CN111666304B - 数据处理装置、数据处理方法、存储介质与电子设备 - Google Patents
数据处理装置、数据处理方法、存储介质与电子设备 Download PDFInfo
- Publication number
- CN111666304B CN111666304B CN202010499347.0A CN202010499347A CN111666304B CN 111666304 B CN111666304 B CN 111666304B CN 202010499347 A CN202010499347 A CN 202010499347A CN 111666304 B CN111666304 B CN 111666304B
- Authority
- CN
- China
- Prior art keywords
- data
- channel
- source data
- source
- group
- 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
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
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Finance (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Accounting & Taxation (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Fuzzy Systems (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种数据处理装置、方法、存储介质与电子设备,涉及数据处理技术领域。其中,所述装置包括:数据接收模块,用于接收用户数据,根据业务类型将用户数据划分为一组或多组源数据;第一分类模块,用于当源数据包括渠道信息时,根据渠道信息确定每组源数据所属的业务渠道;第二分类模块,用于当源数据不包括渠道信息时,利用预设维度从每组源数据提取特征数据,并匹配特征数据与各业务渠道中的历史数据,以确定每组源数据所属的业务渠道;数据统计模块,用于根据各业务渠道的源数据统计各业务渠道的指标数据。本公开能够在源数据不包括渠道信息时识别其所属的业务渠道,实现各业务渠道指标数据的自动化统计与分析,提高数据处理效率。
Description
背景技术
在“互联网+”时代,与传统的业务场景相比,业务来源的渠道更加多样化。例如,传统的保险业务主要依赖于保险推销人员的人为推广,而“互联网+保险业务”可以通过互联网服务、合作商的互联网应用、用户推广码等多元化的方式进行推广。
在此情况下,为了对各业务渠道进行评估,需要确定每一笔业务数据来源于哪个渠道,以便于做进一步统计。相关技术中,通常需要人为进行数据回查,以确定业务数据所属的业务渠道。但是这样效率很低,特别是随着业务流程的复杂化,数据追踪点不断增多,数据回查的工作量呈指数级升高;并且,在一些关键信息(如某一关键的数据追踪点的信息)丢失的情况下,无法回查出数据的来源渠道。
需要说明的是,上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。
发明内容
本公开提供一种数据处理装置、数据处理方法、计算机可读存储介质与电子设备,进而至少在一定程度上改善相关技术中回查数据的业务渠道效率较低的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的第一方面,提供一种数据处理装置,包括:数据接收模块,用于接收用户数据,根据业务类型将所述用户数据划分为一组或多组源数据;第一分类模块,用于当所述源数据包括渠道信息时,根据所述渠道信息确定每组源数据所属的业务渠道;第二分类模块,用于当所述源数据不包括渠道信息时,利用预设维度从每组源数据提取特征数据,并匹配所述特征数据与各业务渠道中的历史数据,以确定每组源数据所属的业务渠道;数据统计模块,用于根据各业务渠道的源数据统计各业务渠道的指标数据。
可选的,所述第二分类模块,还用于通过以下方式确定所述预设维度:对各数据维度进行组合,得到多组候选维度;分别利用每组候选维度从各业务渠道的历史数据中提取向量,并对所述向量进行聚类,得到每组候选维度对应的聚类结果;将聚类结果的准确度最高的候选维度作为所述预设维度。
可选的,所述用户数据包括互联网保险数据;所述业务类型包括不同的保险类型;所述业务渠道包括以下任意一种或多种:保险销售人员、医疗机构、汽车销售机构、用户、KOL(Key Opinion Leader,关键意见领袖)。
可选的,所述数据接收模块,还用于在得到所述源数据之后,将所述源数据保存至缓存数据库。
可选的,所述用户数据来源于第三方应用;所述数据接收模块,还用于获取所述第三方应用中的用户标识并添加至对应的所述源数据中;所述数据统计模块,还用于确定统计范围对应的用户标识集,并从所述缓存数据库中获取所述用户标识集中每个用户标识所关联的源数据,以统计各业务渠道在所述统计范围内的指标数据。
可选的,所述数据统计模块,还用于通过聚类分析所述源数据的方式统计每种业务渠道的销售数据。
可选的,所述数据统计模块,还用于在聚类分析所述源数据之前,对所述源数据进行数据审核。
根据本公开的第二方面,提供一种数据处理方法,包括:接收用户数据,根据业务类型将所述用户数据划分为一组或多组源数据;当所述源数据包括渠道信息时,根据所述渠道信息确定每组源数据所属的业务渠道;当所述源数据不包括渠道信息时,利用预设维度从每组源数据提取特征数据,并匹配所述特征数据与各业务渠道中的历史数据,以确定每组源数据所属的业务渠道;根据各业务渠道的源数据统计各业务渠道的指标数据。
根据本公开的第三方面,提供一种计算机存储介质,其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上述第二方面所述的数据处理方法及其可能的实现方式。
根据本公开的第四方面,提供一种电子设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述第二方面所述的数据处理方法及其可能的实现方式。
本公开的技术方案具有以下技术效果:
一方面,本方案能够在源数据不包括渠道信息时,通过挖掘数据之间的相似性与匹配性,准确识别源数据所属的业务渠道,适用范围较广,且无需人为对数据追踪点进行回查,提高了数据处理效率。另一方面,本方案实现了以业务渠道为基准的用户数据自动化分类,以及各业务渠道指标数据的自动化统计,所得到的指标数据能够为业务开展提供有效的指导信息。
本公开应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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示出本公开示例性实施方式运行环境的系统架构示意图;
图2示出本公开示例性实施方式中一种数据处理装置的结构示意图;
图3示出本公开示例性实施方式中确定预设维度的流程示意图;
图4示本公开示例性实施方式中一种数据处理方法的流程示意图;
图5示出本公开示例性实施方式中电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
随着信息技术的发展,互联网与各行业持续融合,并不断推动产业转型升级,创造出新业务、新产品与新模式,构建出融合互联的新生态,带来极大的新价值,也将极大地提升企业的效能和竞争力。例如,互联网与保险的融合,拓宽了保险营销的渠道,更从产品设计、营销、售后服务等全生命周期上颠覆了传统保险行业,成为保险领域的生产者和价值创造者。因此,有必要对不同业务渠道的数据进行统计处理与分析,从而挖掘更有价值的渠道,推进业务的进一步拓展。
本公开的示例性实施方式提供一种数据处理装置与数据处理方法,可以应用于各种数据处理场景,例如:对不同渠道的互联网保险数据进行统计处理等。图1示出了该装置与方法运行环境的系统架构图,参考图1所示,该系统架构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,以接收或发送请求指令等。终端设备101、102、103上可以安装有各种客户端应用,例如保险服务类App(Application,应用程序)、购物类App、网页浏览器、搜索类应用、即时通信工具、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,包括但不限于智能手机、平板电脑、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与数据处理的服务器,例如接收用户利用终端设备101、102、103输入的信息或指令,以及用户使用保险服务类App期间的用户数据等。
需要说明的是,本示例性实施方式的数据处理装置一般配置于服务器105上,相应地,数据处理方法一般由服务器105执行。
图2示出本示例性实施方式中数据处理装置的结构图。参考图2所述,该数据处理装置200包括以下模块:
数据接收模块210,用于接收用户数据,根据业务类型将用户数据划分为一组或多组源数据。
其中,用户数据一般是用户基于互联网行为所产生的应用数据,例如可以是用户通过互联网服务购买保险的互联网保险数据。互联网服务一般划分为不同的业务板块,每个板块为一种业务类型,该板块的用户数据划分为一组源数据。例如,用户数据来源于第三方应用,可以以第三方应用中的业务类型为维度,对用户数据进行划分,每种业务类型的用户数据为一组源数据。当用户数据为互联网保险数据时,可以以不同的保险类型作为不同的业务类型,对互联网保险数据进行划分,例如将人身保险、财产保险、健康保险、人身意外伤害保险、人寿保险、生存保险、两全保险、大病保险、责任保险、公众责任险、雇主责任险、职业责任险等每个险种下的用户数据分别形成一组源数据。
进一步的,数据接收模块210,还可以根据时间段对用户数据进行划分,使每个时间段(如一天)内、每种业务类型的用户数据形成一组源数据。
在一种可选的实施方式中,数据接收模块210,还可以获取第三方应用中的用户标识并添加至对应的源数据中。第三方应用中的用户标识可以是用户名、用户编号、手机号等。例如,从第三方应用中获取用户A的数据,划分为多组源数据后,将用户A的标识添加至每组源数据中,以标识出源数据所属的用户。
在一种可选的实施方式中,数据接收模块210,还可以在得到源数据之后,将源数据保存至缓存数据库(如redis),以便于后续其他模块能够从缓存数据库中快速读取数据。
第一分类模块220,用于当源数据包括渠道信息时,根据渠道信息确定每组源数据所属的业务渠道。
渠道信息用于表示源数据关联于哪种业务渠道,例如可以通过渠道标识来区分不同的业务渠道。在保险业务中,业务渠道可以包括以下任意一种或多种:保险销售人员、医疗机构、汽车销售机构、用户、KOL等。
一般的,当用户通过某一业务渠道进入服务平台或者发生与平台的交互行为时,可以在其行为数据中添加该业务渠道的信息。示例性的,用户通过手机中的第三方应用,扫描某一渠道的标识码(如扫描A渠道某一保险推销人员提供的二维码,扫描B渠道某一其他用户推荐的二维码,或者扫描C渠道某一KOL展示的二维码等),注册到慢病系统中。该标识码带有渠道信息(如保险推销人员的信息,推荐用户的信息,KOL的信息等)等,因此后台可以为注册这一行为数据添加渠道标识,后续用户在慢病系统中咨询并购买产品服务时,也可以对购买行为数据添加渠道标识。
由此,通过解析源数据中的渠道信息,可以确定其所属的业务渠道。一组源数据可能属于一种或多种业务渠道,本公开对此不做限定。
本示例性实施方式中,确定源数据所属的业务渠道,可以看作是对源数据的一次聚类。
需要说明的是,在很多情况下,用户数据中可能不携带渠道信息,利用用户扫描二维码进入慢病系统后,过了一段时间才购买产品,后台无法确定购买行为属于哪种业务渠道,或者丢失渠道信息等。这部分用户数据划分得到的源数据中,不包括渠道信息,需要由第二分类模块230对其进行处理。
第二分类模块230,用于当源数据不包括渠道信息时,利用预设维度从每组源数据提取特征数据,并匹配特征数据与各业务渠道中的历史数据,以确定每组源数据所属的业务渠道。
预设维度是源数据(或用户数据)中指定的一个或多个数据指标或属性,通常是与业务渠道相关的维度。在一种可选的实施方式中,参考图3所示,第二分类模块230,还用于通过执行以下步骤S310至S330,确定预设维度:
步骤S310,对各数据维度进行组合,得到多组候选维度;
步骤S320,分别利用每组候选维度从各业务渠道的历史数据中提取向量,并对向量进行聚类,得到每组候选维度对应的聚类结果;
步骤S330,将聚类结果的准确度最高的候选维度作为预设维度。
上述数据维度可以包括用户数据中所有的维度,包括所有的指标、属性等,对其中的维度可以进行任意组合,例如所有数据维度形成维度集合Q,通过组合的方式获取Q的所有子集(除空集),每个子集中的维度为一组候选维度。
各业务渠道的历史数据可以是:包含渠道信息,因此确定了业务渠道的历史源数据。以候选维度Q1={q1,q2,…,qm}为例,在各业务渠道的历史数据中,将维度q1、q2、…、qm下的数据提取出来,经过规则化处理后,形成向量,通常一组历史数据形成一个向量。然后对这些向量进行聚类,例如业务渠道的数量为K,则以K均值法将向量聚为K个类别。再对比这K个类别与各业务渠道是否一致,计算准确度;由于在对历史数据确定其所属的业务渠道时,相当于对历史数据进行了一次聚类,在此通过候选维度提取向量后进行另一次聚类,准确度用于表征两次聚类的结果一致的程度,准确度越高,说明聚类得到的K个类别与各业务渠道越接近。最后将准确度最高的候选维度作为预设维度。
在一种可选的实施方式中,可以计算每组历史数据经过聚类后是否被划分至正确的类中,统计正确划分的历史数据的比例,作为准确度。例如,历史数据D1、D4、D7属于业务渠道A,D2、D6属于业务渠道B,D3、D5属于业务渠道C;聚类后D1、D4为一个类别,D2、D6、D7为一个类别,D3、D5为一个类别;可见,D7被错误的划分至其他类别中,其他历史数据的划分正确,计算准确度为6/7=85.7%。
此外,还可以通过其他方式计算准确度,如计算各聚类中心之间的距离,距离越远则准确度越高等,本公开对此不做限定。
在确定预设维度后,可以利用预设维度从源数据中提取特征数据,一般每组源数据的特征数据形成一组对应的特征向量。然后将特征向量与各业务渠道中历史数据所提取(同样是利用预设维度提取)的历史向量进行匹配,一般是计算特征向量与各业务渠道的聚类中心的距离,将其划分至最近的业务渠道中,从而为每组源数据确定所属的业务渠道。
需要说明的是,对于同一用户,其不同时间段或不同业务类型所对应的源数据,可能属于不同的业务渠道。例如,用户S参与了健康保险和人身意外伤害保险两种,对于其互联网保险数据中的健康保险,确定用户S的购买渠道为保险销售人员m和KOL1,对于其互联网保险数据中的人身意外伤害保险,确定购买渠道为保险销售人员n和KOL2。
数据统计模块240,用于根据各业务渠道的源数据统计各业务渠道的指标数据。
其中,指标数据可以是根据实际需求确定的任意指标的统计数据,如反映业绩的销售金额、用户引流数量(即每个业务渠道引入了多少用户)、渠道活跃度等。
一般的,在统计指标数据时,可以设置一定的统计范围,如可以是时间区间,也可以是地区范围等。在一种可选的实施方式中,数据统计模块240,还可以确定统计范围对应的用户标识集,并从缓存数据库中获取用户标识集中每个用户标识所关联的源数据,以统计各业务渠道在该统计范围内的指标数据。示例性的,上述统计范围为2019年第二季度,则可以首先统计在2019年第二季度购买互联网保险的用户,得到用户标识集,然后在上述缓存数据库中查找获取其中每个用户标识关联的源数据,再根据每组源数据所属的不同业务渠道,统计每种业务渠道下的源数据,如在业务渠道A的源数据中,统计购买金额之和,得到业务渠道A的销售金额。
在一种可选的实施方式中,可以为每种业务渠道设置对应的数据空间,如可以是数据库系统中的容器,不同业务渠道的数据空间之间相互隔离。上述第一分类模块220与第二分类模块230,在确定源数据所属的业务渠道后,还可以将源数据写入对应的数据空间中。相应的,数据统计模块240可以分别对每个数据空间中的源数据进行统计,以得到上述指标数据。
在一种可选的实施方式中,数据统计模块240,还用于通过聚类分析源数据的方式统计每种业务渠道的销售数据。通过聚类处理分析源数据,目的在于查看各个维度的数据,以在不同维度上进行指标统计,得到更加精细的统计结果。例如,根据保险销售人员的维度,统计每种业务渠道的保险销售人员对不同险种的销售情况,可以从业务渠道、险种的细分维度下评估业务状况。
进一步的,数据统计模块240,还可以在聚类分析源数据之前,对源数据进行数据审核,以排除有问题的行或者列,对数据的质量和字段分布进行优化,提升数据统计结果的准确度。
图4示出了本示例性实施方式中的数据处理方法,包括以下步骤S410至S440:
步骤S410,接收用户数据,根据业务类型将用户数据划分为一组或多组源数据;
步骤S420,当源数据包括渠道信息时,根据渠道信息确定每组源数据所属的业务渠道;
步骤S430,当源数据不包括渠道信息时,利用预设维度从每组源数据提取特征数据,并匹配特征数据与各业务渠道中的历史数据,以确定每组源数据所属的业务渠道;
步骤S440,根据各业务渠道的源数据统计各业务渠道的指标数据。
在一种可选的实施方式中,预设维度了可以通过以下方式确定:
对各数据维度进行组合,得到多组候选维度;
分别利用每组候选维度从各业务渠道的历史数据中提取向量,并对向量进行聚类,得到每组候选维度对应的聚类结果;
将聚类结果的准确度最高的候选维度作为预设维度。
在一种可选的实施方式中,上述用户数据包括互联网保险数据。
上述业务类型包括不同的保险类型。
上述业务渠道包括以下任意一种或多种:
保险销售人员、医疗机构、汽车销售机构、用户、关键意见领袖KOL。
在一种可选的实施方式中,在根据业务类型将用户数据划分为一组或多组源数据后,所述数据处理方法还包括:
将源数据保存至缓存数据库。
在一种可选的实施方式中,上述用户数据来源于第三方应用。
所述数据处理方法还包括:
获取第三方应用中的用户标识并添加至对应的源数据中。
在统计各业务渠道的指标数据前,还可以确定统计范围对应的用户标识集,并从缓存数据库中获取用户标识集中每个用户标识所关联的源数据,以在后续统计各业务渠道在统计范围内的指标数据。
在一种可选的实施方式中,还可以通过聚类分析源数据的方式统计每种业务渠道的销售数据。
在一种可选的实施方式中,在聚类分析源数据之前,还可以对源数据进行数据审核。
上述方法部分的具体细节在装置部分的实施方式中已经详细说明,因而不再赘述。
综上所述,一方面,本方案能够在源数据不包括渠道信息时,通过挖掘数据之间的相似性与匹配性,准确识别源数据所属的业务渠道,适用范围较广,且无需人为对数据追踪点进行回查,提高了数据处理效率。另一方面,本方案实现了以业务渠道为基准的用户数据自动化分类,以及各业务渠道指标数据的自动化统计,所得到的指标数据能够为业务开展提供有效的指导信息。
另外,本示例性实施方式提供的不同业务渠道的指标数据统计处理方案,可用于解决保险业务渠道拓展的问题,通过准确分析各个渠道的盈利与引流情况,能够为保险企业拓宽市场、提升业绩提供有力支撑。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开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“系统”。
本公开的示例性实施方式还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在电子设备上运行时,程序代码用于使电子设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。该程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在电子设备,例如个人电脑上运行。然而,本公开的程序产品不限于此,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系统、装置或者器件使用或者与其结合使用。
程序产品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为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,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。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
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公开操作的程序代码,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、作为一个独立的软件包执行、部分在用户计算设备上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)。
本公开的示例性实施方式还提供了一种能够实现上述方法的电子设备。下面参照图5来描述根据本公开的这种示例性实施方式的电子设备500。图5显示的电子设备500仅仅是一个示例,不应对本公开实施方式的功能和使用范围带来任何限制。
如图5所示,电子设备500可以以通用计算设备的形式表现。电子设备500的组件可以包括但不限于:至少一个处理单元510、至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530和显示单元540。
存储单元520存储有程序代码,程序代码可以被处理单元510执行,使得处理单元510执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如,处理单元510可以执行图3、图4中任意一个或多个方法步骤。
存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)521和/或高速缓存存储单元522,还可以进一步包括只读存储单元(ROM)523。
存储单元520还可以包括具有一组(至少一个)程序模块525的程序/实用工具524,这样的程序模块525包括但不限于:操作系统、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。
总线530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备500交互的设备通信,和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且,电子设备500还可以通过网络适配器560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560通过总线530与电子设备500的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备500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系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开示例性实施方式的方法。
此外,上述附图仅是根据本公开示例性实施方式的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的示例性实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (9)
1.一种数据处理装置,其特征在于,所述装置包括:
数据接收模块,用于接收用户数据,根据业务类型将所述用户数据划分为一组或多组源数据;
第一分类模块,用于当所述源数据包括渠道信息时,根据所述渠道信息确定每组源数据所属的业务渠道;
第二分类模块,用于当所述源数据不包括渠道信息时,利用预设维度从每组源数据提取特征数据,并匹配所述特征数据与各业务渠道中的历史数据,以确定每组源数据所属的业务渠道;
数据统计模块,用于根据各业务渠道的源数据统计各业务渠道的指标数据;
其中,所述第二分类模块,还用于通过以下方式确定所述预设维度:
对各数据维度进行组合,得到多组候选维度;
分别利用每组候选维度从各业务渠道的历史数据中提取向量,并对所述向量进行聚类,得到每组候选维度对应的聚类结果;
将聚类结果的准确度最高的候选维度作为所述预设维度。
2.根据权利要求1所述的数据处理装置,其特征在于,所述用户数据包括互联网保险数据;所述业务类型包括不同的保险类型;所述业务渠道包括以下任意一种或多种:保险销售人员、医疗机构、汽车销售机构、用户、关键意见领袖KOL。
3.根据权利要求1所述的数据处理装置,其特征在于,所述数据接收模块,还用于在得到所述源数据之后,将所述源数据保存至缓存数据库。
4.根据权利要求3所述的数据处理装置,其特征在于,所述用户数据来源于第三方应用;
所述数据接收模块,还用于获取所述第三方应用中的用户标识并添加至对应的所述源数据中;
所述数据统计模块,还用于确定统计范围对应的用户标识集,并从所述缓存数据库中获取所述用户标识集中每个用户标识所关联的源数据,以统计各业务渠道在所述统计范围内的指标数据。
5.根据权利要求1所述的数据处理装置,其特征在于,所述数据统计模块,还用于通过聚类分析所述源数据的方式统计每种业务渠道的销售数据。
6.根据权利要求5所述的数据处理装置,其特征在于,所述数据统计模块,还用于在聚类分析所述源数据之前,对所述源数据进行数据审核。
7.一种数据处理方法,其特征在于,所述方法包括:
接收用户数据,根据业务类型将所述用户数据划分为一组或多组源数据;
当所述源数据包括渠道信息时,根据所述渠道信息确定每组源数据所属的业务渠道;
当所述源数据不包括渠道信息时,利用预设维度从每组源数据提取特征数据,并匹配所述特征数据与各业务渠道中的历史数据,以确定每组源数据所属的业务渠道;
根据各业务渠道的源数据统计各业务渠道的指标数据;
其中,在所述利用预设维度从每组源数据提取特征数据之前,所述方法还包括:
对各数据维度进行组合,得到多组候选维度;
分别利用每组候选维度从各业务渠道的历史数据中提取向量,并对所述向量进行聚类,得到每组候选维度对应的聚类结果;
将聚类结果的准确度最高的候选维度作为所述预设维度。
8.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求7所述的数据处理方法。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求7所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010499347.0A CN111666304B (zh) | 2020-06-04 | 2020-06-04 | 数据处理装置、数据处理方法、存储介质与电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010499347.0A CN111666304B (zh) | 2020-06-04 | 2020-06-04 | 数据处理装置、数据处理方法、存储介质与电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111666304A CN111666304A (zh) | 2020-09-15 |
CN111666304B true CN111666304B (zh) | 2023-05-05 |
Family
ID=72386168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010499347.0A Active CN111666304B (zh) | 2020-06-04 | 2020-06-04 | 数据处理装置、数据处理方法、存储介质与电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111666304B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184005A (zh) * | 2020-09-25 | 2021-01-05 | 中国建设银行股份有限公司 | 一种运营任务分类方法、装置、设备和存储介质 |
CN112163072A (zh) * | 2020-09-30 | 2021-01-01 | 北京金堤征信服务有限公司 | 基于多数据源的数据处理方法以及装置 |
CN112488412A (zh) * | 2020-12-11 | 2021-03-12 | 北京字跳网络技术有限公司 | 时长信息确定方法、装置、电子设备及计算机存储介质 |
CN113780716A (zh) * | 2021-07-09 | 2021-12-10 | 北京鼎立保险经纪有限责任公司 | 一种业务台账生成系统 |
CN116596414A (zh) * | 2023-07-07 | 2023-08-15 | 北京龙驹易行科技有限公司 | 代驾服务的下单分销方法、装置、计算机设备和存储介质 |
CN116595567A (zh) * | 2023-07-17 | 2023-08-15 | 绿城科技产业服务集团有限公司 | 一种基于多数据源的动态数据隔离方法和系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006285435A (ja) * | 2005-03-31 | 2006-10-19 | Oki Electric Ind Co Ltd | 金融機関チャネル連携システム及びチャネル連携装置 |
CN108710668B (zh) * | 2018-05-15 | 2022-09-30 | 中国平安人寿保险股份有限公司 | 业务统计方法、装置、计算机设备及存储介质 |
CN109460439A (zh) * | 2018-11-14 | 2019-03-12 | 泰康保险集团股份有限公司 | 一种数据处理方法、装置、介质和电子设备 |
CN111221868A (zh) * | 2018-11-26 | 2020-06-02 | 国网上海市电力公司 | 一种应用于电力客户渠道偏好的数据挖掘与分析方法 |
CN110413650B (zh) * | 2019-07-31 | 2022-10-04 | 广州虎牙科技有限公司 | 一种业务数据的处理方法、装置、设备和存储介质 |
CN110442621A (zh) * | 2019-08-06 | 2019-11-12 | 普信恒业科技发展(北京)有限公司 | 分类统计方法、装置及系统 |
CN111161085B (zh) * | 2019-11-28 | 2023-08-22 | 泰康保险集团股份有限公司 | 业务请求处理方法、装置、电子设备及计算机可读介质 |
-
2020
- 2020-06-04 CN CN202010499347.0A patent/CN111666304B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111666304A (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111666304B (zh) | 数据处理装置、数据处理方法、存储介质与电子设备 | |
EP3989131A1 (en) | Method and system for realizing machine learning modeling process | |
US11823072B2 (en) | Customer behavior predictive modeling | |
US8886654B2 (en) | Infrastructure and architecture for development and execution of predictive models | |
CN109872230B (zh) | 金融数据分析系统的测试方法、装置、介质、电子设备 | |
CN111966886A (zh) | 对象推荐方法、对象推荐装置、电子设备及存储介质 | |
CN111191677B (zh) | 用户特征数据生成方法、装置及电子设备 | |
CN110162518B (zh) | 数据分组方法、装置、电子设备及存储介质 | |
CN111598360A (zh) | 服务策略确定方法、装置及电子设备 | |
CN113297287A (zh) | 用户策略自动部署方法、装置及电子设备 | |
CN113837843B (zh) | 产品推荐方法、装置、介质及电子设备 | |
CN112256566B (zh) | 一种测试案例的保鲜方法和装置 | |
CN114330720A (zh) | 用于云计算的知识图谱构建方法、设备及存储介质 | |
US11487964B2 (en) | Comprehensive data science solution for segmentation analysis | |
CN112307334A (zh) | 信息推荐方法、信息推荐装置、存储介质与电子设备 | |
CN112950392A (zh) | 信息展示方法、后验信息确定方法及装置及相关设备 | |
CN112200602A (zh) | 用于广告推荐的神经网络模型训练方法及装置 | |
CN112328899A (zh) | 信息处理方法、信息处理装置、存储介质与电子设备 | |
Biju et al. | Comparative analysis of big data analytics software in assessing sample data | |
CN112487262A (zh) | 一种数据处理的方法和装置 | |
CN117541884A (zh) | 样本数据处理方法、装置、存储介质和系统 | |
US20210142256A1 (en) | User Segment Generation and Summarization | |
CN116932697A (zh) | 一种基于规则引擎优化的业务数据处理方法及相关设备 | |
CN113590677A (zh) | 一种数据处理方法、装置和电子设备 | |
CN117541885A (zh) | 样本数据处理方法、装置、存储介质和系统 |
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 |