简介

数据挖掘使专家、分析师和用户可以洞察大量数据集中存在的模式，并使之成为日常业务流程中的一部分。在过去，数据挖掘一直是统计和数据分析专家的任务。另一方面，数据挖掘的结果又常常与公司中各种不同的用户有关联。

考虑以下场景。您收集关于符合特定的人口特征（例如年龄、职业和居住地点）的客户以及过去的事务（例如售出的产品以及合同）的数据。商场营销部门希望针对具有相似特点的特定客户群开发新的定制产品。如何发现那样的独特用户群？数据集群为这个问题提供了一个解决方案。它自动根据数据集的属性或特征对数据集进行分组。然后，分析师查看这些组，并交互式地对它们进行微调，直到满足他/她的需要。而市场营销专家将发现，有一群为数不多、但是在经济上有重大意义的客户，他们的年龄超出了平均年龄，不使用 Internet 银行。根据这样的信息，可以为这些客户开发专门的产品。在分析过程中，一个关键的步骤就是让用户理解数据集群步骤的结果。专业的分析师通常并不擅长低级的数据库编程。

如何将数据挖掘的结果交付给需要它的分析师和雇员？如何显示结果，以反映用户所涉及的业务流程？如何满足安全性需求，使每个用户只看到他/她应该看到的内容。对于这些问题，要想给出令人满意的答案，必须将视角从统计分析转变到实际的终端用户以及他/她所涉及的业务流程上来。InfoSphere Warehouse 是企业数据仓库的强有力的基础。InfoSphere Warehouse 直接在存储数据的底层 DB2 数据库中提供数据挖掘功能。整个数据挖掘功能可以通过一个容易使用的、基于 Eclipse 的工具平台来访问，而且部署任务可以直接在工具中触发。

IBM Cognos 是报告解决方案中的领先者之一。在很多公司中，报告扮演着一个重要的角色，因为它有助于以不同的方式为不同的目标人群合并和可视化相关信息。报告的结果通常是通过对存储在数据仓库中的信息应用基本的算术运算而得到的（例如，每月的平均销售额）。对于高级的分析，例如上面的例子，则超出了报告框架的范围和能力。因此，可以将两者相结合，既使用 InfoSphere Warehouse 的可伸缩的、高级的分析功能，又使用 IBM Cognos 已有的、先进的报告功能。接下来的小节展示如何灵活地将 IBM InfoSphere Warehouse Data Mining 与 IBM Cognos 相结合，以实现这个目标。这种集成不需要任何复杂的编程或设置，只需使用纯 DB2 SQL 就能完成。

接下来的小节简要地介绍 InfoSphere Warehouse 和 IBM Cognos 的基本架构。然后将描述如何集成它们。最后，通过一个简单的、逐步讲解的来自医疗保健领域的例子来演示这种集成。这个系列接下来的文章将描述这种集成的一些更高级的技巧和概念。

产品组件

IBM InfoSphere Warehouse

InfoSphere Warehouse 以 DB2 作为数据存储。它提供了数据库分区功能（DPF），以便以可伸缩的、安全的、高性能的方式存储数据仓库中的数据，并将在线事务处理（OLTP）数据库的优点与大型数据仓库的存储需求相结合。InfoSphere Warehouse 提供了很多不同的用于仓库管理和分析的工具。这些分析组件有：

• Cubing 服务
• 数据挖掘
• 文本分析

InfoSphere Warehouse Design Studio 是基于 Eclipse 的工具平台，用于为数据挖掘和文本分析设计工作负载规则、数据转换流和分析流。然后，可以将这些流部署到 InfoSphere Warehouse 管理控制台，以根据需要进行调度和运行。InfoSphere Warehouse 数据挖掘是用 DB2 存储过程和用户定义函数构建的，以利用 DB2 作为执行环境，从而获得高性能的数据库内执行。可以通过 SQL 接口或通过 InfoSphere Warehouse 的挖掘流访问它。

数据挖掘是一项从大型数据集中发现有用信息的任务。一个典型的场景是医疗保健，本文将用它作为实例。如今可以收集到大量的卫生保健数据，这些数据描述很多不同的病人数年来的状态。这种数据的一个重要用途是在早期发现潜伏性疾病的指标。例如，出于这个目的，可以收集患有心脏病的病人的数据，并分析什么因素与这种疾病有关，例如血压和体重。这种数据必须在收集后进行转换，使之能用于数据挖掘。更具体而言，需要有一个表，每个病人对应于其中的一行记录，表中有一些列，表示关于病人的信息。而且，还应该有一个专门的列表明这个病人是否真正患病。图 1 显示了一种可能的模式：

图 1. 心脏病数据库表的模式（InfoSphere Warehouse 例子的一部分）

基于这种数据，InfoSphere Warehouse 中的存储过程可以构建一个模型，对于任何新的病人，该模型可以预测他/她是否可能有潜伏性心脏病。这个过程称作 “建模”。这样得到的 XML 数据挖掘模型存储在数据库中，可以通过 SQL/XQuery 进行访问。这个模型可用于两个目的：首先，可以从这个模型提取信息，以洞察哪些是心脏病的重要指标以及其他统计信息。其次，可以将该模型自动应用到新的数据记录上。因此，对于在心脏病这一列上还没有值的任何记录，可以自动添加这个值，另外再添加一个表示预测的置信度的一个值。这个过程称作 “评价”。图 2 通过示意图显示了这个过程：

图 2. 基于历史数据构建预测模型，然后将此模型应用到新数据上

InfoSphere Warehouse 几乎包含目前所有数据挖掘算法的极为高效的实现。要调用数据挖掘，首先要将数据写到一个表中。然后创建一个模型，再将这个模型应用到目标值尚且未知的记录上，以产生一个预测和该预测的置信度值。所有数据挖掘函数都是作为常规的 SQL 命令来调用的，后面您将看到这一点。这样便很容易集成到几乎所有的设置中，例如 Web 服务。

IBM Cognos 11 Business Intelligence

IBM Cognos 11 Business Intelligence 提供一套完整的商业智能（BI）功能，并且基于一个灵活的面向服务架构（SOA）。它的主要