CN116993199A - 话务指标的监控方法、装置、计算机设备和存储介质 - Google Patents
话务指标的监控方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116993199A CN116993199A CN202310732937.7A CN202310732937A CN116993199A CN 116993199 A CN116993199 A CN 116993199A CN 202310732937 A CN202310732937 A CN 202310732937A CN 116993199 A CN116993199 A CN 116993199A
- Authority
- CN
- China
- Prior art keywords
- telephone traffic
- index
- traffic index
- configuration information
- calculation result
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 118
- 238000004590 computer program Methods 0.000 claims description 26
- 238000012806 monitoring device Methods 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 74
- 238000005070 sampling Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 239000002131 composite material Substances 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请涉及一种话务指标的监控方法、装置、计算机设备和存储介质。方法包括:根据预先配置的话务指标配置信息对各话务指标进行计算;将各话务指标的计算结果输入预先训练的预测模型,得到各话务指标的风险系数,预测模型用于根据各话务指标的计算结果以及历史计算结果进行预测得到各话务指标的风险系数;根据各话务指标的风险系数对各话务指标进行监控。采用本方法能够灵活配置话务指标的计算且对计算结果的发展趋势进行预测,以实现更精准的监控的目的。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种话务指标的监控方法、装置、计算机设备和存储介质。
背景技术
在呼叫中心系统中,话务指标统计是非常重要的一项工作,因为基于话务指标的统计可以对话务指标达到监控的目的。传统的话务指标统计方式一般是基于几个维度对指标进行统计,而后对统计的结果进行展示,相关人员通过查看展示结果以进行监控。这种方式相关人员通过查看指标的统计结果对指标进行监控,当某个指标出现异常时,才能采取相应的措施,但有时在指标已经出现异常时,再处理,容易出现问题无法得到及时解决的情况。例如,当出现排队人数很多的时候,相关人员才处理,可能已经引起了用户的投诉了。
发明内容
基于此,有必要针对上述技术问题,提供一种话务指标的监控方法、装置、计算机设备和存储介质。
一种话务指标的监控方法,方法包括:
根据预先配置的话务指标配置信息对各话务指标进行计算;
将各话务指标的计算结果输入预先训练的预测模型,得到各话务指标的风险系数,预测模型用于根据各话务指标的计算结果以及历史计算结果进行预测得到各话务指标的风险系数;
根据各话务指标的风险系数对各话务指标进行监控。
在其中一个实施例中,上述的根据预先配置的话务指标配置信息对各话务指标进行计算,包括:
根据话务指标配置信息中的订阅配置信息,采集各话务指标对应的待处理数据;
根据话务指标配置信息中的计算策略对各话务指标对应的待处理数据进行计算。
在其中一个实施例中,上述的将各话务指标的计算结果输入预先训练的预测模型,得到各话务指标的风险系数,包括:
通过预测模型对当前话务指标的当前计算结果与当前话务指标的历史计算结果进行比对,确定当前话务指标的预测趋势值;
根据预测趋势值确定当前话务指标的风险系数。
在其中一个实施例中,上述的根据各话务指标的风险系数对各话务指标进行监控,包括:
在当前话务指标对应的风险系数超过风险阈值时,根据当前话务指标的风险系数确定当前告警的级别;
根据当前话务指标的计算结果以及当前告警的级别,生成告警提示信息。
在其中一个实施例中,上述的方法还包括:
接收话务指标配置信息的新增请求;
提取新增请求中的新增指标以及新增指标对应的配置信息;
将新增指标以及新增指标对应的配置信息进行关联性存储。
在其中一个实施例中,上述的根据话务指标配置信息中的订阅配置信息,采集各话务指标对应的待处理数据,包括:
根据各话务指标对应的订阅配置信息,生成对应的采集任务;
将各采集任务分配至对应的采集节点进行采集。
在其中一个实施例中,上述的根据话务指标配置信息中的计算策略对各话务指标对应的待处理数据进行计算,包括:
根据话务指标配置信息中的优先级以及计算策略,依次对各话务指标对应的待处理数据进行计算。
一种话务指标的监控装置,装置包括:
计算模块,用于根据预先配置的话务指标配置信息对各话务指标进行计算;
预测模块,用于将各话务指标的计算结果输入预先训练的预测模型,得到各话务指标的风险系数,预测模型用于根据各话务指标的计算结果以及历史计算结果进行预测得到各话务指标的风险系数;
监控模块,用于根据各话务指标的风险系数对各话务指标进行监控。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
根据预先配置的话务指标配置信息对各话务指标进行计算;
将各话务指标的计算结果输入预先训练的预测模型,得到各话务指标的风险系数,预测模型用于根据各话务指标的计算结果以及历史计算结果进行预测得到各话务指标的风险系数;
根据各话务指标的风险系数对各话务指标进行监控。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
根据预先配置的话务指标配置信息对各话务指标进行计算;
将各话务指标的计算结果输入预先训练的预测模型,得到各话务指标的风险系数,预测模型用于根据各话务指标的计算结果以及历史计算结果进行预测得到各话务指标的风险系数;
根据各话务指标的风险系数对各话务指标进行监控。
上述话务指标的监控方法、装置、计算机设备和存储介质,通过对各话务指标的计算进行配置,基于配置信息对话务指标进行计算,实现了对话务指标的计算自动化配置,进一步利用预先训练的预测模型对结算结果进行预测,得到话务指标的风险系数,实现了对话务指标的趋势是否存在风险进行预测,并基于预测结果进行监控,可以及时根据预测结果采取相应的措施。
附图说明
图1为一个实施例中话务指标的监控方法的应用环境图;
图2为一个实施例中话务指标的监控方法的流程示意图;
图3为一个实施例中话务指标的订阅配置界面示意图;
图4为一个实施例中话务指标的采集频率的配置界面示意图;
图5为一个实施例中话务指标的监控装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处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。
请参考图1,图1为本申请一示例性实施例提供的一种话务指标的监控方法的应用环境示意图。如图1所示,该应用环境中包括服务器100以及终端101,服务器100与终端101之间可以通过网络102实现可通信的连接,以实现本申请的话务指标的监控方法。
服务器100用于根据预先配置的话务指标配置信息对各话务指标进行计算;将各话务指标的计算结果输入预先训练的预测模型,得到各话务指标的风险系数,预测模型用于根据各话务指标的计算结果以及历史计算结果进行预测得到各话务指标的风险系数;根据各话务指标的风险系数对各话务指标进行监控;并在当前风险系数超过风险阈值时,生成告警提示信息并发送至终端101展示。其中,服务器100可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
终端101用于接收服务器100发送的告警提示信息并展示。终端101可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
网络102用于实现终端101与服务器100之间的网络连接,具体的,网络102可以包括多种类型的有线或无线网络。
在一个实施例中,如图2所示,提供了一种话务指标的监控方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S11、根据预先配置的话务指标配置信息对各话务指标进行计算。
本申请中,上述的话务指标配置信息是指与话务指标相关的配置信息。其中,该配置信息中包括多个配置项以及各配置项对应的取值。具体地,上述的话务指标可以包括原子指标以及复合指标。其中,原子指标是指基础指标,如排队数、平均排队时间、在线通话总时长、总通话时长、总分配量、进线量、应答量、放弃量、呼入、呼出、当前并发量以及最大并发量等。复合指标是指可以根据原子指标进行组合计算得到的指标,如接通率。终端可以提供复合指标的配置能力,用户可在终端对原子指标进行组合计算,配置复合指标的计算表达式。
具体地,以在线通话总时长指标为例,该指标对应的指标配置信息可以包括指标含义、用于计算该指标所需的数据数据源以及采集频率、计算规则、计算周期、展示的优先级等。
本申请中,在对话务指标进行计算时,可以包括以下几种情况:
其一、对原子指标根据预先配置的计算规则(如统计周期以及统计时间段)进行数据统计;
其二、根据预先配置的计算表达式对原子指标的统计结果进行计算,得到复合指标。示例性地,接通率=原子指标A/原子指标B;
其三、针对原子指标和复合指标通过不同指标时间维度进行复合运算(队列维度、坐席组维度、坐席维度以及路由点维度)。
S12、将各话务指标的计算结果输入预先训练的预测模型,得到各话务指标的风险系数,预测模型用于根据各话务指标的计算结果以及历史计算结果进行预测得到各话务指标的风险系数。
本申请中,上述的计算结果是指根据指标配置信息中的计算规则对各话务指标进行计算得到的结果。例如,当排队数的配置信息中是统计一周的排队数,那么这个统计结果即为上述的计算结果。
上述的预测模型是通过将各话务指标的历史计算结果基于chatgpt(ChatGenerative Pre-trained Transformer,聊天机器人)进行训练得到。
上述的风险系数用户衡量各话务指标是否存在异常的风险,即这个指标趋势是不是正常的,是否存在异常,是否需要告警。示例性地,当前话务指标为排队数,排队数的风险系数用于衡量排队数是否存在增多的风险(超过某个阈值,触发告警的阈值)。
上述的预测模型可以根据话务指标的历史计算结果,预测各话务指标的走向趋势,基于该趋势预测当前的计算结果是否可能存在走向异常的风险。
S13、根据各话务指标的风险系数对各话务指标进行监控。
本申请中,上述的监控是指检测各话务指标的风险系数是否在安全的范围之内,如果超出了安全的范围,则触发告警,以提醒相关人员进行及时处理。
在其中一个实施例中,上述的根据预先配置的话务指标配置信息对各话务指标进行计算,可以包括:
根据话务指标配置信息中的订阅配置信息,采集各话务指标对应的待处理数据;
根据话务指标配置信息中的计算策略对各话务指标对应的待处理数据进行计算。
本申请中,上述的订阅配置信息是指计算各话务指标所需的待处理数据的订阅配置相关的信息。具体地,该订阅配置信息可以包括对象类型、对象ID以及指标含义等。一种实施例中,该订阅配置信息还可以包括指标采集频率相关的配置信息,如通知模式、通知频次以及时间范围等。其中,通知模型是指数据提供方是实时将待处理数据发送至服务器还是每隔预设时间段发送一次。上述的时间范围是指通知的时间段。
上述的计算策略是指用于计算各话务指标的策略。具体地,这里的计算策略可以为计算表达式、公式以及数据处理规则等。例如,应答量对应的计算可以获取各个时间段对应的应答量,后执行累加等操作得到指标对应的结算结果。
本申请通过该实施方式可以实现对各话务指标的计算进行配置,实现灵活计算各话务指标。
在其中一个实施例中,上述的将各话务指标的计算结果输入预先训练的预测模型,得到各话务指标的风险系数,可以包括:
通过预测模型对当前话务指标的当前计算结果与当前话务指标的历史计算结果进行比对,确定当前话务指标的预测趋势值;
根据预测趋势值确定当前话务指标的风险系数。
本申请中,上述的预测趋势值是指根据话务指标当前的计算结果以及历史计算结果进行分析,基于模型推测得到的未来某个时间段的可能取值。
一种可能的设计中,上述的通过预测模型对当前话务指标的当前计算结果与当前话务指标的历史计算结果进行比对,确定当前话务指标的预测趋势值,可以包括:
假设历史计算结果为D_1,D_2,...,D_n,其中D_i表示第i小时的话务量;
利用时间序列分析等方法进行比对,得到未来m小时的话务趋势预测值P_1,P_2,...,P_m,其中,m为预测小时数。
上述的根据预测趋势值确定当前话务指标的风险系数,可以通过以下方案得到:
S=10(P_i-T)/(1010(max{P_1,P_2,...,P_m}-T))
其中,max{P_1,P_2,...,P_m}表示预测小时数中的最大话务量预测值。这个公式将预测值P_i减去阈值T,然后乘以10并向下取整,再除以最大预测值与阈值之差的10倍并向下取整,将风险系数映射到[0,1]区间内,且精确到0.1。
本申请通过该实施方式可以通过预先训练的模型对话务指标的计算结果进行预测分析得到各话务指标的风险系数,提前对话务指标的走向趋势进行风险预判。
在其中一个实施例中,上述的根据各话务指标的风险系数对各话务指标进行监控,可以包括:
在当前话务指标对应的风险系数超过风险阈值时,根据当前话务指标的风险系数确定当前告警的级别;
根据当前话务指标的计算结果以及当前告警的级别,生成告警提示信息。
本申请中,上述的告警提示信息是指用于提醒当前话务指标存在异常风险的信息。具体地,上述的告警提示信息中可以包括当前话务指标的计算结果以及风险级别,一种可能的设计中,上述的告警提示信息中还包括处理建议以及可能存在的影响等。
本申请中,上述的当前告警的级别是指当前告警的紧急程度。具体地,一种实施方式中,上述的根据当前话务指标以及当前风险系数确定当前告警的级别,可以包括:
预先设定多个区间;
将各话务指标的风险系数与各区间进行匹配,以确定各当前告警的级别。
示例性地,上述的各个区间可以为将[0,0.2)划分为低风险,对应的告警级别为一般,[0.2,0.5)划分为中风险,对应的告警级别为较急,[0.5,1]划分为高风险,对应的告警级别为紧急。进一步地,根据风险系数的大小,给出每个风险系数等级。
另一种实施方式中,上述的根据当前话务指标以及当前风险系数确定当前告警的级别,还可以包括:
假设当前配置阈值为T,则风险预测结果R为:
R=0,ifP_i≤T
R=1,ifP_i>T
其中i为预测小时数中的某一小时。根据预测值P_i与阈值T的大小关系来判断风险预测结果的。具体来说,如果预测值P_i小于等于阈值T,则将风险预测结果R设为0,表示该时间点的风险较低,对应的告警级别为普通;如果预测值P_i大于阈值T,则将风险预测结果R设为1,表示该时间点的风险较高,对应的告警级别为紧急。
本申请在生成上述的告警提示信息时,还生成对应的处理建议或者所带来的影响,携带于上述的告警提示信息中。
示例性地,上述的根据当前话务指标的计算结果以及当前告警的级别,生成告警提示信息,可以包括:
紧急告警:进线量骤减(系统出问题)
较急告警:排队数很多(可能引起投诉)
一般告警:话后处理时间过长(影响坐席绩效)
进一步地,根据影响大小来分告警等级(紧急告警会电话通知和钉钉通知,其它告警钉钉通知)
本申请通过该实施方式,可以实现实时监控并且告警机制,告警时可以细化到基于当前的告警情况对应的处理建议,使得方案更加灵活。
在其中一个实施例中,上述的方法还可以包括:
接收话务指标配置信息的新增请求;
提取新增请求中的新增指标以及新增指标对应的配置信息;
将新增指标以及新增指标对应的配置信息进行关联性存储。
本申请中,针对各话务指标存在对应的一组配置信息。一种可能的设计中,本申请的服务器预先创建配置文件,在该配置文件中包括各话务指标对应的配置信息,其中,各组配置信息中至少可以包括指标的标识信息(如名称)、指标的含义、指标的计算策略、指标的订阅配置以及指标的优先级配置等。
当需要新增话务指标的配置时,用户可以通过终端操作触发新增指标的配置指令,向服务器提交新增请求。一种可能的设计中,终端上可以提供配置的用户界面,界面上提供有新增指标的虚拟按键,用户通过点击该按键跳转至新增指标的具体配置项的配置界面,用户可以通过该界面输入或者勾选需要的配置项以及对应的配置信息,点击提交,此时触发新增指标的配置请求至服务器,服务器接收该新增请求后提取该新增请求中新增指标对应的配置信息并进行存储,完成新增指标的配置。
另一种实施方式中,上述的方法还可以包括:
接收话务指标配置信息的修改或者删除请求;
根据修改或者删除请求对配置文件中的话务指标配置信息进行修改或者删除。
本申请通过该实施方式,可以灵活新增、修改或者删除上述的话务指标配置信息,提升方案的扩展性以及灵活性。
在其中一个实施例中,上述的根据话务指标配置信息中的订阅配置信息,采集各话务指标对应的待处理数据,可以包括:
根据各话务指标对应的订阅配置信息,生成对应的采集任务;
将各采集任务分配至对应的采集节点进行采集。
本申请中,上述的采集任务是指采集待处理数据用于计算各话务指标。上述的采集节点是指用于执行采集任务的设备,可以为服务器。
本申请可以通过服务器集群实现上述的采集任务,即通过其中一个服务器对采集任务进行分配,将各话务指标对应采集任务分配至对应的采集节点进行数据采集。其中,各采集节点处理一个或多个话务指标对应的采集任务。
一种可能的设计中,本申请进行采用时,通过customersystem(客户系统)服务从stat server(统计服务器)服务采样,采样使用服务订阅方法,customersystem服务基于终端配置的订阅配置信息进行指标订阅,stat server收到订阅后,当此指标数据发生变化后,stat server会将变化的数据以通知的方式给到customersystem,customersystem对指标采集的数据进行存储。
本申请通过该实施方式,采用分布式采样的方式,将采样任务分配到多个节点上进行,从而提高采样效率,解决统计性能压力的问题。
在其中一个实施例中,上述的根据话务指标配置信息中的计算策略对各话务指标对应的待处理数据进行计算,可以包括:
根据话务指标配置信息中的优先级以及计算策略,依次对各话务指标对应的待处理数据进行计算。
本申请中,上述的话务指标配置信息中还包括优先级的配置,该优先级是指对各话务指标的计算的优先级进行配置。本申请在对各话务指标进行计算时,根据各话务指标的优先级依次多个话务指标进行计算,可以使得优先级高的指标可以优先产出,提高话务指标的计算效率。
一种可能的应用场景中,终端上可以提供预置指标配置组件:该组件提供了一系列预置的统计指标配置,用户可以根据自己的需求选择和组合这些预置指标,也可以自定义指标配置。
具体而言,用户可在终端配置所需采集的指标,可针对以下维度进行指标配置(坐席,坐席组,路由点,队列),原子指标主要包含排队数,平均排队时间,在线通话总时长,总通话时长,总分配量,进线量,应答量,放弃量,呼入,呼出,当前并发量,最大并发量。复合指标:终端提供复合指标配置能力,用户可在终端对原子指标进行组合计算。进一步地,用户配置的信息会通过服务端应用进行存储。
本申请的服务器提供采样指标数据组件,该组件负责订阅和采样指标数据,并将采样的数据存储到数据库中。为了解决统计性能压力的问题,该组件可以采用分布式采样的方式,将采样任务分配到多个节点上进行,从而提高采样效率。
具体而言,服务端应用会定时检测有无新增指标采集配置,如有新增,服务端会向stat server订阅新增的采集指标采集数据。
统计指标展现组件(设于终端以及服务器):该组件负责从数据库中读取指标数据,并将其展现为统计指标历史值时序图。为了解决存储压力的问题,该组件可以采用数据压缩和归档的方式,将历史数据进行压缩和归档,从而减少存储空间的占用。
具体而言,服务端对采集的数据进行不同维度聚合统计,相应的,客户端对统计数据进行可视化渲染。
本申请中,用户可以通过预置指标配置组件选择该指标,并设置统计周期、统计时间范围等参数。然后,采样指标数据组件会通过订阅组件自动订阅该指标的数据,并将其存储到数据库中。为了提高采样效率,采样指标数据组件可以采用分布式采样的方式。最后,统计指标展现组件会从数据库中读取该指标的数据,并将其展现为统计指标历史值时序图。即从订阅,采集,监控,告警都是通过自动化配置实现,用户基于基础指标自定义自己想要的可视化的信息。
请参考图3,图3为一种实施例中,话务指标的订阅配置界面示意图。在图3中,包括对象类型、对象ID、指标含义、是否已订阅以及订阅是否生效等。在该界面中可以配置哪些话务指标需要订阅以及订阅是否生效。
请参考图4,图4为一种实施例中,话务指标的采集频率的配置界面示意图。在图4中,话务指标的采集频率的配置界面上包括对象类型、指标含义、指标含义说明、通知模型以及通知频次等。
在一个实施例中,如图5所示,提供了一种话务指标的监控装置,包括:计算模块11、预测模块12和监控模块13,其中:
计算模块11,用于根据预先配置的话务指标配置信息对各话务指标进行计算;
预测模块12,用于将各话务指标的计算结果输入预先训练的预测模型,得到各话务指标的风险系数,预测模型用于根据各话务指标的计算结果以及历史计算结果进行预测得到各话务指标的风险系数;
监控模块13,用于根据各话务指标的风险系数对各话务指标进行监控。
在其中一个实施例中,上述的计算模块11可以根据话务指标配置信息中的订阅配置信息,采集各话务指标对应的待处理数据,根据话务指标配置信息中的计算策略对各话务指标对应的待处理数据进行计算。
在其中一个实施例中,上述的预测模块12可以通过预测模型对当前话务指标的当前计算结果与当前话务指标的历史计算结果进行比对,确定当前话务指标的预测趋势值,根据预测趋势值确定当前话务指标的风险系数。
在其中一个实施例中,上述的监控模块13可以在当前话务指标对应的风险系数超过风险阈值时,根据当前话务指标的风险系数确定当前告警的级别,根据当前话务指标的计算结果以及当前告警的级别,生成告警提示信息。
在其中一个实施例中,上述的装置还包括新增模块(图未示),该新增模块可以接收话务指标配置信息的新增请求,提取新增请求中的新增指标以及新增指标对应的配置信息,将新增指标以及新增指标对应的配置信息进行关联性存储。
在其中一个实施例中,上述的计算模块11还可以根据各话务指标对应的订阅配置信息,生成对应的采集任务,将各采集任务分配至对应的采集节点进行采集。
在其中一个实施例中,上述的计算模块11还可以根据话务指标配置信息中的优先级以及计算策略,依次对各话务指标对应的待处理数据进行计算。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储智能家居设备的运行数据等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现话务指标的监控方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:根据预先配置的话务指标配置信息对各话务指标进行计算;将各话务指标的计算结果输入预先训练的预测模型,得到各话务指标的风险系数,预测模型用于根据各话务指标的计算结果以及历史计算结果进行预测得到各话务指标的风险系数;根据各话务指标的风险系数对各话务指标进行监控。
在一个实施例中,处理器执行计算机程序实现上述的根据预先配置的话务指标配置信息对各话务指标进行计算步骤时,具体实现以下步骤:
根据话务指标配置信息中的订阅配置信息,采集各话务指标对应的待处理数据;
根据话务指标配置信息中的计算策略对各话务指标对应的待处理数据进行计算。
在一个实施例中,处理器执行计算机程序实现上述的将各话务指标的计算结果输入预先训练的预测模型,得到各话务指标的风险系数步骤时,具体实现以下步骤:
通过预测模型对当前话务指标的当前计算结果与当前话务指标的历史计算结果进行比对,确定当前话务指标的预测趋势值;
根据预测趋势值确定当前话务指标的风险系数。
在一个实施例中,处理器执行计算机程序实现上述的根据各话务指标的风险系数对各话务指标进行监控步骤时,具体实现以下步骤:
在当前话务指标对应的风险系数超过风险阈值时,根据当前话务指标的风险系数确定当前告警的级别;
根据当前话务指标的计算结果以及当前告警的级别,生成告警提示信息。
在一个实施例中,处理器执行计算机程序时,具体还实现以下步骤:
接收话务指标配置信息的新增请求;
提取新增请求中的新增指标以及新增指标对应的配置信息;
将新增指标以及新增指标对应的配置信息进行关联性存储。
在一个实施例中,处理器执行计算机程序实现上述的根据话务指标配置信息中的订阅配置信息,采集各话务指标对应的待处理数据步骤时,具体实现以下步骤:
根据各话务指标对应的订阅配置信息,生成对应的采集任务;
将各采集任务分配至对应的采集节点进行采集。
在一个实施例中,处理器执行计算机程序实现上述的根据话务指标配置信息中的计算策略对各话务指标对应的待处理数据进行计算步骤时,具体实现以下步骤:
根据话务指标配置信息中的优先级以及计算策略,依次对各话务指标对应的待处理数据进行计算。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:根据预先配置的话务指标配置信息对各话务指标进行计算;将各话务指标的计算结果输入预先训练的预测模型,得到各话务指标的风险系数,预测模型用于根据各话务指标的计算结果以及历史计算结果进行预测得到各话务指标的风险系数;根据各话务指标的风险系数对各话务指标进行监控。
在一个实施例中,计算机程序被处理器执行实现上述的根据预先配置的话务指标配置信息对各话务指标进行计算步骤时,具体实现以下步骤:
根据话务指标配置信息中的订阅配置信息,采集各话务指标对应的待处理数据;
根据话务指标配置信息中的计算策略对各话务指标对应的待处理数据进行计算。
在一个实施例中,计算机程序被处理器执行实现上述的将各话务指标的计算结果输入预先训练的预测模型,得到各话务指标的风险系数步骤时,具体实现以下步骤:
通过预测模型对当前话务指标的当前计算结果与当前话务指标的历史计算结果进行比对,确定当前话务指标的预测趋势值;
根据预测趋势值确定当前话务指标的风险系数。
在一个实施例中,计算机程序被处理器执行实现上述的根据各话务指标的风险系数对各话务指标进行监控步骤时,具体实现以下步骤:
在当前话务指标对应的风险系数超过风险阈值时,根据当前话务指标的风险系数确定当前告警的级别;
根据当前话务指标的计算结果以及当前告警的级别,生成告警提示信息。
在一个实施例中,计算机程序被处理器执行时,具体还实现以下步骤:
接收话务指标配置信息的新增请求;
提取新增请求中的新增指标以及新增指标对应的配置信息;
将新增指标以及新增指标对应的配置信息进行关联性存储。
在一个实施例中,计算机程序被处理器执行实现上述的根据话务指标配置信息中的订阅配置信息,采集各话务指标对应的待处理数据步骤时,具体实现以下步骤:
根据各话务指标对应的订阅配置信息,生成对应的采集任务;
将各采集任务分配至对应的采集节点进行采集。
在一个实施例中,计算机程序被处理器执行实现上述的根据话务指标配置信息中的计算策略对各话务指标对应的待处理数据进行计算步骤时,具体实现以下步骤:
根据话务指标配置信息中的优先级以及计算策略,依次对各话务指标对应的待处理数据进行计算。
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,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种话务指标的监控方法,其特征在于,所述方法包括:
根据预先配置的话务指标配置信息对各话务指标进行计算;
将各所述话务指标的计算结果输入预先训练的预测模型,得到各所述话务指标的风险系数,所述预测模型用于根据各所述话务指标的计算结果以及历史计算结果进行预测得到各所述话务指标的风险系数;
根据各所述话务指标的风险系数对各所述话务指标进行监控。
2.根据权利要求1所述的方法,其特征在于,所述根据预先配置的话务指标配置信息对各话务指标进行计算,包括:
根据所述话务指标配置信息中的订阅配置信息,采集各所述话务指标对应的待处理数据;
根据所述话务指标配置信息中的计算策略对各所述话务指标对应的待处理数据进行计算。
3.根据权利要求1所述的方法,其特征在于,所述将各所述话务指标的计算结果输入预先训练的预测模型,得到各所述话务指标的风险系数,包括:
通过所述预测模型对当前话务指标的当前计算结果与所述当前话务指标的历史计算结果进行比对,确定所述当前话务指标的预测趋势值;
根据所述预测趋势值确定所述当前话务指标的风险系数。
4.根据权利要求1所述的方法,其特征在于,所述根据各所述话务指标的风险系数对各所述话务指标进行监控,包括:
在所述当前话务指标对应的风险系数超过所述风险阈值时,根据所述当前话务指标的风险系数确定当前告警的级别;
根据所述当前话务指标的计算结果以及所述当前告警的级别,生成所述告警提示信息。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
接收所述话务指标配置信息的新增请求;
提取所述新增请求中的新增指标以及所述新增指标对应的配置信息;
将所述新增指标以及所述新增指标对应的配置信息进行关联性存储。
6.根据权利要求2所述的方法,其特征在于,所述根据所述话务指标配置信息中的订阅配置信息,采集各所述话务指标对应的待处理数据,包括:
根据各所述话务指标对应的订阅配置信息,生成对应的采集任务;
将各所述采集任务分配至对应的采集节点进行采集。
7.根据权利要求2所述的方法,其特征在于,所述根据所述话务指标配置信息中的计算策略对各所述话务指标对应的待处理数据进行计算,包括:
根据所述话务指标配置信息中的优先级以及所述计算策略,依次对各所述话务指标对应的待处理数据进行计算。
8.一种话务指标的监控装置,其特征在于,所述装置包括:
计算模块,用于根据预先配置的话务指标配置信息对各话务指标进行计算;
预测模块,用于将各所述话务指标的计算结果输入预先训练的预测模型,得到各所述话务指标的风险系数,所述预测模型用于根据各所述话务指标的计算结果以及历史计算结果进行预测得到各所述话务指标的风险系数;
监控模块,用于根据各所述话务指标的风险系数对各所述话务指标进行监控。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其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权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310732937.7A CN116993199A (zh) | 2023-06-20 | 2023-06-20 | 话务指标的监控方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310732937.7A CN116993199A (zh) | 2023-06-20 | 2023-06-20 | 话务指标的监控方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116993199A true CN116993199A (zh) | 2023-11-03 |
Family
ID=88531010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310732937.7A Pending CN116993199A (zh) | 2023-06-20 | 2023-06-20 | 话务指标的监控方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116993199A (zh) |
-
2023
- 2023-06-20 CN CN202310732937.7A patent/CN116993199A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107943809B (zh) | 数据质量监控方法、装置及大数据计算平台 | |
CN109669835B (zh) | MySQL数据库监控方法、装置、设备及可读存储介质 | |
CN111859384A (zh) | 异常事件监控方法、装置、计算机设备及存储介质 | |
CN110830438A (zh) | 一种异常日志告警方法、装置及电子设备 | |
CN102082703A (zh) | 业务支撑系统设备性能监控的方法及装置 | |
CN111984495A (zh) | 一种大数据监控方法、装置和存储介质 | |
US7617313B1 (en) | Metric transport and database load | |
CN107566172B (zh) | 一种基于存储系统的主动式管理方法及系统 | |
CN112182295B (zh) | 基于行为预测的业务处理方法、装置及电子设备 | |
CN112948223A (zh) | 一种监测运行情况的方法和装置 | |
CN111339062A (zh) | 数据监控方法、装置、电子设备及存储介质 | |
CN113901441A (zh) | 一种用户异常请求检测方法、装置、设备及存储介质 | |
CN109523396A (zh) | 基于数据分析的医保基金风控方法、装置、服务器及介质 | |
CN113123955B (zh) | 柱塞泵异常检测方法、装置、存储介质及电子设备 | |
CN110262955B (zh) | 基于pinpoint的应用性能监控工具 | |
CN109218062B (zh) | 基于置信区间的互联网业务报警方法和装置 | |
CN112988521A (zh) | 一种告警方法、装置、设备及存储介质 | |
CN110443451B (zh) | 事件定级方法、装置、计算机设备和存储介质 | |
CN116797180A (zh) | 投诉预警方法、装置、计算机设备和存储介质 | |
CN116993199A (zh) | 话务指标的监控方法、装置、计算机设备和存储介质 | |
US9628954B2 (en) | Data analysis system with movement patterns for medical wellness correlation | |
CN116822886A (zh) | 一种客服排班方法、装置、设备及介质 | |
CN108255710B (zh) | 一种脚本的异常检测方法及其终端 | |
CN114861909A (zh) | 模型质量监控方法、装置、电子设备以及存储介质 | |
CN109508356B (zh) | 数据异常预警方法、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 |