CN115983484A - 产品需求价值预测方法、装置、计算机设备和存储介质 - Google Patents
产品需求价值预测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115983484A CN115983484A CN202310021389.7A CN202310021389A CN115983484A CN 115983484 A CN115983484 A CN 115983484A CN 202310021389 A CN202310021389 A CN 202310021389A CN 115983484 A CN115983484 A CN 115983484A
- Authority
- CN
- China
- Prior art keywords
- demand
- information
- index
- value
- predicted
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种产品需求价值预测方法、装置、计算机设备、存储介质和计算机程序产品,涉及大数据技术领域。所述方法包括:根据产品的待预测需求的需求信息,确认待预测需求在各个预设预测指标下的指标信息;将待预测需求在各个预设预测指标下的指标信息,输入至预先构建的需求价值预测模型中进行价值预测处理,得到待预测需求的初始价值信息;根据待预测需求的初始优先级信息,对待预测需求的初始价值信息进行更新,得到待预测需求的目标价值信息。采用本方法,能够提高产品需求价值预测结果的可靠性。
Description
技术领域
本申请涉及大数据技术领域,特别是涉及一种产品需求价值预测方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着人类社会的发展,企业在产品开发时越来越注重资源的回报率,因此,需要对产品的需求价值进行预测,预测需求能够产生的价值,从而优化对产品的需求的资源投资。
通常,产品的需求价值预测是通过研发团队人工完成的,因此,需求价值的预测结果会受到主观影响,从而导致预测结果的可靠性较低,使得企业在低价值需求上投入大量研发资源,造成资源的浪费。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高产品需求价值的预测结果的可靠性的产品需求价值预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种产品需求价值预测方法。所述方法包括:
根据产品的待预测需求的需求信息,确认所述待预测需求在各个预设预测指标下的指标信息;
将所述待预测需求在各个预设预测指标下的指标信息,输入至预先构建的需求价值预测模型中进行价值预测处理,得到所述待预测需求的初始价值信息;
根据所述待预测需求的初始价值信息,对所述待预测需求的初始优先级信息进行更新,得到所述待预测需求的目标优先级信息;所述目标优先级信息用于表征所述待预测需求的目标价值信息。
在其中一个实施例中,所述预设预测指标至少包括重要性指标、紧迫性指标、工作量指标以及业务价值指标;
所述将所述待预测需求在各个预设预测指标下的指标信息,输入至预先构建的需求价值预测模型中进行价值预测处理,得到所述待预测需求的初始价值信息,包括:
通过所述预先构建的需求价值预测模型,更新所述业务价值指标对应的业务价值指标信息,得到更新后的业务价值指标信息;
对所述重要性指标对应的重要性指标信息、所述紧迫性指标对应的紧迫性指标信息、所述工作量指标对应的工作量指标信息,以及所述更新后的业务价值指标信息进行融合处理,得到所述待预测需求的初始价值信息。
在其中一个实施例中,所述业务价值指标包括多个业务价值子指标;
所述通过所述预先构建的需求价值预测模型,更新所述业务价值指标对应的业务价值指标信息,得到更新后的业务价值指标信息,包括:
根据所述预先构建的需求价值预测模型,确认各个所述业务价值子指标与所述产品的业务目标之间的相关性信息;
根据所述相关性信息,确认各个所述业务价值子指标的类型;所述业务价值子指标的类型包括强相关业务价值子指标和弱相关业务价值子指标;
更新所述强相关业务价值子指标对应的强相关业务价值子指标信息,得到更新后的强相关业务价值子指标信息;
组合所述更新后的强相关业务价值子指标信息,与所述弱相关业务价值子指标对应的弱相关业务价值子指标信息,得到所述更新后的业务价值指标信息。
在其中一个实施例中,所述对所述重要性指标对应的重要性指标信息、所述紧迫性指标对应的紧迫性指标信息、所述工作量指标对应的工作量指标信息,以及所述更新后的业务价值指标信息进行融合处理,包括:
在所述工作量指标信息不为零的情况下,通过所述预先构建的需求价值预测模型,分别确认所述重要性指标对应的重要性权重、所述紧迫性指标对应的紧迫性权重、所述工作量指标对应的工作量权重,以及所述业务价值指标对应的业务价值权重;
根据所述重要性权重、所述紧迫性权重、所述工作量权重,以及所述业务价值权重,对所述重要性指标信息、所述紧迫性指标信息、所述工作量指标信息,以及所述更新后的业务价值指标信息进行融合处理;
所述对所述重要性指标对应的重要性指标信息、所述紧迫性指标对应的紧迫性指标信息、所述工作量指标对应的工作量指标信息,以及所述更新后的业务价值指标信息进行融合处理,还包括:
在所述工作量指标信息为零的情况下,组合所述重要性指标信息、所述紧迫性指标信息,以及所述更新后的业务价值指标信息。
在其中一个实施例中,所述根据所述待预测需求的初始价值信息,对所述待预测需求的初始优先级信息进行更新,得到所述待预测需求的目标优先级信息,包括:
根据所述待预测需求的初始价值信息,更新所述产品的历史价值信息,以及根据所述待预测需求的标识,确认所述待预测需求的初始优先级信息;
从所述产品的更新后的历史价值信息中,识别出满足预设条件的参考价值信息;
根据所述参考价值信息,更新所述初始优先级信息,得到所述待预测需求的目标优先级信息。
在其中一个实施例中,在根据所述待预测需求的初始价值信息,对所述待预测需求的初始优先级信息进行更新,得到所述待预测需求的目标优先级信息之后,还包括:
根据所述待预测需求的需求信息,获取所述待预测需求的需求标签信息;
根据所述待预测需求的目标优先级信息和所述需求标签信息,生成所述待预测需求的价值标签画像。
在其中一个实施例中,在根据产品的待预测需求的需求信息,确认所述待预测需求在各个预设预测指标下的指标信息之前,还包括:
根据所述待预测需求的标识,在初始预设预测指标中,确认所述待预测需求对应的预设预测指标;
接收所述待预测需求对应于所述预设预测指标的需求信息。
第二方面,本申请还提供了一种产品需求价值预测装置。所述装置包括:
指标信息确认模块,用于根据产品的待预测需求的需求信息,确认所述待预测需求在各个预设预测指标下的指标信息;
价值信息预测模块,用于将所述待预测需求在各个预设预测指标下的指标信息,输入至预先构建的需求价值预测模型中进行价值预测处理,得到所述待预测需求的初始价值信息;
优先信息更新模块,用于根据所述待预测需求的初始价值信息,对所述待预测需求的初始优先级信息进行更新,得到所述待预测需求的目标优先级信息;所述目标优先级信息用于表征所述待预测需求的目标价值信息。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
根据产品的待预测需求的需求信息,确认所述待预测需求在各个预设预测指标下的指标信息;
将所述待预测需求在各个预设预测指标下的指标信息,输入至预先构建的需求价值预测模型中进行价值预测处理,得到所述待预测需求的初始价值信息;
根据所述待预测需求的初始价值信息,对所述待预测需求的初始优先级信息进行更新,得到所述待预测需求的目标优先级信息;所述目标优先级信息用于表征所述待预测需求的目标价值信息。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
根据产品的待预测需求的需求信息,确认所述待预测需求在各个预设预测指标下的指标信息;
将所述待预测需求在各个预设预测指标下的指标信息,输入至预先构建的需求价值预测模型中进行价值预测处理,得到所述待预测需求的初始价值信息;
根据所述待预测需求的初始价值信息,对所述待预测需求的初始优先级信息进行更新,得到所述待预测需求的目标优先级信息;所述目标优先级信息用于表征所述待预测需求的目标价值信息。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
根据产品的待预测需求的需求信息,确认所述待预测需求在各个预设预测指标下的指标信息;
将所述待预测需求在各个预设预测指标下的指标信息,输入至预先构建的需求价值预测模型中进行价值预测处理,得到所述待预测需求的初始价值信息;
根据所述待预测需求的初始价值信息,对所述待预测需求的初始优先级信息进行更新,得到所述待预测需求的目标优先级信息;所述目标优先级信息用于表征所述待预测需求的目标价值信息。
上述产品需求价值预测方法、装置、计算机设备、存储介质和计算机程序产品,首先根据产品的待预测需求的需求信息,确认待预测需求在各个预设预测指标下的指标信息;然后将待预测需求在各个预设预测指标下的指标信息,输入至预先构建的需求价值预测模型中进行价值预测处理,得到待预测需求的初始价值信息;最后根据待预测需求的初始优先级信息,对待预测需求的初始价值信息进行更新,得到待预测需求的目标价值信息。这样,通过产品的待预测需求在各个预设预测指标下的指标信息和预先构建的需求价值预测模型,对待预测需求的初始价值信息进行预测,接着基于待预测需求的初始优先级信息更新初始价值信息,从而得到待预测需求的目标价值信息,在此过程中,排除了人工预测需求价值的主观影响,提升了产品需求价值预测结果的可靠性,进而使得企业能够合理分配研发资源,避免了资源的浪费。
附图说明
图1为一个实施例中产品需求价值预测方法的流程示意图;
图2为一个实施例中更新所述业务价值指标对应的业务价值指标信息,得到更新后的业务价值指标信息的步骤的流程示意图;
图3为一个实施例中待预测需求的价值标签画像的示意图;
图4为另一个实施例中产品需求价值预测方法的流程示意图;
图5为一个实施例中产品需求价值预测装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一示例性实施例中,如图1所示,提供了一种产品需求价值预测方法,本实施例以该方法应用于服务器进行举例说明;可以理解的是,该方法也可以应用于终端,还可以应用于包括服务器和终端的系统,并通过服务器和终端之间的交互实现;其中,服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现;终端可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑。本实施例中,该方法包括以下步骤:
步骤S102,根据产品的待预测需求的需求信息,确认待预测需求在各个预设预测指标下的指标信息。
其中,产品的待预测需求是指产品的待开发的、需要进行价值预测的需求。以银行金融软件产品的开发场景为例,对于某金融软件产品而言,缴费对接运营平台为一个需求,交易授权变更为一个需求,每日交易限额变更同样也为一个需求。
其中,预设预测指标是指用于预测待预测需求的价值信息的指标,能够理解的是,对于不同的需求,用于预测价值信息的预设预测指标不同。指标信息可以是预设预测指标对应的指标分数,也可以是其它表征待预测需求是否满足预设预测指标的信息。
具体地,服务器根据接收到的产品的待预测需求的需求信息,在预测指标评估表中查询与待预测需求的需求信息对应的指标信息,作为待预测需求在各个预设预测指标下的指标信息。
举例说明,假设服务器接收到的产品的待预测需求为缴费对接运营平台,其对应的需求信息分别为全行重点、大客户需求、推进运维智能转型、提升用户体验、拓客、性能提升以及提升系统架构成熟度等;然后服务器在预测指标评估表中,查询与上述需求信息对应的指标分数,并将对应的指标分数作为待预测需求在各个预设预测指标下的指标信息。
步骤S104,将待预测需求在各个预设预测指标下的指标信息,输入至预先构建的需求价值预测模型中进行价值预测处理,得到待预测需求的初始价值信息。
其中,预先构建的需求价值预测模型可以是基于历史的需求价值预测过程,通过机器学习或深度学习得到的模型。
其中,初始价值信息是指不受初始优先级信息影响的价值信息;能够理解的是,不同的待预测需求本身具有不同的初始优先级信息,而初始优先级信息会影响待预测需求的最终价值预测。初始价值信息可以是待预测需求的初始价值的分数,也可以是其它能够表征待预测需求的初始价值结果的信息。
具体地,服务器将待预测需求在各个预设预测指标下的指标信息作为输入,通过预先构建的需求价值预测模型对待预测需求在各个预设预测指标下的指标信息的价值预测处理,得到待预测需求的初始价值信息。
举例说明,服务器将缴费对接运营平台的需求信息对应的各个指标分数,如全行重点、大客户需求、推进运维智能转型、提升用户体验、拓客、性能提升以及提升系统架构成熟度的指标分数,输入至预先构建的需求价值预测中进行价值预测处理,得到待预测需求的初始价值分数。
步骤S106,根据待预测需求的初始价值信息,对待预测需求的初始优先级信息进行更新,得到待预测需求的目标优先级信息。
其中,待预测需求的初始优先级信息,是指在不考虑其它需求的价值影响的情况下,各个待预测需求固有的优先级以及优先级分数;如在缴费对接运营平台、交易授权变以及每日交易限额变更三个需求中,对应的初始优先级分数分别为37分、20分、17分,因此对应的初始优先级分别为高优先级、中优先级以及中优先级。
其中,目标优先级信息用于表征所述待预测需求的目标价值信息,目标优先级信息包括目标优先级和目标优先级分数;例如,待预测需求的目标优先级分数为30分,那么对应的目标优先级为低优先级,其表征的目标价值信息为该待预测需求的价值较低。
其中,待预测需求的目标价值信息,是指在综合考虑其它需求的价值的情况下,各个待预测需求的预测价值结果。例如,虽然交易授权变更的初始优先级为中优先级,但由于交易授权变更的需求信息在预设的预测指标评估表中所涉及到的指标较少,那么在其它待预测需求的预测价值较高的情况下,交易授权变更的目标价值信息就会变为低优先级。
具体地,服务器获取待预测需求对应的初始优先级信息,如交易授权变更的初始优先级为中优先级;然后服务器基于待预测需求的初始价值信息与产品的所有需求的价值之间的关系,即其它需求的价值对待预测需求的预测价值结果的影响,更新待预测需求的初始优先级信息,得到更新后的初始优先级信息为低优先级,并将更新后的初始优先级信息作为待预测需求的目标优先级信息,从而完成对待预测需求的价值预测。
举例说明,假设服务器在步骤S104中确认得到的交易授权变更的初始价值信息为初始价值分数40分,而交易授权变更的初始优先级分数为17分,初始优先级为中优先级;那么服务器基于交易授权变更的初始价值分数与其对应的金融软件产品的所有需求的价值之间的关系,对初始优先级分数进行更新,得到的目标优先级分数为30分,对应的目标优先级为低优先级,那么交易授权变更的目标价值信息为低优先级。
需要说明的是,由于初始优先级信息与目标优先级信息考虑的因素不同,因此对于初始优先级的划分标准与目标优先级的划分标准也不同;例如,对于初始优先级,初始优先级分数在[0,10]的为低优先级,在[11,30]的为中优先级,在30分以上的为高优先级;对于目标优先级,目标优先级分数在[0,30]分的为低优先级,在[30,60]的为中优先级,在60分以上的为高优先级。能够理解的时是,初始优先级的划分标准和目标优先级的划分标准支持根据不同的应用场景进行调整。
上述产品需求价值预测方法中,首先服务器根据产品的待预测需求的需求信息,确认待预测需求在各个预设预测指标下的指标信息;然后服务器将待预测需求在各个预设预测指标下的指标信息,输入至预先构建的需求价值预测模型中进行价值预测处理,得到待预测需求的初始价值信息;最后服务器根据待预测需求的初始优先级信息,对待预测需求的初始价值信息进行更新,得到待预测需求的目标价值信息。这样,服务器通过产品的待预测需求在各个预设预测指标下的指标信息和预先构建的需求价值预测模型,对待预测需求的初始价值信息进行预测,接着基于待预测需求的初始优先级信息更新初始价值信息,从而得到待预测需求的目标价值信息,在此过程中,排除了人工预测需求价值的主观影响,提升了产品需求价值预测结果的可靠性,进而使得企业能够合理分配研发资源,避免了资源的浪费。
在一示例性实施例中,上述步骤S102中的预设预测指标至少包括重要性指标、紧迫性指标、工作量指标以及业务价值指标。
上述步骤S102,将待预测需求在各个预设预测指标下的指标信息,输入至预先构建的需求价值预测模型中进行价值预测处理,得到待预测需求的初始价值信息,具体包括以下内容:通过预先构建的需求价值预测模型,更新业务价值指标对应的业务价值指标信息,得到更新后的业务价值指标信息;对重要性指标对应的重要性指标信息、紧迫性指标对应的紧迫性指标信息、工作量指标对应的工作量指标信息,以及更新后的业务价值指标信息进行融合处理,得到待预测需求的初始价值信息。
其中,重要性指标用于评估待预测需求的重要性信息,重要性指标中的部分指标如表1所示。能够理解的是,对于重要性指标,一个需求只涉及重要性指标评估表中的一项内容。
表1重要性指标评估表
重要性指标 | 重要性指标信息 |
全行重点 | 100分 |
专业重点 | 80分 |
IT架构优化 | 60分 |
一般项目 | 0分 |
其中,紧迫性指标用于评估待预测需求的紧迫性信息,紧迫性指标中的部分指标如表2所示,能够理解的是,对于紧迫性指标,一个需求只涉及紧迫性指标评估表中的一项内容。
表2紧迫性指标评估表
紧迫性指标 | 紧迫性指标信息 |
紧急 | 100分 |
大客户需求 | 100分 |
监管需求 | 100分 |
普通需求 | 20分 |
其中,业务价值指标用于评估待预测需求的业务价值,具体地,业务价值指标还包括多个业务价值子指标,业务价值指标中的部分指标如表3所示。能够理解的是,对于业务价值指标,一个需求可以涉及业务价值指标评估表中的多项内容。
表3业务价值指标评估表
其中,工作量指标用于评估待预测需求的工作量信息,如40人/日;工作量指标对应的工作量指标内容可以直接用工作量表示,如40人/日对应的工作量指标分数为40分。
具体地,服务器通过预先构建的需求价值预测模型,对待预测需求在业务价值指标下的业务价值指标信息,得到更新后的业务价值指标信息;然后融合待预测需求在重要性指标下的重要性指标信息、在紧迫性指标下的紧迫性指标信息、在工作量指标下的工作量指标信息,以及更新后的业务价值指标信息,得到所述待预测需求的初始价值信息。
举例说明,以缴费对接运营平台为例,其对应的需求信息分别为全行重点、大客户需求、推进运维智能转型、提升用户体验、拓客、性能提升、提升系统架构成熟度以及4人/日;因此服务器确认得到的重要性指标信息为100分,紧迫性指标信息为100分,业务价值指标信息为19分,工作量指标信息为4分;服务器通过预先构建的需求价值预测模型,将业务价值指标信息更新为25分;然后通过预先构建的需求价值预测模型,融合重要性指标信息100分、紧迫性指标信息100分、工作量指标信息4分,以及更新后的业务价值指标信息25分,得到缴费对接运营平台的初始价值信息为20分。
本实施例中,服务器通过预先构建的需求价值预测模型,更新待预测需求的业务价值指标信息,并融合待预测需求的重要性指标信息、紧迫性指标信息、工作量指标信息,以及更新后的业务价值指标信息,从而得到待预测需求基于自身需求信息的初始价值信息,为后续确定待预测需求的目标优先级和目标价值信息提供了基础,进而提高了产品需求价值预测结果的可靠性。
在一示例性实施例中,上述业务价值指标包括多个业务价值子指标。
如图2所示,上述步骤,通过预先构建的需求价值预测模型,更新业务价值指标对应的业务价值指标信息,得到更新后的业务价值指标信息,具体包括以下步骤:
步骤S202,根据预先构建的需求价值预测模型,确认各个业务价值子指标与产品的业务目标之间的相关性信息。
步骤S204,根据相关性信息,确认各个业务价值子指标的类型。
步骤S206,更新强相关业务价值子指标对应的强相关业务价值子指标信息,得到更新后的强相关业务价值子指标信息。
步骤S208,组合更新后的强相关业务价值子指标信息,与弱相关业务价值子指标对应的弱相关业务价值子指标信息,得到更新后的业务价值指标信息。
其中,各个业务价值子指标与产品的业务目标之间的相关性信息可以通过例如Pearson(皮尔逊)相关系数算法来进行确认,用业务价值子指标与业务目标之间的相关系数表征相关性信息。
其中,业务价值子指标的类型包括强相关业务价值子指标和弱相关业务价值子指标;例如,当业务价值子指标与业务目标之间的相关系数大于预设相关系数阈值时,则说明该业务价值子指标与业务目标之间为强相关,即该业务价值子指标对业务目标有较大的正向贡献。
具体地,服务器通过预先构建的需求价值预测模型,确认各个业务价值子指标与产品的业务目标之间的相关性信息,并将相关性信息大于预设相关系数阈值,如0.75的业务价值子指标,确认为强相关业务价值子指标,将相关性信息小于预设相关系数阈值的业务价值子指标,确认为弱相关业务价值子指标;然后更新强相关业务价值子指标对应的强相关业务价值子指标信息,如对强相关业务价值子指标分数进行翻倍;最后组合更新后的强相关业务价值子指标信息和弱相关业务价值子指标对应的弱相关业务价值子指标信息,从而得到更新后的业务价值指标信息。
举例说明,参考表3,缴费对接运营平台涉及的业务价值子指标信息包括推进运维智能转型、提升用户体验、拓客、性能提升,以及提升系统架构成熟度,对应的业务价值子指标分数分别为7分、3分、3分、3分以及3分,此时的业务价值指标分数为19分;服务器通过预先构建的需求价值预测模型,计算得到“拓客”与“提升系统架构成熟度”对于金融软件产品的业务目标的相关系数为0.81以及0.79,均大于预设相关系数阈值0.75,因此“拓客”与“提升系统架构成熟度”对应的业务价值子指标分数翻倍,服务器最终通过预先构建的需求价值预测模型得到的更新后的业务价值指标分数为25分。
本实施例中,服务器通过业务价值子指标与业务目标之间的相关性,将业务价值子指标分为强相关业务价值子指标与弱相关业务价值子指标,然后基于强相关业务价值子指标对业务目标有着较大的正向贡献,对强相关业务价值子指标信息进行更新。这样,基于各个业务价值子指标对于业务目标的实际贡献和对外部市场的预测,从大规模的数据中寻找隐含的相关关系,以突出对具有较大正向贡献的指标以及需求的价值,进一步提高了产品需求价值预测结果的可靠性。
在一示例性实施例中,上述步骤,对重要性指标对应的重要性指标信息、紧迫性指标对应的紧迫性指标信息、工作量指标对应的工作量指标信息,以及更新后的业务价值指标信息进行融合处理,具体包括以下内容:在工作量指标信息不为零的情况下,通过预先构建的需求价值预测模型,分别确认重要性指标对应的重要性权重、紧迫性指标对应的紧迫性权重、工作量指标对应的工作量权重,以及业务价值指标对应的业务价值权重;根据重要性权重、紧迫性权重、工作量权重,以及业务价值权重,对重要性指标信息、紧迫性指标信息、工作量指标信息,以及更新后的业务价值指标信息进行融合处理。
上述步骤,对重要性指标对应的重要性指标信息、紧迫性指标对应的紧迫性指标信息、工作量指标对应的工作量指标信息,以及更新后的业务价值指标信息进行融合处理,还具体包括以下内容:在工作量指标信息为零的情况下,组合重要性指标信息、紧迫性指标信息,以及更新后的业务价值指标信息。
其中,重要性权重、紧迫性权重、工作量权重以及业务价值权重由预先构建的需求价值预测模型中的注意力机制网络训练得到。经过注意力机制网络的多次训练,将重要性权重确认为25%,将紧迫性权重确认为50%、将工作量权重确认为100%,以及将业务价值权重确认为25%。
具体地,服务器对各个预设预测指标下的指标信息的融合,可以根据工作量指标信息是否为零,分为两种情况。
当工作量指标信息不为零时,服务器通过预先构建的需求价值预测模型中的注意力机制网络,分别确认重要性指标对应的重要性权重、紧迫性指标对应的紧迫性权重、工作量指标对应的工作量权重,以及业务价值指标对应的业务价值权重,然后通过预先构建的需求价值预测模型中的以下公式,对各个预设预测指标下的指标信息进行融合,从而得到待预测需求的初始价值信息:
其中,Value为待预测需求的初始价值信息;α1、α2、α3以及α4分别为重要性权重、紧迫性权重、业务价值权重以及工作量权重;I1、I2、I3以及I4分别为重要性指标信息、紧迫性指标信息、更新后的业务价值指标信息以及工作量指标信息。
当工作量指标信息为零时,服务器通过预先构建的需求价值预测模型中的以下公式,对各个预设预测指标下的指标信息进行融合,从而得到待预测需求的初始价值信息:
Value=I1+I2+I3
以缴费对接运营平台作为待预测需求为例进行说明,缴费对接运营平台的重要性指标信息为100分,紧迫性指标信息为100分,更新后的业务价值指标信息为25分,工作量指标信息为4分,那么缴费对接运营平台的初始价值信息为:
假设,缴费对接运营平台的工作量指标信息为零,那么缴费对接运营平台的初始价值信息为:
Value=100+100+25=225
本实施例中,服务器预先构建的需求价值预测模型,按照待预测需求的工作量信息不为零与为零的两种情况,采取不同的方式确认待预测需求的初始价值信息;服务器基于工作量信息,按照不同的分类采取不同的初始信息确认方式,能够将工作量信息为零与不为零的待预测需求进行区分,从而提升了产品需求价值预测结果的可靠性。
在一示例性实施例中,上述步骤S106,根据待预测需求的初始价值信息,对待预测需求的初始优先级信息进行更新,得到待预测需求的目标优先级信息,具体包括以下内容:根据待预测需求的初始价值信息,更新产品的历史价值信息,以及根据待预测需求的标识,确认待预测需求的初始优先级信息;从产品的更新后的历史价值信息中,识别出满足预设条件的参考价值信息;根据参考价值信息,更新初始优先级信息,得到待预测需求的目标优先级信息。
其中,产品的历史价值信息是指,产品的所有需求的价值信息;满足预设条件的参考价值信息,是指产品的所有需求的价值信息中,价值分数最高的价值信息。
具体地,服务器首先根据待预测需求的初始价值信息,对产品的历史价值信息进行更新,即更新产品的所有需求的价值分数中的最大值,并将更新后的价值分数最大值作为参考价值信息;然后根据待预测需求的标识,确认待预测需求在不考虑其它需求的价值影响的情况下,固有的优先级以及优先级分数;接着按照以下公式,根据参考价值信息,更新待预测需求初始优先级分数,进而得到待预测需求的目标优先级分数:
其中,TPS为目标优先级分数,TIS为初始优先级分数,RValue为参考价值信息。最后,服务器根据目标优先级分数和目标优先级的划分,确认待预测需求的目标优先级。
举例说明,假设缴费对接运营平台对应的金融软件产品的所有需求中,价值分数最大的为57分,而缴费对接运营平台的初始价值分数为20分,因此不会改变产品的所有需求的价值分数中的最大值;接着服务器基于参考价值信息57分,更新缴费对接运营平台的初始优先级分数37分:
最后服务器根据目标优先级的划分标准和目标优先级分数65分,将缴费对接运营平台的目标优先级确认为高优先级。
假设某需求的初始优先级分数为20分,初始价值分数为25分,且该初始价值分数为产品的所有需求的价值分数中的最大值,那么服务器更新该需求的初始优先级分数:
本实施例中,服务器根据待预测需求的初始价值信息,更新产品的所有需求的价值分数中的最大值;并根据产品更新后的所有需求的价值分数中的最大值,将待预测需求的初始优先级信息,转化为考虑其它需求的价值影响的目标优先级信息。基于以上过程,服务器能够在综合考虑待预测需求与其它需求的总体情况下,优化对待预测需求的预测价值的确认过程,从而进一步提高了产品需求价值预测结果的可靠性。
在一示例性实施例中,上述步骤S106,在根据待预测需求的初始价值信息,对待预测需求的初始优先级信息进行更新,得到待预测需求的目标优先级信息之后,还具体包括以下内容:根据待预测需求的需求信息,获取待预测需求的需求标签信息;根据待预测需求的目标优先级信息和需求标签信息,生成待预测需求的价值标签画像。
其中,待预测需求的价值标签画像,用于综合展示待预测需求的价值预测结果。
具体地,服务器根据待预测需求的需求信息,以及预先构建的标签体系,获取待预测需求的需求标签信息;然后基于可视化应用,对需求标签信息和目标优先级进行渲染,生成用于综合展示待预测需求的价值预测结果的价值标签画像。如图3所示,为缴费对接运营平台对应的价值标签画像。
本实施例中,服务器通过预先构建的标签体系,基于待预测需求的需求信息,为待预测需求生成对应的需求标签信息;然后综合需求标签信息和待预测需求的目标优先级,通过可视化技术,生成待预测需求的价值标签画像,从而更加直观地向研发人员展示待预测需求的价值预测结果。
在一示例性实施例中,上述步骤S102,根据产品的待预测需求的需求信息,确认待预测需求在各个预设预测指标下的指标信息之前,还具体包括以下内容:根据待预测需求的标识,在初始预设预测指标中,确认待预测需求对应的预设预测指标;接收待预测需求对应于预设预测指标的需求信息。
其中,初始预设预测指标是指所有的预设指标,预设预测指标是指初始预设预测指标中的至少一个指标。
需要说明的是,对于不同的需求,所需要考虑的预设预测指标范围是不同的。例如,需求A的价值预测过程中需要考虑风险管理,那么针对需求A,就需要将风险管理的相关指标作为业务价值子指标。再例如,需求B的价值预测过程中需要考虑手机银行版本推广,那么针对需求B,就需要将手机银行版本推广的相关指标作为业务价值子指标。
具体地,服务器根据待预测需求的标识,确认待预测需求所需要考虑的预设预测指标,并在初始预设预测指标中,识别出与待预测需求所需要考虑的预设预测指标对应的各个预测指标,作为预设预测指标;然后服务器接收研发人员针对各个预设预测指标输入的需求信息。
本实施例中,服务器通过待预测需求的标识,在所有的指标中,为待预测需求针对性地确认预设预测指标,从而避免了研发人员在输入需求信息时,输入过多的、不必要的需求信息,简化了需求的价值预测的过程。
在一示例性实施例中,如图4所示,提供了另一种产品需求价值预测方法,以该方法应用于服务器为例进行说明,包括以下步骤:
步骤S401,根据待预测需求的标识,在初始预设预测指标中,确认待预测需求对应的预设预测指标,并接收待预测需求对应于预设预测指标的需求信息。
步骤S402,根据产品的待预测需求的需求信息,确认待预测需求在各个预设预测指标下的指标信息。
步骤S403,通过预先构建的需求价值预测模型,根据各个业务价值子指标与产品的业务目标之间的相关性信息,确认各个业务价值子指标的类型。
步骤S404,更新强相关业务价值子指标对应的强相关业务价值子指标信息,得到更新后的强相关业务价值子指标信息,并组合更新后的强相关业务价值子指标信息,与弱相关业务价值子指标对应的弱相关业务价值子指标信息,得到更新后的业务价值指标信息。
步骤S405,在工作量指标信息不为零的情况下,通过预先构建的需求价值预测模型,分别确认重要性指标对应的重要性权重、紧迫性指标对应的紧迫性权重、工作量指标对应的工作量权重,以及业务价值指标对应的业务价值权重。
步骤S406,根据重要性权重、紧迫性权重、工作量权重,以及业务价值权重,对重要性指标信息、紧迫性指标信息、工作量指标信息,以及更新后的业务价值指标信息进行融合处理。
步骤S407,在工作量指标信息为零的情况下,组合重要性指标信息、紧迫性指标信息,以及更新后的业务价值指标信息。
步骤S408,根据待预测需求的初始价值信息,更新产品的历史价值信息,以及根据待预测需求的标识,确认待预测需求的初始优先级信息。
步骤S409,从产品的更新后的历史价值信息中,识别出满足预设条件的参考价值信息,并根据参考价值信息,更新初始优先级信息,得到待预测需求的目标优先级信息。
其中,目标优先级信息用于表征待预测需求的目标价值信息。
步骤S410,根据待预测需求的需求信息,获取待预测需求的需求标签信息;根据待预测需求的目标优先级信息和需求标签信息,生成待预测需求的价值标签画像。
本实施例中,服务器首先通过业务价值子指标与业务目标之间的相关性,从大规模的数据中寻找隐含的相关关系,以突出对具有较大正向贡献的指标以及需求的价值,从而更新业务价值指标信息;然后,服务器融合待预测需求的重要性指标信息、紧迫性指标信息、工作量指标信息,以及更新后的业务价值指标信息,从而得到待预测需求基于自身需求信息的初始价值信息;接着,服务器根据参考价值信息,将待预测需求的初始优先级信息,转化为考虑其它需求的价值影响的目标优先级信息;最后,服务器综合需求标签信息和待预测需求的目标优先级,通过可视化技术,生成待预测需求的价值标签画像,从而更加直观地向研发人员展示待预测需求的价值预测结果。基于以上过程,服务器能够排除人工预测需求价值的主观影响,提升产品需求价值预测结果的可靠性,进而使得企业能够合理分配研发资源,避免了资源的浪费。
为了更清晰阐明本申请实施例提供的产品需求价值预测方法,以下以一个具体的实施例对该产品需求价值预测方法进行具体说明。在一示例性实施例中,本申请还提供了一种需求价值评估的处理方法,具体包括以下步骤:
步骤1:建立需求价值预测指标体系。
需求价值预测指标体系中至少包括重要性指标、紧迫性指标、业务价值指标以及工作量指标,不同的需求信息在不同的指标下具有相应的分数。
步骤2:为待预测需求确认各个预设预测指标。
服务器根据待预测需求对应的研发部,从需求价值预测指标体系中,为待预测需求确定用于价值预测的各个预设预测指标。
步骤3:根据接收到的待预测需求的需求信息,确认待预测需求在各个预设预测指标下的指标分数。
服务器根据研发人员输入的待预测需求的标识,返显待预测需求的各个预设预测指标;并接收研发人员基于预设预测指标输入的待预测需求的需求信息;然后服务器基于需求信息,确认待预测指标在各个预设预测指标下的指标分数。
步骤4:使用数据挖掘,优化预设预测指标下的业务价值指标的业务价值分数。
服务器确认各个业务价值子指标与业务目标之间的相关性,将具有强相关的业务价值子指标对应的指标分数翻倍,从而对业务价值分数进行优化。
步骤5:计算待预测需求的预测价值分数。
服务器在工作量不为零的情况下,基于重要性指标对应的权重、紧迫性指标对应的权重、业务价值指标对应的权重以及工作量指标对应的权重,对重要性分数、紧迫性分数、优化后的业务价值分数以及工作量分数进行融合处理,得到待预测需求的预测价值分数。
服务器在工作量为零的情况下,将重要性分数、紧迫性分数、优化后的业务价值分数进行相加,得到待预测需求的预测价值分数。
步骤6:根据预测价值分数,将待预测需求的初始优先级分数转换为目标优先级分数。
服务器根据待预测需求的预测价值分数,对待预测需求所属产品的所有需求的价值分数记录进行更新,并获取待预测需求所属产品的所有需求中的价值分数的最大值;然后服务器基于价值分数的最大值,将待预测需求的初始优先级分数转换为目标优先级分数,并基于目标优先级分数确认待预测需求的目标优先。目标优先级分数用于表征在考虑其它需求的价值对待预测需求的价值的影响的情况下,所得到的待预测需求的价值预测结果。
步骤7:展示待预测需求的价值画像。
根据待预测需求的需求信息生成待预测需求的各项标签,通过可视化,综合展示待预测需求的标签信息、目标优先级,以及需求信息在各个预设预测指标下的得分和权重分布情况,生成待预测需求的价值画像。
需要说明的是,服务器支持研发人员对重要性、紧迫性等指标的分数以及权重的调整,从而实现需求的预测价值分数、优先级排序和价值画像的微调。
本实施例中,服务器通过需求价值预测指标体系,同时抽取重要性、紧迫性、业务价值、研发工作量等需求信息,通过标准且统一的需求价值预测方法,基于实际资源投入,综合计算团队投入成本,科学量化团队整体效能,推动团队效能提升。同时,服务器还自动生成需求标签,构建需求画像视图,实现自动化、快速输出需求价值预测可视化结果,为产品研发的需求效益研判提供了科学量化依据,从而实现指导动态资源调配,提升产品研发效能,使得企业能够合理分配研发资源,避免研发资源的浪费。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的产品需求价值预测方法的产品需求价值预测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个产品需求价值预测装置实施例中的具体限定可以参见上文中对于产品需求价值预测方法的限定,在此不再赘述。
在一示例性实施例中,如图5所示,提供了一种产品需求价值预测装置,包括:指标信息确认模块502、价值信息预测模块504和价值信息更新模块506,其中:
指标信息确认模块502,用于根据产品的待预测需求的需求信息,确认待预测需求在各个预设预测指标下的指标信息。
价值信息预测模块504,用于将待预测需求在各个预设预测指标下的指标信息,输入至预先构建的需求价值预测模型中进行价值预测处理,得到待预测需求的初始价值信息。
价值信息更新模块506,用于根据待预测需求的初始优先级信息,对待预测需求的初始价值信息进行更新,得到待预测需求的目标价值信息。
在一示例性实施例中,价值信息预测模块504,还用于通过预先构建的需求价值预测模型,更新业务价值指标对应的业务价值指标信息,得到更新后的业务价值指标信息;对重要性指标对应的重要性指标信息、紧迫性指标对应的紧迫性指标信息、工作量指标对应的工作量指标信息,以及更新后的业务价值指标信息进行融合处理,得到待预测需求的初始价值信息。
在一示例性实施例中,价值信息预测模块504,还用于根据预先构建的需求价值预测模型,确认各个业务价值子指标与产品的业务目标之间的相关性信息;根据相关性信息,确认各个业务价值子指标的类型;业务价值子指标的类型包括强相关业务价值子指标和弱相关业务价值子指标;更新强相关业务价值子指标对应的强相关业务价值子指标信息,得到更新后的强相关业务价值子指标信息;组合更新后的强相关业务价值子指标信息,与弱相关业务价值子指标对应的弱相关业务价值子指标信息,得到更新后的业务价值指标信息。
在一示例性实施例中,价值信息预测模块504,还用于在工作量指标信息不为零的情况下,通过预先构建的需求价值预测模型,分别确认重要性指标对应的重要性权重、紧迫性指标对应的紧迫性权重、工作量指标对应的工作量权重,以及业务价值指标对应的业务价值权重;根据重要性权重、紧迫性权重、工作量权重,以及业务价值权重,对重要性指标信息、紧迫性指标信息、工作量指标信息,以及更新后的业务价值指标信息进行融合处理。
价值信息预测模块504,还用于在工作量指标信息为零的情况下,组合重要性指标信息、紧迫性指标信息,以及更新后的业务价值指标信息。
在一示例性实施例中,价值信息更新模块506,还用于根据待预测需求的标识,确认待预测需求的初始优先级信息,以及确认产品的参考价值信息;参考价值信息为产品的各个需求的价值信息中,满足预设条件的价值信息;根据初始优先级信息和参考价值信息,更新待预测需求的初始价值信息,得到待预测需求的目标价值信息。
在一示例性实施例中,产品需求价值预测装置还包括需求画像生成模块,用于根据待预测需求的目标价值信息,确认待预测需求的目标优先级,以及根据待预测需求的需求信息,获取待预测需求的需求标签信息;根据待预测需求的目标优先级和需求标签信息,生成待预测需求的价值标签画像。
在一示例性实施例中,产品需求价值预测装置还包括预设预测指标确认模块,用于根据待预测需求的标识,在初始预设预测指标中,确认待预测需求对应的预设预测指标;接收待预测需求对应于预设预测指标的需求信息。
上述产品需求价值预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一示例性实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)、通信接口和显示单元。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口和显示单元通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储需求的指标信息数据、需求的初始优先级信息数据以及需求的目标价值信息数据等。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏。该计算机程序被处理器执行时以实现一种产品需求价值预测装置方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一示例性实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一示例性实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一示例性实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成的,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种产品需求价值预测方法,其特征在于,所述方法包括:
根据产品的待预测需求的需求信息,确认所述待预测需求在各个预设预测指标下的指标信息;
将所述待预测需求在各个预设预测指标下的指标信息,输入至预先构建的需求价值预测模型中进行价值预测处理,得到所述待预测需求的初始价值信息;
根据所述待预测需求的初始价值信息,对所述待预测需求的初始优先级信息进行更新,得到所述待预测需求的目标优先级信息;所述目标优先级信息用于表征所述待预测需求的目标价值信息。
2.根据权利要求1所述的方法,其特征在于,所述预设预测指标至少包括重要性指标、紧迫性指标、工作量指标以及业务价值指标;
所述将所述待预测需求在各个预设预测指标下的指标信息,输入至预先构建的需求价值预测模型中进行价值预测处理,得到所述待预测需求的初始价值信息,包括:
通过所述预先构建的需求价值预测模型,更新所述业务价值指标对应的业务价值指标信息,得到更新后的业务价值指标信息;
对所述重要性指标对应的重要性指标信息、所述紧迫性指标对应的紧迫性指标信息、所述工作量指标对应的工作量指标信息,以及所述更新后的业务价值指标信息进行融合处理,得到所述待预测需求的初始价值信息。
3.根据权利要求2所述的方法,其特征在于,所述业务价值指标包括多个业务价值子指标;
所述通过所述预先构建的需求价值预测模型,更新所述业务价值指标对应的业务价值指标信息,得到更新后的业务价值指标信息,包括:
根据所述预先构建的需求价值预测模型,确认各个所述业务价值子指标与所述产品的业务目标之间的相关性信息;
根据所述相关性信息,确认各个所述业务价值子指标的类型;所述业务价值子指标的类型包括强相关业务价值子指标和弱相关业务价值子指标;
更新所述强相关业务价值子指标对应的强相关业务价值子指标信息,得到更新后的强相关业务价值子指标信息;
组合所述更新后的强相关业务价值子指标信息,与所述弱相关业务价值子指标对应的弱相关业务价值子指标信息,得到所述更新后的业务价值指标信息。
4.根据权利要求2所述的方法,其特征在于,所述对所述重要性指标对应的重要性指标信息、所述紧迫性指标对应的紧迫性指标信息、所述工作量指标对应的工作量指标信息,以及所述更新后的业务价值指标信息进行融合处理,包括:
在所述工作量指标信息不为零的情况下,通过所述预先构建的需求价值预测模型,分别确认所述重要性指标对应的重要性权重、所述紧迫性指标对应的紧迫性权重、所述工作量指标对应的工作量权重,以及所述业务价值指标对应的业务价值权重;
根据所述重要性权重、所述紧迫性权重、所述工作量权重,以及所述业务价值权重,对所述重要性指标信息、所述紧迫性指标信息、所述工作量指标信息,以及所述更新后的业务价值指标信息进行融合处理;
所述对所述重要性指标对应的重要性指标信息、所述紧迫性指标对应的紧迫性指标信息、所述工作量指标对应的工作量指标信息,以及所述更新后的业务价值指标信息进行融合处理,还包括:
在所述工作量指标信息为零的情况下,组合所述重要性指标信息、所述紧迫性指标信息,以及所述更新后的业务价值指标信息。
5.根据权利要求1所述的方法,其特征在于,所述根据所述待预测需求的初始价值信息,对所述待预测需求的初始优先级信息进行更新,得到所述待预测需求的目标优先级信息,包括:
根据所述待预测需求的初始价值信息,更新所述产品的历史价值信息,以及根据所述待预测需求的标识,确认所述待预测需求的初始优先级信息;
从所述产品的更新后的历史价值信息中,识别出满足预设条件的参考价值信息;
根据所述参考价值信息,更新所述初始优先级信息,得到所述待预测需求的目标优先级信息。
6.根据权利要求1所述的方法,其特征在于,在根据所述待预测需求的初始价值信息,对所述待预测需求的初始优先级信息进行更新,得到所述待预测需求的目标优先级信息之后,还包括:
根据所述待预测需求的需求信息,获取所述待预测需求的需求标签信息;
根据所述待预测需求的目标优先级信息和所述需求标签信息,生成所述待预测需求的价值标签画像。
7.根据权利要求1至6任意一项所述的方法,其特征在于,在根据产品的待预测需求的需求信息,确认所述待预测需求在各个预设预测指标下的指标信息之前,还包括:
根据所述待预测需求的标识,在初始预设预测指标中,确认所述待预测需求对应的预设预测指标;
接收所述待预测需求对应于所述预设预测指标的需求信息。
8.一种产品需求价值预测装置,其特征在于,所述装置包括:
指标信息确认模块,用于根据产品的待预测需求的需求信息,确认所述待预测需求在各个预设预测指标下的指标信息;
价值信息预测模块,用于将所述待预测需求在各个预设预测指标下的指标信息,输入至预先构建的需求价值预测模型中进行价值预测处理,得到所述待预测需求的初始价值信息;
优先信息更新模块,用于根据所述待预测需求的初始价值信息,对所述待预测需求的初始优先级信息进行更新,得到所述待预测需求的目标优先级信息;所述目标优先级信息用于表征所述待预测需求的目标价值信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
11.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310021389.7A CN115983484A (zh) | 2023-01-06 | 2023-01-06 | 产品需求价值预测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310021389.7A CN115983484A (zh) | 2023-01-06 | 2023-01-06 | 产品需求价值预测方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115983484A true CN115983484A (zh) | 2023-04-18 |
Family
ID=85957808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310021389.7A Pending CN115983484A (zh) | 2023-01-06 | 2023-01-06 | 产品需求价值预测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115983484A (zh) |
-
2023
- 2023-01-06 CN CN202310021389.7A patent/CN115983484A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180101907A1 (en) | Methods and Systems for Cluster-Based Historical Data | |
CN111427971B (zh) | 用于计算机系统的业务建模方法、装置、系统和介质 | |
CN108416506B (zh) | 客户风险等级管理方法、服务器及计算机可读存储介质 | |
CN102496126B (zh) | 一种托管资产交易数据监控设备 | |
CN110837917A (zh) | 一种客户拜访管理系统、方法、终端设备及存储介质 | |
CN105488163A (zh) | 信息推送方法和装置 | |
US11755185B2 (en) | Methods and systems for dynamic monitoring through graphical user interfaces | |
CN113095408A (zh) | 风险的确定方法、装置和服务器 | |
CN110930221A (zh) | 异常订单处理方法、存储介质及计算机设备 | |
CN111598360A (zh) | 服务策略确定方法、装置及电子设备 | |
CN110335090A (zh) | 基于商品销量分布预测的补货方法及系统、电子设备 | |
CN112036631A (zh) | 采购量确定方法、装置、设备及存储介质 | |
CN114663015A (zh) | 补货方法和装置 | |
CN109978306B (zh) | 数据处理方法及装置 | |
WO2019171492A1 (ja) | 予測業務支援装置および予測業務支援方法 | |
CN117172450A (zh) | 业务序列处理方法、装置、设备、介质和产品 | |
CN112102099A (zh) | 保单数据处理方法、装置、电子设备及存储介质 | |
CN115983484A (zh) | 产品需求价值预测方法、装置、计算机设备和存储介质 | |
CN110097250A (zh) | 产品风险预测方法、装置、计算机设备和存储介质 | |
US11436608B1 (en) | Commercial credit card system | |
CN114723239A (zh) | 一种多方协同建模方法、装置、设备、介质及程序产品 | |
CN113407587A (zh) | 用于联机分析处理引擎的数据处理方法、装置、设备 | |
US20140237003A1 (en) | Data Communication and Analytics Platform | |
CN111079991A (zh) | 一种业务指标预测方法、装置、设备和存储介质 | |
WO2024113966A1 (zh) | 物品标识信息生成方法、装置、设备、介质和程序产品 |
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 |