[发明专利]目标指标的异常原因定位方法和装置、电子设备

说明书

本申请提出一种目标指标的异常原因定位方法和装置、电子设备及非瞬时性计算机可读存储介质，所述异常原因定位方法包括响应于目标指标异常，根据预设的维度构建维度组合；计算所述维度组合的贡献度，所述贡献度用于表征所述维度组合引起所述目标指标发生异常的贡献大小；根据所述贡献度定位影响所述目标指标异常的维度组合。根据一些实施例，在对目标指标的异常原因定位时，采用维度拆解、相关指标和相关事件等方向定位目标指标的异常原因，使得对目标指标的异常原因分析更全面，提高了异常原因定位的准确性和可解释性。

技术领域

本申请涉及电子商务领域，具体而言，涉及一种目标指标的异常原因定位方法和装置、电子设备及非瞬时性计算机可读存储介质。

背景技术

在数据驱动的背景下，业务需要解读各项指标来描述、追踪、推动业务。在此期间，指标波动不可避免。寻找波动原因的过程往往是定位问题、及时纠正，并且发现增长点、产生业务洞见的契机。

常见的数据产品对于异动的检测往往采取人为根据经验设定阈值的方法。在不考虑时序数据周期性和趋势性的情况下，设定固定严格的阈值，较容易产生虚假报警的情况。在日常检测场景中，重复的虚假报警和无意义的归因，让人们渐渐对产品失去信心和耐心，功能最终落得无人使用和维护的境地。

在目标指标异常的归因过程中，都会面对“为什么涨s为什么跌？为什么不涨不跌？”等问题。现有技术在准确性和全面性上难以保证，且耗时较长。例如，为了定位异常原因，常见的办法是下钻求相对变化率。但发现原因并尽可能做到面面俱到的过程，不仅工作量大、重复性强，而且正确率方面难保证。而且通过下钻维度看相对变化率来归因的方法是有所偏颇的，主要原因在于其忽视了维度对于总体的占比不同，其重要性不同的现象。尤其在比率型指标上，由于需要同时考虑分子和分母的变化，使得分析变得更加困难。另外，此方法还存在视角局限性大，归因面窄，异常原因难以全面覆盖。

发明内容

本申请旨在一种目标指标的异常原因定位方法和装置、电子设备及非瞬时性计算机可读存储介质，以解决上述至少一种问题。

根据本申请的一方面，提出一种目标指标的异常原因定位方法，包括响应于目标指标异常，根据预设的维度构建维度组合；计算所述维度组合的贡献度，所述贡献度用于表征所述维度组合引起所述目标指标发生异常的贡献大小；根据所述贡献度定位影响所述目标指标异常的维度组合。

根据一些实施例，所述根据预设的维度构建维度组合，包括拆解所述预设的维度，以得到预设的所述维度的子维度；对所述子维度进行组合，以得到所述维度组合，其中，得到的所述维度组合为所述预设的维度的子维度组合。

根据一些实施例，所述拆解所述预设的维度，包括利用绝对值类指标维度拆解方法、比率指标维度拆解方法、子指标乘法拆解方法中的至少一种拆解所述预设的维度。

根据一些实施例，所述根据所述贡献度定位影响所述目标指标异常的维度组合，包括利用决策树模型定位影响所述目标指标异常的维度组合。

根据一些实施例，在根据所述贡献度定位影响所述目标指标异常的维度组合之后，所述异常原因定位方法还包括：计算预设的指标集合中的每个指标与所述目标指标的互相关值，其中，所述指标集合为可能影响所述目标指标异常的指标集合；利用所述互相关值确定所述预设的指标集合中与所述目标指标异常相关的指标。

根据一些实施例，所述计算预设的指标集合中的每个指标与所述目标指标的互相关值，包括利用异常检测模型，分别计算所述预设的指标集合中的每个指标和所述目标指标的时序序列；计算所述预设的指标集合中的每个指标的时序序列和所述目标指标的时序序列的互相关值。

根据一些实施例，在根据所述贡献度定位影响所述目标指标异常的维度组合之后，所述异常原因定位方法还包括计算预设的事件集合中的每个事件与所述目标指标的相关值，其中，所述事件集合为影响所述目标指标异常的事件集合；利用所述相关值确定所述预设的事件集合中与所述目标指标异常相关的事件。