发明内容
本申请实施例提供了一种业务数字化的分析方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
第一方面,本申请实施例提供了一种业务数字化的分析方法,方法包括:
获取时间约束条件、空间约束条件以及待分析的业务现象,并接收基于业务现象获取的第一业务对象以及第一指标数据;
根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据;
获取业务现象对应的业务环境,并接收基于业务环境获取的第二业务对象以及第二指标数据;
根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据;
根据多个数字化后的第二实例对象数据针对业务现象与待监测业务环境进行归因分析得到分析结果,并基于分析结果进行预测预警;
获取业务现象对应的业务措施,并接收基于业务措施获取的第三业务对象以及第三指标数据;
根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据,并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。
可选的,获取时间约束条件、空间约束条件以及待分析的业务现象之前,还包括:
通过预先布设的传感器设备采集实时数据;
将实时数据传输至数据仓库进行保存。
可选的,根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据,包括:
根据时间约束条件、空间约束条件从数据仓库中获取第一数据集;
采用第一指标数据将第一数据集进行数字化,生成多个第一数字化结果;
将多个第一数字化结果确定为第一业务对象的多个数字化后的第一实例对象数据。
可选的,根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据,包括:
从数据仓库中获取第二业务对象的第二数据集;
采用第二指标数据将第二数据集进行数字化,生成多个第二数字化结果;
将多个第二数字化结果确定为第二业务对象的多个数字化后的第二实例对象数据;其中,多个数字化后的第二实例对象中每个第二实例对象与多个数字化后的第一实例对象数据中每个第一实例对象数据对应。
可选的,根据多个数字化后的第二实例对象数据针对业务现象与待监测业务环境进行归因分析得到分析结果,并基于分析结果进行预测预警,包括:
采用One-Class SVM算法将多个数字化后的第二实例对象数据进行求解计算,生成超平面;
将超平面确定为分析结果并保存;
确定待监测业务环境实例数据;
计算待监测业务环境实例数据与分析结果之间的目标距离;
根据目标距离确定待监测业务环境实例数据是否存在与分析结果中;
若存在,确定业务现象发生的概率大于安全值;
若不存在且所述目标距离与所述分析结果的边界距离小于预设值时,确定业务现象发生的概率大于安全值;
生成预警信息发送至平台进行展示。
可选的,根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据,包括:
从知识库中获取第三业务对象的第三数据集;
采用第三指标数据将第三数据集进行数字化,生成多个第三数字化结果;
将多个第三数字化结果确定为第三业务对象的多个数字化后的第三实例对象数据。
可选的,跟据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策,包括:
根据多个数字化后的第三实例对象数据分别计算业务措施的效能值与总收益参数;
将业务措施的效能值与总收益参数生成业务措施的总体收益;
根据总体收益、预设算法从知识库中查找最优业务措施,并将最优业务措施确定为最优决策。
第二方面,本申请实施例提供了一种业务数字化的分析装置,装置包括:
第一参数设定模块,用于获取时间约束条件、空间约束条件以及待分析的业务现象,并接收基于业务现象获取的第一业务对象以及第一指标数据;
第一实例对象生成模块,用于根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据;
第二参数设定模块,用于获取业务现象对应的业务环境,并接收基于业务环境定义的第二业务对象以及第二指标数据;
第二实例对象生成模块,用于根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据;
预警分析模块,用于根据多个数字化后的第二实例对象数据针对业务现象与业务环境进行归因分析得到分析结果,并基于分析结果进行预测预警;
第三参数设定模块,用于获取业务现象对应的业务措施,并接收基于业务措施获取的第三业务对象以及第三指标数据;
最优决策生成模块,用于根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据,并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。
第三方面,本申请实施例提供一种计算机存储介质,计算机存储介质存储有多条指令,指令适于由处理器加载并执行上述的方法步骤。
第四方面,本申请实施例提供一种终端,可包括:处理器和存储器;其中,存储器存储有计算机程序,计算机程序适于由处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果:
在本申请实施例中,业务数字化的分析装置首先获取时间约束条件、空间约束条件以及待分析的业务现象,并接收基于业务现象获取的第一业务对象以及第一指标数据,然后根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据,再获取业务现象对应的业务环境,并接收基于业务环境获取的第二业务对象以及第二指标数据,其次根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据,再根据多个数字化后的第二实例对象数据针对业务现象与待监测业务环境进行归因分析得到分析结果,并基于分析结果进行预测预警,再获取业务现象对应的业务措施,并接收基于业务措施获取的第三业务对象以及第三指标数据,最后根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据,并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。由于本申请通过对业务数据进行数字化表达,从而可以对业务环境的数字化监测,进一步对业务现象的发生进行预测和预警,最后生成业务措施的最优决策。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。
应当明确,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请提供了一种业务数字化的分析方法、装置、存储介质及终端,以解决上述相关技术问题中存在的问题。本申请提供的技术方案中,由于本申请通过对业务数据进行数字化表达,从而可以对业务环境的数字化监测,进一步对业务现象的发生进行预测和预警,最后生成业务措施的最优决策,下面采用示例性的实施例进行详细说明。
下面将结合附图3-附图7,对本申请实施例提供的业务数字化的分析方法进行详细介绍。该方法可依赖于计算机程序实现,可运行于基于冯诺依曼体系的业务数字化的分析装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行。其中,本申请实施例中的业务数字化的分析装置可以为用户终端,包括但不限于:个人电脑、平板电脑、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备等。在不同的网络中用户终端可以叫做不同的名称,例如:用户设备、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置、蜂窝电话、无绳电话、个人数字处理(personal digital assistant,PDA)、5G网络或未来演进网络中的终端设备等。
请参见图3,为本申请实施例提供了一种业务数字化的分析方法的流程示意图。如图3所示,本申请实施例的方法可以包括以下步骤:
S101,获取时间约束条件、空间约束条件以及待分析的业务现象,并接收基于业务现象获取的第一业务对象以及第一指标数据;
在本申请中实施例中,业务现象可以记为BOP,BOP的定义目标是如实对一个业务现象产生、发展至结束过程中的全生命周期、全要素信息进行数字化记录。例如,一个交通事故的记录要包括事故发生的时间、地点、人物、事故原因、类型和对交通的影响等。业务环境可以记为BOE,BOE的定义目标是将业务现象背后的环境因素,以及业务措施的作用因素进行全生命周期、全要素信息数字化记录,例如事故发生时刻的天气、流量、车速波动、地理特征,限流措施实施后的流量变化等。业务措施可以记为BOO,BOO的定义目标是如实对一个业务处置措施进行全要素数字化记录,例如对于一个限流措施,记录措施的封闭收费站、封闭的车道,以及封闭车道的时间范围等。
通常,业务现象、业务环境和业务措施对应的业务对象(Business Object)及其指标由业务人员根据业务需要进行定义。
进一步地,定义的业务对象可以总体标记为:BO=<ρ1,ρ2,…,ρ#(BO)>,其中BO为一类业务对象,ρi,1≤i≤#(BO)为业务对象BO的一个量化指标描述,#(BO)给出BO所包含的指标的个数。其中指标用来进行数据的实例化。
在一种可能的实现方式中,在用户设定完所需参数后,从设定的参数中首先获取用户预先设定的待分析的业务现象、时间约束条件以及空间约束条件,然后接收基于业务现象获取的第一业务对象以及第一指标数据。
其中,第一业务对象以及第一指标数据属于业务现象相关的信息。
进一步地,在获取时间约束条件、空间约束条件以及待分析的业务现象之前,首先通过预先布设的传感器设备采集实时数据,然后将实时数据传输至数据仓库进行保存。
S102,根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据;
通常,获取的业务现象的对象可以看作一个标记,根据该标记结合设置的条件可从数据仓库中获取业务现象相关的数据,并通过业务现象的对象包含的指标数据进行计算后完成实例化,得到实例化数据。
在一种可能的实现方式中,首先根据时间约束条件、空间约束条件从数据仓库中获取第一数据集,然后采用第一指标数据将第一数据集进行数字化,生成多个第一数字化结果,最后将多个第一数字化结果确定为第一业务对象的多个数字化后的第一实例对象数据。
例如,对于一个给定的时间约束条件T,空间约束条件S以及待分析的一类业务现象P,设满足要求的业务现象对象集合为
其中
是业务现象P数字化后的一个实例对象。
S103,获取业务现象对应的业务环境,并接收基于业务环境获取的第二业务对象以及第二指标数据;
其中,业务环境是用户根据业务现象进行设定的,与业务现象具备相关性。第二业务对象以及第二指标数据是根据业务环境预先设定好的。
通常,例如图4(a)所示,从现象上可以观测到,J1和J2是两个拥堵多发的路段,它们之间的间隔距离为l,当l值较小,甚至有时J1的拥堵比较严重而蔓延到J2所在的路段,从而J1和J2发生耦合。从拥堵现象上看,路段J1和J2都有较多的拥堵发生,因此现有很多拥堵多发路段的提取方法将其视为同一个拥堵多发路段。进一步分析可以发现,J1和J2的拥堵是由不同的因素诱导发生的,J1的下游是收费站,而J2的下游是一个分汇流点,这可能导到J1和J2虽然都是拥堵高发的,但是其拥堵发生的时间是不重合的,将其作为同一个拥堵高发路段来看待,无论对于后续的归因分析和优化决策都是极为不利的。如图4(b)所示,pw1和pw2是相邻的两个大流量通道。从现象上看,pw1和pw2的流量都比较大且位置相邻,现有很多基于流量热度的通道提取方法会将其作为同一个流量通道来看待。进一步细化分析可以得知,pw1和pw2内部的交通流量是异质的,是满足了不同的交通OD需求的。这意味着,pw1的失能与pw2的失能,对于交通的影响是存在极大差异的,将其作为同一个流量通道来看待是不合理的。通过上述分析可以发现,同形的业务现象,其背后的本质是存在差异的。本发明将业务现象背后的诱因,以及其他能够区分同形不同质的业务现象的量化和非量化指标,统称为业务环境。
在一种可能的实现方式中,从预先设定的参数中可获取根据业务现象设定的业务环境,并接收基于业务环境获取的第二业务对象以及第二指标数据。
其中,第二业务对象以及第二指标数据是业务环境相关的信息。
S104,根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据;
通常,获取的业务环境的第二业务对象可以看作一个标记,根据该标记结合设置的条件可从数据仓库中获取业务环境相关的数据,并通过第二业务对象包含的指标数据进行计算后完成实例化,得到实例化数据。
在一种可能的实现方式中,首先从数据仓库中获取第二业务对象的第二数据集,然后采用第二指标数据将第二数据集进行数字化,生成多个第二数字化结果,最后将多个第二数字化结果确定为第二业务对象的多个数字化后的第二实例对象数据;其中,多个数字化后的第二实例对象中每个第二实例对象与多个数字化后的第一实例对象数据中每个第一实例对象数据对应。
例如,与每一个
对应,我们定义
为业务现象
对应的业务环境的实例化对象,其集合记为
S105,根据多个数字化后的第二实例对象数据针对业务现象与待监测业务环境进行归因分析得到分析结果,并基于分析结果进行预测预警;
通常,在得到业务环境的实例化对象后,可针对业务现象与待监测业务环境进行归因分析得到分析结果,并基于分析结果进行预测预警。
在一种可能的实现方式中,首先采用One-Class SVM算法将多个数字化后的第二实例对象数据进行求解计算,生成超平面,再将超平面确定为分析结果并保存,然后确定待监测业务环境实例数据,再计算待监测业务环境实例数据与分析结果之间的目标距离,其次根据目标距离确定待监测业务环境实例数据是否存在与分析结果中,若存在,确定业务现象发生的概率大于安全值,若不存在且所述目标距离与所述分析结果的边界距离小于预设值时,确定业务现象发生的概率大于安全值,最后生成预警信息发送至平台进行展示。
具体的,对该业务现象相关的业务环境进行相关性分析,找到业务现象发生与否在业务环境数据中的边界阈值,这将作为业务知识化的结果进行存储。数据边界的求解是一个分类问题,但又不是一个通用的分类问题,其典型特征是分类样本只有正例而没有负例。在集合Ψ(T,S,P)中所有的样本
均是指业务现象
发生情况下的样本(正例),而很少记录
未发生时的样本(负例)。上述问题可以被建模成一个One ClassClassification问题,用One-Class SVM进行求解,其核心思想如图5所示,即寻找一个超平面将所有样本圈出来,同时允许一定比例的离群点存在,此超平面记为Φ(T,S,P)。图5中超平面Φ(T,S,P)为业务知识化过程中学习到的知识,即业务现象发生与否的边界条件。
对于一个给定的业务环境
如果其在超平面Φ(T,S,P)范围内,记为
业务现象
发生的概率很大。设
为
距离超平面Φ(T,S,P)的距离,其可以作为业务现象发生的概率度量,可知
值越大,说明
发生的概率越大。反之,如果业务环境
在超平面外,记为
设
为
距离超平面Φ(T,S,P)的距离,其可以作为业务现象不发生的概率度量,可知
值越大,说明
不发生的概率越大,如图5所示。
S106,获取业务现象对应的业务措施,并接收基于业务措施获取的第三业务对象以及第三指标数据;
其中,业务措施作用在业务环境上,然后影响待分析的业务现象的发生和发展。
在一种可能的实现方式中,从预先定义好的参数中获取预先定义的业务措施,再获取根据业务措施预先定义的第三业务对象以及第三指标数据。
S107,根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据,并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。
在一种可能的实现方式中,生成多个数字化后的第三实例对象数据时,首先从方案库中获取第三业务对象的第三数据集,然后采用第三指标数据将第三数据集进行数字化,生成多个第三数字化结果,最后将多个第三数字化结果确定为第三业务对象的多个数字化后的第三实例对象数据。
进一步地,在针对业务环境与业务措施进行成效分析后生成最优决策时,首先根据多个数字化后的第三实例对象数据分别计算业务措施的效能值与总收益参数,然后将业务措施的效能值与总收益参数生成业务措施的总体收益,最后根据总体收益、预设算法从方案库中查找最优业务措施,并将最优业务措施确定为最优决策。
具体的,对于一个给定的时间约束条件T,空间约束条件S以及分析的一类业务现象P,设对应解决此业务现象的业务措施O的集合为
其中
是业务措施O数字化后的一个实例对象。
对于给定的一个业务措施
其可以将当前的业务环境
修改为业务环境
满足条件
目
则说明通过措施
避免了业务现象
的发生。对于措施
的效能,我们可以用
来定义。
在实际应用中,在采取业务措施
前,修改后的业务环境
是未知的。我们仅能够通过若干次的演练或实操,来归纳
对业务环境的影响,这里不妨记为
则有
则我们可以重写
同样的,我们可以通过若干次演练或实操,来归纳
的成本,这里不妨记为
进一步的,对于措施
执行前后的总收益,记为
其中α和β分别为效能和成本的系数。我们在制订业务措施的时候,总希望其能够在获得高效能的同时,有足够低的成本付出。
综上,业务智能化的关键为在业务措施解空间Υ中寻找一个业务措施,使得总收益最高,记为:
这被定义为一个最优化问题,可以用最小梯度法、牛顿法、启发式搜索等最优化方法求解。
例如图6所示,图6是本申请业务数字化的分析的系统架构,首先,传感器采集的实时数据存储到数据仓库中,数据仓库提供了业务现象bop和业务环境boe的实例化表达,进一步地,基于数字态的bop和boe可以实现对业务现象和业务环境的实时监测。例如,我们可以实时监测拥堵现象,也可以监测拥堵背后的流量环境;
其次,我们可以在监测数字态bo
e的基础上,对bo
e的未来趋势进行预测,预测的方法有很多,例如各种参数化方法或非参数化方法。注意,我们不主张孤立地对业务现象bo
p做预测,因为不考虑业务环境变化的前提下对业务现象做预测是不尽合理的。因此,我们主张在对bo
e监测和预测的基础上,结合知识库提供的Φ(T,S,P)的实例化条件,通过比较bo
e与Φ(T,S,P)来预测业务现象bo
p的发生和发展,并根据
和
的大小做分级预警,后进一步对预警效果进行评估和优化;
最后,由预警模块触发,从方案库提供的解空间Υ(T,S,P)中,搜索最优的业务措施boo并返回供决策。同时,根据业务现象与业务环境的监测情况,对业务措施的优劣进行反馈和调整。
在本申请实施例中,业务数字化的分析装置首先获取时间约束条件、空间约束条件以及待分析的业务现象,并接收基于业务现象获取的第一业务对象以及第一指标数据,然后根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据,再获取业务现象对应的业务环境,并接收基于业务环境获取的第二业务对象以及第二指标数据,其次根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据,再根据多个数字化后的第二实例对象数据针对业务现象与待监测业务环境进行归因分析得到分析结果,并基于分析结果进行预测预警,再获取业务现象对应的业务措施,并接收基于业务措施获取的第三业务对象以及第三指标数据,最后根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据,并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。由于本申请通过对业务数据进行数字化表达,从而可以对业务环境的数字化监测,进一步对业务现象的发生进行预测和预警,最后生成业务措施的最优决策。
请参见图7,为本申请实施例提供了一种业务数字化的分析路线逻辑图,如图7所示,受DIKE(Data、Information、Knowledge、Wisdom)模型启发,本发明将管理数字化过程分为业务数据化、业务知识化和业务智能化三个阶段。其中,业务数据化对应DIKW模型的Data和Information阶段,随着端智能的发展,Data和Information的界限越来越模糊。业务知识化和业务智能化分别对应DIKW模型的Knowledge和Wisdom阶段。
在业务数据化阶段,首先完成业务现象、业务环境和业务措施的数据化表达,在数据化表达的基础上,主要的业务形态为感知监测,即对涉及的业务对象和指标进行监测;
在业务知识化阶段,主要完成业务现象与业务环境间的归因分析,挖掘业务环境的数据化表达与业务现象的数据化表达之间的相关性,即业务环境的变化会如何作用在业务现象的变化上。在归因分析的基础上,通过对业务环境的数字化监测,可以对业务现象的发生进行预测和预警。
在业务智能化阶段,主要完成业务措施与业务环境间的成效分析,定义业务措施的解空间,并对业务措施进行成本和效能量化分析,即挖掘业务措施的数字化表达与业务环境的数字化表达之间的相关性,分析业务措施的变化会如何作用在业务环境的变化上,并进而如何影响业务现象的产生和变化。这一阶段的主要业务形态为决策生成,即在业务措施解空间中依据成本和效能的平衡规则搜索一个较优的决策解。
在本申请实施例中,业务数字化的分析装置首先获取时间约束条件、空间约束条件以及待分析的业务现象,并接收基于业务现象获取的第一业务对象以及第一指标数据,然后根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据,再获取业务现象对应的业务环境,并接收基于业务环境获取的第二业务对象以及第二指标数据,其次根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据,再根据多个数字化后的第二实例对象数据针对业务现象与待监测业务环境进行归因分析得到分析结果,并基于分析结果进行预测预警,再获取业务现象对应的业务措施,并接收基于业务措施获取的第三业务对象以及第三指标数据,最后根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据,并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。由于本申请通过对业务数据进行数字化表达,从而可以对业务环境的数字化监测,进一步对业务现象的发生进行预测和预警,最后生成业务措施的最优决策。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
请参见图8,其示出了本发明一个示例性实施例提供的业务数字化的分析装置的结构示意图。该业务数字化的分析装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置1包括第一参数设定模块10、第一实例对象生成模块20、第二参数设定模块30、第二实例对象生成模块40、预警分析模块50、第三参数设定模块60、最优决策生成模块70。
第一参数设定模块10,用于获取时间约束条件、空间约束条件以及待分析的业务现象,并接收基于业务现象获取的第一业务对象以及第一指标数据;
第一实例对象生成模块20,用于根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据;
第二参数设定模块30,用于获取业务现象对应的业务环境,并接收基于业务环境定义的第二业务对象以及第二指标数据;
第二实例对象生成模块40,用于根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据;
预警分析模块50,用于根据多个数字化后的第二实例对象数据针对业务现象与业务环境进行归因分析得到分析结果,并基于分析结果进行预测预警;
第三参数设定模块60,用于获取业务现象对应的业务措施,并接收基于业务措施获取的第三业务对象以及第三指标数据;
最优决策生成模块70,用于根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据,并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。
需要说明的是,上述实施例提供的业务数字化的分析装置在执行业务数字化的分析方法时,仅以上述各功能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模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的业务数字化的分析装置与业务数字化的分析方法实施例属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请实施例中,业务数字化的分析装置首先获取时间约束条件、空间约束条件以及待分析的业务现象,并接收基于业务现象获取的第一业务对象以及第一指标数据,然后根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据,再获取业务现象对应的业务环境,并接收基于业务环境获取的第二业务对象以及第二指标数据,其次根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据,再根据多个数字化后的第二实例对象数据针对业务现象与待监测业务环境进行归因分析得到分析结果,并基于分析结果进行预测预警,再获取业务现象对应的业务措施,并接收基于业务措施获取的第三业务对象以及第三指标数据,最后根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据,并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。由于本申请通过对业务数据进行数字化表达,从而可以对业务环境的数字化监测,进一步对业务现象的发生进行预测和预警,最后生成业务措施的最优决策。
本发明还提供一种计算机可读介质,其上存储有程序指令,该程序指令被处理器执行时实现上述各个方法实施例提供的业务数字化的分析方法。
本发明还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各个方法实施例的业务数字化的分析方法。
请参见图9,为本申请实施例提供了一种终端的结构示意图。如图9所示,终端1000可以包括:至少一个处理器1001,至少一个网络接口1004,用户接口1003,存储器1005,至少一个通信总线1002。
其中,通信总线1002用于实现这些组件之间的连接通信。
其中,用户接口1003可以包括显示屏(Display)、摄像头(Camera),可选用户接口1003还可以包括标准的有线接口、无线接口。
其中,网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分,通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集,以及调用存储在存储器1005内的数据,执行电子设备1000的各种功能和处理数据。可选的,处理器1001可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central Processing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器1001中,单独通过一块芯片进行实现。
其中,存储器1005可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选的,该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图9所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及业务数字化的分析应用程序。
在图9所示的终端1000中,用户接口1003主要用于为用户提供输入的接口,获取用户输入的数据;而处理器1001可以用于调用存储器1005中存储的业务数字化的分析应用程序,并具体执行以下操作:
获取时间约束条件、空间约束条件以及待分析的业务现象,并接收基于业务现象获取的第一业务对象以及第一指标数据;
根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据;
获取业务现象对应的业务环境,并接收基于业务环境获取的第二业务对象以及第二指标数据;
根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据;
根据多个数字化后的第二实例对象数据针对业务现象与待监测业务环境进行归因分析得到分析结果,并基于分析结果进行预测预警;
获取业务现象对应的业务措施,并接收基于业务措施获取的第三业务对象以及第三指标数据;
根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据,并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。
在一个实施例中,处理器1001在执行获取时间约束条件、空间约束条件以及待分析的业务现象之前时,还执行以下操作:
通过预先布设的传感器设备采集实时数据;
将实时数据传输至数据仓库进行保存。
在一个实施例中,处理器1001在根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据时,具体执行以下操作:
根据时间约束条件、空间约束条件从数据仓库中获取第一数据集;
采用第一指标数据将第一数据集进行数字化,生成多个第一数字化结果;
将多个第一数字化结果确定为第一业务对象的多个数字化后的第一实例对象数据。
在一个实施例中,处理器1001在执行根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据时,具体执行以下操作:
从数据仓库中获取第二业务对象的第二数据集;
采用第二指标数据将第二数据集进行数字化,生成多个第二数字化结果;
将多个第二数字化结果确定为第二业务对象的多个数字化后的第二实例对象数据;其中,多个数字化后的第二实例对象中每个第二实例对象与多个数字化后的第一实例对象数据中每个第一实例对象数据对应。
在一个实施例中,处理器1001在执行根据多个数字化后的第二实例对象数据针对业务现象与待监测业务环境进行归因分析得到分析结果,并基于分析结果进行预测预警时,具体执行以下操作:
采用One-Class SVM算法将多个数字化后的第二实例对象数据进行求解计算,生成超平面;
将超平面确定为分析结果并保存;
确定待监测业务环境实例数据;
计算待监测业务环境实例数据与分析结果之间的目标距离;
根据目标距离确定待监测业务环境实例数据是否存在与分析结果中;
若存在,确定业务现象发生的概率大于安全值;
若不存在且所述目标距离与所述分析结果的边界距离小于预设值时,确定业务现象发生的概率大于安全值;
生成预警信息发送至平台进行展示。
在一个实施例中,处理器1001在执行根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据时,具体执行以下操作:
从知识库中获取第三业务对象的第三数据集;
采用第三指标数据将第三数据集进行数字化,生成多个第三数字化结果;
将多个第三数字化结果确定为第三业务对象的多个数字化后的第三实例对象数据。
在一个实施例中,处理器1001在执行跟据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策时,具体执行以下操作:
根据多个数字化后的第三实例对象数据分别计算业务措施的效能值与总收益参数;
将业务措施的效能值与总收益参数生成业务措施的总体收益;
根据总体收益、预设算法从知识库中查找最优业务措施,并将最优业务措施确定为最优决策。
在本申请实施例中,业务数字化的分析装置首先获取时间约束条件、空间约束条件以及待分析的业务现象,并接收基于业务现象获取的第一业务对象以及第一指标数据,然后根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据,再获取业务现象对应的业务环境,并接收基于业务环境获取的第二业务对象以及第二指标数据,其次根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据,再根据多个数字化后的第二实例对象数据针对业务现象与待监测业务环境进行归因分析得到分析结果,并基于分析结果进行预测预警,再获取业务现象对应的业务措施,并接收基于业务措施获取的第三业务对象以及第三指标数据,最后根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据,并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。由于本申请通过对业务数据进行数字化表达,从而可以对业务环境的数字化监测,进一步对业务现象的发生进行预测和预警,最后生成业务措施的最优决策。
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,的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。