對license數據的挖掘與分析

這里所稱的數據分析泛指那些將數據轉化為信息或知識的計算機應用系統（也可稱之為商業智能應用，Business Intelligence/BI），包括決策支持、聯機分析、查詢與報表、預測分析、專業定量分析、數據挖掘、數據可視化應用等等。為企業或機構進行有效管理、提高競爭力提供信息和依據，是信息化進程中的高級階段。在企業中已積累的數據是企業或機構寶貴的財富，如何有效地進行數據利用以獲得更大的利益是集團化企業的中心目標。

集團化企業或機構在其發展過程中逐漸形成了多種不同類型的license設計研發相關應用軟件以支撐公司的主營業務。還有一些公司通常由地點上分布的多個子公司或部門組成，子公司或部門獨立地使用著各自的license服務器，而這些子公司或部門往往是很難相互調節使用軟件license的，即基于不同廠商的或不同結構的license有不同的服務器和端口，造成了使用情況不明朗，資源使用浪費等情況。

在信息技術不斷發展的今天，人們對信息的使用也越來越復雜。除了對軟件服務器的進行增、刪、改等事務處理操作和簡單的統計匯總以外，高層管理者還要使用數據（歷史的、現在的）進行各種復雜分析，如長期趨勢分析和數據挖掘等，以支持決策。

從大量的歷史數據中獲取信息，要求license管理系統保存足夠的歷史數據，而且還要進行復雜的分析處理（每次處理涉及大量數據）。如果直接基于分散繁雜的license服務器的開展分析應用，則不可避免地要遇到以下諸多障礙：

1． 缺乏組織性。

    各個不同類型的license使用數據難以轉化為有用的信息。license數據結構是面向操作的有效性組織的，而非面向分析的需要。分析所需要的數據內容可能分散在許多數據對象甚至許多應用中。同一字段在不同應用中又可能存在著同名異義、異名同義、單位不同、字長不同等許多難以識別的矛盾。將這些零碎而且結構各不相同的license服務器使用數據統一起來的工作將是復雜而繁重，難以應付不斷變化的分析工作的需要。

2． 干擾事務處理系統的正常運行。

    實現對license使用情況精準的分析處理往往需要涉及較大的數據量，而且license服務器則要求盡快做出響應，如果進行一次大規模的分析，對機器性能的影響是難以忍受的，從而嚴重影響其正常運行。

3． 缺乏足夠的歷史數據。

    License使用分析應用常常需要通過一段歷史時期的數據來分析趨勢，而在license服務器中一般只存儲當前的短期數據，且各個不同授權類型license的數據讀取也不一樣，這對于長期趨勢分析和license使用規律探索構成制約。

4． 結果的準確可比性難以保證。

    License的使用數據是隨時更新變化的?；陔S時變化的數據源難于對問題作出一致的回答，而不一致的答案會干擾決策過程。

    一般來說對license使用問題的決策過程分這樣三個階段：

1. 發現問題。

     一開始，往往并未搞清license使用中的具體問題是什么，只是就所看到的現象提出了疑問和懷疑。需要從不同的方面和角度對數據找出其異常之所在。特別是當觀察到某些因素組合起來會產生了特定的效果時，這尤其重要。

2. 更加詳細的分析和探討所提出的問題。

     一旦發現了某種趨勢或異常就要確認和解釋其緣由。所謂分析，不僅是觀察和列表，更重要的是：

①、證實這種趨勢存在的必然性；

②、搞清楚為什么會存在這種趨勢或異常；

③、預測這種趨勢隨著時間進程的發展；

④、預測這種趨勢或異常會造成什么影響和后果。

3. 向其他決策者展現你的發現和結論，并得到確認分析、證實和預測其后果。

    這可能是一個復雜又漫長的過程。真正有權作出決策的人可能并未參與這一全過程。這時要能將分析的主要過程，尤其是結論清楚明白地展現給決策者，讓他能洞察操作過程，理解決策支持的結論。

人們關心的是響應時間、數據的安全性和完整性。分析型處理則用于管理人員的決策支持和分析，經常要訪問大量的歷史數據。人們關心的是數據的易訪問性、分析功能的充分性和有效性、以及結果的準確及時性。

分析應用所需工具可以歸納為以下幾類：

1．查詢工具

主要是指將數據直接（即無須經過復雜的分析算法處理）呈現給用戶的工具。既可以是對數據倉庫中記錄級數據的查詢，也可以是對分析結果（發展趨勢或模式總結）的查詢。其目標在于使得用戶能夠方便直觀地提出查詢要求并且以友好清晰的方式呈現出來，從而幫助用戶實現對數據倉庫的“閱覽”。查詢工具可以與分析型工具結合起來實現諸如原因分析、目標探察等分析任務。

2．分析型工具

根據數據倉庫的定義和用途，它面向的用戶是中高層領導和分析人員，主要執行決策支持和趨勢分析類應用。

典型的數據分析系統是由以下成分組成：

1． 各種所需的數據源。它們存在于各種事務處理系統的管理之下，是分析系統的數據流起點。

2． 數據倉庫系統。按管理主題領域所建立的分析型數據資源體系，是分析功能所作用的直接對象。其內容包括描述各種有關事物的細節級詳細數據、體現各類管理主題的不同綜合程度的主題數據、數據倉庫數據集合及其形成過程的描述性信息（即元數據）和數據倉庫管理系統。數據倉庫管理系統要承擔如下任務：數據抽取、校驗、轉換、整合、度量計算、加載、刷新、元數據維護、作業調度等。細節級詳細數據一方面作為主題數據生成的數據基礎，另一方面可以滿足聯機細節信息查詢（包括由宏觀至微觀的鉆入式分析）的需要。而主題數據則是滿足絕大多數情況下分析計算數據請求的主體部分。

3． 分析系統。即基于數據倉庫之上的數據利用部分，是最終用戶的使用環境。前面已經提到，按數據處理的復雜程度可分為查詢型、分析型和挖掘型等；按使用對象的不同可分為決策支持系統、分析系統、專業分析研發系統等；按涉及的領域可分為財務分析系統、分析型客戶關系管理、分析型渠道關系管理、業務分析系統、市場分析系統等；按操作模式的不同可分為客戶機/服務器模式(C/S)、瀏覽器/服務器模式(B/S)；根據用戶需求的通用程度可配置通用商品工具軟件或利用開發工具定制滿足特定需求的分析環境。