CN113239083A - 数据的分析方法和装置 - Google Patents
数据的分析方法和装置 Download PDFInfo
- Publication number
- CN113239083A CN113239083A CN202110524867.7A CN202110524867A CN113239083A CN 113239083 A CN113239083 A CN 113239083A CN 202110524867 A CN202110524867 A CN 202110524867A CN 113239083 A CN113239083 A CN 113239083A
- Authority
- CN
- China
- Prior art keywords
- data
- model
- user
- hierarchical
- statistical
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种数据的分析方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:利用所述模型配置信息,对所述用户原始数据进行处理,生成至少一个用户模型的模型数据,所述模型数据包括:用户标识、统计指标值;获取分层规则信息,所述分层规则信息包括:分层标识、统计指标的过滤规则;根据所述模型数据和所述分层规则信息,确定至少一个用户分层的分层数据。该实施方式能够节省进行用户运营分析所需的时间和人力成本。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种数据的分析方法和装置。
背景技术
为更好地服务于客户,企业需要制定不同的营销策略。通常通过人工在众多的用户中筛选出目标用户名单,然后针对该目标用户名单中的用户实施营销策略,并进行相关的用户运营分析。这种方式需要消耗大量的时间和人力成本,不利于为不同用户实施个性化的营销策略。
发明内容
有鉴于此,本发明实施例提供一种数据的分析方法和装置,能够节省用户运营分析中所需的时间和人力成本。
第一方面,本发明实施例提供了一种数据的分析方法,包括:
获取用户原始数据和模型配置信息;
利用所述模型配置信息,对所述用户原始数据进行处理,生成至少一个用户模型的模型数据,所述模型数据包括:用户标识、统计指标值;
获取分层规则信息,所述分层规则信息包括:分层标识、统计指标的过滤规则;
根据所述模型数据和所述分层规则信息,确定至少一个用户分层的分层数据,所述分层数据用于进行用户运营分析。
可选地,所述模型配置信息包括:模型标识、目标表、统计字段和统计方式;
所述利用模型配置信息,对所述用户原始数据进行处理,生成至少一个用户模型的模型数据,包括:
对所述目标表中的所述统计字段,按照所述统计方式进行统计处理,以生成所述模型标识对应的统计指标值;
根据所述模型标识对应的统计指标值,生成所述模型标识对应的模型数据。
可选地,所述用户模型信息中包括:模型标识、多个目标表、聚合方式、统计字段和统计方式;
所述利用模型配置信息,对所述用户原始数据进行处理,生成至少一个用户模型的模型数据,包括:
对所述多个目标表,按照所述聚合方式进行聚合操作;
对聚合后的表中的所述统计字段,按照所述统计方式进行统计处理,以生成所述模型标识对应的统计指标值;
根据所述模型标识对应的统计指标值,生成所述模型标识对应的模型数据。
可选地,所述利用模型配置信息,对所述用户原始数据进行处理,生成至少一个用户模型的模型数据之前,还包括:
接收用户输入的模型输入信息,所述模型输入信息包括:至少一个目标表、统计字段和统计方式;
根据所述目标表、所述统计字段和所述统计方式,生成所述模型配置信息。
可选地,所述接收用户输入的模型输入信息,包括:
获取用户权限;
显示所述用户权限对应的至少一个原始数据表;
接收针对所述至少一个原始数据表的选择操作;
根据所述选择操作,确定所述目标表。
可选地,所述分层规则信息还包括:模型标识;
所述根据所述模型数据和所述分层规则信息,确定至少一个用户分层的分层数据,包括:
根据所述分层规则信息中的模型标识确定目标模型;
根据所述过滤规则,从所述目标模型对应的模型数据中筛选出所述分层标识对应的分层数据。
可选地,所述分层规则信息还包括:多个模型标识、关联方式及多个统计指标的过滤规则;
所述根据所述模型数据和所述分层规则信息,确定至少一个用户分层的分层数据,包括:
根据所述模型标识确定多个目标模型;
利用所述过滤规则,分别确定各所述目标模型的数据集合;
根据所述关联方式,对多个所述数据集合进行处理,以生成所述分层标识对应的分层数据。
可选地,所述根据所述模型数据和所述分层规则信息,确定至少一个用户分层的分层数据之前,还包括:
接收用户输入的分层输入信息,所述分层输入信息包括:模型标识、统计指标的过滤规则,所述模型标识与所述统计指标相对应;
根据所述模型标识和所述过滤规则,生成所述分层规则信息。
可选地,所述分层数据包括:发生时间;
所述根据所述模型数据和所述分层规则信息,确定至少一个用户分层的分层数据之后,还包括:
从所述目标分层的分层数据中筛选出当前时段的当前数据集合;
从所述目标分层的分层数据中筛选出前一时段的前一数据集合;
根据所述当前数据集合和所述前一数据集合,生成所述目标分层的变动用户数据。
可选地,所述分层数据包括:发生时间;
所述根据所述模型数据和所述分层规则信息,确定至少一个用户分层的分层数据之后,还包括:
获取目标分层的流转信息,所述流转信息包括:流出分层标识;
从所述目标分层的分层数据中筛选出第一时段的第一数据集合;
根据流转周期和所述第一时段,确定流出分层对应的第二时段;
从所述流出分层标识对应的分层数据中筛选出第二时段的第二数据集合;
根据所述第一数据集合和所述第二数据集合,确定所述目标分层在所述第一时段的流出用户数据。
可选地,所述分层数据包括:发生时间;
所述根据所述模型数据和所述分层规则信息,确定至少一个用户分层的分层数据之后,还包括:
获取目标分层的流转信息,所述流转信息包括:流入分层标识;
从所述目标分层的分层数据中筛选出第三时段的第三数据集合;
根据流转周期和所述第三时段,确定流入分层对应的第四时段;
从所述流入分层标识对应的分层数据中筛选出第四时段的第四数据集合;
根据所述第三数据集合和所述第四数据集合,确定所述目标分层在所述第三时段的流入用户数据。
第二方面,本发明实施例提供了一种数据的分析装置,包括:
第一获取模块,用于获取用户原始数据和模型配置信息;
模型生成模块,用于利用所述模型配置信息,对所述用户原始数据进行处理,生成至少一个用户模型的模型数据,所述模型数据包括:用户标识、统计指标值;
第二获取模块,用于获取分层规则信息,所述分层规则信息包括:分层标识、统计指标的过滤规则;
分层确定模块,用于根据所述对应关系和所述模型数据,确定至少一个用户分层的分层数据,所述分层数据用于进行用户运营分析。
第三方面,本发明实施例提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一实施例所述的方法。
第四方面,本发明实施例提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果:不同的用户可根据自身需求配置不同的模型配置信息和分层规则信息。系统利用模型配置信息和分层规则信息,自动生成不同的用户分层的分层数据。相比人工筛选目标用户的方式,节省了时间和人力成本。且可针对不同用户分层设置不同的营销策略,方便了针对不同用户实施个性化的营销策略。
此外,在按照特定的模型对用户数据处理的方式中,由于模型是固定的,往往不能适应多方用户的不同需求。本申请的实施例中,用户可借鉴和利用系统中已有的模型配置信息和分层规则信息,也可根据自身需求配置不同的模型配置信息和分层规则信息。因此,可以适应多方用户的不同需求。
此外,同一用户模型中的模型数据可供多个用户分层共用,减少了对同一数据进行重复处理的过程,提升了系统的性能。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是本发明实施例可以应用于其中的示例性应用场景的示意图;
图2是本发明的一个实施例提供的一种数据的分析方法的流程的示意图;
图3是本发明的一个实施例提供的另一种数据的分析方法的流程的示意图;
图4是本发明的一个实施例提供的又一种数据的分析方法的流程的示意图;
图5是本发明的一个实施例提供的一种数据分析系统的数据流序列示意图;
图6是本发明的一个实施例提供的一种任务分析的流程示意图;
图7是本发明的一个实施例提供的一种用户明细数据加工的流程示意图;
图8是本发明的一个实施例提供的一种用户数据分析的流程的示意图;
图9是本发明的一个实施例提供的一种数据的分析装置的结构示意图;
图10是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是本发明实施例可以应用于其中的示例性应用场景的示意图。如图1所示,系统架构100中可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102、103中可部署数据分析系统的客户端或者浏览器。终端设备101、102、103可利用客户端或者浏览器与服务器105进行交互。终端设备101、102、103可以是手机、笔记本、平板电脑、膝上型便携计算机等等。
终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103通过网络104将存储的视频发送给服务器105。
用户通过终端设备101、102、103向服务器105发送模型配置信息和分层规则信息。服务器105根据模型配置信息和分层规则信息,处理用户原始数据,以生成不同的用户分层数据。
需要说明的是,本发明实施例所提供的数据的分析方法一般由服务器105执行,相应地,数据的分析装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2是本发明的一个实施例提供的一种数据的分析方法的流程的示意图。如图2所示,该方法包括:
步骤201:获取用户原始数据和模型配置信息。
用户原始数据可来自于生产系统的底层数据表,也可来自于数据集市或数据仓库中的数据表等。用户原始数据可以通过excel、csv等格式文件上传至系统中。用户原始数据也可以通过ETL(抽取转换装载,Extract Transform Load)工具抽取到系统中。
系统中可设置多个用户模型,用户模型中的模型数据处在用户原始数据和用户分层数据之间。可根据不同的统计指标、生产系统、用户群体设置多个用户模型。
步骤202:利用模型配置信息,对用户原始数据进行处理,生成至少一个用户模型的模型数据。
用户模型的模型数据可包括:模型标识、用户标识、统计指标值1、统计指标值2、…、发生时间等。其中,统计指标值为后续确定用户分层的分层数据提供划分依据。统计指标可根据具体业务需求进行设定,如:购买金额、购买次数、收藏次数等。
可利用模型配置信息,对用户原始数据进行处理,生成用户模型的模型数据。模型配置信息可包括:模型标识、目标表、统计字段和统计方式等信息。
步骤203:获取分层规则信息,分层规则信息包括:分层标识、统计指标的过滤规则。
用户分层是按照用户所处的状态、用户行为数据、用户属性等对用户进行划分的多个分层。通过用户分层,可方便进行用户的运营分析。用户分层可根据具体业务需求进行设定,例如:用户可被划分到普通用户、活跃用户、贡献用户等多个用户分层中。
利用统计指标的过滤规则,对用户模型的模型数据进行处理可确定用户分层的分层数据。例如,分层规则信息1中的分层标识对应于普通用户,统计指标对应于购买金额,过滤规则表征购买金额小于1000,则该分层规则信息1表征了将购买金额小于1000的用户划分到普通用户的用户分层中。分层规则信息2中的分层标识对应于活跃用户,统计指标对应于购买金额,过滤规则表征购买金额在1000到3000之间,则该分层规则信息2表征了将购买金额在1000到3000之间的用户划分到活跃用户的用户分层中。
步骤204:根据模型数据和分层规则信息,确定至少一个用户分层的分层数据,分层数据用于进行用户运营分析。
可利用分层规则信息中的统计指标的过滤规则和模型数据中的统计指标值,对模型数据进行筛选,以确定用户分层的分层数据。
需要说明的是,不同用户可根据需要配置不同的用户分层,例如,可以根据购买金额,将用户划分到免费用户、活跃用户、付费用户、高额付费用户等用户分层中。还可以根据购买金额和购买次数,将用户划分到新用户、注册用户、活跃用户、付费用户等用户分层中。
在本发明实施例中,不同的用户可根据自身需求配置不同的模型配置信息和分层规则信息。系统利用模型配置信息和分层规则信息,自动生成不同的用户分层的分层数据。相比人工筛选目标用户的方式,节省了时间和人力成本。且可针对不同用户分层设置不同的营销策略,以方便为不同用户实施个性化的营销策略。
此外,不同的用户可根据自身需求配置不同的模型配置信息和分层规则信息,以利用模型配置信息和分层规则信息,获取到不同的用户分层数据,灵活方便。因此,可以解决利用固定模型进行数据处理,带来的不能适应多方用户的不同需求的问题。
此外,同一用户模型中的模型数据可供多个用户分层共用,减少了对同一数据进行重复处理的过程,提升了系统的性能。
图3是本发明的一个实施例提供的一种数据的分析方法的流程的示意图。如图3所示,该方法包括:
步骤301:获取用户原始数据和模型配置信息,模型配置信息包括:模型标识、目标表、统计字段和统计方式。
统计字段为目标表中与统计指标对应的字段。统计指标与分层规则信息中的过滤规则相对应。
统计方式用于根据统计字段计算统计指标值。统计方式可包括:统计次数、求和等。
步骤302:对目标表中的统计字段,按照统计方式进行统计处理,生成模型标识对应的模型数据。
步骤303:对目标表中的统计字段,以用户标识进行分组,并按照统计方式进行统计处理,以生成模型数据中的统计指标值。
步骤304:根据模型数据中的统计指标值,生成模型标识对应的模型数据。
步骤305:根据模型数据和分层规则信息,确定至少一个用户分层的分层数据。
根据模型配置信息,可针对单个目标表进行操作,生成对应的模型数据。举例来说,目标表中包括如下字段:用户标识、购买金额、发生时间。模型配置信息中的统计字段对应于购买金额,模型配置信息中的统计方式为求和。根据该模型配置信息,按用户标识进行分组,对目标表中的购买金额进行求和,以得到该模型配置信息对应的模型数据。
作为一种可实施方式,模型配置信息中还可以包括时间条件。应用上述示例,该模型配置信息中还包括时间条件,该时间条件表征统计7天内的统计指标值。则根据该模型配置信息,按用户标识进行分组,筛选目标表中发生时间在7天内的记录,对购买金额进行求和,以得到该模型配置信息对应的模型数据。
在分层规则信息中,分层标识对应于贡献用户,统计指标对应于购买金额,过滤规则表征购买金额大于3000,则根据该分层规则信息,从上述模型数据中筛选出购买金额求和后大于3000的用户记录,并将这些用户记录划分到贡献用户的用户分层中。
在本发明的一个实施例中,用户模型信息中包括:模型标识、多个目标表、聚合方式、统计字段和统计方式。还可以通过下列方式生成至少一个用户模型的模型数据:对多个目标表,按照聚合方式进行聚合操作;对聚合后的表中的统计字段,以用户标识进行分组,并按照统计方式进行统计处理,以生成模型标识对应的统计指标值;根据模型标识对应的统计指标值,生成模型标识对应的模型数据。
聚合方式为多个目标表按照用户标识关联的方式。聚合方式可包括:内关联、左关联、右关联、全关联等。
统计字段为聚合之后表中与统计指标对应的字段。统计指标与分层规则信息中的过滤规则相对应。统计方式用于根据统计字段计算统计指标值。统计方式可包括:统计次数、求和等。
根据模型配置信息,可针对多个目标表进行操作,生成对应的模型数据。多个目标表按照聚合方式进行聚合操作,选择聚合之后表中的统计字段,并按照统计方式对统计字段进行统计处理,来确定该模型配置信息对应的模型数据。
在本发明的一个实施例中,利用模型配置信息,对用户原始数据进行处理,生成至少一个用户模型的模型数据之前,还包括:接收用户输入的模型输入信息,模型输入信息包括:至少一个目标表、统计字段和统计方式;根据目标表、统计字段和统计方式,生成模型配置信息。用户可根据自身的需求,配置特定的模型配置信息,以生成符合自身业务分析需求的模型数据,较灵活地适应多方用户的不同需求。
在本发明的一个实施例中,接收用户输入的模型输入信息,包括:获取用户权限;显示用户权限对应的至少一个原始数据表;接收针对至少一个原始数据表的选择操作;根据选择操作,确定目标表。用户只能操作其权限对应的表,通过设置用户权限,确保了用户数据的安全性。
在本发明的一个实施例中,根据模型数据和分层规则信息,确定至少一个用户分层的分层数据之前,还包括:接收用户输入的分层输入信息,分层输入信息包括:模型标识、统计指标的过滤规则,述模型标识与统计指标相对应;根据模型标识和过滤规则,生成分层规则信息。用户可根据自身的需求,配置特定的分层规则信息,以生成符合自身业务分析需求的用户分层数据,比较灵活地适应多方用户的不同需求。
在本发明的一个实施例中,分层规则信息还包括:模型标识;根据模型数据和分层规则信息,确定至少一个用户分层的分层数据,包括:根据分层规则信息中的模型标识确定目标模型;根据过滤规则,从目标模型对应的模型数据中筛选出分层标识对应的分层数据。
根据分层规则信息中的过滤规则,可针对单个模型数据进行操作,生成对应的分层数据。分层规则信息中包括分层规则信息3和分层规则信息4。其中,分层规则信息3和分层规则信息4对应的统计指标都为购买次数。分层规则信息3对应于普通用户,过滤规则表征购买次数小于10,则根据该过滤规则,将购买次数小于10的用户划分到普通用户的用户分层中。
分层规则信息2中对应于活跃用户,过滤规则表征购买次数在10到50之间,则根据该过滤规则,将购买次数在10到50之间的用户划分到活跃用户的用户分层中。
图4是本发明的一个实施例提供的又一种数据的分析方法的流程的示意图。如图4所示,该方法包括:
步骤401:获取用户原始数据和模型配置信息。
步骤402:利用模型配置信息,对用户原始数据进行处理,生成至少一个用户模型的模型数据,模型数据包括:模型标识、用户标识、统计指标值。
步骤403:获取分层规则信息,分层规则信息包括:分层标识、多个模型标识、关联方式及多个统计指标的过滤规则。
关联方式指对不同模型数据之间进行的处理方式,如,对不同模式模型进行相交操作、或操作、合并操作等。
步骤404:根据分层规则信息中的模型标识确定多个目标模型。
步骤405:利用过滤规则,分别确定各目标模型的数据集合。
步骤406:根据关联方式,对多个数据集合进行处理,以生成分层标识对应的分层数据。
多个统计指标的过滤规则指分别针对不同模型数据设置的过滤规则。根据分层规则信息中多个统计指标的过滤规则,可针对多个模型数据进行操作,生成对应的分层数据。
举例来说,分层规则信息对应于活跃用户。在该分层规则信息中,针对模型数据1,设置的过滤规则1表征点击次数大于10。针对模型数据2,设置的过滤规则表征购买金额大于1000。关联方式为相交操作。则基于上述分层规则信息,在模型数据1中确定点击次数大于10的用数据集合,在模型数据2中确定购买金额大于1000的数据集合,再取上述两个集合的用户数据的交集,作为活跃用户的分层数据。
在本发明的一个实施例中,分层数据包括:发生时间;根据模型数据和分层规则信息,确定至少一个用户分层的分层数据之后,还包括:从目标分层的分层数据中筛选出当前时段的当前数据集合;从目标分层的分层数据中筛选出前一时段的前一数据集合;根据当前数据集合和前一数据集合,生成目标分层的变动用户数据。
当前时段可以根据具体需求进行设定。当前时段可以为统计天、统计星期、统计月等。前一时段可以为当前时段的前一天、前一星期、前一月等。将当前分层数据和前一分层数据进行比对,具体地,可将当前数据集合和前一数据集合进行全关联操作、左关联操作或右关联操作等。通过比对,确定出目标分层的变动用户数据。变动用户数据包括新增的用户数据和流出的用户数据。
在本发明的一个实施例中,分层数据包括:发生时间;根据模型数据和分层规则信息,确定至少一个用户分层的分层数据之后,还包括:获取目标分层的流转信息,流转信息包括:流出分层标识;从目标分层的分层数据中筛选出第一时段的第一数据集合;根据流转周期和第一时段,确定流出分层对应的第二时段;从流出分层标识对应的分层数据中筛选出第二时段的第二数据集合;根据第一数据集合和第二数据集合,确定目标分层在第一时段的流出用户数据。
举例来说,如果用户在用户分层中的流转顺序为:普通用户->活跃用户->贡献用户,则对于活跃用户分层来说,普通用户为其流入分层,贡献用户为其流出分层。
第一时段可以根据具体需求进行设定。第一时段可以为统计天、统计星期、统计月等。流转周期用于表征用户从当前用户分层过度到流出用户分层所需时间。流转周期可以根据用户行为分析确定,也可通过经验确定。第二时段可根据流转周期和第一时段来确定。例如,第一时段为从时间点1至时间点2,则第二时段可以设置为从时间点1至时间点3,时间点3可由时间点2加上周转周期获得。
将第一数据集合和第二数据集合进行比对,具体地,可将第一数据集合和第二数据集合进行全关联操作、左关联操作或右关联操作等。通过比对,确定出目标分层在第一时段的流出用户数据,最终能分析出有多少用户正在往营销好的方向转变。
在本发明的一个实施例中,分层数据包括:发生时间;根据模型数据和分层规则信息,确定至少一个用户分层的分层数据之后,还包括:获取目标分层的流转信息,流转信息包括:流入分层标识;从目标分层的分层数据中筛选出第三时段的第三数据集合;根据流转周期和第三时段,确定流入分层对应的第四时段;从流入分层标识对应的分层数据中筛选出第四时段的第四数据集合;根据第三数据集合和第四数据集合,确定目标分层在第三时段的流入用户数据。
第三时段可以根据具体需求进行设定。第三时段可以为统计天、统计星期、统计月等。流转周期用于表征用户从流入用户分层过度到当前用户分层所需时间。流转周期可以根据用户行为分析确定,也可通过经验确定。第四时段可根据流转周期和第三时段来确定。例如,第三时段为从时间点4至时间点5,则第四时段可以设置为从时间点6至时间点5,时间点6由时间点4减去周转周期获得。
将第三数据集合和第四数据集合进行比对,具体地,可将第三数据集合和第四数据集合进行全关联操作、左关联操作或右关联操作等。通过比对,确定出目标分层在第三时段的流入用户数据,最终能分析出有多少用户正在往营销好的方向转变。
为使本发明实施例的方案更加便于理解,下面以一数据分析系统为具体实施例进行讲解。图5是本发明的一个实施例提供的一种数据分析系统的数据流序列示意图,如图5所示,系统包括:用户层、用户运营分析系统、大数据计算平台及设备存储层。用户层将用户元素数据上传至大数据计算平台。用户层将模型配置信息、各模型统计字段、用户分层信息、分层规则信息等输入至用户运营分析系统中,并存储至存储设备中。大数据计算平台依据模型配置信息和分层规则信息,计算出用户分析结果,并将用户分析结果存储至存储设备中。用户可向用户运营分析系统发出查看指令,以查看用户分析结果。该系统的数据处理流程包括以下步骤:
S01:原始数据的上传。首先,分析用户数据,需要获取用户行为的原始数据,比如订单明细表、用户点击曝光表等数据的上传或者是打通。上传是系统提供文件上传的方式,可支持excel、csv等格式的数据上传。打通方式可以通过在系统配置业务系统数据库(比如mysql,elasticSearch等)自动把用户行为数据同步至该分析系统依赖的大数据平台HIVE表中,以便进行大数据分析。对于表字段,格式无严格要求,但至少需要能标识用户标识字段,可以支持多种用户标识,包括但不限于IMEI(国际移动设备识别码,InternationalMobile Equipment Identity)、设备号、MAC(Media Access Control Address)、手机号、邮箱地址等等。
S02:模型配置信息等信息的配置。首先,通过大数据平台服务接口,根据权限控制,获取使用者能操作分析的表供使用者操作,可以支持多张表按照用户ID(标识)进行关联聚合,关联聚合的方式,也是通过配置,选择各张表的用户ID字段确定。
关联聚合之后,配置模型配置信息。可以选择关联聚合之后表的字段来确定。比如指定表1的点击字段,该点击字段对应于统计指标。设置统计方式,统计方式主要包括两种求和(sum)和统计次数(count),最终确定的该模型。例如可以使用信息设置点击模型的模型配置信息:按照最近14天,对表1的点击字段进行次数统计。
S03:配置用户行为的分层信息,以及各分层对应的分层规则信息。分层信息包括不同分层的属性信息,比如对用户进行分层为a1、a2、a3、a4分别代表不同层级的用户。对分层规则信息的配置,根据步骤S02中定义的点击模型,通过对模型数据中的统计指标值的设置,以及各模型之间的求“交(and)”或者“或(or)”等操作得出。比如设置a2分层对应的分层规则信息中的过滤规则如下:点击次数大于10并且购买金额大于1000,并可生成对应的sql表达式,以实现该分层规则信息。
S04:通过以上的配置后,操作者就成功的创建了一个分析任务。图6是本发明的一个实施例提供的一种任务分析的流程示意图。如图6所示,系统将会通过管道和任务执行器自动地在大数据平台建立大数据任务进行数据加工来获取用户分层和流转信息。
S05:大数据计算任务首先执行的获取到的是用户的明细数据。图7是本发明的一个实施例提供的一种用户明细数据加工的流程示意图如图7所示,特征归纳用于归纳用户的明细数据。可将用户的明细数据中统计字段作为数据特征。特征收集为利用用户模型信息,对用户原始数据进行处理,生成用户模型数据。由于单个用户模型可得到单个指标的统计值,结果集union(合并)再聚合用于将多个用户模型数据通过用户标识合并,得到如下格式的数据:用户id、时间、多个统计指标的值。规则整理用于存储分层规则信息,包括:分层标识及其对应的过滤规则。规则结果判断用于获取模型数据中的统计指标值,并按照过滤规则去判断该统计指标值是否满足该分层的过滤规则。同一用户可能同时命中多个分层,因此,同一条模型数据对应的分层结果可能是一个集合。如果命中多个分层,分层结果整理用于取级别最高的分层,并将级别最高的分层作为该模型数据的分层。比如,同一用户同时命中a2和a4,a4的级别高于a2的级别,那么把该用户列入到a4的分层中。写入hive表用于将分层结果持久化。
在图7中,按照模型配置信息及分层配置信息,对每个用户的每一条数据进行分析,得到(用户ID,featureMap(a1、a2……),date)字段信息。由于可能用户能匹配上多个分层的过滤规则,featureMap代表包含至少一个分层的分层集合。Date代表统计时间,可以以天为单位。
S06:最后对明细数据再次加工,获取分层信息和流转信息。图8是本发明的一个实施例提供的一种用户数据分析的流程的示意图,如图8所示,首先将分层数据通过用户ID,与前一天的分层数据进行全连接并分组。与前一天的分层数据进行连接的目的就是为了统计可能存在新的用户流入到a1、a2、a3、a4等各分层中,或者是从以上分层中流出。最终统计各分层当天的用户数据以及新增加或者是流出的用户数据。
还可以进行用户流转的分析,可以根据之前配置的与多少天之前的数据(流转周期)进行对比来判断对比。比如通过全连接操作,统计出a1->a2流转人数为1298个,从a4->a2人数为2987个。最终能分析出有多少用户正在往营销好的方向转变,以达到用户运营的目的。
应用本发明实施例的方案,可适用于公司内部系统及对接外部企业数据。底层大数据表都是通过可配置化,让系统对数据表,字段含义进行充分的理解。比如指定用户ID,点击曝光表,订单表等。根据用户的需求,配置特定的模型。包括但不限于用户访问频次字段、购买金额,购买品类等等。对于用户分层的分析,用户可以根据企业自身的业务场景以及用户的行为习惯,自定义层级的分布(比如把用户分层为A、B、C、D)。还可以定义用户在各分层相互之间的流转图(无->A,C->D)。根据以上的配置,在对用户分层的规则进行配置,比如把企业用户划分为“认知”分层的过滤规则为,最近30天,浏览次数至少10次,但未下单。则访问表的时间字段大于等于现在时间减去30天,及访问表的浏览次数大于等于10,及订单表的时间字段大于等于现在时间减去30天,及订单表的下单次数为0等类似方式,定义不同层级的用户。最后系统根据以上的配置信息,对用户的原始底表数据进行大数据处理,获取到各个分层用户的数量;同时,根据用户ID在各分层的变动,随着时间推移,形成用户流转分析。使企业了解各层级用户的现有情况与流转情况,再进行后续的精准营销。
本发明实施例的方案通过配置,能够自适应使用者原始数据,无需提前进行数据的清洗与整理。对模型和分层信息进行动态配置,以适用于不同企业不同业务场景用户运营分析数据。
图9是本发明的一个实施例提供的一种数据的分析装置的结构示意图。如图9所示,该装置包括:
第一获取模块901,用于获取用户原始数据和模型配置信息;
模型生成模块902,用于利用模型配置信息,对用户原始数据进行处理,生成至少一个用户模型的模型数据,模型数据包括:模型标识、用户标识、统计指标值;
第二获取模块903,用于获取分层规则信息,分层规则信息包括:分层标识、统计指标的过滤规则;
分层确定模块904,用于根据对应关系和模型数据,确定至少一个用户分层的分层数据。
可选地,模型配置信息包括:模型标识、目标表、统计字段和统计方式;模型生成模块902具体用于:
对目标表中的统计字段,按照统计方式进行统计处理,以生成模型标识对应的统计指标值;
根据模型标识对应的统计指标值,生成模型标识对应的模型数据。
可选地,用户模型信息中包括:模型标识、多个目标表、聚合方式、统计字段和统计方式;模型生成模块902具体用于:
对多个目标表,按照聚合方式进行聚合操作;
对聚合后的表中的统计字段,按照统计方式进行统计处理,以生成模型标识对应的统计指标值;
根据模型标识对应的统计指标值,生成模型标识对应的模型数据。
可选地,该装置还包括:
信息接收模块905,用于接收用户输入的模型输入信息,模型输入信息包括:至少一个目标表、统计字段和统计方式;
根据目标表、统计字段和统计方式,生成模型配置信息。
可选地,信息接收模块905具体用于:
获取用户权限;
显示用户权限对应的至少一个原始数据表;
接收针对至少一个原始数据表的选择操作;
根据选择操作,确定目标表。
可选地,分层规则信息还包括:模型标识;分层确定模块904具体用于:
根据分层规则信息中的模型标识确定目标模型;
根据过滤规则,从目标模型对应的模型数据中筛选出分层标识对应的分层数据。
可选地,分层规则信息还包括:多个模型标识、关联方式及多个统计指标的过滤规则;分层确定模块904具体用于:
根据模型标识确定多个目标模型;
利用过滤规则,分别确定各目标模型的数据集合;
根据关联方式,对多个数据集合进行处理,以生成分层标识对应的分层数据。
可选地,信息接收模块905还用于:
接收用户输入的分层输入信息,分层输入信息包括:模型标识、统计指标的过滤规则,述模型标识与统计指标相对应;
根据模型标识和过滤规则,生成分层规则信息。
可选地,分层数据包括:发生时间;该装置还包括:
数据分析模块906,用于从目标分层的分层数据中筛选出当前时段的当前数据集合;
从目标分层的分层数据中筛选出前一时段的前一数据集合;
根据当前数据集合和前一数据集合,生成目标分层的变动用户数据。
可选地,分层数据包括:发生时间;数据分析模块906还用于:
获取目标分层的流转信息,流转信息包括:流出分层标识;
从目标分层的分层数据中筛选出第一时段的第一数据集合;
根据流转周期和第一时段,确定流出分层对应的第二时段;
从流出分层标识对应的分层数据中筛选出第二时段的第二数据集合;
根据第一数据集合和第二数据集合,确定目标分层在第一时段的流出用户数据。
可选地,分层数据包括:发生时间;数据分析模块906还用于:
获取目标分层的流转信息,流转信息包括:流入分层标识;
从目标分层的分层数据中筛选出第三时段的第三数据集合;
根据流转周期和第三时段,确定流入分层对应的第四时段;
从流入分层标识对应的分层数据中筛选出第四时段的第四数据集合;
根据第三数据集合和第四数据集合,确定目标分层在第三时段的流入用户数据。
本发明实施例提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述任一实施例的方法。
下面参考图10,其示出了适于用来实现本发明实施例的终端设备的计算机系统1000的结构示意图。图10示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图10所示,计算机系统1000包括中央处理单元(CPU)1001,其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。在RAM 1003中,还存储有系统1000操作所需的各种程序和数据。CPU 1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
以下部件连接至I/O接口1005:包括键盘、鼠标等的输入部分1006;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007;包括硬盘等的存储部分1008;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1010上,以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1009从网络上被下载和安装,和/或从可拆卸介质1011被安装。在该计算机程序被中央处理单元(CPU)1001执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:第一获取模块、模型生成模块、第二获取模块及分层确定模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,第一获取模块还可以被描述为“获取用户原始数据和模型配置信息的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:
获取用户原始数据和模型配置信息;
利用所述模型配置信息,对所述用户原始数据进行处理,生成至少一个用户模型的模型数据,所述模型数据包括:用户标识、统计指标值;
获取分层规则信息,所述分层规则信息包括:分层标识、统计指标的过滤规则;
根据所述模型数据和所述分层规则信息,确定至少一个用户分层的分层数据。
根据本发明实施例的技术方案,不同的用户可根据自身需求配置不同的模型配置信息和分层规则信息。系统利用模型配置信息和分层规则信息,自动生成不同的用户分层的分层数据。相比人工筛选目标用户的方式,节省了时间和人力成本。且可针对不同用户分层设置不同的营销策略,以方便为不同用户实施个性化的营销策略。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (14)
1.一种数据的分析方法,其特征在于,包括:
获取用户原始数据和模型配置信息;
利用所述模型配置信息,对所述用户原始数据进行处理,生成至少一个用户模型的模型数据,所述模型数据包括:用户标识、统计指标值;
获取分层规则信息,所述分层规则信息包括:分层标识、统计指标的过滤规则;
根据所述模型数据和所述分层规则信息,确定至少一个用户分层的分层数据,所述分层数据用于进行用户运营分析。
2.根据权利要求1所述的方法,其特征在于,所述模型配置信息包括:模型标识、目标表、统计字段和统计方式;
所述利用模型配置信息,对所述用户原始数据进行处理,生成至少一个用户模型的模型数据,包括:
对所述目标表中的所述统计字段,以用户标识进行分组,并按照所述统计方式进行统计处理,以生成所述模型数据中的统计指标值;
根据所述模型数据中的统计指标值,生成所述模型标识对应的模型数据。
3.根据权利要求1所述的方法,其特征在于,所述用户模型信息中包括:模型标识、多个目标表、聚合方式、统计字段和统计方式;
所述利用模型配置信息,对所述用户原始数据进行处理,生成至少一个用户模型的模型数据,包括:
对所述多个目标表,按照所述聚合方式进行聚合操作;
对聚合后的表中的所述统计字段,以用户标识进行分组,按照所述统计方式进行统计处理,以生成所述模型数据中的统计指标值;
根据所述模型数据中的统计指标值,生成所述模型标识对应的模型数据。
4.根据权利要求1所述的方法,其特征在于,所述利用模型配置信息,对所述用户原始数据进行处理,生成至少一个用户模型的模型数据之前,还包括:
接收用户输入的模型输入信息,所述模型输入信息包括:至少一个目标表、统计字段和统计方式;
根据所述目标表、所述统计字段和所述统计方式,生成所述模型配置信息。
5.根据权利要求4所述的方法,其特征在于,所述接收用户输入的模型输入信息,包括:
获取用户权限;
显示所述用户权限对应的至少一个原始数据表;
接收针对所述至少一个原始数据表的选择操作;
根据所述选择操作,确定所述目标表。
6.根据权利要求1所述的方法,其特征在于,所述分层规则信息还包括:模型标识;
所述根据所述模型数据和所述分层规则信息,确定至少一个用户分层的分层数据,包括:
根据所述分层规则信息中的模型标识确定目标模型;
根据所述过滤规则,从所述目标模型对应的模型数据中筛选出所述分层标识对应的分层数据。
7.根据权利要求1所述的方法,所述分层规则信息还包括:多个模型标识、关联方式及多个统计指标的过滤规则;
所述根据所述模型数据和所述分层规则信息,确定至少一个用户分层的分层数据,包括:
根据所述分层规则信息中的模型标识确定多个目标模型;
利用所述过滤规则,分别确定各所述目标模型的数据集合;
根据所述关联方式,对多个所述数据集合进行处理,以生成所述分层标识对应的分层数据。
8.根据权利要求1所述的方法,其特征在于,所述根据所述模型数据和所述分层规则信息,确定至少一个用户分层的分层数据之前,还包括:
接收用户输入的分层输入信息,所述分层输入信息包括:模型标识、统计指标的过滤规则,所述模型标识与所述统计指标相对应;
根据所述模型标识和所述过滤规则,生成所述分层规则信息。
9.根据权利要求1所述的方法,其特征在于,所述分层数据包括:发生时间;
所述根据所述模型数据和所述分层规则信息,确定至少一个用户分层的分层数据之后,还包括:
从所述目标分层的分层数据中筛选出当前时段的当前数据集合;
从所述目标分层的分层数据中筛选出前一时段的前一数据集合;
根据所述当前数据集合和所述前一数据集合,生成所述目标分层的变动用户数据。
10.根据权利要求1所述的方法,所述分层数据包括:发生时间;
所述根据所述模型数据和所述分层规则信息,确定至少一个用户分层的分层数据之后,还包括:
获取目标分层的流转信息,所述流转信息包括:流出分层标识;
从所述目标分层的分层数据中筛选出第一时段的第一数据集合;
根据流转周期和所述第一时段,确定流出分层对应的第二时段;
从所述流出分层标识对应的分层数据中筛选出所述第二时段的第二数据集合;
根据所述第一数据集合和所述第二数据集合,确定所述目标分层在所述第一时段的流出用户数据。
11.根据权利要求1所述的方法,所述分层数据包括:发生时间;
所述根据所述模型数据和所述分层规则信息,确定至少一个用户分层的分层数据之后,还包括:
获取目标分层的流转信息,所述流转信息包括:流入分层标识;
从所述目标分层的分层数据中筛选出第三时段的第三数据集合;
根据流转周期和所述第三时段,确定流入分层对应的第四时段;
从所述流入分层标识对应的分层数据中筛选出所述第四时段的第四数据集合;
根据所述第三数据集合和所述第四数据集合,确定所述目标分层在所述第三时段的流入用户数据。
12.一种数据的分析装置,其特征在于,包括:
第一获取模块,用于获取用户原始数据和模型配置信息;
模型生成模块,用于利用所述模型配置信息,对所述用户原始数据进行处理,生成至少一个用户模型的模型数据,所述模型数据包括:用户标识、统计指标值;
第二获取模块,用于获取分层规则信息,所述分层规则信息包括:分层标识、统计指标的过滤规则;
分层确定模块,用于根据所述模型数据和所述对应关系,确定至少一个用户分层的分层数据,所述分层数据用于进行用户运营分析。
13.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-11中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-11中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110524867.7A CN113239083A (zh) | 2021-05-13 | 2021-05-13 | 数据的分析方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110524867.7A CN113239083A (zh) | 2021-05-13 | 2021-05-13 | 数据的分析方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113239083A true CN113239083A (zh) | 2021-08-10 |
Family
ID=77134174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110524867.7A Pending CN113239083A (zh) | 2021-05-13 | 2021-05-13 | 数据的分析方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113239083A (zh) |
-
2021
- 2021-05-13 CN CN202110524867.7A patent/CN113239083A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10942946B2 (en) | Automatic triage model execution in machine data driven monitoring automation apparatus | |
US10942960B2 (en) | Automatic triage model execution in machine data driven monitoring automation apparatus with visualization | |
US10073837B2 (en) | Method and system for implementing alerts in semantic analysis technology | |
US11645321B2 (en) | Calculating relationship strength using an activity-based distributed graph | |
US20150160846A1 (en) | Providing dynamic widgets in a browser | |
US20120130940A1 (en) | Real-time analytics of streaming data | |
US11061904B2 (en) | Resource condition correction using intelligently configured dashboard widgets | |
CN108347532B (zh) | 功能访问方法、装置、终端设备及存储介质 | |
CN111414376A (zh) | 一种数据预警方法和装置 | |
CN111078695B (zh) | 计算企业内元数据关联关系的方法及装置 | |
CN113157947A (zh) | 知识图谱的构建方法、工具、装置和服务器 | |
CN111160793A (zh) | 一种服务网点自助设备数量的配置方法、装置及设备 | |
CN110569313B (zh) | 数据仓库的模型表级别判定方法及装置 | |
CN110866698A (zh) | 用于评定服务提供方的服务分值的装置 | |
CN111414410A (zh) | 数据处理方法、装置、设备和存储介质 | |
CN109918678A (zh) | 一种字段含义识别方法和装置 | |
CN114741392A (zh) | 数据查询方法、装置、电子设备及存储介质 | |
CN113609409A (zh) | 一种推荐浏览信息的方法及其系统、电子设备、存储介质 | |
US11227288B1 (en) | Systems and methods for integration of disparate data feeds for unified data monitoring | |
US20200118016A1 (en) | Data attribution using frequent pattern analysis | |
CN116150200A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN113239083A (zh) | 数据的分析方法和装置 | |
CN115619261A (zh) | 一种作业标签画像数据处理方法、装置、计算机设备 | |
CN110020166A (zh) | 一种数据分析方法及相关设备 | |
CN114860362A (zh) | 界面的更新方法及装置 |
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 |