互动点播业务中数据分析技术的应用.doc.pdfVIP

互动点播业务中数据分析技术的应用

业务数据分析基本技术介绍

随着信息技术的以及计算机的数据存储和处理能力的提升，数据分析技术

的应用领域逐渐拓展，各种技术也日趋成熟。目前，在数据挖掘分析技术上已

经了较为完备的体系,在大多数行业的业务数据分析领域已经了固定的技术模

式。

１数据源准备

数据源是数据分析技术应用的重要前提，数据来源关系到各种业务分析所

需要的数据是否齐全、原始数据质量是否可靠、数据提供的性能方面是否满足

相关要求等.对于不同的行业领域,数据来源的渠道各不相同,对于数据分析应用

而言,也需要在众多的数据中选取合适的部分进行后续加工和处理。对于大多数

信息化技术应用比较企业而言，主要的业务运营数据源都可以从自身的信息管

理系统中取得,如业务支撑系统、企业资源规划和管理系统以及流水线作业信息

管理系统等。有部分数据信息是从非常专业的系统中直接采集到的，如专业调

度系统、电话交换机以及生产线等.从这些系统中,可以取得企业运营过程中的基

础信息和关键数据，这些数据通常是最能真实客观地反映企业运行情况。此

外，数据获取的成本也比较低，稳定性和质量比较好,并且易于管理和重构。然

而，就经营分析的角度而言，从企业内部提供的数据还不能满足全方位分析的

需要，需要从企业外部获取必要的信息。比如为了深入了解客户的信息,就需要

进行相应的市场调研工作，设计一些调查问卷，搜集与业务开展和经营相关的

重要信息。另外,在某些特定的场合下，还有可能还需要从其它一些外部渠道去

集中获得一些有关客户和市场的数据信息，目前有不少机构专门从事市场信息

数据提供的服务工作。从企业外部获得的业务数据往往是针对性较强，有较高

利用价值的信息。但这些信息的真实性、稳定性程度就比内部的数据源要低,并

且数据获得的成本相对比较高。ﻭ

２数据仓库技术的应用

ﻭ

目前,数据仓库技术对于大多数经营业务数据分析任务而言，是必备的基础

条件之一，尤其是对于规模较大、业务开展较企业。由于日常运营涉及到的数

据来源和种类较多、数据量较大，在进行数据分析处理时需要对原始的信息进

行大量的加工处理工作，因此数据仓库技术的应用就是必然的选择。应用数据

仓库技术的主要目的是将原始的数据源按相应的要求进行转换并按专门设计的

数据结构进行存储。数据仓库技术对原始数据加工处理流程目前一般称为ＥT

Ｌ，即抽取、转换和加载。抽取过程是指从各类原始的数据源获取数据的过

程，综合考虑信息系统的处理性能和数据时效性以及分析应用需求等因素，数

据抽取过程可以是实时的，也可以是非实时的。对于抽取出的数据需要进行一

定的转换处理,才能够进行后续的应用，转换过程主要是根据后期应用需求将原

始的数据进行过滤、异常处理后再进行格式变换、维度调整以及初步分类汇总

等处理。数据加载过程就是将处理后的数据装载到仓库模型中，并根据应用需

求进行数据关联关系的调整以及性能优化.在一些专题分析应用场合，还可以将

已经加载至数据仓库中的数据进行进一步的归纳处理,相关主题的数据集市,以提

高数据的可用程度。

数据分析方案的设计和实施ﻭ

数据仓库建设完成之后，为了实现业务分析的目标,就可以考虑实施一些数

据分析方案，选择合适的分析方法和工具建立相应的模型，对数据进行处理,最

终得到能够支持业务经营分析的关键信息,这一步对于整个业务数据分析工作而

言是一个关键点。数据分析建模工作不仅需要掌握相关分析方法技术，更需要

对业务背景和业务分析目标有充分的认识。因为数据分析挖掘建模方法没有严

格的定律可以遵循，往往需要在中运用一些基本的方法去探索影响业务目标的

关键因素，并且需要长期跟踪业务情况，不断地完善模型、调整相关参数，才

能够得到能正确辅助经营决策制定的方案。此外，随着业务运营模式的调整和

市场环境的变化，业务分析模型还可能随时需要重构并且反复验证。目前用于

数据挖掘分析的方法有很多，从基本的数理统计方法到目前研究比较神经网

络、遗传算法等。但是并不是越复杂的算法效果越好。在很多场合下,应用较为

简便的方法得出的结论更易于描述业务信息,便于理解以及操作。现在市场上用

于进行数据挖掘和统计分析产品也比较丰富,比较典型的分析工具如SPＳＳ、

SAS、ＳTAT等,在一些行业应用领域,还有更加专业的数据分析工具和软件包可

供使用.在实际运用过程中,可以根据数据分析的需求和应用范围进行选择.

互动点播业务的业务分析需求

以及数据分析方案