[原创]利用三类工具，实现商业智能（BI）落实需求的支撑力(续一）

商业智能（后面简称BI）的各类角色用户必须借助和使用工具实现其需求。本篇继续简述演绎型需求支撑的7种工具的后三种：OLAP分析、知识发现工具、专家系统以及决策方法与模型。
     相关内容可参见http://www.amteam.org/column/18.html （《商业智能BI的演绎型需求和归纳型需求--BI三维框架之内容维研究（图）》）

（五）OLAP分析工具

OLAP最早由Arbor软件公司的E.F.Codd于1993年提出，他在《为分析型用户提供OLAP工具：信息技术的新需求》首次区分了面向事务处理的OLTP系统和面向分析处理的OLAP系统，并为OLAP确定了诸如多维概念视图、透明性、存取能力等12条规则。这12要规则可概括为业务应用和技术应用这两类。其中多维概念视图，以多角度观察数据的方式方便了业务类用户带着解决问题的假设以及自己解决问题的逻辑推理的思维过程，也就是说，OLAP分析提供了用户在演绎型思考中前提、逻辑两个步骤中所需的帮助，因此它有助于提高用户分析结果的准确性。可见，OLAP分析工具是综合分析层次的工具之一。

OLAP分析中要理解变量、维、维层次、维的取值、维的分类等主要术语。变量指从现实系统中抽象出来用于描述数据的实际含义；维是与某一事件相关的因素在关系模型的抽象。如客户打电话，含客户、时间、地点、业务提供商、业务类型等这些与客户打电话相关联紧密的内容；维的层次性是人们观察数据细致程度不同造成的，即数据的综合程度不同导致不同的维层次，如时间维中以年、以月、以日为单位即形成了不同的维层次。它的目的满足业务类用户思考问题时逐层深入的需求；维的取值，也称为维的成员；维的分类是对维取值的划分。目的是为了在不同的类别间进行比较。如销售可分为畅销、不畅销、平销，移动业务类型可以分为通话、短信、游戏等。一个实际的系统中，维分类和维层次常常同时存在。事实是指不同维度在某一取值下的交叉点，它是对事件的度量。某公司洗衣机在杭州12月份销售800台。其中800台是事实。一般来说数量和金额常作为事实。

OLAP处理主要通过多维的交互式方式对数据进行分析。这些方式包括切片（切块）、钻取、旋转等，便于用户从不同维度查询和分析有关数据。下钻和上卷；维层次的变化。即沿着一个或多个维度动态的变换维层次。切片（Slice）和们切块(dice)。切片是沿着一个维度，将数据进行特定的分割，将数据立方体切成多片。切块：对两个或多个维进行选择，对数据进行分割，即立方体被切成更小的立方体。这两种技术可以帮助用户从多维度，多侧面，多层次，多粒度对数据进行分析。旋转：也称数据转轴，就是改变维度的位置关系，如将行与列互换，或者将某一个行维移动到列维中。

OLAP分析中的多维分析充分体现为用户对某一个事实以多种角度展开分析。比如前述某公司洗衣机在杭州12月份销售800台，若以负责杭州地区的销售经理这一业务类角色来分析，他可以从时间维（如每日）、地区维（杭州的各个区县、各个区县的各个销售点）、品牌维（不同品牌、规格的洗衣机）、销售人员维（不同点上的销售员）等等维度以切片方式分别来分析，也可以综合起来作切块比较，也可以通钻取方式进行深入分析。

OLAP分析工具常被用作以KPI值的监控、问题发现、问题原因引导等过程中。如建立BSC（平衡计分卡）的指标库和指标列表及指标规则，通过系统监控和自动报警，业务类用户可即时发现问题，并根据其逻辑思路为指导借助下钻、上卷及切片、切块和旋转，可以找到问题的原因，帮助其做出决定。

OLAP方式的技术类内容请参见相关书籍。

（六）决策方法与模型

决策方法与模型是支撑决策选择层次的重要工具之一。决策方法与模型解决业务类用户在经营管理过程中面临的结构化问题和部分半结构决策问题。决策的层次、重要性和复杂度根据业务类用户中高层管理者、中层管理者、基层管理者和非管理雇员的职责范围而有所区别，可大致分为战略决策、战术决策和作业决策三类。作为演绎型需求的应用，决策选择对应着演绎型思维的结论内容，它是前提、逻辑规则的必然结果。决策方法与模型真正满足了用户解决实际工作问题的本质需求，因此它既是BI满足应用类需求的重要工具，也是BI工具进一步提升和最终的走向。

决策问题的分类是决策方法与模型能否成功的重要前提。决策方法与模型为业务类用户面临决策问题时产生各种比较方案，提供结论，因此必须要合理对决策问题进行分类。比较实用的是按性质分类决策问题，从而形成结构化、半结构化和非结构化三类问题。三类问题是结构化程度的不同描述。所谓结构化程度，是指对某一过程的环境和规律能否用明确的语言（数学的或逻辑学的，形式的或非形式的，定量的或推理的）给予清晰的说明或描述。如果能描述清楚的问题，称为结构化问题；不能描述清楚而只能凭经验作出判断的，称为非结构化问题；介于这二者之间的，称为半结构化问题。具体如下表所示。

表 1  决策问题的性质分类

对应决策的三类问题，相应存在三类决策，即结构化决策、半结构化决策及非结构决策。结构化决策指在一种未来确定的自然状态条件下，比较可行方案效益结果，从中选择较优方案的决策。这类决策具有4个特征：有一个希望达到的决策目标；未来有一个确定的自然状态或一组确定的约束条件；具有两个或两个以上不同的可行方案；各可行方案在确定的自然状态或约束条件下的效益值可以计算。半结构化决策是根据不同自然状态下可能发生的概率进行决策，具备以下特征：第一具有决策者期望达到的明确目标；第二存在着不以决策者意志为转移的两种或两种以上的自然状态，是不可控因素；第三具有两个或两个以上可供决策者选择的可行方案；第四不同可行方案在不同自然状态下的损益值可以计算；第五未来可能出现的概率可以主观判断或依据客观资料统计推算。非结构化决策是指在非确定情况下能知道可能发生的各种自然状态，但对各种自然状态的出现可能性无法估计情况下的决策。其特征除出现的概率无法估计外，其它与半结构决策为一致。由于自然状态下出现的概率不能估计，在很大程度上决定于决策者的主观经验判断分析，并据此作决策。了解三种决策类型，对于BI的方案选择设计及应用具有直接的指导意义。

针对三类决策问题和三种决策类型，相应有决策方法与模型进行支撑。对于结构化问题及对应的结构化决策，可以进一步细分为离散型控制变量决策和连续型控制变量决策。离散型控制变量决策可采用经济效益分析法、线性规划、表上作业法；连续型控制变量决策转化为离散型决策并建模。以下可归为结构化决策：定量型经营目标确立与分解、经济订货批量、盈亏平衡点、采购、运输、经营布局；半结构化决策以最大收益、最小损失为决策准则，可采用的方法有决策表法、决策树法、马氏概率法、期望值与标准差法等，如运用于经济波动时加盟店的选择；非结构化决策可以采用等可能法或折衷系数法，如进入新业务领域的决策。

三种决策类型可以依据SOISE框架来实施。根据决策层次的SOISE框架（见《商业智能的内容维探讨》），决策流程分为决策信息收集、决策方案评估与选择、方案实施与监控三个阶段。三个阶段相应存有主体系统、客体系统、决策信息系统、定量方法支撑系统以及定性专家咨询系统来完成。

决策方法与模型在实际应用中，一方面既要划分决策类型，又要关注动态的多目标决策，另一方面还须关注决策者的效用和决策偏好。在方案选择时，要从诸多影响因素中找了敏感因素，并设法采取的对策和措施加以控制，以减少决策风险，即要做好敏感度分析。

（七）专家系统

专家系统是支撑决策选择层次的又一重要工具，用以解决业务类用户在经营管理过程中面临的非结构决策问题。

专家系统以关于特定的问题领域中的大量知识为基础，计算机依据这些知识通过推理提供用户智能的建议或对处理功能做出智能的决策。专家系统有诸如对非结构化的数据进行推理、通常基于规则进行推理等主要特征。因此专家系统适合处理诊断性的、数据受强噪声干扰的、没有公认理论的问题。那些计算的、已有成熟公式的、可准确知道事实的问题通常不在专家系统之列。可见，专家系统是决策方法与模型的重要补充与完善，是演绎型内容需求中决策选择层次得以满足的重要工具。专家系统与决策支持相互补充，同时在以下方面存有区别。

 -属性-值等多种表示知识的方式，真正很好地描述知识也有一定难度；解释接口，实际是人---机界面，包括自然语言接口和对推理过程和结论进行描述的解释接口，负责解释用户的提问。

专家系统由知识库、推理机、知识获取模块和解释接口这四个主要部分组成。知识库包括事实和规则，分别存放于工作存储区和规则存储器中。规则不直接体现于程序编码中而作为推理机的数据，这有别于传统数据库方法；推理机也称为规则解释器，是一个智能程序。它的第一项任务是检查工作存储区中当前的事实和规则库中的规则是否匹配；第二项任务是决定扫描和启用规则的前向推理或后向推理顺序。推理机由推理部分和控制部分组成。推理部分执行第一项任务。控制部分执行第二项任务，它有四项基本功能：针对已知事实进行与规则的匹配；根据当前已知事实，有多条规则匹配决定哪条规则最适合启用；当出现匹配时，启用规则；更新工作存储区库，将结论加入工作存储区；知识获取模块是用来把新规则增加到规则库中或修改现存规则的，知识可由人工或自动的方式获取。事实上尽管有语义网络表示法、事物

专家系统有不同的分类方法。按行业分类是常见的分类方法，如医疗专家系统、石油专家系统；按使用技术的分类，可以分为基于规则的专家系统，基于逻辑的专家系统，基于语义网络的专家系统、框架专家系统等；按任务类型划分专家系统常有助于用户了解专家系统的功用，其可分为解释型、预测型、诊断型、调试型、规划型、监督型、控制型、教育型这10种类型。这10种任务类型有一定的联系，如下图所示。

专家系统的详细内容请参见相关书籍

鉴于篇幅，对于归纳型需求内容所需要的支撑工具，请见下篇！

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友