CN110109978A - 基于指标的数据分析方法、装置、服务器及可读存储介质 - Google Patents

基于指标的数据分析方法、装置、服务器及可读存储介质 Download PDF

Info

Publication number
CN110109978A
CN110109978A CN201910416506.3A CN201910416506A CN110109978A CN 110109978 A CN110109978 A CN 110109978A CN 201910416506 A CN201910416506 A CN 201910416506A CN 110109978 A CN110109978 A CN 110109978A
Authority
CN
China
Prior art keywords
data analysis
data
index
analysis request
server
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.)
Pending
Application number
CN201910416506.3A
Other languages
English (en)
Inventor
庄海琪
彭陈成
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.)
WeBank Co Ltd
Original Assignee
WeBank Co Ltd
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 WeBank Co Ltd filed Critical WeBank Co Ltd
Priority to CN201910416506.3A priority Critical patent/CN110109978A/zh
Publication of CN110109978A publication Critical patent/CN110109978A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24552—Database cache management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Technology Law (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于指标的数据分析方法、装置、服务器及可读存储介质，所述基于指标的数据分析方法应用于服务器中，所述服务器中分布式部署有服务端和执行端，该方法包括步骤：扫描所述服务端中预设的任务调度表，确定所述任务调度表中处于待执行状态的数据分析请求；在所述执行端中根据所述数据分析请求对应的指标类型确定所述数据分析请求对应指标的优先级；提取所述数据分析请求对应指标的配置信息，按照所述优先级，根据所述配置信息对所述服务器存储的业务数据进行分析，得到所述数据分析请求对应的指标数据。本发明降低了业务数据分析成本，提高了业务数据的可维护性。

Description

基于指标的数据分析方法、装置、服务器及可读存储介质
技术领域
本发明涉及金融科技(Fintech)的数据分析技术领域，尤其涉及一种基于指标的数据分析方法、装置、服务器及可读存储介质。
背景技术
随着金融科技，尤其是互联网科技金融(Finteh)的不断发展，越来越多的技术(如分布式、区块链Blockchain、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求。
传统业务数据应用采用的模式主要为业务提出需求，技术人员根据业务所提需求进行开发，使用传统BI(Business Intelligence，商业智能分析工具)提供数据查询和分析功能，通过获取上游数据并正对业务统计口径进行相应的ETL(Extract-Transform-Load)处理，在Hive上生成分析报表，然后将报表Sqoop抽取到关系型数据库中，使用BI工具进行查询分析。
由此可知，在传统的业务数据分析过程中，需要将数据分析逻辑的脚本耦合在代码中，当数据分析逻辑存在错误时，需要修改代码，从而导致业务数据分析成本高，数据分析逻辑集中在ETL处理过程中，数据统计口径无法灵活调整，从而导致数据可维护性差，不能快速响应业务对数据的紧急需求。
发明内容
本发明的主要目的在于提供一种基于指标的数据分析方法、装置、服务器及可读存储介质，旨在解决现有的业务数据分析成本高，数据可维护性差的技术问题。
为实现上述目的，本发明提供一种基于指标的数据分析方法，所述基于指标的数据分析方法应用于服务器中，所述服务器中分布式部署有服务端和执行端，所述基于指标的数据分析方法包括步骤：
扫描所述服务端中预设的任务调度表，确定所述任务调度表中处于待执行状态的数据分析请求；
在所述执行端中根据所述数据分析请求对应的指标类型确定所述数据分析请求对应指标的优先级；
提取所述数据分析请求对应指标的配置信息，按照所述优先级，根据所述配置信息对所述服务器存储的业务数据进行分析，得到所述数据分析请求对应的指标数据。
优选地，所述按照所述优先级，根据所述配置信息对所述服务器存储的业务数据进行分析，得到所述数据分析请求对应的指标数据的步骤包括：
按照所述优先级，根据所述配置信息中指标的统计口径对所述服务器缓存数据库中存储的业务数据进行分析，得到所述数据分析请求对应的指标数据。
优选地，所述扫描所述服务端中预设的任务调度表，确定所述任务调度表中处于待执行状态的数据分析请求的步骤之后，还包括：
检测所述服务器的缓存数据库中是否已缓存所述数据分析请求对应指标的配置信息；
若检测到所述缓存数据库中未缓存所述配置信息，则执行所述在所述执行端中根据所述数据分析请求对应的指标类型确定所述数据分析请求对应指标的优先级的步骤。
优选地，所述扫描所述服务端中预设的任务调度表，确定所述任务调度表中处于待执行状态的数据分析请求的步骤之前，还包括：
获取上游系统的业务数据，在预设的第一数据库中按照所述业务数据所属的业务领域和业务主题汇总所述业务数据，以生成数据模型表；
将所述数据模型表中的业务数据存储到预设的第二数据库中，并将所述第二数据库中与任务调度表中数据分析请求对应的业务数据存储到所述服务器的缓存数据库中。
优选地，所述扫描所述服务端中预设的任务调度表，确定所述任务调度表中处于待执行状态的数据分析请求的步骤之后，还包括：
解析所述数据分析请求，并判断所述数据分析请求是否解析成功；
若所述数据分析请求解析成功，则执行所述在所述执行端中根据所述数据分析请求对应的指标类型确定所述数据分析请求对应指标的优先级的步骤；
若所述数据分析请求解析失败，则将所述数据分析请求对应的状态修改为调度失败状态。
优选地，所述扫描所述服务端中预设的任务调度表，确定所述任务调度表中处于待执行状态的数据分析请求步骤之前，还包括：
当侦测到设置数据分析请求对应指标统计口径的设置指令时，根据所述设置指令设置所述数据分析请求对应指标的统计口径，以根据所述统计口径确定所述数据分析请求对应指标的配置信息。
优选地，所述提取所述数据分析请求对应指标的配置信息，按照所述优先级，根据所述配置信息对所述服务器存储的业务数据进行分析，得到所述数据分析请求对应的指标数据的步骤之后，还包括：
将所述指标数据按照预设维度进行汇总，得到汇总后的指标数据，并存储汇总后的所述指标数据。
优选地，所述将所述指标数据按照预设维度进行汇总，得到汇总后的指标数据的步骤包括：
将所述指标数据按照机构维度进行汇总，以得到不同机构汇总后的指标数据。
此外，为实现上述目的，本发明还提供一种基于指标的数据分析装置，所述基于指标的数据分析装置应用于服务器中，所述服务器中分布式部署有服务端和执行端，所述基于指标的数据分析装置包括：
扫描模块，用于扫描所述服务端中预设的任务调度表；
确定模块，用于确定所述任务调度表中处于待执行状态的数据分析请求；在所述执行端中根据所述数据分析请求对应的指标类型确定所述数据分析请求对应指标的优先级；
提取模块，用于提取所述数据分析请求对应指标的配置信息；
分析模块，用于按照所述优先级，根据所述配置信息对所述服务器存储的业务数据进行分析，得到所述数据分析请求对应的指标数据。
此外，为实现上述目的，本发明还提供一种服务器，所述服务器中分布式部署有服务端和执行端，所述服务器包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的基于指标的数据分析程序，所述基于指标的数据分析程序被所述处理器执行时实现如上所述的基于指标的数据分析方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于指标的数据分析程序，所述基于指标的数据分析程序被处理器执行时实现如上所述的基于指标的数据分析方法的步骤。
本发明通过在服务器中分布式部署服务端和执行端，扫描服务端中预设的任务调度表，确定任务调度表中处于待执行状态的数据分析请求；在执行端中根据数据分析请求对应的指标类型确定数据分析请求的优先级；提取数据分析请求对应指标的配置信息，按照优先级，根据配置信息对服务器存储的业务数据进行分析，得到数据分析请求对应的指标数据。实现了在对业务数据分析过程中，直接在服务端和执行端中完成根据数据分析请求对应指标进行业务数据分析过程，不需要再将数据分析逻辑的脚本耦合在代码中，降低了业务数据分析成本，提高了业务数据的可维护性。
附图说明
图1是本发明基于指标的数据分析方法第一实施例的流程示意图；
图2是本发明基于指标的数据分析方法第三实施例的流程示意图；
图3是本发明基于指标的数据分析方法第四实施例的流程示意图；
图4是本发明基于指标的数据分析装置较佳实施例的功能示意图模块图；
图5是本发明实施例方案涉及的硬件运行环境的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种基于指标的数据分析方法，参照图1，图1为本发明基于指标的数据分析方法较佳实施例的流程示意图。
本发明实施例提供了基于指标的数据分析方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
基于指标的数据分析方法应用于服务器中，服务器中分布式部署有服务端和执行端，服务端和执行端之间建立了长连接，具体地，该服务器可为linux服务器，或者其他和linux服务器具备同样功能的服务器。为了便于描述，以下以服务器中的执行相应操作的组件阐述各个实施例。基于指标的数据分析方法包括：
步骤S10，扫描所述服务端中预设的任务调度表，确定所述任务调度表中处于待执行状态的数据分析请求。
当服务端接收到数据分析请求后，服务端扫描预设的任务调度表，获取任务调度表中各个数据分析请求对应的状态标识，将状态标识为待执行标识的数据分析请求确定为任务调度表中处于待执行状态的数据分析请求。在任务调度表中，存储有不同的数据分析请求，该数据分析请求可为数据计算任务、数据查询任务和数据检核任务等。每一数据分析请求都存在对应的状态标识，根据该状态标识即可确定数据分析请求是否需要执行。需要说明的是，若服务端已获取到某个数据分析请求对应的业务数据，即该数据分析请求对应的业务数据已准备好，在接收到对该业务数据的数据分析请求后，可直接执行该数据分析请求，此时，表明该数据分析请求对应的状态为待执行状态，可为该数据分析请求添加待执行标识。在本发明实施例中不限制待执行标识的具体表现形式。
需要说明的是，该数据分析请求可为客户端发送的，此时，客户端的用户可在客户端或者服务端的显示界面中设置该数据分析请求对应指标的统计口径。在客户端发送数据分析请求给服务端的时候，会将所设置的统计口径和数据分析请求一起发送给服务端，服务端在接收到该数据分析请求后，将该数据分析请求存储至任务调度表中，检测该数据分析请求所需要的业务数据是否已经成功获取。若已成功获取到数据分析请求对应的业务数据，则为该数据分析请求添加待执行标识。其中，在客户端或者服务端中，可使用echarts.js框架、highcharts.js框架或者Canvas/SVG(Scalable Vector Graphics，可缩放矢量图形)框架、原生js框架显示各个指标，以便于对应用户根据该指标设置对应的统计口径。
进一步地，该数据分析请求也可为预先存储在任务调度表中的，该数据分析请求已经设置好了执行时间，若当前时间等于该执行时间或者处于该执行时间对应的时间范围内，服务端则会扫描该任务调度表。进一步地，服务端也可定时去扫描任务调度表，获取任务调度表中处于待执行状态的数据分析请求，定时对应的时长可根据具体需要而设置。
步骤S20，在所述执行端中根据所述数据分析请求对应的指标类型确定所述数据分析请求对应指标的优先级。
当服务端确定处于待执行状态的数据分析请求后，服务端将处于待执行状态的数据分析请求发送给执行端，以在执行端中根据该数据分析请求对应的指标类型确定该数据分析请求对应指标的优先级。在本发明实施例中，指标一般指某个业务数据的具体值，用来衡量某个业务期望数据，按照指标用途的不同，将指标分为根指标、组合指标、派生指标和总账指标四种类型。其中，根指标是基于某个数据模型而定义的，一个根指标包含来源数据模型的所有维度加上其中某一个度量组成，其最大特点是一个根指标一定只有一个度量值，其中，维度是获取某个数据模型中某个度量值的具体条件，是观察数据的角度，如产品维度、日期维度等；度量一般指的是数据模型中可量化的一些字段，如指标值、当日余额、上日余额、月平均数据和年平均数据等。组合指标是按照某些个固定的维度值来看某个度量值，在根指标包含的若干个维度项上加上维度值就是一个组合指标，如在产品维度上加上产品号，该产品号即为纬度值。派生指标是由若干个组合指标按照一定的逻辑关系计算得出，如常见的加减乘除等数学公式的计算，需要说明的是，派生指标的所有的子指标必须要有相同的公共维度，否则将无法计算派生指标的值，如要A指标和B指标都要存在产品这个公共维度，才可计算该购买A产品和B产品的人数之和。总账指标是一种特别用于银行总账数据的指标，一般总账所有的科目都会定义为具体的总账指标，其度量一般为科目的借贷方余额和借贷方发生额等。需要说明的是，一个数据分析请求可对应一个或者多个指标类型。
当执行端接收到数据分析请求后，执行端确定数据分析请求对应的指标类型，具体地，每一数据分析请求都存在对应的指标类型，每一数据分析请求都存在一个请求标识，该请求标识可唯一标识某一个数据分析请求，每一指标类型都存在对应的类型标识，该类型标识可唯一识别一个指标类型，数据分析请求的请求标识和类型标识是存在关联关系的，因此执行端可通过数据分析请求的请求标识确定关联的类型标识，然后根据该类型标识确定对应的数据分析请求对应的指标类型。当执行端确定数据分析请求的指标类型后，根据指标类型确定数据分析请求对应指标的优先级，具体地，根据指标类型之间的依赖关系即可确定数据分析请求对应指标的优先级，如若第一指标对应业务数据的分析需要依赖于第二指标对应业务数据的分析结果，则第二指标的优先级高于第一指标的优先级，若指标类型对应的指标之间不存在依赖关系，则数据分析请求对应指标的优先级相同。
步骤S30，提取所述数据分析请求对应指标的配置信息，按照所述优先级，根据所述配置信息对所述服务器存储的业务数据进行分析，得到所述数据分析请求对应的指标数据。
执行端提取该数据分析请求对应指标的配置信息，并按照各个指标的优先级，根据配置信息对服务器存储的业务数据进行分析，得到数据分析请求对应的指标数据。其中，配置信息包括但不限于统计口径和指标间的计算公式。可以理解的是，只有当数据分析请求对应指标类型存在派生指标时，配置信息中才会存在计算公式。当得到数据分析请求对应的指标数据后，执行端可将指标数据和对应的指标标识关联存储。
进一步地，所述按照所述优先级，根据所述配置信息对所述服务器存储的业务数据进行分析，得到所述数据分析请求对应的指标数据的步骤包括：
步骤a，按照所述优先级，根据所述配置信息中指标的统计口径对所述服务器缓存数据库中存储的业务数据进行分析，得到所述数据分析请求对应的指标数据。
具体地，执行端按照各个指标的优先级从高到低，根据配置信息中指标的统计口径对服务器缓存数据库中存储的业务数据进行分析，得到数据分析请求对应的指标数据。如若统计口径为统计在2018年度购买A产品中的A1子产品和A2子产品的总人数，则执行端优先在服务器缓存数据库中存储的业务数据先计算出2018年度购买A1子产品的第一人数，然后再计算出2018年度购买A2子产品的第二人数，计算第一人数和第二人数之和，得到在2018年度购买A产品中的A1子产品和A2子产品的总人数，即得到数据分析请求对应的指标数据，此时，数据分析请求对应的指标有两个，分别为2018年度购买A1子产品的第一人数和2018年度购买A2子产品的第二人数。
需要说明的是，在本申请中，是将需要分析的业务数据缓存在服务器的缓存数据库中，以便于执行端进行业务数据分析时，可快速从缓存数据库中获取到需要分析的业务数据，提高了业务数据分析的效率。
进一步地，若得到的指标数据需要用于其它数据分析请求，则可将该指标数据存储至缓存数据库中，并在任务调度表中生成与指标数据对应的数据分析请求，以便于在服务端扫描任务调度表中，可扫描到指标数据对应的数据分析请求，执行指标数据对应的数据分析请求。
本实施例通过在服务器中分布式部署服务端和执行端，扫描服务端中预设的任务调度表，确定任务调度表中处于待执行状态的数据分析请求；在执行端中根据数据分析请求对应的指标类型确定数据分析请求的优先级；提取数据分析请求对应指标的配置信息，按照优先级，根据配置信息对服务器存储的业务数据进行分析，得到数据分析请求对应的指标数据。实现了在对业务数据分析过程中，直接在服务端和执行端中完成根据数据分析请求对应指标进行业务数据分析过程，不需要再将数据分析逻辑的脚本耦合在代码中，降低了业务数据分析成本，提高了业务数据的可维护性。
进一步地，提出本发明基于指标的数据分析方法第二实施例。
所述基于指标的数据分析方法第二实施例与所述基于指标的数据分析方法第一实施例的区别在于，基于指标的数据分析方法还包括：
步骤b，检测所述服务器的缓存数据库中是否已缓存所述数据分析请求对应指标的配置信息。
若检测到所述缓存数据库中未缓存所述配置信息，则执行所述步骤S20。
在服务端确定任务调度表中处于待执行状态的数据分析请求后，服务端检测服务器的缓存数据库中是否已缓存该数据分析请求对应指标的配置信息。需要说明的是，在服务端确定处于待执行状态的数据分析请求，会将该数据分析请求对应指标的配置信息存储到服务器的缓存数据库中，以便于执行端在需要该配置信息时，可快速从缓存数据库中提取到所需的配置信息。若服务端检测到缓存数据库中未缓存该配置信息，服务端则确定处于待执行状态的数据分析请求还未执行过，将处于待执行状态的数据分析请求指标的配置信息存储至缓存数据库中，并将该数据分析请求发送给执行端，以在执行端中根据数据分析请求对应指标类型确定数据分析请求的优先级；进一步地，若服务端检测到缓存数据库中已缓存该配置信息，则可确定该处于待执行状态的数据分析请求已经发送给执行端了，因此，不再将该数据分析请求发送给执行端。
需要说明的是，在本发明实施例中，缓存数据库可为H2数据库、eXtremeDB(内存嵌入式实时数据库)、Oracle TimesTen(内存数据库)等内存型数据库，或者采用ehcache(一个纯Java的进程内缓存框架)等进程内缓存框架替代。
本实施例通过在将数据分析请求发送给执行端之前，服务端先检测服务器的缓存数据库中是否已缓存数据分析请求对应指标的配置信息，避免重复发送数据分析请求给执行端，提高了服务端和执行端的资源利用率。
进一步地，提出本发明基于指标的数据分析方法第三实施例。
所述基于指标的数据分析方法第三实施例与所述基于指标的数据分析方法第一或第二实施例的区别在于，参照图2，基于指标的数据分析方法还包括：
步骤S40，获取上游系统的业务数据，在预设的第一数据库中按照所述业务数据所属的业务领域和业务主题汇总所述业务数据，以生成数据模型表。
在执行数据分析请求之前，需要在服务器的hive侧加工符合服务端和执行端的业务数据，以便于服务端和执行端可成功执行数据分析请求，在本发明实施例中，服务端和执行端可理解为计算引擎。在服务器中，预先设置有一个数据加工程序，该数据加工程序会获取各个上游系统的业务数据，并将所获取的业务数据存储至服务器中的第一数据库中。其中，第一数据库是预先设置在服务器中，该第一数据库为hive数据库，上游系统为进行业务交易，产生业务数据的系统，如存款系统和贷款系统等。当数据加工程序将所获取的业务数据存储在第一数据库中后，在第一数据库中按照业务数据所属的业务领域和业务主题汇总该业务数据，以生成数据模型表。其中，同一业务领域中有不同的业务主题，如在金融业务领域中，有存款业务主题、贷款业务主题和理财业务主题等，在终端业务领域中，有移动终端业务领域，有固定终端业务领域等。
在第一数据库中按照业务数据所属的业务领域和业务主题汇总该业务数据，生成数据模型表的具体过程为：先确定第一数据库中各个业务数据所属的业务领域，然后再确定该业务数据在该业务领域中所属的业务主题，由此确定每个业务领域对应业务主题的业务数据，然后在每个业务主题中采取ETL分层技术，根据业务数据维度的不同进行汇总生成相应的数据模型表。如根据业务数据生成时间进行汇总生成时间数据模型表，在该时间数据模型表中，可以按照生成时间的先后顺序从前到后显示各个业务数据；或者按照业务数据交易金额进行汇总生成金额数据模型表，在该金额数据模型表中，可以按照交易金融的大小从小到大显示各个业务数据。
需要说明的是，本实施例通过按照业务数据所属的业务领域和业务主题汇总业务数据，以保证各个业务主题业务数据之间的独立性。
步骤S50，将所述数据模型表中的业务数据存储到预设的第二数据库中，并将所述第二数据库中与任务调度表中数据分析请求对应的业务数据存储到所述服务器的缓存数据库中。
当生成数据模型表后，数据加工程序将数据模型表中的业务数据存储到预设的第二数据库中，其中，第二数据库是服务器中预先设置好的数据库，第二数据库可为FDM(Financial Data Mart，财务数据集市系统)MySQL数据库，在第二数据库中，属于同一数据模型表的业务数据是关联存储的。需要说明的是，将在第一数据库中生成的数据模型表中的业务数据存储到第二数据库中，是为了在需要提取业务数据时，可直接在第二数据库中快速提取到所需的业务数据(相对于而言，第二数据库中存储的数据量小于第一数据库存储的数据量)。
为了提高数据分析效率，将第二数据库中与数据分析请求对应的业务数据存储到服务器的缓存数据库中，以便于执行端可直接在缓存数据库中获取数据分析请求对应的业务数据。
本实施例通过获取上游系统的业务数据，生成数据模型表，将数据模型表中的业务数据存储到预设的第二数据库中，并将第二数据库中与数据分析请求对应的业务数据存储到服务器的缓存数据库中，以便于执行端可直接在缓存数据库中获取数据分析请求对应的业务数据，提高了数据分析效率。
进一步地，提出本发明基于指标的数据分析方法第四实施例。
所述基于指标的数据分析方法第四实施例与所述基于指标的数据分析方法第一、第二或第三实施例的区别在于，基于指标的数据分析方法还包括：
步骤c，解析所述数据分析请求，并检测所述数据分析请求是否解析成功。
若所述数据分析请求解析成功，则执行所述步骤S20。
步骤d，若所述数据分析请求解析失败，则将所述数据分析请求对应的状态修改为调度失败状态。
在服务端确定处于待执行状态的数据分析请求后，服务端解析该数据分析请求，检测该数据分析请求是否解析成功。具体地，服务端从缓存数据库中获取该数据分析请求对应指标的配置信息，检测该配置信息中是否含有非法统计口径，若配置信息中含有非法统计口径，则确定数据分析请求解析失败；若配置信息中未含有非法统计口径，则检测配置信息中是否包括指标间的计算公式，若配置信息中包括指标间的计算公式，则检测计算公式中是否存在非法字符；若计算公式中存在非法字符，则确定数据分析请求解析失败；若计算公式中未存在非法字符，则确定数据分析请求解析成功。在本实施例中，非法统计口径和非法字符可根据具体需要而设置。
若服务端成功解析该数据分析请求，服务端则将数据分析请求发送给执行端，以在执行端中根据数据分析请求对应的指标类型确定数据分析请求的优先级。若服务端未能成功解析该数据分析请求，即数据分析请求解析失败，服务端则将数据分析请求对应的状态从待执行状态修改为调度失败状态。可以理解的是，当服务端将数据分析请求发送给执行端后，服务端会将数据分析请求对应的状态从待执行状态修改为调度成功状态；当执行端得到数据分析请求对应的指标数据后，执行端会将数据分析请求对应的状态从调度成功状态修改为分析成功状态。服务端会定期删除任务调度表中处于调度失败状态的数据法分析请求，以提高扫描任务调度表时的扫描效率。
进一步地，若服务端确定数据分析请求解析失败，且该数据分析请求是客户端发送的，服务端则生成数据分析失败的失败消息，并将该失败消息发送给客户端。当客户端接收到该失败消息后，输出该失败消息，以根据该失败消息提示客户端用户数据分析失败，在本实施例中，不限制失败消息的输出方式。
本实施例通过服务端在确定处于待执行状态的数据分析请求后，解析该数据分析请求，若该数据分析请求解析成功，则将该数据分析请求发送给执行端，若该数据分析请求解析失败，则将数据分析请求对应的状态修改为调度失败状态，避免了将存在问题的数据分析请求发送给执行端，提高了执行端执行数据分析请求的成功率。
进一步地，提出本发明基于指标的数据分析方法第五实施例。
所述基于指标的数据分析方法第四实施例与所述基于指标的数据分析方法第一、第二、第三或第四实施例的区别在于，参照图3，基于指标的数据分析方法还包括：
步骤S60，当侦测到设置数据分析请求对应指标统计口径的设置指令时，根据所述设置指令设置所述数据分析请求对应指标的统计口径，以根据所述统计口径确定所述数据分析请求对应指标的配置信息。
当服务器侦测到设置数据分析请求对应指标统计口径的设置指令时，服务器根据该设置指令设置数据分析请求对应指标的统计口径，以根据该统计口径确定数据分析请求对应指标的配置信息。需要说明的是，一个数据分析请求的一个指标可对应一个统计口径，也可对应多个统计口径。其中，该设置指令可为客户端用户通过其客户端显示界面触发的，或者是服务端用户通过服务端显示界面触发的，当客户端接入该服务器后，客户端用户可在客户端显示界面中触发设置指令，以设置数据分析请求对应指标的统计口径。具体地，可在客户端中安装服务器的应用程序以使客户端接入服务器中。
本实施例通过根据设置指令设置数据分析请求对应指标的统计口径，实现了统计口径的灵活配置。
进一步地，提出本发明基于指标的数据分析方法第六实施例。
所述基于指标的数据分析方法第四实施例与所述基于指标的数据分析方法第一、第二、第三、第四或第五实施例的区别在于，基于指标的数据分析方法还包括：
步骤e，将所述指标数据按照预设维度进行汇总，得到汇总后的指标数据，并存储汇总后的所述指标数据。
当执行端得到指标数据后，将指标数据按照预设维度进行汇总，得到汇总后的指标数据，并存储汇总后的指标数据。如将所得的指标数据按照产品类型进行汇总，以得到某一类型产品的指标数据。在本实施例中，对预设维度不做具体限制。具体地，将汇总后的指标数据存储至哪一个数据库中可预先设置好，在本实施例中对存储汇总后的指标数据的数据库不做具体限制。
进一步地，步骤e包括：
步骤e1，将所述指标数据按照机构维度进行汇总，以得到不同机构汇总后的指标数据。
进一步地，执行端可将所得的指标数据按照机构维度进行汇总，以得到不同机构汇总后的指标数据。具体地，在按照机构维度汇总指标数据过程中，可按照机构的上下级汇总指标数据，如将同一机构下级的指标数据汇总到该机构上级的指标数据中，最后得到该机构的指标数据。在本实施例中，各个指标数据都会存在对应的机构标识，根据该机构标识就可以确定该指标数据具体属于哪一个机构，且通过该机构标识也可以确定该指标数据对应的机构级别。如若A指标数据对应的机构标识为Q1，B指标数据对应的机构标识为Q2，则可确定A指标数据和B指标数据属于同一机构Q，但B指标数据对应的级别要大于A指标数据对应的数据。
本实施例通过将指标数据按照预设维度进行汇总，得到汇总后的指标数据，并存储汇总后的指标数据，以便于在用户需要时，可快速提取到汇总后的指标数据。
此外，参照图4，本发明还提供一种基于指标的数据分析装置，，所述基于指标的数据分析装置应用于服务器中，所述服务器中分布式部署有服务端和执行端，所述基于指标的数据分析装置包括：
扫描模块10，用于扫描所述服务端中预设的任务调度表；
确定模块20，用于确定所述任务调度表中处于待执行状态的数据分析请求；在所述执行端中根据所述数据分析请求对应的指标类型确定所述数据分析请求对应指标的优先级；
提取模块30，用于提取所述数据分析请求对应指标的配置信息；
分析模块40，用于按照所述优先级，根据所述配置信息对所述服务器存储的业务数据进行分析，得到所述数据分析请求对应的指标数据。
进一步地，所述分析模块40还用于按照所述优先级，根据所述配置信息中指标的统计口径对所述服务器缓存数据库中存储的业务数据进行分析，得到所述数据分析请求对应的指标数据。
进一步地，所述基于指标的数据分析装置还包括：
第一检测模块，用于检测所述服务器的缓存数据库中是否已缓存所述数据分析请求对应指标的配置信息；
第一执行模块，用于若检测到所述缓存数据库中未缓存所述配置信息，则执行所述在所述执行端中根据所述数据分析请求对应的指标类型确定所述数据分析请求对应指标的优先级的步骤。
进一步地，所述基于指标的数据分析装置还包括：
获取模块，用于获取上游系统的业务数据；
第一汇总模块，用于在预设的第一数据库中按照所述业务数据所属的业务领域和业务主题汇总所述业务数据，以生成数据模型表；
第一存储模块，用于将所述数据模型表中的业务数据存储到预设的第二数据库中，并将所述第二数据库中与任务调度表中数据分析请求对应的业务数据存储到所述服务器的缓存数据库中。
进一步地，所述基于指标的数据分析装置还包括：
解析模块，用于解析所述数据分析请求；
第二检测模块，用于判断所述数据分析请求是否解析成功；
第二执行模块，用于若所述数据分析请求解析成功，则执行所述在所述执行端中根据所述数据分析请求对应的指标类型确定所述数据分析请求对应指标的优先级的步骤；
修改模块，用于若所述数据分析请求解析失败，则将所述数据分析请求对应的状态修改为调度失败状态。
进一步地，所述基于指标的数据分析装置还包括：
设置模块，用于当侦测到设置数据分析请求对应指标统计口径的设置指令时，根据所述设置指令设置所述数据分析请求对应指标的统计口径，以根据所述统计口径确定所述数据分析请求对应指标的配置信息。
进一步地，所述基于指标的数据分析装置还包括：
第二汇总模块，用于将所述指标数据按照预设维度进行汇总，得到汇总后的指标数据；
第二存储模块，用于存储汇总后的所述指标数据。
进一步地，所述第二汇总模块还用于将所述指标数据按照机构维度进行汇总，以得到不同机构汇总后的指标数据。
需要说明的是，基于指标的数据分析装置的各个实施例与上述基于指标的数据分析方法的各实施例基本相同，在此不再详细赘述。
此外，本发明还提供一种服务器。如图5所示，图5是本发明实施例方案涉及的硬件运行环境的结构示意图。
需要说明的是，图5即可为服务器的硬件运行环境的结构示意图。本发明实施例服务器可以是PC，便携计算机等终端设备。
如图5所示，服务器中分布式部署有服务端和执行端，该服务器可以包括：处理器1001，例如CPU，存储器1005，用户接口1003，网络接口1004，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，服务器还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。
本领域技术人员可以理解，图5中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图5所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于指标的数据分析程序。其中，操作系统是管理和控制服务器硬件和软件资源的程序，支持基于指标的数据分析程序以及其它软件或程序的运行。
在图5所示的服务器中，用户接口1003主要用于连接客户端，与客户端进行数据通信；网络接口1004主要用于后台服务器，与后台服务器进行数据通信；处理器1001可以用于调用存储器1005中存储的基于指标的数据分析程序，并执行如上所述的基于指标的数据分析方法的步骤。
本发明服务器具体实施方式与上述基于指标的数据分析方法各实施例基本相同，在此不再赘述。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有基于指标的数据分析程序，所述基于指标的数据分析程序被处理器执行时实现如上所述的基于指标的数据分析方法的步骤。
本发明计算机可读存储介质具体实施方式与上述基于指标的数据分析方法各实施例基本相同，在此不再赘述。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (16)

1.一种基于指标的数据分析方法，其特征在于，所述基于指标的数据分析方法应用于服务器中，所述服务器中分布式部署有服务端和执行端，所述基于指标的数据分析方法包括以下步骤：
扫描所述服务端中预设的任务调度表，确定所述任务调度表中处于待执行状态的数据分析请求；
在所述执行端中根据所述数据分析请求对应的指标类型确定所述数据分析请求对应指标的优先级；
提取所述数据分析请求对应指标的配置信息，按照所述优先级，根据所述配置信息对所述服务器存储的业务数据进行分析，得到所述数据分析请求对应的指标数据。
2.如权利要求1所述的基于指标的数据分析方法，其特征在于，所述按照所述优先级，根据所述配置信息对所述服务器存储的业务数据进行分析，得到所述数据分析请求对应的指标数据的步骤包括：
按照所述优先级，根据所述配置信息中指标的统计口径对所述服务器缓存数据库中存储的业务数据进行分析，得到所述数据分析请求对应的指标数据。
3.如权利要求1所述的基于指标的数据分析方法，其特征在于，所述扫描所述服务端中预设的任务调度表，确定所述任务调度表中处于待执行状态的数据分析请求的步骤之后，还包括：
检测所述服务器的缓存数据库中是否已缓存所述数据分析请求对应指标的配置信息；
若检测到所述缓存数据库中未缓存所述配置信息，则执行所述在所述执行端中根据所述数据分析请求对应的指标类型确定所述数据分析请求对应指标的优先级的步骤。
4.如权利要求1所述的基于指标的数据分析方法，其特征在于，所述扫描所述服务端中预设的任务调度表，确定所述任务调度表中处于待执行状态的数据分析请求的步骤之前，还包括：
获取上游系统的业务数据，在预设的第一数据库中按照所述业务数据所属的业务领域和业务主题汇总所述业务数据，以生成数据模型表；
将所述数据模型表中的业务数据存储到预设的第二数据库中，并将所述第二数据库中与任务调度表中数据分析请求对应的业务数据存储到所述服务器的缓存数据库中。
5.如权利要求1所述的基于指标的数据分析方法，其特征在于，所述扫描所述服务端中预设的任务调度表，确定所述任务调度表中处于待执行状态的数据分析请求的步骤之后，还包括：
解析所述数据分析请求，并判断所述数据分析请求是否解析成功；
若所述数据分析请求解析成功，则执行所述在所述执行端中根据所述数据分析请求对应的指标类型确定所述数据分析请求对应指标的优先级的步骤；
若所述数据分析请求解析失败，则将所述数据分析请求对应的状态修改为调度失败状态。
6.如权利要求1所述的基于指标的数据分析方法，其特征在于，所述扫描所述服务端中预设的任务调度表，确定所述任务调度表中处于待执行状态的数据分析请求步骤之前，还包括：
当侦测到设置数据分析请求对应指标统计口径的设置指令时，根据所述设置指令设置所述数据分析请求对应指标的统计口径，以根据所述统计口径确定所述数据分析请求对应指标的配置信息。
7.如权利要求1至6任一项所述的基于指标的数据分析方法，其特征在于，所述提取所述数据分析请求对应指标的配置信息，按照所述优先级，根据所述配置信息对所述服务器存储的业务数据进行分析，得到所述数据分析请求对应的指标数据的步骤之后，还包括：
将所述指标数据按照预设维度进行汇总，得到汇总后的指标数据，并存储汇总后的所述指标数据。
8.如权利要求7所述的基于指标的数据分析方法，其特征在于，所述将所述指标数据按照预设维度进行汇总，得到汇总后的指标数据的步骤包括：
将所述指标数据按照机构维度进行汇总，以得到不同机构汇总后的指标数据。
9.一种基于指标的数据分析装置，其特征在于，所述基于指标的数据分析装置应用于服务器中，所述服务器中分布式部署有服务端和执行端，所述基于指标的数据分析装置包括：
扫描模块，用于扫描所述服务端中预设的任务调度表；
确定模块，用于确定所述任务调度表中处于待执行状态的数据分析请求；在所述执行端中根据所述数据分析请求对应的指标类型确定所述数据分析请求对应指标的优先级；
提取模块，用于提取所述数据分析请求对应指标的配置信息；
分析模块，用于按照所述优先级，根据所述配置信息对所述服务器存储的业务数据进行分析，得到所述数据分析请求对应的指标数据。
10.如权利要求9所述的基于指标的数据分析装置，其特征在于，所述分析模块还用于按照所述优先级，根据所述配置信息中指标的统计口径对所述服务器缓存数据库中存储的业务数据进行分析，得到所述数据分析请求对应的指标数据。
11.如权利要求9所述的基于指标的数据分析装置，其特征在于，所述基于指标的数据分析装置还包括：
第一检测模块，用于检测所述服务器的缓存数据库中是否已缓存所述数据分析请求对应指标的配置信息；
第一执行模块，用于若检测到所述缓存数据库中未缓存所述配置信息，则执行所述在所述执行端中根据所述数据分析请求对应的指标类型确定所述数据分析请求对应指标的优先级的步骤。
12.如权利要求9所述的基于指标的数据分析装置，其特征在于，所述基于指标的数据分析装置还包括：
获取模块，用于获取上游系统的业务数据；
第一汇总模块，用于在预设的第一数据库中按照所述业务数据所属的业务领域和业务主题汇总所述业务数据，以生成数据模型表；
第一存储模块，用于将所述数据模型表中的业务数据存储到预设的第二数据库中，并将所述第二数据库中与任务调度表中数据分析请求对应的业务数据存储到所述服务器的缓存数据库中。
13.如权利要求9所述的基于指标的数据分析装置，其特征在于，所述基于指标的数据分析装置还包括：
解析模块，用于解析所述数据分析请求；
第二检测模块，用于判断所述数据分析请求是否解析成功；
第二执行模块，用于若所述数据分析请求解析成功，则执行所述在所述执行端中根据所述数据分析请求对应的指标类型确定所述数据分析请求对应指标的优先级的步骤；
修改模块，用于若所述数据分析请求解析失败，则将所述数据分析请求对应的状态修改为调度失败状态。
14.如权利要求9所述的基于指标的数据分析装置，其特征在于，所述基于指标的数据分析装置还包括：
设置模块，用于当侦测到设置数据分析请求对应指标统计口径的设置指令时，根据所述设置指令设置所述数据分析请求对应指标的统计口径，以根据所述统计口径确定所述数据分析请求对应指标的配置信息。
15.一种服务器，其特征在于，所述服务器中分布式部署有服务端和执行端，所述服务器包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的基于指标的数据分析程序，所述基于指标的数据分析程序被所述处理器执行时实现如权利要求1至8中任一项所述的基于指标的数据分析方法的步骤。
16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于指标的数据分析程序，所述基于指标的数据分析程序被处理器执行时实现如权利要求1至8中任一项所述的基于指标的数据分析方法的步骤。
CN201910416506.3A 2019-05-16 2019-05-16 基于指标的数据分析方法、装置、服务器及可读存储介质 Pending CN110109978A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910416506.3A CN110109978A (zh) 2019-05-16 2019-05-16 基于指标的数据分析方法、装置、服务器及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910416506.3A CN110109978A (zh) 2019-05-16 2019-05-16 基于指标的数据分析方法、装置、服务器及可读存储介质

Publications (1)

Publication Number Publication Date
CN110109978A true CN110109978A (zh) 2019-08-09

Family

ID=67490949

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910416506.3A Pending CN110109978A (zh) 2019-05-16 2019-05-16 基于指标的数据分析方法、装置、服务器及可读存储介质

Country Status (1)

Country Link
CN (1) CN110109978A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110619464A (zh) * 2019-09-12 2019-12-27 阿里巴巴集团控股有限公司 数据分析方法及其装置
CN112347092A (zh) * 2020-11-05 2021-02-09 中国平安人寿保险股份有限公司 生成数据分析看板的方法、装置和计算机设备
CN112531898A (zh) * 2020-12-04 2021-03-19 国网山东省电力公司昌乐县供电公司 一种电力系统中电信息处理系统
CN113076317A (zh) * 2021-04-08 2021-07-06 深圳前海微众银行股份有限公司 基于大数据的数据处理方法、装置、设备及可读存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110619464A (zh) * 2019-09-12 2019-12-27 阿里巴巴集团控股有限公司 数据分析方法及其装置
CN112347092A (zh) * 2020-11-05 2021-02-09 中国平安人寿保险股份有限公司 生成数据分析看板的方法、装置和计算机设备
CN112347092B (zh) * 2020-11-05 2023-07-18 中国平安人寿保险股份有限公司 生成数据分析看板的方法、装置和计算机设备
CN112531898A (zh) * 2020-12-04 2021-03-19 国网山东省电力公司昌乐县供电公司 一种电力系统中电信息处理系统
CN113076317A (zh) * 2021-04-08 2021-07-06 深圳前海微众银行股份有限公司 基于大数据的数据处理方法、装置、设备及可读存储介质

Similar Documents

Publication Publication Date Title
CN110109978A (zh) 基于指标的数据分析方法、装置、服务器及可读存储介质
CN109034993A (zh) 对账方法、设备、系统及计算机可读存储介质
CN109741173B (zh) 可疑洗钱团伙的识别方法、装置、设备及计算机存储介质
CN108959337A (zh) 大数据获取方法、装置、设备及存储介质
CN109656963A (zh) 元数据获取方法、装置、设备及计算机可读存储介质
CN107862425B (zh) 风控数据采集方法、设备、系统及可读存储介质
CN109978033A (zh) 同操作人识别模型的构建与同操作人识别的方法和装置
CN109684052A (zh) 事务分析方法、装置、设备及存储介质
CN112732567B (zh) 基于ip的mock数据测试方法、装置、电子设备及存储介质
CN114722281A (zh) 基于用户画像及用户选课行为的培训课程配置方法、装置
CN112733531A (zh) 虚拟资源分配方法、装置、电子设备及计算机存储介质
CN110825641A (zh) 一种基于模拟数据生成器的微服务应用测试工具集
CN110336791A (zh) 一种断点数据传输方法、装置、设备及计算机存储介质
CN106484913A (zh) 一种目标图片确定的方法以及服务器
KR102598231B1 (ko) 스포츠 이벤트 운영관리 플랫폼 서비스 제공 시스템
CN114238777B (zh) 基于行为分析的负反馈流量分配方法、装置、设备及介质
CN110427277A (zh) 数据校验方法、装置、设备及存储介质
US11810022B2 (en) Contact center call volume prediction
CN115168848A (zh) 基于大数据分析拦截的拦截反馈处理方法
WO2021129368A1 (zh) 一种客户类型的确定方法及装置
CN114722789A (zh) 数据报表集成方法、装置、电子设备及存储介质
CA3119490A1 (en) Contact center call volume prediction
CN112861140A (zh) 一种业务数据的处理方法及装置、可读存储介质
CN109034732A (zh) 考勤数据处理方法和装置、设备、计算机程序和存储介质
CN109547410A (zh) 基于gcn的请求识别方法、装置、服务器及存储介质

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