CN118152374A - 指标模型建立方法、装置、设备、存储介质和程序产品 - Google Patents

Abstract

本申请涉及多维数据处理技术领域，尤其是一种指标模型建立方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：接收指标模型建立指令；基于所述指标模型建立指令，启动并行的处理流程；在第一处理流程中获取各指标对应的业务规则，并基于所述业务规则得到对应的所述指标的业务定义；基于所述业务定义得到所述指标的度量字段和维度字段；在第二处理流程中获取所述指标模型建立指令对应的目标数据；基于所述目标数据、所述度量字段以及所述维度字段建立指标模型。采用本方法能够提高处理效率。

Description

指标模型建立方法、装置、设备、存储介质和程序产品

技术领域

本申请涉及多维数据处理技术领域，特别是涉及一种指标模型建立方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着计算机以及数据库技术的发展，企业日常经营活动中积累了大量数据，这些数据除了支持企业前台业务流程运转之外，越来越多地被用于决策支持领域，风险控制、产品定价、绩效考核等管理决策过程也都需要大量高质量数据支持。企业日常经营决策过程的背后，实质是数据的生产、传递和利用过程。如果采用传统的工具分析方案进行数据分析，将影响上述业务流程和决策支持的效率，从而影响企业系统的数字化转型进展。

传统技术中，通过ETL（Extraction-Transformation-Loading，数据抽取、转换、加工）工具对原始数据进行预处理，并根据业务口径或者规则处理成宽表；后续通过SQL（Structured Query Language，结构化查询语句）语句、EXCEL等办公软件等工具实现指标的多维分析计算。

然而，目前的方法中，当业务规则发生改变时，则需要重新修改ETL工具的脚本，以重新对数据进行加工处理，得到新的宽表，且随着分析维度的增加，ETL工具脚本的复杂度将同步增加，效率受到很大影响。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高处理效率的指标模型建立方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供一种指标模型建立方法，所述方法包括：

接收指标模型建立指令；

基于所述指标模型建立指令，启动并行的处理流程；

在第一处理流程中获取各指标对应的业务规则，并基于所述业务规则得到对应的所述指标的业务定义；基于所述业务定义得到所述指标的度量字段和维度字段；

在第二处理流程中获取所述指标模型建立指令对应的目标数据；

基于所述目标数据、所述度量字段以及所述维度字段建立指标模型。

在其中一个实施例中，所述基于所述业务定义得到指标的度量字段和维度字段，包括：

确定所述业务定义中的指标加工口径和指标加工规则；

基于所述指标加工口径确定度量字段；

基于所述指标加工规则确定各维度字段。

在其中一个实施例中，所述在第二处理流程中获取所述指标模型建立指令对应的目标数据，包括：

在第二处理流程中分线程分别从不同的数据系统，获取到原始业务数据；

对各所述数据系统获取的所述原始业务数据进行清洗，得到目标数据。

在其中一个实施例中，所述基于所述目标数据、所述度量字段以及所述维度字段建立指标模型，包括：

基于所述维度字段确定第一维度，并基于所述度量字段确定所述第一维度对应的第一度量；

基于所述第一维度和所述第一度量，对所述目标数据进行处理得到第一维度汇总结果；

基于所述维度字段获取下一维度作为当前维度，并基于所述度量字段确定所述当前维度对应的当前度量；

基于所述当前维度以及所述当前维度之前的维度，所述当前度量以及所述当前度量之前的度量，对所述目标数据进行处理得到多维度汇总结果；

当基于所述维度字段判定还存在未处理的维度时，继续执行基于所述维度字段获取下一维度作为当前维度，直至各所述维度均被处理；

基于所得到的各多维度汇总结果，得到多维指标模型。

在其中一个实施例中，所述基于所述当前维度以及所述当前维度之前的维度，所述当前度量以及所述当前度量之前的度量，得到多维度汇总结果之后，还包括：

确定所述当前维度是否存在维度层级，以及所述当前维度对应的当前度量所在的当前层级；

基于所述当前层级以及所述维度层级确定待处理层级，以及所述待处理层级与所述当前层级的层级关系；

基于所述层级关系对所述当前维度的各维度值进行处理，得到对应层级的第一维度；

基于所述第一维度以及所述当前维度之前的维度，所述第一维度对应的第一度量以及所述当前度量之前的度量，得到不同层级的多维度汇总结果。

在其中一个实施例中，所述方法还包括：

当所述业务规则发生改变时，基于改变的所述业务规则确定对应的第二维度和第二度量；

基于所述多维指标模型、所述第二维度和所述第二度量，对所述目标数据进行处理得到新的多维度汇总结果；

基于所述多维指标模型以及所述新的多维度汇总结果，得到新的所述多维指标模型。

在其中一个实施例中，所述方法还包括：

接收数据查询请求，所述数据查询请求携带有查询场景、查询维度以及查询度量；

基于所述查询场景，确定数据操作类型；

基于所述查询维度和所述查询度量对所述多维指标模型进行维度筛选和度量筛选；

基于所述数据操作类型、筛选得到的维度和度量，对所述多维指标模型进行扫描得到查询结果。

第二方面，本申请还提供一种指标模型建立装置，所述装置包括：

接收模块，用于接收指标模型建立指令；

流程启动模块，用于基于所述指标模型建立指令，启动并行的处理流程；

业务处理模块，用于在第一处理流程中获取各指标对应的业务规则，并基于所述业务规则得到对应的所述指标的业务定义；基于所述业务定义得到指标的度量字段和维度字段；

数据处理模块，用于在第二处理流程中获取所述指标模型建立指令对应的目标数据；

指标模型建立模块，用于基于所述目标数据、所述度量字段以及所述维度字段建立指标模型。

第三方面，本申请还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的任意一个实施例中的方法的步骤。

第四方面，本申请还提供一种计算机可读存储介质，其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的任意一个实施例中的方法的步骤。

第五方面，本申请还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的任意一个实施例中的方法的步骤。

上述指标模型建立方法、装置、计算机设备、存储介质和计算机程序产品，在接收到指标模型建立方法后，通过两条并行处理流程进行处理，提高指标模型的建立效率，其次，在进行维度字段和度量字段的处理时，先基于业务规则确定业务定义，然后基于业务定义确定度量字段和维度字段，通过第二处理流程去获取目标数据，这样度量字段、维度字段和目标数据是分开处理的，当业务规则发生改变时，不影响目标数据的处理，仅需要对应修改度量字段和维度字段即可，提高处理效率。

附图说明

为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为一个实施例中指标模型建立方法的应用环境图；

图2为一个实施例中指标模型建立方法的流程示意图；

图3为另一个实施例中指标模型建立方法的流程示意图；

图4为图2所示的实施例中的步骤S210的流程示意图；

图5为一个实施例中指标模型建立装置的结构框图；

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。

本申请实施例提供的指标模型建立方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与指标平台服务器104进行通信。数据存储系统可以存储指标平台服务器104需要处理的数据。数据存储系统可以集成在指标平台服务器104上，也可以放在云上或其他网络服务器上。其中指标平台服务器104可以与各个业务服务器106相连接，指标平台服务器104用于接收指标模型建立指令，并基于该指标模型建立指令，启动并行的处理流程；这样在第一处理流程中从各个业务服务器106获取各指标对应的业务规则，并基于业务规则得到对应的指标的业务定义；基于业务定义得到指标的度量字段和维度字段；在第二处理流程中从各个业务服务器106获取指标模型建立指令对应的目标数据；最后基于目标数据、度量字段以及维度字段建立指标模型。后续终端102将查询指令发送至指标平台服务器104，指标平台服务器104基于该查询指令查询得到对应的多维数据。

上述指标模型建立方法，在接收到指标模型建立方法后，通过两条并行处理流程进行处理，提高指标模型的建立效率，其次，在进行维度字段和度量字段的处理时，先基于业务规则确定业务定义，然后基于业务定义确定度量字段和维度字段，通过第二处理流程去获取目标数据，这样度量字段、维度字段和目标数据是分开处理的，当业务规则发生改变时，不影响目标数据的处理，仅需要对应修改度量字段和维度字段即可，提高处理效率。

其中，终端102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、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。指标平台服务器104以及各业务服务器106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。

在一个示例性的实施例中，如图2所示，提供了一种指标模型建立方法，以该方法应用于图1中的指标平台服务器为例进行说明，包括以下步骤202至步骤210。其中：

S202：接收指标模型建立指令。

其中，指标模型是指多维度数据对应的指标模型，其中多维度数据可以是在业务处理时所存储的数据，例如多维数据可以是设备在一段时间内的输出，这样其包括设备名称、时间以及输出三个维度，每个维度都对应有对应的数据，其也可以是企业在一段时间内的销售额等，这样其包括企业名称、时间以及销售额三个维度，每个维度都对应有对应的数据，在此不对指标模型的具体的领域进行限制。在本实施例中，该指标模型是指用于存储多维度数据的模型，通过构建该指标模型，以实现多维数据的有序存储，方便查询。

在其中一个可选的实施例中，该指标模型为多维数据立方体，其中多维数据立方体是多维模型的一个形象说法。立方体本身只有三维，但多维模型不仅限于三维模型，可以组合更多的维度，随着维度的增加，立方体的解释和描述，更依赖于思维成像。其中，把立方体的顶点视为度量，即指标结果，将与立方体顶点关联的边视为修饰度量的维度；多维指标分析的结果依赖于多维立方体。

在建立指标模型时，指标平台服务器接收到该指标模型建立指令，其中该指标模型建立指令可以携带有业务标识，以便于确定该指标模型所对应的业务类型，进而基于该业务类型确定业务规则以及该指标模型所需要存储的业务数据。

S204：基于指标模型建立指令，启动并行的处理流程。

并行的处理流程是基于指标模型建立指令启动的，其中该并行的处理流程用于分别获取到指标模型的不同方面的数据，例如第一处理流程用于获取到指标模型的框架，其包括维度和度量，第二处理流程用于获取到指标模型所要存储的具体的数据，这样将指标模型的框架和具体的数据分开获取，在维度和度量发生改变时，也不会影响数据的获取。

S206：在第一处理流程中获取各指标对应的业务规则，并基于业务规则得到对应的指标的业务定义；基于业务定义得到指标的度量字段和维度字段。

其中业务规则是与业务相关的操作规范、管理章程、规章制度、行业标准等，在本实施例中，业务规则可以包括对所获取的用户数据或系统数据的组织形式。

维度在数学中指代独立参数的数目，它是观察数据的某一个视角，是判断、说明、评价、确定、描述数据的多方位、多角度、多层次的条件和概念。常见的维度有时间、地域、机构部门、产品类型等。一个维度可对应一个或者多个维表。一个维度对应一个维表时数据的组织方式就是采用的星型模式，对应多个维表时就是采用雪花模式。雪花模式是对星型模式的规范化。

度量是指在实际业务场景中可衡量的、不可枚举穷尽的各类标准或统计数值，是一个可以进行运算、统计的数据。一个限定了范畴的业务对象、主体或者业务活动，都具有一组相应的度量能够对其进行描述。本申请中为需要分析加工的数据，即为指标。度量字段是指指标的范围，比如时间维度下的度量字段是2012-2018。

其中该维度字段和度量字段可以存储至事实表中，事实表中存储了所有基础数据，是所有分析结论的来源。

在本实施例中，基于业务规则获取到指标的度量字段和维度字段，具体地，确定业务定义中的指标加工口径和指标加工规则；基于指标加工口径确定度量字段；基于指标加工规则确定各维度字段。

其中由于不同的业务或部分其关注的指标加工口径和规则是不相同的，因此同一份数据根据不同的规则会有不同的展示角度。因此在进行指标模型生成时，需要先确认业务规则，从中提取出不同的度量和修饰维度，并基于此得到适合数据存储的指标模型。存储数据的指标模型的设计主要依赖于两点：一是业务口径和规则，用于界定指标的业务定义，方便技术人员依据规则和数据库表的原始数据进行对比分析；二是业务及技术人员的经验，用于从规则口径中提炼加工指标的度量字段和维度字段。因此，在进行维度和度量的获取时，先获取到业务规则，然后基于业务规则得到业务定义，比如一个业务规则为销售额，该业务规则对应的业务定义为三个月内每个人A产品的销售总价格，然后基于该业务定义得到指标加工口径和指标加工规则，其中在实际应用中，可以直接通过人为的方式对该业务定义进行处理得到指标加工口径和指标加工规则，在其他的实施例中，还可以通过对业务定义进行分词处理，然后将所得到的分词与预先生成的指标加工口径和指标加工规则对应的分词表进行比对，也得到用于表征指标加工口径和指标加工规则的分词，最后基于该分词确定指标加工口径和指标加工规则，这样基于指标加工口径确定度量字段；基于指标加工规则确定各维度字段，比如三个月、每个人、产品以及销售总价格是得到的分词，然后进行比对，确定三个月对应的维度为事件、每个人对应的维度为人员、产品对应的维度为产品类型、销售总价格对应的维度为销售额，然后只有时间存在跨度，因此时间对应的度量为三个月。

传统技术中通常是对原始数据进行字段划分得到维度和度量，而本实施例中，由于数据量较大，为了避免对数据处理，通过对业务规则处理来实现维度和度量的获取，这样减少处理量，提高效率，且对业务规则处理，而非对数据处理的另一个优势是，数据是基于业务规则生成的，若业务规则改变，则数据的组合方式发生改变，这样又需要对数据重新处理得到维度和度量，而本申请中，若业务规则改变，仅需要重新基于业务规则提取维度和度量即可，由于数据还是原始的数据，仅是其排列组合方式发送改变，因此后续仅需要对数据重新组合即可，减少处理量。

S208：在第二处理流程中获取指标模型建立指令对应的目标数据。

具体地，在业务规则确认、模型建立完成后，存储指标结果的多维立方体已经可以从度量和维度中获取到。来自各系统的原始数据经过数据仓库的清理和入库之后，将可以作为加工指标多维立方体的输入，加工依赖于指标模型的设置和定义，依赖指标模型定义的所有维度构建出不同维度组合的指标结果，作为前台查询的输入。

在其中一个可选的实施例中，在第二处理流程中获取指标模型建立指令对应的目标数据，包括：在第二处理流程中分线程分别从不同的数据系统，获取到原始业务数据；对各数据系统获取的原始业务数据进行清洗，得到目标数据。

其中对数据的清洗包括对原始数据去除重复值、忽略字段、填充空值、数据分段、条件筛选、记录排序、添加记录、文本合并、字符提取和数值运算操作，以将原始数据逐步处理成符合用户需求的文件数据；对多维原始数据进行绝对值、0～1缩放和取整变换等等。这样将原始业务数据进行数据清洗后得到目标数据，然后将目标数据存储到事实表中。

S210：基于目标数据、度量字段以及维度字段建立指标模型。

在本实施例中，依据维度字段和度量字段生成模型的定义，建立模型的框架，然后将目标数据按照维度字段和度量字段进行处理，并填充至模型的框架中，最后得到指标模型，实现数据的多维存储。指标模型可以是针对银行的流水业务数据的存储，也可以是理财产品的业务数据的存储。

为了方便理解，结合图3所示，图3为另一个实施例中的指标模型建立方法的流程图，在该实施例中，在接收到指标模型建立指令后，开启两个流程，一个是业务流程，一个是技术流程，其中业务流程获取到与该指标模型对应的业务规则，然后提炼得到指标口径，基于表字段和口径提炼得到度量和维度，实现规则和表结构的映射，得到模型的定义，另外的技术流程，则用于获取到原始业务数据，然后进行数据清洗后得到目标数据，将目标数据源存储至事实表中，基于目标数据以及模型的定义建立模型，其中建立模型可以是创建多维立方体模型，且每次创建一个维度的指标汇总结果，每一次创建都基于前边创建的指标汇总结果进行处理，最后得到多维立方体模型。

上述指标模型建立方法，在接收到指标模型建立方法后，通过两条并行处理流程进行处理，提高指标模型的建立效率，其次，在进行维度字段和度量字段的处理时，先基于业务规则确定业务定义，然后基于业务定义确定度量字段和维度字段，通过第二处理流程去获取目标数据，这样度量字段、维度字段和目标数据是分开处理的，当业务规则发生改变时，不影响目标数据的处理，仅需要对应修改度量字段和维度字段即可，提高处理效率。

在其中一个可选的实施例中，结合图4所示，基于目标数据、度量字段以及维度字段建立指标模型，包括：基于维度字段确定第一维度，并基于度量字段确定第一维度对应的第一度量；基于第一维度和第一度量，对目标数据进行处理得到第一维度汇总结果；基于维度字段获取下一维度作为当前维度，并基于度量字段确定当前维度对应的当前度量；基于当前维度以及当前维度之前的维度，当前度量以及当前度量之前的度量，对目标数据进行处理得到多维度汇总结果；当基于维度字段判定还存在未处理的维度时，继续执行基于维度字段获取下一维度作为当前维度，直至各维度均被处理；基于所得到的各多维度汇总结果，得到多维指标模型。

其中，本实施例中的指标模型是指标数据存储模型，该指标数据存储模型的每一条边为维度，各个维度的交点为度量的值，也即每个小的立方体的顶点为度量的值，所有的小立方体组合得到多维指标模型，其中此处的小立方体仅是形象说法，其包括的边大于或等于三条。

为了实现该多维指标模型的生成，先获取到第一维度，比如时间，然后基于该时间维度确定第一度量，例如三个月，这样基于第一维度和第一度量，对目标数据进行处理得到第一维度汇总结果，即每个月的指标值。然后获取到下一个维度，以及下一个维度对应的度量，并基于之前的汇总结果和该下一个维度和度量对汇总结果进行处理，从而得到新的汇总结果，这样依次处理，直至所有的维度处理完成，从而得到多维度汇总结果，也即该多维指标模型。

在其中一个可选的实施例中，基于当前维度以及当前维度之前的维度，当前度量以及当前度量之前的度量，得到多维度汇总结果之后，还包括：确定当前维度是否存在维度层级，以及当前维度对应的当前度量所在的当前层级；基于当前层级以及维度层级确定待处理层级，以及待处理层级与当前层级的层级关系；基于层级关系对当前维度的各维度值进行处理，得到对应层级的第一维度；基于第一维度以及当前维度之前的维度，第一维度对应的第一度量以及当前度量之前的度量，得到不同层级的多维度汇总结果。

有的维度存在层级，例如时间维度，其包括不同的层级，该些层级包括年、月、周、日等，因此不同的层级对应的指标值是不一样的，为此在生成多维度汇总结果时，可以确定当前维度是否存在维度层级，若是存在，则确定不同的待处理维度层级与当前层级的关系，并基于该关系计算得到待处理维度层级的指标值，例如可以根据7天的指标值得到一周的指标值，从而使得维度出现不同的层级，方便用户的查询。

在本实施例中维度层级可以是预先指定的，这样基于预先指定的维度层级生成对应的层级的维度值，实现不同的层级，方便用户查询。

其中，待处理层级与当前层级的关系可以包括上卷和下钻，其中维度是具有层次性的，如时间维可能由年、月、日构成，维度的层次实际上反映了数据的综合程度。维度的层次越高，所代表的数据综合度越高，细节越少，数据量越少；维度的层次越低，所代表的数据综合度越低，细节越充分，数据量越大。上卷也称为数据聚合，是在数据立方体中执行聚集操作，通过在维级别中上升或通过消除某个或某些维来观察更概括的数据。下钻也称为数据钻取，实际上是上卷的逆向操作，通过下降维级别或通过引入某个或某些维来更细致地观察数据。

在其中一个可选的实施例中，方法还包括：当业务规则发生改变时，基于改变的业务规则确定对应的第二维度和第二度量；基于多维指标模型、第二维度和第二度量，对目标数据进行处理得到新的多维度汇总结果；基于多维指标模型以及新的多维度汇总结果，得到新的多维指标模型。

其中业务规则改变，则业务规则对应的维度和度量发生改变，为此重复步骤S206可以得到改变的业务规则确定对应的第二维度和第二度量，其中可选地，可以先获取到业务规则改变后，对应的维度和度量，然后与业务规则改变之前的维度和度量进行比较，以确定改变的第二维度和第二度量，将其作为多维指标模型的最后一个维度，基于该多维指标模型以及该第二维度和第二度量，对目标数据进行处理得到新的多维指标模型。

若存在删除的维度和度量，则直接删除多维指标模型中该维度和度量即可。

在其中一个可选的实施例中，方法还包括：接收数据查询请求，数据查询请求携带有查询场景、查询维度以及查询度量；基于查询场景，确定数据操作类型；基于查询维度和查询度量对多维指标模型进行维度筛选和度量筛选；基于数据操作类型、筛选得到的维度和度量，对多维指标模型进行扫描得到查询结果。

其中，基于完整的维度组合结果，用户可以灵活进行多维分析，通过筛选维度来汇总度量以方便使用者可以从不同角度观察数据。多维立方体的指标结果集可以进行切片、上卷、钻取、旋转等操作。切片是指从数据立方体是提炼某些维度组合进行数据汇总加工；上卷是指从基础的维度组合中进行某个维度子集的汇总，形成概括性更强的指标结果；钻取是指从维度组合的汇总中进行维度子集的拆分，获得更深层面或者更细致的指标结果；上卷和钻取是互为可逆的过程；旋转是指互换描述指标的维度，使得指标描述的侧重点倾斜。在给定的数据立方体的一个维上进行的选择操作就是切片，切片的结果是得到一个二维的平面数据。通过数据旋转可以得到不同视角的数据。数据旋转操作相当于基于平面数据将坐标轴旋转。例如，旋转可能包含行和列的交换，或是把某一维旋转到其他维中去。

应该理解的是，虽然如上的各实施例所涉及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，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在本实施例中，在接收到数据查询请求后，确定查询场景，例如数据是直接存储到指标模型中的，还是需要对指标模型中存储的数据进行操作后得到，其中操作类型包括上卷、下钻、旋转和切片，此外，基于查询维度和查询度量从指标模型中查询得到初始查询数据，然后基于操作类型对初始查询数据进行处理，得到目标查询数据后输出。

上述实施例中，多维立方体的加工依赖于业务模型和指标规则的设计，在设计阶段完成业务模型和指标规则的确认，多维立方体可以实现增量的配置，在规则变更情况下仅进行规则调整即实现立方体的增量变更，不会影响已加工完成的指标数据。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的指标模型建立方法的指标模型建立装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个指标模型建立装置实施例中的具体限定可以参见上文中对于指标模型建立方法的限定，在此不再赘述。

在一个示例性的实施例中，如图5所示，提供了一种指标模型建立装置，包括：接收模块501、流程启动模块502、业务处理模块503、数据处理模块504和指标模型建立模块505，其中：

接收模块501，用于接收指标模型建立指令；

流程启动模块502，用于基于指标模型建立指令，启动并行的处理流程；

业务处理模块503，用于在第一处理流程中获取各指标对应的业务规则，并基于业务规则得到对应的指标的业务定义；基于业务定义得到指标的度量字段和维度字段；

数据处理模块504，用于在第二处理流程中获取指标模型建立指令对应的目标数据；

指标模型建立模块505，用于基于目标数据、度量字段以及维度字段建立指标模型。

在其中一个可选的实施例中，上述业务处理模块503还用于确定业务定义中的指标加工口径和指标加工规则；基于指标加工口径确定度量字段；基于指标加工规则确定各维度字段。

在其中一个可选的实施例中，上述数据处理模块504还用于在第二处理流程中分线程分别从不同的数据系统，获取到原始业务数据；对各数据系统获取的原始业务数据进行清洗，得到目标数据。

在其中一个可选的实施例中，上述指标模型建立模块505还用于基于维度字段确定第一维度，并基于度量字段确定第一维度对应的第一度量；基于第一维度和第一度量，对目标数据进行处理得到第一维度汇总结果；基于维度字段获取下一维度作为当前维度，并基于度量字段确定当前维度对应的当前度量；基于当前维度以及当前维度之前的维度，当前度量以及当前度量之前的度量，对目标数据进行处理得到多维度汇总结果；当基于维度字段判定还存在未处理的维度时，继续执行基于维度字段获取下一维度作为当前维度，直至各维度均被处理；基于所得到的各多维度汇总结果，得到多维指标模型。

在其中一个可选的实施例中，上述指标模型建立模块505还用于确定当前维度是否存在维度层级，以及当前维度对应的当前度量所在的当前层级；基于当前层级以及维度层级确定待处理层级，以及待处理层级与当前层级的层级关系；基于层级关系对当前维度的各维度值进行处理，得到对应层级的第一维度；基于第一维度以及当前维度之前的维度，第一维度对应的第一度量以及当前度量之前的度量，得到不同层级的多维度汇总结果。

在其中一个可选的实施例中，上述装置还包括更新模块，用于当业务规则发生改变时，基于改变的业务规则确定对应的第二维度和第二度量；基于多维指标模型、第二维度和第二度量，对目标数据进行处理得到新的多维度汇总结果；基于多维指标模型以及新的多维度汇总结果，得到新的多维指标模型。

在其中一个可选的实施例中，上述装置还包括查询模块，用于接收数据查询请求，数据查询请求携带有查询场景、查询维度以及查询度量；基于查询场景，确定数据操作类型；基于查询维度和查询度量对多维指标模型进行维度筛选和度量筛选；基于数据操作类型、筛选得到的维度和度量，对多维指标模型进行扫描得到查询结果。

上述指标模型建立装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个示例性的实施例中，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。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。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和内存储器。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通过指标模型实现数据的存储。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信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一种指标模型建立方法。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个示例性的实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：接收指标模型建立指令；基于指标模型建立指令，启动并行的处理流程；在第一处理流程中获取各指标对应的业务规则，并基于业务规则得到对应的指标的业务定义；基于业务定义得到指标的度量字段和维度字段；在第二处理流程中获取指标模型建立指令对应的目标数据；基于目标数据、度量字段以及维度字段建立指标模型。

在一个实施例中，处理器执行计算机程序时所实现的基于业务定义得到指标的度量字段和维度字段，包括：确定业务定义中的指标加工口径和指标加工规则；基于指标加工口径确定度量字段；基于指标加工规则确定各维度字段。

在一个实施例中，处理器执行计算机程序时所实现的在第二处理流程中获取指标模型建立指令对应的目标数据，包括：在第二处理流程中分线程分别从不同的数据系统，获取到原始业务数据；对各数据系统获取的原始业务数据进行清洗，得到目标数据。

在一个实施例中，处理器执行计算机程序时所实现的基于目标数据、度量字段以及维度字段建立指标模型，包括：基于维度字段确定第一维度，并基于度量字段确定第一维度对应的第一度量；基于第一维度和第一度量，对目标数据进行处理得到第一维度汇总结果；基于维度字段获取下一维度作为当前维度，并基于度量字段确定当前维度对应的当前度量；基于当前维度以及当前维度之前的维度，当前度量以及当前度量之前的度量，对目标数据进行处理得到多维度汇总结果；当基于维度字段判定还存在未处理的维度时，继续执行基于维度字段获取下一维度作为当前维度，直至各维度均被处理；基于所得到的各多维度汇总结果，得到多维指标模型。

在一个实施例中，处理器执行计算机程序时所实现的基于当前维度以及当前维度之前的维度，当前度量以及当前度量之前的度量，得到多维度汇总结果之后，还包括：确定当前维度是否存在维度层级，以及当前维度对应的当前度量所在的当前层级；基于当前层级以及维度层级确定待处理层级，以及待处理层级与当前层级的层级关系；基于层级关系对当前维度的各维度值进行处理，得到对应层级的第一维度；基于第一维度以及当前维度之前的维度，第一维度对应的第一度量以及当前度量之前的度量，得到不同层级的多维度汇总结果。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：当业务规则发生改变时，基于改变的业务规则确定对应的第二维度和第二度量；基于多维指标模型、第二维度和第二度量，对目标数据进行处理得到新的多维度汇总结果；基于多维指标模型以及新的多维度汇总结果，得到新的多维指标模型。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：接收数据查询请求，数据查询请求携带有查询场景、查询维度以及查询度量；基于查询场景，确定数据操作类型；基于查询维度和查询度量对多维指标模型进行维度筛选和度量筛选；基于数据操作类型、筛选得到的维度和度量，对多维指标模型进行扫描得到查询结果。

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：接收指标模型建立指令；基于指标模型建立指令，启动并行的处理流程；在第一处理流程中获取各指标对应的业务规则，并基于业务规则得到对应的指标的业务定义；基于业务定义得到指标的度量字段和维度字段；在第二处理流程中获取指标模型建立指令对应的目标数据；基于目标数据、度量字段以及维度字段建立指标模型。

在一个实施例中，计算机程序被处理器执行时所实现的基于业务定义得到指标的度量字段和维度字段，包括：确定业务定义中的指标加工口径和指标加工规则；基于指标加工口径确定度量字段；基于指标加工规则确定各维度字段。

在一个实施例中，计算机程序被处理器执行时所实现的在第二处理流程中获取指标模型建立指令对应的目标数据，包括：在第二处理流程中分线程分别从不同的数据系统，获取到原始业务数据；对各数据系统获取的原始业务数据进行清洗，得到目标数据。

在一个实施例中，计算机程序被处理器执行时所实现的基于目标数据、度量字段以及维度字段建立指标模型，包括：基于维度字段确定第一维度，并基于度量字段确定第一维度对应的第一度量；基于第一维度和第一度量，对目标数据进行处理得到第一维度汇总结果；基于维度字段获取下一维度作为当前维度，并基于度量字段确定当前维度对应的当前度量；基于当前维度以及当前维度之前的维度，当前度量以及当前度量之前的度量，对目标数据进行处理得到多维度汇总结果；当基于维度字段判定还存在未处理的维度时，继续执行基于维度字段获取下一维度作为当前维度，直至各维度均被处理；基于所得到的各多维度汇总结果，得到多维指标模型。

在一个实施例中，计算机程序被处理器执行时所实现的基于当前维度以及当前维度之前的维度，当前度量以及当前度量之前的度量，得到多维度汇总结果之后，还包括：确定当前维度是否存在维度层级，以及当前维度对应的当前度量所在的当前层级；基于当前层级以及维度层级确定待处理层级，以及待处理层级与当前层级的层级关系；基于层级关系对当前维度的各维度值进行处理，得到对应层级的第一维度；基于第一维度以及当前维度之前的维度，第一维度对应的第一度量以及当前度量之前的度量，得到不同层级的多维度汇总结果。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当业务规则发生改变时，基于改变的业务规则确定对应的第二维度和第二度量；基于多维指标模型、第二维度和第二度量，对目标数据进行处理得到新的多维度汇总结果；基于多维指标模型以及新的多维度汇总结果，得到新的多维指标模型。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：接收数据查询请求，数据查询请求携带有查询场景、查询维度以及查询度量；基于查询场景，确定数据操作类型；基于查询维度和查询度量对多维指标模型进行维度筛选和度量筛选；基于数据操作类型、筛选得到的维度和度量，对多维指标模型进行扫描得到查询结果。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：接收指标模型建立指令；基于指标模型建立指令，启动并行的处理流程；在第一处理流程中获取各指标对应的业务规则，并基于业务规则得到对应的指标的业务定义；基于业务定义得到指标的度量字段和维度字段；在第二处理流程中获取指标模型建立指令对应的目标数据；基于目标数据、度量字段以及维度字段建立指标模型。

在一个实施例中，计算机程序被处理器执行时所实现的基于业务定义得到指标的度量字段和维度字段，包括：确定业务定义中的指标加工口径和指标加工规则；基于指标加工口径确定度量字段；基于指标加工规则确定各维度字段。

在一个实施例中，计算机程序被处理器执行时所实现的在第二处理流程中获取指标模型建立指令对应的目标数据，包括：在第二处理流程中分线程分别从不同的数据系统，获取到原始业务数据；对各数据系统获取的原始业务数据进行清洗，得到目标数据。

在一个实施例中，计算机程序被处理器执行时所实现的基于目标数据、度量字段以及维度字段建立指标模型，包括：基于维度字段确定第一维度，并基于度量字段确定第一维度对应的第一度量；基于第一维度和第一度量，对目标数据进行处理得到第一维度汇总结果；基于维度字段获取下一维度作为当前维度，并基于度量字段确定当前维度对应的当前度量；基于当前维度以及当前维度之前的维度，当前度量以及当前度量之前的度量，对目标数据进行处理得到多维度汇总结果；当基于维度字段判定还存在未处理的维度时，继续执行基于维度字段获取下一维度作为当前维度，直至各维度均被处理；基于所得到的各多维度汇总结果，得到多维指标模型。

在一个实施例中，计算机程序被处理器执行时所实现的基于当前维度以及当前维度之前的维度，当前度量以及当前度量之前的度量，得到多维度汇总结果之后，还包括：确定当前维度是否存在维度层级，以及当前维度对应的当前度量所在的当前层级；基于当前层级以及维度层级确定待处理层级，以及待处理层级与当前层级的层级关系；基于层级关系对当前维度的各维度值进行处理，得到对应层级的第一维度；基于第一维度以及当前维度之前的维度，第一维度对应的第一度量以及当前度量之前的度量，得到不同层级的多维度汇总结果。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当业务规则发生改变时，基于改变的业务规则确定对应的第二维度和第二度量；基于多维指标模型、第二维度和第二度量，对目标数据进行处理得到新的多维度汇总结果；基于多维指标模型以及新的多维度汇总结果，得到新的多维指标模型。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：接收数据查询请求，数据查询请求携带有查询场景、查询维度以及查询度量；基于查询场景，确定数据操作类型；基于查询维度和查询度量对多维指标模型进行维度筛选和度量筛选；基于数据操作类型、筛选得到的维度和度量，对多维指标模型进行扫描得到查询结果。

需要说明的是，本申请所涉及的数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且本申请技术方案中所涉及的相关数据的获取或收集、传输、使用和处理等均符合国家法律法规的相关规定。此外，本申请实施例中，可能提及某些软件、组件、模型等业界已有方案，应当将它们认为是示范性的，其目的仅仅是为了说明本申请技术方案实施中的可行性，但并不意味着申请人以及或者必然用到了该方案。

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、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

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本申请专利范围的限制。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，本申请的保护范围应以所附权利要求为准。

Claims (11)

1.一种指标模型建立方法，其特征在于，所述方法包括：

接收指标模型建立指令；

基于所述指标模型建立指令，启动并行的处理流程；

在第一处理流程中获取各指标对应的业务规则，并基于所述业务规则得到对应的所述指标的业务定义；基于所述业务定义得到所述指标的度量字段和维度字段；

在第二处理流程中获取所述指标模型建立指令对应的目标数据；

基于所述目标数据、所述度量字段以及所述维度字段建立指标模型。

2.根据权利要求1所述的方法，其特征在于，所述基于所述业务定义得到指标的度量字段和维度字段，包括：

确定所述业务定义中的指标加工口径和指标加工规则；

基于所述指标加工口径确定度量字段；

基于所述指标加工规则确定各维度字段。

3.根据权利要求1所述的方法，其特征在于，所述在第二处理流程中获取所述指标模型建立指令对应的目标数据，包括：

在第二处理流程中分线程分别从不同的数据系统，获取到原始业务数据；

对各所述数据系统获取的所述原始业务数据进行清洗，得到目标数据。

4.根据权利要求1至3任意一项所述的方法，其特征在于，所述基于所述目标数据、所述度量字段以及所述维度字段建立指标模型，包括：

基于所述维度字段确定第一维度，并基于所述度量字段确定所述第一维度对应的第一度量；

基于所述第一维度和所述第一度量，对所述目标数据进行处理得到第一维度汇总结果；

基于所述维度字段获取下一维度作为当前维度，并基于所述度量字段确定所述当前维度对应的当前度量；

基于所述当前维度以及所述当前维度之前的维度，所述当前度量以及所述当前度量之前的度量，对所述目标数据进行处理得到多维度汇总结果；

当基于所述维度字段判定还存在未处理的维度时，继续执行基于所述维度字段获取下一维度作为当前维度，直至各所述维度均被处理；

基于所得到的各多维度汇总结果，得到多维指标模型。

5.根据权利要求4所述的方法，其特征在于，所述基于所述当前维度以及所述当前维度之前的维度，所述当前度量以及所述当前度量之前的度量，得到多维度汇总结果之后，还包括：

确定所述当前维度是否存在维度层级，以及所述当前维度对应的当前度量所在的当前层级；

基于所述当前层级以及所述维度层级确定待处理层级，以及所述待处理层级与所述当前层级的层级关系；

基于所述层级关系对所述当前维度的各维度值进行处理，得到对应层级的第一维度；

基于所述第一维度以及所述当前维度之前的维度，所述第一维度对应的第一度量以及所述当前度量之前的度量，得到不同层级的多维度汇总结果。

6.根据权利要求4所述的方法，其特征在于，所述方法还包括：

当所述业务规则发生改变时，基于改变的所述业务规则确定对应的第二维度和第二度量；

基于所述多维指标模型、所述第二维度和所述第二度量，对所述目标数据进行处理得到新的多维度汇总结果；

基于所述多维指标模型以及所述新的多维度汇总结果，得到新的所述多维指标模型。

7.根据权利要求4所述的方法，其特征在于，所述方法还包括：

接收数据查询请求，所述数据查询请求携带有查询场景、查询维度以及查询度量；

基于所述查询场景，确定数据操作类型；

基于所述查询维度和所述查询度量对所述多维指标模型进行维度筛选和度量筛选；

基于所述数据操作类型、筛选得到的维度和度量，对所述多维指标模型进行扫描得到查询结果。

8.一种指标模型建立装置，其特征在于，所述装置包括：

接收模块，用于接收指标模型建立指令；

流程启动模块，用于基于所述指标模型建立指令，启动并行的处理流程；

业务处理模块，用于在第一处理流程中获取各指标对应的业务规则，并基于所述业务规则得到对应的所述指标的业务定义；基于所述业务定义得到指标的度量字段和维度字段；

数据处理模块，用于在第二处理流程中获取所述指标模型建立指令对应的目标数据；

指标模型建立模块，用于基于所述目标数据、所述度量字段以及所述维度字段建立指标模型。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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中任一项所述的方法的步骤。

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。

11.一种计算机程序产品，包括计算机程序，其特征在于，该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。