CN117436740A - 资产效益评价方法、装置及存储介质 - Google Patents
资产效益评价方法、装置及存储介质 Download PDFInfo
- Publication number
- CN117436740A CN117436740A CN202311377457.XA CN202311377457A CN117436740A CN 117436740 A CN117436740 A CN 117436740A CN 202311377457 A CN202311377457 A CN 202311377457A CN 117436740 A CN117436740 A CN 117436740A
- Authority
- CN
- China
- Prior art keywords
- asset
- data
- benefit evaluation
- target
- benefit
- 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
- 230000008901 benefit Effects 0.000 title claims abstract description 271
- 238000011156 evaluation Methods 0.000 title claims abstract description 164
- 238000013210 evaluation model Methods 0.000 claims abstract description 102
- 238000000034 method Methods 0.000 claims abstract description 71
- 238000004458 analytical method Methods 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 27
- 230000007246 mechanism Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 12
- 238000013500 data storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012854 evaluation process Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 33
- 238000012544 monitoring process Methods 0.000 description 18
- 230000015654 memory Effects 0.000 description 16
- 238000013461 design Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000007499 fusion processing Methods 0.000 description 5
- 238000005192 partition Methods 0.000 description 5
- 238000012550 audit Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 238000011985 exploratory data analysis Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 208000025174 PANDAS Diseases 0.000 description 1
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种资产效益评价方法、装置及存储介质,涉及数据处理技术领域,能够解决对资产效益评价效率低和评价准确度差的问题。该方法包括:对原始资产数据进行格式化处理,得到目标资产数据,原始资产数据包括至少两个业务系统的数据,目标资产数据的格式统一;基于预设业务需求,确定资产效益评价模型框架的时间粒度、维度和指标,得到目标资产效益评价模型,指标包括资产成本、资产收入和资产流量,预设业务需求为原始资产数据对于的需求;将目标资产数据输入目标资产效益评价模型进行分析,得到资产效益评价结果,资产效益评价结果用于指示原始资产数据的效益。本申请实施例用于对运营商5G资产效益的评价过程中。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种资产效益评价方法、装置及存储介质。
背景技术
随着5G网络的大规模建设,运营商5G资产的投入越来越多,因此,对于5G资产效益评价的要求也更加受到重视。
现有技术中,在对5G资产效益进行评估时,主要是通过人工对资产进行评估,或对资产进行管理。而在实际应用中,由于数据系统的格式各种各样,不同数据系统之间的资产数据具有较大区别,无法进行共享。例如:老旧系统的数据与新系统的数据之间存在壁垒,无法融合处理。因此,就需要人工逐个进行资产评估,大大增加了维护成本,同时人工进行评估极易导致评估结果出现误差。
因此,现有的资产效益评价方法存在评价效率低、评价准确度差的问题。
发明内容
本申请提供一种资产效益评价方法、装置及存储介质,能够解决对资产效益评价效率低和评价准确度差的问题。
为达到上述目的,本申请采用如下技术方案:
第一方面,本申请提供一种资产效益评价方法,该方法包括:对原始资产数据进行格式化处理,得到目标资产数据,上述原始资产数据包括至少两个业务系统的数据,上述目标资产数据的格式统一;基于预设业务需求,确定资产效益评价模型框架的时间粒度、维度和指标,得到目标资产效益评价模型,上述指标包括资产成本、资产收入和资产流量,上述预设业务需求为上述原始资产数据对应的需求;将上述目标资产数据输入上述目标资产效益评价模型进行分析,得到资产效益评价结果,该资产效益评价结果用于指示上述原始资产数据的效益。
基于上述技术方案,本申请实施例提供的资产效益评价方法,可以先对多个业务系统的资产数据进行格式化处理,得到格式统一的目标资产数据,接着将目标资产数据,使得不同资产数据之间可以进行共享,便于后续进行融合处理;然后根据预设业务需求,确定资产效益评价时的时间粒度、维度和指标,以得到目标资产效益评价模型;最后将目标资产数据输入目标资产效益评价模型进行分析,得到用于指示所述原始资产数据效益的资产效益评价结果。由于,上述评价指标包括资产成本、资产收入和资产流量,提高了基础参考数据的完整性,使得基于该评价指标建立的目标资产效益评价模型的评价精确度和有效性均得到提高,从而保证了得到的资产效益评价结果的准确度,进而提高了对资产数据效益的评价效率和评价准确度。
在第一方面的第一种可能的实现方式中,上述对原始资产数据进行格式化处理,得到目标资产数据之后,上述方法还包括:将上述目标资产数据,按照目标存储方式存储至数据湖;获取上述预设业务需求,该预设业务需求包括资产效益评价方向、资产数据存储状态、资产效益考核机制和资产效益评价结果展示方式。
在第一方面的第二种可能的实现方式中,上述目标存储方式包括离线入湖方式和在线入湖方式,上述将上述目标资产数据,按照目标存储方式存储至数据湖,包括:在上述目标资产数据为离线数据的情况下,按照上述离线入湖方式,将上述目标资产数据存储至上述数据湖;在上述目标资产数据为在线数据的情况下,按照上述在线入湖方式,将上述目标资产数据存储至上述数据湖。
在第一方面的第三种可能的实现方式中,上述基于预设业务需求,确定资产效益评价模型框架的时间粒度、维度和指标,得到目标资产效益评价模型,包括:根据上述资产效益考核机制,确定上述资产效益评价模型框架的时间粒度,该时间粒度用于指示输入上述资产效益评价模型的资产数据的周期长度;根据上述资产效益评价方向,确定上述资产效益评价模型框架的维度,该维度用于指示输入上述资产效益评价模型的资产数据的范围广度;根据上述资产数据存储状态,确定上述资产效益评价模型框架的指标,该指标用于指示上述资产效益评价模型的评价标准;基于上述时间粒度、上述维度和上述指标,采用预设部署方式部署上述资产效益评价模型框架,得到上述目标资产效益评价模型。
在第一方面的第四种可能的实现方式中,上述将上述目标资产数据输入上述目标资产效益评价模型进行分析,得到资产效益评价结果之后,上述方法还包括:将上述资产效益评价结果与预设阈值进行对比,生成预警数据;根据上述资产效益评价结果展示方式,发布上述预警数据对应的预警工单。
第二方面,本申请提供一种资产效益评价装置,该装置包括:合并单元、确定单元和处理单元,其中:上述合并单元,用于对原始资产数据进行格式化处理,得到目标资产数据,上述原始资产数据包括至少两个业务系统的数据,上述目标资产数据的格式统一;上述确定单元,用于基于预设业务需求,确定资产效益评价模型框架的时间粒度、维度和指标,得到目标资产效益评价模型,上述指标包括资产成本、资产收入和资产流量,上述预设业务需求为上述原始资产数据对应的需求;上述处理单元,用于将合并单元得到的上述目标资产数据输入确定单元得到的上述目标资产效益评价模型进行分析,得到资产效益评价结果,该资产效益评价结果用于指示上述原始资产数据的效益。
在第二方面的第一种可能的实现方式中,上述装置还包括存储单元和获取单元,其中:上述存储单元,用于在合并单元对原始资产数据进行格式化处理,得到目标资产数据之后,将上述目标资产数据,按照目标存储方式存储至数据湖;上述获取单元,用于获取上述预设业务需求,该预设业务需求包括资产效益评价方向、资产数据存储状态、资产效益考核机制和资产效益评价结果展示方式。
在第二方面的第二种可能的实现方式中,上述目标存储方式包括离线入湖方式和在线入湖方式;上述存储单元,具体用于:在上述目标资产数据为离线数据的情况下,按照上述离线入湖方式,将上述目标资产数据存储至上述数据湖;在上述目标资产数据为在线数据的情况下,按照上述在线入湖方式,将上述目标资产数据存储至上述数据湖。
在第二方面的第三种可能的实现方式中,上述确定单元,具体用于:根据上述资产效益考核机制,确定上述资产效益评价模型框架的时间粒度,该时间粒度用于指示输入上述资产效益评价模型的资产数据的周期长度;根据上述资产效益评价方向,确定上述资产效益评价模型框架的维度,该维度用于指示输入上述资产效益评价模型的资产数据的范围广度;根据上述资产数据存储状态,确定上述资产效益评价模型框架的指标,该指标用于指示上述资产效益评价模型的评价标准;基于上述时间粒度、上述维度和上述指标,采用预设部署方式部署上述资产效益评价模型框架,得到上述目标资产效益评价模型。
在第二方面的第四种可能的实现方式中,上述装置还包括生成单元和发布单元,其中:上述生成单元,用于在处理单元将上述目标资产数据输入上述目标资产效益评价模型进行分析,得到资产效益评价结果之后,将上述资产效益评价结果与预设阈值进行对比,生成预警数据;上述发布单元,用于根据获取单元获取到的上述资产效益评价结果展示方式,发布上述预警数据对应的预警工单。
第三方面,本申请提供了一种资产效益评价装置,该装置包括:处理器和通信接口;通信接口和处理器耦合,处理器用于运行计算机程序或指令,以实现如第一方面和第一方面的任一种可能的实现方式中所描述的资产效益评价方法。
第四方面,本申请提供了一种计算机可读存储介质,计算机可读存储介质中存储有指令,当指令在终端上运行时,使得终端执行如第一方面和第一方面的任一种可能的实现方式中描述的资产效益评价方法。
第五方面,本申请实施例提供一种包含指令的计算机程序产品,当计算机程序产品在资产效益评价装置上运行时,使得资产效益评价装置执行如第一方面和第一方面的任一种可能的实现方式中所描述的资产效益评价方法。
第六方面,本申请实施例提供一种芯片,芯片包括处理器和通信接口,通信接口和处理器耦合,处理器用于运行计算机程序或指令,以实现如第一方面和第一方面的任一种可能的实现方式中所描述的资产效益评价方法。
具体的,本申请实施例中提供的芯片还包括存储器,用于存储计算机程序或指令。
附图说明
图1为本申请实施例提供的一种资产效益评价方法的方法流程图之一;
图2为本申请实施例提供的一种资产效益评价方法的方法流程图之二;
图3为本申请实施例提供的一种大数据技术架构示意图;
图4为本申请实施例提供的一种资产效益评价方法的方法流程图之三;
图5为本申请实施例提供的一种资产效益评价方法的方法流程图之四;
图6为本申请实施例提供的一种资产效益评价模型的创建流程图;
图7为本申请实施例提供的一种资产效益评价方法的方法流程图之五;
图8为本申请实施例提供的一种资产效益评价方法的整体流程图;
图9为本申请实施例提供的一种资产效益评价装置的结构示意图之一;
图10为本申请实施例提供的一种资产效益评价装置的结构示意图之二;
图11为本申请实施例提供的一种资产效益评价装置的结构示意图之三;
图12为本申请实施例提供的另一种资产效益评价装置的结构示意图。
具体实施方式
下面结合附图对本申请实施例提供的资产效益评价方法、装置及存储介质进行详细地描述。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象,或者用于区别对同一对象的不同处理,而不是用于描述对象的特定顺序。
此外,本申请的描述中所提到的术语“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。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他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、产品或设备固有的其它步骤或单元。
需要说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请的描述中,除非另有说明,“多个”的含义是指两个或两个以上。
随着第五代移动通信技术(5th Generation Mobile CommunicationTechnology,5G)网络的大规模建设,运营商5G资产的投入应用越来越多,用户对于5G资产效益评价的要求也越来越高。
目前,海量5G资产数据处理、5G资产效益评价在业务方面的需求越来大,基于大数据5G资产效益评价己经成为最迫切的要求。
现有技术中,主要是基于5G技术对资产评估,建立管理方法。具体是:通过建设系统和人为通过管理职能,对资产进行评估,或者对资产进行管理。但是,实际应用中,对于基于陈旧的资产数据,没有办法依托新的管理方法和系统去承接,因此,大大增加了维护成本,并且容易造成资产实际情况与新的管理方法冲突,导致对资产效益评价的效率较低、准确度较差。
为了解决现有技术中,对资产效益评价效率低和评价准确度差的问题,本申请提供了一种资产效益评价方法,可以先对多个业务系统的资产数据进行格式化处理,得到格式统一的目标资产数据,接着将目标资产数据,使得不同资产数据之间可以进行共享,便于后续进行融合处理;然后根据预设业务需求,确定资产效益评价时的时间粒度、维度和指标,以得到目标资产效益评价模型;最后将目标资产数据输入目标资产效益评价模型进行分析,得到用于指示所述原始资产数据效益的资产效益评价结果。由于,上述评价指标包括资产成本、资产收入和资产流量,提高了基础参考数据的完整性,使得基于该评价指标建立的目标资产效益评价模型的评价精确度和有效性均得到提高,从而保证了得到的资产效益评价结果的准确度,进而提高了对资产数据效益的评价效率和评价准确度。
如图1所示,为本申请实施例提供的资产效益评价方法的流程图,该方法包括以下步骤S101至步骤S103:
S101、对原始资产数据进行格式化处理,得到目标资产数据。
在本申请实施例中,上述原始资产数据包括至少两个业务系统的数据。
示例性地,上述原始资产数据可以为企业或公司的资产数据。
示例性地,上述原始资产数据可以为5G资产数据。
在本申请实施例中,上述目标资产数据的格式统一。
在本申请实施例中,对于企业数据资源家底,可以通过搭建资产全域数据分类管理框架,同步构建常态化的数据盘点机制,实现数据资源的全生命周期可视化管理,形成面向企业内、外统一的数据资产目录,提供标准化的数据服务。
示例性地,可以对公司现有资产先进行初步分统计,逐步确认和完善涉及到的资产种类,如:对应的负责人员、资产流转节点、状态等。然后,输出资产清单、资产负责人、资产所在的数据源、资产类别等等,形成数据化管理。
S102、基于预设业务需求,确定资产效益评价模型框架的时间粒度、维度和指标,得到目标资产效益评价模型。
在本申请实施例中,上述指标包括资产成本、资产收入和资产流量。
示例性地,上述时间粒度可以为年、月、周、日、小时等。
示例性地,上述维度可以为公司或企业所在地市、账期、站址类型、状态、产权性质、产权属性等。
在本申请实施例中,上述预设业务需求为上述原始资产数据对应的需求。
示例性地,可以提前从公司或企业,获取原始资产数据对于的业务需求。
示例性地,可以根据原始资产数据对应的需求,定义资产效益评价模型框架的时间粒度(如以日账期为时间粒度);确认资产效益评价模型框架的维度(如所在地市、账期、站址类型、状态、产权性质和产权属性);确认资产效益评价模型框架的指标(如资产成本、资产收入和资产流量),从而得到适用于原始资产数据的目标资产效益评价模型。
S103、将目标资产数据输入目标资产效益评价模型进行分析,得到资产效益评价结果。
在本申请实施例中,上述资产效益评价结果用于指示上述原始资产数据的效益。
在本申请实施例中,上述模型分析包括离线分析和在线分析两种方式。
在本申请实施例中,在上述目标资产数据为离线数据的情况,采用上述离线分析方式对目标资产数据进行分析。
示例性地,以上述目标资产数据为运营商5G资产离线数据为例。可以通过构建在云计算平台之上,使用开源的分布式文件系统(Hadoop Distributed File System,HDFS)和分布式计算机模型(MapReduce)等相关大数据技术,对上述运营商5G资产离线数据进行分析。
示例性地,上述离线分析用于较复杂和耗时的数据分析和处理。
需要说明的是,上述Hadoop集群包含数百台乃至数千台服务器,存储了数拍字节(Petabyte,PB)乃至数十PB的数据,每天运行着成千上万的离线数据分析作业,每个作业处理几百兆字节(megabyte,MB)到几百太字节(terabyte,TB)甚至更多的数据,运行时间为几分钟、几小时、几天甚至更长。
在本申请实施例中,在上述目标资产数据为在线数据的情况下,采用上述在线分析方式对目标资产数据进行分析。
示例性地,上述在线分析也可以称为联机分析处理。
示例性地,上述在线分析用于处理对响应时间要求较高(如不超过若干秒)的在线请求,其能够处理的数据量较小。
需要说明的是,在线分析与离线分析相比,能够实时处理用户的请求,允许用户随时更改分析的约束和限制条件,其构建在云计算平台的非关系型数据库(Not onlyStructured Query Language,NoSQL)系统上。
可选地,在本申请实施例中,对上述目标资产数据的分析过程可以分为探索性数据分析、模型选定分析和推断分析三个步骤:
示例性地,上述探索性数据分析为:当资产数据刚取得时,可能杂乱无章,看不出规律,此时可以通过作图、造表、用各种形式的方程拟合,计算某些特征量等手段,探索资产数据之间的规律性。
示例性地,上述模型选定分析为:在探索性分析的基础上提出一类或几类可能的模型,然后通过进一步的分析从中挑选一定的模型。
示例性地,上述推断分析为:使用数理统计方法对所定模型或估计的可靠程度和精确程度作出推断。
在本申请实施例提供的资产效益评价方法中,可以先对多个业务系统的资产数据进行格式化处理,得到格式统一的目标资产数据,接着将目标资产数据,使得不同资产数据之间可以进行共享,便于后续进行融合处理;然后根据预设业务需求,确定资产效益评价时的时间粒度、维度和指标,以得到目标资产效益评价模型;最后将目标资产数据输入目标资产效益评价模型进行分析,得到用于指示所述原始资产数据效益的资产效益评价结果。由于,上述评价指标包括资产成本、资产收入和资产流量,提高了基础参考数据的完整性,使得基于该评价指标建立的目标资产效益评价模型的评价精确度和有效性均得到提高,从而保证了得到的资产效益评价结果的准确度,进而提高了对资产数据效益的评价效率和评价准确度。
可选地,在本申请实施例中,上述步骤S101之后,如图2所示,本申请实施例中提供的资产效益评价方法还可以包括如下步骤S101a和步骤S101b:
S101a、将目标资产数据,按照目标存储方式存储至数据湖。
在本申请实施例中,上述目标资产数据包含企业资源计划(Enterprise Resourceplanning,ERP)系统数据、合同系统数据、能耗系统数据、资产价值管理、项目进度计划数据、电子商城数据等。
示例性地,上述目标资产数据可以分为结构化数据和非结构化数据。
在本申请实施例中,可以基于运营商Hadoop集群及相关抽取、转换、加载(Extract-Transform-Load,ETL)工具,采集上述ERP、电子商城、合同系统、能耗系统等各种来源的结构化和非结构化海量资产数据。
示例性地,如图3所示,在采集数据库中的数据时,可以使用Sqoop和ETL等技术,从关系型数据库(如MySQL、Oracle、HDFS,hbase)和NoSOL之间,进行数据同步和集成;在采集网络数据时,可以基于业务系统的万维网应用程序编程接口(World Wide WebApplication Programming Interface,Web API)接口,从网页获取非结构化或半结构化数据,并将其统一结构化为本地数据的数据采集方式;在采集文件数据时,可以通过实时文件采集和处理技术(flume),以及基于全文搜索和分析引擎、全文搜索和分析引擎、数据分析和可视化平台(Elasticsearch、Logstash、Kibana,ELK)的日志采集和增量采集等。
S101b、获取预设业务需求。
在本申请实施例中,上述预设业务需求包括资产效益评价方向、资产数据存储状态、资产效益考核机制和资产效益评价结果展示方式。
示例性地,可以通过与运营商,或公司,或企业相关业务部门进行沟通,低零5G资产效益评价的方向,确认5G资产数据入湖情况及数据治理,确认评价结果展示方式及考核机制。
此外,还可以收集作为底层源数据的实际情况,或查看现有报表等来发现需求,以及通过与数据库系统专家交流,了解访问数据的可行性等。
如此,通过将对原始资产数据处理后生成的目标资产数据存储至数据湖,可以为不同系统的资产数据提供统一的接入方式,划清数据口径,明确数据源头,从而提升了资产数据的公信力。
可选地,在本申请实施例中,上述目标存储方式包括离线入湖方式和在线入湖方式,如图4所示,上述步骤S101a可以包括如下步骤S101a1和步骤S101a2:
S101a1、在目标资产数据为离线数据的情况下,按照离线入湖方式,将目标资产数据存储至数据湖。
示例性地,结合图3,在目标资产数据为离线数据时,可以先把目标资产数据从数据库或文件里抽取出来,再写进HDFS中,其原因是HDFS可以提供数据的统一存储方式。
此外,对元数据管理方面,在采用上述离线入湖方式之后也能够支持更多的计算或分析能力。
S101a2、在目标资产数据为在线数据的情况下,按照在线入湖方式,将目标资产数据存储至数据湖。
示例性地,结合图3,在目标资产数据为在线数据时,针对不同系统的目标资产数据,可以通过数据集成模块(DataFacts),把所有数据抽取到分布式流媒体平台(kafka)中。
需要说明的是,在上述抽取过程中,需要注意配置成抽取整库日志,按照表名+PK哈希(hash)分发到主题(topic)的硬盘分区(partition)中,防止数据倾斜;接着,在针对流数据和批数据的分布式处理引擎(Flink)部分地数据抽取任务中,建立不同的任务,对应不同的分区,然后,针对不同的任务去抽取不同分区里面的数据,最后按照表名做hash分发至各个写入(writer)。
如此,针对不同类型的资产数据,采用不同的数据入湖方式,保证了数据湖中资产数据的有效性和精确性。
可选地,在本申请实施例中,结合上述步骤S101b,如图5所示,上述步骤S102可以包括如下步骤S102a至步骤S102d:
S102a、根据资产效益考核机制,确定资产效益评价模型框架的时间粒度。
在本申请实施例中,上述时间粒度用于指示输入上述资产效益评价模型的资产数据的周期长度。
在本申请实施例中,在获取到上述业务需求后,还可以基于该业务需求,建立或获取性能度量,接着将业务需求转换为事实表中的事实。
需要说明的是,多数事实表关注某一业务过程的结果,因为业务过程定义了特定的设计目标以及定义了粒度、维度和事实。
在本申请实施例中,上述时间粒度的最低级别为原子粒度,因为原子粒度数据能够承受无法预期的用户查询,因此可以从关注原子级别粒度数据开始设计。
示例性地,在建立业务过程后,可以基于该业务过程,定义以日账期为时间粒度。
S102b、根据资产效益评价方向,确定资产效益评价模型框架的维度。
在本申请实施例中,上述维度用于指示输入上述资产效益评价模型的资产数据的范围广度。
在本申请实施例中,上述维度可以提供围绕上述建立的业务过程所涉及的背景(如谁、什么、何处、何时、为什么、如何等)。
示例性地,还可以通过建立维度表,该维度表包含分析应用所需要的用于过滤及分类事实的描述性属性。
示例性地,可以基于上述业务过程,确定资产效益评价模型框架以地市、账期、站址类型、状态、产权性质、产权属性等做为维度。
S102c、根据资产数据存储状态,确定资产效益评价模型框架的指标。
在本申请实施例中,上述指标用于指示上述资产效益评价模型的评价标准。
在本申请实施例中,上述一个事实表行与按照该事实表粒度描述的度量事件之间存在一一对应关系,在事实表内,所有事实只允许与上述确定出的时间粒度保持一致。
需要说明的是,只要涉及来自业务过程事件的度量,都是以数据值表示。
示例性地,可以基于上述业务过程,确定资产效益评价模型框架以成本金额、流量、收入等为指标。
S102d、基于时间粒度、维度和指标,采用预设部署方式部署资产效益评价模型框架,得到目标资产效益评价模型。
在本申请实施例中,上述预设部署方式包括星型模型部署和多维模型部署。
示例性地,上述星型模型部署可以部署在关系数据库上,通过事实表的主外键关联维度表。
示例性地,上述多维模型部署可以落地于多维数据库中。
示例性地,以上述预设部署方式为星型模型部署为例。在确定好上述时间粒度、维度和指标之后,可以选择星型模型部署的方式,将资产效益评价模型框架部署在关系数据库上,通过事实表的主外键关联维度表。
以下对上述资产效益评价模型的创建过程进行解释说明:
在本申请实施例中,如图6所示,上述创建过程分为业务建模、数据建模和物理建模三个层次。
示例性地,以上述预设部署方式为星型模型部署为例。上述业务建模可以按照:业务域划分、确认业务过程、涉及事件事实、确认相关实体、关联事件事实、构建业务矩阵的顺序进行建模,最后输出业务总线矩阵。
示例性地,在得到上述业务建模的业务总线矩阵后,需要继续进行上述数据建模,该数据建模可以按照:确认业务、确认业务过程、确认维度、确认度量、确认退化维度属性、构建星型模型的顺序进行建模,最后输出数据模型。
示例性地,在得到上述数据建模的数据模型后,需要继续进行上述物理建模,该物理建模可以按照:确认数据模型、确认表名、确认描述、确认分区字段、确认生命周期、创建物理表的顺序进行建模,最后输出物理表。
如此,根据获取到的业务需求,确认与业务需求对应的时间粒度、维度和指标,使得建立得到的目标资产数据评价模型与业务需求高度符合,提高了资产效益评价的精确度,解决了资产异常无法及时发现的问题。
可选地,在本申请实施例中,结合上述步骤S101b,上述步骤S103之后,如图7所示,本申请实施例提供的资产效益评价方法还可以包括如下步骤S103a和步骤S103b:
S103a、将资产效益评价结果与预设阈值进行对比,生成预警数据。
在本申请实施例中,上述预设阈值为上述资产数据是否达到盈利标准的标志。
示例性地,若上述资产效益评价结果高于上述预设阈值,则表明资产数据达到盈利标准。
示例性地,若上述资产效益评价结果低于上述预设阈值,则表明资产数据未达到盈利标准,此时需要对该资产数据进行整改。
示例性地,在通过上述目标资产效益评价模型得到资产效益评价结果后,可以与上述预设阈值进行对比,并根据对比结果生成资产效益评价预警数据。
S103b、根据资产效益评价结果展示方式,发布预警数据对应的预警工单。
在本申请实施例中,上述展示方式可以包括短信、邮件、工单等形式。
在本申请实施例中,上述预警工单用于提示数据源负责人处理预警数据。
示例性地,以上述展示方式为短信为例。在生成上述预警数据后,可以实时监控该预警数据,发起预警流程,根据不同地市的预警数据,再生成不同的预警工单,并通过短信通知的形式发给对应的数据源负责人。
如此,通过将得到的资产效益评价结果与预设阈值进行比较,生成预警数据,并通过各种方式发布预警数据对应的预警工单,提高了处理预警数据的效率。
可选地,在本申请实施例中,如图8所示,本申请实施例中提供的资产效益评价方法还可以包括如下步骤P1至步骤P6:
P1、资产摸查。
示例性地,上述资产摸查可以汇集不同来源的5G数据。
P2、数据入湖。
示例性地,上述数据入湖可以打通不同业务系统之间的数据壁垒。
P3、制定资产效益评价模型。
示例性地,上述资产效益评价模型可以精确得到资产数据的效益情况。
P4、资产数据统计分析。
P5、资产数据预警及任务下发。
示例性地,上述任务下发是指,可以根据预警数据对源数据负责人下发整改任务。
P6、任务执行过程监控。
在本申请实施例中,上述任务执行过程监控包括后台监控和前台监控。
示例性地,上述后台监控是指,后台流程管理员可在企业域(租户)管理下对流程实例情况进行全方位监控,具体包括:日志参数详实,可按流程、节点、用户、时段和状态等维度查询和追踪,必要时进行人工干预。
示例性地,上述前台监控是指,前台用户在前端流程中心可对流程进程和状态进行查询,并且,还可以通过时间轴、列表图、流程模拟图等方式灵活展现审批节点、审批人员、审批状态等情况。
示例性地,可以通过指定监控规则以及过程稽核设计,采用Python+SQL模式。对5G资产效益评价的全过程进行监控。例如,针对数据的完整性、准确性、一致性、及时性、有效性、唯一性进行监控。
示例性地,上述过程稽核框架包括:规则组合模块、规则执行模型、数据源连接模块、稽核日志模块和规则稽核模块。
示例性地,上述实现完整性的监控设计规则可以为:
示例性地,上述实现准确性的监控设计规则可以为:
示例性地,上述实现一致性的监控设计规则可以为:
示例性地,上述实现及时性的监控设计规则可以为:数据计算出来的速度是否够快,这点在数据质量监控中可以体现在监控结果数据是否在指定时间点前计算完成。
示例性地,上述实现有效性的监控设计规则可以为:
示例性地,上述实现唯一性的监控设计规则可以为:
示例性地,上述Python+SQL模式可以为:先用Python获取规则配置中的java数据库连接(Java DataBase Connectivity,JDBC)信息,建立连接对象;再用Python获取规则配置中的稽核参数,组装成壳执行的SQL;然后传入连接对象,利用命令字符串(Pandas.read_sql)执行SQL,以获取到表格型的数据结构(DataFrame),接着根据规则进行异常判断;最后将稽核结果通过Python写入日志模型中保存。
如此,通过对整个资产效益评价过程进行实时监控,可以及时发现资产效益评价过程最终的异常现象,确保了资产效益评价结果的整性、准确性、一致性、及时性、有效性、唯一性。
本申请实施例可以根据上述方法示例对资产效益评价装置进行功能模块或者功能单元的划分,例如,可以对应各个功能划分各个功能模块或者功能单元,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块或者功能单元的形式实现。其中,本申请实施例中对模块或者单元的划分是示意性的,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。
如图9所示,为本申请实施例提供的一种资产效益评价装置的结构示意图,该装置包括:合并单元201、确定单元202和处理单元203。
其中,上述合并单元201,用于对原始资产数据进行格式化处理,得到目标资产数据,上述原始资产数据包括至少两个业务系统的数据,上述目标资产数据的格式统一;上述确定单元202,用于基于预设业务需求,确定资产效益评价模型框架的时间粒度、维度和指标,得到目标资产效益评价模型,上述指标包括资产成本、资产收入和资产流量,上述预设业务需求为上述原始资产数据对应的需求;上述处理单元203,用于将合并单元201得到的上述目标资产数据输入确定单元202得到的上述目标资产效益评价模型进行分析,得到资产效益评价结果,该资产效益评价结果用于指示上述原始资产数据的效益。
可选地,在本申请实施例中,如图10所示,上述资产效益评价装置还包括存储单元204和获取单元205,其中:上述存储单元204,用于在合并单元201对原始资产数据进行格式化处理,得到目标资产数据之后,将上述目标资产数据,按照目标存储方式存储至数据湖;上述获取单元205,用于获取上述预设业务需求,该预设业务需求包括资产效益评价方向、资产数据存储状态、资产效益考核机制和资产效益评价结果展示方式。
可选地,在本申请实施例中,上述目标存储方式包括离线入湖方式和在线入湖方式;上述存储单元204,具体用于:在上述目标资产数据为离线数据的情况下,按照上述离线入湖方式,将上述目标资产数据存储至上述数据湖;在上述目标资产数据为在线数据的情况下,按照上述在线入湖方式,将上述目标资产数据存储至上述数据湖。
可选地,在本申请实施例中,上述确定单元202,具体用于:根据上述资产效益考核机制,确定上述资产效益评价模型框架的时间粒度,该时间粒度用于指示输入上述资产效益评价模型的资产数据的周期长度;根据上述资产效益评价方向,确定上述资产效益评价模型框架的维度,该维度用于指示输入上述资产效益评价模型的资产数据的范围广度;根据上述资产数据存储状态,确定上述资产效益评价模型框架的指标,该指标用于指示上述资产效益评价模型的评价标准;基于上述时间粒度、上述维度和上述指标,采用预设部署方式部署上述资产效益评价模型框架,得到上述目标资产效益评价模型。
可选地,在本申请实施例中,如图11所示,上述资产效益评价装置还包括生成单元206和发布单元207,其中:上述生成单元206,用于在处理单元203将上述目标资产数据输入上述目标资产效益评价模型进行分析,得到资产效益评价结果之后,将上述资产效益评价结果与预设阈值进行对比,生成预警数据;上述发布单元207,用于根据获取单元205获取到的上述资产效益评价结果展示方式,发布上述预警数据对应的预警工单。
在本申请实施例提供的资产效益评价装置中,可以先对多个业务系统的资产数据进行格式化处理,得到格式统一的目标资产数据,接着将目标资产数据,使得不同资产数据之间可以进行共享,便于后续进行融合处理;然后根据预设业务需求,确定资产效益评价时的时间粒度、维度和指标,以得到目标资产效益评价模型;最后将目标资产数据输入目标资产效益评价模型进行分析,得到用于指示所述原始资产数据效益的资产效益评价结果。由于,上述评价指标包括资产成本、资产收入和资产流量,提高了基础参考数据的完整性,使得基于该评价指标建立的目标资产效益评价模型的评价精确度和有效性均得到提高,从而保证了得到的资产效益评价结果的准确度,进而提高了对资产数据效益的评价效率和评价准确度。
图12示出了上述实施例中所涉及的资产效益评价装置的又一种可能的结构示意图。该资产效益评价装置包括:处理器302和通信接口303。处理器302用于对资产效益评价装置的动作进行控制管理,例如,执行上述合并单元201、确定单元202、处理单元203、存储单元204、获取单元205、生成单元206和发布单元207执行的步骤,和/或用于执行本文所描述的技术的其它过程。通信接口303用于支持资产效益评价装置与其他网络实体的通信。资产效益评价装置还可以包括存储器301和总线304,存储器301用于存储资产效益评价装置的程序代码和数据。
其中,存储器301可以是资产效益评价装置中的存储器等,该存储器可以包括易失性存储器,例如随机存取存储器;该存储器也可以包括非易失性存储器,例如只读存储器,快闪存储器,硬盘或固态硬盘;该存储器还可以包括上述种类的存储器的组合。
上述处理器302可以是实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。该处理器可以是中央处理器,通用处理器,数字信号处理器,专用集成电路,现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。该处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线304可以是扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。总线304可以分为地址总线、数据总线、控制总线等。为便于表示,图12中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例提供一种包含指令的计算机程序产品,当该计算机程序产品在计算机上运行时,使得该计算机执行上述方法实施例中的资产效益评价方法。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当该指令在计算机上运行时,使得该计算机执行上述方法实施例所示的方法流程中的资产效益评价方法。
其中,计算机可读存储介质,例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、寄存器、硬盘、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合、或者本领域熟知的任何其它形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(Application Specific Integrated Circuit,ASIC)中。在本申请实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
本发明的实施例提供一种包含指令的计算机程序产品,当指令在计算机上运行时,使得计算机执行如图1至图8中所述的资产效益评价方法。
由于本发明的实施例中的资产效益评价装置、计算机可读存储介质、计算机程序产品可以应用于上述方法,因此,其所能获得的技术效果也可参考上述方法实施例,本发明实施例在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,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单元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单元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。
以上,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (12)
1.一种资产效益评价方法,其特征在于,所述方法包括:
对原始资产数据进行格式化处理,得到目标资产数据,所述原始资产数据包括至少两个业务系统的数据,所述目标资产数据的格式统一;
基于预设业务需求,确定资产效益评价模型框架的时间粒度、维度和指标,得到目标资产效益评价模型,所述指标包括资产成本、资产收入和资产流量,所述预设业务需求为所述原始资产数据对应的需求;
将所述目标资产数据输入所述目标资产效益评价模型进行分析,得到资产效益评价结果,所述资产效益评价结果用于指示所述原始资产数据的效益。
2.根据权利要求1所述的方法,其特征在于,所述对原始资产数据进行格式化处理,得到目标资产数据之后,所述方法还包括:
将所述目标资产数据,按照目标存储方式存储至数据湖;
获取所述预设业务需求,所述预设业务需求包括资产效益评价方向、资产数据存储状态、资产效益考核机制和资产效益评价结果展示方式。
3.根据权利要求2所述的方法,其特征在于,所述目标存储方式包括离线入湖方式和在线入湖方式,所述将所述目标资产数据,按照目标存储方式存储至数据湖,包括:
在所述目标资产数据为离线数据的情况下,按照所述离线入湖方式,将所述目标资产数据存储至所述数据湖;
在所述目标资产数据为在线数据的情况下,按照所述在线入湖方式,将所述目标资产数据存储至所述数据湖。
4.根据权利要求2所述的方法,其特征在于,所述基于预设业务需求,确定资产效益评价模型框架的时间粒度、维度和指标,得到目标资产效益评价模型,包括:
根据所述资产效益考核机制,确定所述资产效益评价模型框架的时间粒度,所述时间粒度用于指示输入所述资产效益评价模型的资产数据的周期长度;
根据所述资产效益评价方向,确定所述资产效益评价模型框架的维度,所述维度用于指示输入所述资产效益评价模型的资产数据的范围广度;
根据所述资产数据存储状态,确定所述资产效益评价模型框架的指标,所述指标用于指示所述资产效益评价模型的评价标准;
基于所述时间粒度、所述维度和所述指标,采用预设部署方式部署所述资产效益评价模型框架,得到所述目标资产效益评价模型。
5.根据权利要求2或4所述的方法,其特征在于,所述将所述目标资产数据输入所述目标资产效益评价模型进行分析,得到资产效益评价结果之后,所述方法还包括:
将所述资产效益评价结果与预设阈值进行对比,生成预警数据;
根据所述资产效益评价结果展示方式,发布所述预警数据对应的预警工单。
6.一种资产效益评价装置,其特征在于,所述装置包括:合并单元、确定单元和处理单元,其中:
所述合并单元,用于对原始资产数据进行格式化处理,得到目标资产数据,所述原始资产数据包括至少两个业务系统的数据,所述目标资产数据的格式统一;
所述确定单元,用于基于预设业务需求,确定资产效益评价模型框架的时间粒度、维度和指标,得到目标资产效益评价模型,所述指标包括资产成本、资产收入和资产流量,所述预设业务需求为所述原始资产数据对应的需求;
所述处理单元,用于将所述合并单元得到的所述目标资产数据输入所述确定单元得到的所述目标资产效益评价模型进行分析,得到资产效益评价结果,所述资产效益评价结果用于指示所述原始资产数据的效益。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括存储单元和获取单元,其中:
所述存储单元,用于在所述合并单元对原始资产数据进行格式化处理,得到目标资产数据之后,将所述目标资产数据,按照目标存储方式存储至数据湖;
所述获取单元,用于获取所述预设业务需求,所述预设业务需求包括资产效益评价方向、资产数据存储状态、资产效益考核机制和资产效益评价结果展示方式。
8.根据权利要求7所述的装置,其特征在于,所述目标存储方式包括离线入湖方式和在线入湖方式;
所述存储单元,具体用于:
在所述目标资产数据为离线数据的情况下,按照所述离线入湖方式,将所述目标资产数据存储至所述数据湖;
在所述目标资产数据为在线数据的情况下,按照所述在线入湖方式,将所述目标资产数据存储至所述数据湖。
9.根据权利要求7所述的装置,其特征在于,
所述确定单元,具体用于:
根据所述资产效益考核机制,确定所述资产效益评价模型框架的时间粒度,所述时间粒度用于指示输入所述资产效益评价模型的资产数据的周期长度;
根据所述资产效益评价方向,确定所述资产效益评价模型框架的维度,所述维度用于指示输入所述资产效益评价模型的资产数据的范围广度;
根据所述资产数据存储状态,确定所述资产效益评价模型框架的指标,所述指标用于指示所述资产效益评价模型的评价标准;
基于所述时间粒度、所述维度和所述指标,采用预设部署方式部署所述资产效益评价模型框架,得到所述目标资产效益评价模型。
10.根据权利要求7或9所述的装置,其特征在于,所述装置还包括生成单元和发布单元,其中:
所述生成单元,用于在所述处理单元将所述目标资产数据输入所述目标资产效益评价模型进行分析,得到资产效益评价结果之后,将所述资产效益评价结果与预设阈值进行对比,生成预警数据;
所述发布单元,用于根据所述获取单元获取到的所述资产效益评价结果展示方式,发布所述预警数据对应的预警工单。
11.一种资产效益评价装置,其特征在于,包括:处理器和通信接口;所述通信接口和所述处理器耦合,所述处理器用于运行计算机程序或指令,以实现如权利要求1-5中任一项所述的资产效益评价方法。
12.一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,其特征在于,当计算机执行该指令时,该计算机执行上述权利要求1-5中任一项所述的资产效益评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311377457.XA CN117436740A (zh) | 2023-10-23 | 2023-10-23 | 资产效益评价方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311377457.XA CN117436740A (zh) | 2023-10-23 | 2023-10-23 | 资产效益评价方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117436740A true CN117436740A (zh) | 2024-01-23 |
Family
ID=89554665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311377457.XA Pending CN117436740A (zh) | 2023-10-23 | 2023-10-23 | 资产效益评价方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117436740A (zh) |
-
2023
- 2023-10-23 CN CN202311377457.XA patent/CN117436740A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110765337B (zh) | 一种基于互联网大数据的服务提供方法 | |
CN112650762B (zh) | 数据质量监控的方法、装置、电子设备以及存储介质 | |
CN112396404A (zh) | 一种数据中台系统 | |
CN111190881A (zh) | 一种数据治理方法和系统 | |
CN114925045B (zh) | 大数据集成和管理的PaaS平台 | |
CN111160867A (zh) | 大范围地域停车场大数据分析系统 | |
CN103473672A (zh) | 企业级数据中心的元数据质量稽核系统、方法及平台 | |
CN104036365A (zh) | 一种企业级数据服务平台建设方法 | |
CN112527774A (zh) | 数据中台搭建方法、系统及存储介质 | |
CN112989156A (zh) | 一种基于大数据的政策与企业匹配的方法和系统 | |
CN114153920A (zh) | 大数据边平台与方法 | |
CN113626447B (zh) | 一种民航数据管理平台及方法 | |
CN114398669A (zh) | 基于隐私保护计算和跨组织的联合信用评分方法及装置 | |
CN112883001A (zh) | 一种基于营配贯通数据可视化平台的数据处理方法、装置及介质 | |
CN113094385A (zh) | 一种基于软件定义开放工具集的数据共享融合平台及方法 | |
CN115496337A (zh) | 一种支撑企业大脑的数据系统 | |
CN114880405A (zh) | 一种基于数据湖的数据处理方法及系统 | |
US20210051019A1 (en) | Blockchain communication architecture | |
CN116150408A (zh) | 一种基于标识解析的能源信息管理方法、系统、设备及存储介质 | |
CN115934856A (zh) | 一种构造综合能源数据资产的方法和系统 | |
CN111538720A (zh) | 电力行业基础数据清理的方法及系统 | |
US20170039235A1 (en) | Air quality metrology system | |
Ding et al. | DS‐Harmonizer: A Harmonization Service on Spatiotemporal Data Stream in Edge Computing Environment | |
Gagliardelli et al. | A big data platform exploiting auditable tokenization to promote good practices inside local energy communities | |
Ali et al. | From big data to smart data-centric software architectures for city analytics: the case of the pell smart city platform |
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 |