ITPub博客

---[@more@]工作流作为近几年以来热门的话题，已经在诸多信息化系统中得到了应用，但使用的结果不尽人意。上两篇文章分别总结了用不起来的原因及目前业内的工作流需求分类，本文将结合上篇工作流分类探讨什么样的工作流会受到欢迎？真正好用的工作流需要具备什么样的特征？一、 管理类流程管理类流程是目前信息化建设大潮中最常见的工作流类型，存在与大家常见的电子政务、企业信息化等各种类型的项目之中。 功能要求： 完善的流程模型：除了要支持工作流领域常见的各类典型模型之外，还需要很多与国情有关的复杂工作流模型。例如有条件的

--[@more@]“卓越流程”对一个企业管理者或从事企业管理的人来讲并不陌生，企业发展到一定阶段，需要一些行为转化成固化的模式或体系，其目的就是大家在从事一件事情的时候，能够遵循一定的行为准则去做，这些准则就是企业内部的统一操作平台，而流程就是这个平台的重要表象。 有人说这个年代是战略的年代，也有人说这个年代是流程的年代，但是不管怎么认为，流程已经逐渐成为企业管理者一项重要管理方法。然而在笔者进行操作时，同样发现不同的人对企业流程的理解也不同。到底怎么样的流程才是好的流程，才是卓越的流程呢？我在此作简

--[@more@]整理的工作流管理系统的需求列表，想要做一个好东西真的很难。 工作流定义 1.1 工作流定义语法检查 1.2 工作流定义有效性检查 1.3 流程可视化建模 1.4 组织机构数据的引用 1.5 支持离线过程定义 1.6 工作流数据定义 1.7 图形打印工作流过程定义图形 1.8 以xml格式保存过程定义文件 1.9 直接对模板库访问操作 1.10 xml过程定义文件打开编辑 工作流模板库 2.1 工作流模板的导入和导出 2.2 工作流模板版本控制 2.3 工作流模板复制 2.4 工作流模板所有者定义 2.5 工作流模板状态（草稿、发布、过时）

--[@more@]1. 流程操作 流程在流转过程中需要确定的为下一环节以及该环节的相应的参与者 ( 人或应用程序 ) ，所有的流程操作均是围绕这两方面进行。 1.1. 签收 对事项进行签收表明该流程步骤进行生效阶段，说明当前人员已将事项从待办状态切换为了在办状态。 1.2. 直送 ( 直流 ) 直流为流程操作中最为简单的一种操作，直流为当前环节往下仅有一个环节，不存在分支的流转，在直流过程中可确定的是流程下一环节，不可确定的是执行此环节的人员 ( 需要系统根据流程设计时配置的环节参与角色获取具有相关权限的人员，根据配置的是否

--[@more@]什么是工作流技术工作流（Workflow）就是工作流程的计算模型，即将工作流程中的工作如何前后组织在一起的逻辑和规则在计算机中以恰当的模型进行表示并对其实施计算。工作流要解决的主要问题是：为实现某个业务目标，在多个参与者之间，利用计算机，按某种预定规则自动传递文档、信息或者任务。 工作流管理系统（Workflow Management System, WfMS）的主要功能是通过计算机技术的支持去定义、执行和管理工作流，协调工作流执行过程中工作之间以及群体成员之间的信息交互。工作流需要依靠工作流管理系统来实现。工作流属于计算机支

--[@more@]May 2004 Discuss this Article IntroductionIf database systems are like a respected, wise man telling a clear story, then workflow must be a buch of spoiled brats shouting their own truth at each other. With this statement I would like to point out that workflow management systems are at the very initial phase of the technology hype curve. We are heading for some exciting times in this area. To illustrate this, we can make the comparison with relational database management systems (RDBM

--[@more@]工作流（Workflow）就是“业务过程的部分或整体在计算机应用环境下的自动化”，它主要解决的是“使在多个参与者之间按照某种预定义的规则传递文档、信息或任务的过程自动进行，从而实现某个预期的业务目标，或者促使此目标的实现”。 简单地说，工作流就是一系列相互衔接、自动进行的业务活动或任务。一个工作流包括一组任务（或活动）及它们的相互顺序关系，还包括流程及任务（或活动）的启动和终止条件，以及对每个任务（或活动）的描述。 工作流在大多数的实际应用中的情况可以这样来简单地描述：在网络、服务器和

--[@more@]昨天装了MOSS，试着跟SSRS整合，弄了一个下午，把安转碰到的麻烦写出来跟大家分享一下。按照MSDN(1 February 2007)上的说法，SPS(microsoft office 2007 sharepoint server & windows sharepoint server 3.0)和SSRS(sql server 2005 reporting services)的整合级别有两种：1. 通过Web Parts，这是在SPS 2.0中就有了的东东，SPS 3.0中使用的还是2.0的那两个Web Part。2. 通过SPS的整合模式。这种模式下，SPS的数据库需要保存报表内容，SPS和SSRS数据库之间有一个同步的过程。要使用这种模式必须安装有SQL Server 2005 SP2和S

--[@more@]微软以往的BI产品，尽管有Report Builder这类ad-hoc工具，但是作为客户端开发工具仍然太麻烦，而且也无法提供灵活的分析功能。在微软新的SQL Server加Office战略布局中，Excel被提升到了非常重要的地位，除了OLAP前端外，Excel还充当起SSAS中的DM和未来PPS的客户端软件。再加上MOSS，Excel成为了集分析、报表、发布为一体的BI客户端工具。SSAS、Excel和MOSS的关系如下：我这里在同一台机器上安装SQL Server 2005和MOSS 07，情况如下：机器名：ESESTT所在域：myhome.cheneySQL Server 2005实例名：MSSQLSERVER登录身份：myhomead

--[@more@]统计学和数据挖掘有着共同的目标：发现数据中的结构。事实上，由于它们的目标相似，一些人（尤其是统计学家）认为数据挖掘是统计学的分支。这是一个不切合实际的看法。因为数据挖掘还应用了其它领域的思想、工具和方法，尤其是计算机学科，例如数据库技术和机器学习，而且它所关注的某些领域和统计学家所关注的有很大不同。 统计学和数据挖掘研究目标的重迭自然导致了迷惑。事实上，有时候还导致了反感。统计学有着正统的理论基础（尤其是经过本世纪的发展），而现在又出现了一个新的学科，有新的主人，而且声称要解决统计学

--[@more@]一、数据归约基本知识： 对于小型或中型数据集，一般的数据预处理步骤已经足够。但对真正大型数据集来讲，在应用数据挖掘技术以前，更可能采取一个中间的、额外的步骤-数据归约。本步骤中简化数据的主题是维归约，主要问题是是否可在没有牺牲成果质量的前提下，丢弃这些已准备和预处理的数据，能否在适量的时间和空间里检查已准备的数据和已建立的子集。对数据的描述，特征的挑选，归约或转换是决定数据挖掘方案质量的最重要问题。在实践中，特征的数量可达到数百，如果我们只需要上百条样本用于分析，就需要进行维归约，以挖掘

-- 原文下载 http://www.chinabi.net/blog/UploadFiles/2007-6/69838799.rar[@more@]（本文由数据挖掘研究院www.dmresearch.net整理转摘，原作者不祥）第一课 数据挖掘技术的由来 　　　1.1 网络之后的下一个技术热点　　　1.2 数据爆炸但知识贫乏　　　1.3 支持数据挖掘技术的基础　　　1.4 从商业数据到商业信息的进化　　　1.5 数据挖掘逐渐演变的过程 　　1.1网络之后的下一个技术热点　　我们现在已经生活在一个网络化的时代，通信、计算机和网络技术正改变着整个人类和社会。如果用芯片集成度来衡量微电子技术，用CPU处理速度来衡量

--[@more@]一、时间序列数据挖掘 时间序列是数据存在的特殊形式,序列的过去值会影响到将来值,这种影响的大小以及影响的方式可由时间序列中的趋势周期及非平稳等行为来刻画。一般来讲，时间序列数据都具有躁声、不稳定、随机性等特点,对于这类数据的预测方法目前主要有自动回归滑动平均(ARMA)和神经网络等，但这些方法有一些缺点是很难克服的,ARMA包含的是线性行为,对于非线性的因素没有包含;而神经网络的结构需要事先指定或应用启发式算法在训练过程中修正;同时神经网络得到的解是局部最优而非全局最优。比较而言支持向量机( SVM)能较好

--[@more@] 前段时间在做一个挖掘模型时，模型的特征决定了选择的数据是严重有偏的，怎样在这样的数据上进行抽样，得到能比较好地反映真实情况的数据样本是很关键的。自己对统计学仅仅限于大学课程的学习，很少做过实验，在做数据预处理走了一些弯路。下面对数据挖掘中的抽样发表一点浅见。谢谢苦瓜兄弟解答，希望和大家多多交流：） 在数据挖掘的数据预处理过程中，宽表数据往往是几十万，上百万级记录的。要对所有数据进行训练，时间上很难满足要求，因此对数据进行抽样就很必要了，不同的数据抽样方法对训练结果模型的精度有很大影响

--[@more@]几年前的一场讨论，现在看来对实际DM应用仍然有很好的参考价值，推荐给朋友们！一、引子1999 年 Data Miner 专栏首次出现在 DB2 杂志上。4 年以后，数据挖掘仍然是个热点话题。最近，一个 Gartner 报告中（2002 年 12 月"技术采用和价值：调查结果"）将数据挖掘排在了所有行业里对组织有战略性影响的 37 项新兴技术中的第三位。数据挖掘已经被人们接受、应用并且普遍存在。最近，我与我在 IBM Thomas J. Watson 研究室的同事们共同探讨了关于数据挖掘未来的发展趋势。其中包括数据分析主管 Chid Apte ，他的团队在数据

--[@more@]商业智能（BI)在国内电信业的应用已经有三四年的发展历史了，为我国电信运营商的业务发展提供了有力的支撑。作为一种通用的商业解决方案，BI在多个领域都具有广阔的应用前景，而其在电信业的应用，无疑为电信运营商在市场竞争中获得更大的优势提供了一把“利剑”。 　　基于目前的应用，BI在电信运营支撑方面的作用主要表现在以下几个方面。 　　精细化营销 　　以前的电信运营商定位是以卖服务为核心的粗放交易型营销，客户上门做完一笔交易，把一个服务开通以后，就和用户没有关系了。但随着市场竞争的加剧，这样的营销模式已

--[@more@]业务需求某家位列国内五大电信运营商之列的通信公司（以下简称“通信公司”）在多年的运营过程中，积累了大量的业务数据，分散在各个运营系统中（计费系统、九七工程、网管系统等）。这些系统主要是面向公司的日常运行和维护，虽拥有最全面详细的内容，但是却无法满足公司如市场分析、客户分析的需求。也就是说，这些数据库系统像一个个孤岛，很难得到综合利用。而这些数据分析对于公司的发展来说却是至关重要的。互联网技术的发展，为电信的企业信息、客户信息、服务信息在企业内部、企业和客户间畅通传递奠定了技术基础。在数

--[@more@]数据仓库，简单地说，就是为了保证数据查询和分析的效率，按照主题将所有的数据分门别类进行存储，需要的时候，按主题提取数据并做进一步的分析处理。 　　国外应用情况 　　 　　为了实现从产品导向往客户导向的转变，目前电信企业纷纷建立自己的客户关系管理系统，以实现企业营销、销售和客户服务等职能的组织架构和流程的一整套管理体系。从全球来看，美国几乎每一个较大的电信运营商都正在建立或已经在利用数据仓库实现其客户关系管理。 　　例如，以数据仓库为核心的客户关系管理系统提供的客户信息以及营销分析，已成为AT

--[@more@]1．KPI分析KPI分析按照管理层次和时间纬度对指标进行汇总统计及分析展示，以适应各级领导的管理需求。在四川移动，KPI不仅只是一个数据展示，而且已经成为一个内部考核指标的监控平台。各级领导每天上班的第一件事就是打开系统，查看自己的业务指标。每个领导只需要点击相关指标就可以做进一步的分析。领导最关心的图表放在最前面，日指标、周指标、月指标一目了然，而且还提供趋势走向，升降曲线直观明了。2．离网挽留分析应用 四川移动设计了流失模型的应用流程，分流失状况认知（历史流失状况分析、流失预测目标用户群选择

--[@more@]维度建模的数据仓库中，有一个概念叫Conformed Dimension，中文一般翻译为“一致性维度”。一致性维度是Kimball的多维体系结构（MD）中的三个关键性概念之一，另两个是总线架构（Bus Architecture）和一致性事实（Conformed Fact）。在多维体系结构中，没有物理上的数据仓库，由物理上的数据集市组合成逻辑上的数据仓库。而且数据集市的建立是可以逐步完成的，最终组合在一起，成为一个数据仓库。如果分步建立数据集市的过程出现了问题，数据集市就会变成孤立的集市，不能组合成数据仓库，而一致性维度的提出正式为了解决这个问