本發(fā)明涉及一種基于數(shù)據(jù)模型的大數(shù)據(jù)預(yù)警的方法。

背景技術(shù)：

大數(shù)據(jù)是一場宏大的技術(shù)革命，正在使人們的思維方式、行為模式以及社會(huì)組織方式發(fā)生深刻改變。大數(shù)據(jù)可以使管理決策更多地基于數(shù)據(jù)和數(shù)據(jù)分析，提高決策的針對性和有效性，從而實(shí)現(xiàn)有預(yù)見的管理。這對危機(jī)預(yù)警具有重要意義。

大數(shù)據(jù)通過對大量數(shù)據(jù)的快速收集挖掘、及時(shí)研判分析，可以實(shí)現(xiàn)精確預(yù)測，從而為精確預(yù)警、科學(xué)決策提供基礎(chǔ)?；诖髷?shù)據(jù)的危機(jī)數(shù)據(jù)系統(tǒng)，能夠突破專業(yè)分工造成的信息壁壘，促進(jìn)信息共享，提升源頭治理、動(dòng)態(tài)監(jiān)控、應(yīng)急處置能力。大數(shù)據(jù)所集成的數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等前沿技術(shù)，具有智能判斷分析等優(yōu)勢，可以實(shí)現(xiàn)對危機(jī)管理全流程的實(shí)時(shí)動(dòng)態(tài)監(jiān)控與預(yù)警。大數(shù)據(jù)及相關(guān)管理模式的出現(xiàn)，從理念、方法到實(shí)踐各方面為提升危機(jī)預(yù)警管理水平提供了可能，在危機(jī)管理和社會(huì)治理領(lǐng)域具有廣闊的應(yīng)用前景。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種基于數(shù)據(jù)模型的大數(shù)據(jù)預(yù)警的方法，通過數(shù)據(jù)模型引擎實(shí)現(xiàn)對大數(shù)據(jù)進(jìn)行智能梳理、趨勢研判分析和風(fēng)險(xiǎn)預(yù)警，從而扭轉(zhuǎn)了傳統(tǒng)“撒網(wǎng)式”工作模式對象寬泛、內(nèi)容籠統(tǒng)、力度不深的局面，幫助提升工作的洞察力，實(shí)現(xiàn)海量高并發(fā)的信息研判分析及精準(zhǔn)預(yù)測。

本發(fā)明一種基于數(shù)據(jù)模型的大數(shù)據(jù)預(yù)警的方法，具體包括以下幾個(gè)步驟：

步驟1、確定布控目標(biāo)

調(diào)研業(yè)務(wù)流程及觀察客戶行為，把廣泛的目標(biāo)轉(zhuǎn)化成具體的目標(biāo)，從數(shù)據(jù)倉庫選擇與目標(biāo)相關(guān)聯(lián)的數(shù)據(jù)，確定成布控目標(biāo)；

步驟2、根據(jù)確定的布控目標(biāo)，得到合適的事實(shí)數(shù)據(jù)

配置多個(gè)數(shù)據(jù)源，根據(jù)目標(biāo)需要獲取相關(guān)數(shù)據(jù)信息，通過遍歷數(shù)據(jù)字典以及數(shù)據(jù)之間進(jìn)行關(guān)聯(lián)，選擇有用的關(guān)鍵字段進(jìn)行數(shù)據(jù)查找，得到合適的事實(shí)數(shù)據(jù)，然后把這些事實(shí)數(shù)據(jù)載入到工作內(nèi)存中；

步驟3、創(chuàng)建數(shù)據(jù)模型庫

根據(jù)步驟1確定的布控目標(biāo)和步驟2中選擇的關(guān)鍵字段建立數(shù)據(jù)模型，然后對布控目標(biāo)和關(guān)鍵字段進(jìn)行配置，建立數(shù)據(jù)屬性、行為、特征，最后把數(shù)據(jù)模型轉(zhuǎn)換成約定的格式文件，創(chuàng)建數(shù)據(jù)模型庫，該數(shù)據(jù)模型包含建模過程中使用的所有數(shù)據(jù)；

步驟4、為了提供證明布控目標(biāo)的事實(shí)數(shù)據(jù)，使用數(shù)據(jù)模型匹配器從數(shù)據(jù)模型庫中遍歷搜索數(shù)據(jù)模型，將數(shù)據(jù)模型庫的數(shù)據(jù)模型和工作內(nèi)存中的事實(shí)數(shù)據(jù)進(jìn)行比較，查找結(jié)論部分包含待證明布控目標(biāo)的數(shù)據(jù)模型，如果這種數(shù)據(jù)模型存在，則把該數(shù)據(jù)模型的前因部分與工作內(nèi)存中的事實(shí)數(shù)據(jù)進(jìn)行匹配，如果存在匹配成功的事實(shí)數(shù)據(jù)，證明布控目標(biāo)成立，則觸發(fā)對應(yīng)的數(shù)據(jù)模型；否則，從數(shù)據(jù)模型的前因部分生成子目標(biāo)，重新搜索數(shù)據(jù)模型庫，查找結(jié)論部分是否包含該子目標(biāo)，該數(shù)據(jù)模型匹配器一直重復(fù)上述過程，直到子目標(biāo)被證明是成立或者找不到支持該子目標(biāo)的數(shù)據(jù)模型為止，最終形成與事實(shí)數(shù)據(jù)匹配的數(shù)據(jù)模型集；

步驟5、如果遍歷數(shù)據(jù)模型庫的過程中存在沖突，同時(shí)觸發(fā)多個(gè)數(shù)據(jù)模型，則將沖突的數(shù)據(jù)模型放入沖突集合，使用沖突解決策略來為可觸發(fā)的數(shù)據(jù)模型進(jìn)行排序，然后將這些數(shù)據(jù)模型保存在模型執(zhí)行隊(duì)列中，從而生成模型集優(yōu)先隊(duì)列實(shí)例；

步驟6、根據(jù)模型執(zhí)行隊(duì)列中的先后順序逐條執(zhí)行模型集優(yōu)先隊(duì)列實(shí)例得到數(shù)據(jù)分析研判和預(yù)警數(shù)據(jù)，通過報(bào)表、圖表或者關(guān)聯(lián)圖展示數(shù)據(jù)分析研判和預(yù)警結(jié)果。

所述的數(shù)據(jù)模型包括推導(dǎo)模型、完整性模型、反應(yīng)模型、義務(wù)權(quán)利分配模型、預(yù)測模型、剖析模型、劃分模型、時(shí)間幀。

本發(fā)明把對業(yè)務(wù)作出指導(dǎo)數(shù)據(jù)模型的設(shè)計(jì)業(yè)務(wù)邏輯從程序代碼中脫離出來，先創(chuàng)建數(shù)據(jù)模型庫，然后使用數(shù)據(jù)模型匹配器將數(shù)據(jù)模型庫中的數(shù)據(jù)模型和工作內(nèi)存中的事實(shí)數(shù)據(jù)進(jìn)行比較，根據(jù)工作內(nèi)存中的當(dāng)前內(nèi)容，決定那些數(shù)據(jù)模型可以觸發(fā)，形成與事實(shí)數(shù)據(jù)匹配的數(shù)據(jù)模型集，實(shí)現(xiàn)了動(dòng)態(tài)管理和修改業(yè)務(wù)規(guī)則而又不影響軟件系統(tǒng)的需求；提供多種數(shù)據(jù)模型機(jī)制的創(chuàng)建滿足不同的應(yīng)用場景需求；數(shù)據(jù)模型引擎實(shí)現(xiàn)對大數(shù)據(jù)進(jìn)行智能梳理、趨勢研判分析和風(fēng)險(xiǎn)預(yù)警，提升數(shù)據(jù)處理效率，降低數(shù)據(jù)存儲(chǔ)成本，實(shí)現(xiàn)海量高并發(fā)的信息研判分析預(yù)警，解決了從海量數(shù)據(jù)快速分析、預(yù)測，定位、決策支持等。

附圖說明

圖1為本發(fā)明的工作流程示意圖；

圖2是本發(fā)明的模型匹配器示意圖。

以下結(jié)合附圖和實(shí)施例對本發(fā)明作進(jìn)一步詳述。

具體實(shí)施方式

如圖1所示，本發(fā)明一種基于數(shù)據(jù)模型的大數(shù)據(jù)預(yù)警的方法，具體包括以下幾個(gè)步驟：

步驟1、確定布控目標(biāo)

充分調(diào)研業(yè)務(wù)流程，用戶把那些廣泛的目標(biāo)，經(jīng)過具體化、細(xì)化，深入觀察客戶行為變成具體的目標(biāo)，從數(shù)據(jù)倉庫選擇與目標(biāo)相關(guān)聯(lián)的數(shù)據(jù)，確定成布控目標(biāo)。比如用戶監(jiān)控活躍的用戶為布控目標(biāo)，從數(shù)據(jù)倉庫選擇用戶登錄日志、消費(fèi)日志、用戶瀏覽記錄等相關(guān)數(shù)據(jù)；

步驟2、根據(jù)確定的布控目標(biāo)，得到合適的數(shù)據(jù)

配置多個(gè)數(shù)據(jù)源，根據(jù)目標(biāo)需要獲取相關(guān)數(shù)據(jù)信息，通過遍歷數(shù)據(jù)字典以及數(shù)據(jù)之間進(jìn)行關(guān)聯(lián)，選擇有用的關(guān)鍵字段進(jìn)行數(shù)據(jù)查找，得到合適的事實(shí)數(shù)據(jù)，然后把這些事實(shí)數(shù)據(jù)載入到工作內(nèi)存中；

步驟3、創(chuàng)建數(shù)據(jù)模型庫

根據(jù)步驟1確定的布控目標(biāo)和步驟2中選擇的關(guān)鍵字段建立數(shù)據(jù)模型，然后對布控目標(biāo)和關(guān)鍵字段進(jìn)行配置，建立數(shù)據(jù)屬性、行為、特征等，最后把數(shù)據(jù)模型轉(zhuǎn)換成約定的數(shù)據(jù)格式文件(如s1,....,s2→r1,....,rn)，創(chuàng)建了數(shù)據(jù)模型庫，該數(shù)據(jù)模型包含建模過程中使用的所有數(shù)據(jù)；數(shù)據(jù)模型主要包括推導(dǎo)模型、完整性模型、反應(yīng)模型、義務(wù)權(quán)利分配模型、預(yù)測模型、剖析模型、劃分模型、時(shí)間幀等；數(shù)據(jù)模型建立采用字符串報(bào)文、二進(jìn)制流、xml格式報(bào)文、文件等形式；

步驟4、為了提供證明布控目標(biāo)的事實(shí)數(shù)據(jù)，使用數(shù)據(jù)模型匹配器將數(shù)據(jù)模型庫中的數(shù)據(jù)模型和工作內(nèi)存中的事實(shí)數(shù)據(jù)進(jìn)行比較，數(shù)據(jù)模型匹配器根據(jù)工作內(nèi)存中的當(dāng)前內(nèi)容，決定那些數(shù)據(jù)模型可以觸發(fā)，形成與事實(shí)數(shù)據(jù)匹配的數(shù)據(jù)模型集：

數(shù)據(jù)模型匹配器從數(shù)據(jù)模型庫中遍歷搜索數(shù)據(jù)模型，將數(shù)據(jù)模型庫的數(shù)據(jù)模型和工作內(nèi)存中的事實(shí)數(shù)據(jù)進(jìn)行比較，查找結(jié)論部分包含待證明布控目標(biāo)的數(shù)據(jù)模型，如果這種數(shù)據(jù)模型存在，則把該數(shù)據(jù)模型的前因部分與工作內(nèi)存中的事實(shí)數(shù)據(jù)進(jìn)行匹配，如果存在匹配成功的事實(shí)數(shù)據(jù)，證明布控目標(biāo)成立，則觸發(fā)對應(yīng)的數(shù)據(jù)模型；否則，從數(shù)據(jù)模型的前因部分生成子目標(biāo)，重新搜索數(shù)據(jù)模型庫，查找結(jié)論部分是否包含該子目標(biāo)，該數(shù)據(jù)模型匹配器一直重復(fù)上述過程，直到子目標(biāo)被證明是成立的或者找不到支持該子目標(biāo)的數(shù)據(jù)模型為止，最終形成與事實(shí)數(shù)據(jù)匹配的數(shù)據(jù)模型集。根據(jù)結(jié)合圖2，進(jìn)行相關(guān)說明，數(shù)據(jù)模型庫配置如下:

事實(shí)a和事實(shí)b存儲(chǔ)在工作內(nèi)存中，要證明目標(biāo)事實(shí)e是成立的。數(shù)據(jù)模型r3的結(jié)論部分包含事實(shí)e，因此為了證明目標(biāo)事實(shí)e是成立的，我們需要證明事實(shí)c和d是成立的。如果工作內(nèi)存中剛好存在事實(shí)c和d，那么就可以通過數(shù)據(jù)模型r3推斷出目標(biāo)事實(shí)e。然而當(dāng)前工作內(nèi)存的事實(shí)數(shù)據(jù)中不存在事實(shí)c和d，因此，需要為事實(shí)c和d生成子目標(biāo)，分別獨(dú)立地給予證明。工作內(nèi)存中存在事實(shí)a和b應(yīng)用數(shù)據(jù)模型r1可以證明事實(shí)c是成立，應(yīng)用數(shù)據(jù)模型r2可以證明事實(shí)d是成立的。因此，兩個(gè)子目標(biāo)都成立，在此基礎(chǔ)上應(yīng)用數(shù)據(jù)模型r3證明目標(biāo)事實(shí)e是成立。

步驟5、如果遍歷數(shù)據(jù)模型庫的過程中存在沖突，同時(shí)觸發(fā)多個(gè)數(shù)據(jù)模型，則將沖突的數(shù)據(jù)模型放入沖突集合，由于觸發(fā)數(shù)據(jù)模型將影響工作內(nèi)存的內(nèi)容，因此執(zhí)行的優(yōu)先順序很重要。不同的執(zhí)行順序可能會(huì)導(dǎo)致不同的最終結(jié)果，使用沖突解決策略來為可觸發(fā)的數(shù)據(jù)模型進(jìn)行排序，然后將這些數(shù)據(jù)模型保存在模型執(zhí)行隊(duì)列中，從而生成模型集優(yōu)先隊(duì)列實(shí)例；

步驟6、根據(jù)模型執(zhí)行隊(duì)列中的先后順序逐條執(zhí)行模型集優(yōu)先隊(duì)列實(shí)例得到數(shù)據(jù)分析研判和預(yù)警數(shù)據(jù)，通過報(bào)表、圖表或者關(guān)聯(lián)圖展示數(shù)據(jù)分析研判和預(yù)警結(jié)果。

本發(fā)明提供多種數(shù)據(jù)模型機(jī)制的創(chuàng)建滿足不同的應(yīng)用場景需求；數(shù)據(jù)模型引擎實(shí)現(xiàn)對大數(shù)據(jù)進(jìn)行智能梳理、趨勢研判分析和風(fēng)險(xiǎn)預(yù)警，提升數(shù)據(jù)處理效率，降低數(shù)據(jù)存儲(chǔ)成本，本發(fā)明把對業(yè)務(wù)作出指導(dǎo)數(shù)據(jù)模型的設(shè)計(jì)業(yè)務(wù)邏輯從程序代碼中脫離出來，先創(chuàng)建數(shù)據(jù)模型庫，然后使用數(shù)據(jù)模型匹配器將數(shù)據(jù)模型庫中的數(shù)據(jù)模型和工作內(nèi)存中的事實(shí)數(shù)據(jù)進(jìn)行比較，根據(jù)工作內(nèi)存中的當(dāng)前內(nèi)容，決定那些數(shù)據(jù)模型可以觸發(fā)，形成與事實(shí)數(shù)據(jù)匹配的數(shù)據(jù)模型集，實(shí)現(xiàn)了動(dòng)態(tài)管理和修改業(yè)務(wù)規(guī)則而又不影響軟件系統(tǒng)的需求。

本發(fā)明的重點(diǎn)在于：用戶把那些廣泛的目標(biāo)，經(jīng)過具體化、細(xì)化，深入觀察客戶行為變成具體的目標(biāo)，從數(shù)據(jù)倉庫選擇與目標(biāo)相關(guān)聯(lián)的數(shù)據(jù)，確定成布控目標(biāo)；配置多個(gè)數(shù)據(jù)源，根據(jù)目標(biāo)需要獲取相關(guān)數(shù)據(jù)信息，通過遍歷數(shù)據(jù)字典以及數(shù)據(jù)之間進(jìn)行關(guān)聯(lián)，選擇有用的關(guān)鍵字段進(jìn)行數(shù)據(jù)查找，得到合適的事實(shí)數(shù)據(jù)，把這些事實(shí)數(shù)據(jù)載入到工作內(nèi)存中,根據(jù)確定的布控目標(biāo)和選擇的關(guān)鍵字段建立數(shù)據(jù)模型，然后對布控目標(biāo)和關(guān)鍵字段進(jìn)行配置，建立數(shù)據(jù)屬性、行為、特征，最后把數(shù)據(jù)模型轉(zhuǎn)換成約定的格式文件，創(chuàng)建數(shù)據(jù)模型庫，使用數(shù)據(jù)模型匹配器將數(shù)據(jù)模型庫中的數(shù)據(jù)模型和工作內(nèi)存中的事實(shí)數(shù)據(jù)進(jìn)行比較；數(shù)據(jù)模型匹配器根據(jù)工作內(nèi)存中當(dāng)前的內(nèi)容，決定那些數(shù)據(jù)模型可以觸發(fā)，形成與事實(shí)數(shù)據(jù)匹配的數(shù)據(jù)模型集，通過使用沖突解決策略來為可觸發(fā)的數(shù)據(jù)模型進(jìn)行排序，然后將這些數(shù)據(jù)模型保存在模型集執(zhí)行隊(duì)列中；根據(jù)模型執(zhí)行隊(duì)列中的優(yōu)先順序逐條執(zhí)行模型集優(yōu)先隊(duì)列實(shí)例；通過報(bào)表、圖表或者關(guān)聯(lián)圖展示數(shù)據(jù)分析研判和預(yù)警結(jié)果，從而達(dá)到海量的數(shù)據(jù)進(jìn)行研判和數(shù)據(jù)挖據(jù)分析，具備很強(qiáng)的數(shù)據(jù)處理能力。

本發(fā)明對海量數(shù)據(jù)進(jìn)行數(shù)據(jù)深度挖掘分析，關(guān)鍵是把其結(jié)合到業(yè)務(wù)流程中，并能夠促進(jìn)數(shù)據(jù)挖掘人員和使用結(jié)果的業(yè)務(wù)用戶之間的通信，最大程度降低接入點(diǎn)的成本投入，保證擴(kuò)展的便捷性和兼容性。

以上所述，僅是本發(fā)明較佳實(shí)施例而已，并非對本發(fā)明的技術(shù)范圍作任何限制，故凡是依據(jù)本發(fā)明的技術(shù)實(shí)質(zhì)對以上實(shí)施例所作的任何細(xì)微修改、等同變化與修飾，均仍屬于本發(fā)明技術(shù)方案的范圍內(nèi)。