簡(jiǎn)介

在當(dāng)前的很多 IT 應(yīng)用中，及時(shí)發(fā)現(xiàn)可疑行為是一項(xiàng)很重要的任務(wù)。以信用卡事務(wù)為例。如果一個(gè)用戶表現(xiàn)出異常的購買行為（例如，平常都是在廉價(jià)商店買東西，現(xiàn)在突然購買昂貴的珠寶），那么最好檢查相應(yīng)的事務(wù)，以跟蹤欺詐行為。除了檢測(cè)欺詐行為或惡意操縱外，偏差還可以用于其他一些場(chǎng)景。人力資源部門使用偏差檢測(cè)來發(fā)現(xiàn)異常的雇員或求職者。如果僅憑固定的規(guī)則識(shí)別潛在的情況，則這些人可能被忽視。

偏離全局?jǐn)?shù)據(jù)分布的數(shù)據(jù)記錄稱為離群值（outlier）。離群值處理通常不是一項(xiàng)完全自動(dòng)化的任務(wù)。相反，數(shù)據(jù)挖掘用于指出有待分析師或?qū)＜疫M(jìn)一步分析的數(shù)據(jù)記錄。然后，析師或?qū)＜乙源藶橐罁?jù)決定是否采取行動(dòng)。因此，一個(gè)先進(jìn)的用戶界面和交互模型是成功處理離群值的前提條件。 很適合完成這項(xiàng)任務(wù)。實(shí)際上，可以使用一個(gè)類似于本 的 將 InfoSphere Warehouse 數(shù)據(jù)挖掘與 IBM Cognos 報(bào)告集成，第 1 部分：InfoSphere Warehouse 與 Cognos 集成架構(gòu)概述 中創(chuàng)建的報(bào)告來可視化離群值。但是，要想充分利用 Cognos 顯示離群值的潛力，需要采用一些更高級(jí)的技巧。首先，看看如何使用 “穿透鉆取（drill-through）” 來創(chuàng)建交互式 Cognos 報(bào)告，以及如何鏈接報(bào)告。這將有助于總結(jié)信息，同時(shí)允許快速訪問相關(guān)的異常數(shù)據(jù)記錄。其次，學(xué)習(xí)如何從數(shù)據(jù)挖掘模型中提取出附加信息，這些附加信息可幫助專家理解離群值的性質(zhì)。

本文中的實(shí)例是一個(gè)應(yīng)用程序，該應(yīng)用程序幫助一家銀行的雇員識(shí)別行為異常的客戶。這個(gè)應(yīng)用程序可用于避免欺詐，或檢測(cè)出需要特別關(guān)注的客戶。下一小節(jié)將對(duì)偏差檢測(cè)作一個(gè)概述，并展示如何使用 InfoSphere Warehouse 發(fā)現(xiàn)大型數(shù)據(jù)集中的離群值。隨后的小節(jié)則闡述從挖掘模型中穿透鉆取和提取信息的基礎(chǔ)知識(shí)，并展示如何使用這兩種技巧使偏差檢測(cè)結(jié)果更容易理解和利用。

使用 InfoSphere Warehouse 進(jìn)行偏差檢測(cè)

什么是偏差檢測(cè)？

偏差檢測(cè)是一項(xiàng)在大型數(shù)據(jù)集中發(fā)現(xiàn)異常數(shù)據(jù)記錄的任務(wù)。這些記錄稱為離群值。“異常” 的確切定義還有待討論，但它與應(yīng)用偏差檢測(cè)的領(lǐng)域有關(guān)。通常而言，偏差檢測(cè)的目標(biāo)是發(fā)現(xiàn)不符合大多數(shù)數(shù)據(jù)記錄整體統(tǒng)計(jì)分布的數(shù)據(jù)記錄。根據(jù)應(yīng)用領(lǐng)域不同，偏差可能是：

1. 不正確的數(shù)據(jù)（例如，如果一個(gè)人的年齡為 300，這很可能是數(shù)據(jù)庫中一個(gè)不正確的條目）
2. 異常行為（例如，不符合通常模式的信用卡事務(wù)）

相應(yīng)地，偏差檢測(cè)可用于不同的任務(wù)。如果您猜測(cè)數(shù)據(jù)集包含不正確的數(shù)據(jù)，那么可以應(yīng)用偏差檢測(cè)進(jìn)行數(shù)據(jù)清洗，從而發(fā)現(xiàn)數(shù)據(jù)庫中不正確的條目。在第二種情況下，數(shù)據(jù)是正確的，但是反映出某個(gè)過程表現(xiàn)出異常的行為。這可用于檢測(cè)欺詐，這是偏差檢測(cè)的第二個(gè)主要應(yīng)用。前面已指出，異常的行為不一定是欺詐。例如，也可能表明新興的模式，比如 “過度使用在線拍賣的老年客戶”。盡早檢測(cè)出新興模式有助于公司盡早提供新的產(chǎn)品或服務(wù)，從而獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。在財(cái)務(wù)部門就可以發(fā)現(xiàn)類似的應(yīng)用。可以使用偏差檢測(cè)來發(fā)現(xiàn)有前景的投資，這種投資不符合通常的模式，因而到目前為止還沒有人意識(shí)到。在所有這些案例中，必須由分析師來檢查離群值，看看是數(shù)據(jù)是否正確，是否需要采取措施避免欺詐，或者利用還沒有人意識(shí)到的機(jī)遇。接下來將了解 InfoSphere Warehouse 如何檢測(cè)離群值，以及如何對(duì)數(shù)據(jù)應(yīng)用偏差檢測(cè)。本文剩下的內(nèi)容討論如何在 中交互式地可視化離群值。

InfoSphere Warehouse 中的偏差檢測(cè)

近年來產(chǎn)生了很多不同的用于檢測(cè)偏差的方法。InfoSphere Warehouse 使用一種特別強(qiáng)大的方法來進(jìn)行偏差檢測(cè)，這種方法基于數(shù)據(jù)集群。集群是一種數(shù)據(jù)挖掘技術(shù)，這種技術(shù)根據(jù)數(shù)據(jù)記錄的屬性將相近的數(shù)據(jù)記錄指定到集群中。我們來看看 圖 1。圖中每個(gè)點(diǎn)表示一個(gè)客戶。在這個(gè)簡(jiǎn)單的案例中，客戶只以年齡和平均余額來描述。InfoSphere Warehouse 使用一個(gè)統(tǒng)計(jì)集群算法將在這兩個(gè)維上相近的客戶分到集群中。可以看到，有些集群比其他集群更大，更集中（集群 1 相對(duì)于集群 3）。InfoSphere Warehouse 結(jié)合一些屬性為每個(gè)集群賦予一個(gè) “偏差” 度。這個(gè)度越高，則該集群中的記錄越有可能是離群值。

圖 1. 基于集群的偏差檢測(cè)

離群值與非離群值之間并沒有明顯的區(qū)別。實(shí)際上，用戶必須指定一個(gè)閾值，以便界定離群值。偏差度高于這個(gè)閾值的所有集群被標(biāo)記為離群值集群，它們的成員都是離群值。這個(gè)閾值可通過兩種方式來設(shè)置。首先，如果檢查離群值的專家有限，那么可以使用具有最高偏差度的集群的數(shù)據(jù)記錄。如果要尋找有投資前景的公司，那么可以先從具有最高偏差度的集群開始，然后在資源允許的情況下，逐漸轉(zhuǎn)向偏差度較低的集群。其次，閾值可以是固定的。一個(gè)例子就是警報(bào)場(chǎng)景，在此場(chǎng)景中，當(dāng)有新的數(shù)據(jù)記錄分配到具有高于給定閾值的偏差度的集群時(shí)，則需要采取行動(dòng)。InfoSphere Warehouse 同時(shí)支持這兩種方式，您只需為每個(gè)數(shù)據(jù)記錄賦予一個(gè)集群 id 和相應(yīng)的偏差度。您可以過濾記錄，也可以對(duì)它們進(jìn)行排序，從而獲得想要查看或必須檢查的離群值。接下來的小節(jié)將提供一個(gè)例子，以逐步演示如何用 InfoSphere Warehouse 發(fā)現(xiàn)離群值，以及如何為各個(gè)數(shù)據(jù)記錄賦予偏差度。

一個(gè)實(shí)例

接下來的例子對(duì)關(guān)于銀行客戶的條目應(yīng)用偏差檢測(cè)。圖 2 中顯示了相應(yīng)表中的示例數(shù)據(jù)。表 BANK.BANKCUSTOMERS 是 InfoSphere Warehouse 的示例中附帶的。

圖 2. BANK.BANKCUSTOMERS 表中的示例數(shù)據(jù)

為了檢測(cè)這個(gè)表中的離群值：

1. 像 中描述的那樣，創(chuàng)建一個(gè)新的挖掘流。
2. 同樣，像上一篇文章那樣，您必須將一個(gè) table source 操作符拖到編輯器中。
3. 雙擊打開這個(gè)操作符，指定 BANK.BANKCUSTOMERS 作為源數(shù)據(jù)庫表，并單擊 OK 確認(rèn)。
4. 現(xiàn)在，將一個(gè) “Find Deviations” 操作符拖到畫布上 table source 旁邊的位置，并將 table source 的輸出端連接到 “Find deviations” 的輸入端。將 “Find Deviations” 操作符生成的集群模型的模型名稱改為 IDMMX.OUTLIERMODEL。雙擊該操作符打開屬性，在向?qū)У牡诙摳哪Ｐ兔Q。
5. 最后，從 “Find Deviations” 操作符輸出端的右鍵菜單中選擇 “Create Suitable Table...”，創(chuàng)建適當(dāng)?shù)哪繕?biāo)表。在向?qū)У牡谝粋€(gè)頁面上，選擇模式 BANK，并輸入表名 CUSTOMERS_OL。單擊 Finish。一個(gè) “Table Target” 操作符將被連接到流中。如果想要多次運(yùn)行這個(gè)流，那么可以在 “Table Target” 操作符的屬性中勾選復(fù)選框 “Delete Previous Content”。

這個(gè)流裝載客戶表，將它傳遞到偏差檢測(cè)算法，并將結(jié)果寫到一個(gè)新表中（如 圖 3 所示）。在 圖 4 中可以看到具體的結(jié)果。

圖 3. 用于檢測(cè)偏差的挖掘流

可以看到，這里有兩個(gè)附加列，即 DEV_DEGREE 和 CLUSTER_ID。前一個(gè)列表明記錄傾向于離群值的程度。cluster id 是記錄所屬的 “離群值” 集群的 id。可以通過分析 find deviation 操作符內(nèi)部創(chuàng)建的集群模型，提取關(guān)于這些集群的更多信息。（本文還將對(duì)此進(jìn)行詳細(xì)討論）。

圖 4. 結(jié)果表 BANK.CUSTOMER_OL 中的示例數(shù)據(jù)

為偏差檢測(cè)創(chuàng)建交互式 Cognos 報(bào)告

在本節(jié)中，學(xué)習(xí)如何創(chuàng)建允許交互式查看離群值的 報(bào)告。開始時(shí)可以使用一個(gè)類似于本系列第一篇文章中所用的報(bào)告。但是，這次不是一個(gè)病人列表（其中有一個(gè)關(guān)于哪些病人應(yīng)該進(jìn)行體檢的指示器），而是一個(gè)客戶列表，其中有一個(gè)關(guān)于應(yīng)該檢查哪些客戶的指示器，看是否存在欺詐或潛在機(jī)會(huì)。這種方法適用于有較少數(shù)量客戶的列表，但不適用于有數(shù)千個(gè)條目的列表。而且，分析師可能還想看是什么使得一個(gè)特定的客戶成為一個(gè) “離群值”。需要更多的信息才能完成這個(gè)任務(wù)。因此，讓我們從兩個(gè)方面來擴(kuò)展這個(gè)簡(jiǎn)單的方法：

• 將客戶按職業(yè)分組，并提供關(guān)于每種職業(yè)發(fā)現(xiàn)多少離群值的概述。這種分組方式對(duì)于處理大量的信息是一個(gè)好方法。例如，可以讓一個(gè)特定的雇員負(fù)責(zé)一個(gè)類別，使每個(gè)類別都得到檢查。除了職業(yè)外，其他方面也可以用于分組（比如位置）。
• 對(duì)于每個(gè)記錄，添加將其劃分為離群值的信息。如前所述，每個(gè)記錄被指定到一個(gè)集群，一個(gè)集群的所有成員具有相同的偏差度。因此，可以使用一個(gè)集群的屬性來描述離群值。例如，如果一個(gè)集群中大部分是年輕人，而他們有較高的平均余額，那么這可以很好地解釋為什么這個(gè)集群被認(rèn)為是離群值集群。

接下來的小節(jié)首先展示如何用附加信息擴(kuò)展離群值。然后，您將創(chuàng)建一個(gè)交互式報(bào)告，該報(bào)告將客戶按職業(yè)分組，并且允許使用 Cognos 的 “穿透鉆取” 特性交互式地選擇一個(gè)特定類別中的離群值。

從挖掘模型中提取附加信息

表 CUSTOMER_OL 包含關(guān)于離群值的相關(guān)信息。如前所述，每個(gè)記錄被指定到一個(gè)集群。“Find Deviations” 操作符在后臺(tái)創(chuàng)建一個(gè)集群模型，其中存儲(chǔ)關(guān)于這些集群的詳細(xì)信息。該信息以 PMML（Predictive Model Markup Language）格式存儲(chǔ)在數(shù)據(jù)庫中。它包含關(guān)于以下方面的信息：

• 集群中值的分布
• 集群中記錄的數(shù)量
• 每個(gè)集群的偏差的重要性
• 集群的同質(zhì)性
• 其他

可以使用 InfoSphere Warehouse 附帶的存儲(chǔ)過程將該信息提取到結(jié)果集中，以便 Cognos 進(jìn)一步處理。這樣的結(jié)果集可以看作是 “視圖”，它們不是顯式地在數(shù)據(jù)庫中創(chuàng)建的，而是由存儲(chǔ)過程動(dòng)態(tài)地創(chuàng)建的。

如果要提取關(guān)于集群的文本信息，可使用以下命令：

SELECT ID, DESCRIPTION FROM TABLE(IDMMX.DM_GETCLUSTERS((SELECT MODEL FROM IDMMX.CLUSTERMODELS WHERE MODELNAME='IDMMX.OUTLIERMODEL'))) AS CT

這樣可以得到一個(gè)包含以下列的表：

• ID：集群的 id（對(duì)應(yīng)于 CUSTOMER_OL 表中的 ID）
• DESCRIPTION：集群的文本描述

可以使用這些結(jié)果集作為視圖或表。惟一要注意的是，DB2 中沒有包括這些存儲(chǔ)過程，它們是由 InfoSphere Warehouse 提供的。我們稍后對(duì)此進(jìn)行討論。圖 5 總結(jié)了從 InfoSphere 提取信息到 Cognos 的兩種方法：使用簡(jiǎn)單的數(shù)據(jù)庫視圖/表，或者使用存儲(chǔ)過程從挖掘模型中提取信息。這些存儲(chǔ)過程不僅可以用于集群模型，還可以用于其他挖掘模型。要獲得所有可用的模型提取函數(shù)的列表，請(qǐng)參閱 InfoSphere Warehouse 文檔（見 參考資料）。接下來，我們將展示如何使用 Cognos framework manager 合并這兩種信息。

圖 5. 在 Cognos 中訪問和挖掘相關(guān)信息的兩種方法

在 Framework Manager 中導(dǎo)入和合并挖掘結(jié)果

對(duì)于這個(gè)報(bào)告，Cognos 項(xiàng)目中需要兩個(gè)查詢主題，然后通過連接它們獲得每個(gè)離群值的文本描述：

• 一個(gè)簡(jiǎn)單的訪問第一節(jié)中創(chuàng)建的離群值表 BANK.CUSTOMER_OL 的查詢主題。這個(gè)查詢主題包含客戶記錄和偏差度以及集群 id。
• 查詢主題使用存儲(chǔ)過程訪問由挖掘算法創(chuàng)建的集群模型的集群信息。如前所述，集群信息包括對(duì)集群的簡(jiǎn)短文本描述（在這里就是對(duì)這個(gè)集群中所有離群值記錄的描述）和其他信息。

首先，需要?jiǎng)?chuàng)建一個(gè) Cognos Framework Manager 項(xiàng)目，該項(xiàng)目連接到 InfoSphere Warehouse 的示例數(shù)據(jù)庫 DWESAMP，并且有前面創(chuàng)建的 BANK.CUSTOMERS_OL 表。本系列的 提供這個(gè)步驟的詳細(xì)說明。一個(gè)很好的做法是在 PresentationView 名稱空間中創(chuàng)建一個(gè)查詢主題，這個(gè)查詢主題包含必要的數(shù)據(jù)庫中的信息，以便擁有從 SQL 語句創(chuàng)建的查詢主題上的抽象層。這也使得您可以將列名改成更具描述性的文本，還可以添加更多的列。您需要一個(gè)離群值標(biāo)記項(xiàng)，以表明一個(gè)記錄是否為離群值。可以根據(jù)偏差度查詢項(xiàng) DEV_DEGREE 計(jì)算出這個(gè)標(biāo)記項(xiàng)。

為了創(chuàng)建報(bào)告使用的離群值表查詢主題：

1. 在 PresentationView 名稱空間中從模型（已有的查詢主題和查詢項(xiàng)）創(chuàng)建一個(gè)新的查詢主題 “OutlierTable”。
2. 添加 CUSTOMER_OL 查詢主題中的所有查詢項(xiàng)，并將它們的名稱改成更具描述性的名稱。
3. 用以下表達(dá)式定義添加一個(gè)新的查詢項(xiàng)：
    

   IF ([PresentationView].[OutlierTable].[Deviation factor] > 1000) then (1) else (0)

   
   如果偏差大于 1000，這個(gè)查詢項(xiàng)的值將為 “1”；否則，它將為 “0”。偏差系數(shù) 1000 用作數(shù)據(jù)集的敏感分界系數(shù)。將這個(gè)偏差敏感度參數(shù)化有助于返回更多或更少的記錄作為離群值。
   
   查詢主題定義看上去應(yīng)該如圖 6 所示：

   圖 6. 離群值表的查詢主題定義

   

第二個(gè)查詢項(xiàng)是一個(gè)表，其中包含關(guān)于集群模型的集群的信息，這個(gè)集群模型是在 find deviation 運(yùn)行期間創(chuàng)建的。可以在 InfoSphere Warehouse Data Mining 中使用用戶定義函數(shù) IDMMX.DM_GETCLUSTERS 提取集群模型的列表描述。該函數(shù)返回一個(gè)表，其中包含模型中的集群，以及關(guān)于這個(gè)集群中字段分布的簡(jiǎn)短文本描述。在 IDMMX.CLUSTERMODELS 表中，集群模型被保存為 CLOBS，另外，該表中還包括一個(gè) “MODELNAME” 列，用于選擇適當(dāng)?shù)哪Ｐ汀Ｓ脩舳x函數(shù)需要打包到 SELECT 語句中，以供 Gognos 使用。由于 InfoSphere Warehouse Mining 表函數(shù)不是標(biāo)準(zhǔn)的 DB2 函數(shù)，所以在創(chuàng)建這個(gè)查詢主題之前，需要更改一些 Cognos 選項(xiàng)。

為了從 DB2 表函數(shù)創(chuàng)建集群描述查詢主題，您需要：

1. 在 Project Viewer 中，選擇 Data Sources 文件夾中的數(shù)據(jù)庫 DWESAMP，在屬性視圖中將 “Query Processing” 屬性改為 “Limited Locale”。這樣就啟用了來自 SQL 的 Cognos 不能識(shí)別的查詢主題。
2. 在 PresentationView 名稱空間中創(chuàng)建一個(gè)新的查詢主題 “OutlierClusters”，并選擇從一個(gè)數(shù)據(jù)源對(duì)該查詢主題建模。如果從一個(gè)存儲(chǔ)過程中對(duì)它進(jìn)行建模，那么只支持 Cognos 能識(shí)別的存儲(chǔ)過程。
3. 在 “Select a data source” 頁面上，選擇 DWESAMP，并取消對(duì)選擇 Run database query subject wizard 復(fù)選框。查詢主題向?qū)е贿m用于標(biāo)準(zhǔn) SQL。單擊 Finish。
4. 創(chuàng)建查詢主題后，會(huì)出現(xiàn) Query Subject Definition 向?qū)А］斎?SQL 代碼，以返回模型中的集群，其中 IDMMX.OUTLIERMODEL 是 “find deviations” 運(yùn)行期間生成的集群模型的名稱。

   SELECT * FROM TABLE(IDMMX.DM_GETCLUSTERS((SELECT MODEL 
   FROM IDMMX.CLUSTERMODELS WHERE MODELNAME='IDMMX.OUTLIERMODEL'))) AS CT

5. 由于 Cognos 不能識(shí)別這個(gè)的 SQL，因此需要將查詢的 SQL 類型設(shè)為 “Native”，這告訴 Cognos 將 SQL 傳遞給數(shù)據(jù)庫，而不是解釋它。要改變這個(gè)設(shè)置，可以打開查詢主題屬性的 “Query Information” 選項(xiàng)卡。選擇 “Options”，將 “SQL settings” 下的 “SQL type” 改為 “Native”。
6. “Test Sample” 運(yùn)行后應(yīng)該返回一個(gè)表，其中包含模型中的集群，如圖 7 所示：

   圖 7. 離群值集群查詢主題的測(cè)試結(jié)果

   

使用存儲(chǔ)過程作為查詢主題輸入有一個(gè)好處，那就是不需要在數(shù)據(jù)庫中創(chuàng)建不必要的表或視圖。更重要的是，存儲(chǔ)過程將在報(bào)告生成期間執(zhí)行。這使得它可以在報(bào)告生成期間動(dòng)態(tài)地執(zhí)行挖掘計(jì)算。本系列后面的文章將更詳細(xì)地討論這個(gè)專題。

為了創(chuàng)建連接 OutlierTable 表和 OutlierClusters 查詢主題的報(bào)告，需要在離群值記錄中的集群 id 與集群表中的集群 id 之間建立一個(gè)關(guān)系。

為了在 OutlierTable 與 OutlierClusters 查詢主題之間建立一個(gè)關(guān)系，您需要：

1. 從 OutlierTable 的上下文菜單中選擇 Create Relationship。
2. 對(duì)于左邊的查詢主題，選擇 OutlierTable 的集群 id，并將基數(shù)設(shè)為 1..n，因?yàn)橛卸鄠€(gè)記錄屬于同一個(gè)集群。
3. 對(duì)于右邊的查詢主題，添加 OutlierClusters 查詢主題，選擇 ID 列，并將基數(shù)設(shè)為 1..1，因?yàn)閷?duì)于每個(gè)集群有一行記錄。
4. 選擇 OK。

   圖 8. OutlierTable 與 OutlierClusters 查詢主題之間的關(guān)系

   

您已經(jīng)創(chuàng)建了 報(bào)告所需的查詢主題，現(xiàn)在可以將一個(gè)包含項(xiàng)目的 PresentationView 的 “OutliersPackage” 部署到 Cognos Content Store。可以像本系列  創(chuàng)建和部署這個(gè)包。

圖 9. Framework Manager 中創(chuàng)建的資源

通過穿透鉆取鏈接 Cognos 報(bào)告

“穿透鉆取” 的原始概念是指從聚合值導(dǎo)航到單獨(dú)的記錄。這在 OLAP 應(yīng)用中是一項(xiàng)常見的任務(wù)。在 Cognos 中，這個(gè)概念被延伸為將報(bào)告 “鏈接” 到一起。因此，穿透鉆取的定義類似于 HTML 中的超級(jí)鏈接。鏈接報(bào)告本身并不是很強(qiáng)大的特性。參數(shù)的使用使穿透鉆取成為真正強(qiáng)大工具。Cognos 中的每個(gè)報(bào)告可能包含一些參數(shù)，這些參數(shù)可用于創(chuàng)建可參數(shù)化的查詢。如果還沒有設(shè)置這些參數(shù)，將提示用戶設(shè)置它們。在穿透鉆取定義中，這些參數(shù)可被定義為超級(jí)鏈接的一部分（就像在 HTTP GET 請(qǐng)求中一樣）。這些參數(shù)的值可以通過鏈接的上下文獲得。接下來的小節(jié)使用兩個(gè)被鏈接的報(bào)告說明這一概念。

用 Cognos report studio 創(chuàng)建一個(gè)離群值報(bào)告

在本小節(jié)中，創(chuàng)建一個(gè)項(xiàng)目，其中包含兩個(gè)基于部署的 OutliersPackage 的報(bào)告頁面：

• 一個(gè)是主頁面，顯示按職業(yè)分組的客戶記錄的一個(gè)概述，其中分別列出每種職業(yè)中離群值的數(shù)量。
• 一個(gè)是報(bào)告頁面，顯示一種特定職業(yè)的偏差記錄。

將鏈接這兩個(gè)報(bào)告，以便從主概述頁面穿透鉆取到偏差記錄。

由于概述頁面包含詳細(xì)頁面的鏈接，所以先創(chuàng)建它。離群值詳細(xì)界面包含被標(biāo)記為離群值且屬于主報(bào)告頁面選定的職業(yè)的客戶記錄。為了創(chuàng)建這種交互，需要添加一個(gè)表示要報(bào)告的職業(yè)的參數(shù)，并在一個(gè)記錄過濾器中使用它。另外還需要添加一個(gè)過濾條件，以便只返回 Outlier Flag 查詢項(xiàng)為 “1” 的記錄（偏差度超過閾值的所有記錄）。

要?jiǎng)?chuàng)建 “Outlier Details” 報(bào)告頁面，遵循以下步驟：

1. 在 Cognos Report Studio 中使用 OutliersPackage 創(chuàng)建一個(gè)新的 Report。
2. 添加一個(gè)列表對(duì)象到報(bào)告中。
3. 從 “Insertable Objects” 視圖中將 OutlierTable 查詢主題拖放到該列表中，并將其添加到該列表中。
4. 將 OutlierClusters 查詢主題的 DESCRIPTION 查詢項(xiàng)添加到該列表中。
5. 通過選擇該列表，并按工具欄上的 “Filters” 圖標(biāo)，或者從菜單中選擇 Data > Filters，將一個(gè)過濾器添加到該列表中。
6. 在向?qū)е校?“Add” 圖標(biāo)添加一個(gè) “Details filter”。
7. 在 “Detail Filter Expression” 頁面中，將以下代碼添加到 “Expression Definition”。

   ([PresentationView].[OutlierTable].[Outlier flag] = 1) 
   AND ([PresentationView].[OutlierTable].[Profession] = ?Profession?)

   
   Cognos 將自動(dòng)檢測(cè)以 “?” 包圍的作為參數(shù)的 “Profession” 關(guān)鍵詞，并將它添加到報(bào)告的參數(shù)列表中。
8. 按 OK 確認(rèn)過濾器。

   圖 10. 用于 Outlier Details 頁面的過濾器

   
9. 根據(jù)自己的喜好更改報(bào)告的標(biāo)題文本和列標(biāo)題，并將報(bào)告保存為 OutlierDetails。
   

   圖 11. 包含 Outlier Details 報(bào)告的 Cognos Report Studio

概述頁面包含一個(gè)職業(yè)列表，顯示每種職業(yè)的客戶記錄數(shù)量和離群值數(shù)量。記錄數(shù)量將使用 Cognos 聚合函數(shù)計(jì)算。

為了創(chuàng)建 OutlierOverview 頁面，您需要：

1. 在中使用 OutliersPackage 創(chuàng)建一個(gè)新的報(bào)告。
2. 添加一個(gè)列表對(duì)象到報(bào)告中。
3. 從 “Insertable Objects” 視圖中的 OutlierTable 查詢主題中，將以下查詢項(xiàng)添加到列表中：Profession/Customer ID 和 Outlier flag。
4. Customer ID 列用于顯示每種職業(yè)客戶記錄的數(shù)量。為了計(jì)算這個(gè)值，需要在這個(gè)列的屬性視圖中將這個(gè)列的聚合函數(shù)改為 “Count”。
5. OutlierFlag 列用于顯示每種職業(yè)偏差記錄的數(shù)量。對(duì)于每個(gè)偏差記錄，這個(gè)列的值為 “1”，對(duì)于非偏差列，這個(gè)列的值為 “0”，因此，需要添加這個(gè)列的值。將這個(gè)列的聚合函數(shù)改為 Total。
6. 將 “Customer ID” 和 “Outlier flag” 列的 “Data Item” > “Name” 和 “Data Item” > “Label” 屬性改為 Number of customers 和 Number of outliers。
7. 為了允許穿透鉆取到 OutlierDetails Report，需要選擇 Number of Outliers 列（不是標(biāo)題，而是它下面的列），并從右鍵上下文菜單中選擇 Drill-Through Definitions。
8. 添加一個(gè)新的穿透鉆取定義。
9. 在屬性的 Target Report 選項(xiàng)卡中，選擇 OutlierDetails 報(bào)告作為目標(biāo)報(bào)告。
10. 選擇 Run the report 作為動(dòng)作。
11. 選擇 Open in new window 復(fù)選框。
12. 用參數(shù)列表下面的 Edit 按鈕添加一個(gè)新的鏈接參數(shù)。
13. 在 Parameters 對(duì)話框中，選擇 Pass data item value 作為將參數(shù)鏈接到列表中的行中的一個(gè)值的方法。
14. 選擇 Profession 查詢項(xiàng)作為數(shù)據(jù)項(xiàng)源，并選擇 OK。

    圖 12. 穿透鉆取定義參數(shù)

    
15. 按 OK 保存穿透鉆取定義。

    圖 13. 穿透鉆取定義頁面

    
16. 更改標(biāo)題文本，并將報(bào)告保存為 OutlierOverview。
17. 現(xiàn)在，可以從 Run > Run HTML 菜單或者從 Cognos Connect 運(yùn)行這個(gè)報(bào)告。
18. 從 number of outliers 列中單擊一個(gè)鏈接，以查看詳細(xì)的記錄。

    圖 14. 離群值概述頁面

    

這個(gè)簡(jiǎn)單的項(xiàng)目由兩個(gè)報(bào)告組成。通過使用 “穿透鉆取” 定義（其中包含一個(gè)由鏈接的上下文定義的參數(shù)）避免需要為每種職業(yè)單獨(dú)定義一個(gè)鏈接。本系列的后續(xù)文章將展示如何使用穿透鉆取定義完成一些更復(fù)雜事情，比如動(dòng)態(tài)調(diào)用數(shù)據(jù)挖掘。

結(jié)束語

在本文中，您學(xué)習(xí)了偏差檢測(cè)，以及如何使用 InfoSphere Warehouse 執(zhí)行偏差檢測(cè)。偏差檢測(cè)是高度交互性的任務(wù)，通常需要手動(dòng)檢查離群值，以查明是否存在欺詐傾向、數(shù)據(jù)錯(cuò)誤或者潛在的機(jī)遇。Cognos 非常適合分析交互式離群值。除了本 的 將 InfoSphere Warehouse 數(shù)據(jù)挖掘與 IBM Cognos 報(bào)告集成，第 1 部分：InfoSphere Warehouse 與 Cognos 集成架構(gòu)概述 中使用的簡(jiǎn)單技巧之外，您還學(xué)習(xí)了另外兩個(gè)技巧。首先，可以使用存儲(chǔ)過程從還沒有包含在記錄表中的挖掘模型提取附加信息。其次，可以使用 “穿透鉆取” 特性鏈接 Cognos 報(bào)告，以支持交互式報(bào)告。在本系列的后續(xù)文章中，將學(xué)習(xí)如何通過從 Cognos 中動(dòng)態(tài)地調(diào)用數(shù)據(jù)挖掘，以完成更加復(fù)雜的任務(wù)。

詳情請(qǐng)咨詢！

客服熱線：023-66090381