CN113361778A - 应用于业务连续性管理平台的信息处理方法及装置 - Google Patents
应用于业务连续性管理平台的信息处理方法及装置 Download PDFInfo
- Publication number
- CN113361778A CN113361778A CN202110637953.9A CN202110637953A CN113361778A CN 113361778 A CN113361778 A CN 113361778A CN 202110637953 A CN202110637953 A CN 202110637953A CN 113361778 A CN113361778 A CN 113361778A
- Authority
- CN
- China
- Prior art keywords
- model
- target
- information
- index
- report
- 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.)
- Withdrawn
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 29
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 130
- 238000007726 management method Methods 0.000 claims abstract description 109
- 238000004458 analytical method Methods 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 abstract description 16
- 238000013473 artificial intelligence Methods 0.000 abstract description 12
- 230000008569 process Effects 0.000 abstract description 12
- 238000011084 recovery Methods 0.000 description 19
- 230000015654 memory Effects 0.000 description 13
- 238000010801 machine learning Methods 0.000 description 10
- 238000012502 risk assessment Methods 0.000 description 9
- 238000003066 decision tree Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000007477 logistic regression Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000004579 scanning voltage microscopy Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种应用于业务连续性管理平台的信息处理方法,在该方法中可以对模型管理界面、指标管理界面进行显示,基于目标对象对展示信息的操作,可以确定出对应的目标模型和目标指标,然后基于选定的目标模型和目标指标确定出目标信息,利用模型中的计算模式和指标的关联关系对目标信息进行计算,得到了目标报告。本发明中基于模型、指标和计算模式的可编辑性,以及对信息的自动化分析,简化了业务连续性管理平台的处理流程,使得处理过程更加高效,并且基于计算公式和人工智能算法的分析,使得计算结果更加客观,提升了计算结果的准确度。
Description
技术领域
本发明涉及信息处理技术领域,特别是涉及一种应用于业务连续性管理平台的信息处理方法及装置。
背景技术
业务连续性管理(Business Continuity Management,简称BCM),是一项综合管理流程,它使企业认识到潜在的危机和相关影响,制订响应、业务和连续性的恢复计划,其总体目标是为了提高企业的风险防范能力。业务连续性管理已从传统的人工咨询方式转变为平台化、自动化、智能化的管理方式。
但是,目前的业务连续性管理平台在信息处理过程中较为繁琐,需要用户频繁对信息进行输入或者验证,使得处理效率较低,并且每个平台的计算方式不同,使得计算结果没有客观的依据,降低了信息处理结果的准确性。
发明内容
针对于上述问题,本发明提供一种应用于业务连续性管理平台的信息处理方法及装置,实现了提升了信息处理的准确性和高效性。
为了实现上述目的,本发明提供了如下技术方案:
一种应用于业务连续性管理平台的信息处理方法,包括:
当检测到目标对象对模型标识的第一触发操作,响应于所述第一触发操作,展示模型管理界面;所述模型管理界面包括可编辑的模型信息,所述模型信息表征各个指标的关联关系和计算模式;
响应于目标对象对所述模型管理界面的第一操作,记录与所述第一操作相匹配的目标模型;
当检测到目标对象对指标标识的第二触发操作,响应于所述第二触发操作,展示指标管理界面;所述指标管理界面包括模型指标树、计算指标树和变量指标数;
响应于目标对象对所述指标管理界面的第二操作,记录与所述第二操作相匹配的目标指标;
当检测到目标对象对信息采集标识的第三触发操作,基于所述目标模型和所述目标指标,展示目标信息;
检测到目标对象对报告标识的第四触发操作,展示目标报告,所述目标报告为基于所述目标信息生成的报告,所述目标报告至少包括计算结果、图表信息、风险等级信息和业务计算结果。
可选地,所述响应于所述第一触发操作,展示模型管理界面,包括:
响应于所述第一触发操作,获取模型关联信息,所述模型关联信息包括模型展示信息、模型创建信息和模型编辑信息;
基于所述模型关联信息,生成与模型处理模型相匹配的模型子信息标识;
基于所述模型子信息标识,生成模型管理界面。
可选地,所述模型展示信息包括各个指标以及指标上下级关联关系和指标的计算模型。
可选地,所述检测到目标对象对报告标识的第四触发操作,展示目标报告,包括:
检测到目标对象对报告标识的第四触发,获取目标模型以及分析需求信息;
基于所述目标模型中的计算模式和分析需求信息,对所述目标信息进行计算,获得目标报告。
可选地,所述方法还包括:
响应于目标对象对所述目标报告的第五触发操作,对所述第五触发操作进行解析,获得与所述第五触发操作相匹配的报告展示内容;
展示所述报告展示内容。
可选地,所述目标报告包括风险等级信息,所述方法还包括:
基于预创建的预测模型,对所述目标信息进行预测,获得预测结果,所述预测模型为基于业务数据样本训练生成,具有将业务数据的预测结果趋近于业务数据实际的评估结果的能力;
将所述预测结果与风险等级条件进行匹配,获得风险等级信息。
可选地,所述基于所述目标模型和所述目标指标,展示目标信息,包括:
确定与所述目标模型和所述目标指标相匹配的信息题库;
响应于目标对象对所述信息题库中的题目进行编辑,获得目标题目,并将所述目标题目确定为目标信息进行展示。
可选地,所述方法还包括:
确定与所述目标题目对应的指标值;
基于所述指标值进行计算,得到计算结果。
可选地,所述业务计算结果包括经济损失计算结果、非经济损失计算结果、综合损失计算结果和风险计算结果。
一种应用于业务连续性管理平台的信息处理装置,包括:
第一展示单元,用于当检测到目标对象对模型标识的第一触发操作,响应于所述第一触发操作,展示模型管理界面;所述模型管理界面包括可编辑的模型信息,所述模型信息表征各个指标的关联关系和计算模式;
第一记录单元,用于响应于目标对象对所述模型管理界面的第一操作,记录与所述第一操作相匹配的目标模型;
第二展示单元,用于当检测到目标对象对指标标识的第二触发操作,响应于所述第二触发操作,展示指标管理界面;所述指标管理界面包括模型指标树、计算指标树和变量指标数;
第二记录单元,用于响应于目标对象对所述指标管理界面的第二操作,记录与所述第二操作相匹配的目标指标;
第三展示单元,用于当检测到目标对象对信息采集标识的第三触发操作,基于所述目标模型和所述目标指标,展示目标信息;
第四展示单元,用于检测到目标对象对报告标识的第四触发操作,展示目标报告,所述目标报告为基于所述目标信息生成的报告,所述目标报告至少包括计算结果、图表信息、风险等级信息和业务计算结果。
相较于现有技术,本发明提供了一种应用于业务连续性管理平台的信息处理方法及装置,在该方法中可以对模型管理界面、指标管理界面进行显示,基于目标对象对展示信息的操作,可以确定出对应的目标模型和目标指标,然后基于选定的目标模型和目标指标确定出目标信息,利用模型中的计算模式和指标的关联关系对目标信息进行计算,得到了目标报告。本发明中基于模型、指标和计算模式的可编辑性,以及对信息的自动化分析,简化了业务连续性管理平台的处理流程,使得处理过程更加高效,并且基于计算公式和人工智能算法的分析,使得计算结果更加客观,提升了计算结果的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种应用于业务连续性管理平台的信息处理方法的流程示意图;
图2为本发明实施例提供的一种业务影响模型指标智能分析分析总体流程图;
图3为本发明实施例提供的一种业务影响分析AI机器学习算法分析流程图;
图4为本发明实施例提供的一种应用于业务连续性管理平台的信息处理装置的结构示意图。
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。
本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象,而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有设定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
在本发明实施例中提供了一种应用于业务连续性管理平台的信息处理方法,业务连续性管理平台实现了对业务数据的分析和管理,在本发明实施例中的业务连续性管理平台具有可视化和人机交互的功能,即该业务连续性管理平台可以展示在进行信息处理过程中可能应用到的模型、指标、计算模式等相关界面,可以使得用户或者操作这对相关的模型、指标、计算模式进行选择和编辑,直至获得信息处理结果,其中,信息处理结果主要是以包括各种分析结果的报告形式为主,在该报告中会以图表、计算数据及结果、风险等级等信息呈现,使得报告的获得者能够更加便于理解结果信息。
参见图1,其示出了本发明实施例提供的一种应用于业务连续性管理平台的信息处理方法的流程示意图,该方法可以包括以下步骤:
S101、当检测到目标对象对模型标识的第一触发操作,响应于所述第一触发操作,展示模型管理界面。
S102、响应于目标对象对所述模型管理界面的第一操作,记录与所述第一操作相匹配的目标模型。
在本发明实施例中业务连续性管理平台具有可视化和交互性,所以当目标对象即该平台的使用者或者管理者,打开该平台对应的应用时或者登陆该平台时,则可以确定需要利用该平台进行相关信息的处理和分析,然后会展示该平台的主界面。在该平台的主界面中会包括若干个可选标识,每个标识对应的展示信息不同。需要说明的是,在本发明实施例第一触发操作、第二触发操作等中的第一和第二只是区分触发操作不同,可以是触发的动作不同,也可以是触发区域或者触发的标识不同等。其中,标识是指可进行触发操作的区域,例如,标识可以是以按钮的形式体现。
当目标对象对模型标识进行触发操作时,可以是目标对象点击了模型标识,例如,目标对象点击了业务连续性管理平台的导航栏上的模型管理按钮,这时界面会显示模型管理界面。所述模型管理界面包括可编辑的模型信息,所述模型信息表征各个指标的关联关系和计算模式。具体的,模型管理界面包含模型展示和创建模型及其编辑的相关按钮,可对模型下的各个指标及其上级关联进行图形化拖动编辑,由于模型管理界面还包括了计算模式,该计算模式表示了各个指标之间的计算关系,以及在某个计算公式的权重比例等。因此,用户也可以对计算模式进行编辑,即可以设置指标算法和比例,当用户编辑完毕或者未进行编辑而直接选定某个模型后,就会记录与执行编辑或者选定的第一操作对应的目标模型,然后将目标模型中包含的指标关系以及计算模式等进行同步记录。例如,当用户在对模型中的相关信息进行编辑后选择保存按钮后,会将指标的关联关系和属性信息保存到后台,这是对应的界面可以显示选定的目标模型及目标模型包括的一些信息,也可以将界面跳转到模型管理列表,用户也可以通过对模型管理列表进行相关模型的查看以及编辑。在本发明实施例中,模型管理界面中的模型是根据专业人士的行业经验制定业务影响分析自动计算的模型构建,是业务影响分析自动计算的根据。
S103、当检测到目标对象对指标标识的第二触发操作,响应于所述第二触发操作,展示指标管理界面。
S104、响应于目标对象对所述指标管理界面的第二操作,记录与所述第二操作相匹配的目标指标。
指标标识是针对指标管理界面的标识,也可以理解为实际应用中业务连续性管理平台中能够跳转至指标管理界面的按钮。当目标对象对该指标标识进行触发时,会跳转至指标管理界面,即当前显示界面展示的是指标管理界面。在展示了指标管理界面后,用户可以基于该指标管理界面中的指标进行相关操作,如选定、编辑等操作。具体的,所述指标管理界面包括模型指标树、计算指标树和变量指标数。模型指标树是指模型指标的上下级关系数据,并且可对各个模型指标的公式进行设置,公式由模型指标项和运算符号组合而成;计算指标树是计算指标的树型结构图,其表示关联数据;变量指标数是指关联到计算指标项的具体值。用户可以对模型指标整体管理和维护。
当用户对指标管理界面中的模型指标进行编辑时,可以触发相关的模型指标的标识,然后进行进一步编辑。例如,当用户点击需要编辑的模型指标时,可以在展示界面的一侧显示该模型指标的指标详情,选择计算指标或变量指标后,按正确的计算方式设置计算后,计算方式公式可以是固定套用,也可以是根据业务相关人员对实际业务确定,然后可以通过触发与保存对应的标识对编辑后的模型指标进行保存,也可以通过重置指标内容为原始内容。
需要说明的是,已被关联的模型指标不能编辑,已被关联的模型指标是已经被引用且存在级联关系的指标数据,不可修改编辑。指标项中计算指标为计算指标树中已存在的计算指标。计算方式要符合一般的数学计算方式,根据专业人员的行业经验制定业务影响分析自动计算的模型构建定义,符合计算规则,否则不能保存。
S105、当检测到目标对象对信息采集标识的第三触发操作,基于所述目标模型和所述目标指标,展示目标信息。
其中,展示的目标信息是为了能够采集到与目标模型和目标指标相匹配的数据,然后可以基于该数据生成对应的计算结果以及分析结果。在本发明实施例中目标信息可以是通过信息题库中的目标题目的形式进行展示。因此,在一种实施方式中,所述基于所述目标模型和所述目标指标,展示目标信息,包括:确定与所述目标模型和所述目标指标相匹配的信息题库;响应于目标对象对所述信息题库中的题目进行编辑,获得目标题目,并将所述目标题目确定为目标信息进行展示。
因此,在本发明实施例中的业务连续性管理平台中包括能够对问卷集-题库进行管理的界面。例如,用户可以点击业务连续性管理平台上方导航栏上的“问卷集管理-题库管理”可以进入题库管理列表页面。以展示所有的题目,当前主要用于用户整体维护题目,可以通过点击题库管理列表页面中的添加按钮,会跳转至新增题目页面,以用于新增题目。当输入正确内容后,可以通过点击确定按钮,保存新增题目,新增的题目会在题目管理列表中展示出来。也可以通过重置修改的数据重置为原始数据。
需要说明的是,在对题目进行编辑时,关键字和题干属于必填字段,通常会有字数限制。答案类型可选择单选和描述,即单选题和描述题目,计算指标为分析计算管理-指标管理中添加的计算指标。可以设置备注信息,也可以确定分值范围。在本发明实施例中,可以根据专业人士对题目中的相关指标进行赋值,即确定与目标题目对应的指标值,基于所述指标值进行计算,可以得到计算结果。
S106、检测到目标对象对报告标识的第四触发操作,展示目标报告。
所述目标报告为基于所述目标信息生成的报告,所述目标报告至少包括计算结果、图表信息、风险等级信息和业务计算结果。
本发明实施例提供了一种应用于业务连续性管理平台的信息处理方法,在该方法中可以对模型管理界面、指标管理界面进行显示,基于目标对象对展示信息的操作,可以确定出对应的目标模型和目标指标,然后基于选定的目标模型和目标指标确定出目标信息,利用模型中的计算模式和指标的关联关系对目标信息进行计算,得到了目标报告。本发明中基于模型、指标和计算模式的可编辑性,以及对信息的自动化分析,简化了业务连续性管理平台的处理流程,使得处理过程更加高效,并且基于计算公式和人工智能算法的分析,使得计算结果更加客观,提升了计算结果的准确度。
在本发明实施例的一种实施方式中,所述响应于所述第一触发操作,展示模型管理界面,包括:响应于所述第一触发操作,获取模型关联信息,所述模型关联信息包括模型展示信息、模型创建信息和模型编辑信息;基于所述模型关联信息,生成与模型处理模型相匹配的模型子信息标识;基于所述模型子信息标识,生成模型管理界面。通过该处理过程可以实现对模型的管理、编辑和创建。其中,模型展示信息包括各个指标以及指标上下级关联关系和指标的计算模型。
对应的,在本发明实施例中所述检测到目标对象对报告标识的第四触发操作,展示目标报告,包括:检测到目标对象对报告标识的第四触发,获取目标模型以及分析需求信息;基于所述目标模型中的计算模式和分析需求信息,对所述目标信息进行计算,获得目标报告。
其中,分析需求是指实际的业务需求,用户可以通过触发本发明实施例中的业务连续性管理平台的计划管理按钮,进入计划管理页面。然后展示所有的计划,例如,当前主要用于查看所有租户的计划。制定业务影响分析计划,明确分析范围、选择RTO、RPO模型和分析计算模型等。在分析范围关联问卷集合题库后由专业人士赋值后就可以为分析计算做好数据和计算公式的准备。其中,RTO(Recovery Time Object,复原时间目标)是指灾难发生后,从IT***当机导致业务停顿之时开始,到IT***恢复至可以支持各部门运作、恢复运营之时,此两点之间的时间段称为RTO。RPO(Recovery Point Object,恢复点目标)是指灾难发生后,容灾***能把数据恢复到灾难发生前时间点的数据。
在本发明实施例中,所述目标报告包括风险等级信息,所述方法还包括:基于预创建的预测模型,对所述目标信息进行预测,获得预测结果,所述预测模型为基于业务数据样本训练生成,具有将业务数据的预测结果趋近于业务数据实际的评估结果的能力;将所述预测结果与风险等级条件进行匹配,获得风险等级信息。其中,风险等级可以是综合损失和损失等级。
举例说明,将***中断产生的综合损失与损失等级进行匹配分析:
(1)如果***在中断48小时内产生的损失等级达到3级或以上,将会对公司或该***产生难以接受的影响,所以应控制***中断产生的损失等级在3级以下,确保损失等级在达到3级之前恢复***正常运行,即将最早达到损失等级为3级时所对应的中断时间定义为***的RTO。
(2)如果***在中断48小时时,产生的损失等级达未到3级的,由于产生的综合损失一般或可忽略,所以不对RTO做出具体要求,建议只做数据级灾备,各***可根据实际情况制定备份策略,但最低应满足《信息安全技术信息***灾难恢复规范》中对灾难恢复等级为1级的***的备份要求,即完全数据备份至少每周一次。
将***数据丢失产生的综合损失与损失等级进行匹配分析:
(1)如果***在数据丢失12小时内产生的损失等级达到3级或以上,将会对公司或该***产生难以接受的影响,所以应控制数据丢失产生的损失等级在3级以下,确保损失等级在达到3级之前***数据存储功能恢复正常,即将最早达到损失等级为3级时所对应的中断时间定义为***的RPO。
(2)如果***在数据丢失12小时时产生的损失等级达未到3级,由于产生的综合损失一般或可忽略,所以不对RPO做出具体要求,建议只做数据级灾备。各***可根据实际情况制定备份策略,但最低应满足《信息安全技术信息***灾难恢复规范》中对灾难恢复等级为1级的***的备份要求,即完全数据备份至少每周一次。
参见图2,其示出了本发明实施例提供了一种业务影响模型指标智能分析分析总体流程图。其中,该分析流程包括:当业务连续性管理平台中新增角色,该新增角色可以是服务用户还是专业人员,确定与新增角色对应的新增用户,然后生成新增审批流程,得到新增业务产生新增计划,在该平台上进行提交进行审批,若审批被驳回则会编辑计划。对应的,若审批通过会通过关联问卷,提交问卷并下发问卷,将问卷指派给专业人士,然后答题提交,并进行相关的复核,复审驳回会重新进行答题提交,若通过将通过专业的咨询师赋值,进行分析计算。并且根据计算或的结果判断是否重新处理,如果是,则会退回调整答题结果,也可以退回重新答题。如果不需要重新处理,则会生成报告或者报表,使得用户可以查看相关报告和报表。
在本发明实施例中通过模型指标智能AI分析算法,即通过人工智能算法,对RTO、RPO的计算推演和分析报告的生成,结合问卷调研数据和各模型指标数据的关联,集合训练数据的机器学习和分析,实现业务影响分析和风险评估工作。
为了应对复杂的业务影响分析场景,在编辑模型指标过程中,引入数学公式设置和AI(人工智能)分析算法,最大限度提升了业务影响分析预测和计算的准确和高效。对于模型指标和计算指标的管理,通过计算指标关联问卷题库,灵活后台设置模型指标计算公式,对RTO、RPO推演及其对指标结果按照公式计算得出计算分析报告。
在本发明实施例中可以基于预创建的预测模型,对所述目标信息进行预测,获得预测结果,所述预测模型为基于业务数据样本训练生成,具有将业务数据的预测结果趋近于业务数据实际的评估结果的能力。例如,对于RTO,RPO推演及其对指标结果预测,结合机器学习,采用决策树、逻辑回归、SVM等机器学习算法。参见图3,其示出了本发明实施例提供的业务影响分析AI机器学习算法分析流程图。可以通过对历史数据进行数据预处理得到标准数据,然后将标准数据划分为训练数据和测试数据,通过训练数据构建预测模型,然后判断构建的模型是否满足要求,如果是,可以基于该模型预测下一周指标获得分析评估预测结果,如果不满足要求,会重新调整预测模型的相关参数。其中,通过长期趋势、业务影响分析、风险分析来进行模型趋势分解,来确定构建的预测模型的预测范围。
具体的,支持向量机是扩展的线性分类器,线性分类器是用个超平面将不同类别的样本分开。结合MLlib Spark等技术。其主要思想是将低维空间的样本通过非线性变换映射到高维空间,从而将低维间的线性不可分问题转化为高维空间的线性可分问题。计算函数系数a*和b*,就可以确定这个超平面的方程:
逻辑回归(LogisticRegression)是回归分析的一种,主要用来做分类,适用于二分类问题,可以推广到多分类问题。主要工作为了求出回归系数,并建立方程,为后续新向量预测提供函数。
决策树的建立是基于样本的递归的学习过程,每个样本都是具有确定的属性的数据,决策树就是基于样本的各属性建立起来的。决策树分为根节点(信息增益最大的节点)、内部节点和叶节点从根节点出发,自顶向下,构建分支和内部节点,在内部节点进行属性值的比较,并根据属性的不同取值确定从该节点向下的分支,最终在叶节点给出类别。
MLlib Spark对常用的机器学习算法的实现库,同时包括的测试和数据生成器。Spark的设计初衷就是为了支持一些法代的Job,这正好符合很多机器学习算法的特点MLlib目前支持种常见的机器学习问题:分类、回归、聚类和协同过滤。
在本发明实施例中,该方法还包括:响应于目标对象对所述目标报告的第五触发操作,对所述第五触发操作进行解析,获得与所述第五触发操作相匹配的报告展示内容;展示所述报告展示内容。
目标报告中可能包括种类的信息,也包括不同的展现形式,可以基于用户触发的区域将用户选择的报告内容进行详细展示。
需要说明的是,在本发明实施例中的目标报告中的所述业务计算结果包括经济损失计算结果、非经济损失计算结果、综合损失计算结果和风险计算结果。
具体的,经济损失计算可以参考如下的计算公式进行计算:
***中断导致的直接经济损失(万元)=【年交易额(万元)/(365*24)】*中断时长(小时)*刷卡手续费;
数据丢失导致的直接经济损失(万元)=【年交易额(万元)/(365*24*60)】*数据丢失时长(分钟)。
需要说明的是,交易额越大,造成的经济损失越大。
非经济损失计算可以参考如下的计算公式进行计算:
***中断非经济损失=SQRT(影响范围*影响程度)*时长基数;
影响范围=(使用***的银行规模分值*10%+使用***的银行数量分值*10%+***的业务量分值*80%);
影响程度=(是否影响持卡人资金安全分值*10%+是否业务时效性要求较高分值*60%+监管和声誉影响分值*30%);
数据丢失非经济损失=SQRT(影响范围*影响程度)*时长基数;
影响范围=(使用***的银行规模分值*10%+使用***的银行数量分值*10%+***的业务量分值*80%);
影响程度=(是否影响持卡人资金安全分值*40%+是否业务时效性要求较高分值*20%+监管和声誉影响分值*20%+业务开展对历史数据的依赖程度分值*20%)。
综合损失计算可以采用如下计算公式计算:
综合损失=经济损失*0.2+非经济损失*0.8。
其中,达到重大级别的最小区域为该***对应的RTO和RPO值。
风险计算可以采用的计算方法如下:
首先针对每类资产识别出所面临的主要威胁(取该资产所面临的最严重的三种威胁),在结合该类资产的“综合脆弱性”,对风险进行计算,然后根据计算得出的数据对风险进行分级。
本次风险分析采用通用的开平方计算方法,同时为使分析结果有可比较性,优化了其中威胁、脆弱性的计算方法,具体的计算方法如下:
首先根据威胁事件发生概率与资源的脆弱程度计算风险发生的可能性,结合风险评估的相关应用的计算公式为:
然后,根据资源的价值与资源的脆弱程度计算出风险的影响程度,计算公式为:
最后,根据风险发生的可能性和影响程度计算出风险值,计算公式为:
结合控制措施有效性后,得出控制后可能性,控制后影响程度,最后算出残余风险值,计算公式如下:
需要说明的是,在本发明实施例中各个公式的具体形式仅是举例说明,可以结合具体的应用场景进行调整,本发明对此不进行限制。
在本发明实施例中业务连续性管理平台,会预先将专业人员的分析经验转换为可持续使用的业务连续性库,并同步完成了BIA(业务影响分析)、RA(风险评估)相关数据采集、分析计算工作完全可以通过该平台完成。需求分析计算自动完成,用户只需要填入原始数据,计算结果和报表生成自动化展现。在信息处理过程中分析计算根据公式和AI分析算法实现,大大提高了计算结果的准确性和高效性。以模型指标的形式,结合机器学***台下业务影响分析和风险分析。其中,模型指标智能AI分析算法实现业务影响分析,实现以下工作目标:识别企业的重要业务;确定业务的恢复优先级和恢复顺序;确定业务的恢复时间目标(RTO)和恢复点目标(RPO;确定应用***的恢复时间目标(RTO)和恢复点目标(RPO);确定应用***的恢复优先级;确定业务恢复所需的关键资源。并且通过模型指标智能AI分析算法实现风险评估工作,完成以下目标:依据风险分析范围,识别关键资产并做重要性赋值;识别关键资源所面临的各类威胁;识别威胁利用脆弱性后可能造成的影响;识别关键资源本身的脆弱性;识别威胁利用脆弱性的可能性;采用定性或定量方法分析风险发生的可能性;评价关键资源面临的风险大小或风险等级,提出风险控制策略;识别残余风险。
参见图4,本发明实施例提供了一种应用于业务连续性管理平台的信息处理装置,包括:
第一展示单元10,用于当检测到目标对象对模型标识的第一触发操作,响应于所述第一触发操作,展示模型管理界面;所述模型管理界面包括可编辑的模型信息,所述模型信息表征各个指标的关联关系和计算模式;
第一记录单元20,用于响应于目标对象对所述模型管理界面的第一操作,记录与所述第一操作相匹配的目标模型;
第二展示单元30,用于当检测到目标对象对指标标识的第二触发操作,响应于所述第二触发操作,展示指标管理界面;所述指标管理界面包括模型指标树、计算指标树和变量指标数;
第二记录单元40,用于响应于目标对象对所述指标管理界面的第二操作,记录与所述第二操作相匹配的目标指标;
第三展示单元50,用于当检测到目标对象对信息采集标识的第三触发操作,基于所述目标模型和所述目标指标,展示目标信息;
第四展示单元60,用于检测到目标对象对报告标识的第四触发操作,展示目标报告,所述目标报告为基于所述目标信息生成的报告,所述目标报告至少包括计算结果、图表信息、风险等级信息和业务计算结果。
可选的,所述第一展示单元包括:
第一获取子单元,用于响应于所述第一触发操作,获取模型关联信息,所述模型关联信息包括模型展示信息、模型创建信息和模型编辑信息;
第一生成子单元,用于基于所述模型关联信息,生成与模型处理模型相匹配的模型子信息标识;
第二生成子单元,用于基于所述模型子信息标识,生成模型管理界面。
进一步的,所述模型展示信息包括各个指标以及指标上下级关联关系和指标的计算模型。
在上述实施例的基础上,所述第四展示单元包括:
第二获取子单元,用于检测到目标对象对报告标识的第四触发,获取目标模型以及分析需求信息;
第一计算子单元,用于基于所述目标模型中的计算模式和分析需求信息,对所述目标信息进行计算,获得目标报告。
在上述实施例的基础上,所述装置还包括:
解析单元,用于响应于目标对象对所述目标报告的第五触发操作,对所述第五触发操作进行解析,获得与所述第五触发操作相匹配的报告展示内容;
第五展示单元,用于展示所述报告展示内容。
进一步的,所述目标报告包括风险等级信息,所述装置还包括:
预测单元,用于基于预创建的预测模型,对所述目标信息进行预测,获得预测结果,所述预测模型为基于业务数据样本训练生成,具有将业务数据的预测结果趋近于业务数据实际的评估结果的能力;
匹配单元,用于将所述预测结果与风险等级条件进行匹配,获得风险等级信息。
进一步的,所述第三展示单元包括:
第一确定子单元,用于确定与所述目标模型和所述目标指标相匹配的信息题库;
第三获取子单元,用于响应于目标对象对所述信息题库中的题目进行编辑,获得目标题目,并将所述目标题目确定为目标信息进行展示。
在上述实施例的基础上,所述装置还包括:
指标值确定单元,用于确定与所述目标题目对应的指标值;
计算单元,用于基于所述指标值进行计算,得到计算结果。
进一步的,所述业务计算结果包括经济损失计算结果、非经济损失计算结果、综合损失计算结果和风险计算结果。
基于前述实施例,本申请的实施例提供一种计算机可读存储介质,计算机可读存储介质存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,以实现如上任一项的应用于业务连续性管理平台的信息处理方法的步骤。
本发明实施例还提供了一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现的应用于业务连续性管理平台的信息处理方法的步骤。
本发明实施例中提供的信息处理方法、装置、计算机可读存储介质以及电子设备均是应用于业务连续性管理平台上,其具体结构可以基于实际需求进行调整。
需要说明的是,上述处理器或CPU可以为特定用途集成电路(ApplicationSpecific Integrated Circuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、数字信号处理装置(Digital Signal Processing Device,DSPD)、可编程逻辑装置(Programmable Logic Device,PLD)、现场可编程门阵列(Field Programmable GateArray,FPGA)、中央处理器(CentralProcessing Unit,CPU)、控制器、微控制器、微处理器中的至少一种。可以理解地,实现上述处理器功能的电子器件还可以为其它,本申请实施例不作具体限定。
需要说明的是,上述计算机存储介质/存储器可以是只读存储器(ReadOnlyMemory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory,FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CompactDisc Read-Only Memory,CD-ROM)等存储器;也可以是包括上述存储器之一或任意组合的各种终端,如移动电话、计算机、平板设备、个人数字助理等。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理模块中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请所提供的几个方法实施例中所揭露的方法,在不冲突的情况下可以任意组合,得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的方法实施例或设备实施例。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种应用于业务连续性管理平台的信息处理方法,其特征在于,包括:
当检测到目标对象对模型标识的第一触发操作,响应于所述第一触发操作,展示模型管理界面;所述模型管理界面包括可编辑的模型信息,所述模型信息表征各个指标的关联关系和计算模式;
响应于目标对象对所述模型管理界面的第一操作,记录与所述第一操作相匹配的目标模型;
当检测到目标对象对指标标识的第二触发操作,响应于所述第二触发操作,展示指标管理界面;所述指标管理界面包括模型指标树、计算指标树和变量指标数;
响应于目标对象对所述指标管理界面的第二操作,记录与所述第二操作相匹配的目标指标;
当检测到目标对象对信息采集标识的第三触发操作,基于所述目标模型和所述目标指标,展示目标信息;
检测到目标对象对报告标识的第四触发操作,展示目标报告,所述目标报告为基于所述目标信息生成的报告,所述目标报告至少包括计算结果、图表信息、风险等级信息和业务计算结果。
2.根据权利要求1所述的方法,其特征在于,所述响应于所述第一触发操作,展示模型管理界面,包括:
响应于所述第一触发操作,获取模型关联信息,所述模型关联信息包括模型展示信息、模型创建信息和模型编辑信息;
基于所述模型关联信息,生成与模型处理模型相匹配的模型子信息标识;
基于所述模型子信息标识,生成模型管理界面。
3.根据权利要求2所述的方法,其特征在于,所述模型展示信息包括各个指标以及指标上下级关联关系和指标的计算模型。
4.根据权利要求1所述的方法,其特征在于,所述检测到目标对象对报告标识的第四触发操作,展示目标报告,包括:
检测到目标对象对报告标识的第四触发,获取目标模型以及分析需求信息;
基于所述目标模型中的计算模式和分析需求信息,对所述目标信息进行计算,获得目标报告。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于目标对象对所述目标报告的第五触发操作,对所述第五触发操作进行解析,获得与所述第五触发操作相匹配的报告展示内容;
展示所述报告展示内容。
6.根据权利要求1所述的方法,其特征在于,所述目标报告包括风险等级信息,所述方法还包括:
基于预创建的预测模型,对所述目标信息进行预测,获得预测结果,所述预测模型为基于业务数据样本训练生成,具有将业务数据的预测结果趋近于业务数据实际的评估结果的能力;
将所述预测结果与风险等级条件进行匹配,获得风险等级信息。
7.根据权利要求1所述的方法,其特征在于,所述基于所述目标模型和所述目标指标,展示目标信息,包括:
确定与所述目标模型和所述目标指标相匹配的信息题库;
响应于目标对象对所述信息题库中的题目进行编辑,获得目标题目,并将所述目标题目确定为目标信息进行展示。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
确定与所述目标题目对应的指标值;
基于所述指标值进行计算,得到计算结果。
9.根据权利要求1所述的方法,其特征在于,所述业务计算结果包括经济损失计算结果、非经济损失计算结果、综合损失计算结果和风险计算结果。
10.一种应用于业务连续性管理平台的信息处理装置,其特征在于,包括:
第一展示单元,用于当检测到目标对象对模型标识的第一触发操作,响应于所述第一触发操作,展示模型管理界面;所述模型管理界面包括可编辑的模型信息,所述模型信息表征各个指标的关联关系和计算模式;
第一记录单元,用于响应于目标对象对所述模型管理界面的第一操作,记录与所述第一操作相匹配的目标模型;
第二展示单元,用于当检测到目标对象对指标标识的第二触发操作,响应于所述第二触发操作,展示指标管理界面;所述指标管理界面包括模型指标树、计算指标树和变量指标数;
第二记录单元,用于响应于目标对象对所述指标管理界面的第二操作,记录与所述第二操作相匹配的目标指标;
第三展示单元,用于当检测到目标对象对信息采集标识的第三触发操作,基于所述目标模型和所述目标指标,展示目标信息;
第四展示单元,用于检测到目标对象对报告标识的第四触发操作,展示目标报告,所述目标报告为基于所述目标信息生成的报告,所述目标报告至少包括计算结果、图表信息、风险等级信息和业务计算结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110637953.9A CN113361778A (zh) | 2021-06-08 | 2021-06-08 | 应用于业务连续性管理平台的信息处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110637953.9A CN113361778A (zh) | 2021-06-08 | 2021-06-08 | 应用于业务连续性管理平台的信息处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113361778A true CN113361778A (zh) | 2021-09-07 |
Family
ID=77533254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110637953.9A Withdrawn CN113361778A (zh) | 2021-06-08 | 2021-06-08 | 应用于业务连续性管理平台的信息处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113361778A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115203277A (zh) * | 2022-09-19 | 2022-10-18 | 北京必盈特信息技术有限公司 | 数据决策方法及装置 |
CN117610505A (zh) * | 2023-11-24 | 2024-02-27 | 中国人民解放军军事科学院***工程研究院 | 一种基于标准模型的数据处理方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921433A (zh) * | 2018-07-04 | 2018-11-30 | 大连和捷科技有限公司 | 基于业务连续性的风险定量分析*** |
CN109801003A (zh) * | 2019-03-18 | 2019-05-24 | 关继铮 | 一种基于ahp的业务影响分析方法 |
CN110310191A (zh) * | 2018-03-20 | 2019-10-08 | 石言 | 用于数据分析、风险管理和自动合规的分布式计算机框架 |
CN111079387A (zh) * | 2019-11-29 | 2020-04-28 | 华中师范大学 | 一种问卷自动化生成方法、装置、计算机设备及存储介质 |
CN111340404A (zh) * | 2020-05-19 | 2020-06-26 | 腾讯科技(深圳)有限公司 | 构建指标体系的方法、装置及计算机存储介质 |
CN111984882A (zh) * | 2019-05-22 | 2020-11-24 | 阿里巴巴集团控股有限公司 | 数据处理方法、***及设备 |
CN112491608A (zh) * | 2020-11-24 | 2021-03-12 | 中国建设银行股份有限公司 | 一种灾备方案的确定方法、装置、设备及存储介质 |
CN112541692A (zh) * | 2020-12-21 | 2021-03-23 | 中国医学科学院医学信息研究所 | 科学数据管理计划生成方法及装置 |
CN112667696A (zh) * | 2020-12-30 | 2021-04-16 | 深圳市华傲数据技术有限公司 | 数据处理方法、设备及存储介质 |
CN112800117A (zh) * | 2021-02-02 | 2021-05-14 | 杨春成 | 一种信息融合显示应用的自动生成*** |
CN112817964A (zh) * | 2019-11-15 | 2021-05-18 | 广东电网有限责任公司云浮供电局 | 一种基于流程机器人的指标看板设计与开发*** |
-
2021
- 2021-06-08 CN CN202110637953.9A patent/CN113361778A/zh not_active Withdrawn
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110310191A (zh) * | 2018-03-20 | 2019-10-08 | 石言 | 用于数据分析、风险管理和自动合规的分布式计算机框架 |
CN108921433A (zh) * | 2018-07-04 | 2018-11-30 | 大连和捷科技有限公司 | 基于业务连续性的风险定量分析*** |
CN109801003A (zh) * | 2019-03-18 | 2019-05-24 | 关继铮 | 一种基于ahp的业务影响分析方法 |
CN111984882A (zh) * | 2019-05-22 | 2020-11-24 | 阿里巴巴集团控股有限公司 | 数据处理方法、***及设备 |
CN112817964A (zh) * | 2019-11-15 | 2021-05-18 | 广东电网有限责任公司云浮供电局 | 一种基于流程机器人的指标看板设计与开发*** |
CN111079387A (zh) * | 2019-11-29 | 2020-04-28 | 华中师范大学 | 一种问卷自动化生成方法、装置、计算机设备及存储介质 |
CN111340404A (zh) * | 2020-05-19 | 2020-06-26 | 腾讯科技(深圳)有限公司 | 构建指标体系的方法、装置及计算机存储介质 |
CN112491608A (zh) * | 2020-11-24 | 2021-03-12 | 中国建设银行股份有限公司 | 一种灾备方案的确定方法、装置、设备及存储介质 |
CN112541692A (zh) * | 2020-12-21 | 2021-03-23 | 中国医学科学院医学信息研究所 | 科学数据管理计划生成方法及装置 |
CN112667696A (zh) * | 2020-12-30 | 2021-04-16 | 深圳市华傲数据技术有限公司 | 数据处理方法、设备及存储介质 |
CN112800117A (zh) * | 2021-02-02 | 2021-05-14 | 杨春成 | 一种信息融合显示应用的自动生成*** |
Non-Patent Citations (1)
Title |
---|
王皓: ""基于组合权重分析的税务风险管理***的设计与实现"", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 4, pages 138 - 1163 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115203277A (zh) * | 2022-09-19 | 2022-10-18 | 北京必盈特信息技术有限公司 | 数据决策方法及装置 |
CN115203277B (zh) * | 2022-09-19 | 2023-01-06 | 北京必盈特信息技术有限公司 | 数据决策方法及装置 |
CN117610505A (zh) * | 2023-11-24 | 2024-02-27 | 中国人民解放军军事科学院***工程研究院 | 一种基于标准模型的数据处理方法及装置 |
CN117610505B (zh) * | 2023-11-24 | 2024-05-10 | 中国人民解放军军事科学院***工程研究院 | 一种基于标准模型的数据处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11928733B2 (en) | Systems and user interfaces for holistic, data-driven investigation of bad actor behavior based on clustering and scoring of related data | |
CN103294592B (zh) | 利用用户工具交互来自动分析其服务交付中的缺陷的方法与*** | |
US7167838B1 (en) | Security analyst estimates performance viewing system and method | |
US7539637B2 (en) | Security analyst estimates performance viewing system and method | |
US7149716B2 (en) | Security analyst estimates performance viewing system and method | |
KR100914307B1 (ko) | 신용 위험 모형 구축 시스템, 신용 위험 모형 구축을 통한 신용 위험 관리 방법 및 이를 기록한 기록매체 | |
US20150332184A1 (en) | Application Risk and Control Assessment | |
CN113361778A (zh) | 应用于业务连续性管理平台的信息处理方法及装置 | |
CN111815207B (zh) | 一种针对供应链金融的风险定量评估方法 | |
US20210056213A1 (en) | Quantifiying privacy impact | |
AU2012216489A1 (en) | Social based automatic trading of currencies, commodities, securities and other financial instruments | |
CN111179051A (zh) | 金融目标客户确定方法、装置及电子设备 | |
CN110675078A (zh) | 上市公司风险诊断方法、***、计算机终端及存储介质 | |
KR20160003262A (ko) | 연체가 있는 사업체의 확률 계산 | |
CN115049137A (zh) | 交易收益率的预测方法及装置、存储介质、电子设备 | |
CN114092230A (zh) | 一种数据处理方法、装置、电子设备及计算机可读介质 | |
CN113609011A (zh) | 一种保险产品工厂的测试方法、装置、介质和设备 | |
CN116578499A (zh) | 公共组件功能变更影响的智能化分析测试方法及其*** | |
CN116228402A (zh) | 一种金融征信特征仓库技术支持*** | |
CN115713345A (zh) | 变量筛选方法、装置、非易失性存储介质及处理器 | |
CN113052604A (zh) | 一种对象检测方法、装置、设备及存储介质 | |
US20200342302A1 (en) | Cognitive forecasting | |
CN110766544A (zh) | 信用风险的检测方法及装置、存储介质、电子装置 | |
Yeh et al. | Predicting failure of P2P lending platforms through machine learning: The case in China | |
CN114723570B (zh) | 农险风险监测方法、装置、存储介质及计算机设备 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210907 |