数据可视化处理方法、装置、计算机设备和存储介质

技术领域

本申请涉及大数据技术领域，特别是涉及一种数据可视化处理方法、装置、计算机设备和存储介质。

背景技术

随着互联网技术的发展，不同的行业领域产生的数据的复杂性也越来越高，对高维数据的分析统计成为各行各业重要的环节。但是，现有技术中大多是通过手动导入数据的方式，进行数据的统计展示。

现有技术中，根据数据的维度信息，手动将数据进行维度分类，该方法只适用于低维数据，在高维大数据的应用场景下，现有技术的数据分析效率低。

发明内容

基于此，有必要针对上述技术问题，提供一种适用于大数据下的数据可视化处理方法、装置、计算机设备和存储介质。

第一方面，提供一种数据可视化处理方法，该方法包括：

获取待处理数据的属性信息；属性信息包括待处理数据的数据维度；

根据待处理数据的属性信息，确定待处理数据的虚拟立方模型；虚拟立方模型包括待处理数据与维度之间的关系；

根据虚拟立方模型和预设的可视化组件，对待处理数据进行可视化展示。

在其中一个实施例中，上述根据待处理数据的属性信息，确定待处理数据的虚拟立方模型，包括：

根据待处理数据的属性信息中的数据维度，对待处理数据进行分类处理，得到分类后的待处理子数据；

对各待处理子数据进行统计分析，得到各待处理子数据对应的虚拟立方模型。

在其中一个实施例中，上述根据虚拟立方模型和预设的可视化组件，对待处理数据进行可视化展示，包括：

根据各虚拟立方模型和预设的可视化组件，生成各待处理子数据对应的数据分析看板，并在所述数据分析看板上显示对应的待处理子数据。

在其中一个实施例中，上述方法还包括：

获取各数据分析看板的看板标识；

根据各看板标识，生成看板菜单；看板菜单中包括各数据分析看板的看板标识。

在其中一个实施例中，上述方法还包括：

接收用户输入的显示指令；显示指令中包括目标看板标识；

获取并展示目标看板标识对应的数据分析看板。

在其中一个实施例中，上述根据虚拟立方模型和预设的可视化组件，对待处理数据进行可视化展示，包括：

根据虚拟立方模型，从预设的组件模型数据库中确定目标可视化组件；组件模型数据库中包括各虚拟立方模型对应的可视化组件；

根据目标可视化组件，对待处理数据进行可视化展示。

在其中一个实施例中，上述方法还包括：

根据业务需求，确定多个可视化组件，并建立各可视化组件与虚拟立方模型之间的对应关系，以构建组件模型数据库。

第二方面，一种数据可视化处理装置，该装置包括：

获取模块，用于获取待处理数据的属性信息；属性信息包括待处理数据的数据维度；

确定模块，用于根据待处理数据的属性信息，确定待处理数据的虚拟立方模型；虚拟立方模型包括待处理数据与维度之间的关系；

展示模块，用于根据虚拟立方模型和预设的可视化组件，对待处理数据进行可视化展示。

第三方面，提供一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现上述第一方面任一所述的数据可视化处理方法。

第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面任一所述的数据可视化处理方法。

上述数据可视化处理方法、装置、计算机设备和存储介质，计算机设备获取待处理数据的属性信息，根据待处理数据的属性信息中的数据维度，确定待处理数据的虚拟立方模型，根据虚拟立方模型中待处理数据与维度之间的关系，和预设的可视化组件，对待处理数据进行可视化展示。在本方法中，通过构建虚拟立方模型，根据待处理数据和数据维度，对待处理数据进行统计分析，实现高维数据的快速处理，可以适用于高维、海量的数据场景中，提高了对高维、海量数据的数据分析效率。

附图说明

图1为一个实施例中数据可视化处理方法的应用环境图；

图2为一个实施例中数据可视化处理方法的流程示意图；

图3为一个实施例中数据可视化处理方法的流程示意图；

图4为一个实施例中数据可视化处理方法的流程示意图；

图5为一个实施例中数据可视化处理方法的流程示意图；

图6为一个实施例中数据可视化处理方法的流程示意图；

图7为一个实施例中数据可视化处理方法的流程示意图；

图8为一个实施例中数据可视化处理装置的结构框图；

图9为一个实施例中数据可视化处理装置的结构框图；

图10为一个实施例中数据可视化处理装置的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的数据可视化处理方法，可以应用于如图1所示的应用环境中。在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部处理器为GPU处理器，其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种数据可视化处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。需要说明的是，本申请图2-图7实施例提供的数据可视化处理方法，其执行主体为计算机设备，也可以是数据可视化处理装置，该数据可视化处理装置可以通过软件、硬件或者软硬件结合的方式成为计算机设备的部分或全部。下述方法实施例中，均以执行主体是计算机设备为例来进行说明。

在一个实施例中，如图2所示，提供了一种数据可视化处理方法，涉及的是计算机设备获取待处理数据的属性信息，根据待处理数据的属性信息，确定待处理数据的虚拟立方模型，根据虚拟立方模型和预设的可视化组件，对待处理数据进行可视化展示的过程，包括以下步骤：

S201、获取待处理数据的属性信息；属性信息包括待处理数据的数据维度。

其中，属性信息包括待处理数据的数据维度、数据指标等信息，其中，数据指标属于数据维度，即一个数据维度包括多个数据指标。

在本实施例中，计算机设备获取待处理数据的属性信息，即从待处理数据中提取数据维度特征，可选地，计算机设备可以通过神经网络算法，提取待处理数据中的数据维度特征，也可以通过根据用户输入的指定的数据维度，获取待处理数据的数据维度。可选地，计算机设备可以根据待处理数据的数据维度和数据指标，对待处理数据进行归类分析，得到归类分析之后的待处理数据，本实施例对此不做限定。

S202、根据待处理数据的属性信息，确定待处理数据的虚拟立方模型；虚拟立方模型包括待处理数据与维度之间的关系。

其中，虚拟立方模型即基于多维数组的存储模型，需要对数据进行预处理才能形成多维结构。基于虚拟立方模型，对待处理数据的属性信息进行联机分析处理(On-lineAnalytical Processing，OLAP)，OLAP的多维分析操作包括：钻取(Drill-down)、上卷(Roll-up)、切片(Slice)、切块(Dice)以及旋转(Pivot)。其中，钻取(Drill-down)是在维度的不同层次间的变化，从上层降到下一层，或者说是将汇总数据拆分到更细节的数据，示例地，通过对2019年第一季度的客户诉求工单数据进行钻取来查看2019年第一季度1、2、3每个月的消费数据；上卷(Roll-up)指的是钻取的逆操作，即从细粒度数据向高层的聚合，如将2019年第一季度1、2、3每个月的消费数据进行汇总来查看第一季度的客户诉求工单数据；切片(Slice)是指选择维度中特定的值进行分析，比如只选择投诉的工单数据，或者2019年第一季度的数据；切块(Dice)是选择维度中特定区间的数据或者某批特定值进行分析，比如选择2019年第一季度到2019年第二季度的数据，或者是投诉和业务办理的销售数据；旋转(Pivot)是维度的位置的互换，就像是二维表的行列转换，如图中通过旋转实现产品维和地域维的互换。计算机设备在确定待处理数据的属性信息之后，采用基于OLAP数据立方(Data Cube)建模方式，确定待处理数据的虚拟立方模型，从而得到待处理数据与数据维度之间的关系，本实施例对此不做限定。

S203、根据虚拟立方模型和预设的可视化组件，对待处理数据进行可视化展示。

其中，可视化组件包括以图、表形式存在的可以在显示区域显示的组件。

在本实施例中，计算机设备可以根据虚拟立方模型和预设的图表组件，生成待处理数据对应的数据分析看板，以数据分析看板的形式，在显示界面显示该数据分析看板，以展示对待处理数据的分析结果。或者，计算机设备将虚拟立方模型中的待处理数据输入至预设的可视化组件之后，直接在显示界面显示数据填充之后的可视化组件，本实施例对此不做限定。

上述数据可视化处理方法中，计算机设备获取待处理数据的属性信息，根据待处理数据的属性信息中的数据维度，确定待处理数据的虚拟立方模型，根据虚拟立方模型中待处理数据与维度之间的关系，和预设的可视化组件，对待处理数据进行可视化展示。在本方法中，通过构建虚拟立方模型，根据待处理数据和数据维度，对待处理数据进行统计分析，实现高维数据的快速处理，可以适用于高维、海量的数据场景中，提高了对高维、海量数据的数据分析效率。

计算机设备根据待处理数据的属性信息确定其对应的虚拟立方模型时，在其中一个实施例中，如图3所示，上述根据待处理数据的属性信息，确定待处理数据的虚拟立方模型，包括：

S301、根据待处理数据的属性信息中的数据维度，对待处理数据进行分类处理，得到分类后的待处理子数据。

其中，待处理数据包括多个数据维度。

在本实施例中，计算机设备可以不同的数据维度，对待处理数据进行维度的分类处理，其分类算法可以为自动聚类算法，也可以是基于预设的神经网络实现待处理数据的分类处理，得到根据数据维度分类之后的待处理子数据，本实施例对此不做限定。

S302、对各待处理子数据进行统计分析，得到各待处理子数据对应的虚拟立方模型。

在本实施例中，计算机设备根据归类之后的待处理子数据，对待处理子数据进行统计分析，即根据待处理子数据和数据维度之间的对应关系，确定待处理子数据对应的虚拟立方模型，本实施例对此不做限定。

在本实施例中，计算机设备根据待处理数据的数据维度进行分类统计处理，并基于分类后的待处理子数据与数据维度的关系，确定待处理子数据对应的虚拟立方模型，该过程有效、方便地确定了待处理子数据对应的虚拟立方模型，便于后续基于虚拟立方模型进行可视化展示。

在一种场景下，计算机设备在对待处理数据进行可视化展示时，在其中一个实施例中，上述根据虚拟立方模型和预设的可视化组件，对待处理数据进行可视化展示，包括：

根据各虚拟立方模型和预设的可视化组件，生成各待处理子数据对应的数据分析看板，并在所述数据分析看板上显示对应的待处理子数据。

在本实施例中，计算机设备根据虚拟立方模型中的待处理数据，将待处理数据输入至预设的可视化组件中，得到待处理数据对应的可视化组件，根据各可视化组件在显示区域形成待处理数据对应的数据分析看板，实现对待处理数据的可视化显示，本实施例对此不做限定。

进一步地，计算机设备若生成多个数据分析看板，在其中一个实施例中，如图4所示，上述方法还包括：

S401、获取各数据分析看板的看板标识。

其中，看板标识可以当前看板的ID或者当前看板的地址。

在本实施例中，计算机设备在生成多个数据分析看板之后，确定并获取各个数据分析看板的看板标识，本实施例对此不做限定。

S402、根据各看板标识，生成看板菜单；看板菜单中包括各数据分析看板的看板标识。

在本实施例中，计算机设备可以将各待处理数据的数据分析看板存储于同一个数据库中，在显示界面构建菜单信息，菜单信息中包括了与各个数据分析看板对应的看板标识，实现了对多个数据分析看吧你的集成处理，本实施例对此不做限定。

在本实施例中，根据各看板标识可以调取展示对应的数据分析看板，实现多分析主题的数据分析看板的多维展示，将不同子场景的待处理数据的数据分析看板进行集成处理，实现了不同子场景下的待处理数据的联动分析，优化了用户体验。

进一步地，在其中一个实施例中，如图5所示，上述方法还包括：

S501、接收用户输入的显示指令；显示指令中包括目标看板标识。

在本实施例中，计算机设备还可以接收用户输入的显示指令，该显示指令是指用于显示某一个或某几个数据分析看板的指令，因此，该指令中包括数据分析看板的看板标识，本实施例对此不做限定。

S502、获取并展示目标看板标识对应的数据分析看板。

在本实施例中，计算机设备根据看板标识获取对应的数据分析看板进行展示，可选地，在显示区域中，可以显示一个或多个数据分析看板，本实施例对此不做限定。

在本实施例中，计算机设备可以根据显示指令中的看板标识调取展示对应的数据分析看板，实现多分析主题的数据分析看板的多维联动展示，优化了用户体验。

在另一种场景下，计算机设备还需要确定虚拟立方模型对应的可视化组件，从而实现待处理数据的可视化处理。在其中一个实施例中，如图6所示，上述根据虚拟立方模型和预设的可视化组件，对待处理数据进行可视化展示，包括：

S601、根据虚拟立方模型，从预设的组件模型数据库中确定目标可视化组件；组件模型数据库中包括各虚拟立方模型对应的可视化组件。

在本实施例中，组件模型数据库中包括虚拟立方模型与各可视化组件的对应关系，计算机设备根据虚拟立方模型，从组件模型数据库中确定与虚拟立方模型对应的目标可视化组件，例如，确定目标可视化组件为折线图组件，本实施例对此不做限定。

S602、根据目标可视化组件，对待处理数据进行可视化展示。

在本实施例中，计算机设备在确定目标可视化组件之后，根据虚拟立方模型中的待处理数据，将待处理数据输入至目标可视化组件中，在显示区域显示该待处理数据对应的目标可视化组件，本实施例对此不做限定。

在本实施例中，计算机设备通过确定虚拟立方模型对应的目标可视化组件，从而根据目标可视化组件和待处理数据，有效地实现待处理数据的可视化展示。

可选地，在其中一个实施例中，上述方法还包括：

根据业务需求，确定多个可视化组件，并建立各可视化组件与虚拟立方模型之间的对应关系，以构建组件模型数据库。

在本实施例中，计算机设备根据业务需求，预先构建所需要的组件模型数据库。示例地，组件模型包括图表组件，例如，排名气泡图组件、数据表格组件、折线图组件、柱状图组件、饼图组件、玫瑰图组件、雷达图组件、环状饼图组件、词云图组件、象牙图组件、散点图组件、桑基图组件、矩形树图组件、日历热力图组件、排名柱状图组件、箱线图组件、KPI图组件、漏斗图组件、热点地图组件、聚合热力地图组件。计算机设备通过专家经验或深度学习算法，确定每一类型的图标组件所适用于虚拟立方模型的类型，构建虚拟立方模型与图标组件之间的对应关系，本实施例对此不做限定。

在本实施例中，计算机设备预先建立组件模型数据库，可以快速的确定虚拟立方模型对应的可视化组件，实现高维数据的有效可视化处理。

为了更好的说明上述方法，如图7所示，本实施例提供一种数据可视化处理方法，具体包括：

S101、获取待处理数据的属性信息；

S102、根据待处理数据的属性信息中的数据维度，对待处理数据进行分类处理，得到分类后的待处理子数据；

S103、对各待处理子数据进行统计分析，得到各待处理子数据对应的虚拟立方模型；

S104、根据虚拟立方模型，从预设的组件模型数据库中确定目标可视化组件；

S105、根据各虚拟立方模型和目标可视化组件，生成各待处理子数据对应的数据分析看板；

S106、获取各数据分析看板的看板标识；

S107、根据各看板标识，生成看板菜单；

S108、接收用户输入的显示指令；

S109、根据显示指令中的目标看板标识，获取并展示目标看板标识对应的数据分析看板。

在本实施例中，通过构建虚拟立方模型，根据待处理数据和数据维度，对待处理数据进行统计分析，实现高维数据的快速处理，可以适用于高维、海量的数据场景中，提高了对高维、海量数据的数据分析效率。

上述实施例提供的数据可视化处理方法，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。

应该理解的是，虽然图2-7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-7中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图8所示，提供了一种数据可视化处理装置，包括：获取模块01、确定模块02和展示模块03，其中：

获取模块01，用于获取待处理数据的属性信息；属性信息包括待处理数据的数据维度；

确定模块02，用于根据待处理数据的属性信息，确定待处理数据的虚拟立方模型；虚拟立方模型包括待处理数据与维度之间的关系；

展示模块03，用于根据虚拟立方模型和预设的可视化组件，对待处理数据进行可视化展示。

在其中一个实施例中，上述确定模块02，用于根据待处理数据的属性信息中的数据维度，对待处理数据进行分类处理，得到分类后的待处理子数据；对各待处理子数据进行统计分析，得到各待处理子数据对应的虚拟立方模型。

在其中一个实施例中，上述展示模块03，用于根据各虚拟立方模型和预设的可视化组件，生成各待处理子数据对应的数据分析看板，并在所述数据分析看板上显示对应的待处理子数据。

在其中一个实施例中，如图9所示，上述装置还包括集成模块04，用于获取各数据分析看板的看板标识；根据各看板标识，对多个数据分析看板进行集成处理，生成看板菜单；看板菜单中包括各数据分析看板的看板标识。

在其中一个实施例中，上述获取模块，还用于接收用户输入的显示指令；显示指令中包括目标看板标识；获取并展示目标看板标识对应的数据分析看板。

在其中一个实施例中，上述展示模块03，用于根据虚拟立方模型，从预设的组件模型数据库中确定目标可视化组件；组件模型数据库中包括各虚拟立方模型对应的可视化组件；根据目标可视化组件，对待处理数据进行可视化展示。

在其中一个实施例中，如图10所示，上述装置还包括构建模块05，用于根据业务需求，确定多个可视化组件，并建立各可视化组件与虚拟立方模型之间的对应关系，以构建组件模型数据库。

关于数据可视化处理装置的具体限定可以参见上文中对于数据可视化处理方法的限定，在此不再赘述。上述数据可视化处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取待处理数据的属性信息；属性信息包括待处理数据的数据维度；

根据待处理数据的属性信息，确定待处理数据的虚拟立方模型；虚拟立方模型包括待处理数据与维度之间的关系；

根据虚拟立方模型和预设的可视化组件，对待处理数据进行可视化展示。

上述实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取待处理数据的属性信息；属性信息包括待处理数据的数据维度；

根据待处理数据的属性信息，确定待处理数据的虚拟立方模型；虚拟立方模型包括待处理数据与维度之间的关系；

根据虚拟立方模型和预设的可视化组件，对待处理数据进行可视化展示。

上述实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。