本技术属于数据分析,尤其涉及企业经营状况预警方法、装置、服务器以及可读存储介质。
背景技术:
1、目前,国内大部分企业在管理过程中忽略了企业自身经营数据的价值与作用,往往都是事后去填补的方式,而往往导致理想与结果的巨大落差,例如企业发展经营需要申请银行贷融资才发现企业自身条件不足,亟需一种根据企业经营数据自动进行企业经营状况预警的方法。
技术实现思路
1、本技术实施例提供了企业经营状况预警方法、装置、服务器以及可读存储介质,可以解决现有技术中亟需一种根据企业经营数据自动进行企业经营状况预警的方法的技术问题。
2、第一方面,本技术实施例提供了一种企业经营状况预警方法,包括:
3、获取企业候选经营数据,进行数据预处理得到目标经营数据;
4、利用训练好的异常检测模型对目标经营数据进行异常检测,输出异常数据;
5、获取企业相关政策数据,识别出风险数据;
6、根据异常数据和风险数据采用综合评估算法生成预警信息。
7、在第一方面的一种可能的实现方式中,获取企业候选经营数据,进行数据预处理得到目标经营数据,包括:
8、获取候选经营数据;
9、对所述候选经营数据进行数据清洗;
10、对数据清洗过的候选经营数据进行数据转换;
11、对数据转换后的候选经营数据进行归一化处理,得到目标经营数据。
12、在第一方面的一种可能的实现方式中,利用训练好的异常检测模型对目标经营数据进行异常检测,输出异常数据,包括:
13、将所述目标经营数据输入至预设随机森林模型,输出异常数据。
14、在第一方面的一种可能的实现方式中,所述预设随机森林模型由多颗决策树组成,每颗决策树根据样本学习生成;
15、将所述目标经营数据输入至预设随机森林模型,输出异常数据,包括:
16、根据下列公式计算异常分数:
17、score = ∑(pathlength/treedepth) / treenum
18、其中,sore表示异常分数,pathlength表示目标经营数据在对应决策树中距离根节点的路径长度,treedepth表示决策树深度,treenum表示随机森林模型中决策树的数量;
19、将异常分数大于预设分数阈值的目标经营数据作为异常数据。
20、在第一方面的一种可能的实现方式中,将所述目标经营数据输入至预设随机森林模型,输出异常数据之前,还包括:
21、获取经营数据样本;
22、对所述经营数据样本进行预处理;
23、根据随机划分的决策树作为基础,根据所述经营数据样本构建出异常检测模型。
24、在第一方面的一种可能的实现方式中,获取企业相关政策数据,包括:
25、获取候选政策数据;
26、对所述候选政策数据进行格式化处理,得到目标政策数据。
27、在第一方面的一种可能的实现方式中,根据所述异常数据和所述风险数据生成预警信息,包括:
28、将所述异常数据和所述风险数据代入下列综合评估公式,输出综合评估结果:
29、,
30、其中,h表示综合评估结果对应的映射值,a为常数项,表示各个异常数据和各个风险数据分别对应的比率变量,表示各个异常数据和各个风险数据分别对应的权重系数;
31、根据综合评估结果形成预警信息。
32、第二方面,本技术实施例提供了一种企业经营状况预警装置,包括:
33、第一获取模块,用于获取企业候选经营数据,进行数据预处理得到目标经营数据;
34、异常检测模块,用于利用训练好的异常检测模型对目标经营数据进行异常检测,输出异常数据;
35、第二获取模块,用于获取企业相关政策数据,识别出风险数据;
36、生成模块,用于根据异常数据和风险数据采用综合评估算法生成预警信息。
37、在第二方面的一种可能的实现方式中,所述第一获取模块,包括:
38、第一获取子模块,用于获取候选经营数据;
39、数据清洗子模块,用于对所述候选经营数据进行数据清洗;
40、数据转换子模块,用于对数据清洗过的候选经营数据进行数据转换;
41、归一化处理子模块,用于对数据转换后的候选经营数据进行归一化处理,得到目标经营数据。
42、在第二方面的一种可能的实现方式中,所述异常检测模块,包括:
43、异常检测模块子模块,用于将所述目标经营数据输入至预设随机森林模型,输出异常数据。
44、在第二方面的一种可能的实现方式中,所述预设随机森林模型由多颗决策树组成,每颗决策树根据样本学习生成;
45、所述异常检测模块子模块,包括:
46、异常分数计算单元,用于根据下列公式计算异常分数:
47、score = ∑(pathlength/treedepth) / treenum
48、其中,sore表示异常分数,pathlength表示目标经营数据在对应决策树中距离根节点的路径长度,treedepth表示决策树深度,treenum表示随机森林模型中决策树的数量;
49、异常数据确定单元,用于将异常分数大于预设分数阈值的目标经营数据作为异常数据。
50、在第二方面的一种可能的实现方式中,所述装置,还包括:
51、第三获取模块,用于获取经营数据样本;
52、预处理模块,用于对所述经营数据样本进行预处理;
53、构建模块,用于根据随机划分的决策树作为基础,根据所述经营数据样本构建出异常检测模型。
54、在第二方面的一种可能的实现方式中,所述第三获取模块,包括:
55、第二获取子模块,用于获取候选政策数据;
56、格式化处理子模块,用于对所述候选政策数据进行格式化处理,得到目标政策数据。
57、在第二方面的一种可能的实现方式中,所述生成模块,包括:
58、综合评估子模块,用于将所述异常数据和所述风险数据代入下列综合评估公式,输出综合评估结果:
59、,
60、其中,h表示综合评估结果对应的映射值,a为常数项,表示各个异常数据和各个风险数据分别对应的比率变量,表示各个异常数据和各个风险数据分别对应的权重系数;
61、形成子模块,用于根据综合评估结果形成预警信息。
62、第三方面,本技术实施例提供了一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的方法
63、第四方面,本技术实施例提供了一种可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的方法。
64、本技术实施例与现有技术相比存在的有益效果是:
65、获取目标企业的目标经营数据;对目标经营数据进行异常检测,得到异常数据;获取目标企业关联的目标政策数据;识别出目标政策数据中的风险数据;根据异常数据和风险数据生成预警信息。可见,本技术实施例可以根据企业经营数据自动进行企业经营状况预警。更进一步的,本技术实施例可以带来以下有益效果:
66、1. 提高数据利用率:通过数据采集和清洗、数据分析和智能推荐技术,挖掘企业数据中的潜在价值,优化数据利用效率,帮助企业更好地抓住市场机遇。
67、2. 降低管理成本:通过智能化应用技术,实现对企业数据的自动化处理、分析和推荐,降低人力资源和管理成本。
68、3. 改进决策支持:通过智能推荐和决策支持技术,为企业决策人员提供有力支持,在保证决策准确性的前提下,提高决策效率,让企业更快地响应市场变化。
69、4. 增强竞争力:在实现对企业自身数据价值开发的基础上,智能数据处理系统还将与政策、融资等外部助力相结合,为企业提供更精准、更深入的分析报告,增强企业对市场的竞争力。
70、5. 提高数据安全性:通过加密技术和访问控制等手段,保障企业数据的安全和隐私,减少企业面临的信息安全风险。
71、6. 增强企业抗风险能力:通过与政策实时的融合,使得企业的抗风险能力增强.