CN109598434A - 异常预警方法、装置、计算机装置及存储介质 - Google Patents

Abstract

本发明提供一种异常预警方法，包括：当接收到设置异常预警信息的操作指令时，生成异常预警规则，其中，所述异常预警规则通过大数据结合机器学习生成和/或通过自动设置生成；根据所述异常预警规则中的异常预警数据类型获取相应的数据信息；判断所述获取到的数据信息是否达到异常预警触发条件；若达到所述异常预警触发条件，则将异常预警按照所述异常预警通知方式发送至所述异常预警通知人员。本发明还提供一种异常预警装置、计算机装置及存储介质。本发明通过能够让用户及时获得异常预警，有效保障业务安全。

Description

异常预警方法、装置、计算机装置及存储介质

技术领域

本发明涉及计算机技术领域，具体涉及一种异常预警方法及装置、计算机装置及计算机可读存储介质。

背景技术

企业经营分析平台是以业务运营支撑系统中其他系统的数据为基础，构建统一的企业级数据仓库。利用先进的联机分析处理技术和数据挖掘技术，帮助企业的经营决策层以及企业其他相关人员了解企业运营的现状，发现企业运营的优势和劣势、预测未来趋势。经营分析平台能够展示企业的人力、财务、营销、客服、研发等多种部门的多种数据，而这些对于企业来说十分重要数据又时会出现异常的情况，需要企业管理者对企业进行相应的调整，例如企业的营业额下降幅度超过预设值时，就需要企业管理者及时了解到这种情况并作出相应的处理措施。然而，企业管理人员只能在登陆到经营分析平台时才能了解到这些数据的异常情况，导致不能及时了解到企业的异常状况，从而给企业管理者带来不便，甚至会给企业造成损失。因此，异常预警对于经营分析平台来说尤其重要。

发明内容

鉴于以上内容，有必要提出一种异常预警方法及装置、计算机装置和计算机可读存储介质，能够方便用户实时地获取异常预警。

本申请的第一方面提供一种异常预警方法，应用于计算机装置中，所述方法包括：

当接收到设置异常预警信息的操作指令时，根据输入操作生成异常预警规则，所述异常预警规则中包括异常预警数据类型、异常预警触发条件、异常预警通知方式、异常预警通知人员，其中，所述异常预警规则通过大数据结合机器学习生成和/或通过自动设置生成；

根据所述异常预警规则中的异常预警数据类型获取相应的数据信息；

判断所述获取到的数据信息是否达到所述异常预警触发条件；

当所述获取到的数据信息达到所述异常预警触发条件，则根据所述异常预警规则中的异常预警通知方式及异常预警通知人员，将异常预警按照所述确定的异常预警通知方式发送至所述异常预警通知人员。

进一步地，通过大数据结合机器学习生成所述异常预警规则包括：

a.获取历史数据信息，所述历史数据信息包括用户角色、用户行为、每个数据类型的历史数据信息；

b.对所述历史数据信息进行聚类分析，并对分类进行标记；

c.分类后进行回归，将用户行为数据标记为真实的值；

d.将用户行为根据相似性，进行归类；

对以上步骤a-d进行分析并提取规则，生成所述异常预警规则。

进一步地，自动生成异常预警规则包括：

当接收到所述设置异常预警信息的操作指令时，获取所述操作指令中用户的身份信息，所述用户身份信息包括但不限于用户名、角色名称以及权限；

在预先存储的异常预警设置规则列表中查找所述用户身份信息对应的异常预警规则，其中，所述预先存储的异常预警设置规则列表中存储了多种用户身份信息对应的异常预警规则；

根据所述查找到的异常预警规则自动设置所述用户身份信息对应的异常预警规则。

进一步地，所述异常预警触发条件包括异常预警数据类型对应的预警阈值，每种异常预警数据类型对应的预警阈值还包括不同级别的预警阈值，不同级别的预警阈值代表不同严重程度的预警。

进一步地，所述异常预警通知方式根据预警阈值的级别设置不同的异常预警通知方式。

进一步地，所述异常预警通知人员根据所述预警阈值的级别进行设置。

进一步地，判断所述获取到的数据信息是否达到所述异常预警触发条件的方法包括：

将获取的数据信息与对应的异常预警触发条件中的预警阈值进行比较，判断所述获取到的数据信息是否超过所述预警阈值；

若确定所述获取到的数据信息未超出对应的预警阈值时，则确定未达到所述异常预警触发条件；

若确定所述获取到的数据信息超出对应的预警阈值时，则确定达到所述异常预警触发条件；及

当判断所述获取到的数据信息超出对应的预警阈值时，判断所述超出的预警阈值的级别。

本申请的第二方面提供一种异常预警装置，所述装置包括：

设置模块，用于在接收到设置异常预警信息的操作指令时，根据输入操作生成异常预警规则，所述异常预警规则中包括异常预警数据类型、异常预警触发条件、异常预警通知方式、异常预警通知人员，其中，所述异常预警规则通过大数据结合机器学习生成和/或通过自动设置生成；

数据获取模块，用于根据所述异常预警规则中的异常预警数据类型获取相应的数据信息；

判断模块，用于判断所述获取到的数据信息是否达到所述异常预警触发条件；及

异常预警模块，用于当所述获取到的数据信息达到所述异常预警触发条件，则根据所述异常预警规则中的异常预警通知方式及异常预警通知人员，将异常预警按照所述确定的异常预警通知方式发送至所述异常预警通知人员。

本申请的第三方面提供一种计算机装置，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如前所述异常预警方法。

本申请的第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述异常预警方法。

本发明提通过灵活设置异常预警信息，方便用户实时、主动的获取异常预警。另外，预警规则的设置方式还可以是根据大数据及机器学习技术自动设置，使得异常预警更加智能化。再者，异常预警根据级别以不同级别的通知方式通知不同分级别的人员，使得异常预警更具针对性。

附图说明

图1是本发明实施例一提供的异常预警方法的应用环境架构示意图。

图2是本发明实施例二提供的异常预警方法流程图。

图3是本发明实施例三提供的异常预警装置的结构示意图。

图4是本发明实施例四提供的计算机装置示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施例仅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他实施例，都属于本发明保护的范围。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。

实施例一

参阅图1所示，为本发明实施例一提供的异常预警方法的应用环境架构示意图。

本发明中的异常预警方法应用在计算机装置1中，所述计算机装置1和至少一个用户终端2通过有线网络或无线网络建立通信连接。所述有线网络可以为传统有线通讯的任何类型，例如因特网、局域网。所述无线网络可以为传统无线通讯的任何类型，例如无线电、无线保真(Wireless Fidelity,WIFI)、蜂窝、卫星、广播等。无线通讯技术可以包括，但不限于，全球移动通信系统(Global System for Mobile Communications，GSM)、通用分组无线业务(General Packet Radio Service，GPRS)、码分多址(Code Division MultipleAccess，CDMA)，宽带码分多址(W-CDMA)、CDMA2000、IMT单载波(IMT Single Carrier)、增强型数据速率GSM演进(Enhanced Data Rates for GSM Evolution，EDGE)、长期演进技术(Long-Term Evolution，LTE)、高级长期演进技术、时分长期演进技术(Time-DivisionLTE，TD-LTE)、高性能无线电局域网(High Performance Radio Local Area Network，HiperLAN)、高性能无线电广域网(High Performance Radio Wide Area Network，HiperWAN)、本地多点派发业务(Local Multipoint Distribution Service，LMDS)、全微波存取全球互通(Worldwide Interoperability for Microwave Access，WiMAX)、紫蜂协议(ZigBee)、蓝牙、正交频分复用技术(Flash Orthogonal Frequency-DivisionMultiplexing，Flash-OFDM)、大容量空分多路存取(High Capacity Spatial DivisionMultiple Access，HC-SDMA)、通用移动电信系统(Universal Mobile TelecommunicationsSystem，UMTS)、通用移动电信系统时分双工(UMTS Time-Division Duplexing，UMTS-TDD)、演进式高速分组接入(Evolved High Speed Packet Access，HSPA+)、时分同步码分多址(Time Division Synchronous Code Division Multiple Access，TD-SCDMA)、演进数据最优化(Evolution-Data Optimized，EV-DO)、数字增强无绳通信(Digital EnhancedCordless Telecommunications，DECT)及其他。

所述计算机装置1可以为安装有异常预警程序的电子设备，例如笔记本电脑、台式计算机、服务器等，其中，所述服务器可以是单一的服务器、服务器集群或云服务器等。

所述用户终端2是具有显示屏的各种智能电子设备，包括但不限于智能手机、平板电脑、膝上型便捷计算机、台式计算机等。

实施例二

请参阅图2所示，是本发明第二实施例提供的异常预警方法的流程图。根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。

步骤S1、当接收到设置异常预警信息的操作指令时，根据输入操作生成异常预警规则，所述异常预警规则中包括异常预警数据类型、异常预警触发条件、异常预警通知方式、异常预警通知人员。

一实施例中，所述异常预警方法应用于企业经营分析平台中，所述异常预警数据类型是所述经营分析平台中的数据类型，可以包括如下数据类型中的一种或多种组合：人力资源数据、财务数据、研发数据、市场销售数据。

其中，所述人力资源数据的内容可以包括，但不限于，员工入职率、员工离职率、人员利用率等等。

财务数据的内容可以包括，但不限于，指定时期(例如一周、一月)内的销售净利率、营业利润率、利润总额、成本费用总额等。

研发数据的内容可以包括，但不限于，研发需求完成率、项目的研发时长、研发完成超时的项目等。

市场销售数据消息的内容可以包括，但不限于，指定时期内拓展客户数量、客户流失数据等等。

举例而言，当需要设置异常预警信息的用户是人力资源部门的用户时，所述异常预警的数据类型为人力资源数据。当用户是财务部门的用户时，选择异常预警的数据类型为财务数据，而当设置异常预警信息的用户是企业总经理等企业负责人时，所述异常预警的数据包括人力资源数据、财务数据、研发数据、市场销售数据等整个企业涉及到的数据类型。

可以理解的是，在其他实施方式中，所述异常预警数据类型也可以根据实际业务场景设置为其他类型数据，本发明对此不作限定。

一实施例中，所述异常预警触发条件包括异常预警数据类型对应的预警阈值。例如，对应所述人力资源数据的预警阈值可以是离职率超过5％，对应财务数据可以是一月内的销售净利润低于10万等。

一实施例中，每种异常预警数据类型对应的预警阈值还包括不同级别的预警阈值，不同级别的预警阈值代表不同严重程度的预警，级别越高说明异常程度越严重。例如，就财务数据而言，当一个月的销售净利润小于10万元人民币时，为一般严重程度的预警，那么对应第一级别的预警阈值为10万元，当一个月的销售净利润小于0时，则为较严重程度的预警，那么对应第二级别的预警值0。

一实施例中，所述异常预警通知方式包括但不限于邮件、短信、电话、微信等即时通信工具、消息提示框、弹出页面、在报表中将异常数据高亮显示、语音提示等，当然也可以是上述几种通知方式相结合。

进一步地，所述异常预警通知方式还可以根据预警阈值的级别设置不同的异常预警通知方式。例如，当预警阈值为较低级别的一级预警阈值时，对应的通知方式为在用户登陆所述经营分析平台时弹出消息提示框，当预警阈值为较高级别时，对应的方式可以是电话、短信通知，这样在异常较严重时可以方便用户实时了解到异常信息，且通过电话短信的方式用户不易漏掉异常预警。

一实施例中，所述异常预警通知人员可以是用户本人、部门主管等相关人员。

进一步地，所述异常预警通知人员也可以根据所述预警阈值的级别进行设置，例如，当预警阈值级别较低时，通知人员可以只包括部门主管，当预警阈值级别较高时，通知人员可以包括部门主管以及更高级别的管理人员，例如企业负责人。

一实施例中，所述异常预警规则的设置方式可以是用户自定义设置的，每个部门的管理人员或员工可以根据需要自定义以及修改所述异常预警规则，这样可以方便用户灵活掌握企业或部门的运行情况。

另一实施例中，所述异常预警规则的设置方式也可以是企业根据经营管理规则由系统自动设置的，具体可以包括如下步骤：

1)当接收到所述设置异常预警信息的操作指令时，获取所述操作指令中用户的身份信息，所述用户身份信息包括但不限于用户名、角色名称以及权限；

2)在预先存储的异常预警设置规则列表中查找所述用户身份信息对应的异常预警规则，其中，所述预先存储的异常预警设置规则列表中存储了多种用户身份信息对应的异常预警规则；

3)根据所述查找到的异常预警规则自动设置所述用户身份信息对应的异常预警规则。

进一步地，所述预先存储的异常预警设置规则表可以是系统利用大数据和机器学习技术自动生成的，通过统计分析系统历史记录中的海量数据信息以及多个用户的历史操作记录来学习生成异常预警规则。

一个实施例中，通过大数据结合机器学习生成异常预警规则可包括如下步骤：

1)获取历史数据信息(例如经营分析平台中的例如数据信息)，所述历史数据信息包括但不限于用户角色、用户行为、每个数据类型的历史数据信息；

2)对所述历史数据信息进行聚类分析，并对分类进行标记；

3)分类后进行回归，将用户行为数据标记为真实的值；

4)将用户行为根据相似性，进行归类；

5)根据步骤所述1-4进行分析并提取规则，生成所述异常预警规则。

例如在所述系统2年内的数据及操作历史记录中，每当人力资源数据中企业在职人数低于500人时，人力资源部门就会招聘新的员工，使得人力资源数据中的员工总数大于500人，可以分析学习得出当企业人数低于500人时就会发生异常，需要招聘人数，那么所述异常预警设置规则表中设置的人力资源数据中员工人数的预警阈值可以设置为500人。通过大数据及机器学习技术设置预警规则，使得异常预警可以更加智能化。

当然，以上列举的实施例仅是一个示例性的说明，并不对本发明构成限制，所述机器学习的方法包括但不限于机械学习、通过传授学习、类比学习、归纳学习、基于解释的学习和通过事例学习等现有的以及未来出现的机器学习方法，都在本发明的保护范围之内。

另一实施例中，所述预先存储的异常预警设置规则列表也可以是由所述经营分析平台开发人员根据企业的管理要求预先设置并存储于预设存储装置中的。

步骤S2、根据所述异常预警规则中的异常预警数据类型获取相应的数据信息。

一实施例中，根据所述异常预警规则中的异常预警数据类型由所述经营分析平台中获取相应的数据信息，其中，所述经营分析平台中的数据是利用联机分析处理技术和数据挖掘等技术，通过获取企业运营的原始数据并对所述原始数据进行统计、分析、处理而得到的。由于经营分析平台是本领域现有技术且并非本发明重点，故在此不予赘述。

步骤S3、判断所述获取到的数据信息是否到达所述异常预警触发条件，若未达到，则返回步骤S2；若达到，则执行步骤S4。

具体地，步骤S3中判断所述获取到的数据信息是否达到所述异常预警触发条件的方法包括：

1)将获取的数据信息与对应的异常预警触发条件中的预警阈值进行比较，判断所述获取到的数据信息是否超过所述预警阈值；

2)若确定所述获取到的数据信息超出对应的预警阈值时，则确定达到所述异常预警触发条件，执行步骤S4；

3)若确定所述获取到的数据信息未超出对应的预警阈值时，则确定未达到所述异常预警触发条件，则返回步骤1)。

进一步地，判断所述获取到的数据信息是否达到所述异常预警触发条件的方法还可以包括步骤：4)当判断所述获取到的数据信息超出对应的预警阈值时，进一步判断所述超出的预警阈值的级别。

步骤S4、根据所述异常预警规则中的异常预警通知方式及异常预警通知人员，将异常预警按照所述确定的异常预警通知方式发送至所述异常预警通知人员。

一实施例中，当异常预警规则中设置的异常预警通知方式为邮件、短信或即时通信工具(例如微信)时，获取该异常预警规则中的邮箱地址、手机号码或即时通信工具账号，将异常预警发送至对应的邮箱、手机号码或者即时通信工具账号。

优选地，将所述异常预警推送给用户之前，首先将所述异常预警信息按预设的异常预警模板进行编辑。

一实施例中，当异常预警规则中设置的异常预警通知方式为消息提示框、弹出页面、在报表中将异常数据高亮显示、或语音提示时，在用户登陆所述经营分析平台或在用户使用打开了所述经营分析平台的电子设备时，在用户界面中弹出单独的页面显示异常预警，或在用户的电子设备中弹出消息提示框显示所述异常预警，或在经营分析平台界面中将出现异常的数据进行高亮标记，或通过语音播报的方式直接将异常预警通知用户。

进一步地，所述步骤S4中还包括：根据所述异常预警级别将所述异常预警以该级别对应的通知方式通知至该级别对应的人员。

上述图2详细介绍了本发明的异常预警方法，下面结合第3-4图，对实现所述异常预警方法的软件装置的功能模块以及实现所述异常预警方法的硬件装置架构进行介绍。

应所述了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

实施例三

图3为本发明异常预警装置较佳实施例的结构图。

在一些实施例中，异常预警装置10运行于计算机装置中。所述计算机装置通过网络连接了多个用户终端。所述异常预警装置10可以包括多个由程序代码段所组成的功能模块。所述异常预警装置10中的各个程序段的程序代码可以存储于计算机装置的存储器中，并由所述至少一个处理器所执行，以实现异常预警功能。

本实施例中，所述异常预警装置10根据其所执行的功能，可以被划分为多个功能模块。参阅图3所示，所述功能模块可以包括：设置模块101、数据获取模块102、判断模块103、异常预警模块104。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。

所述设置模块101用于在接收到设置异常预警信息的操作指令时，根据输入操作生成异常预警规则，所述异常预警规则中包括异常预警数据类型、异常预警触发条件、异常预警通知方式、异常预警通知人员。

一实施例中，所述异常预警装置应用于企业经营分析平台中，所述异常预警数据类型是所述经营分析平台中的数据类型，可以包括如下数据类型中的一种或多种组合：人力资源数据、财务数据、研发数据、市场销售数据。

其中，所述人力资源数据的内容可以包括，但不限于，员工入职率、员工离职率、人员利用率等等。

财务数据的内容可以包括，但不限于，指定时期(例如一周、一月)内的销售净利率、营业利润率、利润总额、成本费用总额等。

研发数据的内容可以包括，但不限于，研发需求完成率、项目的研发时长、研发完成超时的项目等。

市场销售数据消息的内容可以包括，但不限于，指定时期内拓展客户数量、客户流失数据等等。

举例而言，当需要设置异常预警信息的用户是人力资源部门的用户时，所述异常预警的数据类型为人力资源数据。当用户是财务部门的用户时，选择异常预警的数据类型为财务数据，而当设置异常预警信息的用户是企业总经理等企业负责人时，所述异常预警的数据包括人力资源数据、财务数据、研发数据、市场销售数据等整个企业涉及到的数据类型。

可以理解的是，在其他实施方式中，所述异常预警数据类型也可以根据实际业务场景设置为其他类型数据，本发明对此不作限定。

一实施例中，所述异常预警触发条件包括异常预警数据类型对应的预警阈值。例如，对应所述人力资源数据的预警阈值可以是离职率超过5％，对应财务数据可以是一月内的销售净利润低于10万等。

一实施例中，每种异常预警数据类型对应的预警阈值还包括不同级别的预警阈值，不同级别的预警阈值代表不同严重程度的预警，级别越高说明异常程度越严重。例如，就财务数据而言，当一个月的销售净利润小于10万元人民币时，为一般严重程度的预警，那么对应第一级别的预警阈值为10万元，当一个月的销售净利润小于0时，则为较严重程度的预警，那么对应第二级别的预警值0。

一实施例中，所述异常预警通知方式包括但不限于邮件、短信、电话、微信等即时通信工具、消息提示框、弹出页面、在报表中将异常数据高亮显示、语音提示等，当然也可以是上述几种通知方式相结合。

进一步地，所述异常预警通知方式还可以根据预警阈值的级别设置不同的异常预警通知方式。例如，当预警阈值为较低级别的一级预警阈值时，对应的通知方式为在用户登陆所述经营分析平台时弹出消息提示框，当预警阈值为较高级别时，对应的方式可以是电话、短信通知，这样在异常较严重时可以方便用户实时了解到异常信息，且通过电话短信的方式用户不易漏掉异常预警。

一实施例中，所述异常预警通知人员可以是用户本人、部门主管等相关人员。

进一步地，所述异常预警通知人员也可以根据所述预警阈值的级别进行设置，例如，当预警阈值级别较低时，通知人员可以只包括部门主管，当预警阈值级别较高时，通知人员可以包括部门主管以及更高级别的管理人员，例如企业负责人。

一实施例中，所述设置模块101设置异常预警规则的方式可以是用户自定义设置，每个部门的管理人员或员工可以根据需要自定义以及修改所述异常预警规则，这样可以方便用户灵活掌握企业或部门的运行情况。

另一实施例中，所述设置模块101设置异常预警规则的设置方式也可以是企业根据经营管理规则自动设置的，具体可以包括如下步骤：

1)当所述设置模块101接收到所述设置异常预警信息的操作指令时，获取所述操作指令中用户的身份信息，所述用户身份信息包括但不限于用户名、角色名称以及权限；

2)所述设置模块101在预先存储的异常预警设置规则列表中查找所述用户身份信息对应的异常预警规则，其中，所述预先存储的异常预警设置规则列表中存储了多种用户身份信息对应的异常预警规则；

3)所述设置模块101根据所述查找到的异常预警规则自动设置所述用户身份信息对应的异常预警规则。

进一步地，所述预先存储的异常预警设置规则表可以是系统利用大数据和机器学习技术自动生成的，通过统计分析系统历史记录中的海量数据信息以及多个用户的历史操作记录来学习生成异常预警规则。

一个实施例中，通过大数据及机器学习生成异常预警规则可包括如下步骤：

1)获取历史数据信息(例如经营分析平台中的例如数据信息)，所述历史数据信息包括但不限于用户角色、用户行为、每个数据类型的历史数据信息；

2)对所述历史数据信息进行聚类分析，并对分类进行标记；

3)分类后进行回归，将用户行为数据标记为真实的值；

4)将用户行为根据相似性，进行归类；

5)根据步骤所述1-4进行分析并提取规则，生成所述异常预警规则。

例如在所述系统2年内的数据及操作历史记录中，每当人力资源数据中企业在职人数低于500人时，人力资源部门就会招聘新的员工，使得人力资源数据中的员工总数大于500人，可以分析学习得出当企业人数低于500人时就会发生异常，需要招聘人数，那么所述异常预警设置规则表中设置的人力资源数据中员工人数的预警阈值可以设置为500人。通过大数据及机器学习技术设置预警规则，使得异常预警可以更加智能化。

当然，以上列举的实施例仅是一个示例性的说明，并不对本发明构成限制，所述机器学习的方法包括但不限于机械学习、通过传授学习、类比学习、归纳学习、基于解释的学习和通过事例学习等现有的以及未来出现的机器学习方法，都在本发明的保护范围之内。

另一实施例中，所述预先存储的异常预警设置规则列表也可以是由所述经营分析平台开发人员根据企业的管理要求预先设置并存储于预设存储装置中的。

数据获取模块102用于根据所述异常预警规则中的异常预警数据类型获取相应的数据信息。

一实施例中，根据所述异常预警规则中的异常预警数据类型由所述经营分析平台中获取相应的数据信息，其中，所述经营分析平台中的数据是利用联机分析处理技术和数据挖掘等技术，通过获取企业运营的原始数据并对所述原始数据进行统计、分析、处理而得到的。由于经营分析平台是本领域现有技术且并非本发明重点，故在此不予赘述。

所述判断模块103用于判断所述获取到的数据信息是否到达所述异常预警触发条件。

具体地，所述判断模块103判断所述获取到的数据信息是否达到所述异常预警触发条件的方法包括：

1)将获取的数据信息与对应的异常预警触发条件中的预警阈值进行比较，判断所述获取到的数据信息是否超过所述预警阈值；

2)若确定所述获取到的数据信息超出对应的预警阈值时，则确定达到所述异常预警触发条件；

3)若确定所述获取到的数据信息未超出对应的预警阈值时，则确定未达到所述异常预警触发条件。

进一步地，判断所述获取到的数据信息是否达到所述异常预警触发条件的方法还可以包括步骤：4)当判断所述获取到的数据信息超出对应的预警阈值时，进一步判断所述超出的预警阈值的级别。

所述异常预警模块104用于根据所述异常预警规则中的异常预警通知方式及异常预警通知人员，将异常预警按照所述确定的异常预警通知方式发送至所述异常预警通知人员。

一实施例中，当异常预警规则中设置的异常预警通知方式为邮件、短信或即时通信工具(例如微信)时，所述异常预警模块104获取该异常预警规则中的邮箱地址、手机号码或即时通信工具账号，将异常预警发送至对应的邮箱、手机号码或者即时通信工具账号。

优选地，将所述异常预警推送给用户之前，所述异常预警模块104首先将所述异常预警信息按预设的异常预警模板进行编辑。

一实施例中，当异常预警规则中设置的异常预警通知方式为消息提示框、弹出页面、在报表中将异常数据高亮显示、或语音提示时，所述异常预警模块104在用户登陆所述经营分析平台或在用户使用打开了所述经营分析平台的电子设备时，在用户界面中弹出单独的页面显示异常预警，或在用户的电子设备中弹出消息提示框显示所述异常预警，或在经营分析平台界面中将出现异常的数据进行高亮标记，或通过语音播报的方式直接将异常预警通知用户。

进一步地，所述异常预警模块104还用于根据所述异常预警级别将所述异常预警以该级别对应的通知方式通知至该级别对应的人员。

本发明提供的异常预警方法及装置，可以根据用户的设置灵活设置异常预警的内容、通知方式等信息，方便用户实时、主动的获取异常预警。另外，预警规则的设置方式还可以是根据大数据及机器学习技术自动设置，使得异常预警更加智能化。再者，异常预警根据级别以不同级别的通知方式通知不同分级别的人员，使得异常预警更具针对性。

实施例四

图4为本发明计算机装置较佳实施例的示意图。

所述计算机装置1包括存储器20、处理器30以及存储在所述存储器20中并可在所述处理器30上运行的计算机程序40，例如异常预警程序。所述处理器30执行所述计算机程序40时实现上述异常预警方法实施例中的步骤，例如图2所示的步骤S1～S4。或者，所述处理器30执行所述计算机程序40时实现上述异常预警装置实施例中各模块/单元的功能，例如图3中的单元101-104。

示例性的，所述计算机程序40可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器20中，并由所述处理器30执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，所述指令段用于描述所述计算机程序40在所述计算机装置1中的执行过程。例如，所述计算机程序40可以被分割成图3中的设置模块101、数据获取模块102、判断模块103、异常预警模块104。各模块具体功能参见实施例三。

所述计算机装置1可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解，所述示意图仅仅是计算机装置1的示例，并不构成对计算机装置1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述计算机装置1还可以包括输入输出设备、网络接入设备、总线等。

所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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、分立硬件组件等。通用处理器可以是微处理器或者所述处理器30也可以是任何常规的处理器等，所述处理器30是所述计算机装置1的控制中心，利用各种接口和线路连接整个计算机装置1的各个部分。

所述存储器20可用于存储所述计算机程序40和/或模块/单元，所述处理器30通过运行或执行存储在所述存储器20内的计算机程序和/或模块/单元，以及调用存储在存储器20内的数据，实现所述计算机装置1的各种功能。所述存储器20可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机装置1的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器20可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

所述计算机装置1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，所述计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

在本发明所提供的几个实施例中，应所述理解到，所揭露的计算机装置和方法，可以通过其它的方式实现。例如，以上所描述的计算机装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

另外，在本发明各个实施例中的各功能单元可以集成在相同处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在相同单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。计算机装置权利要求中陈述的多个单元或计算机装置也可以由同一个单元或计算机装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种异常预警方法，应用于计算机装置中，其特征在于，所述方法包括：

当接收到设置异常预警信息的操作指令时，根据输入操作生成异常预警规则，所述异常预警规则中包括异常预警数据类型、异常预警触发条件、异常预警通知方式、异常预警通知人员，其中，所述异常预警规则通过大数据结合机器学习生成和/或通过自动设置生成；

根据所述异常预警规则中的异常预警数据类型获取相应的数据信息；

判断所述获取到的数据信息是否达到所述异常预警触发条件；

当所述获取到的数据信息达到所述异常预警触发条件，则根据所述异常预警规则中的异常预警通知方式及异常预警通知人员，将异常预警按照所异常预警通知方式发送至所述异常预警通知人员。

2.如权利要求1所述的异常预警方法，其特征在于，通过大数据结合机器学习生成所述异常预警规则包括：

a.获取历史数据信息，所述历史数据信息包括用户角色、用户行为、每个数据类型的历史数据信息；

b.对所述历史数据信息进行聚类分析，并对分类进行标记；

c.分类后进行回归，将用户行为数据标记为真实的值；

d.将用户行为根据相似性，进行归类；

对以上步骤a-d进行分析并提取规则，生成所述异常预警规则。

3.如权利要求1所述的异常预警方法，其特征在于，自动生成异常预警规则包括：

当接收到所述设置异常预警信息的操作指令时，获取所述操作指令中用户的身份信息，所述用户身份信息包括用户名、角色名称以及权限；

在预先存储的异常预警设置规则列表中查找所述用户身份信息对应的异常预警规则，其中，所述预先存储的异常预警设置规则列表中存储了多种用户身份信息对应的异常预警规则；

根据所述查找到的异常预警规则自动设置所述用户身份信息对应的异常预警规则。

4.如权利要求1所述的异常预警方法，其特征在于，所述异常预警触发条件包括异常预警数据类型对应的预警阈值，每种异常预警数据类型对应的预警阈值还包括不同级别的预警阈值，不同级别的预警阈值代表不同严重程度的预警。

5.如权利要求4所述的异常预警方法，其特征在于，所述异常预警通知方式根据预警阈值的级别设置不同的异常预警通知方式。

6.如权利要求4所述的异常预警方法，其特征在于，所述异常预警通知人员根据所述预警阈值的级别进行设置。

7.如权利要求4所述的异常预警方法，其特征在于，判断所述获取到的数据信息是否达到所述异常预警触发条件的方法包括：

将获取的数据信息与对应的异常预警触发条件中的预警阈值进行比较，判断所述获取到的数据信息是否超过所述预警阈值；

若确定所述获取到的数据信息未超出对应的预警阈值时，则确定未达到所述异常预警触发条件；

若确定所述获取到的数据信息超出对应的预警阈值时，则确定达到所述异常预警触发条件；及

当判断所述获取到的数据信息超出对应的预警阈值时，判断所述超出的预警阈值的级别。

8.一种异常预警装置，其特征在于，所述装置包括：

设置模块，用于在接收到设置异常预警信息的操作指令时，根据输入操作生成异常预警规则，所述异常预警规则中包括异常预警数据类型、异常预警触发条件、异常预警通知方式、异常预警通知人员，其中，所述异常预警规则通过大数据结合机器学习生成和/或通过自动设置生成；

数据获取模块，用于根据所述异常预警规则中的异常预警数据类型获取相应的数据信息；

判断模块，用于判断所述获取到的数据信息是否达到所述异常预警触发条件；及

异常预警模块，用于当所述获取到的数据信息达到所述异常预警触发条件，则根据所述异常预警规则中的异常预警通知方式及异常预警通知人员，将异常预警按照所述确定的异常预警通知方式发送至所述异常预警通知人员。

9.一种计算机装置，其特征在于：所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7中任一项所述的异常预警方法。

10.一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：所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的异常预警方法。