CN107464037A - 基于多指标维度模型的企业画像方法及系统 - Google Patents

Abstract

本发明提供一种基于多指标维度模型的企业画像方法及系统，其中方法包括数据源获取，还包含以下步骤，多维度指标确定；多维度规则确定；多维度规则的归一化处理；多维度模型的确定；模型参数优化调整。本发明公开的企业画像评价模型与方法，突破了定性或者片面描述企业特征的问题，建立了一种基于定量积分的企业特征描述方法，能够为政府监管、征信、金融、企事业单位提供根据全面、准确的信息支撑。

Description

基于多指标维度模型的企业画像方法及系统

技术领域

本发明涉及企业画像领域，特别是一种基于多指标维度模型的企业画像方法及系统。

背景技术

企业作为社会经济活动的主体，它涉及社会经济生活的各个方面，由于数据获取方法，评价模型等原因，现有企业画像描述方法多是从企业风险评估、企业信用、企业资质等某个方面或者采用标签的方式对企业进行画像的定性描述，难以全面了解企业的整体情况，不能定量地对企业进行画像描述。

针对企业画像，目前常用的主要有基于标签的企业定性画像以及基于某一特定领域的模型画像；基于标签的企业画像是从大量数据中获取企业特征词库，基于预先构建的领域知识库进行特征词扩展，并进行参数训练，获取目标企业的画像标签，生成企业画像；基于某一特征领域的模型画像是针对企业信用，企业风险等特定领域建立风险指标，并确定不同指标的权重参数，建立企业评价等级，生成企业画像。现有方法一方面缺乏对企业整体特征指标的描述，信息不全面；另一方面也是定性的描述，缺乏可量化的指标或者全面的描述，标签描述粒度较粗，灵敏度较低，难以对企业的各种经营和社会活动进行定量描述，当企业信息发生变化时，不能及时响应并且对企业画像进行相应的变化。

申请号为CN105512245A的发明申请公开了一种基于回归模型建立企业画像的方法，包括从互联网采集企业相关的网络数据并进行预处理，获得各企业的网络文本集及有文本特征词构成的特征词库；基于隐狄雷克雷分布算法从网络文本集中获得各企业网络数据的主体分布概率，及各个特征词属于某一主体的后验概率；基于预先构建的领域知识库进行特征词扩展；根据预先建立的画像标签体系，建立回归模型，并进行参数训练；基于已训练好的回归模型，获取目标企业的画像标签；以上述画像标签为主，上述代表性特征词为辅，生成企业画像。该方法步骤较多，计算较为繁琐，对于海量的互联网数据并没有进行分类，而是采用大量计算来解决问题。

发明内容

为了解决上述问题，本发明提供了一种基于多维度指标的企业画像模型方法，采用大数据方法获取企业投资、生产、分配、消费以及内部管理等多种行为数据，基于神经网络、遗传算法将相关信息具象为不同维度的可量化指标，并且利用柯西分布函数以及Bifactor模型，进行归一化处理，建立一种新型的多维度指标积分模型，实现对企业的全方位特征描述和画像。本发明公开的企业画像评价模型与方法，突破了定性或者片面描述企业特征的问题，建立了一种基于定量积分的企业特征描述方法，能够为政府监管、征信、金融、企事业单位提供根据全面、准确的信息支撑。

本发明的具体技术方案如下：

本发明的第一方面提出了一种基于多指标维度模型的企业画像方法，包括数据源获取，包含以下步骤：

步骤1：多维度指标确定；

步骤2：多维度规则确定；

步骤3：多维度规则的归一化处理；

步骤4：多维度模型的确定；

步骤5：模型参数优化调整。

优选的是，所述数据源获取是指基于技术手段获取企业投资、生产、分配、消费和内部管理中至少一种行为数据，形成多源异构的企业数据源。

在上述方案中优选的是，所述技术手段是指互联网舆情、数据交换和数据ETL中至少一种。

在上述方案中优选的是，所述步骤1是指根据对所述企业数据源的全面分析，结合企业工商，税务，监管，经济行为等特征，确定企业全方位的评价指标，并建立完善的企业指标体系。

在上述方案中优选的是，所述企业指标体系包括指标分层评价体系和指标分级评价体系中至少一种。

在上述方案中优选的是，所述企业指标体系由最细粒度的企业信息逐级汇总而成。

在上述方案中优选的是，所述规则是指在具体指标基础上，由不同的指标根据一定的算法灵活组成。

在上述方案中优选的是，所述规则是针对企业某方面的特征进行进一步的描述和量化，根据企业不同的特征建立灵活的规则。

在上述方案中优选的是，所述步骤3是指采用偏大型柯西分布函数为基准进行归一化计算，实现多维度规则的量化计算。

在上述方案中优选的是，所述归一化计算的计算公式如下：

式中，a,b,α,β待解常数，会根据不同的规则具有不同的赋值。

在上述方案中优选的是，所述步骤4是指在所述规则的基础上，由多种所述规则组成对企业的进一步描述，形成企业的多维度模型。

在上述方案中优选的是，不同所述规则之间采用线性加权的方式实现模型的定量计算和描述。

在上述方案中优选的是，所述步骤5是指将获取的各类企业数据进行整合分析后，对模型相关参数继续优化调整，形成最终的企业画像模型。

在上述方案中优选的是，所述优化调整的计算公式如下：

式中，a,b,α,β待解常数，是根据不同维度模型，经实际数据优化后的固定常数。

本发明的第二方面提出了一种基于多指标维度模型的企业画像系统，包括数据源获取模块，还包含以下模块：

指标确定模块：用于多维度指标确定；

规则确定模块：用于多维度规则确定；

规则处理模块：用于多维度规则的归一化处理；

模型确定模块：用于多维度模型的确定；

参数调整模块：用于模型参数优化调整。

优选的是，所述数据源获取是指基于技术手段获取企业投资、生产、分配、消费和内部管理中至少一种行为数据，形成多源异构的企业数据源。

在上述方案中优选的是，所述技术手段是指互联网舆情、数据交换和数据ETL中至少一种。

在上述方案中优选的是，所述指标确定模块具有根据对所述企业数据源的全面分析，结合企业工商，税务，监管，经济行为等特征，确定企业全方位的评价指标，并建立完善的企业指标体系的功能。

在上述方案中优选的是，所述企业指标体系包括指标分层评价体系和指标分级评价体系中至少一种。

在上述方案中优选的是，所述企业指标体系由最细粒度的企业信息逐级汇总而成。

在上述方案中优选的是，所述规则是指在具体指标基础上，由不同的指标根据一定的算法灵活组成。

在上述方案中优选的是，所述规则是针对企业某方面的特征进行进一步的描述和量化，根据企业不同的特征建立灵活的规则。

在上述方案中优选的是，所述规则处理模块具有采用偏大型柯西分布函数为基准进行归一化计算，实现多维度规则的量化计算的功能。

在上述方案中优选的是，所述归一化计算的计算公式如下：

式中，a,b,α,β待解常数，会根据不同的规则具有不同的赋值。

在上述方案中优选的是，所述模型确定模块具有在所述规则的基础上，由多种所述规则组成对企业的进一步描述，形成企业的多维度模型的功能。

在上述方案中优选的是，不同所述规则之间采用线性加权的方式实现模型的定量计算和描述。

在上述方案中优选的是，所述参数调整模块具有将获取的各类企业数据进行整合分析后，对模型相关参数继续优化调整，形成最终的企业画像模型的功能。

在上述方案中优选的是，所述优化调整的计算公式如下：

式中，a,b,α,β待解常数，是根据不同维度模型，经实际数据优化后的固定常数。

本发明一方面建立了更加全面的企业指标评价体系，并且将指标进行量化表达，形成定量的企业画像评价模型，解决了原有方法不能定量的描述企业画像的确定，并且能够对企业信息变化进行快速的调整和显现，对企业的刻画更加准确、及时。

附图说明

图1为按照本发明的基于多指标维度模型的企业画像方法的一优选实施例的流程示意图。

图2为按照本发明的基于多指标维度模型的企业画像系统的一优选实施例的模块图。

图3为按照本发明的基于多指标维度模型的企业画像方法的另一优选实施例的指标体系示意图。

具体实施方式

实施例1

如图1、图2所示，执行步骤100，通过数据源获取模块200使用基于互联网舆情，数据交换，数据ETL等技术手段，获取企业投资、生产、分配、消费以及内部管理等多种行为数据，形成多源异构的企业数据源。执行步骤210，根据对从数据源获取模块200获得的企业数据源的全面分析，结合企业工商，税务，监管，经济行为等特征，使用指标确定模块210确定企业全方位的评价指标，并建立完善的指标分层、分级评价体系。企业指标体系，由最细粒度的企业信息逐级汇总而成，如：指标：“企业法人代表”，“企业销售额”，“企业纳税额”等为具体指标。指标向上逐级汇总，最高一级指标包括：基本信息、管理信息、经济活动和公共信息。执行步骤120，使用规则确定模块220确定多维度规则，规则是在具体指标基础上，由不同的指标根据一定的算法灵活组成。规则是针对企业某方面的特征进行进一步的描述和量化，可以根据企业不同的特征建立灵活的规则。例如：指标，“企业发展＝张三”，and“企业纳税额<＝1千万”，Or“企业性质＝P2P企业”，共同组成某一维度的规则。执行步骤130，使用规则处理模块230结合从数据源获取模块200获得的企业数据源数据，对多维度规则进行归一化处理。由于不同的指标的量级、单位以及定性描述的不同，造成多维度规则难以统一量化，因此需要对各维度规则进行归一化处理。统一采用偏大型柯西分布函数为基准进行归一化计算，实现多维度规则的量化计算。具体计算方式如下：式中，a,b,α,β待解常数，会根据不同的规则具有不同的赋值。执行步骤140，使用模型确定模块240结合从数据源获取模块200获得的企业数据源数据，在规则的基础上，由多种规则组成对企业的进一步描述，形成企业的多维度模型，不同规则之间采用线性加权的方式实现模型的定量计算和描述。在规则的基础上，由多种规则组成对企业的进一步描述，形成企业的多维度模型，不同规则之间采用线性加权的方式实现模型的定量计算和描述。执行步骤150，使用参数调整模块250结合从数据源获取模块200获得的企业数据源数据进行模型参数优化调整，将获取的各类企业数据进行整合分析后，对模型相关参数继续优化调整，形成最终的企业画像模型。具体规则如下：式中，a,b,α,β待解常数，是根据不同维度模型，经实际数据优化后的固定常数。执行步骤160，最终确定企业画像与评分。

实施例2

如图3所示，在指标体系中最高一级指标包括：经济活动、公共信息、基本信息和管理信息。

在经济活动中包括：

1、房产信息；

2、地产信息；

3、单位缴税信息：包括企业性质、第三方信息测控、下户稽查和重点户管理；

4、财务信息：包括资产负债表(资产)、资产负债表(负债及所有者权益(股东权益))、利润表、现金流量表、所有者权益变动表、主要财务指标、审计信息；

5、投资/并购/融资信息：包括投资、并购、银行往来与融资信息、其他融资信息；

6、担保信息：包括提供担保信息、接受担保信息；

7、股票/债券发行信息：包括股票发行核准信息、债券发行核准信息；

8、动产抵押登记信息；

9、版权出质登记信息；

10、知识产权出质登记信息；

11、海关报关信息；

12、企业年报信息。

在基本信息中包括：

1、营业执照信息；

2、经营场所信息；

3、税务登记信息；

4、组织机构信息；

5、分支机构信息；

6、上市信息；

7、股东及出资信息；

8、主要关联关系信息：包括主要关联法人、主要关联自然人、主要关联交易；

9、变更信息：包括注册资本变化、股东变更、名称变更、法定代表人变更、经营地址变更、企业改制、经营方向变更、其他重大历史事件；

10、清算信息。

在公共信息中包括：

1、监督评价信息：包括企业年检信用信息、企业荣誉信息、环境行为评价信息、未履行法定义务/违约信息、行政处罚信息、行政强制信息、行政裁决信息、司法协助信息；

2、社会信息：包括行业分析、网络舆情信息、综合评价；

1)行业分析：包括行业概况、产业政策、上下游企业、主要竞争对手、行业发展趋势及前景；

2)网络舆情信息：包括新闻走势、参加社会活动信息、情感分析、媒体来源；

3)综合评价：包括经营情况、行业地位、竞争优势、风险点、发展趋势、信用登记。

在管理信息中包括：

1、主要经营管理者信息：包括董(监)事会主要成员、经理及其他高级管理人员、财务负责人；

2、人员构成；

3、劳动保障信息；

4、经营状况信息：包括主要设备、主要货物采购、主要产品(商品)、主要服务项目；

5、知识产权信息：包括专利、软件著作权、商标注册信息；

6、企业资质信息；

7、专项登记证信息；

8、质量安全信息；

9、行政许可信息。

实施例3

本发明描述了一种基于多维度指标的企业画像模型方法，采用大数据方法获取企业投资、生产、分配、消费以及内部管理等多种行为数据，基于神经网络、遗传算法将相关信息具象为不同维度的可量化指标，并且利用柯西分布函数以及Bifactor模型，进行归一化处理，建立一种新型的多维度指标积分模型，实现对企业的全方位特征描述和画像。本发明公开的企业画像评价模型与方法，突破了定性或者片面描述企业特征的问题，建立了一种基于定量积分的企业特征描述方法，能够为政府监管、征信、金融、企事业单位提供根据全面、准确的信息支撑。

在实际应用中需要建立企业的整体画像，但在研究过程中发现现有企业画像方法都是采用标签定性的描述，或是以企业风险，企业信用等模型对企业进行特定的描画，难以满足企业描画的实际需要。基于此，本发明采用大数据方法获取企业投资、生产、分配、消费以及内部管理等多种行为数据，基于神经网络、遗传算法将相关信息具象为不同维度的可量化指标，并且利用柯西分布函数以及Bifactor模型，进行归一化处理，并结合实际数据进行优化调整，建立一种新型的多维度指标关联图谱模型，实现对企业的全方位特征描述和画像。

本发明的关键点在于：

1、企业画像的多维度指标：本发明创新性提出了一种多维度指标的企业模型，并建立了具体的指标的分级、分层的构成，从方法论层面，创新性的完善了企业画像的全面描述与表达。

2、经优化调整后的确定常数的最终评价模型：结合确认的多维度指标，经过大量的数据整合处理与分析，结合对模型的训练和优化调整，确定的最终企业画像评价模型相关参数是本发明的独创性发现。

与现有的标签为主的企业画像描述方法相比，本发明一方面建立了更加全面的企业指标评价体系，并且将指标进行量化表达，形成定量的企业画像评价模型，解决了原有方法不能定量的描述企业画像的确定，并且能够对企业信息变化进行快速的调整和显现，对企业的刻画更加准确、及时。

针对本发明的具体技术实现方式，模型的具体参数的获取和确定可以利用其它的方法获取。

1)具体指标项的值，可以采用不同权重的方式，线性获得指标值，相对简便单准确性相对较差。

2)模型优化时可以提供更多的数据样本，采用机器学习的算法实现，但其成本会更高。

为了更好地理解本发明，以上结合本发明的具体实施例做了详细描述，但并非是对本发明的限制。凡是依据本发明的技术实质对以上实施例所做的任何简单修改，均仍属于本发明技术方案的范围。本说明书中每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

可能以许多方式来实现本发明的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。

本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (10)

1.一种基于多指标维度模型的企业画像方法，包括数据源获取，其特征在于，还包含以下步骤：

步骤1：多维度指标确定；

步骤2：多维度规则确定；

步骤3：多维度规则的归一化处理；

步骤4：多维度模型的确定；

步骤5：模型参数优化调整。

2.根据权利要求1所述的基于多指标维度模型的企业画像方法，其特征在于，所述数据源获取是指基于技术手段获取企业投资、生产、分配、消费和内部管理中至少一种行为数据，形成多源异构的企业数据源。

3.根据权利要求2所述的基于多指标维度模型的企业画像方法，其特征在于，所述技术手段是指互联网舆情、数据交换和数据ETL中至少一种。

4.根据权利要求2所述的基于多指标维度模型的企业画像方法，其特征在于，所述步骤1是指根据对所述企业数据源的全面分析，结合企业工商，税务，监管，经济行为等特征，确定企业全方位的评价指标，并建立完善的企业指标体系。

5.根据权利要求4所述的基于多指标维度模型的企业画像方法，其特征在于，所述企业指标体系包括指标分层评价体系和指标分级评价体系中至少一种。

6.根据权利要求5所述的基于多指标维度模型的企业画像方法，其特征在于，所述企业指标体系由最细粒度的企业信息逐级汇总而成。

7.根据权利要求1所述的基于多指标维度模型的企业画像方法，其特征在于，所述规则是指在具体指标基础上，由不同的指标根据一定的算法灵活组成。

8.根据权利要求7所述的基于多指标维度模型的企业画像方法，其特征在于，所述规则是针对企业某方面的特征进行进一步的描述和量化，根据企业不同的特征建立灵活的规则。

9.根据权利要求1所述的基于多指标维度模型的企业画像方法，其特征在于，所述步骤3是指采用偏大型柯西分布函数为基准进行归一化计算，实现多维度规则的量化计算。

10.一种基于多指标维度模型的企业画像系统，包括数据源获取模块，其特征在于，还包含以下模块：

指标确定模块：用于多维度指标确定；

规则确定模块：用于多维度规则确定；

规则处理模块：用于多维度规则的归一化处理；

模型确定模块：用于多维度模型的确定；

参数调整模块：用于模型参数优化调整。