CN115048451A - 一种基于业务与数据一体化的体系构建方法及系统 - Google Patents
一种基于业务与数据一体化的体系构建方法及系统 Download PDFInfo
- Publication number
- CN115048451A CN115048451A CN202210804690.0A CN202210804690A CN115048451A CN 115048451 A CN115048451 A CN 115048451A CN 202210804690 A CN202210804690 A CN 202210804690A CN 115048451 A CN115048451 A CN 115048451A
- Authority
- CN
- China
- Prior art keywords
- data
- index
- business
- service
- indexes
- 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
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于业务与数据一体化的体系构建方法,包括:搭建指标体系并建立业务目标;数据采集与存储,将数据指标转换为落地数据存储;根据业务指标体系和所述落地数据进行数据分析,输出符合业务需求的业务看板;根据数据监控情况以及数据指标体系中的目标衡量方案规划企业下一步发展方案;通过所规划的下一步发展方案挖掘商业价值。本发明达到的有益效果是:通过OSM+AARRR+业务场景三者相结合的方法深入挖掘企业面向G端各层面、各业务场景的指标;减少重复工作,提高数据分析效率,帮助用户快速定位问题,满足用户复杂的数据分析需求。
Description
技术领域
本发明涉及大数据分析技术领域,特别是一种基于业务与数据一体化的体系构建方法及系统。
背景技术
大数据自身能够创造出更多的价值。大数据的相关技术紧密围绕着数据价值,数据价值将打开广阔的市场空间,关键是数据本身将赋予整个信息巨大的力量。大数据推动科技领域的发展;同时,大数据是推动科学技术发展进程的必要因素,大数据的影响不仅体现在互联网领域,而且在金融,教育,医疗等诸多领域。在人工智能研究与开发领域,大数据也发挥着重要作用,特别是在机器学习、计算机视觉和自然语言处理等领域,大数据正成为智能社会的基础。随着大数据的落地应用,大数据的价值将逐渐得到体现。大数据分析技术在互联网领域得到了广泛的应用。
目前,面向G端的大数据分析报告,业务产品所产生的数据皆存储于各自业务数据库中,数据表之间没有关联性,数据想打通还需借助人工处理的老旧方法,既费时也费力,数据表一旦多样化后还难于保持数据一致性等问题。
发明内容
本发明的目的在于克服现有技术的缺点,提供能够运用大数据技术实现数据资源的归集和治理,减少重复工作,提高数据分析效率,帮助用户快速定位问题,满足用户复杂的数据分析需求的一种基于业务与数据一体化的体系构建方法及系统。
本发明的目的通过以下技术方案来实现:一种基于业务与数据一体化的体系构建方法,包括:
搭建指标体系并建立业务目标;
采集与存储数据,将数据指标转换为落地数据存储;
根据业务指标体系和所述落地数据进行数据分析,输出符合业务需求的业务看板;
根据数据监控情况以及数据指标体系中的目标衡量方案规划企业下一步发展方案;
通过所述发展方案挖掘商业价值。
优选的,所述搭建指标体系并建立业务目标,包括:确定战略目标,其中,从用户视角和业务视角确定目标;
针对所述战略目标制定达成目标的策略并制定策略的结果衡量标准指标;
根据用户生命周期每个阶段拆解每一步对应场景下可落地的指标,将指标拆解为4级。
优选的,所述根据用户生命周期每个阶段拆解每一步对应场景下可落地的指标,将指标拆解为4级,一级指标是公司战略层指标,一般是公司或者团队的一个战略指标,即KPI达成率;二级指标是对一级指标的公式拆解,即在确认活动KPI之后,关注活动的产出;三级指标是对二级指标进一步拆解;四级指标是基于用户路径对三级指标的进一步的拆解。
优选的,所述数据采集与存储,将数据指标转换为落地数据存储,包括:制定数据标准,打通数据底层的互通性;
基于用户生命周期中的每个阶段对应的业务活动创建原子指标,明确业务的统计口径和计算逻辑;
通过所述原子指标、时间周期、修饰词等构成派生指标,所述派生指标能够反映企业某一业务活动在指定时间周期及目标范围中的业务状况。
优选的,所述数据采集与存储,将数据指标转换为落地数据存储,还包括:结合业务数据域和主题规划,创建维度表、明细表、汇总表进行维度建模,将所述派生指标与所述维度建模相关联;
将企业内部和外部数据统一集成到数据仓库中,将所述数据存储于所述维度表中,经过数据开发处理,同步至数据仓库中。
优选的,所述根据业务指标体系和所述落地数据进行数据分析,输出符合业务需求的业务看板,包括:收集用户看板需求;梳理看板的指标,分析用户想要的和现有的数据指标是否能够满足用户的需求;整理并且确认用户需求与数据指标并开发看板;将所述看板交付用户使用,并持续数据监控。
优选的,所述根据数据监控情况以及数据指标体系中的目标衡量方案规划企业下一步发展方案,包括:结合数据监控以及OSM阶段的目标衡量方案进行效果评估;
通过K-Means算法以及DBSCAN密度法进行分类及预测并规划企业下一步发展方案。
优选的,所述通过所规划的下一步发展方案挖掘商业价值,包括:根据所规划的发展方案进行数据挖掘,其中,包括从指标库以及数据仓库中进行数据挖掘,最后得出结论。
本说明书实施例第二方面提供了一种基于业务与数据一体化的体系构建系统,所述系统包括:指标体系搭建单元,用于搭建指标体系并建立业务目标;
数据采集与存储单元,用于采集与存储数据,将数据指标转换为落地数据存储;
业务看板构建单元,用于根据业务指标体系和所述落地数据进行数据分析,输出符合业务需求的业务看板;
发展方案规划单元,用于根据数据监控情况以及数据指标体系中的目标衡量方案规划企业下一步发展方案;
数据挖掘单元,用于根据所规划的发展方案进行数据挖掘,其中,包括从指标库以及数据仓库中进行数据挖掘。
本说明书实施例第三方面还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时上述基于业务与数据一体化的体系构建方法的步骤。
本发明具有如下有益效果:
基于上述方案,通过搭建指标体系并建立业务目标;采集与存储数据,将数据指标转换为落地数据存储;根据业务指标体系和落地数据进行数据分析,输出符合业务需求的业务看板;根据数据监控情况以及数据指标体系中的目标衡量方案规划企业下一步发展方案;通过发展方案挖掘商业价值。能够运用大数据技术实现数据资源的归集和治理,通过OSM+AARRR+业务场景三者相结合的方法深入挖掘企业面向G端各层面、各业务场景的指标;减少重复工作,提高数据分析效率,帮助用户快速定位问题,满足用户复杂的数据分析需求。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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他相关的附图。
图1为本发明一种基于业务与数据一体化的体系构建方法步骤示意图;
图2为本发明一种基于业务与数据一体化的体系构建系统结构示意图;
图3为本发明数据采集与存储流程示意图;
图4为本发明业务看板构建流程示意图;
图5为本发明发展方案规划流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种基于业务与数据一体化的体系构建方法,包括:
S101:搭建指标体系并建立业务目标;其中,指标体系搭建方法为先通过OSM模型将业务目标结构化,再融合AARRR用户生命周期分析。将用户操作流程与业务场景相结合,校准业务目标,最后制定符合业务目标的指标体系。
具体来说,OSM模型中,制定业务战略目标,针对战略目标制定达成目标的策略并制定策略的结果衡量标准指标;根据用户生命周期每个阶段拆解每一步对应场景下可落地的指标,将指标拆解为4级。其中,一级指标为公司战略层指标,一般是公司或者活动团队的一个战略指标,即KPI达成率;二级指标是对一级指标的公式拆解,即在确认了活动KPI之后,需要核心关注的是活动产出;三级指标是对二级指标进一步的拆解;四级指标是基于用户路径为思路对三级指标的进一步的拆解。指标选取后,结合实际分析业务场景利用AARRR模型选择分析维度。
具体地,通过各种推广渠道,以各种方式获取目标用户,并对各种营销渠道的效果评估,不断优化投入策略,降低获客成本。涉及关键指标例如新增注册用户数、激活率、注册转化率、新客留存率、下载量、安装量等。活跃用户指真正开始使用了产品提供的价值,我们需要掌握用户的行为数据,监控产品健康程度。这个模块主要反映用户进入产品的行为表现,是产品体验的核心所在。涉及关键指标例如DAU/MAU、日均使用时长、启动APP时长、启动APP次数等。衡量用户粘性和质量的指标。涉及关键指标例如留存率、流失率等。主要用来衡量产品商业价值。涉及关键指标例如生命周期价值(LTV)、客单价、GMV等。衡量用户自传播程度和口碑情况。涉及关键指标例如邀请率、裂变系数等。
S102:采集与存储数据,将数据指标转换为落地数据存储;
具体来说,如图3所示:S21:先制定数据标准,用来打通数据底层的互通性,提升数据的可用性,后面所有的指标在系统中创建均遵循事先定义好的相关标准。
S22:创建原子指标。主要用于明确业务的统计口径和计算逻辑,是基于用户生命周期中每个阶段对应的业务活动创建的,用于统计业务活动中某一业务状况的数值。
S23:创建派生指标。派生指标由原子指标、时间周期、修饰词构成,用于反映企业某一业务活动在指定时间周期及目标范围中的业务状况。
S24:维度建模。结合业务数据域和主题的规划,创建维度表、明细表、汇总表,用于数据存储。此处可以关联S3的派生指标。
S25:数据接入。主要为将企业内外部数据统一集成至数仓中,存储与S4创建的维度表中,经过数据开发处理,同步至数据仓库中。
S6:存入数据仓库中的数据可供上层数据分析、应用调用以及数据共享服务。
S103:根据业务指标体系和落地数据进行数据分析,输出符合业务需求的业务看板;
具体来说,如图4所示:S31:收集用户看板需求。主要是明确用户对看板的真实需求,以便于开发出来的数据看板能为用户所用,避免后期频繁改动。
S32:梳理看板的指标,主要为分析用户想要的和现有的数据指标是否能够满足用户的需求。
S33:开发看板。整理并确认好用户需求与数据指标后,就进行看板开发。
S34:数据监控。步骤S33开发完成后交给用户,此时看板发挥相应作用,会进行持续的数据监控。
S104:根据数据监控情况以及数据指标体系中的目标衡量方案规划企业下一步发展方案;
具体来说,如图5所示:S41:效果评估;结合数据监控以及OSM阶段的目标衡量方案进行效果评估。
S42:结果分析。出具S1的评估分析报告。此处可以采用算法模型进行结果预测。例如:改善大众推荐旅游资源营销方式而导致的低价值率和改善游客因选择目的地的差异而获取到不舒适的旅游体验感可以采用以下算法模型进行计算,并检测效果。便于对游客进行精准旅游资源或旅游方案推荐,以提高游客旅游体验舒适感以及满意度。减少无效推荐消耗资源。具体地,通过算法模型使用K-Means划分法以及DBSCAN密度法;K-Means划分法的为:
其中:Ci是训练样本集,x是Ci中的样本参数,Ki是聚类的质心点。每一个样本x计算其应该属于的类Ci=argmin|Ki-x|2;对于每一个类Ki,重新计算该类的质心:
将数据集以足够高密度的区域划分为簇,并可在存在噪声的空间数据库中发现任意形状的聚类。
S105:通过发展方案挖掘商业价值。
具体地,通过所规划的下一步发展方案挖掘商业价值,包括:根据所规划的发展方案进行数据挖掘,其中,包括从指标库以及数据仓库中进行数据挖掘,最后得出结论。
基于同一发明构思,本说明书实施例提供了一种基于业务与数据一体化的体系构建系统,如图2所示:包括:指标体系搭建单元201,用于搭建指标体系并建立业务目标;
数据采集与存储单元202,用于采集与存储数据,将数据指标转换为落地数据存储;
业务看板构建单元203,用于根据业务指标体系和落地数据进行数据分析,输出符合业务需求的业务看板;
发展方案规划单元204,用于根据数据监控情况以及数据指标体系中的目标衡量方案规划企业下一步发展方案;
数据挖掘单元205,用于根据所规划的发展方案进行数据挖掘,其中,包括从指标库以及数据仓库中进行数据挖掘。
本说明书实施例第三方面还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时上述基于业务与数据一体化的体系构建方法的步骤。
基于上述方案,通过搭建指标体系并建立业务目标;采集与存储数据,将数据指标转换为落地数据存储;根据业务指标体系和落地数据进行数据分析,输出符合业务需求的业务看板;根据数据监控情况以及数据指标体系中的目标衡量方案规划企业下一步发展方案;通过发展方案挖掘商业价值。能够运用大数据技术实现数据资源的归集和治理,通过OSM+AARRR+业务场景三者相结合的方法深入挖掘企业面向G端各层面、各业务场景的指标;减少重复工作,提高数据分析效率,帮助用户快速定位问题,满足用户复杂的数据分析需求。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
上述实施例仅表达了较为优选的实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (10)
1.一种基于业务与数据一体化的体系构建方法,其特征在于,包括:
搭建指标体系并建立业务目标;
采集与存储数据,将数据指标转换为落地数据存储;
根据业务指标体系和所述落地数据进行数据分析,输出符合业务需求的业务看板;
根据数据监控情况以及数据指标体系中的目标衡量方案规划企业下一步发展方案;
通过所述发展方案挖掘商业价值。
2.根据权利要求1所述一种基于业务与数据一体化的体系构建方法,其特征在于:所述搭建指标体系并建立业务目标,包括:确定战略目标,其中,从用户视角和业务视角确定目标;
针对所述战略目标制定达成目标的策略并制定策略的结果衡量标准指标;
根据用户生命周期每个阶段拆解每一步对应场景下可落地的指标,将指标拆解为4级。
3.根据权利要求2所述一种基于业务与数据一体化的体系构建方法,所述根据用户生命周期每个阶段拆解每一步对应场景下可落地的指标,将指标拆解为4级,其特征在于:
一级指标是公司战略层指标,一般是公司或者团队的一个战略指标,即KPI达成率;二级指标是对一级指标的公式拆解,即在确认活动KPI之后,关注活动的产出;三级指标是对二级指标进一步拆解;四级指标是基于用户路径对三级指标的进一步的拆解。
4.根据权利要求1所述一种基于业务与数据一体化的体系构建方法,其特征在于:所述数据采集与存储,将数据指标转换为落地数据存储,包括:制定数据标准,打通数据底层的互通性;
基于用户生命周期中的每个阶段对应的业务活动创建原子指标,明确业务的统计口径和计算逻辑;
通过所述原子指标、时间周期、修饰词等构成派生指标,所述派生指标能够反映企业某一业务活动在指定时间周期及目标范围中的业务状况。
5.根据权利要求4所述一种基于业务与数据一体化的体系构建方法,其特征在于:所述数据采集与存储,将数据指标转换为落地数据存储,还包括:结合业务数据域和主题规划,创建维度表、明细表、汇总表进行维度建模,将所述派生指标与所述维度建模相关联;
将企业内部和外部数据统一集成到数据仓库中,将所述数据存储于所述维度表中,经过数据开发处理,同步至数据仓库中。
6.根据权利要求1所述一种基于业务与数据一体化的体系构建方法,其特征在于:所述根据业务指标体系和所述落地数据进行数据分析,输出符合业务需求的业务看板,包括:收集用户看板需求;梳理看板的指标,分析用户想要的和现有的数据指标是否能够满足用户的需求;整理并且确认用户需求与数据指标并开发看板;将所述看板交付用户使用,并持续数据监控。
7.根据权利要求1所述一种基于业务与数据一体化的体系构建方法,其特征在于:所述根据数据监控情况以及数据指标体系中的目标衡量方案规划企业下一步发展方案,包括:结合数据监控以及OSM阶段的目标衡量方案进行效果评估;
通过K-Means算法以及DBSCAN密度法进行分类及预测并规划企业下一步发展方案。
8.根据权利要求1所述一种基于业务与数据一体化的体系构建方法,其特征在于:所述通过所规划的下一步发展方案挖掘商业价值,包括:根据所规划的发展方案进行数据挖掘,其中,包括从指标库以及数据仓库中进行数据挖掘,最后得出结论。
9.一种基于业务与数据一体化的体系构建系统,其特征在于:所述系统包括:指标体系搭建单元,用于搭建指标体系并建立业务目标;
数据采集与存储单元,用于采集与存储数据,将数据指标转换为落地数据存储;
业务看板构建单元,用于根据业务指标体系和所述落地数据进行数据分析,输出符合业务需求的业务看板;
发展方案规划单元,用于根据数据监控情况以及数据指标体系中的目标衡量方案规划企业下一步发展方案;
数据挖掘单元,用于根据所规划的发展方案进行数据挖掘,其中,包括从指标库以及数据仓库中进行数据挖掘。
10.一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现权利要求1-8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210804690.0A CN115048451A (zh) | 2022-07-08 | 2022-07-08 | 一种基于业务与数据一体化的体系构建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210804690.0A CN115048451A (zh) | 2022-07-08 | 2022-07-08 | 一种基于业务与数据一体化的体系构建方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115048451A true CN115048451A (zh) | 2022-09-13 |
Family
ID=83164840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210804690.0A Pending CN115048451A (zh) | 2022-07-08 | 2022-07-08 | 一种基于业务与数据一体化的体系构建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115048451A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116431736A (zh) * | 2023-02-06 | 2023-07-14 | 北京三维天地科技股份有限公司 | 一种在线数据仓库模型的构建方法及系统 |
-
2022
- 2022-07-08 CN CN202210804690.0A patent/CN115048451A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116431736A (zh) * | 2023-02-06 | 2023-07-14 | 北京三维天地科技股份有限公司 | 一种在线数据仓库模型的构建方法及系统 |
CN116431736B (zh) * | 2023-02-06 | 2023-10-20 | 北京三维天地科技股份有限公司 | 一种在线数据仓库模型的构建方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108874959B (zh) | 一种基于大数据技术的用户动态兴趣模型建立方法 | |
Hu et al. | Data source combination for tourism demand forecasting | |
CN109902708A (zh) | 一种推荐模型训练方法及相关装置 | |
CN103412918A (zh) | 一种基于服务质量和声誉的服务信任度评估方法 | |
Tsai | Housing price convergence, transportation infrastructure and dynamic regional population relocation | |
Bernini et al. | Happiness in Italian cities | |
CN116567547B (zh) | 人口数据质量检验方法、系统和可读存储介质 | |
Li et al. | On integrating multiple type preferences into competitive analyses of customer requirements in product planning | |
CN114398669A (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 | |
CN115048451A (zh) | 一种基于业务与数据一体化的体系构建方法及系统 | |
Martínez-Pérez et al. | Bridging capital and performance in clustered firms: the heterogeneous effect of knowledge strategy | |
Segre et al. | Well-being in Italian regions. Measures, civil society consultation and evidence | |
CN116611546A (zh) | 基于知识图谱的目标研究区域滑坡预测方法及系统 | |
Sirotin et al. | Information and telecommunication aspect of Russian regions development | |
CN110633401A (zh) | 一种门店数据的预测模型及其建立方法 | |
Nguyen et al. | sae: A stata package for unit level small area estimation | |
Liu et al. | Construction of index weight for organizational innovation in Taiwanese high-tech enterprises | |
Frank et al. | Procedure to select the best dataset for a task | |
CN117271905A (zh) | 基于人群画像的侧向需求分析方法及系统 | |
Zhao et al. | Online distance learning precision service technology based on big data analysis | |
Lee et al. | Drivers of institutional evolution: phylogenetic inertia and ecological pressure | |
Betti et al. | Updating poverty maps between censuses: a case study of Albania | |
CN115660902A (zh) | 基于大数据的智慧旅游评价系统 | |
Meyer et al. | An alternative multi-dimensional regional economic development index: A provincial application in South Africa | |
Yu et al. | SALSTM: An improved LSTM algorithm for predicting the competitiveness of export products |
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 |