KDT#40 分析应用的结构

分析应用通常是建立在数据仓库之上，用来支持企业决策的应用。一个好的分析应用通常建立在一个好的分析框架上，用来给用户提供分析的操作，其提供的功能应该远不止标准的报表。这个分析环境应该能给用户提供辅助决策的分析功能，使用户对企业的状况的发展及处境有更清晰的了解，最终能帮他们作出更有洞察力，更全面的决策。

分析应用的目的是：

· 辅助决策的作用。

· 标识并解释企业绩效的异常状况。

· 记录各种异常状况下企业做出的最好的决策。

· 将企业内已有决策作为经验和智力资本共享给企业的所有用户。

我们把分析应用分成五个阶段：

1．公共报表 -- 针对企业当前业务信息提供标准的管理报表。

2．异常鉴别 -- 针对企业绩效情况提供预警和鉴别功能，包括绩效超常和绩效过低两种情况。

3．因果分析 -- 针对企业的某种异常状况，提供“为什么”的分析手段和方法。

4．模型选择 -- 为企业不同的决策提供背景模型及模拟数据，支持企业决策方案的选择。

5．跟踪动作 -- 对分析后的建议结果进行评估，评估后将分析结果应用回操作型环境和数据仓库中，形成企业信息系统的闭环。

下面我们对分析应用的每一个阶段做一下更详细的说明，包括它们的目的以及对数据仓库架构的影响。

第一阶段：公共报表。

标准的操作和管理报表是分析应用的第一步。这些报表提供企业当前数据与计划的对比或者当前数据与前期数据的对比，以便分析人员更好的掌握企业的当前状况。例如，市场份额上升了2个百分点，但是利润下降了10个百分点。

数据仓库在这个阶段的主要为展现层提供支持，展现技术包括仪表盘、门户和记分卡等等。很多数据仓库项目在成功了实现的这一阶段后，就宣布数据仓库成功完成了。

第二阶段：异常鉴别。

这个阶段的主要功能是标识出诸如“出现了什么问题？”或者“问题出现在什么地方？”等内容。这个阶段的功能主要关注于标识企业的异常状况作为改进点或者机会。很多企业的管理者都会让数据仓库项目组提供非常多的报表，但是事实上，他们只需要其中的一部分。分析应用的异常鉴别阶段就是在众多报表中过滤出管理层需要的报表，使管理层更关注于盈利的机会。

异常鉴别阶段需要数据仓库提供一些较新的功能，如增加数据发布服务器，将预警信息发布给各个需要的用户。用户可以通过定制发布的手段来获得预警信息，并使用可视化的展现工具来进行分析。

第三阶段：因果分析。

这个阶段的目标是对上一个阶段标识出的异常提供“为什么”之类的分析，或者找出影响异常的主要因子。找出产生异常状况的各个变量之间的关联和交互方式是这一阶段的关键点。

为了能支持这种因果分析，需要在数据仓库架构中增加一些软件，如统计分析工具、数据挖掘算法（关联分析、序列分析、分类、聚类等），通过这些软件及功能来量化因果关系。

第四阶段：模型选择。

这个阶段我们根据上一阶段分析出的因果关系来建立各种模型，并用这些模型来对我们可以选择的决策进行评估。

这个阶段的目标是对潜在的决策分析提供what-if分析和模拟仿真分析。我们希望能成功的回答战略上的问题，如：如果我们价格比主要的两个竞争对手高10%的话，我们的市场份额、回报率会出现什么样的变化？或者，如果我们销售预测的准确率能提高5%的话，对我们的库存成本会有什么影响？

在模型选择阶段，数据仓库架构也需要增加一些技术来提供分析功能，包括用统计分析工具、数据挖掘算法来对模型进行评估，分析功能例如灵敏度分析、模特卡罗模拟、寻优分析等内容。

第五阶段：跟踪动作。

本阶段的目的是跟踪上一阶段推荐的决策执行的效果。理想的情况下，我们可以提供一个闭环的处理，使决策的内容能反馈到操作型系统。我们应该跟踪并分析决策的有效性，以便不断的调整分析过程、业务规则和模型。跟踪动作阶段给数据仓库架构增加了需求。我们需要在操作型系统和数据仓库之间建立有效的闭环功能。我们也推荐增强现有的维度模型或者建立新的绩效评价数据集市，并用这个新的数据集市来记录和分析已做出的决策的处理过程，来判断这些决策是否起到了作用。

目前该领域出现了各种新的技术，如广播服务器，可以使用户使用自己设备（如，E-mail，PDA，WAP手机等）接收分析应用提供的各种结果。