基于大數據的指標可視化應用研究

馮志宏 李文俊 李曉彬

(南方電網數字電網研究院有限公司,廣東廣州 510663)

0 引言

指標是企業或者經營活動中形成的一種業務先行指示器。一般情況下,是由名稱和數值所組成。名稱主要是指反映對象的內容和特性,而數值則是名稱價值的體現,因此,指標具有唯一性。近些年,由于我國生產生活的不斷發展,使得相關的指標數量劇增,這也給對指標分析研究相關行業提升了一定的難度。隨著大數據時代的到來,逐漸出現了指標可視化的相關技術和平臺。這在一定程度上也擴大了指標的應用范圍和能力。可以利用可視化技術在具有大量高維度指標的農業、工業、金融業以及商業等領域進行應用,以此為其提供更加強大的基礎性保障。在大數據的發展環境下,指標可視化技術也逐漸成為人們工作生產的工具,尤其是對于復雜問題的解決,指標可視化技術的效果尤為顯著。其實,在現如今的時代背景下企業對于實現智能化制造的需要已經是越來越迫切了,而可視化則不僅在智能化技術中扮演著十分重要的角色,也成為智能制造的關鍵技術。目前,國內針對制造業、工業的指標可視化技術的相關研究相對較少。因此,本文主要對大數據背景下的指標可視化相關應用進行分析研究,在一定程度上,提高指標可視化的直觀性和嚴謹性,提升相關行業的應用價值[1]。

1 指標可視化應用設計

1.1 建立指標可視化的信息集

企業中的相關指標大致包括:產能指標、庫存指標、供應指標以及銷售指標等。首先,將這些指標進行分類,并在企業管理系統中將分類添加進去。利用編譯碼軟件對每一種類型的指標編制相對應的可視化指令,需要注意的是,這些指令都是獨立的,相互之間不存在任何聯系,且每一條都具有特殊的指令編碼,在錄入系統中時,避免發生指令執行混亂的情況出現[2]。將編制好的可視化指令設定在系統的管理控制區域,利用EDI指令轉換模塊將添加的指令變更為符合系統執行的對應程序。程序結構如圖1所示:

圖1 指標可視化指令結構流程圖Fig.1 Flow chart of indicator visualization instruction structure

根據圖1所示,可以了解到EDI指令轉換模塊變更的系統執行程序結構。根據以上結構,將企業管理系統中的MES執行指標數進行修改,使其為即將要建立的信息集建立執行環境。將企業的歷史指標數據導入本區域中,形成一個新的指標庫,利用ERP數據信息處理程序,在新數據庫中建立與各類指標相對應的獨立信息節點,此節點就是指標可視化的信息集。

1.2 構建指標可視化的量化矩陣

在完成指標可視化的信息集建立之后,要在大數據的輔助下,建立可視化的指標量化矩陣。首先,確立不同指標的量化冗余數值,如表1所示:

從表1 中可以得知相關的量化冗余數值。利用層次分析法將可視量化冗余數值與權重作出有效界定,并通過指標的定性和定量,對指標可視化應用模型進行完善,可以得到一組指標可視化的定向數值,將可視化的指標與數值相結合,形成新的冗余指標。然后,進行可視化矩陣的構建。先對矩陣的歸一函數進行計算,如下公式1所示:

表1 指標可視量化冗余數值Tab.1 Visual quantification redundant value of indicators

公式2中:E表示矩陣的指標和數值,x表示最大指標元素頻點,y 表示最小指標元素頻點。在計算出矩陣的指標和數值后,繼續計算指標可視量化數值,計算公式3如下:

公式3中:P表示指標可視量化數值,m表示量化定性值,n表示量化目標距離,k表示慣性指數。通過以上的公式計算,得出指標可視量化數值,最終形成量化矩陣。

1.3 實現大數據的非一致性指標可視化應用

先利用大數據系統編制可視化指標的非一致性應用程序[3],程序結構圖如圖2所示:

通過對圖2的了解,得知非一致性的建立程序,然后利用大數據系統中的大數據庫,將矩陣得出指標可視量化數值添加在搜索框中,進行條件搜索,此時會顯示出符合標準的數據指標,將這些指標保存,并導入程序之中。打開程序的線性處理模塊,將里面的指標屬性更改為非一致性,并對指令進行保存。當企業需要對其應用時,打開系統,會直接形成指標可視化的應用界面,便于用戶實現大數據的非一致性指標可視化應用。

圖2 大數據指標非一致性結構程序圖Fig.2 The program diagram of the non-consistent structure of big data indicators

2 方法測試

2.1 測試準備

首先,建立兩個初始狀態完全相同的指標模型,一個添加傳統的指標測試法,設定為傳統組,另一個模型添加本文設計的指標可視化方法,將其設定為測試組。選擇一家公司,獲取公司銷售部門的相關指標,分別在兩組模型中添加獲取到的指標信息,并模擬相關用戶建立數據指標的使用情境,開始測試[4]。

2.2 測試過程

首先,對本文設計的指標可視方法進行測試。先將對應的銷售部門指標帶入到指標模型之中,再對模型進行迭代數值計算,公式4如下:

公式4中:D表示指標的迭代數值,l表示迭代次數,b表示指標的交互分析距離,v表示模型的啟讓距離,c表示允許出現的誤差距離。通過計算,可以得出指標可視化的迭代數值,利用迭代數值計算指標可視化的交互率,公式5如下:

公式5之中:K并表示指標可視化的交互率,D并表示迭代數值,B并表示迭代的最遠距離,O表示可差距離。在得出結果之后,在同樣的條件下,對傳統方法進行指標測試,獲得另一組測試結果。

2.3 測試結果

通過測試,得出以下結果,將兩組結果進行對比,如圖3所示:

圖3 指標可視化交互率結果對比圖Fig.3 Comparison of the results of indicator visualization interaction rate

由圖3可以得知,傳統組的交互率明顯低于測試組,且它的迭代數值也較低,因此,可以確定測試組的指標可視化方法更好,具有一定的嚴謹性。

3 結語

目前,指標可視化技術伴隨著互聯網大數據迅速發展,并推動著相關行業的不斷創新進步。因此,本文結合行業發展的主要現狀,在智能大數據的時代背景下,對指標可視化技術進行分析研究,發現這項技術不僅具有廣泛的應用性,而且它自身所具有的可視化特征也使得相關行業的發展標準得到了很大程度的提升。除此之外,對比于傳統的指標管理方法,可視化的指標處理流程可以減少相對應的工作時間,在一定程度上,提高了工作效率和質量,使相關領域朝著更加智能化的方向發展。