商业智能工具中的数据挖掘及预测洞察力的快速、动态、数据驱动的报告部署的制作方法

专利名称：：商业智能工具中的数据挖掘及预测洞察力的快速、动态、数据驱动的报告部署的制作方法
技术领域：
：本发明的具体实施例涉及商业智能工具中的数据挖掘及预测洞察力的快速、动态、数据驱动报告部署。
背景技术：
：数据挖掘结果及洞察力不同于一般存储于平面表格(flattable)结构中的数据。因此，数据挖掘结果及洞察力在大型文件(例如标准化预测模型标记语言(PMML)格式)中大多以阶层方式存储为数据挖掘模型(亦称作“挖掘模型”)。然而，许多常规的商业智能(BI)工具无法消耗这些数据挖掘模型。BI工具可描述为分析数据及呈现报告(如报告设计工具)。因此，挖掘结果及洞察力需要转换为BI工具可消耗的形式。少数供应商提供专用的BI工具(如报告设计工具)，其中报告设计者可手动地产生挖掘结果及洞察力报告(即挖掘报告)。由于供货商没有提供专用的BI工具，用户必须将挖掘结果及洞察力转换为BI工具可消耗的格式。此外，需要深入的数据挖掘知识来以一般的BI工具产生报告。然而，此类报告的产生为一冗长乏味的工作且底层数据的改变导致长且久的手动改变。再者，转换挖掘结果及洞察力、以及产生报告及元信息的工作需要对所涉及的工具及软件有深入的知识、以及深入的挖掘技巧以知道如何可视化这些挖掘洞察力。已知的解决方案基于输出在挖掘工具内所产生的图像。接着，图像以静态方式并入至报告中(例如类似于使用网页内的图像)。然而，这是非常静态且非互动的方式。此夕卜，此解决方案不会提供挖掘结果及洞察力的自动部署。多数工具并不允许自然地可视化标准数据挖掘模型。因此，此类工具较不灵活且将可视化限制于预定义图形。
发明内容本发明提供如所主张的用于处理商业智能(BI)报告的方法、用于处理商业智能(BI)报告的系统、和用于处理商业智能(BI)报告的计算机程序产品。提供用于处理商业智能(BI)报告的技术。提供一组BI元模型模板以及BI报告规格模板。基于在模型结构中的一个或多个元模型对象类型，从该组BI元模型模板中选择商业智能(BI)元模型模板。从所选的BI元模型模板产生BI元模型。基于挖掘模型类型，从该组BI报告规格模板中选择一个或多个BI报告规格模板。从所选的一个或多个BI报告规格模板、模型结构的模式(schema)、及模型结构的内容而产生BI报告规格。部署BI兀模型及BI报告规格至BI服务器，供用于在BI服务器处使用BI工具产生BI报告。响应于对BI报告的用户请求，在使用BI元模型及BI报告规格的BI服务器处以BI工具产生BI手艮告。参考附图，其中类似的附图标记在全文中表示对应的部分:图1例示根据某些具体实施例的计算环境；图2例示根据某些具体实施例的输入数据表格的部分范例；图3例示根据某些具体实施例的以PMML格式的挖掘模型的部分范例，其中图3由图3A、图3B、及图3C所形成；图4例示根据某些具体实施例的模型表格的部分范例；图5例示根据某些具体实施例的BI元模型的范例，其中图5由图5A、图5B、图5C、及图所形成；图6例示根据某些具体实施例的报告规格的范例，其中图6由图6A、图6B、图6C、图6D、图6E、图6F、图6G、图6H、图61、图6J、及图6K所形成；图7例示根据某些具体实施例的存储的程序的一部分范例，其中图7由图7A及图7B所形成；图8例示根据某些具体实施例的自动部署；图9例示根据某些具体实施例的范例BI元模型模板，其中图9由图9A、图9B、图9C、图9D、图9E、图9F、图9G、图9H、及图91所形成；图10例示根据某些具体实施例的范例BI报告规格模板，其中图10由图10A、图10B、图10C、图10D、图10E、图10F、图10G、图10H、及图101所形成；图11例示根据某些具体实施例的具有来自用户的动态调用的自动部署程序；图12例示根据某些具体实施例的在屏幕中的数据挖掘模型；图13例示根据某些具体实施例的在屏幕中的BI工具规格；图14例示根据某些具体实施例的在屏幕中的登录凭证；图15例示根据某些具体实施例的在屏幕中的BI工具内的目的地选择；图16例示根据某些具体实施例的在屏幕中的模式表格信息；图17及图18例示根据某些具体实施例的在屏幕中的进展；图19例示根据某些具体实施例的具有挖掘洞察力的屏幕中的报告列表，其可于BI工具中获得；图20、图21及图22例示根据某些具体实施例的具有挖掘洞察力的屏幕中的各种报告，其可于BI工具中获得；图23以流程图例示根据某些具体实施例的由部署系统120所实施的逻辑；图24以流程图例示根据某些具体实施例的由BI客户端及BI服务器所实施的逻辑；图25以流程图例示根据某些具体实施例的由部署系统使用存储的程序而实施的逻辑；图26以流程图例示根据某些具体实施例的由BI客户端及BI服务器使用存储的程序而实施的逻辑；以及图27例示根据某些具体实施例的可使用的计算机架构。具体实施方式于下述说明中，参考形成本发明的一部分且说明若干本发明具体实施例的附图。应理解，在不偏离本发明范畴的情况下，亦可使用其它具体实施例并可做出结构及操作上的改变。图1例示根据某些具体实施例的计算环境。计算装置110包含部署系统120、至少一个BI封装130、一个或多个BI兀模型模板142及一个或多个报告规格模板144。每BI封装130包含BI元模型132(即元信息)以及一个或多个BI报告规格134。在某些具体实施例中，每BI封装130可包含多个BI元模型。计算装置耦合至数据存储设备150。数据存储设备150包含一个或多个数据结构152、一个或多个挖掘模型154(亦称作“数据挖掘模型”)、一个或多个模型结构156、以及可执行码160(如一个或多个存储的程序)。虽然存储的程序可用于此处的范例中，但可使用任何形式的可执行码160来取代或补充存储的程序。在某些具体实施例中，数据存储设备150为数据库。在某些具体实施例中，数据结构152为数据表格。在某些具体实施例中，模型结构156为模型表格。在某些具体实施例中，挖掘模型为PMML格式。计算装置110亦耦合至BI服务器170，其耦合至BI客户端180。BI服务器170包含一个或多个BI工具172及存储库174。存储库174存储每BI封装130的副本且存储一个或多个BI报告176。部署系统120自动地基于存储于数据存储设备150中的一个或多个数据结构152、一个或多个挖掘模型154、及一个或多个模型结构156而产生报告，且自动地将其部署至在BI服务器170的BI工具172。部署系统120使能不具深入数据挖掘知识的单一用户产生报告且加速产生报告的过程。部署系统120使能自动产生BI报告176，其呈现数据挖掘及/或预测洞察力。初始地，部署系统120自动地根据一个或多个挖掘模型154产生表格表示(如一个或多个模型结构156)，且提取表格表示至数据库(如数据存储设备150)。在某些具体实施例中，取决于挖掘模型，挖掘模型154的内容被提取至具有模式的至少一个模型结构156。接着，部署系统120产生BI封装130，其包含多数BI工具172所需的BI元模型132(即元信息)及一个或多个BI报告规格134。最后，部署系统120自动地部署BI封装130至BI工具172。图2例示根据某些具体实施例的输入数据表格200的部分范例。表格200为数据结构152的一部分范例。表格200包含已经为聚类(clustering)方案(客户细分)准备的输入数据。记录以人口统计、产品相关数据、及交易相关数据来表示银行顾客。在表格200中有八个记录，其每一具有十一栏数据。图3例示根据某些具体实施例的在PMML格式中的挖掘模型300、310、320的部分范例。图3由图3A、图3B、及图3C所形成。数据挖掘模型300为挖掘模型154的范例。挖掘模型300按可扩展标记语言(XML)，且表示数据表格200的PMML数据挖掘聚类模型。图4例示根据某些具体实施例的模型表格400的部分范例。模型表格400为模型结构156的范例。模型表格400包含先前挖掘模型300、310、320的部分。在此范例中，表不了单一聚类的分布统计。模型表格400由BI报告存取。图5例示根据某些具体实施例的BI元模型500、510、520、530的范例。图5由图5A、图5B、图5C、及图所形成。BI元模型500、510、520、530为BI元模型132的范例。BI元模型500、510、520、530按XML，且表示包含模型表格400的描述的模型规格。图6例示根据某些具体实施例的BI报告规格600、610、620、630、640、650、660、670,680,690及695的范例。图6由图6A、图6B、图6C、图6D、图6E、图6F、图6G、图6H、图61、图6J、及图6K所形成。BI报告规格600、610、620、630、640、650、660、670、680、690及695表示BI报告规格134。BI报告规格600、610、620、630、640、650、660、670、680、690及695按XML，且以语意上有用的方式提供模型表格的数据。图7例示根据某些具体实施例的存储的程序700、710的一部分范例。存储的程序700,710为可执行码160的范例。存储的程序700、710包封处理以执行聚类。在存储的程序700、710中有一允许聚类值的最大数量的通过的参数。图8例示根据某些具体实施例的自动部署。部署系统120自动地产生BI报告，其呈现数据挖掘及/或预测洞察力。数据挖掘及/或预测洞察力由数据挖掘用户所产生，其实施包含数据准备及实际建模的挖掘流程(即其执行挖掘技术以从数据表格810产生挖掘模型812并将挖掘模型812存储于数据库800中)。部署系统120自动地从挖掘模型812产生表格表不,且提取该表格表不至数据库800作为模型表格814。此表格表示以使得数据挖掘洞察力可由BI工具存取及了解的方式而完成。部署系统120产生BI封装850，其包含BI工具所需的⑴元信息(BI元模型)以及(2)元报告规格。元信息及报告规格基于挖掘模型812及含有挖掘洞察力的模型表格814的模式及数据而动态地产生。这些报告通常为静态，其基于包含于挖掘模型812中所含的信息。由于洞察力包含于模型表格814中，可通过再次执行图8中标示为“R”的处理而更新洞察力。这产生了新的洞察力(例如，若数据表格810中的底层数据改变)。此处理也可容易地并入自动商业程序。最后，部署系统120自动地部署BI封装850至BI服务器870。部署系统120使用BI工具的应用程序编程接口(API)以部署所产生的BI元模型及BI报告规格，而不需手动的用户互动。部署系统120还根据报告规格而于BI服务器870内触发实际报告的产生。接着，用户可使用BI客户端880而存取挖掘及/或预测洞察力，类似其他报告。BI服务器870直接地从模型表格814检索(retrieve)挖掘洞察力。进一步的自动化可包含使用其他通道(如电子邮件)的报告的自动分配。参考图1，在某些具体实施例中，BI元模型132的产生是基于BI元模型模板142的。另一方面，传统的元模型设计者可从scratch程序开始。BI元模型模板142包含BI元模型132的基本结构。首先，部署系统120分析模型结构156的结构。由此分析，部署系统120获取BI元模型对象(如查询主题(表格的抽象视图))、关系(决定数个查询主题如何彼此相关)、决定因子(determinant)(定义关于查询主题的不同等级的粒度)等等)。其次，部署系统120分析实际数据以获取元模型对象类型(例如，在包含类型日期栏的情况下，产生量测vs.尺寸或时间谱系)。在某些具体实施例中，BI元模型模板142基于元模型对象类型而选择。在某些具体实施中，BI元模型模板142可基于挖掘技术及使用情况而选择。图9例示根据某些具体实施例的范例BI元模型模板900、910、920、930、940、950、960、970及980。图9由图9A、图9B、图9C、图9D、图9E、图9F、图9G、图9H、及图91所形成。BI元模型模板900、910、920、930、940、950、960、970及980为BI元模型模板142的范例。模型包含数据源结构的抽象表示(如在关系数据库的表格)、这些表示间的关系、如何聚集数据的信息、所使用的优选语言、计算、过滤器、活页夹(folder)等等。因此，模型可描述为数据源上的抽象层，其可以更多信息来强化。接着，可于报告规格中使用(即参考)模型的元素。在某些具体实施例中，BI报告规格134的产生是基于BI报告规格模板144的。另一方面，传统的报告设计者可从scratch程序开始。BI报告规格模板144包含BI报告规格134的基本结构，其取决于挖掘模型类型(即数据挖掘功能，例如聚类(clustering)、分类(classification)、关联(association)、回归(regression)、序列规则(sequencerules)、时序(timeseries)等等)。不同的数据挖掘功能产生不同的数据挖掘模型。关联数据挖掘功能可描述为寻找在数据中以有意义方式彼此关联的项目。以分类数据挖掘功能，用户可产生、验证、或测试分类模型(如分析为何做出特定分类或预测新数据的分类)。聚类数据挖掘功能可描述为搜寻输入数据以找到经常共同发生的特征及将输入数据分组成聚类，其中每一聚类的成员具有类似的特性。回归类似于分类，除了预测值的类型之外。举例来说，分类预测类标签，而回归预测数值。此外，回归还可确定与预测目标字段值最相关的输入字段。预测值可能不同于用于建立模型的数据中所包含的任何值。范例应用程序为依据预期收益的顾客分级。序列规则数据挖掘功能可描述为寻找数据中典型的事件序列。时序数据挖掘功能可描述为使能时序值的预测。在某些具体实施例中，基于挖掘模型类型，可获得一个或多个报告规格模板。用户可在这些可得的模板中选择。在BI报告规格134产生期间，部署系统120分析模型结构156的内容。举例来说，模型结构156的数据针对定义聚类的特征的数量而分析。部署系统120对每一聚类检测描述每一聚类的最相关特征。只有最相关的特征会并入BI报告规格134。接着，部署系统120以最相关特征按其相关顺序而复制BI报告规格模板144。图10例示根据某些具体实施例的范例BI报告规格模板1000、1010、1020、1030、1040、1050、1060、1070、及1080。图10由图10A、图10B、图10C、图10D、图10E、图10F、图10G、图10H、及图101所形成。BI报告规格模板1000、1010、1020、1030、1040、1050、1060、1070、及1080为BI报告规格模板144的范例。在某些具体实施例中，部署系统120针对相关信息而分析模型结构156，且使用BI报告规格模板144以最佳方式并入此内容。此外，基于模型结构156的数据而优化报告及图表的格式化。举例来说，不同图表可能导致不同的轴尺度，因为在这些图表内的数据可能改变。BI工具172中的图表将接着针对底层数据而优化。由于部署系统120的分析，可事先决定最佳的轴尺度，这允许挖掘模型的较佳比较及了解。针对每挖掘模型类型，可能存在彼此链接的数个BI报告规格。举例来说，可链接专用图表的详细报告或钻取报告(drillthroughreport)。在再次产生挖掘模型154的情况中，部署系统120执行挖掘模型表的分析，其可导致报告及图表的不同格式化及布局。于是，先前的BI报告规格134可能没有对新挖掘模型154的最佳布局。因此,部署系统120自动地再产生BI报告规格134,以确保报告及图表的优化布局。一般来说，用户需要知道底层数据(挖掘模型154由其产生)的细节。因此，部署系统120自动地将钻取数据(drillthroughdata)并入报告，以允许对挖掘模型的较佳理解。最为有用的为表示典型范例的那些数据项。举例来说，聚类方法产生具有类似特征的同质群组。典型范例为最佳表示一特定聚类的特征的那些数据项。部署系统120自动地检测这些典型的数据项且将其并入报告。部署系统120将从数小时或数天的人工减少至数秒。此外，部署系统120允许由不具有任何所包含的多个工具或挖掘模型154的任何专门知识的单一个人执行此工作。特别是在挖掘模型154的数据或完整结构经常改变且因而需要手动改变的情况，达到了节省大量成本及时间。图11例示根据某些具体实施例的具有来自用户的动态调用的自动部署程序。部署系统120允许动态报告的产生及部署，其于用户(如在BI客户端180的一报告顾客)与BI工具互动时调用数据的挖掘。这允许用户通过传递数据挖掘参数及/或其他设定而定制化报告。在图11中，存储的程序存储于数据库1100中。在某些具体实施例中，挖掘专家定义存储的程序的处理以及什么参数字段为动态，以及部署系统120从挖掘流程自动地产生存储的程序1100，其由数据准备及建模而产生。特别地，部署系统120使用来自块1122(数据准备)、块1124(建模)、及块1126(提取模型内容至表格)的数据而于块1120产生存储的程序(根据挖掘流程产生存储的程序)。接着，存储的程序1110可由BI服务器1170调用，其传输由用户使用BI客户端1180而输入的数据挖掘参数。接着，动态产生的挖掘洞察力由BI服务器1170从存储的程序1110所回传的结果组而检索。在某些具体实施例中，存储`的程序1110的产生是基于由挖掘专家所定义的数据准备及挖掘流程的。部署系统120将流程转换为结构化查询语言(SQL)语句，并进一步并入由用户所定义的数据挖掘参数。这些数据挖掘参数被定义为存储的程序1110的输入，且被并入至SQL本体内的适当位置。用户调用报告，接着BI服务器1170调用存储的程序1170并传递数据挖掘参数。复杂的流程对用户来说是透明的。存储的程序1110回传与模型表格的格式相同的数据。图12至图22例示根据某些具体实施例的用户互动。在某些具体实施例中，所选组件可于屏幕中高亮突出，如图12至图22所显示。在图12至图22中，为便于参考，所选项目可由虚线或粗线显示。图12例示根据某些具体实施例的在屏幕1200中的数据挖掘模型。用户选择要部署于数据挖掘工具中的数据挖掘模型1210。图13例示根据某些具体实施例的在屏幕1300中的BI工具的规格。用户指定用户想要部署数据挖掘模型的BI工具1310。图14例示根据某些具体实施例的在屏幕1400中的登录凭证。在屏幕1400中，用户提供所需的登录凭证。图15例示根据某些具体实施例的在屏幕1500中的BI工具内的目的地选择。用户选择BI工具内的向其部署BI封装及报告的目的地1510。可选地，可改写所产生的元信息及报告的名称。图16例示根据某些具体实施例的在屏幕1600中的模式表格信息。在屏幕1600中，可选地，用户可改写数据挖掘洞察力所提取到的模型结构156的名称。图17及图18例示根据某些具体实施例的在屏幕1700、1800中的进展。用户选择结束按键1710，且接着部署系统120自动地针对所选数据挖掘模型而产生BI封装130。此为数据驱动处理。图19例示根据某些具体实施例的具有挖掘洞察力的屏幕1900中的报告列表，其可于BI工具中获得。点击报告1910、1920、1930允许用户浏览挖掘信息。图20、图21及图22例示根据某些具体实施例的具有挖掘洞察力的屏幕2000、2100、2110、2200、2210中的各种报告，其可于BI工具中获得。图23以流程图例示根据某些具体实施例的由部署系统120所实施的逻辑。控制开始于块2300，部署系统120通过为一个或多个数据结构152中的数据建模而产生挖掘模型154。在块2302，部署系统120将挖掘模型154的内容提取至模型结构156中。在块2304，部署系统120基于在模型结构156中的一个或多个元模型对象类型(例如，在包含类型日期栏的情况下，产生量测vs.尺寸或时间谱系)而选择BI元模型模板142。在块2306，部署系统120根据所选BI元模型模板142产生BI元模型132。在块2308，部署系统120基于挖掘模型类型(如聚类、分类、关联等)而选择BI报告规格模板144。在块2310，部署系统120根据所选BI报告规格144模板、模型结构156模式、及模型结构156内容产生BI报告规格134。在块2312，部署系统120产生具有BI元模型132及BI报告规格134的BI封装130。在块2314，部署系统120部署BI封装130至BI服务器170的存储库174。图24以流程图例示根据某些具体实施例的由BI客户端180及BI服务器170所实施的逻辑。控制开始于块2400，在BI客户端180的用户请求报告。在块2402，BI客户端180转发请求至BI服务器170。在块2404，BI服务器170使用BI工具172(其使用挖掘模型154(BI服务器170从计算装置110所检索的)以及存储于存储库174中的BI封装)而产生BI报告176。在块2406，BI服务器170传送BI报告176至BI客户端180。在块2408，BI客户端180显示BI报告176给用户。图25以流程图例示根据某些具体实施例的由部署系统120使用存储的程序而实施的逻辑。控制开始于块2500，部署系统120产生可执行码160(例如存储的程序)。当以用户所提供的数据挖掘参数及/或设定而调用或执行时，可执行码通过为一个或多个数据结构152中的数据建模而产生挖掘模型154且提取挖掘模型154的内容至模型结构156。在块2502，部署系统120基于模型结构156中的一个或多个元模型对象类型(例如，在包含类型日期栏的情况下，产生量测vs.尺寸或时间谱系)而选择BI元模型模板142。在块2504，部署系统120根据所选的BI元模型模板142产生BI元模型132。在块2506，部署系统120基于挖掘模型类型(例如聚类、分类、关联等)而选择BI报告规格模板144。在块2508,部署系统120根据所选BI报告规格144模板、模型结构156模式、以及模型结构156内容而产生BI报告规格134。在块2510，部署系统120产生具有BI元模型132及BI报告规格134的BI封装130。在块2512，部署系统120部署BI封装130至BI服务器170的存储库174。图26以流程图例示根据某些具体实施例的由BI客户端180及BI服务器170使用存储的程序而实施的逻辑。控制开始于块2600，在BI客户端180的用户请求报告。在块2602，BI客户端180转发请求至BI服务器170。在块2604，BI服务器170以用户所提供的一个或多个参数而调用(执行)可执行码160以动态地检索挖掘模型154，且使用存储于存储库174中的BI封装130以产生BI报告176。在块2606，BI服务器170传送BI报告176至BI客户端180。在块2608，BI客户端显示BI报告176给用户。因此，部署系统120允许数据挖掘结果的自动、快速且数据驱动的部署至BI工具172。部署系统120提供用户一快速且直觉的方式，而去掉各种基本程序的复杂性。因此，没有深入挖掘技巧的单一用户可执行部署。这加速且简化了部署程序，因而节省了时间跟成本。部署系统120使能BI工具172中在PMML格式的挖掘模型154(亦称作“挖掘PMML模型”)的部署。部署系统120是自动化处理，使其更容易地部署挖掘模型154及数据挖掘本身(如在数据结构152中的数据)于BI工具174中。某些具体实施例在计算系统中处理BI报告，计算系统包含(i)数据库系统，用于容纳数据结构152中的原始数据、实行数据挖掘、及存储挖掘模型154中的数据挖掘结果；以及(ii)BI服务器170，其包含用于存储定义BI报告的结构及内容的信息(如BI元模型及BI报告规格)的存储库174。提供了一组BI模板(例如一组BI兀模型模板142及一组BI报告规格模板144)。部署系统120准备用于数据挖掘的数据、产生数据挖掘模型、提取数据挖掘模型内容至具有模型表格模式的至少一个表格(取决于挖掘模型)、以及存储至少一个表格于数据库中。响应于存储至少一表格于数据库中，部署系统120基于模型类型而选择BI模板、分析模型表格模式以及模型表格内容、基于分析结果以及基于所选BI模板而产生定义报告的结构及内容的信息、以及于BI服务器170部署定义BI报告176的结构及内容的信息。响应于用户请求，由定义BI报告176的结构及内容的信息产生BI报告176，且BI报告176被从BI服务器170传递给用户。在某些具体实施例中，一段可执行码160(例如存储的程序)存储于数据存储设备150中，此段可执行程序代码的执行响应于自用户接收数据挖掘参数而触发根据所接收的数据挖掘参数的数据挖掘模型的产生以及数据挖掘模型内容至至少一表格中的提取。在某些具体实施例中，监视及重复数据准备及数据挖掘模型产生。在某些具体实施例中，该段可执行码用于基于监视而重复数据准备及数据挖掘模型产生，且由部署系统120所产生。可监视用于计算挖掘模型的输入数据(先前经历数据准备阶段)。在某些具体实施例中，若新数据进来或若目前数据改变，则数据准备、建模、及产生的数据挖掘模型的提取可自动地开始。在某些替代具体实施例中，此程序可周期性地开始，而非由在输入数据中的改变所触发。其他的具体实施例细节如本领域技术人员应了解的，本发明的各方面可体现为系统、方法或计算机程序产品。因此，本发明的方面可采用完全硬件具体实施例、完全软件具体实施例(包括韧件、常驻软件、微码等)或组合软件与硬体方面的具体实施例的形式，其在本文中一般可皆通称为“电路”、“模块”、或“系统”。此外，本发明的方面可采用体现于一个或多个计算机可读介质(具有计算机可读程序代码体现于其中)中的计算机程序产品的形式。可利用一个或多个计算机可读介质的任何组合。计算机可读介质可为计算机可读信号介质或计算机可读存储介质。计算机可读存储介质可例如为(但不限于)电子、磁性、光学、电磁、红外线或半导体系统、设备、装置、或前述的任何适当的组合。计算机可读存储介质的更具体的范例(非详尽列表)包含以下各者:具有一或多导线的电连接、便携型计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPR0M或闪存)、光纤、便携型光盘只读存储器(⑶-ROM)、光学存储装置、磁性存储装置、固态内存、磁带、或前述的任何适当的组合。在此文件的背景下，计算机可读存储介质可为可含有或存储由指令执行系统、设备或装置使用或与指令执行系统、设备或装置结合的程序的任何有形介质。计算机可读信号介质可包括(例如)在基带中或作为载波的部分的具有计算机可读程序代码体现于其中的传播数据信号。此传播信号可采用多种形式中的任一者，包括(但不限于)电磁、光学或其任何合适组合。计算机可读信号介质可为并非计算机可读存储介质且可传达、传播或传送由指令执行系统、设备或装置使用或与指令执行系统、设备或装置结合的一程序的任何计算机可读介质。体现于计算机可读介质上的程序代码可使用任何适当介质来传输，该介质包括(但不限于)无线、有线、光纤缆线、RF等、或前述各者的任何合适组合。可以一或多种编程语言的任何组合写用于执行本发明方面的操作的计算机程序码，其包括面向对象编程语言(例如Java、Smalltalk、C++或其类似者)以及传统程序性编程语言(例如“C”编程语言或类似编程语言)。程序代码可完全在用户计算机上执行、部分地在用户计算机上执行、作为独立软件包执行、部分地在用户计算机上执行且部分地在远程计算机上执行、或完全在远程计算机或服务器上执行。在后一种情形中，远程计算机可经由任何类型的网络(包括局域网络(LAN)或广域网(WAN))连接至用户的计算机，或可连接至外部计算机(例如，使用因特网服务提供商，经由因特网)。本发明的各方面参考根据本发明的具体实施例的方法、设备(系统)及计算机程序产品的流程图说明及/或块图而描述于上。应理解，流程图说明及/或块图的每一区块及流程图说明及/或块图中的区块的组合可由计算机程序指令来实施。这些计算机程序指令可提供至通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器，以使得经由计算机或其他可编程数据处理装置的处理器执行的指令建立用于实施流程图及/或块图区块中所指定的功能/动作的手段。这些计算机程序指令亦可存储在计算机可读介质中，其可指导计算机、其他可编程数据处理设备、或其他装置以特定方式作用，以使得存储在计算机可读介质中的指令产生制品，其包括实施流程图及/或块图区块中所指定的功能/动作的指令。这些计算机程序指令亦可加载至计算机、其他可编程数据处理设备、或其他装置，以使一系列操作程序(如操作或步骤)执行于计算机、其他可编程设备、或其他装置上，以产生计算机实施处理，使得在计算机或其他可编程设备上执行的指令提供用于实施流程图及/或块图区块中所指定的功能/动作的处理。执行所述操作的码还可执行于硬件逻辑或电路(如集成电路芯片、可编程逻辑门阵列(PGA)、专用集成电路(ASIC)等)中。硬件逻辑可耦合至处理器以实施操作。举例来说，部署系统120可实施于硬件逻辑或软件与硬件逻辑的组合中。部署系统120可实施为硬件(如硬件逻辑或电路)、软件、或硬件及软件的组合。图27例示根据某些具体实施例的可使用的计算机架构2700。计算装置110、BI服务器170、870、970、及/或BI客户端180、280、980可实施计算机架构2700。计算机架构2700适于存储及/或执行程序代码且包含至少一个处理器2702，其直接地或间接地经由系统总线2720而耦合至存储单元2704。存储单元2704可包含在程序代码实际执行过程中所使用的本地内存、大容量存储器、及高速缓存(其提供至少某些程序代码的暂时存储，以降低执行期间需从大容量存储器检索程序代码的次数)。存储单元2704包含操作系统2705以及一个或多个计算机程序2706。输入/输出(I/O)装置2712、2714(包含但不限于键盘、显示器、指向装置等)可直接地或通过中介I/O控制器2710而耦合至系统。网络适配器2708也可耦合至系统，以使能数据处理系统经由中介的私人或公用网络变成耦合至其他数据处理系统或远程打印机或存储装置。调制解调器、电缆调制解调器及以太卡只是网络适配器2708的几个目前可得类型。计算机架构2700可耦合至存储2716(如非易失性存储区域，例如磁盘驱动器、光盘驱动器、磁带驱动器等)。存储2716可包含内部存储装置或附接或网络可存取存储。在存储2716中的计算机程序2706可以本领域已知的方式加载存储单元2704中且由处理器2702执行。计算机架构2700可包含比所例示更少的构件、未例示的额外构件、或所例示构件与额外构件的某些组合。计算机架构2700可包含任何本领域已知的计算装置，例如大型主机、服务器、个人计算机、工作站、膝上型计算机、手持式计算机、电话装置、网络家电、虚拟设备、存储控制器等等。附图中的流程图及块图说明根据本发明的各种具体实施例的系统、方法及计算机程序产品的可能实施的架构、功能性及操作。就此而言，在流程图或块图中的每一区块可代表程序代码的模块、区段或部分，其包含用于实施指定逻辑功能的一个或多个可执行指令。亦应注意，在一些替代实施中，区块中所述的功能可不以图中所指出的次序发生。举例而言，取决于所涉及的功能性，显示为连续的两个区块实际上可实质同时地执行，或区块有时可以相反次序执行。亦应注意，块图及/或流程图说明的每一区块及块图及/或流程图说明中的区块的组合可通过实行指定功能或动作的基于专用硬件的系统实施，或通过专用硬件与计算机指令的组合来实施。在此所使用的术语仅用于描述特定具体实施例的目的且并不意欲为本发明的限制。如本文中所使用，除非上下文清楚地另外指示，否则单数形式“一”及“该”也有包含复数形式的意思。应进一步理解，术语“包含”于本说明书中使用时表示所陈述的特征、整数、步骤、操作、组件及/或构件的存在，但并不排除一个或多个其他特征、整数、步骤、操作、组件、构件及/或其群组的存在或添加。后附的权利要求中的所有手段或步骤功能组件的对应结构、材料、行为及等同物意欲包含用于结合其他所主张的组件以执行功能的任何结构、材料或行为。本发明的描述以出于例示及描述的目的呈现，其并不意欲为详尽的或限制本发明于所公开的形式。对本领域技术人员而言，在不偏离本发明的范畴及精神的情况下，许多修改及变化是显而易见的。具体实施例选择并描述为可最佳地解释本发明的原理及实际应用，且使得其他本领域技术人员能够理解本发明各种具体实施例具有各种修改以适用于所预期的特定用途。已出于例示及描述的目的而呈现本发明的具体实施例的先前描述。其不欲为详尽的或将具体实施例限于所公开的精确形式。依据以上教导，许多修改及变化是可能的。意欲使具体实施例的范畴不受限于此详细描述，而是由后附的权利要求所限制。以上说明书、范例及数据提供具体实施例的组合物的制造及使用的完整描述。因为可在不脱离本发明的精神及范畴的情况下进行许多具体实施例，所以具体实施例存在于后附权利要求或任何随后提交的权利要求及其等同物中。权利要求1.一种用于处理商业智能(BI)报告的方法，包含:使用包含处理器的计算装置提供一组BI元模型模板以及BI报告规格模板；基于模型结构中的一个或多个元模型对象类型，从该组BI元模型模板中选择商业智能(BI)元模型模板；根据所选的BI元模型模板产生BI元模型；基于挖掘模型类型，从该组BI报告规格模板中选择一个或多个BI报告规格模板；根据所选的一个或多个BI报告规格模板、该模型结构的模式、及该模型结构的内容，产生BI报告规格；将该BI元模型及该BI报告规格部署至BI服务器，供用于在该BI服务器处使用BI工具产生BI报告；以及响应于对BI报告的用户请求，在使用该BI元模型及该BI报告规格的该BI服务器处以BI工具产生该BI报告。2.如权利要求1所述的方法，还包含:准备用于数据挖掘的数据；通过为所准备的数据建模而产生该挖掘模型；以及将该挖掘模型的内容提取至该模型结构中。3.如权利要求1或2所述的方法，其中产生BI元模型的步骤还包含:分析该模型结构的结构；以及产生定义一个或多个元模型对象的信息，并且/或者其中产生BI报告规格的步骤还包含:分析该模型结构的该模式以及该模型结构的该内容；以及基于该分析以及基于所选BI报告规格模板，产生定义该BI报告的结构及内容的信息，并且/或者该方法还包含:产生一段可执行码，该段可执行码被调用以通过为一个或多个数据结构中的数据建模而动态且重复地产生该挖掘模型、以及将该挖掘模型的内容提取至该模型结构中，并且/或者该方法还包含:将该可执行码存储于耦合至该计算装置的数据存储设备中；以及在该BI服务器处，以由用户所提供的一个或多个数据挖掘参数而调用该可执行码，以通过为一个或多个数据结构中的数据建模而产生该挖掘模型以及将该挖掘模型的内容提取至该模型结构中。4.如权利要求1、2或3所述的方法，其中该挖掘模型类型为聚类、分类、关联、回归、序列规则、以及时序的其中之一，并且/或者其中该元模型对象类型为模型的元素。5.一种用于处理商业智能(BI)报告的系统，包含:处理器；以及部署系统，耦合至该处理器且执行操作，该操作包含:使用包含处理器的计算装置提供一组BI元模型模板以及BI报告规格模板；基于模型结构中的一个或多个元模型对象类型，从该组BI元模型模板中选择商业智能(BI)元模型模板；根据所选的BI元模型模板产生BI元模型；基于挖掘模型类型，从该组BI报告规格模板中选择一个或多个BI报告规格模板；根据所选的一个或多个BI报告规格模板、该模型结构的模式、及该模型结构的内容，产生BI报告规格；将该BI元模型及该BI报告规格部署至BI服务器，供用于在该BI服务器处使用BI工具产生BI报告；以及响应于对BI报告的用户请求，在使用该BI元模型及该BI报告规格的该BI服务器处以BI工具产生该BI报告。6.如权利要求5所述的系统，其中该操作还包含:准备用于数据挖掘的数据；通过为所准备的数据建模而产生该挖掘模型；以及将该挖掘模型的内容提取至该模型结构中。7.如权利要求5或6所述的系统，其中用于产生该BI元模型的操作还包含:分析该模型结构的结构；以及产生定义一个或多个元模型对象的信息，并且/或者其中用于产生该BI报告规格的操作还包含:分析该模型结构的该模式以及该模型结构的该内容；以及基于该分析以及基于所选BI报告规格模板，产生定义该BI报告的结构及内容的信息，并且/或者其中该操作还包含:产生一段可执行码，该段可执行码被调用以通过为一个或多个数据结构中的数据建模而动态且重复地产生该挖掘模型、以及将该挖掘模型的内容提取至该模型结构中，其中该操作优选地还包含:将该可执行码存储于耦合至该计算装置的数据存储设备中；以及在该BI服务器处，以由用户所提供的一个或多个数据挖掘参数而调用该可执行码，以通过为一个或多个数据结构中的数据建模而产生该挖掘模型以及将该挖掘模型的内容提取至该模型结构中。8.如权利要求5、6或7所述的系统，其中该挖掘模型类型为聚类、分类、关联、回归、序列规则、以及时序的其中之一，并且/或者其中该元模型对象类型为模型的元素。9.一种用于处理商业智能(BI)报告的计算机程序产品，该计算机程序产品包含:计算机可读存储介质，其中体现有计算机可读程序代码，该计算机可读程序代码包括被配置为执行以下处理的计算机可读程序代码:使用包含处理器的计算装置提供一组商业智能(BI)元模型模板以及BI报告规格模板；基于模型结构中的一个或多个元模型对象类型，从该组BI元模型模板中选择商业智能(BI)元模型模板；根据所选的BI元模型模板产生BI元模型；基于挖掘模型类型，从该组BI报告规格模板中选择一个或多个BI报告规格模板；根据所选的一个或多个BI报告规格模板、该模型结构的模式、及该模型结构的内容，产生BI报告规格；将该BI元模型及该BI报告规格部署至BI服务器，供用于在该BI服务器处使用BI工具产生BI报告；以及响应于对BI报告的用户请求，在使用该BI元模型及该BI报告规格的该BI服务器处以BI工具产生该BI报告。10.如权利要求9所述的计算机程序产品，其中该计算机可读程序代码被配置为:准备用于数据挖掘的数据；通过为所准备的数据建模而产生该挖掘模型；以及将该挖掘模型的内容提取至该模型结构中。11.如权利要求9或10所述的计算机程序产品，其中，其中在产生BI元模型时，该计算机可读程序代码被配置为:分析该模型结构的结构；以及产生定义一个或多个元模型对象的信息。12.如权利要求9、10或11所述的计算机程序产品，其中，在产生BI报告规格时，该计算机可读程序代码被配置为:分析该模型结构的该模式以及该模型结构的该内容；以及基于该分析以及基于所选BI报告规格模板，产生定义该BI报告的结构及内容的信息。13.如权利要求9一12中任一项所述的计算机程序产品，其中该计算机可读程序代码被配置为:产生一段可执行码，该段可执行码被调用以通过为一个或多个数据结构中的数据建模而动态且重复地产生该挖掘模型、以及将该挖掘模型的内容提取至该模型结构中。14.如权利要求13所述的计算机程序产品，其中该计算机可读程序代码被配置为:将该可执行码存储于耦合至该计算装置的数据存储设备中；以及在该BI服务器处，以由用户所提供的一个或多个数据挖掘参数而调用该可执行码，以通过为一个或多个数据结构中的数据建模而产生该挖掘模型以及将该挖掘模型的内容提取至该模型结构中。15.如权利要求9一14中任一项所述的计算机程序产品，其中该挖掘模型类型为聚类、分类、关联、回归、序列规则、以及时序的其中之一，其中该元模型对象类型优选为模型的元素。全文摘要基于在模型结构中的一个或多个元模型对象类型而选择商业智能(BI)元模型模板。根据所选的BI元模型模板产生BI元模型。基于挖掘模型类型而选择一个或多个BI报告规格模板。根据所选的一个或多个BI报告规格模板、模型结构的模式、及模型结构的内容而产生BI报告规格。BI元模型及BI报告规格被部署至BI服务器，供用于在BI服务器处使用BI工具而产生BI报告。响应于对BI报告的用户请求，在使用BI元模型及BI报告规格的BI服务器处以BI工具产生BI报告。文档编号G06Q10/06GK103229198SQ201180057230公开日2013年7月31日申请日期2011年11月3日优先权日2010年11月29日发明者C西贝,R·普立多德罗斯里叶斯申请人:国际商业机器公司