CN115618193A - 基于数据透视表的超级时间维度分析方法、装置和设备 - Google Patents
基于数据透视表的超级时间维度分析方法、装置和设备 Download PDFInfo
- Publication number
- CN115618193A CN115618193A CN202211523348.XA CN202211523348A CN115618193A CN 115618193 A CN115618193 A CN 115618193A CN 202211523348 A CN202211523348 A CN 202211523348A CN 115618193 A CN115618193 A CN 115618193A
- Authority
- CN
- China
- Prior art keywords
- time
- dimension
- analysis
- data
- super
- 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06F16/2474—Sequence data queries, e.g. querying versioned 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
- G06F16/248—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Fuzzy Systems (AREA)
- Operations Research (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种基于数据透视表的超级时间维度分析方法、装置和设备,包括:获取预先配置的数据源、分析维度、分析值和超级时间维度,超级时间维度包括时间类型、当期时间信息和数据指标;基于时间类型和当期时间信息,计算当期时间范围和同期时间范围,并基于当期时间范围和同期时间范围,计算评估时间范围;基于数据源、分析维度、分析值以及评估时间范围,获取待评估数据;基于待评估数据以及当期时间范围、同期时间范围和评估时间范围中的至少一种时间范围,计算数据指标的指标值,并将该指标值作为分析维度下的分析值在超级时间维度下的分析结果,由此用户仅需配置好超级时间维度,便可以自动完成超级时间维度的分析。
Description
技术领域
本公开涉及数据处理技术领,尤其涉及一种基于数据透视表的超级时间维度分析方法、装置和设备。
背景技术
数据分析中的大量分析会集中在对于时间维度的分析,包括不同时间范围不同指标的分析。目前,可以通过图形化表格方案和基于数据库SQL语句的方案实现对数据时间维度的分析。但是,在通过图形化表格方案进行数据时间维度的分析时往往需要多次的拖拽表格,多次生成临时表;在基于数据库SQL语句方案进行数据时间维度的分析时,又需要使用者有丰富的SQL语句基础。由此可见,现有的对数据时间维度的分析方法均较为复杂。
发明内容
有鉴于此,本公开提出了一种基于数据透视表的超级时间维度分析方法、装置和设备,可以通过简单的操作实现对数据时间维度的分析。
根据本公开的第一方面,提供了一种基于数据透视表的超级时间维度分析方法,包括:
获取预先配置的数据源、分析维度、分析值和超级时间维度,其中,所述超级时间维度包括时间类型、当期时间信息和数据指标;
基于所述时间类型和所述当期时间信息,计算当期时间范围和同期时间范围,并基于所述当期时间范围和所述同期时间范围,计算评估时间范围;
基于所述数据源、所述分析维度、所述分析值以及所述评估时间范围,获取待评估数据;
基于所述待评估数据以及所述当期时间范围、所述同期时间范围和所述评估时间范围中的至少一种时间范围,计算所述数据指标的指标值,并将所述指标值作为所述分析维度下的所述分析值在所述超级时间维度下的分析结果。
在一种可能的实现方式中,在获取预先配置的数据源、分析维度、分析值和超级时间维度之前,还包括基于预设的前端页面生成所述超级时间维度的操作。
在一种可能的实现方式中,其特征在于,在基于预设的前端页面生成所述超级时间维度时包括:
基于使用所述超级时间维度的触发,推送显示超级时间维度配置区;
在所述超级时间维度配置区中生成超级时间维度的控件被触发的情况下,推送显示超级时间维度配置界面;
基于所述超级时间维度配置界面获取的所述时间类型、所述当期时间信息和所述数据指标,生成所述超级时间维度。
在一种可能的实现方式中,所述时间类型包括绝对时间类型和相对时间类型中的至少一种。
在一种可能的实现方式中,所述绝对时间类型包括月度、季度、半年度和年度中的至少一种;
所述相对时间类型包括累计去年、滚动去年、过去三个月、过去六个月和本月中的至少一种;
其中,所述累计去年表征从当前年的1月到当前年的当前月份;
所述滚动去年表征当前月份之前的十二个月份;
所述过去三个月表征当前月份之前的三个月份;
所述过去六个月表征当前月份之前的六个月份。
在一种可能的实现方式中,所述数据指标包括绝对值、占比、占比变化、同比、环比、增长指数、增长贡献率、排名和排名变化中的至少一种。
在一种可能的实现方式中,所述数据指标的指标值基于所述分析维度在所述当期时间范围内各月份的分析值、在所述同期时间范围内各月份的分析值、在所述评估时间范围内各月份的分析值中的至少一种时间范围内的分析值计算得到。
在一种可能的实现方式中,在获取到待评估数据之后,还包括:
计算所述待评估数据的时间范围;
判断所述当期时间范围和所述同期时间范围是否在所述待评估数据的时间范围内;
在判断所述当期时间范围和所述同期时间范围在所述待评估数据的时间范围内时,再执行计算所述数据指标的指标值的操作。
根据本公开的第二方面,提供了一种基于数据透视表的超级时间维度分析装置,包括:
配置信息获取模块,用于获取预先配置的数据源、分析维度、分析值和超级时间维度,其中,所述超级时间维度包括时间类型、当期时间信息和数据指标;
评估时间范围计算模块,用于基于所述时间类型和所述当期时间信息,计算当期时间范围和同期时间范围,并基于所述前时间范围和所述同期时间范围,计算评估时间范围;
分析数据获取模块,用于基于所述数据源、所述分析维度、所述分析值以及所述评估时间范围,获取待评估数据;
超级时间维度分析模块,用于基于所述待评估数据以及所述当期时间范围、所述同期时间范围和所述评估时间范围中的至少一种时间范围,计算所述数据指标的指标值,并将所述指标值作为所述分析维度下的所述分析值在所述超级时间维度下的分析结果。
根据本公开的第三方面,提供了一种基于数据透视表的超级时间维度分析设备,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本公开第一方面所述的方法。
在本公开中,在对数据进行时间分析时,先获取预先配置的数据源、分析维度、分析值和超级时间维度,其中,超级时间维度包括时间类型、当期时间信息和数据指标;然后基于时间类型和当期时间信息,计算当期时间范围和同期时间范围,并基于当期时间范围和同期时间范围,计算评估时间范围;接着基于数据源、分析维度、分析值以及评估时间范围,获取待评估数据;最后基于待评估数据以及当期时间范围、同期时间范围和评估时间范围中的至少一种时间范围,计算数据指标的指标值,并将该指标值作为分析维度下的分析值在超级时间维度下的分析结果。在本公开中仅需要用户预先配置好超级时间维度,便可以完成自动完成超级时间维度的分析,降低了对数据进行时间分析的复杂度,进而提升了用户的使用体验。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出根据本公开一实施例的基于数据透视表的超级时间维度分析方法的流程图;
图2示出根据本公开一实施例的前端页面中的数据配置区的界面图;
图3示出根据本公开一实施例的前端页面中的超级时间维度配置区的界面图;
图4示出根据本公开一实施例的超级时间维度配置界面的界面图;
图5示出根据本公开一实施例的判断当期时间范围和同期时间范围是否在待评估数据的时间范围内的流程图;
图6示出根据本公开一实施例的基于数据透视表的超级时间维度分析装置的示意性框图;
图7示出根据本公开一实施例的基于数据透视表的超级时间维度分析设备的示意性框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
<方法实施例>
图1示出根据本公开一实施例基于数据透视表的超级时间维度分析方法的流程图。如图1所示,该方法包括步骤S1100-S1400。
S1100,获取预先配置的数据源、分析维度、分析值和超级时间维度,其中,超级时间维度包括时间类型、当期时间信息和数据指标。
具体地,普通时间维度仅包括数据分析的时间范围,例如年度、季度和月度,而本公开中的超级时间维度除了包括可以确定时间范围的时间类型和当期时间信息外,还包括在确定的时间范围内需要统计的数据指标,这样便可以通过超级时间维度将数据分析的时间范围和在该时间范围内的需要统计的数据指标进行关联。
需要说明的是,在获取超级时间维度之前,需要先根据用户需求生成待分析的超级时间维度。在一种可能的实现方式中,在根据用户需求生成待分析的超级时间维度时,可以基于预设的前端页面实现。
在一种可能的实现方式中,该前端页面包括数据配置区,该数据配置区可以如图2所示,具体包括数据源配置区(图中未示出)、数据维度配置区、列维度配置区、行维度配置区和分析值配置区(即图2中的值配置区)。在数据源配置区中完成数据源的配置后,将在数据维度配置区域中显示该数据源可以进行分析的多个数据维度和分析值,其中,多个数据维度中包括超级时间维度。用户可以根据需求从多个数据维度中选取行维度并拖拽至行维度配置区,选取列维度并拖拽至列维度配置区,选取分析值拖拽至分析值配置区。
此处需要说明的是,在多个数据维度中即包括超级时间维度又包括普通时间维度(例如年度、季度、月度等)的情况下,该超级时间维度和该普通时间维度静态互斥,即超级时间维度和普通时间维度不能同时存在于列维度配置区或者行维度配置区。举例来说,在先将超级时间维度拖拽至列维度配置区后,该列维度配置区将不能接收被拖拽至此区的普通时间维度。在先将普通时间维度拖拽至列维度配置区后,该列维度配置区将不能接收被拖拽至此区的超级时间维度。行维度配置区的普通时间维度和超级时间维度的静态互斥设置与列维度配置区相同,在此不再赘述。通过静态互斥功能的设置,可以保证不会出现时间冲突问题,例如在2021年1月月度维度下面出现了2022年第三季度的占比。
在一种可能的实现方式中,在基于上述前端页面生成超级时间维度时包括以下步骤:
第一,基于使用超级时间维度指令的触发,推送显示超级时间维度配置区。具体地,在生成超级时间维度时,需要在数据维度选择区选择超级时间维度,这样,便可以触发使用超级时间维度指令。在使用超级时间维度指令被触发的情况下,将在上述数据配置区推送显示超级时间维度配置区。该超级时间维度配置区可以如图3所示。
第二,在超级时间维度配置区中生成超级时间维度的控件被触发的情况下,推送显示超级时间维度配置界面。具体地,在如图3所示的超级时间维度配置区中包括增加控件,该增加控件即为生成超级时间维度的控件。在增加控件被触发的情况下,将推送显示如图4所示的超级时间维度配置界面。如图4所示,该超级时间维度配置界面中包括时间类型配置区、当前期间信息配置区(包括开始时间配置区和结束时间配置区)以及数据指标配置区(即指标配置区),这样,用户便可以通过超级时间配置界面进行超级时间维度的时间类型、当期时间信息以及数据指标的配置。
在一种可能的实现方式中,在时间类型配置区中可以配置的时间类型包括绝对时间类型和相对时间类型中的至少一种。其中,该绝对时间类型可以包括月度、季度、半年度和年度中的至少一种。该相对时间类型可以包括累计去年(YTD)、滚动去年(MAT)、过去三个月(P3M)、过去六个月(P3M)和本月(TM)中的至少一种。其中,累计去年表征从当前年的1月到当前年的当前月份,滚动去年表征当前月份之前的十二个月份,过去三个月表征当前月份之前的三个月份,过去六个月表征当前月份之前的六个月份。
需要说明的是,在时间类型为绝对时间的情况下,开始时间配置区配置用于配置当期时间的开始时间,结束时间配置区用于配置当期时间的结束时间,将配置的开始时间和结束时间作为当期时间信息。在时间类型为相对时间类型的情况下,该开始时间配置区与该结束时间配置区均用于配置当期时间的起算时间(即开始时间等于结束时间等于当前时间的起算时间),并将该起算时间作为当期时间信息。
在一种可能的实现方式中,数据指标包括绝对值、占比、占比变化、同比、环比、增长指数、增长贡献率、排名和排名变化中的至少一种。
基于超级时间维度配置界面获取的时间类型、当期时间信息和数据指标,生成超级时间维度。具体地,用户在完成时间类型、当期时间信息以及数据指标的配置后,可以触控确认控件。在确认控件被触发的情况下,便可以获取到超级时间维度配置界面配的配置信息,以便生成包括时间类型、当期时间信息以及数据指标的超级时间维度,并将生成的超级时间维度以超级时间维度标识的方式显示至超级时间维度配置区。
基于同样的方法可以在超级时间维度配置区生成多个超级时间维度,这样,在进行超级时间维度分析时,便可以根据具体需求选择对应的超级时间维度,并将选择的超级时间维度拖拽至行维度配置区域或者列维度配置区域中。
在一种可能的实现方式中,每个超级时间维度标识均配置有调整控件,通过该调整控件可以调整该超级时间维度标识的排列顺序或者删除该超级时间维度标识。
在进行超级时间维度分析时,除了根据需要将超级时间维度拖拽至行维度配置区或者列维度配置区之外,还需要在数据维度选择区中选择需要进行该超时间时间维度分析的分析维度和分析值,并将分析维度拖拽至列维度配置区或者行维度配置区,将分析值拖拽至分析值配置区,这样,在前端页面的应用控件被触控的情况下,便可以获取到数据配置区域配置的数据源、分析维度、分析值以及超级时间维度,并通过http协议传输至后端进行超级时间维度的数据分析。此处需要说明的是,分析维度和超级时间维度不能同时存在于行维度配置区域或者列维度配置区域。
举例来说,数据维度选择区中包括平台类型、小品类、品牌、价格区间和渠道(图中未示出)等多个数据维度,包括销售量之和(即sum of 销售量)等多个分析值以及超级时间维度配置区域中包括时间类型为P3M,当前时间信息为起算时间202205,数据指标为绝对值的第一超级时间维度。在需要对渠道的销售量之和进行第一超级时间维度的分析时,需要在数据维度选择区域中选择渠道作为分析维度,并拖拽至行维度配置区,需要在数据维度选择区中选择销售量之和作为渠道维度下的分析值,并拖拽至分析值配置区,还需要在超级时间维度配置区选择第一超级时间维度,并拖拽值列维度配置区,这样,在前端页面的应用控件被触控的情况下,便可以获取到数据配置区域配置的数据源、渠道、销售量之和以及第一超级时间维度,并通过http协议传输至后端对渠道的销售量之和进行第一超级时间维度的分析。
S1200,基于时间类型和当期时间信息,计算当期时间范围和同期时间范围,并基于当期时间范围和同期时间范围,计算评估时间范围。
具体地,在时间类型被配置为绝对时间类型的情况下,开始时间即为当期时间范围的起始时间,结束时间即为当期时间范围的结束时间。同期时间范围即为上一个周期相同时间段的时间范围。例如,在时间类型配置为月度,开始时间配置为202201,结束时间配置为202205的情况下,当期时间范围即为2022年1月到2022年5月。同期时间范围即为2021年1月到2021年5月。又如,在时间类型配置为季度,开始时间配置为2022Q1,结束时间配置为2022Q3的情况下,便可以确定当期时间范围为2022年第一季度到2022年第三季度,同期时间范围为2021年第一季度到2021年第三季度。
具体地,在时间类型被配置为相对时间类型的情况下,开始时间等于结束时间等于当前时间的起算时间,在确定当前时间的起算时间之后,便可以根据相对时间类型的定义计算当期时间范围,并将上一个周期相同时间段的时间范围作为同期时间范围。例如,起算时间等于开始时间等于结束时间等于202205,在相对时间类型为YTD时,当期时间范围为2022年1月到2022年5月;在相对时间类型为MAT时,当期时间范围为2021年6月至2022年5月;在相对时间类型P3M时,当期时间范围为2022年3月到2022年5月;在相对时间类型为P6M时,当期时间范围为2021年12月至2022年5月;在相对时间类型为TM时,当期时间范围为2022年5月。同期时间范围的确定方式参见绝对时间类型,在此不再赘述。
在确定了当期时间范围和同期时间范围的情况下,便可以将同期时间范围的最小时间作为评估时间范围的起始时间,将当期时间范围的最大时间作为评估时间范围的结束时间。例如,在当期时间范围为2022年3月到2022年5月,同期时间范围为2021年3月到2021年5月的情况下,该评估时间范围即为2021年3月到2022年5月。
S1300,基于数据源、分析维度、分析值以及评估时间范围,获取待评估数据。
在一种可能的实现方式中,待评估数据存储在数据库中,在获取到于数据源、分析维度、分析值以及评估时间范围后,可以基于数据源、分析维度、分析值以及评估时间范围生成针对所述数据库的数据查询指令,并将该数据查询指令发送至数据库。数据库在接收到该数据查询指令后,将基于该数据查询指令筛选出满足数据源、分析维度、分析值和评估时间范围的数据作为待评估数据,并将该待评估数据返回至数据查询指令的发动端。
举例来说,在数据源为面部护肤、分析维度为渠道、分析值为销售量之和、评估时间范围为2021年3月到2022年5月的情况下,数据库将从面部护肤数据源中,筛选出各销售渠道在2021年3月到2022年5月的范围之内的每月销售量之和,作为待评估数据。
由此可见,本实施例的待评估数据来源于数据库,每次对数据进行超时间维度的分析时,仅需要从数据库中获取当前要进行超时间维度分析的待评估的数据,并不需要加载所有的数据源,因此,可以支持对更大数量级的数据进行超级时间维度分析。
需要说明的是,如果数据库中的数据时间范围小于评估时间范围,将影响超级时间维度分析的准确性。因此,在一种可能的实现方式中,在获取到待评估数据之后,还包括执行如图5所示的操作步骤:
第一,计算待评估数据的时间范围(即计算主数据最小和最大月份)。具体地,在获取到待评估数据后,将计算待评估数据的最小月份和最大月份,将计算出的最小月份作为待评估数据时间范围的起始时间,将计算出的最大月份作为待评估数据时间范围的结束时间。
第二,判断当期时间范围和同期时间范围是否在待评估数据的时间范围内。
需要说明的是,在执行判断之前,还需要加载超级时间维度,计算出当期时间范围(即计算出当前时间的最小和最大月份)和同期时间范围(即同期时间的最小月份和最大月份)。具体地,将计算出的当期时间范围的最小月份作为当期时间范围的起始时间,将计算出的当期时间范围的最大月份作为当期时间范围的结束时间。将计算出的同期时间范围的最小月份作为同期时间范围的起始时间,将计算出的同期时间范围的最大月份作为同期时间范围的结束时间。
当满足以下四个判定条件时,判断当期时间范围和同期时间范围在待评估数据的时间范围内。四个判定条件可以如下所示:
待评估数据时间范围的起始时间 <= 当期时间范围的起始时间
待评估数据时间范围的起始时间 <= 同期时间范围的起始时间
待评估数据时间范围的结束时间 >= 当期时间范围的结束时间
待评估数据时间范围的结束时间 >= 同期时间范围的结束时间。
第三,在判断当期时间范围和同期时间范围在待评估数据的时间范围内时(即当前时间和同期时间均在主数据的月份范围内),再执行步骤S1400;在判断当期时间范围和同期时间范围中的任一个时间范围在待评估数据的时间范围之外时(即当前时间和同期时间中的任一个时间在主数据的月份范围外时),将直接生成一条空数据,以提示无法给出准确的计算结果。
S1400,基于待评估数据以及当期时间范围、同期时间范围和评估时间范围中的至少一种时间范围,计算数据指标的指标值,并将指标值作为分析维度下的分析值在超级时间维度下的分析结果。
在一种可能的实现方式中,数据指标的指标值基于分析维度在当期时间范围内各月份的分析值、在同期时间范围内各月份的分析值、在评估时间范围内各月份的分析值中的至少一种时间范围内的分析值计算得到。
具体地,每种数据指标均配置有对应的计算方法,各数据指标的计算方法可以如表1所示。
表1
指标 | 计算方法 |
绝对值 | 绝对数值 |
占比 | 部分 / 整体 * 100% |
占比变化 | 当期占比 - 同期占比 |
同比 | (当期绝对值 / 同期绝对值 -1)*100% |
环比 | (当期绝对值 / 上期绝对值 -1)*100% |
增长指数 | 当期绝对值 / 同期绝对值 * 100 |
增长贡献率 | (当期部分绝对值-同期部分绝对值) / (当期整体绝对值-同期整体绝对值) *100% |
排名 | 当期的绝对值从大到小的排序 |
排名变化 | 当期排名 - 同期排名 |
基于表1可知,基分析维度当期时间范围内各月份的分析值可以计算出绝对值的指标值。基于分析维度当期时间范围内各月份的分析值和评估时间范围内各月份的分析值可以计算出占比的指标值。基于分析维度当期时间范围内各月份的分析值、在同期时间范围内各月份的分析值、在评估时间范围内各月份的分析值计算出占比变化的指标值。其他指标值的计算同理,在此不再赘述。
例如,在数据源为面部护肤、分析维度为渠道(包括渠道S)、分析值为销售量之和,待分析的超级时间维度包括第一超级时间维度、第二超级时间维度和第三超级时间维度,其中,三个超级时间维度对应的时间类型均为P3M,时间信息中的开始时间为202205,结束时间为202205,即当期时间的起算时间为2022年5月,则参照上述方法计算出的三个超级时间维度的当期时间范围均为2022年3月到2022年5月,同期时间范围均为2021年3月到2021年5月,评估时间范围均为2021年3月到2022年5月,不同的是,第一超级时间维度的数据指标为当期绝对值,第二超级时间维度的数据指标为当期占比,第三超级时间维度的数据指标为当期占比相对于同期占比的占比变化。
在该实施例中,第一,计算渠道S的销售量之和在第一超级时间维度下的分析结果。具体地,在待分析数据中获取渠道S在2022年3月到2022年5月各月的销售量之和并进行求和后取绝对值,则该绝对值即为渠道S的销售量之和在第一超级时间维度下分析结果。
第二,计算渠道S的销售量之和在第二超级时间维度下的分析结果。具体地,先在待分析数据中获取渠道S在2022年3月到2022年5月各月的销售量之和并进行求和,将求和作为当期部分值。再在待分析数据中获取渠道S在2021年3月到2022年5月各月的销售量之和并进行求和,将求和作为评估时间范围内的整体值。然后再计算当期部分值占评估时间范围内的整体值的第一百分比,则该第一百分比即为渠道S的销售量之和在第二超级时间维度下分析结果。
第三,计算渠道S的销售量之和在第三超级时间维度下的分析结果。具体地,先在待分析数据中获取渠道S在2021年3月到2021年5月各月的销售量之和并进行求和,将求和作为同期部分值。再计算同期部分值占评估时间范围内的整体值的第二百分比。接着,将第一百分比和第二百分比作差,则该差值即为渠道S的销售量之和在第三超级时间维度下分析结果。
在得到分析维度下的分析值在超级时间维度下的分析结果之后,还包括将分析结果推送显示至前端页面的数据展示区。
在本公开中仅需要用户预先配置好超级时间维度,便可以完成自动完成超级时间维度的分析,降低了对数据进行时间分析的复杂度,进而提升了用户的使用体验。
<装置实施例>
图6示出根据本公开一实施例基于数据透视表的超级时间维度分析装置的示意性框图。如图6所示,基于数据透视表的超级时间维度分析装置100包括:
配置信息获取模块110,用于获取预先配置的数据源、分析维度、分析值和超级时间维度,其中,超级时间维度包括时间类型、当期时间信息和数据指标;
评估时间范围计算模块120,用于基于时间类型和当期时间信息,计算当期时间范围和同期时间范围,并基于前时间范围和同期时间范围,计算评估时间范围;
分析数据获取模块130,用于基于数据源、分析维度、分析值以及评估时间范围,获取待评估数据;
超级时间维度分析模块140,用于基于待评估数据以及当期时间范围、同期时间范围和评估时间范围中的至少一种时间范围,计算数据指标的指标值,并将指标值作为分析维度下的分析值在超级时间维度下的分析结果。
在一种可能的实现方式中,在获取预先配置的数据源、分析维度、分析值和超级时间维度之前,还包括基于预设的前端页面生成超级时间维度的操作。
在一种可能的实现方式中,其特征在于,在基于预设的前端页面生成超级时间维度时包括:
基于使用超级时间维度指令的触发,推送显示超级时间维度配置区;
在超级时间维度配置区中生成超级时间维度的控件被触发的情况下,推送显示超级时间维度配置界面;
基于超级时间维度配置界面获取的时间类型、当期时间信息和数据指标,生成超级时间维度。
在一种可能的实现方式中,时间类型包括绝对时间类型和相对时间类型中的至少一种。
在一种可能的实现方式中,绝对时间类型包括月度、季度、半年度和年度中的至少一种;
相对时间类型包括累计去年、滚动去年、过去三个月、过去六个月和本月中的至少一种;
其中,累计去年表征从当前年的1月到当前年的当前月份;
滚动去年表征当前月份之前的十二个月份;
过去三个月表征当前月份之前的三个月份;
过去六个月表征当前月份之前的六个月份。
在一种可能的实现方式中,数据指标包括绝对值、占比、占比变化、同比、环比、增长指数、增长贡献率、排名和排名变化中的至少一种。
在一种可能的实现方式中,数据指标的指标值基于分析维度在当期时间范围内各月份的分析值、在同期时间范围内各月份的分析值、在评估时间范围内各月份的分析值中的至少一种时间范围内的分析值计算得到。
在一种可能的实现方式中,在获取到待评估数据之后,还包括:
计算待评估数据的时间范围;
判断当期时间范围和同期时间范围是否在待评估数据的时间范围内;
在判断当期时间范围和同期时间范围在待评估数据的时间范围内时,再执行计算数据指标的指标值的操作。
<设备实施例>
图7示出根据本公开一实施例基于数据透视表的超级时间维度分析设备的示意性框图。如图7所示,基于数据透视表的超级时间维度分析设备200包括:处理器210以及用于存储处理器210可执行指令的存储器220。其中,处理器210被配置为执行可执行指令时实现前面任一所述的基于数据透视表的超级时间维度分析方法。
此处,应当指出的是,处理器210的个数可以为一个或多个。同时,在本公开实施例的基于数据透视表的超级时间维度分析设备200中,还可以包括输入装置230和输出装置240。其中,处理器210、存储器220、输入装置230和输出装置240之间可以通过总线连接,也可以通过其他方式连接,此处不进行具体限定。
存储器220作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序和各种模块,如:本公开实施例的基于数据透视表的超级时间维度分析方法所对应的程序或模块。处理器210通过运行存储在存储器220中的软件程序或模块,从而执行基于数据透视表的超级时间维度分析设备200的各种功能应用及数据处理。
输入装置230可用于接收输入的数字或信号。其中,信号可以为产生与设备/终端/服务器的用户设置以及功能控制有关的键信号。输出装置240可以包括显示屏等显示设备。
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,或者使本技术领的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种基于数据透视表的超级时间维度分析方法,其特征在于,包括:
获取预先配置的数据源、分析维度、分析值和超级时间维度,其中,所述超级时间维度包括时间类型、当期时间信息和数据指标;
基于所述时间类型和所述当期时间信息,计算当期时间范围和同期时间范围,并基于所述当期时间范围和所述同期时间范围,计算评估时间范围;
基于所述数据源、所述分析维度、所述分析值以及所述评估时间范围,获取待评估数据;
基于所述待评估数据以及所述当期时间范围、所述同期时间范围和所述评估时间范围中的至少一种时间范围,计算所述数据指标的指标值,并将所述指标值作为所述分析维度下的所述分析值在所述超级时间维度下的分析结果。
2.根据权利要求1所述的方法,其特征在于,在获取预先配置的数据源、分析维度、分析值和超级时间维度之前,还包括基于预设的前端页面生成所述超级时间维度的操作。
3.根据权利要求2所述的方法,其特征在于,在基于预设的前端页面生成所述超级时间维度时包括:
基于使用所述超级时间维度的触发,推送显示超级时间维度配置区;
在所述超级时间维度配置区中生成超级时间维度的控件被触发的情况下,推送显示超级时间维度配置界面;
基于所述超级时间维度配置界面获取的所述时间类型、所述当期时间信息和所述数据指标,生成所述超级时间维度。
4.根据权利要求1所述的方法,其特征在于,所述时间类型包括绝对时间类型和相对时间类型中的至少一种。
5.根据权利要求4所述的方法,其特征在于,所述绝对时间类型包括月度、季度、半年度和年度中的至少一种;
所述相对时间类型包括累计去年、滚动去年、过去三个月、过去六个月和本月中的至少一种;
其中,所述累计去年表征从当前年的1月到当前年的当前月份;
所述滚动去年表征当前月份之前的十二个月份;
所述过去三个月表征当前月份之前的三个月份;
所述过去六个月表征当前月份之前的六个月份。
6.根据权利要求1所述的方法,其特征在于,所述数据指标包括绝对值、占比、占比变化、同比、环比、增长指数、增长贡献率、排名和排名变化中的至少一种。
7.根据权利要求6所述的方法,其特征在于,所述数据指标的指标值基于所述分析维度在所述当期时间范围内各月份的分析值、在所述同期时间范围内各月份的分析值、在所述评估时间范围内各月份的分析值中的至少一种时间范围内的分析值计算得到。
8.根据权利要求1所述的方法,其特征在于,在获取到待评估数据之后,还包括:
计算所述待评估数据的时间范围;
判断所述当期时间范围和所述同期时间范围是否在所述待评估数据的时间范围内;
在判断所述当期时间范围和所述同期时间范围在所述待评估数据的时间范围内时,再执行计算所述数据指标的指标值的操作。
9.一种基于数据透视表的超级时间维度分析装置,其特征在于,包括:
配置信息获取模块,用于获取预先配置的数据源、分析维度、分析值和超级时间维度,其中,所述超级时间维度包括时间类型、当期时间信息和数据指标;
评估时间范围计算模块,用于基于所述时间类型和所述当期时间信息,计算当期时间范围和同期时间范围,并基于所述当期时间范围和所述同期时间范围,计算评估时间范围;
分析数据获取模块,用于基于所述数据源、所述分析维度、所述分析值以及所述评估时间范围,获取待评估数据;
超级时间维度分析模块,用于基于所述待评估数据以及所述当期时间范围、所述同期时间范围和所述评估时间范围中的至少一种时间范围,计算所述数据指标的指标值,并将所述指标值作为所述分析维度下的所述分析值在所述超级时间维度下的分析结果。
10.一种基于数据透视表的超级时间维度分析设备,其特征在于,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所述可执行指令时实现权利要求1至8中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211523348.XA CN115618193A (zh) | 2022-12-01 | 2022-12-01 | 基于数据透视表的超级时间维度分析方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211523348.XA CN115618193A (zh) | 2022-12-01 | 2022-12-01 | 基于数据透视表的超级时间维度分析方法、装置和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115618193A true CN115618193A (zh) | 2023-01-17 |
Family
ID=84880123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211523348.XA Pending CN115618193A (zh) | 2022-12-01 | 2022-12-01 | 基于数据透视表的超级时间维度分析方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115618193A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1684068A (zh) * | 2004-04-14 | 2005-10-19 | 微软公司 | 目标变量的自动数据透视生成 |
CN103678420A (zh) * | 2012-09-25 | 2014-03-26 | 北大方正集团有限公司 | 一种建立多维数据集的方法和多维数据集处理装置 |
CN110955717A (zh) * | 2019-11-19 | 2020-04-03 | 深圳市航通智能技术有限公司 | 一种基于大数据的可视化动态展示方法及其系统 |
-
2022
- 2022-12-01 CN CN202211523348.XA patent/CN115618193A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1684068A (zh) * | 2004-04-14 | 2005-10-19 | 微软公司 | 目标变量的自动数据透视生成 |
US20050234960A1 (en) * | 2004-04-14 | 2005-10-20 | Microsoft Corporation | Automatic data perspective generation for a target variable |
CN103678420A (zh) * | 2012-09-25 | 2014-03-26 | 北大方正集团有限公司 | 一种建立多维数据集的方法和多维数据集处理装置 |
CN110955717A (zh) * | 2019-11-19 | 2020-04-03 | 深圳市航通智能技术有限公司 | 一种基于大数据的可视化动态展示方法及其系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107844348B (zh) | 基于配置图形的数据显示方法、装置和计算机存储介质 | |
CN110795458B (zh) | 交互式数据分析方法、装置、电子设备和计算机可读存储介质 | |
CN109461053B (zh) | 多推荐渠道的动态分流方法、电子装置及存储介质 | |
CN111724081A (zh) | Rpa流程复杂度确定方法、装置、设备及存储介质 | |
CN109447689A (zh) | 用户风险画像生成方法、装置、设备及可读存储介质 | |
CN109376150A (zh) | 产品开发方法、装置、计算机设备及存储介质 | |
CN115081414B (zh) | 基于数据模型的电子表格生成方法、装置、设备及介质 | |
CN112132654A (zh) | 一种房源信息展示的方法、装置和存储介质 | |
CN102999475B (zh) | 执行数生成装置和通过计算机实现的执行数生成方法 | |
CN114238308A (zh) | 交叉透视表生成方法、装置、电子设备和可读存储介质 | |
CN108428138A (zh) | 一种基于客户分群的客户生存率分析装置及分析方法 | |
CN115618193A (zh) | 基于数据透视表的超级时间维度分析方法、装置和设备 | |
CN111950996A (zh) | 一种记账处理方法、装置、设备及介质 | |
CN114995877B (zh) | 一种变量配置方法及装置 | |
CN110909246A (zh) | 一种资源投放方法、装置、电子设备及可读存储介质 | |
JP6890083B2 (ja) | 事業価値評価装置および事業価値評価方法 | |
EP3644242A1 (en) | System and method for optimizing a service station layout | |
CN115113862A (zh) | 一种派生指标创建方法、装置、电子设备及存储介质 | |
CN114780408A (zh) | 软件用户行为路径分析方法及装置 | |
CN114997813A (zh) | 流程图生成方法、装置、设备及存储介质 | |
JP2014229297A (ja) | 条件群を用いたピボット分析方法 | |
CN114647877A (zh) | 根据动态足压分布进行鞋体设计的方法和装置 | |
CN110704523B (zh) | 数据导出方法、装置、设备及计算机可读存储介质 | |
CN110515946B (zh) | 数据提取方法、装置、设备及计算机可读存储介质 | |
CN112948441A (zh) | 一种面向财务数据的多维数据归集方法及设备 |
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 |