生成和实现数据模型的方法和装置与流程

本发明涉及数字消费者数据模型和客户分析记录。

背景技术：
电信公司目前为其客户提供各种服务，包括提供数字内容。数字内容包括应用、下载和流式传输媒体以及在线购买。在电信公司进行扩展以覆盖数字内容的同时，提供数字内容的媒体公司现在正在扩展以包括电信服务。这些传统上仅仅提供这些产品之一但是现在已经扩展以包括二者的公司可以被认为是趋同的公司。因为数字内容销售和服务经常与电信销售和服务分开管理，因此数据也是分开管理的。尽管单个客户在电信和数字内容产品业务二者上以及公司的其他业务线(诸如IPTV)上都具有活动，但是客户的活动和为该客户服务的策略通常以隔离的方式被处理。这些趋同的公司的不同产品线实际上作为多个不同的业务实体而不是同一的业务在运行。

技术实现要素：
在此描述的解决方案包括一种数据模型和一种客户分析记录(CAR)以及用于生成该CAR的过程。一种数据模型，包括趋同客户级别的不同业务线的信息，包括数字客户，例如数字消费者、实体、度量以及维度。数字模型是通过实体-关系(E-R)图而彼此相关的一组实体。实体例如可以与以下项相关：客户社会人口统计资料、外部市场调查、客户与公司之间的交互、流量和网络事件、对公司服务/产品/品牌的认知(例如，情绪)、客户门户导航路径、收益、利润、产品和服务订购、数字产品购买和消费以及客户级别的纳税规划。该数据模型是分析数据集市(datamart)和分析面板的基础，该分析数据集市和分析面板将以多种方式被呈现给公司并由公司使用，包括提示、结构查询、特殊报表、用于统计报告的面板以及深入分析案例管理。这些中的任何项可以被格式化和汇编，以便以任何适当的格式被呈现给公司内的营销和业务经理。另一解决方案设计使用客户分析记录(CAR)以及预定义的规则来聚集源数据并且生成CAR。CAR是记录的列表，其中每个记录参考唯一的客户并且每个字段是与客户相关的变量。CAR包括与数字产品消费相关的变量。与给定客户相关联的数据来自多个分离的数据存储位置，以便收集与不同产品线相关联的客户活动数据，包括数字内容的消费。提取的数据被处理并且被合并到数据结构中，以形成客户分析记录(CAR)，其更加完整和准确地描述客户关于商家的所有产品的完整行为。除了消费者行为简档和针对包括数字消费在内的多种不同产品线的使用模式之外，数据模型包括客户人口统计信息，并且甚至包括通过问卷和在线给出的已知客户属性。一旦被生成，CAR可以支持多种分析过程。可以使用包括数字消费模式在内的客户简档的多个维度来标识具有相似特点的客户群组。可以进行如下预测：关于客户收益率的每个客户分段、流失的可能性以及什么样的推销和挽留努力最有可能收到积极的回应。这允许将产品供应、刺激计划和销售事件瞄准可能最具收益率的客户群体的那些分段，这可以潜在地降低营销成本同时相对于传统的广泛基础促销提升效果。基于标识数字消费行为者中的共性的推销努力还可以获得附加的收益，特别是基于与其他类似客户相关的客户数字内容行为。此模型的输出继而可以充实该数字模型。在一方面，一种用于生成和实现数据模型的方法，包括动作：标识多个实体，每个实体具有定义与客户相关的数据的一个或多个度量。该多个实体至少包括客户实体和数字消费实体。动作还包括：定义该多个实体中的实体之间的关系；对于每个实体，选择存储与该实体的一个或多个度量相兼容的数据的电子数据源；以及与在实体之间标识的关系相一致地实现对所选择的电子数据源的数据流和控制过程。附加动作包括：根据所实现的数据流和控制过程从每个所选择的电子数据源提取数据；将提取的数据聚集到以客户为中心的数据结构中；以及将以客户为中心的数据结构存储在针对客户实体而选择的电子数据源中。实现可以包括以下一个或多个特征。多个实体还包括电信消费实体。定义实体之间的关系包括定义客户实体与数字消费实体之间的关系，其中实现数据流和控制过程包括将包括客户的数字消费行为的数据传送到一个电子数据源，该电子数据源存储关于从多个电子数据源聚集的关于客户的数据。向其传送客户的数字消费行为的电子数据源是针对客户实体而选择的。在另一方面，一种非瞬态计算机可读介质，存储包括一个或多个计算机可执行的指令的软件，这种执行使一个或多个计算机执行操作。操作包括：从多个数据存储聚集与特定客户相关的客户数据，该客户数据包括与客户的数字消费和客户对至少一个其他类型产品或服务的消费相关的数据。操作还包括：生成针对特定客户的客户分析记录，该客户分析记录包括代表聚集客户数据的至少一部分的基本变量以及从对一个或多个基本变量执行的预定操作导出的计算变量。操作还包括：访问客户分析记录以便使用至少一个计算变量来生成关于客户的深入分析。实现可以包括以下一个或多个特征。客户数据包括与客户的电信服务消费相关的数据。与客户的数字消费相关的客户数据包括客户在以下至少一个中的行为的记录：数字应用、下载和流式传输数字内容以及在线购买。在又一方面，一种用于生成和实现数据模型的系统，包括聚集引擎，该聚集引擎被配置为从多个数据存储聚集与特定客户相关的客户数据，该客户数据包括与客户的数字消费和客户对至少一个其他类型产品或服务的消费有关的数据。该系统还包括客户分析记录生成引擎，该客户分析记录生成引擎被配置为生成针对特定客户的客户分析记录。客户分析记录包括代表聚集客户数据的至少一部分的基本变量以及从对一个或多个基本变量执行的预定操作导出的计算变量。该系统还包括深入分析生成引擎，该深入分析生成引擎被配置为访问客户分析记录以使用至少一个计算变量来生成关于客户的深入分析。实现可以包括以下一个或多个特征。客户数据包括与客户的电信服务消费相关的数据。与客户的数字消费相关的客户数据包括客户在以下至少一个中的行为的记录：数字应用、下载和流式传输数字内容以及在线购买。客户数据包括客户级别的情绪度量。客户数据包括基于不仅与已评级流量事件相关的网络级事件而计算的度量。下面在附图和描述中记载了一个或多个实现的细节。通过描述、附图和权利要求，本公开内容的其他特征将变得易见。附图说明图1示出了代表示例性数据模型的实体-关系图。图2是示出了客户分析记录生成过程的框图。图3是用于生成和使用客户分析记录的示例过程的流程图。图4示出了示例性客户分析记录的框图。图5示出了可以与在此描述的记录结合使用的通用计算机设备和通用移动计算机设备的示例。具体实施方式数据模型数据模型是一组结构化数据。很多信息处于客户级别。特别地，数据模型是通过实体-关系(E-R)图彼此相关的一组实体。示例性E-R图100在图1中示出了，其代表可适用于包括数字客户数据的趋同公司的数据模型。E-R图100代表以客户为中心的数据模型，其中被表示为图100的中心处的实体102的客户形成与如图所示的各种不同业务和系统的关联实体的关系。实体数据可以来自web门户104，来自外部调查渠道106，来自评级、计费和账单系统108，来自客户关系管理和活动管理系统110，来自网络112，来自中间系统，来自因特网和社交网络114，来自数据仓库和其他系统。每个实体及其与客户102的关系可以通过各种不同的度量和维度来表示。实体本质上可以与客户相关的任何类型的数据相关。实体数据的某些示例包括：-社会人口统计。-外部市场调查，诸如支付偏好、服务使用简档、数字消费和社交网络习惯、设备混合和技术采用一级广告和联系偏好。-交互，代表客户与公司之间通过不同渠道的交互的量和类型。-来自电信公司的评级流量。-来自不同业务线和产品线的收入和利润。-账单、计费和支付记录。-用于消费所提供的服务和产品的设备。-纳税规划，包括捆绑和其他多服务选项。-忠诚度和其他客户历史度量。-销售渠道。-基于来自传入/外发流量和在线交互的数据而计算的联网度量，其可以在特定的时间段上聚集。-基于不仅与评级流量事件相关的网络级事件而计算的度量。-在连接到无线网络小区同时的SIM卡位置，例如，关于客户在什么移动电话之间切换SIM卡的信息。-电信服务用户的社区内的客户相关度。-客户被认证之后进行的客户门户的导航路径，例如，关于已认证的客户如何在客户门户上由公司提供的各种产品间导航的信息。-对产品和服务的订购。-数字产品购买和消费。这可以包括关于应用、下载和流失传输以及电子商务类别的每个中的消费的数据。度量和维度是针对每个实体而独立定义的。例如，交互实体可以包括交互的数目(度量)和交互的原因(维度)。作为另一示例，数字消费实体可以包括总量和量(度量)以及内容评级、年龄评级、分发平台、连接速度类型、支付方法、价格类型、时间带、时间、类别、子类别(维度)。与所示的这两个示例不同，针对每个实体而收集的数据可以广泛变化，并且可以取决于什么数据是可获得的以及数据模型的详情。数字消费数据可以包括从数字客户的各种活动特性生成的数据。例如，客户可以选择下载表示各种类别的应用。数字消费数据可以标识关于以下的信息：购买时间、应用的成本、应用所属类别以及任何适当的子类别。每个应用可被分类到一个或多个类别和子类别中，这不仅可以取决于应用的特质，还可以取决于对于公司与客户的持续关系而言重要的因素。理想情况下，客户已经购买的应用所在的类别将允许公司将进一步的应用购买和其他可用产品瞄准该客户。应用类别例如可以包括：工具和用具、商业、购物、旅行、运动、社交、新闻和游戏。工具和用具应用辅助用户进行桌面管理、留言/聊天、播放和编辑多媒体、文字处理、表单以及驱动程序。工具应用的子类别可以包括翻译器、计算器和教育应用。商业应用提供利用邮件和日历、管理控制数据、同步、消息安全性和资源规划进行商业互操作的功能。商业应用子类别可以包括财务和管理。购物应用允许客户利用移动设备购买产品、执行价格比较和调查以及定位销售特定产品的商店。购物应用子类别可以包括娱乐、电子产品和饮食。旅行应用包括绘图和GPS以及对巡航、限时抢购、游乐场、航班、租车、旅行社、酒店和旅游的购买。旅行子类别可以包括限时抢购、酒店、租车和GPS。运动应用可以关注于特定的运动、饮食、监测性能、火车、食品和运动事件。运动子类别可以包括实时新闻、比赛预测以及比赛流式传输。社交应用允许客户连接和管理社交网络、共享和比较亲密度测试、交友、参加社交事件或者甚至相亲。社交应用的子类别可以包括聊天和共享。新闻应用包括天气、报纸、电视新闻和广播，每一个可以具有其自己的子类别。游戏应用可以包括可以在移动设备上进行的所有类型的游戏。游戏应用子类别可以针对每类游戏而存在，诸如运动、虚拟人生和策略。数字消费数据还可以包括电子商务，其被定义为通过因特网而不是零售商店对传统零售产品的购物。关于给定客户希望在线进行什么领域的零售购物的信息对于理解客户对特定在线供应的接受程度可能非常有价值。电子商务类别包括图书(书籍、杂志、报纸、电子书、音频书)、服装(衣服、鞋子、手袋、配件、箱子、手表、首饰)、计算机和办公产品(膝上型计算机、上网本、平板式计算机、打印机和墨盒、设备和零件、服务器和桌面计算机、软件、游戏控制台、媒体播放器和网络电视)、电子产品(电视和视频、高清和家庭影院、相机、移动电话和零件、视频游戏和mp3播放器、汽车和GPS、家用品、乐器、一般零件)、医疗美容(自然和生物食品、保健品、个人护理和美容)、娱乐(DVD和蓝光、视频游戏、音乐CD)、家居园艺(厨房和烹饪、床上和洗浴用品、家具和装饰、户外生活、园艺、缝纫、工艺品和爱好、卫生、宠物用品)、运动和户外(运动健身、运动员、运动服、团体体育、自行车、远足和户外消遣、高尔夫、划艇和水上运动、球迷商店、其他运动)以及儿童产品(玩具、书、电子游戏、服装、装备、健康和洗浴、零件)。数字消费数据还可以包括数字内容的流式传输和下载。各种类别和子类别也可以提供有价值的客户信息。数字内容流式传输和下载的类别可以包括音乐(进一步根据音乐风格分类，诸如经典、舞曲、摇滚、嘻哈、浪漫主义、电子、乡村、说唱)、图像(进一步根据图像质量分类，以及被分为子类别，诸如动物和自然、卡通/漫画、名人、食品和饮料、假日和事件、运动和户外、办公、儿童、风景)、在线游戏(进一步根据类型分类，诸如教育、动作、家庭、音乐、角色扮演、体育、策略)以及电影(进一步根据影像质量以及风格分类，风格诸如卡通、漫画、犯罪/悬疑、剧情、家庭/儿童、历史、恐怖/科幻、音乐、爱情)。数字消费度量可以通过时间和维度值来聚集。数据维度可以包括内容评级、年龄评级、分发平台、连接速度类型、支付方法、用于消费的设备、价格类型以及时间带。数字消费数据可以针对特定时段而被聚集，并且可以根据任何特定分析工具的需要而以多种方式被返回。用于馈送数据模型的数据来自各种内部的和外部的来源。内容来源与公司系统有关，而外部来源与因特网(除公司门户之外的网站)或者外部市场调查。内容和外部的未加工数据均被转换为预定义的格式和模板(也称为“数据接口协议”)以便以标准的方式被映射至数据模型。电信数据可以包括传入和外发活动，包括进行的呼叫和文本联系。在不违反客户隐私的情况下，分析记录可以指示总计多少时间与客户的最多呼叫号码相关联、客户已经呼叫或进行文本联系的不同号码有多少、以及客户一共收到了多少呼叫或文本联系而不是从最多联系号码接收到了多少呼叫或文本联系。这些指示符有助于测量用户的联网习惯、与客户的数字消费数据一起，此电信数据可以为公司提供通过提供反映客户使用的客户机会而深化与客户的积极业务关系的机会。其他电信可以与纯网络事件相关，例如丢失的呼叫和网络数据，诸如无线网络小区所感知到的公司的SIM卡位置，例如SIM卡在什么样的移动电话中被使用。客户关于公司所提供的品牌、服务和产品的情绪可以由内部和外部来源标识。内部来源可以包括关于客户交互的呼叫中心代理记录、客户发给公司的电子邮件、发表在客户门户上的博客上的评论、外部来源可以包括社交网络。例如，社交网络可以包括用户在社交网络中提供的发帖和简档信息。客户级别的情绪度量可以使用文本挖掘技术从内部和外部来源产生，并且继而被用于扩充CAR。数据模型中还可以包括人口统计数据，包括在管理电信数据时通常使用的以及与数字消费特别相关的人口统计因素。客户分析记录(CAR)和CAR生成过程图2示出了用于生成客户分析记录(CAR)的示例性方法。数据存储200反映客户数据，客户数据可以使用不同的系统和非标准的格式而被存储在不同位置。数据存储200的示例包括与电信账户和购买相关联的客户记录(表示为数据存储200a)、与数字内容下载和购买相关联的客户记录(表示为数据存储200b)以及客户的人口统计数据(表示为数据存储200c)。可以包括来自其他来源的其他数据。如被标记为“数据收集、聚集和格式化”的框202所示，过程关于如何根据预定义的和可配置的分析转换功能而馈送CAR而被设计。数据先前按照以客户为中心的方式被聚集；也即，跨多个数据存储200或者多个时段(比所需的数据聚集更细致)或多个事件(事务)的、与单个客户相关联的数据被聚集在一起。由于从其获取数据的存储200可能并非都以相同的格式存储数据，因此该过程被设计为对数据进行整理和标准化，以便适应数据被聚集到其中的以客户为中心的数据结构。一旦数据由客户收集和聚集，客户分析记录204(也成为CAR)被产生。CAR204是记录的列表，其中每个记录参考唯一的客户并且每个字段是与客户相关联的变量。每个客户分析记录代表所有收集和聚集的数据(基本变量)以及用于导出与一个客户相关联的有用指示符(计算变量)的其他分析变换。代表每个CAR204的数据结构可以包括表示以各种方式存储的客户数据的数百个变量。如图所示，CAR204可以包括基本变量206和计算变量208二者。基本变量206是数据存储200可用的那些数据以及为了包括在CAR204中而被获取和聚集的任何其他数据。如果CAR204与专用分析数据集市相关联(情况经常如此)，则变量206常常是与数据集市的关联数据模型相关联的实体的度量和维度。与基本变量206不同，计算变量208是根据预定义变换规则基于从数据存储中提取的变量以及在分析数据集市中被历史化的变量而计算出的。计算变量208可以根据被包括为CAR架构一部分的变换功能而被存储。这些操作可以识别和表格化已有的数据，以便产生感兴趣的值以用于进一步分析。用于确定附加变量的函数和规则的示例可以包括：-SUM(X,n)：过去n个月变量X的和。-SLOPE(X)：过去n个月X变量的走势。-DATA_REL(X)：日期X与今天之间的月份数目。-CHART(X，n)：过去n个月最常使用的项(类别或者子类别)的名称。-REL(X，n)：过去n个月变量X的和(在客户级别被计算)与过去n个月变量X的平均值(在所有客户群体上计算)之间的百分比形式的差距。-INC(X，n)：NUM(在“维度”级别计算的过去n个月变量X的平均值)与Den(过去n个月X变量的平均值)之间的比。-AVG(X，n)：过去n个月X变量的平均值。-DROP(X)：Num(上个月X变量的值)与Den(过去n个月X变量的平均值)之间的比。-LAG(X)：上个月X变量的值与n个月以前X变量的值之间的差距。某些或者所有这些操作可被容易地配置为在客户分析记录的初始生成或者随后更新期间被执行。备选地，操作可以基于任何分析过程或者记录系统的请求而针对已有数据(包括任何已有的基本变量和/或计算变量)而执行。同样如同针对数据模型所述，数据可以来自各种不同的来源。第三方数据提供方可以对消费者、竞争者和市场数据进行表格化。如前所述，CAR可以包括来自各种内部和外部系统的数据。其他数据可以与诸如社交网络、因特网和地理空间数据的外部来源相关。为了对CAR生成过程进行标准化，源数据由公司根据预定义的格式或者模板提供。如果此分析是由外部方进行的，则数据可以根据“接口协议”或者其他明确定义的布置而被预先定义。图3是示出了根据某些实现可以用来创建和使用客户分析记录的过程300的流程图。数据被提交或生成以便在源系统中使用(302)。数据可以来自各种不同的来源。第三方数据提供方可以对消费者、竞争者和市场数据进行表格化。如前所述，系统包括或者可以从各种内部和外部系统提取数据；该数据可以包括关于客户、供应商、产品、公司的业务情况(收入、利润等)的过去和当前信息。其他数据可以从诸如社交网络、因特网和地理空间数据的外部来源取得。该未加工数据继而可以被提取、变换并且加载为更有用的形式(304)。此过程可由获取数据和数据特性的方法本身来控制；例如，从web取得的非结构化数据可能需要利用关键词或者其他度量进行过滤、解析和爬取(crawl)，而内部数据可能只需要被重新格式化和整理以便在分析数据结构中使用。管理所获取数据的一部分可以包括数据质量评估(306)，它包括检查数据的质量和完整性。不完整或不相关的数据可被重新分类或者丢弃。这还可以包括错误检查能力、异常处理和恢复。可以在数据质量评估阶段确定所获取数据的价值以及应当进行什么进一步的分析。一旦数据被处理和认可，它可被聚集并被放入用户的集市(308)。聚集过程将一般地包括根据客户身份对数据进行排序和组合。可以使用各种集市，包括商业伙伴集市、客户集市以及非结构化集市，以便反映用于生成数据的不同方法。可以在客户集市内对经过聚集和历史化的数据执行进一步的分析变换(310)，以便深度表征每个客户并且最大化诸如预测建模和聚类的数据挖掘应用的性能。一旦系统已经对数据进行了处理并且使其可用，可以执行各种分析、预测和建模过程(312)。客户分段、统计分析、预报和推断、预测建模、优化以及数据挖掘可被用于从该数据生成各种有用的结果。数据分析可以获得进一步的深入分析(314)。深入分析可以包括客户分段的清晰描述、根本原因分析、重要倾向的标识、威胁和机会检测、资源和干扰优化以及用于非结构化数据的上下文。此数据可以通过多种方式被呈现给公司并且由公司使用(316)，包括提示、结构查询、用于特殊报表的馈送、用于统计报告的面板以及深入分析案例管理。这些中的任何可以被格式化和汇编，以便以任何适当的格式被呈现给公司内的营销和业务经理。图4示出了客户分析记录400的示例，它可以包括各种数据。与一个特定客户相关联的所有数据被包括在记录400中，包括数字消费数据402、电信数据404、人口统计数据406以及联网数据408。与公司或者其他公司提供的其他产品和服务相关联的客户数据可以随同从内部或者从第三方来源被获取的任何其他数据而被包括。数据类别402、404、406和408中的每一个的示例先前已经关于上文的数据模型进行了描述。然而，上文关于这些数据类别中的每一个讨论的度量和维度表示基本变量。除了基本变量之外，使用上文列出的示例操作或者适当的其他计算，CAR400可以包括一个或多个这些类别中的计算变量。例如，数字消费数据402类别中的计算变量可以包括：-在一个月内下载的属于教育工具类别的应用的数目。-一周的特定日子中下载的流式传输的量(以MB测量)。-一个月内在线购买的属于高价类型(例如，大于或等于50美元)的产品数目(例如，从自助门户)。-在一周内下载的针对目标设备的平板计算机类型的应用的量(以MB为单位)。-一周内购买的其内容被评级为针对17岁以上消费者的流式传输产品的数目。根据客户群体分段之类的业务目标或者客户流失倾向的定义，CAR变量可以被用作预测分析和统计建模的输入。一旦CAR已被生成，其可用于在各种分析、预报和建模过程中使用。客户分段、统计分析、预报和推断、预测建模、优化和数据挖掘可被用于从数据生成各种有用结果。上面包括代表各种选项、特征、度量、维度和产品的大量列表。这些列表仅仅是在某些实现中可用的选项的示例，并且不应被理解为排他的或者限制本公开内容的范围；其他实现可以包括未列出的其他选项并且可以排除列出的选项。计算设备图5示出了可以与在此描述的技术结合使用的通用计算机设备500和通用移动计算机设备550的示例。计算设备500意在代表各种形式的数字计算机，诸如膝上型计算机、台式机、工作站、个人数字助理、服务器、刀片服务器、大型机以及其他适合的计算机。计算设备550意在代表各种形式的移动设备，诸如个人数字助理、蜂窝电话、智能电话以及其他类似的计算设备。在此示出的组件、其连接和关系及其功能仅仅是示意性的，并不旨在限制此描述和/或在本文中要求的本发明的实现。计算设备500包括：处理器502、存储器504、存储设备506、连接至存储器504和高速扩展端口510的高速接口508、以及连接至低速总线514和存储设备506的低速接口512。组件502、504、506、508、510以及512中的每个使用各种总线来互联，并且可以安装在公共主板上，或者以其他适合的方式来安装。处理器502可以处理用于在计算设备500内执行的指令，包括存储在存储器504中或者存储设备506中、用于在外部输入/输出设备(诸如，耦合至高速接口508的显示器516)的GUI上显示图形信息的指令。在其他实现中，可以适当地使用多个处理器和/或多个总线，并且可以使用多个存储器和多种类型的存储器。另外，多个计算设备500可以与提供所需操作的部分的每个设备(诸如，服务器组、一组刀片服务器或者多个处理器系统)相连接。存储器504在计算设备500内部存储信息。在一个实现中，存储器504是计算机可读介质。在一个实现中，存储器504是一个或者多个易失性存储单元。在另一实现中，存储器504是一个或者多个非易失性存储单元。存储设备506能够为计算设备500提供大容量存储装置。在一个实现中，存储设备506是计算机可读介质。在各种不同实现中，存储设备506可以是软盘设备、硬盘设备、光盘设备或者磁带设备、闪存设备或者其他类似的固态存储器设备、或者设备阵列，包括存储局域网络或者其他配置中的设备。在一个实现中，计算机程序产品有形地包含在信息载体中。计算机程序产品包括指令，当执行该指令时，其执行一个或者多个方法(诸如，上文描述的方法)。信息载体是计算机或者机器可读介质，诸如存储器504、存储设备506或者处理器502上的存储器。高速控制器508管理对计算设备500的带宽密集型操作，而低速控制器512管理较低的带宽密集型操作。此类任务分配仅仅是示意性的。在一个实现中，高速控制器508耦合至存储器504、显示器516(例如，通过图形处理器或者加速器)、以及高速扩展端口510，其中高速扩展端口510可以接受各种扩展卡(未示出)。在该实现中，低速控制器512耦合至存储设备506以及低速扩展端口514。低速扩展端口可以包括各种通信端口(例如，USB、蓝牙、以太网、无线以太网)，该低速扩展端口可以耦合至一个或者多个输入/输出设备，诸如键盘、指示设备、扫描仪或者例如通过网络适配器网络设备(诸如，交换机或者路由器)。如图所示，可以以各种不同方式实现计算设备500。例如，其可以实现为标准服务器520，或者在一组此类服务器中多次实现。还可以实现为骨干服务器系统524的部分。另外，其可以实现为个人计算机，诸如膝上型计算机522。备选地，来自计算设备500的组件可以与诸如设备550的移动设备中的其他组件(未示出)相结合。每个此类设备可以包括一个或者多个计算设备500、550，以及整个系统可以构成与彼此进行通信的多个数据设备500、550。计算设备550包括：处理器552、存储器564、输入/输出设备(诸如，显示器554)、通信接口566、收发机568以及其他组件。设备550还可以具有存储设备(诸如微驱动或者其他设备)以便提供附加存储装置。组件550、552、564、554、566以及568中的每一个可以使用各种总线来互联，并且多个组件可以安装在公共主板上，或者可以以其他适当方式进行安装。处理器552可以处理用于在计算设备550内部执行的指令，包括存储在存储器564中的指令。处理器还可以包括单独的模拟和数字处理器。处理器可以提供例如与设备550的其他组件进行协调，诸如控制用户接口、由设备550运行的应用、以及由设备550进行的无线通信。处理器552可以通过控制接口558以及耦合至显示器554的显示接口556来与用户进行通信。显示器554例如可以是TFTLCD显示器或者OLED显示器、或者其他适合的显示器技术。显示接口556可以包括适当的电路，用于驱动显示器554以便向用户呈现图形和其他信息。控制接口558可以从用户接收命令，并且将其转换用于发送至处理器552。另外，外部接口562可以提供用于与处理器552进行通信，从而使得设备550的相邻区域与其他设备进行通信。外部接口562例如可以提供有线通信(例如，经由接驳过程)或者无线通信(例如，经由蓝牙或者其他此类技术)。存储器564存储在计算设备550中的存储信息。在一个实现中，存储器564是计算机可读介质。在一个实现中，存储器564是一个或者多个易失性存储单元。在另一实现中，存储器564是一个或者多个非易失性存储单元。还可以提供扩展存储器574，并且通过扩展接口572(其例如可以包括SIMM卡接口)将其连接至设备550。此类扩展存储器574可以为设备550提供额外的存储空间，或者还可以为设备550存储应用或者其他信息。特别地，扩展存储器574可以包括用于执行或者补充上述过程的指令，并且还可以包括安全信息。由此，例如，可以将扩展存储器574作为设备550的安全模块来提供，并且可以利用允许设备安全使用的指令来对其编程。另外，可以与其他信息一起经由SIMM卡来提供安全应用，诸如将标识信息以黑客不可侵犯的方式放置在SIMM卡上。存储器可以包括例如闪存和/或NVRAM存储器，如下文将讨论的那样。在一个实现中，计算机程序产品有形地包含在信息载体中。计算机程序产品包括指令，当执行该指令时，其执行如上文所述的一个或者多个方法。信息载体是计算机或者机器可读介质，诸如存储器564、扩展存储器574或者处理器552上的存储器，或者可以例如通过收发机568或者外部接口562接收的传播信号。设备550可以通过通信接口566进行无线通信，在需要时，通信接口566可以包括所需的数字处理电路。通信接口566可以提供用于在各种模式或者协议下的通信，诸如GSM语音呼叫、SMS、EMS或者MMS消息发送、CDMA、TDMA、PDC、WCDMA、CDMA2000或者GPRS等。此类通信例如可以通过射频收发机568来进行。另外，近程通信例如可以使用蓝牙、WiFi或者其他此类收发机(未示出)来进行。另外，GPS(全球定位系统)接收机模块570可以对设备550提供附加无线数据，其可以由在设备550上运行的应用以适当方式使用。设备550还可以使用音频编解码器560以可听方式进行通信，其可以从用户接收话音信息，并且将其转换为可用的数字信息。音频编解码器560同样可以为用户生成可听的声音，诸如通过设备550手持机中的扬声器。此类声音可以包括来自语音电话呼叫的声音，可以包括录制的声音(例如，语音消息、音乐文件等)，以及还可以包括由在设备550上操作的应用来生成。计算设备550可以以各种不同方式来实现，如附图中所示。例如，其可以实现为蜂窝电话580。还可以实现为智能电话582、个人数字助理或者其他类似移动设备的部分。在此描述的系统和技术的各种实现可以在数字电子电路、集成电路、专门设计的ASIC(专用集成电路)、计算机硬件、固件、软件和/或其结合中实现。这些各种实现可以包括一个或者多个计算机程序中的实现，其可以在可编程系统上执行和/或解释，所述可编程系统包括至少一个专用的或者通用的可编程处理器，其被耦合以便往来于存储系统、至少一个输入设备、以及至少一个输出设备而接收或者发送数据和指令。这些计算机程序(还称作程序、软件、软件应用或者代码)包括用于可编程处理器的机器指令，并且可以在高级过程和/或面向对象的编程语言和/或以汇编/机器语言来实现。如在此所使用，术语“机器可读介质”、“计算机可读介质”是指用以向可编程处理器提供机器指令和/或数据的任何计算机程序产品、装置和/或设备(例如，磁盘、光盘、存储器、可编程逻辑设备(PLD))，包括机器可读介质，该介质接收作为机器可读信号的机器指令。术语“机器可读信号”是指用以向可编程处理器提供机器指令和/或数据的任何信号。为了提供与用户的交互，可以在如下计算机上实现在此描述的系统和方法，所述计算机具有：显示设备(例如，CRT(阴极射线管)或者LCD(液晶显示器)，用于向用户显示信息；以及键盘和指示设备(例如，鼠标或者轨迹球)，用户通过其可以向计算机提供输入。同样可以使用其他类型的设备来提供与用户的交互；例如，向用户提供的反馈可以是任何形式的传感反馈(例如，可视反馈、可听反馈或者触觉反馈)；以及可以以任何形式接收来自用户的输入，包括声学、语音或者触觉输入。在此描述的系统和技术可以在计算系统中实现，该计算系统包括后端组件(例如，作为数据服务器)或者包括中间件组件(例如，应用服务器)或者包括前端组件(例如，客户端计算机，具有图形用户界面或者Web浏览器，用户可以通过其与在此所述的系统和技术的实现进行交互)，或者包括此类后端、中间件或者前端组件的任意结合。系统的组件可以以各种方式或者通过数字数据通信介质(例如，通信网络)来进行互联。通信网络的示例包括局域网(“LAN”)、广域网(“WAN”)以及互联网。计算系统可以包括客户端和服务器。客户端和服务器一般彼此远离，并且通常通过通信网络来进行交互。客户端和服务器的关系借助于在相应计算机上运行的计算机程序来实现，并且彼此具有客户端-服务器关系。已经描述了多个实现。然而应该理解，在不脱离本公开的精神和范围的情况下，可以进行各种修改。而且，图中描绘的逻辑流不需要示出的特定顺序或者顺序化顺序来实现期望的结果。而且，可以提供其他步骤，或者可以从描述的流程中消除步骤，并且可以从描述的流程中被消除，并且可以向所描述的系统添加其他组件或者从其移除其他组件。由此，其他实现也落入下文权利要求的范围之中。