CN117194588B - 一种基于大数据的业务数据一体化监管系统及方法 - Google Patents
一种基于大数据的业务数据一体化监管系统及方法 Download PDFInfo
- Publication number
- CN117194588B CN117194588B CN202311465867.XA CN202311465867A CN117194588B CN 117194588 B CN117194588 B CN 117194588B CN 202311465867 A CN202311465867 A CN 202311465867A CN 117194588 B CN117194588 B CN 117194588B
- Authority
- CN
- China
- Prior art keywords
- matrix
- service
- business
- linkage
- dynamic
- 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 66
- 239000011159 matrix material Substances 0.000 claims abstract description 156
- 238000012545 processing Methods 0.000 claims abstract description 96
- 230000004927 fusion Effects 0.000 claims abstract description 41
- 238000007726 management method Methods 0.000 claims description 88
- 230000006870 function Effects 0.000 claims description 42
- 230000008569 process Effects 0.000 claims description 39
- 238000004458 analytical method Methods 0.000 claims description 28
- 230000008447 perception Effects 0.000 claims description 27
- 238000009960 carding Methods 0.000 claims description 18
- 238000013439 planning Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 108091026890 Coding region Proteins 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 2
- 230000006399 behavior Effects 0.000 abstract description 94
- 230000007774 longterm Effects 0.000 abstract description 4
- 230000010354 integration Effects 0.000 abstract description 2
- 230000009466 transformation Effects 0.000 abstract description 2
- 230000009471 action Effects 0.000 description 3
- 238000013475 authorization Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000013068 supply chain management Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的业务数据一体化监管系统及方法,属于大数据技术领域。以授权管理角色人负责的处理操作环节为统一化尺度来形成不同的数据集类型,进而通过轻量化的数据集方式对数据集类型进行实时拓展和更新;构建管理角色人的行为模型矩阵,将不同业务通过以处理操作环节为导向来更方便简洁地记录业务的动态反馈行为;以单位时间周期来进行循环指令的记录,便于分析短期内的业务之间的强弱关联情况下的联动性;建立二维坐标系,来刻画联动性转化的曲线与联动稳定性门限函数直线的逼近程度,从而分析出业务之间的长期融合支持度,实现业务数据的一体化,便于对业务进行完整、及时、有效的监管,降低整合业务数据的难度。
Description
技术领域
本发明涉及大数据技术领域,具体为一种基于大数据的业务数据一体化监管系统及方法。
背景技术
在企业业务管理过程中,通常会有多个系统用于支持不同的功能和流程,如:后台管理系统,实现数据的共享和流程的协同工作;客户关系管理系统(CRM),帮助企业跟进销售机会、管理客户信息、分析销售数据等,以提升客户满意度和销售业绩;供应链管理系统帮助企业实现供应链的可视化、协同配合、库存管理等,以提高供应链的效率和准确性; 人力资源管理系统(HRM),帮助企业集中管理员工信息、提供人力资源数据分析等功能,以支持企业的人力资源决策和管理;项目管理系统,帮助企业规划项目、分配资源、跟踪进度等,以提高项目的执行效率和管理质量;财务管理系统,帮助企业进行财务核算、报表生成、预算管理等,以支持企业的财务决策和财务风险控制;
现有技术中,当企业在开展一个业务的时候,往往需要联同各个不同的系统进行业务管理,尤其涉及到跨部门时,事务处理流程往往更加繁琐,同时由于各系统之间存在很大的信息孤岛,促使无法对业务进行完整、及时、有效的监管,加大了把控业务风险和整合业务数据的难度。
发明内容
本发明的目的在于提供一种基于大数据的业务数据一体化监管系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:
一种基于大数据的业务数据一体化监管系统,本系统包括:数据关系处理模块、行为特征感知模块、特征关系分析模块和融合判断模块;
所述数据关系处理模块,用于对业务实施过程中涉及到的各个处理操作环节进行数据关系梳理,形成不同的数据集类型,并对数据集类型进行统筹;
所述行为特征感知模块,根据数据集类型,构建管理角色人的行为模型矩阵,并建立业务动态实时感知模型,记录业务实施过程中的操作请求指令,生成业务动态行为矩阵;
所述特征关系分析模块,根据指令记录情况,对不同的业务动态行为矩阵之间的联动性进行分析,并将分析结果转化到二维坐标系中,形成连续的平滑曲线;
所述融合判断模块,基于二维坐标系,建立联动稳定性门限函数,并分析业务之间的融合支持度,根据分析结果对业务进行一体化融合监管。
进一步的,所述数据关系处理模块还包括数据关系梳理单元和关系统筹更新单元;
所述数据关系梳理单元,根据企业对业务实施过程中涉及到的各个处理操作环节进行数据关系梳理,所述数据关系为通过构建基于企业管理角色人架构的以授权管理角色人负责的处理操作环节为统一化尺度形成的不同数据集类型;
所述关系统筹更新单元,用于统筹全部处理操作环节且进行统一编号,并对企业管理角色人进行具有唯一性的ID身份编码,统筹以授权管理角色人负责的处理操作环节为统一化尺度形成的不同数据集类型,将任意一个数据集类型记为DTi={O1,O2,...,Om},其中,i表示管理角色人编码,O1,O2,...,Om分别表示授权管理角色人负责的第1,2,...,m个处理操作环节,并基于处理操作环节或授权管理角色人的更改而对数据集类型进行实时拓展和更新。
进一步的,所述行为特征感知模块还包括统一化参照模板单元和动态实时感知单元;
所述统一化参照模板单元,根据数据集类型,构建管理角色人的行为模型矩阵,所述行为模型矩阵的行数对应管理角色人的人数,且行的顺序对应管理角色人的编码顺序,所述行为模型矩阵的列数对应数据集类型中处理操作环节的数量,且列的顺序对应处理操作环节的编号顺序,则将所述行为模型矩阵记为R(n×m),将行为模型矩阵R(n×m)中任意一个矩阵元素记为MEij,其中,n表示行数,m表示列数,MEij表示管理角色人i对应生成的数据集类型中的第j个处理操作环节;
所述动态实时感知单元,用于统筹企业运营过程中的全部业务且进行统一编号,并根据行为模型矩阵,建立业务动态实时感知模型,生成业务动态行为矩阵;所述业务动态实时感知模型以所述行为模型矩阵为统一化参照格式模板,并根据企业管理角色人发出的基于处理操作环节的动态业务操作请求,在行为模型矩阵中进行动态业务操作请求的指令记录,当矩阵元素MEij对应发生动态业务操作请求时,则将矩阵元素MEij对应的指令记录为1,当矩阵元素MEij对应没有发生动态业务操作请求时,则将矩阵元素MEij对应的指令记录为0;所述业务动态行为矩阵,根据所述业务动态实时感知模型,以单位时间周期T而循环进行的指令记录所生成。
进一步的,所述特征关系分析模块还包括联动性分析单元和曲线转化单元;
所述联动性分析单元,用于将第x个业务在第w个单位时间周期时的指令记录情况,对应生成的业务动态行为矩阵记为Gx(Tw),其中,Tw表示第w个单位时间周期;在第w个单位时间周期下,对业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动性进行分析,其中,Gy(Tw)表示第y个业务在第w个单位时间周期时对应生成的业务动态行为矩阵,并计算业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动值,具体计算公式如下:
LVw(x→y)=NUM[Gx(Tw)∩Gy(Tw)]/NUM[Gx(Tw)∪Gy(Tw)]
其中,LVw(x→y)表示在第w个单位时间周期时业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动值,NUM[Gx(Tw)∩Gy(Tw)]表示业务动态行为矩阵Gx(Tw)和Gy(Tw)交集中指令记录为1的总数量,NUM[Gx(Tw)∪Gy(Tw)]表示业务动态行为矩阵Gx(Tw)和Gy(Tw)并集中指令记录为1的总数量;
所述曲线转化单元,用于统筹业务x和业务y在不同单位时间周期时对应的联动值,并建立横坐标对应单位时间周期,纵坐标对应联动值的二维坐标系,将联动值在所述二维坐标系中进行映射形成连续的平滑曲线。
进一步的,所述融合判断模块还包括门限函数单元和判断分析单元;
所述门限函数单元,基于所述二维坐标系,构建联动稳定性门限函数,记为LV(w)=aw+b,其中,单位时间周期w为联动稳定性门限函数的自变量,LV(w)为联动稳定性门限函数的应变量,a和b分别表示为可调节的门限系数;
所述判断分析单元,根据联动稳定性门限函数,计算业务x和业务y之间的融合支持度,具体计算公式如下:
FS(x→y)=Σw=1 Q|1-|LVw(x→y)-LV(w)|/LV(w)|
其中,FS(x→y)表示业务x和业务y之间的融合支持度,Q为单位时间周期的总数量;
预设支持度阈值,如果业务x和业务y之间的融合支持度大于等于支持度阈值,则判断业务x和业务y可以进行一体化监管,反之则反。
一种基于大数据的业务数据一体化监管方法,本方法包括以下步骤:
步骤S100:对业务实施过程中涉及到的各个处理操作环节进行数据关系梳理,形成不同的数据集类型,并对数据集类型进行统筹;
步骤S200:根据数据集类型,构建管理角色人的行为模型矩阵,并建立业务动态实时感知模型,记录业务实施过程中的操作请求指令,生成业务动态行为矩阵;
步骤S300:根据指令记录情况,对不同的业务动态行为矩阵之间的联动性进行分析,并将分析结果转化到二维坐标系中,形成连续的平滑曲线;
步骤S400:基于二维坐标系,建立联动稳定性门限函数,并分析业务之间的融合支持度,根据分析结果对业务进行一体化融合监管。
进一步的,所述步骤S100的具体实施过程包括:
步骤S101:根据企业对业务实施过程中涉及到的各个处理操作环节进行数据关系梳理,所述数据关系为通过构建基于企业管理角色人架构的以授权管理角色人负责的处理操作环节为统一化尺度形成的不同数据集类型,并基于处理操作环节或授权管理角色人的更改而对数据集类型进行实时拓展和更新;
步骤S102:统筹全部处理操作环节且进行统一编号,并对企业管理角色人进行具有唯一性的ID身份编码,统筹以授权管理角色人负责的处理操作环节为统一化尺度形成的不同数据集类型,将任意一个数据集类型记为DTi={O1,O2,...,Om},其中,i表示管理角色人编码,O1,O2,...,Om分别表示授权管理角色人负责的第1,2,...,m个处理操作环节;
根据上述方法,企业对业务实施过程中涉及到的各个处理操作环节的处理,本质是通过管理角色人来进行实时反馈的,同时,管理角色人往往一般根据企业的运营架构来进行授权权限和任务职责,进而本申请发明以授权管理角色人负责的处理操作环节为统一化尺度来形成不同的数据集类型,进而能够通过轻量化的数据集方式对数据集类型进行实时拓展和更新。
进一步的,所述步骤S200的具体实施过程包括:
步骤S201:根据数据集类型,构建管理角色人的行为模型矩阵,所述行为模型矩阵的行数对应管理角色人的人数,且行的顺序对应管理角色人的编码顺序,所述行为模型矩阵的列数对应数据集类型中处理操作环节的数量,且列的顺序对应处理操作环节的编号顺序,则将所述行为模型矩阵记为R(n×m),将行为模型矩阵R(n×m)中任意一个矩阵元素记为MEij,其中,n表示行数,m表示列数,MEij表示管理角色人i对应生成的数据集类型中的第j个处理操作环节;
步骤S202:统筹企业运营过程中的全部业务且进行统一编号,并根据行为模型矩阵,建立业务动态实时感知模型,生成业务动态行为矩阵;所述业务动态实时感知模型以所述行为模型矩阵为统一化参照格式模板,并根据企业管理角色人发出的基于处理操作环节的动态业务操作请求,在行为模型矩阵中进行动态业务操作请求的指令记录,当矩阵元素MEij对应发生动态业务操作请求时,则将矩阵元素MEij对应的指令记录为1,当矩阵元素MEij对应没有发生动态业务操作请求时,则将矩阵元素MEij对应的指令记录为0;所述业务动态行为矩阵,根据所述业务动态实时感知模型,以单位时间周期T而循环进行的指令记录所生成;
根据上述方法,构建管理角色人的行为模型矩阵,是为了将不同业务通过以处理操作环节为导向来更方便简洁地记录业务的动态反馈行为,从而能够在统一化的参照格式模板下生成业务动态行为矩阵。
进一步的,所述步骤S300的具体实施过程包括:
步骤S301:将第x个业务在第w个单位时间周期时的指令记录情况,对应生成的业务动态行为矩阵记为Gx(Tw),其中,Tw表示第w个单位时间周期;在第w个单位时间周期下,对业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动性进行分析,其中,Gy(Tw)表示第y个业务在第w个单位时间周期时对应生成的业务动态行为矩阵,并计算业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动值,具体计算公式如下:
LVw(x→y)=NUM[Gx(Tw)∩Gy(Tw)]/NUM[Gx(Tw)∪Gy(Tw)]
其中,LVw(x→y)表示在第w个单位时间周期时业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动值,NUM[Gx(Tw)∩Gy(Tw)]表示业务动态行为矩阵Gx(Tw)和Gy(Tw)交集中指令记录为1的总数量,NUM[Gx(Tw)∪Gy(Tw)]表示业务动态行为矩阵Gx(Tw)和Gy(Tw)并集中指令记录为1的总数量;
步骤S302:统筹业务x和业务y在不同单位时间周期时对应的联动值,并建立横坐标对应单位时间周期,纵坐标对应联动值的二维坐标系,将联动值在所述二维坐标系中进行映射形成连续的平滑曲线;
根据上述方法,公式Gx(Tw)∩Gy(Tw)是基于布尔矩阵的逻辑乘原理,即对于一个布尔矩阵,其逻辑乘的结果矩阵每个元素为该元素的逻辑与,在业务动态行为矩阵中,每一个处理操作环节对应的矩阵元素同时发生时,即表示两个业务在同一个处理操作环节上具有强联动反馈性,公式Gx(Tw)∪Gy(Tw)是基于布尔矩阵的逻辑加原理,即对于一个布尔矩阵,其逻辑加的结果矩阵每个元素为该元素的逻辑或,相应的,即每一个处理操作环节对应的矩阵元素异步发生时,即表示两个业务在同一个处理操作环节上具有弱联动反馈性;从而通过强联动与弱联动情况的占比,来反应业务之间的联动性。
进一步的,所述步骤S400的具体实施过程包括:
步骤S401:基于所述二维坐标系,构建联动稳定性门限函数,记为LV(w)=aw+b,其中,单位时间周期w为联动稳定性门限函数的自变量,LV(w)为联动稳定性门限函数的应变量,a和b分别表示为可调节的门限系数;
步骤S402:根据联动稳定性门限函数,计算业务x和业务y之间的融合支持度,具体计算公式如下:
FS(x→y)=Σw=1 Q|1-|LVw(x→y)-LV(w)|/LV(w)|
其中,FS(x→y)表示业务x和业务y之间的融合支持度,Q为单位时间周期的总数量;
预设支持度阈值,如果业务x和业务y之间的融合支持度大于等于支持度阈值,则判断业务x和业务y可以进行一体化监管,反之则反;
根据上述方法,构建联动稳定性门限函数实质为对联动性关系的进一步判定,融合支持度公式,反馈的是平滑曲线逼近门限函数直线的程度,即重合重度,从而来分析联动的稳定性,通过不同单位时间周期节点对应的公式1-|LVw(x→y)-LV(w)|/LV(w)结果的累加,来反应业务在不同时间周期节点的长期支持度。
与现有技术相比,本发明所达到的有益效果是:本发明提供的一种基于大数据的业务数据一体化监管系统及方法中,以授权管理角色人负责的处理操作环节为统一化尺度来形成不同的数据集类型,进而通过轻量化的数据集方式对数据集类型进行实时拓展和更新;构建管理角色人的行为模型矩阵,将不同业务通过以处理操作环节为导向来更方便简洁地记录业务的动态反馈行为;以单位时间周期来进行循环指令的记录,便于分析短期内的业务之间的强弱关联情况下的联动性;建立二维坐标系,来刻画联动性转化的曲线与联动稳定性门限函数直线的逼近程度,从而分析出业务之间的长期融合支持度,实现业务数据的一体化,便于对业务进行完整、及时、有效的监管,降低整合业务数据的难度。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并且不构成对本发明的限制。在附图中:
图1是本发明一种基于大数据的业务数据一体化监管系统的结构示意图;
图2是本发明一种基于大数据的业务数据一体化监管方法的步骤示意图。
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,都属于本发明保护的范围。
请参阅图1-图2,本发明提供技术方案:
请参阅图1,在本实施例一中:提供一种基于大数据的业务数据一体化监管系统,该系统包括:数据关系处理模块、行为特征感知模块、特征关系分析模块和融合判断模块;
数据关系处理模块,用于对业务实施过程中涉及到的各个处理操作环节进行数据关系梳理,形成不同的数据集类型,并对数据集类型进行统筹;
其中,数据关系处理模块还包括数据关系梳理单元和关系统筹更新单元;
数据关系梳理单元,根据企业对业务实施过程中涉及到的各个处理操作环节进行数据关系梳理,数据关系为通过构建基于企业管理角色人架构的以授权管理角色人负责的处理操作环节为统一化尺度形成的不同数据集类型;
关系统筹更新单元,用于统筹全部处理操作环节且进行统一编号,并对企业管理角色人进行具有唯一性的ID身份编码,统筹以授权管理角色人负责的处理操作环节为统一化尺度形成的不同数据集类型,将任意一个数据集类型记为DTi={O1,O2,...,Om},其中,i表示管理角色人编码,O1,O2,...,Om分别表示授权管理角色人负责的第1,2,...,m个处理操作环节,并基于处理操作环节或授权管理角色人的更改而对数据集类型进行实时拓展和更新;
行为特征感知模块,根据数据集类型,构建管理角色人的行为模型矩阵,并建立业务动态实时感知模型,记录业务实施过程中的操作请求指令,生成业务动态行为矩阵;
其中,行为特征感知模块还包括统一化参照模板单元和动态实时感知单元;
统一化参照模板单元,根据数据集类型,构建管理角色人的行为模型矩阵,行为模型矩阵的行数对应管理角色人的人数,且行的顺序对应管理角色人的编码顺序,行为模型矩阵的列数对应数据集类型中处理操作环节的数量,且列的顺序对应处理操作环节的编号顺序,则将行为模型矩阵记为R(n×m),将行为模型矩阵R(n×m)中任意一个矩阵元素记为MEij,其中,n表示行数,m表示列数,MEij表示管理角色人i对应生成的数据集类型中的第j个处理操作环节;
动态实时感知单元,用于统筹企业运营过程中的全部业务且进行统一编号,并根据行为模型矩阵,建立业务动态实时感知模型,生成业务动态行为矩阵;业务动态实时感知模型以行为模型矩阵为统一化参照格式模板,并根据企业管理角色人发出的基于处理操作环节的动态业务操作请求,在行为模型矩阵中进行动态业务操作请求的指令记录,当矩阵元素MEij对应发生动态业务操作请求时,则将矩阵元素MEij对应的指令记录为1,当矩阵元素MEij对应没有发生动态业务操作请求时,则将矩阵元素MEij对应的指令记录为0;业务动态行为矩阵,根据业务动态实时感知模型,以单位时间周期T而循环进行的指令记录所生成;
特征关系分析模块,根据指令记录情况,对不同的业务动态行为矩阵之间的联动性进行分析,并将分析结果转化到二维坐标系中,形成连续的平滑曲线;
其中,特征关系分析模块还包括联动性分析单元和曲线转化单元;
联动性分析单元,用于将第x个业务在第w个单位时间周期时的指令记录情况,对应生成的业务动态行为矩阵记为Gx(Tw),其中,Tw表示第w个单位时间周期;在第w个单位时间周期下,对业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动性进行分析,其中,Gy(Tw)表示第y个业务在第w个单位时间周期时对应生成的业务动态行为矩阵,并计算业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动值,具体计算公式如下:
LVw(x→y)=NUM[Gx(Tw)∩Gy(Tw)]/NUM[Gx(Tw)∪Gy(Tw)]
其中,LVw(x→y)表示在第w个单位时间周期时业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动值,NUM[Gx(Tw)∩Gy(Tw)]表示业务动态行为矩阵Gx(Tw)和Gy(Tw)交集中指令记录为1的总数量,NUM[Gx(Tw)∪Gy(Tw)]表示业务动态行为矩阵Gx(Tw)和Gy(Tw)并集中指令记录为1的总数量;
曲线转化单元,用于统筹业务x和业务y在不同单位时间周期时对应的联动值,并建立横坐标对应单位时间周期,纵坐标对应联动值的二维坐标系,将联动值在二维坐标系中进行映射形成连续的平滑曲线;
融合判断模块,基于二维坐标系,建立联动稳定性门限函数,并分析业务之间的融合支持度,根据分析结果对业务进行一体化融合监管;
其中,融合判断模块还包括门限函数单元和判断分析单元;
门限函数单元,基于二维坐标系,构建联动稳定性门限函数,记为LV(w)=aw+b,其中,单位时间周期w为联动稳定性门限函数的自变量,LV(w)为联动稳定性门限函数的应变量,a和b分别表示为可调节的门限系数;
判断分析单元,根据联动稳定性门限函数,计算业务x和业务y之间的融合支持度,具体计算公式如下:
FS(x→y)=Σw=1 Q|1-|LVw(x→y)-LV(w)|/LV(w)|
其中,FS(x→y)表示业务x和业务y之间的融合支持度,Q为单位时间周期的总数量;
预设支持度阈值,如果业务x和业务y之间的融合支持度大于等于支持度阈值,则判断业务x和业务y可以进行一体化监管,反之则反。
请参阅图2,在本实施例二中:提供一种基于大数据的业务数据一体化监管方法,该方法包括以下步骤:
对业务实施过程中涉及到的各个处理操作环节进行数据关系梳理,形成不同的数据集类型,并对数据集类型进行统筹;
根据企业对业务实施过程中涉及到的各个处理操作环节进行数据关系梳理,数据关系为通过构建基于企业管理角色人架构的以授权管理角色人负责的处理操作环节为统一化尺度形成的不同数据集类型,并基于处理操作环节或授权管理角色人的更改而对数据集类型进行实时拓展和更新;
统筹全部处理操作环节且进行统一编号,并对企业管理角色人进行具有唯一性的ID身份编码,统筹以授权管理角色人负责的处理操作环节为统一化尺度形成的不同数据集类型,将任意一个数据集类型记为DTi={O1,O2,...,Om},其中,i表示管理角色人编码,O1,O2,...,Om分别表示授权管理角色人负责的第1,2,...,m个处理操作环节;
根据数据集类型,构建管理角色人的行为模型矩阵,并建立业务动态实时感知模型,记录业务实施过程中的操作请求指令,生成业务动态行为矩阵;
根据数据集类型,构建管理角色人的行为模型矩阵,行为模型矩阵的行数对应管理角色人的人数,且行的顺序对应管理角色人的编码顺序,行为模型矩阵的列数对应数据集类型中处理操作环节的数量,且列的顺序对应处理操作环节的编号顺序,则将行为模型矩阵记为R(n×m),将行为模型矩阵R(n×m)中任意一个矩阵元素记为MEij,其中,n表示行数,m表示列数,MEij表示管理角色人i对应生成的数据集类型中的第j个处理操作环节;
统筹企业运营过程中的全部业务且进行统一编号,并根据行为模型矩阵,建立业务动态实时感知模型,生成业务动态行为矩阵;业务动态实时感知模型以行为模型矩阵为统一化参照格式模板,并根据企业管理角色人发出的基于处理操作环节的动态业务操作请求,在行为模型矩阵中进行动态业务操作请求的指令记录,当矩阵元素MEij对应发生动态业务操作请求时,则将矩阵元素MEij对应的指令记录为1,当矩阵元素MEij对应没有发生动态业务操作请求时,则将矩阵元素MEij对应的指令记录为0;业务动态行为矩阵,根据业务动态实时感知模型,以单位时间周期T而循环进行的指令记录所生成;
例如某融媒体平台企业,在长期的运营管理中,发现客户来源不同,签订的业务合同不同,业务实施过程中针对不同的客户业务需求,采取的处理操作也各不相同,最终得出业务随着客户需求的不同,而落实到具体的服务方式环节上也存在差异,而现有技术中,一般通过员工来进行业务的一对一跟进处理反馈,保证业务的实施完成,如客服部负责创建客户信息,法务部负责起草合同,业务员负责洽谈具体业务合作细节,财务部负责作预算核账,同时,通过建立行为模型矩阵,统筹处理操作环节有{创建客户,发起合同,合同审批,合同执行,成本管理,发票管理,到款管理},进而在统一的行为模型下,记录不同管理角色人发起的请求指令;
根据指令记录情况,对不同的业务动态行为矩阵之间的联动性进行分析,并将分析结果转化到二维坐标系中,形成连续的平滑曲线;
将第x个业务在第w个单位时间周期时的指令记录情况,对应生成的业务动态行为矩阵记为Gx(Tw),其中,Tw表示第w个单位时间周期;在第w个单位时间周期下,对业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动性进行分析,其中,Gy(Tw)表示第y个业务在第w个单位时间周期时对应生成的业务动态行为矩阵,并计算业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动值,具体计算公式如下:
LVw(x→y)=NUM[Gx(Tw)∩Gy(Tw)]/NUM[Gx(Tw)∪Gy(Tw)]
其中,LVw(x→y)表示在第w个单位时间周期时业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动值,NUM[Gx(Tw)∩Gy(Tw)]表示业务动态行为矩阵Gx(Tw)和Gy(Tw)交集中指令记录为1的总数量,NUM[Gx(Tw)∪Gy(Tw)]表示业务动态行为矩阵Gx(Tw)和Gy(Tw)并集中指令记录为1的总数量;
统筹业务x和业务y在不同单位时间周期时对应的联动值,并建立横坐标对应单位时间周期,纵坐标对应联动值的二维坐标系,将联动值在二维坐标系中进行映射形成连续的平滑曲线;
基于二维坐标系,建立联动稳定性门限函数,并分析业务之间的融合支持度,根据分析结果对业务进行一体化融合监管;
基于二维坐标系,构建联动稳定性门限函数,记为LV(w)=aw+b,其中,单位时间周期w为联动稳定性门限函数的自变量,LV(w)为联动稳定性门限函数的应变量,a和b分别表示为可调节的门限系数;
根据联动稳定性门限函数,计算业务x和业务y之间的融合支持度,具体计算公式如下:
FS(x→y)=Σw=1 Q|1-|LVw(x→y)-LV(w)|/LV(w)|
其中,FS(x→y)表示业务x和业务y之间的融合支持度,Q为单位时间周期的总数量;
预设支持度阈值,如果业务x和业务y之间的融合支持度大于等于支持度阈值,则判断业务x和业务y可以进行一体化监管,反之则反。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并且不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于大数据的业务数据一体化监管方法,其特征在于,该方法包括以下步骤:
步骤S100:对业务实施过程中涉及到的各个处理操作环节进行数据关系梳理,形成不同的数据集类型,并对数据集类型进行统筹;
步骤S200:根据数据集类型,构建管理角色人的行为模型矩阵,并建立业务动态实时感知模型,记录业务实施过程中的操作请求指令,生成业务动态行为矩阵;
步骤S300:根据指令记录情况,对不同的业务动态行为矩阵之间的联动性进行分析,并将分析结果转化到二维坐标系中,形成连续的平滑曲线;
步骤S400:基于二维坐标系,建立联动稳定性门限函数,并分析业务之间的融合支持度,根据分析结果对业务进行一体化融合监管;
所述步骤S100的具体实施过程包括:
步骤S101:根据企业对业务实施过程中涉及到的各个处理操作环节进行数据关系梳理,所述数据关系为通过构建基于企业管理角色人架构的以授权管理角色人负责的处理操作环节为统一化尺度形成的不同数据集类型,并基于处理操作环节或授权管理角色人的更改而对数据集类型进行实时拓展和更新;
步骤S102:统筹全部处理操作环节且进行统一编号,并对企业管理角色人进行具有唯一性的ID身份编码,统筹以授权管理角色人负责的处理操作环节为统一化尺度形成的不同数据集类型,将任意一个数据集类型记为DTi={O1,O2,...,Om},其中,i表示管理角色人编码,O1,O2,...,Om分别表示授权管理角色人负责的第1,2,...,m个处理操作环节;
所述步骤S200的具体实施过程包括:
步骤S201:根据数据集类型,构建管理角色人的行为模型矩阵,所述行为模型矩阵的行数对应管理角色人的人数,且行的顺序对应管理角色人的编码顺序,所述行为模型矩阵的列数对应数据集类型中处理操作环节的数量,且列的顺序对应处理操作环节的编号顺序,则将所述行为模型矩阵记为R(n×m),将行为模型矩阵R(n×m)中任意一个矩阵元素记为MEij,其中,n表示行数,m表示列数,MEij表示管理角色人i对应生成的数据集类型中的第j个处理操作环节;
步骤S202:统筹企业运营过程中的全部业务且进行统一编号,并根据行为模型矩阵,建立业务动态实时感知模型,生成业务动态行为矩阵;所述业务动态实时感知模型以所述行为模型矩阵为统一化参照格式模板,并根据企业管理角色人发出的基于处理操作环节的动态业务操作请求,在行为模型矩阵中进行动态业务操作请求的指令记录,当矩阵元素MEij对应发生动态业务操作请求时,则将矩阵元素MEij对应的指令记录为1,当矩阵元素MEij对应没有发生动态业务操作请求时,则将矩阵元素MEij对应的指令记录为0;所述业务动态行为矩阵,根据所述业务动态实时感知模型,以单位时间周期T而循环进行的指令记录所生成;
所述步骤S300的具体实施过程包括:
步骤S301:将第x个业务在第w个单位时间周期时的指令记录情况,对应生成的业务动态行为矩阵记为Gx(Tw),其中,Tw表示第w个单位时间周期;在第w个单位时间周期下,对业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动性进行分析,其中,Gy(Tw)表示第y个业务在第w个单位时间周期时对应生成的业务动态行为矩阵,并计算业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动值,具体计算公式如下:
LVw(x→y)=NUM[Gx(Tw)∩Gy(Tw)]/NUM[Gx(Tw)∪Gy(Tw)]
其中,LVw(x→y)表示在第w个单位时间周期时业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动值,NUM[Gx(Tw)∩Gy(Tw)]表示业务动态行为矩阵Gx(Tw)和Gy(Tw)交集中指令记录为1的总数量,NUM[Gx(Tw)∪Gy(Tw)]表示业务动态行为矩阵Gx(Tw)和Gy(Tw)并集中指令记录为1的总数量;
步骤S302:统筹业务x和业务y在不同单位时间周期时对应的联动值,并建立横坐标对应单位时间周期,纵坐标对应联动值的二维坐标系,将联动值在所述二维坐标系中进行映射形成连续的平滑曲线;
所述步骤S400的具体实施过程包括:
步骤S401:基于所述二维坐标系,构建联动稳定性门限函数,记为LV(w)=aw+b,其中,单位时间周期w为联动稳定性门限函数的自变量,LV(w)为联动稳定性门限函数的应变量,a和b分别表示为可调节的门限系数;
步骤S402:根据联动稳定性门限函数,计算业务x和业务y之间的融合支持度,具体计算公式如下:
FS(x→y)=Σw=1 Q|1-|LVw(x→y)-LV(w)|/LV(w)|
其中,FS(x→y)表示业务x和业务y之间的融合支持度,Q为单位时间周期的总数量;
预设支持度阈值,如果业务x和业务y之间的融合支持度大于等于支持度阈值,则判断业务x和业务y可以进行一体化监管,反之则反。
2.一种基于大数据的业务数据一体化监管系统,其特征在于,所述系统包括:数据关系处理模块、行为特征感知模块、特征关系分析模块和融合判断模块;
所述数据关系处理模块,用于对业务实施过程中涉及到的各个处理操作环节进行数据关系梳理,形成不同的数据集类型,并对数据集类型进行统筹;
所述行为特征感知模块,根据数据集类型,构建管理角色人的行为模型矩阵,并建立业务动态实时感知模型,记录业务实施过程中的操作请求指令,生成业务动态行为矩阵;
所述特征关系分析模块,根据指令记录情况,对不同的业务动态行为矩阵之间的联动性进行分析,并将分析结果转化到二维坐标系中,形成连续的平滑曲线;
所述融合判断模块,基于二维坐标系,建立联动稳定性门限函数,并分析业务之间的融合支持度,根据分析结果对业务进行一体化融合监管;
所述数据关系处理模块还包括数据关系梳理单元和关系统筹更新单元;
所述数据关系梳理单元,根据企业对业务实施过程中涉及到的各个处理操作环节进行数据关系梳理,所述数据关系为通过构建基于企业管理角色人架构的以授权管理角色人负责的处理操作环节为统一化尺度形成的不同数据集类型;
所述关系统筹更新单元,用于统筹全部处理操作环节且进行统一编号,并对企业管理角色人进行具有唯一性的ID身份编码,统筹以授权管理角色人负责的处理操作环节为统一化尺度形成的不同数据集类型,将任意一个数据集类型记为DTi={O1,O2,...,Om},其中,i表示管理角色人编码,O1,O2,...,Om分别表示授权管理角色人负责的第1,2,...,m个处理操作环节,并基于处理操作环节或授权管理角色人的更改而对数据集类型进行实时拓展和更新;
所述行为特征感知模块还包括统一化参照模板单元和动态实时感知单元;
所述统一化参照模板单元,根据数据集类型,构建管理角色人的行为模型矩阵,所述行为模型矩阵的行数对应管理角色人的人数,且行的顺序对应管理角色人的编码顺序,所述行为模型矩阵的列数对应数据集类型中处理操作环节的数量,且列的顺序对应处理操作环节的编号顺序,则将所述行为模型矩阵记为R(n×m),将行为模型矩阵R(n×m)中任意一个矩阵元素记为MEij,其中,n表示行数,m表示列数,MEij表示管理角色人i对应生成的数据集类型中的第j个处理操作环节;
所述动态实时感知单元,用于统筹企业运营过程中的全部业务且进行统一编号,并根据行为模型矩阵,建立业务动态实时感知模型,生成业务动态行为矩阵;所述业务动态实时感知模型以所述行为模型矩阵为统一化参照格式模板,并根据企业管理角色人发出的基于处理操作环节的动态业务操作请求,在行为模型矩阵中进行动态业务操作请求的指令记录,当矩阵元素MEij对应发生动态业务操作请求时,则将矩阵元素MEij对应的指令记录为1,当矩阵元素MEij对应没有发生动态业务操作请求时,则将矩阵元素MEij对应的指令记录为0;所述业务动态行为矩阵,根据所述业务动态实时感知模型,以单位时间周期T而循环进行的指令记录所生成;
所述特征关系分析模块还包括联动性分析单元和曲线转化单元;
所述联动性分析单元,用于将第x个业务在第w个单位时间周期时的指令记录情况,对应生成的业务动态行为矩阵记为Gx(Tw),其中,Tw表示第w个单位时间周期;在第w个单位时间周期下,对业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动性进行分析,其中,Gy(Tw)表示第y个业务在第w个单位时间周期时对应生成的业务动态行为矩阵,并计算业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动值,具体计算公式如下:
LVw(x→y)=NUM[Gx(Tw)∩Gy(Tw)]/NUM[Gx(Tw)∪Gy(Tw)]
其中,LVw(x→y)表示在第w个单位时间周期时业务动态行为矩阵Gx(Tw)和Gy(Tw)之间的联动值,NUM[Gx(Tw)∩Gy(Tw)]表示业务动态行为矩阵Gx(Tw)和Gy(Tw)交集中指令记录为1的总数量,NUM[Gx(Tw)∪Gy(Tw)]表示业务动态行为矩阵Gx(Tw)和Gy(Tw)并集中指令记录为1的总数量;
所述曲线转化单元,用于统筹业务x和业务y在不同单位时间周期时对应的联动值,并建立横坐标对应单位时间周期,纵坐标对应联动值的二维坐标系,将联动值在所述二维坐标系中进行映射形成连续的平滑曲线;
所述融合判断模块还包括门限函数单元和判断分析单元;
所述门限函数单元,基于所述二维坐标系,构建联动稳定性门限函数,记为LV(w)=aw+b,其中,单位时间周期w为联动稳定性门限函数的自变量,LV(w)为联动稳定性门限函数的应变量,a和b分别表示为可调节的门限系数;
所述判断分析单元,根据联动稳定性门限函数,计算业务x和业务y之间的融合支持度,具体计算公式如下:
FS(x→y)=Σw=1 Q|1-|LVw(x→y)-LV(w)|/LV(w)|
其中,FS(x→y)表示业务x和业务y之间的融合支持度,Q为单位时间周期的总数量;
预设支持度阈值,如果业务x和业务y之间的融合支持度大于等于支持度阈值,则判断业务x和业务y可以进行一体化监管,反之则反。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311465867.XA CN117194588B (zh) | 2023-11-07 | 2023-11-07 | 一种基于大数据的业务数据一体化监管系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311465867.XA CN117194588B (zh) | 2023-11-07 | 2023-11-07 | 一种基于大数据的业务数据一体化监管系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117194588A CN117194588A (zh) | 2023-12-08 |
CN117194588B true CN117194588B (zh) | 2024-01-19 |
Family
ID=88998311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311465867.XA Active CN117194588B (zh) | 2023-11-07 | 2023-11-07 | 一种基于大数据的业务数据一体化监管系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117194588B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117528698B (zh) * | 2024-01-08 | 2024-03-19 | 南京海汇装备科技有限公司 | 一种基于数据链的高速数据传输系统及方法 |
CN117873008A (zh) * | 2024-03-12 | 2024-04-12 | 泰州市衡顺电控科技有限公司 | 一种集散控制的大型粮仓一体化控制系统及方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102710694A (zh) * | 2011-10-31 | 2012-10-03 | 李宗诚 | 企业价值链网络配置全息对接均衡表列技术 |
CN107909238A (zh) * | 2017-10-09 | 2018-04-13 | 中国电子科技集团公司第二十八研究所 | 一种城市协同处理与联动指挥系统及指挥大厅 |
CN109447048A (zh) * | 2018-12-25 | 2019-03-08 | 苏州闪驰数控系统集成有限公司 | 一种人工智能预警系统 |
CN112749400A (zh) * | 2020-12-31 | 2021-05-04 | 韩浩 | 一种面向业务的数据安全治理系统及方法 |
CN114679338A (zh) * | 2022-05-26 | 2022-06-28 | 山东林天信息科技有限责任公司 | 一种基于网络安全态势感知的网络风险评估方法 |
CN114915448A (zh) * | 2022-04-02 | 2022-08-16 | 湖南三湘银行股份有限公司 | 一种基于微隔离和自适应的安全防御系统 |
CN115328463A (zh) * | 2022-08-01 | 2022-11-11 | 无锡雪浪数制科技有限公司 | 一种基于可视化业务编排设计系统 |
CN115438882A (zh) * | 2021-06-01 | 2022-12-06 | 云南电网有限责任公司昆明供电局 | 基于全流量监测技术的业务动态感知系统 |
CN115438881A (zh) * | 2021-06-01 | 2022-12-06 | 云南电网有限责任公司昆明供电局 | 一种业务全流程动态监测系统 |
CN115828156A (zh) * | 2022-11-29 | 2023-03-21 | 国网山东省电力公司营销服务中心(计量中心) | 一种基于电网元数据监测的偷漏电识别方法及系统 |
CN116485135A (zh) * | 2023-04-23 | 2023-07-25 | 刘唱 | 一种智慧商用建筑大数据管理平台 |
CN116485576A (zh) * | 2023-04-20 | 2023-07-25 | 成都飞机工业(集团)有限责任公司 | 一种航空制造业知源大脑数据智能制造管理平台 |
CN116911759A (zh) * | 2023-03-02 | 2023-10-20 | 中国建筑科学研究院有限公司 | 一种基于数据交互的智慧工地安全管理平台系统 |
-
2023
- 2023-11-07 CN CN202311465867.XA patent/CN117194588B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102710694A (zh) * | 2011-10-31 | 2012-10-03 | 李宗诚 | 企业价值链网络配置全息对接均衡表列技术 |
CN107909238A (zh) * | 2017-10-09 | 2018-04-13 | 中国电子科技集团公司第二十八研究所 | 一种城市协同处理与联动指挥系统及指挥大厅 |
CN109447048A (zh) * | 2018-12-25 | 2019-03-08 | 苏州闪驰数控系统集成有限公司 | 一种人工智能预警系统 |
CN112749400A (zh) * | 2020-12-31 | 2021-05-04 | 韩浩 | 一种面向业务的数据安全治理系统及方法 |
CN115438881A (zh) * | 2021-06-01 | 2022-12-06 | 云南电网有限责任公司昆明供电局 | 一种业务全流程动态监测系统 |
CN115438882A (zh) * | 2021-06-01 | 2022-12-06 | 云南电网有限责任公司昆明供电局 | 基于全流量监测技术的业务动态感知系统 |
CN114915448A (zh) * | 2022-04-02 | 2022-08-16 | 湖南三湘银行股份有限公司 | 一种基于微隔离和自适应的安全防御系统 |
CN114679338A (zh) * | 2022-05-26 | 2022-06-28 | 山东林天信息科技有限责任公司 | 一种基于网络安全态势感知的网络风险评估方法 |
CN115328463A (zh) * | 2022-08-01 | 2022-11-11 | 无锡雪浪数制科技有限公司 | 一种基于可视化业务编排设计系统 |
CN115828156A (zh) * | 2022-11-29 | 2023-03-21 | 国网山东省电力公司营销服务中心(计量中心) | 一种基于电网元数据监测的偷漏电识别方法及系统 |
CN116911759A (zh) * | 2023-03-02 | 2023-10-20 | 中国建筑科学研究院有限公司 | 一种基于数据交互的智慧工地安全管理平台系统 |
CN116485576A (zh) * | 2023-04-20 | 2023-07-25 | 成都飞机工业(集团)有限责任公司 | 一种航空制造业知源大脑数据智能制造管理平台 |
CN116485135A (zh) * | 2023-04-23 | 2023-07-25 | 刘唱 | 一种智慧商用建筑大数据管理平台 |
Non-Patent Citations (3)
Title |
---|
基于IP业务支撑系统大数据的分析和应用;黄瑜曼;;广西通信技术(第03期);43-46 * |
基于跨专业数据挖掘的电网企业管理监测模式创新研究;冯昊;叶玲节;;企业管理(第S1期);144-145 * |
大数据环境下的电力客户服务数据分析系统;周文琼;;计算机系统应用(第04期);53-59 * |
Also Published As
Publication number | Publication date |
---|---|
CN117194588A (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117194588B (zh) | 一种基于大数据的业务数据一体化监管系统及方法 | |
Banks | Discrete event system simulation | |
Tzortzopoulos et al. | Considerations on application of lean construction principles to design management | |
Goetschalckx et al. | Strategic network planning | |
Abran et al. | Measurement of the maintenance process from a demand‐based perspective | |
US20060004596A1 (en) | Business process outsourcing | |
Berman et al. | Scheduling workforce and workflow in a high volume factory | |
US20060080326A1 (en) | Method for reengineering of business processes | |
CN104574002A (zh) | 基于大数据分析的资产管理信息处理方法及装置 | |
Gontareva et al. | Efficiency of Information Management and Analysis for Industrial Entrepreneurship | |
Lektauers et al. | A multi-model approach for simulation-based digital twin in resilient services | |
Relich | Knowledge acquisition for new product development with the use of an ERP database | |
US20090271240A1 (en) | Method and system for strategic headcount planning with operational transition management of workforce | |
Giaglis et al. | It’s time to engineer re-engineering: investigating the potential of simulation modelling for business process redesign | |
Gruhn et al. | Modeling and analysis of mobile business processes | |
Aliu et al. | Construction in the digital age: exploring the benefits of digital technologies | |
Pena-Mora et al. | Information technology planning framework for Japanese general contractors | |
Lee et al. | Study on the adaptation of corporate business strategy to E-commerce practice | |
Thulasi et al. | State of the Art of Dynamic Value Stream Mapping in the Manufacturing Industry | |
Xie et al. | Analysis of user needs in time-related risk management for holistic project understanding | |
Binder et al. | Towards a domain-specific information architecture enabling the investigation and optimization of flexible production systems by utilizing artificial intelligence | |
Zhou et al. | The analytic supporting tools for business reengineering with system integration design | |
Zohrehvandi et al. | A reconfigurable model for implementation in the closing phase of a wind turbines project construction | |
KR20030013742A (ko) | 이벤트와 관계를 이용한 비즈니스 모델 구축 방법과 그적용 시스템 | |
JP2000250989A (ja) | 作業者割付システム及び作業者割付方法及び作業者割付プログラムを記録したコンピュータで読み取り可能な記憶媒体 |
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 |