一种智能数据分析运营监控的方法及系统与流程

1.本发明涉及电信业务支撑技术领域，尤其是涉及一种智能数据分析运营监控的方法及系统。


背景技术：

2.目前，在应用业务呈现分布式及大数据的背景下，对于海量业务的分析运营监控十分重要，该过程中需要判断业务数据的流向及监控数据流量异常情况，进而实现对业务的稽核、数据统计、系统用户用户量异常监控。
3.如果实现海量数据的实时监控分析，并及时、精确的获取系统数据情况，快速反馈，实现系统的运营监控，是一项亟需解决的问题。


技术实现要素：

4.针对上述问题，本发明提供了一种智能数据分析运营监控的方法及系统，通过对海量数据进行分析对比，形成历史数据信息，再结合智能分析平台，更好的对数据进行比对分析，达到系统智能运营、业务数据可预测的效果。
5.为实现上述目的，本发明公开了一种智能数据分析运营监控的方法，包括：
6.收集业务系统的历史业务数据并存储；
7.通过对所述历史业务数据进行分析，获取业务的活跃数据；
8.将新生成的业务数据与所述历史业务数据进行对比，形成对比结果；
9.根据所述对比结果对业务系统进行多角度分析，并获取异常数据。
10.作为本发明的进一步改进，针对分布式的所述业务系统，对每项业务分别获取所诉历史业务数据及分析。
11.作为本发明的进一步改进，收集业务系统的历史业务数据包括：
12.通过业务日志获取历史业务数据；
13.获取所述业务系统的数据库数据，与业务进行关联分析，获取所述历史业务数据。
14.作为本发明的进一步改进，基于大数据分析工具，对所述历史业务数据进行分析。
15.作为本发明的进一步改进，对所述历史业务数据进行分析，包括：
16.将历史业务数据，通过elk方式形成数据的节点环节，包括时、日、周、月、季；
17.根据所述历史业务数据，分别得到各所述节点环节的活跃数据，作为运营监控的基线数据。
18.作为本发明的进一步改进，所述将新生成的业务数据与所述历史业务数据进行对比，形成对比结果；包括：
19.将新生成的业务数据按照所述节点环节与所述基线数据进行对比，所述对比结果包括数据异常的数据流。
20.作为本发明的进一步改进，根据所述对比结果对业务系统进行多角度分析，包括：
21.根据数据异常的所述数据流，分析活跃度的变化趋势、活跃度上升或下降的幅度。
22.作为本发明的进一步改进，根据业务系统中各分布式业务的种类不同，所述活跃度包括业务受理量活跃度，业务办理量活跃度。
23.作为本发明的进一步改进，当所述活跃度的变化趋势、活跃度上升或下降的幅度超过预设变化阈值时，通过所述历史业务数据进行异常原因查询。
24.本发明还提供了一种智能数据分析运营监控的系统，包括：数据收集存储模块、数据分析模块、数据对比模块和数据分析模块；
25.所述数据收集存储模块，用于：
26.收集业务系统的历史业务数据并存储；
27.所述数据分析模块，用于：
28.通过对所述历史业务数据进行分析，获取业务的活跃数据；
29.所述数据对比模块，用于：
30.将新生成的业务数据与所述历史业务数据进行对比，形成对比结果；
31.所述数据分析模块，用于：
32.根据所述对比结果对业务系统进行多角度分析，并获取异常数据。
33.与现有技术相比，本发明的有益效果为：
34.本发明通过收集业务系统实际并分析，实现了业务数据流向判断及异常监控，同时实现了相关业务的核查、数据统计及系统用户量异常情况的及时获取、直观展示。
附图说明
35.图1为本发明一种实施例公开的智能数据分析运营监控的方法流程图；
36.图2为本发明一种实施例公开的智能数据分析运营监控的系统示意图；
37.图3为本发明一种实施例公开的以季为节点环节各渠道业务受理总量活跃度分析结果示意图；
38.图4为本发明一种实施例公开的以月为节点主套餐办理总量活跃度分析结果示意图。
具体实施方式
39.为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明的一部分实施例，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的前提下所获得的所有其他实施例，都属于本发明保护的范围。
40.下面结合附图对本发明做进一步的详细描述：
41.如图1所示，本发明提供的一种智能数据分析运营监控的方法，包括：
42.s1、收集业务系统的历史业务数据并存储；
43.其中，
44.针对分布式的业务系统，对每项业务分别获取所诉历史业务数据及分析；
45.收集业务系统的历史业务数据包括：通过业务日志获取历史业务数据；获取业务系统的数据库数据，与业务进行关联分析，获取历史业务数据；
46.进一步的，
47.定义数据的格式规范及标准，将数据进行格式化后，进行数据存储。
48.s2、通过对历史业务数据进行分析，获取业务的活跃数据；
49.其中，
50.基于大数据分析工具，如hadoop，对历史业务数据进行分析；
51.将历史业务数据，通过elk方式形成数据的节点环节，包括时、日、周、月、季；
52.根据历史业务数据，分别得到各节点环节的活跃数据，作为运营监控的基线数据。
53.s3、将新生成的业务数据与历史业务数据进行对比，形成对比结果；
54.其中，
55.将新生成的业务数据，包括活跃用户数，按照节点环节与基线数据进行对比；如图3所示，以季为节点环节对业务系统中各渠道业务受理量进行对比；如图4所示，以月为节点环节对业务系统中，分类业务办理量中主套餐办理量进行对比。
56.对比结果包括数据异常的数据流。
57.s4、根据对比结果对业务系统进行多角度分析，并获取异常数据。
58.其中，
59.根据数据异常的数据流，分析活跃度的变化趋势、活跃度上升或下降的幅度。
60.根据业务系统中各分布式业务的种类不同，活跃度包括业务受理量活跃度，业务办理量活跃度；
61.当活跃度的变化趋势、活跃度上升或下降的幅度超过预设变化阈值时，通过历史业务数据进行异常原因查询。
62.进一步的，
63.如图3所示，网上商城营业厅这一渠道，2020年11月业务受理总量活跃度，环比增长了9.53％。
64.如图4所示，各渠道，分类业务办理量中主套餐办理总量这一指标，变化趋势通过条形图表示，2020年9月、10月11月各月办理量对比，直观展示。
65.如图2所示，本发明还提供了一种智能数据分析运营监控的系统，包括：数据收集存储模块、数据分析模块、数据对比模块和数据分析模块；
66.数据收集存储模块，用于：
67.收集业务系统的历史业务数据并存储；
68.数据分析模块，用于：
69.通过对历史业务数据进行分析，获取业务的活跃数据；
70.数据对比模块，用于：
71.将新生成的业务数据与历史业务数据进行对比，形成对比结果；
72.数据分析模块，用于：
73.根据对比结果对业务系统进行多角度分析，并获取异常数据。
74.本发明的优点：
75.本发明通过收集业务系统实际并分析，实现了业务数据流向判断及异常监控，同时实现了相关业务的核查、数据统计及系统用户量异常情况的及时获取、直观展示。
76.本技术中数据分析过程自动实现数据统计，不需要人工进行数据统计分析，节约了大量的人力资源和时间成本。
77.以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。