嵌入式數(shù)據(jù)挖掘模型及其在銀行卡業(yè)務(wù)中的應(yīng)用

針對現(xiàn)有數(shù)據(jù)挖掘體系結(jié)構(gòu)松散揭合、算法運行效率不高的問題，提出了嵌入式數(shù)據(jù)挖掘模型。該模型實現(xiàn)了算法的組件化管理，并將整個數(shù)據(jù)挖掘流程控制在數(shù)據(jù)庫、數(shù)據(jù)倉庫中，在簡化數(shù)據(jù)挖掘過程的同時，大大提高了數(shù)據(jù)挖掘的效率。通過對幾種典型數(shù)據(jù)挖掘算法在銀行卡業(yè)務(wù)數(shù)據(jù)中的試驗，證實了該模型的有效性和實用性。


數(shù)據(jù)挖掘就是從存放在數(shù)據(jù)庫、數(shù)據(jù)倉庫或者其他信息庫中的大量數(shù)據(jù)中挖掘有趣知識的過程。它是在多種數(shù)據(jù)存儲方式的基礎(chǔ)上，借助有效的分析方法和工具，從傳統(tǒng)的事務(wù)型數(shù)據(jù)庫功能（增加、刪除、修改、查詢、統(tǒng)計等）背后，獲得更深層次的信息。在數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展過程中，如何將數(shù)據(jù)挖掘（DM）系統(tǒng)與數(shù)據(jù)庫（DB）系統(tǒng)和數(shù)據(jù)倉庫（DW）系統(tǒng)緊密耦合（所謂耦合，即是數(shù)據(jù)挖掘系統(tǒng)和數(shù)據(jù)庫或者數(shù)據(jù)倉庫的集成程度）在一起是始終困擾著人們設(shè)計一個好的數(shù)據(jù)挖掘工具的最大問題。從最初的不耦合到松散耦合再到半緊密耦合，人們一直尋求著如何將DM系統(tǒng)平滑的集成到DB/DW中（即緊密藕合）。目前眾多數(shù)據(jù)挖掘系統(tǒng)、數(shù)據(jù)挖掘工具中，大部分都是實現(xiàn)一個與數(shù)據(jù)倉庫系統(tǒng)獨立開來的數(shù)據(jù)挖掘系統(tǒng)，這樣便使得數(shù)據(jù)挖掘過程中要花費大量的時間進行數(shù)據(jù)加載轉(zhuǎn)換，算法運行時間長、效率低，特別是面對當(dāng)前數(shù)據(jù)倉庫中保存的海量數(shù)據(jù)時，更是效率低下。

文中在已有的數(shù)據(jù)挖掘系統(tǒng)體系基礎(chǔ)上，應(yīng)用數(shù)據(jù)挖掘系統(tǒng)與數(shù)據(jù)倉庫系統(tǒng)緊密耦合的策略，提出了嵌入式數(shù)據(jù)挖模型，把數(shù)據(jù)挖掘系統(tǒng)和整個數(shù)據(jù)挖掘流程完全控制在數(shù)據(jù)倉庫系統(tǒng)中，從而大大提高數(shù)據(jù)挖掘的效率。并且針對市面的一些用于銀行卡業(yè)務(wù)的數(shù)據(jù)挖掘系統(tǒng)過于繁瑣，但是效率不高、針對性不強等問題，本文提出將嵌入式數(shù)據(jù)挖掘應(yīng)用于銀行卡業(yè)務(wù)中，使得應(yīng)用針對性更強，在節(jié)約了開發(fā)成本的同時也提高了挖掘效率。

1嵌入式數(shù)據(jù)挖掘模型

嵌入式數(shù)據(jù)挖掘模型主要是采用多種數(shù)據(jù)庫訪問技術(shù)把算法嵌入到數(shù)據(jù)挖掘系統(tǒng)中。該模型支持按照一定的標(biāo)準(zhǔn)規(guī)范來開發(fā)挖掘算法，并把算法發(fā)布嵌入到多種數(shù)據(jù)庫、數(shù)據(jù)倉庫當(dāng)中，將數(shù)據(jù)挖掘過程完全控制在數(shù)據(jù)庫、數(shù)據(jù)倉庫系統(tǒng)中，將數(shù)據(jù)挖掘功能轉(zhuǎn)換成大家熟悉的、通用的、靈活的、可二次開發(fā)的數(shù)據(jù)倉庫功能。

該系統(tǒng)框架主要由數(shù)據(jù)層、算法嵌入層、數(shù)據(jù)挖掘?qū)右约坝脩魧樱到y(tǒng)模型如圖1所示。

1.1數(shù)據(jù)層和用戶層數(shù)據(jù)層

主要包括數(shù)據(jù)庫或數(shù)據(jù)倉庫中的海量業(yè)務(wù)數(shù)據(jù)以及元數(shù)據(jù)，它是數(shù)據(jù)挖掘過程中最基礎(chǔ)的部分。

在該模型中，用戶層包括算法發(fā)布人員、數(shù)據(jù)分析人員、數(shù)據(jù)庫管理人員，即使得數(shù)據(jù)挖掘面向更多的用戶，擺脫了以前數(shù)據(jù)挖掘?qū)I(yè)人士的過多依賴性。

1.2算法嵌入層

整個嵌入流程可以分為兩個過程：算法發(fā)布和算法調(diào)用。算法發(fā)布過程主要是把算法發(fā)布到特定的數(shù)據(jù)倉庫系統(tǒng)中，為數(shù)據(jù)挖掘系統(tǒng)在數(shù)據(jù)倉庫系統(tǒng)中的執(zhí)行奠下基礎(chǔ)；算法調(diào)用過程則是在數(shù)據(jù)倉庫系統(tǒng)中進行的，主要通過數(shù)據(jù)倉庫系統(tǒng)中的存儲過程，讓用戶傳人相關(guān)參數(shù)，然后調(diào)用第一步發(fā)布的算法對用戶指定的數(shù)據(jù)進行挖掘。

1）算法發(fā)布算法發(fā)布過程首先就是把算法封裝成DLL文件，同時把調(diào)用算法的接口編譯成EXE文件，然后把算法DLL文件和相應(yīng)的EXE文件發(fā)布到數(shù)據(jù)庫或數(shù)據(jù)倉庫中，最后在相應(yīng)的數(shù)據(jù)庫中創(chuàng)建存儲過程（簡稱SP），流程如圖2所示。

2）算法調(diào)用在調(diào)用過程中，由于不同數(shù)據(jù)倉庫系統(tǒng)的存儲過程的功能大小不同，不同數(shù)據(jù)倉庫系統(tǒng)對EXE文件，DLL文件的調(diào)用方式都有很大的區(qū)別，所以具體的實現(xiàn)細(xì)節(jié)在不同數(shù)據(jù)倉庫系統(tǒng)下還是有很大的區(qū)別的。在該模型中，數(shù)據(jù)倉庫終端調(diào)用存儲過程（SP），把算法參數(shù)和用戶參數(shù)傳進存儲過程，然后讓存儲過程調(diào)用EXE文件，EXE文件主要是處理存儲過程傳入的參數(shù)，然后調(diào)用DLL算法生成挖掘結(jié)果。具體流程如圖3所示。

1.3數(shù)據(jù)挖掘?qū)?br />
1）預(yù)處理模塊數(shù)據(jù)預(yù)處理在數(shù)據(jù)倉庫（或數(shù)據(jù)庫）中進行，主要有兩個途徑可以實現(xiàn)：一種是直接利用數(shù)據(jù)倉庫管理系統(tǒng)（SQL等）來對數(shù)據(jù)倉庫的數(shù)據(jù)表進行加工處理，還有一種就是像挖掘算法一樣，用高級語言實現(xiàn)，然后嵌入到數(shù)據(jù)倉庫系統(tǒng)中，用戶就可以像一般的存儲過程一樣調(diào)用相應(yīng)的預(yù)處理方法來對數(shù)據(jù)進行預(yù)處理。這兩種預(yù)處理可以相互循環(huán)使用，直到加工滿意的數(shù)據(jù)為止。

2）結(jié)果處理模塊結(jié)果處理流程其實和算法凋用過程是同時進行的，在EXE文件中通過數(shù)據(jù)庫訪問技術(shù)獲取數(shù)據(jù)，在EXE中調(diào)用DLL算法產(chǎn)生文本結(jié)果返回到EXE文件中。這時候，這個文本結(jié)果可以經(jīng)過加工處理寫回數(shù)據(jù)倉庫，同時也可以展示給用戶。具體如圖4所示。分析處理后，生成結(jié)果表查詢結(jié)果。