CN112633660A - 一种多角度的失业风险预警装置及方法 - Google Patents
一种多角度的失业风险预警装置及方法 Download PDFInfo
- Publication number
- CN112633660A CN112633660A CN202011494837.8A CN202011494837A CN112633660A CN 112633660 A CN112633660 A CN 112633660A CN 202011494837 A CN202011494837 A CN 202011494837A CN 112633660 A CN112633660 A CN 112633660A
- Authority
- CN
- China
- Prior art keywords
- unemployment
- index
- module
- data
- index system
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 62
- 238000011156 evaluation Methods 0.000 claims abstract description 29
- 238000011161 development Methods 0.000 claims abstract description 12
- 238000012216 screening Methods 0.000 claims abstract description 8
- 238000004519 manufacturing process Methods 0.000 claims description 21
- 238000012502 risk assessment Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 11
- 230000008676 import Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000008713 feedback mechanism Effects 0.000 abstract 1
- 230000001737 promoting effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 239000000126 substance Substances 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
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
- 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
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种多角度的失业风险预警装置及方法,根据业务需求,获取失业率、国民经济发展水平、劳动力资源、贸易、财政货币和生活消费水平相关数据;对获取的数据进行筛选、保存,构建不同时间角度的失业指标体系,并进行统计和监测;按照不同时间角度统计当前的失业率,对下一个时间点的失业率进行地监测;将监测结果与预设的失业警戒线进行对比,进行相应的预警,生成评估报告;是否存在问题的失业指标,若存在,进行失业指标体系的调整与更新;本发明有利于形成准确的信息反馈机制,及时把握人力资源市场的发展态势,促进人力资源市场的稳健发展。
Description
技术领域
本发明属于信息风险预警技术领域,具体涉及一种多角度的失业风险预警装置及方法。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
失业风险预警是有效防范失业风险的重要手段。一般情况下,失业预警通过引入相关参数变量、建立数学模型的方法模拟计算出相对精确的失业/警戒线或者建立在宏观社会经济预警系统建模的基础之上。也有学者,利用递阶对角神经网络、BP神经网络或多种回归技术实现预警模型的构建。
然而,据发明人了解,目前失业风险预警系统还存在一些问题。失业率相关数据量少,不能完全展现失业率的分布,无法充分体现失业率与不同指标之间的关联关系,导致以年为单位的失业率预测误差较大。单一时间角度的失业率预测,无法同时满足失业率季节性变化以及短期失业风险的徒增的双重要求。
发明内容
本发明为了解决上述问题,提出了一种多角度的失业风险预警装置及方法,本发明有利于形成准确的信息反馈机制,及时把握人力资源市场的发展态势,促进人力资源市场的稳健发展。
根据一些实施例,本发明采用如下技术方案:
一种多角度的失业风险预警装置,包括:
数据模块,被配置为获取失业率、国民经济发展水平、劳动力资源、贸易、财政货币和生活消费水平相关数据;
指标体系模块,接收数据模块传输的数据,被配置为对该数据进行筛选、保存,构建不同时间角度的失业指标体系,并发布到风险监察模块进行统计和监测;
风险监察模块,接收指标体系模块构建的失业指标体系,被配置为按不同时间角度统计当前的城镇失业率,对下一个时间点的城镇失业率进行地监测,并将统计和监测结果发布到风险评估模块进行失业风险评估;
风险评估模块,接收风险监察模块发布的统计和监测结果,被配置为将该结果失业警戒线进行对比,生成相应的预警显示与评估报告;判断是否存在问题的失业指标,若存在,则反馈给指标体系模块进行指标体系的调整。
作为可选择的实施方式,所述数据模块采集数,包括城镇失业率、国民生产总值、第一产业生产总值、第二产业生产总值、第三产业生产总值、劳动年龄、进出口额、市场货币流通量、货币供给、商品零售价格指数、居民消费价格指数和当前城镇人均收入,并进行处理、保存,发布到指标体系模块进行指标体系的构建。
作为可选择的实施方式,所述不同时间角度包括年度、季度和月度。
作为可选择的实施方式,所述指标体系模块包括:
年度指标体系模块,被配置为将数据模块导入的数据进行筛选,构建年度失业指标体系,并保存年度失业指标体系对应的数据;
季度指标体系模块,被配置为将数据模块导入的数据进行筛选,构建季度失业指标体系,并保存季度失业指标体系对应的数据;
月度指标体系模块,被配置为将数据模块导入的数据进行筛选,构建月度失业指标体系,并保存月度失业指标体系对应的数据。
作为可选择的实施方式,所述风险监察模块包括:
年度监察模块,被配置为根据导入的年度失业指标数据,统计年度的城镇失业率,并根据年度失业指标体系进行下一年城镇失业率的监测,将统计和监测结果发布到风险评估模块进行评估;
季度监察模块,被配置为根据导入的季度失业指标数据,统计季度的城镇失业率,并根据季度失业指标体系进行下一季度城镇失业率进行监测,将统计和监测结果发布到风险评估模块进行评估;
月度监察模块,被配置为根据导入的月度失业指标数据,统计月度的城镇失业率,并根据月度失业指标体系进行下一月城镇失业率进行监测,将统计和监测结果发布到风险评估模块进行评估。
作为可选择的实施方式,所述风险评估模块包括:
评估模块,被配置为将导入的统计和监测结果与预设的失业警戒线进行对比,若该结果高于失业警戒线,进行预警;
评估报告模块,被配置为根据统计和监测结果,进行数值与趋势的可视化展示,生成评估报告;
问题指标处理模块,被配置为判断是否存在问题的失业指标;若存在,反馈给指标体系模块进行失业指标的调整。
作为可选择的实施方式,不同时间角度预设的失业警戒线不相同。
作为可选择的实施方式,通过对比指标数值确定指标是否存在问题的失业指标,当各指标的数值的差值均小于设定值,统计和监测结果与已存某一个失业率数值的差值大于预设值,说明现有的失业指标体系缺失某个关键指标,添加新的指标,并测试该指标对失业率的影响,若新得到的结果与原比对失业率差别变小且相近,则将该新指标添加到失业指标体系中;反之,测试下一个新指标。
一种多角度的失业风险预警方法,包括以下步骤:
根据业务需求,获取失业率、国民经济发展水平、劳动力资源、贸易、财政货币和生活消费水平相关数据;
对获取的数据进行筛选、保存,构建不同时间角度的失业指标体系,并进行统计和监测;
按照不同时间角度统计当前的失业率,对下一个时间点的失业率进行地监测;
将监测结果与预设的失业警戒线进行对比,进行相应的预警,生成评估报告;
是否存在问题的失业指标,若存在,进行失业指标体系的调整与更新。
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行所述一种多角度的失业风险预警方法的步骤。
一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行所述一种多角度的失业风险预警方法的步骤。
与现有技术相比,本发明的有益效果为:
本发明从年度、季度、月度三个不同角度构建失业指标体系,统计当前时间点的城镇失业率,并进行年度、季度、月度不同时间的城镇失业率的监测,能够使政府部门提前做出科学决策,适时适度调控和引导人力资源市场的健康发展,避免不良态势的发生。也有助于专业或人力资源的推荐与选择。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为多角度的失业风险预警装置的架构图;
图2为多时间维度的失业风险预警方法的流程示意图。
具体实施方式:
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示,一种多角度的失业风险预警装置,由数据模块101、指标体系模块102、风险监察模块103、风险评估模块104四部分组成。
数据模块101,主要负责根据业务需求,从失业率、国民经济发展、劳动力资源、贸易、财政货币、生活和价格这六个方面进行数据采集,所采集数据如城镇失业率、国民生产总值、第一产业生产总值、第二产业生产总值、第三产业生产总值、劳动年龄、进出口额、市场货币流通量、货币供给、商品零售价格指数、居民消费价格指数、城镇人均收入等,而后进行处理、保存,数据模块通过数据采集模块1011、存储模块1012;其中,
采集模块1011,用于根据业务需求,从失业率、国民经济发展、劳动力资源、贸易、财政货币、生活和价格这六个方面进行失业相关数据的收集,所采集数据如城镇失业率、国民生产总值、第一产业生产总值、第二产业生产总值、第三产业生产总值、劳动年龄、进出口额、市场货币流通量、货币供给、商品零售价格指数、居民消费价格指数、城镇人均收入等,并进行数据预处理;
存储模块1012,用于保存处理后的数据。
指标体系模块102,主要负责根据年、季、月三个不同角度进行数据筛选,并构建年度失业指标体系、季度失业指标体系、月度失业指标体系,且保存相应的数据,指标体系模块通过年度指标体系模块1021、季度指标体系模块1022、月度指标体系模块1023;其中,
年度指标体系模块1021,构建年度失业指标体系,并保存年度失业指标体系对应的数据;
季度指标体系模块1022,构建季度失业指标体系,并保存季度失业指标体系对应的数据;
月度指标体系模块1023,构建月度失业指标体系,并保存月度失业指标体系对应的数据。
风险监察模块103,主要负责按年、季、月三个不同的角度统计当前的城镇失业率,对下一个时间点的城镇失业率进行地监测,风险评估模块通过年度监察模块1031、季度监察模块1032、月度监察模块1033;其中,
年度监察模块1031,将导入的年度失业指标数据,统计年度的城镇失业率,并根据公式(1)(2)(5)进行下一年城镇失业率的监测,将统计和监测结果发布到风险评估模块进行评估,公式如下:
其中RY表示是年度失业率,N表示预测年的前第N年,∝为超参,η为偏移值。
公式(3)是公式(2)的目标函数,K表示树的棵树,其中zj表示当前年第j个年度失业指标,表示当前年第i,i-1,i-2季度的失业率,表示预测年的第i季度的失业率;为预测年前第j季度的预测失业率,T表示叶子节点数,w表示节点的输出,β、γ为超参。
季度监察模块1032,将导入的季度失业指标数据,统计季度的城镇失业率,并根据公式(8)(9)下一季度城镇失业率进行监测,将统计和监测结果发布到风险评估模块进行评估,公式如下:
其中RM表示是季度失业率,N表示预测季度的前第N季度,∝为超参,η为偏移值。
γwk22
月度监察模块1033,将导入的月度失业指标数据,统计月度的城镇失业率,并根据公式(12)进行下一月城镇失业率进行监测,将统计和监测结果发布到风险评估模块进行评估,公式如下:
其中RS表示是月度失业率,N表示预测月度的前第N月,∝为超参,η为偏移值。
当然,在其他实施例中,各个模块的评估方法可以采用其他算法。
风险评估模块104,主要负责接收风险监察模块发布的统计和监测结果,将该结果失业警戒线进行对比,生成相应的预警显示与评估报告;判断是否存在问题的失业指标,若存在,则反馈给指标体系模块102进行失业指标的调整。风险评估模块通过评估模块1041、评估报告模块1042、问题指标处理模块1043共同完成。其中,
评估模块1041将导入的风险评估模块的统计和监察结果与失业警戒线进行对比,若该结果高于失业警戒线,则显示红灯预警;若低于,则显示黄灯预警;
评估报告模块1042,根据导入的风险评估模块的预测和监察结果,进行数值与趋势的可视化展示,生成评估报告;
问题指标处理模块1043,判断是否存在问题的失业指标;若存在,反馈给指标体系模块102进行失业指标的调整。
在本实施例中,通过对比指标数值确定指标是否存在问题的失业指标,当各指标的数值的差值均小于设定值,统计和监测结果与已存某一个失业率数值的差值大于预设值,说明现有的失业指标体系缺失某个关键指标,添加新的指标,并测试该指标对失业率的影响,若新得到的结果与原比对失业率差别变小且相近,则将该新指标添加到失业指标体系中;反之,测试下一个新指标。
如图2所示,基于实施例一的一种多角度的失业风险预警装置的工作方法,包括以下步骤:
步骤201,根据业务需求,从失业率、国民经济发展、劳动力资源、贸易、财政货币、生活和价格这六个方面进行数据采集,所采集数据如城镇失业率、国民生产总值、第一产业生产总值、第二产业生产总值、第三产业生产总值、劳动年龄、进出口额、市场货币流通量、货币供给、商品零售价格指数、居民消费价格指数、城镇人均收入等,而后进行处理、保存,经过1011数据采集模块进行采集和预处理,经1012存储模块完成数据保存,并发送到102指标体系模块进行指标体系的构建。
步骤202,接收处理后的数据,根据年、季、月三个不同角度进行数据筛选,经过1021年度指标体系模块、1022季度指标体系模块、1023月度指标体系模块分别完成年度、季度、月度失业指标体系的构建与相应数据的保存,并发送到103风险评估模块进行失业风险的监察。
步骤203,接收年度、季度、月度失业指标体系相应的数据,经过1031年度监察模块,统计年度的城镇失业率,并根据公式(1)(2)(5)进行下一年城镇失业率的监测;经过1032季度监察模块,统计季度的城镇失业率,并根据公式(8)(9)下一季度城镇失业率进行监测;经过1033月度监察模块统计月度的城镇失业率,并根据公式(12)进行下一月城镇失业率进行监测;并发送到104风险评估模块进行失业风险的评估。
步骤204,接收预测和监测的结果,经过1041评估模块与失业警戒线进行对比,若该结果高于失业警戒线,则显示红灯预警;若低于,则显示黄灯预警。经1042评估报告模块对评估结果进行数值和趋势的可视化展示,生成评估报告。
步骤205,经过1043问题指标处理模块判断是否存在问题的失业指标,若存在,将返回步骤202进行失业指标的调整。
经过从年度、季度、月度三个不同角度构建失业指标体系,统计当前时间点的城镇失业率,并进行年度、季度、月度不同时间的城镇失业率的监测,能够使政府部门提前做出科学决策,适时适度调控和引导人力资源市场的健康发展。也可以有助于提供专业推荐或选择等。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种多角度的失业风险预警装置,其特征是:包括:
数据模块,被配置为获取失业率、国民经济发展水平、劳动力资源、贸易、财政货币和生活消费水平相关数据;
指标体系模块,接收数据模块传输的数据,被配置为对该数据进行筛选、保存,构建不同时间角度的失业指标体系,并发布到风险监察模块进行统计和监测;
风险监察模块,接收指标体系模块构建的失业指标体系,被配置为按不同时间角度统计当前的城镇失业率,对下一个时间点的城镇失业率进行地监测,并将统计和监测结果发布到风险评估模块进行失业风险评估;
风险评估模块,接收风险监察模块发布的统计和监测结果,被配置为将该结果失业警戒线进行对比,生成相应的预警显示与评估报告;判断是否存在问题的失业指标,若存在,则反馈给指标体系模块进行指标体系的调整。
2.如权利要求1所述的一种多角度的失业风险预警装置,其特征是:所述数据模块采集数,包括城镇失业率、国民生产总值、第一产业生产总值、第二产业生产总值、第三产业生产总值、劳动年龄、进出口额、市场货币流通量、货币供给、商品零售价格指数、居民消费价格指数和当前城镇人均收入,并进行处理、保存,发布到指标体系模块进行指标体系的构建。
3.如权利要求1所述的一种多角度的失业风险预警装置,其特征是:所述不同时间角度包括年度、季度和月度;
或,不同时间角度预设的失业警戒线不相同。
4.如权利要求1或3所述的一种多角度的失业风险预警装置,其特征是:所述指标体系模块包括:
年度指标体系模块,被配置为将数据模块导入的数据进行筛选,构建年度失业指标体系,并保存年度失业指标体系对应的数据;
季度指标体系模块,被配置为将数据模块导入的数据进行筛选,构建季度失业指标体系,并保存季度失业指标体系对应的数据;
月度指标体系模块,被配置为将数据模块导入的数据进行筛选,构建月度失业指标体系,并保存月度失业指标体系对应的数据。
5.如权利要求1或3所述的一种多角度的失业风险预警装置,其特征是:所述风险监察模块包括:
年度监察模块,被配置为根据导入的年度失业指标数据,统计年度的城镇失业率,并根据年度失业指标体系进行下一年城镇失业率的监测,将统计和监测结果发布到风险评估模块进行评估;
季度监察模块,被配置为根据导入的季度失业指标数据,统计季度的城镇失业率,并根据季度失业指标体系进行下一季度城镇失业率进行监测,将统计和监测结果发布到风险评估模块进行评估;
月度监察模块,被配置为根据导入的月度失业指标数据,统计月度的城镇失业率,并根据月度失业指标体系进行下一月城镇失业率进行监测,将统计和监测结果发布到风险评估模块进行评估。
6.如权利要求1所述的一种多角度的失业风险预警装置,其特征是:所述风险评估模块包括:
评估模块,被配置为将导入的统计和监测结果与预设的失业警戒线进行对比,若该结果高于失业警戒线,进行预警;
评估报告模块,被配置为根据统计和监测结果,进行数值与趋势的可视化展示,生成评估报告;
问题指标处理模块,被配置为判断是否存在问题的失业指标;若存在,反馈给指标体系模块进行失业指标的调整。
7.一种多角度的失业风险预警方法,其特征是:包括以下步骤:
根据业务需求,获取失业率、国民经济发展水平、劳动力资源、贸易、财政货币和生活消费水平相关数据;
对获取的数据进行筛选、保存,构建不同时间角度的失业指标体系,并进行统计和监测;
按照不同时间角度统计当前的失业率,对下一个时间点的失业率进行地监测;
将监测结果与预设的失业警戒线进行对比,进行相应的预警,生成评估报告;
是否存在问题的失业指标,若存在,进行失业指标体系的调整与更新。
8.如权利要求7所述的一种多角度的失业风险预警方法,其特征是:通过对比指标数值确定指标是否存在问题的失业指标,当各指标的数值的差值均小于设定值,统计和监测结果与已存某一个失业率数值的差值大于预设值,说明现有的失业指标体系缺失某个关键指标,添加新的指标,并测试该指标对失业率的影响,若新得到的结果与原比对失业率差别变小且相近,则将该新指标添加到失业指标体系中;反之,测试下一个新指标。
9.一种计算机可读存储介质,其特征是:其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行权利要求7或8中所述的一种多角度的失业风险预警方法的步骤。
10.一种终端设备,其特征是:包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行权利要求7或8中所述的一种多角度的失业风险预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011494837.8A CN112633660A (zh) | 2020-12-17 | 2020-12-17 | 一种多角度的失业风险预警装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011494837.8A CN112633660A (zh) | 2020-12-17 | 2020-12-17 | 一种多角度的失业风险预警装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112633660A true CN112633660A (zh) | 2021-04-09 |
Family
ID=75316420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011494837.8A Pending CN112633660A (zh) | 2020-12-17 | 2020-12-17 | 一种多角度的失业风险预警装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112633660A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897108A (zh) * | 2022-07-08 | 2022-08-12 | 浙江省标准化研究院(金砖国家标准化(浙江)研究中心、浙江省物品编码中心) | 一种生物灭杀类市场准入评估方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722655A (zh) * | 2012-06-05 | 2012-10-10 | 北京岳能科技有限公司 | 一种风电场数据分析应用模型 |
AU2015100760A4 (en) * | 2015-06-08 | 2015-07-09 | Insfin Insurance & Finance Group Pty Ltd | A software and business method to evaluate redundancy and unemployment risk |
CN107808257A (zh) * | 2017-11-20 | 2018-03-16 | 国云科技股份有限公司 | 一种对外贸易风险评估预警系统及其实现方法 |
CN107945081A (zh) * | 2017-10-09 | 2018-04-20 | 中国电子科技集团公司第二十八研究所 | 城市运行展现与监测预警系统 |
CN108733774A (zh) * | 2018-04-27 | 2018-11-02 | 上海世脉信息科技有限公司 | 一种基于大数据的失业人口动态监测方法 |
CN109447324A (zh) * | 2018-09-30 | 2019-03-08 | 深圳个人数据管理服务有限公司 | 行为活动预测方法、装置、设备及情绪预测方法 |
CN109858807A (zh) * | 2019-01-30 | 2019-06-07 | 深圳供电局有限公司 | 一种企业运营监控的方法及系统 |
CN110335138A (zh) * | 2019-06-21 | 2019-10-15 | 上海淇馥信息技术有限公司 | 一种预测客群资质变化的风险预警方法、装置和电子设备 |
-
2020
- 2020-12-17 CN CN202011494837.8A patent/CN112633660A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722655A (zh) * | 2012-06-05 | 2012-10-10 | 北京岳能科技有限公司 | 一种风电场数据分析应用模型 |
AU2015100760A4 (en) * | 2015-06-08 | 2015-07-09 | Insfin Insurance & Finance Group Pty Ltd | A software and business method to evaluate redundancy and unemployment risk |
CN107945081A (zh) * | 2017-10-09 | 2018-04-20 | 中国电子科技集团公司第二十八研究所 | 城市运行展现与监测预警系统 |
CN107808257A (zh) * | 2017-11-20 | 2018-03-16 | 国云科技股份有限公司 | 一种对外贸易风险评估预警系统及其实现方法 |
CN108733774A (zh) * | 2018-04-27 | 2018-11-02 | 上海世脉信息科技有限公司 | 一种基于大数据的失业人口动态监测方法 |
CN109447324A (zh) * | 2018-09-30 | 2019-03-08 | 深圳个人数据管理服务有限公司 | 行为活动预测方法、装置、设备及情绪预测方法 |
CN109858807A (zh) * | 2019-01-30 | 2019-06-07 | 深圳供电局有限公司 | 一种企业运营监控的方法及系统 |
CN110335138A (zh) * | 2019-06-21 | 2019-10-15 | 上海淇馥信息技术有限公司 | 一种预测客群资质变化的风险预警方法、装置和电子设备 |
Non-Patent Citations (3)
Title |
---|
云俊等: "项目评价中指标体系选取的有效性及优化", 《商业时代》 * |
李静等: "基于多目标量子优化分类器的急诊危重患者关键指标筛选", 《数据分析与知识发现》 * |
罗圆圆: ""失业预警系统中指标体系构建与模型选择研究"", 《中国优秀博硕士学位论文全文数据库(硕士)经济与管理科学辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897108A (zh) * | 2022-07-08 | 2022-08-12 | 浙江省标准化研究院(金砖国家标准化(浙江)研究中心、浙江省物品编码中心) | 一种生物灭杀类市场准入评估方法及系统 |
CN114897108B (zh) * | 2022-07-08 | 2022-09-13 | 浙江省标准化研究院(金砖国家标准化(浙江)研究中心、浙江省物品编码中心) | 一种生物灭杀类市场准入评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109360084A (zh) | 征信违约风险的评估方法及装置、存储介质、计算机设备 | |
Drobyazko et al. | Formation of hybrid costing system accounting model at the enterprise | |
Kulikova et al. | Planning of technological development of new products and its impact on the economic performance of the enterprise | |
CN108765149B (zh) | 一种基于集群的量化策略回测系统及其回测方法 | |
CN106529704A (zh) | 月最大电力负荷预测方法及装置 | |
CN113537807B (zh) | 一种企业智慧风控方法及设备 | |
CN104200337A (zh) | 一种基于综合能耗判断的企业能源平衡方法 | |
CN111680452A (zh) | 基于全要素数据挖掘的电网工程精准投资决策仿真方法 | |
CN112598443A (zh) | 一种基于深度学习的线上渠道业务数据处理方法及系统 | |
CN107194536A (zh) | 一种项目投资的供电可靠性负效益评估方法及装置 | |
CN112633660A (zh) | 一种多角度的失业风险预警装置及方法 | |
CN113919931A (zh) | 一种贷款申请评分模型的使用效果评估方法及系统 | |
CN114282697A (zh) | 一种设备类供应商差异化绩效确定方法和系统 | |
CN111768282B (zh) | 数据分析方法、装置、设备及存储介质 | |
CN113723842A (zh) | 一种研发经费投入规模及强度预测方法 | |
Taherinia et al. | Prediction the Return Fluctuations with Artificial Neural Networks' Approach | |
CN113763181A (zh) | 一种风险压力测试系统 | |
Wang et al. | Application of mathematical modeling in management accounting | |
Baskys et al. | Calculation of electrical energy balances of production systems based on probabilistic-statistical approach | |
Ye et al. | 4PL suppliers evaluating indicator system based on Grey Correlation Model | |
Alekneviciene et al. | Integrated risk assessment: case study of lithuanian family farms | |
Dominic et al. | A new hybrid model for the supplier selection decision | |
Zhang | Forecasting financial performance of companies for stock valuation | |
CN117853211B (zh) | 一种投标现场智能化管理监控系统 | |
PAPCUNOVÁ196F et al. | Evaluating of the financial management of the municipalities via parameters of data matrix in the Slovak Republic conditions |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210409 |