【技术实现步骤摘要】
本专利技术是关于数据挖掘，特别是关于一种企业风险画像构建与风险预警方法及系统。
技术介绍
1、随着计算机技术的不断发展和大数据时代的到来，通过数据对企业的风险进行评估成为了可能。为了实现这一目标，引入一种名为企业画像(enterprise profile，ep)的技术手段，它被广泛应用于智慧城市等领域，主要是通过对工商、经营、生产等环节的多方面真实数据源的数据进行整理和分析，提炼出企业相关的信息，从而可以获取描述与刻画企业自身发展情况与业务的“画像”，对企业的健康状况进行评估。企业画像技术的应用已经拓展到企业风险评估领域，形成了企业风险画像技术。这种技术可以通过分析企业的数据来监测目标企业的发展趋势，评估和描述企业风险，并及时预警潜在风险，为企业和各方提供更深入、全面的企业风险分析工具，将在企业管理和风险评估领域发挥越来越重要的作用。
2、当前，画像技术被广泛应用于电商和金融领域。在金融机构中，该技术一般用于对用户进行信用评估，识别潜在的风险和欺诈行为，从而决定借贷行为；对于电商和网络媒体平台，该技术通常用于分析用户喜好，实现精准营销和个性化推荐，提高平台的服务水平，进而增加用户的购买意愿和忠诚度。然而，由于数据壁垒、数据质量以及数据融合技术等问题，关于企业画像的研究尚处于起步状态。但随着大数据和人工智能技术的不断发展，这些问题将逐步得到解决，进一步推进企业画像的研究，为企业提供更准确、全面的画像分析，识别企业行为并对企业的风险进行评估。这有助于促进政企合作，对政府和企业都具备较大的参考价值。目前许多技术和方法都可以
3、企业画像的具体计算方法通常包括以下步骤：首先，通过企业内部系统、调查问卷、第三方数据提供商等渠道获取企业的相关数据；接下来将获取的数据进行存储，建立一个完备的企业数据仓库；随后，对数据进行清洗，确保数据的准确性和一致性；然后，根据企业的特征和属性对数据进行分类，并利用聚类算法对企业进行分组，找出相似性较高的企业群体；接着，通过关联分析挖掘企业之间的关系和相互影响，找出企业之间的关联规律；在此基础上，根据企业画像的目标，提取出能够准确刻画企业特点的重要特征，以便更好地描述和区分企业；最后，根据提取出的特征，使用分类模型对企业进行分类预测。
4、构建企业画像的核心是设计画像标签的指标。标签是企业数据高度提炼的结果，能够更直观地掌握企业的特征，因此指标能够涵盖的因素和粒度影响着画像呈现的效果。在进行企业画像的计算时，大部分已申请的相关专利都会给企业画像指定标签的维度，进而评分并评估企业在不同风险维度上的表现。然而，在计算企业风险画像时，不同行业的企业可能出现的风险是不同的，这是因为每个行业都有其独特的经营环境、市场竞争和法规要求等因素，这些因素都会影响企业所面临的风险类型和程度。同时，在大数据背景下，随着时间的推移，数据来源的可用性和可靠性都会发生变化，例如，新的数据集可能会出现，旧的数据集可能会过时或不再适用。因此不存在一种可以通用的特征集合，而需要根据实际情况动态构建特征集合。此外，传统的聚类分析方法无法处理随时间变化的特征，并未充分利用历史信息，导致评估结果的不准确。因此，需要考虑时序特征和固有特征的划分，识别和分析企业在特定时期内的突发事件和风险因素，以及风险的发展动态和趋势。
5、公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
技术实现思路
1、本专利技术的目的在于提供一种企业风险画像构建与风险预警方法，可以更好地识别企业面临的风险，提供实时的风险监控和预警。
2、为实现上述目的，第一方面，本专利技术提供了一种企业风险画像构建与风险预警方法，包括：获取来自动态数据源的企业数据，生成第一汇集数据；对所述第一汇集数据进行筛选，生成第二汇集数据；根据所述第二汇集数据，生成风险特征和一般特征，构建风险标签；根据所述风险特征和所述一般特征，构建企业风险画像模型，获取企业风险画像评分；根据所述企业风险画像评分与所述风险标签，构建企业风险预测模型，生成预测结果。
3、在本专利技术的一实施方式中，所述获取来自动态数据源的企业数据，生成第一汇集数据包括：进行数据汇集，将不同来源、不同格式的数据转化成sql型数据；获取所述sql型数据的统计信息；对所述统计信息进行筛选并进行汇集，生成第一汇集数据，其中，时序型特征按照年为时间单位进行分组汇集。
4、在本专利技术的一实施方式中，对所述第一汇集数据进行筛选，生成第二汇集数据包括：将所述第一汇集数据与各企业实体之间构建关联关系；关联后，按照各企业实体分组后数据的质量，计算空值率及信息熵；去除空值率高、信息熵低的特征数据；去除空值率高或者数据异常的企业实体，生成第二汇集数据。
5、在本专利技术的一实施方式中，根据所述第二汇集数据，生成风险特征和一般特征，构建风险标签包括：将所述第二汇集数据中有空缺值或异常值的企业，使用规模相似的其他企业信息进行空缺值、异常值替换；根据业务背景，使用特征之间的运算构建新的特征，包括风险特征和一般特征；使用所述风险特征构建风险标签。
6、在本专利技术的一实施方式中，根据所述风险特征和所述一般特征，构建企业风险画像模型，获取企业风险画像评分包括：汇集所有所述风险特征和所述一般特征，并进行归一化处理；根据不同的统计年份，计算时序特征的变化率；对所述风险特征和所述一般特征进行聚类计算，生成特征集；对每个所述特征集，将其与次年的风险标签构建风险画像模型；根据所述企业风险画像模型，得到企业在不同特征维度上的风险情况，获取企业风险画像评分。
7、在本专利技术的一实施方式中，根据所述企业风险画像评分与所述风险标签，构建企业风险预测模型，生成预测结果包括：根据所述企业风险画像评分与所述风险标签，构建风险预测模型；使用所述风险预测模型对待预测企业进行预测，生成预测结果。
8、第二方面，本专利技术提供了一种企业风险画像构建与风险预警系统，包括：第一生成模块、第二生成模块、构建模块、获取模块以及第三生成模块。第一生成模块用于获取来自动态数据源的企业数据，生成第一汇集数据；第二生成模块用于对所述第一汇集数据进行筛选，生成第二汇集数据；构建模块用于根据所述第二汇集数据，生成风险特征和一般特征，构建风险标签；获取模块用于根据所述风险特征和所述一般特征，构建企业风险画像模型，获取企业风险画像评分；以及第三生成模块用于根据所述企业风险画像评分与风险标签，构建企业风险预测模型，生成预测结果。
9、在本专利技术的一实施方式中，所述第一生成模块包括：第一汇集单元、第一获取单元以及第一生成单元。第一汇集单元用于进行数据汇集，将不同来源、不同格式的企业数据并转化成sql型数据；第一获取单元用于获取所述sql型数据的统计信息；以及第一生成单元用于对所述统计信息进行筛选并进行汇集，生成第一汇集数据，其中，时本文档来自技高网...
【技术保护点】
1.一种企业风险画像构建与风险预警方法，其特征在于，包括：
2.如权利要求1所述的企业风险画像构建与风险预警方法，其特征在于，获取来自动态数据源的企业数据，生成第一汇集数据包括：
3.如权利要求1所述的企业风险画像构建与风险预警方法，其特征在于，对所述第一汇集数据进行筛选，生成第二汇集数据包括：
4.如权利要求1所述的企业风险画像构建与风险预警方法，其特征在于，根据所述第二汇集数据，生成风险特征和一般特征，构建风险标签包括：
5.如权利要求1所述的企业风险画像构建与风险预警方法，其特征在于，根据所述风险特征和所述一般特征，构建企业风险画像模型，获取企业风险画像评分包括：
6.如权利要求1所述的企业风险画像构建与风险预警方法，其特征在于，根据所述企业风险画像评分与所述风险标签，构建企业风险预测模型，生成预测结果包括：
7.一种企业风险画像构建与风险预警系统，其特征在于，包括：
8.如权利要求7所述的企业风险画像构建与风险预警系统，其特征在于，所述第一生成模块包括：
9.如权利要求7所述的
10.如权利要求7所述的企业风险画像构建与风险预警系统，其特征在于，所述构建模块包括：
...【技术特征摘要】
1.一种企业风险画像构建与风险预警方法，其特征在于，包括：
2.如权利要求1所述的企业风险画像构建与风险预警方法，其特征在于，获取来自动态数据源的企业数据，生成第一汇集数据包括：
3.如权利要求1所述的企业风险画像构建与风险预警方法，其特征在于，对所述第一汇集数据进行筛选，生成第二汇集数据包括：
4.如权利要求1所述的企业风险画像构建与风险预警方法，其特征在于，根据所述第二汇集数据，生成风险特征和一般特征，构建风险标签包括：
5.如权利要求1所述的企业风险画像构建与风险预警方法，其特征在于，根据所述风险特征和所述一般特征，构建...
【专利技术属性】
技术研发人员：李晓慧，刘永强，房玉东，徐亮，郭玮，
申请(专利权)人：应急管理部大数据中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。