CN109961199A

CN109961199A - 一种分析数据波动的方法和装置

Info

Publication number: CN109961199A
Application number: CN201711421906.0A
Authority: CN
Inventors: 张琳
Original assignee: Beijing Jingdong Century Trading Co Ltd; Beijing Jingdong Shangke Information Technology Co Ltd
Current assignee: Beijing Jingdong Century Trading Co Ltd; Beijing Jingdong Shangke Information Technology Co Ltd
Priority date: 2017-12-25
Filing date: 2017-12-25
Publication date: 2019-07-02

Abstract

本发明公开了一种分析数据波动的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取待分析数据的数据集；确定所述数据集中的波动数据；在至少一个波动因素的信息表中，为所述波动数据匹配波动因素信息，以生成所述波动数据的波动原因分析数据。该实施方式能够自动化分析数据波动的原因，效率高，且分析结果客观准确。

Description

一种分析数据波动的方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种分析数据波动的方法和装置。

背景技术

在大数据时代，企业每天都会产生大量的业务数据，合理并及时的对业务数据的波动进行分析可以辨认出关键的市场模式、降低成本、提高资源利用效率并能够积极主动地管理风险，实现业务智能、高利润的增长，并帮助发现以前无法预见的商机。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：目前，对业务数据波动的分析是通过铺设大量的分析师，分别对各自负责的业务线进行分析。但是，由于造成业务波动的因素往往种类繁多，每个因素会根据实际情况不断变化，所以人工监测分析费时费力，当需要跨部门分析时，需大量的人力资源对接，了解各自***内容和流程等，效率较低，无有效的沉淀，并且分析师通常根据自身的经验来分析业务，相对客观度均为自己把控，分析结果准确度较低。

因此，亟需一种准确且高效的，能够自动化分析数据波动的方法和装置。

发明内容

有鉴于此，本发明实施例提供一种分析数据波动的方法和装置，能够自动化的分析数据波动，效率高，且分析结果客观准确。

为实现上述目的，根据本发明实施例的一个方面，提供了一种分析数据波动的方法，包括：

获取待分析数据的数据集；

确定所述数据集中的波动数据；

在至少一个波动因素的信息表中，为所述波动数据匹配波动因素信息，以生成所述波动数据的波动原因分析数据。

可选的，所述波动因素的信息表通过下述步骤生成：

确定预定义的因素集合中所述待分析数据的波动因素；

根据分析维度采集所述波动因素信息，以生成波动因素的信息表，所述分析维度为所述待分析数据的数据集的维度。

进一步的，所述确定预定义的因素集合中所述待分析数据的波动因素包括：

计算预定义的因素集合中每个因素与所述数据的相关系数，确定其中相关系数满足预定义要求的因素为波动因素。

进一步的，所述为波动数据匹配波动因素信息的步骤包括：

根据所述波动数据的维度信息查询所述波动因素的信息表，提取该维度信息的波动因素信息，在所提取的波动因素信息中确定与所述波动数据匹配的波动因素信息。

进一步的，所述在所提取的波动因素信息中确定与所述波动数据匹配的波动因素信息包括：

通过计算所提取的每个波动因素信息的评价参数确定与所述波动数据匹配的波动因素信息，其中，所述评价参数为以下各项参数中的任意一项或任意组合：自身波动幅度、贡献度以及结构占比。

进一步的，所述生成波动数据的波动原因分析数据包括：

当存在多个匹配的波动因素信息时，为每个所述波动因素信息分配权重，根据权重对所述多个波动因素信息进行排序，以生成所述波动原因分析数据。

为实现上述目的，根据本发明实施例的一个方面，提供了一种分析数据波动的装置，包括：

数据加工统计模块，用于获取待分析数据的数据集；

波动点定位模块，用于确定所述数据集中的波动数据；

匹配模块，用于在至少一个波动因素的信息表中，为所述波动数据匹配波动因素信息，以生成所述波动数据的波动原因分析数据。

可选的，本发明实施例提供的分析数据波动的装置还包括：

波动因素信息表生成模块，用于通过下述步骤生成所述波动因素的信息表：

确定预定义的因素集合中所述待分析数据的波动因素；

进一步的，所述波动因素信息表生成模块进一步用于计算预定义的因素集合中每个因素与所述数据的相关系数，确定其中相关系数满足预定义要求的因素为波动因素。

进一步的，所述匹配模块进一步用于根据所述波动数据的维度信息查询所述波动因素的信息表，提取该维度信息的波动因素信息，在所提取的波动因素信息中确定与所述波动数据匹配的波动因素信息。

进一步的，所述匹配模块进一步用于通过计算所提取的每个波动因素信息的评价参数确定与所述波动数据匹配的波动因素信息，其中，所述评价参数为以下各项参数中的任意一项或任意组合：自身波动幅度、贡献度以及结构占比。

进一步的，所述匹配模块进一步用于当存在多个匹配的波动因素信息时，为每个所述波动因素信息分配权重，根据权重对所述多个波动因素信息进行排序，以生成所述波动原因分析数据。

为实现上述目的，根据本发明实施例的一个方面，提供了一种分析数据波动的电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例提供的分析数据波动的方法。

为实现上述目的，根据本发明实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例提供的分析数据波动的方法。

本发明实施例提供的分析数据波动的方法和装置，根据用户需求采集需要进行分析的数据组成待分析的数据集，并分析其中的波动数据，以及通过与该数据集具有相同维度的波动因素的信息表为波动数据匹配波动因素信息，从而得到波动原因的分析数据，实现了自动化的数据波动的洞察并给出相应的原因解读，分析结果客观准确，解读有效度高，用户可以通过相应***自动化分析数据波动并查看波动原因分析数据，从而快速有效的对业务进行调整和处理，缩短定位波动点和分析原因的时间。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是本发明实施例提供的分析数据波动的方法的主要流程的示意图；

图2是本发明实施例提供的波动因素的信息表生成步骤的流程的示意图；

图3是本发明实施例提供的匹配波动因素信息的流程的示意图；

图4是本发明实施例提供的分析数据波动的装置的主要模块的示意图；

图5是本发明实施例提供的分析数据波动的装置的应用示意图；

图6是本发明实施例可以应用于其中的示例性***架构图；

图7是适于用来实现本发明实施例的电子设备的计算机***的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

本发明实施例提供一种分析数据波动的方法，如图1所示，该方法包括：步骤S101至步骤S103。其中，在步骤S101中，获取待分析数据的数据集。在本步骤中，根据用户需求确定需要进行分析的数据，该数据可以是统计指标数据，例如，电商领域的业务统计指标，比如，某平台、品类、品牌或营销活动的交易订单指标或者交易金额指标，当然，该数据也可以是其他反映社会、经济、文化、科技和人民生活的各个方面的统计指标数据，例如，人口类的统计指标、气象类的统计指标、自然资源类的统计指标以及环境类的统计指标等等，在此不一一列举。

在确定需要进行分析的数据后，获取该数据在分析维度的数据集。分析维度即分析待分析数据的角度，其可以为时间、地域以及种类等等，其可以根据待分析数据的类型和分析需求进行设定。例如，分析维度可以为天，则采集某个时间段内每一天的待分析数据组成数据集，假设待分析数据为销售金额指标，则统计某个时间段内每一天的销售金额从而得到销售金额的数据集，该数据集可以是主键为日期的销售金额的数据表。又例如，分析维度可以为省份，假设待分析数据为销售金额指标，则统计每一个省份的销售金额从而得到销售金额的数据集，该数据集可以是主键为省份名称的销售金额的数据表。

然后，在步骤S102中，确定数据集中的波动数据，可以设置待分析数据的数值波动范围，判断待分析数据集中的每个数据的数值是否超出该数值波动范围，若超出，则可确定该数据为波动数据。本步骤根据待分析数据的类型和分析需求可以使用不同算法实现。

进而，在步骤S103中，在至少一个波动因素的分析维度的信息表中为波动数据匹配波动因素信息，以生成波动数据的波动原因分析数据。在本发明中，波动因素是指造成待分析数据发生波动的原因或条件。波动因素的信息表的维度与待分析数据的数据集的维度具有对应关系，波动因素的信息表的维度与待分析数据的数据集的维度可以相同，例如，分析维度为天，待分析数据为销售金额指标，假设销售金额指标的一个波动因素为促销活动，则波动因素的信息表的维度也为天，波动因素的信息表即为主键为日期的促销活动的信息表，其中包括在某个时间段内每一天的促销活动信息。又或者，分析维度为省份，则波动因素的信息表即为主键为省份名称的促销活动的信息表，其中包括每个省份的促销活动信息。或者，波动因素的信息表的维度是待分析数据的数据集的维度的组成部分，例如，分析维度为年度，则波动因素的信息表的维度可以为年、月或日，波动因素的信息表即为主键为年份、月份或日期的促销活动的信息表。

本步骤在波动因素的信息表中为波动数据匹配波动因素信息，生成波动数据的波动原因分析数据。由于波动因素的信息表与待分析数据的数据集具有对应关系，因此利用波动数据的维度信息即可从波动因素的信息表中匹配得到造成该波动数据发生波动的波动因素信息，从而得到由波动因素信息组成的波动原因分析数据，通过该原因分析数据，用户即可直观的了解到波动数据的波动原因。对于相同类型和维度的待分析数据，波动因素的信息表可以复用。

通常待分析数据的波动因素可能有多个，因此在本步骤中可以利用波动数据的维度信息同时在多个波动因素的信息表中匹配波动因素信息，可以针对每一个波动因素的信息表分别生成一个包括该表的波动因素信息的波动原因分析数据。也可以指定多个波动因素的信息表，生成的波动原因分析数据包括从指定的多个波动因素的信息表中匹配得到的波动因素信息，生成的波动原因分析数据方式可以根据具体的应用场景和用户需求进行设定。

本发明实施例提供的分析数据波动的方法，根据用户需求采集需要进行分析的数据组成待分析的数据集，并分析其中的波动数据，以及通过与该数据集具有相同维度的波动因素的信息表为波动数据匹配波动因素信息，从而得到波动原因的分析数据，实现了自动化的数据波动的洞察并给出相应的原因解读，分析结果客观准确，解读有效度高，用户可以通过相应***自动化分析数据波动并查看波动原因分析数据，从而快速有效的对业务进行调整和处理，缩短定位波动点和分析原因的时间。

在本发明实施例中，如图2所示，波动因素的信息表通过下述步骤生成：首先，确定预定义的因素集合中待分析数据的波动因素。然后，根据分析维度采集波动因素信息，以生成波动因素的信息表。其中，预定义的因素集合包括可能造成待分析数据波动的因素，这些因素可以结合具体的应用场景和分析需要根据经验确定。在因素集合中，可以通过因子分析方法确定其中的波动因素，即通过因子分析方法对因素集合进行一次筛选。

在本发明的一种实施方式中，通过计算因素集合中每个因素与待分析数据的相关系数，来确定其中的波动因素，相关系数满足预定义要求的因素即为波动因素。例如，待分析数据为销售金额指标，分析维度为天，因素集合中包括因素：节假日，即根据经验认是节假日是销售金额发生波动的一个因素。提取如下表1(该表仅为示例，未示出全部数据)所示的销售金额与节假日在一段时间内(2017/1/1至2017/1/31)的历史数据，其中对于节假日进行了量化处理，节假日标识为1，非节假日标识为0。

日期	销售金额	节假日
			2017/1/1	56,025	1
2017/1/2	43,160	1
			2017/1/3	75,868	0
2017/1/4	73,109	0
			2017/1/5	75,463	0
….	…..	…..
			2017/1/25	20,475	0
2017/1/26	14,526	0
			2017/1/27	7,107	1
2017/1/28	7,866	1
			2017/1/29	8,511	1
2017/1/30	10,083	1
			2017/1/31	12,445	1

表1

相关系数计算公式如下：

其中，X为销售金额，Y为节假日的量化标识，Cov(X,Y)为X和Y的方差，ρ_XY为X和Y的相关系数，D(X)和D(Y)分别为X和Y的方差。

根据上述公式计算得到下表2所示的相关系数计算结果：

表2

通常相关系数的绝度值0.5-1.0范围内为强相关，故销售金额与节假日的相关系数为-0.59，两者属于负相关，满足要求，可以将节假日纳入波动因素。

当确定节假日为波动因素后，采集每一天的节假日信息，以生成节假日的信息表。

本实施方式通过计算因素集合中每个因素与数据的相关系数，来确定其中的波动因素，基于历史数据利用相关系数算法对根据经验确定的因素集中的因素进行筛选，以确保选出的波动因素对于待分析数据的波动具有影响。而对于没有相关历史数据的待分析数据或因素集因素，也可以通过设定其他规则来对因素集中的因素进行筛选，以便后续步骤对待分析数据的波动原因进行分析解读。

在本发明实施例中，步骤S103中为波动数据匹配波动因素信息的过程，如图3所示，具体为：首先通过波动数据的维度信息查询波动因素的信息表，提取该维度信息的波动因素信息，然后在所提取的波动因素信息中确定与波动数据匹配的波动因素信息。

例如，分析维度为天，待分析数据为销售金额指标，波动数据是数据集中主键日期为2017/1/26的销售金额，销售金额指标的一个波动因素为促销活动，促销活动的信息表中包括在每一天的促销活动信息。利用上述波动数据的维度信息，即主键日期2017/1/26，在促销活动的信息表中查询并提取该日期的促销活动信息，然后在提取的这些促销活动信息中确定与波动数据匹配的促销活动信息。

在本发明的一种实施方式中，通过下述方法在所提取的波动因素信息中确定与波动数据匹配的波动因素信息：通过计算所提取的每个波动因素信息的评价参数确定与波动数据匹配的波动因素信息，其中，评价参数为以下各项参数中的任意一项或任意组合：自身波动幅度、贡献度以及结构占比。

由于造成数据波动的波动因素可能有多个，每个波动因素信息表中与波动数据具有相同维度信息的波动因素信息也可能有多个，每个波动因素信息对于波动数据的影响程度也不尽相同，结合具体的应用场景和分析需求，可以只将影响程度较大的波动因素信息作为波动原因分析数据输出。因此，在为波动数据匹配波动因素信息时，还需对从波动因素的信息表中提取的波动因素信息进行对于波动数据的影响程度的评价，具体可以为计算波动因素信息的自身波动幅度，或者计算波动因素对波动数据的贡献度，或者计算波动因素对波动数据的结构占比，或者通过上述三种方式的任意结合来评价因素信息进行对于波动数据的影响程度，具体可以根据待分析数据的类型、应用场景以及分析需求进行选择。

例如，波动数据为商城某日的销售金额，提取的波动因素信息为该商城当日各种食品饮料的销售金额，在本例中，可以通过计算波动因素信息的自身波动幅度和结构占比来评价波动因素信息的影响程度。先通过计算各个波动因素信息的自身波动幅度，即计算该日各种食品饮料的销售金额的波动幅度，选出其中波动幅度满足要求的波动因素信息，然后分别这些计算波动因素对波动数据的结构占比，即计算每个选出的食品饮料该日的销售金额对商城该日的销售金额的结构占比，再选出其中结构占比满足要求的波动因素信息匹配给波动数据。某个食品饮料的销售金额自身波动幅度较大，但是其可能结构占比很小，对于影响商城的销售金额实际影响很小，通过本例中提供的匹配方式，即可以将上述情况的波动因素信息在匹配过程中剔除，从而实现将影响程度较大的波动因素信息作为波动原因分析数据输出。

在本发明实施例中，步骤S103中生成波动数据的波动原因分析数据的过程具体为：当存在多个匹配的波动因素信息时，为每个波动因素信息分配权重，根据权重对多个波动因素信息进行排序，以生成波动原因分析数据。例如，可以根据在上述步骤中计算得到的波动因素信息的评价参数来为波动因素信息分配权重，对于影响程度较高的波动因素信息可以分配较高的权重，从而在排序时，将该波动因素信息排在其他影响程度相对低的波动因素信息的前面。当然，权重的分配方式也可以根据用户的具体需求和应用场景进行设置。

下面结合一具体的应用场景对本发明实施例提供的分析数据波动的方法进行进一步的说明。在本应用场景中，待分析数据为2017年11月的电商平台每天的销售金额指标，分析维度为天，通过本发明上述实施例中提供的波动因素的信息表的生成步骤，确定销售平台的销售金额指标的波动因素包括：促销活动、节假日、商品类型、平台访问流量以及用户购买指数等，并提取底层数据生成上述每个波动因素的信息表。本例中通过促销活动和节假日对波动因素及其信息表进行说明。

活动名称

促销类型

平台

品类

品牌

促销力度

资源曝光

销售金额

日期

A活动

综促

全平台

全品类

全品牌

A++

全部

2100

2017/11/11

B活动

单品类

全平台

家具

全品牌

C

购物车

2002

2017/11/11

C活动

单品类

APP

食品

M品牌

A+

首焦

2011

2017/11/11

D活动

单品类

APP

服饰

N品牌

B+

个人中心

2009

2017/11/11

…

表3

促销活动是影响销售金额指标波动的一个重要的因素，上述表3所示为2017年11月的作为波动因素的促销活动的信息表(仅为示例)，其中仅示出2017年11月11日的促销活动信息，包括有A、B、C和D活动，以及每个活动的促销类型、平台、品类、品牌、促销力度、资源曝光、销售金额以及日期特征信息，每个特征信息通过对应的统计方法生成，其中，该表中各活动的交易金额可以通过不同的统计方法生成，例如，对于曝光度较弱的活动，可仅统计当次访问下，经过活动页面加入购物车下单的所有订单金额。而对于曝光度高的活动，如全电商平台的促销活动(综促)，可以将该日的所有订单均统计为该促销活动活动所带来。

日期	法定节假日	电商节	工作日
				2017/01/01	元旦		否
2017/01/02			否
				2017/06/18		A电商节	否
2017/11/11		B电商节	否
				…	…	…	…

表4

节假日是影响销售金额指标波动的一个客观因素，销售金额指标在法定节假日、电商节、工作日以及周末的表现均有一定差异。上述表4所示为2017年的作为波动因素的节假日的信息表(仅为示例)，其中，示出了2017年的节假日信息，日期为公历日期，法定节假日可包含中国以及国外的重要节假日，电商品牌日包含每年固定会举行的促销节，工作日为国家法定工作日/休息日标签。

在本应用场景中，待分析数据集为2017年11月的电商平台每天的销售金额指标数据，使用标准差计算公式标记待分析数据集中的波动数据，标准差计算公式：

其中，S为标准差，xn为第n日的销售金额指标，为销售金额指标n日的均值，n为正整数。

如下表5所示，当某日的销售金额大于n日的均值与m倍的标准差的和时，认为该日销售金额偏高，确定其为波动数据，波动监测标记1。当某日的销售金额小于n日的均值与m倍的标准差的差时，认为该日销售金额偏低，确定其为波动数据，波动监测标记-1，其他非波动数据则标记0。其中，n和m的取值可以根据波动频率调整，本例中n为7，m为1。

日期	销售金额	波动监测
			2017/11/01	32,003	1
…	…	…
			2017/11/11	26,123	1
2017/11/12	17,220	0
			2017/11/13	13,888	-1
2017/11/14	15,318	0
			2017/11/15	15,521	0
…	…	…
			2017/11/31	15,500	0

表5

在确定了上述电商平台销售金额指标数据中波动数据后，对每个波动数据匹配波动因素信息，通过波动数据的日期查询促销活动、节假日、商品类型、平台访问流量以及用户购买指数等波动因素的信息表。

其中，对于节假日的信息表，可通过波动数据的日期主键进行查询，将查询结果作为匹配波动因素信息生成波动原因分析数据。例如，对于日期主键为2017/11/11的销售金额波动数据，查询表4所示的2017年11月的促销活动的信息表，得到查询结果为B电商节、非工作日，生成的关联节假日的波动原因分析数据可以为下述形式：

2017/11/11，B电商节、非工作日。

对于促销活动的信息表，通过波动数据的日期主键进行查询，查询过程中可基于需求的统计口径附加查询条件，查找特征信息符合要求的波动因素信息。例如，对于日期主键为2017/11/11的销售金额波动数据，查询表3所示的2017年11月的促销活动的信息表，如若销售金额是APP平台的，则在查询条件中附加平台特征为APP或者全平台的查询条件。在获得查询结果后，对将查询结果的促销活动基于结构占比(结构占比＝促销活动销售金额/平台销售金额)进行排序，将其中排序靠前的促销活动的信息作为匹配波动因素信息，以生成波动原因分析数据。例如，在本例中将排序第一的促销活动的信息作为匹配波动因素信息，即A活动，生成的关联促销活动的波动原因分析数据可以为下述形式：

A活动，全平台、全品类、全品牌综促活动，促销力度A++。

生成的波动原因分析数据的展示形式可以根据用户的需求和应用场景进行相应设置，可以预先配置多种展示模式，例如将多个波动因素的信息表的匹配结果结合在一起排序展示的展示模式等，用户可以通过展示界面上配置的选项选择需要的展示模式。

本发明实施例还提供一种分析数据波动的装置400，如图4所示，该装置包括：数据加工统计模块401、波动点定位模块402、匹配模块403和波动因素信息表生成模块404。数据加工统计模块401用于获取待分析数据的数据集。波动点定位模块402用于确定所述数据集中的波动数据。匹配模块403用于在至少一个波动因素的信息表中，为所述波动数据匹配波动因素信息，以生成所述波动数据的波动原因分析数据。

在本发明实施例中，波动因素信息表生成模块404用于通过下述步骤生成波动因素的信息表：首先，确定预定义的因素集合中所述待分析数据的波动因素。然后，根据分析维度采集所述波动因素信息，以生成波动因素的信息表，所述分析维度为所述待分析数据的数据集的维度。

在本发明实施例中，波动因素信息表生成模块进一步用于计算预定义的因素集合中每个因素与数据的相关系数，确定其中相关系数满足预定义要求的因素为波动因素。

在本发明实施例中，匹配模块进一步用于通过波动数据的维度信息查询波动因素的信息表，提取该维度信息的波动因素信息，在所提取的波动因素信息中确定与波动数据匹配的波动因素信息。

在本发明实施例中，匹配模块进一步用于通过计算所提取的每个波动因素信息的评价参数确定与波动数据匹配的波动因素信息，其中，评价参数为以下各项参数中的任意一项或任意组合：自身波动幅度、贡献度以及结构占比。

在本发明实施例中，匹配模块进一步用于当存在多个匹配的波动因素信息时，为每个波动因素信息分配权重，根据权重对多个波动因素信息进行排序，以生成波动原因分析数据。

本发明实施例提供的分析数据波动的装置，如图5所示，还可以包括：数据采集与清洗单元、底层基础数据单元和结论输出单元，数据加工统计模块、波动点定位模块、匹配模块和波动因素信息表生成模块可以集成为波动解读处理单元。

数据采集与清洗单元，主要通过信息采集网络化和数字化，扩大数据采集的覆盖范围，提高审核工作的全面性、及时性和准确性；最终实现相关业务工作管理现代化、程序规范化、决策科学化，服务网络化。底层基础数据单元，通过基础层建设采集和清洗等电商行业基础数据，构建底层数据模型，如用户访问数据模型、用户点击数据模型、用户交易数据模型、产品模块数据模型、营销活动数据等模型模型。结论输出模块用于通过交互界面向用户显示波动原因分析数据。

图6示出了可以应用本发明实施例的分析数据波动方法或分析数据波动装置的示例性***架构600。

如图6所示，***架构600可以包括终端设备601、602、603，网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备601、602、603通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用。

终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器605可以是提供各种服务的服务器，例如可以根据用户需求分析数据波动并生成波动原因分析数据的后台服务器。

需要说明的是，本发明实施例所提供的分析数据波动的方法一般由服务器605执行，相应地，分析数据波动的装置一般设置于服务器605中。

应该理解，图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图7，其示出了适于用来实现本发明实施例的电子设备的计算机***700的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，计算机***700包括中央处理单元(5PU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有***700操作所需的各种程序和数据。5PU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(5RT)、液晶显示器(L5D)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(5PU)701执行时，执行本发明的***中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(5D-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括数据加工统计模块、波动点定位模块、匹配模块和波动因素信息表生成模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，波动因素信息表生成模块还可以被描述为“用于计算预定义的因素集合中每个因素与数据的相关系数，确定其中相关系数满足预定义要求的因素为波动因素的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：

获取待分析数据的数据集；

确定所述数据集中的波动数据；

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims

1.一种分析数据波动的方法，其特征在于，包括：

获取待分析数据的数据集；

确定所述数据集中的波动数据；

2.根据权利要求1所述的方法，其特征在于，所述波动因素的信息表通过下述步骤生成：

确定预定义的因素集合中所述待分析数据的波动因素；

3.根据权利要求2所述的方法，其特征在于，所述确定预定义的因素集合中所述待分析数据的波动因素包括：

4.根据权利要求2或3所述的方法，其特征在于，所述为波动数据匹配波动因素信息的步骤包括：

5.根据权利要求4所述的方法，其特征在于，所述在所提取的波动因素信息中确定与所述波动数据匹配的波动因素信息包括：

6.根据权利要求1所述的方法，其特征在于，所述生成波动数据的波动原因分析数据包括：

7.一种分析数据波动的装置，其特征在于，包括：

数据加工统计模块，用于获取待分析数据的数据集；

波动点定位模块，用于确定所述数据集中的波动数据；

8.根据权利要求7所述的装置，其特征在于，还包括：

确定预定义的因素集合中所述待分析数据的波动因素；

9.根据权利要求8所述的装置，其特征在于，所述波动因素信息表生成模块进一步用于计算预定义的因素集合中每个因素与所述数据的相关系数，确定其中相关系数满足预定义要求的因素为波动因素。

10.根据权利要求8或9所述的装置，其特征在于，所述匹配模块进一步用于根据所述波动数据的维度信息查询所述波动因素的信息表，提取该维度信息的波动因素信息，在所提取的波动因素信息中确定与所述波动数据匹配的波动因素信息。

11.根据权利要求10所述的装置，其特征在于，所述匹配模块进一步用于通过计算所提取的每个波动因素信息的评价参数确定与所述波动数据匹配的波动因素信息，其中，所述评价参数为以下各项参数中的任意一项或任意组合：自身波动幅度、贡献度以及结构占比。

12.根据权利要求7所述的装置，其特征在于，所述匹配模块进一步用于当存在多个匹配的波动因素信息时，为每个所述波动因素信息分配权重，根据权重对所述多个波动因素信息进行排序，以生成所述波动原因分析数据。

13.一种分析数据波动的电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

14.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。