CN113792962A - 一种资产化数据处理方法、装置、存储介质及终端 - Google Patents
一种资产化数据处理方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN113792962A CN113792962A CN202110897394.5A CN202110897394A CN113792962A CN 113792962 A CN113792962 A CN 113792962A CN 202110897394 A CN202110897394 A CN 202110897394A CN 113792962 A CN113792962 A CN 113792962A
- Authority
- CN
- China
- Prior art keywords
- data
- asset
- model
- parameters
- enterprise
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 52
- 238000011156 evaluation Methods 0.000 claims abstract description 46
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 241000700605 Viruses Species 0.000 claims description 47
- 238000004364 calculation method Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012821 model calculation 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
- 238000000746 purification Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012549 training Methods 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
- G06Q10/0639—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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种资产化数据处理方法、装置、存储介质及终端,方法包括:收集并预处理每个企业的基础数据;计算预处理后的基础数据的质量参数、应用参数以及风险参数;基于质量参数、应用参数以及风险参数,选取预处理后的基础数据中的有用评估数据以及数据资产化模型;根据数据资产化模型处理有用评估数据,得到每个数据的资产数值并存储,并统计出资产化完成率进行展示。因此,采用本申请实施例,能够对数据的资产数值进行风险分析,并自动生成资产数值的相关文档供工作人员查看,可以提高工作人员工作效率,节省了时间,同时完成率能够自行检测是否存在数据遗漏情况,降低数据记录出现偏差的概率,确保数据的准确性,提高工作人员工作质量。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种资产化数据处理方法、装置、存储介质及终端。
背景技术
数据资产是指由个人或企业拥有或者控制的,能够为企业带来未来经济利益的,以物理或电子的方式记录的数据资源,在移动互联网及云计算等技术的推动下,人们可获取并控制的数据日益丰富,使得我们已经进入了一个创造数据、获取数据、运用数据的“数据时代”。例如销售平台可以根据买家的浏览记录做出精准推送以提高销量,制造企业可以通过分析生产流水线数据对生产情况及时做出调整以提高生产效率,家居公司可以通过分析客户的生活习惯数据创造“智慧家庭”以提高生活服务质量,种种应用展示出数据在被有效的挖掘、整合后可能产生巨大的价值,据推测,到2020年,80%的企业将会致力于提升在其所处行业的“数据”能力,数据逐渐成为与人、技术、流程同样重要的第四大核心竞争力;因此,发明出一种资产化数据处理方法变得尤为重要。
经检索,中国专利号CN105184457A公开了一种数据资产化完成率的评估方法,该发明虽然提升了数据资产化完成率,但是无法对数据资产价值进行风险分析,需要人为对其进行风险鉴定,工作效率低,耗时长;与此同时,现有的数据资产化完成率的评估方法无法在数据资产化结束后,检测是否存在数据遗漏的情况,容易导致数据记录出现偏差,降低工作人员工作质量。
发明内容
本申请实施例提供了一种资产化数据处理方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
第一方面,本申请实施例提供了一种资产化数据处理方法,方法包括:
收集并预处理每个企业的基础数据;
计算预处理后的基础数据的质量参数、应用参数以及风险参数;
基于质量参数、应用参数以及风险参数,选取预处理后的基础数据中的有用评估数据以及数据资产化模型;
根据数据资产化模型处理有用评估数据,得到每个数据的资产数值并存储。
可选的,所述数据资产化模型包括基于成本法的数据资产化模型、基于收益法的数据资产化模型以及基于市场法的数据资产化模型;
可选的,根据基于成本法的数据资产化模型处理所述有用评估数据,得到每个数据的资产数值并存储的步骤,包括:
获取有用评估数据的重置成本参数与贬值因素参数;
根据数据资产化模型计算重置成本参数与贬值因素参数的差值,并将差值确定为每个数据的资产数值并存储。
可选的,根据基于收益法的数据资产化模型处理所述有用评估数据,得到每个数据的资产数值并存储的步骤,包括:
获取有用评估数据的可使期限参数、必要报酬率、许可使用费以及所得税摊销收益;
根据数据资产化模型,并结合可使期限参数、必要报酬率、许可使用费以及所得税摊销收益计算每个数据的资产数值并存储;
可选的,根据基于市场法的数据资产化模型处理所述有用评估数据,得到每个数据的资产数值并存储的步骤,包括:
获取有用评估数据的可比数据资产成交额、修正系数;
根据数据资产化模型计算可比数据资产成交额与修正系数的积,生成每个数据的资产数值并存储。
可选的,方法还包括:
统计有用评估数据的数据量作为第一数量;
统计基础数据的数据量作为第二数量;
将第一数量与第二数量的比值确定为每个企业的资产化完成率;
将每个企业的资产化完成率进行展示。
可选的,收集并预处理每个企业的基础数据,包括:
收集每个企业的基础数据;
采用防火墙对每个企业的基础数据进行检测,生成检测结果;
当检测结果中存在病毒信息时,清除每个企业的基础数据中存在的病毒数据并将病毒信息上传至病毒数据库中进行存储;
筛选每个企业的基础数据中存在的重复数据,并将重复数据删除后得到预处理后的基础数据。
可选的,清除每个企业的基础数据中存在的病毒数据,包括:
获取病毒信息对应的程序片段;
确定程序片段中的功能函数;
连接病毒数据库,从病毒数据库中映射功能函数对应的病毒清除驱动;
采用病毒清除驱动清除每个企业的基础数据中存在的病毒数据。
第二方面,本申请实施例提供了一种资产化数据处理装置,装置包括:
数据处理模块,用于收集并预处理每个企业的基础数据;
参数计算模块,用于计算预处理后的基础数据的质量参数、应用参数以及风险参数;
可利用数据获取模块,用于基于质量参数、应用参数以及风险参数,选取预处理后的基础数据中的有用评估数据以及数据资产化模型;
资产价值计算模块,用于根据数据资产化模型处理有用评估数据,得到每个数据的资产数值并存储。
第三方面,本申请实施例提供一种计算机存储介质,计算机存储介质存储有多条指令,指令适于由处理器加载并执行上述的方法步骤。
第四方面,本申请实施例提供一种终端,可包括:处理器和存储器;其中,存储器存储有计算机程序,计算机程序适于由处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果:
在本申请实施例中,资产化数据处理装置首先收集并预处理每个企业的基础数据,然后计算预处理后的基础数据的质量参数、应用参数以及风险参数,其次基于质量参数、应用参数以及风险参数,选取预处理后的基础数据中的有用评估数据以及数据资产化模型,最后根据数据资产化模型处理有用评估数据,得到每个数据的资产数值并存储,并统计出资产化完成率进行展示。由于本申请通过计算企业的数据的资产数值以及资产化完成率进行企业的资产化数据处理,从而能够对数据的资产数值进行风险分析,并自动生成资产数值的相关文档供工作人员查看,可以提高工作人员工作效率,节省了时间,同时完成率能够自行检测是否存在数据遗漏情况,降低数据记录出现偏差的概率,确保数据的准确性,提高工作人员工作质量。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种资产化数据处理方法的流程示意图;
图2是本申请实施例提供的一种资产化数据处理过程的过程示意框图;
图3是本申请实施例提供的一种资产化数据处理装置的结构示意图;
图4是本申请实施例提供的一种终端的结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请提供了一种资产化数据处理方法、装置、存储介质及终端,以解决上述相关技术问题中存在的问题。本申请提供的技术方案中,由于本申请通过计算企业的数据的资产数值以及资产化完成率进行企业的资产化数据处理,从而能够对数据的资产数值进行风险分析,并自动生成资产数值的相关文档供工作人员查看,可以提高工作人员工作效率,节省了时间,同时完成率能够自行检测是否存在数据遗漏情况,降低数据记录出现偏差的概率,确保数据的准确性,提高工作人员工作质量,下面采用示例性的实施例进行详细说明。
下面将结合附图1-附图2,对本申请实施例提供的资产化数据处理方法进行详细介绍。该方法可依赖于计算机程序实现,可运行于基于冯诺依曼体系的资产化数据处理装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行。其中,本申请实施例中的资产化数据处理装置可以为用户终端,包括但不限于:个人电脑、平板电脑、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备等。在不同的网络中用户终端可以叫做不同的名称,例如:用户设备、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置、蜂窝电话、无绳电话、个人数字处理(personal digital assistant,PDA)、5G网络或未来演进网络中的终端设备等。
请参见图1,为本申请实施例提供了一种资产化数据处理方法的流程示意图。如图1所示,本申请实施例的方法可以包括以下步骤:
S101,收集并预处理每个企业的基础数据;
其中,基础数据是每个企业中相关设备的设备资产数据以及设备中保存的数据。例如,一个企业服务器自身的设备相关信息,以及服务器中保存的数据。
在本申请实施例中,收集并预处理每个企业的基础数据时,首先收集每个企业的基础数据,再采用防火墙对每个企业的基础数据进行检测,生成检测结果,当检测结果中存在病毒信息时,然后清除每个企业的基础数据中存在的病毒数据并将病毒信息上传至病毒数据库中进行存储,最后筛选每个企业的基础数据中存在的重复数据,并将重复数据删除后得到预处理后的基础数据。
具体地,在清除每个企业的基础数据中存在的病毒数据时,首先获取病毒信息对应的程序片段,再确定程序片段中的功能函数,然后连接病毒数据库,从病毒数据库中映射功能函数对应的病毒清除驱动,最后采用病毒清除驱动清除每个企业的基础数据中存在的病毒数据。
在一种可能的实现方式中,首先工作人员上传需要资产化数据处理的企业名单,名单接收完成后开始依据工作人员上传的名单进行数据抓取对应企业数据,防火墙开始对抓取的企业数据进行数据检测,若存在病毒数据,则开始对其进行净化处理,同时将病毒信息上传至病毒数据库中进行存储,安全检测完成,完成率评估模型开始筛选出企业数据中多余数据,并将其删除,将筛选完成的企业数据按照权属分为私有数据以及公有数据,并分别标记为A、B。
进一步地,将分类后的A、B录入XLSX工作表中,并标注该XLSX工作表生成时间,同时对各组企业数据进行价值预估,并将预估结果通过显示设备反馈给工作人员,其中显示设备具体为CRT显示器、LCD显示器、LED显示器或等离子显示器中的一种。
S102,计算预处理后的基础数据的质量参数、应用参数以及风险参数;
其中,质量参数是从数据的质量维度计算出的参数值。质量维度包括数据的真实性、完整性、准确性、数据成本以及安全性。
在本申请实施例中,在计算质量参数时,首先将预处理后的基础数据依次输入滑动窗口算法中判断每一个数据是否符合质量维度设定的阈值,并输出符合阈值的多个数据,然后接收针对符合阈值数据的质量维度权重值,最后根据符合阈值的多个数据、质量维度权重值以及质量参数计算公式计算出质量参数。
其中,应用参数是从数据的应用维度计算出的参数值。应用维度包括稀缺性、时效性、多维性、场景经济性。
在本申请实施例中,在计算应用参数时,首先计算预处理后的基础数据中每个数据对应的四分位数,得到多个四分位数,然后将多个四分位数进行加权求和后取平均值得到最终值,其次接收针对应用维度输入的应用维度权重,最后将最终值、应用维度权重代入应用参数计算公式计算出应用参数。
其中,风险参数是从数据的风险维度计算出的参数值。风险维度主要包括企业设备旧化风险以及企业数据被盗风险。
在本申请实施例中,在计算风险参数时,首先将预处理后的基础数据输入卷积神经网络中,通过卷积核将每个基础数据进行卷积处理后得到每个基础数据的特征向量,然后根据卷积神经网络中卷积核的行值与列值构建初始卷积矩阵,其次按照预设写入顺序将每个基础数据的特征向量写入初始卷积矩阵中得到目标矩阵,再计算每个基础数据与目标矩阵中每个元素的乘积,并对各个乘积值求和,得到求和结果,最后将求和结果与目标矩阵的元素个数输入风险参数计算公式中,生成风险参数。
S103,基于质量参数、应用参数以及风险参数,选取预处理后的基础数据中的有用评估数据以及数据资产化模型;
在一种可能的实现方式中,在基于步骤S102得到质量参数、应用参数以及风险参数后,首先通过质量参数计算每个预处理后的数据对应的质量因子,将质量因子大于预设阈值的数据确定为有用评估数据,然后通过应用参数计算每个预处理后的数据对应的应用因子,将应用因子大于预设阈值的数据确定为有用评估数据,最后通过风险参数计算每个预处理后的数据对应的风险因子,将风险因子大于预设阈值的数据确定为有用评估数据。
进一步地,数据资产化模型分为3个,分别是基于成本法的数据资产化模型、基于收益法的数据资产化模型以及基于市场法的数据资产化模型。
S104,根据数据资产化模型处理有用评估数据,得到每个数据的资产数值并存储。
其中,所述数据资产化模型包括基于成本法的数据资产化模型、基于收益法的数据资产化模型以及基于市场法的数据资产化模型;
在一种可能的实现方式中,当基于步骤S103选择出的数据资产化模型是基于成本法的数据资产化模型时,首先将有用评估数据输入基于成本法的数据资产化模型,输出重置成本参数与贬值因素参数,然后计算重置成本参数与贬值因素参数的差值,并将差值确定为每个数据的资产数值并存储。
具体的,基于成本法的数据资产化模型计算公式为:a=b-c,a代表资产数值,b代表重置成本,c代表贬值因素。
在另一种可能的实现方式中,当基于步骤S103选择出的数据资产化模型是基于收益法的数据资产化模型时,首先将有用评估数据输入基于收益法的数据资产化模型,输出可使期限参数、必要报酬率、许可使用费以及所得税摊销收益,然后根据基于收益法的资产数值的计算公式结合可使期限参数、必要报酬率、许可使用费以及所得税摊销收益计算每个数据的资产数值并存储。其中,基于收益法的资产数值的计算公式为:d代表资产数值,n代表可使期限参数,i为必要报酬率,e为许可使用费,g为所得税摊销收益。
在另一种可能的实现方式中,当基于步骤S103选择出的数据资产化模型是基于市场法的数据资产化模型时,首先将有用评估数据输入基于市场法的数据资产化模型,输出可比数据资产成交额、修正系数,然后计算可比数据资产成交额与修正系数的积,生成每个数据的资产数值并存储。
具体的,基于市场法的资产数值的计算公式为:h=m×n,h代表资产数值,m代表可比数据资产成交额,n为修正系数。
需要说明的是,成本法、收益法以及市场法通过得出的具体参数结合对应的公式进行计算,使得可以准确的计算出资产数值,从而提升了企业资产评估的鲁棒性。
具体的,在根据有用评估数据得到参数时,可以将评估数据输入预先训练的参数生成模型中,输出相应的参数。预先训练的参数生成模型的模型训练方式为现有技术手段,此处不再赘述。
进一步地,本申请在计算资产化完成率时,首先统计有用评估数据的数据量作为第一数量,然后统计基础数据的数据量作为第二数量,再将第一数量与第二数量的比值确定为每个企业的资产化完成率,最后将每个企业的资产化完成率进行展示。
具体的,计算资产化完成率的公式为:X=Y/Z×100%,X代表完成率,Y代表有用评估数据的数据量,Z代表基础数据的数据量。若X≠100%,则开始将已资产化完成数据与用户上传数据名单进行对比,并将未处理数据进行标注,并将其反馈给工作人员,并继续抓取未处理数据,并进行处理,若无法抓取,则反馈工作人员,并提示工作人员需手动上传相关数据。
进一步地,在存储后,当工作人员通过外部输入设备输入用户信息,后端服务器开始依据工作人员输入的用户名在云端数据库中进行检索,若检索到对应用户名,则调用云端数据库中的用户信息进行对比,若结果一致,则开始分析工作人员职位,并依据工作人员职位显示对应数据资产文件,若结果不一致,则提示工作人员“用户名或密码错误,请重新输入”,若未在云端数据库中检索到对应用户名,则提示工作人员“该用户信息不存在,请重新输入”,工作人员登录完成,可以通过输入初级时间段x、次级时间段y以及文件名称z对云端数据库中的存储文件进行调用,并将其显示出来。
其中,外部输入设备具体为键盘、电子笔或触控屏中的一种,用户信息具体包括用户名以及密码。
例如图2所示,图2是本申请提供的一种资产化数据处理过程的过程示意框图,首先收集企业数据并对其进行筛选分类,在对分类后的数据资产进行多维度因素分析计算出三个维度的参数,利用三个维度的参数从分类的数据中选择可用于资产价值计算的数据资产,其次基于筛选的数据计算数据的资产价值并进行存储,最后实时计算并展示数据资产化完成率,并可以为工作人员提供登录并查看数据资产文化。
在本申请实施例中,资产化数据处理装置首先收集并预处理每个企业的基础数据,然后计算预处理后的基础数据的质量参数、应用参数以及风险参数,其次基于质量参数、应用参数以及风险参数,选取预处理后的基础数据中的有用评估数据以及数据资产化模型,最后根据数据资产化模型处理有用评估数据,得到每个数据的资产数值并存储,并统计出资产化完成率进行展示。由于本申请通过计算企业的数据的资产数值以及资产化完成率进行企业的资产化数据处理,从而能够对数据的资产数值进行风险分析,并自动生成资产数值的相关文档供工作人员查看,可以提高工作人员工作效率,节省了时间,同时完成率能够自行检测是否存在数据遗漏情况,降低数据记录出现偏差的概率,确保数据的准确性,提高工作人员工作质量。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
请参见图3,其示出了本发明一个示例性实施例提供的资产化数据处理装置的结构示意图。该资产化数据处理装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置1包括数据处理模块10、参数计算模块20、可利用数据获取模块30、资产价值计算模块40。
数据处理模块10,用于收集并预处理每个企业的基础数据;
参数计算模块20,用于计算预处理后的基础数据的质量参数、应用参数以及风险参数;
可利用数据获取模块30,用于基于质量参数、应用参数以及风险参数,选取预处理后的基础数据中的有用评估数据以及数据资产化模型;
资产价值计算模块40,用于根据数据资产化模型处理有用评估数据,得到每个数据的资产数值并存储。
需要说明的是,上述实施例提供的资产化数据处理装置在执行资产化数据处理方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的资产化数据处理装置与资产化数据处理方法实施例属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请实施例中,资产化数据处理装置首先收集并预处理每个企业的基础数据,然后计算预处理后的基础数据的质量参数、应用参数以及风险参数,其次基于质量参数、应用参数以及风险参数,选取预处理后的基础数据中的有用评估数据以及数据资产化模型,最后根据数据资产化模型处理有用评估数据,得到每个数据的资产数值并存储,并统计出资产化完成率进行展示。由于本申请通过计算企业的数据的资产数值以及资产化完成率进行企业的资产化数据处理,从而能够对数据的资产数值进行风险分析,并自动生成资产数值的相关文档供工作人员查看,可以提高工作人员工作效率,节省了时间,同时完成率能够自行检测是否存在数据遗漏情况,降低数据记录出现偏差的概率,确保数据的准确性,提高工作人员工作质量。
本发明还提供一种计算机可读介质,其上存储有程序指令,该程序指令被处理器执行时实现上述各个方法实施例提供的资产化数据处理方法。
本发明还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各个方法实施例的资产化数据处理方法。
请参见图4,为本申请实施例提供了一种终端的结构示意图。如图4所示,终端1000可以包括:至少一个处理器1001,至少一个网络接口1004,用户接口1003,存储器1005,至少一个通信总线1002。
其中,通信总线1002用于实现这些组件之间的连接通信。
其中,用户接口1003可以包括显示屏(Display)、摄像头(Camera),可选用户接口1003还可以包括标准的有线接口、无线接口。
其中,网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分,通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集,以及调用存储在存储器1005内的数据,执行电子设备1000的各种功能和处理数据。可选的,处理器1001可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central Processing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器1001中,单独通过一块芯片进行实现。
其中,存储器1005可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选的,该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图4所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及资产化数据处理应用程序。
在图4所示的终端1000中,用户接口1003主要用于为用户提供输入的接口,获取用户输入的数据;而处理器1001可以用于调用存储器1005中存储的资产化数据处理应用程序,并具体执行以下操作:
收集并预处理每个企业的基础数据;
计算预处理后的基础数据的质量参数、应用参数以及风险参数;
基于质量参数、应用参数以及风险参数,选取预处理后的基础数据中的有用评估数据以及数据资产化模型;
根据数据资产化模型处理有用评估数据,得到每个数据的资产数值并存储。
在一个实施例中,处理器1001在执行根据数据资产化模型处理有用评估数据,得到每个数据的资产数值并存储时,具体执行以下操作:
获取有用评估数据的重置成本参数与贬值因素参数;
根据数据资产化模型计算重置成本参数与贬值因素参数的差值,并将差值确定为每个数据的资产数值并存储。
在一个实施例中,处理器1001在执行根据数据资产化模型处理有用评估数据,得到每个数据的资产数值并存储时,具体执行以下操作:
获取有用评估数据的可使期限参数、必要报酬率、许可使用费以及所得税摊销收益;
根据数据资产化模型,并结合可使期限参数、必要报酬率、许可使用费以及所得税摊销收益计算每个数据的资产数值并存储;
在一个实施例中,处理器1001在执行根据数据资产化模型处理有用评估数据,得到每个数据的资产数值并存储时,具体执行以下操作:
获取有用评估数据的可比数据资产成交额、修正系数;
根据数据资产化模型计算可比数据资产成交额与修正系数的积,生成每个数据的资产数值并存储。
在一个实施例中,处理器1001还执行以下操作:
统计有用评估数据的数据量作为第一数量;
统计基础数据的数据量作为第二数量;
将第一数量与第二数量的比值确定为每个企业的资产化完成率;
将每个企业的资产化完成率进行展示。
在一个实施例中,处理器1001在执行收集并预处理每个企业的基础数据时,具体执行以下操作:
收集每个企业的基础数据;
采用防火墙对每个企业的基础数据进行检测,生成检测结果;
当检测结果中存在病毒信息时,清除每个企业的基础数据中存在的病毒数据并将病毒信息上传至病毒数据库中进行存储;
筛选每个企业的基础数据中存在的重复数据,并将重复数据删除后得到预处理后的基础数据。
在一个实施例中,处理器1001在执行清除每个企业的基础数据中存在的病毒数据时,具体执行以下操作:
获取病毒信息对应的程序片段;
确定程序片段中的功能函数;
连接病毒数据库,从病毒数据库中映射功能函数对应的病毒清除驱动;
采用病毒清除驱动清除每个企业的基础数据中存在的病毒数据。
在本申请实施例中,资产化数据处理装置首先收集并预处理每个企业的基础数据,然后计算预处理后的基础数据的质量参数、应用参数以及风险参数,其次基于质量参数、应用参数以及风险参数,选取预处理后的基础数据中的有用评估数据以及数据资产化模型,最后根据数据资产化模型处理有用评估数据,得到每个数据的资产数值并存储,并统计出资产化完成率进行展示。由于本申请通过计算企业的数据的资产数值以及资产化完成率进行企业的资产化数据处理,从而能够对数据的资产数值进行风险分析,并自动生成资产数值的相关文档供工作人员查看,可以提高工作人员工作效率,节省了时间,同时完成率能够自行检测是否存在数据遗漏情况,降低数据记录出现偏差的概率,确保数据的准确性,提高工作人员工作质量。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (7)
1.一种资产化数据处理方法,其特征在于,所述方法包括:
收集并预处理每个企业的基础数据;
计算预处理后的所述基础数据的质量参数、应用参数以及风险参数;
基于所述质量参数、应用参数以及风险参数,选取所述预处理后的基础数据中的有用评估数据以及数据资产化模型;
根据所述数据资产化模型处理所述有用评估数据,得到每个数据的资产数值并存储;
其中,所述数据资产化模型包括基于成本法的数据资产化模型、基于收益法的数据资产化模型以及基于市场法的数据资产化模型;
其中,根据基于成本法的数据资产化模型处理所述有用评估数据,得到每个数据的资产数值并存储的步骤,包括:
获取所述有用评估数据的重置成本参数与贬值因素参数;
根据所述数据资产化模型计算所述重置成本参数与贬值因素参数的差值,并将所述差值确定为每个数据的资产数值并存储;
其中,根据基于收益法的数据资产化模型处理所述有用评估数据,得到每个数据的资产数值并存储的步骤,包括:
获取所述有用评估数据的可使期限参数、必要报酬率、许可使用费以及所得税摊销收益;
根据所述数据资产化模型,并结合所述可使期限参数、必要报酬率、许可使用费以及所得税摊销收益计算每个数据的资产数值并存储;
其中,根据基于市场法的数据资产化模型处理所述有用评估数据,得到每个数据的资产数值并存储的步骤,包括:
获取所述有用评估数据的可比数据资产成交额、修正系数;
根据所述数据资产化模型计算所述可比数据资产成交额与所述修正系数的积,生成每个数据的资产数值并存储。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
统计所述有用评估数据的数据量作为第一数量;
统计所述基础数据的数据量作为第二数量;
将所述第一数量与所述第二数量的比值确定为每个企业的资产化完成率;
将所述每个企业的资产化完成率进行展示。
3.根据权利要求1所述的方法,其特征在于,所述收集并预处理每个企业的基础数据,包括:
收集每个企业的基础数据;
采用防火墙对所述每个企业的基础数据进行检测,生成检测结果;
当所述检测结果中存在病毒信息时,清除所述每个企业的基础数据中存在的病毒数据并将所述病毒信息上传至病毒数据库中进行存储;
筛选所述每个企业的基础数据中存在的重复数据,并将所述重复数据删除后得到预处理后的基础数据。
4.根据权利要求1所述的方法,其特征在于,所述清除所述每个企业的基础数据中存在的病毒数据,包括:
获取所述病毒信息对应的程序片段;
确定所述程序片段中的功能函数;
连接病毒数据库,从所述病毒数据库中映射所述功能函数对应的病毒清除驱动;
采用所述病毒清除驱动清除所述每个企业的基础数据中存在的病毒数据。
5.一种资产化数据处理装置,其特征在于,所述装置包括:
数据处理模块,用于收集并预处理每个企业的基础数据;
参数计算模块,用于计算预处理后的所述基础数据的质量参数、应用参数以及风险参数;
可利用数据获取模块,用于基于所述质量参数、应用参数以及风险参数,选取所述预处理后的基础数据中的有用评估数据以及数据资产化模型;
资产价值计算模块,用于根据所述数据资产化模型处理所述有用评估数据,得到每个数据的资产数值并存储;其中,所述数据资产化模型包括基于成本法的数据资产化模型、基于收益法的数据资产化模型以及基于市场法的数据资产化模型;
其中,所述数据资产化模型包括基于成本法的数据资产化模型、基于收益法的数据资产化模型以及基于市场法的数据资产化模型;
其中,所述资产价值计算模块具体用于:
获取所述有用评估数据的重置成本参数与贬值因素参数;
根据所述数据资产化模型计算所述重置成本参数与贬值因素参数的差值,并将所述差值确定为每个数据的资产数值并存储;
其中,所述资产价值计算模块具体用于:
获取所述有用评估数据的可使期限参数、必要报酬率、许可使用费以及所得税摊销收益;
根据所述数据资产化模型,并结合所述可使期限参数、必要报酬率、许可使用费以及所得税摊销收益计算每个数据的资产数值并存储;
其中,所述资产价值计算模块具体用于:
获取所述有用评估数据的可比数据资产成交额、修正系数;
根据所述数据资产化模型计算所述可比数据资产成交额与所述修正系数的积,生成每个数据的资产数值并存储。
6.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1-4任意一项的方法步骤。
7.一种终端,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1-4任意一项的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110897394.5A CN113792962A (zh) | 2021-08-05 | 2021-08-05 | 一种资产化数据处理方法、装置、存储介质及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110897394.5A CN113792962A (zh) | 2021-08-05 | 2021-08-05 | 一种资产化数据处理方法、装置、存储介质及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113792962A true CN113792962A (zh) | 2021-12-14 |
Family
ID=78877170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110897394.5A Pending CN113792962A (zh) | 2021-08-05 | 2021-08-05 | 一种资产化数据处理方法、装置、存储介质及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113792962A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109308568A (zh) * | 2018-08-16 | 2019-02-05 | 深圳瑞力网科技有限公司 | 基于大数据的知识产权评估系统和方法 |
CN109542932A (zh) * | 2018-11-28 | 2019-03-29 | 中国科学院遥感与数字地球研究所 | Landsat-8卫星精选遥感数据集定制化筛选方法 |
CN111427876A (zh) * | 2020-03-19 | 2020-07-17 | 北京三维天地科技股份有限公司 | 一种数据资产管理方法和系统 |
CN111724084A (zh) * | 2020-07-27 | 2020-09-29 | 腾讯科技(深圳)有限公司 | 数据资产的价值显示方法、装置、设备及存储介质 |
CN112884534A (zh) * | 2021-01-26 | 2021-06-01 | 中通诚资产评估有限公司 | 一种收益法估值模型 |
CN112884535A (zh) * | 2021-01-26 | 2021-06-01 | 中通诚资产评估有限公司 | 一种固定资产类资产成本法估值模型 |
CN113034023A (zh) * | 2021-01-26 | 2021-06-25 | 中通诚资产评估有限公司 | 市场法资产评估系统及方法 |
CN113205093A (zh) * | 2021-07-07 | 2021-08-03 | 浙江中科华知科技股份有限公司 | 基于XGBoost回归与卷积网络的数据资产分析方法、系统及介质 |
-
2021
- 2021-08-05 CN CN202110897394.5A patent/CN113792962A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109308568A (zh) * | 2018-08-16 | 2019-02-05 | 深圳瑞力网科技有限公司 | 基于大数据的知识产权评估系统和方法 |
CN109542932A (zh) * | 2018-11-28 | 2019-03-29 | 中国科学院遥感与数字地球研究所 | Landsat-8卫星精选遥感数据集定制化筛选方法 |
CN111427876A (zh) * | 2020-03-19 | 2020-07-17 | 北京三维天地科技股份有限公司 | 一种数据资产管理方法和系统 |
CN111724084A (zh) * | 2020-07-27 | 2020-09-29 | 腾讯科技(深圳)有限公司 | 数据资产的价值显示方法、装置、设备及存储介质 |
CN112884534A (zh) * | 2021-01-26 | 2021-06-01 | 中通诚资产评估有限公司 | 一种收益法估值模型 |
CN112884535A (zh) * | 2021-01-26 | 2021-06-01 | 中通诚资产评估有限公司 | 一种固定资产类资产成本法估值模型 |
CN113034023A (zh) * | 2021-01-26 | 2021-06-25 | 中通诚资产评估有限公司 | 市场法资产评估系统及方法 |
CN113205093A (zh) * | 2021-07-07 | 2021-08-03 | 浙江中科华知科技股份有限公司 | 基于XGBoost回归与卷积网络的数据资产分析方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6771751B2 (ja) | リスク評価方法およびシステム | |
CN108632097B (zh) | 异常行为对象的识别方法、终端设备及介质 | |
EP2662831B1 (en) | Comparing virtual and real images of a shopping planogram | |
CN110009364B (zh) | 一种行业识别模型确定方法和装置 | |
US20230306449A1 (en) | Pre-processing financial market data prior to machine learning training | |
CN109345417B (zh) | 基于身份认证的业务人员的在线考核方法及终端设备 | |
CN110336838B (zh) | 账号异常检测方法、装置、终端及存储介质 | |
CN110009502B (zh) | 理财数据分析方法、装置、计算机设备和存储介质 | |
CN112184304A (zh) | 一种辅助决策的方法、系统、服务器和存储介质 | |
CN116882520A (zh) | 针对预定预测问题的预测方法及系统 | |
CN111090833A (zh) | 一种数据处理方法、系统及相关设备 | |
WO2021174699A1 (zh) | 用户筛选方法、装置、设备及存储介质 | |
CN112990583A (zh) | 一种数据预测模型的入模特征确定方法及设备 | |
CN112597238A (zh) | 基于人员信息的知识图谱构建方法、系统、设备及介质 | |
CN115392937A (zh) | 一种用户欺诈风险识别方法、装置、电子设备及存储介质 | |
CN107330709B (zh) | 确定目标对象的方法及装置 | |
CN116501979A (zh) | 信息推荐方法、装置、计算机设备及计算机可读存储介质 | |
CN110796381A (zh) | 建模数据评价指标的处理方法、装置、终端设备及介质 | |
CN114495137B (zh) | 票据异常检测模型生成方法与票据异常检测方法 | |
CN113792962A (zh) | 一种资产化数据处理方法、装置、存储介质及终端 | |
CN114627330A (zh) | 时序流量预测方法及装置、存储介质及电子设备 | |
CN110570301B (zh) | 风险识别方法、装置、设备及介质 | |
CN116934418B (zh) | 一种异常订单的检测预警方法、系统、设备及存储介质 | |
CN115237970A (zh) | 数据预测方法、装置、设备、存储介质及程序产品 | |
CN116775706A (zh) | 用户分群方法和装置、电子设备及存储介质 |
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 |