CN116719973A - 数据处理方法、装置、终端设备以及存储介质 - Google Patents

数据处理方法、装置、终端设备以及存储介质 Download PDF

Info

Publication number
CN116719973A
CN116719973A CN202310742259.2A CN202310742259A CN116719973A CN 116719973 A CN116719973 A CN 116719973A CN 202310742259 A CN202310742259 A CN 202310742259A CN 116719973 A CN116719973 A CN 116719973A
Authority
CN
China
Prior art keywords
link
unit operation
full
data processing
aging
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
Application number
CN202310742259.2A
Other languages
English (en)
Inventor
邵森鸿
胡成跃
杨秀梅
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.)
China Merchants Bank Co Ltd
Original Assignee
China Merchants Bank 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 China Merchants Bank Co Ltd filed Critical China Merchants Bank Co Ltd
Priority to CN202310742259.2A priority Critical patent/CN116719973A/zh
Publication of CN116719973A publication Critical patent/CN116719973A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9027—Trees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种数据处理方法、装置、终端设备以及存储介质，涉及数据治理领域，其方法包括：获取待治理的种子作业节点的种子作业信息；将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案。本发明降低了数据时效治理的难度，提高了数据时效治理效率。

Description

数据处理方法、装置、终端设备以及存储介质
技术领域
本申请涉及数据治理领域，尤其涉及一种数据处理方法、装置、终端设备以及存储介质。
背景技术
随着银行业务发展，国内各大银行积累的业务数据越来越多，形成了巨大体量的数据湖，因此当前的数据资产及加工作业已达百万量级。可以围绕这些数据进行分析，进而提高业务效率，提升客户满意度。
然而，目前银行业内存在很多数据汇总不及时的时效问题，因为数据量庞大，数据库节点多，增加了数据时效治理的难度，降低了数据时效治理效率，使得数据时效问题难以治理。数据时效问题的治理难点具体表现在：时效治理团队间沟通成本高、问题分析轮次多；且数据延迟根因繁杂，难以定位，处理时效问题的周期长；整改项敲定效率低，响应不及时；难以实时跟踪治理任务，治理效果跟踪缺乏抓手，治理效果易反弹。
发明内容
本申请的主要目的在于提供一种数据处理方法、装置、终端设备以及存储介质，旨在降低数据时效问题的治理难度，提高了数据时效问题的治理效率。
为实现上述目的，本申请提供一种数据处理方法，所述数据处理方法包括：
获取待治理的种子作业节点的种子作业信息；
将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案。
可选地，所述将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案的步骤之前还包括：
建立所述全链路图谱，具体步骤包括：
获取单位作业节点的单位作业信息；
根据预设的时效规则，对所述单位作业节点进行标识，得到标识后的单位作业节点；
根据所述标识后的单位作业节点和所述单位作业信息，建立所述全链路图谱。
可选地，所述全链路图谱包括全链路树形图谱，所述根据所述标识后的单位作业和所述单位作业信息，建立所述全链路图谱的步骤包括：
根据所述单位作业信息，分析所述单位作业节点之间的关系，获取所述单位作业节点的点集合和边集合；
根据所述点集合、所述边集合和所述标识后的单位作业节点，建立所述全链路树形图谱。
可选地，所述时效治理方案包括出具时效治理报告，所述将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案的步骤包括：
将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中进行如下操作：
根据所述全链路图谱和所述种子作业信息，确定所述待治理的种子作业节点所在的异常链路；
分析所述异常链路，得到所述时效治理报告。
可选地，所述时效治理方案还包括制定时效治理任务，所述分析所述异常链路，得到所述时效治理报告的步骤之后还包括：
根据所述异常链路，确定所述异常链路中的异常的单位作业节点；
制定并向所述异常的单位作业节点发送所述时效治理任务。
可选地，所述制定并向所述异常的单位作业节点发送所述时效治理任务的步骤之后还包括：
根据所述时效治理任务，生成时效治理全流程程序。
可选地，所述制定并向所述异常的单位作业节点发送所述时效治理任务的步骤之前还包括：
计算所述异常链路的时效长度；
根据所述时效长度，确定所述时效治理任务的治理优先级。
本申请实施例还提出一种数据处理装置，所述数据处理装置包括：
信息获取模块，用于获取待治理的种子作业节点的种子作业信息；
方案制定模块，用于将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案。
本申请实施例还提出一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的数据处理程序，所述数据处理程序被所述处理器执行时实现如上所述的数据处理方法的步骤。
本申请实施例还提出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数据处理程序，所述数据处理程序被处理器执行时实现如上所述的数据处理方法的步骤。
本申请实施例提出的数据处理方法、装置、终端设备以及存储介质，通过获取待治理的种子作业节点的种子作业信息；将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案。具体通过获取待治理的种子作业节点的种子作业信息，然后把种子作业信息输入到基于全链路图谱建立的全链路时效治理模型，得到治理方案。其中全链路时效治理模型是基于全链路图谱建立的，可以反映全链路中全部单位作业节点的状态，从而可以清晰快捷地得到状态异常的单位作业节点，实现快速定位到数据异常的根因，降低数据时效问题的治理难度，提高了数据时效问题的治理效率。
附图说明
图1为本申请数据处理装置所属终端设备的功能模块示意图；
图2为本申请数据处理方法第一示例性实施例的流程示意图；
图3为本申请数据处理方法第二示例性实施例的流程示意图；
图4为本申请数据处理方法第三示例性实施例的流程示意图；
图5为本申请数据处理方法第四示例性实施例的流程示意图；
图6为本申请数据处理方法第五示例性实施例的流程示意图；
图7为本申请数据处理方法第六示例性实施例的流程示意图；
图8为本申请数据处理方法第七示例性实施例的流程示意图；
图9为本申请涉及的零售数据全链路时效智能分析诊断及治理工具架构图示意图；
图10为本申请涉及的时效规则示意图；
图11为本申请涉及的数据区时效标准示意图；
图12为本申请涉及的AMT/BMT数据区自身流转过长作业诊断算法流程示意图；
图13为本申请涉及的拓扑二维绘图法示意图；
图14为本申请涉及的单向图广度优先遍历算法流程示意图。
本申请目的的实现、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
应当理解，此处所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。
本申请实施例的主要解决方案是：通过获取待治理的种子作业节点的种子作业信息；将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案。具体通过获取待治理的种子作业节点的种子作业信息，然后把种子作业信息输入到基于全链路图谱建立的全链路时效治理模型，得到治理方案。其中全链路时效治理模型是基于全链路图谱建立的，可以反映全链路中全部单位作业节点的状态，从而可以清晰快捷地得到状态异常的单位作业节点，实现快速定位到数据异常的根因，降低数据时效问题的治理难度，提高了数据时效问题的治理效率。
本申请实施例考虑到，目前银行业内存在很多数据汇总不及时的时效问题，因为数据量庞大，数据库节点多，增加了数据时效治理的难度，降低了数据时效治理效率，使得数据时效问题难以治理。数据时效问题的治理难点具体表现在：时效治理团队间沟通成本高、问题分析轮次多；且数据延迟根因繁杂，难以定位，处理时效问题的周期长；整改项敲定效率低，响应不及时；难以实时跟踪治理任务，治理效果跟踪缺乏抓手，治理效果易反弹。
基于此，本申请实施例提出一种解决方案，具体通过获取待治理的种子作业节点的种子作业信息，然后把种子作业信息输入到基于全链路图谱建立的全链路时效治理模型，得到治理方案。其中全链路时效治理模型是基于全链路图谱建立的，可以反映全链路中全部单位作业节点的状态，从而可以清晰快捷地得到状态异常的单位作业节点，实现快速定位到数据异常的根因。
具体地，参照图1，图1为本申请数据处理装置所属终端设备的功能模块示意图。该数据处理装置可以为独立于终端设备的、能够进行数据处理的装置，也可以通过硬件或软件的形式承载于终端设备上。
在本实施例中，该数据处理装置所属终端设备至少包括输出模块110、处理器120、存储器130以及通信模块140。
存储器130中存储有操作系统以及数据处理程序，获取待治理的种子作业节点的种子作业信息；将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案存储于该存储器130中；输出模块110可为显示屏、扬声器等。通信模块140可以包括WIFI模块、移动通信模块以及蓝牙模块等，通过通信模块140与外部设备或服务器进行通信。
其中，存储器130中的数据处理程序被处理器执行时实现以下步骤：
获取待治理的种子作业节点的种子作业信息；
将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案。
进一步地，存储器130中的数据处理程序被处理器执行时还实现以下步骤：
建立所述全链路图谱，具体步骤包括：
获取单位作业节点的单位作业信息；
根据预设的时效规则，对所述单位作业节点进行标识，得到标识后的单位作业节点；
根据所述标识后的单位作业节点和所述单位作业信息，建立所述全链路图谱。
进一步地，存储器130中的数据处理程序被处理器执行时还实现以下步骤：
根据所述单位作业信息，分析所述单位作业节点之间的关系，获取所述单位作业节点的点集合和边集合；
根据所述点集合、所述边集合和所述标识后的单位作业节点，建立所述全链路树形图谱。
进一步地，存储器130中的数据处理程序被处理器执行时还实现以下步骤：
将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中进行如下操作：
根据所述全链路图谱和所述种子作业信息，确定所述待治理的种子作业节点所在的异常链路；
分析所述异常链路，得到所述时效治理报告。
进一步地，存储器130中的数据处理程序被处理器执行时还实现以下步骤：
根据所述异常链路，确定所述异常链路中的异常的单位作业节点；
制定并向所述异常的单位作业节点发送所述时效治理任务
进一步地，存储器130中的数据处理程序被处理器执行时还实现以下步骤：
根据所述时效治理任务，生成时效治理全流程程序。
进一步地，存储器130中的数据处理程序被处理器执行时还实现以下步骤：
计算所述异常链路的时效长度；根据所述时效长度，确定所述时效治理任务的治理优先级。
本实施例通过上述方案，通过获取待治理的种子作业节点的种子作业信息；将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案。具体通过获取待治理的种子作业节点的种子作业信息，然后把种子作业信息输入到基于全链路图谱建立的全链路时效治理模型，得到治理方案。其中全链路时效治理模型是基于全链路图谱建立的，可以反映全链路中全部单位作业节点的状态，从而可以清晰快捷地得到状态异常的单位作业节点，实现快速定位到数据异常的根因，降低数据时效问题的治理难度，提高了数据时效问题的治理效率。
基于上述终端设备架构但不限于上述架构，提出本申请方法实施例。
参照图2，图2为本申请数据处理方法第一示例性实施例的流程示意图。
本发明一实施例提供一种数据处理方法，该方法包括：
步骤S10，获取待治理的种子作业节点的种子作业信息；
随着时代发展，各行各业的业务量呈现出巨量上升的态度，由此积累的业务数据也越来越多。这些数据拥有巨大的价值，可以围绕这些数据进行分析，进而提高业务效率，提升客户满意度。
然而，大量的数据处理不及时，就不能起到提高业务效率，提升客户满意度的作用，以银行业为例，银行的业务遍布全国乃至世界各地，每个支行又有若干个数据系统，导致业务数据比较分散，没有统一的体系。当做数据分析或统计需要多个业务点的提供数据时，容易因某些业务点出现问题而不能及时提供数据，导致数据失去了时效价值，不能满足快速决策需求，因此及时治理数据时效问题。
然而，治理数据时效问题往往很难执行，因为数据节点规模大，数据链路深度长，分析难度大多；数据治理团队间沟通成本高；数据节点延迟根因繁杂，定位复杂度高、周期长；整改项敲定及进度跟进会议多、效率低，响应不及时。重要应用缺乏时效实时跟踪，治理效果跟踪缺乏抓手，治理效果易反弹。
为了降低数据时效问题的治理难度，提高数据时效问题的治理效率，本实施例提出获取待治理的种子作业节点的种子作业信息，然后把种子作业信息输入到基于全链路图谱建立的全链路时效治理模型，得到治理方案。其中全链路时效治理模型是基于全链路图谱建立的，全链路图谱包含多个链路，链路连接全部单位作业节点，可以从全链路图谱中得知单位作业节点的数据流向(包括流出与流入)，可以反映全链路中全部单位作业节点的状态，从而可以清晰快捷地得到状态异常的单位作业节点，实现快速定位到数据异常的根因。
本实施例旨在提供一套行之有效的方法论和系统工具，全方位提升时效治理的自动化程度，提高时效治理效率。以银行业为例，行内数字化转型，需以高时效高质量的商业数据为抓手。而随着业务不断发展，数据仓库各应用数据血缘及链路不断加深，其数据时效已不再能满足T+1的用户需求，不能及时给行内的商业决策提供数据及时支持基础。本实施例提出银行可以结合基于全链路图谱建立的全链路时效治理模型打造一个数据治理系统工具，解决企业内业务系统之间的数据时效问题，实现第一手商业数据能在T+1甚至T+0时间出具数据报表，如区域总行的决策者能在上班前收到汇集各支行的数据的数据报表。满足银行的BI(Business Intelligence，商业智能)数据能第一时间出具时间，为管理者商业决策提供坚实的数据及时支持基础。
具体地，单位作业节点是指数据链路中一个的数据运作节点，可以包括单个数据系统，如储蓄所的柜台业务系统、结算业务系统等，包含接收各种存款、贷款、结息和结算中发生的资金信息，接收业务活动中产生的各种管理信息和专项调查信息。可以理解地，接收的这些信息通过数据库系统按规范要求加工整理后，可以向上报上级银行的数据库或系统，即上游单位作业节点。
进一步地，种子作业节点是指数据链路中一个的数据汇总运作节点，是一种特殊的单位作业节点，种子作业节点通过多条链路，汇集单位作业节点的数据进行作业，或汇集已经被单位作业节点处理过的数据，再进行作业。如在总行数据系统(种子作业节点)汇总了在各个分支机构和营业网点分布着的业务数据及其相关数据。种子作业节点的一个关键功能是出具数据报表，令决策者通过下游的数据整合及时做出商业决策。可以理解地，待治理的种子作业节点即是不能正常作业的种子作业节点，不能及时获取下游单位作业节点的数据支持。
具体地，种子作业节点可以是链路末端的单位作业节点，也可以是链路中间的单位作业节点。即种子作业节点可以是某个链路中最上游的单位作业节点，同时也可以为链路中其他种子作业节点的下游。以银行业为例，区域总行的某数据系统可以作为地区支行的上游节点，同时区域总行也可以作为中心总行的下游节点。
可以理解地，正常作业的种子作业节点可以实现把单位作业节点的数据的集中和整合，并通过对数据深层次地挖掘，对客户数据及业务数据进行系统的分析和评价，使银行的决策科学化，从而提高管理水平和工作效率。
步骤S30，将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案；
当种子作业节点不能顺利作业时，如数据报表不能按预定时间自动生成时，需要治理该种子作业节点，应当寻找种子作业节点的下游的单位作业节点的状况，并根据实际状况指定时效治理方案，解决数据时效问题。
本实施提出的通过基于全链路谱图的全链路时效治理模型，具体地，全链路图谱可以是一个通过链路连接企业内全部单位作业节点的图谱，可以清晰表现各单位作业节点之间的关系，以及数据的流向。因此，通过全链路图谱可快速定位到待治理的种子作业节点所在的链路，然后通过检查链路上的单位作业节点是否异常，可快速定位该待治理的种子作业节点的数据时效异常根因，通过分析数据时效异常根因，出相应的时效治理方案，可以有针对性地解决问题，实现快速解决数据时效异常问题的效果。
具体地，种子作业信息可以包括种子作业节点的节点识别号(ID)，全链路时效治理模型可以根据节点ID可以准确找到待治理的种子作业节点在全链路图谱中的位置，即所涉及的链路中的位置，以及相关链路上的所有单位作业节点。因为单位作业节点可能是其他单位节点的上游节点或下游节点，因此单位作业节点出现异常，可能是自身原因，也可能是下游单位作业节点出现异常。通过分析全链路，找到相关异常的单位作业节点，并分析异常的单位作业节点，得到时效治理方案。
更具体地，通过全链路时效异常根因分析，得到时效治理方案。时效治理方案可以包括出具时效治理报告，即关于单位节点时效异常的报告，具体可以关于基于作业完成时间、批处理执行时长和等待时长对链路上的单位作业节点的综合评断；时效治理方案也可以是向异常单位作业节点发出时效治理任务，要求负责对应异常单位作业节点的工作人员根据实际情况处理数据时效问题。
进一步地，对于时效治理任务可以进一步生成时效治理全流程程序，对异常的单位作业节点形成分派－审核－治理－催办－验收闭环时效治理流程，从而系统性治理企业内数据时效问题。
图9为零售数据全链路时效智能分析诊断及治理工具架构图，是基于本实施例提出的数据处理方法的创建的治理工具的架构图。
该治理工具主要产出的治理业务包括提供各类终端应用治理功能，包括制作时效治理方案，如通过一键分析诊断、数据标准、血缘分析、数据探查、一键自动化治理和影响分析等功能制定时效治理方案，为团队和应用提供时效诊断应用依据。
数据源：来自各个单位作业节点，包括两大方向。一是调度系统，分为Control-M行内通用调度系统和仓外联机调度系统；二是业务应用系统，数智零售、先机标签、私行云图、W+平台、资产中台等数据应用。
采集层和存储层：元数据通过数种方式将源数据采集至存储层：批式数据通过交换平台加载GAUSS核心库；流式数据通过Kafka加载ES集群；API接口数据和业务系统数据采集至联机库。
计算层：对分析和时效治理任务进行管控，对ES、联机库等计算资源高效配置；应用AI计算算法，计算生成作业时效全链路知识图谱、树形图谱异常节点智能诊断结果及树形图谱时效关键路径；从而产出时效治理全流程程序中各环节结果数据。
服务层：为时效治理方案提供数据服务，包括实时数据服务：提供全链路血缘影响实时数据服务和异常作业节点实时根因检索服务；在线API服务：提供作业各分位、近N日均值时效接口、时效异常值接口、时效趋势接口等；元数据共享服务：对外共享计算层和服务层结果数据。
通过全链路时效治理模型对时效问题精准定位，为治理者生成时效治理方案，从而降低数据时效问题的治理难度，提高了数据时效问题的治理效率。
本申请实施例提出的数据处理方法，通过获取待治理的种子作业节点的种子作业信息；将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案。具体通过获取待治理的种子作业节点的种子作业信息，然后把种子作业信息输入到基于全链路图谱建立的全链路时效治理模型，得到治理方案。其中全链路时效治理模型是基于全链路图谱建立的，可以反映全链路中全部单位作业节点的状态，从而可以清晰快捷地得到状态异常的单位作业节点，实现快速定位到数据异常的根因，降低数据时效问题的治理难度，提高了数据时效问题的治理效率。
参照图3，图3为本申请数据处理方法第二示例性实施例的流程示意图。
基于第一实施例，提出本申请第二实施例，本申请第二实施例与第一实施例的区别在于：
对步骤S30，将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案的步骤之前进行补充，其中补充的步骤可以包括：
在本实施例中；步骤S20，建立所述全链路图谱；
为了准确和快速地定位数据时效治理问题的原因，可以建立全链路图谱。相对于传统的关系型数据库图谱，全链路图谱具有归因分析、溯源、溯因、反向追溯、正向模拟等优势。在本实施例中，通过全链路图谱快速定位种子作业节点所在的异常链路上的异常的单位作业节点，通过有针对性地解决异常的单位作业节点的问题，降低数据时效问题的治理难度，提高数据时效问题的治理效率，从而解决时效问题。
进一步地，通过全链路时效治理模型对时效问题精准定位，为治理者生成时效治理方案，降低数据时效问题的治理难度，提高了数据时效问题的治理效率。
具体地，可以前期采用VUE+Antv G6图可视化引擎来构建全链路图谱，后期随着数据量级的不断增长转为基于图数据库构建图谱提升性能。
步骤S21，获取单位作业节点的单位作业信息；
具体地，可以从单位作业节点的单位作业信息中，获取单位作业节点的上下游信息，根据上述上下游信息确定单位作业节点在全链路图谱的位置信息。
具体地，可以通过图数据库将作业节点信息和作业上下游关系组合成基本单位，形成数据仓库百万级的中型图数据库的单位作业节点集合。
步骤S22，根据预设的时效规则，对所述单位作业节点进行标识，得到标识后的单位作业节点；
为了区分异常链路和正常链路，需要对链路上的单位作业节点作标识，通过标识后的单位作业节点及链路关系，可以实现快速定位异常时效问题的根因。具体地，可以通过预设的时效规则，标识单位作业节点。可以使单位作业节点分为正常状态和异常状态两类。
具体地，预设的时效规则的制定标准可以是数据区时间标准，对作业完成时间标准、批处理执行时长标准、等待时长等时间标准，将单位作业节点标识为正常状态和异常状态两类。其中异常分为超时、自身性能问题(批处理时长过长)、等待过长三类原因。
更具体地，如图10所示，以某个种子作业节点的链路和对应时效规则举例，该种子作业节点的下游是AMT业务应用集市中的AMT作业节点、BMT业务应用集市中的BMT作业节点、NAP基础数据区中的PDM作业节点、NDS非规范数据区的NDS区作业节点和数据准备区的STG区作业节点。
预设的时效规则可以包括各数据区通用规则，以图10的种子作业节点的链路为例，如等待下游单位作业节点的资源的标准时间为10分钟、单位作业节点作业标准运行时长为20分钟和出数约定时间。其中，出数约定时间可以为按照种子作业节点近40日90分位值的目标时间，种子作业节点的下游数据区中的单位作业节点出数时间需按数据流顺序依次提早40分钟(如图11所示，作为AMART下游的BMART的约定出数时间比AMRT的约定出数时间提早40分钟；作为BMART下游的PAM/SUM/NDS的约定出数时间需要比BMART的约定出数时间提早40分钟)。此外，白名单作业(白名单内的单位作业节点的状态视为正常)不受上述规则影响。
此外，该种子作业节点的链路对应时效规则还可以包括单数据区内规则，以图10的种子作业节点的链路为例，如AMT和BMT中间环节持有规则：链路自身流转标准时间为40分钟，其中AMT/BMT数据区自身流转过长作业诊断算法可以如图12所示。
此外，该种子作业节点的链路对应时效规则还可以包括基础数据区持有规则，以图10的种子作业节点的链路为例，瓶颈节点，源系统落数迟。因为DAP中心模型链路相对较短，问题根因是上游源系统数据到位时间晚，定义为时效瓶颈节点。时效瓶颈节点的资源等待时间可以适当延长。
可以理解地，通过上述规则对单位作业节点进行标识，如超过规则中的标准时间，则把单位作业节点的状态定位异常，从而把单位作业节点分为正常和异常两类，并且在全链路图谱中得以显示，如正常单位作业节点是以绿色显示，异常单位作业节点是以红色显示。
步骤S23，根据所述标识后的单位作业节点和所述单位作业信息，建立所述全链路图谱。
具体地，根据标识后的单位作业节点的单位作业节点的状态，结合根据单位作业信息得到单位作业节点的位置关系与数据流向分析，通过图数据库构建全链路图谱。
通过全链路图谱快速定位种子作业节点所在的异常链路上的异常的单位作业节点，通过有针对性地解决异常的单位作业节点的问题，降低数据时效问题的治理难度，提高数据时效问题的治理效率，从而解决时效问题。
本申请实施例提出的数据处理方法，通过建立所述全链路图谱，具体步骤包括：获取单位作业节点的单位作业信息；根据预设的时效规则，对所述单位作业节点进行标识，得到标识后的单位作业节点；根据所述标识后的单位作业节点和所述单位作业信息，建立所述全链路图谱,通过建立全链路图谱，从而建立全链路时效治理模型，实现对时效问题精准定位，为治理者生成时效治理方案，降低数据时效问题的治理难度，提高了数据时效问题的治理效率。
参照图4，图4为本申请数据处理方法第三示例性实施例的流程示意图。
基于第二实施例，提出本申请第三实施例，本申请第三实施例与第二实施例的区别在于：所述全链路图谱包括全链路树形图谱；
对步骤S23，根据所述标识后的单位作业节点和所述单位作业信息，建立所述全链路图谱的步骤进行细化，其中细化的步骤可以包括：
在本实施例中，步骤S23，根据所述标识后的单位作业节点和所述单位作业信息，建立所述全链路图谱的步骤包括：
步骤S231，根据所述单位作业信息，分析所述单位作业节点之间的关系，获取所述单位作业节点的点集合和边集合；
步骤S232，根据所述点集合、所述边集合和所述标识后的单位作业节点，建立所述全链路树形图谱。
为了令全链路图谱更加直观地表达单位作业节点的信息以及链路情况，可以采用全链路树状图谱。
具体地，可以采用VUE+Antv G6图可视化引擎来构建全链路树形图谱，后随着数据量级的不断增长转为基于图数据库构建图谱提升性能。
具体地，如图13的右下角所示，每个单位作业节点在二维树状图中都对应一个坐标，X坐标：单位作业节点的一个属性值(Depth)，即树形层级；Y坐标：同层级作业点序号，可以是按其上游单位作业节点排位的顺序号来标记。
具体地，单位作业信息可以包括单位作业节点的ID、单位作业节点的数据流关系，即上下游关系。通过图数据库将单位作业节点作为基本单位，即点集合，再通过单位作业节点的上下游关系将单位作业节点连线，即边集合。然后根据预设的绘图算法，建立全链路树形图谱。
具体地，如图13所示，整体绘图法可以以节点集合和边集合为源数据(过滤无效数据-跨日依赖|循环依赖)，以DOM容器为存储对象，辅以循环递归算法，计算出单位作业节点坐标集合。
然后以单位作业节点坐标集合和边集合信息结合，创建二维绘图对象，形成以种子作业节点为起点的二维全链路树形拓扑图。
在绘成后的拓扑树形图上，根据标识后的单位作业节点进行着色处理，异常节点标注深红警示色，可以通过弹框标注异常原因。
本申请实施例提出的数据处理方法，通过根据所述单位作业信息，分析所述单位作业节点之间的关系，获取所述单位作业节点的点集合和边集合；根据所述点集合、所述边集合和所述标识后的单位作业节点，建立所述全链路树形图谱。通过建立全链路树形图谱更加直观地表达单位作业节点的信息以及链路情况。
参照图5，图5为本申请数据处理方法第四示例性实施例的流程示意图。
基于第一实施例，提出本申请第四实施例，本申请第四实施例与第一实施例的区别在于：所述治理方案包括出具时效治理报告；
对步骤S30，将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案的步骤进行细化，其中细化的步骤可以包括：
在本实施例中，步骤S30，将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案的步骤包括：
将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中进行如下操作：
步骤S31，根据所述全链路图谱和所述种子作业信息，确定所述待治理的种子作业节点所在的异常链路；
步骤S32，分析所述异常链路，得到所述时效治理报告。
为了降低数据时效问题的治理难度，提高数据时效问题的治理效率，可以通过全链路时效治理模型扫描全链路节点，直接定位异常链路根因，避免卷入不必要中间环节分析，减少沟通成本。
具体地，种子作业信息包括种子作业节点的ID，全链路时效治理模型可以根据节点ID可以准确找到种子作业节点在全链路图谱中的位置，即所涉及的链路中的位置，以及相关链路上的所有单位作业节点。因为单位作业节点可能是其他单位作业节点的上游节点或下游节点，因此单位作业节点出现异常，可能是自身原因，也可能是下游单位作业节点出现异常。通过分析全链路，找到相关异常的单位作业节点，并分析异常的单位作业节点的各维度状况，得到时效治理报告。其中，时效治理报告的内容可以包括种子作业关键路径耗时。
其中，种子作业节点的路径耗时可以通过全链路分析，通过计算影响数据时效的多重维度的因素得到。具体地，可以从数据全链路、节点本身、资源等三个方面计算路径耗时，具体的全链路时效计算公式如下：
F(t)＝MAX{T(x)}；
T(x)为每条路径耗时，n为路径中节点数，Ri为节点运行时长，Wi为节点等待时长；F(t)为种子作业节点的路径耗时；i为第i个节点。
通过全链路时效计算公式，总结影响数据时效维度主要是关键链路耗时，关注作业本身运行时长和作业资源等待时间。
时效治理报告内容还可以包括单位作业节点之间的血缘分析、正常数据时效标准、异常链路中具体的单位作业节点信息、单位作业节点的数据时效异常原因、异常链路治理难度、异常链路中单位作业节点治理优先级、异常链路中的异常单位作业节点的负责人信息等。
可以理解地，种子作业节点的负责人通过时效治理报告，可以直接定位异常链路根因，避免卷入不必要中间环节分析，减少沟通成本，从而降低数据时效问题的治理难度，提高了数据时效问题的治理效率。
本申请实施例提出的数据处理方法，通过将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中进行如下操作：根据所述全链路图谱和所述种子作业信息，确定所述待治理的种子作业节点所在的异常链路；分析所述异常链路，得到所述时效治理报告。通过全链路时效治理模型扫描全链路节点，直接定位异常链路根因，避免卷入不必要中间环节分析，减少沟通成本。
参照图6，图6为本申请数据处理方法第五示例性实施例的流程示意图。
基于第四实施例，提出本申请第五实施例，本申请第五实施例与第四实施例的区别在于：
对步骤S32，分析所述异常链路，得到所述时效治理报告的步骤之前进行补充，其中补充的步骤可以包括：
在本实施例中，步骤S32，分析所述异常链路，得到所述时效治理报告的步骤之后还包括：
步骤S33，根据所述异常链路，确定所述异常链路中的异常的单位作业节点；
步骤S35，制定并向所述异常的单位作业节点发送所述时效治理任务。
考虑到减少沟通成本，加快数据处理进度，可以针对性地对异常的单位作业节点发送时效治理任务，实现解决数据时效问题精准化。
具体地，通过全链路时效治理模型，找到异常链路中相关异常的单位作业节点，并向异常的单位作业节点发送时效治理任务。
具体地，因为设有预设的时效规则，可以通过全链路时效治理模型可以分析到异常的单位作业节点的具体模块的问题，有针对性地解决时效问题。并且时效治理任务还可以包括治理方法与治理标准，能有助于负责人解决问题。此外，时效治理任务还可以设置优先级，优先级较高的时效治理任务可以协调更多人力解决问题，从而科学了使时效链路正常化，令数据能准时达到，提高效率。
本实施例提出的自动分派时效治理任务，能大大节省时效问题排查时间，节省了沟通成本，且能针对性解决时效问题。
本申请实施例提出的数据处理方法，通过根据所述异常链路，确定所述异常链路中的异常的单位作业节点；制定并向所述异常的单位作业节点发送所述时效治理任务，从而有针对性地对异常的单位作业节点发送时效治理任务，实现解决数据时效问题精准化，减少沟通成本，加快数据处理进度。
参照图7，图7为本申请数据处理方法第六示例性实施例的流程示意图。
基于第五实施例，提出本申请第六实施例，本申请第六实施例与第五实施例的区别在于：对步骤S35，制定并向所述异常的单位作业节点发送所述时效治理任务的步骤之后进行补充，其中补充的步骤可以包括：
在本实施例中，步骤S35，制定并向所述异常的单位作业节点发送所述时效治理任务的步骤之后还包括：
步骤S36，根据所述时效治理任务，生成时效治理全流程程序。
为了保证数据处理的质量，可以向异常的单位作业节点发送时效治理任务的同时，生成时效治理全流程程序，确保异常的单位作业节点的负责人可以彻底有效地处理数据时效问题，防止治理效果易反弹。
具体地，时效治理全流程程序可以包括自动化分派－审核－治理－催办－验收的闭环生态治理全流程。
自动化分派：根据时效治理任务的类型、优先级和相关要求，将时效治理任务自动分派给对应的单位作业节点的人员或团队。这可以通过智能算法、规则引擎或工作流系统实现，以确保时效治理任务能够快速且准确地分配给合适的执行者。
审核：在时效治理任务分派后，进行审核环节以确保时效治理任务的合规性、准确性和完整性。审核可以包括对时效治理任务内容、相关文件或数据的验证，以及对执行人员的资格或权限进行审查。如果存在问题或不合规的情况，审核人员可以将任务退回或进行修正。
治理：一旦时效治理任务通过审核，执行人员可以按照预定的计划或流程执行任务。这可能涉及协作、资源调配、决策制定和实际操作等方面。在整个治理过程中，应确保任务的进展、质量和效率符合要求，同时保持适当的沟通和协调。
催办：在任务执行过程中，可能需要对进展缓慢或滞后的时效治理任务进行催办。这可以通过系统生成的提醒、自动化的通知或人工的沟通方式实现。催办的目的是促使执行人员按时完成任务，并及时解决可能出现的问题或障碍。
验收：时效治理任务阶段性完成后，需要进行验收以确保任务达到预期的结果或标准。验收可以包括对成果物的检查、测试或评估，并与预期结果进行对比。如果任务未能满足要求，可能需要返工或修正，直到达到验收标准为止。
通过以上的自动化分派、审核、治理、催办和验收的闭环生态，可以实现时效治理全流程的有效管理和监控。这样的流程能够帮助组织提高任务处理的效率和准确性，确保任务按时完成，并提供全面的治理和监控能力。
可以理解地，这种闭环生态的时效治理全流程程序能够提高工作效率和时效治理任务的完成质量。
本申请实施例提出的数据处理方法，通过根据所述时效治理任务，生成时效治理全流程程序，向异常的单位作业节点发送时效治理任务的同时，生成时效治理全流程程序，从而保证数据处理的质量，确保异常的单位作业节点的负责人可以彻底有效地处理数据时效问题，防止治理效果易反弹。
参照图8，图8为本申请数据处理方法第七示例性实施例的流程示意图。
基于第五实施例，提出本申请第七实施例，本申请第七实施例与第五实施例的区别在于：对步骤S35，制定并向所述异常的单位作业节点发送所述时效治理任务的步骤之前进行补充，其中补充的步骤可以包括：
在本实施例中，步骤S35，制定并向所述异常的单位作业节点发送所述时效治理任务的步骤之前包括：
步骤S341，计算所述异常链路的时效长度；
步骤S342，根据所述时效长度，确定所述时效治理任务的治理优先级。
考虑到合适地调配资源解决时效治理问题，可以对时效治理任务设定治理优先级，从而能迅速敲定重点整改项。
具体地，可以通过全链路图谱得到各链路的时效长度，即种子作业节点到末端单位作业节点之间的时效长度，从各链路的时效长度确定该链路对应的时效治理任务优先级，时效长度越长，说明该链路的时效问题越突出，时效治理任务优先级越高。
具体地，可以用单向图广度优先遍历算法来计算时效长度，具体算法如图14所示。
可以理解地，科学地设定时效治理任务的优先级，可以灵活地配置资源解决时效治理问题。
本申请实施例提出的数据处理方法，通过计算所述异常链路的时效长度；根据所述时效长度，确定所述时效治理任务的治理优先级，从而合适地调配资源解决时效治理问题，迅速敲定重点整改项。
此外，本申请实施例还提出一种数据处理装置，所述数据处理装置包括：
信息获取模块，用于获取待治理的种子作业节点的种子作业信息；
方案制定模块，用于将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案。
本实施例实现数据处理的原理及实施过程，请参照上述各实施例，在此不再赘述。
此外，本申请实施例还提出一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的数据处理程序，所述数据处理程序被所述处理器执行时实现如上所述的数据处理方法的步骤。
由于本数据处理程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
此外，本申请实施例还提出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数据处理程序，所述数据处理程序被处理器执行时实现如上所述的数据处理方法的步骤。
由于本数据处理程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
相比现有技术，本申请实施例提出的数据处理方法、装置、终端设备以及存储介质，通过获取待治理的种子作业节点的种子作业信息；将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案。具体通过获取待治理的种子作业节点的种子作业信息，然后把种子作业信息输入到基于全链路图谱建立的全链路时效治理模型，得到治理方案。其中全链路时效治理模型是基于全链路图谱建立的，可以反映全链路中全部单位作业节点的状态，从而可以清晰快捷地得到状态异常的单位作业节点，实现快速定位到数据异常的根因，降低数据时效问题的治理难度，提高了数据时效问题的治理效率。
需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献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如上的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，被控终端，或者网络设备等)执行本申请每个实施例的方法。
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保护范围内。

Claims (10)

1.一种数据处理方法，其特征在于，所述数据处理方法包括：
获取待治理的种子作业节点的种子作业信息；
将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案。
2.根据权利要求1所述的数据处理方法，其特征在于，所述将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案的步骤之前还包括：
建立所述全链路图谱，具体步骤包括：
获取单位作业节点的单位作业信息；
根据预设的时效规则，对所述单位作业节点进行标识，得到标识后的单位作业节点；
根据所述标识后的单位作业节点和所述单位作业信息，建立所述全链路图谱。
3.根据权利要求2所述的数据处理方法，其特征在于，所述全链路图谱包括全链路树形图谱，所述根据所述标识后的单位作业和所述单位作业信息，建立所述全链路图谱的步骤包括：
根据所述单位作业信息，分析所述单位作业节点之间的关系，获取所述单位作业节点的点集合和边集合；
根据所述点集合、所述边集合和所述标识后的单位作业节点，建立所述全链路树形图谱。
4.根据权利要求1所述的数据处理方法，其特征在于，所述时效治理方案包括出具时效治理报告，所述将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案的步骤包括：
将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中进行如下操作：
根据所述全链路图谱和所述种子作业信息，确定所述待治理的种子作业节点所在的异常链路；
分析所述异常链路，得到所述时效治理报告。
5.根据权利要求4所述的数据处理方法，其特征在于，所述时效治理方案还包括制定时效治理任务，所述分析所述异常链路，得到所述时效治理报告的步骤之后还包括：
根据所述异常链路，确定所述异常链路中的异常的单位作业节点；
制定并向所述异常的单位作业节点发送所述时效治理任务。
6.根据权利要求5所述的数据处理方法，其特征在于，所述制定并向所述异常的单位作业节点发送所述时效治理任务的步骤之后还包括：
根据所述时效治理任务，生成时效治理全流程程序。
7.根据权利要求5所述的数据处理方法，其特征在于，所述制定并向所述异常的单位作业节点发送所述时效治理任务的步骤之前还包括：
计算所述异常链路的时效长度；
根据所述时效长度，确定所述时效治理任务的治理优先级。
8.一种数据处理装置，其特征在于，所述数据处理装置包括：
信息获取模块，用于获取待治理的种子作业节点的种子作业信息；
方案制定模块，用于将所述种子作业信息输入到预先基于全链路图谱构建的全链路时效治理模型中，得到时效治理方案。
9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的数据处理程序，所述数据处理程序被所述处理器执行时实现如权利要求1-7中任一项所述的数据处理方法的步骤。
10.一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数据处理程序，所述数据处理程序被处理器执行时实现如权利要求1-7中任一项所述的数据处理方法的步骤。
CN202310742259.2A 2023-06-20 2023-06-20 数据处理方法、装置、终端设备以及存储介质 Pending CN116719973A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310742259.2A CN116719973A (zh) 2023-06-20 2023-06-20 数据处理方法、装置、终端设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310742259.2A CN116719973A (zh) 2023-06-20 2023-06-20 数据处理方法、装置、终端设备以及存储介质

Publications (1)

Publication Number Publication Date
CN116719973A true CN116719973A (zh) 2023-09-08

Family

ID=87871328

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310742259.2A Pending CN116719973A (zh) 2023-06-20 2023-06-20 数据处理方法、装置、终端设备以及存储介质

Country Status (1)

Country Link
CN (1) CN116719973A (zh)

Similar Documents

Publication Publication Date Title
US20180004781A1 (en) Data lineage analysis
CN103226743A (zh) 基于trl的航空装备技术成熟度评估信息处理方法
CN115657890A (zh) 一种pra机器人可定制方法
CN113947468B (zh) 一种数据管理方法及平台
US20050278301A1 (en) System and method for determining an optimized process configuration
CN116719973A (zh) 数据处理方法、装置、终端设备以及存储介质
Lehtonen et al. A methodology for data gathering and analysis in a logistics simulation project
US9305066B2 (en) System and method for remote data harmonization
US20210306236A1 (en) System and method for triage management
CN110262973B (zh) 数据养成维护方法、装置、设备及计算机存储介质
CN113869853A (zh) 一种办公管理系统
CN107678839A (zh) 基于优先级的客户跟进方法、系统及可读存储介质
CN109032578A (zh) 基于数据库sql代码生成方法及系统
Stojanov et al. Evaluating software maintenance processes in small software company based on fuzzy screening
Rodríguez et al. Computing Uncertain Key Indicators from Uncertain Data.
CN109165238A (zh) 一种用于生成周期指标数据的数据处理方法及装置
CN112561368B (zh) 一种oa审批系统的可视化业绩计算方法及装置
CN112036789B (zh) 基于仓储数据的薪资统计方法、装置、计算机设备
Pondel et al. BI and Big Data solutions in project management
CN106533797A (zh) 一种基于JAMon自动化网站服务性能监控方法
Schumacher Oracle Performance Troubleshooting: With Dictionary Internals SQL & Tuning Scripts
CN116011758A (zh) 一种多数据分析智能整合排程系统及方法
CN115049418A (zh) 一种活动多维营销方法、电子设备和存储介质
Gao Design And Implementation of Construction Project Management System Based on Web Technology
Yu Early Warning Management of Enterprise Human Resource Crisis Based on Computer Technology

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