CN116186337A - 一种业务场景数据处理方法、系统及电子设备 - Google Patents

Abstract

本说明书公开了一种业务场景数据处理方法、系统及电子设备，对业务场景记录数据进行管理、查询及应用时更加方便、快捷、高效。所述方法包括：获取当前业务场景下的业务源数据与业务需求信息；根据所述业务需求信息提取多个需求项并确定多个所述需求项之间的关联关系；根据多个所述需求项以及多个所述需求项之间的所述关联关系构建图数据模型；基于所述图数据模型对所述业务源数据进行处理，以生成数据结构符合所述图数据模型的业务图数据。所述系统包括：数据信息获取模块、需求分析模块、图数据模型创建模块及源数据处理模块。所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行以执行所述业务场景数据处理方法的计算机程序。

Description

一种业务场景数据处理方法、系统及电子设备

技术领域

本发明涉及数据处理技术领域，具体涉及一种业务场景数据处理方法、系统及电子设备。

背景技术

随着科学技术不断发展，生产生活中各企业、行业中出现越来越多的记录数据需要进行管理存储，会涉及到越来越多的数据统计以及统计利用研究的工作，因此需要引入数据管理系统对生产生活不同业务场景下的所涉及到不同角色、不同环节、不同类型、不同时间、不同定义的记录数据进行科学有效管理。一些相关技术方案的数据管理系统中，业务场景的记录数据多采用表数据结构进行存储，这些数据在管理、查询以及应用过程中的多有不便，查询效率较低、操作成本较高。

发明内容

有鉴于此，本说明书实施例提供了一种业务场景数据处理方法、系统及电子设备，对业务场景记录数据进行管理、查询及应用时更加方便、快捷、高效。

在第一方面，本说明书实施例提供了一种业务场景数据处理方法，所述方法包括：

获取当前业务场景下的业务源数据与业务需求信息；

根据所述业务需求信息提取多个需求项并确定多个所述需求项之间的关联关系；

根据多个所述需求项以及多个所述需求项之间的所述关联关系构建图数据模型；

基于所述图数据模型对所述业务源数据进行处理，以生成数据结构符合所述图数据模型的业务图数据。

可选的，基于所述图数据模型对所述业务源数据进行处理，包括：

确定所述业务源数据中多个数据项的属性标签；

在所述图数据模型中确定与所述属性标签相对应的所述模型节点；

分别将多个所述数据项存入相应所述属性标签所对应的所述模型节点。

可选的，所述方法还包括：

从数据查询指令中提取目标节点名称与间接节点名称；

确定与所述目标节点名称、所述间接节点名称相对应的目标模型节点、间接模型节点；

在所述图数据模型中确定所述目标模型节点与所述间接模型节点间的关联度；

在所述业务图数据中查询与所述目标模型节点对应的数据作为目标数据；

查询与所述目标数据之间的关联度等于所述目标模型节点与所述间接模型节点间的关联度，且与所述间接模型节点相对应的数据作为间接数据。

可选的，所述方法还包括：

从所述业务图数据中筛选出与指定节点相关的数据子图；

将所述数据子图划分为多个社区，确定是否每个社区都存在相对应的指定节点数据；

响应于存在某一社区没有相应的指定节点数据，针对该社区中定义新的指定节点数据。

可选的，从所述图数据中筛选出与指定节点相关的数据子图，包括：

在所述业务图数据中查询所述指定节点以及所述指定节点相关联节点相对应的数据，作为子图基础数据；

查询与所述子图基础数据之间的关联度在所述指定节点对应的极限关联度值以内的最短路径；

基于所述子图基础数据与所述最短路径生成所述数据子图。

可选的，所述图数据模型中的模型节点包括数据域节点、业务节点、维度节点、指标节点、修饰词节点、主题节点与应用节点；

多个所述模型节点之间的连接关系包括子主题关系、应用于关系、属于关系与组合关系；

在所述图数据模型中，所述子主题关系存在于两所述主题节点之间，用于表明关联两节点间的依赖关系；

所述应用于关系存在于所述指标节点与所述业务节点之间，用于表明所述指标节点对应的应用场景；

所述属于关系存在于所述指标节点与所述主题节点之间、所述指标节点与所述业务节点之间、所述数据域节点与所述主题节点之间、所述维度节点与所述数据域节点之间、所述业务节点与所述主题节点之间、所述业务节点与所述数据域节点之间以及所述应用节点与所述主题节点之间，用于表明关联两节点间的隶属关系；

所述组合关系存在于所述修饰词节点与所述指标节点之间以及两所述指标节点之间，用于表明关联两节点间的派生关系。

可选的，所述业务图数据中与所述指标节点相对应的数据包括原子指标与派生指标；

所述原子指标为不可再拆分的指标，所述派生指标是指在原子指标基础上通过配置修饰词与时间周期加以限定的指标；

在新增派生指标时所述方法还包括：

从派生指标新建指令中提取原子指标字段、修饰词字段与时间周期字段；

在所述业务图数据中查询与所述原子指标字段相对应的原子指标作为新增派生指标的基础原子指标；

查询与所述基础原子指标相关联的所有修饰词与所有时间周期；

响应于所述基础原子指标相关联的所有修饰词与所有时间周期中存在与所述修饰词字段、所述时间周期字段相同的修饰词、时间周期，则确定所述新增派生指标相应的配置信息校验通过。

可选的，在新增派生指标时所述方法还包括：

查询与所述基础原子指标对应的多个派生指标，将多个所述派生指标相关联的主题作为所述新增派生指标的推荐主题进行推荐。

在第二方面，本说明书实施例还提供了一种业务场景数据处理系统，所述系统包括：

数据信息获取模块，用于获取当前业务场景下的业务源数据与业务需求信息；

需求分析模块，用于根据所述业务需求信息提取多个需求项并确定多个所述需求项之间的关联关系；

图数据模型创建模块，用于根据多个所述需求项以及多个所述需求项之间的所述关联关系构建图数据模型；以及

源数据处理模块，用于根据所述图数据模型对所述业务源数据进行处理，以生成数据结构符合所述图数据模型的业务图数据。

在第三方面，本说明书实施例还提供了一种业务场景数据处理电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的业务场景数据处理方法。

从上面可以看出，本说明书实施例所提供的一种业务场景数据处理方法、系统及电子设备，具有如下有益技术效果：

所述业务场景数据处理方法、系统及电子设备，获取当前业务场景下的业务源数据以及业务需求信息，从所述业务需求信息中提取多个需求项并确定多个需求项之间的关联关系，并基于此构建图数据模型，将所述业务源数据处理生成数据结构符合所述图数据模型的业务图数据。这样的方式，从针对业务数据进行管理、统计的实际需求出发构建图数据模型，将所述业务源数据处理为数据结构符合所述图数据模型的业务图数据，基于所述业务图数据进行管理、查询及应用更加方便、快捷、高效，体验更优。

附图说明

通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：

图1示出了本说明书一个或多个可选实施例所提供的一种业务场景数据处理方法示意图；

图2示出了本说明书一个或多个可选实施例所提供的一种业务场景数据处理方法中图数据模型结构示意图；

图3示出了本说明书一个或多个可选实施例所提供的一种业务场景数据处理方法中基于所述图数据模型对所述业务源数据进行处理的方法示意图；

图4示出了本说明书一个或多个可选实施例所提供的一种业务场景数据处理方法中针对所述业务图数据进行关联查询的方法示意图；

图5示出了本说明书一个或多个可选实施例所提供的一种业务场景数据处理方法中针对所述业务图数据进行维护更新的方法示意图；

图6示出了本说明书一个或多个可选实施例所提供的一种业务场景数据处理方法中从所述业务图数据中筛选数据子图的方法示意图；

图7示出了本说明书一个或多个可选实施例所提供的一种业务场景数据处理方法中对新增派生指标进行配置信息校验的方法示意图；

图8示出了本说明书一个或多个可选实施例所提供的一种业务场景数据处理系统结构示意图；

图9示出了本说明书一个或多个可选实施例所提供的一种业务场景数据处理电子设备结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，本领域技术人员在没有作出创造性劳动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。

随着科学技术不断发展，生产生活中各企业、行业中出现越来越多的记录数据需要进行管理存储，会涉及到越来越多的数据统计以及统计理论研究的工作，因此需要引入数据管理系统对生产生活不同业务场景下的所涉及到不同角色、不同环节、不同类型、不同时间、不同定义的记录数据进行科学有效管理。

一些相关技术方案的数据管理系统中，业务场景的记录数据多采用表数据结构进行存储，大量的业务场景数据存储记录在不同的数据表中，数据表之间数据的联系性较差。而在企业、行业或平台内部中不同用户角色对于数据关注点侧重点各有不同，会基于不同维度进行数据查询应用，相关技术方案中的数据存储方式也导致不同用户在进行数据查询时会涉及到大量的I/O操作与内存消耗，查询效率较低，用户体验较差。

针对上述问题，本说明书实施例技术方案的目的在于提出一种业务场景数据处理方法，从业务需求业务场景数据相关联的业务需求信息构建图数据模型，并基于所述图数据模型将业务场景数据处理为业务图数据，数据管理、查询与应用更加高效、便捷。

基于上述目的，在一方面本说明书实施例提供了一种业务场景数据处理方法。

如图1所示，本说明书一个或多个可选实施例所提供的一种业务场景数据处理方法，包括：

S1：获取当前业务场景下的业务源数据与业务需求信息。

不同企业、行业及平台所涉及到的所述业务场景不同，所述业务场景例如可以是网页购物支付的应用场景、科研试验过程记录的应用场景、区域用电量数据统计研究的应用场景等等。所述业务源数据是指在相应的所述业务场景下获取到的记录数据，以网页购物支付业务场景为例，该业务场景下相应的所述业务源数据可以包括用户信息数据、商户信息数据、商品信息数据、金额数据、支付方式数据、时间数据、利润数据等多方面的信息数据。

所述业务需求信息是指在相应的所述业务场景下，进行数据管理、统计及研究所需要满足的数据信息方面的需求。以网页购物支付业务场景为例，针对相应的所述业务源数据中的用户信息数据、商户信息数据等，需要根据所述业务源数据提取确定出相应的指标、业务、主题等等各方面的信息，以便于进行统计管理。

所述业务需求信息可以根据具体的所述业务源数据的数据含义以及进行数据管理、统计的具体需求进行确定。

S2：根据所述业务需求信息提取多个需求项并确定多个所述需求项之间的关联关系。

可以从所述业务需求信息中提取多个所述需求项。例如针对网页购物支付业务场景相应的所述业务需求信息，可以提取出“指标”、“业务”等多个需求项，也就是说在进行数据管理、统计及研究时需要确定所述业务源数据相应的指标、所归属的业务。在网页购物支付业务场景中，所述指标具体可以是订单支付金额、用户注册数量、用户活跃时长、商品种类数量、用户评价分数等指标，所述业务具体可以是支付、店铺运营、搜索等业务。

所述需求项之间的关联关系可以根据具体的所述业务源数据的数据含义以及进行数据管理、统计的具体需求确定。例如，根据具体的数据含义可以确定在指标需求项与业务需求项之间存在“属于”的关联关系，即某指标属于某业务。具体的，在网页购物支付业务场景中，可以确定订单支付金额指标属于支付业务，商品种类数量指标属于搜索业务，用户评价分数属于店铺运营业务。

S3：根据多个所述需求项以及多个所述需求项之间的所述关联关系构建图数据模型。

在构建图数据模型时，可以针对多个所述需求项对应创建多个模型节点，并根据多个所述需求项之间的所述关联关系确定相应的多个所述模型节点间的连接关系，基于多个所述模型节点及多个所述模型节点间的连接关系构件所述图数据模型，在所述图数据模型中模型节点间的连接关系可以采用有向边表示。

如图2所示，为本说明书一些可选实施例中所述图数据模型的结构示意图。在一些可选实施例中，所述图数据模型中的模型节点包括数据域节点、业务节点、维度节点、指标节点、修饰词节点、主题节点与应用节点。

多个所述模型节点之间的连接关系包括子主题关系、应用于关系、属于关系与组合关系。

在所述图数据模型中，所述子主题关系存在于两所述主题节点之间，用于表明关联两节点间的依赖关系。

所述应用于关系存在于所述指标节点与所述业务节点之间，用于表明所述指标节点对应的应用场景。

所述属于关系存在于所述指标节点与所述主题节点之间、所述指标节点与所述业务节点之间、所述数据域节点与所述主题节点之间、所述维度节点与所述数据域节点之间、所述业务节点与所述主题节点之间、所述业务节点与所述数据域节点之间以及所述应用节点与所述主题节点之间，用于表明关联两节点间的隶属关系。

所述组合关系存在于所述修饰词节点与所述指标节点之间以及两所述指标节点之间，用于表明关联两节点间的派生关系。

S4：基于所述图数据模型对所述业务源数据进行处理，以生成数据结构符合所述图数据模型的业务图数据。

所述业务源数据中的各项数据与业务需求信息中的多项所述需求项相对应，可以根据所述业务源数据中各项数据与多项所述需求项之间的对应关系，分别将各项数据存储在多项所述需求项对应的所述模型节点中，按照这样的方式对所述业务源数据原来的数据结构进行调整，从而可以将所述业务源数据处理成符合所述图数据模型数据结构的所述业务图数据。

所述业务场景数据处理方法，获取当前业务场景下的业务源数据以及业务需求信息，从所述业务需求信息中提取多个需求项并确定多个需求项之间的关联关系，并基于此构建图数据模型，将所述业务源数据处理生成数据结构符合所述图数据模型的业务图数据。这样的方式，从针对业务数据进行管理、统计的实际需求出发构建图数据模型，将所述业务源数据处理为数据结构符合所述图数据模型的业务图数据，基于所述业务图数据进行管理、查询及应用更加方便、快捷、高效，体验更优。

如图3所示，在本说明书一个或多个可选实施例所提供的一种业务场景数据处理方法中，基于所述图数据模型对所述业务源数据进行处理，包括：

S301：确定所述业务源数据中多个数据项的属性标签。

所述业务源数据可以由多条数据记录组成，每条数据记录中可以包括多个数据项，每个所述数据项具有相应的属性标签，所述属性标签用于表明所述数据项的具体含义、来源等信息。

在获取所述业务源数据时，每条所述数据记录中的多个所述数据项可以通过不同的数据接口获取。所述属性标签可以利用所述数据接口在获取相应的所述数据项时为所述数据项即时添加。

S302：在所述图数据模型中确定与所述属性标签相对应的所述模型节点。

可以根据所述属性标签所表明的相应数据项的具体含义及来源等信息，确定所述属性标签所对应的所述模型节点。

S303：分别将多个所述数据项存入相应所述属性标签所对应的所述模型节点。

例如在网页购物支付业务场景下，所述业务源数据中包括某用户购买商品的交易记录，在交易记录中与支付行为相关的数据通过网页端支付数据接口获取，可以为相关数据添加“支付”标签，在对这些数据进行处理时可以确定相应的数据域为“交易域”，与所述图数据模型中的数据域节点相对应，相应的业务为“支付”，与所述图数据模型中的业务节点相对应。

根据所述属性标签与所述图数据模型中所述模型节点间的对应关系，将所述数据项存储相应所述属性标签所对应的所述模型节点中，从而可以将所述业务源数据中多条数据记录处理为符合所述图数据模型数据结构的业务图数据，便于查询、管理与研究。

如图4所示，本说明书一个或多个可选实施例所提供的一种业务场景数据处理方法，还包括针对所述业务图数据进行关联查询；

所述针对所述业务图数据进行关联查询，包括：

S401：从数据查询指令中提取目标节点名称与间接节点名称。

S402：确定与所述目标节点名称、所述间接节点名称相对应的目标模型节点、间接模型节点。

S403：在所述图数据模型中确定所述目标模型节点与所述间接模型节点间的关联度。

所述关联度是指在所述图数据模型中模型节点间最短路径所包括的边的数量。参考图2所示，可以确定修饰词节点与应用节点间的关联度为2，维度节点与主题节点间的关联度为2，维度节点与指标节点间的关联度为3。

S404：在所述业务图数据中查询与所述目标模型节点对应的数据作为目标数据。

S405：查询与所述目标数据的关联度等于所述目标模型节单与所述间接模型节点间的关联度，且与所述间接模型节点相对应的数据作为间接数据。

以所述数据查询指令中所提取到的所述目标节点名称、所述间接节点名称分别为“业务”、“指标”为例，所述数据查询指令可以从所述业务图数据中直接查询出业务数据以及与所述业务数据相关联的指标数据。

所述目标节点名称、所述间接节点名称所对应的目标模型节点、所述间接模型节点分别为所述图数据模型中的业务节点与指标节点。参考图2所示，业务节点与指标节点间的关联度为1。

在所述业务图数据中查询与所述业务节点对应的数据，即想要查询的业务数据。以网页购物支付的业务场景为例，在相应的所述业务图数据中直接查询到的所述业务数据可以包括搜索业务、商品业务、售后业务、店铺运营业务等。

进一步的查询与所述业务数据关联度为1且与所述指标模型相对应的数据，即与所述业务数据关联的指标数据。以网页购物支付的业务场景为例，可以查询到与所述业务数据关联的指标数据，与所述搜索业务关联的指标数据包括搜索结果指标，与商品业务关联的指标数据包括商品指标，与售后业务关联的指标数据包括无线支持指标、与支付业务相关联的指标数据包括订单金额指标及支付金额变化率指标，等等。

针对所述业务图数据，还可以针对其他数据进行关联查询。例如，所述数据查询指令中所提取到的所述目标节点名称、所述间接节点名称可以分别为“维度”、“指标”，参考图2所示，对应的所述维度节点、所述指标节点间的关联度为3，针对该查询指令可以直接查询到维度数据以及与所述维度数据相关联的指标数据；所述数据查询指令中的所述目标节点名称、所述间接节点名称还可以是“指标”、“修饰词”，即查询所述业务图数据中的指标数据以及与所述指标数据相关联的修饰词数据。

如图5所示，本说明书一个或多个可选实施例所提供的一种业务场景数据处理方法，还包括针对所述业务图数据中指定节点对应的数据进行维护更新。

针对所述业务图数据中指定节点对应的数据进行维护更新，包括：

S501：从所述业务图数据中筛选出与指定节点相关的数据子图。

针对指定节点对应的数据进行维护更新，其目的在于对已有的图数据进行分析，从而挖掘出与指定节点对应的隐藏数据信息，对所述业务图数据中与指定节点对应的数据进行更新维护。可以从所述业务图数据中筛选出与指定节点相关的数据子图作为挖掘隐藏信息的分析依据。

S502：将所述数据子图划分为多个社区，确定是否每个社区都存在相对应的指定节点数据。

从所述业务图数据中提取的所述数据子图，天然就具备一定的社区属性，可以将所述数据子图划分为与多个所述指定节点数据对应的多个社区。具体的，可以采用聚类算法或社区发现算法对所述数据子图进行处理，将所述数据子图划分为多个社区。

所述业务图数据中，在所述指定节点对应的数据完备的情况下，划分确定的每个社区都存在相应的指定节点数据，若存在某社区没有相应的指定节点数据，则说明针对该社区存在隐藏的数据信息。

S503：响应于存在某一社区没有相应的指定节点数据，针对该社区定义新的指定节点数据。

所述指定节点可以是所述数据域节点，首先从所述业务图数据中筛选出与所述数据域节点相关的数据子图，将数据子图划分为多个社区，确定每个社区是否都存在相应的数据域数据，如果存在某个社区没有对应的数据域数据，则可以针对该社区定义新的数据域。

以网页购物支付的业务场景为例，利用聚类算法可以将从业务图数据中提取出的所述数据子图划分为3个社区，当前有交易域和商品域两个数据域，还有用户注册、售后、CTR、UV等指标形成一个新的社区，结合业务场景，可以针对该部分的指标定义一个新的数据域。

需要说明的是，所述指定节点还可以是所述图数据模型中的其他模型节点，针对指定节点进行维护更新，还可以从所述业务图数据中挖掘出其他模型节点对应数据的隐藏数据信息。

所述业务场景数据处理方法使用业务图数据进行数据存储，通过从中提取指定节点相关的数据子图并进行社区划分，可以直观地发现挖掘出与指定节点关联的隐藏数据信息，具有更好的解释性。

如图6所示，在本说明书一个或多个可选实施例所提供的一种业务场景数据处理方法中，从所述业务图数据中筛选出与指定节点相关的数据子图，可以包括以下步骤：

S601：在所述业务图数据中查询与所述指定节点以及所述指定节点相关联节点相对应的数据，作为子图基础数据。

以所述指定节点是数据域节点为例，在如图2所示的所述图数据模型中，与所述数据域节点相关联的节点包括指标节点、业务节点与维度节点。由此，可以在所述业务图数据中查询所述数据域节点以及所述指标节点、所述业务节点、所述维度节点相对应的数据作为所述子图基础数据。

S602：查询与所述子图基础数据之间关联度在所述指定节点对应的极限关联度值以内的最短路径。

所述极限关联度值是指在所述图数据模型中，所述指定节点与其他任意模型节点间最小关联度中的最大值。以图2所示的所述图数据模型为例，所述数据域节点相距其他任意节点间关联的最大值为3，则可以查询与所述子图基础数据之间关联度在3以内的最短路径。

S603：基于所述子图基础数据与所述最短路径生成所述数据子图。

在确定所述子图基础数据以及相应的所述最短路径后，由所述子图基础数据与所述最短路径构成与所述指定节点相关的数据子图。

在本说明书一个或多个可选实施例所提供的一种业务场景数据处理方法中，所述业务图数据中与所述指标节点相对应的数据包括原子指标与派生指标；所述原子指标为不可再拆分的指标，所述派生指标是指在原子指标基础上通过配置修饰词与时间周期加以限定的指标。其中，时间周期是与指标节点相对应的关联属性，需要在创建时进行配置。

在新增派生指标时所述方法还对新增派生指标进行配置信息校验。

如图7所示，本说明书一些可选实施例所提供的一种业务场景数据处理方法中，对新增派生指标进行配置信息校验，包括：

S701：从派生指标新建指令中提取原子指标字段、修饰词字段与时间周期字段。

S702：在所述业务图数据中查询与所述原子指标字段相对应的原子指标作为新增派生指标的基础原子指标。

S703：查询与所述基础原子指标相关联的所有修饰词与所有时间周期。

S704：响应于所述基础原子指标相关联的所有修饰词与所有时间周期中存在与所述修饰词字段、所述时间周期字段相同的修饰词、时间周期，则确定新增派生指标配置信息校验通过。

在使用图数据库作为数据存储时，系统已经运行一段时间后，有大量的派生指标配置完成并记录下来，此时，原子指标存在丰富的数据，来表示每个原子指标会使用哪些修饰词和时间周期。所述业务场景数据处理方法中，在新增派生指标时，挖掘相关的历史数据，通过检索原子指标对应的修饰词和时间周期是否有异常，进行参数可能存在风险的预警，在指标应用之前，将风险降低。

本说明书一个或多个可选实施例所提供的一种业务场景数据处理方法，还包括查询与所述基础原子指标对应的多个派生指标，将多个所述派生指标相关联的主题作为所述新增派生指标的推荐主题进行推荐。

所述业务场景数据处理方法，在新建派生指标时，根据业务图数据中现有的关系数据，即原子指标与业务、原子指标与应用、原子指标与派生指标、派生指标与业务和派生指标与应用的关系，可以为新创建的派指标提供推荐主题，便于新增派生指标时完善整体的业务图数据。

在本说明书一个或多个可选实施例所提供的一种业务场景数据处理方法中，所述图数据模型中的模型节点包括数据域节点、业务节点、维度节点、指标节点、修饰词节点、主题节点与应用节点，分别对应数据指标管理中的数据域管理、指标的业务场景、指标对应的维度、指标本身的管理、派生指标对应的修饰词、指标对应的主题标签管理和指标的应用场景管理等。这些模型节点都以数据ID作为主键，各自具有不同的关联属性。具体的模型节点信息如下表1所示

表1

序号	节点	主键	关联属性
				1	数据域	id	"id","名称","业务板块"
2	业务	id	"id","名称","业务板块"
				3	维度	id	"id","名称","维度属性"
4	指标	id	"id","名称","时间周期","类型"
				5	修饰词	id	"id","名称","修饰类型"
6	主题	id	"id","名称"
				7	应用	id	"id","名称"

多个所述模型节点之间的连接关系包括子主题关系、应用于关系、属于关系与组合关系。具体的模型节点间的连接关系入下表2所示：

表2

以网页购物支付的业务场景为例，基于如图2所示的所述图数据模型对该业务场景下的所述业务源数据进行处理，生成所述业务图数据。

针对所述业务图数据，可以查询数据域节点数据以及关联的业务节点数据、指标节点数据，查询结果以表格形式记录如下表3所示：

表3

数据域:名称	数据域:业务板块	业务:名称	指标:名称	指标:类型
					交易域	XX购物网站	支付	订单支付金额	原子指标
交易域	XX购物网站	支付	支付金额变化率	原子指标
					交易域	XX购物网站	售后	无线支持	原子指标
交易域	XX购物网站	售后	售后	原子指标
					交易域	XX购物网站	评价	评价等级	原子指标
商品域	XX购物网站	搜索	搜索结果	原子指标
					……	……	……	……	……

针对所述业务图数据，可以查询业务节点数据以及关联的指标节点数据，查询结果以表格形式记录如下表4所示：

表4

针对所述业务图数据，可以查询维度节点数据以及关联的指标节点数据，查询结果以表格形式记录如下表5所示：

表5

针对所述业务图数据，可以查询指标节点数据以及关联的修饰词节点数据，查询结果以表格形式记录如下表6所示：

表6

需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。

需要说明的是，上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

基于同一发明构思，与上述任意实施例方法相对应的，本说明书实施例还提供了一种业务场景数据处理系统。

参考图8，所述业务场景数据处理系统，包括：

数据信息获取模块，用于获取当前业务场景下的业务源数据与业务需求信息；

需求分析模块，用于根据所述业务需求信息提取多个需求项并确定多个所述需求项之间的关联关系；

图数据模型创建模块，用于根据多个所述需求项以及多个所述需求项之间的所述关联关系构建图数据模型；以及

源数据处理模块，用于根据所述图数据模型对所述业务源数据进行处理，以生成数据结构符合所述图数据模型的业务图数据。

在本说明书一个或多个可选实施例所提供的一种业务场景数据处理系统中，所述源数据处理模块，还用于确定所述业务源数据中多个数据项的属性标签；在所述图数据模型中确定与所述属性标签相对应的所述模型节点；分别将多个所述数据项存入相应所述属性标签所对应的所述模型节点。

本说明书一个或多个可选实施例所提供的一种业务场景数据处理系统，还包括关联查询模块，所述关联查询模块用于从数据查询指令中提取目标节点名称与间接节点名称；确定与所述目标节点名称、所述间接节点名称相对应的目标模型节点、间接模型节点；在所述图数据模型中确定所述目标模型节点与所述间接模型节点间的关联度；在所述业务图数据中查询与所述目标模型节点对应的数据作为目标数据；查询与所述目标数据之间的关联度等于所述目标模型节点与所述间接模型节点间的关联度，且与所述间接模型节点相对应的数据作为间接数据。

本说明书一个或多个可选实施例所提供的一种业务场景数据处理系统，还包括数据维护模块，所述数据维护模块用于从所述业务图数据中筛选出与指定节点相关的数据子图；将所述数据子图划分为多个社区，确定是否每个社区都存在相对应的指定节点数据；响应于存在某一社区没有相应的指定节点数据，针对该社区中定义新的指定节点数据。

在本说明书一个或多个可选实施例所提供的一种业务场景数据处理系统中，所述数据维护模块，还用于在所述业务图数据中查询与所述指定节点以及所述指定节点相关联节点相对应的数据，作为子图基础数据；查询与所述子图基础数据之间关联度在所述指定节点对应的极限关联度值以内的最短路径；基于所述子图基础数据与所述最短路径生成所述数据子图。

在本说明书一个或多个可选实施例所提供的一种业务场景数据处理系统中，所述图数据模型中的模型节点包括数据域节点、业务节点、维度节点、指标节点、修饰词节点、主题节点与应用节点；多个所述模型节点之间的连接关系包括子主题关系、应用于关系、属于关系与组合关系；在所述图数据模型中，所述子主题关系存在于两所述主题节点之间，用于表明关联两节点间的依赖关系；所述应用于关系存在于所述指标节点与所述业务节点之间，用于表明所述指标节点对应的应用场景；所述属于关系存在于所述指标节点与所述主题节点之间、所述指标节点与所述业务节点之间、所述数据域节点与所述主题节点之间、所述维度节点与所述数据域节点之间、所述业务节点与所述主题节点之间、所述业务节点与所述数据域节点之间以及所述应用节点与所述主题节点之间，用于表明关联两节点间的隶属关系；所述组合关系存在于所述修饰词节点与所述指标节点之间以及两所述指标节点之间，用于表明关联两节点间的派生关系。

在本说明书一个或多个可选实施例所提供的一种业务场景数据处理系统中，所述业务图数据中与所述指标节点相对应的数据包括原子指标与派生指标；所述原子指标为不可再拆分的指标，所述派生指标是指在原子指标基础上通过配置修饰词与时间周期加以限定的指标。所述业务场景数据处理系统还包括指标校验模块，所述指标校验模块用于从派生指标新建指令中提取原子指标字段、修饰词字段与时间周期字段；在所述业务图数据中查询与所述原子指标字段相对应的原子指标作为新增派生指标的基础原子指标；查询与所述基础原子指标相关联的所有修饰词与所有时间周期；响应于所述基础原子指标相关联的所有修饰词与所有时间周期中存在与所述修饰词字段、所述时间周期字段相同的修饰词、时间周期，则确定所述新增派生指标相应的配置信息校验通过。

本说明书一个或多个可选实施例所提供的一种业务场景数据处理系统，还包括主题推荐模块，所述主题推荐模块用于查询与所述基础原子指标对应的多个派生指标，将多个所述派生指标相关联的主题作为所述新增派生指标的推荐主题进行推荐。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。

上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

图9示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。

处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。

存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。

输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。

通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。

总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。

需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。

上述实施例的电子设备用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

基于同一发明构思，与上述任意实施例方法相对应的，本公开还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的业务场景数据处理方法。

本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的业务场景数据处理方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

本领域技术人员可以理解，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，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。

尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。

本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种业务场景数据处理方法，其特征在于，所述方法包括：

获取当前业务场景下的业务源数据与业务需求信息；

根据所述业务需求信息提取多个需求项并确定多个所述需求项之间的关联关系；

根据多个所述需求项以及多个所述需求项之间的所述关联关系构建图数据模型；

基于所述图数据模型对所述业务源数据进行处理，以生成数据结构符合所述图数据模型的业务图数据。

2.根据权利要求1所述的方法，其特征在于，基于所述图数据模型对所述业务源数据进行处理，包括：

确定所述业务源数据中多个数据项的属性标签；

在所述图数据模型中确定与所述属性标签相对应的所述模型节点；

分别将多个所述数据项存入相应所述属性标签所对应的所述模型节点。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

从数据查询指令中提取目标节点名称与间接节点名称；

确定与所述目标节点名称、所述间接节点名称相对应的目标模型节点、间接模型节点；

在所述图数据模型中确定所述目标模型节点与所述间接模型节点间的关联度；

在所述业务图数据中查询与所述目标模型节点对应的数据作为目标数据；

查询与所述目标数据之间的关联度等于所述目标模型节点与所述间接模型节点间的关联度，且与所述间接模型节点相对应的数据作为间接数据。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

从所述业务图数据中筛选出与指定节点相关的数据子图；

将所述数据子图划分为多个社区，确定是否每个社区都存在相对应的指定节点数据；

响应于存在某一社区没有相应的指定节点数据，针对该社区中定义新的指定节点数据。

5.根据权利要求4所述的方法，其特征在于，从所述图数据中筛选出与指定节点相关的数据子图，包括：

在所述业务图数据中查询与所述指定节点以及所述指定节点相关联节点相对应的数据，作为子图基础数据；

查询与所述子图基础数据之间的关联度在所述指定节点对应的极限关联度值以内的最短路径；

基于所述子图基础数据与所述最短路径生成所述数据子图。

6.根据权利要求1所述的方法，其特征在于，所述图数据模型中的模型节点包括数据域节点、业务节点、维度节点、指标节点、修饰词节点、主题节点与应用节点；

多个所述模型节点之间的连接关系包括子主题关系、应用于关系、属于关系与组合关系；

在所述图数据模型中，所述子主题关系存在于两所述主题节点之间，用于表明关联两节点间的依赖关系；

所述应用于关系存在于所述指标节点与所述业务节点之间，用于表明所述指标节点对应的应用场景；

所述属于关系存在于所述指标节点与所述主题节点之间、所述指标节点与所述业务节点之间、所述数据域节点与所述主题节点之间、所述维度节点与所述数据域节点之间、所述业务节点与所述主题节点之间、所述业务节点与所述数据域节点之间以及所述应用节点与所述主题节点之间，用于表明关联两节点间的隶属关系；

所述组合关系存在于所述修饰词节点与所述指标节点之间以及两所述指标节点之间，用于表明关联两节点间的派生关系。

7.根据权利要求6所述的方法，其特征在于，所述业务图数据中与所述指标节点相对应的数据包括原子指标与派生指标；

所述原子指标为不可再拆分的指标，所述派生指标是指在原子指标基础上通过配置修饰词与时间周期加以限定的指标；

在新增派生指标时所述方法还包括：

从派生指标新建指令中提取原子指标字段、修饰词字段与时间周期字段；

在所述业务图数据中查询与所述原子指标字段相对应的原子指标作为新增派生指标的基础原子指标；

查询与所述基础原子指标相关联的所有修饰词与所有时间周期；

响应于所述基础原子指标相关联的所有修饰词与所有时间周期中存在与所述修饰词字段、所述时间周期字段相同的修饰词、时间周期，则确定所述新增派生指标相应的配置信息校验通过。

8.根据权利要求7所述的方法，其特征在于，在新增派生指标时所述方法还包括：

查询与所述基础原子指标对应的多个派生指标，将多个所述派生指标相关联的主题作为所述新增派生指标的推荐主题进行推荐。

9.一种业务场景数据处理系统，其特征在于，所述系统包括：

数据信息获取模块，用于获取当前业务场景下的业务源数据与业务需求信息；

需求分析模块，用于根据所述业务需求信息提取多个需求项并确定多个所述需求项之间的关联关系；

图数据模型创建模块，用于根据多个所述需求项以及多个所述需求项之间的所述关联关系构建图数据模型；以及

源数据处理模块，用于根据所述图数据模型对所述业务源数据进行处理，以生成数据结构符合所述图数据模型的业务图数据。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任意一项所述的方法。

Images