一种全过程工程咨询项目风险管理方法

摘要

本发明提供了一种全过程工程咨询项目风险管理方法，属于项目风险管理技术领域，其方法包括：获取目标工程的多个流程环节的项目数据；基于与目标工程相似的工程文件中的法律风险条目，构建法律风险识别模型，并将每个项目数据输入到法律风险识别模型中，得到各流程环节对应的法律风险点；基于目标工程的合同提取工程执行期，并捕捉执行期内的法规；根据法律风险点和捕捉法规，提取工程中的风险描述，与风险数据库中的历史描述进行对比；根据对比结果确定不同流程环节的风险等级，并进行风险管理及推送。解决了工程项目中缺乏规避法律风险的流程和法律风险过程中关键技术的指导性文件，对于隐藏的法律风险不能及时发现且不能进行妥善处理的问题。

说明书

技术领域

本发明涉及项目风险管理技术领域，特别涉及一种全过程工程咨询项目风险管理方法。

背景技术

目前，提高工程建设管理和咨询服务水平，保证工程质量和投资效益，设计的质量、进度和经济合理性是工程过程的重要内容，但是现在很多工程项目中缺乏技术手段，特别是缺乏规避法律风险的指导流程以及规避法律风险过程中一些关键技术的指导性文件，对于很多隐藏的法律风险不能够及时发现且不能进行妥善处理的问题。

因此，本发明提出一种全过程工程咨询项目风险管理方法。

发明内容

本发明提供一种全过程工程咨询项目风险管理方法，通过获取目标工程的多个流程环节项目数据，基于与目标工程相似的工程文件中的法律风险条目，构建法律风险识别模型，并将每个项目数据分别输入到法律风险识别模型中，得到各流程环节对应的法律风险点，提取工程执行期，并从物联网平台捕捉执行期内的法规，根据法律风险点和捕捉法规，确定不同流程环节的风险等级，进行风险管理及风险推送，解决了背景技术中工程项目中缺乏技术手段，特别是缺乏规避法律风险的指导流程以及规避法律风险过程中一些关键技术的指导性文件，对于很多隐藏的法律风险不能够及时发现且不能进行妥善处理的问题。

本发明提出一种全过程工程咨询项目风险管理方法，该方法包括：

步骤1：获取目标工程的多个流程环节以及各流程环节对应的项目数据；

步骤2：基于与所述目标工程相似的工程文件中的法律风险条目，构建法律风险识别模型，并将每个所述项目数据分别输入到法律风险识别模型中，得到各流程环节对应的法律风险点；

步骤3：基于所述目标工程的工程合同，提取工程执行期，并从物联网平台捕捉所述工程执行期内的原始法规以及即将更新的法规；

步骤4：根据所述法律风险点以及捕捉法规，提取所述工程项目中的风险描述，并与风险数据库中的历史描述进行对比分析；

步骤5：根据对比分析结果，确定不同流程环节的风险等级，并进行风险管理及风险推送。

优选的，获取目标工程的多个流程环节以及各流程环节对应的项目数据，包括：

确定目标工程的工程类型，基于工程类型确定目标工程的多个标准流程环节，其中，多个标准流程环节包括策划、前期科研、工程咨询、工程勘察、工程设计、造价咨询、工程招标、工程监理、施工前期准备、施工过程管理、竣工验收、工程结算、工程决算及运营保修；

获取每个标准流程环节对应的工程项目以及工程项目的多个项目参考指标数据；

将每个流程环节的多个项目参考指标数据进行分类和整合以获取各流程环节对应的项目数据。

优选的，获取目标工程的多个流程环节以及各流程环节对应的项目数据之后，还包括：

从所述多个流程环节中获取带有指定标记的目标流程环节；

获取所述目标流程环节的包干数据和日报数据；

根据所述目标环节的日报数据确定所述目标流程环节的成本数据；

将所述目标流程环节的包干数据和成本数据进行比较，若成本数据大于包干数据时，获取目标流程环节的具体执行数据；

基于所述具体执行数据确定所述包干数据的合同数据。

优选的，基于与所述目标工程相似的工程文件中的法律风险条目，构建法律风险识别模型，并将每个所述项目数据分别输入到法律风险识别模型中，得到各流程环节对应的法律风险点，包括：

获取所述法律风险条目对应的多个风险评估指标以及每个风险评估指标的评估权重值；

根据多个风险评估指标以及每个风险评估指标的评估权重值构建法律风险识别模型；

将每个所述项目数据分别输入到法律风险识别模型中获取该项目数据在每个风险评估指标下的当前指标值；

基于项目数据在每个风险评估指标下的当前指标值，选择指标数值大于等于预设数值的目标风险评估指标及其对应的目标法律风险条目，并将其汇总生成每个流程环节对应的目标法律风险条目集；

根据每个流程环节对应的目标法律风险条目集确定各流程环节对应的法律风险点。

优选的，基于所述目标工程的工程合同，提取工程执行期，并从物联网平台捕捉所述工程执行期内的原始法规以及即将更新的法规，包括：

获取所述目标工程的工程合同，根据所述工程合同获取多个工程任务以及每个工程任务的工程排序；

选择排序第一的第一目标工程任务和排序末尾的第二目标工程任务并获取第一目标工程任务的限定开工日期和第二目标工程任务的限定完工日期；

根据限定开工日期和限定完工日期获取所述工程执行期；

获取在所述工程执行期内的当前法规及其变动记录，根据当前法规及其变动记录从物联网平台捕捉原始法规以及即将更新的法规。

优选的，根据所述法律风险点以及捕捉法规，提取所述工程项目中的风险描述，并与风险数据库中的历史描述进行对比分析，包括：

确定所述法律风险点与捕捉法规之间的当前兼容性系数，判断所述当前兼容性系数是否大于等于预设数值，获取判断结果；

若判断结果为当前兼容性系数大于等于预设数值，则获取工程项目相对于法律风险点的第一风险描述；

若判断结果为当前兼容性系数小于预设数值，则获取工程项目相对于法律风险点的第一风险描述以及工程项目相对于捕捉法规的第二风险描述；

将所述第一风险描述或第一风险描述和第二风险描述与风险数据库中的历史描述进行对比分析以确定风险描述偏差特征向量。

优选的，根据对比分析结果，确定不同流程环节的风险等级，并进行风险管理及风险推送，包括：

基于法律风险点构建风险清单；

根据对比分析结果基于所述风险清单确定不同流程环节中的风险种类；

基于所述风险种类确定不同流程环节的多个描述风险系数；

基于所述多个描述风险系数确定目标工程的项目风险系数；

根据所述项目风险系数确定不同流程环节的风险等级；

基于所述不同流程环节的风险等级对各个流程环节进行管理，并实时进行风险推送。

优选的，基于与所述目标工程相似的工程文件中的法律风险条目，构建法律风险识别模型，包括：

获取工程文件对应的当前文字描述；

根据当前文字描述与已知风险点的法律案例文字描述构造元学习任务；

利用已知风险点的特征描述构建法律风险特征提取模型；

基于所述元学习任务和法律风险特征提取模型从当前文字描述中提取已分类风险特征向量和待分类风险特征向量；

获取每个已分类风险特征向量和待分类风险特征向量的类统计向量；

基于每个已分类风险特征向量和待分类风险特征向量的类统计向量，利用预设归纳模型将已分类风险特征向量和待分类风险特征向量进行同类统计，获取统计结果；

根据统计结果确定待分类风险特征向量中的未统计风险特征向量；

获取每个未统计风险特征向量的第一法律风险因素和统计风险特征向量中的通用的第二法律风险因素；

根据第一法律风险因素和第二法律风险因素分层次建立法律风险因素集；

根据建立的法律风险因素集，构造风险矩阵，并根据风险矩阵确定法律风险条目；

获取每个法律风险条目的评估权重并根据其建立模糊综合评价矩阵；

基于所述模糊综合评价矩阵构建法律风险识别模型。

优选的，在获取目标工程的多个流程环节以及各流程环节对应的项目数据之后，还包括：对所述项目数据进行加密，将加密后的项目数据上传到加载法律风险识别模型的服务器中，加密步骤具体为：

获取所述项目数据的多个子数据；

提取每个子数据的核心属性，根据核心属性确定每个子数据的数据增益；

获取每个子数据的数据特征，根据所述数据特征确定每个子数据的高阶特征比例；

基于每个子数据的高阶特征比例和数据增益计算出项目数据的重要度指数：

其中，Q表示为项目数据的重要度指数，α表示为决策因子，M表示为子数据的数量，j表示为第j个子数据，F

根据项目数据的重要度指数确定对于项目数据的加密等级；

基于对于项目数据的加密等级选择适配的多个第一加密方式，统计所述项目数据的数据类型；

确定所述数据类型在多个第一加密方式中兼容的第二加密方式，获取每个第二加密方式的加密程序；

根据第二加密方式的加密程序确定加密可靠性，选择加密可靠性最高的第三加密方式，通过所述第三机密方式对项目数据进行加密。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种全过程工程咨询项目风险管理方法的流程图；

图2为本发明实施例中一种全过程工程咨询项目风险管理方法的另一流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1：

本发明提供一种全过程工程咨询项目风险管理方法，如图1所示，该方法包括：

步骤1：获取目标工程的多个流程环节以及各流程环节对应的项目数据；

步骤2：基于与所述目标工程相似的工程文件中的法律风险条目，构建法律风险识别模型，并将每个所述项目数据分别输入到法律风险识别模型中，得到各流程环节对应的法律风险点；

步骤3：基于所述目标工程的工程合同，提取工程执行期，并从物联网平台捕捉所述工程执行期内的原始法规以及即将更新的法规；

步骤4：根据所述法律风险点以及捕捉法规，提取所述工程项目中的风险描述，并与风险数据库中的历史描述进行对比分析；

步骤5：根据对比分析结果，确定不同流程环节的风险等级，并进行风险管理及风险推送。

该实施例中，流程环节包括：项目决策、设计准备、勘察设计、施工准备、施工、竣工验收、运营维护。

该实施例中，项目数据包括：项目的名称、背景、资金、利润、人员情况。

其中，可以通过社保信息获取出人员信息、通过税务信息获取出纳税信息。

该实施例中，法律风险条目有可能是违规风险的法律条目，比如是违反法律或行业规定，也有可能是存在侵权风险的法律条目，比如是知识产权、股东权益或劳动者权益，还有可能是存在违约风险的法律条目，比如是不按交易双方的约定进行交易。

该实施例中，法律风险识别模型是将项目数据输入到模型中，可以确定出该法律条目是否存在一种或多种风险。

该实施例中，法律风险点是指目标工程文件中可能存有法律风险的关键点。

该实施例中，执行期是指目标工程的合同时间，比如某一项工程签订的合同是从2023年5月8日到2026年5月8日，那么该过程的执行期就为3年时间。

该实施例中，原始法规是指预目标工程相关的法律且执行期前和执行期过程中未发生修改的法律法规。

该实施例中，即将更新的法规是指在执行期间发生变化的法规。

该实施例中，风险描述是指文件中和法律风险有关的描述。

该实施例中，风险等级包括：低风险、中等风险和高风险。

其中，低风险不会在法律上对合同和工程产生影响，中等风险在法律上会产生赔偿风险，高风险则可能会使工程产生停工、赔付违约金的风险。

上述技术方案的有益效果为：通过获取目标工程多个流程环节的项目数据，并输入到法律风险识别模型中，得到各流程环节对应的法律风险点，并获取执行期的多个法规，确定不同流程环节的风险等级，能够及时发现工程项目中的法律风险，并及时进行有效管理，避免由于法律风险问题使工程项目出现问题。

实施例2：

本发明提供一种全过程工程咨询项目风险管理方法，如图2所示，获取目标工程的多个流程环节以及各流程环节对应的项目数据，包括：

S01：确定目标工程的工程类型，基于工程类型确定目标工程的多个标准流程环节，其中，多个标准流程环节包括策划、前期科研、工程设计、造价咨询、工程监理、施工前期准备、施工过程管理、竣工验收及运营保修；

S02：获取每个标准流程环节对应的工程项目以及工程项目的多个项目参考指标数据；

S03：将每个流程环节的多个项目参考指标数据进行分类和整合以获取各流程环节对应的项目数据。

该实施例中，工程类型可能为建筑工程、铁路工程、市政工程、煤炭矿山工程、水运工程、海洋工程。

该实施例中，工程项目是指比如是施工过程管理，包括基槽开挖——基槽验收(甲方、设计、勘探、施工、质检站、监理六方验收)——基槽放线——基础垫层——基础结构施工——基础验收——基础回填(地基与基础分部工程验收)——主体结构施工——主体结构分部验收——建筑装饰装修——水暖系统、电气系统、通风与空调、消防报警系统安装与调试——单位工程验收————竣工备案、节能验收、竣工验收、规划验收、档案验收消防验收——档案移交——项目移交——投入使用。

该实施例中，项目参考指标数据比如是基槽开挖，挖的深度、宽度、长度分别是多少米。

该实施例中，根据施工前、施工中、施工后对数据进行整合，得到每个环节的项目数据。

上述技术方案的有益效果为：通过目标工程的工程类型获取多个标准流程环节，并确定每个标准流程环节的参考指标参数，整合获取各流程环节对应的项目数据，能够准确获取每个流程环节对应的数据，方便后期使用。

实施例3：

本发明提供一种全过程工程咨询项目风险管理方法，获取目标工程的多个流程环节以及各流程环节对应的项目数据之后，还包括：

从所述多个流程环节中获取带有指定标记的目标流程环节；

获取所述目标流程环节的包干数据和日报数据；

根据所述目标环节的日报数据确定所述目标流程环节的成本数据；

将所述目标流程环节的包干数据和成本数据进行比较，若成本数据大于包干数据时，获取目标流程环节的具体执行数据；

基于所述具体执行数据确定所述包干数据的合同数据。

该实施例中，指定标记形式可以包括，但不限于：在项目名称前添加指定字符(如：HG)、对项目名称进行指定颜色的标记(如：黑色加粗字体)等等。

该实施例中，包干数据是指目标项目的包干价，在目标项目签订合同时，合同双方将确定所述目标项目是否为包干项目，当目标项目是包干项目时，合同双方将协商确定目标项目的包干价，在确定了目标项目的包干价后，在目标项目的执行过程中，将以所述包干价作为全部费用，而不再收取其他费用，比如为1000万。

该实施例中，日报数据是指目标项目的日执行者的劳务费、目标项目的硬件设备的日消耗费用、目标项目的软件系统的日消耗费用。

该实施例中，成本数据是指项目A到当前时间执行了3天，第一天是成本为100万，第二天是成本为50万，第一天是成本为30万，那么日成本数据就为(100+50+30)÷3＝60万，如果该项目的预设执行期为20天，那么项目A的成本数据就为20×60＝1200万。

该实施例中，执行数据为若包干数据小于成本数据，那么就获取目标项目的子项目数、子项目的项目属性、目标项目的执行效率、目标项目的人力成本数据、非人力成本数据，根据这些内容来签订包干数据的合同。

上述技术方案的有益效果为：通过目标流程环节的包干数据、日报数据和成本数据，将成本数据和包干数据进行比较，确定目标项目的执行数据，根据执行项目确定合同，能够避免该项目出现亏损风险。

实施例4：

本发明提供一种全过程工程咨询项目风险管理方法，基于与所述目标工程相似的工程文件中的法律风险条目，构建法律风险识别模型，并将每个所述项目数据分别输入到法律风险识别模型中，得到各流程环节对应的法律风险点，包括：

获取所述法律风险条目对应的多个风险评估指标以及每个风险评估指标的评估权重值；

根据多个风险评估指标以及每个风险评估指标的评估权重值构建法律风险识别模型；

将每个所述项目数据分别输入到法律风险识别模型中获取该项目数据在每个风险评估指标下的当前指标值；

基于项目数据在每个风险评估指标下的当前指标值，选择指标数值大于等于预设数值的目标风险评估指标及其对应的目标法律风险条目，并将其汇总生成每个流程环节对应的目标法律风险条目集；

根据每个流程环节对应的目标法律风险条目集确定各流程环节对应的法律风险点。

该实施例中，风险评估指标可以为风险发生的概率、对风险的分析能力与风险发生后的反应。

该实施例中，评估权重值是指每个风险评估指标所占的权重。

该实施例中，法律风险识别模型是将项目数据输入到模型中，可以确定出该法律条目是否存在一种或多种风险。

该实施例中，法律风险条目集是指按法律内容分的风险细目集，比如可能会导致风险出现的所有因素、风险发生后哪些法律可以进行解决。

该实施例中，法律风险点可能是标的物信息不够明确，比如设备的名称、品牌、型号，也有可能是质量标准和检验期间不明确，比如是质量问题，卖方需要在三年内履行维修或更换义务。

上述技术方案的有益效果为：通过构建法律风险识别模型，经每个项目数据输入到模型中获取项目数据在每个风险评估指标下的当前指标值，选择目标法律风险条目并生成每个流程环节对应的目标法律风险条目集，能够准确的知道每个流程环节可能会存在法律风险的关键点。

实施例5：

本发明提供一种全过程工程咨询项目风险管理方法，基于所述目标工程的工程合同，提取工程执行期，并从物联网平台捕捉所述工程执行期内的原始法规以及即将更新的法规，包括：

获取所述目标工程的工程合同，根据所述工程合同获取多个工程任务以及每个工程任务的工程排序；

选择排序第一的第一目标工程任务和排序末尾的第二目标工程任务并获取第一目标工程任务的限定开工日期和第二目标工程任务的限定完工日期；

根据限定开工日期和限定完工日期获取所述工程执行期；

获取在所述工程执行期内的当前法规及其变动记录，根据当前法规及其变动记录从物联网平台捕捉原始法规以及即将更新的法规。

该实施例中，工程任务包括：设计、采购、施工、竣工投入使用。

该实施例中，工程排序是指工程任务的排列顺序，比如需要施工前进行设计、采购，再进行施工。

该实施例中，第一目标工程任务为设计。

该实施例中，第二目标工程任务为竣工投入使用。

该实施例中，工程执行期是指比如第一目标工程任务是2023年5月8日开始，第二目标工程任务是2026年5月8日结束，那么工程执行期就为3年。

该实施例中，原始法规是指预目标工程相关的法律且执行期前和执行期过程中未发生修改的法律法规。

该实施例中，即将更新的法规是指在执行期间发生变化的法规。

上述技术方案的有益效果为：确定目标工程的工程执行期，并获取执行期内的相关法规，可以快速明确该目标工程是否出现将出现或已经出现法律风险，能够及时对风险进行处理。

实施例6：

本发明提供一种全过程工程咨询项目风险管理方法，根据所述法律风险点以及捕捉法规，提取所述工程项目中的风险描述，并与风险数据库中的历史描述进行对比分析，包括：

确定所述法律风险点与捕捉法规之间的当前兼容性系数，判断所述当前兼容性系数是否大于等于预设数值，获取判断结果；

若判断结果为当前兼容性系数大于等于预设数值，则获取工程项目相对于法律风险点的第一风险描述；

若判断结果为当前兼容性系数小于预设数值，则获取工程项目相对于法律风险点的第一风险描述以及工程项目相对于捕捉法规的第二风险描述；

将所述第一风险描述或第一风险描述和第二风险描述与风险数据库中的历史描述进行对比分析以确定风险描述偏差特征向量。

该实施例中，兼容性系数是法律风险点在捕捉法规允许范围内的评估系数。

该实施例中，第一风险描述是工程项目在法律风险点上的风险描述项目数据。

该实施例中，第二风险描述是工程项目不符合捕捉法规要求的风险描述项目数据。

该实施例中，偏差特征向量是历史描述的风险参数以及第一风险描述和第二风险描述对应的风险参数之间的描述偏差风险特征。

上述技术方案的有益效果为：通过确定法律风险点与捕捉法规之间的当前兼容性系数，获取第一风险描述或第一风险描述和第二风险描述，并与风险数据库中的历史描述进行对比分析，可以快速确定目标工程项目中的风险描述，方便及时更改。

实施例7：

本发明提供一种全过程工程咨询项目风险管理方法，根据对比分析结果，确定不同流程环节的风险等级，并进行风险管理及风险推送，包括：

基于法律风险点构建风险清单；

根据对比分析结果基于所述风险清单确定不同流程环节中的风险种类；

基于所述风险种类确定不同流程环节的多个描述风险系数；

基于所述多个描述风险系数确定目标工程的项目风险系数；

根据所述项目风险系数确定不同流程环节的风险等级；

基于所述不同流程环节的风险等级对各个流程环节进行管理，并实时进行风险推送。

该实施例中，风险清单包括所有可能会出现的风险。

该实施例中，风险种类有可能是人身风险、经济风险、自然环境风险。

该实施例中，项目风险系数是指用具体的数值来表示风险的程度，比如为30％。

该实施例中，风险等级是根据项目风险系数来决定，风险系数为30％及以下是低风险，风险系数为31％-50％是中等风险，风险系数为51％及以上是高风险。

上述技术方案的有益效果为：通过获取不同流程环节的风险种类，来确定目标工程的项目风险系数，从而确定不同流程环节的风险等级，能够实时对风程度做出判断，根据判断结果对风险进行及时管理。

实施例8：

本发明提供一种全过程工程咨询项目风险管理方法，基于与所述目标工程相似的工程文件中的法律风险条目，构建法律风险识别模型，包括：

获取工程文件对应的当前文字描述；

根据当前文字描述与已知风险点的法律案例文字描述构造元学习任务；

利用已知风险点的特征描述构建法律风险特征提取模型；

基于所述元学习任务和法律风险特征提取模型从当前文字描述中提取已分类风险特征向量和待分类风险特征向量；

获取每个已分类风险特征向量和待分类风险特征向量的类统计向量；

基于每个已分类风险特征向量和待分类风险特征向量的类统计向量，利用预设归纳模型将已分类风险特征向量和待分类风险特征向量进行同类统计，获取统计结果；

根据统计结果确定待分类风险特征向量中的未统计风险特征向量；

获取每个未统计风险特征向量的第一法律风险因素和统计风险特征向量中的通用的第二法律风险因素；

根据第一法律风险因素和第二法律风险因素分层次建立法律风险因素集；

根据建立的法律风险因素集，构造风险矩阵，并根据风险矩阵确定法律风险条目；

获取每个法律风险条目的评估权重并根据其建立模糊综合评价矩阵；

基于所述模糊综合评价矩阵构建法律风险识别模型。

该实施例中，元学习任务是指学习已知风险点的法律案例文字描述的特征，从而对当前文字描述进行分析和解决的任务。

该实施例中，已分类风险特征向量是可以提取出存储标签的风险特征向量。

该实施例中，类统计向量是风险特征的划分大类描述向量。

该实施例中，第一法律风险因素比如是企业经营失败后给股东带来的企业清算责任、企业决策在实施中因为战争、自然灾害等不可抗力导致的经营失败给企业带来的民事赔偿以及法律纠纷。

该实施例中，第二法律风险因素比如是企业决策判断时缺乏法务支持而导致的决策风险、企业管理体系中合同管理、知识产权管理、管理人法律意识等欠缺而导致的管理风险、立法调整而导致的非经营风险。

该实施例中，法律风险因素集是指会导致目标项目出现法律风险的原因集合。

该实施例中，风险矩阵是用于统计法律风险因素的统计矩阵。

该实施例中，法律风险条目是指按法律内容分的风险细目，比如法律中可能会导致风险出现的所有因素、风险发生后哪些法律可以进行解决。

该实施例中，模糊综合评价矩阵适用于评价每个法律风险因素在不同场景下的违法严重性的模糊矩阵。

上述技术方案的有益效果为：获取每个已分类风险特征向量和待分类风险特征向量的类统计向量，获取法律风险因素，构建风险矩阵，同时建立模糊综合评价矩阵，能够准确的构建法律风险识别模型，精准的对项目工程的风险进行识别，使其作出处理。

实施例9：

本发明提供一种全过程工程咨询项目风险管理方法，在获取目标工程的多个流程环节以及各流程环节对应的项目数据之后，还包括：对所述项目数据进行加密，将加密后的项目数据上传到加载法律风险识别模型的服务器中，加密步骤具体为：

获取所述项目数据的多个子数据；

提取每个子数据的核心属性，根据核心属性确定每个子数据的数据增益；

获取每个子数据的数据特征，根据所述数据特征确定每个子数据的高阶特征比例；

基于每个子数据的高阶特征比例和数据增益计算出项目数据的重要度指数：

其中，Q表示为项目数据的重要度指数，α表示为决策因子，M表示为子数据的数量，j表示为第j个子数据，F

根据项目数据的重要度指数确定对于项目数据的加密等级；

基于对于项目数据的加密等级选择适配的多个第一加密方式，统计所述项目数据的数据类型；

确定所述数据类型在多个第一加密方式中兼容的第二加密方式，获取每个第二加密方式的加密程序；

根据第二加密方式的加密程序确定加密可靠性，选择加密可靠性最高的第三加密方式，通过所述第三机密方式对项目数据进行加密。

该实施例中，比如资金数据的子数据就包括：人力资金、设备资金。

该实施例中，核心属性是每个子数据的数据核心表达内容的数据属性，比如该子数据是具体数值还是字符。

该实施例中，数据增益是每个子数据的参考增益。

其中，确定核心属性的数据价值，数据价值越大，则数据增益越大。

该实施例中，高阶特征比例是每个子数据中的高阶特征与高阶特征和地接特征之和的比例。

数据特征中有高阶和低阶特征，统计高阶和低阶特征获取比例。

其中，低阶特征是数据较低级别的特征，主要是原始特征，比如是数据大小、种类，高阶特征是指数据经过多次线性-非线性组合操作之后形成的特征，比如是两个不同数据的组合只是两个数据单独作用的简单叠加。

该实施例中，加密等级可以分为秘密级、机密级、绝密级和高度绝密级。

该实施例中，第一加密方式是根据不同加密等级选择不同的加密方式，比如秘密级可以选择对称加密，也就是解密和加密使用同一个秘钥，效率快，但是安全性不高，容易被破解。

如果是高度绝密级可以选择非对称加密，也就是使用公开密钥进行加密，但是解密时只有对应的私钥才可以，安全性较高，不易被破解。

该实施例中，第二加密方式是指第一加密方式中可以容纳的加密方式，比如对称加密中可以容纳数字签名的加密方式，同时保证对项目数据进行完整加密并且无数据遗漏。

该实施例中，加密程序是一个文本串可用事先给定的字母映射表进行加密的程序，比如字母映射表为

abcdef，

ngqstc，那么文本串“cfae”就被加密为qcnt。

该实施例中，加密可靠性是指在一定条件下无故障地对项目数据进行加密保护的能力。

其中，加密等级越高，加密可靠性越强。

该实施例中，第三加密方式是指可以容纳的第二加密方式中选择最可靠的加密方式。

该实施例中，若数据越重要，则加密等级越高。

上述技术方案的有益效果为：通过项目数据的重要性来确定对于项目数据的加密等级，选择加密可靠性最高的加密方式对项目数据进行加密，可以最大程度上保护项目数据，避免出现外泄。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。