CN112990669A - 产品数据分析方法、装置、计算机设备及存储介质 - Google Patents

产品数据分析方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN112990669A
CN112990669A CN202110205838.4A CN202110205838A CN112990669A CN 112990669 A CN112990669 A CN 112990669A CN 202110205838 A CN202110205838 A CN 202110205838A CN 112990669 A CN112990669 A CN 112990669A
Authority
CN
China
Prior art keywords
factor
index
product data
increment
dimension
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110205838.4A
Other languages
English (en)
Other versions
CN112990669B (zh
Inventor
蒲朝仪
杨鸿超
李梅
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 Health Insurance Company of China Ltd
Original Assignee
Ping An Health Insurance Company of China 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 Health Insurance Company of China Ltd filed Critical Ping An Health Insurance Company of China Ltd
Priority to CN202110205838.4A priority Critical patent/CN112990669B/zh
Publication of CN112990669A publication Critical patent/CN112990669A/zh
Application granted granted Critical
Publication of CN112990669B publication Critical patent/CN112990669B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Complex Calculations (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及数据分析领域，公开了一种产品数据分析方法、装置、计算机设备及存储介质，其方法包括：接收维度设置指令，根据维度设置指令设置产品数据的分析维度，分析维度包括时间维度或用户维度；获取至少两组处于同一量化指标模型且在分析维度上存在差异的产品数据，量化指标模型通过若干指标因子的乘积确定一量化指标；根据至少两组产品数据确定任意两组产品数据在量化指标模型的期值增量和若干因子增量；根据期值增量和若干因子增量分析指标因子对量化指标的影响权重。本发明通过构建量化指标与产品数据的指标因子之间的关联关系，进一步挖掘产品数据的价值，提高产品健康程度的分析能力，并可用于分析产品的产品生命周期。

Description

产品数据分析方法、装置、计算机设备及存储介质
技术领域
本发明涉及数据分析领域，尤其涉及一种产品数据分析方法、装置、计算机设备及存储介质。
背景技术
随着信息技术的不断发展，企业在为用户提供产品服务的同时，也衍生了大量产品数据。这些产品数据随着时间的变化而变化。产品数据在一定程度上反映了产品在市场的健康程度。
产品的健康程度可用一些量化指标衡量。不同的产品，其采用的量化指标是不相同的。比如，保险产品的量化指标包括赔付率，交易平台的量化指标包括成交量，物流平台的量化指标包括配送效率和配送成本。
然而，产品数据通常涉及多个指标因子，不同指标因子对量化指标的影响权重是不相同的。而且，随着时间的推移，某一指标因子对量化指标的影响权重也会发生变化。因而，如何分析量化指标与指标因子之间的关联关系，并通过量化指标衡量产品的健康程度是困难的。
发明内容
基于此，有必要针对上述技术问题，提供一种产品数据分析方法、装置、计算机设备及存储介质，以构建量化指标与产品数据的指标因子之间的关联关系，进一步挖掘产品数据的价值，提高产品健康程度的分析能力。
一种产品数据分析方法，包括：
接收维度设置指令，根据所述维度设置指令设置产品数据的分析维度，所述分析维度包括时间维度或用户维度；
获取至少两组处于同一量化指标模型且在所述分析维度上存在差异的产品数据，所述量化指标模型通过若干指标因子的乘积确定一量化指标；
根据所述至少两组产品数据确定任意两组所述产品数据在所述量化指标模型的期值增量和若干因子增量；
根据所述期值增量和若干所述因子增量分析所述指标因子对所述量化指标的影响权重。
一种产品数据分析装置，包括：
维度设置模块，用于接收维度设置指令，根据所述维度设置指令设置产品数据的分析维度，所述分析维度包括时间维度或用户维度；
获取产品数据模块，用于获取至少两组处于同一量化指标模型且在所述分析维度上存在差异的产品数据，所述量化指标模型通过若干指标因子的乘积确定一量化指标；
确定增量模块，用于根据所述至少两组产品数据确定任意两组所述产品数据在所述量化指标模型的期值增量和若干因子增量；
权重分析模块，用于根据所述期值增量和若干所述因子增量分析所述指标因子对所述量化指标的影响权重。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述产品数据分析方法。
一个或多个存储有计算机可读指令的可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如上述产品数据分析方法。
上述产品数据分析方法、装置、计算机设备及存储介质，通过接收维度设置指令，根据所述维度设置指令设置产品数据的分析维度，所述分析维度包括时间维度或用户维度，以确定产品数据的分析维度，分析维度不同，指标因子的影响权重可能也存在差异。获取至少两组处于同一量化指标模型且在所述分析维度上存在差异的产品数据，所述量化指标模型通过若干指标因子的乘积确定一量化指标，以获取符合特定量化指标模型的产品数据。根据所述至少两组产品数据确定任意两组所述产品数据在所述量化指标模型的期值增量和若干因子增量，以通过组间产品数据差值分析指标因子对量化指标的影响权重。根据所述期值增量和若干所述因子增量分析所述指标因子对所述量化指标的影响权重，以根据期值增量和因子增量不同的取值，分析一个指标因子或多个指标因子(因子组)对量化指标的影响权重，可以根据影响权重确定影响产品量化指标的关键指标因子。本发明通过构建量化指标与产品数据的指标因子之间的关联关系，进一步挖掘产品数据的价值，提高产品健康程度的分析能力，并可用于分析产品的产品生命周期。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中产品数据分析方法的一应用环境示意图；
图2是本发明一实施例中产品数据分析方法的一流程示意图；
图3是本发明一实施例中产品数据分析装置的一结构示意图；
图4是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例提供的产品数据分析方法，可应用在如图1的应用环境中，其中，客户端与服务端进行通信。其中，客户端包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中，如图2所示，提供一种产品数据分析方法，以该方法应用在图1中的服务端为例进行说明，包括如下步骤：
S10、接收维度设置指令，根据所述维度设置指令设置产品数据的分析维度，所述分析维度包括时间维度或用户维度。
可理解地，本实施例提供的产品数据分析方法，可用于分析不同类型产品的数据。在此处，产品可以指实物类产品，如电脑、冰箱等，也可以指服务类产品，如网站产品、客服系统、金融产品等。产品数据可以指同一产品在不同阶段的数据。例如，在产品未上市(线)阶段，产品数据可以是通过模拟器生成的数据，也可以是同类产品的历史数据；在产品上市(线)阶段，产品数据可以是客户在使用该产品时产生的实时或历史记录，如网页访问记录、客服聊天记录、客户反馈意见、销售量等；在产品后期数据预测阶段，产品数据可以是基于现有的产品数据所产生的预测数据(如基于2020年的产品数据预测出的2021年的产品数据)。
维度设置指令可以是产品设计人员的输入操作所形成的指令。可以通过维度设置指令设置产品数据的分析维度。产品数据的分析维度包括但不限于时间维度、用户维度。时间维度指的是以时间作为描述、表达变量的度量尺度。时间包括但不限于年、季度、月、日、时、分、秒。用户维度指的是以用户属性作为描述、表达变量的度量尺度。用户属性包括但不限于性别、年龄、收入、职业、居住所在地、信仰、健康状况。
S20、获取至少两组处于同一量化指标模型且在所述分析维度上存在差异的产品数据，所述量化指标模型通过若干指标因子的乘积确定一量化指标。
可理解地，可以根据产品数据的特点设置若干量化指标模型。量化指标模型可以指通过若干指标因子的乘积确定量化指标的数据处理模型。随着产品数据的不同，对应的量化指标可以是不相同的。例如，对于电商网站的产品数据，其量化指标可以是GMV(GrossMerchandise Volume，成交总额)；对于保险产品，其量化指标可以是赔付率。相同的产品数据可以设置多个量化指标。例如，对于电商网站的产品数据，其量化指标还可以包括流量、销售额等。
处于同一量化指标模型，指的是两组产品数据包含的指标因子是相同的，所计算的量化指标也是相同的。例如，产品数据1(共n个)包括：因子1，其值为1；因子2，其值为3；因子3，其值为5；……；因子n，其值为10；
产品数据2(共n个)包括：因子1，其值为3；因子2，其值为6；因子3，其值为10；……；因子n，其值为20。
在分析维度上存在差异，指的是两组产品数据在分析维度上的值存在差异。例如，产品数据1记录的是2019年12月的数据，产品数据2记录的是2020年12月的数据。需要注意的，分析维度可以是指标因子，也可以不是指标因子。
在一示例中，量化指标为赔付率，可以构建多个量化指标模型，如：
模型1：赔付率＝理赔金额合计/经过保费合计；
模型1公式化处理得到：y1＝a*b；
其中，y1为赔付率，a为理赔金额合计，b为经过保费合计的倒数。
模型2：赔付率＝次均赔款*人均就诊次数*出险率*在保人数/经过保费合计；
模型2公式化处理得到：y2＝a1*a2*a3*a4*b；
其中y2为赔付率，a1为次均赔款，a2为人均就诊次数，a3为出险率，a4为在保人数，b为经过保费合计的倒数。
模型3：赔付率＝次均赔款*人均就诊次数*出险率/人均经过保费。
模型3公式化处理得到：y3＝a1*a2*a3*c；
其中y为赔付率，a1为次均赔款，a2为人均就诊次数，a3为出险率，c为人均经过保费。
在量化指标模型中，通过等号右方的指标因子计算出等号左方的量化指标。
在一组产品数据中，包含了某一量化指标模型中的所有指标因子。例如，一组产品数据对应模型3，则在该组产品数据中，包括次均赔款、人均就诊次数、出险率和人均经过保费四个指标因子。
可以获取同一量化指标模型的至少两组产品数据，但它们在产品分析维度上的值存在差异。在一示例中，获取的两组产品数据包括：
第一组产品数据，对应的量化指标模型为模型2，分析维度为2020年；
第二组产品数据，对应的量化指标模型为模型2，分析维度为2019年。
在另一示例中，获取的两组产品数据包括：
第三组产品数据，对应的量化指标模型为模型2，分析维度为城镇居民；
第四组产品数据，对应的量化指标模型为模型2，分析维度为农村居民。
同理，量化指标为成交量，则采用类似的方式设置若干个对应的量化指标模型，在此不再赘述。
S30、根据所述至少两组产品数据确定任意两组所述产品数据在所述量化指标模型的期值增量和若干因子增量。
可理解地，在一示例中，量化指标模型可表示为：
Figure BDA0002950539900000071
其中，y表示目标期值，fi表示第i个指标因子(fi∈F，F＝{f1,f2,…,fn})，n表示因子总个数。以时间维度为例，假设开始时
Figure BDA0002950539900000072
称为基期值，各因子发生变化后为
Figure BDA0002950539900000073
称为报告期值。期值增量即为报告期值与基期值的差值与基期值的比值。而因子增量则为各个因子不同维度上的值的差值与基期因子的比值，第i个指标因子的因子增量可表示为
Figure BDA0002950539900000074
其中，fit表示发生变化后的第i个指标因子，fi0表示开始时的第i个指标因子。
在获得至少两组产品数据之后，可以计算出任意两组产品数据在量化指标模型的期值增量，以及两组产品数据的指标因子的因子增量。例如，对于第一组产品数据和第二组产品数据，由于其产品数据为已知量，可以求解出各自对应的目标期值，即第一组产品数据的目标期值，即基期值为y0，第二组产品数据的目标期值，即报告期值为yt。第一组产品数据和第二组产品数据在预设期值模型的期值增量则为：
Figure BDA0002950539900000081
指标因子增量可表示为：
Figure BDA0002950539900000082
S40、根据所述期值增量和若干所述因子增量分析所述指标因子对所述量化指标的影响权重。
可理解地，可以基于以下推导过程确定指标因子对量化指标的影响权重。
其中，指标因子fi的影响权重可定义为：
Figure BDA0002950539900000083
其中，
Figure BDA0002950539900000084
为指标因子fi的影响权重，
Figure BDA0002950539900000085
表示指标因子fi的增量，θ表示因子fi的权重平滑系数。
存在如下关系：
Figure BDA0002950539900000086
Figure BDA0002950539900000087
其中，C1是一个大于0的常数，可以设为100。||F||＝n表示因子的数量。
而期值增量uy可表示为：
Figure BDA0002950539900000088
其中，在实际应用中，可忽略常量C2，也即是，假设C2＝1。
关于各指标因子增量变化、影响权重及期值增量，存在如下关系：
Figure BDA0002950539900000089
即各指标因子影响权重之和等于y的增量(即期值增量uy)。
也就是说，在本实施例中，可以通过各个因子增量以及期值增量分析各个指标因子在选定的分析维度上对量化指标的影响权重。
步骤S10-S40中，接收维度设置指令，根据所述维度设置指令设置产品数据的分析维度，所述分析维度包括时间维度或用户维度，以确定产品数据的分析维度，分析维度不同，指标因子的影响权重可能也存在差异。获取至少两组处于同一量化指标模型且在所述分析维度上存在差异的产品数据，所述量化指标模型通过若干指标因子的乘积确定一量化指标，以获取符合特定量化指标模型的产品数据。根据所述至少两组产品数据确定任意两组所述产品数据在所述量化指标模型的期值增量和若干因子增量，以通过组间产品数据差值分析指标因子对量化指标的影响权重。根据所述期值增量和若干所述因子增量分析所述指标因子对所述量化指标的影响权重，以根据期值增量和因子增量不同的取值，分析一个指标因子或多个指标因子(因子组)对量化指标的影响权重，可以根据影响权重确定影响产品量化指标的关键指标因子。
可选的，步骤S40，即所述根据所述期值增量和所述因子增量分析所述指标因子对所述量化指标的影响权重，包括：
S401当所述期值增量不为零，且仅有一个所述因子增量不为零，根据不为零的所述因子增量和其对应的基期指标因子的值的比值确定不为零的所述因子增量的基期指标因子的影响权重。
可理解地，当只有一个指标因子发生改变，则目标期值的变化完全由该因子导致。也即是，
Figure BDA0002950539900000091
其中，其它指标因子的权重为零，而发生变化的权重因子为
Figure BDA0002950539900000092
例如，在一量化指标模型中，仅有因子A发生变化，且其增量为0.4，则因子A的影响权重为0.4，而其它因子的影响权重记为0。在此处，指标因子对量化指标的影响权重，可以表现为在设定的分析维度上，一个指标因子或多个指标因子(因子组)对量化指标的影响程度。
可选的，步骤S40，即所述根据所述期值增量和所述因子增量分析所述指标因子对所述量化指标的影响权重，包括：
S402、当所有所述因子增量均为非负数或非正数，且至少两个因子增量不为零时，各个指标因子的影响权重和对应的因子增量呈正相关。
可理解地，可以根据指标因子的增量大小对指标因子进行排序，排序后为fi∈{f1,f2,…,fn}，且
Figure BDA0002950539900000101
由于
Figure BDA0002950539900000102
那么
Figure BDA0002950539900000103
即
Figure BDA0002950539900000104
当
Figure BDA0002950539900000105
时，即所有因子增量均大于等于0，则uy≥0，且θ≥0,且
Figure BDA0002950539900000106
当
Figure BDA0002950539900000107
时，即所有因子增量均小于等于0，则-1≤uy≤0,
Figure BDA0002950539900000108
Figure BDA0002950539900000109
此时，
Figure BDA00029505399000001010
即
Figure BDA00029505399000001011
Figure BDA00029505399000001012
通过以上的推导，同时排除上一实施例的状况，可以毫无疑义地确定，当所有因子增量均为非负数或非正数，且至少两个因子增量不为零时，各个指标因子的影响权重和对应的因子增量呈正相关。也即是，在所有因子增量同号(允许部分因子增量为0)时，指标因子的因子增量越大，则其影响权重也越大；指标因子的因子增量越小，则其影响权重也越小。在此处，影响权重可取负值。
可选的，步骤S40，即所述根据所述期值增量和所述因子增量分析所述指标因子对所述量化指标的影响权重，包括：
S403、当所有所述因子增量包含负数和正数时，根据所述因子增量将所有所述指标因子划分为正向因子组和负向因子组，根据所述期值增量确定所述正向因子组的影响权重与所述负向因子组的影响权重的大小关系。
可理解地，可以根据因子增量大小对指标因子进行排序，排序后为fi∈{f1,f2,…,fn}，且
Figure BDA0002950539900000111
由于
Figure BDA0002950539900000112
则有：
Figure BDA0002950539900000113
Figure BDA0002950539900000114
即
Figure BDA0002950539900000115
由于
Figure BDA0002950539900000116
Figure BDA0002950539900000117
当uy≥0，
Figure BDA0002950539900000118
否则
Figure BDA0002950539900000119
也就是说，当期值增量大于或等于零时，正向因子组的影响权重(为正值)的绝对值大于或等于负向因子组的影响权重(为负值)的绝对值；而当期值增量小于或等于零时，正向因子组的影响权重的绝对值小于或等于负向因子组的影响权重的绝对值。需要注意的是，在此处，上述推导的前提是，所有指标因子变化后的值均不小于0，即fit≥0，
Figure BDA00029505399000001110
在一示例中，正向因子组内各个指标因子的增量不足以抵消负向因子组内各个指标因子的负增量，导致期值增量为负。相反，若正向因子组内各个指标因子的增量高于负向因子组内各个指标因子的负增量，则期值增量为正。
可选的，步骤S10，即所述接收维度设置指令，根据所述维度设置指令设置产品分析维度之前，还包括：
S11、接收模型设置指令；
S12、根据所述模型设置指令设置所述量化指标模型。
可理解地，模型设置指令可以基于产品设计人员的输入操作所形成的指令。可以通过模型设置指令选择或修改量化指标模型。在一些示例中，同一产品数据可以设置多个量化指标模型，可以根据实际需要选取适用的量化指标模型。在另一些示例中，原先设置的量化指标模型已经不适用当前的产品数据，可通过对量化指标模型中的若干指标因子进行修改或变更，形成新的量化指标模型，以适应产品数据的分析需求。
可选的，步骤S40，即所述根据所述期值增量和若干所述因子增量分析所述指标因子对所述量化指标的影响权重之后，还包括：
S50、接收因子调整数据；
S60、通过预估模型处理所述因子调整数据，生成调整后的量化指标。
可理解地，在选定某个分析维度后，本实施例可以接收因子调整数据。因子调整数据包括需要调整的指标因子及其调整后的值。通过指标因子之间的逻辑关系和约束条件计算，预估模型可表示为：
Figure BDA0002950539900000121
其中，y′t+1为调整后的量化指标，
Figure BDA0002950539900000122
为指标因子fit的调整值，
Figure BDA0002950539900000123
表示指标因子的约束条件，α和β为模型训练参数(可为经验值)。
实际上，指标因子的变动可能不是线性的，通过
Figure BDA0002950539900000124
的约束，可以保证因子调整数据落在合理的指标区间内。
可选的，步骤S60，即所述通过预估模型处理所述因子调整数据，生成调整后的量化指标之后，还包括：
S61、判断所述调整后的量化指标是否处于预设合理区间；
S62、若所述调整后的量化指标处于预设合理区间，判定所述因子调整数据可用；
S63、若所述调整后的量化指标不处于预设合理区间，判定所述因子调整数据不可用。
可理解地，量化指标可以反映产品的健康程度。不同的量化指标，可以设置对应的预设合理区间。当调整后的量化指标处于预设合理区间，则可以认为产品是健康的，此时因子调整数据可用。当调整后的量化指标不处于预设合理区间，则产品存在健康问题，此时因子调整数据不可用。
当因子调整数据不可用时，需要重新选择其他量化指标模型，或者生成新的因子调整数据，继续评估产品是否存在健康问题。在一些情况下，若多次调整后，产品仍存在健康问题，则产品设计人员可以判定，该产品处于产品生命周期的衰退期，需要下架该产品或者寻找新的替代产品。因而，本实施例提供的产品数据分析方法，也可以用于确定产品的产品生命周期。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种产品数据分析装置，该产品数据分析装置与上述实施例中产品数据分析方法一一对应。如图3所示，该产品数据分析装置包括维度设置模块10、获取产品数据模块20、确定增量模块30和权重分析模块40。各功能模块详细说明如下：
维度设置模块10，用于接收维度设置指令，根据所述维度设置指令设置产品数据的分析维度，所述分析维度包括时间维度或用户维度；
获取产品数据模块20，用于获取至少两组处于同一量化指标模型且在所述分析维度上存在差异的产品数据，所述量化指标模型通过若干指标因子的乘积确定一量化指标；
确定增量模块30，用于根据所述至少两组产品数据确定任意两组所述产品数据在所述量化指标模型的期值增量和若干因子增量；
权重分析模块40，用于根据所述期值增量和若干所述因子增量分析所述指标因子对所述量化指标的影响权重。
可选的，权重分析模块40包括：
第一分析单元，用于当所述期值增量不为零，且仅有一个所述因子增量不为零，根据不为零的所述因子增量和其对应的基期指标因子的值的比值确定不为零的所述因子增量的基期指标因子的影响权重。
可选的，权重分析模块40包括：
第二分析单元，用于当所有所述因子增量均为非负数或非正数，且至少两个因子增量不为零时，各个指标因子的影响权重和对应的因子增量呈正相关。
可选的，权重分析模块40包括：
因子划分单元，用于当所有所述因子增量包含负数和正数时，根据所述因子增量将所有所述指标因子划分为正向因子组和负向因子组；
第三分析单元，用于根据所述期值增量确定所述正向因子组的影响权重与所述负向因子组的影响权重的大小关系。
可选的，产品数据分析装置，还包括：
接收模型指令模块，用于接收模型设置指令；
模型设置模块，用于根据所述模型设置指令设置所述量化指标模型。
可选的，产品数据分析装置，还包括：
接收调整数据模块，用于接收因子调整数据；
量化指标预估模块，用于通过预估模型处理所述因子调整数据，生成调整后的量化指标。
可选的，产品数据分析装置，还包括：
合理区间判断模块，用于判断所述调整后的量化指标是否处于预设合理区间；
调整数据可用模块，用于若所述调整后的量化指标处于预设合理区间，判定所述因子调整数据可用；
调整数据不可用模块，用于若所述调整后的量化指标不处于预设合理区间，判定所述因子调整数据不可用。
关于产品数据分析装置的具体限定可以参见上文中对于产品数据分析方法的限定，在此不再赘述。上述产品数据分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4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，该计算机设备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可读存储介质、内存储器。该可读存储介质存储有操作系统、计算机可读指令和数据库。该内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。该计算机设备的数据库用于存储产品数据分析方法所涉及的数据。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。该计算机可读指令被处理器执行时以实现一种产品数据分析方法。本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可读指令，处理器执行计算机可读指令时实现以下步骤：
接收维度设置指令，根据所述维度设置指令设置产品数据的分析维度，所述分析维度包括时间维度或用户维度；
获取至少两组处于同一量化指标模型且在所述分析维度上存在差异的产品数据，所述量化指标模型通过若干指标因子的乘积确定一量化指标；
根据所述至少两组产品数据确定任意两组所述产品数据在所述量化指标模型的期值增量和若干因子增量；
根据所述期值增量和若干所述因子增量分析所述指标因子对所述量化指标的影响权重。
在一个实施例中，提供了一个或多个存储有计算机可读指令的计算机可读存储介质，本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。可读存储介质上存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时实现以下步骤：
接收维度设置指令，根据所述维度设置指令设置产品数据的分析维度，所述分析维度包括时间维度或用户维度；
获取至少两组处于同一量化指标模型且在所述分析维度上存在差异的产品数据，所述量化指标模型通过若干指标因子的乘积确定一量化指标；
根据所述至少两组产品数据确定任意两组所述产品数据在所述量化指标模型的期值增量和若干因子增量；
根据所述期值增量和若干所述因子增量分析所述指标因子对所述量化指标的影响权重。
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，是可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一非易失性可读取存储介质或易失性可读存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各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)、双数据率SDRAM(DDRSDRAM)、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。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种产品数据分析方法，其特征在于，包括：
接收维度设置指令，根据所述维度设置指令设置产品数据的分析维度，所述分析维度包括时间维度或用户维度；
获取至少两组处于同一量化指标模型且在所述分析维度上存在差异的产品数据，所述量化指标模型通过若干指标因子的乘积确定一量化指标；
根据所述至少两组产品数据确定任意两组所述产品数据在所述量化指标模型的期值增量和若干因子增量；
根据所述期值增量和若干所述因子增量分析所述指标因子对所述量化指标的影响权重。
2.如权利要求1所述的产品数据分析方法，其特征在于，所述根据所述期值增量和所述因子增量分析所述指标因子对所述量化指标的影响权重，包括：
当所述期值增量不为零，且仅有一个所述因子增量不为零，根据不为零的所述因子增量和其对应的基期指标因子的值的比值确定不为零的所述因子增量的基期指标因子的影响权重。
3.如权利要求1所述的产品数据分析方法，其特征在于，所述根据所述期值增量和所述因子增量分析所述指标因子对所述量化指标的影响权重，包括：
当所有所述因子增量均为非负数或非正数，且至少两个因子增量不为零时，各个指标因子的影响权重和对应的因子增量呈正相关。
4.如权利要求1所述的产品数据分析方法，其特征在于，所述根据所述期值增量和所述因子增量分析所述指标因子对所述量化指标的影响权重，包括：
当所有所述因子增量包含负数和正数时，根据所述因子增量将所有所述指标因子划分为正向因子组和负向因子组；
根据所述期值增量确定所述正向因子组的影响权重与所述负向因子组的影响权重的大小关系。
5.如权利要求1所述的产品数据分析方法，其特征在于，所述接收维度设置指令，根据所述维度设置指令设置产品分析维度之前，还包括：
接收模型设置指令；
根据所述模型设置指令设置所述量化指标模型。
6.如权利要求1所述的产品数据分析方法，其特征在于，所述根据所述期值增量和若干所述因子增量分析所述指标因子对所述量化指标的影响权重之后，还包括：
接收因子调整数据；
通过预估模型处理所述因子调整数据，生成调整后的量化指标。
7.如权利要求6所述的产品数据分析方法，其特征在于，所述通过预估模型处理所述因子调整数据，生成调整后的量化指标之后，还包括：
判断所述调整后的量化指标是否处于预设合理区间；
若所述调整后的量化指标处于预设合理区间，判定所述因子调整数据可用；
若所述调整后的量化指标不处于预设合理区间，判定所述因子调整数据不可用。
8.一种产品数据分析装置，其特征在于，包括：
维度设置模块，用于接收维度设置指令，根据所述维度设置指令设置产品数据的分析维度，所述分析维度包括时间维度或用户维度；
获取产品数据模块，用于获取至少两组处于同一量化指标模型且在所述分析维度上存在差异的产品数据，所述量化指标模型通过若干指标因子的乘积确定一量化指标；
确定增量模块，用于根据所述至少两组产品数据确定任意两组所述产品数据在所述量化指标模型的期值增量和若干因子增量；
权重分析模块，用于根据所述期值增量和若干所述因子增量分析所述指标因子对所述量化指标的影响权重。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述产品数据分析方法。
10.一个或多个存储有计算机可读指令的可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1至7中任一项所述产品数据分析方法。
CN202110205838.4A 2021-02-24 2021-02-24 产品数据分析方法、装置、计算机设备及存储介质 Active CN112990669B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110205838.4A CN112990669B (zh) 2021-02-24 2021-02-24 产品数据分析方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110205838.4A CN112990669B (zh) 2021-02-24 2021-02-24 产品数据分析方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN112990669A true CN112990669A (zh) 2021-06-18
CN112990669B CN112990669B (zh) 2024-07-09

Family

ID=76350485

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110205838.4A Active CN112990669B (zh) 2021-02-24 2021-02-24 产品数据分析方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN112990669B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130110567A1 (en) * 2011-10-27 2013-05-02 Samer Mohammed Omar Human capital assessment and ranking system
CN110472659A (zh) * 2019-07-05 2019-11-19 中国平安人寿保险股份有限公司 数据处理方法、装置、计算机可读存储介质和计算机设备
CN110704751A (zh) * 2019-10-22 2020-01-17 北京字节跳动网络技术有限公司 数据处理方法、装置、电子设备及存储介质
CN111178069A (zh) * 2019-12-25 2020-05-19 平安健康保险股份有限公司 数据处理方法、装置、计算机设备及存储介质
CN111859299A (zh) * 2020-07-23 2020-10-30 平安科技（深圳）有限公司 大数据指标构建方法、装置、设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130110567A1 (en) * 2011-10-27 2013-05-02 Samer Mohammed Omar Human capital assessment and ranking system
CN110472659A (zh) * 2019-07-05 2019-11-19 中国平安人寿保险股份有限公司 数据处理方法、装置、计算机可读存储介质和计算机设备
CN110704751A (zh) * 2019-10-22 2020-01-17 北京字节跳动网络技术有限公司 数据处理方法、装置、电子设备及存储介质
CN111178069A (zh) * 2019-12-25 2020-05-19 平安健康保险股份有限公司 数据处理方法、装置、计算机设备及存储介质
CN111859299A (zh) * 2020-07-23 2020-10-30 平安科技（深圳）有限公司 大数据指标构建方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112990669B (zh) 2024-07-09

Similar Documents

Publication Publication Date Title
Beare et al. An empirical test of pricing kernel monotonicity
CN110415119B (zh) 模型训练、票据交易预测方法、装置、存储介质及设备
WO2022267735A1 (zh) 业务数据处理方法、装置、计算机设备和存储介质
Dutta et al. A tale of tails: an empirical analysis of loss distribution models for estimating operational risk capital
US8706599B1 (en) System and method of generating investment criteria for an investment vehicle that includes a pool of escrow deposits from a plurality of merger and acquisition transactions
US8498954B2 (en) Managing operations of a system using non-linear modeling techniques
US8577791B2 (en) System and computer program for modeling and pricing loan products
US20130304622A1 (en) Methods and systems for computing trading strategies for use in portfolio management and computing associated probability distributions for use in option pricing
CN110622195A (zh) 对具有变化定价成分的复杂分层或塔式定价结构进行定价比较的方法和系统
CN111709801A (zh) 一种信用评价方法及装置、区块链系统、设备和存储介质
WO2011037997A2 (en) Method and system for evaluating insurance liabilities using stochastic modeling and sampling techniques
CN111340244A (zh) 预测方法、训练方法、装置、服务器及介质
US20240212041A1 (en) Automatic data segmentation system
CN112184046A (zh) 广告业务用户价值评估方法、装置、设备及存储介质
JP2016099915A (ja) 与信審査用サーバと与信審査用システム及び与信審査用プログラム
De Santis et al. Determining the optimal piecewise constant approximation for the nonhomogeneous Poisson process rate of Emergency Department patient arrivals
CN108764553B (zh) 用户规模预测方法、装置及计算机设备
CN114943582A (zh) 一种信息推荐方法、系统及推荐服务器
CN117853158A (zh) 基于动态量本利分析的企业运营数据预测方法及装置
CN112819507A (zh) 一种服务推送方法、装置、电子设备以及可读存储介质
CN112308293A (zh) 违约概率预测方法及装置
CN112785443A (zh) 基于客户群体的理财产品推送方法及装置
WO2021207780A1 (en) Systems, computer-implemented methods and computer programs for capital management
CN110647724A (zh) 一种加清钞模型构建方法、模型构建设备及存储介质
CN112990669B (zh) 产品数据分析方法、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