CN107563630A - 基于多维度的企业评分方法及其系统 - Google Patents

Abstract

本发明涉及基于多维度的企业评分方法及其系统，该方法包括获取待评价企业信息，作为原数据；对原数据进行标准化的数据理解以及清洗，获取初步处理数据；对初步处理数据进行结构化处理，获取结构化数据；统计分析结构化数据，获取多维度的评价企业的数据指标体系；根据多维度的评价企业的数据指标体系对数据指标的组合应用，获取企业综合评价的若干个维度；根据企业综合评价的若干个维度对企业进行综合评分。本发明实现解决了传统企业评分方法必须依赖企业真实财务数据而又无法获取的问题，为用户展示完整的动态的评分趋势走向，让用户更深入了解企业历史、现在和展望未来，且更加客观、全面反映企业真实水平。

Description

基于多维度的企业评分方法及其系统

技术领域

本发明涉及企业评分方法，更具体地说是指基于多维度的企业评分方法及其系统。

背景技术

企业一般都设有量化评分体系，主要是为了提升企业的市场竞争力，促进社会信用，降低交易成本，一般是从管理与经营素质、财务状况、成长能力、主营业务收入增长率等方面进行评价，从而形成量化评分体系。

目前国内企业的量化评分体系在获取各个方面的分数时，存在两个问题，一个是财务数据无法获取或获取不完整、不真实，即传统企业评分方法必须依赖企业真实财务数据而又无法获取；另外一个是现代企业处在社会大环境下，企业运营情况在一定程度上受到环境各方面因素影响，仅单纯就企业本身的结构化数据进行量化评分不能客观、全面反映企业真实水平。

因此，有必要设计一种基于多维度的企业评分方法，实现解决了传统企业评分方法必须依赖企业真实财务数据而又无法获取的问题，为用户展示完整的动态的评分趋势走向，让用户更深入了解企业历史、现在和展望未来，且更加客观、全面反映企业真实水平。

发明内容

本发明的目的在于克服现有技术的缺陷，提供基于多维度的企业评分方法及其系统。

为实现上述目的，本发明采用以下技术方案：基于多维度的企业评分方法，所述方法包括：

获取待评价企业信息，作为原数据；

对所述原数据进行标准化的数据理解以及清洗，获取初步处理数据；

对所述初步处理数据进行结构化处理，获取结构化数据；

统计分析所述结构化数据，获取多维度的评价企业的数据指标体系；

根据多维度的评价企业的数据指标体系对数据指标的组合应用，获取企业综合评价的若干个维度；

根据企业综合评价的若干个维度对企业进行综合评分。

其进一步技术方案为：获取待评价企业信息，作为原数据的步骤，包括以下具体步骤：

采用爬虫技术获取企业公开信息；

筛选所述企业公开信息，获取待评价企业信息，作为原数据。

其进一步技术方案为：对所述原数据进行标准化的数据理解以及清洗，获取初步处理数据的步骤，包括以下具体步骤：

对所述原数据进行条件约束和规则匹配，获取匹配数据；

采用自然语言处理技术对所述匹配数据进行清洗，获取初步处理数据。

其进一步技术方案为：对所述初步处理数据进行结构化处理，获取结构化数据的步骤，包括以下具体步骤：

采用通过大数据技术对所述初步处理数据进行图形处理；

对图形处理后的数据进行集成处理；

对集成处理后的数据进行关联关系处理；

对关联关系处理后的数据进行结构化处理，获取结构化数据。

其进一步技术方案为：根据多维度的评价企业的数据指标体系对数据指标的组合应用，获取企业综合评价的若干个维度的步骤中，若干个维度包括行业趋势、成长值和资金充沛度、管理团队以及企业运营。

其进一步技术方案为：根据企业综合评价的若干个维度对企业进行综合评分的步骤，包括以下具体步骤：

获取企业的评价场景；

基于不同的企业评价场景，动态调整若干个维度的权重；

对企业进行综合评分。

其进一步技术方案为：根据企业综合评价的若干个维度对企业进行综合评分的步骤之后，还包括：

定期收集企业的最新公开信息，并返回至获取待评价企业信息，作为原数据的步骤。

本发明还提供了基于多维度的企业评分系统，包括原数据获取单元、初步处理单元、结构化处理单元、统计分析单元、组合应用单元以及综合评分单元；

所述原数据获取单元，用于获取待评价企业信息，作为原数据；

所述初步处理单元，用于对所述原数据进行标准化的数据理解以及清洗，获取初步处理数据；

所述结构化处理单元，用于对所述初步处理数据进行结构化处理，获取结构化数据；

所述统计分析单元，用于统计分析所述结构化数据，获取多维度的评价企业的数据指标体系；

所述组合应用单元，用于根据多维度的评价企业的数据指标体系对数据指标的组合应用，获取企业综合评价的若干个维度；

所述综合评分单元，用于根据企业综合评价的若干个维度对企业进行综合评分。

其进一步技术方案为：所述原数据获取单元包括爬取模块以及筛选模块；

所述爬取模块，用于采用爬虫技术获取企业公开信息；

所述筛选模块，用于筛选所述企业公开信息，获取待评价企业信息，作为原数据。

其进一步技术方案为：所述初步处理单元包括约束和匹配模块以及清洗模块；

所述约束和匹配模块，用于对所述原数据进行条件约束和规则匹配，获取匹配数据；

所述清洗模块，用于采用自然语言处理技术对所述匹配数据进行清洗，获取初步处理数据。

本发明与现有技术相比的有益效果是：本发明的基于多维度的企业评价方法，通过从互联网上公开的企业信息获取待评价企业信息，基于企业公开信息的非财务数据、非结构化数据，解决了传统企业评价方法必须依赖企业真实财务数据而又无法获取的问题，对原数据进行数据理解、清洗和结构化处理，再针对结构化处理后的数据进行统计分析，获取指标体系，从指标体系中根据组合应用，筛选五个维度作为评分基数，进行评分，利用了大数据的相关性原理，通过获取企业的媒体属性、产品、用户、市场、运营要素全方位评价企业的运营状态，此后定期收集更新数据库，并定期计算企业当期评分，对企业进行动态评分，为用户展示完整的动态的评分趋势走向，让用户深入了解企业历史、现在和展望未来，且更加客观、全面反映企业真实水平。

下面结合附图和具体实施例对本发明作进一步描述。

附图说明

图1为本发明具体实施例提供的基于多维度的企业评分方法的流程图；

图2为本发明具体实施例提供的获取待评价企业信息的流程图；

图3为本发明具体实施例提供的对所述原数据进行标准化的数据理解以及清洗的流程图；

图4为本发明具体实施例提供的对所述初步处理数据进行结构化处理的流程图；

图5为本发明具体实施例提供的根据企业综合评价的若干个维度对企业进行综合评分的流程图；

图6为本发明具体实施例提供的基于多维度的企业评分系统的结构框图；

图7为本发明具体实施例提供的原数据获取单元的结构框图；

图8为本发明具体实施例提供的初步处理单元的结构框图；

图9为本发明具体实施例提供的结构化处理单元的结构框图；

图10为本发明具体实施例提供的组合应用单元的结构框图；

图11为本发明具体实施例提供的生命周期的建模表格一；

图12为本发明具体实施例提供的生命周期的建模表格二；

图13为本发明具体实施例提供的股权结构的建模表格；

图14为本发明具体实施例提供的投资机构质量的建模表格；

图15为本发明具体实施例提供的综合评价的评分表格。

具体实施方式

为了更充分理解本发明的技术内容，下面结合具体实施例对本发明的技术方案进一步介绍和说明，但不局限于此。

如图1～15所示的具体实施例，本实施例提供的基于多维度的企业评分方法，可以运用在对企业进行量化评分的过程中，实现解决了传统企业评分方法必须依赖企业真实财务数据而又无法获取的问题，为用户展示完整的动态的评分趋势走向，让用户更深入了解企业历史、现在和展望未来，且更加客观、全面反映企业真实水平。

如图1所示，本实施例提供了基于多维度的企业评分方法，该方法包括：

S1、获取待评价企业信息，作为原数据；

S2、对所述原数据进行标准化的数据理解以及清洗，获取初步处理数据；

S3、对所述初步处理数据进行结构化处理，获取结构化数据；

S4、统计分析所述结构化数据，获取多维度的评价企业的数据指标体系；

S5、根据多维度的评价企业的数据指标体系对数据指标的组合应用，获取企业综合评价的若干个维度；

S6、根据企业综合评价的若干个维度对企业进行综合评分。

更进一步的，上述的S1步骤，获取待评价企业信息，作为原数据的步骤，包括以下具体步骤：

S11、采用爬虫技术获取企业公开信息；

S12、筛选所述企业公开信息，获取待评价企业信息，作为原数据。

上述的S11步骤，具体是从互联网上获取企业公开信息，其中，获取的企业公开信息包括工商信息、法院公告、知识产权、新闻资讯、微博信息、微信公众号和产品等信息。

上述的S12步骤，对采集到的企业公开信息进行筛选，挑选出关于需要评价的企业信息，从而保证数据的准确性。

上述的S1步骤，具体是获取企业公开信息的非财务数据、非结构化数据，从获取数据的源头解决了传统企业评价方法必须依赖企业真实财务数据而又无法获取的问题。

更进一步的，上述的S2步骤，对所述原数据进行标准化的数据理解以及清洗，获取初步处理数据的步骤，包括以下具体步骤：

S21、对所述原数据进行条件约束和规则匹配，获取匹配数据；

S22、采用自然语言处理技术对所述匹配数据进行清洗，获取初步处理数据。

对于上述的S21步骤，对原数据进行条件约束和规则匹配，主要是为了对原数据进行数据理解，在不同的评价场景中会有不同的评价标准，这些评价标准都对应有条件以及规则，比如对原数据的极端部分进行规定和约束等。

上述的S22步骤，对匹配后的数据进行清洗，主要是对数据进行分段、分句以及分词，从而获取每个维度不同的数据。

更进一步，上述的S3步骤，对所述初步处理数据进行结构化处理，获取结构化数据的步骤，包括以下具体步骤：

S31、采用通过大数据技术对所述初步处理数据进行图形处理；

S32、对图形处理后的数据进行集成处理；

S33、对集成处理后的数据进行关联关系处理；

S34、对关联关系处理后的数据进行结构化处理，获取结构化数据。

上述的S31步骤至S34步骤，具体是采用Hadoop的大数据技术进行数据处理，具体从数据的图形、集成、数据与数据之间的关联关系以及数据的构造进行处理，获取结构化数据。

更进一步的，对于上述的S4步骤，具体是通过对结构化数据的统计分析形成多维度的评价企业的数据指标体系，该指标体系目前包括细分行业、融资阶段、生命周期、经营模式、资源聚集度、董事会治理、股东结构、成长值、创始人行业影响力和资金充沛度等，这些指标通过企业数据建模形成，如图11、12、13、14所示。

另外，对于上述的S5步骤，根据多维度的评价企业的数据指标体系对数据指标的组合应用，获取企业综合评价的若干个维度的步骤中，若干个维度包括行业趋势、成长值和资金充沛度、管理团队以及企业运营。

上述的S3步骤至S5步骤，具体是采用了大数据的相关性原理，通过获取企业的媒体属性、产品、用户、市场、运营等要素全方位评价企业的运营状态。

更进一步的，上述的S6步骤，根据企业综合评价的若干个维度对企业进行综合评分的步骤，包括以下具体步骤：

S61、获取企业的评价场景；

S62、基于不同的企业评价场景，动态调整若干个维度的权重；

S63、对企业进行综合评分。

上述的S61步骤，获取企业的评价场景，在不同的评价场景下，每个维度所占据的权重会有所变化，因此，需要先获取当前企业的评价场景，才能动态调节各个维度的权重。

上述的S62步骤，具体的，可以先设定不同企业评价场景下的各个维度的权重，根据获取到的评价场景以及设定的权重值，对当前企业评价场景下的各个维度的权重进行动态调整。

上述的S63步骤，对于企业的综合评分，可以按照维度进行各自打分后，在按照权重进行相乘，获取最终的分数，作为综合评分分数，如图15所示。

更进一步的，上述的S6步骤，根据企业综合评价的若干个维度对企业进行综合评分的步骤之后，还包括：

S7、定期收集企业的最新公开信息，并返回至S1步骤。

上述的S7步骤，具体是定期收集企业的最新公开信息，更新数据库，从而调整原数据，动态计算企业评分。动态分析，定期收集更新数据库，并定期计算企业当期评分，为用户展示完整的动态的评分趋势走向，让用户深入了解企业历史、现在和展望未来。

上述的基于多维度的企业评价方法，通过从互联网上公开的企业信息获取待评价企业信息，基于企业公开信息的非财务数据、非结构化数据，解决了传统企业评价方法必须依赖企业真实财务数据而又无法获取的问题，对原数据进行数据理解、清洗和结构化处理，再针对结构化处理后的数据进行统计分析，获取指标体系，从指标体系中根据组合应用，筛选五个维度作为评分基数，进行评分，利用了大数据的相关性原理，通过获取企业的媒体属性、产品、用户、市场、运营要素全方位评价企业的运营状态，此后定期收集更新数据库，并定期计算企业当期评分，对企业进行动态评分，为用户展示完整的动态的评分趋势走向，让用户深入了解企业历史、现在和展望未来，且更加客观、全面反映企业真实水平。

如图6所示，本实施例提供了基于多维度的企业评分系统，包括原数据获取单元1、初步处理单元2、结构化处理单元3、统计分析单元4、组合应用单元5以及综合评分单元6。

原数据获取单元1，用于获取待评价企业信息，作为原数据。

初步处理单元2，用于对所述原数据进行标准化的数据理解以及清洗，获取初步处理数据。

结构化处理单元3，用于对所述初步处理数据进行结构化处理，获取结构化数据。

统计分析单元4，用于统计分析所述结构化数据，获取多维度的评价企业的数据指标体系。

组合应用单元5，用于根据多维度的评价企业的数据指标体系对数据指标的组合应用，获取企业综合评价的若干个维度。

综合评分单元6，用于根据企业综合评价的若干个维度对企业进行综合评分。

更进一步的，上述的原数据获取单元1包括爬取模块11以及筛选模块12。

爬取模块11，用于采用爬虫技术获取企业公开信息。

筛选模块12，用于筛选所述企业公开信息，获取待评价企业信息，作为原数据。

爬取模块11具体是从互联网上获取企业公开信息，其中，获取的企业公开信息包括工商信息、法院公告、知识产权、新闻资讯、微博信息、微信公众号和产品等信息。

筛选模块12对采集到的企业公开信息进行筛选，挑选出关于需要评价的企业信息，从而保证数据的准确性。

上述的原数据获取单元1具体是获取企业公开信息的非财务数据、非结构化数据，从获取数据的源头解决了传统企业评价方法必须依赖企业真实财务数据而又无法获取的问题。

更进一步的，上述的初步处理单元2包括约束和匹配模块21以及清洗模块22。

约束和匹配模块21，用于对所述原数据进行条件约束和规则匹配，获取匹配数据。

清洗模块22，用于采用自然语言处理技术对所述匹配数据进行清洗，获取初步处理数据。

约束和匹配模块21对原数据进行条件约束和规则匹配，主要是为了对原数据进行数据理解，在不同的评价场景中会有不同的评价标准，这些评价标准都对应有条件以及规则，比如对原数据的极端部分进行规定和约束等。

清洗模块22对匹配后的数据进行清洗，主要是对数据进行分段、分句以及分词，从而获取每个维度不同的数据。

更进一步的，上述的结构化处理单元3包括图形处理模块31、集成处理模块32、关系处理模块33以及结构处理模块34。

图形处理模块31，用于采用通过大数据技术对所述初步处理数据进行图形处理。

集成处理模块32，用于对图形处理后的数据进行集成处理。

关系处理模块33，用于对集成处理后的数据进行关联关系处理。

结构处理模块34，用于对关联关系处理后的数据进行结构化处理，获取结构化数据。

上述的结构化处理单元3具体是采用Hadoop的大数据技术进行数据处理，具体从数据的图形、集成、数据与数据之间的关联关系以及数据的构造进行处理，获取结构化数据。

更进一步的，上述的统计分析单元4具体是通过对结构化数据的统计分析形成多维度的评价企业的数据指标体系，该指标体系目前包括细分行业、融资阶段、生命周期、经营模式、资源聚集度、董事会治理、股东结构、成长值、创始人行业影响力和资金充沛度等，这些指标通过企业数据建模形成，如图11、12、13所示。

上述的组合应用单元5，具体是根据多维度的评价企业的数据指标体系对数据指标的组合应用，获取企业综合评价的若干个维度的步骤中，若干个维度包括行业趋势、成长值和资金充沛度、管理团队以及企业运营。

上述的结构化处理单元3、统计分析单元4、组合应用单元5具体是采用了大数据的相关性原理，通过获取企业的媒体属性、产品、用户、市场、运营等要素全方位评价企业的运营状态。

更进一步的，上述的综合评分单元6包括场景获取模块61、权重调整模块62以及评分模块63。

场景获取模块61，用于获取企业的评价场景，在不同的评价场景下，每个维度所占据的权重会有所变化，因此，需要先获取当前企业的评价场景，才能动态调节各个维度的权重。

权重调整模块62，用于基于不同的企业评价场景，动态调整若干个维度的权重。具体的，可以先设定不同企业评价场景下的各个维度的权重，根据获取到的评价场景以及设定的权重值，对当前企业评价场景下的各个维度的权重进行动态调整。

评分模块63，用于对企业进行综合评分，可以按照维度进行各自打分后，在按照权重进行相乘，获取最终的分数，作为综合评分分数。

另外，上述的系统还包括定期更新单元7，其用于定期收集企业的最新公开信息。具体是定期收集企业的最新公开信息，更新数据库，从而调整原数据，动态计算企业评分。动态分析，定期收集更新数据库，并定期计算企业当期评分，为用户展示完整的动态的评分趋势走向，让用户深入了解企业历史、现在和展望未来。

上述的基于多维度的企业评价系统，通过从互联网上公开的企业信息获取待评价企业信息，基于企业公开信息的非财务数据、非结构化数据，解决了传统企业评价方法必须依赖企业真实财务数据而又无法获取的问题，对原数据进行数据理解、清洗和结构化处理，再针对结构化处理后的数据进行统计分析，获取指标体系，从指标体系中根据组合应用，筛选五个维度作为评分基数，进行评分，利用了大数据的相关性原理，通过获取企业的媒体属性、产品、用户、市场、运营要素全方位评价企业的运营状态，此后定期收集更新数据库，并定期计算企业当期评分，对企业进行动态评分，为用户展示完整的动态的评分趋势走向，让用户深入了解企业历史、现在和展望未来，且更加客观、全面反映企业真实水平。

上述仅以实施例来进一步说明本发明的技术内容，以便于读者更容易理解，但不代表本发明的实施方式仅限于此，任何依本发明所做的技术延伸或再创造，均受本发明的保护。本发明的保护范围以权利要求书为准。

Claims (10)

1.基于多维度的企业评分方法，其特征在于，所述方法包括：

获取待评价企业信息，作为原数据；

对所述原数据进行标准化的数据理解以及清洗，获取初步处理数据；

对所述初步处理数据进行结构化处理，获取结构化数据；

统计分析所述结构化数据，获取多维度的评价企业的数据指标体系；

根据多维度的评价企业的数据指标体系对数据指标的组合应用，获取企业综合评价的若干个维度；

根据企业综合评价的若干个维度对企业进行综合评分。

2.根据权利要求1所述的基于多维度的企业评分方法，其特征在于，获取待评价企业信息，作为原数据的步骤，包括以下具体步骤：

采用爬虫技术获取企业公开信息；

筛选所述企业公开信息，获取待评价企业信息，作为原数据。

3.根据权利要求2所述的基于多维度的企业评分方法，其特征在于，对所述原数据进行标准化的数据理解以及清洗，获取初步处理数据的步骤，包括以下具体步骤：

对所述原数据进行条件约束和规则匹配，获取匹配数据；

采用自然语言处理技术对所述匹配数据进行清洗，获取初步处理数据。

4.根据权利要求3所述的基于多维度的企业评分方法，其特征在于，对所述初步处理数据进行结构化处理，获取结构化数据的步骤，包括以下具体步骤：

采用通过大数据技术对所述初步处理数据进行图形处理；

对图形处理后的数据进行集成处理；

对集成处理后的数据进行关联关系处理；

对关联关系处理后的数据进行结构化处理，获取结构化数据。

5.根据权利要求1所述的基于多维度的企业评分方法，其特征在于，根据多维度的评价企业的数据指标体系对数据指标的组合应用，获取企业综合评价的若干个维度的步骤中，若干个维度包括行业趋势、成长值和资金充沛度、管理团队以及企业运营。

6.根据权利要求1至5任一项所述的基于多维度的企业评分方法，其特征在于，根据企业综合评价的若干个维度对企业进行综合评分的步骤，包括以下具体步骤：

获取企业的评价场景；

基于不同的企业评价场景，动态调整若干个维度的权重；

对企业进行综合评分。

7.根据权利要求6所述的基于多维度的企业评分方法，其特征在于，根据企业综合评价的若干个维度对企业进行综合评分的步骤之后，还包括：

定期收集企业的最新公开信息，并返回至获取待评价企业信息，作为原数据的步骤。

8.基于多维度的企业评分系统，其特征在于，包括原数据获取单元、初步处理单元、结构化处理单元、统计分析单元、组合应用单元以及综合评分单元；

所述原数据获取单元，用于获取待评价企业信息，作为原数据；

所述初步处理单元，用于对所述原数据进行标准化的数据理解以及清洗，获取初步处理数据；

所述结构化处理单元，用于对所述初步处理数据进行结构化处理，获取结构化数据；

所述统计分析单元，用于统计分析所述结构化数据，获取多维度的评价企业的数据指标体系；

所述组合应用单元，用于根据多维度的评价企业的数据指标体系对数据指标的组合应用，获取企业综合评价的若干个维度；

所述综合评分单元，用于根据企业综合评价的若干个维度对企业进行综合评分。

9.根据权利要求8所述的基于多维度的企业评分方法，其特征在于，所述原数据获取单元包括爬取模块以及筛选模块；

所述爬取模块，用于采用爬虫技术获取企业公开信息；

所述筛选模块，用于筛选所述企业公开信息，获取待评价企业信息，作为原数据。

10.根据权利要求9所述的基于多维度的企业评分方法，其特征在于，所述初步处理单元包括约束和匹配模块以及清洗模块；

所述约束和匹配模块，用于对所述原数据进行条件约束和规则匹配，获取匹配数据；

所述清洗模块，用于采用自然语言处理技术对所述匹配数据进行清洗，获取初步处理数据。