CN115617794A - 数据分析方法、数据分析设备和计算机可读存储介质 - Google Patents
数据分析方法、数据分析设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN115617794A CN115617794A CN202211228931.8A CN202211228931A CN115617794A CN 115617794 A CN115617794 A CN 115617794A CN 202211228931 A CN202211228931 A CN 202211228931A CN 115617794 A CN115617794 A CN 115617794A
- Authority
- CN
- China
- Prior art keywords
- database
- query statement
- data
- database query
- database table
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
- G06F16/242—Query formulation
- G06F16/2433—Query languages
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种数据分析方法、设备和计算机可读存储介质,其中,数据分析方法包括:基于各业务系统的业务数据,构建以若干业务对象为维度并以若干分析变量为指标的数据库表;枚举通过组合维度与指标而形成的第一数据库查询语句,并预先获取第一数据库查询语句在数据库表的查询结果;响应于接收到源自用户的第二数据库查询语句,将与第二数据库查询语句相匹配的第一数据库查询语句在数据库表的查询结果,直接返回至用户终端。上述方案,能够提升用户获取数据查询结果的速度和精度。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种数据分析方法、数据分析设备和计算机可读存储介质。
背景技术
现货背景下,业务公司(如,售电公司)面临海量的电子数据资源,包括但不限于:用户档案数据、电子合同数据、市场日/月/年交易数据、结算数据等等。这些数据维度层级较多、数据分类繁杂不统一且数量庞大,而且通常还分散在不同的业务管理系统中。
目前,业务公司通常根据已有数据资源,依靠人工按数据来源进行分门别类的整理导出,以及利用Excel工具进行数据汇总合并,再进行离线式数据分析,工作量巨大且效率低下,且极易出错。有鉴于此,如何提升用户获取数据查询结果的速度和精度成为亟待解决的技术问题。
发明内容
本申请至少提供一种数据分析方法、数据分析设备和计算机可读存储介质,能够提升用户获取数据查询结果的速度和精度。
为了解决上述技术问题,本申请第一方面提供了一种数据分析方法,包括:基于各业务系统的业务数据,构建以若干业务对象为维度并以若干分析变量为指标的数据库表;枚举通过组合维度与指标而形成的第一数据库查询语句,并预先获取第一数据库查询语句在数据库表的查询结果;响应于接收到源自用户的第二数据库查询语句,将与第二数据库查询语句相匹配的第一数据库查询语句在数据库表的查询结果,直接返回至用户终端。
为了解决上述技术问题,本申请第二方面提供了一种数据分析设备,包括通信电路、存储器和处理器,通信电路和存储器分别与处理器耦接,通信电路用于获取各业务系统的业务数据表,存储器中存储有程序指令,处理器用于执行程序指令以实现上述第一方面中的数据分析方法。
为了解决上述技术问题,本申请第三方面提供了一种计算机可读存储介质,其上存储有能够被处理器运行的程序指令,所述程序指令用于实现上述第一方面中的数据分析方法。
上述方案,基于各业务系统的业务数据,构建以若干业务对象为维度并以若干分析变量为指标的数据库表,基于此枚举通过组合维度与指标而形成的第一数据库查询语句,并预先获取第一数据库查询语句在数据库表的查询结果,从而响应于接收到源自用户的第二数据库查询语句,将与第二数据库查询语句相匹配的第一数据库查询语句在数据库表的查询结果,直接返回至用户终端,故相较于常规离线方式而言,只需要穷举所有维度和指标的组合方式形成第一数据库查询语句,并预先从数据库表获取各第一数据库查询语句的查询结果,进而在接收到第二数据库查询语句之后,只需将其与第一数据库查询语句进行匹配,即可直接返回查询结果,能够减少等待查询结果的时间,有效提高工作效率,且能够尽可能地避免由于完全依赖于人工操作而容易产生的错误。故此,能够提升用户获取数据查询结果的速度和精度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本申请的实施例,并与说明书一起用于说明本申请的技术方案。
图1是本申请数据分析方法一实施例的流程示意图;
图2是本申请数据分析方法一实施例的扩充示意图;
图3是本申请数据分析方法一实施例的扩充示意图;
图4是本申请数据分析设备一实施例的框架示意图;
图5是本申请计算机可读存储介质一实施例的框架示意图。
具体实施方式
下面结合说明书附图,对本申请实施例的方案进行详细说明。
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、接口、技术之类的具体细节,以便透彻理解本申请。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。此外,本文中的“多”表示两个或者多于两个。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
请参阅图1,图1是本申请数据分析方法一实施例的流程示意图。
具体而言,可以包括如下步骤:
步骤S11:基于各业务系统的业务数据,构建以若干业务对象为维度并以若干分析变量为指标的数据库表。
在一个实施场景中,各业务系统可能存储有重复的业务数据,但在数据库表中会汇集不重复的业务数据,从而能够节省数据库表中的存储空间,提高后续调用业务数据时的效率。在此基础上,以业务公司为售电公司为例,其中售电公司下的业务系统可以包括业务系统E、业务系统F、业务系统G等,业务系统E内的业务数据可以为申报电量、结算电量、交易电价、售电成本等;业务系统F内的业务数据可以为企业类型、地区、省份、结算电量、交易电价等;业务系统G内的业务数据可以为代理用户、售电成本、售电收入、地区、省份、结算电量等。通过数据库程序接口连接上述售电公司下的各业务系统,基于业务系统内的业务数据进而构建以若干业务对象为维度并以若干分析变量为指标的数据库表。从而能快速、便捷地查询业务数据,为后期用户分析业务数据提供了基础。
在一个实施场景中,数据库表可以有数据宽表、数据窄表。在本申请中,由于存在较多复杂的业务数据,因此以数据宽表来实施具体的方案。数据宽表由纵向的列和横向的行组成,示例性地,数据宽表的列可以存储维度数据,行可以存储指标数据;或者,数据宽表的列可以存储指标数据,行可以存储维度数据,在此不做限定。
在一个实施场景中,业务数据可以包括代理用户、售电公司、合同、售电套餐类型、售电成本、售电收入、企业类型、地区、省份、企业性质、结算电量、交易电价、合约电价、收益电费、考核电费、申报电量等等。并以上述数据分别构建维度和指标,示例性地,维度可以为代理用户、售电公司、合同、售电套餐类型,指标可以为售电成本、售电收入、企业类型、地区、省份、企业性质、结算电量、交易电价、合约电价、收益电费、考核电费、申报电量。
在一个实施例场景中,为了有效分析业务数据,通过数据库程序接口连接至业务系统,以从业务系统获取业务数据。其中,数据库程序接口的方式可以包括但不限于:ODBC、JDBC。在此以JDBC的方式举例,JDBC是一种执行数据库查询语句的接口,通过JDBC程序接口,用户不再需要编写一个程序,可以直接调用数据库查询语句查询结果。上述方式,通过数据库程序接口连接业务系统,能快速、便捷地查询业务数据,为后期用户分析业务数据提供了基础,无需额外增添编写程序的步骤。
步骤S12:枚举通过组合维度与指标而形成的第一数据库查询语句,并预先获取所述第一数据库查询语句在所述数据库表的查询结果。
在一个实施场景中,为了提高用户在数据库表中查询结果的效率,可以预先枚举所有维度与指标组合的可能性结果。示例性地,维度为售电公司,指标可以为企业性质、企业类型、地区和省份;或者维度为售电公司,指标可以为代理用户、售电成本、售电收入等等。但区别于前述组合一个维度对应多个指标的情况下,确定到第一数据库查询语句涉及的维度分布于多个业务数据表的情况时,缓存第一数据库查询语句对应的查询结果至临时数据库表。示例性地,维度可以为售电公司和代理用户,指标可以为申报电量、结算电量、交易电价、合约电价、收益电费、考核电费,并以维度和指标形成第一数据库查询语句,从而将查询结果缓存至临时数据库表。在此基础上,查询结果可以由用户以拖曳的动作,将数据所在单元逐个(或者多个数据所在单元)移动至数据库表;查询结果还可以由用户标记数据所在的单元,并将剩余数据从标记数据所在单元的行或者列以设定的排布方式(如,自上而下或者从左至右排布等)保存在临时数据库表。上述方式,枚举维度与指标形成的组合,有助于提升用户获取数据查询结果的速度和精度,提高用户工作效率的同时还减少了等待查询结果的时间。
在一个实施场景中,为了能快速在数据库表中查询结果,还在第一数据库查询语句设有定时执行参数,检测当前时刻是否触发第一数据库查询语句的定时执行;响应于当前时刻触发第一数据库查询语句的定时执行,重新获取第一数据库查询语句在最新数据库表中的查询结果,并将最新的查询结果置为有效。具体地,有效地判断查询结果为最新的查询结果的方式可以包括在查询结果处设置标志位和替换更新查询结果。如以在查询结果处设置标志位为例,以在查询结果中最新出现的标志位来获取最新的查询结果;如以替换更新查询结果为例,在数据库表中进行最新一次的查询,并将最新一次的查询直接作为最新的查询结果,则能得到有效的查询结果。当然能得到最新的查询结果还是与第一数据库查询语句中的定时执行参数有关。其中,定时执行参数包括执行周期和执行标志,可以根据每1.5小时或者每两个小时固定的执行周期更新数据库表;区别于固定的执行周期更新数据库表,还可以自行调节执行周期;还可以使用有效的执行标志在当前时刻即刻更新数据库表中的第一数据库查询语句以及第一数据库查询语句对应的查询结果。上述方式,能重新获取所述第一数据库查询语句在最新所述数据库表中的查询结果,通过定时执行参数的变量更新查询结果,既能有效的提升查询结果的新颖性,还能不频繁地占用查询资源创建数据库表,同时依据更新后的数据库表,有助于提升用户获取数据查询结果的速度和精度,提高用户工作效率的同时还减少了等待查询结果的时间,减少了分析非最新的查询结果带来的工作失误。
在一个实施场景中,为了能准确获得数据库表中的查询结果,还要通过数据库程序接口连接数据库表,以在数据库表查询结果。以前述实施例中的JDBC数据程序接口为例,将JDBC数据程序接口与数据库表连接,通过数据库查询语句方式,将查询结果缓存至临时数据库表中,方便用户能在临时数据库表中查询数据。相比于将数据集成在业务系统,并在业务系统中调用数据,大幅提升了调用数据时的速度同时提高用户分析数据时的效率。在此基础上,以数据库表为H2内存数据库为例,将第一数据库查询语句对应的查询结果缓存至H2内存数据库。使用H2内存数据库不仅可以支持数据库程序接口(如上述实施例中的JDBC、ODBC方式),还可以支持数据库查询语句(如SQL语句)。其中H2内存数据库不仅能保存维度分布于多个业务数据表的数据,还能保存组合维度与指标形成的第一数据库查询语句。上述方式,将数据库程序接口与数据库表有效连接,有助于用户能使用如SQL语句在数据库表中快速查询到查询结果,依据查询结果能提高用户工作效率。
步骤S13:响应于接收到源自用户的第二数据库查询语句,将与所述第二数据库查询语句相匹配的第一数据库查询语句在所述数据库表的查询结果,直接返回至用户终端。
在一个实施场景中,为了使得用户能区分存储在数据库表中的维度和指标,还在用户终端显示有各维度对应的第一名称和各指标对应的第二名称,但显示的第一名称和第二名称是以用户选择至少一个维度和指标为前提。其中,第一名称和第二名称可以通过修改或者保留用户在首次组合维度和指标后的名称而确定,示例性地,将前述实施例中的“售电套餐类型”修改为“套餐类型”。另外,还可以设置待选名称集,可以在用户终端上显示的待选名称集中,选择其中一个维度和指标后的名称作为展示在用户终端中的名称(如在待选名称集中选择第五个作为维度和指标对应的第一名称与第二名称)。上述方式,在用户终端选择至少一个维度和至少一个指标之后,通过修改或者保留用户在首次组合维度和指标后的名称,能增强用户对修改后维度和指标的记忆力,有效地提升用户分析数据时的工作效率,以及大幅度提升用户自主选择性。
在一个实施场景中,区别于前述实施例中在用户终端显示第一名和第二名称,还能在用户终端接收到查询结果之后,将查询结果以用户自定义样式在用户终端展示。用户自定义样式可以通过任意一种图形或者任意一种表格显示在用户终端,例如,图形包括但不限于折线图、柱状图、饼图、对比图、散点图、气泡图,表格包括但不限于多维数据表格。示例性地,“用户以拖曳的动作,将数据所在单元逐个(或者多个数据所在单元)移动至数据库表,并通过散点图的方式在用户终端展示数据”。上述方式,将查询结果以用户自定义样式在用户终端展示,从而使得复杂数据能在用户终端多元化展示并分析,减少了用户提前处理并整合数据关系的时间,有效提高用户的工作效率。
在一个实施场景中,在接收到源自用户的第二数据库查询语句之后,需要计算第二数据库查询语句与第一数据库查询语句的匹配度,从而判断第二数据库查询语句与第一数据库查询语句的相似度是否接近于设定值,在此基础上,第二数据库查询语句与第一数据库查询语句的匹配度通过相似度的方式判断。其中,设定值可以依据实际应用需求设置,例如可以设置为0.99、0.98、0.95等。
在一个实施场景中,可以分别对第一数据库查询语句和第二数据库查询语句进行分词,在分词后列出第一数据库查询语句和第二数据库查询语句中的所有词,以此分别计算得到第一数据库查询语句和第二数据库查询语句的词在所有词中出现的词频(例如,第一数据库查询语句的词频为{0 1 1 1 0 1},第二数据库查询语句的词频为{1 0 1 1 01}),并先获取第一数据库查询语句的词频和第二数据库查询语句的词频相乘之积和第一数据库查询语句的词频和第二数据库查询语句的词频的模之积,后将第一数据库查询语句的词频和第二数据库查询语句的词频相乘之积与第一数据库查询语句的词频、第二数据库查询语句的词频的模之积相除,相除之后与反三角函数中的反余弦相乘,作为第一数据库查询语句和第二数据库查询语句的相似度。在此基础上,还可以对第一数据库查询语句和第二数据库查询语句的汉明距离进行计算,得到上述两者的相似度结果。
请参阅图2,图2是本申请数据分析方法一实施例的扩充示意图,具体而言,本实施例中数据分析方法的内容可以在上述实施例中步骤S11之前实施。请结合参阅图2,数据分析方法可以包含如下内容:通过数据库程序接口连接至业务系统,以从业务系统获取业务数据。
在一个实施场景中,前述实施例公开了以JDBC程序接口为例,将JDBC程序接口与业务系统连接,从而能通过SQL语句在数据库表中查询结果。通过JDBC程序接口,用户不再需要编写一个程序,可以直接调用数据库查询语句查询结果。为了能从数据库表中查询结果,进一步减少从各个业务系统中获取数据的步骤,可以设置数据库程序接口连接数据资源池,从而能将各个业务系统中的数据汇聚在数据资源持中,便于后续调取数据。上述方式,通过JDBC的数据库程序接口连接业务系统,同时能设置数据库程序接口连接数据资源池,从而能快速、便捷地查询业务数据,为后期用户分析业务数据提供了基础。
请参阅图3,图3是本申请数据分析方法一实施例的扩充示意图,具体而言,本实施例中数据分析方法的内容可以在上述实施例中步骤S12之前实施。请结合参阅图3,数据分析方法可以包含如下内容:通过所述数据库程序接口连接至数据库表,以在所述数据库表查询结果。
在一个实施场景中,区别于前述实施例中“通过数据库程序接口连接业务系统”,本实施例中数据程序接口是连接数据库表。数据库表存储的是包含各业务系统集合的数据,示例性地,A业务系统存储有企业性质、企业类型、地区、省份和代理用户,B业务系统存储有交易电价、合约电价、收益电费和省份,数据库表可以存储有以代理用户为维度,企业性质、企业类型、合约电价、收益电费为指标的数据;数据库表还可以存储有以代理用户为维度,地区、省份、合约电价为指标形成的数据,在此不作限定。同时,为了能有效地更新数据库表,还要确定第一数据库查询语句是否在数据库表中重新被执行。示例性地,首先确定第一数据库查询语句是否在数据库表中被执行,并依据自行调节执行周期的方式更新数据库表。前述实施例中已经具体描述更新数据库表的所有方式,在此不再赘述。其中执行周期可以标记在调用多个相邻的第一数据库查询语句时的时间,记录多个相邻的第一数据库查询语句之间的时间差值,并将多个时间差值的平均值等其他数据统计量的指标来更新数据库表。例如,将每次调用第一数据库查询语句之后携带的定时执行参数设为开始标志,紧邻上一次调用第一数据库查询语句之后携带的定时执行参数设为结束标志,多次计算结束标志与开始标志之间的时间差值,将多次计算的时间差值的平均值作为更新数据库表的时间,还可以根据多次计算的时间差值的方差作为更新数据库表的时间,在此不做限定。上述方式,通过数据库程序接口连接至数据库表,以在数据库表查询结果,能方便用户在数据库表中查询相同的结果时无需重复查询,从而能节约数据被查询的时间,提高用户查询数据时的效率。
上述方案,基于各业务系统的业务数据,构建以若干业务对象为维度并以若干分析变量为指标的数据库表,基于此枚举通过组合维度与指标而形成的第一数据库查询语句,并预先获取第一数据库查询语句在数据库表的查询结果,从而响应于接收到源自用户的第二数据库查询语句,将与第二数据库查询语句相匹配的第一数据库查询语句在数据库表的查询结果,直接返回至用户终端,故相较于常规离线方式而言,只需要穷举所有维度和指标的组合方式形成第一数据库查询语句,并预先从数据库表获取各第一数据库查询语句的查询结果,进而在接收到第二数据库查询语句之后,只需将其与第一数据库查询语句进行匹配,即可直接返回查询结果,能够减少等待查询结果的时间,有效提高工作效率,且能够尽可能地避免由于完全依赖于人工操作而容易产生的错误。故此,能够提升用户获取数据查询结果的速度和精度。
请参阅图4,图4是本申请数据分析设备一实施例的框架示意图,具体而言,包括通信电路401、处理器402和存储器403,所述通信电路401和所述存储器403分别与所述处理器402耦接,所述通信电路401用于获取各业务系统的业务数据表,所述存储器403中存储有程序指令,具体而言,所述处理器402用于控制其自身,以及通信电路401、存储器403执行上述任一数据分析方法实施例的步骤。处理器402还可以称为CPU(Central Processing Unit,中央处理单元),处理器402可能是一种集成电路芯片,具有信号的处理能力。处理器402还可以是通用处理器402、数字信号处理器402(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)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器402可以是微处理器402或者该处理器402也可以是任何常规的处理器402等。另外,处理器402可以由集成电路芯片共同实现。
上述方式,只需要穷举所有维度和指标的组合方式形成第一数据库查询语句,并预先从数据库表获取各第一数据库查询语句的查询结果,进而在接收到第二数据库查询语句之后,只需将其与第一数据库查询语句进行匹配,即可直接返回查询结果,能够减少等待查询结果的时间,有效提高工作效率,且能够尽可能地避免由于完全依赖于人工操作而容易产生的错误。故此,能够提升用户获取数据查询结果的速度和精度。
请参阅图5,图5是本申请计算机可读存储介质一实施例的框架示意图。计算机可读存储介质501存储有能够被处理器运行的程序指令502,程序指令502用于实现上述任一实施例中的数据分析方法。
上述方式,只需要穷举所有维度和指标的组合方式形成第一数据库查询语句,并预先从数据库表获取各第一数据库查询语句的查询结果,进而在接收到第二数据库查询语句之后,只需将其与第一数据库查询语句进行匹配,即可直接返回查询结果,能够减少等待查询结果的时间,有效提高工作效率,且能够尽可能地避免由于完全依赖于人工操作而容易产生的错误。故此,能够提升用户获取数据查询结果的速度和精度。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考,为了简洁,本文不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,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,例如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信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,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方式方案的目的。
另外,在本申请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取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种数据分析方法,其特征在于,包括:
基于各业务系统的业务数据,构建以若干业务对象为维度并以若干分析变量为指标的数据库表;
枚举通过组合所述维度与所述指标而形成的第一数据库查询语句,并预先获取所述第一数据库查询语句在所述数据库表的查询结果;
响应于接收到源自用户的第二数据库查询语句,将与所述第二数据库查询语句相匹配的第一数据库查询语句在所述数据库表的查询结果,直接返回至用户终端。
2.根据权利要求1所述的方法,其特征在于,在所述第一数据库查询语句涉及的维度分布于多个业务数据表的情况下,所述预先获取所述第一数据库查询语句在所述数据库表的查询结果,包括:
缓存所述第一数据库查询语句对应的查询结果至临时数据库表。
3.根据权利要求1所述的方法,其特征在于,所述第一数据库查询语句还设有定时执行参数,所述方法还包括:
基于所述定时执行参数,检测当前时刻是否触发所述第一数据库查询语句的定时执行;
响应于所述当前时刻触发所述第一数据库查询语句的定时执行,重新获取所述第一数据库查询语句在最新所述数据库表中的查询结果,并将最新的查询结果置为有效。
4.根据权利要求3所述的方法,其特征在于,所述定时执行参数的变量包括以下任一者:执行周期、执行标志;其中,所述执行标志在所述数据库表更新时被置为有效。
5.根据权利要求1所述的方法,其特征在于,所述用户终端显示有各所述维度对应的第一名称和各所述指标对应的第二名称,所述第二数据库查询语句由用户基于所述第一名称和所述第二名称,在所述用户终端选择至少一个所述维度和至少一个所述指标之后形成。
6.根据权利要求1所述的方法,其特征在于,所述用户终端在接收到所述查询结果之后,所述查询结果以用户自定义样式在所述用户终端展示。
7.根据权利要求1所述的方法,其特征在于,在所述基于各业务系统的业务数据表,构建以若干业务对象为维度并以若干分析变量为指标的数据库表之前,所述方法还包括:
通过数据库程序接口连接至所述业务系统,以从所述业务系统获取所述业务数据。
8.根据权利要求1或7所述的方法,其特征在于,在预先获取所述第一数据库查询语句在所述数据库表的查询结果之前,所述方法还包括:
通过数据库程序接口连接至数据库表,以在所述数据库表查询结果。
9.一种数据分析设备,其特征在于,包括通信电路、存储器和处理器,所述通信电路和所述存储器分别与所述处理器耦接,所述通信电路用于获取各业务系统的业务数据表,所述存储器中存储有程序指令,所述处理器用于执行所述程序指令以实现权利要求1至8任一项所述的数据分析方法。
10.一种计算机可读存储介质,其特征在于,存储有能够被处理器运行的程序指令,所述程序指令用于实现权利要求1至8任一项所述的数据分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211228931.8A CN115617794A (zh) | 2022-10-09 | 2022-10-09 | 数据分析方法、数据分析设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211228931.8A CN115617794A (zh) | 2022-10-09 | 2022-10-09 | 数据分析方法、数据分析设备和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115617794A true CN115617794A (zh) | 2023-01-17 |
Family
ID=84859817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211228931.8A Pending CN115617794A (zh) | 2022-10-09 | 2022-10-09 | 数据分析方法、数据分析设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115617794A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116108020A (zh) * | 2023-04-10 | 2023-05-12 | 科技日报社 | 包含复杂信源的媒体资讯库的数据解析和存储方法及装置 |
-
2022
- 2022-10-09 CN CN202211228931.8A patent/CN115617794A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116108020A (zh) * | 2023-04-10 | 2023-05-12 | 科技日报社 | 包含复杂信源的媒体资讯库的数据解析和存储方法及装置 |
CN116108020B (zh) * | 2023-04-10 | 2023-06-06 | 科技日报社 | 包含复杂信源的媒体资讯库的数据解析和存储方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3117347B1 (en) | Systems and methods for rapid data analysis | |
US10754877B2 (en) | System and method for providing big data analytics on dynamically-changing data models | |
US11163735B2 (en) | Database capacity estimation for database sizing | |
EP2929467A1 (en) | Integrating event processing with map-reduce | |
CN106933893B (zh) | 多维度数据的查询方法及装置 | |
US9235608B2 (en) | Database performance analysis | |
EP1695192A2 (en) | Automatic monitoring and statistical analysis of dynamic process metrics to expose meaningful changes | |
WO2019052162A1 (zh) | 提高数据清洗效率的方法、装置、设备及可读存储介质 | |
EP4191442A1 (en) | Cloud computing index recommendation method and system | |
US11803521B2 (en) | Implementation of data access metrics for automated physical database design | |
CN112559567A (zh) | 适用于olap查询引擎的查询方法及装置 | |
CN111460011A (zh) | 页面数据展示方法、装置、服务器及存储介质 | |
CN115617794A (zh) | 数据分析方法、数据分析设备和计算机可读存储介质 | |
CN111737244A (zh) | 数据质量检查方法、装置、计算机系统及存储介质 | |
US20230153286A1 (en) | Method and system for hybrid query based on cloud analysis scene, and storage medium | |
CN113094424B (zh) | 通过构建多级指标体系进行图表模式识别的方法和系统 | |
CN113625967B (zh) | 数据存储方法、数据查询方法及服务器 | |
CN106933909B (zh) | 多维度数据的查询方法及装置 | |
CN113918771A (zh) | 批流融合的信息处理方法和装置、存储介质 | |
CN112632115A (zh) | 一种基于bi的数据查询方法及系统 | |
CN111581220A (zh) | 用于时间序列数据的存储及检索方法、装置、设备及存储介质 | |
CN112258151A (zh) | 一种基于pandas的对账方法、装置、计算机设备和存储介质 | |
CN117909301B (zh) | 基于索引的对象查询方法、装置、设备及介质 | |
CN112165530B (zh) | 一种服务调用关系分析方法及装置 | |
CN111737281B (zh) | 数据库查询方法、装置、电子设备以及可读存储介质 |
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 |