数据预警方法、装置、电子设备及存储介质与流程

1.本技术涉及数据处理技术领域，更具体地，涉及一种数据预警方法、装置、电子设备及存储介质。


背景技术：

2.对于每个企业，每天会有大量的用户来进行各种咨询、投诉等。每个业务问题在每个时间段内，可以统计出相应的数据量。企业迫切想了解到用户在各个业务关注点下的真实需求量，尤其是用户访问量激增或者相较于历史访问变化较大的需求点。若能找出该类问题并进行针对性的跟进优化，可快速发现与解决用户需求，提升整体的用户满意度。
3.当前大多数的业务话务量监控，一般由管理者基于该业务的历史话务量结合个人经验，人为设置一个或数个阈值，当话务量超过预设阈值时则进行预警，不够准确且经验依赖性强。


技术实现要素：

4.有鉴于此，本技术提出了一种数据预警方法、装置、电子设备及存储介质，以改善上述问题。
5.根据本技术实施例的一个方面，提供了一种数据预警方法，包括：获取预设时长内各业务标签下的历史业务数据，所述预设时长包括多个单位时长；根据所述历史业务数据，计算所述各业务标签下，每个单位时长内的历史业务数据相对于前一单位时长内的历史业务数据的数据增量，以及每个单位时长内的历史业务数据的数据量；根据每个单位时长内的历史业务数据相对于前一单位时长内的历史业务数据的数据增量，计算数据增量各级别的预警阈值，根据每个单位时长内的历史业务数据的数据量，计算数据量各级别的预警阈值；根据所述数据增量各级别的预警阈值以及所述数据量各级别的预警阈值，确定当前业务数据对应的最终预警值并发出预警。
6.根据本技术实施例的一个方面，提供了一种数据预警装置，包括：获取模块，用于获取预设时长内各业务标签下的历史业务数据，所述预设时长包括多个单位时长；计算模块，用于根据所述历史业务数据，计算所述各业务标签下，每个单位时长内的历史业务数据相对于前一单位时长内的历史业务数据的数据增量，以及每个单位时长内的历史业务数据的数据量；计算阈值模块，用于根据每个单位时长内的历史业务数据相对于前一单位时长内的历史业务数据的数据增量，计算数据增量各级别的预警阈值，根据每个单位时长内的历史业务数据的数据量，计算数据量各级别的预警阈值；预警模块，用于根据所述数据增量各级别的预警阈值以及所述数据量各级别的预警阈值，确定所述当前业务数据对应的最终预警值并发出预警。
7.根据本技术实施例的一个方面，提供了一种电子设备，包括：处理器；存储器，存储器上存储有计算机可读指令，计算机可读指令被处理器执行时，实现如上数据预警方法。
8.根据本技术实施例的一个方面，提供了一种计算机可读存储介质，其上存储有计
算机可读指令，当计算机可读指令被处理器执行时，实现如上数据预警方法。
9.在本技术的方案中，通过对预设时长内的各个业务标签下的历史业务数据进行计算，得到历史业务数据所对应的数据量，以及历史业务数据相较于前一个时长所得到的数据增量，分别从历史业务数据的数据量以及数据增量两个维度进行计算，得到数据量对应的各个级别的预警阈值以及以及数据增量对应的各个级别的预警阈值。根据所述数据增量各级别的预警阈值以及所述数据量各级别的预警阈值，从而通过当前业务数据对应的数据量预警阈值级别以及数据增量对应的预警阈值级别来确定当前业务数据所对应的最终预警值，并发出警报。基于历史业务数据来计算数据量以及数据增量各个级别的预警阈值，可以更准确的确定当前业务数据的最终预警值，提高了预警的准确性。
附图说明
10.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
11.图1示出了适于用来实现本技术实施例的电子设备的结构框图。
12.图2示出了本技术一实施例提供的数据预警方法的流程图。
13.图3示出了图2中步骤s230的一种实施方式的流程图。
14.图4示出了本技术又一实施例提供的数据预警方法的流程图。
15.图5示出了本技术实施例中对当前业务数据进行预处理的流程图。
16.图6示出了图5中步骤s420的一种实施方式的流程图。
17.图7示出了本技术一实施例提供的数据预警装置的框图。
具体实施方式
18.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本技术将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
19.此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本技术的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本技术的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本技术的各方面。
20.附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
21.附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
22.需要说明的是：在本文中提及的“多个”是指两个或两个以上。“和/或”描述关联对
processing unit，cpu)、图形处理器(graphics processing unit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块通信芯片进行实现。
30.存储器1005可以包括随机存储器(random access memory，ram)，也可以包括只读存储器(read-only memory)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、报警功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储电子设备在使用中所创建的数据(比如伪装的响应命令、获取的进程状态)等。
31.本领域技术人员可以理解，图1中示出的结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
32.图2是根据本技术的一个实施例示出的数据预警方法的流程图，该方法可以由具备处理能力的电子设备执行，例如服务器、云服务器、或者其他具备处理能力的终端设备等，在此不进行具体限定。参照图2所示，该方法至少包括步骤s210至s240，详细介绍如下：
33.步骤s210，获取预设时长内各业务标签下的历史业务数据，所述预设时长包括多个单位时长。
34.业务标签用于指示数据具体为哪种业务类型的数据，具体的业务类型由实际待处理的数据所属的业务端确定。可以理解的是，每个公司对应的业务类型不同，那么具体的业务类型也就不同。
35.历史业务数据可以存储于数据库内，在存储时，通过人工或者人工智能的方式对其进行加标签处理，标签以及加了标签的历史业务数据分别存储于标签概况表以及标签详情表内。
36.本实施例中，预设时长可以根据实际需要确定，例如可以为三个月，或者半年。该预设时长可以指的是当前时间前的预设时长，例如前三个月，也可以指的是某个指定时间点之前的预设时长，例如3月1日前半年。可以理解的是，取与当前时间越近的历史业务数据，所得到的预警值更准确。预设时长一般是单位时长的整倍数，包括多个单位时长。若该业务数据的实际存在时长未达到预设时长，可以选择改变预设时长也可以选取全部业务数据作为该段预设时长的数据。
37.单位时长可以是一个小时、半天、10分钟等，可以根据用户以及业务需要来决定，这里不做具体限定。
38.在一些实施例中，在月末以及月初时业务量会大幅增加，可以将当月月末以及下个月月初合并为一个预设时长，这样算出的结果更能符合月末、月初的实际特点。可以理解的是，对于用户特别关注的时间段都可以进行类似的处理。
39.获取预设时长内各业务标签下的历史业务数据指的就是从上述数据库中根据业务标签以及时间获取预设时长内的历史业务数据。
40.步骤s220，根据所述历史业务数据，计算所述各业务标签下，每个单位时长内的历史业务数据相对于前一单位时长内的历史业务数据的数据增量，以及每个单位时长内的历史业务数据的数据量。
41.每个单位时长内的历史业务数据相对于前一单位时长内的历史业务数据的数据增量指的是当前单位时长内对应的历史业务数据相较于前一单位时长内的历史业务数据的变化量，数据增量的计算可以采用一阶差分的计算方法进行所得，也可以采用其他的增量计算方法进行计算，在此不进行具体的限定。
42.每个单位时长内的历史业务数据的数据量可以通过统计的方法进行对业务数据整合得到，也可以采用其他数据与数据量转换方法进行得到，在此不进行具体的限定。
43.步骤s230，根据每个单位时长内的历史业务数据相对于前一单位时长内的历史业务数据的数据增量，计算数据增量各级别的预警阈值，根据每个单位时长内的历史业务数据的数据量，计算数据量各级别的预警阈值。
44.在本实施例中，可以依据预设时长内的数据增量的平均值作为一级预警阈值，依据平均值的某个倍数为二级预警阈值，按照二级预警阈值的确定方法进行三级预警阈值或其他多级预警阈值的确定，其中，一级预警阈值以及多级预警阈值可以存储于标签概况表内，标签名可以为1级预警阈值，2级预警阈值等标签名。数据量各级别的预警阈值也可以基于数据量平均值进行计算得到，级别预警阈值计算方法按照数据增量级别预警阈值方法进行计算。倍数可以根据具体实际进行设定。
45.在一种实施方式中，根据每个单位时长内的历史业务数据相对于前一单位时长内的历史业务数据的数据增量，计算数据增量各级别的预警阈值，根据每个单位时长内的历史业务数据的数据量，计算数据量各级别的预警阈值，可以按照图3所示的过程计算得到：
46.步骤s232，获取所述数据量处于异常值时的数据量值，作为第一级数据量阈值，获取所述数据增量处于异常值时的数据增量值，作为第一级数据增量阈值。
47.可以根据每个单位时长内的历史业务数据的数据量，计算出数据量处于异常值时的数据量值，将该数据量值作为数据量的第一级数据量阈值。
48.根据每个单位时长内的历史业务数据的数据量，计算得到处于异常值时的数据增量值，并将其数据增量值作为数据增量的第一级数据增量阈值。
49.其中，异常值可以根据具体业务类型设定。在获取到数据量处于异常值时的数据量值及数据增量值时，同时记录出现异常值的时间点，为后续处理做参考。
50.步骤s234，确定所述第一级数据量阈值的第一预设倍数为第二级数据量阈值，确定所述第一级数据增量的第一预设倍数为第二级数据增量阈值。
51.步骤s236，确定所述第一级数据量阈值的第二预设倍数为第三级数据量阈值，确定所述第一级数据增量的第二预设倍数为第三级数据增量阈值，所述第二预设倍数大于所述第一预设倍数。
52.在本技术的实施例中，第一预设倍数与第二预设倍数可以根据用户的具体需求进行确定，不同的业务标签可以对应设置不同的第一预设倍数以及第二预设倍数。例如，在某个业务标签下的数据，第一预设倍数可以为2，第二预设倍数可以为5，在另一个业务标签下的数据，第一预设倍数可以为3，第二预设倍数可以为6。
53.进一步的，在一些实施方式中，获得所述第一级数据量阈值、第一级数据增量阈值、第二级数据量阈值、第二级数据增量阈值、第三级数据量阈值、第三级数据增量阈值可以是通过将所述数据增量以及数据量输入3-sigma模型进行获取的。
54.3-sigma模型是依据3-sigma准则建立的，3-sigma准则又称为拉依达准则，它是先
假设一组检测数据只含有随机误差，对其进行计算处理得到标准偏差，按一定概率确定一个区间，认为凡超过这个区间的误差，就不属于随机误差而是粗大误差，含有该误差的数据应予以剔除。将历史业务数据的数据量以及数据增量输入3-sigma模型中计算处于异常值时的数据量值以及数据增量值，将该数据量值以及数据增量值分别作为该预设时长下的第一级数据阈值以及第一级数据增量阈值，再根据用户需求进行对第一预设倍数以及第二预设倍数进行确定，从而得到第二级数据量阈值、第二级数据增量阈值、第三级数据量阈值、第三级数据增量阈值。例如，第一预设倍数可以为2，第二预设倍数可以为5。
55.3-sigma模型中执行的计算可以为：
[0056][0057]
其中，n代表预设时长内的单位时长数，x代表各个单位时长内对应的数据量或数据增量，代表预设时长内平均的数据量或数据增量。
[0058]
步骤s240，根据所述数据增量各级别的预警阈值以及所述数据量各级别的预警阈值，确定当前业务数据对应的最终预警值并发出预警。
[0059]
在确定当前业务数据对应的最终预警值时，参考数据增量各级别的预警阈值以及数据量各级别的预警阈值，具体参考哪个维度，取决于当前业务数据的数据量和数据增量落在哪个预警范围内，取较高的预警阈值作为最终的预警值。如某小时点数据量相对历史数据不算异常，但其相比上一小时的数据增量远超历史数据的数据增量，此时以数据增量预警为主，最终预警值可取相应级别的数据增量预警阈值。
[0060]
这里需要说明的是，在确定最终预警值时比对的是相同业务标签下的当前业务数据和历史业务数据。
[0061]
在本实施例中，通过对预设时长内的各个业务标签下的历史业务数据进行计算，得到历史业务数据所对应的数据量，以及历史业务数据相较于前一个时长所得到的数据增量，分别从历史业务数据的数据量以及数据增量两个维度进行计算，得到数据量对应的各个级别的预警阈值以及以及数据增量对应的各个级别的预警阈值。根据所述数据增量各级别的预警阈值以及所述数据量各级别的预警阈值，从而通过当前业务数据对应的数据量预警阈值级别以及数据增量对应的预警阈值级别来确定当前业务数据所对应的最终预警值，并发出警报。基于历史业务数据来计算数据量以及数据增量各个级别的预警阈值，可以更准确的确定当前业务数据的最终预警值，提高了预警的准确性。
[0062]
图4是根据本技术的又一实施例示出的数据预警方法的流程图，该方法可以由具备处理能力的电子设备执行，在此不进行具体限定。参照图4所示，该方法包括：
[0063]
步骤s310，获取预设时长内各业务标签下的历史业务数据，所述预设时长包括多个单位时长。
[0064]
步骤s320，根据所述历史业务数据，计算所述各业务标签下，每个单位时长内的历史业务数据相对于前一单位时长内的历史业务数据的数据增量，以及每个单位时长内的历史业务数据的数据量。
[0065]
步骤s330，根据每个单位时长内的历史业务数据相对于前一单位时长内的历史业务数据的数据增量，计算数据增量各级别的预警阈值，根据每个单位时长内的历史业务数
据的数据量，计算数据量各级别的预警阈值。
[0066]
步骤s310～步骤s330的具体实现方式可参照前述实施例中对应步骤s210～s230，这里不再赘述。
[0067]
步骤s340，获取所述当前业务数据对应的单位时长数据量以及所述当前业务数据对应的单位时长数据增量。
[0068]
数据量以及数据增量都存储于数据库的标签详情表内，因此需要对不同预设时长的数据量以及数据增量进行调用时，调用对应的标签详情表即可。
[0069]
步骤s350，若所述单位时长数据量对应的级别大于等于所述单位时长数据增量对应的级别，将所述单位时长数据量对应的级别的预警阈值确定为最终预警值并发出预警。
[0070]
步骤s360，若所述单位时长数据量对应的级别小于所述单位时长数据增量对应的级别，将所述单位时长数据增量对应的级别的预警阈值确定为最终预警值并发出预警。
[0071]
在本实施例中，需要获取预设时长内的当前业务数据所对应的单位时长数据量以及单位时长数据增量。根据当前业务数据的业务标签，获取相同业务标签下的数据增量各级别的预警阈值以及数据量各级别的预警阈值。依据历史业务数据所得到的数据量的各个级别的阈值，判断当前业务数据的单位时长数据量处于哪个级别阈值范围内，确定当前业务数据的单位时长数据量对应的级别。同理，可以确定当前业务数据的单位时长数据增量对应的级别。当数据量对应的级别大于数据增量对应的级别时，将所述单位时长数据量对应的级别的预警阈值确定为最终预警值并发出预警，当数据量超过这个最终预警值之后进行报警。
[0072]
举例来说，数据量的第一级预警阈值为x，数据增量的第一级预警阈值为y，第一预设倍数为2，第二预设倍数为5。
[0073]
当当前业务数据的单位时长数据量对应的级别大于等于当前业务数据的单位时长数据增量对应的级别时，则以单位时长数据量对应的级别的预警阈值作为最终预警值。若x≤当前业务数据的单位时长数据量《2x时，触发第一级数据量报警；若2x≤当前业务数据的单位时长数据量《5x时，此时触发第二级数据量报警；若5x≤当前业务数据的单位时长数据量时，此时触发第三级数据量报警。
[0074]
当当前业务数据的单位时长数据量对应的级别小于当前业务数据的单位时长数据增量对应的级别时，则以单位时长数据增量对应的级别的预警阈值作为最终预警值。若y≤当前业务数据的单位时长数据增量《2y时，触发第一级数据增量报警；若2y≤当前业务数据的单位时长数据增量《5y时，此时触发第二级数据增量报警；若5y≤当前业务数据的单位时长数据增量时，此时触发第三级数据增量报警。
[0075]
分别计算出数据量维度和数据增量维度的不同级别的预警阈值，并选取较大级别对应的预警阈值作为最终预警值并进行报警，可以使得用户能快速判断出具体预警维度，从而为其做出对应的措施，降低人工再去判断该预警具体处于哪个维度的工作量。
[0076]
在本技术的一些实施例中，数据量阈值还设置有最小数据量阈值，当数据量小于最小数据量阈值时，无论数据增量变化多大，此时的业务数据为正常数据，不进行报警处理。这是为了避免小值大增幅带来的误报，降低人工处理量。例如，数据量在某个单位时长相较于上一个单位时长从1提升至5，此时的数据增幅达到500％，但由于最小数据量阈值为20，此时，尽管数据增幅很大，但该数据量不会进行报警。本实施例中，最小数据量阈值由人
工自定义配置。
[0077]
请参照图5，在本技术中，确定当前业务数据对应的最终预警值并发出预警之前，还可以对当前业务数据进行预处理，具体的方法可以包括：
[0078]
步骤s410，将所述当前业务数据进行时间排序，得到排序后的当前业务数据。
[0079]
因从数据库导出数据时可能存在数据无序的问题，在这里，本技术将数据按照数据时间顺序进行排序，保证数据的序列符合真实记录。
[0080]
步骤s420，若所述排序后的当前业务数据存在数据缺失，对所述排序后的当前业务数据进行数据缺失填补，获得完整的所述当前业务数据。
[0081]
数据存储等过程中，可能因各种外部因素，存在数据缺失的问题。数据缺失填补方法有以下几种：删除法，若可以判断缺失的数据对数据集整体作用不大，则将有关缺失数据的信息进行删除，保证数据集的完整性；赋值法，缺失的数据属性对数据集整体影响不大，则选择将均值或众数赋值给缺失数据，从而保证数据集的完整；对称法，若数据集存在对称属性，则将缺失的数据所对称的数据赋值给缺失数据；计算模型法，通过各种计算模型对数据集缺失的部分进行测量计算，从而得到完整的数据集，其中，计算模型可以为回归随机森林模型。本技术实施例可以采用多重插补(multiple imputation)的方式对缺失值进行填补。多重填补是由rubin在1978年首先提出的，是指由包含m个插补值的向量代替每一个缺失值的过程，要求m大于等于20。m个完整数据集合能从插补向量中创建。
[0082]
具体的，若所述排序后的当前业务数据存在数据缺失，对所述排序后的当前业务数据进行数据缺失填补，获得完整的所述当前业务数据可按照如图6所述的步骤进行获取，如图6所示，包括：
[0083]
步骤s422，对所述排序后的当前业务数据进行m次估算填充，得到m个填充后的数据集。
[0084]
利用随机抽取填充值对排序后的当前业务数据进行填充，填充值是通过模拟随机抽取的，随机抽取方法优选为马尔科夫链蒙特卡洛模拟(mcmc，markov chain monte carlo simulation)。
[0085]
步骤s424，分别对所述m个填充后的数据集进行统计分析，得到分析数据。
[0086]
包含m个插补值的向量的第一个元素代替每一个缺失值从而创建了第一个完整的数据集，由它的向量中的第二个元素代替每一个缺失值从而创建了第二个完整数据的集，以此类推，得到m个完整数据集，再利用标准完整数据方法用于分析每一个数据集合，从而得到分析数据。
[0087]
步骤s426，基于所述当前业务数据的结果，对所述分析数据进行整合，得到完整的所述当前业务数。
[0088]
对来自各个填补数据集的结果进行整合，产生最终的统计推断，这一推断考虑到了由于数据填补而产生的不确定性。多重填补法将空缺值视为随机样本，这样计算出来的统计推断可能受到空缺值的不确定性的影响。
[0089]
综上所述，本技术实施例提供的数据预警方法可以基于历史业务数据来计算数据量以及数据增量各个级别的预警阈值，可以更准确的确定当前业务数据的最终预警值，提高了预警的准确性。可以理解的是，本技术实施例提供的方法可以应用于基于业务场景的结构化数据的预警，例如话务量或者投诉工单量等。
[0090]
图7是根据本技术一实施例示出的数据预警装置的框图，如图7所示，该数据预警装置50包括：
[0091]
获取模块510；用于获取预设时长内各业务标签下的历史业务数据，所述预设时长包括多个单位时长；
[0092]
计算模块520，用于根据所述历史业务数据，计算所述各业务标签下，每个单位时长内的历史业务数据相对于前一单位时长内的历史业务数据的数据增量，以及每个单位时长内的历史业务数据的数据量；
[0093]
计算阈值模块530，用于根据每个单位时长内的历史业务数据相对于前一单位时长内的历史业务数据的数据增量，计算数据增量各级别的预警阈值，根据每个单位时长内的历史业务数据的数据量，计算数据量各级别的预警阈值；
[0094]
预警模块540，用于根据所述数据增量各级别的预警阈值以及所述数据量各级别的预警阈值，确定所述当前业务数据对应的最终预警值并发出预警。
[0095]
在本技术的一些实施例中，计算阈值模块530包括，第一级阈值模块，用于获取所述数据量处于异常值时的数据量值，作为第一级数据量阈值，获取所述数据增量处于异常值时的数据增量值，作为第一级数据增量阈值；第二级阈值模块，用于确定所述第一级数据量阈值的第一预设倍数为第二级数据量阈值，确定所述第一级数据增量的第一预设倍数为第二级数据增量阈值；第三级阈值模块，用于确定所述第一级数据量阈值的第二预设倍数为第三级数据量阈值，确定所述第一级数据增量的第二预设倍数为第三级数据增量阈值，所述第二预设倍数大于所述第一预设倍数。
[0096]
在本技术的一些实施例中，计算阈值模块530还包括，具体阈值计算模块，用于将所述数据增量以及数据量输入3-sigma模型，获得所述第一级数据量阈值、第一级数据增量阈值、第二级数据量阈值、第二级数据增量阈值、第三级数据量阈值、第三级数据增量阈值，其中，所述第一预设倍数为2，所述第二预设倍数为5。
[0097]
在本技术的一些实施例中，预警模块540包括，获取数据量模块，用于获取所述当前业务数据对应的单位时长数据量；获取数据增量模块，用于获取所述当前业务数据对应的单位时长数据增量；确定预警级别阈模块，用于确定所述当前业务数据的单位时长数据量以及单位时长数据增量对应的级别；确定数据量级别模块，用于若所述单位时长数据量对应的级别大于等于所述单位时长数据增量对应的级别，将所述单位时长数据量对应的级别的预警阈值确定为最终预警值并发出预警。
[0098]
在本技术的一些实施例中，预警模块540还包括，确定数据增量级别阈模块，用于若所述单位时长数据量对应的级别小于所述单位时长数据增量对应的级别，将所述单位时长数据增量对应的级别的预警阈值确定为最终预警值并发出预警。
[0099]
在本技术的一些实施例中，数据预警装置还包括最小数据量阈值模块，用于若所述数据量小于最小数据量阈值，不进行预警。
[0100]
在本技术的一些实施例中，数据预警装置还包括排序模块，用于将所述当前业务数据进行时间排序，得到排序后的当前业务数据；填补模块，用于若所述排序后的当前业务数据存在数据缺失，对所述排序后的当前业务数据进行数据缺失填补，获得完整的所述当前业务数据。
[0101]
在本技术的一些实施例中，填补模块包括填充模块，用于对所述排序后的当前业
务数据进行m次估算填充，得到m个填充后的数据集；统计分析模块，用于分别对所述m个填充后的数据集进行统计分析，得到分析数据；整合模块，用于基于所述当前业务数据的结果，对所述分析数据进行整合，得到完整的所述当前业务数据。
[0102]
需要说明的是，本实施例中数据预警装置中各模块是与前述实施例中数据预警方法中的各步骤一一对应，因此，本实施例的具体实施方式可参照前述数据预警方法的实施方式，这里不再赘述。
[0103]
应当理解的是，以上仅为举例说明，对本技术的技术方案并不构成任何限制，本领域的技术人员在实际应用中可以基于需要进行设置，此处不做限制。
[0104]
本技术还提供了一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被处理器执行时，实现上述任一方法实施例中的方法。
[0105]
计算机可读存储介质可以是诸如闪存、eeprom(电可擦除可编程只读存储器)、eprom、硬盘或者rom之类的电子存储器。可选地，计算机可读存储介质包括非易失性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质具有执行上述方法中的任何方法步骤的计算机可读指令的存储空间。这些计算机可读指令可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。计算机可读指令可以例如以适当形式进行压缩。
[0106]
根据本技术实施例的一个方面，提供了计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述任一实施例中的方法。
[0107]
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本技术的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0108]
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本技术实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本技术实施方式的方法。
[0109]
本领域技术人员在考虑说明书及实践这里公开的实施方式后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。
[0110]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求来限制。