CN107844917A - 一种基于大数据的企业生命周期分析方法和系统 - Google Patents
一种基于大数据的企业生命周期分析方法和系统 Download PDFInfo
- Publication number
- CN107844917A CN107844917A CN201711262075.7A CN201711262075A CN107844917A CN 107844917 A CN107844917 A CN 107844917A CN 201711262075 A CN201711262075 A CN 201711262075A CN 107844917 A CN107844917 A CN 107844917A
- Authority
- CN
- China
- Prior art keywords
- data
- operation associated
- life cycle
- target enterprise
- business
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于大数据的企业生命周期分析方法和系统,方法包括:获取针对目标企业的经营关联数据;对所述经营关联数据进行多维度的过滤预处理;将经所述过滤预处理的经营关联数据在预设模型中解析,以判定所述经过滤预处理的经营关联数据的异常数据;分析所述异常数据得到所述目标企业的生命周期信息。本发明采用了多数据源汇聚和大数据的分布式计算,即在建模的基础上进行目标企业数据下降通道模型的分布式计算,实现建模后即完成企业数据下降通道模型计算的实时效果,可以得到目标企业的数据处于异常下降状态,并对其进行经营异常预警,达到多数据源汇聚分析,经营数据分析及企业预警提示的技术目的,有效地降低企业经营的金融风险。
Description
技术领域
本发明涉及一种互联网大数据分析领域,尤其是涉及一种基于大数据的企业生命周期分析方法和系统。
背景技术
企业是国家发展中的重要元素,随着我国改革开放的不断深化和万众创业的持续推进,中小微企业数量与日俱增。
企业生命周期的研究,是针对企业发展规律的重要研究方向,目的在于为企业,尤其是中小微企业找到发展适应点,以及,寻求较优发展模式来保持企业的发展动力。
当前,对于企业生命周期的研究大多数方法和体系均停留在理论探究阶段,结论精准度低,预警效果差。
发明内容
本发明所要解决的技术问题是提供一种基于大数据的企业生命周期分析方法和系统,以实现小微企业的经营数据分析及企业预警提示的技术目的。
本发明披露了如下方案:
基于大数据的企业生命周期分析方法,包括:
获取针对目标企业的经营关联数据;
对所述经营关联数据进行多维度的过滤预处理;
将经所述过滤预处理的经营关联数据在预设模型中解析,以判定所述经过滤预处理的经营关联数据的异常数据;
分析所述异常数据得到所述目标企业的生命周期信息。
优选地,获取针对目标企业的经营关联数据包括:
获取:所述目标企业的经营情况数据;
电子公开所述目标企业企业数据;
所述目标企业自述数据及相关证明材料;
从第三方数据平台获取数据。
优选地,对所述经营关联数据进行多维度的过滤预处理包括:
选择业务关联字段;
选择相同时间区间的数据;
过滤关联度低于预置值的数据;
过滤字段缺失值高于预置值的数据;
将以上过滤后的数据整合为结构化数据。
优选地,所述方法还包括:
构建所述预设模型,所述模型为数据下降通道模型,包括:
将训练数据进行矩阵转化;
将矩阵转化后数据进行损失函数计算,以获得代价最小函数。
优选地,所述结构化数据的整合通过如下方式实现:
以预设指标对所述过滤后的数据进行评分处理。
优选地,训练数据的获得通过如下方式实现:
跟踪多个企业的经营关联数据;
将跟踪数据进行正向和负向的样本采集。
本发明还披露了一种基于大数据的企业生命周期分析系统,包括:
获取模块,其配置为获取针对目标企业的经营关联数据;
过滤预处理模块,其配置为获取针对目标企业的经营关联数据;
模型解析模块,其配置为解析经所述过滤预处理的经营关联数据,以判定所述经过滤预处理的经营关联数据的异常数据;
分析模块,分析所述异常数据得到所述目标企业的生命周期信息。
优选地,所述系统还包括:
构建模块,其配置将训练数据进行矩阵转化;
将矩阵转化后数据进行损失函数计算,以获得代价最小函数。
本发明还披露了一种移动设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
获取针对目标企业的经营关联数据;
对所述经营关联数据进行多维度的过滤预处理;
将经所述过滤预处理的经营关联数据在预设模型中解析,以判定所述经过滤预处理的经营关联数据的异常数据;
分析所述异常数据得到所述目标企业的生命周期信息。
本发明还披露了一种计算机可读存储介质,其存储有计算机程序,该程序被处理器执行时实现以上基于大数据的企业生命周期分析方法。
本发明具有以下优点和效果:
本发明采用了多数据源汇聚和大数据的分布式计算,即在建模的基础上进行目标企业数据下降通道模型的分布式计算,实现建模后即完成企业数据下降通道模型计算的实时效果,可以得到目标企业的数据处于异常下降状态,并对其进行经营异常预警,达到多数据源汇聚分析,经营数据分析及企业预警提示的技术目的,有效地降低企业经营的金融风险。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中:
图1显示了根据本发明的一个实施例的基于大数据的企业生命周期分析方法的流程图;
图2显示了根据本发明的一个实施例的基于大数据的企业生命周期分析方法的流程图;
图3显示了根据本发明的一个实施例的基于大数据的企业生命周期分析方法的流程图;
图4显示了根据本发明的一个实施例的基于大数据的企业生命周期分析系统结构示意图;
图5显示了根据本发明的一个实施例的基于大数据的企业生命周期分析系统结构示意图。
具体实施方式
以下对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
提供一种基于大数据的企业生命周期分析方法和系统,以实现小微企业的经营数据分析及企业预警提示的技术目的。
图1示出了:基于大数据的企业生命周期分析方法,包括:
S11:获取针对目标企业的经营关联数据,其中,
获取的经营关联数据包括:
所述目标企业的经营情况数据;
电子公开所述目标企业企业数据;
所述目标企业自述数据及相关证明材料;
从第三方数据平台获取数据。即:通过获取上述数据,构建该目标企业的数据仓库。
S12:对所述经营关联数据进行多维度的过滤预处理;
作为优选,该滤预处理包括:
选择业务关联字段;该过滤可实现为主观过滤,可以通过将数据划分为字符型字段和数值型字段,根据业务经验选择有用的字段进行分析处理;
选择相同时间区间的数据;对数据进行分析时要确保进入模型的数据都处于同一时间段中,要选定一个时间段的数据进行分析;
过滤关联度低于预置值的数据;对相关性较高的字段进行分析,去除方差较小、相关性较低的数据;
过滤字段缺失值高于预置值的数据;将多个相关字段的数据进行整合,得到的数据并不会百分之百完整,如果缺失率低,通过缺失值补充算法进行补充,若缺失率高则对该数据直接舍弃;以企业评分数据为例,将企业描述相符、服务态度、物流服务的三组数据进行拆分、整理并根据日期合并并进行缺失过滤,最后取最近六个月的数据进行分析。
将以上过滤后的数据整合为结构化数据。
所述结构化数据的整合通过如下方式实现:以预设指标对所述过滤后的数据进行评分处理,作为示例地:
a.主观确定指标重要性,构造判断矩阵,如下表所示:
A | C1 | C2 | C3 |
C1 | 1 | 1/5 | 1/3 |
C2 | 5 | 1 | 3 |
C3 | 3 | 1/3 | 1 |
b.利用方根法求每个因素的权值。首先求出每一行元素的乘积,求得每一行元素的乘积后,再对每一行的乘积求n次方根,例如对于一个3阶的矩阵,要求每一乘积的3次方根。下表为所求的乘积和n次方根的值。
乘积 | n次方根 | |
第一行 | 0.066667 | 0.4054801 |
第二行 | 15 | 2.4662121 |
第三行 | 1 | 1 |
c.求判断矩阵特征向量。
①求得3个n次方根的和为3.8716922;
②再使用每一行的n次方根与3个n次方根的和的商,这3个商构成特征向量的3个元素。本例中算得的特征向量为(W1=0.10472943,W2=0.636986,W3=0.258285)t。
判断矩阵乘上特征向量,进行矩阵运算,得到矩阵AW=((AW)1,(AW)2,(AW)3)。如下所示:
d.求最大特征值:采用下式求得最大的特征值入max为3.038511。
e.进行一致性检验:CI为(最大特征值-n)/n-1的商,本例中求得CI为0.019256,查表得n为3时RI为0.58。CR为CI与RI的比值。本例中CR为0.033199小于0.1,所以本例中一致性检验通过,如果一致性检验不通过,必须修正原判断矩阵,直到一致性检验通过。
当n=3时,RI=0.58
平均随机一致性指标RI
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
0.00 | 0.00 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
f.得到本例中指标权值:
PC1=0.10472943,PC2=0.636986,PC3=0.258285,即为c步骤中特征向量的权值。
例如:企业评分的数据(如3个分类)使用层次分析法确定企业评分权重,计算出每个评分的指数,再对这些评分求和,将该值作为最终进入模型的数据。
S13:将经所述过滤预处理的经营关联数据在预设模型中解析,以判定所述经过滤预处理的经营关联数据的异常数据;
参见图2,构建所述预设模型,所述模型为数据下降通道模型,包括:
S21:将训练数据进行矩阵转化;
参见图3,优选地,训练数据的获得通过如下方式实现:
S31:跟踪多个企业的经营关联数据;
S32:将跟踪数据进行正向和负向的样本采集。即:跟踪入库的店铺,定期统计出这些店铺所有字段的表格,挑选历史记录中表现良好的店铺作为正样本,将随着时间推移而关店的店铺作为负样本。
S22:将矩阵转化后数据进行损失函数计算,以获得代价最小函数.
假设方程如下,其中hw(xi)为因变量,x为自变量,w为系数,形如y=a+bx;T为转置符号,WT为wi的转置矩阵,X为xi的矩阵形式;
hw(xi)=w0+w1x1+w2x2+...+wnxn
hw(xi)=wi Txi=WTX
假设有训练数据(注释:其实D指训练数据集,X1、X2、...、Xn指将训练数据中的自变量观测值分为n组,Y1、Y2、...、Yn指将训练数据中的因变量观测值分为n组,即)
D={(X1,Y1),(X2,Y2),...,(Xn,Yn)}
将训练数据的实际值代入上文所说假设方程中,得到自变量X1、X2、...、Xn的合集形式为X如下所示:
X的转置形式为XT如下所示:
②损失函数(cost):
根据给定的X求解W的值,采用最小二乘法进行计算
a.最小二乘法:
将数据点代入假设的方程得到观测值,求使得实际值与观测值相减的平方和最小的参数,对变量求偏导联立便可求。因此损失代价函数J(W)为(M为训练样本的数目):
③算法:
使得代价函数最小的W(注:L(W)指此时最小的损失代价函数,即L(W)=min(J(W))):
矩阵满秩可求解时(求导等于0):
XXTW=Xy
W=(XXT)-1Xy
b.矩阵不满秩时(梯度下降法):
梯度下降算法可作为求局部最优解的方法,对于F(x),在a点的梯度是F(x)增长最快的方向,其相反方向则是该点下降最快的方向。
当变量之间大小相差很大时,例如将变量数据进行归一化,使得他们的值在同一个范围,以下为归一化方法的两种,并不局限:
①min-max标准化(Min-Max Normalization),也称为离差标准化,是对原始数据的线性变换,使结果值映射到[0-1]之间。转换函数如下:其中max为样本数据的最大值,min为样本数据的最小值。②Z-score标准化方法。这种方法给予原始数据的均值(mean)和标准差(standard deviation)进行数据的标准化。经过处理的数据符合标准正态分布,即均值为0,标准差为1,转化函数为:
其中μ为所有样本数据的均值,σ为所有样本数据的标准差。
(ⅰ)首先对θ赋值,这个值可以是随机的,也可以让θ是一个全零的向量。
(ⅱ)改变θ的值,使得J(θ)按梯度下降的方向进行减少。
描述一下梯度减少的过程,对于所述函数J(θ)求偏导J:
{
下面是更新的过程,也就是θi会向着梯度最小的方向进行减少。θi表示更新之前的值,θi-后面的部分表示按梯度方向减少的量,α表示步长,也就是每次按照梯度减少的方向变化多少。
}
假设有数据集D时:
h=XTW
对损失函数求偏导如下:
使用矩阵表示(方便计算)
E=XTW-y
以企业评分数据为例,将样本数据以企业id为组别分组,使数据分组进入线性回归模型,得到每个企业的线性回归方程(即得到其斜率和截距),然后根据斜率确定企业评分下降通道,即得到了企业评分下降通道模型。根据当前时刻采集的数据,该模型可以实时地对企业的运转情况进行评估。
S14:分析所述异常数据得到所述目标企业的生命周期信息。
将企业数据下降通道模型计算的结果与实际情况中出现的相关问题进行对比分析和优化,将优化好的模型投入到实际生产中。
在本发明另一实施例中,如图4所示:
一种基于大数据的企业生命周期分析系统,包括:
获取模块41,其配置为获取针对目标企业的经营关联数据;
过滤预处理模块42,其配置为获取针对目标企业的经营关联数据;
模型解析模块43,其配置为解析经所述过滤预处理的经营关联数据,
以判定所述经过滤预处理的经营关联数据的异常数据;
分析模块44,分析所述异常数据得到所述目标企业的生命周期信息。
作为优选,本实施例还包括构建模块,
该构建模块可以实现实时的计算,以达到准确及时评估企业经营状况的目的,其配置将训练数据进行矩阵转化;
将矩阵转化后数据进行损失函数计算,以获得代价最小函数。
需要说明的是,该系统的各个模块可根据实际的处理需求配置在多个平台、多个服务器或多个处理源中。凡可配置上述模块的系统均在本发明的保护范围内。
另外,需要说明的是:
本发明还披露了一种移动设备,如图5所示:包括存储器51、处理器52及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
获取针对目标企业的经营关联数据;
对所述经营关联数据进行多维度的过滤预处理;
将经所述过滤预处理的经营关联数据在预设模型中解析,以判定所述经过滤预处理的经营关联数据的异常数据;
分析所述异常数据得到所述目标企业的生命周期信息。
以及,本发明还披露了一种计算机可读存储介质,其存储有计算机程序,该程序被处理器执行时实现以上基于大数据的企业生命周期分析方法。
本发明具有以下优点和效果:
本发明采用了多数据源汇聚和大数据的分布式计算,即在建模的基础上进行目标企业数据下降通道模型的分布式计算,实现建模后即完成企业数据下降通道模型计算的实时效果,可以得到目标企业的数据处于异常下降状态,并对其进行经营异常预警,达到多数据源汇聚分析,经营数据分析及企业预警提示的技术目的,有效地降低企业经营的金融风险。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种基于大数据的企业生命周期分析方法,其特征在于,包括:
获取针对目标企业的经营关联数据;
对所述经营关联数据进行多维度的过滤预处理;
将经所述过滤预处理的经营关联数据在预设模型中解析,以判定经所述过滤预处理的经营关联数据的异常数据;
分析所述异常数据得到所述目标企业的生命周期信息。
2.根据权利要求1所述的基于大数据的企业生命周期分析方法,其特征在于,获取针对目标企业的经营关联数据包括:
获取:
所述目标企业的经营情况数据;
电子公开所述目标企业企业数据;
所述目标企业自述数据及相关证明材料;
从第三方数据平台获取数据。
3.根据权利要求1所述的基于大数据的企业生命周期分析方法,其特征在于,对所述经营关联数据进行多维度的过滤预处理包括:
选择业务关联字段;
选择相同时间区间的数据;
过滤关联度低于预置值的数据;
过滤字段缺失值高于预置值的数据;
将以上过滤后的数据整合为结构化数据。
4.根据权利要求1-3任一项所述的基于大数据的企业生命周期分析方法,其特征在于,还包括:
构建所述预设模型,所述模型为数据下降通道模型,包括:
将训练数据进行矩阵转化;
将矩阵转化后数据进行损失函数计算,以获得代价最小函数。
5.根据权利要求3所述的基于大数据的企业生命周期分析方法,其特征在于,所述结构化数据的整合通过如下方式实现:
以预设指标对所述过滤后的数据进行评分处理。
6.根据权利要求4所述的基于大数据的企业生命周期分析方法,其特征在于,训练数据的获得通过如下方式实现:
跟踪多个企业的经营关联数据;
将跟踪数据进行正向和负向的样本采集。
7.一种基于大数据的企业生命周期分析系统,其特征在于,包括:
获取模块,其配置为获取针对目标企业的经营关联数据;
过滤预处理模块,其配置为获取针对目标企业的经营关联数据;
模型解析模块,其配置为解析经所述过滤预处理的经营关联数据,以判定经所述过滤预处理的经营关联数据的异常数据;
分析模块,分析所述异常数据得到所述目标企业的生命周期信息。
8.根据权利要求7所述的基于大数据的企业生命周期分析系统,其特征在于,还包括:
构建模块,其配置将训练数据进行矩阵转化;
将矩阵转化后数据进行损失函数计算,以获得代价最小函数。
9.一种移动设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现以下步骤:
获取针对目标企业的经营关联数据;
对所述经营关联数据进行多维度的过滤预处理;
将经所述过滤预处理的经营关联数据在预设模型中解析,以判定经所述过滤预处理的经营关联数据的异常数据;
分析所述异常数据得到所述目标企业的生命周期信息。
10.一种计算机可读存储介质,其存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-7任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711262075.7A CN107844917A (zh) | 2017-12-04 | 2017-12-04 | 一种基于大数据的企业生命周期分析方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711262075.7A CN107844917A (zh) | 2017-12-04 | 2017-12-04 | 一种基于大数据的企业生命周期分析方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107844917A true CN107844917A (zh) | 2018-03-27 |
Family
ID=61664425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711262075.7A Pending CN107844917A (zh) | 2017-12-04 | 2017-12-04 | 一种基于大数据的企业生命周期分析方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107844917A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446864A (zh) * | 2018-04-10 | 2018-08-24 | 广州新科佳都科技有限公司 | 基于大数据分析的轨道交通设备的故障预警系统及方法 |
CN109086984A (zh) * | 2018-07-20 | 2018-12-25 | 广东省科技基础条件平台中心 | 平台生命周期的评估方法、装置、计算机设备和存储介质 |
CN109189821A (zh) * | 2018-08-01 | 2019-01-11 | 成都数联铭品科技有限公司 | 基于关联方指标体系的数据分析系统 |
CN109858675A (zh) * | 2018-12-28 | 2019-06-07 | 中译语通科技股份有限公司 | 一种专家学术生命力周期预测方法 |
CN110110737A (zh) * | 2019-03-18 | 2019-08-09 | 普华讯光(北京)科技有限公司 | 基于用电数据的企业生命周期阶段识别方法及识别系统 |
CN111062603A (zh) * | 2019-12-12 | 2020-04-24 | 百望股份有限公司 | 企业生命周期的分析方法、装置及存储介质 |
CN112529413A (zh) * | 2020-12-11 | 2021-03-19 | 深圳传世智慧科技有限公司 | 一种企业管理熵的评测系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1928905A (zh) * | 2006-07-21 | 2007-03-14 | 北京航空航天大学 | 企业危机预警系统 |
CN105119750A (zh) * | 2015-09-08 | 2015-12-02 | 南京联成科技发展有限公司 | 一种基于大数据的分布式信息安全运维管理平台 |
CN105701577A (zh) * | 2016-02-04 | 2016-06-22 | 济南市工商行政管理局历城分局 | 一种经济运行数据监测地理信息手持移动终端系统 |
CN105913195A (zh) * | 2016-04-29 | 2016-08-31 | 浙江汇信科技有限公司 | 基于全行业数据的企业金融风险评分方法 |
-
2017
- 2017-12-04 CN CN201711262075.7A patent/CN107844917A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1928905A (zh) * | 2006-07-21 | 2007-03-14 | 北京航空航天大学 | 企业危机预警系统 |
CN105119750A (zh) * | 2015-09-08 | 2015-12-02 | 南京联成科技发展有限公司 | 一种基于大数据的分布式信息安全运维管理平台 |
CN105701577A (zh) * | 2016-02-04 | 2016-06-22 | 济南市工商行政管理局历城分局 | 一种经济运行数据监测地理信息手持移动终端系统 |
CN105913195A (zh) * | 2016-04-29 | 2016-08-31 | 浙江汇信科技有限公司 | 基于全行业数据的企业金融风险评分方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446864A (zh) * | 2018-04-10 | 2018-08-24 | 广州新科佳都科技有限公司 | 基于大数据分析的轨道交通设备的故障预警系统及方法 |
CN108446864B (zh) * | 2018-04-10 | 2022-03-29 | 广州新科佳都科技有限公司 | 基于大数据分析的轨道交通设备的故障预警系统及方法 |
CN109086984A (zh) * | 2018-07-20 | 2018-12-25 | 广东省科技基础条件平台中心 | 平台生命周期的评估方法、装置、计算机设备和存储介质 |
CN109189821A (zh) * | 2018-08-01 | 2019-01-11 | 成都数联铭品科技有限公司 | 基于关联方指标体系的数据分析系统 |
CN109858675A (zh) * | 2018-12-28 | 2019-06-07 | 中译语通科技股份有限公司 | 一种专家学术生命力周期预测方法 |
CN110110737A (zh) * | 2019-03-18 | 2019-08-09 | 普华讯光(北京)科技有限公司 | 基于用电数据的企业生命周期阶段识别方法及识别系统 |
CN111062603A (zh) * | 2019-12-12 | 2020-04-24 | 百望股份有限公司 | 企业生命周期的分析方法、装置及存储介质 |
CN111062603B (zh) * | 2019-12-12 | 2023-09-26 | 百望股份有限公司 | 企业生命周期的分析方法、装置及存储介质 |
CN112529413A (zh) * | 2020-12-11 | 2021-03-19 | 深圳传世智慧科技有限公司 | 一种企业管理熵的评测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107844917A (zh) | 一种基于大数据的企业生命周期分析方法和系统 | |
Liu et al. | Hierarchical flood operation rules optimization using multi-objective cultured evolutionary algorithm based on decomposition | |
CN106131158A (zh) | 一种云数据中心环境下基于云租户信用度的资源调度装置 | |
CN104809658B (zh) | 一种低压配网台区线损的快速分析方法 | |
CN113590698B (zh) | 基于人工智能技术的数据资产分类建模与分级保护方法 | |
CN107563451A (zh) | 一种泵站稳态工况下运行状态识别方法 | |
CN111460001B (zh) | 一种配电网理论线损率评估方法及系统 | |
CN104715342A (zh) | 基于案例推理法的电力设备故障处理辅助决策方法 | |
CN107730158A (zh) | 电网项目智能化评审方法及系统 | |
CN104218571A (zh) | 一种风力发电设备的运行状态评估方法 | |
CN107093005A (zh) | 基于大数据挖掘算法实现办税服务厅自动分级的方法 | |
CN107194604A (zh) | 一种火电机组可靠性评价方法 | |
CN109802634A (zh) | 一种基于大数据的光伏电站的智能运维方法及运维系统 | |
Geng et al. | Energy efficiency evaluation of ethylene product system based on density clustering data envelopment analysis model | |
CN108921438A (zh) | 一种基于级联权重的配电网调控管理薄弱环节辨识方法 | |
CN106649034B (zh) | 一种可视化智能运维方法及平台 | |
CN110807174B (zh) | 一种基于统计分布的污水厂厂群出水分析及异常识别方法 | |
CN110009246B (zh) | 一种基于大数据画像技术的输电线路运行状态评估方法 | |
CN110443528A (zh) | 一种基于机器学习的企业风险量化评估和跟踪系统 | |
CN114676931B (zh) | 一种基于数据中台技术的电量预测系统 | |
Wilson | A mean cost approximation for transportation problems with stochastic demand | |
CN114091908A (zh) | 计及多模式储能站的配电网综合评价方法、装置和设备 | |
Zhu et al. | Predicting profit performance of international construction projects | |
CN111144682A (zh) | 一种配电网运行效率主要影响因素挖掘方法 | |
CN110083804A (zh) | 基于条件分布回归的风电场scada数据缺失的智能修复方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180327 |
|
RJ01 | Rejection of invention patent application after publication |