指标波动分析方法及相关产品与流程

1.本技术涉及互联网技术领域，具体涉及一种指标波动分析方法及相关产品。


背景技术：

2.随着计算机技术的进步，互联网业务也不断复杂化，这使得影响数据变化的因素不断增加，同时又因为诸多因素对数据变化影响程度的参差不齐，准确找出重要影响因素面临很大挑战。目前，主要通过人工分析来找出影响数据变化的重要影响因素，但人工方式存在一定主观性，且效率以及准确性较低。


技术实现要素：

3.本技术实施例提供了一种指标波动分析方法及相关产品，可对指标数据进行多分类拆解，并计算子指标数据的权重，进而构建指标波动模型，根据指标波动模型加以分析指标数据，得到指标波动分析结果，实现了指标波动自动归因，有利于减少人工成本，高效精准地找出指标波动的原因。
4.第一方面，本技术实施例提供一种指标波动分析方法，应用于电子设备，所述方法包括：
5.获取指标数据；
6.对所述指标数据进行多分类拆解，得到多组子指标数据；
7.对所述多组子指标数据权重计算，得到每一所述子指标数据对应的权重；
8.根据所述多组子指标数据和所述每一子指标数据对应的权重，构建指标波动模型；
9.根据所述指标波动模型，对所述指标数据进行指标波动分析，得到分析结果。
10.第二方面，本技术实施例提供一种指标波动分析装置，应用于电子设备，所述装置包括：获取单元、拆解单元、计算单元、构建单元和分析单元，其中，
11.所述获取单元，用于获取指标数据；
12.所述拆解单元，用于对所述指标数据进行多分类拆解，得到多组子指标数据；
13.所述计算单元，用于对所述多组子指标数据权重计算，得到每一所述子指标数据对应的权重；
14.所述构建单元，用于根据所述多组子指标数据和所述每一子指标数据对应的权重，构建指标波动模型；
15.所述分析单元，用于根据所述指标波动模型，对所述指标数据进行指标波动分析，得到分析结果。
16.第三方面，本技术实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本技术实施例第一方面任一方法中的步骤的指令。
17.第四方面，本技术实施例提供了一种计算机可读存储介质，其中，上述计算机可读
存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本技术实施例第一方面任一方法中所描述的部分或全部步骤。
18.第五方面，本技术实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本技术实施例第一方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
19.可以看出，本技术实施例中，电子设备获取指标数据，之后对指标数据进行多分类拆解，得到多组子指标数据，并对该多组子指标数据进行权重计算，得到每一子指标数据对应的权重，再根据该多组子指标数据和每一子指标数据对应的权重，构建指标波动模型，最后根据指标波动模型，对指标数据进行指标波动分析，得到指标波动分析结果，实现了指标波动自动归因，有利于减少人工成本，有利于高效精准地找出指标波动的原因。
附图说明
20.为了更清楚地说明本技术实施例中的技术方案，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，下面描述中的附图仅仅是本技术的一些实施例，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。
21.图1是本技术实施例提供的一种指标波动分析系统的结构示意图；
22.图2是本技术实施例提供的一种指标波动分析方法的流程示意图；
23.图3是本技术实施例提供的一种指标波动模型的结构示意图；
24.图4是本技术实施例提供的一种节点组合的结构示意图；
25.图5是本技术实施例提供的一种节点组合的结构示意图；
26.图6是本技术实施例提供的一种最终节点组合的结构示意图；
27.图7是本技术实施例提供的一种电子设备的结构示意图；
28.图8是本技术实施例提供的一种指标波动分析装置的功能单元组成框图。
具体实施方式
29.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的区间。
30.本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
31.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和
隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
32.电子设备可以是还包含其它功能诸如个人数字助理和/或音乐播放器功能的便携式电子设备，诸如手机、平板电脑、具备无线通讯功能的可穿戴电子设备(如智能手表、智能眼镜)、车载设备等。便携式电子设备的示例性实施例包括但不限于搭载ios系统、android系统、microsoft系统或者其它操作系统的便携式电子设备。上述便携式电子设备也可以是其它便携式电子设备，诸如膝上型计算机(laptop)等。还应当理解的是，在其他一些实施例中，上述电子设备也可以不是便携式电子设备，而是台式计算机。
33.第一部分，本技术实施例所公开的示例应用场景介绍如下。
34.图1示出了本技术所适用的指标波动分析系统100的结构示意图，该系统100中可包括：数据拆解模块101、数据输入模块102、数据分析模块103，结论存储模块104。
35.其中，数据拆解模块101可对指标数据进行拆解、分组，其中，数据拆解模块101对于指标数据的拆解可以是单一维度的拆解，也可以是多维度的拆解。
36.其中，数据分析模块103可用于计算多组子指标数据中包括的每一子指标数据对应的权重，其中，权重反映了拆解以后的子指标分组对指标波动的影响程度。还可用于分析确定指标数据或者指标对应的指标波动分析结果。
37.其中，数据拆解模块101可以是一个能够提供数据精炼、查询、分析的数据仓库，例如：数据拆解模块101可以是基于hadoop haused构建的开源数据仓库系统，用来查询和分析存储hadoop中的大型数据集。
38.其中，数据输入模块102可以是一个提供数据存储和数据查询的数据库管理系统，例如：数据输入模块102可以是列式存储数据库。在本技术中，可用于接收且存储多组子指标数据。
39.其中，结论存储模块104可以是一个数据库管理系统，可用于存储每一指标波动模型分析得到的指标波动分析结果。
40.在一个可能的示例中，数据拆解模块101对指标数据进行拆解、分组，得到多组子指标数据，并将该多组子指标数据发送到数据输入模块102，数据输入模块102接收且存储该多组子指标数据，并向数据分析模块103输入该多组子指标数据，数据分析模块103根据数据输入模块102输入的多组子指标数据，计算得到该多组子指标数据中包括的每一子指标数据对应的权重，并根据该多组子指标数据和计算得到的每一子指标数据对应的权重，构建指标波动模型，利用指标波动模型对指标数据分析得到指标波动分析结果，并将该指标波动分析结果发送到结论存储模块104，结论存储模块104接收并存储数据分析模块103发送的指标波动分析结果，实现了指标波动自动归因，有利于减少人工成本，有利于高效精准地找出指标波动的原因。
41.需要说明的是，在本技术中，上述多个可指两个或两个以上，后续不再赘述。
42.第二部分，本技术实施例所公开的权要保护区间介绍如下。
43.请参阅图2，图2是本技术实施例提供的一种指标波动分析方法的流程示意图，应用于电子设备，如图所示，本指标波动分析方法包括以下操作。
44.s201、获取指标数据。
45.其中，指标可以是为衡量某一目标，根据实际数据的分析需求和影响因素预设的，该指标可将某个事件量化或者以数字的形式来衡量目标。指标数据可理解为该指标在量化
或者数字形式下所对引的数据或者值等等。例如，该指标可以包括以下至少一种：温度、用户数量、收入、用量等等，在此不作限定。该指标可以是一个总的指标。
46.其中，上述指标数据可以为指标波动变化后的指标对应的指标数据；电子设备可通过数据监控系统或者平台监控上述指标或者指标数据的变化，当该指标数据的指标波动变化大于或等于预设阈值(可以是系统默认或者用户自行设置，在此不作限定)以后，可获取产生该指标波动变化的指标数据，该指标数据可用于本技术实施例中的波动归因分析或者指标波动分析，以得到分析结果。
47.其中，上述指标波动变化可以通过对比不同时间段或者时间点的指标数据得到，用于表征这两个时间段或时间点对应的指标数据的差异。
48.s202、对所述指标数据进行多分类拆解，得到多组子指标数据。
49.其中，多分类可以指对指标数据进行拆分的分类项，一个指标数据或者一个指标可以对应有多个维度，即可通过多维度的方式对一个指标数据进行拆解。上述多分类拆解的方式可以包括以下至少一种：分类拆解和公式拆解，分类拆解可以是根据该指标数据对应的分类进行多维度的拆解，公式拆解可以是对指标数据的计算方式的进行多维度拆解；可通过分类拆解和公式拆解得到分类项。
50.其中，在本技术中，上述指标数据可包括一个或多个指标对应的指标数据，可以对每一指标数据进行多维度拆解，以得到多组子指标数据。
51.其中，每一组子指标数据可以对应一个或多个分类项，一组子指标数据可包括多个子指标数据。
52.举例来说，若指标数据为用户数量，分类项为渠道，渠道可以分成渠道a、渠道b和渠道c，那么，可对该指标数据按照渠道进行拆解，得到渠道a对应的用户数量、渠道b对应的用户数量和渠道c对应的用户数量三个分组，每一分组可包括一个指标数据，即用户数量。
53.s203、对所述多组子指标数据权重计算，得到每一所述子指标数据对应的权重。
54.其中，每一组子指标数据对应的权重可以用于表示对指标数据拆解以后，该组子指标数据(分组)相对于拆解前总的指标数据波动变化的影响程度，当权重越大，则表明其对指标数据的指标波动变化的影响程度越高，反之，当权重越小，则表明其对指标数据的指标波动变化的影响程度越低。
55.需要说明的是，上述是针对权重大于0的情况，当权重小于0时，权重越小表明对指标数据的指标波动变化的反向影响越大。
56.s204、根据所述多组子指标数据和所述每一子指标数据对应的权重，构建指标波动模型。
57.s205、根据所述指标波动模型，对所述指标数据进行指标波动分析，得到分析结果。
58.其中，可根据每一子指标数据对应的权重，对多组子指标数据进行模型化，从而构建得到指标波动模型，该指标波动模型可用于表征每一子指标数据之间的层级关系等，可用于快速定位产生指标波动的根本原因。
59.可以看出，本技术实施例所描述的指标波动分析方法，获取指标数据；对所述指标数据进行多分类拆解，得到多组子指标数据；对所述多组子指标数据权重计算，得到每一所述子指标数据对应的权重；根据所述多组子指标数据和所述每一子指标数据对应的权重，
构建指标波动模型；根据所述指标波动模型，对所述指标数据进行指标波动分析，得到分析结果。如此，采用本技术实施例，通过对指标数据进行多分类拆解以及指标波动分析，实现了指标波动自动归因，有利于减少人工成本，有利于高效精准地找出指标波动的原因。
60.在一个可能的示例中，所述对所述指标数据进行多分类拆解，得到多组子指标数据，上述方法可包括如下步骤：确定所述指标数据的多个分类维度；根据所述多个分类维度，对所述指标数据进行分类拆解，以将所述指标数据拆解为多个指标数据组，其中，每一所述指标数据组对应一个所述分类维度；根据预设公式，对所述多个指标数据组进行公式拆解，得到多组子指标数据。
61.其中，分类维度可根据指标数据的类型确定，预设公式可以为用户自行设定或者系统默认，在此不作限定，该预设公式可以与指标数据一一对应，当然，一个指标数据也可以对应两个公式，电子设备可预设上述指标数据与预设公式之间的映射关系，该预设公式可以是上述实施例描述的“公式拆解”中所使用的计算该指标数据的公式。
62.举例来说，若指标数据为点击率指标，其对应的分类拆解可以是渠道和套餐两个分类维度，而点击率又可以由点击量/(活跃量*曝光率)预设公式计算得出，因此，可以公式拆解为点击量、活跃量和曝光率，从而得到渠道和套餐两个分类维度的分类项，以及点击量、活跃量和曝光率三个公式维度的分类项，根据上述分类项可实现对于指标数据的多分类拆解，也就是分类拆解和公式拆解，最终可得到多组子指标数据，每一组子指标数据可包括每一分类项对应的指标数据，如下表1所示，为一种多分类拆解得到的多组子指标数据。
63.表1、多分类拆解得到的多组子指标数据
64.分类维度点击量活跃量曝光率点击率300250004％来自渠道a用户数量200200002％套餐a用户数量120120003％套餐b用户数量8080002％来自渠道b用户数量100500020％套餐a用户数量100500020％
65.由上表可以看出，分类维度可保留渠道和套餐两个维度，同时渠道可以包括渠道a和渠道b，套餐可以包括套餐a和套餐b，上述表格中还可包括根据预设公式拆解得到的三个分类，分别是点击量、活跃量和曝光率，如此，可组成多组子指标数据。
66.其中，每一组子指标数据可以根据分类维度进行划分，每一子指标数据可对应一个分类维度。例如，如上表所示，包括了5个分组的子指标数据，分别是：来自渠道a用户数量、套餐a用户数量、套餐b用户数量、来自渠道b用户数量和套餐a用户数量，每一组子指标数据均可包括公式维度拆解得到的指标数据，分别为：点击量、活跃量和曝光率。
67.可见，本示例中，可以结合分类维度和预设公式，对指标数据分别进行分类拆解和公式拆解，从而得到多组子指标数据，如此，通过上述多分类拆解方式，可将指标数据拆解成一个或多个维度，从而能够为后续指标波动分析快速提供数据查询，并且，在指标数据对应的数据量较大时，将其拆解为多维度或者多分类的子指标数据，也有利于后续快速构建指标波动模型，有利于提高波动分析效率。
68.在一个可能的示例中，所述指标数据为指标波动变化后的指标数据；所述对所述
多组子指标数据权重计算，得到每一所述子指标数据对应的权重，上述方法可包括如下步骤：获取第一集合，其中，所述第一集合为指标波动变化前的指标数据通过所述多分类拆解得到的子指标数据组成的指标数据集合；确定第二集合，其中，所述第二集合为所述多组子指标数据组成的指标数据集合，所述多组子指标数据为指标波动变化后的所述指标数据；确定所述第一集合中指标数据在所述指标波动变化时的结构影响因子和内部影响因子；根据所述结构影响因子和所述内部影响因子，对所述第一集合和所述第二集合进行分析，得到每一所述子指标数据对应的权重。
69.其中，上述第一集合中的指标数据可以为一个或多个时间段对应的指标，该第一集合的指标数据对应的时间点或时间段一般情况下早于第二集合中的指标数据。
70.其中，上述第一集合中的指标数据为指标波动变化之前的指标数据，可以是小于上述步骤s201中的预设阈值的指标数据，上述第二集合中的数据为大于或等于预设阈值的指标数据。
71.其中，上述第一集合中的指标数据为采用步骤s201中指标数据相同的多分类拆解得到的子指标数据组合得到的指标数据集合，第一集合中的多组子指标数据可以如表1中展示或者排列，但第一集合中的指标数据的时间点或时间段早于第二集合中的多组子指标数据，第一集合和第二集合所展现的如表1所示的数据结构和排布可相同。
72.其中，上述结构影响因子和内部影响因子不同，可以根据公式拆解时的预设公式确定上述结构影响因子和内部影响因子，该结构影响因子和/或内部影响因子可以为由预设公式确定的指标数据，如表1所示，结构影响因子可以是点击量，内部影响因子可以是活跃量和曝光率。
73.具体实现中，可通过结构影响因子和内部影响因子，对第一集合和第二集合中的指标数据进行分析计算，得到每一子指标数据的权重。
74.举例来说，如果指标数据为用户数量，分类维度为：渠道，可分为：来自渠道a的用户数量、来自渠道b的用户数量和来自渠道c的用户数量，在公式维度拆解的预设公式为：总转化率＝渠道转化率*渠道占比，可确定占比为结构影响因子，转化率为内部影响因子，并代入下述公式，组成brinson-fachler模型(bf模型)：
[0075][0076]
其中，q2代表变化后的指标数据，q1代表变化前的指标数据；w代表结构影响因子，即占比；q代表内部影响因子，即转化率。如此，通过将内部影响因子和结构影响因子对指标波动的影响分离，并结合比较变化前的转化率和变化后的转化率以及比较变化前的占比和变化后的占比以建立内部影响因子和结构影响因子之间的交互影响因子，该交互影响因子用于指示结构影响因子和内部影响因子结合对总体指标数据波动的波动影响，并根据内部影响因子、结构影响因子和交互影响因子，计算得到每一组波动变化后的子指标数据对应的权重，也就是说，得到来自不同渠道的用户数量的权重；例如，可得到渠道a的用户数量的占比对应的第一权重、渠道a的用户数量的转化率对应的第二权重、渠道a对应的占比和转化率之间的交互影响因子对应的第三权重、渠道b的用户数量的占比对应的第四权重、渠道b的用户数量的转化率对应的第五权重、渠道b对应的占比和转化率之间的交互影响因子对应的第六权重，上述六个权重之间的和为1。
[0077]
需要说明的是，在本技术中，求取每一子指标数据对应的权重的方式包括但不限于本技术所提出方式，还可以通过连环替代法确定上述子指标数据对应的权重。
[0078]
可见，本示例中，可计算每一子指标数据对应的权重，并用权重来表征每一组指标数据在不同维度或者分类下对于整体的指标数据在指标波动变化后的影响程度，有利于更为精准的确定指标波动的根本原因。
[0079]
在一个可能的示例中，所述根据所述多组子指标数据和所述每一子指标数据对应的权重，构建指标波动模型，上述方法可包括如下步骤：确定所述多组子指标数据中每一组子指标数据之间的层级关系；将所述每一组子指标数据作为节点，得到多个节点；根据所述层级关系，将所述多个节点连通，并为每两个节点之间构建方向，得到有向树形结构；在所述有向树形结构中，根据所述每一子指标数据对应的权重，为每两个节点之间的连接路径赋值，得到目标有向树结构，将所述目标有向树结构作为所述指标波动模型。
[0080]
其中，上述分类维度可以为指标数据对应的分类维度，如果指标为用量，该分类维度可以为国家、账号、渠道等等，如果指标为点击率，该分类维度可以是渠道和套餐。也可以是如表1所示的分类维度。
[0081]
其中，上述指标波动模型可以是一个树状结构，该指标波动模型中可包括每一子指标数据对应的权重，即分类维度下的每一分组对应的子指标数据相对于总的指标数据产生指标波动的影响程度；还可包括每一组子指标数据作为的节点，每一节点可代表一个拆解分组，即一组子指标数据，具体的，每一节点可包括该总的指标数据(即s201中的指标)在不同分类维度下的子指标数据；还可包括每两个节点之间的层级关系，即每两个拆解分组之间的层级关系，并为每两个节点之间构建方向，以及在该方向上可以包括上述每一子指标数据对应的权重。
[0082]
如图3所示，为一种指标波动模型的结构示意图，在该图中，指标为“用量”，每一节点可包括其对应的在不同分类维度下的用于表征指标或者量化指标的子指标数据，分类维度可以包括以下至少一种：国家、账号和渠道，国家可包括国家a、国家b，账号可包括：账号a和账号b，渠道可包括渠道α。上述指标波动模型的波动变化的量是下降190，通过该指标模型，可确定：波动归因的目的是确定哪个分组是指标波动的最主要原因，即根本原因。
[0083]
可见，本示例中，电子设备可将上述多个子指标数据、拆解指标数据得到的多组子指标数据和每一子指标数据对应的权重等数据模型化，以确定每一组子指标数据之间的层级关系，并构建得到加权有向树，以得到指标波动模型，该指标波动模型可用于确定波动变化的根本原因，通过图、树的数据结构，将数据指标拆解模型化，有利于简化波动分析计算过程。
[0084]
在一个可能的示例中，所述根据所述指标波动模型，对所述指标数据进行指标波动分析，得到分析结果，上述方法可包括如下步骤：选取所述目标有向树结构中的根节点；以所述根节点为起点，从所述多个节点中选取所有指向所述根节点的多个目标节点；按照分类维度，将所述多个目标节点分成多个节点组合；对所述节点组合进行所述指标波动分析，得到所述分析结果。
[0085]
其中，每一节点组合可对应一个分类维度。
[0086]
举例来说，根据图3，选择和根节点相连的多个其他节点(也可以是子节点)，得到如图4所示的一种节点组合的结构示意图，分类维度有3组：国家、账号、渠道，该图中可包括
3个节点组合。
[0087]
可见，本示例中，电子设备可根据根节点、每两个节点之间的方向和分类维度，将整个目标有向树拆分为多个子树结构，即多个节点组合，每一节点组合可对应一种波动原因分析的组合，从而确定其中一种节点组合为最终想要得到的分析结果，如此，有利于节省分析时间，且通过树形结构更为直观。
[0088]
在一个可能的示例中，所述对所述节点组合进行所述指标波动分析，得到所述分析结果，上述方法可包括如下步骤：计算所述多个节点组合中每一节点组合的信息熵，得到多个信息熵，其中，每一节点组合对应一个信息熵；选取所述多个信息熵中的最小信息熵对应的节点为目标节点，其中，所述目标节点组成至少一个目标节点组合；若所述目标节点组合为一个，则将所述目标节点组合作为最终节点组合；若所述目标节点组合为多个，则计算每一目标节点组合的信息熵，得到每一目标节点组合对应的目标信息熵，从所述目标信息熵中选取最小目标信息熵，并根据所述最小目标信息熵从所述多个目标节点组合中选取所述最终节点组合，根据所述最终节点组合，确定所述分析结果。
[0089]
其中，上述信息熵可通过下述公式和每一节点对应的权重确定：
[0090][0091]
其中，w代表一个节点的权重，n是总节点数。信息熵代表一组节点数据的信息集中程度，信息熵越低说明信息越集中，在指标波动分析中，更低的信息熵代表了更准确、集中的数据波动原因。
[0092]
具体实现中，选取所述多个信息熵中的最小信息熵对应的节点为目标节点，其中，所述目标节点组成至少一个目标节点组合；若所述目标节点组合为多个，采用相同的计算方式，得到每一目标节点组合对应的目标信息熵，从所述目标信息熵中选取最小目标信息熵；如果该最小目标信息熵对应的目标节点组合为一组，则将该最小目标信息熵对应的目标节点组合定义为最终节点组合，如果该最小目标信息熵对应的目标节点组合为多个，则可采用上述相同的计算方式，循环遍历该最小目标信息熵对应的多个目标节点组合，如此循环遍历，可确定最终节点组合。
[0093]
举例来说，如图5所示，为一种节点组合的结构示意图，可计算上述三组节点组合对应的信息熵，得到这三组的信息熵分别为：2.01，2.38，-0.28；选取最小信息熵对应的分组为：渠道，进而可得到分类维度为渠道的节点对应的树形结构下的子节点(即目标节点)，重复上述步骤，可得到账号、国家两个目标节点组合，并得到其分别对应的信息熵为：4.95，2.01；选组最小目标信息熵：2.01对应的分类维度对应的目标节点组合为国家渠道，至此已遍历完所有的节点，得出的最终节点组合如图6所示，为一种最终节点组合的结构示意图，可包括渠道α。进而得到最终节点组合为：用量-190，渠道α用量的权重为121％，在渠道α中，国家a对应的权重为47％。
[0094]
可见，本示例中，可通过信息熵的方式，在海量的数据所组成的分类拆解以后的指标波动模型中快速的找出产生指标波动的根本原因。
[0095]
在一个可能的示例中，所述根据所述最终节点组合，确定所述分析结果，上述方法可包括如下步骤：确定所述最终节点组合中每一节点对应的目标分类维度和每两个节点之间的目标权重；根据所述目标分类维度和所述目标权重，生成所述分析结果。
[0096]
举例来说，如图6所示，可根据最终节点组合：用量-190，渠道α用量的权重为121％，在渠道α中，国家a对应的权重为47％，生成最终的分析结果为：系统监控到用量下降190，其中121％的权重是由于渠道α的波动，下降230；渠道α中，47％是由于国家a的波动，下降90。如此，可确定产生指标波动的根本原因。
[0097]
可见，本示例中，该指标波动模型可用于确定波动变化的根本原因，通过图、树的数据结构，将数据指标拆解模型化，有利于简化波动分析计算过程。且能够根据最终节点中对应的指标数据和目标分类维度、权重等数据组合得到波动分析结构，有利于提高结果的可读性，有利于提高波动分析效率。
[0098]
请参阅图7，与7是本技术实施例提供的一种电子设备的结构示意图，如图所示，该电子设备包括处理器、存储器、通信接口以及一个或多个程序，应用于电子设备，其中，上述一个或多个程序被存储在上述存储器中，上述一个或多个程序被配置由上述处理器执行以下步骤的指令：
[0099]
获取指标数据；
[0100]
对所述指标数据进行多分类拆解，得到多组子指标数据；
[0101]
对所述多组子指标数据权重计算，得到每一所述子指标数据对应的权重；
[0102]
根据所述多组子指标数据和所述每一子指标数据对应的权重，构建指标波动模型；
[0103]
根据所述指标波动模型，对所述指标数据进行指标波动分析，得到分析结果。
[0104]
可以看出，本技术实施例中所描述的电子设备，可获取指标数据，之后对指标数据进行多分类拆解，得到多组子指标数据，并对该多组子指标数据进行权重计算，得到每一子指标数据对应的权重，再根据该多组子指标数据和每一子指标数据对应的权重，构建指标波动模型，最后根据指标波动模型，对指标数据进行指标波动分析，得到指标波动分析结果，实现了指标波动自动归因，有利于减少人工成本，有利于高效精准地找出指标波动的原因。
[0105]
在一个可能的示例中，在所述对所述指标数据进行多分类拆解，得到多组子指标数据方面，上述程序还包括用于执行以下步骤的指令：
[0106]
确定所述指标数据的多个分类维度；
[0107]
根据所述多个分类维度，对所述指标数据进行分类拆解，以将所述指标数据拆解为多个指标数据组，其中，每一所述指标数据组对应一个所述分类维度；
[0108]
根据预设公式，对所述多个指标数据组进行公式拆解，得到多组子指标数据。
[0109]
在一个可能的示例中，所述指标数据为指标波动变化后的指标数据；在所述对所述多组子指标数据权重计算，得到每一所述子指标数据对应的权重方面，上述程序还包括用于执行以下步骤的指令：
[0110]
获取第一集合，其中，所述第一集合为指标波动变化前的指标数据通过所述多分类拆解得到的子指标数据组成的指标数据集合；
[0111]
确定第二集合，其中，所述第二集合为所述多组子指标数据组成的指标数据集合，所述多组子指标数据为指标波动变化后的所述指标数据；
[0112]
确定所述第一集合中指标数据在所述指标波动变化时的结构影响因子和内部影响因子；
[0113]
根据所述结构影响因子和所述内部影响因子，对所述第一集合和所述第二集合进行分析，得到每一所述子指标数据对应的权重。
[0114]
在一个可能的示例中，在所述根据所述多组子指标数据和所述每一子指标数据对应的权重，构建指标波动模型方面，上述程序还包括用于执行以下步骤的指令：
[0115]
确定所述多组子指标数据中每一组子指标数据之间的层级关系；
[0116]
将所述每一组子指标数据作为节点，得到多个节点；
[0117]
根据所述层级关系，将所述多个节点连通，并为每两个节点之间构建方向，得到有向树形结构；
[0118]
在所述有向树形结构中，根据所述每一子指标数据对应的权重，为每两个节点之间的连接路径赋值，得到目标有向树结构，将所述目标有向树结构作为所述指标波动模型。
[0119]
在一个可能的示例中，在所述根据所述指标波动模型，对所述指标数据进行指标波动分析，得到分析结果方面，上述程序还包括用于执行以下步骤的指令：
[0120]
选取所述目标有向树结构中的根节点；
[0121]
以所述根节点为起点，从所述多个节点中选取所有指向所述根节点的多个目标节点；
[0122]
按照分类维度，将所述多个目标节点分成多个节点组合；
[0123]
对所述节点组合进行所述指标波动分析，得到所述分析结果。
[0124]
在一个可能的示例中，在所述对所述节点组合进行所述指标波动分析，得到所述分析结果方面，上述程序还包括用于执行以下步骤的指令：
[0125]
计算所述多个节点组合中每一节点组合的信息熵，得到多个信息熵，其中，每一节点组合对应一个信息熵；
[0126]
选取所述多个信息熵中的最小信息熵对应的节点为目标节点，其中，所述目标节点组成至少一个目标节点组合；
[0127]
若所述目标节点组合为一个，则将所述目标节点组合作为最终节点组合；
[0128]
若所述目标节点组合为多个，则计算每一目标节点组合的信息熵，得到每一目标节点组合对应的目标信息熵，从所述目标信息熵中选取最小目标信息熵，并根据所述最小目标信息熵从所述多个目标节点组合中选取所述最终节点组合，
[0129]
根据所述最终节点组合，确定所述分析结果。
[0130]
在一个可能的示例中，在所述根据所述最终节点组合，确定所述分析结果方面，上述程序还包括用于执行以下步骤的指令：
[0131]
确定所述最终节点组合中每一节点对应的目标分类维度和每两个节点之间的目标权重；
[0132]
根据所述目标分类维度和所述目标权重，生成所述分析结果。
[0133]
上述主要从方法侧执行过程的角度对本技术实施例的方案进行了介绍。可以理解的是，电子设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本技术能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实
现不应认为超出本技术的区间。
[0134]
本技术实施例可以根据上述方法示例对电子设备进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。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。需要说明的是，本技术实施例中对单元的划分是示意性的，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。
[0135]
在采用对应各个功能划分各个功能模块的情况下，图8示出了指标波动分析装置的示意图，如图8所示，所述装置应用于电子设备，该指标波动分析装置800可以包括：获取单元801、拆解单元802、计算单元803、构建单元804和分析单元805，其中，
[0136]
所述获取单元801，用于获取指标数据；
[0137]
所述拆解单元802，用于对所述指标数据进行多分类拆解，得到多组子指标数据；
[0138]
所述计算单元803，还用于对所述多组子指标数据权重计算，得到每一所述子指标数据对应的权重；
[0139]
所述构建单元804，用于根据所述多组子指标数据和所述每一子指标数据对应的权重，构建指标波动模型；
[0140]
所述分析单元805，用于根据所述指标波动模型，对所述指标数据进行指标波动分析，得到分析结果。
[0141]
可以看出，本技术实施例提供的指标波动分析装置，可获取指标数据，之后对指标数据进行多分类拆解，得到多组子指标数据，并对该多组子指标数据进行权重计算，得到每一子指标数据对应的权重，再根据该多组子指标数据和每一子指标数据对应的权重，构建指标波动模型，最后根据指标波动模型，对指标数据进行指标波动分析，得到指标波动分析结果，实现了指标波动自动归因，有利于减少人工成本，有利于高效精准地找出指标波动的原因。
[0142]
在一个可能的示例中，在对所述指标数据进行多分类拆解，得到多组子指标数据方面，上述拆解单元802具体用于：
[0143]
确定所述指标数据的多个分类维度；
[0144]
根据所述多个分类维度，对所述指标数据进行分类拆解，以将所述指标数据拆解为多个指标数据组，其中，每一所述指标数据组对应一个所述分类维度；
[0145]
根据预设公式，对所述多个指标数据组进行公式拆解，得到多组子指标数据。
[0146]
在一个可能的示例中，所述指标数据为指标波动变化后的指标数据；在对所述多组子指标数据权重计算，得到每一所述子指标数据对应的权重方面，上述计算单元803具体用于：
[0147]
获取第一集合，其中，所述第一集合为指标波动变化前的指标数据通过所述多分类拆解得到的子指标数据组成的指标数据集合；
[0148]
确定第二集合，其中，所述第二集合为所述多组子指标数据组成的指标数据集合，所述多组子指标数据为指标波动变化后的所述指标数据；
[0149]
确定所述第一集合中指标数据在所述指标波动变化时的结构影响因子和内部影响因子；
[0150]
根据所述结构影响因子和所述内部影响因子，对所述第一集合和所述第二集合进
行分析，得到每一所述子指标数据对应的权重。
[0151]
在一个可能的示例中，在根据所述多组子指标数据和所述每一子指标数据对应的权重，构建指标波动模型方面，上述构建单元804具体用于：
[0152]
确定所述多组子指标数据中每一组子指标数据之间的层级关系；
[0153]
将所述每一组子指标数据作为节点，得到多个节点；
[0154]
根据所述层级关系，将所述多个节点连通，并为每两个节点之间构建方向，得到有向树形结构；
[0155]
在所述有向树形结构中，根据所述每一子指标数据对应的权重，为每两个节点之间的连接路径赋值，得到目标有向树结构，将所述目标有向树结构作为所述指标波动模型。
[0156]
在一个可能的示例中，在所述根据所述指标波动模型，对所述指标数据进行指标波动分析，得到分析结果，上述分析单元805具体用于：
[0157]
选取所述目标有向树结构中的根节点；
[0158]
以所述根节点为起点，从所述多个节点中选取所有指向所述根节点的多个目标节点；
[0159]
按照分类维度，将所述多个目标节点分成多个节点组合；
[0160]
对所述节点组合进行所述指标波动分析，得到所述分析结果。
[0161]
在一个可能的示例中，在根据所述指标波动模型，对所述指标数据进行指标波动分析，得到分析结果方面，上述分析单元805具体用于：
[0162]
计算所述多个节点组合中每一节点组合的信息熵，得到多个信息熵，其中，每一节点组合对应一个信息熵；
[0163]
选取所述多个信息熵中的最小信息熵对应的节点为目标节点，其中，所述目标节点组成至少一个目标节点组合；
[0164]
若所述目标节点组合为一个，则将所述目标节点组合作为最终节点组合；
[0165]
若所述目标节点组合为多个，则计算每一目标节点组合的信息熵，得到每一目标节点组合对应的目标信息熵，从所述目标信息熵中选取最小目标信息熵，并根据所述最小目标信息熵从所述多个目标节点组合中选取所述最终节点组合，
[0166]
根据所述最终节点组合，确定所述分析结果。
[0167]
在一个可能的示例中，在根据所述最终节点组合，确定所述分析结果方面，上述分析单元805具体用于：
[0168]
确定所述最终节点组合中每一节点对应的目标分类维度和每两个节点之间的目标权重；
[0169]
根据所述目标分类维度和所述目标权重，生成所述分析结果。
[0170]
需要说明的是，上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述，在此不再赘述。
[0171]
本实施例提供的电子设备，用于执行上述指标波动分析方法，因此可以达到与上述实现方法相同的效果。
[0172]
在采用集成的单元的情况下，电子设备可以包括处理模块、存储模块和通信模块。其中，处理模块可以用于对电子设备的动作进行控制管理，例如，可以用于支持电子设备执行上述获取单元801、拆解单元802、计算单元803、构建单元804和分析单元805执行的步骤。
存储模块可以用于支持电子设备执行存储程序代码和数据等。通信模块，可以用于支持电子设备与其他设备的通信。
[0173]
其中，处理模块可以是处理器或控制器。其可以实现或执行结合本技术公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，数字信号处理(digital signal processing，dsp)和微处理器的组合等等。存储模块可以是存储器。通信模块具体可以为射频电路、蓝牙芯片、wi-fi芯片等与其他电子设备交互的设备。
[0174]
本技术实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括电子设备。
[0175]
本技术实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。
[0176]
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，本技术并不受所描述的动作顺序的限制，因为依据本技术，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技术所必须的。
[0177]
在上述实施例中，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。
[0178]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，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系统，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，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
[0179]
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。
[0180]
另外，在本技术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。
[0181]
上述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，可以存储在一个计算机可读取存储器中。基于这样的理解，本技术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一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本技术各个实施例上述方法的全部或部分
步骤。而前述的存储器包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0182]
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相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：read-only memory，简称：rom)、随机存取器(英文：random access memory，简称：ram)、磁盘或光盘等。
[0183]
以上对本技术实施例进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用区间上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。