[发明专利]数据分析方法、装置及电子设备

说明书

本发明提供了一种数据分析方法、装置及电子设备，本发明中，在接收到数据异常分析指令的情况下，获取逻辑树，然后基于逻辑树，确定出数据异常波动的目标指标，然后基于所述目标子指标与所述目标指标的逻辑连接关系，逐层对所述目标子指标的指标数据进行影响程度分析，以确定出使所述目标指标的数据异常波动的目标子指标，从而得到数据异常波动的根本原因，即本发明能够基于指标的逻辑关系分析得到数据异常波动的原因，相比与人工分析的方式，能够提高准确度和效率，进而提高基于数据发生异常变化的原因确定的后续数据处理规则的准确性。

技术领域

本发明涉及归因分析领域，更具体的说，涉及一种数据分析方法、装置及电子设备。

背景技术

随着数字化程度的不断提高，数据已经成为企业经营决策中的重要依据。在实际应用中，企业采集的数据可能是不断变化的，在数据发生异常变化时，为了提高数据的安全性，需要分析数据发生异常变化的原因。

目前，人工根据经验对发生异常变化的数据进行分析，得到数据发生异常变化的原因，但是这种人工分析原因的方式，准确度较低且效率较低，进而基于数据发生异常变化的原因确定后续数据处理规则的准确性较低。

发明内容

有鉴于此，本发明提供一种数据分析方法、装置及电子设备，以解决人工分析数据发生异常变化的原因的方式，准确度较低且效率较低，进而基于数据发生异常变化的原因确定后续数据处理规则的准确性较低的问题。

为解决上述技术问题，本发明采用了如下技术方案：

一种数据分析方法，包括：

在接收到数据异常分析指令的情况下，获取逻辑树；所述逻辑树为预先构建的，包括按照预先设定的逻辑关系进行逻辑连接的多个指标；

从所述逻辑树中筛选出现数据异常波动的指标，并作为目标指标；

确定出位于所述目标指标的层级后、且与所述目标指标具有逻辑连接关系的指标，并作为目标子指标；

按照所述目标子指标与所述目标指标的逻辑连接关系，逐层对所述目标子指标的指标数据进行影响程度分析，以确定出使所述目标指标的数据异常波动的目标子指标；所述影响程度为所述目标子指标对所述目标指标的数据异常波动的影响程度。

可选地，从所述逻辑树中筛选出现数据异常波动的指标，并作为目标指标，包括：

获取指标分析起点；

从所述逻辑树中筛选出符合所述指标分析起点的待处理指标；

对所述待处理指标对应的指标数据进行异常波动分析，得到异常波动分析结果；

确定出异常波动分析结果满足预设异常波动阈值规则的待处理指标，并作为目标指标。

可选地，确定出位于所述目标指标的层级后、且与所述目标指标具有逻辑连接关系的指标，并作为目标子指标，包括：

获取指标分析层级数；

确定出位于所述目标指标的层级后、与所述目标指标具有逻辑连接关系、且与所述目标指标的层级差满足所述指标分析层级数的指标，并作为目标子指标。

可选地，按照所述目标子指标与所述目标指标的逻辑连接关系，逐层对所述目标子指标的指标数据进行影响程度分析，以确定出使所述目标指标的数据异常波动的目标子指标，包括：

将所述目标子指标中层级数最小的每一目标子指标，作为第一目标子指标集中的第一目标子指标；

基于所述第一目标子指标集中的每个第一目标子指标的指标数据，确定出使所述目标指标的数据波动的第一目标子指标，并将确定出的所述第一目标子指标作为第二目标子指标；