一種數據指標的動態分析方法和裝置製造方法
2023-05-22 21:30:46 5
一種數據指標的動態分析方法和裝置製造方法
【專利摘要】本發明實施例提供了一種數據指標的動態分析方法和裝置，其中的方法具體包括：確定所述動態分析所對應的時間段；依據各數據指標在所述時間段內的數據樣本，對所有數據指標進行降維處理，得到符合預置貢獻率條件的M個數據指標；其中，M為正整數；以所述時間段內各時間單位對應的M個數據指標作為軌跡點的坐標，繪製所述軌跡點對應的M個數據指標隨時間變化的軌跡；將所述軌跡點對應的M個數據指標隨時間變化的軌跡顯示在屏幕上。本發明實施例能夠減少對渠道的多數據指標進行動態監控的工作量，提高工作效率。
【專利說明】一種數據指標的動態分析方法和裝置
【技術領域】
[0001] 本發明涉及數據分析【技術領域】，特別是涉及一種數據指標的動態分析方法和裝 置。
【背景技術】
[0002] 數據分析是指用適當的統計分析方法對收集來的大量數據進行分析，將它們加以 匯總和理解並消化，以求最大化地開發數據的功能，發揮數據的作用。數據分析是為了提取 有用信息和形成結論而對數據加以詳細研宄和概括總結的過程。
[0003] 例如，在市場營銷領域中，經常需要對市場渠道的數據進行分析，通常的分析方法 是對於每個渠道來源，首先依據採集的數據統計對應的數據指標，然後對所述數據指標進 行觀測分析，相應的觀測分析結果可以作為產品投放的強有力基礎。
[0004] 現有的觀測分析方法主要包括動態觀測方法和靜態觀測方法。其中，動態觀測方 法可以將一段時間內的某個特定數據指標繪製成曲線圖，利用曲線圖反應該特定數據指標 在這段時間內的變化情況。靜態觀測方法可以將某時間點的全部數據指標繪製成曲線圖， 利用曲線圖反映全部數據指標在該時間點的情況。
[0005] 可見，現有的觀測分析方法只能實現對單一指標的動態觀測，以及，僅能實現對多 個數據指標的靜態觀測，而無法實現對多個數據指標的動態觀測。在需要動態觀測多個數 據指標時，技術人員不得不一一針對單一指標繪製其在一段時間內的曲線圖，並對比分析 各單一指標的曲線圖；這樣，在數據指標數量較多時，技術人員需要繪製多個曲線圖，還要 對比分析多個曲線圖，這無疑增加了技術人員的工作量。
【發明內容】
[0006] 鑑於上述問題，提出了本發明以便提供一種克服上述問題或者至少部分地解決上 述問題的一種數據指標的動態分析方法和裝置。
[0007] 依據本發明的一個方面，提供了一種數據指標的動態分析方法，包括：
[0008] 確定所述動態分析所對應的時間段；
[0009] 依據各數據指標在所述時間段內的數據樣本，對所有數據指標進行降維處理，得 到符合預置貢獻率條件的M個數據指標；其中，M為正整數；
[0010] 以所述時間段內各時間單位對應的M個數據指標作為軌跡點的坐標，繪製所述軌 跡點對應的M個數據指標隨時間變化的軌跡；
[0011] 將所述軌跡點對應的M個數據指標隨時間變化的軌跡顯示在屏幕上。
[0012] 可選地，所述方法還包括：
[0013] 依據所述軌跡點到原點的距離，繪製所有數據指標的綜合質量隨時間變化的軌 跡。
[0014] 可選地，所述方法還包括：
[0015] 在繪製所述軌跡點對應的M個數據指標隨時間變化的軌跡的同時，依據所述M個 數據指標對應向量與各數據指標的數據樣本對應向量的相關係數，繪製所述各數據指標的 特徵方向線。
[0016] 可選地，所述依據各數據指標在所述時間段內的數據樣本，對所有數據指標進行 降維處理，得到符合預置貢獻率條件的M個數據指標的步驟，包括：
[0017] 統計各數據指標的數據樣本的均值；
[0018] 依據各數據指標的數據樣本與對應均值的差值，對所有數據指標進行降維處理， 得到符合預置貢獻率條件的M個數據指標。
[0019] 可選地，所述依據各數據指標在所述時間段內的數據樣本，對所有數據指標進行 降維處理，得到符合預置貢獻率條件的M個數據指標的步驟，包括：
[0020] 利用主成分分析方法對所有數據指標進行降維處理，得到符合預置貢獻率條件的 M個數據指標。
[0021] 可選地，所述原點為絕對原點，或者，所述原點為依據所有數據指標的數據樣本中 的預置低質量點糾正得到的相對原點。
[0022] 可選地，所述M大於等於2且小於等於4。
[0023] 根據本發明的另一方面，提供了一種數據指標的動態分析裝置，包括：
[0024] 確定模塊，用於確定所述動態分析所對應的時間段；
[0025] 降維處理模塊，用於依據各數據指標在所述時間段內的數據樣本，對所有數據指 標進行降維處理，得到符合預置貢獻率條件的M個數據指標；其中，M為正整數；
[0026] 第一繪製模塊，用於以所述時間段內各時間單位對應的M個數據指標作為軌跡點 的坐標，繪製所述軌跡點對應的M個數據指標隨時間變化的軌跡；及
[0027] 顯示模塊，用於將所述軌跡點對應的M個數據指標隨時間變化的軌跡顯示在屏幕 上。
[0028] 可選地，所述裝置還包括：
[0029] 第二繪製模塊，用於依據所述軌跡點到原點的距離，繪製所有數據指標的綜合質 量隨時間變化的軌跡。
[0030] 可選地，所述第一繪製模塊，還用於在繪製所述軌跡點對應的M個數據指標隨時 間變化的軌跡的同時，依據所述M個數據指標對應向量與各數據指標的數據樣本對應向量 的相關係數，繪製所述各數據指標的特徵方向線。
[0031] 可選地，所述降維處理模塊，包括：
[0032] 統計單元，用於統計各數據指標的數據樣本的均值；及
[0033] 降維單元，用於依據各數據指標的數據樣本與對應均值的差值，對所有數據指標 進行降維處理，得到符合預置貢獻率條件的M個數據指標。
[0034] 可選地，所述降維處理模塊，具體用於利用主成分分析方法對所有數據指標進行 降維處理，得到符合預置貢獻率條件的M個數據指標。
[0035] 可選地，所述原點為絕對原點，或者，所述原點為依據所有數據指標的數據樣本中 的預置低質量點糾正得到的相對原點。
[0036] 可選地，所述M大於等於2且小於等於4。
[0037] 根據本發明實施例的一種數據指標的動態分析方法和裝置，可以依據各數據指標 在所述時間段內的數據樣本，對所有數據指標進行降維處理，得到符合預置貢獻率條件的M 個數據指標，並以所述時間段內各時間單位對應的M個數據指標作為軌跡點的坐標，繪製 所述軌跡點對應的M個數據指標隨時間變化的軌跡；由於符合預置貢獻率條件的M個數據 指標基本包含了所有數據指標所具有的信息，並且，本發明實施例繪製了所述M個數據指 標隨時間變化的軌跡，因此，本發明實施例能夠實現全面數據指標的動態監控，方便技術人 員對渠道的多數據指標進行動態監控，減少了其工作量，提高了工作效率，從而能夠以最快 的方式幫助技術人員在產品投放決策上做出調整。
[0038] 上述說明僅是本發明技術方案的概述，為了能夠更清楚了解本發明的技術手段， 而可依照說明書的內容予以實施，並且為了讓本發明的上述和其它目的、特徵和優點能夠 更明顯易懂，以下特舉本發明的【具體實施方式】。
【專利附圖】
【附圖說明】
[0039] 通過閱讀下文可選實施方式的詳細描述，各種其他的優點和益處對於本領域普通 技術人員將變得清楚明了。附圖僅用於示出可選實施方式的目的，而並不認為是對本發明 的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。在附圖中：
[0040] 圖1示出了根據本發明一個實施例的一種數據指標的動態分析方法的步驟流程 圖；
[0041] 圖2示出了根據本發明一個實施例的一種數據指標的動態分析方法的步驟流程 圖；
[0042] 圖3示出了根據本發明一個實施例的一種數據指標的動態分析過程中所展示圖 形的示例；
[0043] 圖4示出了根據本發明一個實施例的一種數據指標的動態分析方法的步驟流程 圖；
[0044] 圖5示出了根據本發明一個實施例的一種數據指標的動態分析過程中所展示圖 形的示例；
[0045] 圖6示出了本發明一個實施例的一種數據指標的動態分析裝置的結構框圖；以及
[0046] 圖7示出了本發明一個實施例的一種數據指標的動態分析裝置的結構框圖。
【具體實施方式】
[0047] 下面將參照附圖更詳細地描述本公開的示例性實施例。雖然附圖中顯示了本公開 的示例性實施例，然而應當理解，可以以各種形式實現本公開而不應被這裡闡述的實施例 所限制。相反，提供這些實施例是為了能夠更透徹地理解本公開，並且能夠將本公開的範圍 完整的傳達給本領域的技術人員。
[0048] 參照圖1，示出了根據本發明一個實施例的一種數據指標的動態分析方法的步驟 流程圖，具體可以包括如下步驟：
[0049] 步驟101、確定所述動態分析所對應的時間段；
[0050] 本發明實施例可以應用於市場營銷等各種需要進行數據指標的動態分析的領域， 用於實現全面數據指標的動態監控。
[0051] 以網遊平臺的運營為例，網遊平臺通常需要處理上百個渠道來源的數據，對於每 個渠道來源，往往需要統計多個數據指標，並對該多個數據指標進行動態分析，相應的動態 分析結果可以作為產品投放的強有力基礎；這裡的渠道具體可以包括各遊戲渠道，如導航、 加速球、玩平臺、彈窗等等。
[0052] 例如，在本發明的一種應用示例中，針對某渠道統計的數據指標具體可以包括： 【平臺活躍用戶】、【平臺新用戶】、【平臺付費新用戶數】、【平臺新用戶充值額】、【遊戲新用戶 數】、【遊戲付費新用戶數】和【遊戲新用戶充值額】等7個數據指標，這些數據指標可以通過 對用戶在平臺中或者平臺相關聯的應用程式中產生的行為數據進行統計得到。其中，所述 用戶在平臺中產生的行為數據具體可以包括：終端綁定行為數據、郵箱認證行為數據和籤 到行為數據中的一種或多種。其中，所述終端綁定行為是指用戶帳號與終端之間的綁定行 為，所述郵箱綁定行為是指用戶帳號與郵箱之間的認證行為，所述籤到行為是指用戶帳號 到達平臺的行為，所述籤到行為的頻率通常為每天一次，當然本發明實施例對具體的籤到 行為的頻率不加以限制，另外，本發明對依據用戶在平臺中或者平臺相關聯的應用程式中 產生的行為數據統計得到數據指標的統計方法不加以限制。
[0053] 假設在實際應用中存在全面數據指標的動態監控需求，那麼，可以首先確定動態 分析所對應的時間段。在具體實現中，可以天、周、月等為分析周期，例如，在本發明的一種 應用示例中，可以選取過去的十天作為時間段，假設為2014/9/1-2014/9/10,可以理解，本 發明實施例對具體的時間段不加以限制。
[0054] 步驟103、依據各數據指標在所述時間段內的數據樣本，對所有數據指標進行降維 處理，得到符合預置貢獻率條件的M個數據指標；其中，M為正整數；
[0055] 對於所有數據指標在所述時間段內的數據樣本而言，其中可能包含大量的冗餘並 隱藏了重要關係的相關性，這裡，降維處理的目的就是消除冗餘，減少被處理數據的數量， 為步驟105的繪製提供數據。
[0056] 本發明的降維處理方法具體可以包括：線性降維方法和非線性降維方法。其 中，線性降維方法可以通過特徵的線性組合來降維，本質上是把數據投影到低維線性子 空間，其具有計算簡單、直觀和解釋性好的優點；目前兩種經典且廣泛使用的線性降維 方法具體為：PCA(主成分分析，PrincipalComponentAnalysis)和LDA(線性判別分 析，LinearDiscriminantAnalysis);非線性降維方法主要包括：MDS(多維尺度分析， MultidimensionalScaling)、LLE(線性局部嵌入，LocallyLinearEmbedding)、LLP(局 部線性投影，LocalLinearProjection)、Laplacian特徵映射、Hessian特徵映射和等距映 射（Isomap)等，非線性降維方法計算量相對複雜，但是能處理高維、更複雜的數據。
[0057] 本發明實施例中，預置貢獻率條件可用於限定所有M個數據指標的累計貢獻率， 也可用於限定單個數據指標的貢獻率。例如，累計貢獻率對應的預置貢獻率條件可以為：所 有M個數據指標的累計貢獻率大於85% ;又如，單個數據指標的貢獻率對應的預置貢獻率 條件可以為：各數據指標對應特徵值均大於1 ;再如，選用累計特徵值乘積大於1的主成分； 或者，畫出特徵值變化曲線，以轉折點位置為標準選擇M個數據指標等等。當然，上述85% 的累計貢獻率和1的特徵值只是作為示例，而不作為本發明的應用限制。
[0058]另外，由於M在本發明實施例中還可用於表示動態分析對應軌跡的維數，故M優選 為大於等2且小於等於4的正整數。
[0059] 由於主成分分析方法為在不損失或很少損失原有信息的前提下，將原來個數較 多、且彼此相關的變量，轉換為新的個數較少而彼此獨立或不相關的綜合變量的一種多元 統計分析方法，故本發明實施例優選採用主成分分析方法。
[0060] 在此提供對所有數據指標進行主成分分析，得到符合預置貢獻率條件的M個數據 指標的詳細過程，其它降維處理方法相互參照即可，該過程具體可以包括：
[0061] 步驟S1、對所有數據指標的數據樣本形成原始樣本矩陣；
[0062] 步驟S2、計算該原始樣本矩陣的第一協方差矩陣；
[0063] 步驟S3、對該第一協方差矩陣進行特徵值分解，選取符合預置貢獻率條件的M個 特徵值對應的特徵向量組成第一投影矩陣；
[0064] 步驟S4、利用所述第一投影矩陣對該原始樣本矩陣進行投影，得到降維後的新樣 本矩陣。
[0065] 假設某渠道統計了【平臺活躍用戶】、【平臺新用戶】、【平臺付費新用戶數】、【平臺 新用戶充值額】、【遊戲新用戶數】、【遊戲付費新用戶數】和【遊戲新用戶充值額】等7個數據 指標，且確定的時間段為2014/9/1-2014/9/10,那麼步驟Sl形成的原始樣本矩陣A的尺 寸為30X7 ;假設步驟S2得到的第一協方差矩陣為B，對B進行特徵值分解，發現前兩個特 徵值的累計貢獻率為94%，也即只用前兩個就已經能反映原始7個維度94%的信息，因此 可以成功地將原始的7個維度降到2個。
[0066] 在本發明的一種可選實施例中，所述依據各數據指標在所述時間段內的數據樣 本，對所有數據指標進行降維處理，得到符合預置貢獻率條件的M個數據指標的步驟，具體 可以包括：
[0067]步驟Al、統計各數據指標的數據樣本的均值；
[0068] 步驟A2、依據各數據指標的數據樣本與對應均值的差值，對所有數據指標進行降 維處理，得到符合預置貢獻率條件的M個數據指標。
[0069] 考慮到對該第一協方差矩陣進行特徵值分解的過程中需要求解極值，本可選實施 例中，依據各數據指標的數據樣本與對應均值的差值，對所有數據指標進行降維處理，也 即，依據各數據指標的數據樣本與對應均值的差值形成原始樣本矩陣以進行降維處理，能 夠儘可能地排除數據樣本的波動對極值的影響，儘可能還原數據樣本本身。
[0070] 步驟105、以所述時間段內各時間單位對應的M個數據指標作為軌跡點的坐標，繪 制所述軌跡點對應的M個數據指標隨時間變化的軌跡；
[0071] 步驟107、將所述軌跡點對應的M個數據指標隨時間變化的軌跡顯示在屏幕上。
[0072] 假設M= 2,那麼，可以分別將該2個數據指標在每天的值作為軌跡點的X坐標和 Y坐標，繪製所述軌跡點對應的2個數據指標在該時間段內隨時間變化的軌跡，其中，在繪 制時，可以對相鄰兩天的軌跡點進行連線得到相應的軌跡段，而由於該2個數據指標能反 映原始7個維度94%的信息，故所述連線能夠在二維空間表明所有數據指標在該時間段內 隨時間變化的軌跡，從而能夠實現全面數據指標的動態監控。
[0073] 假設M= 3,那麼，可以分別將該3個數據指標在每天的值作為軌跡點的X坐標、 γ坐標和Z坐標，繪製所述軌跡點對應的3個數據指標在該時間段內隨時間變化的軌跡，其 中，在繪製時，可以對相鄰兩天的軌跡點進行連線得到相應的軌跡段，而由於該3個數據指 標能反映原始7個維度98%的信息，故所述連線能夠在三維空間表明所有數據指標在該時 間段內隨時間變化的軌跡，從而能夠實現全面數據指標的動態監控。
[0074] 參照圖2,示出了根據本發明一個實施例的一種數據指標的動態分析方法的步驟 流程圖，具體可以包括如下步驟：
[0075] 步驟201、確定所述動態分析所對應的時間段；
[0076] 步驟203、依據各數據指標在所述時間段內的數據樣本，對所有數據指標進行降維 處理，得到符合預置貢獻率條件的M個數據指標；其中，M為正整數；
[0077] 步驟205、以所述時間段內各時間單位對應的M個數據指標作為軌跡點的坐標，繪 制所述軌跡點對應的M個數據指標隨時間變化的軌跡；
[0078] 步驟207、在繪製所述軌跡點對應的M個數據指標隨時間變化的軌跡的同時，依據 所述M個數據指標對應向量與各數據指標的數據樣本對應向量的相關係數，繪製所述各數 據指標的特徵方向線；
[0079] 步驟209、將所述軌跡點對應的M個數據指標隨時間變化的軌跡及所述各數據指 標的特徵方向線顯示在屏幕上。
[0080] 相對於圖1所示實施例，本實施例還可以在繪製所述軌跡點對應的M個數據指標 隨時間變化的軌跡的同時，依據所述M個數據指標對應向量與各數據指標的數據樣本對應 向量的相關係數，繪製所述各數據指標的特徵方向線，所述各數據指標的特徵方向線的指 向可用於表示當前渠道的各數據指標水平；這樣，技術人員可以通過比較M個數據指標隨 時間變化的軌跡之上的各軌跡段的方向與所述各數據指標的特徵方向線的方向，確定該渠 道的各數據指標的發展趨勢，其中，各軌跡段為前一天的軌跡點到當前天的軌跡點的連線， 例如，某軌跡段的方向與某數據指標的特徵方向線的方向越接近（也即夾角越小），則說明 當前天的該數據指標越好。
[0081] 以【平臺活躍用戶】數據指標為例，假設M= 2, 2個數據指標對應向量分別記為 聲百和^5，那麼，【平臺活躍用戶】的特徵方向線的起點可以為原點，終點的橫坐標可以 為與【平臺活躍用戶】的數據樣本對應向量的相關係數，終點的縱坐標可以為與 【平臺活躍用戶】的數據樣本對應向量的相關係數。
[0082] 理論上，各數據指標的特徵方向線的長度可以為單位1。然而，在實際應用中，為了 清楚地展示所有數據指標的特徵方向線的標註意義，可以設置上述特徵方向線的箭頭長度 可調，以避免所有數據指標的特徵方向線堆積在一起而導致技術人員看不清標註意義的問 題。
[0083] 參照圖3,示出了根據本發明一個實施例的一種數據指標的動態分析過程中所展 示圖形的示例，該示例涉及針對2014/9/1-2014/9/10這一時間段內的7個數據指標進行 動態分析，該7個數據指標分別為：【平臺活躍用戶】、【平臺新用戶】、【平臺付費新用戶數】、 【平臺新用戶充值額】、【遊戲新用戶數】、【遊戲付費新用戶數】和【遊戲新用戶充值額】；
[0084] 其中，在對7個數據指標進行降維處理過程中，選取了累計貢獻率為94%的2個 數據指標，並依據該2個數據指標的樣本值繪製了該2個數據指標隨時間變化的軌跡，該軌 跡具體可以包括10個軌跡點，其中，每個軌跡點可以通過顏色與圖中的日期相對應，例如， 2014-09-01 ( -）對應軌跡點的顏色為紫色，而2014-09-02 (二）對應軌跡點的顏色為淺藍 色等等；並且，通過對前一天的軌跡點與當前天的軌跡點的軌跡點進行連線即可得到上述 軌跡；
[0085] 圖中還示出了該7個數據指標的特徵方向線，這些特徵方向線以原點為起點，向 各自的終點延伸；
[0086] 技術人員可以通過該示例所展示的圖形，進行渠道對應的該7個數據指標的動態 分析：
[0087] 例如技術人員可以通過比較上述軌跡之上的各軌跡段的方向與該7個數據指標 的特徵方向線的方向，確定該渠道的各數據指標的發展趨勢，例如，某軌跡段的方向與某數 據指標的特徵方向線的方向越接近，則說明當前天的該數據指標越好；
[0088] 又如，還可以通過分析該7個數據指標的特徵方向線，確定Y軸的應用意義，如在Y 軸方向上，【平臺新用戶】和【遊戲新用戶數】的特徵方向線靠近下方，【平臺活躍用戶】的特 徵方向線居中，而【平臺付費新用戶數】、【平臺新用戶充值額】、【遊戲付費新用戶數】和【遊 戲新用戶充值額】的特徵方向線靠近上方，故可以確定Y軸的應用意義為：該渠道的軌跡越 靠近上方，則說明渠道的充值能力越強；該渠道的軌跡越靠近下方，說明渠道吸引新用戶的 能力越強；該渠道的軌跡居中則說明渠道的活躍用戶水平較高；
[0089] 需要說明的是，圖中及格線可以代表X坐標為0的線。
[0090] 參照圖4,示出了根據本發明一個實施例的一種數據指標的動態分析方法的步驟 流程圖，具體可以包括如下步驟：
[0091] 步驟401、確定所述動態分析所對應的時間段；
[0092] 步驟403、依據各數據指標在所述時間段內的數據樣本，對所有數據指標進行降維 處理，得到符合預置貢獻率條件的M個數據指標；其中，M為正整數；
[0093] 步驟405、以所述時間段內各時間單位對應的M個數據指標作為軌跡點的坐標，繪 制所述軌跡點對應的M個數據指標隨時間變化的軌跡；
[0094] 步驟407、依據所述軌跡點到原點的距離，繪製所有數據指標的綜合質量隨時間變 化的軌跡；
[0095] 步驟409、將所述軌跡點對應的M個數據指標隨時間變化的軌跡及所有數據指標 的綜合質量隨時間變化的軌跡顯示在屏幕上。
[0096] 相對於圖1所示實施例，本實施例還可以依據所述軌跡點到原點的距離，繪製所 有數據指標的綜合質量隨時間變化的軌跡，由於M個數據指標是通過降維處理得到的，其 值大小能夠反映其包含信息量的多少，通常來說值越大則包含信息量越多，而所述軌跡點 到原點的距離為所有M個數據指標的平方和的開方，故本實施例依據所述軌跡點到原點的 距離繪製的綜合質量能夠反映渠道在各時間單位（每天）的綜合情況；這樣，通過箭頭指向 或者圖例，技術人員可以觀察出該渠道的綜合質量的變化軌跡。
[0097] 在實際應用中，可以將所有數據指標的綜合質量隨時間變化的軌跡繪製在單獨的 圖中，例如，參照圖5,示出了根據本發明一個實施例的一種數據指標的動態分析過程中所 展示圖形的示例，其示出了圖3所示渠道對應7個數據指標的綜合質量隨時間變化的軌跡， 該軌跡之上軌跡點的Y坐標越大，則對應的綜合質量越好。
[0098] 當然，還可以將所有數據指標的綜合質量隨時間變化的軌跡同所述軌跡點對應的 M個數據指標隨時間變化的軌跡繪製於一個圖中，例如，可以在圖3的基礎上繪製以原點為 圓心的綜合質量線，同一綜合質量線上的點到原點的距離是相同的，也即同一綜合質量線 可以表示相同的綜合質量，這樣可以通過圖3所示軌跡點與綜合質量線的交點或距離確定 渠道對應7個數據指標的綜合質量隨時間變化的軌跡；
[0099] 另外，上述綜合質量線還可以明確X軸的應用意義，也即，圖3的X軸方向上，越靠 近左邊說明渠道的綜合質量（針對上述7個數據指標）越好，越靠近右邊則說明渠道的綜 合質量越差。
[0100] 需要說明的是，本發明在繪製過程中，所述原點可以為絕對原點，或者，所述原點 也可以為依據所有數據指標的數據樣本中的預置低質量點糾正得到的相對原點。例如，在 本發明的一種應用示例中，發現90%以上的數據樣本點的質量均較低，故可以將這部分預 置低質量點聚在一起作為相對原點，例如，可以將預置低質量點的重心作為相對原點，其 中，該重心的X坐標為所有預置低質量點X坐標的均數，該重心的Y坐標為所有預置低質量 點Y坐標的均數，從而使得該相對原點可以反映低質量數據樣本點的平均水平。
[0101] 綜上，本發明實施例具有如下優點：
[0102] 方便技術人員對渠道的多數據指標進行動態監控，減少了其工作量，提高了工作 效率，從而能夠以最快的方式幫助技術人員在產品投放決策上做出調整。
[0103] 對於方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領域 技術人員應該知悉，本發明實施例並不受所描述的動作順序的限制，因為依據本發明實施 例，某些步驟可以採用其他順序或者同時進行。其次，本領域技術人員也應該知悉，說明書 中所描述的實施例均屬於可選實施例，所涉及的動作並不一定是本發明實施例所必須的。
[0104] 參照圖6,示出了根據本發明一個實施例的一種數據指標的動態分析裝置的結構 框圖，具體可以包括如下模塊：
[0105] 確定模塊601，用於確定所述動態分析所對應的時間段；
[0106] 降維處理模塊603,用於依據各數據指標在所述時間段內的數據樣本，對所有數據 指標進行降維處理，得到符合預置貢獻率條件的M個數據指標；其中，M為正整數；
[0107] 第一繪製模塊605,用於以所述時間段內各時間單位對應的M個數據指標作為軌 跡點的坐標，繪製所述軌跡點對應的M個數據指標隨時間變化的軌跡；及
[0108] 顯示模塊607,用於將所述軌跡點對應的M個數據指標隨時間變化的軌跡顯示在 屏幕上。
[0109] 在本發明的一種可選實施例中，所述第一繪製模塊605,還可用於在繪製所述軌跡 點對應的M個數據指標隨時間變化的軌跡的同時，依據所述M個數據指標對應向量與各數 據指標的數據樣本對應向量的相關係數，繪製所述各數據指標的特徵方向線。所述各數據 指標的特徵方向線的指向可用於表示當前渠道的各數據指標水平；這樣，技術人員可以通 過比較M個數據指標隨時間變化的軌跡之上的各軌跡段的方向與所述各數據指標的特徵 方向線的方向，確定該渠道的各數據指標的發展趨勢。
[0110] 在本發明的另一種可選實施例中，所述降維處理模塊603,具體可以包括：
[0111] 統計單元，用於統計各數據指標的數據樣本的均值；及
[0112] 降維單元，用於依據各數據指標的數據樣本與對應均值的差值，對所有數據指標 進行降維處理，得到符合預置貢獻率條件的M個數據指標。
[0113] 本可選實施例依據各數據指標的數據樣本與對應均值的差值形成原始樣本矩陣 以進行降維處理，能夠儘可能地排除數據樣本的波動對極值的影響，儘可能還原數據樣本 本身。
[0114] 在本發明的再一種可選實施例中，所述降維處理模塊603,可具體用於利用主成分 分析方法對所有數據指標進行降維處理，得到符合預置貢獻率條件的M個數據指標。
[0115] 在本發明的一種可選實施例中，所述原點可以為絕對原點，或者，所述原點還可以 為依據所有數據指標的數據樣本中的預置低質量點糾正得到的相對原點。其中，該相對原 點可以反映低質量數據樣本點的平均水平。
[0116] 在本發明的另一種可選實施例中，所述M大於等於2且小於等於4,能夠方便在二 維、三維或四維空間繪製所述軌跡點對應的M個數據指標隨時間變化的軌跡。
[0117] 參照圖7,示出了根據本發明一個實施例的一種數據指標的動態分析裝置的結構 框圖，具體可以包括如下模塊：
[0118] 確定模塊701，用於確定所述動態分析所對應的時間段；
[0119] 降維處理模塊703,用於依據各數據指標在所述時間段內的數據樣本，對所有數據 指標進行降維處理，得到符合預置貢獻率條件的M個數據指標；其中，M為正整數；
[0120] 第一繪製模塊705,用於以所述時間段內各時間單位對應的M個數據指標作為軌 跡點的坐標，繪製所述軌跡點對應的M個數據指標隨時間變化的軌跡；
[0121] 第二繪製模塊707,用於依據所述軌跡點到原點的距離，繪製所有數據指標的綜合 質量隨時間變化的軌跡；及
[0122] 顯示模塊709,用於將所述軌跡點對應的M個數據指標隨時間變化的軌跡及所有 數據指標的綜合質量隨時間變化的軌跡顯示在屏幕上。
[0123] 本實施例依據所述軌跡點到原點的距離繪製的綜合質量能夠反映渠道在各時間 單位（每天）的綜合情況；這樣，通過箭頭指向或者圖例，技術人員可以觀察出該渠道的綜 合質量的變化軌跡。
[0124] 對於裝置實施例而言，由於其與方法實施例基本相似，所以描述的比較簡單，相關 之處參見方法實施例的部分說明即可。
[0125] 在此提供的算法和顯示不與任何特定計算機、虛擬系統或者其它設備固有相關。 各種通用系統也可以與基於在此的示教一起使用。根據上面的描述，構造這類系統所要求 的結構是顯而易見的。此外，本發明也不針對任何特定程式語言。應當明白，可以利用各種 程式語言實現在此描述的本發明的內容，並且上面對特定語言所做的描述是為了披露本發 明的最佳實施方式。
[0126] 在此處所提供的說明書中，說明了大量具體細節。然而，能夠理解，本發明的實施 例可以在沒有這些具體細節的情況下實踐。在一些實例中，並未詳細示出公知的方法、結構 和技術，以便不模糊對本說明書的理解。
[0127] 類似地，應當理解，為了精簡本公開並幫助理解各個發明方面中的一個或多個，在 上面對本發明的示例性實施例的描述中，本發明的各個特徵有時被一起分組到單個實施 例、圖、或者對其的描述中。然而，並不應將該公開的方法解釋成反映如下意圖：即所要求保 護的本發明要求比在每個權利要求中所明確記載的特徵更多的特徵。更確切地說，如下面 的權利要求書所反映的那樣，發明方面在於少於前面公開的單個實施例的所有特徵。因此， 遵循【具體實施方式】的權利要求書由此明確地併入該【具體實施方式】，其中每個權利要求本身 都作為本發明的單獨實施例。
[0128] 本領域那些技術人員可以理解，可以對實施例中的一種數據指標的動態分析方法 和裝置中的模塊進行自適應性地改變並且把它們設置在與該實施例不同的一個或多個設 備中。可以把實施例中的模塊或單元或組件組合成一個模塊或單元或組件，以及此外可以 把它們分成多個子模塊或子單元或子組件。除了這樣的特徵和/或過程或者單元中的至少 一些是相互排斥之外，可以採用任何組合對本說明書（包括伴隨的權利要求、摘要和附圖） 中公開的所有特徵以及如此公開的任何方法或者設備的所有過程或單元進行組合。除非另 外明確陳述，本說明書（包括伴隨的權利要求、摘要和附圖）中公開的每個特徵可以由提供 相同、等同或相似目的的替代特徵來代替。
[0129] 此外，本領域的技術人員能夠理解，儘管在此所述的一些實施例包括其它實施例 中所包括的某些特徵而不是其它特徵，但是不同實施例的特徵的組合意味著處於本發明的 範圍之內並且形成不同的實施例。例如，在下面的權利要求書中，所要求保護的實施例的任 意之一都可以以任意的組合方式來使用。
[0130] 本發明的各個部件實施例可以以硬體實現，或者以在一個或者多個處理器上運行 的軟體模塊實現，或者以它們的組合實現。本領域的技術人員應當理解，可以在實踐中使用 微處理器或者數位訊號處理器（DSP)來實現根據本發明實施例的在行動裝置和計算設備 之間建立連接的方法和裝置中的一些或者全部部件的一些或者全部功能。本發明還可以實 現為用於執行這裡所描述的方法的一部分或者全部的設備或者裝置程序（例如，計算機程 序和電腦程式產品）。這樣的實現本發明的程序可以存儲在計算機可讀介質上，或者可以 具有一個或者多個信號的形式。這樣的信號可以從網際網路平臺上下載得到，或者在載體信 號上提供，或者以任何其他形式提供。
[0131] 應該注意的是上述實施例對本發明進行說明而不是對本發明進行限制，並且本領 域技術人員在不脫離所附權利要求的範圍的情況下可設計出替換實施例。在權利要求中， 不應將位於括號之間的任何參考符號構造成對權利要求的限制。單詞"包含"不排除存在 未列在權利要求中的元件或步驟。位於元件之前的單詞"一"或"一個"不排除存在多個這 樣的元件。本發明可以藉助於包括有若干不同元件的硬體以及藉助於適當編程的計算機來 實現。在列舉了若干裝置的單元權利要求中，這些裝置中的若干個可以是通過同一個硬體 項來具體體現。單詞第一、第二、以及第三等的使用不表示任何順序。可將這些單詞解釋為 名稱。
[0132] 本發明公開了A1、一種數據指標的動態分析方法，包括：
[0133] 確定所述動態分析所對應的時間段；
[0134] 依據各數據指標在所述時間段內的數據樣本，對所有數據指標進行降維處理，得 到符合預置貢獻率條件的M個數據指標；其中，M為正整數；
[0135] 以所述時間段內各時間單位對應的M個數據指標作為軌跡點的坐標，繪製所述軌 跡點對應的M個數據指標隨時間變化的軌跡；
[0136] 將所述軌跡點對應的M個數據指標隨時間變化的軌跡顯示在屏幕上。
[0137]A2、如Al所述的方法，所述方法還包括：
[0138] 依據所述軌跡點到原點的距離，繪製所有數據指標的綜合質量隨時間變化的軌 跡。
[0139]A3、如Al所述的方法，所述方法還包括：
[0140] 在繪製所述軌跡點對應的M個數據指標隨時間變化的軌跡的同時，依據所述M個 數據指標對應向量與各數據指標的數據樣本對應向量的相關係數，繪製所述各數據指標的 特徵方向線。
[0141] A4、如Al所述的方法，所述依據各數據指標在所述時間段內的數據樣本，對所有 數據指標進行降維處理，得到符合預置貢獻率條件的M個數據指標的步驟，包括：
[0142] 統計各數據指標的數據樣本的均值；
[0143] 依據各數據指標的數據樣本與對應均值的差值，對所有數據指標進行降維處理， 得到符合預置貢獻率條件的M個數據指標。
[0144] A5、如Al或A2或A3或A4所述的方法，所述依據各數據指標在所述時間段內的數 據樣本，對所有數據指標進行降維處理，得到符合預置貢獻率條件的M個數據指標的步驟， 包括：
[0145] 利用主成分分析方法對所有數據指標進行降維處理，得到符合預置貢獻率條件的 M個數據指標。
[0146] A6、如Al或A2或A3或A4所述的方法，所述原點為絕對原點，或者，所述原點為依 據所有數據指標的數據樣本中的預置低質量點糾正得到的相對原點。
[0147] A7、如Al或A2或A3或A4所述的方法，所述M大於等於2且小於等於4。
[0148] B8、一種數據指標的動態分析裝置，包括：
[0149] 確定模塊，用於確定所述動態分析所對應的時間段；
[0150] 降維處理模塊，用於依據各數據指標在所述時間段內的數據樣本，對所有數據指 標進行降維處理，得到符合預置貢獻率條件的M個數據指標；其中，M為正整數；
[0151] 第一繪製模塊，用於以所述時間段內各時間單位對應的M個數據指標作為軌跡點 的坐標，繪製所述軌跡點對應的M個數據指標隨時間變化的軌跡；及
[0152] 顯示模塊，用於將所述軌跡點對應的M個數據指標隨時間變化的軌跡顯示在屏幕 上。
[0153] B9、如B8所述的裝置，所述裝置還包括：
[0154] 第二繪製模塊，用於依據所述軌跡點到原點的距離，繪製所有數據指標的綜合質 量隨時間變化的軌跡。
[0155] B10、如B8所述的裝置，所述第一繪製模塊，還用於在繪製所述軌跡點對應的M個 數據指標隨時間變化的軌跡的同時，依據所述M個數據指標對應向量與各數據指標的數據 樣本對應向量的相關係數，繪製所述各數據指標的特徵方向線。
[0156]B11、如B8所述的裝置，所述降維處理模塊，包括：
[0157] 統計單元，用於統計各數據指標的數據樣本的均值；及
[0158] 降維單元，用於依據各數據指標的數據樣本與對應均值的差值，對所有數據指標 進行降維處理，得到符合預置貢獻率條件的M個數據指標。
[0159] B12、如B8或B9或BlO或Bll所述的裝置，所述降維處理模塊，具體用於利用主成 分分析方法對所有數據指標進行降維處理，得到符合預置貢獻率條件的M個數據指標。
[0160] B13、如B8或B9或BlO或Bll所述的裝置，所述原點為絕對原點，或者，所述原點 為依據所有數據指標的數據樣本中的預置低質量點糾正得到的相對原點。
[0161] B14、如B8或B9或BlO或Bll所述的裝置，所述M大於等於2且小於等於4。
【權利要求】
1. 一種數據指標的動態分析方法，包括： 確定所述動態分析所對應的時間段； 依據各數據指標在所述時間段內的數據樣本，對所有數據指標進行降維處理，得到符 合預置貢獻率條件的M個數據指標；其中，M為正整數； 以所述時間段內各時間單位對應的M個數據指標作為軌跡點的坐標，繪製所述軌跡點 對應的M個數據指標隨時間變化的軌跡； 將所述軌跡點對應的M個數據指標隨時間變化的軌跡顯示在屏幕上。
2. 如權利要求1所述的方法，其特徵在於，還包括： 依據所述軌跡點到原點的距離，繪製所有數據指標的綜合質量隨時間變化的軌跡。
3. 如權利要求1所述的方法，其特徵在於，還包括： 在繪製所述軌跡點對應的M個數據指標隨時間變化的軌跡的同時，依據所述M個數據 指標對應向量與各數據指標的數據樣本對應向量的相關係數，繪製所述各數據指標的特徵 方向線。
4. 如權利要求1所述的方法，其特徵在於，所述依據各數據指標在所述時間段內的數 據樣本，對所有數據指標進行降維處理，得到符合預置貢獻率條件的M個數據指標的步驟， 包括： 統計各數據指標的數據樣本的均值； 依據各數據指標的數據樣本與對應均值的差值，對所有數據指標進行降維處理，得到 符合預置貢獻率條件的M個數據指標。
5. 如權利要求1或2或3或4所述的方法，其特徵在於，所述依據各數據指標在所述時 間段內的數據樣本，對所有數據指標進行降維處理，得到符合預置貢獻率條件的M個數據 指標的步驟，包括： 利用主成分分析方法對所有數據指標進行降維處理，得到符合預置貢獻率條件的M個 數據指標。
6. 如權利要求1或2或3或4所述的方法，其特徵在於，所述原點為絕對原點，或者，所 述原點為依據所有數據指標的數據樣本中的預置低質量點糾正得到的相對原點。
7. 如權利要求1或2或3或4所述的方法，其特徵在於，所述M大於等於2且小於等於 4〇
8. -種數據指標的動態分析裝置，包括： 確定模塊，用於確定所述動態分析所對應的時間段； 降維處理模塊，用於依據各數據指標在所述時間段內的數據樣本，對所有數據指標進 行降維處理，得到符合預置貢獻率條件的M個數據指標；其中，M為正整數； 第一繪製模塊，用於以所述時間段內各時間單位對應的M個數據指標作為軌跡點的坐 標，繪製所述軌跡點對應的M個數據指標隨時間變化的軌跡；及 顯示模塊，用於將所述軌跡點對應的M個數據指標隨時間變化的軌跡顯示在屏幕上。
9. 如權利要求8所述的裝置，其特徵在於，還包括： 第二繪製模塊，用於依據所述軌跡點到原點的距離，繪製所有數據指標的綜合質量隨 時間變化的軌跡。
10. 如權利要求8所述的裝置，其特徵在於，所述第一繪製模塊，還用於在繪製所述軌 跡點對應的M個數據指標隨時間變化的軌跡的同時，依據所述M個數據指標對應向量與各 數據指標的數據樣本對應向量的相關係數，繪製所述各數據指標的特徵方向線。
【文檔編號】G06F17/30GK104484341SQ201410682496
【公開日】2015年4月1日 申請日期:2014年11月24日 優先權日:2014年11月24日
【發明者】王義輝 申請人:北京奇虎科技有限公司, 奇智軟體（北京）有限公司