CN109783646B - 一种数据处理方法及装置 - Google Patents

一种数据处理方法及装置 Download PDF

Info

Publication number
CN109783646B
CN109783646B CN201910111803.7A CN201910111803A CN109783646B CN 109783646 B CN109783646 B CN 109783646B CN 201910111803 A CN201910111803 A CN 201910111803A CN 109783646 B CN109783646 B CN 109783646B
Authority
CN
China
Prior art keywords
statistical
target
dimension
transition
data
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.)
Active
Application number
CN201910111803.7A
Other languages
English (en)
Other versions
CN109783646A (zh
Inventor
郑涛
王觅也
罗凯
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.)
West China Hospital of Sichuan University
Original Assignee
West China Hospital of Sichuan University
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 West China Hospital of Sichuan University filed Critical West China Hospital of Sichuan University
Priority to CN201910111803.7A priority Critical patent/CN109783646B/zh
Publication of CN109783646A publication Critical patent/CN109783646A/zh
Application granted granted Critical
Publication of CN109783646B publication Critical patent/CN109783646B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Complex Calculations (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种数据处理方法及装置,其中,该方法包括:获取目标层中的至少一个统计维度,以及过渡层中的至少一个统计维度;其中,目标层中的每个统计维度对应过渡层中的至少一个统计维度;基于过渡层中的每个统计维度,对源数据进行第一聚合处理,得到过渡统计数据;基于目标层中的每个统计维度,对过渡统计数据进行第二聚合处理,得到目标统计数据。本申请按照过渡层中的统计维度将源数据进行第一聚合处理,得到过渡统计数据,再将过渡层中的过渡统计数据,按照目标层中的统计维度进行第二聚合处理,得到目标统计数据,能够提高目标统计数据的更新效率,以及准确性。

Description

一种数据处理方法及装置
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种数据处理方法及装置。
背景技术
伴随着医院信息化系统的不断健全和完善,医院产生并存储的业务数据量不断增加,并且,产生的海量业务数据具有价值高,维度大等特点。例如,门诊就诊人次、住院人次、每一个人对应的住院天数、手术次数等。其中,医院产生的海量的源数据可以为领导决策的准确化奠定基础。
通常,将医院产生的海量业务数据进行存储,并将该业务数据进行分析、总结等处理,得到目标统计数据,将该目标统计数据提供给领导,领导根据指标数据做一些决策,例如,是否需要增加医生的坐诊时间,是否需要增加病床设施等。
其中,每次进行目标统计数据更新时,均需要将所有的源数据进行处理,但是,海量的源数据会导致目标统计数据的更新效率较低,得到的目标统计数据不准确。
发明内容
有鉴于此,本申请实施例的目的在于提供一种数据处理方法及装置,通过按照过渡层中的统计维度将源数据进行第一聚合处理,得到过渡统计数据,再将过渡层中的过渡统计数据,按照目标层中的统计维度进行第二聚合处理,得到目标统计数据,能够提高目标统计数据的更新效率,以及准确性。
第一方面,本申请实施例提供了一种数据处理方法,其中,包括:
获取目标层中的至少一个统计维度,以及过渡层中的至少一个统计维度;其中,所述目标层中的每个统计维度对应所述过渡层中的至少一个统计维度;
基于所述过渡层中的每个统计维度,对源数据进行第一聚合处理,得到过渡统计数据;
基于所述目标层中的每个统计维度,对所述过渡统计数据进行第二聚合处理,得到目标统计数据。
结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方式,其中,还包括:
将所述目标数据进行显示,并存储在所述目标层。
结合第一方面,本申请实施例提供了第一方面的第二种可能的实施方式,其中,所述过渡层包括多个子过渡层;所述方法还包括:
获取第二子过渡层的至少一个统计维度,以及第一子过渡层中的至少一个统计维度;其中,所述第二子过渡层中的每个统计维度对应所述第一子过渡层中的至少一个统计维度;
基于所述第一子过渡层中的每个统计维度,对源数据进行第一子聚合处理,得到第一子过渡统计数据;
基于所述第二子过渡层中的每个统计维度,对所述第一子过渡统计数据进行第二子聚合处理,得到第二子过渡数据。
结合第一方面,本申请实施例提供了第一方面的第三种可能的实施方式,其中,还包括:
在预设时间段内,确定所述目标统计数据的稳定指数;
若所述稳定指数小于或等于所述第一预设指数,则将该统计维度以及该统计维度对应的目标统计数据添加至所述过渡层;
基于所述目标层中的每个统计维度,对所述过渡统计数据以及该统计维度对应的目标统计数据进行第二聚合处理,得到目标统计数据。
结合第一方面,本申请实施例提供了第一方面的第四种可能的实施方式,其中,还包括:
在预设时间段内,确定所述过渡统计数据的稳定指数;
若所述稳定指数大于或等于所述第二预设指数,则将该统计维度以及该统计维度对应的过渡统计数据添加至所述目标层;
基于所述目标层中的每个统计维度以及该统计维度,对所述过渡统计数据进行第二聚合处理,得到目标统计数据。
结合第一方面的第三种可能的实施方式或第一方面的第四种可能的实施方式,本申请实施例提供了第一方面的第五种可能的实施方式,其中,通过下述方法确定所述稳定指数:
获取所述预设时间段内每个统计维度对应的统计数据的波动幅度;
根据所述波动值和预设波动范围,确定所述预设时间段内该统计维度对应的统计数据的稳定指数。
第二方面,本申请实施例还提供了一种数据处理装置,其中,包括:获取模块,用于获取目标层中的至少一个统计维度,以及过渡层中的至少一个统计维度;其中,所述目标层中的每个统计维度对应所述过渡层中的至少一个统计维度;
过渡统计数据计算模块,用于基于所述过渡层中的每个统计维度,对源数据进行第一聚合处理,得到过渡统计数据;
目标统计数据计算模块,用于基于所述目标层中的每个统计维度,对所述过渡统计数据进行第二聚合处理,得到目标统计数据。
结合第二方面,本申请实施例提供了第二方面的第一种可能的实施方式,其中,还包括:
显示模块,用于将所述目标数据进行显示,并存储在所述目标层。
结合第二方面,本申请实施例提供了第二方面的第二种可能的实施方式,其中,还包括:
第一确定模块,用于在预设时间段内,确定所述目标统计数据的稳定指数;
第一调度模块,用于在所述稳定指数小于或等于所述第一预设指数时,将该统计维度以及该统计维度对应的目标统计数据添加至所述过渡层;
所述目标统计数据计算模块,还用于基于所述目标层中的每个统计维度,对所述过渡统计数据以及该统计维度对应的目标统计数据进行第二聚合处理,得到目标统计数据。
结合第二方面,本申请实施例提供了第二方面的第三种可能的实施方式,其中,还包括:
第二确定模块,用于在预设时间段内,确定所述过渡统计数据的稳定指数;
第二调度模块,用于在所述稳定指数大于或等于所述第二预设指数时,将该统计维度以及该统计维度对应的过渡统计数据添加至所述目标层;
所述目标统计数据计算模块,还用于基于所述目标层中的每个统计维度以及该统计维度,对所述过渡统计数据进行第二聚合处理,得到目标统计数据。
本申请提供了一种数据处理方法及装置,其中,该方法包括:获取目标层中的至少一个统计维度,以及过渡层中的至少一个统计维度;其中,目标层中的每个统计维度对应过渡层中的至少一个统计维度;基于过渡层中的每个统计维度,对源数据进行第一聚合处理,得到过渡统计数据;基于目标层中的每个统计维度,对过渡统计数据进行第二聚合处理,得到目标统计数据。本申请按照过渡层中的统计维度将源数据进行第一聚合处理,得到目标统计数据,再将过渡层中的过渡统计数据,按照目标层中的统计维度进行第二聚合处理,得到目标统计数据,避免了现有技术中每次进行目标统计数据更新时,均需要将海量的源数据进行处理,而导致目标统计数据的更新效率较低,得到的目标统计数据不准确的问题,能够提高目标统计数据的更新效率,以及准确性。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种数据处理方法的流程图;
图2示出了本申请实施例所提供的另一种数据处理方法的流程图;
图3示出了本申请实施例所提供的另一种数据处理方法的流程图;
图4示出了本申请实施例所提供的另一种数据处理方法的流程图;
图5示出了本申请实施例所提供的另一种数据处理方法的流程图;
图6示出了本申请实施例所提供的一种数据处理装置的结构示意图;
图7示出了本申请实施例所提供的另一种数据处理装置的结构示意图;
图8示出了本申请实施例所提供的另一种数据处理装置的结构示意图;
图9示出了本申请实施例所提供的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的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。
目前,现有技术中每次进行目标统计数据更新时,均需要将海量的源数据进行处理,而导致指标数据的更新效率较低,得到的指标数据不准确。针对上述问题,本申请实施例提供的一种数据处理方法及装置,按照过渡层中的统计维度将源数据进行第一聚合处理,得到过渡统计数据,再将过渡层中的过渡统计数据,按照目标层中的统计维度进行第二聚合处理,得到目标统计数据,能够提高目标统计数据的更新效率,以及准确性。
为便于对本申请实施例进行理解,首先对本申请实施例所公开的一种数据处理方法进行详细介绍。
随着医院信息化的不断完善,医院每天将产生大量的数据,并进行存储,例如,每天就诊人次,每天办理住院人次,每天各类药品输出数量等。医院的后台服务将每天产生的大量数据进行统计,并上报给医院领导,医院领导根据统计的数据做出决策。因此,本申请实施例提供的数据处理方法将每天产生的源数据进行处理,高效并准确的统计出目标统计数据,以便于医院领导可以根据该目标统计数据做出合理、正确的决策。
如图1所示,为本申请实施例以服务器为执行主体时数据处理方法的流程图,优选的可以为数据仓库技术(Extract-Transform-Load,ETL)处理平台,具体步骤如下:
S101、获取目标层中的至少一个统计维度,以及过渡层中的至少一个统计维度;其中,目标层中的每个统计维度对应过渡层中的至少一个统计维度。
这里,目标层为呈现给医院领导的数据层,其中,该目标层可以包括至少一个统计维度。例如,当日医院的病人数量,当日医院输出药品的总数量等。
过渡层为将源数据(即医院当日产生的所有数据)进行处理的数据层,并且,该过渡层也可以包括至少一个统计维度。例如,当日医院的骨科病人数量,当日医院的牙科病人数量等。
并且,目标层中的每个统计维度对应过渡层中的至少一个统计维度,例如,目标层中的当日医院的病人数量这一维度,对应过渡层中的当日医院的骨科病人数量,当日医院的牙科病人数量两个统计维度。
S102、基于过渡层中的每个统计维度,对源数据进行第一聚合处理,得到过渡统计数据。
这里,在确定过渡层中的每个统计维度之后,可以对源数据进行第一聚合处理,得到过渡层对应的过渡统计数据。其中,每个统计维度均对应有该维度的统计数据。
其中,该第一聚合处理可以根据医院领导需要进行设置,可以是求和,还可以是求平均值等。
S103、基于目标层中的每个统计维度,对过渡统计数据进行第二聚合处理,得到目标统计数据。
这里,在确定目标层中的每个统计维度之后,可以对过渡层中的过渡统计数据进行第二聚合处理,得到目标层对应的目标统计数据。值得说明的是,目标层中的统计维度数量小于过渡层中的统计维度数量。
同样的,该第二聚合处理也可以根据医院领导需要进行设置,可以是求和,还可以是求平均值等。
S104、将目标数据进行显示,并存储在目标层。
在具体实施中,可以将目标统计数据进行显示,以便于医院领导可以根据该目标统计数据进行决策。其中,显示的方式可以是在医院领导的计算机显示器上自动弹出带有目标统计数据的对话框,还可以是以发送邮件的形式进行展示等。
这里,目标层将目标统计数据进行存储,且过渡层将过渡统计数据进行存储,以便于进行后续核查等其他工作。
本申请按照过渡层中的统计维度将源数据进行第一聚合处理,得到过渡统计数据,再将过渡层中的过渡统计数据,按照目标层中的统计维度进行第二聚合处理,得到目标统计数据,避免了现有技术中每次进行目标统计数据更新时,均需要将所有的源数据进行处理,但是,海量的源数据会导致指标数据的更新效率较低,得到的指标数据不准确的问题,能够提高目标统计数据的更新效率,以及准确性,进而提高医院领导决策的合理性、准确性。
在具体实施中,由于医院每天产生的数据量比较大,则可以设置过渡层包括多个子过渡层,以便于提高对数据处理的效率。具体的,以过渡层中包括两个子过渡层为例,具体的的数据处理方法如图2所示,具体步骤如下:
S201、获取第二子过渡层的至少一个统计维度,以及第一子过渡层中的至少一个统计维度;其中,第二子过渡层中的每个统计维度对应第一子过渡层中的至少一个统计维度;
S202、基于第一子过渡层中的每个统计维度,对源数据进行第一子聚合处理,得到第一子过渡统计数据;
S203、基于第二子过渡层中的每个统计维度,对第一子过渡统计数据进行第二子聚合处理,得到第二子过渡统计数据。
在具体实施中,各子过渡层、各子过渡层之间对数据进行处理的过程与过渡层和目标层相近。
这里,第二子过渡层的统计维度的数量小于第一子过渡层的统计维度的数量,并且,第二子过渡层中的每个统计维度对应第一子过渡层中的至少一个统计维度。在确定第一子过渡层中的每个统计维度之后,对源数据进行第一子聚合处理,得到第一子过渡统计数据,并在确定第二子过渡层中的每个统计维度之后,将第一子过渡统计数据进行第二子聚合处理,得到第二子过渡统计数据。
值得说明的是,本申请实施例以过渡层中包括两个子过渡层进行阐述的,在具体实施中,可以设置过渡层中包括三个子过渡层或者四个子过渡层等,本申请实施例对此不作具体限定。并且,每个子过渡层与任意两个相邻的子过渡层之间的数据处理方法均相近。
在具体实施中,目标层或者过渡层中的统计维度可以进行调整,具体的,对目标层的统计维度进行调整时可以参照图3的方法,具体步骤如下:
S301、在预设时间段内,确定目标统计数据的稳定指数;
S302、若稳定指数小于或等于第一预设指数,则将该统计维度以及该统计维度对应的目标统计数据添加至过渡层;
S303、基于目标层中的每个统计维度,对过渡统计数据以及该统计维度对应的目标统计数据进行第二聚合处理,得到目标统计数据。
这里,可以在预设时间段内统计目标统计数据的稳定指数,并且在目标统计数据的稳定指数小于或等于第一预设指数,则将该统计维度以及该统计维度对应的目标统计数据添加至过渡层。其中,第一预设指数为目标统计数据允许的最小稳定指数。
具体的,目标统计数据的稳定指数可以根据如图4所示的方法进行确定,具体步骤如下:
S401、获取预设时间段内每个统计维度对应的统计数据的波动幅度;
S402、根据波动值和预设波动范围,确定预设时间段内该统计维度对应的统计数据的稳定指数。
这里,首先获取预设时间段内维度数据的波动幅度,具体的,获取目标层中预设时间段内每个统计维度对应的统计数据。针对任一统计维度,获取该统计维度每天的维度数据,根据多个维度数据确定该统计维度对应的统计数据的波动幅度。
计算该波动幅度和预设波动范围之间的匹配度,将该匹配度作为预设时间段内该统计维度对应的统计数据的稳定指数。
在将统计维度以及该统计维度对应的目标统计数据添加至过渡层之后,目标层将不存在统计维度以及该统计维度对应的目标统计数据。目标层基于更新后的每个统计维度,对过渡统计数据以及新增的目标统计数据进行第二聚合处理,得到更新后的目标统计数据。
在具体实施中,还可以根据医院领导的需求将目标层的任一统计维度添加至过渡层,以使得医院领导在进行决策时,受该统计维度对应的统计数据的影响较小。
具体的,对过渡层的统计维度进行调整时可以参照图5的方法,具体步骤如下:
S501、在预设时间段内,确定过渡统计数据的稳定指数;
S502、若稳定指数大于或等于第二预设指数,则将该统计维度以及该统计维度对应的过渡统计数据添加至目标层;
S503、基于目标层中的每个统计维度以及该统计维度,对过渡统计数据进行第二聚合处理,得到目标统计数据。
这里,可以在预设时间段内统计过渡统计数据的稳定指数,并且在过渡统计数据的稳定指数大于或等于第一预设指数,则将该统计维度以及该统计维度对应的过渡统计数据添加至目标层。其中,第二预设指数为过渡统计数据允许的最大稳定指数。
在将统计维度以及该统计维度对应的过渡统计数据添加至目标层之后,过渡层将仍保留该统计维度以及该统计维度对应的过渡统计数据。目标层基于更新后的每个统计维度,对过渡统计数据进行第二聚合处理,得到更新后的目标统计数据。
本申请实施例通过构建目标层以及过渡层,可以实时监控每个统计维度对应的统计数据的稳定指数,进而对统计维度进行调整(例如,将目标层的统计维度添加至过渡层,将过渡层的统计维度添加至目标层),还可以根据医院领导需求,对统计维度进行调整,进而可以确保医院领导决策的合理性、准确性。
基于同一发明构思,本申请实施例还提供了与数据处理方法对应的数据处理装置,由于本申请实施例中的装置解决问题的原理与本申请实施例上述数据处理方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参见图6所示,本申请又一实施例所提供的数据处理装置包括:
获取模块601,用于获取目标层中的至少一个统计维度,以及过渡层中的至少一个统计维度;其中,目标层中的每个统计维度对应过渡层中的至少一个统计维度;
过渡统计数据计算模块602,用于基于过渡层中的每个统计维度,对源数据进行第一聚合处理,得到过渡统计数据;
目标统计数据计算模块603,用于基于目标层中的每个统计维度,对过渡统计数据进行第二聚合处理,得到目标统计数据。
在一种实施方式中,上述数据处理装置还包括:
显示模块604,用于将目标数据进行显示,并存储在目标层。
参见图7所示,在另一种实施方式中,上述过渡统计数据计算模块602包括:
获取子模块6021,用于获取第二子过渡层的至少一个统计维度,以及第一子过渡层中的至少一个统计维度;其中,第二子过渡层中的每个统计维度对应第一子过渡层中的至少一个统计维度;
第一子过渡统计数据计算模块6022,用于基于第一子过渡层中的每个统计维度,对源数据进行第一子聚合处理,得到第一子过渡统计数据;
第二子过渡统计数据计算模块6023,用于基于第二子过渡层中的每个统计维度,对第一子过渡统计数据进行第二子聚合处理,得到第二子过渡数据。
参见图8所示,在又一种实施方式中,上述数据处理装置还包括:
第一确定模块605,用于在预设时间段内,确定目标统计数据的稳定指数;
第一调度模块606,用于在稳定指数小于或等于第一预设指数时,将该统计维度以及该统计维度对应的目标统计数据添加至过渡层;
目标统计数据计算模块603,还用于基于目标层中的每个统计维度,对过渡统计数据以及该统计维度对应的目标统计数据进行第二聚合处理,得到目标统计数据。
在再一种实施方式中,上述数据处理装置还包括:
第二确定模块607,用于在预设时间段内,确定过渡统计数据的稳定指数;
第二调度模块608,用于在稳定指数大于或等于第二预设指数时,将该统计维度以及该统计维度对应的过渡统计数据添加至目标层;
目标统计数据计算模块603,还用于基于目标层中的每个统计维度以及该统计维度,对过渡统计数据进行第二聚合处理,得到目标统计数据。
在再一种实施方式中,上述第一确定模块605和第二确定模块607还具体用于:
获取预设时间段内每个统计维度对应的统计数据的波动幅度;
根据波动值和预设波动范围,确定预设时间段内该统计维度对应的统计数据的稳定指数。
如图9所示,为本申请实施例提供的电子设备的结构示意图,包括:处理器901、存储器902和总线903,存储器902存储执行指令,当电子设备运行时,处理器901与存储器902之间通过总线903通信,机器可读指令被处理器901执行时执行如下处理:
获取目标层中的至少一个统计维度,以及过渡层中的至少一个统计维度;其中,目标层中的每个统计维度对应过渡层中的至少一个统计维度;
基于过渡层中的每个统计维度,对源数据进行第一聚合处理,得到过渡统计数据;
基于目标层中的每个统计维度,对过渡统计数据进行第二聚合处理,得到目标统计数据。
可选地,处理器901执行的方法中,还包括:
将目标数据进行显示,并存储在目标层。
可选地,处理器901执行的方法中,过渡层包括多个子过渡层;方法还包括:
获取第二子过渡层的至少一个统计维度,以及第一子过渡层中的至少一个统计维度;其中,第二子过渡层中的每个统计维度对应第一子过渡层中的至少一个统计维度;
基于第一子过渡层中的每个统计维度,对源数据进行第一子聚合处理,得到第一子过渡统计数据;
基于第二子过渡层中的每个统计维度,对第一子过渡统计数据进行第二子聚合处理,得到第二子过渡统计数据。
可选地,处理器901执行的方法中,还包括:
在预设时间段内,确定目标统计数据的稳定指数;
若稳定指数小于或等于第一预设指数,则将该统计维度以及该统计维度对应的目标统计数据添加至过渡层;
基于目标层中的每个统计维度,对过渡统计数据以及该统计维度对应的目标统计数据进行第二聚合处理,得到目标统计数据。
可选地,处理器901执行的方法中,还包括:
在预设时间段内,确定过渡统计数据的稳定指数;
若稳定指数大于或等于第二预设指数,则将该统计维度以及该统计维度对应的过渡统计数据添加至目标层;
基于目标层中的每个统计维度以及该统计维度,对过渡统计数据进行第二聚合处理,得到目标统计数据。
可选地,处理器901执行的方法中,通过下述方法确定稳定指数:
获取预设时间段内每个统计维度对应的统计数据的波动幅度;
根据波动值和预设波动范围,确定预设时间段内该统计维度对应的统计数据的稳定指数。
本申请实施例所提供的数据处理方法及装置的计算机程序产品,包括存储了程序代码的计算机可读存储介质,程序代码包括的指令可用于执行前面方法实施例中的方法,具体实现可参见方法实施例,在此不再赘述。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够按照过渡层中的统计维度将源数据进行第一聚合处理,得到过渡统计数据,再将过渡层中的过渡统计数据,按照目标层中的统计维度进行第二聚合处理,得到目标统计数据,能够提高目标统计数据的更新效率,以及准确性。
所述功能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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。

Claims (5)

1.一种数据处理方法,其特征在于,该方法应用于医疗系统中,该方法包括:
获取目标层中的至少一个统计维度,以及过渡层中的至少一个统计维度;其中,所述目标层中的每个统计维度对应所述过渡层中的至少一个统计维度;
基于所述过渡层中的每个统计维度,对源数据进行第一聚合处理,得到过渡统计数据;
基于所述目标层中的每个统计维度,对所述过渡统计数据进行第二聚合处理,得到目标统计数据;
其中,所述方法还包括:
在预设时间段内,确定所述过渡统计数据的稳定指数;
若所述稳定指数大于或等于第二预设指数,则将该统计维度以及该统计维度对应的过渡统计数据添加至所述目标层,并在所述过渡层保留该统计维度以及该统计维度对应的过渡统计数据;
基于所述目标层中的每个统计维度以及该统计维度,对所述过渡统计数据进行第二聚合处理,得到目标统计数据;
其中,通过下述方法确定所述稳定指数:
获取所述预设时间段内每个统计维度对应的统计数据的波动幅度;
根据所述波动值和预设波动范围,确定所述预设时间段内该统计维度对应的统计数据的稳定指数;
其中,所述方法还包括:
在所述预设时间段内,确定所述目标统计数据的稳定指数;
若所述稳定指数小于或等于第一预设指数,则将该统计维度以及该统计维度对应的目标统计数据添加至所述过渡层,并在所述目标层删除该统计维度以及该统计维度对应的目标统计数据;
基于所述目标层中的每个统计维度,对所述过渡统计数据以及该统计维度对应的目标统计数据进行第二聚合处理,得到目标统计数据。
2.根据权利要求1所述的方法,其特征在于,还包括:
将所述目标数据进行显示,并存储在所述目标层。
3.根据权利要求1所述的方法,其特征在于,所述过渡层包括多个子过渡层;所述方法还包括:
获取第二子过渡层的至少一个统计维度,以及第一子过渡层中的至少一个统计维度;其中,所述第二子过渡层中的每个统计维度对应所述第一子过渡层中的至少一个统计维度;
基于所述第一子过渡层中的每个统计维度,对源数据进行第一子聚合处理,得到第一子过渡统计数据;
基于所述第二子过渡层中的每个统计维度,对所述第一子过渡统计数据进行第二子聚合处理,得到第二子过渡统计数据。
4.一种数据处理装置,其特征在于,该装置应用于医疗系统中,该装置包括:
获取模块,用于获取目标层中的至少一个统计维度,以及过渡层中的至少一个统计维度;其中,所述目标层中的每个统计维度对应所述过渡层中的至少一个统计维度;
过渡统计数据计算模块,用于基于所述过渡层中的每个统计维度,对源数据进行第一聚合处理,得到过渡统计数据;
目标统计数据计算模块,用于基于所述目标层中的每个统计维度,对所述过渡统计数据进行第二聚合处理,得到目标统计数据;
其中,所述装置还包括:
第二确定模块,用于在预设时间段内,确定所述过渡统计数据的稳定指数;
第二调度模块,用于在所述稳定指数大于或等于第二预设指数时,将该统计维度以及该统计维度对应的过渡统计数据添加至所述目标层,并在所述过渡层保留该统计维度以及该统计维度对应的过渡统计数据;
所述目标统计数据计算模块,还用于基于所述目标层中的每个统计维度以及该统计维度,对所述过渡统计数据进行第二聚合处理,得到目标统计数据;
其中,所述第二确定模块,还用于:
获取所述预设时间段内每个统计维度对应的统计数据的波动幅度;
根据所述波动值和预设波动范围,确定所述预设时间段内该统计维度对应的统计数据的稳定指数;
其中,所述装置,还包括:
第一确定模块,用于在所述预设时间段内,确定所述目标统计数据的稳定指数;
第一调度模块,用于在所述稳定指数小于或等于第一预设指数时,将该统计维度以及该统计维度对应的目标统计数据添加至所述过渡层,并在所述目标层删除该统计维度以及该统计维度对应的目标统计数据;
所述目标统计数据计算模块,还用于基于所述目标层中的每个统计维度,对所述过渡统计数据以及该统计维度对应的目标统计数据进行第二聚合处理,得到目标统计数据。
5.根据权利要求4所述的装置,其特征在于,还包括:
显示模块,用于将所述目标数据进行显示,并存储在所述目标层。
CN201910111803.7A 2019-02-12 2019-02-12 一种数据处理方法及装置 Active CN109783646B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910111803.7A CN109783646B (zh) 2019-02-12 2019-02-12 一种数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910111803.7A CN109783646B (zh) 2019-02-12 2019-02-12 一种数据处理方法及装置

Publications (2)

Publication Number Publication Date
CN109783646A CN109783646A (zh) 2019-05-21
CN109783646B true CN109783646B (zh) 2022-08-12

Family

ID=66503255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910111803.7A Active CN109783646B (zh) 2019-02-12 2019-02-12 一种数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN109783646B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112070150B (zh) * 2020-09-07 2021-05-14 四川大学华西医院 Ct增强对比剂智能匹配模型的建立方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104899199A (zh) * 2014-03-04 2015-09-09 阿里巴巴集团控股有限公司 一种数据仓库数据处理方法和系统
CN105069025A (zh) * 2015-07-17 2015-11-18 浪潮通信信息系统有限公司 一种大数据的智能聚合可视化与管控系统
CN106203774A (zh) * 2016-06-24 2016-12-07 黄石开创网络科技有限公司 一种数字化kpi绩效考核方法和装置
CN108446305A (zh) * 2018-01-30 2018-08-24 上海天旦网络科技发展有限公司 多维度统计业务数据的系统和方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105989076B (zh) * 2015-02-10 2019-05-07 腾讯科技(深圳)有限公司 一种数据统计方法以及装置
CN206541295U (zh) * 2017-01-06 2017-10-03 南宁市健佳网络科技有限公司 一种智能型数据采集与处理平台
US10198532B2 (en) * 2017-03-15 2019-02-05 Sas Institute Inc. Reducing data storage, memory, and computational time needed for ad-hoc data analysis
CN107092701A (zh) * 2017-05-02 2017-08-25 山东浪潮通软信息科技有限公司 一种多维数据模型的数据处理方法及装置
CN107368606A (zh) * 2017-07-31 2017-11-21 北京中科金马科技股份有限公司 数据分类方法、装置及数据分类系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104899199A (zh) * 2014-03-04 2015-09-09 阿里巴巴集团控股有限公司 一种数据仓库数据处理方法和系统
CN105069025A (zh) * 2015-07-17 2015-11-18 浪潮通信信息系统有限公司 一种大数据的智能聚合可视化与管控系统
CN106203774A (zh) * 2016-06-24 2016-12-07 黄石开创网络科技有限公司 一种数字化kpi绩效考核方法和装置
CN108446305A (zh) * 2018-01-30 2018-08-24 上海天旦网络科技发展有限公司 多维度统计业务数据的系统和方法

Also Published As

Publication number Publication date
CN109783646A (zh) 2019-05-21

Similar Documents

Publication Publication Date Title
US20210151180A1 (en) Systems and methods for managing regimen adherence
Puttick MCMCtreeR: functions to prepare MCMCtree analyses and visualize posterior ages on trees
Brooks et al. Flexible modeling of epidemics with an empirical Bayes framework
Richardson et al. Standardized binomial models for risk or prevalence ratios and differences
US10181158B2 (en) Methods and systems for depicting psychological analysis
Hoot et al. Forecasting emergency department crowding: a prospective, real-time evaluation
Yoshida et al. Multinomial extension of propensity score trimming methods: a simulation study
US20120271612A1 (en) Predictive modeling
EP3491526B1 (en) Detection of computing resource leakage in cloud computing architectures
US11042823B2 (en) Business management system
WO2018075945A1 (en) System and method for benchmarking service providers
CN109213476B (zh) 一种安装包的生成方法、计算机可读存储介质及终端设备
Fojo et al. Mathematical modeling of “chronic” infectious diseases: unpacking the black box
Wesson et al. A Bayesian approach to synthesize estimates of the size of hidden populations: the Anchored Multiplier
Huang et al. Inequality in treatment benefits: Can we determine if a new treatment benefits the many or the few?
Yao et al. An ensemble method for interval-censored time-to-event data
CN109783646B (zh) 一种数据处理方法及装置
Hepler et al. An integrated abundance model for estimating county-level prevalence of opioid misuse in Ohio
Venter et al. Semiparametric regression for dual population mortality
Lin et al. Cleaning of anthropometric data from PCORnet electronic health records using automated algorithms
JP5724020B1 (ja) 情報処理装置及びプログラム
JP2019133305A (ja) カオス尺度補正装置及びカオス尺度補正用プログラム
Rineau et al. Information content of trees: three-taxon statements, inference rules and dependency
US8700427B1 (en) Web-based system and method for healthcare cost management
Drake et al. Buy now, saved later? The critical impact of time-to-pandemic uncertainty on pandemic cost-effectiveness analyses

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
GR01 Patent grant
GR01 Patent grant