订单的毛利异常原因的分析方法、系统、设备和存储介质与流程

本发明涉及数据分析
技术领域：
，特别涉及一种订单的毛利异常原因的分析方法、系统、设备和存储介质。
背景技术：
：随着互联网平台的订单数量日渐庞大，发生毛利异常(即负毛利)的数量也随之增加(对应的负毛利总额也随之增加)。其中，造成订单发生负毛利的原因有很多，如底价调整异常、火车票满位、酒店底卖价倒挂等。目前，主要通过人工查询与分析的方式得到订单发生负毛利的原因，而造成负毛利的异常原因众多，定位复杂，因此需要消耗大量的人力成本，且无法实现对毛利异常的订单进行及时分析，另外存在分析速度慢，分析准确度低，且分析效率低下等。技术实现要素：本发明要解决的技术问题是为了克服现有技术中采用人工方式分析订单发生负毛利的原因，存在人力成本较高、无法实现对毛利异常的订单进行及时分析、分析效率低下的缺陷，提供一种订单的毛利异常原因的分析方法、系统、设备和存储介质。本发明是通过下述技术方案来解决上述技术问题：本发明提供一种订单的毛利异常原因的分析方法，所述分析方法包括：s1.预设发生毛利异常的不同订单对应的多种异常原因类型；其中，每种所述异常原因类型对应至少一种异常原因；s2.获取目标订单的订单数据；s3.根据所述订单数据判断所述目标订单是否存在毛利异常，若存在，则执行步骤s4；s4.判断所述订单数据是否满足所述异常原因类型对应的第一预设条件，若满足，则确定所述异常原因类型为所述目标订单对应的目标异常原因类型；其中，每种所述异常原因类型对应一个不同的所述第一预设条件；s5.判断所述订单数据是否满足所述目标异常原因类型中的所述异常原因对应的第二预设条件，若满足，则确定所述异常原因为所述目标订单对应的目标异常原因；其中，每种所述异常原因对应一个不同的所述第二预设条件。较佳地，步骤s1之后、步骤s2之前还包括：s201.预设不同的所述异常原因类型之间的优先级；s202.预设同一所述异常原因类型对应的所述异常原因之间的优先级；步骤s4包括：s41.根据所述异常原因类型的优先级从高到低的顺序，依次判断所述订单数据是否满足所述异常原因类型对应的第一预设条件，若满足，则确定所述异常原因类型为所述目标订单对应的目标异常原因类型；步骤s5包括：s51.根据所述异常原因类型的优先级从高到低的顺序，依次判断所述订单数据是否满足所述目标异常原因类型中所述异常原因对应的第二预设条件，若满足，则确定所述异常原因为所述目标订单对应的目标异常原因。较佳地，步骤s3包括：根据所述订单数据获取所述目标订单对应的收入数据和成本数据；当所述收入数据小于所述成本数据时，则确定所述目标订单存在毛利异常；和/或，根据所述订单数据获取所述目标订单对应的利润数据；判断所述利润数据是否小于第一设定阈值，若小于，则确定所述目标订单存在毛利异常。较佳地，步骤s2之后、步骤s3的步骤之前还包括：当所述订单数据中的底价数据、卖价数据和收入数据中的至少一种数据发生变化时，则确定所述订单数据发生变化，并生成所述目标订单的所述订单数据发生变化的通知消息；和/或，定时更新所述目标订单的所述订单数据；和/或，步骤s5之后还包括：生成处理异常情况的提醒消息。较佳地，当实时监控每个所述目标订单的所述订单数据时，步骤s3之后还包括：统计在第一设定时间段内发生毛利异常的所述目标订单对应的第一订单数量；当所述第一订单数量大于或等于第二设定阈值时，则生成第一告警信息；和/或，当监控历史n天内每个所述目标订单的所述订单数据时，步骤s3之后还包括：统计在第二设定时间段内发生毛利异常的上述目标订单对应的第二订单数量；其中，n≥1且n取整数；当所述第二订单数量大于或等于第三设定阈值时，则生成第二告警信息。本发明还提供一种订单的毛利异常原因的分析系统，所述分析系统包括预设模块、订单数据获取模块、第一判断模块、第二判断模块、目标类型确定模块、第三判断模块和目标原因确定模块；所述预设模块用于预设发生毛利异常的不同订单对应的多种异常原因类型；其中，每种所述异常原因类型对应至少一种异常原因；所述订单数据获取模块用于获取目标订单的订单数据；所述第一判断模块用于根据所述订单数据判断所述目标订单是否存在毛利异常，若存在，则调用所述第二判断模块；所述第二判断模块用于判断所述订单数据是否满足所述异常原因类型对应的第一预设条件，若满足，则调用所述目标类型确定模块确定所述异常原因类型为所述目标订单对应的目标异常原因类型；其中，每种所述异常原因类型对应一个不同的所述第一预设条件；所述第三判断模块用于判断所述订单数据是否满足所述目标异常原因类型中的所述异常原因对应的第二预设条件，若满足，则调用所述目标原因确定模块确定所述异常原因为所述目标订单对应的目标异常原因；其中，每种所述异常原因对应一个不同的所述第二预设条件。较佳地，所述预设模块还用于预设不同的所述异常原因类型之间的优先级；所述预设模块还用于预设同一所述异常原因类型对应的所述异常原因之间的优先级；所述第二判断模块用于根据所述异常原因类型的优先级从高到低的顺序，依次判断所述订单数据是否满足所述异常原因类型对应的第一预设条件，若满足，则调用所述目标类型确定模块确定所述异常原因类型为所述目标订单对应的目标异常原因类型；所述第三判断模块用于根据所述异常原因类型的优先级从高到低的顺序，依次判断所述订单数据是否满足所述目标异常原因类型中所述异常原因对应的第二预设条件，若满足，则调用所述目标原因确定模块确定所述异常原因为所述目标订单对应的目标异常原因。较佳地，所述第一判断模块用于根据所述订单数据获取所述目标订单对应的收入数据和成本数据；所述第一判断模块还用于当所述收入数据小于所述成本数据时，则确定所述目标订单存在毛利异常；和/或，所述第一判断模块用于根据所述订单数据获取所述目标订单对应的利润数据；所述第一判断模块还用于判断所述利润数据是否小于第一设定阈值，若小于，则确定所述目标订单存在毛利异常。较佳地，所述分析系统还包括变化确定模块；所述变化确定模块用于当所述订单数据中的底价数据、卖价数据和收入数据中的至少一种数据发生变化时，则确定所述订单数据发生变化，并生成所述目标订单的所述订单数据发生变化的通知消息；和/或，所述分析系统还包括定时更新模块；所述定时更新模块用于定时更新所述目标订单的所述订单数据；和/或，所述分析系统还包括提醒消息生成模块；所述提醒消息生成模块用于生成处理异常情况的提醒消息。较佳地，所述分析系统还包括统计模块和告警信息生成模块；当实时监控每个所述目标订单的所述订单数据时，所述统计模块用于统计在第一设定时间段内发生毛利异常的所述目标订单对应的第一订单数量；所述告警信息生成模块用于当所述第一订单数量大于或等于第二设定阈值时，则生成第一告警信息；和/或，当监控历史n天内每个所述目标订单的所述订单数据时，所述统计模块用于统计在第二设定时间段内发生毛利异常的上述目标订单对应的第二订单数量；其中，n≥1且n取整数；所述告警信息生成模块用于当所述第二订单数量大于或等于第三设定阈值时，则生成第二告警信息。本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现上述的订单的毛利异常原因的分析方法。本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的订单的毛利异常原因的分析方法的步骤。本发明的积极进步效果在于：本发明中，在目标订单存在毛利异常时，先快速定位该目标订单对应的目标异常原因类型，然后再快速定位该目标订单对应的目标异常原因，实现自动分析、快速定位得到该目标订单发生负毛利的目标异常原因，提高了分析速度快和分析准确度，提升了分析效率，从而降低了负毛利比例，进而提高了收益。附图说明图1为本发明实施例1的订单的毛利异常原因的分析方法的流程图。图2为本发明实施例2的订单的毛利异常原因的分析方法的流程图。图3为本发明实施例2的订单的毛利异常原因的分析方法中毛利率下降示意图。图4为本发明实施例2的订单的毛利异常原因的分析方法中毛利总额下降示意图。图5为本发明实施例2的订单的毛利异常原因的分析方法中各种异常原因的数量分布示意图。图6为本发明实施例2的订单的毛利异常原因的分析方法中各种异常原因的占比分布示意图。图7为本发明实施例2的订单的毛利异常原因的分析方法中第一监控报表示意图。图8为本发明实施例2的订单的毛利异常原因的分析方法中第二监控报表示意图。图9为本发明实施例3的订单的毛利异常原因的分析系统的模块示意图。图10为本发明实施例4的订单的毛利异常原因的分析系统的模块示意图。图11为本发明实施例5中的实现订单的毛利异常原因的分析方法的电子设备的结构示意图。具体实施方式下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。实施例1如图1所示，本实施例的订单的毛利异常原因的分析方法包括：s101、预设发生毛利异常的不同订单对应的多种异常原因类型；其中，每种异常原因类型对应至少一种异常原因；具体地，可以通过将历史设定时间内发生毛利异常的订单对应的异常原因类型和根据实际需求新增的其他异常原因类型来预设不同订单对应的多种异常原因类型。例如，对于ota(onlinetravelagency，在线旅游)行业，异常原因类型包括主要包括7种类型，具体包括：系统异常原因、特定订单毛利异常、业务设置原因、op操作(人为操作)异常、系统资源倒挂、渠道让利、其他负毛利等。其中，系统异常原因包括如下9种：系统酒店退票费未同步、机票退票费未同步、机票退票费为同步(已审核)、代理占位单-其他、代理占位单全部退订、自动全部退订、自动全部退订失败、系统操作底价调整、代理占位单-op调价等。特定订单毛利异常包括如下8种：自营占位单负毛利、当地向导负毛利、领队负毛利、拼票负毛利、取消负毛利、当地通负毛利、游学负毛利、定制游负毛利等。业务设置原因包括如下17种：底价调整异常、火车票满位、酒店满房、机票满位、航班取消、航班变动、预定总底价大于订单金额、业务让利、亏本甩卖、优惠券(利润抵充)、吃价/省价、可选项底卖价倒挂、单选项底卖价倒挂、单选项航班底卖价倒挂、订单实收不等于应收、百事通同行价让利、变价导致订单毛利异常等。op操作异常包括如下5种：手动全部退订、可选项操作、部分退订、全部退订资源未取消、全部退订火车票退票费等。系统资源倒挂包括如下7种：系统机票资源倒挂、酒店底卖价倒挂、玩乐资源倒挂、保险资源倒挂、门票资源倒挂、用车资源倒挂、火车票资源倒挂等。渠道让利包括如下2种：同行价让利订单负毛利、酒店同行价底卖价倒挂等。其他负毛利包括如下8种：百事通标准单毛利异常、向导订单毛利异常、负毛利金额小于10元、其他原因订单负毛利、百事通标准单退订、百事通标准单-op调价、超高毛利、正常毛利等。s102、获取目标订单的订单数据；其中，每个目标订单的订单数据保存在数据表中，具体地，数据表包括唯一键(表主键)、订单号、业务类型、业务名称、结算流水数、状态码、信息码、表插入时间、负毛利码、负毛利信息、订单收入、订单成本、订单利润、订单类型、预定时间、出发时间、返程时间、最后更新时间、产品id、产品经理等。数据表中按照字段、字段名、类型、原字段、索引等表中的上述每个数据进行存储。例如对于表插入时间，字段：datacreate_lasttime，字段名：表插入时间，类型：datetime，原字段：datacreatelasttime；表中的其他数据也类似上述方式存储在表中，因此此处就不再赘述。s103、根据订单数据判断目标订单是否存在毛利异常，若存在，则执行步骤s104；s104、判断订单数据是否满足异常原因类型对应的第一预设条件，若满足，则确定异常原因类型为目标订单对应的目标异常原因类型；其中，每种异常原因类型对应一个不同的第一预设条件；s105、判断订单数据是否满足目标异常原因类型中的异常原因对应的第二预设条件，若满足，则确定异常原因为目标订单对应的目标异常原因；其中，每种异常原因对应一个不同的第二预设条件。例如，以订单发生负毛利的原因是酒店满房为例：(1)若订单的收入小于成本时，则确定该订单发生负毛利；(2)若订单有发送过酒店满房的事件给工作人员，且订单的酒店总卖价小于订单酒店的总底价，而且其差额和订单的负毛利额满足一定的条件，则说明该订单发生负毛利的原因是酒店满房。订单是否其他异常原因的确定过程与上述确定过程类似，在此就不再赘述。本实施例中，在目标订单存在毛利异常时，先快速定位该目标订单对应的目标异常原因类型，然后再快速定位该目标订单对应的目标异常原因，实现自动分析、快速定位得到该目标订单发生负毛利的目标异常原因，提高了分析速度快和分析准确度，提升了分析效率，从而降低了负毛利比例，进而提高了收益。实施例2如图2所示，本实施例的订单的毛利异常原因的分析方法包括：步骤s101之后、步骤s102之前还包括：s10201、预设不同的异常原因类型之间的优先级；s10202、预设同一异常原因类型对应的异常原因之间的优先级；步骤s104包括：s1041、根据异常原因类型的优先级从高到低的顺序，依次判断订单数据是否满足异常原因类型对应的第一预设条件，若满足，则确定异常原因类型为目标订单对应的目标异常原因类型；步骤s105包括：s1051、根据异常原因类型的优先级从高到低的顺序，依次判断订单数据是否满足目标异常原因类型中异常原因对应的第二预设条件，若满足，则确定异常原因为目标订单对应的目标异常原因。具体地，对同一异常原因类型中的负毛利原因，根据优先级判断，取最高优先级的一个原因；如果存在两个或两个以上的负毛利原因，且属于不同负毛利原因的情况，则根据负毛利原因的优先级，选择优先级最高的负毛利原因。具体地，根据实际情况，将系统异常原因中的自动全部退订设为第46级，系统酒店退票费未同步设为第46级，其他均设为第36级。将特定订单毛利异常中的每种异常原因设为第12级；将系统资源倒挂中的每种异常原因设为第22级；将业务设置原因中的底价调整异常设为第26级，预定总底价大于订单金额设为第29级，订单实收不等于应收设为第97级，百事通同行价让利设为第28级，变价导致订单毛利异常设为33级等；其他的异常原因的优先级设置也类似，因此此处就不再赘述。其中，优先级级别越高(级别值越小)，对应的异常原因越早参与判断分析。步骤s103还包括但不限于：根据订单数据获取目标订单对应的收入数据和成本数据；当收入数据小于成本数据时，则确定目标订单存在毛利异常；根据订单数据获取目标订单对应的利润数据(如利润率)；判断利润数据是否小于第一设定阈值，若小于，则确定目标订单存在毛利异常，即当利润率小于设定比例，则说明该目标订单存在毛利异常的情况。为了实现实时分析每个目标订单的异常情况，采用qmq(消息队列)机制，实现异步处理。其中，发送qmq通知消息的对象包括支付子系统、交易子系统、资源子系统、印花税子系统、后返平台等。具体地，实时判断数据表中订单数据对应的底价数据、卖价数据和收入数据是否发生变化，当订单数据中的底价数据、卖价数据和收入数据中的至少一种数据发生变化时，则确定订单数据发生变化，并生成目标订单的订单数据发生变化的通知消息，即能够实时监测到目标订单的订单数据发生变化，及时进行通知的同时，及时触发判断订单数据变化后的目标订单是否存在毛利异常的情况，即实现对目标订单的实时分析。若该目标订单发生毛利异常，则将该目标订单的最新订单数据落表，并发生事件给相应的业务人员进行处理，及时解决该目标订单毛利异常，避免造成进一步的负毛利额。为了避免由于通知消息的丢失或者其他原因造成订单毛利没有及时更新的情况，采用qschedule(定时机制)，定时更新目标订单的订单数据，刷新已经落表订单的毛利情况。若订单已转为正常情况，则对数据表进行更新。步骤s1051之后包括：s106、生成处理异常情况的提醒消息。同步发生毛利异常的落地数据给业务人员，业务人员在收到提醒消息后确认对应的订单，同时开发人员介入分析系统存在的问题，从而使得毛利异常的订单能够得到及时有效地处理。下面结合具体实例说明：2019/5/24-2019/5/30的负毛利反馈明细，参见表1和表2(表1和表2均对应该期间的反馈率)：表1推送如期是否总计反馈率2019/5/241321587％2019/5/251631984％2019/5/26861457％2019/5/272252781％2019/5/281431782％2019/5/29651155％2019/5/30481233％总计833211572％表2由以上两表的内容可以得知，修正订单(发生毛利异常的订单)数量累计为166，对应的负毛利总额为53.1万，即提高了毛利异常的分析准确度，有效地减少了负毛利额。另外，如图3所示，为采用本实施例的毛利异常分析方案后，某互联网平台在2018/12/18-2019/5/19半年时间内负毛利比例下降的情况。横轴表示时间，纵轴表示负毛利订单的比重。如图4所示，横轴表示时间，纵轴表示业务的负毛利总额。实践证明，负毛利比率在此期间下降34％，对应的年收益超过200万，业务负毛利下降13.78％，毛利异常的自动化分析的准确性达到90％，即有效地提高了毛利异常的分析速度和准确度。另外，当实时监控每个目标订单的订单数据时，步骤s103之后还包括：统计在第一设定时间段内发生毛利异常的目标订单对应的第一订单数量；当第一订单数量大于或等于第二设定阈值时，则生成第一告警信息。具体地，如见图5所示，表示分析系统实时监测一天中每个时间点对应的各个异常原因的数量，横轴表示一天中每个时间点，纵轴表示各个异常原因的数量，不同的异常原因对应一条曲线。如见图6所示，表示在第一设定时间内，各个异常原因的数量占订单总数量的占比分布情况。当某个占比超过设定值则说明存在异常需要业务人员进一步确认。当监控历史n天内每个目标订单的订单数据时，步骤s3之后还包括：统计在第二设定时间段内发生毛利异常的上述目标订单对应的第二订单数量；其中，n≥1且n取整数；当第二订单数量大于或等于第三设定阈值时，则生成第二告警信息。即通过监控每天、前一周和过去n天的订单数据，通过三级监控能够更全面地发现发生毛利异常的情况，同时配合业务人员检查确认是否真的发生异常。具体地，如见图7所示，为交易子系统负毛利监控表(2019年6月10日过去一周的订单负毛利)。具体地，如见图8所示，为过去n天发生负毛利的订单情况。另外，具体地可以通过邮件的方式进行告警，例如告警邮件包括如下内容：时间2019-06-0611:01:00至2019-06-0611:02:00，以及下表3：表3监控项名称聚合方式环境实际响应值告警阈值订单毛利异常sumprod11.010.0在监控系统中，通过业务事件来反映会造成负毛利的情况，如火车票满位、酒店满房、机票满位、航班取消、航班变动等；通过vbk(供应商子系统)获取资源或者产品的后返比例，供应商退订比例等；最后通过工作人员对金额有疑问的订单提交至二线部门，二线部门把该事件提交给技术处理，当技术发现订单异常为系统问题时，则及时对系统做修复，使得问题得到及时反馈、分析与处理，提高了整体工作效率。本实施例中，在目标订单存在毛利异常时，先快速定位该目标订单对应的目标异常原因类型，然后再快速定位该目标订单对应的目标异常原因，实现自动分析、快速定位得到该目标订单发生负毛利的目标异常原因，提高了分析速度快和分析准确度，提升了分析效率，从而降低了负毛利比例，进而提高了收益；同时，监控每天和过去n天的订单数据，更全面地发现发生毛利异常的情况。实施例3如图9所示，本实施例的订单的毛利异常原因的分析系统包括预设模块1、订单数据获取模块2、第一判断模块3、第二判断模块4、目标类型确定模块5、第三判断模块6和目标原因确定模块7。预设模块1用于预设发生毛利异常的不同订单对应的多种异常原因类型；其中，每种异常原因类型对应至少一种异常原因。具体地，可以通过将历史设定时间内发生毛利异常的订单对应的异常原因类型和根据实际需求新增的其他异常原因类型来预设不同订单对应的多种异常原因类型。例如，对于ota行业，异常原因类型包括主要包括7种类型，具体包括：系统异常原因、特定订单毛利异常、业务设置原因、op操作异常、系统资源倒挂、渠道让利、其他负毛利等。其中，系统异常原因包括如下9种：系统酒店退票费未同步、机票退票费未同步、机票退票费为同步(已审核)、代理占位单-其他、代理占位单全部退订、自动全部退订、自动全部退订失败、系统操作底价调整、代理占位单-op调价等。特定订单毛利异常包括如下8种：自营占位单负毛利、当地向导负毛利、领队负毛利、拼票负毛利、取消负毛利、当地通负毛利、游学负毛利、定制游负毛利等。业务设置原因包括如下17种：底价调整异常、火车票满位、酒店满房、机票满位、航班取消、航班变动、预定总底价大于订单金额、业务让利、亏本甩卖、优惠券(利润抵充)、吃价/省价、可选项底卖价倒挂、单选项底卖价倒挂、单选项航班底卖价倒挂、订单实收不等于应收、百事通同行价让利、变价导致订单毛利异常等。op操作异常包括如下5种：手动全部退订、可选项操作、部分退订、全部退订资源未取消、全部退订火车票退票费等。系统资源倒挂包括如下7种：系统机票资源倒挂、酒店底卖价倒挂、玩乐资源倒挂、保险资源倒挂、门票资源倒挂、用车资源倒挂、火车票资源倒挂等。渠道让利包括如下2种：同行价让利订单负毛利、酒店同行价底卖价倒挂等。其他负毛利包括如下8种：百事通标准单毛利异常、向导订单毛利异常、负毛利金额小于10元、其他原因订单负毛利、百事通标准单退订、百事通标准单-op调价、超高毛利、正常毛利等。s102、获取目标订单的订单数据；其中，每个目标订单的订单数据保存在数据表中，具体地，数据表包括唯一键、订单号、业务类型、业务名称、结算流水数、状态码、信息码、表插入时间、负毛利码、负毛利信息、订单收入、订单成本、订单利润、订单类型、预定时间、出发时间、返程时间、最后更新时间、产品id、产品经理等。数据表中按照字段、字段名、类型、原字段、索引等表中的上述每个数据进行存储。例如对于表插入时间，字段：datacreate_lasttime，字段名：表插入时间，类型：datetime，原字段：datacreatelasttime；表中的其他数据也类似上述方式存储在表中，因此此处就不再赘述。订单数据获取模块2用于获取目标订单的订单数据；第一判断模块3用于根据订单数据判断目标订单是否存在毛利异常，若存在，则调用第二判断模块；第二判断模块4用于判断订单数据是否满足异常原因类型对应的第一预设条件，若满足，则调用目标类型确定模块5确定异常原因类型为目标订单对应的目标异常原因类型；其中，每种异常原因类型对应一个不同的第一预设条件；第三判断模块6用于判断订单数据是否满足目标异常原因类型中的异常原因对应的第二预设条件，若满足，则调用目标原因确定模块7确定异常原因为目标订单对应的目标异常原因；其中，每种异常原因对应一个不同的第二预设条件。例如，以订单发生负毛利的原因是酒店满房为例：(1)若订单的收入小于成本时，则确定该订单发生负毛利；(2)若订单有发送过酒店满房的事件给工作人员，且订单的酒店总卖价小于订单酒店的总底价，而且其差额和订单的负毛利额满足一定的条件，则说明该订单发生负毛利的原因是酒店满房。订单是否其他异常原因的确定过程与上述确定过程类似，在此就不再赘述。本实施例中，在目标订单存在毛利异常时，先获取该目标订单对应的目标异常原因类型，在目标订单存在毛利异常时，先快速定位该目标订单对应的目标异常原因类型，然后再快速定位该目标订单对应的目标异常原因，实现自动分析、快速定位得到该目标订单发生负毛利的目标异常原因，提高了分析速度快和分析准确度，提升了分析效率，从而降低了负毛利比例，进而提高了收益。实施例4如图10所示，本实施例的订单的毛利异常原因的分析系统是对实施例3的进一步改进，具体地：预设模块1还用于预设不同的异常原因类型之间的优先级；预设模块1还用于预设同一异常原因类型对应的异常原因之间的优先级；第二判断模块4用于根据异常原因类型的优先级从高到低的顺序，依次判断订单数据是否满足异常原因类型对应的第一预设条件，若满足，则调用目标类型确定模块5确定异常原因类型为目标订单对应的目标异常原因类型；第三判断模块6用于根据异常原因类型的优先级从高到低的顺序，依次判断订单数据是否满足目标异常原因类型中异常原因对应的第二预设条件，若满足，则调用目标原因确定模块7确定异常原因为目标订单对应的目标异常原因。具体地，对同一异常原因类型中的负毛利原因，根据优先级判断，取最高优先级的一个原因；如果存在两个或两个以上的负毛利原因，且属于不同负毛利原因的情况，则根据负毛利原因的优先级，选择优先级最高的负毛利原因。具体地，根据实际情况，将系统异常原因中的自动全部退订设为第46级，系统酒店退票费未同步设为第46级，其他均设为第36级。将特定订单毛利异常中的每种异常原因设为第12级；将系统资源倒挂中的每种异常原因设为第22级；将业务设置原因中的底价调整异常设为第26级，预定总底价大于订单金额设为第29级，订单实收不等于应收设为第97级，百事通同行价让利设为第28级，变价导致订单毛利异常设为33级等；其他的异常原因的优先级设置也类似，因此此处就不再赘述。其中，优先级级别越高(级别值越小)，对应的异常原因越早参与判断分析。另外，第一判断模块3用于根据订单数据获取目标订单对应的收入数据和成本数据；第一判断模块3还用于当收入数据小于成本数据时，则确定目标订单存在毛利异常；和/或，第一判断模块3用于根据订单数据获取目标订单对应的利润数据(如利润率)；第一判断模块3还用于判断利润数据是否小于第一设定阈值，若小于，则确定目标订单存在毛利异常，即当利润率小于设定比例，则说明该目标订单存在毛利异常的情况。为了实现实时分析每个目标订单的异常情况，采用qmq机制，实现异步处理。其中，发送qmq通知消息的对象包括支付子系统、交易子系统、资源子系统、印花税子系统、后返平台等。具体地，分析系统还包括变化确定模块和定时更新模块。变化确定模块实时判断数据表中订单数据对应的底价数据、卖价数据和收入数据是否发生变化，当订单数据中的底价数据、卖价数据和收入数据中的至少一种数据发生变化时，则确定订单数据发生变化，并生成目标订单的订单数据发生变化的通知消息，即能够实时监测到目标订单的订单数据发生变化，及时进行通知的同时，及时触发判断订单数据变化后的目标订单是否存在毛利异常的情况，即实现对目标订单的实时分析。若该目标订单发生毛利异常，则将该目标订单的最新订单数据落表，并发生事件给相应的业务人员进行处理，及时解决该目标订单毛利异常，避免造成进一步的负毛利额。为了避免由于通知消息的丢失或者其他原因造成订单毛利没有及时更新的情况，采用qschedule，并采用定时更新模块定时更新目标订单的订单数据，刷新已经落表订单的毛利情况。若订单已转为正常情况，则对数据表进行更新。分析系统还包括提醒消息生成模块8。提醒消息生成模块8用于生成处理异常情况的提醒消息。同步发生毛利异常的落地数据给业务人员，业务人员在收到提醒消息后确认对应的订单，同时开发人员介入分析系统存在的问题，从而使得毛利异常的订单能够得到及时有效地处理。下面结合具体实例说明：2019/5/24-2019/5/30的负毛利反馈明细，参见表1和表2(表1和表2均对应该期间的反馈率)：表1表2业务类型是否总计反馈率国内代理220％国内自营13130％海外自营3813997％景酒管家13425％自由行44135777％总计833211572％由以上两表的内容可以得知，修正订单(发生毛利异常的订单)数量累计为166，对应的负毛利总额为53.1万，即提高了毛利异常的分析准确度，有效地减少了负毛利额。另外，如图3所示，为采用本实施例的毛利异常分析方案后，某互联网平台在2018/12/18-2019/5/19半年时间内负毛利比例下降的情况。横轴表示时间，纵轴表示负毛利订单的比重。如图4所示，横轴表示时间，纵轴表示业务的负毛利总额。实践证明，负毛利比率在此期间下降34％，对应的年收益超过200万，业务负毛利下降13.78％，毛利异常的自动化分析的准确性达到90％，即有效地提高了毛利异常的分析速度和准确度。另外，分析系统还包括统计模块9和告警信息生成模块10。当实时监控每个目标订单的订单数据时，统计模块9用于统计在第一设定时间段内发生毛利异常的目标订单对应的第一订单数量；告警信息生成模块10用于当第一订单数量大于或等于第二设定阈值时，则生成第一告警信息。具体地，如见图5所示，表示分析系统实时监测一天中每个时间点对应的各个异常原因的数量，横轴表示一天中每个时间点，纵轴表示各个异常原因的数量，不同的异常原因对应一条曲线。如见图6所示，表示在第一设定时间内，各个异常原因的数量占订单总数量的占比分布情况。当某个占比超过设定值则说明存在异常需要业务人员进一步确认。当监控历史n天内每个目标订单的订单数据时，统计模块9用于统计在第二设定时间段内发生毛利异常的上述目标订单对应的第二订单数量；其中，n≥1且n取整数；告警信息生成模块10用于当第二订单数量大于或等于第三设定阈值时，则生成第二告警信息。即通过监控每天、前一周和过去n天的订单数据，通过三级监控能够更全面地发现发生毛利异常的情况，同时配合业务人员检查确认是否真的发生异常。具体地，如见图7所示，为交易子系统负毛利监控表(2019年6月10日过去一周的订单负毛利)。具体地，如见图8所示，为过去n天发生负毛利的订单情况。另外，具体地可以通过邮件的方式进行告警，例如告警邮件包括如下内容：时间2019-06-0611:01:00至2019-06-0611:02:00，以及下表3：表3监控项名称聚合方式环境实际响应值告警阈值订单毛利异常sumprod11.010.0在监控系统中，通过业务事件来反映会造成负毛利的情况，如火车票满位、酒店满房、机票满位、航班取消、航班变动等；通过vbk获取资源或者产品的后返比例，供应商退订比例等；最后通过工作人员对金额有疑问的订单提交至二线部门，二线部门把该事件提交给技术处理，当技术发现订单异常为系统问题时，则及时对系统做修复，使得问题得到及时反馈、分析与处理，提高了整体工作效率。本实施例中，在目标订单存在毛利异常时，先快速定位该目标订单对应的目标异常原因类型，然后再快速定位该目标订单对应的目标异常原因，实现自动分析、快速定位得到该目标订单发生负毛利的目标异常原因，提高了分析速度快和分析准确度，提升了分析效率，从而降低了负毛利比例，进而提高了收益；同时，监控每天和过去n天的订单数据，更全面地发现发生毛利异常的情况。实施例5图11为本发明实施例5提供的一种电子设备的结构示意图。电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现实施例1或2中任意一实施例中的订单的毛利异常原因的分析方法。图11显示的电子设备30仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图11所示，电子设备30可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。总线33包括数据总线、地址总线和控制总线。存储器32可以包括易失性存储器，例如随机存取存储器(ram)321和/或高速缓存存储器322，还可以进一步包括只读存储器(rom)323。存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1或2中任意一实施例中的订单的毛利异常原因的分析方法。电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(i/o)接口35进行。并且，模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图11所示，网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。实施例12本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现实施例1或2中任意一实施例中的订单的毛利异常原因的分析方法中的步骤。其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行实现实施例1或2中任意一实施例中的订单的毛利异常原因的分析方法中的步骤。其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。当前第1页12