license数据的掘与解析.docVIP

对license数据的挖掘与分析 这里所称的数据分析泛指那些将数据转化为信息或知识的计算机应用系统（也可称之为商业智能应用，Business?Intelligence/BI），包括决策支持、联机分析、查询与报表、预测分析、专业定量分析、数据挖掘、数据可视化应用等等。为企业或机构进行有效管理、提高竞争力提供信息和依据，是信息化进程中的高级阶段。在企业中已积累的数据是企业或机构宝贵的财富，如何有效地进行数据利用以获得更大的利益是集团化企业的中心目标。 集团化企业或机构在其发展过程中逐渐形成了多种不同类型的license设计研发相关应用软件以支撑公司的主营业务。还有一些公司通常由地点上分布的多个子公司或部门组成，子公司或部门独立地使用着各自的license服务器，而这些子公司或部门往往是很难相互调节使用软件license的，即基于不同厂商的或不同结构的license有不同的服务器和端口，造成了使用情况不明朗，资源使用浪费等情况。 在信息技术不断发展的今天，人们对信息的使用也越来越复杂。除了对软件服务器的进行增、删、改等事务处理操作和简单的统计汇总以外，高层管理者还要使用数据（历史的、现在的）进行各种复杂分析，如长期趋势分析和数据挖掘等，以支持决策。 从大量的历史数据中获取信息，要求license管理系统保存足够的历史数据，而且还要进行复杂的分析处理（每次处理涉及大量数据）。如果直接基于分散繁杂的license服务器的开展分析应用，则不可避免地要遇到以下诸多障碍： ?缺乏组织性。 各个不同类型的license使用数据难以转化为有用的信息。license数据结构是面向操作的有效性组织的，而非面向分析的需要。分析所需要的数据内容可能分散在许多数据对象甚至许多应用中。同一字段在不同应用中又可能存在着同名异义、异名同义、单位不同、字长不同等许多难以识别的矛盾。将这些零碎而且结构各不相同的license服务器使用数据统一起来的工作将是复杂而繁重，难以应付不断变化的分析工作的需要。 【license所在服务器的状态及其数据】 ?干扰事务处理系统的正常运行。 实现对license使用情况精准的分析处理往往需要涉及较大的数据量，而且license服务器则要求尽快做出响应，如果进行一次大规模的分析，对机器性能的影响是难以忍受的，从而严重影响其正常运行。 【使用license的功能模块及当前功能模块的使用率和许可数量、到期时间】 ?缺乏足够的历史数据。 License使用分析应用常常需要通过一段历史时期的数据来分析趋势，而在license服务器中一般只存储当前的短期数据，且各个不同授权类型license的数据读取也不一样，这对于长期趋势分析和license使用规律探索构成制约。 【使用license的实时在线用户】 ?结果的准确可比性难以保证。 License的使用数据是随时更新变化的。基于随时变化的数据源难于对问题作出一致的回答，而不一致的答案会干扰决策过程。 一般来说对license使用问题的决策过程分这样三个阶段： 1.?发现问题。 ?一开始，往往并未搞清license使用中的具体问题是什么，只是就所看到的现象提出了疑问和怀疑。需要从不同的方面和角度对数据找出其异常之所在。特别是当观察到某些因素组合起来会产生了特定的效果时，这尤其重要。 【license在使用中获取不到的记录数据】 【license使用记录的历史数据——很明显的看出工作和非工作日license的使用数据差别】 【license使用率走势，也很直观的看出工作与非工作时的license使用率区别，以及最大使用率和平均使用率的差别】 2.?更加详细的分析和探讨所提出的问题。 ? 一旦发现了某种趋势或异常就要确认和解释其缘由。所谓分析，不仅是观察和列表，更重要的是： ①、证实这种趋势存在的必然性； ②、搞清楚为什么会存在这种趋势或异常； ③、预测这种趋势随着时间进程的发展； ④、预测这种趋势或异常会造成什么影响和后果。 【license的业务满足率，即当前的license数量是否满足用户的需求量】 【license业务满足率的数据——通过查询得知，当前还需35个license才能满足100%的业务需求。】 ?向其他决策者展现你的发现和结论，并得到确认分析、证实和预测其后果。 这可能是一个复杂又漫长的过程。真正有权作出决策的人可能并未参与这一全过程。这时要能将分析的主要过程，尤其是结论清楚明白地展现给决策者，让他能洞察操作过程，理解决策支持的结论。 人们关心的是响应时间、数据的安全性和完整性。分析型处理则用于管理人员的决策支持和分析