CN108369590B - 用来指导自助服务分析的推荐系统、装置及其方法 - Google Patents

Abstract

提供一种系统，所述系统向用户提供基于所述用户的当前分析路径而智能识别出的各种自动化指导以提供分析路径的自动推荐，以便减轻大数据分析。所述推荐是基于其它专家用户已经进行的分析。所述用户选择分析路径推荐以用较少的时间轻松地达到最终结果。所述系统能够不断学习其它用户对类似数据的所述分析路径。所述系统利用来自所有用户的协同知识来做出推荐。所述系统和/或装置(800)具有接收模块(808)、用户交互探查器模块(810)、用户配置文件匹配程序模块(812)和向所述用户提供自动推荐的推荐模块(814)。

Description

用来指导自助服务分析的推荐系统、装置及其方法

技术领域

本文所描述的本发明大体上涉及数据分析领域，且更明确地说涉及用来通过提供分析路径的自动推荐指导自助服务分析的数据分析和推荐系统、方法和装置。

背景技术

用于分析和报告数据的传统数据分析系统具有两种类型的用户：二级开发者和终端用户。二级开发者可包含但不限于商务智能专员、数据科学家、信息技术人员。如图1所示出，二级开发者的角色是用顺序查询语言(sequential query language，SQL)、多维表达式(Multidimensional Expressions，MDX)或等效数据查询语言创建复杂分析查询且利用这些复杂查询在分析服务器中部署分析模板。终端用户的角色是选择预配置的分析模板来查看完成他们的分析所必需的信息。

最近，自助服务分析方法已占据重要地位，因此传统的分析方式愈发变得过时。在此类自助服务方法中，二级开发者的角色同样由终端用户扮演。众所周知的是，在当代分析市场中，商业用户想要精简使得他们能够查询并观察复杂度不断增加的数据直到真正理解所述数据的应用程序。

现有自助服务分析中存在的问题是用户在开始分析数据时不知道正确的分析路径。在可用自助服务分析中，终端用户通常使用分析用户界面(user interface，UI)并拖放所需字段来形成数据源。然而，现有自助服务分析提供了过多可能的分析路径和视觉显示，鉴于此，用户难以找出适当的分析路径和视觉显示。新手用户在他们能够有效地开始分析之前需要许多支持。此外，现有自助服务分析会考虑由不同用户针对类似问题进行分析的信息，所述类似问题在各个组织不一致，由此使得自助服务过程耗时且对不同用户是不一致的，从而使得组织产生隐藏成本。一些自助服务分析系统同样依赖于二级开发者和数据科学家来为终端用户准备信息，但此类选择方案耗时且较为昂贵，其中终端用户所需的任何修改会具有较长的周转时间。

公开不同方法来实现高效的自助服务分析的现有技术文献中提出了各种技术。其中一种技术公开于专利文献US20080249815(在下文中被称为'815)中，其叙述适应性分析系统和其使用方法。在'815中，管理员限定不同分析类型的模板来满足能够在所述域中进行的不同类型的分析，其中每个分析模板具有预定义数据源和可能的分析路径(上报/向下钻取)，接着用户选择分析模板且系统帮助用户浏览分析路径。

另一技术公开于专利文献US 20120191762 A1(在下文中被称为'762)中，从而为用户提供辅助商业分析。在'762中，系统提供预定义报告列表以供用户选择，用户选择一个或多个预定义报告，系统从所述报告提取出分析选项列表像计算出的维度，测量趋势分析等，并且向用户示出这些提取出的选项以在创建临时报告期间应用。

然而，如在'815、'762中所公开且同样在大多数现有自助服务分析中所公开的技术在于，所述技术提供基于预定义报告的静态方法。并且，所述技术取决于配置路径的管理员(即，人为干预)，所述路径并不表明输出的任何视觉显示，从而使得其难以理解。此外，用户已绑定到预定义模板，从而以不同方式防止暴露分析数据。

发明内容

提供此发明内容是为了介绍与用来指导自助服务分析的推荐系统、装置及其方法相关的概念，所述概念在下文的具体实施方式中进一步加以描述。此发明内容并不意图识别所要求的主题的基本特征，也并不意图用于确定或限制所要求的主题的范围。

为了提供针对以上提及的技术问题的技术方案，本发明的一个方面是提供一种用于向用户提供自动化指导以高效分析数据的系统、方法和装置。

本发明的另一方面是提供一种提供分析路径的自动推荐以便减轻大数据分析的系统、方法和装置。

本发明的另一方面是提供一种用于向用户提供基于用户的当前分析路径而智能识别出的各种自动化指导的系统、方法和装置。推荐是基于其它专家用户已经进行的分析。用户可选择分析路径推荐以用较少的时间轻松地达到最终结果。

本发明的另一方面是提供一种根据其它用户对类似数据的分析路径进行连续更新的系统、方法和装置。此外，系统、方法和装置利用来自所有用户的协同知识来做出推荐。

本发明的又一方面是一种使得自助服务系统更加富有成效且易于供终端用户使用的系统、方法和装置。

因此，在一个实施方案中，本发明提供一种用于在数据分析期间基于至少一名用户的至少一个数据分析路径而针对所述用户产生至少一个推荐的系统。所述系统包括接收模块、用户交互探查器模块、用户配置文件匹配程序模块和推荐模块。接收模块用于接收由所述用户在所述系统的用户界面上进行的至少一个操作。用户交互探查器模块用于对从所述接收模块接收的所述操作进行编索引，由此将所述操作存储在交互配置文件数据中，其中所述交互配置文件数据优选地以报告、基于所述操作而产生的视觉显示、所述用户细节和所述操作的形式存储。用户配置文件匹配程序模块用于将所述交互配置文件数据和与至少一个预存储用户配置文件相关联的至少一个预存储交互配置文件数据相匹配，并且在所述交互配置文件数据与所述预存储交互配置文件数据相匹配时产生预存储用户配置文件列表。推荐模块用于：从所述用户配置文件匹配程序模块提取所述预存储用户配置文件列表；基于所述交互配置文件数据和所述用户创建至少一个前置条件；在所述前置条件下在所述用户交互探查器模块中查询由来自所述列表的所述预存储用户配置文件进行的操作；从所述用户交互探查器接收由来自所述列表的所述预存储用户配置文件进行的至少一个操作；基于与所述前置条件的可信度匹配对由所述预存储用户配置文件进行的所述操作进行排名；由此基于所述可信度匹配向所述用户产生所述推荐。

在一个实施方案中，本发明提供一种用于在数据分析期间基于至少一名用户的至少一个数据分析路径而针对所述用户产生至少一个推荐的装置。所述装置包括处理器；和存储器，所述存储器耦合到处理器以执行存储器中存在的多个模块。多个模块包括接收模块、用户交互探查器模块、用户配置文件匹配程序模块和推荐模块。接收模块用于接收由所述用户在所述系统的用户界面上进行的至少一个操作。用户交互探查器模块用于对从所述接收模块接收的所述操作进行编索引，由此将所述操作存储在与用户管理模块中的所述用户相关联的交互配置文件数据中，其中所述交互配置文件数据优选地以报告、基于所述操作而产生的视觉显示、所述用户细节和所述操作的形式存储。用户配置文件匹配程序模块用于将所述交互配置文件数据和与至少一个预存储用户配置文件相关联的至少一个预存储交互配置文件数据相匹配，当所述交互配置文件数据与所述预存储交互配置文件数据相匹配时产生预存储用户配置文件列表。推荐模块用于：从所述用户配置文件匹配程序模块提取所述预存储用户配置文件列表；基于所述交互配置文件数据和所述用户创建至少一个前置条件；在所述创建的前置条件下在所述用户交互探查器模块中查询由来自所述列表的所述预存储用户配置文件进行的操作；在所述前置条件下从所述用户交互探查器接收由来自所述列表的所述预存储用户配置文件进行的至少一个操作；基于与所述前置条件的可信度匹配对由所述预存储用户配置文件进行的所述操作进行排名；由此基于所述可信度匹配向所述用户产生所述推荐。

在一个实施方案中，本发明提供一种用于将至少一个接纳控制策略和/或至少一个资源控制策略发放到网络中的至少一个服务的装置，所述网络具有提供用至少一个资源发现设备注册的所述服务的至少一个受限设备、访问在所述资源发现设备上注册的所述服务的至少一个客户端设备，以及用于验证提供所述服务的所述受限设备的至少一个调测设备。所述装置包括获得模块、创建模块、查找模块和访问模块。

获得模块用于获得至少一个服务信息，包含至少一个预注册服务以及来自所述调测设备的相关联设备标识(identification，ID)。创建模块用于针对所述接收到的服务信息创建服务标识(identification，ID)，并且针对所述服务ID创建所述接纳控制策略和/或所述资源控制策略。查找模块用于在接收到来自所述客户端设备的访问所述服务的至少一个请求后查找与所述发布设备中的所述服务相关联的服务ID。访问模块用于基于所述接纳控制策略和/或所述资源控制策略来授权/拒绝所述客户端设备访问所述服务。

在一个实施方案中，本发明提供一种用于在由系统/装置进行的数据分析期间基于至少一名用户的至少一个数据分析路径而针对所述用户产生至少一个推荐的方法。所述方法包括：

●接收所述用户在用户界面上进行的至少一个操作；

●对从所述接收模块接收的所述操作进行编索引；

●将所述操作存储在与所述用户相关联的交互配置文件数据中，其中所述交互配置文件数据优选地以报告、基于所述操作而产生的视觉显示、所述用户细节和所述操作的形式存储；

●将所述交互配置文件数据和与至少一个预存储用户配置文件相关联的至少一个预存储交互配置文件数据相匹配；

●当所述交互配置文件数据与所述预存储交互配置文件数据匹配时产生预存储用户配置文件列表；

●提取所述预存储用户配置文件列表；

●基于所述交互配置文件数据和所述用户创建至少一个前置条件；

●在所述前置条件下查询由来自所述列表的所述预存储用户配置文件进行的操作；

●在所述前置条件下接收由来自所述列表的所述预存储用户配置文件进行的至少一个操作；

●基于与所述前置条件的可信度匹配而在所述前置条件下对由所述预存储用户配置文件进行的所述操作进行排名；由此

●基于所述可信度匹配向所述用户产生所述推荐。

与现有技术中可用的常规技术相比，本发明提供分析路径的自动推荐以便减轻大数据分析。如本发明所公开的系统向用户提供基于用户的当前分析路径而识别出的各种自动化指导。推荐是基于其它专家用户已经进行/历史上进行的分析。用户可选择分析路径推荐以用较少的时间轻松地达到最终结果。此外，系统不断学习其它用户对类似数据的分析路径。并且，系统利用来自所有用户的协同知识来做出推荐。这使得自助服务系统更加富有成效且易于供终端用户使用。

附图说明

所述详细描述是参考附图描述的。在附图中，参考编号最左边的数字表示其中首次出现所述参考编号的所述附图。所有附图使用相同数字指代相同特征和组件。

图1示出如现有技术可用的传统分析系统。

图2示出如现有技术可用的传统自助服务流程。

图3示出根据本发明主题的实施例的具有探查和推荐的自助服务流程。

图4示出根据本发明主题的实施例的用户探查流程。

图5示出根据本发明主题的实施例的推荐流程(整个系统)。

图6示出根据本发明主题的实施例的用户交互配置文件存储。

图7示出根据本发明主题的实施例的推荐计算、排名和可信度。

图8示出根据本发明主题的实施例的用于在数据分析期间基于至少一名用户的至少一个数据分析路径而针对所述用户产生至少一个推荐的系统/装置。

图9示出根据本发明主题的实施例的用于在数据分析期间基于至少一名用户的至少一个数据分析路径而针对所述用户产生至少一个推荐的方法。

图10示出根据本发明主题的实施例的主要维度推荐。

图11示出根据本发明主题的实施例的推荐用户界面(user interface，UI)。

图12示出根据本发明主题的实施例的推荐用户界面(user interface，UI)。

图13示出根据本发明主题的实施例的推荐用户界面(user interface，UI)。

图14示出根据本发明主题的实施例的推荐用户界面(user interface，UI)。

图15示出根据本发明主题的实施例的推荐用户界面(user interface，UI)。

图16示出根据本发明主题的实施例的推荐用户界面(user interface，UI)。

图17示出根据本发明主题的实施例的推荐用户界面(user interface，UI)。

图18示出根据本发明主题的实施例的推荐用户界面(user interface，UI)。

图19示出根据本发明主题的实施例的推荐用户界面(user interface，UI)。

应理解，附图是为了说明本发明的概念，并且可能不是按比例绘制。

具体实施方式

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，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明可以多种方式实施，包含实施为过程、装置、系统、物质组成、计算机可读媒体例如计算机可读存储媒体，或者其中程序指令经由光学或电子通信链路发送的计算机网络。在本说明书中，这些实施方案或者本发明可采取的任何其它形式可称为技术。一般情况下，所公开过程的步骤顺序可在本发明的范围内进行更改。

下面提供了本发明的一个或多个实施例的详细描述以及说明本发明原理的附图。本发明结合这些实施例进行描述，但是本发明不限于任何实施例。本发明的范围仅由权利要求书限制，并且本发明包括许多替代方案、修改和等同物。为了提供对本发明的透彻理解，下文描述中阐述了许多具体细节。提供这些细节用于举例，本发明可根据权利要求书实现，而不需要部分或者所有这些具体细节。为了清楚描述，没有对与本发明相关技术领域中已知的技术材料进行详细描述，从而避免对本发明造成不必要地模糊。

公开了用来指导自助服务分析的推荐系统、装置及其方法。

虽然描述了用于提供用来指导自助服务分析的推荐系统、装置及其方法的各方面，但是本发明可在任意数目的不同计算系统、环境和/或配置中实施，这些实施例在以下示例性的系统、装置和方法的上下文中进行描述。

自助服务分析或商业智能(business intelligence，BI)方法使得终端用户能够创建个性化报告和分析查询，同时使IT职员能够腾出时间来专注于其它任务——潜在地使这两个用户组都受益。自助服务商业智能(self-service business intelligence，SSBI)是一种使得商业用户能够访问并利用公司信息而无需IT部门的参与(当然，除了建立巩固商业智能(business intelligence，BI)系统的数据仓库和数据栈以及部署自助服务查询和报告工具之外)的数据分析方法。自助服务方法使得终端用户创建个性化报告和分析查询，同时使IT职员腾出时间来专注于其它任务——潜在地使这两个用户组都受益。然而，由于自助服务BI软件由可能并不是技术能手的人使用，因此，用户界面必须直观且易于使用。

在一个实施方案中，本发明提供一种向用户提供分析自动化指导系统中的数据的自动化指导的系统、装置和方法。本发明用于不断学习其它用户对类似数据的分析路径。本发明将学习内容存储在永久性存储装置中。本发明允许用户选择指导标准(例如但不限于类似用户/同一用户组/专家用户/特定用户/及类似者)。本发明基于用户的配置文件将用户与所需指导标准相匹配，并且向用户表明适当的非线性分析路径，其中分析路径可以表明度量(标准和计算出的)、维度(标准和计算出的)、阈值、排序、过滤、分组等操作、结果可视化及类似者。

现在参考图2，其示出如现有技术中可用的传统自助服务流程。如图2所示出，用于自助服务分析的传统系统主要包括浏览器、自助服务UI、自助服务引擎、查询引擎、用户管理和存储装置。自助服务UI向用户显示UI以进行自助服务分析。用户可拖放维度和度量，配置过滤因子，使用在此UI中设置的工具和选项限定计算出的度量和维度。自助服务引擎将用户交互转化成一个或多个数据库查询。查询引擎对多个数据库执行查询。并且，查询引擎与用户管理模块交互以检查用户对某些表、维度和成员的访问权。基于不同情景，取决于用户的权限，查询引擎可根据结果向查询添加更多过滤因子或过滤项。用户管理模块维持用户组信息并且通过组合用户权限和用户所属的分组权限来计算有效的用户权限。

图3示出根据本发明主题的实施例的具有探查和推荐的自助服务流。在一个实施方案中，通过向用户提供分析如图3所示出的自动化指导系统中的数据的自动化指导而获得如图2所示出的现有技术的技术改进。如图3所示出，本发明主要包括用户交互探查器、交互配置文件数据、用户配置文件匹配程序和推荐引擎。

在一个实施方案中，用户交互探查器追踪并探查在自助服务分析的每一步中的用户交互并且更新“交互配置文件数据”。

在一个实施方案中，交互配置文件数据维持关于由不同用户在不同前置条件下进行的不同交互的信息。此信息将由用户导出并对其它用户表明推荐。

在一个实施方案中，用户配置文件匹配程序基于用户已选择的不同标准(像类似用户、专家用户和特定用户)来将当前用户与其它用户匹配。

在一个实施方案中，推荐引擎是主要模块，其从“用户配置文件匹配程序”得到相匹配的用户，得到当前报告状态、当前数据源等作为前置条件，接着从“交互配置文件数据”中找出由相匹配的用户在相匹配的前置条件下进行的动作。

图4示出根据本发明主题的实施例的用户探查流程。在一个实施方案中，如图4所示出，用户在自助服务UI上进行操作，像拖放维度/度量或配置过滤因子或者增加计算出的度量、计算出的维度/成员。在将交互信息发送到自助服务引擎的过程中，自助服务UI同时将此信息发送到用户交互探查器。用户交互探查器对交互信息进行编索引并以有用的格式将所述交互信息存储在交互配置文件数据中。交互数据可包含但不限于当前报告状态(所选择的维度/度量、过滤因子、计算结果)、当前视觉显示、用户细节和当前操作(增加新的维度/度量或过滤因子等)。交互配置文件数据可插入有具有作为密钥的当前状态和用户以及作为值的新操作的新的行。如果已经存在相同的“作为密钥的状态和用户以及作为值的新的操作”，那么操作的计数将会递增。本领域的技术人员可理解，本发明中的当前状态意味着用户的当前分析状态。举例来说，用户可正在进行数据分析。

图5示出根据本发明主题的实施例的推荐流程(整个系统)。在一个实施方案中，如图5所示出，用户可通过界面(显示器)与本发明的自助服务分析系统交互。系统界面捕获所有用户交互并将其转发到推荐引擎。推荐引擎基于交互数据而查询在过去可能已经进行类似交互的类似用户列表(即，提取相匹配的历史数据)。历史数据或类似用户列表可存储在用户配置文件匹配程序模块或数据库中。用户配置文件匹配程序模块或数据库可从用户管理数据库或模块检索用户列表。用户管理模块或数据库可存储所有用户的配置文件以及可能已经与本发明的系统交互的交互历史。用户配置文件匹配程序模块或数据库在从用户管理数据库或模块接收到用户列表之后根据用户选择的标准来进行用户匹配。

用户配置文件匹配程序接着可将相匹配的用户列表发送到推荐引擎。推荐引擎基于当前报告状态和当前用户创建前置条件并且在类似情景下在交互配置文件数据中查询由相匹配的用户进行的动作。推荐引擎接着可基于与当前前置条件的流行度和可信度匹配来对不同的可能操作进行排名。推荐引擎通过本发明的自助服务系统的用户界面(显示器)向用户提供推荐。

图6示出根据本发明主题的实施例的用户交互配置文件存储。在一个实施方案中，如图6所示出，mongo DB在本发明中可用于文件数据库管理。然而，本领域的技术人员可理解，现有技术中可用的任何现有数据存储装置都可用于本发明，因此mongo DB的使用不应限制本发明的保护范围。

在一个实施方案中，mongo DB可用于存储用户交互配置文件。用户交互配置文件可以压缩方式存储。基于文件属性对文件数据库进行编索引，并且可基于文件的任意属性进行搜索。

图7示出根据本发明主题的实施例的推荐计算、排名和可信度。在解释图5之后，在一个实施方案中，推荐引擎从用户配置文件匹配程序接收与由当前用户提供的配置相匹配的其它用户。用户配置文件匹配程序可返回用户和0与1之间的匹配可信度。推荐引擎接着可在交互配置文件数据中查询与相匹配的用户的当前报告状态匹配的动作。交互配置文件数据可返回匹配每名相匹配用户的当前报告状态以及前置条件匹配可信度的动作。推荐引擎接着通过组合用户匹配可信度与每个操作的前置条件匹配可信度来导出每个操作的有效可信度。然后，推荐引擎合并来自多名用户的每个操作的得分来导出每个操作的最终可信度得分。

在一个实施方案中，如图7所示出，推荐引擎得到呈存储用户id和相关联得分的列表形式的相匹配用户。为了匹配用户，推荐引擎接收前置条件匹配当前前置条件的操作。推荐可找出所述匹配并产生存储用户id、对应动作和相关联得分的列表。在下一步中，推荐引擎可将用户匹配得分乘以动作匹配得分。推荐引擎接着合并来自多名用户的相同动作的得分。在最后一步中，推荐引擎基于最大得分对列表进行排序并以可信度顺序显示推荐。

图8示出根据本发明主题的实施例的用于在数据分析期间基于至少一名用户的至少一个数据分析路径而针对所述用户产生至少一个推荐的系统/装置。在一个实施方案中，本发明提供一种用于在数据分析期间基于至少一名用户的至少一个数据分析路径而针对所述用户产生至少一个推荐的系统(800)。

在一个实施方案中，本发明提供一种用于在数据分析期间基于至少一名用户的至少一个数据分析路径而针对所述用户产生至少一个推荐的装置(800)。装置(800)包括处理器(802)和耦合到处理器以执行存储器中存在的多个模块的存储器(806)。

尽管本发明主题是在自助服务分析被实施为系统/装置(800)的情况下进行解释的，但可理解系统/装置(800)也可在多种计算系统中实施，例如在笔记本电脑、台式电脑、笔记本、工作站、大型计算机、服务器、网络服务器及类似者中实施。将理解，系统/装置(800)可由多名用户通过一个或多个用户设备(未示出)或驻存在那些设备中的应用程序(未示出)来访问。系统/装置(800)的实例可包含但不限于便携式计算机，一个人可通过网络(未示出)以通信方式耦合到其它设备。

在一个实施方案中，网络可以是无线网络、有线网络或其组合。网络可实施为不同类型的网络中的一种网络，例如内联网、局域网(local area network，LAN)、广域网(widearea network，WAN)、互联网及类似者。网络可以是专用网络或共享网络。共享网络表示使用多种协议来与彼此通信的不同类型的网络的关联，所述协议例如超文本传输协议(Hypertext Transfer Protocol，HTTP)、传输控制协议/因特网协议(TransmissionControl Protocol/Internet Protocol，TCP/IP)、无线应用协议(Wireless ApplicationProtocol，WAP)及类似者。此外，网络可包含多种网络设备，包含路由器、网桥、服务器、计算设备、存储设备及类似者。

在一个实施方案中，系统/装置(800)可包含至少一个处理器(802)、界面(804)和存储器(806)。至少一个处理器(802)可实施为一个或多个微处理器、微计算机、微控制器、数字信号处理器、中央处理单元、状态机、逻辑电路和/或基于操作指令来控制信号的任何设备。除其它能力之外，至少一个处理器(802)还用于提取和执行存储在存储器(806)中的计算机可读指令。

界面(804)可包含多种软件和硬件界面，例如，网站界面、图形用户界面及类似者。界面(804)可允许系统/装置(800)直接地或通过客户端设备与用户交互。此外，界面(804)可使系统/装置(800)能够与例如网络服务器和外部数据服务器(未示出)的其它计算设备通信。界面(804)可促进在广泛多种网络和协议类型内的多种通信，所述网络和协议类型包含：有线网络，例如LAN、电缆等；和无线网络，例如WLAN、蜂窝式网络或卫星。界面(804)可包含用于将多个设备连接到彼此或连接到另一服务器的一个或多个端口。

存储器(806)可包含本领域中已知的任何计算机可读媒体，包含例如：易失性存储器，例如静态随机存取存储器(static random access memory，SRAM)和动态随机存取存储器(dynamic random access memory，DRAM)；和/或非易失性存储器，例如只读存储器(readonly memory，ROM)、可擦除可编程ROM、快闪存储器、硬盘、光盘以及磁带。存储器(806)可包含多个模块。模块包含例程、程序、对象、组件、数据结构等，其进行特定任务或实施特定抽象数据类型。在一个实施方案中，模块可包含接收模块(808)、用户交互探查器模块(810)、用户配置文件匹配程序模块(812)和推荐模块(814)。其它模块可包含补充系统/装置(800)的应用和功能的程序或编码指令。

在一个实施方案中，接收模块(802)用于接收由所述用户在所述装置的用户界面上进行的至少一个操作。用户交互探查器模块(810)用于对从所述接收模块接收的所述操作进行编索引，由此将所述操作存储在与用户管理模块(816)中的所述用户相关联的交互配置文件数据中，其中所述交互配置文件数据优选地以报告、基于所述操作而产生的视觉显示、所述用户细节和所述操作的形式存储。用户配置文件匹配程序模块(812)用于将所述交互配置文件数据和与至少一个预存储用户配置文件相关联的至少一个预存储交互配置文件数据相匹配，并且当所述交互配置文件数据与所述预存储交互配置文件数据相匹配时产生预存储用户配置文件列表。推荐模块(814)用于：从所述用户配置文件匹配程序模块提取所述预存储用户配置文件列表；基于所述交互配置文件数据和所述用户创建至少一个前置条件；在所述创建的前置条件下在所述用户交互探查器模块中查询由来自所述列表的所述预存储用户配置文件进行的操作；在所述前置条件下从所述用户交互探查器接收由来自所述列表的所述预存储用户配置文件进行的至少一个操作；基于与所述前置条件的可信度匹配而对由所述预存储用户配置文件进行的所述操作进行排名；由此基于所述可信度匹配向所述用户产生所述推荐。

在一个实施方案中，接收模块(808)用于接收所述用户在所述系统的用户界面(804)上进行的至少一个操作。用户交互探查器模块(810)用于对从所述接收模块接收的所述操作进行编索引，由此将所述操作存储在交互配置文件数据中，其中所述交互配置文件数据优选地以报告、基于所述操作而产生的视觉显示、所述用户细节和所述操作的形式存储。用户配置文件匹配程序模块(812)用于将所述交互配置文件数据和与至少一个预存储用户配置文件相关联的至少一个预存储交互配置文件数据相匹配，并且当所述交互配置文件数据与所述预存储交互配置文件数据相匹配时产生预存储用户配置文件列表。推荐模块(814)用于：从所述用户配置文件匹配程序模块提取所述预存储用户配置文件列表；基于所述交互配置文件数据和所述用户创建至少一个前置条件；在所述前置条件下在所述用户交互探查器模块中查询由来自所述列表的所述预存储用户配置文件进行的操作；从所述用户交互探查器接收由来自所述列表的所述预存储用户配置文件进行的至少一个操作；基于与所述前置条件的可信度匹配对由所述预存储用户配置文件进行的所述操作进行排名；由此基于所述可信度匹配向所述用户产生所述推荐。

在一个实施方案中，推荐显示在所述系统/装置(800)的所述用户界面上。

在一个实施方案中，与所述预存储用户配置文件相关联的所述预存储交互配置文件数据存储在用户管理模块(816)中。

在一个实施方案中，用户管理模块(816)用于从所述接收模块接收所述操作并基于所述操作产生与所述用户相关联的至少一个用户配置文件，其中当并未预存储与所述用户相关联的所述用户配置文件时产生所述用户配置文件。

在一个实施方案中，用户管理模块(816)用于存储与多名用户相关联的具有相关交互配置文件数据的预存储用户配置文件列表。

在一个实施方案中，所述推荐优选地针对选自曲线、图表、文氏图的正常度量、计算出的度量、正常维度、计算出的维度、阈值、排序、过滤因子、分组、结果视觉显示或其任何组合。

在一个实施方案中，所述交互配置文件数据包括存储交互配置文件数据的表，其中行具有作为密钥的当前状态和所述用户以及作为值的由所述用户进行的所述操作。

在一个实施方案中，如果所述交互配置文件数据已经存在于所述表中，那么与所述交互配置文件数据相关联的所述操作的计数将会递增。

在一个实施方案中，所述用户配置文件匹配程序模块用于将所述列表和所述交互配置文件数据与所述预定义交互配置文件数据之间的匹配的可信度匹配发送到所述推荐模块，所述可信度匹配优选地是0与1之间的值。

在一个实施方案中，所述用户交互探查器模块(810)用于将由所述预存储用户配置文件进行的所述操作以及所述前置条件匹配的所述可信度发送到所述推荐模块(814)。

在一个实施方案中，所述推荐模块(814)用于获得通过组合所述可信度匹配与所述操作的所述前置条件匹配而进行的每个操作的有效可信度，所述可信度匹配是0与1之间的值。

在一个实施方案中，所述推荐模块(814)用于组合来自所述用户配置文件的操作的所述可信度前置条件匹配以导出每个操作的最终可信度得分。

在一个实施方案中，所述操作优选地选自拖放维度/度量或配置过滤因子或增加计算出的度量或计算出的维度/成员或其任何组合。在一个实施方案中，本领域的技术人员可理解，可存在进行此类操作的多种不同方式。举例来说，所述操作优选地通过一些交互方法在分析式UI上进行，所述交互方法例如拖放或与UI交互的任何可用的已知方式。

在一个实施方案中，所述操作是在所述分析期间所述用户与所述数据的用户交互，所述数据显示在所述系统的所述用户界面上。

图9示出一种根据本发明主题的实施例的用于在数据分析期间基于至少一名用户的至少一个数据分析路径而针对所述用户产生至少一个推荐的方法。可在计算机可执行指令的总体上下文中描述所述方法。通常，计算机可执行指令可包含例程、程序、对象、组件、数据结构、过程、模块、功能等，上述各项进行特定功能或实施特定的抽象数据类型。所述方法还可在分布式计算环境中实践，其中由通过通信网络连接的远程处理设备发挥功能。在分布式计算环境中，计算机可执行指令可位于包含存储器存储设备的本地和远程计算机存储媒体两者中。

描述方法所按的顺序并不意图解释为限制，且所描述的任何数目的方法块可按任何顺序组合以实施方法或替代方法。另外，可在不脱离本文所描述的主题的保护范围的情况下从所述方法中删除单个块。此外，所述方法可在任何合适的硬件、软件、固件或其组合中实施。然而，为便于解释，在下文所描述的实施例中，所述方法可被视为在上述系统/装置(800)中实施。

在框902处，接收由所述用户在所述系统/装置(800)的用户界面(802)上进行的至少一个操作。

在框904处，对在步骤902接收的所述操作进行编索引。

在框906处，将所述操作存储在与所述用户相关联的交互配置文件数据中，其中所述交互配置文件数据优选地以报告、基于所述操作而产生的视觉显示、所述用户细节和所述操作的形式存储；

在框908处，将所述交互配置文件数据和与至少一个预存储用户配置文件相关联的至少一个预存储交互配置文件数据相匹配。

在框910处，当所述交互配置文件数据与所述预存储交互配置文件数据相匹配时产生预存储用户配置文件列表。

在框912处，提取所述预存储用户配置文件列表。

在框914处，基于所述交互配置文件数据和所述用户创建至少一个前置条件。

在框916处，在所述前置条件下查询由来自所述列表的所述预存储用户配置文件进行的至少一个操作。

在框918处，在所述前置条件下接收由来自所述列表的所述预存储用户配置文件进行的所述操作。

在框920处，基于与所述前置条件的可信度匹配而在所述前置条件下对由所述预存储用户配置文件进行的所述操作进行排名。

在框922处，基于所述可信度匹配向用户产生推荐。

在框924处，在所述系统/所述装置的所述用户界面(802)上显示所述推荐。

在一个实施方案中，将与所述预存储用户配置文件相关联的所述预存储交互配置文件数据存储在所述系统/所述装置的用户管理模块中。

在一个实施方案中，所述方法进一步包括：通过所述系统/所述装置的用户管理模块从所述系统/所述装置的接收模块接收所述操作；以及基于所述操作产生与所述用户相关联的至少一个用户配置文件，其中当与所述用户相关联的所述用户配置文件并未预存储在所述用户管理模块中时产生所述用户配置文件。

在一个实施方案中，所述方法进一步包括：将与多名用户相关联的具有相关交互配置文件数据的预存储用户配置文件列表存储在所述系统/所述装置的用户管理模块中。

在一个实施方案中，所述方法包括在匹配之后将由所述预存储用户配置文件进行的所述操作以及所述前置条件匹配的所述可信度发送到所述系统/所述装置的推荐模块。

在一个实施方案中，本发明提供度量(正常和计算出的)、维度(正常和计算出的)、阈值、排序、过滤、分组等操作和结果可视化的推荐。然而，本领域的技术人员可理解，可基于系统要求或用户要求或操作环境来改变/更新推荐。

图10示出根据本发明主题的实施例的主要维度推荐。在一个实施方案中，用户选择数据源以进行数据分析。系统将会示出最常用的维度推荐以供选择。这一情形在以下实例UI中描绘。如图10所示出，用户可拖放如针对常规系统进行的维度。系统还表明来自匹配当前用户的其它用户的最常用维度组合。基于所述推荐，用户选择所表明的选项中的一个。

基于用户的当前分析状态，系统将会示出各种其它维度、度量、计算出的度量、过滤因子、计算出的维度和视觉显示等的推荐。图11到19示出样本UI以描绘这些内容：

图11示出根据本发明主题的实施例的推荐用户界面(user interface，UI)。如图11所示出，将对不同类型的推荐进行分组和显示。

图12示出根据本发明主题的实施例的推荐用户界面(user interface，UI)。如图12所示出，用户可通过点击分组来查看分组内的推荐。

图13示出根据本发明主题的实施例的推荐用户界面(user interface，UI)。如图13所示出，选择推荐选项将会刷新推荐，基于所选择的推荐，可以呈现新的推荐或可以不呈现现有推荐。

图14示出根据本发明主题的实施例的推荐用户界面(user interface，UI)。如图14所示出，用户选择过滤因子RAT＝2G和时间＝上1个月。

图15示出根据本发明主题的实施例的推荐用户界面(user interface，UI)。如图15所示出，用户增加来自推荐的度量：下行链路。

图16示出根据本发明主题的实施例的推荐用户界面(user interface，UI)。在一个实施方案中，图16提供如先前图15所解释的那样进行的动作结果。这增加了维度，并在显示器上显示各个分组中的更多一些推荐作为输出。

图17示出根据本发明主题的实施例的推荐用户界面(user interface，UI)。如图17所示出，由于类似用户在大多数情况下将此计算与流量范围计算一起使用，因此在推荐中呈现不同订户计数度量。用户选择计算出的度量“不同订户计数”并且还清除“MSISDN”。

图18示出根据本发明主题的实施例的推荐用户界面(user interface，UI)。如图18所示出，在报告中增加不同订户计数，并且推荐将会自动刷新。现在，用户选择“图表”的“视觉显示”推荐[其它用户可能已经使用过]。

图19示出根据本发明主题的实施例的推荐用户界面(UI)。如图19所示出，用户实现了他的最终分析报告的目标。因此，推荐系统有助于更快地进行分析。

除了上文解释的内容之外，本发明还包含以下提及的优点：

√本发明提供一种向用户提供分析自动化指导系统中的数据的自动化指导的系统。

√本发明提供一种不断学习其它用户对类似数据的分析路径的系统。

√本发明提供一种将学习内容存储在永久性存储装置中的系统

√本发明提供一种允许用户选择指导标准(类似用户/同一用户组/专家用户/特定用户/等)的系统

√本发明提供一种基于用户的配置文件将用户与所需指导标准相匹配，并且向用户表明适当的非线性分析路径的系统，其中分析路径可表明度量(正常和计算出的)、维度(正常和计算出的)、阈值、排序、过滤、分组等操作和结果可视化。

√本发明为自助服务操作提供推荐。

√本发明提供基于用户配置文件和情景匹配的推荐。

√本发明提供基于当前报告状态的推荐。

√本发明在关于自助服务报告的每个用户动作之后提供推荐变化/更新。

√本发明提供适合于数据保密部署，像多租户系统。

√本发明通过自动化指导提高终端用户的生产力。

√本发明使自助服务系统易于使用。

√本发明确保由于360度分析助手利用来自所有用户的协同知识来做出推荐而不会错过数据洞察/

√本发明可用于培训能够得到来自专家用户的自动化指导的新手用户进行分析

√本发明可用于知识传递，这是因为用户可跟随其它用户。

√本发明可以是基于多租户云的系统中的主要分析特征，像谷歌分析，其中(例如)不同网站管理员追踪其网站的行为。由所有管理员追踪的关键维度和度量是相同的并且协同分析可使分析工作变得非常简单。在来自不同组织的用户需要合作的此类系统中，将需要服务协议来匿名收集知识。

本领域普通技术人员能够认识到，结合本说明书所公开的实施例中所描述的实例，可通过电子硬件或计算机软件与电子硬件的组合实现单元和算法步骤。功能是由硬件还是由软件执行取决于技术方案的特定应用和设计约束条件。本领域技术人员可使用不同的方法实现针对每个特定应用描述的功能，但是不应认为该实现超出本发明的范围。

本领域技术人员可清楚地理解，出于方便和简单描述的目的，对于前述系统、装置和单元的具体工作过程，可参考前述方法实施例中的对应过程，这里不再赘述。

在本申请中提供的若干实施例中，应理解，所公开的系统、装置和方法可通过其它方式实现。例如，所描述的装置实施例仅仅是示例性的。例如，单元划分仅仅是逻辑功能划分且在实际实现中可以是其它划分。例如，可将多个单元或组件组合或集成到另一系统中，或可忽略或不执行部分特征。另外，可通过一些接口实现所显示或论述的互相耦合或直接耦合或通信连接。装置或单元之间的直接耦合或通信连接可通过电子、机械或其它形式实现。

当这些功能以软件功能单元的形式实现或作为单独产品销售或使用时它们可存储在计算机可读存储媒体中。基于这种理解，本发明的技术方案基本上或构成现有技术的部分或技术方案的部分可通过软件产品的形式实现。计算机软件产品存储在存储媒体中并包含若干指令，用于指示计算机设备(其可为个人计算机、服务器或网络设备)进行本发明实施例中所描述的方法的所有或部分步骤。上述存储媒体包含：可以存储程序代码的任何媒体，例如USB盘、可移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁盘或光学光盘。

尽管已用特定针对结构特征和/或方法的语言来描述用来指导自助服务分析的推荐系统、装置及其方法的实施方式，但应理解，所附权利要求书不必限于所描述的特定特征或方法。相反，公开特定特征和方法作为用来指导自助服务分析的推荐系统、装置及其方法的实施方式的实例。

Claims (23)

1.一种用于在数据分析期间基于用户的至少一个数据分析路径而针对所述用户产生至少一个推荐的系统(800)，其特征在于，所述系统(800)包括：

接收模块(808)，其用于接收由所述用户对所述系统的用户界面(804)进行的至少一个操作；

用户交互探查器模块(810)，其用于将所述操作存储在针对所述用户创建的至少一个交互配置文件数据中；

用户配置文件匹配程序模块(812)，其用于：

将与所述用户相关联的所述交互配置文件数据和与至少一名其它用户相关联的至少一个预存储交互配置文件数据相匹配；

当所述交互配置文件数据与所述预存储交互配置文件数据匹配时产生所述预存储用户配置文件列表和与所述预存储用户配置文件相关联的所述匹配的可信度值；

推荐模块(814)，其用于：

基于所述交互配置文件数据和所述用户创建至少一个前置条件；

在所述创建的前置条件下在所述用户交互探查器模块(812)中查询由来自所述列表的所述预存储用户配置文件进行的操作；

接收由来自所述用户交互探查器模块(812)产生的所述列表的所述预存储用户配置文件进行的至少一个操作；

基于所述可信度值向所述用户产生所述推荐。

2.根据权利要求1所述的系统，其特征在于，与所述预存储用户配置文件相关联的所述预存储交互配置文件数据存储在用户管理模块(816)中。

3.根据权利要求1所述的系统，其特征在于，包括用户管理模块(816)，所述用户管理模块(816)用于从所述接收模块接收所述操作并且基于所述操作产生与所述用户相关联的至少一个用户配置文件，其中当并未预存储与所述用户相关联的所述用户配置文件时产生所述用户配置文件。

4.根据权利要求1所述的系统，其特征在于，所述推荐包括以下中的至少一个：选自曲线、图表和文氏图的正常度量、计算出的度量、正常维度、计算出的维度、阈值、排序、过滤因子、分组、结果视觉显示。

5.根据权利要求1所述的系统，其特征在于，所述交互配置文件数据包括存储交互配置文件数据的表，其中行具有作为密钥的当前状态和所述用户以及作为值的由所述用户进行的所述操作。

6.根据权利要求1所述的系统，其特征在于，所述用户交互探查器模块用于将由所述预存储用户配置文件进行的所述操作以及所述前置条件匹配的所述可信度发送到所述推荐模块。

7.根据权利要求6所述的系统，其特征在于，所述推荐模块用于获得通过组合所述可信度匹配与所述操作的所述前置条件匹配而进行的每个操作的有效可信度，所述可信度匹配是0与1之间的值。

8.根据权利要求7所述的系统，其特征在于，所述推荐模块用于组合来自所述用户配置文件的操作的所述可信度前置条件匹配以导出每个操作的最终可信度得分。

9.根据权利要求1所述的系统，其特征在于，所述操作优选地选自以下中的至少一个：拖放维度/度量、配置过滤因子、计算出的度量和计算出的维度/成员。

10.根据权利要求1所述的系统，其特征在于，所述用户配置文件匹配程序模块基于至少一个标准将所述交互配置文件数据和与所述预存储用户配置文件相关联的所述预存储交互配置文件数据相匹配，所述至少一个标准优选地选自同一用户组/家庭，其它用户或其任何组合次之，所述标准由所述用户选择。

11.一种用于在数据分析期间基于用户的至少一个数据分析路径而针对所述用户产生至少一个推荐的由系统/装置进行的方法，其特征在于，所述方法包括：

接收(902)所述用户在用户界面上进行的至少一个操作；

将所述操作存储(906)在针对所述用户创建的交互配置文件数据中；

将与所述用户相关联的所述交互配置文件数据和与至少一名其它用户相关联的至少一个预存储交互配置文件数据相匹配(908)；

当所述交互配置文件数据与所述预存储交互配置文件数据匹配时产生(910)所述预存储用户配置文件列表和与所述预存储用户配置文件相关联的所述匹配的可信度值；

基于所述交互配置文件数据和所述用户创建(914)至少一个前置条件；

在所述前置条件下查询(916)由来自所述列表的所述预存储用户配置文件进行的至少一个操作；

接收(918)由来自所述产生的列表的所述预存储用户配置文件进行的所述操作；

基于所述可信度值向所述用户产生(922)所述推荐。

12.根据权利要求11所述的方法，其特征在于，进一步包括：

通过所述系统/所述装置的用户管理模块从所述系统/所述装置的接收模块接收所述操作；

基于所述操作产生与所述用户相关联的至少一个用户配置文件，其中当与所述用户相关联的所述用户配置文件并未预存储在所述用户管理模块中时产生所述用户配置文件。

13.根据权利要求11所述的方法，其特征在于，进一步包括：将与多名用户相关联的具有相关交互配置文件数据的预存储用户配置文件列表存储在所述系统/所述装置的用户管理模块中。

14.根据权利要求11所述的方法，其特征在于，推荐包括以下中的至少一个：选自曲线、图表和文氏图的正常度量、计算出的度量、正常维度、计算出的维度、阈值、排序、过滤因子、分组、结果视觉显示。

15.根据权利要求11所述的方法，其特征在于，所述交互配置文件数据包括存储交互配置文件数据的表，其中行具有作为密钥的当前状态和所述用户以及作为值的由所述用户进行的所述操作。

16.根据权利要求11所述的方法，其特征在于，所述交互配置文件数据包括存储交互配置文件数据的表，其中行具有作为密钥的当前状态和所述用户以及作为值的由所述用户进行的所述操作。

17.根据权利要求11所述的方法，其特征在于，包括在匹配之后将由所述预存储用户配置文件进行的所述操作以及所述前置条件匹配的所述可信度发送到所述系统/所述装置的推荐模块。

18.根据权利要求17所述的方法，其特征在于，所述推荐模块用于获得通过组合所述可信度匹配与所述操作的所述前置条件匹配而进行的每个操作的有效可信度，所述可信度匹配是0与1之间的值。

19.根据权利要求18所述的方法，其特征在于，所述推荐模块用于组合来自所述用户配置文件的操作的所述可信度前置条件匹配以导出每个操作的最终可信度得分。

20.根据权利要求11所述的方法，其特征在于，所述操作优选地选自以下中的至少一个：拖放维度/度量，或配置过滤因子、增加计算出的度量、计算出的维度/成员。

21.根据权利要求11所述的方法，其特征在于，包括基于至少一个标准将所述交互配置文件数据和与所述预存储用户配置文件相关联的所述预存储交互配置文件数据相匹配，所述至少一个标准优选地选自同一用户组/家庭，其它用户或其任何组合次之，所述标准由所述用户选择。

22.一种用于在数据分析期间基于用户的至少一个数据分析路径而针对所述用户产生至少一个推荐的装置，其特征在于，所述装置包括：处理器和存储器，所述处理器用于执行所述处理器中存储的代码，以执行如权11到21任一项权利要求所述的方法。

23.一种计算机存储介质，所述计算机存储介质中存储有用于在数据分析期间基于用户的至少一个数据分析路径而针对所述用户产生至少一个推荐的方法，其特征在于，所述方法为权11到21任一项权利要求所述的方法。

Images