CN109902981A - 用于进行数据分析的方法及装置 - Google Patents

Abstract

本申请公开一种用于进行数据分析的方法及装置。涉及计算机信息处理领域，该方法包括：确定多个特征行为；获取指定商品的相关数据；通过所述相关数据确定所述多个特征行为中每一个特征行为的发生时间；根据发生时间对所述多个特征行为进行排序；以及根据所述排序对所述特征行为进行数据分析。本申请公开的用于进行数据分析的方法及装置，能够追溯缺货产生的底层业务流程环节及系统逻辑原因，从根本上优化，以达到长期改善库存的目的，并结合大数据技术，提出解决真实业务场景的高可靠性，高扩展性的解决方案。

Description

用于进行数据分析的方法及装置

技术领域

本发明涉及计算机信息处理领域，具体而言，涉及一种用于进行数据分析的方法及装置。

背景技术

近些年来，随着库存管理由粗放式管理向长期精细化运营管理升级，缺货作为衡量库存健康程度的一个重要指标，面临着多业务方参与，多个环节环环相扣，流程复杂等问题。如果仅凭借人力定位库存环节问题，不仅工作量大，可靠性低，而且无法进行扩展，还阻碍了库存管理的数字化自动化发展。如何制定出一套程序可实现的科学有效的分析缺货原因的方法来帮助追溯底层业务流程环节以及系统逻辑问题，从而帮助库存管理进行决策最终达到库存优化目的，是目前库存管理的一个难题。

目前程序可实现的缺货原因定责方法都是采用面向过程的思维方式按照固定的定责顺序追溯底层业务流程。定责逻辑复杂，理解起来非常困难，并且逻辑难以自洽。而且定责逻辑不合理。当多个业务行为共同导致缺货时谁应负主要责任依赖于固定的定责顺序，即各个业务行为之间必须存在一个潜在的定责优先级顺序，然而在真实业务环境中，各个业务行为应该是一视同仁的，这种定责逻辑与真实情况不符。同时定责逻辑扩展性差。当业务发生变化，或是要加入新的业务行为有可能导致最终缺货，那么主线逻辑要改，代码改动量将非常大，系统维护成本非常高。

因此，需要一种新的用于进行数据分析的方法及装置。

在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本发明提供一种用于进行数据分析的方法及装置，能够追溯缺货产生的底层业务流程环节及系统逻辑原因，从根本上优化，以达到长期改善库存的目的，并结合大数据技术，提出解决真实业务场景的高可靠性，高扩展性的解决方案。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的一方面，提出一种用于进行数据分析的方法，该方法包括：确定多个特征行为；获取指定商品的相关数据；通过所述相关数据确定所述多个特征行为中每一个特征行为的发生时间；根据发生时间对所述多个特征行为进行排序；以及根据所述排序对所述特征行为进行数据分析。

在本公开的一种示例性实施例中，所述获取指定商品的相关数据，包括：通过分布式系统获取所述指定商品的相关数据。

在本公开的一种示例性实施例中，所述分布式系统，包括：MapReduce编程模型。

在本公开的一种示例性实施例中，所述获取指定商品的相关数据，包括：获取所述指定商品的库存量单位标识；获取所述指定商品的配送中心信息。

在本公开的一种示例性实施例中，所述通过所述相关数据确定所述多个特征行为中每一个特征行为的发生时间，包括：确定每一个所述特征行为发生时间的影响数据；由相关数据中提取与每一个所述特征行为相符合的所述影响数据；以及通过所述影响数据确定每一个所述特征行为的发生时间。

在本公开的一种示例性实施例中，还包括：对于指定的所述特征行为，将预定时间作为其发生时间。

在本公开的一种示例性实施例中，所述根据发生时间对所述多个特征行为进行排序，包括：利用MapReduce中的二次排序技术对所述多个特征行为进行排序。

在本公开的一种示例性实施例中，所述利用MapReduce中的二次排序技术对所述多个特征行为进行排序，包括：按照中间键中的第一参数进行排序，生成第一数据；以及将所述第一参数按照所述中间键中的第二参数进行排序，生成排序数据。

在本公开的一种示例性实施例中，所述根据所述排序对所述特征行为进行数据分析，包括：按照所述发生时间由后至前的顺序对所述指定商品的缺货行为进行问责分析。

根据本发明的一方面，提出一种用于进行数据分析的装置，该装置包括：汇总模块，用于确定多个特征行为；接收模块，用于获取指定商品的相关数据；时间模块，用于通过所述相关数据确定所述多个特征行为中每一个特征行为的发生时间；排序模块，用于根据发生时间对所述多个特征行为进行排序；以及分析模块，用于根据所述排序对所述特征行为进行数据分析。

根据本发明的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。

根据本发明的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。

根据本发明的用于进行数据分析的方法及装置，能够追溯缺货产生的底层业务流程环节及系统逻辑原因，从根本上优化，以达到长期改善库存的目的，并结合大数据技术，提出解决真实业务场景的高可靠性，高扩展性的解决方案。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。

附图说明

通过参照附图详细描述其示例实施例，本发明的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，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的附图。

图1是根据一示例性实施例示出的一种用于进行数据分析的方法的系统框图。

图2是根据一示例性实施例示出的一种用于进行数据分析的方法的流程图。

图3是根据另一示例性实施例示出的一种用于进行数据分析的方法的流程图。

图4是根据另一示例性实施例示出的一种用于进行数据分析的方法的示意图。

图5是根据另一示例性实施例示出的一种用于进行数据分析的方法的示意图。

图6是根据一示例性实施例示出的一种用于进行数据分析的装置的框图。

图7是根据一示例性实施例示出的一种电子设备的框图。

图8示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。

具体实施方式

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本发明将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。

本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的，因此不能用于限制本发明的保护范围。

图1是根据一示例性实施例示出的一种用于进行数据分析的方法的系统框图。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的购物类网站提供支持的后台数据服务器。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果反馈给终端设备。后台数据服务器还会对用户浏览的商品中的缺货商品进行记录，并进行缺货分析。

需要说明的是，本申请实施例所提供的进行数据分析的方法一般由服务器105执行，相应地，网页浏览装置一般设置于客户端101中。

图2是根据一示例性实施例示出的一种用于进行数据分析的方法的流程图。

如图2所示，在S202中，确定多个特征行为。在本申请中，缺货行为是指可能会导致分析日期缺货的底层业务行为。如内配，退货，取消采购单等行为。在本申请中，特征行为可例如为引起商品缺货的业务行为，缺货行为可例如包括：

a)采购在途未到货

本应按时到货，可例如下单时间在90分位VLT(Vendor Lead Time，供应商送货时长)之前，却仍处于在途状态的采购单可能会导致缺货。这类采购单不到缺货分析日期当天无法确定是否能及时到货，因而该缺货行为的发生时间应该为缺货分析日期的23:59:59。

b)采购单完成数量差异

本应按下单数量到货却最终少到货的采购单可能会导致缺货。这类采购单在货物上架时间就能够确定其对库存的影响了，因而该缺货行为的发生时间是货物的上架时间。

c)采购单取消

本应正常采购的采购单中途被取消可能会导致缺货。这类采购单在取消时间后就能够确定货物无法入库了，因而该缺货行为的发生时间是采购单的取消时间。

d)内配出

由于配送中心之间有支援关系，配送中心内配出支援另一个配送中心时有可能会导致缺货。在内配单下单时就能够确定其对库存的影响了，因而该缺货行为的发生时间是内配单的下单时间。

e)退货供应商

向供应商退货也可能会导致商品缺货。在退货单下单时也能确定其对库存的影响，因而该缺货行为的发生时间为退货单的下单时间。

f)采购数量过低或未采购

在距离缺货分析日期90分位VLT的时间点采购本应来得及在缺货分析日期到货的，却最终未能采购足够数量的货物，这种情况最终可能导致缺货分析日期缺货。因而该缺货行为的发生时间是距缺货分析日期90分位VLT的时间点。

在S204中，获取指定商品的相关数据。在本实施例中，指定商品可例如为缺货商品，还可例如为指定状态的商品，比如退货率较多的商品或者热卖的商品，本申请不以此为限。

在本公开的一种示例性实施例中，所述获取指定商品的相关数据，包括：通过分布式系统获取所述指定商品的相关数据。所述分布式系统可例如为Hadoop，包括：MapReduce编程模型。Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。MapReduce是一种编程模型，用于大规模数据集(大于1TB)的并行运算。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。当前的软件实现是指定一个Map(映射)函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduce(归约)函数，用来保证所有映射的键值对中的每一个共享相同的键组。

在本公开的一种示例性实施例中，所述获取指定商品的相关数据，包括：获取所述指定商品的库存量单位标识；获取所述指定商品的配送中心信息。根据缺货行为的不同获取不同的单据信息，还可例如包括采购单，内配单，退货单等等。

在S206中，通过所述相关数据确定所述多个特征行为中每一个特征行为的发生时间。发生时间是指，缺货行为发生的时间点，缺货行为在这个时间点影响库存发生变化，并且在这个时间点以后的行为理应考虑该缺货行为对库存的影响。

可例如，确定每一个所述特征行为发生时间的影响数据；由相关数据中提取与每一个所述特征行为相符合的所述影响数据；以及通过所述影响数据确定每一个所述特征行为的发生时间。

在本公开的一种示例性实施例中，还包括：对于指定的所述特征行为，将预定时间作为其发生时间。

在S208中，根据发生时间对所述多个特征行为进行排序。可例如，利用MapReduce中的二次排序技术对所述多个特征行为进行排序。包括：按照中间键中的第一参数进行排序，生成第一数据；以及将所述第一参数按照所述中间键中的第二参数进行排序，生成排序数据。

在S210中，根据所述排序对所述特征行为进行数据分析。时序原则是指，在时间上，后发生的行为理应以前面发生的行为作为前提条件进行决策，因此越晚发生的缺货行为责任越大，应优先定责。

在本公开的一种示例性实施例中，所述根据所述排序对所述特征行为进行数据分析，包括：按照所述发生时间由后至前的顺序对所述指定商品的缺货行为进行问责分析。

根据本发明的用于进行数据分析的方法，在抽象化出缺货行为与发生时间的概念以后，就可以把缺货行为的发生时间作为定责依据，确立明晰的责任边界，缺货行为来确定责任对象，并以行为发生的时序作为定责的基本原则。这套定责逻辑框架思路清晰，而且当业务发生了变化，或者出现新的缺货行为时，能够很方便地将变化添加到框架中来，具有很高的扩展性。

根据本发明的用于进行数据分析的方法，能够追溯缺货产生的底层业务流程环节及系统逻辑原因，从根本上优化，以达到长期改善库存的目的，并结合大数据技术，提出解决真实业务场景的高可靠性，高扩展性的解决方案。

应清楚地理解，本发明描述了如何形成和使用特定示例，但本发明的原理不限于这些示例的任何细节。相反，基于本发明公开的内容的教导，这些原理能够应用于许多其它实施例。

图3是根据另一示例性实施例示出的一种用于进行数据分析的方法的流程图。

在S302中，基础数据加工。可例如通过相关数据系统提取基础数据进行数据加工，相关数据系统可例如包括采购相关系统320，库存相关系统330，销售相关系统340。从各个相关业务系统获取底层数据进行基础数据加工，准备对各个缺货行为定责所需的基本数据。主要包括缺货商品的sku(Stock Keeping Unit，库存量单位)和dc(DistributionCenter，配送中心)信息，根据缺货行为准备不同的单据信息，包括采购单，内配单，退货单等等。由于实际应用场景要处理超过T级别量级的数据，因此可例如采用了MapReduce/Hadoop技术作为实现方案。

在S304中，确定不同缺货行为发生时间。针对待分析的每个缺货的sku-dc，从数据里找出相关的缺货行为，并根据不同类型的缺货行为设置与之相对应的发生时间。

在S306中，按照发生时间排序。根据发生时间对缺货行为进行排序。传统的MapReduce应用的排序方法是在reduce端内存中读入所有缺货行为信息后排序，这样有可能会导致reduce端耗尽内存从而发生异常。可例如利用二次排序技术与缺货行为发生时间排序完美结合，将排序的工作交由MapReduce框架自动完成，可伸缩性更强，可靠性更高。二次排序中，中间键-值对的设计如图4所示。

其中K1是缺货的sku-dc标识，K2是缺货行为的发生时间，V是封装的具体缺货行为对象。中间键(K1，K2)对的排序方式是先按K1排序(升序或降序)再按K2降序排列。这样reduce端收集到的缺货行为信息就是按发生时间倒序排列的，可以直接进行定责。

在S308中，下一个缺货行为(特征行为)定责。在这里，不同类型的缺货行为可自由设置定责逻辑，甚至可以预留定责不命中的定责逻辑线。比如缺货行为b中采购单完成数量差异虽然有但是很小，可忽略不计，那么可以选择定责不命中，这样定责框架会继续找下一个缺货行为来定责。

按时间从后往前的顺序依次定责，定责未命中则继续定责下一个缺货行为，定责命中则立即返回结果。如果定责未命中前面a～e中任何一个缺货行为，那么缺货行为f(采购数量过低或未采购)将作为最终定责的结果，该缺货行为不存在定责不命中的逻辑线.

在S310中，定责命中。如果定责未命中则继续进行S308，依次找到缺货行为进行定责。

图5是根据另一示例性实施例示出的一种用于进行数据分析的方法的示意图。通过图5对上述定责行为进行描述。

某商品共发生过3个缺货行为最终导致缺货，它们依次为缺货行为f，缺货行为d和缺货行为b。系统会优先定责后发生的缺货行为b，若定责命中则是缺货行为b导致缺货，若定责未命中(比如采购单完成数量差异很小可忽略不计)，则继续定责缺货行为d。同理定责命中则返回结果，未命中则继续定责缺货行为f。由于缺货行为f中没有定责不命中的情况，因此如果前面定责的缺货行为都未命中，则系统最终判定缺货行为f导致缺货。

本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时，执行本发明提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。

此外，需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。

图6是根据一示例性实施例示出的一种用于进行数据分析的装置的框图。

汇总模块602用于确定多个特征行为。在本申请中，缺货行为是指可能会导致分析日期缺货的底层业务行为。如内配，退货，取消采购单等行为。在本申请中，特征行为可例如为引起商品缺货的业务行为。

接收模块604用于获取指定商品的相关数据。在本公开的一种示例性实施例中，所述获取指定商品的相关数据，包括：通过分布式系统中的MapReduce编程模型获取所述指定商品的相关数据。

时间模块606用于通过所述相关数据确定所述多个特征行为中每一个特征行为的发生时间。可例如，确定每一个所述特征行为发生时间的影响数据；由相关数据中提取与每一个所述特征行为相符合的所述影响数据；以及通过所述影响数据确定每一个所述特征行为的发生时间。

排序模块608用于根据发生时间对所述多个特征行为进行排序。可例如，利用MapReduce中的二次排序技术对所述多个特征行为进行排序。包括：按照中间键中的第一参数进行排序，生成第一数据；以及将所述第一参数按照所述中间键中的第二参数进行排序，生成排序数据。

分析模块610用于根据所述排序对所述特征行为进行数据分析。按照所述发生时间由后至前的顺序对所述指定商品的缺货行为进行问责分析。

根据本发明的用于进行数据分析的装置，在抽象化出缺货行为与发生时间的概念以后，就可以把缺货行为的发生时间作为定责依据，确立明晰的责任边界，缺货行为来确定责任对象，并以行为发生的时序作为定责的基本原则。这套定责逻辑框架思路清晰，而且当业务发生了变化，或者出现新的缺货行为时，能够很方便地将变化添加到框架中来，具有很高的扩展性。

图7是根据一示例性实施例示出的一种电子设备的框图。

下面参照图7来描述根据本发明的这种实施方式的电子设备200。图7显示的电子设备200仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于：至少一个处理单元210、至少一个存储单元220、连接不同系统组件(包括存储单元220和处理单元210)的总线230、显示单元240等。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元210执行，使得所述处理单元210执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元210可以执行如图2，图3中所示的步骤。

所述存储单元220可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202，还可以进一步包括只读存储单元(ROM)2203。

所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204，这样的程序模块2205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线230可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述电子处方流转处理方法。

图8示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。

参考图8所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品400，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该计算机可读介质实现如下功能：确定多个特征行为；获取指定商品的相关数据；通过所述相关数据确定所述多个特征行为中每一个特征行为的发生时间；根据发生时间对所述多个特征行为进行排序；以及根据所述排序对所述特征行为进行数据分析。

本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本发明实施例的方法。

通过以上的详细描述，本领域的技术人员易于理解，根据本发明实施例的用于进行数据分析的方法及装置具有以下优点中的一个或多个。

根据一些实施例，本发明的用于进行数据分析的方法，能够具有效性和高扩展性特点的分析出缺货原因。

根据一些实施例，本发明的用于进行数据分析的方法，能够追溯底层业务流程环节及系统逻辑原因，从根本上优化，以达到长期改善库存的目的。

根据一些实施例，本发明的用于进行数据分析的方法，结合大数据技术，提出能够解决真实业务场景的高可靠性，高扩展性的技术实现方案。

以上具体地示出和描述了本发明的示例性实施例。应可理解的是，本发明不限于这里描述的详细结构、设置方式或实现方法；相反，本发明意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

此外，本说明书说明书附图所示出的结构、比例、大小等，均仅用以配合说明书所公开的内容，以供本领域技术人员了解与阅读，并非用以限定本公开可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本公开所能产生的技术效果及所能实现的目的下，均应仍落在本公开所公开的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“第一”、“第二”及“一”等的用语，也仅为便于叙述的明了，而非用以限定本公开可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当也视为本发明可实施的范畴。

Claims (12)

1.一种用于进行数据分析的方法，其特征在于，包括：

确定多个特征行为；

获取指定商品的相关数据；

通过所述相关数据确定所述多个特征行为中每一个特征行为的发生时间；

根据发生时间对所述多个特征行为进行排序；以及

根据所述排序对所述特征行为进行数据分析。

2.如权利要求1所述的方法，其特征在于，所述获取指定商品的相关数据，包括：

通过分布式系统获取所述指定商品的相关数据。

3.如权利要求2所述的方法，其特征在于，所述分布式系统，包括：

MapReduce编程模型。

4.如权利要求1所述的方法，其特征在于，所述获取指定商品的相关数据，包括：

获取所述指定商品的库存量单位标识；以及

获取所述指定商品的配送中心信息。

5.如权利要求1所述的方法，其特征在于，所述通过所述相关数据确定所述多个特征行为中每一个特征行为的发生时间，包括：

确定每一个所述特征行为发生时间的影响数据；

由相关数据中提取与每一个所述特征行为相符合的所述影响数据；以及

通过所述影响数据确定每一个所述特征行为的发生时间。

6.如权利要求5所述的方法，其特征在于，还包括：

对于指定的所述特征行为，将预定时间作为其发生时间。

7.如权利要求1所述的方法，其特征在于，所述根据发生时间对所述多个特征行为进行排序，包括：

利用MapReduce中的二次排序技术对所述多个特征行为的发生时间进行排序。

8.如权利要求7所述的方法，其特征在于，所述利用MapReduce中的二次排序技术对所述多个特征行为的发生时间进行排序，包括：

按照中间键中的第一参数进行排序，生成第一数据，所述第一参数为所述指定商品的标识；以及

将所述第一参数按照所述中间键中的第二参数进行排序，生成排序数据，所述第二参数为所述发生时间。

9.如权利要求1所述的方法，其特征在于，所述根据所述排序对所述特征行为进行数据分析，包括：

按照所述发生时间由后至前的顺序对所述指定商品的缺货行为进行问责分析。

10.一种用于进行数据分析的装置，其特征在于，包括：

汇总模块，用于确定多个特征行为；

接收模块，用于获取指定商品的相关数据；

时间模块，用于通过所述相关数据确定所述多个特征行为中每一个特征行为的发生时间；

排序模块，用于根据发生时间对所述多个特征行为进行排序；以及

分析模块，用于根据所述排序对所述特征行为进行数据分析。

11.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-9中任一所述的方法。