CN116755987A - 埋点指标处理方法、装置、计算机设备及存储介质 - Google Patents
埋点指标处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116755987A CN116755987A CN202310715650.3A CN202310715650A CN116755987A CN 116755987 A CN116755987 A CN 116755987A CN 202310715650 A CN202310715650 A CN 202310715650A CN 116755987 A CN116755987 A CN 116755987A
- Authority
- CN
- China
- Prior art keywords
- buried point
- target
- buried
- data
- point data
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 56
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000004140 cleaning Methods 0.000 claims abstract description 15
- 238000010586 diagram Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 8
- 238000011161 development Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 230000006399 behavior Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000009933 burial Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 210000001503 joint Anatomy 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06F11/3409—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 for performance assessment
- G06F11/3428—Benchmarking
-
- 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
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及数据处理技术领域,提供一种埋点指标处理方法、装置、计算机设备与存储介质,包括:接收目标埋点方输出的多个埋点数据项;调用预设引擎从所述目标埋点方内选取每一所述埋点数据项对应的埋点数据;确定所述埋点数据对应的目标埋点事件;根据所述目标埋点事件组合所述埋点数据,得到第一埋点数据;清洗所述第一埋点数据,得到目标埋点数据;确定所述目标埋点数据对应的预设指标计算模型,并调用所述预设指标计算模型处理所述目标埋点数据,得到目标埋点指标。本申请能够提高埋点指标处理的速率,促进智慧城市的快速发展。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种埋点指标处理方法、装置、计算机设备及存储介质。
背景技术
随着互联网技术的发展,通过埋点方式对用户行为统计一直是互联网产品中必不可少的环节。其中,互联网产品可以为医疗平台,支持疾病辅助诊断、健康管理、远程会诊等功能。
在实现本申请的过程中,申请人发现现有技术存在如下问题:有些业务系统通过在第三方埋点的方式对业务系统内的用户行为进行统计。然而,业务系统与第三方间的埋点数据大多通过系统开发人员数据对接后,将埋点数据从第三方读取到系统中进行数据清洗,埋点数据处理的效率低下,从而导致对埋点数据进行分析得到埋点指标的效率低下。
因此,有必要提供一种埋点指标处理方法,能够提高埋点指标的处理速率。
发明内容
鉴于以上内容,有必要提出一种埋点指标处理方法、埋点指标处理装置、计算机设备及存储介质,能够提高埋点指标的处理速率。
本申请实施例第一方面提供埋点指标处理方法,所述埋点指标处理方法包括:
接收目标埋点方输出的多个埋点数据项;
调用预设引擎从所述目标埋点方内选取每一所述埋点数据项对应的埋点数据;
确定所述埋点数据对应的目标埋点事件;
根据所述目标埋点事件组合所述埋点数据,得到第一埋点数据;
清洗所述第一埋点数据,得到目标埋点数据;
确定所述目标埋点数据对应的预设指标计算模型,并调用所述预设指标计算模型处理所述目标埋点数据,得到目标埋点指标。
进一步地,在本申请实施例提供的上述埋点指标处理方法中,所述调用预设引擎从所述目标埋点方内选取每一所述埋点数据项对应的埋点数据,包括:
调用预设引擎确定所述目标埋点方内所述埋点数据项与所述埋点数据的映射关系;
遍历所述映射关系,得到所述埋点数据项对应的埋点数据。
进一步地,在本申请实施例提供的上述埋点指标处理方法中,所述确定所述埋点数据对应的目标埋点事件,包括:
获取每一埋点事件对应的事件链路图;
确定所述事件链路图中每一链路节点对应的埋点描述信息;
确定与所述埋点数据匹配的目标埋点描述信息;
将所述目标埋点描述信息对应的埋点事件作为目标埋点事件。
进一步地,在本申请实施例提供的上述埋点指标处理方法中,所述确定与所述埋点数据匹配的目标埋点描述信息,包括:
获取所述埋点数据对应的若干埋点属性;
确定所述埋点描述信息对应的属性描述;
确定所述埋点属性与所述属性描述中相同的埋点属性数量;
选取所述相同的埋点属性数量超过预设数量阈值的埋点描述信息作为目标埋点描述信息。
进一步地,在本申请实施例提供的上述埋点指标处理方法中,所述根据所述目标埋点事件组合所述埋点数据,得到第一埋点数据,包括:
获取所述目标埋点事件对应目标事件链路图内每一链路节点;
确定所述每一链路节点对应的埋点数据;
根据所述目标事件链路图的方式组合所述埋点数据,得到第一埋点数据。
进一步地,在本申请实施例提供的上述埋点指标处理方法中,所述清洗所述第一埋点数据,得到目标埋点数据,包括:
确定所述第一埋点数据内每一埋点数据的第一数据格式;
确定目标数据格式;
将所述每一埋点数据的所述第一数据格式调整为所述目标数据格式,得到目标埋点数据。
进一步地,在本申请实施例提供的上述埋点指标处理方法中,所述调用所述预设指标计算模型处理所述目标埋点数据,得到目标埋点指标,包括:
获取所述预设指标计算模型对应的多个指标计算因子;
确定每一所述指标计算因子与所述目标埋点事件对应事件链路图中每一链路节点的对应关系;
根据所述对应关系确定所述指标计算因子对应的埋点数据;
将所述埋点数据输入至所述指标计算因子在所述预设指标计算模型的目标位置处,得到目标埋点指标。
本申请实施例第二方面还提供一种埋点指标处理装置,所述埋点指标处理装置包括:
数据项接收模块,用于接收目标埋点方输出的多个埋点数据项;
埋点数据选取模块,用于调用预设引擎从所述目标埋点方内选取每一所述埋点数据项对应的埋点数据;
埋点事件确定模块,用于确定所述埋点数据对应的目标埋点事件;
埋点数据组合模块,用于根据所述目标埋点事件组合所述埋点数据,得到第一埋点数据;
埋点数据清洗模块,用于清洗所述第一埋点数据,得到目标埋点数据;
埋点指标确定模块,用于确定所述目标埋点数据对应的预设指标计算模型,并调用所述预设指标计算模型处理所述目标埋点数据,得到目标埋点指标。
本申请实施例第三方面还提供一种计算机设备,所述计算机设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如上述任意一项所述的埋点指标处理方法。
本申请实施例第四方面还提供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计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的埋点指标处理方法。
本申请实施例提供的上述埋点指标处理方法、埋点指标处理装置、计算机设备以及计算机可读存储介质,通过调用预设引擎从目标埋点方内选取埋点数据,并根据埋点数据对应的目标埋点事件组合埋点数据,得到第一埋点数据,在后续埋点指标分析时,直接根据所述目标事件的结构选取指标分析所需的埋点数据,能够提高埋点数据的处理速率;且本申请通过清洗第一埋点数据,能够得到预设业务系统适用的目标埋点数据,实现目标埋点方与预设业务系统的自动对接,便于预设业务系统进行埋点指标分析。本申请可应用于智慧政务、智慧交通、智慧医疗等智慧城市的各个功能模块中,比如智慧医疗的埋点指标处理模块等,能够促进智慧城市的快速发展。
附图说明
图1是本申请一实施例提供的埋点指标处理方法的流程图。
图2是本申请一实施例提供的埋点指标处理方法的应用环境图。
图3是本申请一实施例提供的埋点事件的确定流程图。
图4是本申请一实施例提供的目标埋点描述信息的确定流程图。
图5是本申请一实施例提供的第一埋点数据的确定流程图。
图6是本申请一实施例提供的目标埋点数据的确定流程图。
图7是本申请一实施例提供的目标埋点指标的确定流程图。
图8是本申请一实施例提供的埋点指标处理装置的结构图。
图9是本申请一实施例提供的计算机设备的结构示意图。
如下具体实施方式将结合上述附图进一步说明本申请。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点,下面结合附图和具体实施例对本申请进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本发明实施例提供的埋点指标处理方法由计算机设备执行,相应地,埋点指标处理装置运行于计算机设备中。图1是本申请一实施例提供的埋点指标处理方法的流程图。如图1所示,所述埋点指标处理方法可以包括如下步骤,根据不同的需求,该流程图中步骤的顺序可以改变,某些可以省略:
S11,接收目标埋点方输出的多个埋点数据项。
在本申请的至少一实施例中,结合图2说明本申请实施例提供的埋点指标处理方法的应用环境图。所述埋点指标处理方法可应用于预设业务系统内,所述预设业务系统可以为医疗系统,支持疾病辅助诊断、健康管理、远程会诊等功能。所述预设业务系统与目标埋点方通信连接,所述目标埋点方用于对所述预设业务系统内的相关用户行为与用户属性进行埋点采集,所述预设业务系统用于供用户执行相关业务行为,例如,所述业务行为可以为问诊、购买等行为。所述目标埋点方将采集到的用户在所述预设业务系统内的用户行为与用户属性打包为埋点数据,供所述预设业务系统查询,并进行相关埋点数据分析。在一实施例中,所述预设业务系统可以与预设引擎连接,所述预设业务系统调用所述预设引擎查询并处理所述目标埋点方提供的埋点数据。在一实施例中,所述目标埋点方的数量可以为1个,也可以为多个,在此不做限制。所述预设业务系统可以为预设AB系统,所述预设AB系统为包括A页面版本与B页面版本的系统,所述预设AB系统可对用户进行分流处理,部分用户适用于A页面版本,部分用户适用于B页面版本。
在一实施例中,所述埋点数据项是指埋点数据对应的标签项,所述埋点数据项用于唯一标识埋点数据,例如,所述埋点数据项可以为用户数据项与事件数据项,其中,所述用户数据项可以为用户名称、用户属性类型等内容,以医疗场景为例,所述事件数据项可以为远程问诊页面疾病问诊次数、远程问诊页面停留时长以及远程问诊页面退出次数等内容;以金融场景为例,所述事件数据项可以为商品页面、商品访问次数、页面停留时长以及页面退出次数等内容。所述埋点数据项可以根据实际需求设置,在此不做限制。
S12,调用预设引擎从所述目标埋点方内选取每一所述埋点数据项对应的埋点数据。
在本申请的至少一实施例中,在所述目标埋点方内,对于每一所述埋点数据项,均存在唯一对应的埋点数据。所述预设引擎可以为预设Flink引擎,在此不做限制。
可选地,所述调用预设引擎从所述目标埋点方内选取每一所述埋点数据项对应的埋点数据,包括:
调用预设引擎确定所述目标埋点方内所述埋点数据项与所述埋点数据的映射关系;
遍历所述映射关系,得到所述埋点数据项对应的埋点数据。
S13,确定所述埋点数据对应的目标埋点事件。
在本申请的至少一实施例中,埋点事件是指用于根据埋点数据计算得到埋点指标的事件,所述埋点指标是指根据所述预设业务系统中用户行为与用户属性进行相关分析的指标,示例性地,所述埋点指标可以包括访问次数指标、页面停留时长指标以及页面退出率指标等。所述埋点事件与所述埋点指标一一对应,对于每一所述埋点事件,均存在唯一对应的所述埋点指标。在一实施例中,所述埋点数据可以仅对应1个目标埋点事件,也可以对应多个目标埋点事件。当所述埋点数据仅对应1个目标埋点事件时,确定所述埋点数据可用于一个埋点指标的分析;当所述埋点数据对应多个目标埋点事件时,确定所述埋点数据可用于多个埋点指标的分析。
结合图3说明本申请实施例提供的埋点事件的确定流程。可选地,所述确定所述埋点数据对应的目标埋点事件,包括:
S131,获取每一埋点事件对应的事件链路图。
在一实施例中,对于每一埋点事件,均存在与之唯一对应的事件链路图。所述事件链路图是指埋点事件对应的埋点指标分析需要的埋点数据组成的链路图,所述事件链路图内包含多个链路节点,对于所述目标埋点方内的埋点数据,均存在与之对应的链路节点。在一实施例中,所述链路节点对应的埋点数据可以从所述目标埋点方内获取到,也可以通过对目标埋点方内的埋点数据进行相关数据处理得到,在此不做限制。所述事件链路图中的链路结构可以理解为埋点指标分析过程中各个埋点数据的数据关系,示例性地,一个埋点事件M对应的事件链路图内包含多个层级,从高到低依次为层级1与层级2,其中层级1对应链接节点A与链路节点B,层级2对应链路节点C与链路节点D,其中,链路节点C与链路节点D是链路节点A的下一层级。可以理解,对链路节点C与链路节点D对应的埋点数据进行相关处理得到的数据作为链路节点A的埋点数据,确定链路节点B对应的埋点数据,之后对链路节点A与链路节点B对应的埋点数据进行相关处理,能够得到所述埋点事件M对应的埋点指标。在一实施例中,所述事件链路图可存储于预设数据库内,考虑到数据存储的可靠性与隐私性,所述预设数据库可以为区块链中的目标节点。
S132,确定所述事件链路图中每一链路节点对应的埋点描述信息。
在一实施例中,所述埋点描述信息是指预设数据格式的埋点数据对应若干属性描述的集合,所述预设数据格式为预先设置的埋点数据对应的若干属性描述的组合方式,例如,当所述链路节点A对应的属性描述为用户属性与商品页面时,所述埋点描述信息可以为{用户属性+商品页面};当所述链路节点B对应的属性描述为商品页面与访问时间时,所述埋点描述信息可以为{商品页面+访问时间}。
S133,确定与所述埋点数据匹配的目标埋点描述信息。
在一实施例中,所述埋点数据存在1个或者多个埋点属性,确定所述埋点数据对应的埋点属性与埋点描述信息对应的属性描述的相同数量,并选取相同数量超过预设数量阈值的埋点描述信息作为目标埋点描述信息。其中,所述预设数量阈值为预先设置的用于标识所述埋点数据与埋点描述信息匹配关系的数值。示例性地,埋点数据A为不同用户属性对应访问的商品页面信息时,埋点数据A对应的埋点属性为{用户属性+商品页面}。
S134,将所述目标埋点描述信息对应的埋点事件作为目标埋点事件。
结合图4说明本申请实施例提供的目标埋点描述信息的确定流程。可选地,所述确定与所述埋点数据匹配的目标埋点描述信息,包括:
S1331,获取所述埋点数据对应的若干埋点属性。
在一实施例中,所述埋点属性可以为用户属性、商品页面以及访问时间等属性。所述埋点数据内存在属性标识,所述属性标识的数量可以为1个,也可以为多个,所述属性标识用于唯一标识埋点数据。通过查询所述埋点数据内的属性标识,能够得到所述埋点数据对应的埋点属性。在一实施例中,所述属性标识可以为字母标识、颜色标识以及数字标识,在此不做限制。
S1332,确定所述埋点描述信息对应的属性描述。
在一实施例中,所述属性描述是指单个链路节点对应埋点描述信息的描述。
S1333,确定所述埋点属性与所述属性描述中相同的埋点属性数量。
在一实施例中,将所述埋点数据对应的若干埋点数据与埋点事件对应的事件链路图内的每个链路节点对应的属性描述进行比对,确定所述埋点属性与所述属性描述中相同的埋点属性数量。
S1334,选取所述相同的埋点属性数量超过预设数量阈值的埋点描述信息作为目标埋点描述信息。
S14,根据所述目标埋点事件组合所述埋点数据,得到第一埋点数据。
在本申请的至少一实施例中,将从所述目标埋点方获取到的属于同一所述目标埋点事件的埋点数据进行组合,能够得到第一埋点数据。
结合图5说明本申请实施例提供的第一埋点数据的确定流程。可选地,所述根据所述目标埋点事件组合所述埋点数据,得到第一埋点数据,包括:
S141,获取所述目标埋点事件对应目标事件链路图内每一链路节点。
在一实施例中,所述目标埋点事件与所述目标事件链路图存在对应关系,通过查询所述对应关系,能够得到所述目标埋点事件对应的目标事件链路图。所述目标事件链路图内包含多个链路节点。
S142,确定所述每一链路节点对应的埋点数据。
在一实施例中,每一链路节点均存在对应的埋点数据,所述埋点数据可以从所述目标埋点方内直接获取到的,也可以通过对所述目标埋点方内多个埋点数据进行相关处理间接得到的。可以理解,所述第一埋点数据是指从所述目标埋点方内直接得到的埋点数据组合而来,通过对所述目标埋点方内多个埋点数据进行相关处理间接得到的埋点数据不算作第一埋点数据。
S143,根据所述目标事件链路图的方式组合所述埋点数据,得到第一埋点数据。
在一实施例中,确定所述目标事件链路图内各个链路节点的组合方式,按照该组合方式组合各个链路节点对应的从所述目标埋点方直接得到的埋点数据,得到第一埋点数据。本申请实施例根据所述目标事件链路图的方式组合所述埋点数据,在后续埋点指标分析时,直接根据所述目标事件链路图的结构选取指标分析所需的埋点数据,能够提高埋点指标的处理速率。
S15,清洗所述第一埋点数据,得到目标埋点数据。
在本申请的至少一实施例中,所述目标埋点方内的埋点数据均存在对应的第一数据格式,不同的埋点数据对应的第一数据格式可以相同,也可以不相同。对于所述目标埋点方内的数据格式,在所述预设业务系统内进行埋点指标分析并不一定适用,需对所述第一埋点数据进行清洗处理,将所述第一数据格式转换为所述预设业务系统适用的目标数据格式,能够保证埋点指标处理的准确性与速率。
结合图6说明本申请实施例提供的目标埋点数据的确定流程。可选地,所述清洗所述第一埋点数据,得到目标埋点数据,包括:
S151,确定所述第一埋点数据内每一埋点数据的第一数据格式。
在一实施例中,所述第一数据格式可以为字符串格式、整数型格式等。
S152,确定目标数据格式。
S153,将所述每一埋点数据的所述第一数据格式调整为所述目标数据格式,得到目标埋点数据。
S16,确定所述目标埋点数据对应的预设指标计算模型,并调用所述预设指标计算模型处理所述目标埋点数据,得到目标埋点指标。
在本申请的至少一实施例中,所述预设指标计算模型为预先设置的用于对所述目标埋点数据进行数据处理,得到目标埋点指标的模型。
结合图7说明本申请实施例提供的目标埋点指标的确定流程。可选地,所述调用所述预设指标计算模型处理所述目标埋点数据,得到目标埋点指标,包括:
S161,获取所述预设指标计算模型对应的多个指标计算因子。
在一实施例中,所述预设指标计算模型用于对多个指标计算因子执行相关算法,相关算法可以包括但不限于加法、减法、乘法以及除法。在一实施例中,所述预设指标计算模型内的每一指标计算因子均存在对应的计算因子标识,通过确定所述计算因子标识,能够得到所述预设指标计算模型对应的指标计算因子。
S162,确定每一所述指标计算因子与所述目标埋点事件对应事件链路图中每一链路节点的对应关系。
在一实施例中,所述事件链路图是指埋点事件对应的埋点指标分析需要的埋点数据组成的链路图,所述事件链路图内每一链路节点可理解为目标埋点指标分析所需的计算因子。由此可知,所述预设指标计算模型内的指标计算因子与所述链路节点存在对应关系,对于每一所述指标计算因子,均存在对应的链路节点。
S163,根据所述对应关系确定所述指标计算因子对应的埋点数据。
在一实施例中,所述链路节点均存在对应的埋点数据,通过所述指标计算因子与所述链路节点间的对应关系,能够得到所述指标计算因子对应的埋点数据。
示例性地,当所述埋点事件为商品页面的访问次数指标对应的事件(本申请又称访问次数事件)时,访问次数事件包括链路节点A与链路节点B,其中,链路节点A对应的埋点描述信息为{用户属性+商品页面},根据该埋点描述信息可知,所述链路节点A对应的埋点数据为不同用户属性对应访问的商品页面信息,链路节点B对应的埋点描述信息为{商品页面+访问时间},根据该埋点描述信息可知,所述链路节点B对应的埋点数据为商品页面的访问时间信息。通过对链路节点A与链路节点B的埋点数据进行相关处理,能够得到访问次数事件对应的访问次数指标。
当所述预设指标计算模型用于对所述埋点事件对应的目标埋点数据进行处理,得到商品页面的访问次数指标时,所述预设指标计算模型可以包括2个指标计算因子,分别为商品页面对应用户属性指标计算因子与商品页面的访问时间指标计算因子,所述商品页面对应用户属性指标计算因子用于对不同用户属性对应访问的商品页面信息进行处理,能够得到各个用户属性的商品页面访问信息,所述商品页面的访问时间指标计算因子用于对商品页面的访问时间信息进行处理,能够得到各个商品页面的访问时间。通过所述预设指标计算模型能够得到预设访问时间段内商品页面访问次数,也即访问次数指标。
S164,将所述埋点数据输入至所述指标计算因子在所述预设指标计算模型的目标位置处,得到目标埋点指标。
在一实施例中,在所述调用所述预设指标计算模型处理所述目标埋点数据,得到目标埋点指标之前,所述方法还包括:
S165,检测所述目标埋点数据是否完整;
在一实施例中,检测所述目标埋点事件对应事件链路图中每一链路节点是否均存在对应的埋点数据,当每一链路节点内均存在对应的埋点数据时,确定所述目标埋点数据完整;当存在链路节点未找到与之对应的埋点数据时,确定所述目标埋点数据不完整。
S166,当所述目标埋点数据完整时,调用所述预设指标计算模型处理所述目标埋点数据,得到目标埋点指标;
S167,当所述目标埋点数据未完整时,确定空缺埋点数据,并从所述目标埋点方内继续采集埋点数据直至得到所述空缺埋点数据。
在一实施例中,确定未找到对应埋点数据的链路节点对应的数据为空缺埋点数据。本申请实施例通过对目标埋点数据的完整性进行检测,能够保证目标埋点指标的正常分析,避免在计算过程中发现目标埋点数据不完整导致计算中断导致的计算资源浪费等问题。
本申请实施例提供的上述埋点指标处理方法,通过调用预设引擎从目标埋点方内选取埋点数据,并根据埋点数据对应的目标埋点事件组合埋点数据,得到第一埋点数据,在后续埋点指标分析时,直接根据所述目标事件的结构选取指标分析所需的埋点数据,能够提高埋点数据的处理速率;且本申请通过清洗第一埋点数据,能够得到预设业务系统适用的目标埋点数据,实现目标埋点方与预设业务系统的自动对接,便于预设业务系统进行埋点指标分析。本申请可应用于智慧政务、智慧交通、智慧医疗等智慧城市的各个功能模块中,比如智慧医疗的埋点指标处理模块等,能够促进智慧城市的快速发展。
请参阅图8,图8是本申请一实施例提供的埋点指标处理装置的结构图。
在一些实施例中,所述埋点指标处理装置20可以包括多个由计算机程序段所组成的功能模块。所述埋点指标处理装置20中的各个程序段的计算机程序可以存储于计算机设备的存储器中,并由至少一个处理器所执行,以执行(详见图1描述)埋点指标处理的功能。
本实施例中,所述埋点指标处理装置20根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:数据项接收模块201、埋点数据选取模块202、埋点事件确定模块203、埋点数据组合模块204、埋点数据清洗模块205以及埋点指标确定模块206。本申请所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
所述数据项接收模块201可以用于接收目标埋点方输出的多个埋点数据项。
所述埋点数据选取模块202可以用于调用预设引擎从所述目标埋点方内选取每一所述埋点数据项对应的埋点数据。
所述埋点事件确定模块203可以用于确定所述埋点数据对应的目标埋点事件。
所述埋点数据组合模块204可以用于根据所述目标埋点事件组合所述埋点数据,得到第一埋点数据。
所述埋点数据清洗模块205可以用于清洗所述第一埋点数据,得到目标埋点数据。
所述埋点指标确定模块206可以用于确定所述目标埋点数据对应的预设指标计算模型,并调用所述预设指标计算模型处理所述目标埋点数据,得到目标埋点指标。
在本申请的至少一实施例中,所述埋点数据选取模块202还可以用于调用预设引擎确定所述目标埋点方内所述埋点数据项与所述埋点数据的映射关系;遍历所述映射关系,得到所述埋点数据项对应的埋点数据。
在本申请的至少一实施例中,所述埋点事件确定模块203还可以用于获取每一埋点事件对应的事件链路图;确定所述事件链路图中每一链路节点对应的埋点描述信息;确定与所述埋点数据匹配的目标埋点描述信息;将所述目标埋点描述信息对应的埋点事件作为目标埋点事件。
在本申请的至少一实施例中,所述埋点事件确定模块203还可以用于获取所述埋点数据对应的若干埋点属性;确定所述埋点描述信息对应的属性描述;确定所述埋点属性与所述属性描述中相同的埋点属性数量;选取所述相同的埋点属性数量超过预设数量阈值的埋点描述信息作为目标埋点描述信息。
在本申请的至少一实施例中,所述埋点数据组合模块204还可以用于获取所述目标埋点事件对应目标事件链路图内每一链路节点;确定所述每一链路节点对应的埋点数据;根据所述目标事件链路图的方式组合所述埋点数据,得到第一埋点数据。
在本申请的至少一实施例中,所述埋点数据清洗模块205还可以用于确定所述第一埋点数据内每一埋点数据的第一数据格式;确定目标数据格式;将所述每一埋点数据的所述第一数据格式调整为所述目标数据格式,得标埋点数据。
在本申请的至少一实施例中,所述埋点指标确定模块206还可以用于获取所述预设指标计算模型对应的多个指标计算因子;确定每一所述指标计算因子与所述目标埋点事件对应事件链路图中每一链路节点的对应关系;根据所述对应关系确定所述指标计算因子对应的埋点数据;将所述埋点数据输入至所述指标计算因子在所述预设指标计算模型的目标位置处,得到目标埋点指标。
参阅图9所示,为本申请一实施例提供的计算机设备的结构示意图。在本申请较佳实施例中,所述计算机设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解,图9示出的计算机设备的结构并不构成本申请实施例的限定,既可以是总线型结构,也可以是星形结构,所述计算机设备3还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置。
在一些实施例中,所述计算机设备3是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述计算机设备3还可包括客户设备,所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是,所述计算机设备3仅为举例,其他现有的或今后可能出现的电子产品如可适应于本申请,也应包含在本申请的保护范围以内,并以引用方式包含于此。
在一些实施例中,所述存储器31中存储有计算机程序,所述计算机程序被所述至少一个处理器32执行时实现如所述的埋点指标处理方法中的全部或者部分步骤。所述存储器31包括只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-OnlyMemory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(Compact Disc 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。
进一步地,所述计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
在一些实施例中,所述至少一个处理器32是所述计算机设备3的控制核心(Control Unit),利用各种接口和线路连接整个计算机设备3的各个部件,通过运行或执行存储在所述存储器31内的程序或者模块,以及调用存储在所述存储器31内的数据,以执行计算机设备3的各种功能和处理数据。例如,所述至少一个处理器32执行所述存储器中存储的计算机程序时实现本申请实施例中所述的埋点指标处理方法的全部或者部分步骤;或者实现埋点指标处理装置的全部或者部分功能。所述至少一个处理器32可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。
在一些实施例中,所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出,所述计算机设备3还可以包括给各个部件供电的电源(比如电池),优选的,电源可以通过电源管理装置与所述至少一个处理器32逻辑相连,从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机设备3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,计算机设备,或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述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单元,既可以位于一个地方,或者也可以分布到多个网络单元上。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。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或,单数不排除复数。说明书中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本申请的技术方案而非限制,尽管参照较佳实施例对本申请进行了详细说明,本领域的普通技术人员应当理解,可以对本申请的技术方案进行修改或等同替换,而不脱离本申请技术方案的精神和范围。
Claims (10)
1.一种埋点指标处理方法,应用于预设业务系统,其特征在于,所述埋点指标处理方法包括:
接收目标埋点方输出的多个埋点数据项;
调用预设引擎从所述目标埋点方内选取每一所述埋点数据项对应的埋点数据;
确定所述埋点数据对应的目标埋点事件;
根据所述目标埋点事件组合所述埋点数据,得到第一埋点数据;
清洗所述第一埋点数据,得到目标埋点数据;
确定所述目标埋点数据对应的预设指标计算模型,并调用所述预设指标计算模型处理所述目标埋点数据,得到目标埋点指标。
2.根据权利要求1所述的埋点指标处理方法,其特征在于,所述调用预设引擎从所述目标埋点方内选取每一所述埋点数据项对应的埋点数据,包括:
调用预设引擎确定所述目标埋点方内所述埋点数据项与所述埋点数据的映射关系;
遍历所述映射关系,得到所述埋点数据项对应的埋点数据。
3.根据权利要求1所述的埋点指标处理方法,其特征在于,所述确定所述埋点数据对应的目标埋点事件,包括:
获取每一埋点事件对应的事件链路图;
确定所述事件链路图中每一链路节点对应的埋点描述信息;
确定与所述埋点数据匹配的目标埋点描述信息;
将所述目标埋点描述信息对应的埋点事件作为目标埋点事件。
4.根据权利要求3所述的埋点指标处理方法,其特征在于,所述确定与所述埋点数据匹配的目标埋点描述信息,包括:
获取所述埋点数据对应的若干埋点属性;
确定所述埋点描述信息对应的属性描述;
确定所述埋点属性与所述属性描述中相同的埋点属性数量;
选取所述相同的埋点属性数量超过预设数量阈值的埋点描述信息作为目标埋点描述信息。
5.根据权利要求3所述的埋点指标处理方法,其特征在于,所述根据所述目标埋点事件组合所述埋点数据,得到第一埋点数据,包括:
获取所述目标埋点事件对应目标事件链路图内每一链路节点;
确定所述每一链路节点对应的埋点数据;
根据所述目标事件链路图的方式组合所述埋点数据,得到第一埋点数据。
6.根据权利要求1所述的埋点指标处理方法,其特征在于,所述清洗所述第一埋点数据,得到目标埋点数据,包括:
确定所述第一埋点数据内每一埋点数据的第一数据格式;
确定目标数据格式;
将所述每一埋点数据的所述第一数据格式调整为所述目标数据格式,得到目标埋点数据。
7.根据权利要求3所述的埋点指标处理方法,其特征在于,所述调用所述预设指标计算模型处理所述目标埋点数据,得到目标埋点指标,包括:
获取所述预设指标计算模型对应的多个指标计算因子;
确定每一所述指标计算因子与所述目标埋点事件对应事件链路图中每一链路节点的对应关系;
根据所述对应关系确定所述指标计算因子对应的埋点数据;
将所述埋点数据输入至所述指标计算因子在所述预设指标计算模型的目标位置处,得到目标埋点指标。
8.一种埋点指标处理装置,应用于预设业务系统,其特征在于,所述埋点指标处理装置包括:
数据项接收模块,用于接收目标埋点方输出的多个埋点数据项;
埋点数据选取模块,用于调用预设引擎从所述目标埋点方内选取每一所述埋点数据项对应的埋点数据;
埋点事件确定模块,用于确定所述埋点数据对应的目标埋点事件;
埋点数据组合模块,用于根据所述目标埋点事件组合所述埋点数据,得到第一埋点数据;
埋点数据清洗模块,用于清洗所述第一埋点数据,得到目标埋点数据;
埋点指标确定模块,用于确定所述目标埋点数据对应的预设指标计算模型,并调用所述预设指标计算模型处理所述目标埋点数据,得到目标埋点指标。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述的埋点指标处理方法。
10.一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如权利要求1至7中任意一项所述的埋点指标处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310715650.3A CN116755987A (zh) | 2023-06-15 | 2023-06-15 | 埋点指标处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310715650.3A CN116755987A (zh) | 2023-06-15 | 2023-06-15 | 埋点指标处理方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116755987A true CN116755987A (zh) | 2023-09-15 |
Family
ID=87947283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310715650.3A Pending CN116755987A (zh) | 2023-06-15 | 2023-06-15 | 埋点指标处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116755987A (zh) |
-
2023
- 2023-06-15 CN CN202310715650.3A patent/CN116755987A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112698971B (zh) | 基于规则引擎的参数转换方法、装置、设备及介质 | |
CN112149409B (zh) | 医疗词云生成方法、装置、计算机设备及存储介质 | |
CN112216361A (zh) | 基于人工智能的随访计划单生成方法、装置、终端及介质 | |
CN116341523A (zh) | 文本纠错方法、装置、计算机设备及存储介质 | |
CN113723513A (zh) | 多标签图像分类方法、装置及相关设备 | |
CN113806434A (zh) | 大数据处理方法、装置、设备及介质 | |
CN112634889A (zh) | 基于人工智能的电子病例录入方法、装置、终端及介质 | |
CN114862520A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN114220541A (zh) | 疾病预测方法、装置、电子设备及存储介质 | |
CN116108276A (zh) | 基于人工智能的信息推荐方法、装置及相关设备 | |
CN116433391A (zh) | 理赔信息处理方法、装置、电子设备及存储介质 | |
CN116737378A (zh) | 资源动态分配方法、装置、电子设备及存储介质 | |
CN116823437A (zh) | 基于配置化风控策略的准入方法、装置、设备及介质 | |
CN116755987A (zh) | 埋点指标处理方法、装置、计算机设备及存储介质 | |
CN113688125B (zh) | 基于人工智能的异常值检测方法、装置、电子设备及介质 | |
CN114239538A (zh) | 断言处理方法、装置、计算机设备及存储介质 | |
US20140278527A1 (en) | Large scale identification and analysis of population health risks | |
CN114664458A (zh) | 患者分类装置、计算机设备及存储介质 | |
CN113792681B (zh) | 基于点云匹配的信息采集方法、装置、电子设备及介质 | |
CN116662138A (zh) | 埋点数据处理方法、装置、计算机设备及存储介质 | |
CN113722590B (zh) | 基于人工智能的医学信息推荐方法、装置、设备及介质 | |
CN112132034B (zh) | 行人图像检测方法、装置、计算机设备及存储介质 | |
CN116910021A (zh) | 数据库替换方法、装置、计算机设备及存储介质 | |
CN111651452B (zh) | 数据存储方法、装置、计算机设备及存储介质 | |
CN114741459B (zh) | 基于人工智能的数据查询方法、装置、电子设备及介质 |
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 |