CN114356902A - 工业数据质量管理方法及装置 - Google Patents
工业数据质量管理方法及装置 Download PDFInfo
- Publication number
- CN114356902A CN114356902A CN202111526724.6A CN202111526724A CN114356902A CN 114356902 A CN114356902 A CN 114356902A CN 202111526724 A CN202111526724 A CN 202111526724A CN 114356902 A CN114356902 A CN 114356902A
- Authority
- CN
- China
- Prior art keywords
- data
- cleaning
- module
- verification
- checking
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开属于核电技术领域,具体涉及一种工业数据质量管理方法及装置。本公开所示的一种工业数据质量管理方法,在数据加工阶段进行数据清洗,然后针对不同数据类型表现出来的数据质量问题建立数据质量稽核规则库,对数据结果进行校验,同时进行数据质量监控,对可能产生的问题进行及时预警,以实现数据全生命周期的质量稽核与质量监控,保障数据的完整性、准确性、一致性、及时性。
Description
技术领域
本发明属于核电技术领域,具体涉及一种工业数据质量管理方法及装置。
背景技术
在数据中心项目的建设中,数据来源千变万化,从以往项目实施的经验来看,大部分数据质量问题都存在于数据源接入数据部分。因为接入数据的质量有一定的不可控因素,而且具有一定的不稳定性,使用ETL(Extract-Transform-Load,简写ETL)工具软件进行数据抽取、清洗转换时,发现某些重要数据要么缺失、要么不符合规范,必然导致数据可分析利用率不高。数据接入至数据库后,对于数据仓库内部各分层的数据,还存在因为突发或临时原因影响数据仓库性能,导致处理流程执行时间过长或异常退出,以及由于业务理解偏差等原因导致数据加工逻辑错误,模块间沟通、协作不畅引起的编码表、中间表障碍导致数据不完整、不准确等带来的数据质量问题。
中国核电大核源平台(DHP)平台,作为数字核电的依托平台和神经中枢,集成中国核电海量工业系统与设备的数据,构建可扩展的开放式核电工业互联网平台,同步开展面向各种场景和可复用的核电工业应用开发生态系统,来提高核电厂硬件、服务、数据的使用效率和共享范围,实现中国核电业务与资源的智能管理及运营优化,并驱动一系列面向核电全产业链的创新核电工业应用,保障运行机组的安全、可靠、高效运行。DHP数据平台的数据质量的好坏影响着整个DHP平台,因此,急需提供一种工业数据质量管理方法,实现以对DHP数据全生命周期的质量稽核与质量监控,保障数据的完整性、准确性、一致性、及时性等。
发明内容
为克服相关技术中存在的问题,提供了一种工业数据质量管理方法及装置。
根据本公开实施例的一方面,提供一种工业数据质量管理方法,所述方法包括以下步骤:
S1依照预设规则对采集数据进行数据清洗,获取清洗数据结果;
S2依据数据类型、数据加工环节建立对应的数据稽查规则,并根据所述稽查规则对所述清洗数据结果进行校验;
S3在进行校验的过程中进行数据质量监控,对数据质量监控监测到的问题进行预警。
在一种可能的实现方式中,所述步骤S1包括:
S11判断所述采集数据是否需要清洗,若确定所述采集数据需要清洗则转入步骤S12,若确定所述采集数据不需要清洗,则转入步骤S15;
S12判断所述采集数据是否为严重脏数据,若确定所述采集数据是严重脏数据,则转入步骤S13;若确定所述采集数据不是严重脏数据,则转入步骤S14;
S13过滤去除所述采集数据,并结束本次流程;
S14依据预设规则对所述采集数据进行数据清洗;
S15输出符合要求的数据。
在一种可能的实现方式中,所述预设规则包括:
S141缺失值清洗清洗,用于去除或补全有缺失的数据;
S142格式内容清洗,用于去除或修改格式和内容错误的数据;
S143逻辑错误清洗,用于去除或修改逻辑错误的数据;
S144冗余数据清洗,用于过滤去除冗余数据;
S145关联性验证,用于对于有多个数据来源的信息进行关联性验证。
在一种可能的实现方式中,所述步骤S141包括:
S1411获取每个字段的缺失值比例及字段重要性;
S1412依据缺失比例和字段重要性对各个字段进行填充。
在一种可能的实现方式中,步骤S2还包括:
获取清洗的数据,依据数据类型、数据加工环节建立对应的数据稽查规则,并根据所述稽查规则对数据结果进行校验;若校验通过,则判断数据质量无问题,结束流程;
若校验失败,则转入步骤S3。
根据本公开实施例的另一方面,提供一种工业数据质量管理装置,所述装置包括:
清洗模块,用于依照预设规则对采集数据进行数据清洗,获取清洗数据结果;
校验模块,用于依据数据类型、数据加工环节建立对应的数据稽查规则,并根据所述稽查规则对所述清洗数据结果进行校验;
预警模块,用于在进行校验的过程中进行数据质量监控,对数据质量监控监测到的问题进行预警。
在一种可能的实现方式中,所述清洗模块包括:
第一判断模块,用于判断所述采集数据是否需要清洗,若确定所述采集数据需要清洗则转入第二判断模块,若确定所述采集数据不需要清洗,则转入输出模块;
第二判断模块,用于判断所述采集数据是否为严重脏数据,若确定所述采集数据是严重脏数据,则转入过滤模块;若确定所述采集数据不是严重脏数据,则转入处理模块;
过滤模块,用于过滤去除所述采集数据,并结束本次流程;
处理模块,用于依据预设规则对所述采集数据进行数据清洗;
输出模块,用于输出符合要求的数据。
在一种可能的实现方式中,所述预设规则包括:
缺失值清洗,用于去除或补全有缺失的数据;
格式内容清洗,用于去除或修改格式和内容错误的数据;
逻辑错误清洗,用于去除或修改逻辑错误的数据;
冗余数据清洗,用于过滤去除冗余数据;
关联性验证,用于对于有多个数据来源的信息进行关联性验证。
在一种可能的实现方式中,所述缺失值清洗包括:
获取每个字段的缺失值比例及字段重要性;
依据缺失比例和字段重要性对各个字段进行填充。
在一种可能的实现方式中,所述校验模块还包括:
获取模块,用于获取清洗的数据,依据数据类型、数据加工环节建立对应的数据稽查规则,并根据所述稽查规则对数据结果进行校验;
结束模块,用于在校验通过的情况下,判断数据质量无问题,结束流程;
转入模块,用于在校验失败的情况下,转入预警模块。
根据本公开实施例的另一方面,提供一种工业数据质量管理装置,所述装置包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行上述的方法。
根据本公开实施例的另一方面,提供一种非易失性计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
本公开的有益效果在于:本公开所示的一种工业数据质量管理方法,在数据加工阶段进行数据清洗,然后针对不同数据类型表现出来的数据质量问题建立数据质量稽核规则库,对数据结果进行校验,同时进行数据质量监控,对可能产生的问题进行及时预警,以实现数据全生命周期的质量稽核与质量监控,保障数据的完整性、准确性、一致性、及时性。
附图说明
图1是根据一示例性实施例示出的一种工业数据质量管理方法的流程图。
图2是根据一示例性实施例示出的一种工业数据质量管理装置的框图。
图3是根据一示例性实施例示出的一种工业数据质量管理装置的框图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
图1是根据一示例性实施例示出的一种工业数据质量管理方法的流程图。该方法可以由终端设备执行,例如,终端设备可以为服务器、台式电脑等,本公开对终端设备的类型不做限定,如图1所示,该方法可以包括以下步骤:
S1依照预设规则对采集数据进行数据清洗,获取清洗数据结果;
S2依据数据类型、数据加工环节建立对应的数据稽查规则,并根据所述稽查规则对所述清洗数据结果进行校验;
S3在进行校验的过程中进行数据质量监控,对数据质量监控监测到的问题进行预警。
本公开所示的一种工业数据质量管理方法,在数据加工阶段进行数据清洗,然后针对不同数据类型表现出来的数据质量问题建立数据质量稽核规则库,对数据结果进行校验,同时进行数据质量监控,对可能产生的问题进行及时预警,以实现数据全生命周期的质量稽核与质量监控,保障数据的完整性、准确性、一致性、及时性等。
在本公开中,数据清洗可以表示为在数据加工过程中设置相关的处理脚本、规则来将数据转换为符合要求的数据,通过数据清洗来解决发现的数据质量问题。
在一种可能的实现方式中,所述步骤S1包括:
S11判断所述采集数据是否需要清洗,若确定所述采集数据需要清洗则转入步骤S12,若确定所述采集数据不需要清洗,则转入步骤S15;
为了保障数据质量,当采集的数据不符合完整性、准确性、一致性的要求时,就判断需要进行清洗,如出现数据缺失、数据重复,或存在非法代码、非法值,不在值域范围内的数值等情况。
S12判断所述采集数据是否为严重脏数据,若确定所述采集数据是严重脏数据,则转入步骤S13;若确定所述采集数据不是严重脏数据,则转入步骤S14;
本实施例中,“严重脏数据”的标准根据业务对数据质量的要求预先确定,如:完整性方面,抽取的数据和源系统数据条数只要不一致,就判断为严重脏数据;或对某个字段定义空值率达到10%或者30%以上就判断为严重脏数据。即:根据业务对数据质量的容错程度来判断脏数据。
S13过滤去除所述采集数据,并结束本次流程;
S14依据预设规则对所述采集数据进行数据清洗;
S15输出符合要求的数据。
本实施例中,预设规则为缺失值清洗、格式内容清洗、逻辑错误清洗、冗余数据清洗、关联性验证中的一种或多种组合。用不同的预设规定清洗的数据,对后续数据分析挖掘和应用工作会产生不同的影响。
在一种可能的实现方式中,所述预设规则包括:
S141缺失值清洗,用于去除或补全有缺失的数据;
S142格式内容清洗,用于去除或修改格式和内容错误的数据;
S143逻辑错误清洗,用于去除或修改逻辑错误的数据;
S144冗余数据清洗,用于过滤去除冗余数据;
S145关联性验证,用于对于有多个数据来源的信息进行关联性验证。例如员工表中存在年龄,员工薪资表中存在工龄,可验证年龄>工龄。
在一种可能的实现方式中,所述步骤S141包括:
S1411获取每个字段的缺失值比例及字段重要性;
S1412依据缺失比例和字段重要性对各个字段进行填充。
步骤S1411中,对每个字段都计算其缺失值比例,然后按照缺失比例和字段重要性,分别制定策略:其中,可依据如下方法计算缺失值比例:
(a)统计采集数据的全部数据量;
(b)过滤校验字段为空的数据,并统计校验字段为空的数据量:
(c)计算缺失值比例:校验字段为空的数据量/全部数据量:
步骤S1412中,若判断所述字段为重要性高且缺失率高字段,则业务渠道取数补全,或者使用其他字段计算获取;
若判断所述字段为重要性高,缺失率低的字段,则可以通过计算填充。
若判断所述字段为重要性低,缺失率高字段,则可以去掉该字段;
若判断所述字段为重要性低,缺失率低的字段,则不做处理或者简单填充。
若判断所述字段为无意义字段,则删除无意义字段。
同时,步骤S1412中可依据以下几种方法对其中一些缺失值进行填充:以业务知识或经验推测填充缺失值,例如员工饭补津贴可根据实际业务知识填充;以不同指标的计算结果填充缺失值,例如可根据身份证号码补充年龄指标。
步骤S142格式内容清洗可以包括:在内容存在时间、日期、数值、全半角等显示格式不一致时,将显示格式不一致字符进行修改,使得字符显示格式一致,在内容中存在的非法字符时,修正或删除非法字符,以及在内容存在与该字段应有内容不符时,修正或删除内容不符的字符。
S143逻辑错误清洗包括去重处理、去除不合理值以及矛盾内容修正中的一种或多种组合。
其中,去重处理用于根据特定规则判断去除重复数据。例如员工表中几条数据除了ID外完全一致。本实施例中,DHP数据平台中可以通过sql脚本实现去重。去除不合理值用于去除填写明显不符合实际的值,例如年龄>200或者工资>100000W,本实施例中,DHP数据平台中也可以通过sql脚本实现去除不合理值:修正矛盾内容用于根据字段的数据来源,来判定哪个字段提供的信息更为可靠,去除或重构不可靠的字段。有些字段是可以互相验证的,例如:身份证号是1101031980XXXXXXXX,然后年龄填18岁,此时需要根据字段的数据来源,来判定哪个字段提供的信息更为可靠,去除或重构不可靠的字段。
此外,数据的清洗过程可能不止一次,而是反复多次,根据数据质量情况而定,若清洗后的数据质量满足业务的使用需求,则无需再次清洗,若清洗后的数据质量不符合业务的使用需求,就需要再次清洗。
S2获取清洗的数据,依据数据类型、数据加工环节建立对应的数据稽查规则,并根据所述稽查规则对数据结果进行校验;若校验通过,则判断数据质量无问题,结束流程;若校验失败,则转入步骤S3。
数据稽核是根据预先设定的稽核规则进行周期性的检查,获得的稽核差异结果可以显示所采集和加工的数据质量情况,通过数据稽核发现数据质量问题。
作为一优选方案,本实施例中,数据质量管理方法为空值校验、重复校验、格式校验、参照性校验、波动性校验、逻辑校验、关系校验、一致性校验、值域校验、记录数校验、用户自定义校验中一种或多种的组合。
1.空值校验用于针对某一列或者多稽核列数据进行是否含有空值的校验,
应用场景:应用于检查单个字段或者多个字段空值。
举例:如在工商登记信息表中,统一社会信用代码不能为空,则基于空值校验判断采集数据中该字段的数据是否为空,若为空判断校验不通过,若不为空判断校验通过。
2.重复校验用于检查单列或多列组合是否存在重复记录。
应用场景:计算指定稽核列中的数据重复比例,而后进行校验。
举例:如在人口登记信息表中,每个人的身份证件号码都是唯一的,就需要用到这条稽核规则。
3.格式校验用于对某一列数据的格式进行校验,本发明所示的实施例中,可提供日期(YYYYMM、YYYYMMDD、YYYYMMDDHH24MISS),手机号码格式(系统),固话格式,身份证校验(简单校验),身份证国标校验(特殊),IMEI格式,EMAIL格式,IMSI格式(联通、移动、电信)等默认校验表达式,也可自定义校验表达式。
应用场景:计算指定稽核列中不符合的数据格式的比例,而后进行校验。
举例:在工商登记信息表中,会有联系人方式,手机号码统一为11位,日期格式也有不同的记录方式:年/月/日或年/月,但在一个表中的某一个时间字段一定是一样的时间格式,此时需要用到这条稽核规则。
4.参照性校验:将稽核数据与参照数据比较校验。本实施例中,参照性校验分单向校验和双向校验两种子校验。
4.1单向校验:稽核数据全部包含于参照数据中。
应用场景:计算指定稽核列中不符合参照列内数据的比例,而后进行校验。单向校验分为参照表校验还是字符常量参照校验。
举例:在人口登记信息表中,稽核数据是人口登记数据,参照数据是性别码表,性别为:男性01、女性02,需要参照码表来进行参照性校验,即人口登记数据的性别为01或02,若出现03,即为错误数据。
4.2双向校验:对两个表进行全外连接(full outer join),查看稽核列、参照列是否有空值数据,有,则提示错误,没有,则表示正确。应用场景:计算指定稽核列和参照表中参照列不重复的数据是否相等。这里不需要告警和错误比例,结果只有TRUE/FALSE。没有告警和错误设置,要求出现一条未关联上的就是错误。
举例:在人口登记信息表中,稽核数据是人口登记数据,参照数据是性别码表,性别为:男性01、女性02,要求人口登记数据的性别既有男又有女,若性别中只有01或只有02是错误的。
5.波动性校验:将某段时间与之前业务周期某段时间的数据比较校验,判断数据值的波动趋势是否在一定范围内。本实施例中,波动校验分同比校验、环比校验和占比校验三种子校验。
5.1同比校验:与历史同一时期数据或记录数的校验,例如:2018年12月和2017年的12月相比。同比校验的稽核方式分为:稽核列、稽核列表达式、记录数。稽核列:按照单列的方式进行稽核。稽核表达式:按照多列运算组合的方式进行稽核。记录数:按照count
结果的方式进行统计总条数。
应用场景:和上一年度的数据进行比较,计算本期和上期数据改变比例,而后进行波动范围校验。
举例:(2018年一季度的GDP的值-2017年一季度的GDP的值)/2017年一季度的GDP的值,计算得到的即为GDP的同比增长率,也可以更换周期,计算方式相同,计算出的值会在一个合理的范围内波动,超出这个范围即为问题数据。
5.2环比校验:与上一统计段时期数据或记录数的校验,例如:本月和上一个月相比。环比校验的稽核方式分为:稽核列、稽核列表达式、记录数。应用场景:和上一周期数据进行比较,计算本期和上期数据改变比例,而后进行波动范围校验。
举例:(2019年5月的GDP值-2019年4月的GDP值)/2019年的GDP值,即为环比,也就是说环比只可于上个同一统计时期做比较,
上面公式计算出的值会在一定的范围内波动,超出即为问题数据。
c)占比校验:在某个维度下的稽核列或稽核表达式数据占稽核列或稽核表达式数据的比值校验。(通过维度列关联查询稽核列的总值/稽核列的总值)所占的比率。占比校验的稽核方式分为:稽核列、稽核列表达式。
6.逻辑校验:对表内的某一列数据或某几列数据的表达式与其他某一列或某几列数据的表达式比较,检查数据逻辑是否正确。
a)单行校验:针对指定的单个维度列进行稽核。应用场景:逻辑表达式基于用户入网时间的逻辑校验的。
举例:事件上报的办理时限与实际办事结束时间的逻辑关系,要求办事结束时间<=办理时限。
b)维度汇总统计:对满足维度和条件表达式的结果汇总是否存在的校验。
c)维度统计记录数:返回满足维度和条件表达式的计算结果。
示例:计算当3G/4G流量费用(大于等于小于)某一指标时,用户账单总费用的值。
7.关系校验:对满足维度和条件表达式的结果汇总。与维度汇总统计类似,无需写结果表达式,可直接按照条件表达式统计条数数值。
示例:计算当3G/4G流量费用(大于等于小于)某一指标时的记录条数。
8.一致性校验:用于对表或表间的数据是否一致的校验,包括单表单行校验、单表汇总校验、双表汇总校验、双表维度汇总校验、双表单行校验中一种或多种的组合;
8.1单表单行:对单个表中稽核列表达式数据与参照列表达式数据是否一致的校验。
应用场景:对一个表内一行数据的两个表达式的值进行比较,是否相等。计算不相等的数量和稽核总行数的比例,而后进行告警校验。
举例:产品表的单价销量应该等于销售额,可以设置稽核表达式为单价销量,参照表达式为销售额,检查结果为不符合条件的错误数据。
8.2单表汇总:对单个表中稽核列表达式数据和与参照列表达式数据和是否一致的校验。
应用场景:对一个表内两个表达式各自的计算结果值进行汇总,而后对这两个值进行比较。结果只有TRUE/FALSE。
举例:产品表的单价销量应该等于销售额,所有产品的单价*销量之和等于总销售额,检查结果为不符合条件的错误数据。
8.3双表汇总:对一个表中的稽核列表达式和与另一个表的参照列表达式和是否一致的校验。
8.4双表维度汇总:在设定的维度下,对一个表中的稽核表达式和与另一个表的参照表达式和是否一致的校验。
8.5双表单行:对两个表中同时满足稽核行标识号和参照行标识号的稽核列数据和参照列数据每行的一致性校验。
举例:参照表为产品表,含产品单价,检查销售表(含产品单价)中产品单价是否与产品表的产品单价一致,错误数据为不一致数据。
9.值域校验用于检查关键字段的取值范围(支持数值型、字符型、日期型字段检查),最大值与最小值的比较。根据计算不同分为范围和最值两种。
a)范围:检验表达式的值是否满足预设的范围。
举例:GDP增长率需要在一个合适的范围内,超过此范围即为错误数据。
b)最值:求极值的类型,分为最大值、最小值和最值差,最大值是求表达式中最大值,最小值是计算最小值,最值差=最大值-最小值。
举例:GDP的增长率不能超过16%,若超过即为问题数据。
10.记录数校验,用于记录数校验是验证当前稽核表中满足过滤条件的记录数范围是否满足预先设定规则的校验。
11.自定义校验:对于特殊类型的校验,系统已有规则不能满足的,提供用户自由定义稽核规则使用。填写自定义规则主要是按照一定格式填写存储过程或SQL。
本实施例中,稽核规则使用ETL工具调度。
更进一步的,本发明所示的一种工业数据质量管理方法,为了确保稽查规则的自动化执行有效执行,本实施例中,根据需要设计稽查规则调度流程,工作流程调度方式包括以下几种:
定时侦测调度稽核任务、前置条件触发调度稽核任务以及手动触发调度稽核任务。
其中手动触发,是根据需要一次性的调度,如重复校验,当处理完一批数据后执行一次。
前置条件触发:前置的事件或操作执行完成后触发稽核任务,如空值校验,当某个字段数据抽取完成后,触发后续空值校验的稽核任务。
定时调度:设定固定时间,如每天凌晨4点定时执行稽核任务。
同时,本发明所示的一种数量质量管理方法在执行上述步骤S1和S2的同时,还包括同步进行数据质量监控即步骤S3,以对步骤S1和S2可能产生的问题进行及时预警。
作为一优选方案,本实施例中,步骤S3中,监控数据处理任务执行的情况主要包括以下几种;
a)监控数据装载和数据分发到数据缓存的采集流程和结果状态;
本实施例中,通用的大数据技术,任务通过底层yarn技术进行调度执行,若执行失败则提示错误信息;
b)监控业务数据源是否按要求及时准备数据;
本实施例中,当到达和业务约定时间更新和准备时间时,若判断这个时间段没有采集到数据,则表示数据没有准备好,若判断未按照要求及时准备数据,则需要对外通知。
c)提供的数据是否符合约定。
本实施例中,依据业务对数据的质量要求判断提供的数据是否符合约定,若数据质量不符合要求,则转入步骤S1,进行数据清洗。
此外,本发明所示的一种工业数据质量管理方法,当判断数据质量有问题后,转入步骤S4首先进行问题的分析与定位工作,并依据不同问题不同采取对应的应对措施。当发生严重、致命问题时,本发明所示的一种工业数据质量管理方法根据预定义的处理方案,通知相关模块/系统关闭数据处理流程,冻结问题数据,避免问题影响的不断扩大。作为一优选方案,本实施例中,当判断本次问题为重要或严重级别的问题时,可根据需要先采取数据处理流程挂起和问题隔离措施,将问题的影响范围控制在较小的区间内,防止问题扩大,便于问题的解决。当判断对于大数据处理环节造成的数据质量问题,在数据加工时进行数据清洗,启动相应的数据质量维护流程,解决相应的数据质量问题。
在一种可能的实现方式中,提供一种工业数据质量管理装置,所述装置包括:
清洗模块,用于依照预设规则对采集数据进行数据清洗,获取清洗数据结果;
校验模块,用于依据数据类型、数据加工环节建立对应的数据稽查规则,并根据所述稽查规则对所述清洗数据结果进行校验;
预警模块,用于在进行校验的过程中进行数据质量监控,对数据质量监控监测到的问题进行预警。
在一种可能的实现方式中,所述清洗模块包括:
第一判断模块,用于判断所述采集数据是否需要清洗,若确定所述采集数据需要清洗则转入第二判断模块,若确定所述采集数据不需要清洗,则转入输出模块;
第二判断模块,用于判断所述采集数据是否为严重脏数据,若确定所述采集数据是严重脏数据,则转入过滤模块;若确定所述采集数据不是严重脏数据,则转入处理模块;
过滤模块,用于过滤去除所述采集数据,并结束本次流程;
处理模块,用于依据预设规则对所述采集数据进行数据清洗;
输出模块,用于输出符合要求的数据。
在一种可能的实现方式中,所述预设规则包括:
缺失值清洗,用于去除或补全有缺失的数据;
格式内容清洗,用于去除或修改格式和内容错误的数据;
逻辑错误清洗,用于去除或修改逻辑错误的数据;
冗余数据清洗,用于过滤去除冗余数据;
关联性验证,用于对于有多个数据来源的信息进行关联性验证。
在一种可能的实现方式中,所述缺失值清洗包括:
获取每个字段的缺失值比例及字段重要性;
依据缺失比例和字段重要性对各个字段进行填充。
在一种可能的实现方式中,所述校验模块还包括:
获取模块,用于获取清洗的数据,依据数据类型、数据加工环节建立对应的数据稽查规则,并根据所述稽查规则对数据结果进行校验;
结束模块,用于在校验通过的情况下,判断数据质量无问题,结束流程;
转入模块,用于在校验失败的情况下,转入预警模块。
针对上述装置的说明已经在针对上述方法的说明中进行详细阐述,在此不再赘述。
图2是根据一示例性实施例示出的一种工业数据质量管理装置的框图。例如,装置800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图2,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的装置的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或装置的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到装置800的打开/关闭状态,组件的相对定位,例如组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由装置800的处理器820执行以完成上述方法。
图3是根据一示例性实施例示出的一种工业数据质量管理装置的框图。例如,装置1900可以被提供为一服务器。参照图3,装置1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理,一个有线或无线网络接口1950被配置为将装置1900连接到网络,和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,MacOS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (12)
1.一种工业数据质量管理方法,其特征在于,所述方法包括以下步骤:
S1依照预设规则对采集数据进行数据清洗,获取清洗数据结果;
S2依据数据类型、数据加工环节建立对应的数据稽查规则,并根据所述稽查规则对所述清洗数据结果进行校验;
S3在进行校验的过程中进行数据质量监控,对数据质量监控监测到的问题进行预警。
2.根据权利要求1所述的方法,其特征在于,所述步骤S1包括:
S11判断所述采集数据是否需要清洗,若确定所述采集数据需要清洗则转入步骤S12,若确定所述采集数据不需要清洗,则转入步骤S15;
S12判断所述采集数据是否为严重脏数据,若确定所述采集数据是严重脏数据,则转入步骤S13;若确定所述采集数据不是严重脏数据,则转入步骤S14;
S13过滤去除所述采集数据,并结束本次流程;
S14依据预设规则对所述采集数据进行数据清洗;
S15输出符合要求的数据。
3.根据权利要求2所述的方法,其特征在于,所述预设规则包括:
S141缺失值清洗清洗,用于去除或补全有缺失的数据;
S142格式内容清洗,用于去除或修改格式和内容错误的数据;
S143逻辑错误清洗,用于去除或修改逻辑错误的数据;
S144冗余数据清洗,用于过滤去除冗余数据;
S145关联性验证,用于对于有多个数据来源的信息进行关联性验证。
4.根据权利要求3所述的方法,其特征在于,所述步骤S141包括:
S1411获取每个字段的缺失值比例及字段重要性;
S1412依据缺失比例和字段重要性对各个字段进行填充。
5.根据权利要求1所述的方法,其特征在于,步骤S2还包括:
获取清洗的数据,依据数据类型、数据加工环节建立对应的数据稽查规则,并根据所述稽查规则对数据结果进行校验;若校验通过,则判断数据质量无问题,结束流程;
若校验失败,则转入步骤S3。
6.一种工业数据质量管理装置,其特征在于,所述装置包括:
清洗模块,用于依照预设规则对采集数据进行数据清洗,获取清洗数据结果;
校验模块,用于依据数据类型、数据加工环节建立对应的数据稽查规则,并根据所述稽查规则对所述清洗数据结果进行校验;
预警模块,用于在进行校验的过程中进行数据质量监控,对数据质量监控监测到的问题进行预警。
7.根据权利要求6所述的装置,其特征在于,所述清洗模块包括:
第一判断模块,用于判断所述采集数据是否需要清洗,若确定所述采集数据需要清洗则转入第二判断模块,若确定所述采集数据不需要清洗,则转入输出模块;
第二判断模块,用于判断所述采集数据是否为严重脏数据,若确定所述采集数据是严重脏数据,则转入过滤模块;若确定所述采集数据不是严重脏数据,则转入处理模块;
过滤模块,用于过滤去除所述采集数据,并结束本次流程;
处理模块,用于依据预设规则对所述采集数据进行数据清洗;
输出模块,用于输出符合要求的数据。
8.根据权利要求7所述的装置,其特征在于,所述预设规则包括:
缺失值清洗,用于去除或补全有缺失的数据;
格式内容清洗,用于去除或修改格式和内容错误的数据;
逻辑错误清洗,用于去除或修改逻辑错误的数据;
冗余数据清洗,用于过滤去除冗余数据;
关联性验证,用于对于有多个数据来源的信息进行关联性验证。
9.根据权利要求8所述的装置,其特征在于,所述缺失值清洗包括:
获取每个字段的缺失值比例及字段重要性;
依据缺失比例和字段重要性对各个字段进行填充。
10.根据权利要求6所述的装置,其特征在于,所述校验模块还包括:
获取模块,用于获取清洗的数据,依据数据类型、数据加工环节建立对应的数据稽查规则,并根据所述稽查规则对数据结果进行校验;
结束模块,用于在校验通过的情况下,判断数据质量无问题,结束流程;
转入模块,用于在校验失败的情况下,转入预警模块。
11.一种工业数据质量管理装置,其特征在于,所述装置包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行权利要求1至5中任意一项所述的方法。
12.一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至5中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111526724.6A CN114356902A (zh) | 2021-12-14 | 2021-12-14 | 工业数据质量管理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111526724.6A CN114356902A (zh) | 2021-12-14 | 2021-12-14 | 工业数据质量管理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114356902A true CN114356902A (zh) | 2022-04-15 |
Family
ID=81100001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111526724.6A Pending CN114356902A (zh) | 2021-12-14 | 2021-12-14 | 工业数据质量管理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114356902A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115265707A (zh) * | 2022-05-20 | 2022-11-01 | 中核武汉核电运行技术股份有限公司 | 一种核电大修水位图构建方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140100910A1 (en) * | 2012-10-08 | 2014-04-10 | Sap Ag | System and Method for Audits with Automated Data Analysis |
WO2019157946A1 (zh) * | 2018-02-13 | 2019-08-22 | 阿里巴巴集团控股有限公司 | 一种反洗钱方法、装置及设备 |
CN111539633A (zh) * | 2020-04-26 | 2020-08-14 | 北京思特奇信息技术股份有限公司 | 一种业务数据质量的稽核方法、系统、装置和存储介质 |
CN111738843A (zh) * | 2020-06-29 | 2020-10-02 | 金电联行(北京)信息技术有限公司 | 一种使用流水数据的量化风险评价系统和方法 |
CA3177209A1 (en) * | 2019-04-17 | 2020-10-22 | 10353744 Canada Ltd. | Data cleaning method |
CN113010505A (zh) * | 2021-03-11 | 2021-06-22 | 江苏省生态环境监控中心(江苏省环境信息中心) | 一种水环境大数据清洗方法 |
-
2021
- 2021-12-14 CN CN202111526724.6A patent/CN114356902A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140100910A1 (en) * | 2012-10-08 | 2014-04-10 | Sap Ag | System and Method for Audits with Automated Data Analysis |
WO2019157946A1 (zh) * | 2018-02-13 | 2019-08-22 | 阿里巴巴集团控股有限公司 | 一种反洗钱方法、装置及设备 |
CA3177209A1 (en) * | 2019-04-17 | 2020-10-22 | 10353744 Canada Ltd. | Data cleaning method |
CN111539633A (zh) * | 2020-04-26 | 2020-08-14 | 北京思特奇信息技术股份有限公司 | 一种业务数据质量的稽核方法、系统、装置和存储介质 |
CN111738843A (zh) * | 2020-06-29 | 2020-10-02 | 金电联行(北京)信息技术有限公司 | 一种使用流水数据的量化风险评价系统和方法 |
CN113010505A (zh) * | 2021-03-11 | 2021-06-22 | 江苏省生态环境监控中心(江苏省环境信息中心) | 一种水环境大数据清洗方法 |
Non-Patent Citations (2)
Title |
---|
李敏: "营销稽查在电力营销管理中的运用探析", 中外企业家, no. 16 * |
车雪松;王文震;王宏宜;: "黑龙江联通大带宽用户智能稽核系统解决方案", 通信管理与技术, no. 04 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115265707A (zh) * | 2022-05-20 | 2022-11-01 | 中核武汉核电运行技术股份有限公司 | 一种核电大修水位图构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7507602B2 (ja) | データ品質分析 | |
CN105740121A (zh) | 一种日志文本监控与预警方法、装置 | |
US20150066866A1 (en) | Data health management | |
US20220129483A1 (en) | Data processing method and device, computing device and medium | |
US11231978B2 (en) | API and streaming solution for documenting data lineage | |
US20200118653A1 (en) | Ensuring quality in electronic health data | |
US10296495B1 (en) | Automated governance of data applications | |
CN114356902A (zh) | 工业数据质量管理方法及装置 | |
CN114143402A (zh) | 一种ai外呼方法、装置、计算机设备及存储介质 | |
CN112084262A (zh) | 数据信息筛选方法、装置、计算机设备及存储介质 | |
US10885054B2 (en) | Tracking metadata changes in multiple data stores and generating alerts for detected data impacts | |
CN112448840B (zh) | 一种通信数据质量监控方法、装置、服务器及存储介质 | |
CN114637739A (zh) | 数据库管控方法、系统、计算机设备及计算机存储介质 | |
CN114546992A (zh) | 数据库迁移方法、装置、存储介质和电子设备 | |
CN113902345A (zh) | 一种电力调度业务的监控管理方法、装置及系统 | |
CN110309211B (zh) | 一种定位etl过程问题的方法及相关设备 | |
CN113886404A (zh) | 更新数据的方法、装置、电子设备和存储介质 | |
CN111026763A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN111382193A (zh) | 一种数据仓库主题模型的构建方法和装置 | |
CN118132543A (zh) | 数据处理方法、装置、终端设备及介质 | |
CN115374087A (zh) | 数据库变更风险分析方法、装置、设备及可读存储介质 | |
CN117172690A (zh) | 离职人员信息的自动审核处理方法、装置及设备 | |
CN118233345A (zh) | 一种信息系统的错误定位方法、装置、电子设备和存储介质 | |
CN116382760A (zh) | 一种指标数据处理方法、装置、存储介质及设备 | |
CN117874087A (zh) | 一种数据报送方法、装置、服务器 |
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 |