CN116820443A - 数据分析方法、装置、计算机设备及存储介质 - Google Patents
数据分析方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116820443A CN116820443A CN202310661375.1A CN202310661375A CN116820443A CN 116820443 A CN116820443 A CN 116820443A CN 202310661375 A CN202310661375 A CN 202310661375A CN 116820443 A CN116820443 A CN 116820443A
- Authority
- CN
- China
- Prior art keywords
- data analysis
- target
- data
- model
- 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.)
- Pending
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 248
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 230000001960 triggered effect Effects 0.000 claims abstract description 21
- 238000000605 extraction Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 67
- 238000004891 communication Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 21
- 230000005540 biological transmission Effects 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 13
- 238000005516 engineering process Methods 0.000 abstract description 13
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000007726 management method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 10
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013138 pruning Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance 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
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/35—Creation or generation of source code model driven
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例属于人工智能领域与金融科技领域,涉及一种数据分析方法,包括:判断是否接收到目标用户输入的数据分析请求;若是,展示模型配置页面;接收目标用户在模型配置页面内触发的目标业务操作;对待分析数据进行信息提取得到目标信息;基于目标信息与目标业务操作生成目标数据分析模型;基于目标数据分析模型对待分析数据进行分析,生成数据分析结果。本申请还提供一种数据分析装置、计算机设备及存储介质。此外,本申请还涉及区块链技术,数据分析结果可存储于区块链中。本申请的数据分析方法可应用于金融领域的数据分析场景,提高了数据分析模型的构建效率,并能够数据分析模型来快速进行数据分析,提高了对于数据的分析效率。
Description
技术领域
本申请涉及人工智能技术领域与金融科技领域,尤其涉及数据分析方法、装置、计算机设备及存储介质。
背景技术
随着社会的发展,现在无论是大企业还是小企业,公司的日常经营,业务运营都要依靠数据。几乎所有的公司都在搭建自己的数据体系,以实现数字化转型,依靠数据体系实现高效准确的数据化运营。各行各业出于需要,特别是金融科技公司,例如保险公司、银行等,需要涉及到对自己本行业内的业务数据进行分析,
在搭建数据体系实现数字化运营的过程中,由于经营分析所需的数据分析模型需要具备较高专业性的数据IT技术人员开发处理才能实现,而业务运营人员或者公司负责经营管理的高管并不能直接完成这个技术性工作,每一个数据分析需求都需要数据IT技术人员完成开程序开发后才能看到数据并使用,这就需要大量的IT人员支持。由于需要大量的数据IT开发人员针对每一个业务分析需求进行数据分析模型的开发,使得数据分析模型的开发效率低下,且业务分析需求对应的数据分析效率也较低。
发明内容
本申请实施例的目的在于提出一种数据分析方法、装置、计算机设备及存储介质,以解决现有的数据分析流程需要大量的数据IT开发人员针对每一个业务分析需求进行数据分析模型的开发,使得数据分析模型的开发效率低下,且业务分析需求对应的数据分析效率也较低的技术问题。
为了解决上述技术问题,本申请实施例提供一种数据分析方法,采用了如下所述的技术方案:
判断是否接收到目标用户输入的数据分析请求;其中,所述数据分析请求携带待分析数据;
若是,展示预设的模型配置页面;
接收目标用户在所述模型配置页面内触发的目标业务操作;
基于预设的信息类型对所述待分析数据进行信息提取,得到对应的目标信息;
基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型;
基于所述目标数据分析模型对所述待分析数据进行分析,生成与所述待分析数据对应的数据分析结果。
进一步的,所述基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型的步骤,具体包括:
获取所述目标信息中包括的目标指标;
确定与所述目标指标对应的指标计算公式;
从所述指标计算公式确定出与所述目标指标对应的度量字段;
基于所述目标业务操作获取与所述度量字段对应的指定业务数据;
基于所述指标计算公式对所述指定业务数据进行计算,生成对应的指标计算模型;
基于所述指标计算模型生成所述目标数据分析模型。
进一步的,所述基于所述指标计算模型生成所述目标数据分析模型的步骤,具体包括:
获取所述指标计算模型的数量;
判断所述指标计算模型的数量是否大于1;
若是,对各个所述指标计算模型进行整合处理,得到所述目标数据分析模型。
进一步的,在所述基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型的步骤之后,还包括:
调用预设的代码生成工具;
基于所述代码生成工具生成与所述目标数据分析模型对应的目标代码;
存储所述目标代码。
进一步的,所述基于所述代码生成工具生成与所述目标数据分析模型对应的目标代码的步骤,具体包括:
基于所述代码生成工具,对所述目标数据分析模型进行模型解析处理,将所述目标数据分析模型解析成对应的元数据;
将所述元数据映射为对应的程序代码;
将所述程序代码作为所述目标代码。
进一步的,在所述基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型的步骤之后,还包括:
对所述目标数据分析模型进行压缩处理,得到压缩后的目标数据分析模型;
对所述压缩后的目标数据分析模型进行存储。
进一步的,在所述基于所述目标数据分析模型对所述待分析数据进行分析,生成与所述待分析数据对应的数据分析结果的步骤之后,还包括:
展示所述数据分析结果;
获取所述目标用户的通信信息;
确定与所述通信信息对应的信息传输方式;
基于信息传输方式,将所述数据分析结果发送至与所述通信信息对应的所述目标用户的通信端。
为了解决上述技术问题,本申请实施例还提供一种数据分析装置,采用了如下所述的技术方案:
判断模块,用于判断是否接收到目标用户输入的数据分析请求;其中,所述数据分析请求携带待分析数据;
第一展示模块,用于若是,展示预设的模型配置页面;
接收模块,用于接收目标用户在所述模型配置页面内触发的目标业务操作;
提取模块,用于基于预设的信息类型对所述待分析数据进行信息提取,得到对应的目标信息;
第一生成模块,用于基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型;
第二生成模块,用于基于所述目标数据分析模型对所述待分析数据进行分析,生成与所述待分析数据对应的数据分析结果。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
判断是否接收到目标用户输入的数据分析请求;其中,所述数据分析请求携带待分析数据;
若是,展示预设的模型配置页面;
接收目标用户在所述模型配置页面内触发的目标业务操作;
基于预设的信息类型对所述待分析数据进行信息提取,得到对应的目标信息;
基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型;
基于所述目标数据分析模型对所述待分析数据进行分析,生成与所述待分析数据对应的数据分析结果。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
判断是否接收到目标用户输入的数据分析请求;其中,所述数据分析请求携带待分析数据;
若是,展示预设的模型配置页面;
接收目标用户在所述模型配置页面内触发的目标业务操作;
基于预设的信息类型对所述待分析数据进行信息提取,得到对应的目标信息;
基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型;
基于所述目标数据分析模型对所述待分析数据进行分析,生成与所述待分析数据对应的数据分析结果。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例首先判断是否接收到目标用户输入的数据分析请求;若是,展示预设的模型配置页面;然后接收目标用户在所述模型配置页面内触发的目标业务操作;之后基于预设的信息类型对所述待分析数据进行信息提取,得到对应的目标信息;后续基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型;最后基于所述目标数据分析模型对所述待分析数据进行分析,生成与所述待分析数据对应的数据分析结果。本申请实施例能够基于目标用户在所述模型配置页面内触发的目标业务操作,以及对所述待分析数据进行信息提取得到的目标信息,实现自动快速地生成与目标用户输入的数据分析请求对应的目标数据分析模型,使得用户无需编写任何程序,减少了人工构建数据分析模型的工作,降低了目标数据分析模型的构建难度,有效提高了目标数据分析模型的构建效率。并且能够基于生成的目标数据分析模型来快速实现对于待分析数据的数据分析处理,提高了对于数据的分析效率。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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是本申请可以应用于其中的示例性系统架构图;
图2根据本申请的数据分析方法的一个实施例的流程图;
图3是根据本申请的数据分析装置的一个实施例的结构示意图;
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
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;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“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。
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申请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。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的数据分析方法一般由服务器/终端设备执行,相应地,数据分析装置一般设置于服务器/终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的数据分析方法的一个实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。本申请实施例提供的数据分析方法能够应用于任一种需要进行数据分析的场景中,则该方法能够应用于这些场景的产品中,例如,金融保险领域中的数据分析,数字医疗领域中的数据分析,等等。所述的数据分析方法,包括以下步骤:
步骤S201,判断是否接收到目标用户输入的数据分析请求。
在本实施例中,数据分析方法运行于其上的电子设备(例如图1所示的服务器/终端设备),可以通过有线连接方式或者无线连接方式获取待分析数据。需要指出的是,上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。其中,所述数据分析请求携带待分析数据。
步骤S202,若是,展示预设的模型配置页面。
在本实施例中,上述模型配置页面为预先构架的用于配置生成指标模型的页面。模型配置页面至少包括用于构建指标计算模型的一个或多个模块:数据源管理模块、数据表显示模块、数据表拖拽模块、表连接管理模块、度量管理模块、维度管理模块、指标计算模块、模型生成保存模块,等等。
步骤S203,接收目标用户在所述模型配置页面内触发的目标业务操作。
在本实施例中,上述目标业务操作可指目标用户触发的对于模型配置页面内的多个模块的模块操作。
步骤S204,基于预设的信息类型对所述待分析数据进行信息提取,得到对应的目标信息。
在本实施例中,上述信息类型至少可包括指标信息,还可包括维度信息,等等。
步骤S205,基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型。
在本实施例中,上述基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
步骤S206,基于所述目标数据分析模型对所述待分析数据进行分析,生成与所述待分析数据对应的数据分析结果。
在本实施例中,通过使用所述目标数据分析模型对所述待分析数据进行分析操作,可以生成相应的指标分析结果,即与所述待分析数据对应的数据分析结果。
本申请首先判断是否接收到目标用户输入的数据分析请求;若是,展示预设的模型配置页面;然后接收目标用户在所述模型配置页面内触发的目标业务操作;之后基于预设的信息类型对所述待分析数据进行信息提取,得到对应的目标信息;后续基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型;最后基于所述目标数据分析模型对所述待分析数据进行分析,生成与所述待分析数据对应的数据分析结果。本申请能够基于目标用户在所述模型配置页面内触发的目标业务操作,以及对所述待分析数据进行信息提取得到的目标信息,实现自动快速地生成与目标用户输入的数据分析请求对应的目标数据分析模型,使得用户无需编写任何程序,减少了人工构建数据分析模型的工作,降低了目标数据分析模型的构建难度,有效提高了目标数据分析模型的构建效率。并且能够基于生成的目标数据分析模型来快速实现对于待分析数据的数据分析处理,提高了对于数据的分析效率。
在一些可选的实现方式中,步骤S205包括以下步骤:
获取所述目标信息中包括的目标指标。
在本实施例中,目标信息中至少包括待分析数据对应的业务需求所需要计算的目标指标、维度信息(时间维度、空间维度)等。示例性的,在金融保险的数据分析的业务场景下,上述目标指标可包括支付指标、业务指标、交易指标,等等。
确定与所述目标指标对应的指标计算公式。
在本实施例中,对应不同的指标,预先会根据相应的业务需求构建出该指标对应的指标计算公式。
从所述指标计算公式确定出与所述目标指标对应的度量字段。
在本实施例中,举例地,假如指标计算公式为关于人口密度的指标计算公式:人口密度=人口/面积,则人工密度表示指标,人口与面积表示度量字段。
基于所述目标业务操作获取与所述度量字段对应的指定业务数据。
在本实施例中,上述目标业务操作为目标用户触发的用于确定所述度量字段对应的数据源的操作,基于该目标业务操作可以获取到进行目标指标的计算所对应的计算数据。
基于所述指标计算公式对所述指定业务数据进行计算,生成对应的指标计算模型。
在本实施例中,模型配置页面至少包括用于构建指标计算模型的一个或多个模块:数据源管理模块、数据表显示模块、数据表拖拽模块、表连接管理模块、度量管理模块、维度管理模块、指标计算模块、模型生成保存模块,等等。目标用户可通过可视化界面(即模型配置页面)直接操作上述模块来建立与指标对应的指标计算模型。举例地:首先基于目标用户在所述模型配置页面内触发的目标业务操作,通过数据源管理模型选择数据源对应的数据库,选取好数据源对应的数据库后,数据表展示模块会展示该数据库下的数据表,通过数据表拖拽模块拖拽目标数据表至当前页面的预设区域,拖拽好后,通过表连接管理模块对目标数据表建立连接,建立好连接后。根据上述对所述待分析数据进行信息提取得到的目标信息分别对度量管理模块与维度管理模块进行参数设置,设置好这些模块的参数后,基于所述指标计算公式、所述目标业务操作以及目标信息进行指标计算得到对应的计算结果,最后通过模型生成保存模块生成相应的指标计算模型,并保存该指标计算模型。
基于所述指标计算模型生成所述目标数据分析模型。
在本实施例中,上述基于所述指标计算模型生成所述目标数据分析模型的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
本申请通过获取所述目标信息中包括的目标指标;然后确定与所述目标指标对应的指标计算公式;之后从所述指标计算公式确定出与所述目标指标对应的度量字段;后续基于所述目标业务操作获取与所述度量字段对应的指定业务数据;最后基于所述指标计算公式对所述指定业务数据进行计算,生成对应的指标计算模型,并基于所述指标计算模型生成所述目标数据分析模型。本申请能够基于目标用户在所述模型配置页面内触发的目标业务操作,以及对所述待分析数据进行信息提取得到的目标信息,实现自动快速地生成与目标用户输入的数据分析请求对应的目标数据分析模型,减少了用户的人工构建工作,降低了目标数据分析模型的构建难度,有效提高了目标数据分析模型的构建效率,提高了用户的使用体验。
在本实施例的一些可选的实现方式中,所述基于所述指标计算模型生成所述目标数据分析模型,包括以下步骤:
获取所述指标计算模型的数量。
在本实施例中,所述指标计算模型的数量可包括一个或多个。
判断所述指标计算模型的数量是否大于1。
若是,对各个所述指标计算模型进行整合处理,得到所述目标数据分析模型。
在本实施例中,如果所述指标计算模型的数量大于1,则将所有所述指标计算模型均作为目标数据分析模型。如果指标计算模型的数量为1,则直接将该指标计算模型作为所述目标数据分析模型。
本申请通过获取所述指标计算模型的数量;然后判断所述指标计算模型的数量是否大于1;若是,对各个所述指标计算模型进行整合处理,得到所述目标数据分析模型。通过本申请能够基于指标计算模型的数量来准确地构建出所需目标数据分析模型。
进一步地,还可在建设数据体系中进行如下几个方面的的改进或者功能实现:(1)数据从源端接入大数据平台形成贴源层后,这一层的数据往往与IT业务系统源表高度一致,数据表分布零散、琐碎,表与表之间的关系复杂、凌乱,业务用户往往难以使用。要实现业务用户自助分析,就要屏蔽这一层。可以通过在贴源层之后按照业务可以理解的方式重新整合、组织数据模型,业务往往能理解的方式是业务过程和与业务过程发生是相关的环境信息,我们将所有的数据按照这个思路重新组织,方便业务用户挑选使用。(2)在实现了前一步将数据以业务用户可理解的方式重新组织后,数据从对业务人员的来说的无序变为有序,但是对于用户使用来说,大部分数据仍然是十分零散的,多数的分析需求需要跨业务过程、并从多种环境角度去看,这样就存在相当一部分需求的加工仍然是复杂的,为解决上述问题,我们基于当前业务存量应用,进行统计分析,规划出业务用户常用的数据组合和分析思路,上一层会后再构建一层预关联层,对于业务用户需要进行的常用关联提前实现,减轻下游用户自行处理的复杂性。(3)有了以上两步,我们底层的数据模型就具备了被业务用户理解和易用的基础,但是业务用户要想使用这些数据需要掌握数据信息和数据之间的关联关系,才能进行自助加工。需要搭建一套适配的元数据管理体系,维护我们上述将数据重新组织后的模型信息和模型之间的关系信息。(4)我们实现了底层模型的重构和数据信息的维护,那么数据变得易于继续组合,信息变得易于查找和理解,对业务用户而言,要实现自助分析唯一的问题就是,业务用户往往不具备写代码编程能力,即使知道如何组织加工如数据才能实现自己的需求,但是写不出代码。我们需要搭建一套适合业务用户拖拉拽自助组合数据模型并在后台自助生成代码的工具,由于我们已经在上一步维护了模型间的关联关系,只需要在平台上将用户拖拽的模型关联展示在后台直接转化为代码即可,将用户期望的计算,直接映射为后台的预制函数,即可实现用户的无代码化编程和自助分析。通过完成如上四步的建设,基本上可以实现业务用户大部分的日常数据分析需求的自助化。
在一些可选的实现方式中,在步骤S205之后,上述电子设备还可以执行以下步骤:
调用预设的代码生成工具。
在本实施例中,上述代码生成工具为根据自动构建与数据分析模型匹配的代码的功能需求预先创建的工具。
基于所述代码生成工具生成与所述目标数据分析模型对应的目标代码。
在本实施例中,上述基于所述代码生成工具生成与所述目标数据分析模型对应的目标代码的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
存储所述目标代码。
在本实施例中,对于所述目标代码的存储方式不作具体限定,例如可采用数据库存储或区块链存储的方式,以保证上述目标抽取模型的私密和安全性。
本申请通过调用预设的代码生成工具;然后基于所述代码生成工具生成与所述目标数据分析模型对应的目标代码;后续存储所述目标代码。本申请基于代码生成工具的使用,可以实现自动快捷地生成与所述目标数据分析模型对应的目标代码,提高了数据分析模型的模型代码的生成效率与准确性。另外,通过对生成的目标代码进行存储,以便后续可以直接调用该目标代码进行执行来完成数据分析工作,从而提高数据分析效率。
在一些可选的实现方式中,所述基于所述代码生成工具生成与所述目标数据分析模型对应的目标代码,包括以下步骤:
基于所述代码生成工具,对所述目标数据分析模型进行模型解析处理,将所述目标数据分析模型解析成对应的元数据。
在本实施例中,通过对所述目标数据分析模型进行模型解析,以将目标数据分析模型涉及到的元素分解成元数据。
将所述元数据映射为对应的程序代码。
在本实施例中,通过分析元数据之间的关系与约束,以将所述元数据映射为具有一定逻辑的伪代码,并将该伪代码转换成相应的程序代码。
将所述程序代码作为所述目标代码。
本申请通过基于所述代码生成工具,对所述目标数据分析模型进行模型解析处理,将所述目标数据分析模型解析成对应的元数据;然后将所述元数据映射为对应的程序代码,并将所述程序代码作为所述目标代码。本申请基于代码生成工具的使用,可以实现自动快捷地生成与所述目标数据分析模型对应的目标代码,提高了数据分析模型的模型代码的生成效率与准确性。
在本实施例的一些可选的实现方式中,在步骤S205之后,上述电子设备还可以执行以下步骤:
对所述目标数据分析模型进行压缩处理,得到压缩后的目标数据分析模型。
在本实施例中,对于上述压缩处理的方式不作具体限定,可根据实际的使用需求进行设置,例如可包括量化的方式、网络剪枝的方式,或者量化与网络剪枝的结合方式。
对所述压缩后的目标数据分析模型进行存储。
在本实施例中,对于所述压缩后的目标数据分析模型的存储方式不作具体限定,例如可采用数据库存储或区块链存储的方式,以保证上述目标抽取模型的私密和安全性。
本申请通过对所述目标数据分析模型进行压缩处理,得到压缩后的目标数据分析模型;然后对所述压缩后的目标数据分析模型进行存储,可以在保证目标数据分析模型的模型处理精度的情况下,使得目标数据分析模型的模型大小得到有效减小,从而保证了目标数据分析模型在电子设备的部署需求,提高了目标数据分析模型的存储智能性。
在本实施例的一些可选的实现方式中,在步骤S206之后,上述电子设备还可以执行以下步骤:
展示所述数据分析结果。
在本实施例中,对于数据分析结果的展示方式不作具体限定,可根据实际的业务需求进行设置,例如可采用展示在当前界面的展示方式。
获取所述目标用户的通信信息。
在本实施例中,上述通信信息可包括目标用户的电话号码或邮件地址。
确定与所述通信信息对应的信息传输方式。
在本实施例中,若通信信息为电话号码,则对应的信息传输方式为短信传输方式;若通信信息为邮件地址,则对应的信息传输方式为邮件传输方式。
基于信息传输方式,将所述数据分析结果发送至与所述通信信息对应的所述目标用户的通信端。
本申请通过展示所述数据分析结果;然后获取所述目标用户的通信信息;之后确定与所述通信信息对应的信息传输方式;后续基于信息传输方式,将所述数据分析结果发送至与所述通信信息对应的所述目标用户的通信端。本申请基于对于生成的目标数据分析模型的使用,可以实现快速准确地生成与所述待分析数据对应的数据分析结果,并会智能地对生成的数据分析结果展示并推送给目标用户,以便目标用户可以根据接收到的数据分析结果执行相适应的处理措施,提高了目标用户的使用体验。
需要强调的是,为进一步保证上述目标数据分析模型的私密和安全性,上述目标数据分析模型还可以存储于一区块链的节点中。
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。
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,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图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,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子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,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3,作为对上述图2所示方法的实现,本申请提供了一种数据分析装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,本实施例所述的数据分析装置300包括:判断模块301、第一展示模块302、接收模块303、提取模块304、第一生成模块305以及第二生成模块306。其中:
判断模块301,用于判断是否接收到目标用户输入的数据分析请求;其中,所述数据分析请求携带待分析数据;
第一展示模块302,用于若是,展示预设的模型配置页面;
接收模块303,用于接收目标用户在所述模型配置页面内触发的目标业务操作;
提取模块304,用于基于预设的信息类型对所述待分析数据进行信息提取,得到对应的目标信息;
第一生成模块305,用于基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型;
第二生成模块306,用于基于所述目标数据分析模型对所述待分析数据进行分析,生成与所述待分析数据对应的数据分析结果。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据分析方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,第一生成模块305包括:
第一获取子模块,用于获取所述目标信息中包括的目标指标;
第一确定子模块,用于确定与所述目标指标对应的指标计算公式;
第二确定子模块,用于从所述指标计算公式确定出与所述目标指标对应的度量字段;
第二获取子模块,用于基于所述目标业务操作获取与所述度量字段对应的指定业务数据;
第一生成子模块,用于基于所述指标计算公式对所述指定业务数据进行计算,生成对应的指标计算模型;
第二生成子模块,用于基于所述指标计算模型生成所述目标数据分析模型。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据分析方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,第二生成子模块包括:
获取单元,用于获取所述指标计算模型的数量;
判断单元,用于判断所述指标计算模型的数量是否大于1;
处理单元,用于若是,对各个所述指标计算模型进行整合处理,得到所述目标数据分析模型。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据分析方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,数据分析装置还包括:
调用模块,用于调用预设的代码生成工具;
第三生成模块,用于基于所述代码生成工具生成与所述目标数据分析模型对应的目标代码;
第一存储模块,用于存储所述目标代码。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据分析方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,第三生成模块包括:
解析子模块,用于基于所述代码生成工具,对所述目标数据分析模型进行模型解析处理,将所述目标数据分析模型解析成对应的元数据;
映射子模块,用于将所述元数据映射为对应的程序代码;
第三确定子模块,用于将所述程序代码作为所述目标代码。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据分析方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,数据分析装置还包括:
压缩模块,用于对所述目标数据分析模型进行压缩处理,得到压缩后的目标数据分析模型;
第二存储模块,用于对所述压缩后的目标数据分析模型进行存储。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据分析方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,数据分析装置还包括:
第二展示模块,用于展示所述数据分析结果;
获取模块,用于获取所述目标用户的通信信息;
确定模块,用于确定与所述通信信息对应的信息传输方式;
发送模块,用于基于信息传输方式,将所述数据分析结果发送至与所述通信信息对应的所述目标用户的通信端。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据分析方法的步骤一一对应,在此不再赘述。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图4,图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是,图中仅示出了具有组件41-43的计算机设备4,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备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(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器41可以是所述计算机设备4的内部存储单元,例如该计算机设备4的硬盘或内存。在另一些实施例中,所述存储器41也可以是所述计算机设备4的外部存储设备,例如该计算机设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中,所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件,例如数据分析方法的计算机可读指令等。此外,所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中,所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据,例如运行所述数据分析方法的计算机可读指令。
所述网络接口43可包括无线网络接口或有线网络接口,该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例中,首先判断是否接收到目标用户输入的数据分析请求;若是,展示预设的模型配置页面;然后接收目标用户在所述模型配置页面内触发的目标业务操作;之后基于预设的信息类型对所述待分析数据进行信息提取,得到对应的目标信息;后续基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型;最后基于所述目标数据分析模型对所述待分析数据进行分析,生成与所述待分析数据对应的数据分析结果。本申请实施例能够基于目标用户在所述模型配置页面内触发的目标业务操作,以及对所述待分析数据进行信息提取得到的目标信息,实现自动快速地生成与目标用户输入的数据分析请求对应的目标数据分析模型,使得用户无需编写任何程序,减少了人工构建数据分析模型的工作,降低了目标数据分析模型的构建难度,有效提高了目标数据分析模型的构建效率。并且能够基于生成的目标数据分析模型来快速实现对于待分析数据的数据分析处理,提高了对于数据的分析效率。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的数据分析方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例中,首先判断是否接收到目标用户输入的数据分析请求;若是,展示预设的模型配置页面;然后接收目标用户在所述模型配置页面内触发的目标业务操作;之后基于预设的信息类型对所述待分析数据进行信息提取,得到对应的目标信息;后续基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型;最后基于所述目标数据分析模型对所述待分析数据进行分析,生成与所述待分析数据对应的数据分析结果。本申请实施例能够基于目标用户在所述模型配置页面内触发的目标业务操作,以及对所述待分析数据进行信息提取得到的目标信息,实现自动快速地生成与目标用户输入的数据分析请求对应的目标数据分析模型,使得用户无需编写任何程序,减少了人工构建数据分析模型的工作,降低了目标数据分析模型的构建难度,有效提高了目标数据分析模型的构建效率。并且能够基于生成的目标数据分析模型来快速实现对于待分析数据的数据分析处理,提高了对于数据的分析效率。
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,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种数据分析方法,其特征在于,包括下述步骤:
判断是否接收到目标用户输入的数据分析请求;其中,所述数据分析请求携带待分析数据;
若是,展示预设的模型配置页面;
接收目标用户在所述模型配置页面内触发的目标业务操作;
基于预设的信息类型对所述待分析数据进行信息提取,得到对应的目标信息;
基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型;
基于所述目标数据分析模型对所述待分析数据进行分析,生成与所述待分析数据对应的数据分析结果。
2.根据权利要求1所述的数据分析方法,其特征在于,所述基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型的步骤,具体包括:
获取所述目标信息中包括的目标指标;
确定与所述目标指标对应的指标计算公式;
从所述指标计算公式确定出与所述目标指标对应的度量字段;
基于所述目标业务操作获取与所述度量字段对应的指定业务数据;
基于所述指标计算公式对所述指定业务数据进行计算,生成对应的指标计算模型;
基于所述指标计算模型生成所述目标数据分析模型。
3.根据权利要求2所述的数据分析方法,其特征在于,所述基于所述指标计算模型生成所述目标数据分析模型的步骤,具体包括:
获取所述指标计算模型的数量;
判断所述指标计算模型的数量是否大于1;
若是,对各个所述指标计算模型进行整合处理,得到所述目标数据分析模型。
4.根据权利要求1所述的数据分析方法,其特征在于,在所述基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型的步骤之后,还包括:
调用预设的代码生成工具;
基于所述代码生成工具生成与所述目标数据分析模型对应的目标代码;
存储所述目标代码。
5.根据权利要求4所述的数据分析方法,其特征在于,所述基于所述代码生成工具生成与所述目标数据分析模型对应的目标代码的步骤,具体包括:
基于所述代码生成工具,对所述目标数据分析模型进行模型解析处理,将所述目标数据分析模型解析成对应的元数据;
将所述元数据映射为对应的程序代码;
将所述程序代码作为所述目标代码。
6.根据权利要求1所述的数据分析方法,其特征在于,在所述基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型的步骤之后,还包括:
对所述目标数据分析模型进行压缩处理,得到压缩后的目标数据分析模型;
对所述压缩后的目标数据分析模型进行存储。
7.根据权利要求1所述的数据分析方法,其特征在于,在所述基于所述目标数据分析模型对所述待分析数据进行分析,生成与所述待分析数据对应的数据分析结果的步骤之后,还包括:
展示所述数据分析结果;
获取所述目标用户的通信信息;
确定与所述通信信息对应的信息传输方式;
基于信息传输方式,将所述数据分析结果发送至与所述通信信息对应的所述目标用户的通信端。
8.一种数据分析装置,其特征在于,包括:
判断模块,用于判断是否接收到目标用户输入的数据分析请求;其中,所述数据分析请求携带待分析数据;
第一展示模块,用于若是,展示预设的模型配置页面;
接收模块,用于接收目标用户在所述模型配置页面内触发的目标业务操作;
提取模块,用于基于预设的信息类型对所述待分析数据进行信息提取,得到对应的目标信息;
第一生成模块,用于基于所述目标信息与所述目标业务操作生成对应的目标数据分析模型;
第二生成模块,用于基于所述目标数据分析模型对所述待分析数据进行分析,生成与所述待分析数据对应的数据分析结果。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的数据分析方法的步骤。
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计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的数据分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310661375.1A CN116820443A (zh) | 2023-06-05 | 2023-06-05 | 数据分析方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310661375.1A CN116820443A (zh) | 2023-06-05 | 2023-06-05 | 数据分析方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116820443A true CN116820443A (zh) | 2023-09-29 |
Family
ID=88125035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310661375.1A Pending CN116820443A (zh) | 2023-06-05 | 2023-06-05 | 数据分析方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116820443A (zh) |
-
2023
- 2023-06-05 CN CN202310661375.1A patent/CN116820443A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115712422A (zh) | 表单页面的生成方法、装置、计算机设备及存储介质 | |
CN115757075A (zh) | 任务异常检测方法、装置、计算机设备及存储介质 | |
CN116956326A (zh) | 权限数据的处理方法、装置、计算机设备及存储介质 | |
CN117094729A (zh) | 请求处理方法、装置、计算机设备及存储介质 | |
CN117057935A (zh) | 基于领域设计的数据处理方法、装置、设备及其存储介质 | |
CN116681045A (zh) | 报表生成方法、装置、计算机设备及存储介质 | |
CN116383787A (zh) | 页面创建方法、装置、计算机设备及存储介质 | |
CN116028446A (zh) | 时序数据文件化管理方法、装置、设备及其存储介质 | |
CN116820443A (zh) | 数据分析方法、装置、计算机设备及存储介质 | |
CN116364223B (zh) | 特征处理方法、装置、计算机设备及存储介质 | |
CN116795882A (zh) | 数据获取方法、装置、计算机设备及存储介质 | |
CN116842011A (zh) | 血缘关系分析方法、装置、计算机设备及存储介质 | |
CN117251502A (zh) | 数据看板生成方法、装置、计算机设备及存储介质 | |
CN116932486A (zh) | 文件生成方法、装置、计算机设备及存储介质 | |
CN116738084A (zh) | 埋点数据处理方法、装置、计算机设备及存储介质 | |
CN116910095A (zh) | 埋点处理方法、装置、计算机设备及存储介质 | |
CN116932090A (zh) | 工具包加载方法、装置、计算机设备及存储介质 | |
CN116643884A (zh) | 基于规则引擎的数据计算方法、装置、设备及存储介质 | |
CN118212074A (zh) | 数据推荐方法、装置、计算机设备及存储介质 | |
CN116450724A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN117076595A (zh) | 基于人工智能的文本处理方法、装置、设备及存储介质 | |
CN117217182A (zh) | 基于人工智能的报告生成方法、装置、设备及存储介质 | |
CN116775187A (zh) | 数据展示方法、装置、计算机设备及存储介质 | |
CN118227491A (zh) | 测试用例的生成方法、装置、计算机设备及存储介质 | |
CN117217684A (zh) | 指标数据的处理方法、装置、计算机设备及存储介质 |
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 |