CN114862188A - 一种农产品电商数据的分析系统 - Google Patents
一种农产品电商数据的分析系统 Download PDFInfo
- Publication number
- CN114862188A CN114862188A CN202210486248.8A CN202210486248A CN114862188A CN 114862188 A CN114862188 A CN 114862188A CN 202210486248 A CN202210486248 A CN 202210486248A CN 114862188 A CN114862188 A CN 114862188A
- Authority
- CN
- China
- Prior art keywords
- contribution rate
- index
- information
- maintenance
- result
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 18
- 238000012423 maintenance Methods 0.000 claims abstract description 125
- 238000011156 evaluation Methods 0.000 claims abstract description 90
- 238000012216 screening Methods 0.000 claims abstract description 34
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 230000005611 electricity Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 10
- 238000002955 isolation Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012800 visualization 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种农产品电商数据的分析系统,应用于数据分析技术领域,该系统包括:通过加载农产品基本信息,获取电商运维状态信息。遍历运维评价指标预设维度,对电商运维状态信息进行层级特征提取,获得第一指标特征信息直到第N指标特征信息。遍历第N指标特征信息进行运维贡献率评估,获得第一贡献率。根据预设贡献率对第N指标特征信息筛除,获取筛选结果。根据筛选结果对运维贡献率更新,获取最终的运维贡献率。根据贡献率和指标特征信息对农产品电商运维状态评估,获得第一评估结果。解决了现有技术中存在缺少可以客观对农产品电商数据进行整合并分析的评价的方案,导致农产品电商数据评价不准确评价主观性较强的技术问题。
Description
技术领域
本发明涉及数据分析技术领域,具体涉及一种农产品电商数据的分析系统。
背景技术
农产品电商是随着互联网的发展,为了促进新农村建设而提出的概念,主要方式是通过互联网平台进行农产品倾销运营,由于现有的农产品电商发展起步较晚,导致各项技术均不完善,特别是对于农产品电商的数据分析较为落后,多数为工作人员根据经验进行分析评价,导致农产品电商数据分析的主观性较强。
因此,在现有技术中存在缺少可以客观对农产品电商数据进行整合并分析的评价的方案,导致农产品电商数据评价不准确评价主观性较强的技术问题。
发明内容
本申请提供一种农产品电商数据的分析系统,用于针对解决现有技术中存在缺少可以客观对农产品电商数据进行整合并分析的评价的方案,导致农产品电商数据评价不准确评价主观性较强的技术问题。
鉴于上述问题,本申请提供了一种农产品电商数据的分析系统。
本申请的第一个方面,提供了一种农产品电商数据的分析方法,所述方法包括:加载第一农产品基本信息,其中,所述第一农产品基本信息包括第一电商运维状态信息;遍历第一运维评价指标预设维度,对所述第一电商运维状态信息进行层级特征提取,获得第一指标特征信息直到第N指标特征信息;遍历所述第N指标特征信息进行运维贡献率评估,获得第一贡献率;将所述第一贡献率不满足第一贡献率阈值的所述第N指标特征信息筛除,获得第一指标特征筛选结果;根据所述第一指标特征筛选结果对第N-1指标特征信息进行运维贡献率评估,获得第二贡献率;重复进行贡献率评估,获得第N贡献率,其中,所述第N贡献率和所述第一指标特征信息对应;根据所述第N贡献率和所述第一指标特征信息对所述第一农产品电商运维状态评估,获得第一评估结果。
本申请的第二个方面,提供了一种农产品电商数据的分析系统,所述系统包括:第一获得单元,用于加载第一农产品基本信息,其中,所述第一农产品基本信息包括第一电商运维状态信息;第二获得单元,用于遍历第一运维评价指标预设维度,对所述第一电商运维状态信息进行层级特征提取,获得第一指标特征信息直到第N指标特征信息;第三获得单元,用于遍历所述第N指标特征信息进行运维贡献率评估,获得第一贡献率;第四获得单元,用于将所述第一贡献率不满足第一贡献率阈值的所述第N指标特征信息筛除,获得第一指标特征筛选结果;第五获得单元,用于根据所述第一指标特征筛选结果对第N-1指标特征信息进行运维贡献率评估,获得第二贡献率;第六获得单元,用于重复进行贡献率评估,获得第N贡献率,其中,所述第N贡献率和所述第一指标特征信息对应;第七获得单元,用于根据所述第N贡献率和所述第一指标特征信息对所述第一农产品电商运维状态评估,获得第一评估结果。
本申请的第三个方面,提供了一种电子设备,包括:处理器和存储器,所述处理器与存储器耦合;所述存储器用于存储程序,所述处理器,用于通过调用,执行时实现如第一方面所述系统的步骤。
本申请的第四个方面,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如第一方面所述系统的步骤。
本申请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:
本申请实施例提供的系统通过加载农产品基本信息,获取电商运维状态信息。遍历运维评价指标预设维度,对电商运维状态信息进行层级特征提取,获得第一指标特征信息直到第N指标特征信息。遍历第N指标特征信息进行运维贡献率评估,获得第一贡献率。根据预设贡献率对第N指标特征信息筛除,获取筛选结果。根据筛选结果对运维贡献率更新,获取最终的运维贡献率。根据贡献率和指标特征信息对农产品电商运维状态评估,获得第一评估结果。解决了现有技术中存在缺少可以客观对农产品电商数据进行整合并分析的评价的方案,导致农产品电商数据评价不准确评价主观性较强的技术问题。通过对电商运维状态信息进行层级特征提取,获取各维度对应的贡献率,实现了对农产品电商数据进行准确性客观性评价的技术效果。
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
图1为本申请提供的一种农产品电商数据的分析方法流程示意图;
图2为本申请提供的一种农产品电商数据的分析方法中获得第N指标特征信息的流程示意图;
图3为本申请提供的一种农产品电商数据的分析方法中获取第一贡献率的流程示意图;
图4为本申请提供了一种农产品电商数据的分析系统结构示意图;
图5为本申请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,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,第七获得单元17,电子设备总线300,存储器301,处理器302,通信接口303,总线架构304。
具体实施方式
本申请提供一种农产品电商数据的分析系统,用于针对解决现有技术中存在缺少可以客观对农产品电商数据进行整合并分析的评价的方案,导致农产品电商数据评价不准确评价主观性较强的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供的方法通过加载农产品基本信息,获取电商运维状态信息。遍历运维评价指标预设维度,对电商运维状态信息进行层级特征提取,获得第一指标特征信息直到第N指标特征信息。遍历第N指标特征信息进行运维贡献率评估,获得第一贡献率。根据预设贡献率对第N指标特征信息筛除,获取筛选结果。根据筛选结果对运维贡献率更新,获取最终的运维贡献率。根据贡献率和指标特征信息对农产品电商运维状态评估,获得第一评估结果。解决了现有技术中存在缺少可以客观对农产品电商数据进行整合并分析的评价的方案,导致农产品电商数据评价不准确评价主观性较强的技术问题。
在介绍了本申请基本原理后,下面,将参考附图对本申请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。
实施例一
如图1所示,本申请提供了一种农产品电商数据的分析方法,所述方法包括:
S100:加载第一农产品基本信息,其中,所述第一农产品基本信息包括第一电商运维状态信息;
具体的,获取农产品电商数据的农产品基本信息,上述农产品为农产品电商经营出售的农产品,农产品基本信息为农产品销售运营的各项信息,包括农产品销售的财务指标、经营指标以及用户指标。其中,经营指标包括各产品的经营指标,如产品的包装、储存以及物流等,其中财务指标包括财务收入和财务支出,如产品的销售额、销售利润以及各项成本支出。其中用户指标包括,用户量、用户活跃度、用户购买率等与用户相关的指标,上述数据共同组成第一电商运维状态信息。
S200:遍历第一运维评价指标预设维度,对所述第一电商运维状态信息进行层级特征提取,获得第一指标特征信息直到第N指标特征信息;
具体的,获取运维评价指标预设维度,其中运维评价指标预设维度种包括财务维度、经营维度以及用户维度,上述维度共同构成第一运维评价指标预设维度。通过对上述运维评价指标预设维度进行遍历,提取各运维评价指标预设维度中的层级特征,即组成各指标预设维度下的特征指标,对所有指标特征信息进行聚类获取第一指标特征信息直到第N指标特征信息。示例性的,系统首先获取所有类型的指标特征数据,对该指标特征数据进行第一次聚类获取第一指标特征信息,将上述指标特征数据分为多个大类别,对每个大类别中包含的数据进行第二次聚类获取第二指标特征信息,直到数据无法再进行聚类时获取第N指标特征信息,通过层层聚类,将原本混合冗杂的数据层层细化,得到类别分明的多层级数据,进而便于计算机进行高效快速的处理,同时类别分明的多层级数据增强了电商数据分析过程的可视化。
S300:遍历所述第N指标特征信息进行运维贡献率评估,获得第一贡献率;
具体的,对第N指标特征信息进行运维贡献率评估,其中第N指标特征信息为聚类后获取的最低层级数据的特征信息。对上述第N指标特征信息进行运维贡献率评估,通过对各种类农产品的指标特征信息评分进行获取,同时获得该农产品的总评分,由指标特征信息评分和总评分之间的比值获取该特征的贡献率。再获取该类型农产品的贡献率时可以通过获取所有农产品的总评分,通过该类型农产品的评分与所有农产品的总评分之间的比值获取该类型农产品的贡献率。
S400:将所述第一贡献率不满足第一贡献率阈值的所述第N指标特征信息筛除,获得第一指标特征筛选结果;
S500:根据所述第一指标特征筛选结果对第N-1指标特征信息进行运维贡献率评估,获得第二贡献率;
具体的,设置第一贡献率阈值,该第一贡献率阈值为某维度层贡献率的最低阈值,当某一维度层中数据低于该阈值时,说明该数据的贡献率影响度较小甚至可以忽略不计,此时对该维度层中影响较小的数据进行剔除,获取剔除后的特征筛选结果即第一指标特征筛选结果。由于在第N指标特征信息中剔除了部分影响度较小的数据,此时,第N指标特征信息中的数据产生改变,因此对应的第一贡献率也发生改变,对第一贡献率按照各特征评分和总评分之间的比值进行更新,获取更新后的第一贡献率。随后根据第一指标特征筛选结果对高一级层级的第N-1指标特征信息进行运维贡献率评估,由于第一指标特征筛选结果筛选了部分影响度较低的数据,此时总评分数据发生改变,根据第一指标特征筛选结果获取总评分数据,对第N-1指标特征信息运维贡献率进行更新评估,获取更新评估后的第二贡献率。其中,对于第二贡献率的获取依然采取各特征评分与总评分之间的比值进行获取。
S600:重复进行贡献率评估,获得第N贡献率,其中,所述第N贡献率和所述第一指标特征信息对应;
S700:根据所述第N贡献率和所述第一指标特征信息对所述第一农产品电商运维状态评估,获得第一评估结果。
具体的,由于第一指标特征筛选结果筛选了部分影响度较低的数据,此时总评分数据发生改变,根据第一指标特征筛选结果获取总评分数据,按照维度有低到高逐级进行贡献率的更新评估,对所有维度的贡献率进行更新,获取第N贡献率,其中第N贡献率为该类别农产品最高层级的贡献率数据,且第N贡献率与该类别第一指标特征信息对应。由于获取了高层级的贡献率数据,因此可以通过高层级的贡献率数据判断该类别农产品电商运维状态各维度数据贡献率的高低。当贡献率较高时说明该农产品电商的运维状态贡献较大,应该相应的加强该维度数据。当贡献率较低时说明该农产品对电商的运维状态贡献较小,此时则可以根据实际情况对该维度数据进行调整。通过获取该类别农产品电商运维状态各维度数据贡献率,将贡献率和获取的高层级评分数据进行加权计算,将计算的结果放入坐标系中进行评价,通过坐标数据对电商运维状态进行评价获取最终的评价结果即第一评估结果,其中第一评估结果可以通过对历史数据按照相同的方式构建历史坐标数据与当前构建的坐标数据进行评价获取。
如图2所示,本申请实施例提供的方法步骤S200包括:
S210:遍历所述第一运维评价指标预设维度,对所述第一电商运维状态信息进行运维数据匹配,获得所述第一指标特征信息;
S220:遍历所述第一指标特征信息进行聚类分析,获得第二指标特征信息;
S230:遍历所述第N-1指标特征信息进行聚类分析,获得所述第N指标特征信息。
具体的,获取运维评价指标预设维度,其中运维评价指标预设维度种包括财务维度、经营维度以及用户维度,上述维度共同构成第一运维评价指标预设维度。对电商运维状态信息进行运维数据匹配,即对各项预设维度下的所有信息进行数据匹配,获取第一指标特征信息。此时第一指标特征信息中包含了所有的指标特征,对第一指标特征信息进行聚类分析,获取第一指标特征信息的低一级维度的聚类信息即第二指标特征信息,对第二指标特征信息继续进行聚类分析,直到聚类结果为最低维度数据,且无法在进行聚类时获取第N指标特征信息。通过对第一指标特征信息进行逐级降维的聚类分析,层层获取指标特征信息进一步提高了各预设维度获取的准确性。
如图3所示,本申请实施例提供的方法步骤S300包括:
S310:根据所述第一农产品基本信息,获得第一农产品类型信息;
S320:调用运维贡献率评估通道,生成第一贡献率评分通道,第二贡献率评分通道直到第M贡献率评分通道,其中,任意两个所述贡献率评分之间处于信息隔离状态;
S330:将所述第一农产品类型信息和所述第N指标特征信息并行输入所述第一贡献率评分通道,所述第二贡献率评分通道直到所述第M贡献率评分通道,获得第一贡献率。
具体的,通过第一农产品基本信息,获取第一农产品类型信息,其中第一农产品类型信息包括该农产品的种类,以及该种类农产品在不同平台销售的所有数据信息,如该农产品的具体销售额度,该农产品的用户量等数据信息。调用运维贡献率评估通道,生成第一贡献率评分通道,第二贡献率评分通道直到第M贡献率评分通道,其中评分通道数量和电商平台数量相同,即每个电商平台对应一个贡献率评分通道,并且任意两个平台贡献率评分之间处于信息隔离状态,通过两个通道之间的信息隔离避免通道之间评分互相产生影响。将第一农产品类型信息和第N指标特征信息并行输入所述第一贡献率评分通道,分别获取各指标特征的评分数据,获取所有电商平台的贡献率评分获取该农产品的总评分,通过不同平台各指标特征的评分数据与该农产品总特征评分之间的比值获取各指标特征的贡献率。
本申请实施例提供的方法步骤S330包括:
S331:根据所述第一贡献率评分通道,所述第二贡献率评分通道直到所述第M贡献率评分通道,获得第一评分结果,第二评分结果直到第M评分结果;
S332:遍历所述第一评分结果,第二评分结果直到第M评分结果,获得第一指标类型评分加和结果,第二指标类型评分加和结果直到第l指标类型评分加和结果,其中,l为所述第N指标特征信息的指标维度数;
S333:对所述第一指标类型评分加和结果,所述第二指标类型评分加和结果直到所述第l指标类型评分加和结果进行加和计算,获得第一加和总分;
S334:根据所述第一指标类型评分加和结果,所述第二指标类型评分加和结果直到所述第l指标类型评分加和结果和所述第一加和总分,生成所述第一贡献率。
具体的,通过不同平台获取的对应的贡献率评分通道,获取所有的特征的评分结果,遍历所有的电商平台的评分结果,获取第一指标类型评分加和结果,第二指标类型评分加和结果直到第l指标类型评分加和结果。其中第一指标类型评分加和结果,第二指标类型评分加和结果直到第l指标类型评分加和结果为不同电商平台的数据加和结果。示例性的,某品类农产品在3个电商平台中销售,每个电商平台都存在对应的贡献率评分通道,每个贡献率评分通道均可以完成对该平台所有特征数据的评分,一组特征数据聚类后包含4个层级,第一层级为最高层级,第四层级为最低层级,实施例中获取的评分结果即为上述四个层级中所有元素评分结果,通过对第四层级评分结果进行加和,获取第三层级元素的评分结果,以此类推直到获取所有层级的评分数据。通过各层级元素评分与总分之间的比值生成第一贡献率,其中第一贡献率可以体现各特征指标和维度指标的贡献率。
本申请实施例提供的方法步骤S320包括:
S321:获得第一电商平台、第二电商平台直到第M电商平台,其中,任意两个所述电商平台处于信息交互隔离状态;
S322:根据所述第一电商平台,构建所述第一贡献率评分通道;
S323:根据所述第M电商平台,构建所述第M贡献率评分通道。
具体的,获取第一电商平台、第二电商平台直到第M电商平台,上述电商平台之间数据不互通,信息处于交互隔离状态,根据第一电商平台中获取的农产品历史数据构建第一贡献率评分通道,直到完成所有电商平台贡献率评分通道的构建。其中在构建第一贡献率评分通道时,当数据量较小时可以采用人工的方式构建第一贡献率评分通道,由于前期数据量较小,特征数据中数据所体现的信息并不明显,因此需要采用人工的方式建立第一贡献率评分通道。而当数据量充足时,特征数据可以通过构建智能化模型通过统计或对比的方式获取数据的评分。由于电商平台之间信息为交互隔离状态,因此构建的贡献率评分通道可以独立运行,各贡献率评分通道之间的评分不会互相产生影响,最终获取的贡献率评分数据更加准确。
本申请实施例提供的方法步骤S700包括:
S710:根据所述第一指标特征信息,构建第一运维状态评估坐标系,其中,所述第一运维状态评估坐标系和所述第一指标特征信息维度相同;
S720:根据所述第N贡献率对所述第一指标特征信息进行权重分配,获得第一权重分配结果;
S730:根据所述第一权重分配结果对所述第一指标特征信息进行权重处理,获得第一处理结果;
S740:将所述第一处理结果输入所述第一运维状态评估坐标系,获得第一坐标值;
S750:根据所述第一坐标值,获得所述第一评估结果。
具体的,根据第一指标特征信息即该类别农产品的最高层级数据,构建第一运维状态评估坐标系,并且第一运维状态评估坐标系的维度与第一指标特征信息中的维度相同,在本实施例中第一指标特征信息中包含三个维度,分别为财务维度、经营维度以及用户维度,构建三维坐标系,其中每个坐标轴对应一个维度。根据第N贡献率对第一指标特征信息中的维度数据进行权重分配,获取各维度的权重分配结果即第一权重分配结果。根据第一权重分配结果对第一指标特征信息进行权重处理,对第一指标特征信息中各维度数据的评分结果进行加权计算,获取最终的处理结果即第一处理结果。将第一处理结果输入第一运维状态评估坐标系,获取处理结果在该坐标系的坐标值,根据坐标值数据获取评估结果,该坐标值即可体现最终的第一评估结果。实现了对农产品电商数据进行整合评价,获取更加标准化的评价结果。
本申请实施例提供的方法步骤S710包括:
S711:遍历所述第一指标特征信息直到所述第N指标特征信息,获得第一历史数据集;
S712:根据所述第一历史数据集进行运维状态优劣等级划分,获得第一级别划分结果;
S713:根据所述第一级别划分结果,构建所述第一运维状态评估坐标系。
具体的,遍历第一指标特征信息直到所述第N指标特征信息,获取各维度信息,通过维度信息获取历史数据中的对应维度数据集即第一历史数据集。由于历史维度数据中各指标具有已知的运维状态,根据运维状态的好坏对历史数据中维度数据进行级别划分,当运维状态较好时对对应的历史数据中的维度数据则可以将其划分为较佳的数据,当运维状态较差时对对应的历史数据中的维度数据则可以将其划分为较差的数据,获取最终的维度数据划分结果即第一级别划分结果,由于第一级别划分结果其生成的为一个范围,包括运维状态较差的数据范围以及运维状态较好的数据范围,构建所述第一运维状态评估坐标系,通过处理结果在该坐标系的坐标值所在的位置获取最终的标准化评价结果。
综上所述,本申请实施例提供的系统通过加载农产品基本信息,获取电商运维状态信息。遍历运维评价指标预设维度,对电商运维状态信息进行层级特征提取,获得第一指标特征信息直到第N指标特征信息。遍历第N指标特征信息进行运维贡献率评估,获得第一贡献率。根据预设贡献率对第N指标特征信息筛除,获取筛选结果。根据筛选结果对运维贡献率更新,获取最终的运维贡献率。根据贡献率和指标特征信息对农产品电商运维状态评估,获得第一评估结果。解决了现有技术中存在缺少可以客观对农产品电商数据进行整合并分析的评价的方案,导致农产品电商数据评价不准确评价主观性较强的技术问题。通过对电商运维状态信息进行层级特征提取,获取各维度对应的贡献率,实现了对农产品电商数据进行准确性和客观性评价的技术效果。
实施例二
基于与前述实施例中一种农产品电商数据的分析方法相同的发明构思,如图4所示,本申请提供了一种农产品电商数据的分析系统,所述系统包括:
第一获得单元11,用于加载第一农产品基本信息,其中,所述第一农产品基本信息包括第一电商运维状态信息;
第二获得单元12,用于遍历第一运维评价指标预设维度,对所述第一电商运维状态信息进行层级特征提取,获得第一指标特征信息直到第N指标特征信息;
第三获得单元13,用于遍历所述第N指标特征信息进行运维贡献率评估,获得第一贡献率;
第四获得单元14,用于将所述第一贡献率不满足第一贡献率阈值的所述第N指标特征信息筛除,获得第一指标特征筛选结果;
第五获得单元15,用于根据所述第一指标特征筛选结果对第N-1指标特征信息进行运维贡献率评估,获得第二贡献率;
第六获得单元16,用于重复进行贡献率评估,获得第N贡献率,其中,所述第N贡献率和所述第一指标特征信息对应;
第七获得单元17,用于根据所述第N贡献率和所述第一指标特征信息对所述第一农产品电商运维状态评估,获得第一评估结果。
进一步地,所述系统还包括:
第七获得单元,用于遍历所述第一运维评价指标预设维度,对所述第一电商运维状态信息进行运维数据匹配,获得所述第一指标特征信息;
第八获得单元,用于遍历所述第一指标特征信息进行聚类分析,获得第二指标特征信息;
第九获得单元,用于遍历所述第N-1指标特征信息进行聚类分析,获得所述第N指标特征信息。
进一步地,所述系统还包括:
第十获得单元,用于根据所述第一农产品基本信息,获得第一农产品类型信息;
第一生成单元,用于调用运维贡献率评估通道,生成第一贡献率评分通道,第二贡献率评分通道直到第M贡献率评分通道,其中,任意两个所述贡献率评分之间处于信息隔离状态;
第十一获得单元,用于将所述第一农产品类型信息和所述第N指标特征信息并行输入所述第一贡献率评分通道,所述第二贡献率评分通道直到所述第M贡献率评分通道,获得第一贡献率。
进一步地,所述系统还包括:
第十二获得单元,用于根据所述第一贡献率评分通道,所述第二贡献率评分通道直到所述第M贡献率评分通道,获得第一评分结果,第二评分结果直到第M评分结果;
第十三获得单元,用于遍历所述第一评分结果,第二评分结果直到第M评分结果,获得第一指标类型评分加和结果,第二指标类型评分加和结果直到第l指标类型评分加和结果,其中,l为所述第N指标特征信息的指标维度数;
第十四获得单元,用于对所述第一指标类型评分加和结果,所述第二指标类型评分加和结果直到所述第l指标类型评分加和结果进行加和计算,获得第一加和总分;
第一处理单元,用于根据所述第一指标类型评分加和结果,所述第二指标类型评分加和结果直到所述第l指标类型评分加和结果和所述第一加和总分,生成所述第一贡献率。
进一步地,所述系统还包括:
第十五获得单元,用于获得第一电商平台、第二电商平台直到第M电商平台,其中,任意两个所述电商平台处于信息交互隔离状态;
第一构建单元,用于根据所述第一电商平台,构建所述第一贡献率评分通道;
第二构建单元,用于根据所述第M电商平台,构建所述第M贡献率评分通道。
进一步地,所述系统还包括:
第三构建单元,用于根据所述第一指标特征信息,构建第一运维状态评估坐标系,其中,所述第一运维状态评估坐标系和所述第一指标特征信息维度相同;
第十六获得单元,用于根据所述第N贡献率对所述第一指标特征信息进行权重分配,获得第一权重分配结果;
第十七获得单元,用于根据所述第一权重分配结果对所述第一指标特征信息进行权重处理,获得第一处理结果;
第十八获得单元,用于将所述第一处理结果输入所述第一运维状态评估坐标系,获得第一坐标值;
第十九获得单元,用于根据所述第一坐标值,获得所述第一评估结果。
进一步地,所述系统还包括:
第二十获得单元,用于遍历所述第一指标特征信息直到所述第N指标特征信息,获得第一历史数据集;
第二十一获得单元,用于根据所述第一历史数据集进行运维状态优劣等级划分,获得第一级别划分结果;
第四构建单元,用于根据所述第一级别划分结果,构建所述第一运维状态评估坐标系。
实施例三
基于与前述实施例中一种农产品电商数据的分析系统相同的发明构思,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如实施例一内的方法。
示例性电子设备
下面参考图5来描述本申请的电子设备。
基于与前述实施例中一种农产品电商数据的分析系统相同的发明构思,本申请还提供了一种电子设备,包括:处理器和存储器,所述处理器与存储器耦合;所述存储器用于存储程序,所述处理器,用于通过调用,以执行实施例一所述方法的步骤。
该电子设备300包括:处理器302、通信接口303、存储器301。可选的,电子设备300还可以包括总线架构304。其中,通信接口303、处理器302以及存储器301可以通过总线架构304相互连接;总线架构304可以是外设部件互连标(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry Standard architecture,简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU,微处理器,ASIC,或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303,使用任何收发器一类的系统,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN),有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory,EEPROM)、只读光盘(compactdiscread-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器301用于存储执行本申请方案的计算机执行指令,并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令,从而实现本申请上述实施例提供的一种农产品电商数据的分析系统。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请的范围,也不表示先后顺序。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个、种),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(SolidState Disk,SSD))等。
本申请中所描述的各种说明性的逻辑单元和电路可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑系统,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本申请中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于终端中。可选地,处理器和存储媒介也可以设置于终端中的不同的部件中。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。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (10)
1.一种农产品电商数据的分析系统,其特征在于,所述系统包括:
第一获得单元,用于加载第一农产品基本信息,其中,所述第一农产品基本信息包括第一电商运维状态信息;
第二获得单元,用于遍历第一运维评价指标预设维度,对所述第一电商运维状态信息进行层级特征提取,获得第一指标特征信息直到第N指标特征信息;
第三获得单元,用于遍历所述第N指标特征信息进行运维贡献率评估,获得第一贡献率;
第四获得单元,用于将所述第一贡献率不满足第一贡献率阈值的所述第N指标特征信息筛除,获得第一指标特征筛选结果;
第五获得单元,用于根据所述第一指标特征筛选结果对第N-1指标特征信息进行运维贡献率评估,获得第二贡献率;
第六获得单元,用于重复进行贡献率评估,获得第N贡献率,其中,所述第N贡献率和所述第一指标特征信息对应;
第七获得单元,用于根据所述第N贡献率和所述第一指标特征信息对所述第一农产品电商运维状态评估,获得第一评估结果。
2.如权利要求1所述的系统,其特征在于,所述遍历第一运维评价指标预设维度,对所述第一电商运维状态信息进行层级特征提取,获得第一指标特征信息直到第N指标特征信息,包括:
第七获得单元,用于遍历所述第一运维评价指标预设维度,对所述第一电商运维状态信息进行运维数据匹配,获得所述第一指标特征信息;
第八获得单元,用于遍历所述第一指标特征信息进行聚类分析,获得第二指标特征信息;
第九获得单元,用于遍历所述第N-1指标特征信息进行聚类分析,获得所述第N指标特征信息。
3.如权利要求1所述的系统,其特征在于,所述遍历所述第N指标特征信息进行运维贡献率评估,获得第一贡献率,包括:
第十获得单元,用于根据所述第一农产品基本信息,获得第一农产品类型信息;
第一生成单元,用于调用运维贡献率评估通道,生成第一贡献率评分通道,第二贡献率评分通道直到第M贡献率评分通道,其中,任意两个所述贡献率评分之间处于信息隔离状态;
第十一获得单元,用于将所述第一农产品类型信息和所述第N指标特征信息并行输入所述第一贡献率评分通道,所述第二贡献率评分通道直到所述第M贡献率评分通道,获得第一贡献率。
4.如权利要求3所述的系统,其特征在于,所述将所述第一农产品类型信息和所述第N指标特征信息并行输入所述第一贡献率评分通道,所述第二贡献率评分通道直到所述第M贡献率评分通道,获得第一贡献率,包括:
第十二获得单元,用于根据所述第一贡献率评分通道,所述第二贡献率评分通道直到所述第M贡献率评分通道,获得第一评分结果,第二评分结果直到第M评分结果;
第十三获得单元,用于遍历所述第一评分结果,第二评分结果直到第M评分结果,获得第一指标类型评分加和结果,第二指标类型评分加和结果直到第l指标类型评分加和结果,其中,l为所述第N指标特征信息的指标维度数;
第十四获得单元,用于对所述第一指标类型评分加和结果,所述第二指标类型评分加和结果直到所述第l指标类型评分加和结果进行加和计算,获得第一加和总分;
第一处理单元,用于根据所述第一指标类型评分加和结果,所述第二指标类型评分加和结果直到所述第l指标类型评分加和结果和所述第一加和总分,生成所述第一贡献率。
5.如权利要求4所述的系统,其特征在于,所述系统还包括:
第十五获得单元,用于获得第一电商平台、第二电商平台直到第M电商平台,其中,任意两个所述电商平台处于信息交互隔离状态;
第一构建单元,用于根据所述第一电商平台,构建所述第一贡献率评分通道;
第二构建单元,用于根据所述第M电商平台,构建所述第M贡献率评分通道。
6.如权利要求1所述的系统,其特征在于,所述根据所述第N贡献率和所述第一指标特征信息对所述第一农产品电商运维状态评估,获得第一评估结果,包括:
第三构建单元,用于根据所述第一指标特征信息,构建第一运维状态评估坐标系,其中,所述第一运维状态评估坐标系和所述第一指标特征信息维度相同;
第十六获得单元,用于根据所述第N贡献率对所述第一指标特征信息进行权重分配,获得第一权重分配结果;
第十七获得单元,用于根据所述第一权重分配结果对所述第一指标特征信息进行权重处理,获得第一处理结果;
第十八获得单元,用于将所述第一处理结果输入所述第一运维状态评估坐标系,获得第一坐标值;
第十九获得单元,用于根据所述第一坐标值,获得所述第一评估结果。
7.如权利要求1所述的系统,其特征在于,所述根据所述第一指标特征信息,构建第一运维状态评估坐标系,包括:
第二十获得单元,用于遍历所述第一指标特征信息直到所述第N指标特征信息,获得第一历史数据集;
第二十一获得单元,用于根据所述第一历史数据集进行运维状态优劣等级划分,获得第一级别划分结果;
第四构建单元,用于根据所述第一级别划分结果,构建所述第一运维状态评估坐标系。
8.一种农产品电商数据的分析方法,其特征在于,所述方法包括:
加载第一农产品基本信息,其中,所述第一农产品基本信息包括第一电商运维状态信息;
遍历第一运维评价指标预设维度,对所述第一电商运维状态信息进行层级特征提取,获得第一指标特征信息直到第N指标特征信息;
遍历所述第N指标特征信息进行运维贡献率评估,获得第一贡献率;
将所述第一贡献率不满足第一贡献率阈值的所述第N指标特征信息筛除,获得第一指标特征筛选结果;
根据所述第一指标特征筛选结果对第N-1指标特征信息进行运维贡献率评估,获得第二贡献率;
重复进行贡献率评估,获得第N贡献率,其中,所述第N贡献率和所述第一指标特征信息对应;
根据所述第N贡献率和所述第一指标特征信息对所述第一农产品电商运维状态评估,获得第一评估结果。
9.一种电子设备,其特征在于,包括:处理器和存储器,所述处理器与存储器耦合;所述存储器用于存储程序,所述处理器,用于调用执行权利要求1至7任一项所述系统的步骤。
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至7任一项所述系统的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210486248.8A CN114862188A (zh) | 2022-05-06 | 2022-05-06 | 一种农产品电商数据的分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210486248.8A CN114862188A (zh) | 2022-05-06 | 2022-05-06 | 一种农产品电商数据的分析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114862188A true CN114862188A (zh) | 2022-08-05 |
Family
ID=82636383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210486248.8A Pending CN114862188A (zh) | 2022-05-06 | 2022-05-06 | 一种农产品电商数据的分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114862188A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115358631A (zh) * | 2022-09-21 | 2022-11-18 | 张家港市艾尔环保工程有限公司 | 一种基于有害物质检测的废气定向处理方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106339795A (zh) * | 2016-08-16 | 2017-01-18 | 中国联合网络通信有限公司吉林省分公司 | 运营指数综合评价方法 |
CN113450009A (zh) * | 2021-07-06 | 2021-09-28 | 北交金科金融信息服务有限公司 | 一种企业成长性评价的方法及系统 |
CN114022236A (zh) * | 2021-10-18 | 2022-02-08 | 浪潮卓数大数据产业发展有限公司 | 一种多维度电商企业评价方法 |
-
2022
- 2022-05-06 CN CN202210486248.8A patent/CN114862188A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106339795A (zh) * | 2016-08-16 | 2017-01-18 | 中国联合网络通信有限公司吉林省分公司 | 运营指数综合评价方法 |
CN113450009A (zh) * | 2021-07-06 | 2021-09-28 | 北交金科金融信息服务有限公司 | 一种企业成长性评价的方法及系统 |
CN114022236A (zh) * | 2021-10-18 | 2022-02-08 | 浪潮卓数大数据产业发展有限公司 | 一种多维度电商企业评价方法 |
Non-Patent Citations (4)
Title |
---|
孙荣煜;王杜春;王柏翔;: "农产品网络营销发展水平评价指标体系构建与应用――以黑龙江省为例", 黑龙江畜牧兽医, no. 14, pages 25 - 30 * |
赵友森等: "基于主成分分析的农产品电商评价指标", 江苏农业科学, vol. 45, no. 7, pages 287 - 290 * |
霍红;杨永会;: "电子商务环境下农产品商家信用评价指标体系研究", 江苏农业科学, no. 12, pages 329 - 334 * |
黄红球;: "农业产业化经营评价指标体系设置及评价方法研究――基于广东省的证据", 农业技术经济, no. 07, pages 110 - 117 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115358631A (zh) * | 2022-09-21 | 2022-11-18 | 张家港市艾尔环保工程有限公司 | 一种基于有害物质检测的废气定向处理方法及系统 |
CN115358631B (zh) * | 2022-09-21 | 2023-09-05 | 张家港市艾尔环保工程有限公司 | 一种基于有害物质检测的废气定向处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564286B (zh) | 一种基于大数据征信的人工智能金融风控授信评定方法和系统 | |
CN108256691A (zh) | 还款概率预测模型构建方法及装置 | |
CN111724211A (zh) | 一种线下门店商品销量预测方法、装置和设备 | |
CN109784636A (zh) | 欺诈用户识别方法、装置、计算机设备及存储介质 | |
CN107689008A (zh) | 一种用户投保行为预测的方法及装置 | |
CN112734559B (zh) | 企业信用风险评价方法、装置及电子设备 | |
CN112232944B (zh) | 一种评分卡创建方法、装置和电子设备 | |
CN113505936A (zh) | 项目审批结果的预测方法、装置、设备及存储介质 | |
CN109815042B (zh) | 异常因素的定位方法、装置、服务器和存储介质 | |
CN111340606A (zh) | 一种全流程收入稽核方法和装置 | |
CN113554350A (zh) | 活跃度评估方法、装置、电子设备及计算机可读存储介质 | |
CN114862188A (zh) | 一种农产品电商数据的分析系统 | |
JPH06119309A (ja) | 購入見込み度合予測方法及び顧客管理システム | |
WO2024054595A1 (en) | Neural network system and method for predicting financial performance of an entity at a geographic location | |
CN114119202B (zh) | 一种信贷管理平台的自动化配置方法及系统 | |
CN112418652B (zh) | 一种风险识别方法及相关装置 | |
CN115879993A (zh) | 网点选址方法、装置、电子设备及存储介质 | |
CN111984637B (zh) | 数据建模中的缺失值处理方法和装置、设备及存储介质 | |
CN115062687A (zh) | 企业信用监控方法、装置、设备及存储介质 | |
CN101620701A (zh) | 基于层次法的kpi分析在电信行业收入保障系统中的应用 | |
CN112598228B (zh) | 企业竞争力的分析方法、装置、设备及存储介质 | |
CN114387089A (zh) | 客户信用风险评估方法、装置、设备及存储介质 | |
CN114240519A (zh) | 一种基于综合评价的品牌推广智能排序方法及系统 | |
CN114510405A (zh) | 指标数据评估方法、装置、设备、存储介质及程序产品 | |
CN113792961A (zh) | 基于审计大数据的任中经济责任审计决策方法及设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220805 |