TW201514688A - 運用帳務異動資料篩選出帳品管之驗證案例之方法 - Google Patents

運用帳務異動資料篩選出帳品管之驗證案例之方法 Download PDF

Info

Publication number
TW201514688A
TW201514688A TW102136146A TW102136146A TW201514688A TW 201514688 A TW201514688 A TW 201514688A TW 102136146 A TW102136146 A TW 102136146A TW 102136146 A TW102136146 A TW 102136146A TW 201514688 A TW201514688 A TW 201514688A
Authority
TW
Taiwan
Prior art keywords
account
data
transaction
verification case
quality control
Prior art date
Application number
TW102136146A
Other languages
English (en)
Inventor
Hsiu-Hui Chang
Chuo-Chi Lee
an-min Chen
Original Assignee
Chunghwa Telecom Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chunghwa Telecom Co Ltd filed Critical Chunghwa Telecom Co Ltd
Priority to TW102136146A priority Critical patent/TW201514688A/zh
Publication of TW201514688A publication Critical patent/TW201514688A/zh

Links

Landscapes

  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本發明係揭露一種運用帳務異動資料篩選出帳品管之驗證案例之方法,係運用資料探勘技術對帳務系統之異動資料及其費率變化結果進行分析後,反向取得帳務資訊系統黑箱內部之帳務出帳規則並建立知識庫,並應用此規則從帳務系統資料中,篩選出帳品管之驗證案例,進而提昇出帳品質的一種方法。

Description

運用帳務異動資料篩選出帳品管之驗證案例之方法
本發明是有關於一種驗證案例之方法,特別是有關於一種運用帳務異動資料篩選出帳品管之驗證案例之方法。
以往系統在進行開發驗證時,通常會隨著系統的開發階段的不同而採取不同的驗證方式,但是若是面對一個已經上線營運的系統,驗證系統最終所產出資料,即為所謂的品管驗證,但因已不在開發階段,甚且上線時間已久系統規則說明文件已遺失,此時系統對於維護人員或分屬不同單位的品管人員而言是形同黑箱(black box),常因此無法即時判斷錯誤可能發生的原因。然而面對已產出的大量資料,目前的品管驗證案例只好依靠維運的品管驗證人員的經驗及領域知識進行抽樣或是在累積錯誤案例後以柏拉圖(Patreto Diagram)按照原因發生頻率排序進行案例篩選,但是以人力隨機查驗的方式隨著抽樣案例的數量增加而成本也跟著上升。如有比隨機抽樣更好的方法則可提高驗證案例的錯誤發現比率則將可以較少的品質異常資料找到更多問題,如此一來,將可顯著降低品管成本,因此如何找出有效的品管驗證案例為一重要的議題。
在中華民國發明專利號I258073「自動產生案例的系統及方法」一案中提到,其係運用在軟體開發的生命週期內,一種自動產生測試案例的方法,可根據轉換規則將第一正規化描述語言轉換為第二正規化描述語言,再利用演算法將第二正規化描述語言進行分析後,產生對應的測試案例,再利用演算法分析將第二正規化描述語言計算出涵蓋率,產生對應的測試案例。
但是,上述測試案例的產生方式局限於軟體開發的生命週期內,並需要完整了解系統架構語法後建立轉換規則,才能開始進行描述語 言之轉換及分析,再產出測試案例,然而,對於一般已上線營運的系統並無一套有效的驗證資料收集方式,並且對於所收集的資料是否即為最需要進行驗證的可疑資料,也無提供篩選的方法。因此,若要對於已經上線營運的系統所產出的大量資料進行品質稽核,上述前案仍有諸多缺失,實非一良善之設計,而亟待加以改良。
一般來說,帳務系統的替換率低、需長期經營維護且涉及大量之複雜資料運算,然而在長期的維運中,相關的開發與維運人員頻繁輪替,而開發與測試文件又未隨之更新時,當系統最終產生出大量資料結果後,系統維運的品管驗證人員若以隨機抽樣方式進行驗證,極有可能將人力與時間耗費在驗證沒有錯誤的資料結果。因此,本發明係提出一種驗證案例之方法,特別是可運用在已上線營運之帳務系統中,以分析異動資料及其費率變化結果來篩選出帳品管的驗證案例之方法。
有鑑於上述習知技藝之問題,本發明之目的就是在提供一種運用資料探勘技術對帳務系統之異動資料及其費率變化結果進行分析,以篩選出帳品管之驗證案例,進而提昇出帳品質的一種方法,可有效節省品管驗證的時間及成本。
根據本發明之目的,提出一種運用帳務異動資料篩選出帳品管之驗證案例之方法,其包含下列步驟:利用資料探戡技術分析處理帳務資訊系統於資料實體異動時所產生之一資料異動記錄彙總,以取得其中之一新帳務費率規則;以及交叉比對新帳務費率規則與一舊帳務費率規則間之變動差異,進而產生一品管驗證案例。
較佳地,舊帳務費率規則係存於一模式知識庫中。
較佳地,資料異動記錄彙總係包含至少一異動前後之影響屬性及其影響數值、以及一目標結果值。
其中,利用資料探戡技術係依據所有之影響數值於所有影響屬性中選出一關鍵屬性集合,並以關鍵屬性集合與目標結果值之對應關係取得新帳務費率規則。
較佳地,當進行新帳務費率規則與舊帳務費率規則之交叉比 對所產生之差異結果符合一錯誤模式時,係產生品管驗證案例。
較佳地,錯誤模式係存於模式知識庫中。
承上所述,依本發明之運用帳務異動資料篩選出帳品管之驗證案例之方法,是根據帳務系統中具有鍵值資料實體發生異動之資料來進行分析,可選擇運用最適當之資料探勘技術(例如:決策樹演算法)去找出導致費率結果值變動之關鍵屬性值之集合,並將費率結果值與異動之關鍵屬性值的對應關係匯整為知識庫,且在帳務系統運轉當中持續更新知識庫,並將知識庫應用在帳務系統出帳資料當中篩選出錯誤可能案例。藉此,可更準確找出錯誤可能案例及進一步有效擴大品管驗證涵蓋率,最後增加帳務系統的出帳正確性。
S11~S12、201~208、210、211‧‧‧步驟
101‧‧‧資料異動記錄資料庫
102‧‧‧模式知識庫
103‧‧‧資料篩選分析模組
104‧‧‧品管驗證案例
EA‧‧‧屬性
SEA‧‧‧屬性之集合
KA‧‧‧關鍵屬性
SKA‧‧‧關鍵屬性之集合
MA‧‧‧影響屬性
SMA‧‧‧影響屬性之集合
TRV‧‧‧目標結果值
STRV‧‧‧目標結果值之集合
PSkA‧‧‧SKA之集合
P‧‧‧SKA與TRV的對應關係
BP‧‧‧P的集合
第1圖 係為本發明之運用帳務異動資料篩選出帳品管之驗證案例之方法之流程圖。
第2圖 係為本發明之運用帳務異動資料篩選出帳品管之驗證案例之方法之實施例之第一示意圖。
第3圖 係為本發明之運用帳務異動資料篩選出帳品管之驗證案例之方法之實施例之第二示意圖。
第4圖 係為本發明之運用帳務異動資料篩選出帳品管之驗證案例之方法之實施例之第三示意圖。
第5圖 係為本發明之運用帳務異動資料篩選出帳品管之驗證案例之方法之實施例之第四示意圖。
第6圖 係為本發明之運用帳務異動資料篩選出帳品管之驗證案例之方法之實施例之第五示意圖。
第7圖 係為本發明之運用帳務異動資料篩選出帳品管之驗證案例之方法之實施例之第六示意圖。
第8圖 係為本發明之運用帳務異動資料篩選出帳品管之驗證案例之方法之實施例之流程圖。
為利 貴審查員瞭解本發明之技術特徵、內容與優點及其所能達成之功效,茲將本發明配合附圖,並以實施例之表達形式詳細說明如下,而其中所使用之圖式,其主旨僅為示意及輔助說明書之用,未必為本發明實施後之真實比例與精準配置,故不應就所附之圖式的比例與配置關係解讀、侷限本發明於實際實施上的權利範圍,合先敘明。
請參閱第1圖,其係為本發明之運用帳務異動資料篩選出帳品管之驗證案例之方法之流程圖,其流程步驟包含:
步驟S11:利用資料探戡技術分析處理帳務資訊系統於資料實體異動時所產生之一資料異動記錄彙總,以取得其中之一新帳務費率規則。
步驟S12:交叉比對新帳務費率規則與一存於模式知識庫中之舊帳務費率規則間之變動差異,進而產生一品管驗證案例。
上述中,資料異動記錄彙總包含至少一異動前後之影響屬性及其影響數值、以及一目標結果值。而資料探戡技術係依據所有之影響數值於所有影響屬性中選出一關鍵屬性集合,並以關鍵屬性集合與目標結果值之對應關係取得新帳務費率規則,且當進行新帳務費率規則與舊帳務費率規則之交叉比對所產生之差異結果符合一錯誤模式時,則產生品管驗證案例。其中,錯誤模式係存於模式知識庫中。
為清楚揭露本發明之技術,以下係提出詳細實施例進行加以說明。
首先,係先假設:系統中一具有鍵值之資料實體在一有限時間範圍內可由關鍵屬性KA(Key Attributes)之集合SKA={KA1,KA2,......,KAn},資料實體的所有屬性EA(Entity Attributes)的集合SEA={EA1,EA2,......,EAm},且SKA SEA,資料異動改變前後所影響屬性MA(Modified Attributes)之集合SMA={MA1,MA2,......,MAk},且SMA SEA。以SKA可由作業流程的某個階段中得到一目標結果值TRV(Target Result Values),且該結果為非隨機,則在此作業階段中所有資料實體之SKA作為元素的集合PSkA={SKA1,SKA2,......,SKAj},而所有TRV作為元素之集合STRV={TRV1,TRV2,......,TRVi},可將PSkA與STRV的對應關係視為 某一定義域與值域且為非單射之對應函數,其中任一SKA與TRV的對應關係稱為P(Pattern),匯集所有P的集合BP={P1,P2,......,Pn}被用來描述PSkA與STRV對應關係。
接著,請參閱第2圖至第7圖,其為本發明之運用帳務異動資料篩選出帳品管之驗證案例之方法之實施例之第一示意圖至第六示意圖。第2圖中,資料異動記錄資料庫101為輸入一進行系統異動所產生的受異動影響之資料資料異動記錄彙總,資料異動記錄資料庫中每一筆資料資料異動記錄彙總至少包含:(1)異動前後之影響屬性(MAs)及其值及(2)目標結果值(TRV)。模式知識庫(Pattern knowledge base)102為模式P(Pattern)之匯總BP,最後BP應漸趨近於PSkA與STRV之完整對應,模式知識庫102並累計BP各元素之資料異動之事件數且事件數起始值為1,模式知識庫102當中對累計BP各元素並有錯誤模式EP(Error Patterns)之註記,而BP中屬EP之元素的集合為BEP={EP1,EP2,......,EPm}。資料篩選分析模組103可選擇運用最適當之資料探勘技術(例如:決策樹演算法)分析資料異動記錄資料庫101及更新模式知識庫102,當新的資料異動記錄產生後同樣運用資料探勘技術推論取得模式(即本發明中所述之新帳務費率規則),將此模式與模式知識庫102做交叉比對,若與舊模式(即本發明中所述之舊帳務費率規則)衝突矛盾或是符合過去已知的錯誤模式則產生品管驗證案例104。其中,第6圖係為模式知識圖之示意圖,第7圖為品管驗證案例之示意圖。
本發明之運用帳務異動資料篩選出帳品管之驗證案例之方法,主要是應用資料探戡技術分析處理帳務資訊系統之資料實體異動所產生的資料異動記錄彙總,以取得其中的帳務費率規則。其中,資料異動記錄至少包含一或多個遷移前後所影響屬性(MAs)及其遷移後之數值以及一目標結果值(TRV)。運用資料探勘技術分析出最可能的關鍵屬性集合(SKA),即在資料異動所影響屬性之集合(SMA)中,可能會影響目標結果值(TRV)屬性的子集,而關鍵屬性集合與結果值之對應則成為一個模式(P)(即為所取得之帳務費率規則)。接著,當取得新的模式(帳務費率規則)後,交叉比對新取得的模式與存在模式知識庫中既有的模式(舊帳務費率規則)的變動差異來找出品管驗證案例。詳細地說,係當輸入一新進的資料異動記錄彙總,取 得一新模式(P)後,將此新模式與模式知識庫的模式做比對,若與舊模式衝突矛盾或是符合過去已知的錯誤模式則產生品管驗證案例。
請參閱第8圖,係為本發明之運用帳務異動資料篩選出帳品管之驗證案例之方法之實施例之流程圖,其包含:
1、首先執行步驟201:自資料異動記錄資料庫讀取所有尚未處理之資料異動記錄並運用資料分析篩選技術進行分析產生模式P之集合BP’並存入暫存區後接著執行步驟202。
2、執行步驟202:自暫存區之集合BP’依序讀取一筆模式P’,接著執行步驟203判斷讀取模式P’是否成功,為是則執行步驟204,為否則到結束。
3、執行步驟204:判斷P’BP,為是則執行步驟206,為否則執行步驟205。
4、執行步驟205:累加P’在模式知識庫中之事件數,接著執行步驟210判斷P’BEP,為是則執行步驟211產生品管驗證案例,接著回到執行步驟202。
5、執行步驟206:判斷(SKA’ PSkA且TRV'STRV)或(SKA’ PSkA且TRV’STRV),為是則執行步驟207產生品管驗證案例,接著執行步驟208將P’暫時設為EP註記並將P’寫入模式知識庫,接著回到執行步驟202。
綜合上述,本發明為了要協助已經上線營運的帳務系統進行品管驗證活動,從系統產生的大量資料中,利用資料探勘技術對帳務資訊系統中產生異動的資料狀態進行分析後,將輸出結果值之對應關係建立成可持續更新的知識庫,同時在系統維運流程當中篩選出驗證案例。相對於隨機抽樣的品管驗證方式,本發明提供一個更準確篩選出最有可能錯誤的異常資料之驗證案例及有效擴大品管驗證涵蓋率的方法,可有效節省品管驗證的時間及成本。
以上所述僅為舉例性,而非為限制性者。任何未脫離本發明之精神與範疇,而對其進行之等效修改或變更,均應包含於後附之申請專利範圍中。
S11~S12‧‧‧步驟

Claims (6)

  1. 一種運用帳務異動資料篩選出帳品管之驗證案例之方法,其包含下列步驟:利用資料探戡技術分析處理帳務資訊系統於資料實體異動時所產生之一資料異動記錄彙總,以取得其中之一新帳務費率規則;以及交叉比對該新帳務費率規則與一舊帳務費率規則間之變動差異,進而產生一品管驗證案例。
  2. 如申請專利範圍第1項所述之運用帳務異動資料篩選出帳品管之驗證案例之方法,其中該舊帳務費率規則係存於一模式知識庫中。
  3. 如申請專利範圍第2項所述之運用帳務異動資料篩選出帳品管之驗證案例之方法,其中該資料異動記錄彙總係包含至少一異動前後之影響屬性及其影響數值、以及一目標結果值。
  4. 如申請專利範圍第3項所述之運用帳務異動資料篩選出帳品管之驗證案例之方法,其中利用資料探戡技術係依據所有之該影響數值於所有該影響屬性中選出一關鍵屬性集合,並以該關鍵屬性集合與該目標結果值之對應關係取得該新帳務費率規則。
  5. 如申請專利範圍第4項所述之運用帳務異動資料篩選出帳品管之驗證案例之方法,其中當進行該新帳務費率規則與該舊帳務費率規則之交叉比對所產生之差異結果符合一錯誤模式時,係產生該品管驗證案例。
  6. 如申請專利範圍第5項所述之運用帳務異動資料篩選出帳品管之驗證案例之方法,其中該錯誤模式係存於該模式知識庫中。
TW102136146A 2013-10-07 2013-10-07 運用帳務異動資料篩選出帳品管之驗證案例之方法 TW201514688A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW102136146A TW201514688A (zh) 2013-10-07 2013-10-07 運用帳務異動資料篩選出帳品管之驗證案例之方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW102136146A TW201514688A (zh) 2013-10-07 2013-10-07 運用帳務異動資料篩選出帳品管之驗證案例之方法

Publications (1)

Publication Number Publication Date
TW201514688A true TW201514688A (zh) 2015-04-16

Family

ID=53437604

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102136146A TW201514688A (zh) 2013-10-07 2013-10-07 運用帳務異動資料篩選出帳品管之驗證案例之方法

Country Status (1)

Country Link
TW (1) TW201514688A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI755702B (zh) * 2020-04-06 2022-02-21 中華電信股份有限公司 測試真實資料之方法及電腦可讀媒介

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI755702B (zh) * 2020-04-06 2022-02-21 中華電信股份有限公司 測試真實資料之方法及電腦可讀媒介

Similar Documents

Publication Publication Date Title
KR102356771B1 (ko) 데이터 구동 테스트 프레임워크
US8938719B2 (en) System and method for performance assurance of applications
Al Dallal Object-oriented class maintainability prediction using internal quality attributes
US20210248144A1 (en) Systems and methods for data quality monitoring
CN109344056B (zh) 一种测试方法以及测试装置
CN109344055B (zh) 一种测试方法以及测试装置
CN107609188B (zh) 基于GoldenGate的数据同步校验方法
DE102021133809A1 (de) Verfahren und vorrichtung zur automatischen detektion von softwarefehlern
JP2011503681A (ja) データ記録を一致させるシステムの分析のための方法およびシステム
WO2014180107A1 (zh) 一种基于测试的静态分析误报消除方法
US11586433B2 (en) Pipeline release validation
CN105824756B (zh) 一种基于代码依赖关系的过时需求自动检测方法及系统
WO2019169760A1 (zh) 测试用例范围确定方法、装置及存储介质
CN103942143A (zh) 一种基于版本库比较的PC-Lint代码检查结果筛选方法
US10365995B2 (en) Composing future application tests including test action data
US9734042B1 (en) System, method, and computer program for automated parameterized software testing
Aversano et al. Evaluating architecture stability of software projects
CN114880405A (zh) 一种基于数据湖的数据处理方法及系统
Lin et al. FacGraph: Frequent anomaly correlation graph mining for root cause diagnose in micro-service architecture
TW201514688A (zh) 運用帳務異動資料篩選出帳品管之驗證案例之方法
US20190340540A1 (en) Adaptive continuous log model learning
Zhu et al. A Performance Fault Diagnosis Method for SaaS Software Based on GBDT Algorithm.
CN109165155A (zh) 一种基于聚类分析的软件缺陷修复模板提取方法
CN107402920A (zh) 确定关系数据库表关联复杂度的方法和装置
Weber et al. Detecting inconsistencies in multi-view uml models