基于时间维度的同比环比计算方法

技术领域

本发明涉及一种同比环比的计算方法，具体地涉及一种基于时间维度的 同比环比计算方法。

背景技术

同比，是指在相邻时段中的某一相同时间点进行比较，同比发展速度主 要是为了消除季节变动的影响，用以说明本期发展水平与去年同期发展水平 对比而达到的相对发展速度。环比，则相对更简单，就是相邻时间段的对比， 环比分为日环比、周环比、月环比和年环比。环比发展速度是以报告期水平 与其前一期水平对比(相邻期间的比较)，所得到的动态相对数表明现象逐 期的发展变动程度。

目前市面上针对同比环比的计算大都是通过人工手动计算或类似excel 中函数的方式计算得出。对于数据库或文本等大多数数据源而言，并没有现 有的函数或通用的方法可以直接得出同比环比的结果，需要手工计算，但是 手工计算操作繁琐，耗时量大。因此，市场上亟需一种新的基于业务的数据 分析方法。

发明内容

针对上述技术问题，本发明目的是：提供一种基于时间维度的同比环比 计算方法，该计算方法可以通用于数据库或文本等大多数数据源，简单高效、 易用性强。

本发明的技术方案是：

一种基于时间维度的同比环比计算方法，其特征在于，包括如下步骤：

a.从数据源中获取JSON格式的数据集，所述的数据集至少有一个时 间维度；

b.按时间排序数据集，得到时间维度的时间区间；

c.用时间维度的时间区间的最小值最大值计算同比环比对比值的时间 区间，以区间作为查询范围条件，获取对应数据集；

d.处理不符合同比环比计算公式的异常数据；

e.计算各度量的同比环比值，将计算得到的数据返回给用户，同比环 比的计算公式如下：

环比增长率＝(本期数-上期数)/上期数*100％

同比增长率＝(本期数-同期数)/同期数*100％。

优选的，所述步骤d包括，同比环比的时间维度区间不存在或仅包含部 分数据集时，采用值空的方式，即相应的同比环比的值为0。

优选的，同一个时间维度可以粒度化为年、季、月、周、日、时、分、 秒。

优选的，所述步骤e中所有数据集放在内存中计算。

与现有技术相比，本发明的优点是：

1.通用性：数据源可以是任意类型，数据库，文本，开发api等，只 要将需要计算的数据集规范为JSON格式，且数据集中至少有一个时间的维 度，本发明就是通用的方法。

2.易用性：可任意选择哪些度量值需要同比或环比或同环比计算，一 步计算所有已选度量同环比值。

3.时间粒度可选：同一个时间维度可以粒度化为年季月，甚至周时分 秒。

4.高效性：所有数据集都放在内存中计算，因此具有高效快速的计算 能力。

附图说明

下面结合附图及实施例对本发明作进一步描述：

图1为本发明基于时间维度的同比环比计算方法的流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施 方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例 性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结 构和技术的描述，以避免不必要地混淆本发明的概念。

实施例：

如图1所示，本发明公开一种基于时间维度的同比环比的计算方法，包 括以下步骤：

a.获取JSON格式数据集：从数据源获取JSON格式的数据集，并且 至少有一个时间维度，数据源可以是任意类型，数据库、文本、开放api等。

b.按时间排序数据集，得到时间维度的时间区间：可格式化时间维度 的粒度为：年、季、月、周、日、时、分、秒，获取时间维度的最大最小值， 查询同比环比的时间区间的数据集。

c.获取同比环比对比值的时间区间：用时间维度的时间区间的最小值 最大值计算，如：时间区间为[2014-10-11,2015-05-20]，则计算得出同比的 时间区间为[2013-10-11,2014-05-20],环比的时间区间为 [2014-09-11,2015-04-20]。

d.根据同比环比时间区间获取对应数据集：以区间作为查询范围条件， 请求数据库或连接数据源获取需要对比的数据集。

e.处理不符合同比环比计算公式的异常数据：同比环比的时间维度区 间不存在或仅包含部分数据集时，采用值空的方式，即相应的同比环比的值 为0。

f.计算各度量的同比环比值：同比环比的计算公式如下：

环比增长率＝(本期数-上期数)/上期数*100％

同比增长率＝(本期数-同期数)/同期数*100％。

数据返回给用户的是JSON格式，用户基于数据可以做二次分析或者直 接使用其他可视化工具进行展示。

所有数据集都放在内存中计算，具有高效快速的计算能力。

下面结合具体的实例进行说明：

实施环境：win7操作系统、mysql数据库。

数据源：demodb数据库下有一张trade表。

1.表结构如下：

2.trade表记录如下：

获取同比环比步骤：

1.将gmt_create设为时间维度，trade_fee设为度量

2.按时间排序表记录，排序后如下：

3.格式化时间维度为月，度量作SUM聚合，计算得出同比时间区间 为[2011-08,2014-06],环比时间区间为[2012-07,2015-05],以时间区间请求数 据库，并过滤掉gmt_create＝Null的异常数据，得出数据如下(时间格式化， 聚合后数据)：

(1)同比对比数据，如下表：

(2)环比对比数据，如下表：

4.根据计算公式计算同比环比值，不存在则设为0：

基于计算结果做二次分析或者直接使用其他可视化工具进行展示。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释 本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和 范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保 护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和 边界、或者这种范围和边界的等同形式内的全部变化和修改例。