CN113705859B - 偏差原因影响值的预测方法、装置、电子设备及存储介质 - Google Patents
偏差原因影响值的预测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113705859B CN113705859B CN202110895010.6A CN202110895010A CN113705859B CN 113705859 B CN113705859 B CN 113705859B CN 202110895010 A CN202110895010 A CN 202110895010A CN 113705859 B CN113705859 B CN 113705859B
- Authority
- CN
- China
- Prior art keywords
- deviation
- service
- event
- result
- business
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012545 processing Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 18
- 238000005034 decoration Methods 0.000 claims description 11
- 230000007480 spreading Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 230000009471 action Effects 0.000 description 22
- 238000004458 analytical method Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000002844 continuous effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/169—Annotation, e.g. comment data or footnotes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开实施例提供一种偏差原因影响值的预测方法、装置、电子设备及存储介质。该方法包括:对业务数据处理得到对业务结果造成偏差的偏差原因;从偏差原因的字段中提取出关键字段,并确定关键字段对应的字段值;基于关键字段对应的字段值以及预设的业务结果测算方式,确定偏差原因对应的第一业务结果,其中,第一业务结果用于表示产生偏差原因后的实际业务结果;确定产生偏差原因前的第二业务结果,基于第一业务结果和第二业务结果,对预设时间内偏差原因对业务结果造成的影响值进行预测。本公开能够对多偏差原因影响值进行量化拆解,实现对偏差原因影响值的预测。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种偏差原因影响值的预测方法、装置、电子设备及存储介质。
背景技术
随着互联网技术的发展,越来越多的业务通过业务系统来实现。在业务系统中会对一些业务设定初始的业务目标,以预计业务所能达到的结果,但是,在业务系统的实际运行过程中,受到外部环境的影响,业务有时无法达到预计的结果,或者与预计的结果之间产生偏差,将造成业务的实际结果与预计结果之间的偏差的原因称为偏差原因。通过量化识别偏差原因对提高业务运营效果,增强业务管控能力具有十分重要的意义。
在相关技术中,以房地产业务系统中的预算偏差为例,当前房地产行业对于预算偏差对业务实际影响值的测算还处于人工线下分析阶段。由各项目员工对已发生的偏差逐条进行原因标注,标注完偏差原因后采用EXCEL的统计功能分类汇总不同原因造成的偏差值。这种对偏差原因影响值的测算方式,无法有效区分和拆解不同偏差原因对业务的影响值,无法准确定位到造成偏差的根本原因,更无法对未来时间内的影响值进行预估。
发明内容
有鉴于此,本公开实施例提供了一种偏差原因影响值的预测方法、装置、电子设备及存储介质,以解决现有技术存在的无法对多偏差原因的影响值做量化拆解,无法准确定位偏差原因,以及无法实现对偏差原因影响值的预测问题。
本公开实施例的第一方面,提供了一种偏差原因影响值的预测方法,包括:获取预定的业务数据,对业务数据进行处理得到一个或多个对业务结果造成偏差的偏差原因;对偏差原因中的字段进行识别,以便从偏差原因中提取出关键字段,并确定关键字段对应的字段值,其中,关键字段为偏差原因中对业务结果造成偏差的字段;基于关键字段对应的字段值以及预设的业务结果测算方式,确定偏差原因对应的第一业务结果,其中,第一业务结果用于表示产生偏差原因后的实际业务结果;确定产生偏差原因前的第二业务结果,基于第一业务结果和第二业务结果,对预设时间内偏差原因对业务结果造成的影响值进行预测。
本公开实施例的第二方面,提供了一种偏差原因影响值的预测装置,包括:获取模块,被配置为获取预定的业务数据,对业务数据进行处理得到一个或多个对业务结果造成偏差的偏差原因;提取模块,被配置为对偏差原因中的字段进行识别,以便从偏差原因中提取出关键字段,并确定关键字段对应的字段值,其中,关键字段为偏差原因中对业务结果造成偏差的字段;确定模块,被配置为基于关键字段对应的字段值以及预设的业务结果测算方式,确定偏差原因对应的第一业务结果,其中,第一业务结果用于表示产生偏差原因后的实际业务结果;预测模块,被配置为确定产生偏差原因前的第二业务结果,基于第一业务结果和第二业务结果,对预设时间内偏差原因对业务结果造成的影响值进行预测。
本公开实施例的第三方面,提供了一种电子设备,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程序,处理器执行程序时实现上述方法的步骤。
本公开实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本公开实施例采用的上述至少一个技术方案能够达到以下有益效果:
通过获取预定的业务数据,对业务数据进行处理得到一个或多个对业务结果造成偏差的偏差原因;对偏差原因中的字段进行识别,以便从偏差原因中提取出关键字段,并确定关键字段对应的字段值,其中,关键字段为偏差原因中对业务结果造成偏差的字段;基于关键字段对应的字段值以及预设的业务结果测算方式,确定偏差原因对应的第一业务结果,其中,第一业务结果用于表示产生偏差原因后的实际业务结果;确定产生偏差原因前的第二业务结果,基于第一业务结果和第二业务结果,对预设时间内偏差原因对业务结果造成的影响值进行预测。本方案能够实现多偏差原因存在交叉影响时对偏差原因影响值的有效拆解,准确识别对业务运营结果造成偏差的根本原因,并对未来时间内偏差原因对业务运营结果的影响值进行预测。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例或现有技术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公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本公开实施例提供的偏差原因影响值的预测方法的流程示意图;
图2是本公开实施例在一种实际应用场景下的复杂事件前后对应的业务结果的示意图;
图3是本公开实施例在一种实际应用场景下的偏差原因影响值的预测结果示意图;
图4是本公开实施例在一种实际应用场景下的偏差原因影响值的预测方法的效果示意图;
图5是本公开实施例提供的偏差原因影响值的预测装置的结构示意图;
图6是本公开实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本公开实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本公开的描述。
为了清楚的理解业务的实际运行效果,在将业务部署到业务系统之前,可以在业务系统中对一些业务设定初始的业务目标,即预计业务所能达到的结果,但是,在实际的业务工作过程中,受到外部环境或人为等因素的影响,业务最终的实际结果与预计结果之间可能会产生一些偏差,因此,可以将造成业务的实际结果与预计结果之间的偏差的原因称为偏差原因。通过量化识别各项偏差原因的影响程度,计算各项偏差原因的影响值,这对提高业务运营效果,增强业务管控能力来说十分重要。
以商业地产的预算达成的偏差场景为例来讲,商业地产为有效实施收入达成管控,会制定细致的预算目标,并对业务执行偏差进行全面的分析,其中测算各类偏差原因影响值是精细化运营非常重要的一环。一方面,对当前各偏差原因影响值的测算可以帮助项目定位目前存在的问题,帮助总结复盘;另一方面,如果可以对偏差原因的时滞性影响进行合理测算,那么项目可以准确的预知收入达成风险,提前做出应对策略。
当前房地产行业对于偏差原因影响值的测算还处于人工线下分析阶段,人工线下分析偏差原因影响值的过程主要包括以下内容:
首先,计算得到每个资源位(如商铺资源位)对应每个月份的实际收入和预算收入,计算偏差值;
其次,由各项目招商员工对资源已发生的偏差原因逐条进行原因标注,当多种偏差原因同时发生时,则标注认为最重要的一个偏差原因,并且对于偏差原因的描述仅停留在当前月份发生的事件,不考虑由于前序月份的时间影响产生的延时效应;
最后,标注完偏差原因后,采用EXCEL表格的统计功能分类汇总不同偏差原因造成的偏差值。
由此可见,目前采用人工线下分析偏差原因影响值的方式,对商业地产项目中偏差原因影响值的测算非常浅显,对偏差原因的分析以及影响值的测算不够深入,这种对偏差原因影响值的分析方式主要存在以下问题:
1)多种偏差原因交叉影响时,无法对其进行有效拆解。由于测算每条偏差原因的影响数值算法复杂,计算过程繁琐耗时,因此项目为了简化计算,多偏差原因共同影响业务时,会依靠人工经验选择性标注某一个关键的原因。但这样的算法明显不够准确,当拉齐全项目进行偏差分析时误差会更加明显,最终导致偏差原因定为不准,对后续调整决策产生误导。
2)偏差原因的时滞性影响被忽略,对偏差原因的定位不合理。例如,某个月份产生偏差的原因并不一定都是当月发生的业务事件造成的,很有可能是之前月份的某项业务事件对后续月份持续作用的结果。例如,当主动调整计划的提前导致在原计划装修期的月份已经完成装修提前开业,那么当前月份造成的偏差的根本原因是提前调整造成,而非装修期免租导致。若仅关注到当前月份的动作,则原因会被错误解读为装修期免租。
3)无法计算偏差原因的时滞性影响,偏差原因发生后无法对未来月份的影响进行预估。同样是由于项目无法计算偏差事件的未来影响,因此偏差分析的风险预警能力无从实现。但事实上通过对合同条款、解约条款的读取,未来月份的偏差影响是可以提前预知的,这为项目做风险预警提供了有利的抓手。
针对常规技术中多偏差原因存在交叉影响时无法有效拆解,导致偏差值测算不准;偏差原因分析停留在当前月份的原因层面,缺乏对根本原因的挖掘探索,因此在解释偏差时,偏差原因归位可能会不恰当;无法对某一偏差原因发生对未来月份的影响值进行科学预测,最终造成只能在事件发生后进行被动分析,无法提前预知风险的问题。本公开实施例提供一种基于动态平移算法的偏差原因影响值的预测方法,可以实现对复杂偏差原因的影响值进行量化拆解,而且还可以预估未来月份可能造成的预算收入偏差,通过自动化测算偏差原因的影响值,解放了人工分析的工作量,减少影响值误差。
需要说明的是,上述在对现有技术以及现有技术的缺陷的描述,是以房地产行业的预算收入偏差作为实际应用场景进行描述的,在对该具体场景下的技术问题进行介绍时,虽然采用了一些具有一定商业含义的术语,但是应当理解的是,由于这是对特定应用场景下的技术问题的描述,因此,不应简单地将这些技术问题认为是本申请实际解决的技术问题。另外,本公开实施例也不限于房地产行业的预算收入偏差的业务场景,在任何业务系统中实际业务结果与预计业务结果之间存在偏差时都可应用本方案来分析偏差原因的影响程度。
图1是本公开实施例提供的偏差原因影响值的预测方法的流程示意图。图1的偏差原因影响值的预测方法可以由服务器执行。如图1所示,该偏差原因影响值的预测方法具体可以包括:
S101,获取预定的业务数据,对业务数据进行处理得到一个或多个对业务结果造成偏差的偏差原因;
S102,对偏差原因中的字段进行识别,以便从偏差原因中提取出关键字段,并确定关键字段对应的字段值,其中,关键字段为偏差原因中对业务结果造成偏差的字段;
S103,基于关键字段对应的字段值以及预设的业务结果测算方式,确定偏差原因对应的第一业务结果,其中,第一业务结果用于表示产生偏差原因后的实际业务结果;
S104,确定产生偏差原因前的第二业务结果,基于第一业务结果和第二业务结果,对预设时间内偏差原因对业务结果造成的影响值进行预测。
具体地,本公开实施例中业务数据可以是线上业务系统在运行过程中产生的数据,不同的业务动作触发业务系统执行不同的操作,例如:当业务人员通过线上业务系统对合同执行解约操作时,解约这一业务动作行为将产生解约对应的业务数据,业务系统将业务数据发送给复杂事件检测框架对应的后台服务器,以使后台服务器从业务数据中识别复杂事件。
进一步地,复杂事件是由原子事件加工而来的,复杂事件可以认为是由原子事件通过逻辑运算处理得到的具有一定业务含义的事件,因此复杂事件能够表示单一动作或多个复杂动作共同作用的结果,并且由于复杂事件一般具备特定的业务含义,因此复杂事件的描述更加近似于业务语言。
原子事件可以认为是不能再分解成子事件的最小事件单元,原子事件一般具备以下两个属性:瞬时性属性,即原子事件的发生开始时间即为结束时间,因此一般将一些瞬间完成的动作为标志来表示一个原子事件的发生,比如解约业务的发生一般都是瞬时完成的,而不是持续进行的;原子性属性,原子事件不能再进一步拆分成更小的原子事件,原子事件要么完全发生,要么完全不发生,将原子事件作为事件处理的最小单位构成复杂事件监测框架中的数据流。
在本公开实施例中,有向图是一种有向的图数据结构,有向图中可以包含若干个有向树,并且有向图中的节点之间可能存在一定的逻辑关系,本公开实施例通过将原子事件映射到有向图的节点中,并建立原子事件节点之间的逻辑关系,基于原子事件节点之间的逻辑关系进行运算构造复杂事件。
根据本公开实施例提供的技术方案,本公开通过获取业务数据,并从业务数据中自动识别出具有业务含义的复杂事件,用复杂事件描述偏差产生的各种原因;从偏差原因(即复杂事件)中提取影响实际业务结果的关键字段,并基于关键字段测算出该偏差原因对实际业务造成的业务结果,根据该偏差原因产生前后的实际业务结果计算偏差原因的影响值,从而能够从连续的复杂事件中,对每一个复杂事件对应的偏差原因影响值进行测算,并预估未来一段时间内该偏差原因影响值对实际业务结果的影响。因此,本公开实现了连续复杂事件对业务结果产生交叉影响时,通过对每一个偏差原因的影响值进行量化拆解,确定每一个复杂事件对实际业务结果的影响程度,降低人工对偏差原因影响值分析的工作量,能够实现精准测算各个偏差原因的影响值。
在一些实施例中,获取预定的业务数据,包括:获取业务系统在执行当前业务过程中产生的业务数据,或者获取历史业务执行过程中业务系统产生的业务数据;其中,业务数据中包含按照业务执行的先后顺序排列的业务数据序列。
具体地,在本公开实施例中,可以在两种不同的场景下获取业务数据,第一种场景是,在线业务系统在执行业务过程中产生实时的业务数据,即实时获取业务系统在执行业务过程中产生的业务数据;第二种场景是,在业务系统执行完业务操作之后,通过业务系统数据库获取历史业务执行后沉淀下来的业务数据。也就是说,在实际应用中,既可以在业务系统的运行过程中实时获取业务产生的业务数据,也可以在业务发生之后,进行定期复盘的时候,获取业务系统数据库中存储的业务数据。
进一步地,业务数据也可以是一种流数据,即业务流数据,业务流数据可以认为是由一组有序的字节所组成的数据序列。在实际业务执行过程中,每一项业务可能由一连串的粒度更小的业务动作来完成,每一个粒度更小的业务动作对应一个业务数据,因此,将这些业务动作所产生的业务数据按照业务动作的执行顺序进行排列,即可得到业务流数据。
在一些实施例中,偏差原因中包含复杂事件,对业务数据进行处理得到一个或多个对业务结果造成偏差的偏差原因,包括:根据预定的原子事件对应的第一定义规则,对业务数据进行处理得到原子事件;根据预先配置的有向图中原子事件以及复杂事件对应的节点,基于节点对应的逻辑运算规则,将原子事件处理成复杂事件,并将复杂事件作为对业务结果造成偏差的偏差原因;其中,有向图为根据预定的复杂事件对应的第二定义规则生成的图数据结构。
具体地,原子事件是指不能再分解成子事件的最小事件单元,原子事件的第一定义规则是根据实际业务预先配置好的规则,原子事件可以认为是由一些属性组成的元组,原子事件是组成复杂事件的基本单元;以房地产领域的业务为例,原子事件可以对应解约、签约等事件。
进一步地,第一定义规则中的事件属性是指第一定义规则中定义的一些属性,即第一定义规则中包含哪些属性,在实际应用中,第一定义规则中的事件属性包括但不限于以下属性:对象标识、事件类型标识、事件发生的时间戳、其他属性列表等。
在一些实施例中,第一定义规则包括以下格式的规则:
e(tid,sta,t,attr)
其中,e表示原子事件,tid表示对象标识,sta表示事件类型标识,t表示原子事件发生的时间戳,attr表示原子事件的其它属性列表。
具体地,下面结合具体应用场景下的实施例,对第一定义规则的内容进行说明,在商业地产预算偏差分析的业务场景下,涉及到签约、合同提网、合同归档、合同变更、接铺、开业、解约等可能造成偏差的关键业务动作,这些业务动作的发生都可以被定义为原子事件。也就是说,当业务系统监测到上述业务发生时,即可认为发生了原子事件。第一定义规则中的对象标识是指事件的对象是资源还是合同等,事件类型标识表示签约事件、解约事件等。
进一步地,以合同归档为例,可以定义原子事件为e1合同归档(资源,签约,归档时间,<合同接铺时间,合同开业时间,合同结束时间,装修期价格,运营期价格>)。其中,<合同接铺时间,合同开业时间,合同结束时间,装修期价格,运营期价格>可以认为是与该原子事件相关的其它属性列表。
进一步地,在本公开实施例中,可以进一步获取对复杂事件的初始规则的描述,根据初始规则的描述抽象出复杂事件对应的第二定义规则,对第二定义规则执行解析操作,得到与第二定义规则相对应的条件表达式、事件构造符及动作命令;基于事件构造符,将复杂事件以及与复杂事件对应的原子事件映射到有向图中的节点上。
在实际应用中,获取用于抽象出第二定义规则的初始规则的描述时,可以根据领域内专家给出的对具有业务含义的若干偏差原因的描述,将这些描述作为抽象的对象,之后,按照预先配置的复杂事件的定义规则将各项偏差原因转译为对复杂事件的标准化定义(即第二定义规则)。
在一些实施例中,第二定义规则包括以下格式的规则:
E=(opt,req,attr,c,do)
其中,E表示复杂事件,opt表示事件构造符,req表示事件属性的条件约束,attr表示事件属性集,c表示复杂事件的相关事件,do表示事件触发条件。
具体地,复杂事件是由原子事件通过逻辑运算处理得到的具有一定业务含义的事件。下面结合具体应用场景下的实施例,对第二定义规则的内容进行说明,比如以下三个复杂事件:
复杂事件一:E=AND(e1,e2),该规则表示同时发生时事件E发生;
复杂事件二:E=NOT(e1),该规则表示e1不发生,一般情况下,NOT可以与其它运算符组合使用,共同定义复杂事件;
复杂事件三:E=SEQ(e1,e2...en)表示需要e1,e2...en按照顺序发生后,事件E才算发生。
进一步地,req表示事件属性的条件约束,它针对不同事件类型对属性进行约束,过滤掉不符合条件的原子事件;attr{attr1,attr2...}表示事件属性集;c表示事件成员,即该复杂事件和哪些其他事件相关;do表示事件触发行为,可由业务自主定义,以接口形式调用指定动作;opt表示原子事件构造符,描述了原子事件构成复杂事件的逻辑关系;常用的逻辑关系包括但不限于:AND,OR,NOT,SEQ,REL,BET,DUR,TCS,PER,ANY,COU,SIM,TIM。
在一些实施例中,逻辑运算规则包括原子事件的属性值的判断规则,以及多个原子事件之间的逻辑运算规则;基于节点对应的逻辑运算规则,将原子事件处理成复杂事件,包括:根据判断规则对原子事件的属性值进行判断,当原子事件的属性值符合判断规则对应的要求时,基于原子事件生成复杂事件;或者,根据逻辑运算规则对多个原子事件之间的逻辑关系进行判断,当多个原子事件之间的逻辑关系符合逻辑运算规则的要求时,基于多个原子事件生成复杂事件。
具体地,逻辑运算规则主要包含以下两类:第一类是对原子事件属性值的判断;第二类是对多个原子事件或复杂事件进行逻辑与、或、非、序列等关系的运算。下面结合一个具体实施例,对复杂事件的构建过程进行详细说明,具体可以包括以下内容:
以主动调整业务为例,主动调整业务含义是指由于店铺经营不善、项目策略调整等原因,在预算上手合同解约时间之前,与原商户提前解约并与新商户签约。主动调整会导致新商户入驻装修期,短期内会导致短期的收入偏低,但由于签约价格会较原商户较高,在后续几个月会有正向的收入偏差。可以发现主动调整与解约和签约两个动作相关,当顺序发生提前解约和提前签约这两个事件时,即可视为主动调整事件发生。下面使用三个步骤对主动调整这一偏差原因的复杂事件进行定义。
步骤一:定义原子事件e1解约、e2签约。e1解约=(资源,解约,解约归档时间,<合同编号,合同解约结束时间,合同原计划解约时间>)、e2签约=(资源,签约,签约归档时间,<合同接铺时间,合同开业时间,合同结束时间,装修期价格,运营期价格>)。
步骤二:构建复杂事件E1提前解约、E2提前签约。E1提前解约=(e1.合同解约结束时间<预算解约时间,{资源编号、合同编号、合同解约结束时间,合同计划解约时间},e1,提前解约事件标记);E2提前签约=(e2.合同签约时间<预算签约时间,{资源编号,合同编号,合同签约时间,预算签约时间},e2,提前签约事件标记);
步骤三:构建复杂事件E3主动调整。E3主动调整=(SEQ(E1,E2),E1.合同解约结束时间<E2.合同签约时间,{资源编号,合同编号,主动调整时间,合同原计划结束时间,下手合同计划接铺时间},{E1,E2},主动调整事件标记)。
需要说明的是,根据上述定义复杂事件的方式可以发现,复杂事件是由原子事件加工而来的,因此复杂事件能够表示单一动作或者多个复杂动作共同作用的结果;并且由于复杂事件具备特定的业务含义,因此复杂事件的描述更加近似于业务语言。因此,使用复杂事件来描述业务的偏差原因将会更加精准。
在一些实施例中,对偏差原因中的字段进行识别,以便从偏差原因中提取出关键字段,包括:对偏差原因进行分词得到字段,利用预设的关键字段对偏差原因的字段进行匹配,根据匹配结果确定偏差原因中包含的至少一个关键字段;其中,当偏差原因为业务的主动调整时,关键字段包括上手撤铺时间、下手接铺时间、装修期、装修期价格以及运营期价格。
具体地,关键字段是指依据对复杂事件的定义,预先确定的与复杂事件发生相关的字段。利用分词算法对偏差原因对应的数据进行处理得到分词后的字段,之后利用关键字段与分词后的字段依次进行匹配,以确定分词后的字段中包含哪些关键字段。下面以房地产行业的预算业务场景为例,对该场景下的关键字段进行详细说明,具体可以包括以下内容:
首先,对实际操作中预算的编制以及预算偏差的产生机理进行说明,预算编制人员可以从调整动作、调整时间和调整价格三个维度来制定预算。其中,调整动作分为主动调整、换签、续签、空铺新签;调整时间则是指上手合同撤铺时间、下手合同接铺时间、下手合同开业时间;调整价格分为装修期价格、运营期价格。基于以上信息,预算系统可以根据上手撤铺时间(或空置期)、下手接铺时间、装修期、装修期价格以及运营期价格,利用这五个字段值生成各月份的预算收入。
但是,业务的实际运营情况往往不能完全按照预算制定的计划执行,因此就会造成不同程度的预算收入偏差。因此在实际的偏差原因中,最终实际收入和预算收入的偏差也是基于以上五个字段值的某一个或几个与实际值不符造成的。
在一些实施例中,基于关键字段对应的字段值以及预设的业务结果测算方式,确定偏差原因对应的第一业务结果,包括:根据业务结果测算方式中包含的公式,对关键字段对应的字段值执行运算,将运算结果作为偏差原因对应的第一业务结果;其中,根据上手撤铺时间、下手接铺时间、装修期、装修期价格以及运营期价格分别对应的实际业务数值,计算店铺实际运营收入。
具体地,从偏差原因中提取出关键字段之后,利用实际业务数据对关键字段进行赋值,即从实际业务数据中获取这些关键字段对应的实际数值,将这些实际数值代入公式中,计算产生偏差原因(即对业务实际结果造成偏差的复杂事件)之后的实际业务结果,比如计算实际的预算收入。
下面结合附图对复杂事件发生前后的业务结果进行示例性说明。图2是本公开实施例在一种实际应用场景下的复杂事件前后对应的业务结果的示意图。
如图2所示,主要包括以下内容:
与业务预算中的主动调整事件相比,实际业务中的主动调整事件的发生时间提前,而发生这样的复杂事件将会对业务的实际营收结果造成偏差。
假如已知预算的上手合同运营期单价为100元/m2/月,预算的上手撤铺时间为2020.5.1,预算下手接铺时间为2020.6.1,下手合同装修期单价50元/m2/月,运营期单价200元/m2/月。然而根据图2中造成预算偏差的事件(即主动调整对应的事件)可知,实际上手撤铺时间为2020.4.1,实际下手接铺时间为2020.5.15,实际下手合同装修期单价50元/m2/月,实际运营期单价200元/m2/月。
那么,根据以上字段值,就可以测算出发生主动调整事件后的每个月的实际预算收入,以及总的实际预算收入,通过计算可知,4月份的实际预算收入为0,5月份对应的实际预算收入为110,6月份至12月份中每个月的实际预算收入为220。
需要说明的是,主动调整的复杂事件中合同解约时间晚于预算计划解约时间或者合同接铺时间晚于预算计划接铺时间,且解约类型为主动单方解约或主动双方解约。
在一些实施例中,确定产生偏差原因前的第二业务结果,基于第一业务结果和第二业务结果,对预设时间内偏差原因对业务结果造成的影响值进行预测,包括:将业务主动调整前的店铺实际运营收入作为第二业务结果,将基于偏差原因计算得到的店铺实际运营收入作为第一业务结果;计算第一业务结果与第二业务结果之间的差值,将差值作为对业务结果造成的影响值;依次根据未来预设时间内的第一业务结果与第二业务结果,对预设时间内每个月对应的影响值进行预测。
具体地,如果是在预算编制完成之后,业务系统中产生的第一个偏差原因,那么该第二业务结果就是预算编制时对应的业务结果,此时可以将第二业务结果认为是初始的预算业务结果(如预算收入)。影响第二业务结果的关键字段与影响第一业务结果的关键字段是相同的,因此,可以采用与第一业务结果的计算方式相同的处理方式来确定第二业务结果,例如,将复杂事件发生前的业务数据中的关键字段对应的数值代入到第二业务结果的计算公式中求解。
进一步地,当计算出复杂事件前后对应的实际业务结果(即第一业务结果)与初始业务结果(即第二业务结果)之后,将第一业务结果对应的数值与第二业务结果对应的数值之间作差,若差值不为0,则认为该复杂事件发生后对该月份的实际收入有影响,所得差值即为对该月份造成的偏差值;例如:某资源1月份主动调整事件发生前,可能会对1月份、2月份、5月份造成不同程度的影响,如[{month:1月,value:100},{month:2月,value:200},{month:5月,value200}]。
下面结合附图以及具体实施例对偏差原因影响值的预测过程进行说明。图3是本公开实施例在一种实际应用场景下的偏差原因影响值的预测结果示意图;图4是本公开实施例在一种实际应用场景下的偏差原因影响值的预测方法的效果示意图。如图3和图4所示,偏差原因影响值的预测过程主要包括以下内容:
首先,可以根据业务专家给出的复杂事件(如提前主动调整)的定义抽象出与该复杂事件相关的关键字段,例如:提前主动调整的定义为:合同解约时间晚于预算计划解约时间或者合同接铺时间晚于预算计划接铺时间,且解约类型为主动单方解约或主动双方解约;那么基于此描述抽象出的关键字段可以为上手撤铺时间和下手接铺时间。
利用前述实施例中公开的计算方式,计算该复杂事件发生前的预算收入基准值(如图3中的基准值),并且计算该复杂事件发生后的预算收入平移值(如图3中的平移值)。将平移值与基准值之间做差,分别计算不同月份的影响值(如图3中的影响值)。经计算得到提前主动调整事件对4月份产生了-50元的收入偏差,对5月份产生了150元的收入偏差,对整体造成了100元的收入增量。
通过上述方法对不同复杂事件的影响进行实例化应用,即可识别不同偏差原因对不同月份产生的偏差影响,并且实现了在偏差原因发生的当月即可预知对未来月份造成的影响。通过采用动态平移算法为思路基础,动态调整上手合同撤铺(或空置期)、下手合同接铺、装修期、装修期价格、运营期价格的实际和预算的赋值情况,对比调整前后的差异,最终测算得到偏差数值即为该偏差原因造成的偏差影响值。
根据本公开实施例提供的技术方案,本公开实施例具有以下优点:
1)采用复杂事件描述规则标准化偏差原因的定义方法。根据原子事件瞬时性和原子性特征,将瞬时的业务动作抽象为原子事件;通过原子事件间的逻辑构建抽象出复杂事件,用以描述具备业务意义的偏差原因。
2)采用复杂事件检测框架,自动化识别资源月度偏差原因,避免人工识别的误差。将签约、解约等线上化动作以原子事件流的形式输入到复杂事件检测器中,系统可以自动化识别并输出具备业务价值的复杂事件,用以解释产生偏差的原因。
3)作为应用拓展,系统支持监测到偏差后及时向业务系统发送指令,指导业务动作。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图5是本公开实施例提供的偏差原因影响值的预测装置的结构示意图。如图5所示,该偏差原因影响值的预测装置包括:
获取模块501,被配置为获取预定的业务数据,对业务数据进行处理得到一个或多个对业务结果造成偏差的偏差原因;
提取模块502,被配置为对偏差原因中的字段进行识别,以便从偏差原因中提取出关键字段,并确定关键字段对应的字段值,其中,关键字段为偏差原因中对业务结果造成偏差的字段;
确定模块503,被配置为基于关键字段对应的字段值以及预设的业务结果测算方式,确定偏差原因对应的第一业务结果,其中,第一业务结果用于表示产生偏差原因后的实际业务结果;
预测模块504,被配置为确定产生偏差原因前的第二业务结果,基于第一业务结果和第二业务结果,对预设时间内偏差原因对业务结果造成的影响值进行预测。
在一些实施例中,图5的获取模块501获取业务系统在执行当前业务过程中产生的业务数据,或者获取历史业务执行过程中业务系统产生的业务数据;其中,业务数据中包含按照业务执行的先后顺序排列的业务数据序列。
在一些实施例中,偏差原因中包含复杂事件,图5的获取模块501根据预定的原子事件对应的第一定义规则,对业务数据进行处理得到原子事件;根据预先配置的有向图中原子事件以及复杂事件对应的节点,基于节点对应的逻辑运算规则,将原子事件处理成复杂事件,并将复杂事件作为对业务结果造成偏差的偏差原因;其中,有向图为根据预定的复杂事件对应的第二定义规则生成的图数据结构。
在一些实施例中,逻辑运算规则包括原子事件的属性值的判断规则,以及多个原子事件之间的逻辑运算规则;图5的获取模块501根据判断规则对原子事件的属性值进行判断,当原子事件的属性值符合判断规则对应的要求时,基于原子事件生成复杂事件;或者,根据逻辑运算规则对多个原子事件之间的逻辑关系进行判断,当多个原子事件之间的逻辑关系符合逻辑运算规则的要求时,基于多个原子事件生成复杂事件。
在一些实施例中,图5的提取模块502对偏差原因进行分词得到字段,利用预设的关键字段对偏差原因的字段进行匹配,根据匹配结果确定偏差原因中包含的至少一个关键字段;其中,当偏差原因为业务的主动调整时,关键字段包括上手撤铺时间、下手接铺时间、装修期、装修期价格以及运营期价格。
在一些实施例中,图5的确定模块503根据业务结果测算方式中包含的公式,对关键字段对应的字段值执行运算,将运算结果作为偏差原因对应的第一业务结果;其中,根据上手撤铺时间、下手接铺时间、装修期、装修期价格以及运营期价格分别对应的实际业务数值,计算店铺实际运营收入。
在一些实施例中,图5的预测模块504将业务主动调整前的店铺实际运营收入作为第二业务结果,将基于偏差原因计算得到的店铺实际运营收入作为第一业务结果;计算第一业务结果与第二业务结果之间的差值,将差值作为对业务结果造成的影响值;依次根据未来预设时间内的第一业务结果与第二业务结果,对预设时间内每个月对应的影响值进行预测。
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,而不应对本公开实施例的实施过程构成任何限定。
图6是本公开实施例提供的电子设备6的结构示意图。如图6所示,该实施例的电子设备6包括:处理器601、存储器602以及存储在该存储器602中并且可以在处理器601上运行的计算机程序603。处理器601执行计算机程序603时实现上述各个方法实施例中的步骤。或者,处理器601执行计算机程序603时实现上述各装置实施例中各模块/单元的功能。
示例性地,计算机程序603可以被分割成一个或多个模块/单元,一个或多个模块/单元被存储在存储器602中,并由处理器601执行,以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序603在电子设备6中的执行过程。
电子设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备6可以包括但不仅限于处理器601和存储器602。本领域技术人员可以理解,图6仅仅是电子设备6的示例,并不构成对电子设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如,电子设备还可以包括输入输出设备、网络接入设备、总线等。
处理器601可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器602可以是电子设备6的内部存储单元,例如,电子设备6的硬盘或内存。存储器602也可以是电子设备6的外部存储设备,例如,电子设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器602还可以既包括电子设备6的内部存储单元也包括外部存储设备。存储器602用于存储计算机程序以及电子设备所需的其它程序和数据。存储器602还可以用于暂时地存储已经输出或者将要输出的数据。
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。实施例中的各功能单元、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,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
在本公开所提供的实施例中,应该理解到,所揭露的装置/计算机设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/计算机设备实施例仅仅是示意性的,例如,模块或单元的划分,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,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元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,也可以采用软件功能单元的形式实现。
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。基于这样的理解,本公开实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带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(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如,在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述实施例对本公开进行了详细的说明,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公开各实施例技术方案的精神和范围,均应包含在本公开的保护范围之内。
Claims (6)
1.一种偏差原因影响值的预测方法,其特征在于,包括:
获取预定的业务数据,对所述业务数据进行处理得到一个或多个对业务结果造成偏差的偏差原因;
对所述偏差原因中的字段进行识别,以便从所述偏差原因中提取出关键字段,并确定所述关键字段对应的字段值,其中,所述关键字段为所述偏差原因中对业务结果造成偏差的字段;
基于所述关键字段对应的字段值以及预设的业务结果测算方式,确定所述偏差原因对应的第一业务结果,其中,所述第一业务结果用于表示产生所述偏差原因后的实际业务结果;
确定产生所述偏差原因前的第二业务结果,基于所述第一业务结果和所述第二业务结果,对预设时间内所述偏差原因对所述业务结果造成的影响值进行预测;
其中,所述偏差原因中包含复杂事件,所述对所述业务数据进行处理得到一个或多个对业务结果造成偏差的偏差原因,包括:
根据预定的原子事件对应的第一定义规则,对所述业务数据进行处理得到所述原子事件;第一定义规则包括以下格式规则:e(tid,sta,t,attr),其中,e表示原子事件,tid表示对象标识,sta表示事件类型标识,t表示原子事件发生的时间戳,attr表示原子事件的其他属性列表;第一定义规则中的事件属性指第一定义规则中定义的属性;
根据预先配置的有向图中所述原子事件以及所述复杂事件对应的节点,基于所述节点对应的逻辑运算规则,将所述原子事件处理成所述复杂事件,并将所述复杂事件作为对所述业务结果造成偏差的偏差原因;
其中,所述有向图为根据预定的所述复杂事件对应的第二定义规则生成的图数据结构;第二定义规则包括以下格式的规则:E=(opt,req,attr,c,do),其中,E表示复杂事件,opt表示时间构造符,req表示事件属性的条件约束,attr表示事件属性集,c表示复杂事件的相关事件,do表示事件触发条件;所述业务数据是一种业务流数据,业务流数据为由一组有序的字节所组成的数据序列,所述根据预定的原子事件对应的第一定义规则,对所述业务数据进行处理得到所述原子事件包括:检测到业务流数据与所述第一定义规则中的事件属性相同,则基于业务流数据与所述事件属性生成符合所述第一定义规则要求的原子事件;
所述对所述偏差原因中的字段进行识别,以便从所述偏差原因中提取出关键字段,包括:
对所述偏差原因进行分词得到字段,利用预设的关键字段对所述偏差原因的字段进行匹配,根据匹配结果确定所述偏差原因中包含的至少一个关键字段;
其中,当所述偏差原因为业务的主动调整时,所述关键字段包括上手撤铺时间、下手接铺时间、装修期、装修期价格以及运营期价格;
所述基于所述关键字段对应的字段值以及预设的业务结果测算方式,确定所述偏差原因对应的第一业务结果,包括:
根据所述业务结果测算方式中包含的公式,对所述关键字段对应的字段值执行运算,将运算结果作为所述偏差原因对应的第一业务结果;
其中,根据所述上手撤铺时间、所述下手接铺时间、所述装修期、所述装修期价格以及所述运营期价格分别对应的实际业务数值,计算店铺实际运营收入;
所述确定产生所述偏差原因前的第二业务结果,基于所述第一业务结果和所述第二业务结果,对预设时间内所述偏差原因对所述业务结果造成的影响值进行预测,包括:
将业务主动调整前的店铺实际运营收入作为所述第二业务结果,将基于所述偏差原因计算得到的店铺实际运营收入作为所述第一业务结果;
计算所述第一业务结果与所述第二业务结果之间的差值,将所述差值作为对所述业务结果造成的影响值;
依次根据未来所述预设时间内的所述第一业务结果与所述第二业务结果,对所述预设时间内每个月对应的影响值进行预测。
2.根据权利要求1所述的方法,其特征在于,所述获取预定的业务数据,包括:
获取业务系统在执行当前业务过程中产生的业务数据,或者获取历史业务执行过程中所述业务系统产生的业务数据;
其中,所述业务数据中包含按照业务执行的先后顺序排列的业务数据序列。
3.根据权利要求1所述的方法,其特征在于,所述逻辑运算规则包括所述原子事件的属性值的判断规则,以及多个所述原子事件之间的逻辑运算规则;所述基于所述节点对应的逻辑运算规则,将所述原子事件处理成所述复杂事件,包括:
根据所述判断规则对所述原子事件的属性值进行判断,当所述原子事件的属性值符合所述判断规则对应的要求时,基于所述原子事件生成所述复杂事件;或者,
根据所述逻辑运算规则对多个所述原子事件之间的逻辑关系进行判断,当多个所述原子事件之间的逻辑关系符合所述逻辑运算规则的要求时,基于多个所述原子事件生成所述复杂事件。
4.一种偏差原因影响值的预测装置,用于实现权利要求1至3任一项所述的方法,其特征在于,包括:
获取模块,被配置为获取预定的业务数据,对所述业务数据进行处理得到一个或多个对业务结果造成偏差的偏差原因;
提取模块,被配置为对所述偏差原因中的字段进行识别,以便从所述偏差原因中提取出关键字段,并确定所述关键字段对应的字段值,其中,所述关键字段为所述偏差原因中对业务结果造成偏差的字段;
确定模块,被配置为基于所述关键字段对应的字段值以及预设的业务结果测算方式,确定所述偏差原因对应的第一业务结果,其中,所述第一业务结果用于表示产生所述偏差原因后的实际业务结果;
预测模块,被配置为确定产生所述偏差原因前的第二业务结果,基于所述第一业务结果和所述第二业务结果,对预设时间内所述偏差原因对所述业务结果造成的影响值进行预测。
5.一种电子设备,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程序,所述处理器执行所述程序时实现如权利要求1至3中任一项所述的方法。
6.一种计算机可读存储介质,所述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中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110895010.6A CN113705859B (zh) | 2021-08-05 | 2021-08-05 | 偏差原因影响值的预测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110895010.6A CN113705859B (zh) | 2021-08-05 | 2021-08-05 | 偏差原因影响值的预测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113705859A CN113705859A (zh) | 2021-11-26 |
CN113705859B true CN113705859B (zh) | 2024-04-19 |
Family
ID=78651619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110895010.6A Active CN113705859B (zh) | 2021-08-05 | 2021-08-05 | 偏差原因影响值的预测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113705859B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001016728A2 (en) * | 1999-08-31 | 2001-03-08 | Accenture Llp | A system, method and article of manufacture for business logic services patterns in a netcentric environment |
CN108664378A (zh) * | 2018-05-10 | 2018-10-16 | 西安电子科技大学 | 一种微服务最短执行时间的优化方法 |
CN109146148A (zh) * | 2018-07-27 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 一种余额预测偏差原因的确定方法及装置 |
CN110348669A (zh) * | 2019-05-23 | 2019-10-18 | 中国平安财产保险股份有限公司 | 智能规则生成方法、装置、计算机设备及存储介质 |
CN110858355A (zh) * | 2018-08-22 | 2020-03-03 | 北京国双科技有限公司 | 项目预算结余预测方法及装置 |
CN110914776A (zh) * | 2017-06-12 | 2020-03-24 | 霍尼韦尔国际公司 | 用于识别关于基于模型的控制器性能的可变性或控制偏差的影响和原因的装置和方法 |
CN111461775A (zh) * | 2020-03-30 | 2020-07-28 | 支付宝(杭州)信息技术有限公司 | 事件对业务量的影响的确定方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11836582B2 (en) * | 2019-12-28 | 2023-12-05 | Asper.AI Inc. | System and method of machine learning based deviation prediction and interconnected-metrics derivation for action recommendations |
-
2021
- 2021-08-05 CN CN202110895010.6A patent/CN113705859B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001016728A2 (en) * | 1999-08-31 | 2001-03-08 | Accenture Llp | A system, method and article of manufacture for business logic services patterns in a netcentric environment |
CN110914776A (zh) * | 2017-06-12 | 2020-03-24 | 霍尼韦尔国际公司 | 用于识别关于基于模型的控制器性能的可变性或控制偏差的影响和原因的装置和方法 |
CN108664378A (zh) * | 2018-05-10 | 2018-10-16 | 西安电子科技大学 | 一种微服务最短执行时间的优化方法 |
CN109146148A (zh) * | 2018-07-27 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 一种余额预测偏差原因的确定方法及装置 |
CN110858355A (zh) * | 2018-08-22 | 2020-03-03 | 北京国双科技有限公司 | 项目预算结余预测方法及装置 |
CN110348669A (zh) * | 2019-05-23 | 2019-10-18 | 中国平安财产保险股份有限公司 | 智能规则生成方法、装置、计算机设备及存储介质 |
CN111461775A (zh) * | 2020-03-30 | 2020-07-28 | 支付宝(杭州)信息技术有限公司 | 事件对业务量的影响的确定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113705859A (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cagno et al. | A multi-dimensional analysis of major risks in complex projects | |
Staron et al. | A method for forecasting defect backlog in large streamline software development projects and its industrial evaluation | |
WO2023108967A1 (zh) | 基于隐私保护计算和跨组织的联合信用评分方法及装置 | |
WO2024067358A1 (zh) | 仓库管理系统的效率分析方法、系统及计算机设备 | |
Ullah | A method for predicting open source software residual defects | |
CN111159241B (zh) | 一种点击转化预估方法及装置 | |
US11182696B2 (en) | Quantitative discovery of name changes | |
CN109064211B (zh) | 营销业务数据分析方法、装置及服务器 | |
Pereira et al. | Towards a characterization of BPM tools' simulation support: the case of BPMN process models | |
Erdoğan et al. | More effective sprint retrospective with statistical analysis | |
EP4086824A1 (en) | Method for automatically updating unit cost of inspection by using comparison between inspection time and work time of crowdsourcing-based project for generating artificial intelligence training data | |
CN113706098B (zh) | 基于业务的偏差原因识别方法、装置及电子设备 | |
CN113705859B (zh) | 偏差原因影响值的预测方法、装置、电子设备及存储介质 | |
CN112860672A (zh) | 标签权重的确定方法和装置 | |
Sezavar Keshavarz et al. | Provenance for online decision making | |
CN114385121B (zh) | 一种基于业务分层的软件设计建模方法及系统 | |
Wang et al. | Detecting difference between process models using edge network | |
CN115759401A (zh) | 一种电力市场成员竞价行为预测标签生成方法和系统 | |
CN114968816A (zh) | 基于数据模拟的策略测试方法、装置、设备及存储介质 | |
KR102156586B1 (ko) | 인공지능 학습데이터 생성을 위한 크라우드소싱 기반 프로젝트의 작업 및 검수의 순차적인 배정 방법 | |
CN114997414A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN111427900B (zh) | 一种标签库更新方法、装置、设备及可读存储介质 | |
US20210027234A1 (en) | Systems and methods for analyzing user projects | |
Subash Babu et al. | A model to derive software maintenance policy decision | |
CN113592160A (zh) | 基于融合处理的用户设备的失联风险预测方法、系统和计算机设备 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230104 Address after: 518054 cable information transmission building 25f2504, no.3369 Binhai Avenue, Haizhu community, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province Applicant after: Shenzhen Xumi yuntu Space Technology Co.,Ltd. Address before: No.103, no.1003, Nanxin Road, Nanshan community, Nanshan street, Nanshan District, Shenzhen City, Guangdong Province Applicant before: Shenzhen Jizhi Digital Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |