CN112488751A - 基于偏离度的预算偏离预警方法、装置、终端、存储介质 - Google Patents
基于偏离度的预算偏离预警方法、装置、终端、存储介质 Download PDFInfo
- Publication number
- CN112488751A CN112488751A CN202011361681.6A CN202011361681A CN112488751A CN 112488751 A CN112488751 A CN 112488751A CN 202011361681 A CN202011361681 A CN 202011361681A CN 112488751 A CN112488751 A CN 112488751A
- Authority
- CN
- China
- Prior art keywords
- purchasing
- target
- deviation
- price
- budget
- 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
Links
Images
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及预算管理技术领域,提供一种基于偏离度的预算偏离预警方法、装置、终端、存储介质,用于解决预算价格同实际采购时价格偏离度较大的问题。本发明提供的基于偏离度的预算偏离预警方法,包括:获取采购标的信息,所述采购标的信息包括标的名称和数量;获取所述采购标的的采购数据,所述采购数据包括历史采购数据和第三方采购数据;根据所述采购数据确定采购标的采购价格区间;将采购价格区间同采购标的预算价格比对,若采购标的预算价格同所述采购价格区间的偏离度超过预设值,发出预警信息。可以有效的提高预算的合理性,降低企业采购成本,同时为供应商留足合理的成本,实现共赢。
Description
技术领域
本发明涉及预算管理技术领域,具体涉及基于偏离度的预算偏离预警方法。
背景技术
需求部门提出采购申请,采购部门完成采购,在这个过程中,需求部门与采购部门之间就是委托-代理关系,在预算填报的过程中,需求部门往往会因为各种原因有意无意的虚报预算,例如:
1、需求部门为了保证采购效果调增预算;
2、需求部门不了解市场行情,给出的预算价格不符合常理,过高或者过低;
3、对需求数量估算不准;而采购部门在审核的过程中,由于节支率这一指标经常被拿来考核,就算是发现了预算的不合理,只要不是偏差太大也不会指出,造成了采购预算看似重要,实则无法起到实际的效果。
预算偏大的情况下增加了企业的支出,为供应商带来了超额利润;预算偏小的情况下价格不合理,很难采购到符合需求部门要求的产品,不符合5R原则中的适价(Rightprice)原则。
发明内容
本发明解决的技术问题为预算价格同实际采购时价格偏离度较大的问题,提供基于偏离度的预算偏离预警方法。
为了解决上述技术问题,本发明提供的技术方案为:
基于偏离度的预算偏离预警方法,包括:
获取采购标的信息,所述采购标的信息包括标的名称和数量;
获取所述采购标的的采购数据,所述采购数据包括历史采购数据和第三方采购数据;
根据所述采购数据确定采购标的采购价格区间;
将采购价格区间同采购标的预算价格比对,若采购标的预算价格同所述采购价格区间的偏离度超过预设值,发出预警信息。
根据采购数据确定一个合理的采购价格区间,如果需求部门订立的预算金额同价格区间差别过大,则发出预警。
可以有效的提高预算的合理性,降低企业采购成本,同时为供应商留足合理的成本,实现共赢。
优选地,所述偏离度为采购标的预算价格同所述采购价格区间内最大值或最小值的差值。预算价格不在价格区间内才需计算偏离度。
优选地,根据所述采购数据确定采购标的采购价格区间的方法为:
根据历史采购数据、第三方采购数据预测采购行为发生时的采购标的价格区间。
优选地,预测采购行为发生时的采购标的价格区间的方法为:
采集与采购标的相关的带有预测性观点的文章,对采集的文章进行去重,得到第一文章集合;并获取第一文章集合中经过去重的文章的重复次数;
从第一文章集合中的文章中提取价格预测要素,所述价格预测要素包括文章发表时间、带有专家预测性观点的文章内容;
根据带有专家预测性观点的文章内容获取专家对采购标的价格的预测观点,并将所述预测观点进行量化和保存;
建立模型,对标的价格进行预测。预算制定和采购行为的发生有一定时间差,标的价格有可能变化,对价格进行预测有助于更合理的制定预算。
优选地,建立模型所依据的参数包括但不限于文章发表时间、量化后的预测观点、文章重复的次数的其中一种或几种。
优选地,预测采购行为发生时的采购标的价格区间的方法还包括:
采集与采购标的相关的带有间接预测性观点的文章,所述带有间接预测性观点的文章为无法从文章中提取出明确的预测性观点但文章内容同采购标的高度相关,对文章进行去重处理,获取第二文章集合;并获取第二文章集合中经过去重的文章的重复次数;
对带有间接预测性观点的文章进行分隔处理,得到多个句子;
根据预设的间接预测词表,在多个句子中查找间接预测词;
获取所述间接预测词所在的句子、所述间接预测词所在句子的上一个句子和下一个句子,进行CRF句法分析,获取间接预测词所在的句子的预测主体;
若预测主体同采购标的相同,则根据预设的间接预测词词表,判断带有间接预测性观点的文章的预测倾向,并将预测倾向进行量化并保存;
建立模型,对标的价格进行预测。有些专业文章并不会直接给出明确的看涨或者看跌观点,这些文章不在少数,这些文章对于制定价格也有参考意义。
优选地,判断带有间接预测性观点的文章的预测倾向的方法包括:
统计带有间接预测性观点的文章中一种预测倾向的最大值,所述预测倾向包括看涨倾向、看跌倾向和中立倾向;
以所述最大值为该带有间接预测性观点的文章的预测倾向。
优选地,建立模型所依据的参数包括但不限于文章发表时间、量化后的预测倾向、文章重复的次数的其中一种或几种。
基于偏离度的预算偏离预警装置,包括:
信息获取模块,所述信息获取模块获取采购标的信息,所述采购标的信息包括标的名称和数量;
数据获取模块,所述数据数据获取模块获取所述采购标的的采购数据,所述采购数据包括历史采购数据和第三方采购数据;
定价模块,所述定价模块根据所述采购数据确定采购标的采购价格区间;
预警模块,所述预警模块将采购价格区间同采购标的预算价格比对,若采购标的预算价格同所述采购价格区间的偏离度超过预设值,发出预警信息;所述偏离度为采购标的预算价格同所述采购价格区间内最大值或最小值的差值。
一种终端,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序以实现上述的方法。
一种存储介质,存储有计算机程序,所述计算机程序可以被执行以实现上述的方法。
与现有技术相比,本发明具有的有益效果为:可以有效的提高预算的合理性,降低企业采购成本,同时为供应商留足合理的成本,实现共赢。
附图说明
图1为基于偏离度的预算偏离预警方法的流程示意图。
图2为基于偏离度的预算偏离预警装置的示意图。
具体实施方式
以下实施例是对本发明的进一步说明,不是对本发明的限制。
基于偏离度的预算偏离预警方法,在本申请的一些实施例中,包括:
获取采购标的信息,所述采购标的信息包括标的名称和数量;
获取所述采购标的的采购数据,所述采购数据包括历史采购数据和第三方采购数据;
根据所述采购数据确定采购标的采购价格区间;
将采购价格区间同采购标的预算价格比对,若采购标的预算价格同所述采购价格区间的偏离度超过预设值,发出预警信息;所述偏离度为采购标的预算价格同所述采购价格区间内最大值或最小值的差值。
根据采购数据确定一个合理的采购价格区间,如果需求部门订立的预算金额同价格区间差别过大,则发出预警。
可以有效的提高预算的合理性,降低企业采购成本,同时为供应商留足合理的成本,实现共赢。
在本申请的一些实施例中,根据所述采购数据确定采购标的采购价格区间的方法为:
根据历史采购数据、第三方采购数据预测采购行为发生时的采购标的价格区间。
在本申请的一些实施例中,先获取标的历史采购价格,该价格与采购数量相关,如果没有历史采购记录,可以根据第三方的采购数据为依据。总之,可以得到采购标的实时参考价格。
在本申请的一些实施例中,预测采购行为发生时的采购标的价格区间的方法为:
采集与采购标的相关的带有预测性观点的文章,对采集的文章进行去重,得到第一文章集合;并获取第一文章集合中经过去重的文章的重复次数;
从第一文章集合中的文章中提取价格预测要素,所述价格预测要素包括文章发表时间、带有专家预测性观点的文章内容;
根据带有专家预测性观点的文章内容获取专家对采购标的价格的预测观点,并将所述预测观点进行量化和保存;
建立模型,对标的价格进行预测。
预算制定和采购行为的发生有一定时间差,标的价格有可能变化,对价格进行预测有助于更合理的制定预算。
在本申请的一些实施例中,建立模型所依据的参数包括但不限于文章发表时间、量化后的预测观点、文章重复的次数的其中一种或几种。
在本申请的一些实施例中,第一文章集合中的文章可以直接获取专家预测观点,比如m个专家预测标的物在n日后平均上涨L%,a个专家预测标的物在b日后平均下跌C%,e个专家认为标的物价格保持不变,这些观点即量化后预测观点。
不同专家的观点受认可度也不同,可以根据文章的重复次数来判断专家的认可度,例如计算平均上涨值时,以文章重复次数为权重,计算加权平均数,可以得到更准确的平均上涨幅度。
通常采用与采购行为发生日期附近发表的文章作为价格预测的参考。例如,预算制定前几个月发表的文章可以参考,1年前的文章可以不参考。
其中,d为采购日期距今的天数,∆p为价格的变化率,实际上模型为专家人数与专家预测观点的加权平均数。
在本申请的一些实施中,预测采购行为发生时的采购标的价格区间的方法还包括:
采集与采购标的相关的带有间接预测性观点的文章,所述带有间接预测性观点的文章为无法从文章中提取出明确的预测性观点但文章内容同采购标的高度相关,对文章进行去重处理,获取第二文章集合;并获取第二文章集合中经过去重的文章的重复次数;
对带有间接预测性观点的文章进行分隔处理,得到多个句子;
根据预设的间接预测词表,在多个句子中查找间接预测词;
获取所述间接预测词所在的句子、所述间接预测词所在句子的上一个句子和下一个句子,进行CRF句法分析,获取间接预测词所在的句子的预测主体;
若预测主体同采购标的相同,则根据预设的间接预测词词表,判断带有间接预测性观点的文章的预测倾向,并将预测倾向进行量化并保存;
建立模型,对标的价格进行预测。
有些专业文章并不会直接给出明确的看涨或者看跌观点,这些文章不在少数,这些文章对于制定价格也有参考意义。
在本申请的一些实施例中,判断带有间接预测性观点的文章的预测倾向的方法包括:
统计带有间接预测性观点的文章中一种预测倾向的最大值,所述预测倾向包括看涨倾向、看跌倾向和中立倾向;
以所述最大值为该带有间接预测性观点的文章的预测倾向。
在本申请的一些实施例中,一些文章作出的预测可能无法直接提取出预测观点,但可以提取出预测倾向,例如,某些专家认为标的物的供应紧张,可以理解为看涨倾向;某些专家认为标的物的供应充足,可以理解为看跌倾向;某些专家认为供求关系稳定,则可以认为中立倾向。
间接预测词表中可以包括:供求紧张、供求宽松、供求平稳等词语,这些词语难以被计算机直接认定为预测观点,但汇集成表,可以用于判断倾向。
基于预测倾向的价格变化模型建立,可以参照基于预测观点的价格变化模型的建立方式,在此不再赘述。
建立模型所依据的参数包括但不限于文章发表时间、量化后的预测倾向、文章重复的次数的其中一种或几种。
在本申请的一些实施例中,可以结合预测观点和预测倾向来预测价格的变化。
基于偏离度的预算偏离预警装置,包括:
信息获取模块,所述信息获取模块获取采购标的信息,所述采购标的信息包括标的名称和数量;
数据获取模块,所述数据数据获取模块获取所述采购标的的采购数据,所述采购数据包括历史采购数据和第三方采购数据;
定价模块,所述定价模块根据所述采购数据确定采购标的采购价格区间;
预警模块,所述预警模块将采购价格区间同采购标的预算价格比对,若采购标的预算价格同所述采购价格区间的偏离度超过预设值,发出预警信息;所述偏离度为采购标的预算价格同所述采购价格区间内最大值或最小值的差值。
一种终端,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序以实现权利要求1~7任一项所述的方法。
一种存储介质,存储有计算机程序,所述计算机程序可被执行以实现上述方法。
上列详细说明是针对本发明可行实施例的具体说明,以上实施例并非用以限制本发明的专利范围,凡未脱离本发明所为的等效实施或变更,均应包含于本案的专利范围中。
Claims (10)
1.基于偏离度的预算偏离预警方法,其特征在于,包括:
获取采购标的信息,所述采购标的信息包括标的名称和数量;
获取所述采购标的的采购数据,所述采购数据包括历史采购数据和第三方采购数据;
根据所述采购数据确定采购标的采购价格区间;
将采购价格区间同采购标的预算价格比对,若采购标的预算价格同所述采购价格区间的偏离度超过预设值,发出预警信息。
2.根据权利要求1所述的基于偏离度的预算偏离预警方法,其特征在于,根据所述采购数据确定采购标的采购价格区间的方法为:
根据历史采购数据、第三方采购数据预测采购行为发生时的采购标的价格区间。
3.根据权利要求2所述的基于偏离度的预算偏离预警方法,其特征在于,预测采购行为发生时的采购标的价格区间的方法为:
采集与采购标的相关的带有预测性观点的文章,对采集的文章进行去重,得到第一文章集合;并获取第一文章集合中经过去重的文章的重复次数;
从第一文章集合中的文章中提取价格预测要素,所述价格预测要素包括文章发表时间、带有专家预测性观点的文章内容;
根据带有专家预测性观点的文章内容获取专家对采购标的价格的预测观点,并将所述预测观点进行量化和保存;
建立模型,对标的价格进行预测。
4.根据权利要求3所述的基于偏离度的预算偏离预警方法,其特征在于,建立模型所依据的参数包括但不限于文章发表时间、量化后的预测观点、文章重复的次数的其中一种或几种。
5.根据权利要求2所述的基于偏离度的预算偏离预警方法,其特征在于,预测采购行为发生时的采购标的价格区间的方法还包括:
采集与采购标的相关的带有间接预测性观点的文章,所述带有间接预测性观点的文章为无法从文章中提取出明确的预测性观点但文章内容同采购标的高度相关,对文章进行去重处理,获取第二文章集合;并获取第二文章集合中经过去重的文章的重复次数;
对带有间接预测性观点的文章进行分隔处理,得到多个句子;
根据预设的间接预测词表,在多个句子中查找间接预测词;
获取所述间接预测词所在的句子、所述间接预测词所在句子的上一个句子和下一个句子,进行CRF句法分析,获取间接预测词所在的句子的预测主体;
若预测主体同采购标的相同,则根据预设的间接预测词词表,判断带有间接预测性观点的文章的预测倾向,并将预测倾向进行量化并保存;
建立模型,对标的价格进行预测。
6.根据权利要求5所述的基于偏离度的预算偏离预警方法,其特征在于,判断带有间接预测性观点的文章的预测倾向的方法包括:
统计带有间接预测性观点的文章中一种预测倾向的最大值,所述预测倾向包括看涨倾向、看跌倾向和中立倾向;
以所述最大值为该带有间接预测性观点的文章的预测倾向。
7.根据权利要求5所述的基于偏离度的预算偏离预警方法,其特征在于,建立模型所依据的参数包括但不限于文章发表时间、量化后的预测倾向、文章重复的次数的其中一种或几种。
8.基于偏离度的预算偏离预警装置,其特征在于,包括:
信息获取模块,所述信息获取模块获取采购标的信息,所述采购标的信息包括标的名称和数量;
数据获取模块,所述数据数据获取模块获取所述采购标的的采购数据,所述采购数据包括历史采购数据和第三方采购数据;
定价模块,所述定价模块根据所述采购数据确定采购标的采购价格区间;
预警模块,所述预警模块将采购价格区间同采购标的预算价格比对,若采购标的预算价格同所述采购价格区间的偏离度超过预设值,发出预警信息;所述偏离度为采购标的预算价格同所述采购价格区间内最大值或最小值的差值。
9.一种终端,其特征在于,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序以实现权利要求1~7任一项所述的方法。
10.一种存储介质,其特征在于,存储有计算机程序,所述计算机程序可以被执行以实现权利要求1~7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011361681.6A CN112488751B (zh) | 2020-11-28 | 2020-11-28 | 基于偏离度的预算偏离预警方法、装置、终端、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011361681.6A CN112488751B (zh) | 2020-11-28 | 2020-11-28 | 基于偏离度的预算偏离预警方法、装置、终端、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112488751A true CN112488751A (zh) | 2021-03-12 |
CN112488751B CN112488751B (zh) | 2023-05-26 |
Family
ID=74936563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011361681.6A Active CN112488751B (zh) | 2020-11-28 | 2020-11-28 | 基于偏离度的预算偏离预警方法、装置、终端、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112488751B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116151773A (zh) * | 2023-04-18 | 2023-05-23 | 智慧(东营)大数据有限公司 | 一种面向企业管理的企业运营监管系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020188487A1 (en) * | 1998-12-03 | 2002-12-12 | Fox Billy Shane | Integrated inventory management system |
CN103577581A (zh) * | 2013-11-08 | 2014-02-12 | 南京绿色科技研究院有限公司 | 农产品价格趋势预测方法 |
CN107507075A (zh) * | 2017-09-26 | 2017-12-22 | 北京阳光公采科技有限公司 | 公共采购大数据价格监测方法 |
US20180114154A1 (en) * | 2016-10-20 | 2018-04-26 | Seok Hee Bae | O2O Business Model For Marketing Services |
CN108846689A (zh) * | 2018-05-07 | 2018-11-20 | 河南金凤电子科技有限公司 | 一种食品价格监管方法、设备及系统 |
CN109840805A (zh) * | 2019-01-24 | 2019-06-04 | 四川长虹电器股份有限公司 | 一种基于正态分布模型的采购价格控制方法及系统 |
CN111639516A (zh) * | 2019-03-01 | 2020-09-08 | 埃森哲环球解决方案有限公司 | 基于机器学习的分析平台 |
-
2020
- 2020-11-28 CN CN202011361681.6A patent/CN112488751B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020188487A1 (en) * | 1998-12-03 | 2002-12-12 | Fox Billy Shane | Integrated inventory management system |
CN103577581A (zh) * | 2013-11-08 | 2014-02-12 | 南京绿色科技研究院有限公司 | 农产品价格趋势预测方法 |
US20180114154A1 (en) * | 2016-10-20 | 2018-04-26 | Seok Hee Bae | O2O Business Model For Marketing Services |
CN107507075A (zh) * | 2017-09-26 | 2017-12-22 | 北京阳光公采科技有限公司 | 公共采购大数据价格监测方法 |
CN108846689A (zh) * | 2018-05-07 | 2018-11-20 | 河南金凤电子科技有限公司 | 一种食品价格监管方法、设备及系统 |
CN109840805A (zh) * | 2019-01-24 | 2019-06-04 | 四川长虹电器股份有限公司 | 一种基于正态分布模型的采购价格控制方法及系统 |
CN111639516A (zh) * | 2019-03-01 | 2020-09-08 | 埃森哲环球解决方案有限公司 | 基于机器学习的分析平台 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116151773A (zh) * | 2023-04-18 | 2023-05-23 | 智慧(东营)大数据有限公司 | 一种面向企业管理的企业运营监管系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112488751B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766428A (zh) | 一种数据价值评估系统以及方法 | |
Muchayan | Comparison of Holt and Brown's double exponential smoothing methods in the forecast of moving price for mutual funds | |
Tayman et al. | Precision, bias, and uncertainty for state population forecasts: An exploratory analysis of time series models | |
Clements et al. | Forecasting and forecast narratives: The Bank of England inflation reports | |
CN110659926A (zh) | 一种数据价值评估系统以及方法 | |
CN112488751A (zh) | 基于偏离度的预算偏离预警方法、装置、终端、存储介质 | |
CN115115417A (zh) | 一种基于舆情的商品销售数据预测方法、设备及介质 | |
CN111861679A (zh) | 一种基于人工智能的商品推荐方法 | |
Jerath et al. | Customer-base analysis using repeated cross-sectional summary (RCSS) data | |
CN113554350A (zh) | 活跃度评估方法、装置、电子设备及计算机可读存储介质 | |
CN112132343A (zh) | 一种商品采购预测方法及系统、可读存储介质 | |
CN109741172B (zh) | 信贷预警方法、装置、系统及存储介质 | |
CN110096568B (zh) | 用于上市公司业绩预警的方法、装置、设备及存储介质 | |
JP4777941B2 (ja) | 需要予測方法および装置 | |
CN110796505A (zh) | 一种业务对象推荐方法以及装置 | |
KR20220151453A (ko) | 상품의 가격 예측 방법 | |
JP6997842B2 (ja) | 記事生成システム、記事生成装置、記事生成方法、及びコンピュータプログラム | |
CN112785113A (zh) | 一种基于改进灰色模型的上市公司价值评估方法及系统 | |
Stockton et al. | Using measurable physical characteristics to forecast beef heifer maturity: The identification of a maturity index | |
Kulyk et al. | Forecasting husbandry development using time series | |
JP7473718B2 (ja) | 記事生成システム、記事生成装置、記事生成方法、及びコンピュータプログラム | |
JP7297042B2 (ja) | 記事生成システム、記事生成装置、記事生成方法、及びコンピュータプログラム | |
JP6767953B2 (ja) | 記事生成システム、記事生成装置、記事生成方法、及びコンピュータプログラム | |
Fahrudin et al. | Daily Forecasting for Antam's Certified Gold Bullion Prices in 2018-2020 using Polynomial Regression and Double Exponential Smoothing | |
Wickramasooriya | Sri Lanka tea auction price forecast by using data mining techniques |
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 |