CN106326437A - 一种财经数据分析方法和装置 - Google Patents
一种财经数据分析方法和装置 Download PDFInfo
- Publication number
- CN106326437A CN106326437A CN201610729608.7A CN201610729608A CN106326437A CN 106326437 A CN106326437 A CN 106326437A CN 201610729608 A CN201610729608 A CN 201610729608A CN 106326437 A CN106326437 A CN 106326437A
- Authority
- CN
- China
- Prior art keywords
- data
- finance
- analysis
- economics
- result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—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
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9038—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/04817—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance using icons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种财经数据分析方法和装置,其中该方法包括:接收由数据获取图标触发的信号,从多个财经数据源获取财经数据,并对所述财经数据进行整理后进行分布式的云存储;接收由数据分析图标触发的信号,选取优化后的财经分析模型对存储的财经数据进行分布式的可视化分析,生成财经分析结果。以此通过可视化的操作,降低了用户的学习成本,与此同时,还通过分布式的云存储降低了使用成本;以及通过样本数据来实现对财经分析模型进行优化,保证了财经数据分析的准确性。
Description
技术领域
本发明涉及财经数据处理领域,特别涉及一种财经数据分析方法和装置。
背景技术
现有的数据处理,特别是数据挖掘技术的***架共包括应用***、大数据平台、数据源三个层次。
通过这三层架构,实现对各种不同数据源的数据汇总,然后存储在大数据平台中,再通过大数据平台对数据进行分析,最后实现数据的展现,为用户提供数据查询、数据分析、决策支持、监控预警等多种数据服务。
因为大数据的4V特性,其中,具体的4V即Volume(对应数据容量大)、Variety(对应数据种类多)、Value(对应数据价值提取)、Velocity(对应数据处理速度要求快),具体的,大数据的数据容量特别大,从TB级别,跃升到PB级别;且数据的类型繁多,数据的商业价值密度的高低与数据总量的大小成反比。以视频为例,一部1小时的视频,在连续不间断的监控中,有用数据可能仅有一二秒;要求对数据的处理速度很快,特别在海量的数据面前,处理数据的效率就是企业的生命。
由此,使得大数据,特别是关于财经大数据的应用非常复杂;而且大数据的部署实施不仅需要大量的功能插件协同配置,更需要技术专家和特定行业应用专家共同携手实施。实际中考察当前主要大数据服务厂家,主要集中行业巨头手中,行业巨头的垄断性导致意味着大数据项目选择有限,而且费用会非常的高昂;而大数据技术的复杂性,意味着需要企业组建一个技术经验丰富的团队来负责大数据平台的运维,这对很多企业来说也是很难承担的负担。因此大数据平台在应用方面存在诸多瓶颈,具体有以下两点:
1、项目成本高昂;使得很多企业无法负担大数据平台的建设;
2、技术学习成本高昂;因为大数据技术应用的复杂性,使得从业者花费大量时间去学习才能掌握并运用大数据技术。而且现在大数据技术更新的非常快,这更增大了从业者的挑战。
发明内容
针对现有技术中的缺陷,本发明提出了一种财经数据分析方法和装置,用以克服现有技术中的缺陷,解决财经数据分析的问题。
具体的,本发明提出了以下具体的实施例:
本发明实施例提出了一种财经数据分析方法,应用于预先设置有多个图标的***中,该方法包括:
接收由数据获取图标触发的信号,从多个财经数据源获取财经数据,并对所述财经数据进行整理后进行分布式的云存储;
接收由数据分析图标触发的信号,选取优化后的财经分析模型对存储的财经数据进行分布式的可视化分析,生成财经分析结果。
进一步的,所述优化后的财经分析模型,其生成过程如下:
获取财经样本数据,并对所述财经样本数据进行整理后进行分布式的云存储,其中,所述财经样本数据对应有已知分析结果;
逐个选取预设的多个财经分析模型对存储的样本数据进行分布式的可视化分析,生成多个财经样本分析结果;
将财经样本分析结果与已知财经分析结果进行比较,确定各财经样本分析结果与已知财经分析结果之间的差异值;
根据差异值从小到大进行排序,选取位于前面的预设数量的财经样本分析结果;
基于选取的财经样本分析的结果所对应的财经分析模型,生成优化后的财经分析模型。
进一步的,该方法还包括:将优化后的财经分析模型作为新的财经分析模型进行存储,并将选取的财经样本分析的结果作为对应新的财经分析模型的已知分析结果进行存储。
进一步的,所述接收由数据获取图标触发的信号,从多个财经数据源获取财经数据,并对所述财经数据进行整理后进行分布式的云存储,具体包括:
接收由数据获取图标触发的信号,从多个财经数据源获取数据;
对获取到的财经数据进行清洗,以使得清洗后的财经数据满足存储的格式;
对清洗后的财经数据进行分类,并将分类后的财经数据分别存储在多个区域数据中心中;其中,各个区域数据中心之间通过高速互联网络实现连接。
进一步的,所述接收由数据分析图标触发的信号,选取优化后的分析模型对存储的财经数据进行分布式的可视化分析,生成财经分析结果,具体包括:
接收由数据分析图标触发的信号,确定存储数据的各个区域数据中心;
对每个区域数据中心,以并行的方式结合地理信息***对各区域数据中的财经数据进行可视化分析,生成对应的财经子分析结果;
综合多个财经子分析结果生成财经分析结果。
本发明实施例还提出了一种财经数据分析装置,包括:
显示模块,用于显示设置有多个图标的界面;
获取模块,用于接收由数据获取图标触发的信号,从多个财经数据源获取财经数据,并对所述财经数据进行整理后进行分布式的云存储;
分析模块,用于接收由数据分析图标触发的信号,选取优化后的财经分析模型对存储的财经数据进行分布式的可视化分析,生成财经分析结果。
进一步的,所述优化后的财经分析模型,其生成过程如下:
获取财经样本数据,并对所述财经样本数据进行整理后进行分布式的云存储,其中,所述财经样本数据对应有已知分析结果;
逐个选取预设的多个财经分析模型对存储的样本数据进行分布式的可视化分析,生成多个财经样本分析结果;
将财经样本分析结果与已知财经分析结果进行比较,确定各财经样本分析结果与已知财经分析结果之间的差异值;
根据差异值从小到大进行排序,选取位于前面的预设数量的财经样本分析结果;
基于选取的财经样本分析的结果所对应的财经分析模型,生成优化后的财经分析模型。
进一步的,还包括:设置模块,用于将优化后的财经分析模型作为新的财经分析模型进行存储,并将选取的财经样本分析的结果作为对应新的财经分析模型的已知分析结果进行存储。
进一步的,所述获取模块,具体用于:
接收由数据获取图标触发的信号,从多个财经数据源获取数据;
对获取到的财经数据进行清洗,以使得清洗后的财经数据满足存储的格式;
对清洗后的财经数据进行分类,并将分类后的财经数据分别存储在多个区域数据中心中;其中,各个区域数据中心之间通过高速互联网络实现连接。
进一步的,所述分析模块,具体用于:
接收由数据分析图标触发的信号,确定存储数据的各个区域数据中心;
对每个区域数据中心,以并行的方式结合地理信息***对各区域数据中的财经数据进行可视化分析,生成对应的财经子分析结果;
综合多个财经子分析结果生成财经分析结果。
与现有技术相比,本发明公开了一种财经数据分析方法和设备,其中该方法包括:接收由数据获取图标触发的信号,从多个财经数据源获取财经数据,并对所述财经数据进行整理后进行分布式的云存储;接收由数据分析图标触发的信号,选取优化后的财经分析模型对存储的财经数据进行分布式的可视化分析,生成财经分析结果。以此通过可视化的操作,降低了用户的学习成本,与此同时,还通过分布式的云存储降低了使用成本;以及通过财经样本数据来实现对分析模型进行优化,保证了财经数据分析的准确性。
附图说明
图1为本发明实施例提出的一种财经数据分析方法的流程示意图;
图2为本发明实施例提出的一种财经数据分析装置的结构示意图。
具体实施方式
针对现有技术中的缺陷,本发明针对财经数据处理所面临的技术问题,提出了一种财经数据分析方法和装置,可用于解决财经数据分析方面的问题,具体的,例如可以为对经济走势的分析与预测、对地区或者公司等对象提供财经的分析结果,便于所要求的对象做出对应的应对策略等等,可应用于财经的大数据领域,用以克服现有技术中的缺陷,解决在大数据分析中所带来的成本很高的问题,降低大数据的分析成本。
具体的,本发明提出了以下具体的实施例:
实施例1
本发明实施例1提出了一种数据分析方法,应用于预先设置有多个图标的***中,其中,各图标对应有不同的功能,数据获取图标用于触发获取数据的操作,数据分析图标用于触发数据分析的操作,优化分析图标用于触发优化分析的操作;如图1所示,该方法包括:
步骤101、接收由数据获取图标触发的信号,从多个财经数据源获取财经数据,并对所述财经数据进行整理后进行分布式的云存储;
具体的,所述财经数据源包括:行业数据库、和/或电力数据库(其中,电力数据库中包括工业用电数据、商业用电数据以及居民用电量数据)、和/或信贷数据库、和/或电讯数据库、和/或高速公路汽车通行数据库、和/或重点农贸市场数据库、和/或边贸数据库等等,具体的,除此以外,还可以根据需要选取其他的财经数据库中的数据来进行分析,并不限于以上的这几种。
所述财经数据包括宏观经济数据、区域经济数据、产业数据、微观企业数据;
所述财经数据具体分为结构化数据和非结构化数据。
针对财经数据不断增长的挑战,财经数据的存储成为很重要的问题,特别是非结构化数据的存储,因此本发明中,通过分布式的存储方式,且具体是以云存储的方式来进行的,降低了成本。具体的,根据已有的经验,需要的存储能力至少需要PB级存储能力。
具体的,步骤101,也即所述接收由数据获取图标触发的信号,从多个财经数据源获取财经数据,并对所述财经数据进行整理后进行分布式的云存储,具体包括:
接收由数据获取图标触发的信号,从多个财经数据源获取数据;
对获取到的财经数据进行清洗,以使得清洗后的财经数据满足存储的格式;
对清洗后的财经数据进行分类,并将分类后的财经数据分别存储在多个区域数据中心中;其中,各个区域数据中心之间通过高速互联网络实现连接。
以此通过高速互联网络,可以将各个区域数据中心之间紧密联系起来,以此当需要的时候可以快速获取到所需要的数据。且能有效降低成本。
步骤102、接收由数据分析图标触发的信号,选取优化后的财经分析模型对存储的数据进行分布式的可视化分析,生成财经分析结果。
具体的,步骤102,也即接收由数据分析图标触发的信号,选取优化后的财经分析模型对存储的数据进行分布式的可视化分析,生成财经分析结果,具体包括:
接收由数据分析图标触发的信号,确定存储数据的各个区域数据中心;
对每个区域数据中心,以并行的方式结合地理信息***对各区域数据中的财经数据进行可视化分析,生成对应的财经子分析结果;
综合多个财经子分析结果生成财经分析结果。
具体的,例如有3个区域数据中心,在进行数据分析时,这3个区域数据中心会同时进行可视化分析,具体的可视化分析为将数据分析的分析结果与全球地理信息***结合一起后,生成包括地理信息的子分析结果,而具体的数据也可以以可视化的方式,例如表格、图表、图形、示意图、地图和标签云图等结合地理信息的基础上进行展示;后续再将多个子分析结果进行综合,生成最终的分析结果,并展示给用户。
以此,一则通过并行的方式同时处理多个区域数据中的数据,提高了处理的效率,且还结合了可视化的分析方式,使得数据展示更加生动便捷有效。
而具体的,步骤102中的所涉及到的所述优化后的财经分析模型,其生成过程如下:
获取财经样本数据,并对所述财经样本数据进行整理后进行分布式的云存储,其中,所述财经样本数据对应有已知分析结果;
逐个选取预设的多个财经分析模型对存储的样本数据进行分布式的可视化分析,生成多个财经样本分析结果;
将财经样本分析结果与已知财经分析结果进行比较,确定各财经样本分析结果与已知财经分析结果之间的差异值;
根据差异值从小到大进行排序,选取位于前面的预设数量的财经样本分析结果;
基于选取的财经样本分析的结果所对应的财经分析模型,生成优化后的财经分析模型。
具体的,优化后的财经分析模型是基于PDCA循环来进行的,具体的,例如预设的财经分析模型有5个,对应生成的财经样本分析结果有5个,这5个财经样本分析结果分别与已知分析结果进行比较,会有差异,将差异从小到大进行排序,选取差异值较小的3个,并基于这3个财经分析模型生成优化后的分析模型。
对于实际的操作者,所需要的只是点击各种图标,后台会自动完成图标对应的操作,以此大大降低了操作者的操作难度,同时也降低了学习的成本。
且在生成了优化后的财经分析模型之后,还可以将优化后的财经分析模型作为新的财经分析模型进行存储,并将选取的财经样本分析的结果作为对应新的财经分析模型的已知分析结果进行存储。
实施例2
为了对本发明进行进一步的说明,本发明实施例2还提出了一种数据分析装置,如图2所示,包括:
显示模块201,用于显示设置有多个图标的界面;
获取模块202,用于接收由数据获取图标触发的信号,从多个财经数据源获取财经数据,并对所述财经数据进行整理后进行分布式的云存储;
分析模块203,用于接收由数据分析图标触发的信号,选取优化后的财经分析模型对存储的财经数据进行分布式的可视化分析,生成财经分析结果。
具体的,所述优化后的分析模型,其生成过程如下:
获取财经样本数据,并对所述财经样本数据进行整理后进行分布式的云存储,其中,所述财经样本数据对应有已知分析结果;
逐个选取预设的多个财经分析模型对存储的样本数据进行分布式的可视化分析,生成多个财经样本分析结果;
将财经样本分析结果与已知财经分析结果进行比较,确定各财经样本分析结果与已知财经分析结果之间的差异值;
根据差异值从小到大进行排序,选取位于前面的预设数量的财经样本分析结果;
基于选取的财经样本分析的结果所对应的财经分析模型,生成优化后的财经分析模型。
具体的,所述财经数据源包括:行业数据库、和/或电力数据库、和/或信贷数据库、和/或电讯数据库、和/或高速公路汽车通行数据库、和/或重点农贸市场数据库、和/或边贸数据库;
所述财经数据包括宏观经济数据、区域经济数据、产业数据、微观企业数据;
所述财经数据具体分为结构化数据和非结构化数据。
具体的,还包括:设置模块,用于将优化后的财经分析模型作为新的财经分析模型进行存储,并将选取的财经样本分析的结果作为对应新的财经分析模型的已知分析结果进行存储。
具体的,所述获取模块202,具体用于:
接收由数据获取图标触发的信号,从多个财经数据源获取数据;
对获取到的财经数据进行清洗,以使得清洗后的财经数据满足存储的格式;
对清洗后的财经数据进行分类,并将分类后的财经数据分别存储在多个区域数据中心中;其中,各个区域数据中心之间通过高速互联网络实现连接。
具体的,所述分析模块202,具体用于:
接收由数据分析图标触发的信号,确定存储数据的各个区域数据中心;
对每个区域数据中心,以并行的方式结合地理信息***对各区域数据中的数据进行可视化分析,生成对应的财经子分析结果;
综合多个财经子分析结果生成财经分析结果。
与现有技术相比,本发明公开了一种数据分析方法和装置,其中该方法包括:接收由数据获取图标触发的信号,从多个财经数据源获取财经数据,并对所述财经数据进行整理后进行分布式的云存储;接收由数据分析图标触发的信号,选取优化后的财经分析模型对存储的财经数据进行分布式的可视化分析,生成财经分析结果。以此通过可视化的操作,降低了用户的学习成本,与此同时,还通过分布式的云存储降低了使用成本;以及通过样本数据来实现对财经分析模型进行优化,保证了财经数据分析的准确性。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本发明序号仅仅为了描述,不代表实施场景的优劣。
以上公开的仅为本发明的几个具体实施场景,但是,本发明并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (10)
1.一种财经数据分析方法,其特征在于,应用于预先设置有多个图标的***中,该方法包括:
接收由数据获取图标触发的信号,从多个财经数据源获取财经数据,并对所述财经数据进行整理后进行分布式的云存储;
接收由数据分析图标触发的信号,选取优化后的财经分析模型对存储的财经数据进行分布式的可视化分析,生成财经分析结果。
2.如权利要求1所述的数据分析方法,其特征在于,所述优化后的财经分析模型,其生成过程如下:
获取财经样本数据,并对所述财经样本数据进行整理后进行分布式的云存储,其中,所述财经样本数据对应有已知分析结果;
逐个选取预设的多个财经分析模型对存储的样本数据进行分布式的可视化分析,生成多个财经样本分析结果;
将财经样本分析结果与已知财经分析结果进行比较,确定各财经样本分析结果与已知财经分析结果之间的差异值;
根据差异值从小到大进行排序,选取位于前面的预设数量的财经样本分析结果;
基于选取的财经样本分析的结果所对应的财经分析模型,生成优化后的财经分析模型。
3.如权利要求2所述的数据分析方法,其特征在于,还包括:将优化后的财经分析模型作为新的财经分析模型进行存储,并将选取的财经样本分析的结果作为对应新的财经分析模型的已知分析结果进行存储。
4.如权利要求1所述的数据分析方法,其特征在于,所述接收由数据获取图标触发的信号,从多个财经数据源获取财经数据,并对所述财经数据进行整理后进行分布式的云存储,具体包括:
接收由数据获取图标触发的信号,从多个财经数据源获取数据;
对获取到的财经数据进行清洗,以使得清洗后的财经数据满足存储的格式;
对清洗后的财经数据进行分类,并将分类后的财经数据分别存储在多个区域数据中心中;其中,各个区域数据中心之间通过高速互联网络实现连接。
5.如权利要求1所述的数据分析方法,其特征在于,所述接收由数据分析图标触发的信号,选取优化后的分析模型对存储的财经数据进行分布式的可视化分析,生成财经分析结果,具体包括:
接收由数据分析图标触发的信号,确定存储数据的各个区域数据中心;
对每个区域数据中心,以并行的方式结合地理信息***对各区域数据中的财经数据进行可视化分析,生成对应的财经子分析结果;
综合多个子分析结果生成财经分析结果。
6.一种财经数据分析装置,其特征在于,包括:
显示模块,用于显示设置有多个图标的界面;
获取模块,用于接收由数据获取图标触发的信号,从多个财经数据源获取财经数据,并对所述财经数据进行整理后进行分布式的云存储;
分析模块,用于接收由数据分析图标触发的信号,选取优化后的财经分析模型对存储的财经数据进行分布式的可视化分析,生成财经分析结果。
7.如权利要求6所述的数据分析设备,其特征在于,所述优化后的财经分析模型,其生成过程如下:
获取财经样本数据,并对所述财经样本数据进行整理后进行分布式的云存储,其中,所述财经样本数据对应有已知分析结果;
逐个选取预设的多个财经分析模型对存储的样本数据进行分布式的可视化分析,生成多个财经样本分析结果;
将财经样本分析结果与已知财经分析结果进行比较,确定各财经样本分析结果与已知财经分析结果之间的差异值;
根据差异值从小到大进行排序,选取位于前面的预设数量的财经样本分析结果;
基于选取的财经样本分析的结果所对应的财经分析模型,生成优化后的财经分析模型。
8.如权利要求7所述的数据分析设备,其特征在于,还包括:设置模块,用于将优化后的财经分析模型作为新的财经分析模型进行存储,并将选取的财经样本分析的结果作为对应新的财经分析模型的已知分析结果进行存储。
9.如权利要求6所述的数据分析设备,其特征在于,所述获取模块,具体用于:
接收由数据获取图标触发的信号,从多个财经数据源获取数据;
对获取到的财经数据进行清洗,以使得清洗后的财经数据满足存储的格式;
对清洗后的财经数据进行分类,并将分类后的财经数据分别存储在多个区域数据中心中;其中,各个区域数据中心之间通过高速互联网络实现连接。
10.如权利要求6所述的数据分析设备,其特征在于,所述分析模块,具体用于:
接收由数据分析图标触发的信号,确定存储数据的各个区域数据中心;
对每个区域数据中心,以并行的方式结合地理信息***对各区域数据中的财经数据进行可视化分析,生成对应的财经子分析结果;
综合多个财经子分析结果生成财经分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610729608.7A CN106326437A (zh) | 2016-08-25 | 2016-08-25 | 一种财经数据分析方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610729608.7A CN106326437A (zh) | 2016-08-25 | 2016-08-25 | 一种财经数据分析方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106326437A true CN106326437A (zh) | 2017-01-11 |
Family
ID=57791195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610729608.7A Pending CN106326437A (zh) | 2016-08-25 | 2016-08-25 | 一种财经数据分析方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106326437A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018172836A1 (en) * | 2017-03-19 | 2018-09-27 | International Business Machines Corporation | Cognitive blockchain automation and management |
CN112860785A (zh) * | 2021-03-31 | 2021-05-28 | 山东财经大学 | 一种经济数据分析方法及*** |
US11176277B2 (en) | 2017-03-19 | 2021-11-16 | International Business Machines Corporation | Automatic generating analytics from blockchain data |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923549A (zh) * | 2009-07-29 | 2010-12-22 | 北京航天理想科技有限公司 | 自定义可视化智能轨迹线索分析***及建立方法 |
CN104216889A (zh) * | 2013-05-30 | 2014-12-17 | 北大方正集团有限公司 | 基于云服务的数据传播性分析预测方法及*** |
CN104573071A (zh) * | 2015-01-26 | 2015-04-29 | 湖南大学 | 一种基于大数据技术的校情智能分析***及方法 |
CN104915793A (zh) * | 2015-06-30 | 2015-09-16 | 北京西塔网络科技股份有限公司 | 基于大数据分析挖掘的公共信息智能分析平台 |
-
2016
- 2016-08-25 CN CN201610729608.7A patent/CN106326437A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923549A (zh) * | 2009-07-29 | 2010-12-22 | 北京航天理想科技有限公司 | 自定义可视化智能轨迹线索分析***及建立方法 |
CN104216889A (zh) * | 2013-05-30 | 2014-12-17 | 北大方正集团有限公司 | 基于云服务的数据传播性分析预测方法及*** |
CN104573071A (zh) * | 2015-01-26 | 2015-04-29 | 湖南大学 | 一种基于大数据技术的校情智能分析***及方法 |
CN104915793A (zh) * | 2015-06-30 | 2015-09-16 | 北京西塔网络科技股份有限公司 | 基于大数据分析挖掘的公共信息智能分析平台 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018172836A1 (en) * | 2017-03-19 | 2018-09-27 | International Business Machines Corporation | Cognitive blockchain automation and management |
US10452998B2 (en) | 2017-03-19 | 2019-10-22 | International Business Machines Corporation | Cognitive blockchain automation and management |
US10997142B2 (en) | 2017-03-19 | 2021-05-04 | International Business Machines Corporation | Cognitive blockchain automation and management |
US11176277B2 (en) | 2017-03-19 | 2021-11-16 | International Business Machines Corporation | Automatic generating analytics from blockchain data |
CN112860785A (zh) * | 2021-03-31 | 2021-05-28 | 山东财经大学 | 一种经济数据分析方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106201871A (zh) | 基于代价敏感半监督的软件缺陷预测方法 | |
CN107301205A (zh) | 一种大数据分布式实时查询方法及*** | |
US20070133855A1 (en) | Similar pattern searching apparatus, method of similar pattern searching, program for similar pattern searching, and fractionation apparatus | |
Bottero et al. | Decision support systems for evaluating urban regeneration | |
CN106326437A (zh) | 一种财经数据分析方法和装置 | |
CN106157192A (zh) | 一种行程服务方法和装置 | |
CN106251260A (zh) | 一种考生志愿填报模拟***及方法 | |
CN107908536A (zh) | Cpu‑gpu异构环境中对gpu应用的性能评估方法及*** | |
CN108830413A (zh) | 一种建筑能源消耗的可视化预测方法及*** | |
CN110110663A (zh) | 一种基于人脸属性的年龄识别方法及*** | |
CN111796917A (zh) | 算子运算调度方法和装置 | |
Veeramuthu et al. | Analysis of student result using clustering techniques | |
Li et al. | Regional network education information collection platform for smart classrooms based on big data technology | |
Prasad et al. | An efficient traffic forecasting system based on spatial data and decision trees. | |
CN111444409A (zh) | 一种基于大数据的学情分析*** | |
CN106980613A (zh) | 一种搜索导航方法及设备 | |
Gunawardena et al. | Real-time Uber data analysis of popular Uber locations in Kubernetes environment | |
CN112214524A (zh) | 一种基于深度数据挖掘的数据评估***及评估方法 | |
Lehnert et al. | V3pm: a Decision Support Tool for Value-based Process Project portfolio Management. | |
CN115169578A (zh) | 一种基于元宇宙数据标记的ai模型生产方法及*** | |
CN107451283A (zh) | 数据的分析方法及装置 | |
CN108062395A (zh) | 一种轨道交通大数据分析方法及*** | |
CN114331378A (zh) | 一种高新技术企业精准培育的方法、***、设备及存储介质 | |
CN104239314A (zh) | 一种扩展检索词的方法和*** | |
Chan et al. | Querying and exploring polygamous relationships in urban spatio-temporal data sets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170111 |