CN114386734A - 使用人工智能和机器学习用于技术分析的企业管理系统 - Google Patents

Abstract

本公开的实施例涉及使用人工智能和机器学习用于技术分析的企业管理系统。一种系统可以接收与客户端企业相关联的企业信息。系统可以使用行业分析模型来选择与获取状态信息相关联的查询集，状态信息与客户端企业的技术简档相关联。系统可以生成与企业信息和状态信息相关联的客户端数据。系统可以使用矩阵因子分解技术将与客户端企业相关联的客户端数据转换为客户端矩阵。系统可以使用矩阵因子分解技术将与参考企业相关联的参考数据转换为参考矩阵。系统可以基于客户端矩阵和参考矩阵的比较来确定与技术简档的技术指标相关联的分数集。系统可以基于分数集来执行与客户端企业相关联的动作。

Description

使用人工智能和机器学习用于技术分析的企业管理系统

技术领域

本公开的实施例涉及人工智能和机器学习，更具体地涉及使用人工智能和机器学习来管理企业。

背景技术

企业可以使用各种类型的技术来管理企业、提供服务、执行操作等。例如，某些技术可能包括各种类型的自动化系统、软件系统、计算技术、网络和通信技术等。企业指定某些个人和/或部门(例如，信息技术(IT)部门、人力资源(HR)部门，等等)来管理企业内部的、和/或由企业的某些代表的技术使用，取决于个人的角色或企业的需要。

发明内容

在一些实现中，一种方法包括：获取行业分析模型，行业分析模型被配置为分析与特定行业相关联的企业；接收与客户端企业相关联的企业信息；使用行业分析模型，选择与获取状态信息相关联的查询集，状态信息与客户端企业的技术简档相关联；向客户端设备提供查询集以获取状态信息；从客户端设备接收状态信息；生成与企业信息和状态信息相关联的客户端数据；使用矩阵因子分解技术，将与客户端企业相关联的客户端数据转换为客户端矩阵；基于客户端数据，选择与参考企业的参考技术简档相关联的参考数据，参考企业与特定行业相关联；使用矩阵因子分解技术，将参考数据转换为参考矩阵；基于客户端矩阵和参考矩阵的比较，确定与技术简档的技术指标相关联的分数集；以及基于分数集，执行与客户端企业相关联的动作。

在一些实现中，一种设备包括：一个或多个存储器；以及一个或多个处理器，被通信地耦合到一个或多个存储器，一个或多个处理器被配置为：接收与客户端企业相关联的企业信息；从企业信息中确定与客户端企业相关联的企业特性；基于企业特性，选择与获取状态信息相关联的查询集，状态信息与客户端企业的技术简档相关联；向客户端设备提供查询集以获取状态信息；从客户端设备接收状态信息；生成与状态信息中所标识的企业特性和技术指标相关联的客户端数据；基于客户端数据，选择与参考企业的参考技术简档相关联的参考数据，参考企业与特定行业相关联；使用矩阵因子分解技术从客户端数据生成客户端矩阵，客户端矩阵基于技术指标和企业特性；使用矩阵因子分解技术从客户端数据生成参考矩阵，参考矩阵基于参考企业的对应技术指标和对应企业特性；基于客户端矩阵和参考矩阵的比较，确定与对技术简档的特定技术的使用相关联的推荐；以及执行与推荐和客户端企业相关联的动作。

在一些实现中，一种非暂态计算机可读介质，存储指令集，指令集包括：一个或多个指令，该一个或多个指令在由设备的一个或多个处理器执行时使设备：收集与多个参考企业相关联的参考信息，多个参考企业与特定行业相关联；从参考信息中确定与特定行业相关联的技术指标；基于技术指标，生成与获取针对客户端企业的技术指标的状态信息相关联的查询集；向与客户端企业相关联的客户端设备提供查询集以获取状态信息；从客户端设备接收与客户端设备相关联的状态信息和企业特性；生成与企业特性和状态信息相关联的客户端数据；基于企业特性，从多个参考企业中，确定与客户端企业相似的参考企业集；获取与参考企业集相关联的参考数据；使用矩阵因子分解，将客户端数据转换为客户端矩阵并且将参考数据转换为参考矩阵；基于客户端矩阵和参考矩阵的比较，确定与技术简档的技术指标相关联的分数集；以及基于分数集，执行与客户端企业相关联的动作。

附图说明

图1A-图1C是本文描述的示例实现的示图。

图2是本文所描述的系统和/或方法，所述示例可以在其中被实现的示例环境的示图。

图3是一个或多个图2的设备的示例组件的示图。

图4是与用于企业分析和集成技术有关的示例过程的流程图。

具体实施方式

示例实现的以下详细描述参考附图。不同附图中的相同附图标记可标识相同或相似的元件。

在许多情况下，针对各种原因，企业的任务是集成一种或多种技术。例如，企业可能会选择无纸化以减少浪费、与纸张、邮寄纸张等相关的成本等。作为另一个例子，企业可以选择利用基于云的计算平台用于代表的逐日的计算，以拥有集中式平台，其可以更容易地保护、监控和/或共享信息(例如，文档和/或文件)。在某些技术继续单独地进步(例如，变得更高效、更灵活、更易于访问等)的同时，技术的多样性继续增加。越来越多的基于技术的选项可供企业和/或行业使用。

因此，企业的任务是决定是否某些技术应该被采用和/或以一种或另一种形式被与企业集成。目前，这些决定中有许多是基于对技术的分析得出的推测(例如，技术如何操作、技术提供什么服务等)，采用该技术的成本/收益分析、该技术的市场分析，等等。然而，在许多情况下，这种分析是针对无法提供该技术是否应该被企业采用的准确评估的信息来被执行的。例如，这种信息和/或数据可能是不完整的(例如，由于可用信息的宽阔的多样性)、不准确的(例如，由于可用信息已过时)和/或不相关的(例如，与不关联于企业或与企业不相似的用户或企业相关联的评论或使用信息)。

本文描述的一些实现提供了一种企业管理系统，其被配置为基于企业的特点、企业的技术简档和/或与企业的行业相关联的技术信息，针对企业标识、确定和/或支持技术的集成。企业管理系统可以在参考数据结构内收集和/或维护与各种行业相关联的各种技术信息，以提供完整、准确和相关信息的集中位置。如本文所述，企业管理系统可以利用一个或多个机器学习模型来分析和/或比较以上所述，从参考数据结构中选择最相关的信息，确定某种技术的最佳集成，并且支持技术的集成。

结果，企业管理系统可以节约计算资源(例如，处理资源、存储器资源，等等)和/或通信资源(例如，网络的无线或有线资源)，否则可能会被访问、获取和/或分析不完整的信息集、不准确的信息集和/或不相关的信息集所消耗。此外，企业管理系统可允许针对某些最佳技术(例如，根据本文所述的一个或多个模型)而被集成到企业内，其使得企业能够节约某些资源(例如，计算资源、硬件资源、网络资源、劳动力，等等)，否则，如果不集成这种最佳技术，这些资源可能会被浪费。

这样，企业管理系统可以支持技术的推荐和/或集成的确定。此外，企业管理系统可以使得(例如，基于与特定技术相关联的信息和/或资源)技术被企业集成和/或利用，其防止了与计算设备相关联的计算资源(例如，处理资源、存储器资源、电能资源，等等)的浪费，在其他方面这些资源将被人员使用以集成技术。

图1A-图1C是与为企业分析和集成技术相关联的示例100的示图。如图1A-图1C所示，示例100包括一个或多个行业源、企业管理系统和与客户端企业代表(例如，企业管理系统的用户)相关联的客户端设备。如示例100所示，企业管理系统包括参考数据结构、信息预处理器、行业分析模型、状态查询数据结构、矩阵生成器和企业评估模型。

如图1A所示，并且通过参考编号105，企业管理系统收集并标记参考信息。例如，企业管理系统可以从一个或多个行业源接收参考信息。行业源可以包括向企业管理系统(例如，经由用户输入、数据上传、数据传输，等等)提供企业信息和/或技术信息的平台(例如，在线平台、媒体平台、应用平台、开源平台，等等)。在一些实现中，行业源可以包括特定类型的信息源，例如新闻源(例如，财经新闻源、市场新闻源、行业特定新闻源，等等)、数据分析平台、众包平台(例如，调查平台、评论平台，等等)、研究平台，等等。附加地或备选地，行业源可以包括与特定个人或组织相关联的一个或多个设备，该个人或组织以通信方式耦合到企业管理系统(例如，经由网络，诸如通信网络、互联网，等等)。

在一些实现中，企业管理系统可以被配置为从这种平台、设备、和/或其他类似系统收集参考信息(例如，经由网络爬虫、机器人过程自动化(RPA)、物联网(IoT)系统，等等)。在这种情况下，企业管理系统可以根据时间表和/或根据特定事件(例如，临时用户请求、行业特定事件、企业特定事件，等等)定期地收集参考信息。

企业管理系统可以利用信息预处理器来接收参考信息，处理参考信息(例如，分析、解析、排序，等等)，并且将参考信息转换为统一格式用于在参考数据结构中的存储。信息预处理器可以使用任何合适的技术来接收、处理和/或分析参考信息。例如，信息预处理器可以利用应用编程接口(API)、光学字符识别(OCR)、自然语言处理(NLP)、计算机视觉技术等来处理所接收的参考信息用于在参考数据结构中的存储。

因此，如所示，来自行业源的参考信息被存储在参考数据结构中。参考信息可以包括标识参考企业的一个或多个企业特性的企业信息和/或标识参考企业的一个或多个技术简档的技术信息。更具体地说，这种企业信息可以包括与参考企业相关联的收入信息、与参考企业相关联的增长信息、参考企业提供服务的一个或多个行业、参考企业的市场、参考企业的位置，等等。技术信息可以包括被企业使用的技术类型和/或技术使用水平。使用水平可以基于特定规模，诸如数目范围、成熟度水平(例如，低使用、发展中使用、新兴使用、战略使用和/或领先使用)、基于行业的水平(例如、技术领先企业、技术中间企业和/或技术落后企业)。

如本文所述，信息预处理器可以将针对参考企业的企业信息和/或技术信息分类到针对参考企业所创建的、与参考企业相关联的和/或所指定的参考数据结构的条目中。信息预处理器可以用一个或多个与示例企业特性、技术简档等相关联的标识符和/或标志来标记条目。这样，参考数据结构可以是可搜索的(例如，经由索引、图表，等等)以准许企业管理系统标识与某些企业特性、技术类型、技术使用水平等相关联的条目。

因此，作为示例，信息预处理器可以收集和/或接收与一个或多个行业的一个或多个企业相关联的历史调查、历史文章、历史研究文档，等等。信息预处理器可以处理历史调查、历史文章、历史研究文档，以提取和/或标识与企业相关联的企业特性和/或技术简档，并将参考数据存储在与所提取和/或所标识的企业特性和/或技术简档相关联的参考数据结构中。

在一些实现中，参考数据结构可以存储与数百、数千、数百万或更多的参考企业相关联的数百、数千、数百万或更多的参考信息，该参考企业可能涉及不同行业和/或可能与不同类型的企业特性和/或技术简档相关联。附加地或备选地，企业管理系统可以处理数百、数千、数百万或更多参考信息集以生成在参考数据结构中的用于所处理的参考信息的存储的条目。

以这种方式，企业管理系统可以收集并标记参考信息以准许企业管理系统使用参考信息来确定针对企业的基于技术的推荐和/或支持针对企业的特定技术的集成，如本文所描述的。

如图1A进一步所示，并且通过参考编号110，企业管理系统训练行业分析模型来标识技术指标。企业管理系统可以根据时间表和/或基于特定事件(例如，新的参考信息或被添加到参考数据结构的新条目)定期地训练行业分析模型。

行业分析模型可以包括和/或与一种或多种人工智能技术(例如，机器学习和/或深度学习，等等)相关联，以标识技术指标。技术指标可以对应于负面地和/或正面地影响特定企业的绩效的基于技术的关键绩效指标(KPI)。在一些实现中，技术指标可以是行业特定的。例如，针对第一行业的技术指标(或KPI)可能与针对第二行业的技术指标不同。

如本文所述，行业分析模型可以基于针对一个或多个行业参数的历史值，使用与与标识与行业和/或企业相关联的一个或多个技术指标相关联的历史数据来被训练(例如，根据神经网络技术、线性回归技术，等等)。这种行业参数可以包括行业的KPI，诸如收入指标、增长指标、大小指标(例如，代表基于员工数量、位置、价值等的企业大小)、位置、市场、技术简档(例如，包括(多个)使用水平和/或正在被使用的(多个)技术类型)，等等。使用针对一个或多个行业参数的历史数据和值作为行业分析模型的输入，企业管理系统可以标识用于与技术集成相关的分析的行业指标，以准许企业管理系统确定针对企业的最佳技术简档和/或支持技术简档的一种或多种技术的集成，如本文所述。在一些实现中，企业管理系统(和/或与被指派训练行业分析模型的企业管理系统相关联的另一个计算系统)可以通过更新历史数据以包括与一个或多个行业参数的输入值相关联的经验证的或未经验证的结果来重新训练行业分析模型。

以这种方式，企业管理系统可以训练行业分析模型以准许企业管理系统分析所接收的与客户端企业相关联的企业信息，如本文所述。

如图1B所示，并且通过参考编号115，企业管理系统从客户端设备接收企业信息。例如，客户端企业代表(例如，信息技术代表、人力资源代表、管理/领导代表，等等)可以经由客户端设备提供企业信息以响应消息(或其他通信)，其请求企业管理系统评估客户端企业的技术简档。在一些实现中，企业管理系统可以利用一个或多个用户界面和/或消息传递界面来与客户端设备和/或客户端企业代表交互，如本文所述。例如，企业管理系统可以利用文本界面、语音界面、即时消息界面、聊天机器人，等等。

企业信息可以包括与企业相关联的一个或多个标识符(例如，企业名称、企业序列号、企业帐号、客户端企业代表的姓名或用户名，等等)。附加地或备选地，企业信息可以包括与客户端企业、客户端企业的行业等相关联的位置信息。企业管理系统可以被配置为向客户端企业代表提供服务，其包括管理客户端企业的技术、确定客户端企业的最佳技术简档和/或支持针对客户端代表的新技术的集成(和/或旧技术的去除)。因此，基于从客户端企业接收这种请求或通信，企业管理系统可以基于请求的特点(例如，客户端设备的源地址、客户端设备的位置，等等)来获得企业信息。

以这种方式，企业管理系统可以接收与客户端企业相关联的企业信息以准许企业管理系统确定将从客户端企业获得的状态信息的类型。

如图1B中进一步所示，并且通过参考编号120，企业管理系统经由经训练的行业分析模型，基于企业信息确定技术指标。例如，企业管理系统可以使用经训练的行业分析模型来标识可能对企业绩效(例如，正面地或负面地)有贡献的某些技术指标。在一些实现中，企业管理系统可以基于在企业信息内所标识的和/或从企业信息中所确定的企业特性(例如，使用信息预处理器的一种或多种处理技术)来确定技术指标。

以这种方式，使用经训练的行业分析模型，企业管理系统可以确定要分析企业的哪些技术指标以确定最佳技术简档，如本文所述。

如图1B中进一步所示，并且通过参考编号125，企业管理系统经由经训练的行业分析模型，可以获取与技术指标相关联的行业特定状态查询。例如，状态查询数据结构可以存储映射到某些技术指标(例如，针对某些行业)的查询。在一些实现中，查询可以获取和/或与被用作获取参考数据结构中的参考数据的查询(例如，来自调查、问卷、民意调查，等等)相关联。

企业管理系统可以从状态查询数据结构中选择和/或生成可以被用作获取与技术指标相关联的状态信息的查询集。例如，查询集可以包括关于企业是否使用特定类型的技术、特定类型的技术如何被使用、特定类型的技术在何处被使用、特定类型的技术何时被使用、谁使用(例如，哪些部门、代表，等等)特定类型的技术、特定类型的技术被使用了多长时间，等等的特定问题。

以这种方式，企业管理系统可以获取与来自相对于确定企业的最佳技术简档的企业的最相关状态信息相关联的行业特定状态查询。

如图1B中进一步所示，通过参考编号130，企业管理系统从客户端设备请求状态信息。例如，该请求可以包括一个或多个消息或通信，该消息或通信包括使得客户端设备和/或客户端企业代表提供状态信息的查询集。

在一些实现中，企业管理系统可以向客户端设备发送响应以提示客户端企业代表经由用户输入提供作为对查询集的回答的状态信息。更具体地，该查询集可以作为电子调查、问卷等提供给客户端设备。在一些实现中，企业管理系统可以通过提供准许客户端企业代表提供状态信息的接口(例如，API)的链接(例如，统一资源定位符(URL))来请求状态信息。

在一些实现中，客户端设备被配置为基于从企业管理系统接收一个或多个查询来存储和/或自动地提供状态信息。因此，基于从企业管理系统的所选择的查询的收到，客户端设备可以用查询集的结果来响应该请求。例如，针对示出行业内正面绩效的技术指标(例如，参考数据结构包括示出针对技术使用高的成功参考企业的条目)，企业管理系统可以选择并且提供与指示与关联于被部署在客户端企业内的技术指标的特定类型设备的数量相关联的查询。在这种示例中，客户端设备可以被配置为自动地执行设备数量的查找并且将该数量回复给企业管理系统。

这样，企业管理系统可以请求状态信息，以准许企业管理系统获取最相关的信息，用于确定最佳技术简档。

如图1C中进一步所示，通过参考编号135，企业管理系统基于从客户端设备接收的状态信息生成客户端数据。例如，经由企业管理系统的用户界面和/或消息界面，状态信息可以被接收作为对请求的响应。客户端数据可以包括从企业信息和状态信息中提取的数据和/或信息。例如，客户端数据可以标识与客户端企业相关联的企业特性(例如，财务数据(诸如收入、利润、边际、费用、现金流，等等)、增长数据、位置数据、行业数据、市场数据、大小数据，等等)和技术简档(例如，指示使用的技术类型的数据、指示技术使用水平的数据，等等)。基于与通过行业分析模型所标识的技术指标相关联的值，可以从状态信息生成或获取技术简档。

以这种方式，企业管理系统可以从所接收的状态信息生成客户端数据以准许企业管理系统相对于与参考企业相关联的参考数据来评估客户端数据，如本文所述。

如图1C进一步所示，通过参考编号140，企业管理系统从参考数据结构中选择与参考企业相关联的参考数据。例如，企业管理系统可以执行相似度分析(例如，使用K-最近邻技术、聚类分析技术，等等)以标识具有与客户端企业的企业特性相似的企业特性的参考企业(例如，位于同一地区、大小相似、收入相似，等等)。参考企业可以根据从客户端企业和与客户端企业相同行业相关联的单个参考企业的比较而确定的相似度分数来被标识。如本文所述，参考企业的子集可以接收满足相似度阈值的相似度分数(例如，企业相似的概率为50％、企业相似的改变概率为75％、企业相似的概率为90％，等等)。在这种情况下，与参考企业的子集相关联的参考数据可以被选择以分析和/或确定针对客户端企业的最佳技术简档(例如，通过确定根据参考数据被确定为成功的类似参考企业的技术简档)。

以此方式，企业管理系统可以选择与客户端企业最相关并且可以被用于确定针对客户端企业的最佳技术简档的参考数据，如本文所述。

如图1C中进一步所示，通过参考编号145，矩阵生成器基于客户端数据和参考数据生成矩阵。例如，矩阵生成器可以使用矩阵因子分解技术将客户端数据和参考数据转换为通用格式(例如，客户端数据和参考数据的相应子集被映射到矩阵的相同行和/或列)。作为更具体的示例，在矩阵的另一个特定行和/或列中使用矩阵的特定行和/或列内的标识符(例如，对应于技术类型)和分数(例如，对应于使用水平)，技术指标可以被标识和/或被指示。因此，矩阵的某些行和/或列可以表示对应于客户端企业和/或参考企业对某些技术的使用水平的分数。

因此，矩阵生成器可以从客户端数据生成基于针对客户端企业的技术指标的客户端矩阵和基于参考企业的相应技术指标和相应企业特性的参考矩阵。

这样，企业管理系统可以生成客户端矩阵和参考矩阵，以准许企业管理系统可以经由企业评估模型快速地、有效地比较客户端数据和参考数据。

如图1C中进一步所示，并且通过参考编号150，企业管理系统经由企业评估模型比较客户端矩阵和参考矩阵。例如，企业管理系统可以使用一种或多种相关技术(例如，斯皮尔曼(Spearman)相关或其他类型的等级/顺序相关)来比较客户端矩阵和参考矩阵，以及相应地，客户端企业与参考企业。在这种情况下，企业管理系统可以比较矩阵内技术指标的相应分数，以标识行业内被利用的各种类型技术的使用之间的差异。

在一些实现中，基于标识一个或多个在行业内取得成功的参考企业(例如，根据参考矩阵的一个或多个值)，企业评估模型可以比较针对客户端企业的技术指标和一个或多个参考企业，如客户端矩阵和参考矩阵所示。因此，如果参考矩阵指示使用特定技术的企业在一定程度上与行业内的成功相关(例如，特别是对于相同或类似大小的企业)，企业评估模型可以确定针对客户端企业的最佳技术简档应该包括该技术的相同或相似的使用。

以这种方式，企业管理系统可以比较客户端矩阵和参考矩阵，以基于所收集的与多个参考企业相关联的参考数据来确定针对客户端企业的最佳技术简档。

如图1C中进一步所示，通过参考编号155，企业管理系统执行与客户端企业相关联的一个或多个动作。例如，基于客户端企业的技术简档与成功参考企业的企业技术简档之间的差异，企业管理系统可以确定基于参考技术简档和/或企业的企业特性的最优技术简档(例如，根据相似度分数，如果客户端企业的一项或多项企业特性被确定与一项或多项参考企业特性不同)。

基于针对客户端企业确定最佳技术简档，企业管理系统可以推荐(例如，经由对客户端设备或客户端企业的管理设备的通知)对特定技术的使用被增加。例如，企业管理系统可以基于客户端矩阵和参考矩阵的对应分数(或相应的分数集)之间的差异(例如，基于参考企业对技术使用的参考水平，是否应该在客户端企业内调整技术的使用)来生成与特定技术相关联的推荐。附加地或备选地，企业管理系统可以向客户端设备提供推荐。

在一些实现中，企业管理系统可以被配置为确定和/或标识与集成客户端企业的最佳技术简档的一种或多种技术相关联的信息。例如，企业管理系统可以获取与涉及特定技术的使用的事务相关联的一个或多个要约(例如，出售、出租等的要约)。在这种情况下，企业管理系统可以执行搜索(例如，数据库的、互联网的，等等)以找到关于准许客户端企业参与的事务的技术的可用要约和/或信息，和/或集成基于技术的执行的技术。企业管理系统可以向客户端设备(或管理设备)提供要约和/或信息以支持事务(例如，经由到事务页面的链接和/或到与技术提供商相关联的网站的链接)。

在一些实现中，企业管理系统可以被配置为控制特定技术的使用。例如，针对云计算技术，企业管理系统可以被配置为通过增加或减少客户端企业可用的云资源来调整(例如，增加或减少)云计算技术的使用。以这种方式，企业管理系统可以引起和/或执行与特定技术相关联的使用事务(例如，激活或无效资源和/或支付资源的激活或无效费用的事务)以增加或减少特定技术的使用。

在一些实现中，企业管理系统可以用与所确定的客户端企业的最佳技术简档相关联的参考数据来更新参考数据结构。例如，企业管理系统可以在参考数据结构中存储企业信息、状态信息和/或推荐。附加地或备选地，企业管理系统可以使用企业信息、状态信息、推荐等来重新训练行业分析模型或企业管理系统的一个或多个其他模型。

因此，如本文所述，企业管理系统可以根据行业的一个或多个趋势或特点，确定针对特定企业的最佳技术简档和/或支持针对企业的技术的集成(例如，根据最佳技术简档)，从而节约资源，否则这些资源可能会被试图确定最佳技术简档的企业浪费，和/或否则这些资源可能被企业在没有根据最佳技术简档的技术而被集成的情况下被浪费，该最佳技术简档是根据本文描述的一个或多个示例而被确定的。

如上所示，图1A-图1C被提供作为示例。其他示例可能与关于图1A-图1C描述的不同。设备的数目和布置被提供作为示例，如图1A-图1C所示。实际上，与图1A-图1C所示的设备相比，可能存在附加的设备、更少的设备、不同的设备或不同布置的设备。此外，图1A-图1C中所示的两个或多个设备可以在单个设备内被实现，或如图1A-1C所示的单个设备可以被实现为多个、分布式的设备。附加地或备选地，如图1A-图1C中所示的一组设备(例如，一个或多个设备)可以执行被描述为由图1A-图1C所示的另一组设备执行的一个或多个功能。

图2是本文所描述的系统和/或方法，所述示例在其中可以被实现的示例环境200的示图。如图2所示，环境200可以包括企业管理系统201，其可以包括云计算系统202的一个或多个元件和/或其可以在云计算系统202内执行。云计算系统202可以包括一个或多个元件203-元件213，如下文更详细描述的。如图2进一步所示，环境200可以包括网络220、客户端设备230和/或一个或多个源信息设备240。环境200的设备和/或元件可以经由有线连接和/或无线连接互连。

云计算系统202包括计算硬件203、资源管理组件204、主机操作系统(OS)205和/或一个或多个虚拟计算系统206。资源管理组件204可以执行计算硬件203的虚拟化(例如，抽象)以创建一个或多个虚拟计算系统206。使用虚拟化，资源管理组件204使单个计算设备(例如，计算机、服务器等)能够像多个计算设备一样操作，诸如通过从单个计算设备的计算硬件203创建多个隔离的虚拟计算系统206。以此方式，计算硬件203可以更有效地操作，与使用单独的计算设备相比，具有更低的功耗、更高的可靠性、更高的可用性、更高的利用率、更大的灵活性和更低的成本。

计算硬件203包括来自一个或多个计算设备的硬件和对应资源。例如，计算硬件203可以包括来自单个计算设备(例如，单个服务器)或来自多个计算设备(例如，多个服务器)的硬件，诸如在一个或多个数据中心中的多个计算设备。如图所示，计算硬件203可以包括一个或多个处理器207、一个或多个存储器208、一个或多个存储组件209，和/或一个或多个网络组件210。处理器、存储器、存储组件和网络组件(例如，通信组件)的示例在本文别处描述。

资源管理组件204包括能够虚拟化计算硬件203以启动、停止和/或管理一个或多个虚拟计算系统206的虚拟化应用(例如，在硬件上执行，诸如计算硬件203)。例如，资源管理组件204可以包括管理程序(例如，裸机或类型1管理程序、托管或类型2管理程序，等等)或虚拟机监视器，诸如当虚拟计算系统206是虚拟机211。附加地或备选地，资源管理组件204可以包括容器管理器，诸如当虚拟计算系统206是容器212时。在一些实现中，资源管理组件204在主机操作系统205内执行，和/或与其协调执行。

虚拟计算系统206包括使用计算硬件203使得如本文描述的操作和/或过程能够基于云执行的虚拟环境。如图所示，虚拟计算系统206可以包括虚拟机211、容器212、包括虚拟机和容器的混合环境213，等等。虚拟计算系统206可以使用文件系统来执行一个或多个应用，该文件系统包括二进制文件、软件库和/或在客操作系统(例如，在虚拟计算系统206内)或主机操作系统205上执行应用程序所需的其他资源。

尽管企业管理系统201可以包括云计算系统202的一个或多个元件203-元件213，可以在云计算系统202内执行，和/或可以在云计算系统202内被托管，在一些实现中，企业管理系统201可能不是基于云的(例如，可能在云计算系统之外被实现)或可能部分基于云。例如，企业管理系统201可以包括不是云计算系统202的部分的一个或多个设备，诸如图3的设备300，它可能包括独立服务器或其他类型的计算设备。企业管理系统201可以执行如本文别处更详细描述的一个或多个操作和/或过程。

网络220包括一个或多个有线和/或无线网络。例如，网络220可以包括蜂窝网络、公共陆地移动网络(PLMN)、局域网(LAN)、广域网(WAN)、私有网络、互联网等，和/或这些或其他类型网络的组合。网络220使得环境200的设备之间能够通信。

如本文别处所述，客户端设备230包括能够接收、生成、存储、处理和/或提供与企业的管理技术相关联的信息的一个或多个设备。客户端设备230可以包括通信设备和/或计算设备。例如，客户端设备230可以包括无线通信设备、用户设备(UE)、移动电话(例如，智能电话或手机等)、膝上型计算机、平板计算机、手持计算机、台式计算机、物联网设备或类似类型的设备。如本文别处所述，客户端设备230可以与环境200的一个或多个其他设备通信。

源信息设备240包括一个或多个能够接收、生成、存储、处理和/或提供与行业内的技术使用相关联的信息的设备，如本文别处所述。源信息设备240可以对应于示例100的一个或多个行业源。源信息设备240可以包括通信设备和/或计算设备。例如，源信息设备240可以包括数据库、服务器、数据库服务器、应用服务器、客户端服务器、网络服务器、主机服务器、代理服务器、虚拟服务器(例如，在计算硬件上执行)、云计算系统中的服务器、包含在云计算环境中被使用的计算硬件的设备，或类似类型的设备。如本文别处所述，源信息设备240可以与环境200的一个或多个其他设备通信。

如图2所示的设备和网络的数目和布置被提供作为示例。实际上，与图2所示的那些相比，可能存在附加的设备和/或网络、更少的设备和/或网络、不同的设备和/或网络、或不同布置的设备和/或网络。此外，图2中所示的两个或更多个设备可以在单个设备内被实现，或者图2中所示的单个设备可以被实现为多个、分布式的设备。附加地或备选地，环境200的一组设备(例如，一个或多个设备)可以执行被描述为由环境200的另一组设备执行的一个或多个功能。

图3是设备300的示例组件的示图，其可以对应于企业管理系统201、客户端设备230和/或源信息设备240。在一些实现中，企业管理系统201、客户端设备230和/或源信息设备240可以包括一个或多个设备300和/或设备300的一个或多个组件。如图3所示，设备300可以包括总线310、处理器320、存储器330、存储组件340、输入组件350、输出组件360和通信组件370。

总线310包括使得在设备300的组件之间能够进行有线和/或无线通信的组件。处理器320包括中央处理单元、图形处理单元、微处理器、控制器、微控制器、数字信号处理器、现场可编程门阵列、专用集成电路和/或另一类型的处理组件。处理器320在硬件、固件或硬件和软件的组合中来被实现。在一些实现中，处理器320包括能够被编程以执行功能的一个或多个处理器。存储器330包括随机存取存储器、只读存储器和/或另一类型的存储器(例如，闪存、磁存储器和/或光存储器)。

存储组件340存储与设备300的操作相关联的信息和/或软件。例如，存储组件340可以包括硬盘驱动器、磁盘驱动器、光盘驱动器、固态盘驱动器、压缩盘、数字多功能盘和/或另一类型的非暂态计算机可读介质。输入组件350使得设备300能够接收输入，诸如用户输入和/或所感知的输入。例如，输入组件350可以包括触摸屏、键盘、小型键盘、鼠标、按钮、麦克风、开关、传感器、全球定位系统组件、加速度计、陀螺仪、执行机构，等等。输出组件360使得设备300能够提供输出，诸如经由显示器、扬声器和/或一个或多个发光二极管。通信组件370使得设备300能够与其他设备通信，例如通过有线连接和/或无线连接。例如，通信组件370可以包括接收器、发送器、收发器、调制解调器、网络接口卡、天线，等等。

设备300可以执行本文描述的一个或多个过程。例如，非暂态计算机可读介质(例如，存储器330和/或存储组件340)可以存储指令集(例如，一个或多个指令、代码、软件代码、程序代码等)用于被处理器320执行。处理器320可以执行指令集以执行本文所描述的一个或多个过程。在一些实现中，由一个或多个处理器320执行的指令集使得一个或多个处理器320和/或设备300能够执行本文所描述的一个或多个过程。在一些实现中，硬连线电路可以被使用以替代指令或被与指令结合使用以执行本文描述的一个或多个过程。因此，本文描述的实现不限于硬件电路和软件的任何特定组合。

图3中所示的组件的数目和布置被提供作为示例。与图3中所示的那些相比，设备300可以包括附加的组件、更少的组件、不同的组件或不同布置的组件。附加地或备选地，设备300的一组组件(例如，一个或多个组件)可以执行被描述为由设备300的另一组组件执行的一个或多个功能。

图4是与用于技术分析和集成的企业管理系统相关联的示例过程400的流程图。在一些实现中，图4的一个或多个过程块可以通过企业管理系统(例如，企业管理系统201)来被执行。在一些实现中，图4的一个或多个过程块可以通过与企业管理系统分离或包括企业管理系统的另一设备或一组设备来被执行，诸如客户端设备(例如，客户端设备230)。附加地或备选地，图4的一个或多个过程块可由设备300的一个或多个组件执行，例如处理器320、存储器330、存储组件340、输入组件350、输出组件360和/或通信组件370。

如图4所示，过程400可以包括获取被配置为分析与特定行业相关联的企业的行业分析模型(框405)。例如，如上所述，企业管理系统可以获取被配置为分析与特定行业相关联的企业的行业分析模型。

如图4中进一步所示，过程400可以包括接收与客户端企业相关联的企业信息(框410)。例如，企业管理系统可以接收与客户端企业相关联的企业信息，如上所述。

如图4进一步所示，过程400可以包括使用行业分析模型来选择与获取与客户端企业的技术简档相关联的状态信息相关联的查询集(框415)。例如，企业管理系统可以使用行业分析模型来选择与获取状态信息相关联的查询集，状态信息与客户端企业的技术简档相关联，如上所述。

如图4进一步所示，过程400可以包括向客户端设备提供查询集以获取状态信息(框420)。例如，如上所述，企业管理系统可以向客户端设备提供查询集以获取状态信息。

如图4中进一步所示，过程400可以包括从客户端设备接收状态信息(框425)。例如，企业管理系统可以从客户端设备接收状态信息，如上所述。

如图4进一步所示，过程400可以包括生成与企业信息和状态信息相关联的客户端数据(框430)。例如，如上所述，企业管理系统可以生成与企业信息和状态信息相关联的客户端数据。

如图4进一步所示，过程400可以包括使用矩阵因子分解技术将与客户端企业相关联的客户端数据转换为客户端矩阵(框435)。例如，企业管理系统可以使用矩阵因子分解技术将与客户端企业相关联的客户端数据转换为客户端矩阵，如上所述。

如图4进一步所示，过程400可以包括基于客户端数据选择与参考企业的参考技术简档相关联的参考数据，参考企业与特定行业相关联(框440)。例如，如上所述，企业管理系统可以基于客户端数据选择与参考企业的参考技术简档相关联的参考数据，参考企业与特定行业相关联。

如图4中进一步所示，过程400可以包括使用矩阵因子分解技术将参考数据转换为参考矩阵(框445)。例如，企业管理系统可以使用矩阵因子分解技术将参考数据转换为参考矩阵，如上所述。

如图4进一步所示，过程400可以包括基于客户端矩阵和参考矩阵的比较来确定与技术简档的技术指标相关联的分数集(框450)。例如，企业管理系统可以基于客户端矩阵和参考矩阵的比较来确定与技术简档的技术指标相关联的分数集，如上所述。

如图4进一步所示，过程400可以包括基于分数集执行与客户端企业相关联的动作(框455)。例如，如上所述，企业管理系统可以基于分数集来执行与客户端企业相关联的动作。

过程400可以包括附加的实现，诸如下文描述的和/或结合本文别处描述的一个或多个其他过程的任何单一实现或实现的任何组合。

在第一实现中，行业分析模型是机器学习模型，该机器学习模型被训练以基于与关联于特定行业的多个企业相关联的历史数据来标识与特定行业相关联的技术指标。

在第二实现中，该机器学习模型被配置为利用自然语言处理技术从以下至少一项中获取历史数据：多个企业中的一个或多个企业的历史调查，历史调查包括一个或多个查询集；与多个企业中的一个或多个企业相关联的历史文章，历史文章描述与技术简档相关联的技术类型；或者与多个企业中的一个或多个企业相关联的历史研究文档，历史研究文档描述与技术简档相关联的技术类型。

在第三实现中，选择参考数据包括：确定企业信息和与参考企业相关联的参考企业信息之间的相似度分数；确定相似度分数满足指示参考企业与客户端企业相似的阈值；在参考数据结构中，标识参考数据结构中与参考企业相关联的条目；以及从条目中选择参考数据。

在第四实现中，相似度分数使用K-最近邻分类分析而被确定。

在第五实现中，技术指标对应于由客户端企业对特定类型技术的使用水平，并且其中分数集基于特定类型技术的使用水平而被确定，特定类型技术的使用水平基于在参考技术简档中所标识的特定类型技术的对应参考使用水平。

在第六实现中，过程400包括在执行动作之前，标识满足阈值的分数集中的分数；其中，分数集中的分数与特定技术的使用水平相关联；以及基于分数集中的分数满足阈值，确定特定技术的使用水平应该被增加，其中，动作被执行以使得客户端企业自动地增加特定技术的使用水平。

在第七实现中，执行动作包括以下至少一项：基于分数集，生成与特定技术相关联的推荐；向与客户端企业相关联的管理设备提供推荐；基于分数集，获取与涉及特定技术的使用的事务相关联的要约；向管理设备提供要约以支持事务；引起与特定技术相关联的使用事务以增加或减少特定技术的使用；或者将企业信息、状态信息、以及推荐存储在与行业分析模型相关联的参考数据结构中。

尽管图4示出了过程400的示例框图，但在一些实现中，与图4中所描绘的那些相比，过程400可以包括附加的框、更少的框、不同的框或不同布置的框。附加地或备选地，两个或多个过程400的框可以被并行地执行。

根据一些实现，至少提供了以下示例。

示例1.一种方法，包括：由设备获取行业分析模型，行业分析模型被配置为分析与特定行业相关联的企业；由设备接收与客户端企业相关联的企业信息；由设备使用行业分析模型，选择与获取状态信息相关联的查询集，状态信息与客户端企业的技术简档相关联；由设备向客户端设备提供查询集以获取状态信息；由设备从客户端设备接收状态信息；由设备生成与企业信息和状态信息相关联的客户端数据；由设备使用矩阵因子分解技术，将与客户端企业相关联的客户端数据转换为客户端矩阵；由设备基于客户端数据，选择与参考企业的参考技术简档相关联的参考数据，参考企业与特定行业相关联；由设备使用矩阵因子分解技术，将参考数据转换为参考矩阵；由设备基于客户端矩阵和参考矩阵的比较，确定与技术简档的技术指标相关联的分数集；以及由设备基于分数集，执行与客户端企业相关联的动作。

示例2.根据示例1的方法，其中行业分析模型是机器学习模型，机器学习模型被训练以基于与关联于特定行业的多个企业相关联的历史数据来标识与特定行业相关联的技术指标。

示例3.根据示例2的方法，其中机器学习模型被配置为利用自然语言处理技术从以下至少一项中获取历史数据：多个企业中的一个或多个企业的历史调查，历史调查包括查询集中的一个或多个查询；与多个企业中的一个或多个企业相关联的历史文章，历史文章描述与技术简档相关联的技术类型；或者与多个企业中的一个或多个企业相关联的历史研究文档，历史研究文档描述与技术简档相关联的技术类型。

示例4.根据示例1的方法，其中选择参考数据包括：确定企业信息和与参考企业相关联的参考企业信息之间的相似度分数；确定相似度分数满足阈值，阈值指示参考企业与客户端企业相似；在参考数据结构中，标识参考数据结构中与参考企业相关联的条目；以及从条目中选择参考数据。

示例5.根据示例4的方法，其中相似度分数使用K-最近邻分类分析而被确定。

示例6.根据示例1的方法，其中技术指标对应于由客户端企业对特定类型技术的使用水平，并且其中分数集基于特定类型技术的使用水平而被确定，特定类型技术的使用水平基于在参考技术简档中所标识的特定类型技术的对应参考使用水平。

示例7.根据示例1的方法，还包括：在执行动作之前，标识分数集中的满足阈值的分数；其中分数集中的分数与特定技术的使用水平相关联；以及基于分数集中的分数满足阈值，确定特定技术的使用水平应该被增加，其中动作被执行以使客户端企业自动地增加特定技术的使用水平。

示例8.根据示例1的方法，其中执行动作包括以下至少一项：基于分数集，生成与特定技术相关联的推荐；向与客户端企业相关联的管理设备提供推荐；基于分数集，获取与涉及特定技术的使用的事务相关联的要约；向管理设备提供要约以支持事务；引起与特定技术相关联的使用事务增加或减少对特定技术的使用；或者将企业信息、状态信息、以及推荐存储在与行业分析模型相关联的参考数据结构中。

示例9.一种设备，包括：一个或多个存储器；以及一个或多个处理器，被通信地耦合到一个或多个存储器，一个或多个处理器被配置为：接收与客户端企业相关联的企业信息；从企业信息中确定与客户端企业相关联的企业特性；基于企业特性，选择与获取状态信息相关联的查询集，状态信息与客户端企业的技术简档相关联；向客户端设备提供查询集以获取状态信息；从客户端设备接收状态信息；生成与状态信息中所标识的企业特性和技术指标相关联的客户端数据；基于客户端数据，选择与参考企业的参考技术简档相关联的参考数据，参考企业与特定行业相关联；使用矩阵因子分解技术从客户端数据生成客户端矩阵，客户端矩阵基于技术指标和企业特性；使用矩阵因子分解技术从客户端数据生成参考矩阵，参考矩阵基于参考企业的对应技术指标和对应企业特性；基于客户端矩阵和参考矩阵的比较，确定与对技术简档的特定技术的使用相关联的推荐；以及执行与推荐和客户端企业相关联的动作。

示例10.根据示例9的设备，其中查询集使用机器学习模型而被选择，机器学习模型被训练以基于与关联于特定行业的多个企业相关联的历史数据来标识与特定行业的一个或多个关键绩效指标相关联的技术指标集。

示例11.根据示例9的设备，其中当选择参考数据时，一个或多个处理器被配置为：确定企业特性和与参考企业相关联的参考企业特性之间的相似度分数；确定相似度分数满足阈值，阈值指示参考企业与客户端企业相似；在参考数据结构中，标识参考数据结构中与参考企业相关联的条目；以及从条目中选择参考数据。

示例12.根据示例11的设备，其中企业特性和参考企业特性与以下至少一项相关联：金融指标；位置；行业；市场指标；增长指标；或者企业大小指标。

示例13.根据示例9的设备，其中技术指标对应于与操作客户端企业相关联的特定技术的使用水平。

示例14.根据示例9的设备，其中一个或多个处理器还被配置为：在执行动作之前，标识分数集中的满足阈值的分数；其中分数与特定技术的使用水平相关联；以及基于分数满足阈值，确定特定技术的使用水平应该被增加，其中动作被执行以使客户端企业自动地增加特定技术的使用水平。

示例15.一种非暂态计算机可读介质，存储指令集，指令集包括：一个或多个指令，一个或多个指令在由设备的一个或多个处理器执行时使设备：收集与多个参考企业相关联的参考信息，多个参考企业与特定行业相关联；从参考信息中确定与特定行业相关联的技术指标；基于技术指标，生成与获取针对客户端企业的技术指标的状态信息相关联的查询集；向与客户端企业相关联的客户端设备提供查询集以获取状态信息；从客户端设备接收与客户端设备相关联的状态信息和企业特性；生成与企业特性和状态信息相关联的客户端数据；基于企业特性，从多个参考企业中，确定与客户端企业相似的参考企业集；获取与参考企业集相关联的参考数据；使用矩阵因子分解，将客户端数据转换为客户端矩阵并且将参考数据转换为参考矩阵；基于客户端矩阵和参考矩阵的比较，确定与技术简档的技术指标相关联的分数集；以及基于分数集，执行与客户端企业相关联的动作。

示例16.根据示例15的非暂态计算机可读介质，其中参考信息包括以下至少一项：多个企业中的一个或多个企业的历史调查，历史调查包括查询集中的一个或多个查询；与多个企业中的一个或多个企业相关联的历史文章，历史文章描述与技术简档相关联的技术类型；或者与多个企业中的一个或多个企业相关联的历史研究文档，历史研究文档描述与技术简档相关联的技术类型。

示例17.根据示例15的非暂态计算机可读介质，其中使设备标识参考企业集的一个或多个指令使设备：使用K-最近邻技术，确定企业特性和与多个参考企业相关联的参考企业特性之间的相似性分数；以及

基于与参考企业集相关联的相似度分数集满足相似度阈值，从多个参考企业中选择参考企业集。

示例18.根据示例15的非暂态计算机可读介质，其中技术指标对应于由客户端企业对特定类型技术的使用水平，并且其中分数集基于特定类型技术的使用水平而被确定，特定类型技术的使用水平相对于由参考企业集对特定类型技术的对应的参考使用水平。

示例19.根据示例15的非暂态计算机可读介质，其中一个或多个指令还使设备：在执行动作之前，标识分数集中的满足阈值的分数；其中分数与特定技术的使用水平相关联；以及基于分数满足阈值，确定特定技术的使用水平应该被调整，其中动作被执行以使客户端企业自动地调整特定技术的使用水平。

示例20.根据示例15的非暂态计算机可读介质，其中使设备执行动作的一个或多个指令使设备至少执行以下一项：基于分数集，生成与特定技术相关联的推荐；向与客户端企业相关联的管理设备提供推荐；基于分数集，获取与涉及特定技术的使用的事务相关联的要约；向管理设备提供要约以支持事务；引起与特定技术相关联的使用事务增加或减少对特定技术的使用；或者将企业特性、状态信息、以及推荐存储在与参考信息相关联的参考数据结构中。

前述公开提供了说明和描述，但并非旨在穷举或将实施限制为所公开的精确形式。修改可以根据上述公开被做出，也可以从实现的实践中被获得。

如本文所用，术语“组件”旨在广义地解释为硬件、固件或硬件和软件的组合。显然，本文所描述的系统和/或方法可以以不同形式的硬件、固件和/或硬件和软件的组合来被实现。用于实现这些系统和/或方法的实际专用控制硬件或软件代码不限制实现。因此，系统和/或方法的操作和行为在本文不参考特定软件代码而被描述——应当理解，软件和硬件可以被用于基于本文所描述的系统和/或方法来被实现。

如本文所用，根据上下文，满足阈值可以指该值大于阈值、大于或等于阈值、小于阈值、小于或等于阈值、等于阈值，等等，取决于上下文。

尽管在权利要求中陈述和/或在说明书中公开了特征的特定组合，但是这些组合并不旨在限制各种实现的公开。事实上，这些特征中的许多特征可以以权利要求中未具体记载和/或说明书中未公开的方式组合。尽管下面列出的每个从属权利要求可能直接仅取决于一个权利要求，但是各种实现的公开包括每个从属权利要求与权利要求集合中的每个其他权利要求的组合。

除非明确说明，否则此处使用的任何元件、动作或指令均不应被解释为关键或必要的。此外，如本文所用，冠词“一个(a)”和“一个(an)”旨在包括一个或多个项目，并且可以与“一个或多个(oneor more)”互换使用。此外，如本文所用，冠词“the”旨在包括与冠词“the”相关的一个或多个项目，并且可以与“一个或多个(the oneor more)”互换使用。此外，如本文所用，术语“集合”旨在包括一个或多个项目(例如，相关项目、不相关项目、相关和不相关项目的组合等)，并且可以与“一个或多个(the one or more)”互换使用。如果仅旨在一项，则短语“仅一项”或类似语言被使用。此外，如本文所用，术语“具有(has)”、“具有(have)”、“具有(having)”等旨在是开放式术语。此外，除非另有明确说明，否则短语“基于”旨在表示“至少部分基于”。此外，如本文所用，术语“或”在以系列形式使用时旨在包括在内并且可以与“和/或”互换使用，除非另有明确说明(例如，如果与“任一”或“仅其中之一”结合使用)。

Claims (20)

1.一种方法，包括：

由设备获取行业分析模型，所述行业分析模型被配置为分析与特定行业相关联的企业；

由所述设备接收与客户端企业相关联的企业信息；

由所述设备使用所述行业分析模型，选择与获取状态信息相关联的查询集，所述状态信息与所述客户端企业的技术简档相关联；

由所述设备向客户端设备提供所述查询集以获取所述状态信息；

由所述设备从所述客户端设备接收所述状态信息；

由所述设备生成与所述企业信息和所述状态信息相关联的客户端数据；

由所述设备使用矩阵因子分解技术，将与所述客户端企业相关联的所述客户端数据转换为客户端矩阵；

由所述设备基于所述客户端数据，选择与参考企业的参考技术简档相关联的参考数据，所述参考企业与所述特定行业相关联；

由所述设备使用所述矩阵因子分解技术，将所述参考数据转换为参考矩阵；

由所述设备基于所述客户端矩阵和所述参考矩阵的比较，确定与所述技术简档的技术指标相关联的分数集；以及

由所述设备基于所述分数集，执行与所述客户端企业相关联的动作。

2.根据权利要求1所述的方法，其中所述行业分析模型是机器学习模型，所述机器学习模型被训练以基于与关联于特定行业的多个企业相关联的历史数据来标识与所述特定行业相关联的技术指标。

3.根据权利要求2所述的方法，其中所述机器学习模型被配置为利用自然语言处理技术从以下至少一项中获取所述历史数据：

所述多个企业中的一个或多个企业的历史调查，所述历史调查包括所述查询集中的一个或多个查询；

与所述多个企业中的一个或多个企业相关联的历史文章，所述历史文章描述与所述技术简档相关联的技术类型；或者

与所述多个企业中的一个或多个企业相关联的历史研究文档，所述历史研究文档描述与所述技术简档相关联的所述技术类型。

4.根据权利要求1所述的方法，其中选择所述参考数据包括：

确定所述企业信息和与所述参考企业相关联的参考企业信息之间的相似度分数；

确定所述相似度分数满足阈值，所述阈值指示所述参考企业与所述客户端企业相似；

在参考数据结构中，标识所述参考数据结构中与所述参考企业相关联的条目；以及

从所述条目中选择所述参考数据。

5.根据权利要求4所述的方法，其中所述相似度分数使用K-最近邻分类分析而被确定。

6.根据权利要求1所述的方法，其中所述技术指标对应于由所述客户端企业对特定类型技术的使用水平，并且

其中所述分数集基于所述特定类型技术的所述使用水平而被确定，所述特定类型技术的所述使用水平基于在所述参考技术简档中所标识的所述特定类型技术的对应参考使用水平。

7.根据权利要求1所述的方法，还包括：

在执行所述动作之前，标识所述分数集中的满足阈值的分数；

其中所述分数集中的所述分数与特定技术的使用水平相关联；以及

基于所述分数集中的所述分数满足所述阈值，确定所述特定技术的所述使用水平应该被增加，

其中所述动作被执行以使所述客户端企业自动地增加所述特定技术的所述使用水平。

8.根据权利要求1所述的方法，其中执行所述动作包括以下至少一项：

基于所述分数集，生成与特定技术相关联的推荐；

向与所述客户端企业相关联的管理设备提供所述推荐；

基于所述分数集，获取与涉及特定技术的使用的事务相关联的要约；

向所述管理设备提供所述要约以支持所述事务；

引起与特定技术相关联的使用事务增加或减少对所述特定技术的使用；或者

将所述企业信息、所述状态信息、以及所述推荐存储在与所述行业分析模型相关联的参考数据结构中。

9.一种设备，包括：

一个或多个存储器；以及

一个或多个处理器，被通信地耦合到所述一个或多个存储器，所述一个或多个处理器被配置为：

接收与客户端企业相关联的企业信息；

从所述企业信息中确定与所述客户端企业相关联的企业特性；

基于所述企业特性，选择与获取状态信息相关联的查询集，所述状态信息与所述客户端企业的技术简档相关联；

向客户端设备提供所述查询集以获取所述状态信息；

从所述客户端设备接收所述状态信息；

生成与所述状态信息中所标识的所述企业特性和技术指标相关联的客户端数据；

基于所述客户端数据，选择与参考企业的参考技术简档相关联的参考数据，所述参考企业与特定行业相关联；

使用矩阵因子分解技术从所述客户端数据生成客户端矩阵，所述客户端矩阵基于所述技术指标和所述企业特性；

使用所述矩阵因子分解技术从所述客户端数据生成参考矩阵，所述参考矩阵基于所述参考企业的对应技术指标和对应企业特性；

基于所述客户端矩阵和所述参考矩阵的比较，确定与对所述技术简档的特定技术的使用相关联的推荐；以及

执行与所述推荐和所述客户端企业相关联的动作。

10.根据权利要求9所述的设备，其中所述查询集使用机器学习模型而被选择，所述机器学习模型被训练以基于与关联于所述特定行业的多个企业相关联的历史数据来标识与所述特定行业的一个或多个关键绩效指标相关联的技术指标集。

11.根据权利要求9所述的设备，其中当选择所述参考数据时，所述一个或多个处理器被配置为：

确定所述企业特性和与所述参考企业相关联的参考企业特性之间的相似度分数；

确定所述相似度分数满足阈值，所述阈值指示所述参考企业与所述客户端企业相似；

在参考数据结构中，标识所述参考数据结构中与所述参考企业相关联的条目；以及

从所述条目中选择所述参考数据。

12.根据权利要求11所述的设备，其中所述企业特性和所述参考企业特性与以下至少一项相关联：

金融指标；

位置；

行业；

市场指标；

增长指标；或者

企业大小指标。

13.根据权利要求9所述的设备，其中所述技术指标对应于与操作所述客户端企业相关联的特定技术的使用水平。

14.根据权利要求9所述的设备，其中所述一个或多个处理器还被配置为：

在执行所述动作之前，标识所述分数集中的满足阈值的分数；

其中所述分数与特定技术的使用水平相关联；以及

基于所述分数满足所述阈值，确定所述特定技术的所述使用水平应该被增加，

其中所述动作被执行以使所述客户端企业自动地增加所述特定技术的所述使用水平。

15.一种非暂态计算机可读介质，存储指令集，所述指令集包括：

一个或多个指令，所述一个或多个指令在由设备的一个或多个处理器执行时使所述设备：

收集与多个参考企业相关联的参考信息，所述多个参考企业与特定行业相关联；

从所述参考信息中确定与所述特定行业相关联的技术指标；

基于所述技术指标，生成与获取针对客户端企业的技术指标的状态信息相关联的查询集；

向与所述客户端企业相关联的客户端设备提供所述查询集以获取所述状态信息；

从所述客户端设备接收与所述客户端设备相关联的所述状态信息和企业特性；

生成与所述企业特性和所述状态信息相关联的客户端数据；

基于所述企业特性，从所述多个参考企业中，确定与所述客户端企业相似的参考企业集；

获取与所述参考企业集相关联的参考数据；

使用矩阵因子分解，将所述客户端数据转换为客户端矩阵并且将所述参考数据转换为参考矩阵；

基于所述客户端矩阵和所述参考矩阵的比较，确定与技术简档的技术指标相关联的分数集；以及

基于所述分数集，执行与所述客户端企业相关联的动作。

16.根据权利要求15所述的非暂态计算机可读介质，其中所述参考信息包括以下至少一项：

所述多个企业中的一个或多个企业的历史调查，所述历史调查包括所述查询集中的一个或多个查询；

与所述多个企业中的一个或多个企业相关联的历史文章，所述历史文章描述与所述技术简档相关联的技术类型；或者

与所述多个企业中的一个或多个企业相关联的历史研究文档，所述历史研究文档描述与所述技术简档相关联的所述技术类型。

17.根据权利要求15所述的非暂态计算机可读介质，其中使所述设备标识所述参考企业集的所述一个或多个指令使所述设备：

使用K-最近邻技术，确定所述企业特性和与所述多个参考企业相关联的参考企业特性之间的相似性分数；以及

基于与所述参考企业集相关联的相似度分数集满足相似度阈值，从所述多个参考企业中选择所述参考企业集。

18.根据权利要求15所述的非暂态计算机可读介质，其中所述技术指标对应于由所述客户端企业对特定类型技术的使用水平，并且

其中所述分数集基于所述特定类型技术的所述使用水平而被确定，所述特定类型技术的所述使用水平相对于由所述参考企业集对所述特定类型技术的对应的参考使用水平。

19.根据权利要求15所述的非暂态计算机可读介质，其中所述一个或多个指令还使所述设备：

在执行所述动作之前，标识所述分数集中的满足阈值的分数；

其中所述分数与特定技术的使用水平相关联；以及

基于所述分数满足所述阈值，确定所述特定技术的所述使用水平应该被调整，

其中所述动作被执行以使所述客户端企业自动地调整所述特定技术的所述使用水平。

20.根据权利要求15所述的非暂态计算机可读介质，其中使所述设备执行所述动作的所述一个或多个指令使所述设备至少执行以下一项：

基于所述分数集，生成与特定技术相关联的推荐；

向与所述客户端企业相关联的管理设备提供所述推荐；

基于所述分数集，获取与涉及特定技术的使用的事务相关联的要约；

向所述管理设备提供所述要约以支持所述事务；

引起与特定技术相关联的使用事务增加或减少对所述特定技术的使用；或者

将所述企业特性、所述状态信息、以及所述推荐存储在与所述参考信息相关联的参考数据结构中。

Images