CN115204501A - 企业评估方法、装置、计算机设备和存储介质 - Google Patents

企业评估方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN115204501A
CN115204501A CN202210860859.4A CN202210860859A CN115204501A CN 115204501 A CN115204501 A CN 115204501A CN 202210860859 A CN202210860859 A CN 202210860859A CN 115204501 A CN115204501 A CN 115204501A
Authority
CN
China
Prior art keywords
index
evaluated
evaluation
sample
enterprise
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
CN202210860859.4A
Other languages
English (en)
Inventor
陈勇杰
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.)
Guangdong Southern Finance Holdings Co ltd
Original Assignee
Guangdong Southern Finance Holdings 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 Guangdong Southern Finance Holdings Co ltd filed Critical Guangdong Southern Finance Holdings Co ltd
Priority to CN202210860859.4A priority Critical patent/CN115204501A/zh
Publication of CN115204501A publication Critical patent/CN115204501A/zh
Pending legal-status Critical Current

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Mathematical Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Pure & Applied Mathematics (AREA)
  • Marketing (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种企业评估方法、装置、计算机设备和存储介质。所述方法包括：获取待评估企业的评估数据；评估数据至少包括一个待评估指标，以及待评估指标对应的指标值；获取各个待评估指标对应的指标值分布类型，根据各个待评估指标对应的指标值以及各个待评估指标对应的指标值分布类型，得到各个待评估指标对应的指标评估信息；各个待评估指标对应的指标值分布类型根据样本评估数据中各个样本评估指标对应的样本评估指标值得到；利用预设的多个关联指标，对各个待评估指标对应的指标评估信息进行纠错处理，得到纠错处理后的指标评估信息；获取各个待评估指标对应的指标权重；根据各个待评估指标对应的指标评估信息，以及各个待评估指标对应的指标权重，得到待评估企业的企业评估信息。采用本方法能够提高企业评估结果的精确性。

Description

企业评估方法、装置、计算机设备和存储介质
技术领域
本申请涉及人工智能技术领域，特别是涉及一种企业评估方法、装置、计算机设备和存储介质。
背景技术
在日常工作中，经常会涉及到企业评估等场景。对企业进行评估有利于企业的管理以及战略分析等。传统技术中，可以通过专家打分法、多元回归分析法和主成分分析法等进行企业评估。
其中，主成分分析法对企业评估时涉及输入的N项原始数据，可通过主成分分析法分析与企业评估相关性最强的输入数据，并进一步使用回归分析搭建预测模型，需要分析人员对观测对象有一定的先验知识，掌握了数据的一些特征。
然而，传统的企业评估方法中，企业评估结果存在精确性低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高企业评估结果精确性的一种企业评估方法、装置、计算机设备和存储介质。
第一方面，本申请提供了一种企业评估方法，该方法包括：
获取待评估企业的评估数据；评估数据至少包括一个待评估指标，以及待评估指标对应的指标值；
获取各个待评估指标对应的指标值分布类型，根据各个待评估指标对应的指标值以及各个待评估指标对应的指标值分布类型，得到各个待评估指标对应的指标评估信息；各个待评估指标对应的指标值分布类型根据样本评估数据中各个样本评估指标对应的样本评估指标值得到；
利用预设的多个关联指标，对各个待评估指标对应的指标评估信息进行纠错处理，得到纠错处理后的指标评估信息；
获取各个待评估指标对应的指标权重；
根据各个待评估指标对应的纠错处理后的指标评估信息，以及各个待评估指标对应的指标权重，得到待评估企业的企业评估信息。
在其中一个实施例中，根据各个待评估指标对应的指标值以及各个待评估指标对应的指标值分布类型，得到各个待评估指标对应的指标评估信息，包括：
根据各个待评估指标对应的指标值分布类型，得到各个待评估指标对应的概率密度函数；
根据各个待评估指标对应的指标值以及各个待评估指标对应的概率密度函数，得到各个待评估指标对应的概率；
根据各个待评估指标对应的概率，得到各个待评估指标对应的指标评估信息。
在其中一个实施例中，根据各个待评估指标对应的概率，得到各个待评估指标对应的指标评估信息，包括：
获取评估转换数值；
根据评估转换数值，对各个待评估指标对应的概率进行转换，得到各个待评估指标对应的指标评估信息。
在其中一个实施例中，获取各个待评估指标对应的指标值分布类型之前，还包括：
获取样本评估数据中各个样本评估指标，以及各个样本评估指标对应的样本评估指标值；
对各个样本评估指标对应的样本评估指标值进行拟合测算，得到各个样本评估指标对应的指标值分布类型。
在其中一个实施例中，获取各个待评估指标对应的指标值分布类型，包括：
获取当前待评估指标，以及与当前待评估指标匹配的样本评估指标；
将匹配的样本评估指标对应的指标值分布类型，作为当前待评估指标对应的指标值分布类型。
在其中一个实施例中，获取各个待评估指标对应的指标权重，包括：
获取当前待评估指标，以及与当前待评估指标匹配的样本评估指标；
获取各个样本评估指标对应的样本指标权重；
将匹配的样本评估指标对应的样本指标权重，作为当前待评估指标对应的指标权重。
在其中一个实施例中，获取各个样本评估指标对应的样本指标权重，包括：
获取各个样本评估指标、各个样本评估指标对应的样本评估指标值以及各个样本评估指标对应的初始权重参数；
获取各个样本企业的样本企业评估信息；
根据每一样本企业的样本评估指标对应的样本评估指标值以及初始权重参数，得到各个样本企业对应的预测企业评估信息；
根据各个样本企业的样本企业评估信息和对应的预测企业评估信息的数据差异，对各个样本评估指标对应的初始权重参数进行更新，得到各个样本评估指标对应的样本指标权重。
第二方面，本申请还提供了一种企业评估装置，该装置包括：
评估数据获取模块，用于获取待评估企业的评估数据；评估数据至少包括一个待评估指标，以及待评估指标对应的指标值；
指标评估模块，用于获取各个待评估指标对应的指标值分布类型，根据各个待评估指标对应的指标值以及各个待评估指标对应的指标值分布类型，得到各个待评估指标对应的指标评估信息；各个待评估指标对应的指标值分布类型根据样本评估数据中各个样本评估指标对应的样本评估指标值得到；
指标权重获取模块，用于获取各个待评估指标对应的指标权重；
企业评估模块，用于根据各个待评估指标对应的指标评估信息，以及各个待评估指标对应的指标权重，得到待评估企业的企业评估信息。
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。
上述企业评估方法、装置、计算机设备和存储介质，获取待评估企业的评估数据；评估数据至少包括一个待评估指标，以及待评估指标对应的指标值；通过获取各个待评估指标对应的指标值分布类型，根据各个待评估指标对应的指标值以及各个待评估指标对应的指标值分布类型，得到各个待评估指标对应的指标评估信息；各个待评估指标对应的指标值分布类型根据样本评估数据中各个样本评估指标对应的样本评估指标值得到；利用预设的多个关联指标，对各个待评估指标对应的指标评估信息进行纠错处理，得到纠错处理后的指标评估信息；并通过获取各个待评估指标对应的指标权重；再根据各个待评估指标对应的纠错处理后的指标评估信息，以及各个待评估指标对应的指标权重，得到待评估企业的企业评估信息。与传统的企业评估方法相比，本申请可以通过不同的待评估指标及其对应的指标值分布类型，得到各个待评估指标对应的指标评估信息，从而可以实现准确地对各个待评估指标进行评估，再通过各个待评估指标及其对应的指标权重得到待评估企业的企业评估信息，从而可以进一步准确地对待评估企业进行评估，进而提高了企业评估结果的精确性。
附图说明
图1为一个实施例中企业评估方法的应用环境图；
图2为一个实施例中企业评估方法的流程示意图；
图3为另一个实施例中企业评估方法的流程示意图；
图4为又一个实施例中企业评估方法的流程示意图；
图5为一个实施例中获取各个待评估指标对应的指标权重步骤的流程示意图；
图6为一个实施例中获取各个样本评估指标对应的样本指标权重步骤的流程示意图；
图7为一个具体的实施例中实施流程与数据流向的示意图；
图8为一个具体的实施例中采集并实时更新上市企业公开数据基础结构的示意图；
图9为一个具体的实施例中MDPM评级算法流程的示意图；
图10为一个具体的实施例中多元组纠错的方法的示意图；
图11为一个具体的实施例中基于机器学习的权重更新系统整体流程的示意图；
图12为一个实施例中企业评估装置的结构框图；
图13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企业评估方法，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。数据存储器可以存储待评估企业的评估数据、指标值分布类型、样本评估数据、指标权重和企业评估信息等数据。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑。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，提供了一种企业评估方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：
步骤S202，获取待评估企业的评估数据；评估数据至少包括一个待评估指标，以及待评估指标对应的指标值。
其中，待评估企业可以是需要进行测评的企业；评估数据可以是对待评估企业进行评估过程中需要评估的数据，也即可以根据该待评估数据对待评估企业进行评估；待评估指标可以是待评估企业的具体待评估项目的指标，例如，待评估企业的具体待评估项目分别为营业收入和利润，则待评估指标可以是营业收入，也可以是利润；待评估指标对应的指标值可以是该项待评估指标的具体数值，例如，待评估指标为利润，利润的具体数值为100万，则待评估指标对应的指标值可以是100万。
示例性地，评估数据包括经营数据、知识产权数据和/或技术积累数据。
示例性地，经营数据包括营业收入指标、利润指标、人员数量指标和/或所属行业指标；知识产权数据包括已授权专利数量指标、商标数量指标、软件著作数量指标、专利平均寿命指标和/或专利权利要求数量指标；技术积累数据科技奖项指标、制定行业标准指标和/或承担国家科技专项数量指标。
具体地，可以通过获取待评估企业的评估数据，得到待评估企业的至少一个待评估指标，以及该项待评估指标对应的指标值，也即得到待评估指标及其具体数值，可以理解的是，此处“该”可以表示一个也可以表示多个。
步骤S204，获取各个待评估指标对应的指标值分布类型，根据各个待评估指标对应的指标值以及各个待评估指标对应的指标值分布类型，得到各个待评估指标对应的指标评估信息；各个待评估指标对应的指标值分布类型根据样本评估数据中各个样本评估指标对应的样本评估指标值得到。
其中，指标值分布类型可以是待评估指标的具体数值所符合的数据分布类型，例如，营业收入的具体数值符合正态分布，利润的具体数值符合均匀分布，则营业收入对应的指标值分布类型可以为正态分布，利润对应的指标值分布类型为均匀分布。示例性地，指标值分布类型包括正态分布、均匀分布和指数分布。
指标评估信息指的是该待评估指标的评估结果，即通过对待评估指标进行评估后得到该待评估指标的评估结果，将该评估结果作为指标评估信息；示例性地，指标评估信息可以是待评估指标的评分结果，例如，对待评估指标进行评估后可以得到该待评估指标的评分为88分，则指标评估信息可以是88分。
样本评估数据可以是样本企业的公开数据，样本企业可以是上市企业，样本评估数据与待评估企业的评估数据相对应；样本评估指标可以是样本企业的具体公开数据，例如样本企业的营业收入和利润；样本评估数据应包括与待评估指标相对应的样本评估指标，例如，待评估指标包括待评估企业的营业收入和利润，则样本评估指标应包括样本企业的营业收入和利润；样本评估指标值可以是样本评估指标的具体数值。
具体地，可以根据样本评估数据中各个样本评估指标对应的样本评估指标值得到待评估指标对应的指标值分布类型，例如，待评估指标对应的样本评估指标有100个，若该100个样本评估指标对应的100个指标值(样本评估指标值)符合均匀分布，则确定该待评估指标的指标值分布类型为均匀分布。
具体地，对于每一个待评估指标，可以根据该待评估指标的指标值，以及该待评估指标对应的指标值分布类型，得到该待评估指标的指标评估信息。例如，根据该待评估指标的指标值，以及该待评估指标所符合的数据分布类型，可以得到该待评估指标的评分结果。
步骤S206，利用预设的多个关联指标，对各个待评估指标对应的指标评估信息进行纠错处理，得到纠错处理后的指标评估信息。
其中，预设的多个关联指标可以是三个或者三个以上的通过验证的相关联的指标，多个关联指标可以形成一组关联指标，例如，其中一组多个关联指标可以包含发明专利数量、行业人才数量和重大科研项目数量。纠错处理指的是对指标评估结果进行验证以及纠错，以得到更准确的企业评估结果。纠错处理通过多个关联指标存在的强相关性或一定因果关系，进行惩罚性评分纠错。
具体地，根据预设的多个关联指标存在的强相关性或一定因果关系，对多个关联指标中的各个指标评估信息进行纠错处理。例如，如果发明专利数量的评分为45分，行业人才数量的评分为53分，重大科研项目数量的评分为91分，则由于91分较45分与53分均出现大比例差距，不符合以上三个关联指标的相关性和因果关系，可以判定重大科研项目数量的指标数据存在错误，对该评分进行惩罚性评分纠错；进一步地，可以根据预设的规则，对该指标进行评分，例如，可以扣除该指标一定的评分，最终得到以上三项指标的评分分别为45，53，61。步骤S208，获取各个待评估指标对应的指标权重。
其中，指标权重可以表示该待评估指标在待评估企业的评估数据中的重要程度。
具体地，可以根据待评估指标，获取对应的指标权重。例如，待评估指标包括营业收入和利润，可以根据营业收入获取得到营业收入的指标权重，根据利润获取得到利润的指标权重。
步骤S210，根据各个待评估指标对应的指标评估信息，以及各个待评估指标对应的指标权重，得到待评估企业的企业评估信息。
其中，企业评估信息指的是该待评估企业的评估结果，示例性地，企业评估信息可以是待评估企业的评分结果，也可以是待评估企业的排名结果，还可以是待评估企业的评级结果。例如，企业评估信息可以是90分，也可以是第3名，还可以是A级企业。
具体地，可以对各个待评估指标对应的指标评估信息，以及各个待评估指标对应的指标权重进行数据处理，得到待评估企业的企业评估信息。示例性地，可以将待评估指标的指标评分结果以及该待评估指标的指标权重做乘法处理，再将各个待评估指标对应的乘积相加，得到待评估企业的评分结果。
本实施例中，获取待评估企业的评估数据；评估数据至少包括一个待评估指标，以及待评估指标对应的指标值；通过获取各个待评估指标对应的指标值分布类型，根据各个待评估指标对应的指标值以及各个待评估指标对应的指标值分布类型，得到各个待评估指标对应的指标评估信息；各个待评估指标对应的指标值分布类型根据样本评估数据中各个样本评估指标对应的样本评估指标值得到；利用预设的多个关联指标，对各个待评估指标对应的指标评估信息进行纠错处理，得到纠错处理后的指标评估信息；并通过获取各个待评估指标对应的指标权重；再根据各个待评估指标对应的纠错处理后的指标评估信息，以及各个待评估指标对应的指标权重，得到待评估企业的企业评估信息。与传统的企业评估方法相比，本申请可以通过不同的待评估指标及其对应的指标值分布类型，得到各个待评估指标对应的指标评估信息，从而可以实现准确地对各个待评估指标进行评估，再通过各个待评估指标及其对应的指标权重得到待评估企业的企业评估信息，从而可以进一步准确地对待评估企业进行评估，进而提高了企业评估结果的精确性。
在一个实施例中，如图3所示，根据各个待评估指标对应的指标值以及各个待评估指标对应的指标值分布类型，得到各个待评估指标对应的指标评估信息，包括：
步骤S302，根据各个待评估指标对应的指标值分布类型，得到各个待评估指标对应的概率密度函数。
其中，概率密度函数指的是事件随机发生的概率的函数，可以是指标值分布类型分布类型对应的概率密度函数。例如，可以是正态分布的概率密度函数，均匀分布的概率密度函数。
具体地，对于每一个待评估指标，根据该待评估指标对应的指标值分布类型，获取该指标值分布类型的概率密度函数，并将该概率密度函数作为该待评估指标的概率密度函数。例如，待评估指标的指标值分布类型为正态分布，则获取该正态分布的概率密度函数，将该正态分布的概率密度函数作为该待评估指标的概率密度函数。
步骤S304，根据各个待评估指标对应的指标值以及各个待评估指标对应的概率密度函数，得到各个待评估指标对应的概率。
具体地，对于每一个待评估指标，可以根据待评估指标对应的指标值，以及该待评估指标对应的概率密度函数，计算得到该待评估指标的概率。示例性地，待评估指标的概率可以是样本评估值指标的样本评估指标值大于或等于待评估指标的指标值的概率。例如，有100个样本评估指标，对应的100个样本评估指标值中最大值为10、最小值为0，待评估指标的指标值为6，则计算100个样本评估指标值大于或等于6的概率，并以此概率作为待评估指标的概率。
步骤S306，根据各个待评估指标对应的概率，得到各个待评估指标对应的指标评估信息。
具体地，对于每一个待评估指标，可以对待评估指标的概率进行转换，得到该待评估指标的指标评估信息。
本实施例中，通过对各个待评估指标的数据分布类型进行分析，得到各个待评估指标的概率，并将待评估指标的概率转换为指标评估信息。与传统的企业评估方法相比，本申请通过多种分布形态对待评估指标进行分析，并通过数据分布的概率得到指标评估信息，不同于简单的线性分析和排序分析，从而可以提高企业评估的准确率。
在一个实施例中，根据各个待评估指标对应的概率，得到各个待评估指标对应的指标评估信息，包括：
获取评估转换数值；
根据评估转换数值，对各个待评估指标对应的概率进行转换，得到各个待评估指标对应的指标评估信息。
其中，评估转换数值可以是对待评估指标的概率进行转换的数值。
具体地，获取评估转换数值，并将评估转换数值与各个待评估指标对应的概率进行处理，计算得到各个待评估指标对应的指标评估信息。示例性地，指标评估信息为评分结果，将评分结果转换为百分制评分，则评估转换数值为100，通过获取评估转换数值100，并将各个待评估指标对应的概率与评估转换数值100相乘，得到各个待评估指标对应的评分。
本实施例中，通过评估转换数值对待评估指标的概率进行转换，从而可以得到更加直观的指标评估信息，更有利于后续得到企业评估信息的处理。
在一个实施例中，如图4所示，获取各个待评估指标对应的指标值分布类型之前，还包括：
步骤S402，获取样本评估数据中各个样本评估指标，以及各个样本评估指标对应的样本评估指标值。
具体地，可以通过获取样本评估数据，得到各个样本评估指标以及各个样本评估指标对应的样本评估指标值。其中，样本评估指标与待评估指标相对应，进一步地，可以有多个样本评估指标与待评估指标相对应，例如，待评估指标为营业收入，则可以有100个样本评估值指标为营业收入的数据与其对应。示例性地，可以获取多个上市企业的样本评估指标，以及各个样本评估指标对应的样本评估指标值。
步骤S404，对各个样本评估指标对应的样本评估指标值进行拟合测算，得到各个样本评估指标对应的指标值分布类型。
其中，拟合测算指的是对各个样本评估指标进行数据分布类型的拟合，可以得到样本评估指标的数据分布类型。
具体地，对同类型的多个样本评估指标进行拟合测算，得到该类型样本品谷指标对应的指标值分布类型。例如，有100个样本评估指标为营业收入，则对100个营业收入的具体数值进行拟合测算，得到营业收入的指标值分布类型。
进一步地，如果对100个营业收入进行拟合测算后，得到营业收入的指标值分布类型为正态分布，则可以将待评估指标为营业收入的指标值分布类型确认为正态分布。
例如，可以对多个样本评估指标进行分组，对分组后的样本评估指标逐一进行拟合测算，得到多个样本评估指标的指标值分布类型，并将最后一次拟合测到得到的指标值分布类型作为该样本评估指标的指标值分布类型，从而可以提高样本评估指标的拟合测算的准确性。
本实施例中，通过对各个样本评估指标对应的样本评估指标值进行拟合测算，得到样本评估指标的指标值分布类型，从而可以实时更新样本评估指标的指标值分布类型，进一步地，可以得到更加准确的待评估指标的指标值分布类型，进而提高企业评估的精确性。
在一个实施例中，获取各个待评估指标对应的指标值分布类型，包括：
获取当前待评估指标，以及与当前待评估指标匹配的样本评估指标；
将匹配的样本评估指标对应的指标值分布类型，作为当前待评估指标对应的指标值分布类型。
其中，当前待评估指标为任意一个需要确定指标值分布类型的待评估指标。与当前待评估指标匹配的样本评估指标为与当前待评估指标相对应的样本评估指标，例如，当前待评估指标为待评估企业的利润，则与当前待评估指标匹配的样本评估指标为样本企业的利润。
具体地，通过获取任意一个需要确定指标值分布类型的待评估指标，以及与该当前待评估指标匹配的样本评估指标，将匹配的样本评估指标所属的数据分布类型，作为该当前待评估指标对应的指标值分布类型。例如，样本企业的利润所属的数据分布类型为均匀分布，通过获取待评估企业的利润指标，以及与待评估企业的利润指标匹配的样本企业的利润指标，将该样本企业的利润指标对应的均匀分布作为待评估企业的利润的指标值分布类型。
本实施例中，通过获取当前待评估指标，以及与当前待评估指标匹配的样本评估指标，并将匹配的样本评估指标对应的指标值分布类型，作为当前待评估指标对应的指标值分布类型，从而保证了待评估指标的指标值分布类型的精确性。
在一个实施例中，如图5所示，获取各个待评估指标对应的指标权重，包括：
步骤S502，获取当前待评估指标，以及与当前待评估指标匹配的样本评估指标。
其中，当前待评估指标可以是任意一个需要确定指标权重的待评估指标。
具体地，获取任意一个需要确定指标权重的待评估指标，以及与该待评估指标向匹配的样本评估指标。
步骤S504，获取各个样本评估指标对应的样本指标权重。
其中，样本指标权重为样本评估指标的指标权重，可以表示该样本指标在样本评估数据中的重要程度。
具体地，获取每一个样本评估指标的样本指标权重。
步骤S506，将匹配的样本评估指标对应的样本指标权重，作为当前待评估指标对应的指标权重。
具体地，将与当前待评估指标匹配的样本评估指标对应的样本指标权重，作为该当前待评估指标的指标权重。
本实施例中，通过获取当前待评估指标，以及与当前待评估指标匹配的样本评估指标，并将匹配的样本评估指标对应的样本指标权重，作为当前待评估指标对应的指标权重，从而保证了待评估指标的指标权重的精确性。
在一个实施例中，如图6所示，获取各个样本评估指标对应的样本指标权重，包括：
步骤S602，获取各个样本评估指标、各个样本评估指标对应的样本评估指标值以及各个样本评估指标对应的初始权重参数。
其中，初始权重参数可以是赋予各个样本评估指标的重要程度的初始参数。作为一个示例，各个样本评估指标对应的初始权重参数均为1。
具体地，可以通过获取样本评估数据，得到各个样本评估指标和各个样本评估指标对应的样本评估指标值，并获取各个样本评估指标的重要程度的初始参数。
步骤S604，获取各个样本企业的样本企业评估信息。
其中，样本企业评估信息可以是已经公开的上市企业的评估信息，例如，可以是权威数据中的上市企业排名表单信息。作为一个示例，样本企业评估信息可以是企业A、企业B和企业C等专业机构发布的科创企业等权威数据中的企业名单排名。
具体地，可以获取各个样本企业的样本企业评估信息。
步骤S606，根据每一样本企业的样本评估指标对应的样本评估指标值以及初始权重参数，得到各个样本企业对应的预测企业评估信息。
其中，预测企业评估信息可以是预测的上市企业的评估信息，例如，可以是预测得到的上市企业的排名表单。
具体地，可以根据步骤204的方法，对每一样本企业的样本评估指标对应的样本评估指标值进行处理，得到样本企业的样本评估指标对应的样本指标评估信息。并根据步骤S208的方法，对样本指标评估信息以及初始权重参数进行处理，得到各个样本企业对应的预测企业评估信息。
步骤S608，根据各个样本企业的样本企业评估信息和对应的预测企业评估信息的数据差异，对各个样本评估指标对应的初始权重参数进行更新，得到各个样本评估指标对应的样本指标权重。
其中，各个样本企业的样本企业评估信息和对应的预测企业评估信息的数据差异可以根据实际情况进行具体的设置。
具体地，可以通过各个样本企业的样本企业评估信息和对应的预测企业评估信息的数据差异，对各个样本评估指标对应的初始权重参数进行更新，使得预测企业评估信息逐渐贴近样本企业评估信息，最终使得在误差允许范围内，得到最新的预测企业评估信息，并且是最近一次更新后的权重参数作为样本指标权重。
本实施例中，通过获取样各个样本企业的本企业评估信息，以及根据每一样本企业的样本评估指标对应的样本评估指标值以及初始权重参数，得到各个样本企业对应的预测企业评估信息，并根据各个样本企业的样本企业评估信息和对应的预测企业评估信息的数据差异，对各个样本评估指标对应的初始权重参数进行更新，得到各个样本评估指标对应的样本指标权重。从而可以对样本指标权重进行实时更新，进而可以保证不同环境下各个待评估指标的指标权重得到有效的调整，从而保证企业评估的精确性。
在一个实施例中，上述方法可以应用于企业的科学技术创新能力的评级场景中。
在一个具体的实施例中，提供了一种企业科学技术创新能力的评估方法，包括：
采集并实时更新上市企业公开数据作为评级基准数据库；待测评企业信息收集；对于待评测企业各项指标数据，输入本公开提出的MDPM(Multi-distribution Pre-modeling，多分布-预建模)评级算法之中；汇总各个待评测企业各个视角下相关指标的MDPM算法得分，并通过实时权重计算模块，输出待测企业科创力综合评级。本具体的实施例的实施流程与数据流向如图7所示。
采集并实时更新上市企业公开数据作为评级基准数据库包括以下步骤：基础数据库自动采集与更新算法包含数据添加、采集与自动更新、人工录入、数据提取4个模块，基础结构如图8所示。数据添加模块允许使用者导入相应的企业名单，如“A股上市的创业板企业”、“A股上市的科创板企业”等不同类型企业名单；经由数据模块添加企业名单后，采集与自动更新模块通过网络爬虫技术搜索、并获取相关企业的公开数据；当需要采集的企业公开信息很少或没有时，则可以通过人工录入模块进行补充；数据提取模块，允许使用者从数据库内批量、结构化的提取企业数据用于后续计算。
待测评企业信息收集步骤包括：待测评企业信息收集，本公开旨在对待测评对象进行全方位评级，分别从经营视角、知识产权视角、技术积累视角收集数十项指标；经营视角收集的指标包含企业营业收入、利润、人员数量、所属行业等；知识产权视角收集的指标包含企业已授权专利数量、商标数量、软件著作数量、专利平均寿命、专利权利要求数量等；技术积累视角收集的指标包含企业不同类型的资质数据，包含企业所获得科技奖项、制定的行业标准、承担国家科技专项数量等；
对于待评测企业各项指标数据，输入本公开提出的MDPM(Multi-distributionPre-modeling，多分布-预建模)评级算法之中，MDPM评级算法流程如图9所示。MDPM评级算法包括：对单个不同的指标，同时进行多种数据分布对比、建模分析，选择最贴近的数据分布，并计算指标得分；对于输入的单个指标，提取数据库中该指标与测评对象相关的所有数据，进行数据分布测算，融合测评对象该项指标数值，得到测评数据该项指标得分；以“企业所获科技奖项数量”指标为例，已知测评对象获得6个科技奖项，得分以百分制计算，基础数据库中与待评测企业相关的该指标数据的共有100条，其中最小值为0，最大值为10；对100条数据进行不同分布、包含均匀分布、正态分布、指数分布等各异形态的数据分布；根据上一步测算所得数据分布，通过该分布的概率密度统计计算待测评企业该项指标得分，即计算数据库中该指标indn大于或等于待评测企业该指标vari的概率，即对应分布计算indn≥vari的概率，转换该项指标vari的预得分PSn，假若测算数据符合均匀分布，则该项得分约为60分，若数据满足均值为4，标准差为1.5的正态分布，则待测评企业该项得分约87分，以此类推；
进行多元组指标纠错：根据基准数据库中预设的多元组指标，进行多元组评分纠错。多元组指标为一组3个或3个以上的由基准数据库验证过的关联指标，以企业科创力评级场景为例，其中一组多元组指标包含“企业发明专利数量”、“聘请行业领军人才数量”、“是否承担省级以上重大科研项目”三个因数。
多元组指标纠错在于通过基准数据库校验与预设规则中存在强相关性或一定因果关系的指标数据，进行惩罚性评分纠错，例如，如图10所示，给出了一种多元组纠错的方法，若企业发明专利数量指标预得分PS1为45分，聘请行业领军人才数量预得分PS2为53分，是否承担省级以上重大科研项目预得分PS3为91分，则由于91分较45分与53分均出现大比例差距，不符合基础数据库的相关性与因果关系，即91-(45+53)÷2>30，触发惩罚修正。判定“是否承担省级以上重大科研项目”指标数据存在过分夸大或录入错误的问题，进行惩罚性评分纠错，最终输出三项指标的得分分别为45，53，61。
对所有需计算的指标，重复上述步骤，得出待测评对象所有指标得分。
多元组罚分纠错PSn得到该项指标vari最终得分Sn：汇总各个待评测企业各个视角下相关指标的MDPM算法得分，并通过实时权重计算模块，输出待测企业科创力综合评级，基于机器学习的权重更新系统整体流程如图11所示。
搭建CNN(卷积神经网络)网络模型；采集专业机构发布的科创100强等权威数据中的企业表单，并以表单中的排名作为神经网络模型的Y_true；对上一步名单内企业，逐一执行MDPM算法，得到若干指标得分S1，S2，S3…Sn，并赋予初始权重W1，W2，W3，…，Wn＝1，计算总分St；根据每家企业的总分St的排名作为神经网络模型的Y_pre；根据深度神经网络反向传播的特性，进行模型训练，使得输出的Y_pre贴近Y_ture，所得的W1，W2，W3，…，Wn即为合理指标的权重，并冻结、保存权重数据。结合各个指标得分与各个指标的权重，输出测评对象的总分St与对应评级；定时自动更新，重复执行上述步骤，保持模型的时效性。
本实施例中，作为评分参照标准的基础数据库动态更新，从而确保在不同时间，不同本发明方法强调自适应性与动态性、阶段下作为参照基准的各项指标的平均数、中位数都保持最新记录。生成总评级的各指标权重系统动态更新，从而确保在不同政策、不同商业环境下各个指标的权重得到有效的调整。
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企业评估方法的企业评估装置。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企业评估装置实施例中的具体限定可以参见上文中对于企业评估方法的限定，在此不再赘述。
在一个实施例中，如图12所示，提供了一种企业评估装置700，包括：评估数据获取模块710、指标评估模块720、指标权重获取模块730和企业评估模块740，其中：
评估数据获取模块710，用于获取待评估企业的评估数据；评估数据至少包括一个待评估指标，以及待评估指标对应的指标值；
指标评估模块720，用于获取各个待评估指标对应的指标值分布类型，根据各个待评估指标对应的指标值以及各个待评估指标对应的指标值分布类型，得到各个待评估指标对应的指标评估信息；各个待评估指标对应的指标值分布类型根据样本评估数据中各个样本评估指标对应的样本评估指标值得到；
纠错处理模块730，用于利用预设的多个关联指标，对各个待评估指标对应的指标评估信息进行纠错处理，得到纠错处理后的指标评估信息；
指标权重获取模块740，用于获取各个待评估指标对应的指标权重；
企业评估模块750，用于根据各个待评估指标对应的纠错处理后的指标评估信息，以及各个待评估指标对应的指标权重，得到待评估企业的企业评估信息。
在一个实施例中，指标评估模块包括密度函数单元、概率单元和指标评估单元。
密度函数单元用于根据各个待评估指标对应的指标值分布类型，得到各个待评估指标对应的概率密度函数。概率单元用于根据各个待评估指标对应的指标值以及各个待评估指标对应的概率密度函数，得到各个待评估指标对应的概率。指标评估单元用于根据各个待评估指标对应的概率，得到各个待评估指标对应的指标评估信息。
在一个实施例中，指标评估单元包括转换数值获取单元和概率转换单元。
转换数值获取单元用于获取评估转换数值。概率转换单元用于根据评估转换数值，对各个待评估指标对应的概率进行转换，得到各个待评估指标对应的指标评估信息。
在一个实施例中，该装置还包括样本评估指标模块和拟合测算模块。
样本评估指标模块用于获取样本评估数据中各个样本评估指标，以及各个样本评估指标对应的样本评估指标值。拟合测算模块用于对各个样本评估指标对应的样本评估指标值进行拟合测算，得到各个样本评估指标对应的指标值分布类型
在一个实施例中，指标评估模块包括当前指标获取单元和分布类型单元。
当前指标获取单元用于获取当前待评估指标，以及与当前待评估指标匹配的样本评估指标。分布类型单元用于将匹配的样本评估指标对应的指标值分布类型，作为当前待评估指标对应的指标值分布类型
在一个实施例中，指标权重获取模块包括待评估指标单元、样本指标权重单元和指标权重单元。
待评估指标单元用于获取当前待评估指标，以及与当前待评估指标匹配的样本评估指标。样本指标权重单元用于获取各个样本评估指标对应的样本指标权重。指标权重单元用于将匹配的样本评估指标对应的样本指标权重，作为当前待评估指标对应的指标权重。
在一个实施例中，样本指标权重单元包括初始权重参数单元、样本评估信息单元、预测评估信息单元和权重更新单元。
初始权重参数单元用于获取各个样本评估指标、各个样本评估指标对应的样本评估指标值以及各个样本评估指标对应的初始权重参数。样本评估信息单元用于获取各个样本企业的样本企业评估信息。预测评估信息单元用于根据每一样本企业的样本评估指标对应的样本评估指标值以及初始权重参数，得到各个样本企业对应的预测企业评估信息权重更新单元用于根据各个样本企业的样本企业评估信息和对应的预测企业评估信息的数据差异，对各个样本评估指标对应的初始权重参数进行更新，得到各个样本评估指标对应的样本指标权重。
上述企业评估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服务器，其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。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。该计算机设备的数据库用于存储评估数据、待评估指标、待评估指标对应的指标值、指标值分布类型、指标评估信息、指标权重和企业评估信息。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种企业评估方法。
本领域技术人员可以理解，图13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：
在一个实施例中，还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上述各方法实施例中的步骤。
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，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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上述各方法实施例中的步骤。
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)

1.一种企业评估方法，其特征在于，所述方法包括：
获取待评估企业的评估数据；所述评估数据至少包括一个待评估指标，以及所述待评估指标对应的指标值；
获取各个待评估指标对应的指标值分布类型，根据所述各个待评估指标对应的指标值以及所述各个待评估指标对应的指标值分布类型，得到所述各个待评估指标对应的指标评估信息；所述各个待评估指标对应的指标值分布类型根据样本评估数据中各个样本评估指标对应的样本评估指标值得到；
利用预设的多个关联指标，对所述各个待评估指标对应的指标评估信息进行纠错处理，得到所述纠错处理后的指标评估信息；
获取所述各个待评估指标对应的指标权重；
根据所述各个待评估指标对应的纠错处理后的指标评估信息，以及所述各个待评估指标对应的指标权重，得到所述待评估企业的企业评估信息。
2.根据权利要求1所述的方法，其特征在于，所述根据所述各个待评估指标对应的指标值以及所述各个待评估指标对应的指标值分布类型，得到所述各个待评估指标对应的指标评估信息，包括：
根据所述各个待评估指标对应的指标值分布类型，得到所述各个待评估指标对应的概率密度函数；
根据所述各个待评估指标对应的指标值以及所述各个待评估指标对应的概率密度函数，得到所述各个待评估指标对应的概率；
根据所述各个待评估指标对应的概率，得到所述各个待评估指标对应的指标评估信息。
3.根据权利要求2所述的方法，其特征在于，所述根据所述各个待评估指标对应的概率，得到所述各个待评估指标对应的指标评估信息，包括：
获取评估转换数值；
根据所述评估转换数值，对所述各个待评估指标对应的概率进行转换，得到所述各个待评估指标对应的指标评估信息。
4.根据权利要求1所述的方法，其特征在于，所述获取各个待评估指标对应的指标值分布类型之前，还包括：
获取所述样本评估数据中各个样本评估指标，以及所述各个样本评估指标对应的样本评估指标值；
对所述各个样本评估指标对应的样本评估指标值进行拟合测算，得到所述各个样本评估指标对应的指标值分布类型。
5.根据权利要求4所述的方法，其特征在于，所述获取各个待评估指标对应的指标值分布类型，包括：
获取当前待评估指标，以及与所述当前待评估指标匹配的样本评估指标；
将所述匹配的样本评估指标对应的指标值分布类型，作为所述当前待评估指标对应的指标值分布类型。
6.根据权利要求1所述的方法，其特征在于，所述获取所述各个待评估指标对应的指标权重，包括：
获取当前待评估指标，以及与所述当前待评估指标匹配的样本评估指标；
获取所述各个样本评估指标对应的样本指标权重；
将所述匹配的样本评估指标对应的样本指标权重，作为所述当前待评估指标对应的指标权重。
7.根据权利要求6所述的方法，其特征在于，所述获取所述各个样本评估指标对应的样本指标权重，包括：
获取所述各个样本评估指标、所述各个样本评估指标对应的样本评估指标值以及所述各个样本评估指标对应的初始权重参数；
获取所述各个样本企业的样本企业评估信息；
根据每一样本企业的样本评估指标对应的样本评估指标值以及初始权重参数，得到各个样本企业对应的预测企业评估信息；
根据所述各个样本企业的样本企业评估信息和所述对应的预测企业评估信息的数据差异，对所述各个样本评估指标对应的初始权重参数进行更新，得到所述各个样本评估指标对应的样本指标权重。
8.一种企业评估装置，其特征在于，所述装置包括：
评估数据获取模块，用于获取待评估企业的评估数据；所述评估数据至少包括一个待评估指标，以及所述待评估指标对应的指标值；
指标评估模块，用于获取各个待评估指标对应的指标值分布类型，根据所述各个待评估指标对应的指标值以及所述各个待评估指标对应的指标值分布类型，得到所述各个待评估指标对应的指标评估信息；所述各个待评估指标对应的指标值分布类型根据样本评估数据中各个样本评估指标对应的样本评估指标值得到；
纠错处理模块，用于利用预设的多个关联指标，对所述各个待评估指标对应的指标评估信息进行纠错处理，得到所述纠错处理后的各个待评估指标对应指标评估信息；
指标权重获取模块，用于获取所述各个待评估指标对应的指标权重；
企业评估模块，用于根据所述纠错处理后的各个待评估指标对应的指标评估信息，以及所述各个待评估指标对应的指标权重，得到所述待评估企业的企业评估信息。
9.一种计算机设备，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7中任一项所述的方法的步骤。
10.一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7中任一项所述的方法的步骤。
CN202210860859.4A 2022-07-21 2022-07-21 企业评估方法、装置、计算机设备和存储介质 Pending CN115204501A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210860859.4A CN115204501A (zh) 2022-07-21 2022-07-21 企业评估方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210860859.4A CN115204501A (zh) 2022-07-21 2022-07-21 企业评估方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN115204501A true CN115204501A (zh) 2022-10-18

Family

ID=83584385

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210860859.4A Pending CN115204501A (zh) 2022-07-21 2022-07-21 企业评估方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN115204501A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116757717A (zh) * 2023-05-19 2023-09-15 南方电网能源发展研究院有限责任公司 电碳市场耦合运行的评估方法、装置、设备、介质和产品

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116757717A (zh) * 2023-05-19 2023-09-15 南方电网能源发展研究院有限责任公司 电碳市场耦合运行的评估方法、装置、设备、介质和产品

Similar Documents

Publication Publication Date Title
CN110400022B (zh) 自助柜员机现金用量预测方法及装置
CN112396211B (zh) 一种数据预测方法及装置、设备和计算机存储介质
CN113537807B (zh) 一种企业智慧风控方法及设备
CN113469570A (zh) 信息质量评价模型构建方法、装置、设备及存储介质
CN115204648A (zh) 基于数学模型的电力工程质量指数获取方法与装置
CN115204501A (zh) 企业评估方法、装置、计算机设备和存储介质
US20110178948A1 (en) Method and system for business process oriented risk identification and qualification
CN112818028B (zh) 数据指标筛选方法、装置、计算机设备及存储介质
Kniaz et al. Method of selection of indicators in the context of information and analytical support of evaluation of development of foreign economic activity of enterprises
Lee et al. An entropy decision model for selection of enterprise resource planning system
Goyal Development of a survival based framework for bridge deterioration modeling with large-scale application to the North Carolina bridge management system
CN115689713A (zh) 异常风险数据处理方法、装置、计算机设备和存储介质
CN113779116B (zh) 对象排序方法、相关设备及介质
CN115796585A (zh) 一种企业经营风险评估方法及系统
CN113435713B (zh) 基于gis技术和两模型融合的风险地图编制方法及系统
CN114784795A (zh) 风电功率预测方法、装置、电子设备及存储介质
CN114092216A (zh) 企业信贷评级方法、装置、计算机设备和存储介质
CN115564410A (zh) 一种继电保护设备的状态监测方法及装置
CN112256735B (zh) 一种用电监测方法、装置、计算机设备和存储介质
CN114626940A (zh) 数据分析方法、装置及电子设备
Qiang et al. [Retracted] Relationship Model between Human Resource Management Activities and Performance Based on LMBP Algorithm
CN112862014A (zh) 客户信用预警方法及装置
CN116629694A (zh) 基于电网工程的esg指标体系算法模型确定方法和装置
CN116109211B (zh) 基于设备数字化的设备运行水平分析方法及装置
CN115204508A (zh) 对象的预测方法、装置及电子设备

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