CN108829731A - 数据分析方法、系统、计算机可读存储介质、及电子终端 - Google Patents

Abstract

本发明提供数据分析方法、系统、计算机可读存储介质、及电子终端，包括从至少一个业务系统采集业务数据；根据所述业务数据建立数据仓库；建立数据分析系统以分析源数据，并将分析结果信息以可视化的方式提供至决策者；其中，所述源数据包括来自所述数据仓库的数据。本发明从多个业务系统采集业务数据，并据以建立数据仓库，为决策者提供可视化的数据分析结果信息，以便决策者及时地应对企业运营过程中存在的问题与经营状况。

Description

数据分析方法、系统、计算机可读存储介质、及电子终端

技术领域

本发明涉及数据分析领域，特别是涉及数据分析方法、系统、计算机可读存储介质、及电子终端。

背景技术

随着经营、监管、风险等内、外部环境的不断变化，如何快速及时地应对企业运营过程中存在的问题和经营状况，以及如何为经营决策提供有效的支持，越来越成为企业数据管理部门和决策人员的迫切需求。

但是，现有的数据分析系统反应速度较慢，只能分析一个维度的数据，无法结合多个类型的数据进行分析，用户体验度低。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供数据分析方法、系统、电子终端、及计算机存储介质，用于解决现有的数据分析系统反应速度较慢，只能分析一个维度的数据，无法结合多个类型的数据进行分析，用户体验度低等技术问题。

为实现上述目的及其他相关目的，本发明提供一种数据分析方法，其包括：从至少一个业务系统采集业务数据；根据所述业务数据建立数据仓库；建立数据分析系统以分析源数据，并将分析结果信息以可视化的方式提供至决策者；其中，所述源数据包括来自所述数据仓库的数据。

于本发明的一实施例中，从至少一个业务系统采集业务数据的流程具体包括：将至少一个业务系统的业务数据抽取至操作数据存储模块中；在所述操作数据存储模块中进行数据清洗，以滤除瑕疵数据；所述瑕疵数据包括不完整数据、错误数据、重复数据中的任意一种或多种组合；将清洗后的数据加载至数据仓库；其中，数据加载过程包括数据转换，所述数据转换包括：将不同业务系统中相同类型的数据统一、转换数据粒度、转换商务规则计算方式中的任意一种或多种组合。

于本发明的一实施例中，从至少一个业务系统采集业务数据的数据抽取工具包括：ETL工具、SQL数据库、或者ETL工具与SQL数据库的结合。

于本发明的一实施例中，所述ETL工具包括日志模块和警报模块；所述日志模块用于实时记录ETL工具的运行情况，所述警报模块用于向用户发出警告；其中，所述日志模块的日志类型包括执行过程日志、错误日志、或总体日志。

于本发明的一实施例中，所述将分析结果信息以可视化的方式提供至决策者具体包括：将所述源数据以数据模块的形式并按照行和/或列排列于页面；选择图例，以生成与所述源数据相对应的可视化的图表；设置参数，所述参数包括所述图表的坐标或阈值；实时更新所述可视化的图表。

于本发明的一实施例中，所述业务数据包括：财务分析数据、成本分析数据、市场分析数据、收入分析数据、客户分析数据、采购分析数据、质量分析数据、或者人力资源数据。

于本发明的一实施例中，建立数据仓库具体包括建立数据存储库层和数据集市层。

为实现上述目的及其他相关目的，本发明提供一种数据分析系统，位于数据仓库和决策者之间，所述数据分析系统包括：源数据管理引擎，用于管理和协调源数据之间的连接、使用、或者数据组织；其中，所述源数据包括来自数据仓库、数据集市、报表、或者其他数据库的数据，所述数据仓库、数据集市的数据基于至少一个业务系统采集业务数据；应用服务器，用于支持Web服务器；配置数据库服务器，用于存储系统的用户信息、权限信息、或者系统自定义配置信息；配置引擎，用于自定义指标分析视图解析与生成；配置管理模块，用于维护和管理系统的配置信息；权限管理模块，用于管理和维护系统资源权限；用户管理模块，用于管理和维护系统用户；安全管理模块，用于基于Spring安全框架的用户认证及系统资源安全管理。

为实现上述目的及其他相关目的，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述数据分析方法。

为实现上述目的及其他相关目的，本发明提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子终端执行所述数据分析方法。

如上所述，本发明的数据分析方法、系统、计算机可读存储介质、及电子终端，具有以下有益效果：本发明从多个业务系统采集业务数据，并据以建立数据仓库，为决策者提供可视化的数据分析结果信息，以便决策者及时地应对企业运营过程中存在的问题与经营状况。

附图说明

图1显示为本发明一实施例中数据分析系统的应用场景的示意图。

图2显示为本发明一实施例中数据分析方法的流程的示意图。

图3显示为本发明一实施例中数据仓库结构类型的示意图。

图4显示为本发明一实施例中数据分析系统的示意图。

图5显示为本发明一实施例中电子终端的示意图。

元件标号说明

51 处理器

52 存储器

53 通信接口

54 系统总线

S21～S23 方法流程

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

如图1所示，展示本发明一实施例中数据分析系统的应用场景的示意图。由图1可知，整个商务智能体系由虚线分割为三大板块，分别为决策支持、数据仓库、以及业务系统。于本实施例中，所述数据分析系统在整个企业商务智能体系中位于数据仓库和决策者之间，所述数据分析系统接收来自数据仓库、数据集市、报表、或者其他数据库的数据，并将接收到的数据进行加工，通过图表及参数设置以可视化的方式提供给决策者，供决策者做出相应的决策。其中，OLAP意为online analytical procession，即联机分析处理，是允许以一种称为多维数据集的多维结构访问来自商业数据源(如数据仓库)的经过聚合和组织整理的数据。

如图2所示，展示本发明以实施例中数据分析方法的流程示意图。所述数据分析方法具体包括如下步骤：

步骤S21：从至少一个业务系统采集业务数据。所述业务数据例如：财务分析数据、成本分析数据、市场分析数据、收入分析数据、客户分析数据、采购分析数据、质量分析数据、或者人力资源数据等等。

其中，财务分析数据包括资本构成、负债权益变化、盈利能力指标与变化、资金状况、现金流量、资产周转、成本费用、偿债能力、经营协调性、经营业绩、资本结构及变化、发展潜力、经营风险等数据；成本分析数据包括成本能力、成本结构、成本比较、跨年同期成本趋势、定基成本趋势、环比成本趋势、责任成本、成本性态、标准成本差异、量-本-利分析与预测、成本BOM、成本动因，成本利润等数据；市场分析数据包括目标市场细分、行业市场、区域市场、渠道结构、市场活动、市场费用、促销效果、市场竞争环境、竞争对手市场份额、对手价格、对手渠道对手市场活动、对手拓展手段、传媒广告，消费趋势等数据；收入分析数据包括按公司各个层次的组织架构、业务类别、分支机构区域、时段等视角，分析收入组成、收入增长、收入市占比、佣金率、盈利能力、同比、环比、营销利润、营销费用、销售营销能力指标等数据；客户分析数据包括包括客户基本情况、客户结构、客户群体分类、新开户数、销户数、潜在客户、客户收入、客户交易、客户反馈、客户抱怨、客户咨询、客户投诉、客户建议、客户满意度分析、客户忠诚度分析，对服务和产品反应等数据；采购分析数据包括供应商分析、供应信用等级、价格变动、交货拖期、物料时段需求、供应商供货物料，价格和质量比较，请购/订购/入库情况等数据；质量分析数据包括营销质量、服务质量、项目质量、咨询质量，合规质量等数据；人力资源数据包括包括人员总量分析、文化结构分析、年龄结构分析、工龄结构分析、岗位分布分析、人员变动分析，工资情况分析等数据。因业务系统的种类繁多，故不再一一列举赘述。

值得注意的是，现有技术通常每次只能基于一种业务系统的业务数据做分析，这就导致系统不够灵活，数据无法相互结合，分析结果的维度不够。本发明提供的数据分析方法则很好地解决了上述技术问题，从多个业务系统采集业务数据，并据以建立数据仓库，为决策者提供可视化的数据分析结果信息，以便决策者及时地应对企业运营过程中存在的问题与经营状况。

可选的，从至少一个业务系统采集业务数据的数据抽取工具包括：ETL工具、SQL数据库、或者ETL工具与SQL数据库的结合，其中，所述ETL工具用于包括数据抽取、数据清洗和转换、以及数据加载，ETL工具例如：Oracle的OWB、SQL server 2000的DTS、SQL Server2005的SSIS服务、或者informatic等工具。需要说明的是，ETL工具可快速建立ETL工程，屏蔽复杂的编码任务，提高速度，降低难度；SQL数据库与ETL工具相比，更加灵活且运行效率高，但其编码复杂技术要求高。因此，本发明还提供ETL工具和SQL数据库相结合的方式，以兼得开发速度和效率；此外，SQL数据库还可帮助ETL工具筛选错误数据，避免ETL工具运行失败。

其中，数据抽取的方式可根据被抽取的业务数据的类型而定。举例来说：针对与数据仓库DW的数据库系统相同类型的业务系统，可利用数据库管理系统DBMS(包括SQLServer，Oracle)提供的数据库链接功能，在数据仓库DW的数据库服务器和待抽取数据的业务系统之间建立直接的链接关系就可以写Select语句直接访问；针对与与数据仓库DW的数据库系统不同类型的业务系统，可通过开放数据库连接ODBC的方式与业务系统建立数据库链接，如SQL Server和Oracle之间的链接方式；若无法建立数据库链接，则可有如下两种方式完成，一种是通过工具将数据导出成.txt或者是.xls文件，然后再将这些源系统文件导入到数据仓库DW的仓库数据存储ODS中，而另外一种方法是通过程序接口来完成；针对文件类型的业务数据，如.txt，.xls等等，可人工将业务数据导入至指定的数据库，再从该数据库中抽取，也可借助SQL SERVER 2005的SSIS实现自动将业务数据导入数据仓库DW的仓库数据存储ODS中；此外，针对数量较大的系统，需考虑增量抽取，通常情况下业务系统会记录业务发生的时间，可以用作增量的标志，每次抽取之前首先判断仓库数据存储ODS中记录最大的时间，然后根据这个时间去业务系统取大于这个时间的所有记录，从而实现增量抽取业务数据，增加数据抽取的效率。

数据清洗的目的是滤除瑕疵数据，所述瑕疵数据包括不完整数据、错误数据、或者重复数据等等。需要指出的是，瑕疵数据是不符合要求的数据，数据清洗过滤的执行信息需传至业务负责部门，供其确认过滤、保留、或者修正该数据。下文以一具体的实施例说明数据清洗的原理：ETL工具运行过程中挑选出瑕疵数据，并将该些瑕疵数据写入Excel文件或者写入数据表，并以邮件等形式自动向业务负责部门发出提示，以提醒业务负责部门尽快做出修正或过滤确认。

所述不完整数据，是指信息缺失的数据，例如：供应商的名称缺失、分公司的名称缺失、客户的区域信息缺失、或者业务系统的主表与明细表无法匹配等等，可将缺失的内容保存并传至业务负责部门，供其补全。所述错误数据，例如：多余的回车符号、采用全角数字字符的数值数据、不正确的日期格式、越界的日期等等；需要指出的是，错误的数据容易导致ETL工具运行失败，故错误的数据需由SQL的方式挑选并由业务负责部门修正后再进行数据抽取。所述重复数据是指重复出现的数据，例如在维表中较为常见，故需业务负责部门确认后再进行数据抽取。

数据转换的目的是对数据类型、数据粒度、或者商务规则计算方式等进行转换。具体而言：数据类型的转换主要是指将不同业务系统的相同类型的数据做统一处理，例如：同一供应商在结算系统内的编码为A0001，而在CRM系统内的编号为B0002，则数据抽取后需将两个不同的编号转换为同一个编号。数据粒度的转换是指，抽取的业务数据与数据仓库需要的数据，两者的数据粒度不同，则需将抽取的业务数据的数据粒度按照数据仓库的数据粒度要求进行转换。商务规则计算方式的转换是指，不同计算方式进行统一转换，以满足不同企业之间的数据指标。

可选的，所述ETL工具还包括日志模块和警报模块，所述日志模块用于实时记录ETL工具的运行情况，所述警报模块用于在ETL执行出错时向用户发出警告。所述日志模块的日志类型包括执行过程日志、错误日志、或总体日志。其中，所述执行过程日志用于记录ETL工具的执行过程，记录每个执行步骤的耗时、起始时间、影响多少行数据等信息；所述错误日志用于记录某个模块出错时候的出错信息；所述总体日志用于记录ETL工具的耗时、开始时间、或者执行结果等信息。

步骤S22：根据所述业务数据建立数据仓库。所述数据仓库可简写为DW，即DataWarehouse，为企业决策制定过程，提供所有类型数据支持的战略集合。本发明提供的数据分析方法提供多种数据仓库架构，其包括业务范围的数据仓库、独立数据的集市架构、互连的数据集市架构。

如图3所示，展示本发明一实施例中数据仓库结构类型的示意图。所述业务范围的数据仓库是基于整个业务需求设计和构造的仓库，所谓业务范围反映的是数据访问和使用的范围而非物理结构，该种结构的数据仓库适合相对集中的数据源，一个部门中的终端用户可访问和使用另一部门数据集市的数据，大大提升了灵活性。独立的数据集市由特定的工作组、部门或业务线进行控制，与其他工作组、部门或业务线中的数据集并无连通。互连的数据集市架构是分布式的结构，不同工作组、部门、或者生产线的数据集之间可实现互连，从而可提供更加全局的业务范围的数据视图。

可选的，本实施例采用自顶向下的数据仓库开发策略，可在单个项目阶段即实现数据仓库的建立；或者也可采用自底向上的开发策略，无需等待安置完更大业务范围的数据仓库设计即可完成；或者还可采用自顶向下与自底向上相结合的方式实现，本发明对此不作限定，且因数据库开发策略为现有技术，故不再赘述。

所述数据仓库主要由如下组件组成：数据源、数据获取、业务数据仓库、数据传播、数据集市、元数据管理、以及系统管理。其中，数据源包括当前可用的业务数据、外部数据、或者将来可能存在的数据等等；数据获取组件用于执行获得、清晰、转换、及集成数据的操作过程；业务数据仓库是仓库数据存储ODS的数据库；数据传播组件用于为数据集市聚集和增强数据；数据集市是数据仓库的非常重要的子集；元数据管理包括业务需求、ETL过程设计、用户手册等等；系统管理用于数据管理、数据仓库安全性、数据库的备份和恢复等操作。

优选的，本实施例中的数据仓库采用两层仓库建模，所谓两层包括数据存储库层和数据集市层，采用两层仓库建模法的优势在于：灵活且易于维护，可随时根据用户的报表需求修改数据集市的数据结构；易于伸缩和集成，关系类型的业务数据存储库数据库比数据集市中非正规和汇总性的数据更易于伸缩和集成；此外，层仓库建模还具有用户友好，设计安全，以及更好的数据管理设计等优势。

数据仓库的建模包括数据集市的数据建模，数据集市的建模是捕获终端用户业务需求的最有效的工具之一。可选的，数据集市的建模模型可采用星型模式，也可采用雪花型模式。所述星型模式是指一个事实位于中心，一个级别上的多个维度则围绕在周围，形成星型形状，其结构简单且运行高效。所述雪花型模式是指一个或多个维度的分解结果，具有层次结构，可将一个维度表中各成员之间多对一的关系定义为一个单独的维度表，从而形成层次结构，雪花型数据集市节省数据存储空间。至于星型模式的数据集市或者雪花型模式的数据集市的建模过程均为现有，故不再赘述。

S23：立数据分析系统以分析源数据，并将分析结果信息以可视化的方式提供至决策者；所述源数据包括来自所述数据仓库的数据。需要说明的是，所述源数据不仅包括数据仓库的数据，还可包括来自报表、数据集市、或者其他数据库的数据。其中，将分析结果信息以可视化的方式提供至决策者具体包括如下子步骤：

S231：将所述源数据以数据模块的形式并按照行和/或列排列于页面；于本实施例中，源数据可来自于同一个业务系统，也可来自于多个业务系统的混合数据。

S232：选择图例，以生成与所述源数据相对应的可视化的图表；可选的，所述图例为系统内置的图例，例如：折线图、柱状图、堆积柱状图、地图、南丁格尔饼图、仪表盘、条形图、或者表格等等。

S233：设置参数，所述参数包括所述图表的坐标或阈值；该步骤用于供用户自定义设置参数，所述参数例如：折线图的坐标轴定义、仪表盘的阈值、表格的字段等等。

S234：实时更新所述可视化的图表，从而及时展示最新的图表，以供决策者使用。

如图4所示，展示本发明一实施例中数据分析系统的示意图。所述数据分析系统具体包括：配置数据库服务器、应用服务器、数据源管理引擎、配置引擎、配置管理模块、权限管理模块、用户管理模块、以及安全管理模块。其中，所述配置数据库服务器用于存储系统的用户信息、权限信息、系统自定义配置信息等等；所述应用服务器可支持Web服务器；所述数据源管理引擎用于管理、协调外部的数据集市DM、数据仓库DW、报表、系统数据源池的连接、使用、以及数据组织；所述配置引擎用于自定义指标分析视图解析与生成；所述配置管理模块用于维护和管理系统的配置信息；所述权限管理模块用于管理和维护系统资源权限；所述用户管理模块用于管理和维护系统用户；所述安全管理模块用于基于Spring安全框架的用户认证及系统资源安全管理；图中的决策者表示系统用户，系统用户可基于本发明的数据分析系统做出决策。

需要说明的是，本实施例中的数据分析系统采用B/S体系结构，所述B/S体系结构意为Browser/Server结构，可支持IE10+、MicrosoftEdge、Firefox、Chrom、Tomcat6+、Jboss4.2+、WebLogic6+等基于HTML5技术的浏览器；同时支持不同屏幕宽度的自适应，并支持ECharts图形化技术、Bootstrap页面布局及优化技术、Ajax数据交互技术、Spring框架技术(含MVC、用户认证)、iBatis数据持久化技术。

如图5所示，展示本发明一实施例中电子终端的示意图。所述电子终端包括处理器51、存储器52、收发器、通信接口53和系统总线54；存储器52和通信接口53通过系统总线54与处理器51和收发器连接并完成相互间的通信，存储器52用于存储计算机程序，通信接口53用于和其他设备进行通信，处理器51和收发器用于运行计算机程序，使电子终端执行上文中的数据分析方法的各个步骤。

上述提到的系统总线54可以是外设部件互连标准(PeripheralPomponentInterconnect，简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandardArchitecture，简称EISA)总线等。该系统总线54可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口53用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器52可能包含随机存取存储器52(RandomAccessMemory，简称RAM)，也可能还包括非易失性存储器52(non-volatilememory)，例如至少一个磁盘存储器52。

上述的处理器51可以是通用处理器51，包括中央处理器51(CentralProcessingUnit，简称CPU)、网络处理器51(NetworkProcessor，简称NP)等；还可以是数字信号处理器51(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列(Field－ProgrammableGateArray，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

综上所述，本发明提供的数据分析方法、系统、存储介质、及电子终端，从多个业务系统采集业务数据，并据以建立数据仓库，为决策者提供可视化的数据分析结果信息，以便决策者及时地应对企业运营过程中存在的问题与经营状况。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种数据分析方法，其特征在于，包括：

从至少一个业务系统采集业务数据；

根据所述业务数据建立数据仓库；

建立数据分析系统以分析源数据，并将分析结果信息以可视化的方式提供至决策者；其中，所述源数据包括来自所述数据仓库的数据。

2.根据权利要求1所述的数据分析方法，其特征在于，从至少一个业务系统采集业务数据的流程具体包括：

将至少一个业务系统的业务数据抽取至操作数据存储模块中；

在所述操作数据存储模块中进行数据清洗，以滤除瑕疵数据；所述瑕疵数据包括不完整数据、错误数据、重复数据中的任意一种或多种组合；

将清洗后的数据加载至数据仓库；其中，数据加载过程包括数据转换，所述数据转换包括：将不同业务系统中相同类型的数据统一、转换数据粒度、转换商务规则计算方式中的任意一种或多种组合。

3.根据权利要求1所述的数据分析方法，其特征在于，从至少一个业务系统采集业务数据的数据抽取工具包括：ETL工具、SQL数据库、或者ETL工具与SQL数据库的结合。

4.根据权利要求2所述的数据分析方法，其特征在于，所述ETL工具包括日志模块和警报模块；所述日志模块用于实时记录ETL工具的运行情况，所述警报模块用于向用户发出警告；其中，所述日志模块的日志类型包括执行过程日志、错误日志、或总体日志。

5.根据权利要求1所述的数据分析方法，其特征在于，所述将分析结果信息以可视化的方式提供至决策者具体包括：

将所述源数据以数据模块的形式并按照行和/或列排列于页面；

选择图例，以生成与所述源数据相对应的可视化的图表；

设置参数，所述参数包括所述图表的坐标或阈值；

实时更新所述可视化的图表。

6.根据权利要求1所述的数据分析方法，其特征在于，所述业务数据包括：财务分析数据、成本分析数据、市场分析数据、收入分析数据、客户分析数据、采购分析数据、质量分析数据、或者人力资源数据。

7.根据权利要求1所述的数据分析方法，其特征在于，建立数据仓库具体包括建立数据存储库层和数据集市层。

8.一种数据分析系统，其特征在于，位于数据仓库和决策者之间，所述数据分析系统包括：

源数据管理引擎，用于管理和协调源数据之间的连接、使用、或者数据组织；其中，所述源数据包括来自数据仓库、数据集市、报表、或者其他数据库的数据，所述数据仓库、数据集市的数据基于至少一个业务系统采集业务数据；

应用服务器，用于支持Web服务器；

配置数据库服务器，用于存储系统的用户信息、权限信息、或者系统自定义配置信息；

配置引擎，用于自定义指标分析视图解析与生成；

配置管理模块，用于维护和管理系统的配置信息；

权限管理模块，用于管理和维护系统资源权限；

用户管理模块，用于管理和维护系统用户；

安全管理模块，用于基于Spring安全框架的用户认证及系统资源安全管理。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至8中任一项所述数据分析方法。

10.一种电子终端，其特征在于，包括：处理器及存储器；

所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至8中任一项所述数据分析方法。