CN111177206A - 数据透视表处理方法、装置及系统 - Google Patents
数据透视表处理方法、装置及系统 Download PDFInfo
- Publication number
- CN111177206A CN111177206A CN201811333494.XA CN201811333494A CN111177206A CN 111177206 A CN111177206 A CN 111177206A CN 201811333494 A CN201811333494 A CN 201811333494A CN 111177206 A CN111177206 A CN 111177206A
- Authority
- CN
- China
- Prior art keywords
- data
- dimension
- information
- user
- determining
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 title claims description 27
- 230000008520 organization Effects 0.000 claims abstract description 56
- 238000003672 processing method Methods 0.000 claims abstract description 6
- 230000007246 mechanism Effects 0.000 claims description 12
- 230000004048 modification Effects 0.000 claims description 7
- 238000012986 modification Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 16
- 230000002776 aggregation Effects 0.000 description 15
- 238000004220 aggregation Methods 0.000 description 15
- 238000007405 data analysis Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 12
- 238000005553 drilling Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012217 deletion Methods 0.000 description 4
- 230000037430 deletion Effects 0.000 description 4
- 235000015220 hamburgers Nutrition 0.000 description 4
- 230000002457 bidirectional effect Effects 0.000 description 3
- 235000015115 caffè latte Nutrition 0.000 description 3
- 238000013079 data visualisation Methods 0.000 description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 235000013353 coffee beverage Nutrition 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 235000013410 fast food Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了数据透视表处理方法、装置及系统,其中,所述方法包括:根据当前登录用户的身份标识信息,确定用户在目标组织机构中的角色信息;所述角色信息包括:用户所在的职能部门以及岗位信息;确定待分析的数据,以及所述数据中包括的维度以及指标信息;根据所述当前登录用户对应的角色信息,确定待展示的维度路径,所述维度路径是根据所述角色信息视角所关注的维度信息进行确定;根据所述待展示的维度路径生成数据透视表。通过本申请实施例,能够更方便的进行数据透视表分析,并降低耗时。
Description
技术领域
本申请涉及数据可视化处理技术领域,特别是涉及数据透视表处理方法、装置及系统。
背景技术
数据透视表(Pivot Table)是由原始数据中选取若干维度与指标,通过定义row(行),column(列)与value(数值)获得的一个对源数据的观察视角。pivot名称的由来是源于pivot table是可以看做Cube的各种旋转(维度组合)后的投影(数据聚合)。用户自由选取维度的组合的操作实际上是在对高维空间中的Cube进行旋转、投影或切片的操作。
其中,所述维度,具体可以是指描述与业务主体相关的一组属性,单个属性或属性集合可以构成一个维。例如,一个人的学历、民族、性别等都是维度,具体到与具体的“新零售”平台等相关的数据主体中,例如,对于对账单数据,具体的维度可能会包括:门店、SKUcode、一级类目、部门code,等等。其中,一个维往往可以具有多个层次,例如,时间维度分为年、季度、月和日等层次,地区维可以是国家、地区、省、市等层次;类似的,门店维度可能分为分布在多个不同地理位置的多家不同的具体门店,一级类目可能还分为多个二级类目,等等。这里的层次表示数据细化程度,对应概念分层。具体数据可视化分析过程中上钻操作就是由低层概念映射到高层概念,相反,下钻操作就是由高层概念映射到低层概念。指标就是指数据度量的指标,是数据的实际意义,即描述数据“是什么”。例如,人数等,具体到“新零售”平台等相关的数据主体中,可以包括库存数量、用户数量,等等。
目前,对于大量的数据报表,使用人员通常需要下载并且通过excel等工具的透视功能进行数据分析,然后再整理到文档中,自行选择具体的维度、指标等进行汇报,整个分析过程耗时比较长。另外,有些数据分析平台虽然能够实现在线的数据可视化分析,但是整体上的分析耗时仍然比较长,尤其是在需要进行数据上钻、下钻等处理的过程中,更是会耗费更多的时间。
因此,如何更方便的进行数据透视表分析,并降低耗时,成为需要本领域技术人员解决的技术问题。
发明内容
本申请提供了数据透视表处理方法、装置及系统,能够更方便的进行数据透视表分析,并降低耗时。
本申请提供了如下方案:
一种数据透视表处理系统,包括:
信息保存模块,用于保存用户标识与用户在组织机构中的角色信息之间的对应关系;所述角色信息包括:用户所在的职能部门以及岗位信息;所述组织机构包括提供商品对象销售服务的组织机构;
网页提供模块,用于提供目标网页,所述目标网页中包括用于进行数据透视表处理的网页代码,所述网页代码用于根据当前登录用户的身份标识信息,确定用户在目标组织机构中的角色信息,并在确定待分析数据,以及所述数据中包括的维度以及指标信息后,根据所述当前登录用户对应的角色信息,确定待展示的维度路径,并根据所述待展示的维度路径生成数据透视表;所述维度路径是根据预先保存所述角色信息视角对所述数据所关注的维度信息进行确定;所述数据包括网络虚拟店铺和/或实体店铺中的商品对象销售统计相关的数据。
一种数据透视表处理方法,包括:
根据当前登录用户的身份标识信息,确定用户在目标组织机构中的角色信息;所述角色信息包括:用户所在的职能部门以及岗位信息;
确定待分析的数据,以及所述数据中包括的维度以及指标信息;
根据所述当前登录用户对应的角色信息,确定待展示的维度路径,所述维度路径是根据所述角色信息视角所关注的维度信息进行确定;
根据所述待展示的维度路径生成数据透视表。
一种数据透视表处理装置,包括:
角色信息识别单元,用于根据当前登录用户的身份标识信息,确定用户在目标组织机构中的角色信息;所述角色信息包括:用户所在的职能部门以及岗位信息;
数据主体确定单元,用于确定待分析的数据,以及所述数据中包括的维度以及指标信息;
维度路径确定单元,用于根据所述当前登录用户对应的角色信息,确定待展示的维度路径,所述维度路径是根据所述角色信息视角所关注的维度信息进行确定;
数据透视表生成单元,用于根据所述待展示的维度路径生成数据透视表。
根据本申请提供的具体实施例,本申请公开了以下技术效果:
通过本申请实施例,能够提供在线的数据透视表生成方案,在该方案中,只需要在线登录数据分析平台,系统便可以确定出用户在所在组织机构中的角色信息,包括其所在的职能部门,以及具体的工作岗位等信息,进而,可以根据该角色信息从被选择的待分析数据中确定出默认的维度路径,并按照该维度路径,生成具体的数据透视表。这样,用户不需要将线上的待分析数据手动下载到终端设备本地,也不再需要从众多维度中选择维度,并进行排序等操作,因此,可以提高效率。
另外,在可选的方案中,还可以通过对算法的改进来降低耗时,具体的,可以不再进行所有维度的全排列组合,而是根据事实表中实际存在层级关系的维度,生成邻接表,并且可以创建树型数据结构。这样,可以降低时间复杂度,并且,也可以很方便的通过该树型数据结构实现快速的上卷、下钻等。另外,如果原始数据发生变化,之前建立的树型结构仍能维护自己的性质,对树型结构进行持续增删改即可,而不需要每次重新建树。
当然,实施本申请的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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是本申请实施例提供的系统的示意图;
图2是本申请实施例提供的方法的流程图;
图3是本申请实施例提供的第一界面的示意图;
图4-1至4-4是本申请实施例提供的配置界面的示意图;
图5-1、5-2是本申请实施例提供的另一配置界面的示意图;
图6是本申请实施例提供的装置的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,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。基于本申请中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本申请保护的范围。
在本申请实施例中,首先提供了一种在线生成数据透视表的平台,该平台可以是部署在具体的组织机构内部,或者,也可以为多个不同的组织机构同时提供服务。当然,由于涉及到对具体数据的处理,因此,更多的情况下可以部署在组织机构内部。例如,某提供新零售相关服务的公司,为了对线上线下的各类数据进行透视分析,可以部署这种数据透视表平台。另一方面,由于组织机构内部具体角色的用户在对同一份数据进行透视化分析时,可能会有各自不同的视角,因此,各自关注的维度及顺序可能会有所不同。例如,采购主管更关注的维度可能包括:业务大类、分公司、品牌等;采购专员更关注的维度可能是业务大类、品牌、一级类目、区域、城市等;而采购小二更关注的维度则包括业务大类、品牌、一级类目、区域、分公司,等等。另外,各自的权限也可能不同,以至于能够查看到的数据量也可能不同,例如,采购主管能够查看到所有一级类目以下的数据,而采购专员只能查看某个二级类目下的数据,等等。因此,通过该平台,可以预先保存组织机构内各种角色的用户所需关注的维度及顺序等信息,以用于根据用户的角色提供默认的维度路径。再者,该平台可以为组织机构内部的用户提供在线的数据透视分析服务,这样,组织机构内部的用户可以通过浏览器等工具打开相关的平台界面,并使用自己身份信息进行登录,系统便可以识别出该用户在组织机构中的角色信息。例如,具体是采购主管还是采购专员,或者采购小二,等等。另外,用户可以指定自己所需分析的数据主体(例如,对账单数据、核算数据等等),进而,便可以根据该用户在组织机构中的角色,为该用户确定出默认的维度路径,并且可以直接按照该默认的维度路径,生成初始的数据透视表。例如,假设当前登录的用户是一个采购专员,则可以按照该角色对应的维度路径展示出对应的透视表,等等。也就是说,用户可以直接登录到自己所在组织机构内部署的数据分析平台,之后,只需要指定具体所需分析的数据主体,系统便可以自动为其提供默认维度路径下对应的数据透视表。此时,如果用户对此结果满意,则可以直接使用具体的数据透视化结果即可;而如果不满意,或者需要进行部分调整,则还可以提供配置选项,进入到具体的配置界面,在配置界面,用户可以自行对所需关注的维度、顺序等进行选择或者调整,生成自定义的维度路径,然后,系统再重新生成新的维度路径对应的数据透视表。
下面对具体的实现方案进行详细介绍。
实施例一
该实施例一从系统架构角度,提供了一种数据透视表处理系统,其中具体可以包括服务器端以及客户端,服务器端与客户端都可以部署在一个具体的组织机构内部,当然,也不排除通过一台服务器为多个组织机构提供服务的情况。其中,服务器端具体可以用于对用户身份进行验证,确定其在对应组织机构中的角色。另外,服务器还可以与具体的数据服务器进行对接,其中,数据服务器为实际生成并存储具体待分析数据的服务器,例如,在某提供线下与线下相结合的商品对象销售服务的组织机构中,可以是用于存储具体对账单数据、核算数据、结算数据等各种数据的服务器。这些数据服务器可能部署在同一物理设备中,也可能分布在多个物理设备中。客户端则主要以前端通过浏览器进行展示的网页等形式存在,组织机构内的用户可以通过自己的终端设备中的浏览器等软件访问服务器提供的网页,并且可以利用自己预先注册的身份信息进行登录。为了提高处理效率,关于具体生成数据透视表的处理逻辑,可以在上述网页内通过网页代码的形式来实现。这样,具体的待分析数据主体可以从该服务器从数据服务器下载到终端设备本地,或者直接选择终端设备本地中的数据主体,然后由该网页中写入的网页代码自动执行具体数据透视表生成过程中的一系列处理逻辑,并生成数据透视表。
也就是说,参见图1,本申请实施例首先提供了一种数据透视表处理系统,该系统可以包括:
信息保存模块101,用于保存用户标识与用户在组织机构中的角色信息之间的对应关系;所述角色信息包括:用户所在的职能部门以及岗位信息;所述组织机构包括提供商品对象销售服务的组织机构;
网页提供模块102,用于提供目标网页,所述目标网页中包括用于进行数据透视表处理的网页代码,所述网页代码用于根据当前登录用户的身份标识信息,确定用户在目标组织机构中的角色信息,并在确定待分析的数据,以及所述数据中包括的维度以及指标信息后,根据所述当前登录用户对应的角色信息,确定待展示的维度路径,并根据所述待展示的维度路径生成数据透视表;所述维度路径是根据预先保存所述角色信息视角对所述数据所关注的维度信息进行确定;所述数据包括网络虚拟店铺和/或实体店铺中的商品对象销售统计相关的数据。
具体实现时,所述信息保存模块还可以用于,保存所述组织机构中各职能部门不同岗位之间的上下级关系,以及各自对应的数据访问权限。
在一种具体的应用场景中,所述组织机构具体可以包括通过线上与线下相结合方式提供商品对象销售服务的组织机构;此时,由于需要向线下的实体店铺中进行铺货,因此,所述组织机构中的职能部门通常可以包括采购部门,市场部门或财务部门,等等;而所述数据主体主要可以包括对账单数据,核算数据,结算数据或发票数据等。另外,由于是线上与线下相结合,涉及到多家实体门店中产生的相关数据,具体的实体门店通常还需要按城市、地区等进行组织,具体销售的商品对象的类别也会分为标品、非标品,标品以及分标品下又可能会分为多种不同的二级类目、三级类目,等等,因此,使得上述数据主体中包含的维度数量通常会非常多。通过本申请实施例提供的方式,使得用户只需要通过自己的终端设备中的浏览器等工具访问目标网页,并通过预先注册的账号等信息进行登录,便可以通过该网页选择自己所需分析的数据主体,然后,不需要执行对维度的选择等操作,便可以直接获得符合其观察视角的数据透视表。
关于具体网页代码执行的数据分析处理操作等相关内容,下面通过实施例二进行介绍。
实施例二
该实施例二从具体所提供的网页的角度,提供了一种数据透视表处理方法,参见图2,该方法具体可以包括:
S201:根据当前登录用户的身份标识信息,确定用户在目标组织机构中的角色信息;
其中,所述当前登录用户具体可以是某组织机构内部的员工等,具体实现时,用户可以预先在系统中进行注册,在注册的过程中可以录入自己在组织机构内所承担的角色信息,这样,系统便可以进行记录。或者,系统也可以通过其他方式获得用户的角色信息,例如,可以提供用于统一录入组织机构内具体员工信息的操作入口,使得组织机构的相关管理人员等可以将具体员工的姓名、工号等信息,与对应的角色信息进行录入。这样,用户具体在注册自己的账号时,只需要录入自己的姓名、工号等信息,系统便可以自动查询获得该用户的角色信息,并进行保存,等等。总之,服务器端可以对用户的账号、姓名、工号等身份标识信息与角色信息之间的对应关系,例如,具体的保存方式可以如以下表1所示:
表1
账号 | 姓名 | 工号 | 角色 |
账号A | 张三 | 100001 | 采购主管 |
账号B | 李四 | 100018 | 采购专员 |
…… | …… | …… | …… |
相应的,用户在需要进行数据透视分析时,可以通过其电脑等终端设备访问具体在线数据分析平台的网站,并利用预先注册的信息进行登录,进而,系统便可以获知用户所承担的角色信息。
这里需要说明的是,由于本申请实施例一中各步骤的执行主体是客户端,而用户的登录相关信息、角色信息等通常是由服务器端进行保存,因此,具体实现时,客户端可以从服务器获得用户的角色信息。或者,如果在之前登录的过程中对用户的角色信息等进行了缓存,则也可以直接由客户端从本地缓存中获得当前用户的角色信息。
S202:获得待分析的数据主体,以及所述数据主体中包括的维度以及指标信息;
其中,关于待分析的数据主体,具体可以包括对账单数据、核算数据、结算数据,等等。具体在确定待分析的数据主体时,可以有多种方式。例如,其中一种方式下,可以在线选择具体的数据主体进行分析。具体的,这种数据主体可以是保存在具体的数据服务器中,用户登录后,服务器可以将数据服务器中可选的数据主体信息进行罗列,用户可以从中选择自己所需分析的数据主体。其中,由于不同角色的用户在查看数据方面的权限往往不同,因此,还可以根据用户实际的角色提供其可选的数据主体。另外,同一角色的不同用户所负责的域也可能会不同,因此,还可以在页面中提供用于选择具体域的操作选项,选中某个域之后,再展示出该域下该角色所能够查看的数据主体列表。在用户选择了其中一个数据主体的标识后,服务器便可以从预先关联的数据服务器中拉取该数据主体的事实表,也即原始数据。之后,为了便于提高效率,客户端还可以将这种数据主体的原始数据下载到终端设备本地,以便在本地执行具体的数据分析处理。
或者,在另一种方式下,用户也可以从终端设备本地中选择具体的待分析数据主体,这种数据主体可能是用户预先下载到本地保存的数据,或者,也可以是通过其他途径获得或者创建的数据,等等。
在确定了具体需要分析的数据主体后,还可以从该数据主体中获得其所包含的所有维度以及指标信息。其中,在可选的实施方式中,对于维度信息,还可以获得具体维度下的属性成员等信息。
S203:根据所述当前登录用户对应的角色信息,确定待展示的维度路径,所述维度路径是根据所述角色信息视角所关注的维度信息进行确定;
具体实现时,可以在服务器端或者客户端预先保存具体的角色信息与所需关注的维度及顺序等信息。其中,不同的数据主体中所可能包含的维度可能会有所不同,因此,还可以分别为各种不同角色对不同数据主体所需关注的维度及顺序等信息进行记录。例如,具体可以如表2所示:
表2
这样,在确定当前的数据主体,并从中提取出所包含的维度、指标等信息之后,便可以根据当前登录用户的角色以及预先保存的该角色视角下所需关注的维度、顺序信息,生成默认的维度路径。例如,假设当前用户是采购主管,则默认生成的维度路径可以是业务大类->分公司->品牌,等等。
需要说明的是,当前确定出的数据主体的原始数据中,实际所包含的维度可能会少于对应类别数据主体中所包含的全部维度,此时,在根据当前数据主体的实际数据确定默认的维度路径时,可以从当前登录用户所承担的角色对应的维度、顺序中选择其中一部分生成维度路径。例如,假设当前用户是采购专员,按照之前保存的该角色视角下对对账单数据的关注目标,其关注的维度及顺序应该是业务大类、品牌、一级类目、区域、城市。但是,当前数据主体的实际数据中,并不包含品牌维度的信息,因此,具体在生成维度路径时,可以将品牌维度去掉,具体的维度路径可以是:业务大类->一级类目->区域->城市。
S204:根据所述待展示的维度路径生成数据透视表。
在确定出维度路径后,便可以根据该维度路径以及数据主体中的具体数据,生成对应的数据透视表。也就是说,在本申请实施例中,用户在使用在线数据分析平台生成数据透视表时,只需要登录,并选择自己所需的数据主体,系统便可以自动为其选择维度路径,并据此生成对应的数据透视表。
例如,在某用户登录并选择了数据主体后,展示出的界面可以如图3所示,具体的,数据透视表的“行”为具体的维度,“列”为具体指标,具体的数值便是对应维度上的指标数值。其中,具体实现时,如图3中的301处所示,还可以直接在表中展示出维度之间的层级关系。例如,由301处所示可以明确看出,标品、生鲜、餐饮是同一层级,蔬菜、水果、休闲、酒饮是同一层级,并且属于标品的下一层级,等等。另外,为了使得用户更直观的获得具体维度路径的信息,还可以直接在展示数据透视表的同时,展示出维度路径信息,例如,如图3中的302处所示,可以通过文字加箭头等形式进行表达。
通过这种方式,由于可以预先对同一组织机构中各种不同角色对具体数据主体的观察视角的不同进行统计,因此,在需要为某用户提供数据透视表信息时,可以根据用户在组织机构中的角色信息以及用户选择的数据主体,自动生成维度路径,然后,根据数据主体以及维度路径,自动生成数据透视表。这样,无需用户进行维度的选择等操作。对于一些线上的数据主体,也不需要用户手动下载到终端设备本地,再用本地安装的其他相关数据分析工具进行分析,从而简化用户操作。
但是,本申请发明人在实现本申请的过程中还发现,由于数据透视表的作用是将原始数据表中所包含的数据维度打散,由用户按照自己的需求从中选项所需关注的维度,对这些维度上的指标进行展示。因此,在现有技术中,比较常见的实现方式便是将一个维度表中的所有属性成员构成一个维度坐标轴,根据多个维度坐标轴构成的坐标系,生成一个多维数组来存储相应的数据。也就是说,在拿到一份原始数据后,系统会首先从中提取出所有的维度及属性成员,并进行全排列组合,形成矩阵。在用户选择了具体需要查看的维度后,再从上述矩阵中选择出具体的维度,根据对应指标数据生成数据透视表。但是,直接对维度的所有度量值进行组合是存在问题的。比如,某份数据中,存在两个商家维度,一个是主营快餐产品的商家A,另一个是主营咖啡等饮品的商家B,涉及到的属性成员包括汉堡,星冰乐和拿铁。如果按照现有技术的方式进行全排列组合,则会出现商家A分别与汉堡,星冰乐和拿铁的组合,商家B分别与汉堡,星冰乐和拿铁的组合。但是,实际数据中,不存在商家A出售星冰乐的情况,同样,也不存在商家B出售汉堡的情况。也就是说,直接进行组合是存在许多情况的冗余的。举一个更为极端的例子,假设有用户ID和用户身份证号两个维度,由于二者之间是一对一的关系,因此,正常组合后应有N条数据,而如果进行全排列的组合方法则会产生N^2条数据。其中大量的数据都是实际不存在的。基于以上情况,会使得整体的时间复杂度为O(Number of Cells*(N*D+aggregation)),其中N为待分析的数据主体(事实表)中的数据条数,D为维度的数量,aggregation为聚合的复杂度,通常使用的总和、计数、均值、中位数等均可在线性时间内求解。而Cells的个数则是所有维度的度量数量之积,即d1*d2*...*dD用d^D表示,那么最终的时间复杂度为O(d^D*N*D)。
可以看出,该算法的时间效率主要受限于维度的数量与维度表中属性成员的数量。具体的受限程度可以通过以下假设来进行分析:
(1)假设对所有的维度的属性成员都进行了合理的分组,使得单个维度的属性成员数平均为5;
(2)每秒可以完成10^8次运算,同时将1s定为用户的能够忍受的最大等待时间;
(3)需要处理10^4条以上的数据。
那么利用上述算法将可以处理4.8个维度,但当实际的维度的属性成员平均数量为10时,则只能选取2.6个维度进行数据透视。当维度属性成员更多时(实际情况往往也是如此),则甚至在选取两个维度进行数据透视时都会出现令人难以忍受的耗时。在需要进行数据下钻等更细化的处理的过程中,耗时可能会更长。
而本申请实施例采用的是在线数据分析的方式下,在处理耗时方面相对于单纯本地化的数据处理而言,本身就存在相对耗时较长的固有缺点,因此,如果继续采用上述现有技术中的算法,则可能会产生更加难以容忍的耗时。
为此,在本申请实施例的优选方案中对具体的算法进行了改进。其中,从图论的角度思考,现有技术中的算法中存在的问题是属性成员间构成的图往往是较为稀疏导致的,因此,可以将邻接矩阵O(V^2)优化到邻接表O(E),在多数情况下E<<V^2,这样便可以大大降低算法耗时。
具体的,本申请实施例不再根据各维度表中的属性成员(点)进行全排列组合。而是根据事实表(待分析的数据主体中的原始数据)中实际存在的组合(边)进行组合,以邻接表的形式保存具体维度与属性成员之间的组合关系。这样,可以保留各维度在原始数据中的层级关系,而不是完全将维度、属性成员之间的对应关系彻底打散,因此,可以避免出现过多的无效的冗余数据。后续在具体生成数据透视表时,可以根据这种邻接表,提取出具体维度路径上各维度上的指标数据。查询的路径会比较确定,避免进行穷举式查询,从而提高效率。其中,具体实现时,可以使用Hash(哈希)表来存储邻接表中的各节点而不是一个多维数组,当然,多维数组也可以存邻接表,但是哈希表会更方便。在实际应用中,这种邻接表还可以以聚合树等方式存在,可以包括以最高层级的维度为根节点的多棵树,对于某维度下更低层级的维度,可以以子节点的形式存在,最低层级的维度则为树的叶子节点,等等。
也就是说,在本申请实施例中,对数据主体的初始化处理过程可以是一个建树的过程。树的总结点个数一定小于N*D(其中,N为数据主体对应的原始数据事实表中的数据条数,D为维度总数),叶子节点的数量一定小于N。可以认为hash的平均插入、查找时间均为O(1),则整体建树的时间复杂度为O(Number of Nodes*N+D*aggregation),其中,aggregation为聚合复杂度。若认为hash的插入、查找均为最差的O(n),则时间复杂度为O(Number of Nodes*N+N*D*N+D*aggregation)<=O(N*D*N+N*D*N+D*N)=O(2*D*N^2+N*D)=O(D*N^2),但是这是建立在拥有一个极弱的hash(退化成一个链表)的基础上。一般认为该算法在绝大多数情况下的时间复杂度为O(D*N),这意味着在同样10^4的数据量的情况下,只要内存允许,则可以从容处理10^4个维度,且无属性成员的数量限制。
也就是说,在本申请实施例中,可以按照具体的维度在所述数据主体的原始数据(事实表)中的层级关系信息,建立层级关系邻接表,并生成树型数据结构进行保存,这样在具体生成数据透视表时,可以根据所述树型数据结构查询所述维度路径上各维度对应的指标数据,并生成数据透视表。由于减少了无效的冗余数据,因此,可以提高查询效率,进而降低总体的耗时。实验表明,通过这种方式,可以使得在线数据分析的耗时,甚至可以低于纯本地的数据分析耗时,整体性能超越本地化的数据分析工具。
另外,由于构建了树型的数据结构,这就使得树上的父节点可以充分的利用子节点的信息。在这棵树中,每一层的节点都来自于同一个维度。对比这棵树的最底层与次底层,可以发现,次底层可以认为是最底层的一种聚合。举一个更容易理解的例子。选取年,月,日三个维度,“月”则可以视为“日”的聚合。正常在求解年月的时候会需要重新构建一棵“年月”树,但由于“年月日”这棵树包含了“年月”这棵树的信息,这使得可以在构建“年月日”树的时候同时将“年月”树的信息计算出来。从而使得用户可以在这棵树的任意层级上移动,从而实现数据的上卷与下钻。
例如,在数据上卷的过程中,可以改造一下之前生成的聚合树,这个时候,具体可以将每一个叶子节点的aggData(聚合数据)向上聚合,子节点的rawData(原始数据)合并至父节点。从最底层的叶子节点开始,假设该层一共有L个节点(L<=N)那么,平均每个节点的rawData长度为N/L。那么这次聚合的时间复杂度为O(L*N/L)=O(N)。同理,对每一层进行聚合的耗时均为O(n),那么最终整棵树的聚合耗时为O(D*N),与建树的过程相同。这意味着,可以在整体时间复杂度不变的情况下,进行每一层的聚合运算。总之,由于每个节点都保留了rawData(原始数据),所以可以支持任意的聚合方式,尤其是散点图这类要求保留原始数据的需求。
其中,在实际应用中,FACT_TABLE(事实表,也即数据主体的原始数据表)中的数据可能会发生变化,此时,如果需要之前建立的聚合树仍能维护自己的性质,则还可以对节点的修改、增加、删除等操作进行定义。具体的,在本申请实施例中,由于在rawData中直接存储的时每一条记录(record)的内存,所以对记录的值做修改时,由于不影响其地值,因此rawData不受影响。对于对某条记录(record)地址的修改,则可以视为等效于节点的删除与添加操作。对FACT_TABLE中某条记录(record)的修改会影响到包含该记录(record)整条枝干(包含D个节点)。在数据被修改后,可以更新对应节点上的所有的aggData。但是修改可能是源源不断的,所以可以只清除掉aggData的缓存值_aggData(修改为undefined),这样,在下次需要调用aggData时,一次性计算多次更新即可。对于节点的添加,与建树的过程相同,直接执行插入节点(insertNode)即可。但要保证插入节点后树的性质不变。所以仍然可以手动修改受影响的枝干的原始数据。同时清除aggData的缓存值_aggData。关于节点的删除,正常的删除节点需要在枝干上每个节点查找该条记录(record)的位置。由于本申请实施例中可以近似的认为每层的每个节点的rawData的长度是等比关系。所以即便对枝干上所有的记录进行删除操作,那么整体的时间复杂度也不会超过O(2n)。另外,也可以尝试给该record打上标记(O(1)),在调用aggData时统一进行清理。这样,持续增删改的效率就变为了O(D*M)+O(N),而非每次重新建树的O(D*N*M)。
因此,具体实现时,还可以在展示所述数据透视表时,展示所述维度路径中包括的各维度信息,并为所述维度提供用于执行上卷或下钻操作的操作选项。通过该操作选项接收到针对目标维度的上卷或者下钻请求后,可以根据所述树型数据结构中记录的维度层级关系,对树型结在对应层级上进行移动的方式,提供对应的上卷或下钻结果。
也就是说,在本申请实施例中,不仅能够使得用户登录系统并选择数据主体之后便可以直接在线获得符合其观察视角的数据透视表,并且,由于根据事实表生成了维度层级关系邻接表,并建立树型数据结构,在每个节点中保留数据主体中的原始数据,因此,在分析的过程中,可以大幅缩短耗时,效率高;另外,还能够实现更便捷更高效的数据上卷、下钻等操作。
另外,在具体实现时,即使是同一角色的用户,虽然视角基本相同,但在具体个体之间可能仍然会存在差异。因此,为了满足用户的个性化要求,在具体提供默认的数据透视表的同时,还可以提供用于对数据透视表进行自行配置的操作选项。例如如图3中的“设置”按钮所示,如果用户对默认展示的数据透视表不满意或者需要进行微调,则可以通过该操作选项发起请求。相应的,可以进入到配置界面,如图4-1所示,配置界面中包括可选维度展示区域401,以及已选维度展示区域402,其中,所述可选维度展示区域中包括根据所述数据主体提供的可选的维度列表,以及用于对维度进行选择的操作选项;通过所述配置界面可以确定更新后的维度路径,并根据更新后的维度路径更新数据透视表。具体实现时,可以从可选维度展示区域选择具体的维度,并拖动到已选维度展示区域,相应的,在已选维度展示区域会对已选的维度进行展示。并且,还可以通过拖动等方式,对已选维度的顺序进行调整。相应的,系统可以响应于对所述已选维度展示区域中的已选维度进行的拖动操作,修改所述已选维度的先后顺序,以及对应的维度路径。通过重新选择维度、调整顺序等操作后,可以对维度路径进行修改,之后,便可以按照修改后的维度路径展示出更新后的数据透视表。例如,原来默认的维度路径,以及筛选后的维度路径可以如图4-2所示。
另外,在用户对维度进行筛选的过程中,可能会涉及到选择一些低层级的维度的情况,但是,同一维度可能会对应多个上级维度,因此,为了进一步提升效率,如果所述可选维度展示区域中被选中的维度是某低层级维度,则在所述已选维度展示区域中提供用于对所述低层级维度的上一层级维度的属性成员进行选定的操作选项,以便在生成所述数据透视表时,在该属性成员对应的下层维度上的指标。例如,假设用户选择了“二级类目”这一维度,则在已选树型展示区域可以对该维度进行展示,如图4-3中的403处所示,同时,还可以提供用于对其上级维度也即一级类目维度的属性成员进行选择的操作选项404。并且还可以提示用户,在选择一个低层级维度时,需要先选择一个上一层级维度的属性成员。如图4-4所示,在一级类目维度处,可以将具体的属性成员选择为蔬菜,等等。这样,后续在对数据透视表进行更新时,通过前台的事先筛选与后台的算法改进相结合,可以进一步提升效率,缩短耗时。
另外,在默认的数据透视表中,通常会默认以单向表的形式存在,也即,“行”表示维度,“列”表示指标。而在实际应用中,可能会存在一些用户需要生成双向数据透视表。此时,如图5-1所示,可以在所述已选维度展示区域中提供两个子区域,子区域501以及子区域502,分别对应于行维度以及列维度。然后,可以根据所选择的行维度以及列维度生成双向的数据透视表。其中,在选择的过程中,用户可以通过拖拽等方式进行维度选择,在将某维度拖拽到行维度对应的子区域后,可选维度展示区域中该维度对应的选择默认为不可选(因为跟列维度互斥)。但是,对于已经拖动到列维度子区域中的维度,如果拖动的维度字段没有互斥,则可以表示为可以继续拖动的状态,表示列维度的字段仍然可以继续拖到行维度。另外,还可以根据选择的维度设置锁定,例如,“业务大类”维度如果放入行维度,则默认锁定,如果放入列维度,则不锁定。总之,用户可以通过该图5-1所示的配置界面,选择多个行维度以及多个列维度,然后可以生成双向的数据透视表,例如,如图5-2所示,行列均有维度信息。
另外需要说明的是,在本申请实施例中,除了可以通过筛选维度的方式改变视角,还可以通过其他的方式来改变。例如,在同一个组织机构中,不同的角色之间通常具有上下级的关系,上级用户对数据的查看或分析权限高于下级用户。因此,在具体实现时,还可以预先设定不同角色之间的上下级关系,使得上级用户不仅可以用自己的视角来查看一份数据,还可以切换到低等级用户的视角进行查看。例如,如图4-3中的405处所示,假设当前用户的角色是采购主管,其在组织机构内的等级高于采购专员以及采购小二,因此,该采购主管可以同时拥有采购专员、采购小二的视角,并且可以在界面中提供用于切换视角的操作选项。用户可以通过切换到其他视角的方式,来获得其他维度路径下的数据透视表,等等。
总之,通过本申请实施例,能够提供在线的数据透视表生成方案,在该方案中,只需要在线登录数据分析平台,系统便可以确定出用户在所在组织机构中的角色信息,包括其所在的职能部门,以及具体的工作岗位等信息,进而,可以根据该角色信息从被选择的待分析数据中确定出默认的维度路径,并按照该维度路径,生成具体的数据透视表。这样,用户不需要将线上的待分析数据手动下载到终端设备本地,也不再需要从众多维度中选择维度,并进行排序等操作,因此,可以提高效率。
另外,在可选的方案中,还可以通过对算法的改进来降低耗时,具体的,可以不再进行所有维度的全排列组合,而是根据事实表中实际存在层级关系的维度,生成邻接表,并且可以创建树型数据结构。这样,可以降低时间复杂度,并且,也可以很方便的通过该树型数据结构实现快速的上卷、下钻等。另外,如果原始数据发生变化,之前建立的树型结构仍能维护自己的性质,对树型结构进行持续增删改即可,而不需要每次重新建树。
与上述实施例二相对应,本申请实施例还提供了一种数据透视表处理装置,参见图6,该装置具体可以包括:
角色信息识别单元601,用于根据当前登录用户的身份标识信息,确定用户在目标组织机构中的角色信息;所述角色信息包括:用户所在的职能部门以及岗位信息;
数据主体确定单元602,用于确定待分析的数据,以及所述数据中包括的维度以及指标信息;
维度路径确定单元603,用于根据所述当前登录用户对应的角色信息,确定待展示的维度路径,所述维度路径是根据所述角色信息视角所关注的维度信息进行确定;
数据透视表生成单元604,用于根据所述待展示的维度路径生成数据透视表。
具体实现时,该装置还可以包括:
树型数据结构生成单元,用于按照所述维度在所述数据主体的原始数据中的层级关系信息,建立层级关系邻接表,并生成树型数据结构,保留树中各节点的原始数据;
此时,所述数据透视表生成单元具体可以用于:
根据所述树型数据结构查询所述维度路径上各维度对应的指标数据,并生成数据透视表。
另外,该装置还可以包括:
维度信息展示单元,用于在展示所述数据透视表时,还展示所述维度路径中包括的各维度信息,并为所述维度提供用于执行上卷或下钻操作的操作选项;
上卷下钻结果提供单元,用于通过该操作选项接收到针对目标维度的上卷或者下钻请求后,根据所述树型数据结构中记录的维度层级关系,对树型结在对应层级上进行移动的方式,提供对应的上卷或下钻结果。
另外,为了满足用户多视角查看的需求,该装置还包括包括:
下级岗位确定单元,用于根据所述用户在组织机构中的角色信息,确定所述用户所在岗位的下级岗位;
视角切换单元,用于根据所述下级岗位提供可选的其他角色选项,以便通过切换角色选项,从其他角色视角视角所关注的维度信息提供所述数据透视表。
另外,为了满足用户的个性化需求,该装置还可以包括:
修改操作选项提供单元,用于提供用于对维度路径进行修改的操作选项;
配置界面提供单元,用于通过该操作选项接收到修改请求后,提供配置界面,所述配置界面中包括可选维度展示区域,以及已选维度展示区域,其中,所述可选维度展示区域中包括根据所述数据主体提供的可选的维度列表,以及用于对维度进行选择的操作选项;
维度路径更新单元,用于通过所述配置界面确定更新后的维度路径,并根据更新后的维度路径更新数据透视表。
具体实现时,该装置还可以包括:
顺序修改单元,用于响应于对所述已选维度展示区域中的已选维度进行的拖动操作,修改所述已选维度的先后顺序,以及对应的维度路径。
再者,为了进一步提高效率,降低耗时,该装置还可以包括:
属性成员确定单元,用于如果所述可选维度展示区域中被选中的维度是某低层级维度,则在所述已选维度展示区域中提供用于对所述低层级维度的上一层级维度的属性成员进行选定的操作选项,以便在生成所述数据透视表时,在该属性成员对应的下层维度上的指标。
为了支持双向透视表的实现,该装置还可以包括:
子区域提供单元,用于在所述已选维度展示区域中提供两个子区域,分别对应于行维度以及列维度;
双向透视表生成单元,用于根据所选择的行维度以及列维度生成双向的数据透视表。
具体实现时,所述数据主体确定单元具体可以包括:
域选择选项提供子单元,用于提供用于选择所负责域的操作选项;
可选数据主体标识提供子单元,用于根据被选中的域提供可选的数据主体标识;
数据主体标提交子单元,用于将被选中的数据主体标识提交到服务器,由所述服务器从关联的数据服务器中拉取对应的原始数据,并返回;
数据保存子单元,用于将所述数据主体对应的原始数据保存在当前所在的终端设备本地。
或者,另一种方式下,所述数据主体确定单元具体可以包括:
本地选择选项提供子单元,用于提供用于从当前所在终端设备本地选择待分析数据的操作选项;
本地数据确定子单元,用于将通过所述操作选项选择的数据确定为待分析数据。
其中,在一种具体的应用场景下,所述组织机构包括通过线上与线下相结合方式提供商品对象销售服务的组织机构;所述组织机构中的职能部门包括采购部门,市场部门或财务部门;所述数据主体包括对账单数据,核算数据,结算数据或发票数据。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。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,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上对本申请所提供的数据透视表处理方法、装置及系统,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本申请的限制。
Claims (15)
1.一种数据透视表处理系统,其特征在于,包括:
信息保存模块,用于保存用户标识与用户在组织机构中的角色信息之间的对应关系;所述角色信息包括:用户所在的职能部门以及岗位信息;所述组织机构包括提供商品对象销售服务的组织机构;
网页提供模块,用于提供目标网页,所述目标网页中包括用于进行数据透视表处理的网页代码,所述网页代码用于根据当前登录用户的身份标识信息,确定用户在目标组织机构中的角色信息,并在确定待分析数据,以及所述数据中包括的维度以及指标信息后,根据所述当前登录用户对应的角色信息,确定待展示的维度路径,并根据所述待展示的维度路径生成数据透视表;所述维度路径是根据预先保存所述角色信息视角对所述数据所关注的维度信息进行确定;所述数据包括网络虚拟店铺和/或实体店铺中的商品对象销售统计相关的数据。
2.根据权利要求1所述的系统,其特征在于,
所述信息保存模块还用于,保存所述组织机构中各职能部门不同岗位之间的上下级关系,以及各自对应的数据访问权限。
3.根据权利要求2所述的系统,其特征在于,
所述组织机构中的职能部门包括采购部门,市场部门或财务部门;
所述数据包括对账单数据,核算数据,结算数据或发票数据。
4.一种数据透视表处理方法,其特征在于,包括:
根据当前登录用户的身份标识信息,确定用户在目标组织机构中的角色信息;所述角色信息包括:用户所在的职能部门以及岗位信息;
确定待分析的数据,以及所述数据中包括的维度以及指标信息;
根据所述当前登录用户对应的角色信息,确定待展示的维度路径,所述维度路径是根据所述角色信息视角所关注的维度信息进行确定;
根据所述待展示的维度路径生成数据透视表。
5.根据权利要求4所述的方法,其特征在于,还包括:
按照所述维度在所述数据主体的原始数据中的层级关系信息,建立层级关系邻接表,并生成树型数据结构,保留树中各节点的原始数据;
所述根据所述待展示的维度路径生成数据透视表,包括:
根据所述树型数据结构查询所述维度路径上各维度对应的指标数据,并生成数据透视表。
6.根据权利要求5所述的方法,其特征在于,还包括:
在展示所述数据透视表时,还展示所述维度路径中包括的各维度信息,并为所述维度提供用于执行上卷或下钻操作的操作选项;
通过该操作选项接收到针对目标维度的上卷或者下钻请求后,根据所述树型数据结构中记录的维度层级关系,对树型结在对应层级上进行移动的方式,提供对应的上卷或下钻结果。
7.根据权利要求4所述的方法,其特征在于,还包括:
根据所述用户在组织机构中的角色信息,确定所述用户所在岗位的下级岗位;
根据所述下级岗位提供可选的其他角色选项,以便通过切换角色选项,从其他角色视角视角所关注的维度信息提供所述数据透视表。
8.根据权利要求4所述的方法,其特征在于,
提供用于对维度路径进行修改的操作选项;
通过该操作选项接收到修改请求后,提供配置界面,所述配置界面中包括可选维度展示区域,以及已选维度展示区域,其中,所述可选维度展示区域中包括根据所述数据主体提供的可选的维度列表,以及用于对维度进行选择的操作选项;
通过所述配置界面确定更新后的维度路径,并根据更新后的维度路径更新数据透视表。
9.根据权利要求8所述的方法,其特征在于,还包括:
响应于对所述已选维度展示区域中的已选维度进行的拖动操作,修改所述已选维度的先后顺序,以及对应的维度路径。
10.根据权利要求8所述的方法,其特征在于,还包括:
如果所述可选维度展示区域中被选中的维度是某低层级维度,则在所述已选维度展示区域中提供用于对所述低层级维度的上一层级维度的属性成员进行选定的操作选项,以便在生成所述数据透视表时,在该属性成员对应的下层维度上的指标。
11.根据权利要求8所述的方法,其特征在于,还包括:
在所述已选维度展示区域中提供两个子区域,分别对应于行维度以及列维度;
根据所选择的行维度以及列维度生成双向的数据透视表。
12.根据权利要求4至11任一项所述的方法,其特征在于,
所述确定待分析的数据,包括:
提供用于选择所负责域的操作选项;
根据被选中的域提供可选的数据主体标识;
将被选中的数据主体标识提交到服务器,由所述服务器从关联的数据服务器中拉取对应的原始数据,并返回;
将所述数据主体对应的原始数据保存在当前所在的终端设备本地。
13.根据权利要求4至11任一项所述的方法,其特征在于,
所述确定待分析的数据,包括:
提供用于从当前所在终端设备本地选择待分析数据的操作选项;
将通过所述操作选项选择的数据确定为待分析数据。
14.根据权利要求4至11任一项所述的方法,其特征在于,
所述组织机构包括提供商品对象销售服务的组织机构;
所述组织机构中的职能部门包括采购部门,市场部门或财务部门;
所述数据主体包括对账单数据,核算数据,结算数据或发票数据。
15.一种数据透视表处理装置,其特征在于,包括:
角色信息识别单元,用于根据当前登录用户的身份标识信息,确定用户在目标组织机构中的角色信息;所述角色信息包括:用户所在的职能部门以及岗位信息;
数据主体确定单元,用于确定待分析的数据,以及所述数据中包括的维度以及指标信息;
维度路径确定单元,用于根据所述当前登录用户对应的角色信息,确定待展示的维度路径,所述维度路径是根据所述角色信息视角所关注的维度信息进行确定;
数据透视表生成单元,用于根据所述待展示的维度路径生成数据透视表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811333494.XA CN111177206B (zh) | 2018-11-09 | 2018-11-09 | 数据透视表处理方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811333494.XA CN111177206B (zh) | 2018-11-09 | 2018-11-09 | 数据透视表处理方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111177206A true CN111177206A (zh) | 2020-05-19 |
CN111177206B CN111177206B (zh) | 2023-07-11 |
Family
ID=70622104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811333494.XA Active CN111177206B (zh) | 2018-11-09 | 2018-11-09 | 数据透视表处理方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111177206B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112148778A (zh) * | 2020-09-24 | 2020-12-29 | 普华云创科技(北京)有限公司 | 一种数据统计结果的展示方法与系统 |
CN112801474A (zh) * | 2021-01-15 | 2021-05-14 | 上海商汤智能科技有限公司 | 数据处理方法及装置、电子设备和存储介质 |
CN112990830A (zh) * | 2021-04-25 | 2021-06-18 | 浙江口碑网络技术有限公司 | 存取件过程中的角色切换方法、装置及计算设备 |
CN114666141A (zh) * | 2022-03-24 | 2022-06-24 | 阿里云计算有限公司 | 基于平台即服务的数据处理方法、设备、介质及产品 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6707454B1 (en) * | 1999-07-01 | 2004-03-16 | Lucent Technologies Inc. | Systems and methods for visualizing multi-dimensional data in spreadsheets and other data structures |
US20070211056A1 (en) * | 2006-03-08 | 2007-09-13 | Sudip Chakraborty | Multi-dimensional data visualization |
CN103714114A (zh) * | 2012-10-05 | 2014-04-09 | 成功要素股份有限公司 | 自然语言度量条件警告编排 |
CN107357812A (zh) * | 2017-05-31 | 2017-11-17 | 阿里巴巴集团控股有限公司 | 一种数据查询方法及装置 |
CN107766355A (zh) * | 2016-08-17 | 2018-03-06 | 腾讯科技(深圳)有限公司 | 层级数据管理方法、层级数据管理系统及即时通信系统 |
CN107807932A (zh) * | 2016-09-08 | 2018-03-16 | 腾讯科技(深圳)有限公司 | 一种基于路径枚举的层级数据管理方法和系统 |
-
2018
- 2018-11-09 CN CN201811333494.XA patent/CN111177206B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6707454B1 (en) * | 1999-07-01 | 2004-03-16 | Lucent Technologies Inc. | Systems and methods for visualizing multi-dimensional data in spreadsheets and other data structures |
US20070211056A1 (en) * | 2006-03-08 | 2007-09-13 | Sudip Chakraborty | Multi-dimensional data visualization |
CN103714114A (zh) * | 2012-10-05 | 2014-04-09 | 成功要素股份有限公司 | 自然语言度量条件警告编排 |
CN107766355A (zh) * | 2016-08-17 | 2018-03-06 | 腾讯科技(深圳)有限公司 | 层级数据管理方法、层级数据管理系统及即时通信系统 |
CN107807932A (zh) * | 2016-09-08 | 2018-03-16 | 腾讯科技(深圳)有限公司 | 一种基于路径枚举的层级数据管理方法和系统 |
CN107357812A (zh) * | 2017-05-31 | 2017-11-17 | 阿里巴巴集团控股有限公司 | 一种数据查询方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112148778A (zh) * | 2020-09-24 | 2020-12-29 | 普华云创科技(北京)有限公司 | 一种数据统计结果的展示方法与系统 |
CN112801474A (zh) * | 2021-01-15 | 2021-05-14 | 上海商汤智能科技有限公司 | 数据处理方法及装置、电子设备和存储介质 |
CN112990830A (zh) * | 2021-04-25 | 2021-06-18 | 浙江口碑网络技术有限公司 | 存取件过程中的角色切换方法、装置及计算设备 |
CN114666141A (zh) * | 2022-03-24 | 2022-06-24 | 阿里云计算有限公司 | 基于平台即服务的数据处理方法、设备、介质及产品 |
Also Published As
Publication number | Publication date |
---|---|
CN111177206B (zh) | 2023-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10817534B2 (en) | Systems and methods for interest-driven data visualization systems utilizing visualization image data and trellised visualizations | |
CN111177206B (zh) | 数据透视表处理方法、装置及系统 | |
US10459940B2 (en) | Systems and methods for interest-driven data visualization systems utilized in interest-driven business intelligence systems | |
US9558238B2 (en) | Distinction entities for segmentation | |
US10452668B2 (en) | Smart defaults for data visualizations | |
US7007029B1 (en) | System for visualizing information in a data warehousing environment | |
US9292545B2 (en) | Entity fingerprints | |
US8122337B2 (en) | Apparatus and method for navigating a multi-dimensional database | |
US9934299B2 (en) | Systems and methods for interest-driven data visualization systems utilizing visualization image data and trellised visualizations | |
US20100114665A1 (en) | Customer reference generator | |
US20090096812A1 (en) | Apparatus and method for morphing data visualizations | |
US20130304725A1 (en) | Systems and methods for dynamically selecting graphical query result display modes | |
CN104102670A (zh) | 绩效指标分析框架 | |
WO2006127308A2 (en) | Derivative relationship news event reporting | |
CN114510735B (zh) | 基于角色管理的智慧共享财务管理方法及平台 | |
US20200278977A1 (en) | Systems and methods for selecting datasets | |
US9606997B2 (en) | Inferred operations for data analysis | |
Orlovskyi et al. | A Business Intelligence Dashboard Design Approach to Improve Data Analytics and Decision Making. | |
US20200286022A1 (en) | Platform for In-Memory Analysis of Network Data Applied to Site Selection with Current Market Information, Demand Estimates, and Competitor Information | |
Bhaskara et al. | Data warehouse implemantation to support batik sales information using MOLAP | |
CN111415067A (zh) | 企业及个人信用评级系统 | |
Li et al. | Supporting large-scale geographical visualization in a multi-granularity way | |
US7636709B1 (en) | Methods and systems for locating related reports | |
US8270612B2 (en) | Mapping compound keys | |
US20190266526A1 (en) | Multi-dimensional organization of data for efficient analysis |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230620 Address after: Room 210, 2nd Floor, Juyang Building, No. 1200 Pudong Avenue, China (Shanghai) Pilot Free Trade Zone, Pudong New Area, Shanghai Applicant after: HEMA (China) Co.,Ltd. Address before: Box 847, four, Grand Cayman capital, Cayman Islands, UK Applicant before: ALIBABA GROUP HOLDING Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |