License数据的实时与保存

章鱼小丸子LIC

                        License数据的实时与保存
    处理大数据惯常是属于商业智能（BI）的事情。抽取数据、挖掘数据，制成报表、OLAP、仪表盘、挖掘模型，作为辅助决策之用。不过在商业智能处理领域都不这么叫法，大伙儿都说海量数据，Large-scale Data。这听起来还是略显学术气，不如Big Data来的通俗——大数据。这大概是因为如今随处可见的数据，一种爆炸效应带来的结果，已经脱离某种专业的范畴，人们需要用更简单的术语来命名这种数据爆炸。
    互联网以及还未兴起的物联网，在这些行当里面，数据在爆发，不断增长。他们不甘心只是如报表、OLAP、仪表盘之类的分析应用。数据分析部门可以按照推荐应用软件的license使用数据分摊成本；客户端的机器使用数据可以让他们自己发现软硬件的资产信息是否完全利用；根据用户的使用软件\功能模块的数量及时间段，可以得出某些软件的某些功能模块在什么时间区间段内经常使用使用、被哪些部门使用、被哪些用户经常使用、在项目的哪些阶段节点使用等等。
大数据的发展展示了数据积累从量变到让更大范围内人们对于数据重新认识、对于数据背后模式和规律重新认识的质变的过程。对于企业，基于数据和大数据可以知道组织的运行效率、成本结构、价值贡献结构……可以给“文化”赋值，可以让“精神”数字化……艺术一步步从实践到理论进而到科学。
在企业和管理领域，需要和可以数字化一切、科学化一些，而是将企业运营、管理的艺术面上升到一个更高的层次，一个更广阔的空间。大数据帮助包括管理在内的科学和艺术空间都得到进一步的拓展。最重要的是科学化、数字化成为前提，大数据正在成为基础设施，大数据的有效运用可以让聪明人更聪明，让智慧企业更具有智慧。数据和大数据让管理艺术和管理科学更具对话的基础。

【数据库系统的分类】

当企业的软件许可资产非常重要，数量巨大时，就需要有效管理。如今，license及其使用记录数据已经成为这种资产。以前人们还只是将软件license看做是资产，而license使用记录和使用习惯是其中一种附属物。而现在，在license使用记录数据蕴含这一些了解用户使用习惯的需求，成千上万条这类信息累积下来，就能洞察设计工程师们对license的习惯偏好所需，为设计新产品，为客户个性化营销产生新的价值。这样license使用数据变成一种资产了，需要被管理起来。
    LicManager系统的license数据仓库有六项基础价值——“能快速、及时、方便、准确而安全地访问整合过的license使用数据。”现在看看，发现这个描述还蛮符合大数据时代，对数据管理的需求。而这六方面价值也对应了不同的技术领域。
1、license数据仓库硬件、软件、模型要保障对数据的快速访问。比如专用设备，按照数据温度选择数据是否高速存储，采用特殊存储技术；

【精准查看当前实时数据】

2、DW模型确保license使用数据的整合性，当你需要企业视图的数据，需要以年为周期的数据，需要数据模型的支持；

【当天使用license记录数据】


【不同软件\功能模块的license使用趋势曲线图】

3、ETL保障数据及时性。批量的ETL已经不足够，需要准实时，甚至是数据流式处理；

【2015年度使用功能模块license记录数据】

4、元数据管理让数据访问更方便，不仅仅将数据以表、字段的方式管理，要将数据切分地更小，可管理；

【2014年月度使用功能模块license记录数据】


【24小时使用功能模块license记录数据】


【各类型软件\功能模块使用license的数据记录】

5、数据质量管理保障数据的准确一致，让数据可信；

【功能模块使用license时的紧张度百分比数据】

【不同功能模块的license使用数据】


【license的拒绝率数据】

6、license使用数据仓库架构、权限管理保障数据访问安全。

License使用数据与优化决策
    管理就是决策，管理就是为了实现管理目标，优化资源配置的过程。根据西蒙的决策模型，管理是由一些列的决策组成的，决策需要依靠准确、完整、及时的信息和数据，在此基础上寻找优化方案，或者满意解（参考时间、机会成本以后的“优化”方案）。License使用数据从支持决策，再进一步到在某些领域产生决策；因为数据的5V特征，使得数据来源维度拓展，包括领域决策的模型和数据，也包括决策主体的行为模型和数据，以及决策环境的模型和数据。License使用数据使得决策过程得以在更多维度空间下优化，不仅包括领域的、微观和技术的过程，也包括了主体的、行为的和偏好的特征，还考虑了环境的、宏观的和系统的因素。license数据管理相关技术对于数据维度的扩张，数据处理能力的提升，数据层次的提升的同时，也扩大了数据的收益，或者说在拓展优化空间的情况下，提升了数据收益。同时，license数据开始面对问题，只要提出问题，数据可以帮助我们在更大的检索空间和优化空间内寻求案例匹配、相关结果以及优化方案，或者基于类比和归纳，寻找答案。新的人机分工的变为人提出问题，大数据系统基于检索和优化能力，提供答案。最近的打车软件竞赛，推动的不仅是乘客和车辆的匹配优化，人、车、路等交通资源的配置优化，还包括监管机构在内的出租车产业治理的优化。
    License使用数据接下与预测
预测是在时间序列和周期运行基础上识别模式进而在相似情景下外推、应用模式的过程。MIT研究的显示，人们93%行为可以预测。我知道我两个月后的周六上午10：00，在点评“网络的效应”，或者“跨国分层网络模型如何建立”的研讨班主题的概率超过90%。而人是一个很强大的模式识别机器，license使用大数据集成5V数据，可以帮助寻找、分析和发现模式；这是ICT技术对于人脑的高级模仿，因为人脑就是一个典型的大数据处理装置，IBM Watson以其在“危险边缘”节目的出色表现，再次提供了人类与机器模型相互模仿、相互学习、相互协同的典型案例。发现模式是预测的基础，license数据加上人工智能算法可以强化“类人”的模式识别能力；二十年前，有了数据库和数据挖掘，人们对于啤酒与尿布的例子津津乐道，而今年有了大数据，或许它会帮助我们厘清“教授、啤酒炸鸡、韩剧、世界杯”之间的关系，可以洞察球迷的行为，以及辨别真球迷和假球迷、伪球迷的区别。
同理，有了license使用数据，我们可以分辨出哪些用户真正使用了软件、软件功能模块；哪些项目用了多了license成本，使用了哪些license，项目总共用到了多少软件；可以知道集团企业到底有多少license数量、多少不同类型的软件license、多少已经废弃过期、多少数量的license还可以使用；可以知道哪些软件功能模块的license不够用，哪些功能模块的license已经饱和不需要增购；可以知道不够用的软件license还需要哪些，哪些时间段内会出现不够使用的情况，哪些用户使用该功能模块的license最多；可以知道用户是否最大化的利用到了license，是否闲置不释放导致浪费、导致假象的使用紧张情况。我们要知道这些就必须要用到license的使用数据记录，我们也就需要LicManager许可监控管理系统。