InfoSphere Warehouse 數據挖掘與 Cognos 報表集成（二）：偏差檢測與交互式穿透鑽取報表

偏差檢測業務場景

信用卡欺詐監控、HR 異常員工識別、財務異常投資發現等均屬偏差檢測範疇。核心任務：在大數據集中找出偏離整體統計分布的記錄（離群值），供專家進一步研判。InfoSphere Warehouse 採用基於聚類的偏差檢測：統計聚類算法將相似記錄分組，賦予每群「偏差度」；用戶設定閾值（如專家處理能力上限或固定告警線），高於閾值的群標記為離群值群。

實戰：銀行客戶異常行為檢測

數據與挖掘流

示例表 BANK.BANKCUSTOMERS。構建挖掘流：

1. Table Source → BANK.BANKCUSTOMERS。
2. 拖入 Find Deviations 操作符，連接 Source。模型名設置為 IDMMX.OUTLIERMODEL。
3. 右鍵 Find Deviations 輸出端 Create Suitable Table，目標表 BANK.CUSTOMERS_OL（勾選 Delete Previous Content 以支持重跑）。

結果表新增兩列：DEV_DEGREE（偏差度）與 CLUSTER_ID（所屬離群值群 ID）。

構建交互式 Cognos 報表：兩大增強

1. 分組概覽：按職業/地區分組統計離群值數量，便於分工檢查。
2. 穿透鑽取：點擊某群進入詳細記錄頁，並展示該群特徵描述（如「年輕高凈值客戶」），幫助專家快速理解異常成因。

從挖掘模型提取群描述信息

Find Deviations 後台生成 PMML 格式聚類模型，存儲於 IDMMX.CLUSTERMODELS。使用內建存儲過程提取：

SELECT ID, DESCRIPTION
FROM TABLE(IDMMX.DM_GETCLUSTERS(
  (SELECT MODEL FROM IDMMX.CLUSTERMODELS WHERE MODELNAME='IDMMX.OUTLIERMODEL')
)) AS CT

返回列：ID（群 ID，對應 CLUSTER_ID）、DESCRIPTION（群文本特徵描述）。Cognos 可將此視為動態視圖，報表生成時實時執行，無需物化表。

Framework Manager 建模與關聯

1. 創建項目連接示例庫 DWESAMP，導入 BANK.CUSTOMERS_OL。
2. Presentation View 創建查詢主題 OutlierTable，重命名列為業務術語，新增計算列 OutlierFlag：IF (Deviation factor > 1000) THEN 1 ELSE 0（閾值參數化便於調整）。
3. 創建查詢主題 OutlierClusters：數據源建模，取消 Run wizard，SQL 類型設為 Native，輸入上述提取 SQL。
4. 建立關聯：OutlierTable.CLUSTER_ID (1..n) ↔ OutlierClusters.ID (1..1)。

部署包與報表設計

將 Presentation View 發布為 OutliersPackage 至 Cognos Content Store。報表設計中：

• 列表報表按職業分組，顯示每組離群值計數。
• 設置穿透鑽取：點擊職業行 → 導航至詳細報表，過濾該職業離群值，並通過關聯顯示 DESCRIPTION 解釋異常特徵。

進階價值

存儲過程動態提取模型元數據，結合 Cognos 穿透鑽取，實現「概覽→定位→解釋」閉環，大幅提升專家審查效率。後續文章將探討動態觸發偏差檢測、模型自適應更新等高級主題。