[发明专利]一种企业指标自动诊断的方法、装置及存储介质

说明书

本发明公开一种企业指标自动诊断的方法，包括：企业指标包括根节点指标，基于根节点指标切分的多个一级维度以及每个一级维度下的多个一级维值；分析根节点指标的一级维度识别出一级异常维度，分析一级异常维度下的一级维值识别出一级异常维值；基于异常一级维值将其余一级维度和一级维值逐级切分为下一层级维度以及每个下一层级维度下的多个下一层级维值；逐级下钻分析下一层级异常维度以及下一层级异常维度下的下一层级异常维值，直至当下一层级维度不存在异常维度，则停止下钻；输出包括逐层下钻分析中的各个异常维度和异常维值的组合的根节点指标的根因路径。本发明实现多维度组合指标根因定位的能力，更贴合企业级指标体系分析的真实场景。

技术领域

本发明涉及数据分析技术领域，具体的涉及一种企业指标自动诊断的方法、装置及存储介质。

背景技术

每个企业(包括传统制造业、互联网企业等)都有自身关注的指标，例如“总销售额(月)”、“总毛利率(月)”、“总活跃用户数(月)”等，这些指标不仅是衡量一个企业发展现状的重要参考，也是企业不断前进的指明灯。

因此，对指标的分析变得十分重要。例如，当企业管理层人员发现本月的总体“销售额”比上个月“销售额”降低了30％时，希望数据分析师对“销售额”这一指标进行原因分析，即“找病根”，最终可能会得到这一结论：导致本月销售额降低的主要原因是“华南地区”来自“某家”供货商的“水产”类目的销量大幅降低。

传统的分析过程依赖手工统计分析，费时费力，或是简单的计算机统计分析，自动化程度较低，无法真正定位根因。

因此，现有企业通常拥有一套自身的“指标维度体系”，该体系包括两部分内容：

1.根节点指标：通常是企业的顶层观测指标，例如，“总销售额(月)”、“总活跃用户数(月)”等，从宏观层面反应企业的核心价值和发展状况。

2.基于“根节点指标”进行“维度”的切分。例如，对“总销售额(月)”可以按照“地区”这个“维度”进行切分，分别得到北京、上海、深圳等的销售额(即“维值”)；也可以按照“类目”这个“维度”进行切分，分别得到蔬菜、水果、肉类等的销售额(即“维值”)。

将待分析的指标设置为Y(往往是“根节点指标”，例如“销售额”)，Y可以按照维度A1(例如“地区”)划分为[a11,a12...a1n]这n个维值，可以按维度A2(例如“类目”)划分为[a21,b22...b2m]这m个维值。有[A1,A2...Ak]共k个维度。

现在有Y1和Y2两个指标(例如，Y1表示当月的销售额，Y2表示上个月的销售额)，(Y2-Y1)/Y2＝y(即，当月比上个月销售额低了y)，现在要基于[A1,A2...Ak]共k个维度及其维值，进行指标诊断。将Y1下的维度A1的维值表示为[a11,a12...a1n]，将Y2下的维度A1的维值表示为[a11’,a12’...a1n’]，以此类推。

现有技术针对根节点指标的分析通常分为两个步骤：第一，识别异常维度，例如，按“类目”维度划分的销售额异常程度要大于按“地区”维度划分；第二，识别异常维值，例如“类目”维度下“水产”维值的异常程度最高。

由上述企业针对根节点指标的分析过程可以看出现有技术的缺陷主要是：

1.分析结果粒度较粗，缺乏多维度组合能力，往往不是真正的根因。例如，上述方案可以分析出导致销售额降低是由于“地区”维度下“华南地区销售额”这一维值的降低导致的。但是真正的原因可能不止于此，而是“华南地区”的来自“某家”供货商的“水产”类目销售额这个维值降低导致的。

2.现有技术方案在进行异常维度判断时，仅使用异常程度排序类的算法(例如Gini系数)进行异常程度大小的排序，并没有事先进行是否存在异常的判断。例如，虽然[A1,A2...An]这几个维度的异常程度有大有小，但各维度的异常程度都非常低，那么说明通过现有的这几个维度无法找到合适的诊断结果。