CN108681814A - 一种大数据质量标准管理控制方法 - Google Patents

一种大数据质量标准管理控制方法 Download PDF

Info

Publication number
CN108681814A
CN108681814A CN201810443982.XA CN201810443982A CN108681814A CN 108681814 A CN108681814 A CN 108681814A CN 201810443982 A CN201810443982 A CN 201810443982A CN 108681814 A CN108681814 A CN 108681814A
Authority
CN
China
Prior art keywords
rate
data
submodel
calculation
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810443982.XA
Other languages
English (en)
Inventor
高强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Dingtai Zhiyuan Technology Co Ltd
Original Assignee
Beijing Dingtai Zhiyuan Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Dingtai Zhiyuan Technology Co Ltd filed Critical Beijing Dingtai Zhiyuan Technology Co Ltd
Priority to CN201810443982.XA priority Critical patent/CN108681814A/zh
Publication of CN108681814A publication Critical patent/CN108681814A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management

Abstract

本发明提出了一种大数据质量标准管理控制方法，包括：建立质量综合评价模型，其中，所述质量综合评价模型包括：覆盖率子模型、公信度子模型、遗漏率子模型、精细度子模型、一致性子模型、准确率子模型、重复率子模型、空值率子模型、更新频率子模型；接收测试数据，将所述测试数据输入至质量评价模型中，根据所述质量评价模型中的各个子模型依次对所述测试数据进行评价，生成评价结果；将所述测试数据的评价结果以图形列表形式，呈现给用户查看。本发明实现对数据生命周期中数据生产、数据测试、数据存储、数据服务各个流通环节的质量标准管理。

Description

一种大数据质量标准管理控制方法
技术领域
本发明涉及数据采集和管理技术领域，特别涉及一种大数据质量标准管理控制方法。
背景技术
在数据生命周期中，各个数据流通环节都具有重要作用。数据生命周期中的数据流通环节，包括：数据生产、数据测试、数据存储和数据服务。然而，如果上述某个流通环节的数据质量如果无法得到保证，则会影响整个数据流通效率和质量。如何保证上述各个数据流通环节的数据质量，是当前需要解决的技术问题。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此，本发明的目的在于提出一种大数据质量标准管理控制方法，实现对数据生命周期中数据生产、数据测试、数据存储、数据服务各个流通环节的质量标准管理。
为了实现上述目的，本发明的实施例提供的大数据质量标准管理控制方法，包括如下步骤：
步骤S1，建立质量评价模型，其中，所述质量评价模型包括：覆盖率子模型的评价指标及计算方式、公信度子模型的评价指标及计算方式、遗漏率子模型的评价指标及计算方式、精细度子模型的评价指标及计算方式、一致性子模型的评价指标及计算方式、准确率子模型的评价指标及计算方式、重复率子模型的评价指标及计算方式、空值率子模型的评价指标及计算方式、更新频率子模型的评价指标及计算方式；
步骤S2，接收测试数据，将所述测试数据输入至所述步骤S1建立的质量评价模型中，根据所述质量评价模型中的各个子模型依次对所述测试数据进行评价，生成评价结果；
步骤S3，将所述测试数据的评价结果以图形列表形式，呈现给用户查看。
进一步，(1)所述覆盖率子模型的评价指标：采集源的覆盖率；
计算方式：采集源覆盖率＝已采集网站/应采集网站*100％；
(2)所述公信度子模型的评价指标：采集源的公信率；
计算方式：采集源公信率＝具备公信的数据/数据总数*权值*100％；
(3)所述遗漏率子模型的评价指标：采集遗漏数量占比；
计算方式：采集遗漏率＝遗漏数据量/应采集数据总量*100％；
(4)所述精细度子模型的评价指标：细分度；
计算方式：细分度＝数据已解特征数/数据特征总数*100％；
(5)所述一致性子模型的评价指标包括：原文一致率、修正备注率；
计算方式：
原文一致率＝与原文内容一致数据量/采集数据总数*100％；
修正备注率＝修正备注数据量/采集数据总数*100％
总分值＝(原文一致率分值*权值+修正备注率*权值)*综合有效值
(6)所述准确率子模型的评价指标包括：乱码率、数值异常率；
计算方式包括：
乱码率＝乱码数据量/数据总数*100％；
数值异常率＝数值异常数据量/数据总数*100％；
总分值＝(100-(乱码率分值*权值+数值异常率分值*权值))*综合有效值；
(7)所述重复率子模型的评价指标包括：唯一性字段重复率、组合字段重复率、主体内容重复率；
计算方式：
唯一性字段重复率＝唯一性字段内容重复数/数据总数*100％；
组合字段重复率＝组合字段重复数/数据总数*100％；
主体内容重复率＝主体内容重复数/数据总数*100％；
总分值＝(100-(唯一性字段重复率分值*权值+组合字段重复率分值*权值+主体内容重复率分值*权值))*综合有值；
(8)所述空值率子模型的评价指标包括：必填字段空值率、数据源字段空值率、重要字段空值率；
计算方式：
必填字段空值率＝必填字段空值数/数据总数*100％；
数据源字段空值率＝数据源字段空值数/数据总数*100％；
重要字段空值率＝重要字段空值数/数据总数*100％；
总分值＝(100-(必填字段空值率*权值+数据源字段空值率*权值+重要字段空值率*权值)*综合有值；
(9)所述更新频率子模型的评价指标包括：数据生产速率；
计算方式：
当可延时时长>延时天数；数据生产速率分值＝100；
当可延时时长≤延时天数≤可延时时长+10时；
数据生产速率分值＝100-(延时天数T1-可延时时长)*(延时天数T1-可延时时长))；
延时天数>可延时时长+10时；
数据生产速率分值＝0；
总分值＝数据生产速率分值*权值。
进一步，在所述步骤S2中，所述根据质量评价模型中的各个子模型依次对所述测试数据进行评价，包括如下步骤：
计算所述质量评价模型中每个子模型的分值、阈值、阈值有效值、综合有效值、权值，计算出该测试数据的总分值，得到最终的评价结果。
进一步，所述质量评价模型支持多用户同时查询数据。
进一步，还包括如下步骤：当查询数据出错时，返回报错提示信息。
进一步，所述报错提示信息包括以下一种或多种：系统错误提示、授权码错误提示、类型参数错误、内容参数错误。
进一步，还包括如下步骤：执行以下一种或多种策略：接口查询验证策略、角色权限限制策略、可防御恶意查询攻击和可防御其他恶意攻击。
根据本发明实施例的大数据质量标准管理控制方法，建立统一的数据质量分析评价模型，使用管理手段和技术手段相结合的办法建立一套完善的数据定义、控制、评估流程，依托科学严谨的数据监督和质量控制体系持续地改进数据质量。根据质量评价模型将根据测试反馈的结果表，评议出数据质量的关键指标，实现对数据质量的量化诊断和评价。本发明提供的数据质量管理控制伴随着整个数据生命周期，数据流通的各个环节，实现对数据生命周期中数据生产、数据测试、数据存储、数据服务各个流通环节的质量标准管理。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明实施例的大数据质量标准管理控制方法的流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
本发明提出一种大数据质量标准管理控制方法，可以实现对整个数据生命周期中数据流通的各个环节的质量标准管理。其中，数据生命周期包括数据生产、数据测试、数据存储、数据服务。
如图1所示，本发明实施例的大数据质量标准管理控制方法，包括如下步骤：
步骤S1，建立质量评价模型，其中，所述质量评价模型包括：覆盖率子模型的评价指标及计算方式、公信度子模型的评价指标及计算方式、遗漏率子模型的评价指标及计算方式、精细度子模型的评价指标及计算方式、一致性子模型的评价指标及计算方式、准确率子模型的评价指标及计算方式、重复率子模型的评价指标及计算方式、空值率子模型的评价指标及计算方式、更新频率子模型的评价指标及计算方式；
(1)覆盖率：目标领域采集数据源覆盖的比例。其中，定义的采集源覆盖率应大于等于85％；
如表1所示，覆盖率子模型的评价指标包括：采集源的覆盖率。计算方式：采集源覆盖率＝已采集网站/应采集网站*100％。
覆盖率 分值 阀值 阀值有效值 综合有效值 权值 总分值
采集源覆盖率 94 ≥85 1 1 1 94
表1
(2)公信度：目标数据源可信度。其中，定义的数据源应可信，可信度应大于等于90％；
如表2所示，公信度子模型的评价指标包括：采集源的公信率。计算方式：采集源公信率＝具备公信的数据/数据总数*权值*100％。
公信度 分值 阀值 阀值有效值 综合有效值 权值 总分值
采集源公信率 99 ≥90 1 1 1 99
表2
(3)遗漏率：目标领域或目标维度数据源数据采集无遗漏；其中，定义的遗漏率应不大于15％。
如表3所示，遗漏率子模型的评价指标包括：采集遗漏率。计算方式：采集遗漏率＝遗漏数据量/应采集数据总量*100％。
遗漏率 分值 阀值 阀值有效值 综合有效值 权值 总分值
采集遗漏率 2 ≤15 1 1 1 2
表3
(4)精细度：目标维度数据主要特征的细分程度。其中，定义的细分度应大于等于85％；
如表4所示，精细度子模型的评价指标包括：细分度。计算方式：细分度＝数据已解析特征数/数据特征总数*权值*100％；
精细度 分值 阀值 阀值有效值 综合有效值 权值 总分值
细分度 90 ≥85 1 1 1 90
表4
(5)一致性：生产数据与原数据相一致。其中，定义的原文一致率应大于等于95％，定义的修正备注率应大于等于95％；
如表5所示，一致性子模型的评价指标包括：原文一致率、修正备注率。计算方式：
原文一致率＝与原文内容一致数据量/采集数据总数*100％；
修正备注率＝修正备注数据量/采集数据总数*100％
一致性＝(原文一致率分值*权值+修正备注率*权值)*综合有效值
表5
(6)准确率：目标维度结构化字段内容解析正确的比例。其中，定义的乱码率应不大于5％，数值异常率应不大于3％；
如表6所示，一致性子模型的评价指标包括：乱码率、数值异常率。计算方式：
乱码率＝乱码数据量/数据总数*100％；
数值异常率＝数值异常数据量/数据总数*100％；
准确率＝(100-(乱码率分值*权值+数值异常率分值*权值+内容错误率分值*权值)*综合有效值
表6
(7)重复率：目标维度内重复数据比例。其中，定义的唯一性字段重复率应不大于1％，组合字段重复率应不大于2％，主体内容重复率应不大于3％；
如表7所示，重复率子模型的评价指标包括：原文一致率、修正备注率。计算方式：
唯一性字段重复率＝唯一性字段内容重复数/数据总数*100％；
组合字段重复率＝组合字段重复数/数据总数*100％；
主体内容重复率＝主体内容重复数/数据总数*100％；
重复率＝(100-(唯一性字段重复率分值*权值+组合字段重复率*权值+主体内容重复率*权值))*综合有效值
表7
(8)空值率：目标维度目标字段内容缺失数据量比例。其中，定义的必填字段空值率应不大于1％，数据源字段空值率不大于1％，重要字段空值率应不大于10％，主要字段空值率不大于30％，非主要字段空值率应不大于50％；
如表8所示，重复率子模型的评价指标包括：必填字段空值率、数据源字段空值率。
计算方式：
必填字段空值率＝必填字段空值数/数据总数*100％；
数据源字段空值率＝数据源字段空值数/数据总数*100％；
空值率＝(100-(必填字段空值率分值*权值+数据源字段空值率*权值))*综合有效值
表8
(9)更新频率：数据从数据源发布到可应用的更新频率。对于非定制常备型数据的采集，可查询时间可参考下表10。
表10
对于定制数据可查询时间需短于客户需求时间。
在本发明的一个实施例中，更新频率子模型的评价指标包括：数据生产速率；
如表11所示，计算方式：
1)当延时天数＜可延时天数；数据生产速率分值＝100；
2)当可延时时长≤延时天数≤可延时时长+10；
数据生产速率分值＝100-(延时天数T1-可延时时长)*(延时天数T1-可延时时长))；
3)延时天数>可延时时长+10时；
数据生产速率分值＝0；
总分值＝数据生产速率分值*权值。
更新频率 分值 阀值 阀值有效值 综合有效值 权值 总分值
数据生产速率 100 ≥50 1 1 1 100
表11
步骤S2，接收测试数据，将测试数据输入至步骤S1建立的质量评价模型中，根据质量评价模型中的各个子模型依次对测试数据进行评价，生成评价结果。
根据质量评价模型中的各个子模型依次对测试数据进行评价，包括如下步骤：
计算所述质量评价模型中每个子模型的分值、阈值、阈值有效值、综合有效值、权值，计算出该测试数据的总分值，得到最终的评价结果。
在本发明的一个实施例中，质量评价模型支持多用户同时查询数据。
具体的，如表9所示，根据质量评价模型中的各个子模型依次对测试数据进行评价，生成评价结果。
表9
总体模型对测试数据进行总体质量评估，做出客观评定，各项评测分值参数来自于基础模型。基础模型部分是整个模型框架的支撑核心部分，总体评定模型以基础模型中的有效判定和分值为依据。
步骤S3，将测试数据的评价结果以图形列表形式，呈现给用户查看。
此外，本发明实施例的大数据质量标准管理控制方法，还包括如下步骤：接口查询能够容错，查询参数错误能够返回正确的报错信息。
在本发明的一个实施例中，报错提示信息包括以下一种或多种：系统错误提示、授权码错误提示、类型参数错误、内容参数错误。
此外，本发明实施例的大数据质量标准管理控制方法，还包括如下步骤：执行以下一种或多种策略：接口查询验证策略、角色权限限制策略、可防御恶意查询攻击和可防御其他恶意攻击。
数据采集、清洗后可对外服务前需交由测试部门测试，经过上述步骤评价后达到测试标准后方可入库上线。未达到以上标准的，补采等处理措施，直至达到交接标准。
本发明实施例的大数据质量标准管理控制方法，其接口服务标准如下：
1.1易用性
1)字段定义易懂，用词准确，屏弃摸棱两可或错误的名称，能望文知意。
2)无冗余字段；
3)无未定义字段；
1.2稳定性
1.2.1服务稳定
1)接口可7*24小时提供稳定的查询服务；
2)拥有备份服务接口，当主接口宕机的情况下，可在10分钟内启用备用接口；
1.2.2返回值稳定
1)查询结果字段与该字段版本定义一致；
2)同一查询参数查询结果保持一致，若不一致需要附带修正备注；
1.3并发数
接口可支持100用户同时执行查询访问数据操作；
1.4响应时间
单次接口查询响时间在1s内较好，平均响应时间在3s～5s内，最大响应时间应不超过10s；
1.5吞吐量
接口吞吐量不小于0.3Mb/s；
计算方式：接口单次查询数据量大小在1.5kb内，若在1s内完成，100用户同时并发吞吐量为1.5*1*1000/1024≈0.15Mb/s，给出1倍冗余约为0.3Mb/s；
1.6容错性
接口查询能够容错，查询参数错误能够返回正确的报错信息；
1)系统错误提示；
2)授权码错误提示；
3)类型参数错误；
4)内容参数错误；
1.7安全性
1)接口查询验证策略；
2)角色权限限制策略；
3)可防御恶意查询攻击；
4)可防御其他恶意攻击。
根据本发明实施例的大数据质量标准管理控制方法，建立统一的数据质量分析评价模型，使用管理手段和技术手段相结合的办法建立一套完善的数据定义、控制、评估流程，依托科学严谨的数据监督和质量控制体系持续地改进数据质量。根据质量评价模型将根据测试反馈的结果表，评议出数据质量的关键指标，实现对数据质量的量化诊断和评价。本发明提供的数据质量管理控制伴随着整个数据生命周期，数据流通的各个环节，实现对数据生命周期中数据生产、数据测试、数据存储、数据服务各个流通环节的质量标准管理。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。

Claims (7)

1.一种大数据质量标准管理控制方法，其特征在于，包括如下步骤：
步骤S1，建立质量评价模型，其中，所述质量评价模型包括：覆盖率子模型的评价指标及计算方式、公信度子模型的评价指标及计算方式、遗漏率子模型的评价指标及计算方式、精细度子模型的评价指标及计算方式、一致性子模型的评价指标及计算方式、准确率子模型的评价指标及计算方式、重复率子模型的评价指标及计算方式、空值率子模型的评价指标及计算方式、更新频率子模型的评价指标及计算方式；
步骤S2，接收测试数据，将所述测试数据输入至所述步骤S1建立的质量评价模型中，根据所述质量评价模型中的各个子模型依次对所述测试数据进行评价，生成评价结果；
步骤S3，将所述测试数据的评价结果以图形列表形式，呈现给用户查看。
2.如权利要求1所述的大数据质量标准管理控制方法，其特征在于，
(1)所述覆盖率子模型的评价指标：采集源的覆盖率；
计算方式：采集源覆盖率＝已采集网站/应采集网站*100％；
(2)所述公信度子模型的评价指标：采集源的公信率；
计算方式：采集源公信率＝具备公信的数据/数据总数*权值*100％；
(3)所述遗漏率子模型的评价指标：采集遗漏数量占比；
计算方式：采集遗漏率＝遗漏数据量/应采集数据总量*100％；
(4)所述精细度子模型的评价指标：细分度；
计算方式：细分度＝数据已解特征数/数据特征总数*100％；
(5)所述一致性子模型的评价指标包括：原文一致率、修正备注率；
计算方式：
原文一致率＝与原文内容一致数据量/采集数据总数*100％；
修正备注率＝修正备注数据量/采集数据总数*100％
总分值＝(原文一致率分值*权值+修正备注率*权值)*综合有效值
(6)所述准确率子模型的评价指标包括：乱码率、数值异常率；
计算方式包括：
乱码率＝乱码数据量/数据总数*100％；
数值异常率＝数值异常数据量/数据总数*100％；
总分值＝总分值＝(100-(乱码率分值*权值+数值异常率分值*权值))*综合有效值；
(7)所述重复率子模型的评价指标包括：唯一性字段重复率、组合字段重复率、主体内容重复率；
计算方式：
唯一性字段重复率＝唯一性字段内容重复数/数据总数*100％；
组合字段重复率＝组合字段重复数/数据总数*100％；
主体内容重复率＝主体内容重复数/数据总数*100％；
总分值＝(100-(唯一性字段重复率分值*权值+组合字段重复率分值*权值+主体内容重复率分值*权值))*综合有值；
(8)所述空值率子模型的评价指标包括：必填字段空值率、数据源字段空值率、重要字段空值率；
计算方式：
必填字段空值率＝必填字段空值数/数据总数*100％；
数据源字段空值率＝数据源字段空值数/数据总数*100％；
重要字段空值率＝重要字段空值数/数据总数*100％；
总分值＝(100-(必填字段空值率分值*权值+数据源字段空值率*权值))*综合有效值；
(9)所述更新频率子模型的评价指标包括：数据生产速率；
计算方式：
当可延时时长>延时天数；数据生产速率分值＝100；
当可延时时长≤延时天数≤可延时时长+10时；
数据生产速率分值＝100-(延时天数T1-可延时时长)*(延时天数T1-可延时时长))；
延时天数>可延时时长+10时；
数据生产速率分值＝0；
总分值＝数据生产速率分值*权值。
3.如权利要求1所述的大数据质量标准管理控制方法，其特征在于，在所述步骤S2中，所述根据质量评价模型中的各个子模型依次对所述测试数据进行评价，包括如下步骤：
计算所述质量评价模型中每个子模型的分值、阈值、阈值有效值、综合有效值、权值，计算出该测试数据的总分值，得到最终的评价结果。
4.如权利要求1所述的大数据质量标准管理控制方法，其特征在于，所述质量评价模型支持多用户同时查询数据。
5.如权利要求1所述的大数据质量标准管理控制方法，其特征在于，还包括如下步骤：当查询数据出错时，返回报错提示信息。
6.如权利要求1所述的大数据质量标准管理控制方法，其特征在于，所述报错提示信息包括以下一种或多种：系统错误提示、授权码错误提示、类型参数错误、内容参数错误。
7.如权利要求1所述的大数据质量标准管理控制方法，其特征在于，还包括如下步骤：执行以下一种或多种策略：接口查询验证策略、角色权限限制策略、可防御恶意查询攻击和可防御其他恶意攻击。
CN201810443982.XA 2018-05-10 2018-05-10 一种大数据质量标准管理控制方法 Pending CN108681814A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810443982.XA CN108681814A (zh) 2018-05-10 2018-05-10 一种大数据质量标准管理控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810443982.XA CN108681814A (zh) 2018-05-10 2018-05-10 一种大数据质量标准管理控制方法

Publications (1)

Publication Number Publication Date
CN108681814A true CN108681814A (zh) 2018-10-19

Family

ID=63805833

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810443982.XA Pending CN108681814A (zh) 2018-05-10 2018-05-10 一种大数据质量标准管理控制方法

Country Status (1)

Country Link
CN (1) CN108681814A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109669969A (zh) * 2018-12-14 2019-04-23 国信优易数据有限公司 一种数据服务系统和方法
CN110033201A (zh) * 2019-04-22 2019-07-19 浙江中烟工业有限责任公司 一种烟草工业批次全过程数据质量评价和改进的方法和装置
CN113407517A (zh) * 2020-11-27 2021-09-17 北京三维天地科技股份有限公司 一种基于多维分析技术的数据质量健康度分析方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110055205A1 (en) * 2009-08-11 2011-03-03 Terrence Stanley David Scott Data processing system for manufacturing quality inspection management system
CN106056407A (zh) * 2016-06-03 2016-10-26 北京网智天元科技股份有限公司 基于用户行为分析的网银用户画像方法及设备
CN106980922A (zh) * 2017-03-03 2017-07-25 国网天津市电力公司 一种基于大数据的输变电设备状态评价方法
CN107886259A (zh) * 2017-12-27 2018-04-06 安徽华久信科技有限公司 基于教育大数据的课堂教学质量测评系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110055205A1 (en) * 2009-08-11 2011-03-03 Terrence Stanley David Scott Data processing system for manufacturing quality inspection management system
CN106056407A (zh) * 2016-06-03 2016-10-26 北京网智天元科技股份有限公司 基于用户行为分析的网银用户画像方法及设备
CN106980922A (zh) * 2017-03-03 2017-07-25 国网天津市电力公司 一种基于大数据的输变电设备状态评价方法
CN107886259A (zh) * 2017-12-27 2018-04-06 安徽华久信科技有限公司 基于教育大数据的课堂教学质量测评系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
元界研究院: "金融机构外部风险数据的标准评价体系", 《HTTPS://WWW.WEIYANGX.COM/284189.HTML?FROM=GROUPMESSAGE》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109669969A (zh) * 2018-12-14 2019-04-23 国信优易数据有限公司 一种数据服务系统和方法
CN110033201A (zh) * 2019-04-22 2019-07-19 浙江中烟工业有限责任公司 一种烟草工业批次全过程数据质量评价和改进的方法和装置
CN113407517A (zh) * 2020-11-27 2021-09-17 北京三维天地科技股份有限公司 一种基于多维分析技术的数据质量健康度分析方法及系统
CN113407517B (zh) * 2020-11-27 2022-02-11 北京三维天地科技股份有限公司 一种基于多维分析技术的数据质量健康度分析方法及系统

Similar Documents

Publication Publication Date Title
CN108681814A (zh) 一种大数据质量标准管理控制方法
Zhelyazkova et al. Decoupling practical and legal compliance: Analysis of member states’ implementation of EU policy
CN109461070A (zh) 一种风险审批方法、装置、存储介质和服务器
CN105471823B (zh) 一种敏感信息处理方法、装置、服务器及安全判定系统
CN108009915A (zh) 一种欺诈用户社区的标记方法及相关装置
KR20170137138A (ko) 주소 매칭 기반 위험성 식별 방법 및 장치
CN109524098A (zh) 基于数据分析的就诊信息处理方法、装置、设备及介质
Syamsuddin et al. A new fuzzy MCDM framework to evaluate e-government security strategy
Fan et al. A novel two‐stage model for cloud service trustworthiness evaluation
Wong et al. An assessment framework for benefit sharing mechanisms to reduce emissions from deforestation and forest degradation within a forest policy mix
Lu et al. What influences the growth of the Chinese nonprofit sector: A prefecture-level study
Cai et al. Gap analysis on hospitalized health service utilization in floating population covered by different medical insurances: case study from Jiangsu Province, China
CN109636652A (zh) 购药行为异常的监控方法、监控服务端及存储介质
CN110618911B (zh) 数据监控方法、装置、存储介质和服务器
Clarke et al. A smartphone-based system for population-scale anonymized public health data collection and intervention
Kappeler et al. Does fiscal decentralisation foster regional investment in productive infrastructure?
Yang et al. Institutions, interests, and policy support: experimental evidence from China
CN109377059A (zh) 一种基于风险管控的数据处理方法及设备
CN116108472B (zh) 一种用于电厂的数据安全处理方法及系统
CN108023956A (zh) 一种门禁云服务系统及将门禁设备注册至该系统的方法
CN116760649A (zh) 基于大数据的数据安全保护及预警方法
CN114257411A (zh) 交易流量控制方法、装置、设备、介质和计算机程序产品
Lodge et al. Regulating in the interest of the citizen: towards a single model of regulatory transparency?
Sirbiladze et al. Weighted fuzzy averages in fuzzy environment: part II. Generalized weighted fuzzy expected values in fuzzy environment
Fumey Intergovernmental fiscal transfers and tactical political maneuverings: Evidence from Ghana's District Assemblies Common Fund

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20181019

RJ01 Rejection of invention patent application after publication