CN114429364A - 业务数据管理方法和装置、存储介质及电子设备 - Google Patents
业务数据管理方法和装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114429364A CN114429364A CN202210013589.3A CN202210013589A CN114429364A CN 114429364 A CN114429364 A CN 114429364A CN 202210013589 A CN202210013589 A CN 202210013589A CN 114429364 A CN114429364 A CN 114429364A
- Authority
- CN
- China
- Prior art keywords
- data
- service data
- vehicle service
- vehicle
- management
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/25—Manufacturing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Manufacturing & Machinery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种业务数据管理方法和装置、存储介质及电子设备,应用于车联网领域。其中,该方法包括:获取待管理的目标车辆业务数据;从目标车辆业务数据中提取出与车辆业务属性对应的管理维度标签;基于管理维度标签之间的关联关系构建车辆业务数据链;基于管理维度标签和车辆业务数据链,按照不同时间粒度对目标车辆业务数据进行分别统计,得到统计结果数据;按照不同车辆业务主题对统计结果数据进行聚类,以得到多个车辆业务数据集合,其中,每个车辆业务数据对应一个车辆业务主题。本发明解决了现有技术对业务数据管理效率低的技术问题。
Description
技术领域
本发明涉及车联网领域,具体而言,涉及一种业务数据管理方法和装置、存储介质及电子设备。
背景技术
如今,车辆已经成为越来越多的用户或家庭的代步工具,不同车企经销商之间的销售竞争也越来越激烈。为了避免车辆购买用户流失,往往需要车企经销商的顾问可以尽快准确地定位出用户真正的购买需求。
为了对车辆购买用户对应的业务数据进行管理,通常会对业务数据按照不同分类条件进行分类,并将分类后的业务数据分散保存在不同业务数据库中。然而,在通过在线联机分析处理方式去统计分析上述业务数据时,由于不同业务数据库分别保存,就会出现对同一指标数据的重复计算,不仅消耗了计算资源,增大了业务数据库的计算压力,而且还无法保证计算结果的准确性。
也就是说,相关技术中提出的在不同业务数据库分别管理数据的方式存在准确性较差的问题。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种业务数据管理方法和装置、存储介质及电子设备,以至少解决现有技术对业务数据管理效率低的技术问题。
根据本发明实施例的一个方面,提供了一种业务数据管理方法,包括:一种业务数据管理方法,其特征在于,包括:获取待管理的目标车辆业务数据;从目标车辆业务数据中提取出与车辆业务属性对应的管理维度标签;基于管理维度标签之间的关联关系构建车辆业务数据链;基于管理维度标签和车辆业务数据链,按照不同时间粒度对目标车辆业务数据进行分别统计,得到统计结果数据;按照不同车辆业务主题对统计结果数据进行聚类,以得到多个车辆业务数据集合,其中,每个车辆业务数据对应一个车辆业务主题。
根据本发明实施例的又一方面,还提供了一种业务数据管理装置,包括:一种业务数据管理装置,其特征在于,包括:获取单元,用于获取待管理的目标车辆业务数据;提取单元,用于从目标车辆业务数据中提取出与车辆业务属性对应的管理维度标签;建立单元,用于基于管理维度标签之间的关联关系构建车辆业务数据链;统计单元,用于基于管理维度标签和车辆业务数据链,按照不同时间粒度对目标车辆业务数据进行分别统计,得到统计结果数据;聚类单元,用于按照不同车辆业务主题对统计结果数据进行聚类,以得到多个车辆业务数据集合,其中,每个车辆业务数据对应一个车辆业务主题。
根据本发明实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述业务数据管理方法。
根据本申请实施例的又一个方面,提供一种计算机程序产品,该计算机程序产品包括计算机程序/指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机程序/指令,处理器执行该计算机程序/指令,使得该计算机设备执行如以上业务数据管理方法。
根据本发明实施例的又一方面,还提供了一种电子设备,包括存储器和处理器,上述存储器中存储有计算机程序,上述处理器被设置为通过上述计算机程序执行上述的业务数据管理方法。
在本发明实施例中,通过获取待管理的目标车辆业务数据;从目标车辆业务数据中提取出与车辆业务属性对应的管理维度标签;基于管理维度标签之间的关联关系构建车辆业务数据链;基于管理维度标签和车辆业务数据链,按照不同时间粒度对目标车辆业务数据进行分别统计,得到统计结果数据;按照不同车辆业务主题对统计结果数据进行聚类,以得到多个车辆业务数据集合的方式,实现了对业务数据预先进行离线整合和管理,从而避免了在存在数据需求的情况下进行实时数据统计和计算,减小了业务数据库的计算压力,解决了现有的业务数据管理效率低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的业务数据管理方法的应用环境的示意图;
图2是根据本发明实施例的一种可选的业务数据管理方法的流程图;
图3是根据本发明实施例的另一种可选的业务数据管理方法的示意图;
图4是根据本发明实施例的又一种可选的业务数据管理方法的示意图;
图5是根据本发明实施例的又一种可选的业务数据管理方法的示意图;
图6是根据本发明实施例的又一种可选的业务数据管理方法的示意图;
图7是根据本发明实施例的一种可选的业务数据管理装置的结构示意图;
图8是根据本发明实施例的一种可选的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明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,以便这里描述的本发明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。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
以下对本申请中的缩略语和关键属于的定义进行说明:
ADP:Adviser Data Platform,顾问数据管理平台
CDP:Customer Data Platform,客户数据管理平台
HDFS:大数据文件***
Hive:大数据存储与查询引擎
DophineScheduler:分布式去中心化,易扩展的可视化DAG工作流任务调度平台
TiDB:开源的NewSQL数据库,与MySQL兼容
Kafka:消息中间件,负责从不同平台、数据库间传输数据
DataPipline:处理本地数据源和存储服务(各类数据库)之间的数据移动
ODS:Operation Data Store,原始数据层
DIM:Dimension,维表层
DWD:Data Warehouse Detail,明细层
根据本发明实施例的一个方面,提供了一种数据采集方法,可选地,作为一种可选的实施方式,上述数据采集方法可以但不限于应用于如图1所示的硬件环境中的业务数据管理***,其中,该业务数据管理***可以但不限于终端设备102及服务器112。终端设备102可以是一种移动终端(以手机为例),作为进行业务数据管理操作的硬件的对象,服务器112可以用于执行业务数据管理模型的训练以及执行业务数据管理的具体操作。上述终端设备102中包括人机交互屏幕104,处理器106以及存储器108。其中,人机交互屏幕104用于显示获取业务数据的可视化管理结果,处理器106用于运行业务数据管理操作流程以及执行业务数据的获取操作,存储器108用于存储业务数据管理操作的中间数据和结果数据。上述服务器112中可以包括数据库114以及处理引擎116。其中,数据库114用于提供生成上述业务数据管理模型的基础源码,处理引擎116用于基于业务数据生成数据管理模型以及执行业务数据管理操作,具体地,可以基于终端设备102发送的业务数据集合进行业务数据管理操作。
具体过程如以下步骤:如步骤S102,通过终端设备102获取待处理的业务数据。然后如步骤S104,终端设备102向服务器112发送待处理的业务数据;接着服务器112执行步骤S106-S114,获取待管理的目标车辆业务数据;从目标车辆业务数据中提取出与车辆业务属性对应的管理维度标签;基于管理维度标签之间的关联关系构建车辆业务数据链;基于管理维度标签和车辆业务数据链,按照不同时间粒度对目标车辆业务数据进行分别统计,得到统计结果数据;按照不同车辆业务主题对统计结果数据进行聚类,以得到多个车辆业务数据集合,其中,每个车辆业务数据对应一个车辆业务主题;然后服务器112执行步骤S116,向终端设备102发送数据处理结果;最后在终端设备102上执行步骤S112,显示数据处理结果。
作为另一种可选的实施方式,在终端设备102具备较强大的计算处理能力时,上述步骤S106至S114也可以由终端设备102来完成。这里为示例,本实施例中对此不作任何限定。
可选地,在本实施例中,上述终端设备可以是用于运行业务数据管理业务的终端设备,可以包括但不限于以下至少之一:手机(如Android手机、iOS手机等)、笔记本电脑、平板电脑、掌上电脑、MID(Mobile Internet Devices,移动互联网设备)、PAD、台式电脑、智能电视等。上述目标视频图像可以来源于目标客户端,目标客户端可以是视频客户端、即时通信客户端、浏览器客户端、教育客户端等支持提供射击游戏任务的客户端。上述网络可以包括但不限于:有线网络,无线网络,其中,该有线网络包括:局域网、城域网和广域网,该无线网络包括:蓝牙、WIFI及其他实现无线通信的网络。上述服务器可以是单一服务器,也可以是由多个服务器组成的服务器集群,或者是云服务器。上述仅是一种示例,本实施例中对此不作任何限定。
在本发明实施例中,通过获取待管理的目标车辆业务数据;从目标车辆业务数据中提取出与车辆业务属性对应的管理维度标签;基于管理维度标签之间的关联关系构建车辆业务数据链;基于管理维度标签和车辆业务数据链,按照不同时间粒度对目标车辆业务数据进行分别统计,得到统计结果数据;按照不同车辆业务主题对统计结果数据进行聚类,以得到多个车辆业务数据集合的方式,实现了对业务数据预先进行离线整合和管理,从而避免了在存在数据需求的情况下进行实时数据统计和计算,减小了业务数据库的计算压力,解决了现有的业务数据管理效率低的技术问题。
作为一种可选的实施方式,如图2所示,上述数据采集方法包括:
S202,获取待管理的目标车辆业务数据;
S204,从目标车辆业务数据中提取出与车辆业务属性对应的管理维度标签;
S206,基于管理维度标签之间的关联关系构建车辆业务数据链;
S208,基于管理维度标签和车辆业务数据链,按照不同时间粒度对目标车辆业务数据进行分别统计,得到统计结果数据;
S210,按照不同车辆业务主题对统计结果数据进行聚类,以得到多个车辆业务数据集合,其中,每个车辆业务数据对应一个车辆业务主题。
可以理解的是,上述用于获取待管理的目标车辆业务数据的数据采集设备可以包括但不限于以下至少之一:手机(如Android手机、IOS手机等)、笔记本电脑、平板电脑、掌上电脑、MID(Mobile Internet Devices,移动互联网设备)、PAD、台式电脑、智能电视等。
上述方法中,待管理的目标车辆业务数据是来自于存在车辆业务数据管理需求的同一车企的全部业务数据,上述业务数据的来源可以包括但不限于是SCRM(socialCustomer relationship Management,社会化客户关系管理平台)、CDP(Customer DataPlatform,客户数据管理平台)、ADP(Adviser Data Platform,顾问数据管理平台)、SAP(System Application and Products,企业管理解决方案)等数据平台,以及利用神策工具通过埋点操作获取的用于指示用户在web/手机端的点击行为的埋点数据。可以理解的是,此处不对目标车辆业务数据的具体来源和类型进行限定。
上述管理维度标签可以用于指示上述车辆业务数据的归属类型,比如上述维度标签可以是经销商、战区、顾问、车系等维度。具体地,可以将车辆业务数据根据其具体由哪一个经销商的提供从而确定出其“经销商”的维度标签;可以根据车辆业务数据具体由哪一个“战区”产生从而确定出其“战区”的维度标签;可以根据车辆业务数据具体由哪一个顾问产生从而确定出其“顾问”的维度标签;可以根据车辆业务具体是哪一个车系的数据而确定出其“车系”的维度标签。上述维度标签仅为示例性说明,在此不对具体的维度类型进行限制。可以理解的是,同一条业务数据可以由于其业务数据的具体内容而存在多个维度标签。
进一步地,在从车辆业务数据中提取得到与车辆业务属性对应的管理维度之后,基于管理维度标签之间的关联关系构建得到车辆业务数据链。比如某一条车辆销售数据来自于“A经销商”,属于“华北大区”的“王某”的销售业务,卖出的车系为“X车系”。通过以上标签,即可将这一车辆销售数据进行准确定位。同时对属于“A经销商”的全部车辆业务数据进行关联,对属于“华北大区”的全部车辆业务数据进行关联,对顾问“王某”的全部车辆业务数据进行关联,对“X车系”的全部车辆业务数据进行关联,从而得到车辆业务数据链。可以理解的是,上述构建车辆业务数据链的方式仅为示例,不对构建上述车辆业务数据链的具体方法进行限定。
作为一种可选的数据源,如图3、图4所示的一种车辆业务数据平台界面所示。在该平台界面中,显示了该数据平台可以获取在选定的统计周期内的建档数、再回到店率、到店试驾率、到店成交率、订单转换率和线索成交率等业务数据。同时,在选中“建档数”的情况下,可以显示如图8所示的数据平台界面,以显示不同销售人员的具体“建档数”数据。可以理解的是,上述数据平台中的数据集合即可作为本实施例中车辆业务数据源。上述数据类型仅是本实施例中的示例性说明,不对本实施例中的具体数据平台的选择、数据源的类型进行限制。
在从业务数据中提取得到管理维度标签并构建得到业务数据链的基础上,按照不同的时间粒度对车辆数据进行进一步统计。可以理解的是,上述时间粒度指的是不同大小的时间统计周期,比如按照“年”为统计周期对上述车辆业务数据进行统计,也可以按照“周”为统计周期对上述车辆业务进行统计,还可以按照“日”为统计周期对上述车辆业务进行统计。可以理解的是,时间粒度设定越细指示统计周期越短,比如,按照“日”为统计周期对上述车辆业务进行统计的情况下,可以获取每天的车辆业务数据情况,可以视为一种“伪实时”的统计方式。
可以理解的是,上述对统计结果数据进行聚类,以得到多个集合的方式,可以是按照车辆业务数据的主题进行聚类操作。比如可以按照车辆业务的业务性质进行主题划分,可以包括但不限于是试驾订单主题、到店主题、销售订单主题、用户跟进主题、线索主题、战败主题(战败的情况包括但不限于是用户失联、用户违约、用户拒绝、转向其他用户等)。上述用于划分业务性质的主题仅为示例性说明,不对具体的主题划分方法进行限制。
在本发明实施例中,通过获取待管理的目标车辆业务数据;从目标车辆业务数据中提取出与车辆业务属性对应的管理维度标签;基于管理维度标签之间的关联关系构建车辆业务数据链;基于管理维度标签和车辆业务数据链,按照不同时间粒度对目标车辆业务数据进行分别统计,得到统计结果数据;按照不同车辆业务主题对统计结果数据进行聚类,以得到多个车辆业务数据集合的方式,实现了对业务数据预先进行离线整合和管理,从而避免了在存在数据需求的情况下进行实时数据统计和计算,减小了业务数据库的计算压力,解决了现有的业务数据管理效率低的技术问题。
作为一种可选的方式,获取待管理的目标车辆业务数据包括:从原始数据层中获取满足管理条件的目标车辆业务数据,其中,原始数据层用于保存从多个数据渠道获取到的车辆业务数据。
可以理解的是,在本方式中,通过设置管理条件以限制获取的车辆业务数据,上述管理条件可以是设定数据量阈值,对超过该数据量阈值的业务数据不进行获取操作,从而减轻在获取车辆业务数据的过程中带来的数据处理压力。
具体的,上述多个数据渠道可以包括但不限于是:SCRM(social Customerrelationship Management,社会化客户关系管理平台)、CDP(Customer Data Platform,客户数据管理平台)、ADP(Adviser Data Platform,顾问数据管理平台)、SAP(SystemApplication and Products,企业管理解决方案)等数据平台,以及利用神策工具通过埋点操作获取的用于指示用户在web/手机端的点击行为的埋点数据,可以理解的是,在本实施例中,不对上述数据渠道的具体类型进行限定。
通过本实施例的上述方法,以从原始数据层中获取满足管理条件的目标车辆业务数据的方式,通过设定管理条件以确保数据处理效率,并通过多个数据源获取车辆业务数据以实现车辆数据的多元性和综合性,实现了提高了车辆业务数据管理效率的技术效果。
作为一个可选的实施方式,在获取待管理的目标车辆业务数据之前,还包括:
S1,将车辆历史业务数据全量导入原始数据层;
S2,利用数据库的增量日志将车辆增量业务数据同步到原始数据层,其中,增量日志用于记录数据库表结构变更信息及表数据修改信息;
S3,获取携带有操作标记信息的候选车辆业务数据,其中,操作标记信息用于标记被执行过关键操作的车辆业务数据;将候选车辆业务数据同步到原始数据层。
可以理解的是,在对车辆业务数据进行管理操作之前,还需要通过多种方式导入车辆业务数据。包括以上三种操作方式:
其中,将车辆历史业务数据全量导入原始数据层的操作可以通过使用Datapipline工具,从业务数据库中全量导入到数据仓库的原始数据层中,其中,车辆历史业务数据的来源可以是SCRM(social Customer relationship Management,社会化客户关系管理平台)、CDP(Customer Data Platform,客户数据管理平台)、ADP(Adviser DataPlatform,顾问数据管理平台)、SAP(System Application and Products,企业管理解决方案)等数据平台;
其中,上述增量日志可以采用业务数据库的binlog的形式进行记录,结合FlinkCDC(数据准实时复制CDC)工具,将现阶段产生的增量数据业务数据同步到原始数据层中;
上述带有操作标记信息的候选车辆业务数据可以是一种埋点数据,用于指示用户分享操作、重要内容浏览操作、评价或咨询等操作。可以理解的是,该部分数据实时产生,且数据量巨大,因此可以采用Kafka中间件进行削峰处理,即通过Kafka先存储上述埋点数据,然后定期定量从Kafka中拉取满足条件的埋点数据以实现削峰效果。
通过本实施例的上述实施方法,以将车辆历史业务数据全量导入原始数据层;利用数据库的增量日志将车辆增量业务数据同步到原始数据层;获取携带有操作标记信息的候选车辆业务数据,其中,操作标记信息用于标记被执行过关键操作的车辆业务数据;将候选车辆业务数据同步到原始数据层,从而实现对多个数据渠道的数据的获取和预处理,通过设定管理条件以确保数据处理效率,实现了提高了车辆业务数据管理效率的技术效果。
作为一种可选的方式,上述基于管理维度标签之间的关联关系构建车辆业务数据链包括:
S1,解析不同的管理维度标签各自对应的维度属性信息;
S2,利用维度属性信息之间的关系,确定管理维度标签之间的关联关系;
S3,将具有关联关系的管理维度标签构建为车辆业务数据链。
以下结合具体实施方式进行说明,上述车辆业务数据链可以是一种业务数据明细表(DWS),上述管理维度标签可以如:维度A:经销商、顾问、订单量;维度B:城市、经销商。进而可以基于经销商之间的联系,扩展维度,建立“城市”、“经销商”与“顾问、订单量”的关系,从而得到不同城市各自订单的业务明细数据(即业务链),构建庞大的数据明细网。
通过本申请上述实施方法,以解析不同的管理维度标签各自对应的维度属性信息;利用维度属性信息之间的关系,确定管理维度标签之间的关联关系;将具有关联关系的管理维度标签构建为车辆业务数据链,从而实现业务数据明细表(DWS)的建立,即建立得到车辆业务的数据明细网,进而避免了在获取得到数据查询需求时,实时生成相关的明细数据表,实现了提高车辆业务数据管理效率的技术效果。
作为一种可选的实施方式,上述基于管理维度标签和车辆业务数据链,按照不同时间粒度对目标车辆业务数据进行分别统计,得到统计结果数据包括:
S1,从目标车辆业务数据中获取参考时间粒度下产生的参考车辆业务数据;
S2,基于车辆业务数据链,对参考车辆业务数据按照不同的管理维度标签进行统计,得到多个业务指标数据;
S3,将多个业务指标数据确定为参考时间粒度下的统计结果,其中,统计结果数据包括不同时间粒度各自对应的统计结果。
上述参考时间粒度可以“年”、“月”、“周”、“日”,甚至可以是“半日”、“小时”,在确定出需要的时间粒度后,获取目标车辆业务数据中对应于不同时间粒度的车辆业务数据。可以理解的是,时间粒度设定得越小,得到的车辆业务数据越接近“实时”的业务数据。在获取得到对应于不同时间粒度的车辆业务数据进行统计后,得到多个业务指标数据,进而确定出不同时间粒度下的统计结果。
通过本申请的上述实施例,以从目标车辆业务数据中获取参考时间粒度下产生的参考车辆业务数据;基于车辆业务数据链,对参考车辆业务数据按照不同的管理维度标签进行统计,得到多个业务指标数据;将多个业务指标数据确定为参考时间粒度下的统计结果,其中,统计结果数据包括不同时间粒度各自对应的统计结果的方式,预先统计得到对应于不同时间粒度的车辆业务数据,从而避免了在获取到业务查询需求的情况下再实时从数据库中查询并统计数据,降低了对重复查询需求的查询计算压力,提高了车辆业务数据管理效率。
作为一种可选的实施方式,上述按照不同车辆业务主题对统计结果数据进行聚类,以得到多个车辆业务数据集合包括:将统计结果数据按照预先配置的车辆业务主题进行聚类,得到与车辆业务主题各自匹配的车辆业务数据集合,其中,车辆业务数据集合中包括与不同的管理维度标签各自对应的车辆业务数据子集。
可选地,上述车辆业务主题可以包括但不限于是试驾订单主题、到店主题、订单主题、用户跟进主题、线索主题、战败主题(包括用户失联、用户违约、用户拒绝、转向其他顾问等)。具体地,可以将上述得到的统计结果按照不同主题进行聚类,比如将统一主题的数据迁移到一个数据表中。需要说明的是,此处仅进行数据迁移以及去重处理,不进行其他统计计算。
通过本实施例的上述实施方法,以业务主题对统计结果数据进行聚类,以得到多个车辆业务数据集合包括:将统计结果数据按照预先配置的车辆业务主题进行聚类,得到与车辆业务主题各自匹配的车辆业务数据集合的方式,实现不同主题的车辆业务数据的聚类,提高了车辆业务数据的管理效率。
作为一种可选的实施方式,在获取待管理的目标车辆业务数据之前,还包括:创建全局调度任务,其中,全局调度任务中包括具有管理时序关系的任务序列,任务序列中包括:用于提取管理维度标签的第一任务、用于构建车辆业务数据链的第二任务、用于得到统计结果数据的第三任务及用于聚类得到车辆业务数据集合的第四任务。
可以理解的是,由于上文管理是离线操作,为确保对同一周期T内的业务数据进行管理,将其以任务形式关联,使的在同一周期内的业务数据的处理任务位于同一任务流。具体地,可以使用DophineScheduler进行全局调度,保证数据采集、数据ETL(Extract-Transform-Load,数据仓库技术)、指标离线计算、分主题聚集指标在同一任务流中依赖并顺利执行。
在本实施例中,以创建全局调度任务的方式实现了对车辆业务数据的整体任务的调度管理,进而提高了车辆业务数据管理效率,其中,全局调度任务中包括具有管理时序关系的任务序列。
作为一种可选的实施方式,在按照不同车辆业务主题对统计结果数据进行聚类,以得到多个车辆业务数据集合之后,还包括:
S1,在多个车辆业务数据集合中,获取与第一身份角色相关的第一业务数据,并基于第一业务数据生成与第一身份角色的角色属性相匹配的第一业务报告,其中,第一业务报告用于向属于第一身份角色的对象提示订单成交信息;
S2,在多个车辆业务数据集合中,获取与第二身份角色相关的第二业务数据,并基于第二业务数据生成与第二身份角色的角色属性相匹配的第二业务报告,其中,第二业务报告用于向属于第二身份角色的对象提示热点车辆信息。
可选地,上述第一业务数据可以是获取得到的ADP(Adviser Data Platform,顾问数据管理平台)数据,上述第二业务数据可以是获取得到的CDP(Customer Data Platform,客户数据管理平台)数据。具体地,车辆业务数据管理***从数据库表中获取数据并进行展示,根据车企对数据的分析情况分为ADP和CDP两部分。对ADP指标分维度观察和分析可以清晰的知道总公司/战区/经销商/顾问的销售情况(热销车系、销售数量、顾问跟进情况、客户粘度等),从而帮助车企管理者为各层级结构的组织指定更合理的销售策略;对CDP指标数据的分析将有助于车企更好的了解客户对车辆的诉求,从而更精准的向客户推荐合适的车辆,提高购车转化率。
通过本申请的上述实施方式,以在多个车辆业务数据集合中,获取与第一身份角色相关的第一业务数据,并基于第一业务数据生成与第一身份角色的角色属性相匹配的第一业务报告;在多个车辆业务数据集合中,获取与第二身份角色相关的第二业务数据,并基于第二业务数据生成与第二身份角色的角色属性相匹配的第二业务报告,从而实现了提高车辆业务数据的管理效率的技术效果。
以下结合图6本申请的一个具体实施例进行说明。
该实施例将在车企行业中采用数仓建模思想,对车企产生的目标对象行为数据和顾问数据进行统计分析,从而进一步为车企数字化营销带来收益。
如图6所示,该***主要分为三大模块,即:数据源、数据仓库、管理***。
首先对数据源进行介绍:数据源为车企数据的存储平台,这里主要列举业务数据和埋点数据。对于业务数据,主要包括社会化客户关系管理(social CRM)SCRM、CDP、ADP、SAP等数据;而埋点数据主要是用户在web/手机端等的点击行为等,使用神策工具进行埋点;
接着对数据仓库进行介绍:
数仓主要包括两部分:1.将数据源中的数据通过技术工具进行导入,这里称之为原始数据层(ODS);2.针对这些数据进行数仓分层建模(DIM→DWD→DWS→DM)。
如图6所示,对于数据导入,该方案针对数据特性,将其分成三部分,这三部分分别采用不同方式导入:
a.历史业务数据:使用Datapipline工具,从业务数据库中全量导入到数据仓库的原始数据ODS层中;
b.对于现阶段产生的增量数据:使用业务数据库的binlog,结合Flink CDC(数据准实时复制CDC)工具,增量同步到ODS;
c.对于埋点数据:这部分数据量非常大,且实时产生,这里采用Kafka中间件进行削峰,实时同步到ODS中。
接着,对于数仓分层建模,该方案结合车企数据特性和业界建模思想,将其分为DIM、DWD、DWS、DM四层:
DIM(数据ETL,维度数据):针对ODS中的数据,提取车企相关扁平维度(比如:经销商、战区、顾问、车系等),过滤无效数据,建立数仓公共维表,该层主要用来做车企业务指标统计的维度(如:按经销商维度统计在当期线索流入/订单成交数);
DWD(数据ETL,业务明细数据):针对ODS中的数据,提取车企数字化营销感兴趣的业务过程(比如:线索、下订、试驾等),保留业务产生的最小时间粒度的数据,扩展业务过程相关的所有维度字段,过滤无效数据,建立业务数据明细表;
DWS(指标离线计算):基于DIM维表和DWD数据明细表,按不同时间粒度(日/月/年等)不同维度离线统计业务感兴趣的指标构建DWS数据服务层,并将结果存储于Hive中,减少重复计算;
DM(分主题聚集指标):基于DWS层数据,分主题聚集指标,将车企同一主题相关的指标(如到店、订单)汇集到同一表中,构建DM层,并存储于OLAP数据库MySQL中。
关于数仓整体任务的调度,使用DophineScheduler全局调度,保证数据采集、数据ETL、指标离线计算、分主题聚集指标在同一任务流中依赖并顺利执行。
接着对管理***进行介绍:管理portal***从DM数据库表中获取数据并进行展示,根据车企对数据的分析情况分为ADP和CDP两部分。对ADP指标分维度观察和分析可以清晰的知道总公司/战区/经销商/顾问的销售情况(热销车系、销售数量、顾问跟进情况、客户粘度等),从而帮助车企管理者为各层级结构的组织指定更合理的销售策略;对CDP指标数据的分析将有助于车企更好的了解客户对车辆的诉求,从而更精准的向客户推荐合适的车辆,提高购车转化率。
在本发明实施例中,通过设置车企业务数据管理***,通过数据源、数据仓库和管理***三大模块的数据存储和操作处理,实现了对业务数据预先进行离线整合和管理,从而避免了在存在数据需求的情况下进行实时数据统计和计算,减小了业务数据库的计算压力,解决了现有的业务数据管理效率低的技术问题。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
根据本发明实施例的另一个方面,还提供了一种用于实施上述业务数据管理方法的业务数据管理装置。如图7所示,该装置包括:
获取单元702,用于获取待管理的目标车辆业务数据;
提取单元704,用于从目标车辆业务数据中提取出与车辆业务属性对应的管理维度标签;
建立单元706,用于基于管理维度标签之间的关联关系构建车辆业务数据链;
统计单元708,用于基于管理维度标签和车辆业务数据链,按照不同时间粒度对目标车辆业务数据进行分别统计,得到统计结果数据;
聚类单元710,用于按照不同车辆业务主题对统计结果数据进行聚类,以得到多个车辆业务数据集合,其中,每个车辆业务数据对应一个车辆业务主题。
可选地,在本实施例中,上述各个单元模块所要实现的实施例,可以参考上述各个方法实施例,这里不再赘述。
根据本发明实施例的又一个方面,还提供了一种用于实施上述业务数据管理方法的电子设备,该电子设备可以是图8所示的终端设备或服务器。本实施例以该电子设备为终端设备为例来说明。如图8所示,该电子设备包括存储器802和处理器804,该存储器802中存储有计算机程序,该处理器804被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述电子设备可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取待管理的目标车辆业务数据;
S2,从目标车辆业务数据中提取出与车辆业务属性对应的管理维度标签;
S3,基于管理维度标签之间的关联关系构建车辆业务数据链;
S4,基于管理维度标签和车辆业务数据链,按照不同时间粒度对目标车辆业务数据进行分别统计,得到统计结果数据;
S5,按照不同车辆业务主题对统计结果数据进行聚类,以得到多个车辆业务数据集合,其中,每个车辆业务数据对应一个车辆业务主题。
可选地,本领域普通技术人员可以理解,图8所示的结构仅为示意,电子装置电子设备也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图8其并不对上述电子装置电子设备的结构造成限定。例如,电子装置电子设备还可包括比图8中所示更多或者更少的组件(如网络接口等),或者具有与图8所示不同的配置。
其中,存储器802可用于存储软件程序以及模块,如本发明实施例中的业务数据管理方法和装置对应的程序指令/模块,处理器804通过运行存储在存储器802内的软件程序以及模块,从而执行各种功能应用以及图像处理,即实现上述的业务数据管理方法。存储器802可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器802可进一步包括相对于处理器804远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中,存储器802具体可以但不限于用于存储硬件性能图像中的各个部分、业务数据管理信息等信息。作为一种示例,如图8所示,上述存储器802中可以但不限于包括上述业务数据管理装置中的获取单元702、提取单元704、建立单元706、统计单元708以及聚类单元710。此外,还可以包括但不限于上述业务数据管理装置中的其他模块单元,本示例中不再赘述。
可选地,上述的传输装置806用于经由一个网络接收或者发送图像。上述的网络具体实例可包括有线网络及无线网络。在一个实例中,传输装置806包括一个网络适配器(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中,传输装置806为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
此外,上述电子设备还包括:显示器808,用于显示界面中的车辆业务数据管理***界面;和连接总线810,用于连接上述电子设备中的各个模块部件。
在其他实施例中,上述终端设备或者服务器可以是一个分布式***中的一个节点,其中,该分布式***可以为区块链***,该区块链***可以是由该多个节点通过网络通信的形式连接形成的分布式***。其中,节点之间可以组成点对点(P2P,Peer To Peer)网络,任意形式的计算设备,比如服务器、终端等电子设备都可以通过加入该点对点网络而成为该区块链***中的一个节点。
根据本申请的一个方面,提供了一种计算机程序产品,该计算机程序产品包括计算机程序/指令,该计算机程序/指令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从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理器执行时,执行本申请实施例提供的各种功能。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
根据本申请的一个方面,提供了一种计算机可读存储介质,计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述业务数据管理方方法。
可选地,在本实施例中,上述计算机可读存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,获取待管理的目标车辆业务数据;
S2,从目标车辆业务数据中提取出与车辆业务属性对应的管理维度标签;
S3,基于管理维度标签之间的关联关系构建车辆业务数据链;
S4,基于管理维度标签和车辆业务数据链,按照不同时间粒度对目标车辆业务数据进行分别统计,得到统计结果数据;
S5,按照不同车辆业务主题对统计结果数据进行聚类,以得到多个车辆业务数据集合,其中,每个车辆业务数据对应一个车辆业务主题。
可选地,在本实施例中,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种业务数据管理方法,其特征在于,包括:
获取待管理的目标车辆业务数据;
从所述目标车辆业务数据中提取出与车辆业务属性对应的管理维度标签;
基于所述管理维度标签之间的关联关系构建车辆业务数据链;
基于所述管理维度标签和所述车辆业务数据链,按照不同时间粒度对所述目标车辆业务数据进行分别统计,得到统计结果数据;
按照不同车辆业务主题对所述统计结果数据进行聚类,以得到多个车辆业务数据集合,其中,每个所述车辆业务数据对应一个所述车辆业务主题。
2.根据权利要求1所述的方法,其特征在于,所述获取待管理的目标车辆业务数据包括:
从原始数据层中获取满足管理条件的所述目标车辆业务数据,其中,所述原始数据层用于保存从多个数据渠道获取到的车辆业务数据。
3.根据权利要求2所述的方法,其特征在于,在所述获取待管理的目标车辆业务数据之前,还包括:
将车辆历史业务数据全量导入所述原始数据层;
利用数据库的增量日志将车辆增量业务数据同步到所述原始数据层,其中,所述增量日志用于记录数据库表结构变更信息及表数据修改信息;
获取携带有操作标记信息的候选车辆业务数据,其中,所述操作标记信息用于标记被执行过关键操作的车辆业务数据;将所述候选车辆业务数据同步到所述原始数据层。
4.根据权利要求1所述的方法,其特征在于,所述基于所述管理维度标签之间的关联关系构建车辆业务数据链包括:
解析不同的所述管理维度标签各自对应的维度属性信息;
利用所述维度属性信息之间的关系,确定所述管理维度标签之间的所述关联关系;
将具有所述关联关系的所述管理维度标签构建为所述车辆业务数据链。
5.根据权利要求1所述的方法,其特征在于,所述基于所述管理维度标签和所述车辆业务数据链,按照不同时间粒度对所述目标车辆业务数据进行分别统计,得到统计结果数据包括:
从所述目标车辆业务数据中获取参考时间粒度下产生的参考车辆业务数据;
基于所述车辆业务数据链,对所述参考车辆业务数据按照不同的所述管理维度标签进行统计,得到多个业务指标数据;
将所述多个业务指标数据确定为所述参考时间粒度下的统计结果,其中,所述统计结果数据包括不同时间粒度各自对应的统计结果。
6.根据权利要求1所述的方法,其特征在于,所述按照不同车辆业务主题对所述统计结果数据进行聚类,以得到多个车辆业务数据集合包括:
将所述统计结果数据按照预先配置的所述车辆业务主题进行聚类,得到与所述车辆业务主题各自匹配的所述车辆业务数据集合,其中,所述车辆业务数据集合中包括与不同的所述管理维度标签各自对应的车辆业务数据子集。
7.根据权利要求1至6中任一项所述的方法,其特征在于,在所述获取待管理的目标车辆业务数据之前,还包括:
创建全局调度任务,其中,所述全局调度任务中包括具有管理时序关系的任务序列,所述任务序列中包括:用于提取所述管理维度标签的第一任务、用于构建所述车辆业务数据链的第二任务、用于得到所述统计结果数据的第三任务及用于聚类得到所述车辆业务数据集合的第四任务。
8.根据权利要求1至6中任一项所述的方法,其特征在于,在所述按照不同车辆业务主题对所述统计结果数据进行聚类,以得到多个车辆业务数据集合之后,还包括:
在所述多个车辆业务数据集合中,获取与第一身份角色相关的第一业务数据,并基于所述第一业务数据生成与所述第一身份角色的角色属性相匹配的第一业务报告,其中,所述第一业务报告用于向属于所述第一身份角色的对象提示订单成交信息;
在所述多个车辆业务数据集合中,获取与第二身份角色相关的第二业务数据,并基于所述第二业务数据生成与所述第二身份角色的角色属性相匹配的第二业务报告,其中,所述第二业务报告用于向属于所述第二身份角色的对象提示热点车辆信息。
9.一种业务数据管理装置,其特征在于,包括:
获取单元,用于获取待管理的目标车辆业务数据;
提取单元,用于从目标车辆业务数据中提取出与车辆业务属性对应的管理维度标签;
建立单元,用于基于管理维度标签之间的关联关系构建车辆业务数据链;
统计单元,用于基于管理维度标签和车辆业务数据链,按照不同时间粒度对目标车辆业务数据进行分别统计,得到统计结果数据;
聚类单元,用于按照不同车辆业务主题对统计结果数据进行聚类,以得到多个车辆业务数据集合,其中,每个车辆业务数据对应一个车辆业务主题。
10.一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行所述权利要求1至8任一项中所述的方法。
11.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1至8任一项所述方法的步骤。
12.一种电子设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行所述权利要求1至8任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210013589.3A CN114429364A (zh) | 2022-01-06 | 2022-01-06 | 业务数据管理方法和装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210013589.3A CN114429364A (zh) | 2022-01-06 | 2022-01-06 | 业务数据管理方法和装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114429364A true CN114429364A (zh) | 2022-05-03 |
Family
ID=81312000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210013589.3A Pending CN114429364A (zh) | 2022-01-06 | 2022-01-06 | 业务数据管理方法和装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114429364A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114841570A (zh) * | 2022-05-07 | 2022-08-02 | 金腾科技信息(深圳)有限公司 | 用于客户关系管理***的数据处理方法、装置、设备及介质 |
CN115033646A (zh) * | 2022-08-11 | 2022-09-09 | 深圳联友科技有限公司 | 一种基于Flink&Doris构建实时数仓***的方法 |
CN115134383A (zh) * | 2022-06-24 | 2022-09-30 | 重庆长安汽车股份有限公司 | 一种车联网数据上云任务动态配置方法、***、设备和介质 |
CN117171701A (zh) * | 2023-08-14 | 2023-12-05 | 陕西天行健车联网信息技术有限公司 | 一种车辆行驶数据处理方法、装置、设备和介质 |
CN117350520A (zh) * | 2023-12-04 | 2024-01-05 | 浙江大学高端装备研究院 | 一种汽车生产优化方法和*** |
-
2022
- 2022-01-06 CN CN202210013589.3A patent/CN114429364A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114841570A (zh) * | 2022-05-07 | 2022-08-02 | 金腾科技信息(深圳)有限公司 | 用于客户关系管理***的数据处理方法、装置、设备及介质 |
CN115134383A (zh) * | 2022-06-24 | 2022-09-30 | 重庆长安汽车股份有限公司 | 一种车联网数据上云任务动态配置方法、***、设备和介质 |
CN115134383B (zh) * | 2022-06-24 | 2023-03-28 | 重庆长安汽车股份有限公司 | 一种车联网数据上云任务动态配置方法、***、设备和介质 |
CN115033646A (zh) * | 2022-08-11 | 2022-09-09 | 深圳联友科技有限公司 | 一种基于Flink&Doris构建实时数仓***的方法 |
CN115033646B (zh) * | 2022-08-11 | 2023-01-13 | 深圳联友科技有限公司 | 一种基于Flink&Doris构建实时数仓***的方法 |
CN117171701A (zh) * | 2023-08-14 | 2023-12-05 | 陕西天行健车联网信息技术有限公司 | 一种车辆行驶数据处理方法、装置、设备和介质 |
CN117171701B (zh) * | 2023-08-14 | 2024-05-14 | 陕西天行健车联网信息技术有限公司 | 一种车辆行驶数据处理方法、装置、设备和介质 |
CN117350520A (zh) * | 2023-12-04 | 2024-01-05 | 浙江大学高端装备研究院 | 一种汽车生产优化方法和*** |
CN117350520B (zh) * | 2023-12-04 | 2024-02-27 | 浙江大学高端装备研究院 | 一种汽车生产优化方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109767255B (zh) | 一种通过大数据建模实现智能运营及精准营销的方法 | |
CN114429364A (zh) | 业务数据管理方法和装置、存储介质及电子设备 | |
Chae | Insights from hashtag# supplychain and Twitter Analytics: Considering Twitter and Twitter data for supply chain practice and research | |
CN107229708B (zh) | 一种个性化出行服务大数据应用***及方法 | |
CN107222566B (zh) | 信息推送方法、装置及服务器 | |
US20140101134A1 (en) | System and method for iterative analysis of information content | |
Moss et al. | Knowing your publics: The use of social media analytics in local government | |
CN104679827A (zh) | 一种基于大数据的***息关联方法及挖掘引擎 | |
CN111291125B (zh) | 一种数据处理方法及相关设备 | |
CN103399855B (zh) | 基于多数据源的行为意图确定方法及装置 | |
CN110795471B (zh) | 数据匹配的方法及装置、计算机可读存储介质、电子设备 | |
CN113157947A (zh) | 知识图谱的构建方法、工具、装置和服务器 | |
CN112632405A (zh) | 一种推荐方法、装置、设备及存储介质 | |
Okewu et al. | Design of a learning analytics system for academic advising in Nigerian universities | |
US10055469B2 (en) | Method and software for retrieving information from big data systems and analyzing the retrieved data | |
CN100561477C (zh) | 基于关键字和分类共享的搜索方法和*** | |
CN113569162A (zh) | 数据处理方法、装置、设备及存储介质 | |
Žunić et al. | Application of Big Data and text mining methods and technologies in modern business analyzing social networks data about traffic tracking | |
CN115062676A (zh) | 数据处理方法、装置及计算机可读存储介质 | |
CN110262973B (zh) | 数据养成维护方法、装置、设备及计算机存储介质 | |
CN113283484A (zh) | 改进的特征选择方法、装置及存储介质 | |
CN111382343B (zh) | 一种标签体系生成方法及装置 | |
CN113111244A (zh) | 基于中医药知识规模化普及的多源异构大数据融合*** | |
US20150379534A1 (en) | Contact Engagement Analysis for Target Group Definition | |
CN110992089B (zh) | 一种流量共享方法、装置、电子设备及可读存储介质 |
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 |