CN115222303A - 基于大数据的行业风险数据分析方法、系统及存储介质 - Google Patents

基于大数据的行业风险数据分析方法、系统及存储介质 Download PDF

Info

Publication number
CN115222303A
CN115222303A CN202211141960.0A CN202211141960A CN115222303A CN 115222303 A CN115222303 A CN 115222303A CN 202211141960 A CN202211141960 A CN 202211141960A CN 115222303 A CN115222303 A CN 115222303A
Authority
CN
China
Prior art keywords
industry
data
risk
information
value
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.)
Granted
Application number
CN202211141960.0A
Other languages
English (en)
Other versions
CN115222303B (zh
Inventor
李明
王毛路
刘爱国
闫发腾
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.)
Beijing Consensus Digital Information Technology Co ltd
Original Assignee
Beijing Consensus Digital Information Technology 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 Beijing Consensus Digital Information Technology Co ltd filed Critical Beijing Consensus Digital Information Technology Co ltd
Priority to CN202211141960.0A priority Critical patent/CN115222303B/zh
Publication of CN115222303A publication Critical patent/CN115222303A/zh
Application granted granted Critical
Publication of CN115222303B publication Critical patent/CN115222303B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了基于大数据的行业风险数据分析方法、系统及存储介质，属于大数据及风险识别评估技术领域。方法包括：通过行业信息数据和行业监测信息提取行业特征数据和共享资讯信息，根据行业特征数据对获取的行业安全响应参数进行修正获得行业风险指数并结合行业风险指数等级获取行业风险数据，再根据行业风险数据对行业监测信息和共享资讯信息获取到的行业风险评定值进行修正获取行业风险校正值，与预设行业风险评估阈值进行阈值对比判断行业风险情况；从而基于大数据对行业风险数据和信息进行处理评估，实现根据行业进行处理获取行业风险校正值进行风险评估判断技术，提高对行业风险安全评估分析的精准辨识度。

Description

基于大数据的行业风险数据分析方法、系统及存储介质
技术领域
本申请涉及大数据及风险识别评估技术领域，具体而言，涉及基于大数据的行业风险数据分析方法、系统及存储介质。
背景技术
随着社会行业的多样化和复杂化加剧，以及所处外部环境的跌宕巨变以及多样化快变的形势，对行业的发展趋势掌控特别是风险预测和掌握变得愈发复杂和重要，针对社会发展需求和稳定经济环境的需要必须及时了解并调整各行业所面临的风险趋势，有效获得并规避风险是全行业乃至全社会发展的重要发展要素之一。
而目前针对行业的风险管控手段是根据各类报表、数据的计算统筹，缺少能与行业动态环境要素和制约因素的动态捕获和处理手段，也缺乏对各类数据指标的有机联系处理，现行手段缺乏对行业安全动态情况和动态环境变化情况的信息收集和数据分析，更缺少精准的辨别手段，导致行业风险的精准判断能力的不足，难以实现根据行业动态数据和信息进行风险判断。
针对上述问题，目前亟待有效的技术解决方案。
发明内容
本申请的目的在于提供一种基于大数据的行业风险数据分析方法、系统及存储介质，可以提高对行业风险情况的数据和信息评估的准确度。
本申请还提供了基于大数据的行业风险数据分析方法，包括以下步骤：
获取行业在预设范围内的多个行业信息数据和多个行业监测信息；
根据所述行业信息数据提取行业特征数据并获取行业特征数据的共享资讯信息；
根据所述行业特征数据以及在预设时间段内的行业监测信息获取行业安全响应参数；
根据所述行业特征数据对所述行业安全响应参数进行修正获得行业风险指数；
根据所述行业风险指数结合行业风险指数等级获取行业风险数据；
根据所述行业监测信息与所述共享资讯信息分别获取行业运行安全值和行业生态风险值，根据所述行业运行安全值和行业生态风险值获取行业风险评定值；
根据所述行业风险数据对所述行业风险评定值进行修正获取行业风险校正值；
根据所述行业风险校正值与预设行业风险评估阈值进行阈值对比判断所述行业的风险情况。
可选地，在本申请所述的基于大数据的行业风险数据分析方法中，所述获取行业在预设范围内的多个行业信息数据和多个行业监测信息，包括：
根据行业类型在行业信息数据库中提取多个行业信息数据；
根据所述多个行业信息数据在预设范围内获取映射行业数据信息集；
根据所述映射行业数据信息集生成行业动态数据信令；
根据所述行业动态数据信令在行业动态监测平台中获取行业监测信息集；
根据所述行业的分枝属性筛出多个行业监测信息。
可选地，在本申请所述的基于大数据的行业风险数据分析方法中，所述根据所述行业信息数据提取行业特征数据并获取行业特征数据的共享资讯信息，包括：
根据所述行业信息数据进行数据分类并提取行业属性信息数据；
所述行业属性信息数据包括行业属性数据、行业影响力数据、行业安全度数据、产值利税数据以及就业催促数据；
根据所述行业属性信息数据生成行业运行生态组织树；
根据所述行业运行生态组织树按照行业类型提取行业特征数据，包括行业产能数据、生产力促进数据、安全效应数据以及就业保障数据；
根据所述行业特征数据获取行业数据信息链以及多条共享资讯信息，所述共享资讯信息包括行业环境信息、产业生态信息以及动态链信息。
可选地，在本申请所述的基于大数据的行业风险数据分析方法中，所述根据所述行业特征数据对所述行业安全响应参数进行修正获得行业风险指数，包括：
将所述行业产能数据、生产力促进数据、安全效应数据、就业保障数据以及所述行业安全响应参数输入至行业风险指数动态模型中处理获得行业风险指数；
所述行业风险指数动态模型通过历史行业的行业产能数据、生产力促进数据、安全效应数据、就业保障数据以及行业安全响应参数进行训练获得；
将所述历史行业的行业产能数据、生产力促进数据、安全效应数据、就业保障数据以及行业安全响应参数、行业风险指数输入初始化的行业风险指数动态模型中训练获得训练好的行业风险指数动态模型。
可选地，在本申请所述的基于大数据的行业风险数据分析方法中，所述根据所述行业风险指数结合行业风险指数等级获取行业风险数据，包括：
建立行业风险指数数据库；
所述行业风险指数数据库包括各类型行业对应的行业风险指数阈值；
根据所述行业风险指数阈值划分行业风险指数等级，所述行业风险指数等级分为一级、二级和三级；
根据所述行业风险指数在行业风险指数数据库中查询对应行业风险指数阈值；
根据所述行业风险指数阈值对照查询对应行业风险指数等级；
根据所述行业风险指数与所述行业风险指数等级进行加权获得行业风险数据。
可选地，在本申请所述的基于大数据的行业风险数据分析方法中，所述根据所述行业监测信息与所述共享资讯信息分别获取行业运行安全值和行业生态风险值，根据所述行业运行安全值和行业生态风险值获取行业风险评定值，包括：
根据获取的所述多个行业监测信息和多条共享资讯信息分别进行聚类处理；
根据
Figure 870116DEST_PATH_IMAGE001
个行业监测信息
Figure 840346DEST_PATH_IMAGE002
的风险量
Figure 398498DEST_PATH_IMAGE003
和对应权威级别
Figure 428771DEST_PATH_IMAGE004
聚合得到行业运行安全值
Figure 321640DEST_PATH_IMAGE005
；
根据
Figure 315135DEST_PATH_IMAGE006
个共享资讯信息
Figure 977061DEST_PATH_IMAGE007
的风险量
Figure 912656DEST_PATH_IMAGE008
和对应权威级别
Figure 43554DEST_PATH_IMAGE009
聚合得到行业生态风险值
Figure 558849DEST_PATH_IMAGE010
；
根据所述行业运行安全值
Figure 340860DEST_PATH_IMAGE005
和行业生态风险值
Figure 463668DEST_PATH_IMAGE010
计算获取行业风险评定值
Figure 331130DEST_PATH_IMAGE011
。
可选地，在本申请所述的基于大数据的行业风险数据分析方法中，所述根据所述行业风险数据对所述行业风险评定值进行修正获取行业风险校正值，包括：
所述行业风险校正值计算公式为：
Figure 197586DEST_PATH_IMAGE012
；
其中，
Figure 834104DEST_PATH_IMAGE013
为行业风险校正值，
Figure 111501DEST_PATH_IMAGE014
为行业风险评定值，
Figure 685833DEST_PATH_IMAGE015
为行业风险数据，
Figure 74089DEST_PATH_IMAGE016
为行业风险指数等级，
Figure 299534DEST_PATH_IMAGE017
为行业安全影响力系数，
Figure 498565DEST_PATH_IMAGE018
为行业风险级别系数。
第二方面，本申请提供了基于大数据的行业风险数据分析系统，该系统包括：存储器及处理器，所述存储器中包括基于大数据的行业风险数据分析方法的程序，所述基于大数据的行业风险数据分析方法的程序被所述处理器执行时实现以下步骤：
获取行业在预设范围内的多个行业信息数据和多个行业监测信息；
根据所述行业信息数据提取行业特征数据并获取行业特征数据的共享资讯信息；
根据所述行业特征数据以及在预设时间段内的行业监测信息获取行业安全响应参数；
根据所述行业特征数据对所述行业安全响应参数进行修正获得行业风险指数；
根据所述行业风险指数结合行业风险指数等级获取行业风险数据；
根据所述行业监测信息与所述共享资讯信息分别获取行业运行安全值和行业生态风险值，根据所述行业运行安全值和行业生态风险值获取行业风险评定值；
根据所述行业风险数据对所述行业风险评定值进行修正获取行业风险校正值；
根据所述行业风险校正值与预设行业风险评估阈值进行阈值对比判断所述行业的风险情况。
可选地，在本申请所述的基于大数据的行业风险数据分析系统中，所述获取行业在预设范围内的多个行业信息数据和多个行业监测信息，包括：
根据行业类型在行业信息数据库中提取多个行业信息数据；
根据所述多个行业信息数据在预设范围内获取映射行业数据信息集；
根据所述映射行业数据信息集生成行业动态数据信令；
根据所述行业动态数据信令在行业动态监测平台中获取行业监测信息集；
根据所述行业的分枝属性筛出多个行业监测信息。
第三方面，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中包括基于大数据的行业风险数据分析方法程序，所述基于大数据的行业风险数据分析方法程序被处理器执行时，实现如上述任一项所述的基于大数据的行业风险数据分析方法的步骤。
由上可知，本申请提供的基于大数据的行业风险数据分析方法、系统及存储介质通过行业信息数据和行业监测信息提取行业特征数据和共享资讯信息，根据行业特征数据对获取的行业安全响应参数进行修正获得行业风险指数并结合行业风险指数等级获取行业风险数据，再根据行业风险数据对行业监测信息和共享资讯信息获取到的行业风险评定值进行修正获取行业风险校正值，与预设行业风险评估阈值进行阈值对比判断行业风险情况；从而基于大数据对行业风险数据和信息进行处理评估，实现根据行业进行处理获取行业风险校正值进行风险评估判断技术，提高对行业风险安全评估分析的精准辨识度。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的基于大数据的行业风险数据分析方法的流程图；
图2为本申请实施例提供的基于大数据的行业风险数据分析方法的获取行业信息数据和行业监测信息的流程图；
图3为本申请实施例提供的基于大数据的行业风险数据分析方法的获取行业特征数据和共享资讯信息的流程图；
图4为本申请实施例提供的基于大数据的行业风险数据分析系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的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。
应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，是本申请一些实施例中的基于大数据的行业风险数据分析方法的流程图。该基于大数据的行业风险数据分析方法用于终端设备中，例如电脑、手机终端等。该基于大数据的行业风险数据分析方法，包括以下步骤：
S101、获取行业在预设范围内的多个行业信息数据和多个行业监测信息；
S102、根据所述行业信息数据提取行业特征数据并获取行业特征数据的共享资讯信息；
S103、根据所述行业特征数据以及在预设时间段内的行业监测信息获取行业安全响应参数；
S104、根据所述行业特征数据对所述行业安全响应参数进行修正获得行业风险指数；
S105、根据所述行业风险指数结合行业风险指数等级获取行业风险数据；
S106、根据所述行业监测信息与所述共享资讯信息分别获取行业运行安全值和行业生态风险值，根据所述行业运行安全值和行业生态风险值获取行业风险评定值；
S107、根据所述行业风险数据对所述行业风险评定值进行修正获取行业风险校正值；
S108、根据所述行业风险校正值与预设行业风险评估阈值进行阈值对比判断所述行业的风险情况。
需要说明的是，为评估行业的风险情况，获取行业在预设范围内的多个行业信息数据提取行业特征数据并获取行业特征数据的共享资讯信息，再根据行业特征数据和行业监测信息获取行业安全响应参数，再根据行业特征数据对行业安全响应参数进行修正获得行业风险指数，再结合评估获取的行业风险指数等级计算获得行业风险数据对根据行业监测信息和共享资讯信息获取的行业风险评定值进行修正获得行业风险校正值，根据行业风险校正值与预设行业风险评估阈值进行阈值对比，若行业风险校正值大于预设行业风险评估阈值，则存在行业风险需进行警示，通过对行业风险相关数据和信息的收集和参数值修正处理，实现通过动态大数据对行业风险情况进行精准评估，且实现了风险的动态监测，提高了根据行业动态数据和信息对行业风险监测获取的准确性和时效性；
其中，所述行业安全响应参数的计算公式为：
Figure 340619DEST_PATH_IMAGE019
；
其中，
Figure 345616DEST_PATH_IMAGE020
为行业安全响应参数，
Figure 691146DEST_PATH_IMAGE021
为行业特征数据的个数，
Figure 310346DEST_PATH_IMAGE022
为行业监测信息的信息链条数，
Figure 593691DEST_PATH_IMAGE023
为
Figure 323750DEST_PATH_IMAGE021
个行业特征数据中的第
Figure 789366DEST_PATH_IMAGE024
个特征数据安全值，
Figure 861359DEST_PATH_IMAGE025
为
Figure 146847DEST_PATH_IMAGE022
条行业监测信息链条中的第
Figure 708627DEST_PATH_IMAGE026
个信息链安全值，
Figure 28749DEST_PATH_IMAGE027
为特征风险系数，
Figure 724173DEST_PATH_IMAGE028
为信息风险系数（特征数据安全值和信息链安全值根据第三方信息监测平台中获取，
Figure 231378DEST_PATH_IMAGE027
、
Figure 53971DEST_PATH_IMAGE028
根据特征数据和监测信息通过行业风险指数数据库查询获得）。
请参照图2，是本申请一些实施例中的基于大数据的行业风险数据分析方法的获取行业信息数据和行业监测信息的流程图。根据本发明实施例，所述获取行业在预设范围内的多个行业信息数据和多个行业监测信息，具体为：
S201、根据行业类型在行业信息数据库中提取多个行业信息数据；
S202、根据所述多个行业信息数据在预设范围内获取映射行业数据信息集；
S203、根据所述映射行业数据信息集生成行业动态数据信令；
S204、根据所述行业动态数据信令在行业动态监测平台中获取行业监测信息集；
S205、根据所述行业的分枝属性筛出多个行业监测信息。
需要说明的是，为获取行业的精准监测信息，通过在行业信息数据库中根据行业类型已设定好的信息数据提取范围对应提取多个行业信息数据，多个行业信息数据是根据数据库中针对行业类型已划分好的对应条信息数据，再根据多个条信息数据获取映射行业数据信息集并生成行业动态数据信令，其中数据映射方式根据行业类型进行预设，根据行业动态数据信令在第三方信息监测平台中获取行业监测信息集，获取到的行业监测信息集包含多种渠道汇集的多个行业监测信息，具有广泛性、时效性和延展性，再根据行业具体类别的分枝属性如行业分工、产业链定位、上下游网络对行业监测信息集进行筛选获得多个有针对性的行业监测信息，通过收集和筛选可提升数据信息收集的精准度和过滤度。
请参照图3，是本申请一些实施例中的基于大数据的行业风险数据分析方法的获取行业特征数据和共享资讯信息的流程图。根据本发明实施例，所述根据所述行业信息数据提取行业特征数据并获取行业特征数据的共享资讯信息，具体为：
S301、根据所述行业信息数据进行数据分类并提取行业属性信息数据；
S302、所述行业属性信息数据包括行业属性数据、行业影响力数据、行业安全度数据、产值利税数据以及就业催促数据；
S303、根据所述行业属性信息数据生成行业运行生态组织树；
S304、根据所述行业运行生态组织树按照行业类型提取行业特征数据，包括行业产能数据、生产力促进数据、安全效应数据以及就业保障数据；
S305、根据所述行业特征数据获取行业数据信息链以及多条共享资讯信息，所述共享资讯信息包括行业环境信息、产业生态信息以及动态链信息。
需要说明的是，为评定行业特征数据的关联数据信息以及共享咨询信息，通过对行业信息数据按照行业类别进行分类并提取行业属性信息数据，根据行业属性信息数据生成行业生态组织树，所述行业生态组织树可通过枝干反映出行业类型对应的行业运行所处生态的数据信息全貌，再提取对应行业特征数据，根据行业特征数据进行搜索获取行业数据信息链以及共享咨询信息，通过行业生态组织树的生成和行业特征数据提取有针对性的根据行业类型获取行业数据信息链并获取共享咨询信息，便于对行业以及风险进行进一步评估。
根据本发明实施例，所述根据所述行业特征数据对所述行业安全响应参数进行修正获得行业风险指数，具体为：
将所述行业产能数据、生产力促进数据、安全效应数据、就业保障数据以及所述行业安全响应参数输入至行业风险指数动态模型中处理获得行业风险指数；
所述行业风险指数动态模型通过历史行业的行业产能数据、生产力促进数据、安全效应数据、就业保障数据以及行业安全响应参数进行训练获得；
将所述历史行业的行业产能数据、生产力促进数据、安全效应数据、就业保障数据以及行业安全响应参数、行业风险指数输入初始化的行业风险指数动态模型中训练获得训练好的行业风险指数动态模型。
需要说明的是，行业风险指数动态模型需要大量的历史数据进行训练，数据量越大则结果越精准，本方案中的行业风险指数动态模型通过历史行业的行业产能数据、生产力促进数据、安全效应数据、就业保障数据以及行业安全响应参数作为输入对模型进行训练，通过大量试验数据与真实数据比对得到的结果也会更加准确，进而使得行业风险指数动态模型的输出结果更加准确，本方案中行业风险指数动态模型的准确率阈值设置为85%。
根据本发明实施例，所述根据所述行业风险指数结合行业风险指数等级获取行业风险数据，具体为：
建立行业风险指数数据库；
所述行业风险指数数据库包括各类型行业对应的行业风险指数阈值；
根据所述行业风险指数阈值划分行业风险指数等级，所述行业风险指数等级分为一级、二级和三级；
根据所述行业风险指数在行业风险指数数据库中查询对应行业风险指数阈值；
根据所述行业风险指数阈值对照查询对应行业风险指数等级；
根据所述行业风险指数与所述行业风险指数等级进行加权获得行业风险数据。
需要说明的是，建立行业风险指数数据库对各类行业的风险指数阈值进行划分，例如风险指数阈值分为[0,20)，[20，50)，[50,85)，[85,100]，再根据风险指数阈值对应划分风险指数等级，行业风险指数等级分为一到三级，三级为最高风险等级，例如[0，35]为一级，(35，70]为二级，(70,100]为三级，则可根据行业的风险指数在行业风险指数数据库中查询对应风险指数阈值，再根据风险指数阈值对照查询对应的风险指数等级，例如，行业X的行业风险指数为72，则其行业风险指数阈值对应为[50，85)区间，其行业风险指数等级为二级，再根据行业风险指数与行业风险指数等级进行加权获得行业风险数据；
其中，行业风险数据的加权公式为：
Figure 838388DEST_PATH_IMAGE029
；
其中，
Figure 501450DEST_PATH_IMAGE030
为行业风险数据，
Figure 246683DEST_PATH_IMAGE020
为行业安全响应参数，
Figure 122236DEST_PATH_IMAGE031
为行业风险指数，
Figure 151371DEST_PATH_IMAGE032
为安全效应数据，
Figure 923018DEST_PATH_IMAGE033
为行业运行安全系数，
Figure 670394DEST_PATH_IMAGE016
为行业风险指数等级（
Figure 834791DEST_PATH_IMAGE033
通过行业风险指数数据库查询）。
根据本发明实施例，所述根据所述行业监测信息与所述共享资讯信息分别获取行业运行安全值和行业生态风险值，根据所述行业运行安全值和行业生态风险值获取行业风险评定值，具体为：
根据获取的所述多个行业监测信息和多条共享资讯信息分别进行聚类处理；
根据
Figure 718433DEST_PATH_IMAGE001
个行业监测信息
Figure 926561DEST_PATH_IMAGE002
的风险量
Figure 630074DEST_PATH_IMAGE003
和对应权威级别
Figure 598161DEST_PATH_IMAGE004
聚合得到行业运行安全值
Figure 336310DEST_PATH_IMAGE005
；
根据
Figure 980918DEST_PATH_IMAGE006
个共享资讯信息
Figure 437307DEST_PATH_IMAGE007
的风险量
Figure 943506DEST_PATH_IMAGE008
和对应权威级别
Figure 536162DEST_PATH_IMAGE009
聚合得到行业生态风险值
Figure 351671DEST_PATH_IMAGE010
；
根据所述行业运行安全值
Figure 560935DEST_PATH_IMAGE005
和行业生态风险值
Figure 605246DEST_PATH_IMAGE010
计算获取行业风险评定值
Figure 317987DEST_PATH_IMAGE011
。
需要说明的是，为评估多个行业监测信息和多条共享资讯信息的风险情况，通过行业监测信息和共享资讯信息的风险量分别进行聚类获得对应安全值和风险值再进一步获得行业运行安全值，可反映出获得信息的风险情况，所述风险量是根据第三方信息检测平台中获取的可反映监测信息和咨询信息风险属性的量值，其中，行业运行安全值
Figure 304397DEST_PATH_IMAGE034
，行业生态风险值
Figure 735379DEST_PATH_IMAGE035
，通过行业风险评定值
Figure 583380DEST_PATH_IMAGE014
的大小来测评获得信息的行业风险程度。
根据本发明实施例，所述根据所述行业风险数据对所述行业风险评定值进行修正获取行业风险校正值，具体为：
所述行业风险校正值计算公式为：
Figure 150628DEST_PATH_IMAGE012
；
其中，
Figure 42360DEST_PATH_IMAGE013
为行业风险校正值，
Figure 695059DEST_PATH_IMAGE014
为行业风险评定值，
Figure 596019DEST_PATH_IMAGE015
为行业风险数据，
Figure 34084DEST_PATH_IMAGE016
为行业风险指数等级，
Figure 362297DEST_PATH_IMAGE017
为行业安全影响力系数，
Figure 236713DEST_PATH_IMAGE018
为行业风险级别系数（行业安全影响力系数和行业风险级别系数根据风险指数数据库的第三方平台获取）。
需要说明的是，为提高行业风险评定情况的精准度，通过行业风险数据以及行业风险指数等级结合行业相关属性系数对行业风险评定值进行修正，可提高行业风险校正值的精确率。
如图4所示，本发明还公开了基于大数据的行业风险数据分析系统，包括存储器41和处理器42，所述存储器中包括基于大数据的行业风险数据分析方法程序，所述基于大数据的行业风险数据分析方法程序被所述处理器执行时实现如下步骤：
获取行业在预设范围内的多个行业信息数据和多个行业监测信息；
根据所述行业信息数据提取行业特征数据并获取行业特征数据的共享资讯信息；
根据所述行业特征数据以及在预设时间段内的行业监测信息获取行业安全响应参数；
根据所述行业特征数据对所述行业安全响应参数进行修正获得行业风险指数；
根据所述行业风险指数结合行业风险指数等级获取行业风险数据；
根据所述行业监测信息与所述共享资讯信息分别获取行业运行安全值和行业生态风险值，根据所述行业运行安全值和行业生态风险值获取行业风险评定值；
根据所述行业风险数据对所述行业风险评定值进行修正获取行业风险校正值；
根据所述行业风险校正值与预设行业风险评估阈值进行阈值对比判断所述行业的风险情况。
需要说明的是，为评估行业的风险情况，获取行业在预设范围内的多个行业信息数据提取行业特征数据并获取行业特征数据的共享资讯信息，再根据行业特征数据和行业监测信息获取行业安全响应参数，再根据行业特征数据对行业安全响应参数进行修正获得行业风险指数，再结合评估获取的行业风险指数等级计算获得行业风险数据对根据行业监测信息和共享资讯信息获取的行业风险评定值进行修正获得行业风险校正值，根据行业风险校正值与预设行业风险评估阈值进行阈值对比，若行业风险校正值大于预设行业风险评估阈值，则存在行业风险需进行警示，通过对行业风险相关数据和信息的收集和参数值修正处理，实现通过动态大数据对行业风险情况进行精准评估，且实现了风险的动态监测，提高了根据行业动态数据和信息对行业风险监测获取的准确性和时效性；
其中，所述行业安全响应参数的计算公式为：
Figure 675784DEST_PATH_IMAGE019
；
其中，
Figure 968356DEST_PATH_IMAGE020
为行业安全响应参数，
Figure 201892DEST_PATH_IMAGE021
为行业特征数据的个数，
Figure 829182DEST_PATH_IMAGE022
为行业监测信息的信息链条数，
Figure 71944DEST_PATH_IMAGE023
为
Figure 733870DEST_PATH_IMAGE021
个行业特征数据中的第
Figure 889039DEST_PATH_IMAGE024
个特征数据安全值，
Figure 738046DEST_PATH_IMAGE025
为
Figure 784500DEST_PATH_IMAGE022
条行业监测信息链条中的第
Figure 35352DEST_PATH_IMAGE026
个信息链安全值，
Figure 876269DEST_PATH_IMAGE027
为特征风险系数，
Figure 963305DEST_PATH_IMAGE028
为信息风险系数（特征数据安全值和信息链安全值根据第三方信息监测平台中获取，
Figure 282291DEST_PATH_IMAGE027
、
Figure 653230DEST_PATH_IMAGE028
根据特征数据和监测信息通过行业风险指数数据库查询获得）。
根据本发明实施例，所述获取行业在预设范围内的多个行业信息数据和多个行业监测信息，具体为：
根据行业类型在行业信息数据库中提取多个行业信息数据；
根据所述多个行业信息数据在预设范围内获取映射行业数据信息集；
根据所述映射行业数据信息集生成行业动态数据信令；
根据所述行业动态数据信令在行业动态监测平台中获取行业监测信息集；
根据所述行业的分枝属性筛出多个行业监测信息。
需要说明的是，为获取行业的精准监测信息，通过在行业信息数据库中根据行业类型已设定好的信息数据提取范围对应提取多个行业信息数据，多个行业信息数据是根据数据库中针对行业类型已划分好的对应条信息数据，再根据多个条信息数据获取映射行业数据信息集并生成行业动态数据信令，其中数据映射方式根据行业类型进行预设，根据行业动态数据信令在第三方信息监测平台中获取行业监测信息集，获取到的行业监测信息集包含多种渠道汇集的多个行业监测信息，具有广泛性、时效性和延展性，再根据行业具体类别的分枝属性如行业分工、产业链定位、上下游网络对行业监测信息集进行筛选获得多个有针对性的行业监测信息，通过收集和筛选可提升数据信息收集的精准度和过滤度。
根据本发明实施例，所述根据所述行业信息数据提取行业特征数据并获取行业特征数据的共享资讯信息，具体为：
根据所述行业信息数据进行数据分类并提取行业属性信息数据；
所述行业属性信息数据包括行业属性数据、行业影响力数据、行业安全度数据、产值利税数据以及就业催促数据；
根据所述行业属性信息数据生成行业运行生态组织树；
根据所述行业运行生态组织树按照行业类型提取行业特征数据，包括行业产能数据、生产力促进数据、安全效应数据以及就业保障数据；
根据所述行业特征数据获取行业数据信息链以及多条共享资讯信息，所述共享资讯信息包括行业环境信息、产业生态信息以及动态链信息。
需要说明的是，为评定行业特征数据的关联数据信息以及共享咨询信息，通过对行业信息数据按照行业类别进行分类并提取行业属性信息数据，根据行业属性信息数据生成行业生态组织树，所述行业生态组织树可通过枝干反映出行业类型对应的行业运行所处生态的数据信息全貌，再提取对应行业特征数据，根据行业特征数据进行搜索获取行业数据信息链以及共享咨询信息，通过行业生态组织树的生成和行业特征数据提取有针对性的根据行业类型获取行业数据信息链并获取共享咨询信息，便于对行业以及风险进行进一步评估。
根据本发明实施例，所述根据所述行业特征数据对所述行业安全响应参数进行修正获得行业风险指数，具体为：
将所述行业产能数据、生产力促进数据、安全效应数据、就业保障数据以及所述行业安全响应参数输入至行业风险指数动态模型中处理获得行业风险指数；
所述行业风险指数动态模型通过历史行业的行业产能数据、生产力促进数据、安全效应数据、就业保障数据以及行业安全响应参数进行训练获得；
将所述历史行业的行业产能数据、生产力促进数据、安全效应数据、就业保障数据以及行业安全响应参数、行业风险指数输入初始化的行业风险指数动态模型中训练获得训练好的行业风险指数动态模型。
需要说明的是，行业风险指数动态模型需要大量的历史数据进行训练，数据量越大则结果越精准，本方案中的行业风险指数动态模型通过历史行业的行业产能数据、生产力促进数据、安全效应数据、就业保障数据以及行业安全响应参数作为输入对模型进行训练，通过大量试验数据与真实数据比对得到的结果也会更加准确，进而使得行业风险指数动态模型的输出结果更加准确，本方案中行业风险指数动态模型的准确率阈值设置为85%。
根据本发明实施例，所述根据所述行业风险指数结合行业风险指数等级获取行业风险数据，具体为：
建立行业风险指数数据库；
所述行业风险指数数据库包括各类型行业对应的行业风险指数阈值；
根据所述行业风险指数阈值划分行业风险指数等级，所述行业风险指数等级分为一级、二级和三级；
根据所述行业风险指数在行业风险指数数据库中查询对应行业风险指数阈值；
根据所述行业风险指数阈值对照查询对应行业风险指数等级；
根据所述行业风险指数与所述行业风险指数等级进行加权获得行业风险数据。
需要说明的是，建立行业风险指数数据库对各类行业的风险指数阈值进行划分，例如风险指数阈值分为[0,20)，[20，50)，[50,85)，[85,100]，再根据风险指数阈值对应划分风险指数等级，行业风险指数等级分为一到三级，三级为最高风险等级，例如[0，35]为一级，(35，70]为二级，(70,100]为三级，则可根据行业的风险指数在行业风险指数数据库中查询对应风险指数阈值，再根据风险指数阈值对照查询对应的风险指数等级，例如，行业X的行业风险指数为72，则其行业风险指数阈值对应为[50，85)区间，其行业风险指数等级为二级，再根据行业风险指数与行业风险指数等级进行加权获得行业风险数据；
其中，行业风险数据的加权公式为：
Figure 399469DEST_PATH_IMAGE029
；
其中，
Figure 488648DEST_PATH_IMAGE030
为行业风险数据，
Figure 362057DEST_PATH_IMAGE020
为行业安全响应参数，
Figure 587502DEST_PATH_IMAGE031
为行业风险指数，
Figure 770221DEST_PATH_IMAGE032
为安全效应数据，
Figure 81117DEST_PATH_IMAGE033
为行业运行安全系数，
Figure 741905DEST_PATH_IMAGE016
为行业风险指数等级（
Figure 838169DEST_PATH_IMAGE033
通过行业风险指数数据库查询）。
根据本发明实施例，所述根据所述行业监测信息与所述共享资讯信息分别获取行业运行安全值和行业生态风险值，根据所述行业运行安全值和行业生态风险值获取行业风险评定值，具体为：
根据获取的所述多个行业监测信息和多条共享资讯信息分别进行聚类处理；
根据
Figure 926210DEST_PATH_IMAGE001
个行业监测信息
Figure 724402DEST_PATH_IMAGE002
的风险量
Figure 454461DEST_PATH_IMAGE003
和对应权威级别
Figure 405230DEST_PATH_IMAGE004
聚合得到行业运行安全值
Figure 664173DEST_PATH_IMAGE005
；
根据
Figure 949661DEST_PATH_IMAGE006
个共享资讯信息
Figure 217831DEST_PATH_IMAGE007
的风险量
Figure 272375DEST_PATH_IMAGE008
和对应权威级别
Figure 702219DEST_PATH_IMAGE009
聚合得到行业生态风险值
Figure 214017DEST_PATH_IMAGE010
；
根据所述行业运行安全值
Figure 285878DEST_PATH_IMAGE005
和行业生态风险值
Figure 929349DEST_PATH_IMAGE010
计算获取行业风险评定值
Figure 61253DEST_PATH_IMAGE011
。
需要说明的是，为评估多个行业监测信息和多条共享资讯信息的风险情况，通过行业监测信息和共享资讯信息的风险量分别进行聚类获得对应安全值和风险值再进一步获得行业运行安全值，可反映出获得信息的风险情况，所述风险量是根据第三方信息检测平台中获取的可反映监测信息和咨询信息风险属性的量值，其中，行业运行安全值
Figure 806486DEST_PATH_IMAGE034
，行业生态风险值
Figure 682039DEST_PATH_IMAGE035
，通过行业风险评定值
Figure 445595DEST_PATH_IMAGE014
的大小来测评获得信息的行业风险程度。
根据本发明实施例，所述根据所述行业风险数据对所述行业风险评定值进行修正获取行业风险校正值，具体为：
所述行业风险校正值计算公式为：
Figure 13980DEST_PATH_IMAGE012
；
其中，
Figure 512088DEST_PATH_IMAGE013
为行业风险校正值，
Figure 191331DEST_PATH_IMAGE014
为行业风险评定值，
Figure 74974DEST_PATH_IMAGE015
为行业风险数据，
Figure 299413DEST_PATH_IMAGE016
为行业风险指数等级，
Figure 2927DEST_PATH_IMAGE017
为行业安全影响力系数，
Figure 220281DEST_PATH_IMAGE018
为行业风险级别系数（行业安全影响力系数和行业风险级别系数根据风险指数数据库的第三方平台获取）。
需要说明的是，为提高行业风险评定情况的精准度，通过行业风险数据以及行业风险指数等级结合行业相关属性系数对行业风险评定值进行修正，可提高行业风险校正值的精确率。
本发明第三方面提供了一种可读存储介质，所述可读存储介质中包括基于大数据的行业风险数据分析方法程序，所述基于大数据的行业风险数据分析方法程序被处理器执行时，实现如上述任一项所述的基于大数据的行业风险数据分析方法的步骤。
本发明公开的基于大数据的行业风险数据分析方法、系统及存储介质，通过行业信息数据和行业监测信息提取行业特征数据和共享资讯信息，根据行业特征数据对获取的行业安全响应参数进行修正获得行业风险指数并结合行业风险指数等级获取行业风险数据，再根据行业风险数据对行业监测信息和共享资讯信息获取到的行业风险评定值进行修正获取行业风险校正值，与预设行业风险评估阈值进行阈值对比判断行业风险情况；从而基于大数据对行业风险数据和信息进行处理评估，实现根据行业进行处理获取行业风险校正值进行风险评估判断技术，提高对行业风险安全评估分析的精准辨识度。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.基于大数据的行业风险数据分析方法，其特征在于，所述方法包括：
获取行业在预设范围内的多个行业信息数据和多个行业监测信息；
根据所述行业信息数据提取行业特征数据并获取行业特征数据的共享资讯信息；
根据所述行业特征数据以及在预设时间段内的行业监测信息获取行业安全响应参数；
根据所述行业特征数据对所述行业安全响应参数进行修正获得行业风险指数；
根据所述行业风险指数结合行业风险指数等级获取行业风险数据；
根据所述行业监测信息与所述共享资讯信息分别获取行业运行安全值和行业生态风险值，根据所述行业运行安全值和行业生态风险值获取行业风险评定值；
根据所述行业风险数据对所述行业风险评定值进行修正获取行业风险校正值；
根据所述行业风险校正值与预设行业风险评估阈值进行阈值对比判断所述行业的风险情况。
2.根据权利要求1所述的基于大数据的行业风险数据分析方法，其特征在于，所述获取行业在预设范围内的多个行业信息数据和多个行业监测信息，包括：
根据行业类型在行业信息数据库中提取多个行业信息数据；
根据所述多个行业信息数据在预设范围内获取映射行业数据信息集；
根据所述映射行业数据信息集生成行业动态数据信令；
根据所述行业动态数据信令在行业动态监测平台中获取行业监测信息集；
根据所述行业的分枝属性筛出多个行业监测信息。
3.根据权利要求2所述的基于大数据的行业风险数据分析方法，其特征在于，所述根据所述行业信息数据提取行业特征数据并获取行业特征数据的共享资讯信息，包括：
根据所述行业信息数据进行数据分类并提取行业属性信息数据；
所述行业属性信息数据包括行业属性数据、行业影响力数据、行业安全度数据、产值利税数据以及就业催促数据；
根据所述行业属性信息数据生成行业运行生态组织树；
根据所述行业运行生态组织树按照行业类型提取行业特征数据，包括行业产能数据、生产力促进数据、安全效应数据以及就业保障数据；
根据所述行业特征数据获取行业数据信息链以及多条共享资讯信息，所述共享资讯信息包括行业环境信息、产业生态信息以及动态链信息。
4.根据权利要求3所述的基于大数据的行业风险数据分析方法，其特征在于，所述根据所述行业特征数据对所述行业安全响应参数进行修正获得行业风险指数，包括：
将所述行业产能数据、生产力促进数据、安全效应数据、就业保障数据以及所述行业安全响应参数输入至行业风险指数动态模型中处理获得行业风险指数；
所述行业风险指数动态模型通过历史行业的行业产能数据、生产力促进数据、安全效应数据、就业保障数据以及行业安全响应参数进行训练获得；
将所述历史行业的行业产能数据、生产力促进数据、安全效应数据、就业保障数据以及行业安全响应参数、行业风险指数输入初始化的行业风险指数动态模型中训练获得训练好的行业风险指数动态模型。
5.根据权利要求4所述的基于大数据的行业风险数据分析方法，其特征在于，所述根据所述行业风险指数结合行业风险指数等级获取行业风险数据，包括：
建立行业风险指数数据库；
所述行业风险指数数据库包括各类型行业对应的行业风险指数阈值；
根据所述行业风险指数阈值划分行业风险指数等级，所述行业风险指数等级分为一级、二级和三级；
根据所述行业风险指数在行业风险指数数据库中查询对应行业风险指数阈值；
根据所述行业风险指数阈值对照查询对应行业风险指数等级；
根据所述行业风险指数与所述行业风险指数等级进行加权获得行业风险数据。
6.根据权利要求5所述的基于大数据的行业风险数据分析方法，其特征在于，所述根据所述行业监测信息与所述共享资讯信息分别获取行业运行安全值和行业生态风险值，根据所述行业运行安全值和行业生态风险值获取行业风险评定值，包括：
根据获取的所述多个行业监测信息和多条共享资讯信息分别进行聚类处理；
根据
Figure 834255DEST_PATH_IMAGE001
个行业监测信息
Figure 220237DEST_PATH_IMAGE002
的风险量
Figure 593450DEST_PATH_IMAGE003
和对应权威级别
Figure 457501DEST_PATH_IMAGE004
聚合得到行业运行安全值
Figure 599769DEST_PATH_IMAGE005
；
根据
Figure 891073DEST_PATH_IMAGE006
个共享资讯信息
Figure 751582DEST_PATH_IMAGE007
的风险量
Figure 216061DEST_PATH_IMAGE008
和对应权威级别
Figure 353781DEST_PATH_IMAGE009
聚合得到行业生态风险值
Figure 675041DEST_PATH_IMAGE010
；
根据所述行业运行安全值
Figure 898212DEST_PATH_IMAGE005
和行业生态风险值
Figure 900803DEST_PATH_IMAGE010
计算获取行业风险评定值
Figure 20594DEST_PATH_IMAGE011
。
7.根据权利要求6所述的基于大数据的行业风险数据分析方法，其特征在于，所述根据所述行业风险数据对所述行业风险评定值进行修正获取行业风险校正值，包括：
所述行业风险校正值计算公式为：
Figure 919279DEST_PATH_IMAGE012
；
其中，
Figure 488801DEST_PATH_IMAGE013
为行业风险校正值，
Figure 232766DEST_PATH_IMAGE014
为行业风险评定值，
Figure 141816DEST_PATH_IMAGE015
为行业风险数据，
Figure 70458DEST_PATH_IMAGE016
为行业风险指数等级，
Figure 2642DEST_PATH_IMAGE017
为行业安全影响力系数，
Figure 674932DEST_PATH_IMAGE018
为行业风险级别系数。
8.基于大数据的行业风险数据分析系统，其特征在于，该系统包括：存储器及处理器，所述存储器中包括基于大数据的行业风险数据分析方法的程序，所述基于大数据的行业风险数据分析方法的程序被所述处理器执行时实现以下步骤：
获取行业在预设范围内的多个行业信息数据和多个行业监测信息；
根据所述行业信息数据提取行业特征数据并获取行业特征数据的共享资讯信息；
根据所述行业特征数据以及在预设时间段内的行业监测信息获取行业安全响应参数；
根据所述行业特征数据对所述行业安全响应参数进行修正获得行业风险指数；
根据所述行业风险指数结合行业风险指数等级获取行业风险数据；
根据所述行业监测信息与所述共享资讯信息分别获取行业运行安全值和行业生态风险值，根据所述行业运行安全值和行业生态风险值获取行业风险评定值；
根据所述行业风险数据对所述行业风险评定值进行修正获取行业风险校正值；
根据所述行业风险校正值与预设行业风险评估阈值进行阈值对比判断所述行业的风险情况。
9.根据权利要求8所述的基于大数据的行业风险数据分析系统，其特征在于，所述获取行业在预设范围内的多个行业信息数据和多个行业监测信息，包括：
根据行业类型在行业信息数据库中提取多个行业信息数据；
根据所述多个行业信息数据在预设范围内获取映射行业数据信息集；
根据所述映射行业数据信息集生成行业动态数据信令；
根据所述行业动态数据信令在行业动态监测平台中获取行业监测信息集；
根据所述行业的分枝属性筛出多个行业监测信息。
10.计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于大数据的行业风险数据分析方法程序，所述基于大数据的行业风险数据分析方法程序被处理器执行时，实现如权利要求1至7中任一项所述的基于大数据的行业风险数据分析方法的步骤。
CN202211141960.0A 2022-09-20 2022-09-20 基于大数据的行业风险数据分析方法、系统及存储介质 Active CN115222303B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211141960.0A CN115222303B (zh) 2022-09-20 2022-09-20 基于大数据的行业风险数据分析方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211141960.0A CN115222303B (zh) 2022-09-20 2022-09-20 基于大数据的行业风险数据分析方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN115222303A true CN115222303A (zh) 2022-10-21
CN115222303B CN115222303B (zh) 2022-11-25

Family

ID=83617607

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211141960.0A Active CN115222303B (zh) 2022-09-20 2022-09-20 基于大数据的行业风险数据分析方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN115222303B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115860583A (zh) * 2023-02-28 2023-03-28 深圳市同创环保科技有限公司 一种基于大数据的填埋场沼气收集评估方法、系统和介质
CN116366374A (zh) * 2023-06-01 2023-06-30 广东力昂电子科技有限公司 基于大数据的电网网络管理的安全评估方法、系统及介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2012203180A1 (en) * 2011-09-16 2013-04-04 Rahp Sheet Pty Ltd System and method of performing a job hazard analysis
CN105809360A (zh) * 2016-03-16 2016-07-27 北京银讯财富信息技术有限公司 一种p2p行业风险评估方法
CN109272396A (zh) * 2018-08-20 2019-01-25 平安科技（深圳）有限公司 客户风险预警方法、装置、计算机设备和介质
CN109919471A (zh) * 2019-02-27 2019-06-21 河南鑫安利安全科技股份有限公司 一种智慧风控评估方法及系统
JP2019125336A (ja) * 2018-08-07 2019-07-25 株式会社日本アルマック リスク評価分析システムを用いたリスク評価分析方法
CN110443458A (zh) * 2019-07-05 2019-11-12 深圳壹账通智能科技有限公司 风险评估方法、装置、计算机设备和存储介质
US20200126009A1 (en) * 2017-06-21 2020-04-23 Ping An Technology (Shenzhen) Co., Ltd. Method and device for evaluating risk of a business data table correction, and storage medium
CN111626162A (zh) * 2020-05-18 2020-09-04 江苏科技大学苏州理工学院 基于时空大数据分析的水上救援系统及溺水警情预测方法
CN111784508A (zh) * 2020-07-01 2020-10-16 北京知因智慧科技有限公司 企业风险评估方法、装置及电子设备
CN112769747A (zh) * 2020-11-12 2021-05-07 成都思维世纪科技有限责任公司 一种5g数据安全风险评价方法及评价系统
CN112990762A (zh) * 2021-04-15 2021-06-18 国家计算机网络与信息安全管理中心山东分中心 一种行业风险指标体系风险指数生成方法及系统
CN113313387A (zh) * 2021-05-31 2021-08-27 中钢集团武汉安全环保研究院有限公司 一种企业重大安全风险分级智能化管控方法及系统
AU2021105328A4 (en) * 2021-08-11 2021-11-18 Rao, Adapavenkateswara Mr The service design framework for structured development of data-based services.
CN113689289A (zh) * 2021-08-26 2021-11-23 天元大数据信用管理有限公司 一种基于银行风险控制的方法及设备
CN113869722A (zh) * 2021-09-27 2021-12-31 青岛海尔工业智能研究院有限公司 基于工业互联网的家电供应链风险预警系统、方法及设备
CN115062906A (zh) * 2022-05-13 2022-09-16 中国南方电网有限责任公司 一种生产作业风险的智能评估方法及装置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2012203180A1 (en) * 2011-09-16 2013-04-04 Rahp Sheet Pty Ltd System and method of performing a job hazard analysis
CN105809360A (zh) * 2016-03-16 2016-07-27 北京银讯财富信息技术有限公司 一种p2p行业风险评估方法
US20200126009A1 (en) * 2017-06-21 2020-04-23 Ping An Technology (Shenzhen) Co., Ltd. Method and device for evaluating risk of a business data table correction, and storage medium
JP2019125336A (ja) * 2018-08-07 2019-07-25 株式会社日本アルマック リスク評価分析システムを用いたリスク評価分析方法
CN109272396A (zh) * 2018-08-20 2019-01-25 平安科技（深圳）有限公司 客户风险预警方法、装置、计算机设备和介质
CN109919471A (zh) * 2019-02-27 2019-06-21 河南鑫安利安全科技股份有限公司 一种智慧风控评估方法及系统
CN110443458A (zh) * 2019-07-05 2019-11-12 深圳壹账通智能科技有限公司 风险评估方法、装置、计算机设备和存储介质
CN111626162A (zh) * 2020-05-18 2020-09-04 江苏科技大学苏州理工学院 基于时空大数据分析的水上救援系统及溺水警情预测方法
CN111784508A (zh) * 2020-07-01 2020-10-16 北京知因智慧科技有限公司 企业风险评估方法、装置及电子设备
CN112769747A (zh) * 2020-11-12 2021-05-07 成都思维世纪科技有限责任公司 一种5g数据安全风险评价方法及评价系统
CN112990762A (zh) * 2021-04-15 2021-06-18 国家计算机网络与信息安全管理中心山东分中心 一种行业风险指标体系风险指数生成方法及系统
CN113313387A (zh) * 2021-05-31 2021-08-27 中钢集团武汉安全环保研究院有限公司 一种企业重大安全风险分级智能化管控方法及系统
AU2021105328A4 (en) * 2021-08-11 2021-11-18 Rao, Adapavenkateswara Mr The service design framework for structured development of data-based services.
CN113689289A (zh) * 2021-08-26 2021-11-23 天元大数据信用管理有限公司 一种基于银行风险控制的方法及设备
CN113869722A (zh) * 2021-09-27 2021-12-31 青岛海尔工业智能研究院有限公司 基于工业互联网的家电供应链风险预警系统、方法及设备
CN115062906A (zh) * 2022-05-13 2022-09-16 中国南方电网有限责任公司 一种生产作业风险的智能评估方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
夏琦: "大数据技术在保险公司投资与风险管理中的应用分析", 《营销界》 *
韩滢: "大数据分析在保险行业风险管理中的作用分析", 《互联网周刊》 *
顾瑞琳: "交通运输行业大数据形态风险分析对策研究", 《人民交通》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115860583A (zh) * 2023-02-28 2023-03-28 深圳市同创环保科技有限公司 一种基于大数据的填埋场沼气收集评估方法、系统和介质
CN116366374A (zh) * 2023-06-01 2023-06-30 广东力昂电子科技有限公司 基于大数据的电网网络管理的安全评估方法、系统及介质
CN116366374B (zh) * 2023-06-01 2023-12-15 广东力昂电子科技有限公司 基于大数据的电网网络管理的安全评估方法、系统及介质

Also Published As

Publication number Publication date
CN115222303B (zh) 2022-11-25

Similar Documents

Publication Publication Date Title
CN115222303B (zh) 基于大数据的行业风险数据分析方法、系统及存储介质
CN109525595B (zh) 一种基于时间流特征的黑产账号识别方法及设备
CN108366045B (zh) 一种风控评分卡的设置方法和装置
CN109597936B (zh) 一种新用户筛选系统及方法
CN111275333A (zh) 污染数据处理方法和装置
CN116366374B (zh) 基于大数据的电网网络管理的安全评估方法、系统及介质
CN110083507B (zh) 关键性能指标分类方法及装置
CN116112292B (zh) 基于网络流量大数据的异常行为检测方法、系统和介质
CN111371188A (zh) 一种用电异常数据实时预警系统
CN116094837B (zh) 基于网络大数据的网终应用采集分析方法、系统及介质
CN114201374A (zh) 基于混合机器学习的运维时序数据异常检测方法及系统
CN115563477B (zh) 谐波数据识别方法、装置、计算机设备和存储介质
CN115759640A (zh) 一种智慧城市的公共服务信息处理系统及方法
CN115296933B (zh) 一种工业生产数据风险等级评估方法及系统
CN115794803A (zh) 一种基于大数据ai技术的工程审计问题监测方法与系统
CN114138601A (zh) 一种业务告警方法、装置、设备及存储介质
CN114139931A (zh) 企业数据评估方法、装置、计算机设备及存储介质
CN113487241A (zh) 企业环保信用等级的分类方法、装置、设备及存储介质
CN107274025B (zh) 一种实现用电模式智能识别与管理的系统和方法
CN111861141B (zh) 一种基于模糊故障率预测的配电网可靠性评估方法
CN110807174B (zh) 一种基于统计分布的污水厂厂群出水分析及异常识别方法
CN114817518B (zh) 基于大数据档案识别的证照办理方法、系统及介质
CN115514581A (zh) 一种用于工业互联网数据安全平台的数据分析方法及设备
CN114238062A (zh) 板卡烧录装置性能分析方法、装置、设备及可读存储介质
CN110688273B (zh) 分类模型的监控方法、装置、终端以及计算机存储介质

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
GR01 Patent grant
GR01 Patent grant