数据高阶统计方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及数据处理领域，揭露一种数据高阶统计方法，包括：获取原数据模型，提取所述原数据模型中的数据集，对所述数据集进行数据加工，得到加工数据集；响应于所述加工数据集的数据高阶统计需求，识别所述数据高阶统计需求的需求事件，根据所述需求事件，构建所述加工数据集的数据高阶统计规则；将所述加工数据集按照预设的业务属性进行时序排序，得到所述加工数据集的时序排列表；根据所述时序排列表，利用所述数据高阶统计规则对所述加工数据集进行数据高阶统计，得到数据高阶统计结果。本发明专利技术可以实现数据的高阶统计。发明专利技术可以实现数据的高阶统计。发明专利技术可以实现数据的高阶统计。

【技术实现步骤摘要】
数据高阶统计方法、装置、电子设备及存储介质


[0001]本专利技术涉及数据处理领域，尤其涉及一种数据高阶统计方法、装置、电子设备及存储介质。

技术介绍

[0002]数据高阶统计方法是指对数据进行基础统计的延伸和发展，表现在空间广度和时间深度上，例如，数据高阶统计包括：同比、环比、复合增长率、方差、平均差等。
[0003]目前数据高阶统计方法一般是通过自主分析工具实现，如数据源连接、数据模型构造、页面自助分析等工具，但是自主分析工具通常只支持数据库的常用函数，例如汇总(sum)、平均(avg)、计数(count)等基础统计函数，无法支持数据高阶统计函数，因此亟待一种方案，以解决数据库的数据高阶统计。

技术实现思路

[0004]为了解决上述技术问题或者至少部分地解决上述技术问题，本专利技术提供了一种数据高阶统计方法、装置、电子设备以及存储介质，可以实现数据的高阶统计。
[0005]第一方面，本专利技术提供了一种数据高阶统计方法，包括：
[0006]获取原数据模型，提取所述原数据模型中的数据集，对所述数据集进行数据加工，得到加工数据集；
[0007]响应于所述加工数据集的数据高阶统计需求，识别所述数据高阶统计需求的需求事件，根据所述需求事件，构建所述加工数据集的数据高阶统计规则；
[0008]将所述加工数据集按照预设的业务属性进行时序排序，得到所述加工数据集的时序排列表；
[0009]根据所述时序排列表，利用所述数据高阶统计规则对所述加工数据集进行数据高阶统计，得到数据高阶统计结果。
[0010]在第一方面的一种可能实现方式中，所述提取所述原数据模型中的数据集，包括：
[0011]配置所述原数据模型的数据导出包，将所述数据导出包载入所述原数据模型的根目录中；
[0012]根据所述根目录，识别所述原数据模型的数据库数据，并运行所述数据导出包，以将所述数据库数据提取到预设的数据存储表中，得到所述数据集。
[0013]在第一方面的一种可能实现方式中，所述对所述数据集进行数据加工，得到加工数据集，包括：
[0014]对所述数据集进行数据清洗，得到清洗数据集，删除所述清洗数据集中的非法数据，得到合法数据集；
[0015]对所述合法数据集进行数据归纳，得到加工数据集。
[0016]在第一方面的一种可能实现方式中，所述响应于所述加工数据集的数据高阶统计需求，识别所述数据高阶统计需求的需求事件，包括：
[0017]分析所述数据高阶统计需求的关键需求信息，根据所述关键需求信息，提取出所述数据高阶统计需求的事件；
[0018]将所述事件与预设的统计事件进行映射，得到所述需求事件。
[0019]在第一方面的一种可能实现方式中，所述根据所述需求事件，构建所述加工数据集的数据高阶统计规则，包括：
[0020]分析所述需求事件的需求数据，根据所述需求事件，创建所述需求数据的数据高阶统计逻辑以及所述需求数据的数据高阶统计方式；
[0021]通过所述数据高阶统计逻辑和所述数据高阶统计方式，梳理得到所述数据高阶统计规则。
[0022]在第一方面的一种可能实现方式中，所述将所述加工数据集按照预设的业务属性进行时序排序，得到所述加工数据集的时序排列表，包括：
[0023]根据所述预设的业务属性对所述所述加工数据集进行数据匹配，得到匹配数据；
[0024]将所述匹配数据按相同的所述业务属性进行数据归纳，得到归纳数据；对所述归纳数据进行时间序列公式计算，得到时序排列表。
[0025]在第一方面的一种可能实现方式中，所述利用所述数据高阶统计规则对所述加工数据集进行数据高阶统计，得到数据高阶统计结果，包括：
[0026]利用所述数据高阶统计规则对所述时序排列表相邻序列的所述加工数据集进行相邻计算，得到相邻计算结果；
[0027]利用所述数据高阶统计规则对所述相邻计算结果进行聚类，得到聚类结果；利用所述数据高阶统计规则对所述聚类结果进行数据统计，得到所述数据高阶统计结果。
[0028]第二方面，本专利技术提供了一种数据高阶统计装置，所述装置包括：
[0029]数据加工模块，用于获取原数据模型，提取所述原数据模型中的数据集，对所述数据集进行数据加工，得到加工数据集；
[0030]规则构建模块，用于响应于所述加工数据集的数据高阶统计需求，识别所述数据高阶统计需求的需求事件，根据所述需求事件，构建所述加工数据集的数据高阶统计规则；
[0031]列表排序模块，用于将所述加工数据集按照预设的业务属性进行时序排序，得到所述加工数据集的时序排列表；
[0032]结果统计模块，用于根据所述时序排列表，利用所述数据高阶统计规则对所述加工数据集进行数据高阶统计，得到数据高阶统计结果。
[0033]第三方面，本专利技术提供一种电子设备，包括：
[0034]至少一个处理器；以及与所述至少一个处理器通信连接的存储器；
[0035]其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，以使所述至少一个处理器能够执行如上述第一方面中任意一项所述的数据高阶统计方法。
[0036]第四方面，本专利技术提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任意一项所述的数据高阶统计方法。
[0037]与现有技术相比，本方案的技术原理及有益效果在于：
[0038]本专利技术实施例通过获取原数据模型，提取所述原数据模型中的数据集可以在后期做数据高阶统计时调用数据更加方便、高效；其次，本专利技术实施例通过响应于所述加工数据集的数据高阶统计需求，识别所述数据高阶统计需求的需求事件，可以明确所述数据高阶
统计需求，针对性对所述加工数据集进行数据高阶统计，提高统计效率；进一步地，本专利技术实施例通过将所述加工数据集按照预设的业务属性进行时序排序，得到所述加工数据集的时序排列表，可以通过所述时序排列表快速对所述加工数据进行排列，提高所述加工数据集的数据高阶统计效率，本专利技术实施例通过根据所述时序排列表，利用所述数据高阶统计规则对所述加工数据集进行数据高阶统计，得到数据高阶统计结果，可以实现所述加工数据集的数据高阶统计，从而可以从多个维度对所述加工数据集进行直观的展示。因此，本专利技术实施例提出的一种数据高阶统计方法、装置、电子设备以及存储介质，可以实现数据的高阶统计。
附图说明
[0039]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。
[0040]为了更清楚地说明本专利技术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，对于本领域普通技术人员而言，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。
[0041]图1为本专利技术一实施例提供的一种数据高阶统计方法的流程示意图；
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据高阶统计方法，其特征在于，所述方法包括：获取原数据模型，提取所述原数据模型中的数据集，对所述数据集进行数据加工，得到加工数据集；响应于所述加工数据集的数据高阶统计需求，识别所述数据高阶统计需求的需求事件，根据所述需求事件，构建所述加工数据集的数据高阶统计规则；将所述加工数据集按照预设的业务属性进行时序排序，得到所述加工数据集的时序排列表；根据所述时序排列表，利用所述数据高阶统计规则对所述加工数据集进行数据高阶统计，得到数据高阶统计结果。2.根据权利要求1所述的方法，其特征在于，提取所述原数据模型中的数据集，包括：配置所述原数据模型的数据导出包，将所述数据导出包载入所述原数据模型的根目录中；根据所述根目录，识别所述原数据模型的数据库数据，并运行所述数据导出包，以将所述数据库数据提取到预设的数据存储表中，得到所述数据集。3.根据权利要求1所述的方法，其特征在于，对所述数据集进行数据加工，得到加工数据集，包括：对所述数据集进行数据清洗，得到清洗数据集，删除所述清洗数据集中的非法数据，得到合法数据集；对所述合法数据集进行数据归纳，得到加工数据集。4.根据权利要求1所述的方法，其特征在于，响应于所述加工数据集的数据高阶统计需求，识别所述数据高阶统计需求的需求事件，包括：分析所述数据高阶统计需求的关键需求信息，根据所述关键需求信息，提取出所述数据高阶统计需求的事件；将所述事件与预设的统计事件进行映射，得到所述需求事件。5.根据权利要求1所述的方法，其特征在于，根据所述需求事件，构建所述加工数据集的数据高阶统计规则，包括：分析所述需求事件的需求数据，根据所述需求事件，创建所述需求数据的数据高阶统计逻辑以及所述需求数据的数据高阶统计方式；通过所述数据高阶统计逻辑和所述数据高阶统计方式，梳理得到所述数据高阶统计规则。6.根据权利要求1所述的方法，其特征在于，将所述加工数据集按照预设...

【专利技术属性】
技术研发人员：熊志国，熊一龙，
申请(专利权)人：招商局金融科技有限公司，
类型：发明
国别省市：