一种数据指标的动态分析方法和装置制造方法

一种数据指标的动态分析方法和装置制造方法
【专利摘要】本发明实施例提供了一种数据指标的动态分析方法和装置，其中的方法具体包括：确定所述动态分析所对应的时间段；依据各数据指标在所述时间段内的数据样本，对所有数据指标进行降维处理，得到符合预置贡献率条件的M个数据指标；其中，M为正整数；以所述时间段内各时间单位对应的M个数据指标作为轨迹点的坐标，绘制所述轨迹点对应的M个数据指标随时间变化的轨迹；将所述轨迹点对应的M个数据指标随时间变化的轨迹显示在屏幕上。本发明实施例能够减少对渠道的多数据指标进行动态监控的工作量，提高工作效率。
【专利说明】一种数据指标的动态分析方法和装置

【技术领域】
[0001] 本发明涉及数据分析【技术领域】，特别是涉及一种数据指标的动态分析方法和装 置。

【背景技术】
[0002] 数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以 汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析是为了提取 有用信息和形成结论而对数据加以详细研宄和概括总结的过程。
[0003] 例如，在市场营销领域中，经常需要对市场渠道的数据进行分析，通常的分析方法 是对于每个渠道来源，首先依据采集的数据统计对应的数据指标，然后对所述数据指标进 行观测分析，相应的观测分析结果可以作为产品投放的强有力基础。
[0004] 现有的观测分析方法主要包括动态观测方法和静态观测方法。其中，动态观测方 法可以将一段时间内的某个特定数据指标绘制成曲线图，利用曲线图反应该特定数据指标 在这段时间内的变化情况。静态观测方法可以将某时间点的全部数据指标绘制成曲线图， 利用曲线图反映全部数据指标在该时间点的情况。
[0005] 可见，现有的观测分析方法只能实现对单一指标的动态观测，以及，仅能实现对多 个数据指标的静态观测，而无法实现对多个数据指标的动态观测。在需要动态观测多个数 据指标时，技术人员不得不一一针对单一指标绘制其在一段时间内的曲线图，并对比分析 各单一指标的曲线图；这样，在数据指标数量较多时，技术人员需要绘制多个曲线图，还要 对比分析多个曲线图，这无疑增加了技术人员的工作量。


【发明内容】

[0006] 鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上 述问题的一种数据指标的动态分析方法和装置。
[0007] 依据本发明的一个方面，提供了一种数据指标的动态分析方法，包括：
[0008] 确定所述动态分析所对应的时间段；
[0009] 依据各数据指标在所述时间段内的数据样本，对所有数据指标进行降维处理，得 到符合预置贡献率条件的M个数据指标；其中，M为正整数；
[0010] 以所述时间段内各时间单位对应的M个数据指标作为轨迹点的坐标，绘制所述轨 迹点对应的M个数据指标随时间变化的轨迹；
[0011] 将所述轨迹点对应的M个数据指标随时间变化的轨迹显示在屏幕上。
[0012] 可选地，所述方法还包括：
[0013] 依据所述轨迹点到原点的距离，绘制所有数据指标的综合质量随时间变化的轨 迹。
[0014] 可选地，所述方法还包括：
[0015] 在绘制所述轨迹点对应的M个数据指标随时间变化的轨迹的同时，依据所述M个 数据指标对应向量与各数据指标的数据样本对应向量的相关系数，绘制所述各数据指标的 特征方向线。
[0016] 可选地，所述依据各数据指标在所述时间段内的数据样本，对所有数据指标进行 降维处理，得到符合预置贡献率条件的M个数据指标的步骤，包括：
[0017] 统计各数据指标的数据样本的均值；
[0018] 依据各数据指标的数据样本与对应均值的差值，对所有数据指标进行降维处理， 得到符合预置贡献率条件的M个数据指标。
[0019] 可选地，所述依据各数据指标在所述时间段内的数据样本，对所有数据指标进行 降维处理，得到符合预置贡献率条件的M个数据指标的步骤，包括：
[0020] 利用主成分分析方法对所有数据指标进行降维处理，得到符合预置贡献率条件的 M个数据指标。
[0021] 可选地，所述原点为绝对原点，或者，所述原点为依据所有数据指标的数据样本中 的预置低质量点纠正得到的相对原点。
[0022] 可选地，所述M大于等于2且小于等于4。
[0023] 根据本发明的另一方面，提供了一种数据指标的动态分析装置，包括：
[0024] 确定模块，用于确定所述动态分析所对应的时间段；
[0025] 降维处理模块，用于依据各数据指标在所述时间段内的数据样本，对所有数据指 标进行降维处理，得到符合预置贡献率条件的M个数据指标；其中，M为正整数；
[0026] 第一绘制模块，用于以所述时间段内各时间单位对应的M个数据指标作为轨迹点 的坐标，绘制所述轨迹点对应的M个数据指标随时间变化的轨迹；及
[0027] 显示模块，用于将所述轨迹点对应的M个数据指标随时间变化的轨迹显示在屏幕 上。
[0028] 可选地，所述装置还包括：
[0029] 第二绘制模块，用于依据所述轨迹点到原点的距离，绘制所有数据指标的综合质 量随时间变化的轨迹。
[0030] 可选地，所述第一绘制模块，还用于在绘制所述轨迹点对应的M个数据指标随时 间变化的轨迹的同时，依据所述M个数据指标对应向量与各数据指标的数据样本对应向量 的相关系数，绘制所述各数据指标的特征方向线。
[0031] 可选地，所述降维处理模块，包括：
[0032] 统计单元，用于统计各数据指标的数据样本的均值；及
[0033] 降维单元，用于依据各数据指标的数据样本与对应均值的差值，对所有数据指标 进行降维处理，得到符合预置贡献率条件的M个数据指标。
[0034] 可选地，所述降维处理模块，具体用于利用主成分分析方法对所有数据指标进行 降维处理，得到符合预置贡献率条件的M个数据指标。
[0035] 可选地，所述原点为绝对原点，或者，所述原点为依据所有数据指标的数据样本中 的预置低质量点纠正得到的相对原点。
[0036] 可选地，所述M大于等于2且小于等于4。
[0037] 根据本发明实施例的一种数据指标的动态分析方法和装置，可以依据各数据指标 在所述时间段内的数据样本，对所有数据指标进行降维处理，得到符合预置贡献率条件的M 个数据指标，并以所述时间段内各时间单位对应的M个数据指标作为轨迹点的坐标，绘制 所述轨迹点对应的M个数据指标随时间变化的轨迹；由于符合预置贡献率条件的M个数据 指标基本包含了所有数据指标所具有的信息，并且，本发明实施例绘制了所述M个数据指 标随时间变化的轨迹，因此，本发明实施例能够实现全面数据指标的动态监控，方便技术人 员对渠道的多数据指标进行动态监控，减少了其工作量，提高了工作效率，从而能够以最快 的方式帮助技术人员在产品投放决策上做出调整。
[0038] 上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段， 而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够 更明显易懂，以下特举本发明的【具体实施方式】。

【专利附图】

【附图说明】
[0039] 通过阅读下文可选实施方式的详细描述，各种其他的优点和益处对于本领域普通 技术人员将变得清楚明了。附图仅用于示出可选实施方式的目的，而并不认为是对本发明 的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0040] 图1示出了根据本发明一个实施例的一种数据指标的动态分析方法的步骤流程 图；
[0041] 图2示出了根据本发明一个实施例的一种数据指标的动态分析方法的步骤流程 图；
[0042] 图3示出了根据本发明一个实施例的一种数据指标的动态分析过程中所展示图 形的示例；
[0043] 图4示出了根据本发明一个实施例的一种数据指标的动态分析方法的步骤流程 图；
[0044] 图5示出了根据本发明一个实施例的一种数据指标的动态分析过程中所展示图 形的示例；
[0045] 图6示出了本发明一个实施例的一种数据指标的动态分析装置的结构框图；以及
[0046] 图7示出了本发明一个实施例的一种数据指标的动态分析装置的结构框图。

【具体实施方式】
[0047] 下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开 的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例 所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围 完整的传达给本领域的技术人员。
[0048] 参照图1，示出了根据本发明一个实施例的一种数据指标的动态分析方法的步骤 流程图，具体可以包括如下步骤：
[0049] 步骤101、确定所述动态分析所对应的时间段；
[0050] 本发明实施例可以应用于市场营销等各种需要进行数据指标的动态分析的领域， 用于实现全面数据指标的动态监控。
[0051] 以网游平台的运营为例，网游平台通常需要处理上百个渠道来源的数据，对于每 个渠道来源，往往需要统计多个数据指标，并对该多个数据指标进行动态分析，相应的动态 分析结果可以作为产品投放的强有力基础；这里的渠道具体可以包括各游戏渠道，如导航、 加速球、玩平台、弹窗等等。
[0052] 例如，在本发明的一种应用示例中，针对某渠道统计的数据指标具体可以包括： 【平台活跃用户】、【平台新用户】、【平台付费新用户数】、【平台新用户充值额】、【游戏新用户 数】、【游戏付费新用户数】和【游戏新用户充值额】等7个数据指标，这些数据指标可以通过 对用户在平台中或者平台相关联的应用程序中产生的行为数据进行统计得到。其中，所述 用户在平台中产生的行为数据具体可以包括：终端绑定行为数据、邮箱认证行为数据和签 到行为数据中的一种或多种。其中，所述终端绑定行为是指用户账号与终端之间的绑定行 为，所述邮箱绑定行为是指用户账号与邮箱之间的认证行为，所述签到行为是指用户账号 到达平台的行为，所述签到行为的频率通常为每天一次，当然本发明实施例对具体的签到 行为的频率不加以限制，另外，本发明对依据用户在平台中或者平台相关联的应用程序中 产生的行为数据统计得到数据指标的统计方法不加以限制。
[0053] 假设在实际应用中存在全面数据指标的动态监控需求，那么，可以首先确定动态 分析所对应的时间段。在具体实现中，可以天、周、月等为分析周期，例如，在本发明的一种 应用示例中，可以选取过去的十天作为时间段，假设为2014/9/1-2014/9/10,可以理解，本 发明实施例对具体的时间段不加以限制。
[0054] 步骤103、依据各数据指标在所述时间段内的数据样本，对所有数据指标进行降维 处理，得到符合预置贡献率条件的M个数据指标；其中，M为正整数；
[0055] 对于所有数据指标在所述时间段内的数据样本而言，其中可能包含大量的冗余并 隐藏了重要关系的相关性，这里，降维处理的目的就是消除冗余，减少被处理数据的数量， 为步骤105的绘制提供数据。
[0056] 本发明的降维处理方法具体可以包括：线性降维方法和非线性降维方法。其 中，线性降维方法可以通过特征的线性组合来降维，本质上是把数据投影到低维线性子 空间，其具有计算简单、直观和解释性好的优点；目前两种经典且广泛使用的线性降维 方法具体为：PCA(主成分分析，PrincipalComponentAnalysis)和LDA(线性判别分 析，LinearDiscriminantAnalysis);非线性降维方法主要包括：MDS(多维尺度分析， MultidimensionalScaling)、LLE(线性局部嵌入，LocallyLinearEmbedding)、LLP(局 部线性投影，LocalLinearProjection)、Laplacian特征映射、Hessian特征映射和等距映 射（Isomap)等，非线性降维方法计算量相对复杂，但是能处理高维、更复杂的数据。
[0057] 本发明实施例中，预置贡献率条件可用于限定所有M个数据指标的累计贡献率， 也可用于限定单个数据指标的贡献率。例如，累计贡献率对应的预置贡献率条件可以为：所 有M个数据指标的累计贡献率大于85% ;又如，单个数据指标的贡献率对应的预置贡献率 条件可以为：各数据指标对应特征值均大于1 ;再如，选用累计特征值乘积大于1的主成分； 或者，画出特征值变化曲线，以转折点位置为标准选择M个数据指标等等。当然，上述85% 的累计贡献率和1的特征值只是作为示例，而不作为本发明的应用限制。
[0058]另外，由于M在本发明实施例中还可用于表示动态分析对应轨迹的维数，故M优选 为大于等2且小于等于4的正整数。
[0059] 由于主成分分析方法为在不损失或很少损失原有信息的前提下，将原来个数较 多、且彼此相关的变量，转换为新的个数较少而彼此独立或不相关的综合变量的一种多元 统计分析方法，故本发明实施例优选采用主成分分析方法。
[0060] 在此提供对所有数据指标进行主成分分析，得到符合预置贡献率条件的M个数据 指标的详细过程，其它降维处理方法相互参照即可，该过程具体可以包括：
[0061] 步骤S1、对所有数据指标的数据样本形成原始样本矩阵；
[0062] 步骤S2、计算该原始样本矩阵的第一协方差矩阵；
[0063] 步骤S3、对该第一协方差矩阵进行特征值分解，选取符合预置贡献率条件的M个 特征值对应的特征向量组成第一投影矩阵；
[0064] 步骤S4、利用所述第一投影矩阵对该原始样本矩阵进行投影，得到降维后的新样 本矩阵。
[0065] 假设某渠道统计了【平台活跃用户】、【平台新用户】、【平台付费新用户数】、【平台 新用户充值额】、【游戏新用户数】、【游戏付费新用户数】和【游戏新用户充值额】等7个数据 指标，且确定的时间段为2014/9/1-2014/9/10,那么步骤Sl形成的原始样本矩阵A的尺 寸为30X7 ;假设步骤S2得到的第一协方差矩阵为B，对B进行特征值分解，发现前两个特 征值的累计贡献率为94%，也即只用前两个就已经能反映原始7个维度94%的信息，因此 可以成功地将原始的7个维度降到2个。
[0066] 在本发明的一种可选实施例中，所述依据各数据指标在所述时间段内的数据样 本，对所有数据指标进行降维处理，得到符合预置贡献率条件的M个数据指标的步骤，具体 可以包括：
[0067]步骤Al、统计各数据指标的数据样本的均值；
[0068] 步骤A2、依据各数据指标的数据样本与对应均值的差值，对所有数据指标进行降 维处理，得到符合预置贡献率条件的M个数据指标。
[0069] 考虑到对该第一协方差矩阵进行特征值分解的过程中需要求解极值，本可选实施 例中，依据各数据指标的数据样本与对应均值的差值，对所有数据指标进行降维处理，也 即，依据各数据指标的数据样本与对应均值的差值形成原始样本矩阵以进行降维处理，能 够尽可能地排除数据样本的波动对极值的影响，尽可能还原数据样本本身。
[0070] 步骤105、以所述时间段内各时间单位对应的M个数据指标作为轨迹点的坐标，绘 制所述轨迹点对应的M个数据指标随时间变化的轨迹；
[0071] 步骤107、将所述轨迹点对应的M个数据指标随时间变化的轨迹显示在屏幕上。
[0072] 假设M= 2,那么，可以分别将该2个数据指标在每天的值作为轨迹点的X坐标和 Y坐标，绘制所述轨迹点对应的2个数据指标在该时间段内随时间变化的轨迹，其中，在绘 制时，可以对相邻两天的轨迹点进行连线得到相应的轨迹段，而由于该2个数据指标能反 映原始7个维度94%的信息，故所述连线能够在二维空间表明所有数据指标在该时间段内 随时间变化的轨迹，从而能够实现全面数据指标的动态监控。
[0073] 假设M= 3,那么，可以分别将该3个数据指标在每天的值作为轨迹点的X坐标、 γ坐标和Z坐标，绘制所述轨迹点对应的3个数据指标在该时间段内随时间变化的轨迹，其 中，在绘制时，可以对相邻两天的轨迹点进行连线得到相应的轨迹段，而由于该3个数据指 标能反映原始7个维度98%的信息，故所述连线能够在三维空间表明所有数据指标在该时 间段内随时间变化的轨迹，从而能够实现全面数据指标的动态监控。
[0074] 参照图2,示出了根据本发明一个实施例的一种数据指标的动态分析方法的步骤 流程图，具体可以包括如下步骤：
[0075] 步骤201、确定所述动态分析所对应的时间段；
[0076] 步骤203、依据各数据指标在所述时间段内的数据样本，对所有数据指标进行降维 处理，得到符合预置贡献率条件的M个数据指标；其中，M为正整数；
[0077] 步骤205、以所述时间段内各时间单位对应的M个数据指标作为轨迹点的坐标，绘 制所述轨迹点对应的M个数据指标随时间变化的轨迹；
[0078] 步骤207、在绘制所述轨迹点对应的M个数据指标随时间变化的轨迹的同时，依据 所述M个数据指标对应向量与各数据指标的数据样本对应向量的相关系数，绘制所述各数 据指标的特征方向线；
[0079] 步骤209、将所述轨迹点对应的M个数据指标随时间变化的轨迹及所述各数据指 标的特征方向线显示在屏幕上。
[0080] 相对于图1所示实施例，本实施例还可以在绘制所述轨迹点对应的M个数据指标 随时间变化的轨迹的同时，依据所述M个数据指标对应向量与各数据指标的数据样本对应 向量的相关系数，绘制所述各数据指标的特征方向线，所述各数据指标的特征方向线的指 向可用于表示当前渠道的各数据指标水平；这样，技术人员可以通过比较M个数据指标随 时间变化的轨迹之上的各轨迹段的方向与所述各数据指标的特征方向线的方向，确定该渠 道的各数据指标的发展趋势，其中，各轨迹段为前一天的轨迹点到当前天的轨迹点的连线， 例如，某轨迹段的方向与某数据指标的特征方向线的方向越接近（也即夹角越小），则说明 当前天的该数据指标越好。
[0081] 以【平台活跃用户】数据指标为例，假设M= 2, 2个数据指标对应向量分别记为 声百和^5，那么，【平台活跃用户】的特征方向线的起点可以为原点，终点的横坐标可以 为与【平台活跃用户】的数据样本对应向量的相关系数，终点的纵坐标可以为与 【平台活跃用户】的数据样本对应向量的相关系数。
[0082] 理论上，各数据指标的特征方向线的长度可以为单位1。然而，在实际应用中，为了 清楚地展示所有数据指标的特征方向线的标注意义，可以设置上述特征方向线的箭头长度 可调，以避免所有数据指标的特征方向线堆积在一起而导致技术人员看不清标注意义的问 题。
[0083] 参照图3,示出了根据本发明一个实施例的一种数据指标的动态分析过程中所展 示图形的示例，该示例涉及针对2014/9/1-2014/9/10这一时间段内的7个数据指标进行 动态分析，该7个数据指标分别为：【平台活跃用户】、【平台新用户】、【平台付费新用户数】、 【平台新用户充值额】、【游戏新用户数】、【游戏付费新用户数】和【游戏新用户充值额】；
[0084] 其中，在对7个数据指标进行降维处理过程中，选取了累计贡献率为94%的2个 数据指标，并依据该2个数据指标的样本值绘制了该2个数据指标随时间变化的轨迹，该轨 迹具体可以包括10个轨迹点，其中，每个轨迹点可以通过颜色与图中的日期相对应，例如， 2014-09-01 ( -）对应轨迹点的颜色为紫色，而2014-09-02 (二）对应轨迹点的颜色为浅蓝 色等等；并且，通过对前一天的轨迹点与当前天的轨迹点的轨迹点进行连线即可得到上述 轨迹；
[0085] 图中还示出了该7个数据指标的特征方向线，这些特征方向线以原点为起点，向 各自的终点延伸；
[0086] 技术人员可以通过该示例所展示的图形，进行渠道对应的该7个数据指标的动态 分析：
[0087] 例如技术人员可以通过比较上述轨迹之上的各轨迹段的方向与该7个数据指标 的特征方向线的方向，确定该渠道的各数据指标的发展趋势，例如，某轨迹段的方向与某数 据指标的特征方向线的方向越接近，则说明当前天的该数据指标越好；
[0088] 又如，还可以通过分析该7个数据指标的特征方向线，确定Y轴的应用意义，如在Y 轴方向上，【平台新用户】和【游戏新用户数】的特征方向线靠近下方，【平台活跃用户】的特 征方向线居中，而【平台付费新用户数】、【平台新用户充值额】、【游戏付费新用户数】和【游 戏新用户充值额】的特征方向线靠近上方，故可以确定Y轴的应用意义为：该渠道的轨迹越 靠近上方，则说明渠道的充值能力越强；该渠道的轨迹越靠近下方，说明渠道吸引新用户的 能力越强；该渠道的轨迹居中则说明渠道的活跃用户水平较高；
[0089] 需要说明的是，图中及格线可以代表X坐标为0的线。
[0090] 参照图4,示出了根据本发明一个实施例的一种数据指标的动态分析方法的步骤 流程图，具体可以包括如下步骤：
[0091] 步骤401、确定所述动态分析所对应的时间段；
[0092] 步骤403、依据各数据指标在所述时间段内的数据样本，对所有数据指标进行降维 处理，得到符合预置贡献率条件的M个数据指标；其中，M为正整数；
[0093] 步骤405、以所述时间段内各时间单位对应的M个数据指标作为轨迹点的坐标，绘 制所述轨迹点对应的M个数据指标随时间变化的轨迹；
[0094] 步骤407、依据所述轨迹点到原点的距离，绘制所有数据指标的综合质量随时间变 化的轨迹；
[0095] 步骤409、将所述轨迹点对应的M个数据指标随时间变化的轨迹及所有数据指标 的综合质量随时间变化的轨迹显示在屏幕上。
[0096] 相对于图1所示实施例，本实施例还可以依据所述轨迹点到原点的距离，绘制所 有数据指标的综合质量随时间变化的轨迹，由于M个数据指标是通过降维处理得到的，其 值大小能够反映其包含信息量的多少，通常来说值越大则包含信息量越多，而所述轨迹点 到原点的距离为所有M个数据指标的平方和的开方，故本实施例依据所述轨迹点到原点的 距离绘制的综合质量能够反映渠道在各时间单位（每天）的综合情况；这样，通过箭头指向 或者图例，技术人员可以观察出该渠道的综合质量的变化轨迹。
[0097] 在实际应用中，可以将所有数据指标的综合质量随时间变化的轨迹绘制在单独的 图中，例如，参照图5,示出了根据本发明一个实施例的一种数据指标的动态分析过程中所 展示图形的示例，其示出了图3所示渠道对应7个数据指标的综合质量随时间变化的轨迹， 该轨迹之上轨迹点的Y坐标越大，则对应的综合质量越好。
[0098] 当然，还可以将所有数据指标的综合质量随时间变化的轨迹同所述轨迹点对应的 M个数据指标随时间变化的轨迹绘制于一个图中，例如，可以在图3的基础上绘制以原点为 圆心的综合质量线，同一综合质量线上的点到原点的距离是相同的，也即同一综合质量线 可以表示相同的综合质量，这样可以通过图3所示轨迹点与综合质量线的交点或距离确定 渠道对应7个数据指标的综合质量随时间变化的轨迹；
[0099] 另外，上述综合质量线还可以明确X轴的应用意义，也即，图3的X轴方向上，越靠 近左边说明渠道的综合质量（针对上述7个数据指标）越好，越靠近右边则说明渠道的综 合质量越差。
[0100] 需要说明的是，本发明在绘制过程中，所述原点可以为绝对原点，或者，所述原点 也可以为依据所有数据指标的数据样本中的预置低质量点纠正得到的相对原点。例如，在 本发明的一种应用示例中，发现90%以上的数据样本点的质量均较低，故可以将这部分预 置低质量点聚在一起作为相对原点，例如，可以将预置低质量点的重心作为相对原点，其 中，该重心的X坐标为所有预置低质量点X坐标的均数，该重心的Y坐标为所有预置低质量 点Y坐标的均数，从而使得该相对原点可以反映低质量数据样本点的平均水平。
[0101] 综上，本发明实施例具有如下优点：
[0102] 方便技术人员对渠道的多数据指标进行动态监控，减少了其工作量，提高了工作 效率，从而能够以最快的方式帮助技术人员在产品投放决策上做出调整。
[0103] 对于方法实施例，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，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施 例，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可选实施例，所涉及的动作并不一定是本发明实施例所必须的。
[0104] 参照图6,示出了根据本发明一个实施例的一种数据指标的动态分析装置的结构 框图，具体可以包括如下模块：
[0105] 确定模块601，用于确定所述动态分析所对应的时间段；
[0106] 降维处理模块603,用于依据各数据指标在所述时间段内的数据样本，对所有数据 指标进行降维处理，得到符合预置贡献率条件的M个数据指标；其中，M为正整数；
[0107] 第一绘制模块605,用于以所述时间段内各时间单位对应的M个数据指标作为轨 迹点的坐标，绘制所述轨迹点对应的M个数据指标随时间变化的轨迹；及
[0108] 显示模块607,用于将所述轨迹点对应的M个数据指标随时间变化的轨迹显示在 屏幕上。
[0109] 在本发明的一种可选实施例中，所述第一绘制模块605,还可用于在绘制所述轨迹 点对应的M个数据指标随时间变化的轨迹的同时，依据所述M个数据指标对应向量与各数 据指标的数据样本对应向量的相关系数，绘制所述各数据指标的特征方向线。所述各数据 指标的特征方向线的指向可用于表示当前渠道的各数据指标水平；这样，技术人员可以通 过比较M个数据指标随时间变化的轨迹之上的各轨迹段的方向与所述各数据指标的特征 方向线的方向，确定该渠道的各数据指标的发展趋势。
[0110] 在本发明的另一种可选实施例中，所述降维处理模块603,具体可以包括：
[0111] 统计单元，用于统计各数据指标的数据样本的均值；及
[0112] 降维单元，用于依据各数据指标的数据样本与对应均值的差值，对所有数据指标 进行降维处理，得到符合预置贡献率条件的M个数据指标。
[0113] 本可选实施例依据各数据指标的数据样本与对应均值的差值形成原始样本矩阵 以进行降维处理，能够尽可能地排除数据样本的波动对极值的影响，尽可能还原数据样本 本身。
[0114] 在本发明的再一种可选实施例中，所述降维处理模块603,可具体用于利用主成分 分析方法对所有数据指标进行降维处理，得到符合预置贡献率条件的M个数据指标。
[0115] 在本发明的一种可选实施例中，所述原点可以为绝对原点，或者，所述原点还可以 为依据所有数据指标的数据样本中的预置低质量点纠正得到的相对原点。其中，该相对原 点可以反映低质量数据样本点的平均水平。
[0116] 在本发明的另一种可选实施例中，所述M大于等于2且小于等于4,能够方便在二 维、三维或四维空间绘制所述轨迹点对应的M个数据指标随时间变化的轨迹。
[0117] 参照图7,示出了根据本发明一个实施例的一种数据指标的动态分析装置的结构 框图，具体可以包括如下模块：
[0118] 确定模块701，用于确定所述动态分析所对应的时间段；
[0119] 降维处理模块703,用于依据各数据指标在所述时间段内的数据样本，对所有数据 指标进行降维处理，得到符合预置贡献率条件的M个数据指标；其中，M为正整数；
[0120] 第一绘制模块705,用于以所述时间段内各时间单位对应的M个数据指标作为轨 迹点的坐标，绘制所述轨迹点对应的M个数据指标随时间变化的轨迹；
[0121] 第二绘制模块707,用于依据所述轨迹点到原点的距离，绘制所有数据指标的综合 质量随时间变化的轨迹；及
[0122] 显示模块709,用于将所述轨迹点对应的M个数据指标随时间变化的轨迹及所有 数据指标的综合质量随时间变化的轨迹显示在屏幕上。
[0123] 本实施例依据所述轨迹点到原点的距离绘制的综合质量能够反映渠道在各时间 单位（每天）的综合情况；这样，通过箭头指向或者图例，技术人员可以观察出该渠道的综 合质量的变化轨迹。
[0124] 对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关 之处参见方法实施例的部分说明即可。
[0125] 在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。 各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求 的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种 编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发 明的最佳实施方式。
[0126] 在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施 例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构 和技术，以便不模糊对本说明书的理解。
[0127] 类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在 上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施 例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保 护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面 的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此， 遵循【具体实施方式】的权利要求书由此明确地并入该【具体实施方式】，其中每个权利要求本身 都作为本发明的单独实施例。
[0128] 本领域那些技术人员可以理解，可以对实施例中的一种数据指标的动态分析方法 和装置中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设 备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以 把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少 一些是相互排斥之外，可以采用任何组合对本说明书（包括伴随的权利要求、摘要和附图） 中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另 外明确陈述，本说明书（包括伴随的权利要求、摘要和附图）中公开的每个特征可以由提供 相同、等同或相似目的的替代特征来代替。
[0129] 此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例 中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的 范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任 意之一都可以以任意的组合方式来使用。
[0130] 本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行 的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用 微处理器或者数字信号处理器（DSP)来实现根据本发明实施例的在移动设备和计算设备 之间建立连接的方法和装置中的一些或者全部部件的一些或者全部功能。本发明还可以实 现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程 序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以 具有一个或者多个信号的形式。这样的信号可以从因特网平台上下载得到，或者在载体信 号上提供，或者以任何其他形式提供。
[0131] 应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领 域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中， 不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词"包含"不排除存在 未列在权利要求中的元件或步骤。位于元件之前的单词"一"或"一个"不排除存在多个这 样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来 实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件 项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为 名称。
[0132] 本发明公开了A1、一种数据指标的动态分析方法，包括：
[0133] 确定所述动态分析所对应的时间段；
[0134] 依据各数据指标在所述时间段内的数据样本，对所有数据指标进行降维处理，得 到符合预置贡献率条件的M个数据指标；其中，M为正整数；
[0135] 以所述时间段内各时间单位对应的M个数据指标作为轨迹点的坐标，绘制所述轨 迹点对应的M个数据指标随时间变化的轨迹；
[0136] 将所述轨迹点对应的M个数据指标随时间变化的轨迹显示在屏幕上。
[0137]A2、如Al所述的方法，所述方法还包括：
[0138] 依据所述轨迹点到原点的距离，绘制所有数据指标的综合质量随时间变化的轨 迹。
[0139]A3、如Al所述的方法，所述方法还包括：
[0140] 在绘制所述轨迹点对应的M个数据指标随时间变化的轨迹的同时，依据所述M个 数据指标对应向量与各数据指标的数据样本对应向量的相关系数，绘制所述各数据指标的 特征方向线。
[0141] A4、如Al所述的方法，所述依据各数据指标在所述时间段内的数据样本，对所有 数据指标进行降维处理，得到符合预置贡献率条件的M个数据指标的步骤，包括：
[0142] 统计各数据指标的数据样本的均值；
[0143] 依据各数据指标的数据样本与对应均值的差值，对所有数据指标进行降维处理， 得到符合预置贡献率条件的M个数据指标。
[0144] A5、如Al或A2或A3或A4所述的方法，所述依据各数据指标在所述时间段内的数 据样本，对所有数据指标进行降维处理，得到符合预置贡献率条件的M个数据指标的步骤， 包括：
[0145] 利用主成分分析方法对所有数据指标进行降维处理，得到符合预置贡献率条件的 M个数据指标。
[0146] A6、如Al或A2或A3或A4所述的方法，所述原点为绝对原点，或者，所述原点为依 据所有数据指标的数据样本中的预置低质量点纠正得到的相对原点。
[0147] A7、如Al或A2或A3或A4所述的方法，所述M大于等于2且小于等于4。
[0148] B8、一种数据指标的动态分析装置，包括：
[0149] 确定模块，用于确定所述动态分析所对应的时间段；
[0150] 降维处理模块，用于依据各数据指标在所述时间段内的数据样本，对所有数据指 标进行降维处理，得到符合预置贡献率条件的M个数据指标；其中，M为正整数；
[0151] 第一绘制模块，用于以所述时间段内各时间单位对应的M个数据指标作为轨迹点 的坐标，绘制所述轨迹点对应的M个数据指标随时间变化的轨迹；及
[0152] 显示模块，用于将所述轨迹点对应的M个数据指标随时间变化的轨迹显示在屏幕 上。
[0153] B9、如B8所述的装置，所述装置还包括：
[0154] 第二绘制模块，用于依据所述轨迹点到原点的距离，绘制所有数据指标的综合质 量随时间变化的轨迹。
[0155] B10、如B8所述的装置，所述第一绘制模块，还用于在绘制所述轨迹点对应的M个 数据指标随时间变化的轨迹的同时，依据所述M个数据指标对应向量与各数据指标的数据 样本对应向量的相关系数，绘制所述各数据指标的特征方向线。
[0156]B11、如B8所述的装置，所述降维处理模块，包括：
[0157] 统计单元，用于统计各数据指标的数据样本的均值；及
[0158] 降维单元，用于依据各数据指标的数据样本与对应均值的差值，对所有数据指标 进行降维处理，得到符合预置贡献率条件的M个数据指标。
[0159] B12、如B8或B9或BlO或Bll所述的装置，所述降维处理模块，具体用于利用主成 分分析方法对所有数据指标进行降维处理，得到符合预置贡献率条件的M个数据指标。
[0160] B13、如B8或B9或BlO或Bll所述的装置，所述原点为绝对原点，或者，所述原点 为依据所有数据指标的数据样本中的预置低质量点纠正得到的相对原点。
[0161] B14、如B8或B9或BlO或Bll所述的装置，所述M大于等于2且小于等于4。
【权利要求】
1. 一种数据指标的动态分析方法，包括： 确定所述动态分析所对应的时间段； 依据各数据指标在所述时间段内的数据样本，对所有数据指标进行降维处理，得到符 合预置贡献率条件的M个数据指标；其中，M为正整数； 以所述时间段内各时间单位对应的M个数据指标作为轨迹点的坐标，绘制所述轨迹点 对应的M个数据指标随时间变化的轨迹； 将所述轨迹点对应的M个数据指标随时间变化的轨迹显示在屏幕上。
2. 如权利要求1所述的方法，其特征在于，还包括： 依据所述轨迹点到原点的距离，绘制所有数据指标的综合质量随时间变化的轨迹。
3. 如权利要求1所述的方法，其特征在于，还包括： 在绘制所述轨迹点对应的M个数据指标随时间变化的轨迹的同时，依据所述M个数据 指标对应向量与各数据指标的数据样本对应向量的相关系数，绘制所述各数据指标的特征 方向线。
4. 如权利要求1所述的方法，其特征在于，所述依据各数据指标在所述时间段内的数 据样本，对所有数据指标进行降维处理，得到符合预置贡献率条件的M个数据指标的步骤， 包括： 统计各数据指标的数据样本的均值； 依据各数据指标的数据样本与对应均值的差值，对所有数据指标进行降维处理，得到 符合预置贡献率条件的M个数据指标。
5. 如权利要求1或2或3或4所述的方法，其特征在于，所述依据各数据指标在所述时 间段内的数据样本，对所有数据指标进行降维处理，得到符合预置贡献率条件的M个数据 指标的步骤，包括： 利用主成分分析方法对所有数据指标进行降维处理，得到符合预置贡献率条件的M个 数据指标。
6. 如权利要求1或2或3或4所述的方法，其特征在于，所述原点为绝对原点，或者，所 述原点为依据所有数据指标的数据样本中的预置低质量点纠正得到的相对原点。
7. 如权利要求1或2或3或4所述的方法，其特征在于，所述M大于等于2且小于等于 4〇
8. -种数据指标的动态分析装置，包括： 确定模块，用于确定所述动态分析所对应的时间段； 降维处理模块，用于依据各数据指标在所述时间段内的数据样本，对所有数据指标进 行降维处理，得到符合预置贡献率条件的M个数据指标；其中，M为正整数； 第一绘制模块，用于以所述时间段内各时间单位对应的M个数据指标作为轨迹点的坐 标，绘制所述轨迹点对应的M个数据指标随时间变化的轨迹；及 显示模块，用于将所述轨迹点对应的M个数据指标随时间变化的轨迹显示在屏幕上。
9. 如权利要求8所述的装置，其特征在于，还包括： 第二绘制模块，用于依据所述轨迹点到原点的距离，绘制所有数据指标的综合质量随 时间变化的轨迹。
10. 如权利要求8所述的装置，其特征在于，所述第一绘制模块，还用于在绘制所述轨 迹点对应的M个数据指标随时间变化的轨迹的同时，依据所述M个数据指标对应向量与各 数据指标的数据样本对应向量的相关系数，绘制所述各数据指标的特征方向线。
【文档编号】G06F17/30GK104484341SQ201410682496
【公开日】2015年4月1日 申请日期:2014年11月24日 优先权日:2014年11月24日
【发明者】王义辉 申请人:北京奇虎科技有限公司, 奇智软件（北京）有限公司