使用 K 均值聚類簡化應用程式存取管理流程作者
Cheryl E. Johnson，美國銀行副總裁兼市場資訊顧問
美國銀行的員工數量以及他們擔任的眾多職務確保了管理員工應用程式存取權限的複雜性。已經創建了預定義的配置文件來幫助應對這一挑戰；然而，隨著時間的推移，個人資料的數量不斷增加。我們努力確定是否可以簡化系統，從而減少維護工作量，同時提高透明度並降低風險。最熱門的申請是根據工作角色決定的。接下來，根據員工 ID 建立應用程式存取權限的橫斷面視圖，每個應用程式分配 0 或 1，具體取決於特定員工是否具有存取權限。根據工作角色，員工 ID 也與其他關鍵變數相鏈接，例如職位代碼（在某個角色內）、業務線、地區和站點。 K-均值聚類用於根據相似的存取權限對應用程式進行分組，並根據其他預測因子識別模式。對所得的雙圖和聚類平均值的分析顯著提高了清晰度，包括：（1）識別存取權限具有高度至完美相關性的應用程式子群組；（2） 集群與職位代碼有很強的關聯性；（3）聚類與其他連結變數的關聯。
