CN116739387B - 一种多维度分析数据的方法及装置、计算机存储介质 - Google Patents
一种多维度分析数据的方法及装置、计算机存储介质 Download PDFInfo
- Publication number
- CN116739387B CN116739387B CN202311014605.1A CN202311014605A CN116739387B CN 116739387 B CN116739387 B CN 116739387B CN 202311014605 A CN202311014605 A CN 202311014605A CN 116739387 B CN116739387 B CN 116739387B
- Authority
- CN
- China
- Prior art keywords
- analysis
- data
- dimension
- target data
- information
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 509
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004141 dimensional analysis Methods 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 230000006399 behavior Effects 0.000 claims description 36
- 238000011160 research Methods 0.000 claims description 29
- 238000005457 optimization Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000007726 management method Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000001960 triggered effect Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 238000012106 screening analysis Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 description 14
- 238000007405 data analysis Methods 0.000 description 13
- 238000012216 screening Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000002372 labelling 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
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种多维度分析数据的方法及装置,该方法包括:当检测到需要对目标数据执行多维分析操作时,确定目标数据的总数据量及数据类型;并获取目标数据的记录参数,记录参数包括目标数据所记录对象的第一身份信息、执行多维分析操作的需求者的第二身份信息、分析目的;根据记录参数、总数据量及数据类型,确定维度分析参数;根据维度分析参数,确定针对目标数据的维度分析算法,再基于维度分析算法对目标数据进行多维分析操作,得到维度分析参数对应的维度分析结果;再根据分析目的以及维度分析结果,生成目标数据对应的综合分析信息。可见,实施本发明能够实现目标数据的多维分析功能,提高了基于目标数据进行筛选分析的效率与准确度。
Description
技术领域
本发明涉及数据分析技术领域,尤其涉及一种多维度分析数据的方法及装置。
背景技术
在校园管理事务中,为了提高全面教学信息、数据的管控效率,众多校园逐渐引进各式各样的校园管理系统,其系统以现行的互联网为根基,辅以基础的智能算法,对校园的信息进行整合存储。然而,现有的校园管理系统,相对而言,系统功能较为粗糙,只能实现基础的数据分类、筛选、登记、存储等。若是需要基于校园管理系统存储的数据进行数据筛查,以调用专门的数据,则需要花费较多时间,导致数据存储后不能有效利用。进一步的,在需要整合数据用以专用途径,如学生数据分析、教师数据分析时,由于数据存储过于粗糙,且数据筛查方式单一,致使在进行转向数据的分析时不够智能化,需要耗费大量时间做反复的筛选、分析,降低了筛选数据的效率、数据分析效率以及数据分析准确度。
发明内容
本发明所要解决的技术问题在于,提供一种多维度分析数据的方法及装置,能够有利于提高校园系统数据的整合筛选效率,进而能够实现校园系统数据的多维分析功能,提高了基于校园系统数据进行筛选分析的效率与准确度。
为了解决上述技术问题,本发明第一方面公开了一种多维度分析数据的方法,所述方法包括:
当检测到需要对目标数据执行多维分析操作时,确定所述目标数据的总数据量以及数据类型;并获取所述目标数据对应的记录参数,所述记录参数包括所述目标数据所记录对象的第一身份信息、触发对所述目标数据执行所述多维分析操作的需求者的第二身份信息、所述需求者的分析目的;
根据所述记录参数、所述总数据量以及所述数据类型,确定用于分析所述目标数据的维度分析参数;所述数据类型至少包括学生类型以及教师类型;
根据所述维度分析参数,确定针对所述目标数据的维度分析算法,再基于所述维度分析算法对所述目标数据进行所述多维分析操作,得到所述维度分析参数对应的维度分析结果;再根据所述分析目的以及所述维度分析结果,生成所述目标数据对应的综合分析信息。
作为一种可选的实施方式,在本发明第一方面中,当所述数据类型包括所述学生类型时,与所述学生类型匹配的所述维度分析参数包括学生综合画像,所述学生综合画像包括学生在校对应的关系分析、行为分析、成绩预测、学生综合行为预警、学生评级补助中的至少一项子参数;
其中,所述关系分析用于对学生在校时与其他学生之间的交流关系进行记录分析,并以关系图谱的形式进行展示;
所述行为分析用于对学生的上网行为进行记录与分析;所述上网行为包括上网时长、上网累计流量、上网费用、上网类型中的至少一种;
所述成绩预测用于对学生在校的学习进行记录并预测每一学生的成绩信息;
所述学生综合行为预警用于实现学生失联预警、就业预警以及行为预警中的至少一种;所述学生评级补助用于评价学生是否满足补助条件。
作为一种可选的实施方式,在本发明第一方面中,当所述数据类型包括所述教师类型时,与所述教师类型匹配的所述维度分析参数包括教师综合画像,所述教师综合画像包括教职基础信息、教师活跃度、教师教学评价、教师发展中的至少一项;
其中,所述教职基础信息包括教师学历、教师职称获取情况;所述教师活跃度用于确定教师的作品发表情况、培训进修情况;
所述教师教学评价对应的评价要素包括教师已获得职称、教师学位、任职时间以及教学成绩。
作为一种可选的实施方式,在本发明第一方面中,所述获取所述目标数据对应的记录参数之后,所述方法还包括:
判断所述记录参数是否表示所述需求者满足维度分析的执行条件,当判断结果为是时,触发执行所述的根据所述记录参数、所述总数据量以及所述数据类型,确定用于分析所述目标数据的维度分析参数对应的操作;
当判断结果为否时,生成针对所述需求者的操作记录,并反馈权限升级提示,以提示所述需求者获取临时操作权限或告知所述需求者对应的操作权限不足;
其中,所述判断所述记录参数是否表示所述需求者满足维度分析的执行条件,包括:
判断所述第二身份信息对应的权限信息是否大于等于所述第一身份信息对应的权限信息;或者,判断所述记录参数是否包括临时查阅权限。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
检测是否接收到由所述需求者触发的数据重分析指令,当检测到所述数据重分析指令时,提取所述数据重分析指令所包括的重分析要素,并确定所述综合分析信息中与所述重分析要素对应的重分析数据、非重分析数据以及与所述重分析要素的关联数值高于预设关联阈值的关联数据;
对所述重分析数据以及所述关联数据执行所述多维分析操作,得到所述重分析数据与所述关联数据的多维分析结果;再结合所述多维分析结果以及所述非重分析数据,生成与所述数据重分析指令对应的反馈信息,作为新的综合分析信息。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
计算所述非重分析数据在起始计算的所述综合分析信息中的第一数据占比;
计算所述多维分析结果在所述新的综合分析信息中的第二数据占比;
将所述第一数据占比以及所述第二数据占比输入与维度分析模型对应的优化板块,得到所述目标数据在当前数据类型下对应的维度分析优化信息,用于作为后续针对目标分析指令时的分析信息;所述目标分析指令为触发指令的目的与分析目的相同、待分析的数据的数据类型与所述当前数据类型相同的指令。
作为一种可选的实施方式,在本发明第一方面中,所述数据类型还包括教学类型、学科-科研类型;
其中,所述教学类型对应的所述目标数据用于实现整体教学方案的调整;
所述教学类型对应的所述维度分析参数包括当前待分析的目标学校所记录的每一教学课程的开课报名人数、课程成绩、课程教师任讲情况中的至少一种;所述教学类型对应的所述维度分析参数还包括生源录入信息、师资储备信息以及教学方案实践情况;
所述学科-科研类型对应的所述目标数据用于学科配置与科研方向的调整优化;所述学科-科研类型对应的所述维度分析参数包括经费支出、学科-科研成果、多院校横向对比情况。
本发明第二方面公开了一种多维度分析数据的装置,所述装置包括:
确定模块,用于当检测到需要对目标数据执行多维分析操作时,确定所述目标数据的总数据量以及数据类型;
获取模块,用于获取所述目标数据对应的记录参数,所述记录参数包括所述目标数据所记录对象的第一身份信息、触发对所述目标数据执行所述多维分析操作的需求者的第二身份信息、所述需求者的分析目的;
所述确定模块,还用于根据所述记录参数、所述总数据量以及所述数据类型,确定用于分析所述目标数据的维度分析参数;所述数据类型至少包括学生类型以及教师类型;
所述确定模块,还用于根据所述维度分析参数,确定针对所述目标数据的维度分析算法,再基于所述维度分析算法对所述目标数据进行所述多维分析操作,得到所述维度分析参数对应的维度分析结果;再根据所述分析目的以及所述维度分析结果,生成所述目标数据对应的综合分析信息。
作为一种可选的实施方式,在本发明第二方面中,当所述数据类型包括所述学生类型时,与所述学生类型匹配的所述维度分析参数包括学生综合画像,所述学生综合画像包括学生在校对应的关系分析、行为分析、成绩预测、学生综合行为预警、学生评级补助中的至少一项子参数;
其中,所述关系分析用于对学生在校时与其他学生之间的交流关系进行记录分析,并以关系图谱的形式进行展示;
所述行为分析用于对学生的上网行为进行记录与分析;所述上网行为包括上网时长、上网累计流量、上网费用、上网类型中的至少一种;
所述成绩预测用于对学生在校的学习进行记录并预测每一学生的成绩信息;
所述学生综合行为预警用于实现学生失联预警、就业预警以及行为预警中的至少一种;所述学生评级补助用于评价学生是否满足补助条件。
作为一种可选的实施方式,在本发明第二方面中,当所述数据类型包括所述教师类型时,与所述教师类型匹配的所述维度分析参数包括教师综合画像,所述教师综合画像包括所述教职基础信息、教师活跃度、教师教学评价、教师发展中的至少一项;
其中,所述教职基础信息包括教师学历、教师职称获取情况;所述教师活跃度用于确定教师的作品发表情况、培训进修情况;
所述教师教学评价对应的评价要素包括教师已获得职称、教师学位、任职时间以及教学成绩。
作为一种可选的实施方式,在本发明第二方面中,所述装置还包括:
判断模块,用于在获取所述目标数据对应的记录参数之后,判断所述记录参数是否表示所述需求者满足维度分析的执行条件,当判断结果为是时,触发所述确定模块执行所述的根据所述记录参数、所述总数据量以及所述数据类型,确定用于分析所述目标数据的维度分析参数对应的操作;
权限管控模块,用于当所述判断模块的判断结果为否时,生成针对所述需求者的操作记录,并反馈权限升级提示,以提示所述需求者获取临时操作权限或告知所述需求者对应的操作权限不足;
其中,所述判断模块判断所述记录参数是否表示所述需求者满足维度分析的执行条件的方式具体包括:
判断所述第二身份信息对应的权限信息是否大于等于所述第一身份信息对应的权限信息;或者,判断所述记录参数是否包括临时查阅权限。
作为一种可选的实施方式,在本发明第二方面中,所述装置还包括:
检测模块,用于检测是否接收到由所述需求者触发的数据重分析指令;
重分析处理模块,用于当检测到所述数据重分析指令时,提取所述数据重分析指令所包括的重分析要素,并确定所述综合分析信息中与所述重分析要素对应的重分析数据、非重分析数据以及与所述重分析要素的关联数值高于预设关联阈值的关联数据;
所述重分析处理模块,还用于对所述重分析数据以及所述关联数据执行所述多维分析操作,得到所述重分析数据与所述关联数据的多维分析结果;再结合所述多维分析结果以及所述非重分析数据,生成与所述数据重分析指令对应的反馈信息,作为新的综合分析信息。
作为一种可选的实施方式,在本发明第二方面中,所述装置还包括:
计算模块,用于计算所述非重分析数据在起始计算的所述综合分析信息中的第一数据占比;计算所述多维分析结果在所述新的综合分析信息中的第二数据占比;
优化处理模块,用于将所述第一数据占比以及所述第二数据占比输入与维度分析模型对应的优化板块,得到所述目标数据在当前数据类型下对应的维度分析优化信息,用于作为后续针对目标分析指令时的分析信息;所述目标分析指令为触发指令的目的与分析目的相同、待分析的数据的数据类型与所述当前数据类型相同的指令。
作为一种可选的实施方式,在本发明第二方面中,所述数据类型还包括教学类型、学科-科研类型;
其中,所述教学类型对应的所述目标数据用于实现整体教学方案的调整;
所述教学类型对应的所述维度分析参数包括当前待分析的目标学校所记录的每一教学课程的开课报名人数、课程成绩、课程教师任讲情况中的至少一种;所述教学类型对应的所述维度分析参数还包括生源录入信息、师资储备信息以及教学方案实践情况;
所述学科-科研类型对应的所述目标数据用于学科配置与科研方向的调整优化;所述学科-科研类型对应的所述维度分析参数包括经费支出、学科-科研成果、多院校横向对比情况。
本发明第三方面公开了另一种多维度分析数据的装置,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的多维度分析数据的方法。
本发明第四方面公开了一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的多维度分析数据的方法。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,提供了一种多维度分析数据的方法,该方法包括:当检测到需要对目标数据执行多维分析操作时,确定目标数据的总数据量以及数据类型;并获取目标数据对应的记录参数,记录参数包括目标数据所记录对象的第一身份信息、触发对目标数据执行多维分析操作的需求者的第二身份信息、需求者的分析目的;根据记录参数、总数据量以及数据类型,确定用于分析目标数据的维度分析参数;数据类型至少包括学生类型以及教师类型;根据维度分析参数,确定针对目标数据的维度分析算法,再基于维度分析算法对目标数据进行多维分析操作,得到维度分析参数对应的维度分析结果;再根据分析目的以及维度分析结果,生成目标数据对应的综合分析信息。可见,实施本发明能够有利于提高目标数据的整合筛选效率,进而能够实现目标数据的多维分析功能,提高了基于目标数据进行筛选分析的效率与准确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1是本发明实施例公开的一种多维度分析数据的方法的流程示意图;
图2是本发明实施例公开的另一种多维度分析数据的方法的流程示意图;
图3是本发明实施例公开的一种多维度分析数据的装置的结构示意图;
图4是本发明实施例公开的另一种多维度分析数据的装置的结构示意图;
图5是本发明实施例公开的又一种多维度分析数据的装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅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,本领域普通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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种多维度分析数据的方法及装置,能够有利于提高目标数据的整合筛选效率,进而能够实现目标数据的多维分析功能,提高了基于目标数据进行筛选分析的效率与准确度。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种多维度分析数据的方法的流程示意图。其中,图1所描述的多维度分析数据的方法可以应用于多维度分析数据的装置中,本发明实施例不做限定。如图1所示,该多维度分析数据的方法可以包括以下操作:
101、当检测到需要对目标数据执行多维分析操作时,确定目标数据的总数据量以及数据类型;并获取目标数据对应的记录参数。
本发明实施例中,记录参数包括目标数据所记录对象的第一身份信息、触发对目标数据执行多维分析操作的需求者的第二身份信息、需求者的分析目的。
本发明实施例中,该需求者可以是直接触发执行该多维分析操作的对象,也可以是下达需求目标,通过他人触发执行该多维分析操作的对象,本发明实施例不做限定。
102、根据记录参数、总数据量以及数据类型,确定用于分析目标数据的维度分析参数;数据类型至少包括学生类型以及教师类型。
本发明实施例中,当数据类型包括学生类型时,与学生类型匹配的维度分析参数包括学生综合画像,学生综合画像包括学生在校对应的关系分析、行为分析、成绩预测、学生综合行为预警、学生评级补助中的至少一项子参数;
其中,关系分析用于对学生在校时与其他学生之间的交流关系进行记录分析,并以关系图谱的形式进行展示;
行为分析用于对学生的上网行为进行记录与分析;上网行为包括上网时长、上网累计流量、上网费用、上网类型中的至少一种;进一步的,该行为分析以年级、区域、时间段、学院、年龄段等维度进行分析;具体该行为分析包括学生上网趋势分析、比例分析、结构分析以及关联分析等。
成绩预测用于对学生在校的学习进行记录并预测每一学生的成绩信息;
学生综合行为预警用于实现学生失联预警、就业预警以及行为预警中的至少一种;学生评级补助用于评价学生是否满足补助条件。
本发明实施例中,学生综合画像通过对学生教务、学工、上网、消费等数据作为一个数据源,构建一个学生数据抽取模型,通过分析其个人属性、兴趣爱好、学习成绩等重要特征,对这些特征进行标签化处理,帮助学校、教师对每一位学生有一个正确的并且标签化的了解,让家长对自己的孩子在学习成长方面也有一个清楚的认识,更清晰指导学生在校学习、生活以及就业等。
具体的,该目标数据可以是记录在校园系统中,通过因子分析、聚类分析、交叉分析等分析方式对学生进行基础分类,再建立对应的学生矩阵、关联规则,获取可能的学生标签,对学生进行整体画像构建、生成。
可选的,当数据类型包括教师类型时,与教师类型匹配的维度分析参数包括教师综合画像,教师综合画像包括教职基础信息、教师活跃度、教师教学评价、教师发展中的至少一项;
其中,教职基础信息包括教师学历、教师职称获取情况;教师活跃度用于确定教师的作品发表情况、培训进修情况;
教师教学评价对应的评价要素包括教师已获得职称、教师学位、任职时间以及教学成绩。
本发明实施例中,从教师结构、教师活跃度、教学与评价、个人与发展等方面出发,对教职工个人信息进行全面的刻画,输出某个教师或者某一类教师的综合画像。再以教师画像为基础,构建教师个人信息中心,全面地展示与教师相关的各类信息,如基本信息、学习工作经历、教学信息、科研成果、个人资产、工资信息、消费信息等。教师可以随时查看到个人的实时信息,了解自己,辅助决策,以期进行正确的职业方向选择。具体的,教师画像的维度可以包括:个人基本信息;生活信息;经历信息;学习深造信息;考评奖惩信息;人事变动信息;科研项目和论文;科研成果信息;科研合作信息等,本发明实施例不做限定。
本发明实施例中,可选的,数据类型还包括教学类型、学科-科研类型;
其中,教学类型对应的目标数据用于实现整体教学方案的调整;
教学类型对应的维度分析参数包括当前待分析的目标学校所记录的每一教学课程的开课报名人数、课程成绩、课程教师任讲情况中的至少一种;教学类型对应的维度分析参数还包括生源录入信息、师资储备信息以及教学方案实践情况;
学科-科研类型对应的目标数据用于学科配置与科研方向的调整优化;学科-科研类型对应的维度分析参数包括经费支出、学科-科研成果、多院校横向对比情况。
可见,在本发明实施例中,通过针对不同的数据类型,学生类型、教师类型、教学类型、学科-科研类型;都对应设置了相关的维度分析参数,丰富了采集到、存储的目标数据(具体包括校园系统数据)的使用途径;此外,应对不同的分析目的,也能够通过相应的维度分析参数、维度分析算法,调用适配的目标数据来进行全面/针对性的维度分析,提高了该目标数据的利用率的同时也提高了分析目标数据的准确度。
103、根据维度分析参数,确定针对目标数据的维度分析算法,再基于维度分析算法对目标数据进行多维分析操作,得到维度分析参数对应的维度分析结果。
本发明实施例中,具体的,以学生类型对应目标数据为例,对应的维度分析参数为学生综合画像;对应的维度分析算法用于构建学生综合画像;该学生综合画像中包括有学生在校对应的关系分析、行为分析、成绩预测、学生综合行为预警、学生评级补助中的至少一项子参数;当需求者的分析目的为对某一学生的成绩进行分析时,此时构建的学生综合画像为以学生成绩对应的数据为基础构建的学生-成绩-综合画像;进一步的,提取与学生成绩相关的目标数据,如课程成绩记录、考勤记录、学校项目参与情况、纪律处罚情况、获奖情况等数据,综合维度分析算法进行多维分析操作,得到以学生成绩为导向,成绩分析结果为目标的维度分析结果。具体的维度分析参数的内容、目标数据的数据内容、多维分析的操作方式本发明实施例不做限定。
104、根据分析目的以及维度分析结果,生成目标数据对应的综合分析信息。
本发明实施例中,在步骤103中得到维度分析结果后,以画像、图表、曲线图等形式结合分析目的进行加工处理,最终得到综合分析信息。
具体的,分析目的包括展示方式,如用于列表数据的清算,则基于分析目的与维度分析结果转换为列表数据;若是用于基础的信息查看,则可以通过对目标数据进行打包,赋予多项标签后以曲线图、柱状图或菱形图等方式进行画像构建、展示,本发明实施例不做限定。
可见,实施图1所描述的多维度分析数据的方法,在确定需要对目标数据执行多维分析操作时,自动获取目标数据的总数据量、数据类型及对应的记录参数,从而自动确定需要分析该目标数据的多维分析参数;通过总数据量确定需要处理的数据体量,数据类型与记录参数用于确定如何进行后续数据的分析;多维分析参数的确定用于明确进行数据分析的方向,有利于提高数据的筛选分析效率以及分析准确度;进一步的,确定维度分析参数后,还能够进行维度分析算法的适配选择,精准适配的维度分析算法有利于提高维度分析结果的准确度;最终结合分析目的与维度分析结果生成综合分析信息,提高了生成综合分析信息与需求者的分析目的的契合度,也即有利于综合分析信息的生成准确度。
在一个可选的实施例中,该方法还包括:
在获取目标数据对应的记录参数之后,判断记录参数是否表示需求者满足维度分析的执行条件,当判断结果为是时,触发执行上述的根据记录参数、总数据量以及数据类型,确定用于分析目标数据的维度分析参数对应的操作;
当判断结果为否时,生成针对需求者的操作记录,并反馈权限升级提示,以提示需求者获取临时操作权限或告知需求者对应的操作权限不足;
其中,判断记录参数是否表示需求者满足维度分析的执行条件,包括:
判断第二身份信息对应的权限信息是否大于等于第一身份信息对应的权限信息;或者,判断记录参数是否包括临时查阅权限。
可选的,当判断结果为是时,以及触发执行上述的根据记录参数、总数据量以及数据类型,确定用于分析目标数据的维度分析参数对应的操作之前,该方法还包括:
根据需求者的分析目的以及权限等级,确定需求者的数据查阅权限以及分析权限;用户执行维度分析操作时对应设置了不同的维度分析选项,且维度分析的详细度随权限等级的递增相应递增;也即分析权限与维度分析的详细度、多元维度相匹配;
上述的根据记录参数、总数据量以及数据类型,确定用于分析目标数据的维度分析参数对应的操作,包括:
根据记录参数、总数据量以及数据类型、数据查阅权限以及分析权限,确定用于分析目标数据的维度分析参数。
可见,在该可选的实施例中,预先设置了权限管理机制,在执行多维分析操作之前,能够对需求者是否满足维度分析的执行条件进行判断,从而限制了权限不足的人员的查阅,有利于提高数据的安全性。此外,基于不同权限等级,还能够设置不同的分析权限,后续根据不同分析权限,确定对应的维度分析数据,有利于提高执行维度分析时与分析目的适配度;同时还能够在权限等级低时,减少维度分析操作的数据处理量,避免不同权限等级均需处理大量数据,造成数据资源的冗余使用。
实施例二
请参阅图2,图2是本发明实施例公开的另一种多维度分析数据的方法的流程示意图。其中,图2所描述的多维度分析数据的方法可以应用于多维度分析数据的装置中,本发明实施例不做限定。如图2所示,该多维度分析数据的方法可以包括以下操作:
201、当检测到需要对目标数据执行多维分析操作时,确定目标数据的总数据量以及数据类型;并获取目标数据对应的记录参数。
202、根据记录参数、总数据量以及数据类型,确定用于分析目标数据的维度分析参数;数据类型至少包括学生类型以及教师类型。
203、根据维度分析参数,确定针对目标数据的维度分析算法,再基于维度分析算法对目标数据进行多维分析操作,得到维度分析参数对应的维度分析结果。
204、根据分析目的以及维度分析结果,生成目标数据对应的综合分析信息。
本发明实施例中,针对步骤201-步骤204的其他描述请参阅实施例一中针对步骤101-步骤104的其他具体描述,本发明实施例不再赘述。
205、检测是否接收到由需求者触发的数据重分析指令,当检测到数据重分析指令时,提取数据重分析指令所包括的重分析要素。
本发明实施例中,该数据重分析指令可以用户对综合分析信息不满意后触发的重新执行数据分析的指令;也可以是用户为了获取不同维度的分析结果下达的指令,本发明实施例不做限定。
206、确定综合分析信息中与重分析要素对应的重分析数据、非重分析数据以及与重分析要素的关联数值高于预设关联阈值的关联数据。
本发明实施例中,在检测到数据重分析指令后,根据用户的重分析需求,自动确定重分析要素,以确定是整体目标数据进行重分析操作或是部分目标数据进行重分析操作;有利于提高重分析操作的分析效率以及分析准确度。
207、对重分析数据以及关联数据执行多维分析操作,得到重分析数据与关联数据的多维分析结果。
208、再结合多维分析结果以及非重分析数据,生成与数据重分析指令对应的反馈信息,作为新的综合分析信息。
可见,实施图2所描述的多维度分析数据的方法,能够在检测数据重分析指令时,自动确定重分析要素、综合分析信息中与重分析要素对应的重分析数据、非重分析数据以及关联数据;从而分别对重分析数据以及关联数据执行多维分析操作,再结合得到的多维分析结果以及非重分析数据生成新的综合分析;该重分析要素的选取,相关数据的筛选,有利于减少非重分析数据对数据分析的影响,减少重分析操作的数据处理量以及数据处理效率,提高了执行重分析操作的操作准确度。
在一个可选的实施例中,该方法还包括:
计算非重分析数据在起始计算的综合分析信息中的第一数据占比;
计算多维分析结果在新的综合分析信息中的第二数据占比;
将第一数据占比以及第二数据占比输入与维度分析模型对应的优化板块,得到目标数据在当前数据类型下对应的维度分析优化信息,用于作为后续针对目标分析指令时的分析信息;目标分析指令为触发指令的目的与分析目的相同、待分析的数据的数据类型与当前数据类型相同的指令。
可见,在该可选的实施例中,通过第一数据占比与第二数据占比的计算,以输入与维度分析模型对应的优化板块,实现了重分析数据的优化计算,有利于提高后续初始进行多维度分析操作时分析结果适配需求者目的概率,减少重分析次数,也即,该维度分析优化信息有利于提高后续针对该目标数据的数据类型执行维度分析操作得到的综合分析信息的准确度。
实施例三
请参阅图3,图3是本发明实施例公开的一种多维度分析数据的装置的结构示意图。其中,该多维度分析数据的装置可以是多维度分析数据的终端、设备、系统或者服务器,服务器可以是本地服务器,也可以是远端服务器,还可以是云服务器(又称云端服务器),当服务器为非云服务器时,该非云服务器能够与云服务器进行通信连接,本发明实施例不做限定。如图3所示,该多维度分析数据的装置可以包括确定模块301以及获取模块302,其中:
确定模块301,用于当检测到需要对目标数据执行多维分析操作时,确定目标数据的总数据量以及数据类型。
获取模块302,用于获取目标数据对应的记录参数,记录参数包括目标数据所记录对象的第一身份信息、触发对目标数据执行多维分析操作的需求者的第二身份信息、需求者的分析目的。
确定模块301,还用于根据记录参数、总数据量以及数据类型,确定用于分析目标数据的维度分析参数;数据类型至少包括学生类型以及教师类型。
本发明实施例中,可选的,当数据类型包括学生类型时,与学生类型匹配的维度分析参数包括学生综合画像,学生综合画像包括学生在校对应的关系分析、行为分析、成绩预测、学生综合行为预警、学生评级补助中的至少一项子参数;
其中,关系分析用于对学生在校时与其他学生之间的交流关系进行记录分析,并以关系图谱的形式进行展示;
行为分析用于对学生的上网行为进行记录与分析;上网行为包括上网时长、上网累计流量、上网费用、上网类型中的至少一种;
成绩预测用于对学生在校的学习进行记录并预测每一学生的成绩信息;
学生综合行为预警用于实现学生失联预警、就业预警以及行为预警中的至少一种;学生评级补助用于评价学生是否满足补助条件。
可选的,当数据类型包括教师类型时,与教师类型匹配的维度分析参数包括教师综合画像,教师综合画像包括教职基础信息、教师活跃度、教师教学评价、教师发展中的至少一项;
其中,教职基础信息包括教师学历、教师职称获取情况;教师活跃度用于确定教师的作品发表情况、培训进修情况;
教师教学评价对应的评价要素包括教师已获得职称、教师学位、任职时间以及教学成绩。
本实施例中,可选的,数据类型还包括教学类型、学科-科研类型;
其中,教学类型对应的目标数据用于实现整体教学方案的调整;
教学类型对应的维度分析参数包括当前待分析的目标学校所记录的每一教学课程的开课报名人数、课程成绩、课程教师任讲情况中的至少一种;教学类型对应的维度分析参数还包括生源录入信息、师资储备信息以及教学方案实践情况;
学科-科研类型对应的目标数据用于学科配置与科研方向的调整优化;学科-科研类型对应的维度分析参数包括经费支出、学科-科研成果、多院校横向对比情况。
确定模块301,还用于根据维度分析参数,确定针对目标数据的维度分析算法,再基于维度分析算法对目标数据进行多维分析操作,得到维度分析参数对应的维度分析结果;再根据分析目的以及维度分析结果,生成目标数据对应的综合分析信息。
可见,实施图3所描述的一种多维度分析数据的装置,在确定需要对目标数据执行多维分析操作时,自动获取目标数据的总数据量、数据类型及对应的记录参数,从而自动确定需要分析该目标数据的多维分析参数;通过总数据量确定需要处理的数据体量,数据类型与记录参数用于确定如何进行后续数据的分析;多维分析参数的确定用于明确进行数据分析的方向,有利于提高数据的筛选分析效率以及分析准确度;进一步的,确定维度分析参数后,还能够进行维度分析算法的适配选择,精准适配的维度分析算法有利于提高维度分析结果的准确度;最终结合分析目的与维度分析结果生成综合分析信息,提高了生成综合分析信息与需求者的分析目的的契合度,也即有利于综合分析信息的生成准确度。
在一个可选的实施例中,如图4所示,该装置还包括判断模块303以及权限管控模块304,其中:
判断模块303,用于在获取目标数据对应的记录参数之后,判断记录参数是否表示需求者满足维度分析的执行条件,当判断结果为是时,触发确定模块301执行上述的根据记录参数、总数据量以及数据类型,确定用于分析目标数据的维度分析参数对应的操作。
权限管控模块304,用于当判断模块303的判断结果为否时,生成针对需求者的操作记录,并反馈权限升级提示,以提示需求者获取临时操作权限或告知需求者对应的操作权限不足。
其中,判断模块303判断记录参数是否表示需求者满足维度分析的执行条件的方式具体包括:
判断第二身份信息对应的权限信息是否大于等于第一身份信息对应的权限信息;或者,判断记录参数是否包括临时查阅权限。
可见,在该可选的实施例中,预先设置了权限管理机制,在执行多维分析操作之前,能够对需求者是否满足维度分析的执行条件进行判断,从而限制了权限不足的人员的查阅,有利于提高数据的安全性。
在另一个可选的实施例中,如图4所示,该装置还包括检测模块305、重分析处理模块306,其中:
检测模块305,用于检测是否接收到由需求者触发的数据重分析指令。
重分析处理模块306,用于当检测到数据重分析指令时,提取数据重分析指令所包括的重分析要素,并确定综合分析信息中与重分析要素对应的重分析数据、非重分析数据以及与重分析要素的关联数值高于预设关联阈值的关联数据。
重分析处理模块306,还用于对重分析数据以及关联数据执行多维分析操作,得到重分析数据与关联数据的多维分析结果;再结合多维分析结果以及非重分析数据,生成与数据重分析指令对应的反馈信息,作为新的综合分析信息。
可见,在该可选的实施例中,能够在检测数据重分析指令时,自动确定重分析要素、综合分析信息中与重分析要素对应的重分析数据、非重分析数据以及关联数据;从而分别对重分析数据以及关联数据执行多维分析操作,再结合得到的多维分析结果以及非重分析数据生成新的综合分析;该重分析要素的选取,相关数据的筛选,有利于减少非重分析数据对数据分析的影响,减少重分析操作的数据处理量以及数据处理效率,提高了执行重分析操作的操作准确度。
在该可选的实施例中,如图4所示,该装置还包括计算模块307以及优化处理模块308,其中:
计算模块307,用于计算非重分析数据在起始计算的综合分析信息中的第一数据占比;计算多维分析结果在新的综合分析信息中的第二数据占比。
优化处理模块308,用于将第一数据占比以及第二数据占比输入与维度分析模型对应的优化板块,得到目标数据在当前数据类型下对应的维度分析优化信息,用于作为后续针对目标分析指令时的分析信息;目标分析指令为触发指令的目的与分析目的相同、待分析的数据的数据类型与当前数据类型相同的指令。
可见,在该可选的实施例中,通过第一数据占比与第二数据占比的计算,以输入与维度分析模型对应的优化板块,实现了重分析数据的优化计算,有利于提高后续初始进行多维度分析操作时分析结果适配需求者目的概率,减少重分析次数,也即,该维度分析优化信息有利于提高后续针对该目标数据的数据类型执行维度分析操作得到的综合分析信息的准确度。
实施例四
请参阅图5,图5是本发明实施例公开的又一种多维度分析数据的装置的结构示意图。如图5所示,该多维度分析数据的装置可以包括:
存储有可执行程序代码的存储器401;
与存储器401耦合的处理器402;
处理器402调用存储器401中存储的可执行程序代码,执行本发明实施例一或本发明实施例二所描述的多维度分析数据的方法中的步骤。
实施例五
本发明实施例公开了一种计算机存储介质,该计算机存储介质存储有计算机指令,该计算机指令被调用时,用于执行本发明实施例一或本发明实施例二所描述的多维度分析数据的方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机存储介质,且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的多维度分析数据的方法中的步骤。
以上所描述的装置实施例仅是示意性的,其中作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式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。基于这样的理解,上述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,该计算机软件产品可以存储在计算机存储介质中,存储介质包括只读存储器(Read-OnlyMemory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种多维度分析数据的方法及装置所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (7)
1.一种多维度分析数据的方法,其特征在于,所述方法包括:
当检测到需要对目标数据执行多维分析操作时,确定所述目标数据的总数据量以及数据类型;并获取所述目标数据对应的记录参数,所述记录参数包括所述目标数据所记录对象的第一身份信息、触发对所述目标数据执行所述多维分析操作的需求者的第二身份信息、所述需求者的分析目的;
根据所述记录参数、所述总数据量以及所述数据类型,确定用于分析所述目标数据的维度分析参数;所述数据类型至少包括学生类型以及教师类型;
根据所述维度分析参数,确定针对所述目标数据的维度分析算法,再基于所述维度分析算法对所述目标数据进行所述多维分析操作,得到所述维度分析参数对应的维度分析结果;再根据所述分析目的以及所述维度分析结果,生成所述目标数据对应的综合分析信息;
所述获取所述目标数据对应的记录参数之后,所述方法还包括:
判断所述记录参数是否表示所述需求者满足维度分析的执行条件,当判断结果为是时,触发执行所述的根据所述记录参数、所述总数据量以及所述数据类型,确定用于分析所述目标数据的维度分析参数对应的操作;
其中,当判断结果为是时,所述触发执行所述的根据所述记录参数、所述总数据量以及所述数据类型,确定用于分析所述目标数据的维度分析参数对应的操作之前,所述方法还包括:
根据所述需求者的分析目的以及权限等级,确定所述需求者的数据查阅权限以及分析权限;
用户执行所述维度分析操作时对应设置了不同的维度分析选项,且维度分析的详细度随权限等级的递增相应递增;所述分析权限与所述维度分析的详细度、多元维度相匹配;
以及,所述根据所述记录参数、所述总数据量以及所述数据类型,确定用于分析所述目标数据的维度分析参数,包括:
根据所述记录参数、所述总数据量、所述数据类型、所述数据查阅权限以及所述分析权限,确定用于分析所述目标数据的维度分析参数;
当判断结果为否时,生成针对所述需求者的操作记录,并反馈权限升级提示,以提示所述需求者获取临时操作权限或告知所述需求者对应的操作权限不足;
其中,所述判断所述记录参数是否表示所述需求者满足维度分析的执行条件,包括:
判断所述第二身份信息对应的权限信息是否大于等于所述第一身份信息对应的权限信息;或者,判断所述记录参数是否包括临时查阅权限;
所述方法还包括:
检测是否接收到由所述需求者触发的数据重分析指令,当检测到所述数据重分析指令时,提取所述数据重分析指令所包括的重分析要素,并确定所述综合分析信息中与所述重分析要素对应的重分析数据、非重分析数据以及与所述重分析要素的关联数值高于预设关联阈值的关联数据;
对所述重分析数据以及所述关联数据执行所述多维分析操作,得到所述重分析数据与所述关联数据的多维分析结果;再结合所述多维分析结果以及所述非重分析数据,生成与所述数据重分析指令对应的反馈信息,作为新的综合分析信息;
所述方法还包括:
计算所述非重分析数据在起始计算的所述综合分析信息中的第一数据占比;
计算所述多维分析结果在所述新的综合分析信息中的第二数据占比;
将所述第一数据占比以及所述第二数据占比输入与维度分析模型对应的优化板块,得到所述目标数据在当前数据类型下对应的维度分析优化信息,用于作为后续针对目标分析指令时的分析信息;所述目标分析指令为触发指令的目的与分析目的相同、待分析的数据的数据类型与所述当前数据类型相同的指令。
2.根据权利要求1所述的一种多维度分析数据的方法,其特征在于,当所述数据类型包括所述学生类型时,与所述学生类型匹配的所述维度分析参数包括学生综合画像,所述学生综合画像包括学生在校对应的关系分析、行为分析、成绩预测、学生综合行为预警、学生评级补助中的至少一项子参数;
其中,所述关系分析用于对学生在校时与其他学生之间的交流关系进行记录分析,并以关系图谱的形式进行展示;
所述行为分析用于对学生的上网行为进行记录与分析;所述上网行为包括上网时长、上网累计流量、上网费用、上网类型中的至少一种;
所述成绩预测用于对学生在校的学习进行记录并预测每一学生的成绩信息;
所述学生综合行为预警用于实现学生失联预警、就业预警以及行为预警中的至少一种;所述学生评级补助用于评价学生是否满足补助条件。
3.根据权利要求1或2所述的一种多维度分析数据的方法,其特征在于,当所述数据类型包括所述教师类型时,与所述教师类型匹配的所述维度分析参数包括教师综合画像,所述教师综合画像包括教职基础信息、教师活跃度、教师教学评价、教师发展中的至少一项;
其中,所述教职基础信息包括教师学历、教师职称获取情况;所述教师活跃度用于确定教师的作品发表情况、培训进修情况;
所述教师教学评价对应的评价要素包括教师已获得职称、教师学位、任职时间以及教学成绩。
4.根据权利要求1或2所述的一种多维度分析数据的方法,其特征在于,所述数据类型还包括教学类型、学科-科研类型;
其中,所述教学类型对应的所述目标数据用于实现整体教学方案的调整;
所述教学类型对应的所述维度分析参数包括当前待分析的目标学校所记录的每一教学课程的开课报名人数、课程成绩、课程教师任讲情况中的至少一种;所述教学类型对应的所述维度分析参数还包括生源录入信息、师资储备信息以及教学方案实践情况;
所述学科-科研类型对应的所述目标数据用于学科配置与科研方向的调整优化;所述学科-科研类型对应的所述维度分析参数包括经费支出、学科-科研成果、多院校横向对比情况。
5.一种多维度分析数据装置,其特征在于,所述装置包括:
确定模块,用于当检测到需要对目标数据执行多维分析操作时,确定所述目标数据的总数据量以及数据类型;
获取模块,用于获取所述目标数据对应的记录参数,所述记录参数包括所述目标数据所记录对象的第一身份信息、触发对所述目标数据执行所述多维分析操作的需求者的第二身份信息、所述需求者的分析目的;
所述确定模块,还用于根据所述记录参数、所述总数据量以及所述数据类型,确定用于分析所述目标数据的维度分析参数;所述数据类型至少包括学生类型以及教师类型;
所述确定模块,还用于根据所述维度分析参数,确定针对所述目标数据的维度分析算法,再基于所述维度分析算法对所述目标数据进行所述多维分析操作,得到所述维度分析参数对应的维度分析结果;再根据所述分析目的以及所述维度分析结果,生成所述目标数据对应的综合分析信息;
所述装置还包括:
判断模块,用于在获取所述目标数据对应的记录参数之后,判断所述记录参数是否表示所述需求者满足维度分析的执行条件,当判断结果为是时,触发所述确定模块执行所述的根据所述记录参数、所述总数据量以及所述数据类型,确定用于分析所述目标数据的维度分析参数对应的操作;
其中,所述装置还用于:
当所述判断模块的判断结果为是时,所述触发所述确定模块执行所述的根据所述记录参数、所述总数据量以及所述数据类型,确定用于分析所述目标数据的维度分析参数对应的操作之前,根据所述需求者的分析目的以及权限等级,确定所述需求者的数据查阅权限以及分析权限;
用户执行所述维度分析操作时对应设置了不同的维度分析选项,且维度分析的详细度随权限等级的递增相应递增;所述分析权限与所述维度分析的详细度、多元维度相匹配;
以及,所述根据所述记录参数、所述总数据量以及所述数据类型,确定用于分析所述目标数据的维度分析参数的方式具体包括:
根据所述记录参数、所述总数据量、所述数据类型、所述数据查阅权限以及所述分析权限,确定用于分析所述目标数据的维度分析参数;
所述装置还包括:
权限管控模块,用于当所述判断模块的判断结果为否时,生成针对所述需求者的操作记录,并反馈权限升级提示,以提示所述需求者获取临时操作权限或告知所述需求者对应的操作权限不足;
其中,所述判断模块判断所述记录参数是否表示所述需求者满足维度分析的执行条件的方式具体包括:
判断所述第二身份信息对应的权限信息是否大于等于所述第一身份信息对应的权限信息;或者,判断所述记录参数是否包括临时查阅权限;
所述装置还包括:
检测模块,用于检测是否接收到由所述需求者触发的数据重分析指令;
重分析处理模块,用于当检测到所述数据重分析指令时,提取所述数据重分析指令所包括的重分析要素,并确定所述综合分析信息中与所述重分析要素对应的重分析数据、非重分析数据以及与所述重分析要素的关联数值高于预设关联阈值的关联数据;
所述重分析处理模块,还用于对所述重分析数据以及所述关联数据执行所述多维分析操作,得到所述重分析数据与所述关联数据的多维分析结果;再结合所述多维分析结果以及所述非重分析数据,生成与所述数据重分析指令对应的反馈信息,作为新的综合分析信息;
所述装置还包括:
计算模块,用于计算所述非重分析数据在起始计算的所述综合分析信息中的第一数据占比;计算所述多维分析结果在所述新的综合分析信息中的第二数据占比;
优化处理模块,用于将所述第一数据占比以及所述第二数据占比输入与维度分析模型对应的优化板块,得到所述目标数据在当前数据类型下对应的维度分析优化信息,用于作为后续针对目标分析指令时的分析信息;所述目标分析指令为触发指令的目的与分析目的相同、待分析的数据的数据类型与所述当前数据类型相同的指令。
6.一种多维度分析数据的装置,其特征在于,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-4任一项所述的多维度分析数据的方法。
7.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-4任一项所述的多维度分析数据的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311014605.1A CN116739387B (zh) | 2023-08-14 | 2023-08-14 | 一种多维度分析数据的方法及装置、计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311014605.1A CN116739387B (zh) | 2023-08-14 | 2023-08-14 | 一种多维度分析数据的方法及装置、计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116739387A CN116739387A (zh) | 2023-09-12 |
CN116739387B true CN116739387B (zh) | 2024-01-12 |
Family
ID=87911766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311014605.1A Active CN116739387B (zh) | 2023-08-14 | 2023-08-14 | 一种多维度分析数据的方法及装置、计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116739387B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991187A (zh) * | 2017-04-10 | 2017-07-28 | 武汉朱雀闻天科技有限公司 | 一种校园数据的分析方法及装置 |
CN112465543A (zh) * | 2020-11-25 | 2021-03-09 | 宁波阶梯教育科技有限公司 | 一种用户画像生成方法、设备和计算机存储介质 |
CN112862257A (zh) * | 2021-01-13 | 2021-05-28 | 张辉 | 学生画像生成方法、系统、设备及可读存储介质 |
CN114003586A (zh) * | 2021-11-19 | 2022-02-01 | 华讯高科股份有限公司 | 一种智慧教育大数据平台建设方法 |
CN114462694A (zh) * | 2022-01-27 | 2022-05-10 | 河南财政金融学院 | 一种基于学生行为分析模型的智慧校园系统和实现方法 |
-
2023
- 2023-08-14 CN CN202311014605.1A patent/CN116739387B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991187A (zh) * | 2017-04-10 | 2017-07-28 | 武汉朱雀闻天科技有限公司 | 一种校园数据的分析方法及装置 |
CN112465543A (zh) * | 2020-11-25 | 2021-03-09 | 宁波阶梯教育科技有限公司 | 一种用户画像生成方法、设备和计算机存储介质 |
CN112862257A (zh) * | 2021-01-13 | 2021-05-28 | 张辉 | 学生画像生成方法、系统、设备及可读存储介质 |
CN114003586A (zh) * | 2021-11-19 | 2022-02-01 | 华讯高科股份有限公司 | 一种智慧教育大数据平台建设方法 |
CN114462694A (zh) * | 2022-01-27 | 2022-05-10 | 河南财政金融学院 | 一种基于学生行为分析模型的智慧校园系统和实现方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116739387A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110417721A (zh) | 安全风险评估方法、装置、设备及计算机可读存储介质 | |
Kell et al. | Evaluation of the prediction skill of stock assessment using hindcasting | |
CN109145868A (zh) | 一种辅助跑步训练的行为识别方法与装置 | |
CN108460521A (zh) | 审计对象的推荐方法和系统 | |
CN109816200A (zh) | 任务推送方法、装置、计算机设备和存储介质 | |
CN110751675A (zh) | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 | |
CN114418175A (zh) | 一种人员管理方法、装置、电子设备及存储介质 | |
CN116910274B (zh) | 基于知识图谱和预测模型的试题生成方法及系统 | |
CN110866209A (zh) | 在线教育数据推送方法、系统和计算机设备 | |
CN111738778B (zh) | 用户画像生成方法、装置、计算机设备及存储介质 | |
CN111191860B (zh) | 基于集成学习的预测方法、预测系统和可读存储介质 | |
CN114202978A (zh) | 一种基于大数据的智能培训方法及系统 | |
CN117615359B (zh) | 基于多种规则引擎的蓝牙数据传输方法及系统 | |
CN116739387B (zh) | 一种多维度分析数据的方法及装置、计算机存储介质 | |
CN112734142A (zh) | 基于深度学习的资源学习路径规划方法及装置 | |
CN116433082B (zh) | 一种评价报告的生成方法、装置、电子设备及存储介质 | |
CN116861236A (zh) | 违规用户识别方法、装置、设备、存储介质以及产品 | |
CN117575595A (zh) | 支付风险识别方法、装置、计算机设备及存储介质 | |
CN111652767B (zh) | 用户画像构建方法、装置、计算机设备和存储介质 | |
CN116071199A (zh) | 一种职业技能培训方法及系统 | |
Koong et al. | The learning effectiveness analysis of JAVA programming with automatic grading system | |
CN114648688A (zh) | 高铁沿线景观等级评估方法、系统、设备及可读存储介质 | |
CN114926152A (zh) | 一种电网施工安全考核培训方法、系统及电子设备 | |
CN111222846B (zh) | 报销流程的跟踪方法、装置、计算机设备和存储介质 | |
Martínez et al. | Predicting student performance over time. A case study for a blended-learning engineering course. |
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 |