[发明专利]数据养成维护方法、装置、设备及计算机存储介质

说明书

本发明涉及金融科技(Fintech)技术领域，并公开了一种数据养成维护方法，该方法包括：对线上产品的各产品存量数据进行数据分析，以获取各产品存量数据的数据形态分布；基于数据形态分布确定数据形态模型和执行动作模型，并基于数据形态模型和执行动作模型确定各产品存量数据对应的动作执行序列；获取各产品存量数据对应的生命周期规划，并基于生命周期规则和各动作执行序列依次获取数据形态分布中各数据形态对应的批次计划；基于批次计划和动作执行序列对各产品存量数据进行养数处理，并基于养数处理结果对目标环境进行数据测试。本发明还公开了一种数据养成维护装置、设备和一种计算机存储介质。本发明提高了数据测试的智能性。

技术领域

本发明涉及金融科技(Fintech)技术领域，尤其涉及数据养成维护方法、装置、设备及计算机存储介质。

背景技术

随着计算机技术的发展，越来越多的技术(大数据、分布式、区块链Blockchain、人工智能等)应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变，但由于金融行业的安全性、实时性要求，也对技术提出了更高的要求。例如，在大数据中，尤其是对金融类产品的数据进行数据测试时，目前基本上是按照每个金融类产品版本的功能逻辑变动，整理与之对应的测试案例和回归测试案例；并且是人工制定模拟实际贷款产品生命周期的批次计划，并将制定好的批次计划运行批量，在每个批量完成后，人工通过前端业务系统或者调用接口的方式进行整理，并且是人工对数据进行识别和使用的，整个测试过程非常依赖人工执行，智能性很低。因此，如何提高对数据测试的智能性成为目前亟待解决的技术问题。

发明内容

本发明的主要目的在于提出一种数据养成维护方法、装置、设备及计算机存储介质，旨在提高对数据测试的智能性。

为实现上述目的，本发明提供一种数据养成维护方法，所述数据养成维护方法包括如下步骤：

对线上产品的各产品存量数据进行数据分析，以获取各所述产品存量数据的数据形态分布；

基于所述数据形态分布确定数据形态模型和执行动作模型，并基于所述数据形态模型和执行动作模型确定各所述产品存量数据对应的动作执行序列；

获取各所述产品存量数据对应的生命周期规划，并基于所述生命周期规则和各所述动作执行序列依次获取所述数据形态分布中各数据形态对应的批次计划；

基于所述批次计划和所述动作执行序列对各所述产品存量数据进行养数处理，并基于所述养数处理结果对目标环境进行数据测试。

可选地，所述基于所述数据形态分布确定数据形态模型的步骤，包括：

获取各产品存量数据的产品属性，并基于所述产品属性和所述数据形态分布中的根节点确定形态节点；

基于所述形态节点对各所述数据形态进行分组归类，以获取数据形态模型。

可选地，所述基于所述数据形态分布确定执行动作模型的步骤，包括：

获取所述数据形态分布中的数据形态对应的各系统动作，并基于各所述系统动作获取各执行动作；

获取预设的调用参数，通过所述调用参数对各所述执行动作进行调试，以获取执行动作模型。

可选地，所述基于各所述系统动作获取各执行动作的步骤，包括：

依次遍历各所述数据形态，获取当前遍历的数据形态对应的操作配置，将所述当前遍历的数据形态对应的系统动作和所述操作配置进行组合，并将所述组合结果作为执行动作，直至各所述数据形态遍历完成。

可选地，所述基于所述数据形态模型和执行动作模型确定各所述产品存量数据对应的动作执行序列的步骤，包括：