CN111061778B - 数据分析方法、系统及电子设备 - Google Patents

数据分析方法、系统及电子设备 Download PDF

Info

Publication number
CN111061778B
CN111061778B CN201911284221.5A CN201911284221A CN111061778B CN 111061778 B CN111061778 B CN 111061778B CN 201911284221 A CN201911284221 A CN 201911284221A CN 111061778 B CN111061778 B CN 111061778B
Authority
CN
China
Prior art keywords
data
server
user
channel
analysis
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
CN201911284221.5A
Other languages
English (en)
Other versions
CN111061778A (zh
Inventor
秦佳欢
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.)
Shanghai Dust Information Technology Co ltd
Original Assignee
Shanghai Dust Information Technology 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 Shanghai Dust Information Technology Co ltd filed Critical Shanghai Dust Information Technology Co ltd
Priority to CN201911284221.5A priority Critical patent/CN111061778B/zh
Publication of CN111061778A publication Critical patent/CN111061778A/zh
Application granted granted Critical
Publication of CN111061778B publication Critical patent/CN111061778B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F16/24—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
    • 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
    • G06F16/248—Presentation of query results
    • 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application

Abstract

本发明公开了一种数据分析方法、系统及电子设备，所述数据分析方法包括：实时监控用户的操作状态，采集整个监控过程中对应的用户数据；根据参数分析需求，按照多服务器和/或多渠道组合筛选计算的方式，并按照预设分析规则，对采集的所述用户数据进行数据分析；根据分析结果，展示所述用户数据对应的数据趋势，供用户查看；使得数据分析的操作更加便捷和高效，同时，由于能够支持不同服务器和/或不同渠道之间进行数据筛选且具备关键指标预警功能，因此提高了数据分析的深度和广度，使得数据分析更具智能化。

Description

数据分析方法、系统及电子设备
技术领域
本发明涉及大数据分析技术领域，特别涉及一种数据分析方法、系统及电子设备。
背景技术
在基于用户的日常行为进行大数据分析时，现有技术系统复杂，接入成本高、易出问题，为了达到数据分析的目的，目标用户需接入很多接口协议才能达到统计用户数据的目的；且提供的数据分析项目较少，服务安装繁琐，数据对比与数据趋势也不够直观，比如，不能很好的对比当日每个小时的数据变化，不能对比两日内的数据变化趋势等，统计数据对比技术相对落后；另外，现有技术不能有效区分各个服务器和渠道数据，从而不能准确了解各个渠道的数据表现，对于需要针对某个服务器或渠道做特别的运营造成了麻烦。同时，现有技术针对用户数据对应的关键指标预警指示度不足，且在实际使用之前，现有技术形成的分析系统安装部署的步骤也相对繁多。
发明内容
为解决上述问题，本发明提供一种数据分析方法、系统及电子设备。
本发明提供了一种数据分析方法，所述数据分析方法包括：
实时监控用户的操作状态，采集整个监控过程中对应的用户数据；
根据参数分析需求，按照多服务器和/或多渠道组合筛选计算的方式，并按照预设分析规则，对采集的所述用户数据进行数据分析；
根据分析结果，展示所述用户数据对应的数据趋势，供用户查看。
进一步地，所述数据分析方法还包括：
在被统计对象端数据协议接入时，仅需接入上线协议、下线协议以及支付协议；
其中，所述上线协议携带：用户名、用户ID、用户发送上线协议信息所使用的服务器识别码和渠道识别码；
所述下线协议携带：用户ID；
所述支付协议携带：用户名、用户ID、订单号、订单价格、支付类型以及用户所使用的服务器识别码和渠道识别码。
进一步地，所述对采集的所述用户数据进行数据分析，之后还包括：
根据分析结果，识别分析结果中的预设关键指标是否超出预设阈值；并在识别出所述预设关键指标超出预设阈值时，发出预警提示。
进一步地，所述按照预设分析规则，对采集的所述用户数据进行数据分析，包括：
识别是否有数据报表上传；
若未有数据报表上传，则按照预设周期，计算一个预设周期对应时长内，包含预设关键参数的报表数据；
若有数据报表上传，则接收用户上传的数据报表，根据上传的所述数据报表，计算包含预设关键参数的报表数据；
根据计算得到的所述报表数据，生成包含预设关键参数的收支数据曲线图表，供用户查看；
其中，所述预设关键参数包括：
分成比例、广告流量比例、广告分成比例、广告支出、成本、营业额、各个渠道的流水、收入以及利润率。
进一步地，所述实时监控用户的操作状态，包括：
接收用户执行上线操作时触发的上线记录信息，根据所述上线记录信息，识别该用户是否已存在于所述用户数据表中；
若存在于所述用户数据表中，则将该用户对应的用户数据与所述用户数据表中已存储的该用户的相关数据进行关联；
若不存在于所述用户数据表中，则在所述用户数据表中创建该用户。
进一步地，所述按照预设分析规则，对采集的所述用户数据进行数据分析，包括：
按照预设分析规则，基于采集的所述用户数据，进行如下数据分析：
不同时间段的在线用户数据分析、不同服务器和/或不同渠道的运营数据分析、不同渠道的流水数据分析、不同服务器的数据分析、月度和/或季度和/或年度收益的数据分析、用户留存情况的数据分析、用户充值情况的数据分析、充值玩家排行榜的数据分析以及每用户平均收入ARPU分析。
进一步地，所述不同服务器和/或不同渠道的运营数据，包括：
玩家详情、在线玩家、每小时在线人数、累计用户数、新增用户数、当日活跃用户数、累计付费人数、当日付费人数、当日的首日付费率、累计付费率、ARPU、渠道流水、月度收益、留存详情、充值详情、玩家每日充值数额及可能的充值趋势、充值玩家排行榜、各项充值金额占比以及各项充值笔数占比。
本发明还提供一种数据分析系统，所述数据分析系统包括：
状态监控模块，用于实时监控用户的操作状态，采集整个监控过程中对应的用户数据；
数据分析模块，用于根据参数分析需求，按照多服务器和/或多渠道组合筛选计算的方式，并按照预设分析规则，对采集的所述用户数据进行数据分析；
结果展示模块，用于根据分析结果，展示所述用户数据对应的数据趋势，供用户查看。
本发明还提供一种电子设备，所述电子设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的数据分析程序，所述数据分析程序被所述处理器运行时实现如下步骤：
实时监控用户的操作状态，采集整个监控过程中对应的用户数据；
根据参数分析需求，按照多服务器和/或多渠道组合筛选计算的方式，并按照预设分析规则，对采集的所述用户数据进行数据分析；
根据分析结果，展示所述用户数据对应的数据趋势，供用户查看。
本发明还提供一种计算机存储介质，所述计算机存储介质上存储有数据分析程序，所述数据分析程序可以被一个或者多个处理器执行，以实现所述的数据分析方法的步骤。
本发明还提供一种数据分析系统，所述数据分析系统包括：
在按照所述多服务器和/或多渠道组合筛选计算的方式和预设分析规则，对采集的所述用户数据进行数据分析的过程中，还包括：获取自动组合筛选计算的方式中的最优计算方式，并确定所述最优计算方式对应的服务器和/或渠道组合数量，其中，确定所述服务器和/或渠道组合数量的具体步骤包括：
步骤A1：根据公式(1)计算出所述多服务器和/或多渠道两两之间的组合稳定值Pij；
Figure BDA0002317563590000041
其中Pij表示第i个服务器和/或渠道与第j个服务器和/或渠道之间的组合稳定值，N表示多服务器和/或多渠道两两之间的组合方式的总数，l表示第l种多服务器和/或多渠道两两之间的组合方式，wil表示在第l种多服务器和/或多渠道两两之间的组合方式下第i个服务器和/或渠道数据分析的运营数据的数量，wjl表示在第l种多服务器和/或多渠道两两之间的组合方式下第j个服务器和/或渠道数据分析的运营数据的数量；
步骤A2：根据公式(2)计算出所述多服务器和/或多渠道组合下的比重关键词PM；
Figure BDA0002317563590000051
其中PM表示M个服务器和/或渠道组合下的比重关键词，αi表示第i个服务器和/或渠道数据分析的运营数据的数量占M个服务器和/或渠道组合下数据分析的运营数据的总数量所占的比重，αj表示第j个服务器和/或渠道数据分析的运营数据的数量占M个服务器和/或渠道组合下数据分析的运营数据的总数量所占的比重；
步骤A3：利用公式(3)求出M个服务器和/或渠道组合下相关值的大小；
Figure BDA0002317563590000052
其中，e表示自然对数，P表示标准相关值(其中
Figure BDA0002317563590000053
)，S表示最优计算方式对应的最优值；
步骤A4：将公式(3)中求得的M个服务器和/或渠道组合下相关值PM代入到公式(2)中，最终求得服务器和/或渠道应组合数量为M，并将得到的所述服务器和/或渠道组合数量M和对应的最优计算方式进行存储。
本发明一种数据分析方法、系统、电子设备及计算机存储介质可以达到如下有益效果：
实时监控用户的操作状态，采集整个监控过程中对应的用户数据；根据参数分析需求，按照多服务器和/或多渠道组合筛选计算的方式，并按照预设分析规则，对采集的所述用户数据进行数据分析；根据分析结果，展示所述用户数据对应的数据趋势，供用户查看；使得数据分析的操作更加便捷和高效，同时，由于能够支持不同服务器和/或不同渠道之间进行数据筛选且具备关键指标预警功能，因此提高了数据分析的深度和广度，使得数据分析更具智能化。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所指出的内容来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明数据分析方法的一种实施方式的流程示意图；
图2是本发明数据分析系统的一种实施方式的功能模块示意图；
图3是本发明电子设备的一种实施方式的内部结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明提供了一种数据分析方法、系统及电子设备，用以提供一种接入协议简单、数据对比分析操作便捷且能够支持不同服务器和/或不同渠道之间进行数据筛选且具备关键指标预警功能的数据分析技术方案。
如图1所示，图1是本发明数据分析方法的一种实施方式的流程示意图；本发明一种数据分析方法可以实施为如下描述的步骤S10-S30：
步骤S10、实时监控用户的操作状态，采集整个监控过程中对应的用户数据；
本发明实施例中，系统实时监控用户的操作状态，从而达到监控用户的操作全过程的目的；基于整个监控过程，系统采集在这整个监控过程中对应的用户数据。
在一个实施例中，系统监控用户的操作状态时，若接收到用户触发的上线请求指令，则响应所述上线请求指令，接收用户执行上线操作时触发的上线记录信息，根据所述上线记录信息，识别该用户是否已存在于所述用户数据表中；若存在于所述用户数据表中，则将该用户对应的用户数据与所述用户数据表中已存储的该用户的相关数据进行关联；若不存在于所述用户数据表中，则在所述用户数据表中创建该用户。如此一来，该用户对应的相关信息即可被系统记录，从而便于基于记录的该用户的相关信息，进行后续的数据分析操作。
在实际使用时，当被统计对象端接入该系统时，在数据协议接入方面，仅需接入上线协议、下线协议以及支付协议，这三种协议即可执行数据分析操作，完成数据分析所需的全部功能。
其中，所述上线协议携带：用户名、用户ID、用户发送上线协议信息所使用的服务器识别码和渠道识别码；所述下线协议携带：用户ID；所述支付协议携带：用户名、用户ID、订单号、订单价格、支付类型以及用户所使用的服务器识别码和渠道识别码。
步骤S20、根据参数分析需求，按照多服务器和/或多渠道组合筛选计算的方式，并按照预设分析规则，对采集的所述用户数据进行数据分析；
步骤S30、根据分析结果，展示所述用户数据对应的数据趋势，供用户查看。
本发明实施例中，在对采集的用户数据进行数据分析时，可以根据不同的应用场景和/或不同的参数分析需求，进行数据分析。且在数据分析时，系统支持从不同的服务器和/或不同的渠道中，筛选出需要进行数据分析的服务器和/或渠道，从而进行针对性的数据分析。由于不同的服务器和/或不同渠道分别对应各自的识别码，因此，在筛选时，可以根据服务器识别码和/或渠道识别码进行筛选。
在对分析结果进行展示时，可以根据需求采取不同的方式进行展示，比如图表的形式进行直观的数据趋势展示等，本发明实施例针对分析结果对应的数据进行展示时，其具体的展示方式不进行限定和一一穷举。
本发明实施中描述的数据分析方法对应的系统还具备预警功能。根据分析结果，识别分析结果中的预设关键指标是否超出预设阈值；并在识别出所述预设关键指标超出预设阈值时，发出预警提示。比如，针对超出预设阈值的关键指标通过颜色标识、高亮等显示方式进行区别显示，从而达到预警的功能；或者，直接发送提示信息给用户，或者直接在用户操作界面上显示提示信息，以达到预警的功能。本发明实施例中需要预警的预设关键指标包括但不限于：玩家下线时间、首日付费率、累计付费率、利润率等。
在一个实施例中，针对采集的所述用户数据进行数据分析时，可以从如下方面进行数据分析：
不同时间段的在线用户数据分析、不同服务器和/或不同渠道的运营数据分析、不同渠道的流水数据分析、不同服务器的数据分析、月度和/或季度和/或年度收益的数据分析、用户留存情况的数据分析、用户充值情况的数据分析、充值玩家排行榜的数据分析以及每用户平均收入ARPU分析。
其中，在一个实施例中，所述不同服务器和/或不同渠道的运营数据，包括但不限于：
玩家详情、在线玩家、每小时在线人数、累计用户数、新增用户数、当日活跃用户数、累计付费人数、当日付费人数、当日的首日付费率、累计付费率、ARPU、渠道流水、月度收益、留存详情、充值详情、玩家每日充值数额及可能的充值趋势、充值玩家排行榜、各项充值金额占比以及各项充值笔数占比。
通过针对不同服务器和/或不同渠道的运营数据进行分析时，可以为不同服务器和/或渠道的运营策略提供重要依据。
进一步地，在进行数据分析时，系统识别是否有数据报表上传；若未有数据报表上传，则按照预设周期，计算一个预设周期对应时长内，包含预设关键参数的报表数据；若有数据报表上传，则接收用户上传的数据报表，根据上传的所述数据报表，计算包含预设关键参数的报表数据；根据计算得到的所述报表数据，生成包含预设关键参数的收支数据曲线图表，供用户查看；其中，所述预设关键参数包括但不限于：分成比例、广告流量比例、广告分成比例、广告支出、成本、营业额、各个渠道的流水、收入以及利润率。
比如，在如下具体的应用场景中，利用图1所述的数据分析方法进行数据分析：使用HTML(HyperText Markup Language，超文本标记语言)与Angular前端框架作为web统计数据展示平台，利用PHP(Hypertext Preprocessor，超文本处理器)作为服务端，同时，使用MYSQL(关系数据库管理系统)作为数据库，将HTTP(HyperText Transfer Protocol，超文本传输协议))作为请求响应协议。
在实际应用中，运行图1所述实施例的数据分析方法的系统，提供一键安装功能，通过自带网页来提示用户填入必须的项目信息并获取用户填入的项目配置，即可一键安装，部署方便简单。
基于上述运行环境，在运行本发明数据分析方法对应的系统之前，需执行对应的程序安装操作。比如，在实施操作时，需拷贝资源文件到网站根目录，网页访问/server/install进入安装步骤，第一步调整文件夹读写权限，第二步填写数据库相关配置和项目配置，第三步自动创建数据库并完成，还可以选择开启每小时定时计算任务的功能；在安装完成后，即可访问登录数据展示平台，执行数据分析操作。
针对被统计对象端数据协议接入时，用户上线时，基于被统计对象端向服务端/server/submit/player？online协议发送上线协议，该上线协议携带用户名、用户ID、用户发送上线协议信息所使用的服务器识别码(如服务器号)和渠道识别码(如渠道号)等信息。用户下线时，向服务端/server/submit/player？offline协议发送下线协议，该下线协议携带用户ID。交易完成时，向服务端/server/submit/bills协议发送支付协议，所述支付协议携带用户ID、用户名、订单号、订单价格、服务器号、渠道号、支付类型等信息。
对于用户数据记录，当用户上线时会向服务器提交一条上线记录，服务器收到上线消息时，基于用户ID首先检查该用户是否已经存在于用户数据表，若不存在，则创建该用户，如此一来，该用户的相关信息便被记录在数据库中。
对于在线用户数据记录的数据分析：
当用户上线时会向服务器提交一条上线记录，服务器收到上线记录检查该用户已经被记录，则将该用户的上线时间更新为当前时间。当用户对应的上线时间大于下线时间时，即认为该用户为在线用户，因此便可以查询到所有的在线用户。
对于每日每小时在线用户的数据分析：
按照预设周期，比如每小时的设定时间点，系统自动统计该时段的在线人数；在实际统计时，该时段的在线人数分为两部分，第一部分为当前在线人数，第二部分为玩家的上线时间或下线时间处于该时间段内的人数，两部分人数之和统计为该时间段内的在线人数。
对于运营数据概览的数据分析：
每小时统计当天的运营指标，包括累计用户数、当日新增用户数、当日活跃用户数、累计付费人数、当日付费人数、当天的首日付费率、累计付费率、ARPU；其中，本发明实施例中所描述的ARPU可以理解为：每用户平均收入，ARPU即Average Revenue Per User，指的是一个时期内(通常为一个月或一年)电信运营企业平均每个用户贡献的通信业务收入，其单位为元/户。从计算的角度看，ARPU值的大小取决于两个因素，业务收入和用户数量，相对用户数量，业务收入越高，ARPU值越大。同时ARPU值也反映企业的用户结构状况，当用户构成中高端客户占的比重越高，ARPU值就越高。
本发明实施例中，针对上述参数的计算方法，采用如下方式：累计用户数的计算方法为：将当前用户数据表里的条目总和统计为累计用户数；当日的新增用户数的计算方法为：查询用户表里创建时间为当日的用户数量总和；当日活跃用户数的计算方法为：查询登录记录表里登录时间为当日的玩家总和；累计付费人数的计算方法为：查询订单表里所有订单数量并以玩家ID为组去重后计算的总和即为累计付费人数；当日付费人数的计算方法为：查询订单表里创建时间为当日的所有订单数量，并以玩家ID为组去重后计算的总和即为当日付费人数。当天的首日付费率的计算方法：查询玩家表里创角时间为当日的玩家总数为当日创角人数，再去订单表里查询当日创角的玩家有充值记录的玩家数为首日付费玩家数，首日付费玩家数与当日创角人数的比即为首日付费率；累计付费率的计算方法为：订单表里付费人数总数与玩家表里的玩家总数的比值；ARPU的计算方法为：订单表里所有价格总和与订单表里所有充值玩家总数的比值。
针对渠道流水的数据分析：
查询历史时间段内比如某两个日期之间各个渠道的流水情况，以各个渠道为类别，以预设时长比如一天为统计间隔，显示各个渠道每一天的流水情况。流水的计算方法：查询订单表，以日期为组别，以渠道名称为查询条件，查询符合条件的订单流水总和。
针对服务器的数据分析：
在一个具体的应用场景中，针对每个服务器，以两日比较的形式，比较两日内每小时分别对应的每日流水、每日活跃用户、每日新增用户、每日付费用户、每日新增付费用户。每日新增付费用户的计算方法为：查询订单表当日付费玩家并且在当日0点之前所有付费的为新增付费用户。
针对月度收益的数据分析：
月度收益能很直观地查看每月不同渠道的流水数值，当未有渠道分成比例、公司成本等数据报表上传时，自动计算每月各个渠道的总流水，并根据默认分成比例与成本计算出每月的收益情况。当用户上传对应的数据报表时，根据各个渠道每月的真实分成比例、广告流量比例、广告分成比例、广告支出、公司成本等数据，准确计算出每月各个渠道的流水、广告支出、收入、成本、利润率等数据，并根据计算结果，将每个月的数据以曲线图的形式进行展示，供用户直观地了解该项目的营收趋势。
针对留存详情的数据分析：
留存详情能整体体现该项目用户的留存情况，包括1-7日、14日、30日、180日等各种设定日期的留存情况。N日留存的计算方法为：通过用户数据表，查询出创建时间为当日之前第N天的所有用户，并记录用户人数，检查上述用户在当日的登录记录中的出现人数，后者与前者的比即为当日对应的N日留存。
针对充值详情的数据分析：
充值详情记录该项目的所有充值记录，并可根据服务器、渠道、时间段、设备号、玩家名称进行筛选。每条充值记录包含服务器、渠道、角色ID、现用名/起始名、支付方式、订单号、订单金额、下单时间等信息。在详情里还可以查看到该用户在最近30天内每天的充值数额，并以曲线图的形式展示，供使用者直观地了解该用户的充值趋势。对于用户上报充值未到账的情况，可通过查询该用户对应的充值记录，即可对真实充值的用户采取相应的补偿措施。
针对充值玩家排行榜的数据分析：
充值玩家排行榜主要用来查看该项目的充值排行榜，可全区排行或每个服务器单独排行，每条数据记录了用户所在的服务器、渠道、现用名/起始名、充值总额、当前剩余金额、充值次数、最近在线时间、最后充值时间。充值详情里记录了该用户历史时长内比如最近30天内每天的充值数额，为数据使用者制定运营策略提供重要依据。
针对ARPU的数据分析：
ARPU主要用来分析用户的支付情况，订单表可以统计出设置的每档金额的充值笔数、以及每档金额的充值总额，这样可以计算出每档金额的充值笔数占比和充值总额占比，能分析出哪档金额最受欢迎，以及哪档金额收入最高；针对ARPU的数据分析，还会统计每日支付详情，包括累计充值总额、当日充值总额、累计付费人次、当日付费人次、当日新付费人次、总ARPU、当日ARPU、以及每一档充值金额的充值人数和次数以及每一档充值金额对应的充值次数所占总充值次数的百分比。ARPU的计算方式为支付总额与支付人数的比值。可根据服务器与渠道对ARPU的数据分析进行筛选。
本发明数据分析方法，实时监控用户的操作状态，采集整个监控过程中对应的用户数据；根据参数分析需求，按照多服务器和/或多渠道组合筛选计算的方式，并按照预设分析规则，对采集的所述用户数据进行数据分析；根据分析结果，展示所述用户数据对应的数据趋势，供用户查看；使得数据分析的操作更加便捷和高效，同时，由于能够支持不同服务器和/或不同渠道之间进行数据筛选且具备关键指标预警功能，因此提高了数据分析的深度和广度，使得数据分析更具智能化。
对应于图1实施所描述的一种数据分析方法，本发明实施例还提供了一种数据分析系统；该数据分析系统能够执行图1所述实施例描述的数据分析方法；如图2所述，图2是本发明数据分析系统的一种实施方式的功能模块示意图；单纯以功能作为划分标准，所述数据分析系统包括如下功能模块：
状态监控模块100，用于实时监控用户的操作状态，采集整个监控过程中对应的用户数据；
数据分析模块200，用于根据参数分析需求，按照多服务器和/或多渠道组合筛选计算的方式，并按照预设分析规则，对采集的所述用户数据进行数据分析；
结果展示模块300，用于根据分析结果，展示所述用户数据对应的数据趋势，供用户查看。
在一个实施例中，所述状态监控模块100还用于：
在被统计对象端数据协议接入时，仅需接入上线协议、下线协议以及支付协议；
其中，所述上线协议携带：用户名、用户ID、用户发送上线协议信息所使用的服务器识别码和渠道识别码；
所述下线协议携带：用户ID；
所述支付协议携带：用户名、用户ID、订单号、订单价格、支付类型以及用户所使用的服务器识别码和渠道识别码。
在一个实施例中，所述结果展示模块300还用于：
根据分析结果，识别分析结果中的预设关键指标是否超出预设阈值；并在识别出所述预设关键指标超出预设阈值时，发出预警提示。
在一个实施例中，所述数据分析模块200还用于：
识别是否有数据报表上传；
若未有数据报表上传，则按照预设周期，计算一个预设周期对应时长内，包含预设关键参数的报表数据；
若有数据报表上传，则接收用户上传的数据报表，根据上传的所述数据报表，计算包含预设关键参数的报表数据；
根据计算得到的所述报表数据，生成包含预设关键参数的收支数据曲线图表，供用户查看；
其中，所述预设关键参数包括：
分成比例、广告流量比例、广告分成比例、广告支出、成本、营业额、各个渠道的流水、收入以及利润率。
在一个实施例中，所述状态监控模块100还用于：
接收用户执行上线操作时触发的上线记录信息，根据所述上线记录信息，识别该用户是否已存在于所述用户数据表中；
若存在于所述用户数据表中，则将该用户对应的用户数据与所述用户数据表中已存储的该用户的相关数据进行关联；
若不存在于所述用户数据表中，则在所述用户数据表中创建该用户。
在一个实施例中，所述数据分析模块200还用于：
按照预设分析规则，基于采集的所述用户数据，进行如下数据分析：
不同时间段的在线用户数据分析、不同服务器和/或不同渠道的运营数据分析、不同渠道的流水数据分析、不同服务器的数据分析、月度和/或季度和/或年度收益的数据分析、用户留存情况的数据分析、用户充值情况的数据分析、充值玩家排行榜的数据分析以及每用户平均收入ARPU分析。
在一个实施例中，所述不同服务器和/或不同渠道的运营数据，包括：
玩家详情、在线玩家、每小时在线人数、累计用户数、新增用户数、当日活跃用户数、累计付费人数、当日付费人数、当日的首日付费率、累计付费率、ARPU、渠道流水、月度收益、留存详情、充值详情、玩家每日充值数额及可能的充值趋势、充值玩家排行榜、各项充值金额占比以及各项充值笔数占比。
本发明数据分析系统，实时监控用户的操作状态，采集整个监控过程中对应的用户数据；根据参数分析需求，按照多服务器和/或多渠道组合筛选计算的方式，并按照预设分析规则，对采集的所述用户数据进行数据分析；根据分析结果，展示所述用户数据对应的数据趋势，供用户查看；使得数据分析的操作更加便捷和高效，同时，由于能够支持不同服务器和/或不同渠道之间进行数据筛选且具备关键指标预警功能，因此提高了数据分析的深度和广度，使得数据分析更具智能化。
本发明还提供了一种电子设备，所述电子设备可以按照图1所述的数据分析方法来执行对应的数据分析操作。如图3所示，图3是本发明电子设备的一种实施方式的内部结构示意图。
在本实施例中，电子设备1可以是PC(Personal Computer，个人电脑)，也可以是智能手机、平板电脑、便携计算机等终端设备。该电子设备1至少包括存储器11、处理器12，通信总线13，以及网络接口14。
其中，存储器11至少包括一种类型的可读存储介质，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，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的硬盘。存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如数据分析程序01的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行数据分析程序01等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
图3仅示出了具有组件11-14以及数据分析程序01的电子设备1，本领域技术人员可以理解的是，图2示出的结构并不构成对电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
基于图1、图2实施例的描述，在图3所示的电子设备1实施例中，存储器11中存储有数据分析程序01；所述存储器11上存储的数据分析程序01可在所述处理器12上运行，所述数据分析程序01被所述处理器12运行时实现如下步骤：
实时监控用户的操作状态，采集整个监控过程中对应的用户数据；
根据参数分析需求，按照多服务器和/或多渠道组合筛选计算的方式，并按照预设分析规则，对采集的所述用户数据进行数据分析；
根据分析结果，展示所述用户数据对应的数据趋势，供用户查看。
在一个实施例中，所述数据分析程序01被所述处理器12运行时还可实现如下步骤：
在被统计对象端数据协议接入时，仅需接入上线协议、下线协议以及支付协议；
其中，所述上线协议携带：用户名、用户ID、用户发送上线协议信息所使用的服务器识别码和渠道识别码；
所述下线协议携带：用户ID；
所述支付协议携带：用户名、用户ID、订单号、订单价格、支付类型以及用户所使用的服务器识别码和渠道识别码。
在一个实施例中，所述数据分析程序01还被所述处理器12执行，以对采集的所述用户数据进行数据分析，之后还包括：
根据分析结果，识别分析结果中的预设关键指标是否超出预设阈值；并在识别出所述预设关键指标超出预设阈值时，发出预警提示。
在一个实施例中，所述数据分析程序01还被所述处理器12执行，以按照预设分析规则，对采集的所述用户数据进行数据分析，包括：
识别是否有数据报表上传；
若未有数据报表上传，则按照预设周期，计算一个预设周期对应时长内，包含预设关键参数的报表数据；
若有数据报表上传，则接收用户上传的数据报表，根据上传的所述数据报表，计算包含预设关键参数的报表数据；
根据计算得到的所述报表数据，生成包含预设关键参数的收支数据曲线图表，供用户查看；
其中，所述预设关键参数包括：
分成比例、广告流量比例、广告分成比例、广告支出、成本、营业额、各个渠道的流水、收入以及利润率。
在一个实施例中，所述数据分析程序01还被所述处理器12执行，以实时监控用户的操作状态，包括：
接收用户执行上线操作时触发的上线记录信息，根据所述上线记录信息，识别该用户是否已存在于所述用户数据表中；
若存在于所述用户数据表中，则将该用户对应的用户数据与所述用户数据表中已存储的该用户的相关数据进行关联；
若不存在于所述用户数据表中，则在所述用户数据表中创建该用户。
在一个实施例中，所述数据分析程序01还被所述处理器12执行，以按照预设分析规则，对采集的所述用户数据进行数据分析，包括：
按照预设分析规则，基于采集的所述用户数据，进行如下数据分析：
不同时间段的在线用户数据分析、不同服务器和/或不同渠道的运营数据分析、不同渠道的流水数据分析、不同服务器的数据分析、月度和/或季度和/或年度收益的数据分析、用户留存情况的数据分析、用户充值情况的数据分析、充值玩家排行榜的数据分析以及每用户平均收入ARPU分析。
在一个实施例中，所述不同服务器和/或不同渠道的运营数据，包括：
玩家详情、在线玩家、每小时在线人数、累计用户数、新增用户数、当日活跃用户数、累计付费人数、当日付费人数、当日的首日付费率、累计付费率、ARPU、渠道流水、月度收益、留存详情、充值详情、玩家每日充值数额及可能的充值趋势、充值玩家排行榜、各项充值金额占比以及各项充值笔数占比。
本发明电子设备，实时监控用户的操作状态，采集整个监控过程中对应的用户数据；根据参数分析需求，按照多服务器和/或多渠道组合筛选计算的方式，并按照预设分析规则，对采集的所述用户数据进行数据分析；根据分析结果，展示所述用户数据对应的数据趋势，供用户查看；使得数据分析的操作更加便捷和高效，同时，由于能够支持不同服务器和/或不同渠道之间进行数据筛选且具备关键指标预警功能，因此提高了数据分析的深度和广度，使得数据分析更具智能化。
在一个实施例中，在按照所述多服务器和/或多渠道组合筛选计算的方式和预设分析规则，对采集的所述用户数据进行数据分析的过程中，还包括：获取自动组合筛选计算的方式中的最优计算方式，并确定所述最优计算方式对应的服务器和/或渠道组合数量，其中，确定所述服务器和/或渠道组合数量的具体步骤包括：
步骤A1：根据公式(1)计算出所述多服务器和/或多渠道两两之间的组合稳定值Pij；
Figure BDA0002317563590000191
其中Pij表示第i个服务器和/或渠道与第j个服务器和/或渠道之间的组合稳定值，N表示多服务器和/或多渠道两两之间的组合方式的总数，l表示第l种多服务器和/或多渠道两两之间的组合方式，wil表示在第l种多服务器和/或多渠道两两之间的组合方式下第i个服务器和/或渠道数据分析的运营数据的数量，wjl表示在第l种多服务器和/或多渠道两两之间的组合方式下第j个服务器和/或渠道数据分析的运营数据的数量；
步骤A2：根据公式(2)计算出所述多服务器和/或多渠道组合下的比重关键词PM；
Figure BDA0002317563590000192
其中PM表示M个服务器和/或渠道组合下的比重关键词，αi表示第i个服务器和/或渠道数据分析的运营数据的数量占M个服务器和/或渠道组合下数据分析的运营数据的总数量所占的比重，αj表示第j个服务器和/或渠道数据分析的运营数据的数量占M个服务器和/或渠道组合下数据分析的运营数据的总数量所占的比重；
步骤A3：利用公式(3)求出M个服务器和/或渠道组合下相关值的大小；
Figure BDA0002317563590000201
其中，e表示自然对数，P表示标准相关值(其中
Figure BDA0002317563590000202
)，S表示最优计算方式对应的最优值；
步骤A4：将公式(3)中求得的M个服务器和/或渠道组合下相关值PM代入到公式(2)中，最终求得服务器和/或渠道应组合数量为M，并将得到的所述服务器和/或渠道组合数量M和对应的最优计算方式进行存储。
上述技术方案的有益效果是：通过计算相关值的方式得出最终需要的服务器和/或渠道应组合的个数，是为了保证服务器和/或渠道组合处理数据分析的过程中提高效率，并且利用相关值反向求取个数，是为了保证能得到服务器和/或渠道组合时的最合理的计算方式。并且利用两两之间的组合的相关值来求取多服务器和/或多渠道组合下的相关值保证了整个过程的可靠性以及严谨性。
此外，本发明实施例还提供了一种计算机存储介质，所述计算机存储介质上存储有数据分析程序，所述数据分析程序可以被一个或者多个处理器执行，以实现下操作：
实时监控用户的操作状态，采集整个监控过程中对应的用户数据；
根据参数分析需求，按照多服务器和/或多渠道组合筛选计算的方式，并按照预设分析规则，对采集的所述用户数据进行数据分析；
根据分析结果，展示所述用户数据对应的数据趋势，供用户查看。
本发明计算机存储介质具体实施方式与上述数据分析方法、系统和电子设备对应的各实施例的实施原理基本相同，在此不作累述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种数据分析方法，其特征在于，所述数据分析方法包括：
实时监控用户的操作状态，采集整个监控过程中对应的用户数据；
根据参数分析需求，按照多服务器和/或多渠道组合筛选计算的方式，并按照预设分析规则，对采集的所述用户数据进行数据分析；
根据分析结果，展示所述用户数据对应的数据趋势，供用户查看；
在按照所述多服务器和/或多渠道组合筛选计算的方式和预设分析规则，对采集的所述用户数据进行数据分析的过程中，还包括：获取自动组合筛选计算的方式中的最优计算方式，并确定所述最优计算方式对应的服务器和/或渠道组合数量，其中，确定所述服务器和/或渠道组合数量的具体步骤包括：
步骤A1：根据公式(1)计算出所述多服务器和/或多渠道两两之间的组合稳定值Pij；
Figure FDA0004090821980000011
其中Pij表示第i个服务器和/或渠道与第j个服务器和/或渠道之间的组合稳定值，N表示多服务器和/或多渠道两两之间的组合方式的总数，l表示第l种多服务器和/或多渠道两两之间的组合方式，wil表示在第l种多服务器和/或多渠道两两之间的组合方式下第i个服务器和/或渠道数据分析的运营数据的数量，wjl表示在第l种多服务器和/或多渠道两两之间的组合方式下第j个服务器和/或渠道数据分析的运营数据的数量；
步骤A2：根据公式(2)计算出所述多服务器和/或多渠道组合下的比重关键词PM；
Figure FDA0004090821980000012
其中PM表示M个服务器和/或渠道组合下的比重关键词，αi表示第i个服务器和/或渠道数据分析的运营数据的数量占M个服务器和/或渠道组合下数据分析的运营数据的总数量所占的比重，αj表示第j个服务器和/或渠道数据分析的运营数据的数量占M个服务器和/或渠道组合下数据分析的运营数据的总数量所占的比重；
步骤A3：利用公式(3)求出M个服务器和/或渠道组合下相关值的大小；
Figure FDA0004090821980000021
其中，e表示自然对数，P表示标准相关值(其中
Figure FDA0004090821980000022
)，S表示最优计算方式对应的最优值；
步骤A4：将公式(3)中求得的M个服务器和/或渠道组合下相关值PM代入到公式(2)中，最终求得服务器和/或渠道应组合数量为M，并将得到的所述服务器和/或渠道组合数量M和对应的最优计算方式进行存储。
2.如权利要求1所述的数据分析方法，其特征在于，所述数据分析方法还包括：
在被统计对象端数据协议接入时，仅需接入上线协议、下线协议以及支付协议；
其中，所述上线协议携带：用户名、用户ID、用户发送上线协议信息所使用的服务器识别码和渠道识别码；
所述下线协议携带：用户ID；
所述支付协议携带：用户名、用户ID、订单号、订单价格、支付类型以及用户所使用的服务器识别码和渠道识别码。
3.如权利要求1所述的数据分析方法，其特征在于，所述对采集的所述用户数据进行数据分析，之后还包括：
根据分析结果，识别分析结果中的预设关键指标是否超出预设阈值；并在识别出所述预设关键指标超出预设阈值时，发出预警提示。
4.如权利要求1所述的数据分析方法，其特征在于，所述按照预设分析规则，对采集的所述用户数据进行数据分析，包括：
识别是否有数据报表上传；
若未有数据报表上传，则按照预设周期，计算一个预设周期对应时长内，包含预设关键参数的报表数据；
若有数据报表上传，则接收用户上传的数据报表，根据上传的所述数据报表，计算包含预设关键参数的报表数据；
根据计算得到的所述报表数据，生成包含预设关键参数的收支数据曲线图表，供用户查看；
其中，所述预设关键参数包括：
分成比例、广告流量比例、广告分成比例、广告支出、成本、营业额、各个渠道的流水、收入以及利润率。
5.如权利要求1至4任一项所述的数据分析方法，其特征在于，所述实时监控用户的操作状态，包括：
接收用户执行上线操作时触发的上线记录信息，根据所述上线记录信息，识别该用户是否已存在于所述用户数据表中；
若存在于所述用户数据表中，则将该用户对应的用户数据与所述用户数据表中已存储的该用户的相关数据进行关联；
若不存在于所述用户数据表中，则在所述用户数据表中创建该用户。
6.如权利要求1至4任一项所述的数据分析方法，其特征在于，所述按照预设分析规则，对采集的所述用户数据进行数据分析，包括：
按照预设分析规则，基于采集的所述用户数据，进行如下数据分析：
不同时间段的在线用户数据分析、不同服务器和/或不同渠道的运营数据分析、不同渠道的流水数据分析、不同服务器的数据分析、月度和/或季度和/或年度收益的数据分析、用户留存情况的数据分析、用户充值情况的数据分析、充值玩家排行榜的数据分析以及每用户平均收入ARPU分析。
7.如权利要求6任一项所述的数据分析方法，其特征在于，所述不同服务器和/或不同渠道的运营数据，包括：
玩家详情、在线玩家、每小时在线人数、累计用户数、新增用户数、当日活跃用户数、累计付费人数、当日付费人数、当日的首日付费率、累计付费率、ARPU、渠道流水、月度收益、留存详情、充值详情、玩家每日充值数额及可能的充值趋势、充值玩家排行榜、各项充值金额占比以及各项充值笔数占比。
8.一种数据分析系统，其特征在于，所述数据分析系统包括：
状态监控模块，用于实时监控用户的操作状态，采集整个监控过程中对应的用户数据；
数据分析模块，用于根据参数分析需求，按照多服务器和/或多渠道组合筛选计算的方式，并按照预设分析规则，对采集的所述用户数据进行数据分析；
结果展示模块，用于根据分析结果，展示所述用户数据对应的数据趋势，供用户查看；
在按照所述多服务器和/或多渠道组合筛选计算的方式和预设分析规则，对采集的所述用户数据进行数据分析的过程中，还包括：获取自动组合筛选计算的方式中的最优计算方式，并确定所述最优计算方式对应的服务器和/或渠道组合数量，其中，确定所述服务器和/或渠道组合数量的具体步骤包括：
步骤A1：根据公式(1)计算出所述多服务器和/或多渠道两两之间的组合稳定值Pij；
Figure FDA0004090821980000041
其中Pij表示第i个服务器和/或渠道与第j个服务器和/或渠道之间的组合稳定值，N表示多服务器和/或多渠道两两之间的组合方式的总数，l表示第l种多服务器和/或多渠道两两之间的组合方式，wil表示在第l种多服务器和/或多渠道两两之间的组合方式下第i个服务器和/或渠道数据分析的运营数据的数量，wjl表示在第l种多服务器和/或多渠道两两之间的组合方式下第j个服务器和/或渠道数据分析的运营数据的数量；
步骤A2：根据公式(2)计算出所述多服务器和/或多渠道组合下的比重关键词PM；
Figure FDA0004090821980000051
其中PM表示M个服务器和/或渠道组合下的比重关键词，αi表示第i个服务器和/或渠道数据分析的运营数据的数量占M个服务器和/或渠道组合下数据分析的运营数据的总数量所占的比重，αj表示第j个服务器和/或渠道数据分析的运营数据的数量占M个服务器和/或渠道组合下数据分析的运营数据的总数量所占的比重；
步骤A3：利用公式(3)求出M个服务器和/或渠道组合下相关值的大小；
Figure FDA0004090821980000052
其中，e表示自然对数，P表示标准相关值(其中
Figure FDA0004090821980000053
)，S表示最优计算方式对应的最优值；
步骤A4：将公式(3)中求得的M个服务器和/或渠道组合下相关值PM代入到公式(2)中，最终求得服务器和/或渠道应组合数量为M，并将得到的所述服务器和/或渠道组合数量M和对应的最优计算方式进行存储。
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的数据分析程序，所述数据分析程序被所述处理器运行时实现如下步骤：
实时监控用户的操作状态，采集整个监控过程中对应的用户数据；
根据参数分析需求，按照多服务器和/或多渠道组合筛选计算的方式，并按照预设分析规则，对采集的所述用户数据进行数据分析；
根据分析结果，展示所述用户数据对应的数据趋势，供用户查看；
在按照所述多服务器和/或多渠道组合筛选计算的方式和预设分析规则，对采集的所述用户数据进行数据分析的过程中，还包括：获取自动组合筛选计算的方式中的最优计算方式，并确定所述最优计算方式对应的服务器和/或渠道组合数量，其中，确定所述服务器和/或渠道组合数量的具体步骤包括：
步骤A1：根据公式(1)计算出所述多服务器和/或多渠道两两之间的组合稳定值Pij；
Figure FDA0004090821980000061
其中Pij表示第i个服务器和/或渠道与第j个服务器和/或渠道之间的组合稳定值，N表示多服务器和/或多渠道两两之间的组合方式的总数，l表示第l种多服务器和/或多渠道两两之间的组合方式，wil表示在第l种多服务器和/或多渠道两两之间的组合方式下第i个服务器和/或渠道数据分析的运营数据的数量，wjl表示在第l种多服务器和/或多渠道两两之间的组合方式下第j个服务器和/或渠道数据分析的运营数据的数量；
步骤A2：根据公式(2)计算出所述多服务器和/或多渠道组合下的比重关键词PM；
Figure FDA0004090821980000071
其中PM表示M个服务器和/或渠道组合下的比重关键词，αi表示第i个服务器和/或渠道数据分析的运营数据的数量占M个服务器和/或渠道组合下数据分析的运营数据的总数量所占的比重，αj表示第j个服务器和/或渠道数据分析的运营数据的数量占M个服务器和/或渠道组合下数据分析的运营数据的总数量所占的比重；
步骤A3：利用公式(3)求出M个服务器和/或渠道组合下相关值的大小；
Figure FDA0004090821980000072
其中，e表示自然对数，P表示标准相关值(其中
Figure FDA0004090821980000073
)，S表示最优计算方式对应的最优值；
步骤A4：将公式(3)中求得的M个服务器和/或渠道组合下相关值PM代入到公式(2)中，最终求得服务器和/或渠道应组合数量为M，并将得到的所述服务器和/或渠道组合数量M和对应的最优计算方式进行存储。
CN201911284221.5A 2019-12-13 2019-12-13 数据分析方法、系统及电子设备 Active CN111061778B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911284221.5A CN111061778B (zh) 2019-12-13 2019-12-13 数据分析方法、系统及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911284221.5A CN111061778B (zh) 2019-12-13 2019-12-13 数据分析方法、系统及电子设备

Publications (2)

Publication Number Publication Date
CN111061778A CN111061778A (zh) 2020-04-24
CN111061778B true CN111061778B (zh) 2023-05-16

Family

ID=70301515

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911284221.5A Active CN111061778B (zh) 2019-12-13 2019-12-13 数据分析方法、系统及电子设备

Country Status (1)

Country Link
CN (1) CN111061778B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108320168A (zh) * 2017-01-16 2018-07-24 北京金山云网络技术有限公司 一种数据分析方法及装置
CN110119415A (zh) * 2019-05-13 2019-08-13 重庆八戒传媒有限公司 基于渠道投放的数据分析方法、系统、介质和电子设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10769009B2 (en) * 2018-03-21 2020-09-08 International Business Machines Corporation Root cause analysis for correlated development and operations data

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108320168A (zh) * 2017-01-16 2018-07-24 北京金山云网络技术有限公司 一种数据分析方法及装置
CN110119415A (zh) * 2019-05-13 2019-08-13 重庆八戒传媒有限公司 基于渠道投放的数据分析方法、系统、介质和电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
颜拥 ; 沈皓 ; 张爽 ; 朱蕊倩 ; 罗欣 ; 孙婉胜 ; .95598运营分析支撑应用研究与分析.能源与节能.2015,(04),全文. *

Also Published As

Publication number Publication date
CN111061778A (zh) 2020-04-24

Similar Documents

Publication Publication Date Title
CN105898209A (zh) 视频平台监控分析系统
CN109377253A (zh) 广告投放方法、装置、终端及存储介质
CN108112038B (zh) 一种控制访问流量的方法及装置
CN104580244A (zh) 恶意点击的防御方法和装置
WO2020164269A1 (zh) 基于用户群组的消息推送方法、装置及计算机设备
CN109584030A (zh) 机构推荐方法、装置及存储介质
CN110020149A (zh) 用户信息的标签化处理方法、装置、终端设备及介质
CN109670824A (zh) 电子账本的生成方法、装置、设备及存储介质
CN112364086A (zh) 一种基于大数据平台的业务可视化方法及系统
US20220383236A1 (en) Enterprise Workload Sharing System
CN112488893A (zh) 服务数据处理方法、装置、存储介质及电子设备
US20220092650A1 (en) Systems and methods for backend fulfillment of a sales product
US8239393B1 (en) Distribution for online listings
CN111061778B (zh) 数据分析方法、系统及电子设备
KR20090122321A (ko) 신용카드 혜택,요구실적,연회비 통합 관리 시스템
CN110689219A (zh) 基于大数据的用户行为评价展示方法、装置、设备及介质
CN109598597A (zh) 业务数据归类方法、装置及存储介质、服务器
CN115186025A (zh) 可视化报表的自动配置方法、系统及设备
CN114238777A (zh) 基于行为分析的负反馈流量分配方法、装置、设备及介质
CN114610476A (zh) 一种优化云服务成本的方法、装置、设备及存储介质
KR20140016499A (ko) 부정클릭 차단 및 호응도에 따른 광고 제공 일정 재스케줄링을 지원하는 모바일 광고 제공 시스템 및 그 방법
CN108364145B (zh) 信息确定方法及装置
TWM599434U (zh) 記帳平台
JP5251660B2 (ja) 投資利益予測装置及び投資利益予測プログラム
KR100666202B1 (ko) 검색 서비스 제공 방법 및 상기 방법을 수행하는 검색시스템

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