CN113448933B - 业务数据处理方法、装置、电子设备及介质 - Google Patents
业务数据处理方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN113448933B CN113448933B CN202110729584.6A CN202110729584A CN113448933B CN 113448933 B CN113448933 B CN 113448933B CN 202110729584 A CN202110729584 A CN 202110729584A CN 113448933 B CN113448933 B CN 113448933B
- Authority
- CN
- China
- Prior art keywords
- service data
- dimensional
- dimension
- data set
- service
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 110
- 238000007906 compression Methods 0.000 claims abstract description 59
- 230000006835 compression Effects 0.000 claims abstract description 54
- 230000002159 abnormal effect Effects 0.000 claims abstract description 27
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000013075 data extraction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06F16/2228—Indexing structures
- G06F16/2264—Multidimensional index structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/174—Redundancy elimination performed by the file system
- G06F16/1744—Redundancy elimination performed by the file system using compression, e.g. sparse files
-
- 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
- G06F16/221—Column-oriented storage; Management thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数据处理技术,揭露了一种业务数据处理方法,包括:对原始业务数据集进行缺失值填充及去异常值,得到初始业务数据集并对其进行维度分解,得到多维业务数据集;构建与初始业务数据集对应的立体业务数据方块并对立体业务数据方块执行维度编码压缩,得到压缩业务数据方块;接收到业务数据处理请求时提取所述压缩业务数据方块中对应的业务数据;对所述业务数据进行数据处理并判断是否满足业务推送条件,若满足将经过数据处理后业务数据推送至终端设备。此外,本发明还涉及区块链技术,所述业务数据可存储于区块链的节点。本发明还提出一种业务数据处理装置、电子设备以及计算机可读存储介质。本发明可以解决业务数据处理效率较低的问题。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种业务数据处理方法、装置、电子设备及介质。
背景技术
随着各个业务场景下业务进程不断被推动,产生的业务数据越来越多,不同的业务数据类型不同且对应的业务处理规则也不一样,如何对业务数据进行快速有效的对应业务处理成为了一大难题。
现有的业务数据处理方法是对采集得到的固定批次的业务数据进行统一的业务处理,并进行判断,根据判断结果将业务数据发送到终端,由于业务数据的数量庞大,直接进行业务数据处理会导致效率较低。
发明内容
本发明提供一种业务数据处理方法、装置及计算机可读存储介质,其主要目的在于解决业务数据处理时效率较低的问题。
为实现上述目的,本发明提供的一种业务数据处理方法,包括:
获取原始业务数据集,对所述原始业务数据集进行缺失值填充及去异常值处理,得到初始业务数据集;
对所述初始业务数据集进行维度分解,得到多维业务数据集;
利用所述多维业务数据集,构建与所述初始业务数据集对应的立体业务数据方块;
根据所述多维业务数据集的维度数,对所述立体业务数据方块执行维度编码压缩,得到压缩业务数据方块;
当接收到业务数据处理请求时,提取所述压缩业务数据方块中对应的业务数据;
对所述业务数据进行数据处理,若经过数据处理后的业务数据满足预设的业务推送条件,则将经过数据处理后的业务数据推送至指定终端设备。
可选地,所述利用所述多维业务数据集,构建与所述初始业务数据集对应的立体业务数据方块,包括:
根据按行排列原则,依次拆解所述多维业务数据集,得到多组单行业务数据集;
根据按列排列原则,将每组所述单行业务数据集执行维度细化,得到多组单行单列业务数据集;
根据每组所述单行单列业务数据集在所述初始业务数据集中的重合关系,生成重合标识,根据所述重合标识,立体组合每组所述单行单列业务数据集,得到所述立体业务数据方块。
可选地,所述根据每组所述单行单列业务数据集在所述初始业务数据集中的重合关系,生成重合标识,包括:
检索每组所述单行单列业务数据集中的业务数据,在所述初始业务数据集中是否存在业务数据重合,得到所述重合关系;
利用所述重合关系去除重合的业务数据;
当去除重合的业务数据成功时,标识每组所述单行单列业务数据集中的业务数据,得到立体数据标识,根据所述立体数据标识生成所述重合标识。
可选地,所述标识每组所述单行单列业务数据集中的业务数据,得到立体数据标识,包括:
编号多组所述单行业务数据集,得到编码号;
根据所述编码号,标识每组所述单行单列业务数据集中的业务数据,得到所述立体数据标识。
可选地,所述根据所述多维业务数据集的维度数,对所述立体业务数据方块执行维度编码压缩,得到压缩业务数据方块,包括:
根据所述立体业务数据方块对应的立体数据标识,检索不同维度的代表性立体业务数据;
判断是否存在超过指定长度阈值的目标代表性立体业务数据;
若存在,将所述目标代表性立体业务数据所对应的同一维度下的所有的立体业务数据均执行维度编码压缩,得到维度压缩业务数据;
利用所述维度压缩业务数据更新所述立体业务数据方块,得到所述压缩业务数据方块。
可选地,所述判断所述原始业务数据集是否存在异常值,包括:
对所述原始业务数据集按照从大到小的顺序进行排序,并从排序好的原始业务数据集中筛选出处于中间位置的中位数;
分别计算所述中位数和所述原始业务数据集中多个原始业务数据之间的欧氏距离值;
将所述欧式距离值大于预设异常阈值的原始业务数据判定为异常值。
可选地,所述计算所述中位数和所述原始业务数据集中多个原始业务数据之间的欧氏距离值,包括:
其中,distance为欧氏距离值,xi为中位数,yi为原始业务数据。
为了解决上述问题,本发明还提供一种业务数据处理装置,所述装置包括:
数据处理模块,用于获取原始业务数据集,对所述原始业务数据集进行缺失值填充及去异常值处理,得到初始业务数据集;
维度分解模块,用于对所述初始业务数据集进行维度分解,得到多维业务数据集;
数据方块构建模块,用于利用所述多维业务数据集,构建与所述初始业务数据集对应的立体业务数据方块;
编码压缩模块,用于根据所述多维业务数据集的维度数,对所述立体业务数据方块执行维度编码压缩,得到压缩业务数据方块;
业务处理模块,用于对所述业务数据进行数据处理,若经过数据处理后的业务数据满足预设的业务推送条件,则将经过数据处理后的业务数据推送至指定终端设备。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的业务数据处理方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的业务数据处理方法。
本发明通过对原始业务数据集进行缺失值填充及去异常值处理,得到初始业务数据集,提高所述原始业务数据集中的数据完整性,并删除无效数据以及错误数据,减少数据冗余,提高数据准确性。接收用户对所述初始业务数据集执行维度分解得到的多维业务数据集,初始业务数据集的数据量一般较为庞大,因此需对初始业务数据集执行维度分解,方便后续数据处理操作,利用所述多维业务数据集,构建与所述初始业务数据集对应的立体业务数据方块,所述立体业务数据方块便于后续业务数据存储、计算的操作,由于部分业务数据是字符型数据,可能存在字符过长,导致占用过多存储压力的问题,对所述立体业务数据方块执行维度编码压缩,得到压缩业务数据方块,减少了在压缩过程中,挨个对单个业务数据是否需执行压缩判断的时间,或对整个业务数据均执行压缩的资源消耗,对所述业务数据进行数据处理,若经过数据处理后的业务数据满足预设的业务推送条件,则将经过数据处理后的业务数据推送至指定终端设备。因此本发明提出的业务数据处理方法、装置、电子设备及介质,可以解决业务数据处理时效率较低的问题。
附图说明
图1为本发明一实施例提供的业务数据处理方法的流程示意图;
图2为本发明一实施例提供的立体业务数据方块的示例图;
图3为本发明一实施例提供的业务数据处理装置的功能模块图;
图4为本发明一实施例提供的实现所述业务数据处理方法的电子设备的结构示意图。
本发明目的的实现、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
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种业务数据处理方法。所述业务数据处理方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述业务数据处理方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示,为本发明一实施例提供的业务数据处理方法的流程示意图。在本实施例中,所述业务数据处理方法包括:
S1、获取原始业务数据集,对所述原始业务数据集进行缺失值填充及去异常值处理,得到初始业务数据集。
本发明实施例中,根据业务场景的不同,所述原始业务数据集的数据种类也不尽相同,如在基金业务场景下,所述原始业务数据集包括需进行清算交收的结算文件和交收资金、在保险业务场景下所述原始业务数据集包括基数合约、日前交易、实时交易、直接交易、容量市场等数据。
获取所述原始业务数据集是指利用具有数据调用功能的java语句从用于存储所述原始业务数据集对应的数据库中调用原始业务数据。
较佳地,在本发明实施例中,所述对所述原始业务数据集进行缺失值填充及去异常值处理,得到初始业务数据集,包括:
判断所述原始业务数据集是否存在缺失值,当所述原始业务数据集存在缺失值时,对所述原始业务数据集进行数据填充;
判断所述原始业务数据集是否存在异常值,当所述原始业务数据集存在异常值时,删除所述原始业务数据集包含的异常值。
详细地,本发明实施例利用具有缺失值检测功能的高级程序语句来判断所述原始业务数据集是否存在缺失值。
其中,当所述原始业务数据集存在缺失值时,本发明实施例可以采用现有技术中的缺失值填充方法对所述原始业务数据集进行数据填充。
详细地,现有的缺失值填充方法包括但不限于众数、均值、KNN填充。
进一步地,本发明实施例中,所述判断所述原始业务数据集是否存在异常值,包括:
对所述原始业务数据集按照从大到小的顺序进行排序,并从排序好的原始业务数据集中筛选出处于中间位置的中位数;
分别计算所述中位数和所述原始业务数据集中多个原始业务数据之间的欧氏距离值;
将所述欧式距离值大于预设异常阈值的原始业务数据判定为异常值。
详细地,利用预设的欧氏距离公式计算所述中位数和所述原始业务数据集中多个原始业务数据之间的欧氏距离值,包括:
其中,distance为欧氏距离值,xi为中位数,yi为原始业务数据。
详细地,当所述原始业务数据集中存在异常值时,本发明实施例对所述异常值执行删除操作。
具体地,通过对所述原始业务数据集进行进行缺失值填充及去异常值处理,可以提高所述原始业务数据集中的数据完整性,并删除无效数据以及错误数据,减少数据冗余,提高数据准确性。
在本发明实施例中,当所述原始业务数据为缺失数据或者异常数据时,通过对缺失数据进行填充、对异常数据进行删除可以保证各个基金公司提供的结算文件和交收资金的完整性,保证数据源头的准确性。
S2、对所述初始业务数据集进行维度分解,得到多维业务数据集。
本发明实施例中,初始业务数据集的数据量一般较为庞大,因此需对初始业务数据集进行维度分解,方便后续数据处理操作。
进一步地,需根据初始业务数据集所属业务场景类型,进行对应维度分解,如上述保险业务场景下,可按照市场维度类、交易维度类、主体维度类等执行维度分解。其中,市场维度类又包括金融市场、客户市场、辅助服务市场、保险种类市场等细化维度、交易维度类又包括中长期交易、日内交易、实时交易等细化维度、主体维度类又包括保险提供商主体、投保客户主体等细化维度。
对所述初始业务数据集进行维度分解,从而得到所述多维业务数据集,如市场维度类下保险种类市场包括车险、人身险、意外险等,则车险、人身险、意外险等,均对应相关的业务数据。
S3、利用所述多维业务数据集,构建与所述初始业务数据集对应的立体业务数据方块。
由于本发明实施例中业务数据的数据量庞大,为了方便后续业务数据存储、计算的操作,需先构建出立体业务数据方块。
详细地,所述S3包括:
根据按行排列原则,依次拆解所述多维业务数据集,得到多组单行业务数据集;
根据按列排列原则,将每组所述单行业务数据集执行维度细化,得到多组单行单列业务数据集;
根据每组所述单行单列业务数据集在所述初始业务数据集中的重合关系,生成重合标识,根据所述重合标识,立体组合每组所述单行单列业务数据集,得到所述立体业务数据方块。
本发明实施例中,如在上述保险业务场景,根据按行排列原则,可以得到如下多组单行业务数据集:
市场维度类:x1、x2、x3、…、xn
交易维度类:y1、y2、y3、…、ym
主体维度类:z1、z2、z3、…、zo
进一步地,由于市场维度类又包括金融市场、客户市场、辅助服务市场、保险种类市场等细化维度,因此上述市场维度类:x1、x2、x3、…、xn,还可进一步执行维度细化,从而得到其中一组单行单列业务数据集如下所示:
由于业务数据的数据量庞大,在执行维度划分时难免会出现数据重合的问题,为了节约计算资源,本发明实施例中还需执行去重操作,详细地,所述根据每组所述单行单列业务数据集在所述初始业务数据集中的重合关系,生成重合标识,包括:
检索每组所述单行单列业务数据集中的业务数据,在所述初始业务数据集中是否存在业务数据重合,得到所述重合关系;
利用所述重合关系去除重合的业务数据;
当去除重合的业务数据成功时,标识每组所述单行单列业务数据集中的业务数据,得到立体数据标识,根据所述立体数据标识生成所述重合标识。
如上述意外险:x3、x5和老年人:x5、x9,均重复x5,则去除老年人中的x5,并在老年人的细化维度中生成对应的重合标识。
进一步地,本发明所述重合标识的生成过程与所述立体数据标识相关,其中,所述标识每组所述单行单列业务数据集中的业务数据,得到立体数据标识,包括:
编号多组所述单行业务数据集,得到编码号;
根据所述编码号,标识每组所述单行单列业务数据集中的业务数据,得到所述立体数据标识。
如上述市场维度类、交易维度类、主体维度类,分别在立体业务数据方块中位于第一立体块、第二立体块及第三立体块,则分别编号为块-1、块-2、块-3,则市场维度类下保险种类市场为块-1-1,市场维度类下保险种类市场的车险编号为块-1-1-1,依次类推,则市场维度类下保险种类市场的车险中业务数据x1,所对应的立体数据标识为块-1-1-1-(1,1),其中(1,1)表示第一行第一列,若x1重合后,则去除x1对应生成块-1-1-1-重-(1,1)。
请参阅图2,图2为本发明一实施例提供的立体业务数据方块的示例图。
S4、根据所述多维业务数据集的维度数,对所述立体业务数据方块执行维度编码压缩,得到压缩业务数据方块。
由于部分业务数据是字符型数据,可能存在字符过长,导致占用过多存储压力的问题,因此需要执行压缩维度编码压缩操作。
详细地,所述S4包括:
根据所述立体业务数据方块对应的立体数据标识,检索不同维度的代表性立体业务数据;
判断是否存在超过指定长度阈值的目标代表性立体业务数据;
若存在,将所述目标代表性立体业务数据所对应的同一维度下的所有的立体业务数据均执行维度编码压缩,得到维度压缩业务数据;
利用所述维度压缩业务数据更新所述立体业务数据方块,得到所述压缩业务数据方块。
本发明实施例中,由于通过S4构建的立体业务数据方块,一般同一维度的业务数据的数据类型相似,因此只需从相同维度中检索代表性立体业务数据,并当代表性立体业务数据字符过长,则表明同一维度下的其他立体业务数据字符也一样过长,则对同一维度的所有立体业务数据执行维度编码压缩即可,减少了在压缩过程中,挨个对单个业务数据是否需执行压缩判断的时间,或对整个业务数据均执行压缩的资源消耗。
其中,代表性立体业务数据可从同一维度中随机选取若干个即可。
进一步地,本发明实施中,维度编码压缩可采用静态压缩方法、动态压缩方法等。
如图2显示的块-4-4-4的立体业务数据方块,其中本田飞度、3年、3W里程,同一维度下的其他业务数据也近乎相同,因此可将该维度统一执行维度编码压缩,从而得到所述压缩业务数据方块。
S5、当接收到业务数据处理请求时,提取所述压缩业务数据方块中对应的业务数据。
本发明实施例中,所述业务数据处理请求是指需要对指定业务数据进行判定和处理的需求。
具体地,利用具有数据提取功能的Python语句从所述压缩业务数据方块中提取对应的业务数据。
其中,所述对应的业务数据是根据所述业务处理请求从所述压缩业务数据方块中提取对应维度的数据。
S6、对所述业务数据进行数据处理,若经过数据处理后的业务数据满足预设的业务推送条件,则将经过数据处理后的业务数据推送至指定终端设备。
本实施例中,若业务数据不满足预设的业务推送条件,则发出预警。
具体地,对所述业务数据进行数据处理,所述数据处理是针对所述业务数据进行的常规处理,例如,业务验证,业务升级等。所述业务推送条件是针对数据处理结果设定的阈值或者验证条件。
其中,所述指定终端设备为业务监控人员的业务监控设备,如:手机、电脑等。
本发明通过对原始业务数据集进行缺失值填充及去异常值处理,得到初始业务数据集,提高所述原始业务数据集中的数据完整性,并删除无效数据以及错误数据,减少数据冗余,提高数据准确性。接收用户对所述初始业务数据集执行维度分解得到的多维业务数据集,初始业务数据集的数据量一般较为庞大,因此需对初始业务数据集执行维度分解,方便后续数据处理操作,利用所述多维业务数据集,构建与所述初始业务数据集对应的立体业务数据方块,所述立体业务数据方块便于后续业务数据存储、计算的操作,由于部分业务数据是字符型数据,可能存在字符过长,导致占用过多存储压力的问题,对所述立体业务数据方块执行维度编码压缩,得到压缩业务数据方块,减少了在压缩过程中,挨个对单个业务数据是否需执行压缩判断的时间,或对整个业务数据均执行压缩的资源消耗,对所述业务数据进行数据处理,若经过数据处理后的业务数据满足预设的业务推送条件,则将经过数据处理后的业务数据推送至指定终端设备。因此本发明提出的业务数据处理方法可以解决业务数据处理时效率较低的问题。
如图3所示,是本发明一实施例提供的业务数据处理装置的功能模块图。
本发明所述业务数据处理装置100可以安装于电子设备中。根据实现的功能,所述业务数据处理装置100可以包括数据处理模块101、维度分解模块102、数据方块构建模块103、编码压缩模块104及业务处理模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述数据处理模块101,用于获取原始业务数据集,对所述原始业务数据集进行缺失值填充及去异常值处理,得到初始业务数据集;
所述维度分解模块102,用于对所述初始业务数据集进行维度分解,得到多维业务数据集;
所述数据方块构建模块103,用于利用所述多维业务数据集,构建与所述初始业务数据集对应的立体业务数据方块;
所述编码压缩模块104,用于根据所述多维业务数据集的维度数,对所述立体业务数据方块执行维度编码压缩,得到压缩业务数据方块;
所述业务处理模块105,用于对所述业务数据进行数据处理,若经过数据处理后的业务数据满足预设的业务推送条件,则将经过数据处理后的业务数据推送至指定终端设备。
详细地,所述业务数据处理装置100各模块的具体实施方式如下:
步骤一、获取原始业务数据集,对所述原始业务数据集进行缺失值填充及去异常值处理,得到初始业务数据集。
本发明实施例中,根据业务场景的不同,所述原始业务数据集的数据种类也不尽相同,如在基金业务场景下,所述原始业务数据集包括需进行清算交收的结算文件和交收资金、在保险业务场景下所述原始业务数据集包括基数合约、日前交易、实时交易、直接交易、容量市场等数据。
获取所述原始业务数据集是指利用具有数据调用功能的java语句从用于存储所述原始业务数据集对应的数据库中调用原始业务数据。
较佳地,在本发明实施例中,所述对所述原始业务数据集进行缺失值填充及去异常值处理,得到初始业务数据集,包括:
判断所述原始业务数据集是否存在缺失值,当所述原始业务数据集存在缺失值时,对所述原始业务数据集进行数据填充;
判断所述原始业务数据集是否存在异常值,当所述原始业务数据集存在异常值时,删除所述原始业务数据集包含的异常值。
详细地,本发明实施例利用具有缺失值检测功能的高级程序语句来判断所述原始业务数据集是否存在缺失值。
其中,当所述原始业务数据集存在缺失值时,本发明实施例可以采用现有技术中的缺失值填充方法对所述原始业务数据集进行数据填充。
详细地,现有的缺失值填充方法包括但不限于众数、均值、KNN填充。
进一步地,本发明实施例中,所述判断所述原始业务数据集是否存在异常值,包括:
对所述原始业务数据集按照从大到小的顺序进行排序,并从排序好的原始业务数据集中筛选出处于中间位置的中位数;
分别计算所述中位数和所述原始业务数据集中多个原始业务数据之间的欧氏距离值;
将所述欧式距离值大于预设异常阈值的原始业务数据判定为异常值。
详细地,利用预设的欧氏距离公式计算所述中位数和所述原始业务数据集中多个原始业务数据之间的欧氏距离值,包括:
其中,distance为欧氏距离值,xi为中位数,yi为原始业务数据。
详细地,当所述原始业务数据集中存在异常值时,本发明实施例对所述异常值执行删除操作。
具体地,通过对所述原始业务数据集进行进行缺失值填充及去异常值处理,可以提高所述原始业务数据集中的数据完整性,并删除无效数据以及错误数据,减少数据冗余,提高数据准确性。
在本发明实施例中,当所述原始业务数据为缺失数据或者异常数据时,通过对缺失数据进行填充、对异常数据进行删除可以保证各个基金公司提供的结算文件和交收资金的完整性,保证数据源头的准确性。
步骤二、对所述初始业务数据集进行维度分解,得到多维业务数据集。
本发明实施例中,初始业务数据集的数据量一般较为庞大,因此需对初始业务数据集进行维度分解,方便后续数据处理操作。
进一步地,需根据初始业务数据集所属业务场景类型,进行对应维度分解,如上述保险业务场景下,可按照市场维度类、交易维度类、主体维度类等执行维度分解。其中,市场维度类又包括金融市场、客户市场、辅助服务市场、保险种类市场等细化维度、交易维度类又包括中长期交易、日内交易、实时交易等细化维度、主体维度类又包括保险提供商主体、投保客户主体等细化维度。
对所述初始业务数据集进行维度分解,从而得到所述多维业务数据集,如市场维度类下保险种类市场包括车险、人身险、意外险等,则车险、人身险、意外险等,均对应相关的业务数据。
步骤三、利用所述多维业务数据集,构建与所述初始业务数据集对应的立体业务数据方块。
由于本发明实施例中业务数据的数据量庞大,为了方便后续业务数据存储、计算的操作,需先构建出立体业务数据方块。
详细地,所述步骤三包括:
根据按行排列原则,依次拆解所述多维业务数据集,得到多组单行业务数据集;
根据按列排列原则,将每组所述单行业务数据集执行维度细化,得到多组单行单列业务数据集;
根据每组所述单行单列业务数据集在所述初始业务数据集中的重合关系,生成重合标识,根据所述重合标识,立体组合每组所述单行单列业务数据集,得到所述立体业务数据方块。
本发明实施例中,如在上述保险业务场景,根据按行排列原则,可以得到如下多组单行业务数据集:
市场维度类:x1、x2、x3、…、xn
交易维度类:y1、y2、y3、…、ym
…
主体维度类:z1、z2、z3、…、zo
进一步地,由于市场维度类又包括金融市场、客户市场、辅助服务市场、保险种类市场等细化维度,因此上述市场维度类:x1、x2、x3、…、xn,还可进一步执行维度细化,从而得到其中一组单行单列业务数据集如下所示:
由于业务数据的数据量庞大,在执行维度划分时难免会出现数据重合的问题,为了节约计算资源,本发明实施例中还需执行去重操作,详细地,所述根据每组所述单行单列业务数据集在所述初始业务数据集中的重合关系,生成重合标识,包括:
检索每组所述单行单列业务数据集中的业务数据,在所述初始业务数据集中是否存在业务数据重合,得到所述重合关系;
利用所述重合关系去除重合的业务数据;
当去除重合的业务数据成功时,标识每组所述单行单列业务数据集中的业务数据,得到立体数据标识,根据所述立体数据标识生成所述重合标识。
如上述意外险:x3、x5和老年人:x5、x9,均重复x5,则去除老年人中的x5,并在老年人的细化维度中生成对应的重合标识。
进一步地,本发明所述重合标识的生成过程与所述立体数据标识相关,其中,所述标识每组所述单行单列业务数据集中的业务数据,得到立体数据标识,包括:
编号多组所述单行业务数据集,得到编码号;
根据所述编码号,标识每组所述单行单列业务数据集中的业务数据,得到所述立体数据标识。
如上述市场维度类、交易维度类、主体维度类,分别在立体业务数据方块中位于第一立体块、第二立体块及第三立体块,则分别编号为块-1、块-2、块-3,则市场维度类下保险种类市场为块-1-1,市场维度类下保险种类市场的车险编号为块-1-1-1,依次类推,则市场维度类下保险种类市场的车险中业务数据x1,所对应的立体数据标识为块-1-1-1-(1,1),其中(1,1)表示第一行第一列,若x1重合后,则去除x1对应生成块-1-1-1-重-(1,1)。
请参阅图2,图2为本发明一实施例提供的立体业务数据方块的示例图。
步骤四、根据所述多维业务数据集的维度数,对所述立体业务数据方块执行维度编码压缩,得到压缩业务数据方块。
由于部分业务数据是字符型数据,可能存在字符过长,导致占用过多存储压力的问题,因此需要执行压缩维度编码压缩操作。
详细地,所述步骤四包括:
根据所述立体业务数据方块对应的立体数据标识,检索不同维度的代表性立体业务数据;
判断是否存在超过指定长度阈值的目标代表性立体业务数据;
若存在,将所述目标代表性立体业务数据所对应的同一维度下的所有的立体业务数据均执行维度编码压缩,得到维度压缩业务数据;
利用所述维度压缩业务数据更新所述立体业务数据方块,得到所述压缩业务数据方块。
本发明实施例中,由于通过步骤四构建的立体业务数据方块,一般同一维度的业务数据的数据类型相似,因此只需从相同维度中检索代表性立体业务数据,并当代表性立体业务数据字符过长,则表明同一维度下的其他立体业务数据字符也一样过长,则对同一维度的所有立体业务数据执行维度编码压缩即可,减少了在压缩过程中,挨个对单个业务数据是否需执行压缩判断的时间,或对整个业务数据均执行压缩的资源消耗。
其中,代表性立体业务数据可从同一维度中随机选取若干个即可。
进一步地,本发明实施中,维度编码压缩可采用静态压缩方法、动态压缩方法等。
如图2显示的块-4-4-4的立体业务数据方块,其中本田飞度、3年、3W里程,同一维度下的其他业务数据也近乎相同,因此可将该维度统一执行维度编码压缩,从而得到所述压缩业务数据方块。
步骤五、当接收到业务数据处理请求时,提取所述压缩业务数据方块中对应的业务数据。
本发明实施例中,所述业务数据处理请求是指需要对指定业务数据进行判定和处理的需求。
具体地,利用具有数据提取功能的Python语句从所述压缩业务数据方块中提取对应的业务数据。
其中,所述对应的业务数据是根据所述业务处理请求从所述压缩业务数据方块中提取对应维度的数据。
步骤六、对所述业务数据进行数据处理,若经过数据处理后的业务数据满足预设的业务推送条件,则将经过数据处理后的业务数据推送至指定终端设备。
本实施例中,若业务数据不满足预设的业务推送条件,则发出预警。
具体地,对所述业务数据进行数据处理,所述数据处理是针对所述业务数据进行的常规处理,例如,业务验证,业务升级等。所述业务推送条件是针对数据处理结果设定的阈值或者验证条件。
其中,所述指定终端设备为业务监控人员的业务监控设备,如:手机、电脑等。
本发明通过对原始业务数据集进行缺失值填充及去异常值处理,得到初始业务数据集,提高所述原始业务数据集中的数据完整性,并删除无效数据以及错误数据,减少数据冗余,提高数据准确性。接收用户对所述初始业务数据集执行维度分解得到的多维业务数据集,初始业务数据集的数据量一般较为庞大,因此需对初始业务数据集执行维度分解,方便后续数据处理操作,利用所述多维业务数据集,构建与所述初始业务数据集对应的立体业务数据方块,所述立体业务数据方块便于后续业务数据存储、计算的操作,由于部分业务数据是字符型数据,可能存在字符过长,导致占用过多存储压力的问题,对所述立体业务数据方块执行维度编码压缩,得到压缩业务数据方块,减少了在压缩过程中,挨个对单个业务数据是否需执行压缩判断的时间,或对整个业务数据均执行压缩的资源消耗,对所述业务数据进行数据处理,若经过数据处理后的业务数据满足预设的业务推送条件,则将经过数据处理后的业务数据推送至指定终端设备。因此本发明提出的业务数据处理装置可以解决业务数据处理时效率较低的问题。
如图4所示,是本发明一实施例提供的实现业务数据处理方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信接口12和总线13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如业务数据处理程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如业务数据处理程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如业务数据处理程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述通信接口12用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLD(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
所述总线13可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称FISA)总线等。该总线13可以分为地址总线、数据总线、控制总线等。所述总线13被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图4仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图4示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的业务数据处理程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取原始业务数据集,对所述原始业务数据集进行缺失值填充及去异常值处理,得到初始业务数据集;
对所述初始业务数据集进行维度分解,得到多维业务数据集;
利用所述多维业务数据集,构建与所述初始业务数据集对应的立体业务数据方块;
根据所述多维业务数据集的维度数,对所述立体业务数据方块执行维度编码压缩,得到压缩业务数据方块;
当接收到业务数据处理请求时,提取所述压缩业务数据方块中对应的业务数据;
对所述业务数据进行数据处理,若经过数据处理后的业务数据满足预设的业务推送条件,则将经过数据处理后的业务数据推送至指定终端设备。
具体地,所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取原始业务数据集,对所述原始业务数据集进行缺失值填充及去异常值处理,得到初始业务数据集;
对所述初始业务数据集进行维度分解,得到多维业务数据集;
利用所述多维业务数据集,构建与所述初始业务数据集对应的立体业务数据方块;
根据所述多维业务数据集的维度数,对所述立体业务数据方块执行维度编码压缩,得到压缩业务数据方块;
当接收到业务数据处理请求时,提取所述压缩业务数据方块中对应的业务数据;
对所述业务数据进行数据处理,若经过数据处理后的业务数据满足预设的业务推送条件,则将经过数据处理后的业务数据推送至指定终端设备。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (6)
1.一种业务数据处理方法,其特征在于,所述方法包括:
获取原始业务数据集,对所述原始业务数据集进行缺失值填充及去异常值处理,得到初始业务数据集;
根据市场维度类、交易维度类、主体维度类对所述初始业务数据集进行维度分解,得到多维业务数据集;
利用所述多维业务数据集,构建与所述初始业务数据集对应的立体业务数据方块,包括:根据按行排列原则,依次拆解所述多维业务数据集,得到多组单行业务数据集,根据按列排列原则,将每组所述单行业务数据集执行维度细化,得到多组单行单列业务数据集,检索每组所述单行单列业务数据集中的业务数据,在所述初始业务数据集中是否存在业务数据重合,得到重合关系,利用所述重合关系去除重合的业务数据,当去除重合的业务数据成功时,标识每组所述单行单列业务数据集中的业务数据,得到立体数据标识,根据所述立体数据标识生成重合标识,根据所述重合标识,立体组合每组所述单行单列业务数据集,得到所述立体业务数据方块,其中,所述标识每组所述单行单列业务数据集中的业务数据,得到立体数据标识,包括:编号多组所述单行业务数据集,得到编码号,根据所述编码号,标识每组所述单行单列业务数据集中的业务数据,得到所述立体数据标识;
根据所述多维业务数据集的维度数,对所述立体业务数据方块执行维度编码压缩,得到压缩业务数据方块,包括:根据所述立体业务数据方块对应的立体数据标识,检索不同维度的代表性立体业务数据,判断是否存在超过指定长度阈值的目标代表性立体业务数据,若存在,将所述目标代表性立体业务数据所对应的同一维度下的所有的立体业务数据均执行维度编码压缩,得到维度压缩业务数据,利用所述维度压缩业务数据更新所述立体业务数据方块,得到所述压缩业务数据方块;
当接收到业务数据处理请求时,提取所述压缩业务数据方块中对应的业务数据;
对所述业务数据进行数据处理,若经过数据处理后的业务数据满足预设的业务推送条件,则将经过数据处理后的业务数据推送至指定终端设备。
2.如权利要求1所述的业务数据处理方法,其特征在于,去异常值处理包括判断所述原始业务数据集是否存在异常值,包括:
对所述原始业务数据集按照从大到小的顺序进行排序,并从排序好的原始业务数据集中筛选出处于中间位置的中位数;
分别计算所述中位数和所述原始业务数据集中多个原始业务数据之间的欧氏距离值;
将所述欧式距离值大于预设异常阈值的原始业务数据判定为异常值。
3.如权利要求2所述的业务数据处理方法,其特征在于,所述计算所述中位数和所述原始业务数据集中多个原始业务数据之间的欧氏距离值,包括:
其中,为欧氏距离值,/>为中位数,/>为原始业务数据,i为第i个数据。
4.一种业务数据处理装置,其特征在于,所述装置包括:
数据处理模块,用于获取原始业务数据集,对所述原始业务数据集进行缺失值填充及去异常值处理,得到初始业务数据集;
维度分解模块,用于根据市场维度类、交易维度类、主体维度类对所述初始业务数据集进行维度分解,得到多维业务数据集;
数据方块构建模块,用于利用所述多维业务数据集,构建与所述初始业务数据集对应的立体业务数据方块,包括:根据按行排列原则,依次拆解所述多维业务数据集,得到多组单行业务数据集,根据按列排列原则,将每组所述单行业务数据集执行维度细化,得到多组单行单列业务数据集,检索每组所述单行单列业务数据集中的业务数据,在所述初始业务数据集中是否存在业务数据重合,得到重合关系,利用所述重合关系去除重合的业务数据,当去除重合的业务数据成功时,标识每组所述单行单列业务数据集中的业务数据,得到立体数据标识,根据所述立体数据标识生成重合标识,根据所述重合标识,立体组合每组所述单行单列业务数据集,得到所述立体业务数据方块,其中,所述标识每组所述单行单列业务数据集中的业务数据,得到立体数据标识,包括:编号多组所述单行业务数据集,得到编码号,根据所述编码号,标识每组所述单行单列业务数据集中的业务数据,得到所述立体数据标识;
编码压缩模块,用于根据所述多维业务数据集的维度数,对所述立体业务数据方块执行维度编码压缩,得到压缩业务数据方块,包括:根据所述立体业务数据方块对应的立体数据标识,检索不同维度的代表性立体业务数据,判断是否存在超过指定长度阈值的目标代表性立体业务数据,若存在,将所述目标代表性立体业务数据所对应的同一维度下的所有的立体业务数据均执行维度编码压缩,得到维度压缩业务数据,利用所述维度压缩业务数据更新所述立体业务数据方块,得到所述压缩业务数据方块;
业务处理模块,用于当接收到业务数据处理请求时,提取所述压缩业务数据方块中对应的业务数据,对所述业务数据进行数据处理,若经过数据处理后的业务数据满足预设的业务推送条件,则将经过数据处理后的业务数据推送至指定终端设备。
5.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至3中任意一项所述的业务数据处理方法。
6.一种计算机可读存储介质,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如权利要求1至3中任意一项所述的业务数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110729584.6A CN113448933B (zh) | 2021-06-29 | 2021-06-29 | 业务数据处理方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110729584.6A CN113448933B (zh) | 2021-06-29 | 2021-06-29 | 业务数据处理方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113448933A CN113448933A (zh) | 2021-09-28 |
CN113448933B true CN113448933B (zh) | 2024-04-02 |
Family
ID=77814210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110729584.6A Active CN113448933B (zh) | 2021-06-29 | 2021-06-29 | 业务数据处理方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113448933B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1858735A (zh) * | 2005-12-30 | 2006-11-08 | 华为技术有限公司 | 一种海量数据的处理方法 |
US7284011B1 (en) * | 2004-12-28 | 2007-10-16 | Emc Corporation | System and methods for processing a multidimensional database |
CN111382853A (zh) * | 2018-12-28 | 2020-07-07 | 上海寒武纪信息科技有限公司 | 数据处理装置、方法、芯片及电子设备 |
CN111382856A (zh) * | 2018-12-28 | 2020-07-07 | 上海寒武纪信息科技有限公司 | 数据处理装置、方法、芯片及电子设备 |
CN111723059A (zh) * | 2020-05-25 | 2020-09-29 | 深圳市科楠科技开发有限公司 | 一种数据压缩方法、装置、终端设备及存储介质 |
CN112632136A (zh) * | 2020-12-11 | 2021-04-09 | 北京国电通网络技术有限公司 | 一种数据统计分析方法、装置、电子设备及存储介质 |
CN112671921A (zh) * | 2020-12-29 | 2021-04-16 | 平安普惠企业管理有限公司 | 数据传输方法、装置、电子设备及可读存储介质 |
-
2021
- 2021-06-29 CN CN202110729584.6A patent/CN113448933B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7284011B1 (en) * | 2004-12-28 | 2007-10-16 | Emc Corporation | System and methods for processing a multidimensional database |
CN1858735A (zh) * | 2005-12-30 | 2006-11-08 | 华为技术有限公司 | 一种海量数据的处理方法 |
CN111382853A (zh) * | 2018-12-28 | 2020-07-07 | 上海寒武纪信息科技有限公司 | 数据处理装置、方法、芯片及电子设备 |
CN111382856A (zh) * | 2018-12-28 | 2020-07-07 | 上海寒武纪信息科技有限公司 | 数据处理装置、方法、芯片及电子设备 |
CN111723059A (zh) * | 2020-05-25 | 2020-09-29 | 深圳市科楠科技开发有限公司 | 一种数据压缩方法、装置、终端设备及存储介质 |
CN112632136A (zh) * | 2020-12-11 | 2021-04-09 | 北京国电通网络技术有限公司 | 一种数据统计分析方法、装置、电子设备及存储介质 |
CN112671921A (zh) * | 2020-12-29 | 2021-04-16 | 平安普惠企业管理有限公司 | 数据传输方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113448933A (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112541745B (zh) | 用户行为数据分析方法、装置、电子设备及可读存储介质 | |
CN112541338A (zh) | 相似文本匹配方法、装置、电子设备及计算机存储介质 | |
CN112528616B (zh) | 业务表单生成方法、装置、电子设备及计算机存储介质 | |
CN114979120B (zh) | 数据上传方法、装置、设备及存储介质 | |
CN113792089B (zh) | 基于人工智能的非法行为检测方法、装置、设备及介质 | |
CN114491047A (zh) | 多标签文本分类方法、装置、电子设备及存储介质 | |
CN112699142A (zh) | 冷热数据处理方法、装置、电子设备及存储介质 | |
CN112733531B (zh) | 虚拟资源分配方法、装置、电子设备及计算机存储介质 | |
CN115409041B (zh) | 一种非结构化数据提取方法、装置、设备及存储介质 | |
CN116757812A (zh) | 检测异常数据的方法、装置、电子设备及存储介质 | |
CN111429085A (zh) | 合同数据生成方法、装置、电子设备及存储介质 | |
CN113448933B (zh) | 业务数据处理方法、装置、电子设备及介质 | |
CN113221888B (zh) | 车牌号管理系统测试方法、装置、电子设备及存储介质 | |
CN115081447A (zh) | 软件开发的需求文档构建方法、装置、设备及存储介质 | |
CN114996386A (zh) | 业务角色识别方法、装置、设备及存储介质 | |
CN114547696A (zh) | 文件脱敏方法、装置、电子设备及存储介质 | |
CN114840631A (zh) | 空间文本查询方法、装置、电子设备及存储介质 | |
CN114547011A (zh) | 数据抽取方法、装置、电子设备及存储介质 | |
CN114708073A (zh) | 一种围标串标智能检测方法、装置、电子设备及存储介质 | |
CN114518993A (zh) | 基于业务特征的系统性能监控方法、装置、设备及介质 | |
CN113343102A (zh) | 基于特征筛选的数据推荐方法、装置、电子设备及介质 | |
CN112506931A (zh) | 数据查询方法、装置、电子设备及存储介质 | |
CN113434365B (zh) | 数据特征监控方法、装置、电子设备及存储介质 | |
CN113360505B (zh) | 基于时序数据的数据处理方法、装置、电子设备及可读存储介质 | |
CN112328960B (zh) | 数据运算的优化方法、装置、电子设备及存储介质 |
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 |