CN113468260A - 一种数据分析方法、装置、电子设备及存储介质 - Google Patents
一种数据分析方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113468260A CN113468260A CN202110587009.7A CN202110587009A CN113468260A CN 113468260 A CN113468260 A CN 113468260A CN 202110587009 A CN202110587009 A CN 202110587009A CN 113468260 A CN113468260 A CN 113468260A
- Authority
- CN
- China
- Prior art keywords
- data
- variable
- analysis
- data analysis
- model
- 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.)
- Granted
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 266
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004458 analytical method Methods 0.000 claims abstract description 115
- 238000012790 confirmation Methods 0.000 claims abstract description 37
- 230000001960 triggered effect Effects 0.000 claims abstract description 25
- 238000012795 verification Methods 0.000 claims description 46
- 230000004044 response Effects 0.000 claims description 37
- 238000013112 stability test Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 40
- 238000010586 diagram Methods 0.000 description 31
- 230000008859 change Effects 0.000 description 18
- 230000000694 effects Effects 0.000 description 11
- 230000000007 visual effect Effects 0.000 description 10
- 230000006854 communication Effects 0.000 description 7
- 230000003203 everyday effect Effects 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 4
- 230000002411 adverse Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229940068196 placebo Drugs 0.000 description 2
- 239000000902 placebo Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/2462—Approximate or statistical queries
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Fuzzy Systems (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开关于一种数据分析方法、装置、电子设备及存储介质,该方法包括:显示变量分析页面,变量分析页面包括待分析数据的变量配置信息;基于变量配置信息进行变量关系解析,生成变量关系数据;在变量分析页面展示变量关系数据;响应于基于变量关系数据触发的变量配置确认指令,显示数据分析页面,数据分析页面包括与变量配置信息对应的第一模型信息;响应于模型确认指令,基于第一模型信息对应的数据分析模型,对待分析数据和变量配置信息进行数据分析,得到第一数据分析结果;显示结果展示页面,结果展示页面包括所述第一数据分析结果。利用本公开实施例提供的技术方案可以有效辅助数据分析人员方便高效地进行数据分析,提升数据分析的可靠性。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及一种数据分析方法、装置、电子设备及存储介质。
背景技术
随着互联网技术的发展,各种应用程序每天都在产生海量的数据,在业务分析中,数据分析人员可以获取应用程序的用户的行为数据,以科学地分析和解决实际问题(例如分析一个功能对于用户使用该应用程序的时长的影响,来决定是否进一步推广或改善该功能)。但由于业务数据和分析情况较为繁琐复杂,数据分析人员常会出现变量配置失误,或是误选不合适的模型应用于本次数据分析等问题,导致分析结果不稳健,进而做出错误的业务决策,数据分析效率和可靠性较低。
发明内容
本公开提供一种数据分析方法、装置、电子设备及存储介质,以至少解决相关技术中数据分析效率和可靠性较低的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种数据分析方法,包括:
显示变量分析页面,所述变量分析页面包括待分析数据的变量配置信息;
基于所述变量配置信息进行变量关系解析,生成变量关系数据;
在所述变量分析页面展示所述变量关系数据;
响应于基于所述变量关系数据触发的变量配置确认指令,显示数据分析页面,所述数据分析页面包括与所述变量配置信息对应的第一模型信息;
响应于模型确认指令,基于所述第一模型信息对应的数据分析模型,对所述待分析数据和所述变量配置信息进行数据分析,得到第一数据分析结果;
显示结果展示页面,所述结果展示页面包括所述第一数据分析结果。
在一个示例性的实施方式中,在所述变量分析页面展示所述变量关系数据之后,所述方法还包括:
响应于变量配置更新指令,将所述变量分析页面中的变量配置信息更新为与所述变量配置更新指令对应的更新变量配置信息;
基于所述更新变量配置信息进行变量关系解析,生成更新后的变量关系数据;
将所述变量分析页面中的所述变量关系数据更新为所述更新后的变量关系数据。
在一个示例性的实施方式中,在所述响应于基于所述变量关系数据触发的变量配置确认指令,显示数据分析页面之前,所述方法还包括:
响应于数据特征分析指令,基于所述待分析数据和所述变量配置信息进行数据特征分析,生成待分析数据对应的数据特征信息,以及与所述数据特征信息对应的模型选择提示信息;
在所述变量分析页面展示所述数据特征信息,以及与所述数据特征信息对应的模型选择提示信息。
在一个示例性的实施方式中,在所述响应于基于所述变量关系数据触发的变量配置确认指令,显示数据分析页面之后,所述方法还包括:
响应于基于所述第一模型信息和所述模型选择提示信息触发的模型更改指令,在所述数据分析页面展示与所述模型更改指令对应的第二模型信息;
响应于模型更新确认指令,基于所述第二模型信息对应的数据分析模型,对所述待分析数据和所述变量配置信息进行数据分析,得到第二数据分析结果。
在一个示例性的实施方式中,所述基于所述变量配置信息进行变量关系解析,生成变量关系数据包括:
响应于变量关系解析指令,调用预设变量关系生成函数;
基于所述预设变量关系生成函数对所述变量配置信息进行变量关系解析,生成所述变量关系数据。
在一个示例性的实施方式中,所述方法还包括:
响应于结果稳定性检验指令,基于所述待分析数据和所述第一数据分析结果进行结果稳定性检验,生成稳定性检验数据;
显示结果检验页面,所述结果检验页面包括所述稳定性检验数据。
在一个示例性的实施方式中,所述响应于结果稳定性检验指令,基于所述待分析数据和所述第一数据分析结果进行结果稳定性检验,生成稳定性检验数据包括:
响应于结果稳定性检验指令,对所述待分析数据中的预设属性值进行数据更新,得到属性更新数据;
根据所述数据分析模型对所述属性更新数据进行数据分析,得到所述属性更新数据的数据分析结果;
根据所述属性更新数据的数据分析结果,生成所述属性更新数据对应的结果分布信息;根据所述结果分布信息和所述数据分析结果生成随机分布检验数据;
将所述随机分布检验数据作为所述稳定性检验数据。
根据本公开实施例的第二方面,提供一种数据分析装置,包括:
变量分析页面显示模块,被配置为执行显示变量分析页面,所述变量分析页面包括待分析数据的变量配置信息;
变量关系数据生成模块,被配置为执行基于所述变量配置信息进行变量关系解析,生成变量关系数据;
变量关系数据展示模块,被配置为执行在所述变量分析页面展示所述变量关系数据;
第一模型信息展示模块,被配置为执行响应于基于所述变量关系数据触发的变量配置确认指令,显示数据分析页面,所述数据分析页面包括与所述变量配置信息对应的第一模型信息;
数据分析模块,被配置为执行响应于模型确认指令,基于所述第一模型信息对应的数据分析模型,对所述待分析数据和所述变量配置信息进行数据分析,得到第一数据分析结果;
结果展示页面显示模块,被配置为执行显示结果展示页面,所述结果展示页面包括所述第一数据分析结果。
在一个示例性的实施方式中,所述装置还包括:
变量配置更新模块,被配置为执行在所述变量分析页面展示所述变量关系数据之后,响应于变量配置更新指令,将所述变量分析页面中的变量配置信息更新为与所述变量配置更新指令对应的更新变量配置信息;
更新变量关系生成模块,被配置为执行基于所述更新变量配置信息进行变量关系解析,生成更新后的变量关系数据;
变量关系数据更新模块,被配置为执行将所述变量分析页面中的所述变量关系数据更新为所述更新后的变量关系数据。
在一个示例性的实施方式中,所述装置还包括:
数据特征分析模块,被配置为执行在所述响应于基于所述变量关系数据触发的变量配置确认指令,显示数据分析页面之前,响应于数据特征分析指令,基于所述待分析数据和所述变量配置信息进行数据特征分析,生成待分析数据对应的数据特征信息,以及与所述数据特征信息对应的模型选择提示信息;
模型提示信息展示模块,被配置为执行在所述变量分析页面展示所述数据特征信息,以及与所述数据特征信息对应的模型选择提示信息。在一个示例性的实施方式中,所述装置还包括:
第二模型信息展示模块,被配置为执行在所述响应于基于所述变量关系数据触发的变量配置确认指令,显示数据分析页面之后,响应于基于所述第一模型信息和所述模型选择提示信息触发的模型更改指令,在所述数据分析页面展示与所述模型更改指令对应的第二模型信息;
模型更新模块,被配置为执行响应于模型更新确认指令,基于所述第二模型信息对应的数据分析模型,对所述待分析数据和所述变量配置信息进行数据分析,得到第二数据分析结果。
在一个示例性的实施方式中,所述变量关系数据生成模块包括:
函数调用单元,被配置为执行响应于变量关系解析指令,调用预设变量关系生成函数;
变量关系数据生成单元,被配置为执行基于所述预设变量关系生成函数对所述变量配置信息进行变量关系解析,生成所述变量关系数据。
在一个示例性的实施方式中,所述装置还包括:
结果稳定性检验模块,被配置为执行响应于结果稳定性检验指令,基于所述待分析数据和所述第一数据分析结果进行结果稳定性检验,生成稳定性检验数据;
结果检验页面显示单元,被配置为执行显示结果检验页面,所述结果检验页面包括所述稳定性检验数据。
在一个示例性的实施方式中,所述结果稳定性检验模块包括:
数据更新单元,被配置为执行响应于结果稳定性检验指令,对所述待分析数据中的预设属性值进行数据更新,得到属性更新数据;
更新数据分析单元,被配置为执行根据所述数据分析模型对所述属性更新数据进行数据分析,得到所述属性更新数据的数据分析结果;
结果分布信息生成单元,被配置为执行根据所述属性更新数据的数据分析结果,生成所述属性更新数据对应的结果分布信息;;
随机分布检验数据生成单元,被配置为执行根据所述结果分布信息和所述第一数据分析结果生成随机分布检验数据;
稳定性检验数据确定单元,被配置为执行将所述随机分布检验数据作为所述稳定性检验数据。
根据本公开实施例的第三方面,提供一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现上述第一方面的数据分析方法。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行上述第一方面的数据分析方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述第一方面的数据分析方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
通过显示变量分析页面,变量分析页面包括待分析数据的变量配置信息;基于变量配置信息进行变量关系解析,生成变量关系数据;在变量分析页面展示变量关系数据;响应于基于变量关系数据触发的变量配置确认指令,显示数据分析页面,数据分析页面包括与变量配置信息对应的第一模型信息;响应于模型确认指令,基于第一模型信息对应的数据分析模型,对待分析数据和变量配置信息进行数据分析,得到第一数据分析结果;显示结果展示页面,结果展示页面包括所述第一数据分析结果,能够利用可视化的变量关系数据清楚直观地展示变量关系,使得数据分析人员能够方便快捷地检查变量配置的准确性,有效辅助数据分析人员方便高效地进行数据分析,提升数据分析的可靠性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种数据分析方法的应用环境示意图;
图2是根据一示例性实施例示出的一种数据分析方法的流程图;
图3是根据一示例性实施例示出的另一种数据分析方法的流程图;
图4是根据一示例性实施例示出的一种包含二维平面形式的变量关系图的变量分析页面的示意图;
图5是根据一示例性实施例示出的一种包含三维立体形式的变量关系图的变量分析页面的示意图;
图6是根据一示例性实施例示出的另一种数据分析方法的流程图;
图7是根据一示例性实施例示出的另一种数据分析方法的流程图;
图8是根据一示例性实施例示出的另一种数据分析方法的流程图;
图9是根据一示例性实施例示出的另一种数据分析方法的流程图;
图10是根据一示例性实施例示出的另一种数据分析方法的流程图;
图11是根据一示例性实施例示出的一种数据分析装置的框图;
图12是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
请参阅图1,其所示为根据一示例性实施例示出的一种数据分析方法的应用环境示意图,该应用环境可以包括终端110和服务器120,该终端110和服务器120之间可以通过有线网络或者无线网络连接。
终端110中可以安装有提供数据分析功能的应用程序等,该应用程序可以为数据分析人员提供数据分析辅助功能,例如生成并展示变量关系数据、显示模型信息和数据分析结果等。具体的,终端110可以包括但不限于台式计算机、平板电脑、笔记本电脑、智能手机等类型的电子设备。可选的,电子设备上运行的操作***可以包括但不限于安卓***、IOS***、linux、windows等。
服务器120可以是为终端110中的应用程序提供后台服务的服务器,例如结合数据分析模型进行计算,也可以是与应用程序的后台服务器连接通信的其它服务器,具体的,服务器120可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
本公开实施例的数据分析方法可以由电子设备来执行,该电子设备可以是终端或者服务器,可以由终端或者服务器单独执行,也可以是终端和服务器相互配合执行。
图2是根据一示例性实施例示出的一种数据分析方法的流程图,如图2所示,以数据分析方法应用于图1的终端为例,包括以下步骤。
图2是根据一示例性实施例示出的一种数据分析方法的流程图,如图2所示,该数据分析方法应用于终端、服务器、边缘计算节点等电子设备中,包括以下步骤:
在步骤S201中,显示变量分析页面。
具体的,该变量分析页面可以包括待分析数据的变量配置信息。该待分析数据可以指示需要进行数据分析的原始数据,该待分析数据可以为因果分析实验数据,例如分析目标为预设功能对预设应用程序用户使用该预设应用程序的时长的影响,此时该待分析数据可以包括多条用户行为数据,每条用户行为数据可以包括用户每日使用该预设应用程序的时长、用户每日是否使用该预设功能、用户每日收到的道具数量、用户年龄、性别等信息和对应值。在一个可选的实施例中,该待分析数据为因果分析实验数据中的面板数据,面板数据包括两个维度,即用户维度和时间维度。该待分析数据的变量配置信息可以指示该待分析数据对应的变量的配置情况(变量可以包括但不限于自变量、因变量、实验变量、工具变量、内生变量),具体可以为数据分析人员结合待分析数据和数据分析需求设定的,在一个具体的实施例中,该待分析数据的变量配置信息可以包括:自变量=用户每日收到的道具数量、用户年龄,因变量=用户每日使用该预设应用程序的时长,实验变量=用户每日是否使用该预设功能。数据分析人员可以预先结合待分析数据和数据分析需求进行变量配置,得到变量配置信息以实现分析目标,在实际应用中,可以基于用于进行变量配置信息获取指令(如python指令)读取上述的变量配置信息。
在步骤S203中,基于上述变量配置信息进行变量关系解析,生成变量关系数据。
具体的,上述的变量关系数据可以指示与上述变量配置信息对应的可视化的变量关系,具体可以为与上述变量配置信息对应的变量关系图,根据实际应用需求,该变量关系图可以为二维平面形式的变量关系图(2D图),或三维立体形式的变量关系图(3D图),以灵活实现变量关系的可视化展示。在一个可选的实施例中,可以在用户输入或上传上述变量配置信息之后自动进行变量关系解析并生成变量关系数据。
在一个可选的实施例中,请参阅图3,上述的基于上述变量配置信息进行变量关系解析,生成变量关系数据可以包括:
在步骤S301中,响应于变量关系解析指令,调用预设变量关系生成函数。
在一个可选的实施例中,可以在用户输入或上传上述变量配置信息之后,由用户点击变量分析页面中的变量分析控件(例如,变量分析按键),或输入变量分析指令代码,生成变量关系解析指令,调用预设变量关系生成函数。
在步骤S303中,基于上述预设变量关系生成函数对上述变量配置信息进行变量关系解析,生成上述的变量关系数据。
具体的,上述预设变量关系生成函数可以包括二维变量关系生成函数和三维变量关系生成函数,调用二维变量关系生成函数会生成二维平面形式的变量关系图(2D图),调用三维变量关系生成函数会生成三维立体形式的变量关系图(3D图),通过基于上述预设变量关系生成函数对上述变量配置信息进行变量关系解析,能够每次利用函数快速生成上述的变量关系数据。
在步骤S205中,在该变量分析页面展示上述变量关系数据。
2D图展示变量关系简洁直观,有利于辅助数据分析人员快速确定配置变量间的关系,而3D图可以在变量较多,变量关系存在重合的情况下更加清楚地展示每个变量关系;在实际应用中数据分析人员可以结合需求单独展示2D图或3D图,或同时展示2D图和3D图以结合两者确定变量配置情况,有利于提升变量关系展示的灵活性。在一个可选的实施例中,变量关系数据中可以以箭头指向的方式表示变量间的影响关系,以不同的颜色表示变量的不同类型,请参阅图4和图5,图4是本公开实施例提供的一个包含二维平面形式的变量关系图的变量分析页面,图5是本公开实施例提供的一个包含三维立体形式的变量关系图的变量分析页面。
在实际应用中,由于数据分析情况通常较为繁琐复杂,变量的数量较多,数据分析师往往容易出现变量配置失误的问题,一旦出错则会得到错误的分析结果,需要重新进行分析,影响数据分析的效率和稳健性。通过根据变量配置信息生成并展示可视化变量之间的关系,可以清楚直观地展示变量间的关系,使得数据分析人员方便快捷地核查变量配置是否准确,进而提升数据分析的效率和可靠性。
在一个可选的实施例中,请参阅图6,在该变量分析页面展示上述变量关系数据之后,上述方法还可以包括:
在步骤S601中,响应于变量配置更新指令,将该变量分析页面中的变量配置信息更新为与该变量配置更新指令对应的更新变量配置信息。
在该变量分析页面展示上述变量关系数据之后,若数据分析人员结合变量关系数据确定变量配置有误,可以输入或上传修改后的变量配置信息,即更新变量配置信息,生成变量配置更新指令,将该变量分析页面中的变量配置信息更新为与该变量配置更新指令对应的更新变量配置信息。
在步骤S603中,基于上述更新变量配置信息进行变量关系解析,生成更新后的变量关系数据。
具体的,基于上述更新变量配置信息进行变量关系解析,生成更新后的变量关系数据的过程与步骤S203类似,但此时是基于更新变量配置信息进行变量关系解析,可以参见步骤S203的相关描述,在此不再赘述。
在步骤S605中,将上述变量分析页面中的上述变量关系数据更新为上述更新后的变量关系数据。
本公开实施例在生成更新后的变量关系数据后,可以对原本的变量关系数据进行更新,展示更新后的变量关系数据,即与更新变量配置信息对应的变量关系图,数据分析人员可以结合更新的变量关系图再次核查修改后的变量配置是否准确,能够尽早发现问题并解决,减少变量配置失误对数据分析的效率和稳健性带来的不利影响,进而提升数据分析的效率和可靠性。
在步骤S207中,响应于基于上述变量关系数据触发的变量配置确认指令,显示数据分析页面。
在实际应用中,数据分析人员可以根据上述变量关系数据进行变量配置准确性检查,确认变量配置无误后,可以生成变量配置确认指令(例如数据分析人员点击了变量分析页面中的分析控件)。具体的,该数据分析页面包括与上述变量配置信息对应的第一模型信息,该第一模型信息可以指示与上述变量配置信息对应的数据分析模型的模型特性,该第一模型信息具体可以包括模型名称和模型使用条件,模型使用条件可以指示要使用该模型的数据要求或场景要求,即模型需满足的假设,具体可以包括但不限于变量之间需满足的关系、时间维度需满足的关系和模型方差假设的关系。
具体的,上述的数据分析模型可以包括但不限于固定效应模型、双重差分模型、混合估计模型、工具变量模型和包含工具变量的固定效应模型;例如此时与上述变量配置信息对应的数据分析模型为固定效应模型,上述的第一模型信息可以包括模型名称(固定效应模型)和模型使用条件(例如,需满足时间独立关系假设,过去的因变量不能影响未来的因变量)。
在实际应用中,***会自动根据变量配置信息确定本次数据分析使用的数据分析模型(即与上述变量配置信息对应的数据分析模型),但由于分析数据和使用场景众多,自动选择的数据分析模型无法保证适用于本次数据分析,而由于模型的多样性和复杂性,数据分析人员难以确定各数据分析模型的特性,易出现利用错误的数据分析模型进行数据分析,进而影响数据分析的可靠性,通过显示包含与上述变量配置信息对应的第一模型信息的数据分析页面,该第一模型信息可以指示与上述变量配置信息对应的数据分析模型的模型特性,有利于使得数据分析人员方便快捷地确定选择的数据分析模型是否符合本次数据分析的需求,提升数据分析模型选择的可靠性,进而提升数据分析的可靠性。
在步骤S209中,响应于模型确认指令,基于上述第一模型信息对应的数据分析模型,对上述待分析数据和变量配置信息进行数据分析,得到第一数据分析结果。
具体的,在显示包含与上述变量配置信息对应的第一模型信息的数据分析页面之后,数据分析人员可以方便快捷地确定选择的数据分析模型是否符合本次数据分析的需求,数据分析人员确认模型选择无误后,可以生成模型确认指令(例如数据分析人员点击了数据分析页面中的模型分析控件进入下一步),基于上述第一模型信息对应的数据分析模型,对上述待分析数据和变量配置信息进行数据分析,得到第一数据分析结果。
在一个具体的实施例中,当上述第一模型信息对应的数据分析模型为混合估计模型时,基于对应的数据分析模型,对上述待分析数据和变量配置信息进行数据分析可以包括忽略时间以及个体关系,对待分析数据进行回归处理;当上述第一模型信息对应的数据分析模型为固定效应模型,基于对应的数据分析模型,对上述待分析数据和变量配置信息进行数据分析可以包括对待分析数据进行去中心化预处理后进行回归处理,并调整标准差;当上述第一模型信息对应的数据分析模型为包含工具变量的固定效应模型,基于对应的数据分析模型,对上述待分析数据和变量配置信息进行数据分析可以包括对待分析数据进行去中心化预处理后,进行两阶段最小二乘法估计;当上述第一模型信息对应的数据分析模型为工具变量模型,基于对应的数据分析模型,对上述待分析数据和变量配置信息进行数据分析可以包括对待分析数据做两阶段最小二乘法估计。
在一个可选的实施例中,请参阅图7,在上述响应于基于上述变量关系数据触发的变量配置确认指令,显示数据分析页面之前,上述方法还可以包括:
在步骤S701中,响应于数据特征分析指令,基于所述待分析数据和所述变量配置信息进行数据特征分析,生成待分析数据对应的数据特征信息,以及与所述数据特征信息对应的模型选择提示信息。
具体的,可以基于用户针对上述变量分析页面中数据特征分析控件的触发,生成上述的数据特征分析指令,例如,用户点击了变量分析页面中的“显示数据特征图”的控件。
在步骤S703中,在所述变量分析页面展示所述数据特征信息,以及与所述数据特征信息对应的模型选择提示信息。
具体的,上述的数据特征信息可以表征上述待分析数据的数据分布特征或数据变化特征,在一个具体的实施例中,上述的数据特征信息可以包括上述待分析数据的数据变化图,当上述待分析数据为面板数据时,上述的数据特征信息可以包括面板数据的多种可视化数据变化图,例如,各实验个体(例如用户)参加实验的状态变化图,和全部个体在不同时间点的分布变化图。上述的数据特征信息与各数据分析模型的使用条件相对应,例如,双重差分模型的使用条件包括各实验个体需在同一天开始实验,则通过生成各实验个体参加实验的状态变化图能够清楚直观地得到各实验个体开始参加实验的时间,当各实验个体开始参加实验的时间差异较大时,生成的对应的模型选择提示信息可以包括:不适用双重差分模型。在上述实施例中,例如此时显示的状态分布数据和对应的模型选择提示信息可以为,各实验个体参加实验的状态变化图和“不适用双重差分模型”。通过在所述变量分析页面展示所述数据特征信息,以及与所述数据特征信息对应的模型选择提示信息,能够清楚直观地显示待分析数据对应的数据特征和相关数据变化情况,以及根据该数据的特征和变化情况如何选择合适的模型,有利于辅助数据分析人员方便快捷地确定适用于本次数据分析的模型,避免错误地选择模型进行数据分析带来的不利影响,提升数据分析模型选择的可靠性,进而提升数据分析的可靠性。
在一个可选的实施例中,请参阅图8,在上述响应于基于上述变量关系数据触发的变量配置确认指令,显示数据分析页面之后,上述方法还可以包括:
在步骤S801中,响应于基于上述第一模型信息和上述模型选择提示信息触发的模型更改指令,在该数据分析页面展示与上述模型更改指令对应的第二模型信息。
具体的,上述的第二模型信息可以指示与上述模型更改指令对应的数据分析模型的模型特性,具体可以包括模型名称和模型使用条件。在响应于基于上述变量关系数据触发的变量配置确认指令,显示数据分析页面,该数据分析页面会包含***自动选择的与上述变量配置信息对应的第一模型信息,数据分析人员还可以结合上述模型选择提示信息和第一模型信息判断模型选择是否有误,若数据分析人员结合上述模型选择提示信息和第一模型信息确定模型选择有误,可以变更选择的数据分析模型。例如,原本第一模型信息对应的模型为固定效应模型,而模型选择提示信息包括不适用固定效应模型,则数据分析人员可以结合实际分析场景选择其他数据分析模型,例如双重差分模型,生成模型更改指令,然后会在该数据分析页面展示与上述模型更改指令对应的第二模型信息,此时即双重差分模型的名称和使用条件。
在步骤S803中,响应于模型更新确认指令,基于上述第二模型信息对应的数据分析模型,对上述待分析数据和所述变量配置信息进行数据分析,得到第二数据分析结果。
具体的,响应于模型更新确认指令,基于上述第二模型信息对应的数据分析模型,对上述待分析数据和所述变量配置信息进行数据分析,得到第二数据分析结果的过程与步骤S209类似,可以参见步骤S209的相关描述,在此不再赘述,后续可以显示包括该第二数据分析结果的结果展示页面。
通过结合待分析数据对应的数据特征信息,以及对应的模型选择提示信息,有利于使得数据分析人员方便快捷地确定数据分析模型选择的准确性,当模型选择有误时及时更改,避免错误地选择模型进行数据分析带来的不利影响,提升数据分析模型选择的可靠性,进而提升数据分析的可靠性。
在步骤S211中,显示结果展示页面。
具体的,该结果展示页面可以包括上述的第一数据分析结果。通过在结果展示页面中展示第一数据分析结果,有利于使得数据分析人员直观方便地进行数据分析结果查看。
在一个可选的实施例中,请参阅图9,上述方法还可以包括:
在步骤S901中,响应于结果稳定性检验指令,基于上述待分析数据和上述第一数据分析结果进行结果稳定性检验,生成稳定性检验数据。
具体的,上述的稳定性检验数据可以指示可视化的稳定性检验结果。在一个可选的实施例中,上述的结果稳定性检验可以包括placebo检验(安慰剂检验),用于检验实验数据是否为随机分布的,进而确定得到的数据分析结果是否可靠,具体的,请参阅图10,此时上述的响应于结果稳定性检验指令,基于上述待分析数据和上述第一数据分析结果进行结果稳定性检验,生成稳定性检验数据可以包括:
在步骤S1001中,响应于结果稳定性检验指令,对上述待分析数据中的预设属性值进行数据更新,得到属性更新数据。
具体的,上述的预设属性值可以为待分析数据中实验变量对应的属性取值,例如,需要分析预设功能对预设应用程序用户使用该预设应用程序的时长的影响时,实验变量即用户是否使用了预设功能,该属性的取值可以为0或1,0表示该用户未使用该预设功能,1表示该用户使用了预设功能。上述的属性更新数据可以指示更新预设属性值后的待分析数据。
在步骤S1003中,根据上述的数据分析模型对上述属性更新数据进行数据分析,得到上述属性更新数据的数据分析结果。
在步骤S1005中,根据上述属性更新数据的数据分析结果,生成上述属性更新数据对应的结果分布信息。
在本公开实施例中,可以利用上述的数据分析模型进行permutation检验(置换检验),具体包括调用上述的数据分析模型对上述属性更新数据进行数据分析,得到上述属性更新数据的数据分析结果,例如可以对待分析数据中的预设属性值进行预设次数的数据更新,例如100次,得到100份属性更新数据,则调用上述的数据分析模型分别对这100份属性更新数据进行数据分析,得到100份数据分析结果,然后可以按照结果值由小到大的顺序生成上述属性更新数据的结果分布信息,该结果分布信息可以为可视化的结果分布情况,如结果分布图。
在步骤S1007中,根据上述结果分布信息和上述第一数据分析结果生成随机分布检验数据。
具体的,该随机分布检验数据可以包括该第一数据分析结果在结果分布信息中的位置信息,例如,该第一数据分析结果落在结果分布图的10%分位点。
在步骤S1009中,将上述随机分布检验数据作为所述稳定性检验数据。
在实际应用中,当第一数据分析结果落在结果分布图的预设区间内,可以表示实验数据为随机分布,数据分析结果可靠,当第一数据分析结果落在结果分布图的预设区间内,可以表示实验数据为非随机分布,数据分析结果不可靠,需要重新进行数据抽样得到新的待分析数据以进行数据分析,在一个具体的实施例中,该预设区间可以为5%~95%。通过对待分析数据中的预设属性值进行数据更新进行随机分布检验,生成随机分布检验数据,能够快速实验数据是否随机分布,提升数据分析的可靠性。
在步骤S903中,显示结果检验页面。
具体的,该结果检验页面可以包括上述的稳定性检验数据。
通过在结果检验页面显示稳定性检验数据,有利于使得数据分析人员方便直观地数据分析结果是否可靠,提升数据分析的可靠性。
图11是根据一示例性实施例示出的一种数据分析装置的框图。参照图11,该数据分析装置1100包括变量分析页面显示模块1110、变量关系数据生成模块1120、变量关系数据展示模块1130、第一模型信息展示模块1140、数据分析模块1150和结果展示页面显示模块1160,其中:
变量分析页面显示模块1110,被配置为执行显示变量分析页面,所述变量分析页面包括待分析数据的变量配置信息;
变量关系数据生成模块1120,被配置为执行基于所述变量配置信息进行变量关系解析,生成变量关系数据;
变量关系数据展示模块1130,被配置为执行在所述变量分析页面展示所述变量关系数据;
第一模型信息展示模块1140,被配置为执行响应于基于所述变量关系数据触发的变量配置确认指令,显示数据分析页面,所述数据分析页面包括与所述变量配置信息对应的第一模型信息;
数据分析模块1150,被配置为执行响应于模型确认指令,基于所述第一模型信息对应的数据分析模型,对所述待分析数据和所述变量配置信息进行数据分析,得到第一数据分析结果;
结果展示页面显示模块1160,被配置为执行显示结果展示页面,所述结果展示页面包括所述第一数据分析结果。
在一个示例性的实施方式中,所述装置还包括:
变量配置更新模块,被配置为执行在所述变量分析页面展示所述变量关系数据之后,响应于变量配置更新指令,将所述变量分析页面中的变量配置信息更新为与所述变量配置更新指令对应的更新变量配置信息;
更新变量关系生成模块,被配置为执行基于所述更新变量配置信息进行变量关系解析,生成更新后的变量关系数据;
变量关系数据更新模块,被配置为执行将所述变量分析页面中的所述变量关系数据更新为所述更新后的变量关系数据。
在一个示例性的实施方式中,所述装置还包括:
数据特征分析模块,被配置为执行在所述响应于基于所述变量关系数据触发的变量配置确认指令,显示数据分析页面之前,响应于数据特征分析指令,基于所述待分析数据和所述变量配置信息进行数据特征分析,生成待分析数据对应的数据特征信息,以及与所述数据特征信息对应的模型选择提示信息;
模型提示信息展示模块,被配置为执行在所述变量分析页面展示所述数据特征信息,以及与所述数据特征信息对应的模型选择提示信息。
在一个示例性的实施方式中,所述装置还包括:
第二模型信息展示模块,被配置为执行在所述响应于基于所述变量关系数据触发的变量配置确认指令,显示数据分析页面之后,响应于基于所述第一模型信息和所述模型选择提示信息触发的模型更改指令,在所述数据分析页面展示与所述模型更改指令对应的第二模型信息;
模型更新模块,被配置为执行响应于模型更新确认指令,基于所述第二模型信息对应的数据分析模型,对所述待分析数据和所述变量配置信息进行数据分析,得到第二数据分析结果。
在一个示例性的实施方式中,所述变量关系数据生成模块包括:
函数调用单元,被配置为执行响应于变量关系解析指令,调用预设变量关系生成函数;
变量关系数据生成单元,被配置为执行基于所述预设变量关系生成函数对所述变量配置信息进行变量关系解析,生成所述变量关系数据。
在一个示例性的实施方式中,所述装置还包括:
结果稳定性检验模块,被配置为执行响应于结果稳定性检验指令,基于所述待分析数据和所述第一数据分析结果进行结果稳定性检验,生成稳定性检验数据;
结果检验页面显示单元,被配置为执行显示结果检验页面,所述结果检验页面包括所述稳定性检验数据。
在一个示例性的实施方式中,所述结果稳定性检验模块包括:
数据更新单元,被配置为执行响应于结果稳定性检验指令,对所述待分析数据中的预设属性值进行数据更新,得到属性更新数据;
更新数据分析单元,被配置为执行根据所述数据分析模型对所述属性更新数据进行数据分析,得到所述属性更新数据的数据分析结果;
结果分布信息生成单元,被配置为执行根据所述属性更新数据的数据分析结果,生成所述属性更新数据对应的结果分布信息;
随机分布检验数据生成单元,被配置为执行根据所述结果分布信息和所述第一数据分析结果生成随机分布检验数据;
稳定性检验数据确定单元,被配置为执行将所述随机分布检验数据作为所述稳定性检验数据。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开实施例的数据分析装置通过显示变量分析页面,变量分析页面包括待分析数据的变量配置信息;基于变量配置信息进行变量关系解析,生成变量关系数据;在变量分析页面展示变量关系数据;响应于基于变量关系数据触发的变量配置确认指令,显示数据分析页面,数据分析页面包括与变量配置信息对应的第一模型信息;响应于模型确认指令,基于第一模型信息对应的数据分析模型,对待分析数据和变量配置信息进行数据分析,得到第一数据分析结果;显示结果展示页面,结果展示页面包括所述第一数据分析结果,能够利用可视化的变量关系数据清楚直观地展示变量关系,使得数据分析人员能够方便快捷地检查变量配置的准确性,有效辅助数据分析人员方便高效地进行数据分析,提升数据分析的可靠性。
在一个示例性的实施方式中,还提供了一种电子设备,包括处理器;用于存储处理器可执行指令的存储器;其中,处理器被配置为执行存储器上所存放的指令时,实现本公开实施例提供的任意一种数据分析方法。
该电子设备可以是终端、服务器或者类似的运算装置,以该电子设备是终端为例,图12是根据一示例性实施例示出的一种用于数据分析的电子设备的框图,具体来讲:
所述终端可以包括RF(Radio Frequency,射频)电路1210、包括有一个或一个以上计算机可读存储介质的存储器1220、输入单元1230、显示单元1240、传感器1250、音频电路1260、WiFi(wireless fidelity,无线保真)模块1270、包括有一个或者一个以上处理核心的处理器1280、以及电源1290等部件。本领域技术人员可以理解,图12中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
RF电路1210可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,交由一个或者一个以上处理器1280处理;另外,将涉及上行的数据发送给基站。通常,RF电路1210包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、LNA(Low Noise Amplifier,低噪声放大器)、双工器等。此外,RF电路1210还可以通过无线通信与网络和其他终端通信。所述无线通信可以使用任一通信标准或协议,包括但不限于GSM(Global System of Mobile communication,全球移动通讯***)、GPRS(General Packet Radio Service,通用分组无线服务)、CDMA(Code Division Multiple Access,码分多址)、WCDMA(Wideband Code DivisionMultiple Access,宽带码分多址)、LTE(Long Term Evolution,长期演进)、电子邮件、SMS(Short Messaging Service,短消息服务)等。
存储器1220可用于存储软件程序以及模块,处理器1280通过运行存储在存储器1220的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器1220可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、功能所需的应用程序等;存储数据区可存储根据所述终端的使用所创建的数据等。此外,存储器1220可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器1220还可以包括存储器控制器,以提供处理器1280和输入单元1230对存储器1220的访问。
输入单元1230可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,输入单元1230可包括触敏表面1231以及其他输入设备1232。触敏表面1231,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面1231上或在触敏表面1231附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面1231可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器1280,并能接收处理器1280发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面1231。除了触敏表面1231,输入单元1230还可以包括其他输入设备1232。具体地,其他输入设备1232可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元1240可用于显示由用户输入的信息或提供给用户的信息以及所述终端的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元1240可包括显示面板1241,可选的,可以采用LCD(Liquid Crystal Display,液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板1241。进一步的,触敏表面1231可覆盖显示面板1241,当触敏表面1231检测到在其上或附近的触摸操作后,传送给处理器1280以确定触摸事件的类型,随后处理器1280根据触摸事件的类型在显示面板1241上提供相应的视觉输出。其中,触敏表面1231与显示面板1241可以两个独立的部件来实现输入和输入功能,但是在某些实施例中,也可以将触敏表面1231与显示面板1241集成而实现输入和输出功能。
所述终端还可包括至少一种传感器1250,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板1241的亮度,接近传感器可在所述终端移动到耳边时,关闭显示面板1241和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于所述终端还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路1260、扬声器1261,传声器1262可提供用户与所述终端之间的音频接口。音频电路1260可将接收到的音频数据转换后的电信号,传输到扬声器1261,由扬声器1261转换为声音信号输出;另一方面,传声器1262将收集的声音信号转换为电信号,由音频电路1260接收后转换为音频数据,再将音频数据输出处理器1280处理后,经RF电路1210以发送给比如另一终端,或者将音频数据输出至存储器1220以便进一步处理。音频电路1260还可能包括耳塞插孔,以提供外设耳机与所述终端的通信。
WiFi属于短距离无线传输技术,所述终端通过WiFi模块1270可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图12示出了WiFi模块1270,但是可以理解的是,其并不属于所述终端的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器1280是所述终端的控制中心,利用各种接口和线路连接整个终端的各个部分,通过运行或执行存储在存储器1220内的软件程序和/或模块,以及调用存储在存储器1220内的数据,执行所述终端的各种功能和处理数据,从而对终端进行整体监控。可选的,处理器1280可包括一个或多个处理核心;优选的,处理器1280可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器1280中。
所述终端还包括给各个部件供电的电源1290(比如电池),优选的,电源可以通过电源管理***与处理器1280逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源1290还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出,所述终端还可以包括摄像头、蓝牙模块等,在此不再赘述。具体在本实施例中,终端还包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行。上述一个或者一个以上程序包含用于执行上述方法实施例提供的任意一种数据分析方法的指令。
在一个示例性的实施方式中,还提供了一种包括指令的计算机可读存储介质,例如包括指令的存储器1220,上述指令可由装置1200的处理器1280执行以完成上述方法。可选地,计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,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,使得计算机执行本公开实施例中的数据分析方法。
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,该计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本公开所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种数据分析方法,其特征在于,包括:
显示变量分析页面,所述变量分析页面包括待分析数据的变量配置信息;
基于所述变量配置信息进行变量关系解析,生成变量关系数据;
在所述变量分析页面展示所述变量关系数据;
响应于基于所述变量关系数据触发的变量配置确认指令,显示数据分析页面,所述数据分析页面包括与所述变量配置信息对应的第一模型信息;
响应于模型确认指令,基于所述第一模型信息对应的数据分析模型,对所述待分析数据和所述变量配置信息进行数据分析,得到第一数据分析结果;
显示结果展示页面,所述结果展示页面包括所述第一数据分析结果。
2.根据权利要求1所述的方法,其特征在于,在所述变量分析页面展示所述变量关系数据之后,所述方法还包括:
响应于变量配置更新指令,将所述变量分析页面中的变量配置信息更新为与所述变量配置更新指令对应的更新变量配置信息;
基于所述更新变量配置信息进行变量关系解析,生成更新后的变量关系数据;
将所述变量分析页面中的所述变量关系数据更新为所述更新后的变量关系数据。
3.根据权利要求1所述的方法,其特征在于,在所述响应于基于所述变量关系数据触发的变量配置确认指令,显示数据分析页面之前,所述方法还包括:
响应于数据特征分析指令,基于所述待分析数据和所述变量配置信息进行数据特征分析,生成待分析数据对应的数据特征信息,以及与所述数据特征信息对应的模型选择提示信息;
在所述变量分析页面展示所述数据特征信息,以及与所述数据特征信息对应的模型选择提示信息。
4.根据权利要求3所述的方法,其特征在于,在所述响应于基于所述变量关系数据触发的变量配置确认指令,显示数据分析页面之后,所述方法还包括:
响应于基于所述第一模型信息和所述模型选择提示信息触发的模型更改指令,在所述数据分析页面展示与所述模型更改指令对应的第二模型信息;
响应于模型更新确认指令,基于所述第二模型信息对应的数据分析模型,对所述待分析数据和所述变量配置信息进行数据分析,得到第二数据分析结果。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于结果稳定性检验指令,基于所述待分析数据和所述第一数据分析结果进行结果稳定性检验,生成稳定性检验数据;
显示结果检验页面,所述结果检验页面包括所述稳定性检验数据。
6.根据权利要求5所述的方法,其特征在于,所述响应于结果稳定性检验指令,基于所述待分析数据和所述第一数据分析结果进行结果稳定性检验,生成稳定性检验数据包括:
响应于结果稳定性检验指令,对所述待分析数据中的预设属性值进行数据更新,得到属性更新数据;
根据所述数据分析模型对所述属性更新数据进行数据分析,得到所述属性更新数据的数据分析结果;
根据所述属性更新数据的数据分析结果,生成所述属性更新数据对应的结果分布信息;
根据所述结果分布信息和所述第一数据分析结果生成随机分布检验数据;
将所述随机分布检验数据作为所述稳定性检验数据。
7.一种数据分析装置,其特征在于,所述装置包括:
变量分析页面显示模块,被配置为执行显示变量分析页面,所述变量分析页面包括待分析数据的变量配置信息;
变量关系数据生成模块,被配置为执行基于所述变量配置信息进行变量关系解析,生成变量关系数据;
变量关系数据展示模块,被配置为执行在所述变量分析页面展示所述变量关系数据;
第一模型信息展示模块,被配置为执行响应于基于所述变量关系数据触发的变量配置确认指令,显示数据分析页面,所述数据分析页面包括与所述变量配置信息对应的第一模型信息;
数据分析模块,被配置为执行响应于模型确认指令,基于所述第一模型信息对应的数据分析模型,对所述待分析数据和所述变量配置信息进行数据分析,得到第一数据分析结果;
结果展示页面显示模块,被配置为执行显示结果展示页面,所述结果展示页面包括所述第一数据分析结果。
8.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至6中任一项所述的数据分析方法。
9.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1至6中任一项所述的数据分析方法。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,所述计算机程序/指令被处理器执行时实现权利要求1至6中任一项所述的数据分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110587009.7A CN113468260B (zh) | 2021-05-27 | 2021-05-27 | 一种数据分析方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110587009.7A CN113468260B (zh) | 2021-05-27 | 2021-05-27 | 一种数据分析方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113468260A true CN113468260A (zh) | 2021-10-01 |
CN113468260B CN113468260B (zh) | 2024-05-14 |
Family
ID=77871606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110587009.7A Active CN113468260B (zh) | 2021-05-27 | 2021-05-27 | 一种数据分析方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113468260B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962578A (zh) * | 2021-10-28 | 2022-01-21 | 四川虹美智能科技有限公司 | 数据分析方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109684383A (zh) * | 2018-12-25 | 2019-04-26 | 广州天鹏计算机科技有限公司 | 数据分析结果的获取方法、装置、计算机设备和存储介质 |
CN109712716A (zh) * | 2018-12-25 | 2019-05-03 | 广州天鹏计算机科技有限公司 | 疾病影响因素确定方法、***和计算机设备 |
CN110928767A (zh) * | 2019-10-12 | 2020-03-27 | 平安国际智慧城市科技股份有限公司 | 网页分析方法、装置、设备及存储介质 |
CN112114914A (zh) * | 2020-08-03 | 2020-12-22 | 广州太平洋电脑信息咨询有限公司 | 生成报表的方法、装置、计算机设备和存储介质 |
-
2021
- 2021-05-27 CN CN202110587009.7A patent/CN113468260B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109684383A (zh) * | 2018-12-25 | 2019-04-26 | 广州天鹏计算机科技有限公司 | 数据分析结果的获取方法、装置、计算机设备和存储介质 |
CN109712716A (zh) * | 2018-12-25 | 2019-05-03 | 广州天鹏计算机科技有限公司 | 疾病影响因素确定方法、***和计算机设备 |
CN110928767A (zh) * | 2019-10-12 | 2020-03-27 | 平安国际智慧城市科技股份有限公司 | 网页分析方法、装置、设备及存储介质 |
CN112114914A (zh) * | 2020-08-03 | 2020-12-22 | 广州太平洋电脑信息咨询有限公司 | 生成报表的方法、装置、计算机设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962578A (zh) * | 2021-10-28 | 2022-01-21 | 四川虹美智能科技有限公司 | 数据分析方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113468260B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108959000B (zh) | 一种服务器压力测试方法、***及终端 | |
CN108804302B (zh) | 一种远程测试方法、***及相关设备 | |
CN111178012A (zh) | 一种表单渲染方法、装置、设备及存储介质 | |
CN106708676B (zh) | 接口测试方法及装置 | |
CN105867751B (zh) | 操作信息处理方法和装置 | |
CN113365106B (zh) | 一种多媒体资源生成方法、装置、电子设备及存储介质 | |
CN111416756B (zh) | 协议测试方法、装置、计算机设备及存储介质 | |
CN108039963B (zh) | 一种容器配置方法、装置及存储介质 | |
CN109451130B (zh) | 移动终端测试方法、装置、移动终端及存储介质 | |
CN111078556A (zh) | 应用测试方法及装置 | |
CN112749074B (zh) | 一种测试用例推荐方法以及装置 | |
CN113468260B (zh) | 一种数据分析方法、装置、电子设备及存储介质 | |
CN112416751A (zh) | 接口自动化测试的处理方法、装置及存储介质 | |
CN115600213A (zh) | 基于应用程序的漏洞管理方法、装置、介质及设备 | |
CN115390707A (zh) | 分享处理方法、装置、电子设备及存储介质 | |
CN114648336A (zh) | 人脸支付方法、装置、电子设备及存储介质 | |
CN114896165A (zh) | 会话机器人***的测试方法、装置、电子设备和存储介质 | |
CN114064447B (zh) | 界面测试方法、装置、存储介质及终端 | |
CN115686506A (zh) | 一种数据显示方法、装置、电子设备和存储介质 | |
CN113065083A (zh) | 一种页面处理方法、装置、电子设备及存储介质 | |
CN115237317B (zh) | 数据展示方法、装置、电子设备及存储介质 | |
CN115361590B (zh) | 直播视频展示方法、装置、电子设备及存储介质 | |
CN112241329B (zh) | 识别引擎的监控方法、装置、设备及存储介质 | |
CN115018574A (zh) | 信息展示方法、装置、电子设备及存储介质 | |
CN115270022A (zh) | 信息展示方法、装置、电子设备及存储介质 |
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 |