CN108829638B - 一种业务数据波动处理方法及装置 - Google Patents
一种业务数据波动处理方法及装置 Download PDFInfo
- Publication number
- CN108829638B CN108829638B CN201810556156.6A CN201810556156A CN108829638B CN 108829638 B CN108829638 B CN 108829638B CN 201810556156 A CN201810556156 A CN 201810556156A CN 108829638 B CN108829638 B CN 108829638B
- Authority
- CN
- China
- Prior art keywords
- sub
- dimension
- fluctuation
- influence
- service
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种业务数据波动处理方法及装置。所述方法包括：获取业务指标对应的多个影响维度，影响维度包括至少一个子维度；计算业务指标的整体波动量和业务指标在子维度上的子波动量；根据整体波动量和子波动量，分别计算多个影响维度中各子维度对业务指标波动的贡献度的离散程度；根据影响维度中各子维度对业务指标波动的贡献度的离散程度，从多个影响维度中确定影响业务指标波动的目标影响维度。利用本申请中各个实施例，实现了对不同业务指标的监控分析，提高了业务数据波动分析处理的准确性。
Description
技术领域
本申请属于互联网技术领域，尤其涉及一种业务数据波动处理方法及装置。
背景技术
随着互联网技术的发展，人们可以利用计算机对一些网络业务数据进行监控，如：可以监控某项业务有没有风险。在日常业务监控中，当业务指标出现波动时，我们需要定位波动的幅度、波动的主要归因、波动带来的业务影响及严重程度等，其中波动的主要归因需要下探细化分析，包括定位出波动的主要维度及主要子维度。
现有技术中，通常采用直接计算制表增加量的方式，对业务指标数据进行波动分析，这种方法比较简单，对于业务数据波动处理的结果可能会不准确，尤其是复合指标式的业务指标(比如风控拒绝率(拒绝量与支付量之比))的波动数据分析。因此，亟需一种能够提高业务数据波动处理结果的准确性的实施方案。
发明内容
本申请目的在于提供一种业务数据波动处理方法及装置，提高了业务数据波动处理的准确性。
一方面本申请实施例提供了一种业务数据波动处理方法，包括：
获取业务指标对应的多个影响维度，所述影响维度包括至少一个子维度；
计算所述业务指标的整体波动量和所述业务指标在所述子维度上的子波动量；
根据所述整体波动量和所述子波动量，分别计算多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度；
根据所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度，从多个所述影响维度中确定影响所述业务指标波动的目标影响维度。
进一步地，所述方法的另一个实施例中，所述计算所述业务指标的整体波动量和所述业务指标在所述子维度上的子波动量，包括：
获取所述业务指标在所述子维度上的子数值、参考子数值，以及所述业务指标的整体数值、整体参考数值；
将所述子数值与所述参考子数值之间的差值作为匹配程度符合预设要求的所述子波动量，将所述整体数值与所述整体参考数值之间的差值作为所述整体波动量。
进一步地，所述方法的另一个实施例中，所述根据所述整体波动量和所述子波动量，分别计算多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度，包括：
根据所述整体波动量和所述子波动量，计算所述业务指标在所述子维度上的波动对所述业务指标波动的贡献度值；
根据所述影响维度中的所述子维度对应的贡献度值，计算所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度。
进一步地，所述方法的另一个实施例中，所述根据所述影响维度中的所述子维度对应的贡献度值，计算所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度，包括：
根据所述影响维度中的所述子维度对应的贡献度值，计算所述影响维度中各所述子维度对应的贡献度值的平均值；
根据所述影响维度中各所述子维度对应的贡献度值的平均值、所述子维度对应的贡献度值，计算所述影响维度中所述子维度对应的贡献度标准差或贡献度方差；
将所述贡献度标准差或贡献度方差，作为所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度。
进一步地，所述方法的另一个实施例中，所述业务指标包括第一类业务指标、第二类业务指标，所述第二类业务指标基于至少两个所述第一类业务指标计算获得，所述根据所述整体波动量和所述子波动量，计算所述业务指标在所述子维度上的波动对所述业务指标波动的贡献度，包括：
若所述业务指标为所述第一类业务指标，则将所述第一类业务指标在所述子维度上的子波动量与所述整体波动量的比值，作为所述第一类业务指标在所述子维度上的波动对所述第一类业务指标的贡献度；
若所述业务指标为所述第二类业务指标，则按照下述公式计算所述第二类业务指标在所述子维度上的波动对所述第二类业务指标的贡献度系数；
上式中，所述去除波动量包括：去除所述第二类业务指标在所述子维度上的子波动量后所述业务指标的波动量。
进一步地，所述方法的另一个实施例中，所述计算所述业务指标的整体波动量和所述业务指标在所述子维度上的子波动量后，所述方法还包括：
根据所述业务指标在至少一个所述子维度上的子波动量，分别获取至少一个所述子维度对应的波动趋势数据；
根据所述整体波动量，获取所述业务指标的整体波动趋势数据；
分别将至少一个所述子维度对应的波动趋势数据与所述整体波动趋势数据进行对比，计算所述子维度对应的波动趋势数据与所述整体波动趋势数据之间的匹配程度；
从至少一个所述子维度中筛选出匹配程度符合预设要求的子维度。
进一步地，所述方法的另一个实施例中，所述计算多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度，包括：
根据所述业务指标在所述匹配程度符合预设要求的子维度上的子波动量，计算多个所述影响维度中各所述匹配程度符合预设要求的子维度对所述业务指标波动的贡献度的离散程度。
进一步地，所述方法的另一个实施例中，所述方法还包括：
若多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度之间的差值小于预设阈值，则根据所述业务指标的历史数据，获取所述影响维度对应的业务权重系数；
相应地，所述从多个所述影响维度中确定影响所述业务指标波动的目标影响维度，包括：
在多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度之间的差值小于所述预设阈值时，根据所述业务权重系数，获取所述目标影响维度。
进一步地，所述方法的另一个实施例中，所述方法还包括：
根据所述目标影响维度中各所述子维度对所述业务指标波动的贡献度，从所述目标影响维度中确定影响所述业务指标波动的目标子维度。
另一方面，本申请提供了业务数据波动处理装置，包括：
影响维度确定模块，用于获取业务指标对应的多个影响维度，所述影响维度包括至少一个子维度；
波动量计算模块，用于计算所述业务指标的整体波动量和所述业务指标在所述子维度上的子波动量；
贡献度处理模块，用于根据所述整体波动量和所述子波动量，分别计算多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度；
波动分析模块，用于根据所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度，从多个所述影响维度中确定影响所述业务指标波动的目标影响维度。
进一步地，所述装置的另一个实施例中，获取所述业务指标在所述子维度上的子数值、参考子数值，以及所述业务指标的整体数值、整体参考数值；
将所述子数值与所述参考子数值之间的差值作为所述业务指标在所述子维度上的所述子波动量，将所述整体数值与所述整体参考数值之间的差值作为所述整体波动量。
进一步地，所述装置的另一个实施例中，所述贡献度处理模块包括：
贡献度计算单元，用于根据所述整体波动量和所述子波动量，计算所述业务指标在所述子维度上的波动对所述业务指标波动的贡献度值；
离散程度计算单元，用于根据所述影响维度中的所述子维度对应的贡献度值，计算所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度。
进一步地，所述装置的另一个实施例中，所述离散程度计算单元具体用于：
根据所述影响维度中的所述子维度对应的贡献度值，计算所述影响维度中各所述子维度对应的贡献度值的平均值；
根据所述影响维度中各所述子维度对应的贡献度值的平均值、所述子维度对应的贡献度值，计算所述影响维度中所述子维度对应的贡献度标准差或贡献度方差；
将所述贡献度标准差或贡献度方差，作为所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度。
进一步地，所述装置的另一个实施例中，所述业务指标包括第一类业务指标、第二类业务指标，所述第二类业务指标基于至少两个所述第一类业务指标计算获得，所述贡献度计算单元具体用于：
在所述业务指标为所述第一类业务指标时，将所述第一类业务指标在所述子维度上的子波动量与所述整体波动量的比值，作为所述第一类业务指标在所述子维度上的波动对所述第一类业务指标的贡献度；
在所述业务指标为所述第二类业务指标时，按照下述公式计算所述第二类业务指标在所述子维度上的波动对所述第二类业务指标的贡献度系数；
上式中，所述去除波动量包括：去除所述第二类业务指标在所述子维度上的子波动量后所述业务指标的波动量。
进一步地，所述装置的另一个实施例中，所述装置还包括：
子维度波动处理模块，用于根据所述业务指标在至少一个所述子维度上的子波动量，分别获取至少一个所述子维度对应的波动趋势数据；
整体波动处理模块，用于根据所述整体波动量，获取所述业务指标的整体波动趋势数据；
趋势对比模块，用于分别将至少一个所述子维度对应的波动趋势数据与所述整体波动趋势数据进行对比，计算所述子维度对应的波动趋势数据与所述整体波动趋势数据之间的匹配程度；
子维度筛选模块，用于从至少一个所述子维度中筛选出匹配程度符合预设要求的子维度。
进一步地，所述装置的另一个实施例中，所述贡献度处理模块具体用于：
根据所述业务指标在所述匹配程度符合预设要求的子维度上的子波动量，计算多个所述影响维度中各所述匹配程度符合预设要求的子维度对所述业务指标波动的贡献度的离散程度。
进一步地，所述装置的另一个实施例中，所述装置还包括：
权重系数设置模块，用于在多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度之间的差值小于预设阈值时，根据所述业务指标的历史数据，获取所述影响维度对应的业务权重系数；
相应地，所述波动分析模块用于在多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度之间的差值小于所述预设阈值时，根据所述业务权重系数，获取所述目标影响维度。
进一步地，所述装置的另一个实施例中，所述装置还包括：
目标维度值确定模块，用于根据所述目标影响维度中各所述子维度对所述业务指标波动的贡献度，从所述目标影响维度中确定影响所述业务指标波动的目标子维度。
再一方面，本申请实施例提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被执行时，实现权利要求上述业务数据波动处理方法。
又一方面，本申请实施例提供了业务数据波动处理***，包括至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现上述业务数据波动处理方法。
本申请提供的业务数据波动处理方法、装置、***，引入了业务指标的整体波动量、业务指标在具体子维度上的子波动量的计算方法，同时基于整体波动量、子波动量，计算出各个影响维度中子维度对业务指标波动的贡献度的离散程度。使得对业务指标波动的下探分析方法更具有严谨的计算逻辑，业务可解读性也更高，提高业务数据波动分析的准确性。同时，本申请实施例的方法可以支持任意个数维度的组合下探，可以帮助复杂的业务快速做出波动检测、波动拆解、主要归因定位等，整个业务指标波动拆解和下探分析方法非常智能化，提高了业务数据波动分析处理的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请提供的一个实施例中的业务数据波动处理方法的流程示意图；
图2是本申请又一实施例中业务数据波动处理方法的流程示意图；
图3是本申请实施例中又一个业务数据波动处理方法的流程示意图；
图4是本申请又一个业务数据波动处理方法的流程示意图；
图5是本申请提供的业务数据波动处理装置一个实施例的模块结构示意图；
图6是本申请一个实施例中贡献度处理模块的结构示意图；
图7是本申请又一个实施例中业务数据波动处理装置的模块示意图；
图8是本申请又一个实施例中业务数据波动处理装置的模块示意图；
图9是本申请又一个实施例中业务数据波动处理装置的模块示意图；
图10是本申请提供的一种业务数据波动处理***实施例的模块结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，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他实施例，都应当属于本申请保护的范围。
随着互联网技术的发展，我们可以通过互联网获取业务数据，业务数据也可以理解为业务指标数据，可以包括某个商品的销售量、用户的支付量、支付的方式、用户购买的商品类目的购买量、某项业务的用户活跃度等。根据获取到的业务数据可以实现对业务数据的监控，如风控分析、支付分析，判断哪些业务投资具有风险，哪些业务的支付量或销售量出现波动，并分析影响波动的因素等。
本申请实施例提供的业务数据波动处理方法，可以在对业务数据进行监控时，对出现波动的业务数据进行波动原因的分析，获取到影响业务数据波动的主要因素，以便针对该波动采取相应的应对措施。本申请实施例提供的业务数据波动处理方法，不仅适用于一些第一类业务指标(绝对型业务指标)的波动处理，同时可以适用于第二类业务指标(复杂业务指标)的波动处理，可以提高业务数据波动分析处理的适应性和准确度。
具体地，图1是本申请提供的一个实施例中的业务数据波动处理方法的流程示意图，如图1所示，本申请实施例提供的业务数据波动处理方法，包括：
S10、获取业务指标对应的多个影响维度，所述影响维度包括至少一个子维度。
业务数据的监控可以包括对某项业务的支付情况、风险情况、用户活跃度等进行监控。在进行业务数据监控时，可以根据历史数据、专家经验等，预先选择影响业务数据波动的业务指标，再对业务指标进行监控，并获取业务指标监控时的影响维度。业务指标可以包括第一类业务指标、第二类业务指标，第一类业务指标可以包括绝对量型的指标如：支付量、支付成功量、拒绝量等，第二类业务指标可以包括比率型的业务指标如：支付成功率、风控拒绝率(拒绝量与支付量之比)等。第二类业务指标一般可以由至少两个第一类业务指标进行数学运算获得，如：支付成功率＝支付成功量/支付量，由两个第一类业务指标的比值组成。影响维度可以表示影响业务指标、业务数据波动的因素，如：卡国(哪个国家的卡)、物流国(哪个国家的物流)、发卡行、商品类目等。影响维度中可以包括具体的子维度，如影响维度-卡国中具体是哪个国家的卡中的“国家”可以表示卡国的子维度，如：美国、中国、英国等，分别表示美国的卡、中国的卡、英国的卡；若影响维度为省份，则子维度可以包括浙江、江苏、安徽、上海等。
例如：若要观测、评价某个业务的用户活跃度怎么样，本申请实施例可以根据历史数据、专家经验等，分析用户活跃度用什么指标来衡量比较合理，设置对该业务的用户活跃度进行评价的业务指标。针对业务指标设置需要对该业务指标进行下探分析(即具体分析哪些因素对业务指标的波动有影响)的影响维度，根据影响维度对业务指标进行波动分析。如：通过分析获得可以通过用户的支付量来对该业务的用户活跃度进行评价，则可以将支付量作为业务指标，再具体分析影响业务指标支付量的波动因素，设置影响维度如：卡国、物流国等。通过具体分析业务指标-支付量在影响维度上的波动情况，分析出影响该业务的用户活跃度的具体原因。又如：对于风控而言，通常比较关心的是：今天有没有风险，本申请实施例可以根据历史数据、专家经验等，设置风险的衡量指标，即什么数据有波动说明是风险，设置对应的业务指标，再设置衡量业务指标的影响维度，针对业务指标、影响维度进行具体的风险分析。
S20、计算所述业务指标的整体波动量和所述业务指标在所述子维度上的子波动量。
在获取到业务指标监控需要进行下探分析的影响维度后，可以根据该业务指标的具体数据，确定业务指标在预设时间内的整体波动量，以及业务指标在各子维度上的子波动量。例如：可以通过采集某业务中预设时间内用户支付量的数据，通过分析用户支付量数据可以获得支付量的整体波动情况，获得支付量的整体波动量。通过对支付量数据进行下探分析，可以获得不同子维度上用户的支付量变化。如：可以获得该业务的支付量中，使用银行卡、***支付的数据，分析出支付量在影响维度-卡国中的美国、中国、英国等子维度上对应的子波动量，如可以计算用户在预设时间内使用美国的卡进行支付的支付量的子波动量，还可以计算支付量在影响维度-物流国中美国、中国、英国等子维度上对应的子波动量。
本申请一个实施例中，所述计算所述业务指标的整体波动量和所述业务指标在所述子维度上的子波动量，可以包括：
获取所述业务指标在所述子维度上的子数值、参考子数值，以及所述业务指标的整体数值、整体参考数值；
将所述子数值与所述参考子数值之间的差值作为所述子波动量，将所述整体数值与所述整体参考数值之间的差值作为所述整体波动量。
具体地，子数值和整体数值可以表示当前预设时间段对应的数据，参考子数值和整体参考数值可以表示历史同期预设时间段内的数据，如：支付量的整体数值可以是今天早上8点到晚上8点的支付量数据，支付量的整体参考数值可以是昨天早上8点到昨天晚上8点的支付量数据或者可以是过去7天中每天早上8点到晚上8点的支付量数据的平均值。子数值与参考子数值的差值或者整体数值与整体参考数值的差值可以表示波动量。如：若要计算业务指标-支付量的波动量，可以将今天早上8点到晚上8点的支付量(整体数值)与昨天早上8点到晚上8点的支付量(整体参考数值)的差值作为支付量的整体波动量。若预先设置的对该业务指标支付量进行下探分析的影响维度包括卡国，则可以将今天早上8点到晚上8点在美国使用银行卡的支付量(子数值)减去昨天早上8点到晚上8点在美国使用银行卡的支付量(参考子数值)，作为支付量在影响维度-卡国中的子维度-美国的子波动量。
其中，当前数据和对比数据的具体定义可以根据实际需要进行设置，本申请实施例不作具体限定。
S30、根据所述整体波动量和所述子波动量，分别计算多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度。
业务指标的整体波动量可以反映整体业务的波动情况，业务指标在某个子维度上的子波动量可以反映某个业务指标在具体子维度的波动情况。对比子波动量和整体波动量，可以在一定程度上看出业务指标在子维度上的波动对业务指标整体的波动的影响程度。影响维度中不同的子维度可能对应不同的子波动量，通过对比业务指标的整体波动量和业务指标在某个影响维度中所有子维度上的子波动量，可以获得业务指标在影响维度中各个子维度上的波动对业务指标整体波动的贡献度的离散程度。
例如：业务指标-支付量的整体波动量为300，业务指标-支付量在影响维度-卡国中子维度-美国、中国、英国上的子波动量分别为100、80、50，则可以看出业务指标-支付量在子维度-美国、中国、英国上的子波动量对支付量的整体波动量的贡献度不同即影响程度不同，即下探维度中各子维度对业务指标的整体波动的贡献度可能会存在一定的离散。根据影响维度-卡国中子维度-美国、中国、英国对应的子波动量以及支付量的整体波动量，可以确定影响维度-卡国中子维度-美国、中国、英国对支付量的整体波动量的贡献度的离散程度。
S40、根据所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度，从多个所述影响维度中确定影响所述业务指标波动的目标影响维度。
确定出不同的影响维度中各子维度对业务指标波动的贡献度的离散程度后，可以根据计算出的离散程度从多个影响维度中确定出对业务指标波动影响较大的目标影响维度。影响维度中各子维度对业务指标波动的贡献度的离散程度越高，可以反映出影响维度中子维度对业务指标波动的贡献度区分越明显，可以认为该影响维度是业务指标波动的主要因素的概率越大。本申请实施例中，可以根据影响维度中子维度对业务指标波动的贡献度的离散程度的大小，确定出目标影响维度，可以根据影响维度对应的离散程度的大小，对影响维度进行排序，获得对业务指标波动影响较大的目标影响维度。如：可以将离散程度最高的影响维度作为目标影响维度，也可以将离散程度排在前预设名次内的影响维度作为目标影响维度，或者也可以将离散程度大于预设离散阈值的影响维度作为目标影响维度。
需要说明的是，本申请实施例提供的方法，可以一次对一个业务指标如支付量进行业务监控，也可以同时对多个业务指标如：支付量、支付成功率等，同时进行业务监控，以获得整体业务数据的波动影响因素。如：支付成功率不变，并不意味着所有业务平稳，还可以结合支付成功量进行下探分析，看看哪个影响维度的支付成功量在大幅上涨或者下降，以确定各业务的平稳情况，是否存在风险。
本申请提供的业务数据波动处理方法，引入了业务指标的整体波动量、业务指标在具体子维度上的子波动量的计算方法，同时基于整体波动量、子波动量，计算出各个影响维度中子维度对业务指标波动的贡献度的离散程度。使得对业务指标波动的下探分析方法更具有严谨的计算逻辑，业务可解读性也更高，提高业务数据波动分析的准确性。同时，本申请实施例的方法可以支持任意个数维度的组合下探，可以帮助复杂的业务快速做出波动检测、波动拆解、主要归因定位等，整个业务指标波动拆解和下探分析方法非常智能化，提高了业务数据波动分析处理的准确性。
在上述实施例的基础上，本申请一个实施例中，所述根据所述整体波动量和所述子波动量，分别计算多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度，包括：
根据所述整体波动量和所述子波动量，计算所述业务指标在所述子维度上的波动对所述业务指标波动的贡献度值；
根据所述影响维度中的所述子维度对应的贡献度值，计算所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度。
具体地，业务指标在子维度上的波动对业务指标波动的影响程度也可以表示子维度对应的贡献度，子维度对应的贡献度值的具体计算方法，可以根据实际需要进行设置，如：可以将业务指标在某个子维度上的子波动量与业务指标的整体波动量的比值，或者比值乘以指定的系数，或者业务指标在某个子维度上的子波动量与业务指标的整体波动量的差值乘以指定的系数等，作为该业务指标在该子维度上波动对业务指标波动的贡献度值，本申请实施例不作具体的限定。
影响维度中各个子维度对应的贡献度值确定后，可以在各个子维度对应的贡献度值的基础上获得影响维度中各子维度对业务指标的贡献度的离散程度，可以反映出影响维度中各个子维度对业务指标波动的贡献度的区分是否明显。离散程度可以使用数学统计学中的方法进行计算，或者也可以通过绘图的形式进行确定，本申请实施例不作具体限定。
在上述实施例的基础上，本申请一个实施例中，所述根据所述影响维度中的所述子维度对应的贡献度值，计算所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度，可以包括：
根据所述影响维度中的所述子维度对应的贡献度值，计算所述影响维度中各所述子维度对应的贡献度值的平均值；
根据所述影响维度中各所述子维度对应的贡献度值的平均值、所述子维度对应的贡献度值，计算所述影响维度中所述子维度对应的贡献度标准差或贡献度方差；
将所述贡献度标准差或贡献度方差，作为所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度。
例如：若影响维度-卡国中的子维度包括：中国、美国、英国，根据上述实施例中的方法计算获得业务指标-支付量在子维度-美国中对应的贡献度值为1.2，支付量在子维度-中国中对应的贡献度值为1.8，支付量在子维度-英国对应的贡献度值为-0.3。则可以计算出支付量在影响维度-卡国中各子维度对应的贡献度平均值为(1.2+1.8-0.3)/3＝0.9，则影响维度-卡国对应的标准差为
可以将0.75作为影响维度-卡国中各子维度对业务指标-支付量的贡献度的离散程度。当然，根据实际需要也可以计算影响维度对应的方差，也可以表示影响维度中各子维度对业务指标的数据波动的影响程度是否一致，进一步可以反映影响维度对业务指标的波动影响情况。
根据影响维度中不同的子维度对应的贡献度值，利用标准差或方差的形式，确定出影响维度中各子维度对业务指标波动的贡献度的离散情况，方法简单准确，为后续业务指标的波动影响分析提供了准确的数据基础。
在上述实施例的基础上，本申请一个实施例中，所述业务指标包括第一类业务指标、第二类业务指标，所述第二类业务指标基于至少两个所述第一类业务指标计算获得，所述根据所述整体波动量和所述子波动量，计算所述业务指标在所述子维度上的波动对所述业务指标波动的贡献度，可以包括：
若所述业务指标为所述第一类业务指标，则将所述第一类业务指标在所述子维度上的子波动量与所述整体波动量的比值，作为所述第一类业务指标在所述子维度上的波动对所述第一类业务指标的贡献度；
若所述业务指标为所述第二类业务指标，则按照下述公式计算所述第二类业务指标在所述子维度上的波动对所述第二类业务指标的贡献度系数；
上式中，所述去除波动量包括：去除所述第二类业务指标在所述子维度上的子波动量后所述业务指标的波动量。
本申请实施例中的业务指标包括第一类业务指标和第二类业务指标，对于第一类业务指标在子维度上的子波动量的计算可以采用公式：
进行计算。如：若通过上述实施例获得业务指标-支付量的整体波动量为10万，支付量在影响维度-卡国中的子维度-中国的子波动量，即使用中国的银行卡、***等卡进行支付的支付量的波动量为2万，则支付量在影响维度-卡国中的子维度-中国上的贡献度可以为：2/10＝0.2。
当业务指标为第二类业务指标如支付成功率，风险拒绝率等时，可以采用公式：
计算第二类业务指标中子维度对应的贡献度。表1是本申请一个实施例中业务指标监控的数据对比表，表1中子维度-中国、子维度-美国分别表示的是影响维度-卡国中的子维度-中国、子维度-美国。如表1所示，表1中的业务指标包括支付量、支付成功量、支付成功率，其中，支付成功率＝支付成功量/支付量，可以看出支付成功率是比例型的业务指标，属于第二类业务指标。根据业务指标的数据统计，获得各业务指标整体的昨日的数据(整体参考数值)、今日的数据(整体数值)，以及业务指标在子维度-中国、子维度-美国中昨日的数据(参考子数值)、今日的数据(子数值)。利用上述实施例的方法，可以获得业务指标的整体波动量以及业务指标在子维度-中国、子维度-美国上的子波动量。
表1业务指标监控的数据对比表
根据统计的业务指标的数据，可以获得剔除业务指标在子维度上的波动量后业务指标的整体波动量，如表1中“业务指标整体的成功率(剔除该维度波动量后)”一栏中的“78.71％”，可以表示剔除业务指标-支付成功率在子维度-中国上的子波动量后的支付成功率，表示的是剔除业务指标在子维度-中国上的子波动量后的业务指标的整体数值。
再利用剔除业务指标在子维度上的子波动量后业务指标的整体数据，计算业务指标在子维度上的贡献度，如：
其中，分子“剔除支付成功率在子维度中国上的子波动量后的支付成功率-昨日整体的支付成功率”可以表示“去除波动量”，分母“今日整体的支付成功率-昨日整体的支付成功率”可以表示整体波动量。可以看出，“去除波动量”可以表示去除所述第二类业务指标在子维度上的子波动量后的子数值与参考子数值之间的差值。
同样的，可以获得剔除支付成功率在子维度-美国中的子波动量后的支付成功率的贡献度，具体计算方法此处不再赘述。
通过不同的计算方法计算不同类型的业务指标在子维度上的波动对应的贡献度，尤其是关于第二类业务指标的贡献度的计算，不再是简单的增量计算方法，考虑了第二类业务指标中各第一类业务指标共同对第二类业务指标的波动影响。提高了业务指标对整体业务指标的数据波动影响程度分析的准确性，为后续确定出影响整体业务数据波动的目标影响维度、目标子维度提供了准确的数据基础。
在上述实施例的基础上，本申请一个实施例中，所述方法还可以包括：
根据所述目标影响维度中各所述子维度对所述业务指标波动的贡献度，从所述目标影响维度中确定影响所述业务指标波动的目标子维度。
图2是本申请又一实施例中业务数据波动处理方法的流程示意图，如图2所示，在确定出目标影响维度后，可以根据目标影响维度中各子维度对应的贡献度，确定出目标子维度。可以选取目标影响维度中贡献度最大的子维度作为目标子维度，也可以选取目标影响维度中贡献度在前预设名次内的子维度作为目标子维度，或者也可以将贡献度大于预设贡献度阈值的子维度作为目标子维度。例如：通过上述实施例的方法确定出的目标影响维度是卡国，则可以获取卡国中各个子维度对应的贡献度。若子维度-中国的贡献度最大，则可以将目标影响维度中的子维度-中国作为目标子维度。贡献度的大小可以使用贡献度值的大小进行评判，贡献度值的计算方法可以参考上述实施例的计算，此处不再赘述。
基于目标影响维度以及目标影响维度中子维度对应的贡献度，进一步的可以确定出对业务指标波动影响较大的子维度，为业务指标的监控提供了更准确、更细化的数据基础。
在上述实施例的基础上，本申请一个实施例中，所述计算所述业务指标的整体波动量和所述业务指标在所述子维度上的子波动量后，所述方法还可以包括：
根据所述业务指标在至少一个所述维度值上的子波动量，分别获取至少一个所述子维度对应的波动趋势数据；
根据所述整体波动量，获取所述业务指标的整体波动趋势数据；
分别将至少一个所述子维度对应的波动趋势数据与所述整体波动趋势数据进行对比，计算所述子维度对应的波动趋势数据与所述整体波动趋势数据之间的匹配程度；
从至少一个所述子维度中筛选出匹配程度符合预设要求的子维度。
在筛选出匹配程度符合预设要求的子维度后，本申请一个实施例中，所述计算多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度，可以包括：
根据所述业务指标在所述匹配程度符合预设要求的子维度上的子波动量，计算多个所述影响维度中各所述匹配程度符合预设要求的子维度对所述业务指标波动的贡献度的离散程度。
图3是本申请实施例中又一个业务数据波动处理方法的流程示意图，如图3所示，可以根据上述实施例的方法，计算出业务指标在子维度上的子波动量，根据子维度子波动量的大小，确定出子维度对应的波动趋势数据，即计算出业务指标在该子维度上的波动趋势。具体可以将计算出的子波动量与0进行比较，若子波动量大于0，可以表示业务指标在该子维度上的波动呈上涨趋势，可以使用指定的数据如1表示波动呈上涨趋势，即此时业务指标在该子维度上的波动趋势数据为1。若子波动量小于0，可以表示业务指标在该子维度上的波动呈下跌趋势，可以使用指定的数据如-1作为此时的波动趋势数据。若子波动量等于零，则可以表示业务指标在该子维度上的波动比较平稳，可以使用指定的数据如：0作为此时的波动趋势数据。当然，根据实际情况还可以对波动趋势的判断方法进行相应的调整，如：将子波动量与1进行比较，本申请实施例不作具体限定。同样的，根据业务指标对应的整体波动量与0(或其他数值)的大小关系，可以获得业务指标的整体波动趋势数据。可以将业务指标的整体波动趋势数据和业务指标在子维度上的波动趋势数据进行对比，筛选出与整体波动趋势匹配程度符合预设要求(如：波动趋势相同)的子维度。如：可以将业务指标在子维度上的波动趋势与业务指标的整体波动趋势相同的子维度，作为波动趋势匹配程度符合预设要求的子维度。
当然，根据实际需要还可以选择其他的方式计算整体波动趋势数据以及业务指标在子维度上的波动趋势数据，如：可以通过将子波动量与计算子波动量时使用的子数值或者参考子数值进行对比，确定出业务指标在子维度上的波动趋势数据，将整体波动量与计算整体波动量时使用的整体数值(或整体参考数值)进行对比确定出整体波动趋势数据。如：将子波动量与计算子波动量时使用的子数值进行对比确定出业务指标在子维度上呈指数上涨趋势，将整体波动量与计算整体波动量时使用的整体数值进行对比，确定出整体波动呈线性上涨趋势，则可以认为业务指标在子维度上的波动趋势数据与整体波动趋势数据的匹配程度较低。
波动趋势数据可以用来分析子维度的波动是否跟整体波动趋势保持一致，比如整体波动在上涨，但是某个子维度在下跌，波动趋势相反，可以说明业务指标在该子维度上的波动不是整体波动增长的主要原因。可以基于整体波动趋势和子维度对应的波动趋势，筛选出对业务指标的波动影响较大的子维度甚至影响维度。再基于筛选出的子维度，进行贡献度值以及离散程度的计算，获得对业务指标波动影响最大的目标影响维度和目标子维度。
例如：若通过数据采集分析获得某项业务的用户支付量的整体波动量大于0，即支付量的整体波动呈上涨趋势。其中，使用中国的***、银行卡等支付的支付量的子波动量大于0，即支付量在影响维度-卡国中的子维度-中国上的子波动量大于0，支付量在影响维度-卡国中的子维度-中国上的波动呈上涨趋势，与整体支付量的波动趋势相同。使用美国的***、银行卡等支付的支付量的子波动量小于0，即支付量在影响维度-卡国中的子维度-美国上的子波动量小于0，支付量在影响维度-卡国中的子维度-美国上的波动呈下跌趋势，与整体支付量的波动趋势相反。通过上述分析，可以将影响维度-卡国中的子维度-中国作为匹配程度符合预设要求的子维度，进一步，可以根据支付量在影响维度-卡国中的子维度-中国上的子波动量，计算出影响维度-卡国中的子维度-中国对应的贡献度。基于子维度-中国对应的贡献度，以及影响维度-卡国中其他波动趋势匹配程度符合预设要求的子维度对应的贡献度值，可以确定出影响维度-卡国中子维度对业务指标波动的贡献度的离散程度，进一步利用上述实施例的方法，确定出目标影响维度和目标子维度。对于支付量在影响维度-卡国中的子维度-美国上的贡献度、以及后续影响维度-卡国对应的离散程度，可以不再进行数据处理，以提高数据处理的效率。
通过对业务指标在子维度上的波动趋势和业务指标的整体波动趋势进行对比，筛选出可能对业务指标影响程度较大的波动趋势匹配程度符合预设要求的子维度，进一步针对波动趋势匹配程度符合预设要求的子维度进行贡献度、影响维度对应的离散程度的计算，为后续目标影响维度、目标子维度的确定提供了准确的数据基础。并且，通过波动趋势匹配程度符合预设要求的子维度的筛选，对于波动趋势匹配程度不符合预设要求的子维度可以不再进行数据处理和计算，减少了数据处理和计算的过程，提高了数据处理的效率。
在上述实施例的基础上，本申请一个实施例中，所述方法还可以包括：
若多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度之间的差值小于预设阈值，则根据所述业务指标的历史数据，获取所述影响维度对应的业务权重系数；
相应地，所述从多个所述影响维度中确定影响所述业务指标波动的目标影响维度，包括：
在多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度之间的差值小于所述预设阈值时，根据所述业务权重系数，获取所述目标影响维度。
具体地，图4是本申请又一个业务数据波动处理方法的流程示意图，如图4所示，利用上述实施例的方法，获得各影响维度对应的离散程度(如：标准差)，若各影响维度对应的离散程度(如：标准差)的大小相差不大，即各影响维度对应的离散程度(如：标准差)的差值小于预设阈值，可以反映各影响维度对业务指标的波动一项可能处于同一水平。此时，使用影响维度对应的标准差确定目标影响维度比较困难，即比较难确定哪一个影响维度对业务指标的波动影响较大。预设阈值的大小可以根据实际需要进行设置，本申请实施例不作具体限定。
本申请实施例中，在确定影响维度对业务指标的影响处于同一水平时，可以引入业务权重系数，即可以根据业务指标的历史数据，确定不同影响维度对应的业务权重系数。基于业务指标对应的历史数据，结合专家经验，或者可以通过模型训练等方法，设置影响维度的业务权重系数。针对不同的业务指标，影响维度对应的业务权重系数可能不同，具体可以根据实际需要进行设置。并且，业务权重系数的计算方法可因业务不同而不同，例如：在风控场景，把已经报回案件的数据作为高风险的黑样本，那么每个维度内黑样本的比率就可以作为该影响维度的高风险权重，在一些特殊场景下，还可以把黑样本的关联样本也作为高风险的加权特征，进而构造出一个适用于业务场景的业务权重系数。对于影响维度的业务权重系数的具确定方法，可以根据实际需要进行选择，本申请实施例不作具体限定。
确定出业务指标对应的影响维度的业务权重系数后，可以在影响维度对应的离散程度区别不大时，基于业务权重系数的大小对影响维度进行排序，获得目标影响维度。例如：可以将业务权重系数最大的影响维度作为目标影响维度，或者可以将业务权重系数排在前预设名次内的影响维度作为目标影响维度，或者也可以将业务权重系数大于预设权重阈值的影响维度作为目标影响维度，进一步可以将目标影响维度中贡献度最大的子维度作为目标子维度。
实际应用时，可以将确定业务指标在子维度上的波动趋势与确定影响维度的业务权重系数一起应用在业务指标的波动分析中。例如：可以根据业务指标的整体波动量、在子维度上的子波动量确定出业务指标的整体波动趋势和业务指标在子维度上的波动趋势，筛选出波动趋势符合预设要求的子维度。再利用波动趋势符合预设要求的子维度计算出波动趋势符合预设要求的子维度对应的贡献度值，进一步计算出波动趋势符合预设要求的子维度对应的影响维度中子维度的贡献度的离散程度。若各个影响维度对应的离散程度的差值小于预设阈值，则可以设置影响维度的业务权重系数，基于业务权重系数确定出目标影响维度。若各个影响维度对应的标准差的差值大于预设阈值，则可以直接根据影响维度对应的离散程度确定出目标影响维度。再基于目标影响维度中的子维度对应的贡献度确定出目标子维度。
本申请实施例，在影响维度对应的离散程度如标准差差距较小，不能很好的确定出对业务指标波动影响较大的目标影响维度和目标子维度时，引入了业务权重系数。可以基于历史数据、专家经验等，对业务指标对应的影响维度设置权重系数，基于影响维度对应的业务权重系数，确定出目标影响维度、目标子维度。使得业务指标的下探分析更加科学、合理，提高了业务数据波动处理的准确性。
本说明书中上述方法的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。
基于上述所述的业务数据波动处理方法，本说明书一个或多个实施例还提供一种业务数据波动处理装置。所述的装置可以包括使用了本说明书实施例所述方法的***(包括分布式***)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思，本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参见前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
具体地，图5是本申请提供的业务数据波动处理装置一个实施例的模块结构示意图，如图5所示，本申请中提供的业务数据波动处理装置包括：影响维度确定模块51、波动量计算模块52、贡献度处理模块53、波动分析模块54，其中：
影响维度确定模块51，可以用于获取业务指标对应的多个影响维度，所述影响维度包括至少一个子维度；
波动量计算模块52，可以用于计算所述业务指标的整体波动量和所述业务指标在所述子维度上的子波动量；
贡献度处理模块53，可以用于根据所述整体波动量和所述子波动量，分别计算多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度；
波动分析模块54，可以用于根据所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度，从多个所述影响维度中确定影响所述业务指标波动的目标影响维度。
本申请实施例提供的业务数据波动处理装置，引入了业务指标的整体波动量、业务指标在具体子维度上的子波动量的计算方法，同时基于整体波动量、子波动量，计算出各个影响维度中子维度对业务指标波动的贡献度的离散程度。使得对业务指标波动的下探分析方法更具有严谨的计算逻辑，业务可解读性也更高，提高业务数据波动分析的准确性。同时，本申请实施例的方法可以支持任意个数维度的组合下探，可以帮助复杂的业务快速做出波动检测、波动拆解、主要归因定位等，整个业务指标波动拆解和下探分析方法非常智能化，提高了业务数据波动分析处理的准确性。
在上述实施例的基础上，所述波动量计算模块具体用于：
获取所述业务指标在所述子维度上的子数值、参考子数值，以及所述业务指标的整体数值、整体参考数值；
将所述子数值与所述参考子数值之间的差值作为所述业务指标在所述子维度上的所述子波动量，将所述整体数值与所述整体参考数值之间的差值作为所述整体波动量。
本申请实施例，提供了一种业务指标的整体波动量，业务指标在子维度上的子波动量的计算方法，为后续业务指标的波动分析提供了准确的数据基础。
图6是本申请一个实施例中贡献度处理模块的结构示意图，如图6所示，在上述实施例的基础上，所述贡献度处理模块53包括：
贡献度计算单元61，可以用于根据所述整体波动量和所述子波动量，计算所述业务指标在所述子维度上的波动对所述业务指标波动的贡献度值；
离散程度计算单元62，可以用于根据所述影响维度中的所述子维度对应的贡献度值，计算所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度。
本申请实施例，基于影响维度中各子维度对应的子波动量，计算业务指标在子维度上的波动对业务指标的整体波动的贡献度。再根据影响维度中各子维度对应的贡献度，确定出影响维度中子维度对业务指标波动的贡献度的离散程度。方法简单，为后续业务指标的波动分析提供了准确的数据基础，提高了业务数据波动分析的准确性。
在上述实施例的基础上，所述离散程度计算单元具体用于：
根据所述影响维度中的所述子维度对应的贡献度值，计算所述影响维度中各所述子维度对应的贡献度值的平均值；
根据所述影响维度中各所述子维度对应的贡献度值的平均值、所述子维度对应的贡献度值，计算所述影响维度中所述子维度对应的贡献度标准差或贡献度方差；
将所述贡献度标准差或贡献度方差，作为所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度。
本申请实施例，利用影响维度中各子维度对应的贡献度的标准差或方差来表示影响维度中子维度对业务指标波动的影响程度的分布情况，方法简单，为后续业务指标的波动分析提供了准确的数据基础，提高了业务数据波动分析的准确性。
在上述实施例的基础上，所述业务指标包括第一类业务指标、第二类业务指标，所述第二类业务指标基于至少两个所述第一类业务指标计算获得，所述贡献度计算单元具体用于：
在所述业务指标为所述第一类业务指标时，将所述第一类业务指标在所述子维度上的子波动量与所述整体波动量的比值，作为所述第一类业务指标在所述子维度上的波动对所述第一类业务指标的贡献度；
在所述业务指标为所述第二类业务指标时，按照下述公式计算所述第二类业务指标在所述子维度上的波动对所述第二类业务指标的贡献度系数；
上式中，所述去除波动量包括：去除所述第二类业务指标在所述子维度上的子波动量后所述业务指标的波动量。
本申请实施例，针对不同的业务指标提供了不同的贡献度计算方法，尤其是第二类业务指标，不再是简单的增长量计算，同时考虑了第二类业务指标中各第一类业务指标对整体业务指标的波动影响，为后续业务指标的整体波动情况分析提供了准确的数据基础。
图7是本申请又一个实施例中业务数据波动处理装置的模块示意图，如图7所示，本申请一个实施例中的业务数据波动处理装置还可以包括：
子维度波动处理模块71，可以用于根据所述业务指标在至少一个所述子维度上的子波动量，分别获取至少一个所述子维度对应的波动趋势数据；
整体波动处理模块72，可以用于根据所述整体波动量，获取所述业务指标的整体波动趋势数据；
趋势对比模块73，用于分别将至少一个所述子维度对应的波动趋势数据与所述整体波动趋势数据进行对比，计算所述子维度对应的波动趋势数据与所述整体波动趋势数据之间的匹配程度；
子维度筛选模块74，用于从至少一个所述子维度中筛选出匹配程度符合预设要求的子维度。
在上述实施例的基础上，所述贡献度处理模块53具体用于根据所述业务指标在所述匹配程度符合预设要求的子维度上的子波动量，计算多个所述影响维度中各所述所述匹配程度符合预设要求的子维度对所述业务指标波动的贡献度的离散程度。
本申请实施例，根据业务指标的整体波动量、业务指标在子维度上的子波动量，确定出子维度的波动趋势和业务指标的整体波动趋势，筛选出与业务指标的整体波动趋势相同或波动趋势匹配程度符合预设要求的子维度，再基于筛选出的子维度对业务指标的波动情况进行分析。减少了数据处理量，提高了数据处理的效率。
图8是本申请又一个实施例中业务数据波动处理装置的模块示意图，如图8所示，本申请一个实施例中的业务数据波动处理装置还可以包括：
权重系数设置模块81，可以用于在多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度之间的差值小于预设阈值时，根据所述业务指标的历史数据，获取所述影响维度对应的业务权重系数；
相应地，所述波动分析模块54可以用于在多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度之间的差值小于所述预设阈值时，根据所述业务权重系数，获取所述目标影响维度。
本申请实施例，在影响维度对应的标准差差距较小，不能很好的确定出对业务指标波动影响较大的目标影响维度和目标子维度时，引入了业务权重系数。可以基于历史数据、专家经验等，对业务指标对应的影响维度设置权重系数，基于影响维度对应的业务权重系数，确定出目标影响维度、目标子维度。使得业务指标的下探分析更加科学、合理，提高了业务数据波动处理的准确性。
图9是本申请又一个实施例中业务数据波动处理装置的模块示意图，如图8所示，本申请一个实施例中的业务数据波动处理装置还可以包括：
目标影响维度值确定模块91，可以用于根据所述目标影响维度中各所述子维度对所述业务指标波动的贡献度，从所述目标影响维度中确定影响所述业务指标波动的目标子维度。
本申请实施例，基于目标影响维度以及目标影响维度中子维度对应的贡献度，进一步的可以确定出对业务指标波动影响较大的子维度，为业务指标的监控提供了更准确、更细化的数据基础。
本申请一个实施例中，还可以提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被执行时，实现上述实施例中视频数据的处理方法，例如可以实现如下方法：
获取业务指标对应的多个影响维度，所述影响维度包括至少一个子维度；
计算所述业务指标的整体波动量和所述业务指标在所述子维度上的子波动量；
根据所述整体波动量和所述子波动量，分别计算多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度；
根据所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度，从多个所述影响维度中确定影响所述业务指标波动的目标影响维度。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例所描述方案的效果。
本说明书实施例提供的上述业务数据波动处理方法或装置可以在计算机中由处理器执行相应的程序指令来实现，如使用windows操作***的c++语言在PC端实现、linux***实现，或其他例如使用android、iOS***程序设计语言在智能终端实现，以及基于量子计算机的处理逻辑实现等。本说明书提供的一种业务数据波动处理***的一个实施例中，图10是本申请提供的一种业务数据波动处理***实施例的模块结构示意图，如图10所示，本申请实施例提供的业务数据波动处理***可以包括处理器101以及用于存储处理器可执行指令的存储器102，
处理器101和存储器102通过总线103完成相互间的通信；
所述处理器101用于调用所述存储器102中的程序指令，以执行上述各地震数据处理方法实施例所提供的方法，例如包括：获取业务指标对应的多个影响维度所述影响维度包括至少一个子维度；计算所述业务指标的整体波动量和所述业务指标在所述子维度上的子波动量；根据所述整体波动量和所述子波动量，分别计算多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度；根据所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度，从多个所述影响维度中确定影响所述业务指标波动的目标影响维度。
需要说明的是说明书上述所述的装置、计算机存储介质、***根据相关方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照方法实施例的描述，在此不作一一赘述。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书实施例并不局限于必须是符合行业通信标准、标准计算机数据处理和数据存储规则或本说明书一个或多个实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例，仍然可以属于本说明书实施例的可选实施方案范围之内。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
虽然本说明书一个或多个实施例提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。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、方法、产品或者设备不仅包括那些要素，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、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本发明是参照根据本发明实施例的方法、装置(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储、石墨烯存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、***或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书一个或多个实施例的实施例而已，并不用于限制本本说明书一个或多个实施例。对于本领域技术人员来说，本说明书一个或多个实施例可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在权利要求范围之内。
Claims (20)
1.一种业务数据波动处理方法，其特征在于，包括：
获取业务指标对应的多个影响维度，所述影响维度包括至少一个子维度；
计算所述业务指标的整体波动量和所述业务指标在所述子维度上的子波动量；
根据所述整体波动量和所述子波动量，分别计算多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度；各所述子维度对所述业务指标波动的贡献度为业务指标在各个所述子维度上的波动对业务指标波动的影响程度；
根据所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度，从多个所述影响维度中确定影响所述业务指标波动的目标影响维度。
2.如权利要求1所述的方法，其特征在于，所述计算所述业务指标的整体波动量和所述业务指标在所述子维度上的子波动量，包括：
获取所述业务指标在所述子维度上的子数值、参考子数值，以及所述业务指标的整体数值、整体参考数值；
将所述子数值与所述参考子数值之间的差值作为所述业务指标在所述子维度上的所述子波动量，将所述整体数值与所述整体参考数值之间的差值作为所述业务指标的所述整体波动量。
3.如权利要求1所述的方法，其特征在于，所述根据所述整体波动量和所述子波动量，分别计算多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度，包括：
根据所述整体波动量和所述子波动量，计算所述业务指标在所述子维度上的波动对所述业务指标波动的贡献度值；
根据所述影响维度中的所述子维度对应的贡献度值，计算所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度。
4.如权利要求3所述的方法，其特征在于，所述根据所述影响维度中的所述子维度对应的贡献度值，计算所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度，包括：
根据所述影响维度中的所述子维度对应的贡献度值，计算所述影响维度中各所述子维度对应的贡献度值的平均值；
根据所述影响维度中各所述子维度对应的贡献度值的平均值、所述子维度对应的贡献度值，计算所述影响维度中所述子维度对应的贡献度标准差或贡献度方差；
将所述贡献度标准差或贡献度方差，作为所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度。
5.如权利要求3所述的方法，其特征在于，所述业务指标包括第一类业务指标、第二类业务指标，所述第二类业务指标基于至少两个所述第一类业务指标计算获得，所述根据所述整体波动量和所述子波动量，计算所述业务指标在所述子维度上的波动对所述业务指标波动的贡献度，包括：
若所述业务指标为所述第一类业务指标，则将所述第一类业务指标在所述子维度上的子波动量与所述整体波动量的比值，作为所述第一类业务指标在所述子维度上的波动对所述第一类业务指标的贡献度值；
若所述业务指标为所述第二类业务指标，则按照下述公式计算所述第二类业务指标在所述子维度上的波动对所述第二类业务指标的贡献度值；
上式中，所述去除波动量包括：去除所述第二类业务指标在所述子维度上的子波动量后所述业务指标的波动量。
6.如权利要求1所述的方法，其特征在于，所述计算所述业务指标的整体波动量和所述业务指标在所述子维度上的子波动量后，所述方法还包括：
根据所述业务指标在至少一个所述子维度上的子波动量，分别获取至少一个所述子维度对应的波动趋势数据；
根据所述整体波动量，获取所述业务指标的整体波动趋势数据；
分别将至少一个所述子维度对应的波动趋势数据与所述整体波动趋势数据进行对比，计算所述子维度对应的波动趋势数据与所述整体波动趋势数据之间的匹配程度；
从至少一个所述子维度中筛选出匹配程度符合预设要求的子维度。
7.如权利要求6所述的方法，其特征在于，所述计算多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度，包括：
根据所述业务指标在所述匹配程度符合预设要求的子维度上的子波动量，计算多个所述影响维度中各所述匹配程度符合预设要求的子维度对所述业务指标波动的贡献度的离散程度。
8.如权利要求1所述的方法，其特征在于，所述方法还包括：
若多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度之间的差值小于预设阈值，则根据所述业务指标的历史数据，获取所述影响维度对应的业务权重系数；
相应地，所述从多个所述影响维度中确定影响所述业务指标波动的目标影响维度，包括：
在多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度之间的差值小于所述预设阈值时，根据所述业务权重系数，获取所述目标影响维度。
9.如权利要求1-8任一项所述的方法，其特征在于，所述方法还包括：
根据所述目标影响维度中各所述子维度对所述业务指标波动的贡献度，从所述目标影响维度中确定影响所述业务指标波动的目标子维度。
10.一种业务数据波动处理装置，其特征在于，包括：
影响维度确定模块，用于获取业务指标对应的多个影响维度所述影响维度包括至少一个子维度；
波动量计算模块，用于计算所述业务指标的整体波动量和所述业务指标在所述子维度上的子波动量；
贡献度处理模块，用于根据所述整体波动量和所述子波动量，分别计算多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度；各所述子维度对所述业务指标波动的贡献度为业务指标在各个所述子维度上的波动对业务指标波动的影响程度；
波动分析模块，用于根据所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度，从多个所述影响维度中确定影响所述业务指标波动的目标影响维度。
11.如权利要求10所述的装置，其特征在于，所述波动量计算模块具体用于：
获取所述业务指标在所述子维度上的子数值、参考子数值，以及所述业务指标的整体数值、整体参考数值；
将所述子数值与所述参考子数值之间的差值作为所述业务指标在所述子维度上的所述子波动量，将所述整体数值与所述整体参考数值之间的差值作为所述整体波动量。
12.如权利要求10所述的装置，其特征在于，所述贡献度处理模块包括：
贡献度计算单元，用于根据所述整体波动量和所述子波动量，计算所述业务指标在所述子维度上的波动对所述业务指标波动的贡献度值；
离散程度计算单元，用于根据所述影响维度中的所述子维度对应的贡献度值，计算所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度。
13.如权利要求12所述的装置，其特征在于，所述离散程度计算单元具体用于：
根据所述影响维度中的所述子维度对应的贡献度值，计算所述影响维度中各所述子维度对应的贡献度值的平均值；
根据所述影响维度中各所述子维度对应的贡献度值的平均值、所述子维度对应的贡献度值，计算所述影响维度中所述子维度对应的贡献度标准差或贡献度方差；
将所述贡献度标准差或贡献度方差，作为所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度。
14.如权利要求12所述的装置，其特征在于，所述业务指标包括第一类业务指标、第二类业务指标，所述第二类业务指标基于至少两个所述第一类业务指标计算获得，所述贡献度计算单元具体用于：
在所述业务指标为所述第一类业务指标时，将所述第一类业务指标在所述子维度上的子波动量与所述整体波动量的比值，作为所述第一类业务指标在所述子维度上的波动对所述第一类业务指标的贡献度；
在所述业务指标为所述第二类业务指标时，按照下述公式计算所述第二类业务指标在所述子维度上的波动对所述第二类业务指标的贡献度系数；
上式中，所述去除波动量包括：去除所述第二类业务指标在所述子维度上的子波动量后所述业务指标的波动量。
15.如权利要求10所述的装置，其特征在于，所述装置还包括：
子维度波动处理模块，用于根据所述业务指标在至少一个所述子维度上的子波动量，分别获取至少一个所述子维度对应的波动趋势数据；
整体波动处理模块，用于根据所述整体波动量，获取所述业务指标的整体波动趋势数据；
趋势对比模块，用于分别将至少一个所述子维度对应的波动趋势数据与所述整体波动趋势数据进行对比，计算所述子维度对应的波动趋势数据与所述整体波动趋势数据之间的匹配程度；
子维度筛选模块，用于从至少一个所述子维度中筛选出匹配程度符合预设要求的子维度。
16.如权利要求15所述的装置，其特征在于，所述贡献度处理模块具体用于：
根据所述业务指标在所述匹配程度符合预设要求的子维度上的子波动量，计算多个所述影响维度中各所述匹配程度符合预设要求的子维度对所述业务指标波动的贡献度的离散程度。
17.如权利要求10所述的装置，其特征在于，所述装置还包括：
权重系数设置模块，用于在多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度之间的差值小于预设阈值时，根据所述业务指标的历史数据，获取所述影响维度对应的业务权重系数；
相应地，所述波动分析模块用于在多个所述影响维度中各所述子维度对所述业务指标波动的贡献度的离散程度之间的差值小于所述预设阈值时，根据所述业务权重系数，获取所述目标影响维度。
18.如权利要求10-17任一项所述的装置，其特征在于，所述装置还包括：
目标维度值确定模块，用于根据所述目标影响维度中各所述子维度对所述业务指标波动的贡献度，从所述目标影响维度中确定影响所述业务指标波动的目标子维度。
19.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时，实现权利要求1-9任一项所述的方法。
20.一种业务数据波动处理***，其特征在于，包括至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1-9任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810556156.6A CN108829638B (zh) | 2018-06-01 | 2018-06-01 | 一种业务数据波动处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810556156.6A CN108829638B (zh) | 2018-06-01 | 2018-06-01 | 一种业务数据波动处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108829638A CN108829638A (zh) | 2018-11-16 |
| CN108829638B true CN108829638B (zh) | 2022-12-16 |
Family
ID=64146818
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810556156.6A Active CN108829638B (zh) | 2018-06-01 | 2018-06-01 | 一种业务数据波动处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108829638B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109726075B (zh) * | 2018-11-30 | 2022-10-14 | 深圳市创梦天地科技有限公司 | 一种异常数据指标分析的方法及装置 |
| CN110046291A (zh) * | 2019-01-28 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 指标数据的可视化拆解方法、装置及设备 |
| CN110147945A (zh) * | 2019-04-30 | 2019-08-20 | 阿里巴巴集团控股有限公司 | 一种数据波动的处理方法、装置及设备 |
| CN110138608B (zh) * | 2019-05-09 | 2022-08-30 | 网宿科技股份有限公司 | 网络业务服务质量管理的方法及服务器 |
| CN110704751B (zh) * | 2019-10-22 | 2023-04-07 | 北京字节跳动网络技术有限公司 | 数据处理方法、装置、电子设备及存储介质 |
| CN111008768A (zh) * | 2019-11-25 | 2020-04-14 | 支付宝(杭州)信息技术有限公司 | 评估方法及装置、筛选方法及装置、电子设备 |
| CN111078521A (zh) * | 2019-12-18 | 2020-04-28 | 北京三快在线科技有限公司 | 异常事件的分析方法、装置、设备、***及存储介质 |
| CN111159429B (zh) * | 2019-12-30 | 2023-05-05 | 中信百信银行股份有限公司 | 基于知识图谱的数据分析方法及装置、设备、存储介质 |
| CN112132362A (zh) * | 2020-09-30 | 2020-12-25 | 上海众源网络有限公司 | 一种指标数据处理方法、装置、电子设备及存储介质 |
| CN112329424A (zh) * | 2020-11-09 | 2021-02-05 | 北京明略昭辉科技有限公司 | 业务数据的处理方法和装置、存储介质和电子设备 |
| CN112686543A (zh) * | 2020-12-31 | 2021-04-20 | 上海掌门科技有限公司 | 业务指标的处理方法、电子设备及计算机可读存储介质 |
| CN113705818B (zh) * | 2021-08-31 | 2024-04-19 | 支付宝(杭州)信息技术有限公司 | 对支付指标波动进行归因的方法及装置 |
| CN113722186B (zh) * | 2021-09-07 | 2023-10-27 | 北京奇艺世纪科技有限公司 | 一种异常检测方法、装置、电子设备及存储介质 |
| CN114297556A (zh) * | 2021-12-28 | 2022-04-08 | 北京火山引擎科技有限公司 | 数据处理方法、装置、可读存储介质和电子设备 |
| CN117934048B (zh) * | 2024-03-14 | 2024-07-02 | 深圳美云集网络科技有限责任公司 | 一种电商商品销量分析方法和*** |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107016398A (zh) * | 2016-01-27 | 2017-08-04 | 阿里巴巴集团控股有限公司 | 数据处理方法及装置 |
| CN107330614A (zh) * | 2017-06-29 | 2017-11-07 | 北京京东尚科信息技术有限公司 | 一种业务活动效果的实时评估方法和装置 |
| CN107957988A (zh) * | 2016-10-18 | 2018-04-24 | 阿里巴巴集团控股有限公司 | 用于确定数据异常原因的方法、装置及电子设备 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101764893B (zh) * | 2009-10-12 | 2012-10-31 | 南京联创科技集团股份有限公司 | 基于数据中间层的通信话务波动监控方法 |
| EP2665234B1 (en) * | 2011-06-15 | 2017-04-26 | Huawei Technologies Co., Ltd. | Method and device for scheduling service processing resource |
| CN104102968A (zh) * | 2013-04-15 | 2014-10-15 | ***通信集团宁夏有限公司 | 一种移动关键业务的预警方法及装置 |
| CN104125584A (zh) * | 2013-04-27 | 2014-10-29 | ***通信集团福建有限公司 | 一种针对网络业务的业务指标实现预测的方法及装置 |
| CN104321794B (zh) * | 2013-05-02 | 2018-02-02 | 邓白氏公司 | 一种使用多维评级来确定一实体的未来商业可行性的***和方法 |
| US20150142507A1 (en) * | 2013-11-21 | 2015-05-21 | Ana Maria Tuta Osman | Recommendation system for specifying and achieving goals |
| CN104811344B (zh) * | 2014-01-23 | 2019-04-12 | 阿里巴巴集团控股有限公司 | 网络动态业务监控方法及装置 |
| CN104484341A (zh) * | 2014-11-24 | 2015-04-01 | 北京奇虎科技有限公司 | 一种数据指标的动态分析方法和装置 |
| CN105991574B (zh) * | 2015-02-10 | 2020-07-10 | 阿里巴巴集团控股有限公司 | 风险行为监控方法及装置 |
| CN105447323A (zh) * | 2015-12-11 | 2016-03-30 | 百度在线网络技术（北京）有限公司 | 一种数据异常波动检测方法和装置 |
| CN106874101B (zh) * | 2015-12-14 | 2020-05-12 | 阿里巴巴集团控股有限公司 | 软件***的配置实现方法和装置 |
| CN107016583A (zh) * | 2016-01-27 | 2017-08-04 | 阿里巴巴集团控股有限公司 | 数据处理方法及装置 |
| CN107154880B (zh) * | 2016-03-03 | 2020-12-15 | 创新先进技术有限公司 | ***监控方法及装置 |
| CN107220246B (zh) * | 2016-03-21 | 2020-10-16 | 创新先进技术有限公司 | 业务对象的分析方法及装置 |
| CN106991145B (zh) * | 2017-03-23 | 2021-03-23 | ***股份有限公司 | 一种监测数据的方法及装置 |
| CN108009715A (zh) * | 2017-11-28 | 2018-05-08 | 邢加和 | 一种自动分析指标波动根因的方法 |
-
2018
- 2018-06-01 CN CN201810556156.6A patent/CN108829638B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107016398A (zh) * | 2016-01-27 | 2017-08-04 | 阿里巴巴集团控股有限公司 | 数据处理方法及装置 |
| CN107957988A (zh) * | 2016-10-18 | 2018-04-24 | 阿里巴巴集团控股有限公司 | 用于确定数据异常原因的方法、装置及电子设备 |
| CN107330614A (zh) * | 2017-06-29 | 2017-11-07 | 北京京东尚科信息技术有限公司 | 一种业务活动效果的实时评估方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108829638A (zh) | 2018-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108829638B (zh) | 一种业务数据波动处理方法及装置 | |
| US10977739B2 (en) | Risk identification model building and risk identification | |
| CN107358247B (zh) | 一种确定流失用户的方法及装置 | |
| CN110728458B (zh) | 一种目标对象的风险监测方法、装置及电子设备 | |
| CN105824855B (zh) | 一种对数据对象筛选分类的方法、装置以及电子设备 | |
| CN109308616B (zh) | 一种交易记录的风险判定方法及装置 | |
| CN110635962B (zh) | 用于分布式***的异常分析方法及装置 | |
| CN110633989A (zh) | 一种风险行为生成模型的确定方法及装置 | |
| CN106033574B (zh) | 一种作弊行为的识别方法及装置 | |
| CN111160793A (zh) | 一种服务网点自助设备数量的配置方法、装置及设备 | |
| CN108921693B (zh) | 一种数据的衍生方法、装置及设备 | |
| CN115797005A (zh) | 预测模型的训练、商品推荐方法、装置、电子设备及介质 | |
| CN110472742B (zh) | 一种模型变量确定方法、装置及设备 | |
| CN112395179B (zh) | 一种模型训练方法、磁盘预测方法、装置及电子设备 | |
| US9460393B2 (en) | Inference of anomalous behavior of members of cohorts and associate actors related to the anomalous behavior based on divergent movement from the cohort context centroid | |
| CN110458581B (zh) | 商户业务周转异常的识别方法及装置 | |
| CN115456801B (zh) | 个人信用的人工智能大数据风控***、方法和存储介质 | |
| CN109857816B (zh) | 测试样本的选取方法及装置、存储介质、电子设备 | |
| JP6568488B2 (ja) | 計算機及び分析指標の算出方法 | |
| CN111898626B (zh) | 模型确定方法、装置和电子设备 | |
| CN112115316B (zh) | 一种分箱方法、装置、电子设备及存储介质 | |
| CN109189827B (zh) | 时间序列处理方法和装置、电子设备 | |
| Ghobrial et al. | Evaluation Metrics for DNNs Compression | |
| CN112784420B (zh) | 一种风控策略的仿真评估方法、装置及设备 | |
| CN114444601A (zh) | 特征数据项筛选方法、装置及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200930 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20200930 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Advanced innovation technology Co.,Ltd. Address before: Greater Cayman, British Cayman Islands Applicant before: Alibaba Group Holding Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |