CN111602157B - 供应商供应链风险分析方法 - Google Patents
供应商供应链风险分析方法 Download PDFInfo
- Publication number
- CN111602157B CN111602157B CN201980002998.XA CN201980002998A CN111602157B CN 111602157 B CN111602157 B CN 111602157B CN 201980002998 A CN201980002998 A CN 201980002998A CN 111602157 B CN111602157 B CN 111602157B
- Authority
- CN
- China
- Prior art keywords
- supply chain
- evaluation target
- keyword
- analysis method
- text data
- 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.)
- Active
Links
- 238000012502 risk assessment Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000011156 evaluation Methods 0.000 claims abstract description 64
- 238000004891 communication Methods 0.000 claims abstract description 28
- 238000010586 diagram Methods 0.000 claims description 37
- 238000007726 management method Methods 0.000 claims description 17
- 238000012800 visualization Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 15
- 238000013068 supply chain management Methods 0.000 abstract description 5
- 238000009792 diffusion process Methods 0.000 description 5
- 238000007418 data mining Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
-
- 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
- G06Q10/10—Office automation; Time management
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/107—Computer-aided management of electronic mailing [e-mailing]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的一个实施例的供应商供应链风险分析方法以与评估对象企业相关的文本数据为基础而计算风险分数,通过柱状图、追踪图、散点图、关系网络图及地图以视觉信息提供评估对象企业的所述风险分数,生成用于评估对象企业和供应商的供应链管理的聊天室而支持实时通讯。
Description
技术领域
本发明涉及供应商供应链风险分析方法,更具体地说,涉及一种根据非财务性评估基准评估企业的风险并以多种视觉信息提供其结果的供应商供应链风险分析方法。
背景技术
因网络的发达,大数据分析日益发展。数据挖掘(data mining)是指发现隐藏在众多数据中的有用的相关关系并提取未来可行的信息而将其用于决策的过程。即,找出数据中隐藏的模式和关系来发现信息。这里的发现信息是指对数据适用高级统计分析和建模技法来寻找有用的模式和关系的过程,可称之为数据库营销的核心技术。
近期,为了评估企业的价值而应用这种数据挖掘技术,试图通过综合考虑散布在网络中的多种数据来评估该企业的价值或风险度。
但是,以往主要利用负债、营业利润、持有资产等财务性信息来评估企业,因此其局限性在于无法评估企业的道德性、社会贡献、伦理经营等非财务性方面的因素。
发明内容
发明要解决的问题
本发明的一方面提供一种供应商供应链风险分析方法及用于执行该方法的记录介质,所述方法利用包括财务、非财务信息的多种信息来评估企业的风险,将评估结果转换成多种视觉信息而提供,当发生特定事件时,提供企业与供应商之间的实时通讯服务。
本发明的技术问题并不受限于以上提及的问题,未提及的其他技术问题可通过以下记载而被本领域技术人员所明确理解。
用于解决问题的手段
根据本发明的一个实施例的供应商供应链风险分析方法,以与评估对象企业相关的文本数据为基础,分别计算所述评估对象企业及与所述评估对象企业相关的多个供应商的风险分数,生成用于比较所述评估对象企业的所述风险分数与所述供应商的平均风险分数的柱状图,生成分别显示所述评估对象企业及多个所述供应商的风险分数的变动趋势的追踪图,提取所述追踪图上的特征点,匹配所述特征点与表示特征点发生原因的外部信息,生成用于所述评估对象企业与所述供应商的供应链管理的聊天室,在所述聊天室的既定区域实时显示所述柱状图及所述追踪图。
生成所述柱状图是指,根据所述评估对象企业的风险分数的大小设定所述柱状图的高度,根据所述供应商的风险分数的大小而在所述柱状图的既定高度显示所述供应商的风险分数。
还可包括:当用户在按照所述评估对象企业及多个所述供应商生成的多个所述追踪图中选择其中一个追踪图时,改变选择的其中一个所述追踪图的颜色、亮度或粗细中的至少一个。
还可包括:当用户在所述追踪图上形成的多个所述特征点中选择其中一个特征点时,将与选择的其中一个所述特征点匹配的所述外部信息显示到既定区域。
将与其中一个所述特征点匹配的所述外部信息显示到既定区域是指,当所述用户依次选择多个特征点时,连续显示与选择的各特征点匹配的彼此不同的所述外部信息。
还可包括:生成以分层树形结构显示与所述评估对象企业或所述供应商相关的多个关键词的关系网络图,
还可包括:基于用户输入的输入信息,显示构成所述关系网络图的多个关键词中属于特定级别的关键词。
生成所述关系网络图是指,以所述文本数据为基础而计算各所述关键词的风险分数,根据计算的风险分数的大小,生成以分层结构显示所述多个关键词的所述关系网络图。
显示所述关键词是指,提取用户选择的第一关键词,将提取的所述第一关键词配置到预设的中心点,以所述中心点为基准,环状配置与所述第一关键词相关的多个下位关键词而显示。
显示所述关键词是指,当所述用户从所述多个下位关键词中选择其中一个下位关键词即第二关键词时,将所述第二关键词移动配置到所述中心点,以所述第二关键词为中心,环状配置与所述第二关键词相关的多个不同的下位关键词而显示。
为了显示所述用户选择的多个关键词的历史记录,将所述第一关键词移动配置到所述环状的外廓既定部分,以链式连接所述第一关键词和所述第二关键词而显示。
还可包括:以文本数据为基础而在预先保存的地图数据上显示与所述评估对象企业相关的事件的发生位置,在显示的位置一同显示基于所述文本数据的风险分数。
生成所述聊天室是指,从与所述评估对象企业相关的第一用户的终端上传特定文本数据到所述聊天室时,在所述聊天室的第一区域显示所述特定文本数据,分析显示在所述第一区域的所述特定文本数据而多个供应商中提取与基于所述特定文本数据的事件相关的对象供应商,向与提取的所述对象供应商相关的第二用户的终端发送用于临时连接所述聊天室的临时地址信息,
在所述聊天室的既定区域实时显示所述柱状图及所述追踪图是指,当所述第一用户的终端或所述第二用户的终端选择包括在所述特定文本数据的特定词语时,在第二区域实时显示与选择的所述特定词语相关的所述柱状图及所述追踪图。
并且,本发明的一个实施例的计算机可读记录介质记录了用于执行本发明的供应商供应链风险分析方法的计算机程序。
发明效果
根据本发明的一方面,用户可通过柱状图、追踪图、关系网络图、地图等不同形式的视觉资料,以多个角度分析评估对象企业的风险度,当发生特定事件时,在评估对象企业与供应商之间的实时通讯中提供这种视觉资料,从而实现良好的沟通。
附图说明
图1是示出本发明的一个实施例的供应商供应链风险分析装置的示意性结构的框图。
图2是示出图1的可视化部的具体结构的框图。
图3至图8是示出图1的可视化部生成的多种视觉信息的示例的图。
图9是示出本发明的一个实施例的供应商供应链风险分析方法的示意性流程的流程图。
具体实施方式
以下描述的关于本发明的具体说明将参照示出本发明特定实施例的附图。对这些实施例进行了足够详细的描述,以使本领域技术人员能够实施。应当理解,本发明的各个实施例虽然是不同的,但不相互排斥。例如,在不脱离本发明的主旨和范围的前提下,可以在其他实施例中体现本文描述的特定形状、结构及特征。应该理解的是,在不背离本发明主旨和范围的情况下,可以改变各个公开实施例中的各个别组件的位置或配置。因此,以下描述的具体内容不具有限定意义,本发明的范围仅由所附权利要求书以及这些权利要求主张的等同物的全部范围所限定。在多个方面,附图中相似的附图标记指代相同或相似的功能。
下面参照附图更详细地描述本发明的优选实施例。
图1是示出本发明的一个实施例的供应商供应链风险分析装置1的示意性结构的框图。
本发明的供应商供应链风险分析装置1抓取具有用户检索的特定企业(以下简称评估对象企业)的信息的多种数据,根据非财务性评估基准(ESG;environment,social,governance)来评估关于评估对象企业及评估对象企业与供应商之间形成的供应链的风险。
供应商供应链风险分析装置1可将这种评估结果转换成多种视觉信息并提供给用户,当发生特定事件时,可提供评估对象企业和与评估对象企业形成供应链的供应商之间的实时通讯。
更具体地说,本发明的一个实施例的供应商供应链风险分析装置1包括风险分数计算部100、可视化部200及通讯管理部300。
其中,本发明的供应商供应链风险分析装置1可以移动或者被固定。例如,供应商供应链风险分析装置1可以是服务器(server)或引擎(engine)的形式,也可称之为智能手机(smart phone)、设备(device)、装置(apparatus)、终端(terminal)、用户设备(UE:userequipment)、移动电台(MS:mobilestation)、无线设备(wireless device)、手持设备(handheld device)等不同的术语。
并且,供应商供应链风险分析装置1可以由比图1所示的组件更多的组件构成,也可以由更少的组件构成。或者,供应商供应链风险分析装置1也可以是风险分数计算部100、可视化部200及通讯管理部300中至少两个组件被整合成一个组件而由一个组件执行复合功能。下面更具体地描述上述组件。
风险分数计算部100以供应商供应链风险分析装置1收集的多种数据为基础,计算以数值表现评估对象企业的风险程度的风险分数。
为此,供应商供应链风险分析装置1可通过多种方法收集文本数据。例如,供应商供应链风险分析装置1可访问门户网站、新闻网站和SNS等各种网页来收集新闻等多种文本数据,并将其按企业进行分类而管理。
其中,风险分数计算部100在执行对特定企业(评估对象企业)的评估过程时,分析与评估对象企业相关的文本数据来计算评估对象企业的风险分数。例如,风险分数计算部100将其中一个文本数据区分为词语类或形态小类,将其输入到预先学习的人工神经网络而推出该文本数据的含义。风险分数计算部100以推出的结果为基础来计算各个文本数据的风险度,综合计算出的结果来计算评估对象企业的风险分数。
通过与此类似的方法,风险分数计算部100还可以计算与评估对象企业相关的供应商的风险分数。
其中,供应商被定义为与评估对象企业具有密切关联的企业,例如,可以包括向评估对象企业提供物料或根据评估对象企业的要求制作部件的企业。这种评估对象企业和供应商之间形成了用于物流、财源的输送、流通的供应链,这种供应链的风险可因各种外部因素而发生。
因此,本发明的风险分数计算部100可以计算能够以多角度分析供应链的风险的风险分数。
可视化部200可以执行以多种视觉效果表现已生成的风险分数的一系列过程。更具体地说,可视化部200以柱状图、追踪图、散点图、关系网络图及地图等视觉信息形式提供评估对象企业的评估结果。对此,参照图2进行描述。
图2示出图1的可视化部200的具体结构。
更具体地说,可视化部200可以包括柱状图生成部210、追踪图生成部220、散点图生成部230、关系网络图生成部240及地图生成部250。
柱状图生成部210可以将评估对象企业的风险分数呈现为柱状图形态。对此,参照图3进行描述。
图3示出由柱状图生成部210生成的柱状图的一个示例。
柱状图生成部210可以将评估对象企业的风险分数转换成柱状图。即,柱状图生成部210可根据评估对象企业的风险分数的大小来设定柱状图的高度(4.2)。柱状图生成部210以五种步骤(Extreme,Very High,High,Medium,Low)及分数呈现风险分数并在柱状图上以长度及颜色来呈现风险的程度。
其中,柱状图生成部210将对评估对象企业的供应商的风险分数一同呈现到柱状图,以与测定对象企业的风险分数进行比较。更具体地说,柱状图生成部210计算供应商的平均风险分数,将表示计算的平均风险分数的图像呈现到已生成的柱状图上。
例如,如图所示,供应商的平均风险分数为3.3时,在具有4.2分的高度的评估对象企业的柱状图内的既定位置生成表示供应商的平均风险分数的图像(Supplier Average)。
追踪图生成部220可以生成分别表示评估对象企业及多个供应商的风险分数的变动趋势的追踪图。对此,参照图4进行描述。
图4示出由追踪图生成部220生成的追踪图的一个示例。
如图所示,追踪图生成部220生成基于时间的流逝表示评估对象企业及供应商的风险分数的变化的追踪图。
其中,追踪图生成部220控制为根据从用户接收的输入信号而在追踪图上呈现不同的效果。
作为一例,追踪图生成部220在当用户从按照评估对象企业及多个所述供应商生成的多个追踪图中选择其中一个追踪图时,控制为改变已选择的其中一个追踪图的颜色、亮度或粗细中的至少一个。
该状态下,追踪图生成部220可以同时显示与选择的特定追踪图相关的外部信息。
为此,追踪图生成部220可以在各个追踪图中生成至少一个特征点P。可根据多种基准生成特征点,作为示例,追踪图生成部220观察追踪图的微小区间倾斜度变化,在特定区间内倾斜度变化量超过预设临界值的区间设定特征点P。示出的实施例中,出于说明上的便利,仅在一个追踪图上设定特征点,但实质上,可在所有追踪图上设定特征点。
用户从形成于追踪图的多个特征点中选择其中一个特征点时,追踪图生成部220将与选择的其中一个特征点匹配的外部信息显示到既定区域。其中,外部信息可被定义为与该事件相关的图像、视频等信息。
并且,当用户依次选择多个特征点时,追踪图生成部220控制为连续显示与选择的各特征点匹配的彼此不同的所述外部信息。示出的实施例中,当用户连续选择三个特征点时,随着时间的流逝而连续地显示各个特征点的外部信息,从而用户仅通过与特征点相关的外部信息即可容易地识别企业的风险因何种因素而改变。
散点图生成部230可利用由测定对象企业管理的供应商的风险分数来生成散点图(Scatter plot)。对此,参照图5进行描述。
图5示出由散点图生成部230生成的散点图的一个示例。
更具体地说,散点图生成部230可按照供应商生成以大小及区域呈现过去到现在的风险变动趋势的散点图。散点图生成部230加亮突出显示用户选择的特定区域,或者增加外廓线的粗细、颜色变化等效果。并且,当选择特定区域时,以超链接形式显示有关该供应商的摘要信息、相关新闻等信息。
关系网络图生成部240可以生成按级别显示与评估对象企业或供应商相关的多个关键词的关系网络图。
首先,关系网络图生成部240根据关键词的重要度而将关键词区分为其他关键词的上位类别或下位类别,生成由多个关键词构成分层树形结构的关系网络图。
其中,关系网络图生成部240按照多种基准设定多个关键词之间的上位关系和下位关系。
作为示例,关系网络图生成部240计算特定文本数据的风险分数,计算该文本数据所包含的词语的风险分数。关系网络图生成部240以包含特定词语的不同文本数据的风险分数为基础,计算特定词语的平均风险分数,根据这种方法,关系网络图生成部240对与评估对象企业相关的所有关键词赋予平均风险分数。关系网络图生成部240根据
按关键词计算的平均风险分数的大小,生成以级别结构显示多个关键词的关系网络图。
作为另一例,关系网络图生成部240根据供应商供应链风险分析装置1的管理员设定的级别(分类),按级别对多个关键词进行分组。
之后,关系网络图生成部240控制为根据用户的操作而显示构成关系网络图的多个关键词中属于特定级别的关键词。对此,参照图6进行描述。
图6示出由关系网络图生成部240输出的关系网络图的一个示例。
关系网络图生成部240将由用户选择的第一关键词配置到预先设定的中心点。关系网络图生成部240参照已构建的关系网络图,提取与选择的第一关键词相关联且属于第一关键词的下位级别的第二关键词群组。关系网络图生成部240如图6的左侧图所示,以第一关键词为中心,环状配置提取的第二关键词群组(第二类别)。
并且,当用户从配置的第二关键词群组(第二类别)中选择其中一个第二关键词时,关系网络图生成部240将第二关键词移动配置到中心点。与此同时,关系网络图生成部240以第二关键词为中心,环状配置与第二关键词相关的多个不同的下位关键词群组(第三类别)。
在此过程中,关系网络图生成部240为了显示用户选择的多个关键词的历史记录,将第一关键词移动配置到环状的外廓既定部分,以链式连接所述第一关键词和所述第二关键词而显示。
据此,用户可以直观地浏览最高类别到最低类别的多个关键词,因另外显示自己选择的多个关键词的历史记录,可以直观地识别因自己选择怎样的关键词而得到当前显示的关键词。
地图生成部250在特定区域的地图数据上显示基于计算的风险信息的多种信息并提供视觉信息。对此,参照图7进行描述。
图7示出由地图生成部250生成的地图的一个示例。
地图生成部250以文本数据为基础,在预先保存的地图数据上呈现与所述评估对象企业相关的事件(event)发生位置。
地图生成部250可在显示的位置一同显示基于所述文本数据的风险分数。例如,地图生成部250平时在地图数据上仅显示位置,当用户选择该地点时,以弹窗形式显示风险信息或对该事件的摘要信息。
并且,地图生成部250分析事件发生地点及与该事件相关的评估对象企业或供应商的文本信息,以事件发生地点为起点,显示可能受到该事件影响的预想范围。
另外,地图生成部250预测事件扩散路径而显示。例如,地图生成部250分析南美区域发生旱灾等自然灾害的新闻数据而在地图数据上的该区域显示事件发生位置。其中,地图生成部250分析与该新闻数据及与此相关的其他文本数据,当获取由事件发生区域生产的农作物出口到非洲的特定区域5的信息时,作为事件扩散路径而选择非洲区域5,以从南美区域指向非洲区域的箭头显示生成事件扩散路径。
在此过程中,地图生成部250计算该新闻数据的风险分数,根据风险分数的大小设定事件扩散路径的颜色或粗细。因此,用户仅根据地图生成部250生成的地图,即可容易地获得各区域的风险程度及风险的扩散范围及路径的信息。
如上所述,本发明的可视化部200通过柱状图、追踪图、散点图、关系网络图及地图,以视觉信息提供按照评估对象企业及与评估对象企业相关的供应商计算的风险分数。
通讯管理部300利用这种可视化部200生成的多种图像信息而生成用于评估对象企业和供应商的供应链管理的聊天室。对此,参照图8进行描述。
图8示出由通讯管理部300生成的聊天室的具体示例。
通讯管理部300通过分析评估对象企业的风险分数或与评估对象企业相关的文本数据,判断是否发生与评估对象企业相关的事件。例如,当计算的风险分数超过预设基准值或特定文本数据中包括预设的事件发生关键词时,通讯管理部300判断为发生了与该评估对象企业相关的事件。
这种情况下,通讯管理部300可以生成由既定区域构成的聊天室,向与评估对象企业相关的用户(以下简称第一用户)所持的终端发送用于连接到已生成的聊天室的地址信息。
与此同时,通讯管理部300向与评估对象企业相关的所有供应商中与关系到事件的供应商相关的用户(以下简称第二用户)所持的终端发送用于连接到聊天室的地址信息。
例如,当第一用户在聊天窗口中输入供应商的电子邮箱或联系方式时,通讯管理部300可向该供应商的终端发送临时账号或该聊天室的链接。
作为另一示例,通讯管理部300可分析与发生的事件相关的文本数据,自动提取多个供应商中与基于特定文本数据的事件相关的对象供应商。即,通讯管理部300可自行检索与文本数据中包含的词语相关的供应商,即使第一用户不输入其他信息,也可自动筛选并邀请与事件相关的供应商用户(第二用户)。
之后,通讯管理部300可支持第一用户与至少一个第二用户之间的实时通讯(聊天、视频通话等)。其中,通讯管理部300控制为聊天窗口的第一区域中显示与发生的事件相关的文本数据,以使得沟通顺畅。
该过程中,当确认到第一用户或第二用户选择第一区域显示的文本数据中的特定词语时,通讯管理部300控制为同时显示与选择的特定词语相关的图像信息。即,通讯管理部300为了视觉化呈现选择的词语而控制为将可视化部200生成的多种图像信息中的至少一个显示到第二区域,从而第一用户与第二用户可实现顺畅的沟通,通过修改或变更聊天窗口中共享的文本数据及图像信息,可进行快速讨论以解决问题。
如上所述,本发明的供应商供应链风险分析装置1以与评估对象企业相关的文本数据为基础而计算风险分数,通过柱状图、追踪图、散点图、关系网络图及地图以视觉信息提供评估对象企业的所述风险分数,生成用于评估对象企业和供应商的供应链管理的聊天室而支持实时通讯,据此,以多种形态的视觉信息提供评估对象企业的风险信息的同时,还具有能够有效管理评估对象企业与供应商之间的供应链的效果。
图9是示出本发明的一个实施例的供应商供应链风险分析方法的示意性流程的流程图。
本发明的供应商供应链风险分析方法可以由上述本发明的供应商供应链风险分析装置1执行。为此,本发明的供应商供应链风险分析装置1中预先设置有用于执行后述供应商供应链风险分析方法的各步骤的应用(软件)。例如,在用户的智能手机中以应用的形式预先设置本发明的供应商供应链风险分析方法的平台,用户执行智能手机中的应用而享有本发明的供应商供应链风险分析方法所提供的多种服务。
供应商供应链风险分析装置1以与评估对象企业相关的文本数据为基础,分别计算评估对象企业及与评估对象企业相关的多个供应商的风险分数(910)。
供应商供应链风险分析装置1将计算的风险分数转换成多种形态的视觉信息并显示(920)。即,供应商供应链风险分析装置1通过柱状图、追踪图、散点图、关系网络图及地图,以视觉信息提供评估对象企业的评估结果。
并且,供应商供应链风险分析装置1可提供用于评估对象企业与供应商之间的供应链管理的通讯工具(930)。供应商供应链风险分析装置1可生成聊天窗口而支持供应商与评估对象企业的相互通讯,该过程中,在聊天窗口中显示已生成的与评估对象企业相关的图像信息,从而实现顺畅的沟通。
对于上述各步骤(910,920,930)的内容已参照图1至图8进行描述,此处省略重复描述。
这种提供基于虚拟现实的灾难疏散教育方法的技术可通过应用程序实现或以可通过多种计算机组件执行的程序命令的形态实现而被记录到计算机可读记录介质中。所述计算机可读记录介质可以包括程序命令、数字文件和数字结构等中的某一个或其组合。
记录在所述计算机可读记录介质中的程序命令是为本发明而专门设计和构建的,并且对于计算机软件领域的技术人员来说是已知的和可用的。
作为计算机可读记录介质的例子,包括能够存储和执行程序指令的特殊硬件设备,举例来说,如硬盘、软盘及磁带等的磁性介质,如CD-ROM和DVD等光学记录介质,如光磁盘(floptical disk)等磁光介质(magneto-optical media)以及ROM、RAM、闪存等。
程序命令的示例包括如编译器生成的机器代码之外,还包括使用解释器等而由计算机可执行的高级语言代码。所述硬件装置可以被配置为一个以上的软件模块以执行处理,反之亦然。
尽管已参考实施例进行了描述,但是本领域熟练技术人员能够理解可在不脱离权利要求书中记载的本发明的主旨及区域的范围内,对本发明实施各种修改和变更。
Claims (12)
1.一种供应商供应链风险分析方法,其中,所述方法通过包括风险分数计算部、可视化部及通讯管理部的装置来执行,
所述方法包括如下步骤:
在所述风险分数计算部中,以与评估对象企业相关的文本数据为基础,分别计算所述评估对象企业及与所述评估对象企业相关的多个供应商的风险分数;
在所述可视化部的柱状图生成部中,生成用于比较所述评估对象企业的所述风险分数与所述供应商的平均风险分数的柱状图;
在所述可视化部的追踪图生成部中,生成分别显示所述评估对象企业及多个所述供应商的风险分数的变动趋势的追踪图,提取所述追踪图上的特征点,匹配所述特征点与表示特征点发生原因的外部信息;以及
在所述通讯管理部中,生成用于所述评估对象企业与所述供应商的供应链管理的聊天室,在所述聊天室的既定区域实时显示所述柱状图及所述追踪图,其中,
所述特征点设定在所述追踪图的微小区间倾斜度变化量超过预设临界值的区间内,并且
生成所述聊天室的步骤包括:
所述评估对象企业及与所述评估对象企业相关的多个供应商的每一个的计算的风险分数超过预设基准值或与所述评估对象企业相关的文本数据中包括预设的事件发生关键词时,向与所述评估对象企业相关的第一用户所持的终端发送用于连接到已生成的所述聊天室的地址信息,以及
从与所述评估对象企业相关的第一用户的终端上传特定文本数据到所述聊天室时,在所述聊天室的第一区域显示所述特定文本数据,
分析显示在所述第一区域的所述特定文本数据而多个供应商中提取与基于所述特定文本数据的事件相关的对象供应商,以及
向与提取的所述对象供应商相关的第二用户的终端发送用于临时连接所述聊天室的临时地址信息。
2.根据权利要求1所述的供应商供应链风险分析方法,其中,
生成所述柱状图的步骤包括:
根据所述评估对象企业的风险分数的大小设定所述柱状图的高度,根据所述供应商的风险分数的大小而在所述柱状图的既定高度显示所述供应商的风险分数。
3.根据权利要求1所述的供应商供应链风险分析方法,其中,还包括如下步骤:
当用户在按照所述评估对象企业及多个所述供应商生成的多个所述追踪图中选择其中一个追踪图时,改变选择的其中一个所述追踪图的颜色、亮度或粗细中的至少一个。
4.根据权利要求1所述的供应商供应链风险分析方法,其中,还包括如下步骤:
当用户在所述追踪图上形成的多个所述特征点中选择其中一个特征点时,将与选择的其中一个所述特征点匹配的所述外部信息显示到既定区域。
5.根据权利要求4所述的供应商供应链风险分析方法,其中,
将与其中一个所述特征点匹配的所述外部信息显示到既定区域的步骤包括:
当所述用户依次选择多个特征点时,连续显示与选择的各特征点匹配的彼此不同的所述外部信息。
6.根据权利要求1所述的供应商供应链风险分析方法,其中,还包括如下步骤:
生成以分层树形结构显示与所述评估对象企业或所述供应商相关的多个关键词的关系网络图;
基于用户输入的输入信息,显示构成所述关系网络图的多个关键词中属于特定级别的关键词。
7.根据权利要求6所述的供应商供应链风险分析方法,其中,
生成所述关系网络图的步骤包括:
以所述文本数据为基础而计算各所述关键词的风险分数,根据计算的风险分数的大小,生成以分层结构显示所述多个关键词的所述关系网络图。
8.根据权利要求6所述的供应商供应链风险分析方法,其中,
显示所述关键词的步骤包括:
提取用户选择的第一关键词,将提取的所述第一关键词配置到预设的中心点,以所述中心点为基准,环状配置与所述第一关键词相关的多个下位关键词而显示。
9.根据权利要求8所述的供应商供应链风险分析方法,其中,
显示所述关键词的步骤包括:
当所述用户从所述多个下位关键词中选择其中一个下位关键词即第二关键词时,将所述第二关键词移动配置到所述中心点,以所述第二关键词为中心,环状配置与所述第二关键词相关的多个不同的下位关键词而显示;以及
为了显示所述用户选择的多个关键词的历史记录,将所述第一关键词移动配置到所述环状的外廓既定部分,以链式连接所述第一关键词和所述第二关键词而显示。
10.根据权利要求1所述的供应商供应链风险分析方法,其中,还包括如下步骤:
以文本数据为基础而在预先保存的地图数据上显示与所述评估对象企业相关的事件的发生位置,在显示的位置一同显示基于所述文本数据的风险分数。
11.根据权利要求1所述的供应商供应链风险分析方法,其中,
在所述聊天室的既定区域实时显示所述柱状图及所述追踪图的步骤包括:当所述第一用户的终端或所述第二用户的终端选择包括在所述特定文本数据的特定词语时,在第二区域实时显示与选择的所述特定词语相关的所述柱状图及所述追踪图。
12.一种计算机可读记录介质,其中,记录了用于执行权利要求1所述的供应商供应链风险分析方法的计算机程序。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2018-0162767 | 2018-12-17 | ||
KR1020180162767A KR102202139B1 (ko) | 2018-12-17 | 2018-12-17 | 협력업체 공급망 리스크 분석 방법, 이를 수행하기 위한 기록매체 |
PCT/KR2019/016854 WO2020130418A1 (ko) | 2018-12-17 | 2019-12-02 | 협력업체 공급망 리스크 분석 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111602157A CN111602157A (zh) | 2020-08-28 |
CN111602157B true CN111602157B (zh) | 2023-12-01 |
Family
ID=71101700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980002998.XA Active CN111602157B (zh) | 2018-12-17 | 2019-12-02 | 供应商供应链风险分析方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11610168B2 (zh) |
EP (1) | EP3699840B1 (zh) |
JP (1) | JP6884435B2 (zh) |
KR (1) | KR102202139B1 (zh) |
CN (1) | CN111602157B (zh) |
WO (1) | WO2020130418A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102259439B1 (ko) * | 2020-12-22 | 2021-05-31 | 신재율 | 경영지원시스템 |
CN114648260B (zh) * | 2022-05-24 | 2023-06-13 | 中交(厦门)电子商务有限公司 | 一种建材采购方法及建材采购平台 |
CN115115290B (zh) * | 2022-08-29 | 2023-01-06 | 深圳装速配科技有限公司 | 一种基于风险评估的建材供应商管理系统及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005301973A (ja) * | 2004-01-30 | 2005-10-27 | Hitachi Ltd | 作業状況予測装置、作業状況予測方法および作業状況予測プログラム |
CA2531513A1 (en) * | 2005-01-07 | 2006-07-07 | At&T Corp. | System and method for text translations and annotation in an instant messaging session |
CN103377276A (zh) * | 2012-04-16 | 2013-10-30 | 宏达国际电子股份有限公司 | 在对话期间提供建议的方法以及使用所述方法的电子装置 |
JP2014115745A (ja) * | 2012-12-07 | 2014-06-26 | Nec Corp | 事業リスク評価システム、事業リスク評価方法および事業リスク評価用プログラム |
US9015192B1 (en) * | 2013-12-30 | 2015-04-21 | Google Inc. | Systems and methods for improved processing of personalized message queries |
US9722895B1 (en) * | 2013-11-08 | 2017-08-01 | Skyhigh Networks, Inc. | Vendor usage monitoring and vendor usage risk analysis system |
US9721294B1 (en) * | 2011-08-30 | 2017-08-01 | Resilinc Corporation | Apparatus and method for evaluating and presenting supply chain condition of an enterprise |
CN107391521A (zh) * | 2016-05-17 | 2017-11-24 | 谷歌公司 | 基于消息分类自动扩增消息交换话题 |
CN107391524A (zh) * | 2016-05-17 | 2017-11-24 | 谷歌公司 | 增强消息交换话题 |
CN107909274A (zh) * | 2017-11-17 | 2018-04-13 | 平安科技(深圳)有限公司 | 企业投资风险评估方法、装置及存储介质 |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7300287B2 (en) * | 2003-01-06 | 2007-11-27 | Accenture Global Services Gmbh | Learning system and related methods particularly suitable for an organization's supply chain |
US9898767B2 (en) | 2007-11-14 | 2018-02-20 | Panjiva, Inc. | Transaction facilitating marketplace platform |
KR101610907B1 (ko) | 2008-04-22 | 2016-04-11 | 주식회사 하나은행 | 리스크 알림 시스템 및 방법 |
US8368699B2 (en) * | 2009-02-25 | 2013-02-05 | Mellmo Inc. | Displaying bar charts with a fish-eye distortion effect |
US9245362B2 (en) * | 2009-02-25 | 2016-01-26 | Mellmo, Inc. | Displaying bar charts with a fish-eye distortion effect |
JP5791909B2 (ja) * | 2011-01-26 | 2015-10-07 | オリンパス株式会社 | キーワード付与装置 |
WO2012154440A2 (en) * | 2011-05-06 | 2012-11-15 | Evans Michael Shepherd | System and method for including advertisements in electronic communications |
CN107103402A (zh) | 2012-07-05 | 2017-08-29 | 弗莱克斯电子有限责任公司 | 用于控制供应链的方法和系统 |
KR20140011720A (ko) * | 2012-07-19 | 2014-01-29 | 양용철 | 주식 또는 파생상품 거래의 주가그래프상의 속보, 뉴스 표시 장치 및 방법 |
JP5397512B2 (ja) * | 2012-07-31 | 2014-01-22 | カシオ計算機株式会社 | グラフ表示装置及びプログラム |
US8706537B1 (en) * | 2012-11-16 | 2014-04-22 | Medidata Solutions, Inc. | Remote clinical study site monitoring and data quality scoring |
KR20140103409A (ko) * | 2013-02-18 | 2014-08-27 | (주)플레이파티 | 마인드웹 시스템 |
US11244270B2 (en) * | 2013-03-15 | 2022-02-08 | Alertenterprise, Inc. | Systems, structures, and processes for interconnected devices and risk management |
WO2014186608A1 (en) * | 2013-05-15 | 2014-11-20 | Adverse Events, Inc. | System and method for surveillance and evaluation of safety risks associated with medical interventions |
US20160378932A1 (en) * | 2014-05-21 | 2016-12-29 | AON Global Operations Limited (Singapore Branch) (Reg. T12FC0122F) | Dashboard interface, system and environment for subscription product exchange, management, and analysis |
US20150339446A1 (en) * | 2014-05-21 | 2015-11-26 | AON Global Operations Limited (Singapore Branch) (Reg. T12FC0122F) | Dashboard interface, system and environment |
KR101628738B1 (ko) | 2014-10-29 | 2016-06-09 | (주)타파크로스 | 학습형 룰베이스 방식의 부정적 이슈 감지 방법 및 시스템 |
US20160171090A1 (en) * | 2014-12-11 | 2016-06-16 | University Of Connecticut | Systems and Methods for Collaborative Project Analysis |
KR101772655B1 (ko) | 2015-02-12 | 2017-08-30 | 주식회사 코렘프 | 대중소기업 동반성장을 위한 협력기업 대상 선금성 자금지원 시스템 및 그 방법 |
KR101741509B1 (ko) * | 2015-07-01 | 2017-06-15 | 지속가능발전소 주식회사 | 뉴스의 데이터마이닝을 통한 기업 평판 분석 장치 및 방법, 그 방법을 수행하기 위한 기록 매체 |
KR101599675B1 (ko) * | 2015-07-02 | 2016-03-03 | 한국기업데이터 주식회사 | 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치 및 방법 |
US20170178139A1 (en) * | 2015-12-18 | 2017-06-22 | Aci Worldwide Corp. | Analysis of Transaction Information Using Graphs |
KR20170129347A (ko) | 2016-05-17 | 2017-11-27 | (주)에릭스팩토리 | 기업의 사회적 공헌 활동 평가 시스템 및 그 평가 방법 |
US11625662B2 (en) * | 2016-09-22 | 2023-04-11 | Qvinci Software, Llc | Methods and apparatus for the manipulating and providing of anonymized data collected from a plurality of sources |
KR20180058073A (ko) * | 2016-11-23 | 2018-05-31 | 주식회사 한국경제티브이 | 관심종목의 통합분석정보 제공 장치 |
US11392875B2 (en) * | 2016-12-06 | 2022-07-19 | Refinitiv Us Organization Llc | Risk identification engine and supply chain graph generator |
US20200126014A1 (en) * | 2017-05-22 | 2020-04-23 | Jabil Inc. | Systems and methods for assessment and visualization of supply chain management system data |
-
2018
- 2018-12-17 KR KR1020180162767A patent/KR102202139B1/ko active IP Right Grant
-
2019
- 2019-12-02 EP EP19816191.1A patent/EP3699840B1/en active Active
- 2019-12-02 JP JP2019570840A patent/JP6884435B2/ja active Active
- 2019-12-02 US US16/621,701 patent/US11610168B2/en active Active
- 2019-12-02 CN CN201980002998.XA patent/CN111602157B/zh active Active
- 2019-12-02 WO PCT/KR2019/016854 patent/WO2020130418A1/ko unknown
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005301973A (ja) * | 2004-01-30 | 2005-10-27 | Hitachi Ltd | 作業状況予測装置、作業状況予測方法および作業状況予測プログラム |
CA2531513A1 (en) * | 2005-01-07 | 2006-07-07 | At&T Corp. | System and method for text translations and annotation in an instant messaging session |
US9721294B1 (en) * | 2011-08-30 | 2017-08-01 | Resilinc Corporation | Apparatus and method for evaluating and presenting supply chain condition of an enterprise |
CN103377276A (zh) * | 2012-04-16 | 2013-10-30 | 宏达国际电子股份有限公司 | 在对话期间提供建议的方法以及使用所述方法的电子装置 |
JP2014115745A (ja) * | 2012-12-07 | 2014-06-26 | Nec Corp | 事業リスク評価システム、事業リスク評価方法および事業リスク評価用プログラム |
US9722895B1 (en) * | 2013-11-08 | 2017-08-01 | Skyhigh Networks, Inc. | Vendor usage monitoring and vendor usage risk analysis system |
US9015192B1 (en) * | 2013-12-30 | 2015-04-21 | Google Inc. | Systems and methods for improved processing of personalized message queries |
CN107391521A (zh) * | 2016-05-17 | 2017-11-24 | 谷歌公司 | 基于消息分类自动扩增消息交换话题 |
CN107391524A (zh) * | 2016-05-17 | 2017-11-24 | 谷歌公司 | 增强消息交换话题 |
CN107909274A (zh) * | 2017-11-17 | 2018-04-13 | 平安科技(深圳)有限公司 | 企业投资风险评估方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP3699840B1 (en) | 2024-01-31 |
EP3699840A4 (en) | 2021-08-25 |
EP3699840C0 (en) | 2024-01-31 |
KR102202139B1 (ko) | 2021-01-12 |
US11610168B2 (en) | 2023-03-21 |
WO2020130418A1 (ko) | 2020-06-25 |
KR20200074414A (ko) | 2020-06-25 |
US20210326784A1 (en) | 2021-10-21 |
EP3699840A1 (en) | 2020-08-26 |
CN111602157A (zh) | 2020-08-28 |
JP2021511555A (ja) | 2021-05-06 |
JP6884435B2 (ja) | 2021-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11663545B2 (en) | Architecture, engineering and construction (AEC) risk analysis system and method | |
Amalina et al. | Blending big data analytics: Review on challenges and a recent study | |
US11295034B2 (en) | System and methods for privacy management | |
CN111602157B (zh) | 供应商供应链风险分析方法 | |
US9009650B2 (en) | Generating a semantic graph that allows a user to intelligently and efficiently connect with people and assets involved in projects | |
CN103098051A (zh) | 搜索引擎优化助理 | |
US20190251487A1 (en) | Method and system for ai-driven & ai-optimized decisions, actions, & workflows in process operations | |
US20120253858A1 (en) | System and method for integrating text analytics driven social metrics into business architecture | |
US20230195759A1 (en) | Data processing systems and methods for automatically detecting and documenting privacy-related aspects of computer software | |
US10942979B2 (en) | Collaborative creation of content snippets | |
Ojewale et al. | Towards AI Accountability Infrastructure: Gaps and Opportunities in AI Audit Tooling | |
Chen et al. | Unveiling the tricks: Automated detection of dark patterns in mobile applications | |
CN114419631A (zh) | 一种基于rpa的网管虚拟系统 | |
US20230289729A1 (en) | Systems and methods for visualizing and managing project flows in a megaproject | |
Wahyudi et al. | Representational quality challenges of big data: Insights from comparative case studies | |
Lacueva-Pérez et al. | Assessing TRL of HCI Technologies Supporting Shop Floor Workers | |
CA3211911A1 (en) | Systems and methods for creating, training, and evaluating models, scenarios, lexicons, and policies | |
CN114757546A (zh) | 风险预警方法、装置、设备及介质 | |
US20200342302A1 (en) | Cognitive forecasting | |
CN112286986B (zh) | 一种基于企业族谱的产权分析管理系统 | |
US20220237221A1 (en) | System and method for identifying and extracting information | |
US20240177030A1 (en) | Identifying unkown decision making factors from communications data | |
KR102370858B1 (ko) | 기업정보시스템에 대한 이상행위 탐지 결과를 우주 궤도 형상으로 시각화하는 방법 및 시스템 | |
CN117453971A (zh) | 一种向量化数据检索管理方法和装置 | |
Allen | Autonomous workflow reconstruction for command and control experimentation |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |