CN116029578B - 服务对象业务水平检测方法、装置、电子设备及存储介质 - Google Patents
服务对象业务水平检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116029578B CN116029578B CN202210989105.9A CN202210989105A CN116029578B CN 116029578 B CN116029578 B CN 116029578B CN 202210989105 A CN202210989105 A CN 202210989105A CN 116029578 B CN116029578 B CN 116029578B
- Authority
- CN
- China
- Prior art keywords
- index
- service
- dimension
- basic
- fitting
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 85
- 230000004927 fusion Effects 0.000 claims abstract description 134
- 238000012549 training Methods 0.000 claims description 61
- 238000000034 method Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 18
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 230000001364 causal effect Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 13
- 238000013507 mapping Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000007689 inspection Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000012356 Product development Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000533950 Leucojum Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了服务对象业务水平检测方法、装置、电子设备及可读存储介质,包括:获取待检测服务对象对应的各业务维度指标;计算各所述业务维度指标和对应的业务基础指标之间的第一拟合度;依据各所述第一拟合度和所述待检测服务对象的对象类别,确定各所述业务影响维度对应的第一指标融合模型和所述业务水平对应的第二指标融合模型;通过各所述第一指标融合模型,分别对各所述业务影响维度下的至少一个维度基础指标进行融合,得到至少一个维度水平值;通过所述第二指标融合模型对各所述维度水平值进行融合,得到所述待检测服务对象的业务水平值。本申请解决了对服务对象的业务水平进行检测的检测准确性低的技术问题。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种服务对象业务水平检测方法、装置、电子设备及可读存储介质。
背景技术
随着计算机技术的不断发展,各行各业都迎来了数字化的浪潮,尤其是对于ERP(Enterprise Resource Planning,企业资源计划)系统为代表的软件系统来说,完成数字化转型势在必行,其中,如何在转型过程中提升对服务对象的业务水平的认识,进而增强服务对象与软件系统之间的黏性更是成为了亟待解决的问题,当服务对象使用软件系统后,服务对象和软件系统便产生了多维度的业务连接,例如系统的监控告警、系统的原厂维护服务以及系统整体使用情况等等,目前,软件系统生产厂商通常通过多部门从不同服务维度着手,对服务对象的业务水平进行检测,进而根据服务对象的业务水平提供针对性服务,但是,由于不同部门之间的相互独立性,导致各部门受限于数据影响,在检测服务对象业务水平时存在局限性,也即,无法通过软件系统全方位了解服务对象,与此同时,服务对象也很难以第三方的视角对软件系统的竞争力和自身业务水平产生全面且客观的认识,所以,当前对服务对象的业务水平进行检测的检测准确性低。
发明内容
本申请的主要目的在于提供一种服务对象业务水平检测方法、装置、电子设备及可读存储介质,旨在解决现有技术中对服务对象的业务水平进行检测的检测准确性低的技术问题。
为实现上述目的,本申请提供一种服务对象业务水平检测方法,所述服务对象业务水平检测方法包括:
获取待检测服务对象对应的各业务维度指标,其中,所述业务维度指标用于表征所述待检测服务对象的业务水平的业务影响维度;
计算各所述业务维度指标和对应的业务基础指标之间的第一拟合度;
依据各所述第一拟合度和所述待检测服务对象的对象类别,确定各所述业务影响维度对应的第一指标融合模型和所述业务水平对应的第二指标融合模型,其中,所述业务基础指标用于表征所述待检测服务对象的业务水平的业务影响因子;
通过各所述第一指标融合模型,分别对各所述业务影响维度下的至少一个维度基础指标进行融合,得到至少一个维度水平值,其中,所述维度基础指标用于表征所述业务维度指标的维度影响因子;
通过所述第二指标融合模型对各所述维度水平值进行融合,得到所述待检测服务对象的业务水平值。
为实现上述目的,本申请还提供一种服务对象业务水平检测装置,所述服务对象业务水平检测装置包括:
获取模块,用于获取待检测服务对象对应的各业务维度指标,其中,所述业务维度指标用于表征所述待检测服务对象的业务水平的业务影响维度;
计算模块,用于计算各所述业务维度指标和对应的业务基础指标之间的第一拟合度;
确定模块,用于依据各所述业务维度指标和对应的业务基础指标之间的第一拟合度和所述待检测服务对象的对象类别,确定各所述业务影响维度对应的第一指标融合模型和所述业务水平对应的第二指标融合模型,其中,所述业务基础指标用于表征所述待检测服务对象的业务水平的业务影响因子;
第一融合模块,用于通过各所述第一指标融合模型,分别对各所述业务影响维度下的至少一个维度基础指标进行融合,得到至少一个维度水平值,其中,所述维度基础指标用于表征所述业务维度指标的维度影响因子;
第二融合模块,用于通过所述第二指标融合模型对各所述维度水平值进行融合,得到所述待检测服务对象的业务水平值。
本申请还提供一种电子设备,所述电子设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述服务对象业务水平检测方法的程序,所述服务对象业务水平检测方法的程序被处理器执行时可实现如上述的服务对象业务水平检测方法的步骤。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有实现服务对象业务水平检测方法的程序,所述服务对象业务水平检测方法的程序被处理器执行时实现如上述的服务对象业务水平检测方法的步骤。
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述的服务对象业务水平检测方法的步骤。
本申请提供了一种服务对象业务水平检测方法、装置、电子设备及可读存储介质,也即,获取待检测服务对象对应的各业务维度指标,其中,所述业务维度指标用于表征所述待检测服务对象的业务水平的业务影响维度;计算各所述业务维度指标和对应的业务基础指标之间的第一拟合度;依据各所述第一拟合度和所述待检测服务对象的对象类别,确定各所述业务影响维度对应的第一指标融合模型和所述业务水平对应的第二指标融合模型,其中,所述业务基础指标用于表征所述待检测服务对象的业务水平的业务影响因子;通过各所述第一指标融合模型,分别对各所述业务影响维度下的至少一个维度基础指标进行融合,得到至少一个维度水平值,其中,所述维度基础指标用于表征所述业务维度指标的维度影响因子;通过所述第二指标融合模型对各所述维度水平值进行融合,得到所述待检测服务对象的业务水平值。由于业务维度指标表征待检测服务对象的业务水平的业务影响维度,维度基础指标表征业务维度指标的业务影响因子,也即,通过维度基础指标能够准确反映业务维度指标,通过业务维度指标能够准确反映待检测服务对象的业务水平,进而可实现通过指标融合模型和维度水平值,实时获取待检测服务对象的业务水平值的目的,由于业务水平值能够准确反映业务水平,所以实现了将待检测服务对象的业务水平由定性检测转换为定量检测的目的,而非在检测服务对象的业务水平时,只能综合各部门依赖于主观维度对业务水平的片面检测,对业务水平进行定性分析后,得出服务对象的业务水平,所以克服了现有技术中由于部门之间的相互独立性,导致各部门受限于数据影响,在检测服务对象业务水平时存在局限性的技术缺陷,所以,提升了对服务对象的业务水平进行检测的检测准确性。
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,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请服务对象业务水平检测方法第一实施例的流程示意图;
图2为本申请服务对象业务水平检测方法第二实施例的流程示意图;
图3为本申请服务对象业务水平检测装置实施例的示意图;
图4为本申请实施例中服务对象业务水平检测方法涉及的硬件运行环境的设备结构示意图。
本申请目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例,均属于本发明保护的范围。
实施例一
首先,应当理解的是,对于软件系统生产商而言,由于不同服务对象的个性化差异以及使用差异性,所以对服务对象的业务水平进行全方位的检测是不可或缺的,通过准确评估服务对象的业务水平,可提供针对性的业务服务,例如及时向服务对象告警业务问题点、评估服务对象是否可进行二次开发以及向服务对象展示系统整体使用情况等,现有的技术手段中,不同部门会基于部门内部数据出发,对服务对象的业务水平进行单维度检测,例如风险部门只能基于相关数据进行服务对象的风险评估,由于数据样本不全导致对于风险评估的准确性存在局限性,与此同时,进行风险评估并不能全面反映服务对象的业务水平,但是受限于各部门之间的数据不互通,无法从更宏观的角度定量检测服务对象的业务水平,进而展示出不同服务对象间在业务水平上的个性化差异,以供软件系统生产商为后续决策提供可靠的依据,并且服务对象在使用某一软件系统时,除了无法了解自身业务所处范围区间导致存在无法及时规避风险的可能外,还难以从第三方视角对软件系统的竞争力和自身业务水平产生全面且客观的认识,也即,当前对于服务对象的业务水平缺乏准确且客观的检测手段,所以,目前亟需一种提升对服务对象的业务水平进行检测的检测准确性的方法。
本申请实施例提供一种服务对象业务水平检测方法,在本申请服务对象业务水平检测方法的第一实施例中,参照图1,所述服务对象业务水平检测方法包括:
步骤S10,获取待检测服务对象对应的各业务维度指标,其中,所述业务维度指标用于表征所述待检测服务对象的业务水平的业务影响维度;
在本实施例中,需要说明的是,由于业务角度的不同,各部门所使用的系统功能和所利用的数据均不同,所以企业内部部门通常会将不同业务角度的业务数据存储至相应的业务系统数据库,为了克服不同部门间的数据孤岛现象,在进行服务对象业务水平检测时,将依托数据仓库的能力,集成各个业务系统数据库的业务数据,进而为企业的决策提供依据,也即,为进行由业务水平角度出发的服务对象业务水平检测提供数据来源,企业具体可以为ERP(Enterprise Resource Planning,企业资源计划)系统生产商或PDM(ProductData Management,产品数据管理)系统生产商等,所述待检测服务对象为等待进行业务水平检测的服务对象,所述服务对象具体可以为租户、账户、商户以及用户等,所述业务维度指标用于表征所述待检测服务对象的业务水平的业务影响维度,所述业务影响维度由技术人员通过数据仓库由业务水平角度出发,从能够反映服务对象当前状态的应用数据、业务数据、二开数据、系统咨询使用数据、系统异常数据以及系统告警数据中宏观识别出影响服务对象的业务水平的维度,所述业务维度指标具体为两个及以上,例如,在一种可实施的方式中,所述业务维度指标可以为业务风险维度指标、业务效能维度指标和业务成本维度指标,其中,所述业务风险维度指标用于表征影响服务对象的业务水平的质量维度,所述业务效能维度用于表征影响服务对象的业务水平的效率维度,所述业务成本维度指标用于表征影响服务对象的业务水平的收益维度。
另外地,需要说明的是,对服务对象进行业务水平检测可以为在预设时间点自动进行进入业务水平检测模式,也可以为通过检测到用户输入了检测指令而触发,例如,在一种可实施的方式中,假设软件系统为ERP系统,当用户在后台勾选了ERP系统的“业务水平检测交互按钮”,则系统判定接收到了用户输入的检测指令,进行执行对服务对象的业务水平检测。
作为一种示例,步骤S10包括:依据用户输入的业务水平检测指令,获取待检测服务对象对应的业务风险维度指标、业务效能维度指标和业务成本维度指标。
其中,在所述获取待检测服务对象对应的各业务维度指标的步骤之前,所述服务对象业务水平检测方法还包括:
步骤A10,通过预设数据仓库获取各主题域数据,依据各所述主题域数据,建立所述待检测服务对象对应的业务指标体系,其中,所述业务指标体系包括至少一个业务维度指标;
步骤A20,在所述业务指标体系中确定各所述业务维度指标对应的至少一个业务维度关联指标;
步骤A30,依据预设指标选取原则,在各所述业务维度关联指标中选取至少一个业务基础指标。
在本实施例中,需要说明的是,在对待检测业务对象的业务水平进行检测前,会在预设数据仓库中搭建业务指标体系,在数据仓库中,通常从操作层、明细层和应用层三大层级构建企业的数据仓库,在完善数据仓库底层数据架构时,可根据建模模型从构建的主题表中细化出与业务维度指标相关的具体字段,进而将其转化为可以用数据指标衡量的因子,也即,业务维度指标,例如,在一种可实施的方式中,可通过雪花模型将原有的各个维度表扩展为小的事实表,形成一些局部的层级分明的模块,与此同时,将细分出的表连接至主维度表上,进而业务指标体系,所以,所述业务指标体系用于表征由业务维度关联指标和业务维度指标构建的指标体系,其中,主维度表用于表征所述业务指标体系的业务维度指标,事实表用于表征所述业务指标体系的业务关联数据,所述业务维度关联指标用于表征与待检测服务对象的业务维度指标存在关联关系的指标,具体由源数据量化而成,也即,所述业务维度关联指标既可以与所述待检测服务对象的业务水平相关,也可以与所述待检测服务对象的业务水平不相关。
另外地,需要说明的是,基于数据仓库建设标准化及规范化的能够检测服务对象的业务水平的数据资产,也即,通过定期收集各种各样的历史运行数据,以ERP系统为例,所述历史运行数据包括运维部门的表征“每日各系统健康巡检分数”的源数据、产品研发部门的表征“每日服务对象对各系统指定功能的应用深度”的源数据以及产品研发部门的表征“已授权服务对象中每日的活跃服务对象”的源数据等,其中,通过预设统计规则统计分析的源数据可抽象为一个个具体影响服务对象的业务水平的影响因子,例如,“每日各系统健康巡检分数”的源数据可抽象地量化为影响因子“系统体检分数”,以及“每日服务对象对各系统指定功能的应用深度”的源数据可抽象为影响因子“应用巡检通过率”,所以,所述业务基础指标为基于数据仓库技术的历史运行数据量化而成的指标,用于表征所述待检测服务对象的业务水平的业务影响因子,也即,每一业务基础指标都或多或少影响着待检测服务对象的业务水平,与此同时,由于从操作层(ODS)、明细层(CDM)、应用层(ADS)三个层级构建的数据仓库能够根据历史运行数据所反映的具体业务进行主题划分,所以不同的业务基础指标可能隶属于同一维度,进而影响着业务水平,所以,技术人员需根据业务基础指标所属主题,划分业务基础指标与业务维度指标之间的对应关系,例如,在一种可实施的方式中,假设业务维度指标包括业务风险维度指标、业务效能维度指标和业务成本维度指标三大具体维度,业务基础指标包括系统体检分数、预警风险值、用户活跃度、架构风险项数量、故障单数量、人均工单数、平均项目人天、二开需求量以及压力测试项数等33个具体的影响因子,则系统体检分数、预警风险值、用户活跃度以及架构风险数量等业务基础指标与业务风险维度指标存在对应关系,故障单数量和人均工单数等业务基础指标与业务效能维度指标存在对应关系,平均项目人天、二开需求量以及压力测试项数与业务成本维度指标存在对应关系。
另外地,需要说明的是,在获取到各类数据后,可根据主题对数据进行划分,以在数据仓库形成以主题域为核心的数据资产,例如数据巡检域、用户行为域、风险监控域以及系统健康域等,进而通过主题域数据确定业务指标体系中不同业务维度指标对应的至少一个业务维度关联指标,进而基于预设指标选取原则,选取具体的业务基础指标,其中,所述预设指标选取原则用于选取业务基础指标,具体可以为MECE(Mutually ExclusiveCollectively Exhaustive,相互独立完全穷尽)原则,例如,在一种可实施的方式中,假设软件系统为ERP系统,可通过基于MECE原则的问卷调查法或头脑风暴法,对技术、业务、产品及测试等部门的技术人员进行问卷调查,进而获取预设数量的业务基础指标,其中,预设数量可以为33、34或53等。
作为一种示例,步骤A10至步骤A30包括:通过预设数据仓库获取预设数量的主题域数据,将各所述主题域数据对应的数据字段转化为业务维度指标,依据所述业务维度指标,建立所述待检测服务对象对应的业务指标体系,其中,所述业务指标体系包括至少一个业务维度指标;在所述业务指标体系中确定各所述业务维度指标对应的至少一个业务维度关联指标;通过MECE原则在各所述业务维度关联中选取至少一个业务基础指标。
步骤S20,计算各所述业务维度指标和对应的业务基础指标之间的第一拟合度;
步骤S30,依据各所述第一拟合度和所述待检测服务对象的对象类别,确定各所述业务影响维度对应的第一指标融合模型和所述业务水平对应的第二指标融合模型,其中,所述业务基础指标用于表征所述待检测服务对象的业务水平的业务影响因子;
在本实施例中,需要说明的是,虽然各业务基础指标均独立影响着某一业务维度指标,但是对于同一业务维度指标而言,影响该业务维度指标的不同业务基础指标的影响程度不同,所以,需通过业务维度指标与对应的业务基础指标之间的第一拟合度,去筛选出完全独立影响某一业务维度指标对应的维度基础指标,其中,所述维度基础指标用于表征所述业务维度指标的维度影响因子,所述维度基础指标可以为一个或多个,也即,筛选掉对所述维度基础指标影响有限的业务基础指标,例如,在一种可实施的方式中,假设所述业务维度指标包括业务风险维度指标、业务效能维度指标和业务成本维度指标,所述业务基础指标共有33个,其中,影响所述业务风险维度指标的业务基础指标包括用户活跃度、系统更新次数以及架构风险项数量等业务基础指标,但是,架构风险项数量这一业务基础指标对业务风险维度指标的影响程度有限,而用户活跃度和系统更新次数对业务风险维度指标的影响程度较大,所以,所述架构风险项数量不为所述维度基础指标,所述用户活跃度和系统更新次数为所述维度基础指标,对每一业务维度指标均进行针对于业务基础指标的筛选,最终得到完全独立影响三大维度的维度基础指标,其中,筛选的方式可以为根据业务维度指标和对应的各业务基础指标之间的拟合度进行筛选的方式,所述第一拟合度可通过拟合度函数计算而得。
另外地,需要说明的是,所述第一指标融合模型用于表征所述业务维度指标和所述维度基础指标之间的因果关系,用于融合得到各所述业务影响维度对应的维度基础指标,所述第二指标融合模型用于表征所述业务维度指标和所述待检测服务对象的业务水平的因果关系,用于融合待检测服务对象对应的各业务维度指标,其中,所述第一指标融合模型设置有业务维度指标和对应的维度基础指标之间的因果表达式,所述第二指标融合模型设置有业务维度指标和待检测服务对象的业务水平之间的因果表达式,在一种可实施的方式中,假设所述待检测服务对象的业务水平为f(x),所述业务维度指标分比为A、B和C,所述业务维度指标A对应的维度基础指标包括A1、A2、A3和A4,所述业务维度指标B对应的维度基础指标包括B1、B2和B3,所述业务维度指标C对应的维度基础指标包括C1和C2,则所述业务维度指标和待检测服务对象之间的因果表达式为f(x)=x1*A+x2*B+x3*C,其中,x1、x2和x3与业务维度指标A、B和C一一对应,为对应的业务维度指标A、B和C的业务权重值,所述业务维度指标A和对应的维度基础指标之间的因果表达式为A=A1*y1+A2*y2+A3*y3+A4*y4,其中,y1、y2、y3和y4与维度基础指标A1、A2、A3和A4一一对应,分别为对应的维度基础指标A1、A2、A3和A4的维度权重值,其中,业务维度指标B和C与分别对应的维度基础指标之间的因果表达式可参照业务维度A和对应的维度基础指标之间的因果表达式,在此不再赘述,所述业务权重值用于表征所述业务维度指标对所述待检测服务对象的业务水平的影响权重,所述维度权重值用于表征所述维度基础指标对所述业务维度指标的影响权重。
另外地,需要说明的是,由于不同客户受限于主客观因素,从而对维度的重视程度不同,如果对不同待检测服务对象均采用同一方式进行业务水平检测,将存在着一定的检测误差,例如,在一种可实施的方式中,假设所述待检测服务对象为客户,不同客户间存在市场占有率、实际需求量、客户体量以及系统用户数等众多差异,例如具备100个用户数并且项目二开量月度均值为20的客户,其业务风险维度指标、业务效益维度指标和业务成本维度指标是无法与具备10000个用户且项目二开量月读均值为800的客户相提并论的,与此同时,不同待检测服务对象对于不同业务维度指标的重视程度不一,例如,对于中小民营企业而言更关注业务效益维度指标和业务成本效益指标,对于大企业而言,通常会更注重业务维度指标,所以,隶属于不同类别的待检测服务对象的业务权重值和维度权重值均不一致,进而需基于待检测服务对象的对象类别,确定所述第一指标融合模型和第二指标融合模型,进而得到业务权重值和维度权重值。
作为一种示例,步骤S20至步骤S30包括:依据预设拟合度函数,计算各所述业务维度指标和对应的业务基础指标之间的第一拟合度,基于各所述第一拟合度和预设第一拟合度阈值之间的大小关系,确定各所述业务维度指标分别对应的至少一个维度基础指标,其中,预设第一拟合度阈值为预先设置的用于判定所述业务基础指标是否为维度基础指标的拟合度,在一种可实施的方式中,当所述计算某一业务维度指标和对应的业务基础指标之间的拟合度M大于预设拟合度阈值N,则将该业务维度指标作为所述维度基础指标;以各所述第一拟合度和所述待检测服务对象的对象类别共同为索引,查询预设映射表,得到各所述业务影响维度分别对应的第一指标融合模型和所述业务水平对应的第二指标融合模型,其中,所述预设映射表包括第一预设映射表和第二预设映射表,所述第一预设映射表用于存储对象类别与第一指标融合模型对应的模型标识之间的映射关系,所述第一预设映射表用于存储对象类别与第二指标融合模型对应的模型标识之间的映射关系。
其中,所述依据各所述第一拟合度和所述待检测服务对象的对象类别,确定各所述业务影响维度对应的第一指标融合模型和所述业务水平对应的第二指标融合模型的步骤包括:
步骤B10,依据各所述第一拟合度,确定各所述业务维度指标对应的维度基础指标;
步骤B20,依据各所述维度基础指标对应的聚类基础数据和预设聚类参数,对所述待检测服务对象进行聚类分析,得到对应的至少一个对象类别组;
步骤B30,在各所述对象类别组确定所述对象类别对应的目标对象类别组和所述目标对象类别组对应的至少一个类别基础指标;
步骤B40,依据各所述类别基础指标分别对应的第一类别指标数据,对预设第一指标融合模型进行迭代训练,得到各所述业务维度指标分别对应的第一指标融合模型;
步骤B50,依据各所述类别基础指标共同对应的第二类别指标数据,对预设第二指标融合模型进行迭代训练,得到各所述业务维度指标共同对应的第二指标融合模型。
在本实施例中,需要说明的是,由于检测待检测服务对象的业务水平会改变模型的输入参数,进而在实际应用场景中扩展新的业务或新的服务对象时,需对业务维度指标与待检测服务对象的业务水平之间的因果表达式进行更新,以及对业务维度指标与维度基础指标之间的因果表达式进行更新,而在确定待检测服务对象的对象类别时,为了准确评判所述待检测服务对象更倾向于哪一业务维度指标,需将待检测服务对象置于一定规模的样本环境中进行聚类分析,其中,聚类分析的方式可以为采用K中心聚类分析的方式,例如,在一种可实施的方式中,通过SPSS(Statistical Product Service Solutions,统计产品与服务解决方案)分析软件导入4500个客户针对于三大业务维度指标的21各维度基础指标的历史数据,进而选择分析分类中的K均值聚类命令,以执行聚类分析,所以,可通过数据仓库获取各所述维度基础指标共同对应的指标历史数据,也即基础指标数据,所述聚类基础数据由预设聚类数据和基础指标数据构成,例如,在执行本次聚类分析之前预设数据库中有5000个服务对象对应的聚类数据,则聚类基础数据为50001个服务对象对应的聚类数据。
另外地,需要说明的是,所述预设聚类参数用于表征聚类所述聚类基础数据的方式,可由用户根据需求自行配置,具体包括聚类数、聚类目标(个案或变量)以及聚类显示模式(统计和/或图),所述对象类别组由用户输入的聚类数决定,例如,在一种可实施的方式中,假设所述聚类基础数据对应的服务对象为3990个,则聚类数5进行聚类分析,也即,将3990个服务对象分为G、H、J、K、L五类,所以,所述目标对象类别组用于表征所述待检测服务对象所属对象类别组,所述类别基础指标用于表征所述目标对象类别组共同对应的维度基础指标,也即,假设所述目标对象类别组为H组,该组共有598个服务对象,则将598个服务对象的聚类基础数据依据所述维度基础指标或业务维度指标分别作为模型训练输入样本数据,进而训练得到各第一指标融合模型以及第二指标融合模型。
作为一种示例,步骤B10至步骤B50包括:依据各所述第一拟合度,确定各所述业务维度指标对应的维度基础指标;依据各所述维度基础指标对应的基础指标数据,对预设聚类数据库进行更新,得到聚类基础数据,依据用户输入的预设聚类参数和所述聚类基础数据,对所述待检测服务对象进行聚类分析,得到对应的至少一个对象类别组;在各所述对象类别组中确定所述待检测服务对象对应的对象类别,以及确定所述对象类别对应的目标对象类别组和所述目标对象类别组对应的至少一个类别基础指标;依据各所述类别基础指标分别对应的第一类别指标数据,对预设第一指标融合模型进行迭代训练,得到各所述业务维度指标分别对应的第一指标融合模型;依据各所述类别基础指标共同对应的第二类别指标数据,对预设第二指标融合模型进行迭代训练,得到各所述业务维度指标共同对应的第二指标融合模型。
其中,所述依据各所述第一拟合度,确定各所述业务维度指标对应的维度基础指标的步骤包括:
步骤C10,依据各所述第一拟合度,在各所述业务基础指标确定拟合基础指标,其中,所述拟合基础指标包括第一拟合基础指标和第二拟合基础指标;
步骤C20,检测所述第一拟合基础指标和所述第二拟合基础指标之间的拟合度是否大于预设拟合度阈值;
步骤C30,若是,则确定所述拟合基础指标为所述维度基础指标。
在本实施例中,需要说明的是,通过多项式函数曲线拟合(最小二乘法)可确定各因子之间的拟合度,也即,通过计算最小化误差的平方和来寻找各个变量之间的最佳函数匹配,例如,在一种可实施的方式中,假设u(y)=a1*u1(x)+a2*u2(x)+a3*u3(x)+…+an*un(x),其中,un(x)为一组线性无关的函数,an为待定的系数,可以为任意值,拟合准则为求得的数据和实际数据之间的误差的平方和最小,所述预设第二拟合度阈值用于判定同一业务维度指标下的不同拟合基础指标是否具备强拟合关系。
作为一种示例,步骤C10至步骤C30包括:将各所述第一拟合度大于所述预设第一拟合度阈值的业务基础指标作为所述拟合基础指标,其中,所述拟合基础指标包括第一拟合基础指标和第二拟合基础指标;检测所述第一拟合基础指标和所述第二拟合基础指标之间的第二拟合度是否大于所述预设第二拟合度阈值;若检测到所述第一拟合基础指标和所述第二拟合基础指标之前的第二拟合度大于所述预设第二拟合度阈值,则确定所述拟合基础指标为所述维度基础指标,其中,所述拟合基础指标包括所述第一拟合基础指标和所述拟合基础指标。
其中,在所述检测所述第一拟合基础指标和所述第二拟合基础指标之间的第二拟合度是否大于预设拟合度阈值的步骤之前,所述服务对象业务水平检测方法还包括:
步骤D10,获取所述第一拟合基础指标对应的第一拟合指标数据和所述第二拟合基础指标对应的第二拟合指标数据;
步骤D20,依据所述第一拟合指标数据、所述第二拟合指标数据和预设拟合方式,对预设多项式拟合函数进行拟合,得到所述第一拟合基础指标和所述第二拟合基础指标之间的拟合度。
在本实施例中,需要说明的是,在系统后台进行拟合度计算,无法直观地反馈业务基础指标对应的业务维度指标的影响程度,进而可通过现有的可视化拟合处理软件进行拟合处理,其中,所述可视化拟合处理软件即为预设拟合工具,例如通过Excel中的趋势项中的多项式数据拟合功能,便能快速且直观地计算出业务维度指标和对应的业务基础指标之间的拟合度,也即,通过业务基础指标之间的因果表达式确定不同业务基础指标之间是否具备强拟合关系,从而精准判定所述业务维度指标对应的维度基础指标,所以,所述拟合基础指标为在可视化数据软件进行拟合度计算的业务基础指标,所述第一拟合基础指标和所述第二拟合指标用于表征同一业务维度指标下的不同拟合基础指标,例如,在一种可实施的方式中,在Excel中输入任一第一基础拟合指标和任一第二基础拟合指标分别对应的指标历史数据,进而在Excel中选取散点图及趋势线,进而在趋势线选项中选取多项式,并确定拟合阶数,即可根据获得的拟合度进行强拟合关系的判定。
作为一种示例,步骤D10至步骤D20包括:获取用户在所述预设拟合工具输入的所述第一拟合基础指标对应的第一拟合指标数据和所述第二拟合基础指标对应的第二拟合指标数据,其中,所述第一拟合基础数据和所述第二拟合基础数据的具体数据量由用户决定;依据所述第一拟合指标数据、所述第二拟合指标数据和预设拟合方式,对预设多项式拟合函数进行拟合,得到所述第一拟合基础指标和所述第二拟合基础指标之间的拟合度,所述预设拟合方式用于表征用户选取的进行拟合的预设多项式拟合函数,以及所述拟合度的可视化方式,也即,所述预设拟合方式为用户根据实际需求自行设定的拟合策略。
步骤S40,通过各所述第一指标融合模型,分别对各所述业务影响维度下的至少一个维度基础指标进行融合,得到至少一个维度水平值,其中,所述维度基础指标用于表征所述业务维度指标的维度影响因子;
步骤S50,通过所述第二指标融合模型对各所述维度水平值进行融合,得到所述待检测服务对象的业务水平值,其中,所述业务水平值用于表征业务水平。
在本实施例中,需要说明的是,当获取到第一指标融合模型后,即可通过将各维度基础指标共同输入至存在因果关系的业务维度指标对应的第一指标融合模型,得到维度水平值,其中,所述融合各维度基础指标的具体方式可以为将各所述维度基础指标所占存在因果关系的业务维度指标的得分值输入至预设第一指标融合模型,由于所述第一指标融合模型有各所述维度基础指标的指标权重值,进而根据各维度基础指标对应的得分值和所述指标权重值的乘积之和,得到所述业务维度指标的维度水平值,例如,假设业务维度指标为D,所述业务维度指标对应的维度基础指标为D1、D2、D3和D4,所述业务维度指标对应的第一指标融合模型为D=D1*z1+D2*z2+D3*z3+D4*z4,其中z1、z2、z3和z4为各业务维度指标对应的指标权重值,假设D1、D2、D3和D4对应的得分值分别为17、10、6和3,z1、z2、z3和z4分别为0.567、0.68、0.85和0.305,则业务维度指标D的维度水平值为21.319,所以,所述维度水平值用于表征所述待检测服务对象在对应的影响维度的得分值,所述得分值的取值范围为(0,100),也可将各业务维度指标共同输入第二指标融合模型,得到业务水平值,其中,所述业务水平值用于表征业务水平,也即,实现了对待检测服务对象的业务水平的量化,所述业务水平值可以为百分制的具体分值,例如82、83或84等,所述融合维度水平值的方式可以为融合不同业务维度指标的得分值和。
作为一种示例,步骤S40至步骤S50包括:获取各所述业务影响维度下的至少一个维度基础指标的得分值,将各所述得分值分别输入各所述业务维度指标对应的第一指标融合模型,得到至少一个维度水平值,其中,维度基础指标的得分值的数量由所述业务维度指标对应的维度基础指标的数量决定,在一种可实施的方式中,假设业务维度指标共有三个,分别对应5、6和7个维度基础指标,则5个维度基础指标输入第一个业务维度指标对应的第一指标融合模型,6个维度基础指标输入第二个业务维度指标对应的第一指标融合模型,以此类推,得到三大业务维度指标分别对应的维度水平值;将各所述维度水平值共同输入至所述第二指标融合模型,得到所述待检测服务对象的业务水平值。
其中,所述通过所述第二指标融合模型对各所述维度水平值进行融合,得到所述待检测服务对象的业务水平值的步骤包括:
步骤E10,基于所述第二指标融合模型,获取各所述维度水平值对应的维度权重值;
步骤E20,通过计算各所述维度水平值和对应的维度权重值之间的乘积之和,得到所述待检测服务对象的业务水平值。
作为一种示例,步骤E10至步骤E20包括:通过所述第二指标融合模型,确定各所述维度水平值对应的维度权重值,其中,所述维度权重值的总和为100%;计算各所述维度水平值和对应的维度权重值的乘积之和,得到所述待检测服务对象的业务水平值,其中,所述业务水平值和多个业务维度指标存在指标融合模型,例如,假设所述业务水平值为E,E1、E2、E3分别为维度水平值,E1、E2、E3的维度权重值分别为0.4、0.3和0.3,则所述第二指标融合模型中的计算公式如下:E=E1*0.4+E2*0.3+E3*0.3。
本申请提供了一种服务对象业务水平检测方法、装置、电子设备及可读存储介质,也即,获取待检测服务对象对应的各业务维度指标,其中,所述业务维度指标用于表征所述待检测服务对象的业务水平的业务影响维度;计算各所述业务维度指标和对应的业务基础指标之间的第一拟合度;依据各所述第一拟合度和所述待检测服务对象的对象类别,确定各所述业务影响维度对应的第一指标融合模型和所述业务水平对应的第二指标融合模型,其中,所述业务基础指标用于表征所述待检测服务对象的业务水平的业务影响因子;通过各所述第一指标融合模型,分别对各所述业务影响维度下的至少一个维度基础指标进行融合,得到至少一个维度水平值,其中,所述维度基础指标用于表征所述业务维度指标的维度影响因子;通过所述第二指标融合模型对各所述维度水平值进行融合,得到所述待检测服务对象的业务水平值。由于业务维度指标表征待检测服务对象的业务水平的业务影响维度,维度基础指标表征业务维度指标的业务影响因子,也即,通过维度基础指标能够准确反映业务维度指标,通过业务维度指标能够准确反映待检测服务对象的业务水平,进而可实现通过指标融合模型和维度水平值,实时获取待检测服务对象的业务水平值的目的,由于业务水平值能够准确反映业务水平,所以实现了将待检测服务对象的业务水平由定性检测转换为定量检测的目的,而非在检测服务对象的业务水平时,只能综合各部门依赖于主观维度对业务水平的片面检测,对业务水平进行定性分析后,得出服务对象的业务水平,所以克服了现有技术中由于部门之间的相互独立性,导致各部门受限于数据影响,在检测服务对象业务水平时存在局限性的技术缺陷,所以,提升了对服务对象的业务水平进行检测的检测准确性。
实施例二
进一步地,参照图2,在本申请另一实施例中,与上述实施例一相同或相似的内容,可以参考上文介绍,后续不再赘述。在此基础上,所述依据各所述类别基础指标共同对应的第二类别指标数据,对预设第二指标融合模型进行迭代训练,得到各所述业务维度指标共同对应的第二指标融合模型的步骤包括:
步骤F10,将所述第二类别指标数据输入所述预设第二指标融合模型,对所述第二类别指标数据进行分类,得到训练分类标签;
步骤F20,计算所述训练分类标签与所述第二类别指标数据对应的预设真实标签之间的训练距离,并将所述训练距离与预设距离阀值进行比对;
步骤F30,若所述训练距离小于或者等于所述预设距离阀值,则判定所述预设第二指标融合模型满足预设迭代训练条件,并将所述预设第二指标融合模型作为所述第二指标融合模型;
步骤F40,若所述训练距离大于所述预设距离阀值,则继续对所述待训练关联关系模型进行迭代训练,直至所述训练距离小于或者等于所述预设距离阀值。
在本实施例中,需要说明的是,所述第一类别指标数据用于表征所述目标对象类别组中各服务对象的各业务维度指标分别对应的聚类基础数据,所述第二类别指标数据用于表征所述目标对象类别组中各服务对象的各业务维度指标共同对应的聚类基础数据,所述训练分类标签用向量标识,所述预设真实向量标签可用真实标签向量进行标识,所述预设第二指标融合模型可以为MLP(Multi-layer perceptron neural networks,多层感知器神经网络)模型。
作为一种示例,步骤F10至步骤F40包括:将所述第二类别指标数据输入所述预设第二指标融合模型,对所述第二类别指标数据进行分类,得到训练分类标签;计算所述训练分类标签向量和所述真实标签向量之间的训练距离,并将所述训练距离与预设距离阀值进行比对;若所述训练距离小于或者等于所述预设距离阀值,则判定所述预设第二指标融合模型对应的训练模型损失收敛,进而将所述预设第二指标融合模型作为所述第二指标融合模型;若所述训练距离大于所述预设距离阀值,则判定所述预设第二指标融合模型对应的训练模型损失未收敛,并基于所述训练距离,优化所述预设第二指标融合模型,并重新获取第二类别指标数据,以继续对所述预设第二指标融合模型进行训练优化,直至所述训练距离小于或者等于所述预设距离阀值,其中,预设第一指标融合模型除模型输入数据不同外,训练方式和所述预设第二指标融合模型一致。
本申请实施例提供了一种第二指标融合模型训练方法,也即,将所述第二类别指标数据输入所述预设第二指标融合模型,对所述第二类别指标数据进行分类,得到训练分类标签;计算所述训练分类标签与所述第二类别指标数据对应的预设真实标签之间的训练距离,并将所述训练距离与预设距离阀值进行比对;若所述训练距离小于或者等于所述预设距离阀值,则判定所述预设第二指标融合模型满足预设迭代训练条件,并将所述预设第二指标融合模型作为所述第二指标融合模型;若所述训练距离大于所述预设距离阀值,则继续对所述待训练关联关系模型进行迭代训练,直至所述训练距离小于或者等于所述预设距离阀值。本申请实施例提供一种基于第二类别指标数据训练所述预设第二指标融合模型的方法,进而在得到第二类别指标数据后,可对输入的第二类别指标数据进行精准分类,进而基于所述分类标签,即可确定所述待检测服务对象对应的业务维度指标的维度权重值,进而提高了检测待检测服务对象的业务水平的准确性,所以,为解决对服务对象的业务水平进行检测的检测准确性低的技术问题奠定了基础。
实施例三
本申请实施例还提供一种服务对象业务水平检测装置,参照图3,所述服务对象业务水平检测装置包括:
获取模块101,用于获取待检测服务对象对应的各业务维度指标,其中,所述业务维度指标用于表征所述待检测服务对象的业务水平的业务影响维度;
计算模块102,用于计算各所述业务维度指标和对应的业务基础指标之间的第一拟合度;
确定模块103,用于依据各所述业务维度指标和对应的业务基础指标之间的第一拟合度和所述待检测服务对象的对象类别,确定各所述业务影响维度对应的第一指标融合模型和所述业务水平对应的第二指标融合模型,其中,所述业务基础指标用于表征所述待检测服务对象的业务水平的业务影响因子;
第一融合模块104,用于通过各所述第一指标融合模型,分别对各所述业务影响维度下的至少一个维度基础指标进行融合,得到至少一个维度水平值,其中,所述维度基础指标用于表征所述业务维度指标的维度影响因子;
第二融合模块105,用于通过所述第二指标融合模型对各所述维度水平值进行融合,得到所述待检测服务对象的业务水平值。
可选地,所述确定模块103还用于:
依据各所述第一拟合度,确定各所述业务维度指标对应的维度基础指标;
依据各所述维度基础指标对应的聚类基础数据和预设聚类参数,对所述待检测服务对象进行聚类分析,得到对应的至少一个对象类别组;
在各所述对象类别组确定所述对象类别对应的目标对象类别组和所述目标对象类别组对应的至少一个类别基础指标;
依据各所述类别基础指标分别对应的第一类别指标数据,对预设第一指标融合模型进行迭代训练,得到各所述业务维度指标分别对应的第一指标融合模型;
依据各所述类别基础指标共同对应的第二类别指标数据,对预设第二指标融合模型进行迭代训练,得到各所述业务维度指标共同对应的第二指标融合模型。
可选地,所述确定模块103还用于:
将所述第二类别指标数据输入所述预设第二指标融合模型,对所述第二类别指标数据进行分类,得到训练分类标签;
计算所述训练分类标签与所述第二类别指标数据对应的预设真实标签之间的训练距离,并将所述训练距离与预设距离阀值进行比对;
若所述训练距离小于或者等于所述预设距离阀值,则判定所述预设第二指标融合模型满足预设迭代训练条件,并将所述预设第二指标融合模型作为所述第二指标融合模型;
若所述训练距离大于所述预设距离阀值,则继续对所述待训练关联关系模型进行迭代训练,直至所述训练距离小于或者等于所述预设距离阀值。
可选地,所述确定模块103还用于:
依据各所述第一拟合度,在各所述业务基础指标确定拟合基础指标,其中,所述拟合基础指标包括第一拟合基础指标和第二拟合基础指标;
检测所述第一拟合基础指标和所述第二拟合基础指标之间的第二拟合度是否大于预设拟合度阈值;
若是,则确定所述拟合基础指标为所述维度基础指标。
可选地,所述服务对象业务水平检测装置还用于:
获取所述第一拟合基础指标对应的第一拟合指标数据和所述第二拟合基础指标对应的第二拟合指标数据;
依据所述第一拟合指标数据、所述第二拟合指标数据和预设拟合方式,对预设多项式拟合函数进行拟合,得到所述第一拟合基础指标和所述第二拟合基础指标之间的拟合度。
可选地,所述服务对象业务水平检测装置还用于:
通过预设数据仓库获取各主题域数据,依据各所述主题域数据,建立所述待检测服务对象对应的业务指标体系,其中,所述业务指标体系包括至少一个业务维度指标;
在所述业务指标体系中确定各所述业务维度指标对应的至少一个业务维度关联指标;
依据预设指标选取原则,在各所述业务维度关联指标中选取至少一个业务基础指标。
可选地,所述第二融合模块105还用于:
基于所述第二指标融合模型,获取各所述维度水平值对应的维度权重值;
通过计算各所述维度水平值和对应的维度权重值之间的乘积之和,得到所述待检测服务对象的业务水平值。
本发明提供的服务对象业务水平检测装置,采用上述实施例中的服务对象业务水平检测方法,解决了对服务对象的业务水平进行检测的检测准确性低的技术问题。与现有技术相比,本发明实施例提供的服务对象业务水平检测装置的有益效果与上述实施例提供的服务对象业务水平检测方法的有益效果相同,且该服务对象业务水平检测装置中的其他技术特征与上述实施例方法公开的特征相同,在此不做赘述。
实施例四
本发明实施例提供一种电子设备,电子设备包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述实施例一中的服务对象业务水平检测方法。
下面参考图4,其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备可以包括处理装置1001(例如中央处理器、图形处理器等),其可以根据存储在只读存储器(ROM)1002中的程序或者从存储装置1003加载到随机访问存储器(RAM)1004中的程序而执行各种适当的动作和处理。在RAM1004中,还存储有电子设备操作所需的各种程序和数据。处理装置1001、ROM1002以及RAM1004通过总线1005彼此相连。输入/输出(I/O)接口1006也连接至总线。
通常,以下系统可以连接至I/O接口1006:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置1007;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置1008;包括例如磁带、硬盘等的存储装置1003;以及通信装置1009。通信装置可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种系统的电子设备,但是应理解的是,并不要求实施或具备所有示出的系统。可以替代地实施或具备更多或更少的系统。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置1009从网络上被下载和安装,或者从存储装置1003被安装,或者从ROM1002被安装。在该计算机程序被处理装置1001执行时,执行本公开实施例的方法中限定的上述功能。
本发明提供的电子设备,采用上述实施例中的服务对象业务水平检测方法,解决了对服务对象的业务水平进行检测的检测准确性低的技术问题。与现有技术相比,本发明实施例提供的电子设备的有益效果与上述实施例提供的服务对象业务水平检测方法的有益效果相同,且该电子设备中的其他技术特征与上述实施例方法公开的特征相同,在此不做赘述。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式的描述中,具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
实施例五
本实施例提供一种计算机可读存储介质,具有存储在其上的计算机可读程序指令,计算机可读程序指令用于执行上述实施例中的服务对象业务水平检测方法。
本发明实施例提供的计算机可读存储介质例如可以是U盘,但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读存储介质可以是电子设备中所包含的;也可以是单独存在,而未装配入电子设备中。
上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被电子设备执行时,使得电子设备:获取待检测服务对象对应的各业务维度指标,其中,所述业务维度指标用于表征所述待检测服务对象的业务水平的业务影响维度;计算各所述业务维度指标和对应的业务基础指标之间的第一拟合度;依据各所述第一拟合度和所述待检测服务对象的对象类别,确定各所述业务影响维度对应的第一指标融合模型和所述业务水平对应的第二指标融合模型,其中,所述业务基础指标用于表征所述待检测服务对象的业务水平的业务影响因子;通过各所述第一指标融合模型,分别对各所述业务影响维度下的至少一个维度基础指标进行融合,得到至少一个维度水平值,其中,所述维度基础指标用于表征所述业务维度指标的维度影响因子;通过所述第二指标融合模型对各所述维度水平值进行融合,得到所述待检测服务对象的业务水平值。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该单元本身的限定。
本发明提供的计算机可读存储介质,存储有用于执行上述服务对象业务水平检测方法的计算机可读程序指令,解决了对服务对象的业务水平进行检测的检测准确性低的技术问题。与现有技术相比,本发明实施例提供的计算机可读存储介质的有益效果与上述实施例提供的服务对象业务水平检测方法的有益效果相同,在此不做赘述。
实施例六
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述的服务对象业务水平检测方法的步骤。
本申请提供的计算机程序产品解决了对服务对象的业务水平进行检测的检测准确性低的技术问题。与现有技术相比,本发明实施例提供的计算机程序产品的有益效果与上述实施例提供的服务对象业务水平检测方法的有益效果相同,在此不做赘述。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利处理范围内。
Claims (9)
1.一种服务对象业务水平检测方法,其特征在于,所述服务对象业务水平检测方法包括:
获取待检测服务对象对应的各业务维度指标,其中,所述业务维度指标用于表征所述待检测服务对象的业务水平的业务影响维度;
计算各所述业务维度指标和对应的业务基础指标之间的第一拟合度;
依据各所述第一拟合度和所述待检测服务对象的对象类别,确定各所述业务影响维度对应的第一指标融合模型和所述业务水平对应的第二指标融合模型,其中,所述业务基础指标用于表征所述待检测服务对象的业务水平的业务影响因子;
通过各所述第一指标融合模型,分别对各所述业务影响维度下的至少一个维度基础指标进行融合,得到至少一个维度水平值,其中,所述维度基础指标用于表征所述业务维度指标的维度影响因子;
通过所述第二指标融合模型对各所述维度水平值进行融合,得到所述待检测服务对象的业务水平值,其中,所述依据各所述第一拟合度和所述待检测服务对象的对象类别,确定各所述业务影响维度对应的第一指标融合模型和所述业务水平对应的第二指标融合模型的步骤包括:
依据各所述第一拟合度,确定各所述业务维度指标对应的维度基础指标;
依据各所述维度基础指标对应的聚类基础数据和预设聚类参数,对所述待检测服务对象进行聚类分析,得到对应的至少一个对象类别组;
在各所述对象类别组确定所述对象类别对应的目标对象类别组和所述目标对象类别组对应的至少一个类别基础指标,其中,所述目标对象类别组用于表征所述待检测服务对象所属对象类别组;
依据各所述类别基础指标分别对应的第一类别指标数据,对预设第一指标融合模型进行迭代训练,得到各所述业务维度指标分别对应的第一指标融合模型;
依据各所述类别基础指标共同对应的第二类别指标数据,对预设第二指标融合模型进行迭代训练,得到各所述业务维度指标共同对应的第二指标融合模型。
2.如权利要求1所述服务对象业务水平检测方法,其特征在于,所述依据各所述类别基础指标共同对应的第二类别指标数据,对预设第二指标融合模型进行迭代训练,得到各所述业务维度指标共同对应的第二指标融合模型的步骤包括:
将所述第二类别指标数据输入所述预设第二指标融合模型,对所述第二类别指标数据进行分类,得到训练分类标签;
计算所述训练分类标签与所述第二类别指标数据对应的预设真实标签之间的训练距离,并将所述训练距离与预设距离阀值进行比对;
若所述训练距离小于或者等于所述预设距离阀值,则判定所述预设第二指标融合模型满足预设迭代训练条件,并将所述预设第二指标融合模型作为所述第二指标融合模型;
若所述训练距离大于所述预设距离阀值,则继续对所述预设第二指标融合模型进行迭代训练,直至所述训练距离小于或者等于所述预设距离阀值。
3.如权利要求1所述服务对象业务水平检测方法,其特征在于,所述依据各所述第一拟合度,确定各所述业务维度指标对应的维度基础指标的步骤包括:
依据各所述第一拟合度,在各所述业务基础指标确定拟合基础指标,其中,所述拟合基础指标包括第一拟合基础指标和第二拟合基础指标;
检测所述第一拟合基础指标和所述第二拟合基础指标之间的第二拟合度是否大于预设拟合度阈值;
若是,则确定所述拟合基础指标为所述维度基础指标。
4.如权利要求3所述服务对象业务水平检测方法,其特征在于,在所述检测所述第一拟合基础指标和所述第二拟合基础指标之间的第二拟合度是否大于预设拟合度阈值的步骤之前,所述服务对象业务水平检测方法还包括:
获取所述第一拟合基础指标对应的第一拟合指标数据和所述第二拟合基础指标对应的第二拟合指标数据;
依据所述第一拟合指标数据、所述第二拟合指标数据和预设拟合方式,对预设多项式拟合函数进行拟合,得到所述第一拟合基础指标和所述第二拟合基础指标之间的拟合度。
5.如权利要求1所述服务对象业务水平检测方法,其特征在于,在所述获取待检测服务对象对应的各业务维度指标的步骤之前,所述服务对象业务水平检测方法还包括:
通过预设数据仓库获取各主题域数据,依据各所述主题域数据,建立所述待检测服务对象对应的业务指标体系,其中,所述业务指标体系包括至少一个业务维度指标;
在所述业务指标体系中确定各所述业务维度指标对应的至少一个业务维度关联指标;
依据预设指标选取原则,在各所述业务维度关联指标中选取至少一个业务基础指标。
6.如权利要求1所述服务对象业务水平检测方法,其特征在于,所述通过所述第二指标融合模型对各所述维度水平值进行融合,得到所述待检测服务对象的业务水平值的步骤包括:
基于所述第二指标融合模型,获取各所述维度水平值对应的维度权重值;
通过计算各所述维度水平值和对应的维度权重值之间的乘积之和,得到所述待检测服务对象的业务水平值。
7.一种服务对象业务水平检测装置,其特征在于,所述服务对象业务水平检测装置包括:
获取模块,用于获取待检测服务对象对应的各业务维度指标,其中,所述业务维度指标用于表征所述待检测服务对象的业务水平的业务影响维度;
计算模块,用于计算各所述业务维度指标和对应的业务基础指标之间的第一拟合度;
确定模块,用于依据各所述业务维度指标和对应的业务基础指标之间的第一拟合度和所述待检测服务对象的对象类别,确定各所述业务影响维度对应的第一指标融合模型和所述业务水平对应的第二指标融合模型,其中,所述业务基础指标用于表征所述待检测服务对象的业务水平的业务影响因子;
第一融合模块,用于通过各所述第一指标融合模型,分别对各所述业务影响维度下的至少一个维度基础指标进行融合,得到至少一个维度水平值,其中,所述维度基础指标用于表征所述业务维度指标的维度影响因子;
第二融合模块,用于通过所述第二指标融合模型对各所述维度水平值进行融合,得到所述待检测服务对象的业务水平值,其中,所述确定模块还用于:
依据各所述第一拟合度,确定各所述业务维度指标对应的维度基础指标;
依据各所述维度基础指标对应的聚类基础数据和预设聚类参数,对所述待检测服务对象进行聚类分析,得到对应的至少一个对象类别组;
在各所述对象类别组确定所述对象类别对应的目标对象类别组和所述目标对象类别组对应的至少一个类别基础指标,其中,所述目标对象类别组用于表征所述待检测服务对象所属对象类别组;
依据各所述类别基础指标分别对应的第一类别指标数据,对预设第一指标融合模型进行迭代训练,得到各所述业务维度指标分别对应的第一指标融合模型;
依据各所述类别基础指标共同对应的第二类别指标数据,对预设第二指标融合模型进行迭代训练,得到各所述业务维度指标共同对应的第二指标融合模型。
8.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至6中任一项所述的服务对象业务水平检测方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有实现服务对象业务水平检测方法的程序,所述实现服务对象业务水平检测方法的程序被处理器执行以实现如权利要求1至6中任一项所述服务对象业务水平检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210989105.9A CN116029578B (zh) | 2022-08-17 | 2022-08-17 | 服务对象业务水平检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210989105.9A CN116029578B (zh) | 2022-08-17 | 2022-08-17 | 服务对象业务水平检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116029578A CN116029578A (zh) | 2023-04-28 |
CN116029578B true CN116029578B (zh) | 2023-10-10 |
Family
ID=86076497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210989105.9A Active CN116029578B (zh) | 2022-08-17 | 2022-08-17 | 服务对象业务水平检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116029578B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738852A (zh) * | 2020-06-19 | 2020-10-02 | 中国工商银行股份有限公司 | 业务数据处理方法、装置和服务器 |
CN113869700A (zh) * | 2021-09-23 | 2021-12-31 | 平安银行股份有限公司 | 一种绩效指标预测方法、装置、电子设备和存储介质 |
CN114116431A (zh) * | 2022-01-25 | 2022-03-01 | 深圳市明源云科技有限公司 | 系统运行健康检测方法、装置、电子设备及可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8856936B2 (en) * | 2011-10-14 | 2014-10-07 | Albeado Inc. | Pervasive, domain and situational-aware, adaptive, automated, and coordinated analysis and control of enterprise-wide computers, networks, and applications for mitigation of business and operational risks and enhancement of cyber security |
-
2022
- 2022-08-17 CN CN202210989105.9A patent/CN116029578B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738852A (zh) * | 2020-06-19 | 2020-10-02 | 中国工商银行股份有限公司 | 业务数据处理方法、装置和服务器 |
CN113869700A (zh) * | 2021-09-23 | 2021-12-31 | 平安银行股份有限公司 | 一种绩效指标预测方法、装置、电子设备和存储介质 |
CN114116431A (zh) * | 2022-01-25 | 2022-03-01 | 深圳市明源云科技有限公司 | 系统运行健康检测方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116029578A (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11870704B2 (en) | Instant notification of load balance and resource scheduling based on resource capacities and event recognition | |
Morales et al. | A financial stability index for Colombia | |
US9268674B1 (en) | System, method, and computer program for monitoring testing progress of a software testing project utilizing a data warehouse architecture | |
Pettit et al. | A new toolkit for land value analysis and scenario planning | |
US20140081680A1 (en) | Methods and systems for evaluating technology assets using data sets to generate evaluation outputs | |
CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
US20140046709A1 (en) | Methods and systems for evaluating technology assets | |
US9736031B2 (en) | Information system construction assistance device, information system construction assistance method, and information system construction assistance program | |
EP3965050A1 (en) | Systems and methods for deriving rating for properties | |
CN110008101A (zh) | 客户端性能评价方法、装置、存储介质及电子设备 | |
CN113269359A (zh) | 用户财务状况预测方法、设备、介质及计算机程序产品 | |
KR102054500B1 (ko) | 설계 도면 제공 방법 | |
JP2009518709A (ja) | 技術評価方法 | |
CN114202256A (zh) | 架构升级预警方法、装置、智能终端及可读存储介质 | |
CN116029578B (zh) | 服务对象业务水平检测方法、装置、电子设备及存储介质 | |
CN114116431B (zh) | 系统运行健康检测方法、装置、电子设备及可读存储介质 | |
US20090099907A1 (en) | Performance management | |
CN116342342A (zh) | 学生行为检测方法、电子设备及可读存储介质 | |
Gurmu et al. | Modelling customers' perception of the quality of services provided by builders: A case of Victoria, Australia | |
US10380135B2 (en) | Data aggregation and reporting environment for data center infrastructure management | |
CN112905435A (zh) | 基于大数据的工作量评估方法、装置、设备及存储介质 | |
Ginis et al. | Development of a geoinformation project as a tool for support decision making in the subject area | |
Sangiorgio et al. | New Approaches for Multi-Criteria Analysis in Building Constructions: User-Reporting and Augmented Reality to Support the Investigation | |
US20200342302A1 (en) | Cognitive forecasting | |
CN115994070B (zh) | 系统可用率检测方法、装置、电子设备及可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |