CN108243439B - 移动互联网数据业务质量劣化定位的方法及系统 - Google Patents

Abstract

本发明提供一种移动互联网数据业务质量劣化定位的方法及系统，所述方法包括：从KQI监控系统中获取测量时间段内的KQI数列，所述测量时间段包括一个劣化时间点，所述KQI数列包括所述测量时间段内每一个测量时间点对应的KQI测量值；从KPI监控系统中获取所述测量时间段内的M组KPI数列，每一组KPI数列为一个KPI种类，每一组KPI数列包括：该组KPI种类中的多项KPI测量值；且每一组KPI数列的长度和所述KQI数列的长度相同，M为大于等于1的自然数；对所述KQI数列和每一组KPI数列进行相关性分析，获取相关性系数集合；对相关性系数集合进行分析，获取所述劣化时间点对应的KPI，确定该KPI作为KQI劣化的重要原因。本发明的方法能够准确有效地对KQI劣化的原因对应的KPI。

Description

移动互联网数据业务质量劣化定位的方法及系统

技术领域

本发明涉及一种通信技术，特别是一种移动互联网数据业务质量劣化定位的方法及系统。

背景技术

移动互联网时代，用户数据业务的体验感知至关重要，但传统网络运维所使用的KPI(Key Performance Indicator，关键性能指标)已难以衡量用户业务的真实感知，需要依靠KQI(Key Quality Indicator，关键质量指标)来解决数据业务感知量化和评价的难题。

KQI是一种以用户为中心，直接反映用户感受的业务质量参数，为电信产品、网络产品及其组成产品的各类服务提供一个全新的性能测量方法。KQI屏蔽网络内部结构，关注用户获得的服务质量。KQI体现了数据业务全流程各环节的能力，能够发现核心网、SP、传输、无线等节点存在的隐性故障，有效监测业务的降质问题。

KQI包括两种主要类型，最高层KQI，即产品KQI，主要监控提供给终端用户的产品质量，通常产品质量是被写入运营商和用户签订的契约中。产品KQI一般是由低一层的多个服务KQI聚合而成。服务KQI主要监控组成产品的各个服务质量，一个KQI可以是多个KPI聚合，也可以是单个KPI。

KPI是一种直接反映网络或网元运行情况的参数，通常在网管系统中可以直接读取，是传统网络运维中重点关注和优化的对象。

由于KQI的生成机制屏蔽了网络内部结构和业务流程，因此当KQI质量发生劣化时，并不能直接定位到是哪个网元、哪个环节发生了故障或者性能下降。

因此，需要一套科学、系统的解决方案来对KQI劣化问题进行定位分析。

目前针对KQI劣化问题的定位还存在一些难点，亟待解决。

1)KQI劣化问题定位难

KQI问题涉及的流程长网元多，端到端影响因素众多，而问题的定位和解决依靠KPI，问题发现和解决是在两套指标体系下分别完成，这就需要在问题的分析定位阶段完成从KQI体系到KPI体系的关联。但KQI和KPI两者的生成机制不同决定了其无法直接进行关联，因此长期以来运维人员只能“凭经验，用眼看”，很难将KQI的劣化事件和KPI劣化问题准确关联。所以网络维护人员发现KQI劣化问题后经常感到无从下手，找不到解决KQI劣化问题的有效抓手。

2)KQI优化落地难

KQI劣化问题现有的定位方法是：通过将若干KPI指标与预设的劣化门限进行比较从而判断问题原因，但劣化门限是人为设定，因此结论缺乏理论依据，对进一步开展优化工作没有质的改善。

上述问题导致基于KQI的质量管理较难落地，维护人员面对KQI劣化问题往往束手无策。

现有技术中为了解决上述问题，提出了两类改进的方法：

一类是基于固定阈值定位引起KQI劣化的质差KPI，基于固定阈值的定位方法是，当KPI达到预设的固定阈值时，则将该KPI作为引起KQI劣化的原因输出。

另一类是基于动态阈值定位引起KQI劣化的质差KPI，基于动态阈值的定位方法是，设定一个与该KPI的历史统计值(如均值)有关的阈值，当KPI达到该动态阈值时，则将该KPI作为引起KQI劣化的原因输出。

第一类基于固定阈值的定位方法中，所采用的固定阈值是根据维护人员的历史经验得到，是人为设定的固定值，其合理性缺乏科学论证。而第二类基于动态阈值的定位方法是将所有数据取一定的分位值得到，虽实现了动态调整，但是其判定结论缺乏合理的理论依据，定位准确率较差。

现有对KQI劣化问题定位方法中，定位的准确性与阈值的选取相关，如果阈值选择不当，则定位不准确。且在输出多个劣化KPI时，现有方法无法区分各KPI与KQI相关的重要程度，只能针对输出的多个KPI一一进行测试，以判断主次排序，因此效率低下，不能有效指导网络优化。

发明内容

针对现有技术的缺陷，本发明提供移动互联网数据业务质量劣化定位的方法及系统，够准确有效地对KQI劣化的原因对应的KPI。

第一方面，本发明提供一种的方法，包括：从KQI监控系统中获取测量时间段内的KQI数列，所述测量时间段包括一个劣化时间点，所述KQI数列包括所述测量时间段内每一个测量时间点对应的KQI测量值；

从KPI监控系统中获取所述测量时间段内的M组KPI数列，每一组KPI数列为一个KPI种类，每一组KPI数列包括：该组KPI种类中的多项KPI测量值；且每一组KPI数列的长度和所述KQI数列的长度相同，M为大于等于1的自然数；

对所述KQI数列和每一组KPI数列进行相关性分析，获取相关性系数集合；

对相关性系数集合进行分析，获取所述劣化时间点对应的KPI，确定该KPI作为KQI劣化的重要原因。

可选地，对所述KQI数列和每一组KPI数列进行相关性分析，获取相关性系数集合的步骤，包括：

采用公式一获取第一相关性系数r_i；

公式一：

式中，KQI数列为Q＝{q₁,q₂,…,q_N}，q_j表示第j个KQI测量值，KPI数列为P_i＝{p_i1,p_i2,…,p_iN}，i代表第i种KPI，p_ij表示第i种KPI的第j个测量值，N表示数列长度，N为大于2的自然数；

相应地，根据KPI发生劣化方向及KQI发生劣化的方向，调整所述第一相关性系数，获得第二相关性系数；

将所有的第二相关性系数的集合作为相关性系数集合。

可选地，根据KPI发生劣化方向、KQI发生劣化的方向，调整所述第一相关性系数，获得第二相关性系数的步骤，包括：

将第一相关性系数与符合修正系数相乘，获得第二相关性系数；

其中，若KPI发生劣化方向与KQI发生劣化的方向相同，则符合修正系数为1；

若KPI发生劣化方向与KQI发生劣化的方向不同，符合修正系数为-1。

可选地，对相关性系数集合进行分析，获取所述劣化时间点对应的KPI的步骤，包括：

将第二相关性系数集合中第二相关性系数从大到小进行排序；

选取第X个第二相关性系数对应的KPI，作为该劣化时间点对应的第X重要的原因。

可选地，将第二相关性系数集合中第二相关性系数从大到小进行排序的步骤之后，包括：

选取第二相关性系数集合中大于阈值T的有序子集，阈值T为介于0.5到1之间的实数。

可选地，所述KQI监控系统为业务质量管理平台，KPI监控系统为无线网管OMC系统。

第二方面，本发明还提供一种移动互联网数据业务质量劣化定位的系统，包括：

KQI数列获取模块，用于从KQI监控系统中获取测量时间段内的KQI数列，所述测量时间段包括一个劣化时间点，所述KQI数列包括所述测量时间段内每一个测量时间点对应的KQI测量值；

KPI数列获取模块，用于从KPI监控系统中获取所述测量时间段内的M组KPI数列，每一组KPI数列为一个KPI种类，每一组KPI数列包括：该组KPI种类中的多项KPI测量值；且每一组KPI数列的长度和所述KQI数列的长度相同，M为大于等于1的自然数；

分析模块，用于对所述KQI数列和每一组KPI数列进行相关性分析，获取相关性系数集合；

确定模块，用于对相关性系数集合进行分析，获取所述劣化时间点对应的KPI，确定该KPI作为KQI劣化的重要原因。

由上述技术方案可知，本发明移动互联网数据业务质量劣化定位的方法及系统，通过获取KQI数列和KPI数列，并进行相关性分析，进而实现KQI和KPI的趋势关系上的关联，从而科学论证KQI与KPI的相关性，规避阈值问题，提高KQI劣化定位的准确性，解决的现有技术中的无法关联KQI和KPI导致定位难的技术问题。

附图说明

图1为本发明一实施例提供的移动互联网数据业务质量劣化定位的方法流程示意图；

图2及图3为本发明另一实施例提供的移动互联网数据业务质量劣化定位的系统的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。

目前，现有技术无法将KQI体系到KPI体系进行关联，且基于阈值的定位方法缺乏准确性，导致KQI劣化问题的定位难的技术问题。

实施例一

图1示出了本发明实施例一提供的移动互联网数据业务质量劣化定位的方法的流程示意图。

参照图1，本发明实施例一提出移动互联网数据业务质量劣化定位的的方法具体包括以下步骤：

101、从KQI监控系统中获取测量时间段内的KQI数列，所述测量时间段包括一个劣化时间点，所述KQI数列包括所述测量时间段内每一个测量时间点对应的KQI测量值。

在本步骤中，针对一个KQI劣化问题可能对应的劣化时间点所在的测量时间段，从KQI监控系统中获取KQI数列，能够有针对性的获取所述测量时间段内每一个测量时间点对应的KQI测量值，为KQI劣化定位提供有力的数据支撑。

102、从KPI监控系统中获取所述测量时间段内的M组KPI数列，每一组KPI数列为一个KPI种类，每一组KPI数列包括：该种KPI的多项KPI测量值；且每一组KPI数列的长度和所述KQI数列的长度相同，M为大于等于1的自然数。

在本步骤中，针对KQI劣化时间点所在的测量时间段，从KPI监控系统中获取一组KPI数列，每一组KPI数列为一个KPI种类，且当M大于1时，获取多种KPI数列，能够有针对性的、全面的获取所述测量时间段内KPI测量值，同时为KQI劣化定位提供有力的数据支撑。

103、对所述KQI数列和每一组KPI数列进行相关性分析，获取相关性系数集合。

在本步骤中，基于统计学关联分析的原理，利用对所述KQI数列和每一组KPI数列进行相关性分析，获取表示趋势关系变化的相关性系数，可为KQI和KPI的相关性提供科学论证。

104、对相关性系数集合进行分析，获取所述劣化时间点对应的KPI，将该KPI作为KQI劣化的重要原因。

在本步骤中，获取所述劣化时间点对应的KPI，精确实现KQI劣化原因的定位。

本实施例提供移动互联网数据业务质量劣化定位的方法，通过获取KQI数列和KPI数列，并进行相关性分析，进而实现KQI和KPI的趋势关系上的关联，从而科学论证KQI与KPI的相关性，规避阈值问题，提高KQI劣化定位的准确性，解决的现有技术中的无法关联KQI和KPI导致定位难的技术问题。

实施例二

为较好的理解本发明，本实施例的方法还包括实施例二。

在本发明的实施例二中，包括上述实施例一的所有步骤，其中，上述上述实施例一方法的步骤103还包括以下图未示出的子步骤，所述步骤103包括：

1031、采用公式一获取第一相关性系数r_i；

公式一：

式中，Q为KQI数列Q＝{q₁,q₂,…,q_N}，q_j表示第j个KQI测量值，P_i为KPI数列P_i＝{p_i1,p_i2,…,p_iN},i代表第i种KPI，p_ij表示第i种KPI的第j个测量值，N表示数列长度，N为大于2的自然数。

在本步骤中，可采用相关性分析公式对所述KQI数列和每一组KPI数列进行分析，根据获取的长度为N的一组KQI数列列Q＝{q₁,q₂,…,q_N}对应的测量时间T＝{t₁,t₂,…,t_N}，数列Q中包含KQI劣化时间点t_w所对应的KQI测量值q_w，及获取的测量时间T＝{t₁,t₂,…,t_N}所对应的长度为N的M组KPI数列P_i＝{p_i1,p_i2,…,p_iN},上述M代表引入的KPI的种类数，M可大于等于1，上述i代表第i种KPI指标，可运用公式一进行计算，采用统计工具精准量化变化趋势上的关联性，精确获取第一相关性系数r_i。

应说明的是，第一相关性系数r_i不仅表示KQI劣化与KPI的相关的趋势，还表示相关的程度，第一相关性系数r_i可为-1到1之间，第一相关系数的绝对值越接近1，KQI发生劣化与该第一相关系数对应的KPI越相关。

1032、根据KPI发生劣化方向及KQI发生劣化的方向，调整所述第一相关性系数，获得第二相关性系数；

将所有的第二相关性系数的集合作为相关性系数集合。

在本步骤中，考虑实际情况中KPI发生劣化方向及KQI发生劣化的方向可能相同，也可能不同，根据预先获知的劣化方向信息，可修正第一相关系数，获得第二相关性系数。

可以理解的是，当M大于1时，获取多组KPI数列，也就是多种KPI，对应获取多个第一相关性系数，分别根据该种KPI发生劣化方向，调整第一相关性系数，获得多个第二相关性系数，将所有的第二相关性系数的集合作为相关性系数集合。

举例来说，调整所述第一相关性系数，获得第二相关性系数的手段可以是将第一相关性系数与符合修正系数相乘，获得第二相关性系数；其中，若KPI发生劣化方向与KQI发生劣化的方向相同，则符合修正系数为1；若KPI发生劣化方向与KQI发生劣化的方向不同，符合修正系数为-1。

实施例三

为更好的理解本发明，本实施例的方法还包括实施例三。

在本发明的实施例三中，包括上述实施例一及实施例二的所有步骤，其中，上述实施例二方法的步骤1033之后，上述实施例二方法的步骤104还包括以下图未示出的子步骤：

1041：将第二相关性系数集合中第二相关性系数从大到小进行排序。

应当说明的是，由第一相关系数调整后获取第二相关性系数，因此第二相关性系数越接近1，KQI发生劣化与该第二相关性系数对应的KPI越相关。

1042：选取第X个第二相关性系数对应的KPI，作为该劣化时间点对应的第X重要的原因。

可以理解的是，排序之后排在第一个的第二相关性系数对应的该种KPI，作为该劣化时间点对应的最重要的原因，进一步地，数值第二大的第二相关性系数对应的该种KPI，作为该劣化时间点对应的次要原因。

因此本实施例中，在同时存在多种KPI，也就是多个劣化原因的情况下可以区分主次，达到精准定位的效果。

此外，步骤1041之后，步骤1042之前，还可包括步骤1043：

1043：选取第二相关性系数集合中大于阈值T的有序子集，T为介于0到1之间的实数。

在本步骤中，对第二相关性系数集合的元素进行筛选，与阈值T进行比较，选取大于阈值T的有序子集，排除相关性弱的元素，可减少数据量。

其中，按照统计学原理，一般小于0.5表示弱相关，0.5到0.8表示强相关，0.8到1表示极强相关，例如，设定T为介于0.5到1之间的实数，可初步筛选出先关的第二相关系数对应的KPI。

实施例四

为更好的理解本发明，本实施例的方法还包括实施例四。

在本发明的实施例四中，包括上述实施例一、实施例二及实施例三的所有步骤，可具体举例说明如下。

上述的KQI监控系统采用华为公司的业务质量管理平台，上述的KQI为LTE无线通信系统中某一基站的日平均下载速率，所取KQI的数列长度为30，即对应的测量时间范围为30天；上述的KPI监控系统为无线网管OMC系统，KPI的组数为M组，M为35，也就是说，种类数M为35。

具体的实施过程包括：

1)从业务质量管理平台获取目标基站过去30天的日平均下载速率，存入随机存储器中，生成长度为30的数列Q；

2)从无线网管OMC系统获取目标基站过去30天的35种无线KPI的日均测量值，存入随机存储器中，生成35组长度为30的数列P_i；

如下表1所示，上述35种无线KPI的名称及对应的符合修正系数k_i。

表1

3)计算1)中上述30天的日平均下载速率数列Q与2)中上述的每一组KPI数列P_i的相关系数r_i，其中i代表第i组KPI的编号:

例如，r₁可为0.4，r₂可为-0.8等等。

4)将3)中上述第一相关系数r_i与其对应的符号修正系数k_i相乘，得到修正后的第二相关系数r_i′，其中i代表第i种KPI，每个KPI对应的符号修正系数k_i见上表1；

例如，第一种KPI为MR覆盖率，对应的符号修正系数为1，表示发生劣化的方向相同，则将0.4与1相乘得到第一种KPI对应的第二相关系数0.4，第二种KPI为UE高发射功率占比，对应的符号修正系数为-1，表示发生劣化的方向相反，则将-0.8与-1相乘得到第二种KPI对应的第二相关系数为0.8。

5)对集合{r_i′}按照从大到小进行排序，取排序后的集合中大于等于0.6的有序子集S。

例如，集合{r_i′}包括0.4、0.8、0.3、0.7、0.1、0.7、0.2、0.3、0.4、0.6等，有序子集S为{0.8、0.7、0.7}

6)输出有序集S中第X个r_i′所对应的KPI，作为KQI劣化的第X重要的原因。

例如，排名第一位的第二相关系数为0.8，所对应的KPI为第二种KPI是UE高发射功率占比，因此UE高发射功率占比是KQI日平均下载速率劣化的最重要原因。

实施例五

图2示出了本发明实施例五提供移动互联网数据业务质量劣化定位的系统结构示意图。

本发明实施例五提出的移动互联网数据业务质量劣化定位的系统，包括：

KQI数列获取模块21，用于从KQI监控系统中获取测量时间段内的KQI数列，所述测量时间段包括一个劣化时间点，所述KQI数列包括所述测量时间段内每一个测量时间点对应的KQI测量值；

KPI数列获取模块22，用于从KPI监控系统中获取所述测量时间段内的M组KPI数列，每一组KPI数列为一个KPI种类，每一组KPI数列包括：该组KPI种类中的多项KPI测量值；且每一组KPI数列的长度和所述KQI数列的长度相同，M为大于等于1的自然数；

分析模块23，用于对所述KQI数列和每一组KPI数列进行相关性分析，获取相关性系数集合；

确定模块24，用于对相关性系数集合进行分析，获取所述劣化时间点对应的KPI，确定该KPI作为KQI劣化的重要原因。

本实施例的移动互联网数据业务质量劣化定位的系统，用于执行上述的任意方法实施例的内容，参见上述描述，该处不再详述。

此外，图3示出了本发明实施例六提供的移动互联网数据业务质量劣化定位的系统的结构示意图。如图3所示，本发明实施例六提供的移动互联网数据业务质量劣化定位的系统，包括：处理器(processor)31、存储器(memory)32、通信接口(CommunicationsInterface)33和总线34；

其中，所述处理器31、存储器32、通信接口33通过所述总线34完成相互间的通信；

所述通信接口33用于该系统与其他通信设备之间的信息传输；

所述处理器31用于调用所述存储器32中的程序指令，以执行上述伪基站识别方法所提供的方法，例如包括：

从KQI监控系统中获取测量时间段内的KQI数列，所述测量时间段包括一个劣化时间点，所述KQI数列包括所述测量时间段内每一个测量时间点对应的KQI测量值；

从KPI监控系统中获取所述测量时间段内的M组KPI数列，每一组KPI数列为一个KPI种类，每一组KPI数列包括：该种KPI的多项KPI测量值；且每一组KPI数列的长度和所述KQI数列的长度相同，M为大于等于1的自然数；

对所述KQI数列和每一组KPI数列进行相关性分析，获取相关性系数集合；

对相关性系数集合进行分析，获取所述劣化时间点对应的KPI，将该KPI作为KQI劣化的重要原因。

本实施例的移动互联网数据业务质量劣化定位的系统，用于执行上述的任意方法实施例的内容，参见上述描述，该处不再详述。

本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。

本领域技术人员可以理解，实施例中的各步骤可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (8)

1.一种移动互联网数据业务质量劣化定位的方法，其特征在于，包括：

从KQI监控系统中获取测量时间段内的KQI数列，所述测量时间段包括一个劣化时间点，所述KQI数列包括所述测量时间段内每一个测量时间点对应的KQI测量值；

从KPI监控系统中获取所述测量时间段内的M组KPI数列，每一组KPI数列为一个KPI种类，每一组KPI数列包括：每一组KPI数列的多项KPI测量值；且每一组KPI数列的长度和所述KQI数列的长度相同，M为大于等于1的自然数；

对所述KQI数列和每一组KPI数列进行相关性分析，获取相关性系数集合；

对相关性系数集合进行分析，获取所述劣化时间点对应的KPI，将该KPI作为KQI劣化的重要原因；

对所述KQI数列和每一组KPI数列进行相关性分析，获取相关性系数集合的步骤，包括：

采用公式一获取第一相关性系数r_i；

公式一：

式中，KQI数列为Q＝{q₁,q₂,…,q_N}，q_j表示第j个KQI测量值，KPI数列为P_i＝{p_i1,p_i2,…,p_iN}，i代表第i种KPI，p_ij表示第i种KPI的第j个测量值，N表示数列长度，N为大于2的自然数；

相应地，根据KPI发生劣化方向及KQI发生劣化的方向，调整所述第一相关性系数，获得第二相关性系数；

将所有的第二相关性系数的集合作为相关性系数集合。

2.根据权利要求1所述的方法，其特征在于，根据KPI发生劣化方向、KQI发生劣化的方向，调整所述第一相关性系数，获得第二相关性系数的步骤，包括：

将第一相关性系数与符合修正系数相乘，获得第二相关性系数；

其中，若KPI发生劣化方向与KQI发生劣化的方向相同，则符合修正系数为1；

若KPI发生劣化方向与KQI发生劣化的方向不同，符合修正系数为-1。

3.根据权利要求2所述的方法，其特征在于，对相关性系数集合进行分析，获取所述劣化时间点对应的KPI的步骤，包括：

将第二相关性系数集合中第二相关性系数从大到小进行排序；

选取第X个第二相关性系数对应的KPI，作为该劣化时间点对应的第X重要的原因。

4.根据权利要求3所述的方法，其特征在于，将第二相关性系数集合中第二相关性系数从大到小进行排序的步骤之后，包括：

选取第二相关性系数集合中大于阈值T的有序子集，阈值T为介于0.5到1之间的实数。

5.根据权利要求1所述的方法，其特征在于，所述KQI监控系统为业务质量管理平台，KPI监控系统为无线网管OMC系统。

6.一种移动互联网数据业务质量劣化定位的系统，其特征在于，包括：

KQI数列获取模块，用于从KQI监控系统中获取测量时间段内的KQI数列，所述测量时间段包括一个劣化时间点，所述KQI数列包括所述测量时间段内每一个测量时间点对应的KQI测量值；

KPI数列获取模块，用于从KPI监控系统中获取所述测量时间段内的M组KPI数列，每一组KPI数列为一个KPI种类，每一组KPI数列包括：每一组KPI数列的多项KPI测量值；且每一组KPI数列的长度和所述KQI数列的长度相同，M为大于等于1的自然数；

分析模块，用于对所述KQI数列和每一组KPI数列进行相关性分析，获取相关性系数集合；

确定模块，用于对相关性系数集合进行分析，获取所述劣化时间点对应的KPI，确定该KPI作为KQI劣化的重要原因；

分析模块，具体用于：

采用公式一获取第一相关性系数r_i；

公式一：

式中，KQI数列为Q＝{q₁,q₂,…,q_N}，q_j表示第j个KQI测量值，KPI数列为P_i＝{p_i1,p_i2,…,p_iN}，i代表第i种KPI，p_ij表示第i种KPI的第j个测量值，N表示数列长度，N为大于2的自然数；

相应地，根据KPI发生劣化方向及KQI发生劣化的方向，调整所述第一相关性系数，获得第二相关性系数；

将所有的第二相关性系数的集合作为相关性系数集合。

7.根据权利要求6所述的系统，其特征在于，分析模块，具体用于：

将第一相关性系数与符合修正系数相乘，获得第二相关性系数；

其中，若KPI发生劣化方向与KQI发生劣化的方向相同，则符合修正系数为1；

若KPI发生劣化方向与KQI发生劣化的方向不同，符合修正系数为-1。

8.根据权利要求7所述的系统，其特征在于，确定模块，具体用于：

将第二相关性系数集合中第二相关性系数从大到小进行排序；

选取第X个第二相关性系数对应的KPI，作为该劣化时间点对应的第X重要的原因。

Images