CN115860679B - 一种基于大数据的企业项目数据管理***及方法 - Google Patents

Abstract

本发明涉及项目管理技术领域，具体为一种基于大数据的企业项目数据管理***及方法，所述***包括工期风险分析模块，所述工期风险分析模块根据历史数据分析不同项目中各个项目节点之间的关联性，结合关联的各个项目节点分别对应的工作量，得到待测企业项目中不同项目节点对应的工期风险值。本发明不仅对企业项目中的项目文件及每个项目文件对应的预置工期进行管理，还考虑到项目文件的工期变化对后续项目工期的影响，及项目执行过程中的自调节能力，进而实现对企业项目的工期综合时长进行准确预测，判断项目执行过程中所需工期相对于预设工期的差异情况，并实现对项目进度的有效管控。

Description

一种基于大数据的企业项目数据管理***及方法

技术领域

本发明涉及项目管理技术领域，具体为一种基于大数据的企业项目数据管理***及方法。

背景技术

目前企业在执行项目时，会提前对项目不同进度时对应的工期进行规划，进而便于对项目执行进度进行监管，通过该监管方式能够提前判断项目进度的执行状态，确保企业项目的顺利进行，实现对企业项目的有效管理。

当前现有的基于大数据的企业项目数据管理***中，只是简单地对企业项目中的项目文件及每个项目文件对应的预置工期进行管理，当每个项目文件对应的实际工期大于预置工期时，则进行预警，但并未考虑到该项目文件的工期变化对后续项目工期的影响，没有考虑到项目执行过程中的自调节能力(当前期的项目进度对应工期拖延时，则后续的项目进度会出现赶工的情况，适当追赶后续的项目进度，实现对项目的自身的调节)。

发明内容

本发明的目的在于提供一种基于大数据的企业项目数据管理***及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的企业项目数据管理方法，所述方法包括以下步骤：

S1、获取待测企业项目对应的项目文件及每个项目文件相应的工作量，并按项目功能将企业项目文件划分成不同类别，将每个类别中的每个项目文件作为一个项目节点，将第m个类别中第n个项目文件对应的项目节点记为Bmn，将第m个类别中第n个项目节点对应的工作量记为Amn，默认不同项目对应项目文件的个数相同，且不同项目中同一种项目文件对应的工作量不同；

S2、根据历史数据分析不同项目中各个项目节点之间的关联性，结合关联的各个项目节点分别对应的工作量，得到待测企业项目中不同项目节点对应的工期风险值；

S3、将待测企业项目的开启时间至当前时间对应的时长记为第一时长，获取当前时间待测企业项目中各个项目文件对应的完成进度，并根据所得项目进度完成情况，结合未完成进度中项目文件对应的项目节点相应的工期风险值，得到未完成进度中所有项目节点对应的综合风险工期的第一预测值；

S4、获取历史数据库中待测企业项目中各个项目节点对应的预设工期值，并得到未完成进度中所有项目节点对应的综合风险工期的第二预测值；

S5、根据第一时长、S3及S4中的分析结果，得到待测企业项目的工期综合时长，并根据待测企业项目的工期综合时长，对待测企业项目的进度进行管控。

进一步的，所述S2中得到待测企业项目中不同项目节点对应的工期风险值的方法包括以下步骤：

S21、对历史数据中每个项目内不同项目节点之间的调用关系，判定同一项目中存在调用关系的两个项目节点存在关联性，将历史数据中的项目总个数记为i1，将历史数据第i个项目中为Bmn对应的项目节点内调用的各个项目节点，并将所得各个项目节点构成的集合作为第i个项目中Bmn对应的节点关联集，记为PiBmn，1≤i≤i1；

S22、计算1≤i≤i1时，历史数据中各个项目中Bmn对应的节点关联集的并集，记为PBmn，所述PBmn＝P1Bmn∪P2Bmn∪...∪PiBmn∪...∪Pi1Bmn，其中，P1Bmn表示历史数据中第1个项目中Bmn对应的节点关联集，P2Bmn表示历史数据中第2个项目中Bmn对应的节点关联集，Pi1Bmn表示历史数据中第i1个项目中Bmn对应的节点关联集；

S23、得到PBmn中各个元素对应项目节点相应的关联系数，将PBmn中第j个元素对应项目节点相应的关联系数，记为Q_(j，PBmn)，其中

且C{(j，PBmn)，PiBmn}表示PBmn中第j个元素对应项目节点与PiBmn之间的关联值，

当PBmn中第j个元素对应项目节点属于PiBmn时，则判定C{(j，PBmn)，PiBmn}＝1，

当PBmn中第j个元素对应项目节点不属于PiBmn时，则判定C{(j，PBmn)，PiBmn}＝0；

S24、获取PBmn中第j个元素对应项目节点在历史数据各个项目内分别对应工作量的平均值，记为A1_(j，PBmn)；

S25、得到待测企业项目中不同项目节点对应的工期风险值，将待测企业项目中项目节点Bmn对应的工期风险值记为D_Bmn，

其中，j1表示PBmn中的元素总个数，r1表示风险系数且r1为数据库中预置的常数。

本发明默认每个项目对应的文件类型及文件个数相同，只是每个项目文件的内容及其对应的工作量存在差异；本发明S2中得到待测企业项目中不同项目节点对应的工期风险值时，考虑到不同项目节点在执行过程中受需调用的项目节点个数及需调用项目节点的工作量影响，需调用的项目节点个数越多且需调用项目节点的工作量越大，则相应项目节点的工期风险值越大，受到需调用的项目节点的干扰情况越严重。

进一步的，所述S3中得到未完成进度中所有项目节点对应的综合风险工期的第一预测值的方法包括以下步骤：

S31、获取待测企业项目的开启时间至当前时间对应的时长记为第一时长，记为t1，获取当前时间待测企业项目中已完成的各个项目文件分别对应的项目节点、未完成的项目文件分别对应的项目节点及历史数据库中待测企业项目中各个项目节点对应的预设工期值，

将历史数据库中待测企业项目内项目节点Bmn对应的预设工期值记为TBmn，将当前时间待测企业项目中已完成的各个项目文件分别对应的项目节点相应的预设工期值之和记为T1，将待测企业项目中未完成的项目文件分别对应的项目节点相应的预设工期值之和记为T2；

S32、计算当T2≠0时，当前时间对应的未完成进度的工期宽松度GT1，所述GT1＝(T1+T2-t1)/T2；

S33、获取历史数据库中每个项目在不同完成进度过程中，未完成进度的工期宽松度GT1时，工期风险值不同的项目节点对应的实际完成工期与相应的预设工期值之间的比值，将未完成进度的工期宽松度GT1时，后续项目节点中工期风险值为x的项目节点对应的实际完成工期与相应的预设工期值之间比值的平均值记为Ux，得到未完成进度的工期宽松度为GT1时相应的第一工期宽松度数据对(x，Ux)；

S34、以o为原点、以工期风险值为x轴，且以项目节点对应的实际完成工期与相应的预设工期值之间比值的平均值为y轴构建平面直角坐标系，在平面直角坐标系中，将未完成进度的工期宽松度为GT1时对应的各个第一工期宽松度数据对相应的坐标点进行标记，并通过Mathematica软件根据函数模型y＝g1*logsig(g2*x+g3)+g4对平面直角坐标系中标记的坐标点进行拟合，得到未完成进度的工期宽松度GT1时，x与Ux之间的关系函数F_GT1(x)，所述g1、g2、g3及g4均为函数模型的系数；

S35、得到未完成进度中所有项目节点对应的综合风险工期的第一预测值TZ，

其中，h1表示待测企业项目中未完成进度中的项目文件总个数，TB_h表示待测企业项目中未完成进度中第h个项目文件对应项目节点相应的工期风险值，T2_h表示待测企业项目中未完成进度中第h个项目文件对应项目节点相应的预设工期值，F_GT1(TB_h)*T2_h表示待测企业项目中未完成进度中第h个项目文件对应项目节点相应的风险工期预测值。

本发明S3中得到未完成进度中所有项目节点对应的综合风险工期的第一预测值的过程中，考虑到待测企业项目从开始执行时间至当前时间之间的时间段内是已经发生，产生的是实际且准确的数据，进而该时间段内的数据不需要进行预测，进而只需要对未完成的项目进度对应的时间进行预测即可；引入工期宽松度概念，是考虑到项目在自适应调节的过程中，项目风险值(关联的项目节点个数及项目节点对应的工作量)越大，则后续自适应调节过程中，项目调节后所需的工期时间越长，则相应进度的工期宽松度越大；未完成进度中所有项目节点对应的综合风险工期的第一预测值为后续过程中得到待测企业项目的工期综合时长提供了数据参照。

进一步的，所述S4中得到未完成进度中所有项目节点对应的综合风险工期的第二预测值的方法包括以下步骤：

S41、获取t1及待测企业项目中未完成进度中第h个项目文件对应项目节点相应的风险工期预测值F_GT1(TB_h)*T2_h，且1≤h≤h1；

S42、分别计算h2为不同值时，各个h2分别对应的

中的最大值，记为TL，h2∈[1，h1]，当h2＝1时，判定/>

S43、获取历史数据中每个项目在不同完成进度的过程中，完成相应进度实际对应的工期与预先计划的工期之间差值的最大值，记为相应项目对应的最大工期执行偏差值，完成相应进度实际对应的工期等于完成的相应进度中各个项目节点对应的实际完成工期之和，完成相应进度预先计划的工期等于完成的相应进度中各个项目节点对应的预设工期值之和；

S44、选取历史数据中最大工期执行偏差值与TL-T2差值的绝对值小于等于第一预设值的各个项目，并计算选取的各个项目分别对应的最终工期执行偏差值的平均值，记为第一偏差值Tp，最终工期执行偏差值表示每个项目中完成项目所有进度对应的实际工期与预设工期的差值，所述第一预设值为数据库中预置的常数；

S45、得到未完成进度中所有项目节点对应的综合风险工期的第二预测值T2+(Tp-t1)。

进一步的，所述S5中得到待测企业项目的工期综合时长的方法包括以下步骤：

S51、获取第一时长t1、TZ及T2+(Tp-t1)；

S52、得到待测企业项目的工期综合时长t1+max{TZ，T2+(Tp-t1)}，

其中，max{TZ，T2+(Tp-t1)}表示TZ与T2+(Tp-t1)中的最大值。

进一步的，所述S5中对待测企业项目的进度进行管控时，获取待测企业项目的工期综合时长减去待测企业项目中所有项目节点对应的预设工期值的和，

当所得的差大于等于第二预设值时，则判定待测企业项目的进度执行状态异常，并向管理员进行预警，

当所得的差小于第二预设值时，则判定待测企业项目的进度执行状态正常，无需向管理员进行预警，

所述第二预设值为数据库中预置的常数。

一种基于大数据的企业项目数据管理***，所述***包括以下模块：

项目信息获取模块，所述项目信息获取模块获取待测企业项目对应的项目文件及每个项目文件相应的工作量，并按项目功能将企业项目文件划分成不同类别，将每个类别中的每个项目文件作为一个项目节点；

工期风险分析模块，所述工期风险分析模块根据历史数据分析不同项目中各个项目节点之间的关联性，结合关联的各个项目节点分别对应的工作量，得到待测企业项目中不同项目节点对应的工期风险值；

风险第一预测模块，所述风险第一预测模块将待测企业项目的开启时间至当前时间对应的时长记为第一时长，获取当前时间待测企业项目中各个项目文件对应的完成进度，并根据所得项目进度完成情况，结合未完成进度中项目文件对应的项目节点相应的工期风险值，得到未完成进度中所有项目节点对应的综合风险工期的第一预测值；

风险第二预测模块，所述风险第二预测模块获取历史数据库中待测企业项目中各个项目节点对应的预设工期值，并得到未完成进度中所有项目节点对应的综合风险工期的第二预测值；

项目管控模块，所述项目管控模块根据第一时长、风险第一预测模块及风险第二预测模块中的分析结果，得到待测企业项目的工期综合时长，并根据待测企业项目的工期综合时长，对待测企业项目的进度进行管控。

进一步的，所述项目信息获取模块将第m个类别中第n个项目文件对应的项目节点记为Bmn，将第m个类别中第n个项目节点对应的工作量记为Amn，默认不同项目对应项目文件的个数相同，且不同项目中同一种项目文件对应的工作量不同。

与现有技术相比，本发明所达到的有益效果是：本发明不仅对企业项目中的项目文件及每个项目文件对应的预置工期进行管理，还考虑到项目文件的工期变化对后续项目工期的影响，及项目执行过程中的自调节能力，进而实现对企业项目的工期综合时长进行准确预测，判断项目执行过程中所需工期相对于预设工期的差异情况，并实现对项目进度的有效管控。

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是本发明一种基于大数据的企业项目数据管理***的结构示意图；

图2是本发明一种基于大数据的企业项目数据管理方法的流程示意图。

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。

请参阅图1-图2，本发明提供技术方案：一种基于大数据的企业项目数据管理方法，所述方法包括以下步骤：

S1、获取待测企业项目对应的项目文件及每个项目文件相应的工作量，并按项目功能将企业项目文件划分成不同类别，将每个类别中的每个项目文件作为一个项目节点，将第m个类别中第n个项目文件对应的项目节点记为Bmn，将第m个类别中第n个项目节点对应的工作量记为Amn，默认不同项目对应项目文件的个数相同，且不同项目中同一种项目文件对应的工作量不同；

本实施例中不同类别分别对应的项目节点个数是存在差异的；

S2、根据历史数据分析不同项目中各个项目节点之间的关联性，结合关联的各个项目节点分别对应的工作量，得到待测企业项目中不同项目节点对应的工期风险值；

所述S2中得到待测企业项目中不同项目节点对应的工期风险值的方法包括以下步骤：

S21、对历史数据中每个项目内不同项目节点之间的调用关系，判定同一项目中存在调用关系的两个项目节点存在关联性，将历史数据中的项目总个数记为i1，将历史数据第i个项目中为Bmn对应的项目节点内调用的各个项目节点，并将所得各个项目节点构成的集合作为第i个项目中Bmn对应的节点关联集，记为PiBmn，1≤i≤i1；

S22、计算1≤i≤i1时，历史数据中各个项目中Bmn对应的节点关联集的并集，记为PBmn，所述PBmn＝P1Bmn∪P2Bmn∪...∪PiBmn∪...∪Pi1Bmn，其中，P1Bmn表示历史数据中第1个项目中Bmn对应的节点关联集，P2Bmn表示历史数据中第2个项目中Bmn对应的节点关联集，Pi1Bmn表示历史数据中第i1个项目中Bmn对应的节点关联集；

本实施例中若历史数据的第一个项目中项目节点M对应的项目节点为M₁1、M₁2及M₁3，则第一个项目中项目节点M对应的节点关联集的并集为{M₁1，M₁2，M₁3}；

若历史数据的第二个项目中项目节点M对应的项目节点为M₂1、M₂2及M₂3，则第二个项目中项目节点M对应的节点关联集的并集为{M₂1，M₂2，M₂3}；

若第一个项目中项目节点M₁1与第二个项目中项目节点M₂2为同一项目节点时，

则待测企业项目中项目节点M对应的节点关联集的并集为{M₁1，M₁2，M₁3}∪{M₂1，M₂2，M₂3}＝{M₁1，M₁2，M₁3，M₂1，M₂3}或{M₁1，M₁2，M₁3}∪{M₂1，M₂2，M₂3}＝{M₁2，M₁3，M₂1，M₂2，M₂3}；

S23、得到PBmn中各个元素对应项目节点相应的关联系数，将PBmn中第j个元素对应项目节点相应的关联系数，记为Q_(j，PBmn)，其中

且C{(j，PBmn)，PiBmn}表示PBmn中第j个元素对应项目节点与PiBmn之间的关联值，

当PBmn中第j个元素对应项目节点属于PiBmn时，则判定C{(j，PBmn)，PiBmn}＝1，

当PBmn中第j个元素对应项目节点不属于PiBmn时，则判定C{(j，PBmn)，PiBmn}＝0；

S24、获取PBmn中第j个元素对应项目节点在历史数据各个项目内分别对应工作量的平均值，记为A1_(j，PBmn)；

S25、得到待测企业项目中不同项目节点对应的工期风险值，将待测企业项目中项目节点Bmn对应的工期风险值记为D_Bmn，

其中，j1表示PBmn中的元素总个数，r1表示风险系数且r1为数据库中预置的常数。

S3、将待测企业项目的开启时间至当前时间对应的时长记为第一时长，获取当前时间待测企业项目中各个项目文件对应的完成进度，并根据所得项目进度完成情况，结合未完成进度中项目文件对应的项目节点相应的工期风险值，得到未完成进度中所有项目节点对应的综合风险工期的第一预测值；

所述S3中得到未完成进度中所有项目节点对应的综合风险工期的第一预测值的方法包括以下步骤：

S31、获取待测企业项目的开启时间至当前时间对应的时长记为第一时长，记为t1，获取当前时间待测企业项目中已完成的各个项目文件分别对应的项目节点、未完成的项目文件分别对应的项目节点及历史数据库中待测企业项目中各个项目节点对应的预设工期值，

将历史数据库中待测企业项目内项目节点Bmn对应的预设工期值记为TBmn，将当前时间待测企业项目中已完成的各个项目文件分别对应的项目节点相应的预设工期值之和记为T1，将待测企业项目中未完成的项目文件分别对应的项目节点相应的预设工期值之和记为T2；

S32、计算当T2≠0时，当前时间对应的未完成进度的工期宽松度GT1，所述GT1＝(T1+T2-t1)/T2；

S33、获取历史数据库中每个项目在不同完成进度过程中，未完成进度的工期宽松度GT1时，工期风险值不同的项目节点对应的实际完成工期与相应的预设工期值之间的比值，将未完成进度的工期宽松度GT1时，后续项目节点中工期风险值为x的项目节点对应的实际完成工期与相应的预设工期值之间比值的平均值记为Ux，得到未完成进度的工期宽松度为GT1时相应的第一工期宽松度数据对(x，Ux)；

S34、以o为原点、以工期风险值为x轴，且以项目节点对应的实际完成工期与相应的预设工期值之间比值的平均值为y轴构建平面直角坐标系，在平面直角坐标系中，将未完成进度的工期宽松度为GT1时对应的各个第一工期宽松度数据对相应的坐标点进行标记，并通过Mathematica软件根据函数模型y＝g1*logsig(g2*x+g3)+g4对平面直角坐标系中标记的坐标点进行拟合，得到未完成进度的工期宽松度GT1时，x与Ux之间的关系函数F_GT1(x)，所述g1、g2、g3及g4均为函数模型的系数；

S35、得到未完成进度中所有项目节点对应的综合风险工期的第一预测值TZ，

其中，h1表示待测企业项目中未完成进度中的项目文件总个数，TB_h表示待测企业项目中未完成进度中第h个项目文件对应项目节点相应的工期风险值，T2_h表示待测企业项目中未完成进度中第h个项目文件对应项目节点相应的预设工期值，F_GT1(TB_h)*T2_h表示待测企业项目中未完成进度中第h个项目文件对应项目节点相应的风险工期预测值。

S4、获取历史数据库中待测企业项目中各个项目节点对应的预设工期值，并得到未完成进度中所有项目节点对应的综合风险工期的第二预测值；

所述S4中得到未完成进度中所有项目节点对应的综合风险工期的第二预测值的方法包括以下步骤：

S41、获取t1及待测企业项目中未完成进度中第h个项目文件对应项目节点相应的风险工期预测值F_GT1(TB_h)*T2_h，且1≤h≤h1；

S42、分别计算h2为不同值时，各个h2分别对应的

中的最大值，记为TL，h2∈[1，h1]，当h2＝1时，判定/>

S43、获取历史数据中每个项目在不同完成进度的过程中，完成相应进度实际对应的工期与预先计划的工期之间差值的最大值，记为相应项目对应的最大工期执行偏差值，完成相应进度实际对应的工期等于完成的相应进度中各个项目节点对应的实际完成工期之和，完成相应进度预先计划的工期等于完成的相应进度中各个项目节点对应的预设工期值之和；

S44、选取历史数据中最大工期执行偏差值与TL-T2差值的绝对值小于等于第一预设值的各个项目，并计算选取的各个项目分别对应的最终工期执行偏差值的平均值，记为第一偏差值Tp，最终工期执行偏差值表示每个项目中完成项目所有进度对应的实际工期与预设工期的差值，所述第一预设值为数据库中预置的常数；

S45、得到未完成进度中所有项目节点对应的综合风险工期的第二预测值T2+(Tp-t1)。

S5、根据第一时长、S3及S4中的分析结果，得到待测企业项目的工期综合时长，并根据待测企业项目的工期综合时长，对待测企业项目的进度进行管控。

所述S5中得到待测企业项目的工期综合时长的方法包括以下步骤：

S51、获取第一时长t1、TZ及T2+(Tp-t1)；

S52、得到待测企业项目的工期综合时长t1+max{TZ，T2+(Tp-t1)}，

其中，max{TZ，T2+(Tp-t1)}表示TZ与T2+(Tp-t1)中的最大值。

所述S5中对待测企业项目的进度进行管控时，获取待测企业项目的工期综合时长减去待测企业项目中所有项目节点对应的预设工期值的和，

当所得的差大于等于第二预设值时，则判定待测企业项目的进度执行状态异常，并向管理员进行预警，

当所得的差小于第二预设值时，则判定待测企业项目的进度执行状态正常，无需向管理员进行预警，

所述第二预设值为数据库中预置的常数。

一种基于大数据的企业项目数据管理***，所述***包括以下模块：

项目信息获取模块，所述项目信息获取模块获取待测企业项目对应的项目文件及每个项目文件相应的工作量，并按项目功能将企业项目文件划分成不同类别，将每个类别中的每个项目文件作为一个项目节点；

工期风险分析模块，所述工期风险分析模块根据历史数据分析不同项目中各个项目节点之间的关联性，结合关联的各个项目节点分别对应的工作量，得到待测企业项目中不同项目节点对应的工期风险值；

风险第一预测模块，所述风险第一预测模块将待测企业项目的开启时间至当前时间对应的时长记为第一时长，获取当前时间待测企业项目中各个项目文件对应的完成进度，并根据所得项目进度完成情况，结合未完成进度中项目文件对应的项目节点相应的工期风险值，得到未完成进度中所有项目节点对应的综合风险工期的第一预测值；

风险第二预测模块，所述风险第二预测模块获取历史数据库中待测企业项目中各个项目节点对应的预设工期值，并得到未完成进度中所有项目节点对应的综合风险工期的第二预测值；

项目管控模块，所述项目管控模块根据第一时长、风险第一预测模块及风险第二预测模块中的分析结果，得到待测企业项目的工期综合时长，并根据待测企业项目的工期综合时长，对待测企业项目的进度进行管控。

所述项目信息获取模块将第m个类别中第n个项目文件对应的项目节点记为Bmn，将第m个类别中第n个项目节点对应的工作量记为Amn，默认不同项目对应项目文件的个数相同，且不同项目中同一种项目文件对应的工作量不同。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于大数据的企业项目数据管理方法，其特征在于，所述方法包括以下步骤：

S1、获取待测企业项目对应的项目文件及每个项目文件相应的工作量，并按项目功能将企业项目文件划分成不同类别，将每个类别中的每个项目文件作为一个项目节点，将第m个类别中第n个项目文件对应的项目节点记为Bmn，将第m个类别中第n个项目节点对应的工作量记为Amn，默认不同项目对应项目文件的个数相同，且不同项目中同一种项目文件对应的工作量不同；

S2、根据历史数据分析不同项目中各个项目节点之间的关联性，结合关联的各个项目节点分别对应的工作量，得到待测企业项目中不同项目节点对应的工期风险值；

S3、将待测企业项目的开启时间至当前时间对应的时长记为第一时长，获取当前时间待测企业项目中各个项目文件对应的完成进度，并根据所得项目进度完成情况，结合未完成进度中项目文件对应的项目节点相应的工期风险值，得到未完成进度中所有项目节点对应的综合风险工期的第一预测值；

S4、获取历史数据库中待测企业项目中各个项目节点对应的预设工期值，并得到未完成进度中所有项目节点对应的综合风险工期的第二预测值；

S5、根据第一时长、S3及S4中的分析结果，得到待测企业项目的工期综合时长，并根据待测企业项目的工期综合时长，对待测企业项目的进度进行管控；

所述S2中得到待测企业项目中不同项目节点对应的工期风险值的方法包括以下步骤：

S21、对历史数据中每个项目内不同项目节点之间的调用关系，判定同一项目中存在调用关系的两个项目节点存在关联性，将历史数据中的项目总个数记为i1，将历史数据第i个项目中为Bmn对应的项目节点内调用的各个项目节点，并将所得各个项目节点构成的集合作为第i个项目中Bmn对应的节点关联集，记为PiBmn，1≤i≤i1；

S22、计算1≤i≤i1时，历史数据中各个项目中Bmn对应的节点关联集的并集，记为PBmn，所述PBmn＝P1Bmn∪P2Bmn∪...∪PiBmn∪...∪Pi1Bmn，其中，P1Bmn表示历史数据中第1个项目中Bmn对应的节点关联集，P2Bmn表示历史数据中第2个项目中Bmn对应的节点关联集，Pi1Bmn表示历史数据中第i1个项目中Bmn对应的节点关联集；

S23、得到PBmn中各个元素对应项目节点相应的关联系数，将PBmn中第j个元素对应项目节点相应的关联系数，记为Q_(j，PBmn)，

其中，

C{(j，PBmn)，PiBmn}表示PBmn中第j个元素对应项目节点与PiBmn之间的关联值，

当PBmn中第j个元素对应项目节点属于PiBmn时，则判定C{(j，PBmn)，PiBmn}＝1，

当PBmn中第j个元素对应项目节点不属于PiBmn时，则判定C{(j，PBmn)，PiBmn}＝0；

S24、获取PBmn中第j个元素对应项目节点在历史数据各个项目内分别对应工作量的平均值，记为A1_(j，PBmn)；

S25、得到待测企业项目中不同项目节点对应的工期风险值，将待测企业项目中项目节点Bmn对应的工期风险值记为D_Bmn，

其中，j1表示PBmn中的元素总个数，r1表示风险系数且r1为数据库中预置的常数。

2.根据权利要求1所述的一种基于大数据的企业项目数据管理方法，其特征在于：所述S3中得到未完成进度中所有项目节点对应的综合风险工期的第一预测值的方法包括以下步骤：

S31、获取待测企业项目的开启时间至当前时间对应的时长记为第一时长，记为t1，获取当前时间待测企业项目中已完成的各个项目文件分别对应的项目节点、未完成的项目文件分别对应的项目节点及历史数据库中待测企业项目中各个项目节点对应的预设工期值，

将历史数据库中待测企业项目内项目节点Bmn对应的预设工期值记为TBmn，将当前时间待测企业项目中已完成的各个项目文件分别对应的项目节点相应的预设工期值之和记为T1，将待测企业项目中未完成的项目文件分别对应的项目节点相应的预设工期值之和记为T2；

S32、计算当T2≠0时，当前时间对应的未完成进度的工期宽松度GT1，所述GT1＝(T1+T2-t1)/T2；

S33、获取历史数据库中每个项目在不同完成进度过程中，未完成进度的工期宽松度GT1时，工期风险值不同的项目节点对应的实际完成工期与相应的预设工期值之间的比值，将未完成进度的工期宽松度GT1时，后续项目节点中工期风险值为x的项目节点对应的实际完成工期与相应的预设工期值之间比值的平均值记为Ux，得到未完成进度的工期宽松度为GT1时相应的第一工期宽松度数据对(x，Ux)；

S34、以o为原点、以工期风险值为x轴，且以项目节点对应的实际完成工期与相应的预设工期值之间比值的平均值为y轴构建平面直角坐标系，在平面直角坐标系中，将未完成进度的工期宽松度为GT1时对应的各个第一工期宽松度数据对相应的坐标点进行标记，并通过Mathematica软件根据函数模型y＝g1*logsig(g2*x+g3)+g4对平面直角坐标系中标记的坐标点进行拟合，得到未完成进度的工期宽松度GT1时，x与Ux之间的关系函数F_GT1(x)，所述g1、g2、g3及g4均为函数模型的系数；

S35、得到未完成进度中所有项目节点对应的综合风险工期的第一预测值TZ，

其中，h1表示待测企业项目中未完成进度中的项目文件总个数，TB_h表示待测企业项目中未完成进度中第h个项目文件对应项目节点相应的工期风险值，T2_h表示待测企业项目中未完成进度中第h个项目文件对应项目节点相应的预设工期值，F_GT1(TB_h)*T2_h表示待测企业项目中未完成进度中第h个项目文件对应项目节点相应的风险工期预测值。

3.根据权利要求2所述的一种基于大数据的企业项目数据管理方法，其特征在于：所述S4中得到未完成进度中所有项目节点对应的综合风险工期的第二预测值的方法包括以下步骤：

S41、获取t1及待测企业项目中未完成进度中第h个项目文件对应项目节点相应的风险工期预测值F_GT1(TB_h)*T2_h，且1≤h≤h1；

S42、分别计算h2为不同值时，各个h2分别对应的

中的最大值，记为TL，h2∈[1，h1]，当h2＝1时，判定/>

S43、获取历史数据中每个项目在不同完成进度的过程中，完成相应进度实际对应的工期与预先计划的工期之间差值的最大值，记为相应项目对应的最大工期执行偏差值，完成相应进度实际对应的工期等于完成的相应进度中各个项目节点对应的实际完成工期之和，完成相应进度预先计划的工期等于完成的相应进度中各个项目节点对应的预设工期值之和；

S44、选取历史数据中最大工期执行偏差值与TL-T2差值的绝对值小于等于第一预设值的各个项目，并计算选取的各个项目分别对应的最终工期执行偏差值的平均值，记为第一偏差值Tp，最终工期执行偏差值表示每个项目中完成项目所有进度对应的实际工期与预设工期的差值，所述第一预设值为数据库中预置的常数；

S45、得到未完成进度中所有项目节点对应的综合风险工期的第二预测值T2+(Tp-t1)。

4.根据权利要求3所述的一种基于大数据的企业项目数据管理方法，其特征在于：所述S5中得到待测企业项目的工期综合时长的方法包括以下步骤：

S51、获取第一时长t1、TZ及T2+(Tp-t1)；

S52、得到待测企业项目的工期综合时长t1+max{TZ，T2+(Tp-t1)}，

其中，max{TZ，T2+(Tp-t1)}表示TZ与T2+(Tp-t1)中的最大值。

5.根据权利要求1所述的一种基于大数据的企业项目数据管理方法，其特征在于：所述S5中对待测企业项目的进度进行管控时，获取待测企业项目的工期综合时长减去待测企业项目中所有项目节点对应的预设工期值的和，

当所得的差大于等于第二预设值时，则判定待测企业项目的进度执行状态异常，并向管理员进行预警，

当所得的差小于第二预设值时，则判定待测企业项目的进度执行状态正常，无需向管理员进行预警，

所述第二预设值为数据库中预置的常数。

6.应用权利要求1至5中任意一项所述的一种基于大数据的企业项目数据管理方法的基于大数据的企业项目数据管理***，其特征在于，所述***包括以下模块：

项目信息获取模块，所述项目信息获取模块获取待测企业项目对应的项目文件及每个项目文件相应的工作量，并按项目功能将企业项目文件划分成不同类别，将每个类别中的每个项目文件作为一个项目节点；

工期风险分析模块，所述工期风险分析模块根据历史数据分析不同项目中各个项目节点之间的关联性，结合关联的各个项目节点分别对应的工作量，得到待测企业项目中不同项目节点对应的工期风险值；

风险第一预测模块，所述风险第一预测模块将待测企业项目的开启时间至当前时间对应的时长记为第一时长，获取当前时间待测企业项目中各个项目文件对应的完成进度，并根据所得项目进度完成情况，结合未完成进度中项目文件对应的项目节点相应的工期风险值，得到未完成进度中所有项目节点对应的综合风险工期的第一预测值；

风险第二预测模块，所述风险第二预测模块获取历史数据库中待测企业项目中各个项目节点对应的预设工期值，并得到未完成进度中所有项目节点对应的综合风险工期的第二预测值；

项目管控模块，所述项目管控模块根据第一时长、风险第一预测模块及风险第二预测模块中的分析结果，得到待测企业项目的工期综合时长，并根据待测企业项目的工期综合时长，对待测企业项目的进度进行管控。

7.根据权利要求6所述的一种基于大数据的企业项目数据管理***，其特征在于：所述项目信息获取模块将第m个类别中第n个项目文件对应的项目节点记为Bmn，将第m个类别中第n个项目节点对应的工作量记为Amn，默认不同项目对应项目文件的个数相同，且不同项目中同一种项目文件对应的工作量不同。

Images