CN104899666A - 企业运营分析预警系统的监测指标优化方法 - Google Patents

Abstract

本申请公开了企业运营分析预警系统的监测指标优化方法，包括：首先通过根据备选监测指标生成相关系数矩阵；接着，根据相关系数矩阵和预设的临界值，生成邻接矩阵；然后再根据邻接矩阵生成可达矩阵，从而可以获取可达矩阵中每个元素的可达集、先行集，以及可达集和先行集的交集，这样，通过级别划分后，就可以生成能够表征各个备选检测指标的特性的监测指标影响关系图，从而可以根据监测指标影响关系图来识别备选检测指标中的成果指标和驱动指标；通过本发明实施例，可以筛选到更加具有针对性的监测指标，所以可以有效地提高企业运营分析预警系统进行分析预警的效果。

Description

企业运营分析预警系统的监测指标优化方法

技术领域

本发明涉及数据分析领域，特别是涉及企业运营分析预警系统的监测指标优化方法。

背景技术

企业运营分析预警系统需要通过对获取到的监测指标进行分析来实现对企业的业务活动和核心业务资源的监测，以及，实现对综合绩效、发展能力、竞争能力、风险管控等方面的运营分析；此外，还可以实现对企业经营管理中存在的异动和问题进行预警并协调解决，以及，对企业管理成效进行实时、全景的展示。

针对不同的分析预警需求，企业运营分析预警系统在对所获取的监测指标进行分析时，需要通过识别、筛选关键监测指标等方式来对检测指标进行优化，以匹配不同的分析预警需求。

现有技术中，由于没有完备的检测指标优化方法，使得企业运营分析预警系统进行分析预警的效果不佳。

发明内容

本发明所要解决的技术问题是如何提高企业运营分析预警系统进行分析预警的效果，具体的：

本发明实施例提供了一种企业运营分析预警系统的监测指标优化方法，包括步骤：

S11、根据分析预警需求的不同，在监测指标库中获取对应的备选监测指标；

S12、计算各所述备选监测指标两两之间的关联系数，生成各所述备选监测指标的相关系数矩阵；

S13、根据所述相关系数矩阵和预设的临界值，生成邻接矩阵；

S14、根据所述邻接矩阵生成可达矩阵，获取所述可达矩阵中每个元素的可达集、先行集，以及所述可达集和所述先行集的交集；

S15、根据所述可达集、所述先行集，以及所述可达集和所述先行集的交集，进行级别划分，获得多个层级，以及每个层级类所包括的备选监测指标；

S16、根据所述多个层级，以及每个层级类所包括的备选监测指标，生成监测指标影响关系图；

S17、根据所述监测指标影响关系图对所述各备选监测指标进行筛选和优化，包括：

多个所述层级中，从最高层开始向下逐层筛选监测指标，依次选择设定数量的备选监测指标作为成果指标；从最底层开始向上逐层筛选监测指标，依次选择设定数量的备选监测指标作为驱动指标。

优选的，在本发明实施例中，还包括验证步骤，包括：

通过SPSS软件对所述备选监测指标进行主成分分析，获取所述成果指标和所述驱动指标的贡献度；

当所述成果指标和所述驱动指标的累计贡献度大于预设百分比时，验证通过。

优选的，在本发明实施例中，所述根据分析预警需求的不同，在监测指标库中获取对应的备选监测指标，包括：

采用平衡计分卡或战略矩阵对所述监测指标库中监测指标的指标结构或适用条件进行分析，将所述监测指标库中满足预设条件的监测指标确定为备选监测指标。

优选的，在本发明实施例中，所述计算各所述备选监测指标两两之间的关联系数，生成各所述备选监测指标的相关系数矩阵，包括：

S21、根据所述备选监测指标，形成n×m阶数据矩阵A₀如下：

$A_0=\left[\begin{array}{ccccc}{x}_{11}& x_{21}& x_{31}& ...& x_{n1}\\ x_{12}& x_{22}& x_{32}& ...& x_{n2}\\ ...& ...& ...& ...& ...\\ x_{1m}& x_{2m}& ...& ...& x_{nm}\end{array}\right]$

所述x₁₁、x₁₂。。。。x_nm用于分别表示各个备选监测指标；

S22、对所述矩阵A₀进行处理，计算各备选监测指标两两之间的关联系数，计算两个备选监测指标的相关系数公式如下：

$r_{12}=\frac{{\mathrm{\Σx}}_{1j}{x}_{2j}-\frac{{\mathrm{\Σx}}_{1j}{\mathrm{\Σx}}_{2j}}{m}}{\sqrt{({{\mathrm{\Σx}}^2}_{1j}-\frac{{\left({\mathrm{\Σx}}_{1j}\right)}^2}{m})({{\mathrm{\Σx}}^2}_{2j}-\frac{{\left({\mathrm{\Σx}}_{2j}\right)}^2}{m})}}$

所述x₁和所述x₂为两个不同的备选监测指标；

S23、生成指标的相关系数矩阵A₁如下：

$A_1=\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{ln}\\ r_{21}& r_{22}& ...& r_{2n}\\ ...& ...& ...& ...\\ r_{n1}& ...& ...& r_{nn}\end{array}\right].$

优选的，在本发明实施例中，所述根据所述相关系数矩阵和预设的临界值，生成邻接矩阵，包括：

预设临界值α；将所述临界值α分别与所述指标相关系数矩阵A₁的各元素进行大小比对；

根据比对结果生成邻接矩阵A₂，包括：当所述指标相关系数矩阵A₁中某一元素大于所述临界值α时，令所述元素为1；否则，令所述元素为0；

所述邻接矩阵A₂如下：

$A_2=\left[\begin{array}{cccc}1& 1& ...& 0\\ 1& 1& ...& 0\\ ...& ...& ...& ...\\ 0& 0& ...& 1\end{array}\right].$

优选的，在本发明实施例中，所述根据所述邻接矩阵生成可达矩阵，获取所述可达矩阵中每个元素的可达集、先行集，以及所述可达集和所述先行集的交集，包括：

通过公式：(A₂+I)^k-1≠(A₂+I)^k＝(A₂+I)^k+1＝A₃，根据所述邻接矩阵A₂生成可达矩阵A₃；

获取所述可达矩阵A₃中各元素的可达集R(S_i)、先行集Q(S_i)，以及，可达集R(S_i)和先行集Q(S_i)的交集R(S_i)∩Q(S_i)。

优选的，在本发明实施例中，所述通过SPSS软件对所述备选监测指标进行主成分分析，获取所述成果指标和所述驱动指标的贡献度，包括：

S31、根据公式Σ＝(S_ij)_p×p(其中， $s_{ij}=\frac{1}{n-1}\underset{k=1}{\overset{n}{\Σ}}(x_{ki}-{\stackrel{\‾}{x}}_i)(x_{kj}-{\stackrel{\‾}{x}}_j),i,j=1,2,\mathrm{...},p$ )，

计算所选备选监测指标的协方差矩阵；

S32、求出Σ的特征值λ_i及相应的正交化单位特征向量a_i；将所述成果指标和所述驱动指标确定为主成分；

Σ的前m个较大的特征值λ₁>λ₂>...>λ_m>0，即为前m个主成分对应的方差，λ_i对应的单位特征向量a_i即为主成分F_i的关于原变量的系数，则原变量的第i个主成分，所述F_i的计算公式为：F_i＝a_i ^TX；

主成分的方差贡献率用来反映信息量的大小，a_i的计算公式为： ${\mathrm{\α}}_i={\mathrm{\λ}}_i/\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\λ}}_i;$

S33、计算所述主成分的累计贡献率G_m；

$G\left(m\right)=\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\λ}}_i/\underset{k=1}{\overset{p}{\Σ}}{\mathrm{\λ}}_k.$

由上可以得知，本发明实施例中，首先通过根据备选监测指标生成相关系数矩阵；接着，根据相关系数矩阵和预设的临界值，生成邻接矩阵；然后再根据邻接矩阵生成可达矩阵，从而可以获取可达矩阵中每个元素的可达集、先行集，以及可达集和先行集的交集，这样，通过级别划分后，就可以生成能够表征各个备选检测指标的特性的监测指标影响关系图，从而可以根据监测指标影响关系图来识别备选检测指标中的成果指标和驱动指标；其中，成果指标为用于体现企业运营活动的结果的监测指标，驱动指标为对整体监测指标绩效的影响较大，适合做为体现对企业运营绩效具有支持作用的监测指标。

由于通过本发明实施例，可以筛选到更加具有针对性的监测指标，所以可以有效地提高企业运营分析预警系统进行分析预警的效果。

此外，由于通过本发明实施例，还生成了能够体现各个备用监测指标之间的影响关系的监测指标影响关系图，所以还可以直观的获得监测指标之间的影响关系。

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为本申请中所述企业运营分析预警系统的监测指标优化方法的步骤示意图；

图2为本申请中所述企业运营分析预警系统的监测指标优化方法的又一步骤示意图；

图3为本申请中所述监测指标影响关系图的结构示意图；

图4为本申请中所述企业运营分析预警系统的监测指标优化方法的又一步骤示意图。

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，都属于本发明保护的范围。

为了提高企业运营分析预警系统进行分析预警的效果，本发明实施例提供了一种企业运营分析预警系统的监测指标优化方法，如图1所示，包括步骤：

S11、根据分析预警需求的不同，在监测指标库中获取对应的备选监测指标；

在本发明实施例中，企业运营分析预警系统设有用于存储所有监测指标的数据库，即，监测指标库。

分析预警需求是指企业运营分析预警系统不同的应用场景，如运营绩效评价等；在监测指标库中获取对应的备选监测指标的具体方式可以是通过平衡计分卡、战略矩阵等工具方法来对监测指标的指标结构、适用条件进行分析，在监测指标库中选择满足上述条件的监测指标作为备选监测指标。

通过备选监测指标的选取，可以基本确定用于分析预警的监测指标的指标体系的大致结构，从而为进行监测指标的进一步优化提供基本前提。

以分析预警需求是运营绩效评价为例，获取的备选监测指标可以如表1所示，包括54项监测指标；

表1：

在54项备选监测指标中，核心资源监测指标体系下含有15项指标，分别定义为S₁，S₂，...,S₁₅；客户市场监测指标体系下含有13项指标，分别定义为S₁₆,S₁₇,...,S₂₈；内部运营监测指标体系下含有12项指标，分别定义为S₂₉,S₃₀,...,S₄₀；运营成果指标体系下含有14项指标，分别定义为S₄₁,S₄₂,...,S₅₄。

S12、计算各备选监测指标两两之间的关联系数，生成各备选监测指标的相关系数矩阵；

通过计算各备选监测指标两两之间的关联系数，并根据计算结果生成用于体现各备选监测指标间的关联程度的相关系数矩阵，可以在进行监测指标的优化过程中，将备选监测指标间的相关度作为优化因素，从而可以在备选监测指标中进一步的识别出关键的监测指标。

在实际应用中，计算各备选监测指标两两之间的关联系数，生成各备选监测指标的相关系数矩阵具体可以如图2所示，包括步骤：

S21、根据备选监测指标，形成n×m阶数据矩阵A₀如下：

$A_0=\left[\begin{array}{ccccc}{x}_{11}& x_{21}& x_{31}& ...& x_{n1}\\ x_{12}& x_{22}& x_{32}& ...& x_{n2}\\ ...& ...& ...& ...& ...\\ x_{1m}& x_{2m}& ...& ...& x_{nm}\end{array}\right]$

所述x₁₁、x₁₂。。。。x_nm用于分别表示各个备选监测指标；

S22、对矩阵A₀进行处理，计算各备选监测指标两两之间的关联系数，计算两个备选监测指标的相关系数公式如下：

$r_{12}=\frac{{\mathrm{\Σx}}_{1j}{x}_{2j}-\frac{{\mathrm{\Σx}}_{1j}{\mathrm{\Σx}}_{2j}}{m}}{\sqrt{({{\mathrm{\Σx}}^2}_{1j}-\frac{{\left({\mathrm{\Σx}}_{1j}\right)}^2}{m})({{\mathrm{\Σx}}^2}_{2j}-\frac{{\left({\mathrm{\Σx}}_{2j}\right)}^2}{m})}}$

其中，x₁和x₂为两个不同的备选监测指标；

S23、生成指标的相关系数矩阵A₁如下：

$A_1=\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{ln}\\ r_{21}& r_{22}& ...& r_{2n}\\ ...& ...& ...& ...\\ r_{n1}& ...& ...& r_{nn}\end{array}\right].$

S13、根据相关系数矩阵和预设的临界值，生成邻接矩阵；

为了便于后续的计算处理，在本发明实施例中，通过设有临界值，将相关系数矩阵A₁中的元素二值化处理后，生成邻接矩阵。

在实际应用中，预设的临界值并生成邻接矩阵的具体方式可以是预设临界值α；将临界值α分别与所述指标的相关系数矩阵A₁的各元素进行大小比对；根据比对结果生成邻接矩阵A₂，包括：当指标相关系数矩阵A₁中某一元素大于所述临界值α时，令元素为1；否则令元素为0；比如，对矩阵A₁进行处理，处理方式如下：若r_ij>α，则令r_ij＝1，否则令r_ij＝0，其中，α取值可以进行定义，比如，可以临界值可以取值为0.85，得到n×n阶邻接矩阵A₂。这样，生成邻接矩阵A₂如下：

$A_2=\left[\begin{array}{cccc}1& 1& ...& 0\\ 1& 1& ...& 0\\ ...& ...& ...& ...\\ 0& 0& ...& 1\end{array}\right].$

S14、根据邻接矩阵生成可达矩阵，获取可达矩阵中每个元素的可达集、先行集，以及可达集和先行集的交集；

可达矩阵可以描述有向连接图各节点之间经过一定长度的通路后可达到的程度；具体的，根据邻接矩阵生成可达矩阵的方式可以是通过公式：

(A₂+I)^k-1≠(A₂+I)^k＝(A₂+I)^k+1＝A₃来实现，从而可以根据邻接矩阵A₂生成可达矩阵A₃。

接着，获取可达矩阵A₃中每个元素的可达集、先行集，以及可达集和先行集的交集，具体可以包括：

求解R：找出每一行中元素为1对应的列以获取可达集R(S_i)；

求解Q：找出每一列中元素为1对应的行以获取先行集Q(S_i)；

通过处理得到各个元素相对应的可达集R(S_i)、先行集Q(S_i)以及两者的交集R(S_i)∩Q(S_i)。

S15、根据可达集、先行集，以及可达集和先行集的交集，进行级别划分，获得多个层级以及每个层级类所包括的备选监测指标；

具体的，根据R(S_i)∩Q(S_i)＝R(S_i)的条件对可达矩阵进行分解，抽取符合条件的监测指标要素S_i，并定义该监测指标为顶层监测指标，再对剩下的监测指标要素进行再分解，即剔除顶层监测指标后再抽取符合条件的监测指标要素，并定义为第二层监测指标，以此类推，直到所有监测指标都被抽取。

S16、根据多个层级，以及每个层级类所包括的备选监测指标，生成监测指标影响关系图；

具体的，随着根据抽取符合条件的监测指标要素定义各监测指标的层级过程，可以生成监测指标影响关系图，所述监测指标影响关系图可以如图3所示，图3中的左侧一端表示最高层级，右侧一端表示最低层级。

S17、根据监测指标影响关系图对各备选监测指标进行筛选和优化，包括：

多个层级中，从最高层开始向下逐层筛选监测指标，依次选择设定数量的备选监测指标作为成果指标；从最底层开始向上逐层筛选监测指标，依次选择设定数量的备选监测指标作为驱动指标。

具体的监测指标影响关系图可以如图3所示，通过图3中的监测指标影响关系图可以看出，54项监测指标分布在层级的两端(图3中的左侧一端表示最高层级，右侧一端表示最低层级)，依照驱动性影响的不同划分两大类关键指标：成果指标和驱动指标，具体指标筛选结果见下表：

这样，通过本发明实施例中的企业运营分析预警系统的监测指标优化方法，将运营监测指标体系中54项监测指标筛选筛选优化为12项(以设定数量为12为例)驱动指标以及12项结果指标。

由上可以看出，本发明实施例中，首先通过根据备选监测指标生成相关系数矩阵；接着，根据相关系数矩阵和预设的临界值，生成邻接矩阵；然后再根据邻接矩阵生成可达矩阵，从而可以获取可达矩阵中每个元素的可达集、先行集，以及可达集和先行集的交集，这样，通过级别划分后，就可以生成能够表征各个备选检测指标的特性的监测指标影响关系图，从而可以根据监测指标影响关系图来识别备选检测指标中的成果指标和驱动指标；其中，成果指标为用于体现企业运营活动的结果的监测指标，驱动指标为对整体监测指标绩效的影响较大，适合做为体现对企业运营绩效具有支持作用的监测指标。

由于通过本发明实施例，可以筛选到更加具有针对性的监测指标，所以可以有效地提高企业运营分析预警系统进行分析预警的效果。

此外，由于通过本发明实施例，还生成了能够体现各个备用监测指标之间的影响关系的监测指标影响关系图，所以还可以直观的获得监测指标之间的影响关系。

进一步的，在本发明实施例中，还可以包括有验证步骤，具体的，验证步骤可以包括：

通过SPSS软件对备选监测指标进行主成分分析，获取成果指标和驱动指标的贡献度；当成果指标和驱动指标的累计贡献度大于预设百分比时，验证通过。

本发明实施例中的验证步骤，其作用为用于验证通过步骤S11至S17进行监测指标的优化效果，具体方式为：

通过对公司运营监测指标体系的主成分分析，结合指标历史数据，这样，不仅可以计算出关键监测指标信息量在指标体系的信息量之和占比情况，同时可以计算各关键指标在新构成的指标体系中的因子载荷，为公司运营绩效综合评价提供权重基础。

在实际应用中，验证步骤具体可以如图4所示，包括：

S31、计算所选监测指标的协方差矩阵；

具体采用的公式可以如下：

Σ＝(S_ij)_p×p其中， $s_{ij}=\frac{1}{n-1}\underset{k=1}{\overset{n}{\Σ}}(x_{ki}-{\stackrel{\‾}{x}}_i)(x_{kj}-{\stackrel{\‾}{x}}_j),i,j=1,2,\mathrm{...},p.$

S32、求出Σ的特征值λ_i及相应的正交化单位特征向量a_i；将成果指标和驱动指标确定为主成分；

Σ的前m个较大的特征值λ₁>λ₂>...>λ_m>0，就是前m个主成分对应的方差，λ_i对应的单位特征向量a_i就是主成分F_i的关于原变量的系数，则原变量的第i个主成分F_i的计算公式为：

F_i＝a_i ^TX。

主成分的方差贡献率用来反映信息量的大小，a_i的计算公式为：

${\mathrm{\α}}_i={\mathrm{\λ}}_i/\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\λ}}_i.$

S33、计算主成分的累计贡献率G_m；

最终要选择几个主成分，即F₁,F₂,...,F_m中m的确定是通过方差累计贡献率G_m来确定，G_m的计算公式为：

$G\left(m\right)=\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\λ}}_i/\underset{k=1}{\overset{p}{\Σ}}{\mathrm{\λ}}_k.$

利用SPSS软件，通过步骤S31至S33的计算，可以得到成果指标和驱动指标的贡献度，当累积贡献率大于一定的百分比(如：85％)时，表明通过本发明实施例中S11至S17中的企业运营分析预警系统的监测指标优化方法所选取出的成果指标和驱动指标，即可代表整个备选监测指标构成的指标体系，从而成功的实现对指标体系的精简，对于本发明实施例中S11至S17中的企业运营分析预警系统的监测指标优化方法所选取出的成果指标和驱动指标验证通过。

由上可知，通过设有验证步骤，可以进一步的确定本发明实施例中监测指标优化方法的有效性。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例提供的装置而言，由于其与实施例提供的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所提供的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所提供的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种企业运营分析预警系统的监测指标优化方法，其特征在于，包括步骤：

S11、根据分析预警需求的不同，在监测指标库中获取对应的备选监测指标；

S12、计算各所述备选监测指标两两之间的关联系数，生成各所述备选监测指标的相关系数矩阵；

S13、根据所述相关系数矩阵和预设的临界值，生成邻接矩阵；

S14、根据所述邻接矩阵生成可达矩阵，获取所述可达矩阵中每个元素的可达集、先行集，以及所述可达集和所述先行集的交集；

S15、根据所述可达集、所述先行集，以及所述可达集和所述先行集的交集，进行级别划分，获得多个层级，以及每个层级类所包括的备选监测指标；

S16、根据所述多个层级，以及每个层级类所包括的备选监测指标，生成监测指标影响关系图；

S17、根据所述监测指标影响关系图对所述各备选监测指标进行筛选和优化，包括：

多个所述层级中，从最高层开始向下逐层筛选监测指标，依次选择设定数量的备选监测指标作为成果指标；从最底层开始向上逐层筛选监测指标，依次选择设定数量的备选监测指标作为驱动指标。

2.根据权利要求1所述企业运营分析预警系统的监测指标优化方法，其特征在于，还包括验证步骤，包括：

通过SPSS软件对所述备选监测指标进行主成分分析，获取所述成果指标和所述驱动指标的贡献度；

当所述成果指标和所述驱动指标的累计贡献度大于预设百分比时，验证通过。

3.根据权利要求2所述企业运营分析预警系统的监测指标优化方法，其特征在于，所述根据分析预警需求的不同，在监测指标库中获取对应的备选监测指标，包括：

采用平衡计分卡或战略矩阵对所述监测指标库中监测指标的指标结构或适用条件进行分析，将所述监测指标库中满足预设条件的监测指标确定为备选监测指标。

4.根据权利要求3所述企业运营分析预警系统的监测指标优化方法，其特征在于，所述计算各所述备选监测指标两两之间的关联系数，生成各所述备选监测指标的相关系数矩阵，包括：

S21、根据所述备选监测指标，形成n×m阶数据矩阵A₀如下：

$A_0=\left[\begin{array}{ccccc}{x}_{11}& x_{21}& x_{31}& ...& x_{n1}\\ x_{12}& x_{22}& x_{32}& ...& x_{n2}\\ ...& ...& ...& ...& ...\\ x_{1m}& x_{2m}& ...& ...& x_{nm}\end{array}\right]$

所述x₁₁、x₁₂。。。。x_nm用于分别表示各个备选监测指标；

S22、对所述矩阵A₀进行处理，计算各备选监测指标两两之间的关联系数，计算两个备选监测指标的相关系数公式如下：

$r_{12}=\frac{{\mathrm{\Σx}}_{1j}{x}_{2j}-\frac{{\mathrm{\Σx}}_{1j}{\mathrm{\Σx}}_{2j}}{m}}{\sqrt{({{\mathrm{\Σx}}^2}_{1j}-\frac{{\left({\mathrm{\Σx}}_{1j}\right)}^2}{m})({{\mathrm{\Σx}}^2}_{2j}-\frac{{\left({\mathrm{\Σx}}_{2j}\right)}^2}{m})}}$

所述x₁和所述x₂为两个不同的备选监测指标；

S23、生成指标的相关系数矩阵A₁如下：

$A_1=\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1n}\\ r_{21}& r_{22}& ...& r_{2n}\\ ...& ...& ...& ...\\ r_{n1}& ...& ...& r_{nn}\end{array}\right].$

5.根据权利要求4所述企业运营分析预警系统的监测指标优化方法，其特征在于，所述根据所述相关系数矩阵和预设的临界值，生成邻接矩阵，包括：

预设临界值α；将所述临界值α分别与所述指标的相关系数矩阵A₁的各元素进行大小比对；

根据比对结果生成邻接矩阵A₂，包括：当所述指标相关系数矩阵A₁中某一元素大于所述临界值α时，令所述元素为1；否则，令所述元素为0；

所述邻接矩阵A₂如下：

$A_2=\left[\begin{array}{cccc}1& 1& ...& 0\\ 1& 1& ...& 0\\ ...& ...& ...& ...\\ 0& 0& ...& 1\end{array}\right].$

6.根据权利要求5所述企业运营分析预警系统的监测指标优化方法，其特征在于，所述根据所述邻接矩阵生成可达矩阵，获取所述可达矩阵中每个元素的可达集、先行集，以及所述可达集和所述先行集的交集，包括：

通过公式：(A₂+I)^k-1≠(A₂+I)^k＝(A₂+I)^k+1＝A₃，根据所述邻接矩阵A₂生成可达矩阵A₃；

获取所述可达矩阵A₃中各元素的可达集R(S_i)、先行集Q(S_i)，以及，可达集R(S_i)和先行集Q(S_i)的交集R(S_i)∩Q(S_i)。

7.根据权利要求6所述企业运营分析预警系统的监测指标优化方法，其特征在于，所述通过SPSS软件对所述备选监测指标进行主成分分析，获取所述成果指标和所述驱动指标的贡献度，包括：

S31、根据公式Σ＝(S_ij)_p×p(其中， $s_{\mathrm{ij}}=\frac{1}{n-1}\underset{k=1}{\overset{n}{\mathrm{\Σ}}}(x_{\mathrm{ki}}-{\stackrel{\‾}{x}}_i)(x_{\mathrm{kj}}-{\stackrel{\‾}{x}}_j),i,j=\mathrm{1,2},...,p),$

计算所选备选监测指标的协方差矩阵；

S32、求出Σ的特征值λ_i及相应的正交化单位特征向量a_i；将所述成果指标和所述驱动指标确定为主成分；

Σ的前m个较大的特征值λ₁>λ₂>...>λ_m>0，即为前m个主成分对应的方差，λ_i对应的单位特征向量a_i即为主成分F_i的关于原变量的系数，则原变量的第i个主成分，所述F_i的计算公式为：F_i＝a_i ^TX；

主成分的方差贡献率用来反映信息量的大小，a_i的计算公式为： ${\mathrm{\α}}_i={\mathrm{\λ}}_i/\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\λ}}_i;$

S33、计算所述主成分的累计贡献率G_m；

$G\left(m\right)=\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\λ}}_i/\underset{k=1}{\overset{p}{\Σ}}{\mathrm{\λ}}_k.$