CN109345089A - 基于大数据的企业发展状态评估方法及*** - Google Patents
基于大数据的企业发展状态评估方法及*** Download PDFInfo
- Publication number
- CN109345089A CN109345089A CN201811068442.4A CN201811068442A CN109345089A CN 109345089 A CN109345089 A CN 109345089A CN 201811068442 A CN201811068442 A CN 201811068442A CN 109345089 A CN109345089 A CN 109345089A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- data
- assessment models
- information
- sample data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种大数据的企业发展状态评估方法及***，该方法包括：获取已获得多轮融资的企业的数据信息，形成样本数据；根据样本数据建立评估模型；采用非样本数据对建立的评估模型进行优化，调整评估模型内每个参数的重要程度值；获取待评估企业得信息；将待评估企业的信息输入优化后的评估模型，获得该待评估企业目前所处的发展阶段以及未来的发展趋势。
Description
技术领域
本发明涉及企业大数据领域，且特别涉及一种基于大数据的企业发展状态评估方法及***。
背景技术
在企业的发展过程中，判断他的成长性、成长阶段会有各种各样的要素禀赋，诸如资本实力、知识产权、人员规模结构、行业发展趋势等等，然而作为行业发展趋势的先行指标，投资机构的嗅觉无疑是最为灵敏的，无论是资本市场广受追捧的佼佼者还是现阶段红的发紫的独角兽企业，基本上每一家企业你都能找到投资机构的影子。因此，对于一家企业(尤其是创业企业)能否持续获得投资机构的青睐，是企业跻身“优质”、“成长性”行列的重要指标。
在现有的框架下，判断企业的成长性以及其能否持续获得资本的青睐，主要依靠从业者的经验判断，从业者通过对企业的材料收集、尽职调查等方式，辅之以个人的从业经验判断，得出结论。这种方式材料收集费时费力，特别是在大数据背景下，数据人工收集的及时性难以保证且数据的判断维度多，人工处理数据准确性存疑。进一步的，从业者的行业经验有限，通过人工方式覆盖各行各业的做法成本极高。
发明内容
本发明为了克服现有技术的不足，提供一种基于大数据的企业发展状态评估方法及***。
为了实现上述目的，本发明提供一种大数据的企业发展状态评估方法，该方法包括：
获取已获得多轮融资的企业的数据信息，形成样本数据；
根据样本数据建立评估模型；
采用非样本数据对建立的评估模型进行优化，调整评估模型内每个参数的重要程度值；
获取待评估企业得信息；
将待评估企业的信息输入优化后的评估模型，获得该待评估企业目前所处的发展阶段以及未来的发展趋势。
根据本发明的一实施例，在采用非样本数据对建立的评估模型进行优化时将非样本数据根据企业的成长类型进行分类，根据分类后的非样本数据对模型中每个参数的重要程度值进行优化。
根据本发明的一实施例，建立评估模型的步骤包括：
根据获得的样本数据建立包含多个维度的结构化画像；
通过机器学习结构化画像内多个维度的数据，获得该类企业的相似度，提取与企业未来发展相关联的多个参数并获得每个参数的重要程度值，建立评估模型。
根据本发明的一实施例，根据样本数据建立的结构化画像中包含的维度有：行业分类、企业成立的基本信息、历次获得机构的投融资信息、企业的知识产权信息、企业团队成员信息、企业招聘信息以及企业的外部新闻信息。
根据本发明的一实施例，提取与企业未来发展相关联的多个参数包括：实缴注册资本、非关联第三方的投资、主营业务收入、主营业务增长速度、利润增长率、研发投入、知识产权申报、合作伙伴资质、政府奖励、人才影响。
根据本发明的一实施例，评估模型采用分值计算的方式来获得表征每个参数的重要程度值的分值，评估模型通过以下公式来获得整体的评估分值，分值越高表征未来发展的趋势越好，企业获得投资的概率将越大；
其中，score为企业发展状态评估分值，scorei为与企业未来发展相关联的第i个参数的分值，N表示学习结构化画像所获得的参数的个数。
根据本发明的一实施例，对于实缴注册资本这一参数，以1000万作为标杆值，采用以下公式来计算其分值：
其中，Score1为实缴注册资本计算分值，assets为实缴资本的金额。
另一方面，本发明还提供一种基于大数据的企业发展状态评估***，该***包括样本数据获取模块、模型建立模块、优化模块、待评估信息获取模块以及评估模块。样本数据获取模块获取已获得多轮融资的企业的数据信息，形成样本数据。模型建立模块根据样本数据建立评估模型。优化模块采用非样本数据对建立的评估模型进行优化，调整评估模型内每个参数的重要程度值。待评估信息获取模块获取待评估企业得信息。评估模块将待评估企业的信息输入优化后的评估模型，获得该待评估企业目前所处的发展阶段以及未来的发展趋势。
根据本发明一实施例，模型建立模块包括结构化画像建立模块和学习建模模块。结构化画像建立模块根据获得的样本数据建立包含多个维度的结构化画像。学习建模模块通过机器学习结构化画像内多个维度的数据，获得该类企业的相似度，提取与企业未来发展相关联的多个参数并获得每个参数的重要程度值，建立评估模型。
综上所述，本发明提供的基于大数据的企业发展状态评估方法及***通过获取已获得多轮融资的企业的数据信息来建立评估模型，并通过大量的非样本数据对评估模型进行优化，提高评估模型的评价准确率。在建立评估模型后，用户只需输入需要评估的企业的信息，评估模型会自动获得该待评估企业目前所处的阶段以及其未来发展的趋势，以便投资机构和企业管理人员更好地、更加客观地以及更加全面地了解企业，为投资机构选择投资企业提供参考数据，同时也为企业的管理人员制定下一步的企业发展计划提供数据基础。
此外，在建立模型时获得的样本数据建立包含多个维度的结构化画像，多维度的信息可更好的更全面的评价企业的发展，该设置大大提高了评估模型的准确度。
为让本发明的上述和其它目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合附图，作详细说明如下。
附图说明
图1所示为本发明一实施例提供的基于大数据的企业发展状态评估方法的流程图。
图2所示为图1中步骤S20的流程图。
图3所示为本发明一实施例提供的基于大数据的企业发展状态评估***的结构示意图。
具体实施方式
如图1所示，本实施例提供的基于大数据的企业发展状态评估方法包括：获取已获得多轮融资的企业的数据信息，形成样本数据(步骤S10)。根据样本数据建立评估模型(步骤S20)。采用非样本数据对建立的评估模型进行优化，调整评估模型内每个参数的重要程度值(步骤S30)。获取待评估企业得信息(步骤S40)。将待评估企业的信息输入优化后的评估模型，获得该待评估企业目前所处的发展阶段以及未来的发展趋势(步骤S50)。
本实施例提供的基于大数据的企业发展状态评估方法始于步骤S10，获取已获得多轮融资的企业的数据信息，形成样本数据。企业的数据信息可以通过“国家企业信用信息公示***”或“企查查”等企业信息平台获取已获得多轮融资的企业的数据信息，形成数据样本。然而，本发明对样本数据的获取方式不作任何限定。随着市场经济的不断变化以及新型行业的不断兴起，为提高数据样本的准确性，于本实施例中，数据样本获取模块实时关联上述企业信息平台，自动获取最新的企业获投信息并根据该信息更新数据样本，进而不断的优化评估模型以匹配最新的数据信息，从而大大提高本实施例提供的企业发展状态评估方法准确性和时效性。
在获得大量的数据样本后，执行步骤S20，根据数据样本建立评估模型。
具体而言，如图2所示，建立评估模型包括：步骤S21、根据获得的样本数据建立包含多个维度的结构化画像。结构化画像中包含的维度有：行业分类、企业成立的基本信息、历次获得机构的投融资信息、企业的知识产权信息、企业团队成员信息、企业招聘信息以及企业的外部新闻信息等多个维度的信息。然而，本发明对维度的个数和具体的维度不作任何限定。之后执行步骤S22、通过机器学习结构化画像内多个维度的数据，获得该类企业的相似度，提取与企业未来发展相关联的多个参数并获得每个参数的重要程度值，建立评估模型。于本实施例中，提取的参数包括实缴注册资本、非关联第三方的投资、主营业务收入、主营业务增长速度、利润增长率、研发投入、知识产权申报以及人才影响等八个参数。然而，本发明对此不作任何限定。于其它实施例中，提取的参数还可包括合作伙伴资质等、政府奖励等信息。
在获得评估模型后，执行步骤S30，采用非样本数据对建立的评估模型进行优化，调整评估模型内每个参数的重要程度值。具体而言，在采用非样本数据对建立的评估模型进行优化时将非样本数据根据企业的成长类型进行分类，根据分类后的非样本数据对模型中每个参数的重要程度值进行优化。譬如，在输入非样本数据时根据实缴注册资本、非关联第三方的投资、主营业务收入、主营业务增长速度、利润增长率等信息将企业划分为初创型企业、成长型企业、稳定型企业以及衰退型企业。将企业进行精细化的分类后再对评估模型进行优化可大大提高评估模型的准确性。于本实施例中，非样本数据的获取和分类同样可采用机器学习来形成相应的判断规则，当输出一个企业的信息时，***可自动判读该企业所处的阶段。
于本实施例中，评估模型采用分值计算的方式来获得表征每个参数的重要程度值的分值，评估模型通过公式(1)来获得整体的评估分值，分值越高表征企业未来发展的趋势越好，企业获得投资的概率将越大。然而，本发明对评估模型的具体计算方式不作任何限定。
其中，score为企业发展状态评估分值，scorei为与企业未来发展相关联的第i个参数的分值，N表示学习结构化画像所获得的参数的个数。
于本实施例中，与企业未来发展相关联的参数具有八个，分别为实缴注册资本、非关联第三方的投资、主营业务收入、主营业务增长速度、利润增长率、研发投入、知识产权申报以及人才影响。这八个因为的分值分别采用如下计算公式进行计算。
第一，对于实缴注册资本而言，以1000万作为标杆值进行评价，评价公式如下：
Score1表示与企业未来发展相关联的第1个参数实缴注册资本的分值，assets是实缴注册资本的金额。
第二，对于非关联第三方投资的影响，我们以500万作为标杆值进行评价分析，具体评价方式如下：
其中，Score2表示与企业未来发展相关联的第2个参数非关联第三方投资的分值，unrelativeThree是非关联第三方投资的金额。
第三，主营业务收入的影响，区分制造业与非制造业，以非制造业4000万，制造业8000万作为标杆值进行评价分析，具体评价方式如下：
①对于非制造业
②对于制造业
其中，Score3表示与企业未来发展相关联的第3个参数主营业务收入的分值，income为主营业务收入的金额。
第四，主营业务增长速度的影响，以20％作为标杆值进行评价分析，具体评价方式如下：
其中，Score4表示与企业未来发展相关联的第4个参数主营业务增长速度的分值，incomeincrese为实际的主营业务增长速度。
第五，利润增长率的影响，以20％作为标杆值进行评价分析，具体评价方式如下：
其中，Score5表示与企业未来发展相关联的第5个参数利润增长率的分值，profitincrese为实际的利润增长率。
第六，研发投入的影响，以研发费用占营业收入的比例5％作为标杆值(近三年平均数)进行评价分析，具体评价方式如下：
近三年的研发投入
其中，Score6表示与企业未来发展相关联的第6个参数研发投入的分值，PDRradio为实际的研发费用占营业收入的比例。
第七，知识产权的影响，以发明专利、软件著作权、实用新型的数量作为衡量指标进行评价分析，具体评价方式如下：
其中，Score7表示与企业未来发展相关联的第7个知识产权的分值，通过统计企业当前的发明专利、实用新型专利以及外观专利的数量来获得当前企业的研发能力。通常自主知识产权越多的企业其研发能力也越强。
第八，人才的影响，以国家级、省级、市级、区县级人才作为衡量指标进行评价分析，具体评价方式如下：
其中，Score8表示与企业未来发展相关联的第8个参数人才的分值，talent为人才的职称。
通过上述公式获得优化后的评估模型后，执行获取待评估企业得信息(步骤S40)并将待评估企业的信息输入优化后的评估模型，获得该待评估企业目前所处的发展阶段以及未来的发展趋势(步骤S50)。通过评估模型计算获得该待评估企业在上述八个参数的分值(Score1至Score8)后，通过公式(1)进行求和平均后得到表征该企业目前所处的发展阶段以及未来的发展趋势的分值，分值越高表面目前该企业的发展形势越好且其获投的概率也将越大。
与上述评估方法相对应的，本发明还提供一种基于大数据的企业发展状态评估***，该***包括该***包括样本数据获取模块10、模型建立模块20、优化模块30、待评估信息获取模块40以及评估模块50。样本数据获取模块10获取已获得多轮融资的企业的数据信息，形成样本数据。模型建立模块20根据样本数据建立评估模型。优化模块30采用非样本数据对建立的评估模型进行优化，调整评估模型内每个参数的重要程度值。待评估信息获取模块40获取待评估企业得信息。评估模块50将待评估企业的信息输入优化后的评估模型，获得该待评估企业目前所处的发展阶段以及未来的发展趋势。
于本实施例中，样本数据获取模块10通过本实施例提供的基于大数据的企业发展状态评估方法中步骤S10所提供的方法来获取数据样本。然而，本发明对此不作任何限定。当获取到数据样本后，模型建立模块20根据数据样本进行建模。具体而言，模型建立模块20包括结构化画像建立模块21和学习建模模块22。结构化画像建立模块21根据获得的样本数据建立包含多个维度的结构化画像。学习建模模块22通过机器学习结构化画像内多个维度的数据，获得该类企业的相似度，提取与企业未来发展相关联的多个参数并获得每个参数的重要程度值，建立评估模型。于本实施例中，模型建立模块20建立的评估模型采用分值计算的方式来获得表征每个参数的重要程度值的分值，具体的公式如评估方法中所示。
在建立模型后，优化模块30通过输入非样本数据对评估模型进行优化，以提高评估模型的准确性。最后，待评估信息获取模块40获取输入的待评估的企业信息，评估模块50将企业信息代入已经建立的评估模型中，获得表征该企业发展趋势和获投概率的分值，实现企业发展状态的客观、准确的评估。
综上所述，本发明提供的基于大数据的企业获投潜力评估方法通过获取已获得多轮融资的企业的数据信息来建立评估模型，并通过大量的非样本数据对评估模型进行优化，提高评估模型的评价准确率。在建立评估模型后，用户只需输入需要评估的企业的信息，评估模型会自动获得该待评估企业目前所处的阶段以及其未来发展的趋势，以便投资机构和企业管理人员更好地、更加客观地以及更加全面地了解企业，为投资机构选择投资企业提供参考数据，同时也为企业的管理人员制定下一步的企业发展计划提供数据基础。
此外，在建立模型时获得的样本数据建立包含多个维度的结构化画像，多维度的信息可更好的更全面的评价企业的发展，该设置大大提高了评估模型的准确度。
虽然本发明已由较佳实施例揭露如上，然而并非用以限定本发明，任何熟知此技艺者，在不脱离本发明的精神和范围内，可作些许的更动与润饰，因此本发明的保护范围当视权利要求书所要求保护的范围为准。
Claims (9)
1.一种基于大数据的企业发展状态评估方法，其特征在于，包括：
获取已获得多轮融资的企业的数据信息，形成样本数据；
根据样本数据建立评估模型；
采用非样本数据对建立的评估模型进行优化，调整评估模型内每个参数的重要程度值；
获取待评估企业得信息；
将待评估企业的信息输入优化后的评估模型，获得该待评估企业目前所处的发展阶段以及未来的发展趋势。
2.根据权利要求1所述的基于大数据的企业发展状态评估方法，其特征在于，在采用非样本数据对建立的评估模型进行优化时将非样本数据根据企业的成长类型进行分类，根据分类后的非样本数据对模型中每个参数的重要程度值进行优化。
3.根据权利要求1所述的基于大数据的企业发展状态评估方法，其特征在于，建立评估模型的步骤包括：
根据获得的样本数据建立包含多个维度的结构化画像；
通过机器学习结构化画像内多个维度的数据，获得该类企业的相似度，提取与企业未来发展相关联的多个参数并获得每个参数的重要程度值，建立评估模型。
4.根据权利要求3所述的基于大数据的企业发展状态评估方法，其特征在于，根据样本数据建立的结构化画像中包含的维度有：行业分类、企业成立的基本信息、历次获得机构的投融资信息、企业的知识产权信息、企业团队成员信息、企业招聘信息以及企业的外部新闻信息。
5.根据权利要求3所述的基于大数据的企业发展状态评估方法，其特征在于，提取与企业未来发展相关联的多个参数包括：实缴注册资本、非关联第三方的投资、主营业务收入、主营业务增长速度、利润增长率、研发投入、知识产权申报、合作伙伴资质、政府奖励、人才影响。
6.根据权利要求1所述的基于大数据的企业发展状态评估方法，其特征在于，评估模型采用分值计算的方式来获得表征每个参数的重要程度值的分值，评估模型通过以下公式来获得整体的评估分值，分值越高表征企业未来发展的趋势越好，企业获得投资的概率将越大；
其中，score为企业发展状态评估分值，scorei为与企业未来发展相关联的第i个参数的分值，N表示学习结构化画像所获得的参数的个数。
7.根据权利要求5所述的基于大数据的企业发展状态评估方法，其特征在于，对于实缴注册资本这一参数，以1000万作为标杆值，采用以下公式来计算其分值：
其中，Score1为实缴注册资本计算分值，assets为实缴资本的金额。
8.一种基于大数据的企业发展状态评估***，其特征在于，包括：
样本数据获取模块，获取已获得多轮融资的企业的数据信息，形成样本数据；
模型建立模块，根据样本数据建立评估模型；
优化模块，采用非样本数据对建立的评估模型进行优化，调整评估模型内每个参数的重要程度值；
待评估信息获取模块，获取待评估企业得信息；
评估模块，将待评估企业的信息输入优化后的评估模型，获得该待评估企业目前所处的发展阶段以及未来的发展趋势。
9.根据权利要求8所述的基于大数据的企业发展状态评估***，其特征在于，模型建立模块包括：
结构化画像建立模块，根据获得的样本数据建立包含多个维度的结构化画像；
学习建模模块，通过机器学习结构化画像内多个维度的数据，获得该类企业的相似度，提取与企业未来发展相关联的多个参数并获得每个参数的重要程度值，建立评估模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811068442.4A CN109345089A (zh) | 2018-09-13 | 2018-09-13 | 基于大数据的企业发展状态评估方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811068442.4A CN109345089A (zh) | 2018-09-13 | 2018-09-13 | 基于大数据的企业发展状态评估方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109345089A true CN109345089A (zh) | 2019-02-15 |
Family
ID=65305046
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811068442.4A Pending CN109345089A (zh) | 2018-09-13 | 2018-09-13 | 基于大数据的企业发展状态评估方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109345089A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110084493A (zh) * | 2019-04-11 | 2019-08-02 | 企家有道网络技术(北京)有限公司 | 基于人工智能的企业诊断、预测方法及装置、服务器 |
| CN110084411A (zh) * | 2019-04-11 | 2019-08-02 | 企家有道网络技术(北京)有限公司 | 用于预测回归的学习模型以及实现方法 |
| CN110097216A (zh) * | 2019-04-11 | 2019-08-06 | 企家有道网络技术(北京)有限公司 | 用于企业发展的预测方法以及装置、服务器 |
| CN110880047A (zh) * | 2019-11-06 | 2020-03-13 | 杭州好策科技有限公司 | 一种企业项目服务闭环信息处理建模方法 |
| CN111382948A (zh) * | 2020-03-17 | 2020-07-07 | 数联天下(北京)科技有限公司 | 对企业发展潜力进行量化评估的方法及装置 |
| CN111652513A (zh) * | 2020-06-05 | 2020-09-11 | 山东麦穗儿大数据有限公司 | 基于云平台的企业绩效考核***、方法 |
| CN112182246A (zh) * | 2020-09-28 | 2021-01-05 | 上海市浦东新区行政服务中心(上海市浦东新区市民中心) | 通过大数据分析建立企业画像的方法、***、介质及应用 |
| CN112381411A (zh) * | 2020-11-16 | 2021-02-19 | 国网上海市电力公司 | 一种群体生产活力的评估方法、电子设备及存储介质 |
| CN112529413A (zh) * | 2020-12-11 | 2021-03-19 | 深圳传世智慧科技有限公司 | 一种企业管理熵的评测***及方法 |
| CN113034041A (zh) * | 2021-04-16 | 2021-06-25 | 合肥新青罗数字技术有限公司 | 一种挖掘潜在成长性企业并进行培育和智能奖补的方法和*** |
| CN113112162A (zh) * | 2021-04-16 | 2021-07-13 | 合肥新青罗数字技术有限公司 | 一种挖掘潜在高新技术企业并进行培育的方法和*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013114418A (ja) * | 2011-11-28 | 2013-06-10 | Ntt Facilities Inc | リスク評価システム、その方法及びそのプログラム |
| CN105913195A (zh) * | 2016-04-29 | 2016-08-31 | 浙江汇信科技有限公司 | 基于全行业数据的企业金融风险评分方法 |
| CN107506941A (zh) * | 2017-09-09 | 2017-12-22 | 杭州数立方征信有限公司 | 一种基于大数据技术的建筑施工企业信用评价方法和*** |
| CN107909274A (zh) * | 2017-11-17 | 2018-04-13 | 平安科技（深圳）有限公司 | 企业投资风险评估方法、装置及存储介质 |
-
2018
- 2018-09-13 CN CN201811068442.4A patent/CN109345089A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013114418A (ja) * | 2011-11-28 | 2013-06-10 | Ntt Facilities Inc | リスク評価システム、その方法及びそのプログラム |
| CN105913195A (zh) * | 2016-04-29 | 2016-08-31 | 浙江汇信科技有限公司 | 基于全行业数据的企业金融风险评分方法 |
| CN107506941A (zh) * | 2017-09-09 | 2017-12-22 | 杭州数立方征信有限公司 | 一种基于大数据技术的建筑施工企业信用评价方法和*** |
| CN107909274A (zh) * | 2017-11-17 | 2018-04-13 | 平安科技（深圳）有限公司 | 企业投资风险评估方法、装置及存储介质 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110084493A (zh) * | 2019-04-11 | 2019-08-02 | 企家有道网络技术(北京)有限公司 | 基于人工智能的企业诊断、预测方法及装置、服务器 |
| CN110084411A (zh) * | 2019-04-11 | 2019-08-02 | 企家有道网络技术(北京)有限公司 | 用于预测回归的学习模型以及实现方法 |
| CN110097216A (zh) * | 2019-04-11 | 2019-08-06 | 企家有道网络技术(北京)有限公司 | 用于企业发展的预测方法以及装置、服务器 |
| CN110880047A (zh) * | 2019-11-06 | 2020-03-13 | 杭州好策科技有限公司 | 一种企业项目服务闭环信息处理建模方法 |
| CN111382948A (zh) * | 2020-03-17 | 2020-07-07 | 数联天下(北京)科技有限公司 | 对企业发展潜力进行量化评估的方法及装置 |
| CN111652513A (zh) * | 2020-06-05 | 2020-09-11 | 山东麦穗儿大数据有限公司 | 基于云平台的企业绩效考核***、方法 |
| CN112182246A (zh) * | 2020-09-28 | 2021-01-05 | 上海市浦东新区行政服务中心(上海市浦东新区市民中心) | 通过大数据分析建立企业画像的方法、***、介质及应用 |
| CN112182246B (zh) * | 2020-09-28 | 2022-01-11 | 上海市浦东新区行政服务中心(上海市浦东新区市民中心) | 通过大数据分析建立企业画像的方法、***、介质及应用 |
| CN112381411A (zh) * | 2020-11-16 | 2021-02-19 | 国网上海市电力公司 | 一种群体生产活力的评估方法、电子设备及存储介质 |
| CN112381411B (zh) * | 2020-11-16 | 2024-01-26 | 国网上海市电力公司 | 一种群体生产活力的评估方法、电子设备及存储介质 |
| CN112529413A (zh) * | 2020-12-11 | 2021-03-19 | 深圳传世智慧科技有限公司 | 一种企业管理熵的评测***及方法 |
| CN113034041A (zh) * | 2021-04-16 | 2021-06-25 | 合肥新青罗数字技术有限公司 | 一种挖掘潜在成长性企业并进行培育和智能奖补的方法和*** |
| CN113112162A (zh) * | 2021-04-16 | 2021-07-13 | 合肥新青罗数字技术有限公司 | 一种挖掘潜在高新技术企业并进行培育的方法和*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109345089A (zh) | 基于大数据的企业发展状态评估方法及*** | |
| Ball et al. | Morphometric analysis of phytoliths: recommendations towards standardization from the International Committee for Phytolith Morphometrics | |
| CN109657894A (zh) | 企业信用风险预警方法、装置、设备及存储介质 | |
| CN107133436A (zh) | 一种多重抽样模型训练方法及装置 | |
| CN110046973A (zh) | 一种基于关联关系大数据分析的围标串标检测方法 | |
| Van der Marel | Determinants of comparative advantage in services | |
| CN103942993A (zh) | 一种基于irt的自适应在线测评***及其方法 | |
| CN106097222A (zh) | 顾及用户特征的公共设施空间可达性分析方法及装置 | |
| CN109840873A (zh) | 一种基于机器学习的无资料地区水文模型参数区域化方法 | |
| CN106022632A (zh) | 一种基于相关性分析的干部考核评价方法及*** | |
| CN108319984A (zh) | 基于dna甲基化水平的木本植物叶片表型特征和光合特性预测模型的构建方法及预测方法 | |
| CN106022650A (zh) | 一种卷烟综合质量的分析方法 | |
| CN110443350A (zh) | 基于数据分析的模型质量检测方法、装置、终端及介质 | |
| CN107545038A (zh) | 一种文本分类方法与设备 | |
| CN107784452A (zh) | 一种烟叶风格特征相似性的客观综合评价方法 | |
| CN109559042A (zh) | 一种基于多维指标回归分析的基金经理评分算法 | |
| CN110232334A (zh) | 一种基于卷积神经网络的钢结构锈蚀识别方法 | |
| CN109508429A (zh) | 基于教育平台大数据分析的个性化自适应学习推荐方法 | |
| CN110443486A (zh) | 一种基于市场主体感知的营商环境评价分析方法和*** | |
| CN108898096A (zh) | 一种面向高分影像的信息快速精确提取方法 | |
| CN108960884A (zh) | 信息处理方法、模型构建方法及装置、介质和计算设备 | |
| CN108663334A (zh) | 基于多分类器融合寻找土壤养分光谱特征波长的方法 | |
| CN105427171A (zh) | 一种互联网借贷平台评级的数据处理方法 | |
| Pourahmad et al. | Service quality assessment in the academic library: Use of hybrid fuzzy expert system | |
| Lu et al. | Application of grey relational analysis for evaluating road traffic safety measures: advanced driver assistance systems against infrastructure redesign |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190215 |