指标数据的处理方法、装置、计算机设备及存储介质与流程

1.本技术涉及大数据领域，尤其涉及指标数据的处理方法、装置、计算机设备及存储介质。


背景技术：

2.随着大数据技术在金融领域的应用范围越来越广，对指标数据的时效性要求也越来越高。企业需要能够实时跟踪最新的业务开展情况，为企业的运营决策提供决策，为数据赋能。为了满足业务爆发式的指标应用需求，数据开发人员不得不烟囱式进行开发。然而，现有技术中对于实时指标生成的处理方式，需要人工提出需求、开发、测试和上线，每次新增一个指标都需要重复上述步骤，这使得每次生成指标的过程都需要耗费大量的人力物力资源，指标计算的处理效率低下，且生成的指标数据的准确性也不高。


技术实现要素：

3.本技术实施例的目的在于提出一种指标数据的处理方法、装置、计算机设备及存储介质，以解决现有的实时指标生成的处理方式需要耗费大量的人力物力资源，指标计算的处理效率低下，且生成的指标数据的准确性也不高的技术问题。
4.为了解决上述技术问题，本技术实施例提供一种指标数据的处理方法，采用了如下所述的技术方案：
5.判断是否接收到用户在指标处理页面触发的指标计算请求；其中，所述指标计算请求携带用户信息；
6.若接收到所述指标计算请求，基于所述用户信息对所述用户进行身份验证；
7.若身份验证通过，响应所述指标计算请求，获取所述用户在所述指标处理页面上录入的指标开发信息；其中，所述指标开发信息包括指标信息、维度信息与统计规则；
8.将所述指标开发信息转换成预设语言格式的查询语句；
9.调用预设的计算引擎计算生成与所述查询语句对应的计算结果；
10.获取所述计算结果，并将所述计算结果作为与所述指标开发信息对应的指标结果数据。
11.进一步的，所述调用预设计算引擎计算生成与所述查询语句对应的计算结果的步骤，具体包括：
12.调用所述计算引擎；
13.将所述查询语句转换为与所述计算引擎对应的计算任务；
14.将所述计算任务分发至所述计算引擎内，通过所述计算引擎执行所述计算任务，计算生成与所述查询语句对应的所述计算结果。
15.进一步的，所述获取所述用户在所述指标处理页面上录入的指标开发信息的步骤，具体包括：
16.获取所述用户在所述指标处理页面上选择的信息录入方式；
17.若所述信息录入方式为模板录入，则获取所述用户在所述指标处理页面上选中的模板内填充的所述指标开发信息；
18.若所述信息录入方式为编辑框录入，则获取所述用户在所述指标处理页面上的编辑框中录入的所述指标开发信息。
19.进一步的，所述获取所述计算结果的步骤，具体包括：
20.获取与所述计算引擎对应的查询接口的接口信息；
21.基于所述接口信息，调用与所述接口信息对应的所述查询接口；
22.基于所述查询接口从所述计算引擎中获取所述计算结果。
23.进一步的，所述基于所述用户信息对所述用户进行身份验证的步骤，具体包括：
24.采集所述用户的人脸图像，以及从预设的人脸数据库中查找与所述用户信息对应的指定人脸图像；
25.判断所述指定人脸图像与所述人脸图像是否匹配；
26.若匹配，展示预设的动作输入提醒信息；
27.获取所述用户输入的动作信息，以及获取与所述用户信息对应的标准动作信息；其中，所述动作信息包括动作序列，所述动作序列包含依次执行的多个动作；
28.判断所述动作信息内包含的每一个动作与所述标准动作信息中对应位置处的动作是否全部匹配；
29.若全部匹配，判定身份验证通过，否则判定身份验证未通过。
30.进一步的，在所述获取所述计算结果，并将所述计算结果作为与所述指标开发信息对应的指标结果数据的步骤之后，还包括：
31.获取与所述用户信息对应的用户等级；
32.判断所述用户等级是否大于预设的等级阈值；
33.若大于所述等级阈值，将所述指标结果数据存储于区块链内；
34.若不大于所述等级阈值，将所述指标结果数据存储于本地。
35.进一步的，在所述获取所述计算结果，并将所述计算结果作为与所述指标开发信息对应的指标结果数据的步骤之后，还包括：
36.确定所述指标结果数据的展示方式；
37.基于所述展示方式对所述指标结果数据进行展示。
38.为了解决上述技术问题，本技术实施例还提供一种指标数据的处理装置，采用了如下所述的技术方案：
39.第一判断模块，用于判断是否接收到用户在指标处理页面触发的指标计算请求；其中，所述指标计算请求携带用户信息；
40.验证模块，用于若接收到所述指标计算请求，基于所述用户信息对所述用户进行身份验证；
41.响应模块，用于若身份验证通过，响应所述指标计算请求，获取所述用户在所述指标处理页面上录入的指标开发信息；其中，所述指标开发信息包括指标信息、维度信息与统计规则；
42.转换模块，用于将所述指标开发信息转换成预设语言格式的查询语句；
43.生成模块，用于调用预设的计算引擎计算生成与所述查询语句对应的计算结果；
44.第一确定模块，用于获取所述计算结果，并将所述计算结果作为与所述指标开发信息对应的指标结果数据。
45.为了解决上述技术问题，本技术实施例还提供一种计算机设备，采用了如下所述的技术方案：
46.判断是否接收到用户在指标处理页面触发的指标计算请求；其中，所述指标计算请求携带用户信息；
47.若接收到所述指标计算请求，基于所述用户信息对所述用户进行身份验证；
48.若身份验证通过，响应所述指标计算请求，获取所述用户在所述指标处理页面上录入的指标开发信息；其中，所述指标开发信息包括指标信息、维度信息与统计规则；
49.将所述指标开发信息转换成预设语言格式的查询语句；
50.调用预设的计算引擎计算生成与所述查询语句对应的计算结果；
51.获取所述计算结果，并将所述计算结果作为与所述指标开发信息对应的指标结果数据。
52.为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
53.判断是否接收到用户在指标处理页面触发的指标计算请求；其中，所述指标计算请求携带用户信息；
54.若接收到所述指标计算请求，基于所述用户信息对所述用户进行身份验证；
55.若身份验证通过，响应所述指标计算请求，获取所述用户在所述指标处理页面上录入的指标开发信息；其中，所述指标开发信息包括指标信息、维度信息与统计规则；
56.将所述指标开发信息转换成预设语言格式的查询语句；
57.调用预设的计算引擎计算生成与所述查询语句对应的计算结果；
58.获取所述计算结果，并将所述计算结果作为与所述指标开发信息对应的指标结果数据。
59.与现有技术相比，本技术实施例主要有以下有益效果：
60.本技术实施例在接收到用户在指标处理页面触发的指标计算请求，且判别出用户通过了身份验证后，会先响应指标计算请求，获取用户在指标处理页面上录入的指标开发信息，然后将指标开发信息转换成预设语言格式的查询语句，后续调用预设的计算引擎计算生成与查询语句对应的计算结果，并将计算结果作为与指标开发信息对应的指标结果数据。本技术通过采用预设的计算引擎来实现实时计算指标，用户只需要传入指标开发信息，便可以通过计算引擎实时计算生成用户所需要的与指标开发信息对应的指标结果数据，有效节省了人工计算指标的所需花费的人力物力，提高了指标计算的处理效率，保证了指标结果数据的生成准确性。
附图说明
61.为了更清楚地说明本技术中的方案，下面将对本技术实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，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。
62.图1是本技术可以应用于其中的示例性系统架构图；
63.图2根据本技术的指标数据的处理方法的一个实施例的流程图；
64.图3是根据本技术的指标数据的处理装置的一个实施例的结构示意图；
65.图4是根据本技术的计算机设备的一个实施例的结构示意图。
具体实施方式
66.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本技术的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
67.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
68.为了使本技术领域的人员更好地理解本技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。
69.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
70.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
71.终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、mp3播放器(moving picture experts group audio layer iii，动态影像专家压缩标准音频层面3)、mp4(moving pictureexperts group audio layer iv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
72.服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
73.需要说明的是，本技术实施例所提供的指标数据的处理方法一般由服务器/终端设备执行，相应地，指标数据的处理装置一般设置于服务器/终端设备中。
74.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
75.继续参考图2，示出了根据本技术的指标数据的处理方法的一个实施例的流程图。所述的指标数据的处理方法，包括以下步骤：
76.步骤s201，判断是否接收到用户在指标处理页面触发的指标计算请求；其中，所述指标计算请求携带用户信息。
77.在本实施例中，指标数据的处理方法运行于其上的电子设备(例如图1所示的服务
器/终端设备)。需要指出的是，上述无线连接方式可以包括但不限于3g/4g/5g连接、wifi连接、蓝牙连接、wimax连接、zigbee连接、uwb(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
78.在本实施例中，用户在指标处理页面录入了指标开发信息后，通过点击指标处理页面上的指标处理按钮，便可触发指标计算请求的发送。另外，指标计算请求内还携带有用户的用户信息，用户信息为用于验证用户的合法身份的标识信息，用户信息可包括用户姓名或用户id等信息。
79.步骤s202，若接收到所述指标计算请求，基于所述用户信息对所述用户进行身份验证。
80.在本实施例中，可基于用户信息获取相对应的指定人脸图像与标准动作信息来对用户进行身份验证处理。另外，身份验证处理的具体实施过程，本技术将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。
81.步骤s203，若身份验证通过，响应所述指标计算请求，获取所述用户在所述指标处理页面上录入的指标开发信息；其中，所述指标开发信息包括指标信息、维度信息与统计规则。
82.在本实施例中，指标生成信息包括用户输入的自定义需要计算的指标信息、维度信息与统计规则。计算的维度是一组属性，可以唯一标识一组记录。指标是在对应维度下的一个唯一聚合值。统计规则是指代指标的运算方式，统计规则例如可包括求和、求差、求平均数、求商、求方差、求位数等。举例地，对于用户需要开发新车当日签单保费同比增速这个指标的应用场景，用户输入的指标信息包括签单保费对应的指标编码，用户输入的维度信息包括时间维度、空间维度与过滤条件，如时间维度为2022-05-20，空间维度为机构+渠道，过滤条件为新旧车＝旧车。统计规则包括统计周期(当日)，时间比较类(同比增速)。另外，在获取到指标开发信息后，还可将该指标开发信息存储至预设数据库内，从而后续可基于该预设数据库内的指标开发信息进行相应的指标计算处理。
83.步骤s204，将所述指标开发信息转换成预设语言格式的查询语句。
84.在本实施例中，可通过druid解析器对指标开发信息进行解析以生成预设语言格式的查询语句。其中，druid解析器包括三大功能，分别为解析、生成抽象树，遍历抽象树，其中，解析又可分为语法解析和词法解析。具体的，可通过druid解析器对指标生成信息进行解析来生成计算引擎能够识别的sql语句，上述预设语言格式可为json格式。
85.步骤s205，调用预设的计算引擎计算生成与所述查询语句对应的计算结果。
86.在本实施例中，上述计算引擎具体为druid计算引擎。druid是一款开源的，为实时和离线数据的亚秒级查询设计的数据存储引擎。它主要用于对事实数据(event data)进行商业智能olap分析。druid提供低延时(实时)数据导入，灵活的数据探索(data exploration)和快速的数据聚合。目前druid可以适用于万亿条和pb级的数据量，druid最常用于面向用户的数据分析应用中。具体的，可先调用出计算引擎，再将查询语句转换为与计算引擎对应的计算任务，后续将计算任务分发至计算引擎内，通过计算引擎执行所述计算任务，以计算生成与查询语句对应的计算结果。
87.步骤s206，获取所述计算结果，并将所述计算结果作为与所述指标开发信息对应的指标结果数据。
88.在本实施例中，可先调用与计算引擎对应的查询接口，再通过查询接口从计算引擎中获取出计算结果。
89.本技术在接收到用户在指标处理页面触发的指标计算请求，且判别出用户通过了身份验证后，会先响应指标计算请求，获取用户在指标处理页面上录入的指标开发信息，然后将指标开发信息转换成预设语言格式的查询语句，后续调用预设的计算引擎计算生成与查询语句对应的计算结果，并将计算结果作为与指标开发信息对应的指标结果数据。本技术通过采用预设的计算引擎来实现实时计算指标，用户只需要传入指标开发信息，便可以通过计算引擎实时计算生成用户所需要的与指标开发信息对应的指标结果数据，有效节省了人工计算指标的所需花费的人力物力，提高了指标计算的处理效率，保证了指标结果数据的生成准确性。
90.在一些可选的实现方式中，步骤s205包括以下步骤：
91.调用所述计算引擎。
92.在本实施例中，可以通过执行预先设置的与该计算引擎相对应的调用指令，来执行对于该计算引擎的调用。
93.将所述查询语句转换为与所述计算引擎对应的计算任务。
94.在本实施例中，可通过计算引擎将查询语句自动转换成可供该计算引擎执行的实时计算任务，从而实现对于数据的实时处理。
95.将所述计算任务分发至所述计算引擎内，通过所述计算引擎执行所述计算任务，计算生成与所述查询语句对应的所述计算结果。
96.在本实施例中，在将计算任务分发至所述计算引擎内后，计算引擎便会进行对于该计算任务的实时处理，从而实时生成与查询语句对应的计算结果。
97.本技术在将查询语句转换成适配于计算引擎的计算任务后，会将该计算任务分发至计算引擎内，以通过计算引擎执行计算任务来实现快速智能地计算生成与查询语句对应的计算结果，也即生成了与用户输入的指标开发信息对应的指标结果数据，有效地提高了指标数据计算的处理效率。
98.在本实施例的一些可选的实现方式中，步骤s203包括以下步骤：
99.获取所述用户在所述指标处理页面上选择的信息录入方式。
100.在本实施例中，用户在指标处理页面上输入指标开发信息之前，需要先选择录入该指标开发信息的信息录入方式。信息录入方式可包括模板录入与编辑框录入两种方式。若用户选择编辑框录入，表明需要手动输入指标开发信息，若选择模板输入，则需勾选指标处理页面上的模板语句。另外，录入指标开发信息的方式只能选择模板输入或编辑框输入中的一种。
101.若所述信息录入方式为模板录入，则获取所述用户在所述指标处理页面上选中的模板内填充的所述指标开发信息。
102.若所述信息录入方式为编辑框录入，则获取所述用户在所述指标处理页面上的编辑框中录入的所述指标开发信息。
103.在本实施例中，用户在指标处理页面将指标开发信息录入完成之后，可通过点击指标处理按钮，便可触发指标计算请求的发送，电子设备则会根据该指标计算请求识别出指标开发信息的信息录入方式，并基于该信息录入方式来获取用户输入的指标开发信息。
若识别出信息录入方式为模板录入，则获取指标处理页面上用户选中的模板内填充的指标生成信息。而若识别出信息录入方式为编辑框录入，则获取用户在指标处理页面上编辑框中录入的指标生成信息。另外，在点击指标处理按钮之前，还可点击指标处理页面上的保存按钮，以对指标开发信息进行保存。
104.本技术在接收到用户在指标处理页面触发的指标计算请求后，会智能地基于指标计算请求识别出相应的指标开发信息的信息录入方式，进而根据得到的信息录入方式来准确的获取到用户录入的指标开发信息，提高了指标开发信息的获取智能性，有利于后续调用预设的计算引擎对得到的指标开发信息进行处理，从而快速准确地生成与该指标开发信息对应的指标结果数据。
105.在一些可选的实现方式中，步骤s206的获取所述计算结果，包括以下步骤：
106.获取与所述计算引擎对应的查询接口的接口信息。
107.在本实施例中，预先创建有与计算引擎对应的查询接口。接口信息可指接口的id信息。
108.基于所述接口信息，调用与所述接口信息对应的所述查询接口。
109.在本实施例中，可从基于接口信息与查询接口之间映射关系，来成功调用出与接口信息对应的查询接口。在计算引擎计算通过对查询语句进行处理生成相应的计算结果后，通过调用该查询接口可以与计算引擎进行信息交互，从而可以获取计算引擎返回的数据。
110.基于所述查询接口从所述计算引擎中获取所述计算结果。
111.本技术通过调用预先创建的与计算引擎对应的查询接口，从而可以基于该查询接口从计算引擎中获取得到查询语句对应的计算结果，实现了对于计算结果的快速获取。
112.在一些可选的实现方式中，步骤s202包括以下步骤：
113.采集所述用户的人脸图像，以及从预设的人脸数据库中查找与所述用户信息对应的指定人脸图像。
114.在本实施例中，可通过电子设备内置的摄像机来采集用户的人脸图像。另外，预先创建有存储了每一个具有合法身份的合法用户的人脸图像的人脸数据库，可基于用户信息从该人脸数据库中查询出与用户信息对应的指定人脸图像。
115.判断所述指定人脸图像与所述人脸图像是否匹配。
116.在本实施例中，可基于现有的相似度算法计算指定人脸图像与用户的人脸图像之间的相似度，若相似度大于预设的相似度阈值，则判定两者匹配，否则判定两者不匹配。另外，相似度阈值的取值可根据实际需求进行设置，例如可设为0.95。
117.若匹配，展示预设的动作输入提醒信息。
118.在本实施例中，为确保用户输入的是准确的动作信息，可提前提供并展示动作输入提示信息，以提示用户输入对应的动作信息，例如眨眼，比耶，皱眉，竖大拇指，抿嘴，吐舌头等等，从而后续将该动作信息与预存储的与用户信息对应的标准动作信息进行对比处理，以准确得到与用户对应的身份验证结果。
119.获取所述用户输入的动作信息，以及获取与所述用户信息对应的标准动作信息；其中，所述动作信息包括动作序列，所述动作序列包含依次执行的多个动作。
120.在本实施例中，标准动作信息为合法用户预先录入的用于进行身份验证的动作信
息。动作信息可包括脸部动作或手势动作。动作信息可为包括用户的脸部动作和/或手势动作的图像序列，可通过摄像头获取用户的动作信息。图像序列中包括多张图像，图像序列中的每一张图像中包含有一个动作。以获取用户的脸部动作序列为例，电子设备可通过摄像头采集多张图像，每一张图像中包含有用户执行的一个动作。具体的，动作序列是指包括多个动作的图像序列。举例地，一个动作序列包括依次执行的眨眼，比耶，皱眉，竖大拇指，抿嘴，吐舌头这6个动作。另外，可通过如下方式获取用户的动作序列：通过摄像头采集用户的一个动作；判断是否检测到到继续采集指示或停止采集指示；其中，继续采集指示用于指示继续采集用户的动作，停止采集指示用于指示停止采集用户的动作；若获取到继续采集指示，则再次从上述通过摄像头获取用户的一个动作的步骤开始执行；若获取到停止采集指示，则根据已获取到的用户的各个动作生成用户的动作序列。所述继续采集指示和停止采集指示可通过相应的选择控件触发。在时间维度上，通过依次执行多个动作即形成动作序列。
121.判断所述动作信息内包含的每一个动作与所述标准动作信息中对应位置处的动作是否全部匹配。
122.在本实施例中，比对动作信息内包含的每一个动作与标准动作信息中对应位置处的动作是否全部匹配的过程可包括：采用预设方式从包含有用户的单个动作的图像中识别用户的单个动作；若用户的单个动作与标准动作信息中对应位置处的单个脸部动作相同，则判定该组动作相匹配，否则判定该组动作不匹配。其中，预设方式还可以是采用动作识别模型从图像中识别单个动作。动作识别模型可采用隐马尔科夫模型。通过利用神经网络模型进行动作识别，由于模型是通过大量训练样本训练得到的，因此具有较高的容错能力，从而可以有效保证动作识别的准确性。
123.若全部匹配，判定身份验证通过，否则判定身份验证未通过。
124.本技术通过采用多维的匹配方式来对用户进行身份验证，只有当用户的人脸图像以及动作识别同时通过验证后才会认为用户通过身份验证，有效提高了对于用户的身份验证流程的安全性。并且，由于用户的人脸图像和动作信息均可通过摄像头采集得到，因此不会影响到信息采集的便捷性，也不会额外增加设备的硬件成本。另外，通过引入动作信息结合人脸图像一起进行身份验证，即使用户的人脸信息被他人获取，只要用户设置的动作信息不泄漏给他人，他人仍然无法仿冒用户通过身份验证，有效地提高了身份验证的安全性。此外，只有在用户通过了身份验证时，后续才会对接收到的指标计算请求进行进一步的处理，有效地避免了出现为不法用户提供指标数据的生成处理功能的现象，保证了指标计算请求在处理过程中的安全性与规范性。
125.在本实施例的一些可选的实现方式中，在步骤s206之后，上述电子设备还可以执行以下步骤：
126.获取与所述用户信息对应的用户等级。
127.在本实施例中，预先创建有存储有每一个员工的用户信息，以及与每一个员工的用户信息一一对应的用户等级的等级数据表。可以基于获取得到的用户信息对该等级数据表进行查询处理，进而可以从等级数据表内查询出用户的用户等级。
128.判断所述用户等级是否大于预设的等级阈值。
129.在本实施例中，等级阈值为预先根据实际的业务使用需求设置的数值。若用户的
用户等级大于该等级阈值，则判定该用户为重要用户。而若用户的用户等级小于该等级阈值，则判定该用户为普通用户。对于不同的类型的用户，会采用不同的数据存储方式来对计算引擎计算生成的指标结果数据进行存储，以提高对于指标结果数据的存储智能性。
130.若大于所述等级阈值，将所述指标结果数据存储于区块链内。
131.在本实施例中，若用户的用户等级大于该等级阈值，则会采用相对安全的存储方式对生成的指标结果数据进行存储，以提高指标结果数据的存储安全性，提高用户的使用体验。通过使用区块链来对生成的上述指标结果数据进行存储和管理，能够有效地保证上述风险评估模型的安全性与不可篡改性。
132.若不大于所述等级阈值，将所述指标结果数据存储于本地。
133.在本实施例中，若用户的用户等级小于该等级阈值，则会采用常见的存储方式对生成的指标结果数据进行存储。
134.本技术在通过使用计算引擎生成了与指标开发信息对应的指标结果数据后，会基于用户的用户等级来智能地将该指标结果数据存储于相应的存储位置，有效地提高了对于指标结果数据的存储智能性，也提高了用户的使用体验。
135.在本实施例的一些可选的实现方式中，在步骤s206之后，上述电子设备还可以执行以下步骤：
136.确定所述指标结果数据的展示方式。
137.在本实施例中，展示方式可包括设置文本或表格的方式进行展示。可基于用户的实际使用需求来确定出最终的展示方式。
138.基于所述展示方式对所述指标结果数据进行展示。
139.本技术在计算生成了与指标开发信息对应的指标结果数据后，会根据预先确定的展示方式来对指标结果数据进行展示，使得用户可以及时清楚的查看到基于指标开发信息生成的指标结果数据，以便用户后续可以根据该指标结果数据进行相应的处理，提高了用户使用体验。
140.需要强调的是，为进一步保证上述指标结果数据的私密和安全性，上述指标结果数据还可以存储于一区块链的节点中。
141.本技术所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
142.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
143.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
144.本领域普通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，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令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，前述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)等非易失性存储介质，或随机存储记忆体(random access memory，ram)等。
145.应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
146.进一步参考图3，作为对上述图2所示方法的实现，本技术提供了一种指标数据的处理装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
147.如图3所示，本实施例所述的指标数据的处理装置300包括：第一判断模块301、验证模块302、响应模块303、转换模块304、生成模块305以及第一确定模块306。其中：
148.第一判断模块301，用于判断是否接收到用户在指标处理页面触发的指标计算请求；其中，所述指标计算请求携带用户信息；
149.验证模块302，用于若接收到所述指标计算请求，基于所述用户信息对所述用户进行身份验证；
150.响应模块303，用于若身份验证通过，响应所述指标计算请求，获取所述用户在所述指标处理页面上录入的指标开发信息；其中，所述指标开发信息包括指标信息、维度信息与统计规则；
151.转换模块304，用于将所述指标开发信息转换成预设语言格式的查询语句；
152.生成模块305，用于调用预设的计算引擎计算生成与所述查询语句对应的计算结果；
153.第一确定模块306，用于获取所述计算结果，并将所述计算结果作为与所述指标开发信息对应的指标结果数据。
154.在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的指标数据的处理方法的步骤一一对应，在此不再赘述。
155.在本实施例的一些可选的实现方式中，生成模块305包括：
156.第一调用子模块，用于调用所述计算引擎；
157.转换子模块，用于将所述查询语句转换为与所述计算引擎对应的计算任务；
158.生成子模块，用于将所述计算任务分发至所述计算引擎内，通过所述计算引擎执行所述计算任务，计算生成与所述查询语句对应的所述计算结果。
159.在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的指标数据的处理方法的步骤一一对应，在此不再赘述。
160.在本实施例的一些可选的实现方式中,响应模块303包括：
161.第一获取子模块，用于获取所述用户在所述指标处理页面上选择的信息录入方
式；
162.第二获取子模块，用于若所述信息录入方式为模板录入，则获取所述用户在所述指标处理页面上选中的模板内填充的所述指标开发信息；
163.第三获取子模块，用于若所述信息录入方式为编辑框录入，则获取所述用户在所述指标处理页面上的编辑框中录入的所述指标开发信息。
164.本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的指标数据的处理方法的步骤一一对应，在此不再赘述。
165.在本实施例的一些可选的实现方式中，第一确定模块306包括：
166.第四获取子模块，用于获取与所述计算引擎对应的查询接口的接口信息；
167.第二调用子模块，用于基于所述接口信息，调用与所述接口信息对应的所述查询接口；
168.第五获取子模块，用于基于所述查询接口从所述计算引擎中获取所述计算结果。
169.在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的指标数据的处理方法的步骤一一对应，在此不再赘述。
170.在本实施例的一些可选的实现方式中，验证模块302包括：
171.采集子模块，用于采集所述用户的人脸图像，以及从预设的人脸数据库中查找与所述用户信息对应的指定人脸图像；
172.第一判断子模块，用于判断所述指定人脸图像与所述人脸图像是否匹配；
173.展示子模块，用于若匹配，展示预设的动作输入提醒信息；
174.第六获取子模块，用于获取所述用户输入的动作信息，以及获取与所述用户信息对应的标准动作信息；其中，所述动作信息包括动作序列，所述动作序列包含依次执行的多个动作；
175.第二判断子模块，用于判断所述动作信息内包含的每一个动作与所述标准动作信息中对应位置处的动作是否全部匹配；
176.判定子模块，用于若全部匹配，判定身份验证通过，否则判定身份验证未通过。
177.在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的指标数据的处理方法的步骤一一对应，在此不再赘述。
178.在本实施例的一些可选的实现方式中，指标数据的处理装置还包括：
179.获取模块，用于获取与所述用户信息对应的用户等级；
180.第二判断模块，用于判断所述用户等级是否大于预设的等级阈值；
181.第一存储模块，用于若大于所述等级阈值，将所述指标结果数据存储于区块链内；
182.第二存储模块，用于若不大于所述等级阈值，将所述指标结果数据存储于本地。
183.在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的指标数据的处理方法的步骤一一对应，在此不再赘述。
184.在本实施例的一些可选的实现方式中，指标数据的处理装置还包括：
185.第二确定模块，用于确定所述指标结果数据的展示方式；
186.展示模块，用于基于所述展示方式对所述指标结果数据进行展示。
187.在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的指标数据的处理方法的步骤一一对应，在此不再赘述。
188.为解决上述技术问题，本技术实施例还提供计算机设备。具体请参阅图4，图4为本实施例计算机设备基本结构框图。
189.所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件41-43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(application specific integrated circuit，asic)、可编程门阵列(field－programmable gate array，fpga)、数字处理器(digital signal processor，dsp)、嵌入式设备等。
190.所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
191.所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如指标数据的处理方法的计算机可读指令等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
192.所述处理器42在一些实施例中可以是中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据，例如运行所述指标数据的处理方法的计算机可读指令。
193.所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
194.与现有技术相比，本技术实施例主要有以下有益效果：
195.本技术实施例中，在接收到用户在指标处理页面触发的指标计算请求，且判别出用户通过了身份验证后，会先响应指标计算请求，获取用户在指标处理页面上录入的指标开发信息，然后将指标开发信息转换成预设语言格式的查询语句，后续调用预设的计算引擎计算生成与查询语句对应的计算结果，并将计算结果作为与指标开发信息对应的指标结果数据。本技术通过采用预设的计算引擎来实现实时计算指标，用户只需要传入指标开发信息，便可以通过计算引擎实时计算生成用户所需要的与指标开发信息对应的指标结果数据，有效节省了人工计算指标的所需花费的人力物力，提高了指标计算的处理效率，保证了指标结果数据的生成准确性。
196.本技术还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机
可读存储介质存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的指标数据的处理方法的步骤。
197.与现有技术相比，本技术实施例主要有以下有益效果：
198.本技术实施例中，在接收到用户在指标处理页面触发的指标计算请求，且判别出用户通过了身份验证后，会先响应指标计算请求，获取用户在指标处理页面上录入的指标开发信息，然后将指标开发信息转换成预设语言格式的查询语句，后续调用预设的计算引擎计算生成与查询语句对应的计算结果，并将计算结果作为与指标开发信息对应的指标结果数据。本技术通过采用预设的计算引擎来实现实时计算指标，用户只需要传入指标开发信息，便可以通过计算引擎实时计算生成用户所需要的与指标开发信息对应的指标结果数据，有效节省了人工计算指标的所需花费的人力物力，提高了指标计算的处理效率，保证了指标结果数据的生成准确性。
199.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。
200.显然，以上所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例，附图中给出了本技术的较佳实施例，但并不限制本技术的专利范围。本技术可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本技术的公开内容的理解更加透彻全面。尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本技术说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本技术专利保护范围之内。