CN117474397A - 数字化企业推荐方法、装置、电子设备和存储介质 - Google Patents

数字化企业推荐方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN117474397A
CN117474397A CN202311458545.2A CN202311458545A CN117474397A CN 117474397 A CN117474397 A CN 117474397A CN 202311458545 A CN202311458545 A CN 202311458545A CN 117474397 A CN117474397 A CN 117474397A
Authority
CN
China
Prior art keywords
index
digitized
evaluation
enterprise
candidate
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
Application number
CN202311458545.2A
Other languages
English (en)
Inventor
路宇浩
姚雪冰
黄桢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongyi Shuzhi Technology Co ltd
China Mobile Communications Group Co Ltd
China Mobile Group Design Institute Co Ltd
Original Assignee
Zhongyi Shuzhi Technology Co ltd
China Mobile Communications Group Co Ltd
China Mobile Group Design Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongyi Shuzhi Technology Co ltd, China Mobile Communications Group Co Ltd, China Mobile Group Design Institute Co Ltd filed Critical Zhongyi Shuzhi Technology Co ltd
Priority to CN202311458545.2A priority Critical patent/CN117474397A/zh
Publication of CN117474397A publication Critical patent/CN117474397A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q10/06395—Quality analysis or management
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及数据处理领域，提供一种数字化企业推荐方法、装置、电子设备和存储介质。方法包括：在确定各候选企业的指标模型的情况下，获取各所述候选企业对应的评价指标的评分；基于各所述指标模型和对应的评价指标的评分，确定各所述候选企业的数字化评分；基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业。该方法基于各候选企业的指标模型确定各候选企业的数字化评分，统一量化标准，将候选企业的数字化能力进行定量化，通过数字化评分即可表征候选企业的数字化能力；基于各候选企业的数字化评分和目标数字化评分进行推荐，从而确定符合用户数字化需求的企业，并进行推荐。

Description

数字化企业推荐方法、装置、电子设备和存储介质
技术领域
本申请涉及数据处理技术领域，具体涉及一种数字化企业推荐方法、装置、电子设备和存储介质。
背景技术
数字化是将传统的物理形式、过程或服务转换为数字形式，以实现更高效的信息处理、存储和传递。数字化企业是指融入了数字化技术的业务活动或者新的业务模式的企业。数字化企业的核心业务流程是通过数字化的信息系统进行连接和沟通的，同时，核心的企业资产也是以数字化信息系统的方式进行管理和运作。因此数字化企业对外部环境的反映速度比传统的企业要快，更具有竞争力。
目前，企业推荐通常采用热门推荐的方法，即按照全网的企业被搜索次数进行热度推送，但热度推送并不意味着推送的企业是优质企业，特别是目前的企业推荐方法通常未考虑到企业的数字化能力，无法基于用户的数字化需求进行企业推荐。
因此，如何基于用户的数字化需求推荐企业成为亟待解决的问题。
发明内容
本发明提供一种数字化企业推荐方法、装置、电子设备和存储介质，用以解决现有技术中无法准确评估企业的数字化能力的技术问题。
本发明提供一种数字化企业推荐方法，包括：
在确定各候选企业的指标模型的情况下，获取各所述候选企业对应的评价指标的评分；
基于各所述指标模型和对应的评价指标的评分，确定各所述候选企业的数字化评分；
基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业。
根据本发明提供的一种数字化企业推荐方法，在所述基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业之前，还包括：
获取评估目标标签，所述评估目标标签表征期望的企业数字化成熟度；
基于所述评估目标标签，确定所述目标数字化评分。
根据本发明提供的一种数字化企业推荐方法，所述基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业，包括：
基于所述评估目标标签，确定目标数字化评分范围；
基于各所述候选企业的数字化评分和所述目标数字化评分范围，确定若干个一级优选企业，所述一级优选企业是数字化评分位于所述目标数字化评分范围内的候选企业；
基于各所述一级优选企业的企业信息数据，确定若干个二级优选企业，所述企业信息数据表征所述一级优选企业的经营情况；
基于各所述二级优选企业的数字化评分和所述目标数字化评分，确定目标推荐企业。
根据本发明提供的一种数字化企业推荐方法各所述指标模型包括多个指标等级，第1个指标等级包括一个评价指标，除所述第1个指标等级外的其他指标等级各包括若干个评价指标，第i级的评价指标由若干个第i+1级的评价指标组成，i为正整数；
所述数字化评分是第1级的评价指标的评分，第i级的第j个评价指标的评分基于所述第j个评价指标的若干个下级评价指标的评分确定，所述若干个下级评价指标是所述第j个评价指标对应的若干个第i+1级的评价指标。
根据本发明提供的一种数字化企业推荐方法，各所述指标模型基于如下步骤确定：
基于候选企业的评估范围标签，从预置能力指标库中选择若干个评价指标，得到所述候选企业的底层评价指标；
基于各所述底层评价指标，由下至上逐层确定各指标等级的评价指标，得到所述候选企业的指标模型。
根据本发明提供的一种数字化企业推荐方法，所述预置能力指标库包括第一指标库，所述第一指标库存储有企业通用的数字化能力评价指标。
根据本发明提供的一种数字化企业推荐方法，所述预置能力指标库还包括第二指标库和第三指标库中的至少一种，其中，所述第二指标库存储有企业在各商业模式下特有的数字化能力评价指标，所述第三指标库存储有企业在各行业特有的数字化能力评价指标。
根据本发明提供的一种数字化企业推荐方法，当所述预置能力指标库包括所述第一指标库、所述第二指标库和所述第三指标库时，所述评估范围标签包括第一范围标签、第二范围标签和第三范围标签，所述基于所述候选企业的评估范围标签，从预置能力指标库中选择若干个评价指标，得到所述候选企业的底层评价指标，包括：
基于所述第一范围标签、所述第二范围标签和所述第三范围标签，分别从所述第一指标库、所述第二指标库和所述第三指标库中各选择若干个评价指标，得到所述候选企业的底层评价指标。
根据本发明提供的一种数字化企业推荐方法，所述基于各所述指标模型和对应的评价指标的评分，确定各所述候选企业的数字化评分，包括：
确定各所述指标模型中对应的评价指标的权重；
基于各所述评价指标的权重，由下至上逐级确定各所述评价指标的评分。
根据本发明提供的一种数字化企业推荐方法，当第i+1级是底层指标等级时，所述第j个评价指标的各下级评价指标对应的权重基于如下步骤确定：
基于预置标度法建立判断矩阵，所述判断矩阵用于表征各下级评价指标间的相对重要性；
将所述判断矩阵中的各项元素除以所述各项元素所在列的元素和，得到标准化判断矩阵；
对所述标准化判断矩阵的各行取均值，得到各所述下级评价指标对应的权重。
根据本发明提供的一种数字化企业推荐方法，当第i+1级不是底层指标等级时，所述第j个评价指标的各下级评价指标对应的权重基于如下步骤确定：
基于结构方程模型，确定各所述下级评价指标间的相关系数；
基于各所述相关系数，确定各所述下级评价指标间的指标冲突性，下级评价指标间的相关系数越大，对应的指标冲突性越小；
基于各指标变异性和各所述指标冲突性，使用CRITIC赋权法确定各所述下级评价指标对应的权重，其中，各所述指标变异性表征各所述下级评价指标的差异波动情况。
根据本发明提供的一种数字化企业推荐方法，所述第j个评价指标的评分基于如下步骤确定：
对各所述下级评价指标的评分和各所述下级评价指标对应的权重进行加权聚合处理，得到所述第j个评价指标的评分。
本发明还提供一种企业数字化能力评估装置，包括：
指标获取模块，用于：在确定各候选企业的指标模型的情况下，获取各所述候选企业对应的评价指标的评分；
评分确定模块，用于：基于各所述指标模型和对应的评价指标的评分，确定各所述候选企业的数字化评分；
目标确定模块，用于：基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业。
本发明还提供一种电子设备，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如上述任一种所述数字化企业推荐方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述数字化企业推荐方法。
本申请实施例提供的数字化企业推荐方法、装置、电子设备和存储介质，在确定各候选企业的指标模型的情况下，获取各所述候选企业对应的评价指标的评分；基于各所述指标模型和对应的评价指标的评分，确定各所述候选企业的数字化评分；基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业。该方法基于各候选企业的指标模型确定各候选企业的数字化评分，统一量化标准，将候选企业的数字化能力进行定量化，通过数字化评分即可表征候选企业的数字化能力；基于各候选企业的数字化评分和目标数字化评分进行推荐，从而确定符合用户数字化需求的企业，并进行推荐。
附图说明
为了更清楚地说明本申请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一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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是本申请实施例提供的数字化企业推荐方法的流程示意图；
图2是本申请实施例提供的数字化企业推荐方法中指标模型确定的流程示意图；
图3是本申请实施例提供的企业数字化能力评估装置的结构示意图；
图4是本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1是本申请实施例提供的数字化企业推荐方法的流程示意图。参照图1，本申请实施例提供一种数字化企业推荐方法，可以包括：
S110、在确定各候选企业的指标模型的情况下，获取各所述候选企业对应的评价指标的评分。
本发明实施例中，该数字化企业推荐方法的执行主体可以为企业数字化能力评估设备，该企业数字化能力评估设备可以包括但不限于：服务器、台式电脑、笔记本电脑、平板电脑、手机等等。该数字化企业推荐方法的执行主体还可以为企业数字化能力评估系统，该企业数字化能力评估系统归属于该企业数字化能力评估设备。
具体地，各候选企业的指标模型可能相同，也可能不同，不同的指标模型具有不同的评价指标，在确定各候选企业的指标模型后，获取指标模型中各评价指标的评分。
S120、基于各所述指标模型和对应的评价指标的评分，确定各所述候选企业的数字化评分。
具体地，一个候选企业的数字化评分是基于其指标模型和对应的评价指标的评分确定的。例如，一个候选企业的指标模型为一个预训练的神经网络模型，各评价指标的评分为该神经网络模型的输入，则将各评价指标的评分输入至该神经网络模型后，即可得到该神经网络模型输出的数字化评分。
S130、基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业。
在一实施例中，确定数字化评分与所述目标数字化评分的差值最小的候选企业为目标推荐企业。
在一实施例中，基于各所述候选企业的数字化评分与所述目标数字化评分的差值的绝对值，按差值由小到大的顺序，对各所述候选企业进行排序，基于目标企业数目确定排序前几的候选企业为目标推荐企业，如目标企业数目为5，则确定排序前5的候选企业为目标推荐企业。
在另一实施例中，所述目标数字化评分为最低值，也就是说，目标推荐企业的数字化评分应大于或等于所述目标数字化评分，则从各候选企业中确定数字化评分大于或等于所述目标数字化评分的候选企业后，按数字化评分由大到小的顺序，对选出的候选企业进行排序，基于目标企业数目确定排序前几的候选企业为目标推荐企业。例如，5个候选企业的数字化评分分别为78、79、80、81和82，目标数字化评分为80，则数字化评分为80、81、82的3个候选企业符合条件，若目标企业数目为2，则确定目标推荐企业为数字化评分为82分的企业和81分的企业。
本申请实施例提供的数字化企业推荐方法，在确定各候选企业的指标模型的情况下，获取各所述候选企业对应的评价指标的评分；基于各所述指标模型和对应的评价指标的评分，确定各所述候选企业的数字化评分；基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业。该方法基于各候选企业的指标模型确定各候选企业的数字化评分，统一量化标准，将候选企业的数字化能力进行定量化，通过数字化评分即可表征候选企业的数字化能力；基于各候选企业的数字化评分和目标数字化评分进行推荐，从而确定符合用户数字化需求的企业，并进行推荐。
在可选的实施例中，在所述基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业之前，还包括：
获取评估目标标签，所述评估目标标签表征期望的企业数字化成熟度；
基于所述评估目标标签，确定所述目标数字化评分。
具体地，期望的企业数字化成熟度为用户期望的目标推荐企业的数字化技术的成熟度。
在可选的实施例中，请参见表1，将企业数字化技术的成熟度划分为四个阶段，分别是S1传统运营者、S2数智化探索者、S3数智化运营者、S4生态缔造者。
表1企业数字化水平
在可选的实施例中，S1传统运营者对应的数字化评分范围为0-30分，S2数智化探索者对应的数字化评分范围为30-50分，S3数智化运营者对应的数字化评分范围为50-80分，S4生态缔造者对应的数字化评分范围为80-100分。
可选地，通过语义识别获取评估目标标签。例如，评估目标标签是S2，则表征目标数字化评分范围为30-50分。
可选地，以50分作为目标数字化评分，若一个候选企业的数字化评分为42.2分，则该候选企业的相对数字化评分为42.2/50*100％＝84％，表示该候选企业距离目标数字化评分还有16％的差距。
需要说明的是，在具体实施过程中，企业数字化技术的成熟度不局限于表1所示的4个阶段，各阶段的数字化评分范围也可根据实际使用需求进行相应调整；目标数字化评分不局限于数字化评分范围中的最高分，可以通过细化评估目标标签来确定对应的目标数字化评分，例如，S21表示目标数字化评分为S2阶段的最低分，也就是30分，S22表示目标数字化评分为S2阶段的中间值，也就是40分，S23表示目标数字化评分为S2阶段的最高分，也就是50分。
本申请实施例提供的数字化企业推荐方法，对期望的企业数字化成熟度进行量化，确定目标数字化评分，便于后续确定各候选企业与期望目标之间的差距，从而推荐符合用户需求的企业。
在可选的实施例中，所述基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业，包括：
基于所述评估目标标签，确定目标数字化评分范围；
基于各所述候选企业的数字化评分和所述目标数字化评分范围，确定若干个一级优选企业，所述一级优选企业是数字化评分位于所述目标数字化评分范围内的候选企业；
基于各所述一级优选企业的企业信息数据，确定若干个二级优选企业，所述企业信息数据表征所述一级优选企业的经营情况；
基于各所述二级优选企业的数字化评分和所述目标数字化评分，确定目标推荐企业。
此处，企业信息数据包括但不限于经营异常信息、司法诉讼信息、质量监督检查信息中的一种或多种。从一级优选企业中，筛除掉存在经营异常信息、负面司法纠纷、质量监督检查异常的企业，得到一个或多个二级优选企业。
基于各所述二级优选企业的数字化评分和所述目标数字化评分，确定目标推荐企业的步骤同上述S130，在此不再一一赘述。
本申请实施例提供的数字化企业推荐方法，首先筛选出与评估目标标签相符合的企业，一方面确定满足用户数字化需求的一级优选企业，另一方面，先筛选出部分候选企业，减少候选企业数目，从而减少后续企业筛选、推荐的计算量；基于各一级候选企业的企业信息数据，筛选出二级优选企业，去除经营异常的企业，从而确保向用户推荐的企业为优质企业。
在可选的实施例中，各所述指标模型包括多个指标等级，第1个指标等级包括一个评价指标，除所述第1个指标等级外的其他指标等级各包括若干个评价指标，第i级的评价指标由若干个第i+1级的评价指标组成，i为正整数。为便于理解，下面以指标模型包括5个指标等级为例，对本申请提供的数字化企业推荐方法进行说明。
本发明实施例中，该指标模型的第1级有且仅有一个评价指标，该评价指标是候选企业的数字化能力，该评价指标的评分即候选企业的数字化评分。
需要说明的是，候选企业可以是一个企业，该企业可以是集团总体，也可以是集团中的一个子公司，候选企业还可以是其他实体组织，如协会组织。
请参见表2，是本发明实施例提供的指标模型的示例性示意表格，该指标模型包括5个指标等级，1级评价指标即第1级的评价指标，2级评价指标即第2级的评价指标，以此类推，5级评价指标即第5级的评价指标，示例性地，产品数字化升级(4级评价指标)由现有产品或服务数字化改造升级(5级评价指标)和产品或服务数字化改造升级的效果(5级评价指标)组成。
表2示例性指标模型
需要说明的是，该表格仅用于理解指标模型的组成结构，在具体实施过程中，各级评价指标不局限于该表格中所示的评价指标，可以仅包括表格中部分评价指标，也可以还包括其他表格中未示出的评价指标。
可选地，所述数字化评分是第1级的评价指标的评分，第i级的第j个评价指标的评分基于所述第j个评价指标的若干个下级评价指标的评分确定，所述第j个评价指标是第i级的评价指标，所述若干个下级评价指标是所述第j个评价指标对应的若干个第i+1级的评价指标。
在可选的实施例中，指标模型的底层评价指标的评分基于各底层评价指标的计算模型进行计算得到，例如，在一实施例中，底层评价指标包括敏捷交付效率，候选企业敏捷交付效率的评分基于预置敏捷交付模型确定，具体使用的敏捷交付模型不限；其中，底层评价指标即5级评价指标。
在另一可选的实施例中，指标模型的底层评价指标的评分基于预置特征域体系确定，请参考表3，为本申请实施例提供的特征域体系的示例性表格，用于确定灵活产品组合的评分，灵活产品组合是一个底层评价指标，L1、L2、L3、L4、L5、L6是评价指标的评分等级。候选企业的灵活产品组合评分基于各评分等级的特征描述确定，例如，若候选企业不提供个性化定制产品，则该候选企业符合L1的特征描述1.1，其灵活产品组合评分位于L1对应的评分范围内，若候选企业有推出定制化产品的计划，和/或认识到提供千人千面的个性化产品与服务，是数字化时代的未来趋势，则该候选企业符合L2的特征描述2.1，和/或2.2，该候选企业的灵活产品组合评分位于L2对应的评分范围内。
表3示例性特征域体系
具体地，L1表征候选企业的灵活产品组合评分等级处于一级，L2表征候选企业的灵活产品组合评分等级处于二级，二级表征的数字化程度较一级表征的数字化程度更高，L3、L4、L5、L6同理，在此不再赘述。
示例性的，L1对应的灵活产品组合评分范围为0-10分，表征实现主要过程的机械化，较少涉及自动化或数字化，主要由人工进行识别操作并协调应对，系统技术大多为封闭的竖井系统；
L2对应的灵活产品组合评分范围为10-30分，表征以数字化转型试点项目为主，通过单项技术驱动，实现部分功能点效率提升，尚未系统性考虑数字化相关规划，未关注客户体验；
L3对应的灵活产品组合评分范围为30-50分，表征试点项目已凸显价值,并在部门内部进行推广，但执行仍局限于项目层面,也不具备可复制性。开始考虑数字化规划，但与企业战略脱节；
L4对应的灵活产品组合评分范围为50-70分，表征实现数智化向核心系统的推广，围绕数智化产品和体验，推动核心系统数智化，以业务、技术协同为目标，构建系统间连接机制，通过数据治理规模提升系统和运营效率；
L5对应的灵活产品组合评分范围为70-80分，表征组织内部系统实现数智化，全组织数据实现获取与智能化应用，组织效率与敏捷性得到提升，组织内部高效运作，可以提供数智化优化的产品/服务体验，但未关注数智化的颠覆性潜力；
L6对应的灵活产品组合评分范围为80-100分，表征建立数字生态系统，具备颠覆型数字技术和业务模式，基于数据智能化主动响应外部变化，把控生态市场，通过生态系统的反馈与改进，提升面向生态的系统效率并构建韧性。
在具体实施过程中，评价指标的等级并不仅局限于6级，可根据实际情况进行调整，且各等级对应的分值也可根据实际情况进行调整。
在另一可选的实施例中，指标模型中的部分底层评价指标的评分基于各底层评价指标的计算模型进行计算得到，另一部分底层评价指标的评分基于各评价指标的特征域体系确定。
本发明实施例中，基于底层评价指标的评分可以确定上一级的评价指标的评分，逐级确定各级评价指标的评分，也就是，基于第4级中各评价指标的评分确定第3级中各评价指标的评分，基于第3级中各评价指标的评分确定第2级中各评价指标的评分，最终确定第1级评价指标的评分，也就是候选企业的数字化评分。
本申请实施例提供的数字化企业推荐方法，将用于评估企业数字化能力的指标模型划分为若干个指标等级，基于底层的评价指标的评分逐级确定上层的评价指标的评分，从而得到最终的企业数字化评分，一方面，基于下级评价指标确定上级评价指标，兼顾了评价指标之间的相关性，另一方面，使用该指标模型评估企业数字化能力，使得企业数字化能力评估不受工作人员经验的影响，准确量化企业数字化能力，提高了评估结果的可靠性。
图2是本申请实施例提供的数字化企业推荐方法中指标模型确定的流程示意图。参照图2，本申请实施例提供一种数字化企业推荐方法，各所述指标模型基于如下步骤确定：
S201、基于候选企业的评估范围标签，从预置能力指标库中选择若干个评价指标，得到所述候选企业的底层评价指标。
本发明实施例中，预置能力指标库包括若干个预先定义的评价指标，同指标模型类似，预置能力指标库中同样包括若干个指标等级，各指标等级包括若干个评价指标，此外，预置能力指标库中指标等级的个数与指标模型中指标等级的个数相同，且预置能力指标库中的1级评价指标也是候选企业的数字化能力。
请参考表4，为本申请实施例提供的预置能力指标库中产品能力类的示例性表格，产品能力类是一个2级评价指标。
表4示例性产品能力类评价指标
需要说明的是，该表格仅用于理解预置能力指标库的组成结构，在具体实施过程中，预置能力指标库中，第2级的评价指标包括若干个能力类；产品能力类的下级评价指标包括但不限于产品创新、研发设计；产品创新的下级评价指标包括但不限于产品数字化、定制化支持；研发设计的下级评价指标包括但不限于研发设计数字化、研发管理数字化；产品数字化升级的下级评价指标包括但不限于现有产品或服务数字化改造升级、产品或服务数字化改造升级的效果；定制化支持的下级评价指标包括但不限于灵活产品组合、数据价值赋能和以用户为中心创造新价值；研发设计数字化的下级评价指标包括但不限于研发设计工具的使用情况、数字仿真和模块集成协同；研发管理数字化的下级评价指标包括但不限于研发生命周期管理数字化、数字化研发管理的效果。
本发明实施例中，从预置能力指标库中选择评价指标时，选择的是底层评价指标，也就是第5级的评价指标，对应表4中的评估维度。
本发明实施例中，评估范围标签是体现候选企业的评估范围的标签集合，每一个标签对应一个或多个底层评价指标。
在可选的实施例中，通过语义识别获得评估范围标签。
在一实施例中，采用引导式问答方式采集客户的评估需求，即先预设第一层级的问题及不同的答案范围，之后针对不同问题的答案进一步预设对应的子问题，依次类推获得所需要的客户需求信息。具体地，收集客户对预设问题的应答，利用语义识别技术，确定应答对应的问答标签，再进一步推送与该问答标签相关的问题，从而一步步引导式提问，确定候选企业的评估范围。
在另一实施例中，用户整段描述候选企业的现状，通过语义识别技术确定评估范围标签。
在可选的实施例中，所述预置能力指标库包括第一指标库，所述第一指标库存储有企业通用的数字化能力评价指标。
可选地，所述第一指标库包括八大能力类(所述第一指标库包括八个2级评价指标)：
产品能力类，衡量组织产品生命周期管理与运营能力水平，如产品数字化迭代能力及产品研发与设计能力，指从概念设计阶段开始，采用数字协同设计体系，利用参数化对象建模等数字工具，开展产品的研发与设计活动；
运营能力类，随着产品和服务持续敏捷迭代，运营工作也将随时变革，传统分散的运营将合成价值链中密不可分的运营体系。运营体系的透明化、协同化、数据共享机制、及时响应的反馈和执行流程都是以数据和技术为驱动的价值链重构结果；
经营能力类，衡量组织依托数字化能力优势，持续创造客户价值的综合实力。涵盖客户全触点，从营销、销售到决策、购买，再到售后，助力实现客户成功；
生态能力类，数字化技术与数据跨越了时间与距离，使数字化产品或服务具有了非物质属性，可以跨越边际效益限制，实现指数式增长，这一切的技术是泛在生态能力的建设，基于生态实现组织价值的效益最大化；
战略能力类，用于评估组织如何基于清晰的数字化战略愿景和一系列目标来定义和实施有效的数字化战略，并配置相应的保障策略，引导组织成员数字理念贯通；
管理能力类，衡量了组织中职能、流程与管控、人力、财税、法务及综合行政服务的数字化能力水平，对组织管理所需的工具、职能、技能和流程进行综合评估。旨在建立应对变化自适应、快速交互、数据驱动的新型组织；
数据能力类，衡量组织对数据进行管理和应用的能力。包括数据与组织战略的结合，数据整体治理与组织数据架构的构建，数据在组织中的应用与价值实现以及组织对数据的保障管控等；
技术能力类，技术作为转型的支持与推动力量，发挥着至关重要的作用。技术能力提升可以提高业务效率，促进业绩增长，并进一步驱动组织的创新和转型。组织通过升级的IT架构，保持技术敏锐度，保障技术体系价值最大化。
本申请实施例提供的数字化企业推荐方法，预置能力指标库包括企业通用的数字化能力评价指标，提高了能力指标库的通用性，适用于各行业、各商业模式企业的数字化能力评估。
在可选的实施例中，所述预置能力指标库还包括第二指标库和第三指标库中的至少一种。
本实施例中，所述第二指标库存储有企业在各商业模式下特有的数字化能力评价指标，所述第三指标库存储有企业在各行业特有的数字化能力评价指标。
本发明实施例中，第二指标库包括各商业模式适用的企业数字化能力评价指标，例如，全渠道服务商有其特有的评价指标，产品生产商也具有其特有的评价指标，示例性地，如生产设备数字化管理；第三指标库包括各行业适用的企业数字化评价指标，例如，教育行业具有其特有的评价指标，医疗行业也具有其特有的评价指标，示例性地，如医疗设备数字化管理。
在可选的实施例中，第二指标库中的能力类(2级评价指标)与第一指标库中的能力类相同，但各能力类包含的能力集(3级评价指标)不同，第二指标库中的能力集包括各商业模式适用的能力集。第三指标库同理，示例性地，第三指标库中医疗行业的技术能力类(2级评价指标)包括专业设施(医疗器械资源管理数字化评价指标，是一个3级评价指标)。
在可选的实施例中，第二指标库中的能力类(2级评价指标)只包括第一指标库中的部分能力类，和/或，第三指标库中的能力类(2级评价指标)只包括第一指标库中的部分能力类。
例如，第一指标库包括上述八个能力类，第二指标库只包括数据能力类和技术能力类，第二指标库的数据能力类中的能力集与第一指标库中的能力集不同，第二指标库的技术能力类中的能力集与第一指标库中的能力集不同，第三指标库只包括管理能力类和数据能力类，其中包括的能力集分别与第一指标库中的管理能力类能力集、数据能力类能力集不同。
在可选的实施例中，第二指标库包括但不限于产品/服务生产商的评价指标、共性模块服务商的评价指标、全渠道服务商的评价指标和生态主导服务商的评价指标。
在可选的实施例中，第三指标库包括但不限于教育行业的评价指标、医疗行业的评价指标、交通行业的评价指标、金融行业的评价指标、能源行业的评价指标、工业行业的评价指标。
本申请实施例提供的数字化企业推荐方法，从第一指标库、第二指标库、第三指标库中选择评价指标，生成的指标模型充分考虑了候选企业的商业模式的特性，以及所属行业的特性，完善了数字化评估体系，生成的指标模型能够客观、全面地刻画候选企业的数字化能力。
在可选的实施例中，当所述预置能力指标库包括所述第一指标库、所述第二指标库和所述第三指标库时，所述评估范围标签包括第一范围标签、第二范围标签和第三范围标签，所述基于所述候选企业的评估范围标签，从预置能力指标库中选择若干个评价指标，得到所述候选企业的底层评价指标，包括：
基于所述第一范围标签、所述第二范围标签和所述第三范围标签，分别从所述第一指标库、所述第二指标库和所述第三指标库中各选择若干个评价指标，得到所述候选企业的底层评价指标。
本发明实施例中，第一范围标签包括若干个第一标签，每个第一标签对应第一指标库中的一个或多个底层评价指标；第二范围标签包括若干个第二标签，每个第二标签对应第二指标库中的一个或多个底层评价指标；第三范围标签包括若干个第三标签，每个第三标签对应第三指标库中的一个或多个底层评价指标。
本发明实施例中，基于第一范围标签从第一指标库中选择若干个评价指标，基于第二范围标签从第二指标库中选择若干个评价指标，基于第三范围标签从第三指标库中选择若干个评价指标，得到所述候选企业的底层评价指标。
可选地，当所述预置能力指标库包括第一指标库和第二指标库时，所述评估范围标签包括第一范围标签和第二范围标签，所述基于所述候选企业的评估范围标签，从预置能力指标库中选择若干个评价指标，得到所述候选企业的底层评价指标，包括：
基于所述第一范围标签和所述第二范围标签，分别从所述第一指标库和所述第二指标库中各选择若干个评价指标，得到所述候选企业的底层评价指标。
可选地，当所述预置能力指标库包括第一指标库和第三指标库时，所述评估范围标签包括第一范围标签和第三范围标签，所述基于所述候选企业的评估范围标签，从预置能力指标库中选择若干个评价指标，得到所述候选企业的底层评价指标，包括：
基于所述第一范围标签和所述第三范围标签，分别从所述第一指标库和所述第三指标库中各选择若干个评价指标，得到所述候选企业的底层评价指标。
在可选的实施例中，候选企业的第二范围标签由一个第二标签组成，该第二标签为NULL，也就是说候选企业的第二范围标签没有对应的评价指标，不需要从第二指标库中选择评价指标。
在可选的实施例中，候选企业的第三范围标签由一个第三标签组成，该第三标签为NULL，也就是说候选企业的第三范围标签没有对应的评价指标，不需要从第三指标库中选择评价指标。
本申请实施例提供的数字化企业推荐方法，根据第一范围标签、所述第二范围标签和所述第三范围标签分别从对应的指标库中选择评价指标，分别确定各指标库中对应的评价指标，满足不同企业的个性化评价需求，生成的指标模型能够客观、全面地刻画候选企业的数字化能力。
S202、基于各所述底层评价指标，由下至上逐层确定各指标等级的评价指标，确定所述候选企业的指标模型。
继续参考表4，本发明实施例中，各评估维度具有对应的第4级评价指标(能力指标)、第3级评价指标(能力集)和第2级评价指标(能力类)，因此确定底层评价指标后，即可确定对应的上级评价指标，从而确定候选企业的指标模型。
需要说明的是，如上所述，预置能力指标库中，第2级的评价指标包括若干个能力类，在具体实施过程中，基于评估范围标签确定底层评价指标后生成的指标模型可能只包含部分能力类，并且各能力类中可能只包含部分能力集，各能力集中可能只包含部分能力指标，各能力指标中可能只包含部分评估维度。
本申请实施例提供的数字化企业推荐方法，基于候选企业的评估范围标签确定底层评价指标，从而生成候选企业的指标模型，可以基于实际使用需求确定候选企业的评价指标，满足不同场景、不同候选企业的使用需求，快速构建个性化的指标模型。
基于上述任一实施例，该方法中，所述基于各所述指标模型和对应的评价指标的评分，确定各所述候选企业的数字化评分，包括：
确定各所述指标模型中对应的评价指标的权重；
基于各所述评价指标的权重，由下至上逐级确定各所述评价指标的评分。
本发明实施例中，指标模型中4级评价指标的评分由对应的底层评价指标的评分和对应的权重确定，也就是基于对应的5级评价指标的评分和各5级评价指标对应的权重确定，3级评价指标的评分由对应的4级评价指标的评分和对应的权重确定，2级评价指标的评分由对应的3级评价指标的评分和对应的权重确定，最终第1级的数字化评分由2级各评价指标的评分和对应的权重确定。各评价指标对应权重的确定方法不限。
本申请实施例提供的数字化企业推荐方法，由下至上逐级确定各评价指标的评分，充分基于候选企业的各评价指标的权重进行数字化能力评估，准确刻画候选企业的数字化能力。
基于上述任一实施例，该方法中，当第i+1级是底层指标等级时，所述第j个评价指标的各下级评价指标对应的权重基于如下步骤确定：
基于预置标度法建立判断矩阵，所述判断矩阵用于表征各下级评价指标间的相对重要性；
将所述判断矩阵中的各项元素除以所述各项元素所在列的元素和，得到标准化判断矩阵；
对所述标准化判断矩阵的各行取均值，得到各所述下级评价指标对应的权重。
本实施例中，预置标度法中共具有9个标度等级：1级表示两个因素相比，具有相同重要性；2级表示两个因素相比，前者比后者稍重要；5级表示两个因素相比，前者比后者明显重要；7级表示两个因素相比，前者比后者强烈重要；9级表示两个因素相比，前者比后者极端重要；2级表示1级和3级的中间值，4、6、8同理可得，在此不再赘述。
下面以第j个评价指标具有3个下级评价指标为例，对第j个评价指标的各下级评价指标对应的权重确定步骤进行说明，其中3个下级评价指标分别为第一个下级评价指标、第二个下级评价指标和第三个下级评价指标，第一个下级评价指标比第二个下级评价指标稍重要，第一个下级评价指标比第三个下级评价指标明显重要：
(1)构建如下判断矩阵：
以amn表示判断矩阵中第m行第n列的元素，表示第m个下级评价指标相比于第n个下级评价指标的重要性，例如a12＝3表示第一个下级评价指标比第二个下级评价指标稍重要，a31＝1/5表示第三个下级评价指标的重要性是第一个下级评价指标重要性的1/5。
(2)构建标准化判断矩阵：
将判断矩阵中的每一项除以该项所在列中每一项的和：
其中，p表示判断矩阵一列的元素个数，也就是判断矩阵的行数，本例中p＝3，bmn表示标准化判断矩阵中第m行第n列的元素。
(3)对标准化判断矩阵的各行取均值，得到各下级评价指标的权重：
其中，q表示标准化判断矩阵一行的元素个数，也就是标准化判断矩阵的列数，本例中q＝3，wm表示第m个下级评价指标对应的权重。
本申请实施例提供的数字化企业推荐方法，通过层次分析法确定底层评价指标的权重，将同一等级的评价指标两两比较重要性，进行定量描述，简单有效地刻画各评价指标间的相对权重。
基于上述任一实施例，该方法中，当第i+1级不是底层指标等级时，所述第j个评价指标的各下级评价指标对应的权重基于如下步骤确定：
基于结构方程模型，确定各所述下级评价指标间的相关系数；
基于各所述相关系数，确定各所述下级评价指标间的指标冲突性，下级评价指标间的相关系数越大，对应的指标冲突性越小；
基于各指标变异性和各所述指标冲突性，使用CRITIC赋权法确定各所述下级评价指标对应的权重，其中，各所述指标变异性表征各所述下级评价指标的差异波动情况。
本发明实施例中，结构方程模型通过测量方程和结构方程描述变量间的关系，其中测量方程描述潜变量与观测变量间的关系，结构方程描述潜变量与潜变量间的关系，使用训练数据对测量方程和结构方程进行训练，得到各潜变量间的相关系数。
本实施例中，指标模型中的底层评价指标(评估维度)是观测变量，1级评价指标(候选企业的数字化能力)、2级评价指标(能力类)、3级评价指标(能力集)、4级评价指标(能力指标)是潜变量。
本发明实施例中，CRITIC赋权法(Criteria Importance Though IntercrieriaCorrelation)是通过层间相关性来判断指标重要性的确权方法。
为便于理解，下面以第j个评价指标具有3个下级评价指标为例，对第j个评价指标的各下级评价指标对应的权重确定方法进行说明，其中3个下级评价指标分别为第一个下级评价指标、第二个下级评价指标和第三个下级评价指标：
(1)训练后的结构方程模型中，因子负荷矩阵表征了指标模型中各潜变量之间的相关系数，从中读取第一个下级评价指标、第二个下级评价指标、第三个下级评价指标之间的相关系数。
(2)第n个下级评价指标的指标冲突性基于如下公式进行计算：
其中，Rn表示第n个下级评价指标的指标冲突性，rmn表示第m个下级评价指标和第n个下级评价指标的相关系数，p表示下级评价指标的个数，本例中p＝3。
一个评价指标与其他评价指标的相关性越强，该评价指标与其他评价指标的冲突性越小，反映出相同的信息越多，所能体现的评价内容重复之处越多，该评价指标的评价强度越弱，应给该评价指标分配更小的权重。
(3)基于训练数据，计算各评价指标的标准差，本例中，各下级评价指标的指标变异性是各下级评价指标的标准差，读取得到各下级评价指标的指标变异性。指标变异性表征评价指标的差异波动情况，指标变异性越大，训练数据中对应评价指标的数值差异越大，该评价指标越能反映出更多的信息，该评价指标的评价强度越强，应给该评价指标分配更大的权重；
基于如下公式计算第n个下级评价指标的信息量：
Cn＝SnRn；
其中，Cn表示第n个下级评价指标的信息量，Sn表示第n个下级评价指标的指标变异性，Rn表示第n个下级评价指标的指标冲突性；
第n个下级评价指标的权重计算公式如下：
其中，Wn表示第n个下级评价指标的权重，Cn表示第n个下级评价指标的信息量，p表示下级评价指标的个数，本例中p＝3。
本申请实施例提供的数字化企业推荐方法，通过结构方程模型测算潜变量相关系数，可以进行因果推断，准确描述多个变量之间的复杂关系，从而提高下级评价指标间相关性的精确度，进而提高权重计算的精准度。
基于上述任一实施例，该方法中，所述第j个评价指标的评分基于如下步骤确定：
对各所述下级评价指标的评分和各所述下级评价指标对应的权重进行加权聚合处理，得到所述第j个评价指标的评分。
例如，某一候选企业的数字化评分如下表5所示。
表5候选企业的数字化评分
该候选企业云原生的评分＝云原生架构应用的评分*云原生架构应用的权重+云原生技术应用的评分*云原生技术应用的权重+云计算成本集约的评分*云计算成本集约的权重＝35*25％+40*45％+40*30％＝38.75；
该候选企业数智技术的评分＝人工智能的评分*人工智能的权重+数据湖的评分*数据湖的权重+数智技术成本集约的评分*数智技术成本集约的权重＝35*35％+45*35％+38*30％＝39.4；
该候选企业数字技术的评分＝云原生的评分*云原生的权重+数智技术的评分*数智技术的权重＝38.75*55％+39.4*45％＝39.0425。
其他评价指标的计算方法类似，由下至上逐级计算各级评价指标的评分，最终得到数字化能力的评分为41.5，也就是候选企业的数字化评分为41.5；
若该候选企业的目标数字化评分为50，则该候选企业的相对数字化评分为41.5/50*100％＝83％，表示该候选企业距离评估目标还有17％的差距。
本申请实施例提供的数字化企业推荐方法，通过加权计算的方式计算得到第j个评价指标的评分，充分考虑到各下级评价指标对第j个评价指标的影响程度，适用于各种场景下评价指标评分的计算。
综上所述，本申请实施例提供的数字化企业推荐方法，通过层次分析法确定底层评价指标的权重，适用于各种场景下评价指标权重的量化计算；通过结构方程模型以及CRITIC赋权法确定其他评价指标的权重，通过因果推断，准确描述多个评价指标间的复杂关系，提高权重计算的精准度；本申请将层次分析法、结构方程模型以及CRITIC赋权法结合，来确定指标模型中各评价指标的权重，根据各评价指标的特点使用相应的方法确定权重，实现评价指标权重的客观赋权，从而提高企业数字化评分计算的准确性。
下面对本申请实施例提供的企业数字化能力评估装置进行描述，下文描述的企业数字化能力评估装置与上文描述的数字化企业推荐方法可相互对应参照。
图3是本申请实施例提供的企业数字化能力评估装置的结构示意图，如图3所示，该企业数字化能力评估装置，包括：
指标获取模块310，用于：在确定各候选企业的指标模型的情况下，获取各所述候选企业对应的评价指标的评分；
评分确定模块320，用于：基于各所述指标模型和对应的评价指标的评分，确定各所述候选企业的数字化评分；
目标确定模块330，用于：基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业。
本申请实施例提供的企业数字化能力评估装置，在确定各候选企业的指标模型的情况下，获取各所述候选企业对应的评价指标的评分；基于各所述指标模型和对应的评价指标的评分，确定各所述候选企业的数字化评分；基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业。该方法基于各候选企业的指标模型确定各候选企业的数字化评分，统一量化标准，将候选企业的数字化能力进行定量化，通过数字化评分即可表征候选企业的数字化能力；基于各候选企业的数字化评分和目标数字化评分进行推荐，从而确定符合用户数字化需求的企业，并进行推荐。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communication Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的计算机程序，以执行数字化企业推荐方法的步骤，例如包括：在确定各候选企业的指标模型的情况下，获取各所述候选企业对应的评价指标的评分；基于各所述指标模型和对应的评价指标的评分，确定各所述候选企业的数字化评分；基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业。
此外，上述的存储器430中的逻辑指令可以通过软件功能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取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的数字化企业推荐方法，该方法包括：在确定各候选企业的指标模型的情况下，获取各所述候选企业对应的评价指标的评分；基于各所述指标模型和对应的评价指标的评分，确定各所述候选企业的数字化评分；基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的数字化企业推荐方法，该方法包括：在确定各候选企业的指标模型的情况下，获取各所述候选企业对应的评价指标的评分；基于各所述指标模型和对应的评价指标的评分，确定各所述候选企业的数字化评分；基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业。
所述非暂态计算机可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NAND FLASH)、固态硬盘(SSD))等。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种数字化企业推荐方法，其特征在于，包括：
在确定各候选企业的指标模型的情况下，获取各所述候选企业对应的评价指标的评分；
基于各所述指标模型和对应的评价指标的评分，确定各所述候选企业的数字化评分；
基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业。
2.根据权利要求1所述的数字化企业推荐方法，其特征在于，在所述基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业之前，还包括：
获取评估目标标签，所述评估目标标签表征期望的企业数字化成熟度；
基于所述评估目标标签，确定所述目标数字化评分。
3.根据权利要求2所述的数字化企业推荐方法，其特征在于，所述基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业，包括：
基于所述评估目标标签，确定目标数字化评分范围；
基于各所述候选企业的数字化评分和所述目标数字化评分范围，确定若干个一级优选企业，所述一级优选企业是数字化评分位于所述目标数字化评分范围内的候选企业；
基于各所述一级优选企业的企业信息数据，确定若干个二级优选企业，所述企业信息数据表征所述一级优选企业的经营情况；
基于各所述二级优选企业的数字化评分和所述目标数字化评分，确定目标推荐企业。
4.根据权利要求1-3中任一项所述的数字化企业推荐方法，其特征在于，所述指标模型包括多个指标等级，所述指标模型中第i级的第j个评价指标的评分是基于对应的若干个下级评价指标确定的，所述下级评价指标是第i+1级的评价指标，所述基于各所述指标模型和对应的评价指标的评分，确定各所述候选企业的数字化评分，包括：
确定各所述指标模型中对应的评价指标的权重；
基于各所述评价指标的权重，由下至上逐级确定各所述评价指标的评分。
5.根据权利要求4所述的数字化企业推荐方法，其特征在于，当第i+1级是底层指标等级时，所述第j个评价指标的各下级评价指标对应的权重基于如下步骤确定：
基于预置标度法建立判断矩阵，所述判断矩阵用于表征各下级评价指标间的相对重要性；
将所述判断矩阵中的各项元素除以所述各项元素所在列的元素和，得到标准化判断矩阵；
对所述标准化判断矩阵的各行取均值，得到各所述下级评价指标对应的权重。
6.根据权利要求4所述的数字化企业推荐方法，其特征在于，当第i+1级不是底层指标等级时，所述第j个评价指标的各下级评价指标对应的权重基于如下步骤确定：
基于结构方程模型，确定各所述下级评价指标间的相关系数；
基于各所述相关系数，确定各所述下级评价指标间的指标冲突性，下级评价指标间的相关系数越大，对应的指标冲突性越小；
基于各指标变异性和各所述指标冲突性，使用CRITIC赋权法确定各所述下级评价指标对应的权重，其中，各所述指标变异性表征各所述下级评价指标的差异波动情况。
7.根据权利要求4-6中任一项所述的数字化企业推荐方法，其特征在于，所述第j个评价指标的评分基于如下步骤确定：
对各所述下级评价指标的评分和各所述下级评价指标对应的权重进行加权聚合处理，得到所述第j个评价指标的评分。
8.一种数字化企业推荐装置，其特征在于，包括：
指标获取模块，用于：在确定各候选企业的指标模型的情况下，获取各所述候选企业对应的评价指标的评分；
评分确定模块，用于：基于各所述指标模型和对应的评价指标的评分，确定各所述候选企业的数字化评分；
目标确定模块，用于：基于各所述候选企业的数字化评分和目标数字化评分，确定目标推荐企业。
9.一种电子设备，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如权利要求1至7任一项所述数字化企业推荐方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述数字化企业推荐方法。
CN202311458545.2A 2023-11-03 2023-11-03 数字化企业推荐方法、装置、电子设备和存储介质 Pending CN117474397A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311458545.2A CN117474397A (zh) 2023-11-03 2023-11-03 数字化企业推荐方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311458545.2A CN117474397A (zh) 2023-11-03 2023-11-03 数字化企业推荐方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN117474397A true CN117474397A (zh) 2024-01-30

Family

ID=89623405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311458545.2A Pending CN117474397A (zh) 2023-11-03 2023-11-03 数字化企业推荐方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN117474397A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112948667A (zh) * 2021-02-03 2021-06-11 北京优易惠技术有限公司 一种基于招投标的供应商推荐系统及方法
CN113283729A (zh) * 2021-05-17 2021-08-20 中国联合网络通信集团有限公司 一种企业数字化能力的评价方法及装置
CN113610379A (zh) * 2021-08-02 2021-11-05 长春工程学院 一种基于ahp-critic的输电线路运行状态综合评估方法
CN113869801A (zh) * 2021-11-30 2021-12-31 阿里云计算有限公司 一种企业数字中台的成熟状态评估方法和装置
CN115080854A (zh) * 2022-06-29 2022-09-20 北京中关村软件园孵化服务有限公司 一种用于企业服务的数字化服务平台系统
CN115081856A (zh) * 2022-06-15 2022-09-20 深圳市科荣软件股份有限公司 一种企业知识管理绩效评价装置及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112948667A (zh) * 2021-02-03 2021-06-11 北京优易惠技术有限公司 一种基于招投标的供应商推荐系统及方法
CN113283729A (zh) * 2021-05-17 2021-08-20 中国联合网络通信集团有限公司 一种企业数字化能力的评价方法及装置
CN113610379A (zh) * 2021-08-02 2021-11-05 长春工程学院 一种基于ahp-critic的输电线路运行状态综合评估方法
CN113869801A (zh) * 2021-11-30 2021-12-31 阿里云计算有限公司 一种企业数字中台的成熟状态评估方法和装置
WO2023098571A1 (zh) * 2021-11-30 2023-06-08 阿里云计算有限公司 一种企业数字中台的成熟状态评估方法和装置
CN115081856A (zh) * 2022-06-15 2022-09-20 深圳市科荣软件股份有限公司 一种企业知识管理绩效评价装置及方法
CN115080854A (zh) * 2022-06-29 2022-09-20 北京中关村软件园孵化服务有限公司 一种用于企业服务的数字化服务平台系统

Similar Documents

Publication Publication Date Title
AlNuaimi et al. The role of big data analytics capabilities in greening e-procurement: A higher order PLS-SEM analysis
Tsai et al. Entrepreneurship policy evaluation and decision analysis for SMEs
Piegat et al. Comparative analysis of MCDM methods for assessing the severity of chronic liver disease
Pourkhodabakhsh et al. Effective machine learning, meta-heuristic algorithms and multi-criteria decision making to minimizing human resource turnover
Győri et al. Innovation, financial culture, and the social-economic environment of SMEs in Hungary
Aytekin et al. Critical success factors of lean six sigma to select the most ideal critical business process using q-ROF CRITIC-ARAS technique: Case study of food business
US20210174307A1 (en) System and methodologies for candidate analysis utilizing psychometric data and benchmarking
Slavici et al. Usage of artificial neural networks for optimal bankruptcy forecasting. Case study: Eastern European small manufacturing enterprises
Khatri et al. Unveiling heterogenous knowledge-oriented leadership and knowledge acquisition based hybrid work agility of knowledge workers
Agarwal et al. Line and staff functions in organizations revisited: A bionic system analogy using ISM
Lassébie et al. Speaking the same language: A machine learning approach to classify skills in Burning Glass Technologies data
Chen et al. Displacement or Augmentation? The Effects of AI on Workforce Dynamics and Firm Value
Hellweg et al. Towards a maturity model for digital supply chains
Siraj et al. Mining enrolment data using predictive and descriptive approaches
Huang et al. Planning of educational training courses by data mining: Using China Motor Corporation as an example
Li Empowering financial management in educational institutions: A multi-objective decision-making system using intelligent fuzzy logic algorithm and digital marketing
Dawson Changing labour market dynamics in Australia: skill shortages, job transitions, and artificial intelligence technology adoption
Yu et al. An effective multi-part dedicated flow-line reconfiguration model considering the optimal selection of machining process path and machines
Dugarte-Peña et al. An instance-based-learning simulation model to predict knowledge assets evolution involved in potential digital transformation projects
CN117474397A (zh) 数字化企业推荐方法、装置、电子设备和存储介质
Zhang et al. Evaluation of enterprise performance based on FLI-GA model
Salmeron et al. Startup’s critical failure factors dynamic modeling using FCM
Siraj et al. Mining enrollment data using descriptive and predictive approaches
Elanwer HR analytics in practice: Using machine learning to predict employee absenteeism
Mukherjee Decision-Making with Technology

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