CN115660251A - 一种基于ai大数据的企业健康度评估系统 - Google Patents
一种基于ai大数据的企业健康度评估系统 Download PDFInfo
- Publication number
- CN115660251A CN115660251A CN202211338281.2A CN202211338281A CN115660251A CN 115660251 A CN115660251 A CN 115660251A CN 202211338281 A CN202211338281 A CN 202211338281A CN 115660251 A CN115660251 A CN 115660251A
- Authority
- CN
- China
- Prior art keywords
- break
- micro
- key
- module
- score
- 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
- 230000036541 health Effects 0.000 title claims abstract description 74
- 238000011156 evaluation Methods 0.000 title claims abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 38
- 238000003860 storage Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 230000009466 transformation Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 14
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 abstract description 4
- 230000002159 abnormal effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical group C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 description 2
- 238000013077 scoring method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于AI大数据的企业健康度评估系统,包括依次连接的连接模块、采集模块、判断模块、储存模块、汇总模块、模型监控模块、展示模块和告警模块;解决统一数据连接不规范、非关键指标数据被采集造成数据冗余、指标分类存储、指标口径计算不一致、业务失真,预警不及时、渠道套利、渠道代理商养卡、刷卡自消费、营销活动终端拆包、串货、分销、客户数虚假发展、收入虚假发展、增值类各业务监控、高额欠费、批量操作现象、业务异常告警不及时等问题。从宏观上为提升了企业业务顺利开展的效率,从微观上解决了统一口径、分类存储,管理统一。为业务人员提供了一个评价业务优良的工具。
Description
技术领域
本发明属于信息数据领域,具体涉及一种基于AI大数据的企业健康度评估系统。
背景技术
为了实现各个企业又好又快的战略发展要求,需要在企业业务上从客户、渠道、增值业务、财务等方面建立市场经营健康度评估体系,以便深入分析市场发展质量,掌控实际市场发展情况,识别和防范虚假营销、过度营销及其他不健康的市场行为,对整体市场运营健康度进行分析评估,提升精细化管理水平,促进市场量质并重又好又快发展。
同时企业需要从客户健康度、渠道健康度、增值业务健康度等方面建立市场经营健康度评估体系,评估市场经营健康程度,找出市场经营健康隐患及时预警,掌握市场发展情况。强化公司战略。
企业业务健康度涉及到的多个方面的问题,他们之间不是孤立的,互有联系,互为因果。我司根据多年的经验和在各行业业务的沉淀,通过健康度解决了企业如下的问题,即渠道套利、渠道代理商养卡、刷卡自消费、营销活动终端拆包、串货、分销、客户数虚假发展、收入虚假发展、增值类各业务监控、高额欠费、批量操作现象等问题。
因此,设计出一种能够统一评估企业业务健康度体系的技术是很有必要的。
发明内容
本发明克服现有技术的不足,提供了一种基于AI大数据的企业健康度评估系统。本发明的目的通过以下的技术方案实现:
一方面,提供了一种基于AI大数据的企业健康度评估系统,包括依次连接的连接模块、采集模块、判断模块、储存模块、汇总模块、模型监控模块、展示模块和告警模块;
所述连接模块用于将企业数据接入规范连接业务系统,连接数据源;
所述采集模块用于采集企业数据中的关键指标;
所述判断模块用于判断识别关键指标;
所述储存模块用于将采集识别到的关键指标的明细存储到数据库;
所述汇总模块用于对关键指标的数据根据计算口径进行汇总;
所述模型监控模块用于建立健康度模型,并对企业业务健康度进行实时监控;
所述展示模块用于展现健康度评估结果;
所述告警模块用于健康度告警,实时将健康度告警信息发送给相关业务人员;
所述判断模块判断识别关键指标的步骤包括:
S1、甄选关键指标;S2、建立指标列表;S3、判断是否关键指标,如果是关键指标到下一步骤,非关键指标则重新采集;
所述模型监控模块的健康度模型建立步骤包括:
步骤1、加载健康度原始数据;步骤2、计算原始数据的均值和方差;步骤3、计算标准评分;步骤4、计算权重值;步骤5计算综合得分;步骤6、进行评级。
优选的,所述采集模块中,关键指标涉及采集的数据涵盖客户数据、渠道数据、增值业务数据和财务数据。
优选的,所述判断模块通过甄选关键指标;通过建立关键指标列表判断是否为关键指标,如果是关键指标则通过储存模块将采集识别到的关键指标的明细存储到数据库,非关键指标重新采集。
优选的,所述标准评分通过正态分布进行计算,公式如下:
其中随机变量X,称为服从正态分布,记作X~N(μ,σ2),其中μ,σ(σ>0)为常数,μ称为均值,σ为方差;
当正态分布N(μ,σ2)中的μ=0,σ=1时,称X服从标准正态分布,记作X~N(0,1);
更优的,将业务健康度各关键指标的值转换为标准正态分布的概率密度Y;
将X进行归一变换,变换后的Y服从标准正态分布;
对指标变换后值Y计算其概率密度f(y),
随后采用高考标准分的计算方法,将企业健康度的各关键指标标准正态分布的概率密度 f(y)进行线形变换,转换为标准评分,具体如下;
根据业务规则和指标的正向、逆向性,确定每个关键指标标准评分最高分max_score和最低分min_score;
采用高考的标准分的计算方法,将关键指标值标准正态分布概率密度f(y)转换为标准评分score,其中计算公式如下:
score=min_score×(1-f(y))+max_score×f(y)
而异常值的评分一般来说,对服从正态分布的随机变量X来说,异常值可定义为:X<μ-2σ或X>μ+2σ;
对异常值的评分方法:以全省值为基础,超过一倍,分数开始减少,最低为全省值;地市指标超过全省值越多,评分反而越低;
其计算公式为:score=min_score×(1-f(g(x)))+max_score×f(g(x))
MaxX是指标值最大值,b是全省值,x为输入变量。
优选的,所述权重值的计算中采用专家打分发及基于熵值法和AHP的组合赋权法;
专家按业务指标重要性进行关键指标AHP权重Qi的指定,如下:
2)关键指标AHP权重Qi每月恒定,每半年或一年根据实际再进行调整。
更优的,所述熵值法包括以下步骤:
第一步:计算关键指标熵值Hi,
计算公式:
第二步:计算关键指标熵权Wi,
利用关键指标熵值Hi,计算关键指标熵权Wi,
更优的,所述组合赋权法包括以下步骤:
第一步:计算关键指标的平均权重Ai,
第二步:计算关键指标调整权重Bi,
利用关键指标熵值权重Wi,对关键指标平均权重Ai进行调整,计算公式:
第三步:计算关键指标组合权重Ci,
优选的,所述储存模块包括储存电路,所述储存电路包括第一微断MN1、第二微断MN2、第三微断MN3、第四微断MN4、第五微断MN5、第六微断MN6、第七微断MN7、第八微断MN8、第一电阻R1和第二电阻R2,所述第二微断MN2和第一电阻R1串联后与第一微断MN1并联,随后连接至第三微断MN3的输入端、第四微断MN4的输入端、第五微断MN5的输入端和第六微断MN6的输入端;第三微断MN3的输出端与第五微断MN5的输出端相连,第四微断MN4的输出端与第六微断MN6的输出端相连;第七微断MN7和第二电阻R2串联后与第八微断MN8 并联,随后连接至第三微断MN3的输入端、第四微断MN4的输入端、第五微断MN5的输入端和第六微断MN6的输入端。
本发明解决了数据连接不规范问题;解决了非关键指标数据被采集,造成数据冗余的问题;解决了指标分类存储的问题;解决了指标口径计算不一致的问题;解决了业务失真,预警不及时的问题;解决了渠道套利、渠道代理商养卡、刷卡自消费、营销活动终端拆包、串货、分销、客户数虚假发展、收入虚假发展、增值类各业务监控、高额欠费、批量操作现象等问题;解决了业务异常告警不及时问题。从宏观上为提升了企业业务顺利开展的效率,从微观上解决了统一口径、分类存储,管理统一。为业务人员提供了统一的评价企业业务优良,即健康度的工具。
本平台为企业带来如下价值:
1、保证企业业务健康、持续发展;
2、能客观的对企业业务进行全方位平台,帮助企业调整市场战略,提升企业竞争水平;
3、业务更简化,避免业务链冗长,实现业务的快速开展,提升业务效率;
4、促进运营更高效、降低运营成本和管理成本;
本平台通过与同行业的对比存在如下优点:
1、实现企业关键业务的管理。
2、提供了企业业务健康度的快速探查。
3、能对企业在数据业务、收入、客户、渠道、欠费等业务进行全面分析,减低企业损失。
4、能为企业决策管理和生产一线的营销服务工作提供完整、及时、准确、科学的信息支撑。
5、能为公司日常经营管理和市场经营工作提供一个及时、准确、科学的分析手段,全面管理公司业务,在断电时拥有系统断电自动储存保护功能。
6、能依据客户收益视图、因子分析法、熵值打分法、专家打分法等一系列概率、统计、数据挖掘、评估方面的科学方法论为指导扩展业务应用,实现赋能。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明一种基于AI大数据的企业健康度评估系统的结构图;
图2是本发明一种基于AI大数据的企业健康度评估系统的操作流程图;
图3是本发明储存模块的储存电路图。
具体实施方式
以下结合具体实施例对一种基于AI大数据的企业健康度评估系统作进一步的详细描述,这些实施例只用于比较和解释的目的,本发明不限定于这些实施例中。
在一实施例中,一方面,如图1所示,提供了一种基于AI大数据的企业健康度评估系统,包括依次连接的连接模块、采集模块、判断模块、储存模块、汇总模块、模型监控模块、展示模块和告警模块;
所述连接模块用于将企业数据接入规范连接业务系统,连接数据源;
所述采集模块用于采集企业数据中的关键指标;
所述判断模块用于判断识别关键指标;
所述储存模块用于将采集识别到的关键指标的明细存储到数据库;
所述汇总模块用于对关键指标的数据根据计算口径进行汇总;
所述模型监控模块用于建立健康度模型,并对企业业务健康度进行实时监控;
所述展示模块用于展现健康度评估结果;
所述告警模块用于健康度告警,实时将健康度告警信息发送给相关业务人员;
所述判断模块判断识别关键指标的步骤包括:
S1、甄选关键指标;S2、建立指标列表;S3、判断是否关键指标,如果是关键指标到下一步骤,非关键指标则重新采集;
所述模型监控模块的健康度模型建立步骤包括:
步骤1、加载健康度原始数据;步骤2、计算原始数据的均值和方差;步骤3、计算标准评分;步骤4、计算权重值;步骤5计算综合得分;步骤6、进行评级。
其中企业健康度评估系统具体操作步骤如图2所示:
步骤①、连接数据源;将企业数据通过统一接入,规范连接本发明的企业健康度评估系统,解决统一数据连接不规范问题;
步骤②、采集数据;完成关键指标数据的采集;
步骤③、识别关键指标,若非关键指标则返回步骤②重新采集;通过预设判断条件识别关键指标,并对关键指标进行采集,解决非关键指标数据被采集的问题,造成数据冗余的问题;
步骤④、关键指标明细数据入库;将采集到的关键明细指标数据存储到数据库,解决指标分类存储的问题;
步骤⑤、指标数据汇总;对关键指标数据根据计算口径进行汇总,解决指标口径计算不一致的问题;
步骤⑥、建立健康度模型;通过对关键指标的收集,完善业务健康度模型的建立,实现企业业务健康度是实时监控,解决业务失真,预警不及时的问题;
步骤⑦、展现健康度评估结果;实时展现健康度评估结果。解决渠道套利、渠道代理商养卡、刷卡自消费、营销活动终端拆包、串货、分销、客户数虚假发展、收入虚假发展、增值类各业务监控、高额欠费、批量操作现象等问题;
步骤⑧、健康度告警。实时将健康度告警信息发送给相关业务人员,及时调整业务,解决业务异常告警不及时问题。
优选的,所述采集模块中,关键指标涉及采集的数据涵盖客户数据、渠道数据、增值业务数据和财务数据。
优选的,所述判断模块通过甄选关键指标;通过建立关键指标列表判断是否为关键指标,如果是关键指标则通过储存模块将采集识别到的关键指标的明细存储到数据库,非关键指标重新采集。
优选的,所述标准评分通过正态分布进行计算,公式如下:
其中随机变量X,称为服从正态分布,记作X~N(μ,σ2),其中μ,σ(σ>0)为常数,μ称为均值,σ为方差;
当正态分布N(μ,σ2)中的μ=0,σ=1时,称X服从标准正态分布,记作X~N(0,1);
正态分布是自然界最常见最重要的一种分布,市场经营健康度各关键指标值的分布近似服从正态分布:X~N(μ,σ2)。
更优的,将业务健康度各关键指标的值转换为标准正态分布的概率密度Y;
将X进行归一变换,变换后的Y服从标准正态分布;
对指标变换后值Y计算其概率密度f(y),
随后采用高考标准分的计算方法,将企业健康度的各关键指标标准正态分布的概率密度 f(y)进行线形变换,转换为标准评分,具体如下;
根据业务规则和指标的正向、逆向性,确定每个关键指标标准评分最高分max_score和最低分min_score;
采用高考的标准分的计算方法,将关键指标值标准正态分布概率密度f(y)转换为标准评分score,其中计算公式如下:
score=min_score×(1-f(y))+max_score×f(y)
而异常值的评分一般来说,对服从正态分布的随机变量X来说,异常值可定义为:X<μ-2σ或X>μ+2σ;
对异常值的评分方法:以全省值为基础,超过一倍,分数开始减少,最低为全省值;地市指标超过全省值越多,评分反而越低;
其计算公式为:score=min_score×(1-f(g(x)))+max_score×f(g(x))
MaxX是指标值最大值,b是全省值,x为输入变量。
优选的,所述权重值的计算中采用专家打分发及基于熵值法和AHP的组合赋权法;
专家按业务指标重要性进行关键指标AHP权重Qi的指定,如下:
2)关键指标AHP权重Qi每月恒定,每半年或一年根据实际再进行调整。
更优的,所述熵值法包括以下步骤:
第一步:计算关键指标熵值Hi,
计算公式:
第二步:计算关键指标熵权Wi,
利用关键指标熵值Hi,计算关键指标熵权Wi,
更优的,所述组合赋权法包括以下步骤:
第一步:计算关键指标的平均权重Ai,
第二步:计算关键指标调整权重Bi,
利用关键指标熵值权重Wi,对关键指标平均权重Ai进行调整,计算公式:
第三步:计算关键指标组合权重Ci,
优选的,所述储存模块包括储存电路,所述储存电路包括第一微断MN1、第二微断MN2、第三微断MN3、第四微断MN4、第五微断MN5、第六微断MN6、第七微断MN7、第八微断MN8、第一电阻R1和第二电阻R2,所述第二微断MN2和第一电阻R1串联后与第一微断MN1并联,随后连接至第三微断MN3的输入端、第四微断MN4的输入端、第五微断MN5的输入端和第六微断MN6的输入端;第三微断MN3的输出端与第五微断MN5的输出端相连,第四微断MN4的输出端与第六微断MN6的输出端相连;第七微断MN7和第二电阻R2串联后与第八微断MN8 并联,随后连接至第三微断MN3的输入端、第四微断MN4的输入端、第五微断MN5的输入端和第六微断MN6的输入端。
如图3所示,为储存模块的储存电路图,为基于nvSRAM的储存电路图,储存模块一般为计算机储存硬盘。当nvSRAM电压处于标准工作电压时V0,第一微断MN1、第二微断MN2、第七微断MN7和第八微断MN8处于低电平,第一电阻R1和第二电阻R2分别处于高电阻和低电阻的状态,中间两条连通线因为处于低电平关闭状态的第一微断MN1和第八微断MN8使得储存节点的数据不受两端端电压的影响;当系统电源处于故障状态下时,nvSRAM便会自动进入到自动储存状态,由标准工作电压时V0上升为VT,由于电压上升,STORE信号为高且PROGRAM信号也为高,中间两条连通线因为电压的改变将会改变电压,也变为V0,使得第二微断MN2和第七微断MN7导通,nvSRAM进入RRAM1进行SET操作,使得第一电阻R1由原来的高阻值变为低阻值,完成写0操作;同理反之操作,STORE信号为高且PROGRAM信号为低时,控制第一电阻R1和第二电阻R2端的电压变为低电平,第二微断MN2和第七微断MN7电压变为高电平,使其导通,可使得第二电阻R2由原来的低阻值变为高阻值,完成写1操作。
该电路可以恢复数据,当系统故障后,nvSRAM将数据保存至RRAM中,系统电源恢复后可以从RRAM恢复至SRAM中;当第一电阻R1和第二电阻R2分别处于低电阻和高电阻的状态时,nvSRAM系统由于电源故障导致存储节点无法储存,nvSRAM系统电源从0上升至标准工作电压时V0时,Restore信号为高时,通过控制控制第一电阻R1和第二电阻R2端的电压变为低电平,第二微断MN2和第七微断MN7电压变为高电平,使其导通,第七微断MN7导通会导致第二电阻R2电平逐渐拉高,第二微断MN2导通会导致第一电阻R1电平逐渐拉低,当 nvSRAM系统恢复正常时候,两边的工作电平恢复到正常的高电阻和低电阻对应的低电平和高电平状态。拥有系统断电自动储存保护功能。
随后对企业数据进行健康度评估,通过展示模块展示企业的健康度,通过预先设置一个阈值,当企业某项健康度低于预设的阈值时,通过告警模块,发送给相关业务人员,及时调整业务或公司方向。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (9)
1.一种基于AI大数据的企业健康度评估系统,其特征在于,包括依次连接的连接模块、采集模块、判断模块、储存模块、汇总模块、模型监控模块、展示模块和告警模块;
所述连接模块用于将企业数据接入规范连接业务系统,连接数据源;
所述采集模块用于采集企业数据中的关键指标;
所述判断模块用于判断识别关键指标;
所述储存模块用于将采集识别到的关键指标的明细存储到数据库;
所述汇总模块用于对关键指标的数据根据计算口径进行汇总;
所述模型监控模块用于建立健康度模型,并对企业业务健康度进行实时监控;
所述展示模块用于展现健康度评估结果;
所述告警模块用于健康度告警,实时将健康度告警信息发送给相关业务人员;
所述判断模块判断识别关键指标的步骤包括:
S1、甄选关键指标;S2、建立指标列表;S3、判断是否关键指标,如果是关键指标到下一步骤,非关键指标则重新采集;
所述模型监控模块的健康度模型建立步骤包括:
步骤1、加载健康度原始数据;步骤2、计算原始数据的均值和方差;步骤3、计算标准评分;步骤4、计算权重值;步骤5计算综合得分;步骤6、进行评级。
2.根据权利要求1所述的一种基于AI大数据的企业健康度评估系统,其特征在于,所述采集模块中,关键指标涉及采集的数据涵盖客户数据、渠道数据、增值业务数据和财务数据。
3.根据权利要求1所述的一种基于AI大数据的企业健康度评估系统,其特征在于,所述判断模块通过甄选关键指标;通过建立关键指标列表判断是否为关键指标,如果是关键指标则通过储存模块将采集识别到的关键指标的明细存储到数据库,非关键指标重新采集。
5.根据权利要求4所述的一种基于AI大数据的企业健康度评估系统,其特征在于,将业务健康度各关键指标的值转换为标准正态分布的概率密度Y;
将X进行归一变换,变换后的Y服从标准正态分布;
对指标变换后值Y计算其概率密度f(y),
随后采用高考标准分的计算方法,将企业健康度的各关键指标标准正态分布的概率密度f(y)进行线形变换,转换为标准评分,具体如下;
根据业务规则和指标的正向、逆向性,确定每个关键指标标准评分最高分max_score和最低分min_score;
采用高考的标准分的计算方法,将关键指标值标准正态分布概率密度f(y)转换为标准评分score,其中计算公式如下:
score=min_score×(1-f(y))+max_score×f(y)
而异常值的评分一般来说,对服从正态分布的随机变量X来说,异常值可定义为:X<μ-2σ或X>μ+2σ;
对异常值的评分方法:以全省值为基础,超过一倍,分数开始减少,最低为全省值;地市指标超过全省值越多,评分反而越低;
其计算公式为:score=min_score×(1-f(g(x)))+max_score×f(g(x))
MaxX是指标值最大值,b是全省值,x为输入变量。
9.根据权利要求1所述的一种基于AI大数据的企业健康度评估系统,其特征在于,所述储存模块包括储存电路,所述储存电路包括第一微断MN1、第二微断MN2、第三微断MN3、第四微断MN4、第五微断MN5、第六微断MN6、第七微断MN7、第八微断MN8、第一电阻R1和第二电阻R2,所述第二微断MN2和第一电阻R1串联后与第一微断MN1并联,随后连接至第三微断MN3的输入端、第四微断MN4的输入端、第五微断MN5的输入端和第六微断MN6的输入端;第三微断MN3的输出端与第五微断MN5的输出端相连,第四微断MN4的输出端与第六微断MN6的输出端相连;第七微断MN7和第二电阻R2串联后与第八微断MN8并联,随后连接至第三微断MN3的输入端、第四微断MN4的输入端、第五微断MN5的输入端和第六微断MN6的输入端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211338281.2A CN115660251A (zh) | 2022-10-28 | 2022-10-28 | 一种基于ai大数据的企业健康度评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211338281.2A CN115660251A (zh) | 2022-10-28 | 2022-10-28 | 一种基于ai大数据的企业健康度评估系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115660251A true CN115660251A (zh) | 2023-01-31 |
Family
ID=84992817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211338281.2A Pending CN115660251A (zh) | 2022-10-28 | 2022-10-28 | 一种基于ai大数据的企业健康度评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115660251A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116303475A (zh) * | 2023-05-17 | 2023-06-23 | 吉奥时空信息技术股份有限公司 | 一种多源指标数据智能存储的管理方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544992A (zh) * | 2012-07-10 | 2014-01-29 | 珠海艾派克微电子有限公司 | 一种非易失性高速存储单元,其存储器及其内部数据转存的控制方法 |
CN104102256A (zh) * | 2014-07-21 | 2014-10-15 | 范鸿仁 | 一种水处理智能化运行远程控制系统的控制方法 |
CN107018004A (zh) * | 2016-01-28 | 2017-08-04 | 中国移动通信集团福建有限公司 | 用户满意度管理系统及方法 |
CN107437426A (zh) * | 2016-05-26 | 2017-12-05 | 恩智浦美国有限公司 | 具有静态随机存取存储器阵列和电阻式存储器阵列的非易失性静态随机存取存储器系统 |
CN111274087A (zh) * | 2020-01-15 | 2020-06-12 | 国网湖南省电力有限公司 | 一种it集中监控的业务系统的健康度评估方法 |
CN113784378A (zh) * | 2021-09-10 | 2021-12-10 | 中国联合网络通信集团有限公司 | 室分小区故障检测方法、装置、服务器及存储介质 |
CN114677006A (zh) * | 2022-03-23 | 2022-06-28 | 山东浪潮通软信息科技有限公司 | 一种企业健康度预判的方法、系统、设备及可读介质 |
CN114819680A (zh) * | 2022-05-09 | 2022-07-29 | 成都大数据产业技术研究院有限公司 | 企业健康度评价模型构建方法及系统、存储介质 |
CN114860737A (zh) * | 2022-06-28 | 2022-08-05 | 北京世纪好未来教育科技有限公司 | 教研数据的处理方法、装置、设备及介质 |
-
2022
- 2022-10-28 CN CN202211338281.2A patent/CN115660251A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544992A (zh) * | 2012-07-10 | 2014-01-29 | 珠海艾派克微电子有限公司 | 一种非易失性高速存储单元,其存储器及其内部数据转存的控制方法 |
CN104102256A (zh) * | 2014-07-21 | 2014-10-15 | 范鸿仁 | 一种水处理智能化运行远程控制系统的控制方法 |
CN107018004A (zh) * | 2016-01-28 | 2017-08-04 | 中国移动通信集团福建有限公司 | 用户满意度管理系统及方法 |
CN107437426A (zh) * | 2016-05-26 | 2017-12-05 | 恩智浦美国有限公司 | 具有静态随机存取存储器阵列和电阻式存储器阵列的非易失性静态随机存取存储器系统 |
CN111274087A (zh) * | 2020-01-15 | 2020-06-12 | 国网湖南省电力有限公司 | 一种it集中监控的业务系统的健康度评估方法 |
CN113784378A (zh) * | 2021-09-10 | 2021-12-10 | 中国联合网络通信集团有限公司 | 室分小区故障检测方法、装置、服务器及存储介质 |
CN114677006A (zh) * | 2022-03-23 | 2022-06-28 | 山东浪潮通软信息科技有限公司 | 一种企业健康度预判的方法、系统、设备及可读介质 |
CN114819680A (zh) * | 2022-05-09 | 2022-07-29 | 成都大数据产业技术研究院有限公司 | 企业健康度评价模型构建方法及系统、存储介质 |
CN114860737A (zh) * | 2022-06-28 | 2022-08-05 | 北京世纪好未来教育科技有限公司 | 教研数据的处理方法、装置、设备及介质 |
Non-Patent Citations (4)
Title |
---|
傅为忠 等: "创新型企业健康度评价模型研究" * |
周高攀: "中铝连城分公司运营管理转型诊断报" * |
赵黎明 等: "电信业核心客户健康度评估建模研究" * |
赵黎明: "基于DM的电信业核心客户健康度评估研" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116303475A (zh) * | 2023-05-17 | 2023-06-23 | 吉奥时空信息技术股份有限公司 | 一种多源指标数据智能存储的管理方法及装置 |
CN116303475B (zh) * | 2023-05-17 | 2023-08-08 | 吉奥时空信息技术股份有限公司 | 一种多源指标数据智能存储的管理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
McLeay et al. | The sensitivity of prediction models to the non-normality of bounded and unbounded financial ratios | |
CN112700319A (zh) | 基于政务数据的企业授信额度确定方法及装置 | |
CN105373894A (zh) | 基于稽查数据的电力营销业务诊断模型的建立方法及系统 | |
CN109583782B (zh) | 支持多数据源的汽车金融风控方法 | |
Jin et al. | Binary choice models for rare events data: a crop insurance fraud application | |
CN115660251A (zh) | 一种基于ai大数据的企业健康度评估系统 | |
Salmasnia et al. | An integration of NSGA-II and DEA for economic–statistical design of T 2-Hotelling control chart with double warning lines | |
CN112527572A (zh) | 磁盘故障预测方法、装置、计算机可读存储介质及服务器 | |
KR102499181B1 (ko) | 인공지능을 이용한 대출 상시감사지원시스템 | |
CN117674119A (zh) | 电网运行风险评估方法、装置、计算机设备和存储介质 | |
CN104794234A (zh) | 用于同业对标的数据处理方法和装置 | |
Prorokowski | Validation of the backtesting process under the targeted review of internal models: practical recommendations for probability of default models | |
Reisch et al. | Inferring supply networks from mobile phone data to estimate the resilience of a national economy | |
KR102499182B1 (ko) | 인공지능을 이용한 가계대출 사기/부실 상시감사지원시스템 | |
US20100131317A1 (en) | Organization assessment and representation system and method | |
CN115271993A (zh) | 一种基于三支决策理论和lstm神经网络的供电服务预警方法 | |
CN110675240B (zh) | 风险雷达预警的监控方法及系统 | |
CN111882240A (zh) | 一种基层供电企业业务承载力评估系统及方法 | |
CN112580992A (zh) | 类金融企业的非法集资风险监测系统 | |
KR102499183B1 (ko) | 인공지능을 이용한 기업대출 사기/사기의심 상시감사지원시스템 | |
CN112733897B (zh) | 确定多维样本数据的异常原因的方法和设备 | |
CN115330559B (zh) | 一种信息数据时空协同的配电网弹性评估方法和装置 | |
Afkhamiaghda et al. | The application of using supervised classification techniques in selecting the most optimized temporary house type in post-disaster situations | |
Cohen et al. | Improving Court Statistics by Exploring the Shape of Data | |
Ani et al. | Prediction of Banks Stock Performance in Nigeria Stock Exchange Market: An Application of Logistic Regression Model |
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: 20230131 |