CN113986904A - 一种基于互联网的商业智能数据分析系统 - Google Patents

一种基于互联网的商业智能数据分析系统 Download PDF

Info

Publication number
CN113986904A
CN113986904A CN202111311344.0A CN202111311344A CN113986904A CN 113986904 A CN113986904 A CN 113986904A CN 202111311344 A CN202111311344 A CN 202111311344A CN 113986904 A CN113986904 A CN 113986904A
Authority
CN
China
Prior art keywords
data
index
analysis
indexes
recorded
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
Application number
CN202111311344.0A
Other languages
English (en)
Inventor
陈浩名
黄鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Sanuo Baiying Technology Co ltd
Original Assignee
Shenzhen Sanuo Baiying Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Sanuo Baiying Technology Co ltd filed Critical Shenzhen Sanuo Baiying Technology Co ltd
Priority to CN202111311344.0A priority Critical patent/CN113986904A/zh
Publication of CN113986904A publication Critical patent/CN113986904A/zh
Pending legal-status Critical Current

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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06F16/2282—Tablespace storage structures; Management thereof
    • 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
    • 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • 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
    • G06F16/26—Visual data mining; Browsing structured data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Fuzzy Systems (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于互联网的商业智能数据分析系统，该分析系统旨在解决现有技术下仅通过图表的方式进行展示，而不能针对每个指标的分析结果生产详细的数据分析结果表，不能清理的了解非标准范围内的指标有哪些，不利于商业决策制定的技术问题。该分析系统包括登录模块、数据仓库、数据分析模块、系统管理模块；所述登录模块根据输入的用户名和密码，验证用户的身份，在身份验证通过后启动系统工作；所述数据仓库包括ODS层和DW层。该分析系统利用数据分析模块，用图形语言来展现数据关系，并且在图表的基础上还生成了低质量度分析表和高质量度分析表，便于更好地制定商业决策，以保证数据仓库内的信息是关于整个企业的一致的全局信息。

Description

一种基于互联网的商业智能数据分析系统
技术领域
本发明属于商业智能技术领域，具体涉及一种基于互联网的商业智能数据分析系统。
背景技术
在新技术层出不穷的当下，商业智能是面向没有数据科学或数据库方面特殊知识的业务用户的，商业智能通过基于事实的支持系统来辅助商业决策的制定。
目前，专利号为CN 202010381004.4的发明专利公开了一种智能数据分析系统，包括：智能预处理模块、跟踪模块和控制模块；所述智能预处理模块，用于接收所述控制模块的操作指令，通过预置神经网络模型对预置采集数据进行预处理操作，得到预处理数据，所述预处理操作包括：去噪、去重和文字翻译；所述跟踪模块，用于接收所述控制模块的跟踪指令，根据设置的所述预处理数据的特征值对所述预处理数据进行实时跟踪，得到实时数据，并生成数据逻辑分析图；所述控制模块，用于在所述跟踪模块中获取跟踪数据，对所述跟踪数据进行归类、去重和时间标记的分析操作，得到分析数据，如果所述分析数据不满足阈值条件，则继续进行所述分析操作，所述跟踪数据包括所述实时数据。其采用的是通过控制模块的自动更新满足实际的数据分析需求，但该系统在对数据分析后，仅通过图表的方式进行展示，而不能针对每个指标的分析结果生产详细的数据分析结果表，不能清理的了解非标准范围内的指标有哪些，不利于商业决策的制定。
因此，针对上述不能直接得到非标准范围内的指标有哪些的问题，亟需得到解决，以改善分析系统的使用场景。
发明内容
（1）要解决的技术问题
针对现有技术的不足，本发明的目的在于提供一种基于互联网的商业智能数据分析系统，该分析系统旨在解决现有技术下仅通过图表的方式进行展示，而不能针对每个指标的分析结果生产详细的数据分析结果表，不能清理的了解非标准范围内的指标有哪些，不利于商业决策制定的技术问题。
（2） 技术方案
为了解决上述技术问题，本发明提供了这样一种基于互联网的商业智能数据分析系统，该分析系统包括登录模块、数据仓库、数据分析模块、系统管理模块；所述登录模块根据输入的用户名和密码，验证用户的身份，在身份验证通过后启动系统工作；
所述数据仓库包括ODS层和DW层，数据仓库根据数据仓库内预装的ETL从企业内的业务系统抽取数据存放至数据仓库中的ODS层，数据仓库进行数据清洗操作，包括缺失值清洗、格式内容清洗、逻辑错误清洗、非需求数据清洗和关联性验证，然后进行数据转换，将转换后的数据存入数据仓库中的DW层；
所述数据分析模块对数据进行分析，其过程如下：
1）统计需要分析的指标
Figure 568731DEST_PATH_IMAGE001
下的
Figure 450099DEST_PATH_IMAGE002
数据，其中
Figure 805994DEST_PATH_IMAGE003
指标本月的数据、
Figure 581052DEST_PATH_IMAGE004
指标的上一年度本月的数据；
2）将原始数据整理转换为数据表格，通过去噪、数据清洗、提取特征处理后将原始数据变换为可处理模式；
3）选择图表库中的任意一种图表形式，然后通过该图表体现数据的特征，包括今年的数据与往年数据进行对比生成的同比对比分析图和本期数据与上期数据进行对比生成的环比对比分析图；
4）数据分析模块内预设有各项指标月度的最低值标准数据
Figure 505146DEST_PATH_IMAGE005
月度的最高值标准数据（
Figure 231400DEST_PATH_IMAGE006
），用
Figure 266352DEST_PATH_IMAGE007
与
Figure 161496DEST_PATH_IMAGE008
进行比较，若
Figure 256491DEST_PATH_IMAGE009
＜
Figure 971506DEST_PATH_IMAGE010
，则说明对应的指标业绩低于标准，用
Figure 810149DEST_PATH_IMAGE011
，结果记为
Figure 294220DEST_PATH_IMAGE012
,并将
Figure 560116DEST_PATH_IMAGE013
指标记入低质量度分析表；若
Figure 263892DEST_PATH_IMAGE014
，则说明该指标的业绩在标准范围内；若
Figure 640647DEST_PATH_IMAGE015
，则说明该指标的业绩高于标准，用
Figure 979224DEST_PATH_IMAGE016
，结果记为
Figure 540656DEST_PATH_IMAGE017
，将
Figure 105629DEST_PATH_IMAGE013
指标记入高质量度分析表；然后用
Figure 410709DEST_PATH_IMAGE018
与
Figure 10317DEST_PATH_IMAGE019
和
Figure 618016DEST_PATH_IMAGE020
进行比较，若
Figure 363813DEST_PATH_IMAGE021
＜
Figure 472583DEST_PATH_IMAGE019
，用
Figure 661119DEST_PATH_IMAGE022
，结果记为
Figure 564353DEST_PATH_IMAGE023
，用
Figure 369498DEST_PATH_IMAGE023
与
Figure 750801DEST_PATH_IMAGE012
进行比较，若
Figure 59422DEST_PATH_IMAGE023
＜
Figure 635023DEST_PATH_IMAGE012
，则将
Figure 661884DEST_PATH_IMAGE024
插入低质量度分析表前头，若
Figure 846878DEST_PATH_IMAGE023
≥
Figure 10006DEST_PATH_IMAGE012
，则将
Figure 520622DEST_PATH_IMAGE024
放在低质量度分析表后端，若
Figure 769201DEST_PATH_IMAGE025
，则说明该指标的业绩在标准范围内；若
Figure 757885DEST_PATH_IMAGE026
，则说明该指标的业绩高于标准，用
Figure 41099DEST_PATH_IMAGE027
，结果记为
Figure 955572DEST_PATH_IMAGE028
，将
Figure 691447DEST_PATH_IMAGE024
指标记入高质量度分析表，用
Figure 483822DEST_PATH_IMAGE028
与
Figure 621543DEST_PATH_IMAGE017
进行标胶，若
Figure 208382DEST_PATH_IMAGE028
＞
Figure 431553DEST_PATH_IMAGE017
，则将
Figure 496461DEST_PATH_IMAGE024
指标插入高质量度分析表前头，若
Figure 488687DEST_PATH_IMAGE028
≤
Figure 13472DEST_PATH_IMAGE017
，则将
Figure 723939DEST_PATH_IMAGE024
指标放在高质量度分析表后端，以此类推对
Figure 592538DEST_PATH_IMAGE029
指标进行分析，得到低质量度分析表和高质量度分析表；
所述系统管理模块包括用户管理单元和系统升级单元，所述用户管理单元用于新建用户、删除用户和设置用户的角色，所述系统升级单元在联网状态下自动下载最新版本软件，并在下载后弹出安装更新界面。
优选地，所述数据仓库中缺失值清洗的步骤为：根据缺失比例和字段重要性确定缺失值范围，去除不需要的字段，然后填充缺失内容，最后重新取数，其中填充缺失内容的方法包括：以业务知识推测填充缺失值；以同一指标的计算结果的均值填充缺失值；以不同指标的计算结果填充缺失值。
优选地，所述数据仓库中格式内容清洗的项目包括：时间、日期、数值、全半角等显示格式不一致、内容中有不该存在的字符和内容与该字段应有内容不符。
优选地，所述数据仓库中逻辑错误清洗的方法为：首先取出重复数据，然后去除不合理值，修正矛盾内容。
优选地，所述数据仓库中数据转换的任务有三个：其一是不一致数据的转换，将不同业务系统的相同类型的数据统一编码；其二是数据粒度的转换，将业务系统中明细的数据按照数据仓库粒度进行聚合；其三是商务规则的计算，根据企业的业务规则，对不同的数据指标进行计算。
优选地，所述图表库中的图表形式包括折线图、柱状图、饼形图、环形图和面积图。
优选地，所述系统管理模块内预设的用户角色包括：管理员和普通员工，其中管理员的权限包括数据查询、数据分析和管理用户，普通员工的权限为数据查询。
本发明还提供一种基于互联网的商业智能数据分析系统的使用方法，其步骤如下：
S1：输入的用户名和密码，验证用户的身份，启动系统工作；
S2：从企业内的业务系统抽取数据存放至数据仓库中，并清洗数据清洗和转换；
S21：根据缺失比例和字段重要性确定缺失值范围，去除不需要的字段，然后填充缺失内容，最后重新取数，其中填充缺失内容的方法包括：以业务知识推测填充缺失值；以同一指标的计算结果的均值填充缺失值；以不同指标的计算结果填充缺失值；
S22：格式内容清洗：时间、日期、数值、全半角等显示格式不一致、内容中有不该存在的字符和内容与该字段应有内容不符；
S23：数据仓库中逻辑错误清洗：首先取出重复数据，然后去除不合理值，修正矛盾内容；
S24:数据仓库中数据转换:其一是不一致数据的转换，将不同业务系统的相同类型的数据统一编码；其二是数据粒度的转换，将业务系统中明细的数据按照数据仓库粒度进行聚合；其三是商务规则的计算，根据企业的业务规则，对不同的数据指标进行计算；
S3：对数据进行分析：
S31:统计需要分析的指标
Figure 704850DEST_PATH_IMAGE001
下的
Figure 633492DEST_PATH_IMAGE002
数据；
S32:将原始数据整理转换为数据表格，通过去噪、数据清洗、提取特征处理后将原始数据变换为可处理模式；
S33:选择图表库中折线图、柱状图、饼形图、环形图和面积图的任意一种图表形式，然后通过该图表体现数据的特征，包括今年的数据与往年数据进行对比生成的同比对比分析图和本期数据与上期数据进行对比生成的环比对比分析图；
S34:数据分析模块内预设有各项指标月度的最低值标准数据
Figure 831255DEST_PATH_IMAGE005
月度的最高值标准数据（
Figure 503545DEST_PATH_IMAGE006
），用
Figure 470364DEST_PATH_IMAGE007
与
Figure 334021DEST_PATH_IMAGE008
进行比较，若
Figure 753501DEST_PATH_IMAGE009
＜
Figure 229482DEST_PATH_IMAGE010
，则说明对应的指标业绩低于标准，用
Figure 50808DEST_PATH_IMAGE011
，结果记为
Figure 586831DEST_PATH_IMAGE012
,并将
Figure 493607DEST_PATH_IMAGE013
指标记入低质量度分析表；若
Figure 71481DEST_PATH_IMAGE014
，则说明该指标的业绩在标准范围内；若
Figure 12893DEST_PATH_IMAGE015
，则说明该指标的业绩高于标准，用
Figure 719818DEST_PATH_IMAGE016
，结果记为
Figure 113890DEST_PATH_IMAGE017
，将
Figure 931673DEST_PATH_IMAGE013
指标记入高质量度分析表；然后用
Figure 462012DEST_PATH_IMAGE018
与
Figure 339838DEST_PATH_IMAGE019
和
Figure 221206DEST_PATH_IMAGE020
进行比较，若
Figure 341215DEST_PATH_IMAGE021
＜
Figure 991640DEST_PATH_IMAGE019
，用
Figure 774788DEST_PATH_IMAGE022
，结果记为
Figure 143452DEST_PATH_IMAGE023
，用
Figure 303038DEST_PATH_IMAGE023
与
Figure 73548DEST_PATH_IMAGE012
进行比较，若
Figure 27598DEST_PATH_IMAGE023
＜
Figure 883558DEST_PATH_IMAGE012
，则将
Figure 348300DEST_PATH_IMAGE024
插入低质量度分析表前头，若
Figure 707737DEST_PATH_IMAGE023
≥
Figure 832688DEST_PATH_IMAGE012
，则将
Figure 34999DEST_PATH_IMAGE024
放在低质量度分析表后端，若
Figure 942912DEST_PATH_IMAGE025
，则说明该指标的业绩在标准范围内；若
Figure 281490DEST_PATH_IMAGE026
，则说明该指标的业绩高于标准，用
Figure 718287DEST_PATH_IMAGE027
，结果记为
Figure 906430DEST_PATH_IMAGE028
，将
Figure 86875DEST_PATH_IMAGE024
指标记入高质量度分析表，用
Figure 545538DEST_PATH_IMAGE028
与
Figure 153237DEST_PATH_IMAGE017
进行标胶，若
Figure 330141DEST_PATH_IMAGE028
＞
Figure 48698DEST_PATH_IMAGE017
，则将
Figure 361868DEST_PATH_IMAGE024
指标插入高质量度分析表前头，若
Figure 140468DEST_PATH_IMAGE028
≤
Figure 306132DEST_PATH_IMAGE017
，则将
Figure 828380DEST_PATH_IMAGE024
指标放在高质量度分析表后端，以此类推对
Figure 261636DEST_PATH_IMAGE029
指标进行分析，得到低质量度分析表和高质量度分析表。
（3）有益效果
与现有技术相比，本发明的有益效果在于：本发明的分析系统利用数据分析模块，用图形语言来展现数据关系，使将数据可视化，便于一目了然的观看每项指标的对比情况，并且在图表的基础上还生成了低质量度分析表和高质量度分析表，直接挑选出非标准范围内的指标有哪些，并采用一定的排序方式，了解每项指标的增长和跌落情况，便于更好地制定商业决策，而通过创建数据仓库，可以对数据进行抽取、清洗和汇总，有效消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。
附图说明
为了更清楚的说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术中描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一种实施方式，对于本领域普通技术人员来说，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他的附图。
图1为本发明分析系统一种具体实施方式的整体框架结构示意图；
图2为本发明分析系统一种具体实施方式的工作流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面对本发明具体实施方式中的技术方案进行清楚、完整的描述，以进一步阐述本发明，显然，所描述的具体实施方式仅仅是本发明的一部分实施方式，而不是全部的样式。
实施例1
本具体实施方式是基于互联网的商业智能数据分析系统，其整体框架结构示意图如图1所示，其工作流程图如图2所示，该分析系统包括登录模块、数据仓库、数据分析模块、系统管理模块；
登录模块根据输入的用户名和密码，验证用户的身份，在身份验证通过后启动系统工作；
数据仓库包括ODS层和DW层，数据仓库根据数据仓库内预装的ETL从企业内的业务系统抽取数据存放至数据仓库中的ODS层，数据仓库进行数据清洗操作，包括缺失值清洗、格式内容清洗、逻辑错误清洗、非需求数据清洗和关联性验证，然后进行数据转换，将转换后的数据存入数据仓库中的DW层；
数据分析模块对数据进行分析，其过程如下：
1）统计需要分析的指标
Figure 211137DEST_PATH_IMAGE001
下的
Figure 97054DEST_PATH_IMAGE002
数据，其中
Figure 422993DEST_PATH_IMAGE003
指标本月的数据、
Figure 710755DEST_PATH_IMAGE004
指标的上一年度本月的数据；
2）将原始数据整理转换为数据表格，通过去噪、数据清洗、提取特征处理后将原始数据变换为可处理模式；
3）选择图表库中的任意一种图表形式，然后通过该图表体现数据的特征，包括今年的数据与往年数据进行对比生成的同比对比分析图和本期数据与上期数据进行对比生成的环比对比分析图；
4）数据分析模块内预设有各项指标月度的最低值标准数据
Figure 831157DEST_PATH_IMAGE005
月度的最高值标准数据（
Figure 702905DEST_PATH_IMAGE006
），用
Figure 691590DEST_PATH_IMAGE007
与
Figure 709224DEST_PATH_IMAGE008
进行比较，若
Figure 390741DEST_PATH_IMAGE009
＜
Figure 126616DEST_PATH_IMAGE010
，则说明对应的指标业绩低于标准，用
Figure 653412DEST_PATH_IMAGE011
，结果记为
Figure 525553DEST_PATH_IMAGE012
,并将
Figure 879437DEST_PATH_IMAGE013
指标记入低质量度分析表；若
Figure 102608DEST_PATH_IMAGE014
，则说明该指标的业绩在标准范围内；若
Figure 167516DEST_PATH_IMAGE015
，则说明该指标的业绩高于标准，用
Figure 284376DEST_PATH_IMAGE016
，结果记为
Figure 183062DEST_PATH_IMAGE017
，将
Figure 752584DEST_PATH_IMAGE013
指标记入高质量度分析表；然后用
Figure 762128DEST_PATH_IMAGE018
与
Figure 497609DEST_PATH_IMAGE019
和
Figure 301617DEST_PATH_IMAGE020
进行比较，若
Figure 624014DEST_PATH_IMAGE021
＜
Figure 171670DEST_PATH_IMAGE019
，用
Figure 263123DEST_PATH_IMAGE022
，结果记为
Figure 238032DEST_PATH_IMAGE023
，用
Figure 47725DEST_PATH_IMAGE023
与
Figure 399072DEST_PATH_IMAGE012
进行比较，若
Figure 846496DEST_PATH_IMAGE023
＜
Figure 257886DEST_PATH_IMAGE012
，则将
Figure 289296DEST_PATH_IMAGE024
插入低质量度分析表前头，若
Figure 178755DEST_PATH_IMAGE023
≥
Figure 244800DEST_PATH_IMAGE012
，则将
Figure 561511DEST_PATH_IMAGE024
放在低质量度分析表后端，若
Figure 80217DEST_PATH_IMAGE025
，则说明该指标的业绩在标准范围内；若
Figure 773367DEST_PATH_IMAGE026
，则说明该指标的业绩高于标准，用
Figure 192454DEST_PATH_IMAGE027
，结果记为
Figure 945646DEST_PATH_IMAGE028
，将
Figure 951648DEST_PATH_IMAGE024
指标记入高质量度分析表，用
Figure 182909DEST_PATH_IMAGE028
与
Figure 957967DEST_PATH_IMAGE017
进行标胶，若
Figure 882061DEST_PATH_IMAGE028
＞
Figure 375359DEST_PATH_IMAGE017
，则将
Figure 410311DEST_PATH_IMAGE024
指标插入高质量度分析表前头，若
Figure 541341DEST_PATH_IMAGE028
≤
Figure 636335DEST_PATH_IMAGE017
，则将
Figure 351351DEST_PATH_IMAGE024
指标放在高质量度分析表后端，以此类推对
Figure 924414DEST_PATH_IMAGE029
指标进行分析，得到低质量度分析表和高质量度分析表；
系统管理模块包括用户管理单元和系统升级单元，用户管理单元用于新建用户、删除用户和设置用户的角色，系统升级单元在联网状态下自动下载最新版本软件，并在下载后弹出安装更新界面该分析系统包括登录模块、数据仓库、数据分析模块、系统管理模块；其中
登录模块根据输入的用户名和密码，验证用户的身份，在身份验证通过后启动系统工作；
数据仓库包括ODS层和DW层，数据仓库根据数据仓库内预装的ETL从企业内的业务系统抽取数据存放至数据仓库中的ODS层，数据仓库进行数据清洗操作，包括缺失值清洗、格式内容清洗、逻辑错误清洗、非需求数据清洗和关联性验证，然后进行数据转换，将转换后的数据存入数据仓库中的DW层；
数据分析模块对数据进行分析，其过程如下：
1）统计需要分析的指标
Figure 674065DEST_PATH_IMAGE001
下的
Figure 939961DEST_PATH_IMAGE002
数据，其中
Figure 142272DEST_PATH_IMAGE003
指标本月的数据、
Figure 784606DEST_PATH_IMAGE004
指标的上一年度本月的数据；
2）将原始数据整理转换为数据表格，通过去噪、数据清洗、提取特征处理后将原始数据变换为可处理模式；
3）选择图表库中的任意一种图表形式，然后通过该图表体现数据的特征，包括今年的数据与往年数据进行对比生成的同比对比分析图和本期数据与上期数据进行对比生成的环比对比分析图；
4）数据分析模块内预设有各项指标月度的最低值标准数据
Figure 910735DEST_PATH_IMAGE005
月度的最高值标准数据（
Figure 347533DEST_PATH_IMAGE006
），用
Figure 37140DEST_PATH_IMAGE007
与
Figure 952007DEST_PATH_IMAGE008
进行比较，若
Figure 676249DEST_PATH_IMAGE009
＜
Figure 283948DEST_PATH_IMAGE010
，则说明对应的指标业绩低于标准，用
Figure 460851DEST_PATH_IMAGE011
，结果记为
Figure 179409DEST_PATH_IMAGE012
,并将
Figure 259622DEST_PATH_IMAGE013
指标记入低质量度分析表；若
Figure 38222DEST_PATH_IMAGE014
，则说明该指标的业绩在标准范围内；若
Figure 702422DEST_PATH_IMAGE015
，则说明该指标的业绩高于标准，用
Figure 224670DEST_PATH_IMAGE016
，结果记为
Figure 657926DEST_PATH_IMAGE017
，将
Figure 607427DEST_PATH_IMAGE013
指标记入高质量度分析表；然后用
Figure 493343DEST_PATH_IMAGE018
与
Figure 819283DEST_PATH_IMAGE019
和
Figure 605580DEST_PATH_IMAGE020
进行比较，若
Figure 725982DEST_PATH_IMAGE021
＜
Figure 364774DEST_PATH_IMAGE019
，用
Figure 228825DEST_PATH_IMAGE022
，结果记为
Figure 371093DEST_PATH_IMAGE023
，用
Figure 927976DEST_PATH_IMAGE023
与
Figure 788485DEST_PATH_IMAGE012
进行比较，若
Figure 190648DEST_PATH_IMAGE023
＜
Figure 954467DEST_PATH_IMAGE012
，则将
Figure 682251DEST_PATH_IMAGE024
插入低质量度分析表前头，若
Figure 764477DEST_PATH_IMAGE023
≥
Figure 235909DEST_PATH_IMAGE012
，则将
Figure 352770DEST_PATH_IMAGE024
放在低质量度分析表后端，若
Figure 985876DEST_PATH_IMAGE025
，则说明该指标的业绩在标准范围内；若
Figure 555398DEST_PATH_IMAGE026
，则说明该指标的业绩高于标准，用
Figure 453691DEST_PATH_IMAGE027
，结果记为
Figure 425058DEST_PATH_IMAGE028
，将
Figure 353699DEST_PATH_IMAGE024
指标记入高质量度分析表，用
Figure 551462DEST_PATH_IMAGE028
与
Figure 364698DEST_PATH_IMAGE017
进行标胶，若
Figure 957615DEST_PATH_IMAGE028
＞
Figure 932525DEST_PATH_IMAGE017
，则将
Figure 742218DEST_PATH_IMAGE024
指标插入高质量度分析表前头，若
Figure 93565DEST_PATH_IMAGE028
≤
Figure 39524DEST_PATH_IMAGE017
，则将
Figure 185334DEST_PATH_IMAGE024
指标放在高质量度分析表后端，以此类推对
Figure 216744DEST_PATH_IMAGE029
指标进行分析，得到低质量度分析表和高质量度分析表；
系统管理模块包括用户管理单元和系统升级单元，用户管理单元用于新建用户、删除用户和设置用户的角色，系统升级单元在联网状态下自动下载最新版本软件，并在下载后弹出安装更新界面。
其中，数据仓库中缺失值清洗的步骤为：根据缺失比例和字段重要性确定缺失值范围，去除不需要的字段，然后填充缺失内容，最后重新取数，其中填充缺失内容的方法包括：以业务知识推测填充缺失值；以同一指标的计算结果的均值填充缺失值；以不同指标的计算结果填充缺失值，数据仓库中格式内容清洗的项目包括：时间、日期、数值、全半角等显示格式不一致、内容中有不该存在的字符和内容与该字段应有内容不符。
同时，数据仓库中逻辑错误清洗的方法为：首先取出重复数据，然后去除不合理值，修正矛盾内容，数据仓库中数据转换的任务有三个：其一是不一致数据的转换，将不同业务系统的相同类型的数据统一编码；其二是数据粒度的转换，将业务系统中明细的数据按照数据仓库粒度进行聚合；其三是商务规则的计算，根据企业的业务规则，对不同的数据指标进行计算。
另外，图表库中的图表形式包括折线图、柱状图、饼形图、环形图和面积图，系统管理模块内预设的用户角色包括：管理员和普通员工，其中管理员的权限包括数据查询、数据分析和管理用户，普通员工的权限为数据查询。
本发明还提供一种基于互联网的商业智能数据分析系统的使用方法，其步骤如下：
S1：输入的用户名和密码，验证用户的身份，启动系统工作；
S2：从企业内的业务系统抽取数据存放至数据仓库中，并清洗数据清洗和转换；
S21：根据缺失比例和字段重要性确定缺失值范围，去除不需要的字段，然后填充缺失内容，最后重新取数，其中填充缺失内容的方法包括：以业务知识推测填充缺失值；以同一指标的计算结果的均值填充缺失值；以不同指标的计算结果填充缺失值；
S22：格式内容清洗：时间、日期、数值、全半角等显示格式不一致、内容中有不该存在的字符和内容与该字段应有内容不符；
S23：数据仓库中逻辑错误清洗：首先取出重复数据，然后去除不合理值，修正矛盾内容；
S24:数据仓库中数据转换:其一是不一致数据的转换，将不同业务系统的相同类型的数据统一编码；其二是数据粒度的转换，将业务系统中明细的数据按照数据仓库粒度进行聚合；其三是商务规则的计算，根据企业的业务规则，对不同的数据指标进行计算；
S3：对数据进行分析：
S31:统计需要分析的指标
Figure 371782DEST_PATH_IMAGE001
下的
Figure 670783DEST_PATH_IMAGE002
数据；
S32:将原始数据整理转换为数据表格，通过去噪、数据清洗、提取特征处理后将原始数据变换为可处理模式；
S33:选择图表库中折线图、柱状图、饼形图、环形图和面积图的任意一种图表形式，然后通过该图表体现数据的特征，包括今年的数据与往年数据进行对比生成的同比对比分析图和本期数据与上期数据进行对比生成的环比对比分析图；
S34:数据分析模块内预设有各项指标月度的最低值标准数据
Figure 253074DEST_PATH_IMAGE005
月度的最高值标准数据（
Figure 771780DEST_PATH_IMAGE006
），用
Figure 464930DEST_PATH_IMAGE007
与
Figure 385481DEST_PATH_IMAGE008
进行比较，若
Figure 138673DEST_PATH_IMAGE009
＜
Figure 879096DEST_PATH_IMAGE010
，则说明对应的指标业绩低于标准，用
Figure 375937DEST_PATH_IMAGE011
，结果记为
Figure 918039DEST_PATH_IMAGE012
,并将
Figure 842132DEST_PATH_IMAGE013
指标记入低质量度分析表；若
Figure 335431DEST_PATH_IMAGE014
，则说明该指标的业绩在标准范围内；若
Figure 370383DEST_PATH_IMAGE015
，则说明该指标的业绩高于标准，用
Figure 734368DEST_PATH_IMAGE016
，结果记为
Figure 829363DEST_PATH_IMAGE017
，将
Figure 544378DEST_PATH_IMAGE013
指标记入高质量度分析表；然后用
Figure 383021DEST_PATH_IMAGE018
与
Figure 631206DEST_PATH_IMAGE019
和
Figure 897103DEST_PATH_IMAGE020
进行比较，若
Figure 99414DEST_PATH_IMAGE021
＜
Figure 476169DEST_PATH_IMAGE019
，用
Figure 80325DEST_PATH_IMAGE022
，结果记为
Figure 517123DEST_PATH_IMAGE023
，用
Figure 206730DEST_PATH_IMAGE023
与
Figure 387176DEST_PATH_IMAGE012
进行比较，若
Figure 612883DEST_PATH_IMAGE023
＜
Figure 220582DEST_PATH_IMAGE012
，则将
Figure 131906DEST_PATH_IMAGE024
插入低质量度分析表前头，若
Figure 116043DEST_PATH_IMAGE023
≥
Figure 694791DEST_PATH_IMAGE012
，则将
Figure 473392DEST_PATH_IMAGE024
放在低质量度分析表后端，若
Figure 872012DEST_PATH_IMAGE025
，则说明该指标的业绩在标准范围内；若
Figure 394260DEST_PATH_IMAGE026
，则说明该指标的业绩高于标准，用
Figure 326051DEST_PATH_IMAGE027
，结果记为
Figure 275552DEST_PATH_IMAGE028
，将
Figure 427048DEST_PATH_IMAGE024
指标记入高质量度分析表，用
Figure 487408DEST_PATH_IMAGE028
与
Figure 40749DEST_PATH_IMAGE017
进行标胶，若
Figure 161152DEST_PATH_IMAGE028
＞
Figure 534364DEST_PATH_IMAGE017
，则将
Figure 398415DEST_PATH_IMAGE024
指标插入高质量度分析表前头，若
Figure 307727DEST_PATH_IMAGE028
≤
Figure 599031DEST_PATH_IMAGE017
，则将
Figure 459540DEST_PATH_IMAGE024
指标放在高质量度分析表后端，以此类推对
Figure 127282DEST_PATH_IMAGE029
指标进行分析，得到低质量度分析表和高质量度分析表。
以上描述了本发明的主要技术特征和基本原理及相关优点，对于本领域技术人员而言，显然本发明不限于上述示范性具体实施方式的细节，而且在不背离本发明的构思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，均应将上述具体实施方式看作是示范性的，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囊括在本发明内。
此外，应当理解，虽然本说明书按照各实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (8)

1.一种基于互联网的商业智能数据分析系统，该分析系统包括登录模块、数据仓库、数据分析模块、系统管理模块；其特征在于，
所述登录模块根据输入的用户名和密码，验证用户的身份，在身份验证通过后启动系统工作；
所述数据仓库包括ODS层和DW层，数据仓库根据数据仓库内预装的ETL从企业内的业务系统抽取数据存放至数据仓库中的ODS层，数据仓库进行数据清洗操作，包括缺失值清洗、格式内容清洗、逻辑错误清洗、非需求数据清洗和关联性验证，然后进行数据转换，将转换后的数据存入数据仓库中的DW层；
所述数据分析模块对数据进行分析，其过程如下：
1）统计需要分析的指标
Figure DEST_PATH_IMAGE002
下的
Figure DEST_PATH_IMAGE004
数据，其中
Figure DEST_PATH_IMAGE006
指标本月的数据、
Figure DEST_PATH_IMAGE008
指标的上一年度本月的数据；
2）将原始数据整理转换为数据表格，通过去噪、数据清洗、提取特征处理后将原始数据变换为可处理模式；
3）选择图表库中的任意一种图表形式，然后通过该图表体现数据的特征，包括今年的数据与往年数据进行对比生成的同比对比分析图和本期数据与上期数据进行对比生成的环比对比分析图；
4）数据分析模块内预设有各项指标月度的最低值标准数据
Figure DEST_PATH_IMAGE010
月度的最高值标准数据（
Figure DEST_PATH_IMAGE012
），用
Figure DEST_PATH_IMAGE014
与
Figure DEST_PATH_IMAGE016
进行比较，若
Figure DEST_PATH_IMAGE018
＜
Figure DEST_PATH_IMAGE020
，则说明对应的指标业绩低于标准，用
Figure DEST_PATH_IMAGE022
，结果记为
Figure DEST_PATH_IMAGE024
,并将
Figure DEST_PATH_IMAGE026
指标记入低质量度分析表；若
Figure DEST_PATH_IMAGE028
，则说明该指标的业绩在标准范围内；若
Figure DEST_PATH_IMAGE030
，则说明该指标的业绩高于标准，用
Figure DEST_PATH_IMAGE032
，结果记为
Figure DEST_PATH_IMAGE034
，将
Figure 471966DEST_PATH_IMAGE026
指标记入高质量度分析表；然后用
Figure DEST_PATH_IMAGE036
与
Figure DEST_PATH_IMAGE038
和
Figure DEST_PATH_IMAGE040
进行比较，若
Figure DEST_PATH_IMAGE042
＜
Figure 74592DEST_PATH_IMAGE038
，用
Figure DEST_PATH_IMAGE044
，结果记为
Figure DEST_PATH_IMAGE046
，用
Figure 713384DEST_PATH_IMAGE046
与
Figure 374172DEST_PATH_IMAGE024
进行比较，若
Figure 719703DEST_PATH_IMAGE046
＜
Figure 604483DEST_PATH_IMAGE024
，则将
Figure DEST_PATH_IMAGE048
插入低质量度分析表前头，若
Figure 435298DEST_PATH_IMAGE046
≥
Figure 165356DEST_PATH_IMAGE024
，则将
Figure 162131DEST_PATH_IMAGE048
放在低质量度分析表后端，若
Figure DEST_PATH_IMAGE050
，则说明该指标的业绩在标准范围内；若
Figure DEST_PATH_IMAGE052
，则说明该指标的业绩高于标准，用
Figure DEST_PATH_IMAGE054
，结果记为
Figure DEST_PATH_IMAGE056
，将
Figure 309822DEST_PATH_IMAGE048
指标记入高质量度分析表，用
Figure 595310DEST_PATH_IMAGE056
与
Figure 863480DEST_PATH_IMAGE034
进行标胶，若
Figure 918024DEST_PATH_IMAGE056
＞
Figure 879027DEST_PATH_IMAGE034
，则将
Figure 651811DEST_PATH_IMAGE048
指标插入高质量度分析表前头，若
Figure 458093DEST_PATH_IMAGE056
≤
Figure 134187DEST_PATH_IMAGE034
，则将
Figure 734933DEST_PATH_IMAGE048
指标放在高质量度分析表后端，以此类推对
Figure DEST_PATH_IMAGE058
指标进行分析，得到低质量度分析表和高质量度分析表；
所述系统管理模块包括用户管理单元和系统升级单元，所述用户管理单元用于新建用户、删除用户和设置用户的角色，所述系统升级单元在联网状态下自动下载最新版本软件，并在下载后弹出安装更新界面。
2.根据权利要求1所述的一种基于互联网的商业智能数据分析系统，其特征在于，所述数据仓库中缺失值清洗的步骤为：根据缺失比例和字段重要性确定缺失值范围，去除不需要的字段，然后填充缺失内容，最后重新取数，其中填充缺失内容的方法包括：以业务知识推测填充缺失值；以同一指标的计算结果的均值填充缺失值；以不同指标的计算结果填充缺失值。
3.根据权利要求1所述的一种基于互联网的商业智能数据分析系统，其特征在于，所述数据仓库中格式内容清洗的项目包括：时间、日期、数值、全半角等显示格式不一致、内容中有不该存在的字符和内容与该字段应有内容不符。
4.根据权利要求1所述的一种基于互联网的商业智能数据分析系统，其特征在于，所述数据仓库中逻辑错误清洗的方法为：首先取出重复数据，然后去除不合理值，修正矛盾内容。
5.根据权利要求1所述的一种基于互联网的商业智能数据分析系统，其特征在于，所述数据仓库中数据转换的任务有三个：其一是不一致数据的转换，将不同业务系统的相同类型的数据统一编码；其二是数据粒度的转换，将业务系统中明细的数据按照数据仓库粒度进行聚合；其三是商务规则的计算，根据企业的业务规则，对不同的数据指标进行计算。
6.根据权利要求1所述的一种基于互联网的商业智能数据分析系统，其特征在于，所述图表库中的图表形式包括折线图、柱状图、饼形图、环形图和面积图。
7.根据权利要求1所述的一种基于互联网的商业智能数据分析系统，其特征在于，所述系统管理模块内预设的用户角色包括：管理员和普通员工，其中管理员的权限包括数据查询、数据分析和管理用户，普通员工的权限为数据查询。
8.根据权利要求1所述的一种基于互联网的商业智能数据分析系统，其特征在于，其步骤如下：
S1：输入的用户名和密码，验证用户的身份，启动系统工作；
S2：从企业内的业务系统抽取数据存放至数据仓库中，并清洗数据清洗和转换；
S21：根据缺失比例和字段重要性确定缺失值范围，去除不需要的字段，然后填充缺失内容，最后重新取数，其中填充缺失内容的方法包括：以业务知识推测填充缺失值；以同一指标的计算结果的均值填充缺失值；以不同指标的计算结果填充缺失值；
S22：格式内容清洗：时间、日期、数值、全半角等显示格式不一致、内容中有不该存在的字符和内容与该字段应有内容不符；
S23：数据仓库中逻辑错误清洗：首先取出重复数据，然后去除不合理值，修正矛盾内容；
S24:数据仓库中数据转换:其一是不一致数据的转换，将不同业务系统的相同类型的数据统一编码；其二是数据粒度的转换，将业务系统中明细的数据按照数据仓库粒度进行聚合；其三是商务规则的计算，根据企业的业务规则，对不同的数据指标进行计算；
S3：对数据进行分析：
S31:统计需要分析的指标
Figure 526171DEST_PATH_IMAGE002
下的
Figure 136144DEST_PATH_IMAGE004
数据；
S32:将原始数据整理转换为数据表格，通过去噪、数据清洗、提取特征处理后将原始数据变换为可处理模式；
S33:选择图表库中折线图、柱状图、饼形图、环形图和面积图的任意一种图表形式，然后通过该图表体现数据的特征，包括今年的数据与往年数据进行对比生成的同比对比分析图和本期数据与上期数据进行对比生成的环比对比分析图；
S34:数据分析模块内预设有各项指标月度的最低值标准数据
Figure 165280DEST_PATH_IMAGE010
月度的最高值标准数据（
Figure 264823DEST_PATH_IMAGE012
），用
Figure 949882DEST_PATH_IMAGE014
与
Figure 658819DEST_PATH_IMAGE016
进行比较，若
Figure 542461DEST_PATH_IMAGE018
＜
Figure 16168DEST_PATH_IMAGE020
，则说明对应的指标业绩低于标准，用
Figure 985261DEST_PATH_IMAGE022
，结果记为
Figure 937036DEST_PATH_IMAGE024
,并将
Figure 940764DEST_PATH_IMAGE026
指标记入低质量度分析表；若
Figure 585372DEST_PATH_IMAGE028
，则说明该指标的业绩在标准范围内；若
Figure 543226DEST_PATH_IMAGE030
，则说明该指标的业绩高于标准，用
Figure 298693DEST_PATH_IMAGE032
，结果记为
Figure 625769DEST_PATH_IMAGE034
，将
Figure 441278DEST_PATH_IMAGE026
指标记入高质量度分析表；然后用
Figure 384963DEST_PATH_IMAGE036
与
Figure 944121DEST_PATH_IMAGE038
和
Figure 656862DEST_PATH_IMAGE040
进行比较，若
Figure 377693DEST_PATH_IMAGE042
＜
Figure 307210DEST_PATH_IMAGE038
，用
Figure 404479DEST_PATH_IMAGE044
，结果记为
Figure 237305DEST_PATH_IMAGE046
，用
Figure 129038DEST_PATH_IMAGE046
与
Figure 47315DEST_PATH_IMAGE024
进行比较，若
Figure 745013DEST_PATH_IMAGE046
＜
Figure 166767DEST_PATH_IMAGE024
，则将
Figure 996445DEST_PATH_IMAGE048
插入低质量度分析表前头，若
Figure 136439DEST_PATH_IMAGE046
≥
Figure 841090DEST_PATH_IMAGE024
，则将
Figure 382930DEST_PATH_IMAGE048
放在低质量度分析表后端，若
Figure 882044DEST_PATH_IMAGE050
，则说明该指标的业绩在标准范围内；若
Figure 509335DEST_PATH_IMAGE052
，则说明该指标的业绩高于标准，用
Figure 752097DEST_PATH_IMAGE054
，结果记为
Figure 148444DEST_PATH_IMAGE056
，将
Figure 51415DEST_PATH_IMAGE048
指标记入高质量度分析表，用
Figure 166002DEST_PATH_IMAGE056
与
Figure 946876DEST_PATH_IMAGE034
进行标胶，若
Figure 463308DEST_PATH_IMAGE056
＞
Figure 304225DEST_PATH_IMAGE034
，则将
Figure 906108DEST_PATH_IMAGE048
指标插入高质量度分析表前头，若
Figure 490673DEST_PATH_IMAGE056
≤
Figure 861611DEST_PATH_IMAGE034
，则将
Figure 374894DEST_PATH_IMAGE048
指标放在高质量度分析表后端，以此类推对
Figure 198494DEST_PATH_IMAGE058
指标进行分析，得到低质量度分析表和高质量度分析表。
CN202111311344.0A 2021-11-08 2021-11-08 一种基于互联网的商业智能数据分析系统 Pending CN113986904A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111311344.0A CN113986904A (zh) 2021-11-08 2021-11-08 一种基于互联网的商业智能数据分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111311344.0A CN113986904A (zh) 2021-11-08 2021-11-08 一种基于互联网的商业智能数据分析系统

Publications (1)

Publication Number Publication Date
CN113986904A true CN113986904A (zh) 2022-01-28

Family

ID=79747016

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111311344.0A Pending CN113986904A (zh) 2021-11-08 2021-11-08 一种基于互联网的商业智能数据分析系统

Country Status (1)

Country Link
CN (1) CN113986904A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070021992A1 (en) * 2005-07-19 2007-01-25 Srinivas Konakalla Method and system for generating a business intelligence system based on individual life cycles within a business process
AU2008206570A1 (en) * 2007-01-16 2008-07-24 Timmins Software Corporation Systems and methods for analyzing information technology systems using collaborative intelligence
US20090063209A1 (en) * 2000-11-13 2009-03-05 Dubois Timothy M Six sigma enabled business intelligence system
US20130073518A1 (en) * 2011-09-20 2013-03-21 Manish Srivastava Integrated transactional and data warehouse business intelligence analysis solution
US20140172885A1 (en) * 2012-12-17 2014-06-19 Business Objects Software Ltd. Extracting data from business intelligence files
US20150100331A1 (en) * 2013-10-08 2015-04-09 Joydeep Roychowdhury Business intelligence system and services for payor in healthcare industry
AU2018203570B1 (en) * 2017-06-30 2018-12-06 Accenture Global Solutions Limited Document processing
CN109063964A (zh) * 2018-07-02 2018-12-21 浙江百先得服饰有限公司 一种平台数据处理系统
CN110377659A (zh) * 2019-07-25 2019-10-25 南京数睿数据科技有限公司 一种智能图表推荐系统及方法
CN112650803A (zh) * 2020-12-22 2021-04-13 捷信汇成(北京)科技有限公司 一种基于商业智能的数据分析系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090063209A1 (en) * 2000-11-13 2009-03-05 Dubois Timothy M Six sigma enabled business intelligence system
US20070021992A1 (en) * 2005-07-19 2007-01-25 Srinivas Konakalla Method and system for generating a business intelligence system based on individual life cycles within a business process
AU2008206570A1 (en) * 2007-01-16 2008-07-24 Timmins Software Corporation Systems and methods for analyzing information technology systems using collaborative intelligence
US20130073518A1 (en) * 2011-09-20 2013-03-21 Manish Srivastava Integrated transactional and data warehouse business intelligence analysis solution
US20140172885A1 (en) * 2012-12-17 2014-06-19 Business Objects Software Ltd. Extracting data from business intelligence files
US20150100331A1 (en) * 2013-10-08 2015-04-09 Joydeep Roychowdhury Business intelligence system and services for payor in healthcare industry
AU2018203570B1 (en) * 2017-06-30 2018-12-06 Accenture Global Solutions Limited Document processing
CN109063964A (zh) * 2018-07-02 2018-12-21 浙江百先得服饰有限公司 一种平台数据处理系统
CN110377659A (zh) * 2019-07-25 2019-10-25 南京数睿数据科技有限公司 一种智能图表推荐系统及方法
CN112650803A (zh) * 2020-12-22 2021-04-13 捷信汇成(北京)科技有限公司 一种基于商业智能的数据分析系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
曾涛;: "基于Cognos BI的商务智能分析系统的设计与实现", 冶金自动化, no. 1, 15 August 2020 (2020-08-15) *
谷克宏;何江银;张燕梅;: "商务智能在化工生产企业中的应用", 电子世界, no. 20, 30 October 2013 (2013-10-30) *

Similar Documents

Publication Publication Date Title
CN111240662A (zh) 一种基于任务可视化拖拽的spark机器学习系统及学习方法
CN110019486A (zh) 数据采集方法、装置、设备及存储介质
CN110851667A (zh) 一种多源头大量数据的整合分析方法及工具
US20220058172A1 (en) Data accuracy using natural language processing
CN113408890A (zh) 基于人工智能的产业投资项目后评价报告生成方法和系统
CN111222790B (zh) 风险事件发生概率的预测方法、装置、设备及存储介质
CN115292508A (zh) 一种基于表数据的知识图谱构建方法和系统
CN114328495A (zh) 企业物料清洗服务系统及其数据清洗方法
CN117762912A (zh) 一种数据标注质量评估与改进系统及方法
CN111125045B (zh) 一种轻量级etl处理平台
CN113986904A (zh) 一种基于互联网的商业智能数据分析系统
CN115098567A (zh) 一种基于bi平台的低代码平台数据传输方法
CN112559641B (zh) 拉链表的处理方法及装置、可读存储介质、电子设备
US11816112B1 (en) Systems and methods for automated process discovery
CN110660461B (zh) 一种基于人工智能的跨平台医疗数据信息上传系统
CN111258953A (zh) 一种财务数据转换成评估数据规范化的方法
CN116662433A (zh) 增量数据处理方法、装置、计算机设备及可读存储介质
CN117131036B (zh) 一种基于大数据和人工智能的数据维护系统
CN112561368B (zh) 一种oa审批系统的可视化业绩计算方法及装置
CN114363311B (zh) 道岔智能运维监测系统仿真工具的报文上报方法及系统
CN117009921B (zh) 一种数据融合引擎的优化数据处理方法及系统
CN116680328A (zh) 数据处理方法及装置
CN115204741A (zh) 机构数字化转型的处理方法、装置及相关设备
Fan et al. Design of Intelligent Human Resource Information Collection System Based on Decision Tree Algorithm
CN117763007A (zh) 数据报表查询方法、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