CN117114409A - 企业数据的数据处理方法、设备和存储介质 - Google Patents
企业数据的数据处理方法、设备和存储介质 Download PDFInfo
- Publication number
- CN117114409A CN117114409A CN202311153596.4A CN202311153596A CN117114409A CN 117114409 A CN117114409 A CN 117114409A CN 202311153596 A CN202311153596 A CN 202311153596A CN 117114409 A CN117114409 A CN 117114409A
- Authority
- CN
- China
- Prior art keywords
- funds
- enterprise
- analysis
- data
- influence
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000003672 processing method Methods 0.000 title abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 122
- 238000012544 monitoring process Methods 0.000 claims abstract description 89
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000007405 data analysis Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004904 shortening Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 6
- 238000012502 risk assessment Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/06—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
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Computer Security & Cryptography (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了企业数据的数据处理方法、设备和存储介质，属于数据处理技术领域；根据收入总资金的实时变化状态对运营监测分析集的计算进行动态更新，可以克服收入总资金的实时变化状态更新不及时影响后续企业运营风险评估的准确性的缺陷；通过从销售方面来对企业的实时支持状态进行监测分析并分类，可以根据运营监测分析集以及销售的实时支持状态对企业当下的运营实施影响性分析；根据运营影响分析结果对企业后续的管理进行动态提示和调整；本发明用于解决现有方案中不能根据企业数据来对企业的实时运营风险进行监测分析，并根据分析结果来对后续企业运营进行动态管理来及时应对不同程度的运营风险的技术问题。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及企业数据的数据处理方法、设备和存储介质。
背景技术
企业数据一般包含客户数据、销售数据、财务数据、市场数据、供应链数据、员工数据、生产数据、网络数据、研发数据、社交媒体数据等，这些数据对企业的经营决策、市场营销、客户关系管理等方面都具有重要的影响。
现有的企业数据的数据处理方案在实施时存在一定的缺陷，不能根据企业数据来对企业的实时运营风险进行监测分析，进而不能实时高效的获取到企业运营当下的健康情况，并且不能根据分析结果来对后续企业运营进行动态管理来及时应对不同程度的运营风险。
发明内容
本发明的目的在于提供企业数据的数据处理方法、设备和存储介质，用于解决现有方案中不能根据企业数据来对企业的实时运营风险进行监测分析，并根据分析结果来对后续企业运营进行动态管理来及时应对不同程度的运营风险的技术问题。
本发明的目的可以通过以下技术方案实现：
企业数据的数据处理方法，包括：
对企业当下的运营状态实施信息统计以及数据分析，得到运营监测分析集；
根据收入总资金的实时变化状态对运营监测分析集的计算进行动态更新；
根据运营监测分析集以及销售的实时支持状态对企业当下的运营实施影响性分析，得到运营影响分析结果；
根据运营影响分析结果对企业后续的管理进行动态提示和调整。
优选地，对企业当下的运营状态实施信息统计以及数据分析，包括：
在基础监测周期内对企业当下的运营状态实施信息统计时，获取企业公户的实时可利用资金，并统计企业待支付的支出总资金；
获取企业将要获取尾款的收入总资金，根据实时可利用资金、支出总资金和收入总资金获取到企业对应的预期活动资金；
将实时可利用资金和预期活动资金分别与对应的利用资金阈值和预期活动资金阈值进行比对分类得到由资金安全标签、资金警戒标签或者资金危险标签构成的资金分析数据；
企业的实时可利用资金、支出总资金、收入总资金、预期活动资金和资金分析数据构成运营监测分析集。
优选地，若实时可利用资金大于利用资金阈值且预期活动资金大于预期活动资金阈值，则生成资金安全标签；
若实时可利用资金不大于利用资金阈值或者预期活动资金不大于预期活动资金阈值，则生成资金警戒标签；
若实时可利用资金不大于利用资金阈值且预期活动资金不大于预期活动资金阈值，则生成资金危险标签。
优选地，根据收入总资金的实时变化状态对运营监测分析集的计算进行动态更新，包括：
获取收入总资金组成的所有对象以及对应的待支付金额和待支付时间，根据待支付金额对所有对象进行分类时，计算待支付金额与收入总资金的比值并标记为支付影响系数，将支付影响系数与预设的支付影响阈值进行比对判断；
若支付影响系数大于支付影响阈值，则生成高影响支付标签并将对应的对象标记为一类对象，以及将一类对象对应的待支付时间标记为一类支付时间；
若支付影响系数不大于支付影响阈值，则生成低影响支付标签并将对应的对象标记为二类对象，以及将二类对象对应的待支付时间标记为二类支付时间。
优选地，根据一类支付时间对一类对象的支付状态进行监管时，若一类对象在一类支付时间进行了支付，则生成支付成功信号，根据支付成功信号不对企业对应的预期活动资金重新进行计算；
若一类对象在一类支付时间未进行支付，或者进行了部分支付，则生成支付失败信号，根据支付失败信号对企业对应的预期活动资金重新进行计算。
优选地，根据运营监测分析集以及销售的实时支持状态对企业当下的运营实施影响性分析，包括：
对销售的实时支持状态进行监测分析时，获取销售监测周期内所有销售成交的签约总金额并标记为XZ，以及所有销售成交的已收款总金额并标记为XJ；通过公式Zx＝g1×XZ+g2×XJ计算获取销售的状态系数Zx；式中，g1、g2均为比例系数，且0＜g1＜1，2×g1＝g2；
计算当下销售的状态系数与上一销售监测周期对应的状态系数之间的比值并将其设定为波动系数，根据波动系数对当下销售的状态进行分类时，将波动系数与预设的波动阈值进行比对判断，得到由负面影响标签、正常影响标签或者正面影响标签构成的运营支持分析数据。
优选地，根据运营监测分析集以及销售的实时支持状态对企业当下的运营实施影响性分析时，分别对运营监测分析集和运营支持分析数据进行遍历，若运营监测分析集遍历的结果包含资金警戒标签且运营支持分析数据遍历的结果包含负面影响标签，则生成一类运营风险信号；
若运营监测分析集遍历的结果包含资金危险标签且运营支持分析数据遍历的结果包含负面影响标签，则生成二类运营风险信号；
其它的遍历结果则生成运营正常信号；
运营正常信号、一类运营风险信号或者二类运营风险信号构成运营影响分析结果。
优选地，根据运营影响分析结果对企业后续的管理进行动态提示和调整，包括：
对运营影响分析结果进行遍历，并根据遍历获取的一类运营风险信号或者二类运营风险信号分别对企业的管理人员生成一类运营风险提示或者二类运营风险提示；
以及，根据遍历获取的一类运营风险信号或者二类运营风险信号分别缩短基础监测周期对应的周期时长得到一类风险监测周期或者二类风险监测周期，根据一类风险监测周期或者二类风险监测周期对后续企业运营的风险实施监测分析。
为了解决问题，本发明还提供了企业数据的数据处理设备，包括：
企业运营数据统计分析模块，用于对企业当下的运营状态实施信息统计以及数据分析，得到运营监测分析集；
企业收入数据计算更新模块，用于根据收入总资金的实时变化状态对运营监测分析集的计算进行动态更新；
企业运营影响分析模块，用于根据运营监测分析集以及销售的实时支持状态对企业当下的运营实施影响性分析，得到运营影响分析结果；
企业运营影响提示管控模块，用于根据运营影响分析结果对企业后续的管理进行动态提示和调整。
为了解决问题，本发明还提供了企业数据的数据处理存储介质，其特征在于，包括至少一个处理器；以及，与至少一个处理器通信连接的存储器；
其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行上述的企业数据的数据处理方法。
相比于现有方案，本发明实现的有益效果：
本发明通过对企业运营的利用资金方面实施监测以及分析分类，通过根据收入总资金的实时变化状态对运营监测分析集的计算进行动态更新，可以克服收入总资金的实时变化状态更新不及时影响后续企业运营风险评估的准确性的缺陷，以及克服现有技术方案中支付数据对应的支持能力分析存在滞后性的缺陷；通过从销售方面来对企业的实时支持状态进行监测分析并分类，可以根据运营监测分析集以及销售的实时支持状态对企业当下的运营实施影响性分析，可以实现从不同的方面对运营的影响性进行分析，可以提高运营影响性分析的准确性，同时还可以为后续企业运营的动态调整提供实时销售方面的数据支持；根据运营影响分析结果对企业后续的管理进行动态提示和调整，既可以直观高效的实时获取到企业运营的整体运营风险状态，又可以根据不同整体运营风险状态来对后续的企业运营实施动态告警提示和管理，以便可以及时采取措施来应对不同程度的运营风险，提高了企业数据监测分析的准确性以及数据利用的多样性。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明企业数据的数据处理方法的流程框图。
图2为本发明企业数据的数据处理方法中根据收入总资金的实时变化状态对运营监测分析集的计算进行动态更新的流程框图。
图3为本发明企业数据的数据处理设备的模块框图。
图4为实现企业数据的数据处理方法的计算机设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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，本领域普通运维人员在没有作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。
实施例1：
如图1所示，本发明为企业数据的数据处理方法，包括：
对企业当下的运营状态实施信息统计以及数据分析，得到运营监测分析集；包括：
在基础监测周期内对企业当下的运营状态实施信息统计时，基础检查周期的单位为天，具体的可以为60天，获取企业公户的实时可利用资金，单位为万元，并统计企业待支付的支出总资金，单位为万元，支出总资金包含每月的固定支出资金和项目支出资金，固定支出资金包括但不限于人员工资、办公租金和水电费；项目支出资金包括但不限于项目的全款支付资金或者尾款支付资金；
获取企业将要获取尾款的收入总资金，根据实时可利用资金、支出总资金和收入总资金获取到企业对应的预期活动资金，单位为万元；预期活动资金＝实时可利用资金-支出总资金+收入总资金；
将实时可利用资金和预期活动资金分别与对应的利用资金阈值和预期活动资金阈值进行比对分类；利用资金阈值和预期活动资金阈值可以通过企业管理人员以及本领域的专业技术人员的经验来确定，或者通过现有相同行业的企业财务风险预警模型进行训练得到；
若实时可利用资金大于利用资金阈值且预期活动资金大于预期活动资金阈值，则生成资金安全标签；
若实时可利用资金不大于利用资金阈值或者预期活动资金不大于预期活动资金阈值，则生成资金警戒标签；
若实时可利用资金不大于利用资金阈值且预期活动资金不大于预期活动资金阈值，则生成资金危险标签；
资金安全标签、资金警戒标签或者资金危险标签构成资金分析数据；
企业的实时可利用资金、支出总资金、收入总资金、预期活动资金和资金分析数据构成运营监测分析集；
本发明实施例中，通过对企业运营的利用资金方面实施监测以及分析分类，既可以直观高效的获取到企业资金方面的运营状态，又可以为后续异常运营状态的分析提供可靠的数据支持。
根据收入总资金的实时变化状态对运营监测分析集的计算进行动态更新；包括：
如图2所示，获取收入总资金组成的所有对象以及对应的待支付金额和待支付时间，这里的对象为合作的客户，根据待支付金额对所有对象进行分类时，计算待支付金额与收入总资金的比值并标记为支付影响系数，将支付影响系数与预设的支付影响阈值进行比对判断；
其中，支付影响阈值可以将企业运营的历史支付大数据通过现有的神经网络模型进行训练得到，也可以通过企业管理人员以及本领域的专业技术人员的经验来确定；
若支付影响系数大于支付影响阈值，则生成高影响支付标签并将对应的对象标记为一类对象，以及将一类对象对应的待支付时间标记为一类支付时间；
若支付影响系数不大于支付影响阈值，则生成低影响支付标签并将对应的对象标记为二类对象，以及将二类对象对应的待支付时间标记为二类支付时间；
根据一类支付时间对一类对象的支付状态进行监管时，若一类对象在一类支付时间进行了支付，则生成支付成功信号，根据支付成功信号不对企业对应的预期活动资金重新进行计算；
需要说明的是，通过对高支持影响性的一类对象的支付状态实施针对性的监测和分析，可以提高支持状态监测分析的效率和准确性；
若一类对象在一类支付时间未进行支付，或者进行了部分支付，则生成支付失败信号，根据支付失败信号对企业对应的预期活动资金重新进行计算；
本发明实施例中，通过根据收入总资金的实时变化状态对运营监测分析集的计算进行动态更新，可以克服收入总资金的实时变化状态更新不及时影响后续企业运营风险评估的准确性的缺陷，以及克服现有技术方案中支付数据对应的支持能力分析存在滞后性的缺陷。
根据运营监测分析集以及销售的实时支持状态对企业当下的运营实施影响性分析，得到运营影响分析结果；包括：
对销售的实时支持状态进行监测分析时，获取销售监测周期内所有销售成交的签约总金额并标记为XZ，以及所有销售成交的已收款总金额并标记为XJ；
其中，销售监测周期对应的周期时长小于基础监测周期对应的周期时长，具体的可以为7天，总金额的单位均为万元；
通过公式Zx＝g1×XZ+g2×XJ计算获取销售的状态系数Zx；式中，g1、g2均为比例系数，且0＜g1＜1，2×g1＝g2，公式中的比例系数可以由本领域的技术人员根据实际情况设定或者将大量样本数据通过模拟软件进行模拟获得；
需要说明的是，状态系数是用于将企业运营过程中销售方面的支持状态进行分析评估的数值；状态系数越大，表示销售方面的支持状态越优秀；
计算当下销售的状态系数与上一销售监测周期对应的状态系数之间的比值并将其设定为波动系数，根据波动系数对当下销售的状态进行分类时，将波动系数与预设的波动阈值进行比对判断，波动阈值可以根据企业的盈利需求进行自定义；
若波动系数小于波动阈值的B％，B为大于零小于一百的实数，则生成负面影响标签；
若波动系数不小于波动阈值的B％且不大于波动阈值，则生成正常影响标签；
若波动系数大于波动阈值，则生成正面影响标签；
状态系数以及对应的负面影响标签、正常影响标签或者正面影响标签构成运营支持分析数据；
根据运营监测分析集以及销售的实时支持状态对企业当下的运营实施影响性分析时，分别对运营监测分析集和运营支持分析数据进行遍历，若运营监测分析集遍历的结果包含资金警戒标签且运营支持分析数据遍历的结果包含负面影响标签，则生成一类运营风险信号；
若运营监测分析集遍历的结果包含资金危险标签且运营支持分析数据遍历的结果包含负面影响标签，则生成二类运营风险信号；
其它的遍历结果则生成运营正常信号；
运营正常信号、一类运营风险信号或者二类运营风险信号构成运营影响分析结果；
本发明实施例中，通过从销售方面来对企业的实时支持状态进行监测分析并分类，可以根据运营监测分析集以及销售的实时支持状态对企业当下的运营实施影响性分析，可以实现从不同的方面对运营的影响性进行分析，可以提高运营影响性分析的准确性，同时还可以为后续企业运营的动态调整提供实时销售方面的数据支持。
根据运营影响分析结果对企业后续的管理进行动态提示和调整；包括：
对运营影响分析结果进行遍历，并根据遍历获取的一类运营风险信号或者二类运营风险信号分别对企业的管理人员生成一类运营风险提示或者二类运营风险提示；
以及，根据遍历获取的一类运营风险信号或者二类运营风险信号分别缩短基础监测周期对应的周期时长得到一类风险监测周期或者二类风险监测周期，根据一类风险监测周期或者二类风险监测周期对后续企业运营的风险实施监测分析，直至企业运营后续的运营影响分析结果包含运营正常信号则恢复成基础监测周期；
其中，一类风险监测周期对应的周期时长大于二类风险监测周期对应的周期时长，一类风险监测周期对应的周期时长具体的可以为40天，二类风险监测周期对应的周期时长具体的可以为20天。
本发明实施例中，根据运营影响分析结果对企业后续的管理进行动态提示和调整，既可以直观高效的实时获取到企业运营的整体运营风险状态，又可以根据不同整体运营风险状态来对后续的企业运营实施动态告警提示和管理，以便可以及时采取措施来应对不同程度的运营风险，提高了企业数据监测分析的准确性以及数据利用的多样性。
此外，上述中涉及的公式均是去除量纲取其数值计算，是由采集大量数据进行软件通过模拟软件模拟得到最接近真实情况的一个公式。
实施例3：
如图3所示，企业数据的数据处理设备，包括：
企业运营数据统计分析模块，用于对企业当下的运营状态实施信息统计以及数据分析，得到运营监测分析集；
企业收入数据计算更新模块，用于根据收入总资金的实时变化状态对运营监测分析集的计算进行动态更新；
企业运营影响分析模块，用于根据运营监测分析集以及销售的实时支持状态对企业当下的运营实施影响性分析，得到运营影响分析结果；
企业运营影响提示管控模块，用于根据运营影响分析结果对企业后续的管理进行动态提示和调整。
实施例4：
如图4所示，是本发明实施例提供的实现企业数据的数据处理方法的计算机设备的结构示意图。
计算机设备可以包括处理器、存储器和总线，还可以包括存储在存储器中并可在处理器上运行的计算机程序，如企业数据的数据处理方法的程序。
其中，存储器至少包括一种类型的可读存储介质，可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器在一些实施例中可以是计算机设备的内部存储单元，例如该计算机设备的移动硬盘。存储器在另一些实施例中也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，存储器还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器不仅可以用于存储安装于计算机设备的应用软件及各类数据，例如企业数据的数据处理方法的程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同位置或不同位置封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器是所述计算机设备的控制核心(Control Unit)，利用各种接口和线路连接整个计算机设备的各个部件，通过运行或执行存储在存储器内的程序或者模块(例如企业数据的数据处理方法的程序等)，以及调用存储在存储器内的数据，以执行计算机设备的各种位置和处理数据。
总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。总线被设置为实现所述存储器以及至少一个处理器等之间的连接通信。
图4仅示出了具有部件的计算机设备，本领域技术人员可以理解的是，图4示出的结构并不构成对计算机设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，计算机设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与至少一个处理器逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等位置。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。计算机设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，计算机设备还可以包括网络接口，可选地，网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该计算机设备与其他计算机设备之间建立通信连接。
可选地，该计算机设备还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在计算机设备中处理的信息以及用于显示可视化的用户界面。
应该了解，上述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
计算机设备中的存储器存储的企业数据的数据处理方法的程序是多个指令的组合。
具体地，处理器对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述，在此不赘述。
进一步地，计算机设备集成的模块/单元如果以软件位置单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，可读存储介质存储有计算机程序，计算机程序在被计算机设备的处理器所执行。
在本发明所提供的几个实施例中，应该理解到，所揭露的方法，可以通过其它的方式实现。例如，以上所描述的发明实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑位置划分，实际实现时可以有另外的划分方式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各位置模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件位置模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，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案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.企业数据的数据处理方法，其特征在于，包括：
对企业当下的运营状态实施信息统计以及数据分析，得到运营监测分析集；
根据收入总资金的实时变化状态对运营监测分析集的计算进行动态更新；
根据运营监测分析集以及销售的实时支持状态对企业当下的运营实施影响性分析，得到运营影响分析结果；
根据运营影响分析结果对企业后续的管理进行动态提示和调整。
2.根据权利要求1所述的企业数据的数据处理方法，其特征在于，对企业当下的运营状态实施信息统计以及数据分析，包括：
在基础监测周期内对企业当下的运营状态实施信息统计时，获取企业公户的实时可利用资金，并统计企业待支付的支出总资金；
获取企业将要获取尾款的收入总资金，根据实时可利用资金、支出总资金和收入总资金获取到企业对应的预期活动资金；
将实时可利用资金和预期活动资金分别与对应的利用资金阈值和预期活动资金阈值进行比对分类得到由资金安全标签、资金警戒标签或者资金危险标签构成的资金分析数据；
企业的实时可利用资金、支出总资金、收入总资金、预期活动资金和资金分析数据构成运营监测分析集。
3.根据权利要求2所述的企业数据的数据处理方法，其特征在于，若实时可利用资金大于利用资金阈值且预期活动资金大于预期活动资金阈值，则生成资金安全标签；
若实时可利用资金不大于利用资金阈值或者预期活动资金不大于预期活动资金阈值，则生成资金警戒标签；
若实时可利用资金不大于利用资金阈值且预期活动资金不大于预期活动资金阈值，则生成资金危险标签。
4.根据权利要求1所述的企业数据的数据处理方法，其特征在于，根据收入总资金的实时变化状态对运营监测分析集的计算进行动态更新，包括：
获取收入总资金组成的所有对象以及对应的待支付金额和待支付时间，根据待支付金额对所有对象进行分类时，计算待支付金额与收入总资金的比值并标记为支付影响系数，将支付影响系数与预设的支付影响阈值进行比对判断；
若支付影响系数大于支付影响阈值，则生成高影响支付标签并将对应的对象标记为一类对象，以及将一类对象对应的待支付时间标记为一类支付时间；
若支付影响系数不大于支付影响阈值，则生成低影响支付标签并将对应的对象标记为二类对象，以及将二类对象对应的待支付时间标记为二类支付时间。
5.根据权利要求4所述的企业数据的数据处理方法，其特征在于，根据一类支付时间对一类对象的支付状态进行监管时，若一类对象在一类支付时间进行了支付，则生成支付成功信号，根据支付成功信号不对企业对应的预期活动资金重新进行计算；
若一类对象在一类支付时间未进行支付，或者进行了部分支付，则生成支付失败信号，根据支付失败信号对企业对应的预期活动资金重新进行计算。
6.根据权利要求1所述的企业数据的数据处理方法，其特征在于，根据运营监测分析集以及销售的实时支持状态对企业当下的运营实施影响性分析，包括：
对销售的实时支持状态进行监测分析时，获取销售监测周期内所有销售成交的签约总金额并标记为XZ，以及所有销售成交的已收款总金额并标记为XJ；通过公式Zx＝g1×XZ+g2×XJ计算获取销售的状态系数Zx；式中，g1、g2均为比例系数，且0＜g1＜1，2×g1＝g2；
计算当下销售的状态系数与上一销售监测周期对应的状态系数之间的比值并将其设定为波动系数，根据波动系数对当下销售的状态进行分类时，将波动系数与预设的波动阈值进行比对判断，得到由负面影响标签、正常影响标签或者正面影响标签构成的运营支持分析数据。
7.根据权利要求6所述的企业数据的数据处理方法，其特征在于，根据运营监测分析集以及销售的实时支持状态对企业当下的运营实施影响性分析时，分别对运营监测分析集和运营支持分析数据进行遍历，若运营监测分析集遍历的结果包含资金警戒标签且运营支持分析数据遍历的结果包含负面影响标签，则生成一类运营风险信号；
若运营监测分析集遍历的结果包含资金危险标签且运营支持分析数据遍历的结果包含负面影响标签，则生成二类运营风险信号；
其它的遍历结果则生成运营正常信号；
运营正常信号、一类运营风险信号或者二类运营风险信号构成运营影响分析结果。
8.根据权利要求7所述的企业数据的数据处理方法，其特征在于，根据运营影响分析结果对企业后续的管理进行动态提示和调整，包括：
对运营影响分析结果进行遍历，并根据遍历获取的一类运营风险信号或者二类运营风险信号分别对企业的管理人员生成一类运营风险提示或者二类运营风险提示；
以及，根据遍历获取的一类运营风险信号或者二类运营风险信号分别缩短基础监测周期对应的周期时长得到一类风险监测周期或者二类风险监测周期，根据一类风险监测周期或者二类风险监测周期对后续企业运营的风险实施监测分析。
9.企业数据的数据处理设备，其特征在于，包括：企业运营数据统计分析模块，用于对企业当下的运营状态实施信息统计以及数据分析，得到运营监测分析集；
企业收入数据计算更新模块，用于根据收入总资金的实时变化状态对运营监测分析集的计算进行动态更新；
企业运营影响分析模块，用于根据运营监测分析集以及销售的实时支持状态对企业当下的运营实施影响性分析，得到运营影响分析结果；
企业运营影响提示管控模块，用于根据运营影响分析结果对企业后续的管理进行动态提示和调整。
10.企业数据的数据处理存储介质，其特征在于，包括至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行如权利要求1至8中任意一项所述的企业数据的数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311153596.4A CN117114409A (zh) | 2023-09-08 | 2023-09-08 | 企业数据的数据处理方法、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311153596.4A CN117114409A (zh) | 2023-09-08 | 2023-09-08 | 企业数据的数据处理方法、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117114409A true CN117114409A (zh) | 2023-11-24 |
Family
ID=88794633
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311153596.4A Pending CN117114409A (zh) | 2023-09-08 | 2023-09-08 | 企业数据的数据处理方法、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117114409A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117298505A (zh) * | 2023-11-27 | 2023-12-29 | 江苏森讯达智能科技有限公司 | 一种基于大数据的消防器材管理系统 |
| CN117609994A (zh) * | 2023-12-06 | 2024-02-27 | 乘乘智数科技(深圳)有限公司 | 一种基于数据安全的非侵入式数据监控方法及系统 |
-
2023
- 2023-09-08 CN CN202311153596.4A patent/CN117114409A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117298505A (zh) * | 2023-11-27 | 2023-12-29 | 江苏森讯达智能科技有限公司 | 一种基于大数据的消防器材管理系统 |
| CN117609994A (zh) * | 2023-12-06 | 2024-02-27 | 乘乘智数科技(深圳)有限公司 | 一种基于数据安全的非侵入式数据监控方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117114409A (zh) | 企业数据的数据处理方法、设备和存储介质 | |
| CN113434575B (zh) | 基于数据仓库的数据归因处理方法、装置及存储介质 | |
| CN111754110A (zh) | 基于人工智能的经营指标评价方法、装置、设备及介质 | |
| CN109583729B (zh) | 用于平台在线模型的数据处理方法和装置 | |
| CN114519524A (zh) | 基于知识图谱的企业风险预警方法、装置及存储介质 | |
| CN116755985A (zh) | 基于大数据和数据分析的平台智能监测管理系统 | |
| CN115271957A (zh) | 基于云计算的金融风险分析评估系统及方法 | |
| CN113139743A (zh) | 污水排放指标分析方法、装置、电子设备及存储介质 | |
| CN112950344A (zh) | 数据评估方法、装置、电子设备及存储介质 | |
| CN115577933A (zh) | 一种智慧园区孵化企业信息管理系统及方法 | |
| CN115239479A (zh) | 一种基于大数据的供应链金融风险控制系统及方法 | |
| CN116797098A (zh) | 基于模型训练的工作质量评估方法、装置、设备及介质 | |
| CN117557199B (zh) | 一种基于数学模型的智慧仓储方法、系统及存储介质 | |
| CN113313211B (zh) | 文本分类方法、装置、电子设备及存储介质 | |
| CN116843481A (zh) | 知识图谱分析方法、装置、设备及存储介质 | |
| CN111652282A (zh) | 基于大数据的用户偏好分析方法、装置及电子设备 | |
| CN110070383B (zh) | 基于大数据分析的异常用户识别方法及装置 | |
| CN114625975B (zh) | 一种基于知识图谱的客户行为分析系统 | |
| WO2019196502A1 (zh) | 营销活动质量评估方法、服务器及计算机可读存储介质 | |
| CN115495734A (zh) | 一种基于大数据的企业档案信息管理系统及方法 | |
| CN114663232A (zh) | 异常交易行为的监测方法、装置及计算机程序产品 | |
| WO2022227210A1 (zh) | 车主置换评估方法、系统、电子设备及存储介质 | |
| CN114372892A (zh) | 支付数据监控方法、装置、设备及介质 | |
| CN114742594A (zh) | 一种金融推广投资数据处理测评装置及方法 | |
| CN113034258A (zh) | 一种税务数据处理方法、装置、电子设备及存储介质 |
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 |