CN112001621A - 一种关键指标的智能预警方法 - Google Patents

一种关键指标的智能预警方法 Download PDF

Info

Publication number
CN112001621A
CN112001621A CN202010846737.0A CN202010846737A CN112001621A CN 112001621 A CN112001621 A CN 112001621A CN 202010846737 A CN202010846737 A CN 202010846737A CN 112001621 A CN112001621 A CN 112001621A
Authority
CN
China
Prior art keywords
early warning
limit
edge
key indexes
setting
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.)
Pending
Application number
CN202010846737.0A
Other languages
English (en)
Inventor
陈新宇
方耿生
蒲继强
周健文
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.)
Guangzhou Yunxi Technology Co ltd
Original Assignee
Guangzhou Yunxi 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 Guangzhou Yunxi Technology Co ltd filed Critical Guangzhou Yunxi Technology Co ltd
Priority to CN202010846737.0A priority Critical patent/CN112001621A/zh
Publication of CN112001621A publication Critical patent/CN112001621A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Tourism & Hospitality (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明公开了一种关键指标的智能预警方法，包括：S1，统计关键指标的最近n天的日均值，并与预先设置的预警阈值进行对比，判断日均值是否大于预先设置的预警阈值；若是，则执行步骤S2；S2，触发报警。本发明通过统计关键指标的最近n天的日均值，并与预先设置的预警阈值进行对比，判断日均值是否大于预先设置的预警阈值；若是，则触发报警，并推送消息，因而本发明通过大数据算法阈值实现动态计算和监控，相比静态的人工设定阈值更加精准，不需要定期对监控阈值进行重复测量和调整。

Description

一种关键指标的智能预警方法
技术领域
本发明涉及数据监控预警技术领域，具体涉及一种关键指标的智能预警方法。
背景技术
在数字化时代，企业经营决策越来越注重依赖数据作出科学的分析和推论来辅助判断，以此提高决策的有效性，降低试错成本。而真正用好数据，不仅是满足“人找数据”，更要实现“数据找人”，才能让决策的产出更加及时和高效，也才能称得上将营销/交易/产品/服务等实现“数智化”。
当前商业智能领域常用的预警机制，主要是通过对业务关注的特定指标作统计，并以折线图、柱形图等方式进行可视化，结合业务人员的分析，人为设定指标的监控阈值上下限的静态数值，在数据更新时重复进行统计、对比和判断，若指标的表现超出监控阈值范围，则触发报警和执行推送，同时对指标异常值进行高亮、重点标注等方式提醒用户关注。
上述现有技术的主要缺点是：
(1)用户只有通过对业务关键指标的分析洞察和长时间周期的关注对比，积累经验之后，才能形成对于该指标的监控阈值范围的合理判断，而不能在未知数据分布的情况下，通过默认提供的初始阈值来科学地设定监控范围。
(2)用户手动设置的监控阈值往往是静态地，不能随着业务的发展和指标的演变情况自动动态调整监控阈值，从而做到自动化和动态化的监控；
(3)用户手动设置的监控阈值往往来自经验或业务规则，未结合统计学和大数据方法的标准化分析，其合理性未经验证，且执行监控的ɑ风险和β风险无从评估。
导致上述缺点的主要原因是对于统计方法结合业务数据应用的认知不足和大数据算法能力的缺失，难以支撑对于多指标、多维度、不同时间周期的动态自动化监控。
发明内容
本发明的目的是为了克服以上现有技术存在的不足，提供了一种采用大数据算法阈值实现动态计算和监控的关键指标的智能预警方法。
本发明的目的通过以下的技术方案实现：
一种关键指标的智能预警方法，包括：
S1，统计关键指标的最近n天的日均值，并与预先设置的预警阈值进行对比，判断日均值是否大于预先设置的预警阈值；若是，则执行步骤S2；
S2，触发报警。
优选地，在步骤S1之前还包括预先设置预警；具体步骤为：
设置预警规则和推送条件；
设置完成后，在消息中心生成一个对应的消息事件。
优选地，在设置预警规则包括：设置关键指标、统计日期范围、维度筛选条件和预警阈值。
优选地，在设置推送条件包括：设置预警名称、接收人、推送频率、日期、时间、连续预警次数上限。
优选地，在预警阈值为边缘上限、边缘下限、统计判异规则、自定义值中至少一种。
优选地，在边缘上限、边缘下限的设置方法包括根据关键指标近K天的表现，使用四分位数算法得出边缘上限、边缘下限，K>4。
优选地，在边缘上限、边缘下限的设置方法包括：
边缘上限＝Q3+1.5*IQR；
边缘下限＝Q1-1.5*IQR；
其中，Q1为下四分位数；Q2为中位数；Q3为上四分位数；IQR＝Q3-Q1。
优选地，在边缘上限、边缘下限的设置方法还包括根据均值正负三倍标准差算法计算边缘上限、边缘下限，具体步骤为：
(1)计算关键指标的每个子组的
Figure BDA0002643285670000031
Ri
Figure BDA0002643285670000032
(2)计算关键指标的所有样本的总均值
Figure BDA0002643285670000033
平均样本极差
Figure BDA0002643285670000034
Figure BDA0002643285670000035
(3)分别计算R图的控制上限UCLR和控制下限LCLR；分别计算
Figure BDA0002643285670000036
图的控制上限
Figure BDA0002643285670000037
和控制下限
Figure BDA0002643285670000038
Figure BDA0002643285670000039
当针对关键指标的均值时，将控制上限
Figure BDA00026432856700000310
和控制下限
Figure BDA00026432856700000311
分别作为预警阈值的边缘上限、边缘下限；当针对关键指标的极差时，将控制上限UCLR和控制下限LCLR分别作为预警阈值的边缘上限、边缘下限；
其中系数A2、D3、D4通过如下表格选用：
Figure BDA0002643285670000041
本发明相对于现有技术具有如下优点：
1、本发明通过统计关键指标的最近n天的日均值，并与预先设置的预警阈值进行对比，判断日均值是否大于预先设置的预警阈值；若是，则触发报警，并推送消息，因而本发明通过大数据算法阈值实现动态计算和监控，相比静态的人工设定阈值更加精准，不需要定期对监控阈值进行重复测量和调整；
2、在设置预警规则时，可以针对各项业务关键指标(关键指标)设置不同日期范围、不同维度、不同指标、不同判断条件的预警，支持业务人员灵活多组合的监控预警需求；
3、报警阈值支持通过大数据统计算法规则(四分位数算法和均值正负三倍标准差算法)动态计算自动生成，便于业务人员在不知道如何设定合理的阈值数据时可以选用和参考；
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明的关键指标的智能预警方法的流程示意图。
图2为本发明的设置预警的一界面截面图。
图3为本发明的设置预警的另一界面截面图。
图4(a)为本发明的常用的第一种异常判断示意图。
图4(b)为本发明的常用的第二种异常判断示意图。
图4(c)为本发明的常用的第三种异常判断示意图。
图4(d)为本发明的常用的第四种异常判断示意图。
图4(e)为本发明的常用的第五种异常判断示意图。
图4(f)为本发明的常用的第六种异常判断示意图。
图4(g)为本发明的常用的第七种异常判断示意图。
图4(h)为本发明的常用的第八种异常判断示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
参见图1，一种关键指标的智能预警方法，包括：
S1，统计关键指标的最近n天的日均值，并与预先设置的预警阈值进行对比，判断日均值是否大于预先设置的预警阈值；若是，则执行步骤S2；n≦30。
S2，则触发报警。
比如，假如用户针对流失人数指标设置了预警，按照预警规则(>边缘上限)动态判断，当实际值超过边缘上限(动态计算)时，将会触发报警。
在本实施例，参见图2和图3，在步骤S1之前还包括预先设置预警；具体步骤为：设置预警规则(关键指标、统计日期范围、维度筛选条件和预警阈值)和推送条件(预警名称、接收人、推送频率、日期、时间、连续预警次数上限)；设置完成后，在消息中心生成一个对应的消息事件。其中维度筛选条件支持多个维度串联判断。
在本实施例，预警阈值为边缘上限、边缘下限、统计判异规则、自定义值中至少一种。其中“自定义值”由用户手动输入，边缘上/下限的算法详见以下描述。
参见图4(a)-4(h)，统计判异规则的应用方法包括如下八种异常类型的监控预警，分别为：一个点脱离A区以外；连续的6个点递增或者递减；连续3点中的2点落在中心线B区以外；连续15点在C区；连续9个点在中心线的同一侧；连续14个点中相邻点交替上下；连续5点中4点在中心线同一侧的C区以外；联系8点在中心线两侧，但无一在C区。其中每个点就是指标每天的统计结果，比如选择的指标是单店销售额均值，则每个点就是每天各门店销售额的均值，极差则对应极差值。
其中边缘上限、边缘下限的设置方法包括根据关键指标近K天的表现，使用四分位数算法得出边缘上限、边缘下限，K＝180.具体地，边缘上限、边缘下限的设置方法包括：
边缘上限＝Q3+1.5*IQR；
边缘下限＝Q1-1.5*IQR；
其中，Q1为下四分位数；Q2为中位数；Q3为上四分位数；IQR＝Q3-Q1。以一组某渠道近180天每日会员流失人数的数据为例：
Q1＝900人，Q2＝1000人，Q3＝1200人，IQR＝300人
则计算得到的边缘上/下限为：
边缘上限＝Q3+1.5*IQR＝1650人
边缘下限＝Q1-1.5*IQR＝450人。
作为另一可实施例，边缘上限、边缘下限的设置方法还包括根据均值正负三倍标准差算法计算边缘上限、边缘下限，具体步骤为：
(1)计算关键指标的每个子组的
Figure BDA0002643285670000061
Ri；比如说销售额是一个指标，各个门店就是一个样本集，特定一天的门店就是一个子组。其中R图是极差图，X图是均值图；
Figure BDA0002643285670000071
(2)计算关键指标的所有样本的总均值
Figure BDA0002643285670000072
平均样本极差
Figure BDA0002643285670000073
Figure BDA0002643285670000074
(3)分别计算R图的控制上限UCLR和控制下限LCLR；分别计算
Figure BDA0002643285670000075
图的控制上限
Figure BDA00026432856700000712
和RR控制下UU限CC
Figure BDA0002643285670000077
Figure BDA0002643285670000078
当针对关键指标的极差时，将控制上限UCLR和控制下限LCLR分别作为预警阈值的边缘上限、边缘下限；当针对关键指标的均值时，将控制上限
Figure BDA0002643285670000079
和控制下限
Figure BDA00026432856700000710
分别作为预警阈值的边缘上限、边缘下限；
其中系数A2、D3、D4通过如下表格选用：
Figure BDA00026432856700000711
通过本发明，可以达到以下效果：
1.可以针对各项业务关键指标设置不同日期范围、不同维度、不同指标、不同判断条件的预警，支持业务人员灵活多组合的监控预警需求；
2.报警阈值支持通过大数据统计算法规则动态计算自动生成，便于业务人员在不知道如何设定合理的阈值数据时可以选用和参考；
3.大数据算法阈值实现动态计算和监控，相比静态的人工设定阈值更加精准，不需要定期对监控阈值进行重复测量和调整；
上述具体实施方式为本发明的优选实施例，并不能对本发明进行限定，其他的任何未背离本发明的技术方案而所做的改变或其它等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.一种关键指标的智能预警方法，其特征在于，包括：
S1，统计关键指标的最近n天的日均值，并与预先设置的预警阈值进行对比，判断日均值是否超出预先设置的预警阈值；若是，则执行步骤S2；
S2，触发报警。
2.根据权利要求1所述的关键指标的智能预警方法，其特征在于，在步骤S1之前还包括预先设置预警；具体步骤为：
设置预警规则和推送条件；
设置完成后，在消息中心生成一个对应的消息事件。
3.根据权利要求2所述的关键指标的智能预警方法，其特征在于，设置预警规则包括：
设置关键指标、统计日期范围、维度筛选条件、对比逻辑和预警阈值。
4.根据权利要求2所述的关键指标的智能预警方法，其特征在于，设置推送条件包括：设置预警名称、接收人、推送频率、日期、时间、连续预警次数上限。
5.根据权利要求1所述的关键指标的智能预警方法，其特征在于，预警阈值为边缘上限、边缘下限、统计判异规则、自定义值中至少一种。
6.根据权利要求5所述的关键指标的智能预警方法，其特征在于，边缘上限、边缘下限的设置方法包括根据关键指标近K天的表现，使用四分位数算法得出边缘上限、边缘下限，K>4。
7.根据权利要求6所述的关键指标的智能预警方法，其特征在于，边缘上限、边缘下限的设置方法包括：
边缘上限＝Q3+1.5*IQR；
边缘下限＝Q1-1.5*IQR；
其中，Q1为下四分位数；Q2为中位数；Q3为上四分位数；IQR＝Q3-Q1。
8.根据权利要求5所述的关键指标的智能预警方法，其特征在于，边缘上限、边缘下限的设置方法还包括根据均值正负三倍标准差算法计算边缘上限、边缘下限，具体步骤为：
(1)计算关键指标的每个子组的
Figure FDA0002643285660000021
Ri
Figure FDA0002643285660000022
RRii＝RRmmaaxx-RRmmiinn
(2)计算关键指标的所有样本的总均值
Figure FDA0002643285660000023
平均样本极差
Figure FDA0002643285660000024
Figure FDA0002643285660000025
(3)分别计算R图的控制上限UCLR和控制下限LCLR；分别计算
Figure FDA0002643285660000026
图的控制上限
Figure FDA00026432856600000215
和控制下限
Figure FDA0002643285660000028
Figure FDA0002643285660000029
Figure FDA00026432856600000210
Figure FDA00026432856600000211
当针对关键指标的均值时，将控制上限
Figure FDA00026432856600000212
和控制下限
Figure FDA00026432856600000213
分别作为预警阈值的边缘上限、边缘下限；当针对关键指标的极差时，将控制上限UCLR和控制下限LCLR分别作为预警阈值的边缘上限、边缘下限；
其中系数A2、D3、D4通过如下表格选用：
Figure FDA00026432856600000214
CN202010846737.0A 2020-08-21 2020-08-21 一种关键指标的智能预警方法 Pending CN112001621A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010846737.0A CN112001621A (zh) 2020-08-21 2020-08-21 一种关键指标的智能预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010846737.0A CN112001621A (zh) 2020-08-21 2020-08-21 一种关键指标的智能预警方法

Publications (1)

Publication Number Publication Date
CN112001621A true CN112001621A (zh) 2020-11-27

Family

ID=73473437

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010846737.0A Pending CN112001621A (zh) 2020-08-21 2020-08-21 一种关键指标的智能预警方法

Country Status (1)

Country Link
CN (1) CN112001621A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112720069A (zh) * 2020-12-22 2021-04-30 北京工业大学 刀具磨损监测方法、装置、电子设备及存储介质
CN113626806A (zh) * 2021-07-28 2021-11-09 北京达佳互联信息技术有限公司 数据监控方法及数据监控装置
CN116090910A (zh) * 2023-04-10 2023-05-09 鸣启数字科技(山东)有限公司 基于精益的样品数据报警方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140025547A1 (en) * 2009-11-23 2014-01-23 International Business Machines Corporation Method for supplying electrical power and billing for electrical power supplied using frequency regulation credits
CN103646351A (zh) * 2013-11-08 2014-03-19 安徽科蓝智能技术有限公司 一种基于电、水、气计量变化而甄别窃取事件的检测方法
CN110751371A (zh) * 2019-09-20 2020-02-04 苏宁云计算有限公司 基于统计四分位距的商品库存风险预警方法、系统及计算机可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140025547A1 (en) * 2009-11-23 2014-01-23 International Business Machines Corporation Method for supplying electrical power and billing for electrical power supplied using frequency regulation credits
CN103646351A (zh) * 2013-11-08 2014-03-19 安徽科蓝智能技术有限公司 一种基于电、水、气计量变化而甄别窃取事件的检测方法
CN110751371A (zh) * 2019-09-20 2020-02-04 苏宁云计算有限公司 基于统计四分位距的商品库存风险预警方法、系统及计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄飞等: "《SPC⾥⾯的均值极差图，⾥⾯的极差也是呈正态分布吗》", 《HTTPS://WWW.ZHIHU.COM/QUESTION/35352316》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112720069A (zh) * 2020-12-22 2021-04-30 北京工业大学 刀具磨损监测方法、装置、电子设备及存储介质
CN113626806A (zh) * 2021-07-28 2021-11-09 北京达佳互联信息技术有限公司 数据监控方法及数据监控装置
CN116090910A (zh) * 2023-04-10 2023-05-09 鸣启数字科技(山东)有限公司 基于精益的样品数据报警方法及系统

Similar Documents

Publication Publication Date Title
CN112001621A (zh) 一种关键指标的智能预警方法
US10666525B2 (en) Distributed multi-data source performance management
US20190222503A1 (en) System Event Analyzer and Outlier Visualization
US9794158B2 (en) System event analyzer and outlier visualization
CN103632212B (zh) 一种时变用户均衡动态网络演化客流预测系统和方法
US11765653B2 (en) Load threshold determining method and apparatus
RU2716029C1 (ru) Система мониторинга качества и процессов на базе машинного обучения
CN105279257A (zh) 一种基于正态分布的互联网大数据挖掘方法和系统
CN101997709A (zh) 一种根告警数据分析的方法及其系统
CN114021971A (zh) 一种高速公路运维管理综合评价系统、方法及存储介质
CN113448805A (zh) 基于cpu动态阈值的监控方法、装置、设备及存储介质
CN113419928A (zh) 一种监控告警方法及装置
CN113159374A (zh) 一种数据驱动的城市交通流速模式识别与实时预测预警方法
CN111737314A (zh) 一种运营日系统的客流信息检测方法
CN101605339A (zh) 网络带宽资源使用情况监测和提示系统和方法
CN111327442B (zh) 基于控制图的投诉预警阈值获取方法及装置
CN113516577A (zh) 一种区域持续性极端高温事件识别的新方法
US20160191640A1 (en) Methods and Devices for Providing Information
CN111190796B (zh) 一种数据调整方法及装置
CN112351440B (zh) 一种对5g/4g高负荷小区池化扩容的预测方法及系统
CN117312803B (zh) 云端协同客运服务数字化处理方法和系统
CN115841870B (zh) 一种健康体检控制系统及控制方法
CN113885596B (zh) 污水处理智能监控系统
CN214959607U (zh) 一种光纤存储网络大数据智慧监控和预警系统
CN117544481A (zh) 一种业务异常原因分析方法及终端

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201127