CN116112544B - 数据管理方法、装置、电子设备及计算机可读存储介质 - Google Patents

数据管理方法、装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN116112544B
CN116112544B CN202310135597.XA CN202310135597A CN116112544B CN 116112544 B CN116112544 B CN 116112544B CN 202310135597 A CN202310135597 A CN 202310135597A CN 116112544 B CN116112544 B CN 116112544B
Authority
CN
China
Prior art keywords
service
data set
data
user data
domain
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
Application number
CN202310135597.XA
Other languages
English (en)
Other versions
CN116112544A (zh
Inventor
郝后成
刘鹏飞
唐波
王锐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Duodian Life Chengdu Technology Co ltd
Original Assignee
Duodian Life Chengdu Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Duodian Life Chengdu Technology Co ltd filed Critical Duodian Life Chengdu Technology Co ltd
Priority to CN202310135597.XA priority Critical patent/CN116112544B/zh
Publication of CN116112544A publication Critical patent/CN116112544A/zh
Application granted granted Critical
Publication of CN116112544B publication Critical patent/CN116112544B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提出一种数据管理方法、装置、电子设备及计算机可读存储介质,属于数据处理领域,基于服务方集中各服务方的围栏范围,将用户数据集中确定出服务地址位于服务方的围栏范围内的用户的用户数据,作为服务方的域内数据集,确定出服务地址未在任一服务方的围栏范围内的用户的用户数据,得到域外数据集,进而将域外数据集添加至各服务方的域内数据集,得到各服务方的服务数据集,以使服务方的服务终端基于服务方的服务数据集提供离线服务,实现以服务地址和服务方的围栏范围的关系,来精简服务方提供离线服务的服务数据集,能够极大地提高服务方所服务的用户数据提取的准确度。

Description

数据管理方法、装置、电子设备及计算机可读存储介质
技术领域
本发明涉及数据处理领域,具体而言,涉及一种数据管理方法、装置、电子设备及计算机可读存储介质。
背景技术
随着新零售行业的飞速发展,越来越多的零售商家开始使用新一代线下POS收银机系统。由于各种不可预测的异常原因,在部分时间段,线下零售的商超或门店可能会处于断网状态。当POS收银机处于断网状态时,为了确保客户在购买商品时也能享受到会员相关福利,系统会将全量会员数据提前推送到POS离线服务中。但由于某些商家的会员数量巨大,会员数据在POS离线服务中会占用大量的磁盘空间。
为了减少会员数据在POS离线服务中所占用的磁盘空间,一般对近n个月的客户历史订单与全量会员数据取交集获得精简数据。但是,这种方式得到的精简数据的准确度低,极易影响用户体验。
发明内容
有鉴于此,本发明的目的在于提供一种数据管理方法、装置、电子设备及计算机可读存储介质,其能够改善传统的POS离线服务的会员数据精简方法所存在的准确度低、影响用户体验的问题。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供一种数据管理方法,所述方法包括:
获取服务方集与用户数据集;其中,所述服务方集包括多个服务方的围栏范围,所述用户数据集包括多个用户的用户数据,每个所述用户数据包括用户的服务地址;
基于各所述服务方的围栏范围,从所述用户数据集中确定出域外数据集,以及每个所述服务方的域内数据集;其中,所述服务方的域内数据集为服务地址位于该服务方的围栏范围内的用户的用户数据的集合,所述域外数据集为服务地址不在任一服务方的围栏范围内的用户的用户数据的集合;
针对每个所述服务方,将所述域外数据集添加至所述服务方的域内数据集,得到所述服务方的服务数据集;
将每个所述服务方的服务数据集传输至该服务方的服务设备上,以使所述服务设备基于所述服务数据集提供离线服务。
进一步地,所述从所述用户数据集中确定出域外数据集,以及每个所述服务方的域内数据集的步骤,包括:
按照顺序,从所述服务方集中获取一个服务方作为目标服务方;
按照顺序,依次从所述用户数据集中获取一个用户数据作为预选数据;
针对每个所述预选数据,判断所述预选数据中是否至少有一个服务地址处于所述目标服务方的围栏范围内;
若是,则将所述预选数据添加至所述目标服务方的域内数据集,并在域外数据集中存在所述预选数据的情况下,从所述域外数据集中删除所述预选数据;
若否,则将所述预选数据添加至域外数据集中。
进一步地,所述方法还包括:
定期监听并获取增量用户数据集;其中,所述增量用户数据集包括服务地址变更的用户数据,以及新增的用户数据;
基于各所述服务方的围栏范围,将所述增量用户数据集中的各用户数据添加至各所述服务数据集。
进一步地,所述服务方集与所述用户数据集均存储于云存储;
所述定期监听并获取增量用户数据集的步骤,包括:
对所述云存储进行监听,获取所述云存储中存储的第一增量用户数据;
对处于离线状态的所述服务设备进行访问,获取所述服务设备中存储的第二增量用户数据。
进一步地,所述基于各所述服务方的围栏范围,将所述增量用户数据集中的各用户数据添加至各所述服务数据集的步骤,包括:
当监听到所述服务方集中有新增服务方的数据时,从当前的所有用户数据中,获取有至少一个服务地址位于所述新增服务方的围栏范围内的所有用户数据,得到所述新增服务方的域内数据集;
基于所述新增服务方的域内数据集,对所述域外数据集以及各旧服务方的服务数据集进行去重;
将去重后的域外数据集添加至所述新增服务方的域内数据集,得到所述新增服务方的服务数据集。
进一步地,所述方法还包括:
当监听到所述服务方集中有新增服务方的数据时,从当前的所有用户数据中,获取有至少一个服务地址位于所述新增服务方的围栏范围内的所有用户数据,得到所述新增服务方的域内数据集;
将所述域外数据集添加至所述新增服务方的域内数据集,得到所述新增服务方的服务数据集。
进一步地,所述从所述用户数据集中确定出域外数据集,以及每个所述服务方的域内数据集的步骤,包括:
基于所述服务方的围栏范围和所述用户的服务地址,采用预先训练的神经网络,从所述用户数据集中确定出域外数据集,以及每个所述服务方的域内数据集。
第二方面,本发明实施例提供一种数据管理装置,包括数据获取模块、第一处理模块、第二处理模块和传输模块;
所述数据获取模块,用于获取服务方集与用户数据集;其中,所述服务方集包括多个服务方的围栏范围,所述用户数据集包括多个用户的用户数据,每个所述用户数据包括用户的服务地址;
所述第一处理模块,用于基于各所述服务方的围栏范围,从所述用户数据集中确定出每个所述服务方的域内数据集,以及域外数据集;其中,所述服务方的域内数据集为服务地址位于该服务方的围栏范围内的用户的用户数据的集合,所述域外数据集为服务地址不在任一服务方的围栏范围内的用户的用户数据的集合;
所述第二处理模块,用于针对每个所述服务方,将所述域外数据集添加至所述服务方的域内数据集,得到所述服务方的服务数据集;
所述传输模块,用于将每个所述服务方的服务数据集传输至该服务方的服务设备上,以使所述服务设备基于所述服务数据集提供离线服务。
第三方面,本发明实施例提供一种电子设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现如第一方面所述的数据管理方法。
第四方面,本发明实施例提供一种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如第一方面所述的数据管理方法。
本发明实施例提供的数据管理方法、装置、电子设备及计算机可读存储介质,基于服务方集中各服务方的围栏范围,从用户数据集中确定出服务地址位于各服务方的围栏范围内的用户的用户数据,得到各服务方的域内数据集,从用户数据集中确定出服务地址未在任一服务方的围栏范围内的用户的用户数据,得到域外数据集,进而将域外数据集添加至各服务方的域内数据集,得到各服务方的服务数据集,以使服务方的服务终端基于服务方的服务数据集提供离线服务,实现以用户的服务地址和服务方的围栏范围的关系,来精简服务方提供离线服务的服务数据集,能够极大地提高服务方所服务的用户数据提取的准确度,进而有助于提升用户在服务方的用户体验。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的数据管理系统的示意图。
图2示出了本发明实施例提供的数据管理方法的流程示意图之一。
图3示出了图2中步骤S12的部分子步骤的流程示意图。
图4示出了本发明实施例提供的数据管理方法的流程示意图之二。
图5示出了本发明实施例提供的数据管理方法的流程示意图之三。
图6示出了本发明实施例提供的数据管理装置的方框示意图。
图7示出了本发明实施例提供的电子设备的方框示意图。
附图标记:100-数据管理系统;110-云服务器;120-服务设备;130-云存储;140-数据管理装置;150-数据获取模块;160-第一处理模块;170-第二处理模块;180-传输模块;190-电子设备。
具体实施方式
下面将结合本发明实施例中附图,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
目前,为了减少会员数据在POS离线服务中所占用的磁盘空间,一般对近n个月的客户历史订单与全量会员数据取交集获得精简数据。但是,这种方式依赖历史订单数据,如果某个客户只注册会员,但未下过订单,则会遗漏掉该类型客户数据,并且只能获得活跃会员数据,可能会遗漏掉n个月前的非活跃会员数据,导致门店会员数据提取的准确度低,极易影响用户体验。
基于上述考虑,本发明实施例提供一种数据管理方法,其能够改善传统的POS离线服务的会员数据精简方法所存在的准确度低、影响用户体验的问题。
本发明实施例提供的数据管理方法,可以应用于图1中的数据管理系统100中,该数据管理系统100可以包括云服务器110和多个服务设备120,云服务器110可以通过网络与多个服务设备120通信连接,云服务器110可以包括云存储130。
其中,服务设备120可以设置于各服务方,用于提供但不限于是:POS服务、业务服务等。服务设备120包括但不限于是:POS终端、可穿戴式便携设备和移动设备等智能终端。服务方可以是但不限于是:门店、商超、服务中心等。
云服务器110,用于获取各服务设备120的服务数据,将服务数据划分为服务方集和用户数据集,将服务方集和用户数据集写入云存储130中,并供服务设备120访问,以实现POS服务或业务服务等。其中,服务数据包括但不限于是:服务方的数据(例如,服务方的围栏范围)和用户数据(例如,会员数据)。
云服务器110可以主动获取服务设备120的服务数据,例如,主动监听并获取新增用户数据。云服务器110也可以接收各服务设备120上报的服务数据,例如,服务设备120将新增用户的用户数据定期上报至云服务器110,云服务器110接收各服务设备120上报的用户数据,并写入云存储130中。
云服务器110,还用于实现本发明实施例提供的数据管理方法。
在一种可能的实施方式中,本发明实施例提供一种数据管理方法,参照图2,可以包括以下步骤。在本实施方式中,以该数据管理方法应用于图1中的云服务器110来举例说明。
S11,获取服务方集与用户数据集。
在本实施方式中,服务方集包括多个服务方的围栏范围,例如,当服务方为门店时,围栏范围即为门店的服务区域范围。用户数据集可以包括多个用户的用户数据,每个用户数据可以包括用户的服务地址,例如,服务地址可以是用户的收货地址。
S13,基于各服务方的围栏范围,从用户数据集中确定出域外数据集,以及每个服务方的域内数据集。
在本实施方式中,服务方的域内数据集为服务地址位于该服务方的围栏范围内的用户的用户数据的集合,域外数据集为服务地址不在任一服务方的围栏范围内的用户的用户数据的集合。
S15,针对每个服务方,将域外数据集添加至服务方的域内数据集,得到服务方的服务数据集。
S17,将每个服务方的服务数据集传输至该服务方的服务设备上,以使服务设备基于服务数据集提供离线服务。
云服务器110可以每间隔设定的数据汇总周期(该数据汇总周期可以根据实际需求进行调整,不作具体限定),获取各服务设备120的新增用户的用户数据,并写入云存储130的用户数据集中,并获取新增服务方的数据,写入云存储130的服务方集中。
云服务器110可以每间隔设定的离线精简周期(该离线精简周期可以根据实际需求进行调整,不作具体限定),从云存储130中读取当前的服务方集和用户数据集,此时的服务方集包括当前所有服务方的围栏范围,用户数据集包括当前所有用户的用户数据。需要说明的是,离线精简周期可以大于或等于数据汇总周期,例如,数据汇总周期可以为1天,离线精简周期可以为1天及一天以上。
云服务器110基于获取的各服务方的围栏范围,从用户数据集中确定出服务地址位于各服务方的围栏范围内的用户的用户数据,得到各服务方的域内数据集,从用户数据集中确定出服务地址未在任一服务方的围栏范围内的用户的用户数据,得到域外数据集。从而云服务器110将域外数据集添加至各服务方的域内数据集,得到各服务方的服务数据集。进而,云服务器110将各服务方的服务数据集发送至对应的服务设备120上,以使服务设备120基于服务数据集提供离线服务,例如,离线POS服务。
此外,云服务器110也可以将各服务方的服务数据存储至云存储130的对应服务方的更目录中,以供后续更新。
与传统的根据近几月的客户历史订单与全量会员数据取交集获得精简数据的方法相比,本发明实施例提供的数据管路方法,以用户的服务地址和服务方的围栏范围的关系,来精简服务方提供离线服务的服务数据集,能够将下单用户和非活跃用户一并进行考量,能够极大地提高服务方所服务的用户数据提取的准确度,进而有助于提升用户在服务方的用户体验。
针对S13,基于各所服务方的围栏范围,从用户数据集中确定出域外数据集,以及每个服务方的域内数据集的方式可以灵活选择,例如,按照预设规则进行划分,也可以采用机器学习算法进行划分,在本实施方式中,不作具体限定。
在一种可能的实施方式中,参照图3,上述步骤S13可以进一步实施为以下步骤。
S131,按照顺序,从服务方集中获取一个服务方作为目标服务方。
S132,按照顺序,依次从用户数据集中获取一个用户数据作为预选数据。
S133,针对每个预选数据,判断预选数据中是否至少有一个服务地址处于目标服务方的围栏范围内。若是,则执行步骤S134,若否,则执行步骤S135。
S134,将预选数据添加至目标服务方的域内数据集,并在域外数据集中存在预选数据的情况下,从域外数据集中删除预选数据。
S135,将预选数据添加至域外数据集中。
在目标服务方不是最后一个服务方的情况下,继续从服务方集中获取一个服务方作为目标服务方,并执行步骤S132-S135,直到目标服务方为最后一个服务方,以此,即可得到最后的域外数据集以及所有服务方的域内数据集。
以服务方为门店,用户数据为会员数据为例,服务方集,此时为门店集合。用户数据集可以如表1所示,门店集合可以如表2所示。
表1
表2
第1步,从用户数据集中,按照顺序获取一条会员数据A1,得到会员M1和会员服务地址L1(服务地址可以是经纬度)。
其中,A1={"userId":1,"longitude":114.1370848,"latitude":22.2829989}。
M1={"userId":1},L1=[114.1370848,22.2829989]
第2步,判断会员数据A1是否为用户数据集的最后一个数据。若是,则跳到第8步。若否,则执行第3步。
第3步,从门店集合中获取一个门店S1,同时得到门店S1的围栏范围W1。
W1=[[114.015703,22.502893],[114.015805,22.172664],[114.016127,22.172751],[114.01603,22.172976],[114.015703,22.172893]]。
第4步,判断门店S1是否为最后一个门店。若是,则将门店S1的域内数据集R1添加到结果集Rn,并跳到第2步。若否,继续执行第5步。
第5步,判断会员服务地址L1是否在门店S1的围栏范围W1中。若是,则继续执行第6步。若否,则将该会员数据A1添加到域外数据集Q中。
第6步,将该会员M1的会员数据A1添加到门店S1的域内数据集R1中。并继续执行第7步。
第7步,判断域外数据集Q中是否存在会员数据A1。若是,则将会员数据A1从域外数据集Q中移除,然后循环至第4步。若否,则直接循环至第4步。
第8步,得到所有门店的结果集Rn。果集Rn包括各门店的域内数据集,可以如表3所示。
表3
第9步,将域外数据集Q中的会员数据添加到结果集Rn中的各域内数据集中,得到最终结果集Ri。终结果集Ri包括各门店的服务数据集,可以如表4所示。
表4
在另一种可能的实施方式中,上述步骤S13可以进一步实施为:基于服务方的围栏范围和用户的服务地址,采用预先训练的神经网络,从用户数据集中确定出域外数据集,以及每个服务方的域内数据集。
预先训练的神经网络可以是采用任一种训练方法训练得到的,用于将用户数据划分至匹配的域内数据集或域外数据集。在本实施方式中,不对训练过程进行赘述。
考虑到用户数据新增的情况,为了及时更新数据,以避免遗漏新增用户数据,并提高各服务方的服务数据集的精确性。在一种可能的实施方式中,参照图4,本发明实施例提供的数据管理方法还可以包括以下步骤。
S21,定期监听并获取增量用户数据集。
在本实施方式中,增量用户数据集可以包括服务地址变更的用户数据,以及新增的用户数据。
S22,基于各服务方的围栏范围,将增量用户数据集中的各用户数据添加至各服务数据集。
用户可以通过客户端访问云服务器110来注册用户,云服务将注册后的新增用户的用户数据添加新增标识后写入云存储130中。用户也可以通过客户端更新存储于云存储130中的用户数据中的服务地址等信息,对于更新过服务地址的用户数据,云服务器110可在更新后的用户数据上添加更新标识。此外,服务方的服务设备120上也可以进行用户注册,得到新增用户的用户数据,也可以进行用户更新,并对更新过服务地址的用户数据,添加更新标识。服务设备120可以主动向云服务器110上报新增用户的用户数据和更新后的用户数据,也可以由云服务器110主动获取。
在一种可能的实施方式中,步骤S21可以进一步实施为:对云存储130进行监听,获取云存储130中存储的第一增量用户数据;对处于离线状态的服务设备120进行访问,获取服务设备120中存储的第二增量用户数据。
云服务器110可以每间隔设定的数据汇总周期,对云存储130和各服务设备120进行监听,获取云存储130中存储的第一增量用户数据,和服务设备120中存储的第二增量用户数据。进而对于第一增量用户数据和第二增量用户数据去重,得到增量用户数据集。对于第二增量用户数据,云服务器110可以将第二增量用户数据写入云存储130中。
在一种可能的实施方式中,上述步骤22可以进一步实施为:针对增量用户数据集中的每个用户数据,在该用户数据的至少一个服务地址位于一个或多个服务方的围栏范围内时,将该用户数据添加至一个或多个服务方的服务数据集;对于增量用户数据集中无服务地址位于任一服务方的围栏范围内的用户数据,将该用户数据添加至所有服务方的服务数据集。
按照顺序,一次动增量用户数据集中获取一个用户数据,并将该用户数据中的服务地址与各服务方的围栏范围作比较,对于每个服务方,当该用户数据的至少一个服务地址位于该服务方的围栏范围内时,将该用户数据添加至服务方的服务数据集。当用户数据的服务地址均不在任一个服务方的围栏范围内时,将该用户数据添加至所有服务方的服务数据集。
在执行步骤S11-S17之后,仅对新增用户数据通过上述步骤S21-S22及其相关实施方式,来讲新增或更新的用户数据分配至合适的服务方的服务数据集中,无需对所有用户数据进行重分配,在确定对服务方的用户数据提取的准确度的同事,能够减少数据处理量,提高效率。
考虑到在实际使用过程中,会出现服务方的新增。因此,在一种可能的实施方公式中,本发明实施例提供的数据管理方法,参照图5,还可以包括以下步骤。
S31,当监听到服务方集中有新增服务方的数据时,从当前的所有用户数据中,获取有至少一个服务地址位于新增服务方的围栏范围内的所有用户数据,得到新增服务方的域内数据集。
S32,基于新增服务方的域内数据集,对域外数据集以及各旧服务方的服务数据集进行去重。
S33,将去重后的域外数据集添加至新增服务方的域内数据集,得到新增服务方的服务数据集。
通过步骤S31-S33,在确定新增服务方的域内数据集后,根据域内数据集,对域外数据集和各旧服务方的服务数据集进行去重,能够在确保准确度的基础上,进一步对旧服务方的服务数据集进行去重处理,能够进一步减少各服务设备的数据存储量,释放存储空间。
本发明实施例提供的数据管理方法,基于服务方位置和用户的服务地址来精简服务方的离线用户数据,能够提高单服务方的服务数据集提取的准确度,例如,提高单门店会员数据提取的准确度。此外,极大地精简单服务方的服务数据的总量(例如门店存储的会员数据的总量),从而能够提高服务实施部署效率,并降低用户数据泄露所造成的安全风险。
基于上述实施方式提供的数据管理方法的相同发明构思,在一种可能的实施方式中,本发明实施例还提供了一种数据管理装置140,可以应用于图1中的云服务器110中。参照图6,该数据管理装置140可以包括数据获取模块150、第一处理模块160、第二处理模块170和传输模块180。
数据获取模块150,用于获取服务方集与用户数据集。
其中,服务方集包括多个服务方的围栏范围,用户数据集包括多个用户的用户数据,每个用户数据包括用户的服务地址。
第一处理模块160,用于基于各所述服务方的围栏范围,从用户数据集中确定出每个所述服务方的域内数据集,以及域外数据集。
其中,服务方的域内数据集为服务地址位于该服务方的围栏范围内的用户的用户数据的集合,域外数据集为服务地址不在任一服务方的围栏范围内的用户的用户数据的集合。
第二处理模块170,用于针对每个服务方,将域外数据集添加至服务方的域内数据集,得到服务方的服务数据集。
传输模块180,用于将每个服务方的服务数据集传输至该服务方的服务设备上,以使服务设备基于所述服务数据集提供离线服务。
上述数据管理装置140中,通过数据获取模块150、第一处理模块160、第二处理模块170和传输模块180的协同作用,以用户的服务地址和服务方的围栏范围的关系,来精简服务方提供离线服务的服务数据集,能够将下单用户和非活跃用户一并进行考量,能够极大地提高服务方所服务的用户数据提取的准确度,进而有助于提升用户在服务方的用户体验。
关于数据管理装置140的具体限定可以参见上文中对于数据管理方法的限定,在此不再赘述。上述数据管理装置140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电子设备中的处理器中,也可以以软件形式存储于电子设备的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一种实施方式中,提供了一种电子设备190,该电子设备190可以是服务器,其内部结构图可以如图7所示。该电子设备190包括通过系统总线连接的处理器、存储器、通信接口和输入装置。其中,该电子设备190的处理器用于提供计算和控制能力。该电子设备190的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。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。该电子设备190的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、近场通信(NFC)或其他技术实现。该计算机程序被处理器执行时实现如上述实施方式提供的数据管理方法。
图7中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的电子设备190的限定,具体的电子设备190可以包括比图7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。
在一种实施方式中,本发明提供的数据管理装置140可以实现为一种计算机程序的形式,计算机程序可在如图7所示的电子设备190上运行。电子设备190的存储器中可存储组成该数据管理装置140的各个程序模块,比如,图6所示的数据获取模块150、第一处理模块160、第二处理模块170和传输模块180。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的数据管理方法中的步骤。
例如,图7所示的电子设备190可以通过如图6所示的数据管理装置140中的数据获取模块150执行步骤S11。电子设备190可以通过第一处理模块160执行步骤S13。电子设备190可以通过第二处理模块170执行S15。电子设备190可以通过传输模块180执行步骤S17。
在一种实施方式中,提供了一种电子设备190,包括存储器和处理器,该存储器存储有机器可执行指令,该处理器执行机器可执行指令时实现以下步骤:获取服务方集与用户数据集;基于各所述服务方的围栏范围,从用户数据集中确定出每个所述服务方的域内数据集,以及域外数据集;针对每个服务方,将域外数据集添加至服务方的域内数据集,得到服务方的服务数据集;将每个服务方的服务数据集传输至该服务方的服务设备上,以使服务设备基于所述服务数据集提供离线服务。
在一种实施方式中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如下步骤:获取服务方集与用户数据集;基于各所述服务方的围栏范围,从用户数据集中确定出每个所述服务方的域内数据集,以及域外数据集;针对每个服务方,将域外数据集添加至服务方的域内数据集,得到服务方的服务数据集;将每个服务方的服务数据集传输至该服务方的服务设备上,以使服务设备基于所述服务数据集提供离线服务。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、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,所述模块、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方式中,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,两个连续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动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。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种数据管理方法,其特征在于,所述方法包括:
获取服务方集与用户数据集;其中,所述服务方集包括多个服务方的围栏范围,所述用户数据集包括多个用户的用户数据,每个所述用户数据包括用户的服务地址;
基于各所述服务方的围栏范围,从所述用户数据集中确定出域外数据集,以及每个所述服务方的域内数据集;其中,所述服务方的域内数据集为服务地址位于该服务方的围栏范围内的用户的用户数据的集合,所述域外数据集为服务地址不在任一服务方的围栏范围内的用户的用户数据的集合;
针对每个所述服务方,将所述域外数据集添加至所述服务方的域内数据集,得到所述服务方的服务数据集;
将每个所述服务方的服务数据集传输至该服务方的服务设备上,以使所述服务设备基于所述服务数据集提供离线服务。
2.根据权利要求1所述的数据管理方法,其特征在于,所述从所述用户数据集中确定出域外数据集,以及每个所述服务方的域内数据集的步骤,包括:
按照顺序,从所述服务方集中获取一个服务方作为目标服务方;
按照顺序,依次从所述用户数据集中获取一个用户数据作为预选数据;
针对每个所述预选数据,判断所述预选数据中是否至少有一个服务地址处于所述目标服务方的围栏范围内;
若是,则将所述预选数据添加至所述目标服务方的域内数据集,并在域外数据集中存在所述预选数据的情况下,从所述域外数据集中删除所述预选数据;
若否,则将所述预选数据添加至域外数据集中。
3.根据权利要求1或2所述的数据管理方法,其特征在于,其特征在于,所述方法还包括:
定期监听并获取增量用户数据集;其中,所述增量用户数据集包括服务地址变更的用户数据,以及新增的用户数据;
基于各所述服务方的围栏范围,将所述增量用户数据集中的各用户数据添加至各所述服务数据集。
4.根据权利要求3所述的数据管理方法,其特征在于,所述服务方集与所述用户数据集均存储于云存储;
所述定期监听并获取增量用户数据集的步骤,包括:
对所述云存储进行监听,获取所述云存储中存储的第一增量用户数据;
对处于离线状态的所述服务设备进行访问,获取所述服务设备中存储的第二增量用户数据。
5.根据权利要求3所述的数据管理方法,其特征在于,所述基于各所述服务方的围栏范围,将所述增量用户数据集中的各用户数据添加至各所述服务数据集的步骤,包括:
针对所述增量用户数据集中的每个用户数据,在该用户数据的至少一个服务地址位于一个或多个服务方的围栏范围内时,将该用户数据添加至所述一个或多个服务方的服务数据集;
对于所述增量用户数据集中无服务地址位于任一服务方的围栏范围内的用户数据,将该用户数据添加至所有服务方的服务数据集。
6.根据权利要求1或2所述的数据管理方法,其特征在于,所述方法还包括:
当监听到所述服务方集中有新增服务方的数据时,从当前的所有用户数据中,获取有至少一个服务地址位于所述新增服务方的围栏范围内的所有用户数据,得到所述新增服务方的域内数据集;
基于所述新增服务方的域内数据集,对所述域外数据集以及各旧服务方的服务数据集进行去重;
将去重后的域外数据集添加至所述新增服务方的域内数据集,得到所述新增服务方的服务数据集。
7.根据权利要求1所述的数据管理方法,其特征在于,所述从所述用户数据集中确定出域外数据集,以及每个所述服务方的域内数据集的步骤,包括:
基于所述服务方的围栏范围和所述用户的服务地址,采用预先训练的神经网络,从所述用户数据集中确定出域外数据集,以及每个所述服务方的域内数据集。
8.一种数据管理装置,其特征在于,包括数据获取模块、第一处理模块、第二处理模块和传输模块;
所述数据获取模块,用于获取服务方集与用户数据集;其中,所述服务方集包括多个服务方的围栏范围,所述用户数据集包括多个用户的用户数据,每个所述用户数据包括用户的服务地址;
所述第一处理模块,用于基于各所述服务方的围栏范围,从所述用户数据集中确定出每个所述服务方的域内数据集,以及域外数据集;其中,所述服务方的域内数据集为服务地址位于该服务方的围栏范围内的用户的用户数据的集合,所述域外数据集为服务地址不在任一服务方的围栏范围内的用户的用户数据的集合;
所述第二处理模块,用于针对每个所述服务方,将所述域外数据集添加至所述服务方的域内数据集,得到所述服务方的服务数据集;
所述传输模块,用于将每个所述服务方的服务数据集传输至该服务方的服务设备上,以使所述服务设备基于所述服务数据集提供离线服务。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现如权利要求1至7中任一项所述的数据管理方法。
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如权利要求1至7中任一项所述的数据管理方法。
CN202310135597.XA 2023-02-18 2023-02-18 数据管理方法、装置、电子设备及计算机可读存储介质 Active CN116112544B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310135597.XA CN116112544B (zh) 2023-02-18 2023-02-18 数据管理方法、装置、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310135597.XA CN116112544B (zh) 2023-02-18 2023-02-18 数据管理方法、装置、电子设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN116112544A CN116112544A (zh) 2023-05-12
CN116112544B true CN116112544B (zh) 2024-07-02

Family

ID=86257905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310135597.XA Active CN116112544B (zh) 2023-02-18 2023-02-18 数据管理方法、装置、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN116112544B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160314479A1 (en) * 2011-02-18 2016-10-27 Cake Corporation Tracking off-line commerce and online activity
US10318990B2 (en) * 2014-04-01 2019-06-11 Ebay Inc. Selecting users relevant to a geofence
WO2017117456A1 (en) * 2015-12-31 2017-07-06 Quixey, Inc. Geo-fence pre-caching systems and methods for providing location-variant results
JP7095094B2 (ja) * 2018-01-08 2022-07-04 ヘーレ グローバル ベスローテン フェンノートシャップ 位置情報サービスの提供ための分散処理システムと方法

Also Published As

Publication number Publication date
CN116112544A (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
US11361082B2 (en) Anomalous activity detection in multi-provider transactional environments
Sheth et al. Demographic compensation does not rescue populations at a trailing range edge
US11295262B2 (en) System for fully integrated predictive decision-making and simulation
KR101792582B1 (ko) 칼럼형 데이터베이스의 히스토그램을 이용한 효율적인 질의 처리
US9355007B1 (en) Identifying abnormal hosts using cluster processing
US20240220492A1 (en) Distributable model with biases contained within distributed data
US9330160B2 (en) Software application complexity analysis
CN109859002B (zh) 产品推送方法、装置、计算机设备及存储介质
CN111104182A (zh) 基于组件化的快速编排业务的方法、装置、计算机设备及存储介质
AU2022204007A1 (en) Summary chains in distributed systems
CN106484791B (zh) 一种数据统计方法和装置
JPWO2019082274A1 (ja) 業績予測管理システム及び方法
CN116112544B (zh) 数据管理方法、装置、电子设备及计算机可读存储介质
CN114553682A (zh) 实时告警方法、系统、计算机设备及存储介质
CN112528327A (zh) 数据脱敏方法及装置、数据还原方法及装置
CN110633304B (zh) 组合特征筛选方法、装置、计算机设备及存储介质
US20190286671A1 (en) Algorithmic computation of entity information from ip address
CN116089658A (zh) 对象的共性提取方法及装置、存储介质及电子设备
CN112800033B (zh) 数据操作请求处理方法、装置、计算机设备和存储介质
CN114186961A (zh) 业务审批流程配置方法、装置、计算机设备和存储介质
CN113590588A (zh) 一种异构数据库增量数据实时迁移方法和相关设备
Blackburn Bias in small-sample inference with count-data models
US20190303814A1 (en) Operational data rationalization
WO2016068904A1 (en) Detection of potential grey market activities
CN106708878B (zh) 终端识别方法及装置

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