CN112559524A - 一种指标数据库建立方法、装置及存储介质 - Google Patents
一种指标数据库建立方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112559524A CN112559524A CN202011465771.XA CN202011465771A CN112559524A CN 112559524 A CN112559524 A CN 112559524A CN 202011465771 A CN202011465771 A CN 202011465771A CN 112559524 A CN112559524 A CN 112559524A
- Authority
- CN
- China
- Prior art keywords
- data
- index
- scene
- dimension
- data table
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000004590 computer program Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 abstract description 19
- 238000012423 maintenance Methods 0.000 abstract description 11
- 238000012217 deletion Methods 0.000 abstract 1
- 230000037430 deletion Effects 0.000 abstract 1
- 238000013499 data model Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 238000007405 data analysis Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本说明书实施例提供一种指标数据库建立方法、装置及存储介质，所述方法包括：根据指标数据的业务场景确定所述指标数据的场景维度；所述场景维度表征所述指标数据的业务场景特征；基于所述场景维度生成所述业务场景对应的多个第一数据表；所述第一数据表包括标识所述业务场景的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库，从而使指标数据库具有灵活增删的功能，降低指标数据库的运维难度。
Description
技术领域
本说明书实施例涉及计算机技术领域，特别涉及一种指标数据库建立方法、装置及存储介质。
背景技术
指标是指用于衡量事物发展程度的单位或方法，也可以称之为度量。指标一般需要经过加和、平均等汇总计算方式得到，并且是需要在一定业务场景下进行汇总计算，如时间、地点、范围，也就是常说的统计口径与范围。通过对指标进行分析，可以了解当前业务的实际情况，针对业务的实际情况对业务进行调整。例如，对于银行类企业，通过分析经济增加值指标可以了解业务的发展情况，通过分析对公有效客户个数可以了解市场份额，通过对不良贷款余额可以了解信贷资产质量等。
目前，各类企业对于指标数据的分析中，都会预先建立指标数据模型，例如通过建立星型模型来构建指标数据库。在进行指标数据分析时，可以从指标数据库中查询所需要的指标数据。
然而，对于同一类型的指标数据，由于业务场景的不同，可能需要不同的分析方式。例如对于指标对公有效客户个数，业务场景可以有金融总量为1万至5万的场景，金融总量为5万至50万的场景；对于不良贷款余额，业务场景可以由质押担保的场景和抵押担保的场景。显然，不同的业务场景对于同一类型的指标数据要求是不同的。在传统的企业指标体系中，不同的业务场景需要设计对应不同的指标数据模型来进行指标数据分析。
在传统的企业指标体系中，不同的业务场景对应不同的指标数据模型，只能做到指标体系逻辑上的统一，无法做到指标体系物理模型上的统一，两个不同场景设计的指标出现在一个新的业务场景时，由于场景的变化，一般需要进行二次开发，甚至同一个指标可能因为使用场景的不同，需要进行不同的模型落地，产生了冗余的指标数据及运维成本，一旦发生指标发生口径变更，影响性分析也比较复杂。
发明内容
本说明书实施例的目的是提供一种指标数据库建立方法、装置及存储介质，以使指标数据库具有灵活增删的功能，降低指标数据库的运维难度。
为解决上述问题，本说明书实施例提供一种指标数据库建立方法，所述方法包括：根据指标数据的业务场景确定所述指标数据的场景维度；所述场景维度表征所述指标数据的业务场景特征；基于所述场景维度生成所述业务场景对应的多个第一数据表；所述第一数据表包括标识所述业务场景的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
为解决上述问题，本说明书实施例还提供一种指标数据库建立装置，所述装置包括：确定模块，用于根据指标数据的业务场景确定所述指标数据的场景维度；所述场景维度表征所述指标数据的业务场景特征；生成模块，用于基于所述场景维度生成所述业务场景对应的多个第一数据表；所述第一数据表包括标识所述业务场景的第一标识和标识所述指标数据的第二标识；建立模块，用于根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；存储模块，用于关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
为解决上述问题，本说明书实施例还提供一种电子设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序以实现：根据指标数据的业务场景确定所述指标数据的场景维度；所述场景维度表征所述指标数据的业务场景特征；基于所述场景维度生成所述业务场景对应的多个第一数据表；所述第一数据表包括标识所述业务场景的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
为解决上述问题，本说明书实施例还提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现：根据指标数据的业务场景确定所述指标数据的场景维度；所述场景维度表征所述指标数据的业务场景特征；基于所述场景维度生成所述业务场景对应的多个第一数据表；所述第一数据表包括标识所述业务场景的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
为解决上述问题，本说明书实施例还提供一种指标数据库建立方法，所述方法包括：获取指标数据的维度；所述维度包括固定维度和场景维度；所述固定维度表征不同指标数据的共有特征；所述场景维度表征所述指标数据的业务场景特征；基于所述固定维度和所述场景维度生成所述指标数据对应的多个第一数据表；所述第一数据表包括标识所述指标数据的维度的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
为解决上述问题，本说明书实施例还提供一种指标数据库建立装置，所述装置包括：获取模块，用于获取指标数据的维度；所述维度包括固定维度和场景维度；所述固定维度表征不同指标数据的共有特征；所述场景维度表征所述指标数据的业务场景特征；生成模块，用于基于所述固定维度和所述场景维度生成所述指标数据对应的多个第一数据表；所述第一数据表包括标识所述指标数据的维度的第一标识和标识所述指标数据的第二标识；建立模块，用于根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；存储模块，用于关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
为解决上述问题，本说明书实施例还提供一种电子设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序以实现：获取指标数据的维度；所述维度包括固定维度和场景维度；所述固定维度表征不同指标数据的共有特征；所述场景维度表征所述指标数据的业务场景特征；基于所述固定维度和所述场景维度生成所述指标数据对应的多个第一数据表；所述第一数据表包括标识所述指标数据的维度的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
为解决上述问题，本说明书实施例还提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现：获取指标数据的维度；所述维度包括固定维度和场景维度；所述固定维度表征不同指标数据的共有特征；所述场景维度表征所述指标数据的业务场景特征；基于所述固定维度和所述场景维度生成所述指标数据对应的多个第一数据表；所述第一数据表包括标识所述指标数据的维度的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
由以上本说明书实施例提供的技术方案可见，本说明书实施例中，可以根据指标数据的业务场景确定所述指标数据的场景维度；所述场景维度表征所述指标数据的业务场景特征；基于所述场景维度生成所述业务场景对应的多个第一数据表；所述第一数据表包括标识所述业务场景的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库。本说明书实施例提供的方法，对指标数据的业务场景进行维度化，指标数据可以通过不同维度进行配置管理，增加了指标数据库灵活增删的功能，简化了指标数据库的管理，做到轻量级的指标管理，降低了指标数据库的运维难度。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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说明书中记载的一些实施例，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为本说明书实施例同一指标数据不同业务场景下的场景适配示意图；
图2为本说明书实施例一种指标数据库建立方法的流程图；
图3为本说明书实施例指标数据库中指标数据模型的示意图；
图4为本说明书实施例一种指标数据库建立方法的流程图；
图5为本说明书实施例一种电子设备的功能结构示意图；
图6为本说明书实施例一种库存数据处理装置的功能结构示意图；
图7为本说明书实施例一种库存数据处理装置的功能结构示意图。
具体实施方式
下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
在传统的企业指标体系中，不同的业务场景对应不同的指标数据模型，只能做到指标体系逻辑上的统一，无法做到指标体系物理模型上的统一，两个不同场景设计的指标出现在一个新的业务场景时，由于场景的变化，一般需要进行二次开发，甚至同一个指标可能因为使用场景的不同，需要进行不同的模型落地，产生了冗余的指标数据及运维成本，一旦发生指标发生口径变更，影响性分析也比较复杂。
具体的，如图1所示，指标A在三种不同的展示场景设计了三个数据模型，与指标B同时展示时又新增了一个适配模型，缺点是当指标库越来越大时，数据模型的量非常庞大且不可维护，指标变更会产生链路很长的影响分析。
考虑到在企业指标业务应用场景中，时间、地区等一般作为固定的维度出现，如果选择一些通用的维度作为固定维度，将各个固定维度设置为默认维度值，将业务场景作为一个维度，并标记不同场景的业务指标，建立指标库，则有望解决现有技术中针对不同业务场景需要开发不同的指标数据模型导致运维成本高的问题，从而使指标库具有灵活增删的功能，简化了指标库的管理，使得运维难度大大降低。基于此，本说明书实施例提供了一种指标数据库建立方法、装置及存储介质。
请参阅图2。本说明实施例提供一种指标数据库建立方法。在本说明书实施例中，执行所述指标数据库建立方法的主体可以是具有逻辑运算功能的电子设备，所述电子设备可以是服务器。所述服务器可以是具有一定运算处理能力的电子设备。其可以具有网络通信单元、处理器和存储器等。当然，所述服务器并不限于上述具有一定实体的电子设备，其还可以为运行于上述电子设备中的软体。所述服务器还可以为分布式服务器，可以是具有多个处理器、存储器、网络通信模块等协同运作的系统。或者，服务器还可以为若干服务器形成的服务器集群。所述方法可以包括以下步骤。
S210：根据指标数据的业务场景确定所述指标数据的场景维度；所述场景维度表征所述指标数据的业务场景特征。
在一些实施例中，所述指标是指用于衡量事物发展程度的单位或方法，也可以称之为度量。常用的数据指标通常可以包括用户数据指标，如日新增用户、留存率、活跃率等；也可以包括用户行为指标，如PV(访问次数,Page View)和UV(访问人数,Unique Visitor)、转发率、转化率等；还可以包括业务指标，如成交总额、成交数量、访问时长、复购率等。不同企业在进行数据分析过程中，或者在分析不同业务的过程中可以采用不同的数据作为指标数据。例如，对于银行类企业，通过分析经济增加值指标可以了解业务的发展情况，通过分析对公有效客户个数可以了解市场份额，通过对不良贷款余额可以了解信贷资产质量等。
在一些实施例中所述维度是事物或现象的某种特征，如性别、地区、时间等都是维度。
在一些实施例中，指标数据除了指标本身的业务含义之外，在不同的业务场景下都会有一些个性化的维护，例如某种产品、某种渠道等。这些不同维度的指标在不同业务场景下具有不同的业务含义。
在一些实施例中，所述业务场景可以包括存款业务、质押担保业务、抵押担保业务等。例如，对于指标数据经济增加值，业务场景可以包括存款业务和非存款业务，存款业务场景下的经济增加值与非存款业务场景下的经济增加值具有不同的业务含义；对于指标数据对公有效客户个数，业务场景可以包括金融总量为1万至5万的业务和金融总量为5万至50万的业务，金融总量为1万至5万的业务场景下的对公有效客户个数与金融总量为5万至50万的业务场景下的对公有效客户个数具有不同的业务含义；对于指标数据不良贷款余额，业务场景可质押担保业务和抵押担保业务，质押担保业务场景下的不良贷款余额与抵押担保业务场景下的不良贷款余额具有不同的业务含义。当然，上述仅是示例性地对指标数据以及不同业务场景进行说明，所述指标数据并不局限与上述示例中的几个具体的指标数据，所述业务场景也不局限于上述示例中的几个具体的业务场景，所述指标数据还可以为其他指标数据，所述业务场景也可以包括其他业务场景，本说明书实施例对此不作限定。
在本说明书实施例中，可以将不同业务场景作为不同的维度，在指标数据库中登记不同业务场景的指标，以指标编号作为识别标志，如表1所示。
表1
| 指标编号 | 指标名称 |
| A00010001 | 经济增加值 |
| A00010002 | 存款业务经济增加值 |
| B00010001 | 对公有效客户个数 |
| B00010002 | 金融总量为1万至5万对公有效客户个数 |
| B00010003 | 金融总量为5万至50万对公有效客户个数 |
| C00010001 | 不良贷款余额 |
| C00010002 | 抵押担保不良贷款余额 |
| C00010003 | 质押担保不良贷款余额 |
在一些实施例中，不同的指标数据可以有不同的业务场景，但这些不同的指标数据通常也存在一些共有特征，为了在建立指标数据库过程中，提高数据的存储效率，可以获取不同指标数据的共有特征来作为固定维度，即不同的指标数据都拥有同样的固定维度。因此，所述方法还可以包括获取指标数据的固定维度；所述固定维度表征不同指标数据的共有特征。所述共有特征可以包括时间、地区、币种。当然，为避免个别指标由于业务场景特殊无法涵盖所有固定维度，还可以为各个固定维度设计默认维度值。
S220：基于所述场景维度生成所述业务场景对应的多个第一数据表；所述第一数据表包括标识所述业务场景的第一标识和标识所述指标数据的第二标识。
在一些实施例中，每个场景维度对应一个指标数据的业务场景，每个场景维度可以生成一个第一数据表。所述第一数据表中可以包括对应的业务场景下的指标数据等内容。所述第一数据表可以包括标识所述业务场景的第一标识和标识所述指标数据的第二标识。具体的，每个指标数据可以具有唯一标识，标识所述指标数据的第二标识可以由字母和数字的组合而成，例如标识经济增加值的第二标识可以为“A0001000”，标识对公有效客户个数的第二标识可以为“B0001000”，标识不良贷款余额的第二标识可以为“C00010001”。当然，标识所述指标数据的第二标识还可以由字母或数字组成，本说明书实施例对此不作限定。
在一些实施例中，不同的业务场景也可以有相应的标识，与标识所述指标数据的第二标识不同的是，由于业务场景与指标数据的相关联性，标识所述业务场景的第一标识为针对指标数据的标识，例如，对于经济增加值，经济增加值的所有业务场景累计场景可以标识为“1”，存款业务场景可以标识为“2”，所述第一标识和所述第二标识可以组合形成经济增加值不同场景下的标识，例如“A00010001”可以表示所有业务场景下的经济增加值，“A00010002”可以表示存款业务场景下的经济增加值；对于对公有效客户个数，对公有效客户个数的所有业务场景累计场景可以标识为“1”，金融总量为1万至5万场景可以标识为“2”，金融总量为5万至50万场景可以标识为“3”，所述第一标识和所述第二标识可以组合形成对公有效客户个数不同场景下的标识，例如“B00010001”可以表示所有业务场景下的对公有效客户个数，“B00010002”可以表示金融总量为1万至5万场景下的对公有效客户个数，“B00010003”可以表示金融总量为5万至50万场景下的对公有效客户个数。
在一些实施例中，根据数据分析的需求不同，对于同一业务场景下的指标数据，还可以对该业务场景进行扩展，以实现指标数据分析的多样化。因此，所述方法还可以包括根据所述指标数据各个业务场景下的衍生场景确定所述指标数据的衍生维度；所述衍生维度表征所述指标数据的衍生场景特征；相应的，基于所述所述场景维度和所述衍生维度生成所述业务场景对应的多个第一数据表。
具体的，所述衍生场景可以包括不同日期下指标数据的比值，例如所述衍生场景可以为上日指标值、比上日指标值、上月指标值、比上月指标值、上季指标值、比上季指标值等，将衍生场景类型作为一种维度，衍生场景作为一种灵活可变的维度参数进行配置，可以根据企业指标数据使用的业务场景逐步扩展，在指标数据库中仅需要登记指标衍生场景类型即可完整识别衍生场景下可扩展的指标数据，如表2所示。
表2
当然，所述衍生场景可以包括其他衍生场景，例如当日增幅值、当月增幅值、当年增幅值、环比增量、同比增速、同比增量等，本说明书实施例对具体的衍生场景不作限定。
在一些实施例中，所述第一数据表还可以包括衍生场景标识，所述衍生场景标识用于标识衍生场景。所述衍生场景标识可以由数字组成，例如可以为“001”、“002”等。
在一些实施例中，对于所述指标数据的固定维度，还可以根据所述固定维度生成至少一个第三数据表；所述第三数据表包括标识所述共有特征的第三标识。具体的，每个固定维度可以对应一个指标数据的共有特征，每个固定维度可以生成一个第三数据表。所述第三数据表中可以包括对应的固定维度下的指标数据等内容。所述第三数据表可以包括标识所述共有特征的第三标识。其中，所述第三标识可以字母和数字的组合而成，当然，也可以由数字或者字母单独构成。例如，对于固定维度时间，第三标识可以为“1”或“T”，对于固定维度地区，第三标识可以为“2”或“A”，当然，所述第三标识并不局限于上述表现形式，本说明书实施例对第三标识的具体形式不作限定。
S230：根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成。
在一些实施例中，所述第二数据表可以由多个主键和所述指标数据组成，所述多个主键由所述多个第一数据表的主键构成。
在一些实施例中，所述主键是能确定一条记录的唯一标识。例如在第一数据表中，主键可以是场景维度对应的字段，例如可以是存款业务场景对应的字段，可以是质押担保业务场景对应的字段、质押担保业务场景对应的字段等。多个第一数据表的主键组合构成第二数据表的主键。
在一些实施例中，若包括根据所述固定维度生成的至少一个第三数据表，还可以所述多个第一数据表和所述至少一个第三数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键和所述至少一个第三数据表的主键构成。
S240：关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
在一些实施例中，可以以星型模型作为基础，关联存储所述多个第一数据表和所述第二数据表形成指标数据库。其中，所述星型模型是数据仓库广泛采用的数据模型。它能准确、简洁地描述出实体之间的逻辑关系。数据数据仓库的数据模型，一般都是在对应用主题的基础上，首先建立星型模型。一个典型的星型模型包括一个大型的事实表和一组逻辑上围绕这个事实表的维度表。事实表是星型模型的核心，事实表由主键和度量数据组成。星型模型中各维度表主键的组合构成事实表的主键。事实表中存放的大量数据，是同主题密切相关的、用户最关心的度量数据。
在一些实施例中，所述第二数据表可以是星型模型中的事实表，所述多个第一数据表可以为星型模型中的维度表，以星型模型为基础，关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
在一些实施例中，所述方法还可以包括关联存储所述多个第一数据表、所述至少一个第三数据表和所述第二数据表形成指标数据库。具体的，可以将所述多个第一数据表和所述至少一个第三数据表都作为星型模型中的维度表，关联存储所述多个第一数据表、所述至少一个第三数据表和所述第二数据表形成指标数据库。
图3为本说明书实施例建立的指标数据库的一个示例。所述指标数据库以星型模型作为指标数据模型基础，设计统一的指标数据模型并配置简单的数据服务用于支持不同业务场景下的数据查询。
指标事实表选取日期、区域、币种、数据项等作为主键，日期、区域和币种为固定维度，数据项是指标最细的粒度，有基础指标编号和衍生类型编号组成而成，例如A00010001_001，用户可根据数据项编号唯一定位具体业务场景的指标数据。
指标运行日期表可以作为指标数据的特殊衍生维度，记录每个指标数据当前最新的业务日期，支持用户进行最新业务数据日期查询与历史业务数据日期查询，在指标加工作业完成之后将最新的业务日期更新到对应的指标。
指标区域信息表和指标币种信息表为指标数据的固定维度，为保证传入参数稳定，可以设计了默认参数值，当用户没有传入固定维度查询参数时，查询引擎自动过滤。
指标基本信息表是指标数据库对外呈现最直观的数据表，记录了指标基本的信息、加工频率及衍生场景类型，指标加工作业在基础指标完成加工后调用统一的衍生计算程序生成当前业务场景下对应的衍生场景下的指标数据，一旦衍生算法发生变化，仅需要对通用衍生计算程序进行变更即可完成整个指标库衍生指标的变更。
指标衍生类型表记录了衍生场景类型名称，用户通过数据项编号后缀关联可以简单的判断属于哪一种衍生场景类型。
本说明书实施例提供的指标数据库建立方法，可以根据指标数据的业务场景确定所述指标数据的场景维度；所述场景维度表征所述指标数据的业务场景特征；基于所述场景维度生成所述业务场景对应的多个第一数据表；所述第一数据表包括标识所述业务场景的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库。本说明书实施例提供的方法，对指标数据的业务场景进行维度化，指标数据可以通过不同维度进行配置管理，增加了指标数据库灵活增删的功能，简化了指标数据库的管理，做到轻量级的指标管理，降低了指标数据库的运维难度。
图4为本说明实施例提供一种指标数据库建立方法的另一个实施例。所述方法可以包括以下步骤。
S410：获取指标数据的维度；所述维度包括固定维度和场景维度；所述固定维度表征不同指标数据的共有特征；所述场景维度表征所述指标数据的业务场景特征。
在一些实施例中，所述指标是指用于衡量事物发展程度的单位或方法，也可以称之为度量。常用的数据指标通常可以包括用户数据指标，如日新增用户、留存率、活跃率等；也可以包括用户行为指标，如PV(访问次数,Page View)和UV(访问人数,Unique Visitor)、转发率、转化率等；还可以包括业务指标，如成交总额、成交数量、访问时长、复购率等。不同企业在进行数据分析过程中，或者在分析不同业务的过程中可以采用不同的数据作为指标数据。例如，对于银行类企业，通过分析经济增加值指标可以了解业务的发展情况，通过分析对公有效客户个数可以了解市场份额，通过对不良贷款余额可以了解信贷资产质量等。
在一些实施例中所述维度是事物或现象的某种特征，如性别、地区、时间等都是维度。
在一些实施例中，指标数据除了指标本身的业务含义之外，在不同的业务场景下都会有一些个性化的维护，例如某种产品、某种渠道等。这些不同维度的指标在不同业务场景下具有不同的业务含义。
在一些实施例中，所述业务场景可以包括存款业务、质押担保业务、抵押担保业务等。例如，对于指标数据经济增加值，业务场景可以包括存款业务和非存款业务，存款业务场景下的经济增加值与非存款业务场景下的经济增加值具有不同的业务含义；对于指标数据对公有效客户个数，业务场景可以包括金融总量为1万至5万的业务和金融总量为5万至50万的业务，金融总量为1万至5万的业务场景下的对公有效客户个数与金融总量为5万至50万的业务场景下的对公有效客户个数具有不同的业务含义；对于指标数据不良贷款余额，业务场景可质押担保业务和抵押担保业务，质押担保业务场景下的不良贷款余额与抵押担保业务场景下的不良贷款余额具有不同的业务含义。当然，上述仅是示例性地对指标数据以及不同业务场景进行说明，所述指标数据并不局限与上述示例中的几个具体的指标数据，所述业务场景也不局限于上述示例中的几个具体的业务场景，所述指标数据还可以为其他指标数据，所述业务场景也可以包括其他业务场景，本说明书实施例对此不作限定。
在一些实施例中，可以将不同业务场景作为不同的维度。具体的，可以获取指标数据的业务场景；根据指标数据的业务场景确定所述指标数据的场景维度。
在一些实施例中，不同的指标数据可以有不同的业务场景，但这些不同的指标数据通常也存在一些共有特征，为了在建立指标数据库过程中，提高数据的存储效率，可以获取不同指标数据的共有特征来作为固定维度，即不同的指标数据都拥有同样的固定维度。因此，所述方法还可以包括获取指标数据的固定维度；所述固定维度表征不同指标数据的共有特征。所述共有特征可以包括时间、地区、币种。当然，为避免个别指标由于业务场景特殊无法涵盖所有固定维度，还可以为各个固定维度设计默认维度值。
在一些实施例中，可以获取不同指标数据的共有特征；根据所述共有特征确定所述指标数据的固定维度。
S420：基于所述固定维度和所述场景维度生成所述指标数据对应的多个第一数据表；所述第一数据表包括标识所述指标数据的维度的第一标识和标识所述指标数据的第二标识。
在一些实施例中，每个指标数据可以具有唯一标识，标识所述指标数据的第二标识可以由字母和数字的组合而成，例如标识经济增加值的第二标识可以为“A0001000”，标识对公有效客户个数的第二标识可以为“B0001000”，标识不良贷款余额的第二标识可以为“C00010001”。当然，标识所述指标数据的第二标识还可以由字母或数字组成，本说明书实施例对此不作限定。
在一些实施例中，若所述第一数据表为基于所述固定维度生成的，则所述第一数据表中标识所述指标数据的维度的第一标识为标识固定维度的第一标识。具体的，每个固定维度可以对应一个指标数据的共有特征，每个固定维度可以生成一个第一数据表。所述第一数据表中可以包括对应的固定维度下的指标数据等内容。所述第一标识可以字母和数字的组合而成，当然，也可以由数字或者字母单独构成。例如，对于固定维度时间，第一标识可以为“1”或“T”，对于固定维度地区，第一标识可以为“2”或“A”，当然，所述第一标识并不局限于上述表现形式，本说明书实施例对第三标识的具体形式不作限定。
在一些实施例中，若所述第一数据表为基于所述场景维度生成的，则所述第一数据表中标识所述指标数据的维度的第一标识为标识场景维度的第一标识。具体的，每个场景维度对应一个指标数据的业务场景，每个场景维度可以生成一个第一数据表。所述第一数据表中可以包括对应的业务场景下的指标数据等内容。由于业务场景与指标数据的相关联性，标识场景维度的第一标识为针对指标数据的标识，例如，对于经济增加值，经济增加值的所有业务场景累计场景维度可以标识为“1”，存款业务场景维度可以标识为“2”，所述第一标识和所述第二标识可以组合形成经济增加值不同场景下的标识，例如“A00010001”可以表示所有业务场景下的经济增加值，“A00010002”可以表示存款业务场景下的经济增加值；对于对公有效客户个数，对公有效客户个数的所有业务场景累计场景维度可以标识为“1”，金融总量为1万至5万场景维度可以标识为“2”，金融总量为5万至50万场景维度可以标识为“3”，所述第一标识和所述第二标识可以组合形成对公有效客户个数不同场景下的标识，例如“B00010001”可以表示所有业务场景下的对公有效客户个数，“B00010002”可以表示金融总量为1万至5万场景下的对公有效客户个数，“B00010003”可以表示金融总量为5万至50万场景下的对公有效客户个数。
在一些实施例中，根据数据分析的需求不同，对于同一业务场景下的指标数据，还可以对该业务场景进行扩展，以实现指标数据分析的多样化。因此，所述方法还可以包括根据所述指标数据各个业务场景下的衍生场景确定所述指标数据的衍生维度；所述衍生维度表征所述指标数据的衍生场景特征；相应的，基于所述固定维度、所述场景维度和所述衍生维度生成所述指标数据对应的多个第一数据表。
具体的，所述衍生场景可以包括不同日期下指标数据的比值，例如所述衍生场景可以为上日指标值、比上日指标值、上月指标值、比上月指标值、上季指标值、比上季指标值等，将衍生场景类型作为一种维度，衍生场景作为一种灵活可变的维度参数进行配置，可以根据企业指标数据使用的业务场景逐步扩展，在指标数据库中仅需要登记指标衍生场景类型即可完整识别衍生场景下可扩展的指标数据。
当然，所述衍生场景可以包括其他衍生场景，例如当日增幅值、当月增幅值、当年增幅值、环比增量、同比增速、同比增量等，本说明书实施例对具体的衍生场景不作限定。
在一些实施例中，所述第一数据表还可以包括衍生场景标识，所述衍生场景标识用于标识衍生场景。所述衍生场景标识可以由数字组成，例如可以为“001”、“002”等。
S430：根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成。
S440：关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
本说明书实施例提供的指标数据库建立方法，可以获取指标数据的维度；所述维度包括固定维度和场景维度；所述固定维度表征不同指标数据的共有特征；所述场景维度表征所述指标数据的业务场景特征；基于所述固定维度和所述场景维度生成所述指标数据对应的多个第一数据表；所述第一数据表包括标识所述指标数据的维度的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库。本说明书实施例提供的方法，对指标数据的业务场景进行维度化，指标数据可以通过不同维度进行配置管理，增加了指标数据库灵活增删的功能，简化了指标数据库的管理，做到轻量级的指标管理，降低了指标数据库的运维难度。
图5为本说明书实施例一种电子设备的功能结构示意图，所述电子设备可以包括存储器和处理器。
在一些实施例中，所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现指标数据库建立方法的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据用户终端的使用所创建的数据。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、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)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(APPlication Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。所述处理器可以执行所述计算机指令实现以下步骤：根据指标数据的业务场景确定所述指标数据的场景维度；所述场景维度表征所述指标数据的业务场景特征；基于所述场景维度生成所述业务场景对应的多个第一数据表；所述第一数据表包括标识所述业务场景的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
在本说明书实施例中，该电子设备具体实现的功能和效果，可以与其它实施例对照解释，在此不再赘述。
图6为本说明书实施例一种指标数据库建立装置的功能结构示意图，该装置具体可以包括以下的结构模块。
确定模块610，用于根据指标数据的业务场景确定所述指标数据的场景维度；所述场景维度表征所述指标数据的业务场景特征；
生成模块620，用于基于所述场景维度生成所述业务场景对应的多个第一数据表；所述第一数据表包括标识所述业务场景的第一标识和标识所述指标数据的第二标识；
建立模块630，用于根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；
存储模块640，用于关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
本说明书实施例还提供了一种指标数据库建立方法的计算机可读存储介质，所述计算机可读存储介质存储有计算机程序指令，在所述计算机程序指令被执行时实现：根据指标数据的业务场景确定所述指标数据的场景维度；所述场景维度表征所述指标数据的业务场景特征；基于所述场景维度生成所述业务场景对应的多个第一数据表；所述第一数据表包括标识所述业务场景的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
在本说明书实施例中，上述存储介质包括但不限于随机存取存储器(RandomAccess Memory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(HardDisk Drive,HDD)或者存储卡(Memory Card)。所述存储器可用于存储所述计算机程序和/或模块，所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据用户终端的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器。在本说明书实施例中，该计算机可读存储介质存储的程序指令具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。
图5为本说明书实施例一种电子设备的功能结构示意图，所述电子设备可以包括存储器和处理器。
在一些实施例中，所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现指标数据库建立方法的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据用户终端的使用所创建的数据。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、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)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(APPlication Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。所述处理器可以执行所述计算机指令实现以下步骤：获取指标数据的维度；所述维度包括固定维度和场景维度；所述固定维度表征不同指标数据的共有特征；所述场景维度表征所述指标数据的业务场景特征；基于所述固定维度和所述场景维度生成所述指标数据对应的多个第一数据表；所述第一数据表包括标识所述指标数据的维度的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
在本说明书实施例中，该电子设备具体实现的功能和效果，可以与其它实施例对照解释，在此不再赘述。
图7为本说明书实施例一种指标数据库建立装置的功能结构示意图，该装置具体可以包括以下的结构模块。
获取模块710，用于获取指标数据的维度；所述维度包括固定维度和场景维度；所述固定维度表征不同指标数据的共有特征；所述场景维度表征所述指标数据的业务场景特征；
生成模块720，用于基于所述固定维度和所述场景维度生成所述指标数据对应的多个第一数据表；所述第一数据表包括标识所述指标数据的维度的第一标识和标识所述指标数据的第二标识；
建立模块730，用于根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；
存储模块740，用于关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
本说明书实施例还提供了一种指标数据库建立方法的计算机可读存储介质，所述计算机可读存储介质存储有计算机程序指令，在所述计算机程序指令被执行时实现：获取指标数据的维度；所述维度包括固定维度和场景维度；所述固定维度表征不同指标数据的共有特征；所述场景维度表征所述指标数据的业务场景特征；基于所述固定维度和所述场景维度生成所述指标数据对应的多个第一数据表；所述第一数据表包括标识所述指标数据的维度的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
在本说明书实施例中，上述存储介质包括但不限于随机存取存储器(RandomAccess Memory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(HardDisk Drive,HDD)或者存储卡(Memory Card)。所述存储器可用于存储所述计算机程序和/或模块，所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据用户终端的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器。在本说明书实施例中，该计算机可读存储介质存储的程序指令具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。
需要说明的是，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或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它实施例的不同之处。尤其，对于装置实施例和设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域技术人员在阅读本说明书文件之后，可以无需创造性劳动想到将本说明书列举的部分或全部实施例进行任意组合，这些组合也在本说明书公开和保护的范围内。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(AlteraHardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog2。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
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说明书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，本说明书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)执行本说明书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，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
虽然通过实施例描绘了本说明书，本领域普通技术人员知道，本说明书有许多变形和变化而不脱离本说明书的精神，希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。
Claims (17)
1.一种指标数据库建立方法，其特征在于，所述方法包括：
根据指标数据的业务场景确定所述指标数据的场景维度；所述场景维度表征所述指标数据的业务场景特征；
基于所述场景维度生成所述业务场景对应的多个第一数据表；所述第一数据表包括标识所述业务场景的第一标识和标识所述指标数据的第二标识；
根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；
关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取指标数据的固定维度；所述固定维度表征不同指标数据的共有特征；
根据所述固定维度生成至少一个第三数据表；所述第三数据表包括标识所述共有特征的第三标识；
相应的，根据所述多个第一数据表和所述至少一个第三数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键和所述至少一个第三数据表的主键构成；关联存储所述多个第一数据表、所述至少一个第三数据表和所述第二数据表形成指标数据库。
3.根据权利要求2所述的方法，其特征在于，所述共有特征包括时间、地区、币种中的至少一种。
4.根据权利要求1所述的方法，其特征在于，所述业务场景包括存款业务、质押担保业务、抵押担保业务中的至少一种。
5.根据权利要求1所述的方法，其特征在于，所述指标数据包括经济增加值、对公有效客户个数、不良贷款余额中的至少一种。
6.根据权利要求1所述的方法，其特征在于，所述方法包括：
根据所述指标数据各个业务场景下的衍生场景确定所述指标数据的衍生维度；所述衍生维度表征所述指标数据的衍生场景特征；
相应的，基于所述所述场景维度和所述衍生维度生成所述业务场景对应的多个第一数据表。
7.根据权利要求6所述的方法，其特征在于，所述衍生场景包括不同日期下指标数据的比值。
8.一种指标数据库建立装置，其特征在于，所述装置包括：
确定模块，用于根据指标数据的业务场景确定所述指标数据的场景维度；所述场景维度表征所述指标数据的业务场景特征；
生成模块，用于基于所述场景维度生成所述业务场景对应的多个第一数据表；所述第一数据表包括标识所述业务场景的第一标识和标识所述指标数据的第二标识；
建立模块，用于根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；
存储模块，用于关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
9.一种电子设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序以实现：根据指标数据的业务场景确定所述指标数据的场景维度；所述场景维度表征所述指标数据的业务场景特征；基于所述场景维度生成所述业务场景对应的多个第一数据表；所述第一数据表包括标识所述业务场景的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机指令，所述指令被执行时实现：根据指标数据的业务场景确定所述指标数据的场景维度；所述场景维度表征所述指标数据的业务场景特征；基于所述场景维度生成所述业务场景对应的多个第一数据表；所述第一数据表包括标识所述业务场景的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
11.一种指标数据库建立方法，其特征在于，所述方法包括：
获取指标数据的维度；所述维度包括固定维度和场景维度；所述固定维度表征不同指标数据的共有特征；所述场景维度表征所述指标数据的业务场景特征；
基于所述固定维度和所述场景维度生成所述指标数据对应的多个第一数据表；所述第一数据表包括标识所述指标数据的维度的第一标识和标识所述指标数据的第二标识；
根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；
关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
12.根据权利要求11所述的方法，其特征在于，所述获取指标数据的维度包括：
获取不同指标数据的共有特征；
根据所述共有特征确定所述指标数据的固定维度。
13.根据权利要求11所述的方法，其特征在于，所述获取指标数据的维度包括：
获取指标数据的业务场景；
根据指标数据的业务场景确定所述指标数据的场景维度。
14.根据权利要求11所述的方法，其特征在于，所述方法包括：
根据所述指标数据各个业务场景下的衍生场景确定所述指标数据的衍生维度；所述衍生维度表征所述指标数据的衍生场景特征；
相应的，基于所述固定维度、所述场景维度和所述衍生维度生成所述指标数据对应的多个第一数据表。
15.一种指标数据库建立装置，其特征在于，所述装置包括：
获取模块，用于获取指标数据的维度；所述维度包括固定维度和场景维度；所述固定维度表征不同指标数据的共有特征；所述场景维度表征所述指标数据的业务场景特征；
生成模块，用于基于所述固定维度和所述场景维度生成所述指标数据对应的多个第一数据表；所述第一数据表包括标识所述指标数据的维度的第一标识和标识所述指标数据的第二标识；
建立模块，用于根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；
存储模块，用于关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
16.一种电子设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序以实现：获取指标数据的维度；所述维度包括固定维度和场景维度；所述固定维度表征不同指标数据的共有特征；所述场景维度表征所述指标数据的业务场景特征；基于所述固定维度和所述场景维度生成所述指标数据对应的多个第一数据表；所述第一数据表包括标识所述指标数据的维度的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
17.一种计算机可读存储介质，其特征在于，其上存储有计算机指令，所述指令被执行时实现：获取指标数据的维度；所述维度包括固定维度和场景维度；所述固定维度表征不同指标数据的共有特征；所述场景维度表征所述指标数据的业务场景特征；基于所述固定维度和所述场景维度生成所述指标数据对应的多个第一数据表；所述第一数据表包括标识所述指标数据的维度的第一标识和标识所述指标数据的第二标识；根据所述多个第一数据表建立第二数据表；所述第二数据表包括所述指标数据和多个主键；所述多个主键由所述多个第一数据表的主键构成；关联存储所述多个第一数据表和所述第二数据表形成指标数据库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011465771.XA CN112559524A (zh) | 2020-12-14 | 2020-12-14 | 一种指标数据库建立方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011465771.XA CN112559524A (zh) | 2020-12-14 | 2020-12-14 | 一种指标数据库建立方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112559524A true CN112559524A (zh) | 2021-03-26 |
Family
ID=75064450
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011465771.XA Pending CN112559524A (zh) | 2020-12-14 | 2020-12-14 | 一种指标数据库建立方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112559524A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113076317A (zh) * | 2021-04-08 | 2021-07-06 | 深圳前海微众银行股份有限公司 | 基于大数据的数据处理方法、装置、设备及可读存储介质 |
| CN113076305A (zh) * | 2021-04-20 | 2021-07-06 | 广东电网有限责任公司 | 一种数据处理方法、装置、电子设备及存储介质 |
| CN113986932A (zh) * | 2021-12-28 | 2022-01-28 | 恒生电子股份有限公司 | 数据处理方法、装置、计算机设备及可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090055439A1 (en) * | 2007-08-24 | 2009-02-26 | Ketera Technologies, Inc. | Flexible Dimension Approach In A Data Warehouse |
| CN105303349A (zh) * | 2015-10-28 | 2016-02-03 | 中国铁路信息技术中心 | 一种铁路货运业务预警方法 |
| CN105488632A (zh) * | 2015-12-14 | 2016-04-13 | 国家电网公司 | 一种基于维度模型的电力数据分析方法及装置 |
| CN105718565A (zh) * | 2016-01-20 | 2016-06-29 | 北京京东尚科信息技术有限公司 | 数据仓库模型的构建方法和构建装置 |
| CN111008253A (zh) * | 2018-10-08 | 2020-04-14 | 阿里巴巴集团控股有限公司 | 数据模型生成方法和数据仓库生成方法、装置及电子设备 |
| CN111382155A (zh) * | 2018-12-28 | 2020-07-07 | 上海连尚网络科技有限公司 | 一种数据仓库的数据处理方法、电子设备及介质 |
-
2020
- 2020-12-14 CN CN202011465771.XA patent/CN112559524A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090055439A1 (en) * | 2007-08-24 | 2009-02-26 | Ketera Technologies, Inc. | Flexible Dimension Approach In A Data Warehouse |
| CN105303349A (zh) * | 2015-10-28 | 2016-02-03 | 中国铁路信息技术中心 | 一种铁路货运业务预警方法 |
| CN105488632A (zh) * | 2015-12-14 | 2016-04-13 | 国家电网公司 | 一种基于维度模型的电力数据分析方法及装置 |
| CN105718565A (zh) * | 2016-01-20 | 2016-06-29 | 北京京东尚科信息技术有限公司 | 数据仓库模型的构建方法和构建装置 |
| CN111008253A (zh) * | 2018-10-08 | 2020-04-14 | 阿里巴巴集团控股有限公司 | 数据模型生成方法和数据仓库生成方法、装置及电子设备 |
| CN111382155A (zh) * | 2018-12-28 | 2020-07-07 | 上海连尚网络科技有限公司 | 一种数据仓库的数据处理方法、电子设备及介质 |
Non-Patent Citations (3)
| Title |
|---|
| 刘黎志;: "基于数据仓库的指标体系研究", 计算机技术与发展, no. 01, 10 January 2007 (2007-01-10) * |
| 汪辉;梁小满;: "金融业数据仓库中星型衍生子维度模式", 湖南科技大学学报(自然科学版), no. 01, 25 March 2013 (2013-03-25) * |
| 赵蒙: "民生银行监管报表及数据集市系统的设计与实现", 中国硕士学位论文全文数据库, no. 03, 15 March 2016 (2016-03-15) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113076317A (zh) * | 2021-04-08 | 2021-07-06 | 深圳前海微众银行股份有限公司 | 基于大数据的数据处理方法、装置、设备及可读存储介质 |
| CN113076305A (zh) * | 2021-04-20 | 2021-07-06 | 广东电网有限责任公司 | 一种数据处理方法、装置、电子设备及存储介质 |
| CN113986932A (zh) * | 2021-12-28 | 2022-01-28 | 恒生电子股份有限公司 | 数据处理方法、装置、计算机设备及可读存储介质 |
| CN113986932B (zh) * | 2021-12-28 | 2022-04-12 | 恒生电子股份有限公司 | 数据处理方法、装置、计算机设备及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10504120B2 (en) | Determining a temporary transaction limit | |
| CN112559524A (zh) | 一种指标数据库建立方法、装置及存储介质 | |
| CN110309182B (zh) | 一种信息录入方法及装置 | |
| US11803555B2 (en) | Integrated entity view across distributed systems | |
| US10936582B2 (en) | Integrated entity view across distributed systems | |
| CN111046237B (zh) | 用户行为数据处理方法、装置、电子设备及可读介质 | |
| CN109918678B (zh) | 一种字段含义识别方法和装置 | |
| US20220138191A1 (en) | Systems and methods for matching electronic activities with whitespace domains to record objects in a multi-tenant system | |
| CN114510735B (zh) | 基于角色管理的智慧共享财务管理方法及平台 | |
| CN113032420A (zh) | 数据查询方法、装置和服务器 | |
| Zhang et al. | Reputationpro: The efficient approaches to contextual transaction trust computation in e-commerce environments | |
| US20160188685A1 (en) | Fan identity data integration and unification | |
| CN112597168A (zh) | 多源客户数据的处理方法、装置、平台及存储介质 | |
| CN115994830A (zh) | 取数模型的构建方法和数据归集方法及相关装置 | |
| CN107391533A (zh) | 生成图形数据库查询结果的方法及装置 | |
| CN106156904B (zh) | 一种基于eID的跨平台虚拟资产溯源方法 | |
| CN114860819A (zh) | 商业智能系统的构建方法、装置、设备和存储介质 | |
| CN113901046A (zh) | 虚拟维度表构建方法及装置 | |
| CN113934729A (zh) | 一种基于知识图谱的数据管理方法、相关设备及介质 | |
| CN114840388A (zh) | 数据监控方法、装置、电子设备及存储介质 | |
| CN114153860A (zh) | 业务数据管理方法及装置、电子设备、存储介质 | |
| CN111611056A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
| CN110765118B (zh) | 一种数据的修订方法、修订装置及可读存储介质 | |
| CN115423595B (zh) | 文件信息处理方法、装置、计算机设备和存储介质 | |
| CN113157785A (zh) | 一种数据采集系统、方法及装置 |
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 |