一种基于AI人工智能的企业经营预测方法及系统技术方案

本发明专利技术公开了一种基于AI人工智能的企业经营预测方法及系统，获取用户输入的待处理数据；所述待处理数据包括企业经营中的商业数据、销售数据和财务数据；将待处理数据作为评价对象，依据自定义的待处理数据分类规则，将所述待处理数据划分为管理数据和业务数据；获取分类后的各部分特征量，并从中选取用于企业经营预测的关键特征量；将所述关键特征量输入预先建立的机器学习模型，分析获得企业经营预测结果及对应的预测决策数据。上述方案能够分析不同时间周期下，现有预测结果的表现好坏，并进一步对未来经营数据的预测。便于企业提前部署资源、采取更优化的决策措施，实行健康发展。展。展。

【技术实现步骤摘要】
一种基于AI人工智能的企业经营预测方法及系统


[0001]本专利技术涉及计算机
，具体涉及一种基于AI人工智能的企业经营预测方法及系统。

技术介绍

[0002]进入数据时代，每一个企业都淹没在数据海洋中，数据太多、数据不全、数据造假都会导致经营管理决策的盲区增大，企业经营未来的不确定性也巨增大，人类感知和认知的局限，决定了在复杂数据海洋中，无法预测未来。因此，商业呼唤新的科学的预测方法，以便企业能提前部署资源、采取更有效的战略策略发展业务。
[0003]现有技术商业智能BI技术，将企业各种业务IT系统如ERP、CRM等数据汇集，并进行数据表格化的分析和处理，利用相应的查询和分析工具，输出报表展现与分析，为企业提供数据分析支持。其包括三个重要部分：数据源收集，数据仓库的数据准备，可视化报表展现和数据分析。
[0004]商业智能BI所收集的数据，都是一个结果，仅仅告诉企业决策者是什么，并不能告诉是什么原因，什么问题导致的原因；更不能告诉数据背后的模式和规律。因此，BI只能作为查询的效果，其并不能直接产生预测决策，企业利用BI处理后的数据来支持决策。BI的这个缺陷，根本上是，本质上商业智能BI是一个IT系统，没有自主机器学习。

技术实现思路

[0005]针对现有技术中存在的缺陷和不足，本专利技术基于大数据人工智能、移动互联网技术的创新，融合新的商业管理思想，专利技术了基于SAAS与AI阿尔法企业经营预测的一种基于AI人工智能的企业经营预测方法及系统，为企业决策者、管理者、业务人员提供了从日常业务跟踪、到业务表现评估、未来业务预测、到优化措施的经营预测可视化的解决方案。
[0006]为实现上述目的，本专利技术的技术方案如下：
[0007]一种基于AI人工智能的企业经营预测方法，所述方法包括：
[0008]获取用户输入的待处理数据；所述待处理数据包括企业经营中的商业数据、销售数据和财务数据；
[0009]将待处理数据作为评价对象，依据自定义的待处理数据分类规则，将所述待处理数据划分为管理数据和业务数据；
[0010]获取分类后的各部分特征量，并从中选取用于企业经营预测的关键特征量；
[0011]将所述关键特征量输入预先建立的机器学习模型，分析获得企业经营预测结果及对应的预测决策数据。
[0012]优选的，所述将所述关键特征量输入预先建立的机器学习模型，分析获得企业经营预测结果及对应的预测决策数据包括：
[0013]A：构建企业经营历史数据库，用于存储企业经营在过去某一时间段内的企业历史经营数据及对应的关键特征量；
[0014]B：在企业经营历史数据库的基础上构建机器学习模型；
[0015]C：运用机器学习模型的预测层对企业经营数据变动趋势进行预测，并对来自模型的针对未来每个阶段的预测结果进行综合分析从而得到全局预测结果；
[0016]D：检验机器学习模型的预测结果是否准确，并根据检验结果对机器学习模型的子模型进行参数调节，优化机器学习模型结构。
[0017]进一步地，在步骤B中，所述机器学习模型为LSTM模型，所述LSTM模型通过训练能够发掘出企业经营的价格变动规律及潜在的变动逻辑，并通过对价格规律及变动逻辑的处理实现企业经营未来价格变动趋势的预测。
[0018]进一步地，所述LSTM模型将企业经营的历史数据进行划分从而生成模型训练数据集，该模型训练数据集分为训练输入及训练输出两部分，训练输入及训练输出数据长度为L，训练输入与训练输出之间相距T个时间周期；同时采用ReLU函数作为LSTM模型中状态处理及模型输出环节的激活函数，该激活函数定义为：
[0019]Y＝Max(0，x)
[0020]其中，x为自变量。
[0021]进一步地，所述LSTM模型为多层结构的循环神经网络，所述多层包括输入层、输出层及预测层，其中，
[0022]所述输入层用于控制有多少信息可以流入模型的记忆体，经由输入层处理后的数据流入当前状态中；
[0023]所述预测层用于控制有多少上一时刻的模型记忆体信息可以累积到当前时刻的记忆体中，经由预测层处理的数据信息流入当前状态中；
[0024]所述输出层用于控制有多少当前状态的信息能够流入下一次学习阶段的记忆体中，数据信息经过三个层结构的处理完成一轮循环，处理后的数据信息经由输出层进入下一阶段的模型学习循环，如此反复直至LSTM模型训练完成；
[0025]其中，所述层结构采用Sigmoid函数作为激活函数。
[0026]进一步地，所述步骤B中还包括：
[0027]S1：采用小波变换的方法对企业经营的历史数据进行降噪处理，从而得到低噪声高质量的有效行情数据；
[0028]S2：将经过小波变换降噪处理后的企业经营历史数据进行机器学习模型建模；
[0029]在步骤S1中，将企业经营的历史数据作为一种带噪声的信号数据，该信号数据由以下公式定义：
[0030]f(i)＝s(i)+e(i)
[0031]其中，i为记录历史数据的每一个时间周期，e(i)为信号数据所携带的噪声，s(i)为企业经营的真实有效的历史数据信号，采用小波变换的方法通过对f(i)的降噪处理，得到企业经营真实有效的历史数据信号部分s(i)。
[0032]进一步地，在步骤C中，运用机器学习模型对企业经营数据变动趋势进行预测的处理过程包括：
[0033]C1：运用训练好的深度学习模型对企业经营进行预测；
[0034]C2：对模型的预测结果进行综合从而得到最终的预测结果，其中，步骤C2中，采用加权平均法进行综合处理。
[0035]进一步地，所述机器学习模型的预先构建包括：
[0036]数据初始化，确定输入向量和目标向量；
[0037]构建基于神经网络模型；
[0038]执行误差反向传播算法训练，获取预测层和输出层的各节点输出；
[0039]调整连接权值，获取调整后的预测层和输出层的各节点输出；
[0040]若满足收敛条件，则训练结束，获得机器学习模型。
[0041]一种基于AI人工智能的企业经营预测系统，所述系统包括：
[0042]获取模块，用于获取用户输入的待处理数据；所述待处理数据包括企业经营中的商业数据、销售数据和财务数据；
[0043]预处理模块，用于将待处理数据作为评价对象，依据自定义的待处理数据分类规则，将所述待处理数据划分为管理数据和业务数据；
[0044]特征提取模块，用于获取分类后的各部分特征量，并从中选取用于企业经营预测的关键特征量；
[0045]预测模块，用于将所述关键特征量输入预先建立的机器学习模型，分析获得企业经营预测结果及对应的预测决策数据。
[0046]本专利技术的有益效果体现在：
[0047]本专利技术提供的一种基于AI人工智能的企业经营预测方法及系统，包括获取用户输入的待处理数据；所述待处理数据包括企业经营中的商业数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI人工智能的企业经营预测方法，其特征在于，所述方法包括：获取用户输入的待处理数据；所述待处理数据包括企业经营中的商业数据、销售数据和财务数据；将待处理数据作为评价对象，依据自定义的待处理数据分类规则，将所述待处理数据划分为管理数据和业务数据；获取分类后的各部分特征量，并从中选取用于企业经营预测的关键特征量；将所述关键特征量输入预先建立的机器学习模型，分析获得企业经营预测结果及对应的预测决策数据。2.如权利要求1所述的方法，其特征在于，所述将关键特征量输入预先建立的机器学习模型，分析获得企业经营预测结果及对应的预测决策数据包括：A：构建企业经营历史数据库，用于存储企业经营在过去某一时间段内的企业历史经营数据及对应的关键特征量；B：在企业经营历史数据库的基础上构建机器学习模型；C：运用机器学习模型的预测层对企业经营数据变动趋势进行预测，并对来自模型的针对未来每个阶段的预测结果进行综合分析从而得到全局预测结果；D：检验机器学习模型的预测结果是否准确，并根据检验结果对机器学习模型的子模型进行参数调节，优化机器学习模型结构。3.根据权利要求2所述的方法，其特征在于：在步骤B中，所述机器学习模型为LSTM模型，所述LSTM模型通过训练能够发掘出企业经营的价格变动规律及潜在的变动逻辑，并通过对价格规律及变动逻辑的处理实现企业经营未来价格变动趋势的预测。4.根据权利要求3所述的方法，其特征在于：所述LSTM模型将企业经营的历史数据进行划分从而生成模型训练数据集，该模型训练数据集分为训练输入及训练输出两部分，训练输入及训练输出数据长度为L，训练输入与训练输出之间相距T个时间周期；同时采用ReLU函数作为LSTM模型中状态处理及模型输出环节的激活函数，该激活函数定义为：Y＝Max(0，x)其中，x为自变量。5.根据权利要求3所述的方法，其特征在于：所述LSTM模型为多层结构的循环神经网络，所述多层包括输入层、输出层及预测层，其中，所述输入层用于控制有多少信息可以流入模型的记忆体，经由输入层处理后的数据流入当前状态中；所述预测层用于控制有多少上一时刻的模型记忆体信息可以累积到当前时刻的记忆体中，经由预测层处理的数据信息流入当前状态中；...

【专利技术属性】
技术研发人员：乔恩，
申请(专利权)人：未来地图深圳智能科技有限公司，
类型：发明
国别省市：