CN113393039A - 一种基于大数据综合建模技术的企业效益预测方法及系统 - Google Patents
一种基于大数据综合建模技术的企业效益预测方法及系统 Download PDFInfo
- Publication number
- CN113393039A CN113393039A CN202110678816.XA CN202110678816A CN113393039A CN 113393039 A CN113393039 A CN 113393039A CN 202110678816 A CN202110678816 A CN 202110678816A CN 113393039 A CN113393039 A CN 113393039A
- Authority
- CN
- China
- Prior art keywords
- data
- enterprise
- growth rate
- eps
- profit
- 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
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
- G06Q10/04—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
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q10/103—Workflow collaboration or project 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据综合建模技术的企业效益预测方法及系统,包括以下步骤:获取企业数据,将数据根据时间进行分类排序,建立评价指标,确定权重系数,建立综合评价模型,将权重系数代入模型当中,计算得到企业的预计收益。本发明通过历史效益增长率预测未来效益增长率,结合企业前景在预测模型对企业未来效益进行预测,可以更好地反映企业的经济效益,有利于不断促进企业改变目标战略。
Description
技术领域
本发明涉及数据处理领域,特别涉及一种基于大数据综合建模技术的企业效益预测方法及系统。
背景技术
基于大数据时代,通过对企业运营中产生的各种数据进行收集、分析,可以有效地帮助企业自己或他人创造更多的价值。例如,通过分析产品的热销类型和购买人群,可以帮助企业做出更准确的产品营销策略。又例如,通过对企业交易数据的分析,可以帮助企业形成信用档案,有助于企业进行融资或贷款。
传统对企业效益预测的方法,大多仍停留在人工手动进行海量数据统计和指标测算分析操作的阶段,不仅存在工作量大,操作繁琐,人力和时间成本高的问题,而且操作过程中容易出错,从而导致预测结果不准确。
发明内容
本发明要解决的技术问题是克服现有技术的缺陷,提供一种基于大数据综合建模技术的企业效益预测方法及系统。
为了解决上述技术问题,本发明提供了如下的技术方案:
本发明一种基于大数据综合建模技术的企业效益预测方法,包括以下步骤:
S1、获取企业数据;
S2、将数据根据时间进行分类排序,数据按照时间划分为往期数据和本期数据,往期数据按照年份至少向前推动1年,并分别记为S1,S2,Sn(n>1);
S3、建立评价指标,在往期数据当中选取支出项目与实际收入进行相关性验证,得到关键支出项目作为评价指标;
S4、确定权重系数,根据往期数据计算企业历史增长率,再根据历史增长率预测未来增长率,通过预计的未来增长率计算企业未来前景得分,将预计增长率和企业未来前景得分作为权重;
S5、建立综合评价模型,通过线性加权函数作为综合评价模型,对企业进行综合评价;
S6、将权重系数代入模型当中,计算得到企业的预计收益。
优选的,所述企业数据包括工商信息、司法信息、企业人数、纳税登记、主营产品、销售额、纳税额、实际收入和资金投出,同时对获取的企业数据进行清洗并筛选。
优选的,所述支出项目包括人工费用、场地费用、物料费用、广告费用、物料成本费用,所述支出项目与实际收入的相关性通过协方差进行计算,公式如下:Cov(X.Y)=E[X-E(X)][Y-E(Y)];
其中E为期望值,X为单个项目费用,Y为实际收益;
当结果>0,则单个项目费用与实际收益之间为正相关,作为关键支出项目;当结果≤0,则单个项目费用与实际收益之间为负数相关,不作为关键支出项目。
优选的,所述企业未来增长率计算步骤如下:
A、计算历史增长率的平均值,计算企业往期每月的增长率,并计算几何平均值;
B、估计时间段确定,根据历史增长率对估计时间段的敏感性决定历史增长率在预测中的权重;
C、对负盈利进行处理,以年为时间单位的盈利百分比变化定义为:
t时期净收益(EPS)的百分比变化=(EPSt-EPSt-1)/EPSt-1,
若EPSt-1数值为负数,则将其忽略;
D、建立线性回归模型,通过对盈利和时间运用普通最小二乘法进行回归分析,弥补几何平均值的中间观察值反映的住处和增长率在整个时期内的发展趋势,采用的线性模型为:
EPSt=a+bt,
其中:EPSt为t时期的盈利,t为时期,a、b为时间变量,
将得到的线性模型的系数转化为度量百分比变化的指标,
In(EPSt)=a+bt,
其中In(EPSt)为t时期盈利的自然对数;
E、将回归模型当中得到的未来增长率与变量因素相结合进行判定。
优选的,所述变量因素包括增长率的波动性、公司的规模、经济周期性、基本因素的改变和盈利的质量。
另外,本发明还提供了一种基于大数据综合建模技术的企业效益预测系统,包括:
数据收集单元,用于获取企业的相关数据并存储至数据库当中;
数据筛选单元,对采集的数据进行筛选清洗,去除重复和无效数据,同时可自行设定筛选条件进一步对数据进行筛选;
数据分类单元,将筛选过后的数据进行分类,按照时间对数据进行排列分布;
权重计算单元,计算企业历史增长率,并根据历史增长率计算未来增长率,基于未来增长率判断企业未来前景;
模型构建单元,构建符合企业效益预测条件的预测模型;
效益预测单元,输入变量生成企业效益值。
优选的,所述数据收集单元包括信号发出端和信息采集端,信息采集端根据信号发出端的指令信号对相对应的相关数据进行采集并存储至数据库当中。
优选的,所述相关数据数据包括企业的年度数据、季度数据、月度数据和高频数据,所述高频数据为税率、销售收入、总资产、资产周转率、资产收益率、留存比率、负债比和债务的利息率。
优选的,所述筛选条件包括时间、人数、户号、工商类型和主营产品。
与现有技术相比,本发明的有益效果如下:
本发明通过历史效益增长率预测未来效益增长率,结合企业前景在预测模型对企业未来效益进行预测,可以更好地反映企业的经济效益,有利于不断促进企业改变目标战略。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明的企业效益预测方法流程图;
图2是本发明的企业效益预测系统框架图;
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
如图1所示,本发明提供一种基于大数据综合建模技术的企业效益预测方法,包括以下步骤:
S1、获取企业数据;
S2、将数据根据时间进行分类排序,数据按照时间划分为往期数据和本期数据,往期数据按照年份至少向前推动1年,并分别记为S1,S2,Sn(n>1);
S3、建立评价指标,在往期数据当中选取支出项目与实际收入进行相关性验证,得到关键支出项目作为评价指标;
S4、确定权重系数,根据往期数据计算企业历史增长率,再根据历史增长率预测未来增长率,通过预计的未来增长率计算企业未来前景得分,将预计增长率和企业未来前景得分作为权重;
S5、建立综合评价模型,通过线性加权函数作为综合评价模型,对企业进行综合评价;
S6、将权重系数代入模型当中,计算得到企业的预计收益。
进一步的,企业数据包括工商信息、司法信息、企业人数、纳税登记、主营产品、销售额、纳税额、实际收入和资金投出,同时对获取的企业数据进行清洗并筛选。
支出项目包括人工费用、场地费用、物料费用、广告费用、物料成本费用,支出项目与实际收入的相关性通过协方差进行计算,公式如下:Cov(X.Y)=E[X-E(X)][Y-E(Y)];
其中E为期望值,X为单个项目费用,Y为实际收益;
当结果>0,则单个项目费用与实际收益之间为正相关,作为关键支出项目;当结果≤0,则单个项目费用与实际收益之间为负数相关,不作为关键支出项目。
企业未来增长率计算步骤如下:
A、计算历史增长率的平均值,计算企业往期每月的增长率,并计算几何平均值;
B、估计时间段确定,根据历史增长率对估计时间段的敏感性决定历史增长率在预测中的权重;
C、对负盈利进行处理,以年为时间单位的盈利百分比变化定义为:
t时期净收益(EPS)的百分比变化=(EPSt-EPSt-1)/EPSt-1,
若EPSt-1数值为负数,则将其忽略;
D、建立线性回归模型,通过对盈利和时间运用普通最小二乘法进行回归分析,弥补几何平均值的中间观察值反映的住处和增长率在整个时期内的发展趋势,采用的线性模型为:
EPSt=a+bt,
其中:EPSt为t时期的盈利,t为时期,a、b为时间变量,
将得到的线性模型的系数转化为度量百分比变化的指标,
In(EPSt)=a+bt,
其中In(EPSt)为t时期盈利的自然对数;
E、将回归模型当中得到的未来增长率与变量因素相结合进行判定。
变量因素包括增长率的波动性、公司的规模、经济周期性、基本因素的改变和盈利的质量。
如图2所示,本发明还提供了一种基于大数据综合建模技术的企业效益预测系统,包括:
数据收集单元,用于获取企业的相关数据并存储至数据库当中;
数据筛选单元,对采集的数据进行筛选清洗,去除重复和无效数据,同时可自行设定筛选条件进一步对数据进行筛选;
数据分类单元,将筛选过后的数据进行分类,按照时间对数据进行排列分布;
权重计算单元,计算企业历史增长率,并根据历史增长率计算未来增长率,基于未来增长率判断企业未来前景;
模型构建单元,构建符合企业效益预测条件的预测模型;
效益预测单元,输入变量生成企业效益值。
数据收集单元包括信号发出端和信息采集端,信息采集端根据信号发出端的指令信号对相对应的相关数据进行采集并存储至数据库当中。
相关数据数据包括企业的年度数据、季度数据、月度数据和高频数据,高频数据为税率、销售收入、总资产、资产周转率、资产收益率、留存比率、负债比和债务的利息率。
筛选条件包括时间、人数、户号、工商类型和主营产品。
最后应说明的是: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,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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。
Claims (9)
1.一种基于大数据综合建模技术的企业效益预测方法,其特征在于,包括以下步骤:
S1、获取企业数据;
S2、将数据根据时间进行分类排序,数据按照时间划分为往期数据和本期数据,往期数据按照年份至少向前推动1年,并分别记为S1,S2,Sn(n>1);
S3、建立评价指标,在往期数据当中选取支出项目与实际收入进行相关性验证,得到关键支出项目作为评价指标;
S4、确定权重系数,根据往期数据计算企业历史增长率,再根据历史增长率预测未来增长率,通过预计的未来增长率计算企业未来前景得分,将预计增长率和企业未来前景得分作为权重;
S5、建立综合评价模型,通过线性加权函数作为综合评价模型,对企业进行综合评价;
S6、将权重系数代入模型当中,计算得到企业的预计收益。
2.根据权利要求1所述的一种基于大数据综合建模技术的企业效益预测方法,其特征在于,所述企业数据包括工商信息、司法信息、企业人数、纳税登记、主营产品、销售额、纳税额、实际收入和资金投出,同时对获取的企业数据进行清洗并筛选。
3.根据权利要求1所述的一种基于大数据综合建模技术的企业效益预测方法,其特征在于,所述支出项目包括人工费用、场地费用、物料费用、广告费用、物料成本费用,所述支出项目与实际收入的相关性通过协方差进行计算,公式如下:Cov(X.Y)=E[X-E(X)][Y-E(Y)];
其中E为期望值,X为单个项目费用,Y为实际收益;
当结果>0,则单个项目费用与实际收益之间为正相关,作为关键支出项目;当结果≤0,则单个项目费用与实际收益之间为负数相关,不作为关键支出项目。
4.根据权利要求1所述的一种基于大数据综合建模技术的企业效益预测方法,其特征在于,所述企业未来增长率计算步骤如下:
A、计算历史增长率的平均值,计算企业往期每月的增长率,并计算几何平均值;
B、估计时间段确定,根据历史增长率对估计时间段的敏感性决定历史增长率在预测中的权重;
C、对负盈利进行处理,以年为时间单位的盈利百分比变化定义为:
t时期净收益(EPS)的百分比变化=(EPSt-EPSt-1)/EPSt-1,
若EPSt-1数值为负数,则将其忽略;
D、建立线性回归模型,通过对盈利和时间运用普通最小二乘法进行回归分析,弥补几何平均值的中间观察值反映的住处和增长率在整个时期内的发展趋势,采用的线性模型为:
EPSt=a+bt,
其中:EPSt为t时期的盈利,t为时期,a、b为时间变量,
将得到的线性模型的系数转化为度量百分比变化的指标,
In(EPSt)=a+bt,
其中In(EPSt)为t时期盈利的自然对数;
E、将回归模型当中得到的未来增长率与变量因素相结合进行判定。
5.根据权利要求4所述的一种基于大数据综合建模技术的企业效益预测方法,其特征在于,所述变量因素包括增长率的波动性、公司的规模、经济周期性、基本因素的改变和盈利的质量。
6.一种基于大数据综合建模技术的企业效益预测系统,其特征在于,包括:
数据收集单元,用于获取企业的相关数据并存储至数据库当中;
数据筛选单元,对采集的数据进行筛选清洗,去除重复和无效数据,同时可自行设定筛选条件进一步对数据进行筛选;
数据分类单元,将筛选过后的数据进行分类,按照时间对数据进行排列分布;
权重计算单元,计算企业历史增长率,并根据历史增长率计算未来增长率,基于未来增长率判断企业未来前景;
模型构建单元,构建符合企业效益预测条件的预测模型;
效益预测单元,输入变量生成企业效益值。
7.根据权利要求6所述的一种基于大数据综合建模技术的企业效益预测系统,其特征在于,所述数据收集单元包括信号发出端和信息采集端,信息采集端根据信号发出端的指令信号对相对应的相关数据进行采集并存储至数据库当中。
8.根据权利要求7所述的一种基于大数据综合建模技术的企业效益预测系统,其特征在于,所述相关数据数据包括企业的年度数据、季度数据、月度数据和高频数据,所述高频数据为税率、销售收入、总资产、资产周转率、资产收益率、留存比率、负债比和债务的利息率。
9.根据权利要求6所述的一种基于大数据综合建模技术的企业效益预测系统,其特征在于,所述筛选条件包括时间、人数、户号、工商类型和主营产品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110678816.XA CN113393039A (zh) | 2021-06-18 | 2021-06-18 | 一种基于大数据综合建模技术的企业效益预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110678816.XA CN113393039A (zh) | 2021-06-18 | 2021-06-18 | 一种基于大数据综合建模技术的企业效益预测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113393039A true CN113393039A (zh) | 2021-09-14 |
Family
ID=77622992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110678816.XA Pending CN113393039A (zh) | 2021-06-18 | 2021-06-18 | 一种基于大数据综合建模技术的企业效益预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113393039A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113919695A (zh) * | 2021-10-11 | 2022-01-11 | 广东工业大学 | 一种结合相关系数和平滑预测的产业演化分析方法 |
CN113919695B (zh) * | 2021-10-11 | 2024-07-02 | 广东工业大学 | 一种结合相关系数和平滑预测的产业演化分析方法 |
-
2021
- 2021-06-18 CN CN202110678816.XA patent/CN113393039A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113919695A (zh) * | 2021-10-11 | 2022-01-11 | 广东工业大学 | 一种结合相关系数和平滑预测的产业演化分析方法 |
CN113919695B (zh) * | 2021-10-11 | 2024-07-02 | 广东工业大学 | 一种结合相关系数和平滑预测的产业演化分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Makridakis et al. | The M5 uncertainty competition: Results, findings and conclusions | |
Decaluwé et al. | Measuring poverty and inequality in a computable general equilibrium model | |
Blonigen et al. | Cherries for sale: The incidence and timing of cross-border M&A | |
Taghizadeh | Utilizing artificial neural networks to predict demand for weather-sensitive products at retail stores | |
CN111626855A (zh) | 债券信用利差预测方法及系统 | |
Ratnasih et al. | Full costing method model and variable costing method against cement price determination (Case in Indonesia) | |
CN113962486A (zh) | 企业财务数据的预测方法、装置、电子设备和存储介质 | |
CN114372848A (zh) | 一种基于机器学习的烟草行业智能营销系统 | |
Gourlay et al. | UK export behaviour at the firm level | |
CN115587865B (zh) | 基于风险映射的土地价格评估方法、计算设备及存储介质 | |
Barusman et al. | Analysis of implementation cost plus pricing method in the decision on the determination of product sales Prices | |
CN113393039A (zh) | 一种基于大数据综合建模技术的企业效益预测方法及系统 | |
CN116228403A (zh) | 一种基于机器学习算法的个人不良资产估值方法和系统 | |
Su et al. | Estimating conservative profitability of a newsboy-type product with exponentially distributed demand based on multiple samples | |
CN113421014A (zh) | 一种目标企业确定方法、装置、设备和存储介质 | |
CN114139770A (zh) | 基于索洛增长和存量递归的金属产业经济预估系统和方法 | |
CN113554468A (zh) | 一种基于市场饱和度的本量利分析法 | |
CN113298575A (zh) | 一种商标价值批量评估的方法、系统、设备及存储介质 | |
CN112967102A (zh) | 以物流数据建立客户画像的方法 | |
AbdElminaam et al. | Forecasting Airlines Customer Demand: A Comparative Analysis of Time Series Models | |
Moktadir et al. | A decision support model to investigate the pandemic recovery challenges and strategies in the leather supply chain | |
CN115358771B (zh) | 一种基于多元回归的经营性租赁集装箱定价方法及系统 | |
Juliana et al. | Implementation of the Least Square Method to Forecast Cement Sales | |
Yang et al. | Pricing VIX futures with mixed frequency macroeconomic information | |
Amahi | Lean Accounting Adoption and Financial Performance of Limited Consumer Manufacturing Companies in Nigeria |
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: 20210914 |
|
RJ01 | Rejection of invention patent application after publication |