CN115408372B - 一种监测市场监管数据开放水平的方法 - Google Patents
一种监测市场监管数据开放水平的方法 Download PDFInfo
- Publication number
- CN115408372B CN115408372B CN202211359207.9A CN202211359207A CN115408372B CN 115408372 B CN115408372 B CN 115408372B CN 202211359207 A CN202211359207 A CN 202211359207A CN 115408372 B CN115408372 B CN 115408372B
- Authority
- CN
- China
- Prior art keywords
- data
- open
- index
- opening
- market
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000001105 regulatory effect Effects 0.000 claims description 22
- 238000004140 cleaning Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000013500 data storage Methods 0.000 abstract 1
- 238000011156 evaluation Methods 0.000 description 5
- 239000008186 active pharmaceutical agent Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002537 cosmetic Substances 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- -1 medical apparatus Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于大数据技术领域,提出一种监测市场监管数据开放水平的方法,包括市场监管数据开放指数,市场监管数据开放指数的计算流程包括数据存储、原始数据采集、数据处理和市场监管数据开放指数计算,市场监管数据开放指数的内容又包括业务覆盖指数、开放数量指数和开放质量指数三个子指数,而且根据设计的模型合理且科学规范了计算方法,以数据化形式最终表达市场监管数据开放水平。本发明利用大数据技术,聚焦市场监管业务工作,合理构建了逻辑较强、科学性和准确性较好的一种监测评价市场监管数据开放水平的大数据模型和计算方法,适合大规模推广。
Description
技术领域
本发明属于大数据技术领域,尤其涉及一种监测市场监管数据开放水平的方法。
背景技术
目前,复旦大学的“开放数林指数”,是评价地方数据开放平台的通用模型和算法,是对各级数据开放水平的通用监测,侧重于对数据开放政策、数据开放平台及开放数据的评价,不对各部门的具体业务做评价,不具备市场监管行业特点。此外,“数林开放指数”对开放数据数量的评价指标中,数据集的绝对数量占比较大。各地经济规模不一,各省、市的市场主体数量差异较大,以绝对数量考核开放数据数量对经济规模较小的地区不科学,所以该模型和算法没有针对市场监管业务特点的指标,不能准确反映市场监管部门的数据开放水平,并且当前也还没有专门监测评价市场监管数据开放水平的模型与算法。
发明内容
本发明针对上述在检测市场监管数据开放方面所存在的技术问题,提出一种设计合理、逻辑较强、科学性和准确性较好的一种监测市场监管数据开放水平的方法。
为了达到上述目的,本发明采用的技术方案为,本发明提供的一种监测市场监管数据开放水平的方法,其大数据模型包括市场监管数据开放指数,所述市场监管数据开放指数的计算流程包括以下步骤:
S1、数据存储;
S2、原始数据采集;
S3、数据处理;
S4、市场监管数据开放指数计算,以部门为单位并计算各部门的3个子指数,包括业务覆盖指数、开放数量指数和开放质量指数,3个子指数相加即市场监管数据开放指数,其中:
业务覆盖指数,用来评价各市场监管部门开放数据的全面性,包括业务大类覆盖率和环节小类覆盖率;
开放数量指数,用来评价各市场监管部门数据开放的工作量,包括开放数据集数量、开放数据项数量和开放数据容量;
开放质量指数,用来评价各市场监管部门开放数据的准确性、规范性和及时性,包括平均数据容量、开放接口数量、无条件开放率和更新及时率。
作为优选,S1按照数据采集处理过程分类存放各种数据,从各数据开放平台采集的数据以数据集为单位存储到原始数据库,并且指数计算过程中的中间数据及结果数据,以部门为单位存储到分类汇总库。
作为优选,S2以各级市场监管部门为单位,采集本级所有开放数据集的开放单位名称、数据集名称、数据项描述、数据项数量、开放数据量、开放形式、开放属性和最后更新日期。
作为优选,所述开放形式包括数据集下载形式和API接口形式。
作为优选,所述开放属性包括无条件开放和有条件开放。
作为优选,所述数据处理包括以下步骤:
S4-1、数据清洗,包括数据项数量清洗、开放属性清洗和开放形式清洗;
S4-2、数据分类,针对各开放数据集增加业务大类和环节小类两个数据项,确定各数据集的业务大类和环节小类属性,其中业务大类根据市场监管业务划分数量大于10,环节小类根据监管环节划分数量大于50;
S4-3、数据转换,其一是通过计算开放数据集数量和开放数据项数量来计算无条件下载数据集的开放数据容量,其二是根据最后更新时间计算各数据集的更新及时率。
一种监测市场监管数据开放水平的计算方法,业务大类覆盖率X1和环节小类覆盖率X2计算公式如下:
其中,N为全部业务大类或环节小类总数;
业务覆盖指数BC计算公式如下:
其中,WT为相应指标的权重;
开放数据集数量X3、开放数据项数量X4和无条件下载数据集的开放数据容量X5计算公式如下:
其中,n为所有开放数据的市场监管部门的数量;
开放数量指数OQT计算公式如下:
开放质量指数包括平均数据容量X6、接口开放数量X7、无条件开放率X8和更新及时率X9的计算公式如下:
开放数据质量指数OQL计算公式如下:
市场监管数据开放指数AMROD I的计算公式如下:
AMRODI=BC+OQT+OQL。
与现有技术相比,本发明的优点和积极效果在于:
1、本发明提供的一种监测市场监管数据开放水平的方法,专注市场监管数据开放工作,根据大数据模型且计算开放数据的业务覆盖指数、开放数量指数、开放质量指数,解决了以下4个方面的技术问题,其一是市场监管数据开放水平没有监测评价方法的问题,其二是市场监管开放数据业务覆盖情况没有监测评价方法的问题,其三是市场监管开放数据数量情况没有监测评价方法的问题,其四是市场监管开放数据质量情况没有监测评价方法的问题。本发明利用大数据技术,聚焦市场监管业务工作,合理构建了逻辑较强、科学性和准确性较好的一种监测评价市场监管数据开放水平的大数据模型和计算方法,适合大规模推广。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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的附图。
图1为实施例提供的市场监管数据开放指数指标体系;
图2为实施例提供的开放数据集更新及时率分段表;
图3为实施例提供的市场监管数据开放指数指标体系及其权重分配示意图;
图4为实施例提供的市场监管业务分类表。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和实施例对本发明做进一步说明。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。为叙述方便,下文如出现“上”、“下”、“左”、“右”字样,仅表示与附图本身的上、下、左、右方向一致,并不对结构起限定作用。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用不同于在此描述的其他方式来实施,因此,本发明并不限于下面公开说明书的具体实施例的限制。
实施例,如图1、图2和图3所示,本发明提供的一种监测市场监管数据开放水平的方法,其大数据模型包括市场监管数据开放指数,所述市场监管数据开放指数的计算流程包括以下步骤:
S1、数据存储;
S2、原始数据采集;
S3、数据处理;
S4、市场监管数据开放指数计算,以部门为单位并计算各部门的3个子指数,包括业务覆盖指数、开放数量指数和开放质量指数,3个子指数相加即市场监管数据开放指数,其中:
业务覆盖指数,用来评价各市场监管部门开放数据的全面性,包括业务大类覆盖率和环节小类覆盖率。经过对全国各市场监管部门的开放数据研究分析后发现,各单位开放的数据中,市场主体登记、行政许可等静态数据较多,监督检查、抽检等动态数据比较少,而动态数据能更及时、准确的反映市场主体的经营状况。本发明将市场监管工作分为17个业务大类及75个环节小类,通过业务覆盖指数鼓励各部门全面开放数据。
开放数量指数,用来评价各市场监管部门数据开放的工作量,包括开放数据集数量、开放数据项数量和开放数据容量;
开放质量指数,用来评价各市场监管部门开放数据的准确性、规范性和及时性,包括平均数据容量、开放接口数量、无条件开放率和更新及时率。因全国各地经济规模不同,各地市场主体数量差异较大,市场监管开放数据以市场主体为主,以数据集的绝对数据量评价数据开放工作不科学。本发明的开放数量指数使用开放数据集数量、开放数据项数量和开放数据容量等3个指标进行评价,仅开放数据容量与市场主体绝对数量有关,且比较低,所述多指标设计也有效地解决了这一问题。
更具体地,步骤S1按照数据采集处理过程分类存放各种数据,从各数据开放平台采集的数据以数据集为单位存储到原始数据库,并且在之后完成清洗、分类、转换等处理过程的数据以数据集为单位存储到基础数据库,指数计算过程中的中间数据及结果数据,以部门为单位存储到分类汇总库。
S2以各级市场监管部门为单位,采集本级所有开放数据集的开放单位名称、数据集名称、数据项描述、数据项数量、开放数据量、开放形式、开放属性和最后更新日期。所需原始数据均从各数据开放平台采集,采集范围包括市场监管及单独开放数据的药品监管、知识产权监管等部门开放的数据集信息。所需数据大部分是使用Python爬取,无法自动采集的数据如无条件下载数据集的数据量等,采取人工方式下载的方式统计。关于开放形式的话,其包括数据集下载形式和API接口形式;开放属性则包括无条件开放和有条件开放。
进一步地,在数据项采集方面,本发明需要采集各开放数据集的数据项数量,如平台未公布数据集的数据项数量,则需要采集数据项的描述信息,下一步提取计算数据项数量。数据量采集:部分平台未公布数据集的数据量,需要人工下载所有无条件下载数据集并统计其数据量。开放形式,如一个数据集支持数据集下载和API接口两种开放形式,按两个数据集分别采集信息。开放属性,无需申请,登录后即可下载的数据集,视为无条件下载。
数据处理包括以下步骤:
S4-1、数据清洗,包括数据项数量清洗、开放属性清洗和开放形式清洗;其中,数据项数量清洗是指,部分数据开放平台未提供数据集的数据项数量,需要从数据集描述中提取计算数据项数量;开放属性清洗,是因为各平台表述方式不同,为了提高统一规范,将开放属性划分为为“无条件”和“有条件”两种属性;开放形式清洗,则统一规范为“数据集下载”和“API接口”两种形式。
S4-2、数据分类,针对各开放数据集增加业务大类和环节小类两个数据项,确定各数据集的业务大类和环节小类属性,如图4所示,其中业务大类根据市场监管业务划分数量大于10,本实施例设计17个业务大类,环节小类根据监管环节划分数量大于50,本实施例设计75个环节小类。
S4-3、数据转换,其一是通过计算开放数据集数量和开放数据项数量来计算无条件下载数据集的开放数据容量,其二是根据最后更新时间计算各数据集的更新及时率,如图2所示。
一种监测市场监管数据开放水平的计算方法,业务大类覆盖率X1和环节小类覆盖率X2计算公式如下:
其中,N为全部业务大类或环节小类总数;
业务覆盖指数BC计算公式如下:
其中,WT为相应指标的权重;
开放数据集数量X3、开放数据项数量X4和无条件下载数据集的开放数据容量X5计算公式如下:
其中,n为所有开放数据的市场监管部门的数量;
开放数量指数OQT计算公式如下:
在开放质量指数中,数据集的数据容量=数据量×数据项数量。因部分数据开放平台未公布数据集的数据量,本发明仅计算无条件下载数据集的数据容量。数据项数量计算,从各数据开放平台爬取的数据项信息有两种,一种是提供了各数据集的数据项列表,可在采集过程中直接统计数据项数量;第二种是平台仅提供了数据项的描述文本,这种情况需要对文本进行分析,提取出其中的字段列表,然后统计数据项数量。
平均数据容量X6、接口开放数量X7、无条件开放率X8和更新及时率X9的计算公式如下:
开放数据质量指数OQL计算公式如下:
市场监管数据开放指数AMROD I的计算公式如下:
AMRODI=BC+OQT+OQL
本发明解决了对市场监管数据开放水平的监测评价问题,在市场监管业务方面,优化了数据开放数量和数据开放质量方面的指标,可准确、全面的监测市场监管部门的数据开放水平,填补了针对市场监管数据开放水平没有监测评价方法的空白。
本发明解决了对市场监管数据开放全面性的监测评价问题。本发明将市场监管业务划分为市场主体登记、食品、特种设备、工业产品质量、药品、医疗器械、化妆品、质量基础设施、质量发展、知识产权、信用、物价、投诉举报、行政执法、内部办公、公共服务、广告等17个业务大类,并按监管环节进一步细分为75个小类,可以对市场监管部门开放的数据集分别进行归类,解决了对市场监管数据开放全面性的监测评价问题。
本发明对市场监管开放数据数量的监测评价更科学,其设计对开放数量的考核指标时,与市场主体绝对数量相关的指标仅占三分之一,即考虑了经济规模大省数据开放工作量大的特点,又兼顾了经济规模较小省份的数据开放工作积极性,对开放数据数量的监测评价更科学。
本发明对市场监管开放数据质量的监测评价更全面。经过对全国各地市场监管部门开放数据的研究分析,针对市场监管数据开放特点,本发明从无条件开放数据集平均数据容量、开放接口数量、无条件开放率、更新及时率等4个方面监测评价市场监管数据开放质量,对开放数据质量的监测评价更全面、更切合实际。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域,但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (5)
1.一种监测市场监管数据开放水平的方法,其特征在于,包括市场监管数据开放指数,所述市场监管数据开放指数的计算流程包括以下步骤:
S1、数据存储;
S2、原始数据采集;
S3、数据处理;
S4、市场监管数据开放指数计算,以部门为单位并计算各部门的3个子指数,包括业务覆盖指数、开放数量指数和开放质量指数,3个子指数相加即市场监管数据开放指数,其中:
业务覆盖指数,用来评价各市场监管部门开放数据的全面性,包括业务大类覆盖率和环节小类覆盖率;
开放数量指数,用来评价各市场监管部门数据开放的工作量,包括开放数据集数量、开放数据项数量和开放数据容量;
开放质量指数,用来评价各市场监管部门开放数据的准确性、规范性和及时性,包括平均数据容量、开放接口数量、无条件开放率和更新及时率;
所述数据处理包括以下步骤:
S4-1、数据清洗,包括数据项数量清洗、开放属性清洗和开放形式清洗;
S4-2、数据分类,针对各开放数据集增加业务大类和环节小类两个数据项,确定各数据集的业务大类和环节小类属性,其中业务大类根据市场监管业务划分数量大于10,环节小类根据监管环节划分数量大于50;
S4-3、数据转换,其一是通过计算开放数据集数量和开放数据项数量来计算无条件下载数据集的开放数据容量,其二是根据最后更新时间计算各数据集的更新及时率;
业务大类覆盖率X1和环节小类覆盖率X2计算公式如下:
其中,N为全部业务大类或环节小类总数;
业务覆盖指数BC计算公式如下:
其中,WT为相应指标的权重;
开放数据集数量X3、开放数据项数量X4和无条件下载数据集的开放数据容量X5计算公式如下:
其中,n为所有开放数据的市场监管部门的数量;
开放数量指数OQT计算公式如下:
开放质量指数包括平均数据容量X6、接口开放数量X7、无条件开放率X8和更新及时率X9的计算公式如下:
开放数据质量指数OQL计算公式如下:
市场监管数据开放指数AMRODI的计算公式如下:
2.根据权利要求1所述的一种监测市场监管数据开放水平的方法,其特征在于,S1按照数据采集处理过程分类存放各种数据,从各数据开放平台采集的数据以数据集为单位存储到原始数据库,并且指数计算过程中的中间数据及结果数据,以部门为单位存储到分类汇总库。
3.根据权利要求2所述的一种监测市场监管数据开放水平的方法,其特征在于,S2以各级市场监管部门为单位,采集本级所有开放数据集的开放单位名称、数据集名称、数据项描述、数据项数量、开放数据量、开放形式、开放属性和最后更新日期。
4.根据权利要求3所述的一种监测市场监管数据开放水平的方法,其特征在于,所述开放形式包括数据集下载形式和API接口形式。
5.根据权利要求3所述的一种监测市场监管数据开放水平的方法,其特征在于,所述开放属性包括无条件开放和有条件开放。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211359207.9A CN115408372B (zh) | 2022-11-02 | 2022-11-02 | 一种监测市场监管数据开放水平的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211359207.9A CN115408372B (zh) | 2022-11-02 | 2022-11-02 | 一种监测市场监管数据开放水平的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115408372A CN115408372A (zh) | 2022-11-29 |
CN115408372B true CN115408372B (zh) | 2023-04-07 |
Family
ID=84169318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211359207.9A Active CN115408372B (zh) | 2022-11-02 | 2022-11-02 | 一种监测市场监管数据开放水平的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115408372B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796470A (zh) * | 2019-08-13 | 2020-02-14 | 广州中国科学院软件应用技术研究所 | 一种面向市场主体监管和服务的数据分析系统 |
CN110852600A (zh) * | 2019-11-07 | 2020-02-28 | 江苏税软软件科技有限公司 | 一种对市场主体动态风险评估的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5435514B2 (ja) * | 2012-03-16 | 2014-03-05 | 株式会社日本総合研究所 | 国際ファクタリング業務におけるDispute管理および信頼度評価システム |
-
2022
- 2022-11-02 CN CN202211359207.9A patent/CN115408372B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796470A (zh) * | 2019-08-13 | 2020-02-14 | 广州中国科学院软件应用技术研究所 | 一种面向市场主体监管和服务的数据分析系统 |
CN110852600A (zh) * | 2019-11-07 | 2020-02-28 | 江苏税软软件科技有限公司 | 一种对市场主体动态风险评估的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115408372A (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Song et al. | Environmental performance evaluation with big data: Theories and methods | |
Peacock et al. | The RAINFOR database: monitoring forest biomass and dynamics | |
Linzner et al. | Municipal solid waste recycling and the significance of informal sector in urban China | |
US9098564B2 (en) | Domain-specific syntactic tagging in a functional information system | |
US9710506B2 (en) | Method and system for providing statistical data from a data warehouse | |
Song et al. | The electronic government performance of environmental protection administrations in Anhui province, China | |
Boulil et al. | Multidimensional modeling and analysis of large and complex watercourse data: an OLAP-based solution | |
CN111612294A (zh) | 一种基于时空大数据的城市体检系统 | |
Ngoc et al. | Foreign multinationals and local firms in Vietnam's economic transition | |
Sabou et al. | Tourmislod: A tourism linked data set | |
Chen et al. | A practical approach to determining critical macroeconomic factors in air-traffic volume based on K-means clustering and decision-tree classification | |
Bi et al. | A new solution for city distribution to achieve environmental benefits within the trend of green logistics: a case study in China | |
Granato et al. | Simulating runoff quality with the highway runoff database and the stochastic empirical loading and dilution model | |
CN115408372B (zh) | 一种监测市场监管数据开放水平的方法 | |
CN114005530A (zh) | 区域内医学重复检查、检验智能提醒与监管方法及系统 | |
Ferraro et al. | Trends and recommendations for enhancing maturity models in supply chain management and logistics | |
CN111815173A (zh) | 一种基于关联规则的企业画像评估方法 | |
Raca et al. | Application-based framework for analysis, monitoring and evaluation of national open data portals | |
CN106570767A (zh) | 风险监测信息系统中监测数据的统计分析方法以及装置 | |
Liu et al. | Comparing regional sustainability and transportation sustainability at the metropolitan level in the US using artificial neural network clustering techniques | |
Çekim et al. | The impact of google trends on the tourist arrivals: a case of antalya tourism | |
CN114201543A (zh) | 一种药学数据集成方法及系统 | |
Sumbodo et al. | Analysis of the quadrant strategy for household solid waste management (Case study: BUMDes Amarta, Pandowoharjo Village Sleman Yogyakarta) | |
Chow et al. | Using web demographics to model population change of Vietnamese-Americans in Texas between 2000 and 2009 | |
Lu et al. | An investigation of the uncertainty of handbook of emission factors for road transport (HBEFA) for estimating greenhouse gas emissions: A case study in Beijing |
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 |