CN115375353A - 门店数据处理方法、门店数据处理设备及存储介质 - Google Patents

门店数据处理方法、门店数据处理设备及存储介质 Download PDF

Info

Publication number
CN115375353A
CN115375353A CN202210955703.4A CN202210955703A CN115375353A CN 115375353 A CN115375353 A CN 115375353A CN 202210955703 A CN202210955703 A CN 202210955703A CN 115375353 A CN115375353 A CN 115375353A
Authority
CN
China
Prior art keywords
store data
data
store
field
model
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
CN202210955703.4A
Other languages
English (en)
Inventor
杨继阶
王小龙
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 Guanglian Digital Technology Co ltd
Original Assignee
Shenzhen Guanglian Digital 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 Guanglian Digital Technology Co ltd filed Critical Shenzhen Guanglian Digital Technology Co ltd
Priority to CN202210955703.4A priority Critical patent/CN115375353A/zh
Publication of CN115375353A publication Critical patent/CN115375353A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22Indexing; Data structures therefor; Storage structures
    • G06F16/2282Tablespace storage structures; Management thereof
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25Integrating or interfacing systems involving database management systems
    • G06F16/258Data format conversion from or to a database

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了门店数据处理方法、门店数据处理设备及存储介质,属于数据处理技术领域。本发明通过获取目标门店的门店数据表及其对应的配置表,根据所述配置表确定系统模型的模型字段与所述门店数据之间的对应关系以及每个所述门店数据的数据导入规则;根据所述数据导入规则处理对应的门店数据并根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置,本申请实现了减少了由于门店字段与模型字段的差异导致的数据丢失,从而提高了数据的完整性。

Description

门店数据处理方法、门店数据处理设备及存储介质
技术领域
本发明涉及数据处理领域,尤其涉及门店数据处理方法、门店数据处理设备及门店数据处理存储介质。
背景技术
随着互联网的发展,各销售门店会获取用户的数据便于提供合适的营销手段。目前,根据数据框架获取各门店数据,再通过对门店数据的处理和分析,设计营销手段,再由门店执行营销策略。由于使用统一的数据框架,在处理门店的数据时,容易识别错误门店中的数据,导致门店数据的丢失,从而降低了数据的完整性。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种门店数据处理方法、门店数据处理设备及存储介质。旨在通过减少门店数据的丢失,提高门店数据的完整性。
为实现上述目的,本发明提供一种门店数据处理方法,该方法包括步骤:获取目标门店的门店数据表及其对应的配置表,所述门店数据表包括多个门店字段和每个所述门店字段对应的门店数据,不同的所述配置表对应不同所述目标门店,所述配置表包括门店字段与模型字段之间的映射关系及其对应的数据导入规则;
根据所述配置表确定系统模型的模型字段与所述门店数据之间的对应关系以及每个所述门店数据的数据导入规则;
根据所述数据导入规则处理对应的门店数据并根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置。
可选地,所述根据所述配置表确定系统模型的模型字段与所述门店数据之间的对应关系以及每个所述门店数据的数据导入规则的步骤之后,还包括:
当所述多个门店字段中存在第一字段时,在所述系统模型中新增第二字段,建立所述第一字段与所述第二字段的映射关系并确定其对应的数据导入规则,获得配置信息,所述第一字段为在所述配置表中未存在对应的映射关系的所述门店字段;
将所述配置信息更新至所述配置表,将所述第一字段对应的所述门店数据保存至所述系统模型中所述第二字段对应的存储位置。
可选地,所述数据导入规则包括校验规则,所述根据所述数据导入规则处理对应的门店数据并根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置的步骤包括:
根据所述校验规则校验所述门店数据;
当所述门店数据校验失败时,标记所述门店数据校验失败的原因并输出所述门店数据;
当所述门店数据校验成功时,根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置。
可选地,所述数据导入规则包括数据转换规则,所述根据所述数据导入规则处理对应的门店数据并根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置的步骤包括:
根据所述数据转换规则确定所述门店数据的第一格式、对应的模型字段对应的第二格式及其对应的格式转换控件;
调用所述格式转换控件将所述第一格式的所述门店数据转换成所述第二格式的目标数据;
根据所述对应关系将所述目标数据存储至对应的所述模型字段的存储位置。
可选地,所述系统模型包括多个子模型,所述映射关系包括每个所述子模型对应的模型字段与门店字段之间的子映射关系,所述根据所述配置表确定系统模型的模型字段与所述门店数据之间的对应关系的步骤包括:
根据所述配置表确定每个所述子模型的模型字段与所述门店数据之间的子对应关系,所述对应关系包括所述子对应关系。
可选地,所述根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置的步骤包括:
根据所述子对应关系将所述门店数据及其对应的通用标识存储至对应的所述子模型中模型字段的存储位置;
其中,所述通用标识用于标识所述门店数据所属的行为主体。
可选地,所述根据所述数据导入规则处理对应的门店数据并根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置的步骤之后,还包括:
根据所述系统模型每个所述存储数据对应的行为主体的属性生成每个所述存储数据对应的标签;
根据多个所述标签确定所述系统模型中多个所述存储数据的分类结果;
根据所述分类结果确定不同类型的所述行为主体的目标销售手段;
输出所述目标销售手段对应的提示信息。
可选地,所述根据所述系统模型每个所述存储数据对应的行为主体的属性生成每个所述存储数据对应的标签的步骤包括:
根据每个所述行为主体的属性确定在所述系统模型通用的标签类型和所述系统模型非通用的标签类型中确定目标标签类型;
当所述目标标签类型为所述系统模型通用的标签类型时,获取所述系统模型的预存标签作为对应的所述存储数据的标签;
当所述目标标签类型为所述系统模型非通用的标签类型时,根据用户指令确定对应的所述存储数据的标签。
此外,为实现上述目的,本发明还提供一种门店数据处理设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的门店数据处理序,所述门店数据处理程序配置为实现上述任一项所述的门店数据处理方法的步骤。
此外,为实现上述目的,本发明还提供一种存储介质,所述存储介质上存储有门店数据处理程序,所述门店数据处理程序被处理器执行时实现上述任一项所述的门店数据处理方法的步骤。
本发明提出一种门店数据处理方法,该方法通过获取目标门店的门店数据表及其对应的配置表,所述门店数据表包括多个门店字段和每个所述门店字段对应的门店数据,不同的所述配置表对应不同所述目标门店,所述配置表包括门店字段与模型字段之间的映射关系及其对应的数据导入规则;根据所述配置表确定系统模型的模型字段与所述门店数据之间的对应关系以及每个所述门店数据的数据导入规则;根据所述数据导入规则处理对应的门店数据并根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置。本发明相比目前的数据框架的门店数据处理方法,每个门店有对应的配置表和门店数据表,可以将门店字段与模型字段有差异的字段对应的数据存储至所述系统模型中,减少了由于门店字段与模型字段的差异导致的数据丢失,从而提高了数据的完整性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的门店数据处理设备的结构示意图;
图2为本发明门店数据处理第一实施例的流程示意图;
图3为本发明门店数据处理第二实施例的流程示意图;
图4为本发明门店数据处理第三实施例的流程示意图;
图5为本发明门店数据处理第四实施例的流程示意图;
图6为本发明门店数据处理第六实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的门店数据处理设备结构示意图。
如图1所示,该门店数据处理设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对门店数据处理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及门店数据处理程序。
在图1所示的门店数据处理设备中,网络接口1004主要用于与其他设备进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明门店数据处理设备中的处理器1001、存储器1005可以设置在门店数据处理设备中,所述门店数据处理设备通过处理器1001调用存储器1005中存储的门店数据处理程序,并执行本发明实施例提供的门店数据处理方法。
本发明实施例提供了一种门店数据处理方法,参照图2,图2为本发明一种门店数据处理方法第一实施例的流程示意图。
本实施例中,所述门店数据处理方法包括:
步骤S10,获取目标门店的门店数据表及其对应的配置表,所述门店数据表包括多个门店字段和每个所述门店字段对应的门店数据,不同的所述配置表对应不同所述目标门店,所述配置表包括门店字段与模型字段之间的映射关系及其对应的数据导入规则;
目标门店是指能获取消费者信息的店铺,门店数据表是指具有门店数据的数据表,门店数据有对应的门店字段。不同的所述配置表对应不同所述目标门店,这里的模型字段是指系统模型的模型字段,即存在一个用于存储多个门店数据的系统模型,该系统模型中包含模型字段可以存储相同的类型的数据。这里的映射关系是指门店字段与模型字段之间映射关系,可以是一对一的映射关系,也可以是多对多的映射关系,还可以一对多或多对一的映射关系。数据导入规则是指门店数据导入系统模型的规则。在本实施例中,目标门店为汽车销售门店,门店字段包括:客户的身份证号、客户的手机号、客户的购车合同号、客户的车牌号以及客户的车辆保养次数等,模型字段包括:顾客的身份证号、顾客的性别、顾客的手机号、顾客的购车合同号、顾客的车牌号以及顾客的车辆保养次数等。其中客户的身份证号映射顾客的身份证号和顾客的性别,客户的手机号映射顾客的手机号等。
步骤S20,根据所述配置表确定系统模型的模型字段与所述门店数据之间的对应关系以及每个所述门店数据的数据导入规则;
由于配置表包括门店字段与模型字段之间的映射关系,且这里的门店数据是指门店字段对应的门店数据,可以根据配置表确定模型字段与门店字段对应的所述门店数据的对应关系。并确定每个所述门店数据的数据导入规则。具体的,在本实施例中,客户的手机号与顾客的手机号映射关系,确定客户A的手机号与顾客的手机号的对应关系。
步骤S30,根据所述数据导入规则处理对应的门店数据并根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置。
这里的存储至是指将门店数据保存到所述模型字段的存储位置,这里的存储位置是由门店数据和所述对应关系在存储前确定。具体的,在本实施例中将客户A的手机号储存在系统模型中顾客的手机号的字段的存储位置中。
本发明相比目前的数据框架的门店数据处理方法,每个门店有对应的配置表和门店数据表,可以将门店字段与模型字段有差异的字段对应的数据存储至所述系统模型中,减少了由于门店字段与模型字段的差异导致的数据丢失,从而提高了数据的完整性。
进一步的,基于第一实施例,提出本发明一种门店数据处理方法的第二实施例,在本实施例中,参照图3,所述根据所述配置表确定系统模型的模型字段与所述门店数据之间的对应关系以及每个所述门店数据的数据导入规则的步骤之后,还包括:
步骤S21,当所述多个门店字段中存在第一字段时,在所述系统模型中新增第二字段,建立所述第一字段与所述第二字段的映射关系并确定其对应的数据导入规则,获得配置信息,所述第一字段为在所述配置表中未存在对应的映射关系的所述门店字段;
所述第二字段是指系统模型中用于存储所述第一字段对应门店数据的字段。具体的,第二字段可以是可存储不同类型数据的数据格式,例如:直译式脚本语言对象简谱(Java Script Object Notation,JSON)。也可以是存储单一类型的数据格式,例如:布尔类型。可以每个第一字段建立对应的第二字段,也可以多个第一字段建立对应的第二字段。这里的数据导入规则是第一字段的门店数据导入所述系统模型的规则。具体的,在本实施例中,第一字段为客户的配偶电话,则第二字段为顾客的配偶电话,第二字段为整数型数据类型。数据导入规则为将客户的配偶电话的数据类型转化为整数型。
步骤S22,将所述配置信息更新至所述配置表,将所述第一字段对应的所述门店数据保存至所述系统模型中所述第二字段对应的存储位置。
本步骤可以在S30之前也可以在S30之后,对本步骤于S30步骤的先后顺序不作限定。在建立所述第一字段与所述第二字段的映射关系并确定其对应的数据导入规则后,将所述配置信息更新至所述配置表。
在本实施例中,当存在第一字段时,在所述系统模型中新增第二字段,避免了由于系统模型的模型字段不足导致的存在门店字段没有与模型字段建立映射关系,从而减少门店数据的丢失,提高数据的完整性。
进一步的,基于第一实施例,提出本发明一种门店数据处理方法的第三实施例,在本实施例中,参照图4,所述数据导入规则包括校验规则,所述根据所述数据导入规则处理对应的门店数据并根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置包括:
步骤S31,根据所述校验规则校验所述门店数据;
所述校验规则用于判断所述门店数据是否能导入系统模型,具体的,在本实施例中,可以是判断客户手机号是否为11位,身份证号是否为18位。
步骤S32,当所述门店数据校验失败时,标记所述门店数据校验失败的原因并输出所述门店数据;
所述校验失败的原因可以是数据格式不正确,或者数据取值超出范围。
步骤S33,当所述门店数据校验成功时,根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置。
这里的校验成功可以是强校验成功,也可以是弱校验成功,在本实施例中:强校验为人工验证手机号,弱校验为手机号的位数为11为,当模型字段为弱校验成功时判断校验成功时,门店数据只需要满足弱校验的条件,即判断校验成功。在其他实施例中,当校验失败时,数据也存储到对应的所述模型字段的存储位置,并标记该数据。
本实施例中,通过校验规则校验门店数据,可用避免错误的门店数据导入到系统模型中,提高系统模型中数据的准确程度。
进一步的,基于第一实施例,提出本发明一种门店数据处理方法的第四实施例,在本实施例中,参照图5,所述数据导入规则包括数据转换规则,所述根据所述数据导入规则处理对应的门店数据并根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置包括:
步骤S34,根据所述数据转换规则确定所述门店数据的第一格式、对应的模型字段对应的第二格式及其对应的格式转换控件;
这里的第一格式是指门店的数据格式,这里的第二格式是指门店的数据格式。格式转换控件是指将第一格式转换为第二格式的数据处理方式。
步骤S35,调用所述格式转换控件将所述第一格式的所述门店数据转换成所述第二格式的目标数据;
当第一格式达到所述格式转换控件的要求时,调用所述格式转换控件转换格式。
步骤S36,根据所述对应关系将所述目标数据存储至对应的所述模型字段的存储位置。
这里的目标数据是指转换格式后的门店数据。具体的在本实施例中,门店的数据为客户的手机号并为字符串的数据格式,而模型字段的顾客的手机号的数据格式为整数型,根据所述转换控件,将客户的手机号的数据格式转换为整数型。将所述目标数据存储至对应的所述模型字段的存储位置。在其他实施例中,先将门店数据存储到对应的所述模型字段的存储位置,再根据数据导入规则将所述门店数据修改为对应的格式。
在本实施例中,通过转换控件获取目标数据,并将目标数据存储至对应的所述模型字段的存储位置,可以提高数据的规范性,避免错误的数据格式影响模型的运行效率,提高系统模型的数据的准确性。
进一步的,基于第一实施例,提出本发明一种门店数据处理方法的第五实施例,在本实施例中,所述系统模型包括多个子模型,所述映射关系包括每个所述子模型对应的模型字段与门店字段之间的子映射关系,所述根据所述配置表确定系统模型的模型字段与所述门店数据之间的对应关系的步骤包括:
根据所述配置表确定每个所述子模型的模型字段与所述门店数据之间的子对应关系,所述对应关系包括所述子对应关系。
这里的子模型是指系统模型的中的一个模型,在本实施例中,具体的,子模型是指用户个人信息模型,所述门店数据为客户的手机号。在其他实施例中,所述系统模型仅包括一个模型,因此,所述配置表包括门店字段与模型字段之间的映射关系即为模型字段与所述门店数据之间的子对应关系。
在本实施例中,系统模型具有多个子模型便于数据的管理,可以提高所述系统模型中数据的准确性。
进一步的,所述根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置包括:
根据所述子对应关系将所述门店数据及其对应的通用标识存储至对应的所述子模型中模型字段的存储位置;其中,所述通用标识用于标识所述门店数据所属的行为主体。
这里的通用标识在每个子模型中存在一个存储通用标识的字段,相同的通用标识用于标识相同的主体,例如顾客、车辆以及销售人员等。一个主体有其唯一对应的通用标识。通过通用标识可以将不同子模型中的数据关联起来。在本实施例中,在存储客户的手机号时,将手机号对应的通用标识存储至对应的用户模型表中。在其他实施例中,在存储客户的手机号时,将对应的关联的顾客的身份证号作为标识一同存储。
在本实例中,通过在存储门店数据时将通用标识存储至对应的所述子模型中模型字段的存储位置,避免丢失数据之间关系,提高了系统模型中数据的完整性。
进一步的,基于第一至第五实施例中的任一项,提出本发明一种门店数据处理方法的第六实施例,参照图6,在本实施例中,所述根据所述数据导入规则处理对应的门店数据并根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置之后,还包括:
步骤S41,根据所述系统模型每个所述存储数据对应的行为主体的属性生成每个所述存储数据对应的标签;
这里的属性是指存储数据反映行为主体的特征。行为主体的属性可以为用户的性别。在本实施例中这里的标签可以为男性或女性。
步骤S42,根据多个所述标签确定所述系统模型中多个所述存储数据的分类结果;
所述分类结果可以为个标签组在人群中的比例,也可以是标签于标签之间的联系结果,多个标签可以为男性、中年人、购车预算为20万等,根据标签将满足该类标签的在人群占比作为分类结果。
步骤S43,根据所述分类结果确定不同类型的所述行为主体的目标销售手段;
这里的目标销售手段可以为针对分类结果提供对应优惠等。具体的,在本实施例中,目标销售手段可以为7折优惠。
步骤S44,输出所述目标销售手段对应的提示信息。
这里提示信息可以是向客户输出的提示信息,也可以向销售数据提示信息。例如根据客户的分类,输出客户的折扣信息。
在本实施例中,通过设置标签,针对不同客户分类,提供多种营销策略,从而提高营销效率。
进一步的,所述根据所述系统模型每个所述存储数据对应的行为主体的属性生成每个所述存储数据对应的标签包括:
步骤S411,根据每个所述行为主体的属性确定在所述系统模型通用的标签类型和所述系统模型非通用的标签类型中确定目标标签类型;
这里的通用的标签类型包括客户的固定的个人信息。这里的非通用的标签可以由外部的用户进行调节,在本实施例中,通用的标签类型为A客户的性别,非通用的标签类型为A客户的预算。
步骤S412,当所述目标标签类型为所述系统模型通用的标签类型时,获取所述系统模型的预存标签作为对应的所述存储数据的标签;
这里的预存标签是指根据存储数据就能确定的标签,这里的预存标签可以是性别的为男。
步骤S413,当所述目标标签类型为所述系统模型非通用的标签类型时,根据用户指令确定对应的所述存储数据的标签。
这里的用户可以是销售人员,也可以是门店店长,在本实施例中非通用的标签类型为A客户的预算标签,B销售对A客户的预算的标签为高预算,C销售对A客户的预算的标签为低预算。两者B销售和C销售根据各自的标签定制规则将A客户归类为不同的标签。在其他实施例中,非通用标签以根据门店确定,例如D门店对A客户的预算的标签为高预算,E门店对A客户的预算的标签为低预算。
在本实施例中,通过每个所述行为主体的属性确定在所述系统模型通用的标签类型和所述系统模型非通用的标签类型中确定目标标签类型,使得标签具有通用部分的同时也有非通用的部分,从而提高标签的分类效果。
本发明还提供一种门店数据处理的存储介质,所述存储介质上存储有数据处理程序,所述数据处理程序被处理器执行时实现如上述一至六任一项所述的数据处理方法的实施例。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种门店数据处理方法,其特征在于,所述门店数据处理方法包括以下步骤:
获取目标门店的门店数据表及其对应的配置表,所述门店数据表包括多个门店字段和每个所述门店字段对应的门店数据,不同的所述配置表对应不同所述目标门店,所述配置表包括门店字段与模型字段之间的映射关系及其对应的数据导入规则;
根据所述配置表确定系统模型的模型字段与所述门店数据之间的对应关系以及每个所述门店数据的数据导入规则;
根据所述数据导入规则处理对应的门店数据并根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置。
2.如权利要求1所述的门店数据处理方法,其特征在于,所述根据所述配置表确定系统模型的模型字段与所述门店数据之间的对应关系以及每个所述门店数据的数据导入规则的步骤之后,还包括:
当所述多个门店字段中存在第一字段时,在所述系统模型中新增第二字段,建立所述第一字段与所述第二字段的映射关系并确定其对应的数据导入规则,获得配置信息,所述第一字段为在所述配置表中未存在对应的所述映射关系的所述门店字段;
将所述配置信息更新至所述配置表,将所述第一字段对应的所述门店数据保存至所述系统模型中所述第二字段对应的存储位置。
3.如权利要求1所述的门店数据处理方法,其特征在于,所述数据导入规则包括校验规则,所述根据所述数据导入规则处理对应的门店数据并根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置的步骤包括:
根据所述校验规则校验所述门店数据;
当所述门店数据校验失败时,标记所述门店数据校验失败的原因并输出所述门店数据;
当所述门店数据校验成功时,根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置。
4.如权利要求1所述的门店数据处理方法,其特征在于,所述数据导入规则包括数据转换规则,所述根据所述数据导入规则处理对应的门店数据并根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置的步骤包括:
根据所述数据转换规则确定所述门店数据的第一格式、对应的模型字段对应的第二格式及其对应的格式转换控件;
调用所述格式转换控件将所述第一格式的所述门店数据转换成所述第二格式的目标数据;
根据所述对应关系将所述目标数据存储至对应的所述模型字段的存储位置。
5.如权利要求1所述的门店数据处理方法,其特征在于,所述系统模型包括多个子模型,所述映射关系包括每个所述子模型对应的模型字段与门店字段之间的子映射关系,所述根据所述配置表确定系统模型的模型字段与所述门店数据之间的对应关系的步骤包括:
根据所述子映射关系确定每个所述子模型的模型字段与所述门店数据之间的子对应关系,所述对应关系包括所述子对应关系。
6.如权利要求5所述的门店数据处理方法,其特征在于,所述根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置的步骤包括:
根据所述子对应关系将所述门店数据及其对应的通用标识存储至对应的所述子模型中模型字段的存储位置;
其中,所述通用标识用于标识对应的门店数据所属的行为主体。
7.如权利要求1至6中任一项所述的门店数据处理方法,其特征在于,所述根据所述数据导入规则处理对应的门店数据并根据所述对应关系将所述门店数据存储至对应的所述模型字段的存储位置的步骤之后,还包括:
根据所述系统模型每个所述存储数据对应的行为主体的属性生成每个所述存储数据对应的标签;
根据多个所述标签确定所述系统模型中多个所述存储数据的分类结果;
根据所述分类结果确定不同类型的所述行为主体的目标销售手段;
输出所述目标销售手段对应的提示信息。
8.如权利要求7所述的门店数据处理方法,其特征在于,所述根据所述系统模型每个所述存储数据对应的行为主体的属性生成每个所述存储数据对应的标签的步骤包括:
根据每个所述行为主体的属性确定在所述系统模型通用的标签类型和所述系统模型非通用的标签类型中确定目标标签类型;
当所述目标标签类型为所述系统模型通用的标签类型时,获取所述系统模型的预存标签作为对应的所述存储数据的标签;
当所述目标标签类型为所述系统模型非通用的标签类型时,根据用户指令确定对应的所述存储数据的标签。
9.一种门店数据处理设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并在所述处理器上运行的门店数据处理序,所述门店数据处理程序配置为实现如权利要求1至8中任一项所述的门店数据处理方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有门店数据处理程序,所述门店数据处理程序被处理器执行时实现如权利要求1至8任一项所述的门店数据处理方法的步骤。
CN202210955703.4A 2022-08-10 2022-08-10 门店数据处理方法、门店数据处理设备及存储介质 Pending CN115375353A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210955703.4A CN115375353A (zh) 2022-08-10 2022-08-10 门店数据处理方法、门店数据处理设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210955703.4A CN115375353A (zh) 2022-08-10 2022-08-10 门店数据处理方法、门店数据处理设备及存储介质

Publications (1)

Publication Number Publication Date
CN115375353A true CN115375353A (zh) 2022-11-22

Family

ID=84063719

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210955703.4A Pending CN115375353A (zh) 2022-08-10 2022-08-10 门店数据处理方法、门店数据处理设备及存储介质

Country Status (1)

Country Link
CN (1) CN115375353A (zh)

Similar Documents

Publication Publication Date Title
CN110428058B (zh) 联邦学习模型训练方法、装置、终端设备及存储介质
US20210357771A1 (en) Natural language virtual assistant
CN108256591B (zh) 用于输出信息的方法和装置
CN111325353A (zh) 训练数据集的贡献度计算方法、装置、设备及存储介质
CN110738545A (zh) 基于用户意向识别的产品推荐方法、装置、计算机设备和存储介质
CN110335139B (zh) 基于相似度的评估方法、装置、设备及可读存储介质
CN110490651B (zh) 信息推送方法、装置、设备及计算机可读存储介质
CN109191635B (zh) 基于人脸识别技术的判客方法、装置及存储介质
CN110728328B (zh) 分类模型的训练方法和装置
WO2019179030A1 (zh) 产品购买预测方法、服务器及存储介质
CN111325352B (zh) 基于纵向联邦学习的模型更新方法、装置、设备及介质
CN108920530B (zh) 一种信息处理方法、装置、存储介质及电子设备
CN113704614A (zh) 基于用户画像的页面生成方法、装置、设备及介质
CN110837653A (zh) 标签预测方法、装置以及计算机可读存储介质
US20240005165A1 (en) Machine learning model training method, prediction method therefor, apparatus, device, computer-readable storage medium, and computer program product
CN111475628B (zh) 会话数据处理方法、装置、计算机设备和存储介质
KR102442350B1 (ko) 인공지능을 기반으로 자동 문서 작성을 수행하기 위한 정보 분석 방법 및 장치
CN112487284A (zh) 银行客户画像生成方法、设备、存储介质及装置
AU2011256921B2 (en) Brand impact verification system
CN114780701A (zh) 自动问答匹配方法、装置、计算机设备及存储介质
US20220036467A1 (en) Machine learning system and method for quote generation
CN111598707B (zh) 一种页面的生成方法及电子设备
CN111767543A (zh) 重放攻击漏洞确定方法、装置、设备及可读存储介质
CN115375353A (zh) 门店数据处理方法、门店数据处理设备及存储介质
CN111401367A (zh) 基于联邦ocr模型的字符检测方法、装置、设备和介质

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