基于人工智能的企业数据处理方法及相关装置制造方法及图纸

本发明专利技术涉及人工智能领域，公开了一种基于人工智能的企业数据处理方法及相关装置，用于提高企业数据处理的准确率。所述方法包括：获取待处理的业务数据，并对业务数据进行指标数据提取，得到业务指标数据；对业务指标数据进行数据标准化处理，得到标准指标数据，并对标准指标数据进行特征筛选处理，得到特征指标数据：对特征指标数据进行异常数据提取，得到多个异常指标；根据异常指标映射函数分别对多个异常指标进行数值映射，得到目标数值，并对目标数值进行向量转换，得到目标输入向量；将目标输入向量输入风险预警模型进行风险预警，得到风险预警结果。到风险预警结果。到风险预警结果。

【技术实现步骤摘要】
基于人工智能的企业数据处理方法及相关装置


[0001]本专利技术涉及人工智能领域，尤其涉及一种基于人工智能的企业数据处理方法及相关装置。

技术介绍

[0002]随着计算机技术的高速发展，企业在运营过程中的数据逐渐采用智能化的方式进行数据处理。目前业务数据处理的异常监控都已实现系统化管理，各模块也建立了异常监控标准。
[0003]但是现有方案大多通过人工操作，人工经验进行数据分析较为主观，分析方式不够智能化，导致现有方案的准确率不高。

技术实现思路

[0004]本专利技术提供了一种基于人工智能的企业数据处理方法及相关装置，用于提高企业数据处理的准确率。
[0005]本专利技术第一方面提供了一种基于人工智能的企业数据处理方法，所述基于人工智能的企业数据处理方法包括：基于预置的云监控平台获取待处理的目标企业对应的业务数据，并按照预置的指标特征对所述业务数据进行指标数据提取，得到所述业务数据对应的业务指标数据；获取所述业务指标数据的时间序列，并按照所述时间序列对所述业务指标数据进行数据标准化处理，得到标准指标数据，并对所述标准指标数据进行特征筛选处理，得到特征指标数据：根据预置的变量分布特征对所述特征指标数据进行异常数据提取，得到所述业务数据对应的多个异常指标；根据预置的异常指标映射函数分别对所述多个异常指标进行数值映射，得到每个异常指标对应的目标数值，并对每个异常指标对应的目标数值进行向量转换，得到目标输入向量；将所述目标输入向量输入预置的风险预警模型进行风险预警，得到所述目标企业对应的风险预警结果，其中，所述风险预警结果包括风险类型和风险等级。
[0006]可选的，在本专利技术第一方面的第一种实现方式中，所述基于预置的云监控平台获取待处理的目标企业对应的业务数据，并按照预置的指标特征对所述业务数据进行指标数据提取，得到所述业务数据对应的业务指标数据，包括：按照预设的时间周期并调用预置的网络爬虫爬取预置的云监控平台中与目标企业相关联的业务数据，其中，所述业务数据用于指示所述目标企业的数据量化表；基于预置的多个指标特征对应的特征关键词对所述数据量化表进行指标查询，并将所述数据量化表中与所述多个指标特征关键词相关联的数据项作为所述业务数据对应的业务指标数据。
[0007]可选的，在本专利技术第一方面的第二种实现方式中，所述获取所述业务指标数据的时间序列，并按照所述时间序列对所述业务指标数据进行数据标准化处理，得到标准指标数据，并对所述标准指标数据进行特征筛选处理，得到特征指标数据，包括：从所述云监控平台中提取所述业务指标数据对应的时间序列，其中，所述时间序列用于指示所述时间周
期对应的时间节点；按照所述时间序列对所述业务指标数据进行数据整合，得到时序指标数据；对所述时序指标数据进行缺失值插值和数据衍生，得到标准指标数据；对所述标准指标数据进行变量清单筛选，得到特征指标数据。
[0008]可选的，在本专利技术第一方面的第三种实现方式中，所述根据预置的变量分布特征对所述特征指标数据进行异常数据提取，得到所述业务数据对应的多个异常指标，包括：提取所述特征指标数据对应的多个指标因子；分别计算所述多个指标因子和预设目标值的比值，得到每个指标因子对应的比值；根据每个指标因子对应的比值对所述多个指标因子进行异常数据划分；若每个指标因子对应的比值大于预设阈值，则将所述比值对应的指标因子作为所述业务数据对应的异常指标；若每个指标因子对应的比值小于或等于预设阈值，则将所述比值对应的指标因子确定为正常指标。
[0009]可选的，在本专利技术第一方面的第四种实现方式中，所述根据预置的异常指标映射函数分别对所述多个异常指标进行数值映射，得到每个异常指标对应的目标数值，并对每个异常指标对应的目标数值进行向量转换，得到目标输入向量，包括：根据预置的异常指标映射函数分别对所述多个异常指标进行数值映射，得到每个异常指标对应的目标数值；分别对每个异常指标对应的目标数值进行异常评价权重计算，得到加权目标数值；按照所述时间序列对所述加权目标数值进行排列，得到目标序列，并将所述目标序列转换为向量格式，得到目标输入向量。
[0010]可选的，在本专利技术第一方面的第五种实现方式中，所述将所述目标输入向量输入预置的风险预警模型进行风险预警，得到所述目标企业对应的风险预警结果，其中，所述风险预警结果包括风险类型和风险等级，包括：将所述目标输入向量输入预置的风险预警模型，其中，所述风险预警模型包括编码器和解码器，所述编码器包括卷积层和池化层，所述解码器包括反卷积层和卷积层；将所述目标输入向量输入所述编码器中的卷积层进行卷积运算，得到特征向量；将所述特征向量输入所述编码器中的池化层进行特征编码，得到编码向量；将所述编码向量输入所述解码器中的反卷积层进行向量转换，得到转换向量；将所述转换向量输入所述解码器中的卷积层进行向量重构，得到输出向量；对所述输出向量和所述目标输入向量进行向量元素比对，并生成风险类型；计算所述输出向量和所述目标输入向量之间的损失值，并根据所述损失值确定风险等级；将所述风险类型和所述风险等级作为风险预警结果并输出。
[0011]可选的，在本专利技术第一方面的第六种实现方式中，在所述将所述目标输入向量输入预置的风险预警模型进行风险预警，得到所述目标企业对应的风险预警结果，其中，所述风险预警结果包括风险类型和风险等级之后，所述基于人工智能的企业数据处理方法还包括：将所述风险预警结果存储至预设的数据库中，并根据所述风险预警结果生成所述目标企业对应的异常处理方案。
[0012]本专利技术第二方面提供了一种基于人工智能的企业数据处理装置，所述基于人工智能的企业数据处理装置包括：获取模块，用于基于预置的云监控平台获取待处理的目标企业对应的业务数据，并按照预置的指标特征对所述业务数据进行指标数据提取，得到所述业务数据对应的业务指标数据；处理模块，用于获取所述业务指标数据的时间序列，并按照所述时间序列对所述业务指标数据进行数据标准化处理，得到标准指标数据，并对所述标准指标数据进行特征筛选处理，得到特征指标数据：提取模块，用于根据预置的变量分布特
征对所述特征指标数据进行异常数据提取，得到所述业务数据对应的多个异常指标；转换模块，用于根据预置的异常指标映射函数分别对所述多个异常指标进行数值映射，得到每个异常指标对应的目标数值，并对每个异常指标对应的目标数值进行向量转换，得到目标输入向量；检测模块，用于将所述目标输入向量输入预置的风险预警模型进行风险预警，得到所述目标企业对应的风险预警结果，其中，所述风险预警结果包括风险类型和风险等级。
[0013]可选的，在本专利技术第二方面的第一种实现方式中，所述获取模块具体用于：按照预设的时间周期并调用预置的网络爬虫爬取预置的云监控平台中与目标企业相关联的业务数据，其中，所述业务数据用于指示所述目标企业的数据量化表；基于预置的多个指标特征对应的特征关键词对所述数据量化表进行指标查询，并将所述数据量化表中与所述多个指标特征关键词相关联的数据项作为所述业务数据对应的业务指标数据。
[0014]可选的，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的企业数据处理方法，其特征在于，所述基于人工智能的企业数据处理方法包括：基于预置的云监控平台获取待处理的目标企业对应的业务数据，并按照预置的指标特征对所述业务数据进行指标数据提取，得到所述业务数据对应的业务指标数据；获取所述业务指标数据的时间序列，并按照所述时间序列对所述业务指标数据进行数据标准化处理，得到标准指标数据，并对所述标准指标数据进行特征筛选处理，得到特征指标数据：根据预置的变量分布特征对所述特征指标数据进行异常数据提取，得到所述业务数据对应的多个异常指标；根据预置的异常指标映射函数分别对所述多个异常指标进行数值映射，得到每个异常指标对应的目标数值，并对每个异常指标对应的目标数值进行向量转换，得到目标输入向量；将所述目标输入向量输入预置的风险预警模型进行风险预警，得到所述目标企业对应的风险预警结果，其中，所述风险预警结果包括风险类型和风险等级。2.根据权利要求1所述的基于人工智能的企业数据处理方法，其特征在于，所述基于预置的云监控平台获取待处理的目标企业对应的业务数据，并按照预置的指标特征对所述业务数据进行指标数据提取，得到所述业务数据对应的业务指标数据，包括：按照预设的时间周期并调用预置的网络爬虫爬取预置的云监控平台中与目标企业相关联的业务数据，其中，所述业务数据用于指示所述目标企业的数据量化表；基于预置的多个指标特征对应的特征关键词对所述数据量化表进行指标查询，并将所述数据量化表中与所述多个指标特征关键词相关联的数据项作为所述业务数据对应的业务指标数据。3.根据权利要求2所述的基于人工智能的企业数据处理方法，其特征在于，所述获取所述业务指标数据的时间序列，并按照所述时间序列对所述业务指标数据进行数据标准化处理，得到标准指标数据，并对所述标准指标数据进行特征筛选处理，得到特征指标数据，包括：从所述云监控平台中提取所述业务指标数据对应的时间序列，其中，所述时间序列用于指示所述时间周期对应的时间节点；按照所述时间序列对所述业务指标数据进行数据整合，得到时序指标数据；对所述时序指标数据进行缺失值插值和数据衍生，得到标准指标数据；对所述标准指标数据进行变量清单筛选，得到特征指标数据。4.根据权利要求1所述的基于人工智能的企业数据处理方法，其特征在于，所述根据预置的变量分布特征对所述特征指标数据进行异常数据提取，得到所述业务数据对应的多个异常指标，包括：提取所述特征指标数据对应的多个指标因子；分别计算所述多个指标因子和预设目标值的比值，得到每个指标因子对应的比值；根据每个指标因子对应的比值对所述多个指标因子进行异常数据划分；若每个指标因子对应的比值大于预设阈值，则将所述比值对应的指标因子作为所述业务数据对应的异常指标；
若每个指标因子对应的比值小于或等于预设阈值，则将所述比值对应的指标因子确定为正常指标。5.根据权利要求1所述的基于人工智能的企业数据处理方法，其特征在于，所述根据预置的异常指标映射函数分别对所述多个异常指标进行数值映射，得到每个异常指标对应的目标数值，并对每个异常指标对应的目标数值进行向量转换，得到目标输入向量，包括：根据预置的异常指标映射函数分别对所述多个异常指标进行数值映射，得到每个异常指标对应的目标数值；分别对每个异常指标对应的目标数值进行异常评价...

【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：