一种基于数值模型实现业务数值分析、统计的方法与流程

1.本发明涉及业务分析技术领域，具体为一种基于数值模型实现业务数值分析、统计的方法。


背景技术：

2.数值模拟也叫计算机模拟。依靠电子计算机，结合有限元或有限容积的概念，通过数值计算和图像显示的方法，达到对工程问题和物理问题乃至自然界各类问题研究的目的。数值模拟技术诞生于1953年bruce g.h和peacemand.w模拟了一维气相不稳定径向和线形流。受当时计算机能力及解法限制，数值模拟技术只是初步应用于解一维一相问题。两相流动模拟诞生于1954年，west w j和garvin w.w模拟了油藏不稳定两相流。在计算机上实现一个特定的计算，非常类似于履行一个物理实验。这时分析人员已跳出了数学方程的圈子来对待物理现象的发生，就像做一次物理实验。数值模拟实际上应该理解为用计算机来做实验。比如某一特定机翼的绕流，通过计算并将其计算结果在荧光屏上显示，可以看到流场的各种细节：如激波是否存在，它的位置、强度、流动的分离、表面的压力分布、受力大小及其随时间的变化等。通过上述方法，人们可以清楚地看到激波的运动、涡的生成与传播。总之数值模拟可以形象地再现流动情景，与做实验没有什么区别。
3.现有技术中数值模拟广泛用于各种工程、物理问题等，但是在数值分析中每次涉及的参数模型均不一致，从而导致在前期建模处理的时候准备工作相对繁杂，而业务数据其包含了采购、渠道、销售等多种信息，信息更加繁杂，为了方便产业布局模拟，我们提出一种基于数值模型实现业务数值分析、统计的方法。


技术实现要素：

4.本发明提供了如下技术方案：
5.一种基于数值模型实现业务数值分析、统计的方法，包括：
6.s1：收集节点业务数据，将业务收集汇总统计、并对数据进行分类储存，建立子节点数据库；
7.s2：汇总各个节点业务数据，将各个节点业务数据进一步汇总并分类保存，建立总数据库；
8.s3：确定解决问题，提出需要解决问题，并对该问题进行分析，提炼主要相关数据；
9.s4：建立数值模型，依据上述数据建立数值分析模型，并将分析模型储存；
10.s5：进行分析，依据总数据库信息，并依据分析模型进行分析，得出数据处理结果；
11.s6：结果输出，将数据处理结果通过图像或者视频方式显示，同时将输出结果备份储存。
12.在本方案中，所述s1：收集节点业务数据，将业务收集汇总统计、并对数据进行分类储存，建立子节点数据库的详细步骤包括：
13.按节点收集汇总业务信息，其中节点分为市场营销信息、生产管理信息、物流采购
信息、财务管理信息、人员培训信息；
14.汇总的业务信息并按照种类进行划分并储存，其中信息种类包括文本、音乐、文字和数字；
15.在子节点位置建立储存服务器，储存业务信息。
16.在本方案中，所述s2：汇总各个节点业务数据，将各个节点业务数据进一步汇总并分类保存，建立总数据库的详细步骤包括：
17.获取步骤s1各个节点的数据信息、集中信息；
18.将获取的信息汇总打包进行储存；
19.在汇总接地那建立总数据库对汇总信息进行分类储存。
20.在本方案中，所述s3：确定解决问题，提出需要解决问题，并对该问题进行分析，提炼主要相关数据的详细步骤包括：
21.提出所要分析的问题，其中问题区分为战略规划、市场规划、生产规划、物料采购规划、财务规划和人力规划；
22.分析该问题的相关数据；
23.依据分析的问题，从总数据库中调取数据。
24.在本方案中，所述s4中建立的分析储存模型需要按照战略规划、市场规划、生产规划、物料采购规划、财务规划和人力规划进行分类，且对每次建立的模型生成唯一编号储存。
25.在本方案中，所述s5中提取数据的时候，同步记录下提取数据的时间类型。
26.在本方案中，所述s6：结果输出，将数据处理结果通过图像或者视频方式显示，同时将输出结果备份储存的详细步骤包括：
27.建立包含该次处理时间以及问题类型的储存文件；
28.对文件进行分析输出结果按照图像、视频信息进行储存并输出显示。
29.在本方案中，所述文件分析方法包括业务数据分析，数据挖掘分析和大数据分析。
30.在本方案中，所述步骤s1-s6中的数据储存备份均通过线上备份和云端备份两种方式。
31.在本方案中，所述建立模型所用的公式为：用ξ表示事件a发生的次数，如果事件发生的概率是p，则不发生的概率q＝1-p，n次独立重复试验中发生k次的概率是：
[0032][0033]
那么就说ξ服从二项分布，中p称为成功概率，
[0034]
记作：ξ～b(n,p)
[0035]
期望：eξ＝np
[0036]
方差：dξ＝npq；
[0037]
构建预测模型：
[0038]
当模型中存在t个决策树时，第i个样本完成t次决策树后的预测值可表示为
[0039][0040]
其中，s为样本数量，fk为1至t棵回归树之间的第k棵回归树，ft为第t颗回归树，f
为所有分类和回归树的集合空间。
[0041]
与现有技术相比：
[0042]
通过汇总建立独立的数据库并将数据库详细分类，有利于在调查不同问题的时候直接调取数据；通过在子节点位置建立储存服务器，储存业务信息，详细信息分类有利于各种信息综合处理；通过对信息的详细分类可方便信息调取；通过文件分析方法包括业务数据分析，数据挖掘分析和大数据分析，业务数据分析:描述性分析、数据透视、可视化图表通过sql.excel等；数据挖掘分析:协同过滤、分类分析、关联分析、聚类分析等通过python spss sas r等；大数据分析:hadoop大数据平台，数据整理、建模、分析与展示hadoop spark等；多种分析方法可得出不同数据，有利于适用不同数据问题的处理。
附图说明
[0043]
为了更清楚地说明本发明实施方式的技术方案，下面将结合附图和详细实施方式对本发明进行详细说明，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，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。其中：
[0044]
图1为本发明的方法框图；
[0045]
图2为本发明的步骤s1详细框图；
[0046]
图3为本发明的步骤s2详细框图；
[0047]
图4为本发明的步骤s3详细框图；
[0048]
图5为本发明的步骤s6详细框图。
具体实施方式
[0049]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面对本发明的具体实施方式做详细的说明。
[0050]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其他方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施方式的限制。
[0051]
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的实施方式进一步的详细描述。
[0052]
一种基于数值模型实现业务数值分析、统计的方法，包括：
[0053]
s1：收集节点业务数据，将业务收集汇总统计、并对数据进行分类储存，建立子节点数据库；
[0054]
s2：汇总各个节点业务数据，将各个节点业务数据进一步汇总并分类保存，建立总数据库；
[0055]
s3：确定解决问题，提出需要解决问题，并对该问题进行分析，提炼主要相关数据；
[0056]
s4：建立数值模型，依据上述数据建立数值分析模型，并将分析模型储存；
[0057]
s5：进行分析，依据总数据库信息，并依据分析模型进行分析，得出数据处理结果；
[0058]
s6：结果输出，将数据处理结果通过图像或者视频方式显示，同时将输出结果备份储存。
[0059]
在本方案中，所述s1：收集节点业务数据，将业务收集汇总统计、并对数据进行分类储存，建立子节点数据库的详细步骤包括：
[0060]
按节点收集汇总业务信息，其中节点分为市场营销信息、生产管理信息、物流采购信息、财务管理信息、人员培训信息；
[0061]
汇总的业务信息并按照种类进行划分并储存，其中信息种类包括文本、音乐、文字和数字；
[0062]
在子节点位置建立储存服务器，储存业务信息，详细信息分类有利于各种信息综合处理。
[0063]
在本方案中，所述s2：汇总各个节点业务数据，将各个节点业务数据进一步汇总并分类保存，建立总数据库的详细步骤包括：
[0064]
获取步骤s1各个节点的数据信息、集中信息；
[0065]
将获取的信息汇总打包进行储存；
[0066]
在汇总接地那建立总数据库对汇总信息进行分类储存。
[0067]
在本方案中，所述s3：确定解决问题，提出需要解决问题，并对该问题进行分析，提炼主要相关数据的详细步骤包括：
[0068]
提出所要分析的问题，其中问题区分为战略规划、市场规划、生产规划、物料采购规划、财务规划和人力规划；
[0069]
分析该问题的相关数据；
[0070]
依据分析的问题，从总数据库中调取数据。
[0071]
在本方案中，所述s4中建立的分析储存模型需要按照战略规划、市场规划、生产规划、物料采购规划、财务规划和人力规划进行分类，且对每次建立的模型生成唯一编号储存。
[0072]
在本方案中，所述s5中提取数据的时候，同步记录下提取数据的时间类型。
[0073]
在本方案中，所述s6：结果输出，将数据处理结果通过图像或者视频方式显示，同时将输出结果备份储存的详细步骤包括：
[0074]
建立包含该次处理时间以及问题类型的储存文件；
[0075]
对文件进行分析输出结果按照图像、视频信息进行储存并输出显示。
[0076]
在本方案中，所述文件分析方法包括业务数据分析，数据挖掘分析和大数据分析，业务数据分析:描述性分析、数据透视、可视化图表通过sql.excel等；
[0077]
数据挖掘分析:协同过滤、分类分析、关联分析、聚类分析等通过python spss sas r等；
[0078]
大数据分析:hadoop大数据平台，数据整理、建模、分析与展示hadoop spark等；
[0079]
在本方案中，所述步骤s1-s6中的数据储存备份均通过线上备份和云端备份两种方式，有利于对文件进行备份保存。
[0080]
在本方案中，所述建立模型所用的公式为：用ξ表示事件a发生的次数，如果事件发生的概率是p，则不发生的概率q＝1-p，n次独立重复试验中发生k次的概率是：
[0081][0082]
那么就说ξ服从二项分布，中p称为成功概率，
[0083]
记作：ξ～b(n,p)
[0084]
期望：eξ＝np
[0085]
方差：dξ＝npq；
[0086]
构建预测模型：
[0087]
当模型中存在t个决策树时，第i个样本完成t次决策树后的预测值可表示为
[0088][0089]
其中，s为样本数量，fk为1至t棵回归树之间的第k棵回归树，ft为第t颗回归树，f为所有分类和回归树的集合空间。
[0090]
实施例1：
[0091]
一种基于数值模型实现业务数值分析、统计的方法，其详细步骤为首先收集节点业务数据，将业务收集汇总统计、并对数据进行分类储存，建立子节点数据库；接着汇总各个节点业务数据，将各个节点业务数据进一步汇总并分类保存，建立总数据库；确定解决问题，提出需要解决问题，并对该问题进行分析，提炼主要相关数据；然后建立数值模型，依据上述数据建立数值分析模型，并将分析模型储存；接着进行分析，依据总数据库信息，并依据分析模型进行分析，得出数据处理结果；然后结果输出，将数据处理结果通过图像或者视频方式显示，同时将输出结果备份储存，通过汇总建立独立的数据库并将数据库详细分类，有利于在调查不同问题的时候直接调取数据。
[0092]
实施例2：
[0093]
在本方案中，所述s1：收集节点业务数据，将业务收集汇总统计、并对数据进行分类储存，建立子节点数据库的详细步骤包括：
[0094]
按节点收集汇总业务信息，其中节点分为市场营销信息、生产管理信息、物流采购信息、财务管理信息、人员培训信息；汇总的业务信息并按照种类进行划分并储存，其中信息种类包括文本、音乐、文字和数字；在子节点位置建立储存服务器，储存业务信息，详细信息分类有利于各种信息综合处理；
[0095]
通过对信息的详细分类可方便信息调取。
[0096]
实施例3：
[0097]
所述文件分析方法包括业务数据分析，数据挖掘分析和大数据分析，业务数据分析:描述性分析、数据透视、可视化图表通过sql.excel等；数据挖掘分析:协同过滤、分类分析、关联分析、聚类分析等通过python spss sas r等；大数据分析:hadoop大数据平台，数据整理、建模、分析与展示hadoop spark等；多种分析方法可得出不同数据，有利于适用不同数据问题的处理。
[0098]
工作原理：通过汇总建立独立的数据库并将数据库详细分类，有利于在调查不同问题的时候直接调取数据；通过在子节点位置建立储存服务器，储存业务信息，详细信息分类有利于各种信息综合处理；通过对信息的详细分类可方便信息调取；通过文件分析方法包括业务数据分析，数据挖掘分析和大数据分析，业务数据分析:描述性分析、数据透视、可视化图表通过sql.excel等；数据挖掘分析:协同过滤、分类分析、关联分析、聚类分析等通过python spss sas r等；大数据分析:hadoop大数据平台，数据整理、建模、分析与展示
hadoop spark等；多种分析方法可得出不同数据，有利于适用不同数据问题的处理。
[0099]
虽然在上文中已经参考实施方式对本发明进行了描述，然而在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本发明并不局限于文中公开的特定实施方式，而是包括落入权利要求的范围内的所有技术方案。