CN116644098A - 一种自识别灵活查询及多维分析自动化装配实现方法 - Google Patents
一种自识别灵活查询及多维分析自动化装配实现方法 Download PDFInfo
- Publication number
- CN116644098A CN116644098A CN202310541282.5A CN202310541282A CN116644098A CN 116644098 A CN116644098 A CN 116644098A CN 202310541282 A CN202310541282 A CN 202310541282A CN 116644098 A CN116644098 A CN 116644098A
- Authority
- CN
- China
- Prior art keywords
- data
- query
- analysis
- attribute
- dimension
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004220 aggregation Methods 0.000 claims abstract description 31
- 230000002776 aggregation Effects 0.000 claims abstract description 31
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 230000007246 mechanism Effects 0.000 claims abstract description 21
- 238000007405 data analysis Methods 0.000 claims description 13
- 238000013499 data model Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 239000011800 void material Substances 0.000 claims description 3
- 238000011161 development Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24553—Query execution of query operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24553—Query execution of query operations
- G06F16/24554—Unary operations; Data partitioning operations
- G06F16/24556—Aggregation; Duplicate elimination
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Abstract
本发明公开了一种自识别灵活查询及多维分析自动化装配实现方法包括数据的获取及自动分析、明细级数据的探查和数据聚合的探查,本发明通过数据结构的解读、数据的分析,自动完成维度、度量建模、模型要素与查询控件的自动识别匹配,包括特殊的机构树控件的自动化识别与组装,并动态实现查询面板中对各查询要素输入域的灵活选择与组合,并匹配可选择的多种条件探查组件,实现明细级和多维度的指标聚合的自主探查分析自动化装配实现;以解决固化报表无法灵活满足多样性的、灵活性的数据探查时效性问题。
Description
技术领域
本发明属于数据分析技术领域,具体涉及一种自识别灵活查询及多维分析自动化装配实现方法。
背景技术
随着银行业务活动的开展、新业务活动的制定,业务部门分析人员需要通过数据的挖掘分析来了解客户以及业务的发展的情况。面对业务部门的数据分析的诉求,业务部门通过提出数据分析需求对当前的分析要求进行描述并提交到科技部门,然后由科技开发人员针对当前的数据分析需求进行固定报表的开发来满足分析需求。这种方式存在如下问题:
首先,实现对数据挖掘的维度、数据选择条件、数据展示项以及汇总统计项设置固化;业务人员只能根据预设好的过虑条件、统计维度与统计指标进行数据的查询,适应的分析场景小,限制了数据分析人员灵活的进行数据探查的能力,当有新的分析场景出来或统计维度的变化时,原有的固定分析报表就无法满足需求,其无法满足灵活多变的数据探查要求。
其次,需求提出到实现过程长,时效性差。需求的提出到由开发人员进行需求分析、开发、测试、投产。整个实现周期较长,无法满足业务的时效性需求,业务部门当前的统计指标或营销场景的分析,往往有很强的时效要求。由于数据分析结果无法及时呈现,导致无法根据统计指标情况进行汇报或进行商机的把控,导致商机的延误或丢失,对活动的开展造成影响。
发明内容
本发明的目的在于提供一种自识别灵活查询及多维分析自动化装配实现方法,该方法实现输入域控件类型的自动识别与匹配以及探查条件的随意组合,以及实现灵活的多维度下聚合分析;解决了数据分析需要技术人员进行开发实现的问题和时效性问题,让业务人员在面对数据文件、数据库表的时就能一键式实现灵活的数据探查分析。
为实现上述目的,本发明采用如下技术方案:
一种自识别灵活查询及多维分析自动化装配实现方法,包括如下步骤:
(1)数据的获取及自动分析
获取数据文件或数据库数据源下对应数据表,通过数据结构自动识别、分析维度和度量识别、以及查询面板可选输入域自动匹配对获取的数据文件或数据表进行自动分析,以当前分析数据集名称作为查询分析主题名称,并自动将查询的属性信息、维度信息、度量信息、输入域类型信息存放到配置信息中;
数据结构自动识别:对于CVS、Excel数据文件,通过DataFrame获取到弹性数据集,对数据文件模型、数据类型进行解析,并通过属性dtypes获取到各属性列数据类型信息;而对于oracle数据库表通过user_tab_columns获取到数据数据模型和属性列类型信息;
分析维度和度量识别:对自动获取的数据模型需要进行维度与度量属性标签的标注,以用于后续明细分析和聚合分析可选项。通过DataFrame获取到的弹性数据集或通过user_tab_columns获取到数据数据模型及属性列信息后,识别出数值类型属性列信息,并标识为度量标签;对于字符型、日期类型列均标识为维度标签,用于明细统计、聚合分析中的可选维度集合信息项;
查询面板可选输入域自动匹配:维度属性列、度量属性列均作为可选查询输入域可选信息项,自动匹配方法包括如下步骤:
(a)机构树输入域控件自动匹配实现方法:通过DataFrame获取到CVS、Excel或数据库表数据后,通过数据分析识别出机构维度列,并匹配为机构树控件,并为机构树控件匹配机构树级查询子查询条件用于机构范围的探查条件;
(b)日期输入域控件自动匹配实现方法:对于识别出为日期类型的属性列自动匹配为日期组件,并自动为日期组件匹配等于、不等于、范围、为空、不为空可选运算符;
(c)其他字段型输入域自动匹配实现方法:为字符型属性列自动匹配文件输入域,并自动为字符型属性列提供可选的等于、包含、范围、不等于、为空、不为空可选运算操作;
(d)为数据值型输入域自动匹配实现方法:为数据值型属性列自动匹配为文本输入域,并对输入域值进行输入值类型校验,并为其提供等于、范围、不等于、为空、不为空可选运算操作;
(2)明细级数据的探查
在需进行数据分析时,对所要分析的查询分析主题进行个性化分析,个性化分析包括查询条件和展示列,查询条件通过查询属性选择是否进行进行,展示列通过展示属性选择是否需要,通过选择查询条件和/或展示列更新查询面板和数据展示区表格,个属性查询条件组合进行明细级数据探查;
(3)数据聚合的探查
在明细级数据探查基础上,即以明细级探查所查询到的数据集作为基础进行数据聚合分析;数据聚合分析包括分析维度和度量,聚合分析组合维度、需聚合统计的度量指标,以明细查询所作为子查询,以聚合统计所选维度作为分组组合维度,并计算出各分组维度如下聚合指标:数量、和、均值、最小值、最大值、中位数,并进行展示。
进一步地,数据结构解析:Void query ModeConfig(Dataset dataset,Stringquery ModeEnName,String queryModeCnName),并根据选择的数据源不同,调用方法DataSet readExcel To DataFrame(String String filepath)或调用方法DataSetreadDatabaseTab To Dataset(String dBInfo,String table)来获取数据集。
进一步地,配置信息以主、子表方式进行存放,主表存放模型主信息,子表存放模型属性、类型、维度、度量、控件类型信息。
进一步地,对于数据文件通过使用内存数据库技术并根据获取到的查询主题结构创建内存表,并将文件加载到内存表中进行明细级数据探查的封装实现。
进一步地,根据查询模型的模型英文编码获取配置信息,并动态生成查询面板组件和展示表格的属性信息列,通过“探查条件”重新选择探查属性并动态重新生成查询面板组件;通过“展示属性”重新选择要展示的属性信息;根据配置信息配置的数据源与对象名称调用方法DataSet DetailAnalymodel(String queryModeEnName,List condition)创建查询数据集。
进一步地,聚合分析调用方法DataSet MultiAnalymodel(StringqueryModeEnName,List condition,Listdimension,List measure)实现聚合分析的指标计算,创建查询数据集。
本发明通过数据结构的解读、数据的分析,自动完成维度、度量建模、模型要素与查询控件的自动识别匹配,包括特殊的机构树控件的自动化识别与组装,并动态实现查询面板中对各查询要素输入域的灵活选择与组合,并匹配可选择的多种条件探查组件,实现明细级和多维度的指标聚合的自主探查分析自动化装配实现;以解决固化报表无法灵活满足多样性的、灵活性的数据探查时效性问题。
具体实施方式
本实施例提供的一种自识别灵活查询及多维分析自动化装配实现方法包括如下步骤:
(1)数据的获取及自动分析
获取数据文件或数据库数据源下对应数据表,通过数据结构自动识别、分析维度和度量识别、以及查询面板可选输入域自动匹配对获取的数据文件或数据表进行自动分析,以当前分析数据集名称作为查询分析主题名称,并自动将查询的属性信息、维度信息、度量信息、输入域类型信息存放到配置信息中;
数据结构自动识别:对于CVS、Excel数据文件,通过DataFrame获取到弹性数据集,对数据文件模型、数据类型进行解析,并通过属性dtypes获取到各属性列数据类型信息;而对于oracle数据库表通过user_tab_columns获取到数据数据模型和属性列类型信息。
分析维度和度量识别:对自动获取的数据模型需要进行维度与度量属性标签的标注,以用于后续明细分析和聚合分析可选项。通过DataFrame获取到的弹性数据集或通过user_tab_columns获取到数据数据模型及属性列信息后,识别出数值类型属性列信息,并标识为度量标签;对于字符型、日期类型列均标识为维度标签,用于明细统计、聚合分析中的可选维度集合信息项;
查询面板可选输入域自动匹配:维度属性列、度量属性列均作为可选查询输入域可选信息项,自动匹配方法包括如下步骤:
(a)机构树输入域控件自动匹配实现方法:通过DataFrame获取到CVS、Excel或数据库表数据后,通过数据分析识别出机构维度列,并匹配为机构树控件,并为机构树控件匹配机构树级查询子查询条件用于机构范围的探查条件;
(b)日期输入域控件自动匹配实现方法:对于识别出为日期类型的属性列自动匹配为日期组件,并自动为日期组件匹配等于、不等于、范围、为空、不为空可选运算符;
(c)其他字段型输入域自动匹配实现方法:为字符型属性列自动匹配文件输入域,并自动为字符型属性列提供可选的等于、包含、范围、不等于、为空、不为空可选运算操作;
(d)为数据值型输入域自动匹配实现方法:为数据值型属性列自动匹配为文本输入域,并对输入域值进行输入值类型校验,并为其提供等于、范围、不等于、为空、不为空可选运算操作。
本实施例将查询模型的过程通过对数据的解析来自动完成对数据结构的识别,并实现将业务规则的配置转换为逻辑计算的自动解析。数据结构解析的解析实现方法:Voidquery ModeConfig(Dataset dataset,String query ModeEnName,StringqueryModeCnName),并根据选择的数据源不同,调用方法DataSet readExcel ToDataFrame(String String filepath)或调用方法DataSet readDatabaseTab To Dataset(String dBInfo,String table)来获取数据集;并通过数据集来实现查询模型的自动创建过程,并实现查询控件的匹配。
表1函数说明
通过加载文件获取Excel文件的选择,通过readExcelToDataFrame来创建数据集,并作为参数传递给queryModeConfig()来实现查询模型的自动创建。将创建查询模型配置信息,配置信息以主、子表方式进行存放,主表存放模型主信息,如表2所示,子表存放模型属性、类型、维度、度量、控件类型信息;如表3所示,若数据源为库表,根据配置的数据源的连接信息和表名称获取表结构信息,并将查询模型存放到如下主子表中。
表2查询模型主表
序号 | 列名 | 备注 |
1 | 模型编码 | 模型唯一编号 |
2 | 模型名称 | 文件名称 |
3 | 模型类型 | 0-文件、1-库表 |
4 | 文件或表名 | |
5 | 数据源 | 文件存文件路径;库表存放数据源名称 |
表3查询模型子表
序号 | 列名 | 备注 |
1 | 模型编码 | 唯一编码 |
2 | 属性名称 | 列名称 |
3 | 属性类型 | 列类型 |
4 | 是否维度 | 用于聚合分析的分组维度 |
5 | 是否度量 | 用于聚合分析的计算 |
6 | 控件类型 | 01:文本框;02:数值;03:日期;04:机构 |
(2)明细级数据的探查
在需进行数据分析时,对所要分析的查询分析主题进行个性化分析,个性化分析包括查询条件和展示列,查询条件通过查询属性选择是否进行进行,展示列通过展示属性选择是否需要,通过选择查询条件和/或展示列更新查询面板和数据展示区表格,个属性查询条件组合进行明细级数据探查。
需要说明的是,对于数据文件通过使用内存数据库技术并根据获取到的查询主题结构创建内存表,并将文件加载到内存表中进行明细级数据探查的封装实现,并为后续的数据聚合探查分析提供底层支持。
本实施例根据查询模型的模型英文编码获取配置信息,并动态生成查询面板组件和展示表格的属性信息列,用户可以通过“探查条件”重新选择探查属性并动态重新生成查询面板组件;通过”展示属性“重新选择要展示的属性信息。根据配置信息配置的数据源与对象名称调用方法DataSet DetailAnalymodel(String queryModeEnName,Listcondition)创建查询数据集,将查询结果返回到应用端进行展示。
(3)数据聚合的探查
在明细级数据探查基础上,即以明细级探查所查询到的数据集作为基础进行数据聚合分析;数据聚合分析包括分析维度和度量,聚合分析组合维度、需聚合统计的度量指标,以明细查询所作为子查询,以聚合统计所选维度作为分组组合维度,并计算出各分组维度如下聚合指标:数量、和、均值、最小值、最大值、中位数,并进行展示。
在明细查询的基础上,聚合分析调用方法DataSet MultiAnalymodel(StringqueryModeEnName,List condition,Listdimension,List measure)实现聚合分析的指标计算,创建查询数据集,将查询结果返回到应用端进行展示。
本发明通过对数据和数据结构的分析来实现复杂的查询模型属性、维度、度量、控件类型的自动识别与配置,并通过界面的探查条件、展示信息项的选择来实现展现页面的动态生成,以及在明细探查的基础上,通过维度与度量的组合实现聚合分析装配方法。
以上所述仅是本发明优选的实施方式,但本发明的保护范围并不局限于此,任何基于本发明所提供的技术方案和发明构思进行的改造和替换都应涵盖在本发明的保护范围内。
Claims (6)
1.一种自识别灵活查询及多维分析自动化装配实现方法,其特征在于,包括如下步骤:
(1)数据的获取及自动分析
获取数据文件或数据库数据源下对应数据表,通过数据结构自动识别、分析维度和度量识别、以及查询面板可选输入域自动匹配对获取的数据文件或数据表进行自动分析,以当前分析数据集名称作为查询分析主题名称,并自动将查询的属性信息、维度信息、度量信息、输入域类型信息存放到配置信息中;
数据结构自动识别:对于CVS、Excel数据文件,通过DataFrame获取到弹性数据集,对数据文件模型、数据类型进行解析,并通过属性dtypes获取到各属性列数据类型信息;而对于oracle数据库表通过user_tab_columns获取到数据数据模型和属性列类型信息;
分析维度和度量识别:对自动获取的数据模型需要进行维度与度量属性标签的标注,以用于后续明细分析和聚合分析可选项。通过DataFrame获取到的弹性数据集或通过user_tab_columns获取到数据数据模型及属性列信息后,识别出数值类型属性列信息,并标识为度量标签;对于字符型、日期类型列均标识为维度标签,用于明细统计、聚合分析中的可选维度集合信息项;
查询面板可选输入域自动匹配:维度属性列、度量属性列均作为可选查询输入域可选信息项,自动匹配方法包括如下步骤:
(a)机构树输入域控件自动匹配实现方法:通过DataFrame获取到CVS、Excel或数据库表数据后,通过数据分析识别出机构维度列,并匹配为机构树控件,并为机构树控件匹配机构树级查询子查询条件用于机构范围的探查条件;
(b)日期输入域控件自动匹配实现方法:对于识别出为日期类型的属性列自动匹配为日期组件,并自动为日期组件匹配等于、不等于、范围、为空、不为空可选运算符;
(c)其他字段型输入域自动匹配实现方法:为字符型属性列自动匹配文件输入域,并自动为字符型属性列提供可选的等于、包含、范围、不等于、为空、不为空可选运算操作;
(d)为数据值型输入域自动匹配实现方法:为数据值型属性列自动匹配为文本输入域,并对输入域值进行输入值类型校验,并为其提供等于、范围、不等于、为空、不为空可选运算操作;
(2)明细级数据的探查
在需进行数据分析时,对所要分析的查询分析主题进行个性化分析,个性化分析包括查询条件和展示列,查询条件通过查询属性选择是否需要,展示列通过展示属性选择是否需要,通过选择查询条件和/或展示列更新查询面板和数据展示区表格,个属性查询条件组合进行明细级数据探查;
(3)数据聚合的探查
在明细级数据探查基础上,即以明细级探查所查询到的数据集作为基础进行数据聚合分析;数据聚合分析包括分析维度和度量,聚合分析组合维度、需聚合统计的度量指标,以明细查询所作为子查询,以聚合统计所选维度作为分组组合维度,并计算出各分组维度如下聚合指标:数量、和、均值、最小值、最大值、中位数,并进行展示。
2.根据权利要求1所述的一种自识别灵活查询及多维分析自动化装配实现方法,其特征在于,数据结构解析:Void query ModeConfig(Dataset dataset,String queryModeEnName,String queryModeCnName),并根据选择的数据源不同,调用方法DataSetreadExcel To DataFrame(String String filepath)或调用方法DataSetreadDatabaseTab To Dataset(String dBInfo,String table)来获取数据集。
3.根据权利要求1所述的一种自识别灵活查询及多维分析自动化装配实现方法,其特征在于,配置信息以主、子表方式进行存放,主表存放模型主信息,子表存放模型属性、类型、维度、度量、控件类型信息。
4.根据权利要求1所述的一种自识别灵活查询及多维分析自动化装配实现方法,其特征在于,对于数据文件通过使用内存数据库技术并根据获取到的查询主题结构创建内存表,并将文件加载到内存表中进行明细级数据探查的封装实现。
5.根据权利要求1所述的一种自识别灵活查询及多维分析自动化装配实现方法,其特征在于,根据查询模型的模型英文编码获取配置信息,并动态生成查询面板组件和展示表格的属性信息列,通过“探查条件”重新选择探查属性并动态重新生成查询面板组件;通过“展示属性”重新选择要展示的属性信息;根据配置信息配置的数据源与对象名称调用方法DataSet DetailAnalymodel(String queryModeEnName,List condition)创建查询数据集。
6.根据权利要求1所述的一种自识别灵活查询及多维分析自动化装配实现方法,其特征在于,聚合分析调用方法DataSet MultiAnalymodel(String queryModeEnName,Listcondition,Listdimension,List measure)实现聚合分析的指标计算,创建查询数据集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310541282.5A CN116644098B (zh) | 2023-05-15 | 2023-05-15 | 一种自识别灵活查询及多维分析自动化装配实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310541282.5A CN116644098B (zh) | 2023-05-15 | 2023-05-15 | 一种自识别灵活查询及多维分析自动化装配实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116644098A true CN116644098A (zh) | 2023-08-25 |
CN116644098B CN116644098B (zh) | 2024-01-30 |
Family
ID=87639092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310541282.5A Active CN116644098B (zh) | 2023-05-15 | 2023-05-15 | 一种自识别灵活查询及多维分析自动化装配实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116644098B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106776834A (zh) * | 2016-11-28 | 2017-05-31 | 中通服公众信息产业股份有限公司 | 一种基于指标的数据分析自取数方法及系统 |
CN110032591A (zh) * | 2018-12-28 | 2019-07-19 | 国网浙江省电力有限公司信息通信分公司 | 一种资产大数据智能分析方法 |
US20200097483A1 (en) * | 2018-01-11 | 2020-03-26 | SHANGHAI KYLIGENCE INFORMATION TECHNOLOGY Co.,Ltd. | Novel olap pre-calculation model and method for generating pre-calculation result |
CN114519067A (zh) * | 2022-02-17 | 2022-05-20 | 徐婷 | 一种基于自动化sql编写的数据指标查询模型 |
-
2023
- 2023-05-15 CN CN202310541282.5A patent/CN116644098B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106776834A (zh) * | 2016-11-28 | 2017-05-31 | 中通服公众信息产业股份有限公司 | 一种基于指标的数据分析自取数方法及系统 |
US20200097483A1 (en) * | 2018-01-11 | 2020-03-26 | SHANGHAI KYLIGENCE INFORMATION TECHNOLOGY Co.,Ltd. | Novel olap pre-calculation model and method for generating pre-calculation result |
CN110032591A (zh) * | 2018-12-28 | 2019-07-19 | 国网浙江省电力有限公司信息通信分公司 | 一种资产大数据智能分析方法 |
CN114519067A (zh) * | 2022-02-17 | 2022-05-20 | 徐婷 | 一种基于自动化sql编写的数据指标查询模型 |
Also Published As
Publication number | Publication date |
---|---|
CN116644098B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10853387B2 (en) | Data retrieval apparatus, program and recording medium | |
CN103177061B (zh) | 分区表中的唯一值估计 | |
CN108228817A (zh) | 数据处理方法、装置和系统 | |
CA2795628C (en) | Method and system for providing business intelligence data | |
US20130166498A1 (en) | Model Based OLAP Cube Framework | |
US8543535B2 (en) | Generation of star schemas from snowflake schemas containing a large number of dimensions | |
US11704340B2 (en) | Linking discrete dimensions to enhance dimensional analysis | |
US9547646B2 (en) | User-created members positioning for OLAP databases | |
CN107015987B (zh) | 一种更新和搜索数据库的方法及设备 | |
US9110935B2 (en) | Generate in-memory views from universe schema | |
US9652740B2 (en) | Fan identity data integration and unification | |
KR20050061597A (ko) | 버저닝된 데이터베이스에 대한 리포트를 생성하기 위한시스템 및 방법 | |
CN111414410A (zh) | 数据处理方法、装置、设备和存储介质 | |
KR101829198B1 (ko) | 보고서의 중요도를 분석하는 메타 데이터 기반 온라인 분석 프로세싱 시스템 | |
CN110674117A (zh) | 数据建模方法、装置、计算机可读介质及电子设备 | |
CN116644098B (zh) | 一种自识别灵活查询及多维分析自动化装配实现方法 | |
CN112527918A (zh) | 一种数据处理的方法和装置 | |
Girsang et al. | Decision support system using data warehouse for hotel reservation system | |
US20200364725A1 (en) | Regulatory category assignment via machine learning | |
US11822548B2 (en) | Data warehouse framework for high performance reporting | |
Savinov | ConceptMix-Self-Service Analytical Data Integration based on the Concept-Oriented Model. | |
CN110826151B (zh) | 电动汽车模型设计方法 | |
US9489438B2 (en) | Systems and methods for visualizing master data services information | |
CN115017185A (zh) | 一种数据处理方法、装置及存储介质 | |
US11216486B2 (en) | Data retrieval apparatus, program and recording medium |
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 |