CN113034041A - 一种挖掘潜在成长性企业并进行培育和智能奖补的方法和系统 - Google Patents
一种挖掘潜在成长性企业并进行培育和智能奖补的方法和系统 Download PDFInfo
- Publication number
- CN113034041A CN113034041A CN202110417651.0A CN202110417651A CN113034041A CN 113034041 A CN113034041 A CN 113034041A CN 202110417651 A CN202110417651 A CN 202110417651A CN 113034041 A CN113034041 A CN 113034041A
- Authority
- CN
- China
- Prior art keywords
- enterprises
- growth
- enterprise
- service
- equal
- 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 54
- 238000005065 mining Methods 0.000 title claims abstract description 23
- 230000008859 change Effects 0.000 claims abstract description 10
- 238000005516 engineering process Methods 0.000 claims abstract description 8
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 230000008520 organization Effects 0.000 claims description 18
- 230000007246 mechanism Effects 0.000 claims description 17
- 238000009395 breeding Methods 0.000 claims description 16
- 230000001488 breeding effect Effects 0.000 claims description 16
- 238000011161 development Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 13
- 238000012827 research and development Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 241000208125 Nicotiana Species 0.000 claims description 3
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims description 3
- 241000377209 Unicorn Species 0.000 claims description 3
- 238000010171 animal model Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000003912 environmental pollution Methods 0.000 claims description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 239000011707 mineral Substances 0.000 claims description 3
- 238000012797 qualification Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
-
- 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
- G06Q30/018—Certifying business or products
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种挖掘潜在成长性企业并进行培育和智能奖补的方法和系统，属于计算机技术、互联网技术领域，其中挖掘潜在成长性企业并进行培育和智能奖补的方法包括权利要求1‑6所述的方法；本发明，能够对区域企业进行政务数据进行采集，随后对数据进行结构和非结构的分类处理，在通过规定的判断条件删选出不符合企业后，设计高成长性企业分类等级，结合关键衡量增长指标和算法公式形成模型，而自动甄选高成长性企业；根据企业方向和策略，自动匹配满足条件的服务机构进行培育计划，并监测培育企业的各项增长指标变化情况，达成条件的自动提醒，经过专家被认定为高成长性企业，系统按政策和实施办法自动给予相应奖补，智能化程度高。
Description
技术领域
本发明属于计算机技术、互联网技术领域，具体涉及一种挖掘潜在成长性企业并进行培育和智能奖补的方法和系统。
背景技术
目前，国内许多地区和城市在加快实施产业升级的过程中，在科技研发资助、成果转化和政策扶持方面，倾向于重点扶持和资助本区域内和产业集群中具有高成长性企业。
在高成长性企业的识别和认定方面，优先选择战略新兴产业，符合当地支柱产业和优势产业企业；优先选择高新技术企业和科技型中小企业；支持和扶持在支柱产业和战略新兴产业具有领先地位和市场竞争优势的产业集群，使其成为支撑地区经济发展的重要动力和技术创新的重要力量。
如何识别和甄选出高成长性的企业，是对高成长性的企业实施政策扶持的首要问题。各地相继出台了一些政策和实施办法，明确了高成长潜力企业评定标准，基于不同数据，衡量增长的指标，组织成长测度方法；意味着只有那些具备一定规模的企业才在高成长企业的统计范围之内。
发明内容
本发明的目的在于提供一种挖掘潜在成长性企业并进行培育和智能奖补的方法和系统，主要是通过界定设计多种类型高成长企业，包含有必要的数据维度，充分挖掘地区潜在高成长性企业，同时因为企业的成长并非直线上升的过程，而是随着时间波动而波动的，通过数字技术在系统层面上，通过制定多个关键衡量增长的指标，在企业培育过程中，在一定的观察期内发现那些在特定期间仍然保持一定增长率的企业，可以解决上述背景技术中提出的问题。
为实现上述目的，本发明实施例的第一方面，提供一种挖掘潜在成长性企业并进行培育和智能奖补的方法，包括：
获取区域企业政务数据，以便对地区和城市战略新兴产业、支柱产业和优势产业进行调研和分析；
通过判断条件删选出区域不合规企业；
基于关键衡量增长指标和算法公式，设计多种等级类型的高成长性企业甄选模型；
依据企业填报的关键要素数据，通过模型综合评估出不同类型的潜在企业和高成长性企业；
根据企业发展情况初步评估扶持策略，匹配合适的服务机构；
监测企业在培育期内各项增长指标变化情况，跟踪服务机构服务效果，及时作出调整和更换；
甄选区域所有符合条件的高成长性企业，在经过专家认定为高成长性企业后，按政策和实施办法给予相应奖补，并对外进行公示。
可选地，所述判断条件包括：
a.工商、税务关系在本地区或城市，具有法人资格并实行独立核算。
b.企业无违法记录、无重大安全和质量事故、无环境污染事故、未列入失信被执行人名单。
c.行业性质为非烟草、铁路、矿产资源、公共服务等垄断性行业企业，以及房地产、基础建设、银行等行业。
可选地，所述多种等级类型的高成长性企业甄选模型具体包括：
A.高成长性企业-雏鹰甄选模型：
企业注册时间<10年；
高价值专利≥1件；
科技人员占员工总数≥10％；
研究开发费用占当年企业营业收入≥5％；
营业收入为正增长；
前年营业收入≥100万元，<500万元；去年主营业务收入同比增长≥50％；
通过国家高新技术企业认定；
B.高成长性企业-瞪羚培育模型：
大前年的企业营业收入处在1000-5000万区间；
近三年营收或纳税符合增长率≥20％；
近三年综合研发投入占营收比例≥5％；
C.高成长性企业-瞪羚模型：
大前年的企业营业收入处在5000万-1亿区间；
大前年的雇员人数≥100人；
近三年营收或纳税符合增长率≥20％；
近三年雇员人数符合增长率≥20％；
近三年综合研发投入占营收比例≥3％；
D.高成长性企业-潜在独角兽模型：
企业成立时间<5年；
获得私募投资且未上市，最后一轮融资后估值1亿美元；
或企业成立时间≥5，<9年；
获得私募投资且未上市，最后一轮融资后估值5亿美元；
E.高成长性企业-独角兽模型：
企业成立时间<10年；
获得私募投资且未上市，最后一轮融资后估值10亿美元。
可选地，通过模型综合评估出不同类型的潜在企业和高成长性企业，包括：
利用机器学习预算算法，发现未来1-2年满足不同等级类型的高成长性企业相关标准的概率，并根据设定的遴选数据，遴选出符合培育条件的企业。
可选地，所述根据企业发展情况初步评估扶持策略，匹配合适的服务机构之后，还包括：
服务机构接收到信息后，对企业进行充分调研和分析，制定未来1-2年的服务执行计划，企业认可后，服务机构正式启动相关服务。
可选地，在培育期内监测企业各项增长指标变化情况，跟踪服务机构服务效果，及时作出调整和更换包括：
服务机构完成相关计划后，通过获取或企业填报相关数据的方式，综合评估和对比之前，分析发展情况和服务效果；
如果发展情况低于同行和预期要求，则系统判断服务效果较差，系统及时提醒企业和服务机构，由企业决定是否更换服务机构。
本发明实施例的第二方面，提供一种挖掘潜在成长性企业并进行培育和智能奖补的软件系统，包括：
数据获取模块，用于获取区域企业政务数据，以便对地区和城市战略新兴产业、支柱产业和优势产业进行调研和分析；
删选模块，用于通过判断条件删选出不符合企业；
模型设计模块，用于基于关键衡量增长指标和算法公式，设计多种等级类型的高成长性企业甄选模型；
评估模块，用于依据企业填报的关键要素数据，通过模型综合评估出不同类型的潜在企业和高成长性企业；
服务机构匹配模块，用于根据企业发展情况初步评估扶持策略，匹配合适的服务机构进行培育；
调整更换模块，用于监测企业在培育期内各项增长指标变化情况，跟踪服务机构服务效果，及时作出调整和更换；
甄选奖补模块，用于甄选区域所有符合条件的高成长性企业，在经过专家认定为高成长性企业后，按政策和实施办法给予相应奖补，并对外进行公示。
本发明实施例的第三方面，提供一种挖掘潜在成长性企业并进行培育和智能奖补的计算机设备，其特征在于，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行权利要求1至6任一所述的方法。
本发明实施例的第四方面，提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本发明第一方面各种可能涉及的所述方法。
与现有技术相比，本发明的有益效果是：
本发明，能够对区域企业进行政务数据进行采集，随后对数据进行结构和非结构的分类处理，在通过规定的判断条件删选出不符合企业后，设计高成长性企业分类等级，结合关键衡量增长指标和算法公式形成模型，而自动甄选高成长性企业；随后结合模型和企业补充的必要数据，进行全方位综合评估，初步诊断企业下一步发展方向和策略，随后自动匹配满足条件的服务机构，由服务机构对企业进行培育；在培育过程中，监测企业各项增长指标变化情况，达成条件的自动提醒，经过专家被认定为高成长性企业，系统按政策和实施办法自动给予相应奖补，智能化程度高。
附图说明
图1为本发明实施例提供的一种挖掘潜在成长性企业并进行培育和智能奖补的方法的流程示意图。
图2为本发明实施例提供的一种挖掘潜在成长性企业并进行培育和智能奖补的软件系统的结构示意图。
图3为本发明实施例提供的一种挖掘潜在成长性企业并进行培育和智能奖补的软件系统的工作流程示意图。
图4为本发明实施例提供的一种挖掘潜在成长性企业并进行培育和智能奖补的计算机设备的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，是本发明实施例提供的一种挖掘潜在成长性企业并进行培育和智能奖补的方法的流程示意图，图1所示方法的执行主体可以是软件和/或硬件装置，图3，是本发明实施例提供的一种挖掘潜在成长性企业并进行培育和智能奖补的软件系统的工作流程示意图。本申请的执行主体可以包括但不限于以下中的至少一个：用户设备、网络设备等。其中，用户设备可以包括但不限于计算机、智能手机、个人数字助理(Personal DigitalAssistant，简称：PDA)及上述提及的电子设备等。网络设备可以包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机组成的一个超级虚拟计算机。本实施例对此不做限制。包括步骤S1至步骤S7，具体如下：
S1、获取区域企业政务数据，以便对地区和城市战略新兴产业、支柱产业和优势产业进行调研和分析；
具体的，区域企业和数据采集，结构和非结构数据分类处理，自然语言语义理解模型对非结构化数据处理；
S2、通过判断条件删选出区域不合规企业；
具体的，删选判断条件包括：
a.工商、税务关系在本地区或城市，具有法人资格并实行独立核算。
b.企业无违法记录、无重大安全和质量事故、无环境污染事故、未列入失信被执行人名单。
c.行业性质为非烟草、铁路、矿产资源、公共服务等垄断性行业企业，以及房地产、基础建设、银行等行业。
S3、基于关键衡量增长指标和算法公式，设计多种等级类型的高成长性企业甄选模型；
具体包括以下5种等级类型：
A.高成长性企业-雏鹰甄选模型：
企业注册时间<10年；
高价值专利≥1件；
科技人员占员工总数≥10％；
研究开发费用占当年企业营业收入≥5％；
营业收入为正增长；
前年营业收入≥100万元，<500万元；去年主营业务收入同比增长≥50％；
通过国家高新技术企业认定；
B.高成长性企业-瞪羚培育模型：
大前年的企业营业收入处在1000-5000万区间；
近三年营收或纳税符合增长率≥20％；
近三年综合研发投入占营收比例≥5％；
C.高成长性企业-瞪羚模型：
大前年的企业营业收入处在5000万-1亿区间；
大前年的雇员人数≥100人；
近三年营收或纳税符合增长率≥20％；
近三年雇员人数符合增长率≥20％；
近三年综合研发投入占营收比例≥3％；
D.高成长性企业-潜在独角兽模型：
企业成立时间<5年；
获得私募投资且未上市，最后一轮融资后估值1亿美元；
或企业成立时间≥5，<9年；
获得私募投资且未上市，最后一轮融资后估值5亿美元；
E.高成长性企业-独角兽模型：
企业成立时间<10年；
获得私募投资且未上市，最后一轮融资后估值10亿美元。
S4、依据企业填报的关键要素数据，通过模型综合评估出不同类型的潜在企业和高成长性企业；
具体的，利用机器学习预算算法，发现未来1-2年满足不同等级类型的高成长性企业相关标准的概率，并根据设定的遴选数据，遴选出符合培育条件的企业；
实际操作过程中，系统会结合模型和企业补充的必要数据，对企业进行全方位综合评估，初步诊断企业下一步发展方向和策略。
S5、根据企业发展情况初步评估扶持策略，匹配合适的服务机构；
具体的，在完成服务机构匹配后，服务机构接收到信息后，对企业进行充分调研和分析，制定未来1-2年的服务执行计划，企业认可后，服务机构正式启动相关服务S6、监测企业在培育期内各项增长指标变化情况，跟踪服务机构服务效果，及时作出调整和更换。
实际操作过程中，系统根据企业方向和策略，推算企业所需专业的服务，系统自动匹配满足条件的服务机构，由服务机构指定培育计划。
S7、甄选区域所有符合条件的高成长性企业，在经过专家认定为高成长性企业后，按政策和实施办法给予相应奖补，并对外进行公示。
实际操作过程中，所有符合条件的高成长性企业系统会自动提醒，以便专家对企业进行进行高成长性企业认定。
参见图2，是本发明实施例提供的一种挖掘潜在成长性企业并进行培育和智能奖补的软件系统的结构示意图，该挖掘潜在成长性企业并进行培育和智能奖补的软件系统40包括：
数据获取模块41，用于获取区域企业政务数据，以便对地区和城市战略新兴产业、支柱产业和优势产业进行调研和分析；
删选模块42，用于通过判断条件删选出不符合企业；
模型设计模块43，用于基于关键衡量增长指标和算法公式，设计多种等级类型的高成长性企业甄选模型；
评估模块44，用于依据企业填报的关键要素数据，通过模型综合评估出不同类型的潜在企业和高成长性企业；
服务机构匹配模块45，用于根据企业发展情况初步评估扶持策略，匹配合适的服务机构进行培育；
调整更换模块46，用于监测企业在培育期内各项增长指标变化情况，跟踪服务机构服务效果，及时作出调整和更换；
甄选奖补模块47，用于甄选区域所有符合条件的高成长性企业，在经过专家认定为高成长性企业后，按政策和实施办法给予相应奖补，并对外进行公示。
图2所示实施例的装置对应地可用于执行图1所示方法实施例中的步骤，其实现原理和技术效果类似，此处不再赘述。
参见图4，是本发明实施例提供的一种挖掘潜在成长性企业并进行培育和智能奖补的计算机设备的硬件结构示意图，该挖掘潜在成长性企业并进行培育和智能奖补的的计算机设备50包括：处理器51、存储器52和计算机程序；其中，
存储器52，用于存储所述计算机程序，该存储器还可以是闪存(flash)。所述计算机程序例如是实现上述方法的应用程序、功能模块等。
处理器51，用于执行所述存储器存储的计算机程序，以实现上述方法中设备执行的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地，存储器52既可以是独立的，也可以跟处理器51集成在一起。
当所述存储器52是独立于处理器51之外的器件时，所述设备还可以包括：
总线53，用于连接所述存储器52和处理器51。
本发明还提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述设备的实施例中，应理解，处理器可以是中央处理单元(英文：CentralProcessing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：DigitalSignal Processor，简称：DSP)、专用集成电路(英文：Application Specific IntegratedCircuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种挖掘潜在成长性企业并进行培育和智能奖补的方法，其特征在于，包括：
获取区域企业政务数据，以便对地区和城市战略新兴产业、支柱产业和优势产业进行调研和分析；
通过判断条件删选出区域不合规企业；
基于关键衡量增长指标和算法公式，设计多种等级类型的高成长性企业甄选模型；
依据企业填报的关键要素数据，通过模型综合评估出不同类型的潜在企业和高成长性企业；
根据企业发展情况初步评估扶持策略，匹配合适的服务机构；
监测企业在培育期内各项增长指标变化情况，跟踪服务机构服务效果，及时作出调整和更换；
甄选区域所有符合条件的高成长性企业，在经过专家认定为高成长性企业后，按政策和实施办法给予相应奖补，并对外进行公示。
2.根据权利要求书1所述的一种挖掘潜在成长性企业并进行培育和智能奖补的方法，其特征在于，所述判断条件包括：
a.工商、税务关系在本地区或城市，具有法人资格并实行独立核算。
b.企业无违法记录、无重大安全和质量事故、无环境污染事故、未列入失信被执行人名单。
c.行业性质为非烟草、铁路、矿产资源、公共服务等垄断性行业企业，以及房地产、基础建设、银行等行业。
3.根据权利要求书1所述的一种挖掘潜在成长性企业并进行培育和智能奖补的方法，其特征在于，所述多种等级类型的高成长性企业甄选模型具体包括：
A.高成长性企业-雏鹰甄选模型：
企业注册时间<10年；
高价值专利≥1件；
科技人员占员工总数≥10％；
研究开发费用占当年企业营业收入≥5％；
营业收入为正增长；
前年营业收入≥100万元，<500万元；去年主营业务收入同比增长≥50％；
通过国家高新技术企业认定；
B.高成长性企业-瞪羚培育模型：
大前年的企业营业收入处在1000-5000万区间；
近三年营收或纳税符合增长率≥20％；
近三年综合研发投入占营收比例≥5％；
C.高成长性企业-瞪羚模型：
大前年的企业营业收入处在5000万-1亿区间；
大前年的雇员人数≥100人；
近三年营收或纳税符合增长率≥20％；
近三年雇员人数符合增长率≥20％；
近三年综合研发投入占营收比例≥3％；
D.高成长性企业-潜在独角兽模型：
企业成立时间<5年；
获得私募投资且未上市，最后一轮融资后估值1亿美元；
或企业成立时间≥5，<9年；
获得私募投资且未上市，最后一轮融资后估值5亿美元；
E.高成长性企业-独角兽模型：
企业成立时间<10年；
获得私募投资且未上市，最后一轮融资后估值10亿美元。
4.根据权利要求书1所述的一种挖掘潜在成长性企业并进行培育和智能奖补的方法，其特征在于，通过模型综合评估出不同类型的潜在企业和高成长性企业，包括：
利用机器学习预算算法，发现未来1-2年满足不同等级类型的高成长性企业相关标准的概率，并根据设定的遴选数据，遴选出符合培育条件的企业。
5.根据权利要求书1所述的一种挖掘潜在成长性企业并进行培育和智能奖补的方法，其特征在于，所述根据企业发展情况初步评估扶持策略，匹配合适的服务机构之后，还包括：
服务机构接收到信息后，对企业进行充分调研和分析，制定未来1-2年的服务执行计划，企业认可后，服务机构正式启动相关服务。
6.根据权利要求书1所述的一种挖掘潜在成长性企业并进行培育和智能奖补的方法，其特征在于，在培育期内监测企业各项增长指标变化情况，跟踪服务机构服务效果，及时作出调整和更换包括：
服务机构完成相关计划后，通过获取或企业填报相关数据的方式，综合评估和对比之前，分析发展情况和服务效果；
如果发展情况低于同行和预期要求，则系统判断服务效果较差，系统及时提醒企业和服务机构，由企业决定是否更换服务机构。
7.一种挖掘潜在成长性企业并进行培育和智能奖补的软件系统，其特征在于，包括：
数据获取模块，用于获取区域企业政务数据，以便对地区和城市战略新兴产业、支柱产业和优势产业进行调研和分析；
删选模块，用于通过判断条件删选出不符合企业；
模型设计模块，用于基于关键衡量增长指标和算法公式，设计多种等级类型的高成长性企业甄选模型；
评估模块，用于依据企业填报的关键要素数据，通过模型综合评估出不同类型的潜在企业和高成长性企业；
服务机构匹配模块，用于根据企业发展情况初步评估扶持策略，匹配合适的服务机构进行培育；
调整更换模块，用于监测企业在培育期内各项增长指标变化情况，跟踪服务机构服务效果，及时作出调整和更换；
甄选奖补模块，用于甄选区域所有符合条件的高成长性企业，在经过专家认定为高成长性企业后，按政策和实施办法给予相应奖补，并对外进行公示。
8.一种挖掘潜在成长性企业并进行培育和智能奖补的计算机设备，其特征在于，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行权利要求1至6任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110417651.0A CN113034041A (zh) | 2021-04-16 | 2021-04-16 | 一种挖掘潜在成长性企业并进行培育和智能奖补的方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110417651.0A CN113034041A (zh) | 2021-04-16 | 2021-04-16 | 一种挖掘潜在成长性企业并进行培育和智能奖补的方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113034041A true CN113034041A (zh) | 2021-06-25 |
Family
ID=76456793
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110417651.0A Pending CN113034041A (zh) | 2021-04-16 | 2021-04-16 | 一种挖掘潜在成长性企业并进行培育和智能奖补的方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113034041A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107229748A (zh) * | 2017-06-26 | 2017-10-03 | 广州博士信息技术研究院有限公司 | 一种有效的企业技术需求挖掘及对接方法 |
| CN109146399A (zh) * | 2018-07-04 | 2019-01-04 | 无锡联企云网信息科技有限公司 | 一种双创企业精准高效服务方法与应用 |
| CN109345089A (zh) * | 2018-09-13 | 2019-02-15 | 杭州索骥数据科技有限公司 | 基于大数据的企业发展状态评估方法及系统 |
| CN109784682A (zh) * | 2018-12-27 | 2019-05-21 | 广州破折号信息科技有限公司 | 一种企业在线高新技术企业规划和培育平台 |
| CN111126829A (zh) * | 2019-12-20 | 2020-05-08 | 郑州众扶网络科技有限公司 | 一种科技型企业规划培育方法 |
| CN111227574A (zh) * | 2019-12-30 | 2020-06-05 | 广东飞企互联科技股份有限公司 | 一种智慧园区入孵申请管理系统 |
| CN112487105A (zh) * | 2020-11-12 | 2021-03-12 | 深圳市中博科创信息技术有限公司 | 一种企业画像的构建方法 |
-
2021
- 2021-04-16 CN CN202110417651.0A patent/CN113034041A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107229748A (zh) * | 2017-06-26 | 2017-10-03 | 广州博士信息技术研究院有限公司 | 一种有效的企业技术需求挖掘及对接方法 |
| CN109146399A (zh) * | 2018-07-04 | 2019-01-04 | 无锡联企云网信息科技有限公司 | 一种双创企业精准高效服务方法与应用 |
| CN109345089A (zh) * | 2018-09-13 | 2019-02-15 | 杭州索骥数据科技有限公司 | 基于大数据的企业发展状态评估方法及系统 |
| CN109784682A (zh) * | 2018-12-27 | 2019-05-21 | 广州破折号信息科技有限公司 | 一种企业在线高新技术企业规划和培育平台 |
| CN111126829A (zh) * | 2019-12-20 | 2020-05-08 | 郑州众扶网络科技有限公司 | 一种科技型企业规划培育方法 |
| CN111227574A (zh) * | 2019-12-30 | 2020-06-05 | 广东飞企互联科技股份有限公司 | 一种智慧园区入孵申请管理系统 |
| CN112487105A (zh) * | 2020-11-12 | 2021-03-12 | 深圳市中博科创信息技术有限公司 | 一种企业画像的构建方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110457294B (zh) | 一种数据处理方法和装置 | |
| CN108280541A (zh) | 基于随机森林和决策树的客户服务策略制定方法、装置 | |
| Zhang et al. | Digitalization and firm centralization: A quasi-natural experiment based on the “Broadband China” policy | |
| Zhou et al. | Institutional environment and green economic growth in China | |
| CN112102006A (zh) | 基于大数据分析的目标客户获取方法、搜索方法及装置 | |
| Jain et al. | NFT Appraisal Prediction: Utilizing Search Trends, Public Market Data, Linear Regression and Recurrent Neural Networks | |
| Antretter et al. | Predicting startup survival from digital traces: Towards a procedure for early stage investors | |
| Li et al. | Fintech Penetration, Financial Literacy, and Financial Decision‐Making: Empirical Analysis Based on Tar | |
| Ibrahim et al. | Trade facilitation and agriculture sector performance in sub-Saharan Africa: insightful policy implications for economic sustainability | |
| CN110222180A (zh) | 一种文本数据分类与信息挖掘方法 | |
| CN109583773A (zh) | 一种纳税信用积分确定的方法、系统及相关装置 | |
| Okazaki et al. | Nowcasting of Corporate Research and Development trends through news article analysis by BERTopic: The case of Japanese electric company | |
| CN113592287A (zh) | 风险评估方法和装置 | |
| Shi et al. | How Is Gross Profit Margin Overestimated in China? | |
| Han et al. | Second-hand car price prediction based on a mixed-weighted regression model | |
| CN113034041A (zh) | 一种挖掘潜在成长性企业并进行培育和智能奖补的方法和系统 | |
| CN115952216A (zh) | 一种养老保险数据挖掘方法、装置、存储介质及电子设备 | |
| CN115271514A (zh) | 通讯企业的监控方法、装置、电子设备及存储介质 | |
| Hosono et al. | Do financial frictions matter as a source of misallocation? Evidence from Japan | |
| CN112686553A (zh) | 企业自动评级管理系统、方法、服务器及可读存储装置 | |
| CN115601124A (zh) | 一种基于区块链的贷后司法管理系统 | |
| CN113592140A (zh) | 电费缴纳预测模型训练系统和电费缴纳预测模型 | |
| CN113298575A (zh) | 一种商标价值批量评估的方法、系统、设备及存储介质 | |
| CN113112162A (zh) | 一种挖掘潜在高新技术企业并进行培育的方法和系统 | |
| CN114155038B (zh) | 受疫情影响用户识别方法 |
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 |
Application publication date: 20210625 |
|
| RJ01 | Rejection of invention patent application after publication |