一种基于大数据分析的企业运营分析及预警方法及系统技术方案

本发明专利技术提供了一种基于大数据分析的企业运营分析及预警方法及系统，收集企业运营分析及预警监控所需分析数据，将收集的分析数据转换为标准格式，结合人工选取和大数据聚类抽取分析数据确定动态评价指标体系，采用单指标分析与多指标综合评价得到企业运营分析结果，采用历史数据、行业数据、异常值数据、政策和市场数据四个独立神经网络经过融合后形成新的预警网络，再进行风险预警监控。本发明专利技术能够提升运营分析及风险监控的可靠性与准确性。运营分析及风险监控的可靠性与准确性。运营分析及风险监控的可靠性与准确性。

【技术实现步骤摘要】
一种基于大数据分析的企业运营分析及预警方法及系统


[0001]本专利技术涉及数据分析领域，具体涉及一种基于大数据分析的企业运营分析及预警方法及系统。

技术介绍

[0002]企业的运营监控平台为生产运营管理监控提供了管理手段，能够实现企业发展指数和项目健康指数的一体化评价。随着社会快速发展，企业经营数据风险也随之出现，需要形成企业运营分析与风险预警监控的方法，实现对企业的运营良性保证。可以及时为相关管理人员、监管人员提供可靠的信息依据，从而方便相关人员开展后续管理工作或监管工作。
[0003]现有的企业运营和风险监控方法存在问题主要是运营分析可靠性低，风险监控效果较差，风险分析结果准确率低。

技术实现思路

[0004]本专利技术的目的在于解决上述现有技术中存在的难题，提供一种基于大数据分析的企业运营分析及预警方法及系统，以解决运营分析可靠性低、准确率低的问题。
[0005]为了实现上述目的，本专利技术提供一种基于大数据分析的企业运营分析及预警方法，步骤S1：收集企业运营分析及预警监控所需分析数据；步骤S2：将收集的所述分析数据转换为标准格式，传输至大数据中心进行存储；步骤S3：对存储的所述分析数据进行统一管理；步骤S4：结合人工选取和大数据聚类抽取所述分析数据确定动态评价指标体系；步骤S5：采用单指标分析与多指标综合评价得到企业运营分析结果；步骤S6：采用历史数据、行业数据、异常值数据、政策和市场数据四个独立神经网络经过融合后形成新的预警网络，再进行风险预警监控。
[0006]优选的，步骤S5具体包括如下步骤S5.1：确定所述企业运营分析输入指标，通过大数据聚类抽取，融合专家经验指标数据，共同构成所述企业运营分析的输入指标，记m个指标构成的指标体系为I＝{I1,I1,L,I
m
}，各指标的权重为W＝[w1,w2,L,w
m
]，设时刻t指标体系中的各个指标值为X
t
＝[X
t1
,X
t2
,L,X
tm
]；根据历史统计情况获得运营正常范围的指标I
i
(i＝1,2,L,m)最小值、推荐值、最大值，记为
[0007]优选的，在所述步骤S5.1之后，还包括步骤S5.2对单指标进行评价，得到单指标评价值，具体包括：如果则该指标在正常范围内，则评分值为[0.6,1]，根据下式进行计算
[0008][0009]其中参数a＝0.4，E(X
ti
)为时刻t指标i的单指标评价值，分别为指标I
i
(i＝1,2,L,m)运营正常范围的最小值、推荐值、最大值。
[0010]如果或者则该指标不在正常范围内，评分值[0,0.6)，
[0011][0012]式中，E(X
ti
)为时刻t指标i的单指标评价值，分别为指标I
i
(i＝1,2,L,m)运营正常范围的最小值、推荐值、最大值，参数b＝0.6。
[0013]优选的，步骤S5.2之后，还包括步骤S5.3采用多指标综合方法得到运营分析评价结果，具体包括：设各个指标评价值的理想值为：负理想值为
[0014]所述运营分析评价结果为
[0015]式中，D()为距离度量函数，采用绝对值法进行计算根据所述运营分析评价结果P
t
衡量企业运营情况。
[0016]优选的，所述步骤S6具体包括：
[0017]步骤S6.1，确定神经网络输入数据,所述大数据处理中心和所述运营分析评价结果的综合数据为所述神经网络的输入，在所述综合数据进入网络模型前，要进行数据规范化处理；
[0018]步骤S6.2，建立网络架构模型，所述网络架构模型分为两层神经网络，第一层神经网络从所述历史数据、同行业数据、异常值数据、政策和市场数据四个维度进行分析，构建四个独立的预测网络；第二层神经网络将所述第一层神经网络的输出数据作为输入，进行融合预测；
[0019]步骤S6.3，输出风险预警数据，所述第一层神经网络和所述第二层神经网络均为三输出设计，输出值为布尔变量[O1,O2,O3]，其中O
i
为0或1，输出结果为风险预警报警提供依据。
[0020]优选的，分析数据包括运营数据、国内市场数据、国际市场数据、政策法规数据、行业发展数据。
[0021]本专利技术另一方面提供了一种基于大数据分析的企业运营分析及预警系统，包括：
[0022]数据收集模块，用于收集企业运营分析及预警监控所需分析数据；
[0023]数据转化模块，将收集的所述分析数据转换为标准格式，传输至大数据中心进行存储；
[0024]数据管理模块，用于对存储的所述分析数据进行统一管理；
[0025]动态评价模块，用于结合人工选取和大数据聚类抽取所述分析数据确定动态评价指标体系；
[0026]企业运营分析模块，采用单指标分析与多指标综合评价得到企业运营分析结果；
[0027]风险预警模块，采用历史数据、行业数据、异常值数据、政策和市场数据四个独立神经网络经过融合后形成新的预警网络，再进行风险预警监控，预警过程包括预警设置、预警监测、预警通知、预警处置和消警模块。
[0028]与现有技术相比，本专利技术的有益效果是：
[0029]1)通过单指标分析评价和多指标融合评价的方法，充分考虑指标值与运营正常范围的最小值、推荐者、最大值之间的关系，合理进行量化，评价结果容易理解，可操作性强。
[0030]2)本专利技术采用两层融合网络一是可以减少模型的总体参数，便于训练和优化；二是各个模型相对独立，可单独优化，提高了系统的鲁棒性；
[0031]三是从不同维度对企业运行情况进行预警监控，通过数据融合，具有更高的准确性。
附图说明
[0032]图1为本专利技术实施例一的基于大数据分析的企业运营分析及预警监控方法；
[0033]图2为本专利技术实施例一的基于大数据分析的企业运营分析及监控方法具体流程图；
[0034]图3为本专利技术实施例一的神经网络输入输出的结构图。
具体实施方式
[0035]下面结合附图对本专利技术作进一步详细描述：
[0036]为了更好地理解本专利技术，下面结合附图来详细解释本专利技术的实施方式。
[0037]本专利技术实施例一提供的一种基于大数据分析的企业运营分析及预警方法，方法示意图如图1所示，具体流程如图2所示，具体包括如下步骤：
[0038]步骤S1：收集企业运营分析及预警监控所需数据，数据来源包括网络公开数据、企业报表数据、企业内部网络，数据种类包括运营数据、国内市场数据、国际市场数据、政策法规数据、行业发展数据。
[0039]步骤S2：将收集数据转换为标准格式，传输至大数据中心进行存储。
[0040]步骤S3：对存储的数据进行统一管理。大数据处理中心对获取的数据新型进行处理，具体包括数据挖掘、数据清洗、数据关联和数据聚类，为企本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据分析的企业运营分析及预警方法，其特征在于：步骤S1：收集企业运营分析及预警监控所需分析数据；步骤S2：将收集的所述分析数据转换为标准格式，传输至大数据中心进行存储；步骤S3：对存储的所述分析数据进行统一管理；步骤S4：结合人工选取和大数据聚类抽取所述分析数据确定动态评价指标体系；步骤S5：采用单指标分析与多指标综合评价得到企业运营分析结果；步骤S6：采用历史数据、行业数据、异常值数据、政策和市场数据四个独立神经网络经过融合后形成新的预警网络，再进行风险预警监控。2.根据权利要求1所述的方法，其特征在于所述步骤S5具体包括如下步骤S5.1：确定所述企业运营分析输入指标，通过大数据聚类抽取，融合专家经验指标数据，共同构成所述企业运营分析的输入指标，记m个指标构成的指标体系为I＝{I1,I1,L,I
m
}，各指标的权重为W＝[w1,w2,L,w
m
]，设时刻t指标体系中的各个指标值为X
t
＝[X
t1
,X
t2
,L,X
tm
]；根据历史统计情况获得运营正常范围的指标I
i
(i＝1,2,L,m)最小值、推荐值、最大值，记为3.根据权利要求2所述的方法，其特征在于在所述步骤S5.1之后，还包括步骤S5.2对单指标进行评价，得到单指标评价值，具体包括：如果则该指标在正常范围内，则评分值为[0.6,1]，根据下式进行计算其中参数a＝0.4，E(X
ti
)为时刻t指标i的单指标评价值，分别为指标I
i
(i＝1,2,L,m)运营正常范围的最小值、推荐值、最大值；如果或者则该指标不在正常范围内，评分值[0,0.6)，式中，E(X
ti
)为时刻t指标i的单指标评价值，分别为指标I
i
(i＝1,2,L,m)运营正常范围的最小值、推...

【专利技术属性】
技术研发人员：金柳，刘杨，孙召春，张彦平，段洪茂，艾军，董猛，谭振华，李弘思，楚钦钦，
申请(专利权)人：中国交通信息科技集团有限公司，
类型：发明
国别省市：