CN115391658A - 基于大数据和业务分析的用户数据处理方法及服务器 - Google Patents

基于大数据和业务分析的用户数据处理方法及服务器 Download PDF

Info

Publication number
CN115391658A
CN115391658A CN202211047923.3A CN202211047923A CN115391658A CN 115391658 A CN115391658 A CN 115391658A CN 202211047923 A CN202211047923 A CN 202211047923A CN 115391658 A CN115391658 A CN 115391658A
Authority
CN
China
Prior art keywords
service
user
server
characteristic value
pool
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.)
Withdrawn
Application number
CN202211047923.3A
Other languages
English (en)
Inventor
金莎莎
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202211047923.3A priority Critical patent/CN115391658A/zh
Publication of CN115391658A publication Critical patent/CN115391658A/zh
Withdrawn legal-status Critical Current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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06F16/23—Updating
    • G06F16/2358—Change logging, detection, and notification

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及大数据技术领域，尤其涉及一种基于大数据和业务分析的用户数据处理方法及服务器包括：利用服务器将业务分类，并根据历史用户的已完成业务处理方式对各业务的属性值按数值进行赋值；将单个业务以赋值作为特征值放入对应的业务方式池中；服务器以各业务的收益率作为显示概率向各用户推送，以一定周期收集各个用户的使用记录进行赋值并将其与该用户账号绑定；在一定周期后，调整各用户的赋值并按一定方式向该用户进行业务推荐。利用服务器将各业务的特征属性分类的方式，建立业务方式池并刻画业务画像，并以业务方式池为基础向各用户进行业务推荐，通过用户的使用记录不断调整该用户的匹配值，从而提升业务和用户的匹配度。

Description

基于大数据和业务分析的用户数据处理方法及服务器
技术领域
本发明涉及大数据技术领域，尤其涉及一种基于大数据和业务分析的用户数据处理方法及服务器。
背景技术
在大数据的时代背景下，网络中每天都要产生巨量的信息交互数据，将其收集并加以处理，可以便捷地匹配业务和用户。公开号为CN112463859A公开了“基于大数据和业务分析的用户数据处理方法及大数据平台”，利用刻画用户画像的方式将业务与用户相匹配；公开号为CN111680073A公开了“一种基于用户数据的金融服务平台政策资讯推荐方法”，利用分类标签和用户画像将金融业务推荐给潜在用户；公开号为CN105007171A公开了“基于通信领域大数据的用户数据分析系统及方法”，根据用户模型将用户分类并推荐给业务生产方。
由此可见，上述系统和方法存在以下问题：随着时间变化，用户的需求会随之发生较大改变，利用用户画像匹配业务和用户会出现较大偏差，从而导致业务与用户匹配不精准的问题。
发明内容
为此，本发明提供一种基于大数据和业务分析的用户数据处理方法及服务器，用以克服现有技术中利用用户画像匹配业务和用户会出现较大偏差，从而导致业务与用户匹配不精准的问题。
为实现上述目的，本发明提供一种基于大数据和业务分析的用户数据处理方法，包括：
步骤S1，利用服务器将业务分类，并根据历史用户的已完成业务处理方式对各业务的持续周期以及处理业务的消耗时间作为该业务的属性值并按数值大小进行赋值；
步骤S2，建立业务方式池，并将单个业务依照各属性的赋值的和作为特征值放入业务方式池中，并利用特征值对业务方式池进行排序；
步骤S3，所述服务器将所述业务方式池按特征值编制成组，并以各业务的收益率作为显示概率向各用户推送，同时以一定周期收集各个用户的使用记录；
步骤S4，按照特征值对所述单个用户的使用记录进行赋值，并将其与该用户账号绑定；
步骤S5，在所述一定周期后，调整各所述用户的赋值并以业务方式池的排序为基准按一定方式向该用户进行业务推荐。
进一步地，所述服务器根据历史完成业务将所述业务处理方式赋值，包括业务的持续周期P、处理业务的消耗时间T和业务的收益率S；
对于第i个所述历史完成业务，设定i=1,2,3，…，n，其中，n为历史完成业务总量，所述服务器根据该历史项目的持续周期Pi、处理业务的消耗时间Ti以及业务的收益率Si将该业务按比例分解，并放入对应的业务方式池中。
进一步地，所述服务器以所述持续周期P为横轴和该周期P的历史出现频次
Figure 76186DEST_PATH_IMAGE001
为纵轴绘制曲线
Figure 583390DEST_PATH_IMAGE002
，获得的曲线符合正态分布，其中
Figure 186410DEST_PATH_IMAGE003
为该曲线的最高点对应的持续周期的值；
所述服务器计算第一持续周期Pf1、第二持续周期Pf2，第三持续周期Pf3，第四持续周期Pf4，其中Pf1＜Pf2＜Pf3＜Pf4，Pf1和Pf4为
Figure 95460DEST_PATH_IMAGE004
对应的P值，Pf2和Pf3为
Figure 633889DEST_PATH_IMAGE005
对应的P值；
若Pi≤Pf1，所述服务器判定该历史完成业务处于第一持续周期池，并将Pi的特征值PPi赋值为10；
若Pf1＜Pi≤Pf2，所述服务器判定该历史完成业务处于第二持续周期池，并将Pi的特征值PPi赋值为20；
若Pf2＜Pi≤Pf3，所述服务器判定该历史完成业务处于第三持续周期池，并将Pi的特征值PPi赋值为30；
若Pf3＜Pi≤Pf4，所述服务器判定该历史完成业务处于第四持续周期池，并将Pi的特征值PPi赋值为40；
若Pf4＜Pi，所述服务器判定该历史完成业务处于第五持续周期池，并将Pi的特征值PPi赋值为50。
进一步地，所述服务器将所述各历史完成业务的处理业务消耗时间Ti的值从小到大进行排序，顺序为k的处理业务消耗时间为tk，其中k=1,2,3，…，n；
所述服务器将tk构成一个与0-10对应的函数Ft（tk），使Ft（t1）=0，Ft（tn）=9，其中Ft（tk）取整；
服务器计算Ft（Ti）作为Ti的特征值，并利用其计算结果将Ti分为第一业务消耗时间池，第二业务消耗时间池，…，第十业务消耗时间池。
进一步地，所述服务器设置一个所述业务方式池，其由所述特征值Bi组成，其中Bi=PPi+Ft（Ti），
所述服务器预设有特征值补正值△B以及由特征值B=35为起始点的初始业务推荐表，若单个用户首次浏览特征值为Bi’的业务后，将该用户的特征值调整为α，设定α=35+（Bi’-35）×△B，服务器开始推送由特征值B=α为起始点的业务推荐表；
若单个用户继续浏览由特征值B=α为起始点的业务推荐表，该用户浏览特征值为Bi”的业务后，将该用户的特征值调整为α’，其中α’=α+（α’-α）×△B。
进一步地，所述服务器内设置若干所述业务推荐表Q，单个业务推荐表显示的概率是一定的，业务推荐出现显示第i个业务的概率根据所述的业务的收益率Si构成。
进一步地，所述服务器将所述单个用户的首个业务完成时间作为一个收集周期，并根据该用户的浏览记录推荐业务。
进一步地，所述服务器包括：
存储模块，其基于分布式架构，用以存储和调用业务数据与用户数据；
处理模块，其基于云平台，用以分段处理业务数据和用户数据，并将计算结果和所述业务推荐表推送给用户；
网络模块，其基于互联网，用以传输数据。
进一步地，所述存储模块由用户端和服务端构成，利用基于计算机操作平台的应用式软件传递信息，用以记录数据。
进一步地，所述处理模块为基于互联网的逻辑运算核心，用以将处理后的数据进行封装和传递。
与现有技术相比，本发明的有益效果在于，利用服务器将各业务的特征属性分类的方式，建立业务方式池并刻画业务画像，并以业务方式池为基础向各用户进行业务推荐，通过用户的使用记录不断调整该用户的匹配值，从而提升业务和用户的匹配度。
进一步地，所述服务器将历史业务的特征属性进行分类并赋值，分解后放入对应的业务方式池中，在有效避免了因业务特征庞杂导致的分类不精确的同时，降低了分类的复杂程度，从而进一步提升了业务和用户的匹配度。
进一步地，所述服务器利用正态分布将有关频次的属性进行分解并赋值，在有效避免了因概率问题导致的分类不准确的同时，提升了分类的精确度，从而进一步提升了业务和用户的匹配度。
进一步地，所述服务器将业务的连续属性均分并赋值，在有效避免了因业务分类过于宽泛的同时，提升了分类精细度，从而进一步提升了业务和用户的匹配度。
进一步地，所述服务器将业务的特征值与用户匹配，并在用户使用过程中不断变更用户的使用倾向，在有效避免了因业务推荐过于集中的同时，消除了用户的信息壁垒，从而进一步提升了业务和用户的匹配度。
进一步地，所述服务器利用制作业务表单的方式进行随机推荐，在有效避免了用户接收信息不充分的同时，增加了业务信息的曝光度，从而进一步提升了业务和用户的匹配度。
进一步地，所述服务器周期性为用户提供业务，并不断调整用户的所述业务表单，在有效避免了信息壁垒形成的同时，增加了业务信息与用户的接触概率，从而进一步提升了业务和用户的匹配度。
进一步地，所述服务器利用分布式构架进行存储，利用云平台进行运算并基于互联网传输数据，在有效提升了信息安全的同时，提升了服务器的工作效率，从而进一步提升了业务和用户的匹配度。
进一步地，所述业务信息和用户信息在数据库和用户端均有备份，在有效避免了信息丢失的同时，提升了服务器的工作效率，从而进一步提升了业务和用户的匹配度。
进一步地，所述服务器利用云计算的方式进行运转，在有效避免了因节点损坏导致产生错误信息的同时，提升了服务器的工作效率，从而进一步提升了业务和用户的匹配度。
附图说明
图1为本发明实施例所述基于大数据和业务分析的用户数据处理方法的流程图；
图2为本发明实施例所述基于大数据和业务分析的用户数据处理方法的服务器结构图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，其为本发明实施例所述基于大数据和业务分析的用户数据处理方法的流程图，包括：
步骤S1，利用服务器将业务分类，并根据历史用户的已完成业务处理方式对各业务的持续周期以及处理业务的消耗时间作为该业务的属性值并按数值大小进行赋值；
步骤S2，建立业务方式池，并将单个业务依照各属性的赋值的和作为特征值放入业务方式池中，并利用特征值对业务方式池进行排序；
步骤S3，所述服务器将所述业务方式池按特征值编制成组，并以各业务的收益率作为显示概率向各用户推送，同时以一定周期收集各个用户的使用记录；
步骤S4，按照特征值对所述单个用户的使用记录进行赋值，并将其与该用户账号绑定；
步骤S5，在所述一定周期后，调整各所述用户的赋值并以业务方式池的排序为基准按一定方式向该用户进行业务推荐。
利用服务器将各业务的特征属性分类的方式，建立业务方式池并刻画业务画像，并以业务方式池为基础向各用户进行业务推荐，通过用户的使用记录不断调整该用户的匹配值，从而提升业务和用户的匹配度。
具体而言，所述服务器根据历史完成业务将所述业务处理方式赋值，包括业务的持续周期P、处理业务的消耗时间T、业务的收益率S；
对于第i个所述历史完成业务，设定i=1,2,3，…，n，其中，n为历史完成业务总量，所述服务器根据该历史项目的持续周期Pi、处理业务的消耗时间Ti以及业务的收益率Si将该业务按比例分解，并放入对应的业务方式池中。
所述服务器将历史业务的特征属性进行分类并赋值，分解后放入对应的业务方式池中，在有效避免了因业务特征庞杂导致的分类不精确的同时，降低了分类的复杂程度，从而进一步提升业务和用户的匹配度。
具体而言，所述服务器以所述持续周期P为横轴和该周期P的历史出现频次
Figure 628390DEST_PATH_IMAGE006
为纵轴绘制曲线
Figure 533635DEST_PATH_IMAGE002
，获得的曲线符合正态分布，其中
Figure 297192DEST_PATH_IMAGE007
为该曲线的最高点对应的持续周期的值；
所述服务器计算第一持续周期Pf1、第二持续周期Pf2，第三持续周期Pf3，第四持续周期Pf4，其中Pf1＜Pf2＜Pf3＜Pf4，Pf1和Pf4为
Figure 272101DEST_PATH_IMAGE008
对应的P值，Pf2和Pf3为
Figure 222740DEST_PATH_IMAGE009
对应的P值；
若Pi≤Pf1，所述服务器判定该历史完成业务处于第一持续周期池，并将Pi的特征值PPi赋值为10；
若Pf1＜Pi≤Pf2，所述服务器判定该历史完成业务处于第二持续周期池，并将Pi的特征值PPi赋值为20；
若Pf2＜Pi≤Pf3，所述服务器判定该历史完成业务处于第三持续周期池，并将Pi的特征值PPi赋值为30；
若Pf3＜Pi≤Pf4，所述服务器判定该历史完成业务处于第四持续周期池，并将Pi的特征值PPi赋值为40；
若Pf4＜Pi，所述服务器判定该历史完成业务处于第五持续周期池，并将Pi的特征值PPi赋值为50。
所述服务器利用正态分布将有关频次的属性进行分解并赋值，在有效避免了因概率问题导致的分类不准确的同时，提升分类的精确度，从而进一步提升了业务和用户的匹配度。
具体而言，所述服务器将所述各历史完成业务的处理业务消耗时间Ti的值从小到大进行排序，顺序为k的处理业务消耗时间为tk，其中k=1,2,3，…，n；
所述服务器将tk构成一个与0-10对应的函数Ft（tk），使Ft（t1）=0，Ft（tn）=9，其中Ft（tk）取整；
服务器计算Ft（Ti）作为Ti的特征值，并利用其计算结果将Ti分为第一业务消耗时间池，第二业务消耗时间池，…，第十业务消耗时间池。
所述服务器将业务的连续属性均分并赋值，在有效避免了因业务分类过于宽泛的同时，提升了分类精细度，从而进一步提升业务和用户的匹配度。
所述服务器将业务的连续属性均分并赋值，在有效避免了因业务分类过于宽泛的同时，提升了分类精细度，从而进一步提升业务和用户的匹配度。
具体而言，所述服务器设置一个所述业务方式池，其由所述特征值Bi组成，其中Bi=PPi+Ft（Ti），
所述服务器预设有特征值补正值△B以及由特征值B=35为起始点的初始业务推荐表，若单个用户首次浏览特征值为Bi’的业务后，将该用户的特征值调整为α，设定α=35+（Bi’-35）×△B，服务器开始推送由特征值B=α为起始点的业务推荐表；
若单个用户继续浏览由特征值B=α为起始点的业务推荐表，该用户浏览特征值为Bi”的业务后，将该用户的特征值调整为α’，其中α’=α+（α’-α）×△B。
所述服务器将业务的特征值与用户匹配，并在用户使用过程中不断变更用户的使用倾向，在有效避免了因业务推荐过于集中的同时，消除了用户的信息壁垒，从而进一步提升业务和用户的匹配度。
具体而言，所述服务器内设置若干所述业务推荐表Q，单个业务推荐表显示的概率是一定的，业务推荐出现显示第i个业务的概率根据所述的业务的收益率Si构成。
所述服务器利用制作业务表单的方式进行随机推荐，在有效避免了用户接收信息不充分的同时，增加了业务信息的曝光度，从而进一步提升业务和用户的匹配度。
具体而言，所述服务器将所述单个用户的首个业务完成时间作为一个收集周期，并根据该用户的浏览记录推荐业务。所述服务器通过周期性为用户提供业务，并不断调整用户的所述业务表单，在有效避免了信息壁垒形成的同时，增加了业务信息与用户的接触概率，从而进一步提升业务和用户的匹配度。
请参阅图2所示，其为基于大数据和业务分析的用户数据处理方法的服务器结构图，包括：
存储模块，其基于分布式架构，用以存储和调用业务数据与用户数据；
处理模块，其基于云平台，用以分段处理业务数据和用户数据，并将计算结果和所述业务推荐表推送给用户；
网络模块，其基于互联网，用以传输数据。
所述服务器利用分布式构架进行存储，利用云平台进行运算并基于互联网传输数据，在有效提升了信息安全的同时，提升了服务器的工作效率，从而进一步提升了业务和用户的匹配度。
具体而言，所述存储模块由用户端和服务端构成，利用基于计算机操作平台的应用式软件传递信息，用以记录数据。所述业务信息和用户信息在数据库和用户端均有备份，在有效避免了信息丢失的同时，提升了服务器的工作效率，从而进一步提升了业务和用户的匹配度。
具体而言，所述处理模块为基于互联网的逻辑运算核心，用以将处理后的数据进行封装和传递。所述服务器利用云计算的方式进行运转，在有效避免了因节点损坏导致产生错误信息的同时，提升了服务器的工作效率，从而进一步提升了业务和用户的匹配度。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于大数据和业务分析的用户数据处理方法，其特征在于，包括：
步骤S1，利用服务器将业务分类，并根据历史用户的已完成业务处理方式对各业务的持续周期以及处理业务的消耗时间作为该业务的属性值并按数值大小进行赋值；
步骤S2，建立业务方式池，并将单个业务依照各属性的赋值的和作为特征值放入业务方式池中，并利用特征值对业务方式池进行排序；
步骤S3，所述服务器将所述业务方式池按特征值编制成组，并以各业务的收益率作为显示概率向各用户推送，同时以一定周期收集各个用户的使用记录；
步骤S4，按照特征值对所述单个用户的使用记录进行赋值，并将其与该用户账号绑定；
步骤S5，在所述一定周期后，调整各所述用户的赋值并以业务方式池的排序为基准按一定方式向该用户进行业务推荐。
2.根据权利要求1所述的基于大数据和业务分析的用户数据处理方法，其特征在于，所述服务器根据历史完成业务将所述业务处理方式赋值，包括业务的持续周期P、处理业务的消耗时间T和业务的收益率S；
对于第i个所述历史完成业务，设定i=1,2,3，…，n，其中，n为历史完成业务总量，所述服务器根据该历史项目的持续周期Pi、处理业务的消耗时间Ti以及业务的收益率Si将该业务按比例分解，并放入对应的业务方式池中。
3.根据权利要求2所述的基于大数据和业务分析的用户数据处理方法，其特征在于，所述服务器以所述持续周期P为横轴和该周期P的历史出现频次
Figure 226218DEST_PATH_IMAGE001
为纵轴绘制曲线
Figure 547478DEST_PATH_IMAGE002
，获得的曲线符合正态分布，其中
Figure 567386DEST_PATH_IMAGE003
为该曲线的最高点对应的持续周期的值；
所述服务器计算第一持续周期Pf1、第二持续周期Pf2，第三持续周期Pf3，第四持续周期Pf4，其中Pf1＜Pf2＜Pf3＜Pf4，Pf1和Pf4为
Figure 304398DEST_PATH_IMAGE004
对应的P值，Pf2和Pf3为
Figure 31046DEST_PATH_IMAGE005
对应的P值；
若Pi≤Pf1，所述服务器判定该历史完成业务处于第一持续周期池，并将Pi的特征值PPi赋值为10；
若Pf1＜Pi≤Pf2，所述服务器判定该历史完成业务处于第二持续周期池，并将Pi的特征值PPi赋值为20；
若Pf2＜Pi≤Pf3，所述服务器判定该历史完成业务处于第三持续周期池，并将Pi的特征值PPi赋值为30；
若Pf3＜Pi≤Pf4，所述服务器判定该历史完成业务处于第四持续周期池，并将Pi的特征值PPi赋值为40；
若Pf4＜Pi，所述服务器判定该历史完成业务处于第五持续周期池，并将Pi的特征值PPi赋值为50。
4.根据权利要求3所述的基于大数据和业务分析的用户数据处理方法，其特征在于，所述服务器将所述各历史完成业务的处理业务消耗时间Ti的值从小到大进行排序，顺序为k的处理业务消耗时间为tk，其中k=1,2,3，…，n；
所述服务器将tk构成一个与0-10对应的函数Ft（tk），使Ft（t1）=0，Ft（tn）=9，其中Ft（tk）取整；
服务器计算Ft（Ti）作为Ti的特征值，并利用其计算结果将Ti分为第一业务消耗时间池，第二业务消耗时间池，…，第十业务消耗时间池。
5.根据权利要求4所述的基于大数据和业务分析的用户数据处理方法，其特征在于，所述服务器设置一个所述业务方式池，其由所述特征值Bi组成，其中Bi=PPi+Ft（Ti），
所述服务器预设有特征值补正值△B以及由特征值B=35为起始点的初始业务推荐表，若单个用户首次浏览特征值为Bi’的业务后，将该用户的特征值调整为α，设定α=35+（Bi’-35）×△B，服务器开始推送由特征值B=α为起始点的业务推荐表；
若单个用户继续浏览由特征值B=α为起始点的业务推荐表，该用户浏览特征值为Bi”的业务后，将该用户的特征值调整为α’，其中α’=α+（α’-α）×△B。
6.根据权利要求5所述的基于大数据和业务分析的用户数据处理方法，其特征在于，所述服务器内设置若干所述业务推荐表Q，单个业务推荐表显示的概率是一定的，业务推荐出现显示第i个业务的概率根据所述的业务的收益率Si构成。
7.根据权利要求6所述的基于大数据和业务分析的用户数据处理方法，其特征在于，所述服务器将所述单个用户的首个业务完成时间作为一个收集周期，并根据该用户的浏览记录推荐业务。
8.一种使用权利要求1-7任一权利要求所述方法的基于大数据和业务分析的用户数据处理服务器，其特征在于，包括：
存储模块，其基于分布式架构，用以存储和调用业务数据与用户数据；
处理模块，其基于云平台，用以分段处理业务数据和用户数据，并将计算结果和所述业务推荐表推送给用户；
网络模块，其基于互联网，用以传输数据。
9.根据权利要求8所述的基于大数据和业务分析的用户数据处理服务器，其特征在于，所述存储模块由用户端和服务端构成，利用基于计算机操作平台的应用式软件传递信息，用以记录数据。
10.根据权利要求8所述的基于大数据和业务分析的用户数据处理服务器，其特征在于，所述处理模块为基于互联网的逻辑运算核心，用以将处理后的数据进行封装和传递。
CN202211047923.3A 2022-08-30 2022-08-30 基于大数据和业务分析的用户数据处理方法及服务器 Withdrawn CN115391658A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211047923.3A CN115391658A (zh) 2022-08-30 2022-08-30 基于大数据和业务分析的用户数据处理方法及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211047923.3A CN115391658A (zh) 2022-08-30 2022-08-30 基于大数据和业务分析的用户数据处理方法及服务器

Publications (1)

Publication Number Publication Date
CN115391658A true CN115391658A (zh) 2022-11-25

Family

ID=84124825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211047923.3A Withdrawn CN115391658A (zh) 2022-08-30 2022-08-30 基于大数据和业务分析的用户数据处理方法及服务器

Country Status (1)

Country Link
CN (1) CN115391658A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116074120A (zh) * 2023-03-07 2023-05-05 北京思想天下教育科技有限公司 一种基于大数据云平台的线上集体开通系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116074120A (zh) * 2023-03-07 2023-05-05 北京思想天下教育科技有限公司 一种基于大数据云平台的线上集体开通系统
CN116074120B (zh) * 2023-03-07 2023-05-30 北京思想天下教育科技有限公司 一种基于大数据云平台的线上集体开通系统

Similar Documents

Publication Publication Date Title
CN111178624B (zh) 一种新产品需求预测的方法
US20230306449A1 (en) Pre-processing financial market data prior to machine learning training
US9786013B2 (en) Dashboard interface, platform, and environment for matching subscribers with subscription providers and presenting enhanced subscription provider performance metrics
WO1996035187A1 (en) Method and apparatus for cycle time costing
CN106997347A (zh) 信息推荐方法及服务器
EP4131031A1 (en) Recommendation method and device based on automatic feature grouping
CN115577152B (zh) 基于数据分析的在线图书借阅管理系统
CN115391658A (zh) 基于大数据和业务分析的用户数据处理方法及服务器
EP1636703A2 (en) Evaluating storage options
CN111626682B (zh) 一种成本的核算方法、装置、计算机设备和存储介质
CN111292109A (zh) 产品的价格区间的确定方法、系统、设备和存储介质
CN109492863A (zh) 金融单证的自动生成方法及装置
CN105359172A (zh) 计算企业存在拖欠的概率
CN114004654A (zh) 基于大数据分析的互联网卡用户画像构建方法及系统
CN113421056A (zh) 一种互联网人力资源管理系统
CN110826845B (zh) 一种多维组合成本分摊装置及方法
CN108074108A (zh) 一种净推荐值的显示方法及其终端
CN115759712B (zh) 生产报工管理方法、系统、电子设备及存储介质
CN116485237A (zh) 一种电力调控数据资产价值评估方法、系统、设备及介质
CN114820011A (zh) 用户群体聚类方法、装置、计算机设备和存储介质
CN112291625A (zh) 信息质量处理方法、装置、电子设备及存储介质
CN112308419A (zh) 数据处理方法、装置、设备及计算机存储介质
CN114881619B (zh) 多部门采购计划数据贯通协同方法、装置及可读存储介质
US11694004B2 (en) Dynamic optimization method and system for procurement specifications of brightness enhancement film (BEF) raw materials
CN111353692B (zh) 一种工业装置的评估方法及系统

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20221125

WW01 Invention patent application withdrawn after publication