CN112015801A - 一种基于大数据挖掘的企业活跃度分析方法 - Google Patents

一种基于大数据挖掘的企业活跃度分析方法 Download PDF

Info

Publication number
CN112015801A
CN112015801A CN202010819130.3A CN202010819130A CN112015801A CN 112015801 A CN112015801 A CN 112015801A CN 202010819130 A CN202010819130 A CN 202010819130A CN 112015801 A CN112015801 A CN 112015801A
Authority
CN
China
Prior art keywords
enterprise
industry
activity
data
matrix
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.)
Granted
Application number
CN202010819130.3A
Other languages
English (en)
Other versions
CN112015801B (zh
Inventor
郑伟
陈浩
朱正华
许武
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Yunheng Digital Technology Co ltd
Original Assignee
Sichuan Yunheng Digital Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Yunheng Digital Technology Co ltd filed Critical Sichuan Yunheng Digital Technology Co ltd
Priority to CN202010819130.3A priority Critical patent/CN112015801B/zh
Publication of CN112015801A publication Critical patent/CN112015801A/zh
Application granted granted Critical
Publication of CN112015801B publication Critical patent/CN112015801B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/26—Visual data mining; Browsing structured data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于大数据挖掘的企业活跃度分析方法，包括从评测地区的多维企业官方管理机构获取企业大数据；企业大数据进行行业划分，构建具有活跃度等级的行业矩阵H；对行业矩阵中的每个行业要素进行下级分析，构建具有活跃度等级的企业矩阵Q；建立企业活跃度网络图，并将所获得的企业活跃度网络图展示给管理人员。本发明通过多维分级处理分析，在计算效率的基础上，能够获得到精准贴合实际情况的企业活跃度指导结果；能够使管理人员直观、完整且精准的获得到所管理区域中各个企业的活跃度状态，从而能够帮助管理人员有效把控精准对象，提高企业管理的效率。

Description

一种基于大数据挖掘的企业活跃度分析方法
技术领域
本发明属于企业管理技术领域，特别是涉及一种基于大数据挖掘的企业活跃度分析方法。
背景技术
随着社会发展国家经济的快速发展，每个地区的企业也越来越多，这样使得对于企业的整体管理难度也随之增大，如何从宏观的角度去监控到每一个企业对每个企业进行有效管理也越来越复杂。
企业活跃度是一个能够衡量企业发展现状的重要指标。现有技术中对于企业活跃度的评测办法多是建立一套指标体系来对企业活跃度值进行一个指标评判，具有较大的局限性和不完全性，计算过程复杂计算效率差，无法向管理人员直观、完整且精准的展示所管理区域的企业的活跃度状态。
发明内容
为了解决上述问题，本发明提出了一种基于大数据挖掘的企业活跃度分析方法，过多维分级处理分析，在计算效率的基础上，能够获得到精准贴合实际情况的企业活跃度指导结果；能够使管理人员直观、完整且精准的获得到所管理区域中各个企业的活跃度状态，从而能够帮助管理人员有效把控精准对象，提高企业管理的效率。
为达到上述目的，本发明采用的技术方案是：一种基于大数据挖掘的企业活跃度分析方法，包括步骤：
S10,从评测地区的多维企业官方管理机构获取该地区的所有企业数据，对多源企业数据进行整合获得评测地区的企业大数据；
S20,对企业大数据进行特征值提取，构建具有特征标签的企业大数据；根据特征标签对企业大数据进行行业划分，根据各个行业在的企业大数据包含的所有行业中的行业活跃度进行排列，构建具有活跃度等级的行业矩阵H；
S30,对行业矩阵中的每个行业要素进行下级分析，调取该行业下的企业数据，通过计算分析获得所调取企业的企业活跃度，根据该行业下所有企业的企业活跃度进行排列，并将分析后的结果合并进入行业矩阵H构成具有活跃度等级的企业矩阵Q；
S40,建立企业活跃度网络图，根据具有活跃度等级的企业矩阵Q向企业活跃度网络图输入信息，实时更新企业活跃度网络图，并将所获得的企业活跃度网络图展示给管理人员。
进一步的是，对所述行业活跃度进行一级评价，根据评价结果对各个行业根据行业活跃度进行排列，构成具有活跃度等级的行业矩阵H。
进一步的是，所述行业活跃度的计算方法为：行业活跃度＝行业中所有企业数量/本地区所有企业总数；计算获得所有行业的行业活跃度，根据行业活跃度数值由高到低进行排列构成行业矩阵H。
进一步的是，所述企业大数据的特征标签包括行业特征标签和企业名称标签，根据行业特征标签对企业大数据进行行业划分，根据行业特征标签聚类同一行业下的企业大数据获得该行业下的企业数据包，根据企业名称标签从企业数据包中调取该企业的企业数据进行企业活跃度分析。
进一步的是，在进行下级分析时，根据该行业特征标签调取该行业下的企业数据，根据企业特征标签调取企业外围数据，将企业外围数据和企业数据进行整合构成新的企业数据，根据整合后新的企业数据计算企业的活跃度；根据该行业下所有企业的活跃度进行排列，并将分析后的结果合并进入行业矩阵H构成具有活跃度等级的企业矩阵Q。通过多层次的多级分析，先进行官方管理机构的行业分析，能够快速且有效的获得行业活跃度状态；之后再加之融入外围数据来进行企业活跃度状态的分析；能够简化每一级避免不必要的计算，提高计算靶向性，从而在提高计算效率的基础上，能够获得到更加精准贴合实际情况的企业活跃度指导结果。
进一步的是，所述企业活跃度的计算方法为：根据企业数据中各个指标状态和指标权重计算获得该企业的企业活跃度；
根据该行业Hn下所有企业的活跃数值由高到低进行排列，并将每个行业下的企业活跃度排列结果合并进入行业矩阵H，构成具有活跃度等级的企业矩阵Q。
进一步的是，所述企业数据来源的企业官方管理机构包括国税、地税、工商管理、社会保障和公积金管理机构，获取的企业大数据中指标包括国税纳税状态、地税纳税状态、社保缴存状态、公积金缴存状态和企业登记状态。
进一步的是，所述企业外围数据中指标包括从招聘数据、招投标数据、法律状态数据、知识产权数据和网络搜索量；通过从网络招聘平台中调取招聘数据，通过从网络招投标平台中调取招投标数据，通过从网络法律平台中调取法律状态数据，从知识产权平台中调取法律状态数据，从网络搜索引擎中调取网络搜索量。
进一步的是，建立企业活跃度网络图，根据具有活跃度等级的企业矩阵Q向企业活跃度网络图输入信息，实时更新企业活跃度网络图；包括步骤：
预先构建出具有行列排序的企业活跃度网络图，所述企业活跃度网络图的X轴向为行业，所述企业活跃度网络图Y轴向为企业，所述企业活跃度网络图包括多个矩阵式排列的数据块；
根据所获得的企业矩阵Q的排列位置，向企业活跃度网络图中相应坐标位置的数据块内录入企业矩阵Q的相关要素；从而获得到实时更新的企业活跃度网络图。
采用本技术方案的有益效果：
本发明通过多维分级处理，首先对企业管理机构的企业数据根据特征标签对企业大数据进行行业划分，根据各个行业在的企业大数据包含的所有行业中的活跃度进行排列，构建具有活跃度等级的行业矩阵H；其次再对行业矩阵中的每个行业要素进行下级分析，根据该行业特征标签调取该行业下的企业大数据，获得所调取企业的活跃度，根据该行业下所有企业的活跃度进行排列，并将分析后的结果合并进入行业矩阵H构成具有活跃度等级的企业矩阵Q。通过多维分级处理分析，能够简化每一级避免不必要的计算，提高计算靶向性，从而在提高计算效率的基础上，能够获得到精准贴合实际情况的企业活跃度指导结果。
本发明通过建立企业矩阵Q来获取得到将企业活跃度网络图，将所获得的企业活跃度网络图展示给管理人员，能够使管理人员直观、完整且精准的获得到所管理区域中各个企业的活跃度状态，便于管理人员精准掌控各个企业的活跃网络位置，从而能够帮助管理人员有效把控精准对象，提高企业管理的效率。
附图说明
图1为本发明的一种基于大数据挖掘的企业活跃度分析方法的流程示意图；
图2为本发明实施例中建立企业活跃度网络图的流程示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。
在本实施例中，参见图1所示，本发明提出了一种基于大数据挖掘的企业活跃度分析方法，包括步骤：
S10,从评测地区的多维企业官方管理机构获取该地区的所有企业数据，对多源企业数据进行整合获得评测地区的企业大数据；
S20,对企业大数据进行特征值提取，构建具有特征标签的企业大数据；根据特征标签对企业大数据进行行业划分，根据各个行业在的企业大数据包含的所有行业中的行业活跃度进行排列，构建具有活跃度等级的行业矩阵H；
S30,对行业矩阵中的每个行业要素进行下级分析，调取该行业下的企业数据，通过计算分析获得所调取企业的企业活跃度，根据该行业下所有企业的企业活跃度进行排列，并将分析后的结果合并进入行业矩阵H构成具有活跃度等级的企业矩阵Q；
S40,建立企业活跃度网络图，根据具有活跃度等级的企业矩阵Q向企业活跃度网络图输入信息，实时更新企业活跃度网络图，并将所获得的企业活跃度网络图展示给管理人员。
作为上述实施例的优化方案1，对所述行业活跃度进行一级评价，根据评价结果对各个行业根据行业活跃度进行排列，构成具有活跃度等级的行业矩阵H＝[H1,H2,H3……Hn]，H1为行业活跃度最高的行业，Hn为行业活跃度最低的行业。
其中，所述行业活跃度的计算方法为：行业活跃度＝行业中所有企业数量/本地区所有企业总数；计算获得所有行业的行业活跃度，根据行业活跃度数值(1……n)由高到低进行排列构成行业矩阵H＝[H1,H2,H3……Hn]。
作为上述实施例的优化方案2，所述企业大数据的特征标签包括行业特征标签和企业名称标签，根据行业特征标签对企业大数据进行行业划分，根据行业特征标签聚类同一行业下的企业大数据获得该行业下的企业数据包，根据企业名称标签从企业数据包中调取该企业的企业数据进行企业活跃度分析。
作为上述实施例的优化方案3，进行下级分析时，根据该行业特征标签调取该行业下的企业数据，根据企业特征标签调取企业外围数据，将企业外围数据和企业数据进行整合构成新的企业数据，根据整合后新的企业数据计算企业的活跃度；根据该行业下所有企业的活跃度进行排列，并将分析后的结果合并进入行业矩阵H构成具有活跃度等级的企业矩阵Q。通过多层次的多级分析，先进行官方管理机构的行业分析，能够快速且有效的获得行业活跃度状态；之后再加之融入外围数据来进行企业活跃度状态的分析；能够简化每一级避免不必要的计算，提高计算靶向性，从而在提高计算效率的基础上，能够获得到更加精准贴合实际情况的企业活跃度指导结果。
其中，所述企业活跃度的计算方法为：根据企业数据中各个指标状态和指标权重计算获得该企业的企业活跃度。
根据该行业Hn下所有企业的活跃数值由高到低进行排列
Figure BDA0002633848550000051
Q1n为行业Hn下最活跃的企业，Qmn为行业Hn下最不活跃的企业。
并将每个行业下H1……Hn下的企业活跃度排列结果
Figure BDA0002633848550000052
合并进入行业矩阵H，构成具有活跃度等级的企业矩阵
Figure BDA0002633848550000053
其中，n为行业活跃度排名数，m为该行业下的企业活跃度排名数，Q11为本地区最活跃企业，Qmn为本地区最不活跃企业。
其中，所述企业数据来源的企业官方管理机构包括国税、地税、工商管理、社会保障和公积金管理机构，获取的企业大数据中指标包括国税纳税状态、地税纳税状态、社保缴存状态、公积金缴存状态和企业登记状态。
其中，所述企业外围数据中指标包括从招聘数据、招投标数据、法律状态数据、知识产权数据和网络搜索量；通过从网络招聘平台中调取招聘数据，通过从网络招投标平台中调取招投标数据，通过从网络法律平台中调取法律状态数据，从知识产权平台中调取法律状态数据，从网络搜索引擎中调取网络搜索量。
作为上述实施例的优化方案4，如图2所示，建立企业活跃度网络图，根据具有活跃度等级的企业矩阵Q向企业活跃度网络图输入信息，实时更新企业活跃度网络图；包括步骤：
预先构建出具有行列排序的企业活跃度网络图，所述企业活跃度网络图的X轴向为行业，所述企业活跃度网络图Y轴向为企业，所述企业活跃度网络图包括多个矩阵式排列的数据块；
根据所获得的企业矩阵Q的排列位置，向企业活跃度网络图中相应坐标位置的数据块内录入企业矩阵Q的相关要素；从而获得到实时更新的企业活跃度网络图。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (9)

1.一种基于大数据挖掘的企业活跃度分析方法，其特征在于，包括步骤：
S10，从评测地区的多维企业官方管理机构获取该地区的所有企业数据，对多源企业数据进行整合获得评测地区的企业大数据；
S20，对企业大数据进行特征值提取，构建具有特征标签的企业大数据；根据特征标签对企业大数据进行行业划分，根据各个行业在的企业大数据包含的所有行业中的行业活跃度进行排列，构建具有活跃度等级的行业矩阵H；
S30，对行业矩阵中的每个行业要素进行下级分析，调取该行业下的企业数据，通过计算分析获得所调取企业的企业活跃度，根据该行业下所有企业的企业活跃度进行排列，并将分析后的结果合并进入行业矩阵H构成具有活跃度等级的企业矩阵Q；
S40，建立企业活跃度网络图，根据具有活跃度等级的企业矩阵Q向企业活跃度网络图输入信息，实时更新企业活跃度网络图，并将所获得的企业活跃度网络图展示给管理人员。
2.根据权利要求1所述的一种基于大数据挖掘的企业活跃度分析方法，其特征在于，对所述行业活跃度进行一级评价，根据评价结果对各个行业根据行业活跃度进行排列，构成具有活跃度等级的行业矩阵H。
3.根据权利要求2所述的一种基于大数据挖掘的企业活跃度分析方法，其特征在于，所述行业活跃度的计算方法为：行业活跃度＝行业中所有企业数量/本地区所有企业总数；计算获得所有行业的行业活跃度，根据行业活跃度数值由高到低进行排列构成行业矩阵H。
4.根据权利要求1所述的一种基于大数据挖掘的企业活跃度分析方法，其特征在于，所述企业大数据的特征标签包括行业特征标签、企业名称标签，根据行业特征标签对企业大数据进行行业划分，根据行业特征标签聚类同一行业下的企业大数据获得该行业下的企业数据包，根据企业名称标签从企业数据包中调取该企业的企业数据进行企业活跃度分析。
5.根据权利要求4所述的一种基于大数据挖掘的企业活跃度分析方法，其特征在于，在进行下级分析时，根据该行业特征标签调取该行业下的企业数据，根据企业特征标签调取企业外围数据，将企业外围数据和企业数据进行整合构成新的企业数据，根据整合后新的企业数据计算企业的活跃度；根据该行业下所有企业的活跃度进行排列，并将分析后的结果合并进入行业矩阵H构成具有活跃度等级的企业矩阵Q。
6.根据权利要求5所述的一种基于大数据挖掘的企业活跃度分析方法，其特征在于，所述企业活跃度的计算方法为：根据企业数据中各个指标状态和指标权重计算获得该企业的企业活跃度；
根据该行业Hn下所有企业的活跃数值由高到低进行排列，并将每个行业下的企业活跃度排列结果合并进入行业矩阵H，构成具有活跃度等级的企业矩阵Q。
7.根据权利要求1-5任一所述的一种基于大数据挖掘的企业活跃度分析方法，其特征在于，所述企业数据来源的企业官方管理机构包括国税、地税、工商管理、社会保障、公积金管理机构，获取的企业大数据中指标包括国税纳税状态、地税纳税状态、社保缴存状态、公积金缴存状态、企业登记状态。
8.根据权利要求4-5任一所述的一种基于大数据挖掘的企业活跃度分析方法，其特征在于，所述企业外围数据中指标包括从招聘数据、招投标数据、法律状态数据、知识产权数据、网络搜索量；通过从网络招聘平台中调取招聘数据，通过从网络招投标平台中调取招投标数据，通过从网络法律平台中调取法律状态数据，从知识产权平台中调取法律状态数据，从网络搜索引擎中调取网络搜索量。
9.根据权利要求1所述的一种基于大数据挖掘的企业活跃度分析方法，其特征在于，建立企业活跃度网络图，根据具有活跃度等级的企业矩阵Q向企业活跃度网络图输入信息，实时更新企业活跃度网络图；包括步骤：
预先构建出具有行列排序的企业活跃度网络图，所述企业活跃度网络图的X轴向为行业，所述企业活跃度网络图Y轴向为企业，所述企业活跃度网络图包括多个矩阵式排列的数据块；
根据所获得的企业矩阵Q的排列位置，向企业活跃度网络图中相应坐标位置的数据块内录入企业矩阵Q的相关要素；从而获得到实时更新的企业活跃度网络图。
CN202010819130.3A 2020-08-14 2020-08-14 一种基于大数据挖掘的企业活跃度分析方法 Active CN112015801B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010819130.3A CN112015801B (zh) 2020-08-14 2020-08-14 一种基于大数据挖掘的企业活跃度分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010819130.3A CN112015801B (zh) 2020-08-14 2020-08-14 一种基于大数据挖掘的企业活跃度分析方法

Publications (2)

Publication Number Publication Date
CN112015801A true CN112015801A (zh) 2020-12-01
CN112015801B CN112015801B (zh) 2021-05-11

Family

ID=73504496

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010819130.3A Active CN112015801B (zh) 2020-08-14 2020-08-14 一种基于大数据挖掘的企业活跃度分析方法

Country Status (1)

Country Link
CN (1) CN112015801B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115147029A (zh) * 2022-09-05 2022-10-04 山东省市场监管监测中心 基于大数据的企业活跃度监测方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106339806A (zh) * 2016-08-24 2017-01-18 北京创业公社征信服务有限公司 一种面向企业信息的行业全息画像构建方法及系统
CN107085621A (zh) * 2017-06-08 2017-08-22 苏州朗动网络科技有限公司 分析新增企业与区域经济活跃度关联性的数据挖掘方法
US10162900B1 (en) * 2015-03-09 2018-12-25 Interos Solutions Inc. Method and system of an opinion search engine with an application programming interface for providing an opinion web portal
CN111415081A (zh) * 2020-03-17 2020-07-14 数联天下(北京)科技有限公司 企业数据处理方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10162900B1 (en) * 2015-03-09 2018-12-25 Interos Solutions Inc. Method and system of an opinion search engine with an application programming interface for providing an opinion web portal
CN106339806A (zh) * 2016-08-24 2017-01-18 北京创业公社征信服务有限公司 一种面向企业信息的行业全息画像构建方法及系统
CN107085621A (zh) * 2017-06-08 2017-08-22 苏州朗动网络科技有限公司 分析新增企业与区域经济活跃度关联性的数据挖掘方法
CN111415081A (zh) * 2020-03-17 2020-07-14 数联天下(北京)科技有限公司 企业数据处理方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115147029A (zh) * 2022-09-05 2022-10-04 山东省市场监管监测中心 基于大数据的企业活跃度监测方法及系统

Also Published As

Publication number Publication date
CN112015801B (zh) 2021-05-11

Similar Documents

Publication Publication Date Title
Zhan et al. An analytic infrastructure for harvesting big data to enhance supply chain performance
López-Robles et al. Understanding the intellectual structure and evolution of Competitive Intelligence: A bibliometric analysis from 1984 to 2017
CN110008259A (zh) 可视化数据分析的方法及终端设备
Yang et al. Analysis of data warehouse architectures: modeling and classification
CN117807377B (zh) 多维度物流数据挖掘与预测方法及系统
CN109635069B (zh) 一种基于信息熵的地理空间数据自组织方法
WO2019200739A1 (zh) 数据欺诈识别方法、装置、计算机设备和存储介质
CN112015801B (zh) 一种基于大数据挖掘的企业活跃度分析方法
El Seddawy et al. Enhanced K-mean algorithm to improve decision support system under uncertain situations
Zhou et al. Research on the identification and formation mechanism of the main path of digital technology diffusion: Empirical evidence from China
CN105447117A (zh) 一种用户聚类的方法和装置
Delias et al. Formulating the potentials of clustering of event data over multiple entities for decision support: a network embeddings approach
CN112560480A (zh) 任务社区发现方法、装置、设备和存储介质
KR101259417B1 (ko) 집단지성을 활용한 하이브리드형 유망기술 추출 시스템 및 방법
Swidan et al. Skyline queries computation on crowdsourced-enabled incomplete database
Malleswari et al. Enhanced SS-FIM Algorithm For High Utility Uncertain Itemsets
Fan et al. Spatially enabled customer segmentation using a data classification method with uncertain predicates
Gui et al. Longitudinal patent analysis for big data technology
CN114090869A (zh) 目标对象处理方法、装置、电子设备及存储介质
CN113379212A (zh) 基于区块链的物流信息平台违约风险评估方法、装置、设备及介质
Judijanto et al. Trends and Evolution of Data-Driven Financial Management: A Bibliometric Analysis of Scientific Publications and Their Influence on Financial Decision Making
CN112506930A (zh) 一种基于机器学习技术的数据洞察平台
Liu et al. CP-nets structure learning based on mRMCR principle
Yefimenko Advances in GMDH-based predictive analytics tools for business intelligence systems
Chaudhary Data mining system, functionalities and applications: a radical review

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: An Analysis Method of Enterprise Activity Based on Big Data Mining

Effective date of registration: 20221020

Granted publication date: 20210511

Pledgee: Chengdu financial holding Financing Guarantee Co.,Ltd.

Pledgor: Sichuan Yunheng Digital Technology Co.,Ltd.

Registration number: Y2022510000276