CN114372681A - 基于流水数据的企业分类方法、装置、设备、介质和产品 - Google Patents

基于流水数据的企业分类方法、装置、设备、介质和产品 Download PDF

Info

Publication number
CN114372681A
CN114372681A CN202111609762.8A CN202111609762A CN114372681A CN 114372681 A CN114372681 A CN 114372681A CN 202111609762 A CN202111609762 A CN 202111609762A CN 114372681 A CN114372681 A CN 114372681A
Authority
CN
China
Prior art keywords
data
enterprise
classified
enterprises
standard index
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
Application number
CN202111609762.8A
Other languages
English (en)
Inventor
何川
郭晨晨
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.)
Seezhi Data Technology Shanghai Co ltd
Original Assignee
Seezhi Data Technology Shanghai Co ltd
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 Seezhi Data Technology Shanghai Co ltd filed Critical Seezhi Data Technology Shanghai Co ltd
Priority to CN202111609762.8A priority Critical patent/CN114372681A/zh
Publication of CN114372681A publication Critical patent/CN114372681A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2458Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462Approximate or statistical queries
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q40/00Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02Banking, e.g. interest calculation or account maintenance

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Probability & Statistics with Applications (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请涉及一种基于流水数据的企业分类方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取待分类企业、待分类企业对应的目标流水数据以及待分类企业的行业信息;对目标流水数据进行处理得到不同维度下的待比对数据;获取行业信息对应的标准指标;将待比对数据与标准指标进行比对,并根据比对结果确定待分类企业的类型。采用本方法能够判断企业是否异常。

Description

基于流水数据的企业分类方法、装置、设备、介质和产品
技术领域
本申请涉及大数据分析技术领域,特别是涉及一种基于流水数据的企业分类方法、装置、设备、介质和产品。
背景技术
随着计算机(领域)技术的发展,出现了大数据分析技术,通过对企业的数据的分析可以帮助企业进行决策。
但对于企业异常的分析,单个企业的数据量有所不足,不同企业的差异化较大,难以通过A企业的数据对B企业进行分析。
发明内容
基于此,有必要针对上述技术问题,提供一种能够判断企业是否异常的基于流水数据的企业分类方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种基于流水数据的企业分类方法,所述方法包括:
获取待分类企业、所述待分类企业对应的目标流水数据以及所述待分类企业的行业信息;
对所述目标流水数据进行处理得到不同维度下的待比对数据;
获取所述行业信息对应的标准指标;
将所述待比对数据与所述标准指标进行比对,并根据比对结果确定所述待分类企业的类型。
在其中一个实施例中,所述获取所述行业信息对应的标准指标之前,还包括:获取行业内多个不同企业的待处理流水数据;将所述待处理流水数据按照维度划分为不同的维度组;对所述维度组中的待处理流水数据进行计算得到标准指标。
在其中一个实施例中,所述维度包括交易金额、交易金额的时间分布、交易金额的非工作日分布、交易次数的时间分布、流水类别、现金流、收支重合度中的至少一个。
在其中一个实施例中,所述对所述维度组中的待处理流水数据进行计算得到标准指标,包括以下至少一种:根据所述维度组中各维度的待处理流水数据绘制箱型图,并将所述箱型图的内限作为所述维度组中各维度的标准指标范围;根据所述维度组中各维度的待处理流水数据形生成卡方理论值和自由度,并根据所述自由度确定第一标准指标;所述将所述待比对数据与所述标准指标进行比对,并根据比对结果确定所述待分类企业的类型,包括:当所述维度的所述标准指标为所述标准指标范围,则将所述待比对数据与所述标准指标范围进行比对,并根据比对结果确定所述待分类企业的类型;当所述维度的所述标准指标为所述第一标准指标,则根据所述待比对数据与所述理论值计算卡方检验统计量,将所述卡方检验统计量与所述第一标准指标进行比对,并根据比对结果确定所述待分类企业的类型。
在其中一个实施例中,所述根据比对结果确定所述待分类企业的类型,包括:统计所述待分类企业的比对结果中异常指标的数量;当所述异常指标的数量大于等于预设值时,判定所述待分类企业为异常企业,否则判定所述待分类企业为正常企业。
在其中一个实施例中,所述方法还包括:按照所述异常指标的数量将各个待分类企业进行排序;获取排序靠前的预设数量的所述待分类企业作为目标企业,并为所述目标企业生成重点复查标识。
第二方面,本申请还提供了一种基于流水数据的企业分类装置,所述装置包括:
获取模块,用于获取待分类企业、所述待分类企业对应的目标流水数据以及所述待分类企业的行业信息;
数据处理模块,用于对所述目标流水数据进行处理得到不同维度下的待比对数据;
指标获取模块,用于获取所述行业信息对应的标准指标;
类型确定模块,用于将所述待比对数据与所述标准指标进行比对,并根据比对结果确定所述待分类企业的类型。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的方法的步骤。
上述基于流水数据的企业分类方法、装置、计算机设备、存储介质和计算机程序产品,通过待分类企业的行业信息获取对应的标准指标,通过对待分类企业的目标流水数据进行处理得到不同维度下的待比对数据,根据待比对数据与对应的目标指标的比对结果对待分类企业进行分类,分为异常企业和正常企业。通过与行业信息的目标指标进行比对的方式快速筛选出行业信息相同的待分类企业中的异常企业。
附图说明
图1为一个实施例中基于流水数据的企业分类方法的应用环境图;
图2为一个实施例中基于流水数据的企业分类方法的流程示意图;
图3为一个实施例中待分类企业的一个维度的处理步骤的流程示意图;
图4为一个实施例中基于流水数据的企业分类装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
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。
本申请实施例提供的基于流水数据的企业分类方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。终端102用于获取待分类企业、待分类企业对应的目标流水数据以及待分类企业的行业信息;对目标流水数据进行处理得到不同维度下的待比对数据;获取行业信息对应的标准指标;将待比对数据与标准指标进行比对,并根据比对结果确定待分类企业的类型。服务器104可以存储待分类企业、待分类企业对应的目标流水数据以及待分类企业的行业信息,以及行业信息对应的标准指标。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种基于流水数据的企业分类方法,以该方法应用于图1中的终端102为例进行说明,包括以下步骤:
步骤202,获取待分类企业、待分类企业对应的目标流水数据以及待分类企业的行业信息。
其中,待分类企业为需要确定类别的企业,企业的类别分为正常企业和异常企业,待分类企业即需要确定是否为异常企业的企业。目标流水数据为确定待分类企业的类别所用到的流水数据,目标流水数据包括但不限于企业基本数据和流水数据,其中企业基本数据包括企业名称、企业账号;企业流水数据包括流水数据的开始时间、流水数据的结束时间、时间跨度(天)、目标流水数据的条目数和目标流水数据的总交易金额、目标流水数据中的收入金额和支出金额、目标流水数据的类别中的至少一种。待分类企业的行业信息为待分类企业的所属行业,其中行业的种类是预先设置的,用户可以根据需要将各个待分类企业划分至对应的行业,例如,“xx企业”的“行业信息”为“半导体行业”。
具体地,终端获取待分类企业、确定待分类企业的类别的目标流水数据以及待分类企业的行业信息,其中,待分类企业的目标流水数据为待分类企业的企业名称、企业账号、流水数据的开始时间、流水数据的结束时间、时间跨度(天)、目标流水数据的条目数和目标流水数据的总交易金额、目标流水数据中的收入金额和支出金额、目标流水数据的类别中的至少一种。
步骤204,对目标流水数据进行处理得到不同维度下的待比对数据。
其中,维度包括交易金额、交易金额的时间分布、交易金额的非工作日分布、交易次数的时间分布、流水类别、现金流、收支重合度中的至少一个。交易金额为目标流水数据中的收入金额与支出金额的和。交易金额的时间分布为待分类企业的预设时间内的交易金额在一个周期内的总交易金额的占比,可选地预设时间为一日,一个周期为一周或一个月,本实施例并不对预设时间的长度和一个周期的长度做限定,可以根据需求对预设时间的长度和一个周期的长度进行更改。交易金额的非工作日分布为待分类企业的预设时间的交易金额在一个周期内的总交易金额的占比,可选地预设时间为非工作日,一个周期为一周或一个月,本实施例并不对预设时间具体日期和一个周期的长度做限定,可以根据需求对预设时间的具体日期和一个周期的长度进行更改。流水类别为水电能源、税费缴纳等。现金流为营收性收支。收支重合度为大额收入与对应的预设时间内的支出的重合度,可选地,大额收入的确定以3sigma为标准,对应的预设时间为大额收入的时间点之后的七日,本申请并不对大额收入的数量与大额收入的预设时间做限定,可以根据需求进行更改。
具体地,终端对待分类企业的目标流水数据按不同维度的特征进行处理获得各维度下的待比对数据。
步骤206,获取行业信息对应的标准指标。
其中,标准指标的作用为对待分类企业进行分类,每个行业信息对应多种标准指标。
具体地,终端获取待分类企业的行业信息的多种标准指标。
步骤208,将待比对数据与标准指标进行比对,并根据比对结果确定待分类企业的类型。
具体地,终端将待分类企业的不同维度下的待比对数据与对应的标准指标进行比对,并根据比对结果确定待分类企业的类型。若比对结果不满足预设结果,则将待分类企业确定为异常企业,若比对结果满足预设结果,则将待分类企业确定为正常企业。预设结果根据待比对数据与标准指标的匹配成功数量确定,本实施例不对匹配成功数量做限定,具体根据划分待分类企业的类型的实际需求确定。
上述基于流水数据的企业分类方法,通过待分类企业的行业信息获取对应的标准指标,通过对待分类企业的目标流水数据进行处理得到不同维度下的待比对数据,根据待比对数据与对应的目标指标的比对结果对待分类企业进行分类,分为异常企业和正常企业。通过与行业信息的目标指标进行比对的方式快速筛选出行业信息相同的待分类企业中的异常企业。
在一个实施例中,获取行业信息对应的标准指标之前,还包括:获取行业内多个不同企业的待处理流水数据;将待处理流水数据按照维度划分为不同的维度组;对维度组中的待处理流水数据进行计算得到标准指标。
具体地,终端获取同一行业信息对应的多个不同企业即同一行业内的多个不同企业的待处理流水数据。终端将待处理数据按照对应的标准指标的计算方法划分为不同的维度组,例如,待处理数据可以划分为10个维度,这10个维度对应10个标准指标,将10个维度的待处理数据计算成对应的标准指标的计算方法有3个,则将待处理数据划分为3个不同的维度组。终端对各维度组中的待处理数据按照相应的计算方法进行计算,以获得对应的标准指标。需要说明的是待处理数据的维度与标准指标的数量并不是一一对应的,同一维度的待处理数据,经过不同的计算方法苦役产生多种不同的标准指标;且维度组的数量和划分方式也并不做限定,上述根据标准指标的计算方法对维度进行划分仅是其中的一个划分方式。
上述基于流水数据的企业分类方法,根据行业多个不同企业的待处理流水数据进行计算得到标准指标,形成行业内即同一行业信息的标准指标,以用于根据同一行业的标准指标对同一行业的待分类企业进行异常企业筛选。且通过对待分类企业根据维度进行分组,可以快速进行相关维度的标准指标的计算。
在一个实施例中,所述对所述维度组中的待处理流水数据进行计算得到标准指标,包括以下至少一种:
根据所述维度组中各维度的待处理流水数据绘制箱型图,并将所述箱型图的内限作为所述维度组中各维度的标准指标范围。
其中,箱型图为显示一组数据分散情况资料的统计图,在本实施例中,一个维度组的一个维度绘制一幅箱型图,绘制箱型图的同一维度的多个待处理流水数据来自同一行业的多个不同企业。箱型图的内限[下限,内限]为箱型图的上限到箱型图的下限的区间,其中箱型图的上限的通过公式(1)计算,箱型图的下限通过公式(2)计算。
上限=min(Q3+1.5IQR,max) (1)
下限=max(Q1-1.5IQR,min) (2)
Figure BDA0003434991620000071
Figure BDA0003434991620000072
Figure BDA0003434991620000073
IQR=Q3-Q1 (6)
需要说明的是,n为绘制箱型图的数据的个数,Q1为箱型图的下四分位数,Q2为箱型图的中位数,Q3为箱型图的上四分位数。将绘制箱型图的数据从小到大依次排列,若
Figure BDA0003434991620000074
为整数,则将第
Figure BDA0003434991620000075
个数对应的数据作为下四分位数即Q1;若
Figure BDA0003434991620000076
不为整数,则将
Figure BDA0003434991620000077
向下取整,并获取向下取整的整数对应的数据A,将
Figure BDA0003434991620000078
并获取向上取整的整数对应的数据B,将A和B做差得到C,将
Figure BDA0003434991620000079
的小数部分记作D,则
Figure BDA00034349916200000710
对应的数据为(A+C*D)。Q2与Q3的数据获取方法和Q1的获取方式相同,在此不再赘述。
具体地,终端根据维度组中的维度的待处理数据确定箱型图的上四分位数和下四分位数,根据上四分位数和下四分位数确定对应箱型图的内限即标准指标范围。
根据维度组中各维度的待处理流水数据形成对应的生成卡方理论值和自由度,并根据自由度确定第一标准指标。
其中,卡方理论值为根据行业内多个企业的待处理数据获得对应的卡方理论值,自由度为k-1,即k为卡方理论值的类别,第一标准指标为卡方临界值。
具体地,终端将维度组中各维度的待处理数据进行处理获得对应的卡方理论值,根据卡方理论值的类别确定自由度,进而获得对应的卡方临界值作为第一标准指标。
将待比对数据与标准指标进行比对,并根据比对结果确定待分类企业的类型,包括:
当维度的标准指标为标准指标范围,则将待比对数据与标准指标范围进行比对,并根据比对结果确定待分类企业的类型。
具体地,当维度的标准指标为标准指标范围,则将待比对数据与标准指标范围进行比对,并根据比对结果确定待分类企业的类型。若待比对数据在标准指标范围内,则将待比对数据确定为正常指标;若待比对数据不在标准指标范围内,则将待比对数据确定为异常指标;根据待分类企业的异常指标的数量或占比确定待分类企业的所属类别。
当维度的标准指标为第一标准指标,则根据待比对数据与理论值计算卡方检验统计量,将卡方检验统计量与第一标准指标进行比对,并根据比对结果确定待分类企业的类型。
具体地,当维度的标准指标为第一标准指标,则根据待比对数据与理论值计算卡方检验统计量,将卡方检验统计量与第一标准指标进行比对,并根据比对结果确定待分类企业的类型。若待比对数据小于等于第一标准指标,则将待比对数据确定为正常指标;若待比对数据大于第一标准指标,则将待比对数据确定为异常指标;根据待分类企业的异常指标的数量或占比确定待分类企业的所属类别。
上述基于流水数据的企业分类方法,通过行业信息的相同维度的不同企业待处理数据的制定各对应的不同标准指标,以用于根据同一行业的标准指标对同一行业的待分类企业进行异常企业筛选。
在一个实施例中,根据比对结果确定待分类企业的类型,包括:统计待分类企业的比对结果中异常指标的数量;当异常指标的数量大于等于预设值时,判定待分类企业为异常企业,否则判定待分类企业为正常企业。
具体地,终端统计待分类企业的各维度的待处理数据与对应的标准指标的比对结果,待处理数据与对应的标准指标的比对结果显示为正常指标或异常指标,当异常指标的数量大于等于预设值时,判定待分类企业为异常企业,否则判定待分类企业为正常企业。
上述基于流水数据的企业分类方法,通过异常指标的数量确定异常企业,具有一定的容错性。
在一个实施例中,按照异常指标的数量将各个待分类企业进行排序;获取排序靠前的预设数量的待分类企业作为目标企业,并为目标企业生成重点复查标识。
其中,目标企业为相关部门或企业需要进行复查的企业。
具体地,终端按照异常指标的数量将各个待分类企业进行排序;获取排序靠前的预设数量的待分类企业作为目标企业,并为目标企业生成重点复查标识。可选地,预设数量为5,本实施例并不对预设数量做限定,具体地,可以根据行业信息确定待分类企业的数量,根据待分类企业的数量对目标企业的预设数量做限定。可选地,终端将重点复查标识对应的目标企业自身或者所属的相关监管部门进行预警。
上述基于流水数据的企业分类方法,根据异常指标的数量为各待分类企业进行排序,以对预设数量的待分类企业设置重点复查标识,以将重点复查标识对应的目标企业自身或者所属的相关监管部门进行预警。
在一个实施例中,终端获取一个行业内多个待分类企业的银行流水数据。其中,银行流水数据包括企业名称,企业账号,开始时间,结束时间,时间跨度(天),条目数和总交易金额。终端将待分类企业的银行流水数据按照维度进行处理,获得对应维度进行处理得到各维度的待比对数据。维度包括:交易金额、交易金额的时间分布、交易金额的非工作日分布、交易次数的时间分布、流水类别、现金流、收支重合度。
交易金额维度对应的待比对数据为多个。交易金额维度对应的第一个待比对数据为交易金额数列中的中位数对应的交易金额,待分类企业中每一条银行流水数据中的收入金额和支出金额相加形成交易金额列,将交易金额列中的交易金额从小到大排序,选取交易金额的条数中中位数的条数对应交易金额作为第一个待比对数据。交易金额维度对应的第二个至第七个待比对数据为待分类企业的支出/收入/总量金额是100或1000的倍数的比例。
相应的,交易金额维度对应的待比对数据对应的标准指标为多个。交易金额维度的第一个待比对数据的第一个标准指标的计算方式为:终端将一个行业内不同企业的银行流水数据放在一起,根据每个企业的交易金额数列中的中位数对应的交易金额形成一个数列并画出对应的箱型图,计算箱型图的内限:[上四分位数-1.5*四分位距,下四分位数+1.5*四分位距],将箱型图的内限作为第一标准指标的标准指标范围。具体的计算方式与上述实施例中的一致,在此不再赘述。交易金额维度的第二个至第七个待比对数据对应的第二个至第七个标准指标的计算方式为:终端将一个行业内不同企业的银行流水数据放在一起,根据每个企业的交易金额数列中的支出/收入/总量金额分别是100和1000的倍数比例形成一个数列并画出对应的箱型图,计算箱型图的内限:[上四分位数-1.5*四分位距,下四分位数+1.5*四分位距],将箱型图的内限作为相应标准指标的标准指标范围。
交易金额的时间分布维度对应的待比对数据为多个。交易金额的时间分布维度对应的第一个和第二个待比对数据为待分类企业每天的交易总金额在一个星期中交易总金额或一个月交易总金额中的占比。交易金额的时间分布维度对应的第三-二十六个待比对数据为每小时待分类企业的交易次数在0-24时内交易次数中的占比。
交易金额的时间分布维度的第一个或第二个待比对数据对应的第一标准指标的计算方式为:终端计算同一行业每个企业一个周期内每一天的交易金额在这个周期的总交易金额的占比简称交易金额占比,并计算这个周期内每一天的交易金额占比的中位数,并将该中位数作为卡方理论值。根据周期的天数划分卡方理论值的类别,根据卡方理论值的类别计算自由度,自由度=卡方理论值的类别-1,置信度选择0.05,根据自由度和置信度可以查表获得对应的第一标准指标。当周期为7时对应交易金额的时间分布维度的第一个待比对数据的第一标准指标,当周期为一个月时对应交易金额的时间分布维度的第二个待比对数据的第一标准指标。以图3为例,图3中的Ei理论推断值即为该行业的卡方理论值。由于这个周期为一周,有7个类的理论推断值,自由度为7-1=6,选择置信度为0.05,查表可知第一标准指标为12.59。如图3所示,Oi实际观测值为一个企业一个星期内每天的交易金额中位数为[20%,11%,18%,20%,25%,2%,4%]。计算卡方检验统计量:
Figure BDA0003434991620000111
比较卡方检验统计量和第一标准指标,因为4.213<12.59,判定没有证据证明有显著的差异,该企业的交易金额的时间分布维度的第一个待比对数据对应的第一标准指标正常。
交易金额的时间分布维度的第三-二十六个待比对数据对应的标准指标的计算方式:终端先去掉银行流水数据中没有时分秒的企业,再计算剩余企业预设时间内的交易次数在0-24时内交易次数中的占比,形成一个数列并画出对应的箱型图,计算箱型图的内限作为相应标准指标的标准指标范围。其中预设时间为0-1时为交易金额的时间分布维度的第三个待比对数据对应的标准指标…预设时间为23-24时为交易金额的时间分布维度的第二十六个待比对数据对应的标准指标。交易金额的非工作日分布维度对应的待比对数据为待分类企业的在非工作日的交易金额在一周交易总金额中的占比。
交易金额的非工作日分布维度的待比对数据对应的第一个标准指标的计算方式:终端计算的非工作日交易金额在一周的交易总金额中的占比,将上述每个企业的占比形成一个数列并画出对应的箱型图,计算箱型图的内限作为相应标准指标的标准指标范围。
交易次数的时间分布维度对应的待比对数据为多个。交易次数的时间分布维度对应的第一个和第二个待比对数据为待分类企业每天的交易次数在一个星期交易次数中或一个月交易次数中的占比。
交易次数的时间分布维度的第一个或第二个待比对数据对应的第一标准指标的计算方式为:终端计算同一行业每个企业一个周期内每一天的交易次数在这个周期的总交易次数的占比简称交易次数占比,并计算这个周期内每一天的交易次数占比的中位数,并将该中位数作为卡方理论值。根据周期的天数划分卡方理论值的类别,根据卡方理论值的类别计算自由度,自由度=卡方理论值的类别-1,置信度选择0.05,根据自由度和置信度可以查表获得对应的第一标准指标。
流水类别维度的待比对数据为待分类企业的交易金额占总交易金额最高的五个类别(分类规则可以根据实际需求进行变更)。
流水类别维度的待比对数据对应的标准指标的计算方式:终端获取同一行业内每一个企业交易金额占总交易金额最高的五个流水类别,将类别出现频次最高的5个流水类别作为标准指标。
现金流维度的待比对数据为从待分类企业的银行流水数据中筛选出经营性收支,以计算待分类企业特殊的支出在总支出中的占比,特殊的支出包括水电能源、税费缴纳、人力成本。
现金流维度的待比对数据对应的标准指标的计算方式:终端从同一行业的企业中筛选出经营性收支,以计算每个企业的特殊的支出在总支出中的占比,根据上述每个企业的占比形成一个数列并画出对应的箱型图,计算箱型图的内限作为相应标准指标的标准指标范围。
收支重合度维度的待处理数据为多个。收支重合度维度的第一个待处理数据为大额收入7天内的收支重合度中位数,计算待分类企业的银行流水数据中的大额收入--以3sigma为标准,计算转出时长即每一笔大额收入待分类企业全部花完的时长,以大额收入7天内平均收支重合度:以大额收入的那一笔为起点,往后看7天的支出记录总和;重复度=大额收入金额/7天支出记录总和。收支重合度维度的第二个待处理数据为以7天作为一个滑动窗口计算7天内的总收入和下一个7天的总支出计算重复度。例如:一个待分类企业的银行流水时间为2020/1/1--2020/12/31,则按照以下方式进行计算第二个待处理数据:
1/1-1/7的收入/1/8-1/14的支出-->7天内企业收支重合度1;
1/2-1/8的收入/1/9-1/15的支出-->7天内企业收支重合度2;
1/3-1/9的收入/1/10-1/16的支出-->7天内企业收支重合度3;
......
12/18-12/24的收入/12/25-12/31的支出-->7天内企业收支重合度N。
对上述7天内企业收支重合度1-N按大小进行排序,选取7天内企业收支重合度中位数作第二个待处理数据。
收支重合度维度的第一个待处理数对应的标准指标的计算方式:终端根据同一行业的多个企业中大额收入7天内的收支重合度的中位数画出对应的箱型图,计算箱型图的内限作为相应标准指标的标准指标范围。收支重合度维度的第二个待处理数对应的标准指标的计算方式:终端根据同一行业的多个企业中重合度的中位数画出对应的箱型图,计算箱型图的内限作为相应标准指标的标准指标范围。
比较卡方检验统计量和临界值,因为4.213<12.59,判定没有证据证明有显著的差异。
终端将待处理数据与对应的标准指标做对比,若标准指标为标准指标范围,则判断待处理数据是否在对应的标准指标范围,若否,则输出不在标准指标范围内的企业名和异常指标;若标准指标为第一标准指标,则根据待处理数据与卡方理论值计算对应的卡方检验统计量,将所述卡方检验统计量与所述第一标准指标进行比对,若卡方检验统计量大于所述第一标准指标,则输出不在标准指标范围内的企业名和异常指标。
终端统计出同一行业内所有存在异常指标的企业的异常指标个数,并按照异常指标的个数从大到小进行排序,将异常指标个数最多的前五个企业向自身或相关监管部门发送预警信息。
上述基于流水数据的企业分类方法,通过待分类企业的行业信息获取对应的标准指标,通过对待分类企业的目标流水数据进行处理得到不同维度下的待比对数据,根据待比对数据与对应的目标指标的比对结果对待分类企业进行分类,分为异常企业和正常企业。通过与行业信息的目标指标进行比对的方式快速筛选出行业信息相同的待分类企业中的异常企业。
上述实施例中的中位数若无特殊说明均指将数列中的数据按从大到小的顺序排序,按照数列中数据的个数确定中位数的位置,根据中位数的位置定位对应的数据。上述实施例中确定标准指标的同一行业的不同企业可以为指定的企业,也可以有待分类企业构成,本申请并不对同一行业的不同企业的数量和类型做限定,根据实际需求进行具体限定。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的基于流水数据的企业分类方法的基于流水数据的企业分类装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个基于流水数据的企业分类装置实施例中的具体限定可以参见上文中对于基于流水数据的企业分类方法的限定,在此不再赘述。
在一个实施例中,如图4所示,提供了一种基于流水数据的企业分类装置,包括获取模块100、数据处理模块200、指标获取模块300和类型确定模块400,其中:
获取模块100,用于获取待分类企业、待分类企业对应的目标流水数据以及待分类企业的行业信息。
数据处理模块200,用于对目标流水数据进行处理得到不同维度下的待比对数据。
指标获取模块300,用于获取行业信息对应的标准指标。
类型确定模块400,用于将待比对数据与标准指标进行比对,并根据比对结果确定待分类企业的类型。
在一个实施例中,还包括:
待处理数据获取模块,用于获取行业内多个不同企业的待处理流水数据。
维度组划分模块,用于将待处理流水数据按照维度划分为不同的维度组。
计算模块,用于对维度组中的待处理流水数据进行计算得到标准指标。
在一个实施例中,维度包括交易金额、交易金额的时间分布、交易金额的非工作日分布、交易次数的时间分布、流水类别、现金流、收支重合度中的至少一个。
在一个实施例中,计算模块,包括以下至少一种:
第一计算模块,用于根据维度组中各维度的待处理流水数据绘制箱型图,并将箱型图的内限作为维度组中各维度的标准指标范围。
第二计算模块,用于根据维度组中各维度的待处理流水数据形生成卡方理论值和自由度,并根据自由度确定第一标准指标。
类型确定模块,包括:
第一确定模块,用于当维度的标准指标为标准指标范围,则将待比对数据与标准指标范围进行比对,并根据比对结果确定待分类企业的类型。
第二确定模块,用于当维度的标准指标为第一标准指标,则根据待比对数据与理论值计算卡方检验统计量,将卡方检验统计量与第一标准指标进行比对,并根据比对结果确定待分类企业的类型。
在一个实施例中,类型确定模块400,包括:
统计模块,用于统计待分类企业的比对结果中异常指标的数量。
判定模块,用于当异常指标的数量大于等于预设值时,判定待分类企业为异常企业,否则判定待分类企业为正常企业。
在一个实施例中,基于流水数据的企业分类装置还包括:
排序模块,用于按照异常指标的数量将各个待分类企业进行排序。
标识生成模块,用于获取排序靠前的预设数量的待分类企业作为目标企业,并为目标企业生成重点复查标识。
上述基于流水数据的企业分类装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于流水数据的企业分类方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取待分类企业、待分类企业对应的目标流水数据以及待分类企业的行业信息;
对目标流水数据进行处理得到不同维度下的待比对数据;
获取行业信息对应的标准指标;
将待比对数据与标准指标进行比对,并根据比对结果确定待分类企业的类型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取行业内多个不同企业的待处理流水数据;将待处理流水数据按照维度划分为不同的维度组;对维度组中的待处理流水数据进行计算得到标准指标。
在一个实施例中,处理器执行计算机程序时所实现的维度包括交易金额、交易金额的时间分布、交易金额的非工作日分布、交易次数的时间分布、流水类别、现金流、收支重合度中的至少一个。
在一个实施例中,处理器执行计算机程序时所实现的对维度组中的待处理流水数据进行计算得到标准指标,包括以下至少一种:
根据维度组中各维度的待处理流水数据绘制箱型图,并将箱型图的内限作为维度组中各维度的标准指标范围;根据维度组中各维度的待处理流水数据形生成卡方理论值和自由度,并根据自由度确定第一标准指标;将待比对数据与标准指标进行比对,并根据比对结果确定待分类企业的类型,包括:当维度的标准指标为标准指标范围,则将待比对数据与标准指标范围进行比对,并根据比对结果确定待分类企业的类型;当维度的标准指标为第一标准指标,则根据待比对数据与理论值计算卡方检验统计量,将卡方检验统计量与第一标准指标进行比对,并根据比对结果确定待分类企业的类型。
在一个实施例中,处理器执行计算机程序时所实现的根据比对结果确定待分类企业的类型,包括:统计待分类企业的比对结果中异常指标的数量;当异常指标的数量大于等于预设值时,判定待分类企业为异常企业,否则判定待分类企业为正常企业。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:按照异常指标的数量将各个待分类企业进行排序;获取排序靠前的预设数量的待分类企业作为目标企业,并为目标企业生成重点复查标识。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待分类企业、待分类企业对应的目标流水数据以及待分类企业的行业信息;
对目标流水数据进行处理得到不同维度下的待比对数据;
获取行业信息对应的标准指标;
将待比对数据与标准指标进行比对,并根据比对结果确定待分类企业的类型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取行业内多个不同企业的待处理流水数据;将待处理流水数据按照维度划分为不同的维度组;对维度组中的待处理流水数据进行计算得到标准指标。
在一个实施例中,计算机程序被处理器执行时所实现的维度包括交易金额、交易金额的时间分布、交易金额的非工作日分布、交易次数的时间分布、流水类别、现金流、收支重合度中的至少一个。
在一个实施例中,计算机程序被处理器执行时所实现的对维度组中的待处理流水数据进行计算得到标准指标,包括以下至少一种:
根据维度组中各维度的待处理流水数据绘制箱型图,并将箱型图的内限作为维度组中各维度的标准指标范围;根据维度组中各维度的待处理流水数据形生成卡方理论值和自由度,并根据自由度确定第一标准指标;将待比对数据与标准指标进行比对,并根据比对结果确定待分类企业的类型,包括:当维度的标准指标为标准指标范围,则将待比对数据与标准指标范围进行比对,并根据比对结果确定待分类企业的类型;当维度的标准指标为第一标准指标,则根据待比对数据与理论值计算卡方检验统计量,将卡方检验统计量与第一标准指标进行比对,并根据比对结果确定待分类企业的类型。
在一个实施例中,计算机程序被处理器执行时所实现的根据比对结果确定待分类企业的类型,包括:统计待分类企业的比对结果中异常指标的数量;当异常指标的数量大于等于预设值时,判定待分类企业为异常企业,否则判定待分类企业为正常企业。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:按照异常指标的数量将各个待分类企业进行排序;获取排序靠前的预设数量的待分类企业作为目标企业,并为目标企业生成重点复查标识。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取待分类企业、待分类企业对应的目标流水数据以及待分类企业的行业信息;
对目标流水数据进行处理得到不同维度下的待比对数据;
获取行业信息对应的标准指标;
将待比对数据与标准指标进行比对,并根据比对结果确定待分类企业的类型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取行业内多个不同企业的待处理流水数据;将待处理流水数据按照维度划分为不同的维度组;对维度组中的待处理流水数据进行计算得到标准指标。
在一个实施例中,计算机程序被处理器执行时所实现的维度包括交易金额、交易金额的时间分布、交易金额的非工作日分布、交易次数的时间分布、流水类别、现金流、收支重合度中的至少一个。
在一个实施例中,计算机程序被处理器执行时所实现的对维度组中的待处理流水数据进行计算得到标准指标,包括以下至少一种:
根据维度组中各维度的待处理流水数据绘制箱型图,并将箱型图的内限作为维度组中各维度的标准指标范围;根据维度组中各维度的待处理流水数据形生成卡方理论值和自由度,并根据自由度确定第一标准指标;将待比对数据与标准指标进行比对,并根据比对结果确定待分类企业的类型,包括:当维度的标准指标为标准指标范围,则将待比对数据与标准指标范围进行比对,并根据比对结果确定待分类企业的类型;当维度的标准指标为第一标准指标,则根据待比对数据与理论值计算卡方检验统计量,将卡方检验统计量与第一标准指标进行比对,并根据比对结果确定待分类企业的类型。
在一个实施例中,计算机程序被处理器执行时所实现的根据比对结果确定待分类企业的类型,包括:统计待分类企业的比对结果中异常指标的数量;当异常指标的数量大于等于预设值时,判定待分类企业为异常企业,否则判定待分类企业为正常企业。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:按照异常指标的数量将各个待分类企业进行排序;获取排序靠前的预设数量的待分类企业作为目标企业,并为目标企业生成重点复查标识。需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于流水数据的企业分类方法,其特征在于,所述方法包括:
获取待分类企业、所述待分类企业对应的目标流水数据以及所述待分类企业的行业信息;
对所述目标流水数据进行处理得到不同维度下的待比对数据;
获取所述行业信息对应的标准指标;
将所述待比对数据与所述标准指标进行比对,并根据比对结果确定所述待分类企业的类型。
2.根据权利要求1所述的方法,其特征在于,所述获取所述行业信息对应的标准指标之前,还包括:
获取行业内多个不同企业的待处理流水数据;
将所述待处理流水数据按照维度划分为不同的维度组;
对所述维度组中的待处理流水数据进行计算得到标准指标。
3.根据权利要求2所述的方法,其特征在于,所述维度包括交易金额、交易金额的时间分布、交易金额的非工作日分布、交易次数的时间分布、流水类别、现金流、收支重合度中的至少一个。
4.根据权利要求3所述的方法,其特征在于,所述对所述维度组中的待处理流水数据进行计算得到标准指标,包括以下至少一种:
根据所述维度组中各维度的待处理流水数据绘制箱型图,并将所述箱型图的内限作为所述维度组中各维度的标准指标范围;
根据所述维度组中各维度的待处理流水数据形生成卡方理论值和自由度,并根据所述自由度确定第一标准指标;
所述将所述待比对数据与所述标准指标进行比对,并根据比对结果确定所述待分类企业的类型,包括:
当所述维度的所述标准指标为所述标准指标范围,则将所述待比对数据与所述标准指标范围进行比对,并根据比对结果确定所述待分类企业的类型;
当所述维度的所述标准指标为所述第一标准指标,则根据所述待比对数据与所述理论值计算卡方检验统计量,将所述卡方检验统计量与所述第一标准指标进行比对,并根据比对结果确定所述待分类企业的类型。
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述根据比对结果确定所述待分类企业的类型,包括:
统计所述待分类企业的比对结果中异常指标的数量;
当所述异常指标的数量大于等于预设值时,判定所述待分类企业为异常企业,否则判定所述待分类企业为正常企业。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
按照所述异常指标的数量将各个待分类企业进行排序;
获取排序靠前的预设数量的所述待分类企业作为目标企业,并为所述目标企业生成重点复查标识。
7.一种基于流水数据的企业分类装置,其特征在于,所述装置包括:
获取模块,用于获取待分类企业、所述待分类企业对应的目标流水数据以及所述待分类企业的行业信息;
数据处理模块,用于对所述目标流水数据进行处理得到不同维度下的待比对数据;
指标获取模块,用于获取所述行业信息对应的标准指标;
类型确定模块,用于将所述待比对数据与所述标准指标进行比对,并根据比对结果确定所述待分类企业的类型。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,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中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202111609762.8A 2021-12-27 2021-12-27 基于流水数据的企业分类方法、装置、设备、介质和产品 Pending CN114372681A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111609762.8A CN114372681A (zh) 2021-12-27 2021-12-27 基于流水数据的企业分类方法、装置、设备、介质和产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111609762.8A CN114372681A (zh) 2021-12-27 2021-12-27 基于流水数据的企业分类方法、装置、设备、介质和产品

Publications (1)

Publication Number Publication Date
CN114372681A true CN114372681A (zh) 2022-04-19

Family

ID=81141676

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111609762.8A Pending CN114372681A (zh) 2021-12-27 2021-12-27 基于流水数据的企业分类方法、装置、设备、介质和产品

Country Status (1)

Country Link
CN (1) CN114372681A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117275636A (zh) * 2023-09-18 2023-12-22 上海梅斯医药科技有限公司 一种通用系统自动化质疑临床异常数据的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110490720A (zh) * 2019-07-08 2019-11-22 深圳壹账通智能科技有限公司 财务数据分析预警方法、装置、计算机设备和存储介质
US20200028862A1 (en) * 2018-07-17 2020-01-23 International Business Machines Corporation Distributed machine learning for anomaly detection
CN111784487A (zh) * 2020-06-23 2020-10-16 浙江保融科技有限公司 一种基于动态财资流的中小企业超短期信用评价方法
CN112801773A (zh) * 2021-01-20 2021-05-14 招商银行股份有限公司 企业风险预警方法、装置、设备及存储介质
CN113191872A (zh) * 2021-04-21 2021-07-30 见知数据科技(上海)有限公司 一种基于银行流水收支重合度的不规范行为判断方法
CN113610615A (zh) * 2021-07-23 2021-11-05 上海孚厘科技有限公司 一种根据流水判别企业经营水平的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200028862A1 (en) * 2018-07-17 2020-01-23 International Business Machines Corporation Distributed machine learning for anomaly detection
CN110490720A (zh) * 2019-07-08 2019-11-22 深圳壹账通智能科技有限公司 财务数据分析预警方法、装置、计算机设备和存储介质
CN111784487A (zh) * 2020-06-23 2020-10-16 浙江保融科技有限公司 一种基于动态财资流的中小企业超短期信用评价方法
CN112801773A (zh) * 2021-01-20 2021-05-14 招商银行股份有限公司 企业风险预警方法、装置、设备及存储介质
CN113191872A (zh) * 2021-04-21 2021-07-30 见知数据科技(上海)有限公司 一种基于银行流水收支重合度的不规范行为判断方法
CN113610615A (zh) * 2021-07-23 2021-11-05 上海孚厘科技有限公司 一种根据流水判别企业经营水平的方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117275636A (zh) * 2023-09-18 2023-12-22 上海梅斯医药科技有限公司 一种通用系统自动化质疑临床异常数据的方法
CN117275636B (zh) * 2023-09-18 2024-05-28 上海梅斯医药科技有限公司 一种通用系统自动化质疑临床异常数据的方法

Similar Documents

Publication Publication Date Title
CN107622326B (zh) 用户分类、可用资源预测方法、装置及设备
CN111626682B (zh) 一种成本的核算方法、装置、计算机设备和存储介质
CN115641019A (zh) 指标异常分析方法、装置、计算机设备和存储介质
CN111178830B (zh) 成本的核算方法、装置、计算机设备和存储介质
CN114372681A (zh) 基于流水数据的企业分类方法、装置、设备、介质和产品
CN114970679A (zh) 风险评估数据处理方法、装置、设备、介质和程序产品
CN116304251A (zh) 标签处理方法、装置、计算机设备和存储介质
CN115689713A (zh) 异常风险数据处理方法、装置、计算机设备和存储介质
KR101462858B1 (ko) 기업의 해외 진출 역량 평가 방법
US20230087206A1 (en) Intellectual-property analysis platform
US20230090090A1 (en) Intellectual-property analysis platform
CN115049429A (zh) 增益预测方法、装置和计算机设备
CN114881761A (zh) 相似样本的确定方法与授信额度的确定方法
Chiong et al. Estimation of graphical models using the L 1, 2 norm
CN115408396B (zh) 业务数据的存储方法、装置、计算机设备和存储介质
CN113947334A (zh) 可配置的电力交易风险监测方法、装置和计算机设备
CN115860273B (zh) 用电负荷预测方法、装置、计算机设备和存储介质
CN115063187B (zh) 一种电子商务数据处理方法、系统、电子设备及介质
CN114155038B (zh) 受疫情影响用户识别方法
US20230089425A1 (en) Intellectual-property analysis platform
CN114626701A (zh) 社区风险预警方法、装置、计算机设备和存储介质
CN116051152A (zh) 业务产品生成方法、装置、计算机程序产品和存储介质
CN115757958A (zh) 产品推荐方法、装置、计算机设备和存储介质
CN115878746A (zh) 政策文本确定方法和装置
CN115587285A (zh) 目标对象识别方法、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