CN113836132A - 一种多端报表的核对方法及装置 - Google Patents

一种多端报表的核对方法及装置 Download PDF

Info

Publication number
CN113836132A
CN113836132A CN202111428134.XA CN202111428134A CN113836132A CN 113836132 A CN113836132 A CN 113836132A CN 202111428134 A CN202111428134 A CN 202111428134A CN 113836132 A CN113836132 A CN 113836132A
Authority
CN
China
Prior art keywords
data
report
checking
checked
prediction
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
Application number
CN202111428134.XA
Other languages
English (en)
Other versions
CN113836132B (zh
Inventor
周凯
李睿博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Avic International Golden Net Beijing Technology Co ltd
Original Assignee
AVIC INTERNATIONAL E-BUSINESS Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by AVIC INTERNATIONAL E-BUSINESS Inc filed Critical AVIC INTERNATIONAL E-BUSINESS Inc
Priority to CN202111428134.XA priority Critical patent/CN113836132B/zh
Publication of CN113836132A publication Critical patent/CN113836132A/zh
Application granted granted Critical
Publication of CN113836132B publication Critical patent/CN113836132B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Fuzzy Systems (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及计算机技术领域，尤其涉及一种多端报表的核对方法及装置，该方法包括：获取N端报表的历史数据和待核对数据，其中，所述N端报表为N个终端的报表，N≥1；将所述历史数据输入到预训练的预测模型中，得到所述N端报表的预测数据；将所述预测数据与所述待核对数据进行核对，得到核对结果，并生成核对报告。该方法无需人工进行多端报表的核对，提高了核对多端报表的效率，减少了出错和遗漏。

Description

一种多端报表的核对方法及装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种报表的核对方法及装置。
背景技术
在大数据时代，数据已经成为企业的重要资产。由于企业积累的数据增长迅速，采用BI（Business Intelligence，商业智能）系统进行数据分析和商业策略指导。BI系统的作用是从海量数据中挖掘出重要的商业价值，并运用到企业的决策指引中。
然而，在多端的BI报表中往往会存在数据不一致的情况，需要工作人员去核对，人工核对耗时耗力，而且容易遗漏和出错，导致核对效率低的问题。
发明内容
本申请实施例通过提供一种报表的核对方法及装置，解决了现有技术中核对多端报表的效率低的技术问题，实现了无需人工进行多端报表的核对，提高了核对多端报表的效率，减少了出错和遗漏的技术效果。
第一方面，本发明实施例提供一种多端报表的核对方法，包括：
获取N端报表的历史数据和待核对数据，其中，所述N端报表为N个终端的报表，N≥1；
将所述历史数据输入到预训练的预测模型中，得到所述N端报表的预测数据；
将所述预测数据与所述待核对数据进行核对，得到核对结果，并生成核对报告。
优选的，所述将所述历史数据输入到预训练的预测模型中，得到所述N端报表的预测数据，包括：
将所述历史数据进行预处理，得到预处理后的历史数据，其中，所述预处理包括清洗处理和指标统一处理；
将所述预处理后的历史数据输入到所述预测模型中，得到所述预测数据。
优选的，在将所述历史数据输入到预训练的预测模型中，得到所述N端报表的预测数据之前，还包括：
获取所述N端报表的训练样本集，其中，所述训练样本集中每个训练样本包括所述N端报表的训练数据；
根据所述每个训练样本的训练数据对初始模型进行模型训练，调整所述初始模型中的权重参数；
根据所述调整后的权重参数，得到所述预测模型。
优选的，在得到所述N端报表的预测数据后，还包括：
根据所述预测数据和所述待核对数据，得到所述预测模型的分析准确度。
优选的，所述生成核对报告，包括：
将所述历史数据和所述待核对数据进行正态分布分析，得到初步分析结果；
根据所述初步分析结果和所述核对结果，生成所述核对报告。
优选的，所述将所述预测数据与所述待核对数据进行核对，得到核对结果，包括：
将所述待核对数据与所述预测数据的预设范围进行匹配；
若所述待核对数据位于所述预设范围，则确定所述待核对数据满足预测条件；
若所述待核对数据未位于所述预设范围，则确定所述待核对数据未满足预测条件，并输出通知人工核对信息。
优选的，所述N端包括智能端、电脑端和报表端。
基于同一发明构思，第二方面，本发明还提供一种多端报表的核对装置，包括：
第一获取模块，用于获取N端报表的历史数据和待核对数据，其中，所述N端报表为N个终端的报表，N≥1；
第二获取模块，用于将所述历史数据输入到预训练的预测模型中，得到所述N端报表的预测数据；
生成模块，用于将所述预测数据与所述待核对数据进行核对，得到核对结果，并生成核对报告。
基于同一发明构思，第三方面，本发明提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现多端报表的核对方法的步骤。
基于同一发明构思，第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现多端报表的核对方法的步骤。
本发明实施例中的一个或多个技术方案，至少具有如下技术效果或优点：
在本发明实施例中，在获取N端报表的历史数据和待核对数据后，将历史数据输入到预训练的预测模型中，得到N端报表的预测数据，其中，N端报表为N个终端的报表，N≥1。这里无需通过人工得到预测数据，而是通过预测模型得到，得到了高精度的预测数据，体现了该核对方法的智能化、人性化和社会化，具有快速、便捷和可靠的特点，提高了核对多端报表的效率，减少了出错和遗漏。然后，将预测数据与待核对数据进行核对，得到核对结果，并生成核对报告。这里核对待核对数据，无需人工进行多端报表的核对，随之提高了核对多端报表的效率，减少了出错和遗漏。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考图形表示相同的部件。在附图中：
图1示出了本发明实施例中的多端报表的核对方法的步骤流程示意图；
图2示出了本发明实施例中的多端报表的核对装置的模块示意图；
图3示出了本发明实施例中的一种计算机设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例一
本发明第一实施例提供了一种多端报表的核对方法，如图1所示。下面，结合图1来详细介绍本实施例提供的多端报表的核对方法的具体实施步骤：
首先，执行步骤S101，获取N端报表的历史数据和待核对数据，其中，N端报表为N个终端的报表，N≥1；
具体地，获取N端报表的历史数据和待核对数据，其中，N端报表为N个终端的报表，N端包括但不限于包括智能端、电脑端和报表端。N端报表的历史数据为N端报表的已核对的BI（Business Intelligence，商业智能）产品的数据，如A企业的2020年各月的进货的消费。
接着，执行步骤S102，将历史数据输入到预训练的预测模型中，得到N端报表的预测数据；
具体地，在将历史数据输入到预训练的预测模型中，得到N端报表的预测数据之前，需要对预测模型进行模型训练。训练预测模型的具体步骤为：获取N端报表的训练样本集，其中，训练样本集中每个训练样本包括N端报表的训练数据；根据每个训练样本的训练数据对初始模型进行模型训练，调整初始模型中的权重参数；根据调整后的权重参数，得到预测模型。
调整初始模型中的权重参数规则根据实际需求而设置，例如A企业9月份PC端的数据和app端的数据一致，报表端的数据与PC端和APP端的数据不一致，则报表端存在错误的可能性，报表端的权重参数加1。预测模型推测A企业9月份数据的与9月份真实发生的数据的差值超过差值阈值，则A企业的权重参数加1，其中，差值阈值根据实际需求而设置。
在这里需要说明的是，N端报表的训练样本集为N端报表的历史数据。本实施例的预测模型优选线性回归模型，也可选择需要模型，如神经网络。
预测模型如公式（1）所示。
Figure 468350DEST_PATH_IMAGE001
（1）
其中，向量y’表示通过预测模型预测的预测数据，向量x表示N端的历史数据。y’的脚下标的数字代表N端的编号，如y’1表示编号为1的终端的预测数据，y’2表示编号为2的终端的预测数据。x脚下标的第一个数字代表N端的编号，第二数字代表相应的其他含义，如月份，某省的各个市，或某市的各个县等。向量w为常数向量，w的脚下标的数字代表N端的编号。向量R为权重参数的向量，R脚下标的数字代表N端的编号。
在得到预测模型后，将历史数据输入到预测模型中，得到N端报表的预测数据。得到N端报表的预测数据的具体过程是：将历史数据进行预处理，得到预处理后的历史数据，其中，预处理包括清洗处理和指标统一处理；将预处理后的历史数据输入到预测模型中，得到预测数据。
这里，在将历史数据输入到预测模型中后，需要将历史数据进行清洗处理和指标统一处理。清洗处理是去除历史数据中异常的数据，指标统一处理是将历史数据中的每个数据的指标进行统一化，具体指标根据实际需求而设置。
举例来讲，现有一份2020年7月a、b和c企业购买刀具的数据表，如表1所示。
APP端 PC端 报表端
a企业 7万 12万 100000
b企业 8万 8万 8万
c企业 26万 26万 25万
表1
在将这份数据表输入至预测模型中后，需要将这份数据表的进行清洗处理和指标统一处理。将7月份a企业APP端的购买刀具金额的单位和PC端的购买刀具的金额单位进行统计，单位统一表达为万元或是元。如果a企业APP端购买刀具金额成都市的金额，而a企业PC端购买刀具金额是四川省的金额，则需要将a企业PC端购买刀具金额和APP端购买刀具金额统一为a企业购买成都市的刀具金额。
需要说明的是，处理后的历史数据各项指标是统一的，则不管在任何终端查询到的同个企业的数据，本质上都是一样的。以2020年7月a、b和c企业购买刀具的数据表为例，在该数据表进行预处理后，得到预处理后的数据表。在预处理后的数据表中，a企业在APP端、PC端和报表端购买刀具金额应该是一样的，b企业在APP端、PC端和报表端购买刀具金额应该是一样的，c企业在APP端、PC端和报表端购买刀具金额应该是一样的。
在得到预处理后的历史数据后，将预处理后的历史数据输入至预测模型中，得到预测数据。
在本实施例中，将历史数据进行预处理，得到预处理后的历史数据，提升需要处理的数据的精度，减少了出错和遗。将预处理后的历史数据输入至预测模型中，得到了预测数据，随之提高了预测数据的精度，随之提高了核对多端报表的效率和核对结果。
还需要强调的是，待核对数据进行核对后，待核对数据成为了已核对数据，即成为了新的历史数据，会将新的历史数据反馈至预测模型中。通过新的历史数据再对预测模型进行训练，调整预测模型中的权重参数；根据调整后的权重参数，得到新的预测模型。下一次核对待核对数据时，采用新的预测模型。
在得到N端报表的预测数据后，还能根据预测数据和待核对数据，得到预测模型的分析准确度。
具体地，通过预测模型的均方误差（mean-square error，MSE），得到预测模型的分析准确度，如公式（2）所示。
Figure 41282DEST_PATH_IMAGE002
（2）
其中，n表示N端，yi表示真实的历史数据。例如，yi表示a企业2020年在成都市真实的购买刀具金额，y’i表示通过预测模型得到的a企业2020年在成都市预测的购买刀具金额。
在本实施例中，通过预测模型的分析准确度，可以精准衡量预测模型的精度，提高预测模型的可信度和训练效率，提高了核对多端报表的效率，减少了出错和遗漏。
然后，执行步骤S103，将预测数据与待核对数据进行核对，得到核对结果，并生成核对报告。
具体地，将历史数据和待核对数据进行正态分布分析，得到初步分析结果；以及将预测数据与待核对数据进行核对，得到核对结果；根据初步分析结果和核对结果，生成核对报告。根据通过正态分布分析得到的初步分析结果，以及根据待核对数据和通过预测模型得到的预测数据核对得到的核对结果，从宏观上和微观上分析待核对结果，生产核对报告，提高了多端报表的核对效率和核对结果，减少了出错和遗漏，增加了核对报告的可信度。
将预测数据与待核对数据进行核对，得到核对结果的具体过程是：将待核对数据与预测数据的预设范围进行匹配；若待核对数据位于预设范围，则确定待核对数据满足预测条件，记为合理的数据；若待核对数据未位于预设范围，则确定待核对数据未满足预测条件，即不合理的数据，并输出通知人工核对信息。需要说明的是，根据上述的预测模型可知，预测数据是个具体的数值，在具体实施过程中，会根据经验情况或是实际情况，对预测数据取个预测数据的预设范围。
本发明实施例中的一个或多个技术方案，至少具有如下技术效果或优点：
在本实施例中，在获取N端报表的历史数据和待核对数据后，将历史数据输入到预训练的预测模型中，得到N端报表的预测数据，其中，N端报表为N个终端的报表，N≥1。这里无需通过人工得到预测数据，而是通过预测模型得到，得到了高精度的预测数据，体现了该核对方法的智能化、人性化和社会化，具有快速、便捷和可靠的特点，提高了核对多端报表的效率，减少了出错和遗漏。然后，将预测数据与待核对数据进行核对，得到核对结果，并生成核对报告。这里核对待核对数据，无需人工进行多端报表的核对，随之提高了核对多端报表的效率，减少了出错和遗漏。
实施例二
基于相同的发明构思，本发明第二实施例还提供了一种多端报表的核对装置，如图2所示，包括：
第一获取模块201，用于获取N端报表的历史数据和待核对数据，其中，所述N端报表为N个终端的报表，N≥1；
第二获取模块202，用于将所述历史数据输入到预训练的预测模型中，得到所述N端报表的预测数据；
生成模块203，用于将所述预测数据与所述待核对数据进行核对，得到核对结果，并生成核对报告。
作为一种可选的实施例，第二获取模块202，用于所述将所述历史数据输入到预训练的预测模型中，得到所述N端报表的预测数据，包括：
将所述历史数据进行预处理，得到预处理后的历史数据，其中，所述预处理包括清洗处理和指标统一处理；
将所述预处理后的历史数据输入到所述预测模型中，得到所述预测数据。
作为一种可选的实施例，第二获取模块202，用于在将所述历史数据输入到预训练的预测模型中，得到所述N端报表的预测数据之前，还包括：
获取所述N端报表的训练样本集，其中，所述训练样本集中每个训练样本包括所述N端报表的训练数据；
根据所述每个训练样本的训练数据对初始模型进行模型训练，调整所述初始模型中的权重参数；
根据所述调整后的权重参数，得到所述预测模型。
作为一种可选的实施例，第二获取模块202，用于在得到所述N端报表的预测数据后，还包括：
根据所述预测数据和所述待核对数据，得到所述预测模型的分析准确度。
作为一种可选的实施例，生成模块203，用于所述生成核对报告，包括：
将所述历史数据和所述待核对数据进行正态分布分析，得到初步分析结果；
根据所述初步分析结果和所述核对结果，生成所述核对报告。
作为一种可选的实施例，生成模块203，用于所述将所述预测数据与所述待核对数据进行核对，得到核对结果，包括：
将所述待核对数据与所述预测数据的预设范围进行匹配；
若所述待核对数据位于所述预设范围，则确定所述待核对数据满足预测条件；
若所述待核对数据未位于所述预设范围，则确定所述待核对数据未满足预测条件，并输出通知人工核对信息。
作为一种可选的实施例，所述N端包括智能端、电脑端和报表端。
由于本实施例所介绍的多端报表的核对装置为实施本申请实施例一中多端报表的核对方法所采用的装置，故而基于本申请实施例一中所介绍的多端报表的核对方法，本领域所属技术人员能够了解本实施例的多端报表的核对装置的具体实施方式以及其各种变化形式，所以在此对于该多端报表的核对装置如何实现本申请实施例一中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例一中多端报表的核对方法所采用的装置，都属于本申请所欲保护的范围。
实施例三
基于相同的发明构思，本发明第三实施例还提供了一种计算机设备，如图3所示，包括存储器304、处理器302及存储在存储器304上并可在处理器302上运行的计算机程序，所述处理器302执行所述程序时实现上述多端报表的核对方法中的任一方法的步骤。
其中，在图3中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
实施例四
基于相同的发明构思，本发明第四实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前文实施例一所述多端报表的核对方法的任一方法的步骤。
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。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种多端报表的核对方法，其特征在于，包括：
获取N端报表的历史数据和待核对数据，其中，所述N端报表为N个终端的报表，N≥1；
将所述历史数据输入到预训练的预测模型中，得到所述N端报表的预测数据；
将所述预测数据与所述待核对数据进行核对，得到核对结果，并生成核对报告。
2.如权利要求1所述的方法，其特征在于，所述将所述历史数据输入到预训练的预测模型中，得到所述N端报表的预测数据，包括：
将所述历史数据进行预处理，得到预处理后的历史数据，其中，所述预处理包括清洗处理和指标统一处理；
将所述预处理后的历史数据输入到所述预测模型中，得到所述预测数据。
3.如权利要求2所述的方法，其特征在于，在将所述历史数据输入到预训练的预测模型中，得到所述N端报表的预测数据之前，还包括：
获取所述N端报表的训练样本集，其中，所述训练样本集中每个训练样本包括所述N端报表的训练数据；
根据所述每个训练样本的训练数据对初始模型进行模型训练，调整所述初始模型中的权重参数；
根据所述调整后的权重参数，得到所述预测模型。
4.如权利要求1所述的方法，其特征在于，在得到所述N端报表的预测数据后，还包括：
根据所述预测数据和所述待核对数据，得到所述预测模型的分析准确度。
5.如权利要求1所述的方法，其特征在于，所述生成核对报告，包括：
将所述历史数据和所述待核对数据进行正态分布分析，得到初步分析结果；
根据所述初步分析结果和所述核对结果，生成所述核对报告。
6.如权利要求1所述的方法，其特征在于，所述将所述预测数据与所述待核对数据进行核对，得到核对结果，包括：
将所述待核对数据与所述预测数据的预设范围进行匹配；
若所述待核对数据位于所述预设范围，则确定所述待核对数据满足预测条件；
若所述待核对数据未位于所述预设范围，则确定所述待核对数据未满足预测条件，并输出通知人工核对信息。
7.如权利要求1所述的方法，其特征在于，所述N端包括智能端、电脑端和报表端。
8.一种多端报表的核对装置，其特征在于，包括：
第一获取模块，用于获取N端报表的历史数据和待核对数据，其中，所述N端报表为N个终端的报表，N≥1；
第二获取模块，用于将所述历史数据输入到预训练的预测模型中，得到所述N端报表的预测数据；
生成模块，用于将所述预测数据与所述待核对数据进行核对，得到核对结果，并生成核对报告。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一权利要求所述的方法步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一权利要求所述的方法步骤。
CN202111428134.XA 2021-11-29 2021-11-29 一种多端报表的核对方法及装置 Active CN113836132B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111428134.XA CN113836132B (zh) 2021-11-29 2021-11-29 一种多端报表的核对方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111428134.XA CN113836132B (zh) 2021-11-29 2021-11-29 一种多端报表的核对方法及装置

Publications (2)

Publication Number Publication Date
CN113836132A true CN113836132A (zh) 2021-12-24
CN113836132B CN113836132B (zh) 2022-04-08

Family

ID=78971819

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111428134.XA Active CN113836132B (zh) 2021-11-29 2021-11-29 一种多端报表的核对方法及装置

Country Status (1)

Country Link
CN (1) CN113836132B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102841938A (zh) * 2012-08-14 2012-12-26 北京久其软件股份有限公司 一种参数化报表的生成方法及系统
CN105426394A (zh) * 2015-10-18 2016-03-23 广州赛意信息科技股份有限公司 基于跨平台的移动报表生成方法和系统
US20170351787A1 (en) * 2016-06-06 2017-12-07 Tyco Integrated Security Llc Predicting Service for Intrusion and Alarm Systems Based on Signal Activity Patterns
US20200210824A1 (en) * 2018-12-28 2020-07-02 Utopus Insights, Inc. Scalable system and method for forecasting wind turbine failure with varying lead time windows
CN111881158A (zh) * 2020-07-31 2020-11-03 平安国际融资租赁有限公司 一种管理报表数据处理方法、装置、计算机系统及可读存储介质
CN112579579A (zh) * 2019-09-30 2021-03-30 北京国双科技有限公司 一种物料移动数据审核方法、装置、存储介质及电子设备
CN112597745A (zh) * 2020-12-23 2021-04-02 深圳赛安特技术服务有限公司 一种智能图表的生成方法、装置、计算机系统及可读存储介质
CN112800036A (zh) * 2020-12-30 2021-05-14 银盛通信有限公司 一种报表分析图自动生成及展示方法及系统
CN113052670A (zh) * 2021-04-20 2021-06-29 中国工商银行股份有限公司 财务报表处理方法及系统
CN113111635A (zh) * 2021-04-19 2021-07-13 中国工商银行股份有限公司 一种报表对比方法及装置
CN113283222A (zh) * 2021-06-11 2021-08-20 平安科技（深圳）有限公司 自动化报表生成方法、装置、计算机设备及存储介质
CN113485993A (zh) * 2021-07-13 2021-10-08 浙江网商银行股份有限公司 数据识别方法以及装置
CN113688173A (zh) * 2020-05-19 2021-11-23 腾讯科技（深圳）有限公司 一种报表信息处理方法、装置、电子设备及存储介质

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102841938A (zh) * 2012-08-14 2012-12-26 北京久其软件股份有限公司 一种参数化报表的生成方法及系统
CN105426394A (zh) * 2015-10-18 2016-03-23 广州赛意信息科技股份有限公司 基于跨平台的移动报表生成方法和系统
US20170351787A1 (en) * 2016-06-06 2017-12-07 Tyco Integrated Security Llc Predicting Service for Intrusion and Alarm Systems Based on Signal Activity Patterns
US20200210824A1 (en) * 2018-12-28 2020-07-02 Utopus Insights, Inc. Scalable system and method for forecasting wind turbine failure with varying lead time windows
CN112579579A (zh) * 2019-09-30 2021-03-30 北京国双科技有限公司 一种物料移动数据审核方法、装置、存储介质及电子设备
CN113688173A (zh) * 2020-05-19 2021-11-23 腾讯科技（深圳）有限公司 一种报表信息处理方法、装置、电子设备及存储介质
CN111881158A (zh) * 2020-07-31 2020-11-03 平安国际融资租赁有限公司 一种管理报表数据处理方法、装置、计算机系统及可读存储介质
CN112597745A (zh) * 2020-12-23 2021-04-02 深圳赛安特技术服务有限公司 一种智能图表的生成方法、装置、计算机系统及可读存储介质
CN112800036A (zh) * 2020-12-30 2021-05-14 银盛通信有限公司 一种报表分析图自动生成及展示方法及系统
CN113111635A (zh) * 2021-04-19 2021-07-13 中国工商银行股份有限公司 一种报表对比方法及装置
CN113052670A (zh) * 2021-04-20 2021-06-29 中国工商银行股份有限公司 财务报表处理方法及系统
CN113283222A (zh) * 2021-06-11 2021-08-20 平安科技（深圳）有限公司 自动化报表生成方法、装置、计算机设备及存储介质
CN113485993A (zh) * 2021-07-13 2021-10-08 浙江网商银行股份有限公司 数据识别方法以及装置

Also Published As

Publication number Publication date
CN113836132B (zh) 2022-04-08

Similar Documents

Publication Publication Date Title
Bolko et al. A GMM approach to estimate the roughness of stochastic volatility
US10614495B2 (en) Adaptive and tunable risk processing system and method
Jia et al. Quantification for the importance degree of engineering characteristics with a multi-level hierarchical structure in QFD
US20100082469A1 (en) Constrained Optimized Binning For Scorecards
Tombido et al. The impact of a substitution policy on the bullwhip effect in a closed loop supply chain with remanufacturing
CN110363468B (zh) 采购订单的确定方法、装置、服务器及可读存储介质
CN112785057A (zh) 基于指数平滑的件量预测方法、装置、设备及存储介质
Arif et al. Acceptance sampling plan for multiple manufacturing lines using EWMA process capability index
CN113836132B (zh) 一种多端报表的核对方法及装置
JP2013033450A (ja) 製造工期予測装置、製造工期予測方法、及びコンピュータプログラム
CN117252411A (zh) 工程变更申请的风险评估方法、评审方法、装置及产品
Sengewald et al. Prescriptive analytics in procurement: reducing process costs
CN115795144A (zh) 一种产品推荐方法、装置及电子设备
CN111161065A (zh) 股权估值结果调整方法及系统
CN111798299B (zh) 一种财务报表的账目结算方法和装置
CN110689177A (zh) 订单准备时间的预测方法和装置，电子设备及存储介质
CN102906780A (zh) 使用财务比率进行专利评估的方法和系统
CN114254985A (zh) 一种基于供应链的智能金融服务方法及系统
CN113298291A (zh) 快递件量预测方法、装置、设备及存储介质
Tizroo et al. Supply Chain Risk Gap Analysis using the Modified Two-Tuple Fuzzy Linguistic Computing (FLC) Model and Fuzzy Vicor (Case Study: the SHIFOO Food Industry in Fars Province)
Aboushady et al. Fuzzy consensus qualitative risk analysis framework for building construction projects
CN112487780A (zh) 一种订单数据排版优化方法及系统
Alinejad et al. Combination VIKOR model and measurement systems analysis (MSA)
CN114926154B (zh) 一种多场景数据识别的保护切换方法及系统
CN116011698B (zh) 机组组合确定方法、装置、计算机设备和存储介质

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
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 101, Floor 1-8, Building 8, Courtyard 13, Ronghua South Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing 100176 (Yizhuang Group, High-end Industrial Zone, Beijing Pilot Free Trade Zone)

Patentee after: AVIC International Golden Net (Beijing) Technology Co.,Ltd.

Country or region after: China

Address before: 100176 room 801, 8 / F, building 10, yard 13, Ronghua South Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Patentee before: AVIC INTERNATIONAL E-BUSINESS Inc.

Country or region before: China

CP03 Change of name, title or address