CN116414906B - 一种数据处理及可视化的方法、装置、介质和设备 - Google Patents
一种数据处理及可视化的方法、装置、介质和设备 Download PDFInfo
- Publication number
- CN116414906B CN116414906B CN202211597220.8A CN202211597220A CN116414906B CN 116414906 B CN116414906 B CN 116414906B CN 202211597220 A CN202211597220 A CN 202211597220A CN 116414906 B CN116414906 B CN 116414906B
- Authority
- CN
- China
- Prior art keywords
- data
- value
- target
- determining
- target 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 118
- 238000012545 processing Methods 0.000 title claims abstract description 54
- 238000012800 visualization Methods 0.000 title claims abstract description 49
- 230000008569 process Effects 0.000 claims abstract description 25
- 238000013499 data model Methods 0.000 claims description 43
- 238000004422 calculation algorithm Methods 0.000 claims description 37
- 238000009877 rendering Methods 0.000 claims description 32
- 230000000007 visual effect Effects 0.000 claims description 25
- 238000012937 correction Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 15
- 239000003086 colorant Substances 0.000 claims description 12
- 230000008878 coupling Effects 0.000 claims description 9
- 238000010168 coupling process Methods 0.000 claims description 9
- 238000005859 coupling reaction Methods 0.000 claims description 9
- 230000002452 interceptive effect Effects 0.000 claims description 9
- 238000005096 rolling process Methods 0.000 claims description 8
- 230000032683 aging Effects 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims 2
- 238000011156 evaluation Methods 0.000 abstract description 14
- 238000013079 data visualisation Methods 0.000 abstract description 8
- 238000004364 calculation method Methods 0.000 description 44
- 238000010586 diagram Methods 0.000 description 21
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 20
- 230000006870 function Effects 0.000 description 14
- 230000018109 developmental process Effects 0.000 description 12
- 238000011161 development Methods 0.000 description 11
- ZZZCUOFIHGPKAK-UHFFFAOYSA-N D-erythro-ascorbic acid Natural products OCC1OC(=O)C(O)=C1O ZZZCUOFIHGPKAK-UHFFFAOYSA-N 0.000 description 10
- 229930003268 Vitamin C Natural products 0.000 description 10
- 235000019154 vitamin C Nutrition 0.000 description 10
- 239000011718 vitamin C Substances 0.000 description 10
- 239000002131 composite material Substances 0.000 description 8
- 238000013461 design Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 229920006248 expandable polystyrene Polymers 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000007794 visualization technique Methods 0.000 description 2
- 241000590419 Polygonia interrogationis Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000003102 growth factor Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- 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
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- 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
- G06F16/287—Visualization; Browsing
-
- 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
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
Abstract
本说明书公开了一种数据处理及可视化的方法、装置、介质和设备,涉及计算机技术领域。该方法包括:选择数据平台获取目标企业的源数据;整理源数据并加载到数据系统作为源数据库表;执行一次数据运算将源数据加工成目标数据;执行二次数据运算将目标数据加工成增值数据;执行三次数据运算将相关数据加工成图形数据;执行数据可视化将图形数据绘制和展示成可视化图。本发明的方法至少可以部分地解决不能及时完整地获取源数据和源数据不经处理无法有效使用的问题,提高了数据处理效率,通过数据建模提高对目标企业评价的准确性,并且通过数据可视化使后台的数据与面板界面等前端展示进行了自动耦合,提升了数据展现有效性,也提升了数据系统可用性。
Description
技术领域
本说明书涉及计算机技术领域,尤其涉及一种数据处理及可视化的方法、装置、介质和设备。
背景技术
随着新一代信息技术的发展,产生了越来越多的数据信息资源,为各行业企业发展提供了更好的支持。在现代企业管理研究领域,普遍选择上市企业作为研究对象,把目标企业的经营情况和市场表现作为企业管理的对标基准并以此制定相关的规划和计划。
目前,在针对相应经营数据及市场数据方面,现有技术主要是将选取的数据按各自用途进行处理并结合常用的数据可视化方法。
在实现本发明过程中,发现现有技术在对目标企业相关数据获取、整理、加工及可视化环节还存在诸多问题:源数据不能及时、完整的获取;相关指标数据存在严重的滞后性;部分发布的指标数据还存在差异;相关数据有部分需要动态的更新,也影响到数据处理的效率;相关企业能力评价缺乏更有效的计算方法,评价的准确性不高;研究的目标企业经营状况和市场表现缺乏直观明确的数据展现方法。
因此,如何提升源数据获取的及时性和完整性,提高数据处理的效率,提高对目标企业评价的准确性,提升数据展现有效性以及提升数据系统可用性则,是一系列亟待解决的问题。
发明内容
本说明书提供一种数据处理及可视化的方法、装置、介质和设备,以至少部分地解决提升源数据获取的及时性和完整性,提高数据处理的效率,提高对目标企业评价的准确性,提升数据展现有效性以及提升数据系统可用性的技术问题。
为解决所述问题,本说明书采用下述技术方案:
从数据平台获取目标企业的源数据,并将所述源数据存储到预设的数据系统中,将存储到预设的数据系统中的源数据经整理后作为目标数据;
创建数据模型及算法,根据所述目标数据,预测所述目标企业的净利润增长率,并确定所述目标企业对应的扣除非经常性损益后的净利润,作为经常性利润,根据所述经常性利润,确定所述目标企业的能力指标,并根据所述能力指标和所述净利润增长率,确定所述目标企业的价值空间,以根据所述价值空间,确定所述目标企业的价值能力拟合范围和对应的价值评分,进而确定所述目标企业的综合能力的各维度评分;
结合所述目标数据、所述价值空间、所述价值能力、所述价值评分和所述综合能力,依据所述数据模型及算法中的后台数据关系,绘制和渲染出对应的可视化图。
可选地,从所述数据平台获取目标企业的源数据,具体包括:
所述目标数据平台包括多个互不相同的数据平台;
按照预设的多个时间点,从每个所述目标平台,获取每个时间点对应的所述目标企业的源数据;
确定最新时间点获取的源数据所缺失的数据,以从其他时间点获取的源数据中搜索所述缺失的数据,并填补到所述最新时间点获取的源数据中,将所述源数据存储到预设的数据系统中作为待处理的源数据;
之后将所述待处理的源数据经整理后作为目标数据。
可选地,按照预设的多个时间点,从每个所述目标平台,获取每个时间点对应的所述目标企业的源数据,具体包括:
按照预设的多个时间点,并根据计算机写入分段获取条件,从每个所述目标平台,获取每个时间点对应的所述目标企业的源数据。
可选地,创建数据模型及算法,根据所述价值空间,确定所述目标企业的价值能力拟合范围和对应的价值评分,进而确定所述目标企业的综合能力的各维度评分,具体包括:
根据所述目标数据,确定所述目标企业对应的价值能力指标、成长能力指标、营收增长指标、利润增长指标;
其中,所述价值能力指标包括所述目标企业的价值能力拟合范围和对应的价值评分;
根据所述价值能力指标、成长能力指标、营收增长指标和利润增长指标四个基本维度,通过区段评分以及对比维度,确定用于表征所述目标企业的综合能力的所述价值评分。
可选地,根据所述价值空间,确定所述目标企业的价值能力拟合范围和对应的价值评分,具体包括:
根据所述价值空间上下限,确定价值能力拟合范围,将所述价值空间上下限的价值评分,通过对比取评分较小的值,确定所述价值能力对应的价值评分。可选地,确定所述目标企业的价值空间,具体包括:
根据所述目标数据,预测所述目标企业的净利润增长率,所述净利润增长率包括:第一净利润增长率、第二净利润增长率和第三净利润增长率,其中,所述第一净利润增长率为未来第一年的净利润增长率,所述第二净利润增长率为未来第二年的净利润增长率,所述第三净利润增长率为未来两年的平均净利润增长率;
根据所述经常性利润,确定所述目标企业的能力指标,所述能力指标包括:
第一能力指标、第二能力指标、第三能力指标和第四能力指标,其中,所述第一能力指标为所述目标企业的市值与当季的季度报表中涉及的年化后的经常
性利润的比值,所述第二能力指标为所述市值与当年的年度报表中涉及的经常性利润的比值,所述第三能力指标为所述市值与所述目标企业未来一年的经常
性利润的比值,所述第四能力指标为所述市值与预测的下一季度报表中涉及的年化后的经常性利润的比值;
根据所述能力指标和所述净利润增长率,确定所述目标企业的价值空间,包括:
根据所述第一净利润增长率、所述第三净利润增长率和所述第一能力指标,确定第一组价值指标;
根据所述第一净利润增长率、所述第三净利润增长率和所述第二能力指标,确定第二组价值指标;
根据所述第二净利润增长率、所述第三净利润增长率和所述第三能力指标,确定第三组价值指标;
根据所述第一净利润增长率、所述第三净利润增长率和所述第四能力指标,
确定第四组价值指标;
根据所述第一组价值指标、所述第二组价值指标和所述第三组价值指标,确定所述价值空间的上限;
根据所述第一组价值指标、所述第二组价值指标、所述第三组价值指标和所述第四组价值指标,确定所述价值空间的下限。
可选地,确定所述目标企业的价值空间,所述方法还包括:
根据所述净利润增长率和所述目标企业的扣除非经常性损益后的动态市盈率,确定增长市盈倍数,作为GPET指标,其中,所述GPET指标为单段的
价值指标和/或分段复合的集成价值指标,当所述GPET指标为所述集成价值指标时,根据对比分段和/或复合的净利润增长率与移动的扣除非经常性损益后的动态市盈率,结合交互比较取值的方法,确定所述GPET指标;
根据所述GPET指标,确定价值空间。
可选地,在确定所述目标企业的价值空间之后,所述方法还包括:
从所述数据平台,获取所述目标企业的商誉占资产比例对应的商誉数据;根据所述商誉数据,修正所述价值空间。
可选地,确定所述目标企业的综合能力的各维度评分,所述方法还包括:
根据所述目标数据中包含的预测每股收益增长率,确定所述目标企业的成长率预测指标,并在所述目标数据更新后重新确定所述成长率预测指标,以根据所述成长率预测指标变化趋势,确定所述目标企业的成长性的变化趋势,确定所述目标企业的综合能力中的成长能力维度评分。
可选地,在确定所述目标企业的综合能力的各维度评分之后,所述方法还包括:
按照预设的时间间隔,重新获取所述目标企业的源数据;
响应于针对所述目标数据的刷新操作,利用最新获取的目标数据,确实更新后的目标数据中包含的所述目标企业的营业收入、净利润和每股收益的逐年预测数据,与更新前的目标数据中包含的所述目标企业的营业收入、净利润和每股收益的逐年预测数据的变化幅度,以根据所述变化幅度确定修正幅度。
可选地,在确定所述目标企业的综合能力的各维度评分之后,所述方法还包括:
根据所述目标数据,确定所述目标企业的目标价综合值,并根据所述目标价综合值以及当前价,确定所述目标企业的目标空间,通过定期更新目标价综合值数据保持修正覆盖。
可选地,结合所述目标数据、所述价值空间、所述价值能力、所述价值评分和所述综合能力,依据所述数据模型及算法中的后台数据关系,绘制和渲染出对应的可视化图,具体包括:
选择图形数据,使用可视化工具软件结合自主编制的完成自动化任务的程序,实现后台数据与面板界面前端展示的耦合;
依据所述数据模型及算法中的后台数据关系,绘制和渲染出对应的可视化图;
所述可视化图包括:行业地图、概念地图、综合能力图、价值能力图、成长能力图、营收增长图、利润增长图、企业N维图及面板界面。
可选地,绘制和渲染出对应的可视化图,所述方法还包括:
根据各行业地图和各概念地图的从属关系和关联关系,确定各行业地图和各概念地图的渲染颜色,以通过所述渲染颜色表示各行业地图和各概率地图的所属类别和层级关系的方法;
其中,根据所述目标企业所属的行业划分各行业地图,并按照各行业地图的所述从属关系,将各行业地图分为至少三级,根据目标企业所属的概念划分各概念地图,并按照各概念地图的关联关系和/或从属关系,将各概念地图分为至少三级。
本说明书提供了一种数据处理及可视化的装置,其特征在于,包括:
获取模块,用于从目标数据平台获取目标企业的源数据,并将所述源数据存储到预设的源数据系统中,将存储到预设的数据系统中的源数据经整理后作为目标数据;
确定模块,用于创建数据模型及算法,根据所述目标数据,预测所述目标企业的净利润增长率,并确定所述目标企业对应的扣除非经常性损益后的净利润,作为经常性利润,根据所述经常性利润,确定所述目标企业的能力指标,并根据所述能力指标和所述净利润增长率,确定所述目标企业的价值空间,以根据所述价值空间,确定所述目标企业的价值能力拟合范围和对应的价值评分,进而确定所述目标企业的综合能力的各维度评分;
可视化模块,用于结合所述目标数据、所述价值空间、所述价值能力、所述价值评分和所述综合能力,依据所述数据模型及算法中的后台数据关系,绘制和渲染出对应的可视化图。
本说明书提供了一种数据处理及可视化的介质,其特征在于,一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法。
本说明书提供了一种数据处理及可视化的设备,其特征在于,一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述任一项所述的方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书提供的数据处理及可视化的方法,首先从数据平台获取目标企业的源数据,并将所述源数据存储到预设的数据系统中,将存储到预设的数据系统中的源数据经整理后作为目标数据;之后创建数据模型及算法,根据所述目标数据,预测所述目标企业的净利润增长率,并确定所述目标企业对应的扣除非经常性损益后的净利润,作为经常性利润,根据所述经常性利润,确定所述目标企业的能力指标,并根据所述能力指标和所述净利润增长率,确定所述目标企业的价值空间,以根据所述价值空间,确定所述目标企业的价值能力拟合范围和对应的价值评分,进而确定所述目标企业的综合能力的各维度评分;之后结合所述目标数据、所述价值空间、所述价值能力、所述价值评分和所述综合能力,依据所述数据模型及算法中的后台数据关系,绘制和渲染出对应的可视化图。
从上述方法中可以看出,可以选择不同数据平台,并通过不同时间点的数据获取和数据分段获取来确保及时、完整地获取源数据;可以将获取的源数据按照数据属性和数据脚本进行整理来确保源数据可用;创建集成多维度的数据模型及算法,建立新的计算指标加强了数据模型定义的严密性,特别是采用预测净利润增长率与扣除非经常性损益的动态市盈率进行对比计算,扣除非经常性损益减少了企业正常经营以外因素对评价的影响,结合移动的计算基准分段计算及采用交互比较的取值方法减少了计算偏差,增加的预告数据计算提高了及时性,价值修正系数计算减少了风险性,使得本发明的数据模型和算法系统性地提高了企业综合能力评价的准确性;可以使用可视化工具软件结合自主编制的完成自动化任务的程序,实现后台数据与面板界面前端展示的耦合,提升了数据展现有效性,也提升了数据系统可用性。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书提供的一种数据处理及可视化的方法的流程示意图;
图2为本说明书中提供的一种数据处理及可视化的方法的实施例的示意图;
图3为本说明书中提供的一种数据模型及算法的实施例的示意图;
图4为本说明书提供的一种行业地图分级及可视化流程示意图;
图5为本说明书提供的一种概念地图分级及可视化流程示意图;
图6为本说明书提供的一种综合能力图的实施例;
图7为本说明书提供的一种价值能力图的实施例;
图8为本说明书提供的一种成长能力图实施例;
图9为本说明书提供的一种营收增长图实施例;
图10为本说明书提供的一种利润增长图实施例;
图11为本说明书提供的一种企业N维图实施例;
图12为本说明书提供的一种面板界面图实施例;
图13为本说明书提供的一种数据处理及可视化的装置的示意图;
图14为本说明书提供的一种软件介质实现的流程示意图;
图15为本说明书提供的一种对应于图1的电子设备的示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书保护的范围。
从上述说明中可以看出,本说明书提供的一种数据处理及可视化的方法的核心创新点有:针对相关数据属性和滚动刷新时间采用了分段方法获取源数据;创建集成多维度的数据模型及算法,建立新的计算指标加强数据模型定义的严密性,特别是采用预测净利润增长率与扣除非经常性损益的动态市盈率进行对比计算,结合移动的计算基准分段计算,采用交互比较的取值,以及增加预告数据计算和价值修正系数计算;使用可视化工具软件结合自主编制的完成自动化任务的程序,实现后台数据与面板界面前端展示的耦合,依据数据模型及算法中的后台数据关系绘制和展示可视化图。因此,在本说明书中,具体实施数据处理的方法的执行主体可以是操作者所使用的台式电脑、笔记本电、手机等终端设备,下面为便于描述,仅以终端设备为本说明书提供的一种数据处理的方法的执行主体。
目前,现有技术在对目标企业相关数据获取、整理、加工及可视化环节还存在诸多问题:源数据不能及时、完整的获取;相关指标数据存在严重的滞后性;部分发布的指标数据还存在差异;相关数据有部分需要动态的更新,也影响到数据处理的效率;相关企业能力评价缺乏更有效的计算方法,评价的准确性不高;研究的目标企业经营状况和市场表现缺乏直观明确的数据展现方法。基于此,本说明书提供了一种数据处理及可视化的方法,以至少部分解决上述问题。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书中提供的一种数据处理及可视化的方法的流程示意图,包括以下步骤:
S101:从目标数据平台获取目标企业的源数据,并将所述源数据存储到预设的源数据系统中,将存储到预设的数据系统中的源数据经整理后作为目标数据。
具体的,终端设备可以从多个互不相同的数据平台,按照预设的多个时间点,从每个所述目标平台,获取每个时间点对应的所述目标企业的源数据;确定最新时间点获取的源数据所缺失的数据,以从其他时间点获取的源数据中搜索所述缺失的数据,并填补到所述最新时间点获取的源数据中,将所述源数据存储到预设的数据系统中作为待处理的源数据;
之后将所述待处理的源数据经整理后作为目标数据。
终端设备可以按照预设的多个时间点,并根据计算机写入分段获取条件,从每个所述目标平台,获取每个时间点对应的所述目标企业的源数据。
需要说明的是,在实际应用中,待处理数据可以分为关联数据和非关联数据,其中,关联数据需要在其他数据确定后才能获取,例如,制衣厂A在今日未获取到今日制衣材料支出费用,则无法确定今日净利润这一数据。
因此,针对关联数据,若是整体获取待处理数据中的关联数据,则可能因为一些关联数据的缺失,导致其他关联数据的缺失,造成获取的数据较少的情况。因此,在本说明书中,终端设备可以获取目标企业的报表的格式,以根据报表的格式,确定出报表中属于关联数据的各数据,分别抓取各该关联数据,以获取到各项目标数据。在实际应用中,终端设备可以按照计算机写入条件,从所述目标数据平台获取源数据以实现分别获取各关联数据。
S102:创建数据模型及算法,根据所述目标数据,预测所述目标企业的净利润增长率,并确定所述目标企业对应的扣除非经常性损益后的净利润,作为经常性利润,根据所述经常性利润,确定所述目标企业的能力指标,并根据所述能力指标和所述净利润增长率,确定所述目标企业的价值空间,以根据所述价值空间,确定所述目标企业的价值能力拟合范围和对应的价值评分,进而确定所述目标企业的综合能力的各维度评分。
终端设备在获取到目标数据后,可以根据目标数据预测目标企业的净利润增长率,具体的,终端设备可以使用预先训练好的净利润增长率预测模型,预测目标企业的净利润增长率,也可以直接使用目标数据中包含的目标企业自身预测的净利润增长率。
在实际应用中,可能存在一些非周期性的额外收益,导致目标数据中的净利润的数据不够准确,例如,制衣厂A在本季度出售一座厂房,收益算入本季度的净利润中,极大增加了制衣厂A本季度的净利润。而这种净利润的增加不能表征制衣厂A的经营管理能力,因此,为了提高评价目标企业经营能力的准确性,在本说明书中,会根据目标数据,确定目标企业对应的扣除非经常性损益后的净利润,作为经常性利润。
在本说明书中,为了更准确的表征目标企业的经营管理能力,可以将目标企业的市值与经常性利润比值,作为该目标企业的能力指标,以根据目标企业的能力指标确定后续的价值空间。
终端设备在获取到目标企业的净利润增长率和经常性利润后,可以确定出目标企业的价值空间,其中,价值空间是表征目标企业的经营管理能力的指标。
具体的,终端设备可以根据所述目标数据,预测所述目标企业的净利润增长率,所述净利润增长率包括:第一净利润增长率、第二净利润增长率和第三净利润增长率,其中,所述第一净利润增长率为未来第一年的净利润增长率,所述第二净利润增长率为未来第二年的净利润增长率,所述第三净利润增长率为未来两年的平均净利润增长率;根据所述经常性利润,确定所述目标企业的能力指标,所述能力指标包括:第一能力指标、第二能力指标、第三能力指标和第四能力指标,其中,所述第一能力指标为所述目标企业的市值与当季的季度报表中涉及的年化后的经常性利润的比值,所述第二能力指标为所述市值与当年的年度报表中涉及的经常性利润的比值,所述第三能力指标为所述市值与所述目标企业未来一年的经常性利润的比值,所述第四能力指标为所述市值与预测的下一季度报表中涉及的年化后的经常性利润的比值;
之后,终端设备可以根据所述能力指标和所述净利润增长率,确定所述目标企业的价值空间,包括:根据所述第一净利润增长率、所述第三净利润增长率和所述第一能力指标,确定第一组价值指标;根据所述第一净利润增长率、所述第三净利润增长率和所述第二能力指标,确定第二组价值指标;根据所述第二净利润增长率、所述第三净利润增长率和所述第三能力指标,确定第三组价值指标;根据所述第一净利润增长率、所述第三净利润增长率和所述第四能力指标,确定第四组价值指标;根据所述第一组价值指标、所述第二组价值指标和所述第三组价值指标,确定所述价值空间的上限;根据所述第一组价值指标、所述第二组价值指标、所述第三组价值指标和所述第四组价值指标,确定所述价值空间的下限。
终端设备确定所述目标企业的价值空间,还可以根据所述净利润增长率和所述目标企业的扣除非经常性损益后的动态市盈率,确定增长市盈倍数,作为GPET指标,其中,所述GPET指标为单段的价值指标和/或分段复合的集成价值指标,当所述GPET指标为所述集成价值指标时,根据对比分段和/或复合的净利润增长率与移动的扣除非经常性损益后的动态市盈率,结合交互比较取值的方法,确定所述GPET指标;根据所述GPET指标,确定价值空间。
另外地,终端设备在确定所述目标企业的价值空间之后,可以从从所述目标平台,获取所述目标企业的商誉占资产比例对应的商誉数据;根据所述商誉数据,修正所述价值空间。
终端设备可以根据所述价值空间上下限,确定价值能力拟合范围,将所述价值空间上下限的价值评分,通过对比取评分较小的值,确定所述价值能力对应的价值评分。需要说明的是,受当前市场环境的影响,目标企业往往无法达到价值空间的上限,同时为了保守估计,往往将价值空间的下限,作为价值空间对应的价值评分。
终端设备可以根据根据所述目标数据,确定所述目标企业对应的价值能力指标、成长能力指标、营收增长指标、利润增长指标;
其中,所述价值能力指标包括所述目标企业的价值能力拟合范围和对应的价值评分;
终端设备可以根据所述价值能力指标、成长能力指标、营收增长指标和利润增长指标四个基本维度,通过区段评分以及对比维度,确定用于表征所述目标企业的综合能力的所述价值评分。
终端设备确定所述目标企业的综合能力的各维度评分,也可以根据所述目标数据中包含的预测每股收益增长率,确定所述目标企业的成长率预测指标,并在所述目标数据更新后重新确定所述成长率预测指标,以根据所述成长率预测指标变化趋势,确定所述目标企业的成长性的变化趋势,确定所述目标企业的综合能力中的成长能力维度评分。
需要说明的是,为了保证数据的实效性,终端设备在确定所述目标企业的综合能力的各维度评分之后,也可以按照预设的时间间隔,重新获取所述目标企业的源数据;响应于针对所述目标数据的刷新操作,利用最新获取的目标数据,确实更新后的目标数据中包含的所述目标企业的营业收入、净利润和每股收益的逐年预测数据,与更新前的目标数据中包含的所述目标企业的营业收入、净利润和每股收益的逐年预测数据的变化幅度,以根据所述变换幅度确定修正幅度。
终端设备在确定所述目标企业的综合能力的各维度评分之后,也可以根据所述目标数据,确定所述目标企业的目标价综合值,并根据所述目标价综合值以及当前价,确定所述目标企业的目标空间,通过定期更新目标价综合值数据保持修正覆盖。
S103:结合所述目标数据、所述价值空间、所述价值能力、所述价值评分和所述综合能力,依据所述数据模型及算法中的后台数据关系,绘制和渲染出对应的可视化图。
终端设备可以选择图形数据,使用可视化工具软件结合自主编制的完成自动化任务的程序,实现后台数据与面板界面前端展示的耦合;依据所述数据模型及算法中的后台数据关系,绘制和渲染出对应的可视化图;所述可视化图包括:行业地图、概念地图、综合能力图、价值能力图、成长能力图、营收增长图、利润增长图、企业N维图及面板界面。
终端设备可以根据各行业地图和各概念地图的从属关系和关联关系,确定各行业地图和各概念地图的渲染颜色,以通过所述渲染颜色表示各行业地图和各概念地图的所属类别和层级关系的方法;其中,根据所述目标企业所属的行业划分各行业地图,并按照各行业地图的所述从属关系,将各行业地图分为至少三级,根据目标企业所属的概念划分各概念地图,并按照各概念地图的关联关系和/或从属关系,将各概念地图分为至少三级。
本说明书提供了一种数据处理及可视化的方法,包括:
选择数据平台获取目标企业的源数据;整理源数据并加载到数据系统作为源数据库表;执行一次数据运算将源数据加工成目标数据;执行二次数据运算将目标数据加工成增值数据;执行三次数据运算将相关数据加工成图形数据;执行数据可视化将图形数据绘制和展示成可视化图。
创建集成多维度的数据模型及算法,对目标企业实施集成性评价,其中,建立了新的指标,主要包括:
增长市盈倍数GPET,GPET是一个动态指标,既可以作为单段的价值指标,也可以作为分段复合的集成价值指标,通过净利润增长率与扣除非经常性损益后的动态市盈率来确定。
扣除非经常性损益后的动态市盈率PEAN,PEAN是一个动态指标,通过所述市值与所述年化的经常性利润来确定,也代表数据模型中确定价值空间时所述目标企业的能力指标。
综合能力,包括价值能力、成长能力、营收增长、利润增长四个基本维度和对比维度,并使用分区段对比的评分方法,设定在年度基础上检讨评分标准,具体通过专家研讨会形式进行,综合能力是在上述四个基本维度及对比维度方面目标企业能力的综合体现。
价值能力,根据价值空间计算结果的上限和下限对应的价值评分,取当中的分值较小的作为价值能力的价值评分,价值能力体现为目标企业实现价值浮动目标所能达到的价值拟合范围的能力。
价值空间,采用预测净利润增长率与扣除非经常性损益的动态市盈率进行对比计算;具体的,采用未来两个完整年度复合增长率和分段的增长率分别计算对应数值,再结合移动的计算基准包括当前季度、当前年度、预告季度以及未来年度进行分别计算,最后结合交互比较的方法取值,在取值过程优先取用计算值较低的数据作为约束条件;其中,针对已经出具业绩预告的企业预告数据也进行相关计算;并且,近似地把商誉占资产比例作为对企业价值实现的风险因素,进而将相关计算作为企业价值空间的修正系数,价值空间体现为目标企业价值可能实现的增长幅度。
目标空间,抓取目标数据中数据总表的目标价综合值,用于计算出一个现价相对于综合目标价更直观的目标空间,用计算结果的百分数代表。
成长能力,采用预测每股收益增长率得出成长率代表未来的成长能力,使用成长预测修正来动态跟踪目标企业成长性预判的调整趋势。
预测修正,周期性地获取目标企业营业收入、净利润、每股收益的逐年预测数据,逐项计算现值与前值对比得出修正幅度。
本说明书提供了一种数据处理及可视化的装置,其特征在于,包括:
获取模块,用于选择数据平台获取目标企业的源数据;
整理模块,用于整理源数据并加载到数据系统作为源数据库表;
加工模块一,用于执行一次数据运算将源数据加工成目标数据;
加工模块二,即所述确定模块,用于执行二次数据运算将目标数据加工成增值数据;
加工模块三,用于执行三次数据运算将相关数据加工成图形数据;
可视化模块,用于执行数据可视化将图形数据绘制和展示成可视化图。
本说明书提供了一种数据处理及可视化的介质,其特征在于,一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述数据处理及可视化的方法。
本说明书提供了一种数据处理及可视化的设备,其特征在于,一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述数据处理及可视化的方法。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图2为本说明书中提供的一种数据处理及可视化的方法的实施例的示意图包括:
S201:源数据获取。
可以选择数据平台获取目标企业的源数据。
终端设备可以选择不同数据平台定期对比以减少平台获取限制,使用计算机写入条件从选定的数据平台获取源数据,并通过不同时间点的数据获取来补全由于某个时间后台数据核算变动造成的获取缺失,针对相关数据属性和滚动刷新时间采用了分段方法将具体获取划分为1-N段。
在实际数据获取过程,数据平台对每次获取的数据量是有限制的,比如其中一个平台的设置为搜索条件80个、表头指标120列、问句字数500字,而本发明所需获取的数据量超过这些设置条件。数据平台对指标数据的刷新并不是都在同一时间点完成,这是和数据属性有关的,比如下午3点可以获取所有目标企业的营业收入数据,但却不能完整获取滚动净利润数据。为了解决这个问题,在本实施例中,将源数据分为8段抓取,在每天下午3点和次天早上8点分别抓取,以此来确保数据获取的及时性和完整性。
其中,目标企业的源数据可以为企业日报表,月度把表、季度报表,年度报表,以及各报表中涉及的各项数据。在本说明书中,终端设备还可以设置多个获取数据的时间点,以获取每个时间点对应的目标企业的源数据。
在终端设备获取到多个时间点对应的源数据后,因为在最近的时间点获取到的待处理数据为最准确的数据,所以终端设备可以先确定最新时间点获取的待处理数据所缺失的数据,然后从其他时间点获取到的源数据中,搜索并填补最新时间点获取的源数据所缺失的数据,并填补到所述最新时间点获取的源数据中;将所述源数据存储到预设的数据系统中作为待处理的源数据。
在实际应用中,源数据可以分为关联数据和非关联数据,其中,关联数据需要在其他数据确定后才能获取,例如,企业A在今日未获取到非经常性损益数据,则无法确定扣非净利润这一数据。
针对关联数据,若是整体获取源数据中的关联数据,则可能因为一些关联数据的缺失,导致其他关联数据的缺失,造成获取的数据较少的情况。因此,在本说明书中,终端设备可以获取目标企业的报表的格式,以根据报表的格式,确定出报表中属于关联数据的各项数据,分别抓取各该关联数据,以获取到各项源数据。
S202:源数据整理。
整理源数据并加载到数据系统作为源数据库表。
终端设备可以将获取的待处理的源数据按照数据属性和数据脚本进行整理,然后加载到数据系统中作为源数据系统中,在本实施例中,主要是整理数据字段、数据脚本和数据顺序,在加载到数据系统前,去掉冗余数据,并确保数据格式能与数据系统的设计保持一致。
S203:一次数据加工。
终端设备可以执行一次数据运算将源数据加工成目标数据。
执行一次数据运算Ya=f(Xb)并输出一次数据库表,在本实施例中,终端设备根据代表数据属性的定义字段和时间脚本将源数据转换成日表、季表、年表、不定期表和总数据库表。
S204:二次数据加工。
终端设备可以执行二次数据运算将目标数据加工成增值数据。
执行二次数据运算Yc=f(Xd)并输出二次数据库表,终端设备可以将相关数据用于创建集成多维度的数据模型及算法,对目标企业实施集成性评价。
图3为本说明书中提供的一种数据模型及算法的实施例的示意图,包括以下计算:
建立新的计算指标,主要包括:
增长市盈倍数GPET,GPET是一个动态指标,既可以作为单段的价值指标,也可以作为分段复合的集成价值指标,通过净利润增长率与扣除非经常性损益后的动态市盈率来确定。
扣除非经常性损益后的动态市盈率PEAN,PEAN是一个动态指标,通过所述市值与所述年化的经常性利润来确定,也代表数据模型中确定价值空间时所述目标企业的能力指标。
计算综合能力,包括价值能力、成长能力、营收增长、利润增长四个基本维度和对比维度,并使用分区段对比的评分方法,设定在年度基础上检讨评分标准,具体通过专家研讨会形式进行。
具体的,综合能力指标用CAP代表,区段评分标准可以参照:
计算价值能力,根据价值空间计算结果的上限和下限,取对应评分的分值较小的作为价值能力的评分,并计算对应价值能力的拟合范围,包括价值能力计算结果的上限和下限。
具体的,价值能力指标用VC代表,可以参照公式:
SVC=min(max,VSmin)
VCmax=C×(1+VSmax)
VCmin=C×(1+VSmin)
其中,SVC可以为价值能力的评分,SVSmax可以为价值空间计算结果上限对应的评分,SVSmin可以为价值空间计算结果下限对应的评分;VCmax和VCmin可以为拟合价值能力计算结果的上限和下限,也代表对应价值能力的拟合范围,PC可以为当前价格。
计算价值空间,采用预测净利润增长率与扣除非经常性损益的动态市盈率进行对比计算;具体的,采用未来两个完整年度复合增长率和分段的增长率分别计算对应数值,再结合移动的计算基准包括当前季度、当前年度、预告季度以及未来年度进行分别计算,最后结合交互比较的方法取值,在取值过程优先取用计算值较低的数据作为约束条件;其中,针对已经出具业绩预告的企业预告数据也进行相关计算;并且,近似地把商誉占资产比例作为对企业价值实现的风险因素,进而将相关计算作为企业价值空间的修正系数。
具体的,可以参照公式:
VSmax=(Vmax-1)×AF/100
VSmin=(Vmin-1)×AF/100
其中,VSmax和VSmin可以为价值空间范围的上限和下限,Vmax和Vmin可以为价值指标计算结果的上限和下限;AF可以为价值修正系数,GW可以为商誉,TA可以为资产总计;v可以为价值指标,也可以称为增长市盈倍数或用GPET来代表;p可以为扣除非经常性损益后的动态市盈率PEAN,简称扣非市盈率或扣非PE,也代表数据模型中所述目标企业的能力指标;MV可以为企业的市场价值,NPAN可以为扣除非经常性损益后的净利润;g可以为预测净利润增长率。
具体的,可以参照计算关联矩阵:
计算目标空间,抓取目标数据中数据总表的目标价综合值,用于计算出一个现价相对于综合目标价更直观的目标空间,用计算结果的百分数代表。
具体的,可以参照公式:
TS=CTP/PC-1
其中,TS可以为目标空间,CTP可以为目标价综合值,PC可以为现价即当前价。
计算成长能力,采用预测每股收益增长率得出成长率预测代表未来的成长能力,使用成长预测修正来动态跟踪目标企业成长性预判的调整趋势。
具体的,可以参照公式:
GRF=avg(EPSy+1,EPSy+2)
其中,GRF可以为成长率预测,EPSy+1和EPSy+2分别可以为明年、后年的预测每股收益增长率。
计算预测修正,周期性地获取目标企业营业收入、净利润、每股收益的逐年预测数据,逐项计算现值与前值对比得出修正幅度。
具体的,可以参照公式:
其中,FEA、FPA和FEPSA分别可以为营业收入、净利润和每股收益的预测修正幅度,CEV、CPV、CEPSV分别可以为营业收入、净利润和每股收益的预测现值,BEV、BPV和BEPSV分别可以为营业收入、净利润和每股收益的预测前值。
终端设备可以根据上述公式,计算出价值能力范围和价值能力评分,计算出价值空间、目标空间、成长能力及预测修正,并以此确定出目标企业的综合能力评价。
为使上述图3所示的数据模型及算法的描述更加清楚,将所涉及主要计算指标汇总为:
新建的计算指标
常规的计算指标
S205:三次数据加工。
终端设备可以执行三次数据运算将相关数据加工成图形数据。
执行三次数据运算Ym=f(Xn),主要是将相关的一次数据和二次数据加工成图数据库表,在本实施例中,选择一次数据库表中的数据总表内所属行业和所属概念数据,再选择二次数据库表中的综合能力、价值能力、成长能力、营收增长、利润增长相关的数据,将这些数据加工成对应的图数据库表。
S206:数据可视化。
终端设备可以执行数据可视化将图形数据绘制和展示成可视化图。
选择图形数据,使用可视化工具软件结合自主编制的完成自动化任务的程序,实现后台数据与面板界面前端展示的耦合;依据图3所示的数据模型及算法中的后台数据关系,绘制和渲染出对应的可视化图;其中,行业地图和概念地图还分别采用了从属和关联分级、渲色以及用颜色来表示所属类别和层级关系的方法。
在本实施例中,分别输出行业地图一级、行业地图二级、行业地图三级、概念地图一级、概念地图二级、概念地图三级、综合能力图、价值能力图、成长能力图、营收增长图、利润增长图及企业N维图及面板界面等,并通过终端面板界面的操作设计把这些图之间的关联用人机交互、按钮、颜色和标注等展示出来,优化了使用体验,提高了数据展示的有效性,并提升了数据系统的可用性。
下面结合图4为本说明书提供的一种行业地图分级及可视化流程示意图进行说明:
在图4中,行业地图根据目标企业所属行业来进行划分,按照从属关系共分为三级,一级包含二级,二级包含三级;通过终端设备将每一级行业数据绘制成方格图并渲色,用颜色来区分不同行业和同一行业的不同层级;这些图中的每一单元格展示行业名称和包括的企业数量,终端设备可以从这些单元链接的目标数据中搜寻到目标企业,行业信息也会展示在目标企业的面板界面。
下面结合图5为本说明书提供的一种概念地图分级及可视化流程示意图进行说明:
在图5中,概念地图根据目标企业所属概念来进行划分,按照关联而不一定从属的关系共分为三级;通过终端涉笔将每一级概念数据绘制成方格图并渲色,用颜色来区分不同概念和同一概念的不同层级;这些图中的每一单元格展示概念名称和包括的企业数量,终端设备可以从这些单元链接的目标数据中搜寻到目标企业,概念信息也会展示在目标企业的面板界面。
下面结合图6为本说明书提供的一种综合能力图的实施例进行说明:
在图6中,综合能力图采用雷达图的形式,表现为价值雷达图,外侧曲线为终端设备根据获取的图形数据来确定的目标企业所处的行业内的标准评分,内侧曲线为目标企业的企业评分,终端设备可以在目标企业的价值能力、成长能力、营收增长、利润增长四个维度,给予目标企业评分。
下面结合图7为本说明书提供的一种价值能力图实施例进行说明:
在图7中,价值能力图采纳了价值空间的计算,表现为价值空间图,终端设备可以将对应的图形数据确定为目标企业的价值能力范围的拟合曲线,结合现有目标价综合值及当前价格即现价的展示,直观明确地表现企业价值具备的可提升能力空间,此处,为了更有辨识度地展示,使用VMAX和VMIN代表对应S204图3部分所述价值能力计算范围上下限VCmax和VCmin;同时,终端设备还根据获取的目标价综合值数据及对应的修正数据,绘制出综合目标线。
下面结合图8为本说明书提供的一种成长能力图实施例进行说明:
在图8中,成长能力图采用了成长预测的计算,表现为成长预测图,终端设备可以将对应的图形数据绘制成长预测现值和前值的曲线,以此来表现目标企业能实现未来增长相关的可能趋向性。
下面结合图9为本说明书提供的一种营收增长图实施例进行说明:
在图9中,营收增长曲线及柱状图是终端设备根据获取的图形数据绘制,直观地表现目标企业在营收方面预测目标的达成情况,还包括预测目标的分摊和累计、实际营收的累计、预测目标的修正,而且还可以根据图形观测到同比和环比的数据变动趋势。
下面结合图10为本说明书提供的一种利润增长图实施例进行说明:
在图10中,利润增长曲线及柱状图是终端设备根据获取的图形数据绘制,直观地表现目标企业在利润方面预测目标的达成情况,还包括预测目标的分摊和累计、实际利润的累计、预测目标的修正,而且还可以根据图形观测到同比和环比的数据变动趋势。
下面结合图11为本说明书提供的一种企业N维图实施例进行说明:
在图11中,终端设备可以把所述五个维度的可视化图自动组合在一起来进行展示,集中地表现企业综合能力、价值能力、成长能力、营收增长和利润增长各维度的现状、趋势以及预计的变动因素,可以用一张集成的图来代表目标企业的经营情况和市场表现的整体轮廓。
下面结合图12为本说明书提供的一种面板界面图实施例进行说明:
在图12中,终端设备可以制作出直观明确和操作便捷的面板界面,可以作为数据系统使用的窗口;终端设备也可以通过操作中部的按钮将图6到图11分别组合在面板界面上,图12为图11与面板界面的组合展示;并且,面板界面右侧部分展示关联了行业地图和概念地图的分级渲色,特别的,概念地图栏目还可以用鼠标滑动来进行滚动展示;除此之外,面板界面还将图6到图11中未包括的目标数据的也进行了关联展示。
以上,数据可视化的后台数据关系依据的是图3所述的数据模型及算法。
从上述方法中可以看出,终端设备可以选择不同数据平台,并通过不同时间点的数据获取和数据分段获取来确保及时、完整地获取源数据;可以将获取的源数据按照数据属性和数据脚本进行整理来确保源数据可用;创建集成多维度的数据模型及算法,建立新的计算指标加强数据模型定义的严密性,特别是采用预测净利润增长率与扣除非经常性损益的动态市盈率进行对比计算,扣除非经常性损益减少了企业正常经营以外因素对评价的影响,结合移动的计算基准分段计算及采用交互比较的取值方法减少了计算偏差,增加的预告数据计算提高了及时性,价值修正系数计算减少了风险性,使得本发明的数据模型和算法系统性地提高了企业综合能力评价的准确性;可以使用可视化工具软件结合自主编制的完成自动化任务的程序,实现后台数据与面板界面前端展示的耦合,提升了数据展现有效性,也提升了数据系统可用性。
以上为本说明书的一个或多个实施例提供的数据处理的方法。
基于同样的思路,本说明书还提供了相应的数据处理的装置,如图13所示。图13为本说明书提供的一种数据处理及可视化的装置的示意图,包括:
获取模块1301,用于从目标数据平台获取目标企业的源数据,并将所述源数据存储到预设的数据系统中,将存储到预设的数据系统中的源数据经整理后作为目标数据。
确定模块1302,用于创建数据模型及算法,根据所述目标数据,预测所述目标企业的净利润增长率,并确定所述目标企业对应的扣除非经常性损益后的净利润,作为经常性利润,根据所述经常性利润,确定所述目标企业的能力指标,并根据所述能力指标和所述净利润增长率,确定所述目标企业的价值空间,以根据所述价值空间,确定所述目标企业的价值能力拟合范围和对应的价值评分,进而确定所述目标企业的综合能力的各维度评分。
可视化模块1303,用于结合所述目标数据、所述价值空间、所述价值能力、所述价值评分和所述综合能力,依据所述数据模型及算法中的后台数据关系,绘制和渲染出对应的可视化图。
可选地,所述获取模块1301具体用于,从所述目标数据平台包括多个互不相同的数据平台,按照预设的多个时间点,从每个所述目标平台,获取每个时间点对应的所述目标企业的源数据;确定最新时间点获取的源数据所缺失的数据,以从其他时间点获取的源数据中搜索所述缺失的数据,并填补到所述最新时间点获取的源数据中,将所述源数据存储到预设的数据系统中作为待处理的源数据;之后将所述待处理的源数据经整理后作为目标数据。
可选地,所述获取模块1301还用于,按照预设的多个时间点,并根据计算机写入分段获取条件,从每个所述目标平台,获取每个时间点对应的所述目标企业的源数据。
可选地,所述确定模块1302具体用于,根据所述目标数据,确定所述目标企业对应的价值能力指标、成长能力指标、营收增长指标、利润增长指标;其中,所述价值能力指标包括所述目标企业的价值能力拟合范围和对应的价值评分;根据所述价值能力指标、成长能力指标、营收增长指标和利润增长指标四个基本维度,通过区段评分以及对比维度,确定用于表征所述目标企业的综合能力的所述价值评分。
可选地,所述确定模块1302还用于,根据所述价值空间上下限,确定价值能力拟合范围,将所述价值空间上下限的价值评分,通过对比取评分较小的值,确定所述价值能力对应的价值评分。
可选地,所述确定模块1302还用于,根据所述目标数据,预测所述目标企业的净利润增长率,所述净利润增长率包括:第一净利润增长率、第二净利润增长率和第三净利润增长率,其中,所述第一净利润增长率为未来第一年的净利润增长率,所述第二净利润增长率为未来第二年的净利润增长率,所述第三净利润增长率为未来两年的平均净利润增长率;根据所述经常性利润,确定所述目标企业的能力指标,所述能力指标包括:第一能力指标、第二能力指标、第三能力指标和第四能力指标,其中,所述第一能力指标为所述目标企业的市值与当季的季度报表中涉及的年化后的经常性利润的比值,所述第二能力指标为所述市值与当年的年度报表中涉及的经常性利润的比值,所述第三能力指标为所述市值与所述目标企业未来一年的经常性利润的比值,所述第四能力指标为所述市值与预测的下一季度报表中涉及的年化后的经常性利润的比值;根据所述能力指标和所述净利润增长率,确定所述目标企业的价值空间,包括:根据所述第一净利润增长率、所述第三净利润增长率和所述第一能力指标,确定第一组价值指标;根据所述第一净利润增长率、所述第三净利润增长率和所述第二能力指标,确定第二组价值指标;根据所述第二净利润增长率、所述第三净利润增长率和所述第三能力指标,确定第三组价值指标;根据所述第一净利润增长率、所述第三净利润增长率和所述第四能力指标,确定第四组价值指标;根据所述第一组价值指标、所述第二组价值指标和所述第三组价值指标,确定所述价值空间的上限;根据所述第一组价值指标、所述第二组价值指标、所述第三组价值指标和所述第四组价值指标,确定所述价值空间的下限。
可选地,所述确定模块1302还用于,根据所述净利润增长率和所述目标企业的扣除非经常性损益后的动态市盈率,确定增长市盈倍数,作为GPET指标,其中,所述GPET指标为单段的价值指标和/或分段复合的集成价值指标,当所述GPET指标为所述集成价值指标时,根据对比分段和/或复合的净利润增长率与移动的扣除非经常性损益后的动态市盈率,结合交互比较取值的方法,确定所述GPET指标;
根据所述GPET指标,确定价值空间。
可选地,所述确定模块1302还用于,从所述目标平台,获取所述目标企业的商誉占资产比例对应的商誉数据;根据所述商誉数据,修正所述价值空间。
可选地,所述确定模块1302还用于,根据所述目标数据中包含的预测每股收益增长率,确定所述目标企业的成长率预测指标,并在所述目标数据更新后重新确定所述成长率预测指标,以根据所述成长率预测指标变化趋势,确定所述目标企业的成长性的变化趋势,确定所述目标企业的综合能力中的成长能力维度评分。
可选地,所述确定模块1302还用于,按照预设的时间间隔,重新获取所述目标企业的源数据;响应于针对所述目标数据的刷新操作,利用最新获取的目标数据,确实更新后的目标数据中包含的所述目标企业的营业收入、净利润和每股收益的逐年预测数据,与更新前的目标数据中包含的所述目标企业的营业收入、净利润和每股收益的逐年预测数据的变化幅度,以根据所述变化幅度确定修正幅度。
可选地,所述确定模块1302还用于,根据所述目标数据,确定所述目标企业的目标价综合值,并根据所述目标价综合值以及当前价,确定所述目标企业的目标空间,通过定期更新目标价综合值数据保持修正覆盖。
可选地,所述可视化模块1303具体用于,选择图形数据,使用可视化工具软件结合自主编制的完成自动化任务的程序,实现后台数据与面板界面前端展示的耦合;依据所述数据模型及算法中的后台数据关系,绘制和渲染出对应的可视化图;所述可视化图包括:行业地图、概念地图、综合能力图、价值能力图、成长能力图、营收增长图、利润增长图、企业N维图及面板界面。
可选地,所述可视化模块1303还用于,根据各行业地图和各概念地图的从属关系和关联关系,确定各行业地图和各概念地图的渲染颜色,以通过所述渲染颜色表示各行业地图和各概率地图的所属类别和层级关系的方法;其中,根据所述目标企业所属的行业划分各行业地图,并按照各行业地图的所述从属关系,将各行业地图分为至少三级,根据目标企业所属的概念划分各概念地图,并按照各概念地图的关联关系和/或从属关系,将各概念地图分为至少三级。
本说明书提供了一种数据处理及可视化的介质,其特征在于,一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述计算机程序可用于执行上述图1和图2流程所述的方法。
如图14所示,选择数据处理的工具软件,可以选择SQL,ACCESS数据库软件,在数据库表设计和创建部分采用SQL语句、VBA及控件编制相应的计算机程序,然后可以选择Visual Studio Code,AXTURE数据可视化工具软件,从数据库软件开放数据库表接口到数据可视化软件,使用VBA、控件编制图形绘制程序,设计和制作面板界面,通过软件实现来执行所述数据系统的运行和使用。
其中,在软件终端部分实现过程中,根据原型图还原页面,进行前后端联调,单元测试后上线,通过域名访问终端应用几个主要环节展开,这一阶段包括UI设计、前端开发、后端开发。UI设计根据产品需求分析文档和原型图进行,前端开发根据UI设计进行规划,提取页面中可以复用的模块,方便以后利用;分析界面是否有实现难度比较困难的地方,按功能大小、难度进行功能排期;同时和后端开发协调保证有效地开发合作,针对功能复杂的地方先理清思路;针对缺少的字段或者数据结构进行提出,及时与后端开发反应,尽量能以最小的改动完成后续开发;前后端都按照规范进行开发,针对不规范的地方给与提出和指正;前端的设计进度可以与后端的接口和数据结构设计并行,可以自行开发nodejs服务器配合postman等接口软件进行开发;前后端功能需要进行联调,并且完成自测,检查功能实现情况后,再确定上线试用。
本说明书提供了一种数据处理及可视化的设备,其特征在于,一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述图1和图2流程所述的方法。
如图15所示的一种对应于图1的电子设备的示意结构图,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的数据处理的方法。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (12)
1.一种数据处理及可视化的方法,其特征在于,包括:
从数据平台获取目标企业的源数据,并将所述源数据存储到预设的数据系统中,将存储到预设的数据系统中的源数据经整理后作为目标数据;
创建数据模型及算法,根据所述目标数据,预测所述目标企业的净利润增长率,并确定所述目标企业对应的扣除非经常性损益后的净利润,作为经常性利润,根据所述经常性利润,确定所述目标企业的能力指标,并根据所述能力指标和所述净利润增长率,确定所述目标企业的价值空间,以根据所述价值空间,确定所述目标企业的价值能力拟合范围和对应的价值评分,进而确定所述目标企业的综合能力的各维度评分;
结合所述目标数据、所述价值空间、所述价值能力、所述价值评分和所述综合能力,依据所述数据模型及算法中的后台数据关系,绘制和渲染出对应的可视化图,具体包括:
选择图形数据,使用可视化工具软件结合自主编制的完成自动化任务的程序,实现后台数据与面板界面前端展示的耦合;
依据所述数据模型及算法中的后台数据关系,绘制和渲染出对应的可视化图;其中,所述可视化图包括:行业地图、概念地图、综合能力图、价值能力图、成长能力图、营收增长图、利润增长图、企业N维图及面板界面;
其中,从数据平台获取目标企业的源数据,具体包括:
目标数据平台包括多个互不相同的数据平台;
按照预设的多个时间点,从每个所述数据平台,获取每个时间点对应的所述目标企业的源数据;包括:根据数据属性和滚动刷新时间通过分段方法获取源数据;以及,根据报表的格式,确定出报表中属于关联数据的各数据,按照计算机写入分段获取条件,从所述目标数据平台获取源数据以实现分别获取各关联数据;
确定最新时间点获取的源数据所缺失的数据,以从其他时间点获取的源数据中搜索所述缺失的数据,并填补到所述最新时间点获取的源数据中,将所述源数据存储到预设的数据系统中作为待处理的源数据;
之后将所述待处理的源数据经整理后作为目标数据;
以及,将存储到预设的数据系统中的源数据进行整理,包括:
执行一次数据运算将所述源数据输出一次数据库表;
执行二次数据运算并输出二次数据库表,将相关数据用于创建集成多维度的数据模型及算法,对目标企业实施集成性分析;
执行三次数据运算将所述一次数据库表和所述二次数据库表中的相关数据加工成对应的图数据库表;
以及,所述绘制和渲染出对应的可视化图,包括:
根据各行业地图和各概念地图的从属关系和关联关系,确定各行业地图和各概念地图的渲染颜色,以通过所述渲染颜色表示各行业地图和各概念地图的所属类别和层级关系的方法;
其中,根据所述目标企业所属的行业划分各行业地图,并按照各行业地图的所述从属关系,将各行业地图分为至少三级,根据目标企业所属的概念划分各概念地图,并按照各概念地图的关联关系和/或从属关系,将各概念地图分为至少三级;
以及,将所述行业地图和所述概念地图的分级渲色通过所述面板界面进行关联展示,并滚动展示所述概念地图;
以及,将所述目标数据、所述价值空间、所述价值能力、所述价值评分和所述综合能力对应的可视化图自动组合在一起进行展示,得到所述企业N维图,所述企业N维图用于代表目标企业的经营情况和市场表现的整体轮廓。
2.根据权利要求1所述的方法,其特征在于,创建数据模型及算法,根据所述价值空间,确定所述目标企业的价值能力拟合范围和对应的价值评分,进而确定所述目标企业的综合能力的各维度评分,具体包括:
根据所述目标数据,确定所述目标企业对应的价值能力指标、成长能力指标、营收增长指标、利润增长指标;
其中,所述价值能力指标包括所述目标企业的价值能力拟合范围和对应的价值评分;
根据所述价值能力指标、成长能力指标、营收增长指标和利润增长指标四个基本维度,通过区段评分以及对比维度,确定用于表征所述目标企业的综合能力的所述价值评分。
3.根据权利要求2所述的方法,其特征在于,根据所述价值空间,确定所述目标企业的价值能力拟合范围和对应的价值评分,具体包括:
根据所述价值空间上下限,确定价值能力拟合范围,将所述价值空间上下限的价值评分,通过对比取评分较小的值,确定所述价值能力对应的价值评分。
4.根据权利要求3所述的方法,其特征在于,确定所述目标企业的价值空间,具体包括:
根据所述目标数据,预测所述目标企业的净利润增长率,所述净利润增长率包括:第一净利润增长率、第二净利润增长率和第三净利润增长率,其中,所述第一净利润增长率为未来第一年的净利润增长率,所述第二净利润增长率为未来第二年的净利润增长率,所述第三净利润增长率为未来两年的平均净利润增长率;
根据所述经常性利润,确定所述目标企业的能力指标,所述能力指标包括:第一能力指标、第二能力指标、第三能力指标和第四能力指标,其中,所述第一能力指标为所述目标企业的市值与当季的季度报表中涉及的年化后的经常性利润的比值,所述第二能力指标为所述市值与当年的年度报表中涉及的经常性利润的比值,所述第三能力指标为所述市值与所述目标企业未来一年的经常性利润的比值,所述第四能力指标为所述市值与预测的下一季度报表中涉及的年化后的经常性利润的比值;
根据所述能力指标和所述净利润增长率,确定所述目标企业的价值空间,包括:
根据所述第一净利润增长率、所述第三净利润增长率和所述第一能力指标,确定第一组价值指标;
根据所述第一净利润增长率、所述第三净利润增长率和所述第二能力指标,确定第二组价值指标;
根据所述第二净利润增长率、所述第三净利润增长率和所述第三能力指标,确定第三组价值指标;
根据所述第一净利润增长率、所述第三净利润增长率和所述第四能力指标,确定第四组价值指标;
根据所述第一组价值指标、所述第二组价值指标和所述第三组价值指标,确定所述价值空间的上限;
根据所述第一组价值指标、所述第二组价值指标、所述第三组价值指标和所述第四组价值指标,确定所述价值空间的下限。
5.根据权利要求4所述的方法,其特征在于,确定所述目标企业的价值空间,所述方法还包括:
根据所述净利润增长率和所述目标企业的扣除非经常性损益后的动态市盈率,确定增长市盈倍数,作为GPET指标,其中,所述GPET指标为单段的价值指标和/或分段复合的集成价值指标,当所述GPET指标为所述集成价值指标时,根据对比分段和/或复合的净利润增长率与移动的扣除非经常性损益后的动态市盈率,结合交互比较取值的方法,确定所述GPET指标;
根据所述GPET指标,确定价值空间。
6.根据权利要求4所述的方法,其特征在于,在确定所述目标企业的价值空间之后,所述方法还包括:
从所述数据平台,获取所述目标企业的商誉占资产比例对应的商誉数据;
根据所述商誉数据,修正所述价值空间。
7.根据权利要求2所述的方法,其特征在于,确定所述目标企业的综合能力的各维度评分,所述方法还包括:
根据所述目标数据中包含的预测每股收益增长率,确定所述目标企业的成长率预测指标,并在所述目标数据更新后重新确定所述成长率预测指标,以根据所述成长率预测指标变化趋势,确定所述目标企业的成长性的变化趋势,确定所述目标企业的综合能力中的成长能力维度评分。
8.根据权利要求2所述的方法,其特征在于,在确定所述目标企业的综合能力的各维度评分之后,所述方法还包括:
按照预设的时间间隔,重新获取所述目标企业的源数据;
响应于针对所述目标数据的刷新操作,利用最新获取的目标数据,确定更新后的目标数据中包含的所述目标企业的营业收入、净利润和每股收益的逐年预测数据,与更新前的目标数据中包含的所述目标企业的营业收入、净利润和每股收益的逐年预测数据的变化幅度,以根据所述变化幅度确定修正幅度。
9.根据权利要求2所述的方法,其特征在于,在确定所述目标企业的综合能力的各维度评分之后,所述方法还包括:
根据所述目标数据,确定所述目标企业的目标价综合值,并根据所述目标价综合值以及当前价,确定所述目标企业的目标空间,通过定期更新目标价综合值数据保持修正覆盖。
10.一种数据处理及可视化的装置,其特征在于,包括:
获取模块,用于从目标数据平台获取目标企业的源数据,并将所述源数据存储到预设的源数据系统中,将存储到预设的数据系统中的源数据经整理后作为目标数据;
确定模块,用于创建数据模型及算法,根据所述目标数据,预测所述目标企业的净利润增长率,并确定所述目标企业对应的扣除非经常性损益后的净利润,作为经常性利润,根据所述经常性利润,确定所述目标企业的能力指标,并根据所述能力指标和所述净利润增长率,确定所述目标企业的价值空间,以根据所述价值空间,确定所述目标企业的价值能力拟合范围和对应的价值评分,进而确定所述目标企业的综合能力的各维度评分;
可视化模块,用于结合所述目标数据、所述价值空间、所述价值能力、所述价值评分和所述综合能力,依据所述数据模型及算法中的后台数据关系,绘制和渲染出对应的可视化图,具体包括:
选择图形数据,使用可视化工具软件结合自主编制的完成自动化任务的程序,实现后台数据与面板界面前端展示的耦合;
依据所述数据模型及算法中的后台数据关系,绘制和渲染出对应的可视化图;其中,所述可视化图包括:行业地图、概念地图、综合能力图、价值能力图、成长能力图、营收增长图、利润增长图、企业N维图及面板界面;
其中,从数据平台获取目标企业的源数据,具体包括:
目标数据平台包括多个互不相同的数据平台;
按照预设的多个时间点,从每个所述数据平台,获取每个时间点对应的所述目标企业的源数据;包括:根据数据属性和滚动刷新时间通过分段方法获取源数据;以及,根据报表的格式,确定出报表中属于关联数据的各数据,按照计算机写入分段获取条件,从所述目标数据平台获取源数据以实现分别获取各关联数据;
确定最新时间点获取的源数据所缺失的数据,以从其他时间点获取的源数据中搜索所述缺失的数据,并填补到所述最新时间点获取的源数据中,将所述源数据存储到预设的数据系统中作为待处理的源数据;
之后将所述待处理的源数据经整理后作为目标数据;
以及,将存储到预设的数据系统中的源数据进行整理,包括:
执行一次数据运算将所述源数据输出一次数据库表;
执行二次数据运算并输出二次数据库表,将相关数据用于创建集成多维度的数据模型及算法,对目标企业实施集成性分析;
执行三次数据运算将所述一次数据库表和所述二次数据库表中的相关数据加工成对应的图数据库表;
以及,所述绘制和渲染出对应的可视化图,包括:
根据各行业地图和各概念地图的从属关系和关联关系,确定各行业地图和各概念地图的渲染颜色,以通过所述渲染颜色表示各行业地图和各概念地图的所属类别和层级关系的方法;
其中,根据所述目标企业所属的行业划分各行业地图,并按照各行业地图的所述从属关系,将各行业地图分为至少三级,根据目标企业所属的概念划分各概念地图,并按照各概念地图的关联关系和/或从属关系,将各概念地图分为至少三级;
以及,将所述行业地图和所述概念地图的分级渲色通过所述面板界面进行关联展示,并滚动展示所述概念地图;
以及,将所述目标数据、所述价值空间、所述价值能力、所述价值评分和所述综合能力对应的可视化图自动组合在一起进行展示,得到所述企业N维图,所述企业N维图用于代表目标企业的经营情况和市场表现的整体轮廓。
11.一种数据处理及可视化的介质,其特征在于,一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~9任一项所述的方法。
12.一种数据处理及可视化的设备,其特征在于,一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述权利要求1~9任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211597220.8A CN116414906B (zh) | 2022-12-12 | 2022-12-12 | 一种数据处理及可视化的方法、装置、介质和设备 |
PCT/CN2024/076239 WO2024125673A2 (zh) | 2022-12-12 | 2024-02-06 | 一种数据处理及可视化的方法、装置、介质和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211597220.8A CN116414906B (zh) | 2022-12-12 | 2022-12-12 | 一种数据处理及可视化的方法、装置、介质和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116414906A CN116414906A (zh) | 2023-07-11 |
CN116414906B true CN116414906B (zh) | 2024-03-01 |
Family
ID=87053815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211597220.8A Active CN116414906B (zh) | 2022-12-12 | 2022-12-12 | 一种数据处理及可视化的方法、装置、介质和设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116414906B (zh) |
WO (1) | WO2024125673A2 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116414906B (zh) * | 2022-12-12 | 2024-03-01 | 新维陆科技(珠海)有限公司 | 一种数据处理及可视化的方法、装置、介质和设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956747A (zh) * | 2016-04-22 | 2016-09-21 | 中南大学 | 一种企业信誉评估可视化方法 |
CN106156369A (zh) * | 2016-08-24 | 2016-11-23 | 北京京东尚科信息技术有限公司 | 多层级从属数据展示方法和装置 |
CN109345287A (zh) * | 2018-09-06 | 2019-02-15 | 深圳市前海梧桐众享资本管理有限公司 | 企业估值的处理方法 |
CN112750059A (zh) * | 2019-10-31 | 2021-05-04 | 华为技术有限公司 | 产业扶持政策的评估方法、产业扶持结果的处理方法及相关产品 |
CN115099678A (zh) * | 2022-07-15 | 2022-09-23 | 北京同人慧研科技有限公司 | 基于ai的企业财务分析与诊断系统、方法、设备、介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101136696B1 (ko) * | 2011-12-02 | 2012-04-20 | 김상정 | 기업성장단계를 표시하고, 이를 이용하여 주식의 저평가/고평가를 산출하는 주식정보 제공 방법 및 시스템 |
US10388074B2 (en) * | 2017-03-21 | 2019-08-20 | Intuit Inc. | Generating immersive media visualizations for large data sets |
CN109544050A (zh) * | 2019-01-24 | 2019-03-29 | 黄志敏 | 一种数据可视化呈现财务数据的方法及系统 |
CN116414906B (zh) * | 2022-12-12 | 2024-03-01 | 新维陆科技(珠海)有限公司 | 一种数据处理及可视化的方法、装置、介质和设备 |
-
2022
- 2022-12-12 CN CN202211597220.8A patent/CN116414906B/zh active Active
-
2024
- 2024-02-06 WO PCT/CN2024/076239 patent/WO2024125673A2/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956747A (zh) * | 2016-04-22 | 2016-09-21 | 中南大学 | 一种企业信誉评估可视化方法 |
CN106156369A (zh) * | 2016-08-24 | 2016-11-23 | 北京京东尚科信息技术有限公司 | 多层级从属数据展示方法和装置 |
CN109345287A (zh) * | 2018-09-06 | 2019-02-15 | 深圳市前海梧桐众享资本管理有限公司 | 企业估值的处理方法 |
CN112750059A (zh) * | 2019-10-31 | 2021-05-04 | 华为技术有限公司 | 产业扶持政策的评估方法、产业扶持结果的处理方法及相关产品 |
CN115099678A (zh) * | 2022-07-15 | 2022-09-23 | 北京同人慧研科技有限公司 | 基于ai的企业财务分析与诊断系统、方法、设备、介质 |
Non-Patent Citations (1)
Title |
---|
科技服务业价值创造力评价研究;白美婧;;科技经济导刊(02);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116414906A (zh) | 2023-07-11 |
WO2024125673A3 (zh) | 2024-08-02 |
WO2024125673A2 (zh) | 2024-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858970B (zh) | 一种用户行为预测方法、装置及存储介质 | |
US20120023449A1 (en) | System and method for an interactive filter | |
US20140310034A1 (en) | Performance indicator analytical framework | |
CN116414906B (zh) | 一种数据处理及可视化的方法、装置、介质和设备 | |
CN111159157A (zh) | 一种企业报表数据的指标化处理方法及装置 | |
US12008652B1 (en) | Graphical instrument performance prediction | |
CN102339421A (zh) | 一种用于生态建设管理的决策支持系统 | |
CN112785377B (zh) | 基于数据分布的订单完工期预测模型构建方法及预测方法 | |
CN114936085A (zh) | 基于深度学习算法的etl调度方法及装置 | |
Fischer et al. | F2DB: the flash-forward database system | |
CN109922212B (zh) | 一种时段话务量占比的预测方法及装置 | |
CN117216327B (zh) | 基于可视化数据关系的数据分析系统 | |
Liao et al. | Multicore parallel genetic algorithm with Tabu strategy for rainfall-runoff model calibration | |
US20230086930A1 (en) | Intellectual-property analysis platform | |
US20230087206A1 (en) | Intellectual-property analysis platform | |
US20230086106A1 (en) | Intellectual-property analysis platform | |
US20230090090A1 (en) | Intellectual-property analysis platform | |
CN114138925A (zh) | 位置点所属区域检索方法、装置、电子设备、介质及产品 | |
CN117216146B (zh) | 一种基于人工智能的数据分析及展现系统 | |
Zhang | A study on the management of big data technology in financial decision-making of enterprise cloud accounting | |
CN113435653B (zh) | 一种基于logistic模型的饱和用电量预测方法及系统 | |
CN117407514B (zh) | 一种解决计划生成方法、装置、设备及存储介质 | |
US7831630B2 (en) | Automation tool for providing access to an electronic database for business intelligence | |
US20230089425A1 (en) | Intellectual-property analysis platform | |
KR102635894B1 (ko) | 스마트 발전 연료 가격 예측 시스템 및 방법 |
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 |