CN116302867A - 行为数据分析方法、装置、计算机设备、介质和程序产品 - Google Patents
行为数据分析方法、装置、计算机设备、介质和程序产品 Download PDFInfo
- Publication number
- CN116302867A CN116302867A CN202211142073.5A CN202211142073A CN116302867A CN 116302867 A CN116302867 A CN 116302867A CN 202211142073 A CN202211142073 A CN 202211142073A CN 116302867 A CN116302867 A CN 116302867A
- Authority
- CN
- China
- Prior art keywords
- data
- analysis
- acquiring
- behavior data
- execution plan
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 182
- 238000004590 computer program Methods 0.000 claims abstract description 41
- 238000003860 storage Methods 0.000 claims abstract description 14
- 230000006399 behavior Effects 0.000 claims description 171
- 238000012545 processing Methods 0.000 claims description 39
- 230000002776 aggregation Effects 0.000 claims description 26
- 238000004220 aggregation Methods 0.000 claims description 26
- 230000014759 maintenance of location Effects 0.000 claims description 23
- 238000013500 data storage Methods 0.000 claims description 21
- 230000005856 abnormality Effects 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000003542 behavioural effect Effects 0.000 claims description 11
- 238000004140 cleaning Methods 0.000 claims description 11
- 230000000007 visual effect Effects 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000013523 data management Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/323—Visualisation of programs or trace data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种行为数据分析方法、装置、计算机设备、存储介质和计算机程序产品,通过获取待分析的行为数据,以及获取采用拖拉拽方式获得的服务组件,并通过对服务组件进行解析生成逻辑执行计划以及物理执行计划,根据逻辑执行计划以及物理执行计划对行为数据进行分析,得到分析结果,并根据分析结果进行可视化显示,能够自动分析用户的行为数据,提升行为数据分析的准确性。
Description
技术领域
本申请涉及计算机软件技术领域,特别是涉及一种行为数据分析方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
行为数据是关于机体的行为和行为发生时环境的观察报告,在评估客户对产品或服务的完整体验时,起到至关重要的作用,能够表征客户了解、考虑和评估并决定购买新产品或服务的过程。
对于搜集到的用户行为数据必须使用合适的度量方法进行分析,目前传统的行为数据分析还是通过人工手动对数据进行分析。
然而,这种方法,不仅数据探索效率低,在人工分析时也容易出现误差。
发明内容
基于此,有必要针对上述技术问题,提供一种能够高效准确分析用户行为数据的行为数据分析方法、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,本申请提供了一种行为数据分析方法,该方法包括:
获取待分析的行为数据;
获取采用拖拉拽方式获得的服务组件,并通过对服务组件进行解析生成逻辑执行计划以及物理执行计划;
根据逻辑执行计划以及物理执行计划对行为数据进行分析,得到分析结果;
根据分析结果进行可视化显示。
在其中一个实施例中,上述获取待分析的行为数据,包括:
获取待处理数据;
获取待处理数据对应的元数据;
对元数据进行管理,得到待分析的行为数据。
在其中一个实施例中,上述对元数据进行管理,得到待分析的行为数据,包括:
根据元数据对待处理数据进行清洗,并将清理后的数据保存至数据存储层;
对数据存储层的数据进行聚合计算,并将计算后的数据保存至数据聚合层;
将数据聚合层的数据作为待分析的行为数据。
在其中一个实施例中,上述获取待处理数据,包括:
获取待处理数据对应的数据类型和数据渠道;
根据数据类型和数据渠道为待处理数据配置调度作业;
根据调度作业获取待处理数据。
在其中一个实施例中,上述根据逻辑执行计划以及物理执行计划对行为数据进行分析,得到分析结果,包括以下至少一种:
根据事件分析组件判断行为数据是否成功进行,并确定出现错误的位置或原因;或
根据漏斗分析组件判断行为数据是否完成漏斗转化,并获取转化率最低的环节;
根据路径分析组件判断行为数据是否满足目标需求,并确定不能满足目标需求的节点;或根据留存分析组件判断行为数据对应的目标对象的留存度,并根据留存度进行应用分析;或
根据归因分析组件获取行为数据中出现异常的触发操作;或
根据分布分析组件获取行为数据数对应的目标对象的访问偏好;或
根据间隔分析组件判断行为数据中目标事件的完成时间,并根据完成时间判断是否出现异常;或
根据操作分析组件判断行为数据对应的目标对象的访问时间,并根据访问时间进行满意度评估;或
根据分群分析组件将行为数据对应的目标对象分类,并获取同一类中目标对象的行为特征;或
根据查询分析组件中预设业务逻辑查询行为数据。
在其中一个实施例中,上述方法还包括:
获取设置的定时更新任务;
根据定时更新任务更新分析结果,得到更新后的分析结果;
获取业务需求;
根据业务需求获取对应的业务处理项目,业务处理项目包括用户认证、身份认证以及登录验证中的至少一个;
根据业务处理项目对更新后的分析结果进行对应的业务处理。
第二方面,本申请还提供了一种行为数据分析装置,该装置包括:
数据获取模块,用于获取待分析的行为数据;
组件获取模块,用于获取采用拖拉拽方式获得的服务组件,并通过对服务组件进行解析生成逻辑执行计划以及物理执行计划;
数据分析模块,用于根据逻辑执行计划以及物理执行计划对行为数据进行分析,得到分析结果;
结果显示模块,用于根据分析结果进行可视化显示。
第三方面,本申请还提供了一种计算机设备。计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述第一方面中任一实施例中的方法步骤。
第四方面,本申请还提供了一种计算机可读存储介质。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上述第一方面中任一实施例中的方法步骤。
第五方面,本申请还提供了一种计算机程序产品。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第一方面中任一实施例中的方法步骤。
上述行为数据分析方法、装置、计算机设备、存储介质和计算机程序产品,通过获取待分析的行为数据,以及获取采用拖拉拽方式获得的服务组件,并通过对服务组件进行解析生成逻辑执行计划以及物理执行计划,根据逻辑执行计划以及物理执行计划对行为数据进行分析,得到分析结果,并根据分析结果进行可视化显示,能够自动分析用户的行为数据,提升行为数据分析的准确性。
附图说明
图1为一个实施例中行为数据分析方法的应用环境图;
图2为一个实施例中行为数据分析方法的流程示意图;
图3为图2所示实施例中S201步骤的流程示意图;
图4为图3所示实施例中S303方法的流程示意图;
图5为图3所示实施例中S301方法的流程示意图;
图6为一个实施例中行为数据分析方法的流程示意图;
图7为一个实施例中客户旅程万花筒的流结构示意图;
图8为一个实施例中客户旅程分析系统的结构示意图;
图9为一个实施例中行为数据分析装置的结构框图;
图10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。
本申请实施例提供的行为数据分析方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。其中,服务104上存储着行为数据以及服务组件,终端102用于从服务器104获取待分析的行为数据,以及采用拖拉拽方式获得的服务组件,并通过对服务组件进行解析生成逻辑执行计划以及物理执行计划,终端1020还用于根据逻辑执行计划以及物理执行计划对行为数据进行分析,得到分析结果,以及根据分析结果进行可视化显示。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104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。
在一个实施例中,如图2所示,提供了一种行为数据分析方法,以该方法应用于图1中的终端102为例进行说明,包括以下步骤:
S201:获取待分析的行为数据。
其中,行为数据是指能够表示用户行为的数据,简单的说就是用户在某一应用或者网站页面进行操作时产生的数据,用户的行为由简单的5个元素构成:时间(when)、地点(where)、人物(who)、交互(how)以及交互的内容(what),行为数据就是用户在什么时间、什么地点、以何种的交互方式完成了内容的操作。以金融交易为例,行为数据中包括足迹埋点数据以及相关交易数据,其中,足迹埋点数据的来源可以分为页面埋点(针对于整个页面,主要收集进入页面的用户数据)和事件埋点(基于某个具体功能点,通俗一点说就是按钮,主要收集功能点击人数),埋点的目的是为了获取有效的数据。以用户购买商品的转化流程为例,用户路径是:点击“去购买”事件→进入“商品详情”页面→点击“立即购买”事件→进入“确认订单”页面→点击“提交订单”事件(支付)→进入“订单详情”页面。根据用户路径中的所有关键行为,生成相应的埋点方案,从而通过埋点数据,就可以算出转化率。
S202:获取采用拖拉拽方式获得的服务组件,并通过对服务组件进行解析生成逻辑执行计划以及物理执行计划。
其中,服务组件是指封装了分析算法的分析模型,逻辑执行计划表示服务组件中对应的分析算法,物理执行计划则表示执行算法的相关步骤,当选择一个服务组件时,对该服务组件进行解析,从而得到对应的逻辑执行计划,即代表选用该组件中的分析算法,这样不需要通过复杂的数据库语言(Structured Query Language,SQL)来调用算法,而是在前端界面通过鼠标点击操作以拖拉拽的方式选择对应的算法进行数据分析。
S203:根据逻辑执行计划以及物理执行计划对行为数据进行分析,得到分析结果。
其中,逻辑执行计划以及物理执行计划代表着不同服务组件对应的分析模型,包括事件分析模型、漏斗分析模型以及路径分析模型等,以事件分析模型为例,事件分析模型是指采用事件分析法对行为数据进行分析,即根据客户完成事件的相关数据判断事件是否成功进行,从而定位出现错误事件产生的位置或原因。
事件分析法一般包含:事件定义与选择、下钻分析以及解释与结论等环节。其中,事件定义与选择包括:事件描述的是某一用户在某个时间点、某个地方、以某种方式完成了某个具体的事情。Who、When、Where、What、How是定义一个事件的关键因素。其中:Who是参与事件的主体,可以是设备标识等;When是事件发生的实际时间,是记录精确到毫秒的事件发生时间;Where即事件发生的地点,可以通过网际互连协议(Internet Protocol,IP)来解析具体地址,也可以根据全球定位系统(Global Positioning System,GPS)定位方式获取地理位置信息;How即从事某一事件的方式,例如使用的设备、浏览器、应用版本以及渠道来源等等;What用于描述用户所做的这个事件的所有具体内容,例如对于“浏览”类型的事件,需要记录的字段有:物品名称、物品类型、物品数量,物品状态等。
下钻分析:当行为事件分析合理配置追踪事件和属性,可以激发出事件分析的强大潜能,得到事件的变化趋势以及维度对比等。同时,还可以通过添加筛选条件,可以精细化查看符合某些具体条件的事件数据。
解释与结论:对分析结果进行合理的理论解释,判断数据分析结果是否与预期相符,如判断产品的细节优化是否提升了触发客户数。如果相悖,则应该针对不足的部分进行再分析与实证。
S204:根据分析结果进行可视化显示。
其中,可视化显示包括分析结果的折线图、饼图、柱状图以及热力图等大量图,在实际应用中,根据应用需求可以选择对应的显示方式。在可视化界面中,还可以直接对行为数据进行管理,对数据进行增删改查等操作。
上述行为数据分析方法中,通过获取待分析的行为数据,以及获取采用拖拉拽方式获得的服务组件,并通过对服务组件进行解析生成逻辑执行计划以及物理执行计划,根据逻辑执行计划以及物理执行计划对行为数据进行分析,得到分析结果,并根据分析结果进行可视化显示,能够自动分析用户的行为数据,提升行为数据分析的准确性。
在一个实施例中,如图3所示,上述获取待分析的行为数据,包括:
S301:获取待处理数据。
其中,待处理数据包括行为数据在内的所有数据,例如用户画像数据以及应用程序编程接口(Application Programming Interface,API)数据等。其中,画像数据是指根据用户的属性、用户偏好、生活习惯以及用户行为等信息而抽象出来的标签化用户模型,API数据是一个全球广域网(World Wide Web,web)平台的标识。
S302:获取待处理数据对应的元数据。
其中,元数据是待处理数据对应的相关数据信息,例如表名、字段名、字段类型、备注以及枚举值等。在获取待处理数据后,将获取对应的元数据,并记录这些元数据之间的关联关系,还需要记录数据的大小、时间范围以及更新频率等等。
S303:对元数据进行管理,得到待分析的行为数据。
其中,元数据对应着待处理数据的相关信息,为了保证数据分析的准确性,需要对元数据进行管理,从中获取精度更高以及影响更大的数据,作为待分析的行为数据。
上述实施例中,通过获取待处理数据,以及待处理数据对应的元数据,对元数据进行管理,得到待分析的行为数据,能够保证数据分析的准确性。
在一个实施例中,如图4所示,上述对元数据进行管理,得到待分析的行为数据,包括:
S401:根据元数据对待处理数据进行清洗,并将清理后的数据保存至数据存储层。
其中,根据元数据的数据信息,分别对待处理数据进行清洗,除去待处理数据中的异常值,清洗后的数据单独保存至数据存储层,能够避免数据混乱导致出现错误。
S402:对数据存储层的数据进行聚合计算,并将计算后的数据保存至数据聚合层。
其中,聚合计算是指计算数据分析任务的统计数据条数、统计数据分布以及统计任务失败率等,在实际应用中,根据应用需求可以设置定时监控任务,间隔对数据存储层的数据进行聚合计算。
S403:将数据聚合层的数据作为待分析的行为数据。
其中,聚合计算后的数据具有更高的时效性和准确性,将数据聚合层的数据作为待分析的行为数据,能够保证数据分析的准确性。
上述实施例中,根据元数据对待处理数据进行清洗,并将清理后的数据保存至数据存储层,对数据存储层的数据进行聚合计算,并将计算后的数据保存至数据聚合层,将数据聚合层的数据作为待分析的行为数据,能够提高数据分析的准确性。
在一个实施例中,如图5所示,上述获取待处理数据,包括:
S501:获取待处理数据对应的数据类型和数据渠道。
其中,数据类型指的是户画像数据以及API数据等,数据渠道是指待处理数据的来源,按照数据类型和数据渠道能够将待处理数据划分成多个组。
S502:根据数据类型和数据渠道为待处理数据配置调度作业。
其中,根据数据类型和数据渠道为同一组中的待处理数据配置调度作业,调度作业是指针对批量数据的接入,采用固定的频率和上游信号文件触发调度加载数据入库作业。
S503:根据调度作业获取待处理数据。
其中,调度作业能够对待处理数据进行更新,将更新后的数据作为最新的待处理数据,能够保证数据分析的时效性。
上述实施例中,通过获取待处理数据对应的数据类型和数据渠道,并根据数据类型和数据渠道为待处理数据配置调度作业,从而根据调度作业获取待处理数据,能够实现对待处理数据的实时更新,进而提高数据分析的准确性。
在一个实施例中,上述根据逻辑执行计划以及物理执行计划对行为数据进行分析,得到分析结果,包括以下至少一种:根据事件分析组件判断行为数据是否成功进行,并确定出现错误的位置或原因;或根据漏斗分析组件判断行为数据是否完成漏斗转化,并获取转化率最低的环节;根据路径分析组件判断行为数据是否满足目标需求,并确定不能满足目标需求的节点;或根据留存分析组件判断行为数据对应的目标对象的留存度,并根据留存度进行应用分析;或根据归因分析组件获取行为数据中出现异常的触发操作;或根据分布分析组件获取行为数据数对应的目标对象的访问偏好;或根据间隔分析组件判断行为数据中目标事件的完成时间,并根据完成时间判断是否出现异常;或根据操作分析组件判断行为数据对应的目标对象的访问时间,并根据访问时间进行满意度评估;或根据分群分析组件将行为数据对应的目标对象分类,并获取同一类中目标对象的行为特征;或根据查询分析组件中预设业务逻辑查询行为数据。
其中,根据逻辑执行计划以及物理执行计划对应的服务组件对行为数据进行分析,在实际应用中,根据应用需求可以选择其中一个服务组件进行分析,也可以选择多个服务组件同时对行为数据进行分析。
上述实施例中,通过十大算法对应的服务组件对行为数据进行分析,能够满足多种应用需求,保证数据分析的准确性。
在一个实施例中,如图6所示,上述方法还包括:
S601:获取设置的定时更新任务。
其中,在实际应用中,根据应用需求可以设置定时更新任务,对分析结果进行更新。
S602:根据定时更新任务更新分析结果,得到更新后的分析结果。
其中,根据设置的定时更新任务,定时对分析结果进行更新,以保证分析结果的时效性。
S603:获取业务需求。
其中,业务需求是指对分析结果相关的认证操作,例如轻量目录访问协议认证(Lightweight Directory Access Protocol,LDAP)、身份认证(Identity Provider,IDP)以及单点登录等。其中,LDAP认证就是把用户数据放在LDAP服务器上,通过LDAP服务器上的数据对用户进行认证处理。IDP认证是指当某一用户已经拥有了另一个应用的用户身份,此时,不需要在当前应用中为这个用户再创建一个用户身份,该用户可以直接通过另一个应用的用户身份访问当前应用。单点登录是指在多个应用系统中,用户只需要登录一次就可以访问所有相互信任的应用系统。
S604:根据业务需求获取对应的业务处理项目,业务处理项目包括用户认证、身份认证以及登录验证中的至少一个。
其中,根据业务需求获取对应的业务处理项目,当业务需求不同时,对应的业务处理项目也不相同。
S605:根据业务处理项目对更新后的分析结果进行对应的业务处理。
其中,在实际应用中,可以选择其中一个业务项目进行对应的业务处理,也可以选择多个业务项目同时进行业务处理。
上述实施例中,通过获取设置的定时更新任务,并根据定时更新任务更新分析结果,得到更新后的分析结果,获取业务需求,并根据业务需求获取对应的业务处理项目,从而根据业务处理项目对更新后的分析结果进行对应的业务处理,能够适用于多种业务需求。
应该理解的是,虽然如上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。
在一个实施例中,如图7所示,提供了一种可视化和智能化的客户旅程分析系统,包括以下几个模块:用户界面(User Interface,UI)可视化模块,用于可视化数据分析;数据采集与转换模块,用于数据的采集和清洗;数据计算与存储模块,用于数据计算与存储;基础服务模块,用于查询引擎,离线任务,数据治理,元数据管理和应用网关;分析服务模块,包括事件分析、漏斗分析、路径分析、留存分析、归因分析、分布分析、间隔分析、session(计算机术语)分析、客户分群以及自定义查询。
如图8所示,采用该可视化和智能化的客户旅程分析系统进行客户旅程分析,包括以下步骤:
(1)在数据接入与转化层,通过大数据服务平台的数据采集总线将数据进行清洗后存储到本系统的数据存储层;
(2)数据接入时将在本系统录入数据的相关元数据信息,在元数据管理中,将记录这些数据之间的关联关系;
(3)根据需要采集数据的不同类型和不同渠道,在数据作业调度系统里面配置不同的调度作业来更新数据。在数据治理中,将给所有的任务配置监控任务;
(4)数据进入存储层后,聚合服务会对数据进行计算操作;
(5)查询引擎服务主要解析分析服务的SQL,进行SQL调优;
(6)分析服务模块主要是通过十大分析功能,通过UI可视化界面进行分析操作,最终将数据以图表形式展现出来;
(7)当分析结果需要定时更新的时候,通过计划任务与离线处理功能来定时更新分析结果;
(8)应用网关进行相关认证操作,包括但不限于LDAP认证,IDP认证,单点登录等。
上述实施例中,通过聚焦客户行为数据和客户标签数据,以数据驱动实现客户旅程洞察分析,最终指引产品改进、提升客户留存、促进客户活跃与粘性。克服了传统客户分析产品仅能通过人工取数分析,分析维度不完整、分析效率差的缺点。
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行为数据分析方法的行为数据分析装置。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行为数据分析装置实施例中的具体限定可以参见上文中对于行为数据分析方法的限定,在此不再赘述。
在一个实施例中,如图9所示,提供了一种行为数据分析装置,包括:数据获取模块10、组件获取模块20、数据分析模块30和结果显示模块40,其中:
数据获取模块10,用于获取待分析的行为数据;
组件获取模块20,用于获取采用拖拉拽方式获得的服务组件,并通过对服务组件进行解析生成逻辑执行计划以及物理执行计划;
数据分析模块30,用于根据逻辑执行计划以及物理执行计划对行为数据进行分析,得到分析结果;
结果显示模块40,用于根据分析结果进行可视化显示。
在一个实施例中,上述数据获取模块包括:数据获取单元、元数据获取单元和数据管理单元,其中:
数据获取单元,用于获取待处理数据;
元数据获取单元,用于获取待处理数据对应的元数据;
数据管理单元,用于对元数据进行管理,得到待分析的行为数据。
在一个实施例中,上述数据管理单元包括:数据清洗子单元、数据计算子单元和数据确定子单元,其中:
数据清洗子单元,用于根据元数据对待处理数据进行清洗,并将清理后的数据保存至数据存储层;
数据计算子单元,用于对数据存储层的数据进行聚合计算,并将计算后的数据保存至数据聚合层;
数据确定子单元,用于将数据聚合层的数据作为待分析的行为数据。
在一个实施例中,上述数据获取单元包括:类型确定子单元、调度配置子单元和数据获取子单元,其中:
类型确定子单元,用于获取待处理数据对应的数据类型和数据渠道;
调度配置子单元,用于根据数据类型和数据渠道为待处理数据配置调度作业;
数据获取子单元,用于根据调度作业获取待处理数据。
在一个实施例中,上述数据分析模块根据逻辑执行计划以及物理执行计划对行为数据进行分析,得到分析结果时,包括以下至少一种:
根据事件分析组件判断行为数据是否成功进行,并确定出现错误的位置或原因;或
根据漏斗分析组件判断行为数据是否完成漏斗转化,并获取转化率最低的环节;
根据路径分析组件判断行为数据是否满足目标需求,并确定不能满足目标需求的节点;或根据留存分析组件判断行为数据对应的目标对象的留存度,并根据留存度进行应用分析;或
根据归因分析组件获取行为数据中出现异常的触发操作;或
根据分布分析组件获取行为数据数对应的目标对象的访问偏好;或
根据间隔分析组件判断行为数据中目标事件的完成时间,并根据完成时间判断是否出现异常;或
根据操作分析组件判断行为数据对应的目标对象的访问时间,并根据访问时间进行满意度评估;或
根据分群分析组件将行为数据对应的目标对象分类,并获取同一类中目标对象的行为特征;或
根据查询分析组件中预设业务逻辑查询行为数据。
在一个实施例中,上述数据分析模块还用于获取设置的定时更新任务;根据定时更新任务更新分析结果,得到更新后的分析结果;获取业务需求;根据业务需求获取对应的业务处理项目,业务处理项目包括用户认证、身份认证以及登录验证中的至少一个;根据业务处理项目对更新后的分析结果进行对应的业务处理。
上述行为数据分析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。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。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、显示单元和输入装置通过输入/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进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种行为数据分析方法。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,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10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。
在一个实施例中,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以下步骤:获取待分析的行为数据;获取采用拖拉拽方式获得的服务组件,并通过对服务组件进行解析生成逻辑执行计划以及物理执行计划;根据逻辑执行计划以及物理执行计划对行为数据进行分析,得到分析结果;根据分析结果进行可视化显示。
在一个实施例中,处理器执行计算机程序时涉及的获取待分析的行为数据,包括:获取待处理数据;获取待处理数据对应的元数据;对元数据进行管理,得到待分析的行为数据。
在一个实施例中,处理器执行计算机程序时涉及的对元数据进行管理,得到待分析的行为数据,包括:根据元数据对待处理数据进行清洗,并将清理后的数据保存至数据存储层;对数据存储层的数据进行聚合计算,并将计算后的数据保存至数据聚合层;将数据聚合层的数据作为待分析的行为数据。
在一个实施例中,处理器执行计算机程序时涉及的获取待处理数据,包括:获取待处理数据对应的数据类型和数据渠道;根据数据类型和数据渠道为待处理数据配置调度作业;根据调度作业获取待处理数据。
在一个实施例中,处理器执行计算机程序时涉及的根据逻辑执行计划以及物理执行计划对行为数据进行分析,得到分析结果,包括以下至少一种:根据事件分析组件判断行为数据是否成功进行,并确定出现错误的位置或原因;或根据漏斗分析组件判断行为数据是否完成漏斗转化,并获取转化率最低的环节;根据路径分析组件判断行为数据是否满足目标需求,并确定不能满足目标需求的节点;或根据留存分析组件判断行为数据对应的目标对象的留存度,并根据留存度进行应用分析;或根据归因分析组件获取行为数据中出现异常的触发操作;或根据分布分析组件获取行为数据数对应的目标对象的访问偏好;或根据间隔分析组件判断行为数据中目标事件的完成时间,并根据完成时间判断是否出现异常;或根据操作分析组件判断行为数据对应的目标对象的访问时间,并根据访问时间进行满意度评估;或根据分群分析组件将行为数据对应的目标对象分类,并获取同一类中目标对象的行为特征;或根据查询分析组件中预设业务逻辑查询行为数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取设置的定时更新任务;根据定时更新任务更新分析结果,得到更新后的分析结果;获取业务需求;根据业务需求获取对应的业务处理项目,业务处理项目包括用户认证、身份认证以及登录验证中的至少一个;根据业务处理项目对更新后的分析结果进行对应的业务处理。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取待分析的行为数据;获取采用拖拉拽方式获得的服务组件,并通过对服务组件进行解析生成逻辑执行计划以及物理执行计划;根据逻辑执行计划以及物理执行计划对行为数据进行分析,得到分析结果;根据分析结果进行可视化显示。
在一个实施例中,计算机程序被处理器执行时涉及的获取待分析的行为数据,包括:获取待处理数据;获取待处理数据对应的元数据;对元数据进行管理,得到待分析的行为数据。
在一个实施例中,计算机程序被处理器执行时涉及的对元数据进行管理,得到待分析的行为数据,包括:根据元数据对待处理数据进行清洗,并将清理后的数据保存至数据存储层;对数据存储层的数据进行聚合计算,并将计算后的数据保存至数据聚合层;将数据聚合层的数据作为待分析的行为数据。
在一个实施例中,计算机程序被处理器执行时涉及的获取待处理数据,包括:获取待处理数据对应的数据类型和数据渠道;根据数据类型和数据渠道为待处理数据配置调度作业;根据调度作业获取待处理数据。
在一个实施例中,计算机程序被处理器执行时涉及的根据逻辑执行计划以及物理执行计划对行为数据进行分析,得到分析结果,包括以下至少一种:根据事件分析组件判断行为数据是否成功进行,并确定出现错误的位置或原因;或根据漏斗分析组件判断行为数据是否完成漏斗转化,并获取转化率最低的环节;根据路径分析组件判断行为数据是否满足目标需求,并确定不能满足目标需求的节点;或根据留存分析组件判断行为数据对应的目标对象的留存度,并根据留存度进行应用分析;或根据归因分析组件获取行为数据中出现异常的触发操作;或根据分布分析组件获取行为数据数对应的目标对象的访问偏好;或根据间隔分析组件判断行为数据中目标事件的完成时间,并根据完成时间判断是否出现异常;或根据操作分析组件判断行为数据对应的目标对象的访问时间,并根据访问时间进行满意度评估;或根据分群分析组件将行为数据对应的目标对象分类,并获取同一类中目标对象的行为特征;或根据查询分析组件中预设业务逻辑查询行为数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取设置的定时更新任务;根据定时更新任务更新分析结果,得到更新后的分析结果;获取业务需求;根据业务需求获取对应的业务处理项目,业务处理项目包括用户认证、身份认证以及登录验证中的至少一个;根据业务处理项目对更新后的分析结果进行对应的业务处理。
在一个实施例中,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以下步骤:
获取待分析的行为数据;获取采用拖拉拽方式获得的服务组件,并通过对服务组件进行解析生成逻辑执行计划以及物理执行计划;根据逻辑执行计划以及物理执行计划对行为数据进行分析,得到分析结果;根据分析结果进行可视化显示。
在一个实施例中,计算机程序被处理器执行时涉及的获取待分析的行为数据,包括:获取待处理数据;获取待处理数据对应的元数据;对元数据进行管理,得到待分析的行为数据。
在一个实施例中,计算机程序被处理器执行时涉及的对元数据进行管理,得到待分析的行为数据,包括:根据元数据对待处理数据进行清洗,并将清理后的数据保存至数据存储层;对数据存储层的数据进行聚合计算,并将计算后的数据保存至数据聚合层;将数据聚合层的数据作为待分析的行为数据。
在一个实施例中,计算机程序被处理器执行时涉及的获取待处理数据,包括:获取待处理数据对应的数据类型和数据渠道;根据数据类型和数据渠道为待处理数据配置调度作业;根据调度作业获取待处理数据。
在一个实施例中,计算机程序被处理器执行时涉及的根据逻辑执行计划以及物理执行计划对行为数据进行分析,得到分析结果,包括以下至少一种:根据事件分析组件判断行为数据是否成功进行,并确定出现错误的位置或原因;或根据漏斗分析组件判断行为数据是否完成漏斗转化,并获取转化率最低的环节;根据路径分析组件判断行为数据是否满足目标需求,并确定不能满足目标需求的节点;或根据留存分析组件判断行为数据对应的目标对象的留存度,并根据留存度进行应用分析;或根据归因分析组件获取行为数据中出现异常的触发操作;或根据分布分析组件获取行为数据数对应的目标对象的访问偏好;或根据间隔分析组件判断行为数据中目标事件的完成时间,并根据完成时间判断是否出现异常;或根据操作分析组件判断行为数据对应的目标对象的访问时间,并根据访问时间进行满意度评估;或根据分群分析组件将行为数据对应的目标对象分类,并获取同一类中目标对象的行为特征;或根据查询分析组件中预设业务逻辑查询行为数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取设置的定时更新任务;根据定时更新任务更新分析结果,得到更新后的分析结果;获取业务需求;根据业务需求获取对应的业务处理项目,业务处理项目包括用户认证、身份认证以及登录验证中的至少一个;根据业务处理项目对更新后的分析结果进行对应的业务处理。
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 (10)
1.一种行为数据分析方法,其特征在于,所述方法包括:
获取待分析的行为数据;
获取采用拖拉拽方式获得的服务组件,并通过对所述服务组件进行解析生成逻辑执行计划以及物理执行计划;
根据所述逻辑执行计划以及物理执行计划对所述行为数据进行分析,得到分析结果;
根据所述分析结果进行可视化显示。
2.根据权利要求1所述的方法,其特征在于,所述获取待分析的行为数据,包括:
获取待处理数据;
获取所述待处理数据对应的元数据;
对所述元数据进行管理,得到待分析的行为数据。
3.根据权利要求2所述的方法,其特征在于,所述对所述元数据进行管理,得到待分析的行为数据,包括:
根据所述元数据对所述待处理数据进行清洗,并将清理后的数据保存至数据存储层;
对所述数据存储层的数据进行聚合计算,并将计算后的数据保存至数据聚合层;
将所述数据聚合层的数据作为待分析的行为数据。
4.根据权利要求2所述的方法,其特征在于,所述获取待处理数据,包括:
获取待处理数据对应的数据类型和数据渠道;
根据所述数据类型和数据渠道为所述待处理数据配置调度作业;
根据所述调度作业获取待处理数据。
5.根据权利要求1所述的方法,其特征在于,所述根据所述逻辑执行计划以及物理执行计划对所述行为数据进行分析,得到分析结果,包括以下至少一种:
根据事件分析组件判断所述行为数据是否成功进行,并确定出现错误的位置或原因;或
根据漏斗分析组件判断所述行为数据是否完成漏斗转化,并获取转化率最低的环节;
根据路径分析组件判断所述行为数据是否满足目标需求,并确定不能满足所述目标需求的节点;或根据留存分析组件判断所述行为数据对应的目标对象的留存度,并根据所述留存度进行应用分析;或
根据归因分析组件获取所述行为数据中出现异常的触发操作;或
根据分布分析组件获取所述行为数据数对应的目标对象的访问偏好;或
根据间隔分析组件判断所述行为数据中目标事件的完成时间,并根据所述完成时间判断是否出现异常;或
根据操作分析组件判断所述行为数据对应的目标对象的访问时间,并根据所述访问时间进行满意度评估;或
根据分群分析组件将所述行为数据对应的目标对象分类,并获取同一类中目标对象的行为特征;或
根据查询分析组件中预设业务逻辑查询所述行为数据。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取设置的定时更新任务;
根据所述定时更新任务更新所述分析结果,得到更新后的分析结果;
获取业务需求;
根据所述业务需求获取对应的业务处理项目,所述业务处理项目包括用户认证、身份认证以及登录验证中的至少一个;
根据所述业务处理项目对所述更新后的分析结果进行对应的业务处理。
7.一种行为数据分析装置,其特征在于,所述装置包括:
数据获取模块,用于获取待分析的行为数据;
组件获取模块,用于获取采用拖拉拽方式获得的服务组件,并通过对所述服务组件进行解析生成逻辑执行计划以及物理执行计划;
数据分析模块,用于根据所述逻辑执行计划以及物理执行计划对所述行为数据进行分析,得到分析结果;
结果显示模块,用于根据所述分析结果进行可视化显示。
8.一种计算机设备,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6中任一项所述的方法的步骤。
9.一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6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211142073.5A CN116302867A (zh) | 2022-09-20 | 2022-09-20 | 行为数据分析方法、装置、计算机设备、介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211142073.5A CN116302867A (zh) | 2022-09-20 | 2022-09-20 | 行为数据分析方法、装置、计算机设备、介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116302867A true CN116302867A (zh) | 2023-06-23 |
Family
ID=86787510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211142073.5A Pending CN116302867A (zh) | 2022-09-20 | 2022-09-20 | 行为数据分析方法、装置、计算机设备、介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116302867A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117354356A (zh) * | 2023-12-04 | 2024-01-05 | 四川才子软件信息网络有限公司 | 一种app区域留存统计方法、系统及设备 |
-
2022
- 2022-09-20 CN CN202211142073.5A patent/CN116302867A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117354356A (zh) * | 2023-12-04 | 2024-01-05 | 四川才子软件信息网络有限公司 | 一种app区域留存统计方法、系统及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11379475B2 (en) | Analyzing tags associated with high-latency and error spans for instrumented software | |
US11797618B2 (en) | Data fabric service system deployment | |
KR102522274B1 (ko) | 사용자 그룹화 방법 및 장치, 컴퓨터 장비, 컴퓨터 판독가능 저장 매체 및 컴퓨터 프로그램 | |
KR20190075972A (ko) | 로그 파일들로부터 프로세스 흐름들을 식별하고 흐름을 시각화하기 위한 시스템들 및 방법들 | |
US20170220672A1 (en) | Enhancing time series prediction | |
US20200342068A1 (en) | Two-tier capacity planning | |
US11921799B1 (en) | Generating and using alert definitions | |
US20130212155A1 (en) | Processing event instance data in a client-server architecture | |
US20210200782A1 (en) | Creating and Performing Transforms for Indexed Data on a Continuous Basis | |
US20190108265A1 (en) | Visualizing time metric database | |
US11663109B1 (en) | Automated seasonal frequency identification | |
CN116302867A (zh) | 行为数据分析方法、装置、计算机设备、介质和程序产品 | |
US20230004560A1 (en) | Systems and methods for monitoring user-defined metrics | |
CN114791915B (zh) | 数据归集方法、装置、计算机设备和存储介质 | |
CN115619261A (zh) | 一种作业标签画像数据处理方法、装置、计算机设备 | |
CN116541454B (zh) | 事件配置方法、装置、计算机设备和存储介质 | |
CN116738960B (zh) | 单据数据处理方法、系统、计算机设备和存储介质 | |
US11853304B2 (en) | System and method for automated data and workflow lineage gathering | |
US20240045859A1 (en) | Executing aggregate computing operations in complex computing networks | |
CN117289840A (zh) | 基于画像标签的菜单确定方法、装置、设备、介质和产品 | |
CN117743373A (zh) | 单据处理方法、装置、计算机设备和存储介质 | |
CN117312375A (zh) | 基于clickhouse的实时业务数据流分析处理方法和系统 |
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 |