CN108921375A - 一种数据处理方法和装置 - Google Patents

Abstract

本申请公开了一种数据处理方法和装置，所述方法包括：根据至少一个数据源，确定不同类型的数据指标，其中，不同类型的数据指标包括下述至少三种：实时数据指标、非实时数据指标和静态数据指标，进而根据不同类型的数据指标和预设算法包，确定业务数据指标，从而有效兼容实时和非实时数据指标，实现对业务数据的分类与规整。

Description

一种数据处理方法和装置

技术领域

本申请涉及数据处理技术领域，尤其涉及一种数据处理方法和装置。

背景技术

在流动性数据指标管理系统中，由于管理系统涵盖多条业务线，且数据来源于多业务主体端，数据指标之间的影响交互多种多样，因此，需要一种有效的数据处理方法，实现合理统一、可扩展可维护的流动性数据指标管理系统。

发明内容

本申请实施例提供一种数据处理方法和装置，能够有效兼容实时和非实时数据指标，实现对业务数据的分类与规整。

本申请实施例提供了一种数据处理方法，包括：

根据至少一个数据源，确定不同类型的数据指标，其中，所述不同类型的数据指标包括下述至少三种：实时数据指标、非实时数据指标和静态数据指标；

根据所述不同类型的数据指标和预设算法包，确定业务数据指标。

可选地，根据所述业务数据，确定不同类型的基础数据指标，包括：

根据所述业务数据的数据类型，确定所述业务数据对应的数据指标模型，其中，所述数据指标模型包括：实时数据指标模型、非实时数据指标模型和静态数据指标模型；

根据所述数据指标模型和所述业务数据，确定不同类型的基础数据指标。

可选地，根据所述业务数据的数据类型，确定所述业务数据对应的数据指标模型，包括：

若所述业务数据为实时数据，则所述业务数据对应的数据指标模型为所述实时数据指标模型；

若所述业务数据为非实时数据，则所述业务数据对应的数据指标模型为所述非实时数据指标模型；

若所述业务数据为静态数据，则所述业务数据对应的数据指标模型为所述静态数据指标模型。

可选地，根据所述数据指标模型和所述业务数据，确定不同类型的基础数据指标，包括：

根据所述实时数据和所述实时数据指标模型，确定不同级别的基础实时数据指标，其中，所述不同级别的基础实时数据指标包括下述至少一种：分钟级别的基础实时数据指标、小时级别的基础实时数据指标、累计级别的基础实时数据指标。

可选地，根据所述数据指标模型和所述业务数据，确定不同类型的基础数据指标，包括：

根据所述非实时数据和所述非实时数据指标模型，确定不同层次的基础非实时数据指标，其中，所述不同层次的的基础非实时数据指标包括：初始指标、各中间层级指标和根指标。

可选地，所述非实时数据包括：离线数据、用于预测业务发展趋势的预测数据、外部数据。

可选地，所述静态数据包括：静态配置数据、静态业务数据。

可选地，所述预设算法包包括：通用算法包和业务特性化算法包。

可选地，所述通用算法包包括下述至少一种：基础算法包、通用业务算法包。

本申请实施例还提供了一种数据处理装置，包括：

获取模块，根据至少一个数据源，获取业务数据；

第一确定模块，根据所述业务数据，确定不同类型的基础数据指标，其中，所述不同类型的基础数据指标包括下述至少三种：实时数据指标、非实时数据指标和静态数据指标；

第二确定模块，根据所述不同类型的基础数据指标和预设算法包，确定业务数据指标。

可选地，所述第一确定模块包括：

第一确定单元，根据所述业务数据的数据类型，确定所述业务数据对应的数据指标模型，其中，所述数据指标模型包括：实时数据指标模型、非实时数据指标模型和静态数据指标模型；

第二确定单元，根据所述数据指标模型和所述业务数据，确定不同类型的基础数据指标。

可选地，所述第一确定单元具体用于：

若所述业务数据为实时数据，则所述业务数据对应的数据指标模型为所述实时数据指标模型；

若所述业务数据为非实时数据，则所述业务数据对应的数据指标模型为所述非实时数据指标模型；

若所述业务数据为静态数据，则所述业务数据对应的数据指标模型为所述静态数据指标模型。

可选地，所述第二确定单元具体用于：

根据所述实时数据和所述实时数据指标模型，确定不同级别的基础实时数据指标，其中，所述不同级别的基础实时数据指标包括下述至少一种：分钟级别的基础实时数据指标、小时级别的基础实时数据指标、累计级别的基础实时数据指标。

可选地，所述第二确定单元具体用于：

根据所述非实时数据和所述非实时数据指标模型，确定不同层次的基础非实时数据指标，其中，所述不同层次的的基础非实时数据指标包括：初始指标、各中间层级指标和根指标。

可选地，所述非实时数据包括：离线数据、用于预测业务发展趋势的预测数据、外部数据。

可选地，所述静态数据包括：静态配置数据、静态业务数据。

可选地，所述预设算法包包括：通用算法包和业务特性化算法包。

可选地，所述通用算法包包括下述至少一种：基础算法包、通用业务算法包。

本申请实施例还提供了一种电子设备，包括：

存储器，存放程序；

处理器，执行所述存储器存储的程序，并具体执行：

根据至少一个数据源，获取业务数据；

根据所述业务数据，确定不同类型的基础数据指标，其中，所述不同类型的基础数据指标包括下述至少三种：实时数据指标、非实时数据指标和静态数据指标；

根据所述不同类型的基础数据指标和预设算法包，确定业务数据指标。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下方法：

根据至少一个数据源，获取业务数据；

根据所述业务数据，确定不同类型的基础数据指标，其中，所述不同类型的基础数据指标包括下述至少三种：实时数据指标、非实时数据指标和静态数据指标；

根据所述不同类型的基础数据指标和预设算法包，确定业务数据指标。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

根据至少一个数据源，确定不同类型的数据指标，其中，不同类型的数据指标包括下述至少三种：实时数据指标、非实时数据指标和静态数据指标，进而根据不同类型的数据指标和预设算法包，确定业务数据指标，从而有效兼容实时和非实时数据指标，实现对业务数据的分类与规整。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的一种数据处理方法的流程示意图；

图2为本申请实施例提供的建立不同类型的数据指标模型的示意图；

图3为本申请实施例提供的一种非实时数据指标树分层管理模型的示意图；

图4为本申请实施例提供的一种电子设备的结构示意图；

图5为本申请实施例提供的一种数据处理装置的结构示意图。

具体实施方式

下面结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

实施例1

图1为本申请实施例提供的一种数据处理方法的流程示意图。所述方法可以如下所示。

步骤102：根据至少一个数据源，获取业务数据。

一个数据源可以表示一条业务线对应的数据集合。为了对不同业务线进行综合管理分析，可以将至少一个数据源中的业务数据导入流动性数据指标管理系统。

例如，流动性数据指标管理系统可以为企业的资产负债平台，其中，资产负债平台中的业务数据来源于至少一个主体资产端或负债端，即资产负债平台中的业务数据来源于至少一个数据源。

资产负债平台，用于管理集团层面多条业务线资产负债情况，在一定的风险限额下，为实现企业的经营目标而对资产负债结构进行全面的、动态的、前瞻性的协调处管理。提供监测、预测分析和多方向资金划拨等能力，利于集团和各业务线保持资金的良好流动性。

步骤104：根据业务数据，确定不同类型的基础数据指标。

其中，不同类型的基础数据指标包括下述至少三种：实时数据指标、非实时数据指标和静态数据指标。

具体地，根据业务数据，确定不同类型的基础数据指标，包括：

根据业务数据的数据类型，确定业务数据对应的数据指标模型，其中，数据指标模型包括：实时数据指标模型、非实时数据指标模型和静态数据指标模型；

根据数据指标模型和业务数据，确定不同类型的基础数据指标。

由于业务属性不同，流动性数据指标管理系统中的业务数据可能具有不同的数据类型：实时数据、非实时数据、静态数据。

其中，实时数据为可以反映当前业务运行状态的数据，具有时效性；非实时数据为可以预测业务发展趋势的数据，一般用于业务报表产出、业务数据分析等，例如，T+1数据；静态数据为流动性数据指标管理系统中的预设时长内不会发生变化的数据。

本申请实施例中，非实时数据包括：离线数据、用于预测业务发展趋势的预测数据、外部数据。

需要说明的是，非实时数据除了可以包括离线数据、用于预测业务发展趋势的预测数据、外部数据之外，还可以根据数据源的不同，包括其他非实时数据，这里不做具体限定。

本申请实施例中，静态数据包括：静态配置数据、静态业务数据。

需要说明的是，静态数据除了可以包括静态配置数据、静态业务数据之外，还可以包括其他静态数据，这里不做具体限定。

本申请实施例中，根据业务数据的数据类型，确定业务数据对应的数据指标模型，包括：

若业务数据为实时数据，则业务数据对应的数据指标模型为实时数据指标模型；

若业务数据为非实时数据，则业务数据对应的数据指标模型为非实时数据指标模型；

若业务数据为静态数据，则业务数据对应的数据指标模型为静态数据指标模型。

在流动性数据指标管理系统中，建立不同类型的数据指标模型：实时数据指标模型、非实时数据指标模型和静态数据指标模型，以实现对不同数据类型的数据进行分类管理和分析处理。

需要说明的是，不同类型的数据指标模型可以是直接建立的，也可以是根据现有的通用数据指标模型拆分得到的，这里不做具体限定。

图2为本申请实施例提供的建立不同类型的数据指标模型的示意图。

如图2所示，通过对通用数据指标模型进行拆分，得到实时数据指标模型、非实时数据指标模型和静态数据指标模型。

在数据指标模型中，导入数据指标标识，以使得后续根据业务数据和数据指标模型，确定数据指标标识对应的基础数据指标。

本申请实施例中，根据数据指标模型和业务数据，确定不同类型的基础数据指标，包括：

根据实时数据和实时数据指标模型，确定不同级别的基础实时数据指标，其中，不同级别的基础实时数据指标包括下述至少一种：分钟级别的基础实时数据指标、小时级别的基础实时数据指标、累计级别的基础实时数据指标。

实时数据通过流式计算平台清洗后同步至流动性数据指标管理系统中，流动性数据指标管理系统对实时数据进行精细化管理，通过实时数据指标模型，确定分钟级别的基础实时数据指标、小时级别的基础实时数据指标、累计级别的基础实时数据指标。

流式计算平台是基于事件驱动架构和增量计算模型来构建低延迟、高吞吐的流计算系统，在事件到达时触发计算，且只计算当前的增量部分，再与之前的计算结果做合并，避免使用全量数据进行多余的重复计算，从而降低计算量、挺高系统吞吐，计算完成后迅速输出结果，降低数据的处理延迟，最大化数据的时效性。

此外，流动性数据指标管理系统按照业务属性维度，对实时数据进行隔离，例如，分库分表，使得根据实时数据可以关注不同业务某一时段内的整体时效，例如，当日的整体时效。

本申请实施例中，根据数据指标模型和业务数据，确定不同类型的基础数据指标，包括：

根据非实时数据和非实时数据指标模型，确定不同层次的基础非实时数据指标，其中，不同层次的的基础非实时数据指标包括：初始指标、各中间层级指标和根指标。

在流动性数据指标管理系统中，针对非实时数据(例如，T+1数据)，通过权限隔离对不同业务线的数据分别进行管理。

此外，针对某一业务线的非实时数据，对数据差异性进行规整，通过非实时数据模型，确定不同层次的基础非实时数据指标，其中，不同层次的的基础非实时数据指标包括：初始指标、各中间层级指标和根指标。

仍以上述图2为例，在图2所示的非实时数据指标模型中，quota_level表示中层指标，upper_code表示上层指标，lower_code表示下层指标。

本申请实施例中，流动性数据指标管理系统可以按照原始数据挂接->初始指标->叶子指标->根指标进行分层管理，构建非实时数据指标树分层管理模型。

图3为本申请实施例提供的一种非实时数据指标树分层管理模型的示意图。

如图3所示，非实时数据指标树分层管理模型包括四层，由下到上依次为：物理表挂接与初始指标、二层指标、三层指标、根指标。

在流动性数据指标管理系统中，针对静态数据，根据流动性数据指标管理系统中的静态数据指标模型(例如，元数据模型)确定静态数据指标，进而对静态数据指标进行管理分析。

通过建立实时数据指标模型、非实时数据指标模型和静态指标模型，使得对不同类型的业务数据分别进行处理，有效避免所有数据统一处理导致的数据属性缺失问题。

实时数据指标模型、非实时数据指标模型使得流动性数据指标管理系统创造性地兼容实时数据和非实时数据，有效对实时数据和非实时数据分别进行分析，进而后续基础实现实时数据指标和基础非实时数据指标的规整统一。

步骤106：根据不同类型的基础数据指标和预设算法包，确定业务数据指标。

通过不同类型的数据指标模型确定不同类型的基础数据指标之后，通过综合不同类型的基础数据指标，对业务共性和/或业务特性进行抽象，通过预设算法包，确定业务数据指标。

本申请实施例中，预设算法包包括：通用算法包和业务特性化算法包。

其中，通用算法包包括下述至少一种：基础算法包、通用业务算法包。

基础算法包，主要针对基础实时数据指标进行分类运算和加工，得到相应的业务数据指标。当基础算法包用于基础非实时数据指标时，基础算法包接入指标树分层管理系统。

通用业务算法包，主要针对业务属性较强的根指标进行处理，例如，流动性管理中的流动性覆盖率、集中度、资本充足率和不良率等核心指标。在处理过程中，通用业务算法包使用设计模式中策略模式确定业务数据指标。

业务特色化算法包，主要使用Groovy脚本对特色化业务进行实现，以满足流动性数据指标管理系统中的业务特色扩展，使得流动性数据指标管理系统既满足通用业务需求，也能够扩展特色业务需求。

Groovy是JVM的一个替代语言(可以用Groovy在java平台上进行java编程)，使用方式基本与使用java代码的方式相同，该语言特别适合与Spring的动态语言支持一起使用，充分考虑了java的集成，使Groovy和java代码的互操作较容易。

流动性数据指标管理系统中，通过设置通用算法包和业务特性化算法包，使得将不同类型的基础数据指标综合，跟随业务属性沉淀得到业务数据指标，实现业务共性和业务特性的共存，提升流动性数据指标管理系统的业务指标输出能力。

本申请实施例记载的技术方案，根据至少一个数据源，确定不同类型的数据指标，其中，不同类型的数据指标包括下述至少三种：实时数据指标、非实时数据指标和静态数据指标，进而根据不同类型的数据指标和预设算法包，确定业务数据指标，从而有效兼容实时和非实时数据指标，实现对业务数据的分类与规整。

实施例2

图4为本申请实施例提供的一种电子设备的结构示意图。如图4所示，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成数据处理装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：

根据至少一个数据源，获取业务数据；

根据业务数据，确定不同类型的基础数据指标，其中，不同类型的基础数据指标包括下述至少三种：实时数据指标、非实时数据指标和静态数据指标；

根据不同类型的基础数据指标和预设算法包，确定业务数据指标。

上述如本申请实施例1执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

该电子设备还可执行图1执行的方法，并实现上述实施例1的功能，本申请实施例在此不再赘述。

本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中的数据处理方法，并具体用于执行下述操作：

根据至少一个数据源，获取业务数据；

根据业务数据，确定不同类型的基础数据指标，其中，不同类型的基础数据指标包括下述至少三种：实时数据指标、非实时数据指标和静态数据指标；

根据不同类型的基础数据指标和预设算法包，确定业务数据指标。

图5为本申请实施例提供的一种数据处理装置的结构示意图。如图5所示的装置500包括：

获取模块501，根据至少一个数据源，获取业务数据；

第一确定模块502，根据业务数据，确定不同类型的基础数据指标，其中，不同类型的基础数据指标包括下述至少三种：实时数据指标、非实时数据指标和静态数据指标；

第二确定模块503，根据不同类型的基础数据指标和预设算法包，确定业务数据指标。

可选地，第一确定模块502包括：

第一确定单元，根据业务数据的数据类型，确定业务数据对应的数据指标模型，其中，数据指标模型包括：实时数据指标模型、非实时数据指标模型和静态数据指标模型；

第二确定单元，根据数据指标模型和业务数据，确定不同类型的基础数据指标。

可选地，第一确定单元具体用于：

若业务数据为实时数据，则业务数据对应的数据指标模型为实时数据指标模型；

若业务数据为非实时数据，则业务数据对应的数据指标模型为非实时数据指标模型；

若业务数据为静态数据，则业务数据对应的数据指标模型为静态数据指标模型。

可选地，第二确定单元具体用于：

根据实时数据和实时数据指标模型，确定不同级别的基础实时数据指标，其中，不同级别的基础实时数据指标包括下述至少一种：分钟级别的基础实时数据指标、小时级别的基础实时数据指标、累计级别的基础实时数据指标。

可选地，第二确定单元具体用于：

根据非实时数据和非实时数据指标模型，确定不同层次的基础非实时数据指标，其中，不同层次的的基础非实时数据指标包括：初始指标、各中间层级指标和根指标。

可选地，非实时数据包括：离线数据、用于预测业务发展趋势的预测数据、外部数据。

可选地，静态数据包括：静态配置数据、静态业务数据。

可选地，预设算法包包括：通用算法包和业务特性化算法包。

可选地，通用算法包包括下述至少一种：基础算法包、通用业务算法包。

根据数据处理装置，获取模块根据至少一个数据源，获取业务数据；第一确定模块根据业务数据，确定不同类型的基础数据指标，其中，不同类型的基础数据指标包括下述至少三种：实时数据指标、非实时数据指标和静态数据指标；第二确定模块根据不同类型的基础数据指标和预设算法包，确定业务数据指标，从而有效兼容实时和非实时数据指标，实现对业务数据的分类与规整。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (20)

1.一种数据处理方法，包括：

根据至少一个数据源，获取业务数据；

根据所述业务数据，确定不同类型的基础数据指标，其中，所述不同类型的基础数据指标包括下述至少三种：实时数据指标、非实时数据指标和静态数据指标；

根据所述不同类型的基础数据指标和预设算法包，确定业务数据指标。

2.如权利要求1所述的方法，根据所述业务数据，确定不同类型的基础数据指标，包括：

根据所述业务数据的数据类型，确定所述业务数据对应的数据指标模型，其中，所述数据指标模型包括：实时数据指标模型、非实时数据指标模型和静态数据指标模型；

根据所述数据指标模型和所述业务数据，确定不同类型的基础数据指标。

3.如权利要求2所述的方法，根据所述业务数据的数据类型，确定所述业务数据对应的数据指标模型，包括：

若所述业务数据为实时数据，则所述业务数据对应的数据指标模型为所述实时数据指标模型；

若所述业务数据为非实时数据，则所述业务数据对应的数据指标模型为所述非实时数据指标模型；

若所述业务数据为静态数据，则所述业务数据对应的数据指标模型为所述静态数据指标模型。

4.如权利要求3所述的方法，根据所述数据指标模型和所述业务数据，确定不同类型的基础数据指标，包括：

根据所述实时数据和所述实时数据指标模型，确定不同级别的基础实时数据指标，其中，所述不同级别的基础实时数据指标包括下述至少一种：分钟级别的基础实时数据指标、小时级别的基础实时数据指标、累计级别的基础实时数据指标。

5.如权利要求3所述的方法，根据所述数据指标模型和所述业务数据，确定不同类型的基础数据指标，包括：

根据所述非实时数据和所述非实时数据指标模型，确定不同层次的基础非实时数据指标，其中，所述不同层次的的基础非实时数据指标包括：初始指标、各中间层级指标和根指标。

6.如权利要求3或5所述的方法，所述非实时数据包括：离线数据、用于预测业务发展趋势的预测数据、外部数据。

7.如权利要求3所述的方法，所述静态数据包括：静态配置数据、静态业务数据。

8.如权利要求1所述的方法，所述预设算法包包括：通用算法包和业务特性化算法包。

9.如权利要求8所述的方法，所述通用算法包包括下述至少一种：基础算法包、通用业务算法包。

10.一种数据处理装置，包括：

获取模块，根据至少一个数据源，获取业务数据；

第一确定模块，根据所述业务数据，确定不同类型的基础数据指标，其中，所述不同类型的基础数据指标包括下述至少三种：实时数据指标、非实时数据指标和静态数据指标；

第二确定模块，根据所述不同类型的基础数据指标和预设算法包，确定业务数据指标。

11.如权利要求10所述的装置，所述第一确定模块包括：

第一确定单元，根据所述业务数据的数据类型，确定所述业务数据对应的数据指标模型，其中，所述数据指标模型包括：实时数据指标模型、非实时数据指标模型和静态数据指标模型；

第二确定单元，根据所述数据指标模型和所述业务数据，确定不同类型的基础数据指标。

12.如权利要求11所述的装置，所述第一确定单元具体用于：

若所述业务数据为实时数据，则所述业务数据对应的数据指标模型为所述实时数据指标模型；

若所述业务数据为非实时数据，则所述业务数据对应的数据指标模型为所述非实时数据指标模型；

若所述业务数据为静态数据，则所述业务数据对应的数据指标模型为所述静态数据指标模型。

13.如权利要求12所述的装置，所述第二确定单元具体用于：

根据所述实时数据和所述实时数据指标模型，确定不同级别的基础实时数据指标，其中，所述不同级别的基础实时数据指标包括下述至少一种：分钟级别的基础实时数据指标、小时级别的基础实时数据指标、累计级别的基础实时数据指标。

14.如权利要求12所述的装置，所述第二确定单元具体用于：

根据所述非实时数据和所述非实时数据指标模型，确定不同层次的基础非实时数据指标，其中，所述不同层次的的基础非实时数据指标包括：初始指标、各中间层级指标和根指标。

15.如权利要求12或14所述的装置，所述非实时数据包括：离线数据、用于预测业务发展趋势的预测数据、外部数据。

16.如权利要求12所述的装置，所述静态数据包括：静态配置数据、静态业务数据。

17.如权利要求10所述的装置，所述预设算法包包括：通用算法包和业务特性化算法包。

18.如权利要求17所述的装置，所述通用算法包包括下述至少一种：基础算法包、通用业务算法包。

19.一种电子设备，包括：

存储器，存放程序；

处理器，执行所述存储器存储的程序，并具体执行：

根据至少一个数据源，获取业务数据；

根据所述业务数据，确定不同类型的基础数据指标，其中，所述不同类型的基础数据指标包括下述至少三种：实时数据指标、非实时数据指标和静态数据指标；

根据所述不同类型的基础数据指标和预设算法包，确定业务数据指标。

20.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下方法：

根据至少一个数据源，获取业务数据；

根据所述业务数据，确定不同类型的基础数据指标，其中，所述不同类型的基础数据指标包括下述至少三种：实时数据指标、非实时数据指标和静态数据指标；

根据所述不同类型的基础数据指标和预设算法包，确定业务数据指标。