WO2023284689A1 - 一种业务数字化的分析方法、装置、存储介质及终端 - Google Patents

一种业务数字化的分析方法、装置、存储介质及终端 Download PDF

Info

Publication number
WO2023284689A1
WO2023284689A1 PCT/CN2022/104959 CN2022104959W WO2023284689A1 WO 2023284689 A1 WO2023284689 A1 WO 2023284689A1 CN 2022104959 W CN2022104959 W CN 2022104959W WO 2023284689 A1 WO2023284689 A1 WO 2023284689A1
Authority
WO
WIPO (PCT)
Prior art keywords
business
data
digitized
instance
instance object
Prior art date
Application number
PCT/CN2022/104959
Other languages
English (en)
French (fr)
Inventor
郭胜敏
张瑞龙
夏曙东
杨珍珍
韩兴广
李运才
Original Assignee
北京千方科技股份有限公司
北京掌行通信息技术有限公司
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 北京千方科技股份有限公司, 北京掌行通信息技术有限公司 filed Critical 北京千方科技股份有限公司
Publication of WO2023284689A1 publication Critical patent/WO2023284689A1/zh

Links

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
    • G06F16/26—Visual data mining; Browsing structured data
    • 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
    • G06F16/2455—Query execution

Definitions

  • the present application relates to the field of computer technology, the Internet of Things, and the field of big data technology, and in particular to an analysis method, device, storage medium, and terminal for business digitization.
  • Embodiments of the present application provide an analysis method, device, storage medium, and terminal for service digitization.
  • a brief summary is presented below. This summary is not an overview, nor is it intended to identify key/critical elements or delineate the scope of these embodiments. Its sole purpose is to present some concepts in a simplified form as a prelude to the more detailed description that is presented later.
  • the embodiment of the present application provides an analysis method for business digitization, the method includes:
  • a plurality of digitized third instance object data of the third business object is obtained according to the third index data, and an optimal decision is generated after performing an effect analysis on the business environment and business measures according to the plurality of digitized third instance object data.
  • an analysis device for business digitization which includes:
  • the first parameter setting module is used to obtain time constraints, space constraints and business phenomena to be analyzed, and receive the first business objects and first index data obtained based on the business phenomena;
  • the first instance object generation module is used to obtain a plurality of digitized first instance object data of the first business object according to time constraints, space constraints and first index data;
  • the second parameter setting module is used to obtain the business environment corresponding to the business phenomenon, and receive the second business object and the second index data defined based on the business environment;
  • the second instance object generation module is used to obtain a plurality of digitized second instance object data of the second business object according to the plurality of digitized first instance object data and the second index data;
  • the early warning analysis module is used to perform attribution analysis on business phenomena and business environments according to multiple digitized second instance object data to obtain analysis results, and perform prediction and early warning based on the analysis results;
  • the third parameter setting module is used to obtain the business measure corresponding to the business phenomenon, and receive the third business object and the third index data obtained based on the business measure;
  • the optimal decision generation module is used to obtain a plurality of digitized third instance object data of the third business object according to the third index data, and perform an effect on the business environment and business measures according to the plurality of digitized third instance object data Generate optimal decisions after analysis.
  • a storage medium storing computer-readable instructions, the storage medium stores a plurality of computer-readable instructions, and when the computer-readable instructions are executed by one or more processors, one or more processors Perform the following steps:
  • an embodiment of the present application provides a terminal, which may include: a processor and a memory; computer-readable instructions are stored in the memory, and when the computer-readable instructions are executed by the processor, the processing The controller performs the following steps:
  • the business digitization analysis method, device, storage medium, and terminal obtained in the embodiments of this application obtain the time constraints, space constraints, and business phenomena to be analyzed, and receive the first business object and the first business phenomenon obtained based on the business phenomenon.
  • Index data and then obtain multiple digitized first instance object data of the first business object according to the time constraints, space constraints, and the first index data, and then obtain the business environment corresponding to the business phenomenon, and receive the information obtained based on the business environment
  • the second business object and the second index data and secondly obtain the multiple digitized second instance object data of the second business object according to the multiple digitized first instance object data and the second index data, and then obtain the multiple digitized second instance object data according to the multiple digitized
  • the object data of the second instance conducts attribution analysis on the business phenomenon and the business environment to be monitored to obtain the analysis results, and performs prediction and early warning based on the analysis results, and then obtains the business measures corresponding to the business phenomena, and receives the third business object obtained based on the business measures
  • FIG. 1 is a schematic diagram of a management business model provided by an embodiment of the present application.
  • FIG. 2 is a schematic diagram of a development trend of digital management services provided by an embodiment of the present application
  • Fig. 3 is a schematic flowchart of a business digitization analysis method provided by an embodiment of the present application.
  • Fig. 4 is a schematic diagram of different business environments behind the same business phenomenon provided by the embodiment of the present application.
  • Fig. 5 is a schematic diagram of a two-dimensional space One-Class SVM algorithm provided by the embodiment of the present application.
  • FIG. 6 is a schematic diagram of an analysis system architecture for business digitization provided by an embodiment of the present application.
  • Fig. 7 is a schematic diagram of analysis logic of business digitalization provided by the embodiment of the present application.
  • FIG. 8 is a schematic structural diagram of an analysis device for business digitization provided by an embodiment of the present application.
  • FIG. 9 is a schematic structural diagram of a terminal provided by an embodiment of the present application.
  • the analysis method for service digitization provided by the embodiment of the present application will be described in detail below with reference to accompanying drawings 1 to 7 .
  • the method can be realized by relying on a computer program, and can run on a business digital analysis device based on the von Neumann system.
  • the computer program can be integrated in the application program or run as a stand-alone utility application program.
  • FIG. 3 provides a schematic flowchart of a business digitization analysis method according to the embodiment of the present application.
  • the method of the embodiment of the present application may include the following steps:
  • a business phenomenon can be recorded as BOP
  • the definition goal of BOP is to digitally record the whole life cycle and all element information of a business phenomenon from generation, development to end.
  • a record of a traffic accident should include the time, place, person, cause, type, and impact on traffic of the accident.
  • the business environment can be recorded as BO E.
  • the definition goal of BO E is to digitally record the environmental factors behind the business phenomenon and the factors of business measures in the whole life cycle and all elements of information, such as weather, traffic, and vehicle speed fluctuations at the time of the accident. , geographical features, traffic changes after the implementation of current limiting measures, etc.
  • Business measures can be recorded as BO O , and the definition goal of BO O is to faithfully record all elements of a business disposal measure, for example, for a traffic restriction measure, record the closed toll booths, closed lanes, and time range of closed lanes Wait.
  • business object (Business Object) and its indicators corresponding to business phenomenon, business environment and business measures are defined by business personnel according to business needs.
  • the user sets the required parameters, obtain the user's pre-set business phenomenon, time constraints and space constraints from the set parameters, and then receive the data based on the business phenomenon The acquired first business object and first index data.
  • the first business object and the first index data belong to information related to business phenomena.
  • real-time data is collected through pre-arranged sensor equipment, and then real-time data is transmitted to the data warehouse for storage.
  • the obtained business phenomenon object can be regarded as a mark.
  • the data related to the business phenomenon can be obtained from the data warehouse, and the index data contained in the business phenomenon object can be calculated and instantiated. Get instantiated data.
  • the first data set is first obtained from the data warehouse according to the time constraints and space constraints, and then the first data set is digitized by using the first index data to generate multiple first digitized results, Finally, the multiple first digitized results are determined as multiple digitized first instance object data of the first business object.
  • space constraint condition S and a type of business phenomenon P to be analyzed set the set of business phenomenon objects that meet the requirements as in It is an instance object after the business phenomenon P is digitized.
  • the service environment is set by the user according to the service phenomenon, and has correlation with the service phenomenon.
  • the second business object and the second index data are preset according to the business environment.
  • the downstream of J 1 is a toll station, while the downstream of J 2 is a confluence point, which may cause J 1 and J 2 to Congestion occurs frequently, but the time of the congestion does not coincide. Treating it as the same high-congestion road section is extremely unfavorable for subsequent attribution analysis and optimization decisions.
  • pw 1 and pw 2 are two adjacent large flow channels. From the perspective of the phenomenon, the flows of pw 1 and pw 2 are relatively large and their positions are adjacent. Many existing channel extraction methods based on flow heat will treat them as the same flow channel. Further detailed analysis shows that the traffic flow inside pw 1 and pw 2 is heterogeneous and meets different traffic OD demands.
  • the business environment set according to the business phenomenon can be obtained from the preset parameters, and the second business object and the second index data obtained based on the business environment can be received.
  • the second business object and the second index data are information related to the business environment.
  • the obtained second business object of the business environment can be regarded as a mark
  • the data related to the business environment can be obtained from the data warehouse according to the mark combined with the set conditions, and the calculation is completed through the indicator data contained in the second business object Instantiate to get instantiated data.
  • the second data set of the second business object is obtained from the data warehouse, and then the second data set is digitized by using the second index data to generate multiple second digitized results, and finally the multiple The second digitized result is determined as multiple digitized second instance object data of the second business object; wherein, each second instance object among the multiple digitized second instance objects is associated with multiple digitized first instance objects Data corresponding to each first instance object in the data.
  • S105 Perform attribution analysis on the business phenomenon and the business environment to be monitored according to multiple digitized second instance object data to obtain analysis results, and perform prediction and early warning based on the analysis results;
  • attribution analysis can be performed on the business phenomenon and the business environment to be monitored to obtain the analysis results, and forecast and early warning can be made based on the analysis results.
  • the One-Class SVM algorithm is used to solve and calculate multiple digitized second instance object data to generate a hyperplane, then determine the hyperplane as the analysis result and save it, and then determine the business to be monitored Environment instance data, and then calculate the target distance between the business environment instance data to be monitored and the analysis results, and then determine whether the business environment instance data to be monitored exists in the analysis results according to the target distance. value, if it does not exist and the boundary distance between the target distance and the analysis result is less than the preset value, it is determined that the probability of occurrence of the business phenomenon is greater than the safe value, and finally an early warning message is generated and sent to the platform for display.
  • the correlation analysis of the business environment related to the business phenomenon is carried out to find the boundary threshold of whether the business phenomenon occurs or not in the business environment data, which will be stored as the result of business knowledge.
  • Solving the data boundary is a classification problem, but it is not a general classification problem. Its typical feature is that the classification samples have only positive examples and no negative examples. All samples in the set ⁇ (T,S,P) business phenomenon samples (positive examples) of occurrences, and few records Samples when it doesn't happen (negative example).
  • the above problem can be modeled as a One Class Classification problem and solved by One-Class SVM.
  • the core idea is shown in Figure 5, that is, to find a hyperplane to circle all the samples, while allowing a certain proportion of outliers to exist , and this hyperplane is denoted as ⁇ (T,S,P).
  • the hyperplane ⁇ (T, S, P) in Figure 5 is the knowledge learned in the process of business knowledge, that is, the boundary condition for whether business phenomena occur or not.
  • business measures act on the business environment, and then affect the occurrence and development of the business phenomenon to be analyzed.
  • a predefined business measure is acquired from predefined parameters, and then a third business object and third index data predefined according to the business measure are acquired.
  • the third data set of the third business object is first obtained from the solution library, and then the third data set is processed by using the third index data Digitizing, generating a plurality of third digitized results, and finally determining the plurality of third digitized results as a plurality of digitized third instance object data of the third business object.
  • space constraint condition S and a type of business phenomenon P to be analyzed set the set of business measures O corresponding to this business phenomenon as in It is an instance object of digitized business measure O.
  • This is defined as an optimization problem, which can be solved by optimization methods such as minimum gradient method, Newton method, heuristic search, etc.
  • Fig. 6 is the system architecture for the analysis of business digitalization in this application.
  • the real-time data collected by the sensor is stored in the data warehouse, and the data warehouse provides the instantiated expression of the business phenomenon bo p and the business environment bo e .
  • the digital state-based bo p and bo e can realize real-time monitoring of business phenomena and business environment. For example, we can monitor congestion in real time, as well as the traffic environment behind the congestion;
  • the time constraints, space constraints, and business phenomena to be analyzed are first obtained, and the first business object and the first index data obtained based on the business phenomena are received, and then according to the time constraints Conditions, spatial constraints and first index data to obtain multiple digitized first instance object data of the first business object, and then obtain the business environment corresponding to the business phenomenon, and receive the second business object and the second Index data, secondly, obtain multiple digitized second instance object data of the second business object according to multiple digitized first instance object data and second index data, and then use multiple digitized second instance object data for Perform attribution analysis on the business phenomenon and the business environment to be monitored to obtain the analysis results, and perform forecast and early warning based on the analysis results, then obtain the business measures corresponding to the business phenomena, and receive the third business object and third indicator data obtained based on the business measures, and finally A plurality of digitized third instance object data of the third business object is obtained according to the third index data, and an optimal decision is generated after performing an effect analysis
  • FIG. 7 provides a logic diagram of an analysis route for business digitalization in the embodiment of the present application.
  • DIKE Data, Information, Knowledge, Wisdom
  • this application divides the management digitalization process into There are three stages of business data, business knowledge and business intelligence.
  • business digitization corresponds to the Data and Information stages of the DIKW model.
  • terminal intelligence With the development of terminal intelligence, the boundaries between Data and Information are becoming more and more blurred.
  • Business knowledge and business intelligence correspond to the Knowledge and Wisdom phases of the DIKW model, respectively.
  • the main business form is perception monitoring, that is, monitoring the involved business objects and indicators;
  • stage of business intelligence it mainly completes the effect analysis between business measures and business environment, defines the solution space of business measures, and conducts cost and efficiency quantitative analysis of business measures, that is, digs the gap between the digital expression of business measures and the digital expression of business environment Interrelationships, analyzing how changes in business measures will affect changes in the business environment, and then how to affect the emergence and changes of business phenomena.
  • the main business form at this stage is decision generation, that is, to search for a better decision solution in the business measure solution space according to the balance rules of cost and efficiency.
  • FIG. 8 shows a schematic structural diagram of an analysis device for service digitization provided by an exemplary embodiment of the present application.
  • the device for analyzing business digitization can be implemented as all or part of the terminal through software, hardware or a combination of the two.
  • the device 1 includes a first parameter setting module 10, a first instance object generation module 20, a second parameter setting module 30, a second instance object generation module 40, an early warning analysis module 50, a third parameter setting module 60, and Optimal decision generation module 70 .
  • the first parameter setting module 10 is used to obtain time constraints, space constraints and business phenomena to be analyzed, and receive first business objects and first index data obtained based on business phenomena;
  • the first instance object generating module 20 is used to obtain a plurality of digitized first instance object data of the first business object according to time constraints, space constraints and first index data;
  • the second parameter setting module 30 is used to obtain the business environment corresponding to the business phenomenon, and receive the second business object and the second index data defined based on the business environment;
  • the second instance object generating module 40 is used to obtain a plurality of digitized second instance object data of the second business object according to the plurality of digitized first instance object data and second index data;
  • the early warning analysis module 50 is used to perform attribution analysis on business phenomena and business environments according to multiple digitized second instance object data to obtain analysis results, and perform prediction and early warning based on the analysis results;
  • the third parameter setting module 60 is configured to acquire the business measure corresponding to the business phenomenon, and receive the third business object and the third index data acquired based on the business measure;
  • the optimal decision generation module 70 is used to obtain a plurality of digitized third instance object data of the third business object according to the third index data, and to conduct business environment and business measures according to the plurality of digitized third instance object data.
  • the optimal decision is generated after the effectiveness analysis.
  • the business digitization analysis device when the business digitization analysis device provided in the above-mentioned embodiments executes the business digitization analysis method, it only uses the division of the above-mentioned functional modules for illustration. In practical applications, the above-mentioned functions can be assigned by different The functional modules are completed, that is, the internal structure of the device is divided into different functional modules to complete all or part of the functions described above.
  • the device for analyzing business digitalization provided by the above embodiment and the embodiment of the method for analyzing business digitalization belong to the same idea, and the implementation process thereof is detailed in the method embodiment, and will not be repeated here.
  • a component may be, but is not limited to being, a process running on a processor, a processor, an object, an executable, a program of execution, a program, and or a computer.
  • a component may be, but is not limited to being, a process running on a processor, a processor, an object, an executable, a program of execution, a program, and or a computer.
  • an application running on a server and a server can be a component.
  • One or more components can reside within a process and or thread of execution, and a component can be localized on one computer and or distributed between two or more computers.
  • the business digital analysis device in the above application embodiment can execute the method provided in any embodiment of the application, and has the corresponding functional modules and beneficial effects of the execution method.
  • the technical details not described in detail in this embodiment please refer to any The method of the face recognition model provided by the embodiment. .
  • the present application also provides a computer-readable medium.
  • the computer-readable medium may be non-volatile or volatile, and computer-readable instructions are stored thereon.
  • the computer-readable instructions are executed by a processor, the The analysis methods for business digitization provided by the above method embodiments.
  • the present application also provides a computer program product containing instructions, which, when run on a computer, causes the computer to execute the business digitization analysis method of each of the above method embodiments.
  • a terminal 1000 may include: at least one processor 1001 , at least one network interface 1004 , a user interface 1003 , a memory 1005 , and at least one communication bus 1002 .
  • the communication bus 1002 is used to realize connection and communication between these components.
  • the user interface 1003 may include a display screen (Display) and a camera (Camera), and the optional user interface 1003 may also include a standard wired interface and a wireless interface.
  • Display display screen
  • Camera Camera
  • the optional user interface 1003 may also include a standard wired interface and a wireless interface.
  • the network interface 1004 may optionally include a standard wired interface and a wireless interface (such as a WI-FI interface).
  • the processor 1001 may include one or more processing cores.
  • the processor 1001 uses various interfaces and lines to connect various parts of the entire electronic device 1000.
  • the memory stores computer-readable instructions, and runs or executes computer-readable instructions, programs, code sets or computer-readable instructions stored in the memory 1005.
  • the processor 1001 may use at least one of Digital Signal Processing (Digital Signal Processing, DSP), Field-Programmable Gate Array (Field-Programmable Gate Array, FPGA), and Programmable Logic Array (Programmable Logic Array, PLA). implemented in the form of hardware.
  • DSP Digital Signal Processing
  • FPGA Field-Programmable Gate Array
  • PLA Programmable Logic Array
  • the processor 1001 may integrate one or a combination of a central processing unit (Central Processing Unit, CPU), an image processor (Graphics Processing Unit, GPU) and a modem.
  • CPU Central Processing Unit
  • GPU Graphics Processing Unit
  • the CPU mainly handles the operating system, user interface and application programs, etc.
  • the GPU is used to render and draw the content that needs to be displayed on the display screen
  • the modem is used to handle wireless communication. It can be understood that the above modem may also not be integrated into the processor 1001, but implemented by a single chip.
  • the memory 1005 may include a random access memory (Random Access Memory, RAM), and may also include a read-only memory (Read-Only Memory).
  • the memory 1005 includes a non-transitory computer-readable storage medium (non-transitory computer-readable storage medium).
  • the memory 1005 may include a program storage area and a data storage area, wherein the program storage area may store computer-readable instructions for implementing an operating system, instructions for implementing at least one function (such as a touch function, a sound playback function, an image playback function, etc.) functions, etc.), computer-readable instructions for realizing the above-mentioned various method embodiments, etc.; the storage data area can store the data involved in the above-mentioned various method embodiments, etc.
  • the memory 1005 may also be at least one storage device located away from the aforementioned processor 1001 .
  • the memory 1005 as a computer storage medium may include an operating system, a network communication module, a user interface module, and an analysis application program for digital business. read command composition.
  • the user interface 1003 is mainly used to provide the user with an input interface to obtain the data input by the user; and the processor 1001 can be used to call the business digital analysis application program stored in the memory 1005, or When the processor 1001 invokes the computer-readable instructions stored in the memory 1005, it specifically performs the following operations:
  • a plurality of digitized third instance object data of the third business object is obtained according to the third index data, and an optimal decision is generated after performing an effect analysis on the business environment and business measures according to the plurality of digitized third instance object data.
  • the following operations are further performed:
  • the real-time data is transmitted to the data warehouse for storage.
  • the processor 1001 when the processor 1001 obtains a plurality of digitized first instance object data of the first business object according to the time constraint condition, the space constraint condition and the first index data, specifically perform the following operations:
  • the multiple first digitized results are determined as multiple digitized first instance object data of the first business object.
  • the processor 1001 when the processor 1001 obtains a plurality of digitized second instance object data of the second business object according to the plurality of digitized first instance object data and second index data, the processor 1001 specifically performs the following operations:
  • Determining the plurality of second digitized results as the plurality of digitized second instance object data of the second business object; wherein, each second instance object among the plurality of digitized second instance objects is related to the plurality of digitized second instance objects Each first instance object data in an instance object data corresponds.
  • the processor 1001 when the processor 1001 performs attribution analysis on the business phenomenon and the business environment to be monitored according to multiple digitized second instance object data to obtain the analysis results, and performs prediction and early warning based on the analysis results, specifically execute the following operate:
  • the processor 1001 when the processor 1001 obtains multiple digitized third instance object data of the third business object according to the third index data, it specifically performs the following operations:
  • the multiple third digitized results are determined as multiple digitized third instance object data of the third business object.
  • the processor 1001 when the processor 1001 generates an optimal decision based on the effectiveness analysis of the business environment and business measures based on multiple digitized third instance object data, it specifically performs the following operations:
  • the technical solution provided by the embodiment of the present application when performing business digital analysis, first obtain time constraints, space constraints, and business phenomena to be analyzed, and receive the first business object and first index data obtained based on the business phenomena, Then obtain multiple digitized first instance object data of the first business object according to the time constraints, space constraints and the first index data, and then obtain the business environment corresponding to the business phenomenon, and receive the second business acquired based on the business environment object and the second index data, and then obtain multiple digitized second instance object data of the second business object according to the multiple digitized first instance object data and second index data, and then obtain multiple digitized second instance object data according to the multiple digitized second instance data
  • Instance object data conducts attribution analysis on the business phenomenon and the business environment to be monitored to obtain the analysis results, and performs prediction and early warning based on the analysis results, and then obtains the business measures corresponding to the business phenomena, and receives the third business object obtained based on the business measures and the third Index data, and finally obtain multiple digitized third instance object data of
  • a storage medium storing computer-readable instructions may be a magnetic disk, an optical disk, a read-only memory or a random access memory, and the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种业务数字化的分析方法、装置、存储介质及终端，方法包括：获取时间与空间约束条件和待分析业务现象，接收基于业务现象获取的第一业务对象和指标数据，根据该参数生成数字化后的第一实例对象数据；获取业务现象的业务环境，接收基于业务环境获取的第二业务对象和指标数据，根据该参数生成数字化后的第二实例对象数据，并对业务现象与待监测业务环境进行归因分析后预测预警；获取业务现象的业务措施，接收基于业务环境获取的第三业务对象和指标数据，根据该参数得到第三业务对象的数字化后的第三实例对象数据，对业务环境与业务措施进行成效分析后生成最优决策。本申请可以实现对业务现象的预测预警，并生成业务措施的最优辅助决策。

Description

一种业务数字化的分析方法、装置、存储介质及终端
优先权信息
本申请要求于2021年07月14日提交中国专利局、申请号为202110796487.9，发明名称为“一种业务数字化的分析方法、装置、存储介质及终端”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。
技术领域
本申请涉及计算机技术领域以及物联网、大数据技术领域，特别涉及一种业务数字化的分析方法、装置、存储介质及终端。
背景技术
在数字化的浪潮中，工业企业通过工业互联网来实现数字化转型；而对于政府和企业中的职能部门而言，如何对其管理的业务进行数字化改造，暨实现管理业务的数字化转型升级，是一个值得研究的问题。
如在大数据及物联网背景下，传统技术对数字化转型往往侧重于局部突破，如人们通过布设越来越多的传感器，逐步实现了对业务现象，以及其背后的业务环境的数字化感知，但缺乏对业务管理数字化转型的更宏观的场景认知，具体如业务现象与业务环境之间的关联，以及如何基于业务现象、业务环境量化业务措施的影响等。以智能交通领域为例，人们往往关注对拥堵、事故等交通现象的监测，但拥堵、事故等现象发生背后的环境因素，如流量、道路的空间特征、流量导致的车速变化等，却往往在监测的过程中被忽略，即使未被忽略，也往往是孤立监测的，未与交通现象的发生耦合分析，进而导致预测、预警和处置等业务措施的效果不佳。
发明内容
本申请实施例提供了一种业务数字化的分析方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
第一方面，本申请实施例提供了一种业务数字化的分析方法，方法包括：
获取时间约束条件、空间约束条件以及待分析的业务现象，并接收基于业务现象获取的第一业务对象以及第一指标数据；
根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据；
获取业务现象对应的业务环境，并接收基于业务环境获取的第二业务对象以及第二指标数据；
根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据；
根据多个数字化后的第二实例对象数据针对业务现象与待监测业务环境进 行归因分析得到分析结果，并基于分析结果进行预测预警；
获取业务现象对应的业务措施，并接收基于业务措施获取的第三业务对象以及第三指标数据；
根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据，并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。
第二方面，本申请实施例提供了一种业务数字化的分析装置，装置包括：
第一参数设定模块，用于获取时间约束条件、空间约束条件以及待分析的业务现象，并接收基于业务现象获取的第一业务对象以及第一指标数据；
第一实例对象生成模块，用于根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据；
第二参数设定模块，用于获取业务现象对应的业务环境，并接收基于业务环境定义的第二业务对象以及第二指标数据；
第二实例对象生成模块，用于根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据；
预警分析模块，用于根据多个数字化后的第二实例对象数据针对业务现象与业务环境进行归因分析得到分析结果，并基于分析结果进行预测预警；
第三参数设定模块，用于获取业务现象对应的业务措施，并接收基于业务措施获取的第三业务对象以及第三指标数据；
最优决策生成模块，用于根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据，并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。
第三方面，一种存储有计算机可读指令的存储介质，存储介质存储有多条计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行以下步骤：
获取时间约束条件、空间约束条件以及待分析的业务现象，并接收基于所述业务现象获取的第一业务对象以及第一指标数据；
根据所述时间约束条件、空间约束条件与所述第一指标数据得到所述第一业务对象的多个数字化后的第一实例对象数据；
获取所述业务现象对应的业务环境，并接收基于所述业务环境获取的第二业务对象以及第二指标数据；
根据所述多个数字化后的第一实例对象数据、第二指标数据得到所述第二业务对象的多个数字化后的第二实例对象数据；
根据所述多个数字化后的第二实例对象数据针对所述业务现象与待监测业务环境进行归因分析得到分析结果，并基于所述分析结果进行预测预警；
获取所述业务现象对应的业务措施，并接收基于所述业务措施获取的第三业务对象以及第三指标数据；
根据所述第三指标数据得到所述第三业务对象的多个数字化后的第三实例对象数据，并根据所述多个数字化后的第三实例对象数据针对所述业务环境与所述业务措施进行成效分析后生成最优决策。
第四方面，本申请实施例提供一种终端，可包括：处理器和存储器；所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行以下步骤：
获取时间约束条件、空间约束条件以及待分析的业务现象，并接收基于所 述业务现象获取的第一业务对象以及第一指标数据；
根据所述时间约束条件、空间约束条件与所述第一指标数据得到所述第一业务对象的多个数字化后的第一实例对象数据；
获取所述业务现象对应的业务环境，并接收基于所述业务环境获取的第二业务对象以及第二指标数据；
根据所述多个数字化后的第一实例对象数据、第二指标数据得到所述第二业务对象的多个数字化后的第二实例对象数据；
根据所述多个数字化后的第二实例对象数据针对所述业务现象与待监测业务环境进行归因分析得到分析结果，并基于所述分析结果进行预测预警；
获取所述业务现象对应的业务措施，并接收基于所述业务措施获取的第三业务对象以及第三指标数据；
根据所述第三指标数据得到所述第三业务对象的多个数字化后的第三实例对象数据，并根据所述多个数字化后的第三实例对象数据针对所述业务环境与所述业务措施进行成效分析后生成最优决策。
在本申请实施例提供的业务数字化的分析方法、装置、存储介质及终端，通过获取时间约束条件、空间约束条件以及待分析的业务现象，并接收基于业务现象获取的第一业务对象以及第一指标数据，然后根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据，再获取业务现象对应的业务环境，并接收基于业务环境获取的第二业务对象以及第二指标数据，其次根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据，再根据多个数字化后的第二实例对象数据针对业务现象与待监测业务环境进行归因分析得到分析结果，并基于分析结果进行预测预警，再获取业务现象对应的业务措施，并接收基于业务措施获取的第三业务对象以及第三指标数据，最后根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据，并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。本申请通过对业务数据进行数字化表达，从而可以对业务环境的数字化监测，进一步对业务现象的发生进行预测和预警，最后生成业务措施的最优决策。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是本申请实施例提供的一种管理业务模型示意图；
图2是本申请实施例提供的一种管理业务数字化的发展趋势示意图；
图3是本申请实施例提供的一种业务数字化的分析方法的流程示意图；
图4是本申请实施例提供的一种相同业务现象背后的不同业务环境示意图；
图5是本申请实施例提供的一种二维空间One-Class SVM算法示意图；
图6是本申请实施例提供的一种业务数字化的分析系统架构示意图；
图7是本申请实施例提供的一种业务数字化的分析逻辑示意图；
图8是本申请实施例提供的一种业务数字化的分析装置的结构示意图；
图9是本申请实施例提供的一种终端的结构示意图。
具体实施方式
以下描述和附图充分地示出本申请的具体实施方案，以使本领域的技术人员能够实践它们。
应当明确，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
下面将结合附图1-附图7，对本申请实施例提供的业务数字化的分析方法进行详细介绍。该方法可依赖于计算机程序实现，可运行于基于冯诺依曼体系的业务数字化的分析装置上。该计算机程序可集成在应用程序中，也可作为独立的工具类应用程序运行。
如图1(a)所示，在工业或管理业务中，人们通过制定和执行一定的业务措施，以期对其对应的业务现象产生耦合影响，但是往往不能达到满意的效果。发明人意识到，业务现象的发生和发展，除了受显性的外因影响外，还受到隐性的因素，以及其内在的变化规律影响，这里统称为业务环境。如图1(b)所示，本申请在进行业务数字化分析时，在业务措施与业务现象之间，加入了业务环境。
在大数据、物联网背景下，人们通过布设越来越多的传感器，已经逐步实现了对业务现象，以及其背后的业务环境的数字化感知。发明人意识到，如图2(a)所示，随着时间和技术的发展，通过对数据感知维度的不断增加，人们对业务变化趋势等的不确定性逐渐降低。以智慧交通领域为例，近年来基于深度学习的视觉计算技术的发展，摄像终端设备的智能程度逐渐提升，大大扩展了交通感知的能力；同时，以图神经网络为代表的时空数据挖掘技术，不断强化对时空数据的预测能力。与数据维度的不断扩展相对应，业务解空间的复杂程度也在增加，如图2(b)所示。例如如果能够精确感知收费站每条车道流量的时空变化情况，在制定一个限流措施时，不再是对收费站做简单的封闭处理，而是可以精确地设计封闭哪几条车道，以及封闭的时间段。由于人类决策可以理解的解空间维度是有限的，这就需要对人类主导的业务决策进行数字化改造，以适应不断增加的业务解空间复杂度。
请参见图3，为本申请实施例提供了一种业务数字化的分析方法的流程示意图。如图3所示，本申请实施例的方法可以包括以下步骤：
S101，获取时间约束条件、空间约束条件以及待分析的业务现象，并接收基于业务现象获取的第一业务对象以及第一指标数据；
在本申请中实施例中，业务现象可以记为BO P，BO P的定义目标是如实对一个业务现象产生、发展至结束过程中的全生命周期、全要素信息进行数字化记录。例如，一个交通事故的记录要包括事故发生的时间、地点、人物、事故原因、类型和对交通的影响等。业务环境可以记为BO E，BO E的定义目标是将业务现象背后的环境因素，以及业务措施的作用因素进行全生命周期、全要素信息数字化记录，例如事故发生时刻的天气、流量、车速波动、地理特征，限流措施实施后的流量变化等。业务措施可以记为BO O，BO O的定义目标是如实对一个业务处置措施进行全要素数字化记录，例如对于一个限流措施，记录措施的封闭收费站、封闭的车道，以及封闭车道的时间范围等。
通常，业务现象、业务环境和业务措施对应的业务对象(Business Object)及其指标由业务人员根据业务需要进行定义。
进一步地，定义的业务对象可以总体标记为：BO＝<ρ 1,ρ 2,…,ρ #(BO)>，其 中BO为一类业务对象，ρ i，1≤i≤#(BO)为业务对象BO的一个量化指标描述，#(BO)给出BO所包含的指标的个数。其中指标用来进行数据的实例化。
在一种可能的实现方式中，在用户设定完所需参数后，从设定的参数中获取用户预先设定的待分析的业务现象、时间约束条件以及空间约束条件，然后接收基于业务现象获取的第一业务对象以及第一指标数据。
其中，第一业务对象以及第一指标数据属于业务现象相关的信息。
进一步地，在获取时间约束条件、空间约束条件以及待分析的业务现象之前，先通过预先布设的传感器设备采集实时数据，然后将实时数据传输至数据仓库进行保存。
S102，根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据；
通常，获取的业务现象的对象可以看作一个标记，根据该标记结合设置的条件可从数据仓库中获取业务现象相关的数据，并通过业务现象的对象包含的指标数据进行计算后完成实例化，得到实例化数据。
在一种可能的实现方式中，先根据时间约束条件、空间约束条件从数据仓库中获取第一数据集，然后采用第一指标数据将第一数据集进行数字化，生成多个第一数字化结果，最后将多个第一数字化结果确定为第一业务对象的多个数字化后的第一实例对象数据。
例如，对于一个给定的时间约束条件T，空间约束条件S以及待分析的一类业务现象P，设满足要求的业务现象对象集合为
Figure PCTCN2022104959-appb-000001
其中
Figure PCTCN2022104959-appb-000002
是业务现象P数字化后的一个实例对象。
S103，获取业务现象对应的业务环境，并接收基于业务环境获取的第二业务对象以及第二指标数据；
其中，业务环境是用户根据业务现象进行设定的，与业务现象具备相关性。第二业务对象以及第二指标数据是根据业务环境预先设定好的。
通常，例如图4(a)所示，从现象上可以观测到，J 1和J 2是两个拥堵多发的路段，它们之间的间隔距离为l，当l值较小，甚至有时J 1的拥堵比较严重而蔓延到J 2所在的路段，从而J 1和J 2发生耦合。从拥堵现象上看，路段J 1和J 2都有较多的拥堵发生，因此现有很多拥堵多发路段的提取方法将其视为同一个拥堵多发路段。进一步分析可以发现，J 1和J 2的拥堵是由不同的因素诱导发生的，J 1的下游是收费站，而J 2的下游是一个分汇流点，这可能导致J 1和J 2虽然都是拥堵高发的，但是其拥堵发生的时间是不重合的，将其作为同一个拥堵高发路段来看待，无论对于后续的归因分析和优化决策都是极为不利的。如图4(b)所示，pw 1和pw 2是相邻的两个大流量通道。从现象上看，pw 1和pw 2的流量都比较大且位置相邻，现有很多基于流量热度的通道提取方法会将其作为同一个流量通道来看待。进一步细化分析可以得知，pw 1和pw 2内部的交通流量是异质的，是满足了不同的交通OD需求的。这意味着，pw 1的失能与pw 2的失能，对于交通的影响是存在极大差异的，将其作为同一个流量通道来看待是不合理的。通过上述分析可以发现，同形的业务现象，其背后的本质是存在差异的。本申请将业务现象背后的诱因，以及其他能够区分同形不同质的业务现象的量化和非量化指标，统称为业务环境。
在一种可能的实现方式中，从预先设定的参数中可获取根据业务现象设定 的业务环境，并接收基于业务环境获取的第二业务对象以及第二指标数据。
其中，第二业务对象以及第二指标数据是业务环境相关的信息。
S104，根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据；
通常，获取的业务环境的第二业务对象可以看作一个标记，根据该标记结合设置的条件可从数据仓库中获取业务环境相关的数据，并通过第二业务对象包含的指标数据进行计算后完成实例化，得到实例化数据。
在一种可能的实现方式中，从数据仓库中获取第二业务对象的第二数据集，然后采用第二指标数据将第二数据集进行数字化，生成多个第二数字化结果，最后将多个第二数字化结果确定为第二业务对象的多个数字化后的第二实例对象数据；其中，多个数字化后的第二实例对象中每个第二实例对象与多个数字化后的第一实例对象数据中每个第一实例对象数据对应。
例如，与每一个
Figure PCTCN2022104959-appb-000003
对应，我们定义
Figure PCTCN2022104959-appb-000004
为业务现象
Figure PCTCN2022104959-appb-000005
对应的业务环境的实例化对象，其集合记为
Figure PCTCN2022104959-appb-000006
S105，根据多个数字化后的第二实例对象数据针对业务现象与待监测业务环境进行归因分析得到分析结果，并基于分析结果进行预测预警；
通常，在得到业务环境的实例化对象后，可针对业务现象与待监测业务环境进行归因分析得到分析结果，并基于分析结果进行预测预警。
在一种可能的实现方式中，采用One-Class SVM算法将多个数字化后的第二实例对象数据进行求解计算，生成超平面，再将超平面确定为分析结果并保存，然后确定待监测业务环境实例数据，再计算待监测业务环境实例数据与分析结果之间的目标距离，其次根据目标距离确定待监测业务环境实例数据是否存在与分析结果中，若存在，确定业务现象发生的概率大于安全值，若不存在且所述目标距离与所述分析结果的边界距离小于预设值时，确定业务现象发生的概率大于安全值，最后生成预警信息发送至平台进行展示。
具体的，对该业务现象相关的业务环境进行相关性分析，找到业务现象发生与否在业务环境数据中的边界阈值，这将作为业务知识化的结果进行存储。数据边界的求解是一个分类问题，但又不是一个通用的分类问题，其典型特征是分类样本只有正例而没有负例。在集合Ψ(T,S,P)中所有的样本
Figure PCTCN2022104959-appb-000007
均是指业务现象
Figure PCTCN2022104959-appb-000008
发生情况下的样本(正例)，而很少记录
Figure PCTCN2022104959-appb-000009
未发生时的样本(负例)。上述问题可以被建模成一个One Class Classification问题，用One-Class SVM进行求解，其核心思想如图5所示，即寻找一个超平面将所有样本圈出来，同时允许一定比例的离群点存在，此超平面记为Φ(T,S,P)。图5中超平面Φ(T,S,P)为业务知识化过程中学习到的知识，即业务现象发生与否的边界条件。
对于一个给定的业务环境
Figure PCTCN2022104959-appb-000010
如果其在超平面Φ(T,S,P)范围内，记为
Figure PCTCN2022104959-appb-000011
Figure PCTCN2022104959-appb-000012
业务现象
Figure PCTCN2022104959-appb-000013
发生的概率很大。设
Figure PCTCN2022104959-appb-000014
为
Figure PCTCN2022104959-appb-000015
距离超平面Φ(T,S,P)的距离，其可以作为业务现象发生的概率度量，可知
Figure PCTCN2022104959-appb-000016
值越大，说明
Figure PCTCN2022104959-appb-000017
发生的概率越大。反之，如果业务环境
Figure PCTCN2022104959-appb-000018
在超平面外，记为
Figure PCTCN2022104959-appb-000019
设
Figure PCTCN2022104959-appb-000020
为
Figure PCTCN2022104959-appb-000021
距离超平面 Φ(T,S,P)的距离，其可以作为业务现象不发生的概率度量，可知
Figure PCTCN2022104959-appb-000022
值越大，说明
Figure PCTCN2022104959-appb-000023
不发生的概率越大，如图5所示。
S106，获取业务现象对应的业务措施，并接收基于业务措施获取的第三业务对象以及第三指标数据；
其中，业务措施作用在业务环境上，然后影响待分析的业务现象的发生和发展。
在一种可能的实现方式中，从预先定义好的参数中获取预先定义的业务措施，再获取根据业务措施预先定义的第三业务对象以及第三指标数据。
S107，根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据，并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。
在一种可能的实现方式中，生成多个数字化后的第三实例对象数据时，先从方案库中获取第三业务对象的第三数据集，然后采用第三指标数据将第三数据集进行数字化，生成多个第三数字化结果，最后将多个第三数字化结果确定为第三业务对象的多个数字化后的第三实例对象数据。
进一步地，在针对业务环境与业务措施进行成效分析后生成最优决策时，先根据多个数字化后的第三实例对象数据分别计算业务措施的效能值与总收益参数，然后将业务措施的效能值与总收益参数生成业务措施的总体收益，最后根据总体收益、预设算法从方案库中查找最优业务措施，并将最优业务措施确定为最优决策。
具体的，对于一个给定的时间约束条件T，空间约束条件S以及分析的一类业务现象P，设对应解决此业务现象的业务措施O的集合为
Figure PCTCN2022104959-appb-000024
Figure PCTCN2022104959-appb-000025
其中
Figure PCTCN2022104959-appb-000026
是业务措施O数字化后的一个实例对象。
对于给定的一个业务措施
Figure PCTCN2022104959-appb-000027
其可以将当前的业务环境
Figure PCTCN2022104959-appb-000028
修改为业务环境
Figure PCTCN2022104959-appb-000029
满足条件
Figure PCTCN2022104959-appb-000030
且
Figure PCTCN2022104959-appb-000031
则说明通过措施
Figure PCTCN2022104959-appb-000032
避免了业务现象
Figure PCTCN2022104959-appb-000033
的发生。对于措施
Figure PCTCN2022104959-appb-000034
的效能，我们可以用
Figure PCTCN2022104959-appb-000035
Figure PCTCN2022104959-appb-000036
来定义。
在实际应用中，在采取业务措施
Figure PCTCN2022104959-appb-000037
前，修改后的业务环境
Figure PCTCN2022104959-appb-000038
是未知的。我们仅能够通过若干次的演练或实操，来归纳
Figure PCTCN2022104959-appb-000039
对业务环境的影响，这里不妨记为
Figure PCTCN2022104959-appb-000040
则有
Figure PCTCN2022104959-appb-000041
则我们可以重写
Figure PCTCN2022104959-appb-000042
Figure PCTCN2022104959-appb-000043
同样的，我们可以通过若干次演练或实操，来归纳
Figure PCTCN2022104959-appb-000044
的成本，这里不妨记为
Figure PCTCN2022104959-appb-000045
进一步的，对 于措施
Figure PCTCN2022104959-appb-000046
执行前后的总收益，记为
Figure PCTCN2022104959-appb-000047
其中α和β分别为效能和成本的系数。我们在制订业务措施的时候，总希望其能够在获得高效能的同时，有足够低的成本付出。
综上，业务智能化的关键为在业务措施解空间Υ中寻找一个业务措施，使得总收益最高，记为：
Figure PCTCN2022104959-appb-000048
这被定义为一个最优化问题，可以用最小梯度法、牛顿法、启发式搜索等最优化方法求解。
例如图6所示，图6是本申请业务数字化的分析的系统架构，首先，传感器采集的实时数据存储到数据仓库中，数据仓库提供了业务现象bo p和业务环境bo e的实例化表达，进一步地，基于数字态的bo p和bo e可以实现对业务现象和业务环境的实时监测。例如，我们可以实时监测拥堵现象，也可以监测拥堵背后的流量环境；
其次，我们可以在监测数字态bo e的基础上，对bo e的未来趋势进行预测，预测的方法有很多，例如各种参数化方法或非参数化方法。注意，我们不主张孤立地对业务现象bo p做预测，因为不考虑业务环境变化的前提下对业务现象做预测是不尽合理的。因此，我们主张在对bo e监测和预测的基础上，结合知识库提供的Φ(T,S,P)的实例化条件，通过比较bo e与Φ(T,S,P)来预测业务现象bo p的发生和发展，并根据
Figure PCTCN2022104959-appb-000049
和
Figure PCTCN2022104959-appb-000050
的大小做分级预警，后进一步对预警效果进行评估和优化；
最后，由预警模块触发，从方案库提供的解空间Υ(T,S,P)中，搜索最优的业务措施bo o并返回供决策。同时，根据业务现象与业务环境的监测情况，对业务措施的优劣进行反馈和调整。在本申请实施例提出的业务数字化的分析方法，先获取时间约束条件、空间约束条件以及待分析的业务现象，并接收基于业务现象获取的第一业务对象以及第一指标数据，然后根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据，再获取业务现象对应的业务环境，并接收基于业务环境获取的第二业务对象以及第二指标数据，其次根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据，再根据多个数字化后的第二实例对象数据针对业务现象与待监测业务环境进行归因分析得到分析结果，并基于分析结果进行预测预警，再获取业务现象对应的业务措施，并接收基于业务措施获取的第三业务对象以及第三指标数据，最后根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据，并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。由于本申请通过对业务数据进行数字化表达，从而可以对业务环境的数字化监测，进一步对业务现象的发生进行预测和预警，最后生成业务措施的最优决策。
请参见图7，为本申请实施例提供了一种业务数字化的分析路线逻辑图，如图7所示，受DIKE(Data、Information、Knowledge、Wisdom)模型启发，本申请将管理数字化过程分为业务数据化、业务知识化和业务智能化三个阶段。其中，业务数据化对应DIKW模型的Data和Information阶段，随着端智能的发展，Data和Information的界限越来越模糊。业务知识化和业务智能化分别 对应DIKW模型的Knowledge和Wisdom阶段。
在业务数据化阶段，先完成业务现象、业务环境和业务措施的数据化表达，在数据化表达的基础上，主要的业务形态为感知监测，即对涉及的业务对象和指标进行监测；
在业务知识化阶段，主要完成业务现象与业务环境间的归因分析，挖掘业务环境的数据化表达与业务现象的数据化表达之间的相关性，即业务环境的变化会如何作用在业务现象的变化上。在归因分析的基础上，通过对业务环境的数字化监测，可以对业务现象的发生进行预测和预警。
在业务智能化阶段，主要完成业务措施与业务环境间的成效分析，定义业务措施的解空间，并对业务措施进行成本和效能量化分析，即挖掘业务措施的数字化表达与业务环境的数字化表达之间的相关性，分析业务措施的变化会如何作用在业务环境的变化上，并进而如何影响业务现象的产生和变化。这一阶段的主要业务形态为决策生成，即在业务措施解空间中依据成本和效能的平衡规则搜索一个较优的决策解。
下述为本申请装置实施例，可以用于执行本申请任意实施例所提供的方法。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
请参见图8，其示出了本申请一个示例性实施例提供的业务数字化的分析装置的结构示意图。该业务数字化的分析装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置1包括第一参数设定模块10、第一实例对象生成模块20、第二参数设定模块30、第二实例对象生成模块40、预警分析模块50、第三参数设定模块60、最优决策生成模块70。
第一参数设定模块10，用于获取时间约束条件、空间约束条件以及待分析的业务现象，并接收基于业务现象获取的第一业务对象以及第一指标数据；
第一实例对象生成模块20，用于根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据；
第二参数设定模块30，用于获取业务现象对应的业务环境，并接收基于业务环境定义的第二业务对象以及第二指标数据；
第二实例对象生成模块40，用于根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据；
预警分析模块50，用于根据多个数字化后的第二实例对象数据针对业务现象与业务环境进行归因分析得到分析结果，并基于分析结果进行预测预警；
第三参数设定模块60，用于获取业务现象对应的业务措施，并接收基于业务措施获取的第三业务对象以及第三指标数据；
最优决策生成模块70，用于根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据，并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。
需要说明的是，上述实施例提供的业务数字化的分析装置在执行业务数字化的分析方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的业务数字化的分析装置与业务数字化的分析方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
如在本申请中所使用的，术语“组件”、“模块”和“系统”等旨在表示 计算机相关的实体，它可以是硬件、硬件和软件的组台、软件、或者执行中的软件。例如，组件可以是但不限于是，在处理器上运行的进程、处理器、对象、可执行码、执行的钱程、程序和或计算机。作为说明，运行在服务器上的应用程序和服务器都可以是组件。一个或多个组件可以驻留在进程和或执行的线程中，并且组件可以位于一个计算机内和或分布在两个或更多的计算机之间。
上述申请实施例的业务数字化的分析装置可执行本申请任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施例中详尽描述的技术细节，可参见本申请任意实施例提供的人脸识别模型的方法。。
本申请还提供一种计算机可读介质，所述计算机可读介质可以是非易失性，也可以是易失性，其上存储有计算机可读指令，该计算机可读指令被处理器执行时实现上述各个方法实施例提供的业务数字化的分析方法。
本申请还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各个方法实施例的业务数字化的分析方法。
请参见图9，为本申请实施例提供了一种终端的结构示意图。如图9所示，终端1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。
其中，通信总线1002用于实现这些组件之间的连接通信。
其中，用户接口1003可以包括显示屏(Display)、摄像头(Camera)，可选用户接口1003还可以包括标准的有线接口、无线接口。
其中，网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分，所述存储器中存储有计算机可读指令，通过运行或执行存储在存储器1005内的计算机可读指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行电子设备1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable Logic Array，PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central Processing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。
其中，存储器1005可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。可选的，该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的计算机可读指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的计算机可读指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图9所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及业务数字化的分析应用程序，业务数字化的分析应用程序具 体可以是由一系列计算机可读指令组成。
在图9所示的终端1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储的业务数字化的分析应用程序，或处理器1001调用存储器1005中存储的计算机可读指令时，并具体执行以下操作：
获取时间约束条件、空间约束条件以及待分析的业务现象，并接收基于业务现象获取的第一业务对象以及第一指标数据；
根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据；
获取业务现象对应的业务环境，并接收基于业务环境获取的第二业务对象以及第二指标数据；
根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据；
根据多个数字化后的第二实例对象数据针对业务现象与待监测业务环境进行归因分析得到分析结果，并基于分析结果进行预测预警；
获取业务现象对应的业务措施，并接收基于业务措施获取的第三业务对象以及第三指标数据；
根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据，并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。
在一个实施例中，处理器1001在执行获取时间约束条件、空间约束条件以及待分析的业务现象之前时，还执行以下操作：
通过预先布设的传感器设备采集实时数据；
将实时数据传输至数据仓库进行保存。
在一个实施例中，处理器1001在根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据时，具体执行以下操作：
根据时间约束条件、空间约束条件从数据仓库中获取第一数据集；
采用第一指标数据将第一数据集进行数字化，生成多个第一数字化结果；
将多个第一数字化结果确定为第一业务对象的多个数字化后的第一实例对象数据。
在一个实施例中，处理器1001在执行根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据时，具体执行以下操作：
从数据仓库中获取第二业务对象的第二数据集；
采用第二指标数据将第二数据集进行数字化，生成多个第二数字化结果；
将多个第二数字化结果确定为第二业务对象的多个数字化后的第二实例对象数据；其中，多个数字化后的第二实例对象中每个第二实例对象与多个数字化后的第一实例对象数据中每个第一实例对象数据对应。
在一个实施例中，处理器1001在执行根据多个数字化后的第二实例对象数据针对业务现象与待监测业务环境进行归因分析得到分析结果，并基于分析结果进行预测预警时，具体执行以下操作：
采用One-Class SVM算法将多个数字化后的第二实例对象数据进行求解计算，生成超平面；
将超平面确定为分析结果并保存；
确定待监测业务环境实例数据；
计算待监测业务环境实例数据与分析结果之间的目标距离；
根据目标距离确定待监测业务环境实例数据是否存在与分析结果中；
若存在，确定业务现象发生的概率大于安全值；
若不存在且所述目标距离与所述分析结果的边界距离小于预设值时，确定业务现象发生的概率大于安全值；
生成预警信息发送至平台进行展示。
在一个实施例中，处理器1001在执行根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据时，具体执行以下操作：
从知识库中获取第三业务对象的第三数据集；
采用第三指标数据将第三数据集进行数字化，生成多个第三数字化结果；
将多个第三数字化结果确定为第三业务对象的多个数字化后的第三实例对象数据。
在一个实施例中，处理器1001在执行跟据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策时，具体执行以下操作：
根据多个数字化后的第三实例对象数据分别计算业务措施的效能值与总收益参数；
将业务措施的效能值与总收益参数生成业务措施的总体收益；
根据总体收益、预设算法从知识库中查找最优业务措施，并将最优业务措施确定为最优决策。
根据本申请实施例提供的技术方案，在进行业务数字化分析时，先获取时间约束条件、空间约束条件以及待分析的业务现象，并接收基于业务现象获取的第一业务对象以及第一指标数据，然后根据时间约束条件、空间约束条件与第一指标数据得到第一业务对象的多个数字化后的第一实例对象数据，再获取业务现象对应的业务环境，并接收基于业务环境获取的第二业务对象以及第二指标数据，其次根据多个数字化后的第一实例对象数据、第二指标数据得到第二业务对象的多个数字化后的第二实例对象数据，再根据多个数字化后的第二实例对象数据针对业务现象与待监测业务环境进行归因分析得到分析结果，并基于分析结果进行预测预警，再获取业务现象对应的业务措施，并接收基于业务措施获取的第三业务对象以及第三指标数据，最后根据第三指标数据得到第三业务对象的多个数字化后的第三实例对象数据，并根据多个数字化后的第三实例对象数据针对业务环境与业务措施进行成效分析后生成最优决策。本申请通过对数字化的业务数据和业务环境进行归因分析，得到分析结果，进一步对业务现象的发生进行预测和预警，再对业务环境和业务措施进行成效分析，最后生成业务措施的最优决策。
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。其中，一种存储有计算机可读指令的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。

Claims (20)

  1. 一种业务数字化的分析方法，其中，所述方法包括：
    获取时间约束条件、空间约束条件以及待分析的业务现象，并接收基于所述业务现象获取的第一业务对象以及第一指标数据；
    根据所述时间约束条件、空间约束条件与所述第一指标数据得到所述第一业务对象的多个数字化后的第一实例对象数据；
    获取所述业务现象对应的业务环境，并接收基于所述业务环境获取的第二业务对象以及第二指标数据；
    根据所述多个数字化后的第一实例对象数据、第二指标数据得到所述第二业务对象的多个数字化后的第二实例对象数据；
    根据所述多个数字化后的第二实例对象数据针对所述业务现象与待监测业务环境进行归因分析得到分析结果，并基于所述分析结果进行预测预警；
    获取所述业务现象对应的业务措施，并接收基于所述业务措施获取的第三业务对象以及第三指标数据；
    根据所述第三指标数据得到所述第三业务对象的多个数字化后的第三实例对象数据，并根据所述多个数字化后的第三实例对象数据针对所述业务环境与所述业务措施进行成效分析后生成最优决策。
  2. 根据权利要求1所述的方法，其中，所述获取时间约束条件、空间约束条件以及待分析的业务现象之前，还包括：
    通过预先布设的传感器设备采集实时数据；
    将所述实时数据传输至数据仓库进行保存。
  3. 根据权利要求1所述的方法，其中，所述根据所述时间约束条件、空间约束条件与所述第一指标数据得到所述第一业务对象的多个数字化后的第一实例对象数据，包括：
    根据所述时间约束条件、空间约束条件从数据仓库中获取第一数据集；
    采用所述第一指标数据将所述第一数据集进行数字化，生成多个第一数字化结果；
    将所述多个第一数字化结果确定为所述第一业务对象的多个数字化后的第一实例对象数据。
  4. 根据权利要求1所述的方法，其中，所述根据所述多个数字化后的第一实例对象数据、第二指标数据得到所述第二业务对象的多个数字化后的第二实例对象数据，包括：
    从数据仓库中获取所述第二业务对象的第二数据集；
    采用所述第二指标数据将所述第二数据集进行数字化，生成多个第二数字化结果；
    将所述多个第二数字化结果确定为所述第二业务对象的多个数字化后的第二实例对象数据；其中，所述多个数字化后的第二实例对象中每个第二实例对象与所述多个数字化后的第一实例对象数据中每个第一实例对象数据对应。
  5. 根据权利要求1所述的方法，其中，所述根据所述多个数字化后的第二实例对象数据针对所述业务现象与待监测业务环境进行归因分析得到分析结果，并基于所述分析结果进行预测预警，包括：
    采用One-Class SVM算法将所述多个数字化后的第二实例对象数据进行求解计算，生成超平面；
    将所述超平面确定为分析结果并保存；
    确定待监测业务环境实例数据；
    计算所述待监测业务环境实例数据与所述分析结果之间的目标距离；
    根据所述目标距离确定所述待监测业务环境实例数据是否存在与所述分析结果中；
    若存在，确定所述业务现象发生的概率大于安全值；
    若不存在且所述目标距离与所述分析结果的边界距离小于预设值时，确定业务现象发生的概率大于安全值；
    生成预警信息发送至平台进行展示。
  6. 根据权利要求1所述的方法，其中，所述根据所述第三指标数据得到所述第三业务对象的多个数字化后的第三实例对象数据，包括：
    从知识库中获取所述第三业务对象的第三数据集；
    采用所述第三指标数据将所述第三数据集进行数字化，生成多个第三数字化结果；
    将所述多个第三数字化结果确定为所述第三业务对象的多个数字化后的第三实例对象数据。
  7. 根据权利要求6所述的方法，其中，所述跟据所述多个数字化后的第三实例对象数据针对所述业务环境与所述业务措施进行成效分析后生成最优决策，包括：
    根据所述多个数字化后的第三实例对象数据分别计算所述业务措施的效能值与总收益参数；
    将所述业务措施的效能值与总收益参数生成业务措施的总体收益；
    根据所述总体收益、预设算法从所述知识库中查找最优业务措施，并将所述最优业务措施确定为最优决策。
  8. 一种业务数字化的分析装置，其中，所述装置包括：
    第一参数设定模块，用于获取时间约束条件、空间约束条件以及待分析的业务现象，并接收基于所述业务现象获取的第一业务对象以及第一指标数据；
    第一实例对象生成模块，用于根据所述时间约束条件、空间约束条件与所述第一指标数据得到所述第一业务对象的多个数字化后的第一实例对象数据；
    第二参数设定模块，用于获取所述业务现象对应的业务环境，并接收基于所述业务环境定义的第二业务对象以及第二指标数据；
    第二实例对象生成模块，用于根据所述多个数字化后的第一实例对象数据、第二指标数据得到所述第二业务对象的多个数字化后的第二实例对象数据；
    预警分析模块，用于根据所述多个数字化后的第二实例对象数据针对所述业务现象与所述业务环境进行归因分析得到分析结果，并基于所述分析结果进行预测预警；
    第三参数设定模块，用于获取所述业务现象对应的业务措施，并接收基于所述业务措施获取的第三业务对象以及第三指标数据；
    最优决策生成模块，用于根据所述第三指标数据得到所述第三业务对象的多个数字化后的第三实例对象数据，并根据所述多个数字化后的第三实例对象数据针对所述业务环境与所述业务措施进行成效分析后生成最优决策。
  9. 一种存储有计算机可读指令的存储介质，其中，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行以下步骤：
    获取时间约束条件、空间约束条件以及待分析的业务现象，并接收基于所述业务现象获取的第一业务对象以及第一指标数据；
    根据所述时间约束条件、空间约束条件与所述第一指标数据得到所述第一业务对象的多个数字化后的第一实例对象数据；
    获取所述业务现象对应的业务环境，并接收基于所述业务环境获取的第二业务对象以及第二指标数据；
    根据所述多个数字化后的第一实例对象数据、第二指标数据得到所述第二业务对象的多个数字化后的第二实例对象数据；
    根据所述多个数字化后的第二实例对象数据针对所述业务现象与待监测业务环境进行归因分析得到分析结果，并基于所述分析结果进行预测预警；
    获取所述业务现象对应的业务措施，并接收基于所述业务措施获取的第三业务对象以及第三指标数据；
    根据所述第三指标数据得到所述第三业务对象的多个数字化后的第三实例对象数据，并根据所述多个数字化后的第三实例对象数据针对所述业务环境与所述业务措施进行成效分析后生成最优决策。
  10. 根据权利要求9所述的存储有计算机可读指令的存储介质，其中，所述计算机可读指令被一个或多个处理器执行，使得一个或多个处理器执行所述获取时间约束条件、空间约束条件以及待分析的业务现象之前时，还包括：
    通过预先布设的传感器设备采集实时数据；
    将所述实时数据传输至数据仓库进行保存。
  11. 根据权利要求9所述的存储有计算机可读指令的存储介质，其中，所述计算机可读指令被一个或多个处理器执行，使得一个或多个处理器执行所述根据所述时间约束条件、空间约束条件与所述第一指标数据得到所述第一业务对象的多个数字化后的第一实例对象数据时，具体包括：
    根据所述时间约束条件、空间约束条件从数据仓库中获取第一数据集；
    采用所述第一指标数据将所述第一数据集进行数字化，生成多个第一数字化结果；
    将所述多个第一数字化结果确定为所述第一业务对象的多个数字化后的第一实例对象数据。
  12. 根据权利要求9所述的存储有计算机可读指令的存储介质，其中，所述计算机可读指令被一个或多个处理器执行，使得一个或多个处理器执行所述根据所述多个数字化后的第一实例对象数据、第二指标数据得到所述第二业务对象的多个数字化后的第二实例对象数据时，具体包括：
    从数据仓库中获取所述第二业务对象的第二数据集；
    采用所述第二指标数据将所述第二数据集进行数字化，生成多个第二数字化结果；
    将所述多个第二数字化结果确定为所述第二业务对象的多个数字化后的第二实例对象数据；其中，所述多个数字化后的第二实例对象中每个第二实例对象与所述多个数字化后的第一实例对象数据中每个第一实例对象数据对应。
  13. 根据权利要求9所述的存储有计算机可读指令的存储介质，其中，所述计算机可读指令被一个或多个处理器执行，使得一个或多个处理器执行所述根据所述多个数字化后的第二实例对象数据针对所述业务现象与待监测业务环境进行归因分析得到分析结果，并基于所述分析结果进行预测预警时，具体包括：
    采用One-Class SVM算法将所述多个数字化后的第二实例对象数据进行求解计算，生成超平面；
    将所述超平面确定为分析结果并保存；
    确定待监测业务环境实例数据；
    计算所述待监测业务环境实例数据与所述分析结果之间的目标距离；
    根据所述目标距离确定所述待监测业务环境实例数据是否存在与所述分析结果中；
    若存在，确定所述业务现象发生的概率大于安全值；
    若不存在且所述目标距离与所述分析结果的边界距离小于预设值时，确定业务现象发生的概率大于安全值；
    生成预警信息发送至平台进行展示。
  14. 根据权利要求9所述的存储有计算机可读指令的存储介质，其中，所述计算机可读指令被一个或多个处理器执行，使得一个或多个处理器执行所述根据所述第三指标数据得到所述第三业务对象的多个数字化后的第三实例对象数据时，具体包括：
    从知识库中获取所述第三业务对象的第三数据集；
    采用所述第三指标数据将所述第三数据集进行数字化，生成多个第三数字化结果；
    将所述多个第三数字化结果确定为所述第三业务对象的多个数字化后的第三实例对象数据。
  15. 一种终端，包括：处理器和存储器；其中，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行以下步骤：
    获取时间约束条件、空间约束条件以及待分析的业务现象，并接收基于所述业务现象获取的第一业务对象以及第一指标数据；
    根据所述时间约束条件、空间约束条件与所述第一指标数据得到所述第一业务对象的多个数字化后的第一实例对象数据；
    获取所述业务现象对应的业务环境，并接收基于所述业务环境获取的第二业务对象以及第二指标数据；
    根据所述多个数字化后的第一实例对象数据、第二指标数据得到所述第二业务对象的多个数字化后的第二实例对象数据；
    根据所述多个数字化后的第二实例对象数据针对所述业务现象与待监测业务环境进行归因分析得到分析结果，并基于所述分析结果进行预测预警；
    获取所述业务现象对应的业务措施，并接收基于所述业务措施获取的第三业务对象以及第三指标数据；
    根据所述第三指标数据得到所述第三业务对象的多个数字化后的第三实例对象数据，并根据所述多个数字化后的第三实例对象数据针对所述业务环境与所述业务措施进行成效分析后生成最优决策。
  16. 根据权利要求15所述的终端，其中，所述处理器执行所述获取时间约束条件、空间约束条件以及待分析的业务现象之前时，还包括：
    通过预先布设的传感器设备采集实时数据；
    将所述实时数据传输至数据仓库进行保存。
  17. 根据权利要求15所述的终端，其中，所述处理器执行所述根据所述时间约束条件、空间约束条件与所述第一指标数据得到所述第一业务对象的多个数字化后的第一实例对象数据时，包括：
    根据所述时间约束条件、空间约束条件从数据仓库中获取第一数据集；
    采用所述第一指标数据将所述第一数据集进行数字化，生成多个第一数字化结果；
    将所述多个第一数字化结果确定为所述第一业务对象的多个数字化后的第一实例对象数据。
  18. 根据权利要求15所述的终端，其中，所述处理器执行所述根据所述多个数字化后的第一实例对象数据、第二指标数据得到所述第二业务对象的多个数字化后的第二实例对象数据时，包括：
    从数据仓库中获取所述第二业务对象的第二数据集；
    采用所述第二指标数据将所述第二数据集进行数字化，生成多个第二数字化结果；
    将所述多个第二数字化结果确定为所述第二业务对象的多个数字化后的第二实例对象数据；其中，所述多个数字化后的第二实例对象中每个第二实例对象与所述多个数字化后的第一实例对象数据中每个第一实例对象数据对应。
  19. 根据权利要求15所述的终端，其中，所述处理器执行所述根据所述多个数字化后的第二实例对象数据针对所述业务现象与待监测业务环境进行归因分析得到分析结果，并基于所述分析结果进行预测预警时，包括：
    采用One-Class SVM算法将所述多个数字化后的第二实例对象数据进行求解计算，生成超平面；
    将所述超平面确定为分析结果并保存；
    确定待监测业务环境实例数据；
    计算所述待监测业务环境实例数据与所述分析结果之间的目标距离；
    根据所述目标距离确定所述待监测业务环境实例数据是否存在与所述分析结果中；
    若存在，确定所述业务现象发生的概率大于安全值；
    若不存在且所述目标距离与所述分析结果的边界距离小于预设值时，确定业务现象发生的概率大于安全值；
    生成预警信息发送至平台进行展示。
  20. 根据权利要求15所述的终端，其中，所述处理器执行所述根据所述第三指标数据得到所述第三业务对象的多个数字化后的第三实例对象数据时，包括：
    从知识库中获取所述第三业务对象的第三数据集；
    采用所述第三指标数据将所述第三数据集进行数字化，生成多个第三数字化结果；
    将所述多个第三数字化结果确定为所述第三业务对象的多个数字化后的第三实例对象数据。
PCT/CN2022/104959 2021-07-14 2022-07-11 一种业务数字化的分析方法、装置、存储介质及终端 WO2023284689A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110796487.9A CN113672643B (zh) 2021-07-14 2021-07-14 一种业务数字化的分析方法、装置、存储介质及终端
CN202110796487.9 2021-07-14

Publications (1)

Publication Number Publication Date
WO2023284689A1 true WO2023284689A1 (zh) 2023-01-19

Family

ID=78539129

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2022/104959 WO2023284689A1 (zh) 2021-07-14 2022-07-11 一种业务数字化的分析方法、装置、存储介质及终端

Country Status (2)

Country Link
CN (1) CN113672643B (zh)
WO (1) WO2023284689A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117172627A (zh) * 2023-11-03 2023-12-05 腾讯科技（深圳）有限公司 一种业务执行方法、装置、设备及存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113672643B (zh) * 2021-07-14 2022-08-16 北京千方科技股份有限公司 一种业务数字化的分析方法、装置、存储介质及终端

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463759A (zh) * 2014-11-28 2015-03-25 东莞中国科学院云计算产业技术创新与育成中心 基于数字预案的决策指挥一体机及其运行方法
CN108583569A (zh) * 2018-03-26 2018-09-28 刘福珍 一种基于二重移动平均算法的碰撞预警装置
CN111901171A (zh) * 2020-07-29 2020-11-06 腾讯科技（深圳）有限公司 异常检测和归因方法、装置、设备及计算机可读存储介质
CN113672643A (zh) * 2021-07-14 2021-11-19 北京掌行通信息技术有限公司 一种业务数字化的分析方法、装置、存储介质及终端

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8127237B2 (en) * 2007-09-24 2012-02-28 Sap Ag Active business client
CN103607467B (zh) * 2013-11-28 2017-01-18 东莞中国科学院云计算产业技术创新与育成中心 空地一体化应急指挥平台
US11461726B2 (en) * 2019-01-21 2022-10-04 Adp, Inc. Business insight generation system
CN111461668A (zh) * 2020-04-08 2020-07-28 国网天津市电力公司 一种基于流程自动化技术的数字化审计系统及方法
CN112434098B (zh) * 2020-10-23 2021-12-21 北京千方科技股份有限公司 一种路网运行的管理方法、装置、存储介质及终端
CN112200492B (zh) * 2020-11-02 2024-02-06 傲林科技有限公司 一种数字孪生模型构建、业务活动预测分析方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463759A (zh) * 2014-11-28 2015-03-25 东莞中国科学院云计算产业技术创新与育成中心 基于数字预案的决策指挥一体机及其运行方法
CN108583569A (zh) * 2018-03-26 2018-09-28 刘福珍 一种基于二重移动平均算法的碰撞预警装置
CN111901171A (zh) * 2020-07-29 2020-11-06 腾讯科技（深圳）有限公司 异常检测和归因方法、装置、设备及计算机可读存储介质
CN113672643A (zh) * 2021-07-14 2021-11-19 北京掌行通信息技术有限公司 一种业务数字化的分析方法、装置、存储介质及终端

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117172627A (zh) * 2023-11-03 2023-12-05 腾讯科技（深圳）有限公司 一种业务执行方法、装置、设备及存储介质
CN117172627B (zh) * 2023-11-03 2024-02-27 腾讯科技（深圳）有限公司 一种业务执行方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN113672643A (zh) 2021-11-19
CN113672643B (zh) 2022-08-16

Similar Documents

Publication Publication Date Title
WO2023284689A1 (zh) 一种业务数字化的分析方法、装置、存储介质及终端
Lécué et al. Star-city: semantic traffic analytics and reasoning for city
Arvin et al. Safety critical event prediction through unified analysis of driver and vehicle volatilities: Application of deep learning methods
Vlahogianni Computational intelligence and optimization for transportation big data: challenges and opportunities
Liu et al. Deep learning-based data analytics for safety in construction
EP3918472B1 (en) Techniques to detect fusible operators with machine learning
Cao et al. COVID-19 modeling: A review
Mukhopadhyay et al. A review of incident prediction, resource allocation, and dispatch models for emergency management
CN113570867B (zh) 一种城市交通状态预测方法、装置、设备及可读存储介质
EP3951741B1 (en) Method for acquiring traffic state, relevant apparatus, roadside device and cloud control platform
CN111782900B (zh) 异常业务检测方法、装置、电子设备及存储介质
WO2021093625A1 (zh) 智能分析算法选取方法、装置、系统及电子设备
Praveen et al. RETRACTED ARTICLE: smart traffic management system in metropolitan cities
Yang et al. Development of online scalable approach for identifying secondary crashes
CN107992958A (zh) 基于arma的人口超限预警方法
KR101598343B1 (ko) 정체 시공간 패턴 자동인식 시스템 및 그 방법
Mukhopadhyay et al. A Review of Incident Prediction, Resource Allocation, and Dispatch Models for Emergency Management
Goel et al. An ontology-driven context aware framework for smart traffic monitoring
Mokhtarimousavi et al. A temporal investigation of crash severity factors in worker-involved work zone crashes: Random parameters and machine learning approaches
Fournier et al. Extending Event-Driven Architecture for Proactive Systems.
Kanakala et al. Modelling a deep network using CNN and RNN for accident classification
Valencia et al. Overhead view bus passenger detection and counter using deepsort and tiny-yolo v4
Pamuncak et al. Deep learning for bridge load capacity estimation in post-disaster and-conflict zones
CN117274868A (zh) 一种基于大模型对视频进行交通事件识别方法及系统
CN115796287A (zh) 基于深度学习的场所流量控制方法、系统及可读介质

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: 22841325

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE