CN114218291A - 基于目标对象的画像生成方法、装置、设备及存储介质 - Google Patents
基于目标对象的画像生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114218291A CN114218291A CN202111541688.0A CN202111541688A CN114218291A CN 114218291 A CN114218291 A CN 114218291A CN 202111541688 A CN202111541688 A CN 202111541688A CN 114218291 A CN114218291 A CN 114218291A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- report
- target object
- preprocessed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
Abstract
本公开提供了一种基于目标对象的画像生成方法、装置、设备及存储介质。该方法包括:从数据库中获取目标对象的基础信息数据以及历史业务数据,并将基础信息数据以及历史业务数据作为预处理数据;将预处理数据同步至数据仓库工具中,利用数据仓库工具对预处理数据进行数据清洗,并对数据清洗后的预处理数据按照预定要求进行整合,得到第一目标数据;利用预设的数据集对第一目标数据执行查询操作,以便利用数据集中的调用规则获取第一目标数据中的第二目标数据,并基于第二目标数据以及预先创建的报表配置生成对象报表,将对象报表作为描述目标对象的画像。本公开提升了用户画像的生成效率,能够精准、完整的描述客户的行为特征和偏好。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种基于目标对象的画像生成方法、装置、设备及存储介质。
背景技术
随着互联网技术的发展与普及,平台数据库中存储了大量的业务数据,不同客户产生的业务数据不同,因此不同业务数据能够反映出不同客户之间的行为和偏好差异。由于这些业务数据存在很高的潜在挖掘价值,通过将这些数据转换成直观的信息,从而能够帮助服务方了解客户的行为特征和需求偏好,这对深入挖掘客户的业务需求,提供精准的产品服务具有十分重要的意义。
现有技术中,通常采用人工方式对客户的业务数据进行挖掘和分析,通过将其中的重要指标提取出来,再加以分析和处理生成客户报表,然而面对海量的客户及业务数据,传统的数据分析方法已经无法满足实用性要求。目前虽然一些系统可以实现自动化数据挖掘分析,但是现有的数据挖掘分析方法过程繁琐,容易造成信息冗余,无效信息增加,无法帮助服务方精准的定位客户的行为特征和需求偏好,导致分析结果无法反应实际情况,影响服务方的判断。
鉴于上述现有技术中的问题,需要提供一种能够自动化生成客户画像,并且能够精准、完整的描述客户的行为特征和需求偏好的画像生成方法。
发明内容
有鉴于此,本公开实施例提供了一种基于目标对象的画像生成方法、装置、设备及存储介质,以解决现有技术存在的客户画像无法精准、完整的描述客户的行为特征和需求偏好的问题。
本公开实施例的第一方面,提供了一种基于目标对象的画像生成方法,包括:从数据库中获取目标对象的基础信息数据以及历史业务数据,并将基础信息数据以及历史业务数据作为预处理数据;将预处理数据同步至数据仓库工具中,利用数据仓库工具对预处理数据进行数据清洗,并对数据清洗后的预处理数据按照预定要求进行整合,得到第一目标数据;利用预设的数据集对第一目标数据执行查询操作,以便利用数据集中的调用规则获取第一目标数据中的第二目标数据,并基于第二目标数据以及预先创建的报表配置生成对象报表,将对象报表作为描述目标对象的画像。
本公开实施例的第二方面,提供了一种基于目标对象的画像生成装置,包括:获取模块,被配置为从数据库中获取目标对象的基础信息数据以及历史业务数据,并将基础信息数据以及历史业务数据作为预处理数据;同步模块,被配置为将预处理数据同步至数据仓库工具中,利用数据仓库工具对预处理数据进行数据清洗,并对数据清洗后的预处理数据按照预定要求进行整合,得到第一目标数据;生成模块,被配置为利用预设的数据集对第一目标数据执行查询操作,以便利用数据集中的调用规则获取第一目标数据中的第二目标数据,并基于第二目标数据以及预先创建的报表配置生成对象报表,将对象报表作为描述目标对象的画像。
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:
通过从数据库中获取目标对象的基础信息数据以及历史业务数据,并将基础信息数据以及历史业务数据作为预处理数据;将预处理数据同步至数据仓库工具中,利用数据仓库工具对预处理数据进行数据清洗,并对数据清洗后的预处理数据按照预定要求进行整合,得到第一目标数据;利用预设的数据集对第一目标数据执行查询操作,以便利用数据集中的调用规则获取第一目标数据中的第二目标数据,并基于第二目标数据以及预先创建的报表配置生成对象报表,将对象报表作为描述目标对象的画像。本公开能够快速生成用户画像,降低人工进行数据挖局分析的成本,并且能够精准、完整的描述客户的行为特征和需求偏好,提高决策效率。
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基于目标对象的画像生成方法的流程示意图;
图2是本公开实施例提供的基于Hive数据仓库工具对预处理数据进行ETL数据加工的流程示意图;
图3是本公开实施例提供的在报表平台中进行报表开发的流程示意图;
图4是本公开实施例提供的基于目标对象的画像生成装置的结构示意图;
图5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。
如前文所述,随着互联网技术的发展和普及,平台数据库中积累了大量的业务数据,服务方可以在经过客户同意的情况下搜集大量的业务数据,而这些业务数据也具有很高的潜在价值,服务方迫切需要将这些有价值的数据转换成直观的信息,以便更好地了解客户的习惯与偏好,从而帮助企业调整策略以及为潜在客户制定个性化的服务。
在能源数据平台领域中,进入物联网和大数据时代后,人们对能源数据更加关注。移动互联网时代,产品团队在设计产品时常常需要企业思维,可是每一个企业都有自己的特点,这种特点有时不能被准确抓住,可能会导致本以为是站在企业的角度思考的,但是最后企业并不买账。因此用大数据来分析企业思维尤为重要。每个企业都有不同特征,产品设计人员需要能够实时获取客户的信息和行为轨迹,包括客户的基本特征、联系方式、地域分布,联系渠道偏好等等。
人工智能技术、大数据算法让人们的行为、喜好变的有迹可循,梦寐以求的精准营销成为现实。当然在实现精准营销的同时,就不得不提“企业画像”这个词语,它正是精准营销的关键。一直以来大家对企业画像的定义往往从运营角度出发,广义上来讲,“企业画像”指的是从各个渠道收集企业信息,再根据所获信息对企业进行人格化分析,包括企业属性、兴趣爱好、习换偏好、社交属性等等,为每一个企业打上专属标签。需要强调的是,企业画像它不是一个具体的人,它是真实企业的虚拟代表。
另外,互联网和大数据技术的发展,也为精准营销带来了新的契机,在产品进行精准营销时,客户画像(如企业客户的画像)是不可或缺的。基于客户画像可以实现对客户进行标签化管理,精准描述客户的行为特征和需求偏好。这样为客户更好地研究新产品服务、市场营销推广,也为领导层做决策奠定了基础。由于每个企业客户都有不同的特征,产品设计人员如果能够实时获取客户的信息和行为轨迹,包括客户的基本特征、联系方式、地域分布,这将非常有利于企业未来的长期发展。
下面以能源数据平台为例,对传统的业务数据挖掘分析以及客户画像生成的方案及存在的缺点进行详细说明,具体可以包括以下内容:
目前现有技术中的数据挖掘分析主要包括两种实现方式,第一种实现方式是通过人工对客户的业务数据进行挖掘和分析,将原始数据中的重要指标提取出来,再加以分析和处理生成客户报表,然而面对海量的客户及业务数据,传统的数据分析方法已经无法满足实用性要求。另外随着数据挖掘算法的广泛应用,现有技术中还提出了第二种实现方式,即利用数据挖掘算法进行自动化数据挖掘分析,但是现有的数据挖掘分析方法过程繁琐,容易造成信息冗余,无效信息增加,无法帮助服务方精准的定位客户的行为特征和需求偏好,导致分析结果无法反应实际情况,影响服务方的判断。
在现有的产品开发过程中,由于没有数据支持,无法得知企业使用APP、部署APP的情况,那么产品团队在设计产品时不知道产品的实际应用情况,无法根据企业实际需求来设计产品功能,导致设计产品的方案会有误区,这显示是不合理的。另外,现有技术中无法对用能企业(包括工业企业、公建企业等)和合作伙伴进行明确的假设和了解,没有企业相关的数据可以作为参考,也不可以对企业进行有针对性的分析和研究。最后,现有技术中无法得知各个企业的联系渠道偏好,年用电量情况,用能企业和合作伙伴相关数量的占比情况,因此无法抓住企业的个性化需求,给企业贴上合适的标签,并开展针对性的营销推广。
鉴于对上述现有技术问题的考虑,本公开实施例通过将平台数据库中的业务数据同步至数据仓库工具中,并在数据仓库工具中对原始数据进行清洗、转换和加工处理,并对加工后的原始数据进行汇总,之后利用报表平台中的查询引擎,获取用于生成对象报表的数据,并利用查询到的数据进行报表的开发,从而生成能够对客户的画像进行描述的报表,基于对象报表可以进一步分析客户的行为特征和需求偏好。本公开实施例生成的对象报表,可以从多个维度实现对目标企业精准、完整的描述,能够突出企业客户的个性化需求,为企业客户贴上合适的标签,从而为展开针对性的精准营销提供了数据基础,提高了决策效率。
本公开实施例通过从一些维度来进行统计,例如各个省份的用能企业(或合作伙伴)数量占比情况、各个区域的用能企业(或合作伙伴)数量占比情况、各个行业的用能企业(或合作伙伴)数量占比情况、企业成立时间段的占比情况、企业注册资本范围的占比情况、各个企业类型的企业数量占比情况、各个企业联系人级别的用能企业数量占比情况、各个企业联系人级别(包括中层管理者、公司高层、员工)的联系渠道偏好情况、近30天使用APP的情况,部署APP的情况等等内容,然后产品团队和开发团队进行有针对性的进行记录和跟踪,这样可以得到企业更加精准、完整的描述特征,精准企业画像,进而为公司创值。
图1是本公开实施例提供的基于目标对象的画像生成方法的流程示意图。图1的基于目标对象的画像生成方法可以由服务器执行。如图1所示,该基于目标对象的画像生成方法具体可以包括:
S101,从数据库中获取目标对象的基础信息数据以及历史业务数据,并将基础信息数据以及历史业务数据作为预处理数据;
S102,将预处理数据同步至数据仓库工具中,利用数据仓库工具对预处理数据进行数据清洗,并对数据清洗后的预处理数据按照预定要求进行整合,得到第一目标数据;
S103,利用预设的数据集对第一目标数据执行查询操作,以便利用数据集中的调用规则获取第一目标数据中的第二目标数据,并基于第二目标数据以及预先创建的报表配置生成对象报表,将对象报表作为描述目标对象的画像。
具体地,本公开实施例的数据库可以是MySQL数据库,MySQL是一个关系型数据库管理系统,属于Oracle旗下产品。在WEB应用方面,MySQL是最好的RDBMS(RelationalDatabase Management System,关系数据库管理系统)应用软件之一,关系数据库将数据保存在不同的表中,这样就增加了速度并提高了灵活性。MySQL所使用的SQL语言是用于访问数据库的最常用标准化语言。
进一步地,数据仓库(Data Warehouse,DW)是对原有分散的数据库数据进行抽取、清洗的基础上经过系统加工、汇总和整理得到的。数据仓库建设的目的,是为前端查询和分析作为基础,提供功能分析、决策支持。本公开实施例采用的是Hive数据仓库工具,Hive数据仓库主要用来处理结构化数据,Hive数据仓库一般来说分为4个层级,即ODS层、DWD层、DWS层和ADS层,每个层级用来存储不同类型的表。
进一步地,报表平台可以采用泛能报表平台,在以下实施例中也可用泛能报表平台来取代本公开实施例中的报表平台。在泛能报表平台中portal是报表的全部内容,portal包括多个dashboard,在泛能报表平台中,dashboard是报表的仪表板内容,包括多个widget,在泛能报表平台中,widget是报表的图表内容。在本公开实施例中,泛能报表平台中的查询操作,使用的是Presto查询引擎,Presto用于查询Hive数据仓库工具中的数据。
根据本公开实施例提供的技术方案,通过从数据库中获取目标对象的基础信息数据以及历史业务数据,并将基础信息数据以及历史业务数据作为预处理数据;将预处理数据同步至数据仓库工具中,利用数据仓库工具对预处理数据进行数据清洗,并对数据清洗后的预处理数据按照预定要求进行整合,得到第一目标数据;利用预设的数据集对第一目标数据执行查询操作,以便利用数据集中的调用规则获取第一目标数据中的第二目标数据,并基于第二目标数据以及预先创建的报表配置生成对象报表,将对象报表作为描述目标对象的画像。本公开能够快速生成客户画像,降低人工进行数据挖局分析的成本,并且能够精准、完整的描述客户的行为特征和需求偏好,提高决策效率。
在一些实施例中,从数据库中获取目标对象的基础信息数据以及历史业务数据,并将基础信息数据以及历史业务数据作为预处理数据,包括:获取存储于数据库中的目标对象的基础信息数据以及历史业务数据,并将基础信息数据以及历史业务数据作为同步至数据仓库工具中的预处理数据;其中,数据库采用关系型数据库,基础信息数据中包含目标对象的属性信息,历史业务数据为目标对象在业务运行过程中产生的业务数据。
具体地,本公开实施例的目标对象可以是指企业客户对象,比如用能企业、公建企业等,系统平台的MySQL数据库里存储了许多业务方的数据,包括数字化交付平台、UAC、能源地图等业务方的数据,利用调度平台将这些业务方数据同步至数据仓库(Hive)后,将数据存储并进行ETL数据加工。因此,本公开实施例开发对象报表的第一步是获取预处理数据,即获取目标对象的基础信息数据和历史业务数据。
进一步地,以能源平台中的企业客户为例,客户的基础信息数据可以是企业类型、企业名称、企业所在省份名称、省份编码、管理人员信息、使用产品名称等。客户的历史业务数据是指,客户在使用能源平台的过程中产生的一些业务流数据,比如使用APP的用户ID、登录时间、用户操作、选择的部署方式等。需要说明的是,本公开实施例不限于能源平台中的企业客户的画像生成场景,非能源平台领域中的个人用户或者企业用户等同样适用于本公开技术方案,以上实施例不构成对本申请应用场景的限定。
在一些实施例中,将预处理数据同步至数据仓库工具中,包括:利用预设的数据调度平台将预处理数据从数据库同步至数据仓库工具中,并将预处理数据存储至数据仓库工具的原始数据层中,以便将结构化的预处理数据映射为原始数据层中的数据库表,其中,数据仓库工具采用Hive数据仓库工具。
具体地,可以利用ETL技术将预处理数据从MySQL数据库同步到Hive数据仓库工具中去,并在同步的过程中,利用ETL技术对预处理数据进行加工和处理,得到目标数据。ETL是指将数据从来源端(如业务系统、日志、物联数据等)经过抽取、清洗、转换、加载至目的端(通常为数据仓库)的过程。ETL相当于一个桥梁,把数据从MySQL数据库转移到数据仓库里面。在实际应用中,不同系统采用的数据库、数据仓库工具或者编程类型可以是不一样的。
进一步地,Hive是基于Hadoop的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供类SQL查询功能。Hive中采用的UDF函数是Hive自定义的函数,Hive自带的函数并不能完全满足业务需求,这时就需要使用自定义函数,通过自定义函数可以实现用不同的处理逻辑来处理不用的需求。
进一步地,本公开实施例的将MySQL数据库中的预处理数据直接同步到Hive数据仓库工具中的ODS层。Hive的ODS(Operation Data Store)是指原始数据层,用于存放原始数据,可以直接从MySQL数据库中加载原始日志、数据,数据保持原貌不做处理。换言之,ODS层可以直接获取数据库中的原始数据,可以将结构化的原始数据的表名进行修改,也可以不做任何处理。
在一些实施例中,利用数据仓库工具对预处理数据进行数据清洗,并对数据清洗后的预处理数据按照预定要求进行整合,得到第一目标数据,包括:在将预处理数据同步至数据仓库工具的过程中,对原始数据层中的预处理数据对应的数据库表执行数据清洗操作,并对数据库表进行脱敏处理,将经过数据清洗以及脱敏处理后的数据库表,按照预定要求进行汇总,以便将数据库表整合为第一目标数据。
具体地,在将预处理数据从MySQL数据库同步至Hive数据仓库工具中之后,需要对预处理数据进行ETL加工和处理,下面将结合附图以及具体实施例,对Hive数据仓库工具中的预处理数据进行ETL数据加工的过程进行详细说明。图2是本公开实施例提供的基于Hive数据仓库工具对预处理数据进行ETL数据加工的流程示意图。如图2所示,该基于Hive数据仓库工具对预处理数据进行ETL数据加工的具体过程主要包括以下步骤:
S201,利用Hive数据仓库工具中的DWD(Data Warehouse Detail)层对ODS层中的原始数据进行清洗(比如去除空值以及脏数据等),并对原始数据进行脱敏处理;
S202,Hive数据仓库工具中的DWS层(Data Warehouse Service)将按照各个业务主题进行汇总处理;
S203,将汇总后的数据传递至ADS(Application Data Store)层中去,从而为各种统计报表提供数据。
在一些实施例中,利用预设的数据集对第一目标数据执行查询操作,以便利用数据集中的调用规则获取第一目标数据中的第二目标数据,包括:利用预设的报表平台在数据集中添加查询脚本,利用查询脚本以及调用规则对数据仓库工具执行调用操作,以便从数据仓库工具中存储的第一目标数据中获取第二目标数据。
具体地,由于ETL加工后的表格数据存储在HIVE里面,而报表的开发阶段是在泛能报表平台中完成的,也就是说,HIVE用于存储数据,而不负责开发报表,因此需要利用泛能报表平台调用HIVE里面的数据进行报表开发。泛能报表平台的数据集中包含用于数据查询的SQL脚本,泛能报表平台通过Presto查询引擎对Hive数据仓库工具中处理后得到的第一目标数据进行查询,得到用于开发报表的第二目标数据,以便泛能报表平台基于第二目标数据进行报表开发。
需要说明的是,Hive里面存储相关报表的数据,但是这些数据只是一列一列的数据,并没有展示在报表当中,而且报表也不一定用到HIVE表中所有字段中的所有数据;因此,使用报表平台在数据集里面加入一个SQL脚本,就可以查询到所需要的报表数据。
在一些实施例中,基于第二目标数据以及预先创建的报表配置生成对象报表,将对象报表作为描述目标对象的画像,包括:在报表平台中,基于预先确定的报表样式对报表配置进行创建,并利用创建得到的报表配置以及第二目标数据进行报表开发,以便生成目标对象对应的对象报表,其中,对象报表用于作为目标对象的画像,以便基于目标对象的画像对目标对象的特征进行描述。
具体地,在通过Presto查询引擎获取第二目标数据之后,报表平台利用预设的报表配置并基于第二目标数据进行报表开发,得到最终用于描述用户画像的报表,下面将结合附图以及具体实施例,对报表平台中进行报表开发的过程进行详细说明。图3是本公开实施例提供的在报表平台中进行报表开发的流程示意图。如图3所示,该基于报表平台的报表开发过程主要包括以下步骤:
S301,通过Presto查询引擎对Hive数据仓库工具中的数据进行查询,得到第二目标数据;
S302,报表平台基于预设的报表配置以及第二目标数据进行报表开发;
S303,根据报表开发的结果生成符合预设报表样式的格式要求的对象报表;
最后,可以将生成的对象报表最为最后的输出,发送给决策层或者运维管理部门。在实际应用中,报表平台的报表开发与发布,最终开发报表共有31张,其中用能企业有15张报表,合作伙伴有16张报表。
进一步地,下面以用能场景为例,对基于客户的基础信息数据和历史业务数据进行挖掘和处理所生成的对象报表中的内容进行详细说明,具体可以包括以下内容:
用能企业的相关报表及内容如下:
1)用能企业数,内容可以包括:用能企业数,工业企业数,公建企业数,其中用能企业数是工业企业数和公建企业数的总和。
2)用能企业省份分布,内容可以包括:各个省份的用能企业数量。
3)用能企业区域分布,内容可以包括:华中区域、南方区域、华东区域、华北区域的用能企业数量占比情况,其中区域按照省份进行聚合,华中区域包括以下省份:河南、湖南、湖北、四川、重庆、江西;华东区域包括以下省份:上海、浙江、江苏、安徽;南方区域包括以下省份:广东、广西、福建、云南、贵州、海南、华北;除了华中区域、华东区域、南方区域,其他的都是华北区域。
4)行业分布_工业企业行业排行,内容可以包括:各个行业的用能企业数量的排行情况。
5)行业分布_公建行业排行,内容可以包括:在用能企业中,公建企业在各个行业的用能企业数量的排行情况。
6)企业及联系人画像_企业成立时期分布,内容可以包括:用能企业在以下时间范围成立的用能企业数量,其中时间范围可以包括1980年、1990年、2000-2004年、2005-2009年、2010-2014年、2015-2019。
7)企业及联系人画像_注册资本分布,内容可以包括:用能企业的注册资本在以下范围的用能企业数量排行情况,其中注册资本范围可以包括:小于100万元、101-500万元、501-1000万元、1001-3000万元、3000-5000万元、50001万元-1亿、1-2亿元、2亿以上。
8)企业及联系人画像_企业类型分布,内容可以包括:各个企业类型的用能企业数量占比情况,其中企业类型包括个体工商户、有限责任公司(自然人投资或控股的法人独资)等等。
9)企业及联系人画像_企业联系人级别分布,内容可以包括:各个企业联系人级别的用能企业数量占比情况,其中企业联系人级别可以包括公司高层、中层管理者、员工。
10)企业及联系人画像_企业联系人渠道偏好,内容可以包括:各个企业联系人级别包括中层管理者、公司高层、员工)的联系渠道偏好情况,其中偏好可以包括电话、微信、当面交流、app内推送、公众号、其它等等。
11)企业数字化管理偏好_当前泛能产品使用情况,内容可以包括:工业企业、公建企业使用产品的情况,其中单一产品是指用能企业只使用一种产品,多产品是指用能企业使用至少一种产品。
12)企业数字化管理偏好_可接受部署方式,内容可以包括:用能企业通过某种部署方式来部署产品的次数,其中部署方式包括SAAS、本地部署、本地部署&SAAS。
13)企业数字化管理偏好_近30天APP使用天数,内容可以包括:工业企业、公建企业在近30天的各个时间范围内使用APP的用能企业数量,其中近30天使用APP的时间范围包括未使用、1-4天、5-9天、10-19天、20天以上。
14)用能规模省份分布_工业企业用能规模省份分布(用电量单位:万kwh),内容可以包括:工业企业在各个省份的年用电量情况,其中用电量单位:万kwh。
15)用能规模省份分布_公建用能分布(用电量单位:万kwh),内容可以包括:公建企业在各个省份的年用电量情况,其中用电量单位:万kwh。
合作伙伴的相关报表及内容如下:
1)合作伙伴数,内容可以包括:合作伙伴的数量。
2)合作伙伴区域分布,内容可以包括:华中区域、南方区域、华东区域、华北区域的合作伙伴数占比情况,其中区域按照省份进行聚合,华中区域包括以下省份:河南、湖南、湖北、四川、重庆、江西;华东区域包括以下省份:上海、浙江、江苏、安徽;南方区域包括以下省份:广东、广西、福建、云南、贵州、海南、华北;除了华中区域、华东区域、南方区域,其他的都是华北区域。
3)合作伙伴省份分布,内容可以包括:各个省份的合作伙伴数量。
4)合作伙伴行业排行,内容可以包括:各个行业的合作伙伴数量的排行情况。
5)企业及联系人画像_企业成立时期分布,内容可以包括:合作伙伴在以下时间范围成立的合作伙伴数量,其中时间范围可以包括1980年、1990年、2000-2004年、2005-2009年、2010-2014年、2015-2019。
6)企业及联系人画像_企业类型分布,内容可以包括:各个企业类型的合作伙伴数量占比情况,其中企业类型包括个体工商户、有限责任公司自然人投资或控股的法人独资)等等。
7)企业及联系人画像_客户规模分布,内容可以包括:各个终端企业数量范围内的合作伙伴数量的排行情况,其中终端企业数量范围可以包括小于30家、31-50家、51-100家、101-200家、大于200家。
8)企业及联系人画像_注册资本分布,内容可以包括:合作伙伴的注册资本在以下范围的合作伙伴数量排行情况,其中注册资本范围可以包括:小于100万元、101-500万元、501-1000万元、1001-3000万元、3000-5000万元、50001万元-1亿、1-2亿元、2亿以上。
9)企业及联系人画像_企业联系人级别分布,内容可以包括:各个企业联系人级别的合作伙伴数量占比情况,其中企业联系人级别包括公司高层、中层管理者、员工。
10)企业及联系人画像_企业联系人渠道偏好,内容可以包括:各个企业联系人级别包括中层管理者、公司高层、员工)的联系渠道偏好情况,其中偏好可以包括电话、微信、当面交流、app内推送、公众号、其它等等。
11)企业数字化管理偏好_有无使用除泛能产品外的运维信息系统,内容可以包括:是否使用除泛能产品外的运维信息系统的占比情况。
12)企业数字化管理偏好_可接受部署方式,内容可以包括:合作伙伴通过某种部署方式来部署产品的次数,其中部署方式可以包括SAAS、本地部署、本地部署&SAAS。
13)企业数字化管理偏好_当前泛能产品使用情况,内容可以包括:合作伙伴使用产品的占比情况,其中单一产品是指用能企业只使用一种产品,多产品是指用能企业使用至少一种产品。
14)APP使用情况及终端客户物联分析_近30天APP使用天数,内容可以包括:合作伙伴在近30天的各个时间范围内使用APP的用能企业数量,其中近30天使用APP的时间范围可以包括未使用、1-4天、5-9天、10-19天、20天以上。
15)APP使用情况及终端客户物联分析_客户接入范围,内容可以包括:各个客户接入范围的合作伙伴占比情况,其中客户接入范围可以包括但不限于:全部接入、部分接入等。
16)APP使用情况及终端客户物联分析_客户接入深度,内容可以包括:各个客户接入深度的企业接入深度数量,其中客户接入深度可以包括但不限于:公辅设备、工艺设备、电等等。
在一些实施例中,在将对象报表作为描述目标对象的画像之后,方法还包括:基于目标对象的画像为目标对象创建标签,并基于目标对象的画像确定目标对象的偏好,其中,目标对象为个人用户对象或者企业用户对象。
具体地,在获得对象报表之后,不仅可以为用户对象添加标签,以及通过分析对象报表来确定客户对象的偏好之外,工作人员还可以根据报表显示结果情况来分析企业行为特征,并做相应优化;决策层也可以根据报表显示情况进行分析并决策、并分析出各个应用程序的响应能力,再推动运维进行服务治理。
基于前述实施例,以用能场景下的企业用户画像的生成过程为例,可以看出,本公开技术方案的主要目的包括:
通过分析用能企业(包括工业企业和公建企业)和合作伙伴的行为,例如可以得到工业企业、公建企业使用产品的情况、用能企业通过某种部署方式来部署产品的次数、工业企业、公建企业在近30天的各个时间范围内使用APP的用能企业数量、合作伙伴通过某种部署方式来部署产品的次数、合作伙伴使用产品的占比情况、合作伙伴在近30天的各个时间范围内使用APP的用能企业数量,那么本专利可以通过查看企业画像报表,得到企业使用APP、部署APP等实际情况,虽然要投入时间和资源,但细节决定成败,经过认真研究和总结出的产品设计,这样的研究是非常有必要、有价值的事情,这种通过大数据来分析企业思维的方式在互联网时代显得尤为重要。
本公开可以得到用能企业中工业企业和公建企业分别的数量、各个省份的用能企业数量、华中区域、南方区域、华东区域、华北区域的用能企业数量占比情况、各个行业的用能企业数量的排行情况、在用能企业中公建企业在各个行业的用能企业数量的排行情况、合作伙伴的数量、华中区域、南方区域、华东区域、华北区域的合作伙伴数占比情况、各个省份的合作伙伴数量、各个行业的合作伙伴数量的排行情况、合作伙伴在以下时间范围成立的合作伙伴数量、各个企业类型的合作伙伴数量占比情况、各个终端企业数量范围内的合作伙伴数量的排行情况,通过以上信息就可以使服务方对企业进行明确的假设和了解,创建一种用于有意义地谈论企业的通用语言。
本公开可以得到用能企业在以下时间范围成立的用能企业数量、用能企业的注册资本在以下范围的用能企业数量排行情况、各个企业类型的用能企业数量占比情况、各个企业联系人级别的用能企业数量占比情况、各个企业联系人级别(包括中层管理者、公司高层、员工)的联系渠道偏好情况、工业企业在各个省份的年用电量情况,公建企业在各个省份的年用电量情况、合作伙伴的注册资本在以下范围的合作伙伴数量排行情况、各个企业联系人级别的合作伙伴数量占比情况、各个企业联系人级别(包括中层管理者、公司高层、员工)的联系渠道偏好情况、是否使用除泛能产品外的运维信息系统的占比情况、各个客户接入范围的合作伙伴占比情况、各个客户接入深度的企业接入深度数量。通过以上信息不仅可以得到用能企业和合作伙伴相关数量的占比情况,还可以得到企业联系人的联系渠道偏好。这样就可以抓住企业的个性化需求,给企业贴上合适的标签,并开展针对性的营销推广。
根据本公开实施例提供的技术方案,本公开可以实现以企业为中心的设计过程,和原有的设计可以相互融合,是一套端对端的方法和工具,也是一个高识别,内在可用的沟通工具。产品团队能够根据企业的实际需求进行产品设计,数据驱动并经过战略思考和深思熟虑,产品团队就可以使用现有的企业画像来提出新的见解,并在需要时找到正确的方向。本公开可以实现对目标企业的特点非常清晰明了,让企业对象更加聚焦,让企业需求更精准。企业画像报表可以对目标企业进行具体的,集中的描述,企业画像以其它方式无法实现的能力,将有关企业的信息传达给公司的产品团队。本公开可以获取企业的个性化需求,给企业贴上合适的标签,也可以分析企业的行为特征,帮助服务方做出更好的决策,并开展针对性的营销推广,提高决策效率。
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4是本公开实施例提供的基于目标对象的画像生成装置的结构示意图。
如图4所示,该基于目标对象的画像生成装置包括:
获取模块401,被配置为从数据库中获取目标对象的基础信息数据以及历史业务数据,并将基础信息数据以及历史业务数据作为预处理数据;
同步模块402,被配置为将预处理数据同步至数据仓库工具中,利用数据仓库工具对预处理数据进行数据清洗,并对数据清洗后的预处理数据按照预定要求进行整合,得到第一目标数据;
生成模块403,被配置为利用预设的数据集对第一目标数据执行查询操作,以便利用数据集中的调用规则获取第一目标数据中的第二目标数据,并基于第二目标数据以及预先创建的报表配置生成对象报表,将对象报表作为描述目标对象的画像。
在一些实施例中,图4的获取模块401获取存储于数据库中的目标对象的基础信息数据以及历史业务数据,并将基础信息数据以及历史业务数据作为同步至数据仓库工具中的预处理数据;其中,数据库采用关系型数据库,基础信息数据中包含目标对象的属性信息,历史业务数据为目标对象在业务运行过程中产生的业务数据。
在一些实施例中,图4的同步模块402利用预设的数据调度平台将预处理数据从数据库同步至数据仓库工具中,并将预处理数据存储至数据仓库工具的原始数据层中,以便将结构化的预处理数据映射为原始数据层中的数据库表,其中,数据仓库工具采用Hive数据仓库工具。
在一些实施例中,图4的同步模块402在将预处理数据同步至数据仓库工具的过程中,对原始数据层中的预处理数据对应的数据库表执行数据清洗操作,并对数据库表进行脱敏处理,将经过数据清洗以及脱敏处理后的数据库表,按照预定要求进行汇总,以便将数据库表整合为第一目标数据。
在一些实施例中,图4的生成模块403利用预设的报表平台在数据集中添加查询脚本,利用查询脚本以及调用规则对数据仓库工具执行调用操作,以便从数据仓库工具中存储的第一目标数据中获取第二目标数据。
在一些实施例中,图4的生成模块403在报表平台中,基于预先确定的报表样式对报表配置进行创建,并利用创建得到的报表配置以及第二目标数据进行报表开发,以便生成目标对象对应的对象报表,其中,对象报表用于作为目标对象的画像,以便基于目标对象的画像对目标对象的特征进行描述。
在一些实施例中,图4的分析模块404在将对象报表作为描述目标对象的画像之后,基于目标对象的画像为目标对象创建标签,并基于目标对象的画像确定目标对象的偏好,其中,目标对象为个人用户对象或者企业用户对象。
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5是本公开实施例提供的电子设备5的结构示意图。如图5所示,该实施例的电子设备5包括:处理器501、存储器502以及存储在该存储器502中并且可以在处理器501上运行的计算机程序503。处理器501执行计算机程序503时实现上述各个方法实施例中的步骤。或者,处理器501执行计算机程序503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503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502中,并由处理器501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503在电子设备5中的执行过程。
电子设备5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5可以包括但不仅限于处理器501和存储器502。本领域技术人员可以理解,图5仅仅是电子设备5的示例,并不构成对电子设备5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501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502可以是电子设备5的内部存储单元,例如,电子设备5的硬盘或内存。存储器502也可以是电子设备5的外部存储设备,例如,电子设备5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502还可以既包括电子设备5的内部存储单元也包括外部存储设备。存储器502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502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一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 (10)
1.一种基于目标对象的画像生成方法,其特征在于,包括:
从数据库中获取目标对象的基础信息数据以及历史业务数据,并将所述基础信息数据以及历史业务数据作为预处理数据;
将所述预处理数据同步至数据仓库工具中,利用所述数据仓库工具对所述预处理数据进行数据清洗,并对数据清洗后的预处理数据按照预定要求进行整合,得到第一目标数据;
利用预设的数据集对所述第一目标数据执行查询操作,以便利用所述数据集中的调用规则获取所述第一目标数据中的第二目标数据,并基于所述第二目标数据以及预先创建的报表配置生成对象报表,将所述对象报表作为描述所述目标对象的画像。
2.根据权利要求1所述的方法,其特征在于,所述从数据库中获取目标对象的基础信息数据以及历史业务数据,并将所述基础信息数据以及历史业务数据作为预处理数据,包括:
获取存储于所述数据库中的所述目标对象的基础信息数据以及历史业务数据,并将所述基础信息数据以及所述历史业务数据作为同步至所述数据仓库工具中的预处理数据;
其中,所述数据库采用关系型数据库,所述基础信息数据中包含所述目标对象的属性信息,所述历史业务数据为所述目标对象在业务运行过程中产生的业务数据。
3.根据权利要求1所述的方法,其特征在于,所述将所述预处理数据同步至数据仓库工具中,包括:
利用预设的数据调度平台将所述预处理数据从所述数据库同步至所述数据仓库工具中,并将所述预处理数据存储至所述数据仓库工具的原始数据层中,以便将结构化的所述预处理数据映射为所述原始数据层中的数据库表,其中,所述数据仓库工具采用Hive数据仓库工具。
4.根据权利要求3所述的方法,其特征在于,所述利用所述数据仓库工具对所述预处理数据进行数据清洗,并对数据清洗后的预处理数据按照预定要求进行整合,得到第一目标数据,包括:
在将所述预处理数据同步至所述数据仓库工具的过程中,对所述原始数据层中的所述预处理数据对应的所述数据库表执行数据清洗操作,并对所述数据库表进行脱敏处理,将经过所述数据清洗以及所述脱敏处理后的数据库表,按照所述预定要求进行汇总,以便将所述数据库表整合为所述第一目标数据。
5.根据权利要求1所述的方法,其特征在于,所述利用预设的数据集对所述第一目标数据执行查询操作,以便利用所述数据集中的调用规则获取所述第一目标数据中的第二目标数据,包括:
利用预设的报表平台在所述数据集中添加查询脚本,利用所述查询脚本以及所述调用规则对所述数据仓库工具执行调用操作,以便从所述数据仓库工具中存储的所述第一目标数据中获取所述第二目标数据。
6.根据权利要求5所述的方法,其特征在于,所述基于所述第二目标数据以及预先创建的报表配置生成对象报表,将所述对象报表作为描述所述目标对象的画像,包括:
在所述报表平台中,基于预先确定的报表样式对所述报表配置进行创建,并利用创建得到的所述报表配置以及所述第二目标数据进行报表开发,以便生成所述目标对象对应的对象报表,其中,所述对象报表用于作为所述目标对象的画像,以便基于所述目标对象的画像对所述目标对象的特征进行描述。
7.根据权利要求1至6中任一项所述的方法,其特征在于,在将所述对象报表作为描述所述目标对象的画像之后,所述方法还包括:
基于所述目标对象的画像为所述目标对象创建标签,并基于所述目标对象的画像确定所述目标对象的偏好,其中,所述目标对象为个人用户对象或者企业用户对象。
8.一种基于目标对象的画像生成装置,其特征在于,包括:
获取模块,被配置为从数据库中获取目标对象的基础信息数据以及历史业务数据,并将所述基础信息数据以及历史业务数据作为预处理数据;
同步模块,被配置为将所述预处理数据同步至数据仓库工具中,利用所述数据仓库工具对所述预处理数据进行数据清洗,并对数据清洗后的预处理数据按照预定要求进行整合,得到第一目标数据;
生成模块,被配置为利用预设的数据集对所述第一目标数据执行查询操作,以便利用所述数据集中的调用规则获取所述第一目标数据中的第二目标数据,并基于所述第二目标数据以及预先创建的报表配置生成对象报表,将所述对象报表作为描述所述目标对象的画像。
9.一种电子设备,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7中任一项所述的方法。
10.一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7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111541688.0A CN114218291A (zh) | 2021-12-16 | 2021-12-16 | 基于目标对象的画像生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111541688.0A CN114218291A (zh) | 2021-12-16 | 2021-12-16 | 基于目标对象的画像生成方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114218291A true CN114218291A (zh) | 2022-03-22 |
Family
ID=80702987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111541688.0A Pending CN114218291A (zh) | 2021-12-16 | 2021-12-16 | 基于目标对象的画像生成方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114218291A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116776392A (zh) * | 2023-07-26 | 2023-09-19 | 园创品牌管理(北京)有限公司 | 一种提高园区数智化招商的双九维管理方法及系统 |
CN117057683A (zh) * | 2023-10-13 | 2023-11-14 | 四川中电启明星信息技术有限公司 | 基于知识图谱与多源应用数据的员工画像管理系统 |
-
2021
- 2021-12-16 CN CN202111541688.0A patent/CN114218291A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116776392A (zh) * | 2023-07-26 | 2023-09-19 | 园创品牌管理(北京)有限公司 | 一种提高园区数智化招商的双九维管理方法及系统 |
CN116776392B (zh) * | 2023-07-26 | 2024-02-20 | 园创品牌管理(北京)有限公司 | 一种提高园区数智化招商的双九维管理方法及系统 |
CN117057683A (zh) * | 2023-10-13 | 2023-11-14 | 四川中电启明星信息技术有限公司 | 基于知识图谱与多源应用数据的员工画像管理系统 |
CN117057683B (zh) * | 2023-10-13 | 2023-12-22 | 四川中电启明星信息技术有限公司 | 基于知识图谱与多源应用数据的员工画像管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112905685B (zh) | 一种面向信息化建设的架构管控系统及设备 | |
CN104394118A (zh) | 一种用户身份识别方法及系统 | |
CN103473672A (zh) | 企业级数据中心的元数据质量稽核系统、方法及平台 | |
CN114218291A (zh) | 基于目标对象的画像生成方法、装置、设备及存储介质 | |
CN111382956A (zh) | 企业集团关系的挖掘方法和装置 | |
CN112241402A (zh) | 一种空管数据供应链系统及数据治理方法 | |
CN107368521B (zh) | 一种基于大数据和深度学习的知识推介方法及系统 | |
CN102508919A (zh) | 数据处理方法及系统 | |
CN106777106A (zh) | 基于excel的财务报表的数据展示方法 | |
CN112651218A (zh) | 一种标书自动生成方法、管理方法、介质以及计算机 | |
CN104580446A (zh) | 面向OpenStack开源云平台的云服务实时计费与管理系统 | |
CN109255587B (zh) | 一种工作数据的协同处理方法及装置 | |
CN107861933A (zh) | 生成运维报表的方法和装置 | |
CN114218218A (zh) | 基于数据仓库的数据处理方法、装置、设备及存储介质 | |
CN112417274A (zh) | 一种消息推送方法、装置、电子设备及存储介质 | |
Wang et al. | Developing an employee turnover risk evaluation model using case-based reasoning | |
CN111061679A (zh) | 一种基于rete和drools规则的科技创新政策速配的方法和系统 | |
CN110196849B (zh) | 基于大数据治理技术实现用户画像构建处理的系统及其方法 | |
CN114385609A (zh) | 基于标签的政务事件处理系统、方法、设备及存储介质 | |
CN117236624A (zh) | 一种基于动态图的Issue修复者推荐方法与装置 | |
CN114722789B (zh) | 数据报表集成方法、装置、电子设备及存储介质 | |
CN105912723A (zh) | 一种自定义字段的存储方法 | |
CN108205564B (zh) | 知识体系构建方法及系统 | |
CN106843822A (zh) | 一种执行代码生成方法及设备 | |
CN115543428A (zh) | 一种基于策略模板的模拟数据生成方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |