一种数据产品和资产自动生成及更新方法

摘要

本发明公开了一种数据产品和资产自动生成及更新方法，该方法包括：获取数据产品和资产数据资源库并进行划分，得到不可拆分的最小数据单元；根据价值属性，将不可拆分的最小数据单元进行组合得到最小价值单元；对最小价值单元进行处理，得到具有重组自由度、流通自由度及价值属性的数据因子；对数据因子进行处理，得到数据因子动态数据价值图谱并进行处理，得到数据因子重组自由度函数和数据因子流通自由度函数，对其进行处理，得到用户需求函数和价值最大化函数；对用户需求函数和价值最大化函数进行处理，得到数据因子重组方案和流通方案，自动生成及更新数据产品和资产。本发明方法满足数据产品和资产追求高价值、高流通性的特征和需求。

权利要求

1.一种数据产品和资产自动生成及更新方法，其特征在于，所述方法包括：S1，获取数据产品和资产数据资源库；所述数据产品和资产数据资源库由数据构成，具有价值属性和流通性；

所述价值属性是数据产品和数据资产在时间、空间、路径三个维度上体现出的符合需求方利益的实际价值；

所述流通性是数据产品和数据资产为寻求和实现其价值而进行的社会化流通；

S2，对所述数据产品和资产数据资源库进行划分，得到不可拆分的最小数据单元；

根据价值属性，将所述不可拆分的最小数据单元进行组合，得到最小价值单元；

对所述最小价值单元进行处理，得到具有重组自由度、流通自由度及价值属性的数据因子；

S3，对所述数据因子进行处理，得到数据因子动态数据价值图谱，包括：S31，对所述数据因子从时间、空间、路径三个维度进行价值标记；

S32，利用数据价值关联挖掘方法，挖掘出所述数据因子与其他数据因子在时间、空间、路径三个维度上的关联价值关系；

S33，对所述数据因子的时间、空间、路径三个维度价值进行处理，得到各数据因子在时间、空间、路径三个维度上的关联价值关系对所述时间、空间、路径三个维度价值的影响系数；

所述各数据因子在时间、空间、路径三个维度上的关联价值关系对所述时间、空间、路径三个维度价值的影响系数，分别与其他数据因子相应的时间、空间、路径三个维度价值相乘，得到所述数据因子与其他数据因子的时间、空间、路径三个维度上的关联价值；

S34，以各数据因子的时间、空间、路径三个维度价值为各数据因子的三维坐标，并标记各数据因子与其他数据因子的时间、空间、路径三个维度上的关联价值，得到所述数据因子在某一时间点上的数据因子价值图谱；

S35，在各个历史时间点上，重复S31、S32、S33、S34各步骤，得到数据因子动态数据价值图谱；

S4，对所述数据因子动态数据价值图谱进行处理，得到数据因子重组自由度函数和数据因子流通自由度函数，包括：S41，从所述数据因子动态数据价值图谱中提取同一数据因子在各个历史时间点上与其他数据因子的时间、空间、路径三个维度价值上的关联价值关系；

S42，分析所述同一数据因子在各个历史时间点上，与其他数据因子的时间、空间、路径三个维度价值上的关联价值关系，得到在各个历史时间点上，所述数据因子与其他数据因子在时间、空间、路径三个维度价值上的关联价值关系中的所有非空关联价值关系，并标记所述非空关联价值关系；

S43，将所述数据因子与其他数据因子，在各个历史时间点上时间、空间、路径三个维度上的非空关联价值关系，和对应的关联价值组合为非空关联价值集；

S44，将所有数据因子与其他数据因子，在各个历史时间点上时间、空间、路径三个维度上的关联价值中具有非空的关联价值对应的非空关联价值集，称为数据因子在各个历史时间点上的重组自由度集；

S45，利用所述数据因子在各个历史时间点上的重组自由度集，提取数据因子历史重组轨迹函数，得到数据因子重组自由度函数；

所述数据因子流通自由度函数，计算方法包括：

S46，判断所述数据因子在各个历史时间点上的时间、空间、路径三个维度中的时间成本、数据时效、经济成本、资源成本、数据内容、数据可靠性、数据技术性、数据范畴、数据定位、数据关联、数据途径、数据来源，是否均为定向供应某一用户或只能应用于某一特定场景；

如果是，则所述数据因子没有流通自由度；如果否，标记出所述数据因子在各个历史时间点上的时间、空间、路径三个维度中各项对应的多个用户需求和多个应用场景，得到所述数据因子的自身流通自由度；

S47，利用所述数据因子在各个历史时间点上的重组自由度集，提取与数据因子在各个历史时间点上具有重组自由度的其他数据因子；

S48，判断所述数据因子在各个历史时间点上的自身流通自由度，匹配相同历史时间点的数据因子的自身流通自由度、与其具有重组自由度的其他数据因子的自身流通自由度；

计算所述数据因子与其他数据因子在两者具有重组自由度的具体维度的关联价值；

将各个历史时间点上数据因子的自身流通自由度、与其具有重组自由度关系的其他数据因子的自身流通自由度、数据因子，和与其具有重组自由度关系的其他数据因子的重组维度关联价值，组合为各个历史时间点上数据因子的流通自由度集；

对各个历史时间点上数据因子的流通自由度集进行分析，提取出数据因子历史流通轨迹函数，得到所述数据因子流通自由度函数；

S5，对所述数据因子重组自由度函数和数据因子流通自由度函数进行处理，得到用户需求函数和价值最大化函数；

S6，对所述用户需求函数和价值最大化函数进行处理，得到数据因子重组方案和流通方案，自动生成及更新数据产品和资产。

2.根据权利要求1所述的数据产品和资产自动生成及更新方法，其特征在于，所述对所述最小价值单元进行处理，得到具有重组自由度、流通自由度及价值属性的数据因子，方法包括：当所述最小价值单元具有与其他至少两个以上的最小价值单元重组形成价值的条件时，称最小价值单元具有重组自由度；

当所述最小价值单元代表的价值，不是定向供应某一用户，且不是只能应用于某一特定场景时，称最小价值单元具有流通自由度；

具有重组自由度和流通自由度的最小价值单元为数据因子。

3.根据权利要求1所述的数据产品和资产自动生成及更新方法，其特征在于，时间价值包括时间成本和数据时效；

空间价值包括经济成本、资源成本、数据内容、数据可靠性、数据技术性；

路径价值包括数据范畴、数据定位、数据关联、数据途径、数据来源。

4.根据权利要求1所述的数据产品和资产自动生成及更新方法，其特征在于，所述各数据因子的时间价值、空间价值、路径价值，计算方法包括：各数据因子的时间价值、空间价值、路径价值，等于该数据因子与其他数据因子的时间价值、空间价值、路径价值上的关联价值加上该数据因子在时间价值、空间价值、路径价值上的基础价值；

所述基础价值为历史上各个时间点上数据因子在时间价值、空间价值、路径价值上的价值的公因子。

5.根据权利要求1所述的数据产品和资产自动生成及更新方法，其特征在于，所述对所述数据因子重组自由度函数和数据因子流通自由度函数进行处理，得到用户需求函数，方法包括：针对用户需求，数据产品和数据资产可分为买家和场景确定的定制化数据产品和数据资产，及买家和场景不确定的非定制化数据产品和数据资产；

针对不同类型数据产品和数据资产特点分别确定其用户需求函数；

所述用户需求函数作为数据因子重组和流通的需求和价值目标；

定制化数据产品和数据资产的用户需求函数，随时间发生改变，包括买家在时间价值、空间价值、路径价值上的具体需求和确定的应用场景；

非定制化数据产品和数据资产的用户需求函数，随时间发生改变，根据历史用户需求和市场整体需求，对潜在买家的具体需求和潜在应用场景进行预测。

6.根据权利要求1所述的数据产品和资产自动生成及更新方法，其特征在于，所述对所述数据因子重组自由度函数和数据因子流通自由度函数进行处理，得到价值最大化函数，方法包括：对所述数据因子重组自由度函数和数据因子流通自由度函数进行处理，构建价值最大化函数；

所述价值最大化函数为数据因子重组和流通的需求和价值目标；

如果需要自动生成的数据产品和数据资产中包含所有数据因子，对所述所有数据因子在时间价值、空间价值、路径价值上的价值进行处理，去除所述价值各分项中重复的两个数据因子之间的关联价值，再求和，得到数据产品和数据资产包含的所有数据因子的时间价值、空间价值、路径价值的价值和；

所述价值和最大时为价值最大化函数。

7.根据权利要求1所述的数据产品和资产自动生成及更新方法，其特征在于，所述对所述用户需求函数和价值最大化函数进行处理，得到数据因子重组方案和流通方案，自动生成及更新数据产品和资产，方法包括：S61，将所述用户需求函数作为筛选条件，对各个数据因子时间价值、空间价值、路径价值进行筛选，保留在时间价值、空间价值、路径价值上均符合用户需求函数的数据因子；

S62，对所述时间价值、空间价值、路径价值上均符合用户需求函数的数据因子进行组合，得到符合流通自由度要求的数据因子；

S63，将所述价值最大化函数作为符合流通自由度要求的数据因子与其他数据因子之间关联性和关联价值的约束目标；

对数据动态数据价值图谱，及数据因子与其他数据因子之间的关联性和关联价值进行处理，得到符合价值最大化函数和符合流通自由度要求的数据因子重组方案；

所述数据因子重组方案为自动生成的数据产品和数据资产；

S64，当数据因子或用户需求发生改变时，重复S61，S62，S63，得到更新后自动生成的数据产品和数据资产。

说明书

一种数据产品和资产自动生成及更新方法

技术领域

[0001] 本发明涉及数据产品和资产自动生成技术领域，尤其涉及一种数据产品和资产自动生成及更新方法。

背景技术

[0002] 当前，针对数据的报告自动生成方法，主要是对数据进行提取、查找、替换，再通过网络或专业化软件，按照一定的场景、专业需求或典型模型的规律性模板，建立检测、医疗、文档等模式较为固定的自动生成报告。以上这些方法是被动式的数据报告生成方法，报告用户的需求和报告本身的价值性没有在生成过程中充分体现。虽然在数据数值和内容上有一定的动态更新，但受限于规律性模板，数据之间的组织规则的重组可能性较低，数据之间的关联性也没有得到充分挖掘，数据之间及组合后的流通性没能得到保障。总之，当前的这些数据报告自动生成方法更适合于场景不变、需求稳定、模式固定、不追求高价值、流通性要求不高的领域应用。

[0003] 然而，不同于当前的这些数据报告自动生成方法所适合的应用领域，数据产品和数据资产的特征和需求刚好相反。数据产品和数据资产具有场景不确定、需求差异大、模式不固定、追求高价值、流通性要求高的特征和需求。这是由于，数据产品和数据资产具有范围经济的特征，其中包含的数据之间的关联性非常重要，数据之间组织规则模式也更灵活，不同的数据组合可以带来不同的价值，组合越多，适用的场景越多，带来更多的价值的可能性越大。数据之间及组合后形成的数据产品和数据资产的流通性和重组不仅与其多样差异性的用户需求和价值最大化为导向有关，还和数据产品和数据资产本身倾向于高价值的属性密切相关。而出于数据产品和数据资产特征和需求、以及数据数据资源和数据要素的动态变化频率较高、幅度较大的原因，数据产品/资产的自动更新与即时更新版本交付也是非常必要的。

发明内容

[0004] 本发明所要解决的技术问题在于，提供一种数据产品和资产自动生成及更新方法，能够提取并建立有重组和流通自由度以及价值属性的数据因子，构建数据因子历史动态数据价值图谱，在价值图谱基础上建立数据因子重组和流通自由度函数，并构建用户需求和价值最大化函数作为数据因子重组和流通的需求和价值目标，进而确定数据因子重组和流通方案，自动生成数据产品和资产，并实现数据产品和资产的自动更新。

[0005] 为了解决上述技术问题，本发明实施例公开了一种数据产品和资产自动生成及更新方法，所述方法包括：

[0006] S1，获取数据产品和资产数据资源库；所述数据产品和资产数据资源库由数据构成，具有价值属性和流通性；

[0007] 所述价值属性是数据产品和数据资产在时间、空间、路径三个维度上体现出的符合需求方利益的实际价值；

[0008] 所述流通性是数据产品和数据资产为寻求和实现其价值而进行的社会化流通；

[0009] S2，对所述数据产品和资产数据资源库进行划分，得到不可拆分的最小数据单元；

[0010] 根据价值属性，将所述不可拆分的最小数据单元进行组合，得到最小价值单元；

[0011] 对所述最小价值单元进行处理，得到具有重组自由度、流通自由度及价值属性的数据因子；

[0012] S3，对所述数据因子进行处理，得到数据因子动态数据价值图谱；

[0013] S4，对所述数据因子动态数据价值图谱进行处理，得到数据因子重组自由度函数和数据因子流通自由度函数；

[0014] S5，对所述数据因子重组自由度函数和数据因子流通自由度函数进行处理，得到用户需求函数和价值最大化函数；

[0015] S6，对所述用户需求函数和价值最大化函数进行处理，得到数据因子重组方案和流通方案，自动生成及更新数据产品和资产。

[0016] 作为一种可选的实施方式，在本发明实施例中，所述对所述最小价值单元进行处理，得到具有重组自由度、流通自由度及价值属性的数据因子，方法包括：

[0017] 当所述最小价值单元具有与其他至少两个以上的最小价值单元重组形成价值的条件时，称最小价值单元具有重组自由度；

[0018] 当所述最小价值单元代表的价值，不是定向供应某一用户，且不是只能应用于某一特定场景时，称最小价值单元具有流通自由度；

[0019] 具有重组自由度和流通自由度的最小价值单元为数据因子。

[0020] 作为一种可选的实施方式，在本发明实施例中，所述对所述数据因子进行处理，得到数据因子动态数据价值图谱，方法包括：

[0021] S31，对所述数据因子从时间、空间、路径三个维度进行价值标记；

[0022] S32，利用数据价值关联挖掘方法，挖掘出所述数据因子与其他数据因子在时间、空间、路径三个维度上的关联价值关系；

[0023] S33，对所述数据因子的时间、空间、路径三个维度价值进行处理，得到各数据因子在时间、空间、路径三个维度上的关联价值关系对所述时间、空间、路径三个维度价值的影响系数；

[0024] 所述各数据因子在时间、空间、路径三个维度上的关联价值关系对所述时间、空间、路径三个维度价值的影响系数，分别与其他数据因子相应的时间、空间、路径三个维度价值相乘，得到所述数据因子与其他数据因子的时间、空间、路径三个维度上的关联价值；

[0025] S34，以各数据因子的时间、空间、路径三个维度价值为各数据因子的三维坐标，并标记各数据因子与其他数据因子的时间、空间、路径三个维度上的关联价值，得到所述数据因子在某一时间点上的数据因子价值图谱；

[0026] S35，在各个历史时间点上，重复S31、S32、S33、S34各步骤，得到数据因子动态数据价值图谱。

[0027] 作为一种可选的实施方式，在本发明实施例中，所述时间价值包括时间成本和数据时效；

[0028] 所述空间价值包括经济成本、资源成本、数据内容、数据可靠性、数据技术性；

[0029] 所述路径价值包括数据范畴、数据定位、数据关联、数据途径、数据来源。

[0030] 作为一种可选的实施方式，在本发明实施例中，所述各数据因子的时间价值、空间价值、路径价值，计算方法包括：

[0031] 各数据因子的时间价值、空间价值、路径价值，等于该数据因子与其他数据因子的时间价值、空间价值、路径价值上的关联价值加上该数据因子在时间价值、空间价值、路径价值上的基础价值；

[0032] 所述基础价值为历史上各个时间点上数据因子在时间价值、空间价值、路径价值上的价值的公因子。

[0033] 作为一种可选的实施方式，在本发明实施例中，所述数据因子重组自由度函数，计算方法包括：

[0034] S41，从所述数据因子动态数据价值图谱中提取同一数据因子在各个历史时间点上与其他数据因子的时间、空间、路径三个维度价值上的关联价值关系；

[0035] S42，分析所述同一数据因子在各个历史时间点上，与其他数据因子的时间、空间、路径三个维度价值上的关联价值关系，得到在各个历史时间点上，所述数据因子与其他数据因子在时间、空间、路径三个维度价值上的关联价值关系中的所有非空关联价值关系，并标记所述非空关联价值关系；

[0036] S43，将所述数据因子与其他数据因子，在各个历史时间点上时间、空间、路径三个维度上的非空关联价值关系，和对应的关联价值组合为非空关联价值集；

[0037] S44，将所有数据因子与其他数据因子，在各个历史时间点上时间、空间、路径三个维度上的关联价值中具有非空的关联价值对应的非空关联价值集，称为数据因子在各个历史时间点上的重组自由度集；

[0038] S45，利用所述数据因子在各个历史时间点上的重组自由度集，提取数据因子历史重组轨迹函数，得到数据因子重组自由度函数。

[0039] 作为一种可选的实施方式，在本发明实施例中，所述数据因子流通自由度函数，计算方法包括：

[0040] S46，判断所述数据因子在各个历史时间点上的时间、空间、路径三个维度中的时间成本、数据时效、经济成本、资源成本、数据内容、数据可靠性、数据技术性、数据范畴、数据定位、数据关联、数据途径、数据来源，是否均为定向供应某一用户或只能应用于某一特定场景；

[0041] 如果是，则所述数据因子没有流通自由度；如果否，标记出所述数据因子在各个历史时间点上的时间、空间、路径三个维度中各项对应的多个用户需求和多个应用场景，得到所述数据因子的自身流通自由度；

[0042] S47，利用所述数据因子在各个历史时间点上的重组自由度集，提取与数据因子在各个历史时间点上具有重组自由度的其他数据因子；

[0043] S48，判断所述数据因子在各个历史时间点上的自身流通自由度，匹配相同历史时间点的数据因子的自身流通自由度、与其具有重组自由度的其他数据因子的自身流通自由度；

[0044] 计算所述数据因子与其他数据因子在两者具有重组自由度的具体维度的关联价值；

[0045] 将各个历史时间点上数据因子的自身流通自由度、与其具有重组自由度关系的其他数据因子的自身流通自由度、数据因子，和与其具有重组自由度关系的其他数据因子的重组维度关联价值，组合为各个历史时间点上数据因子的流通自由度集；

[0046] 对各个历史时间点上数据因子的流通自由度集进行分析，提取出数据因子历史流通轨迹函数，得到所述数据因子流通自由度函数。

[0047] 作为一种可选的实施方式，在本发明实施例中，所述对所述数据因子重组自由度函数和数据因子流通自由度函数进行处理，得到用户需求函数，方法包括：

[0048] 针对用户需求，数据产品和数据资产可分为买家和场景确定的定制化数据产品和数据资产，及买家和场景不确定的非定制化数据产品和数据资产；

[0049] 针对不同类型数据产品和数据资产特点分别确定其用户需求函数；

[0050] 所述用户需求函数作为数据因子重组和流通的需求和价值目标；

[0051] 定制化数据产品和数据资产的用户需求函数，随时间发生改变，包括买家在时间价值、空间价值、路径价值上的具体需求和确定的应用场景；

[0052] 非定制化数据产品和数据资产的用户需求函数，随时间发生改变，根据历史用户需求和市场整体需求，对潜在买家的具体需求和潜在应用场景进行预测。

[0053] 作为一种可选的实施方式，在本发明实施例中，所述对所述数据因子重组自由度函数和数据因子流通自由度函数进行处理，得到价值最大化函数，方法包括：

[0054] 对所述数据因子重组自由度函数和数据因子流通自由度函数进行处理，构建价值最大化函数；

[0055] 所述价值最大化函数为数据因子重组和流通的需求和价值目标；

[0056] 如果需要自动生成的数据产品和数据资产中包含所有数据因子，对所述所有数据因子在时间价值、空间价值、路径价值上的价值进行处理，去除所述价值各分项中重复的两个数据因子之间的关联价值，再求和，得到数据产品和数据资产包含的所有数据因子的时间价值、空间价值、路径价值的价值和；

[0057] 所述价值和最大时为价值最大化函数。

[0058] 作为一种可选的实施方式，在本发明实施例中，所述对所述用户需求函数和价值最大化函数进行处理，得到数据因子重组方案和流通方案，自动生成及更新数据产品和资产，方法包括：

[0059] S61，将所述用户需求函数作为筛选条件，对各个数据因子时间价值、空间价值、路径价值进行筛选，保留在时间价值、空间价值、路径价值上均符合用户需求函数的数据因子；

[0060] S62，对所述时间价值、空间价值、路径价值上均符合用户需求函数的数据因子进行组合，得到符合流通自由度要求的数据因子；

[0061] S63，将所述价值最大化函数作为符合流通自由度要求的数据因子与其他数据因子之间关联性和关联价值的约束目标；

[0062] 对数据动态数据价值图谱，及数据因子与其他数据因子之间的关联性和关联价值进行处理，得到符合价值最大化函数和符合流通自由度要求的数据因子重组方案；

[0063] 所述数据因子重组方案为自动生成的数据产品和数据资产；

[0064] S64，当数据因子或用户需求发生改变时，重复S61，S62，S63，得到更新后自动生成的数据产品和数据资产。

[0065] 与现有技术相比，本发明实施例具有以下有益效果：

[0066] (1)本发明提供基于价值图谱的数据因子自由重组及流通的数据产品和资产自动生成及更新方法，其优势在于，突破了当前的数据报告自动生成方法的被动式生成，解决了报告用户的需求和报告本身的价值性没有在生成过程中充分体现的问题，解决了数据之间的组织规则的重组受限于规律性模板的问题，以及解决了数据之间的关联性没有得到充分挖掘且数据之间及组合后的流通性没能得到保障的问题。总之，本发明方法，突破了现有当前数据报告自动生成方法的局限，一改当前数据报告自动生成方法适合于场景不变、需求稳定、模式固定、不追求高价值、流通性要求不高的领域应用的现状，更适用于数据产品和资产的自动生成及更新，满足数据产品和数据资产具有的场景不确定、需求差异大、模式不固定、追求高价值、流通性要求高的特征和需求。

[0067] (2)本发明提供基于价值图谱的数据因子自由重组及流通的数据产品和资产自动生成及更新方法，其优势在于，提取并建立有重组和流通自由度以及价值属性的数据因子，构建数据因子历史动态数据价值图谱，在价值图谱基础上建立数据因子重组和流通自由度函数。由于数据资源和数据要素，通过多数据的重组能够构成不同模式、更高价值、符合不同场景需求、流通性更高的数据产品和数据资产。该方法围绕数据本身开展研究，构建具有重组自由度和流通自由度的数据因子，通过数据因子历史动态数据价值图谱的构建，描述了数据因子在价值层面的历史演进形势，图谱中的数据因子间的关联价值关系及关联价值为数据因子重组为数据产品和数据资产提供了灵活重组的条件和范围，为数据产品和数据资产的潜在价值实现提供技术支持基础。

[0068] (3)本发明提供基于价值图谱的数据因子自由重组及流通的数据产品和资产自动生成及更新方法，其优势在于，构建用户需求和价值最大化函数作为数据因子重组和流通的需求和价值目标，进而确定数据因子重组和流通方案。由于数据之间及组合后形成的数据产品和数据资产的流通性和重组不仅与其多样差异性的用户需求和价值最大化为导向有关，还和数据产品和数据资产本身倾向于高价值的属性密切相关。因而，该方法分别针对定制化和非定制化的数据产品和数据资产，构建了用户需求函数，并构建了价值最大化函数，作为未来潜在重组自由度和未来潜在流通自由度的约束条件，进而进一步缩小了未来潜在重组自由度和未来潜在流通自由度的范围，精准化确定数据因子重组和流通方案。

[0069] (4)本发明提供基于价值图谱的数据因子自由重组及流通的数据产品和资产自动生成及更新方法，其优势在于，自动生成数据产品和资产，并实现数据产品和资产的自动更新。数据产品和资产具有范围经济的特征，其中包含的数据之间的关联性非常重要，数据之间组织规则模式也更灵活，不同的数据组合可以带来不同的价值，组合越多，适用的场景越多，带来更多的价值的可能性越大。而出于数据产品和数据资产特征和需求、以及数据资源和数据要素的动态变化频率较高、幅度较大的原因，数据产品/资产的自动更新与即时更新版本交付也是非常必要的。本发明正是面向这些实际需求。

附图说明

[0070] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，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。

[0071] 图1是本发明实施例公开的一种数据产品和资产自动生成及更新方法的流程示意图。

具体实施方式

[0072] 为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0073] 本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

[0074] 在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

[0075] 实施例一

[0076] 请参阅图1，图1是本发明实施例公开的一种数据产品和资产自动生成及更新方法的流程示意图：

[0077] S1，获取数据产品和资产数据资源库；所述数据产品和资产数据资源库由数据构成，具有价值属性和流通性；

[0078] 所述价值属性是数据产品和数据资产在时间、空间、路径三个维度上体现出的符合需求方利益的实际价值；

[0079] 所述流通性是数据产品和数据资产为寻求和实现其价值而进行的社会化流通；

[0080] S2，对所述数据产品和资产数据资源库进行划分，得到不可拆分的最小数据单元；

[0081] 根据价值属性，将所述不可拆分的最小数据单元进行组合，得到最小价值单元；

[0082] 对所述最小价值单元进行处理，得到具有重组自由度、流通自由度及价值属性的数据因子；

[0083] S3，对所述数据因子进行处理，得到数据因子动态数据价值图谱；

[0084] S4，对所述数据因子动态数据价值图谱进行处理，得到数据因子重组自由度函数和数据因子流通自由度函数；

[0085] S5，对所述数据因子重组自由度函数和数据因子流通自由度函数进行处理，得到用户需求函数和价值最大化函数；

[0086] S6，对所述用户需求函数和价值最大化函数进行处理，得到数据因子重组方案和流通方案，自动生成及更新数据产品和资产。

[0087] 可选的，对所述最小价值单元进行处理，得到具有重组自由度、流通自由度及价值属性的数据因子，方法包括：

[0088] 当所述最小价值单元具有与其他至少两个以上的最小价值单元重组形成价值的条件时，称最小价值单元具有重组自由度；

[0089] 当所述最小价值单元代表的价值，不是定向供应某一用户，且不是只能应用于某一特定场景时，称最小价值单元具有流通自由度；

[0090] 具有重组自由度和流通自由度的最小价值单元为数据因子。

[0091] 可选的，对所述数据因子进行处理，得到数据因子动态数据价值图谱，方法包括：

[0092] S31，对所述数据因子从时间、空间、路径三个维度进行价值标记；

[0093] S32，利用数据价值关联挖掘方法，挖掘出所述数据因子与其他数据因子在时间、空间、路径三个维度上的关联价值关系；

[0094] S33，对所述数据因子的时间、空间、路径三个维度价值进行处理，得到各数据因子在时间、空间、路径三个维度上的关联价值关系对所述时间、空间、路径三个维度价值的影响系数；

[0095] 所述各数据因子在时间、空间、路径三个维度上的关联价值关系对所述时间、空间、路径三个维度价值的影响系数，分别与其他数据因子相应的时间、空间、路径三个维度价值相乘，得到所述数据因子与其他数据因子的时间、空间、路径三个维度上的关联价值；

[0096] S34，以各数据因子的时间、空间、路径三个维度价值为各数据因子的三维坐标，并标记各数据因子与其他数据因子的时间、空间、路径三个维度上的关联价值，得到所述数据因子在某一时间点上的数据因子价值图谱；

[0097] S35，在各个历史时间点上，重复S31、S32、S33、S34各步骤，得到数据因子动态数据价值图谱。

[0098] 可选的，所述时间价值包括时间成本和数据时效；

[0099] 所述空间价值包括经济成本、资源成本、数据内容、数据可靠性、数据技术性；

[0100] 所述路径价值包括数据范畴、数据定位、数据关联、数据途径、数据来源。

[0101] 可选的，各数据因子的时间价值、空间价值、路径价值，计算方法包括：

[0102] 各数据因子的时间价值、空间价值、路径价值，等于该数据因子与其他数据因子的时间价值、空间价值、路径价值上的关联价值加上该数据因子在时间价值、空间价值、路径价值上的基础价值；

[0103] 所述基础价值为历史上各个时间点上数据因子在时间价值、空间价值、路径价值上的价值的公因子。

[0104] 可选的，所述数据因子重组自由度函数，计算方法包括：

[0105] S41，从所述数据因子动态数据价值图谱中提取同一数据因子在各个历史时间点上与其他数据因子的时间、空间、路径三个维度价值上的关联价值关系；

[0106] S42，分析所述同一数据因子在各个历史时间点上，与其他数据因子的时间、空间、路径三个维度价值上的关联价值关系，得到在各个历史时间点上，所述数据因子与其他数据因子在时间、空间、路径三个维度价值上的关联价值关系中的所有非空关联价值关系，并标记所述非空关联价值关系；

[0107] S43，将所述数据因子与其他数据因子，在各个历史时间点上时间、空间、路径三个维度上的非空关联价值关系，和对应的关联价值组合为非空关联价值集；

[0108] S44，将所有数据因子与其他数据因子，在各个历史时间点上时间、空间、路径三个维度上的关联价值中具有非空的关联价值对应的非空关联价值集，称为数据因子在各个历史时间点上的重组自由度集；

[0109] S45，利用所述数据因子在各个历史时间点上的重组自由度集，提取数据因子历史重组轨迹函数，得到数据因子重组自由度函数。

[0110] 可选的，所述数据因子流通自由度函数，计算方法包括：

[0111] S45，判断所述数据因子在各个历史时间点上的时间、空间、路径三个维度中的时间成本、数据时效、经济成本、资源成本、数据内容、数据可靠性、数据技术性、数据范畴、数据定位、数据关联、数据途径、数据来源，是否均为定向供应某一用户或只能应用于某一特定场景；

[0112] 如果是，则所述数据因子没有流通自由度；如果否，标记出所述数据因子在各个历史时间点上的时间、空间、路径三个维度中各项对应的多个用户需求和多个应用场景，得到所述数据因子的自身流通自由度；

[0113] S46，利用所述数据因子在各个历史时间点上的重组自由度集，提取与数据因子在各个历史时间点上具有重组自由度的其他数据因子；

[0114] S47，判断所述数据因子在各个历史时间点上的自身流通自由度，匹配相同历史时间点的数据因子的自身流通自由度、与其具有重组自由度的其他数据因子的自身流通自由度；

[0115] 计算所述数据因子与其他数据因子在两者具有重组自由度的具体维度的关联价值；

[0116] 将各个历史时间点上数据因子的自身流通自由度、与其具有重组自由度关系的其他数据因子的自身流通自由度、数据因子，和与其具有重组自由度关系的其他数据因子的重组维度关联价值，组合为各个历史时间点上数据因子的流通自由度集；

[0117] 对各个历史时间点上数据因子的流通自由度集进行分析，提取出数据因子历史流通轨迹函数，得到所述数据因子流通自由度函数。

[0118] 可选的，所述对所述数据因子重组自由度函数和数据因子流通自由度函数进行处理，得到用户需求函数，方法包括：

[0119] 针对用户需求，数据产品和数据资产可分为买家和场景确定的定制化数据产品和数据资产，及买家和场景不确定的非定制化数据产品和数据资产；

[0120] 针对不同类型数据产品和数据资产特点分别确定其用户需求函数；

[0121] 所述用户需求函数作为数据因子重组和流通的需求和价值目标；

[0122] 定制化数据产品和数据资产的用户需求函数，随时间发生改变，包括买家在时间价值、空间价值、路径价值上的具体需求和确定的应用场景；

[0123] 非定制化数据产品和数据资产的用户需求函数，随时间发生改变，根据历史用户需求和市场整体需求，对潜在买家的具体需求和潜在应用场景进行预测。

[0124] 可选的，对所述数据因子重组自由度函数和数据因子流通自由度函数进行处理，得到价值最大化函数，方法包括：

[0125] 对所述数据因子重组自由度函数和数据因子流通自由度函数进行处理，构建价值最大化函数；

[0126] 所述价值最大化函数为数据因子重组和流通的需求和价值目标；

[0127] 如果需要自动生成的数据产品和数据资产中包含所有数据因子，对所述所有数据因子在时间价值、空间价值、路径价值上的价值进行处理，去除所述价值各分项中重复的两个数据因子之间的关联价值，再求和，得到数据产品和数据资产包含的所有数据因子的时间价值、空间价值、路径价值的价值和；

[0128] 所述价值和最大时为价值最大化函数。

[0129] 可选的，对所述用户需求函数和价值最大化函数进行处理，得到数据因子重组方案和流通方案，自动生成及更新数据产品和资产，方法包括：

[0130] S61，将所述用户需求函数作为筛选条件，对各个数据因子时间价值、空间价值、路径价值进行筛选，保留在时间价值、空间价值、路径价值上均符合用户需求函数的数据因子；

[0131] S62，对所述时间价值、空间价值、路径价值上均符合用户需求函数的数据因子进行组合，得到符合流通自由度要求的数据因子；

[0132] S63，将所述价值最大化函数作为符合流通自由度要求的数据因子与其他数据因子之间关联性和关联价值的约束目标；

[0133] 对数据动态数据价值图谱，及数据因子与其他数据因子之间的关联性和关联价值进行处理，得到符合价值最大化函数和符合流通自由度要求的数据因子重组方案；

[0134] 所述数据因子重组方案为自动生成的数据产品和数据资产；

[0135] S64，当数据因子或用户需求发生改变时，重复S61，S62，S63，得到更新后自动生成的数据产品和数据资产。

[0136] 实施例二

[0137] 数据产品和资产由数据构成，数据类型包括数字、文本等。数据产品和数据资产具有价值属性和流通性，因而构成其的数据同样具有价值属性和流通性。数据作为数据资源和数据要素，通过多数据的重组能够构成不同模式、更高价值、符合不同场景需求、流通性更高的数据产品和数据资产。为满足数据产品和数据资产具有的场景不确定、需求差异大、模式不固定、追求高价值、流通性要求高的特征和需求，提出基于价值图谱的数据因子自由重组及流通的数据产品和资产自动生成及更新方法，这一方法过程为：提取并建立有重组和流通自由度以及价值属性的数据因子，构建数据因子历史动态数据价值图谱，在价值图谱基础上建立数据因子重组和流通自由度函数，并构建用户需求和价值最大化函数作为数据因子重组和流通的需求和价值目标，进而确定数据因子重组和流通方案，自动生成数据产品和资产，并实现数据产品和资产的自动更新。

[0138] (1)提取并建立有重组和流通自由度以及价值属性的数据因子

[0139] 假设数据资源库中含义上不可拆分的最小数据单元a(n)(n＝1,2,…,n)。按照价值属性，通过集合部分最小数据单元构成最小价值单元v({a(n’)})(n’为n中的部分编码集合)。当最小价值单元v({a(n’)})具有与其他至少两个以上的最小价值单元 重组形成价值的条件时，称最小价值单元v({a(n’)})具有重组自由度。当最小价值单元v({a(n’)})代表的价值是非定向供应某一用户且非只能应用于某一特定场景时，称最小价值单元v({a(n’)})具有流通自由度。将具有重组自由度和流通自由度的最小价值单元v({a(n’)})称为数据因子。非数据因子的数据不能重组，只能用于定向供应或特定场景应用。

[0140] (2)构建数据因子历史动态数据价值图谱

[0141] 对数据因子v({a(n’)})从时间价值tv(v({a(n’)}))、空间价值sv(v({a(n’)}))、路径价值pv(v({a(n’)}))三个维度标记价值。其中，时间价值tv(v({a(n’)}))包括时间成本tc(v({a(n’)}))和数据时效da(v({a(n’)}))。空间价值sv(v({a(n’)}))包括经济成本ec(v({a(n’)}))、资源成本rc(v({a(n’)}))、数据内容dc(v({a(n’)}))、数据可靠性dr(v({a(n’)}))、数据技术性dt(v({a(n’)}))。路径价值pv(v({a(n’)}))包括数据范畴dc(v({a(n’)}))、数据定位dl(v({a(n’)}))、数据关联da(v({a(n’)}))、数据途径dp(v({a(n’)}))、数据来源ds(v({a(n’)}))。

[0142] 采用聚类、灰色关联分析法、Apriori算法等数据价值关联挖掘的方法挖掘出数据因子v({a(n’)})与其他数据因子 在时间价值tv(v({a(n’)}))上的关联价值关系RVT(tv(v({a(n’)})))， 在空间价值sv(v({a(n’)}))上的关联
价值关系RVS(sv(v({a(n’)})))， 在路径价值pv(v({a(n’)}))上
的关联价值RVP(pv(v({a(n’)})))，

[0143] 根据各数据因子的时间价值、空间价值和路径价值V(v({a(n’)}))＝(VT(v({a(n’)}))，VS(v({a(n’)})),VP(v({a(n’)}))))可以推导出各数据因子v({a(n’)})的时间价值关系RVT(tv(v({a(n’)}))， 对价值的影响系数kt(RVT(tv(v({a(n’)}))， 空间价值关系RVS(sv(v({a(n’)}))，sv
对价值的影响系数ks (RVS(sv(v ({a (n’)})) ，
路径价值关系RVP(pv(v({a(n’)}))， 对
价值的影响系数kp(RVP(pv(v({a(n’)}))， 求取公式分别为：

[0144]tv(v({‑a(n’)}))))*tv(v({a(n’)}))]+VT0(v({a(n’)}))

[0145]sv(v({‑a(n’)}))))*sv(v({a(n’)}))]+VS0(v({a(n’)}))

[0146]pv(v({‑a(n’)}))))*pv(v({a(n’)}))]+VP0(v({a(n’)}))

[0147] 其中，N为数据因子总个数，VT0(v({a(n’)}))、VS0(v({a(n’)}))、VP0(v({a(n’)}))为数据因子v({a(n’)})在时间价值、空间价值、路径价值上的基础价值值。这些基础价值值是历史上各个时间点上数据因子v({a(n’)})在三个维度上的价值的公因子，通常采用因子分析的方法求取。

[0148] 以各数据因子v({a(n’)})的时间价值、空间价值、路径价值关联关系对价值的影响系数kt(RVT(tv(v({a(n’)}))， ks(RVS(sv(v({a(n’)}))，kp(RVP(pv(v({a(n’)}))， 值分别与
各数据因子v({a(n’)})相应的时间价值tv(v({a(n’)}))、空间价值sv(v({a(n’)})、路径价值pv(v({a(n’)})相乘，得到数据因子v({a(n’)})与其他数据因子v 的时间
价值上的关联价值RVDT((tv(v({a(n’)}))， 空间价值上的关联价
值RVDS((sv(v({a(n’)}))， 路径价值上的关联价值RVDP((pv(v({a
(n’)}))， 以各数据因子v({a(n’)})的时间价值、空间价值、
路径价值值为各数据因子v({a(n’)})的三维坐标，并标记各数据因子v({a(n’)})与其他数据因子 的时间价值、空间价值、路径价值上的关联价值，以此构建数据因
子价值图谱VM{v({a(n’)})，v({‑a(n’)}))}。

[0149] 以上步骤求取的是某一时间点上，构建的数据因子价值图谱。在各个历史时间点上，重复以上步骤，对历史各个时间点构建数据因子价值图谱，再按照时间线索，得到数据因子历史动态数据价值图谱VMT{v({a(n’)})，v({‑a(n’)}))，t}(t＝1,2,…,n)。

[0150] (3)建立数据因子重组和流通自由度函数

[0151] ①建立数据因子重组自由度函数

[0152] 从数据因子历史动态数据价值图谱VMT{v({a(n’)})， t}中提取同一数据因子v({a(n’)})在各个历史时间点上与其他数据因子v({‑a(n’)}))的时间价值上的关联价值关系RVT(tv(v({a(n’)}))， 空间价值上的关联价值
关系RVS(sv(v({a(n’)}))， 路径价值上的关联价值关系RVP(pv(v
({a(n’)}))，

[0153] 分析以上在各个历史时间点上时间价值上的关联价值关系RVT(tv(v({a(n’)}))，空间价值上的关联价值关系RVS(sv(v({a(n’)}))，路径价值上的关联价值关系RVP(pv(v({a(n’)}))，
提取其中在各个历史时间点上数据因子v({a(n’)})与其他数
据因子 在时间价值、空间价值、路径价值上的关联价值关系中的所有非
空关联价值关系，将这些非空关联价值关系标记为RVTp(tv(v({a(n’)}))，
RVSp(sv(v({a(n’)}))， RVPp(pv(v({a
(n’)}))， 并求取在各个历史时间点上非空关联价值关系对应
的数据因子v({a(n’)})与其他数据因子 的时间价值上的关联价值RVDTp
((tv(v({a(n’)}))， 空间价值上的关联价值RVDSp((sv(v({a
(n’)}))， 路径价值上的关联价值RVDPp((pv(v({a(n’)}))，

[0154] 将数据因子v({a(n’)})与其他数据因子 的在各个历史时间点上时间价值、空间价值、路径价值上的非空关联价值关系和对应的关联价值集合为非空关联价值集合{(RVTp(tv(v({a(n’)}))， RVDTp((tv(v({a(n’)}))，
(RVSp(sv(v({a(n’)}))，sv(v({‑a(n’)})),t)，RVDSp((sv(v
({a(n’)}))， (RVPp(pv(v({a(n’)}))，pv(v({‑a(n’)})),t)，
RVDPp((pv(v({a(n’)}))，pv(v({‑a(n’)}))),t)))}。

[0155] 根据数据因子v({a(n’)})重组自由度定义，判断数据因子v({a(n’)})与其他数据因子 的在各个历史时间点上时间价值、空间价值、路径价值上的非空关联价值集合，将所有数据因子v({a(n’)})与其他数据因子 的在各个历史时
间点上时间价值、空间价值、路径价值上的关联价值RVDTp((tv(v({a(n’)}))，RVDSp((sv(v({a(n’)}))，
RVDPp((pv(v({a(n’)}))， 中具有非空的时间价值、空间价值、
路径价值上关联价值对应的非空关联价值集合要素的集合称为数据因子v({a(n’)})在各个历史时间点上的重组自由度集合{(RVTpo(tv(v({a(n’)}))，
RVDTpo((tv(v({a(n’)}))， (RVSpo(sv(v({a(n’)}))，
RVDSpo((sv(v({a(n’)}))， (RVPp
(pv(v({a(n’)}))， RVDPpo((pv(v({a(n’)}))，

[0156] 根据数据因子v({a(n’)})在各个历史时间点上的重组自由度集合，采用数值分析法、数据挖掘法和因子分析法等方法提取数据因子历史重组轨迹函数，确定数据因子未来潜在重组的自由度范围。

[0157] ②建立数据因子流通自由度函数

[0158] 判断数据因子v({a(n’)})在各个历史时间点上的时间价值tv(v({a(n’)}))、空间价值sv(v({a(n’)}))、路径价值pv(v({a(n’)}))中的时间成本tc(v({a(n’)}))、数据时效da(v({a(n’)}))、经济成本ec(v({a(n’)}))、资源成本rc(v({a(n’)}))、数据内容dc(v({a(n’)}))、数据可靠性dr(v({a(n’)}))、数据技术性dt(v({a(n’)}))、数据范畴dc(v({a(n’)}))、数据定位dl(v({a(n’)}))、数据关联da(v({a(n’)}))、数据途径dp(v({a(n’)}))、数据来源ds(v({a(n’)}))，是否均为定向供应某一用户或只能应用于某一特定场景。如果是，则称数据因子v({a(n’)})没有流通自由度。否则，标记出数据因子v({a(n’)})的在各个历史时间点上的时间价值tv(v({a(n’)}))、空间价值sv(v({a(n’)}))、路径价值pv(v({a(n’)}))中各项对应的多个用户需求和多个应用场景，称为数据因子v({a(n’)})的自身流通自由度DFC(dfct(tv(v({a(n’)})))，dfcs(sv(v({a(n’)})))，dfcv(pv(v({a(n’)})))，t)。

[0159] 根据数据因子v({a(n’)})在各个历史时间点上的重组自由度集合，提取与数据因子v({a(n’)})在各个历史时间点上具有重组自由度的其他数据因子 再根据上一段步骤判断这些其他数据因子 在各个历史时间点上的自身流通自
由度。匹配相同历史时间点的数据因子v({a(n’)})的自身流通自由度、与其具有重组自由度的其他数据因子v({‑a(n’)})))的自身流通自由度DFC(dfct(tv(v({‑a(n’)})))，并根据数据因子v({a
(n’)})和这些其他数据因子 在两者具有重组自由度的时间价值上的关
联价值RVDTp((tv(v({a(n’)}))，tv(v({‑a(n’)}))),t)、空间价值上的关联价值RVDSp((sv(v({a(n’)}))，sv(v({‑a(n’)}))),t)、路径价值上的关联价值RVDPp((pv(v({a(n’)}))，pv(v({‑a(n’)}))),t)。将历史各个时间点上数据因子v({a(n’)})的自身流通自由度、与其具有重组自由度关系的其他数据因子v({‑a(n’)})的自身流通自由度、数据因子v({a(n’)})和与其具有重组自由度关系的其他数据因子 的重组维度关联价值，集合为
历史各个时间点上数据因子v({a(n’)})的流通自由度集合{DFC(dfct(tv(v({a(n’)})))，df cs (sv (v ({a (n’)}) )) ，df cv (pv (v ({a (n’)} ))) ，t) ，
dfcv(pv(v({‑a
(n’)}))))，t)，RVDTp((tv(v({a(n’)}))， RVDSp((sv(v({a
(n’)}))， RVDPp((pv(v({a(n’)}))，

[0160] 采用数值分析法、数据挖掘法和因子分析等方法，对历史各个时间点上数据因子v({a(n’)})的流通自由度集合进行分析，提取出数据因子历史流通轨迹函数，确定数据因子未来潜在流通的自由度范围。

[0161] (4)构建用户需求和价值最大化函数作为数据因子重组和流通的需求和价值目标[0162] 由于数据资源和数据要素，通过多数据的重组能够构成不同模式、更高价值、符合不同场景需求、流通性更高的数据产品和数据资产。

[0163] 建立数据因子v({a(n’)})的重组和流通自由度函数，在这两个函数的基础上，构建用户需求和价值最大化函数作为数据因子重组和流通的需求和价值目标。

[0164] ①构建用户需求函数

[0165] 针对用户需求，数据产品和数据资产可分为两类，即买家和场景确定的定制化数据产品和数据资产和买家和场景不确定的非定制化数据产品和数据资产。

[0166] 定制化数据产品和数据资产的用户需求会随时间发生改变，因而用户需求目标与时间有关，标记为(UN(tg，sg，pg)，SR，t)。其中，UN为买家具体需求，tg、sg、pg分别为买家在时间、空间、路径三个维度上的具体需求，SR为确定的应用场景。

[0167] 非定制化数据产品和数据资产的用户需求同样是随时间变化的函数，需要采用数据挖掘、预测分析、时间序列分析、因果关系预测等方法，根据历史用户需求和市场整体需求预测出潜在买家PB(m)(m＝1,2,…,n)的具体需求UNm(tg(PB(m))，sg(PB(m))，pg(PB(m)))和潜在应用场景SR(c)(c＝1,2,…,n)。

[0168] ②构建价值最大化函数

[0169] 假设需要自动生成的数据产品和数据资产为DPA，其中包含的所有数据因子假设为vDPA({a(n’)})，这些数据因子之间的关联关系及关联关系值可根据步骤2)表述，进而得出所有数据因子vDPA({a(n’)})在三个维度上的价值函数VT(vDPA({a(n’)}))、VS(vDPA({a(n’)}))、VP(vDPA({a(n’)}))。将这些价值函数各分项中重复的两个数据因子之间的关联价值值去冗余再求和，可以得出数据产品和数据资产DPA包含的所有数据因子vDPA({a(n’)})的三个维度价值和。这个和值最大即为价值最大化目标。

[0170] (5)确定数据因子重组和流通方案，自动生成或更新数据产品和资产

[0171] 用户需求和价值最大化函数相当于数据因子v({a(n’)})的未来潜在重组自由度和未来潜在流通自由度的约束条件，进一步缩小了未来潜在重组自由度和未来潜在流通自由度的范围。

[0172] 将用户需求函数作为对各个数据因子三个维度价值筛选的条件，根据实际用户需求目标，保留三个维度上均符合用户需求函数的数据因子，对满足数据因子三个维度价值筛选的数据因子集合，确定了符合流通自由度要求的数据因子。

[0173] 将价值最大化函数作为符合流通自由度要求的数据因子与其他数据因子之间关联性和关联价值的约束目标。根据数据因子价值图谱，以及数据因子与其他数据因子之间的关联性和关联价值，求取使得价值函数最大化的符合流通自由度要求的数据因子重组方案。该数据因子重组方案即为自动生成的数据产品和数据资产。当数据因子或用户需求发生改变时，重复以上步骤，可得出更新后自动生成的数据产品和数据资产。

[0174] 通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read‑Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read‑only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only  Memory，EPROM)、一次可编程只读存储器(One‑time Programmable  Read‑Only  Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically‑Erasable Programmable Read‑Only Memory，EEPROM)、只读光盘(Compact Disc Read‑Only Memory，CD‑ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

[0175] 最后应说明的是：本发明实施例公开的一种数据产品和资产自动生成及更新方法所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。