[发明专利]可视化数据认知方法

说明书

技术领域

本发明涉及数据统计，特别涉及一种可视化数据认知方法。

背景技术

在现有的技术中，技术架构：系统和数据间的割裂导致无法真正全面的进行数据融合和挖掘。

分析方法：传统的BI分析方案都是从数据出发，试图从数据中挖掘有价值的结论。但是在大数据时代，这种方式受到了很大的挑战。因为通过数据，人类从来没有如此客观地认知我们每天生活的世界，一些精细的、微妙的、隐性的、曾经难以捕捉的关系和知识，现在都可以捕捉到，快速上升为显性的认知。但是另一方便，数据越多，分歧也可能越多，因为每一个不同的观点，都能找到相应的数据来支持，一定程度上，比没有数据还糟糕。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种数据融合，可视化的可视化数据认知方法。

本发明提供的一种可视化数据认知方法，具有这样的特征，包括以下步骤：

步骤A，在明确了业务模型，并且根据业务模型梳理出数据模型之后，通过管理工具定义和生成配置文件，包括数据获取单元的逻辑和数据整合单元的逻辑两部分；

步骤B，主控单元根据配置文件按需创建不同的数据获取线程以及数据整合线程，数据获取线程和数据整合线程根据配置文件中的描述具体执行，数据获取线程通过与封装模块的交互获得数据写入内存数据库，若发生数据无法获取的异常，需要记录下来；数据整合线程从内存数据库里读取数据并按照数据整合逻辑计算后得到结果返回内存数据库；

步骤C，封装模块从各业务模型获得所需数据；

步骤D，自动导出模块负责将内存数据库中的数据定期高频地导出到数据库管理系统，做数据备份和恢复之用；以及

步骤E，数据接口模块根据上层可视化组件的周期性请求，组织数据返回。

本发明提供的一种可视化数据认知方法，还具有这样的特征：其中，步骤E，具有以下步骤：

步骤E1，将预定义好的数据集批量抽取到文件存储数据库；

步骤E2，搭建基于YARN的Spark平台；

步骤E3，根据两个具体的数据挖掘需求，利用MLlib机器学习库设计实现分布式框架下的流程和算法；以及

步骤E4，确定开源数据可视化分析工具，以实现在自主选择不同数据维度后，动态生成数据对比图。

本发明提供的一种可视化数据认知方法，还具有这样的特征：其中，业务模型为O2O、MES、ERP、HR。

本发明提供的一种可视化数据认知方法，还具有这样的特征：其中，封装单元的数量为四个。

发明作用和效果

根据本发明所涉及一种可视化数据认知方法，数据融合：不同来源/不同纬度/不同格式的数据融合，为决策目标的重构提供数据支撑；面向认知决策的分析方法和流程：从用户的决策目标入手进行多维度的解构，对应到最小的数据颗粒，然后根据业务场景进行重构；可视化表达：只有在特定的场景中，数据才是有意义的，而将数据和信息进行可视化处理，是让数据产生持久效应的最佳模式，将可视化技术用于认知决策、产品创新及精准化营销等领域，将技术与艺术相结合，跨越数据到行动的最后1公里。

附图说明

图1是本发明在实施例中的可视化数据认知方法的流程图；以及。

图2是本发明在实施例中的步骤E法的流程图。

具体实施方式

以下参照附图实及施例对本发明所涉及的可视化数据认知方法作详细的描述。

实施例

图1是本发明在实施例中的可视化数据认知方法的结构框图。

如图1所示，可视化数据认知方法具有以下步骤：

步骤A：在明确了业务模型，并且根据业务模型梳理出数据模型之后，通过管理工具定义和生成配置文件，包括数据获取单元的逻辑和数据整合单元的逻辑两部分，进入步骤B。业务模型为O2O、MES、ERP、HR等。

步骤B：主控单元根据配置文件按需创建不同的数据获取线程以及数据整合线程，数据获取线程和数据整合线程根据配置文件中的描述具体执行，数据获取线程通过与封装模块的交互获得数据写入内存数据库，若发生数据无法获取的异常，需要记录下来；数据整合线程从内存数据库里读取数据并按照数据整合逻辑计算后得到结果返回内存数据库，进入步骤C。

步骤C：封装模块从各业务模型获得所需数据，进入步骤D。封装单元的数量为四个。

步骤D：自动导出模块负责将内存数据库中的数据定期高频地导出到数据库管理系统，做数据备份和恢复之用，进入步骤E。