BI工具嵌入編程語言助力企業數字化管理決策
——以某運營商的體驗問卷數據分析為例

胡 琴

（上海郵電設計咨詢研究院有限公司，上海 200092）

1 現狀

1.1 企業管理決策面臨的問題

大數據背景下，企業管理決策的環境越來越復雜，存在決策滯后的風險。雖然企業可以通過問卷調查、購買以及采集等各種方式獲取多種多樣的海量數據，制定基于數據驅動的管理決策方案，但是大數據的數據信息在不斷更新，會加大企業篩選具有價值信息的難度，使企業決策環境更復雜[1]。低效率的管理決策程序會降低決策的效果，影響企業的發展，因此企業應簡化決策程序，以提高決策價值[1]。

1.2 BI 工具助力企業數字化管理決策

BI 工具流程簡便，可以實現數據自動更新，只需要簡單的幾個操作就可完成。BI 工具不僅可以通過自嵌的智能算法進行趨勢預測，而且還可以通過嵌入Python、R 編程語言的算法包進行數據挖掘。BI 工具不僅能提高企業中高層的決策水平和效率，而且還能使企業的每個員工都成為決策者。如何進一步加快大數據分析技術應用，構建適應管理決策研究特點規律的定性與定量相結合、數據分析與專家知識相互滲透的數據驅動技術工具和模型，提高基于數據的管理決策分析質量和能力，是未來該領域研究的重點方向之一[2]。

2 數據分析工具助力企業數字化管理決策

2.1 數據分析工具

在數字化轉型的浪潮下出現了各種數據分析工具，性能較好的數據分析工具見表1。

表1 數據分析工具統計表

數字化時代，大多數企業都會擁有自己的信息系統，其中積累了大量的數據。信息系統中的原始數據價值很小，只有通過智能化的數據分析方法抽取其中的精華，才能轉變為信息“金礦”，為人類造福[3]。數據的智能化分析是通過建立數據模型實現重復操作的模塊化。一般智能數據分析會通過各種數據統計、數據分析、數據挖掘以及數據可視化等工具來實現。

2.2 Tableau

Tableau 是企業比較常用的一款BI 數據分析工具，其擁有非常強大的數據可視化功能。為了在已有功能的基礎上進一步擴展編程語言的功能，Tableau 在2016 年發布了一個可以在Tableau 工作簿中運行Python 代碼的新API——TabPy。并且從第八個版本開始，Tableau 增加了R 語言的接口，R 腳本也可以在Tableau 中運行，自此R 強大的數據統計、挖掘功能也能在Tableau 中實現了。科學合理的決策源于數據，借助世界一流的BI 分析工具能讓企業做出更明智的管理決策。

2.3 BI 數據分析工具嵌入編程語言

編程語言隨著信息技術的發展已逐步進入BI 數據分析工具，例如通過內嵌Python、R 編程語言的算法包（jieba 中文分詞、K-Means 聚類等），可以實現對BI 數據分析工具中的數據進行挖掘分析的功能。

該文在Tableau 中嵌入Python 編程語言的中文分詞工具——jieba 庫，實現了對調查問卷中文本的關鍵詞進行提取的功能。通過在Tableau 中嵌入R 編程語言的K-Means 聚類算法，實現了根據客戶評分對31 省的評分進行聚類分析的目標。

3 Tableau 嵌入Python 進行BI 數據分析

3.1 分析體驗問卷中的文本

在某運營商人工客服體驗項目中，當對體驗問卷中的文本進行分析時，會遇到需要利用工具來對文本中的關鍵詞進行提取的問題。為了解決該問題，該文采用嵌入Tableau 中的Python。Python 編程語言一直都是最受歡迎的編程語言之一。該文采用Python 中的jieba 庫，jieba 庫中的jieba.analyse.extract_tags 函數可以從字符串中提取關鍵的地名、名詞、動名詞和動詞。文獻[4]、文獻[5]利用 Python 對中文文本進行分析研究。

提取關鍵詞后，需要借助工具對關鍵詞進行詞云呈現，該文采用最受歡迎的BI 工具之一——Tableau。

3.2 Tableau 嵌入Python 提取文本中的關鍵詞

3.2.1 在Tableau 中安裝Python 環境

找到tabpy_server 的安裝目錄，該文的目錄在D：Pycharm ProjectsPythonProject Libsite-packages abpy_server。具體參考安裝目錄，如果是Windows 系統，就運行startup.bat；如果是Linux 或MAC 系統，就運行startup.sh。也可以在tabpy_server 的安裝目錄下運行CMD，然后在彈出的窗口中輸入“Python tabpy.py”和“startup.bat”。

該文使用的是Windows 系統，并把tabpy 部署在本機。顯示“Web service listening on port 9004”這個信息代表服務器啟動成功，開始監聽9004 端口。

3.2.2 在Tableau 中連接tabpy 服務器

打開Tableau，在“幫助”欄單擊“設置和性能”，再單擊“管理外部服務連接”，在彈出的窗口中的“服務器”框選擇“localhost”，“端口”框輸入“9004”。單擊“測試連接”，彈出“成功連接到TabPy 服務”的窗口，說明已成功連接，單擊“確定”，就成功設置了客戶端連接服務器。

3.2.3 導入體驗問卷數據，提取文本中的關鍵詞

某運營商的人工客服體驗問卷“建議”字段中的文本數據（部分）內容如圖1 所示。

圖1 人工客服體驗問卷“建議”字段中的文本數據（部分）

在該案例中總共收到了來自31 省的1 108 條建議數據，將其導入Tableau 中，單擊“建議”字段右上角的“▼”按鈕，下拉菜單選擇“創建計算字段”。

在彈出的窗口中，將字段命名為：標簽，鍵入函數如下。

SCRIPT_STR（“

# 導入jieba 中文分詞庫

import jieba.analyse

# 導入re 正則表達式

import re

#使用正則表達式過濾掉不可見的字符，如換行等，以避免報錯

ctn = [re.sub（‘s’，’’， str） for str in _arg1]

#使用jieba 從內容提取關鍵詞，只提取權重最高的1 個名詞

tags = [jieba.analyse.extract_tags（c， topK=1， allowPOS=（‘n’）） for c in ctn]

#將提取結果的格式處理成字符串，以返回給Tableau

result = [‘，’.join（r） for r in tags]

return result”，

attr（[建議]））

在工作表中將字段“序號”“建議”拖放至行，“標簽”拖放至文本。關鍵詞就從文本中提取出來了，Tableau 中的界面如圖2 所示。

圖2 “從”建議“中提取出權重最高的1 個名詞

如果對體驗問卷中的“建議”文本數據進行了變更，只需要在對應連接路徑的Excel 表格中進行更改，然后在Tableau數據源中單擊“刷新數據源”就能一鍵實現數據的智能化更新功能。

3.3 Tableau 對關鍵詞進行詞云呈現

對“標簽”中提取出來的詞進行頻數統計，在Tableau中將“標簽”拖放到顏色、文本，“計數”拖放到大小。詞云呈現結果如圖3 所示。

圖3 Tableau 對關鍵詞進行詞云呈現

4 Tableau 嵌入R 進行BI 數據分析

4.1 對體驗問卷中的省份進行聚類分析

在某運營商人工客服體驗項目中，當對體驗問卷中的31省根據評分進行聚類分析時，會遇到需要利用工具來進行聚類分析的問題。為了解決該問題，該文采用嵌入Tableau 中的R。R 語言是完全免費且開放源代碼的，其標準的安裝文件自身就帶有許多模塊和內嵌統計函數，安裝好后可以直接實現許多常用的統計功能，大多數最新的統計方法和技術都可以在R 中直接得到。該文使用R 語言中的K-Means 聚類算法，K-Means 算法是聚類算法中的經典算法，其原理簡單、實現快速，當簇與簇之間有明顯區別時，其聚類效果會比較好。但是，K-Means 算法需要事先給出需要生成簇的個數，不適用于簇差別很大的情況。

在對省份進行聚類分析后，最好能對31 省的評分進行可視化呈現，這里用到的是Tableau。

4.2 Tableau 嵌入R 進行聚類分析

先下載并安裝R，然后打開R，在其中運行以下腳本。

install.packages（“Rserve”）

library（Rserve）

Rserve（）

打開Tableau，在“幫助”欄單擊“設置和性能”，再進去“管理外部服務連接”，在彈出的窗口中的“服務器”框選擇“localhost”，“端口”框輸入“6311”，單擊“測試連接”，彈出成功窗口。連接成功后，單擊“確定”，就可以成功設置客戶端連接R 服務器。

某運營商的人工客服體驗問卷31 省評分數據（部分）如圖4 所示。

圖4 人工客服體驗問卷31 省評分數據（部分）

將其導入Tableau 中，在Tableau“分析”欄下單擊“創建計算字段”，在彈出的窗口中，將字段命名為：簇，鍵入函數如下。

SCRIPT_REAL（'

fit <- K-Means（data.frame（.arg1，.arg2，.arg3，.arg4，.arg5），centers=5）；

fit$cluster'，

SUM（[回復內容清晰易懂]），SUM（[業務熟練度]），SUM（[服務態度]），SUM（[客服響應及時性]），SUM（[整體服務評價]））

在工作表中，將“體驗省份”拖入列，計算字段“簇”拖入行、顏色和文本，最終呈現結果如圖5 所示。

圖5 將31 省根據評分聚類為5 大類

4.3 Tableau 對31省評分進行可視化呈現

在Tableau 中，將評分表中的“體驗省份”拖入列，將“回復內容清晰易懂”、“業務熟練度”、“服務態度”、“客服響應及時性”以及“整體服務評價”拖放到行，并將標記類型設置為“區域”，添加平均值參考線后可視化呈現結果如圖6 所示。

圖6 對31 省評分數據進行可視化呈現

5 結語

在數字化生活背景下，傳統的管理變成或正在變成數據的管理，傳統的決策變成或正在變成基于數據分析的決策。企業在開展決策管理工作的過程中，可立足于數據挖掘技術對各類數據進行篩選和提煉。也就是說，通過問卷調查、購買數據以及網絡爬蟲等方式對數據進行采集，獲取的數據經系統清洗后進行分類，分類后的數據存儲在數據倉庫中。然后可以通過ETL 等工具對已有的數據進行提取、轉換以及加載等預處理，再使用聚類、決策樹以及預測等相關大數據分析方法進行數據挖掘，從而采取可視化、商業智能（BI）等技術為企業數字化管理決策提供幫助。