WO2022165965A1 - 行为数据的监控方法、装置、设备及介质 - Google Patents
行为数据的监控方法、装置、设备及介质 Download PDFInfo
- Publication number
- WO2022165965A1 WO2022165965A1 PCT/CN2021/084529 CN2021084529W WO2022165965A1 WO 2022165965 A1 WO2022165965 A1 WO 2022165965A1 CN 2021084529 W CN2021084529 W CN 2021084529W WO 2022165965 A1 WO2022165965 A1 WO 2022165965A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- data
- behavior
- behavior data
- stored
- preprocessing
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012544 monitoring process Methods 0.000 title claims abstract description 55
- 230000006399 behavior Effects 0.000 claims abstract description 637
- 238000007781 pre-processing Methods 0.000 claims abstract description 329
- 230000003442 weekly effect Effects 0.000 claims abstract description 172
- 238000004458 analytical method Methods 0.000 claims abstract description 83
- 238000004364 calculation method Methods 0.000 claims abstract description 46
- 238000000605 extraction Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000010835 comparative analysis Methods 0.000 claims description 213
- 230000003542 behavioural effect Effects 0.000 claims description 56
- 230000000052 comparative effect Effects 0.000 claims description 42
- 238000007619 statistical method Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 8
- 238000013075 data extraction Methods 0.000 claims description 5
- 238000005538 encapsulation Methods 0.000 claims description 5
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 239000003795 chemical substances by application Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F16/23—Updating
- G06F16/2393—Updating materialised views
-
- 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
-
- 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
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Definitions
- the present application relates to the field of artificial intelligence technology, and in particular, to a method, device, device and medium for monitoring behavior data.
- the prior art does not have global monitoring of behavior data in multiple regions and platforms, which leads to the technical problem of lack of data support for analysis of business volume and judgment and analysis of behavior data.
- the main purpose of this application is to provide a method, device, equipment and medium for monitoring behavior data, which aims to solve the problem that the existing technology does not have global monitoring of behavior data in multiple regions and platforms, which leads to the analysis of traffic volume and the inconsistency of behavior data. Judge and analyze technical problems that lack data support.
- the present application proposes a method for monitoring behavior data, the method comprising:
- the behavior data to be analyzed is the behavior data sent to the Redis by the CTI platform;
- the data of the same period of the previous day and the data of the same period of the previous week are obtained from the behavior database, and the behavior data preprocessing of the previous day corresponding to the preprocessing data of the behavior data to be stored is obtained.
- a preset daily comparison statistical method is used to perform statistical calculation on the behavior data preprocessing data to be stored and the behavior data preprocessing data of the previous day to obtain the daily comparison corresponding to the behavior data preprocessing data to be stored Analysis results;
- Statistical calculation is performed on the behavior data preprocessing data to be stored and the behavior data preprocessing data of the previous week by using a preset weekly comparison statistical method to obtain the weekly comparison analysis corresponding to the behavior data preprocessing data to be stored result;
- the daily comparative analysis result and the weekly comparative analysis result corresponding to the behavior data preprocessing data to be stored are updated to the comparative result library;
- the present application also proposes a behavior data monitoring device, the device comprising:
- the behavior data acquisition module is used to obtain the behavior data to be analyzed from Redis at preset time intervals, and the behavior data to be analyzed is the behavior data sent to the Redis by the CTI platform;
- an information extraction and classification processing module used for obtaining a classification list, and using the classification list to perform information extraction and classification processing on the behavior data to be analyzed, to obtain behavior data preprocessing data to be stored;
- a behavior database update module used to update the behavior data preprocessing data to be stored into the behavior database
- the historical data extraction module is used to obtain the previous day's contemporaneous data and the previous week's contemporaneous data from the behavioral database according to the behavioral data preprocessing data to be stored, and obtain the above data corresponding to the behavioral data preprocessing data to be stored.
- the first statistical calculation module is configured to perform statistical calculation on the behavior data preprocessing data to be stored and the behavior data preprocessing data of the previous day by adopting a preset daily comparison statistical method to obtain the behavior to be stored Daily comparative analysis results corresponding to data preprocessing data;
- the second statistical calculation module is configured to perform statistical calculation on the behavior data preprocessing data to be stored and the behavior data preprocessing data of the previous week by using a preset weekly comparison statistical method to obtain the behavior data to be stored Weekly comparative analysis results corresponding to preprocessed data;
- the comparison result library updating module is used to update the daily comparison analysis result and the weekly comparison analysis result corresponding to the behavior data preprocessing data to be stored into the comparison result library;
- the graphical display module is used for obtaining the current date, and using the current date to obtain the daily comparative analysis result and the weekly comparative analysis result from the comparative result library, and the obtained daily comparative analysis result and the The weekly comparative analysis results are displayed graphically, and the behavior data monitoring view is obtained.
- the present application also proposes a computer device, including a memory and a processor, the memory stores a computer program, and the processor implements the following method steps when executing the computer program:
- the behavior data to be analyzed is the behavior data sent to the Redis by the CTI platform;
- the data of the same period of the previous day and the data of the same period of the previous week are obtained from the behavior database, and the behavior data preprocessing of the previous day corresponding to the preprocessing data of the behavior data to be stored is obtained.
- a preset daily comparison statistical method is used to perform statistical calculation on the behavior data preprocessing data to be stored and the behavior data preprocessing data of the previous day to obtain the daily comparison corresponding to the behavior data preprocessing data to be stored Analysis results;
- Statistical calculation is performed on the behavior data preprocessing data to be stored and the behavior data preprocessing data of the previous week by using a preset weekly comparison statistical method to obtain the weekly comparison analysis corresponding to the behavior data preprocessing data to be stored result;
- the daily comparative analysis result and the weekly comparative analysis result corresponding to the behavior data preprocessing data to be stored are updated to the comparative result library;
- the present application also proposes a computer-readable storage medium on which a computer program is stored, and when the computer program is executed by a processor, the following method steps are implemented:
- the behavior data to be analyzed is the behavior data sent to the Redis by the CTI platform;
- the data of the same period of the previous day and the data of the same period of the previous week are obtained from the behavior database, and the behavior data preprocessing of the previous day corresponding to the preprocessing data of the behavior data to be stored is obtained.
- a preset daily comparison statistical method is used to perform statistical calculation on the behavior data preprocessing data to be stored and the behavior data preprocessing data of the previous day to obtain the daily comparison corresponding to the behavior data preprocessing data to be stored Analysis results;
- Statistical calculation is performed on the behavior data preprocessing data to be stored and the behavior data preprocessing data of the previous week by using a preset weekly comparison statistical method to obtain the weekly comparison analysis corresponding to the behavior data preprocessing data to be stored result;
- the daily comparative analysis result and the weekly comparative analysis result corresponding to the behavior data preprocessing data to be stored are updated to the comparative result library;
- the behavior data monitoring method, device, device and medium of the present application firstly receive the behavior data sent by the CTI platform in real time through Redis, obtain the behavior data to be analyzed from Redis at preset time intervals, and secondly use a classified list of behaviors to be analyzed. Perform information extraction and classification processing on the data to obtain the behavior data preprocessing data to be stored, update the behavior data preprocessing data to be stored into the behavior database, and then count the behavior data preprocessing data to be stored according to the data in the behavior database.
- the daily comparative analysis results and the weekly comparative analysis results corresponding to the preprocessing data of the behavior data to be stored are obtained by calculating, and the daily comparative analysis results and the weekly comparative analysis results corresponding to the behavior data preprocessing data to be stored are updated to the comparative result database, and finally Use the current date to obtain the daily comparative analysis results and the weekly comparative analysis results from the comparison result database, and display the obtained daily comparative analysis results and weekly comparative analysis results graphically to obtain the behavior data monitoring view, thus realizing real-time and global monitoring.
- the behavior of the agent can intuitively understand the behavior data, which provides data support for the analysis of the business volume and the judgment and analysis of the behavior data.
- FIG. 1 is a schematic flowchart of a method for monitoring behavior data according to an embodiment of the present application
- FIG. 2 is a schematic block diagram of the structure of an apparatus for monitoring behavior data according to an embodiment of the present application
- FIG. 3 is a schematic structural block diagram of a computer device according to an embodiment of the present application.
- the present application proposes a behavior data monitoring method.
- the above method is applied to the field of artificial intelligence technology.
- the monitoring method for the behavioral data is to obtain the CTI platform from Redis and send the behavioral data, then perform information extraction and classification processing, and perform day-to-day comparison and week-to-week comparison according to the information extraction and classification processing, and to compare the results of day-to-day and week-to-week comparisons.
- graphical display a monitoring view for global monitoring of behavior data is obtained, thereby realizing real-time and global monitoring of agent behavior, intuitive understanding of behavior data, and providing data for business volume analysis and behavior data judgment and analysis support.
- an embodiment of the present application provides a method for monitoring behavior data, and the method includes:
- S2 Obtain a classification list, and use the classification list to perform information extraction and classification processing on the behavior data to be analyzed, to obtain behavior data preprocessing data to be stored;
- S4 Acquire the previous day's contemporaneous data and the previous week's contemporaneous data from the behavior database according to the behavior data preprocessing data to be stored, and obtain the behavior data of the previous day corresponding to the behavior data preprocessing data to be stored Preprocessed data and behavioral data of the previous week preprocessed data;
- the behavior data sent by the CTI platform is received in real time through Redis, the behavior data to be analyzed is obtained from Redis at preset time intervals, and then the behavior data to be analyzed is extracted and classified using a classification list to obtain the behavior data to be stored.
- Behavior data preprocessing data update the behavior data preprocessing data to be stored into the behavior database, and then perform statistical calculation on the behavior data preprocessing data to be stored according to the data in the behavior database to obtain the corresponding behavior data preprocessing data to be stored.
- Daily comparative analysis results and weekly comparative analysis results update the daily comparative analysis results and weekly comparative analysis results corresponding to the preprocessing data of the behavior data to be stored into the comparative result database, and finally obtain the daily comparative analysis from the comparative result database using the current date.
- Results and weekly comparative analysis results the obtained daily comparative analysis results and weekly comparative analysis results are displayed graphically, and the behavior data monitoring view is obtained.
- the analysis of business volume and the judgment analysis of behavior data provide data support.
- the preset time interval can be obtained from the database, or the preset time interval sent by the user, or the preset time interval sent by a third-party application system, or it can be written into the software program implementing the application.
- the preset time interval ; obtain behavior data from Redis in rounds according to the preset time interval, and obtain the behavior data to be analyzed according to the obtained behavior data.
- the preset time interval includes but is not limited to: 1 minute, 2 minutes, 3 minutes, 4 minutes, 5 minutes.
- the behavior data to be analyzed is the behavior data that needs to be analyzed.
- the behavior data includes but is not limited to: agent identification, data generation time, and agent behavior.
- Agent behaviors include but are not limited to: check-in, check-out, answering preparation, answering exit, answering calls.
- Redis the Remote Dictionary Service
- ANSI C language supports network, can be memory-based and persistent, and provides APIs in multiple languages.
- CTI stands for Computer Telephony Integration.
- the number of CTI platforms may be multiple, wherein, all CTI platforms may be deployed on the same IP address, or may be deployed on multiple IP addresses, which are not specifically limited here. All CTI platforms can be managed as a cluster, or partially or completely managed independently, which is not limited here.
- a classification list can be obtained from a database, a classification list sent by a user, a classification list sent by a third-party application system, or a classification list written into the software program implementing the application;
- the behavior data to be analyzed is subjected to information extraction, and then the classification list is used to classify the information extraction results, and behavior data preprocessing data is obtained according to the information extraction results and the classification results, and the obtained behavior data preprocessing data is used as the to-be-stored data.
- Behavioral data preprocessing data can be obtained from a database, a classification list sent by a user, a classification list sent by a third-party application system, or a classification list written into the software program implementing the application.
- the category list includes but is not limited to: job number, extension number, company, department, product line.
- the behavior data to be stored is preprocessing data, that is, the behavior data preprocessing data that needs to be stored in the behavior database.
- the behavior data preprocessing data includes but is not limited to: data generation time, IP network segment data, extension information data, extension status data, and classification data.
- the behavior data preprocessing data to be stored is stored in the behavior database of the Oracle library.
- the behavioral database includes: behavioral data preprocessing data.
- the behavior data preprocessing data at the same time of the previous day is obtained from the behavior database, and the acquired behavior data preprocessing data is used as the behavior data preprocessing data to be stored
- the behavior data preprocessing data of the previous day corresponding to the behavior data preprocessing data according to the data generation time of the behavior data preprocessing data to be stored, obtain from the behavior database the same week serial number at the same time in the previous week
- the behavior data preprocessing data is to use the acquired behavior data preprocessing data as the behavior data preprocessing data of the previous week corresponding to the behavior data preprocessing data to be stored.
- a preset daily comparison statistical method is used to perform comparative statistical calculation of the same type of data on the behavioral data preprocessing data to be stored and the behavioral data preprocessing data on the previous day, and the calculated data is used as the data obtained by the calculation.
- the daily comparative analysis results corresponding to the behavior data preprocessing data to be stored are described. It can be understood that the daily comparative analysis result includes at least one comparative result.
- the preset daily comparison statistical method comparison algorithm, which includes but is not limited to: growth percentage and growth quantity.
- the same type of data represents data with the same meaning.
- the number of online agents of the behavior data preprocessing data to be stored and the number of online agents of the behavior data preprocessing data of the previous day are the same type of data, which are not specifically limited herein.
- the weekly comparative analysis results include at least one comparative result.
- the preset weekly comparison statistical method comparison algorithm, which includes but is not limited to: growth percentage and growth quantity.
- the daily comparative analysis result and the weekly comparative analysis result corresponding to the behavior data preprocessing data to be stored are stored in the comparative result library of the Oracle library.
- the comparison result library includes: data generation time, daily comparison analysis results, and weekly comparison analysis results. Each data generation time corresponds to a daily comparative analysis result and a weekly comparative analysis result.
- the daily comparative analysis results are displayed graphically in a chart according to the order of data generation time, and all the obtained weekly comparison analysis results are graphically displayed in a chart according to the order of data generation time to obtain behavioral data monitoring. view.
- the behavioral data monitoring view provides intuitive data support for the analysis of business volume and the judgment and analysis of behavioral data.
- the above method further includes:
- the behavior data is subscribed to the CTI platform, so as to meet the individual requirements and reduce the amount of data transmission.
- the subscription behavior data request input by the user is obtained.
- a subscription behavior data request is a request directed to the CTI platform to subscribe to behavior data.
- the behavior data subscription configuration data includes but is not limited to: CTI platform identification, subscription configuration data.
- Subscription configuration data includes but is not limited to: job number, extension number, and queue information.
- the queue information is cluster information.
- the queue information includes: the average waiting time of customers for access, which is not specifically limited in this example.
- the CTI platform identifier may be an identifier that uniquely identifies a CTI platform, such as a CTI platform name, a CTI platform ID, or the like.
- the CTI platform corresponding to the CTI platform identifier of the subscription configuration data, and the CTI platform corresponding to the CTI platform identifier of the behavior data subscription configuration data will send the behavior data to the subscription configuration data according to the behavior data subscription configuration data.
- the above-mentioned steps of acquiring behavior data to be analyzed from Redis at preset time intervals include:
- behavior data is extracted by obtaining the data to be parsed from the Redis, thereby providing a basis for subsequent information extraction and classification processing; the behavior data in the JSON format sent by the CTI platform is reduced by the JSON format. the amount of data transferred.
- For S11 obtain data from the Redis at the preset time interval, and use the obtained data as the data to be parsed.
- JSON the full name of JavaScript Object Notation, is a lightweight data exchange format.
- Websocket is a protocol for full-duplex communication over a single TCP connection.
- the behavior data is extracted from the data to be analyzed, and the behavior data obtained by extraction is used as the behavior data to be analyzed.
- the above-mentioned steps of using the classification list to perform information extraction and classification processing on the behavior data to be analyzed to obtain the behavior data preprocessing data to be stored include:
- S23 Obtain a status code list, and use the status code list to perform extension status analysis on the behavior data to be analyzed, to obtain extension status data corresponding to the behavior data preprocessing data to be stored;
- S24 Use the classification list to perform classification processing according to the IP network segment data and the extension information data corresponding to the behavior data preprocessing data to be stored, to obtain a classification corresponding to the behavior data preprocessing data to be stored data.
- This embodiment implements information extraction and classification processing for the behavior data to be analyzed, which provides a data basis for subsequent statistical calculation; and the results of information extraction and classification processing can be reused, avoiding re-processing of information each time it is used. Extraction and classification processing improve the efficiency of data analysis.
- the data generation time is extracted from the behavior data to be analyzed, that is, the data generation time of the behavior data in the same behavior data to be analyzed is the same, and the extracted data generation time is used as the data generation time. Describe the data generation time corresponding to the behavior data preprocessing data to be stored.
- the extension information keyword analyzes and extracts extension information for the behavior data to be analyzed, and uses the extracted data as the extension information data corresponding to the behavior data to be stored.
- the list of status codes can be obtained from the database, the list of status codes sent by the user, the list of status codes sent by a third-party application system, or the list of status codes written into the software program implementing the present application list.
- the status code list is used to search from the behavior data to be analyzed, and the extension status information corresponding to the status codes found in the behavior data to be analyzed in the status code list is used as the to-be-stored extension status information.
- the behavior data preprocessing data corresponds to the extension status data.
- the status code list includes: status code, extension status information, each status code corresponds to an extension status information.
- the extension status information includes but is not limited to: Signed In, Signed Out, Busy, Not Ready.
- IP network segment data and the extension information data corresponding to the behavior data preprocessing data For S24, use the IP network segment data and the extension information data corresponding to the behavior data preprocessing data to be stored to search in the classification list, and use the classification data found in the classification list as The to-be-stored behavior data preprocessing data corresponds to the classification data.
- the above-mentioned preprocessing data of the behavior data to be stored obtains the data of the same period of the previous day and the data of the same period of the previous week from the behavior database, and obtains the above data corresponding to the preprocessed data of the behavior data to be stored.
- the steps of preprocessing data for one day's behavioral data and the previous week's behavioral data include:
- S41 determine the same time on the previous day according to the data generation time of the behavior data preprocessing data to be stored, and obtain the same time data on the previous day corresponding to the behavior data preprocessing data to be stored;
- S42 Determine the same time in the previous week according to the data generation time of the behavior data preprocessing data to be stored, and obtain the same time data in the previous week corresponding to the behavior data preprocessing data to be stored;
- S44 Acquire behavior data preprocessing data from the behavior database according to the data at the same time in the previous week corresponding to the behavior data preprocessing data to be stored, and obtain the behavior data preprocessing data to be stored corresponding to the behavior data preprocessing data. Behavioral data preprocessing data for the previous week.
- the same time data of the previous day and the same time data of the previous week are obtained from the behavior database, which provides a data basis for subsequent comparison and statistical calculation.
- the data generation time of the preprocessing data of the behavior data to be stored at the same time of the previous day is used as the data of the same time of the previous day corresponding to the preprocessing data of the behavior data to be stored. For example, if the data generation time of the behavior data preprocessing data to be stored is at 9:30 on January 31, 2020, then at 9:30 on January 25, 2020 at the same time as the previous day in January 2020 9:30 on the 24th is used as the data at the same time of the previous day corresponding to the behavior data preprocessing data to be stored, which is not specifically limited in this example.
- the data generation time of the behavior data preprocessing data to be stored at the same time of the same week serial number in the previous week is used as the same time data of the previous week corresponding to the behavior data preprocessing data to be stored. For example, if the data generation time of the behavior data preprocessing data to be stored is 9:30 on January 31, 2020, then at 9:30 on January 23, 2020 at the same time of the same week number in the previous week 9:30 on January 16, 2020 is used as the data at the same time in the previous week corresponding to the behavior data preprocessing data to be stored, which is not specifically limited in this example.
- the data at the same time of the previous day corresponding to the preprocessing data of the behavior data to be stored is searched from the behavior database, and the data corresponding to the generation time of the data found in the behavior database is searched.
- the behavior data preprocessing data is used as the behavior data preprocessing data of the previous day corresponding to the behavior data preprocessing data to be stored.
- the data at the same time of the previous week corresponding to the preprocessing data of the behavior data to be stored is searched from the behavior database, and the behavior corresponding to the generation time of the data found in the behavior database is searched
- the data preprocessing data is the behavior data preprocessing data of the previous week corresponding to the behavior data preprocessing data to be stored.
- the above-mentioned step of updating the daily comparative analysis result and the weekly comparative analysis result corresponding to the behavior data preprocessing data to be stored into the comparative result library it further includes:
- S912 Obtain the daily comparative analysis result and the weekly comparative analysis result from the comparative result library according to the preset period and the target classification data, and obtain a daily comparative analysis result set to be detected and a weekly comparative analysis result to be detected Set of comparative analysis results;
- S913 Perform an average value calculation on the set of daily comparative analysis results to be detected, and obtain an average value set corresponding to the set of daily comparative analysis results to be detected;
- S916 Perform an average value calculation on the set of weekly comparative analysis results to be detected, and obtain an average value set corresponding to the set of weekly comparative analysis results to be detected;
- This embodiment realizes that data is obtained from the comparison result database according to the preset period and the target classification data to perform early warning analysis, thereby facilitating timely discovery of abnormal behavior data.
- the daily growth percentage threshold range data can be obtained from the database, or the daily growth percentage threshold range data sent by the user, or the daily growth percentage threshold range data sent by a third-party application system, or it can be implemented by writing.
- Daily Growth Percentage Threshold Range Data in the Software Program of the Application can be obtained from the database, or the daily growth percentage threshold range data sent by the user, or the daily growth percentage threshold range data sent by a third-party application system, or it can be implemented by writing.
- the weekly growth percentage threshold range data can be obtained from the database, or the weekly growth percentage threshold range data sent by the user, or the weekly growth percentage threshold range data sent by a third-party application system, or it can be written to implement this application. Weekly increase percentage threshold range data in software program.
- the target classification data can be obtained from the database, the target classification data sent by the user, the target classification data sent by a third-party application system, or the target classification data written in the software program implementing the present application.
- the preset period can be obtained from the database, or the preset period sent by the user, the preset period sent by the third-party application system, or the preset period written in the software program implementing the present application.
- the target categorical data can be any of all categorical data.
- the daily comparison is busy reminder signal corresponding to the target classification data is generated according to the average set corresponding to the daily comparison analysis result set to be detected, and the daily comparison is busy reminder signal reminds the monitoring personnel to be relatively busy in the current preset period. Behavioral data for the same time of day is more busy than expected.
- the average value calculation of the same type of data is performed on all the weekly comparative analysis result sets to be detected in the weekly comparative analysis result sets to be detected, and the average value set corresponding to the weekly comparative analysis result sets to be detected is obtained.
- the weekly comparative idle reminder signal corresponding to the target classification data is generated, and the weekly comparative idle reminder signal is used to remind the monitoring personnel to be in the current preset period relative to the previous week.
- the behavior data for the same time is more than expected for idle.
- the method further includes:
- S922 In response to the trend prediction request, acquire behavior data preprocessing data from the behavior database according to the trend prediction configuration data, and obtain a behavior data preprocessing data set to be predicted;
- S923 Use the trend prediction configuration data to perform feature extraction on the to-be-predicted behavior data preprocessing data set, to obtain a to-be-predicted behavior data feature sequence corresponding to the trend prediction configuration data;
- S924 Input the to-be-predicted behavior data feature sequence into a behavior data trend prediction model corresponding to the trend prediction configuration data for behavior data trend prediction, where the behavior data trend prediction model corresponding to the trend prediction configuration data is based on ARIMA The model obtained by model training;
- S925 Acquire behavior data trend prediction data output by the behavior data trend prediction model corresponding to the trend prediction configuration data, and obtain target behavior data trend prediction data.
- This embodiment realizes the trend prediction of behavior data, thereby further providing data support for the analysis of business volume and the judgment and analysis of behavior data.
- the trend prediction request input by the user may be obtained, and it may also be a trend prediction request automatically triggered by the program file of the present application.
- a trend prediction request refers to a request for trend prediction of behavior data.
- the trend prediction configuration data includes: configuration identifier, value duration, and value feature configuration data.
- the configuration identifier may be an identifier that uniquely identifies a trend prediction configuration data, such as a configuration name, a configuration ID, or the like.
- the behavior data feature sequence to be predicted is input into the behavior data trend prediction model corresponding to the configuration identifier of the trend prediction configuration data to predict the behavior data trend.
- the method for the behavior data trend prediction model corresponding to the trend prediction configuration data obtained by training an ARIMA model can be selected from the prior art, and details are not described here.
- the target behavior data trend prediction data is used to describe the future development trend of the behavior data, thereby further providing data support for the analysis of the business volume and the judgment analysis of the behavior data.
- the present application also proposes a behavior data monitoring device, the device includes:
- the behavior data acquisition module 100 is used for acquiring behavior data to be analyzed from Redis at preset time intervals, and the behavior data to be analyzed is the behavior data sent to the Redis by the CTI platform;
- the information extraction and classification processing module 200 is used for obtaining a classification list, and using the classification list to perform information extraction and classification processing on the behavior data to be analyzed, to obtain the behavior data preprocessing data to be stored;
- a behavior database update module 300 configured to update the behavior data preprocessing data to be stored into the behavior database
- the historical data extraction module 400 is configured to obtain the previous day's contemporaneous data and the previous week's contemporaneous data from the behavior database according to the behavior data preprocessing data to be stored, and obtain the corresponding data of the behavior data preprocessing data to be stored.
- the first statistical calculation module 500 is configured to perform statistical calculation on the behavioral data preprocessing data to be stored and the behavioral data preprocessing data of the previous day by using a preset daily comparison statistical method to obtain the to-be-stored behavioral data preprocessing data. Daily comparative analysis results corresponding to behavioral data preprocessing data;
- the second statistical calculation module 600 is configured to perform statistical calculation on the behavior data preprocessing data to be stored and the behavior data preprocessing data of the previous week by using a preset weekly comparison statistical method to obtain the behavior to be stored Weekly comparative analysis results corresponding to data preprocessing data;
- the comparison result library updating module 700 is used for updating the daily comparison analysis result and the weekly comparison analysis result corresponding to the behavior data preprocessing data to be stored into the comparison result library;
- the graphical display module 800 is used to obtain the current date, obtain the daily comparative analysis result and the weekly comparative analysis result from the comparative result library by using the current date, and compare the obtained daily comparative analysis result and all the obtained results.
- the weekly comparative analysis results are displayed graphically, and the behavior data monitoring view is obtained.
- the behavior data sent by the CTI platform is received in real time through Redis, the behavior data to be analyzed is obtained from Redis at preset time intervals, and then the behavior data to be analyzed is extracted and classified using a classification list to obtain the behavior data to be stored.
- Behavior data preprocessing data update the behavior data preprocessing data to be stored into the behavior database, and then perform statistical calculation on the behavior data preprocessing data to be stored according to the data in the behavior database to obtain the corresponding behavior data preprocessing data to be stored.
- Daily comparative analysis results and weekly comparative analysis results update the daily comparative analysis results and weekly comparative analysis results corresponding to the preprocessing data of the behavior data to be stored into the comparative result database, and finally obtain the daily comparative analysis from the comparative result database using the current date.
- Results and weekly comparative analysis results the obtained daily comparative analysis results and weekly comparative analysis results are displayed graphically, and the behavior data monitoring view is obtained.
- the analysis of business volume and the judgment analysis of behavior data provide data support.
- the above apparatus further includes: a subscription module
- the subscription module is configured to obtain a subscription behavior data request, obtain behavior data subscription configuration data based on the subscription behavior data request, and send the behavior data subscription configuration data to the CTI platform based on the communication connection with the CTI platform.
- the CTI platform so that the CTI platform subscribes to the configuration data according to the behavior data and sends the behavior data to the Redis.
- the above-mentioned behavior data acquisition module 100 includes: a sub-module for acquiring data to be parsed and a sub-module for extracting behavior data;
- the to-be-parsed data acquisition submodule is used to acquire the to-be-parsed data from the Redis at the preset time interval, wherein the to-be-parsed data is JSON sent by the CTI platform using the Websocket information encapsulation method The data obtained by encapsulating the behavior data in the format;
- the behavior data extraction submodule is used for extracting the behavior data from the data to be analyzed to obtain the behavior data to be analyzed.
- the above-mentioned information extraction and classification processing module 200 includes: a data generation time extraction submodule, an extraction submodule for IP network segment and extension information analysis, an extension state analysis submodule, and a classification processing submodule;
- the data generation time extraction submodule is used to extract the data generation time of the behavior data to be analyzed, and obtain the data generation time corresponding to the behavior data preprocessing data to be stored;
- the extraction sub-module of the IP network segment and extension information analysis is used to extract the IP network segment and extension information analysis for the behavior data to be analyzed, and obtain the IP network corresponding to the behavior data preprocessing data to be stored.
- segment data and extension information data is used to extract the IP network segment and extension information analysis for the behavior data to be analyzed, and obtain the IP network corresponding to the behavior data preprocessing data to be stored.
- the extension state parsing sub-module is used to obtain a status code list, and use the status code list to perform an extension state analysis on the behavior data to be analyzed, and obtain the extension state data corresponding to the behavior data preprocessing data to be stored ;
- the classification processing submodule is configured to use the classification list to perform classification processing on the IP network segment data and the extension information data corresponding to the behavior data preprocessing data to be stored, and obtain the behavior to be stored Data preprocessing data corresponds to categorical data.
- the above-mentioned historical data extraction module 400 includes: a sub-module for determining data at the same time of the previous day, a sub-module for determining data at the same time in the previous week, a sub-module for determining the preprocessing data of the behavior data of the previous day, and a sub-module for determining the behavior data of the previous week.
- Data preprocessing data determination sub-module for determining data at the same time of the previous day, a sub-module for determining data at the same time in the previous week, a sub-module for determining the preprocessing data of the behavior data of the previous day, and a sub-module for determining the behavior data of the previous week.
- the sub-module for determining the data at the same time of the previous day is used to determine the same time of the previous day according to the data generation time of the preprocessing data of the behavior data to be stored, and obtain the corresponding data of the preprocessing data of the behavior data to be stored. Data at the same time on the previous day;
- the submodule for determining the data at the same time in the previous week is used to determine the same time in the previous week according to the data generation time of the behavior data preprocessing data to be stored, and obtain the corresponding value of the behavior data preprocessing data to be stored. Data at the same time in the previous week;
- the behavior data preprocessing data determination sub-module of the previous day is used to obtain behavior data preprocessing data from the behavior database according to the data at the same time of the previous day corresponding to the behavior data preprocessing data to be stored to obtain the behavior data preprocessing data of the previous day corresponding to the behavior data preprocessing data to be stored;
- the behavior data preprocessing data determination submodule of the previous week is used to obtain behavior data preprocessing data from the behavior database according to the data at the same time of the previous week corresponding to the behavior data preprocessing data to be stored, and obtain The behavior data preprocessing data of the previous week corresponding to the behavior data preprocessing data to be stored.
- the above-mentioned device further includes: a parameter acquisition module, a comparative analysis result acquisition module, a daily comparative analysis result early warning module, and a weekly comparative analysis result early warning module;
- the parameter obtaining module is used to obtain daily growth percentage threshold range data, weekly growth percentage threshold range data, target classification data, and preset period;
- the comparative analysis result obtaining module is used to obtain the daily comparative analysis result and the weekly comparative analysis result from the comparative result library according to the preset period and the target classification data, and obtain the daily comparative analysis to be detected The analysis result set and the weekly comparative analysis result set to be detected;
- the daily comparative analysis result early-warning module is used to calculate the average value of the daily comparative analysis result set to be detected, and obtain the average value set corresponding to the daily comparative analysis result set to be detected.
- the daily comparison corresponding to the target classification data is generated according to the average value set corresponding to the daily comparison analysis result set to be detected.
- Reminder signal when the average value set corresponding to the daily comparative analysis result set to be detected is greater than or equal to the highest value of the daily growth percentage threshold range data, the average value corresponding to the daily comparative analysis result set to be detected is Collectively generate the daily comparison busy reminder signal corresponding to the target classification data;
- the weekly comparative analysis result early warning module is used to calculate the average value of the weekly comparative analysis result set to be detected, and obtain the average value set corresponding to the weekly comparative analysis result set to be detected.
- the weekly comparison corresponding to the target classification data is generated according to the average value set corresponding to the weekly comparative analysis result set to be detected.
- Reminder signal when the average value set corresponding to the weekly comparative analysis result set to be detected is greater than or equal to the highest value of the weekly growth percentage threshold range data, according to the average value corresponding to the weekly comparative analysis result set to be detected
- the collection generates a week-by-week busy reminder signal corresponding to the target classification data.
- the method further includes:
- trend forecast request carries trend forecast configuration data
- the behavior data trend prediction data output by the behavior data trend prediction model corresponding to the trend prediction configuration data is obtained, and the target behavior data trend prediction data is obtained.
- an embodiment of the present application further provides a computer device.
- the computer device may be a server, and its internal structure may be as shown in FIG. 3 .
- the computer device includes a processor, memory, a network interface, and a database connected by a system bus. Among them, the processor of the computer design is used to provide computing and control capabilities.
- the memory of the computer device includes a non-volatile storage medium, an internal memory.
- the nonvolatile storage medium stores an operating system, a computer program, and a database.
- the memory provides an environment for the execution of the operating system and computer programs in the non-volatile storage medium.
- the database of the computer equipment is used for storing data such as monitoring methods of behavior data.
- the network interface of the computer equipment is used to communicate with external terminals through a network connection. When the computer program is executed by the processor, the above-mentioned monitoring method of behavior data is realized.
- the behavior data sent by the CTI platform is received in real time through Redis, the behavior data to be analyzed is obtained from Redis at preset time intervals, and then the behavior data to be analyzed is extracted and classified using a classification list to obtain the behavior data to be stored.
- Behavior data preprocessing data update the behavior data preprocessing data to be stored into the behavior database, and then perform statistical calculation on the behavior data preprocessing data to be stored according to the data in the behavior database to obtain the corresponding behavior data preprocessing data to be stored.
- Daily comparative analysis results and weekly comparative analysis results update the daily comparative analysis results and weekly comparative analysis results corresponding to the preprocessing data of the behavior data to be stored into the comparative result database, and finally obtain the daily comparative analysis from the comparative result database using the current date.
- Results and weekly comparative analysis results the obtained daily comparative analysis results and weekly comparative analysis results are displayed graphically, and the behavior data monitoring view is obtained.
- the analysis of business volume and the judgment analysis of behavior data provide data support.
- An embodiment of the present application further provides a computer-readable storage medium on which a computer program is stored, and when the computer program is executed by a processor, implements the above-mentioned monitoring method for behavior data.
- the above-mentioned monitoring method for behavioral data firstly receives the behavioral data sent by the CTI platform in real time through Redis, obtains the behavioral data to be analyzed from Redis at preset time intervals, and then uses a classification list to extract and classify the behavioral data to be analyzed.
- the daily comparative analysis results and weekly comparative analysis results are obtained from the library, and the obtained daily comparative analysis results and weekly comparative analysis results are displayed graphically to obtain a behavior data monitoring view, thereby realizing real-time and global monitoring of agent behavior, which can be intuitive It provides data support for the analysis of business volume and the judgment and analysis of behavior data.
- the computer storage medium can be non-volatile or volatile.
- Nonvolatile memory may include read only memory (ROM), programmable ROM (PROM), electrically programmable ROM (EPROM), electrically erasable programmable ROM (EEPROM), or flash memory.
- Volatile memory may include random access memory (RAM) or external cache memory.
- RAM is available in various forms such as static RAM (SRAM), dynamic RAM (DRAM), synchronous DRAM (SDRAM), double-rate SDRAM (SSRSDRAM), enhanced SDRAM (ESDRAM), synchronous Link (Synchlink) DRAM (SLDRAM), memory bus (Rambus) direct RAM (RDRAM), direct memory bus dynamic RAM (DRDRAM), and memory bus dynamic RAM (RDRAM), etc.
Abstract
本申请涉及人工智能技术领域，揭示了一种行为数据的监控方法、装置、设备及介质，其中方法包括：按预设时间间隔从Redis中获取CTI平台发送的待分析的行为数据；采用分类列表对待分析的行为数据进行信息提取和分类处理得到待存储的行为数据预处理数据，并更新到行为数据库中；根据待存储的行为数据预处理数据从行为数据库中获取上一日同期数据和上一周同期数据，然后进行计算得到待存储的行为数据预处理数据对应的日对比分析结果和周对比分析结果，并更新到对比结果库中；采用当前日期从对比结果库中获取日对比分析结果和周对比分析结果，并进行图形化展示得到行为数据监控视图。实现了实时、全局的监控坐席的行为。
Description
本申请要求于2021年02月08日提交中国专利局、申请号为2021101837668，发明名称为“行为数据的监控方法、装置、设备及介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
本申请涉及到人工智能技术领域，特别是涉及到一种行为数据的监控方法、装置、设备及介质。
行为数据在电话中心一直是很难监控的，当前完全依赖于CTI厂商提供的软件监控，存在非常不灵活、维护困难的问题。发明人意识到现有技术对于多地域、多平台的行为数据没有全局监控，导致对业务量的分析和行为数据的判断分析缺少数据支持。
现有技术对于多地域、多平台的行为数据没有全局监控，导致对业务量的分析和行为数据的判断分析缺少数据支持的技术问题。
本申请的主要目的为提供一种行为数据的监控方法、装置、设备及介质，旨在解决现有技术对于多地域、多平台的行为数据没有全局监控，导致对业务量的分析和行为数据的判断分析缺少数据支持的技术问题。
为了实现上述发明目的，本申请提出一种行为数据的监控方法，所述方法包括：
按预设时间间隔从Redis中获取待分析的行为数据，所述待分析的行为数据是CTI平台发送到所述Redis的行为数据；
获取分类列表，采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据；
将所述待存储的行为数据预处理数据更新到行为数据库中；
根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据；
采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的日对比分析结果；
采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的周对比分析结果；
将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中；
获取当前日期，采用所述当前日期从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，将获取的所述日对比分析结果和所述周对比分析结果进行图形化展示，得到行为数据监控视图。
本申请还提出了一种行为数据的监控装置，所述装置包括：
行为数据获取模块，用于按预设时间间隔从Redis中获取待分析的行为数据，所述待分析的行为数据是CTI平台发送到所述Redis的行为数据；
信息提取和分类处理模块，用于获取分类列表，采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据；
行为数据库更新模块，用于将所述待存储的行为数据预处理数据更新到行为数据库中；
历史数据提取模块，用于根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据；
第一统计计算模块，用于采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的日对比分析结果；
第二统计计算模块，用于采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的周对比分析结果；
对比结果库更新模块，用于将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中；
图形化展示模块，用于获取当前日期，采用所述当前日期从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，将获取的所述日对比分析结果和所述周对比分析结果进行图形化展示，得到行为数据监控视图。
本申请还提出了一种计算机设备，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如下方法步骤：
按预设时间间隔从Redis中获取待分析的行为数据，所述待分析的行为数据是CTI平台发送到所述Redis的行为数据；
获取分类列表，采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据；
将所述待存储的行为数据预处理数据更新到行为数据库中；
根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据；
采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的日对比分析结果；
采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的周对比分析结果；
将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中；
获取当前日期，采用所述当前日期从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，将获取的所述日对比分析结果和所述周对比分析结果进行图形化展示，得到行为数据监控视图。
本申请还提出了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如下方法步骤：
按预设时间间隔从Redis中获取待分析的行为数据，所述待分析的行为数据是CTI平台发送到所述Redis的行为数据；
获取分类列表，采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据；
将所述待存储的行为数据预处理数据更新到行为数据库中；
根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据；
采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的日对比分析结果；
采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的周对比分析结果；
将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中；
获取当前日期，采用所述当前日期从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，将获取的所述日对比分析结果和所述周对比分析结果进行图形化展示，得到行为数据监控视图。
本申请的行为数据的监控方法、装置、设备及介质，首先通过Redis实时接收CTI平台发送的行为数据，按预设时间间隔从Redis中获取待分析的行为数据，其次采用分类列表对待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据，将待存储的行为数据预处理数据更新到行为数据库中，然后根据行为数据库中的数据对待存储的行为数据预处理数据进行统计计算得到待存储的行为数据预处理数据对应的日对比分析结果和周对比分析结果，将待存储的行为数据预处理数据对应的日对比分析结果、周对比分析结果更新到对比结果库中，最后采用当前日期从对比结果库中获取日对比分析结果和周对比分析结果，将获取的日对比分析结果和周对比分析结果进行图形化展示，得到行为数据监控视图，从而实现了实时、全局的监控坐席的行为，可以直观的了解行为数据，为业务量的分析和行为数据的判断分析提供了数据支。
图1为本申请一实施例的行为数据的监控方法的流程示意图；
图2为本申请一实施例的行为数据的监控装置的结构示意框图；
图3为本申请一实施例的计算机设备的结构示意框图。
本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
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。
为了解决现有技术对于多地域、多平台的行为数据没有全局监控，导致对业 务量的分析和行为数据的判断分析缺少数据支持的技术问题，本申请提出了一种行为数据的监控方法，所述方法应用于人工智能技术领域。所述行为数据的监控方法通过从Redis获取CTI平台发送行为数据，然后进行信息提取和分类处理，根据信息提取和分类处理进行日同期比较和周同期比较，根据日同期比较结果和周同期比较结果进行图形化展示，得到了对行为数据进行全局监控的监控视图，从而实现了实时、全局的监控坐席的行为，可以直观的了解行为数据，为业务量的分析和行为数据的判断分析提供了数据支持。
参照图1，本申请实施例中提供一种行为数据的监控方法，所述方法包括：
S1：按预设时间间隔从Redis中获取待分析的行为数据，所述待分析的行为数据是CTI平台发送到所述Redis的行为数据；
S2：获取分类列表，采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据；
S3：将所述待存储的行为数据预处理数据更新到行为数据库中；
S4：根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据；
S5：采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的日对比分析结果；
S6：采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的周对比分析结果；
S7：将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中；
S8：获取当前日期，采用所述当前日期从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，将获取的所述日对比分析结果和所述周对比分析结果进行图形化展示，得到行为数据监控视图。
本实施例首先通过Redis实时接收CTI平台发送的行为数据，按预设时间间隔从Redis中获取待分析的行为数据，其次采用分类列表对待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据，将待存储的行为数据预处理数据更新到行为数据库中，然后根据行为数据库中的数据对待存储的行为数据预处理数据进行统计计算得到待存储的行为数据预处理数据对应的日对比分析结果和周对比分析结果，将待存储的行为数据预处理数据对应的日对比分析结果、周对比分析结果更新到对比结果库中，最后采用当前日期从对比结果库中获取日对比分析结果和周对比分析结果，将获取的日对比分析结果和周对比分析结果进行图形化展示，得到行为数据监控视图，从而实现了实时、全局的监控坐席的行为，可以直观的了解行为数据，为业务量的分析和行为数据的判断分析提供了数据支持。
对于S1，可以从数据库中获取预设时间间隔，也可以是用户发送的预设时间间隔，还可以是第三方应用系统发送的预设时间间隔，也可以是写入实现本申请的软件程序中的预设时间间隔；按预设时间间隔分轮次从Redis中获取行为数据，根据获取的行为数据得到待分析的行为数据。
预设时间间隔包括但不限于：1分钟、2分钟、3分钟、4分钟、5分钟。
待分析的行为数据，也就是需要进行分析的行为数据。
行为数据包括不限于：坐席标识、数据生成时间、坐席行为。坐席行为包括但不限于：签入、签出、接听准备、接听退出、接听电话。
Redis，即远程字典服务，是一个开源的使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API。
CTI，是指计算机电话集成。
CTI平台的数量可以是多个，其中，所有CTI平台可以部署在同一个IP地址，也可以部署在多个IP地址，在此不做具体限定。所有CTI平台可以组成集群管理，也可以部分或全部独立管理，在此不做限定。
对于S2，可以从数据库中获取分类列表，也可以是用户发送的分类列表，还可以是第三方应用系统发送的分类列表，也可以是写入实现本申请的软件程序中的分类列表；先对所述待分析的行为数据进行信息提取，然后采用所述分类列表对信息提取结果进行分类，根据信息提取结果和分类结果得到行为数据预处理数据，将得到的行为数据预处理数据作为待存储的行为数据预处理数据。
分类列表包括但不限于：工号、分机号、公司、部门、产品线。
待存储的行为数据预处理数据，也就是需要存储到行为数据库中的行为数据预处理数据。
行为数据预处理数据包括但不限于：数据生成时间、IP网段数据、分机信息数据、分机状态数据、分类数据。
对于S3，将所述待存储的行为数据预处理数据存储到Oracle库的行为数据库中。
行为数据库包括：行为数据预处理数据。
对于S4，根据所述待存储的行为数据预处理数据的数据生成时间从所述行为数据库中获取上一日同一时间的行为数据预处理数据，将获取的行为数据预处理数据作为所述待存储的行为数据预处理数据对应的所述上一日的行为数据预处理数据；根据所述待存储的行为数据预处理数据的数据生成时间从所述行为数据库中获取上一周同一星期序号同一时间的行为数据预处理数据，将获取的行为数据预处理数据作为所述待存储的行为数据预处理数据对应的上一周的行为数据预处理数据。
对于S5，采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行相同类型数据的对比统计计算，将计算得到的数据作为所述待存储的行为数据预处理数据对应的日对比分析结果。可以理解的是，日对比分析结果中包括至少一个对比结果。
预设的日对比统计方法：对比算法，对比算法包括但不限于：增长百分比、增长数量。
相同类型数据，表述的是含义相同数据。比如，所述待存储的行为数据预处理数据的在线坐席数量和所述上一日的行为数据预处理数据的在线坐席数量是相同类型数据，在此举例不做具体限定。
对于S6，采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行相同类型数据的对比统计计算，将计算得到的数据作为所述待存储的行为数据预处理数据对应的周对比分析结果。可以理解的是，周对比分析结果中包括至少一个对比结果。
预设的周对比统计方法：对比算法，对比算法包括但不限于：增长百分比、增长数量。
对于S7，将所述待存储的行为数据预处理数据对应的所述日对比分析结果、 所述周对比分析结果存储到Oracle库的对比结果库中。
对比结果库包括：数据生成时间、日对比分析结果、周对比分析结果。每个数据生成时间对应一个日对比分析结果和一个周对比分析结果。
对于S8，实时获取当前日期；从所述对比结果库中获取数据生成时间的日期与所述当前日期相同的所有所述日对比分析结果和所有所述周对比分析结果，将获取的所有所述日对比分析结果按数据生成时间的先后顺序在一个图表中进行图形化展示，将获取的所有所述周对比分析结果按数据生成时间的先后顺序在一个图表中进行图形化展示，得到行为数据监控视图。行为数据监控视图为业务量的分析和行为数据的判断分析提供了直观的数据支持。
在一个实施例中，上述方法还包括：
S011：获取订阅行为数据请求；
S012：基于所述订阅行为数据请求，获取行为数据订阅配置数据；
S013：基于与所述CTI平台的通信连接，将所述行为数据订阅配置数据发送给所述CTI平台，以使所述CTI平台根据所述行为数据订阅配置数据发送所述行为数据给所述Redis。
本实施例实现了向CTI平台订阅行为数据，从而满足了个性化的需求，也减少了数据的传输量。
对于S011，获取用户输入的订阅行为数据请求。
订阅行为数据请求，是指向CTI平台订阅行为数据的请求。
对于S012，基于所述订阅行为数据请求，获取用户输入的行为数据订阅配置数据。
所述行为数据订阅配置数据包括但不限于：CTI平台标识、订阅配置数据。订阅配置数据包括但不限于：工号、分机号、队列信息。队列信息是聚类信息。比如，队列信息包括：客户平均等待接入时间，在此举例不做具体限定。
CTI平台标识可以是CTI平台名称、CTI平台ID等唯一标识一个CTI平台的标识。
对于S013，首先与所述行为数据订阅配置数据的CTI平台标识对应的所述CTI平台进行通信连接，然后基于该通信连接，将所述行为数据订阅配置数据的订阅配置数据发送给所述行为数据订阅配置数据的CTI平台标识对应的所述CTI平台，所述行为数据订阅配置数据的CTI平台标识对应的所述CTI平台将根据所述行为数据订阅配置数据的订阅配置数据发送所述行为数据给所述Redis。
在一个实施例中，上述按预设时间间隔从Redis中获取待分析的行为数据的步骤，包括：
S11：按所述预设时间间隔从所述Redis中获取待解析数据，其中，所述待解析数据是采用Websocket的信息封装方法将所述CTI平台发送的JSON格式的所述行为数据进行封装得到的数据；
S12：对所述待解析数据进行所述行为数据的提取，得到所述待分析的行为数据。
本实施例通过从所述Redis中获取待解析数据进行行为数据的提取，从而为后续进行信息提取和分类处理提供了基础；所述CTI平台发送的JSON格式的所述行为数据，通过JSON格式减少了数据的传输量。
对于S11，按所述预设时间间隔从所述Redis中获取数据，将获取的数据作为待解析数据。
JSON，全称为JavaScript Object Notation，JS对象简谱，是一种轻量级的数据交换格式。
Websocket，是一种在单个TCP连接上进行全双工通信的协议。
对于S12，从待解析数据中进行所述行为数据的提取，将提取得到的所述行为数据作为所述待分析的行为数据。
在一个实施例中，上述采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据的步骤，包括：
S21：对所述待分析的行为数据进行数据生成时间提取，得到所述待存储的行为数据预处理数据对应的数据生成时间；
S22：对所述待分析的行为数据进行IP网段和分机信息解析的提取，得到所述待存储的行为数据预处理数据对应的IP网段数据和分机信息数据；
S23：获取状态码列表，采用所述状态码列表对所述待分析的行为数据进行分机状态解析，得到所述待存储的行为数据预处理数据对应的分机状态数据；
S24：采用所述分类列表根据所述待存储的行为数据预处理数据对应的所述IP网段数据和所述分机信息数据进行分类处理，得到所述待存储的行为数据预处理数据对应的分类数据。
本实施例实现了对所述待分析的行为数据进行信息提取和分类处理，为后续进行统计计算提供了数据基础；而且信息提取和分类处理的结果可以重复利用，避免每次使用时重新进行信息提取和分类处理，提高了数据分析的效率。
对于S21，从所述待分析的行为数据中提取出数据生成时间，也就是说，同一个所述待分析的行为数据中的行为数据的数据生成时间相同，将提取出的数据生成时间作为所述待存储的行为数据预处理数据对应的数据生成时间。
对于S22，采用网段地址关键字对所述待分析的行为数据进行IP网段的解析的提取，将提取到的数据作为所述待存储的行为数据预处理数据对应的IP网段数据；采用分机信息关键字对所述待分析的行为数据进行分机信息的解析的提取，将提取到的数据作为所述待存储的行为数据预处理数据对应的分机信息数据。
对于S23，可以从数据库中获取状态码列表，也可以是用户发送的状态码列表，还可以是第三方应用系统发送的状态码列表，也可以是写入实现本申请的软件程序中的状态码列表。
采用所述状态码列表从所述待分析的行为数据中进行查找，将在所述待分析的行为数据中查找到的状态码在所述状态码列表中对应的分机状态信息作为所述待存储的行为数据预处理数据对应的分机状态数据。
状态码列表包括：状态码、分机状态信息，每个状态码对应一个分机状态信息。分机状态信息包括但不限于：签入、签出、忙、未准备好。
对于S24，采用所述待存储的行为数据预处理数据对应的所述IP网段数据和所述分机信息数据在所述分类列表中进行查找，将在所述分类列表中查找到的分类数据作为所述待存储的行为数据预处理数据对应的分类数据。
在一个实施例中，上述根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据的步骤，包括：
S41：根据所述待存储的行为数据预处理数据的数据生成时间确定上一日的 同一时间，得到所述待存储的行为数据预处理数据对应的上一日同一时间数据；
S42：根据所述待存储的行为数据预处理数据的所述数据生成时间确定上一周的同一时间，得到所述待存储的行为数据预处理数据对应的上一周同一时间数据；
S43：根据所述待存储的行为数据预处理数据对应的所述上一日同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一日的行为数据预处理数据；
S44：根据所述待存储的行为数据预处理数据对应的所述上一周同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一周的行为数据预处理数据。
本实施例实现了从行为数据库中获取上一日同一时间数据和上一周同一时间数据，为后续进行对比统计计算提供了数据基础。
对于S41，将所述待存储的行为数据预处理数据的数据生成时间在上一日的同一时间作为所述待存储的行为数据预处理数据对应的上一日同一时间数据。比如，所述待存储的行为数据预处理数据的数据生成时间是2020年1月31日9点30分，那么2020年1月25日9点30分在上一日的同一时间2020年1月24日9点30分作为所述待存储的行为数据预处理数据对应的上一日同一时间数据，在此举例不做具体限定。
对于S42，将所述待存储的行为数据预处理数据的所述数据生成时间在上一周的相同星期序号的同一时间作为所述待存储的行为数据预处理数据对应的上一周同一时间数据。比如，所述待存储的行为数据预处理数据的数据生成时间是2020年1月31日9点30分，那么2020年1月23日9点30分在在上一周的相同星期序号的同一时间2020年1月16日9点30分作为所述待存储的行为数据预处理数据对应的上一周同一时间数据，在此举例不做具体限定。
对于S43，将所述待存储的行为数据预处理数据对应的所述上一日同一时间数据从所述行为数据库中进行查找，将在所述行为数据库中查找到的所述数据生成时间对应的行为数据预处理数据作为所述待存储的行为数据预处理数据对应的所述上一日的行为数据预处理数据。
对于S44，将所述待存储的行为数据预处理数据对应的所述上一周同一时间数据从所述行为数据库中进行查找，将在所述行为数据库中查找到的所述数据生成时间对应的行为数据预处理数据作为所述待存储的行为数据预处理数据对应的所述上一周的行为数据预处理数据。
在一个实施例中，上述将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中的步骤之后，还包括：
S911：获取日增长百分比阈值范围数据、周增长百分比阈值范围数据、目标分类数据、预设周期；
S912：按所述预设周期和所述目标分类数据从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，得到待检测的日对比分析结果集合和待检测的周对比分析结果集合；
S913：对所述待检测的日对比分析结果集合进行平均值计算，得到待检测的日对比分析结果集合对应的平均值集合；
S914：当所述待检测的日对比分析结果集合对应的平均值集合小于所述日增长百分比阈值范围数据的最低值时，根据所述待检测的日对比分析结果集合对应 的平均值集合生成所述目标分类数据对应的日对比处于闲提醒信号；
S915：当所述待检测的日对比分析结果集合对应的平均值集合大于或等于所述日增长百分比阈值范围数据的最高值时，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于忙提醒信号；
S916：对所述待检测的周对比分析结果集合进行平均值计算，得到待检测的周对比分析结果集合对应的平均值集合；
S917：当所述待检测的周对比分析结果集合对应的平均值集合小于所述周增长百分比阈值范围数据的最低值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于闲提醒信号；
S918：当所述待检测的周对比分析结果集合对应的平均值集合大于或等于所述周增长百分比阈值范围数据的最高值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于忙提醒信号。
本实施例实现了按所述预设周期和所述目标分类数据从所述对比结果库中获取数据进行预警分析，从而有利于及时发现行为数据的异常。
对于S911，可以从数据库中获取日增长百分比阈值范围数据，也可以是用户发送的日增长百分比阈值范围数据，还可以是第三方应用系统发送的日增长百分比阈值范围数据，也可以是写入实现本申请的软件程序中的日增长百分比阈值范围数据。
可以从数据库中获取周增长百分比阈值范围数据，也可以是用户发送的周增长百分比阈值范围数据，还可以是第三方应用系统发送的周增长百分比阈值范围数据，也可以是写入实现本申请的软件程序中的周增长百分比阈值范围数据。
可以从数据库中获取目标分类数据，也可以是用户发送的目标分类数据，还可以是第三方应用系统发送的目标分类数据，也可以是写入实现本申请的软件程序中的目标分类数据。
可以从数据库中获取预设周期，也可以是用户发送的预设周期，还可以是第三方应用系统发送的预设周期，也可以是写入实现本申请的软件程序中的预设周期。
目标分类数据，可以是所有分类数据中的任一个。
对于S912，采用所述预设周期和所述目标分类数据从所述对比结果库中进行所述日对比分析结果查找，将查找到的所有所述日对比分析结果作为待检测的日对比分析结果集合；采用所述预设周期和所述目标分类数据从所述对比结果库中进行所述周对比分析结果查找，将查找到的所有所述周对比分析结果作为待检测的周对比分析结果集合。
对于S913，对所述待检测的日对比分析结果集合中所有所述日对比分析结果集合进行相同类型数据的平均值计算，得到待检测的日对比分析结果集合对应的平均值集合。
对于S914，当所述待检测的周对比分析结果集合对应的平均值集合小于所述周增长百分比阈值范围数据的最低值时，意味着相对上一日行为数据的闲的情况超过预期，此时需要根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于闲提醒信号，通过日对比处于闲提醒信号提醒监控人员在当前预设周期内相对上一日同一时间的行为数据为闲的情况超过预期。
对于S915，当所述待检测的日对比分析结果集合对应的平均值集合大于或等于所述日增长百分比阈值范围数据的最高值时，意味着相对上一日行为数据的忙 的情况超过预期，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于忙提醒信号，通过日对比处于忙提醒信号提醒监控人员在当前预设周期内相对上一日同一时间的行为数据为忙的情况超过预期。
对于S916，对所述待检测的周对比分析结果集合中所有所述周对比分析结果集合进行相同类型数据的平均值计算，得到待检测的周对比分析结果集合对应的平均值集合。
对于S917，当所述待检测的周对比分析结果集合对应的平均值集合小于所述周增长百分比阈值范围数据的最低值时，意味着相对上一周行为数据的闲的情况超过预期，此时需要根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于闲提醒信号，通过周对比处于闲提醒信号提醒监控人员在当前预设周期内相对上一周同一时间的行为数据为闲的情况超过预期。
对于S918，当所述待检测的周对比分析结果集合对应的平均值集合大于或等于所述周增长百分比阈值范围数据的最高值时，意味着相对上一周行为数据的忙的情况超过预期，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于忙提醒信号，通过周对比处于忙提醒信号提醒监控人员在当前预设周期内相对上一周同一时间的行为数据为忙的情况超过预期。
在一个实施例中，上述将所述待存储的行为数据预处理数据更新到行为数据库中的步骤之后，还包括：
S921：获取趋势预测请求，所述趋势预测请求携带有趋势预测配置数据；
S922：响应所述趋势预测请求，根据所述趋势预测配置数据从所述行为数据库中获取行为数据预处理数据，得到待预测的行为数据预处理数据集合；
S923：采用所述趋势预测配置数据对所述待预测的行为数据预处理数据集合进行特征提取，得到所述趋势预测配置数据对应的待预测的行为数据特征序列；
S924：将所述待预测的行为数据特征序列输入所述趋势预测配置数据对应的行为数据趋势预测模型进行行为数据趋势预测，所述趋势预测配置数据对应的所述行为数据趋势预测模型是基于ARIMA模型训练得到的模型；
S925：获取所述趋势预测配置数据对应的所述行为数据趋势预测模型输出的行为数据趋势预测数据，得到目标行为数据趋势预测数据。
本实施例实现了进行行为数据趋势预测，从而进一步为业务量的分析和行为数据的判断分析提供了数据支持。
对于S921，可以获取用户输入的趋势预测请求，还可以是实现本申请的程序文件自动触发的趋势预测请求。
趋势预测请求，是指对行为数据进行趋势预测的请求。
趋势预测配置数据包括：配置标识、取值时长、取值特征配置数据。配置标识可以是配置名称、配置ID等唯一标识一个趋势预测配置数据的标识。
对于S922，采用所述趋势预测配置数据的取值时长从所述行为数据库中以当前时间为结束时间获取行为数据预处理数据，将获取的行为数据预处理数据作为待预测的行为数据预处理数据集合。
对于S923，采用所述趋势预测配置数据的取值特征配置数据对所述待预测的行为数据预处理数据集合进行特征提取，将提取得到的特征数据作为所述趋势预 测配置数据对应的待预测的行为数据特征序列。
对于S924，将所述待预测的行为数据特征序列输入所述趋势预测配置数据的配置标识对应的行为数据趋势预测模型进行行为数据趋势预测。
基于ARIMA模型(差分整合移动平均自回归模型)训练得到的所述趋势预测配置数据对应的所述行为数据趋势预测模型的方法可以从现有技术选择，在此不做赘述。
对于S925，获取所述趋势预测配置数据对应的所述行为数据趋势预测模型输出的行为数据趋势预测数据，将获取的行为数据趋势预测数据作为目标行为数据趋势预测数据。
目标行为数据趋势预测数据，用于描述行为数据在未来的发展趋势，从而进一步为业务量的分析和行为数据的判断分析提供了数据支持。
参照图2，本申请还提出了一种行为数据的监控装置，所述装置包括：
行为数据获取模块100，用于按预设时间间隔从Redis中获取待分析的行为数据，所述待分析的行为数据是CTI平台发送到所述Redis的行为数据；
信息提取和分类处理模块200，用于获取分类列表，采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据；
行为数据库更新模块300，用于将所述待存储的行为数据预处理数据更新到行为数据库中；
历史数据提取模块400，用于根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据；
第一统计计算模块500，用于采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的日对比分析结果；
第二统计计算模块600，用于采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的周对比分析结果；
对比结果库更新模块700，用于将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中；
图形化展示模块800，用于获取当前日期，采用所述当前日期从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，将获取的所述日对比分析结果和所述周对比分析结果进行图形化展示，得到行为数据监控视图。
本实施例首先通过Redis实时接收CTI平台发送的行为数据，按预设时间间隔从Redis中获取待分析的行为数据，其次采用分类列表对待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据，将待存储的行为数据预处理数据更新到行为数据库中，然后根据行为数据库中的数据对待存储的行为数据预处理数据进行统计计算得到待存储的行为数据预处理数据对应的日对比分析结果和周对比分析结果，将待存储的行为数据预处理数据对应的日对比分析结果、周对比分析结果更新到对比结果库中，最后采用当前日期从对比结果库中获取日对比分析结果和周对比分析结果，将获取的日对比分析结果和周对比分析结果进行图形化展示，得到行为数据监控视图，从而实现了实时、全局的监控坐 席的行为，可以直观的了解行为数据，为业务量的分析和行为数据的判断分析提供了数据支持。
在一个实施例中，上述装置还包括：订阅模块；
所述订阅模块，用于获取订阅行为数据请求，基于所述订阅行为数据请求，获取行为数据订阅配置数据，基于与所述CTI平台的通信连接，将所述行为数据订阅配置数据发送给所述CTI平台，以使所述CTI平台根据所述行为数据订阅配置数据发送所述行为数据给所述Redis。
在一个实施例中，上述行为数据获取模块100包括：待解析数据获取子模块、行为数据的提取子模块；
所述待解析数据获取子模块，用于按所述预设时间间隔从所述Redis中获取待解析数据，其中，所述待解析数据是采用Websocket的信息封装方法将所述CTI平台发送的JSON格式的所述行为数据进行封装得到的数据；
所述行为数据的提取子模块，用于对所述待解析数据进行所述行为数据的提取，得到所述待分析的行为数据。
在一个实施例中，上述信息提取和分类处理模块200包括：数据生成时间提取子模块、IP网段和分机信息解析的提取子模块、分机状态解析子模块、分类处理子模块；
所述数据生成时间提取子模块，用于对所述待分析的行为数据进行数据生成时间提取，得到所述待存储的行为数据预处理数据对应的数据生成时间；
所述IP网段和分机信息解析的提取子模块，用于对所述待分析的行为数据进行IP网段和分机信息解析的提取，得到所述待存储的行为数据预处理数据对应的IP网段数据和分机信息数据；
所述分机状态解析子模块，用于获取状态码列表，采用所述状态码列表对所述待分析的行为数据进行分机状态解析，得到所述待存储的行为数据预处理数据对应的分机状态数据；
所述分类处理子模块，用于采用所述分类列表根据所述待存储的行为数据预处理数据对应的所述IP网段数据和所述分机信息数据进行分类处理，得到所述待存储的行为数据预处理数据对应的分类数据。
在一个实施例中，上述历史数据提取模块400包括：上一日同一时间数据确定子模块、上一周同一时间数据确定子模块、上一日的行为数据预处理数据确定子模块、上一周的行为数据预处理数据确定子模块；
所述上一日同一时间数据确定子模块，用于根据所述待存储的行为数据预处理数据的数据生成时间确定上一日的同一时间，得到所述待存储的行为数据预处理数据对应的上一日同一时间数据；
所述上一周同一时间数据确定子模块，用于根据所述待存储的行为数据预处理数据的所述数据生成时间确定上一周的同一时间，得到所述待存储的行为数据预处理数据对应的上一周同一时间数据；
所述上一日的行为数据预处理数据确定子模块，用于根据所述待存储的行为数据预处理数据对应的所述上一日同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一日的行为数据预处理数据；
所述上一周的行为数据预处理数据确定子模块，用于根据所述待存储的行为数据预处理数据对应的所述上一周同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一周的行 为数据预处理数据。
在一个实施例中，上述装置还包括：参数获取模块、对比分析结果获取模块、日对比分析结果预警模块、周对比分析结果预警模块；
所述参数获取模块，用于获取日增长百分比阈值范围数据、周增长百分比阈值范围数据、目标分类数据、预设周期；
所述对比分析结果获取模块，用于按所述预设周期和所述目标分类数据从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，得到待检测的日对比分析结果集合和待检测的周对比分析结果集合；
所述日对比分析结果预警模块，用于对所述待检测的日对比分析结果集合进行平均值计算，得到待检测的日对比分析结果集合对应的平均值集合，当所述待检测的日对比分析结果集合对应的平均值集合小于所述日增长百分比阈值范围数据的最低值时，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于闲提醒信号，当所述待检测的日对比分析结果集合对应的平均值集合大于或等于所述日增长百分比阈值范围数据的最高值时，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于忙提醒信号；
所述周对比分析结果预警模块，用于对所述待检测的周对比分析结果集合进行平均值计算，得到待检测的周对比分析结果集合对应的平均值集合，当所述待检测的周对比分析结果集合对应的平均值集合小于所述周增长百分比阈值范围数据的最低值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于闲提醒信号，当所述待检测的周对比分析结果集合对应的平均值集合大于或等于所述周增长百分比阈值范围数据的最高值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于忙提醒信号。
在一个实施例中，上述将所述待存储的行为数据预处理数据更新到行为数据库中的步骤之后，还包括：
获取趋势预测请求，所述趋势预测请求携带有趋势预测配置数据；
响应所述趋势预测请求，根据所述趋势预测配置数据从所述行为数据库中获取行为数据预处理数据，得到待预测的行为数据预处理数据集合；
采用所述趋势预测配置数据对所述待预测的行为数据预处理数据集合进行特征提取，得到所述趋势预测配置数据对应的待预测的行为数据特征序列；
将所述待预测的行为数据特征序列输入所述趋势预测配置数据对应的行为数据趋势预测模型进行行为数据趋势预测，所述趋势预测配置数据对应的所述行为数据趋势预测模型是基于ARIMA模型训练得到的模型；
获取所述趋势预测配置数据对应的所述行为数据趋势预测模型输出的行为数据趋势预测数据，得到目标行为数据趋势预测数据。
参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3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，该计算机设计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储存行为数据的监控方法等数据。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上述行为数据的监控方法。
本实施例首先通过Redis实时接收CTI平台发送的行为数据，按预设时间间隔从Redis中获取待分析的行为数据，其次采用分类列表对待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据，将待存储的行为数据预处理数据更新到行为数据库中，然后根据行为数据库中的数据对待存储的行为数据预处理数据进行统计计算得到待存储的行为数据预处理数据对应的日对比分析结果和周对比分析结果，将待存储的行为数据预处理数据对应的日对比分析结果、周对比分析结果更新到对比结果库中，最后采用当前日期从对比结果库中获取日对比分析结果和周对比分析结果，将获取的日对比分析结果和周对比分析结果进行图形化展示，得到行为数据监控视图，从而实现了实时、全局的监控坐席的行为，可以直观的了解行为数据，为业务量的分析和行为数据的判断分析提供了数据支持。
本申请一实施例还提供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上述行为数据的监控方法。
上述执行的行为数据的监控方法，首先通过Redis实时接收CTI平台发送的行为数据，按预设时间间隔从Redis中获取待分析的行为数据，其次采用分类列表对待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据，将待存储的行为数据预处理数据更新到行为数据库中，然后根据行为数据库中的数据对待存储的行为数据预处理数据进行统计计算得到待存储的行为数据预处理数据对应的日对比分析结果和周对比分析结果，将待存储的行为数据预处理数据对应的日对比分析结果、周对比分析结果更新到对比结果库中，最后采用当前日期从对比结果库中获取日对比分析结果和周对比分析结果，将获取的日对比分析结果和周对比分析结果进行图形化展示，得到行为数据监控视图，从而实现了实时、全局的监控坐席的行为，可以直观的了解行为数据，为业务量的分析和行为数据的判断分析提供了数据支持。
所述计算机存储介质可以是非易失性，也可以是易失性。
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，本申请所提供的和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。非易失性存储器可以包括只读存储器(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)、双速据率SDRAM(SSRSDRAM)、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。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存 在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (20)
- 一种行为数据的监控方法，其中，所述方法包括：按预设时间间隔从Redis中获取待分析的行为数据，所述待分析的行为数据是CTI平台发送到所述Redis的行为数据；获取分类列表，采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据；将所述待存储的行为数据预处理数据更新到行为数据库中；根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据；采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的日对比分析结果；采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的周对比分析结果；将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中；获取当前日期，采用所述当前日期从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，将获取的所述日对比分析结果和所述周对比分析结果进行图形化展示，得到行为数据监控视图。
- 根据权利要求1所述的行为数据的监控方法，其中，所述方法还包括：获取订阅行为数据请求；基于所述订阅行为数据请求，获取行为数据订阅配置数据；基于与所述CTI平台的通信连接，将所述行为数据订阅配置数据发送给所述CTI平台，以使所述CTI平台根据所述行为数据订阅配置数据发送所述行为数据给所述Redis。
- 根据权利要求1所述的行为数据的监控方法，其中，所述按预设时间间隔从Redis中获取待分析的行为数据的步骤，包括：按所述预设时间间隔从所述Redis中获取待解析数据，其中，所述待解析数据是采用Websocket的信息封装方法将所述CTI平台发送的JSON格式的所述行为数据进行封装得到的数据；对所述待解析数据进行所述行为数据的提取，得到所述待分析的行为数据。
- 根据权利要求1所述的行为数据的监控方法，其中，所述采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据的步骤，包括：对所述待分析的行为数据进行数据生成时间提取，得到所述待存储的行为数据预处理数据对应的数据生成时间；对所述待分析的行为数据进行IP网段和分机信息解析的提取，得到所述待存储的行为数据预处理数据对应的IP网段数据和分机信息数据；获取状态码列表，采用所述状态码列表对所述待分析的行为数据进行分机状态解析，得到所述待存储的行为数据预处理数据对应的分机状态数据；采用所述分类列表根据所述待存储的行为数据预处理数据对应的所述IP网 段数据和所述分机信息数据进行分类处理，得到所述待存储的行为数据预处理数据对应的分类数据。
- 根据权利要求1所述的行为数据的监控方法，其中，所述根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据的步骤，包括：根据所述待存储的行为数据预处理数据的数据生成时间确定上一日的同一时间，得到所述待存储的行为数据预处理数据对应的上一日同一时间数据；根据所述待存储的行为数据预处理数据的所述数据生成时间确定上一周的同一时间，得到所述待存储的行为数据预处理数据对应的上一周同一时间数据；根据所述待存储的行为数据预处理数据对应的所述上一日同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一日的行为数据预处理数据；根据所述待存储的行为数据预处理数据对应的所述上一周同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一周的行为数据预处理数据。
- 根据权利要求1所述的行为数据的监控方法，其中，所述将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中的步骤之后，还包括：获取日增长百分比阈值范围数据、周增长百分比阈值范围数据、目标分类数据、预设周期；按所述预设周期和所述目标分类数据从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，得到待检测的日对比分析结果集合和待检测的周对比分析结果集合；对所述待检测的日对比分析结果集合进行平均值计算，得到待检测的日对比分析结果集合对应的平均值集合；当所述待检测的日对比分析结果集合对应的平均值集合小于所述日增长百分比阈值范围数据的最低值时，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于闲提醒信号；当所述待检测的日对比分析结果集合对应的平均值集合大于或等于所述日增长百分比阈值范围数据的最高值时，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于忙提醒信号；对所述待检测的周对比分析结果集合进行平均值计算，得到待检测的周对比分析结果集合对应的平均值集合；当所述待检测的周对比分析结果集合对应的平均值集合小于所述周增长百分比阈值范围数据的最低值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于闲提醒信号；当所述待检测的周对比分析结果集合对应的平均值集合大于或等于所述周增长百分比阈值范围数据的最高值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于忙提醒信号。
- 根据权利要求1所述的行为数据的监控方法，其中，所述将所述待存储的行为数据预处理数据更新到行为数据库中的步骤之后，还包括：获取趋势预测请求，所述趋势预测请求携带有趋势预测配置数据；响应所述趋势预测请求，根据所述趋势预测配置数据从所述行为数据库中获 取行为数据预处理数据，得到待预测的行为数据预处理数据集合；采用所述趋势预测配置数据对所述待预测的行为数据预处理数据集合进行特征提取，得到所述趋势预测配置数据对应的待预测的行为数据特征序列；将所述待预测的行为数据特征序列输入所述趋势预测配置数据对应的行为数据趋势预测模型进行行为数据趋势预测，所述趋势预测配置数据对应的所述行为数据趋势预测模型是基于ARIMA模型训练得到的模型；获取所述趋势预测配置数据对应的所述行为数据趋势预测模型输出的行为数据趋势预测数据，得到目标行为数据趋势预测数据。
- 一种行为数据的监控装置，其中，所述装置包括：行为数据获取模块，用于按预设时间间隔从Redis中获取待分析的行为数据，所述待分析的行为数据是CTI平台发送到所述Redis的行为数据；信息提取和分类处理模块，用于获取分类列表，采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据；行为数据库更新模块，用于将所述待存储的行为数据预处理数据更新到行为数据库中；历史数据提取模块，用于根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据；第一统计计算模块，用于采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的日对比分析结果；第二统计计算模块，用于采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的周对比分析结果；对比结果库更新模块，用于将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中；图形化展示模块，用于获取当前日期，采用所述当前日期从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，将获取的所述日对比分析结果和所述周对比分析结果进行图形化展示，得到行为数据监控视图。
- 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，其中，所述处理器执行所述计算机程序时实现如下方法步骤：按预设时间间隔从Redis中获取待分析的行为数据，所述待分析的行为数据是CTI平台发送到所述Redis的行为数据；获取分类列表，采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据；将所述待存储的行为数据预处理数据更新到行为数据库中；根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据；采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的日对比分析结果；采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数 据对应的周对比分析结果；将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中；获取当前日期，采用所述当前日期从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，将获取的所述日对比分析结果和所述周对比分析结果进行图形化展示，得到行为数据监控视图。
- 根据权利要求9所述的计算机设备，其中，所述方法还包括：获取订阅行为数据请求；基于所述订阅行为数据请求，获取行为数据订阅配置数据；基于与所述CTI平台的通信连接，将所述行为数据订阅配置数据发送给所述CTI平台，以使所述CTI平台根据所述行为数据订阅配置数据发送所述行为数据给所述Redis。
- 根据权利要求9所述的计算机设备，其中，所述按预设时间间隔从Redis中获取待分析的行为数据的步骤，包括：按所述预设时间间隔从所述Redis中获取待解析数据，其中，所述待解析数据是采用Websocket的信息封装方法将所述CTI平台发送的JSON格式的所述行为数据进行封装得到的数据；对所述待解析数据进行所述行为数据的提取，得到所述待分析的行为数据。
- 根据权利要求9所述的计算机设备，其中，所述采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据的步骤，包括：对所述待分析的行为数据进行数据生成时间提取，得到所述待存储的行为数据预处理数据对应的数据生成时间；对所述待分析的行为数据进行IP网段和分机信息解析的提取，得到所述待存储的行为数据预处理数据对应的IP网段数据和分机信息数据；获取状态码列表，采用所述状态码列表对所述待分析的行为数据进行分机状态解析，得到所述待存储的行为数据预处理数据对应的分机状态数据；采用所述分类列表根据所述待存储的行为数据预处理数据对应的所述IP网段数据和所述分机信息数据进行分类处理，得到所述待存储的行为数据预处理数据对应的分类数据。
- 根据权利要求9所述的计算机设备，其中，所述根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据的步骤，包括：根据所述待存储的行为数据预处理数据的数据生成时间确定上一日的同一时间，得到所述待存储的行为数据预处理数据对应的上一日同一时间数据；根据所述待存储的行为数据预处理数据的所述数据生成时间确定上一周的同一时间，得到所述待存储的行为数据预处理数据对应的上一周同一时间数据；根据所述待存储的行为数据预处理数据对应的所述上一日同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一日的行为数据预处理数据；根据所述待存储的行为数据预处理数据对应的所述上一周同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一周的行为数据预处理数据。
- 根据权利要求9所述的计算机设备，其中，所述将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中的步骤之后，还包括：获取日增长百分比阈值范围数据、周增长百分比阈值范围数据、目标分类数据、预设周期；按所述预设周期和所述目标分类数据从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，得到待检测的日对比分析结果集合和待检测的周对比分析结果集合；对所述待检测的日对比分析结果集合进行平均值计算，得到待检测的日对比分析结果集合对应的平均值集合；当所述待检测的日对比分析结果集合对应的平均值集合小于所述日增长百分比阈值范围数据的最低值时，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于闲提醒信号；当所述待检测的日对比分析结果集合对应的平均值集合大于或等于所述日增长百分比阈值范围数据的最高值时，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于忙提醒信号；对所述待检测的周对比分析结果集合进行平均值计算，得到待检测的周对比分析结果集合对应的平均值集合；当所述待检测的周对比分析结果集合对应的平均值集合小于所述周增长百分比阈值范围数据的最低值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于闲提醒信号；当所述待检测的周对比分析结果集合对应的平均值集合大于或等于所述周增长百分比阈值范围数据的最高值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于忙提醒信号。
- 一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如下方法步骤：按预设时间间隔从Redis中获取待分析的行为数据，所述待分析的行为数据是CTI平台发送到所述Redis的行为数据；获取分类列表，采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据；将所述待存储的行为数据预处理数据更新到行为数据库中；根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据；采用预设的日对比统计方法对所述待存储的行为数据预处理数据和所述上一日的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的日对比分析结果；采用预设的周对比统计方法对所述待存储的行为数据预处理数据和所述上一周的行为数据预处理数据进行统计计算，得到所述待存储的行为数据预处理数据对应的周对比分析结果；将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中；获取当前日期，采用所述当前日期从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，将获取的所述日对比分析结果和所述周对比分析结 果进行图形化展示，得到行为数据监控视图。
- 根据权利要求15所述的计算机可读存储介质，其中，所述方法还包括：获取订阅行为数据请求；基于所述订阅行为数据请求，获取行为数据订阅配置数据；基于与所述CTI平台的通信连接，将所述行为数据订阅配置数据发送给所述CTI平台，以使所述CTI平台根据所述行为数据订阅配置数据发送所述行为数据给所述Redis。
- 根据权利要求15所述的计算机可读存储介质，其中，所述按预设时间间隔从Redis中获取待分析的行为数据的步骤，包括：按所述预设时间间隔从所述Redis中获取待解析数据，其中，所述待解析数据是采用Websocket的信息封装方法将所述CTI平台发送的JSON格式的所述行为数据进行封装得到的数据；对所述待解析数据进行所述行为数据的提取，得到所述待分析的行为数据。
- 根据权利要求15所述的计算机可读存储介质，其中，所述采用所述分类列表对所述待分析的行为数据进行信息提取和分类处理，得到待存储的行为数据预处理数据的步骤，包括：对所述待分析的行为数据进行数据生成时间提取，得到所述待存储的行为数据预处理数据对应的数据生成时间；对所述待分析的行为数据进行IP网段和分机信息解析的提取，得到所述待存储的行为数据预处理数据对应的IP网段数据和分机信息数据；获取状态码列表，采用所述状态码列表对所述待分析的行为数据进行分机状态解析，得到所述待存储的行为数据预处理数据对应的分机状态数据；采用所述分类列表根据所述待存储的行为数据预处理数据对应的所述IP网段数据和所述分机信息数据进行分类处理，得到所述待存储的行为数据预处理数据对应的分类数据。
- 根据权利要求15所述的计算机可读存储介质，其中，所述根据所述待存储的行为数据预处理数据从所述行为数据库中获取上一日同期数据和上一周同期数据，得到所述待存储的行为数据预处理数据对应的上一日的行为数据预处理数据和上一周的行为数据预处理数据的步骤，包括：根据所述待存储的行为数据预处理数据的数据生成时间确定上一日的同一时间，得到所述待存储的行为数据预处理数据对应的上一日同一时间数据；根据所述待存储的行为数据预处理数据的所述数据生成时间确定上一周的同一时间，得到所述待存储的行为数据预处理数据对应的上一周同一时间数据；根据所述待存储的行为数据预处理数据对应的所述上一日同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一日的行为数据预处理数据；根据所述待存储的行为数据预处理数据对应的所述上一周同一时间数据从所述行为数据库中获取行为数据预处理数据，得到所述待存储的行为数据预处理数据对应的所述上一周的行为数据预处理数据。
- 根据权利要求15所述的计算机可读存储介质，其中，所述将所述待存储的行为数据预处理数据对应的所述日对比分析结果、所述周对比分析结果更新到对比结果库中的步骤之后，还包括：获取日增长百分比阈值范围数据、周增长百分比阈值范围数据、目标分类数据、预设周期；按所述预设周期和所述目标分类数据从所述对比结果库中获取所述日对比分析结果和所述周对比分析结果，得到待检测的日对比分析结果集合和待检测的周对比分析结果集合；对所述待检测的日对比分析结果集合进行平均值计算，得到待检测的日对比分析结果集合对应的平均值集合；当所述待检测的日对比分析结果集合对应的平均值集合小于所述日增长百分比阈值范围数据的最低值时，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于闲提醒信号；当所述待检测的日对比分析结果集合对应的平均值集合大于或等于所述日增长百分比阈值范围数据的最高值时，根据所述待检测的日对比分析结果集合对应的平均值集合生成所述目标分类数据对应的日对比处于忙提醒信号；对所述待检测的周对比分析结果集合进行平均值计算，得到待检测的周对比分析结果集合对应的平均值集合；当所述待检测的周对比分析结果集合对应的平均值集合小于所述周增长百分比阈值范围数据的最低值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于闲提醒信号；当所述待检测的周对比分析结果集合对应的平均值集合大于或等于所述周增长百分比阈值范围数据的最高值时，根据所述待检测的周对比分析结果集合对应的平均值集合生成所述目标分类数据对应的周对比处于忙提醒信号。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110183766.8A CN112988772B (zh) | 2021-02-08 | 2021-02-08 | 行为数据的监控方法、装置、设备及介质 |
| CN202110183766.8 | 2021-02-08 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2022165965A1 true WO2022165965A1 (zh) | 2022-08-11 |
Family
ID=76393748
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2021/084529 WO2022165965A1 (zh) | 2021-02-08 | 2021-03-31 | 行为数据的监控方法、装置、设备及介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112988772B (zh) |
| WO (1) | WO2022165965A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115269612A (zh) * | 2022-09-26 | 2022-11-01 | 公安部信息通信中心 | 一种基于微服务的跨平台多维数据融合系统 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113515561B (zh) * | 2021-07-20 | 2023-12-12 | 苏州景昱医疗器械有限公司 | 参数比对方法、装置、电子设备及计算机可读存储介质 |
| CN115617819B (zh) * | 2022-12-19 | 2023-03-14 | 思创数码科技股份有限公司 | 数据存储方法、系统、计算机设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184455A (zh) * | 2015-08-20 | 2015-12-23 | 国家电网公司 | 一种面向城市电力数据分析的高维可视化分析方法 |
| CN109739730A (zh) * | 2019-01-14 | 2019-05-10 | 平安科技（深圳）有限公司 | 多系统日志数据的监控方法、装置、设备及可读存储介质 |
| US20190370610A1 (en) * | 2018-05-29 | 2019-12-05 | Microsoft Technology Licensing, Llc | Data anomaly detection |
| CN110750414A (zh) * | 2019-09-06 | 2020-02-04 | 上海陆家嘴国际金融资产交易市场股份有限公司 | 移动数据监控分析方法、装置、计算机设备和存储介质 |
| CN111290916A (zh) * | 2020-02-18 | 2020-06-16 | 深圳前海微众银行股份有限公司 | 大数据监控方法、装置、设备及计算机可读存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108304308A (zh) * | 2018-02-07 | 2018-07-20 | 平安普惠企业管理有限公司 | 用户行为监控方法、装置、计算机设备和存储介质 |
| CN110377569B (zh) * | 2019-06-19 | 2023-07-28 | 中国平安人寿保险股份有限公司 | 日志监控方法、装置、计算机设备和存储介质 |
| CN110428087A (zh) * | 2019-06-25 | 2019-11-08 | 万翼科技有限公司 | 企业稳定性预测方法、装置、计算机设备和存储介质 |
-
2021
- 2021-02-08 CN CN202110183766.8A patent/CN112988772B/zh active Active
- 2021-03-31 WO PCT/CN2021/084529 patent/WO2022165965A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184455A (zh) * | 2015-08-20 | 2015-12-23 | 国家电网公司 | 一种面向城市电力数据分析的高维可视化分析方法 |
| US20190370610A1 (en) * | 2018-05-29 | 2019-12-05 | Microsoft Technology Licensing, Llc | Data anomaly detection |
| CN109739730A (zh) * | 2019-01-14 | 2019-05-10 | 平安科技（深圳）有限公司 | 多系统日志数据的监控方法、装置、设备及可读存储介质 |
| CN110750414A (zh) * | 2019-09-06 | 2020-02-04 | 上海陆家嘴国际金融资产交易市场股份有限公司 | 移动数据监控分析方法、装置、计算机设备和存储介质 |
| CN111290916A (zh) * | 2020-02-18 | 2020-06-16 | 深圳前海微众银行股份有限公司 | 大数据监控方法、装置、设备及计算机可读存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115269612A (zh) * | 2022-09-26 | 2022-11-01 | 公安部信息通信中心 | 一种基于微服务的跨平台多维数据融合系统 |
| CN115269612B (zh) * | 2022-09-26 | 2022-12-13 | 公安部信息通信中心 | 一种基于微服务的跨平台多维数据融合系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112988772A (zh) | 2021-06-18 |
| CN112988772B (zh) | 2023-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022165965A1 (zh) | 行为数据的监控方法、装置、设备及介质 | |
| CN110752942B (zh) | 告警信息的决策方法、装置、计算机设备及存储介质 | |
| WO2020253358A1 (zh) | 业务数据的风控分析处理方法、装置和计算机设备 | |
| CN110929648A (zh) | 监控数据处理方法、装置、计算机设备以及存储介质 | |
| CN110069572A (zh) | 基于大数据平台的hive任务调度方法、装置、设备及存储介质 | |
| WO2020073727A1 (zh) | 风险预测方法、装置、计算机设备和存储介质 | |
| CN110288193B (zh) | 任务监控处理方法、装置、计算机设备及存储介质 | |
| WO2019174184A1 (zh) | 电话外呼分析控制方法、电子装置及可读存储介质 | |
| CN113343058B (zh) | 语音会话监管方法、装置、计算机设备及存储介质 | |
| CN109426597B (zh) | 应用性能监控方法、装置、设备、系统及存储介质 | |
| CN111831875A (zh) | 数据处理方法、装置、设备和存储介质 | |
| CN109727176A (zh) | 企业监管处理方法、装置、计算机设备和存储介质 | |
| CN115688759A (zh) | 上报信息归类方法、系统、计算机设备及介质 | |
| CN116797180A (zh) | 投诉预警方法、装置、计算机设备和存储介质 | |
| US20130041712A1 (en) | Emerging risk identification process and tool | |
| US20140279752A1 (en) | System and Method for Generating Ultimate Reason Codes for Computer Models | |
| CN110442780B (zh) | 基于智慧园区的车主画像生成方法、装置和计算机设备 | |
| US11451556B2 (en) | Dynamic profile control system | |
| CN113095788B (zh) | 问题分发方法、装置、电子设备以及存储介质 | |
| US20230377004A1 (en) | Systems and methods for request validation | |
| US20220148008A1 (en) | Systems and methods for operating an interactive customer service experience | |
| US10585906B2 (en) | Querying relationships in a communication time series | |
| CN115686775A (zh) | 批量处理和联机交易的冲突避免方法及装置 | |
| CN116993199A (zh) | 话务指标的监控方法、装置、计算机设备和存储介质 | |
| CN117541038A (zh) | 流程监控方法、装置、设备、介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 21923974 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 21923974 Country of ref document: EP Kind code of ref document: A1 |