CN111367980B - 一种根据电商指标管理上游任务的方法和*** - Google Patents

一种根据电商指标管理上游任务的方法和*** Download PDF

Info

Publication number
CN111367980B
CN111367980B CN202010146550.XA CN202010146550A CN111367980B CN 111367980 B CN111367980 B CN 111367980B CN 202010146550 A CN202010146550 A CN 202010146550A CN 111367980 B CN111367980 B CN 111367980B
Authority
CN
China
Prior art keywords
index
commerce
upstream
indexes
priority level
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
Application number
CN202010146550.XA
Other languages
English (en)
Other versions
CN111367980A (zh
Inventor
胡中贵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suning Cloud Computing Co Ltd
Original Assignee
Suning Cloud Computing Co Ltd
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 Suning Cloud Computing Co Ltd filed Critical Suning Cloud Computing Co Ltd
Priority to CN202010146550.XA priority Critical patent/CN111367980B/zh
Publication of CN111367980A publication Critical patent/CN111367980A/zh
Application granted granted Critical
Publication of CN111367980B publication Critical patent/CN111367980B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种根据电商指标管理上游任务的方法和***，所述方法包括以下步骤：将电商指标的影响因素划分为：指标适用的业务场景、指标的时效性和指标的使用频次，标识所述影响因素的重要等级；根据所述影响因素的重要等级的组合规则，划分出电商指标的优先等级；根据电商指标的数据血缘关系溯源到上游计算任务和指标配置模型；将上游计算任务的优先等级等同于所述电商指标的优先等级，通过所述指标配置模型查找所述电商指标对应的上游加载任务，将所述上游加载任务的优先等级等同于所述电商指标的优先等级。通过对电商指标的重要性分级，进而确定其上游相关任务的优先级，实现对不同等级的指标实施差异化的保障策略。

Description

一种根据电商指标管理上游任务的方法和***
技术领域
本发明涉及电商管理领域，具体涉及一种根据电商指标管理上游任务的方法和***。
背景技术
当前电商企业在日常运营保障尤其是大促期间的运营保障中，经常会面临用户并发访问高、基础平台计算资源趋近饱和的情况，电商企业目前的的运营保障策略，基本都只做到了按信息***保障的粒度，通过对***的重要性分级，对不同***实施差异化的保障策略。虽然指标归属于信息***的应用层，但是***的重要性并不能完全代表指标的重要性，并且同一***内的指标也有不同的重要等级，由于对各种指标的配置都是统一的，没有针对性，导致对电商企业运营保障的精细化程度较差，进而导致了对电商指标保障的效率和成功率很低，在这种情况下，对不同类别的指标划分重要等级，实施差异化的保障策略是电商企业必须面对的问题。
另一方面，由于电商在日常运营中会面对大量的运营数据和指标，如何对这些指标进行归纳和找出这些指标对于电商运营的影响，进而通过这些电商指标的上有针对性的进行指标的划分和保障，目前也内没有这方面的公开技术，如何根据电商指标管理上游任务，还需要进一步地技术创新。
发明内容
为了解决现有技术的问题，本发明实施例提供了一种根据电商指标管理上游任务的方法和***，通过对电商指标的重要性分级，进而确定其上游相关任务的优先级，实现对不同等级的指标实施差异化的保障策略。
为解决上述技术问题，本发明采用的技术方案是：
第一方面，本发明实施例公开了一种根据电商指标管理上游任务的方法，包括以下步骤：
将电商指标的影响因素划分为：指标适用的业务场景、指标的时效性和指标的使用频次，标识所述影响因素的重要等级；
根据所述影响因素的重要等级的组合规则，划分出所述电商指标的优先等级；
根据所述电商指标的数据血缘关系溯源到上游计算任务和指标配置模型；
将所述上游计算任务的优先等级等同于所述电商指标的优先等级，通过所述指标配置模型查找对所述电商指标对应的所述上游加载任务，将所述上游加载任务的优先等级等同于所述电商指标的优先等级。
进一步地，所述指标适用的业务场景包括：面向消费者的购物、履约、营销指标；面向供应商的运营指标；面向企业内部的经营、管理、服务指标。
进一步地，所述指标的时效性包括：对所述电商指标进行加载数据、计算和呈现允许延迟的实时指标、分钟级指标、小时级指标和次日级指标。
进一步地，所述指标的使用频次分为月均使用次数中排名前5％指标、排名前(5％-20％]指标、排名前(20％,50％]指标和排名后50％指标四个等级。
进一步地，若干个所述上游计算任务对应于上游计算任务群，所述上游计算任务群的优先等级为所述电商指标中的最高优先等级；
若干个所述上游加载任务对应于上游加载任务群，所述上游加载任务群的优先等级为所述电商指标中的最高优先等级。
进一步地，所述指标配置模型从数据仓库的事实表和维度表分别取度量和维度进行关联后配置得到的分析模型。
另一方面，本发明实施例还公开了一种根据电商指标管理上游任务的***，包括：
指标归纳模块，用于将电商指标的影响因素划分为：指标适用的业务场景、指标的时效性和指标的使用频次，标识所述影响因素的重要等级；
指标等级确定模块，用于根据所述影响因素的重要等级的组合规则，划分出所述电商指标的优先等级；
指标溯源模块，用于根据所述电商指标的数据血缘关系溯源到上游计算任务和指标配置模型；
上游任务确定模块，用于将所述上游计算任务的优先等级等同于所述电商指标的优先等级，通过所述指标配置模型查找对所述电商指标对应的所述上游加载任务，将所述上游加载任务的优先等级等同于所述电商指标的优先等级。
进一步地，所述指标归纳模块包括有指标场景单元，所述指标场景单元用于确定所述指标适用的业务场景，所述指标适用的业务场景包括：面向消费者的购物、履约、营销指标；面向供应商的运营指标；面向企业内部的经营、管理、服务指标。
进一步地，所述指标归纳模块还包括有指标时效单元，所述指标时效单元用于确定所述指标的时效性，所述指标的时效性包括：对所述电商指标进行加载数据、计算和呈现允许延迟的实时指标、分钟级指标、小时级指标和次日级指标。
进一步地，所述指标归纳模块还包括指标频次单元，所述指标频次单元用于确定所述指标的使用频次，所述指标的时效性包括：对所述电商指标进行加载数据、计算和呈现允许延迟的实时指标、分钟级指标、小时级指标和次日级指标。
进一步地，所述上游任务确定模块包括任务群溯源单元，所述任务群溯源单元用于对于任务群优先等级的确定包括：
若干个所述上游计算任务对应于上游计算任务群，所述上游计算任务群的优先等级为所述电商指标中的最高优先等级；
若干个所述上游加载任务对应于上游加载任务群，所述上游加载任务群的优先等级为所述电商指标中的最高优先等级。
进一步地，所述指标溯源模块包括指标模型配置单元，所述指标模型配置单元用于从数据仓库的事实表和维度表分别取度量和维度进行关联后配置指标配置模型。
本发明实施例提供的技术方案带来的有益效果是：
本发明实施例公开了一种根据电商指标管理上游任务的方法和***，通过先确定电商企业指标重要等级的影响因素分别进行分类分级，最后在三种影响因素下进行综合划分等级的方式，实现电商企业指标的重要性分级，进而通过指标的数据血缘关系确定其上游相关任务的优先级，从而可对不同等级的指标实施差异化的保障策略，根据所述电商指标的数据血缘关系溯源到上游计算任务和指标配置模型，从而利用计算任务和配置模型提高对电商企业运营保障的精细化程度，提高了对指标保障的效率和成功率，对于电商企业的日常运营保障尤其是“大促”期间的运营保障具有重要的现实意义。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的根据电商指标管理上游任务的方法一种的流程示意图；
图2是本实施例公开的根据电商指标管理上游任务的方法中划分指标优先等级的示意图；
图3是本实施例公开的根据电商指标管理上游任务的方法中确定上游任务优先等级的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
如图1所示，本实施例公开了一种根据电商指标管理上游任务的方法，包括以下步骤：
S1：将电商指标的影响因素划分为：指标适用的业务场景、指标的时效性和指标的使用频次，标识所述影响因素的重要等级；
S2：根据所述影响因素的重要等级的组合规则，划分出所述电商指标的优先等级；
S3：根据所述电商指标的数据血缘关系溯源到上游计算任务和指标配置模型；
S4：将所述上游计算任务的优先等级等同于所述电商指标的优先等级，通过所述指标配置模型查找对所述电商指标对应的所述上游加载任务，将所述上游加载任务的优先等级等同于所述电商指标的优先等级。
具体地，本实施例在大数据基础平台的计算层和调度层确定与指标相关的任务的优先级并实施差异化的保障策略，本实施例中的大数据基础平台为包含Hadoop、HBase、ES、Hive、Alluxio、Druid、Kafka、Spark、Flink、Storm、ZK、Yarn等技术组件的基础技术平台环境。通过先确定电商企业指标重要等级的影响因素分别进行分类分级，最后在三种影响因素下进行综合划分等级的方式，实现电商企业指标的重要性分级，进而通过指标的数据血缘关系确定其上游相关任务的优先级，从而可对不同等级的指标实施差异化的保障策略，根据所述电商指标的数据血缘关系溯源到上游计算任务和指标配置模型，从而利用计算任务和配置模型提高对电商企业运营保障的精细化程度，提高了对指标保障的效率和成功率，对于电商企业的日常运营保障尤其是“大促”期间的运营保障具有重要的现实意义。通指标配置模型使得指标保障的更加精准和高效，由于指标的数量和类型较多，因此指标配置模型类别也同样较多，每个指标配置模型对于指标的配置优先等级最终都通过上游的指标计算任务和指标加载任务。
将电商指标的重要等级划分为四个等级，重要等级标识从高到底依次为一级、二级、三级、四级，重要等级名称相应为极高、高、中、低。等级数目过多则增加***实施及保障策略执行的复杂度，等级数目过少则不利于合理区分指标的重要程度，综合考虑，划分成四个等级是比较适合的。
优选地，所述指标适用的业务场景包括：面向消费者的购物、履约、营销指标；面向供应商的运营指标；面向企业内部的经营、管理、服务指标。具体地，指标适用的业务场景可以分为：(1)面向消费者购物链条及权益、权利保障相关的指标，包括浏览/搜索商品、加购物车、下单、支付、确认收货等核心交易链路相关指标；(2)面向消费者后台订单履约相关的指标；(3)面向消费者后端营销支撑相关的指标；(4)面向供应商、商户运营支撑相关的指标；(5)面向企业内部经营分析相关的指标；(6)面向企业财务管理相关的指标；(7)面向企业职能管理及员工服务相关的指标。对这些指标进行优先等级的划分如下：一级：包括：面向消费者购物链条及权益、权利保障相关的指标；面向企业财务管理相关的指标。二级：包括：面向消费者后台订单履约相关的指标。三级：包括：面向消费者后端营销支撑相关的指标；面向供应商、商户运营支撑相关的指标；面向企业内部经营分析相关的指标。四级：包括：面向企业职能管理及员工服务相关的指标。
优选地，所述指标的时效性包括：对所述电商指标进行加载数据、计算和呈现允许延迟的实时指标、分钟级指标、小时级指标和次日级指标。对这些指标进行优先等级的划分如下：一级：实时指标。二级：分钟级指标。三级：小时级指标。四级：T+1(次日)级指标。
优选地，所述指标的使用频次分为月均使用次数中排名前5％指标、排名前(5％-20％]指标、排名前(20％,50％]指标和排名后50％指标四个等级。对这些指标进行优先等级的划分如下：一级：排名前5％指标。二级：排名前(5％-20％]指标。三级：排名前(20％,50％]指标。四级：排名后50％指标。
如图2所示，是通过这三个影响因素确定指标的规则表，其中如果指标适用的业务场景定义为一级，则该指标最终的重要等级就是一级；如果指标的时效性定义为一级，则该指标最终的重要等级不得低于二级；如果指标的时效性定义为一级，则该指标最终的重要等级，在指标适用的业务场景等级的基础上应上升一个等级；如果指标的时效性定义为二级，指标的使用频次定义为一级，则该指标最终的重要等级，在指标适用的业务场景定义的指标等级的基础上应上升一个等级；如果指标的时效性定义为三级或四级，按指标的使用频次定义为二级及以下，则该指标最终的重要等级，在指标适用的业务场景等级的基础上应下级一个等级。
优选地，对所述指标上游任务的优先等级的确定包括：
S301：将指标按其业务属性区分为基础指标和衍生指标。基础指标是不能再进一步拆解、可以直接计算出来的指标，如“订单数”、“交易额”等。衍生指标是基于基础指标，经过二次计算出来的指标。例如：客户数量是一个基础指标，平均客户数、客户增长率就是一个衍生指标。衍生指标是由一个或多个基础指标根据一定的计算公式得到的。
S302：为了使指标的形成过程更具有通用性和灵活性，为基础指标定义指标配置模型。指标配置模型是从数据仓库的事实表和维度表分别取度量和维度进行关联而配置得到的分析模型。这里，度量是指标在具体某个维度粒度下的具体值，也称之为事实。维度是指可指定不同值的对象的描述性属性或特征，是观察数据的角度，是用来说明数据的。需要说明的是，一个指标配置模型可以支持多个基础指标的形成。
S401：定义好指标配置模型后，通过调度其上游的数据加载任务，分别从数据仓库的事实表和维度表中加载数据到指标配置模型，这样，指标配置模型就构建完毕。
S402：根据前面所述得到的指标的重要等级，来确定其上游任务的优先等级，具体包括：通过所述电商指标的数据血缘关系溯源到所述上游数据计算任务，则将所述上游数据计算任务的优先等级等同于所述电商指标的重要等级；再通过所述电商指标溯源到其指标配置模型，通过所述指标配置模型查找其上游数据加载任务，其上游数据加载任务的优先等级不低于所述电商指标的重要等级。
下面结合图3进行详细说明，若衍生指标IC的重要等级为二级，则其上游数据计算任务TC的优先等级则为二级；根据数据血缘关系，衍生指标IC的上游指标为基础指标IA和IB,它们的重要等级均为二级；相应，IA的上游数据计算任务TA的优先等级和IB的上游数据计算任务TB的优先等级也都是二级；再根据指标的数据血缘关系，指标IA来源的指标配置模型为M1，指标IB来源的指标配置模型为M2，而M1的上游数据加载任务为{T1，T2},M2的上游数据加载任务为{T3，T4}；考虑M1支持的基础指标除IA外，还可能支持其他指标(重要等级有可能比IA高)，所以数据加载任务T1和T2的优先级应不低于指标IA的重要等级(二级)；同理，数据加载任务T3和T4的优先级应不低于指标IB的重要等级(二级)。
实施例二：
本实施例公开了一种根据电商指标管理上游任务的***，包括：
指标归纳模块，用于将电商指标的影响因素划分为：指标适用的业务场景、指标的时效性和指标的使用频次，标识所述影响因素的重要等级；
指标等级确定模块，用于根据所述影响因素的重要等级的组合规则，划分出所述电商指标的优先等级；
指标溯源模块，用于根据所述电商指标的数据血缘关系溯源到上游计算任务和指标配置模型；
上游任务确定模块，用于将所述上游计算任务的优先等级等同于所述电商指标的优先等级，通过所述指标配置模型查找对所述电商指标对应的所述上游加载任务，将所述上游加载任务的优先等级等同于所述电商指标的优先等级。
具体地，在通过所述***对电商指标进行管理的过程中，先确定电商企业指标重要等级的影响因素分别进行分类分级，最后在三种影响因素下进行综合划分等级的方式，实现电商企业指标的重要性分级，进而通过指标的数据血缘关系确定其上游相关任务的优先级，从而可对不同等级的指标实施差异化的保障策略，根据所述电商指标的数据血缘关系溯源到上游计算任务和指标配置模型，从而利用计算任务和配置模型提高对电商企业运营保障的精细化程度，提高了对指标保障的效率和成功率，对于电商企业的日常运营保障尤其是“大促”期间的运营保障具有重要的现实意义。
优选地，所述指标归纳模块包括有指标场景单元，所述指标场景单元用于确定所述指标适用的业务场景，所述指标适用的业务场景包括：面向消费者的购物、履约、营销指标；面向供应商的运营指标；面向企业内部的经营、管理、服务指标。
优选地，所述指标归纳模块还包括有指标时效单元，所述指标时效单元用于确定所述指标的时效性，所述指标的时效性包括：对所述电商指标进行加载数据、计算和呈现允许延迟的实时指标、分钟级指标、小时级指标和次日级指标。
优选地，所述指标归纳模块还包括指标频次单元，所述指标频次单元用于确定所述指标的使用频次，所述指标的时效性包括：对所述电商指标进行加载数据、计算和呈现允许延迟的实时指标、分钟级指标、小时级指标和次日级指标。
优选地，所述上游任务确定模块包括任务群溯源单元，所述任务群溯源单元用于对于任务群优先等级的确定包括：
若干个所述上游计算任务对应于上游计算任务群，所述上游计算任务群的优先等级为所述电商指标中的最高优先等级；
若干个所述上游加载任务对应于上游加载任务群，所述上游加载任务群的优先等级为所述电商指标中的最高优先等级。
所述指标溯源模块包括指标模型配置单元，所述指标模型配置单元用于从数据仓库的事实表和维度表分别取度量和维度进行关联后配置指标配置模型。所述指标配置模型的具体构建详见实施例一，再次不再详述。
上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，在此不再一一赘述。
需要说明的是：上述实施例提供的根据电商指标管理上游任务的***在对上游任务进行管理时，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，即将根据电商指标管理上游任务的***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，上述实施例提供的根据电商指标管理上游任务的***与根据电商指标管理上游任务的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种根据电商指标管理上游任务的方法，其特征在于，包括以下步骤：
将电商指标的影响因素划分为：指标适用的业务场景、指标的时效性和指标的使用频次，标识所述影响因素的重要等级；
根据所述影响因素的重要等级的组合规则，划分出所述电商指标的优先等级；
根据所述电商指标的数据血缘关系溯源到上游计算任务和指标配置模型；
将所述上游计算任务的优先等级等同于所述电商指标的优先等级，通过所述指标配置模型查找所述电商指标对应的上游加载任务，将所述上游加载任务的优先等级等同于所述电商指标的优先等级，其中所述指标配置模型为从数据仓库的事实表和维度表分别取度量和维度进行关联后配置得到的分析模型。
2.根据权利要求1所述的根据电商指标管理上游任务的方法，其特征在于，所述指标适用的业务场景包括：面向消费者的购物、履约、营销指标；面向供应商的运营指标；面向企业内部的经营、管理、服务指标。
3.根据权利要求1所述的根据电商指标管理上游任务的方法，其特征在于，所述指标的时效性包括：对所述电商指标进行加载数据、计算和呈现允许延迟的实时指标、分钟级指标、小时级指标和次日级指标。
4.根据权利要求1所述的根据电商指标管理上游任务的方法，其特征在于，
若干个所述上游计算任务对应于上游计算任务群，所述上游计算任务群的优先等级为所述电商指标中的最高优先等级；
若干个所述上游加载任务对应于上游加载任务群，所述上游加载任务群的优先等级为所述电商指标中的最高优先等级。
5.一种根据电商指标管理上游任务的***，其特征在于，包括：
指标归纳模块，用于将电商指标的影响因素划分为：指标适用的业务场景、指标的时效性和指标的使用频次，标识所述影响因素的重要等级；
指标等级确定模块，用于根据所述影响因素的重要等级的组合规则，划分出所述电商指标的优先等级；
指标溯源模块，用于根据所述电商指标的数据血缘关系溯源到上游计算任务和指标配置模型；
上游任务确定模块，用于将所述上游计算任务的优先等级等同于所述电商指标的优先等级，通过所述指标配置模型查找所述电商指标对应的上游加载任务，将所述上游加载任务的优先等级等同于所述电商指标的优先等级；
其中，所述指标溯源模块包括指标模型配置单元，所述指标模型配置单元用于从数据仓库的事实表和维度表分别取度量和维度进行关联后配置指标配置模型。
6.根据权利要求5所述的根据电商指标管理上游任务的***，其特征在于，所述指标归纳模块包括有指标场景单元，所述指标场景单元用于确定所述指标适用的业务场景，所述指标适用的业务场景包括：面向消费者的购物、履约、营销指标；面向供应商的运营指标；面向企业内部的经营、管理、服务指标。
7.根据权利要求5所述的根据电商指标管理上游任务的***，其特征在于，所述指标归纳模块还包括有指标时效单元，所述指标时效单元用于确定所述指标的时效性，所述指标的时效性包括：对所述电商指标进行加载数据、计算和呈现允许延迟的实时指标、分钟级指标、小时级指标和次日级指标。
8.根据权利要求5所述的根据电商指标管理上游任务的***，其特征在于，所述上游任务确定模块包括任务群溯源单元，所述任务群溯源单元用于对于任务群优先等级的确定包括：
若干个所述上游计算任务对应于上游计算任务群，所述上游计算任务群的优先等级为所述电商指标中的最高优先等级；
若干个所述上游加载任务对应于上游加载任务群，所述上游加载任务群的优先等级为所述电商指标中的最高优先等级。
CN202010146550.XA 2020-03-05 2020-03-05 一种根据电商指标管理上游任务的方法和*** Active CN111367980B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010146550.XA CN111367980B (zh) 2020-03-05 2020-03-05 一种根据电商指标管理上游任务的方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010146550.XA CN111367980B (zh) 2020-03-05 2020-03-05 一种根据电商指标管理上游任务的方法和***

Publications (2)

Publication Number Publication Date
CN111367980A CN111367980A (zh) 2020-07-03
CN111367980B true CN111367980B (zh) 2022-11-11

Family

ID=71206667

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010146550.XA Active CN111367980B (zh) 2020-03-05 2020-03-05 一种根据电商指标管理上游任务的方法和***

Country Status (1)

Country Link
CN (1) CN111367980B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112073399B (zh) * 2020-08-28 2023-01-31 华迪计算机集团有限公司 基于双向消息队列的数据交换***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108053094A (zh) * 2017-11-15 2018-05-18 九次方大数据信息集团有限公司 一种权重因素等级评价方法及***
CN110222029A (zh) * 2019-05-09 2019-09-10 国网上海市电力公司 一种大数据多维分析计算效率提升方法及***
CN110765337A (zh) * 2019-11-15 2020-02-07 中科院计算技术研究所大数据研究院 一种基于互联网大数据的服务提供方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108053094A (zh) * 2017-11-15 2018-05-18 九次方大数据信息集团有限公司 一种权重因素等级评价方法及***
CN110222029A (zh) * 2019-05-09 2019-09-10 国网上海市电力公司 一种大数据多维分析计算效率提升方法及***
CN110765337A (zh) * 2019-11-15 2020-02-07 中科院计算技术研究所大数据研究院 一种基于互联网大数据的服务提供方法

Also Published As

Publication number Publication date
CN111367980A (zh) 2020-07-03

Similar Documents

Publication Publication Date Title
Vera-Baquero et al. Business process analytics using a big data approach
US9875505B2 (en) Hierarchical transaction filtering
US7853503B2 (en) Transaction allocation
CN111367980B (zh) 一种根据电商指标管理上游任务的方法和***
Ma et al. The influence of network positions on exploratory innovation: An empirical evidence from China’s patent analysis
Bragadeesh et al. Development of a reliable supply chain system using blockchain
Li et al. Blockchain adoption and application in closed‐loop production under information asymmetry
Yu et al. A study on the application of coordinated TOPSIS in evaluation of robotics academic journals
Wang et al. Information technology innovation in India: The top 100 IT firms
JP2023027741A (ja) リアルタイム企業フットプリント自動化システム
CN115983705A (zh) 考评模型构建方法、计算机设备及计算机可读存储介质
US20140372386A1 (en) Detecting wasteful data collection
CN115618825A (zh) 财务报表合并方法、装置、计算机可读介质及终端设备
Stoenoiu Comparative analysis for estimating production costs
CN112613732A (zh) 一种金融机构监管评级的方法和装置
WO2021046105A1 (en) Systems and methods for assigning attribution weights to nodes
CN109165238A (zh) 一种用于生成周期指标数据的数据处理方法及装置
CN111177188A (zh) 一种基于聚合边与时序聚合边的快速海量时序数据处理方法
CN114519059B (zh) 数据处理方法、装置、电子设备及存储介质
Qin et al. A two-phase approach to subscription subsumption checking for content-based publish/subscribe systems
CN116258362B (zh) 工作流的生成方法、***、设备及介质
CN114444896B (zh) 供应链数据处理***和方案
CN118394800A (zh) 指标的查询方法、装置、电子设备及可读存储介质
Trabay et al. A Trust Evaluation System for Cloud Environment Using Fuzzy Logic
Tianyuan Telecom Customer Segmentation and Precise Package Design by Using Data Mining

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
GR01 Patent grant
GR01 Patent grant