CN113919744A - 一种企业自创能力评价方法、装置及存储介质 - Google Patents
一种企业自创能力评价方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113919744A CN113919744A CN202111295170.3A CN202111295170A CN113919744A CN 113919744 A CN113919744 A CN 113919744A CN 202111295170 A CN202111295170 A CN 202111295170A CN 113919744 A CN113919744 A CN 113919744A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- enterprise
- index
- evaluation index
- evaluated
- 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
- G06Q10/06—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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (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
本发明公开了一种企业自创能力评价方法、装置及存储介质,方法包括:获取待评价企业的原始指标数据;根据主成分分析法对所述原始指标数据进行降维处理,得到评价指标数据;根据熵权法对所述评价指标数据进行赋权处理,得到各个评价指标对应的权重;对所述各个评价指标对应的权重进行加权处理,得到所述待评价企业的评价值,并根据所述评价值确定实体创新能力的第一画像结果;将所述第一画像结果与标准画像进行比较,根据比较的结果确定所述待评价企业的综合画像结果。本发明提高了准确性和适用性,可广泛应用于计算机技术领域。
Description
技术领域
本发明涉及计算机技术领域,尤其是一种企业自创能力评价方法、装置及存储介质。
背景技术
目前,企业评价没有从企业创新的内在需求出发,无法根据企业成长的生命周期的不同阶段,用算法来筛选影响企业创新的关键因子。而且现有企业信息采集与相关数据获取的过程缺乏针对性。
企业科技创新评估系统缺乏顶层设计缺乏系统性。也是突出问题,要么停留于概念上,评估的片面性,以偏概全突出,没有全面把握企业创新科技评估关键要素,或者过分强调技术创新,而忽略创新的质量和效果,没有实现数量、质量、效益的统一。既没有技术和管理方面的客观的、定量的评价指标,也没有统一的规范和标准,好比一枚硬币的两个面,少了一个面,只见树木不见森林,无法形成对科技企业创新价值与创新能力的全面评价。
企业科技创新评估关键原因却在于缺乏操作方法和工具。不管是初创企业还是大型企业,活下去是第一位的,是企业生存的必要条件,企业的核心价值体现在创新上,而创新就是创造价值、就是要创造出增加值。科技资金的投入,不仅要看项目的创新性,而且要看承担项目的企业的创新能力以及对未来产业的承载与带动能力。现有技术没有建立起科技创新关键要素之间的关联性与科学的评价机制,没有形成从设计、开发到运用的闭环,没有找到现实的应用场景,适用范围小。
发明内容
有鉴于此,本发明实施例提供一种准确性高且适用性高的企业自创能力评价方法、装置及存储介质。
本发明的一方面提供了一种企业自创能力评价方法,包括:
获取待评价企业的原始指标数据;
根据主成分分析法对所述原始指标数据进行降维处理,得到评价指标数据;
根据熵权法对所述评价指标数据进行赋权处理,得到各个评价指标对应的权重;
对所述各个评价指标对应的权重进行加权处理,得到所述待评价企业的评价值,并根据所述评价值确定实体创新能力的第一画像结果;
将所述第一画像结果与标准画像进行比较,根据比较的结果确定所述待评价企业的综合画像结果。
作为优选,所述获取待评价企业的原始指标数据,包括:
获取所述待评价企业的研发活动能力数据;
获取所述待评价企业的成果转化能力数据;
获取所述待评价企业的市场化能力数据;
获取所述待评价企业的内部管理能力数据;
获取所述待评价企业的盈利能力数据。
作为优选,所述根据主成分分析法对所述原始指标数据进行降维处理,得到评价指标数据,包括:
对所述原始指标数据进行标准化处理,得到标准化矩阵;
计算所述标准化矩阵的相关系数矩阵;
计算所述相关系数矩阵的特征值和各指标的方差贡献率;
将各个所述原始指标数据的特征值按大到小进行排序,计算各个原始指标数据的累积方差贡献率;
当所述累积方差贡献率达到预设的阈值时,获取对应的指标作为所述待评价企业的评价指标;
计算所述评价指标对应的特征值的向量,并根据所述特征值的向量和所述标准化矩阵,计算所述评价指标数据。
作为优选,所述根据主成分分析法对所述原始指标数据进行降维处理,得到评价指标数据这一步骤还包括:
根据所述评价指标数据建立或者更新企业自创能力多要素分级量化评价体系;
其中,所述标准化矩阵的计算公式为:
其中,Fij代表标准化矩阵;xij代表第j个样本实体第i项指标的数据;代表第i项指标的均值;si代表第i项指标的标准差; j=1,2,3...,n,i=1,2,3...,p;n为样本实体数量,p为指标的数量;
所述相关系数矩阵中各个元素的计算公式为:
其中,mij代表相关系数矩阵的各个元素;k=1,2,3...,p;
所述相关系数矩阵的计算公式为:
M=[mij]p*p
其中,M为所述相关系数矩阵;mij为相关系数矩阵的元素;
所述评价指标数据的计算公式为:
其中,Yij为所述评价指标数据,qi为所述特征向量, i=1,2,3...,m;m为所述评价指标的数量。
作为优选,所述根据熵权法对所述评价指标数据进行赋权处理,得到各个评价指标对应的权重,包括:
对所述评价指标数据进行非负数化处理,得到评价指标矩阵;
根据所述评价指标矩阵,计算样本实体的评价指标的比重值;
根据所述样本实体的评价指标的比重值,计算所述评价指标的熵值;
根据所述评价指标的熵值,计算所述评价指标的差异系数;
根据所述评价指标的差异系数,计算所述评价指标的权重值。
作为优选,所述评价指标的比重值的计算公式为:
其中,Yij代表第j个样本实体第i项指标的比重值;Fij代表标准化矩阵;xij代表第j个样本实体第i项指标的数据;n为样本实体数量;
所述评价指标的熵值的计算公式为:
其中,ej代表第j项评价指标的熵值;m代表评价指标数量;
所述评价指标的权重值的计算公式为:
其中,Wj代表第j项评价指标的权重值;
所述待评价企业的评价值的计算公式为:
其中,Si代表所述待评价企业i的评价值。
本发明实施例的另一方面提供了一种企业自创能力评价装置,包括:数据采集模块,用于获取待评价企业的原始指标数据;
降维处理模块,用于根据主成分分析法对所述原始指标数据进行降维处理,得到评价指标数据;
赋权处理模块,用于根据熵权法对所述评价指标数据进行赋权处理,得到各个评价指标对应的权重;
评价值计算模块,用于对所述各个评价指标对应的权重进行加权处理,得到所述待评价企业的评价值,并根据所述评价值确定实体创新能力的第一画像结果;
比较模块,用于将所述第一画像结果与标准画像进行比较,根据比较的结果确定所述待评价企业的综合画像结果。
本发明实施例的另一方面提供了一种电子设备,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例的另一方面提供了一种计算机可读存储介质,所述存储介质存储有程序,所述程序被处理器执行实现如前面所述的方法。
本发明实施例的另一方面提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如前面所述的方法。
本发明的实施例首先获取待评价企业的原始指标数据;根据主成分分析法对所述原始指标数据进行降维处理,得到评价指标数据;根据熵权法对所述评价指标数据进行赋权处理,得到各个评价指标对应的权重;对所述各个评价指标对应的权重进行加权处理,得到所述待评价企业的评价值,并根据所述评价值确定实体创新能力的第一画像结果;将所述第一画像结果与标准画像进行比较,根据比较的结果确定所述待评价企业的综合画像结果。本发明提高了准确性和适用性。
附图说明
图1为本发明实施例提供的整体步骤流程图;
图2为本发明实施例提供的企业自创能力多要素分级量化评价方法的指标体系示意图;
图3为本发明实施例提供的企业自创能力多要素分级量化评价装置的结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细说明。
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
针对现有技术存在的问题,本发明的一方面提供了一种企业自创能力评价方法,如图1所示,方法包括以下步骤:
获取待评价企业的原始指标数据;
根据主成分分析法对所述原始指标数据进行降维处理,得到评价指标数据;
根据熵权法对所述评价指标数据进行赋权处理,得到各个评价指标对应的权重;
对所述各个评价指标对应的权重进行加权处理,得到所述待评价企业的评价值,并根据所述评价值确定实体创新能力的第一画像结果;
将所述第一画像结果与标准画像进行比较,根据比较的结果确定所述待评价企业的综合画像结果。
可选地,所述获取待评价企业的原始指标数据,包括:
获取所述待评价企业的研发活动能力数据;
获取所述待评价企业的成果转化能力数据;
获取所述待评价企业的市场化能力数据;
获取所述待评价企业的内部管理能力数据;
获取所述待评价企业的盈利能力数据。
可选地,所述根据主成分分析法对所述原始指标数据进行降维处理,得到评价指标数据,包括:
对所述原始指标数据进行标准化处理,得到标准化矩阵;
计算所述标准化矩阵的相关系数矩阵;
计算所述相关系数矩阵的特征值和各指标的方差贡献率;
将各个所述原始指标数据的特征值按大到小进行排序,计算各个原始指标数据的累积方差贡献率;
当所述累积方差贡献率达到预设的阈值时,获取对应的指标作为所述待评价企业的评价指标;
计算所述评价指标对应的特征值的向量,并根据所述特征值的向量和所述标准化矩阵,计算所述评价指标数据。
可选地,所述根据主成分分析法对所述原始指标数据进行降维处理,得到评价指标数据这一步骤还包括:
根据所述评价指标数据建立或者更新企业自创能力多要素分级量化评价体系;
其中,所述标准化矩阵的计算公式为:
其中,Fij代表标准化矩阵;xij代表第j个样本实体第i项指标的数据;代表第i项指标的均值;si代表第i项指标的标准差;j=1,2,3...,n, i=1,2,3...,p;n为样本实体数量,p为指标的数量;
所述相关系数矩阵中各个元素的计算公式为:
其中,mij代表相关系数矩阵的各个元素;k=1,2,3...,p;
所述相关系数矩阵的计算公式为:
M=[mij]p*p
其中,M为所述相关系数矩阵;mij为相关系数矩阵的元素;
所述评价指标数据的计算公式为:
其中,Yij为所述评价指标数据,qi为所述特征向量,i= 1,2,3...,m;m为所述评价指标的数量。
可选地,所述根据熵权法对所述评价指标数据进行赋权处理,得到各个评价指标对应的权重,包括:
对所述评价指标数据进行非负数化处理,得到评价指标矩阵;
根据所述评价指标矩阵,计算样本实体的评价指标的比重值;
根据所述样本实体的评价指标的比重值,计算所述评价指标的熵值;
根据所述评价指标的熵值,计算所述评价指标的差异系数;
根据所述评价指标的差异系数,计算所述评价指标的权重值。
可选地,所述评价指标的比重值的计算公式为:
其中,Yij代表第j个样本实体第i项指标的比重值;Fij代表标准化矩阵;xij代表第j个样本实体第i项指标的数据;n为样本实体数量;
所述评价指标的熵值的计算公式为:
其中,ej代表第j项评价指标的熵值;m代表评价指标数量;
所述评价指标的权重值的计算公式为:
其中,Wj代表第j项评价指标的权重值;
所述待评价企业的评价值的计算公式为:
其中,Si代表所述待评价企业i的评价值。
本发明实施例的另一方面提供了一种企业自创能力评价装置,如图3所示,装置包括:
数据采集模块P1,用于获取待评价企业的原始指标数据;
降维处理模块(数据处理模块P2),用于根据主成分分析法对所述原始指标数据进行降维处理,得到评价指标数据;
赋权处理模块(权重系数计算模块P3),用于根据熵权法对所述评价指标数据进行赋权处理,得到各个评价指标对应的权重;
评价值计算模块(评价模块P4),用于对所述各个评价指标对应的权重进行加权处理,得到所述待评价企业的评价值,并根据所述评价值确定实体创新能力的第一画像结果;
比较模块,用于将所述第一画像结果与标准画像进行比较,根据比较的结果确定所述待评价企业的综合画像结果。
本发明实施例的另一方面提供了一种电子设备,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例的另一方面提供了一种计算机可读存储介质,所述存储介质存储有程序,所述程序被处理器执行实现如前面所述的方法。
本发明实施例的另一方面提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如前面所述的方法。
下面以企业实体为例,详细描述本发明的一种企业自创能力评价方法的整体实现过程:
本发明对标数据采集、外部资源数据导入,评价对象数据采集、内部数据采集,整体设计一套应用于企业自创能力多要素分级量化指标体系,依照数量、质量和绩效三个方面,设立五个维度的指标体系,采取主成分分析法对二级参数降维,对冗余指标删除;采取层次分析法对二级指标主观赋权,采取熵值法对客观指标赋权,运用主成分析法主观赋权与熵值法客观赋权计算权重系数,量化企业创新关键要素值,与评价对象全体的标准数据比较,小数据样本与大数据分析相结合,发现创新要素短板,提示纠错,少走弯路,精准评价,精准选项,精准施策,提高成功率,智慧创新的智能评价系统、计算装置以及方法。
本发明提供一种企业自创能力多要素分级量化评价方法,包括:
S1、建立五维度一级参数和若干二级参数及三级指标参数的评价指标体系
S2、采取主成分分析法对二级参数降维;对冗余指标删除
S3、采取层次分析法对二级指标主观赋权,采取熵值法对客观指标赋权
S4、建立主观权重+客观权重一定比例的模型,计算二级指标权重系数
S5、根据二级指标的数据乘以权重加权得出数值,对标同一技术领域企业相同指标的平均数值,与高于或低于平均值作为评价基准,发现评价对象企业的短板。
S6、根据量化分析得出的数据,得出自创能力多要素分级量化综合画像结果。
具体地,上述方法通过以下模块来实现:输入(信息采集)模块,指标优化(数据处理)模块,算法计算模块,输出(企业评价)模块;
其中,所述输入(信息采集)模块,包括:对标数据采集、外部资源数据导入,评价对象数据采集、内部数据采集模块;
所述对标数据采集、外部资源数据导入包括:公开的科技文献、知识产权数据以及互联网相关数据及其他管理数据采集;
所述评价对象数据采集、内部数据采集,包括:企业注册数据、企业创新活动需求数据、企业评价请求数据;
所述指标优化(数据处理)模块,建立企业自创能力多要素分级量化综合评价,涉及到企业规模、质量、绩效多个方面,与研发活动能力、成果转化能力、产品(服务)市场化能力、内部管理能力和盈利能力等五个维度的指标体系,采用主成分分析法,对指标体系进行降维,确定评价指标,优化指标体系;
优化主成分分析法,对所述指标数据进行降维,得到评价指标数据,并根据所述评价指标数据更新所述企业自创能力多要素分级量化评价体系,具体包括:
对所述指标数据进行标准化处理,得到标准化矩阵;
计算所述标准化矩阵的相关系数矩阵;
计算所述相关系数矩阵的特征值和各指标的方差贡献率;
将各指标的特征值按大到小进行排序,计算各指标的累积方差贡献率,获取当所述累积方差贡献率达到预设的阈值时对应的指标,作为待评价对象的评价指标;
计算所述特征值对应的特征向量,并根据所述特征向量和所述标准化矩阵,计算所述评价指标数据,并根据所述评价指标数据更新所述企业自创能力多要素分级量化评价体系。
可选地,所述采用主成分分析法,对所述指标数据进行降维,得到评价指标数据,并根据所述评价指标数据更新所述企业自创能力多要素分级量化评价体系,具体包括:
根据以下公式得到所述标准化矩阵:
其中,F为所述标准化矩阵,Fij为所述标准化矩阵的元素,xij为第j个样本企业第i项指标的数据,为第i项指标的均值,si为第i项指标的标准差,j=1,2,3...,n,i=1,2,3…,p;n为样本实体数量,p为指标的数量。
根据以下公式计算所述相关系数矩阵的元素:
其中,mij代表相关系数矩阵的各个元素;k=1,2,3...,p;
根据以下公式得到所述相关系数矩阵:
其中,M为所述相关系数矩阵;mij为相关系数矩阵的元素;
根据以下公式得到所述评价指标数据:
其中,Yij为所述评价指标数据,qi为所述特征向量,i= 1,2,3...,m;m为所述评价指标的数量。
本发明实施例,计算相关矩阵的特征和方差贡献率,相关系数矩阵的特征值均为非负数,本实施例将各指标的特征值按大到小进行排序,得到λ1,λ2,...,λp,其中,λi表示第i个指标对应的特征值。计算累积方差贡献率,第i个指标的累积方差贡献率为第1个指标的方差贡献率至第(i-1)个指标的方差贡献率之和。获取当所述累积方差贡献率达到预设的阈值时对应的指标,作为待评价对象的评价指标,其中,所述预设的阈值为提取评价指标个数的判断条件,如累积方差贡献率大于等于85%的原则。具体的,根据全部特征值中的累积方差贡献率大于等于85%的原则,确定选取的n个主成分,即为n个评价指标。
可选地,所述采用熵权法对所述评价指标数据进行客观赋权,得到各评价指标的权重值,其中,熵权法用于对降维后的m个评价指标进行客观赋予权重,若某个指标的信息熵越小,表明指标值得变异程度越大,提供的信息量越多,在评价中所能起到的作用也越大,其权重也就越大。具体包括:
对所述评价指标数据进行非负数化处理,得到评价指标矩阵;数据的非负数化处理。利用主成分分析法实现降维后有负数,因此需要对评价指标数据进行非负化处理,本发明通过数据平移实现。经过以上处理,得到了评价指标矩阵。
根据所述评价指标矩阵,计算样本企业的评价指标的比重值;
根据所述样本企业的评价指标的比重值,计算所述评价指标的熵值;
根据所述评价指标的熵值,计算所述评价指标的差异系数;
根据所述评价指标的差异系数,计算所述评价指标的权重值。
可选地,所述采用熵权法对所述评价指标数据进行客观赋权,得到各评价指标的权重值,具体包括:
根据以下公式计算所述样本企业自创能力多要素分级量化评价指标的比重值:
其中,Yij代表第j个样本实体第i项指标的比重值;Fij代表标准化矩阵;xij代表第j个样本实体第i项指标的数据;n为样本实体数量;
根据以下公式计算所述评价指标的熵值:
其中,ej代表第j项评价指标的熵值;m代表评价指标数量;
根据以下公式计算所述评价指标的权重值:
其中,Wj代表第j项评价指标的权重值;
可选地,所述对各评价指标的权重值进行加权,得到所述待评价对象的评价值,具体包括:
根据以下公式计算所述待评价对象的评价值:
其中,Si代表所述待评价企业i的评价值。
运用熵值法对对优化后的指标数据客观赋权,计算细分指标的权重数值;
按照主观指标60%+客观指标60%,计算权重系数;
将评价指标与权重系数进行加权计算,
可选地,所述企业自创能力多要素分级量化评价模块采用量质效三方面评价模型:
MGI(Modern GovernanceIndex)
其中:
GMI为企业治理指数综合得分(最高可以到n个指标,现指标库已有指标过百个,可根据需要选择 个或十几个使用的指标进行试点);
fi为第i个定量指标的权重(初始值设为等权重,以后可根据需要加大短板的权重);
ki为每个指标的计算值(每个指标的计算值来源于该指标的计算公式);
Bi为第i个指标的标杆值。
Xi为第i个定量指标的实测值;Xi/Bi为指标值与标杆值对比情况。当Xi/Bi≥1时,按“1”计算。其他情况下,均按照该指标的计算模型ki分区间计算。
可选地,企业自创能力多要素分级量化评价模块评价指标体系包括以下五个维度的指标体系:研发活动能力、成果转化能力、产品(服务)市场化能力、内部管理能力和盈利能力,本发明实施例采用主成分分析法,对指标体系进行降维,确定评价指标,优化指标体系;
具体地,如图2所示,所述企业自创能力多要素分级量化评价中,研发活动能力评价,包括:研发占比、团队水平、研发绩效二级指标;
所述企业自创能力多要素分级量化评价中,成果转化能力评价包括:成果数量、成果质量、转化绩效二级指标;
所述企业自创能力多要素分级量化评价中,产品(服务)市场化能力评价包括:市场占有率、品牌影响力、供应链支撑力;
所述企业自创能力多要素分级量化评价中,产品(服务)市场化能力评价以及市场占有率包括:同行业产品市场规模、同技术领域发明专利数量、产品功能用户渗透率三级指标;
所述企业自创能力多要素分级量化评价中,产品(服务)市场化能力评价以及品牌影响力包括:驰名商标数量、产品品牌知晓度、产品核心用户群三级指标;
所述企业自创能力多要素分级量化评价中,产品(服务)市场化能力评价以及供应链支撑力包括:技术链先进性、价值链密集度、供应链参与度三级指标;
所述企业自创能力多要素分级量化评价中,内部治理能力评价包括:管理制度、人才培养、激励机制二级指标;
所述企业自创能力多要素分级量化评价中,盈利能力评价包括:人均规模、人均效益、财务成长性二级指标。
综上所述,相较于现有技术,本发明实施例公开的企业自创能力多要素分级量化评估方法,包括:对标数据采集、外部资源数据导入,评价对象数据采集、内部数据采集,整体设计一套应用于企业自创能力多要素分级量化指标体系,依照数量、质量和绩效三个方面,设立五个维度的指标体系,采取主成分分析法对二级参数降维,对冗余指标删除;采取层次分析法对二级指标主观赋权,采取熵值法对客观指标赋权,运用主成分析法主观赋权与熵值法客观赋权计算权重系数,量化企业创新关键要素值,与评价对象全体的标准数据比较,本发明将小数据样本与大数据分析相结合,能够发现创新要素短板,实现提示纠错、少走弯路、精准评价、精准选项以及精准施策,提高了成功率。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/ 或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备 (可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器 (RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨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,本发明的范围由权利要求及其等同物限定。
以上所述,仅为本发明的较佳实施例,并不用以限制本发明,凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同替换和改进,均应包含在本发明技术方案的保护范围之内。
Claims (10)
1.一种企业自创能力评价方法,其特征在于,包括:
获取待评价企业的原始指标数据;
根据主成分分析法对所述原始指标数据进行降维处理,得到评价指标数据;
根据熵权法对所述评价指标数据进行赋权处理,得到各个评价指标对应的权重;
对所述各个评价指标对应的权重进行加权处理,得到所述待评价企业的评价值,并根据所述评价值确定实体创新能力的第一画像结果;
将所述第一画像结果与标准画像进行比较,根据比较的结果确定所述待评价企业的综合画像结果。
2.根据权利要求1所述的一种企业自创能力评价方法,其特征在于,所述获取待评价企业的原始指标数据,包括:
获取所述待评价企业的研发活动能力数据;
获取所述待评价企业的成果转化能力数据;
获取所述待评价企业的市场化能力数据;
获取所述待评价企业的内部管理能力数据;
获取所述待评价企业的盈利能力数据。
3.根据权利要求1所述的一种企业自创能力评价方法,其特征在于,所述根据主成分分析法对所述原始指标数据进行降维处理,得到评价指标数据,包括:
对所述原始指标数据进行标准化处理,得到标准化矩阵;
计算所述标准化矩阵的相关系数矩阵;
计算所述相关系数矩阵的特征值和各指标的方差贡献率;
将各个所述原始指标数据的特征值按大到小进行排序,计算各个原始指标数据的累积方差贡献率;
当所述累积方差贡献率达到预设的阈值时,获取对应的指标作为所述待评价企业的评价指标;
计算所述评价指标对应的特征值的向量,并根据所述特征值的向量和所述标准化矩阵,计算所述评价指标数据。
4.根据权利要求3所述的一种企业自创能力评价方法,其特征在于,所述根据主成分分析法对所述原始指标数据进行降维处理,得到评价指标数据这一步骤还包括:
根据所述评价指标数据建立或者更新企业自创能力多要素分级量化评价体系;
其中,所述标准化矩阵的计算公式为:
所述相关系数矩阵中各个元素的计算公式为:
其中,mij代表相关系数矩阵的各个元素;k=1,2,3...,p;
所述相关系数矩阵的计算公式为:
M=[mij]p*p
其中,M为所述相关系数矩阵;mij为相关系数矩阵的元素;
所述评价指标数据的计算公式为:
其中,Yij为所述评价指标数据,qi为所述特征向量,i=1,2,3...,m;m为所述评价指标的数量。
5.根据权利要求4所述的一种企业自创能力评价方法,其特征在于,所述根据熵权法对所述评价指标数据进行赋权处理,得到各个评价指标对应的权重,包括:
对所述评价指标数据进行非负数化处理,得到评价指标矩阵;
根据所述评价指标矩阵,计算样本实体的评价指标的比重值;
根据所述样本实体的评价指标的比重值,计算所述评价指标的熵值;
根据所述评价指标的熵值,计算所述评价指标的差异系数;
根据所述评价指标的差异系数,计算所述评价指标的权重值。
7.一种企业自创能力评价装置,其特征在于,包括:
数据采集模块,用于获取待评价企业的原始指标数据;
降维处理模块,用于根据主成分分析法对所述原始指标数据进行降维处理,得到评价指标数据;
赋权处理模块,用于根据熵权法对所述评价指标数据进行赋权处理,得到各个评价指标对应的权重;
评价值计算模块,用于对所述各个评价指标对应的权重进行加权处理,得到所述待评价企业的评价值,并根据所述评价值确定实体创新能力的第一画像结果;
比较模块,用于将所述第一画像结果与标准画像进行比较,根据比较的结果确定所述待评价企业的综合画像结果。
8.一种电子设备,其特征在于,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如权利要求1至6中任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行实现如权利要求1至6中任一项所述的方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111295170.3A CN113919744A (zh) | 2021-11-03 | 2021-11-03 | 一种企业自创能力评价方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111295170.3A CN113919744A (zh) | 2021-11-03 | 2021-11-03 | 一种企业自创能力评价方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113919744A true CN113919744A (zh) | 2022-01-11 |
Family
ID=79245083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111295170.3A Pending CN113919744A (zh) | 2021-11-03 | 2021-11-03 | 一种企业自创能力评价方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113919744A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114153749A (zh) * | 2022-02-09 | 2022-03-08 | 苏州浪潮智能科技有限公司 | 计算机程序的性能检测方法、系统、电子设备及存储介质 |
CN114723492A (zh) * | 2022-04-15 | 2022-07-08 | 山东浪潮爱购云链信息科技有限公司 | 一种企业画像的生成方法及设备 |
CN116307921A (zh) * | 2023-03-30 | 2023-06-23 | 国网甘肃省电力公司信息通信公司 | 一种评估人才成长的方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577888A (zh) * | 2013-09-05 | 2014-02-12 | 西安电子科技大学 | 一种改进的熵权层次分析法及其应用 |
CN108647885A (zh) * | 2018-05-10 | 2018-10-12 | 北京科东电力控制系统有限责任公司 | 基于层次分析法与熵权值法的电动汽车充电网络评价方法 |
CN109345117A (zh) * | 2018-09-30 | 2019-02-15 | 北京工业大学 | 一种多维数据驱动的交通运输主体综合画像方法 |
CN109993414A (zh) * | 2019-03-06 | 2019-07-09 | 南方电网科学研究院有限责任公司 | 一种电力企业创新发展的评估方法、装置及存储介质 |
CN110619466A (zh) * | 2019-09-16 | 2019-12-27 | 卓尔智联(武汉)研究院有限公司 | 信息处理方法、装置及存储介质 |
CN110705855A (zh) * | 2019-09-23 | 2020-01-17 | 清华苏州环境创新研究院 | 一种企业环境画像评价方法及系统 |
CN112580978A (zh) * | 2020-12-17 | 2021-03-30 | 佰聆数据股份有限公司 | 电力市场成员信用评价及信用标签的生成方法 |
CN113592313A (zh) * | 2021-08-03 | 2021-11-02 | 南京大学 | 一种用于对化工园区内各企业的综合评估方法 |
-
2021
- 2021-11-03 CN CN202111295170.3A patent/CN113919744A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577888A (zh) * | 2013-09-05 | 2014-02-12 | 西安电子科技大学 | 一种改进的熵权层次分析法及其应用 |
CN108647885A (zh) * | 2018-05-10 | 2018-10-12 | 北京科东电力控制系统有限责任公司 | 基于层次分析法与熵权值法的电动汽车充电网络评价方法 |
CN109345117A (zh) * | 2018-09-30 | 2019-02-15 | 北京工业大学 | 一种多维数据驱动的交通运输主体综合画像方法 |
CN109993414A (zh) * | 2019-03-06 | 2019-07-09 | 南方电网科学研究院有限责任公司 | 一种电力企业创新发展的评估方法、装置及存储介质 |
CN110619466A (zh) * | 2019-09-16 | 2019-12-27 | 卓尔智联(武汉)研究院有限公司 | 信息处理方法、装置及存储介质 |
CN110705855A (zh) * | 2019-09-23 | 2020-01-17 | 清华苏州环境创新研究院 | 一种企业环境画像评价方法及系统 |
CN112580978A (zh) * | 2020-12-17 | 2021-03-30 | 佰聆数据股份有限公司 | 电力市场成员信用评价及信用标签的生成方法 |
CN113592313A (zh) * | 2021-08-03 | 2021-11-02 | 南京大学 | 一种用于对化工园区内各企业的综合评估方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114153749A (zh) * | 2022-02-09 | 2022-03-08 | 苏州浪潮智能科技有限公司 | 计算机程序的性能检测方法、系统、电子设备及存储介质 |
CN114723492A (zh) * | 2022-04-15 | 2022-07-08 | 山东浪潮爱购云链信息科技有限公司 | 一种企业画像的生成方法及设备 |
CN116307921A (zh) * | 2023-03-30 | 2023-06-23 | 国网甘肃省电力公司信息通信公司 | 一种评估人才成长的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113919744A (zh) | 一种企业自创能力评价方法、装置及存储介质 | |
Shepperd | Software project economics: a roadmap | |
CN111126865B (zh) | 一种基于科技大数据的技术成熟度判断方法和系统 | |
CN112668822B (zh) | 科技成果转化平台共享系统、方法、存储介质、手机app | |
CN111241689A (zh) | 模型成熟度的评估方法及装置 | |
Dumas et al. | Aggregate quality of service computation for composite services | |
CN113537807B (zh) | 一种企业智慧风控方法及设备 | |
Castaño et al. | Exploring the Carbon Footprint of Hugging Face's ML Models: A Repository Mining Study | |
CN112396335A (zh) | 一种基于灰色综合评价模型的评价方法及装置 | |
CN116468273A (zh) | 客户风险识别方法及装置 | |
CN117668205A (zh) | 智慧物流客服处理方法、系统、设备及存储介质 | |
CN117291428B (zh) | 一种基于企业管理app的数据后台管理系统 | |
Quah | Estimating software readiness using predictive models | |
Qiang et al. | [Retracted] Relationship Model between Human Resource Management Activities and Performance Based on LMBP Algorithm | |
Moy et al. | Conditional accounting conservatism: Exploring the impact of changes in institutional frameworks in four countries | |
CN114238102A (zh) | 一种基于复合变量特性的分阶段工作量预测方法及系统 | |
CN109726879B (zh) | 一种数据模型的评价方法、装置和设备 | |
CN112116139A (zh) | 一种电力需求预测方法及系统 | |
Yijun et al. | Artificial neural networks for corporation credit rating analysis | |
Croteau et al. | Estimating the size of angel investment activity in Canada | |
Dimitras | Evaluation of greek construction companies’ securities using UTADIS method | |
Hmood et al. | OntEQAM: A methodology for assessing evolvability as a quality factor in software ecosystems | |
CN116227972A (zh) | 基于云平台的科技特派员工作量化考评方法 | |
Dasylva | Design-Based Estimation with Record-Linked Administrative Files and a Clerical Review Sample | |
Tetiana et al. | Managing Intangible Value Drivers of Technology Companies: Reporting Paradox Effects |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: No. 43, Liuyun Third Street, Tianhe District, Guangzhou City, Guangdong Province, 510620 Applicant after: Zhang Zixuan Address before: 510620 room 402, No. 183 TIYU xiheng street, Tianhe District, Guangzhou City, Guangdong Province Applicant before: Zhang Zixuan |