法律状态公告日
法律状态信息
法律状态
2022-06-03
公开
发明专利申请公布
技术领域
本发明涉及到企业发展方向预测技术领域，特别涉及一种基于经营数据的企业发展方向预测方法和系统。
背景技术
企业将越来越多地寻求学习和发展方面的进步，以保持其劳动力的技能、竞争力和生产力。在过去的二十年里，从大公司到小企业，学习与发展部门发生了一场技术革命。现在，随着学习与发展部门目标与业务目标的内在联系，分析和评估的作用将在未来十年对业务功能变得更加重要。此外，企业目前的产业及产业布局决策方式仍存在经验主义的掣肘，大量的规划方案趋同，并没有形成科学合理、有数据支撑、可实践的规划方法，从而导致许多企业发展并不理想。
申请号：CN201710842057.X公布了基于神经网络的企业发展趋势预测方法及其系统，通过对企业的网络信息进行结构化处理，针对企业的个数，将结构化后的网络信息获取训练集，使用LSTM神经网络算法，利用训练集预测在企业在未来某个时间点在某个维度或指标的量化趋势值，实现不仅可以评价某时刻的企业质量，而且可以描绘和预测企业的发展趋势，结合对企业态势的感知，有助于更好感知企业态势。
存在以下问题：
对比文件公布了如何预测企业的发展的趋势，而没有针对市面上大类同类型企业的发展趋势进行预测，则导致企业趋势的发展还受控与市场，没有考虑市场，则导致趋势预测不准确。
发明内容
本发明的目的在于提供一种基于经营数据的企业发展方向预测方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于经营数据的企业发展方向预测方法，包括如下步骤：
S1：采集目标企业以及市场上相似企业的经营数据信息；
S2：对所述目标企业经营数据和相似企业的经营数据信息进行处理，获取可视化的数据特征；
S3：根据目标企业以及市场上相似企业数据特征进行数据分析；
S4：建立目标企业以及市场上相似企业各自的发展方向预测模型；
S5：根据目标企业以及市场上相似企业的数据特征预测两类企业的发展趋势；
S6：两类企业的某个项目向上或者向下发展的趋势对比，优化发展路线。
进一步，所述针对S1中，采集经营数据信息的步骤，包括以下具体步骤：
S11：采集目标企业各个项目每个季度的经营数据；
S12：采集市场相似企业各个项目每个季度的经营数据；
S13：目标企业的各个项目获利比进行整体统计；
S14：相似企业的各个项目获利比进行整体统计；
S15：采用获利比最高的前五项目标企业和相似企业的经营数据；
进一步，所述针对S2中，经营数据信息进行处理以及可视化的数据特征的步骤，包括以下具体步骤：
S21：对前五项统计后的目标企业和相似企业的企业经营数据进行数据清洗；
S22：结合计算机编程的可视化库,基于数据可视化软件包，清洗后的目标企业和相似企业营业数据与数据分析包紧密结合，由高级绘图界面将目标企业和相似企业营业数据特征用图表的形式可视化。
进一步，所述针对S3中，特征进行数据分析，包括以下具体步骤：
S31：分别研究目标企业和相似企业各个经营的分布特征和分布类型，通过各个项目数据基本统计量；
S32：了解各个项目数据占总项目数据的分布形式，对称或者非对称，发现各个经营数据特大或特小的异常值,可通过绘制散点图，频率分布直方图分析；
S33：并根据每个项目的每个季度投入的时间、获取的收入以及获利比值，可用饼图或和条形图直观的目标企业和相似企业显示各个项目经营数据情况。
进一步，所述针对S4中，所述建立目标企业以及相似企业预测模型的步骤，包括以下具体步骤：
S41：分类后的目标企业和相似企业的项目数据按照7：3比例,随机分成训练集以及测试集；
S42：通过各个项目每个季度的营收进行整体，采用线性回归的算法，预测模型为Y＝A
其中，Y预测单个项目的营收来表示，A为投入金额，B获利比。
进一步，所述针对S5中，所述预测两类企业的发展趋势的步骤，包括以下具体步骤：
S51：训练模型就是根据训练集的每个季度投入的时间、获取的收入以及获利比值；
S52：样本来求出合适的获利比权重，然后对新的测试集预测相应的营收Y。
进一步，所述针对S6中，所述趋势对比的步骤，包括以下具体步骤：
S61：找出两类企业在相同季度的获利比的差值；
S62：根据模型本身，预测在企业在未来某个时间点在某个维度或指标的量化趋势值，对比两类企业在不同时间点向上或向下的发展趋势。
进一步：针对S1中，还包括如下步骤：
S111:以所述目标企业的业务结构构建主链，并通过相似企业建立辅链；其中，
所述主链的每个业务结点对应每个业务的业务数据；
所述辅链的每个业务结点与所述主链的业务结点相关联；
S112:根据所述主链和辅链，建立基于业务数据的联盟链；
S113:根据所述联盟链，设置业务数据的查询权限；
S114:获取每个业务结点对应的业务的经营规则，并根据所述经营规则，在联盟链中将所述业务数据转换为经营数据；
S115:获取企业的项目信息，并将所述项目信息和所述经营数据相对应，确定经营数据信息。
进一步，针对S6中，所述趋势对比还包括：
步骤S61:获取相似企业特征和目标企业特征，构建基于相似企业和目标企业的成本模型：
其中，C表示成本模型；Y
步骤262：根据公司的历史项目数据，确定每个企业对于不同类型项目的成本权重，并根据所述成本模型和成本权重，构建资产配置模型；
其中，a
步骤263：根据公司的历史项目数据，通过下式构建企业面对不同类型项目的效益模型：
其中，S
步骤264：根据所述效益模型，确定两类企业在不同时间点向上或向下的发展趋势的概率：
P1＝∑P(X|Z)*P(Z)
P2＝1-P1
其中，P1表示两类企业发展趋势向上的概率；P2表示两类企业发展趋势向下的概率；P(X|Z)表示在资产配置模型下效益模型发展趋势向上的概率；P(Z)表示在历史项目数据中效益模型发展趋势向上的概率。
本发明提出的另一种技术，包括基于经营数据的企业发展方向系统，包括采集经营数据单元、经营数据处理单元、数据分析单元、建立预测模型单元、预测发展趋势单元和趋势对比单元；
所述采集经营数据单元用于采集目标企业以及市场上相似企业的经营数据信息；
所述经营数据处理单元用于对目标企业经营数据和相似企业的经营数据信息进行处理，并对数据特征进行可视化处理；
所述数据分析单元用于根据目标企业以及相似企业数据特征分析；
所述建立预测模型单元用于建立两类企业的发展方向预测模型；
所述预测发展趋势单元用于预测模型单元输出两类企业的发展趋势；
所述趋势对比单元用于根据两类企业的发展趋势，在未来相同的时间上对比维度发展。
进一步，采集经营数据单元包括整体数据采集模块以及数据统计模块，所述整体数据采集模块用于采集目标企业以及相似企业各个项目每个季度的经营数据，所述数据统计模块用统计每个项目的投入的时间、金额以及盈利，并且对每个项目获利比进行整体统计；
所述经营数据处理单元包括数据清洗模块以及可视化模块；数据清洗模块用于对前五项统计后两类经营数据进行数据清洗；可视化模块用于由高级绘图界面将目标企业和相似企业的企业营业数据特征用图表的形式可视化；
所述数据分析单元包括分类模块、分布模块以及图形显示模块；分类模块用于统计各个经营的分布特征和分布类型，通过各个项目数据基本统计量；分布模块用于项目数据占总项目数据的分布形式，可通过绘制散点图，频率分布直方图分析以及图形显示模块用于图形直观的目标企业和相似企业显示各个项目经营数据情况；
所述建立预测模型单元包括训练集和测试集分类模块以及模型模块；训练集和测试集分类模块用于数据按照7：3比例,随机分成训练集以及测试集；模型模块用于建立模型模块；
所述预测发展趋势单元包括获利比模块以及预测营收模块；获利比模块用于根据训练集的每个季度投入的时间、获取的收入以及获利比值；预测营收模块用于样本来求出合适的获利比权重，预测相应的营收；
所述趋势对比单元包括差值模块以及发展趋势对比模块，差值模块用于在相同季度的获利比的差值；展趋势对比模块用于在某个维度或指标的量化趋势值，对比两类企业在不同时间点向上或向下的发展趋势。
与现有技术相比，本发明的有益效果是：
1、本发明提出的基于经营数据的企业发展方向预测方法，通过采集目标企业以及市场上相似企业的经营数据信息；并对数据信息进行处理，获取可视化的数据特征；建立目标企业以及市场上相似企业各自的发展方向预测模型；根据目标企业以及市场上相似企业的数据特征预测两类企业的发展趋势；两类企业的某个项目向上或者向下发展的趋势对比，优化发展路线。
2、本发明提出的基于经营数据的企业发展方向预测方法，预测在企业在未来某个时间点在某个维度或指标的量化趋势值，实现不仅可以评价某时刻的企业质量，而且可以描绘和预测企业的发展趋势。
3、本发明提出的基于经营数据的企业发展方向预测方法，本发明不仅可以对目标企业的发展趋势进行预测，同时也可以对市面上相似企业的发展趋势进行预测，通过获利比的预测，其获利比较高的项目发展为主要趋势，并且也针对市面上相似企业的同一项目的发展趋势进行有选择的增加或者减少投资，从而改变目标企业在未来发展时，趋势的实时改变，从而得到最优的发展路线。
附图说明
图1为本发明的企业发展趋势预测方法的流程图；
图2为本发明的采集经营数据信息的流程图；
图3为本发明的经营数据信息进行处理以及可视化的数据特征的流程图；
图4为本发明特征进行数据分析的流程图；
图5为本发明的企业预测模型的流程图；
图6为本发明的预测两类企业的发展趋势的流程图；
图7为本发明的趋势对比的流程图；
图8为本发明的系统模块图；
图9为本发明的采集经营数据单元模块图；
图10为本发明的经营数据处理单元模块图；
图11为本发明的数据分析单元模块图；
图12为本发明的建立预测模型单元模块图；
图13为本发明的预测发展趋势单元模块图；
图14为本发明的趋势对比单元模块图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-2，一种基于经营数据的企业发展方向预测方法，包括如下步骤：
第一节：采集目标企业各个项目每个季度的经营数据；
第二节：采集市场相似企业各个项目每个季度的经营数据；
第三节：目标企业的各个项目获利比进行整体统计；
第四节：相似企业的各个项目获利比进行整体统计；
第五节：采用获利比最高的前五项目标企业和相似企业的经营数据。
请参阅图3，步骤二：对目标企业经营数据和相似企业的经营数据信息进行处理，获取可视化的数据特征；
经营数据信息进行处理以及可视化的数据特征的步骤，包括以下具体步骤：
第一节：对前五项统计后的目标企业和相似企业的企业经营数据进行数据清洗；
第二节：结合计算机编程的可视化库,基于数据可视化软件包，清洗后的目标企业和相似企业营业数据与数据分析包紧密结合，由高级绘图界面将目标企业和相似企业企业营业数据特征用图表的形式可视化。
请参阅图4，步骤三：根据目标企业以及市场上相似企业数据特征进行数据分析；
特征进行数据分析，包括以下具体步骤：
第一节：分别研究目标企业和相似企业企业各个经营的分布特征和分布类型，通过各个项目数据基本统计量；
第二节：了解各个项目数据占总项目数据的分布形式，对称或者非对称，发现各个经营数据特大或特小的异常值,可通过绘制散点图，频率分布直方图分析；
第三节：并根据每个项目的每个季度投入的时间、获取的收入以及获利比值，可用饼图或和条形图直观的目标企业和相似企业显示各个项目经营数据情况。
请参阅图5，步骤四：建立目标企业以及市场上相似企业各自的发展方向预测模型；
建立目标企业以及相似企业预测模型的步骤，包括以下具体步骤：
第一节：分类后的目标企业和相似企业的项目数据按照7：3比例,随机分成训练集以及测试集；
第二节：通过各个项目每个季度的营收进行整体，采用线性回归的算法，预测模型为Y＝A
其中，Y预测单个项目的营收来表示，A为投入金额，B获利比。
请参阅图6，步骤五：根据目标企业以及市场上相似企业的数据特征预测两类企业的发展趋势；
预测两类企业的发展趋势的步骤，包括以下具体步骤：
第一节：训练模型就是根据训练集的每个季度投入的时间、获取的收入以及获利比值；
第二节：样本来求出合适的获利比权重，然后对新的测试集预测相应的营收Y。
请参阅图7，步骤六：两类企业的某个项目向上或者向下发展的趋势对比，优化发展路线。
趋势对比的步骤，包括以下具体步骤：
第一节：找出两类企业在相同季度的获利比的差值；
第二节：根据模型本身，预测在企业在未来某个时间点在某个维度或指标的量化趋势值，对比两类企业在不同时间点向上或向下的发展趋势。
在一个具体的实施例中，针对S1中，还包括如下步骤：
S111:以所述目标企业的业务结构构建主链，并通过相似企业建立辅链；其中，
所述主链的每个业务结点对应每个业务的业务数据；
所述辅链的每个业务结点与所述主链的业务结点相关联；
S112:根据所述主链和辅链，建立基于业务数据的联盟链；
S113:根据所述联盟链，设置业务数据的查询权限；
S114:获取每个业务结点对应的业务的经营规则，并根据所述经营规则，在联盟链中将所述业务数据转换为经营数据；
S115:获取企业的项目信息，并将所述项目信息和所述经营数据相对应，确定经营数据信息。
上述技术方案的提出时因为在现有技术中，随着大数据的发展，我们在数据采集和数据挖掘方面越来越全面，但是，大数据还是存在一个问题没有解决，那就是数据壁垒。现有技术中提出过通过大数据去解决数据壁垒问题，在数据存储中间扩展、数据采集导向和数据清洗方面提供一定的辅助性功能。但是，这种大数据的方式缺陷也很明显，因为数据具有隐私性。企业是不愿意去公开自己的数据，因为这已经属于商业秘密的范畴。所以，我们采集的目标企业和相似企业的经营数据必定是不全面的。但是本发明采用了一个另辟蹊径的方式，就是建立联盟链；联盟链的有点在于，链上是能存在互相授权的，即使是存在数据壁垒，在实际的市场中无法查询经营数据，也可以通过联盟链，基于业务数据和经营数据的转换，获得经营数据。其次，因为本发明的联盟链的主链是通过业务结构构建的主链，所以任何业务产生的数据都可以进行采集，经营数据，因为不知道有哪些项目，可能存在数据不全面，但是业务结构，体现了所有的业务信息，不管任何经营数据都是通过一种业务行为产生，因此通过业务结构，能够更加明确的知道经营数据。最后本发明之所以将项目信息和经营数据相对应，这是为了在对经营数据进行整理统计的时候，能够根据项目信息进行统计，并和采集经营数据的步骤相适应，从而从全面的经营数据中，筛选出需要的项目经营数据。
在一个具体的实施例中，因为本发明采用的趋势对比是通过线性回归算法，构建的预测模型，而线性回归算法的缺陷是难以很好地表达高度复杂的数据。而本发明中营收的数据不复杂，线性回归是一种很好的选择，但是不同的企业进行成本管理和相对于与每个项目的时候，资产配置都是不同的。而成本管理和资产配置，是一种具有高度复杂性的数据，所以面对预测模型，我们还要在趋势对比时，对与每个项目和每个公司进行一个综合的评估，评估企业面对不同项目时，两类企业在不同时间点向上或向下的发展趋势的概率，以此来提高预测数据的准确度，这是极其有必要的。
因此，针对S6中，趋势对比时本发明还计算发生向上趋势和向下趋势的概率：
因为本发明采用的趋势对比是通过线性回归算法，构建的预测模型，而线性回归算法的缺陷是难以很好地表达高度复杂的数据。而本发明中营收的数据不复杂，线性回归是一种很好的选择，但是不同的企业进行成本管理和相对于与每个项目的时候，资产配置都是不同的。而成本管理和资产配置，是一种具有高度复杂性的数据，所以面对预测模型，我们还要在趋势对比时，对与每个项目和每个公司进行一个综合的评估，评估企业面对不同项目时，两类企业在不同时间点向上或向下的发展趋势的概率，以此来提高预测数据的准确度。
所述本发明的方法设置了如下步骤：
步骤S61:获取相似企业特征和目标企业特征，构建基于相似企业和目标企业的成本模型：
其中，C表示成本模型；Y
对于企业发展向上还是向下来说，也就是产生效益是增益还是减益，必须通过对成本进行有效的控制，所以首先我们要构建的是成本模型，计算企业在面对每类项目的时候在业务实施上(业务实施的原材料)、经营上(工人工资)、财务费用(例如：各种工伤或者其他时间的报销)、管理上(制度制定、工人工作监控设备的投资)等等产生的一切成本，但是本发明在引入的成本是市场上普遍的成本数据，也可以说是在每项投资上的平均成本；本发明的成本模型的搭建比较简单，就是相对于每类项目在业务成本、经营成本、财务费用和管理成本上的相加。带入之后，就能确定做项目的成本。
步骤262：根据公司的历史项目数据，确定每个企业对于不同类型项目的成本权重，并根据所述成本模型和成本权重，构建资产配置模型；
其中，a
在资产配置方面，也就是说成本的配置方面，不同的公司，着重的面是不同的，所以本发明在成本模型的基础上，通过每个公司的历史项目数据，将成本权重融入每个企业对于每类成本的分配。从而构成一个企业面对项目在不同成本方面的具体配置。进而也能根据这个成本的配置去计算在不同的成本控制下，企业产生的增益是多少，是高还是低，从而从成本层面，控制项目实施和成本投入，尽量调节达到最高的效益。
步骤263：根据公司的历史项目数据，通过下式构建企业面对不同类型项目的效益模型：
其中，S
效益模型的构建本发明主要是基于不同公司做不同项目的应收，以及不同公司通过不同的资产配置，判断企业在做每项业务的时候到底是有效益还是没有效益，同样这个营收值，只是根据公司的历史项目数据，去预估的一个营收值，不是实际的真实营收值。主要是基于历史做项目的经验，然后在公司签订合同时客户方的项目报价，共同参考得到的一个营收值。
步骤264：根据所述效益模型，确定两类企业在不同时间点向上或向下的发展趋势的概率：
P1＝∑P(X|Z)*P(Z)
P2＝1-P1
其中，P1表示两类企业发展趋势向上的概率；P2表示两类企业发展趋势向下的概率；P(X|Z)表示在资产配置模型下效益模型发展趋势向上的概率；P(Z)表示在历史项目数据中效益模型发展趋势向上的概率。对于概率值的计算本发明主要是确定企业在不同的效益模型下的发展趋势的具体效益，这个计算主要是基于概率比的方式，通过概率比的计算能够较为准确的确定不同发展趋势的概率，从而给企业一个参考，去调控自己的成本投入。
请参阅图8，本发明提出的另一种技术，包括基于经营数据的企业发展方向系统，包括采集经营数据单元、经营数据处理单元、数据分析单元、建立预测模型单元、预测发展趋势单元和趋势对比单元；
采集经营数据单元用于采集目标企业以及市场上相似企业的经营数据信息；
经营数据处理单元用于对目标企业经营数据和相似企业的经营数据信息进行处理，并对数据特征进行可视化处理；
数据分析单元用于根据目标企业以及相似企业数据特征分析；
建立预测模型单元用于建立两类企业的发展方向预测模型；
预测发展趋势单元用于预测模型单元输出两类企业的发展趋势；
趋势对比单元用于根据两类企业的发展趋势，在未来相同的时间上对比维度发展。
请参阅图9，采集经营数据单元包括整体数据采集模块以及数据统计模块，整体数据采集模块用于采集目标企业以及相似企业各个项目每个季度的经营数据，数据统计模块用统计每个项目的投入的时间、金额以及盈利，并且对每个项目获利比进行整体统计；
请参阅图10，经营数据处理单元包括数据清洗模块以及可视化模块；数据清洗模块用于对前五项统计后两类经营数据进行数据清洗；可视化模块用于由高级绘图界面将目标企业和相似企业的企业营业数据特征用图表的形式可视化；
请参阅图11，数据分析单元包括分类模块、分布模块以及图形显示模块；分类模块用于统计各个经营的分布特征和分布类型，通过各个项目数据基本统计量；分布模块用于项目数据占总项目数据的分布形式，可通过绘制散点图，频率分布直方图分析以及图形显示模块用于图形直观的目标企业和相似企业显示各个项目经营数据情况；
请参阅图12，建立预测模型单元包括训练集和测试集分类模块以及模型模块；训练集和测试集分类模块用于数据按照7：3比例,随机分成训练集以及测试集，通过训练集进行训练；模型模块用于建立模型模块；
请参阅图13，预测发展趋势单元包括获利比模块以及预测营收模块；获利比模块用于根据训练集的每个季度投入的时间、获取的收入以及获利比值；预测营收模块用于样本来求出合适的获利比权重，预测相应的营收，利用营收值，获取未来时间点的企业增速情况；
请参阅图14，趋势对比单元包括差值模块以及发展趋势对比模块，差值模块用于在相同季度的获利比的差值；展趋势对比模块用于在某个维度或指标的量化趋势值，对比两类企业在不同时间点向上或向下的发展趋势。
基于以上算法及逻辑，预测在企业在未来某个时间点在某个维度或指标的量化趋势值，实现不仅可以评价某时刻的企业质量，而且可以描绘和预测企业的发展趋势，本发明不仅可以对目标企业的发展趋势进行预测，同时也可以对市面上相似企业的发展趋势进行预测，通过获利比的预测，其获利比较高的项目发展为主要趋势，并且也针对市面上相似企业的同一项目的发展趋势进行有选择的增加或者减少投资，从而改变目标企业在未来发展时，趋势的实时改变，从而得到最优的发展路线。
综上所述，本发明提出的基于经营数据的企业发展方向预测方法和系统，通过采集目标企业以及市场上相似企业的经营数据信息；并对数据信息进行处理，获取可视化的数据特征；建立目标企业以及市场上相似企业各自的发展方向预测模型；根据目标企业以及市场上相似企业的数据特征预测两类企业的发展趋势；两类企业的某个项目向上或者向下发展的趋势对比，优化发展路线。预测在企业在未来某个时间点在某个维度或指标的量化趋势值，实现不仅可以评价某时刻的企业质量，而且可以描绘和预测企业的发展趋势，本发明不仅可以对目标企业的发展趋势进行预测，同时也可以对市面上相似企业的发展趋势进行预测，通过获利比的预测，其获利比较高的项目发展为主要趋势，并且也针对市面上相似企业的同一项目的发展趋势进行有选择的增加或者减少投资，从而改变目标企业在未来发展时，趋势的实时改变，从而得到最优的发展路线。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
