一种用户数据数字化处理方法、装置及设备与流程

本发明涉及大数据处理技术领域，具体涉及一种用户数据数字化处理方法、装置及设备。

背景技术：

在信息化时代，数据库的发展形成了利用数据建模归纳总结过去并对未来做预测的“计算科学”；而消费互联网/大数据年代，通过收集大量的数据，形成了让计算机去规律的学习并优化模型的“数据科学”。大数据(bigdata)通常用来形容一个公司创造的大量非结构化数据和半结构化数据，随着产业互联网ai智能时代的来临，大数据(bigdata)需要更有效的进化成数据密集型科学发现(scientificdiscovery)。而任何一个科学发现，都需要满足reproducibleresult(可重复性结果)的要求。因为基于数据的结果，都是从数据->处理->结果(data->process->result)这样一个过程，因此，要满足reproducibleresult的要求,则需要一种更智能、更灵活的实时(不单只面对用户)数据处理系统对数据进行处理。

在消费互联网的时代，各大型技术平台所使用的数据处理系统，是通过提供数据共享技术，将数据收集和存储在他们自己平台(中心化的和公有的云)上，并应用超级id机制，由平台提供商集中控制，对用户的自由使用，有较多的权限，这些使用限制给用户带来诸多不便，更大大拖慢了产业互联网过程去中心化所需要技术的发展进度。

技术实现要素：

有鉴于此，本发明实施例提供了一种用户数据数字化处理方法、装置及设备，以解决上述问题。

根据第一方面，本发明实施例提供了一种用户数据数字化处理方法，包括：采集用户的行为数据，对所述行为数据进行分类；根据分类结果对用户行为进行关联性分析，生成关联分析结果；根据所述关联分析结果计算用户行为的分析评价结果，推送所述分析评价结果。

结合第一方面，在第一方面第一实施方式中，采集用户的行为数据，对所述行为数据进行分类，包括：通过部署在用户端的数据节点从用户的行为日志中提取所述行为数据；从所述行为数据中提取用户行为的属性信息，所述属性信息至少包括用户的使用习惯信息、偏好信息中的至少之一；根据所述属性信息对用户行为进行分类，得到所述分类结果。

结合第一方面第一实施方式，在第一方面第二实施方式中，该处理方法还包括：根据用户指令打开或关闭所述数据节点提取所述行为数据的动作。

结合第一方面，在第一方面第三实施方式中，根据分类结果对用户行为进行分析，生成分析结果，包括：使用预设的推荐器算法或分析规则对所述分类结果进行分析，生成包含用户及行为对象相关联的分析结果；所述用户及行为对象之间的关联至少包括：用户与用户之间的关联、用户与行为对象之间的关联、行为对象与行为对象之间的关联。

结合第一方面，在第一方面第四实施方式中，根据所述关联分析结果计算用户行为的分析评价结果，包括：根据老化因子和频率计算所述关联分析结果的得分值；根据所述得分值生成内积矩阵；对所述内积矩阵进行归一化处理，生成所述分析评价结果。

结合第一方面，在第一方面第五实施方式中，该处理方法还包括：根据所述分析评价结果生成数据化视图。

根据第二方面，本发明实施例提供了一种用户数据数字化处理装置，包括：数据采集分类模块，用于采集用户的行为数据，对所述行为数据进行分类；关联性分析模块，用于根据分类结果对用户行为进行关联性分析，生成关联分析结果；分析评价模块，用于根据所述关联分析结果计算用户行为的分析评价结果，推送所述分析评价结果。

结合第二方面，在第二方面第一实施方式中，所述数据采集分类模块包括：数据提取子模块，用于通过部署在用户端的数据节点从用户的行为日志中提取所述行为数据；属性信息提取子模块，用于从所述行为数据中提取用户行为的属性信息，所述属性信息至少包括用户的使用习惯信息、偏好信息中的至少之一；分类子模块，用于根据所述属性信息对用户行为进行分类，得到所述分类结果。

结合第二方面第一实施方式，在第二方面第二实施方式中，该处理装置还包括：数据节点控制模块，用于根据用户指令打开或关闭所述数据节点提取所述行为数据的动作。

结合第二方面，在第二方面第三实施方式中，所述关联性分析模块具体用于：使用预设的推荐器算法或分析规则对所述分类结果进行分析，生成包含用户及行为对象相关联的分析结果；所述用户及行为对象之间的关联至少包括：用户与用户之间的关联、用户与行为对象之间的关联、行为对象与行为对象之间的关联。

结合第二方面，在第二方面第四实施方式中，所述分析评价模块包括：分值计算子模块，用于根据老化因子和频率计算所述关联分析结果的得分值；内积矩阵生成子模块，用于根据所述得分值生成内积矩阵；分析评价子模块，用于对所述内积矩阵进行归一化处理，生成所述分析评价结果。

结合第二方面，在第二方面第五实施方式中，该装置还包括：数据可视化模块，用于根据所述分析评价结果生成数据化视图。

根据第三方面，本发明实施例提供了一种用户数据数字化处理设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的用户数据数字化处理方法。

根据第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的用户数据数字化处理方法。

本发明实施例所具备的有益效果在于，通过实施本发明，可以为用户提供更加开放、人性化的数据共享机制；并且，基于共享平台提供相应的数据处理流程或处理算法，对用户的行为数据进行分析，得到分析结果，能够针对不同的用户，为用户量身定做各自的数据处理服务，提高用户的使用感受。

附图说明

通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：

图1示出了本发明实施例的用户数据数字化处理方法的流程图；

图2示出了本发明实施例的用户数据数字化处理装置的结构示意图；

图3示出了本发明实施例的用户数据数字化处理设备的硬件结构示意图。

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，本领域技术人员在没有作出创造性劳动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。

本发明实施例提供一种用户数据数字化处理方法，如图1所示，主要包括以下步骤：

步骤s11：采集用户的行为数据，对所述行为数据进行分类；

本发明实施例中，可以是通过部署在用户端的数据节点从用户的行为日志中提取用户的行为数据，从行为数据中提取用户行为的属性信息，属性信息至少包括用户的使用习惯信息、偏好信息中的至少之一；根据属性信息对用户行为进行分类，得到分类结果。例如，通过考虑活跃用户的喜欢和不喜欢的倾向来进行分类等。

步骤s12：根据分类结果对用户行为进行关联性分析，生成关联分析结果；

具体地，可以是使用预设的推荐器算法或分析规则对分类结果进行分析，生成包含用户及行为对象相关联的分析结果；用户及行为对象之间的关联至少包括：用户与用户之间的关联、用户与行为对象之间的关联、行为对象与行为对象之间的关联。在实际应用中，该用户可为企业方，该行为对象可为企业所实施的项目等。

步骤s13：根据所述关联分析结果计算用户行为的分析评价结果，推送所述分析评价结果；

具体地，是根据老化因子和频率计算所述关联分析结果的得分值；根据所述得分值生成内积矩阵；对所述内积矩阵进行归一化处理，生成所述分析评价结果。

通过本发明实施例的用户数据数字化处理方法，可以为用户提供更加开放、人性化的数据共享机制；并且，基于共享平台提供相应的数据处理流程或处理算法，对用户的行为数据进行分析，得到分析结果，能够针对不同的用户，为用户量身定做各自的数据处理服务，提高用户的使用感受。

可选地，在本发明的一些实施例中，该用户数据数字化处理方法还可包括：根据用户指令打开或关闭所述数据节点提取所述行为数据的动作。具体地，可通过容器管理器实现上述功能。容器标签通过从系统管理控制台定义加载到用户浏览器中。因此，企业运营商等用户可以决定系统管理控制台的特定功能(例如该数据节点的数据提取动作)的开/关，该控制台可自动填充到用户的客户端应用程序/浏览器中。

可选地，在本发明的一些实施例中，在通过上述步骤s11至步骤s13得到用户相关的分析评价结果后，还可根据该分析评价结果生成数据化视图，用于为企业客户提供运营数据化视图，包括该企业客户自己的客户资料，数字渠道流量，销售分析，事件，活动，活动结果等。

可选地，在本发明的一些实施例中，该用户数据数字化处理方法可具体应用于一用户端设备中，该用户端设备主要的组成及其功能如下：

1)元数据管理模块，作为关键组件，通过进行简单配置便可以灵活的满足不同的企业(用户)、行业使用需求，而无需使用不同的专用版本。

2)推荐引擎，是闭环系统出站的关键之一，它可以基于企业定义的规则或系统内置的机器学习算法来得到分析结果(即可用于执行上述步骤s12)。

3)sdk工具包，可允许企业将实时数据采集点与各种数字通道(web，app，社交媒体等)统一在集成该用户端设备中。

4)容器管理器，允许企业以“开/关”方式选择对数据节点进行操作。

5)报告引擎，可用于为企业客户提供运营数据化视图，包括他们自己的客户资料，数字渠道流量，销售分析，事件，活动，活动结果等。

6)决策引擎，可由企业自主定义，设置预设的事件触发规则。决策引擎允许企业客户定义业务规则与事件阈值。对于直接业务规则，主要使用javadrool规则引擎作为解释器的基础。对于决策引擎的阈值设置，系统根据收集的数据进行维护，以便在必要时应用一阶线性函数或甚至更高阶方程来计算数据趋势。

7)评分引擎，用于记录实时事件的发生和评估。

8)电子商务模板，旨在帮助企业在社交媒体渠道中快速生成其电子商务应用程序。

9)复杂事件处理引擎，可与评分引擎协同，在预设事件发生时自动触发响应性事件。具体地，可监听事件日志进入，一旦日志进入系统，可通过评分引擎和复杂事件引擎来评估基于评分引擎的结果。

10)分段引擎，用于根据企业定义好的计划，对符合条件的用户群进行标记/再标记和触发事件(例如发送短信，电子邮件、applemessage信息、微信、line等)。

11)社交渠道引擎，用于处理社交媒体上的用户行为数据收集和交互与企业客户的集成(微信，line，facebook等)。它可以为企业客户提供个性化内容，并推送消息到达客户端。

12)id同步引擎，用于处理来自不同渠道的数据并合并行为，为企业提供360度的客户数据可视化视图，这里的id是系统生成的内部代码片段，用于标识特定的“用户”。

13)快数据处理引擎，用于收集不同数据点的实时数据。

14)dsp插件组件，作为集成点指向不同的dps，如谷歌dbm，ipinyou，雅虎等，用于提供企业数字营销渠道。

15)成员管理组件，允许企业为客户配置文件设计自己的数据列表模式。

该用户端设备在获取用户数据，对用户数据进行处理的过程中，每个计算状态都可以存储在装置内部，不需要存储在外部系统，降低了计算引擎对外部系统的依赖以及部署，使运维更加简单，同时对该用户数据标签处理设备的性能也带来了极大的提升，实现了产业互联网的去中心化。

本发明实施例还提供一种用户数据数字化处理装置，如图2所示，该处理装置主要包括：

数据采集分类模块11，用于采集用户的行为数据，对所述行为数据进行分类；详细内容可参见上述方法实施例的步骤s11的相关描述。

在一可选实施例中，该数据采集分类模块11包括：数据提取子模块，用于通过部署在用户端的数据节点从用户的行为日志中提取所述行为数据；属性信息提取子模块，用于从所述行为数据中提取用户行为的属性信息，所述属性信息至少包括用户的使用习惯信息、偏好信息中的至少之一；分类子模块，用于根据所述属性信息对用户行为进行分类，得到所述分类结果。

关联性分析模块12，用于根据分类结果对用户行为进行关联性分析，生成关联分析结果；详细内容可参见上述方法实施例的步骤s12的相关描述。

分析评价模块13，用于根据所述关联分析结果计算用户行为的分析评价结果，推送所述分析评价结果；详细内容可参见上述方法实施例的步骤s13的相关描述。

在一可选实施例中，该分析评价模块13包括：分值计算子模块，用于根据老化因子和频率计算所述关联分析结果的得分值；内积矩阵生成子模块，用于根据所述得分值生成内积矩阵；分析评价子模块，用于对所述内积矩阵进行归一化处理，生成所述分析评价结果。

通过本发明实施例的用户数据数字化处理装置，可以为用户提供更加开放、人性化的数据共享机制；并且，基于共享平台提供相应的数据处理流程或处理算法，对用户的行为数据进行分析，得到分析结果，能够针对不同的用户，为用户量身定做各自的数据处理服务，提高用户的使用感受。

可选地，在本发明的一些实施例中，该用户数据数字化处理装置还可包括：数据节点控制模块，用于根据用户指令打开或关闭所述数据节点提取所述行为数据的动作。具体地，可通过容器管理器实现上述功能。容器标签通过从系统管理控制台定义加载到用户浏览器中。因此，企业运营商等用户可以决定系统管理控制台的特定功能(例如该数据节点的数据提取动作)的开/关，该控制台可自动填充到用户的客户端应用程序/浏览器中。

可选地，在本发明的一些实施例中，该处理装置还包括：数据可视化模块，用于根据该分析评价结果生成数据化视图，用于为企业客户提供运营数据化视图，包括该企业客户自己的客户资料，数字渠道流量，销售分析，事件，活动，活动结果等。

本发明实施例还提供了一种用户数据数字化处理设备，如图3所示，该用户数据数字化处理设备可以包括处理器31和存储器32，其中处理器31和存储器32可以通过总线或者其他方式连接，图3中以通过总线连接为例。

处理器31可以为中央处理器(centralprocessingunit，cpu)。处理器31还可以为其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器32作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的用户数据数字化处理方法对应的程序指令/模块(例如，图2所示的数据采集分类模块11、关联性分析模块12、分析评价模块13)。处理器31通过运行存储在存储器32中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的用户数据数字化处理方法。

存储器32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；存储数据区可存储处理器31所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器32可选包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至处理器31。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。

所述一个或者多个模块存储在所述存储器32中，当被所述处理器31执行时，执行如图1所示实施例中的用户数据数字化处理方法。

上述车辆终端具体细节可以对应参阅图1至图2所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。

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流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)、随机存储记忆体(randomaccessmemory，ram)、快闪存储器(flashmemory)、硬盘(harddiskdrive，缩写：hdd)或固态硬盘(solid-statedrive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。