CN110674166B - 一种数据处理方法、装置、计算机设备及存储介质 - Google Patents

一种数据处理方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN110674166B
CN110674166B CN201910764087.2A CN201910764087A CN110674166B CN 110674166 B CN110674166 B CN 110674166B CN 201910764087 A CN201910764087 A CN 201910764087A CN 110674166 B CN110674166 B CN 110674166B
Authority
CN
China
Prior art keywords
evaluation
evaluation object
parameter
category
score
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
CN201910764087.2A
Other languages
English (en)
Other versions
CN110674166A (zh
Inventor
王妮丹
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.)
Ping An Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty Insurance Company of China 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 Ping An Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN201910764087.2A priority Critical patent/CN110674166B/zh
Publication of CN110674166A publication Critical patent/CN110674166A/zh
Application granted granted Critical
Publication of CN110674166B publication Critical patent/CN110674166B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • 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
    • G06F16/24564—Applying rules; Deductive queries
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
    • 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

Landscapes

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

Abstract

本申请实施例属于大数据领域，涉及一种评价对象的数据处理方法、装置、计算机设备及存储介质，为一个或多个评价对象建立数据仓库；建立评价对象分类类别与参数评分规则的映射关系表；从所述数据仓库获取某个评价对象的至少一个评估参数，根据该评价对象的评价数据库所包括的至少一个评估参数的评分映射表，确定每个评估参数的评分；根据确定的该评价对象的评估参数的评分以及根据所述评价对象分类类别与参数评分规则的映射关系表，确定该评价对象的类别，对同一类别的评价对象，根据评价对象的评估参数的评分生成从高到低的排序序列，并删除排名靠后的预定数量的评价对象。针对评价对象实现多元评价，降低设备资源需求量，提高设备处理速度。

Description

一种数据处理方法、装置、计算机设备及存储介质
技术领域
本申请涉及大数据技术领域，尤其涉及一种数据处理方法、装置、计算机设备及存储介质。
背景技术
目前，网络平台用户的评估管理一般是基于大致几个参数进行大概的管理，例如产值，但当数据量特别多而且评价项目也多时，数据繁杂，需要靠人工的专业知识去识别和理解，而且设备需要大量的资源，影响设备的处理速度。
发明内容
本申请实施例的目的在于提出一种数据处理方法、装置、计算机设备及存储介质，可以针对评价对象进行数据化评价，实现多元评价，降低设备的资源需求量，提高设备的处理速度。
为了解决上述技术问题，本申请实施例提供一种数据处理方法，采用了如下所述的技术方案：
为一个或多个评价对象建立数据仓库，所述数据仓库包括所有评价对象的评价数据库，每个评价对象的评价数据库包括各个参数与各个参数对应的评分映射表；
建立评价对象分类类别与参数评分规则的映射关系表；
从所述数据仓库获取某个评价对象的至少一个评估参数，根据该评价对象的评价数据库所包括的至少一个评估参数的评分映射表，确定每个评估参数的评分；
根据确定的该评价对象的评估参数的评分以及根据所述评价对象分类类别与参数评分规则的映射关系表，确定该评价对象的类别；
对同一类别的评价对象，根据评价对象的评估参数的评分生成从高到低的排序序列，并删除排名靠后的预定数量的评价对象。
进一步，所述删除排名靠后的预定数量的评价对象之后，所述方法还包括：对于保留下来的评价对象，根据确定的评价对象的类别，生成并显示与类别匹配的处理方式的提醒信息。
进一步，每个评价对象的评价数据库包括各个参数与各个参数对应的评分映射表，评价对象每个类别对应的参数评分规则包括至少一个参数的阈值或至少两个参数的排名；
所述根据确定的该评价对象的评估参数的评分以及根据所述评价对象分类类别与参数评分规则的映射关系表，确定该评价对象的类别具体包括：
将所述评价对象的各个评估参数的评分与评价对象每个类别对应的参数评分规则所包括的对应参数的阈值或排名条件进行匹配；
确定能匹配的评价对象的类别即为所述评价对象的类别。
进一步，所述参数包括如下至少一种参数：访问量、流量、数据传输速度和存储容量，所述评价对象类别包括如下至少两种：门户型、访问型、内容型、即时型和存储型；
确定所述评价对象的至少两个参数的评分在该评价对象所有的评估参数的评分中排名位于前两位或者并列第一或大于等于阈值，确定所述评价对象的类别为门户型；或，
确定所述评价对象的访问量评分在该评价对象所有的评估参数的评分中最高或大于等于阈值时，确定所述评价对象的类别为访问型；或，
确定所述评价对象的流量评分在该评价对象所有的评估参数的评分中最高或大于等于阈值时，确定评价对象的类别为内容型；或，
确定所述评价对象的数据传输速度评分在该评价对象所有的评估参数的评分中最高或大于等于阈值时，确定所述评价对象的类别为即时型；或，
确定所述评价对象的存储容量评分在该评价对象所有的评估参数的评分中最高或大于等于阈值时，确定所述评价对象的类别为存储型。
进一步，所述确定该评价对象的类别的步骤之后，所述方法还包括：
监控评价对象的各个参数是否超出各自的预设的范围；
在确认评价对象的至少一个参数超出预设的范围时，根据变化后的参数重新确定评价对象的类型。
本申请的另一方面提供一种数据处理装置，包括：
建立模块，用于为一个或多个评价对象建立数据仓库和建立评价对象分类类别与参数评分规则的映射关系表，其中，所述数据仓库包括所有评价对象的评价数据库，每个评价对象的评价数据库包括各个参数与各个参数对应的评分映射表；
评分模块，用于从所述数据仓库获取某个评价对象的至少一个评估参数，根据该评价对象的评价数据库所包括的该至少一个评估参数的评分映射表，确定每个评估参数的评分；
处理模块，用于根据确定的该评价对象的评估参数的评分以及根据所述评价对象分类类别与参数评分规则的映射关系表，确定该评价对象的类别，对同一类别的评价对象，根据评价对象的评估参数的评分生成从高到低的排序序列，并删除排名靠后的预定数量的评价对象。
进一步，所述处理模块，还用于在删除排名靠后的预定数量的评价对象之后，对于保留下来的评价对象，根据确定的评价对象的类别，生成与类别匹配的处理方式的提醒信息，并发送给显示器进行显示。
进一步，每个评价对象的评价数据库包括各个参数与各个参数对应的评分映射表；
评价对象每个类别对应的参数评分规则包括至少一个参数的阈值或至少两个参数的排名；
所述处理模块用于根据确定的该评价对象的评估参数的评分以及根据所述评价对象分类类别与参数评分规则的映射关系表，确定该评价对象的类别具体包括：
用于将所述评价对象的各个评估参数的评分与评价对象每个类别对应的参数评分规则所包括的对应参数的阈值或排名条件进行匹配；确定能匹配的评价对象的类别即为所述评价对象的类别。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，所述计算机设备包括：存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如所述的数据处理方法的步骤。
为了解决上述技术问题，本申请实施例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计算机程序，所述计算机程序被处理器执行时实现如所述的数据处理方法的步骤。
与现有技术相比，本申请实施例主要有以下有益效果：
可以针对评价对象进行数据化评价，统计评价对象的各种参数，根据各个参数与各个参数对应的评分映射表，根据评价对象分类类别与参数评分规则的映射关系表，根据确定的该评价对象的评估参数的评分以及根据所述评价对象分类类别与参数评分规则的映射关系表，确定该评价对象的类别，使得评价更加技术化和统一化，且能多维度进行数据反馈，实现多元评价，并且根据确定的评价对象的类别，生成与类别匹配的处理方式的提醒信息并显示，能直观地将结果呈现给用户，而且可以降低设备的资源需求量，提高设备的处理速度。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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的附图。
图1是本申请可以应用于其中的示例性系统架构图；
图2根据本申请的数据处理方法的一个实施例的流程图；
图3是根据本申请的数据处理方法装置的一个实施例的结构示意图；
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
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申请的技术领域的技术人员通常理解的含义相同；本文中在申请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，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
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，例如网页浏览器应用、购物类应用、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，包括但不限于笔记本电脑、平板电脑、智能手机、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，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的数据处理方法一般由服务器执行，相应地，数据处理装置一般设置于终端设备或服务器中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的数据处理方法的一个实施例的流程图。所述数据处理方法是一种评价对象处理方法，包括以下步骤。
步骤201，为一个或多个评价对象建立数据仓库。
在终端设备或服务器上针对每个评价对象，建立评价所有评价对象的数据仓库并存储在该终端设备或该服务器的存储器中，所述数据仓库包括所有评价对象的评价数据库，每个评价对象的评价数据库包括各个参数与各个参数对应的评分映射表，每个评价对象和其评价数据库是一一对应。
例如，所述评价对象可以为网络中的网点，例如服务器或终端设备，针对每个评价对象，使用网络爬虫获取每个评价对象的各个参数，例如，所述参数包括如下至少一种参数：访问量、流量、数据传输速度和存储容量，通过网络爬虫获取服务器或联网网关的工作日志，则可以获取评价对象的访问量、流量、数据传输速度和存储容量，其中，数据传输速度可以包括上传数据速度和下载数据速度。
在本申请的另一实施例中，所述评价对象也可以为汽车经营店，即可以称为汽车经营网点。
在本申请的另一实施例中，每个评价对象的评价数据库通过唯一标识进行区分，例如，评价对象为网点时，评价对象可以通过媒体访问控制(Media Access ControlAddress，MAC)地址区分，当评价对象为汽车经营网点时，评价对象可以通过店名、地理位置或者其它任何设置的唯一身份标识进行区分。
所述终端设备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、电子书阅读器、MP3播放器(Moving Picture Experts Group AudioLayer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts GroupAudio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
所述服务器可以是提供各种服务的服务器，例如对终端设备上显示的页面提供支持的后台服务器。
在本申请另一实施例中，每个评价对象的评价数据库包括各个参数与各个参数对应的评分映射表，例如，对应网点，所述参数包括如下至少一种参数：访问量、流量、数据传输速度和存储容量。
例如，所述访问量是指预定时间内网点被访问的次数。
所述流量，是指预定时间内传输数据的数据量。
所述数据传输速度，是指单位时间内传输数据的速度
所述存储容量，是指网点能存储数据的容量。
在本申请另一实施例中，对于汽车经营网点，所述参数包括如下至少一种参数：保费、销售额、置换率和利润率
例如，所述保费是指评价对象预定时间内签订保险合同的保险金额，例如，每月或每季度或每年的签订保险合同的保险金额。
例如，所述销售额是指评价对象预定时间内销售汽车的金额，例如，每月或每季度或每年的销售汽车的金额。
例如，所述置换率是指评价对象预定时间内每款汽车或每款汽车的每个型号销售的百分比，例如每个月内每款或每个型号汽车销售的百分比。
例如，A款汽车有四种型号：A1、A2、A3和A4，每个型号有10辆汽车，其中，一个内月，A1销售3辆，则A1的置换率为30％；A2销售4辆，则A2的置换率为40％；A3销售7辆，则A3的置换率为70％；A4销售6辆，则A4的置换率为60％。
例如，所述利润率是指评价对象预定时间内的利润百分比，例如，可以为评价对象每月或每季度或每年的利润率。
在本申请的另一实施例中，针对每款汽车或每款汽车的每个型号，建立预定时间的每款汽车或每款汽车的每个型号的各个参数对应的评分映射表。在本申请的另一实施例中，每个参数对应的评分映射表包括参数的取值范围和对应的评分值。
例如，建立保费与评分映射表，如表1所示，并存储在该终端设备或该服务器的存储器中。
表格1
在本申请的另一实施例中，还可以针对每款汽车或每款汽车的每个型号，建立每月或每季度或每年的每款汽车或每款汽车的每个型号的保费与评分映射表，类似于表1，本实施例不再赘述。
例如，建立金额与评分映射表，如表2所示，并存储在该终端设备或该服务器的存储器中。
表格2
在本申请的另一实施例中，还可以针对每款汽车或每款汽车的每个型号，建立每月或每季度或每年的每款汽车或每款汽车的每个型号的销售额与评分映射表，类似于表2，本实施例不再赘述。
例如，建立置换率与评分映射表，如表3所示，并存储在该终端设备或该服务器的存储器中。
表格3
置换率 评分
0-9％ 5
10％-19％ 10
20％-29％ 20
30％-39％ 30
40％-49％ 40
50％-59％ 50
60％-69％ 60
70％-79％ 70
80％-89％ 80
90％-99％ 90
>100％ 100
在本申请的另一实施例中，还可以针对每款汽车或每款汽车的每个型号，建立每月或每季度或每年的每款汽车或每款汽车的每个型号的置换率与评分映射表，类似表3，本实施例不再赘述。
例如，可以建立利润率和评分映射表，如表4所示，并存储在该终端设备或该服务器的存储器中。
表格4
利润率 评分
0-9％ 5
10％-19％ 10
20％-29％ 20
30％-39％ 30
40％-49％ 40
50％-59％ 50
60％-69％ 60
70％-79％ 70
80％-89％ 80
90％-99％ 90
>100％ 100
在本申请的另一实施例中，还针对每款汽车或每款汽车的每个型号，建立每月或每季度或每年的每款汽车或每款汽车的每个型号的利润率与评分映射表，类似表4，本实施例不再赘述。
步骤202，建立评价对象分类类别与参数评分规则的映射关系表。
例如，建立的评价对象分类类别与参数评分规则的映射关系表存储在该终端设备或该服务器的存储器中。
例如，对于网点，评价对象分类类别可以包括如下至少两种：门户型、访问型、内容型、即时型和存储型。
所述门户型，是指通向某类综合性互联网信息资源并提供有关信息服务的应用的网站类型，门户型网站主要提供新闻、搜索发动机、网络接入、聊天室、电子公告牌、免费邮箱、影音资讯、电子商务、网络社区、网络游戏、免费网页空间，等等。例如，典型的门户网站有新浪网、网易和搜狐网等。门户型网站一般具有访问量大、流量大、数据传输速度快和存储容量大等特征。
所述访问型，是指提供访问查询服务去网站，例如，一些搜索型网站，例如google、百度等等。
所述内容型，是指提供内容服务的网站，例如，一些视频网站，例如，爱奇艺、腾讯视频等等。
所述即时型，是指提供即时服务的网站，例如，一些社交、网络音视频电话网站，例如，微信，提供IP视频电话的网站。
所述存储型，是指提供存储数据服务的网站，例如，各种云存储服务网站，例如，百度云，华为云服务器。
门户型、访问型、内容型、即时型和存储型分别与评分规则的映射表可以为：门户型、访问型、内容型、即时型和存储型分别与各自的阈值或阈值范围的对应关系。
例如，对于汽车经营网点，评价对象分类类别可以包括如下至少两种：绝对双优型、利润型、置换型、疑似置换型、疑似双亏型和绝对双亏型。评价对象每个类别对应的参数评分规则包括至少一个参数的阈值或至少两个参数的排名，确定该评价对象的类别可以是将所述评价对象的各个评估参数的评分与评价对象每个类别对应的参数评分规则所包括的对应参数的阈值或排名条件进行匹配；确定能匹配的评价对象的类别即为所述评价对象的类别。
对于汽车营业网点，所述分类类别与参数评分规则的映射关系表可以设置多种形式，本申请并不限定，例如可以如下所述几种评分规则。
规则1
例如，所述绝对双优型是指评价对象的预设至少两个参数的评分在该评价对象所有的评估参数的评分中排名位于前两位或者并列第一，例如，当该评价对象的销售额评分和利润率评分在该评价对象的所有评估参数评分中排名位于前两位时，确定该评价对象为绝对双优型店。
在本申请的另一实施例中，所述绝对双优型也可以是指评价对象的预设至少两个参数的评分大于等于阈值时，确定该评价对象为绝对双优型店。例如，当评价对象的销售额评分和利润率评分均大于80时，确定该评价对象为绝对双优型店。
在本申请的另一实施例中，所述预设两个参数评分也可以是置换率评分和利润率评分。
规则2
所述利润型是指评价对象的利润率评分在该评价对象所有的评估参数的评分中最高时，确定该评价对象为利润型店。
在本申请的另一实施例中，所述利润型也可以是指评价对象的利润率评分大于等于阈值时，确定该评价对象为利润型店。例如，所述评价对象的利润率评分大于等于80时，确定该评价对象为利润型店。
规则3
所述置换型是指评价对象的置换率评分在该评价对象所有的评估参数的评分中最高时，确定该评价对象为置换型店。
在本申请的另一实施例中，所述置换型也可以是指评价对象的置换率评分大于等于阈值时，确定该评价对象为置换型店。例如，所述评价对象的置换率评分大于等于50时，确定该评价对象为置换型店。
规则4
所述疑似置换型是指评价对象的置换率评分在该评价对象所有的评估参数的评分中最高但低于阈值时，确定该评价对象为疑似置换型店。例如，在该评价对象所有的评估参数的评分中，虽然置换率评分位于第一位，但置换率小于30％，所以，确定该评价对象为疑似置换型店。
在本申请的另一实施例中，所述疑似置换型也可以是指评价对象的置换率评分位于某一范围时，确定该评价对象为疑似置换型店。例如，所述评价对象的置换率评分大于等于30当小于50％时，确定该评价对象为疑似置换型店。
规则5
所述疑似双亏型是指评价对象的预设至少两个参数的评分在该评价对象所有的评估参数的评分中排名位于最后两位或并列最后两位但该预设两个参数至少有一个参数的评分高于阈值，确定该评价对象为疑似双亏型店。例如，当该评价对象的销售额评分和利润率评分在该评价对象的所有评估参数评分中排名位于最后两位时，但所述利润率评分大于30％，则确定该评价对象为疑似双亏型店。
在本申请的另一实施例中，所述疑似双亏型也可以是指评价对象的预设至少两个参数的评分分别位于各自的范围内，确定该评价对象为疑似双亏型店。例如，该评价对象的销售额评分位于20-30分和利润率评分位于50-60分，则确定该评价对象为疑似双亏型店。
规则6
所述绝对双亏型是指评价对象的预设至少两个参数的评分在该评价对象所有的评估参数的评分中排名位于最后两位或并列最后两位，确定该评价对象为绝对双亏型店。例如，当该评价对象的销售额评分和利润率评分在该评价对象的所有评估参数评分中排名位于最后两位时，则确定该评价对象为绝对双亏型店。
在本申请的另一实施例中，所述绝对双亏型也可以是指评价对象的预设至少两个参数的评分分别低于各自的阈值，确定该评价对象为绝对双亏型店。例如，该评价对象的销售额评分低于10分和利润率评分低于10分，则确定该评价对象为绝对双亏型店。
步骤203，获取某个评价对象的至少一个评估参数，根据该评价对象的评价数据库所包括的该至少一个评估参数的评分映射表，确定每个评估参数的评分。
例如，访问量的评分映射表包括：500万访问量以下评分为1分，每增加100万的访问量，就增加1分。
对于其它几个参数，例如，流量、数据传输速度和存储容量，也可以设置一个最低评分(例如，1分)的阈值，每超过一定量就增加1分。
例如，每个评价对象的评价数据库包括保费与评分映射表、销售额与评分映射表、置换率与评分映射表、和利润率与评分映射表，例如获取某个评价对象评估参数：保费、销售额、置换率和利润率，然后根据该评价对象的评价数据库所包括的保费与评分映射表、销售额与评分映射表、置换率与评分映射表、和利润率与评分映射表，确定所述保费的评分、所述销售额的评分、所述置换率的评分和所述利润率的评分，例如，保费的评分为30，所述销售额的评分为70，所述置换率的评分为50和所述利润率的评分为60。
步骤204，根据确定的该评价对象的评估参数的评分以及根据所述评价对象分类类别与参数评分规则的映射关系表，确定该评价对象的类别，对同一类别的评价对象，根据评价对象的评估参数的评分生成从高到低的排序序列，删除排序靠后的预定数量的评价对象。
例如，对于网络中的网点，评价对象分类类别可以包括如下至少两种：门户型、访问型、内容型、即时型和存储型。
所述门户型、访问型、内容型、即时型和存储型的定义可以参考前述的描述，在此不再赘述。
对应网络中的网点，根据确定的该评价对象的评估参数的评分以及根据所述评价对象分类类别与参数评分规则的映射关系表，确定该评价对象的类别具体可以如下所述。
例如，确定所述评价对象的至少两个参数的评分在该评价对象所有的评估参数的评分中排名位于前两位或者并列第一或大于等于阈值，确定所述评价对象的类别为门户型。
例如，确定所述评价对象的访问量评分在该评价对象所有的评估参数的评分中最高或大于等于阈值时，确定所述评价对象的类别为访问型。
例如，确定所述评价对象的流量评分在该评价对象所有的评估参数的评分中最高或大于等于阈值时，确定评价对象的类别为内容型。
例如，确定所述评价对象的数据传输速度评分在该评价对象所有的评估参数的评分中最高或大于等于阈值时，确定所述评价对象的类别为即时型。
例如，确定所述评价对象的存储容量评分在该评价对象所有的评估参数的评分中最高或大于等于阈值时，确定所述评价对象的类别为存储型。
所述确定该评价对象的类别的步骤之后，所述方法还包括：监控评价对象的各个参数是否超出各自的预设的范围；在确认评价对象的至少一个参数超出预设的范围时，根据变化后的参数重新确定评价对象的类型。
对于汽车运营点，确定类型的方式可以如前述规则1-6所述，在此不再赘述。
例如，当所述评价对象的保费的评分为30，所述销售额的评分为70，所述置换率的评分为50和所述利润率的评分为60，根据上述评价对象分类类别与参数评分规则的映射关系表描述的规则1-6，可以确定所述评价对象为绝对双优型店。
再例如，当所述评价对象的保费的评分为30，所述销售额的评分为30，所述置换率的评分为50和所述利润率的评分为60，根据上述评价对象分类类别与参数评分规则的映射关系表描述的规则1-6，可以确定所述评价对象为利润型店。
再例如，当所述评价对象的保费的评分为30，所述销售额的评分为30，所述置换率的评分为50和所述利润率的评分为20，根据上述评价对象分类类别与参数评分规则的映射关系表描述的规则1-6，可以确定所述评价对象为置换型店。
再例如，当所述评价对象的保费的评分为20，所述销售额的评分为20，所述置换率的评分为30和所述利润率的评分为20，根据上述评价对象分类类别与参数评分规则的映射关系表描述的规则1-6，可以确定所述评价对象为疑似置换型店。
再例如，当所述评价对象的保费的评分为30，所述销售额的评分为5，所述置换率的评分为50和所述利润率的评分为5，根据上述评价对象分类类别与参数评分规则的映射关系表描述的规则1-6，可以确定所述评价对象为绝对双亏型店。
在本申请的另一实施例中，在确定该评价对象的类别之后，还可以对同一类别的评价对象，根据评价对象的评估参数的评分生成从高到低的排序序列。还可以删除排序靠后的预定数量的评价对象，这样可以降低处理数据的资源，提高处理速度。
步骤205，对于保留下来的评价对象，根据确定的评价对象的类别，生成与类别匹配的处理方式的提醒信息，并发送给显示器进行显示。
例如，在该终端设备或该服务器的存储器中设置评价对象的类别与处理方式映射关系表。例如，所述绝对双优型对应的处理方式的提醒信息为：优先加投资源。所述置换型对应的处理方式的提醒信息为：加投资源和优化成本。所述利润型对应的处理方式的提醒信息为：视利润需求调整。所述疑置换型对应的处理方式的提醒信息为：视规模需求调整。所述疑双亏型对应的处理方式的提醒信息为：减投和限期优化成本。所述绝对双亏型对应的处理方式的提醒信息为：减投和限期整改。该终端设备通过显示器自动显示相应的处理方式提醒信息，根据所述提醒信息，可以系统评估调整方案，持续追踪改善结果，例如，经过一段时间的通过各种经营措施经营后，例如增加优惠活动、增大折扣率、加强服务水平等等，该评价对象的类别可以从某类别向另一类别变化，例如从疑似双亏型变为利润型，则终端设备通过显示器自动显示：恭喜您已经进入成功晋级为利润型。
综上所述，上述描述的数据处理方法是一种评价对象的价值评价方法，针对评价对象，根据大数据统计各种参数，可以针对评价对象进行数据化评价，使得评价更加技术化和统一化，且能多维度进行数据反馈，实现多元评价，例如，根据映射表，自动匹配得出评价对象的类别，能直观的了解网点投产效果；为指导单店分类型优化投产提供依据；更高效准确的确认车商的资源需求以及调配的网点优先级；实现单店的精细化经营及队伍的数据化管理，并且删除排名靠后的评价对象，能降低设备资源的需求量，提高设备处理数据的速度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3，作为对上述图2所示方法的实现，本申请提供了一种数据处理装置的一个实施例，该数据处理装置实施例与图2所示的方法实施例相对应，该数据处理装置具体可以应用于终端设备或服务器中。
如图3所示，本实施例所述的数据处理装置300包括：接收模块301、建立模块302、存储模块303、评分模块304、处理模块305以及发送模块306，所述接收模块301、建立模块302、存储模块303、评分模块304、处理模块305以及发送模块306相互之间连接，例如通过总线连接。
所述接收模块301，用于接收针对评价对象输入的所有与评价相关参数。
所述建立模块302，用于为一个或多个评价对象建立数据仓库和建立评价对象分类类别与参数评分规则的映射关系表。
所述存储模块303，用于存储所述评价对象的数据仓库以及存储所述评价对象分类类别与参数评分规则的映射关系表。
例如，所述建立模块302根据所述接收模块301收集的针对评价对象的数据，建立评价对象的数据仓库和建立评价对象分类类别与参数评分规则的映射关系表。
所述数据仓库包括所有评价对象的评价数据库，每个评价对象和其评价数据库是一一对应，则数据仓库就是针对评价评价对象的数据。在本申请的另一实施例中，每个评价对象的评价数据库通过唯一标识进行区分，例如，评价对象店名、地理位置或者其它任何设置的唯一身份标识。
在本申请的另一实施例中，所述建立模块302用于针对每个评价对象，建立评价所有评价对象的数据仓库并存储在该终端设备或该服务器的存储器中，所述数据仓库包括所有评价对象的评价数据库，每个评价对象的评价数据库包括各个参数与各个参数对应的评分映射表，每个评价对象和其评价数据库是一一对应。
例如，所述评价对象可以为网络中的网点，例如服务器或终端设备，所述建立模块302用于针对每个评价对象，使用网络爬虫获取每个评价对象的各个参数，例如，所述参数包括如下至少一种参数：访问量、流量、数据传输速度和存储容量，通过网络爬虫获取服务器或联网网关的工作日志，则可以获取评价对象的访问量、流量、数据传输速度和存储容量，其中，数据传输速度可以上传数据速度和下载数据速度。其中，对于访问量、流量、数据传输速度和存储容量的定义可以参考前述方法实施例的描述，在此不再赘述。
在本申请的另一实施例中，每个评价对象的评价数据库通过唯一标识进行区分，例如，评价对象为网点时，评价对象可以通过媒体访问控制MAC地址区分。
在本申请另一实施例中，对于汽车经营店，每个评价对象的评价数据库包括各个参数与各个参数对应的评分映射表，例如，所述参数包括如下至少一种参数：保费、销售额、置换率和利润率。所述保费、销售额、置换率和利润率的描述和定义，可以参考前述数据处理方法实施例的描述，在此不再赘述。
在本申请的另一实施例中，所述建立模块302用于针对每款汽车或每款汽车的每个型号，建立预定时间的每款汽车或每款汽车的每个型号的各个参数对应的评分映射表。在本申请的另一实施例中，每个参数对应的评分映射表包括参数的取值范围和对应的评分值。
例如，所述建立模块302还用于建立保费与评分映射表，如表1所示，表1的描述和定义，可以参考前述数据处理方法实施例的描述，在此不再赘述。
在本申请的另一实施例中，所述建立模块302还用于针对每款汽车或每款汽车的每个型号，建立每月或每季度或每年的每款汽车或每款汽车的每个型号的保费与评分映射表，类似于表1，本实施例不再赘述。
在本申请的另一实施例中，所述建立模块302还用于建立金额与评分映射表，如表2所示，表2的描述和定义，可以参考前述数据处理方法实施例的描述，在此不再赘述。
在本申请的另一实施例中，所述建立模块302还用于针对每款汽车或每款汽车的每个型号，建立每月或每季度或每年的每款汽车或每款汽车的每个型号的销售额与评分映射表，类似于表2，本实施例不再赘述。
在本申请的另一实施例中，所述建立模块302还用于建立置换率与评分映射表，如表3所示，表3的描述和定义，可以参考前述数据处理方法实施例的描述，在此不再赘述。
在本申请的另一实施例中，所述建立模块302还用于针对每款汽车或每款汽车的每个型号，建立每月或每季度或每年的每款汽车或每款汽车的每个型号的置换率与评分映射表，类似表3，本实施例不再赘述。
在本申请的另一实施例中，所述建立模块302还用于建立利润率和评分映射表，如表4所示，表4的描述和定义，可以参考前述数据处理方法实施例的描述，在此不再赘述。
在本申请的另一实施例中，所述建立模块302还用于针对每款汽车或每款汽车的每个型号，建立每月或每季度或每年的每款汽车或每款汽车的每个型号的利润率与评分映射表，类似表4，本实施例不再赘述。
所述存储模块303还用于存储所述保费与评分映射表、所述金额与评分映射表、所述置换率与评分映射表和所述利润率与评分映射表。
在本申请的另一实施例中，在本申请的另一实施例中，所述建立模块302还用于根据修改输入修改所述保费与评分映射表、所述金额与评分映射表、所述置换率与评分映射表和所述利润率与评分映射表。
所述建立模块302建立的评价对象分类类别与参数评分规则的映射关系表存储在所述存储模块303。在本申请的另一实施例中，所述建立模块302还用于根据修改输入修改所述评价对象分类类别与参数评分规则的映射关系表。
例如，评价对象分类类别可以包括如下至少两种：绝对双优型、利润型、置换型、疑似置换型、疑似双亏型和绝对双亏型。所述绝对双优型、利润型、置换型、疑似置换型、疑似双亏型和绝对双亏型的定义和描述，可以参考前述数据处理方法实施例的描述，在此不再赘述。
所述分类类别与参数评分规则的映射关系表可以设置多种形式，本申请并不限定，例如可以如下所述几种评分规则：规则1、规则2、规则3、规则4、规则5和规则6。这几种规则的描述和定义，可以参考前述数据处理方法实施例的描述，在此不再赘述。
所述评分模块304，用于获取某个评价对象的至少一个评估参数，根据该评价对象的评价数据库所包括的该至少一个评估参数的评分映射表，确定每个评估参数的评分。
例如，每个评价对象的评价数据库包括保费与评分映射表、销售额与评分映射表、置换率与评分映射表、和利润率与评分映射表，所述评分模块304，用于获取某个评价对象评估参数：保费、销售额、置换率和利润率，然后根据该评价对象的评价数据库所包括的保费与评分映射表、销售额与评分映射表、置换率与评分映射表、和利润率与评分映射表，确定所述保费的评分、所述销售额的评分、所述置换率的评分和所述利润率的评分，例如，保费的评分为30，所述销售额的评分为70，所述置换率的评分为50和所述利润率的评分为60。
所述处理模块305，用于根据确定的该评价对象的评估参数的评分以及根据所述评价对象分类类别与参数评分规则的映射关系表，确定该评价对象的类别，对同一类别的评价对象，根据评价对象的评估参数的评分生成从高到低的排序序列，删除排序靠后的预定数量的评价对象。
例如，对于网点，评价对象分类类别可以包括如下至少两种：门户型、访问型、内容型、即时型和存储型。
所述门户型、访问型、内容型、即时型和存储型的定义可以参考前述方法实施例的描述，在此不再赘述。
对应网点，所述处理模块305根据确定的该评价对象的评估参数的评分以及根据所述评价对象分类类别与参数评分规则的映射关系表，确定该评价对象的类别可以如下所述。
所述处理模块305，用于确定所述评价对象的至少两个参数的评分在该评价对象所有的评估参数的评分中排名位于前两位或者并列第一或大于等于阈值，确定所述评价对象的类别为门户型。
所述处理模块305，用于确定所述评价对象的访问量评分在该评价对象所有的评估参数的评分中最高或大于等于阈值时，确定所述评价对象的类别为访问型。
所述处理模块305，用于确定所述评价对象的流量评分在该评价对象所有的评估参数的评分中最高或大于等于阈值时，确定评价对象的类别为内容型。
所述处理模块305，用于确定所述评价对象的数据传输速度评分在该评价对象所有的评估参数的评分中最高或大于等于阈值时，确定所述评价对象的类别为即时型。
所述处理模块305，用于确定所述评价对象的存储容量评分在该评价对象所有的评估参数的评分中最高或大于等于阈值时，确定所述评价对象的类别为存储型。
所述处理模块305在确定该评价对象的类别的步骤之后，还用于监控评价对象的各个参数是否超出各自的预设的范围；在确认评价对象的至少一个参数超出预设的范围时，根据变化后的参数重新确定评价对象的类型。
对于汽车营业网点，确定汽车营业网点类别的方式可以如前述规则1-6所述，在此不再赘述。
例如，所述处理模块305用于，当所述评价对象的保费的评分为30，所述销售额的评分为70，所述置换率的评分为50和所述利润率的评分为60，根据上述评价对象分类类别与参数评分规则的映射关系表描述的规则1-6，可以确定所述评价对象为绝对双优型店。
再例如，所述处理模块305用于，当所述评价对象的保费的评分为30，所述销售额的评分为30，所述置换率的评分为50和所述利润率的评分为60，根据上述评价对象分类类别与参数评分规则的映射关系表描述的规则1-6，可以确定所述评价对象为利润型店。
再例如，所述处理模块305用于，当所述评价对象的保费的评分为30，所述销售额的评分为30，所述置换率的评分为50和所述利润率的评分为20，根据上述评价对象分类类别与参数评分规则的映射关系表描述的规则1-6，可以确定所述评价对象为置换型店。
再例如，所述处理模块305用于，当所述评价对象的保费的评分为20，所述销售额的评分为20，所述置换率的评分为30和所述利润率的评分为20，根据上述评价对象分类类别与参数评分规则的映射关系表描述的规则1-6，可以确定所述评价对象为疑似置换型店。
再例如，所述处理模块305用于，当所述评价对象的保费的评分为30，所述销售额的评分为5，所述置换率的评分为50和所述利润率的评分为5，根据上述评价对象分类类别与参数评分规则的映射关系表描述的规则1-6，可以确定所述评价对象为绝对双亏型店。
在本申请的另一实施例中，所述处理模块305，还用于在确定该评价对象的类别之后，对同一类别的评价对象，根据评价对象的评估参数的评分生成从高到低的排序序列。在本申请的另一实施例中，所述处理模块305，还用于删除排序靠后的预定数量的评价对象，这样可以降低处理数据的资源，提高处理速度。
所述处理模块305，还用于在删除排序靠后的预定数量的评价对象之后，对于保留下来的评价对象，根据确定的评价对象的类别，生成与类别匹配的处理方式的提醒信息。
所述发送模块306，用于将所述提醒信息发送给显示器进行显示。
在本申请的另一实施例中，所述显示器可以是液晶显示器或LED显示器。
在所述存储模块303中设置评价对象的类别与处理方式映射关系表。例如，所述绝对双优型对应的处理方式的提醒信息为：优先加投资源。所述置换型对应的处理方式的提醒信息为：加投资源和优化成本。所述利润型对应的处理方式的提醒信息为：视利润需求调整。所述疑置换型对应的处理方式的提醒信息为：视规模需求调整。所述疑双亏型对应的处理方式的提醒信息为：减投和限期优化成本。所述绝对双亏型对应的处理方式的提醒信息为：减投和限期整改。所述发送模块306，用于将所述提醒信息发送给显示器，显示器自动显示相应的处理方式提醒信息，根据所述提醒信息，可以系统评估调整方案，持续追踪改善结果。
综上所述，上述描述的数据处理装置，针对评价对象，统计各种参数，可以针对评价对象进行数据化评价，使得评价更加技术化和统一化，且能多维度进行数据反馈，实现多元评价，例如，根据映射表，自动匹配得出评价对象的类别，能直观的了解网点投产效果；为指导单店分类型优化投产提供依据；更高效准确的确认车商的资源需求以及调配的网点优先级；实现单店的精细化经营及队伍的数据化管理，并且删除排名靠后的评价对象，可以降低设备资源的需求量，提高设备处理数据的速度。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图4，图4为本实施例计算机设备基本结构框图。
所述计算机设备400包括通过系统总线相互通信连接存储器401、处理器402、网络接口403。需要指出的是，图中仅示出了具有组件401-403的计算机设备400，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备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。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器401至少包括一种类型的可读存储介质，例如易失性存储器或非易失性存储器(non-volatile memory)，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)或DX存储器等)、随机访问存储器(Random Access Memory，RAM)、静态随机访问存储器(SRAM)、只读存储器(read-only memory，ROM)、可擦写可编程只读存储器(erasable programmable read-onlymemory，EPROM)、电可擦写可编程只读存储器(electrically erasable programmableread-only memory，EEPROM)、闪存(flash memory)、可编程只读存储器(programmableread-only memory，PROM)、磁性存储器、磁盘或光盘等。在一些实施例中，所述存储器401可以是所述计算机设备400的内部存储单元，例如该计算机设备400的硬盘或内存。在另一些实施例中，所述存储器401也可以是所述计算机设备400的外部存储设备，例如该计算机设备400上配备的插接式硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital，SD)卡或闪存卡(Flash Card)等。当然，所述存储器401还可以既包括所述计算机设备400的内部存储单元也包括其外部存储设备。本实施例中，所述存储器401通常用于存储安装于所述计算机设备400的操作系统和各类应用软件，例如所述数据处理方法的程序代码等。此外，所述存储器401还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器402在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片、或数字信号处理器(DigitalSignal Processing，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、分立硬件组件等。该处理器402通常用于控制所述计算机设备400的总体操作。本实施例中，所述处理器402用于运行所述存储器401中存储的程序代码或者处理数据，例如运行所述数据处理方法的程序代码。
例如，所述处理器402，用于为一个或多个评价对象建立数据仓库；建立评价对象分类类别与参数评分规则的映射关系表；获取某个评价对象的至少一个评估参数，根据该评价对象的评价数据库所包括的该至少一个评估参数的评分映射表，确定每个评估参数的评分；根据确定的该评价对象的评估参数的评分以及根据所述评价对象分类类别与参数评分规则的映射关系表，确定该评价对象的类别，对同一类别的评价对象，根据评价对象的评估参数的评分生成从高到低的排序序列，删除排序靠后的预定数量的评价对象。
所述存储器401，用于存储所述评价对象的数据仓库和存储评价对象分类类别与参数评分规则的映射关系表。
在本申请的另一实施例中，所述处理器402删除排序靠后的预定数量(例如最后3名或10名)的评价对象，这样可以降低处理数据的资源，提高处理速度。
所述处理器402，还用于删除排序靠后的预定数量的评价对象之后，对于保留下来的评价对象，根据确定的评价对象的类别，生成与类别匹配的处理方式的提醒信息，并发送给显示器进行显示。
所述处理器402还用于为一个或多个评价对象建立数据仓库时，针对每款汽车或每款汽车的每个型号，建立预定时间的每款汽车或每款汽车的每个型号的各个参数对应的评分映射表。
所述存储器401，还用于存储每款汽车或每款汽车的每个型号的各个参数对应的评分映射表。
所述网络接口403可包括无线网络接口或有线网络接口，该网络接口403通常用于在所述计算机设备400与其他电子设备之间建立通信连接。
所述总线用于实现这些组件之间的连接通信。例如，所述总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外设部件互连标准(PeripheralComponent Interconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该总线系统可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
图4仅示出了具有组件401-403的计算机设备，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
可选地，该计算机设备还可以包括与所述总线连接的用户接口，该用户接口可以包括输入单元比如键盘(Keyboard)、语音输入装置比如麦克风(microphone)等具有语音识别功能的设备、语音输出装置比如音响、耳机等，可选地用户接口还可以包括标准的有线接口、无线接口。
可选地，该计算机设备还可以包括与所述总线连接的显示器，该显示器也可以称为显示屏或显示单元。在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode，OLED)触摸器等。显示器用于显示在计算机设备中处理的信息以及用于显示可视化的用户界面。
本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有所述数据处理程序，所述数据处理程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的数据处理方法的步骤。
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)执行本申请各个实施例所述的方法。
显然，以上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，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (6)

1.一种数据处理方法，其特征在于，包括下述步骤：
为一个或多个评价对象建立数据仓库，所述数据仓库包括所有评价对象的评价数据库，每个评价对象的评价数据库包括各个评估参数与各个评估参数对应的评分映射表；
建立评价对象分类类别与参数评分规则的映射关系表；
从所述数据仓库获取某个评价对象的至少一个评估参数，根据该评价对象的评价数据库所包括的至少一个评估参数的评分映射表，确定每个评估参数的评分；
根据确定的该评价对象的评估参数的评分以及根据所述评价对象分类类别与参数评分规则的映射关系表，确定该评价对象的类别；
对同一类别的评价对象，根据评价对象的评估参数的评分生成从高到低的排序序列，并删除排名靠后的预定数量的评价对象；
所述删除排名靠后的预定数量的评价对象之后，所述方法还包括：
对于保留下来的评价对象，根据确定的评价对象的类别，生成并显示与类别匹配的处理方式的提醒信息；
评价对象每个类别对应的参数评分规则包括至少一个评估参数的阈值或至少两个评估参数的排名；
所述根据确定的该评价对象的评估参数的评分以及根据所述评价对象分类类别与参数评分规则的映射关系表，确定该评价对象的类别具体包括：
将所述评价对象的各个评估参数的评分与评价对象每个类别对应的参数评分规则所包括的对应评估参数的阈值或排名条件进行匹配；
确定能匹配的评价对象的类别即为所述评价对象的类别。
2.根据权利要求1所述的处理方法，其特征在于，所述评估参数包括如下至少一种评估参数：访问量、流量、数据传输速度和存储容量，所述评价对象类别包括如下至少两种：门户型、访问型、内容型、即时型和存储型；
所述根据确定的该评价对象的评估参数的评分以及根据所述评价对象分类类别与参数评分规则的映射关系表，确定该评价对象的类别具体包括：
确定所述评价对象的至少两个评估参数的评分在该评价对象所有的评估参数的评分中排名位于前两位或者并列第一或大于等于阈值，确定所述评价对象的类别为门户型；或，
确定所述评价对象的访问量评分在该评价对象所有的评估参数的评分中最高或大于等于阈值时，确定所述评价对象的类别为访问型；或，
确定所述评价对象的流量评分在该评价对象所有的评估参数的评分中最高或大于等于阈值时，确定评价对象的类别为内容型；或，
确定所述评价对象的数据传输速度评分在该评价对象所有的评估参数的评分中最高或大于等于阈值时，确定所述评价对象的类别为即时型；或，
确定所述评价对象的存储容量评分在该评价对象所有的评估参数的评分中最高或大于等于阈值时，确定所述评价对象的类别为存储型。
3.根据权利要求2所述的处理方法，其特征在于，所述确定该评价对象的类别的步骤之后，所述方法还包括：
监控评价对象的各个评估参数是否超出各自的预设的范围；
在确认评价对象的至少一个评估参数超出预设的范围时，根据变化后的评估参数重新确定评价对象的类型。
4.一种数据处理装置，其特征在于，包括：
建立模块，用于为一个或多个评价对象建立数据仓库和建立评价对象分类类别与参数评分规则的映射关系表，其中，所述数据仓库包括所有评价对象的评价数据库，每个评价对象的评价数据库包括各个评估参数与各个评估参数对应的评分映射表；
评分模块，用于从所述数据仓库获取某个评价对象的至少一个评估参数，根据该评价对象的评价数据库所包括的至少一个评估参数的评分映射表，确定每个评估参数的评分；
处理模块，用于根据确定的该评价对象的评估参数的评分以及根据所述评价对象分类类别与参数评分规则的映射关系表，确定该评价对象的类别，对同一类别的评价对象，根据评价对象的评估参数的评分生成从高到低的排序序列，并删除排名靠后的预定数量的评价对象；
所述处理模块，还用于在删除排名靠后的预定数量的评价对象之后，对于保留下来的评价对象，根据确定的评价对象的类别，生成与类别匹配的处理方式的提醒信息，并发送给显示器进行显示；
评价对象每个类别对应的参数评分规则包括至少一个评估参数的阈值或至少两个评估参数的排名；
所述处理模块用于根据确定的该评价对象的评估参数的评分以及根据所述评价对象分类类别与参数评分规则的映射关系表，确定该评价对象的类别具体包括：
用于将所述评价对象的各个评估参数的评分与评价对象每个类别对应的参数评分规则所包括的对应评估参数的阈值或排名条件进行匹配；确定能匹配的评价对象的类别即为所述评价对象的类别。
5.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述的数据处理方法的步骤。
6.一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计算机程序，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的数据处理方法的步骤。
CN201910764087.2A 2019-08-19 2019-08-19 一种数据处理方法、装置、计算机设备及存储介质 Active CN110674166B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910764087.2A CN110674166B (zh) 2019-08-19 2019-08-19 一种数据处理方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910764087.2A CN110674166B (zh) 2019-08-19 2019-08-19 一种数据处理方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN110674166A CN110674166A (zh) 2020-01-10
CN110674166B true CN110674166B (zh) 2023-08-08

Family

ID=69075397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910764087.2A Active CN110674166B (zh) 2019-08-19 2019-08-19 一种数据处理方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN110674166B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112232731B (zh) * 2020-09-15 2022-11-22 浪潮通用软件有限公司 一种库存abc分类的方法及设备
CN113191805B (zh) * 2021-04-30 2023-07-04 平安科技（深圳）有限公司 车主置换评估方法、系统、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109558384A (zh) * 2018-09-29 2019-04-02 中国平安人寿保险股份有限公司 日志分类方法、装置、电子设备和存储介质
US10325190B1 (en) * 2018-02-01 2019-06-18 ENN Science and Technology Development Co., Ltd Data processing method and network equipment
CN109919442A (zh) * 2019-01-31 2019-06-21 德联易控科技(北京)有限公司 基于评价数据的汽修厂分类方法、装置及电子设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110258020A1 (en) * 2010-04-20 2011-10-20 Accenture Global Services Gmbh Evaluating initiatives

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10325190B1 (en) * 2018-02-01 2019-06-18 ENN Science and Technology Development Co., Ltd Data processing method and network equipment
CN109558384A (zh) * 2018-09-29 2019-04-02 中国平安人寿保险股份有限公司 日志分类方法、装置、电子设备和存储介质
CN109919442A (zh) * 2019-01-31 2019-06-21 德联易控科技(北京)有限公司 基于评价数据的汽修厂分类方法、装置及电子设备

Also Published As

Publication number Publication date
CN110674166A (zh) 2020-01-10

Similar Documents

Publication Publication Date Title
US11238119B2 (en) Device identification for multiple device IDs
US20160132904A1 (en) Influence score of a brand
US11275748B2 (en) Influence score of a social media domain
TWI428774B (zh) Information processing apparatus, information processing method, information processing program product and recording medium
US9614798B2 (en) Method and an apparatus for distribution of a message
EP2842057A1 (en) Influence scores for social media profiles
US11748452B2 (en) Method for data processing by performing different non-linear combination processing
CN110674166B (zh) 一种数据处理方法、装置、计算机设备及存储介质
KR102028089B1 (ko) 모바일 애플리케이션과 연관된 콘텐츠 아이템의 디바이스-기반 필터링
CN102446171A (zh) 基于加权平均点进率评测推广关键词质量度的方法与设备
CN103064866A (zh) 确定网络中的内容的关注度的方法和设备
CN107766470A (zh) 一种数据分享的智能统计方法、智能统计显示方法及装置
CN109408714A (zh) 一种多模型融合的推荐系统和方法
CN112182004A (zh) 实时查看数据方法、装置、计算机设备及存储介质
WO2021135540A1 (zh) 基于Neo4j的异常用户处理方法、装置、计算机设备和介质
US20180322125A1 (en) Itemset determining method and apparatus, processing device, and storage medium
CN111078998B (zh) 信息检索方法、装置、存储介质及服务器
CN110796543B (zh) 基于关系网络的定制信息获取方法、装置及电子设备
US20160124580A1 (en) Method and system for providing content with a user interface
CN110704544A (zh) 一种基于大数据的对象处理方法、装置、设备及存储介质
US20220156294A1 (en) Text Recognition Method and Apparatus
CN113283759B (zh) 账户风险画像更新方法、装置、设备及存储介质
US11310255B2 (en) Systems and methods for network traffic analysis
CN114090689A (zh) 基于联盟链的智能合约数据处理方法、及其相关设备
CN112182107A (zh) 名单数据获取方法、装置、计算机设备及存储介质

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
GR01 Patent grant
GR01 Patent grant