企业数据处理方法和装置制造方法及图纸

本申请公开了一种企业数据处理方法和装置，该方法包括：获取企业的多种企业特征的特征数据；获得设定的每种该企业特征对应的最高分数；如企业特征的特征数据为逻辑类型，将企业特征的特征数据和最高分数输入到第一特征评估模型，以得到该企业特征对应的风险评分；如企业特征的特征数据为数值类型，确定该企业特征所属的目标影响等级及目标影响等级对应的目标权重系数，并将该企业特征的最高分数、目标影响等级及目标权重系数输入第二特征评估模型，以得到该企业特征的风险评分；根据该企业对应的多个企业特征的风险评分，确定该企业的风险状况。本申请可以确定出企业的风险状况，为企业监管部门及时有效的发现存在风险的企业提供了可靠依据。

Enterprise data processing methods and devices

【技术实现步骤摘要】
企业数据处理方法和装置
本申请涉及数据处理
，尤其涉及一种企业数据处理方法和装置。
技术介绍
企业作为向市场提供商品或服务的单位，与市场经济状况和人们生活有着较大关系。因此，为了保障市场秩序和维护人民群众的利益，需要一些企业监管部门对企业进行监督和管控。其中，企业监管部门需要结合企业的违法违规情况、企业经营状况以及企业法人信息等多种维度来综合分析企业的风险状况。由于影响企业风险的维度较多，且每种维度的数据的类型差异性也较大，不利于企业监管部门快速、有效的获取到不同企业的风险状况。因此，如何确定各个企业的风险状况是本领域技术人员迫切需要解决的技术问题。
技术实现思路
有鉴于此，本申请提供了一种企业数据处理方法和装置，以能够结合企业多种不同类型的数据确定出企业的风险状况，为企业监管部门及时有效的发现存在较大风险的企业提供的可靠的数据依据。为实现上述目的，一方面，本申请提供了一种企业数据处理方法，包括：获取企业的多种企业特征的特征数据，所述企业特征属于设定的能够影响企业风险的特征；获得设定的每本文档来自技高网...

【技术保护点】
1.一种企业数据处理方法，其特征在于，包括：/n获取企业的多种企业特征的特征数据，所述企业特征属于设定的能够影响企业风险的特征；/n获得设定的每种所述企业特征对应的最高分数；/n解析所述企业特征的特征数据所属的数据类型；/n在所述企业特征的特征数据所属的数据类型为逻辑类型的情况下，调用第一特征评估模型，将所述企业特征的特征数据和所述企业特征的最高分数输入到所述第一特征评估模型，以通过所述第一特征评估模型转换出所述企业的所述企业特征对应的风险评分；/n在所述企业特征的特征数据所属的数据类型为数值类型的情况下，依据设定的影响等级表以及所述企业特征的特征数据，确定所述企业的所述企业特征所属的目标影响...

【技术特征摘要】
1.一种企业数据处理方法，其特征在于，包括：
获取企业的多种企业特征的特征数据，所述企业特征属于设定的能够影响企业风险的特征；
获得设定的每种所述企业特征对应的最高分数；
解析所述企业特征的特征数据所属的数据类型；
在所述企业特征的特征数据所属的数据类型为逻辑类型的情况下，调用第一特征评估模型，将所述企业特征的特征数据和所述企业特征的最高分数输入到所述第一特征评估模型，以通过所述第一特征评估模型转换出所述企业的所述企业特征对应的风险评分；
在所述企业特征的特征数据所属的数据类型为数值类型的情况下，依据设定的影响等级表以及所述企业特征的特征数据，确定所述企业的所述企业特征所属的目标影响等级以及所述目标影响等级对应的目标权重系数，并调用第二特征评估模型，将所述企业特征的最高分数、所述企业的所述企业特征所属的目标影响等级以及所述目标影响等级对应的目标权重系数输入所述第二特征评估模型，以通过所述第二特征评估模型转换出所述企业的所述企业特征的风险评分，其中，所述影响等级表中设置有企业特征对应的多个影响等级以及每种影响等级的权重系数；
根据所述企业对应的多个企业特征的风险评分，确定所述企业的风险状况。


2.根据权利要求1所述的方法，其特征在于，所述依据设定的影响等级表以及所述企业特征的特征数据，确定所述企业的所述企业特征所属的目标影响等级以及所述目标影响等级对应的目标权重系数，包括：
依据设定的影响等级表中影响等级的等级个数，设定的所述企业特征的极大边界值和所述企业特征的极小边界值，对所述企业特征的特征数据进行等级转换，得到所述企业的所述企业特征所属的目标影响等级；
按照所述影响等级表中不同影响等级与权重系数的对应关系，确定所述目标影响等级对应的目标权重系数。


3.根据权利要求1所述的方法，其特征在于，在所述确定所述企业的所述企业特征所属的目标影响等级以及所述目标影响等级对应的目标权重系数之前，还包括：
如果所述企业特征的特征数据为时间序列数据，确定所述时间序列数据中各个时刻点的数据各自的风险影响权重；
按照所述时间序列数据中各个时刻点的数据各自的风险影响权重，对所述时间序列中各个时刻点的数据进行加权求和，将加权求和所得的数值确定为所述企业特征对应的用于分析风险评分的特征数据，其中，所述时间序列数据中各个时刻点的数据对应的风险影响权重与所述时间序列数据中各个时刻点距离当前时刻的时长有关。


4.根据权利要求1或3所述的方法，其特征在于，在所述确定所述企业的所述企业特征所属的目标影响等级以及所述目标影响等级对应的目标权重系数之前，还包括：
如果所述企业特征与企业风险之间的相关类型不属于设定相关类型，将所述企业特征的特征数据转换为符合所述设定相关类型的特征数据，其中，企业特征与企业风险之间的相关类型包括正相关类型和负相关类型，所述设定相关类型为所述正相关类型或者负相关类型；
其中，在所述企业特征与企业风险之间为正相关类型时，所述企业特征的特征数据的数据值越大，所述企业特征的特征数据导致企业存在风险的可能性越大；在所述企业特征与企业风险之间为负相关类型时，所述企业特征的特征数据的数据值越小，所述企业特征的特征数据导致企业存在风险的可能性越大。


5.根据权利要求4所述的方法，其特征在于，在所述确定所述企业的所述企业特征所属的目标影响等级以及所述目标影响等级对应的目标权重系数之前，还包括：
依据所述多个企业特征各自对应的属于所述设定相关类型的特征数据，分别对每个所述企业特征对应的属于所述设定相关类型的特征数据进行标准化处理，得到处理后的所述企业特征的特征数据。


6.根据权利要求1所述的方法，其特征在于，所述通过所述第二特征评估模型转换出所述企业的所述企业特征的风险评分，包括：
通过所述第二特征评估模型确定出所述企业的所述企业特征所属的目标影响等级属于所述影响等级表中的影响等级时，利用企业特征所属的目标影响等级对应的目标权重系数以及所述企业特征...

【专利技术属性】
技术研发人员：伍立健，
申请(专利权)人：重庆金窝窝网络科技有限公司，
类型：发明
国别省市：重庆;50