CN114462861A - 一种企业定位的产业链数据分析方法及系统 - Google Patents
一种企业定位的产业链数据分析方法及系统 Download PDFInfo
- Publication number
- CN114462861A CN114462861A CN202210127056.8A CN202210127056A CN114462861A CN 114462861 A CN114462861 A CN 114462861A CN 202210127056 A CN202210127056 A CN 202210127056A CN 114462861 A CN114462861 A CN 114462861A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- industry
- information
- feature
- transformation
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种企业定位的产业链数据分析方法及系统,通过根据行业领域信息进行行业特征提取,获得行业特征信息;根据企业基础信息,确定企业特征信息;基于行业特征信息、企业特征信息进行企业定位分析,确定企业产业链定位段;根据行业特征信息、企业链定位段,获得客户群体画像;根据企业基础信息,确定企业转型项目并针对所述企业转型项目与所述客户群体画像进行针对性数字化区块匹配,获得区块匹配结果;基于区块匹配结果,确定企业转型信息。实现了在满足产业链定位的客户群体要求的基础上实现数字化转型,确保转型的可靠性,解决了现有技术中在数字化转型中缺乏对客户群体的定位分析,存在盲目转型,转型后效果不佳的技术问题。
Description
技术领域
本申请涉及数字化转型技术领域,尤其涉及一种企业定位的产业链数据分析方法及系统。
背景技术
随着互联网络的发展,数字化深入到各行各业,为了迎合市场的发展和与时俱进,对企业进行数字化转型是不少企业做出的对应性选择,如何进行数字化转型是当前普遍关注的问题,数字化呈现的方式多样化,要贴合自己企业的发展特征,若盲目的进行数字化转型不但增加了投入,而且对企业的发展并没有带来预期的效果。
发现上述技术至少存在如下技术问题:
现有技术中在数字化转型中缺乏对客户群体的定位分析,存在盲目转型,转型后效果不佳的技术问题。
发明内容
本申请的目的是提供一种企业定位的产业链数据分析方法及系统,用以解决现有技术中在数字化转型中缺乏对客户群体的定位分析,存在盲目转型,转型后效果不佳的技术问题。达到了通过对企业的行业领域特征进行分析,确定其产业链的定位段,根据产业链的定位与客户画像群体分析,并根据分析的数据对企业的信息进行针对性数字化区块匹配,使得企业能够在满足产业链定位的基础上实现数字化转型的技术效果。
鉴于上述问题,本申请实施例提供了一种企业定位的产业链数据分析方法及系统。
第一方面,本申请提供了一种企业定位的产业链数据分析方法,所述方法包括:获得企业基础信息,所述企业基础信息包括行业领域信息;根据所述行业领域信息进行行业特征提取,获得行业特征信息;根据所述企业基础信息,确定企业特征信息;基于所述行业特征信息、所述企业特征信息进行企业定位分析,确定企业产业链定位段;根据所述行业特征信息、所述企业链定位段,获得客户群体画像;根据所述企业基础信息,确定企业转型项目,并针对所述企业转型项目与所述客户群体画像进行针对性数字化区块匹配,获得区块匹配结果;基于所述区块匹配结果,确定企业转型信息。
另一方面,本申请还提供了一种企业定位的产业链数据分析系统,用于执行如第一方面所述的一种企业定位的产业链数据分析方法,所述系统包括:
第一获得单元,所述第一获得单元用于获得企业基础信息,所述企业基础信息包括行业领域信息;
第二获得单元,所述第二获得单元用于根据所述行业领域信息进行行业特征提取,获得行业特征信息;
第一确定单元,所述第一确定单元用于根据所述企业基础信息,确定企业特征信息;
第二确定单元,所述第二确定单元用于基于所述行业特征信息、所述企业特征信息进行企业定位分析,确定企业产业链定位段;
第三获得单元,所述第三获得单元用于根据所述行业特征信息、所述企业链定位段,获得客户群体画像;
第四获得单元,所述第四获得单元用于根据所述企业基础信息,确定企业转型项目,并针对所述企业转型项目与所述客户群体画像进行针对性数字化区块匹配,获得区块匹配结果;
第三确定单元,所述第三确定单元用于基于所述区块匹配结果,确定企业转型信息。
第三方面,本申请还提供了一种企业定位的产业链数据分析系统,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,其中,所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质,所述存储介质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第一方面任一项所述的方法。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1.通过对企业的行业领域特征进行分析,确定其产业链的定位段,根据产业链的定位与客户画像群体分析,并根据分析的数据对企业的信息进行针对性数字化区块匹配,针对匹配结果在技术面和客户需求面进行评估结果进行对应的数字化转型决策,达到了使企业能够在满足产业链定位的客户群体要求的基础上实现数字化转型,确保客户面的接受程度,保证转型后收益的技术效果。
2.通过根据所述企业链定位段,获得定位段客户特征;根据所述行业特征信息,获得行业客户群体;将所述定位段客户特征、行业客户群体输入客户画像匹配模型,获得所述客户画像匹配模型的输出结果,所述输出结果包括客户群体画像;达到了加入神经网络模型实现快速、可靠进行产业链定位段客户群体画像分析,为后续基于企业对应定位段的客户特征进行数字化转型奠定了基础的技术效果。
3.通过基于所述特征匹配结果进行权重分析,确定所述企业产业链定位段,利用主成分分析权重算法,对匹配的特征集合进行特征降维,利用主要特征进行企业的产业链阶段定位,达到了利用主成分特征进行企业定位,确保特征的可靠性和定位结果的准确性,避免非定位主要特征的干扰而造成企业产业链定位段结果不准确情况出现的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例的一种企业定位的产业链数据分析方法的流程示意图;
图2为本申请实施例一种企业定位的产业链数据分析系统的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第一确定单元13,第二确定单元14,第三获得单元15,第四获得单元16,第三确定单元17,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种企业定位的产业链数据分析方法及系统,解决了现有技术中在数字化转型中缺乏对客户群体的定位分析,存在盲目转型,转型后效果不佳的技术问题。
下面,将参考附图对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。基于本申请的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部。
本申请提供的技术方案总体思路如下:
基于所述行业特征信息、所述企业特征信息进行企业定位分析,确定企业产业链定位段;根据所述行业特征信息、所述企业链定位段,获得客户群体画像;根据所述企业基础信息,确定企业转型项目,并针对所述企业转型项目与所述客户群体画像进行针对性数字化区块匹配,获得区块匹配结果;基于所述区块匹配结果,确定企业转型信息。达到了通过对企业的行业领域特征进行分析,确定其产业链的定位段,根据产业链的定位与客户画像群体分析,并根据分析的数据对企业的信息进行针对性数字化区块匹配,使得企业能够在满足产业链定位的基础上实现数字化转型的技术效果。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
请参阅附图1,本申请实施例提供了一种企业定位的产业链数据分析方法,所述方法包括:
步骤S100:获得企业基础信息,所述企业基础信息包括行业领域信息;
具体而言,企业基础信息为企业的基础资料的内容,包括企业名称、企业资质、资产状态、规模、经营范围、地址、行业领域等,其中行业领域信息中对企业的所处的行业进行了对应领域的确定了内容介绍,能够对企业的具体经营范围和客户群体进行细分和确定,从而对后续的分析奠定基础。
步骤S200:根据所述行业领域信息进行行业特征提取,获得行业特征信息;
进一步的,所述根据所述行业领域信息进行行业特征提取,获得行业特征信息,包括:根据所述行业领域信息,确定领域属性特征;基于所述领域属性特征,获得行业产业链划分标准,并基于所述行业产业链划分标准提取划分标准特征;根据所述领域属性特征、所述划分标准特征进行行业特征整合,获得所述行业特征信息。
具体而言,根据行业领域信息中对于行业特征、领域相关内容的具体描述信息进行特征提取,行业特征信息即对行业领域信息中的描述内容进行关键词、语义分析后确定的能够表述行业领域具体内容的标签信息,其中包括行业领域信息进行领域属性的确定,利用行业领域属性进行该属性特征的分析,从而确定领域属性特征,不同的领域面对的产业机构不同,针对领域属性的确定从而进行该属性中行业产业链特征的确定,如对于化工产业、机械加工、纺织业等,不同的属性对应了不同的行业产业链,利用行业产业链的自身特点会进行对应不同阶段的划分,上游、中游、下游,每一个阶段对应了各自划分的标准特征,对行业领域的产业链划分情况进行特征描述。利用领域属性特征与产业链划分标准特征进行特征的融合,即利用行业属性的具体特征进行产业链划分标准特征的具象描述,利用行业特征进行各产业链分区划分的标准描述,通过行业特征信息能够对该行业中各阶段的行业特点、表现内容、数据特征进行对应的描述。
步骤S300:根据所述企业基础信息,确定企业特征信息;
具体而言,利用企业基础信息中的描述内容进行特征提取,得到企业的特征标签,利用企业特征信息能够对企业的规模、状态、范围、设备、资金等特征进行描述和定位,对企业进行画像。
步骤S400:基于所述行业特征信息、所述企业特征信息进行企业定位分析,确定企业产业链定位段;
进一步的,所述基于所述行业特征信息、所述企业特征信息进行企业定位分析,确定企业产业链定位段,包括:对所述行业特征信息按照所述行业产业链划分标准进行产业链特征划分;基于按照产业链划分后的行业特征信息,构建产业链特征列表;根据所述企业特征信息在所述产业链特征列表中进行特征匹配,获得特征匹配结果;基于所述特征匹配结果进行权重分析,确定所述企业产业链定位段。
具体而言,根据行业特征信息按照产业链划分标准进行行业特征的划分,构建起产业链特征列表,其中产业链特征列表为按照产业链划分标准对行业特征信息进行产业链各阶段的特征进行划分,每个产业阶段对应了怎样的行业特征,行业特征与产业链阶段划分之间构建起映射关系,通过产业链特征列表中的行业特征与阶段划分之间的映射关系,实现对企业的产业链定位分析,利用企业特征信息在产业链特征列表中进行匹配,匹配到与其相贴合的行业特征,利用该行业特征与产业链划分阶段之间的映射关系,确定该企业对应的产业链定位段,企业产业链定位段即当前分析企业在产业链结构中所处的阶段分段信息,即处于产业链的那个阶段。
步骤S500:根据所述行业特征信息、所述企业链定位段,获得客户群体画像;
进一步的,所述根据所述行业特征信息、所述企业链定位段,获得客户群体画像,包括:根据所述企业链定位段,获得定位段客户特征;根据所述行业特征信息,获得行业客户群体;将所述定位段客户特征、行业客户群体输入客户画像匹配模型,获得所述客户画像匹配模型的输出结果,所述输出结果包括客户群体画像。
具体而言,利用行业特征信息确定该行业的客户群体,利用行业客户群体的特征针对不同的产业链分段的特点进行各阶段客户群体特征的分析,从而对不同阶段企业的不同客户群体进行特征分析,实现对各产业链阶段的客户特征进行描述,实现对客户群体进行准确定位的效果。为了进一步提高进行各阶段客户群体画像的准确性,本申请实施例利用神经网络模型进行机器学习和输出,提高了运算速率同时保证了分析结果的准确性。利用经过各阶段客户群体画像处理过的历史数据作为训练数据,将客户群体画像结果作为标识信息,每组训练数据均包括了定位段客户特征、行业客户群体以及标识了客户群体画像的标识信息,通过对训练数据的学习和收敛,神经网络模型学习到定位段客户特征、行业客户群体与各阶段客户群体画像对应的逻辑数据关系,并通过标识信息的结果进行校验,当输入的定位段客户特征、行业客户群体则对应输出该定位段对应的客户群体画像信息,利用标识的阶段客户群体画像与输出的该定位段对应的客户群体画像信息进行比对,若两者之间的相似程度接近相同或者直到相同位置,则训练结束,否则利用输出结果与标识数据进行损失函数运算,将运算结果返回至神经网络模型继续进行训练,对模型不断优化,直到输出的结果与训练数据的标识信息相同或者达到了预设的训练收敛结果时,训练结束从而得到了客户画像匹配模型,客户画像匹配模型能够实现输入定位段客户特征、行业客户群体则输出与输入该产业链定位段相匹配的该行业的客户群体画像。从而实现了快速、可靠进行产业链定位段客户群体画像分析的技术效果,为后续基于企业对应定位段的客户特征进行数字化转型奠定了基础。
步骤S600:根据所述企业基础信息,确定企业转型项目,并针对所述企业转型项目与所述客户群体画像进行针对性数字化区块匹配,获得区块匹配结果;
进一步的,所述根据所述企业基础信息,确定企业转型项目,并针对所述企业转型项目与所述客户群体画像进行针对性数字化区块匹配,获得区块匹配结果,包括:根据所述客户群体画像,获得群体需求特征;根据所述企业转型项目,获得转型匹配技术信息;根据所述企业转型项目、所述转型匹配技术信息进行匹配特征分析,确定项目转型技术特征;基于所述群体需求特征与所述项目转型技术特征进行匹配,获得匹配度;判断匹配度是否满足预定要求;当满足时,确定所述转型匹配技术信息、所述项目转型技术特征。
进一步的,所述判断匹配度是否满足预定要求之后,包括:当所述匹配度不满足所述预定要求时,根据所述群体需求特征、所述项目转型技术特征,获得特征偏差值;根据所述特征偏差值,获得偏差支撑技术;根据所述偏差支撑技术、所述转型匹配技术信息,获得技术融合评估结果;当所述技术融合评估结果满足融合要求,获得融合提醒信息。
具体而言,根据企业基础信息确定企业需要进行转型项目,企业转型项目可以为录入的制定项目,即企业当前需要针对哪个项目进行针对的数字化转型,也可以根据企业基础信息中给出的企业规模、经营范围、当前的业务特点针对当前的数字化转型特征进行对应的项目推荐。针对企业转型项目与客户群体画像进行针对性数字化区块匹配,具体为首先对客户群体画像进行该客户需求特征的分析,得到当前对应的客户群体有哪些需要特征,针对客户群体的需求与当前的转型项目进行特征分析,评估当前的转型项目与客户群体需求是否匹配,数字化区块主要是针对转型的项目对应的数字化转向的方向和对应的技术支撑的确定,针对当前的企业转型项目确定对应的转型方向,如构建营销平台等,针对需要转型的方向确定实现该方向对应的转型匹配技术信息,当前的转型匹配技术信息实现的数字化转型方向和确定数字化区块与客户群体需求相对应,即客户的需求能够通过确定的数字化区块进行实现,则区块匹配结果为匹配成功,区块匹配结果中包括了匹配的结果、匹配的项目方向、匹配技术信息等。根据区块匹配结果中的信息能够对数字化转型的方向和可行性进行确定,对于当前的转型方向与技术实现的结果与客户群体的需求之间匹配程度不能满足要求,即当前的技术转型区块实现的结果不能满足客户群体需求特征,此时则区块匹配结果中为匹配结果不成功,同时按照匹配结果之间的差异性,给出对于客户需求中哪个方面的需求特征不能达到要求,则按照特征偏差值进行技术面的分析,当前的特征偏差值如果实现需要哪些技术面的支撑,如当前市面上存在的技术或者需要开放的技术,利用确定的偏差支撑技术和当前确定的转型匹配技术信息进行技术特征的分析,判断是否具有兼容性,若两者能够进行融合则给出对应的提醒,用户可以根据融合提醒信息接收到当前分析的结果,根据分析的结果给出的建议进行对应的处理,以确保数字化转型的技术面和客户需求面的和谐,在保证了客户群体的需求特征的基础上进行数字化转型,能满足市场面的要求,确保客户群体的接受度,避免造成客户群体响应程度不高而影响转向后收益效果。
步骤S700:基于所述区块匹配结果,确定企业转型信息。
具体而言,针对区块匹配结果中给出的内容,确定企业转型的方向对进行数字化转型给出指导结果,区块匹配结果中包括了技术面、客户需求面的匹配结果,是否满足双向要求,针对区块匹配结果中的技术面匹配结果、需求面匹配结果,确定是否进行数字化转型,或者如何进行数字化转型,是否需要进行技术研发和改进等企业转型方面的指导决策信息。达到了通过对企业的行业领域特征进行分析,确定其产业链的定位段,根据产业链的定位与客户画像群体分析,并根据分析的数据对企业的信息进行针对性数字化区块匹配,使得企业能够在满足产业链定位的客户群体要求的基础上实现数字化转型,确保客户面的接受程度,保证转型后收益的技术效果。从而解决了现有技术中在数字化转型中缺乏对客户群体的定位分析,存在盲目转型,转型后效果不佳的技术问题。
进一步的,基于所述特征匹配结果进行权重分析,确定所述企业产业链定位段,包括:根据所述特征匹配结果,获得匹配特征集;对所述匹配特征集进行去中心化处理,获得去中心特征集;基于所述去中心特征集,获得协方差矩阵;对所述协方差矩阵进行运算,获得协方差矩阵的第一特征向量;将所述匹配特征集投影到所述第一特征向量,获得降维特征集;基于所述降维特征集获得降维特征集的方差贡献率;根据所述方差贡献率,进行指标权重的归一化处理,获得特征权重值,基于所述特征权重值对所述匹配特征集进行运算,确定筛选特征信息;基于所述筛选特征信息在所述产业链特征列表进行比对,确定所述企业产业链定位段。
具体而言,在基于特征匹配结果进行企业产业链定位段的确定过程中,本申请实施例采用了主成分权重算法对特征匹配结果进行处理,由于企业特征面对该行业领域内产业链特征列表中的其他阶段的特征会存在重叠性,毕竟所述的行业领域相同,因而在进行特征匹配中存在多个匹配特征或者交叉阶段特征的情况,如果对企业进行准确的定位,对各匹配特征进行权重计算,将影响性小的因素进行过滤,将其中起重要作用的特征进行提取,从而避免多个特征的干扰,利用主成分实现对企业产业链的定位分析,通过对匹配特征集即匹配成功后的所有特征集合进行去中心化处理,确定在平均值范围内找到该数据特征的置信区间,即去中心特征集,对去中心特征集进行方差运算,利用方差运算结果对数据进行降维处理,计算协方差矩阵的特征值和特征向量,将特征值进行排序,保留前几个最大的特征值和对应的特征向量,将匹配特征集转换到确定的特征向量中构建起新的空间,实现了对特征数据的降维处理,在利用降维处理后得到特征的方差计算结果进行因子分析,因子分析主要是对主要特征的方差值进行主成分的累计方差贡献的计算,起方差贡献达到了预设的范围内,即确定的主成分能够对企业的匹配特征进行描述,可以反应全部指标的信息内容,则利用主成分进行该企业的产业链定位分析,指标权重为以主成分的方差贡献率为权重,对该特征指标在各主成分中的系数的加权平均的归一化,从而确定主成分的权重值,基于特征权重值确定筛选特征信息,筛选特征信息即按照权重值确定的主成分特征;基于筛选特征信息在所述产业链特征列表进行比对,确定企业产业链定位段,避免了其他特征的干扰而影响企业产业链定位段结果的可靠性。
综上,本申请实施例具有如下技术效果:
1.通过对企业的行业领域特征进行分析,确定其产业链的定位段,根据产业链的定位与客户画像群体分析,并根据分析的数据对企业的信息进行针对性数字化区块匹配,针对匹配结果在技术面和客户需求面进行评估结果进行对应的数字化转型决策,达到了使企业能够在满足产业链定位的客户群体要求的基础上实现数字化转型,确保客户面的接受程度,保证转型后收益的技术效果。
2.通过根据所述企业链定位段,获得定位段客户特征;根据所述行业特征信息,获得行业客户群体;将所述定位段客户特征、行业客户群体输入客户画像匹配模型,获得所述客户画像匹配模型的输出结果,所述输出结果包括客户群体画像;达到了加入神经网络模型实现快速、可靠进行产业链定位段客户群体画像分析,为后续基于企业对应定位段的客户特征进行数字化转型奠定了基础的技术效果。
3.通过基于所述特征匹配结果进行权重分析,确定所述企业产业链定位段,利用主成分分析权重算法,对匹配的特征集合进行特征降维,利用主要特征进行企业的产业链阶段定位,达到了利用主成分特征进行企业定位,确保特征的可靠性和定位结果的准确性,避免非定位主要特征的干扰而造成企业产业链定位段结果不准确情况出现的技术效果。
实施例二
基于与前述实施例中一种企业定位的产业链数据分析方法,同样发明构思,本发明还提供了一种企业定位的产业链数据分析系统,请参阅附图2,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得企业基础信息,所述企业基础信息包括行业领域信息;
第二获得单元12,所述第二获得单元12用于根据所述行业领域信息进行行业特征提取,获得行业特征信息;
第一确定单元13,所述第一确定单元13用于根据所述企业基础信息,确定企业特征信息;
第二确定单元14,所述第二确定单元14用于基于所述行业特征信息、所述企业特征信息进行企业定位分析,确定企业产业链定位段;
第三获得单元15,所述第三获得单元15用于根据所述行业特征信息、所述企业链定位段,获得客户群体画像;
第四获得单元16,所述第四获得单元16用于根据所述企业基础信息,确定企业转型项目,并针对所述企业转型项目与所述客户群体画像进行针对性数字化区块匹配,获得区块匹配结果;
第三确定单元17,所述第三确定单元17用于基于所述区块匹配结果,确定企业转型信息。
进一步的,所述系统还包括:
第四确定单元,所述第四确定单元用于根据所述行业领域信息,确定领域属性特征;
第一执行单元,所述第一执行单元用于基于所述领域属性特征,获得行业产业链划分标准,并基于所述行业产业链划分标准提取划分标准特征;
第五获得单元,所述第五获得单元用于根据所述领域属性特征、所述划分标准特征进行行业特征整合,获得所述行业特征信息。
进一步的,所述系统还包括:
第二执行单元,所述第二执行单元用于对所述行业特征信息按照所述行业产业链划分标准进行产业链特征划分;
第一构建单元,所述第一构建单元用于基于按照产业链划分后的行业特征信息,构建产业链特征列表;
第六获得单元,所述第六获得单元用于根据所述企业特征信息在所述产业链特征列表中进行特征匹配,获得特征匹配结果;
第五确定单元,所述第五确定单元用于基于所述特征匹配结果进行权重分析,确定所述企业产业链定位段。
进一步的,所述系统还包括:
第七获得单元,所述第七获得单元用于根据所述特征匹配结果,获得匹配特征集;
第八获得单元,所述第八获得单元用于对所述匹配特征集进行去中心化处理,获得去中心特征集;
第九获得单元,所述第九获得单元用于基于所述去中心特征集,获得协方差矩阵;
第十获得单元,所述第十获得单元用于对所述协方差矩阵进行运算,获得协方差矩阵的第一特征向量;
第十一获得单元,所述第十一获得单元用于将所述匹配特征集投影到所述第一特征向量,获得降维特征集;
第十二获得单元,所述第十二获得单元用于基于所述降维特征集获得降维特征集的方差贡献率;
第三执行单元,所述第三执行单元用于根据所述方差贡献率,进行指标权重的归一化处理,获得特征权重值,基于所述特征权重值对所述匹配特征集进行运算,确定筛选特征信息;
第六确定单元,所述第六确定单元用于基于所述筛选特征信息在所述产业链特征列表进行比对,确定所述企业产业链定位段。
进一步的,所述系统还包括:
第十三获得单元,所述第十三获得单元用于根据所述企业链定位段,获得定位段客户特征;
第十四获得单元,所述第十四获得单元用于根据所述行业特征信息,获得行业客户群体;
第四执行单元,所述第四执行单元用于将所述定位段客户特征、行业客户群体输入客户画像匹配模型,获得所述客户画像匹配模型的输出结果,所述输出结果包括客户群体画像。
进一步的,所述系统还包括:
第十五获得单元,所述第十五获得单元用于根据所述客户群体画像,获得群体需求特征;
第十六获得单元,所述第十六获得单元用于根据所述企业转型项目,获得转型匹配技术信息;
第七确定单元,所述第七确定单元用于根据所述企业转型项目、所述转型匹配技术信息进行匹配特征分析,确定项目转型技术特征;
第十七获得单元,所述第十七获得单元用于基于所述群体需求特征与所述项目转型技术特征进行匹配,获得匹配度;
第一判断单元,所述第一判断单元用于判断匹配度是否满足预定要求;
第八确定单元,所述第八确定单元用于当满足时,确定所述转型匹配技术信息、所述项目转型技术特征。
进一步的,所述系统还包括:
第十八获得单元,所述第十八获得单元用于当所述匹配度不满足所述预定要求时,根据所述群体需求特征、所述项目转型技术特征,获得特征偏差值;
第十九获得单元,所述第十九获得单元用于根据所述特征偏差值,获得偏差支撑技术;
第二十获得单元,所述第二十获得单元用于根据所述偏差支撑技术、所述转型匹配技术信息,获得技术融合评估结果;
第二十一获得单元,所述第二十一获得单元用于当所述技术融合评估结果满足融合要求,获得融合提醒信息。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是预期他实施例的不同之处,前述图1实施例一中的一种企业定位的产业链数据分析方法和具体实例同样适用于本实施例的一种企业定位的产业链数据分析系统,通过前述对一种企业定位的产业链数据分析方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种企业定位的产业链数据分析系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种企业定位的产业链数据分析方法的发明构思,本发明还提供一种企业定位的产业链数据分析系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种企业定位的产业链数据分析方法的任一方法的步骤。
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305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。
综上,本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供了一种企业定位的产业链数据分析方法及系统,通过获得企业基础信息,所述企业基础信息包括行业领域信息;根据所述行业领域信息进行行业特征提取,获得行业特征信息;根据所述企业基础信息,确定企业特征信息;基于所述行业特征信息、所述企业特征信息进行企业定位分析,确定企业产业链定位段;根据所述行业特征信息、所述企业链定位段,获得客户群体画像;根据所述企业基础信息,确定企业转型项目,并针对所述企业转型项目与所述客户群体画像进行针对性数字化区块匹配,获得区块匹配结果;基于所述区块匹配结果,确定企业转型信息。达到了通过对企业的行业领域特征进行分析,确定其产业链的定位段,根据产业链的定位与客户画像群体分析,并根据分析的数据对企业的信息进行针对性数字化区块匹配,使得企业能够在满足产业链定位的客户群体要求的基础上实现数字化转型的技术效果。从而解决了现有技术中在数字化转型中缺乏对客户群体的定位分析,存在盲目转型,转型后效果不佳的技术问题。
本领域内的技术人员应明白,本申请的实施例可提供为方法、装置、或计算机程序产品。因此,本申请可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外,本申请为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于:U盘、移动硬盘、只读存储器(Read-0nly Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁盘存储器、只读光盘(Compact Disc Read-Only Memory,简称CD-ROM)、光学存储器等各种可以存储程序代码的介质。
本发明是参照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系统。
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系统的制造品,该指令系统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。
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)
1.一种企业定位的产业链数据分析方法,其特征在于,所述方法包括:
获得企业基础信息,所述企业基础信息包括行业领域信息;
根据所述行业领域信息进行行业特征提取,获得行业特征信息;
根据所述企业基础信息,确定企业特征信息;
基于所述行业特征信息、所述企业特征信息进行企业定位分析,确定企业产业链定位段;
根据所述行业特征信息、所述企业链定位段,获得客户群体画像;
根据所述企业基础信息,确定企业转型项目,并针对所述企业转型项目与所述客户群体画像进行针对性数字化区块匹配,获得区块匹配结果;
基于所述区块匹配结果,确定企业转型信息。
2.如权利要求1所述的方法,其特征在于,所述根据所述行业领域信息进行行业特征提取,获得行业特征信息,包括:
根据所述行业领域信息,确定领域属性特征;
基于所述领域属性特征,获得行业产业链划分标准,并基于所述行业产业链划分标准提取划分标准特征;
根据所述领域属性特征、所述划分标准特征进行行业特征整合,获得所述行业特征信息。
3.如权利要求2所述的方法,其特征在于,所述基于所述行业特征信息、所述企业特征信息进行企业定位分析,确定企业产业链定位段,包括:
对所述行业特征信息按照所述行业产业链划分标准进行产业链特征划分;
基于按照产业链划分后的行业特征信息,构建产业链特征列表;
根据所述企业特征信息在所述产业链特征列表中进行特征匹配,获得特征匹配结果;
基于所述特征匹配结果进行权重分析,确定所述企业产业链定位段。
4.如权利要求3所述的方法,其特征在于,基于所述特征匹配结果进行权重分析,确定所述企业产业链定位段,包括:
根据所述特征匹配结果,获得匹配特征集;
对所述匹配特征集进行去中心化处理,获得去中心特征集;
基于所述去中心特征集,获得协方差矩阵;
对所述协方差矩阵进行运算,获得协方差矩阵的第一特征向量;
将所述匹配特征集投影到所述第一特征向量,获得降维特征集;
基于所述降维特征集获得降维特征集的方差贡献率;
根据所述方差贡献率,进行指标权重的归一化处理,获得特征权重值,基于所述特征权重值对所述匹配特征集进行运算,确定筛选特征信息;
基于所述筛选特征信息在所述产业链特征列表进行比对,确定所述企业产业链定位段。
5.如权利要求1所述的方法,其特征在于,所述根据所述行业特征信息、所述企业链定位段,获得客户群体画像,包括:
根据所述企业链定位段,获得定位段客户特征;
根据所述行业特征信息,获得行业客户群体;
将所述定位段客户特征、行业客户群体输入客户画像匹配模型,获得所述客户画像匹配模型的输出结果,所述输出结果包括客户群体画像。
6.如权利要求1所述的方法,其特征在于,所述根据所述企业基础信息,确定企业转型项目,并针对所述企业转型项目与所述客户群体画像进行针对性数字化区块匹配,获得区块匹配结果,包括:
根据所述客户群体画像,获得群体需求特征;
根据所述企业转型项目,获得转型匹配技术信息;
根据所述企业转型项目、所述转型匹配技术信息进行匹配特征分析,确定项目转型技术特征;
基于所述群体需求特征与所述项目转型技术特征进行匹配,获得匹配度;
判断匹配度是否满足预定要求;
当满足时,确定所述转型匹配技术信息、所述项目转型技术特征。
7.如权利要求6所述的方法,其特征在于,所述判断匹配度是否满足预定要求之后,包括:
当所述匹配度不满足所述预定要求时,根据所述群体需求特征、所述项目转型技术特征,获得特征偏差值;
根据所述特征偏差值,获得偏差支撑技术;
根据所述偏差支撑技术、所述转型匹配技术信息,获得技术融合评估结果;
当所述技术融合评估结果满足融合要求,获得融合提醒信息。
8.一种企业定位的产业链数据分析系统,其特征在于,所述系统包括:
第一获得单元,所述第一获得单元用于获得企业基础信息,所述企业基础信息包括行业领域信息;
第二获得单元,所述第二获得单元用于根据所述行业领域信息进行行业特征提取,获得行业特征信息;
第一确定单元,所述第一确定单元用于根据所述企业基础信息,确定企业特征信息;
第二确定单元,所述第二确定单元用于基于所述行业特征信息、所述企业特征信息进行企业定位分析,确定企业产业链定位段;
第三获得单元,所述第三获得单元用于根据所述行业特征信息、所述企业链定位段,获得客户群体画像;
第四获得单元,所述第四获得单元用于根据所述企业基础信息,确定企业转型项目,并针对所述企业转型项目与所述客户群体画像进行针对性数字化区块匹配,获得区块匹配结果;
第三确定单元,所述第三确定单元用于基于所述区块匹配结果,确定企业转型信息。
9.一种企业定位的产业链数据分析系统,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权利要求1-7任一项所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述存储介质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权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210127056.8A CN114462861A (zh) | 2022-02-11 | 2022-02-11 | 一种企业定位的产业链数据分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210127056.8A CN114462861A (zh) | 2022-02-11 | 2022-02-11 | 一种企业定位的产业链数据分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114462861A true CN114462861A (zh) | 2022-05-10 |
Family
ID=81414358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210127056.8A Pending CN114462861A (zh) | 2022-02-11 | 2022-02-11 | 一种企业定位的产业链数据分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114462861A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117975764A (zh) * | 2024-03-29 | 2024-05-03 | 烟台富士智能科技有限公司 | 一种智能停车场的车位预约方法、设备及介质 |
-
2022
- 2022-02-11 CN CN202210127056.8A patent/CN114462861A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117975764A (zh) * | 2024-03-29 | 2024-05-03 | 烟台富士智能科技有限公司 | 一种智能停车场的车位预约方法、设备及介质 |
CN117975764B (zh) * | 2024-03-29 | 2024-06-07 | 烟台富士智能科技有限公司 | 一种智能停车场的车位预约方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109522556B (zh) | 一种意图识别方法及装置 | |
CN112860841B (zh) | 一种文本情感分析方法、装置、设备及存储介质 | |
CN110705952A (zh) | 一种合同审核方法及装置 | |
CN110751557A (zh) | 一种基于序列模型的异常资金交易行为分析方法及系统 | |
CN112017040B (zh) | 信用评分模型训练方法、评分方法及系统、设备及介质 | |
WO2020063524A1 (zh) | 一种法律文书的确定方法及系统 | |
CN113705909A (zh) | 基于预测模型的风险等级预测方法、装置与存储介质 | |
CN111159241B (zh) | 一种点击转化预估方法及装置 | |
CN112214402A (zh) | 一种代码验证算法的选择方法、装置及存储介质 | |
CN114462861A (zh) | 一种企业定位的产业链数据分析方法及系统 | |
CN114581249A (zh) | 基于投资风险承受能力评估的金融产品推荐方法及系统 | |
CN115099310A (zh) | 训练模型、对企业进行行业分类的方法和装置 | |
Ramasubramanian et al. | Machine learning model evaluation | |
CN115687790B (zh) | 基于大数据的广告推送方法、系统及云平台 | |
Groher et al. | Leveraging AI-based decision support for opportunity analysis | |
CN115829722A (zh) | 信用风险评分模型的训练方法及信用风险评分方法 | |
CN115293867A (zh) | 财务报销用户画像优化方法、装置、设备及存储介质 | |
CN114493317A (zh) | 一种基于企业环境的智能采集评估方法及系统 | |
CN110348190B (zh) | 基于用户操作行为的用户设备归属判断方法及装置 | |
CN114529191A (zh) | 用于风险识别的方法和装置 | |
CN115860889A (zh) | 一种基于人工智能的金融贷款大数据管理方法及系统 | |
CN114399352A (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
CN114116814A (zh) | 基于智慧金融大数据的金融产品推荐方法 | |
CN113449506A (zh) | 一种数据检测方法、装置、设备及可读存储介质 | |
CN111754195A (zh) | 信息处理的方法及装置、电子设备及计算机可读存储介质 |
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 |