CN114021873A - 一种数据指标量化方法和智慧园区企业价值评价系统 - Google Patents
一种数据指标量化方法和智慧园区企业价值评价系统 Download PDFInfo
- Publication number
- CN114021873A CN114021873A CN202111113856.6A CN202111113856A CN114021873A CN 114021873 A CN114021873 A CN 114021873A CN 202111113856 A CN202111113856 A CN 202111113856A CN 114021873 A CN114021873 A CN 114021873A
- Authority
- CN
- China
- Prior art keywords
- index
- data
- indexes
- enterprise
- relative importance
- 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 63
- 238000011156 evaluation Methods 0.000 title claims abstract description 36
- 238000011002 quantification Methods 0.000 title claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 30
- 238000012549 training Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000010606 normalization Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 16
- 238000007689 inspection Methods 0.000 claims description 6
- 238000003672 processing method Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 230000007812 deficiency Effects 0.000 claims description 2
- 230000002950 deficient Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 238000012216 screening 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种数据指标量化方法和智慧园区企业价值评价系统，根据判断指标体系，获取智慧园区企业数据；对获取的智慧园区企业数据进行数值化处理和归一化处理；将处理后的指标数据乘以指标体系的指标权重，得到企业价值评价结果；指标权重的获取过程包括：通过对各层指标分别建立两两相对重要性判断矩阵，并进行归一化处理，得到各指标的权重，该两两相对重要性判断矩阵通过数值表示两指标间的相对重要性；通过专家法进行人工标记，形成训练集数据，通过回归算法对指标体系中的两两相对重要性判断矩阵内的参数进行迭代学习训练，得到最优的指标权重。与现有技术相比，本发明具有将主观判断降低到最低，计算效率高，更为科学合理可解释等优点。
Description
技术领域
本发明涉及数据处理方法领域，尤其是涉及一种数据指标量化方法和智慧园区企业价值评价系统。
背景技术
伴随着智慧城市的全面兴起和深化建设，作为城市经营的重要载体的产业园区的智慧化应运而生。在智慧园区的综合管理过程中，以新一代信息技术为手段、信息应用为支撑，对园区租户企业进行精细化管理是园区招商管理的具体需求。为此，全面了解企业和企业的发展具有重要的意义，但是，目前的企业评价方法中对某一企业的评价方式比较单一。仅从单一特定概念对企业进行评价，从而使得园区管理人员无法对企业有综合的认知，无法全面的了解此企业。同时，目前的企业评价方法一般仅概括的使用“优、良、中、差”等概括性的、程度词语对企业进行评价，导致管理人员仅仅可以从上述程度词语中对目标企业有个大致的评价。
企业评分评级作为一种快速、精准分析企业的现状和发展的数据分析工具，为智慧园区招商管理进行精准营销、内容推荐、提升租户体验奠定了基础。企业一般都设有量化评分体系，主要是为了提升企业的市场竞争力，促进社会信用，降低交易成本，一般是从管理与经营素质、财务状况、成长能力、主营业务收入增长率等方面进行评价，从而形成量化评分体系。
但目前根据该量化评分体系的评分过程大多通过人工完成，过程耗时长，评分效率低，且主观判断因素过重，目前也有设置各指标的权重后进行整体计算的方法，但设置的指标权重相对固定，无法自动根据实际情况进行调整，因此需要人工完成，又存在过程耗时长费时费力的缺陷。
另外，目前国内企业的量化评分体系在获取各个方面的分数时，多使用财务数据和信用评级数据，此类数据可以反映企业的经营状况，但仍然缺少反应企业在园区活动的评价数据，企业处在园区的大环境下，运营情况在一定程度上影响园区的整体水平，仅单纯就企业本身的结构化数据进行量化评分不能客观、全面反映企业真实水平。且目前园区对于企业的评级评价多通过经验数据进行主观评定，因此，有必要设计一种基于多维度的企业评分方法，从园区管理角度出发评价企业，为园区管理人员展示完整的动态的评分趋势走向。
发明内容
本发明的目的就是为了克服上述现有技术存在评分过程大多通过人工完成，过程耗时长，评分效率低，主观判断因素过重，调整指标权重费时费力的缺陷而提供一种数据指标量化方法和智慧园区企业价值评价系统。
本发明的目的可以通过以下技术方案来实现：
一种数据指标量化方法，包括以下步骤：
根据预设的指标体系，获取某一物件的指标数据；
对获取的指标数据进行预处理，该预处理包括数值化处理和归一化处理；
将预处理后的指标数据乘以预先获取的指标体系的指标权重，得到该物件的指标综合结果；
所述指标权重的获取具体为：在所述指标体系中，对各层指标分别建立两两相对重要性判断矩阵，该两两相对重要性判断矩阵通过数值表示两指标间的相对重要性，对所述两两相对重要性判断矩阵进行归一化处理，得到各指标的权重；
通过专家法根据指标体系对该物件的指标综合结果进行人工标记，形成训练集数据，通过回归算法对所述指标体系中的两两相对重要性判断矩阵内的参数进行迭代学习训练，得到最优的指标权重，用于获取物件的指标综合结果。
进一步地，所述指标体系包括多级指标，通过层次分析法获取所述指标权重。
进一步地，根据相对重要性权值或相对优劣次序的排序，确定两指标间的相对重要性。
进一步地，所述数值化处理包括：对于数值型定量数据，直接进行数值化处理；对于定性数据，采用one-hot编码或者离散值处理法，进行数值化处理。
进一步地，所述预处理还包括对于存在缺失的指标数据，采用预先定义的与该指标数据最关联的数据辅助填充该指标数据，或采用该指标数据的平均值填充缺失的指标数据。
本发明还提供一种基于如上所述的一种数据指标量化方法的智慧园区企业价值评价系统，包括：
数据采集模块，被配置为根据预设的判断指标体系，获取智慧园区企业数据；
数据标准化模块，被配置为对获取的智慧园区企业数据进行预处理，该预处理包括数值化处理和归一化处理；
企业价值评价模块，被配置为将预处理后的指标数据乘以预先获取的指标体系的指标权重，得到企业价值评价结果；
指标权重赋值模块，被配置为在所述指标体系中，对各层指标分别建立两两相对重要性判断矩阵，该两两相对重要性判断矩阵通过数值表示两指标间的相对重要性，对所述两两相对重要性判断矩阵进行归一化处理，得到各指标的权重；
通过专家法根据指标体系对该物件的指标综合结果进行人工标记，形成训练集数据，通过回归算法对所述指标体系中的两两相对重要性判断矩阵内的参数进行迭代学习训练，得到最优的指标权重，用于获取企业价值评价结果。
进一步地，所述智慧园区企业数据包括园区内部数据和外部第三方企业数据，所述园区内部数据包括园区报表数据和园区管理系统数据，所述外部第三方企业数据包括通过企查查软件的API接口获取的企业信用评级。
进一步地，所述指标体系包括多级指标，通过层次分析法获取所述指标权重。
进一步地，所述指标体系包括一级指标和二级指标，所述一级指标包括公司体量指标、履约情况指标、落税情况指标、加分指标和负分指标；
所述公司体量指标对应的二级指标包括租赁面积指标、产业契合度指标、企业性质指标和企业经营状况指标；
所述履约情况指标对应的二级指标包括付款及时性指标、信用评级指标、法律诉讼记录指标和年检免检记录指标；
所述落税情况指标对应的二级指标包括是否本地落税指标和税额大小指标；
所述加分指标对应的二级指标包括客户印象分指标、服务的合理化建议指标、介绍新客户指标、引入政府资源指标和配合契合园区服务和活动指标；
所述负分指标对应的二级指标包括企业管理难度指标、安全事件指标、能耗用电指标、违建指标和投诉指标。
进一步地，所述数值化处理包括：对于数值型定量数据，直接进行数值化处理；对于定性数据，采用one-hot编码或者离散值处理法，进行数值化处理；
所述预处理还包括对于存在缺失的指标数据，采用预先定义的与该指标数据最关联的数据辅助填充该指标数据，或采用该指标数据的平均值填充缺失的指标数据。
与现有技术相比，本发明具有以下优点：
(1)本发明为提供将主观判断降低到最低的数据指标量化方法，通过构建指标间的两两相对重要性判断矩阵，通过相对重要性权值或相对优劣次序的排序，得到指标间的相对重要性数值，从而得到各指标的权重，直接用于指标综合结果的计算，提升评分效率，并可通用于各个物件的评价，将主观判断降低到了最低；
另外，为了能对指标权重进行调整，以符合实际需要，本发明通过专家法根据指标体系对物件进行人工标记得到训练数据集，从而通过回归算法对指标权重进行迭代训练，能自动得出满足实际需要的权重结果，指标权重调整效率高。
(2)为实现科学合理可解释的自动化企业价值评价，本发明提出通过企业数据湖实现多源数据汇聚分析，使用数据库接口、网络爬虫等方式采集来自能效平台、物业系统、园区OA系统以及第三方企业风险信用数据；
采用离线分析和在线分析的方式，通过批数据进行离线的统计分析，接入流数据进行模型参数的迭代更新，最终形成企业评分报表、评级雷达图等租户评分结果。
本发明可针对多源数据进行清洗和预处理，获取各指标的量化数据，提取指标特征，再依据分级标准进行企业分级，分级后依据层次分析法拟合的指标权重计算企业价值评分，最后根据评分结果形成企业评分报表、雷达图等，应用后获取更多的数据优化算法，并通过专家分级打分对企业的评分反馈算法学习更新模型指标权重，得到更为科学合理可解释的高效算法。
附图说明
图1为本发明实施例中提供的一种智慧园区企业价值评价系统的数据处理流程示意图；
图2为本发明实施例中提供的一种权重判断矩阵的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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他实施例，都属于本发明保护的范围。
实施例1
本实施例首先提供一种数据指标量化方法，包括以下步骤：
根据预设的指标体系，获取某一物件的指标数据；
对获取的指标数据进行预处理，该预处理包括数值化处理和归一化处理；
将预处理后的指标数据乘以预先获取的指标体系的指标权重，得到该物件的指标综合结果；
指标权重的获取具体为：在指标体系中，对各层指标分别建立两两相对重要性判断矩阵，该两两相对重要性判断矩阵通过数值表示两指标间的相对重要性，对两两相对重要性判断矩阵进行归一化处理，得到各指标的权重；
通过专家法根据指标体系对该物件的指标综合结果进行人工标记，形成训练集数据，通过回归算法对指标体系中的两两相对重要性判断矩阵内的参数进行迭代学习训练，得到最优的指标权重，用于获取物件的指标综合结果。
指标体系可以为一级指标，也可以为多级指标，多级指标时，通过层次分析法获取指标权重。
可根据相对重要性权值或相对优劣次序的排序，确定两指标间的相对重要性。
数值化处理包括：对于数值型定量数据，直接进行数值化处理；对于定性数据，采用one-hot编码或者离散值处理法，进行数值化处理。
预处理还包括对于存在缺失的指标数据，采用预先定义的与该指标数据最关联的数据辅助填充该指标数据，或采用该指标数据的平均值填充缺失的指标数据。
本方法通过构建指标间的两两相对重要性判断矩阵，通过相对重要性权值或相对优劣次序的排序，得到指标间的相对重要性数值，从而得到各指标的权重，直接用于指标综合结果的计算，提升评分效率，并可通用于各个物件的评价，将主观判断降低到了最低；
另外，为了能对指标权重进行调整，以符合实际需要，本发明通过专家法根据指标体系对物件进行人工标记得到训练数据集，从而通过回归算法对指标权重进行迭代训练，能自动得出满足实际需要的权重结果，指标权重调整效率高。
如图1所示，本实施例还将上述数据指标量化方法应用在智慧园区企业价值评价中，得到一种智慧园区企业价值评价系统，包括
数据采集模块，被配置为根据预设的判断指标体系，获取智慧园区企业数据；
数据标准化模块，被配置为对获取的智慧园区企业数据进行预处理，该预处理包括数值化处理和归一化处理；
企业价值评价模块，被配置为将预处理后的指标数据乘以预先获取的指标体系的指标权重，得到企业价值评价结果；
指标权重赋值模块，被配置为在指标体系中，对各层指标分别建立两两相对重要性判断矩阵，该两两相对重要性判断矩阵通过数值表示两指标间的相对重要性，对两两相对重要性判断矩阵进行归一化处理，得到各指标的权重；
通过专家法根据指标体系对该物件的指标综合结果进行人工标记，形成训练集数据，通过回归算法对指标体系中的两两相对重要性判断矩阵内的参数进行迭代学习训练，得到最优的指标权重，用于获取企业价值评价结果。
智慧园区企业数据包括园区内部数据和外部第三方企业数据，园区内部数据包括园区报表数据和园区管理系统数据，外部第三方企业数据包括通过企查查软件的API接口获取的企业信用评级。
指标体系包括多级指标，通过层次分析法获取指标权重。
相当于，通过内部数据源和外部数据源获取待评价的企业信息，作为原数据；对原数据进行标准化的数据理解以及清洗，获取初步处理数据；对初步处理数据进行量化处理，获取定量描述数据；统计分析定量描述数据，使用层次分析法获取多维度的评价企业的指标体系；根据多维度的评价企业的指标体系对数据指标的组合应用，获取企业综合评价的若干个维度；根据企业综合评价的若干个维度对企业价值进行综合评分。基于专家打分结果，通过迭代算法动态更新回归模型的指标参数，使用专家标记数据进行训练，并根据训练后的回归模型获取每类指标的指标系数权重。
该方案可通过综合分析园区租户企业信用和经营状况，进而辅助园区管理人员和招商人员展开园区租户客户关系管理工作和招商工作。
下面介绍上述智慧园区企业价值评价系统的具体实施细节。
一、数据采集模块的处理过程
获取用于信用评级的企业数据，包含园区内部数据和外部第三方企业数据，其中，企业相关数据可从园区报表中获得，园区管理数据需对接园区各系统获取，包括企业履约情况等。第三方企业信息主要通过企查查的API的接口获取包括企业的信用评级等。
二、数据标准化模块的处理过程
对于收集到的园区内部数据和外部第三方数据进行数据预处理，包含：
1.指标选择：选择对信用评级影响因素较大的指标，从指标的可获得性和数据的完整度共同决定指标的取舍；
2.定量数据标准化处理，对于数值型定量数据，可以直接对其量化，对于类别型定性数据进行数值化处理，可采用进行one-hot编码或者离散值的处理方式，进行数字化处理，以使得其能应用于训练模型，缺失数据的处理：对于缺失过多的指标，选择找关联性强的数据辅助填充该指标，或使用整体的平均值来对其填充。
三、指标权重赋值模块的处理过程
本实施例采用AHP层次分析法，最终形成的企业评分评级指标体系提供了将主观判断降低到最低的评级方法，可以采用这种思路对园区租户企业进行公正客观的评价。
1.筛选指标
指标体系包括一级指标和二级指标，一级指标包括公司体量指标、履约情况指标、落税情况指标、加分指标和负分指标；
公司体量指标对应的二级指标包括租赁面积指标(人均)、产业契合度指标、企业性质指标(央企、国企、国有控股)和企业经营状况指标；
履约情况指标对应的二级指标包括付款及时性指标(按时、晚交、超三月)、信用评级指标、法律诉讼记录指标和年检免检记录指标；
落税情况指标对应的二级指标包括是否本地落税指标和税额大小指标；
加分指标对应的二级指标包括客户印象分指标、服务的合理化建议指标、介绍新客户指标、引入政府资源指标和配合契合园区服务和活动指标；
负分指标对应的二级指标包括企业管理难度指标、安全事件指标、能耗用电指标(存在异常用电情况)、违建指标和投诉指标。
2.量化指标权重
本实施例中，相对重要性是在判断指标体系各层级之间相对重要性的时候用到的一种比较和计算方法，同时会利用到层次分析法建立多阶层次结构。具体到本发明就是指标体系的评分方法相对于特征数据的相对重要性判断，以及特征数据之间的相对重要性判断，通过这样的形式建立起递阶层次结构，然后建立两两相对重要性判断矩阵，通过相对重要性权值或相对优劣次序的排序，得出不同方案的权重判断矩阵一般形式如图2所示。
将其一级指标层和二级指标层内各个指标的重要性分别进行两两比较，其中1代表相同重要，9代表非常重要，得到相对重要性矩阵，即判断矩阵根据判别矩阵做归一化处理，确定权重后，需要进行一致性检验，通过一致性检验，对每个一级指标单一准则下的二级指标之间，确定其相对的权重。根据层次分析法中二级指标相对于总目标的组合权重的计算公式算出各个二级指标相对于租户企业评分评级指标体系的权重。一般判断矩阵形式为：B＝(bij)n×n；判断矩阵中的bij是根据资料数据、专家经验和系统工程分析人员的经验，反复研究确定的，其代表了两个元素相比较时的重要程度。通过对所有评价维度的两两相对重要性进行判断，构建两两相对重要性判断矩阵，求出矩阵的特征向量即为权重。判断矩阵B具有如下特征：bii＝1，bji＝1/bij，bij＝bik/bjk(i，j，k＝1，2，3...，n)。根据bij所述得到的两两相对重要性判断矩阵如下：
四、企业价值评价模块
通过指标权重赋值模块中获得的企业评分评级指标体系和权重，使用数据标准化模块中量化的企业得分数据计算企业的评分，并根据分级标准对企业进行评级，形成企业评分报表和企业评级雷达图，通过后续专家系统对企业评级和评分进行人工标记，使用标记数据形成训练集数据，通过回归算法对企业评分评级指标体系的权重进行迭代学习训练，优化算法的评分结果，并定时获取更新的园区内部数据和第三方企业数据更新企业评分评级结果。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种数据指标量化方法，其特征在于，包括以下步骤：
根据预设的指标体系，获取某一物件的指标数据；
对获取的指标数据进行预处理，该预处理包括数值化处理和归一化处理；
将预处理后的指标数据乘以预先获取的指标体系的指标权重，得到该物件的指标综合结果；
所述指标权重的获取具体为：在所述指标体系中，对各层指标分别建立两两相对重要性判断矩阵，该两两相对重要性判断矩阵通过数值表示两指标间的相对重要性，对所述两两相对重要性判断矩阵进行归一化处理，得到各指标的权重；
通过专家法根据指标体系对该物件的指标综合结果进行人工标记，形成训练集数据，通过回归算法对所述指标体系中的两两相对重要性判断矩阵内的参数进行迭代学习训练，得到最优的指标权重，用于获取物件的指标综合结果。
2.根据权利要求1所述的一种数据指标量化方法，其特征在于，所述指标体系包括多级指标，通过层次分析法获取所述指标权重。
3.根据权利要求1所述的一种数据指标量化方法，其特征在于，根据相对重要性权值或相对优劣次序的排序，确定两指标间的相对重要性。
4.根据权利要求1所述的一种数据指标量化方法，其特征在于，所述数值化处理包括：对于数值型定量数据，直接进行数值化处理；对于定性数据，采用one-hot编码或者离散值处理法，进行数值化处理。
5.根据权利要求1所述的一种数据指标量化方法，其特征在于，所述预处理还包括对于存在缺失的指标数据，采用预先定义的与该指标数据最关联的数据辅助填充该指标数据，或采用该指标数据的平均值填充缺失的指标数据。
6.一种基于如权利要求1所述的一种数据指标量化方法的智慧园区企业价值评价系统，其特征在于，包括：
数据采集模块，被配置为根据预设的判断指标体系，获取智慧园区企业数据；
数据标准化模块，被配置为对获取的智慧园区企业数据进行预处理，该预处理包括数值化处理和归一化处理；
企业价值评价模块，被配置为将预处理后的指标数据乘以预先获取的指标体系的指标权重，得到企业价值评价结果；
指标权重赋值模块，被配置为在所述指标体系中，对各层指标分别建立两两相对重要性判断矩阵，该两两相对重要性判断矩阵通过数值表示两指标间的相对重要性，对所述两两相对重要性判断矩阵进行归一化处理，得到各指标的权重；
通过专家法根据指标体系对该物件的指标综合结果进行人工标记，形成训练集数据，通过回归算法对所述指标体系中的两两相对重要性判断矩阵内的参数进行迭代学习训练，得到最优的指标权重，用于获取企业价值评价结果。
7.根据权利要求6所述的系统，其特征在于，所述智慧园区企业数据包括园区内部数据和外部第三方企业数据，所述园区内部数据包括园区报表数据和园区管理系统数据，所述外部第三方企业数据包括通过企查查软件的API接口获取的企业信用评级。
8.根据权利要求6所述的系统，其特征在于，所述指标体系包括多级指标，通过层次分析法获取所述指标权重。
9.根据权利要求8所述的系统，其特征在于，所述指标体系包括一级指标和二级指标，所述一级指标包括公司体量指标、履约情况指标、落税情况指标、加分指标和负分指标；
所述公司体量指标对应的二级指标包括租赁面积指标、产业契合度指标、企业性质指标和企业经营状况指标；
所述履约情况指标对应的二级指标包括付款及时性指标、信用评级指标、法律诉讼记录指标和年检免检记录指标；
所述落税情况指标对应的二级指标包括是否本地落税指标和税额大小指标；
所述加分指标对应的二级指标包括客户印象分指标、服务的合理化建议指标、介绍新客户指标、引入政府资源指标和配合契合园区服务和活动指标；
所述负分指标对应的二级指标包括企业管理难度指标、安全事件指标、能耗用电指标、违建指标和投诉指标。
10.根据权利要求8所述的系统，其特征在于，所述数值化处理包括：对于数值型定量数据，直接进行数值化处理；对于定性数据，采用one-hot编码或者离散值处理法，进行数值化处理；
所述预处理还包括对于存在缺失的指标数据，采用预先定义的与该指标数据最关联的数据辅助填充该指标数据，或采用该指标数据的平均值填充缺失的指标数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111113856.6A CN114021873A (zh) | 2021-09-23 | 2021-09-23 | 一种数据指标量化方法和智慧园区企业价值评价系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111113856.6A CN114021873A (zh) | 2021-09-23 | 2021-09-23 | 一种数据指标量化方法和智慧园区企业价值评价系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114021873A true CN114021873A (zh) | 2022-02-08 |
Family
ID=80054706
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111113856.6A Pending CN114021873A (zh) | 2021-09-23 | 2021-09-23 | 一种数据指标量化方法和智慧园区企业价值评价系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114021873A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114926032A (zh) * | 2022-05-24 | 2022-08-19 | 江苏邦鼎科技有限公司 | 一种饲料企业模块化装配方法及系统 |
| CN117236801A (zh) * | 2023-11-14 | 2023-12-15 | 北京顺世思成科技有限公司 | 数据处理方法、装置、电子设备和可读存储介质 |
| CN118113333A (zh) * | 2024-03-20 | 2024-05-31 | 武汉市威鹏科技有限公司 | 基于指标体系的产业链分析方法及装置 |
| CN118315092A (zh) * | 2024-06-07 | 2024-07-09 | 天津医康互联科技有限公司 | 计算机可读介质、疾病诊断模型创建方法、装置、服务器 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107122888A (zh) * | 2017-04-01 | 2017-09-01 | 西北工业大学 | 基于五级评价方案的工业企业诚信评价方法 |
| CN112363465A (zh) * | 2020-10-21 | 2021-02-12 | 北京工业大数据创新中心有限公司 | 一种专家规则集训练方法、训练器和工业设备预警系统 |
| CN112446776A (zh) * | 2019-08-27 | 2021-03-05 | 北京宸信征信有限公司 | 基于多源对接融合数据的中小企业信用评价系统及方法 |
| CN113065969A (zh) * | 2020-12-02 | 2021-07-02 | 开鑫金服(南京)信息服务有限公司 | 企业评分模型构建方法、企业评分方法、介质和电子设备 |
-
2021
- 2021-09-23 CN CN202111113856.6A patent/CN114021873A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107122888A (zh) * | 2017-04-01 | 2017-09-01 | 西北工业大学 | 基于五级评价方案的工业企业诚信评价方法 |
| CN112446776A (zh) * | 2019-08-27 | 2021-03-05 | 北京宸信征信有限公司 | 基于多源对接融合数据的中小企业信用评价系统及方法 |
| CN112363465A (zh) * | 2020-10-21 | 2021-02-12 | 北京工业大数据创新中心有限公司 | 一种专家规则集训练方法、训练器和工业设备预警系统 |
| CN113065969A (zh) * | 2020-12-02 | 2021-07-02 | 开鑫金服(南京)信息服务有限公司 | 企业评分模型构建方法、企业评分方法、介质和电子设备 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114926032A (zh) * | 2022-05-24 | 2022-08-19 | 江苏邦鼎科技有限公司 | 一种饲料企业模块化装配方法及系统 |
| CN114926032B (zh) * | 2022-05-24 | 2023-07-25 | 江苏邦鼎科技有限公司 | 一种饲料企业模块化装配方法及系统 |
| CN117236801A (zh) * | 2023-11-14 | 2023-12-15 | 北京顺世思成科技有限公司 | 数据处理方法、装置、电子设备和可读存储介质 |
| CN117236801B (zh) * | 2023-11-14 | 2024-01-26 | 北京顺世思成科技有限公司 | 数据处理方法、装置、电子设备和可读存储介质 |
| CN118113333A (zh) * | 2024-03-20 | 2024-05-31 | 武汉市威鹏科技有限公司 | 基于指标体系的产业链分析方法及装置 |
| CN118315092A (zh) * | 2024-06-07 | 2024-07-09 | 天津医康互联科技有限公司 | 计算机可读介质、疾病诊断模型创建方法、装置、服务器 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114021873A (zh) | 一种数据指标量化方法和智慧园区企业价值评价系统 | |
| CN109583796A (zh) | 一种用于物流园区运营分析的数据挖掘系统及方法 | |
| CN1372667A (zh) | 在有缺失输入的情形中的评价预测模型 | |
| CN109872061A (zh) | 一种电网基建改进、提升决策方法 | |
| CN112668822B (zh) | 科技成果转化平台共享系统、方法、存储介质、手机app | |
| CN107609771A (zh) | 一种供应商价值评价方法 | |
| CN114529038A (zh) | 一种基于企业需求的智能匹配招商策略系统及方法 | |
| CN115905319B (zh) | 一种海量用户电费异常的自动识别方法及系统 | |
| CN115438966B (zh) | 一种基于sem模型的养老服务机构配置优化方法及系统 | |
| CN112488565A (zh) | 一种基于物元可拓的海外工程项目风险评价方法 | |
| CN112016858A (zh) | 一种基于主客观赋权法的舆情风险评价方法 | |
| CN115062992A (zh) | 基于能源大数据的综合能源系统发展水平测算方法及系统 | |
| CN114612119A (zh) | 基于层次分析法和有序加权算子的供应商风险预警系统 | |
| Weng et al. | Private‐Sector Partner Selection for Public‐Private Partnership Projects Based on Improved CRITIC‐EMW Weight and GRA‐VIKOR Method | |
| CN113988930A (zh) | 商业房地产人工智能估价系统 | |
| CN113361959A (zh) | 一种银行业务集中运营成熟度的计算方法和装置 | |
| Li et al. | Evaluating the regulatory environment of overseas electric power market based on a hybrid evaluation model | |
| CN112270342A (zh) | 一种云制造服务评价方法 | |
| CN115907719A (zh) | 充电站分级运维管理方法及装置 | |
| CN109063944A (zh) | 基于大数据分析技术的城市金融指数分析方法及装置 | |
| CN117455681A (zh) | 业务风险预测方法和装置 | |
| CN115456401A (zh) | 航天型号产品合同履行绩效的评价方法、装置和实现装置 | |
| CN105931133A (zh) | 配电变压器更换优先级评定方法和装置 | |
| CN111565121A (zh) | 人员及技术对it支撑度评估方法及装置 | |
| Zhou et al. | Research on comprehensive utility evaluation model of the infrastructure erp system |
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 |