CN110782129B - 一种业务进度监控方法、装置、系统及计算机可读存储介质 - Google Patents
一种业务进度监控方法、装置、系统及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110782129B CN110782129B CN201910930930.XA CN201910930930A CN110782129B CN 110782129 B CN110782129 B CN 110782129B CN 201910930930 A CN201910930930 A CN 201910930930A CN 110782129 B CN110782129 B CN 110782129B
- Authority
- CN
- China
- Prior art keywords
- service
- link
- monitored
- progress
- monitored service
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012544 monitoring process Methods 0.000 title claims abstract description 43
- 238000011156 evaluation Methods 0.000 claims description 59
- 238000009825 accumulation Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 15
- 238000012806 monitoring device Methods 0.000 claims description 13
- 239000006185 dispersion Substances 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 abstract description 2
- 238000012549 training Methods 0.000 description 8
- 238000010606 normalization Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000009193 crawling Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- 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
- G06Q10/063116—Schedule adjustment 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种业务进度监控方法、装置、系统及计算机可读存储介质,该方法包括:利用相似度模型从历史业务集中确定被监控业务的至少一个相似历史业务,并根据至少一个相似历史业务计算被监控业务的预测进度信息;利用程序埋点获得被监控业务的实际进度信息;通过对实际进度信息与预测进度信息进行比较,以监控被监控业务的进度。利用上述方法,能够根据历史业务预测出将要执行的被监控业务的预测进度信息,进而能更为准确地判断被监控业务的实际进度是否异常。
Description
技术领域
本发明属于计算机技术领域,具体涉及一种业务进度监控方法、装置、系统及计算机可读存储介质。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
在现代化企业中,通常需要依靠线上系统来建设合规、透明且高效的业务监控体系。然而现有技术中,企业的业务流程通常包括复杂的业务环节,因此难以准确预测业务进度,难以判断业务的实际进程是否存在异常。面对复杂的业务实施场景,现有的进度管理办法存在着如下问题:(1)业务进度计划的制定,通常由业务人员基于经验设置,具有很大的主观性,缺少客观标准的预测体系;(2)业务的各环节间存在复杂的约束关系(比如顺序执行、并行执行)时,难以实时监控。
发明内容
针对上述现有技术中存在的问题,提出了一种业务进度监控方法、装置、系统及计算机可读存储介质,利用这种方法、装置、系统及计算机可读存储介质,能够解决上述问题。
本发明提供了以下方案。
第一方面,提供一种业务进度监控方法,包括:利用相似度模型从历史业务集中确定被监控业务的至少一个相似历史业务,并根据该至少一个相似历史业务计算该被监控业务的预测进度信息;利用程序埋点获得该被监控业务的实际进度信息;通过对该实际进度信息与该预测进度信息进行比较,以监控该被监控业务的进度。
在一些可能的实施方式中,该方法还包括:将被监控业务的多维评价指标分别和该历史业务集中各历史业务的多维评价指标输入该相似度模型,以输出被监控业务与各历史业务之间的相似度值;根据该相似度值的排序结果确定被监控业务的至少一个相似历史业务。
在一些可能的实施方式中,该方法还包括:通过对被监控业务和各历史业务执行关键词匹配而获取各自对应的该多维评价指标。
在一些可能的实施方式中,该多维评价指标包括以下多种维度:项目性质、项目类型、采购方式、项目评级。
在一些可能的实施方式中,该相似度模型利用以下相似度算法计算被监控业务与各历史业务之间的相似度值:
其中,Cx,y为被监控业务与各历史业务之间的相似度值,xi为被监控业务的第i维评价指标,yi为各历史业务的第i维评价指标,i为维度序号,i取值为1~M,M为正整数,ki为对应于该第i维评价指标的权值参数。
在一些可能的实施方式中,利用该至少一个相似历史业务计算被监控业务的预测进度信息,包括:针对被监控业务的每个环节,确定各相似历史业务对应的历史环节时长;对该各相似历史业务对应的历史环节时长执行加权累加运算,得到被监控业务的每个环节的预测环节时长。
在一些可能的实施方式中,该方法还包括:在该加权累加运算中,由该各相似历史业务对应的相似度值而确定权值。
在一些可能的实施方式中,由该各相似历史业务对应的相似度值而确定权值,还包括:对该各相似历史业务对应的相似度值执行离差标准化处理,并将该离差标准化处理后的相似度值转化为该权值。
在一些可能的实施方式中,该利用程序埋点获得被监控业务的实际进度信息包括:被监控业务在每个环节设有对应的程序埋点,当被监控业务执行到该每个环节对应的该程序埋点时,获得该每个环节的实际开始时间与实际结束时间。
在一些可能的实施方式中,通过对该实际进度信息与该预测进度信息进行比较,以监控被监控业务的进度,包括:根据被监控业务的启动时间、被监控业务包含的多个环节之间的预设时序关系以及该每个环节的预测环节时长计算被监控业务的每个环节的预测开始时间与预测结束时间;通过对被监控业务的每个环节的预测开始时间、预测结束时间、实际开始时间与实际结束时间进行比较,以监控被监控业务中每个环节的进度。
在一些可能的实施方式中,该方法还包括:若该预设时序关系指示被监控业务包含的第一环节与第二环节顺序执行,则另该第一环节的预测结束时间作为该第二环节的预测开始时间;若该预设时序关系指示被监控业务包含的第一环节与第三环节并行执行,则选择该第一环节与该第三环节中的最晚预测结束时间作为后续环节的预测开始时间。
在一些可能的实施方式中,该方法还包括:抓取日程表信息,并根据该日程表信息确定出被监控业务的可用工作期间;以及,根据该可用工作期间调整该预测进度信息。
第二方面,提供一种业务进度监控装置,包括:进度预测模块,用于利用相似度模型确定被监控业务的至少一个相似历史业务,并根据该至少一个相似历史业务计算被监控业务的预测进度信息;进度跟踪模块,用于利用程序埋点获得被监控业务的实际进度信息;进度监控模块,用于通过对该实际进度信息与该预测进度信息进行比较,以监控被监控业务的进度。
在一些可能的实施方式中,该进度预测模块还用于:将被监控业务的多维评价指标分别和各历史业务的多维评价指标输入该相似度模型,以输出被监控业务与各历史业务之间的相似度值;根据该相似度值的排序结果确定被监控业务的至少一个相似历史业务。
在一些可能的实施方式中,该进度预测模块还用于:通过对被监控业务和各历史业务执行关键词匹配而获取各自对应的该多维评价指标。
在一些可能的实施方式中,该多维评价指标包括以下多种维度:项目性质、项目类型、采购方式、项目评级。
在一些可能的实施方式中,相似度模型利用以下相似度算法计算被监控业务与各历史业务之间的相似度值:
其中,Cx,y为被监控业务与各历史业务之间的相似度值,xi为被监控业务的第i维评价指标,yi为各历史业务的第i维评价指标,i为维度序号,i取值为1~M,M为正整数,ki为对应于该第i维评价指标的权值参数。
在一些可能的实施方式中,该进度预测模块还包括:加权累加模块,用于针对被监控业务的每个环节,确定各相似历史业务对应的历史环节时长;对该各相似历史业务对应的历史环节时长执行加权累加运算,得到被监控业务的每个环节的预测环节时长。
在一些可能的实施方式中,该加权累加模块还包括:权重模块,用于在该加权累加运算中,由该各相似历史业务对应的相似度值而确定权值。
在一些可能的实施方式中,该权重模块还用于:对该各相似历史业务对应的相似度值执行离差标准化处理,并将该离差标准化处理后的相似度值转化为该权值。
在一些可能的实施方式中,该进度跟踪模块还用于:被监控业务在每个环节设有对应的程序埋点,当被监控业务执行到该每个环节对应的该程序埋点时,获得该每个环节的实际开始时间与实际结束时间。
在一些可能的实施方式中,进度监控模块还用于:根据被监控业务的启动时间、被监控业务包含的多个环节之间的预设时序关系以及该每个环节的预测环节时长计算被监控业务的每个环节的预测开始时间与预测结束时间;通过对被监控业务的每个环节的预测开始时间、预测结束时间、实际开始时间与实际结束时间进行比较,以监控被监控业务中每个环节的进度。
在一些可能的实施方式中,进度监控模块还用于:若该预设时序关系指示被监控业务包含的第一环节与第二环节顺序执行,则另该第一环节的预测结束时间作为该第二环节的预测开始时间;若该预设时序关系指示被监控业务包含的第一环节与第三环节并行执行,则选择该第一环节与该第三环节中最晚的预测结束时间作为后续环节的预测开始时间。
在一些可能的实施方式中,该进度预测模块还用于:抓取日程表信息,并根据该日程表信息确定出被监控业务的可用工作期间;以及,根据该可用工作期间调整该预测进度信息。
第三方面,提供一种业务进度监控系统,用于监控至少一个被监控业务的业务进度,且该系统包括:至少一个被监控业务,用于存储多个历史业务的历史业务集,以及如上述第二方面的监控装置。
第四方面,提供一种业务进度监控装置,包括:一个或者多个多核处理器;存储器,用于存储一个或多个程序;当该一个或多个程序被该一个或者多个多核处理器执行时,使得该一个或多个多核处理器实现:利用相似度模型从历史业务集中确定被监控业务的至少一个相似历史业务,并根据该至少一个相似历史业务计算被监控业务的预测进度信息;利用程序埋点获得被监控业务的实际进度信息;通过对该实际进度信息与该预测进度信息进行比较,以监控被监控业务的进度。
第五方面,提供一种计算机可读存储介质,该计算机可读存储介质存储有程序,当该程序被多核处理器执行时,使得该多核处理器执行如上述第一方面的方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:本实施例中,通过由历史业务集作为训练样本库而训练获得可信的相似度模型,并通过引用该相似度模型而获取被监控业务的相似历史业务,从而得以基于相似历史业务而预测被监控业务的进度信息,从而提供了客观标准的预测体系,能够实现对被监控业务的有效监控。
应当理解,上述说明仅是本发明技术方案的概述,以便能够更清楚地了解本发明的技术手段,从而可依照说明书的内容予以实施。为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举例说明本发明的具体实施方式。
附图说明
通过阅读下文的示例性实施例的详细描述,本领域普通技术人员将明白本文所述的有点和益处以及其他优点和益处。附图仅用于示出示例性实施例的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的标号表示相同的部件。在附图中:
图1为根据本发明一实施例的业务进度监控方法的流程示意图;
图2为根据本发明一实施例的业务进度监控装置的结构示意图;
图3为根据本发明又一实施例的业务进度监控装置的结构示意图;
图4为根据本发明一实施例的计算机可读存储介质的示意图。
在附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
在本发明中,应理解,诸如“包括”或“具有”等术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不旨在排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在的可能性。
另外还需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
图1示意性地示出了根据本发明实施方式的业务进度监控方法100的流程示意图,优选地但非必须地,图1所示的方法可在云端服务器、服务器集群处执行,更具体地,图1所示的方法可由设置于银联系统中的具体模块执行。本实施例中,以云端服务器作为执行主体进行具体阐述,然而应当理解,本申请对执行主体并无具体限制。
如图1所示,该方法100包括:
步骤S101、利用相似度模型从历史业务集中确定被监控业务的至少一个相似历史业务,并根据至少一个相似历史业务计算被监控业务的预测进度信息;
具体地,历史业务集用于存储多个历史业务的实际执行数据。上述相似度模型用于从历史业务集中筛选出与被监控业务相似度高的若干个历史业务作为被监控业务的相似历史业务。可选地,可以对历史业务集中各历史业务携带的多维评价指标进行训练以获取该相似度模型。
在一些可能的实施方式中,多维评价指标可以包括以下多种维度:项目性质、项目类型、采购方式、项目评级。具体地,多维评价指标可以包括:(1)项目性质,标记采购性质,如IT项目、工程项目等,在相似度模型中,每种采购性质可以转换为[1,10]范围内的数值标识;(2)项目类型,标记采购大类,如货物类、服务类等,在相似度模型中,每种采购类型可以转换为[1,10]范围内的数值标识;值越大,表示实施难度越大;(3)采购方式,标记采购方式,如公开招标、单一来源、询价等,在相似度模型中,每种采购方式可以转换为[1,10]范围内的数值标识;(4)项目评级,标记需求人员对项目的评价,比如高重要级、低重要级等;相似度模型中可以转换为[1,10]范围内的数值标识。上述数值标识与业务执行难度、业务执行时长具有关联关系,可以利用预先创建的评价指标体系而确定。可以理解,上述各个维度的评价指标均与业务的执行时长均具有关联关系,因此可以通过对上述多维评价指标执行模型训练,在相似度模型中确定对应于各维度的权重参数。
在一些可能的实施方式中,为了确定被监控业务的至少一个相似历史业务,步骤S101还可以包括:将被监控业务的多维评价指标分别和历史业务集中各历史业务的多维评价指标输入相似度模型,以输出被监控业务与各历史业务之间的相似度值;根据相似度值的排序结果确定被监控业务的至少一个相似历史业务。
具体地,被监控业务和各历史业务的多维评价指标可以是通过爬虫软件抓取业务属性信息而获取的。举例来说,可以通过抓取该被监控业务的属性信息而获取以下内容:<项目性质:IT项目;项目类型:货物类,采购方式:公开招标,项目评分:高重要级>;进一步地,可以通过预先创建的评价指标体系而将上述抓取的属性信息转换为多维评价指标,该多维评价指标可以形成为一维数组格式,比如被监控业务的多维评价指标可以形成为(x1,x2,x3,x4),各历史业务的多维评价指标可以形成为(y1,y2,y3,y4)。进一步地,将上述(x1,x2,x3,x4)与(y1,y2,y3,y4)输入训练好的相似度模型,并输出被监控业务与各历史业务之间的相似度值Cx,y,进一步可以通过对相似度值进行排序而从历史业务集中筛选出相似度较高的历史业务。例如,可以选取历史业务集中相似度值排序为10%的历史业务作为相似历史业务。可以理解,通过将多维评价指标输入相似度模型以获取用于筛选历史业务的相似度值,能够从历史业务集中筛选出相似度更高的历史业务作为相似历史业务。
在一些可能的实施方式中,可以通过对被监控业务和各历史业务执行关键词匹配而获取各自对应的多维评价指标。
举例来说,若在被监控业务的日志中并未明示标记出多维评价指标,在此情况下,可以通过对被监控业务的日志执行关键词匹配而获取若干个目标关键词,例如<IT项目;货物类,公开招标,高重要级>;进一步根据预先创建好的评价指标体系而将上述关键词转换为被监控业务的多维评价指标。
在一些可能的实施方式中,进一步地,相似度模型利用以下相似度算法计算被监控业务与各历史业务之间的相似度值;
其中,Cx,y为被监控业务与各历史业务之间的相似度值,xi为被监控业务的第i维评价指标,yi为各历史业务的第i维评价指标,i为维度序号,取值为1~M,M为正整数,ki为对应于第i维评价指标的权值参数,具体可以在模型训练中确定。
举例来说,针对被监控业务的多维评价指标:(x1,x2,x3,x4),各历史业务的多维评价指标:(y1,y2,y3,y4)。就可以另M=4而确定相似度,可以看出,本实施例中相似度模型采用了逻辑简单且运算量较小的相似度算法。
在一些可能的实施方式中,步骤S101进一步可以包括:针对被监控业务的每个环节,确定各相似历史业务对应的历史环节时长;对各相似历史业务对应的历史环节时长执行加权累加运算,得到被监控业务的每个环节的预测环节时长。
举例来说,常规性的企业采购流程通常可以归纳划分为16个环节:编制方案文件、报批方案文件、审核方案文件、采购委审批、发布采购公告、组织采购评审、编制采购结果报告、报批采购结果、采购委审批、采购结果公示、采购结果通知、编制采购合同、审核采购合同、审批采购合同、确认合同审批结果、签署及移交采购合同。所有环节构成进度模板库。进一步地,被监控业务中的主办人可从进度模板库中筛选进度环节,构成本业务的环节信息表,也可以由业务的属性而自动确定包含的环节。
进一步地,在确定被监控业务包含的多个环节之后,可以根据以下执行加权累加运算公式确定被监控业务r在每个环节j的预测环节时长:
其中:pq为相似历史业务q的权值,tq,j为相似历史业务q在该环节j的实际执行时间,q为相似历史业务的序号,q=1,...,n,变量n的取值取决于相似历史业务的个数。通过利用上述方案,将进度监控的基本单元缩小为环节,能够更加及时准确地执行进度监控。
在一些可能的实施方式中,在上述加权累加运算中,还可以包括:由各相似历史业务对应的相似度值而确定权值。
举例来说,对于被监控业务r,其对应的相似历史业务的相似度值为v1,v2,v3,…,vn,基于此,可以利用该多个相似度值计算上述加权累加运算中的权值pi。比如可以设置多段阈值区间,并对相似度值处于指定阈值区间的相似历史业务赋予指定权值。
在一些可能的实施方式中,在上述加权累加运算中,还可以包括:对各相似历史业务对应的相似度值执行离差标准化处理,并将离差标准化处理后的相似度值转化为权值。具体地,使上述全部相似历史业务的权值之和为1,通过上述离差标准化处理能够确定更为符合客观规律的权值分布。
举例来说,对于被监控业务r,选取与其相似度最高的前n个历史业务作为相似历史业务,且与其相似度最高的前n+1个历史业务的相似度值基于升序排列为v1,v2,v3,…,vn+1。通过如下公式,实现对vq值在0-1区间标准化:
其中,vmax取值为vn+1,vmin取值为0。
进一步地,根据v′1,v′2,v′3…,v′n可得到相似度最高的前n个历史业务(也即相似历史业务)中,每个相似历史业务q的权值:
如图1所示,该方法100包括:
步骤S102、利用程序埋点获得被监控业务的实际进度信息;
具体地,程序埋点是指针对特定行为或事件进行捕获、处理和发送的相关技术及其实施过程,开发人员可以按需预置程序埋点策略。例如,需要收集被监控业务A的实际进度信息,就可以将被监控业务A按时间序列划分为多个子任务集(a1,a2,…,an),在每个子任务结束的位置插入程序埋点,得到(a1,埋点1,a2,埋点2,…,an,埋点n),进而当被监控业务流转到各程序埋点时,调用接口并将被监控业务的执行信息传来,能够获得被监控业务的实际进度信息,从而减少用户在被监控业务执行过程中的人工查看业务进度的操作,降低了监控的繁杂度且监控的实时性较高。
在一些可能的实施方式中,步骤S102进一步可以包括:被监控业务在每个环节设有对应的程序埋点,当被监控业务执行到每个环节对应的程序埋点时,获得每个环节的实际开始时间与实际结束时间。
具体地,当被监控业务流转到程序埋点时,调用接口并将被监控业务的执行信息传来,进而通过分析上述执行信息而获取各环节的实际开始时间、实际结束时间等数据,并存入各环节的元数据中。可选地,上述程序埋点可以设置于每个环节的开始位置或结束位置,进而可以无需分析而直接由业务执行到程序埋点的时间而确定上述每个环节的实际开始时间与实际结束时间。
如图1所示,该方法100包括:
步骤S103、通过对实际进度信息与预测进度信息进行比较,以监控被监控业务的进度。
具体地,可以将对比结果展示在图形界面上,以直观地展示预测进度信息与实际进度信息之间的差异。
在一些可能的实施方式中,步骤S103进一步可以包括:根据被监控业务的启动时间、被监控业务包含的多个环节之间的预设时序关系以及每个环节的预测环节时长计算被监控业务的每个环节的预测开始时间与预测结束时间;通过对被监控业务的每个环节的预测开始时间、预测结束时间、实际开始时间与实际结束时间进行比较,以监控被监控业务中每个环节的进度。
具体地,被监控业务包含的多个环节之间存在预设时序关系,举例来说,必须在“审批采购合同”环节执行完毕之后,才能开始执行“确认合同审批结果”环节,又比如,必须在“采购结果公示”与“采购结果通知”环节均执行完毕之后,才能开始执行“编制采购合同”环节,因此上述预设时序关系既可以指示多个环节顺序执行,也可以指示多个环节并行执行。
进一步地,在获取该被监控业务的启动时间后,可以基于上述预设时序关系与每个环节的预测环节时长遍历该被监控业务的每个环节,从而可以获取每个环节的预测开始时间与预测结束时间。
在一些可能的实施方式中,在上述计算被监控业务的每个环节的预测开始时间与预测结束时间的过程中,若预设时序关系指示被监控业务包含的第一环节与第二环节顺序执行,则另第一环节的预测结束时间作为第二环节的预测开始时间。对于并行执行的环节,还可以包括:若预设时序关系指示被监控业务包含的第一环节与第三环节并行执行,则选择第一环节与第三环节中的最晚的预测结束时间作为后续环节的预测开始时间。这样则考虑到了环节的并行特征,避免了预测进度信息中出现时序混乱问题。
在一些可能的实施方式中,还可以包括:抓取日程表信息,并根据日程表信息确定出被监控业务的可用工作期间;以及,根据可用工作期间调整预测进度信息。具体地,上述日程表信息可以包括业务涉及人员的日程表信息、用于指示天气因素的日程表信息等。
本实施例中,通过由历史业务集作为训练样本库而训练获得可信的相似度模型,并通过引用该相似度模型而获取被监控业务的相似历史业务,从而得以基于相似历史业务而预测被监控业务的进度信息,从而提供了客观标准的预测体系,基于该预测体系,能够实现对被监控业务的有效监控。此外,通过缩小上述进度监控的单元,从环节层面来对被监控业务的进度进行精细化预测,进而可以提供更为精细准确的监控效果。
基于相同的技术构思,本发明实施例还提供一种业务进度监控装置,用于执行上述任一实施例所提供的业务进度监控方法。图2为本发明实施例提供的一种业务进度监控装置结构示意图。
如图2所示,业务进度监控装置200包括:
进度预测模块201,用于利用相似度模型确定被监控业务的至少一个相似历史业务,并根据该至少一个相似历史业务计算被监控业务的预测进度信息;
进度跟踪模块202,用于利用程序埋点获得被监控业务的实际进度信息;
进度监控模块203,用于通过对该实际进度信息与该预测进度信息进行比较,以监控被监控业务的进度。
在一些可能的实施方式中,该进度预测模块201还用于:将被监控业务的多维评价指标分别和各历史业务的多维评价指标输入该相似度模型,以输出被监控业务与各历史业务之间的相似度值;根据该相似度值的排序结果确定被监控业务的至少一个相似历史业务。
在一些可能的实施方式中,该进度预测模块201还用于:通过对被监控业务和各历史业务执行关键词匹配而获取各自对应的该多维评价指标。
在一些可能的实施方式中,该多维评价指标包括以下多种维度:项目性质、项目类型、采购方式、项目评级。
在一些可能的实施方式中,相似度模型利用以下相似度算法计算被监控业务与各历史业务之间的相似度值:其中,Cx,y为被监控业务与各历史业务之间的相似度值,xi为被监控业务的第i维评价指标,yi为各历史业务的第i维评价指标,i为维度序号,取值为1~M,N+,ki为对应于该第i维评价指标的权值参数。
在一些可能的实施方式中,该进度预测模块201还包括:加权累加模块,用于针对被监控业务的每个环节,确定各相似历史业务对应的历史环节时长;对该各相似历史业务对应的历史环节时长执行加权累加运算,得到被监控业务的每个环节的预测环节时长。
在一些可能的实施方式中,该加权累加模块还包括:权重模块,用于在该加权累加运算中,由该各相似历史业务对应的相似度值而确定权值。
在一些可能的实施方式中,该权重模块还用于:对该各相似历史业务对应的相似度值执行离差标准化处理,并将该离差标准化处理后的相似度值转化为该权值。
在一些可能的实施方式中,该进度跟踪模块202还用于:被监控业务在每个环节设有对应的程序埋点,当被监控业务执行到该每个环节对应的该程序埋点时,获得该每个环节的实际开始时间与实际结束时间。
在一些可能的实施方式中,进度监控模块203还用于:根据被监控业务的启动时间、被监控业务包含的多个环节之间的预设时序关系以及该每个环节的预测环节时长计算被监控业务的每个环节的预测开始时间与预测结束时间;通过对被监控业务的每个环节的预测开始时间、预测结束时间、实际开始时间与实际结束时间进行比较,以监控被监控业务中每个环节的进度。
在一些可能的实施方式中,进度监控模块203还用于:若该预设时序关系指示被监控业务包含的第一环节与第二环节顺序执行,则另该第一环节的预测结束时间作为该第二环节的预测开始时间;若该预设时序关系指示被监控业务包含的第一环节与第三环节并行执行,则选择该第一环节与该第三环节中最晚的预测结束时间作为后续环节的预测开始时间。
在一些可能的实施方式中,该进度预测模块201还用于:抓取日程表信息,并根据该日程表信息确定出被监控业务的可用工作期间;以及,根据该可用工作期间调整该预测进度信息。
本实施例中,通过由历史业务集作为训练样本库而训练获得可信的相似度模型,并通过引用该相似度模型而获取被监控业务的相似历史业务,从而得以基于相似历史业务而预测被监控业务的进度信息,从而提供了客观标准的预测体系,基于该预测体系,能够实现对被监控业务的有效监控。此外,通过缩小上述进度监控的单元,从环节层面来对被监控业务的进度进行精细化预测,进而可以提供更为精细准确的监控效果。
需要说明的是,本申请实施例中的业务进度监控装置可以实现前述业务进度监控方法的实施例的各个过程,并达到相同的效果和功能,这里不再赘述。
基于相同的技术构思,本发明实施例还提供一种业务进度监控系统,用于监控至少一个被监控业务的业务进度,且该系统包括:至少一个被监控业务,用于存储多个历史业务的历史业务集,以及如上述的业务进度监控装置。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为设备、方法或计算机可读存储介质。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“设备”。
在一些可能的实施方式中,本发明的一种业务进度监控装置可以至少包括一个或多个处理器、以及至少一个存储器。其中,所述存储器存储有程序,当所述程序被所述处理器执行时,使得所述处理器执行如图1所示的步骤:
步骤S101:利用相似度模型从历史业务集中确定被监控业务的至少一个相似历史业务,并根据该至少一个相似历史业务计算该被监控业务的预测进度信息;
步骤S102:利用程序埋点获得该被监控业务的实际进度信息;
步骤S103:通过对该实际进度信息与该预测进度信息进行比较,以监控该被监控业务的进度。
下面参照图3来描述根据本发明的这种实施方式的业务进度监控装置3。图3显示的装置3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3所示,装置3可以以通用计算设备的形式表现,包括但不限于:至少一个处理器10、至少一个存储器20、连接不同设备组件的总线60。
总线60包括数据总线、地址总线和控制总线。
存储器20可以包括易失性存储器,例如随机存取存储器(RAM)21和/或高速缓存存储器22,还可以进一步包括只读存储器(ROM)23。
存储器20还可以包括程序模块24,这样的程序模块24包括但不限于:操作设备、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。
装置3还可以与一个或多个外部设备2(例如键盘、指向设备、蓝牙设备等)通信,也可与一个或者多个其他设备进行通信。这种通信可以通过输入/输出(I/O)接口40进行,并在显示单元30上进行显示。并且,装置3还可以通过网络适配器50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。如图所示,网络适配器50通过总线60与装置3中的其它模块通信。应当明白,尽管图中未示出,但可以结合装置3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设备、磁带驱动器以及数据备份存储设备等。
图4示出了一种计算机可读存储介质,用于执行如上所述的方法。
在一些可能的实施方式中,本发明的各个方面还可以实现为一种计算机可读存储介质的形式,其包括程序代码,当所述程序代码在被处理器执行时,所述程序代码用于使所述处理器执行上面描述的方法。
上面描述的方法包括了上面的附图中示出和未示出的多个操作和步骤,这里将不再赘述。
所述计算机可读存储介质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是--但不限于--电、磁、光、电磁、红外线、或半导体的设备、设备或器件,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。
如图4所示,描述了根据本发明的实施方式的计算机可读存储介质40,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,本发明的计算机可读存储介质不限于此,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设备、设备或者器件使用或者与其结合使用。
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)。
此外,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (19)
1.一种业务进度监控方法,其特征在于,包括:
利用相似度模型从历史业务集中确定被监控业务的至少一个相似历史业务,并根据所述至少一个相似历史业务计算所述被监控业务的预测进度信息;
利用程序埋点获得所述被监控业务的实际进度信息;
通过对所述实际进度信息与所述预测进度信息进行比较,以监控所述被监控业务的进度;
所述根据所述至少一个相似历史业务计算所述被监控业务的预测进度信息,包括:
针对所述被监控业务的每个环节,确定各相似历史业务对应的历史环节时长;
对所述各相似历史业务对应的历史环节时长执行加权累加运算,得到所述被监控业务的每个环节的预测环节时长;
其中,在所述加权累加运算中,由所述各相似历史业务对应的相似度值而确定权值;
所述通过对所述实际进度信息与所述预测进度信息进行比较,以监控所述被监控业务的进度,包括:
根据所述被监控业务的启动时间、所述被监控业务包含的多个环节之间的预设时序关系以及所述每个环节的预测环节时长计算所述被监控业务的每个环节的预测开始时间与预测结束时间;
通过对所述被监控业务的每个环节的预测开始时间、预测结束时间、实际开始时间与实际结束时间进行比较,以监控所述被监控业务中每个环节的进度;
所述方法还包括:
若所述预设时序关系指示所述被监控业务包含的第一环节与第二环节顺序执行,则将所述第一环节的预测结束时间作为所述第二环节的预测开始时间;
若所述预设时序关系指示所述被监控业务包含的第一环节与第三环节并行执行,则选择所述第一环节与所述第三环节中的最晚预测结束时间作为后续环节的预测开始时间。
2.由权利要求1所述的方法,其特征在于,还包括:
将所述被监控业务的多维评价指标分别和所述历史业务集中各历史业务的多维评价指标输入所述相似度模型,以输出所述被监控业务与所述各历史业务之间的相似度值;
根据所述相似度值的排序结果确定被监控业务的至少一个相似历史业务。
3.由权利要求2所述的方法,其特征在于,还包括:
通过对所述被监控业务和所述各历史业务执行关键词匹配而获取各自对应的所述多维评价指标。
4.由权利要求2所述的方法,其特征在于,所述多维评价指标包括以下多种维度:项目性质、项目类型、采购方式、项目评级。
5.由权利要求2所述的方法,其特征在于,所述相似度模型利用以下相似度算法计算所述被监控业务与所述各历史业务之间的相似度值;
其中,Cx,y为所述被监控业务与所述各历史业务之间的相似度值,xi为所述被监控业务的第i维评价指标,yi为所述各历史业务的第i维评价指标,i为维度序号,i取值为1~M,M为正整数,ki为对应于所述第i维评价指标的权值参数。
6.由权利要求1所述的方法,其特征在于,由所述各相似历史业务对应的相似度值而确定权值,还包括:
对所述各相似历史业务对应的相似度值执行离差标准化处理,并将所述离差标准化处理后的相似度值转化为所述权值。
7.由权利要求1所述的方法,其特征在于,所述利用程序埋点获得所述被监控业务的实际进度信息包括:
所述被监控业务在每个环节设有对应的程序埋点,当所述被监控业务执行到所述每个环节对应的所述程序埋点时,获得所述每个环节的实际开始时间与实际结束时间。
8.由权利要求1所述的方法,其特征在于,还包括:
抓取日程表信息,并根据所述日程表信息确定出所述被监控业务的可用工作期间;以及,
根据所述可用工作期间调整所述预测进度信息。
9.一种业务进度监控装置,其特征在于,包括:
进度预测模块,用于利用相似度模型确定被监控业务的至少一个相似历史业务,并根据所述至少一个相似历史业务计算所述被监控业务的预测进度信息;
进度跟踪模块,用于利用程序埋点获得所述被监控业务的实际进度信息;
进度监控模块,用于通过对所述实际进度信息与所述预测进度信息进行比较,以监控所述被监控业务的进度;
所述进度预测模块包括:
加权累加模块,用于针对所述被监控业务的每个环节,确定各相似历史业务对应的历史环节时长;对所述各相似历史业务对应的历史环节时长执行加权累加运算,得到所述被监控业务的每个环节的预测环节时长;
所述加权累加模块包括:
权重模块,用于在所述加权累加运算中,由所述各相似历史业务对应的相似度值而确定权值;
所述进度监控模块还用于:
根据所述被监控业务的启动时间、所述被监控业务包含的多个环节之间的预设时序关系以及所述每个环节的预测环节时长计算所述被监控业务的每个环节的预测开始时间与预测结束时间;
通过对所述被监控业务的每个环节的预测开始时间、预测结束时间、实际开始时间与实际结束时间进行比较,以监控所述被监控业务中每个环节的进度;
所述进度监控模块还用于:
若所述预设时序关系指示所述被监控业务包含的第一环节与第二环节顺序执行,则将所述第一环节的预测结束时间作为所述第二环节的预测开始时间;
若所述预设时序关系指示所述被监控业务包含的第一环节与第三环节并行执行,则选择所述第一环节与所述第三环节中最晚的预测结束时间作为后续环节的预测开始时间。
10.由权利要求9所述的装置,其特征在于,所述进度预测模块还用于:
将所述被监控业务的多维评价指标分别和各历史业务的多维评价指标输入所述相似度模型,以输出所述被监控业务与所述各历史业务之间的相似度值;
根据所述相似度值的排序结果确定被监控业务的至少一个相似历史业务。
11.由权利要求10所述的装置,其特征在于,所述进度预测模块还用于:
通过对所述被监控业务和所述各历史业务执行关键词匹配而获取各自对应的所述多维评价指标。
12.由权利要求10所述的装置,其特征在于,所述多维评价指标包括以下多种维度:项目性质、项目类型、采购方式、项目评级。
13.由权利要求10所述的装置,其特征在于,所述相似度模型利用以下相似度算法计算所述被监控业务与所述各历史业务之间的相似度值:
其中,Cx,y为所述被监控业务与所述各历史业务之间的相似度值,xi为所述被监控业务的第i维评价指标,yi为所述各历史业务的第i维评价指标,i为维度序号,取值为1~M,M为正整数,ki为对应于所述第i维评价指标的权值参数。
14.由权利要求9所述的装置,其特征在于,所述权重模块还用于:
对所述各相似历史业务对应的相似度值执行离差标准化处理,并将所述离差标准化处理后的相似度值转化为所述权值。
15.由权利要求9所述的装置,其特征在于,所述进度跟踪模块还用于:
所述被监控业务在每个环节设有对应的程序埋点,当所述被监控业务执行到所述每个环节对应的所述程序埋点时,获得所述每个环节的实际开始时间与实际结束时间。
16.由权利要求10所述的装置,其特征在于,所述进度预测模块还用于:
抓取日程表信息,并根据所述日程表信息确定出所述被监控业务的可用工作期间;以及,
根据所述可用工作期间调整所述预测进度信息。
17.一种业务进度监控系统,用于监控至少一个被监控业务的业务进度,其特征在于,所述系统包括:
如权利要求9-16中任一项所述的业务进度监控装置。
18.一种业务进度监控装置,其特征在于,包括:
一个或者多个多核处理器;
存储器,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者多个多核处理器执行时,使得所述一个或者多个多核处理器实现如权利要求1-8中任一项所述的方法。
19.一种计算机可读存储介质,所述计算机可读存储介质存储有程序,当所述程序被多核处理器执行时,使得所述多核处理器执行如权利要求1-8中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910930930.XA CN110782129B (zh) | 2019-09-29 | 2019-09-29 | 一种业务进度监控方法、装置、系统及计算机可读存储介质 |
PCT/CN2020/109080 WO2021057318A1 (zh) | 2019-09-29 | 2020-08-14 | 一种业务进度监控方法、装置、系统及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910930930.XA CN110782129B (zh) | 2019-09-29 | 2019-09-29 | 一种业务进度监控方法、装置、系统及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110782129A CN110782129A (zh) | 2020-02-11 |
CN110782129B true CN110782129B (zh) | 2023-11-17 |
Family
ID=69384638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910930930.XA Active CN110782129B (zh) | 2019-09-29 | 2019-09-29 | 一种业务进度监控方法、装置、系统及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110782129B (zh) |
WO (1) | WO2021057318A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782129B (zh) * | 2019-09-29 | 2023-11-17 | 中国银联股份有限公司 | 一种业务进度监控方法、装置、系统及计算机可读存储介质 |
CN111401691B (zh) * | 2020-02-21 | 2024-02-09 | 中国平安财产保险股份有限公司 | 业务进度监控方法、装置及计算机可读存储介质 |
CN112070488B (zh) * | 2020-09-22 | 2021-07-27 | 中冶南方武汉工程咨询管理有限公司 | 一种工程建设项目实时进度管理系统 |
CN112487282A (zh) * | 2020-11-04 | 2021-03-12 | 山东中创软件商用中间件股份有限公司 | 一种业务处理情况监控方法、装置、电子设备及存储介质 |
CN112835853B (zh) * | 2020-12-31 | 2024-03-22 | 北京聚云科技有限公司 | 一种数据处理类型确定方法及装置 |
CN112766724A (zh) * | 2021-01-20 | 2021-05-07 | 中国工商银行股份有限公司 | 一种业务监控方法、装置及设备 |
CN113778781B (zh) * | 2021-02-19 | 2023-09-29 | 北京京东振世信息技术有限公司 | 数据的监控的方法和装置 |
CN113888188A (zh) * | 2021-09-29 | 2022-01-04 | 平安银行股份有限公司 | 流程实时反馈的投诉处理方法、装置、设备及存储介质 |
CN114154962A (zh) * | 2021-12-07 | 2022-03-08 | 中国建设银行股份有限公司 | 批处理监控方法、装置及设备 |
CN114331147A (zh) * | 2021-12-30 | 2022-04-12 | 贝壳找房网(北京)信息技术有限公司 | 一种服务的运营业务的实施效果评估方法及装置 |
CN115759734B (zh) * | 2022-10-19 | 2024-01-12 | 国网物资有限公司 | 基于指标的电力业务供应链监控方法、装置、设备和介质 |
CN115860430A (zh) * | 2023-01-19 | 2023-03-28 | 苏州市软件评测中心有限公司 | 一种信息系统监理项目的进度管理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096905A (zh) * | 2016-05-31 | 2016-11-09 | 北京诚公通信工程监理股份有限公司 | 一种项目管理方法和系统 |
CN107274043A (zh) * | 2016-04-07 | 2017-10-20 | 阿里巴巴集团控股有限公司 | 预测模型的质量评价方法、装置及电子设备 |
CN107392425A (zh) * | 2017-06-15 | 2017-11-24 | 中国烟草总公司 | 一种烟草行业项目实施sop的管理方法及系统 |
CN110119847A (zh) * | 2019-05-14 | 2019-08-13 | 拉扎斯网络科技(上海)有限公司 | 一种配送时长的预测方法、装置、存储介质和电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101847111B1 (ko) * | 2016-11-29 | 2018-05-28 | 서울시립대학교 산학협력단 | 발주방식별 BPS 기반 전자매뉴얼 모듈을 포함하는 관리장치와 이를 이용한 관리방법 그리고 범용 건설사업 관리 시스템(G-PgMiS) |
JP6853764B2 (ja) * | 2017-10-02 | 2021-03-31 | 株式会社日立製作所 | 作業工数推定装置および作業指示システム |
CN108090699A (zh) * | 2018-01-10 | 2018-05-29 | 江苏工程职业技术学院 | 基于双目标特征筛选优化的项目开发工作量估算方法 |
CN110782129B (zh) * | 2019-09-29 | 2023-11-17 | 中国银联股份有限公司 | 一种业务进度监控方法、装置、系统及计算机可读存储介质 |
-
2019
- 2019-09-29 CN CN201910930930.XA patent/CN110782129B/zh active Active
-
2020
- 2020-08-14 WO PCT/CN2020/109080 patent/WO2021057318A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274043A (zh) * | 2016-04-07 | 2017-10-20 | 阿里巴巴集团控股有限公司 | 预测模型的质量评价方法、装置及电子设备 |
CN106096905A (zh) * | 2016-05-31 | 2016-11-09 | 北京诚公通信工程监理股份有限公司 | 一种项目管理方法和系统 |
CN107392425A (zh) * | 2017-06-15 | 2017-11-24 | 中国烟草总公司 | 一种烟草行业项目实施sop的管理方法及系统 |
CN110119847A (zh) * | 2019-05-14 | 2019-08-13 | 拉扎斯网络科技(上海)有限公司 | 一种配送时长的预测方法、装置、存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2021057318A1 (zh) | 2021-04-01 |
CN110782129A (zh) | 2020-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110782129B (zh) | 一种业务进度监控方法、装置、系统及计算机可读存储介质 | |
US11755319B2 (en) | Code development management system | |
CN110692050A (zh) | 语义图中元关系的自适应评估 | |
US11941714B2 (en) | Analysis of intellectual-property data in relation to products and services | |
US11205237B2 (en) | Analysis of intellectual-property data in relation to products and services | |
US20220343433A1 (en) | System and method that rank businesses in environmental, social and governance (esg) | |
US11803927B2 (en) | Analysis of intellectual-property data in relation to products and services | |
US20170109636A1 (en) | Crowd-Based Model for Identifying Executions of a Business Process | |
US20210004920A1 (en) | Analysis Of Intellectual-Property Data In Relation To Products And Services | |
CN112805697A (zh) | 用于分析和建模内容的系统和方法 | |
CN112508723B (zh) | 基于自动择优建模的金融风险预测方法、装置和电子设备 | |
CN111199469A (zh) | 用户还款模型生成方法、装置及电子设备 | |
US11301245B2 (en) | Detecting bias in artificial intelligence software by analysis of source code contributions | |
CA3145812A1 (en) | Analysis of intellectual-property data in relation to products and services | |
CN115936895A (zh) | 基于人工智能的风险评估方法、装置、设备及存储介质 | |
CN112308594A (zh) | 选址系统、方法、电子设备及存储介质 | |
CN114398465A (zh) | 互联网服务平台的异常处理方法、装置和计算机设备 | |
GB2603594A (en) | Maintenance of a data glossary | |
CN111582649B (zh) | 基于用户app独热编码的风险评估方法、装置和电子设备 | |
CN117635341A (zh) | 参数推荐的方法、装置、设备和计算机可读介质 | |
CN113190795A (zh) | 统计实际管理人口数据的方法、装置、介质及设备 | |
CN116757650A (zh) | 一种基于机器学习的项目管理及资源调度的方法 | |
CN111967806B (zh) | 基于定期回扫的用户风险更新方法、装置和电子设备 | |
KR20230103025A (ko) | 기업 신용 분석 및 평가 정보 제공 방법, 장치 및 시스템 | |
CN118279059A (zh) | 数据推送方法、装置和设备 |
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 |