[发明专利]一种基于Python的客户数据监控方法与系统

说明书

本发明提供了一种基于Python的客户数据监控方法与系统，本发明通过采用Python语言，结合pandas模块和pymysql模块完成原始数据表自动筛查过程、目标值统计生成以及目标值预警等功能，对定期提交的Excel物料汇总表进行自动筛查，根据筛查结果对保存在服务器中的数据库进行自动更新修改。由于原始表格数量庞大，同时每种物料涉及的型号繁多，原本人工筛查的方式容易出错，而且重复简单的工作本身是一种人力浪费，通过本方案可快速获取客户端整机故障率、部件故障率以及DOA等数据报表，同时减少人力浪费。

技术领域

本发明涉及故障监控技术领域，特别是一种基于Python的客户数据监控方法与系统。

背景技术

随着服务器业务范围的不断扩大，使用浪潮服务器的客户也越来越多，为更多的客户提供优质的售后保障至关重要，客户的质量数据是目前最直观、最清晰反映售后质量表现的方式。很多时候客户的质量数据指标更是重要的衡量工具，例如对客户的DOA率进行持续监控。针对于这种到货机损的问题可以做专项性的改善，明确问题点，提升客户满意度，对客户的整机故障率、部件故障率进行持续关注，通过关注识别数据异常点，可以对有质量隐患的部件优先风险识别，最大程度上帮客户规避高故障率风险，防止影响客户的相关业务。目前的现状是大多数客户的数据指标使用的是同一种计算逻辑，通过客户售后质量人工计算的方式处理大量的数据源，这种方式耗时耗力，而当前使用浪潮服务器的客户领域涉及较多，负责每个客户售后质量的人力资源有限，处理售后问题的模式往往是一对多，就会出现客户数据监控覆盖不全的情况，有些客户因为每月度进行质量交流，会例行做相关指标的数据监控，而有些未建立定期沟通机制的客户就不会按月度监控，当问题已经体现在故障率上的时候，监控数据异常指标就失去了提前预防的意义，针对客户的一些基础信息如客户设备配置明细、客户机器保有量、客户端触发的疑难客诉记录等目前也是通过人工梳理维护，且各类数据未能以客户为特定维度建立信息一体化，工作量大且较为繁琐。

发明内容

本发明的目的是提供一种基于Python的客户数据监控方法与系统，旨在解决现有技术中服务器故障监控依赖人工、耗时耗力的问题，实现快速获取客户端整机故障率、部件故障率以及DOA等数据报表，同时减少人力浪费。

为达到上述技术目的，本发明提供了一种基于Python的客户数据监控方法，所述方法包括以下操作：

输入基本质量数据信息表，通过pandas模块和pymysql模块将基本质量数据信息表自动汇总和筛查，整理为关系型数据表；

根据不同物料以及不同属性的要求，利用pandas模块针对关系型数据表计算每个属性的目标值，输出目标报表；

根据目标报表自动监控预警数据指标异常。

优选地，所述自动汇总和筛查具体包括：

利用pandas模块将数据表转换成DataFrame数据表，针对不同的物料，按照需求的属性设置不同的关键字表，利用pandas模块对原始数据表进行数据筛查，根据关键字表提取出每种物料的关键属性，通过pymysql模块将获取到的数据整理为关系型数据表，并按照物料类型日期进行保存。

优选地，所述目标值包括整机故障率、部件故障率以及DOA。

优选地，所述目标值的计算采用pandas模块中的loc函数完成。

优选地，所述根据目标报表自动监控预警数据指标异常具体包括：

对单一客户每月的故障率进行比对，有明显升高的月份进行标红预警；

对单一客户每月的部件故障率进行比对，有明显数量异常的部件进行标红预警；

对各客户部件故障率进行比对，识别在市场端表现中部件故障率较高的部件类别；

对出现异常DOA的客户作标红预警。