Tích hợp khai phá dữ liệu trong InfoSphere Warehouse với việc tạo báo cáo Cognos của IBM Phần 4: Phân đoạn khách hàng với InfoSphere Warehouse và Cognos

Tích hợp khai phá dữ liệu trong InfoSphere Warehouse với việc tạo báo cáo Cognos của IBM Phần 4: Phân đoạn khách hàng với InfoSphere Warehouse và Cognos Mở đầu Phân đoạn khách hàng cho phép bạn nhóm khách hàng thành các đoạn các khách hàng tương tự như nhau. Để giải thích tại sao điều này có thể có ích, hãy xem xét kịch bản sau đây. Bạn thu thập dữ liệu về các khía cạnh nhân khẩu học của khách hàng của bạn (tuổi tác, nghề nghiệp, nơi cư trú, v.v..) cũng như dữ liệu về giao dịch của họ (các mặt hàng đã mua, các hợp đồng, v.v..). Một phân tích về dữ liệu đã kết hợp này có thể để lộ ra các nhóm khách hàng mà bạn chưa từng nghĩ về họ trước đó, ví dụ, các khách hàng cao tuổi chi tiêu rất nhiều tiền nhưng không dùng mua sắm trực tuyến. Thông tin về các hành vi tiêu biểu của các nhóm như vậy sau đó có thể được bộ phận tiếp thị của bạn sử dụng để phát triển sản phẩm và các dịch vụ chuyên sâu. Về kỹ thuật, phân đoạn khách hàng là một trường hợp riêng của nhiệm vụ khai phá dữ liệu tổng quát hơn được gọi là phân cụm dữ liệu. Phân cụm dữ liệu tự động nhóm các bản ghi dữ liệu theo các đặc tính hoặc các tính năng của chúng thành các cụm có các bản ghi dữ liệu tương tự với nhau. Thường có nhiều cách khác nhau để định nghĩa các biện pháp tương tự phía dưới, tùy thuộc vào miền ứng dụng của bạn. InfoSphere Warehouse cung cấp một cơ chế mạnh mẽ để tự động chọn biện pháp tương tự này. Bài viết này cung cấp một sự mô tả ngắn gọn về phân cụm dữ liệu và các phương pháp phân đoạn khách hàng và các cách tiếp cận trong InfoSphere Warehouse. Sau đó bài viết này thảo luận về những khả năng tổng hợp để tìm hiểu các đoạn khách hàng và các cụm khác trong Cognos. Phần cuối của bài viết này cho bạn một ví dụ từng bước về cách tạo và tìm hiểu các đoạn trong Cognos. Về đầu trang Phân đoạn khách hàng khi sử dụng InfoSphere Warehouse InfoSphere Warehouse cung cấp một số phương pháp để phân cụm các bản ghi dữ liệu. Bằng cách áp dụng các đối số này vào các bản ghi khách hàng của bạn, bạn có thể tìm thấy các nhóm khách hàng tương tự như nhau. Một bước quan trọng đầu tiên để đạt được điều này là xử lý trước dữ liệu của bạn. Dữ liệu khách hàng có liên quan có thể nằm phân tán giữa các bảng hoặc cơ sở dữ liệu khác nhau, ví dụ, cơ sở dữ liệu chứa thông tin nhân khẩu học có thể không cùng một cơ sở dữ liệu chứa dữ liệu giao dịch. Nếu dữ liệu nằm phân tán, đầu tiên bạn cần biến đổi nó để cho bạn nhận được một bảng có một hàng chính xác cho từng khách hàng. InfoSphere Warehouse cung cấp các công cụ mạnh mẽ cho các loại chuyển đổi này. Các công cụ chuyển đổi nằm ngoài phạm vi của bài viết này, nhưng bạn có thể tìm thấy các thông tin chi tiết về cách sử dụng chúng trong Trung tâm Thông tin InfoSphere Warehouse, được liên kết đến từ phần Tài nguyên. Các dữ liệu mẫu được sử dụng trong bài viết này là một bảng có các khách hàng của ngân hàng, như trong Hình 1. Dữ liệu này đã được chuyển đổi đầy đủ. Một khi đã chuyển đổi dữ liệu của mình, bạn có thể trực tiếp áp dụng các phương pháp phân cụm dữ liệu trong InfoSphere Warehouse. Hai thuật toán phân cụm có sẵn là:  Phân cụm nhân khẩu học đặc biệt thích hợp với các tập dữ liệu chứa một hỗn hợp các trường rời rạc và liên tục (ví dụ, với nghề nghiệp và tuổi). Đây là thuật toán mặc định được InfoSphere Warehouse sử dụng.  Phân cụm Kohonen thích hợp hơn với các tập dữ liệu chỉ chứa các trường nhị phân hoặc liên tục (ví dụ, số lượng các mặt hàng mà mỗi khách hàng đã mua trong một tập các loại sản phẩm). Trong ví dụ được mô tả trong bài viết này, phân cụm được áp dụng bằng cách sử dụng toán tử Clusterer trong một luồng khai phá. Hoặc bạn có thể trực tiếp gọi câu lệnh SQL sau: call IDMMX.BuildClusModel('BANK.CUSTOMERS_CLUS', 'BANK.CUSTOMERS'); Trong cả hai trường hợp, một mô hình cụm được tạo ra trong bảng IDMMX.CLUSTERMODELS. Về đầu trang Trích xuất thông tin liên quan từ mô hình cụm Việc hiển thị trực quan và phân tích các mô hình cụm là một bước quan trọng trong quá trình tích hợp khai phá dữ liệu và tạo báo cáo. Một mô hình cụm bao gồm các số liệu thống kê mô tả mỗi cụm và cho phép bạn gán một bản ghi dữ liệu đến chính xác một trong các cụm. Có nhiều cách để phân tích một mô hình cụm:  So sánh các số liệu thống kê của một cụm với toàn bộ các số liệu thống kê. Các cụm riêng chứa các bản ghi dữ liệu giống với mỗi bản ghi dữ liệu khác và không giống với các bản ghi dữ liệu trong các cụm khác. Bằng cách so sánh các số liệu thống kê của một cụm với toàn bộ các số liệu thống kê bạn có thể xác định số liệu thống kê nào dành riêng cho một cụm. Ví dụ, nếu tuổi trung bình của tất cả các khách hàng là 40 và tuổi trung bình của khách hàng trong một đoạn là 20, thì bạn có thể kết luận rằng đoạn này có đặc điểm là chứa các khách hàng trẻ tuổi.  Thực hiện truy vấn ngược (drill-through) các bản ghi dữ liệu riêng. Việc phân tích các bản ghi dữ liệu riêng như là các đại diện của cụm là một cách đơn giản, nhưng thường là cách có tác dụng mạnh mẽ để có được một ý tưởng về các bản ghi dữ liệu mà một cụm đang chứa.  Định nghĩa một biện pháp liên quan của cụm ứng dụng cụ thể. Ví dụ, bạn có thể chỉ quan tâm về các đoạn có chứa nhiều hơn mười nghìn khách hàng, với mỗi khách hàng chi tiêu ít nhất một trăm đô la một tháng. Một tiêu chuẩn như vậy sẽ giúp lọc hầu hết các cụm và thực hiện những phân tích hiệu quả hơn, đặc biệt là nếu có nhiều đoạn. Bạn có thể sử dụng trình hiển thị trực quan (Visualizer) đi kèm với InfoSphere Warehouse để xem xét một mô hình cụm (xem Hình 4). Trình hiển thị trực quan cho phép bạn phân tích các số liệu thống kê kích thước và đặc tính của từng cụm (đoạn khách hàng). Trong khi hiển thị trực quan này có tác dụng mạnh mẽ, nó chỉ cho phép so sánh các số liệu thống kê, không phải cho truy vấn ngược (drill-through) hoặc cho các tiêu chuẩn ứng dụng cụ thể. Tuy nhiên, Cognos rất phù hợp cho các loại nhiệm vụ hiển thị trực quan. Để cho phép hiển thị trực quan của các cụm trong Cognos hoặc theo bất kỳ cách tùy chỉnh khác nào, thông tin trong một mô hình cụm đầu tiên phải được trích xuất theo một dạng thích hợp. Với InfoSphere Warehouse, bạn có thể đạt được điều này bằng cách sử dụng hàm trích xuất bảng. Bạn có thể tìm thêm thông tin về các hàm này trong bài viết thứ hai của loạt bài này, được liên kết đến từ phần Tài nguyên. Các mô hình cụm được lưu trữ theo định dạng PMML (Predictive Model Markup Language - Ngôn ngữ đánh dấu mô hình dự báo) trong cơ sở dữ liệu. Chúng chứa các thông tin về:  Sự phân bố của các giá trị trong một cụm.  Số lượng các bản ghi trong một cụm.  Tầm quan trọng của các biến cho mỗi cụm.  Tính đồng nhất của cụm.  v.v. Bạn có thể sử dụng thủ tục đã lưu trữ với InfoSphere Warehouse để trích xuất thông tin này vào các tập kết quả có thể được Cognos (hoặc bất kỳ ứng dụng khác có thể truy cập dữ liệu qua SQL) sử dụng. Bài viết thứ hai của loạt bài này đã mô tả cách sử dụng phương thức IDMMX.DM_GETCLUSTERS để trích xuất thông tin cơ bản trên mỗi cụm. Ngoài các thông tin cơ bản, bạn cũng có thể trích xuất các số liệu thống kê cho mỗi cụm như được chỉ ra trong lệnh sau đây: SELECT * FROM TABLE(IDMMX.DM_GETCLUSTERSTATS((SELECT MODEL FROM IDMMX.CLUSTERMODELS WHERE MODELNAME='IDMMX.OUTLIERMODEL'))) AS CT Lệnh trên trả về một bảng chứa tần số dự kiến cục bộ và toàn bộ cho mỗi kết hợp của cụm, trường và giá trị trường. Phần tiếp theo của bài viết này cho bạn thấy cách sử dụng thông tin này để tạo ra các báo cáo Cognos tương tác để tìm hiểu các cụm. Tìm hiểu các đoạn khách hàng và các mô hình cụm khác trong Cognos Hiển thị trực quan các số liệu thống kê điển hình của các cụm Cognos cung cấp một số widget mạnh mẽ để hiển thị trực quan sự phân bố của dữ liệu trong một bảng. Đặc biệt quan trọng là các biểu đồ hình tròn (pie) cho các giá trị danh định và các hoành đồ cho các giá trị liên tục. Sau đây trong bài viết này bạn sẽ học cách tạo ra các hiển thị trực quan dựa trên các bảng số liệu thống kê cụm được trích xuất từ các mô hình khai phá phía dưới. Hình 12 cho thấy một ví dụ về kiểu hiển thị trực quan này. Triển khai thực hiện truy vấn ngược (drill-through) từ mô hình khai phá dữ liệu theo dữ liệu khách hàng Các mô hình Khai phá dữ liệu chứa thông tin định lượng và thống kê về dữ liệu mà chúng mô tả. Tuy nhiên, chúng không chứa các bản ghi dữ liệu ban đầu. Vì việc khai phá dữ liệu thường được sử dụng để phân tích các tập dữ liệu rất lớn, nên việc duy trì các bản ghi riêng rẽ sẽ không hiệu quả và trong một số trường hợp thậm chí là không thể. Tuy nhiên, đôi khi thật là có ích để có thể xem các bản ghi dữ liệu do một cụm cụ thể biểu diễn. Kiểu hoạt động này được gọi là truy vấn ngược (drill-through). Để cho phép truy vấn ngược (drill-through) từ một đoạn khách hàng đến các bản ghi dữ liệu thuộc đoạn này, bạn phải lựa chọn chỉ các bản ghi thuộc về một cụm cụ thể. Bạn có thể làm điều này bằng cách cho điểm tất cả bản ghi của khách hàng dựa vào các mô hình phân cụm và trả về chỉ các khách hàng thuộc cụm đó. Một cách tiếp cận tương tự được sử dụng trong ví dụ Phát hiện sai lệch được mô tả trong bài viết thứ hai của loạt bài này. Về lý thuyết, bạn có thể thực hiện cho điểm lúc đang chạy khi người sử dụng chọn một cụm. Tuy nhiên, mặc dù việc cho điểm cụm lúc đang chạy là tương đối nhanh, điều này vẫn sẽ mất nhiều thời gian. Do đó, đúng hơn là bạn thường tính toán trước các thông tin liên quan với đoạn khách hàng nào thuộc về một khách hàng cụ thể trước khi bản ghi được đưa ra cho người dùng. Ý tưởng cơ bản là một khi người dùng chọn một đoạn khách hàng, một bản ghi mới được mở ra, sử dụng một mệnh đề WHERE đơn giản để trả về tất cả các khách hàng từ bảng các khách hàng đã cho điểm thuộc đoạn này. Cách tiếp cận này có một số lợi thế. Quá trình khai phá và quá trình cho điểm tốn thời gian có thể được thực hiện cùng nhau trước khi bản ghi được hiển thị cho người dùng. Mô hình khai phá XML là nhỏ và không chứa bất kỳ dữ liệu khách hàng nào. Các tập dữ liệu lớn chứa thông tin cho điểm được lưu trữ như các bảng DB2 và có thể được truy vấn hiệu quả. Đối với các tập dữ liệu thực sự lớn, có thể cần thêm các chỉ mục vào bảng cho điểm. Sử dụng thước đo liên quan đến cụm tùy chỉnh Việc xác định một cụm hoặc một đoạn khách hàng nào cần quan tâm thường đòi hỏi kiến thức về lĩnh vực ứng dụng. Cognos giúp bạn dễ dàng đưa vào thước đo tùy chỉnh kết hợp thông tin đa dạng về các cụm thành một tiêu chuẩn phù hợp duy nhất. Khả năng tô mầu các hàng trong một báo cáo Cognos dựa trên số liệu thống kê này đặc biệt thú vị trong ngữ cảnh này. Về đầu trang Một ví dụ thực tế: các khách hàng của ngân hàng Ví dụ sau đây dựa vào bảng BANK.BANKCUSTOMERS là một trong những mẫu đi kèm với InfoSphere Warehouse. Dữ liệu mẫu từ bảng này được chỉ ra trong Hình 1. Hình 1. Dữ liệu mẫu từ bảng BANK.BANKCUSTOMERS Ví dụ này cho bạn thấy cách sử dụng InfoSphere Warehouse DesignStudio để tạo ra một luồng khai phá phân cụm các bản ghi dữ liệu từ bảng này thành các đoạn khách hàng khác nhau. Sau đó bạn có thể sử dụng mô hình cụm được tạo ra để cho điểm các bản ghi trong bảng, tạo ra một bảng mới có tên là CUSTOMERSCORED có chứa dữ liệu gốc với thông tin bổ sung về mỗi khách hàng thuộc về đoạn nào. Làm theo các bước sau để tạo một luồng khai phá mới: 1. Kéo một toán tử Table Source tới trình soạn thảo. 2. Nhấn đúp vào toán tử Table Source để mở các đặc tính của nó. Chỉ rõ BANK.BANKCUSTOMERS làm Source Database Table (Bảng cơ sở dữ liệu nguồn) và nhấn OK. 3. Kéo một toán tử Clusterer vào trình soạn thảo và nối toán tử Source Table vào nó. 4. Nhấn đúp vào toán tử Clusterer để mở các đặc tính của nó. Thay đổi tên của mô hình được tạo ra thành BANK.CLUSTER trên trang đặc tính thứ hai và nhấnOK. 5. Kéo một toán tử Scorer (Trình cho điểm) vào trình soạn thảo. 6. Nối cổng ra của toán tử Clusterer vào cổng đầu vào mô hình của toán tử Scorer. 7. Nối cổng ra của toán tử Table Source đến cổng đầu vào bảng của toán tử Scorer. 8. Nhấn chuột phải vào cổng ra của toán tử Scorer và chọn Create Suitable Table... 9. Trên trang của trình thủ thuật đầu tiên, hãy chọn lược đồ BANK, nhập vào tên bảng là CUSTOMERSSCORED và nhấn Finish. Việc này kết nối một toán tử Table Target với luồng đó. 10. Nếu bạn muốn chạy luồng đó nhiều lần, nhấn đúp chuột vào toán tử Table Target để mở các đặc tính của nó, đánh dấu chọn hộp kiểm tra Delete Previous Content và nhấn OK. Hình 2. Luồng khai phá được sử dụng cho phân đoạn khách hàng (Xem một phiên bản mở rộng của Hình 2.) Luồng khai phá này tạo ra dữ liệu khai phá mà bạn sẽ tìm hiểu cách hiển thị trong một báo cáo Cognos về sau trong bài viết này. Hai kết quả của luồng đó là:  Mô hình phân cụm BANK.CLUSTER, hiển thị thông tin về các đoạn khách hàng.  Bảng BANK.CUSTOMERSCORED, trong đó chứa các bản ghi khách hàng ban đầu có hai cột bổ sung tên là CLUSTER_QUALITY và CLUSTER_ID. CLUSTER_QUALITY cho biết bản ghi đang phù hợp với cụm này tốt như thế nào. CLUSTER_ID là mã định danh của cụm có bản ghi là phù hợp nhất với nó. Ví dụ truy vấn ngược (drill-through) trong bài viết này sử dụng mã định danh cụm để lựa chọn các bản ghi của khách hàng trong lúc truy vấn ngược (drill-through). Hình 3. Dữ liệu mẫu từ bảng kết quả, BANK.CUSTOMERSCORED (Xem một phiên bản mở rộng của Hình 3.) Về đầu trang Tạo một báo cáo phân đoạn khách hàng tương tác với Cognos Phần này của bài viết này cho bạn thấy cách sử dụng Cognos để xây dựng một báo cáo phân đoạn khách hàng. Báo cáo này bao gồm một trang chính cho thấy các đoạn khách hàng đã tính toán và có một liên kết đến một bản ghi truy vấn ngược (drill-through) cho thấy các bản ghi của khách hàng cho mỗi cụm. Trang chính chứa thông tin tương tự với trình hiển thị trực quan phân cụm đi kèm với Khai phá dữ liệu InfoSphere. Nó chứa một danh sách các đoạn khách hàng hay các cụm và cung cấp thông tin bổ sung về các trường của các cụm, ví dụ, số dư ngân hàng trung bình. Các biểu đồ hình tròn (Pie) hiển thị sự phân bố của các trường quan trọng như là thẻ ngân hàng. Như trong các bài viết trước của loạt bài này, thông tin về các đoạn, các trường v.v.. được trích xuất bằng cách sử dụng API của SQL của Khai phá dữ liệu InfoSphere Warehouse. Bản ghi nối các bảng được hàm API trả về để tạo ra báo cáo phân đoạn khách hàng. Bài viết thứ hai của loạt bài này cung cấp các chi tiết về liên kết của các trang báo cáo. Hình 4. Trình hiển thị trực quan phân cụm của InfoSphere Warehouse Nhập khẩu dữ liệu cụm vào Cognos Sau khi tạo mô hình phân cụm và bảng khách hàng đã cho điểm, bạn có thể nhập khẩu cả hai vào trong siêu dữ liệu Cognos bằng Cognos Framework Manager. Đối với báo cáo phân đoạn khách hàng, bạn cần phải nhập khẩu và nối ba tập kết quả:  Customers (Các khách hàng). Bảng khách hàng đã cho điểm mà bạn đã tạo trong phần trước. Việc này được sử dụng để truy vấn ngược (drill-through) tới dữ liệu khách hàng.  ClusterSegments (Các đoạn cụm). Tổng quan về tất cả các cụm của mô hình phân cụm đã tạo ra, được hàm IDMMX.DM_GETCLUSTERS trả về. Việc này trả về một bảng với một hàng cho từng cụm và là cơ sở của trang báo cáo chính.  ClusterSegmentStatistics (Các số liệu thống kê đoạn cụm). Một bảng chứa các số liệu thống kê hoặc thông tin cụm về phân bố trường cho từng cụm, ví dụ, việc phân bố Tuổi (Age) cho mỗi cụm. Việc này có thể được tìm nạp bằng hàm IDMMX.DM_getClusterStats của InfoSphere Warehouse. Bảng này được sử dụng cho để hiển thị thông tin trường chi tiết cho các cụm. Để bắt đầu tạo các báo cáo phân đoạn khách hàng, hãy tạo ra một dự án Cognos Framework Manager được kết nối đến cơ sở dữ liệu mẫu DWESAMP của InfoSphere Warehouse và có bảng BANK.CUSTOMERSCORED. Có thể tìm thấy các hướng dẫn chi tiết về cách làm này trong bài viết đầu tiên của loạt bài này, được liên kết đến từ phần Tài nguyên. Đó là thực tế tốt để tạo ra một chủ thể truy vấn trong vùng tên PresentationView có chứa thông tin bạn cần từ cơ sở dữ liệu. Việc này cung cấp cho bạn một tầng trừu tượng trên các chủ thể truy vấn được tạo ra từ các câu lệnh SQL. Hãy làm theo các bước này để tạo ra chủ thể truy vấn bảng khách hàng được báo cáo sử dụng: 1. Tạo một chủ thể truy vấn mới tên là Customers (Các khách hàng) trong vùng tên PresentationView từ mô hình (hiện có các chủ thể truy vấn và các mục truy vấn). 2. Thêm tất cả các mục truy vấn từ chủ thể truy vấn CUSTOMERSCORED và thay đổi các tên có tính mô tả nhiều hơn. Ví dụ, "Customer segment" (Đoạn khách hàng) cho CLUSTER_ID này. Làm theo các bước sau để tạo ra chủ thể truy vấn mô tả cụm CustomerSegments của hàm bảng DB2: 1. Chọn Database DWESAMP (Cơ sở dữ liệu DWESAMP) trong thư mục Data Sources của Project Viewer và thay đổi đặc tính Query Processing (Xử lý truy vấn) trong khung nhìn các đặc tính thành Limited Locale (Vị trí bị hạn chế). Việc này cho phép các chủ thể truy vấn từ SQL mà Cognos vẫn chưa biết đến. 2. Tạo một chủ thể truy vấn mới có tên là ClusterSegments trong vùng tên PresentationView và chọn mô hình chủ thể truy vấn từ một nguồn dữ liệu. 3. Trên trang "select a data source" (chọn một nguồn dữ liệu), chọn DWESAMP và xóa dấu chọn của hộp kiểm tra Run database query subject wizard (Chạy trình thủ thuật chủ thể truy vấn cơ sở dữ liệu) (trình thủ thuật chủ thể truy vấn chỉ làm việc với SQL chuẩn) và nhấn Finish. 4. Sau khi tạo chủ thể truy vấn, trình thủ thuật Query Subject Definition (Định nghĩa chủ thể truy vấn) mở ra. Nhập mã SQL để trả về các cụm từ mô hình, ở đây BANK.CLUSTER là tên của mô hình cụm được tạo ra trong quá trình chạy phân cụm. SELECT * FROM TABLE(IDMMX.DM_GETCLUSTERS((SELECT MODEL FROM IDMMX.CLUSTERMODELS WHERE MODELNAME='BANK.CLUSTER'))) AS CT 5. 6. Bạn cần thiết lập kiểu SQL của truy vấn là Native (Nguyên gốc), để nói cho Cognos biết chuyển SQL tới cơ sở dữ liệu thay vì thông dịch nó. Để làm việc này, chuyển đến thẻ Query Information (Thông tin truy vấn) của các đặc tính chủ thể truy vấn. Chọn Options (Các tùy chọn) và thay đổi kiểu SQL trong thẻ cài đặt SQL sang Native. 7. Việc chạy Test Sample (Thử nghiệm mẫu) sẽ trả về một bảng có các cụm của mô hình chỉ ra dưới đây: Hình 5. Các kết quả thử nghiệm của chủ thể truy vấn CustomerSegments 8. Lặp lại các bước trên với chủ thể truy vấn ClusterSegmentStatistics bằng cách sử dụng SQL sau đây: SELECT * FROM TABLE(IDMMX.DM_getClusterStats((SELECT MODEL FROM IDMMX.CLUSTERMODELS WHERE MODELNAME='BANK.CLUSTER'))) 9. Chủ thể truy vấn ở trên có chứa thông tin về phân bố trường của mỗi cụm:  Cột ID chứa mã định danh cụm.  Cột FIELDNAME chứa tên của trường nằm trong mô hình và ví dụ, có thể được sử dụng để truy vấn cho các số liệu thống kê về trường Age.  Cột NUMVALUE được sử dụng cho các trường có các giá trị số. Đối với các trường số, thuật toán phân cụm tạo ra một tập các ngăn chứa (bin), ví dụ, "Age 0-10, 10-20 ...". NUMVALUE đại diện cho ranh giới của mỗi ngăn.  Cột CATVALUE được sử dụng cho các trường có giá trị phân loại. Điều đó có nghĩa là có một số các giá trị cố định trong trường này, ví dụ, "Khách hàng đang sử dụng một thẻ ngân hàng: CÓ/KHÔNG".  Cột FREQUENCY mô tả số lượng khách hàng của cụm này có ở trong ngăn chứa  Cột EXPECTEDFREQUENCY mô tả số lượng khách hàng sẽ có trong ngăn này nếu chúng đã được phân bố đều trên tất cả các cụm. Bạn có thể sử dụng bảng này để thêm thông tin chi tiết về các đặc điểm khách hàng vào báo cáo Cognos. Ví dụ, bài viết này cho bạn thấy cách sử dụng các biểu đồ hình tròn để biểu diễn một trường thể loại và các biểu đồ thanh để hiển thị sự phân bố của một trường số. Hình 6. Các kết quả thử nghiệm của chủ thể truy vấn CustomerSegmentStatistics Để tạo một bản ghi nối các thông tin giữa các chủ thể này, bạn phải tạo ra các mối quan hệ giữa các bảng. Các id cụm luôn luôn là khóa nối.