一种数据分析的方法和装置技术领域
本发明涉及数据处理技术领域，特别是涉及一种数据分析的方法和装置。
背景技术
随着信息技术的发展，人们能够查询到越来越丰富的数据信息。因此，在面对大量
数据时，用户越来越需要分析、挖掘出大量数据反映的规律等结果。为了满足用户的数据挖
掘需求，目前出现了许多数据分析软件。这些数据分析软件提供了用于数据挖掘的数学模
型算法。发明人经过研究发现，在使用现有的数据分析软件时，用户需要输入数学模型的输
入变量，而数据分析软件反馈给用户的是数学模型的输出变量。这就要求，用户必须在深刻
理解数学模型的基础上，在大量原始数据的基础上确定出数学模型的输入变量以及对数学
模型的输出变量进行解读，从而得到数据挖掘结果。但是，对于不理解数学模型的用户来
说，由于用户本身无法确定数学模型的输入变量也无法解读数学模型的输入变量，因此就
无法使用现有的数据分析软件得到数据挖掘结果。
发明内容
本发明所要解决的技术问题是，提供一种数据分析的方法和装置，以使得用户在
不理解数据模型的情况下也能够得到数据挖掘结果。
为解决上述技术问题，本发明提供了一种数据分析的方法，该方法包括：
为解决上述技术问题，本发明提供了一种数据分析的方法，该方法包括：
响应于数据分析的请求操作，生成所述请求操作对应的数据分析指令；
获取对应于所述数据分析指令的初始数据；
根据所述数据分析指令对应的转换方式，将所述初始数据转换成模型输入数据，
其中，所述模型输入数据的格式符合所述数据分析指令对应的数学模型的输入变量的格
式；
调用所述数据分析指令对应的数学模型算法对所述模型输入数据进行运算，得到
模型输出数据；
根据所述数据分析指令对应的分析方式，从所述模型输出数据中分析出所述数据
分析指令对应的数据挖掘结果；
反馈所述数据挖掘结果；
其中，所述转换方式和所述分析方式是预先设置的。
可选的，所述转换方式包括数据拼接处理、数据类型转化处理、数据统计计算处理
和/或数据格式转换处理。
可选的，所述调用所述数据分析指令对应的数学模型算法对所述模型输入数据进
行运算，得到模型输出数据，包括：
调用所述数据分析指令对应的数学模型算法，将所述模型输入数据输入到所述数
学模型算法中；
接收所述数学模型算法输出的数据作为所述模型输出数据。
可选的，所述数学模型算法具体为R语言提供的算法。
可选的，所述响应于数据分析的请求操作，生成所述请求操作对应的数据分析指
令，包括：
响应于数据分析的请求操作，展示可选的请求类别，所述请求类别用于表示需要
请求的数据挖掘结果；
响应于在可选的请求类别中选定目标请求类别的操作，基于所述目标请求类别生
成所述数据分析指令。
可选的，所述获取对应于所述数据分析指令的初始数据，包括：
生成所述数据分析指令对应的数据查询请求并向数据库发送；
接收所述数据库返回的所述数据查询请求对应的数据，作为所述初始数据。
可选的，还包括：
将请求信息与所述数据挖掘结果对应保存，所述请求信息用于标识所述请求操
作。
可选的，所述将请求信息与所述数据挖掘结果对应保存，具体为：将请求信息与所
述数据挖掘结果对应地发送到所述数据库，以便所述数据库对应地存储所述请求信息与所
述数据挖掘结果。
可选的，所述反馈所述数据挖掘结果，包括：
根据所述数据分析指令，确定用于展示所述数据挖掘结果的图形类型；
按照所述图像类型，将所述数据挖掘结果生成图像并展示。
此外，本发明还提供了一种数据分析的装置，包括：
生成单元，用于响应于数据分析的请求操作，生成所述请求操作对应的数据分析
指令；
获取单元，用于获取对应于所述数据分析指令的初始数据；
转换单元，用于根据所述数据分析指令对应的转换方式，将所述初始数据转换成
模型输入数据，其中，所述模型输入数据的格式符合所述数据分析指令对应的数学模型的
输入变量的格式；
运算单元，用于调用所述数据分析指令对应的数学模型算法对所述模型输入数据
进行运算，得到模型输出数据；
分析单元，用于根据所述数据分析指令对应的分析方式，从所述模型输出数据中
筛选出所述数据分析指令对应的数据挖掘结果；
反馈单元，用于反馈所述数据挖掘结果；
其中，所述转换方式和所述分析方式是预先设置的。
可选的，所述转换方式包括数据拼接处理、数据类型转化处理、数据统计计算处理
和/或数据格式转换处理。
可选的，所述运算单元包括：
输入单元，用于调用所述数据分析指令对应的数学模型算法，将所述模型输入数
据输入到所述数学模型算法中；
接收单元，用于接收所述数学模型算法输出的数据作为所述模型输出数据。
可选的，所述数学模型算法具体为R语言提供的算法。
可选的，所述生成单元包括：
展示子单元，用于响应于数据分析的请求操作，展示可选的请求类别，所述请求类
别用于表示需要请求的数据挖掘结果；
生成子单元，用于响应于在可选的请求类别中选定目标请求类别的操作，基于所
述目标请求类别生成所述数据分析指令。
可选的，所述获取单元包括：
发送子单元，用于生成所述数据分析指令对应的数据查询请求并向数据库发送；
接收子单元，用于接收所述数据库返回的所述数据查询请求对应的数据，作为所
述初始数据。
可选的，所述装置还包括：
保存单元，用于将请求信息与所述数据挖掘结果对应保存，所述请求信息用于标
识所述请求操作。
可选的，所述保存单元，具体用于：将请求信息与所述数据挖掘结果对应地发送到
所述数据库，以便所述数据库对应地存储所述请求信息与所述数据挖掘结果。
可选的，所述反馈单元包括：
确定子单元，用于根据所述数据分析指令，确定用于展示所述数据挖掘结果的图
形类型；
图像子单元，用于按照所述图像类型，将所述数据挖掘结果生成图像并展示。
与现有技术相比，本发明具有以下优点：
在本发明实施例中，可以预先为数据挖掘结果的请求设置相应的转换方式和分析
方式，在用户触发数据分析的请求操作之后，可以根据请求操作对应的数据分析指令确定
预先设置的相应转换方式相应分析方式，这样，可以根据确定的转换方式将数据分析指令
对应的初始数据转换成可作为数学模型输入变量的模型输入数据，也可以根据确定分析方
式从作为数学模型输出变量的模型输出数据中分析出数据分析指令对应的数据挖掘结果
并反馈给用户。可见，用户本身无需在原始数据的基础上确定数学模型的输入变量也无需
对数学模型的输出变量进行解读，也可以得到数据挖掘结果。因此，即使用户不理解数学模
型，也能够得到数据挖掘结果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本
申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，
还可以根据这些附图获得其他的附图。
图1为本发明实施例中一个示例性应用场景的框架示意图；
图2为本发明实施例中一种数据分析的方法的流程示意图；
图3为本发明实施例中一种数据分析的装置的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的
附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本
申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在
没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
发明人经过研究发现，现有的数据分析软件例如有SPSS软件。在使用SPSS时，用户
需要在深刻理解数学模型的的基础上，将大量的原始数据转化成符合数学模型的输入变
量，并且，在SPSS软件运算得到并反馈给用户的是数据模型的输出变量，用户需要在深刻理
解数学模型的的基础上对输出变量进行解读分析，才能获得数据挖掘结果。但是，不是所有
具有数据挖掘需求的用户都能深刻理解数学模型，针对不能理解数学模型的用户，用户本
身难以将大量的原始数据转化成符合数学模型的输入变量，也难以解读分析数学模型的输
出变量，因此，用户往往难以使用现有的数据分析软件得到数据挖掘结果。
基于此，在本发明实施例中，可以预先为数据挖掘结果的请求设置相应的转换方
式和分析方式，在用户触发数据分析的请求操作之后，可以根据请求操作对应的数据分析
指令确定预先设置的相应转换方式相应分析方式，这样，可以根据确定的转换方式将数据
分析指令对应的初始数据转换成可作为数学模型输入变量的模型输入数据，也可以根据确
定分析方式从作为数学模型输出变量的模型输出数据中分析出数据分析指令对应的数据
挖掘结果并反馈给用户。可见，用户本身无需在原始数据的基础上确定数学模型的输入变
量也无需对数学模型的输出变量进行解读，也可以得到数据挖掘结果。因此，即使用户不理
解数学模型，也能够得到数据挖掘结果。
举例来说，本发明实施例的场景之一，可以是应用到如图1所示的场景。在该场景
中，服务器101与客户端102可以交互信息。用户可以通过客户端102向服务器101发起数据
分析的请求操作。服务器101响应于所述请求操作，可以生成所述请求操作对应的数据分析
指令并获取对应于所述数据分析指令的初始数据。根据所述数据分析指令对应的转换方
式，服务器101可以将所述初始数据转换成模型输入数据，其中，所述模型输入数据的格式
符合所述数据分析指令对应的数学模型的输入变量的格式。然后，服务器101可以调用所述
数据分析指令对应的数学模型算法对所述模型输入数据进行运算，从而得到模型输出数
据。服务器101可以根据所述数据分析指令对应的分析方式，从所述模型输出数据中分析出
所述数据分析指令对应的数据挖掘结果并向客户端102反馈所述数据挖掘结果，以便客户
端102向用户展示所述数据挖掘结果。其中，所述转换方式和所述分析方式是预先设置的。
可以理解的是，在上述应用场景中，虽然将本发明实施方式的动作描述为由服务
器101执行，但是这些动作也可以部分由客户端102执行、部分由服务器101执行，或者完全
由客户器102执行。本发明实施方式在执行主体方面不受限制，只要执行了本发明实施方式
所公开的动作即可。
可以理解的是，上述场景仅是本发明实施例提供的一个场景示例，本发明实施例
并不限于此场景。
下面结合附图，通过实施例来详细说明本发明实施例中数据分析的方法和装置的
具体实现方式。
示例性方法
参见图2，示出了本发明实施例中一种数据分析的方法的流程示意图。在本实施例
中，所述方法例如可以包括以下步骤：
步骤201：响应于数据分析的请求操作，生成所述请求操作对应的数据分析指令。
步骤202：获取对应于所述数据分析指令的初始数据。
步骤203：根据所述数据分析指令对应的转换方式，将所述初始数据转换成模型输
入数据，其中，所述模型输入数据的格式符合所述数据分析指令对应的数学模型的输入变
量的格式。
步骤204：调用所述数据分析指令对应的数学模型算法对所述模型输入数据进行
运算，得到模型输出数据。
步骤205：根据所述数据分析指令对应的分析方式，从所述模型输出数据中分析出
所述数据分析指令对应的数据挖掘结果。
步骤206：反馈所述数据挖掘结果。
其中，所述转换方式和所述分析方式是预先设置的。
具体实现时，在服务器中可以预先设置有各种数据分析指令对应的转换方式和分
析方式。用户在需要做数据挖掘时，可以在客户端上执行数据分析的请求操作。客户端可以
将请求操作的相关信息发送给服务器，以便服务器能够响应该请求操作。，服务器在响应到
该请求操作时，可以生成相应的数据分析指令。然后，服务器可以利用预先为该数据分析指
令预先设置的的转换方式，将所述初始数据转换成符合数学模型输入变量格式的模型输入
数据，以使得模型输入模型可以输入到所述数据分析指令对应的数学模型算法进行运算。
再后，对于数学模型算法输出的模型输出数据，服务器可以利用为所述数据分析指令预先
设置的分析方式，从所述模型输出数据中分析出所述数据分析指令对应的数据挖掘结果。
服务器将该数据挖掘结果进行反馈，用户就可以得到需求的数据挖掘结果。
可以理解的是，为了方便用户输入请求操作来触发数据分析过程，服务器可以向
用户提供多种请求类别，用户可以通过从服务器提供的多种请求类别中选择出目标类别的
方式触发请求操作，以使得服务器响应于该请求操作生成目标类别的数据分析指令。具体
地，在本实施例的一些实施方式中，步骤201例如可以包括：响应于数据分析的请求操作，展
示可选的请求类别，所述请求类别用于表示需要请求的数据挖掘结果；响应于在可选的请
求类别中选定目标请求类别的操作，基于所述目标请求类别生成所述数据分析指令。
例如，所述请求类别可以是查询条件，服务器可以设置包含查询条件的菜单来展
示可选的请求类别，这样用户可以通过下拉菜单的方式，在可选的查询条件中选定某个查
询条件作为目标查询条件，服务器基于所述目标查询条件生成所述数据分析指令。
可以理解的是，为了使得用户无需手动输入初始数据以简化用户的操作，节约时
间成本，提高了数据分析的效率。数据分析过程需要的初始数据存储在数据库中，服务器可
以根据所述数据分析指令查询数据库，来获取对应的初始数据。具体地，在本实施例的一些
实施方式中，步骤202例如可以包括：生成所述数据分析指令对应的数据查询请求并向数据
库发送；接收所述数据库返回的所述数据查询请求对应的数据，作为所述初始数据。当然，
获取初始数据的方式也可以是用户自己手动输入。
可以理解的是，在数据分析过程中，获取的初始数据并非数据模型算法需要的输
入数据，也即，初始数据需要经过转换处理才能形成数学模型需要的输入数据。在本实施例
中，多种转换方式可以用于将所述初始数据转换成模型输入数据。
例如，在一些实施方式中，所述转换方式可以包括数据拼接处理。其中，数据拼接
处理是指将空间相邻的数据拼接成一个完整的目标数据。
又如，在一些实施方式中，所述转换方式可以包括数据类型转化处理。其中，数据
类型转化处理是指将初始数据的类型转化成模型所需的输入数据类型。
再如，在一些实施方式中，所述转换方式可以包括数据统计计算处理。其中，数据
统计计算处理是指对初始数据以统计学的方式进行计算。
又再如，在一些实施方式中，所述转换方式可以包括数据格式转换处理。其中，数
据格式转换处理是指将初始数据的格式转换成模型所需的输入数据格式。具体地，服务器
可以将初始数据的格式转换成R语言所需的格式。
需要说明的是，上述的数据拼接处理、数据类型转化处理、数据统计计算处理、数
据格式转换处理可以对应所述数据分析指令组合形成所述转换方式。例如，与所述数据分
析指令对应的转换方式，可以是数据拼接处理、数据类型转化处理、数据统计计算处理、数
据格式转换处理中的任意一个。又如，与所述数据分析指令对应的转换方式可以是数据拼
接处理、数据类型转化处理、数据统计计算处理、数据格式转换处理这四个处理方式中的任
意两个、任意三个或四个的组合。
可以理解的是，在步骤204中，服务器通过调用为所述数据分析指令预先设置的数
学模型算法进行运算。具体地，在本实施例的一些实施方式中，步骤204可以包括：调用所述
数据分析指令对应的数学模型算法，将所述模型输入数据输入到所述数学模型算法中；接
收所述数学模型算法输出的数据作为所述模型输出数据。其中，所述数学模型算法输出的
数据可以以数据流的形式返回给服务器。
可以理解的是，数学模型算法可以由数据分析软件提供。具体地，在本实施例的一
些实施方式中，所述数学模型算法例如可以是由R语言提供的。其中，所述R语言是一个属于
GUN系统的用于统计分析、绘图的语言和操作环境的自由、免费、源代码开放的软件，也是一
个用于统计计算和统计制图的优秀工具。
在本实施例中，R语言提供了多种可供调用的数学模型算法，例如包括数据六数概
览、数据六数对比、线性回归模型、时间序列-HoltWinters模型分析、时间序列-ARIMA模型
分析、经典的假设检验等。
例如，在一些实施方式中，调用数据六数概览进行运算，具体可以为计算所述一组
输入数据的最大值、最小值、中位数、平均值、上四分位数和下四分位数，然后通过这六个概
览数字，用最简单的统计学方式描述所述数据。其中，所述中位数为数据由小到大排列后正
中间的一个数字，若有偶数个数据，取最中间两个数值的平均数作为中位数；所述上四分位
数又称“较大的四分位数”，所有数据由小到大排列后第75％的数字，即有25％的数据大于
它，75％的数据小于它；所述下四分位数又称“较小的四分位数”，所有数据由小到大排列后
第25％的数字，即有75％的数据大于它，25％的数据小于它。
又例如，在一些实施方式中，调用数据六数对比进行运算，具体可以为对比两组输
入数据的所述六个统计概览数字，并计算两组数据各自的归一化方差，然后通过方差比较
数据离散程度。上述运算涉及归一化和方差两个概念，其中，归一化是一种简化计算方式，
即将有量纲的表达式，经过变换化为无量纲的表达式，成为标量；方差为各个数据分别与其
平均数之差的平方的和的平均数。
再如，在一些实施方式中，调用线性回归进行运算，具体可以为将两组输入数据通
过R语言生成线性回归模型，分析两组输入数据是否具有明显的线性关系，然后得到线性回
归方程、拟合优度和模型P值。其中，所述线性回归是利用线性回归方程的最小平方函数对
一个或多个自变量和因变量之间的关系进行建模的一种回归分析；所述拟合优度是指回归
直线对数据的拟合程度；所述模型P值为在假设的斜率值和截距值成立的情况下，通过样本
得到结果的发生概率。
又再如，在一些实施方式中，调用时间序列-HoltWinters模型或者采用时间序列-
ARIMA模型进行运算，具体可以为通过分析历史的时间数据来预测未来7天的数值。其中，所
述时间序列是指将某种现象某一个统计指标在不同时间上的各个数值按时间先后顺序排
列形成的序列；所述HoltWinters模型运用的数学方法是指数平滑法，且加入了趋势及季节
的影响，指数平滑法是一种特殊的加权移动平均法；所述ARIMA(自回归积分滑动平均)模型
是指将非平稳时间序列转化为平稳时间序列，将因变量仅对它的滞后值以及随机误差项的
现值和滞后值进行回归所建立的模型。此外，还可以得到80％以及95％置信区间的上下值，
所述置信区间是指由样本统计量所构造的总体参数的估计区间。需要说明的是，上述模型
运算可以对应所述数据分析指令进行组合。
可以理解的是，所述模型输出数据中包含有大量的专业的用于描述数学结果的数
据，然而用户往往不关心数学结果，或者用户可能也不理解数学结果，用户通常希望得到的
是数学结果所反映出数据挖掘结果。因此，为了使得用户能够直接得到其需求的数据挖掘
结果，在步骤205中，可以利用为所述数据分析指令预先设置的分析方式，从所述模型输出
数据中分析出所述数据分析指令对应的数据挖掘结果。其中，所述分析方式例如可以为截
取处理、拆分处理等。
需要说明的是，用户有时希望可以查询自己曾经请求过的数据挖掘任务及结果，
为了满足用户的这种需求，在本实施例的一些实施方式，在分析得到所述数据分析指令对
应的数据挖掘结果之后，可以将所述数据挖掘结果及请求信息对应地存储起来，以便将来
用户查询自己的历史任务。具体地，步骤205之后，本实施例例如还可以包括：将请求信息与
所述数据挖掘结果对应保存，所述请求信息用于标识所述请求操作。
具体地，在本实施例的一些实施方式中，针对所述将请求信息与所述数据挖掘结
果对应保存的步骤，例如可以包括：将请求信息与所述数据挖掘结果对应地发送到所述数
据库，以便所述数据库对应地存储所述请求信息与所述数据挖掘结果。
可以理解的是，服务器将数据挖掘结果反馈给客户端时，为了便于用户理解数据
挖掘结果，服务器可以根据所述数据分析指令，为不同的数据挖掘结果选择不同的数据挖
掘结果展现方式，进而通过不同的图形来可视化不同的数据挖掘结果。具体地，在本实施例
的一些实施方式中，步骤206例如可以包括：根据所述数据分析指令，确定用于展示所述数
据挖掘结果的图形类型；按照所述图像类型，将所述数据挖掘结果生成图像并展示。
本实施例的方法可以应用到多种场景中。例如，在一个示例性的应用场景中，用户
需要请求的数据挖掘结果可以是分析一个月视频网站A类视频实际播放量而预测的未来7
天的播放量，用户可以通过客户端向服务器发送数据分析的请求操作信息。服务器响应于
所述数据分析请求操作，可以通过包含有查询条件的菜单展示可选的请求类别，所述请求
类别用于表示需要请求的数据挖掘结果，用户下拉菜单在可选的查询条件中可以选定预测
7天、分析一个月作为目标查询条件，服务器基于所述目标查询条件生成所述数据分析指
令。服务器生成与所述数据分析指令对应的一个月实际播放量的查询请求信息并发送给数
据库，数据库接收所述查询信息后向服务器返回对应的数据，服务器接收所述数据作为初
始数据。其中，所述初始数据可能为一个月每个小时的视频播放量，服务器可以通过所述数
据分析指令对应的分析方式，将每个小时的数据播放量转换成R语言提供的数学模型所需
的每天的视频播放量作为模型输入数据，服务器可以调用所述数据分析指令对应的时间序
列-ARIMA模型算法，将所述模型输入数据输入到所述时间序列-ARIMA模型算法中进行运
算，其输出的数据可以包括一个月视频播放量的分析结果、未来7天的视频播放量以及所述
未来7天的视频播放量的80％置信区间上下限和95％置信区间上下限值，所述输出的数据
可以以数据流的形式返回给服务器，服务器接收所述输出的数据作为所述模型输出数据。
利用为所述数据分析指令预先设置的分析方式，从所述模型输出数据中拆分截取出所述数
据分析指令对应的数据挖掘结果未来7天的预测视频播放量并向客户端反馈。服务器还可
以将将请求信息与所述数据挖掘结果对应地发送到所述数据库，以便所述数据库对应地存
储所述请求信息与所述数据挖掘结果。根据所述数据分析指令，服务器确定利用曲线趋势
图展示所述数据挖掘结果，将所述数据挖掘结果生成曲线趋势图并展示给客户。
通过本实施例提供的各种实施方式，可以预先为数据挖掘结果的请求设置相应的
转换方式和分析方式，在用户触发数据分析的请求操作之后，可以根据请求操作对应的数
据分析指令确定预先设置的相应转换方式相应分析方式，这样，可以根据确定的转换方式
将数据分析指令对应的初始数据转换成可作为数学模型输入变量的模型输入数据，也可以
根据确定分析方式从作为数学模型输出变量的模型输出数据中分析出数据分析指令对应
的数据挖掘结果并反馈给用户。可见，用户本身无需在原始数据的基础上确定数学模型的
输入变量也无需对数学模型的输出变量进行解读，也可以得到数据挖掘结果。因此，即使用
户不理解数学模型，也能够得到数据挖掘结果。
示例性设备
参见图3，示出了本发明实施例中一种数据分析的装置的结构示意图。在本实施例
中，所述装置例如具体可以包括：
生成单元301，用于响应于数据分析的请求操作，生成所述请求操作对应的数据分
析指令；
获取单元302，用于获取对应于所述数据分析指令的初始数据；
转换单元303，用于根据所述数据分析指令对应的转换方式，将所述初始数据转换
成模型输入数据，其中，所述模型输入数据的格式符合所述数据分析指令对应的数学模型
的输入变量的格式；
运算单元304，用于调用所述数据分析指令对应的数学模型算法对所述模型输入
数据进行运算，得到模型输出数据；
分析单元305，用于根据所述数据分析指令对应的分析方式，从所述模型输出数据
中筛选出所述数据分析指令对应的数据挖掘结果；
反馈单元306，用于反馈所述数据挖掘结果；
其中，所述转换方式和所述分析方式是预先设置的。
可选的，在本实施例的一些实施方式中，所述生成单元301例如可以包括：
展示子单元，用于响应于数据分析的请求操作，展示可选的请求类别，所述请求类
别用于表示需要请求的数据挖掘结果；
生成子单元，用于响应于在可选的请求类别中选定目标请求类别的操作，基于所
述目标请求类别生成所述数据分析指令。
可选的，在本实施例的一些实施方式中，所述获取单元302例如可以包括：
发送子单元，用于生成所述数据分析指令对应的数据查询请求并向数据库发送；
接收子单元，用于接收所述数据库返回的所述数据查询请求对应的数据，作为所
述初始数据。
可选的，在本实施例的一些实施方式中，所述转换方式包括数据拼接处理、数据类
型转化处理、数据统计计算处理和/或数据格式转换处理。
可选的，在本实施例的一些实施方式中，所述运算单元304例如可以包括：
输入单元，用于调用所述数据分析指令对应的数学模型算法，将所述模型输入数
据输入到所述数学模型算法中；
接收单元，用于接收所述数学模型算法输出的数据作为所述模型输出数据。
可选的，在本实施例的一些实施方式中，所述数学模型算法例如具体可以为R语言
提供的算法。
可选的，在本实施例的又再一些实施方式中，所述装置例如还可以包括：
保存单元，用于将请求信息与所述数据挖掘结果对应保存，所述请求信息用于标
识所述请求操作。
可选的，所述保存单元，具体用于：将请求信息与所述数据挖掘结果对应地发送到
所述数据库，以便所述数据库对应地存储所述请求信息与所述数据挖掘结果。
可选的，在本实施例的一些实施方式中，所述反馈单元例如可以包括：
确定子单元，用于根据所述数据分析指令，确定用于展示所述数据挖掘结果的图
形类型；
图像子单元，用于按照所述图像类型，将所述数据挖掘结果生成图像并展示。
通过本实施例提供的各种实施方式，可以预先为数据挖掘结果的请求设置相应的
转换方式和分析方式，在用户触发数据分析的请求操作之后，可以根据请求操作对应的数
据分析指令确定预先设置的相应转换方式相应分析方式，这样，可以根据确定的转换方式
将数据分析指令对应的初始数据转换成可作为数学模型输入变量的模型输入数据，也可以
根据确定分析方式从作为数学模型输出变量的模型输出数据中分析出数据分析指令对应
的数据挖掘结果并反馈给用户。可见，用户本身无需在原始数据的基础上确定数学模型的
输入变量也无需对数学模型的输出变量进行解读，也可以得到数据挖掘结果。因此，即使用
户不理解数学模型，也能够得到数据挖掘结果。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实
体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存
在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排
他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而
且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有
的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所
述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实
施例的部分说明即可。以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件
说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以
不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的
需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不
付出创造性劳动的情况下，即可以理解并实施。
以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人
员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应
视为本申请的保护范围。