【技术实现步骤摘要】
本专利技术涉及企业风险管理，特别涉及基于大数据和多模态智能算法的风险防范感知方法及系统。
技术介绍
1、企业在生产运营过程中，会与采购商建立合作关系，而质量过硬、信誉较好的企业会得到采购商的青睐，从而建立起长期的合作关系，而在这些建立合作关系的采购商中，会有一些采购商的采购额占据企业的很大比例，这些采购商就会成为企业的大客户，企业会更多的将业务以及生产倾向到大客户中，并逐渐的对大客户形成依赖，致使大客户采购商在交易当中占据主导地位，在后续的交易中容易出现压价行为，而由于企业对大客户采购商的依赖性较强，若企业不接受大客户的压价行为时，大客户采购商就会拒绝合作，而由于企业的重心已经倾向到大客户中，若失去大客户采购商的合作，企业就会出现运营的风险，目前企业在运营过程中，并没有对与其合作的客户进行是否属于大客户的分析，也不会针对对大客户的依赖性采取防范措施，导致企业存在一定的运营风险。
技术实现思路
1、鉴于此，本专利技术提出基于大数据和多模态智能算法的风险防范感知方法及系统，可以识别出实际重要客户和潜在重要客户，并采取相应的措施以避免企业出现运营困难的情况。
2、本专利技术的技术方案是这样实现的：
3、基于大数据和多模态智能算法的风险防范感知方法，包括以下步骤：
4、步骤s1、提取企业订单信息，根据订单信息判断是否存在重要客户，若存在时，将重要客户输出为实际重要客户，将非重要客户输出为一般客户；
5、步骤s2、获取一般客户的多模态数据，基于
6、步骤s3、若存在实际重要客户时，对企业的内部资源进行再分配；
7、步骤s4、若存在实际重要客户或潜在重要客户时，基于实际重要客户以及潜在重要客户所属行业搜索意向客户。
8、优选的，所述步骤s1的具体步骤为：
9、步骤s11、提取企业订单信息，从订单信息中获取所有的客户信息以及客户的采购量；
10、步骤s12、将所有的采购量相加起来得到总采购量，同时将同一个客户的采购量相加得到客户采购量；
11、步骤s13、根据客户采购量以及总采购量计算得到客户采购占比，将客户采购占比大于采购阈值的客户输出为实际重要客户，其他客户输出为一般客户。
12、优选的，所述采购阈值的确认方法为：对企业的生产能力、人员流动性以及现金流状况进行量化，并对量化后的数值赋予不同的权值后相加。
13、优选的，所述步骤s2的具体步骤为：
14、步骤s21、获取一般客户在网络平台以及社交媒体上发布的多模态数据，所述多模态数据包括文字、图片以及视频；
15、步骤s22、获取多模态数据在网络上的点击量、浏览量以及转发量；
16、步骤s23、计算点击量、浏览量以及转发量的增幅，将增幅大于同类产品增幅的一般客户输出为潜在重要客户。
17、优选的，所述步骤s21获取的多模态数据为一般用户在网络平台以及社交媒体上发布的用于其自身产品宣传的文字、图片以及视频。
18、优选的，所述步骤s3的具体步骤为：
19、步骤s31、获取企业的内部资源，所述内部资源包括人力资源、物质资源、财务资源以及信息资源；
20、步骤s32、若存在实际重要客户时，获取实际重要客户所占用的企业的内部资源的资源占比；
21、步骤s33、将资源占比中超过资源阈值的部分分配给一般客户。
22、优选的，所述步骤s33的资源阈值由企业根据自身运营状况设定。
23、优选的，所述步骤s4的具体步骤为：
24、步骤s41、根据企业订单信息获取企业的客户所属行业；
25、步骤s42、若存在实际重要客户或潜在重要客户时，将客户所属行业中未与企业合作的其余客户输出为意向客户。
26、优选的，还包括：
27、步骤s43、获取企业与实际重要客户的交易内容；
28、步骤s44、将交易内容以邀约请求发送给意向客户。
29、基于大数据和多模态智能算法的风险防范感知系统，包括：
30、实际重要客户划分单元，用于提取企业订单信息，根据订单信息判断是否存在重要客户，若存在时，将重要客户输出为实际重要客户，将非重要客户输出为一般客户；
31、潜在重要客户划分单元，用于获取一般客户的多模态数据，基于多模态数据对一般客户进行评估，判断是否存在潜在重要客户；
32、资源分配单元，用于若存在实际重要客户时，对企业的内部资源进行再分配；
33、意向客户搜索单元，用于若存在实际重要客户或潜在重要客户时，基于实际重要客户以及潜在重要客户所属行业搜索意向客户；
34、所述实际重要客户划分单元分别与潜在重要客户划分单元、资源分配单元以及意向客户搜索单元数据连接，所述潜在重要客户划分单元与意向客户搜索单元数据连接。
35、与现有技术相比，本专利技术的有益效果是：
36、本专利技术的一种基于大数据和多模态智能算法的风险防范感知方法及系统，根据企业的订单信息获取到实际重要客户和一般客户，对一般客户进行评估而得到潜在重要客户，实际重要客户和潜在重要客户为企业依赖性较强的客户，当存在实际重要客户时，对企业的内部资源进行再分配，避免企业的内部资源投入到实际重要客户中，当实际重要客户不合作时，企业仍然可以保证其内部资源完好的去服务其他客户，而当实际重要客户和潜在重要客户都存在时，可以进行意向客户的搜索，向意向客户发出合作信息，增加企业产品的出路，进一步降低对实际重要客户以及潜在重要客户的依赖性，保证企业的正常运营。
本文档来自技高网...【技术保护点】
1.基于大数据和多模态智能算法的风险防范感知方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据和多模态智能算法的风险防范感知方法，其特征在于，所述步骤S1的具体步骤为：
3.根据权利要求2所述的基于大数据和多模态智能算法的风险防范感知方法，其特征在于，所述采购阈值的确认方法为：对企业的生产能力、人员流动性以及现金流状况进行量化，并对量化后的数值赋予不同的权值后相加。
4.根据权利要求1所述的基于大数据和多模态智能算法的风险防范感知方法，其特征在于，所述步骤S2的具体步骤为：
5.根据权利要求4所述的基于大数据和多模态智能算法的风险防范感知方法，其特征在于，所述步骤S21获取的多模态数据为一般用户在网络平台以及社交媒体上发布的用于其自身产品宣传的文字、图片以及视频。
6.根据权利要求1所述的基于大数据和多模态智能算法的风险防范感知方法，其特征在于，所述步骤S3的具体步骤为：
7.根据权利要求6所述的基于大数据和多模态智能算法的风险防范感知方法，其特征在于，所述步骤S33的资源阈值由企业根据自身
8.根据权利要求1所述的基于大数据和多模态智能算法的风险防范感知方，其特征在于，所述步骤S4的具体步骤为：
9.根据权利要求8所述的基于大数据和多模态智能算法的风险防范感知方法，其特征在于，还包括：
10.应用权利要求1-9任一所述基于大数据和多模态智能算法的风险防范感知方法的系统，其特征在于，包括：
...【技术特征摘要】
1.基于大数据和多模态智能算法的风险防范感知方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据和多模态智能算法的风险防范感知方法，其特征在于，所述步骤s1的具体步骤为：
3.根据权利要求2所述的基于大数据和多模态智能算法的风险防范感知方法，其特征在于，所述采购阈值的确认方法为：对企业的生产能力、人员流动性以及现金流状况进行量化，并对量化后的数值赋予不同的权值后相加。
4.根据权利要求1所述的基于大数据和多模态智能算法的风险防范感知方法，其特征在于，所述步骤s2的具体步骤为：
5.根据权利要求4所述的基于大数据和多模态智能算法的风险防范感知方法，其特征在于，所述步骤s21获取的多模态数据为一般用户在网络...
【专利技术属性】
技术研发人员：侯振林，张达标，
申请(专利权)人：广东寰讯信息股份有限公司，
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。