CN116245380A - 目标业务的业务问题的确定方法、装置、计算机设备 - Google Patents
目标业务的业务问题的确定方法、装置、计算机设备 Download PDFInfo
- Publication number
- CN116245380A CN116245380A CN202310526627.XA CN202310526627A CN116245380A CN 116245380 A CN116245380 A CN 116245380A CN 202310526627 A CN202310526627 A CN 202310526627A CN 116245380 A CN116245380 A CN 116245380A
- Authority
- CN
- China
- Prior art keywords
- sub
- data
- link
- index
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000011156 evaluation Methods 0.000 claims abstract description 185
- 238000011161 development Methods 0.000 claims abstract description 53
- 238000010219 correlation analysis Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000007405 data analysis Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000035800 maturation Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000003064 k means clustering Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 description 13
- 239000002994 raw material Substances 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000010606 normalization Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000011162 core material Substances 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000011234 economic evaluation Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 230000005802 health problem Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 238000012827 research and development 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及一种目标业务的业务问题的确定方法、装置、计算机设备。所述方法包括获取所述目标业务的各子环节的多个评估指标，以及所述评估指标对应的指标数据；基于指数关系数据和评估指标对应的指标数据进行加权平均，得到目标业务的各子环节对应的分值数据；按照时间维度对所述各子环节的多个评估指标进行聚类，确定各子环节的周期数据；根据各子环节的周期数据和所述指数关系数据进行相关度分析，确定各子环节所处的时间周期；根据各子环节所处的时间周期和所述分值数据，确定所述目标业务的发展数据，基于所述目标业务的发展数据定位所述目标业务的业务问题。采用本方法能够确定产业每个环节的生命周期，定位出产业发展中的问题点。
Description
技术领域
本公开涉及大数据分析技术领域，特别是涉及一种目标业务的业务问题的确定方法、装置、计算机设备。
背景技术
随着社会经济的发展，越来的越多的产业注重对产业发展水平的评估，产业发展水平评估是正确认识和促进产业发展的重要技术手段。
然而，目前的产业发展水平的评估方法，通常是通过一些通用指标进行综合计算得到，例如通过人力分析方式或仅仅对数据进行简单的回归分析。但是目前的产业发展水平的评估方法，只能够看出当前时间点的产业状况，不能够很好的判断产业中每个环节的生命周期，对于周期性的把握将缺失。进而无法定位出产业发展中的问题点，不能够针对性的对问题点进行管理解决，影响产业的发展状况。
发明内容
基于此，有必要针对上述技术问题，提供一种能够确定产业每个环节的生命周期，定位出产业发展中的问题点的目标业务的业务问题的确定方法、装置、计算机设备。
第一方面，本公开提供了一种目标业务的业务问题的确定方法。所述方法包括：
获取所述目标业务的各子环节的多个评估指标，以及所述评估指标对应的指标数据；
基于指数关系数据和评估指标对应的指标数据进行加权平均，得到目标业务的各子环节对应的分值数据；所述指数关系数据是利用各子环节中，每个所述评估指标对应的指标数据进行数据处理后得到的；
按照时间维度对所述各子环节的多个评估指标进行聚类，确定各子环节的周期数据；根据各子环节的周期数据和所述指数关系数据进行相关度分析，确定各子环节所处的时间周期；
根据各子环节所处的时间周期和所述分值数据，确定所述目标业务的发展数据，基于所述目标业务的发展数据定位所述目标业务的业务问题。
在其中一个实施例中，所述指数关系数据是利用各子环节中，每个所述评估指标对应的指标数据进行数据处理后得到的，包括：
对各子环节的多个评估指标对应的指标数据进行数据分析，去除所述各子环节的多个评估指标对应的指标数据中的冗余数据；
将各子环节按照每个评估指标进行归一化，得到各子环节中每个评估指标的指标数据对应的归一化数据；
对各子环节中每个评估指标的指标数据对应的归一化数据按照预设比例的拆分，得到指数关系数据，所述指数关系数据中包括：各子环节与每个评估指标相对应的指标系数。
在其中一个实施例中，所述基于指数关系数据和评估指标对应的指标数据进行加权平均，得到目标业务的各子环节对应的分值数据，包括：
将各子环节的多个评估指标的指标数据进行归一化，得到各子环节的多个评估指标所对应的指标分值数据；
将各子环节的多个评估指标对应的指标系数和各子环节与每个评估指标相对应的指标系数按照预设的权重进行加权平均，得到各子环节对应的分值数据。
在其中一个实施例中，所述按照时间维度对所述各子环节的多个评估指标进行聚类，确定各子环节的周期数据之前，所述方法还包括：
对所述子环节进行层次聚类，得到多个聚类类型；
相应的，所述按照时间维度对所述各子环节的多个评估指标进行聚类，确定各子环节的周期数据，包括：
按照时间维度对各聚类类型的多个评估指标进行聚类，确定各聚类类型的周期数据。
在其中一个实施例中，所述按照时间维度对所述各子环节的多个评估指标进行聚类，确定各子环节的周期数据，包括：
根据时间维度确定聚类分组；
根据所述聚类分组对所述指数关系数据进行K-means聚类，确定各子环节的多个评估指标对应的时间周期，以及每个周期数据下的指数系数，所述时间周期至少包括：初入期、发展期、成熟期和衰退期；
根据各子环节的多个评估指标对应的时间周期，以及每个时间周期下的指数系数，确定各子环节的周期数据。
在其中一个实施例中，所述根据各子环节的周期数据和所述指数关系数据进行相关度分析，确定各子环节所处的时间周期，包括：
利用CORREL算法计算周期数据中每个时间周期下的多个评估指标对应的指数系数与所述指标系数之间的，在每个时间周期下的各评估指标的分布相似度系数；
根据每个时间周期下的各评估指标的分布相似度系数，确定各子环节所处的时间周期。
第二方面，本公开还提供了一种目标业务的业务问题的确定装置。所述装置包括：
数据获取模块，用于获取所述目标业务的各子环节的多个评估指标，以及所述评估指标对应的指标数据；
分值数据计算模块，用于基于指数关系数据和评估指标对应的指标数据进行加权平均，得到目标业务的各子环节对应的分值数据；所述指数关系数据是利用各子环节中，每个所述评估指标对应的指标数据进行数据分析后得到的；
时间周期确定模块，用于按照时间维度对所述各子环节的多个评估指标进行聚类，确定各子环节的周期数据；根据各子环节的周期数据和所述指数关系数据进行相关度分析，确定各子环节所处的时间周期；
业务问题定位模块，用于根据各子环节所处的时间周期和所述分值数据，确定所述目标业务的发展数据，基于所述目标业务的发展数据定位所述目标业务的业务问题。
第三方面，本公开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，所述处理器执行所述计算机程序时实现上述任一方法实施例中的步骤。
第四方面，本公开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任一方法实施例中的步骤。
第五方面，本公开还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一方法实施例中的步骤。
上述各实施例中，获取所述目标业务的各子环节的多个评估指标，以及所述评估指标对应的指标数据。能够将目标业务划分为多个子环节，进而利用子业务环节所对应的评估指标的指标数据进行对目标业务的业务问题进行定位，能够综合多种层面的数据。另外，可以基于指数关系数据和评估指标对应的指标数据进行加权平均，得到目标业务的各子环节对应的分值数据。进而来确定每个子环节层面对应的强度。另外，为了能够很好的来判断产业中每个环节的生命周期。可以按照时间维度多个子环节的多个评估指标进行聚类，进而根据各子环节的周期数据和所述指数关系数据进行相关度分析，确定各子环节所处的时间周期，能够确定每个环节的生命周期。进而根据各子环节所处的时间周期和所述分值数据，确定所述目标业务的发展数据，基于所述目标业务的发展数据定位所述目标业务的业务问题。从而针对性的对业务问题进行管理解决，促进目标业务的发展。
附图说明
为了更清楚地说明本公开具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施方式，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为一个实施例中目标业务的业务问题的确定方法的应用环境示意图；
图2为一个实施例中目标业务的业务问题的确定方法的流程示意图；
图3为一个实施例中指数关系数据确定过程的流程示意图；
图4为一个实施例中S204步骤的流程示意图；
图5为一个实施例中S206步骤一部分的流程示意图；
图6为一个实施例中S206步骤另一部分的流程示意图；
图7为一个实施例中目标业务的业务问题的确定装置的结构示意框图；
图8为一个实施例中计算机设备的内部结构示意图。
具体实施方式
为了使本公开的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本公开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公开，并不用于限定本公开。
需要说明的是，本文的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本文的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中，术语“和/或”仅仅是一种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。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
本公开实施例提供了一种目标业务的业务问题的确定方法，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。终端102可以获取目标业务的各子环节的多个评估指标，以及从服务器104中获取评估指标对应的指标数据。终端102基于指数关系数据和评估指标对应的指标数据进行加权平均，得到目标业务的各子环节所对应的分值数据。指标关系数据是终端102或者服务器104利用各子环节中，每个所述评估指标对应的指标数据进行数据分析后得到的。终端102按照时间维度对所述各子环节的多个评估指标进行聚类，确定各子环节的，确定各子环节的周期数据；终端102根据各子环节的周期数据和所述指数关系数据进行相关度分析，确定各子环节所处的时间周期。终端102根据各子环节所处的时间周期和所述分值数据，确定所述目标业务的发展数据，基于所述目标业务的发展数据定位所述目标业务的业务问题。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、平板电脑等。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，提供了一种目标业务的业务问题的确定方法，以该方法应用于图1中的终端102为例进行说明，包括以下步骤：
S202，获取所述目标业务的各子环节的多个评估指标，以及所述评估指标对应的指标数据。
其中，目标业务通常是需要定位问题的业务，根据应用环境的不同，目标业务也不同，例如目标业务可以是新能源汽车产业、各种商品产业或者各种实体经济的产业，在本公开中不对具体的目标业务进行绝对的限制。子环节通常可以是构成目标产业的环节，例如目标产业为新能源汽车产业，则子环节可以包括：矿石原料供应、电芯材料生产、电池package、package配套、电机、电控、电路系统、底盘及车身、整车装配和充电服务等。评估指标通常情况下可以是衡量每个产业环节对应的经济评估指标，例如企业数量、规上企业数量、行业总产值、投资总额、营业收入、利润总额、人才数量、专利数量和重大项目数等指标。指标数据通常可以是上述评估指标在固定的期限内，如近10年期间对应的数据。
具体地，通常情况下因为选取的评估指标是经济评估指标，所以需要对评估指标的有效性进行一下分析。可以使用因子分析方法，将上述评估指标相同或者相类似的归为一类。另外，直接将相同相似的评估指标进行均值的合并可能会丢失一定的数据特征，因此可以将评估指标进行比值形式的数据合并。因此，有一些评估指标对应的指标数据通常情况下可以是比值形式的数据，在本公开的一些实施例中不对评估指标的形式进行绝对限制。确定评估指标之后，可以获取每个评估指标相对应的数据。
在一些示例性的实施例中，以目标产业为新能源汽车产业为例进行说明，在新能源汽车产业里，可以对评估指标进行因子分析方法，进而确定企业数量和规上企业数量可以归为一类因子，人才和专利可以归为一类因子，而且它们的相关性还都成正相关性。然而直接均值合并的会丢失一定的数据特征，所以这里我们使用比值的形式进行数据合并（规上企业数/企业数和专利数/人才数）。其余的经济评估指标，例如投资总额、营业收入、利润总额之间并无相关关系，因此可以企业数量和规上企业数量、人才和专利设置为一个评估指标，这样能够减少计算量。新能源汽车产业具体的评估指标可以包括下述类型：1、投资总额：投资总额标志产业环节的投资额度，对于重资产型企业和高新技术类企业尤其重要，分别影响基础硬件的购买与更新，以及对最新技术的研发能力。2、利润总额：利润总额对于所有企业虽然都重要，但是生产型企业更加倚重该指标，以维持企业的持续健康运转，但高新类企业不一定，他们往往更需要资本的注入。3、总产值：总产值对于生产型企业尤其重要，因为生产有规模性因素，产量越大，平摊成本就越低。4、营业收入：营业收入体现的是环节产业产品的销售情况，反映了主要两方面因素，一是产品是否被市场需要，另一个是产品是否有足够的竞争力。5、企业数量与规上企业数量：企业数量决定产业环节是否有企业支撑/规上企业对于产业环节有着明显的驱动力和带动力，可以带动其他企业的跟随与发展。依据具体产业环节的情况，寡头与垄断型企业的产生，或大量的小微企业的产生，都可以标志该行业的成熟性。6、总产值比营业收入：总产值营收比体现的是该产业环节的产出，和销售量相比是否匹配；营收显著低于产值，说明产品卖的不好（和上面营收类似），营收显著高于产值，说明该环节企业可能依赖了大量进口；总体上体现了市场供需的稳定状态。7、重大项目数：重大项目一般体现的是政府的政策驱动力，在矿石原料开采，高新技术上，重大项目会更重要。8、人才与专利比：人才和专利往往在高新技术和生产上有比较重要的比重，无论是研发新的核心技术，还是设计新的外观等。
S204，基于指数关系数据和评估指标对应的指标数据进行加权平均，得到目标业务的各子环节对应的分值数据；所述指数关系数据是利用各子环节中，每个所述评估指标对应的指标数据进行数据处理后得到的。
其中，数据处理可以是对评估指标对应的指标数据进行归一化处理，按照预设比例拆分等等的数据处理方式，能够确定每个评估指标中，子环节所对应的指标系数。该指标系数通常情况下代表着每个评估指标中子环节所对应的强度。目标业务的各子环节对应的分值数据通常情况下反映了在目标业务中每个子环节下对应的发展分数。分值越高，通常情况下该子环节发展的越好。
具体地，可以先利用各子环节中，每个评估指标所对应的指标数据进行数据分析，来得到指数关系数据。然后将指数关系数据和评估指标对应的指标数据进行加权平均，得到目标业务的各子环节所对应的分值数据。
S206，按照时间维度对所述各子环节的多个评估指标进行聚类，确定各子环节的周期数据；根据各子环节的周期数据和所述指数关系数据进行相关度分析，确定各子环节所处的时间周期。
其中，时间维度通常可以根据目标业务的生命周期来确定，例如目标业务的生命周期分为初入期、成长期和衰退期，则时间维度可以为3。例如目标业务的生命周期分为，初入期、成长期、成熟期、下降期、衰退期，则时间维度可以为5，根据目标业务的生命周期不同，时间维度也不同，在本公开的一些实施例中不对时间维度进行绝对的限制。生命周期通常可以是目标业务中各个子环节的发展阶段。聚类通常是指将物理或抽象对象的集合分成由类似的对象组成的多个类的过程。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异。时间周期通常可以是子环节所处的生命周期。
具体地，可以按照目标业务所对应的生命周期，来确定时间维度。然后按照时间维度对各子环节的多个评估指标进行聚类，确定每个子环节的周期数据。周期数据通常情况下可以包括：各子环节中每个评估指标的时间周期以及每个时间周期下的每个评估指标对应的指数。然后根据每个子环节的周期数据和上述确定的指标关系数据进行相关度分析，来确定每个子环节所处的时间周期。
S208，根据各子环节所处的时间周期和所述分值数据，确定所述目标业务的发展数据，基于所述目标业务的发展数据定位所述目标业务的业务问题。
具体地，可以根据各子环节所处的时间周期和分值数据，确定目标业务的发展数据，进而对目标业务的发展数据进行分析比较，来定位目标业务的业务问题。
在一些示例性的实施例中，可以利用目标业务的发展数据中的时间周期和分值数据进行比较，进行问题诊断，发现目标业务各环节是否有健康问题。若存在健康问题，则可进行针对性的政策调整，如拟定新的扶持政策，或进行针对性的招商，企业培育等，促进目标业务的发展。
在另一些示例性的实施例中，目标业务的发展数据例如可以如表1发展数据表所示。
表1发展数据表
通过上述表1发展数据表可以发现。分值数据在80以上，其对应的时间周期应该处于成熟期，然而矿石原料供应的分值数据为80以上，其处于衰退期，那么可以对矿石原料供应出现了问题，可以对这一子环节进行调整。
上述目标业务的业务问题的确定方法中，获取所述目标业务的各子环节的多个评估指标，以及所述评估指标对应的指标数据。能够将目标业务划分为多个子环节，进而利用子业务环节所对应的评估指标的指标数据进行对目标业务的业务问题进行定位，能够综合多种层面的数据。另外，可以基于指数关系数据和评估指标对应的指标数据进行加权平均，得到目标业务的各子环节对应的分值数据。进而来确定每个子环节层面对应的强度。另外，为了能够很好的来判断产业中每个环节的生命周期。可以按照时间维度多个子环节的多个评估指标进行聚类，进而根据各子环节的周期数据和所述指数关系数据进行相关度分析，确定各子环节所处的时间周期，能够确定每个环节的生命周期。进而根据各子环节所处的时间周期和所述分值数据，确定所述目标业务的发展数据，基于所述目标业务的发展数据定位所述目标业务的业务问题。从而针对性的对业务问题进行管理解决，促进目标业务的发展。
区别于传统的技术方案，如果使用现有的人力分析方式或仅仅对数据进行简单的回归分析，将不能够很好的判断子环节生命周期，对于周期性的把握将缺失。同时，提供指数型（指数关系数据）的问题诊断，将有助于用户免于从底层数据开始分析问题，而直接借助指数关系数据本身就能判断出问题点的位置。最终，通过上述方式可以帮助管理单位，例如地区招商局、发改局、经信局等，发现地区目标业务发展中的问题，并提供数据支持。基于此，上述单位可进行针对性的政策调整，如拟定新的扶持政策，或进行针对性的招商，企业培育等，促进目标业务的发展。
在一个实施例中，如图3所示，所述指数关系数据是利用各子环节中，每个所述评估指标对应的指标数据进行数据处理后得到的，包括：
S302，对各子环节的多个评估指标对应的指标数据进行数据分析，去除所述各子环节的多个评估指标对应的指标数据中的冗余数据。
S304，将各子环节按照每个评估指标进行归一化，得到各子环节中每个评估指标的指标数据对应的归一化数据。
S306，对各子环节中每个评估指标的指标数据对应的归一化数据按照预设比例的拆分，得到指数关系数据，所述指数关系数据中包括：各子环节与每个评估指标相对应的指标系数。
其中，冗余数据多长可以是多次出现的数据，也可以是数据信息丢失了部分，造成数据信息不完整的数据。归一化是一种无量纲处理手段，使物理系统数值的绝对值变成某种相对值关系。简化计算，缩小量值的有效办法。
具体地，可以将各个子环节中每个评估指标对应的指标数据进行数据分析，剔除掉冗余数据。然后可以利用得到的评估指标计算出每个子环节的占比。具体的，可以先从每个评估指标的角度，将各个子环节进行归一化，得到各个子环节中每个评估指标的指标数据所对应的归一化数据。然后再对各个子环节对应的归一化数据进行按照100的比例进行拆分，最终得到的各个子环节与每个评估指标相对应的指标系数。根据各个子环节与每个评估指标相对应的指标系数可以组成指数关系数据。
在一些示例性的实施例中，指数关系数据可以是如下表2指标关系表的形式。得到指标关系表的方式可以先横向从评估指标的（横轴）角度对每个子环节做归一化，再对每个子环节（纵轴）的数据进行和是100的比例拆分，最终得到的指标系数，综合每个子环节的评估指标对应的指标系数，能够得到指标关系表。
表2指数关系表
本实施例中，通过对评估指标的指标数据进行归一化的处理，以及将归一化数据按照预设比例的拆分，得到指数关系数据，能够综合多个评估指标的主表数据，准确的反映当前时间点目标业务的发展状况。
在一个实施例中，当确定指数关系表后，可以根据指数关系表中的数据进行微调。微调可以是根据文献和经验对表中的数据进行一些大小的改变。例如电池package环节，出于对市场垄断的考虑，各大头部厂商都加大了专利的申请量，所以可以在最终的指数关系表中调大了人才与专利比的比重。
在一个实施例中，如图4所示，所述基于指数关系数据和评估指标对应的指标数据进行加权平均，得到目标业务的各子环节对应的分值数据，包括：
S402，将各子环节的多个评估指标的指标数据进行归一化，得到各子环节的多个评估指标所对应的指标分值数据。
S404，将各子环节的多个评估指标对应的指标系数和各子环节与每个评估指标相对应的指标系数按照预设的权重进行加权平均，得到各子环节对应的分值数据。
具体地，由于各子环节的多个评估指标的指标数据在不同的维度，所以为了便于计算，可以将各子环节的多个评估指标的指标数据进行归一化，然后再转换为对应的百分比数据，可以得到各子环节的多个评估指标所对应的指标分值数据。将各子环节的多个评估指标对应的指标系数和各子环节与每个评估指标相对应的指标系数按照预设的权重进行加权，将加权后得到的数据按照评估指标的数量进行平均，进而得到各个子环节对应的分值数据。
在一些示例性的实施例中，例如，进行归一化后，得到的各子环节的多个评估指标所对应的指标分值数据可以如表3指标分值表所示。
表3指标分值表
可以将表3中的数据与表2中的相乘，然后进行加权取均值后可以得到每个子环节对应的分值数据。可以得到表4分值数据表。
表4分值数据表
在本实施例中，通过将指标数据进行归一化，能够方便对指标数据进行计算，进而可以得到每个评估指标所对应的指标分值数据。将各子环节的多个评估指标对应的指标系数和各子环节与每个评估指标相对应的指标系数按照预设的权重进行加权平均，得到各子环节对应的分值数据。能够准确的利用每个评估指标的指标分值数据，以及上述得到的指数关系数据中的指标系数，进而准确的确定每个子环节所对应的分值数据，利用分值数据能够更加准确的反映当前时间点目标业务的发展状况。
在一个实施例中，所述按照时间维度对所述各子环节的多个评估指标进行聚类，确定各子环节的周期数据之前，所述方法还包括：
对所述子环节进行层次聚类，得到多个聚类类型。
具体地，因为不同的经济生产形式会呈现出不同的指标分布，但同种类型的经济生产形式指标分布会趋同。所以我们需要先分析一下目标业务的各种子环节里面的哪些环节是同种类型的经济生产形式，以降低后续计算的复杂度。可以先对得到的子环节对应的评估指标的评估数据进行层次聚类，并根据目标业务的实际情况对子环节的聚类结果进行分类，进而得到多个聚类类型。
在一些示例性的实施例中，例如目标业务为新能源汽车产业，则可以按照新能源汽车产业对应的子环节的特征进行层次聚类。特性包括对人才学历以及技术水平的依赖，是否是劳动密集型工作，是否需要重资产投入等。基于上述这几种分类，将各环节进行层次聚类。可以将新能源汽车产业环节划分了5种类型：原材料类、高精尖技术类、配件生产类、整合装配类和服务类。其中矿石原料供应属于原材料类，电池package、电机、电控和电路系统均属于高精尖技术类，电芯材料生产、package配套和底盘及车身属于配件生产类，整车装配属于整合装配类，充电服务属于服务类。
相应的，所述按照时间维度对所述各子环节的多个评估指标进行聚类，确定各子环节的周期数据，包括：
按照时间维度对各聚类类型的多个评估指标进行聚类，确定各聚类类型的周期数据。
具体地，当对子环节进行聚类得到多个聚类类型后，再按照时间维度再次进行聚类时，通常情况下是对各聚类类型的多个评估指标进行聚类，确定各个聚类类型的周期数据。
在本实施例中，通过对子环节进行层次聚类，能够降低后续计算的复杂度。
在一个实施例中，如图5所示，所述按照时间维度对所述各子环节的多个评估指标进行聚类，确定各子环节的周期数据，包括：
S502，根据时间维度确定聚类分组。
S504，根据所述聚类分组对所述指数关系数据进行K-means聚类，确定各子环节的多个评估指标对应的时间周期，以及每个周期数据下的指数系数，所述时间周期至少包括：初入期、发展期、成熟期和衰退期。
S506，根据各子环节的多个评估指标对应的时间周期，以及每个时间周期下的指数系数，确定各子环节的周期数据。
其中，在本公开的一些实施例中，时间维度通常可以是4，因此对应的时间周期可以包括：初入期、发展期、成熟期和衰退期。
具体地，可以按照时间维度，确定聚类分组。当时间维度为4时，对应的聚类分组可以为四组。因此可以按照聚类分组，对上述指数关系数据（表2）进行K-means聚类，按照K值为4进行聚类。之所以K值为4是因为需要把聚类结果对标到生命周期标签。在时间维度进行四个分类后，需要人为观察判断聚类的这四个分类是否可以对应上生命周期的初入期、发展期、成熟期和衰退期这四个阶段，对不是很符合的进行微调。例如，当高精尖科技产业被划分到衰退期后，其归入要素包括营销额度下降，资本投入下降等。但实际情况是，该环节应当处于发展阶段，但是由于经营不善等问题，导致营销和投资人信息受损，因而产生了和衰退期相似的数据特征。此时就需要进行调整。
微调后，可以来确定各子环节的多个评估指标对应的时间周期，以及每个周期数据下的指数系数。根据各子环节的多个评估指标对应的时间周期，以及每个时间周期下的指数系数，确定各子环节的周期数据。
在一些示例性的实施例中，上述实施例中将子环节进行层次聚类，得到聚类类型后。所述按照时间维度对各聚类类型的多个评估指标进行聚类，确定各聚类类型的周期数据，包括：
针对各聚类类型，可以在时间维度进行k值为4的k-means聚类。K=4对应着4个时间维度。通常情况下，每个聚类类型对应哪个时间周期是人为判定的。不同的环节类型的判断标准不同。最后生成如下述表5至表9的各聚类类型对应的周期数据。
表5原材料产业生命周期/指数对照表
表6高精尖科技产业生命周期/指数对照表
表7配件生产产业生命周期/指数对照表
表8整合装配产业生命周期/指数对照表
表9服务产业生命周期/指数对照表
在本实施例中，通过按照时间维度对各子环节的进行聚类，进而确定各子环节的周期数据，能够准确的确定每个子环节对应的周期数据。
在一个实施例中，如图6所示，所述根据各子环节的周期数据和所述指数关系数据进行相关度分析，确定各子环节所处的时间周期，包括：
S602，利用CORREL算法计算周期数据中每个时间周期下的多个评估指标对应的指数系数与所述指标系数之间的，在每个时间周期下的各评估指标的分布相似度系数。
S604，根据每个时间周期下的各评估指标的分布相似度系数，确定各子环节所处的时间周期。
其中，CORREL算法是一种用于计算变量之间的相关性的数学函数，它可以帮助我们分析两个变量之间的联系。相关性是一种度量衡，可以用来表明两个变量之间是否存在相关性。CORREL算法可以帮助我们确定两个变量之间是否存在相关性，以及它们之间确切的相关程度。CORREL算法的基本原理就是两组数据的大小分布相似度高就是高相关，反之是低相关。
具体地，可以使用CORREL算法进行周期数据中每个时间周期下的各评估指标对应的指数系数与指标系数之间的相关度的计算，得到在每个时间周期下的各评估指标的分布相似度系数。根据每个时间周期下的各评估指标的分布相似度系数中最大的分布相似度系数，确定各子环节所处的时间周期。
在一些示例的实施例中，当确定各聚类类型的周期数据之后，可以将各聚类类型的周期数据和上述指数关系数据进行相关度分析来生成相关系数矩阵。还可以将上述各子环节的周期数据与表2进行使用CORREL算法计算，得到表10生命周期相关系数矩阵表。
表10生命周期相关系数矩阵表
然后，可以根据每个子环节中初入期、发展期、成熟期、衰退期中数值最大的来确定每个子环节所处的时间周期。
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，本公开实施例还提供了一种用于实现上述所涉及的目标业务的业务问题的确定方法的目标业务的业务问题的确定装置。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目标业务的业务问题的确定装置实施例中的具体限定可以参见上文中对于目标业务的业务问题的确定方法的限定，在此不再赘述。
在一个实施例中，如图7所示，提供了一种目标业务的业务问题的确定装置700，包括：数据获取模块702、分值数据计算模块704、时间周期确定模块706和业务问题定位模块708，其中：
数据获取模块702，用于获取所述目标业务的各子环节的多个评估指标，以及所述评估指标对应的指标数据；
分值数据计算模块704，用于基于指数关系数据和评估指标对应的指标数据进行加权平均，得到目标业务的各子环节对应的分值数据；所述指数关系数据是利用各子环节中，每个所述评估指标对应的指标数据进行数据分析后得到的；
时间周期确定模块706，用于按照时间维度对所述各子环节的多个评估指标进行聚类，确定各子环节的周期数据；根据各子环节的周期数据和所述指数关系数据进行相关度分析，确定各子环节所处的时间周期；
业务问题定位模块708，用于根据各子环节所处的时间周期和所述分值数据，确定所述目标业务的发展数据，基于所述目标业务的发展数据定位所述目标业务的业务问题。
在所述装置的一个实施例中，所述分值数据计算模块704，包括：
数据分析模块，用于对各子环节的多个评估指标对应的指标数据进行数据分析，去除所述各子环节的多个评估指标对应的指标数据中的冗余数据。
归一化模块，用于将各子环节按照每个评估指标进行归一化，得到各子环节中每个评估指标的指标数据对应的归一化数据。
拆分模块，用于对各子环节中每个评估指标的指标数据对应的归一化数据按照预设比例的拆分，得到指数关系数据，所述指数关系数据中包括：各子环节与每个评估指标相对应的指标系数。
在所述装置的一个实施例中，所述分值数据计算模块704，包括：
指标分值数据计算模块，用于将各子环节的多个评估指标的指标数据进行归一化，得到各子环节的多个评估指标所对应的指标分值数据。
加权平均模块，用于将各子环节的多个评估指标对应的指标系数和各子环节与每个评估指标相对应的指标系数按照预设的权重进行加权平均，得到各子环节对应的分值数据。
在所述装置的一个实施例中，所述装置还包括：层次聚类模块，用于对所述子环节进行层次聚类，得到多个聚类类型。
所述时间周期确定模块706，还用于按照时间维度对各聚类类型的多个评估指标进行聚类，确定各聚类类型的周期数据。
在所述装置的一个实施例中，所述时间周期确定模块706，包括：聚类分组确定模块，用于根据时间维度确定聚类分组。
聚类模块，用于根据所述聚类分组对所述指数关系数据进行K-means聚类，确定各子环节的多个评估指标对应的时间周期，以及每个周期数据下的指数系数，所述时间周期至少包括：初入期、发展期、成熟期和衰退期。
周期数据确定模块，用于根据各子环节的多个评估指标对应的时间周期，以及每个时间周期下的指数系数，确定各子环节的周期数据。
在所述装置的一个实施例中，所述时间周期确定模块706，还包括：分布相似度计算模块，用于利用CORREL算法计算周期数据中每个时间周期下的多个评估指标对应的指数系数与所述指标系数之间的，在每个时间周期下的各评估指标的分布相似度系数。
周期确定模块，用于根据每个时间周期下的各评估指标的分布相似度系数，确定各子环节所处的时间周期。
上述目标业务的业务问题的确定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8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指数关系数据、指标数据和周期数据等。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目标业务的业务问题的确定方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本公开方案相关的部分结构的框图，并不构成对本公开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上述任一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，计算机程序被处理器执行时实现上述任一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任一方法实施例中的步骤。
需要说明的是，本公开所涉及的评估指标，以及评估指标对应的指标数据，均为经用户授权或者经过各方充分授权的信息和数据。
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，本公开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 RandomAccess 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 RandomAccessMemory，DRAM）等。本公开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。本公开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公开的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本公开专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本公开构思的前提下，还可以做出若干变形和改进，这些都属于本公开的保护范围。因此，本公开的保护范围应以所附权利要求为准。
Claims (10)
1.一种目标业务的业务问题的确定方法，其特征在于，所述方法包括：
获取所述目标业务的各子环节的多个评估指标，以及所述评估指标对应的指标数据；
基于指数关系数据和评估指标对应的指标数据进行加权平均，得到目标业务的各子环节对应的分值数据；所述指数关系数据是利用各子环节中，每个所述评估指标对应的指标数据进行数据处理后得到的；
按照时间维度对所述各子环节的多个评估指标进行聚类，确定各子环节的周期数据；根据各子环节的周期数据和所述指数关系数据进行相关度分析，确定各子环节所处的时间周期；
根据各子环节所处的时间周期和所述分值数据，确定所述目标业务的发展数据，基于所述目标业务的发展数据定位所述目标业务的业务问题。
2.根据权利要求1所述的方法，其特征在于，所述指数关系数据是利用各子环节中，每个所述评估指标对应的指标数据进行数据处理后得到的，包括：
对各子环节的多个评估指标对应的指标数据进行数据分析，去除所述各子环节的多个评估指标对应的指标数据中的冗余数据；
将各子环节按照每个评估指标进行归一化，得到各子环节中每个评估指标的指标数据对应的归一化数据；
对各子环节中每个评估指标的指标数据对应的归一化数据按照预设比例的拆分，得到指数关系数据，所述指数关系数据中包括：各子环节与每个评估指标相对应的指标系数。
3.根据权利要求2所述的方法，其特征在于，所述基于指数关系数据和评估指标对应的指标数据进行加权平均，得到目标业务的各子环节对应的分值数据，包括：
将各子环节的多个评估指标的指标数据进行归一化，得到各子环节的多个评估指标所对应的指标分值数据；
将各子环节的多个评估指标对应的指标系数和各子环节与每个评估指标相对应的指标系数按照预设的权重进行加权平均，得到各子环节对应的分值数据。
4.根据权利要求1所述的方法，其特征在于，所述按照时间维度对所述各子环节的多个评估指标进行聚类，确定各子环节的周期数据之前，所述方法还包括：
对所述子环节进行层次聚类，得到多个聚类类型；
相应的，所述按照时间维度对所述各子环节的多个评估指标进行聚类，确定各子环节的周期数据，包括：
按照时间维度对各聚类类型的多个评估指标进行聚类，确定各聚类类型的周期数据。
5.根据权利要求1或2所述的方法，其特征在于，所述按照时间维度对所述各子环节的多个评估指标进行聚类，确定各子环节的周期数据，包括：
根据时间维度确定聚类分组；
根据所述聚类分组对所述指数关系数据进行K-means聚类，确定各子环节的多个评估指标对应的时间周期，以及每个周期数据下的指数系数，所述时间周期至少包括：初入期、发展期、成熟期和衰退期；
根据各子环节的多个评估指标对应的时间周期，以及每个时间周期下的指数系数，确定各子环节的周期数据。
6.根据权利要求5所述的方法，其特征在于，所述根据各子环节的周期数据和所述指数关系数据进行相关度分析，确定各子环节所处的时间周期，包括：
利用CORREL算法计算周期数据中每个时间周期下的多个评估指标对应的指数系数与所述指标系数之间的，在每个时间周期下的各评估指标的分布相似度系数；
根据每个时间周期下的各评估指标的分布相似度系数，确定各子环节所处的时间周期。
7.一种目标业务的业务问题的确定装置，其特征在于，所述装置包括：
数据获取模块，用于获取所述目标业务的各子环节的多个评估指标，以及所述评估指标对应的指标数据；
分值数据计算模块，用于基于指数关系数据和评估指标对应的指标数据进行加权平均，得到目标业务的各子环节对应的分值数据；所述指数关系数据是利用各子环节中，每个所述评估指标对应的指标数据进行数据分析后得到的；
时间周期确定模块，用于按照时间维度对所述各子环节的多个评估指标进行聚类，确定各子环节的周期数据；根据各子环节的周期数据和所述指数关系数据进行相关度分析，确定各子环节所处的时间周期；
业务问题定位模块，用于根据各子环节所处的时间周期和所述分值数据，确定所述目标业务的发展数据，基于所述目标业务的发展数据定位所述目标业务的业务问题。
8.一种计算机设备，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6中任一项所述的方法的步骤。
9.一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6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310526627.XA CN116245380A (zh) | 2023-05-11 | 2023-05-11 | 目标业务的业务问题的确定方法、装置、计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310526627.XA CN116245380A (zh) | 2023-05-11 | 2023-05-11 | 目标业务的业务问题的确定方法、装置、计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116245380A true CN116245380A (zh) | 2023-06-09 |
Family
ID=86629894
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310526627.XA Pending CN116245380A (zh) | 2023-05-11 | 2023-05-11 | 目标业务的业务问题的确定方法、装置、计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116245380A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116821867A (zh) * | 2023-08-29 | 2023-09-29 | 美云智数科技有限公司 | 权限授权数据的回收管理方法、装置、设备和存储介质 |
-
2023
- 2023-05-11 CN CN202310526627.XA patent/CN116245380A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116821867A (zh) * | 2023-08-29 | 2023-09-29 | 美云智数科技有限公司 | 权限授权数据的回收管理方法、装置、设备和存储介质 |
| CN116821867B (zh) * | 2023-08-29 | 2023-12-29 | 美云智数科技有限公司 | 权限授权数据的回收管理方法、装置、设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2023103527A1 (zh) | 一种访问频次的预测方法及装置 | |
| Bidoki et al. | Evaluating different clustering techniques for electricity customer classification | |
| Gupta et al. | Clustering-Classification based prediction of stock market future prediction | |
| CN114022176A (zh) | 一种电商平台上的商品销量预测的方法及电子设备 | |
| CN116245380A (zh) | 目标业务的业务问题的确定方法、装置、计算机设备 | |
| Elalem et al. | A machine learning-based framework for forecasting sales of new products with short life cycles using deep neural networks | |
| CN113656690B (zh) | 产品推荐方法、装置、电子设备及可读存储介质 | |
| CN109767333A (zh) | 选基方法、装置、电子设备及计算机可读存储介质 | |
| CN110851502B (zh) | 一种基于数据挖掘技术的负荷特征场景分类方法 | |
| CN116523301A (zh) | 基于电商大数据进行风险评级预测的系统 | |
| CN116739649A (zh) | 一种用户响应潜力评估方法和装置 | |
| CN115905654A (zh) | 业务数据的处理方法、装置、设备、存储介质和程序产品 | |
| US20220277249A1 (en) | Benchmarking based on company vendor data | |
| CN111652281B (zh) | 信息数据的分类方法、装置及可读存储介质 | |
| CN114372681A (zh) | 基于流水数据的企业分类方法、装置、设备、介质和产品 | |
| CN117078112B (zh) | 应用于企业异常用电管理的能耗检测方法及数据分析系统 | |
| CN109934604A (zh) | 获取畅销品名单的方法、系统、存储介质及电子设备 | |
| CN114519307A (zh) | 信息预测方法、装置、系统、存储介质及电子设备 | |
| CN117874548A (zh) | 一种充换电站时序数据的处理方法、装置、计算机设备 | |
| CN116881546A (zh) | 资源推荐方法、装置、设备和存储介质 | |
| CN117913796A (zh) | 电力经济耦合协调关系确定方法、装置、设备和存储介质 | |
| CN116187523A (zh) | 电力负荷预测方法和装置 | |
| CN117151884A (zh) | 资产管理数据处理方法、装置、计算机设备和存储介质 | |
| CN116029614A (zh) | 配电网台区电能质量评估方法、装置和计算机设备 | |
| CN117057898A (zh) | 银行智能模型的业务信息确定方法、装置和计算机设备 |
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: 20230609 |