(duì)了解業(yè)務(wù)現(xiàn)狀非常有用，但是卻無(wú)法據(jù)此進(jìn)行長(zhǎng)期決策。標(biāo)準(zhǔn)報(bào)表主要用于回答“發(fā)生了什么”和“什么時(shí)候發(fā)生”這樣的問(wèn)題。典型的標(biāo)準(zhǔn)報(bào)表包括月度或季度的財(cái)務(wù)報(bào)告。

（2） 即席查詢：

即席查詢往往通過(guò)對(duì)一系列數(shù)據(jù)（組合）的要求來(lái)“回答”一些常見(jiàn)的業(yè)務(wù)問(wèn)題。即席報(bào)表主要用于解決類似“多少”、“頻次如何”和“在哪里”這樣的問(wèn)題。記錄每種產(chǎn)品每天銷量的定制報(bào)表就屬于即席報(bào)表。

（3） 多維分析（又稱為鉆取或者OLAP技術(shù)）：

OLAP技術(shù)可以幫助了解更多細(xì)節(jié)信息，它可以幫助客戶自己操縱數(shù)據(jù)，找出諸如“多少”、“什么”和“哪里”之類問(wèn)題的答案。OLAP技術(shù)主要解決的是“問(wèn)題出在哪里”和“我如何找到問(wèn)題的答案”這樣的問(wèn)題。例如，對(duì)不同類型的電話客戶的通話行為進(jìn)行排序，找出他們的通話特征就需要運(yùn)用到OLAP技術(shù)。

（4） 預(yù)警：

當(dāng)問(wèn)題發(fā)生時(shí)你可以通過(guò)告警及時(shí)獲知，并且可以在將來(lái)發(fā)生類似情況時(shí)引起注意。告警可以通過(guò)電子郵件、網(wǎng)絡(luò)頻道、記分卡或者儀表盤的形式給出。警報(bào)的過(guò)程需要確認(rèn)的是引起注意的觸發(fā)點(diǎn)，以及一旦報(bào)警需要采取什么行動(dòng)。比如，銷售總監(jiān)在銷售情況與銷售目標(biāo)差距大時(shí)會(huì)收到告警信息。

（5） 統(tǒng)計(jì)分析：

我們可以運(yùn)行一些更加復(fù)雜的分析。例如，方差分析和回歸分析等。我們可以基于數(shù)據(jù)提出一些假設(shè)，然后再利用數(shù)據(jù)構(gòu)建統(tǒng)計(jì)分析模型來(lái)“回答”這些假設(shè)是否成立。統(tǒng)計(jì)分析解決的問(wèn)題主要是“行為/事件為什么發(fā)生”和“我失去了怎樣的機(jī)會(huì)”。例如，銀行希望了解什么樣的人更可能對(duì)他們的房子進(jìn)行轉(zhuǎn)按揭操作，那么他們就會(huì)用到統(tǒng)計(jì)分析的方法。

（6）預(yù)測(cè)：

它能夠幫助建立恰當(dāng)?shù)膸?kù)存，從而使得既不會(huì)脫銷，也不會(huì)積壓庫(kù)存。預(yù)測(cè)主要解決的問(wèn)題是“未來(lái)的趨勢(shì)會(huì)怎樣”和“如果這樣的趨勢(shì)繼續(xù)會(huì)怎樣”。例如，零售商可以根據(jù)銷售歷史，預(yù)測(cè)未來(lái)特定店鋪的特定產(chǎn)品的銷售量，而這樣的預(yù)測(cè)過(guò)程就是時(shí)間序列預(yù)測(cè)。

（7）預(yù)測(cè)型建模（預(yù)測(cè)性predictive模型）：

如果你有1000萬(wàn)個(gè)客戶需要做一次直郵，誰(shuí)最有可能響應(yīng)？怎樣對(duì)現(xiàn)有客戶進(jìn)行有效分群？哪些客戶最可能流失？預(yù)測(cè)性模型可以回答這類問(wèn)題。預(yù)測(cè)性模型主要關(guān)心的是將來(lái)可能發(fā)生的情況，以及不同的預(yù)測(cè)情況對(duì)業(yè)務(wù)的影響。例如，商戶可以預(yù)測(cè)客戶可能會(huì)對(duì)哪種產(chǎn)品更有興趣，以及哪些客戶會(huì)對(duì)特定產(chǎn)品更有興趣。

（8）優(yōu)化：

 優(yōu)化往往帶來(lái)創(chuàng)新，它使企業(yè)可以在有限資源下實(shí)現(xiàn)收入（利潤(rùn)）最大化。優(yōu)化強(qiáng)調(diào)的是更好地利用各種資源的途徑。例如，在特定資源條件下，如何安排并使收入利潤(rùn)最大化，就是優(yōu)化需要解決的問(wèn)題。

在企業(yè)的實(shí)際數(shù)據(jù)分析應(yīng)用中，傳統(tǒng)的BI平臺(tái)和DM平臺(tái)都是相對(duì)獨(dú)立的完成各自的工作，因?yàn)锽I平臺(tái)和DM平臺(tái)本身都是獨(dú)立的平臺(tái)工具，都支持連接到各類數(shù)據(jù)源和展現(xiàn)最終的分析結(jié)果。雖然最終用戶在BI平臺(tái)看到的報(bào)表結(jié)果后非常希望能直接使用一個(gè)數(shù)據(jù)挖掘模型進(jìn)行相關(guān)預(yù)測(cè)分析， 但在實(shí)際場(chǎng)景下用戶不得不在線下將報(bào)表的源數(shù)據(jù)導(dǎo)入到數(shù)據(jù)挖掘平臺(tái)建立相關(guān)的模型，生成預(yù)測(cè)結(jié)果后回寫到數(shù)據(jù)庫(kù)，再通過(guò)BI平臺(tái)連接到該結(jié)果表在前端報(bào)表上進(jìn)行展示，這些操作給最終用戶帶來(lái)了極大的不變和額外的開(kāi)發(fā)工作量。

如果企業(yè)使用Cognos+SPSS的 BI+DM平臺(tái)的解決方案，情況將會(huì)變得簡(jiǎn)單許多。在應(yīng)對(duì)業(yè)務(wù)用戶瀏覽報(bào)表后在線的數(shù)據(jù)預(yù)測(cè)需求，用戶只需要在SPSS建模界面引入之前瀏覽過(guò)的Cognos報(bào)表數(shù)據(jù)作為輸入，即可開(kāi)展后續(xù)的建模過(guò)程。在完成模型創(chuàng)建和運(yùn)行后，預(yù)測(cè)分析結(jié)果又可以直接輸出到Cognos報(bào)表，并用于后續(xù)預(yù)測(cè)結(jié)果的瀏覽，整個(gè)過(guò)程用戶都無(wú)需手工管理數(shù)據(jù)連接，系統(tǒng)通過(guò)底層接口已經(jīng)實(shí)現(xiàn)了從Cognos平臺(tái)到SPSS平臺(tái)無(wú)縫流轉(zhuǎn)。整個(gè)操作過(guò)程的大致如下：

以下內(nèi)容將假設(shè)一個(gè)客戶流失預(yù)測(cè)的場(chǎng)景，具體操作過(guò)程大致如下：

(1) 在平臺(tái)創(chuàng)建用于訓(xùn)練模型的源報(bào)表和用于預(yù)測(cè)是否流失的目標(biāo)報(bào)表，源報(bào)表和目標(biāo)報(bào)表都將作為SPSS數(shù)據(jù)流的數(shù)據(jù)源輸入。

例：以下是一張包含有客戶流失結(jié)果和詳細(xì)信息的Cognos報(bào)表（源報(bào)表）示例。

(2) 在中創(chuàng)建一個(gè)流，從源中選擇IBM Cognos BI作為輸入。編輯IBM Cognos BI源參數(shù)，選擇設(shè)置連接到Cognos服務(wù)器的地址和報(bào)表路徑，設(shè)置完成后可以點(diǎn)擊左上角的“預(yù)覽”按鈕來(lái)預(yù)覽報(bào)表內(nèi)容。

(3) 基于IBM Cognos BI數(shù)據(jù)源在SPSS Modeler中完成流的創(chuàng)建過(guò)程后，運(yùn)行生成預(yù)測(cè)模型。本示例使用的是決策樹(shù)模型。

以下是預(yù)測(cè)模型相關(guān)詳細(xì)內(nèi)容

(4) 將用于預(yù)測(cè)的Cognos目標(biāo)報(bào)表設(shè)置為預(yù)測(cè)數(shù)據(jù)流的輸入，在IBM Cognos BI源中設(shè)置相應(yīng)的Cognos連接參數(shù)，使用已經(jīng)訓(xùn)練完成的決策樹(shù)預(yù)測(cè)模型進(jìn)行數(shù)據(jù)預(yù)測(cè)分析，并將結(jié)果寫回到Cognos BI報(bào)表輸出。IBM Cognos BI Export是SPSS Modeler中內(nèi)置的輸出功能，可以直接將預(yù)測(cè)結(jié)果輸出為Cognos報(bào)表。

 (5) 完成以上預(yù)測(cè)模型的運(yùn)行后，回到CognosBI平臺(tái)即可直接打開(kāi)輸出的預(yù)測(cè)結(jié)果報(bào)表。以上紅色框標(biāo)示的內(nèi)容即為通過(guò)預(yù)測(cè)模型生成的預(yù)測(cè)結(jié)果字段內(nèi)容，包含流失預(yù)測(cè)結(jié)果和置信度百分比。

以上就是借助Cognos+SPSS實(shí)現(xiàn)在線報(bào)表預(yù)測(cè)分析的相關(guān)過(guò)程，如果你對(duì)整個(gè)流程的實(shí)現(xiàn)感興趣，可以點(diǎn)擊下面的鏈接下載Cognos和SPSS進(jìn)行試用嘗試。

Cognos產(chǎn)品試用下載鏈接：

SPSS產(chǎn)品試用下載鏈接：

via：華南IBM大數(shù)據(jù)支持團(tuán)隊(duì)

詳情請(qǐng)咨詢“”！

客服熱線：023-66090381