随着时间推移从经综合处理和分析后的数据信号推导出重大变化属性以预测常规预测因 ...的制作方法
【技术领域】
[0001] 本公开总体上设及使用重大变化来预测风险、机会及其他商业结果的常规预测因 子的变化。特别地，本发明设及一种通过根据结构化或非结构化数据对前兆事件和趋势进 行检测、识别、鉴定、评估、合成、连接、推理及评分来生成可执行见解的系统及方法。
【背景技术】
[0002] 公认的是使用时间W在建模(其中，关于未来结果的预测是感兴趣的）中分离观察 数据和执行数据。在运些情况下，使用历史数据来训练(例如，系数、匹配)模型，该历史数据 包括两个时间标记:观察时段和执行时段。
[0003] 在分析领域，公认的是使用属性进行预测。为了使用可用测量和所关注的结果之 间的关联，不需要归因于因果关系。对重大变化不要求对因果关系的推定。比随机关联检测 更好是本发明的最小目标。
[0004] 因此，在预测模型中使用的属性的变化驱动在对商业实体的属性进行评估时的变 化。桐察属性(如预测因子)的未来变化是有价值的，并且是本发明的主题。
[0005] 本发明设及创建新的分析解决方案，W生成用于预测在评估风险或机会时通常使 用的商业属性及其前兆的变化的系统化及其它见解，从而使得商业实体能够进行有利可图 的活动。该见解可W用于预测建模、资料捜集、分割、市场规模、投资组合管理、未来分析W 及所有成熟的高级分析，从而为与商业实体的有关的商业风险和市场应用提供通常的决策 支持。
[0006] 本公开内容还提供了许多额外的优点，随着下面的描述运将变得明显。
【发明内容】
[0007] 本公开的系统和方法，不同于由事后事实上的事件信息和标记提供的目前基于比 分卡的模式，迁移可执行见解反馈的生成W将"前兆数据"合成到可执行见解中。运种合成 包括根据结构化和非结构化数据对前兆事件和趋势进行检测、识别、鉴定、评估、合成、连接 W及评分。
[000引前兆数据是根据预定标准、推理或递归算法、或决策矩阵被评判为"重要的"的数 据，但其本身可W是或可W不是"可操作的"，运是因为其可能不独立地具有至"直接触发 器"、结果、具体的业务实体或自然人、或其他可操作的已识别业务事件的可预见的或直接 有关的关联。
[0009] 直接触发器是在现有技术中被馈送至记分卡或解析解决方案的业务事件或标记。 直接触发器的示例为宣告破产、支付期限违约事件、申请信贷或雇用人员。
[0010] 在本公开中被限定为"重大变化"的前兆数据的示例可W包括但不限于:与特定类 别的供应商增加接触、由业务提供的信贷期限的变化、公司网站的更新频率变化、或企业的 主管人员的文章发表。
[0011] -种方法被设计用于随着时间推移推导出重大变化属性，W预测至少一个预测因 子的未来变化，该方法包括:从至少一个数据源收集前兆数据;通过评估前兆数据的至少一 个特征来处理该前兆数据;根据处理后的前兆数据生成至少一个重大变化信号;评估重大 变化信号W确定在预测预测因子的未来变化时信号的值，并且可选地返回至上述收集和处 理步骤W处理另外的前兆数据；W及根据所评估出的重大变化信号生成至少一个重大变化 属性。
[0012] 优选地，通过使用感测和/或学习处理来识别数据源。学习处理包括聚焦于人类行 为和/或人类学习的试探法W及其他辨别方法。
[0013] 优选地，对前兆数据的处理包括综合处理。综合处理针对选自W下中的至少一个 特征处理前兆数据:时间、速度、容量、种类W及评估数据源的真实性。特征选自W下中的至 少一个:趋势分析、测量、计数事件、计数源、记录顺序、评估连续性、检测交互、W及结合或 聚合。重大变化属性选自W下中的至少一个:风险、市场推广、销售或其他关联性市场。
[0014] -种用于预测至少一个预测因子在未来的变化的方法，该方法包括:生成用于预 测所关注的结果的至少一个预测因子；W及生成至少一个重大变化信号，所述至少一个重 大变化信号预测预测因子的未来变化，由此得到所关注的结果的变化。该方法还包括:根据 预测因子的相应变化而改变对所关注的结果的预测。
[0015] -种用于随着时间推移生成重大变化属性W预测至少一个预测因子的未来变化 的计算机系统，该系统包括处理器，所述处理器:从至少一个数据源收集前兆数据;通过评 估前兆数据的至少一个特征来处理前兆数据;根据处理后的前兆数据生成至少一个重大变 化信号;评估重大变化信号W确定在预测预测因子的未来变化时所述信号的值；W及根据 所评估出的重大变化信号生成至少一个重大变化属性。
[0016] 一种存储介质，该存储介质包括用于控制处理器的指令，所述处理器:从至少一个 数据源收集前兆数据;通过评估前兆数据的至少一个特征来处理前兆数据;根据处理后的 前兆数据生成至少一个重大变化信号;评估重大变化信号W确定在预测所述预测因子的未 来变化时信号的值;W及根据所评估出的重大变化信号生成至少一个重大变化属性。
[0017] 通过参照下面的附图和详细描述将理解本公开内容的其他目的、特征W及优点。
【附图说明】
[0018] 图1是本公开的处理的示意性表示，其中，重大变化预测常规预测因子的变化即预 测因子的未来变化，从而影响所预测的结果；
[0019] 图2是重大变化如何改变预测因子的未来变化W及其对机会和风险结果的影响的 示例的示意性表示；
[0020] 图3和图4是根据本公开的从随着时间推移摄取数据到综合处理运样的数据、分 析/合成经综合处理后的数据W及最后生成重大变化属性的处理流程的示意性表示；
[0021] 图5是用于运行本公开的处理流程的计算机系统的框图；W及
[0022] 图6是根据本公开的处理的逻辑流程图。
【具体实施方式】
[0023] 可W将关于被感测和编纂的商业实体或实体的集合的事件合成为见解（即，重大 变化）。
[0024] 需要提供预测常规预测因子及其变化的见解。在许多情况下，预测因子的变化可 能仅在商业实体的重大变化发生之后显才现。成功(盈利)参与商业实体通常需要在运些预 测因子变化之前采取行动。
[0025] 输出将包括具有经观察和综合处理后的、为原始或汇总形式的新收集数据的变化 W及数据的历史变化，运二者合在一起可W表现为重大变化。因此，当数据变化发生时，可 能存在关于一个或更多个商业实体的潜在新的重大变化输出。
[0026] 为了满足该需求，本公开W属性W及从运些属性得出的见解的形式生成解析得出 的输出（即，重大变化）。例如，输出可W为分割和预期迁移至另一分割的矢量的组合。其他 类似的见解是可能的，但是所有都被当作重大变化输出。
[0027] 本公开内容是非预期的并且其显著不同于现有技术之处在于:基于结果及其可能 先例的常规预测因子的变化来进行预测，而不仅仅基于结果自身进行预测。
[00%] -些属性的变化用作双重角色，即用作重大变化和常规预测因子二者。该观察在 其他变化的上下文中不排除使用运些变化来生成可W视为重大变化的见解。
[0029] 需要分析W确定属性的哪些变化单独或组合地跨越时间构成重大变化，W及运些 变化在预测常规预测因子变化时的值。使用基于时间的关联分析来评估每个个体属性变化 和属性变化的集合，W将其鉴定为重大变化。
[0030] 重大变化的限定和相关预测二者将取决于所关注的结果的度，即其是否与风险、 机会或另一关联性结果集合有关。
[0031] 预想分割及关联的指定动作是本公开的产品表现，但不限于可分配给本公开的用 例的方面。
[0032] 可W使用一个或更多个重大变化来限定用于提高运种参与商业实体的盈利能力 的指定动作或参与策略。运些变化是具体事例，并且并非都能够在分析之前很好地理解，其 可能需要专口分析来限定。 陶]重大变化示例
[0034] W下示例，一个来自销售和市场推广(机会），一个来自信贷违约(风险），其W理解 可从本公开获得的见解的构建和使用二者的方式来呈现。本公开需要关于业务实体或一组 业务实体的事件，运些事件随着时间推移被发现、综合处理W及记录作为新的数据属性。分 析运些历史属性产生用于预测与风险和机会的评估关联的尚未显现的变化的数学函数。
[0035] 分析将包括基于所记录的事件的顺序来得出基于时间的属性，例如：
[0036] ?趋势分析
[0037] ?测量
[0038] .计数事件
[0039] .计数源
[0040] ?记录顺序
[0