CN112988772B - 行为数据的监控方法、装置、设备及介质 - Google Patents

行为数据的监控方法、装置、设备及介质 Download PDF

Info

Publication number
CN112988772B
CN112988772B CN202110183766.8A CN202110183766A CN112988772B CN 112988772 B CN112988772 B CN 112988772B CN 202110183766 A CN202110183766 A CN 202110183766A CN 112988772 B CN112988772 B CN 112988772B
Authority
CN
China
Prior art keywords
data
behavior
behavior data
stored
analysis result
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110183766.8A
Other languages
English (en)
Other versions
CN112988772A (zh
Inventor
王文科
曹建超
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202110183766.8A priority Critical patent/CN112988772B/zh
Priority to PCT/CN2021/084529 priority patent/WO2022165965A1/zh
Publication of CN112988772A publication Critical patent/CN112988772A/zh
Application granted granted Critical
Publication of CN112988772B publication Critical patent/CN112988772B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/23—Updating
    • G06F16/2393—Updating materialised views
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本申请涉及人工智能技术领域，揭示了一种行为数据的监控方法、装置、设备及介质，其中方法包括：按预设时间间隔从Redis中获取CTI平台发送的待分析的行为数据；采用分类列表对待分析的行为数据进行信息提取和分类处理得到待存储的行为数据预处理数据，并更新到行为数据库中；根据待存储的行为数据预处理数据从行为数据库中获取上一日同期数据和上一周同期数据，然后进行计算得到待存储的行为数据预处理数据对应的日对比分析结果和周对比分析结果，并更新到对比结果库中；采用当前日期从对比结果库中获取日对比分析结果和周对比分析结果，并进行图形化展示得到行为数据监控视图。实现了实时、全局的监控坐席的行为。

Description

行为数据的监控方法、装置、设备及介质
技术领域
本申请涉及到人工智能技术领域，特别是涉及到一种行为数据的监控方法、装置、设备及介质。
背景技术
行为数据在电话中心一直是很难监控的，当前完全依赖于CTI厂商提供的软件监控，存在非常不灵活、维护困难的问题。现有技术对于多地域、多平台的行为数据没有全局监控，导致对业务量的分析和行为数据的判断分析缺少数据支持。
发明内容
本申请的主要目的为提供一种行为数据的监控方法、装置、设备及介质，旨在解决现有技术对于多地域、多平台的行为数据没有全局监控，导致对业务量的分析和行为数据的判断分析缺少数据支持的技术问题。
为了实现上述发明目的，本申请提出一种行为数据的监控方法，所述方法包括：
按预设时间间隔从Redis中获取待分析的行为数据，所述待分析的行为数据是CTI平台发送到所述Redis的行为数据；
获取分类列表，采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据；
将所述待存储的行为数据预处理数据更新到行为数据库中；
根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据；
采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的日对比分析结果；
采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的周对比分析结果；
将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中；
获取当前日期，采用所述当前日期从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，将获取的所述日对比分析结果和所述周对比分析结果进行图形化展示，得到行为数据监控视图。
进一步的，所述方法还包括：
获取订阅行为数据请求；
基于所述订阅行为数据请求，获取行为数据订阅配置数据；
基于与所述CTI平台的通信连接，将所述行为数据订阅配置数据发送给所述CTI平台，以使所述CTI平台根据所述行为数据订阅配置数据发送所述行为数据给所述Redis。
进一步的，所述按预设时间间隔从Redis中获取待分析的行为数据的步骤，包括：
按所述预设时间间隔从所述Redis中获取待解析数据，其中，所述待解析数据是采用Websocket的信息封装方法将所述CTI平台发送的JSON格式的所述行为数据进行封装得到的数据；
对所述待解析数据进行所述行为数据的提取，得到所述待分析的行为数据。
进一步的，所述采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据的步骤，包括：
对所述待分析的行为数据进行数据生成时间提取，得到所述待存储的行为数据预处理数据对应的数据生成时间；
对所述待分析的行为数据进行IP网段和分机信息解析的提取，得到所述待存储的行为数据预处理数据对应的IP网段数据和分机信息数据；
获取状态码列表，采用所述状态码列表对所述待分析的行为数据进行分机状态解析，得到所述待存储的行为数据预处理数据对应的分机状态数据；
采用所述分类列表根据所述待存储的行为数据预处理数据对应的所述IP网段数据和所述分机信息数据进行分类处理，得到所述待存储的行为数据预处理数据对应的分类数据。
进一步的，所述根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据的步骤，包括：
根据所述待存储的行为数据预处理数据的数据生成时间确定上一日的同一时间，得到所述待存储的行为数据预处理数据对应的上一日同一时间数据；
根据所述待存储的行为数据预处理数据的所述数据生成时间确定上一周的同一时间，得到所述待存储的行为数据预处理数据对应的上一周同一时间数据；
根据所述待存储的行为数据预处理数据对应的所述上一日同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一日的行为数据预处理数据；
根据所述待存储的行为数据预处理数据对应的所述上一周同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一周的行为数据预处理数据。
进一步的，所述将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中的步骤之后，还包括：
获取日增长百分比阈值范围数据、周增长百分比阈值范围数据、目标分类数据、预设周期；
按所述预设周期和所述目标分类数据从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，得到待检测的日对比分析结果集合和待检测的周对比分析结果集合；
对所述待检测的日对比分析结果集合进行平均值计算，得到待检测的日对比分析结果集合对应的平均值集合；
当所述待检测的日对比分析结果集合对应的平均值集合小于所述日增长百分比阈值范围数据的最低值时，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于闲提醒信号；
当所述待检测的日对比分析结果集合对应的平均值集合大于或等于所述日增长百分比阈值范围数据的最高值时，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于忙提醒信号；
对所述待检测的周对比分析结果集合进行平均值计算，得到待检测的周对比分析结果集合对应的平均值集合；
当所述待检测的周对比分析结果集合对应的平均值集合小于所述周增长百分比阈值范围数据的最低值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于闲提醒信号；
当所述待检测的周对比分析结果集合对应的平均值集合大于或等于所述周增长百分比阈值范围数据的最高值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于忙提醒信号。
进一步的，所述将所述待存储的行为数据预处理数据更新到行为数据库中的步骤之后，还包括：
获取趋势预测请求，所述趋势预测请求携带有趋势预测配置数据；
响应所述趋势预测请求，根据所述趋势预测配置数据从所述行为数据库中获取行为数据预处理数据，得到待预测的行为数据预处理数据集合；
采用所述趋势预测配置数据对所述待预测的行为数据预处理数据集合进行特征提取，得到所述趋势预测配置数据对应的待预测的行为数据特征序列；
将所述待预测的行为数据特征序列输入所述趋势预测配置数据对应的行为数据趋势预测模型进行行为数据趋势预测，所述趋势预测配置数据对应的所述行为数据趋势预测模型是基于ARIMA模型训练得到的模型；
获取所述趋势预测配置数据对应的所述行为数据趋势预测模型输出的行为数据趋势预测数据，得到目标行为数据趋势预测数据。
本申请还提出了一种行为数据的监控装置，所述装置包括：
行为数据获取模块，用于按预设时间间隔从Redis中获取待分析的行为数据，所述待分析的行为数据是CTI平台发送到所述Redis的行为数据；
信息提取和分类处理模块，用于获取分类列表，采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据；
行为数据库更新模块，用于将所述待存储的行为数据预处理数据更新到行为数据库中；
历史数据提取模块，用于根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据；
第一统计计算模块，用于采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的日对比分析结果；
第二统计计算模块，用于采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的周对比分析结果；
对比结果库更新模块，用于将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中；
图形化展示模块，用于获取当前日期，采用所述当前日期从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，将获取的所述日对比分析结果和所述周对比分析结果进行图形化展示，得到行为数据监控视图。
本申请还提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请还提出了一种计算机可读存储介质，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任一项所述的方法的步骤。
本申请的行为数据的监控方法、装置、设备及介质，首先通过Redis实时接收CTI平台发送的行为数据，按预设时间间隔从Redis中获取待分析的行为数据，其次采用分类列表对待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据，将待存储的行为数据预处理数据更新到行为数据库中，然后根据行为数据库中的数据对待存储的行为数据预处理数据进行统计计算得到待存储的行为数据预处理数据对应的日对比分析结果和周对比分析结果，将待存储的行为数据预处理数据对应的日对比分析结果、周对比分析结果更新到对比结果库中，最后采用当前日期从对比结果库中获取日对比分析结果和周对比分析结果，将获取的日对比分析结果和周对比分析结果进行图形化展示，得到行为数据监控视图，从而实现了实时、全局的监控坐席的行为，可以直观的了解行为数据，为业务量的分析和行为数据的判断分析提供了数据支持。
附图说明
图1为本申请一实施例的行为数据的监控方法的流程示意图；
图2为本申请一实施例的行为数据的监控装置的结构示意框图；
图3为本申请一实施例的计算机设备的结构示意框图。
本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
为了解决现有技术对于多地域、多平台的行为数据没有全局监控，导致对业务量的分析和行为数据的判断分析缺少数据支持的技术问题，本申请提出了一种行为数据的监控方法，所述方法应用于人工智能技术领域。所述行为数据的监控方法通过从Redis获取CTI平台发送行为数据，然后进行信息提取和分类处理，根据信息提取和分类处理进行日同期比较和周同期比较，根据日同期比较结果和周同期比较结果进行图形化展示，得到了对行为数据进行全局监控的监控视图，从而实现了实时、全局的监控坐席的行为，可以直观的了解行为数据，为业务量的分析和行为数据的判断分析提供了数据支持。
参照图1，本申请实施例中提供一种行为数据的监控方法，所述方法包括：
S1：按预设时间间隔从Redis中获取待分析的行为数据，所述待分析的行为数据是CTI平台发送到所述Redis的行为数据；
S2：获取分类列表，采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据；
S3：将所述待存储的行为数据预处理数据更新到行为数据库中；
S4：根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据；
S5：采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的日对比分析结果；
S6：采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的周对比分析结果；
S7：将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中；
S8：获取当前日期，采用所述当前日期从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，将获取的所述日对比分析结果和所述周对比分析结果进行图形化展示，得到行为数据监控视图。
本实施例首先通过Redis实时接收CTI平台发送的行为数据，按预设时间间隔从Redis中获取待分析的行为数据，其次采用分类列表对待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据，将待存储的行为数据预处理数据更新到行为数据库中，然后根据行为数据库中的数据对待存储的行为数据预处理数据进行统计计算得到待存储的行为数据预处理数据对应的日对比分析结果和周对比分析结果，将待存储的行为数据预处理数据对应的日对比分析结果、周对比分析结果更新到对比结果库中，最后采用当前日期从对比结果库中获取日对比分析结果和周对比分析结果，将获取的日对比分析结果和周对比分析结果进行图形化展示，得到行为数据监控视图，从而实现了实时、全局的监控坐席的行为，可以直观的了解行为数据，为业务量的分析和行为数据的判断分析提供了数据支持。
对于S1，可以从数据库中获取预设时间间隔，也可以是用户发送的预设时间间隔，还可以是第三方应用系统发送的预设时间间隔，也可以是写入实现本申请的软件程序中的预设时间间隔；按预设时间间隔分轮次从Redis中获取行为数据，根据获取的行为数据得到待分析的行为数据。
预设时间间隔包括但不限于：1分钟、2分钟、3分钟、4分钟、5分钟。
待分析的行为数据，也就是需要进行分析的行为数据。
行为数据包括不限于：坐席标识、数据生成时间、坐席行为。坐席行为包括但不限于：签入、签出、接听准备、接听退出、接听电话。
Redis，即远程字典服务，是一个开源的使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API。
CTI，是指计算机电话集成。
CTI平台的数量可以是多个，其中，所有CTI平台可以部署在同一个IP地址，也可以部署在多个IP地址，在此不做具体限定。所有CTI平台可以组成集群管理，也可以部分或全部独立管理，在此不做限定。
对于S2，可以从数据库中获取分类列表，也可以是用户发送的分类列表，还可以是第三方应用系统发送的分类列表，也可以是写入实现本申请的软件程序中的分类列表；先对所述待分析的行为数据进行信息提取，然后采用所述分类列表对信息提取结果进行分类，根据信息提取结果和分类结果得到行为数据预处理数据，将得到的行为数据预处理数据作为待存储的行为数据预处理数据。
分类列表包括但不限于：工号、分机号、公司、部门、产品线。
待存储的行为数据预处理数据，也就是需要存储到行为数据库中的行为数据预处理数据。
行为数据预处理数据包括但不限于：数据生成时间、IP网段数据、分机信息数据、分机状态数据、分类数据。
对于S3，将所述待存储的行为数据预处理数据存储到Oracle库的行为数据库中。
行为数据库包括：行为数据预处理数据。
对于S4，根据所述待存储的行为数据预处理数据的数据生成时间从所述行为数据库中获取上一日同一时间的行为数据预处理数据，将获取的行为数据预处理数据作为所述待存储的行为数据预处理数据对应的所述上一日的行为数据预处理数据；根据所述待存储的行为数据预处理数据的数据生成时间从所述行为数据库中获取上一周同一星期序号同一时间的行为数据预处理数据，将获取的行为数据预处理数据作为所述待存储的行为数据预处理数据对应的上一周的行为数据预处理数据。
对于S5，采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行相同类型数据的对比统计计算，将计算得到的数据作为所述待存储的行为数据预处理数据对应的日对比分析结果。可以理解的是，日对比分析结果中包括至少一个对比结果。
预设的日对比统计方法：对比算法，对比算法包括但不限于：增长百分比、增长数量。
相同类型数据，表述的是含义相同数据。比如，所述待存储的行为数据预处理数据的在线坐席数量和所述上一日的行为数据预处理数据的在线坐席数量是相同类型数据，在此举例不做具体限定。
对于S6，采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行相同类型数据的对比统计计算，将计算得到的数据作为所述待存储的行为数据预处理数据对应的周对比分析结果。可以理解的是，周对比分析结果中包括至少一个对比结果。
预设的周对比统计方法：对比算法，对比算法包括但不限于：增长百分比、增长数量。
对于S7，将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果存储到Oracle库的对比结果库中。
对比结果库包括：数据生成时间、日对比分析结果、周对比分析结果。每个数据生成时间对应一个日对比分析结果和一个周对比分析结果。
对于S8，实时获取当前日期；从所述对比结果库中获取数据生成时间的日期与所述当前日期相同的所有所述日对比分析结果和所有所述周对比分析结果，将获取的所有所述日对比分析结果按数据生成时间的先后顺序在一个图表中进行图形化展示，将获取的所有所述周对比分析结果按数据生成时间的先后顺序在一个图表中进行图形化展示，得到行为数据监控视图。行为数据监控视图为业务量的分析和行为数据的判断分析提供了直观的数据支持。
在一个实施例中，上述方法还包括：
S011：获取订阅行为数据请求；
S012：基于所述订阅行为数据请求，获取行为数据订阅配置数据；
S013：基于与所述CTI平台的通信连接，将所述行为数据订阅配置数据发送给所述CTI平台，以使所述CTI平台根据所述行为数据订阅配置数据发送所述行为数据给所述Redis。
本实施例实现了向CTI平台订阅行为数据，从而满足了个性化的需求，也减少了数据的传输量。
对于S011，获取用户输入的订阅行为数据请求。
订阅行为数据请求，是指向CTI平台订阅行为数据的请求。
对于S012，基于所述订阅行为数据请求，获取用户输入的行为数据订阅配置数据。
所述行为数据订阅配置数据包括但不限于：CTI平台标识、订阅配置数据。订阅配置数据包括但不限于：工号、分机号、队列信息。队列信息是聚类信息。比如，队列信息包括：客户平均等待接入时间，在此举例不做具体限定。
CTI平台标识可以是CTI平台名称、CTI平台ID等唯一标识一个CTI平台的标识。
对于S013，首先与所述行为数据订阅配置数据的CTI平台标识对应的所述CTI平台进行通信连接，然后基于该通信连接，将所述行为数据订阅配置数据的订阅配置数据发送给所述行为数据订阅配置数据的CTI平台标识对应的所述CTI平台，所述行为数据订阅配置数据的CTI平台标识对应的所述CTI平台将根据所述行为数据订阅配置数据的订阅配置数据发送所述行为数据给所述Redis。
在一个实施例中，上述按预设时间间隔从Redis中获取待分析的行为数据的步骤，包括：
S11：按所述预设时间间隔从所述Redis中获取待解析数据，其中，所述待解析数据是采用Websocket的信息封装方法将所述CTI平台发送的JSON格式的所述行为数据进行封装得到的数据；
S12：对所述待解析数据进行所述行为数据的提取，得到所述待分析的行为数据。
本实施例通过从所述Redis中获取待解析数据进行行为数据的提取，从而为后续进行信息提取和分类处理提供了基础；所述CTI平台发送的JSON格式的所述行为数据，通过JSON格式减少了数据的传输量。
对于S11，按所述预设时间间隔从所述Redis中获取数据，将获取的数据作为待解析数据。
JSON，全称为JavaScript Object Notation，JS对象简谱，是一种轻量级的数据交换格式。
Websocket，是一种在单个TCP连接上进行全双工通信的协议。
对于S12，从待解析数据中进行所述行为数据的提取，将提取得到的所述行为数据作为所述待分析的行为数据。
在一个实施例中，上述采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据的步骤，包括：
S21：对所述待分析的行为数据进行数据生成时间提取，得到所述待存储的行为数据预处理数据对应的数据生成时间；
S22：对所述待分析的行为数据进行IP网段和分机信息解析的提取，得到所述待存储的行为数据预处理数据对应的IP网段数据和分机信息数据；
S23：获取状态码列表，采用所述状态码列表对所述待分析的行为数据进行分机状态解析，得到所述待存储的行为数据预处理数据对应的分机状态数据；
S24：采用所述分类列表根据所述待存储的行为数据预处理数据对应的所述IP网段数据和所述分机信息数据进行分类处理，得到所述待存储的行为数据预处理数据对应的分类数据。
本实施例实现了对所述待分析的行为数据进行信息提取和分类处理，为后续进行统计计算提供了数据基础；而且信息提取和分类处理的结果可以重复利用，避免每次使用时重新进行信息提取和分类处理，提高了数据分析的效率。
对于S21，从所述待分析的行为数据中提取出数据生成时间，也就是说，同一个所述待分析的行为数据中的行为数据的数据生成时间相同，将提取出的数据生成时间作为所述待存储的行为数据预处理数据对应的数据生成时间。
对于S22，采用网段地址关键字对所述待分析的行为数据进行IP网段的解析的提取，将提取到的数据作为所述待存储的行为数据预处理数据对应的IP网段数据；采用分机信息关键字对所述待分析的行为数据进行分机信息的解析的提取，将提取到的数据作为所述待存储的行为数据预处理数据对应的分机信息数据。
对于S23，可以从数据库中获取状态码列表，也可以是用户发送的状态码列表，还可以是第三方应用系统发送的状态码列表，也可以是写入实现本申请的软件程序中的状态码列表。
采用所述状态码列表从所述待分析的行为数据中进行查找，将在所述待分析的行为数据中查找到的状态码在所述状态码列表中对应的分机状态信息作为所述待存储的行为数据预处理数据对应的分机状态数据。
状态码列表包括：状态码、分机状态信息，每个状态码对应一个分机状态信息。分机状态信息包括但不限于：签入、签出、忙、未准备好。
对于S24，采用所述待存储的行为数据预处理数据对应的所述IP网段数据和所述分机信息数据在所述分类列表中进行查找，将在所述分类列表中查找到的分类数据作为所述待存储的行为数据预处理数据对应的分类数据。
在一个实施例中，上述根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据的步骤，包括：
S41：根据所述待存储的行为数据预处理数据的数据生成时间确定上一日的同一时间，得到所述待存储的行为数据预处理数据对应的上一日同一时间数据；
S42：根据所述待存储的行为数据预处理数据的所述数据生成时间确定上一周的同一时间，得到所述待存储的行为数据预处理数据对应的上一周同一时间数据；
S43：根据所述待存储的行为数据预处理数据对应的所述上一日同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一日的行为数据预处理数据；
S44：根据所述待存储的行为数据预处理数据对应的所述上一周同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一周的行为数据预处理数据。
本实施例实现了从行为数据库中获取上一日同一时间数据和上一周同一时间数据，为后续进行对比统计计算提供了数据基础。
对于S41，将所述待存储的行为数据预处理数据的数据生成时间在上一日的同一时间作为所述待存储的行为数据预处理数据对应的上一日同一时间数据。比如，所述待存储的行为数据预处理数据的数据生成时间是2020年1月31日9点30分，那么2020年1月25日9点30分在上一日的同一时间2020年1月24日9点30分作为所述待存储的行为数据预处理数据对应的上一日同一时间数据，在此举例不做具体限定。
对于S42，将所述待存储的行为数据预处理数据的所述数据生成时间在上一周的相同星期序号的同一时间作为所述待存储的行为数据预处理数据对应的上一周同一时间数据。比如，所述待存储的行为数据预处理数据的数据生成时间是2020年1月31日9点30分，那么2020年1月23日9点30分在在上一周的相同星期序号的同一时间2020年1月16日9点30分作为所述待存储的行为数据预处理数据对应的上一周同一时间数据，在此举例不做具体限定。
对于S43，将所述待存储的行为数据预处理数据对应的所述上一日同一时间数据从所述行为数据库中进行查找，将在所述行为数据库中查找到的所述数据生成时间对应的行为数据预处理数据作为所述待存储的行为数据预处理数据对应的所述上一日的行为数据预处理数据。
对于S44，将所述待存储的行为数据预处理数据对应的所述上一周同一时间数据从所述行为数据库中进行查找，将在所述行为数据库中查找到的所述数据生成时间对应的行为数据预处理数据作为所述待存储的行为数据预处理数据对应的所述上一周的行为数据预处理数据。
在一个实施例中，上述将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中的步骤之后，还包括：
S911：获取日增长百分比阈值范围数据、周增长百分比阈值范围数据、目标分类数据、预设周期；
S912：按所述预设周期和所述目标分类数据从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，得到待检测的日对比分析结果集合和待检测的周对比分析结果集合；
S913：对所述待检测的日对比分析结果集合进行平均值计算，得到待检测的日对比分析结果集合对应的平均值集合；
S914：当所述待检测的日对比分析结果集合对应的平均值集合小于所述日增长百分比阈值范围数据的最低值时，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于闲提醒信号；
S915：当所述待检测的日对比分析结果集合对应的平均值集合大于或等于所述日增长百分比阈值范围数据的最高值时，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于忙提醒信号；
S916：对所述待检测的周对比分析结果集合进行平均值计算，得到待检测的周对比分析结果集合对应的平均值集合；
S917：当所述待检测的周对比分析结果集合对应的平均值集合小于所述周增长百分比阈值范围数据的最低值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于闲提醒信号；
S918：当所述待检测的周对比分析结果集合对应的平均值集合大于或等于所述周增长百分比阈值范围数据的最高值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于忙提醒信号。
本实施例实现了按所述预设周期和所述目标分类数据从所述对比结果库中获取数据进行预警分析，从而有利于及时发现行为数据的异常。
对于S911，可以从数据库中获取日增长百分比阈值范围数据，也可以是用户发送的日增长百分比阈值范围数据，还可以是第三方应用系统发送的日增长百分比阈值范围数据，也可以是写入实现本申请的软件程序中的日增长百分比阈值范围数据。
可以从数据库中获取周增长百分比阈值范围数据，也可以是用户发送的周增长百分比阈值范围数据，还可以是第三方应用系统发送的周增长百分比阈值范围数据，也可以是写入实现本申请的软件程序中的周增长百分比阈值范围数据。
可以从数据库中获取目标分类数据，也可以是用户发送的目标分类数据，还可以是第三方应用系统发送的目标分类数据，也可以是写入实现本申请的软件程序中的目标分类数据。
可以从数据库中获取预设周期，也可以是用户发送的预设周期，还可以是第三方应用系统发送的预设周期，也可以是写入实现本申请的软件程序中的预设周期。
目标分类数据，可以是所有分类数据中的任一个。
对于S912，采用所述预设周期和所述目标分类数据从所述对比结果库中进行所述日对比分析结果查找，将查找到的所有所述日对比分析结果作为待检测的日对比分析结果集合；采用所述预设周期和所述目标分类数据从所述对比结果库中进行所述周对比分析结果查找，将查找到的所有所述周对比分析结果作为待检测的周对比分析结果集合。
对于S913，对所述待检测的日对比分析结果集合中所有所述日对比分析结果集合进行相同类型数据的平均值计算，得到待检测的日对比分析结果集合对应的平均值集合。
对于S914，当所述待检测的周对比分析结果集合对应的平均值集合小于所述周增长百分比阈值范围数据的最低值时，意味着相对上一日行为数据的闲的情况超过预期，此时需要根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于闲提醒信号，通过日对比处于闲提醒信号提醒监控人员在当前预设周期内相对上一日同一时间的行为数据为闲的情况超过预期。
对于S915，当所述待检测的日对比分析结果集合对应的平均值集合大于或等于所述日增长百分比阈值范围数据的最高值时，意味着相对上一日行为数据的忙的情况超过预期，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于忙提醒信号，通过日对比处于忙提醒信号提醒监控人员在当前预设周期内相对上一日同一时间的行为数据为忙的情况超过预期。
对于S916，对所述待检测的周对比分析结果集合中所有所述周对比分析结果集合进行相同类型数据的平均值计算，得到待检测的周对比分析结果集合对应的平均值集合。
对于S917，当所述待检测的周对比分析结果集合对应的平均值集合小于所述周增长百分比阈值范围数据的最低值时，意味着相对上一周行为数据的闲的情况超过预期，此时需要根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于闲提醒信号，通过周对比处于闲提醒信号提醒监控人员在当前预设周期内相对上一周同一时间的行为数据为闲的情况超过预期。
对于S918，当所述待检测的周对比分析结果集合对应的平均值集合大于或等于所述周增长百分比阈值范围数据的最高值时，意味着相对上一周行为数据的忙的情况超过预期，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于忙提醒信号，通过周对比处于忙提醒信号提醒监控人员在当前预设周期内相对上一周同一时间的行为数据为忙的情况超过预期。
在一个实施例中，上述将所述待存储的行为数据预处理数据更新到行为数据库中的步骤之后，还包括：
S921：获取趋势预测请求，所述趋势预测请求携带有趋势预测配置数据；
S922：响应所述趋势预测请求，根据所述趋势预测配置数据从所述行为数据库中获取行为数据预处理数据，得到待预测的行为数据预处理数据集合；
S923：采用所述趋势预测配置数据对所述待预测的行为数据预处理数据集合进行特征提取，得到所述趋势预测配置数据对应的待预测的行为数据特征序列；
S924：将所述待预测的行为数据特征序列输入所述趋势预测配置数据对应的行为数据趋势预测模型进行行为数据趋势预测，所述趋势预测配置数据对应的所述行为数据趋势预测模型是基于ARIMA模型训练得到的模型；
S925：获取所述趋势预测配置数据对应的所述行为数据趋势预测模型输出的行为数据趋势预测数据，得到目标行为数据趋势预测数据。
本实施例实现了进行行为数据趋势预测，从而进一步为业务量的分析和行为数据的判断分析提供了数据支持。
对于S921，可以获取用户输入的趋势预测请求，还可以是实现本申请的程序文件自动触发的趋势预测请求。
趋势预测请求，是指对行为数据进行趋势预测的请求。
趋势预测配置数据包括：配置标识、取值时长、取值特征配置数据。配置标识可以是配置名称、配置ID等唯一标识一个趋势预测配置数据的标识。
对于S922，采用所述趋势预测配置数据的取值时长从所述行为数据库中以当前时间为结束时间获取行为数据预处理数据，将获取的行为数据预处理数据作为待预测的行为数据预处理数据集合。
对于S923，采用所述趋势预测配置数据的取值特征配置数据对所述待预测的行为数据预处理数据集合进行特征提取，将提取得到的特征数据作为所述趋势预测配置数据对应的待预测的行为数据特征序列。
对于S924，将所述待预测的行为数据特征序列输入所述趋势预测配置数据的配置标识对应的行为数据趋势预测模型进行行为数据趋势预测。
基于ARIMA模型(差分整合移动平均自回归模型)训练得到的所述趋势预测配置数据对应的所述行为数据趋势预测模型的方法可以从现有技术选择，在此不做赘述。
对于S925，获取所述趋势预测配置数据对应的所述行为数据趋势预测模型输出的行为数据趋势预测数据，将获取的行为数据趋势预测数据作为目标行为数据趋势预测数据。
目标行为数据趋势预测数据，用于描述行为数据在未来的发展趋势，从而进一步为业务量的分析和行为数据的判断分析提供了数据支持。
参照图2，本申请还提出了一种行为数据的监控装置，所述装置包括：
行为数据获取模块100，用于按预设时间间隔从Redis中获取待分析的行为数据，所述待分析的行为数据是CTI平台发送到所述Redis的行为数据；
信息提取和分类处理模块200，用于获取分类列表，采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据；
行为数据库更新模块300，用于将所述待存储的行为数据预处理数据更新到行为数据库中；
历史数据提取模块400，用于根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据；
第一统计计算模块500，用于采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的日对比分析结果；
第二统计计算模块600，用于采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的周对比分析结果；
对比结果库更新模块700，用于将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中；
图形化展示模块800，用于获取当前日期，采用所述当前日期从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，将获取的所述日对比分析结果和所述周对比分析结果进行图形化展示，得到行为数据监控视图。
本实施例首先通过Redis实时接收CTI平台发送的行为数据，按预设时间间隔从Redis中获取待分析的行为数据，其次采用分类列表对待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据，将待存储的行为数据预处理数据更新到行为数据库中，然后根据行为数据库中的数据对待存储的行为数据预处理数据进行统计计算得到待存储的行为数据预处理数据对应的日对比分析结果和周对比分析结果，将待存储的行为数据预处理数据对应的日对比分析结果、周对比分析结果更新到对比结果库中，最后采用当前日期从对比结果库中获取日对比分析结果和周对比分析结果，将获取的日对比分析结果和周对比分析结果进行图形化展示，得到行为数据监控视图，从而实现了实时、全局的监控坐席的行为，可以直观的了解行为数据，为业务量的分析和行为数据的判断分析提供了数据支持。
在一个实施例中，上述装置还包括：订阅模块；
所述订阅模块，用于获取订阅行为数据请求，基于所述订阅行为数据请求，获取行为数据订阅配置数据，基于与所述CTI平台的通信连接，将所述行为数据订阅配置数据发送给所述CTI平台，以使所述CTI平台根据所述行为数据订阅配置数据发送所述行为数据给所述Redis。
在一个实施例中，上述行为数据获取模块100包括：待解析数据获取子模块、行为数据的提取子模块；
所述待解析数据获取子模块，用于按所述预设时间间隔从所述Redis中获取待解析数据，其中，所述待解析数据是采用Websocket的信息封装方法将所述CTI平台发送的JSON格式的所述行为数据进行封装得到的数据；
所述行为数据的提取子模块，用于对所述待解析数据进行所述行为数据的提取，得到所述待分析的行为数据。
在一个实施例中，上述信息提取和分类处理模块200包括：数据生成时间提取子模块、IP网段和分机信息解析的提取子模块、分机状态解析子模块、分类处理子模块；
所述数据生成时间提取子模块，用于对所述待分析的行为数据进行数据生成时间提取，得到所述待存储的行为数据预处理数据对应的数据生成时间；
所述IP网段和分机信息解析的提取子模块，用于对所述待分析的行为数据进行IP网段和分机信息解析的提取，得到所述待存储的行为数据预处理数据对应的IP网段数据和分机信息数据；
所述分机状态解析子模块，用于获取状态码列表，采用所述状态码列表对所述待分析的行为数据进行分机状态解析，得到所述待存储的行为数据预处理数据对应的分机状态数据；
所述分类处理子模块，用于采用所述分类列表根据所述待存储的行为数据预处理数据对应的所述IP网段数据和所述分机信息数据进行分类处理，得到所述待存储的行为数据预处理数据对应的分类数据。
在一个实施例中，上述历史数据提取模块400包括：上一日同一时间数据确定子模块、上一周同一时间数据确定子模块、上一日的行为数据预处理数据确定子模块、上一周的行为数据预处理数据确定子模块；
所述上一日同一时间数据确定子模块，用于根据所述待存储的行为数据预处理数据的数据生成时间确定上一日的同一时间，得到所述待存储的行为数据预处理数据对应的上一日同一时间数据；
所述上一周同一时间数据确定子模块，用于根据所述待存储的行为数据预处理数据的所述数据生成时间确定上一周的同一时间，得到所述待存储的行为数据预处理数据对应的上一周同一时间数据；
所述上一日的行为数据预处理数据确定子模块，用于根据所述待存储的行为数据预处理数据对应的所述上一日同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一日的行为数据预处理数据；
所述上一周的行为数据预处理数据确定子模块，用于根据所述待存储的行为数据预处理数据对应的所述上一周同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一周的行为数据预处理数据。
在一个实施例中，上述装置还包括：参数获取模块、对比分析结果获取模块、日对比分析结果预警模块、周对比分析结果预警模块；
所述参数获取模块，用于获取日增长百分比阈值范围数据、周增长百分比阈值范围数据、目标分类数据、预设周期；
所述对比分析结果获取模块，用于按所述预设周期和所述目标分类数据从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，得到待检测的日对比分析结果集合和待检测的周对比分析结果集合；
所述日对比分析结果预警模块，用于对所述待检测的日对比分析结果集合进行平均值计算，得到待检测的日对比分析结果集合对应的平均值集合，当所述待检测的日对比分析结果集合对应的平均值集合小于所述日增长百分比阈值范围数据的最低值时，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于闲提醒信号，当所述待检测的日对比分析结果集合对应的平均值集合大于或等于所述日增长百分比阈值范围数据的最高值时，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于忙提醒信号；
所述周对比分析结果预警模块，用于对所述待检测的周对比分析结果集合进行平均值计算，得到待检测的周对比分析结果集合对应的平均值集合，当所述待检测的周对比分析结果集合对应的平均值集合小于所述周增长百分比阈值范围数据的最低值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于闲提醒信号，当所述待检测的周对比分析结果集合对应的平均值集合大于或等于所述周增长百分比阈值范围数据的最高值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于忙提醒信号。
在一个实施例中，上述将所述待存储的行为数据预处理数据更新到行为数据库中的步骤之后，还包括：
获取趋势预测请求，所述趋势预测请求携带有趋势预测配置数据；
响应所述趋势预测请求，根据所述趋势预测配置数据从所述行为数据库中获取行为数据预处理数据，得到待预测的行为数据预处理数据集合；
采用所述趋势预测配置数据对所述待预测的行为数据预处理数据集合进行特征提取，得到所述趋势预测配置数据对应的待预测的行为数据特征序列；
将所述待预测的行为数据特征序列输入所述趋势预测配置数据对应的行为数据趋势预测模型进行行为数据趋势预测，所述趋势预测配置数据对应的所述行为数据趋势预测模型是基于ARIMA模型训练得到的模型；
获取所述趋势预测配置数据对应的所述行为数据趋势预测模型输出的行为数据趋势预测数据，得到目标行为数据趋势预测数据。
参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于储存行为数据的监控方法等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述行为数据的监控方法。
本实施例首先通过Redis实时接收CTI平台发送的行为数据，按预设时间间隔从Redis中获取待分析的行为数据，其次采用分类列表对待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据，将待存储的行为数据预处理数据更新到行为数据库中，然后根据行为数据库中的数据对待存储的行为数据预处理数据进行统计计算得到待存储的行为数据预处理数据对应的日对比分析结果和周对比分析结果，将待存储的行为数据预处理数据对应的日对比分析结果、周对比分析结果更新到对比结果库中，最后采用当前日期从对比结果库中获取日对比分析结果和周对比分析结果，将获取的日对比分析结果和周对比分析结果进行图形化展示，得到行为数据监控视图，从而实现了实时、全局的监控坐席的行为，可以直观的了解行为数据，为业务量的分析和行为数据的判断分析提供了数据支持。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述行为数据的监控方法。
上述执行的行为数据的监控方法，首先通过Redis实时接收CTI平台发送的行为数据，按预设时间间隔从Redis中获取待分析的行为数据，其次采用分类列表对待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据，将待存储的行为数据预处理数据更新到行为数据库中，然后根据行为数据库中的数据对待存储的行为数据预处理数据进行统计计算得到待存储的行为数据预处理数据对应的日对比分析结果和周对比分析结果，将待存储的行为数据预处理数据对应的日对比分析结果、周对比分析结果更新到对比结果库中，最后采用当前日期从对比结果库中获取日对比分析结果和周对比分析结果，将获取的日对比分析结果和周对比分析结果进行图形化展示，得到行为数据监控视图，从而实现了实时、全局的监控坐席的行为，可以直观的了解行为数据，为业务量的分析和行为数据的判断分析提供了数据支持。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (8)

1.一种行为数据的监控方法，其特征在于，所述方法包括：
按预设时间间隔从Redis中获取待分析的行为数据，所述待分析的行为数据是CTI平台发送到所述Redis的行为数据；
获取分类列表，采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据；
将所述待存储的行为数据预处理数据更新到行为数据库中；
根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据；
采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的日对比分析结果；
采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的周对比分析结果；
将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中；
获取当前日期，采用所述当前日期从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，将获取的所述日对比分析结果和所述周对比分析结果进行图形化展示，得到行为数据监控视图；
所述采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据的步骤，包括：
对所述待分析的行为数据进行数据生成时间提取，得到所述待存储的行为数据预处理数据对应的数据生成时间；
对所述待分析的行为数据进行IP网段和分机信息解析的提取，得到所述待存储的行为数据预处理数据对应的IP网段数据和分机信息数据；
获取状态码列表，采用所述状态码列表对所述待分析的行为数据进行分机状态解析，得到所述待存储的行为数据预处理数据对应的分机状态数据；
采用所述分类列表根据所述待存储的行为数据预处理数据对应的所述IP网段数据和所述分机信息数据进行分类处理，得到所述待存储的行为数据预处理数据对应的分类数据。
所述根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据的步骤，包括：
根据所述待存储的行为数据预处理数据的数据生成时间确定上一日的同一时间，得到所述待存储的行为数据预处理数据对应的上一日同一时间数据；
根据所述待存储的行为数据预处理数据的所述数据生成时间确定上一周的同一时间，得到所述待存储的行为数据预处理数据对应的上一周同一时间数据；
根据所述待存储的行为数据预处理数据对应的所述上一日同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一日的行为数据预处理数据；
根据所述待存储的行为数据预处理数据对应的所述上一周同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一周的行为数据预处理数据。
2.根据权利要求1所述的行为数据的监控方法，其特征在于，所述方法还包括：
获取订阅行为数据请求；
基于所述订阅行为数据请求，获取行为数据订阅配置数据；
基于与所述CTI平台的通信连接，将所述行为数据订阅配置数据发送给所述CTI平台，以使所述CTI平台根据所述行为数据订阅配置数据发送所述行为数据给所述Redis。
3.根据权利要求1所述的行为数据的监控方法，其特征在于，所述按预设时间间隔从Redis中获取待分析的行为数据的步骤，包括：
按所述预设时间间隔从所述Redis中获取待解析数据，其中，所述待解析数据是采用Websocket的信息封装方法将所述CTI平台发送的JSON格式的所述行为数据进行封装得到的数据；
对所述待解析数据进行所述行为数据的提取，得到所述待分析的行为数据。
4.根据权利要求1所述的行为数据的监控方法，其特征在于，所述将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中的步骤之后，还包括：
获取日增长百分比阈值范围数据、周增长百分比阈值范围数据、目标分类数据、预设周期；
按所述预设周期和所述目标分类数据从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，得到待检测的日对比分析结果集合和待检测的周对比分析结果集合；
对所述待检测的日对比分析结果集合进行平均值计算，得到待检测的日对比分析结果集合对应的平均值集合；
当所述待检测的日对比分析结果集合对应的平均值集合小于所述日增长百分比阈值范围数据的最低值时，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于闲提醒信号；
当所述待检测的日对比分析结果集合对应的平均值集合大于或等于所述日增长百分比阈值范围数据的最高值时，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于忙提醒信号；
对所述待检测的周对比分析结果集合进行平均值计算，得到待检测的周对比分析结果集合对应的平均值集合；
当所述待检测的周对比分析结果集合对应的平均值集合小于所述周增长百分比阈值范围数据的最低值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于闲提醒信号；
当所述待检测的周对比分析结果集合对应的平均值集合大于或等于所述周增长百分比阈值范围数据的最高值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于忙提醒信号。
5.根据权利要求1所述的行为数据的监控方法，其特征在于，所述将所述待存储的行为数据预处理数据更新到行为数据库中的步骤之后，还包括：
获取趋势预测请求，所述趋势预测请求携带有趋势预测配置数据；
响应所述趋势预测请求，根据所述趋势预测配置数据从所述行为数据库中获取行为数据预处理数据，得到待预测的行为数据预处理数据集合；
采用所述趋势预测配置数据对所述待预测的行为数据预处理数据集合进行特征提取，得到所述趋势预测配置数据对应的待预测的行为数据特征序列；
将所述待预测的行为数据特征序列输入所述趋势预测配置数据对应的行为数据趋势预测模型进行行为数据趋势预测，所述趋势预测配置数据对应的所述行为数据趋势预测模型是基于ARIMA模型训练得到的模型；
获取所述趋势预测配置数据对应的所述行为数据趋势预测模型输出的行为数据趋势预测数据，得到目标行为数据趋势预测数据。
6.一种行为数据的监控装置，其特征在于，所述装置包括：
行为数据获取模块，用于按预设时间间隔从Redis中获取待分析的行为数据，所述待分析的行为数据是CTI平台发送到所述Redis的行为数据；
信息提取和分类处理模块，用于获取分类列表，采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据；
行为数据库更新模块，用于将所述待存储的行为数据预处理数据更新到行为数据库中；
历史数据提取模块，用于根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据；
第一统计计算模块，用于采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的日对比分析结果；
第二统计计算模块，用于采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的周对比分析结果；
对比结果库更新模块，用于将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中；
图形化展示模块，用于获取当前日期，采用所述当前日期从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，将获取的所述日对比分析结果和所述周对比分析结果进行图形化展示，得到行为数据监控视图；
所述信息提取和分类处理模块包括：数据生成时间提取子模块、IP网段和分机信息解析的提取子模块、分机状态解析子模块、分类处理子模块；
所述数据生成时间提取子模块，用于对所述待分析的行为数据进行数据生成时间提取，得到所述待存储的行为数据预处理数据对应的数据生成时间；
所述IP网段和分机信息解析的提取子模块，用于对所述待分析的行为数据进行IP网段和分机信息解析的提取，得到所述待存储的行为数据预处理数据对应的IP网段数据和分机信息数据；
所述分机状态解析子模块，用于获取状态码列表，采用所述状态码列表对所述待分析的行为数据进行分机状态解析，得到所述待存储的行为数据预处理数据对应的分机状态数据；
所述分类处理子模块，用于采用所述分类列表根据所述待存储的行为数据预处理数据对应的所述IP网段数据和所述分机信息数据进行分类处理，得到所述待存储的行为数据预处理数据对应的分类数据；
历史数据提取模块包括：上一日同一时间数据确定子模块、上一周同一时间数据确定子模块、上一日的行为数据预处理数据确定子模块、上一周的行为数据预处理数据确定子模块；
所述上一日同一时间数据确定子模块，用于根据所述待存储的行为数据预处理数据的数据生成时间确定上一日的同一时间，得到所述待存储的行为数据预处理数据对应的上一日同一时间数据；
所述上一周同一时间数据确定子模块，用于根据所述待存储的行为数据预处理数据的所述数据生成时间确定上一周的同一时间，得到所述待存储的行为数据预处理数据对应的上一周同一时间数据；
所述上一日的行为数据预处理数据确定子模块，用于根据所述待存储的行为数据预处理数据对应的所述上一日同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一日的行为数据预处理数据；
所述上一周的行为数据预处理数据确定子模块，用于根据所述待存储的行为数据预处理数据对应的所述上一周同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一周的行为数据预处理数据。
7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
8.一种计算机可读存储介质，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1至5中任一项所述的方法的步骤。
CN202110183766.8A 2021-02-08 2021-02-08 行为数据的监控方法、装置、设备及介质 Active CN112988772B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110183766.8A CN112988772B (zh) 2021-02-08 2021-02-08 行为数据的监控方法、装置、设备及介质
PCT/CN2021/084529 WO2022165965A1 (zh) 2021-02-08 2021-03-31 行为数据的监控方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110183766.8A CN112988772B (zh) 2021-02-08 2021-02-08 行为数据的监控方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN112988772A CN112988772A (zh) 2021-06-18
CN112988772B true CN112988772B (zh) 2023-07-21

Family

ID=76393748

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110183766.8A Active CN112988772B (zh) 2021-02-08 2021-02-08 行为数据的监控方法、装置、设备及介质

Country Status (2)

Country Link
CN (1) CN112988772B (zh)
WO (1) WO2022165965A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113515561B (zh) * 2021-07-20 2023-12-12 苏州景昱医疗器械有限公司 参数比对方法、装置、电子设备及计算机可读存储介质
CN115269612B (zh) * 2022-09-26 2022-12-13 公安部信息通信中心 一种基于微服务的跨平台多维数据融合系统
CN115617819B (zh) * 2022-12-19 2023-03-14 思创数码科技股份有限公司 数据存储方法、系统、计算机设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108304308A (zh) * 2018-02-07 2018-07-20 平安普惠企业管理有限公司 用户行为监控方法、装置、计算机设备和存储介质
CN110377569A (zh) * 2019-06-19 2019-10-25 中国平安人寿保险股份有限公司 日志监控方法、装置、计算机设备和存储介质
CN110428087A (zh) * 2019-06-25 2019-11-08 万翼科技有限公司 企业稳定性预测方法、装置、计算机设备和存储介质
CN110750414A (zh) * 2019-09-06 2020-02-04 上海陆家嘴国际金融资产交易市场股份有限公司 移动数据监控分析方法、装置、计算机设备和存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105184455A (zh) * 2015-08-20 2015-12-23 国家电网公司 一种面向城市电力数据分析的高维可视化分析方法
US11341374B2 (en) * 2018-05-29 2022-05-24 Microsoft Technology Licensing, Llc Data anomaly detection
CN109739730B (zh) * 2019-01-14 2022-05-17 平安科技（深圳）有限公司 多系统日志数据的监控方法、装置、设备及可读存储介质
CN111290916B (zh) * 2020-02-18 2022-11-25 深圳前海微众银行股份有限公司 大数据监控方法、装置、设备及计算机可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108304308A (zh) * 2018-02-07 2018-07-20 平安普惠企业管理有限公司 用户行为监控方法、装置、计算机设备和存储介质
CN110377569A (zh) * 2019-06-19 2019-10-25 中国平安人寿保险股份有限公司 日志监控方法、装置、计算机设备和存储介质
CN110428087A (zh) * 2019-06-25 2019-11-08 万翼科技有限公司 企业稳定性预测方法、装置、计算机设备和存储介质
CN110750414A (zh) * 2019-09-06 2020-02-04 上海陆家嘴国际金融资产交易市场股份有限公司 移动数据监控分析方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
WO2022165965A1 (zh) 2022-08-11
CN112988772A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN112988772B (zh) 行为数据的监控方法、装置、设备及介质
WO2020073727A1 (zh) 风险预测方法、装置、计算机设备和存储介质
CN104615067B (zh) 控制装置以及控制方法
CN112559813B (zh) 基于指令关联推送的物联网网关数据处理方法及装置
US11755949B2 (en) Multi-platform machine learning systems
WO2022068280A1 (zh) 数据处理方法、装置、设备及存储介质
CN115688759A (zh) 上报信息归类方法、系统、计算机设备及介质
CN114531374B (zh) 网络监控方法、装置、设备及存储介质
CN114003813A (zh) 客户分群方法、装置、设备及存储介质
CN114721344A (zh) 基于数字孪生DaaS平台的智能决策方法及系统
CN110717521B (zh) 智能业务实现方法、装置及计算机可读存储介质
CN109302441B (zh) 巡视探访服务的电子监管方法
CN113076406A (zh) 一种信息处理方法及装置
EP3528143A1 (en) Bot for a system
CN114782758B (zh) 图像处理模型训练方法、系统、计算机设备及存储介质
CN112907008A (zh) 带看请求的处理方法、装置、存储介质及设备
CN116028700B (zh) 车辆的离线查询方法及其装置
CN113596267B (zh) 一种人工智能呼叫方法、系统、计算机设备及存储介质
CN117541038A (zh) 流程监控方法、装置、设备、介质
CN116307458A (zh) 病虫害识别防治预警系统及方法
CN117349530A (zh) 基于用户操作行为的标签方法、装置、设备及介质
CN117893201A (zh) 基于多模态数据的辅助决策方法、计算机设备及存储介质
CN113642657A (zh) 数据推送方法、装置及电子设备
CN116993199A (zh) 话务指标的监控方法、装置、计算机设备和存储介质
CN114625936A (zh) 数据处理方法、装置、计算机设备及存储介质

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