CN110414781A - 基于大数据分析的企业评价方法、装置及存储介质 - Google Patents
基于大数据分析的企业评价方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110414781A CN110414781A CN201910526299.7A CN201910526299A CN110414781A CN 110414781 A CN110414781 A CN 110414781A CN 201910526299 A CN201910526299 A CN 201910526299A CN 110414781 A CN110414781 A CN 110414781A
- Authority
- CN
- China
- Prior art keywords
- evaluation index
- enterprise
- target enterprise
- index
- value
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (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
本发明公开了一种基于大数据分析的企业评价方法,该方法包括:从目标企业的相关网站获取目标企业的经营相关数据;从经营相关数据中筛选出多个评价指标的实际值;基于多个评价指标建立成对比较矩阵;计算成对比较矩阵的特征向量,以及基于成对比较矩阵的特征向量计算多个评价指标的权重值;根据多个评价指标的权重值以及多个评价指标的实际值计算目标企业的经营绩效分数;若经营绩效分数低于预设经营分数,发送对目标企业的预警提醒。本发明还提出一种基于大数据分析的企业评价装置以及一种计算机可读存储介质。本发明可以提高企业评价的效率和准确度。
Description
技术领域
本发明涉及大数据处理技术领域,尤其涉及一种基于大数据分析的企业评价方法、装置及计算机可读存储介质。
背景技术
当前在对企业进行评价(即对企业的状况进行评价)时大都依靠相关分析人员在企业海量数据中逐项筛选分析、归纳关键指标,并通过衡量指标差异性等方面来对企业进行评价。这使得对企业评价时的时间成本、人力成本较高,同时也存在出错率高,评价不准确等问题。
发明内容
本发明提供一种基于大数据分析的企业评价方法、装置及计算机可读存储介质,其主要目的在于提高企业评价的效率和准确度。
为实现上述目的,本发明还提供一种基于大数据分析的企业评价方法,该方法包括:
从目标企业的相关网站获取所述目标企业的经营相关数据,所述目标企业的相关网站包括所述目标企业的官网、所述目标企业所属行业的信息网站、所述目标企业的财报公布网站、所述目标企业的产品销售网站之中的一项或多项;
从所述经营相关数据中筛选出多个评价指标的实际值;
基于所述多个评价指标建立成对比较矩阵,所述成对比较矩阵包括n行n列,其中n为多个评价指标的数量,且所述成对比较矩阵中第i行的n个元素分别表示第i个评价指标相比于n个评价指标中各个评价指标的重要程度值,其中i为正整数且i小于等于n;
计算所述成对比较矩阵的特征向量,以及基于所述成对比较矩阵的特征向量计算所述多个评价指标的权重值;
根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数;
若所述经营绩效分数低于预设经营分数,发送对所述目标企业的预警提醒。
可选地,所述根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数包括:
获取所述目标企业以外的其他企业的所述多个评价指标的实际值;
从所述目标企业以及所述其他企业的所述多个评价指标的实际值中获取所述多个评价指标中每个评价指标的最高值以及最低值;
根据所述每个评价指标的最高值、所述每个评价指标的最低值、所述目标企业的所述多个评价指标中每个评价指标的实际值,以及预设基础分和预设调整分计算所述目标企业中每个评价指标的指标分数;
根据所述多个评价指标中每个评价指标的权重值以及所述每个评价指标的指标分数进行加权运算,得到所述目标企业的经营绩效分数。
可选地,所述计算所述成对比较矩阵的特征向量,以及基于所述成对比较矩阵的特征向量计算所述多个评价指标的权重值之后,所述方法还包括:
从预设常量数据表中获取所述多个评价指标的数量对应的平均随机一致性指标的标准值;
根据所述多个评价指标的权重值计算所述多个评价指标的一致性指标的实际值;
计算所述一致性指标的实际值与所述一致性指标的标准值的比值,得到校验系数;
若所述校验系数小于预设值,确定所述多个评价指标的权重值为有效的,执行所述根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数的操作。
可选地,所述根据所述多个评价指标中每个评价指标的权重值以及所述每个评价指标的指标分数进行加权运算还包括:
将所述多个评价指标中每个评价指标的权重值进行修正,得到所述多个评价指标中每个评价指标的修正权重值;
根据所述每个评价指标的修正权重值以及所述每个评价指标的指标分数进行加权运算。
可选地,所述多个评价指标包括:净资产收益率、总资产报酬率、总资产周转率、应收账款周转率、资产负债率、已获利息倍数、营业增长率、资本保值增值率之中的至少三项。
此外,为实现上述目的,本发明还提供一种基于大数据分析的企业评价装置,该装置包括存储器和处理器,所述存储器中存储有可在所述处理器上运行的基于大数据分析的企业评价程序,所述基于大数据分析的企业评价程序被所述处理器执行时实现如下步骤:
从目标企业的相关网站获取所述目标企业的经营相关数据,所述目标企业的相关网站包括所述目标企业的官网、所述目标企业所属行业的信息网站、所述目标企业的财报公布网站、所述目标企业的产品销售网站之中的一项或多项;
从所述经营相关数据中筛选出多个评价指标的实际值;
基于所述多个评价指标建立成对比较矩阵,所述成对比较矩阵包括n行n列,其中n为多个评价指标的数量,且所述成对比较矩阵中第i行的n个元素分别表示第i个评价指标相比于n个评价指标中各个评价指标的重要程度值,其中i为正整数且i小于等于n;
计算所述成对比较矩阵的特征向量,以及基于所述成对比较矩阵的特征向量计算所述多个评价指标的权重值;
根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数;
若所述经营绩效分数低于预设经营分数,发送对所述目标企业的预警提醒。
可选地,所述基于大数据分析的企业评价程序可被所述处理器执行,还实现如下步骤:
获取所述目标企业以外的其他企业的所述多个评价指标的实际值;
从所述目标企业以及所述其他企业的所述多个评价指标的实际值中获取所述多个评价指标中每个评价指标的最高值以及最低值;
根据所述每个评价指标的最高值、所述每个评价指标的最低值、所述目标企业的所述多个评价指标中每个评价指标的实际值,以及预设基础分和预设调整分计算所述目标企业中每个评价指标的指标分数;
根据所述多个评价指标中每个评价指标的权重值以及所述每个评价指标的指标分数进行加权运算,得到所述目标企业的经营绩效分数。
可选地,基于大数据分析的企业评价程序可被所述处理器执行,还实现如下步骤:
基于所述成对比较矩阵的特征向量计算所述多个评价指标的权重值之后,从预设常量数据表中获取所述多个评价指标的数量对应的平均随机一致性指标的标准值;
根据所述多个评价指标的权重值计算所述多个评价指标的一致性指标的实际值;
计算所述一致性指标的实际值与所述一致性指标的标准值的比值,得到校验系数;
若所述校验系数小于预设值,确定所述多个评价指标的权重值为有效的,执行所述根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数的操作。
可选地,所述基于大数据分析的企业评价程序可被所述处理器执行,还实现如下步骤:
将所述多个评价指标中每个评价指标的权重值进行修正,得到所述多个评价指标中每个评价指标的修正权重值;
根据所述每个评价指标的修正权重值以及所述每个评价指标的指标分数进行加权运算。
可选地,所述多个评价指标包括:净资产收益率、总资产报酬率、总资产周转率、应收账款周转率、资产负债率、已获利息倍数、营业增长率、资本保值增值率之中的至少三项。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有基于大数据分析的企业评价程序,所述基于大数据分析的企业评价程序可被一个或者多个处理器执行,以实现如上所述的基于大数据分析的企业评价方法的步骤。
本发明提出的基于大数据分析的企业评价方法、装置及计算机可读存储介质,从目标企业的相关网站获取所述目标企业的经营相关数据,所述目标企业的相关网站包括所述目标企业的官网、所述目标企业所属行业的信息网站、所述目标企业的财报公布网站、所述目标企业的产品销售网站之中的一项或多项;从所述经营相关数据中筛选出多个评价指标的实际值;基于所述多个评价指标建立成对比较矩阵,所述成对比较矩阵包括n行n列,其中n为多个评价指标的数量,且所述成对比较矩阵中第i行的n个元素分别表示第i个评价指标相比于n个评价指标中各个评价指标的重要程度值,其中i为正整数且i小于等于n;计算所述成对比较矩阵的特征向量,以及基于所述成对比较矩阵的特征向量计算所述多个评价指标的权重值;根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数;若所述经营绩效分数低于预设经营分数,发送对所述目标企业的预警提醒。由于从目标企业的相关网站获取目标企业的经营相关数据,无需用户手动筛选操作就能够快速获取目标企业的经营相关数据,避免了人为筛选数据效率低以及不准确不充分的问题,基于多个评价指标的权重值和多个评价指标的实际值计算目标企业的经营绩效分数,从而能够快速的对企业经营状况进行了解,实现了提高企业评价的效率的目的。同时,在目标企业的经营绩效分数低于预设经营分数时进行预警,从而能够快速的对存在经营状况的企业进行预警,提高了企业经营状况检测的效率。
附图说明
图1为本发明一实施例提供的基于大数据分析的企业评价方法的流程示意图;
图2为本发明一实施例提供的基于大数据分析的企业评价装置的内部结构示意图;
图3为本发明一实施例提供的基于大数据分析的企业评价装置中基于大数据分析的企业评价程序的模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种基于大数据分析的企业评价方法。参照图1所示,为本发明一实施例提供的基于大数据分析的企业评价方法的流程示意图。该方法可以由一个电子装置执行,该装置可以由软件和/或硬件实现。
步骤S101,从目标企业的相关网站获取所述目标企业的经营相关数据。
本实施例中,所述目标企业为要进行评价的企业,具体的本实施例对企业的经营状况进行评价。
本实施例中,所述目标企业的相关网站包括所述目标企业的官网、所述目标企业所属行业的信息网站(如统计年鉴网站)、所述目标企业的财报公布网站、所述目标企业的产品销售网站之中的一项或多项。
在本实例中,目标企业的经营相关数据包括但不限于:目标企业的销售额、销售价格、经营收入、经营利润、经营成本、经营增长率、资金使用状况、负债率等信息。
在一种可选实施例中,按照时间维度从目标企业的相关网站获取不同时期目标企业的经营相关数据,并以预设格式存储在预设存储区。例如,通过爬虫程序从目标企业的相关网站爬取数据并下载保存至预设存储区的excel文件中。
一种可选实施例中,保存经营相关数据的预设存储区或者存储文件进行写保护,以使目标企业的经营相关数据为禁止修改的,从而能够保存获取到的经营相关数据的安全性,提高企业评价结果的真实性和有效性。
步骤S201,从所述经营相关数据中筛选出多个评价指标的实际值。
一种可选实施例中,所述多个评价指标为预先设置的。
所述多个评价指标可以不仅包括企业的财务状况指标还包括企业的管理状况指标,从而能够有利于对企业的全面评价。
所述多个评价指标的实际值是指目标企业在经营过程中对于每个评价指标的实际经营之,例如,评价指标为销售额,则销售额的实际值为销售额的具体数值是多少。
目标企业的多个评价指标的实际值体现了目标企业实际经营状况,是企业经营活动所形成的结果数据。
一种可选实施例中,通过以下步骤确定多个评价指标:
获取所述目标企业的类型;
根据预设企业类型与评价指标对应关系,获取与所述目标企业的类型对应的多个评价指标。
其中,所述预设企业类型与评价指标对应关系可以为预先存储的,根据目标企业的类型获取对应的多个评价指标,有利于对企业进行准确地评价。
一种可选实施例中,所述企业类型可以为企业的经营类型,例如,企业为科技企业,或者企业为农业企业,当企业为农业企业时,确定评价指标包括技术投入比例等指标;或者,所述企业类型可以根据企业的规模和经营状况确定,例如企业的规模为小规模,经营状况低于该行业平均经营状况,则确定该企业类型对应的评价指标包括带息负债比率、或者负债比率等指标。
可选的,在本发明另一实施例中,所述多个评价指标包括:净资产收益率、总资产报酬率、总资产周转率、应收账款周转率、资产负债率、已获利息倍数、营业增长率、资本保值增值率之中的至少三项。
其中,所述净资产收益率是指净利润与平均股东权益的百分比,体现了企业自有资本获得净收益的能力。
所述总资产报酬率是指企业一定时期内获得的报酬总额与资产平均总额的比例,它可以评价企业运营全部资产的总体获利能力。
总资产周转率是企业一定时期的销售收入净额与平均资产总额之比,它可以衡量资产投资规模与销售水平之间配比情况的指标。
应收账款周转率是企业在一定时期内赊销净收入与平均应收账款余额之比,它可以衡量企业应收账款周转速度及管理效率。
资产负债率是企业的负债总额与资产总额的比值,它可以衡量企业利用债权人提供资金进行经营活动的状况。
已获利息倍数是指公司息税前利润相对于所需支付债务利息的倍数,可用体现公司在一定盈利水平下支付债务利息的能力。
营业增长率是企业本年销售收入增长额同上年销售收入总额之比值,可以体现企业成长状况和发展能力。
资本保值增值率是期末所有者权益与期初所有者权益的比值,可以反应企业资本的运营效益与安全状况。
本实施例中,确定净资产收益率、总资产报酬率、总资产周转率、应收账款周转率、资产负债率、已获利息倍数、营业增长率、资本保值增值率之中的至少三项,从而在企业评价时,能够从多维度对企业进行全面的评价,有利于提高评价结果的合理有效性。
另一可选实施例中,所述多个评价指标包括净资产收益率和总资产报酬率之中的至少一项,总资产周转率和应收账款周转率之中的至少一项,资产负债率和已获利息倍数之中的至少一项,营业增长率和资本保值增值率之中的至少一项。
本实施例中,净资产收益率和总资产报酬率可以反应企业的盈利能力,总资产周转率和应收账款周转率可以反应企业的资产质量,资产负债率和已获利息倍数可以反应企业的债务风险,营业增长率和资本保值增值率可以反应企业的经营增长状况,从而在企业评价时,能够对企业的盈利能力、资产质量、债务风险、经营增长这几个维度进行全面的评价,有利于提高评价结果的合理有效性。
步骤S301,基于所述多个评价指标建立成对比较矩阵。
本实施例中,所述成对比较矩阵是一个矩阵,且成对比较矩阵包括n行n列,其中n为多个评价指标的数量,且所述成对比较矩阵中第i行的n个元素分别表示第i个评价指标相比于n个评价指标中各个评价指标的重要程度值,其中i为正整数且i小于等于n。
本实施例中,第i个评价指标相比于n个评价指标中各个评价指标的重要程度值,是将第i个评价指标相比于第1个评价指标的重要程度的值,以及第i个评价指标相比于第2个评价指标的重要程度的值,直至第i个评价指标相比于第n个评价指标的重要程度的值,即第i个评价指标相比于n个评价指标中各个评价指标的重要程度值的结果是n个重要程度值,该n个重要程度值基于两个评价指标之间的重要性比较的得分来得到。
本实施例中,第i个评价指标相比于n个评价指标中各个评价指标的重要程度值,可以根据行业标准或者是历史两个评价指标之间的重要程度比值来确定。
例如,根据以下表1中分数来确定重要程度值。
表1
例如,评价指标包括4个,即n=4,4个评价指标分别为:净资产收益率、总资产周转率、资产负债率和营业增长率。
则得到成对比较矩阵为:
其中,该成对比较矩阵为4阶矩阵,具体的,该成对比较矩阵为4行4列,第1行第2列的元素为9,表示第1个评价指标与第2个评价指标相比较,该重要程度值为9,第1个评价指标与第2个评价指标相比较重要性的得分为9,第2行第1列的元素为1/9,表示第2个评价指标与第1个评价指标相比,该重要程度值为1/9,以此类推,获取4个指标中每两两指标的重要程度比较值,建立成对比较矩阵。
步骤S401,计算所述成对比较矩阵的特征向量,以及基于所述成对比较矩阵的特征向量计算所述多个评价指标的权重值。
本实施例中,计算成对比较矩阵的特征向量包括:计算成对比较矩阵中每一列的和;根据每一列的和对成对比较矩阵进行归一化处理;计算成对比较矩阵中每行的和,得到列向量,该列向量为成对比较矩阵的特征向量,该特征向量中每行的元素值为归一化处理后每行的和。
例如,成对比较矩阵为4行4列,则得到的特征向量为4行1列的向量。
所述基于成对比较矩阵的特征向量计算多个评价指标的权重值是指基于成对比较矩阵的特征向量计算多个评价指标中每个评价指标的权重值。
本实施例中,基于成对比较矩阵的特征向量计算多个评价指标的权重值包括:对特征向量进行归一化处理(即将特征向量中的每一行的元素除以特征向量中所有元素之和),对归一化处理之后得到的各个值乘以百分百则得到多个评价指标中各个权重指标的权重值。
例如,特征向量为4行1列的向量,则归一化处理之后得到的各个值乘以百分百,则每行的值代表该行指标对应的权重值。
通过本实施例,可以准确地从多个评价指标中确定不同评价指标的权重,避免了因人为确定权重而不准确而导致的对企业评价的不准确。
在本发明另一实施例中,所述步骤S401计算所述成对比较矩阵的特征向量,以及基于所述成对比较矩阵的特征向量计算所述多个评价指标的权重值之后,还包括对所得到的权重值进行验证,所述方法还包括:
从预设常量数据表中获取所述多个评价指标的数量对应的平均随机一致性指标的标准值;
根据所述多个评价指标的权重值计算所述多个评价指标的一致性指标的实际值;
计算所述一致性指标的实际值与所述一致性指标的标准值的比值,得到校验系数;
若所述校验系数小于预设值,确定所述多个评价指标的权重值为有效的,执行步骤S501根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数。
所述预设常量数据表为数据库中预先存储的一个表格,该表格中包括不同的评价指标的数量对应的平均随机一致性指标标准值,即包括不同矩阵阶数所对应的不同的平均随机一致性指标。如下表2所示,为平均随机数一致性指标的标准值。
矩阵阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.14 | 1.32 | 1.41 | 1.45 |
表2
其中RI表示平均随机数一致性指标的标准值。可以看出,前述4阶成对比较矩阵所对应的平均随机数一致性指标的标准值为0.9。
根据多个评价指标的权重值计算多个评价指标的一致性指标的实际值包括:根据多个评价指标中每个权重指标的权重值计算成对比较矩阵的最大特征根,根据最大特征根和成对比较矩阵的阶数计算多个评价指标的一致性指标的实际值。
具体的,可以通过以下函数计算多个评价指标的一致性指标的实际值(CI):
其中,n表示成对比较矩阵的阶数,λ是成对比较矩阵的最大特征根。
若校验系数为CR,则通过以下公式得到校验系数:
本实施例中,所述预设值为预先设置的,具体的,预设值为0.1。则若得到校验系数小于0.1,则确定多个评价指标的权重值为有效的,进而执行后续步骤,从而实现基于多个评价指标的权重值对目标企业进行评价。
通过本实施例可以对多个评价指标的权重值进行的有效性进行验证,从而提高权重值的准确性和有效性,进而提高对目标企业评价的准确性。
步骤S501,根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数。
一种可选实施例中,将每个评价指标的权重值乘以每个评价指标的实际值之后再相加,得到目标企业的经营绩效分数。
例如,通过上述步骤得到的净资产收益率、总资产周转率、资产负债率和营业增长率的权重值分为a%,b%,c%,d%,且相应的净资产收益率、总资产周转率、资产负债率和营业增长率的实际值分别为A,B,C,D,则目标企业的经营绩效分数S=A*a%+B*b%+C*c%+D*d%。
可选的,在本发明另一实施例中,所述根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数包括:
获取所述目标企业以外的其他企业的所述多个评价指标的实际值;
从所述目标企业以及所述其他企业的所述多个评价指标的实际值中获取所述多个评价指标中每个评价指标的最高值以及最低值;
根据所述每个评价指标的最高值、所述每个评价指标的最低值、所述目标企业的所述多个评价指标中每个评价指标的实际值,以及预设基础分和预设调整分计算所述目标企业中每个评价指标的指标分数;
根据所述多个评价指标中每个评价指标的权重值以及所述每个评价指标的指标分数进行加权运算,得到所述目标企业的经营绩效分数。
例如,目标企业为m企业,其他企业还包括q企业、p企业和t企业,则除了已得到的m企业的净资产收益率、总资产周转率、资产负债率和营业增长率之外,还获取p企业的净资产收益率、总资产周转率、资产负债率和营业增长率,q企业的净资产收益率、总资产周转率、资产负债率和营业增长率,t企业的净资产收益率、总资产周转率、资产负债率和营业增长,再从这些数据中获取净资产收益率的最低值的与资产收益率的最高值、总资产周转率的最低值与总资产周转率的最高值,资产负债率的最低值与资产负债率的最高值,营业增长率的最低值与营业增长率的最高值。
本实施例中,所述预设基础分和预设调整分之和为100分,根据预设比例将其进行分配,例如预设基础分为70,预设调整分为30。
本实施例中,根据每个评价指标的最高值、每个评价指标的最低值、目标企业的多个评价指标中每个评价指标的实际值,以及预设基础分和预设调整分计算目标企业中每个评价指标的指标分数包括:根据以下指标得分函数计算每个评价指标的指标分数:
评价指标的指标分数=预设基础分+预设调整分*{(评价指标的实际值-评价指标的最低值)/(评价指标的最高值-评价指标的最低值)}
在得到评价指标的指标分数之后,根据前述步骤得到的每个评价指标的权重值通过加权运算计算目标企业的经营绩效分数。
在本实施例中,对评价指标的实际值计算该评价指标的指标分数,能够更客观的反映该评价指标的实际值在所有企业中的评分状况,而不仅是基于实际值进行加权运算对企业进行评估,能够更综合全面客观的对企业的经营状况进行评价。
可选的,在本发明另一实施例中,所述根据所述多个评价指标中每个评价指标的权重值以及所述每个评价指标的指标分数进行加权运算还包括:
将所述多个评价指标中每个评价指标的权重值进行修正,得到所述多个评价指标中每个评价指标的修正权重值;
根据所述每个评价指标的修正权重值以及所述每个评价指标的指标分数进行加权运算。
在实施例中,对每个评价指标的权重值进行修正包括:根据预设的权重调整条件对评价指标的权重值进行调整。
一种可选实施例中,所述权重调整条件包括:当多个评价指标中任意一个评价指标的实际值低于该评价指标的平均值以下,则将该评价指标的权重值降低。其中,该评价指标的平均值是将目标企业的实际值以及目标企业以外的其他企业的该评价指标的实际值计算平均数所得到的值。
另一可选实施例中,所述权重条件包括:若评价指标为资产负债率,若该资产负载率的实际值大于百分之百,将资产负债率的权重值调整为零。则调整之后,零为该资产负债率的修正权重值。
又一可选实施例中,所述权重条件为功效系数法中的修正指标函数,则根据修正指标函数计算各个评价指标的修正权重值。
在本实施例中,对每个指标的权重值进行修正,进而进行计算,能够更准确的对企业进行评价。
步骤S601,若所述经营绩效分数低于预设经营分数,发送对所述目标企业的预警提醒。
本实施例中,所述预设经营分数为预先设定的,可以根据目标企业的类型获取对应的预设经营分数,进而确定该目标企业的经营绩效分数是否低于预设经营分数。
本实施例中,该预警提醒可以向监管人员发送,该预警提醒可包括目标企业的企业信息以及目标企业的经营绩效分数值,以及该目标企业的多个评价指标的实际值。从而使得监管人员不仅能迅速的了解存在经营问题的企业,还能了解该企业的相关信息,有利于快速对企业的经营状况进行风险管控。
本实施例提出的基于大数据分析的企业评价方法,从目标企业的相关网站获取所述目标企业的经营相关数据,所述目标企业的相关网站包括所述目标企业的官网、所述目标企业所属行业的信息网站、所述目标企业的财报公布网站、所述目标企业的产品销售网站之中的一项或多项;从所述经营相关数据中筛选出多个评价指标的实际值;基于所述多个评价指标建立成对比较矩阵,所述成对比较矩阵包括n行n列,其中n为多个评价指标的数量,且所述成对比较矩阵中第i行的n个元素分别表示第i个评价指标相比于n个评价指标中各个评价指标的重要程度值,其中i为正整数且i小于等于n;计算所述成对比较矩阵的特征向量,以及基于所述成对比较矩阵的特征向量计算所述多个评价指标的权重值;根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数;若所述经营绩效分数低于预设经营分数,发送对所述目标企业的预警提醒。由于从目标企业的相关网站获取目标企业的经营相关数据,无需用户手动筛选操作就能够快速获取目标企业的经营相关数据,避免了人为筛选数据效率低以及不准确不充分的问题,基于多个评价指标的权重值和多个评价指标的实际值计算目标企业的经营绩效分数,从而能够快速的对企业经营状况进行了解,实现了提高企业评价的效率的目的。同时,在目标企业的经营绩效分数低于预设经营分数时进行预警,从而能够快速的对存在经营状况的企业进行预警,提高了企业经营状况检测的效率。
本发明还提供一种基于大数据分析的企业评价装置。参照图2所示,为本发明一实施例提供的基于大数据分析的企业评价装置的内部结构示意图。
在本实施例中,基于大数据分析的企业评价装置1可以是PC(Personal Computer,个人电脑),也可以是智能手机、平板电脑、便携计算机等终端设备。该基于大数据分析的企业评价装置1至少包括存储器11、处理器12,网络接口13以及通信总线14。
其中,存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是基于大数据分析的企业评价装置1的内部存储单元,例如该基于大数据分析的企业评价装置1的硬盘。存储器11在另一些实施例中也可以是基于大数据分析的企业评价装置1的外部存储设备,例如基于大数据分析的企业评价装置1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器11还可以既包括基于大数据分析的企业评价装置1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于基于大数据分析的企业评价装置1的应用软件及各类数据,例如基于大数据分析的企业评价程序01的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器11中存储的程序代码或处理数据,例如执行基于大数据分析的企业评价程序01等。
网络接口13可选的可以包括标准的有线接口、无线接口(如WI-FI接口),通常用于在该装置1与其他电子设备之间建立通信连接。
通信总线14用于实现这些组件之间的连接通信。
可选地,该装置1还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在基于大数据分析的企业评价装置1中处理的信息以及用于显示可视化的用户界面。
图2仅示出了具有组件11-14以及基于大数据分析的企业评价程序01的基于大数据分析的企业评价装置1,本领域技术人员可以理解的是,图2示出的结构并不构成对基于大数据分析的企业评价装置1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
在图2所示的装置1实施例中,存储器11中存储有基于大数据分析的企业评价程序01;处理器12执行存储器11中存储的基于大数据分析的企业评价程序01时实现如下步骤:
从目标企业的相关网站获取所述目标企业的经营相关数据。
本实施例中,所述目标企业为要进行评价的企业,具体的本实施例对企业的经营状况进行评价。
本实施例中,所述目标企业的相关网站包括所述目标企业的官网、所述目标企业所属行业的信息网站(如统计年鉴网站)、所述目标企业的财报公布网站、所述目标企业的产品销售网站之中的一项或多项。
在本实例中,目标企业的经营相关数据包括但不限于:目标企业的销售额、销售价格、经营收入、经营利润、经营成本、经营增长率、资金使用状况、负债率等信息。
在一种可选实施例中,按照时间维度从目标企业的相关网站获取不同时期目标企业的经营相关数据,并以预设格式存储在预设存储区。例如,通过爬虫程序从目标企业的相关网站爬取数据并下载保存至预设存储区的excel文件中。
一种可选实施例中,保存经营相关数据的预设存储区或者存储文件进行写保护,以使目标企业的经营相关数据为禁止修改的,从而能够保存获取到的经营相关数据的安全性,提高企业评价结果的真实性和有效性。
从所述经营相关数据中筛选出多个评价指标的实际值。
一种可选实施例中,所述多个评价指标为预先设置的。
所述多个评价指标可以不仅包括企业的财务状况指标还包括企业的管理状况指标,从而能够有利于对企业的全面评价。
所述多个评价指标的实际值是指目标企业在经营过程中对于每个评价指标的实际经营之,例如,评价指标为销售额,则销售额的实际值为销售额的具体数值是多少。
目标企业的多个评价指标的实际值体现了目标企业实际经营状况,是企业经营活动所形成的结果数据。
一种可选实施例中,通过以下步骤确定多个评价指标:
获取所述目标企业的类型;
根据预设企业类型与评价指标对应关系,获取与所述目标企业的类型对应的多个评价指标。
其中,所述预设企业类型与评价指标对应关系可以为预先存储的,根据目标企业的类型获取对应的多个评价指标,有利于对企业进行准确地评价。
一种可选实施例中,所述企业类型可以为企业的经营类型,例如,企业为科技企业,或者企业为农业企业,当企业为农业企业时,确定评价指标包括技术投入比例等指标;或者,所述企业类型可以根据企业的规模和经营状况确定,例如企业的规模为小规模,经营状况低于该行业平均经营状况,则确定该企业类型对应的评价指标包括带息负债比率、或者负债比率等指标。
可选的,在本发明另一实施例中,所述多个评价指标包括:净资产收益率、总资产报酬率、总资产周转率、应收账款周转率、资产负债率、已获利息倍数、营业增长率、资本保值增值率之中的至少三项。
其中,所述净资产收益率是指净利润与平均股东权益的百分比,体现了企业自有资本获得净收益的能力。
所述总资产报酬率是指企业一定时期内获得的报酬总额与资产平均总额的比例,它可以评价企业运营全部资产的总体获利能力。
总资产周转率是企业一定时期的销售收入净额与平均资产总额之比,它可以衡量资产投资规模与销售水平之间配比情况的指标。
应收账款周转率是企业在一定时期内赊销净收入与平均应收账款余额之比,它可以衡量企业应收账款周转速度及管理效率。
资产负债率是企业的负债总额与资产总额的比值,它可以衡量企业利用债权人提供资金进行经营活动的状况。
已获利息倍数是指公司息税前利润相对于所需支付债务利息的倍数,可用体现公司在一定盈利水平下支付债务利息的能力。
营业增长率是企业本年销售收入增长额同上年销售收入总额之比值,可以体现企业成长状况和发展能力。
资本保值增值率是期末所有者权益与期初所有者权益的比值,可以反应企业资本的运营效益与安全状况。
本实施例中,确定净资产收益率、总资产报酬率、总资产周转率、应收账款周转率、资产负债率、已获利息倍数、营业增长率、资本保值增值率之中的至少三项,从而在企业评价时,能够从多维度对企业进行全面的评价,有利于提高评价结果的合理有效性。
另一可选实施例中,所述多个评价指标包括净资产收益率和总资产报酬率之中的至少一项,总资产周转率和应收账款周转率之中的至少一项,资产负债率和已获利息倍数之中的至少一项,营业增长率和资本保值增值率之中的至少一项。
本实施例中,净资产收益率和总资产报酬率可以反应企业的盈利能力,总资产周转率和应收账款周转率可以反应企业的资产质量,资产负债率和已获利息倍数可以反应企业的债务风险,营业增长率和资本保值增值率可以反应企业的经营增长状况,从而在企业评价时,能够对企业的盈利能力、资产质量、债务风险、经营增长这几个维度进行全面的评价,有利于提高评价结果的合理有效性。
基于所述多个评价指标建立成对比较矩阵。
本实施例中,所述成对比较矩阵是一个矩阵,且成对比较矩阵包括n行n列,其中n为多个评价指标的数量,且所述成对比较矩阵中第i行的n个元素分别表示第i个评价指标相比于n个评价指标中各个评价指标的重要程度值,其中i为正整数且i小于等于n。
本实施例中,第i个评价指标相比于n个评价指标中各个评价指标的重要程度值,是将第i个评价指标相比于第1个评价指标的重要程度的值,以及第i个评价指标相比于第2个评价指标的重要程度的值,直至第i个评价指标相比于第n个评价指标的重要程度的值,即第i个评价指标相比于n个评价指标中各个评价指标的重要程度值的结果是n个重要程度值,该n个重要程度值基于两个评价指标之间的重要性比较的得分来得到。
本实施例中,第i个评价指标相比于n个评价指标中各个评价指标的重要程度值,可以根据行业标准或者是历史两个评价指标之间的重要程度比值来确定。
例如,根据以下表1中分数来确定重要程度值。
分数 | 重要程度 |
1 | 两个指标相比,相同重要 |
3 | 两个指标相比,一个指标比另一个指标略重要 |
5 | 两个指标相比,一个指标比另一个指标较重要 |
7 | 两个指标相比,一个指标比另一个指标非常重要 |
9 | 两个指标相比,一个指标比另一个指标绝对重要 |
2,4,6,8 | 以上判断之间的中间状态对应的分数值 |
表1
例如,评价指标包括4个,即n=4,4个评价指标分别为:净资产收益率、总资产周转率、资产负债率和营业增长率。
则得到成对比较矩阵为:
其中,该成对比较矩阵为4阶矩阵,具体的,该成对比较矩阵为4行4列,第1行第2列的元素为9,表示第1个评价指标与第2个评价指标相比较,该重要程度值为9,第1个评价指标与第2个评价指标相比较重要性的得分为9,第2行第1列的元素为1/9,表示第2个评价指标与第1个评价指标相比,该重要程度值为1/9,以此类推,获取4个指标中每两两指标的重要程度比较值,建立成对比较矩阵。
计算所述成对比较矩阵的特征向量,以及基于所述成对比较矩阵的特征向量计算所述多个评价指标的权重值。
本实施例中,计算成对比较矩阵的特征向量包括:计算成对比较矩阵中每一列的和;根据每一列的和对成对比较矩阵进行归一化处理;计算成对比较矩阵中每行的和,得到列向量,该列向量为成对比较矩阵的特征向量,该特征向量中每行的元素值为归一化处理后每行的和。
例如,成对比较矩阵为4行4列,则得到的特征向量为4行1列的向量。
所述基于成对比较矩阵的特征向量计算多个评价指标的权重值是指基于成对比较矩阵的特征向量计算多个评价指标中每个评价指标的权重值。
本实施例中,基于成对比较矩阵的特征向量计算多个评价指标的权重值包括:对特征向量进行归一化处理(即将特征向量中的每一行的元素除以特征向量中所有元素之和),对归一化处理之后得到的各个值乘以百分百则得到多个评价指标中各个权重指标的权重值。
例如,特征向量为4行1列的向量,则归一化处理之后得到的各个值乘以百分百,则每行的值代表该行指标对应的权重值。
通过本实施例,可以准确地从多个评价指标中确定不同评价指标的权重,避免了因人为确定权重而不准确而导致的对企业评价的不准确。
在本发明另一实施例中,所述计算所述成对比较矩阵的特征向量,以及基于所述成对比较矩阵的特征向量计算所述多个评价指标的权重值之后,还通过以下步骤对所得到的权重值进行验证:
从预设常量数据表中获取所述多个评价指标的数量对应的平均随机一致性指标的标准值;
根据所述多个评价指标的权重值计算所述多个评价指标的一致性指标的实际值;
计算所述一致性指标的实际值与所述一致性指标的标准值的比值,得到校验系数;
若所述校验系数小于预设值,确定所述多个评价指标的权重值为有效的,根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数。
所述预设常量数据表为数据库中预先存储的一个表格,该表格中包括不同的评价指标的数量对应的平均随机一致性指标标准值,即包括不同矩阵阶数所对应的不同的平均随机一致性指标。如下表2所示,为平均随机数一致性指标的标准值。
矩阵阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.14 | 1.32 | 1.41 | 1.45 |
表2
其中RI表示平均随机数一致性指标的标准值。可以看出,前述4阶成对比较矩阵所对应的平均随机数一致性指标的标准值为0.9。
根据多个评价指标的权重值计算多个评价指标的一致性指标的实际值包括:根据多个评价指标中每个权重指标的权重值计算成对比较矩阵的最大特征根,根据最大特征根和成对比较矩阵的阶数计算多个评价指标的一致性指标的实际值。
具体的,可以通过以下函数计算多个评价指标的一致性指标的实际值(CI):
其中,n表示成对比较矩阵的阶数,λ是成对比较矩阵的最大特征根。
若校验系数为CR,则通过以下公式得到校验系数:
本实施例中,所述预设值为预先设置的,具体的,预设值为0.1。则若得到校验系数小于0.1,则确定多个评价指标的权重值为有效的,进而执行后续步骤,从而实现基于多个评价指标的权重值对目标企业进行评价。
通过本实施例可以对多个评价指标的权重值进行的有效性进行验证,从而提高权重值的准确性和有效性,进而提高对目标企业评价的准确性。
根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数。
一种可选实施例中,将每个评价指标的权重值乘以每个评价指标的实际值之后再相加,得到目标企业的经营绩效分数。
例如,通过上述步骤得到的净资产收益率、总资产周转率、资产负债率和营业增长率的权重值分为a%,b%,c%,d%,且相应的净资产收益率、总资产周转率、资产负债率和营业增长率的实际值分别为A,B,C,D,则目标企业的经营绩效分数S=A*a%+B*b%+C*c%+D*d%。
可选的,在本发明另一实施例中,所述根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数包括:
获取所述目标企业以外的其他企业的所述多个评价指标的实际值;
从所述目标企业以及所述其他企业的所述多个评价指标的实际值中获取所述多个评价指标中每个评价指标的最高值以及最低值;
根据所述每个评价指标的最高值、所述每个评价指标的最低值、所述目标企业的所述多个评价指标中每个评价指标的实际值,以及预设基础分和预设调整分计算所述目标企业中每个评价指标的指标分数;
根据所述多个评价指标中每个评价指标的权重值以及所述每个评价指标的指标分数进行加权运算,得到所述目标企业的经营绩效分数。
例如,目标企业为m企业,其他企业还包括q企业、p企业和t企业,则除了已得到的m企业的净资产收益率、总资产周转率、资产负债率和营业增长率之外,还获取p企业的净资产收益率、总资产周转率、资产负债率和营业增长率,q企业的净资产收益率、总资产周转率、资产负债率和营业增长率,t企业的净资产收益率、总资产周转率、资产负债率和营业增长,再从这些数据中获取净资产收益率的最低值的与资产收益率的最高值、总资产周转率的最低值与总资产周转率的最高值,资产负债率的最低值与资产负债率的最高值,营业增长率的最低值与营业增长率的最高值。
本实施例中,所述预设基础分和预设调整分之和为100分,根据预设比例将其进行分配,例如预设基础分为70,预设调整分为30。
本实施例中,根据每个评价指标的最高值、每个评价指标的最低值、目标企业的多个评价指标中每个评价指标的实际值,以及预设基础分和预设调整分计算目标企业中每个评价指标的指标分数包括:根据以下指标得分函数计算每个评价指标的指标分数:
评价指标的指标分数=预设基础分+预设调整分*{(评价指标的实际值-评价指标的最低值)/(评价指标的最高值-评价指标的最低值)}
在得到评价指标的指标分数之后,根据前述步骤得到的每个评价指标的权重值通过加权运算计算目标企业的经营绩效分数。
在本实施例中,对评价指标的实际值计算该评价指标的指标分数,能够更客观的反映该评价指标的实际值在所有企业中的评分状况,而不仅是基于实际值进行加权运算对企业进行评估,能够更综合全面客观的对企业的经营状况进行评价。
可选的,在本发明另一实施例中,所述根据所述多个评价指标中每个评价指标的权重值以及所述每个评价指标的指标分数进行加权运算还包括:
将所述多个评价指标中每个评价指标的权重值进行修正,得到所述多个评价指标中每个评价指标的修正权重值;
根据所述每个评价指标的修正权重值以及所述每个评价指标的指标分数进行加权运算。
在实施例中,对每个评价指标的权重值进行修正包括:根据预设的权重调整条件对评价指标的权重值进行调整。
一种可选实施例中,所述权重调整条件包括:当多个评价指标中任意一个评价指标的实际值低于该评价指标的平均值以下,则将该评价指标的权重值降低。其中,该评价指标的平均值是将目标企业的实际值以及目标企业以外的其他企业的该评价指标的实际值计算平均数所得到的值。
另一可选实施例中,所述权重条件包括:若评价指标为资产负债率,若该资产负载率的实际值大于百分之百,将资产负债率的权重值调整为零。则调整之后,零为该资产负债率的修正权重值。
又一可选实施例中,所述权重条件为功效系数法中的修正指标函数,则根据修正指标函数计算各个评价指标的修正权重值。
在本实施例中,对每个指标的权重值进行修正,进而进行计算,能够更准确的对企业进行评价。
若所述经营绩效分数低于预设经营分数,发送对所述目标企业的预警提醒。
本实施例中,所述预设经营分数为预先设定的,可以根据目标企业的类型获取对应的预设经营分数,进而确定该目标企业的经营绩效分数是否低于预设经营分数。
本实施例中,该预警提醒可以向监管人员发送,该预警提醒可包括目标企业的企业信息以及目标企业的经营绩效分数值,以及该目标企业的多个评价指标的实际值。从而使得监管人员不仅能迅速的了解存在经营问题的企业,还能了解该企业的相关信息,有利于快速对企业的经营状况进行风险管控。
本实施例提出的基于大数据分析的企业评价装置,从目标企业的相关网站获取所述目标企业的经营相关数据,所述目标企业的相关网站包括所述目标企业的官网、所述目标企业所属行业的信息网站、所述目标企业的财报公布网站、所述目标企业的产品销售网站之中的一项或多项;从所述经营相关数据中筛选出多个评价指标的实际值;基于所述多个评价指标建立成对比较矩阵,所述成对比较矩阵包括n行n列,其中n为多个评价指标的数量,且所述成对比较矩阵中第i行的n个元素分别表示第i个评价指标相比于n个评价指标中各个评价指标的重要程度值,其中i为正整数且i小于等于n;计算所述成对比较矩阵的特征向量,以及基于所述成对比较矩阵的特征向量计算所述多个评价指标的权重值;根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数;若所述经营绩效分数低于预设经营分数,发送对所述目标企业的预警提醒。由于从目标企业的相关网站获取目标企业的经营相关数据,无需用户手动筛选操作就能够快速获取目标企业的经营相关数据,避免了人为筛选数据效率低以及不准确不充分的问题,基于多个评价指标的权重值和多个评价指标的实际值计算目标企业的经营绩效分数,从而能够快速的对企业经营状况进行了解,实现了提高企业评价的效率的目的。同时,在目标企业的经营绩效分数低于预设经营分数时进行预警,从而能够快速的对存在经营状况的企业进行预警,提高了企业经营状况检测的效率。
可选地,在其他实施例中,基于大数据分析的企业评价程序还可以被分割为一个或者多个模块,一个或者多个模块被存储于存储器11中,并由一个或多个处理器(本实施例为处理器12)所执行以完成本发明,本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段,用于描述基于大数据分析的企业评价程序在基于大数据分析的企业评价装置中的执行过程。
例如,参照图3所示,为本发明基于大数据分析的企业评价装置一实施例中的基于大数据分析的企业评价程序的程序模块示意图,该实施例中,基于大数据分析的企业评价程序可以被分割为获取模块10、筛选模块20、建模模块30、第一计算模块40、第二计算模块50和预警模块60,示例性地:
获取模块10用于:从目标企业的相关网站获取所述目标企业的经营相关数据,所述目标企业的相关网站包括所述目标企业的官网、所述目标企业所属行业的信息网站、所述目标企业的财报公布网站、所述目标企业的产品销售网站之中的一项或多项;
筛选模块20用于:从所述经营相关数据中筛选出多个评价指标的实际值;
建模模块30用于:基于所述多个评价指标建立成对比较矩阵,所述成对比较矩阵包括n行n列,其中n为多个评价指标的数量,且所述成对比较矩阵中第i行的n个元素分别表示第i个评价指标相比于n个评价指标中各个评价指标的重要程度值,其中i为正整数且i小于等于n;
第一计算模块40用于:计算所述成对比较矩阵的特征向量,以及基于所述成对比较矩阵的特征向量计算所述多个评价指标的权重值;
第二计算模块50用于:根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数;
预警模块60用于:若所述经营绩效分数低于预设经营分数,发送对所述目标企业的预警提醒。
上述获取模块10、筛选模块20、建模模块30、第一计算模块40、第二计算模块50和预警模块60等程序模块被执行时所实现的功能或操作步骤与上述实施例大体相同,在此不再赘述。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有基于大数据分析的企业评价程序,所述基于大数据分析的企业评价程序可被一个或多个处理器执行,以实现如下操作:
从目标企业的相关网站获取所述目标企业的经营相关数据,所述目标企业的相关网站包括所述目标企业的官网、所述目标企业所属行业的信息网站、所述目标企业的财报公布网站、所述目标企业的产品销售网站之中的一项或多项;
从所述经营相关数据中筛选出多个评价指标的实际值;
基于所述多个评价指标建立成对比较矩阵,所述成对比较矩阵包括n行n列,其中n为多个评价指标的数量,且所述成对比较矩阵中第i行的n个元素分别表示第i个评价指标相比于n个评价指标中各个评价指标的重要程度值,其中i为正整数且i小于等于n;
计算所述成对比较矩阵的特征向量,以及基于所述成对比较矩阵的特征向量计算所述多个评价指标的权重值;
根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数;
若所述经营绩效分数低于预设经营分数,发送对所述目标企业的预警提醒。
本发明计算机可读存储介质具体实施方式与上述基于大数据分析的企业评价装置和方法各实施例基本相同,在此不作累述。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法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,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的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,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于大数据分析的企业评价方法,其特征在于,所述方法包括:
从目标企业的相关网站获取所述目标企业的经营相关数据,所述目标企业的相关网站包括所述目标企业的官网、所述目标企业所属行业的信息网站、所述目标企业的财报公布网站、所述目标企业的产品销售网站之中的一项或多项;
从所述经营相关数据中筛选出多个评价指标的实际值;
基于所述多个评价指标建立成对比较矩阵,所述成对比较矩阵包括n行n列,其中n为多个评价指标的数量,且所述成对比较矩阵中第i行的n个元素分别表示第i个评价指标相比于n个评价指标中各个评价指标的重要程度值,其中i为正整数且i小于等于n;
计算所述成对比较矩阵的特征向量,以及基于所述成对比较矩阵的特征向量计算所述多个评价指标的权重值;
根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数;
若所述经营绩效分数低于预设经营分数,发送对所述目标企业的预警提醒。
2.如权利要求1所述的基于大数据分析的企业评价方法,其特征在于,所述根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数包括:
获取所述目标企业以外的其他企业的所述多个评价指标的实际值;
从所述目标企业以及所述其他企业的所述多个评价指标的实际值中获取所述多个评价指标中每个评价指标的最高值以及最低值;
根据所述每个评价指标的最高值、所述每个评价指标的最低值、所述目标企业的所述多个评价指标中每个评价指标的实际值,以及预设基础分和预设调整分计算所述目标企业中每个评价指标的指标分数;
根据所述多个评价指标中每个评价指标的权重值以及所述每个评价指标的指标分数进行加权运算,得到所述目标企业的经营绩效分数。
3.如权利要求1所述的基于大数据分析的企业评价方法,其特征在于,所述计算所述成对比较矩阵的特征向量,以及基于所述成对比较矩阵的特征向量计算所述多个评价指标的权重值之后,所述方法还包括:
从预设常量数据表中获取所述多个评价指标的数量对应的平均随机一致性指标的标准值;
根据所述多个评价指标的权重值计算所述多个评价指标的一致性指标的实际值;
计算所述一致性指标的实际值与所述一致性指标的标准值的比值,得到校验系数;
若所述校验系数小于预设值,确定所述多个评价指标的权重值为有效的,执行所述根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数的操作。
4.如权利要求2所述的基于大数据分析的企业评价方法,其特征在于,所述根据所述多个评价指标中每个评价指标的权重值以及所述每个评价指标的指标分数进行加权运算还包括:
将所述多个评价指标中每个评价指标的权重值进行修正,得到所述多个评价指标中每个评价指标的修正权重值;
根据所述每个评价指标的修正权重值以及所述每个评价指标的指标分数进行加权运算。
5.如权利要求1至4中任一项所述的基于大数据分析的企业评价方法,其特征在于,所述多个评价指标包括:净资产收益率、总资产报酬率、总资产周转率、应收账款周转率、资产负债率、已获利息倍数、营业增长率、资本保值增值率之中的至少三项。
6.一种基于大数据分析的企业评价装置,其特征在于,所述装置包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的基于大数据分析的企业评价程序,所述基于大数据分析的企业评价程序被所述处理器执行时实现如下步骤:
从目标企业的相关网站获取所述目标企业的经营相关数据,所述目标企业的相关网站包括所述目标企业的官网、所述目标企业所属行业的信息网站、所述目标企业的财报公布网站、所述目标企业的产品销售网站之中的一项或多项;
从所述经营相关数据中筛选出多个评价指标的实际值;
基于所述多个评价指标建立成对比较矩阵,所述成对比较矩阵包括n行n列,其中n为多个评价指标的数量,且所述成对比较矩阵中第i行的n个元素分别表示第i个评价指标相比于n个评价指标中各个评价指标的重要程度值,其中i为正整数且i小于等于n;
计算所述成对比较矩阵的特征向量,以及基于所述成对比较矩阵的特征向量计算所述多个评价指标的权重值;
根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数;
若所述经营绩效分数低于预设经营分数,发送对所述目标企业的预警提醒。
7.如权利要求6所述的基于大数据分析的企业评价装置,其特征在于,所述基于大数据分析的企业评价程序可被所述处理器执行,还实现如下步骤:
获取所述目标企业以外的其他企业的所述多个评价指标的实际值;
从所述目标企业以及所述其他企业的所述多个评价指标的实际值中获取所述多个评价指标中每个评价指标的最高值以及最低值;
根据所述每个评价指标的最高值、所述每个评价指标的最低值、所述目标企业的所述多个评价指标中每个评价指标的实际值,以及预设基础分和预设调整分计算所述目标企业中每个评价指标的指标分数;
根据所述多个评价指标中每个评价指标的权重值以及所述每个评价指标的指标分数进行加权运算,得到所述目标企业的经营绩效分数。
8.如权利要求6所述的基于大数据分析的企业评价装置,其特征在于,所述基于大数据分析的企业评价程序可被所述处理器执行,还实现如下步骤:
基于所述成对比较矩阵的特征向量计算所述多个评价指标的权重值之后,从预设常量数据表中获取所述多个评价指标的数量对应的平均随机一致性指标的标准值;
根据所述多个评价指标的权重值计算所述多个评价指标的一致性指标的实际值;
计算所述一致性指标的实际值与所述一致性指标的标准值的比值,得到校验系数;
若所述校验系数小于预设值,确定所述多个评价指标的权重值为有效的,执行所述根据所述多个评价指标的权重值以及所述多个评价指标的实际值计算所述目标企业的经营绩效分数的操作。
9.如权利要求7所述的基于大数据分析的企业评价装置,其特征在于,所述基于大数据分析的企业评价程序可被所述处理器执行,还实现如下步骤:
将所述多个评价指标中每个评价指标的权重值进行修正,得到所述多个评价指标中每个评价指标的修正权重值;
根据所述每个评价指标的修正权重值以及所述每个评价指标的指标分数进行加权运算。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有基于大数据分析的企业评价程序,所述基于大数据分析的企业评价程序可被一个或者多个处理器执行,以实现如权利要求1至5中任一项所述的基于大数据分析的企业评价方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910526299.7A CN110414781A (zh) | 2019-06-18 | 2019-06-18 | 基于大数据分析的企业评价方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910526299.7A CN110414781A (zh) | 2019-06-18 | 2019-06-18 | 基于大数据分析的企业评价方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110414781A true CN110414781A (zh) | 2019-11-05 |
Family
ID=68359275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910526299.7A Pending CN110414781A (zh) | 2019-06-18 | 2019-06-18 | 基于大数据分析的企业评价方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110414781A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862264A (zh) * | 2021-01-18 | 2021-05-28 | 深圳微众信用科技股份有限公司 | 企业经营状况分析方法、计算机设备及计算机存储介质 |
CN113361949A (zh) * | 2021-06-24 | 2021-09-07 | 上海基甸信息科技有限公司 | 一种基于大数据分析的绩效管理系统 |
CN117172612A (zh) * | 2023-09-26 | 2023-12-05 | 中科院成都信息技术股份有限公司 | 一种企业对象的评价方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710993A (zh) * | 2018-04-25 | 2018-10-26 | 广州广电研究院有限公司 | 一种企业的经营增长评估方法、装置、设备及介质 |
CN108985613A (zh) * | 2018-07-06 | 2018-12-11 | 广州广电研究院有限公司 | 一种企业经营状况评估及预警方法、装置、设备及介质 |
CN109146238A (zh) * | 2018-07-10 | 2019-01-04 | 合肥深度财务管理咨询有限公司 | 基于大数据的企业财务共享评估方法及系统 |
-
2019
- 2019-06-18 CN CN201910526299.7A patent/CN110414781A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710993A (zh) * | 2018-04-25 | 2018-10-26 | 广州广电研究院有限公司 | 一种企业的经营增长评估方法、装置、设备及介质 |
CN108985613A (zh) * | 2018-07-06 | 2018-12-11 | 广州广电研究院有限公司 | 一种企业经营状况评估及预警方法、装置、设备及介质 |
CN109146238A (zh) * | 2018-07-10 | 2019-01-04 | 合肥深度财务管理咨询有限公司 | 基于大数据的企业财务共享评估方法及系统 |
Non-Patent Citations (1)
Title |
---|
王;李健;: "基于层次分析法的发电上市公司经营绩效评价", 商 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862264A (zh) * | 2021-01-18 | 2021-05-28 | 深圳微众信用科技股份有限公司 | 企业经营状况分析方法、计算机设备及计算机存储介质 |
CN113361949A (zh) * | 2021-06-24 | 2021-09-07 | 上海基甸信息科技有限公司 | 一种基于大数据分析的绩效管理系统 |
CN117172612A (zh) * | 2023-09-26 | 2023-12-05 | 中科院成都信息技术股份有限公司 | 一种企业对象的评价方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Magni | The internal rate of return approach and the AIRR paradigm: a refutation and a corroboration | |
CN107563633A (zh) | 一种绩效指标考核评估方法、设备及存储介质 | |
Manner et al. | Forecasting the joint distribution of Australian electricity prices using dynamic vine copulae | |
CN106875110A (zh) | 业务指标分层计算方法及装置、分布式计算方法及系统 | |
CN110414781A (zh) | 基于大数据分析的企业评价方法、装置及存储介质 | |
Kyriakou et al. | Income uncertainty and the decision to invest in bulk shipping | |
CN109191307A (zh) | 资产配置合理性判断方法、系统、计算机设备和存储介质 | |
US20230360136A1 (en) | Systems and methods for measuring relationships between investments and other variables | |
KR20170049328A (ko) | 기술 또는 ip의 가치 평가 장치 및 방법 | |
US8392313B2 (en) | Financial options system and method | |
CN107358472A (zh) | 数据处理方法及装置 | |
Wang et al. | Risk contagion in inter-firm credit guarantee network | |
Chirikos | Identifying efficiently and economically operated hospitals: The prospects and pitfalls of applying frontier regression techniques | |
Zhang et al. | Impact of information disclosure on prices, volume, and market volatility: An experimental approach | |
Kozmenko et al. | Statistical model of risk assessment of insurance companys functioning | |
Lyani | Relationship between accounts receivable management practices and growth of small and medium enterprises in Kakamega County, Kenya | |
Dong et al. | Site visit information content and return predictability: Evidence from China | |
Forró et al. | When games meet reality: is Zynga overvalued? | |
Zhang | Distress risk premia in expected stock and bond returns | |
JP2002352071A (ja) | 評価算定システム | |
CN109214714A (zh) | 资产负债预警分析方法、装置及计算机可读存储介质 | |
Turocy et al. | Reservation Values and Regret in Laboratory First‐Price Auctions: Context and Bidding Behavior | |
CN115147218A (zh) | 基于股债收益比较的风险预警系统、方法、介质及设备 | |
Du Plessis | The effectiveness of a technical analysis strategy versus a buy-and-hold strategy on the FTSE/JSE top 40 index shares of the JSE Ltd: the case of the Moving Average Convergence Divergence Indicator | |
Liu et al. | An Empirical Study on Herd Behavior in Cryptocurrency Trading |
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 |