基于SOA的高可消費性商業分析平臺研究

同濟大學軟件學院 張巍巍

0 引言

目前，數據挖掘技術在金融、保險、電信等行業有著廣泛的應用，如信用分析、風險分析、用于聚類分析等。商業分析（Business Anal yt ics）正是使用這種技術的典型代表。商業分析是指對過去經營業績進行連續反復探索和調查的技能、技術和實踐，以達到洞察和推動業務規劃的目的。它通常側重于在數據和統計方法的基礎上發現新的見解和理解業務性能。

商業分析一般由三個階段構成，即描述性分析、預見性分析和規范性分析。通常情況下，描述性分析和預見性分析是在商業分析中運用最多的兩種分析手段。描述性分析側重于過去的經營業績，并通過挖掘歷史數據的表現，以尋找過去的成功或失敗背后的原因。它已經被廣泛運用于支持管理報告的各種領域，包括銷售、營銷、經營、財務等。預測性分析則是通過數據挖掘出一種通用的模式，以確定未來的風險和機會，并指導決策。它已被廣泛的應用于營銷、金融、保險、零售、旅游、醫療保健、醫藥等領域。例如，信用評分系統，在整個金融服務行業應用的很廣泛，通過建立模型處理各種客戶的信用記錄、貸款申請和其他客戶的數據，以對個人信用進行排名，并用于確定信貸的還款時間。

傳統上，描述性分析和預見性分析一般會按照一定的算法進行，如下：

(1)一個商業分析的項目一般有一個技術組，技術組由很多的專家學者組成，還可以包括項目的的供應商和提供商，或者一些其它工作成員。

(2)公司主動提供原始的數據集到技術組，并且指定業務目標（例如：描述性分析，預測性分析）。

(3)技術組對數據集進行初步分析，并進行預處理（例如：刪除不完整記錄，數據集降為）。在數據準備階段，與公司互相交流，以更好的了解數據并處理數據的細節。

(4)接著技術組通過專門的方法和工具建立（訓練）并分析模型。對于描述性分析，輸出通常是作為一個報告，如關聯報告。對于預測性分析，輸出通常是以一個數學或算法的方式，以用來描述未來預測的邏輯或計算流程。

(5)對于描述性分析，應該將模型轉化為具體的軟件使用。并可能需要設計和實現用戶界面以及其他相關組件，以便最終用戶（并不懂數據挖掘等專業性知識）使用。

(6)對于預測性分析，經過一段時間的實際使用，可能會收集和分析新的數據集，以獲得最新的模型的準確性。如果模型不再準確，可以加入新的數據集進行新一輪的訓練。

根據深入的研究，傳統的商業分析存在很多的不足，例如：需要大量的資源和成本，如技術組，硬件，軟件等；模型建立后的管理和重新訓練；在建模完成后，需要為終端用戶實現界面等。

在認識到傳統的商業分析的優點和不足之后，本篇論文提出一種新的解決方案：高可消費性商業分析(下文稱BANew)，其重點是提高商業分析經驗的易用性。其目的是為了解決上述不足，如降低重復建模的成本，完善重新訓練和模型的管理體系等。

1 系統架構

圖1 基礎架構

2 架構綜述

商業分析系統采用流行的三層架構（界面層、業務邏輯層、數據訪問層）和MVC(Model-View-Cont r ol l er)相結合的架構模式（如圖1）。

(1)界面層與終端用戶直接交互，采用Boot st r ap和Angul ar Js技術。Boot st r ap可以很方便的搭建網站布局，Angul ar Js是一套比較完善的前端MVC框架，既可以使用內嵌的模板功能，也可以自定義組件。兩者結合使用，可以為終端用戶提供一套簡約，悅目的使用界面，并具有簡化學習成本等等功能。

(2)業務邏輯層負責邏輯控制，將終端用戶和核心引擎隔離，采用Spr ingMVC技術。Spr ingMVC基于注解，開發簡易，和當前流行的ORM（如Hiber nat e）進行整合，并且該框架開源，為外部提供Rest f ul API，程序員可以按照自己的需求進行擴展，易于后期開發。

(3)第三層包括傳統的數據訪問層和核心引擎。數據訪問層負責數據讀取和存儲等功能，ORM我們選擇Hi ber nat e，可以和上層Spr ingMVC層進行整合，數據庫使用免費數據庫Mysql。核心引擎負責模型的訓練和管理，算法分為四個階段，契約(Engagement)，發現(Discover y)，驗證(Val idat ion)，發布(Depl oyment)。

3 工作流綜述

圖2 工作流

工作流算法整體分為四步：

(1)契約(Engagement)：用戶可以創建一個新的項目，然后在該項目下新建一個模型，并輸入簡單信息，如模型名等，然后需要為模型確定目標。此外，用戶可以在“了解數據”這一步指定數據源(數據庫、服務器等)。在“準備數據”步驟中，用戶可以對數據進行清洗等操作。

(2)發現(Discover)：系統在處理完數據后會開始建模。為了降低建模門檻，系統會為用戶提供一套默認建模參數，當然用戶可以根據個人需要更改這些參數。此外系統會根據結果進行自動重新訓練。最終，用戶點擊構建模型開始建模，這可能需要一段時間來訓練模型。訓練的進展（如百分比）將顯示在頁面上，用戶可以根據自己的需要停止/恢復訓練。

(3)驗證(Val idation)：建模完成后驗證會自動開始。首先，在發現階段，所有符合基本條件的模型都會被保存下來。保存的過程對于終端用戶是完全透明的。然后，保存下來的所有模型都將自動開始驗證。如若在驗證階段未通過將自動重新訓練。驗證通過的模型將進入部署階段。

(4)部署(Depl oyment)：此階段包括兩個子階段，部署和部署后的監督和管理。部署操作是在發現階段的自動執行的。在部署后階段，用戶可以利用一套管理操作對模型進行監管。

4 總結

BANew是在傳統商業分析的基礎上提出來的一種以終端用戶為核心新的商業分析模式。降低商業分析門檻，使商業分析功能最大化是該模式最大的目的。根據上述介紹，首先用戶在web頁面上提交數據，進行數據準備((1)根據默認參數；(2)根據自身需要修改參數。)，然后BANew會在后臺進行訓練建模，所有的操作對終端用戶是隱藏的，最后終端用戶根據建模結果可以保存或者丟棄最終的模型。并且BANew提供API供第三方使用，為后期實現各公司模型數據共享提供準備。

[1]郁抒思,周水庚,關佶紅.軟件工程數據挖掘研究進展[J].計算機科學與探索,2012,6(1): 1-31.

[2]李國杰,程學旗.大數據研究未來科技及經濟社會發展的重大戰略領域-大數據的研究現狀與科學思考[J].中國科學院院刊,2012,27(6):647-657.

[3]林闖,蘇文博,孟坤,等.云計算安全: 架構, 機制與模型評價[J].計算機學報,2013, 36(9):1765-1784.

[4]胡光永.基于云計算的數據安全存儲策略研究[J].計算機測量與控制,2011,19(10):2539-2541.

[5]李喬,鄭嘯.云計算研究現狀綜述[J].計算機科學,2011,38(4):32-37.

[6]王惠中,彭安群.數據挖掘研究狀及發展趨勢[J].Industry and Mine Automation,2011,29-32.

[7]Srivastava J,Cooley R,Deshpande M,et al.Web usage mining:Discovery and applications of usage patterns from web data[J].ACM SIGKDD Explorations Newsletter,2000,1(2):12-23.