但在實際應用中，“過去發生了什么”和“現在正在發生什么”的分析屬于BI平臺（如）的功能范疇，BI平臺通過各類報表、即席查詢、多維分析、預警和實時監控等平臺能力可以很好的回答企業在“過去”和“現在”發生了什么，而“未來可能發生什么”的分析則屬于DM平臺（Data Mining數據挖掘，如）的功能范疇，DM平臺通過建立預測模型來對今后的業務進行預測，幫助企業回答“未來”可能會發生什么的相關問題。

企業全方位的數據分析能力階梯如下圖所示：

（1） 常規報表：

常規報表廣為人知，它們通常按照一定的周期產生，對過去一段時間、一定范圍內所發生的事實進行記錄。它們對了解業務現狀非常有用，但是卻無法據此進行長期決策。標準報表主要用于回答“發生了什么”和“什么時候發生”這樣的問題。典型的標準報表包括月度或季度的財務報告。

（2） 即席查詢：

即席查詢往往通過對一系列數據（組合）的要求來“回答”一些常見的業務問題。即席報表主要用于解決類似“多少”、“頻次如何”和“在哪里”這樣的問題。記錄每種產品每天銷量的定制報表就屬于即席報表。

（3） 多維分析（又稱為鉆取或者OLAP技術）：

OLAP技術可以幫助了解更多細節信息，它可以幫助客戶自己操縱數據，找出諸如“多少”、“什么”和“哪里”之類問題的答案。OLAP技術主要解決的是“問題出在哪里”和“我如何找到問題的答案”這樣的問題。例如，對不同類型的電話客戶的通話行為進行排序，找出他們的通話特征就需要運用到OLAP技術。

（4） 預警：

當問題發生時你可以通過告警及時獲知，并且可以在將來發生類似情況時引起注意。告警可以通過電子郵件、網絡頻道、記分卡或者儀表盤的形式給出。警報的過程需要確認的是引起注意的觸發點，以及一旦報警需要采取什么行動。比如，銷售總監在銷售情況與銷售目標差距大時會收到告警信息。

（5） 統計分析：

我們可以運行一些更加復雜的分析。例如，方差分析和回歸分析等。我們可以基于數據提出一些假設，然后再利用數據構建統計分析模型來“回答”這些假設是否成立。統計分析解決的問題主要是“行為/事件為什么發生”和“我失去了怎樣的機會”。例如，銀行希望了解什么樣的人更可能對他們的房子進行轉按揭操作，那么他們就會用到統計分析的方法。

（6）預測：

它能夠幫助建立恰當的庫存，從而使得既不會脫銷，也不會積壓庫存。預測主要解決的問題是“未來的趨勢會怎樣”和“如果這樣的趨勢繼續會怎樣”。例如，零售商可以根據銷售歷史，預測未來特定店鋪的特定產品的銷售量，而這樣的預測過程就是時間序列預測。

（7）預測型建模（預測性predictive模型）：

如果你有1000萬個客戶需要做一次直郵，誰最有可能響應？怎樣對現有客戶進行有效分群？哪些客戶最可能流失？預測性模型可以回答這類問題。預測性模型主要關心的是將來可能發生的情況，以及不同的預測情況對業務的影響。例如，商戶可以預測客戶可能會對哪種產品更有興趣，以及哪些客戶會對特定產品更有興趣。

（8）優化：

優化往往帶來創新，它使企業可以在有限資源下實現收入（利潤）最大化。優化強調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最大化，就是優化需要解決的問題。

在企業的實際數據分析應用中，傳統的BI平臺和DM平臺都是相對獨立的完成各自的工作，因為BI平臺和DM平臺本身都是獨立的平臺工具，都支持連接到各類數據源和展現最終的分析結果。雖然最終用戶在BI平臺看到的報表結果后非常希望能直接使用一個數據挖掘模型進行相關預測分析， 但在實際場景下用戶不得不在線下將報表的源數據導入到數據挖掘平臺建立相關的模型，生成預測結果后回寫到數據庫，再通過BI平臺連接到該結果表在前端報表上進行展示，這些操作給最終用戶帶來了極大的不變和額外的開發工作量。

如果企業使用Cognos+SPSS的 BI+DM平臺的解決方案，情況將會變得簡單許多。在應對業務用戶瀏覽報表后在線的數據預測需求，用戶只需要在SPSS建模界面引入之前瀏覽過的Cognos報表數據作為輸入，即可開展后續的建模過程。在完成模型創建和運行后，預測分析結果又可以直接輸出到Cognos報表，并用于后續預測結果的瀏覽，整個過程用戶都無需手工管理數據連接，系統通過底層接口已經實現了從Cognos平臺到SPSS平臺無縫流轉。整個操作過程的大致如下：

以下內容將假設一個客戶流失預測的場景，具體操作過程大致如下：

(1) 在平臺創建用于訓練模型的源報表和用于預測是否流失的目標報表，源報表和目標報表都將作為SPSS數據流的數據源輸入。

例：以下是一張包含有客戶流失結果和詳細信息的Cognos報表（源報表）示例。

(2) 在中創建一個流，從源中選擇IBM Cognos BI作為輸入。編輯IBM Cognos BI源參數，選擇設置連接到Cognos服務器的地址和報表路徑，設置完成后可以點擊左上角的“預覽”按鈕來預覽報表內容。

(3) 基于IBM Cognos BI數據源在SPSS Modeler中完成流的創建過程后，運行生成預測模型。本示例使用的是決策樹模型。

以下是預測模型相關詳細內容

(4) 將用于預測的Cognos目標報表設置為預測數據流的輸入，在IBM Cognos BI源中設置相應的Cognos連接參數，使用已經訓練完成的決策樹預測模型進行數據預測分析，并將結果寫回到Cognos BI報表輸出。IBM Cognos BI Export是SPSS Modeler中內置的輸出功能，可以直接將預測結果輸出為Cognos報表。

(5) 完成以上預測模型的運行后，回到CognosBI平臺即可直接打開輸出的預測結果報表。以上紅色框標示的內容即為通過預測模型生成的預測結果字段內容，包含流失預測結果和置信度百分比。

以上就是借助Cognos+SPSS實現在線報表預測分析的相關過程，如果你對整個流程的實現感興趣，可以點擊下面的鏈接下載Cognos和SPSS進行試用嘗試。

Cognos產品試用下載鏈接：

SPSS產品試用下載鏈接：

via：華南IBM大數據支持團隊

詳情請咨詢“”！

客服熱線：023-66090381