CN115796625A - 数据处理方法及电子设备 - Google Patents

Abstract

本发明是关于一种数据处理方法及电子设备，涉及大数据分析技术领域，本发明包括：根据预设时间段的目标区域的多个业务指标，确定待归因的目标业务指标；针对每种外部影响因素，确定目标区域对应的每个关联区域的外部影响因素的业务数据与预设业务指标之间的第一比值，以及确定所有关联区域的外部影响因素的业务数据之和与所有关联区域的预设业务指标之和之间的第二比值；根据第二比值和每个关联区域的第一比值，确定目标区域的每种外部影响因素的外部程度；根据目标区域的每种外部影响因素的外部程度和归因解析模型，对目标业务指标变化进行归因得到归因结果，并将归因结果进行显示。本发明提供了一种自动归因的方式，提高了归因的正确率。

Description

数据处理方法及电子设备

技术领域

本发明涉及大数据分析技术领域，尤其涉及一种数据处理方法及电子设备。

背景技术

对于一个业务指标进行归因分析时，一般都是采用大数据分析。目前在对业务指标进行归因分析时，人们往往会参考海量的业务数据进行处理，处理完成后再进行分析。

然而这对于人工作业来说，工作量比较大，特别是分析本地的业务指标变化时，往往不仅仅是本地的影响，还涉及到与本地区域相关联的外部区域，那么需要人们还需要对每一个外部区域进行分析，并且确定对本地区域的业务指标变化进行归因。可以看出分析的数据量比较大增大，往往导致人们由于数据太多，而造成分析抓不住重点，导致归因错误。

发明内容

本发明提供一种数据处理方法及电子设备，通过计算目标区域的每种外部影响因素的外部程度，从而对目标区域进行归因，提供了一种自动归因的方式，避免人工由于工作量太大而导致抓不住重点导致归因错误。

第一方面，本发明实施例提供的一种数据处理方法，包括：

获取预设时间段的目标区域的多个业务指标，并根据预设时间段的目标区域的多个业务指标，确定待归因的目标业务指标；

针对每种外部影响因素，确定目标区域对应的每个关联区域的所述外部影响因素的业务数据与预设业务指标之间的第一比值，以及确定所有关联区域的所述外部影响因素的业务数据之和与所有关联区域的预设业务指标之和之间的第二比值；其中，所述外部影响因素为一个区域影响另一个区域的目标业务指标变化的因素；所述预设业务指标为影响所述目标业务指标变化的业务指标；

根据所述第二比值和每个关联区域的第一比值，确定每个关联区域的所述外部影响因素的外部程度，并将每种外部影响因素的所有关联区域的外部程度之和，作为所述目标区域的每种外部影响因素的外部程度；

将所述目标区域的每种外部影响因素的外部程度作为输入，通过归因解析模型对所述目标业务指标变化进行归因得到归因结果，并将所述归因结果进行显示。

上述方法，通过针对每种外部影响因素，确定每个关联区域的外部影响因素的外部程度，并且将每种外部影响因素的所有关联区域的外部程度之和，作为目标区域的每种外部影响因素的外部程度，从而根据外部程度对目标区域的业务指标变化进行归因，本发明提供了一种基于外部区域的业务数据进行自动归因的方式，避免人工由于工作量太大而导致抓不住重点导致归因错误，提高了归因的正确率。

在一种可能的实现方式中，根据所述第二比值和每个关联区域的第一比值，确定每个关联区域的所述外部影响因素的外部程度，包括：

针对每个关联区域，若所述关联区域的第一比值和第二比值之间的比值大于预设比值，则确定所述关联区域的所述外部影响因素的外部程度为所述关联区域的第一比值和第二比值之间的比值与所述预设比值的差值；

若所述关联区域的第一比值和第二比值之间的比值不大于预设比值，则确定所述关联区域的所述外部影响因素的外部程度为预设值。

上述方法，能够通过第一比值和第二比值之间的比值，也就是关联区域的外部影响因素在多个区域的外部影响因素总和的占比，从而能够在占比比较大时，将该占比作为外部程度，将占比比较小时，也就是说该关联区域的因素的外部性不强，则将预设值作为外部程度，从而能够提高了求取的每个关联区域的外部影响因素的外部程度的准确性。

在一种可能的实现方式中，根据预设时间段的目标区域的多个业务指标，确定待归因的目标业务指标，包括：

针对每个业务指标，若与预设个数的历史业务指标相比，预设时间段的目标区域的业务指标最小，则确定所述业务指标为待归因的目标业务指标；其中，所述历史业务指标是预设时间段对应的历史时间段的所述目标区域和/或者关联区域的业务指标；或

若与目标历史时间段的业务指标的第一排名相比，预设时间段的业务指标的第二排名下降多余预设名次，则确定所述业务指标为待归因的目标业务指标；其中，所述第一排名为所述目标历史时间段的业务指标，在目标历史时间段对应的历史时间段的业务指标中的排名；所述第二排名为所述预设时间段的业务指标，在预设时间段对应的历史时间段的业务指标中的排名。

上述方法，能够与历史业务指标相比，预设时间段的目标区域的业务指标最小，或者与之前的排名相比现有的排名下降多余预设名次，从而能够通过数据处理的方式找到需要进行归因的业务指标，避免了对所有的业务指标均进行归因，从而会造成进行不必要的归因处理，使得归因处理更加有效率。

在一种可能的实现方式中，针对每种外部影响因素，确定目标区域对应的每个关联区域的所述外部影响因素的业务数据与预设业务指标之间的第一比值，以及确定所有关联区域的所述外部影响因素的业务数据之和与所有关联区域的预设业务指标之和之间的第二比值之前，所述方法还包括：

根据预设时间段的目标区域的业务数据，确定目标业务指标对应的多个分解子指标；

确定每个分解子指标与目标业务指标的比值均不超过第一预设比值；或者，确定每个第一差值与每个所述第一差值对应的第二差值之间的比值不超过第二预设比值；其中，所述第一差值为所述分解子指标和预设时间段对应的历史时间段的所述分解子指标之间的差值；所述第一差值对应的第二差值为目标业务指标和预设时间段对应的历史时间段的所述目标业务指标之间的差值。

上述方法，能够通过分解子指标确定是否需要根据外部程度对业务指标变化归因，避免后续进行无效的归因。

在一种可能的实现方式中，所述方法还包括：

获取所述目标业务指标对应的核心内部影响因素；其中，所述核心内部影响因素是从所述目标业务指标对应的所有内部影响因素中选择出来的；

将所有关联区域的每种外部影响因素的外部程度之和，作为所述目标区域的每种外部影响因素的外部程度之后，所述方法还包括：

将所述目标区域的每种外部影响因素的外部程度、所述目标业务指标对应的核心内部影响因素、以及所述目标业务指标作为输入，通过归因解析模型对所述目标业务指标变化进行归因得到归因结果，并将所述归因结果进行显示。

上述方法，能够通过对业务指标变化有核心影响的内因指标，通过该内因指标、外部影响因素的外部程度以及目标业务指标作为输入，通过归因解析模型对目标业务指标变化进行归因，通过更多的因素进行归因，提高了归因的准确率。

第二方面，本发明实施例提供的一种电子设备，包括：获取单元、处理器和显示器；

所述获取单元，用于获取预设时间段的目标区域的多个业务指标；

所述处理器，用于根据预设时间段的目标区域的多个业务指标，确定待归因的目标业务指标；

针对每种外部影响因素，确定目标区域对应的每个关联区域的所述外部影响因素的业务数据与预设业务指标之间的第一比值，以及确定所有关联区域的所述外部影响因素的业务数据之和与所有关联区域的预设业务指标之和之间的第二比值；其中，所述外部影响因素为一个区域影响另一个区域的目标业务指标变化的因素；所述预设业务指标为影响所述目标业务指标变化的业务指标；

根据所述第二比值和每个关联区域的第一比值，确定每个关联区域的所述外部影响因素的外部程度，并将每种外部影响因素的所有关联区域的外部程度之和，作为所述目标区域的每种外部影响因素的外部程度；

将所述目标区域的每种外部影响因素的外部程度作为输入，通过归因解析模型对所述目标业务指标变化进行归因得到归因结果；

所述显示器，用于将所述归因结果进行显示。

在一种可能的实现方式中，所述处理器，具体用于：

针对每个关联区域，若所述关联区域的第一比值和第二比值之间的比值大于预设比值，则确定所述关联区域的所述外部影响因素的外部程度为所述关联区域的第一比值和第二比值之间的比值与所述预设比值的差值；

若所述关联区域的第一比值和第二比值之间的比值不大于预设比值，则确定所述关联区域的所述外部影响因素的外部程度为预设值。

在一种可能的实现方式中，所述处理器，具体用于：

针对每个业务指标，若与预设个数的历史业务指标相比，预设时间段的目标区域的业务指标最小，则确定所述业务指标为待归因的目标业务指标；其中，所述历史业务指标是预设时间段对应的历史时间段的所述目标区域和/或者关联区域的业务指标；或

若与目标历史时间段的业务指标的第一排名相比，预设时间段的业务指标的第二排名下降多余预设名次，则确定所述业务指标为待归因的目标业务指标；其中，所述第一排名为所述目标历史时间段的业务指标，在目标历史时间段对应的历史时间段的业务指标中的排名；所述第二排名为所述预设时间段的业务指标，在预设时间段对应的历史时间段的业务指标中的排名。

在一种可能的实现方式中，所述处理器，还用于：

根据预设时间段的目标区域的业务数据，确定目标业务指标对应的多个分解子指标；

确定每个分解子指标与目标业务指标的比值均不超过第一预设比值；或者，确定每个第一差值与每个所述第一差值对应的第二差值之间的比值不超过第二预设比值；其中，所述第一差值为所述分解子指标和预设时间段对应的历史时间段的所述分解子指标之间的差值；所述第一差值对应的第二差值为目标业务指标和预设时间段对应的历史时间段的所述目标业务指标之间的差值。

在一种可能的实现方式中，所述处理器，还用于：

获取所述目标业务指标对应的核心内部影响因素；其中，所述核心内部影响因素是从所述目标业务指标对应的所有内部影响因素中选择出来的；

将所有关联区域的每种外部影响因素的外部程度之和，作为所述目标区域的每种外部影响因素的外部程度之后，所述方法还包括：

将所述目标区域的每种外部影响因素的外部程度、所述目标业务指标对应的核心内部影响因素、以及所述目标业务指标作为输入，通过归因解析模型对所述目标业务指标变化进行归因得到归因结果，并将所述归因结果进行显示。

第三方面，本申请还提供一种计算机存储介质，其上存储有计算机程序，该程序被处理单元执行时实现第一方面所述的数据处理方法的步骤。

另外，第二方面至第三方面中任一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果，此处不再赘述。

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，并不能限制本发明。

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，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理，并不构成对本发明的不当限定。

图1是本发明实施例提供的一种用户利用电子设备对业务指标变化进行归因的场景示意图；

图2是本发明实施例提供的一种电子设备的结构图；

图3是本发明实施例提供的一种数据处理方法的流程图；

图4是本发明实施例提供的另一种用户利用电子设备对业务指标变化进行归因的场景示意图；

图5是本发明实施例提供的另一种数据处理方法的流程图。

具体实施方式

为了使本领域普通人员更好地理解本发明的技术方案，下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述。

需要说明的是，以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。

目前对于业务指标进行归因分析时，往往采用人工的方式，但人工的方式往往会因为数据太多，而人们造成分析抓不住重点，导致归因错误。

业务指标包括区域生产总值、社会消费品零售总额、净出口总额、科技成果转化交易额、一般公共预算收入总量、市场主体新增。

外部影响因素包括产业研发外部性、生产制造外部性、销售推广外部性、交通运输仓储服务外部性、信息计算软件服务外部性、金融法律服务外部性、教育医疗服务外部性、文化娱乐外部性、科学研究外部性。

结合图1所示，用户可以通过触发显示屏上标注的多个业务指标，选定待归因的目标业务指标，例如，用户先在输入框内输入目标区域，例如A市，然后选择区域生产总值，即三个圈即为用户选定状态，这样可以确定待归因的目标业务指标，选定待归因的目标业务指标后，电子设备后台进行归因处理，具体来说：针对每种外部影响因素，从而确定每个关联区域的外部影响因素的外部程度，并将每种外部影响因素的所有关联区域的外部程度之和，作为目标区域的每种外部影响因素的外部程度，从而利用生产前沿面分析模型，根据外部程度对目标区域的区域生产总值变化进行归因，例如，显示综合效率，即所有外部影响因素均影响目标区域的区域生产总值变化；显示产业研发外部性、生产制造外部性、销售推广外部性、交通运输仓储服务外部性、信息计算软件服务外部性、金融法律服务外部性、教育医疗服务外部性、文化娱乐外部性、科学研究外部性的使用效率。

给用户直观显示影响目标区域的区域生产总值变化的各个因素，使得用户只需根据上述显示的各种效率判断目标区域的区域生产总值变化的主要原因，避免了人工由于工作量太大而导致抓不住重点导致归因错误，提高了归因的正确率。

图2中示例性示出了根据示例性实施例中电子设备200的硬件配置框图。如图1所示，电子设备200包括：存储器110、显示单元120、无线保真(Wireless Fidelity，Wi-Fi)模块130、处理器140、通信接口150、以及电源160等部件。

存储器110可用于存储软件程序及数据。处理器140通过运行存储在存储器110的软件程序或数据，从而执行电子设备200的各种功能以及数据处理。存储器110可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。存储器110存储有使得电子设备200能运行的操作系统。本申请中存储器110可以存储操作系统及各种应用程序，还可以存储执行本申请实施例所述方法的代码。

显示单元120可用于接收输入的数字或字符信息，产生与电子设备200的用户设置以及功能控制有关的信号输入，具体地，显示单元120可以包括设置在电子设备200正面的触摸屏121，可收集用户在其上或附近的触摸操作，例如点击按钮，拖动滚动框等。

显示单元120还可用于显示由用户输入的信息或提供给用户的信息以及终端200的各种菜单的图形用户界面(graphical user interface，GUI)。具体地，显示单元120可以包括设置在电子设备200正面的显示屏122。其中，显示屏122可以采用液晶显示器、发光二极管等形式来配置。显示单元120可以用于显示本申请中所述的各种图形用户界面。显示屏122显示归因结果。

其中，触摸屏121可以覆盖在显示屏122之上，也可以将触摸屏121与显示屏122集成而实现电子设备200的输入和输出功能，集成后可以简称触摸显示屏。本申请中显示单元120可以显示应用程序以及对应的操作步骤。

Wi-Fi属于短距离无线传输技术，电子设备200可以通过Wi-Fi模块130帮助用户获取预设时间段的目标区域的多个业务指标、目标区域对应的每个关联区域的所述外部影响因素的业务数据等，它为用户提供了无线的宽带互联网访问。

通信接口150将电子设备200和其他设备相连，使得电子设备200能够获取预设时间段的目标区域的多个业务指标、目标区域对应的每个关联区域的所述外部影响因素的业务数据等。

处理器140是电子设备200的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或执行存储在存储器110内的软件程序，以及调用存储在存储器110内的数据，执行电子设备200的各种功能和处理数据。在一些实施例中，处理器140可包括一个或多个处理单元；处理器140还可以集成应用处理器和基带处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，基带处理器主要处理无线通信。可以理解的是，上述基带处理器也可以不集成到处理器140中。本申请中处理器140可以运行操作系统、应用程序、用户界面显示及触控响应，以及本申请实施例所述的处理方法。另外，处理器140与显示单元120耦接。

电子设备200还包括给各个部件供电的电源160(比如电池)。电源可以通过电源管理系统与处理器140逻辑相连，从而通过电源管理系统实现管理充电、放电以及功耗等功能。电子设备200还可配置有电源按钮，用于终端的开机和关机，以及锁屏等功能。

以下结合附图具体说明本发明的技术方案。

结合图3所示，本发明实施例提供了一种数据处理方法，应用于上述介绍的电子设备，包括：

S300：获取预设时间段的目标区域的多个业务指标，并根据预设时间段的目标区域的多个业务指标，确定待归因的目标业务指标；

例如，上述介绍的业务指标包括区域生产总值、社会消费品零售总额、净出口总额、科技成果转化交易额、一般公共预算收入总量、市场主体新增，并根据预设时间段，例如，今年从1月1日到12月31日，目标区域可以为用户选择，确定待归因的目标业务指标，可以通过用户选择的业务指标，作为待归因的目标业务指标。

S301：针对每种外部影响因素，确定目标区域对应的每个关联区域的外部影响因素的业务数据与预设业务指标之间的第一比值，以及确定所有关联区域的外部影响因素的业务数据之和与所有关联区域的预设业务指标之和之间的第二比值；其中，外部影响因素为一个区域影响另一个区域的目标业务指标变化的因素；预设业务指标为影响目标业务指标变化的业务指标；

其中，预设业务指标为区域生产总值。

具体来说，分别确定目标区域对应的每个关联区域的产业研发外部性、生产制造外部性、销售推广外部性、交通运输仓储服务外部性、信息计算软件服务外部性、金融法律服务外部性、教育医疗服务外部性、文化娱乐外部性、科学研究外部性的业务数据与区域生产总值之间的第一比值，即每个外部影响因素的第一比值，以及分别确定所有关联区域的产业研发外部性、生产制造外部性、销售推广外部性、交通运输仓储服务外部性、信息计算软件服务外部性、金融法律服务外部性、教育医疗服务外部性、文化娱乐外部性、科学研究外部性的业务数据之和与所有关联区域的区域生产总值之和之间的第二比值，即每个外部影响因素的第二比值。

S302：根据第二比值和每个关联区域的第一比值，确定每个关联区域的外部影响因素的外部程度，并将每种外部影响因素的所有关联区域的外部程度之和，作为目标区域的每种外部影响因素的外部程度；

S303：将目标区域的每种外部影响因素的外部程度作为输入，通过归因解析模型对目标业务指标变化进行归因得到归因结果，并将归因结果进行显示。

其中，归因解析模型可以为生产前沿面分析模型，归因结果包括综合效率、每种外部影响因素的使用效率。将上述效率显示给用户，从而使得用户可以查看目标业务指标变化的归因结果，进行判断。

其中，根据第二比值和每个关联区域的第一比值，确定每个关联区域的所述外部影响因素的外部程度，包括：

针对每个关联区域，若关联区域的第一比值和第二比值之间的比值大于预设比值，则确定关联区域的外部影响因素的外部程度为关联区域的第一比值和第二比值之间的比值与预设比值的差值；

若关联区域的第一比值和第二比值之间的比值不大于预设比值，则确定关联区域的外部影响因素的外部程度为预设值。

下面以计算金融类外部性为例，首先计算与目标区域对应的关联区域在金融行业中的外部性程度。已知关联区域i的区域生产总值为Y_i，关联区域i的金融法律行业产值F_i，金融行业外部性的程度为P_fi，这里该关联区域i的金融法律服务外部性的程度为：

其中，

为所有关联区域的金融法律行业产值之和；

为所有关联区域的区域生产总值之和。P_f就是目标区域的金融类外部性的外部程度。类似得，确定其他外部影响因素的目标区域的外部程度。

预设比值可以为1，预设值为0。即针对每种外部影响因素，若第一比值和第二比值之间的比值小于1，则说明外部性不强，则该目标区域的外部影响因素为0；若第一比值和第二比值之间的比值大于1，则说明外部性比较强，则该目标区域的外部影响因素为第一比值和第二比值之间的比值。

对于确定待归因的目标业务指标，除了上述介绍的通过用户选择之外，本发明可以通过自动确定的方式确定待归因的目标业务指标。

具体来说：

针对每个业务指标，若与预设个数的历史业务指标相比，预设时间段的目标区域的业务指标最小，则确定所述业务指标为待归因的目标业务指标；其中，所述历史业务指标是预设时间段对应的历史时间段的所述目标区域和/或者关联区域的业务指标；或

若与目标历史时间段的业务指标的第一排名相比，预设时间段的业务指标的第二排名下降多余预设名次，则确定所述业务指标为待归因的目标业务指标；其中，所述第一排名为所述目标历史时间段的业务指标，在目标历史时间段对应的历史时间段的业务指标中的排名；第二排名为预设时间段的业务指标，在预设时间段对应的历史时间段的业务指标中的排名。

预设时间段对应的历史时间段为预设时间段之前的时间段，且预设时间段的时长与预设时间段对应的历史时间段的时长相同。例如：预设时间段为2021年1月1日～2021年12月31日，那么历史时间段为2020年1月1日～2020年12月31日，2019年1月1日～2019年12月31日，2018年1月1日～2018年12月31日。

例如，目标区域为A市。针对每个业务指标，与A市的2020年1月1日～2020年12月31日的业务指标，A市的2019年1月1日～2019年12月31日的业务指标，A市的2018年1月1日～2018年12月31日的业务指标相比，A市的2021年1月1日～2021年12月31日的业务指标最小，则确定该业务指标为目标业务指标。

预设名次可以为2名。

目标历史时间段对应的历史时间段，例如，目标历史时间段为2020年的一整年，那么目标历史时间段对应的历史时间段为2019年的一整年、2018年的一整年，2020年在2019年的一整年、2018年的一整年中的业务指标排名第一名，即第一排名为第一名；预设时间段为2021年的一整年，则2020年的一整年、2019年的一整年、2018年的一整年中的业务指标中排名为第四名，即第二排名为第四名，那么下降4个名次，从而确定该业务指标为目标业务指标。

结合图4所示，页面上显示多个业务指标，区域生产总值、社会消费品零售总额、净出口总额、科技成果转化交易额、一般公共预算收入总量、市场主体新增，当用户输入目标区域和预设时间段后，自动确定每个业务指标通过上述一种算法确定的结果，例如，采用下降的名次进行计算，区域生产总值下降4名，社会消费品零售总额下降1名、净出口总额下降0名、科技成果转化交易额上升1名、一般公共预算收入总量下降2名、市场主体新增上升2名。由电子设备判断出需要进行归因的目标业务指标为区域生产总值和一般公共预算收入总量；在该页面上还可以显示选定按钮，黑色圆圈，当用户同意时，可以触发选定按钮，这样可以进行归因处理。

对于每个业务指标变化来说，不仅仅有外部影响因素的原因，还可以有是某个组织、某个子区域的指标变化的原因，所以，本发明可以通过排除这类原因，再进行外部影响因素的归因，具体来说：

根据预设时间段的目标区域的业务数据，确定目标业务指标对应的多个分解子指标；

确定每个分解子指标与目标业务指标的比值均不超过第一预设比值；或者，确定每个第一差值与每个所述第一差值对应的第二差值之间的比值不超过第二预设比值；其中，所述第一差值为所述分解子指标和预设时间段对应的历史时间段的所述分解子指标之间的差值；所述第一差值对应的第二差值为目标业务指标和预设时间段对应的历史时间段的所述目标业务指标之间的差值。

即当确定每个分解子指标与目标业务指标的比值均不超过第一预设比值；或者，确定每个第一差值与每个所述第一差值对应的第二差值之间的比值不超过第二预设比值后，继续计算每个关联区域的每个外部影响因素的外部程度，并根据外部影响因素进行归因。

若有分解子指标与目标业务指标的比值超过第一预设比值，则确定该分解子指标为目标业务指标变化的原因；或者，若有第一差值与第一差值对应的第二差值之间的比值超过第二预设比值，则确定计算第一差值对应的分解子指标为目标业务指标变化的原因。

具体来说：把一个业务指标分解成互斥的多个分解子指标集合，进而实现对业务指标变化的原因进行分析。拆解方式如表1所示，举例如下：

表1

这种业务指标拆解过程是对业务指标进行归因分析的重要步骤。

经过业务指标拆解之后，得到恒等式如下：

Y_t＝Y_1t+Y_2t+…+Y_nt

其中，Y_t是预设时间段t的目标区域的业务指标，Y_1t是预设时间段的第一个拆解的分解子指标，Y_2t是预设时间段的第二个拆解的分解子指标，依次类推，Y_nt是预设时间段的第n个拆解的分解子指标。

倘若Y_it/Y_t是一个较大的数(例如超过50％)；或者(Y_it-Y_it-1)/(Y_t-Y_t-1)是一个较大的数(例如超过80％)，那么可以说第i个分解子指标是业务指标变动的主要原因。例如，将青岛市分解成市南区、黄岛区等区市，要对青岛市的生产总值增长情况做归因分析，首先考察市南区、黄岛区等各区市指标的同比增长情况。假如青岛市生产总值变动80％是由黄岛区造成的，黄岛区为青岛市生产总值变化的主要原因，这样找到了业务指标变化的原因，那么可以不用对外部影响因素进行归因处理了。

如果没有发现，归因工作将用后续的方法做归因研究。当然如果要研究青岛市，但是黄岛区发生意外情况，例如，自然灾害等，可以踢出黄岛区，主要研究青岛市的其他市区寻找业务指标变化的原因，当然其他市区没有找到业务指标变化的原因，则需要把黄岛区的数据剔除后，进行后续的相关计算。

当目标业务指标为区域生成总值时，总消费/区域生成总值是否为一个很大的数，如果是，则总消费是区域生成总值变化的原因，总投资/区域生成总值是否为一个很大的数，如果是，则总投资是区域生成总值变化的原因；净出口/区域生成总值是否为一个很大的数，如果是，则净出口是区域生成总值变化的原因；

当目标业务指标为区域生成总值增速时，第一产业增加值增速/区域生产总值增速是否为一个很大的数，如果是，则第一产业增加值增速是区域生成总值增速变化的原因，第二产业增加值增速/区域生产总值增速是否为一个很大的数，如果是，则第二产业增加值增速是区域生成总值增速变化的原因；第三产业增加值增速/区域生产总值增速是否为一个很大的数，如果是，则第三产业增加值增速是区域生成总值增速变化的原因；

当目标业务指标为天津市科技成果转化交易额新增时，河西区科技成果转化交易额新增/天津市科技成果转化交易额新增是否为一个很大的数，如果是，则河西区科技成果转化交易额新增是天津市科技成果转化交易额新增变化的原因，和平区科技成果转化交易额新增/天津市科技成果转化交易额新增是否为一个很大的数，如果是，则和平区科技成果转化交易额新增是天津市科技成果转化交易额新增变化的原因；采矿行业科技成果转化交易额新增/天津市科技成果转化交易额新增是否为一个很大的数，如果是，则采矿行业科技成果转化交易额新增是天津市科技成果转化交易额新增变化的原因；依次类推，判断所有的拆解后指标，一一排除，如果均不是，则进行下面的归因。

对于归因来说，不仅仅只有外部影响因素，还有内部影响因素也可以成为目标业务指标变化的原因，本发明提出了另一种数据分析方法，结合图5所示，包括：

S500：获取目标业务指标对应的核心内部影响因素；其中，核心内部影响因素是从目标业务指标对应的所有内部影响因素中选择出来的；

S501：获取预设时间段的目标区域的多个业务指标，并根据预设时间段的目标区域的多个业务指标，确定待归因的目标业务指标；

S502：针对每种外部影响因素，确定目标区域对应的每个关联区域的外部影响因素的业务数据与预设业务指标之间的第一比值，以及确定所有关联区域的外部影响因素的业务数据之和与所有关联区域的预设业务指标之和之间的第二比值；其中，外部影响因素为一个区域影响另一个区域的目标业务指标变化的因素；预设业务指标为影响目标业务指标变化的业务指标；

S503：根据第二比值和每个关联区域的第一比值，确定每个关联区域的外部影响因素的外部程度，并将每种外部影响因素的所有关联区域的外部程度之和，作为目标区域的每种外部影响因素的外部程度；

S504：将目标区域的每种外部影响因素的外部程度、目标业务指标对应的核心内部影响因素、以及目标业务指标作为输入，通过归因解析模型对目标业务指标变化进行归因得到归因结果，并将归因结果进行显示。

具体来说，由于每个业务指标的内部影响因素比较多，在进行归因分析前须先基于因子分析提取不同核心内部影响因素，以实现数据降维，更好地甄别出对关注的内部影响因素。进而进行业务指标的归因分析。

内部影响因素的寻找，通常是通过指标体系，挖掘统计量背后的相关统计量，采集多单元、多时期的面板数据，做因子分析，提炼核心内部影响因素。对于区域生成总值增速来说，内部影响因素包括劳动力投入、资本投入、土地利用水平、人才储备、资源能源利用效率等，有时还会考察产业水平和营商环境等等。

具体计算过程可以分三步：第一步为整理目标城市及同类城市(例如济南及国内其他省会城市)的区域生成总值增速的历年数据；第二步获取区域生成总值增速的内部影响因素的历史数据，例如固定资产投资、建成区面积、劳动力人数、市场主体数、实际利用外资、高层次人才占比、工业用电、民营企业占比、一般预算支出等的历年数据；第三步为采用“因子分析方法”找到影响区域生成总值增速变动的核心内部影响因素。也就是说，通过输入历年数据到因子分析模型中，可以识别出核心内部影响因素是一部分指标(例子里的固定资产投资、市场主体数等)的函数，而正是这些核心内部影响因素影响了区域生成总值增速。

在确定目标业务指标对应的核心内部影响因素时，可以根据上述确定核心内部影响因素，计算该部分的取值。

也就是说，本发明可以预先计算出每种业务指标对应的核心内部影响因素，并将业务指标和核心内部影响因素的对应关系存储在电子设备中，在确定目标区域的目标业务指标对应的核心内部影响因素时，可以根据上述对应关系，确定目标区域的目标业务指标对应的核心内部影响因素的取值。

其中，每个业务指标对应的内部影响因素可以为用户进行自定义的，结合表2所示，示出了经济活力对应的内部影响因素：

表2

除此之外，对于特定的业务指标对应的内部影响因素，业务指标规划内部影响因素还可以从供给分类统计、需求分类统计、行为主体分类统计、关键要素分类统计、市场环境特征、相关公共服务特征等多个角度，提取内部影响因素。梳理出的内部影响因素，就可以对业务指标的变化进行归因。为每一个业务指标拆解出一系列的内部影响因素，形成知识库和数据库，供归因分析使用。这里以消费指标为例，如表3所示，找寻消费指标的内部影响因素，为归因分析创造条件。

表3

这样可以找出十几种甚至几十种可能影响业务指标变化的内部影响因素出来。知识梳理得越全面，能发现的内部影响因素越多。但是，在框架的实际运用当中，也并不是指标越多越好，有时也需要根据用户的需求做适当的删减。

在进行归因分析时，具体来说：假定对目标业务指标归因是根据L种内部影响因素、外部影响因素和M种目标业务指标。m(m＝1，2，3，…M)种产出量，对于第n(n＝1，2，3，…N)个城市在凸性、锥性、无效性和最小性公理的假设下又基于规模报酬不变的生产前沿面模型:

上式中，θ(0＜θ≤1)表示综合效率指数，x_il表示第i个城市第l类因素的投入情况，y_im表示第i个城市第m类质量效益的表现情况。求解出的θ值越大，表明综合效率越高。当θ＝1时，则表明目标区域产出的综合效率相对于投入是最优的。λ_i(λ_i≥0)为权重变量；s^-(s^-≥0)为松弛变量；s⁺(s⁺≥0)为残差变量，ε为非阿基米德无穷小量；

和

分别为m维和k维单位向量空间。当约束条件λ_i的和为1时，则式子转化为规模报酬可变的数据包络模型。

即本发明通过上述算式，确定综合效率，并且还可以得到各投入要素的生产前沿面，即每种影响因素的最优投入。

对于第l类影响因素，即外部影响因素和内部影响因素，最优要素投入为

对于第n个区域而言，第l类影响因素的使用率公式如下：

这里，x_il是该区域在计算期当中单位产出对应的投入。这样就可以求解出各类要素的使用效率，这个使用效率通常处于(0，1)的区间当中。

当SE的值越接近1时，表明区域该投入的效率越高。当SE＝1时，则表示效率最优。对同一个区域而言，不同的计算期具有不同的效率表现。该模型中的要素效率代表了使用效率各内部影响因素、内部影响因素资源配置、利用的综合效率，综合效率指数反映了区域要素资源的配置利用、集聚的效率。

假如业务指标的效益指标y_im表现出了明细落后的特征(排名下滑)，同时区域综合效率指数θ也表现出明显落后的特征，则区域经济质量效益表现不好可以归因于综合效率不好；假业务指标的效益指标y_im表现出了明细落后的特征。特定时期特定资源的利用效率SE表现出明显落后的特征，则可以将经济质量效益表现不好可以归因于该要素利用不到位，要着重考察如何用好该类要素。

其中，当需要对经济变化进行归因时，目标业务指标包括多个，针对每个目标业务指标，均需要求取目标区域的每种外部影响因素的外部程度、内部影响因素；然后每个目标业务指标，求取目标区域的每种外部影响因素的外部程度、内部影响因素以及所有的目标业务指标一起输入到归因分析模型中，对经济变化进行归因。

由于本发明采用计算机处理，使用到的单个城市的数据之后，需要同步搜集大量关联城市、对标城市，下辖区市的多时期的各个业务数据，例如，预设时间段的目标区域的多个业务指标，业务指标进行分解后的多个分解子指标、外部影响因素、内部影响因素等等。对于这些数据来说，拥有不同的量纲，输入到同一个模型进行归因时，会归因错误率比较高，所以，本发明提出通过标准化、指数化、阈值转换、占比求解等方式，将上述数值做无量纲处理。该数值为指标或者影响因素。

具体来说，若根据数值确定出的方差大于预设值，则采用标准化计算方法对数值进行无量纲处理；

若根据时间和数值的对应关系进行线性处理确定出的函数关系的系数大于预设系数，则采用指数化方法对数值进行无量纲处理；即指标随时间变动较明显采用指数化方法；

若根据数值确定出的峰度系数大于预设系数，则采用指数化方法对数值进行无量纲处理；即指标分布特别分散就采用占比求解方法；

当然，上述均不满足可以选择阈值转换方法对数值做无量纲处理。或者直接全部采用阈值转换方法对数值做无量纲处理。

标准化计算公式为：

Xi是x_i转换后的值，x_i是原始数据，

是平均值，Q²是方差。经过转换标准化，去掉了数据量纲，实现了不同数据的可比。

指数化方法的计算公式为：

Xi是x_i转换后的值,x_i是原始数据，x_0i是标准值(通常用初期值或集合中的极大值来作为标准值)。

阈值转换方法的计算公式为：

Xi是x_i转换后的值，x_i是原始数据,x_max是集合中的极大值，x_min是集合中的极小值。

占比求解方法的计算公式为：

Xi是x_i转换后的值,n_i是集合当中小于x_i的样本个数，N_i是集合当中大于x_i的样本个数。

基于上述介绍的数据处理方法，本发明实施例还提供一种电子设备，包括：获取单元、处理器和显示器；

所述获取单元，用于获取预设时间段的目标区域的多个业务指标；获取单元可以为图2中介绍的Wi-Fi模块130和通信接口150；

所述处理器，用于根据预设时间段的目标区域的多个业务指标，确定待归因的目标业务指标；处理器为图2中介绍的处理器140；

针对每种外部影响因素，确定目标区域对应的每个关联区域的所述外部影响因素的业务数据与预设业务指标之间的第一比值，以及确定所有关联区域的所述外部影响因素的业务数据之和与所有关联区域的预设业务指标之和之间的第二比值；其中，所述外部影响因素为一个区域影响另一个区域的目标业务指标变化的因素；所述预设业务指标为影响所述目标业务指标变化的业务指标；

根据所述第二比值和每个关联区域的第一比值，确定每个关联区域的所述外部影响因素的外部程度，并将每种外部影响因素的所有关联区域的外部程度之和，作为所述目标区域的每种外部影响因素的外部程度；

将所述目标区域的每种外部影响因素的外部程度作为输入，通过归因解析模型对所述目标业务指标变化进行归因得到归因结果；

所述显示器，用于将所述归因结果进行显示。所述显示器为图2中介绍的显示单元120。

可选的，所述处理器，具体用于：

针对每个关联区域，若所述关联区域的第一比值和第二比值之间的比值大于预设比值，则确定所述关联区域的所述外部影响因素的外部程度为所述关联区域的第一比值和第二比值之间的比值与所述预设比值的差值；

若所述关联区域的第一比值和第二比值之间的比值不大于预设比值，则确定所述关联区域的所述外部影响因素的外部程度为预设值。

可选的，所述处理器，具体用于：

针对每个业务指标，若与预设个数的历史业务指标相比，预设时间段的目标区域的业务指标最小，则确定所述业务指标为待归因的目标业务指标；其中，所述历史业务指标是预设时间段对应的历史时间段的所述目标区域和/或者关联区域的业务指标；或

若与目标历史时间段的业务指标的第一排名相比，预设时间段的业务指标的第二排名下降多余预设名次，则确定所述业务指标为待归因的目标业务指标；其中，所述第一排名为所述目标历史时间段的业务指标，在目标历史时间段对应的历史时间段的业务指标中的排名；所述第二排名为所述预设时间段的业务指标，在预设时间段对应的历史时间段的业务指标中的排名。

可选的，所述处理器，还用于：

根据预设时间段的目标区域的业务数据，确定目标业务指标对应的多个分解子指标；

确定每个分解子指标与目标业务指标的比值均不超过第一预设比值；或者，确定每个第一差值与每个所述第一差值对应的第二差值之间的比值不超过第二预设比值；其中，所述第一差值为所述分解子指标和预设时间段对应的历史时间段的所述分解子指标之间的差值；所述第一差值对应的第二差值为目标业务指标和预设时间段对应的历史时间段的所述目标业务指标之间的差值。

可选的，所述处理器，还用于：

获取所述目标业务指标对应的核心内部影响因素；其中，所述核心内部影响因素是从所述目标业务指标对应的所有内部影响因素中选择出来的；

将所有关联区域的每种外部影响因素的外部程度之和，作为所述目标区域的每种外部影响因素的外部程度之后，所述方法还包括：

将所述目标区域的每种外部影响因素的外部程度、所述目标业务指标对应的核心内部影响因素、以及所述目标业务指标作为输入，通过归因解析模型对所述目标业务指标变化进行归因得到归因结果，并将所述归因结果进行显示。

在示例性实施例中，还提供了一种包括指令的存储介质，例如包括指令的存储器，上述指令可由安装在列车上的电子设备的处理器执行以完成上述数据处理方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本发明实施例还提供一种计算机程序产品，当所述计算机程序产品在安装在列车上的电子设备上运行时，使得所述安装在列车上的电子设备执行实现本发明实施例上述任意一项数据处理方法。

本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其它实施方案。本发明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发明未发明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。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (10)

1.一种数据处理方法，其特征在于，包括：

获取预设时间段的目标区域的多个业务指标，并根据预设时间段的目标区域的多个业务指标，确定待归因的目标业务指标；

针对每种外部影响因素，确定目标区域对应的每个关联区域的所述外部影响因素的业务数据与预设业务指标之间的第一比值，以及确定所有关联区域的所述外部影响因素的业务数据之和与所有关联区域的预设业务指标之和之间的第二比值；其中，所述外部影响因素为一个区域影响另一个区域的目标业务指标变化的因素；所述预设业务指标为影响所述目标业务指标变化的业务指标；

根据所述第二比值和每个关联区域的第一比值，确定每个关联区域的所述外部影响因素的外部程度，并将每种外部影响因素的所有关联区域的外部程度之和，作为所述目标区域的每种外部影响因素的外部程度；

将所述目标区域的每种外部影响因素的外部程度作为输入，通过归因解析模型对所述目标业务指标变化进行归因得到归因结果，并将所述归因结果进行显示。

2.根据权利要求1所述的方法，其特征在于，根据所述第二比值和每个关联区域的第一比值，确定每个关联区域的所述外部影响因素的外部程度，包括：

针对每个关联区域，若所述关联区域的第一比值和第二比值之间的比值大于预设比值，则确定所述关联区域的所述外部影响因素的外部程度为所述关联区域的第一比值和第二比值之间的比值与所述预设比值的差值；

若所述关联区域的第一比值和第二比值之间的比值不大于预设比值，则确定所述关联区域的所述外部影响因素的外部程度为预设值。

3.根据权利要求1所述的方法，其特征在于，根据预设时间段的目标区域的多个业务指标，确定待归因的目标业务指标，包括：

针对每个业务指标，若与预设个数的历史业务指标相比，预设时间段的目标区域的业务指标最小，则确定所述业务指标为待归因的目标业务指标；其中，所述历史业务指标是预设时间段对应的历史时间段的所述目标区域和/或者关联区域的业务指标；或

若与目标历史时间段的业务指标的第一排名相比，预设时间段的业务指标的第二排名下降多余预设名次，则确定所述业务指标为待归因的目标业务指标；其中，所述第一排名为所述目标历史时间段的业务指标，在目标历史时间段对应的历史时间段的业务指标中的排名；所述第二排名为所述预设时间段的业务指标，在预设时间段对应的历史时间段的业务指标中的排名。

4.根据权利要求1所述的方法，其特征在于，针对每种外部影响因素，确定目标区域对应的每个关联区域的所述外部影响因素的业务数据与预设业务指标之间的第一比值，以及确定所有关联区域的所述外部影响因素的业务数据之和与所有关联区域的预设业务指标之和之间的第二比值之前，所述方法还包括：

根据预设时间段的目标区域的业务数据，确定目标业务指标对应的多个分解子指标；

确定每个分解子指标与目标业务指标的比值均不超过第一预设比值；或者，确定每个第一差值与每个所述第一差值对应的第二差值之间的比值不超过第二预设比值；其中，所述第一差值为所述分解子指标和预设时间段对应的历史时间段的所述分解子指标之间的差值；所述第一差值对应的第二差值为目标业务指标和预设时间段对应的历史时间段的所述目标业务指标之间的差值。

5.根据权利要求1～4任一项所述的方法，其特征在于，所述方法还包括：

获取所述目标业务指标对应的核心内部影响因素；其中，所述核心内部影响因素是从所述目标业务指标对应的所有内部影响因素中选择出来的；

将所有关联区域的每种外部影响因素的外部程度之和，作为所述目标区域的每种外部影响因素的外部程度之后，所述方法还包括：

将所述目标区域的每种外部影响因素的外部程度、所述目标业务指标对应的核心内部影响因素、以及所述目标业务指标作为输入，通过归因解析模型对所述目标业务指标变化进行归因得到归因结果，并将所述归因结果进行显示。

6.一种电子设备，其特征在于，包括：获取单元、处理器和显示器；

所述获取单元，用于获取预设时间段的目标区域的多个业务指标；

所述处理器，用于根据预设时间段的目标区域的多个业务指标，确定待归因的目标业务指标；

针对每种外部影响因素，确定目标区域对应的每个关联区域的所述外部影响因素的业务数据与预设业务指标之间的第一比值，以及确定所有关联区域的所述外部影响因素的业务数据之和与所有关联区域的预设业务指标之和之间的第二比值；其中，所述外部影响因素为一个区域影响另一个区域的目标业务指标变化的因素；所述预设业务指标为影响所述目标业务指标变化的业务指标；

根据所述第二比值和每个关联区域的第一比值，确定每个关联区域的所述外部影响因素的外部程度，并将每种外部影响因素的所有关联区域的外部程度之和，作为所述目标区域的每种外部影响因素的外部程度；

将所述目标区域的每种外部影响因素的外部程度作为输入，通过归因解析模型对所述目标业务指标变化进行归因得到归因结果；

所述显示器，用于将所述归因结果进行显示。

7.根据权利要求6所述的电子设备，其特征在于，所述处理器，具体用于：

针对每个关联区域，若所述关联区域的第一比值和第二比值之间的比值大于预设比值，则确定所述关联区域的所述外部影响因素的外部程度为所述关联区域的第一比值和第二比值之间的比值与所述预设比值的差值；

若所述关联区域的第一比值和第二比值之间的比值不大于预设比值，则确定所述关联区域的所述外部影响因素的外部程度为预设值。

8.根据权利要求6所述的电子设备，其特征在于，所述处理器，具体用于：

针对每个业务指标，若与预设个数的历史业务指标相比，预设时间段的目标区域的业务指标最小，则确定所述业务指标为待归因的目标业务指标；其中，所述历史业务指标是预设时间段对应的历史时间段的所述目标区域和/或者关联区域的业务指标；或

若与目标历史时间段的业务指标的第一排名相比，预设时间段的业务指标的第二排名下降多余预设名次，则确定所述业务指标为待归因的目标业务指标；其中，所述第一排名为所述目标历史时间段的业务指标，在目标历史时间段对应的历史时间段的业务指标中的排名；所述第二排名为所述预设时间段的业务指标，在预设时间段对应的历史时间段的业务指标中的排名。

9.根据权利要求6所述的电子设备，其特征在于，所述处理器，还用于：

根据预设时间段的目标区域的业务数据，确定目标业务指标对应的多个分解子指标；

确定每个分解子指标与目标业务指标的比值均不超过第一预设比值；或者，确定每个第一差值与每个所述第一差值对应的第二差值之间的比值不超过第二预设比值；其中，所述第一差值为所述分解子指标和预设时间段对应的历史时间段的所述分解子指标之间的差值；所述第一差值对应的第二差值为目标业务指标和预设时间段对应的历史时间段的所述目标业务指标之间的差值。

10.根据权利要求6～9任一项所述的电子设备，其特征在于，所述处理器，还用于：

获取所述目标业务指标对应的核心内部影响因素；其中，所述核心内部影响因素是从所述目标业务指标对应的所有内部影响因素中选择出来的；

将所有关联区域的每种外部影响因素的外部程度之和，作为所述目标区域的每种外部影响因素的外部程度之后，所述方法还包括：

将所述目标区域的每种外部影响因素的外部程度、所述目标业务指标对应的核心内部影响因素、以及所述目标业务指标作为输入，通过归因解析模型对所述目标业务指标变化进行归因得到归因结果，并将所述归因结果进行显示。

Images