CN116383198A - 基于大数据的决策分析方法及系统 - Google Patents
基于大数据的决策分析方法及系统 Download PDFInfo
- Publication number
- CN116383198A CN116383198A CN202310219566.2A CN202310219566A CN116383198A CN 116383198 A CN116383198 A CN 116383198A CN 202310219566 A CN202310219566 A CN 202310219566A CN 116383198 A CN116383198 A CN 116383198A
- Authority
- CN
- China
- Prior art keywords
- data
- analysis
- index
- enterprises
- enterprise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 248
- 238000007726 management method Methods 0.000 claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 230000000007 visual effect Effects 0.000 claims abstract description 11
- 238000005065 mining Methods 0.000 claims abstract description 9
- 238000007670 refining Methods 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000004140 cleaning Methods 0.000 claims description 30
- 238000011161 development Methods 0.000 claims description 29
- 238000004519 manufacturing process Methods 0.000 claims description 20
- 230000006399 behavior Effects 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 238000013499 data model Methods 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 18
- 238000007405 data analysis Methods 0.000 claims description 14
- 238000003032 molecular docking Methods 0.000 claims description 14
- 238000007418 data mining Methods 0.000 claims description 13
- 238000013523 data management Methods 0.000 claims description 12
- 230000036541 health Effects 0.000 claims description 12
- 230000002093 peripheral effect Effects 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 12
- 230000008901 benefit Effects 0.000 claims description 11
- 238000009960 carding Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 238000007619 statistical method Methods 0.000 claims description 9
- 230000010485 coping Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 241000282817 Bovidae Species 0.000 claims description 6
- 241000283899 Gazella Species 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 6
- 238000013479 data entry Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000008676 import Effects 0.000 claims description 6
- 230000014759 maintenance of location Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000009417 prefabrication Methods 0.000 claims description 6
- 238000012502 risk assessment Methods 0.000 claims description 6
- 238000005096 rolling process Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000007789 sealing Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000007306 turnover Effects 0.000 claims description 6
- 238000011144 upstream manufacturing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 2
- 238000012552 review Methods 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2219—Large Object storage; Management thereof
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于大数据的决策分析方法及系统，属于信息技术处理技术领域，本发明要解决的技术问题为如何利用大数据技术提升管理部门企业决策的科学性和准确性，采用的技术方案为：该方法是通过对汇聚的全量化企业数据进行梳理、分类、挖掘和提炼，建立分析指标，建设数据指标体系；并构建分析模型，对区域内企业进行多维度可视化分析，同时应用于不同用户的自助式决策分析，为不同部门、岗位人员提供管理决策所需的各类分析指标，支撑各类决策需求场景；具体如下：企业数据采集；决策数据管理；数据指标体系建设；自助式决策分析。
Description
技术领域
本发明涉及信息处理技术领域，具体地说是一种基于大数据的决策分析方法及系统。
背景技术
随着社会经济的快速发展，企业数量在不断增加，企业发展带来的数据信息面临指数式增长。企业数据目前存在数据质量差、数据标准不统一等现状，通过大数据技术对大量数据进行汇聚治理并进行可视化分析，为进行企业决策提供有效依据。
专利号为CN109657072A的专利公开了一种应用于政府辅助决策的智能搜索WEB系统及方法，充分考虑了政府决策相关数据的存储与结构，使用了针对性强的ElasticSearch搜索服务器检索技术保证高效的在线分析效率，同时考虑到不同渠道数据的相关性，给出的政府决策分析结果数据更加全面综合。该技术方案的主要目的是为政府决策提供一种智能数据搜索方法，并没有针对区域企业发展决策提供分析，无法为政府各部门提供个性化企业动态分析。
故如何利用大数据技术提升管理部门企业决策的科学性和准确性是目前亟待解决的技术问题。
发明内容
本发明的技术任务是提供一种基于大数据的决策分析方法及系统，来解决如何利用大数据技术提升管理部门企业决策的科学性和准确性的问题。
本发明的技术任务是按以下方式实现的，一种基于大数据的决策分析方法，该方法是通过对汇聚的全量化企业数据进行梳理、分类、挖掘和提炼，建立分析指标，建设数据指标体系；并构建分析模型，对区域内企业进行多维度可视化分析，同时应用于不同用户的自助式决策分析，为不同部门、岗位人员提供管理决策所需的各类分析指标，支撑各类决策需求场景；具体如下：
企业数据采集：对接区域各部门系统、惠企服务及金融服务平台，进行接口对接开发，开展工作数据汇聚工作，形成区域企业数据中心，并保证数据在后续各功能模块之间高可用、高效率、低复查，为后续工作提供高效支撑；
决策数据管理：梳理企业数据、中心数据、互联网数据及系统其他功能产生的数据，按行业、产业、规模及区域不同角度进行分类，以规则或模型的形式对数据清理、集成、筛选、转换及模型化的处理过程表现出来，辅助管理人员进行数据挖掘，并建立分析模型，实现基础统计分析和预测分析，掌握经济经营动态；
数据指标体系建设：针对数据指标进行统一设计，建立区域各部门的分析指标体系；根据不同部门的管理要求及管理特点，实现对多类数据指标的汇集分析，形成各类分析主题及具体指标，再将根据分析指标建立各类分析模型，实现对具体指标的分析展示；
自助式决策分析：为各部门人员提供一个能够自主进行数据分析的功能，随时提供管理决策所需的各类分析指标，保证及时应对多变的市场环境；同时提供灵活的数据建模功能，自助、快速完成分析需求，降低对技术人员的依赖，保持数据分析思维的连续性，保证数据支撑决策的时效性。
作为优选，企业数据采集具体如下：
管理前置机：注册前置机的属性、前置机库的组成及具有权限的账号信息，进行数据格式转换、连接管理、业务流管理、外围调度及外围处理，把业务数据提交至应用服务系统处理；
库表交换任务：定义不同部门前置机库之间的交换任务，将源数据库表和目标数据库表的字段一一关联，并设置任务执行的间隔时间或定时时间，完成从源数据库表到目标数据库表的交换；
文件交换：通过配置发送节点及发送目录、接收节点及接收目录，并配以调度策略，发送节点自动定期检测发送目录，并将该目录中的文件和子目录以相同的目录结构发送到指定节点的指定目录下；
数据上报：提供批量导入方式及单条数据录入方式，用以解决部门没有信息系统或数据量不大的数据交换的需求；其中，单条数据录入方式是指部门无法抽取现有数据或不具备数据采集对接能力时，利用已经设计好的制式表格进行数据填报，将面向部门业务进行业务表定制以获取全部业务数据，填报后的数据将直接进入数据中心进行存储；批量导入方式是指部门按照模板梳理本部门数据，通过系统进行数据导入；
数据ETL：按照预先定义好的数据仓库模型，将对接到的数据进行缺失值清洗、格式内容清洗、逻辑错误清洗、非需求清洗及数据格式校验和关联性校验，确保无法辨认的数据不会进入数据仓库；再完成不一致的数据转换、数据粒度的转换和商务规则的计算，形成有效聚合数据；最后LOAD加载经转换和汇总的数据到目标数据仓库。
更优地，文件交换过程中支持任意文件类型的传输，文件类型包括视频文件、图像文件、二进制文件、文本文件及数据库文件。
更优地，决策数据管理具体如下：
企业数据梳理：依据业务需要从数据分析的角度对数据中心的数据、企业数据、互联网数据和系统其他功能产生的数据进行梳理；同时，分析并定义每个数据实体属性，数据实体属性包括数据项的名称、编码、类型、长度、业务含义、数据来源、质量规则、安全级别、域值范围及管理部门；再对业务视角的梳理出的目录中数据项与技术视角的盘点出的系统信息项进行关联，建立起两者的映射关系，形成完整的数据资源目录；
企业数据分类：通过数据项属性体系及国家数据分类指标，按行业、产业、规模及区域的不同角度，对企业的数据进行分类，为建立区域企业的服务分析及预警提供准确、有效的数据；
按照业务所属行业领域，将数据分为工业数据、电信数据、金融数据、能源数据、交通运输数据、自然资源数据、卫生健康数据、教育数据及科学数据的行业领域数据；
根据本行业本领域业务属性，对行业领域数据进行细化分类，行业领域数据包括但不限于业务领域、责任部门、描述对象、上下游环节、数据主题、数据用途、数据处理及数据来源；
根据科技型企业的分类，将企业分为科技型中小企业、民营科技企业、瞪羚企业、专精特新企业、企业技术中心、科技小巨人企业、雏鹰企业、众创空间、专精特新小巨人企业、科技企业孵化器、技术创新示范企业、隐形冠军企业、技术先进型服务企业、牛羚企业、独角兽企业及创新型企业；
数据挖掘分析：通过行为事件分析、漏斗分析、留存分析、分布分析、点击分析、用户行为分析、分群分析及属性分析的大数据模型分析，对企业数据进行行业分析、对标分析、发展分析、企业图谱、舆情监测及风险分析的基础统计分析与预测分析，并对大数据模型进行训练，找到最合适的变量要素，在对大数据模型正确率、查全率、查准率、ROC曲线和AUC值评估完成的基础上，挖掘分析企业运营状况、企业运营风险状况及经济发展状况，掌握经济进行经营动态，进而预测未来企业可能发生的行为、经济的发展状况，形成智能分析报告，辅助相关管理人员制定科学的战略决策。
更优地，数据指标体系建设中的指标设计具体如下：
定义指标维度：指标维度包括企业、期间、行业、地区、板块、营业额、收入及资产；
定义指标量度：数据量度包括指标值、标准值、预算值、同比、环比、上限、下限及预算滚动数；其中，指标值、标准值、同比、环比、预算值、上限及下限作为系统预制量度；
定义指标内容：设定各指标属性，设置指标计算公式及标准值公式；对于多维指标，设定各指标属性后，设置维度、取数及量度对应；
定义基础指标体系：指标体系由管理人员自己创建；指标体系编号分企业保存，系统公用和预置的指标体系由系统管理员岗位创建和维护；
设置指标取数：为各单位定义个性指标取数公式和标准值公式；基于取数设置适用企业范围和期间范围个性化的需求，分企业和期间定义不同取数设置的功能，一个企业设定多套设置以实现不同企业和不同期间范围的取数；
指标计算任务管理：按指标体系、指标量度、指标单位及指标时间多个角度定义指标自动计算任务或手工计算的入口；
指标数据维护：对基础指标计算结果进行查阅、调整和封存启封。
更优地，自助式决策分析是利用分析工具，完成分析页面制作，具体如下：
配置数据源：对接丰富多样的数据源，比如第三方关系数据库等；
根据业务需要，从数据源中抽取所需的目标数据，并配置分析的维度、指标及查询条件即可完成，可拖拽完成；
从数据集中拖拉拽数据项即可制作可视化的图表，对多个维度组合或对维度进行主从组合；其中，图表类型支持表格、柱形图、饼图、折线图、雷达图、散点图、矩形树图及地图；
对图表进行自由组合、大小和位置的自动调整，快速完成页面整体布局，即可完成看板页面的制作，直观呈现各类主题(如财务、人力、生产等)分析内容。
一种基于大数据的决策分析系统，该系统包括，
企业数据采集单元，用于对接区域各部门系统、惠企服务及金融服务平台，进行接口对接开发，开展工作数据汇聚工作，形成区域企业数据中心，并保证数据在后续各功能模块之间高可用、高效率、低复查，为后续工作提供高效支撑；
决策数据管理单元，用于梳理企业数据、中心数据、互联网数据及系统其他功能产生的数据，按行业、产业、规模及区域不同角度进行分类，以规则或模型的形式对数据清理、集成、筛选、转换及模型化的处理过程表现出来，辅助管理人员进行数据挖掘，并建立分析模型，实现基础统计分析和预测分析，掌握经济经营动态；
数据指标体系建设单元，用于针对数据指标进行统一设计，建立区域各部门的分析指标体系；根据不同部门的管理要求及管理特点，实现对多类数据指标的汇集分析，形成各类分析主题及具体指标，再将根据分析指标建立各类分析模型，实现对具体指标的分析展示；
自助式决策分析单元，用于为各部门人员提供一个能够自主进行数据分析的功能，随时提供管理决策所需的各类分析指标，保证及时应对多变的市场环境；同时提供灵活的数据建模功能，自助、快速完成分析需求，降低对技术人员的依赖，保持数据分析思维的连续性，保证数据支撑决策的时效性。
作为优选，所述企业数据采集单元包括，
前置机管理模块，用于注册前置机的属性、前置机库的组成及具有权限的账号信息，进行数据格式转换、连接管理、业务流管理、外围调度及外围处理，把业务数据提交至应用服务系统处理；
库表交换任务模块，用于定义不同部门前置机库之间的交换任务，将源数据库表和目标数据库表的字段一一关联，并设置任务执行的间隔时间或定时时间，完成从源数据库表到目标数据库表的交换；
文件交换模块，用于通过配置发送节点及发送目录、接收节点及接收目录，并配以调度策略，发送节点自动定期检测发送目录，并将该目录中的文件和子目录以相同的目录结构发送到指定节点的指定目录下；
数据上报模块，用于提供批量导入方式及单条数据录入方式，用以解决部门没有信息系统或数据量不大的数据交换的需求；其中，单条数据录入方式是指部门无法抽取现有数据或不具备数据采集对接能力时，利用已经设计好的制式表格进行数据填报，将面向部门业务进行业务表定制以获取全部业务数据，填报后的数据将直接进入数据中心进行存储；批量导入方式是指部门按照模板梳理本部门数据，通过系统进行数据导入；
数据ETL模块，用于按照预先定义好的数据仓库模型，将对接到的数据进行缺失值清洗、格式内容清洗、逻辑错误清洗、非需求清洗及数据格式校验和关联性校验，确保无法辨认的数据不会进入数据仓库；再完成不一致的数据转换、数据粒度的转换和商务规则的计算，形成有效聚合数据；最后LOAD加载经转换和汇总的数据到目标数据仓库。
更优地，所述决策数据管理单元包括，
企业数据梳理模块，用于依据业务需要从数据分析的角度对数据中心的数据、企业数据、互联网数据和系统其他功能产生的数据进行梳理；同时，分析并定义每个数据实体属性，数据实体属性包括数据项的名称、编码、类型、长度、业务含义、数据来源、质量规则、安全级别、域值范围及管理部门；再对业务视角的梳理出的目录中数据项与技术视角的盘点出的系统信息项进行关联，建立起两者的映射关系，形成完整的数据资源目录；
企业数据分类模块，用于通过数据项属性体系及国家数据分类指标，按行业、产业、规模及区域的不同角度，对企业的数据进行分类，为建立区域企业的服务分析及预警提供准确、有效的数据；
按照业务所属行业领域，将数据分为工业数据、电信数据、金融数据、能源数据、交通运输数据、自然资源数据、卫生健康数据、教育数据及科学数据的行业领域数据；
根据本行业本领域业务属性，对行业领域数据进行细化分类，行业领域数据包括但不限于业务领域、责任部门、描述对象、上下游环节、数据主题、数据用途、数据处理及数据来源；
根据科技型企业的分类，将企业分为科技型中小企业、民营科技企业、瞪羚企业、专精特新企业、企业技术中心、科技小巨人企业、雏鹰企业、众创空间、专精特新小巨人企业、科技企业孵化器、技术创新示范企业、隐形冠军企业、技术先进型服务企业、牛羚企业、独角兽企业及创新型企业；
数据挖掘分析模块，用于通过行为事件分析、漏斗分析、留存分析、分布分析、点击分析、用户行为分析、分群分析及属性分析的大数据模型分析，对企业数据进行行业分析、对标分析、发展分析、企业图谱、舆情监测及风险分析的基础统计分析与预测分析，并对大数据模型进行训练，找到最合适的变量要素，在对大数据模型正确率、查全率、查准率、ROC曲线和AUC值评估完成的基础上，挖掘分析企业运营状况、企业运营风险状况及经济发展状况，掌握经济进行经营动态，进而预测未来企业可能发生的行为、经济的发展状况，形成智能分析报告，辅助相关管理人员制定科学的战略决策。
更优地，所述数据指标体系建设单元包括，
指标维度定义模块，用于定义指标维度，指标维度包括企业、期间、行业、地区、板块、营业额、收入及资产；
指标量度定义模块，用于定义指标量度，数据量度包括指标值、标准值、预算值、同比、环比、上限、下限及预算滚动数；其中，指标值、标准值、同比、环比、预算值、上限及下限作为系统预制量度；
指标内容定义模块，用于设定各指标属性，设置指标计算公式及标准值公式；对于多维指标，设定各指标属性后，设置维度、取数及量度对应；
基础指标体系定义模块，用于定义基础指标体系，指标体系由管理人员自己创建；指标体系编号分企业保存，系统公用和预置的指标体系由系统管理员岗位创建和维护；
指标取数设置模块，用于为各单位定义个性指标取数公式和标准值公式；基于取数设置适用企业范围和期间范围个性化的需求，分企业和期间定义不同取数设置的功能，一个企业设定多套设置以实现不同企业和不同期间范围的取数；
指标计算任务管理模块，用于按指标体系、指标量度、指标单位及指标时间多个角度定义指标自动计算任务或手工计算的入口；
指标数据维护模块，用于对基础指标计算结果进行查阅、调整和封存启封；
所述自助式决策分析单元利用分析工具，完成分析页面制作，具体步骤如下：
(1)、配置数据源：对接丰富多样的数据源，比如第三方关系数据库等；
(2)、根据业务需要，从数据源中抽取所需的目标数据，并配置分析的维度、指标及查询条件即可完成，可拖拽完成；
(3)、从数据集中拖拉拽数据项即可制作可视化的图表，对多个维度组合或对维度进行主从组合；其中，图表类型支持表格、柱形图、饼图、折线图、雷达图、散点图、矩形树图及地图；
(4)、对图表进行自由组合、大小和位置的自动调整，快速完成页面整体布局，即可完成看板页面的制作，直观呈现各类主题(如财务、人力、生产等)分析内容。
本发明的基于大数据的决策分析方法及系统具有以下优点：
(一)本发明利用大数据技术，提升管理部门企业决策的科学性和准确性；并支持企业数据的汇聚、梳理和分类，形成数据分析指标体系，利用成熟的企业综合分析工具，为各部门管理人员进行不同场景决策提供数据支撑；
(二)本发明通过对接大数据资源等各部门系统及相关互联网平台，进行接口对接开发，开展工作数据汇聚工作，形成区域企业数据中心，并保证数据在后续各功能模块之间高可用、高效率、低复查，提高接口效率，减少模块间通信时长和外部系统压力，为后续工作提供高效支撑；
(三)本发明的自助式决策分析主要的应用场景是为各部门管理人员、业务处室人员、信息化人员提供一个能够自主进行数据分析的功能，通过对企业业务数据进行自主分析，能够发挥数据最大价值；同时，每个人由于个人经历、专业等背景不同，对于数据分析，能够充分发挥个人的优势，构建全员参与的决策分析功能；自助式决策分析是总结分析大量用户在管理决策中遇到的各类决策需求场景而成，能够随时向管理人员提供管理决策所需的各类分析指标，保证及时应对多变的市场环境，及时为企业提供服务；
(四)本发明的自助式决策分析提供灵活的数据建模功能，直观易用的拖拽式操作，即使不具备IT背景的业务人员也能轻松融合多源数据，自助、快速完成分析需求，降低对技术人员的依赖，保持数据分析思维的连续性，保证数据支撑决策的时效性；
(五)本发明基于数据共享、数据挖掘、数据分析等大数据技术的决策分析系统，能够建设全面的数据指标库，供区域内不同部门、岗位人员根据实际需求对分析指标进行个性化选择，支撑各类决策需求场景。
附图说明
下面结合附图对本发明进一步说明。
附图1为基于大数据的决策分析方法的流程框图。
具体实施方式
参照说明书附图和具体实施例对本发明的基于大数据的决策分析方法及系统作以下详细地说明。
实施例1：
如附图1所示，本实施例提供了一种基于大数据的决策分析方法，该方法是通过对汇聚的全量化企业数据进行梳理、分类、挖掘和提炼，建立分析指标，建设数据指标体系；并构建分析模型，对区域内企业进行多维度可视化分析，同时应用于不同用户的自助式决策分析，为不同部门、岗位人员提供管理决策所需的各类分析指标，支撑各类决策需求场景；具体如下：
S1、企业数据采集：对接区域各部门系统、惠企服务及金融服务平台，进行接口对接开发，开展工作数据汇聚工作，形成区域企业数据中心，并保证数据在后续各功能模块之间高可用、高效率、低复查，为后续工作提供高效支撑；
S2、决策数据管理：梳理企业数据、中心数据、互联网数据及系统其他功能产生的数据，按行业、产业、规模及区域不同角度进行分类，以规则或模型的形式对数据清理、集成、筛选、转换及模型化的处理过程表现出来，辅助管理人员进行数据挖掘，并建立分析模型，实现基础统计分析和预测分析，掌握经济经营动态；
S3、数据指标体系建设：针对数据指标进行统一设计，建立区域各部门的分析指标体系；根据不同部门的管理要求及管理特点，实现对多类数据指标的汇集分析，形成各类分析主题及具体指标，再将根据分析指标建立各类分析模型，实现对具体指标的分析展示；
S4、自助式决策分析：为各部门人员提供一个能够自主进行数据分析的功能，随时提供管理决策所需的各类分析指标，保证及时应对多变的市场环境；同时提供灵活的数据建模功能，自助、快速完成分析需求，降低对技术人员的依赖，保持数据分析思维的连续性，保证数据支撑决策的时效性。
本实施例中的企业数据采集具体如下：
S101、管理前置机：注册前置机的属性、前置机库的组成及具有权限的账号信息，进行数据格式转换、连接管理、业务流管理、外围调度及外围处理，把业务数据提交至应用服务系统处理；
S102、库表交换任务：定义不同部门前置机库之间的交换任务，将源数据库表和目标数据库表的字段一一关联，并设置任务执行的间隔时间或定时时间，完成从源数据库表到目标数据库表的交换；
S103、文件交换：通过配置发送节点及发送目录、接收节点及接收目录，并配以调度策略，发送节点自动定期检测发送目录，并将该目录中的文件和子目录以相同的目录结构发送到指定节点的指定目录下；
S104、数据上报：提供批量导入方式及单条数据录入方式，用以解决部门没有信息系统或数据量不大的数据交换的需求；其中，单条数据录入方式是指部门无法抽取现有数据或不具备数据采集对接能力时，利用已经设计好的制式表格进行数据填报，将面向部门业务进行业务表定制以获取全部业务数据，填报后的数据将直接进入数据中心进行存储；批量导入方式是指部门按照模板梳理本部门数据，通过系统进行数据导入；
S105、数据ETL：按照预先定义好的数据仓库模型，将对接到的数据进行缺失值清洗、格式内容清洗、逻辑错误清洗、非需求清洗及数据格式校验和关联性校验，确保无法辨认的数据不会进入数据仓库；再完成不一致的数据转换、数据粒度的转换和商务规则的计算，形成有效聚合数据；最后LOAD加载经转换和汇总的数据到目标数据仓库。
本实施例步骤S103中的文件交换过程中支持任意文件类型的传输，文件类型包括视频文件、图像文件、二进制文件、文本文件及数据库文件。
本实施例步骤S2中的决策数据管理具体如下：
S201、企业数据梳理：依据业务需要从数据分析的角度对数据中心的数据、企业数据、互联网数据和系统其他功能产生的数据进行梳理；同时，分析并定义每个数据实体属性，数据实体属性包括数据项的名称、编码、类型、长度、业务含义、数据来源、质量规则、安全级别、域值范围及管理部门；再对业务视角的梳理出的目录中数据项与技术视角的盘点出的系统信息项进行关联，建立起两者的映射关系，形成完整的数据资源目录；
S202、企业数据分类：通过数据项属性体系及国家数据分类指标，按行业、产业、规模及区域的不同角度，对企业的数据进行分类，为建立区域企业的服务分析及预警提供准确、有效的数据；
按照业务所属行业领域，将数据分为工业数据、电信数据、金融数据、能源数据、交通运输数据、自然资源数据、卫生健康数据、教育数据及科学数据的行业领域数据；
根据本行业本领域业务属性，对行业领域数据进行细化分类，行业领域数据包括但不限于业务领域、责任部门、描述对象、上下游环节、数据主题、数据用途、数据处理及数据来源；
根据科技型企业的分类，将企业分为科技型中小企业、民营科技企业、瞪羚企业、专精特新企业、企业技术中心、科技小巨人企业、雏鹰企业、众创空间、专精特新小巨人企业、科技企业孵化器、技术创新示范企业、隐形冠军企业、技术先进型服务企业、牛羚企业、独角兽企业及创新型企业；
S203、数据挖掘分析：通过行为事件分析、漏斗分析、留存分析、分布分析、点击分析、用户行为分析、分群分析及属性分析的大数据模型分析，对企业数据进行行业分析、对标分析、发展分析、企业图谱、舆情监测及风险分析的基础统计分析与预测分析，并对大数据模型进行训练，找到最合适的变量要素，在对大数据模型正确率、查全率、查准率、ROC曲线和AUC值评估完成的基础上，挖掘分析企业运营状况、企业运营风险状况及经济发展状况，掌握经济进行经营动态，进而预测未来企业可能发生的行为、经济的发展状况，形成智能分析报告，辅助相关管理人员制定科学的战略决策。
本实施例步骤S3中的数据指标体系建设中的指标设计具体如下：
S301、定义指标维度：指标维度包括企业、期间、行业、地区、板块、营业额、收入及资产；
S302、定义指标量度：数据量度包括指标值、标准值、预算值、同比、环比、上限、下限及预算滚动数；其中，指标值、标准值、同比、环比、预算值、上限及下限作为系统预制量度；
S303、定义指标内容：设定各指标属性，设置指标计算公式及标准值公式；对于多维指标，设定各指标属性后，设置维度、取数及量度对应；
S304、定义基础指标体系：指标体系由管理人员自己创建；指标体系编号分企业保存，系统公用和预置的指标体系由系统管理员岗位创建和维护；
S305、设置指标取数：为各单位定义个性指标取数公式和标准值公式；基于取数设置适用企业范围和期间范围个性化的需求，分企业和期间定义不同取数设置的功能，一个企业设定多套设置以实现不同企业和不同期间范围的取数；
S306、指标计算任务管理：按指标体系、指标量度、指标单位及指标时间多个角度定义指标自动计算任务或手工计算的入口；
S307、指标数据维护：对基础指标计算结果进行查阅、调整和封存启封。
本实施例步骤S4中的自助式决策分析是利用分析工具，完成分析页面制作，具体如下：
S401、配置数据源：对接丰富多样的数据源，比如第三方关系数据库等；
S402、根据业务需要，从数据源中抽取所需的目标数据，并配置分析的维度、指标及查询条件即可完成，可拖拽完成；
S403、从数据集中拖拉拽数据项即可制作可视化的图表，对多个维度组合或对维度进行主从组合；其中，图表类型支持表格、柱形图、饼图、折线图、雷达图、散点图、矩形树图及地图；
S404、对图表进行自由组合、大小和位置的自动调整，快速完成页面整体布局，即可完成看板页面的制作，直观呈现各类主题(如财务、人力、生产等)分析内容。
实施例2：
本实施例提供了一种基于大数据的决策分析系统，该系统包括，
企业数据采集单元，用于对接区域各部门系统、惠企服务及金融服务平台，进行接口对接开发，开展工作数据汇聚工作，形成区域企业数据中心，并保证数据在后续各功能模块之间高可用、高效率、低复查，为后续工作提供高效支撑；
决策数据管理单元，用于梳理企业数据、中心数据、互联网数据及系统其他功能产生的数据，按行业、产业、规模及区域不同角度进行分类，以规则或模型的形式对数据清理、集成、筛选、转换及模型化的处理过程表现出来，辅助管理人员进行数据挖掘，并建立分析模型，实现基础统计分析和预测分析，掌握经济经营动态；
数据指标体系建设单元，用于针对数据指标进行统一设计，建立区域各部门的分析指标体系；根据不同部门的管理要求及管理特点，实现对多类数据指标的汇集分析，形成各类分析主题及具体指标，再将根据分析指标建立各类分析模型，实现对具体指标的分析展示；
自助式决策分析单元，用于为各部门人员提供一个能够自主进行数据分析的功能，随时提供管理决策所需的各类分析指标，保证及时应对多变的市场环境；同时提供灵活的数据建模功能，自助、快速完成分析需求，降低对技术人员的依赖，保持数据分析思维的连续性，保证数据支撑决策的时效性。
本实施例中的企业数据采集单元包括，
前置机管理模块，用于注册前置机的属性、前置机库的组成及具有权限的账号信息，进行数据格式转换、连接管理、业务流管理、外围调度及外围处理，把业务数据提交至应用服务系统处理；
库表交换任务模块，用于定义不同部门前置机库之间的交换任务，将源数据库表和目标数据库表的字段一一关联，并设置任务执行的间隔时间或定时时间，完成从源数据库表到目标数据库表的交换；
文件交换模块，用于通过配置发送节点及发送目录、接收节点及接收目录，并配以调度策略，发送节点自动定期检测发送目录，并将该目录中的文件和子目录以相同的目录结构发送到指定节点的指定目录下；
数据上报模块，用于提供批量导入方式及单条数据录入方式，用以解决部门没有信息系统或数据量不大的数据交换的需求；其中，单条数据录入方式是指部门无法抽取现有数据或不具备数据采集对接能力时，利用已经设计好的制式表格进行数据填报，将面向部门业务进行业务表定制以获取全部业务数据，填报后的数据将直接进入数据中心进行存储；批量导入方式是指部门按照模板梳理本部门数据，通过系统进行数据导入；
数据ETL模块，用于按照预先定义好的数据仓库模型，将对接到的数据进行缺失值清洗、格式内容清洗、逻辑错误清洗、非需求清洗及数据格式校验和关联性校验，确保无法辨认的数据不会进入数据仓库；再完成不一致的数据转换、数据粒度的转换和商务规则的计算，形成有效聚合数据；最后LOAD加载经转换和汇总的数据到目标数据仓库。
本实施例中的决策数据管理单元包括，
企业数据梳理模块，用于依据业务需要从数据分析的角度对数据中心的数据、企业数据、互联网数据和系统其他功能产生的数据进行梳理；同时，分析并定义每个数据实体属性，数据实体属性包括数据项的名称、编码、类型、长度、业务含义、数据来源、质量规则、安全级别、域值范围及管理部门；再对业务视角的梳理出的目录中数据项与技术视角的盘点出的系统信息项进行关联，建立起两者的映射关系，形成完整的数据资源目录；
企业数据分类模块，用于通过数据项属性体系及国家数据分类指标，按行业、产业、规模及区域的不同角度，对企业的数据进行分类，为建立区域企业的服务分析及预警提供准确、有效的数据；
按照业务所属行业领域，将数据分为工业数据、电信数据、金融数据、能源数据、交通运输数据、自然资源数据、卫生健康数据、教育数据及科学数据的行业领域数据；
根据本行业本领域业务属性，对行业领域数据进行细化分类，行业领域数据包括但不限于业务领域、责任部门、描述对象、上下游环节、数据主题、数据用途、数据处理及数据来源；
根据科技型企业的分类，将企业分为科技型中小企业、民营科技企业、瞪羚企业、专精特新企业、企业技术中心、科技小巨人企业、雏鹰企业、众创空间、专精特新小巨人企业、科技企业孵化器、技术创新示范企业、隐形冠军企业、技术先进型服务企业、牛羚企业、独角兽企业及创新型企业；
数据挖掘分析模块，用于通过行为事件分析、漏斗分析、留存分析、分布分析、点击分析、用户行为分析、分群分析及属性分析的大数据模型分析，对企业数据进行行业分析、对标分析、发展分析、企业图谱、舆情监测及风险分析的基础统计分析与预测分析，并对大数据模型进行训练，找到最合适的变量要素，在对大数据模型正确率、查全率、查准率、ROC曲线和AUC值评估完成的基础上，挖掘分析企业运营状况、企业运营风险状况及经济发展状况，掌握经济进行经营动态，进而预测未来企业可能发生的行为、经济的发展状况，形成智能分析报告，辅助相关管理人员制定科学的战略决策。
本实施例中的数据指标体系建设单元包括，
指标维度定义模块，用于定义指标维度，指标维度包括企业、期间、行业、地区、板块、营业额、收入及资产；
指标量度定义模块，用于定义指标量度，数据量度包括指标值、标准值、预算值、同比、环比、上限、下限及预算滚动数；其中，指标值、标准值、同比、环比、预算值、上限及下限作为系统预制量度；
指标内容定义模块，用于设定各指标属性，设置指标计算公式及标准值公式；对于多维指标，设定各指标属性后，设置维度、取数及量度对应；
基础指标体系定义模块，用于定义基础指标体系，指标体系由管理人员自己创建；指标体系编号分企业保存，系统公用和预置的指标体系由系统管理员岗位创建和维护；
指标取数设置模块，用于为各单位定义个性指标取数公式和标准值公式；基于取数设置适用企业范围和期间范围个性化的需求，分企业和期间定义不同取数设置的功能，一个企业设定多套设置以实现不同企业和不同期间范围的取数；
指标计算任务管理模块，用于按指标体系、指标量度、指标单位及指标时间多个角度定义指标自动计算任务或手工计算的入口；
指标数据维护模块，用于对基础指标计算结果进行查阅、调整和封存启封；
本实施例中的自助式决策分析单元利用分析工具，完成分析页面制作，具体步骤如下：
(1)、配置数据源：对接丰富多样的数据源，比如第三方关系数据库等；
(2)、根据业务需要，从数据源中抽取所需的目标数据，并配置分析的维度、指标及查询条件即可完成，可拖拽完成；
(3)、从数据集中拖拉拽数据项即可制作可视化的图表，对多个维度组合或对维度进行主从组合；其中，图表类型支持表格、柱形图、饼图、折线图、雷达图、散点图、矩形树图及地图；
(4)、对图表进行自由组合、大小和位置的自动调整，快速完成页面整体布局，即可完成看板页面的制作，直观呈现各类主题(如财务、人力、生产等)分析内容。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于大数据的决策分析方法，其特征在于，该方法是通过对汇聚的全量化企业数据进行梳理、分类、挖掘和提炼，建立分析指标，建设数据指标体系；并构建分析模型，对区域内企业进行多维度可视化分析，同时应用于不同用户的自助式决策分析，为不同部门、岗位人员提供管理决策所需的各类分析指标，支撑各类决策需求场景；具体如下：
企业数据采集：对接区域各部门系统、惠企服务及金融服务平台，进行接口对接开发，开展工作数据汇聚工作，形成区域企业数据中心；
决策数据管理：梳理企业数据、中心数据、互联网数据及系统其他功能产生的数据，按行业、产业、规模及区域不同角度进行分类，以规则或模型的形式对数据清理、集成、筛选、转换及模型化的处理过程表现出来，辅助管理人员进行数据挖掘，并建立分析模型，实现基础统计分析和预测分析，掌握经济经营动态；
数据指标体系建设：针对数据指标进行统一设计，建立区域各部门的分析指标体系；根据不同部门的管理要求及管理特点，实现对多类数据指标的汇集分析，形成各类分析主题及具体指标，再将根据分析指标建立各类分析模型，实现对具体指标的分析展示；
自助式决策分析：为各部门人员提供一个能够自主进行数据分析的功能，随时提供管理决策所需的各类分析指标，保证及时应对多变的市场环境；同时提供灵活的数据建模功能，自助、快速完成分析需求。
2.根据权利要求1所述的基于大数据的决策分析方法，其特征在于，企业数据采集具体如下：
管理前置机：注册前置机的属性、前置机库的组成及具有权限的账号信息，进行数据格式转换、连接管理、业务流管理、外围调度及外围处理，把业务数据提交至应用服务系统处理；
库表交换任务：定义不同部门前置机库之间的交换任务，将源数据库表和目标数据库表的字段一一关联，并设置任务执行的间隔时间或定时时间，完成从源数据库表到目标数据库表的交换；
文件交换：通过配置发送节点及发送目录、接收节点及接收目录，并配以调度策略，发送节点自动定期检测发送目录，并将该目录中的文件和子目录以相同的目录结构发送到指定节点的指定目录下；
数据上报：提供批量导入方式及单条数据录入方式；其中，单条数据录入方式是指部门无法抽取现有数据或不具备数据采集对接能力时，利用已经设计好的制式表格进行数据填报，将面向部门业务进行业务表定制以获取全部业务数据，填报后的数据将直接进入数据中心进行存储；批量导入方式是指部门按照模板梳理本部门数据，通过系统进行数据导入；
数据ETL：按照预先定义好的数据仓库模型，将对接到的数据进行缺失值清洗、格式内容清洗、逻辑错误清洗、非需求清洗及数据格式校验和关联性校验，确保无法辨认的数据不会进入数据仓库；再完成不一致的数据转换、数据粒度的转换和商务规则的计算，形成有效聚合数据；最后LOAD加载经转换和汇总的数据到目标数据仓库。
3.根据权利要求2所述的基于大数据的决策分析方法，其特征在于，文件交换过程中支持任意文件类型的传输，文件类型包括视频文件、图像文件、二进制文件、文本文件及数据库文件。
4.根据权利要求3所述的基于大数据的决策分析方法，其特征在于，决策数据管理具体如下：
企业数据梳理：依据业务需要从数据分析的角度对数据中心的数据、企业数据、互联网数据和系统其他功能产生的数据进行梳理；同时，分析并定义每个数据实体属性，数据实体属性包括数据项的名称、编码、类型、长度、业务含义、数据来源、质量规则、安全级别、域值范围及管理部门；再对业务视角的梳理出的目录中数据项与技术视角的盘点出的系统信息项进行关联，建立起两者的映射关系，形成完整的数据资源目录；
企业数据分类：通过数据项属性体系及国家数据分类指标，按行业、产业、规模及区域的不同角度，对企业的数据进行分类，为建立区域企业的服务分析及预警提供准确、有效的数据；
按照业务所属行业领域，将数据分为工业数据、电信数据、金融数据、能源数据、交通运输数据、自然资源数据、卫生健康数据、教育数据及科学数据的行业领域数据；
根据本行业本领域业务属性，对行业领域数据进行细化分类，行业领域数据包括业务领域、责任部门、描述对象、上下游环节、数据主题、数据用途、数据处理及数据来源；
根据科技型企业的分类，将企业分为科技型中小企业、民营科技企业、瞪羚企业、专精特新企业、企业技术中心、科技小巨人企业、雏鹰企业、众创空间、专精特新小巨人企业、科技企业孵化器、技术创新示范企业、隐形冠军企业、技术先进型服务企业、牛羚企业、独角兽企业及创新型企业；
数据挖掘分析：通过行为事件分析、漏斗分析、留存分析、分布分析、点击分析、用户行为分析、分群分析及属性分析的大数据模型分析，对企业数据进行行业分析、对标分析、发展分析、企业图谱、舆情监测及风险分析的基础统计分析与预测分析，并对大数据模型进行训练，找到最合适的变量要素，在对大数据模型正确率、查全率、查准率、ROC曲线和AUC值评估完成的基础上，挖掘分析企业运营状况、企业运营风险状况及经济发展状况，掌握经济进行经营动态，进而预测未来企业可能发生的行为、经济的发展状况，形成智能分析报告，辅助相关管理人员制定科学的战略决策。
5.根据权利要求4所述的基于大数据的决策分析方法，其特征在于，数据指标体系建设中的指标设计具体如下：
定义指标维度：指标维度包括企业、期间、行业、地区、板块、营业额、收入及资产；
定义指标量度：数据量度包括指标值、标准值、预算值、同比、环比、上限、下限及预算滚动数；其中，指标值、标准值、同比、环比、预算值、上限及下限作为系统预制量度；
定义指标内容：设定各指标属性，设置指标计算公式及标准值公式；对于多维指标，设定各指标属性后，设置维度、取数及量度对应；
定义基础指标体系：指标体系由管理人员自己创建；指标体系编号分企业保存，系统公用和预置的指标体系由系统管理员岗位创建和维护；
设置指标取数：为各单位定义个性指标取数公式和标准值公式；基于取数设置适用企业范围和期间范围个性化的需求，分企业和期间定义不同取数设置的功能，一个企业设定多套设置以实现不同企业和不同期间范围的取数；
指标计算任务管理：按指标体系、指标量度、指标单位及指标时间多个角度定义指标自动计算任务或手工计算的入口；
指标数据维护：对基础指标计算结果进行查阅、调整和封存启封。
6.根据权利要求5所述的基于大数据的决策分析方法，其特征在于，自助式决策分析是利用分析工具，完成分析页面制作，具体如下：
配置数据源：对接丰富多样的数据源；
根据业务需要，从数据源中抽取所需的目标数据，并配置分析的维度、指标及查询条件即可完成，可拖拽完成；
从数据集中拖拉拽数据项即可制作可视化的图表，对多个维度组合或对维度进行主从组合；其中，图表类型支持表格、柱形图、饼图、折线图、雷达图、散点图、矩形树图及地图；
对图表进行自由组合、大小和位置的自动调整，快速完成页面整体布局，即可完成看板页面的制作，直观呈现各类主题分析内容。
7.一种基于大数据的决策分析系统，其特征在于，该系统包括，
企业数据采集单元，用于对接区域各部门系统、惠企服务及金融服务平台，进行接口对接开发，开展工作数据汇聚工作，形成区域企业数据中心；
决策数据管理单元，用于梳理企业数据、中心数据、互联网数据及系统其他功能产生的数据，按行业、产业、规模及区域不同角度进行分类，以规则或模型的形式对数据清理、集成、筛选、转换及模型化的处理过程表现出来，辅助管理人员进行数据挖掘，并建立分析模型，实现基础统计分析和预测分析，掌握经济经营动态；
数据指标体系建设单元，用于针对数据指标进行统一设计，建立区域各部门的分析指标体系；根据不同部门的管理要求及管理特点，实现对多类数据指标的汇集分析，形成各类分析主题及具体指标，再将根据分析指标建立各类分析模型，实现对具体指标的分析展示；
自助式决策分析单元，用于为各部门人员提供一个能够自主进行数据分析的功能，随时提供管理决策所需的各类分析指标，保证及时应对多变的市场环境；同时提供灵活的数据建模功能，自助、快速完成分析需求。
8.根据权利要求7所述的基于大数据的决策分析系统，其特征在于，所述企业数据采集单元包括，
前置机管理模块，用于注册前置机的属性、前置机库的组成及具有权限的账号信息，进行数据格式转换、连接管理、业务流管理、外围调度及外围处理，把业务数据提交至应用服务系统处理；
库表交换任务模块，用于定义不同部门前置机库之间的交换任务，将源数据库表和目标数据库表的字段一一关联，并设置任务执行的间隔时间或定时时间，完成从源数据库表到目标数据库表的交换；
文件交换模块，用于通过配置发送节点及发送目录、接收节点及接收目录，并配以调度策略，发送节点自动定期检测发送目录，并将该目录中的文件和子目录以相同的目录结构发送到指定节点的指定目录下；
数据上报模块，用于提供批量导入方式及单条数据录入方式；其中，单条数据录入方式是指部门无法抽取现有数据或不具备数据采集对接能力时，利用已经设计好的制式表格进行数据填报，将面向部门业务进行业务表定制以获取全部业务数据，填报后的数据将直接进入数据中心进行存储；批量导入方式是指部门按照模板梳理本部门数据，通过系统进行数据导入；
数据ETL模块，用于按照预先定义好的数据仓库模型，将对接到的数据进行缺失值清洗、格式内容清洗、逻辑错误清洗、非需求清洗及数据格式校验和关联性校验，确保无法辨认的数据不会进入数据仓库；再完成不一致的数据转换、数据粒度的转换和商务规则的计算，形成有效聚合数据；最后LOAD加载经转换和汇总的数据到目标数据仓库。
9.根据权利要求7或8所述的基于大数据的决策分析系统，其特征在于，所述决策数据管理单元包括，
企业数据梳理模块，用于依据业务需要从数据分析的角度对数据中心的数据、企业数据、互联网数据和系统其他功能产生的数据进行梳理；同时，分析并定义每个数据实体属性，数据实体属性包括数据项的名称、编码、类型、长度、业务含义、数据来源、质量规则、安全级别、域值范围及管理部门；再对业务视角的梳理出的目录中数据项与技术视角的盘点出的系统信息项进行关联，建立起两者的映射关系，形成完整的数据资源目录；
企业数据分类模块，用于通过数据项属性体系及国家数据分类指标，按行业、产业、规模及区域的不同角度，对企业的数据进行分类，为建立区域企业的服务分析及预警提供准确、有效的数据；
按照业务所属行业领域，将数据分为工业数据、电信数据、金融数据、能源数据、交通运输数据、自然资源数据、卫生健康数据、教育数据及科学数据的行业领域数据；
根据本行业本领域业务属性，对行业领域数据进行细化分类，行业领域数据包括业务领域、责任部门、描述对象、上下游环节、数据主题、数据用途、数据处理及数据来源；
根据科技型企业的分类，将企业分为科技型中小企业、民营科技企业、瞪羚企业、专精特新企业、企业技术中心、科技小巨人企业、雏鹰企业、众创空间、专精特新小巨人企业、科技企业孵化器、技术创新示范企业、隐形冠军企业、技术先进型服务企业、牛羚企业、独角兽企业及创新型企业；
数据挖掘分析模块，用于通过行为事件分析、漏斗分析、留存分析、分布分析、点击分析、用户行为分析、分群分析及属性分析的大数据模型分析，对企业数据进行行业分析、对标分析、发展分析、企业图谱、舆情监测及风险分析的基础统计分析与预测分析，并对大数据模型进行训练，找到最合适的变量要素，在对大数据模型正确率、查全率、查准率、ROC曲线和AUC值评估完成的基础上，挖掘分析企业运营状况、企业运营风险状况及经济发展状况，掌握经济进行经营动态，进而预测未来企业可能发生的行为、经济的发展状况，形成智能分析报告，辅助相关管理人员制定科学的战略决策。
10.根据权利要求9所述的基于大数据的决策分析系统，其特征在于，所述数据指标体系建设单元包括，
指标维度定义模块，用于定义指标维度，指标维度包括企业、期间、行业、地区、板块、营业额、收入及资产；
指标量度定义模块，用于定义指标量度，数据量度包括指标值、标准值、预算值、同比、环比、上限、下限及预算滚动数；其中，指标值、标准值、同比、环比、预算值、上限及下限作为系统预制量度；
指标内容定义模块，用于设定各指标属性，设置指标计算公式及标准值公式；对于多维指标，设定各指标属性后，设置维度、取数及量度对应；
基础指标体系定义模块，用于定义基础指标体系，指标体系由管理人员自己创建；指标体系编号分企业保存，系统公用和预置的指标体系由系统管理员岗位创建和维护；
指标取数设置模块，用于为各单位定义个性指标取数公式和标准值公式；基于取数设置适用企业范围和期间范围个性化的需求，分企业和期间定义不同取数设置的功能，一个企业设定多套设置以实现不同企业和不同期间范围的取数；
指标计算任务管理模块，用于按指标体系、指标量度、指标单位及指标时间多个角度定义指标自动计算任务或手工计算的入口；
指标数据维护模块，用于对基础指标计算结果进行查阅、调整和封存启封；
所述自助式决策分析单元利用分析工具，完成分析页面制作，具体步骤如下：
(1)、配置数据源：对接丰富多样的数据源；
(2)、根据业务需要，从数据源中抽取所需的目标数据，并配置分析的维度、指标及查询条件即可完成，可拖拽完成；
(3)、从数据集中拖拉拽数据项即可制作可视化的图表，对多个维度组合或对维度进行主从组合；其中，图表类型支持表格、柱形图、饼图、折线图、雷达图、散点图、矩形树图及地图；
(4)、对图表进行自由组合、大小和位置的自动调整，快速完成页面整体布局，即可完成看板页面的制作，直观呈现各类主题分析内容。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310219566.2A CN116383198A (zh) | 2023-03-03 | 2023-03-03 | 基于大数据的决策分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310219566.2A CN116383198A (zh) | 2023-03-03 | 2023-03-03 | 基于大数据的决策分析方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116383198A true CN116383198A (zh) | 2023-07-04 |
Family
ID=86970294
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310219566.2A Pending CN116383198A (zh) | 2023-03-03 | 2023-03-03 | 基于大数据的决策分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116383198A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116720752A (zh) * | 2023-08-07 | 2023-09-08 | 济宁金虹装配式建筑科技有限公司 | 基于大数据的装配式建筑质量信息监管系统 |
| CN116975043A (zh) * | 2023-09-21 | 2023-10-31 | 国网信息通信产业集团有限公司 | 一种基于流式框架的数据实时传输构建方法 |
| CN117151345A (zh) * | 2023-10-30 | 2023-12-01 | 智唐科技(北京)股份有限公司 | 一种基于ai技术的企业管理智能决策平台 |
| CN117670148A (zh) * | 2024-02-01 | 2024-03-08 | 煤炭科学研究总院有限公司 | 煤炭行业业务指标体系管理系统 |
-
2023
- 2023-03-03 CN CN202310219566.2A patent/CN116383198A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116720752A (zh) * | 2023-08-07 | 2023-09-08 | 济宁金虹装配式建筑科技有限公司 | 基于大数据的装配式建筑质量信息监管系统 |
| CN116975043A (zh) * | 2023-09-21 | 2023-10-31 | 国网信息通信产业集团有限公司 | 一种基于流式框架的数据实时传输构建方法 |
| CN116975043B (zh) * | 2023-09-21 | 2023-12-08 | 国网信息通信产业集团有限公司 | 一种基于流式框架的数据实时传输构建方法 |
| CN117151345A (zh) * | 2023-10-30 | 2023-12-01 | 智唐科技(北京)股份有限公司 | 一种基于ai技术的企业管理智能决策平台 |
| CN117670148A (zh) * | 2024-02-01 | 2024-03-08 | 煤炭科学研究总院有限公司 | 煤炭行业业务指标体系管理系统 |
| CN117670148B (zh) * | 2024-02-01 | 2024-05-14 | 煤炭科学研究总院有限公司 | 煤炭行业业务指标体系管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116383198A (zh) | 基于大数据的决策分析方法及系统 | |
| US20170140320A1 (en) | System and methods for analyzing business data | |
| CN105868373B (zh) | 电力业务信息系统关键数据处理方法及装置 | |
| CN102117323A (zh) | 一种推荐求职简历的处理方法和系统 | |
| CN110851667A (zh) | 一种多源头大量数据的整合分析方法及工具 | |
| CN111160789A (zh) | 智能化全员安全生产责任制管理系统 | |
| Dong et al. | Micro-blog social moods and Chinese stock market: The influence of emotional valence and arousal on Shanghai Composite Index volume | |
| CN115423289A (zh) | 智能板材加工车间数据处理方法及终端 | |
| CN116384889A (zh) | 基于自然语言处理技术的情报大数据智能分析方法 | |
| CN114092024A (zh) | 投资项目全流程管理方法及系统 | |
| Georgieva et al. | Data Cleaning Techniques in Detecting Tendencies in Software Engineering | |
| Escobedo et al. | Business intelligence and data analytics (BI&DA) to support the operation of smart grid | |
| CN116090702A (zh) | 一种基于物联网的erp数据智能监管系统及方法 | |
| CN112633621B (zh) | 一种基于paas平台的电网企业管理决策系统和方法 | |
| CN115293682A (zh) | 异常物流订单监控方法及相关装置 | |
| Shayakhmetova et al. | Descriptive big data analytics in the field of education | |
| Cabanban-Casem | Analytical visualization of higher education institutions' big data for decision making | |
| CN113590684A (zh) | 一种非税收缴大数据分析系统 | |
| CN112380264A (zh) | 一种基于个人全生命周期的政策解析和匹配的方法及装置 | |
| CN111143328A (zh) | 一种敏捷商业智能数据构建方法、系统、设备、存储介质 | |
| Elekwachi | Business intelligence system strategies and organizational success in public hospitals in Rivers State, Nigeria | |
| CN115618842B (zh) | 一体化智慧校园数据中台系统 | |
| Sun et al. | The Knowledge Service Model of Technology‐Based SMEs from the Perspective of Value Cocreation | |
| CN113868322B (zh) | 一种语义结构解析方法、装置、设备及虚拟化系统、介质 | |
| US20220270024A1 (en) | Method and system to predict stakeholder project impact |
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 |