一种商圈数据的处理方法、装置、电子设备和存储介质与流程

本发明涉及数据分析领域，特别涉及一种商圈数据的处理方法、装置、电子设备和存储介质。
背景技术：
：在当今这个大数据时代，针对特定业务场景的单个报表的行数甚至达到了数十亿级别，在线服务行业中，不同的客户端对数据的需求是不一样的，商户端对订单量，流量等比较敏感，而顾客端对价格、口味等比较敏感，物流端又对配送压力，配送难易程度等比较敏感，这就需要外卖平台能对不同用户端透传不同数据。发明人发现：目前最常用的技术为数据看板，就是通过数据的整合，对不同的使用方，展示他们关心的数据。然后看板的维度大多都是时间、城市、人群、商户类别等维度的，过于宏观，无法指导实际商圈中的数据应用。技术实现要素：本发明实施方式的目的在于提供一种商圈数据的处理方法、装置、电子设备和存储介质，适应不同类别的用户群的需求，提供个性化分析结果。为解决上述技术问题，本发明的实施方式提供了一种商圈数据的处理方法，包括：接收分析请求，所述分析请求携带用户类别和用户所属商圈；根据所述用户类别和所述用户所属商圈获取对应的分析结果；反馈所述分析结果。本发明的实施方式还提供了一种商圈数据的处理装置，包括：接收模块，用于接收分析请求，所述分析请求携带用户类别和用户所属商圈；获取模块，用于根据所述用户类别和所述用户所属商圈获取对应的分析结果；发送模块，用于反馈所述分析结果。本发明的实施方式还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：接收分析请求，所述分析请求携带用户类别和用户所属商圈；根据所述用户类别和所述用户所属商圈获取对应的分析结果；反馈所述分析结果。本发明的实施方式还提供了一种非易失性存储介质，用于存储计算机可读程序，计算机可读程序用于供计算机执行如上所述的商圈数据的处理方法。本发明实施方式相对于现有技术而言，主要区别及其效果在于：在接收到分析请求后，根据分析请求中携带的用户列表和用户所属商圈获取到分析结果，从而再反馈获得的分析结果。实现不同类别的用户群可以得到不同的分析结果，符合不同用户群敏感数据不同的实际情况，适应不同用户类别的实际需求，从而提供个性化分析结果。作为进一步改进，所述分析结果根据以下方式获得：获取所属第一商圈的商户的场景标签和所述第一商圈中订单数据；根据所述场景标签对各所述商户分类；汇总同一分类下的商户的订单数据；根据预设的分析策略对汇总后的订单数据进行分析，获得所述第一商圈的分析结果。利用场景标签为一商圈中的商户分类，并进一步汇总同一分类下的订单数据，根据汇总结果具体分析，从而得到对该商圈的分析结果。作为进一步改进，所述分析策略有多种，不同的分析策略对应不同的用户类别；所述根据预设的分析策略对汇总后的订单数据进行分析，包括：根据所述分析请求中的所述用户类别确定分析策略；根据所确定的分析策略对汇总出的订单数据进行分析。为不同用户类别设置不同的分析策略，从而保证准确地得到各类用户对应的分析结果。作为进一步改进，所述根据所述场景标签对各所述商户分类之前，还包括：获取所属其他商圈的具有相同场景标签的商户的订单数据；所述根据场景标签对各所述商户分类中，具体为：根据场景标签对所属第一商圈的各所述商户和所属其他商圈的各所述商户分类。在进行数据分析时，在所属一类别的商户的数据中，加入其他商圈的具有同场景标签的商户数据，使得参与分析的数据样本更多，提升分析结果的准确性。作为进一步改进，包括：所述商户的场景标签根据以下方法获得：提取所述商圈中的订单数据的特征参数；分析所述商圈中的订单数据的所述特征参数的特性；根据分析结果确定出所述商户的场景标签。根据预定的特征参数进行数据分析，从而根据特征参数所表现的特性获得商户的场景标签，利用场景标签对商户分类更为贴近用户需求。作为进一步改进，所述特征参数为：空间坐标、时间或品类。明确具体的特征参数。作为进一步改进，所述分析所述商圈中的订单数据的特征参数的特性，包括：求取所述订单数据的特征参数的熵值；根据所述熵值确定所述商圈中的订单数据的所述特征参数的特性。利用求熵的方法获得特征参数所表现的特性，更为科学准确。作为进一步改进，所述获取所属第一商圈的商户的场景标签和所述第一商圈中订单数据之前，还包括：收集订单数据和各订单所属商圈；根据各所述商圈的空间坐标和下属订单进行商圈合并，所述第一商圈为合并后的商圈之一。具体根据商圈的空间坐标和下属订单进行商圈合并，实现商圈的去重、脱敏，减少合并后的商圈数量，减少总体分析次数。作为进一步改进，所述用户所属商圈，根据所述用户所处位置与各商圈的位置关系确定。明确所属商圈的确定方式。作为进一步改进，所述用户类别包括：商户、顾客、物流和平台。明确用户的类别。作为进一步改进，所述分析请求携带的用户类别为商户，所述分析结果至少包括：商品规划建议。作为进一步改进，所述根据用户类别和所述用户所属商圈获取对应的分析结果中，包括：根据所述用户类别和所述用户所属商圈从系统中查找所对应的分析结果。可以预先生成分析结果存储于系统，供接收到分析请求后直接查找获取，加快获取速度。附图说明图1是根据本发明第一实施方式中的商圈数据的处理方法的流程图；图2是根据本发明第二实施方式中的商圈数据的处理方法中分析结果的获得方式的流程图；图3是根据本发明第二实施方式中的商圈数据的处理方法中场景标签的获得方式的流程图；图4是根据本发明第三实施方式中的商圈数据的处理方法中分析结果的获得方式的流程图；图5是根据本发明第四实施方式中的商圈数据的处理装置的示意图；图6是根据本发明第五实施方式中的电子设备结构示意图。具体实施方式为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。本发明的第一实施方式涉及一种商圈数据的处理方法，本实施方式可以应用在终端侧，如应用在手机，平板电脑等电子设备中，也可以应用在网络侧的服务器中，具体流程如图1所示，包括：步骤101，接收分析请求。具体的说，分析请求可以由用户输入指令发出，也可以设置由应用自动发出。如，在应用的某界面中设有接收分析报告的按钮，在用户点击该按钮时，发送分析请求，对应的，电子设备接收分析请求；又如，设置应用每天第一次开启时，自动发送分析请求，那么用户在每天第一次开启该应用程序时，触发发送分析请求，对应的，电子设备接收分析请求。继续说明，分析请求携带用户类别，用户类别可以包括：商户、顾客、物流和平台。其中，商户如餐饮店、按摩店等，物流如骑手、派送员等。更具体的说，分析请求携带用户所属商圈，具体可以根据用户所处位置与各商圈的位置关系确定其的商圈，如将与用户所处位置最近的商圈作为用户所属商圈。需要继续说明的是，本实施方式中的商圈根据一定规则合并，尽量避免由商圈重叠造成的用户所属商圈不清楚的情况。其中，商圈合并时的规则可以根据商圈分别上报的订单数据合并，如两个商圈分别上报的订单数据中，重复率超过一定比例，就可以确定两个商圈实际重合度非常高，从而以订单数据更丰富的商圈作为两个商圈合并后的数据；又如两个商圈的空间坐标差小于一定阈值，也可以确定两个商圈的距离非常接近，从而以两个商圈上报的订单数据做并集后去重，确定出合并后的商圈的订单数据。步骤102，根据用户类别和用户所属商圈获取对应的分析结果。本实施方式中，可以以商圈为单位进行数据分析，得到分析结果。其中，不同的用户类别可以对应不同的分析策略，根据用户类别确定的分析策略，获得所属商圈的分析结果。具体的说，用户类别为商户，分析结果至少包括：商品规划建议，还可以包括本商圈顾客需求较高时段及对应的订单量、本商圈顾客需求较高品类、本商圈各分类商户比例等，实际分析结果可以根据实际需求设置，在此不做限定。更具体的说，分析结果可以预先生成，存储于系统中，如预先对一商圈进行不同分析策略的分析，获得对应不同用户类别的多个分析结果，并分别存储，还可以形成分析结果库。随后，在收到分析请求后，根据用户类别和用户所属商圈从系统中查找所对应的分析结果。步骤103，反馈分析结果。具体的说，将步骤102中获得的分析结果反馈给用户，如反馈给用户的终端，由终端进行展示。更具体的说，终端在收到分析结果后，还可以根据分析结果处理出各种类型的应用数据。以用户为顾客为例，终端在收到分析结果后，还可以根据分析结果中的本商圈热卖单品，为用户进行单品推荐。继续说明，终端在获得分析结果后，还可以先暂存，之后在用户需要查阅时再进行展示。本实施方式相对于现有技术而言，主要区别及其效果在于：在接收到分析请求后，根据分析请求中携带的用户列表和用户所属商圈获取到分析结果，从而再反馈获得的分析结果。实现不同类别的用户群可以得到不同的分析结果，符合不同用户群敏感数据不同的实际情况，适应不同用户类别的实际需求，从而提供个性化分析结果。本发明的第二实施方式涉及一种商圈数据的处理方法，本实施方式进一步明确了分析结果的获得方式。本实施方式中商圈数据的处理方法中分析结果的获得方式的具体流程如图2所示，包括：步骤201，获取所属第一商圈的商户的场景标签和第一商圈中订单数据。具体的说，订单数据可以包括下属第一商圈的所有订单，并获取各订单中的下单时间、消费产品、消费金额等数据。继续说明，本实施方式中商户可以以场景标签分类，其中的场景标签可以以如图3所示的方式获得，具体如下：步骤301，提取商圈中的订单数据的特征参数。具体的说，所需提取的特征参数可以预设，如空间坐标、时间或品类，所需提取的特征参数可以是一个，也可以是多个，如果所需提取的特征参数不止一个，可以分别提取，后续分别分析。步骤302，分析商圈中的订单数据的特征参数的特性。具体的说，在分析特征参数的特性时，具体可以先求取订单数据的特征参数的熵值，再根据熵值确定商圈中的订单数据的特征参数的特性。以特征参数为品类为例，品类熵的计算公式为：period_entropy＝sigma((-1)*ratei*log(ratei))；其中，针对多个品类进行求和，ratei＝第i个品类订单量/总订单量。具体的说，上述公式中的总订单量或某品类订单量可以在获取商圈中订单数据时计算好备用。继续说明，熵越大，即period_entropy越大，表示订单的品类分布越分散，反之，越集中。之后再根据熵值确定品类的特性，如果计算熵值用到的烧烤品类数据最小，即烧烤品类对应的(-1)*rate*log(rate)最小，说明订单中烧烤品类的订单量最大，从而可以确定该商圈中烧烤被下单的比重较高，特性可以是喜欢烧烤品类。如果各品类数据都相差不大，说明订单中各品类的订单量较为平均，特性可以是各类都比较喜欢或者是没有突出喜好的品类。以特征参数为时间为例，时间熵的计算公式为：period_entropy＝sigma((-1)*ratei*log(ratei))；其中，针对5个时段(如：早餐、午餐、下午茶、晚餐、夜宵)进行求和，ratei＝第i个时段订单量/总订单量。同样的，熵越大，表示订单的时段分布越分散，反之，越集中。之后再根据熵值确定时段的特性，如果计算熵值用到的中午时段(午餐)数据最小，即下午时段对应的(-1)*rate*log(rate)最小，说明订单中午餐的订单量最大，从而可以确定该商圈中在午餐时下单的比重较高，特性可以是午餐。如果各时段数值都相差不大，说明订单中各时段的订单量较为平均，特性可以是各时段都比较平均。步骤303，根据分析结果确定出商户的场景标签。具体的说，可以根据特征参数的特征确定出商户的场景标签。以特征参数包括空间坐标和时间为例，可以根据下表中的对应关系确定出商户的场景标签，下表中列出的场景标签作为实例，实际应用中还可以设置为其他。商圈时间空间坐标早餐午餐晚餐夜宵住宅区居民早餐周末居民午餐工作日居民晚餐居民夜宵楼栋白领早餐工作日白领午餐白领晚餐白领夜宵学校——学生午餐学生晚餐学生夜宵商场商场员工早饭工作日商场员工午餐商场员工晚餐商场员工夜宵医院医院早餐医院午餐医院晚餐——宾馆酒店度假/出差早餐工作日午餐度假/出差晚餐度假/出差夜宵产业园区产业园区早餐科技员工午餐————公司公司员工早餐公司员工午餐————根据上表中的对应关系可确定出各商户对应的场景标签。继续说明，实际应用中，在将商圈中可能的场景标签列出后，可以根据商圈在不同场景下的订单占比，来归纳商圈所具有的场景属性，如：根据商圈在不同场景下的订单占比，得出工作日白领午餐、科技员工午餐、公司员工午餐、白领夜宵的占比较高，从而得出这些场景为该商圈的强场景。通过上述步骤301至303，可以实现为商圈中各商户进行场景标签的确定。还需要说明的是，本实施方式步骤201中的第一商圈也是合并后的商圈，具体合并方式可以如下：收集订单数据和各订单所属商圈；根据各商圈的空间坐标和下属订单进行商圈合并，其中，第一商圈为合并后的商圈之一。具体的说，本实施方式中的商圈根据一定规则合并，尽量避免由商圈重叠造成的用户所属商圈不清楚的情况。其中，商圈合并时的规则可以根据商圈分别上报的订单数据合并，具体和第一实施方式中的合并规则相类似，在此不再赘述。步骤202，根据场景标签对各商户分类。步骤203，汇总同一分类下的商户的订单数据。具体的说，步骤202至203中以场景标签将各商户分类再汇总，每个分类下的商户对应的顾客类似，每个分类下的商户可以算是竞争对手，各个商户对于竞争对手的数据也更为敏感，所以根据场景标签分类后的分析结果，对商户更有参考价值。步骤204，根据预设的分析策略对汇总后的订单数据进行分析，获得第一商圈的分析结果。具体的说，可以设定多种分析策略，不同的分析策略对应不同的用户类别。实际应用中，每个商圈可以预设一种分析策略，还可以为同类商户都预设一种分析策略，在此不做限定。可见，本实施方式利用场景标签为一商圈中的商户分类，并进一步汇总同一分类下的订单数据，根据汇总结果具体分析，从而得到对该商圈的分析结果。本发明的第三实施方式涉及一种商圈数据的处理方法。本实施方式中商圈数据的处理方法中分析结果的获得方式的具体流程如图4所示，包括：步骤401与第二实施方式中的步骤201相类似，在此不再赘述。步骤402，获取所属其他商圈的具有相同场景标签的商户的订单数据。具体的说，可以在待分析商圈的周围选取一个或多个商圈，具体可以根据距离远近选取，将所选取的商圈中的订单数据加入待分析商圈的订单数据中，丰富待分析商圈的数据量，使得分析结果更为准确。步骤403，根据场景标签对各商户分类。具体的说，本实施方式中根据场景标签对所属第一商圈的各商户和所属其他商圈的各商户分类。步骤404至405与第二实施方式中的步骤203至204相类似，在此不再赘述。可见，在进行数据分析时，在所属一类别的商户的数据中，加入其他商圈的具有同场景标签的商户数据，使得参与分析的数据样本更多，提升分析结果的准确性。本发明的第四实施方式涉及一种商圈数据的处理装置，如图5所示，包括：接收模块，用于接收分析请求，分析请求携带用户类别和用户所属商圈。获取模块，用于根据用户类别和用户所属商圈获取对应的分析结果。发送模块，用于反馈分析结果。本实施方式相对于现有技术而言，主要区别及其效果在于：在接收到分析请求后，根据分析请求中携带的用户列表和用户所属商圈获取到分析结果，从而再反馈获得的分析结果。实现不同类别的用户群可以得到不同的分析结果，符合不同用户群敏感数据不同的实际情况，适应不同用户类别的实际需求，从而提供个性化分析结果。不难发现，本实施方式为与第一实施方式相对应的装置实施例，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。在一个例子中，分析结果通过以下模块获得：第二获取模块，用于获取所属第一商圈的商户的场景标签和第一商圈中订单数据。分类模块，用于根据场景标签对各商户分类。汇总模块，用于汇总同一分类下的商户的订单数据。第一分析模块，用于根据预设的分析策略对汇总后的订单数据进行分析，获得第一商圈的分析结果。在一个例子中，分析策略有多种，不同的分析策略对应不同的用户类别；第一分析模块，包括：第一确定子模块，用于根据分析请求中的用户类别确定分析策略。分析子模块，用于根据所确定的分析策略对汇总出的订单数据进行分析。在一个例子中，装置还包括：第三获取模块，用于获取所属其他商圈的具有相同场景标签的商户的订单数据。分类模块，具体根据场景标签对所属第一商圈的各商户和所属其他商圈的各商户分类。在一个例子中，装置还包括：商户的场景标签根据以下模块获得：提取模块，用于提取商圈中的订单数据的特征参数。第二分析模块，用于分析商圈中的订单数据的特征参数的特性。确定模块，用于根据分析结果确定出商户的场景标签。在一个例子中，特征参数为：空间坐标、时间或品类。在一个例子中，第二分析模块，包括：求熵子模块，用于求取订单数据的特征参数的熵值。第二确定子模块，用于根据熵值确定商圈中的订单数据的特征参数的特性。在一个例子中，还包括：收集模块，用于收集订单数据和各订单所属商圈。根据各商圈的空间坐标和下属订单进行商圈合并，第一商圈为合并后的商圈之一。在一个例子中，用户所属商圈，根据用户所处位置与各商圈的位置关系确定。在一个例子中，用户类别包括：商户、顾客、物流和平台。在一个例子中，分析请求携带的用户类别为商户，分析结果至少包括：商品规划建议。在一个例子中，第一获取模块，具体根据用户类别和用户所属商圈从系统中查找所对应的分析结果。值得一提的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。本发明的第五实施方式涉及一种电子设备。如图6所示，该电子设备包括：至少一个处理器601；以及，与至少一个处理器601通信连接的存储器602；以及，与扫描装置通信连接的通信组件603，通信组件603在处理器601的控制下接收和发送数据；其中，存储器602存储有可被至少一个处理器601执行的指令，指令被至少一个处理器601执行以实现：提取应用中存在的查询任务。设置定时器定期执行查询任务并缓存查询结果。接收查询指令，查询指令中包括查询任务。响应于查询任务，根据查询任务和缓存结果确定查询指令对应的查询结果。具体地，该电子设备包括：一个或多个处理器601以及存储器602，图6中以一个处理器601为例。处理器601、存储器602可以通过总线或者其他方式连接，图6中以通过总线连接为例。存储器602作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器601通过运行存储在存储器602中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述商圈数据的处理方法。存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器602可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施方式中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。一个或者多个模块存储在存储器602中，当被一个或者多个处理器601执行时，执行上述任意方法实施方式中的商圈数据的处理方法。上述产品可执行本申请实施方式所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施方式中详尽描述的技术细节，可参见本申请实施方式所提供的方法。本发明的第六实施方式涉及一种非易失性存储介质，用于存储计算机可读程序，计算机可读程序用于供计算机执行上述部分或全部的方法实施例。即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。本申请实施方式提供了a1.一种商圈数据的处理方法，包括：接收分析请求，所述分析请求携带用户类别和用户所属商圈；根据所述用户类别和所述用户所属商圈获取对应的分析结果；反馈所述分析结果。a2.根据a1所述的商圈数据的处理方法，所述分析结果根据以下方式获得：获取所属第一商圈的商户的场景标签和所述第一商圈中订单数据；根据所述场景标签对各所述商户分类；汇总同一分类下的商户的订单数据；根据预设的分析策略对汇总后的订单数据进行分析，获得所述第一商圈的分析结果。a3.根据a2所述的商圈数据的处理方法，所述分析策略有多种，不同的分析策略对应不同的用户类别；所述根据预设的分析策略对汇总后的订单数据进行分析，包括：根据所述分析请求中的所述用户类别确定分析策略；根据所确定的分析策略对汇总出的订单数据进行分析。a4.根据a2所述的商圈数据的处理方法，所述根据所述场景标签对各所述商户分类之前，还包括：获取所属其他商圈的具有相同场景标签的商户的订单数据；所述根据场景标签对各所述商户分类中，具体为：根据场景标签对所属第一商圈的各所述商户和所属其他商圈的各所述商户分类。a5.根据a2所述的商圈数据的处理方法，包括：所述商户的场景标签根据以下方法获得：提取所述商圈中的订单数据的特征参数；分析所述商圈中的订单数据的所述特征参数的特性；根据分析结果确定出所述商户的场景标签。a6.根据a5所述的商圈数据的处理方法，所述特征参数为：空间坐标、时间或品类。a7.根据a5所述的商圈数据的处理方法，所述分析所述商圈中的订单数据的特征参数的特性，包括：求取所述订单数据的特征参数的熵值；根据所述熵值确定所述商圈中的订单数据的所述特征参数的特性。a8.根据a2所述的商圈数据的处理方法，所述获取所属第一商圈的商户的场景标签和所述第一商圈中订单数据之前，还包括：收集订单数据和各订单所属商圈；根据各所述商圈的空间坐标和下属订单进行商圈合并，所述第一商圈为合并后的商圈之一。a9.根据a1所述的商圈数据的处理方法，所述用户所属商圈，根据所述用户所处位置与各商圈的位置关系确定。a10.根据a1所述的商圈数据的处理方法，所述用户类别包括：商户、顾客、物流和平台。a11.根据a1所述的商圈数据的处理方法，所述分析请求携带的用户类别为商户，所述分析结果至少包括：商品规划建议。a12.根据a1所述的商圈数据的处理方法，所述根据用户类别和所述用户所属商圈获取对应的分析结果中，包括：根据所述用户类别和所述用户所属商圈从系统中查找所对应的分析结果。本申请实施方式还提供了b13.一种商圈数据的处理装置，包括：接收模块，用于接收分析请求，所述分析请求携带用户类别和用户所属商圈；第一获取模块，用于根据所述用户类别和所述用户所属商圈获取对应的分析结果；发送模块，用于反馈所述分析结果。b14.根据b13所述的商圈数据的处理装置，所述分析结果通过以下模块获得：第二获取模块，用于获取所属第一商圈的商户的场景标签和所述第一商圈中订单数据；分类模块，用于根据所述场景标签对各所述商户分类；汇总模块，用于汇总同一分类下的商户的订单数据；第一分析模块，用于根据预设的分析策略对汇总后的订单数据进行分析，获得所述第一商圈的分析结果。b15.根据b14所述的商圈数据的处理装置，所述分析策略有多种，不同的分析策略对应不同的用户类别；所述第一分析模块，包括：第一确定子模块，用于根据所述分析请求中的所述用户类别确定分析策略；分析子模块，用于根据所确定的分析策略对汇总出的订单数据进行分析。b16.根据b14所述的商圈数据的处理装置，还包括：第三获取模块，用于获取所属其他商圈的具有相同场景标签的商户的订单数据；所述分类模块，具体根据场景标签对所属第一商圈的各所述商户和所属其他商圈的各所述商户分类。b17.根据b14所述的商圈数据的处理装置，包括：所述商户的场景标签根据以下模块获得：提取模块，用于提取所述商圈中的订单数据的特征参数；第二分析模块，用于分析所述商圈中的订单数据的所述特征参数的特性；确定模块，用于根据分析结果确定出所述商户的场景标签。b18.根据b17所述的商圈数据的处理装置，所述特征参数为：空间坐标、时间或品类。b19.根据b17所述的商圈数据的处理装置，所述第二分析模块，包括：求熵子模块，用于求取所述订单数据的特征参数的熵值；第二确定子模块，用于根据所述熵值确定所述商圈中的订单数据的所述特征参数的特性。b20.根据b14所述的商圈数据的处理装置，还包括：收集模块，用于收集订单数据和各订单所属商圈；根据各所述商圈的空间坐标和下属订单进行商圈合并，所述第一商圈为合并后的商圈之一。b21.根据b13所述的商圈数据的处理装置，所述用户所属商圈，根据所述用户所处位置与各商圈的位置关系确定。b22.根据b13所述的商圈数据的处理装置，所述用户类别包括：商户、顾客、物流和平台。b23.根据b13所述的商圈数据的处理装置，所述分析请求携带的用户类别为商户，所述分析结果至少包括：商品规划建议。b24.根据b13所述的商圈数据的处理装置，所述第一获取模块，具体根据所述用户类别和所述用户所属商圈从系统中查找所对应的分析结果。本申请实施方式还提供了c25.一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：接收分析请求，所述分析请求携带用户类别和用户所属商圈；根据所述用户类别和所述用户所属商圈获取对应的分析结果；反馈所述分析结果。c26.根据c25所述的电子设备，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述a2至a12中任意一项所述的商圈数据的处理方法。本申请实施方式还提供了d27.一种非易失性存储介质，用于存储计算机可读程序，计算机可读程序用于供计算机执行如a1至a12中任意一项所述的商圈数据的处理方法。当前第1页12