CN116663750A - 一种产业链数据价值评估分析系统 - Google Patents
一种产业链数据价值评估分析系统 Download PDFInfo
- Publication number
- CN116663750A CN116663750A CN202310943248.0A CN202310943248A CN116663750A CN 116663750 A CN116663750 A CN 116663750A CN 202310943248 A CN202310943248 A CN 202310943248A CN 116663750 A CN116663750 A CN 116663750A
- Authority
- CN
- China
- Prior art keywords
- information
- data
- value
- enterprise
- module
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 title claims abstract description 12
- 238000011157 data evaluation Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 33
- 239000002994 raw material Substances 0.000 claims abstract description 30
- 238000007405 data analysis Methods 0.000 claims abstract description 28
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 238000004519 manufacturing process Methods 0.000 claims abstract description 24
- 238000004891 communication Methods 0.000 claims description 15
- 238000013210 evaluation model Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 239000000203 mixture Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 description 8
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (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)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种产业链数据价值评估分析系统，涉及产业链数据分析技术领域，包括数据采集模块、数据处理模块、数据分析模块、数据监测模块、数据评估模块与数据预警模块，数据采集模块根据数据采集装置采集产业链的价值信息，以及根据所述产业链采集的企业信息，其中，所述企业信息包括供应商企业信息、制造商企业信息与销售商企业信息，所述价值信息包括原料生产信息、产品供货信息与产品销售信息，本发明可以解决现有方案中产业链数据分析数据采集处理不彻底及数据分析效率低、深度浅的技术问题，同时还能够对数据进行监测预警，筛选掉不合格的产业链数据，从而提高企业制供售的效率，精准投放产品。
Description
技术领域
本发明涉及产业链数据分析领域，具体是一种产业链数据价值评估分析系统。
背景技术
产业链是产业经济学中的一个概念，即产供销，从原料到消费者手中的整个产业链条，是各个部门之间基于一定的技术经济关联，并依据特定的逻辑关系和时空布局关系客观形成的链条式关联关系形态。产业链供应链安全是助力产业高质量发展、保障实体经济稳定运行，所以对产业链数据分析十分重要。
现有技术(公开号为CN114462861A的发明专利)公开了一种企业定位的产业链数据分析方法及系统，通过根据行业领域信息进行行业特征提取，获得行业特征信息；根据企业基础信息，确定企业特征信息；基于行业特征信息、企业特征信息进行企业定位分析，确定企业产业链定位段；根据行业特征信息、企业链定位段，获得客户群体画像；根据企业基础信息，确定企业转型项目并针对所述企业转型项目与所述客户群体画像进行针对性数字化区块匹配，获得区块匹配结果；基于区块匹配结果，确定企业转型信息。实现了在满足产业链定位的客户群体要求的基础上实现数字化转型，确保转型的可靠性，解决了现有技术中在数字化转型中缺乏对客户群体的定位分析，存在盲目转型，转型后效果不佳的技术问题。现有技术在进行时无法解决现有方案中产业链数据分析数据采集处理不彻底及数据分析效率低、深度浅的技术问题，同时还无法对数据进行监测预警，无法筛选掉不合格的产业链数据，从而无法提高企业制供售的效率，无法精准投放产品；因此，亟须一种一种产业链数据价值评估分析系统。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种产业链数据价值评估分析系统，用于解决现有方案中产业链数据分析数据采集处理不彻底及数据分析效率低、深度浅的技术问题，同时还能够对数据进行监测预警，筛选掉不合格的产业链数据，从而提高企业制供售的效率，精准投放产品。
为实现上述目的，本发明的第一方面提供了一种产业链数据价值评估分析系统，包括数据采集模块、数据处理模块、数据分析模块、数据监测模块、数据评估模块与数据预警模块；
数据采集模块：根据数据采集装置采集产业链的价值信息；以及根据所述产业链采集的企业信息；其中，所述企业信息包括供应商企业信息、制造商企业信息与销售商企业信息，所述价值信息包括原料生产信息、产品供货信息与产品销售信息；
数据处理模块：对所述企业信息与所述价值信息进行数据处理；
数据分析模块：根据所述企业信息与价值信息对产业数据进行分析，获得所述企业信息与价值信息中潜能数据；
数据监测模块：预设所述企业信息与价值信息的信息阈值，并监测所述企业信息与价值信息；
数据评估模块：用于对所述潜能数据进行评估，获得所述产业链的数据评估结果；
数据预警模块：对所述信息阈值与数据评估结果进行综合预警，获得产业链数据风险值。
优选地，所述数据处理模块与若干所述数据采集模块通信和电气连接；
所述数据采集模块与所述数据采集装置和各类型传感器通信和电气连接；其中，所述数据采集装置包括web采集工具及其承载设备；
所述数据分析模块与所述数据处理模块通信和电气连接；
所述数据监测模块、数据评估模块均与所述数据分析模块通信和电气连接；
所述数据预警模块分别与所述数据监测模块、数据评估模块通信和电气连接。
优选地，所述数据采集模块根据数据采集装置采集产业链的价值信息；以及根据所述产业链采集的企业信息，包括：
根据所述价值信息和企业信息的属性不同，判断所述价值信息和企业信息的属性差值，根据所述属性差值进行数据采集，获得价值信息和企业信息，表达式为：
其中，表示为随机采集的价值信息和企业信息，/>表示为价值信息和企业信息的属性差值，/>表示为价值信息和企业信息的合成参数。
优选地，所述数据处理模块对所述企业信息与所述价值信息进行数据处理，包括：
处理所述价值信息和企业信息，并判断所述价值信息和企业信息中的信息重合度，判断所述价值信息和企业信息的属性差值密度，所述价值信息属性差值密度记为，所述企业信息属性差值密度记为/>，表达式为：
其中，表示为价值信息的属性概率，/>表示为价值信息数量，/>表示为价值信息的属性均值，/>表示为企业信息的属性概率，/>表示为企业信息数量，/>表示为企业信的息属性均值；
根据所述属性差值密度判断所述价值信息和企业信息的分布状态，完成数据处理，所述价值信息的分布状态记为，所述企业信息的分布状态记为/>，表达式为：
其中，表示为价值信息的分布状态，/>表示为价值信息的分布状态因子，/>表示为第/>个价值信息，/>表示为企业信息的分布状态，/>表示为企业信息的分布状态因子，/>表示为第/>个企业信息。
优选地，所述数据分析模块对所述企业信息与价值信息对产业数据进行分析，获得所述企业信息与价值信息中潜能数据，包括：
将所述供应商企业信息、制造商企业信息、销售商企业信息记作，将所述原料生产信息、产品供货信息、产品销售信息记作/>；
对所述企业信息进行特征提取，表达式为：
其中，表示为企业信息特征，/>表示为供应商企业信息与制造商企业信息的连接权重，/>表示为制造商企业信息与销售商企业信息的连接权重，/>表示为供应商企业信息与销售商企业信息的连接权重，/>表示为第/>组供应商企业信息、制造商企业信息、销售商企业信息；
对所述价值信息进行特征提取，表达式为：
其中，表示为价值信息特征，/>表示为原料生产信息与产品供货信息的连接权重，/>表示为产品供货信息与产品销售信息的连接权重，/>表示为原料生产信息与产品销售信息的连接权重，/>表示为第/>组原料生产信息、产品供货信息、产品销售信息；
通过分析所述企业信息与价值信息的特征信息获取潜能数据。
优选地，所述数据监测模块预设所述企业信息与价值信息的信息阈值，并监测所述企业信息与价值信息，包括：
将所述企业信息的特征信息记作特征向量，将所述价值信息的特征信息记作特征向量/>；
监测所述企业信息与价值信息之间的关联度，表达式为：
其中，表示为企业信息与价值信息之间的关联度，/>分别表示为特征向量/>与特征向量/>的行数与列数，/>表示为特征向量/>与特征向量/>中第/>个特征向量；
若的值越大，则企业信息与价值信息之间的关联度越高；
若的值越小，则企业信息与价值信息之间的关联度越低；
根据所述企业信息与价值信息之间的关联度临界值设置所述企业信息与价值信息的信息阈值。
优选地，所述数据评估模块用于对所述潜能数据进行评估，获得所述产业链的数据评估结果，包括：
构建预测评估模型，将所述潜能数据划分为若干个数据集，将所述若干个数据集输入所述预测评估模型中，获得预测评估结果；
将所述预测评估结果输入到所述预测评估模型中，并对所述预测评估结果进行训练，获得数据评估结果，表达式为：
其中，表示为数据评估结果，/>表示为潜能数据训练系数，/>表示为第/>个输入的预测评估结果，/>表示为第/>次训练；
当的值越大，则数据评估结果产生的数据价值越高；
当的值越小，则数据评估结果产生的数据价值越低；
当的值为/>时，则数据评估结果处于平衡。
优选地，所述数据预警模块对所述信息阈值与数据评估结果进行综合预警，获得产业链数据风险值，包括：
根据所述信息阈值与数据评估结果设置等级风险判定，所述等级风险判定分为三级，包括零风险、一级风险、二级风险；
若信息阈值大于临界值且，则产业链数据风险值为零风险；
若信息阈值大于临界值且或信息阈值小于临界值且/>，则产业链数据风险值为一级风险；
若信息阈值小于临界值且，则产业链数据风险值为二级风险。
与现有技术相比，本发明的有益效果是：
1、本发明通过数据采集模块、数据处理模块与数据分析模块相结合对企业信息与价值信息进行处理，使得产业链数据被分析的效率高、深度高，使得产业链数据透彻；
2、本发明监测模块、评估模块与预警模块相结合能够对数据进行监测预警，筛选掉不合格的产业链数据，从而提高企业制供售的效率，精准投放产品。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的系统结构示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
请参阅图1，本申请第一方面实施例提供了一种产业链数据价值评估分析系统，包括数据采集模块、数据处理模块、数据分析模块、数据监测模块、数据评估模块与数据预警模块；
数据采集模块：根据数据采集装置采集产业链的价值信息；以及根据产业链采集的企业信息；其中，企业信息包括供应商企业信息、制造商企业信息与销售商企业信息，价值信息包括原料生产信息、产品供货信息与产品销售信息；
数据处理模块：对企业信息与价值信息进行数据处理；
数据分析模块：根据企业信息与价值信息对产业数据进行分析，获得企业信息与价值信息中潜能数据；
数据监测模块：根据产业链预设企业信息与价值信息的信息阈值，并监测企业信息与价值信息；
数据评估模块：用于对潜能数据进行评估，获得产业链的数据评估结果；
数据预警模块：对信息阈值与数据评估结果进行综合预警，获得产业链数据风险值。
本申请中数据处理模块与若干数据采集模块通信和电气连接；
数据采集模块与数据采集装置和各类型传感器通信和电气连接；其中，数据采集装置包括web采集工具及其承载设备；
数据分析模块与数据处理模块通信和电气连接；
数据监测模块、数据评估模块均与数据分析模块通信和电气连接；
数据预警模块分别与数据监测模块、数据评估模块通信和电气连接。
本申请中数据采集模块根据数据采集装置采集产业链的价值信息；以及根据产业链采集的企业信息，包括：
根据价值信息和企业信息的属性不同，判断价值信息和企业信息的属性差值，根据属性差值进行数据采集，获得价值信息和企业信息，表达式为：
其中，表示为随机采集的价值信息和企业信息，/>表示为价值信息和企业信息的属性差值，/>表示为价值信息和企业信息的合成参数。
需要解释的是，本发明中价值信息包括原料生产信息、产品供货信息与产品销售信息，企业信息包括供应商企业信息、制造商企业信息、销售商企业信息，所以采集的价值信息和企业信息不是属于一个维度的，需要根据属性差值将价值信息和企业信息进行合成。
示例性的，假如采集的供应商企业信息的为塑料原料企业，采集的制造商企业信息为钢材原料企业，采集的销售商企业信息为纸业原料企业，为使原料的供应商、制造商、销售商在一个维度，就对原料生产信息、供应商企业信息、制造商企业信息、销售商企业信息进行属性差值判断，进行合成。
本申请中数据处理模块对企业信息与价值信息进行数据处理，包括：
处理价值信息和企业信息，并判断价值信息和企业信息中的信息重合度，判断价值信息和企业信息的属性差值密度，所述价值信息属性差值密度记为，所述企业信息属性差值密度记为/>，表达式为：
其中，表示为价值信息的属性概率，/>表示为价值信息数量，/>表示为价值信息的属性均值，/>表示为企业信息的属性概率，/>表示为企业信息数量，/>表示为企业信的息属性均值；
根据属性差值密度判断价值信息和企业信息的分布状态，完成数据处理，所述价值信息的分布状态记为，所述企业信息的分布状态记为/>，表达式为：
其中，表示为价值信息的分布状态，/>表示为价值信息的分布状态因子，/>表示为第/>个价值信息，/>表示为企业信息的分布状态，/>表示为企业信息的分布状态因子，/>表示为第/>个企业信息。
需要解释的是，本发明中价值信息中原料生产信息、产品供货信息与产品销售信息，企业信息中供应商企业信息、制造商企业信息、销售商企业信息可以是任何一个行业的企业，根据属性差值密度判断原料生产信息、产品供货信息与产品销售信息及供应商企业信息、制造商企业信息、销售商企业信息每个行业的企业分布状态，将同一个行业领域企业信息进行处理。
本申请中数据分析模块对企业信息与价值信息对产业数据进行分析，获得企业信息与价值信息中潜能数据，包括：
将供应商企业信息、制造商企业信息、销售商企业信息记作，将原料生产信息、产品供货信息、产品销售信息记作/>；
对企业信息进行特征提取，表达式为：
其中，表示为企业信息特征，/>表示为供应商企业信息与制造商企业信息的连接权重，/>表示为制造商企业信息与销售商企业信息的连接权重，/>表示为供应商企业信息与销售商企业信息的连接权重，/>表示为第/>组供应商企业信息、制造商企业信息、销售商企业信息；
对价值信息进行特征提取，表达式为：
其中，表示为价值信息特征，/>表示为原料生产信息与产品供货信息的连接权重，/>表示为产品供货信息与产品销售信息的连接权重，/>表示为原料生产信息与产品销售信息的连接权重，/>表示为第/>组原料生产信息、产品供货信息、产品销售信息；
通过分析企业信息与价值信息的特征信息获取潜能数据。
需要解释的是，本发明中，通过数据处理模块处理之后，对同一个行业领域的企业分别进行企业信息和价值信息的特征提取，当等于/>时，说明企业信息与价值信息是属于同一个行业领域的产业链信息；
示例性的，当分别代表五金供应商企业信息、五金制造商企业信息、五金销售商企业信息，当/>分别代表五金原料生产信息、五金产品供货信息、五金产品销售信息，此时企业信息和价值信息的特征是相联系的，能够获取更多的产业链数据。
本申请中数据监测模块预设企业信息与价值信息的信息阈值，并监测企业信息与价值信息，包括：
将企业信息的特征信息记作特征向量，将价值信息的特征信息记作特征向量/>；
监测企业信息与价值信息之间的关联度，表达式为：
其中，表示为企业信息与价值信息之间的关联度，/>分别表示为特征向量/>与特征向量/>的行数与列数，/>表示为特征向量/>与特征向量/>中第/>个特征向量；
若的值越大，则企业信息与价值信息之间的关联度越高；
若的值越小，则企业信息与价值信息之间的关联度越低；
根据企业信息与价值信息之间的关联度临界值设置企业信息与价值信息的信息阈值。
需要解释的是，本发明中任何一个行业都有优劣之分，产业链中有很多企业，当企业信息与价值信息之间的关联度处于临界值时，说明该企业可以在该产业链中生存，并能够给产业链提供合适的原料、产品、销售业绩等，当企业信息与价值信息之间的关联度越高，说明该企业月越优质，在该系统的监测范围内，可以供产业链使用；
示例性的，假如价值信息中原料生产企业的原料很好，同时企业信息中的制造商企业的制造产品品质高，此时数据监测模块给予判定，价值信息与企业信息的关联度高，原料生产企业与制造商企业都被系统纳入监测范围内，供更多的企业选择。
本申请中数据评估模块用于对潜能数据进行评估，获得产业链的数据评估结果，包括：
构建预测评估模型，将潜能数据划分为若干个数据集，将若干个数据集输入预测评估模型中，获得预测评估结果；
将预测评估结果输入到预测评估模型中，并对预测评估结果进行训练，获得数据评估结果，表达式为：
其中，表示为数据评估结果，/>表示为潜能数据训练系数，/>表示为第/>个输入的预测评估结果，/>表示为第/>次训练；
当的值越大，则数据评估结果产生的数据价值越高；
当的值越小，则数据评估结果产生的数据价值越低；
当的值为/>时，则数据评估结果处于平衡。
本申请中数据预警模块对信息阈值与数据评估结果进行综合预警，获得产业链数据风险值，包括：
根据信息阈值与数据评估结果设置等级风险判定，等级风险判定分为三级，包括零风险、一级风险、二级风险；
若信息阈值大于临界值且，则产业链数据风险值为零风险；
若信息阈值大于临界值且或信息阈值小于临界值且/>，则产业链数据风险值为一级风险；
若信息阈值小于临界值且，则产业链数据风险值为二级风险。
需要解释的，本发明中，产业链的数据来源于大数据，本系统在监测的同时需要对数据进行预警，方便用户能够及时的过滤掉不利的产业链数据，通过对数据监测模块与数据评估模块的结果进行双层预警，当系统判断等级风险为一级风险、二级风险时，系统便会提醒用户进行干预。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (8)
1.一种产业链数据价值评估分析系统，包括数据采集模块、数据处理模块、数据分析模块、数据监测模块、数据评估模块与数据预警模块，其特征在于：
数据采集模块：根据数据采集装置采集产业链的价值信息；以及根据所述产业链采集的企业信息；其中，所述企业信息包括供应商企业信息、制造商企业信息与销售商企业信息，所述价值信息包括原料生产信息、产品供货信息与产品销售信息；
数据处理模块：对所述企业信息与所述价值信息进行数据处理；
数据分析模块：根据所述企业信息与价值信息对产业数据进行分析，获得所述企业信息与价值信息中潜能数据；
数据监测模块：预设所述企业信息与价值信息的信息阈值，并监测所述企业信息与价值信息；
数据评估模块：用于对所述潜能数据进行评估，获得所述产业链的数据评估结果；
数据预警模块：对所述信息阈值与数据评估结果进行综合预警，获得产业链数据风险值。
2.根据权利要求1所述的一种产业链数据价值评估分析系统，其特征在于，所述数据处理模块与若干所述数据采集模块通信和电气连接；
所述数据采集模块与所述数据采集装置和各类型传感器通信和电气连接；其中，所述数据采集装置包括web采集工具及其承载设备；
所述数据分析模块与所述数据处理模块通信和电气连接；
所述数据监测模块、数据评估模块均与所述数据分析模块通信和电气连接；
所述数据预警模块分别与所述数据监测模块、数据评估模块通信和电气连接。
3.根据权利要求1所述的一种产业链数据价值评估分析系统，其特征在于，所述数据采集模块根据数据采集装置采集产业链的价值信息；以及根据所述产业链采集的企业信息，包括：
根据所述价值信息和企业信息的属性不同，判断所述价值信息和企业信息的属性差值，根据所述属性差值进行数据采集，获得价值信息和企业信息，表达式为：
；
其中，表示为随机采集的价值信息和企业信息，/>表示为价值信息和企业信息的属性差值，/>表示为价值信息和企业信息的合成参数。
4.根据权利要求1或3所述的一种产业链数据价值评估分析系统，其特征在于，所述数据处理模块对所述企业信息与所述价值信息进行数据处理，包括：
处理所述价值信息和企业信息，并判断所述价值信息和企业信息中的信息重合度，判断所述价值信息和企业信息的属性差值密度，所述价值信息属性差值密度记为，所述企业信息属性差值密度记为/>，表达式为：
；
；
其中，表示为价值信息的属性概率，/>表示为价值信息数量，/>表示为价值信息的属性均值，/>表示为企业信息的属性概率，/>表示为企业信息数量，/>表示为企业信的息属性均值；
根据所述价值信息和企业信息的属性差值密度判断所述价值信息和企业信息的分布状态，完成数据处理，所述价值信息的分布状态记为，所述企业信息的分布状态记为/>，表达式为：
；
；
其中，表示为价值信息的分布状态，/>表示为价值信息的分布状态因子，/>表示为第/>个价值信息，/>表示为企业信息的分布状态，/>表示为企业信息的分布状态因子，/>表示为第/>个企业信息。
5.根据权利要求1所述的一种产业链数据价值评估分析系统，其特征在于，所述数据分析模块对所述企业信息与价值信息对产业数据进行分析，获得所述企业信息与价值信息中潜能数据，包括：
将所述供应商企业信息、制造商企业信息、销售商企业信息记作，将所述原料生产信息、产品供货信息、产品销售信息记作/>；
对所述企业信息进行特征提取，表达式为：
；
其中，表示为企业信息特征，/>表示为供应商企业信息与制造商企业信息的连接权重，/>表示为制造商企业信息与销售商企业信息的连接权重，/>表示为供应商企业信息与销售商企业信息的连接权重，/>表示为第/>组供应商企业信息、制造商企业信息、销售商企业信息；
对所述价值信息进行特征提取，表达式为：
；
其中，表示为价值信息特征，/>表示为原料生产信息与产品供货信息的连接权重，表示为产品供货信息与产品销售信息的连接权重，/>表示为原料生产信息与产品销售信息的连接权重，/>表示为第/>组原料生产信息、产品供货信息、产品销售信息；
通过分析所述企业信息与价值信息的特征信息获取潜能数据。
6.根据权利要求1所述的一种产业链数据价值评估分析系统，其特征在于，所述数据监测模块预设所述企业信息与价值信息的信息阈值，并监测所述企业信息与价值信息，包括：
将所述企业信息的特征信息记作特征向量，将所述价值信息的特征信息记作特征向量/>；
监测所述企业信息与价值信息之间的关联度，表达式为：
；
其中，表示为企业信息与价值信息之间的关联度，/>分别表示为特征向量/>与特征向量/>的行数与列数，/>表示为特征向量/>与特征向量/>中第/>个特征向量；
若的值越大，则企业信息与价值信息之间的关联度越高；
若的值越小，则企业信息与价值信息之间的关联度越低；
根据所述企业信息与价值信息之间的关联度临界值设置所述企业信息与价值信息的信息阈值。
7.根据权利要求1所述的一种产业链数据价值评估分析系统，其特征在于，所述数据评估模块用于对所述潜能数据进行评估，获得所述产业链的数据评估结果，包括：
构建预测评估模型，将所述潜能数据划分为若干个数据集，将所述若干个数据集输入所述预测评估模型中，获得预测评估结果；
将所述预测评估结果输入到所述预测评估模型中，并对所述预测评估结果进行训练，获得数据评估结果，表达式为：
；
其中，表示为数据评估结果，/>表示为潜能数据训练系数，/>表示为第/>个输入的预测评估结果，/>表示为第/>次训练；
当的值越大，则数据评估结果产生的数据价值越高；
当的值越小，则数据评估结果产生的数据价值越低；
当的值为/>时，则数据评估结果处于平衡。
8.根据权利要求6或7所述的一种产业链数据价值评估分析系统，其特征在于，所述数据预警模块对所述信息阈值与数据评估结果进行综合预警，获得产业链数据风险值，包括：
根据所述信息阈值与数据评估结果设置等级风险判定，所述等级风险判定分为三级，包括零风险、一级风险、二级风险；
若信息阈值大于临界值且，则产业链数据风险值为零风险；
若信息阈值大于临界值且或信息阈值小于临界值且/>，则产业链数据风险值为一级风险；
若信息阈值小于临界值且，则产业链数据风险值为二级风险。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310943248.0A CN116663750B (zh) | 2023-07-31 | 2023-07-31 | 一种产业链数据价值评估分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310943248.0A CN116663750B (zh) | 2023-07-31 | 2023-07-31 | 一种产业链数据价值评估分析系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116663750A true CN116663750A (zh) | 2023-08-29 |
| CN116663750B CN116663750B (zh) | 2023-10-13 |
Family
ID=87722784
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310943248.0A Active CN116663750B (zh) | 2023-07-31 | 2023-07-31 | 一种产业链数据价值评估分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116663750B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108764717A (zh) * | 2018-05-28 | 2018-11-06 | 泰华智慧产业集团股份有限公司 | 应用于产业大数据分析的数据处理方法和装置 |
| CN111489065A (zh) * | 2020-03-27 | 2020-08-04 | 北京理工大学 | 融合ict供应链网络拓扑和产品商业信息的节点风险评估 |
| CN113807645A (zh) * | 2021-07-26 | 2021-12-17 | 北京清博智能科技有限公司 | 一种基于开源情报的产业链风险推演方法 |
| WO2021257653A1 (en) * | 2020-06-17 | 2021-12-23 | Spark Resultants LLC | Predictive modeling technologies for identifying retail enterprise deficiencies |
| CN113869722A (zh) * | 2021-09-27 | 2021-12-31 | 青岛海尔工业智能研究院有限公司 | 基于工业互联网的家电供应链风险预警系统、方法及设备 |
-
2023
- 2023-07-31 CN CN202310943248.0A patent/CN116663750B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108764717A (zh) * | 2018-05-28 | 2018-11-06 | 泰华智慧产业集团股份有限公司 | 应用于产业大数据分析的数据处理方法和装置 |
| CN111489065A (zh) * | 2020-03-27 | 2020-08-04 | 北京理工大学 | 融合ict供应链网络拓扑和产品商业信息的节点风险评估 |
| WO2021257653A1 (en) * | 2020-06-17 | 2021-12-23 | Spark Resultants LLC | Predictive modeling technologies for identifying retail enterprise deficiencies |
| CN113807645A (zh) * | 2021-07-26 | 2021-12-17 | 北京清博智能科技有限公司 | 一种基于开源情报的产业链风险推演方法 |
| CN113869722A (zh) * | 2021-09-27 | 2021-12-31 | 青岛海尔工业智能研究院有限公司 | 基于工业互联网的家电供应链风险预警系统、方法及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116663750B (zh) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10996662B2 (en) | Manufacturing equipment diagnosis support system | |
| Gavronski et al. | ISO 14001 certified plants in Brazil–taxonomy and practices | |
| CN109446193A (zh) | 反窃电模型生成方法及装置 | |
| Chan et al. | Cumulative probability control charts for geometric and exponential process characteristics | |
| Jiang et al. | Electrical-STGCN: An electrical spatio-temporal graph convolutional network for intelligent predictive maintenance | |
| CN111210170A (zh) | 基于90%用电分布特征指标的环保管控监测及评价方法 | |
| CN113516313A (zh) | 一种基于用户画像的燃气异常检测方法 | |
| Dewi et al. | Evaluation of effectiveness and cost of machine losses using Overall Equipment Effectiveness (OEE) and Overall Equipment Cost Loss (OECL) methods, a case study on Toshiba CNC Machine | |
| CN115330531A (zh) | 一种基于用电变动周期的企业风险预测方法 | |
| CN116663750B (zh) | 一种产业链数据价值评估分析系统 | |
| CN117891859A (zh) | 一种用于工业物联网的数据处理方法及系统 | |
| CN117273456B (zh) | 一种基于大数据技术的项目成本智能管理系统 | |
| CN117557143A (zh) | 一种基于风险分析的产品质量抽样方法 | |
| CN116703158A (zh) | 一种关于进口食品风险预警的风险评估模型构建方法 | |
| CN115187026A (zh) | 一种产业风险监控方法、系统和可读存储介质 | |
| Whitaker et al. | Application of Multivariate Data Analysis to machine power measurements as a means of tool life Predictive Maintenance for reducing product waste | |
| CN110866829A (zh) | 一种基于集成学习模型的股价预测方法 | |
| He et al. | Quality improvement using data mining in manufacturing processes | |
| Abirami et al. | Analyzing the production of the plastic manufacturing through fuzzy analytic hierarchy process | |
| Mukhlashin et al. | Ensemble learning with imbalanced data handling in the early detection of capital markets | |
| naveen Kumar et al. | Tool condition monitoring by quality during the micro milling process by using IoT and AI | |
| De Felice et al. | Proposal of a multi criteria approach for a sustainable management model of electrical and electronic equipment | |
| Yang et al. | Steel Types Association Analysis in Traffic Construction | |
| Feng et al. | A random forest algorithm based customer demand forecasting model for sports enterprises in the real economy | |
| Lei et al. | Building the information management system of defective product recalls |
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 |