CN116663938B - 基于企业数据中台***的信息化管理方法及其相关装置 - Google Patents
基于企业数据中台***的信息化管理方法及其相关装置 Download PDFInfo
- Publication number
- CN116663938B CN116663938B CN202310940495.5A CN202310940495A CN116663938B CN 116663938 B CN116663938 B CN 116663938B CN 202310940495 A CN202310940495 A CN 202310940495A CN 116663938 B CN116663938 B CN 116663938B
- Authority
- CN
- China
- Prior art keywords
- decision
- target
- task
- model
- task information
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 354
- 238000004458 analytical method Methods 0.000 claims abstract description 155
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 34
- 230000004927 fusion Effects 0.000 claims abstract description 28
- 230000006870 function Effects 0.000 claims description 30
- 239000013598 vector Substances 0.000 claims description 29
- 238000011160 research Methods 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 18
- 238000007621 cluster analysis Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000000513 principal component analysis Methods 0.000 claims description 9
- 230000010365 information processing Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 23
- 238000007405 data analysis Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 4
- 238000012098 association analyses Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/14—Travel agencies
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据处理领域,公开了一种基于企业数据中台***的信息化管理方法及其相关装置,用于提高旅游园区的决策任务信息处理准确率。方法包括:将第一旅游园区决策任务信息输入任务动态分解模型进行决策任务信息分解处理,得到多个第二旅游园区决策任务信息;进行任务逻辑关联关系分析,得到目标任务逻辑关联关系并创建目标决策管理模型集合,将多个第二旅游园区决策任务信息分发至目标决策管理模型;通过目标决策管理模型进行决策管理分析,得到每个目标决策管理模型对应的初始决策管理分析结果;根据目标任务逻辑关联关系,对每个目标决策管理模型对应的初始决策管理分析结果进行结果融合,得到目标决策管理分析结果。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种基于企业数据中台***的信息化管理方法及其相关装置。
背景技术
随着信息技术的不断发展和企业数据的不断积累,越来越多的企业开始意识到数据的重要性,并希望能够充分利用数据来支持决策和管理。旅游行业作为一个信息密集型行业,旅游园区管理涉及到众多决策任务和复杂的业务流程。
现有方案中,需要企业数据中台***确保数据的准确性、完整性和一致性。然而,现有方案数据可能存在错误、缺失或不一致的问题,这会影响到决策任务的准确性和可靠性,并且缺乏合理的决策模型,无法充分考虑任务之间的关系,导致最终的决策结果不准确。
发明内容
本发明提供了一种基于企业数据中台***的信息化管理方法及其相关装置,用于提高旅游园区的决策任务信息处理准确率。
本发明第一方面提供了一种基于企业数据中台***的信息化管理方法,所述基于企业数据中台***的信息化管理方法包括:
基于预置的企业数据中台***获取待处理的第一旅游园区决策任务信息,并将所述第一旅游园区决策任务信息输入预置的任务动态分解模型进行决策任务信息分解处理,得到多个第二旅游园区决策任务信息;
对所述多个第二旅游园区决策任务信息进行任务逻辑关联关系分析,得到目标任务逻辑关联关系;
根据所述目标任务逻辑关联关系创建目标决策管理模型集合,并根据所述目标决策管理模型集合确定每个第二旅游园区决策任务信息对应的目标决策管理模型;
获取每个目标决策管理模型对应的任务负载数据和任务属性数据,并根据所述任务负载数据和所述任务属性数据将所述多个第二旅游园区决策任务信息分发至所述目标决策管理模型;
通过所述目标决策管理模型对每个第二旅游园区决策任务信息进行决策管理分析,得到每个目标决策管理模型对应的初始决策管理分析结果;
根据所述目标任务逻辑关联关系,对每个目标决策管理模型对应的初始决策管理分析结果进行结果融合,得到目标决策管理分析结果。
结合第一方面,在本发明第一方面的第一种实现方式中,所述基于预置的企业数据中台***获取待处理的第一旅游园区决策任务信息,并将所述第一旅游园区决策任务信息输入预置的任务动态分解模型进行决策任务信息分解处理,得到多个第二旅游园区决策任务信息,包括:
基于预置的企业数据中台***获取待处理的第一旅游园区决策任务信息,其中,所述第一旅游园区决策任务信息包括:销售数据、访客数量、景点评分以及市场调研数据;
对所述第一旅游园区决策任务信息进行任务信息主成分分析,得到多个主成分特征值;
根据所述多个主成分特征值,并通过预置的任务动态分解模型对所述第一旅游园区决策任务信息进行决策任务信息分解处理,得到多个第二旅游园区决策任务信息。
结合第一方面,在本发明第一方面的第二种实现方式中,所述对所述多个第二旅游园区决策任务信息进行任务逻辑关联关系分析,得到目标任务逻辑关联关系,包括:
根据所述多个主成分特征值,对每个第二旅游园区决策任务信息进行主成分特征提取,得到每个第二旅游园区决策任务信息对应的主成分特征;
将所述主成分特征输入预置的均值漂移聚类分析模型,并调用所述均值漂移聚类分析模型的第一聚类函数对所述主成分特征进行特征聚类,得到第一特征聚类数据点;
对所述主成分特征和所述第一特征聚类数据点进行数据点距离分析,得到多个目标数据点距离,并对所述多个目标数据点距离进行均值运算,得到平均数据点距离;
根据所述平均数据点距离,对所述第一聚类函数进行参数调整,得到第二聚类函数,并通过所述第二聚类函数对所述主成分特征进行特征聚类,得到第二特征聚类数据点;
根据所述第二特征聚类数据点,构建每两个第二旅游园区决策任务信息进行任务逻辑关联关系分析,得到每两个第二旅游园区决策任务信息之间的初始逻辑关联关系;
根据每两个第二旅游园区决策任务信息之间的初始逻辑关联关系,构建所述多个第二旅游园区决策任务信息对应的目标任务逻辑关联关系。
结合第一方面,在本发明第一方面的第三种实现方式中,所述根据所述目标任务逻辑关联关系创建目标决策管理模型集合,并根据所述目标决策管理模型集合确定每个第二旅游园区决策任务信息对应的目标决策管理模型,包括:
根据所述目标任务逻辑关联关系创建多模态决策管理模型结构,并通过所述多模态决策管理模型结构构建模型网络拓扑图;
对所述模型网络拓扑图进行聚类计算,得到目标聚类结果,并根据所述目标聚类结果计算所述模型网络拓扑图中每个模型节点的目标值;
根据所述目标聚类结果和每个模型节点的目标值对所述模型网络拓扑图进行从属关系计算,得到每个模型节点之间的节点从属关系;
根据所述节点从属关系和所述多模态决策管理模型结构,生成目标决策管理模型集合;
根据所述目标决策管理模型集合,对每个第二旅游园区决策任务信息进行决策管理模型配置,得到对应的目标决策管理模型。
结合第一方面,在本发明第一方面的第四种实现方式中,所述获取每个目标决策管理模型对应的任务负载数据和任务属性数据,并根据所述任务负载数据和所述任务属性数据将所述多个第二旅游园区决策任务信息分发至所述目标决策管理模型,包括:
基于所述企业数据中台***查询每个目标决策管理模型对应的任务属性数据,并对所述目标决策管理模型进行任务队列分析,得到每个目标决策管理模型对应的任务负载数据;
对所述任务负载数据和所述任务属性数据进行特征提取,得到负载特征以及属性特征,并根据所述负载特征以及所述属性特征构建第二旅游园区决策任务信息与目标决策管理模型之间的目标映射关系;
根据所述目标映射关系,分别对所述多个第二旅游园区决策任务信息进行目标决策管理模型的映射匹配和任务分发。
结合第一方面,在本发明第一方面的第五种实现方式中,所述通过所述目标决策管理模型对每个第二旅游园区决策任务信息进行决策管理分析,得到每个目标决策管理模型对应的初始决策管理分析结果,包括:
对每个第二旅游园区决策任务信息进行任务信息编码,得到对应的任务编码向量;
将所述任务编码向量输入所述目标决策管理模型,其中,所述目标决策管理模型包括:输入层、特征提取层以及决策层;
通过所述目标决策管理模型进行决策管理分析,得到每个目标决策管理模型对应的初始决策管理分析结果。
结合第一方面,在本发明第一方面的第六种实现方式中,所述根据所述目标任务逻辑关联关系,对每个目标决策管理模型对应的初始决策管理分析结果进行结果融合,得到目标决策管理分析结果,包括:
根据所述目标任务逻辑关联关系确定每个初始决策管理分析结果的权重数据;
对每个目标决策管理模型对应的初始决策管理分析结果进行标准化处理,得到多个标准化决策管理分析结果;
根据所述权重数据,对所述多个标准化决策管理分析结果进行结果融合,得到目标决策管理分析结果。
本发明第二方面提供了一种基于企业数据中台***的信息化管理装置,所述基于企业数据中台***的信息化管理装置包括:
分解模块,用于基于预置的企业数据中台***获取待处理的第一旅游园区决策任务信息,并将所述第一旅游园区决策任务信息输入预置的任务动态分解模型进行决策任务信息分解处理,得到多个第二旅游园区决策任务信息;
分析模块,用于对所述多个第二旅游园区决策任务信息进行任务逻辑关联关系分析,得到目标任务逻辑关联关系;
创建模块,用于根据所述目标任务逻辑关联关系创建目标决策管理模型集合,并根据所述目标决策管理模型集合确定每个第二旅游园区决策任务信息对应的目标决策管理模型;
分发模块,用于获取每个目标决策管理模型对应的任务负载数据和任务属性数据,并根据所述任务负载数据和所述任务属性数据将所述多个第二旅游园区决策任务信息分发至所述目标决策管理模型;
处理模块,用于通过所述目标决策管理模型对每个第二旅游园区决策任务信息进行决策管理分析,得到每个目标决策管理模型对应的初始决策管理分析结果;
融合模块,用于根据所述目标任务逻辑关联关系,对每个目标决策管理模型对应的初始决策管理分析结果进行结果融合,得到目标决策管理分析结果。
本发明第三方面提供了一种基于企业数据中台***的信息化管理设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于企业数据中台***的信息化管理设备执行上述的基于企业数据中台***的信息化管理方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的基于企业数据中台***的信息化管理方法。
本发明提供的技术方案中,将第一旅游园区决策任务信息输入任务动态分解模型进行决策任务信息分解处理,得到多个第二旅游园区决策任务信息;进行任务逻辑关联关系分析,得到目标任务逻辑关联关系并创建目标决策管理模型集合,将多个第二旅游园区决策任务信息分发至目标决策管理模型;通过目标决策管理模型进行决策管理分析,得到每个目标决策管理模型对应的初始决策管理分析结果;根据目标任务逻辑关联关系,对每个目标决策管理模型对应的初始决策管理分析结果进行结果融合,得到目标决策管理分析结果,本发明通过预置的企业数据中台***获取和整合待处理的决策任务信息,将任务动态分解和逻辑关联分析与决策管理模型相结合,实现了决策任务的高效管理和决策分析。通过自动化的数据处理和分发机制,提升了决策的执行效率和决策过程的流畅性。基于企业数据中台***获取多源的数据,并将其应用于决策分析和决策模型中,将决策任务信息和企业数据相结合,实现了数据驱动的决策管理,通过对大量数据的学习和挖掘,提供更准确的决策建议和预测结果。
附图说明
图1为本发明实施例中基于企业数据中台***的信息化管理方法的一个实施例示意图;
图2为本发明实施例中任务逻辑关联关系分析的流程图;
图3为本发明实施例中创建目标决策管理模型集合的流程图;
图4为本发明实施例中将多个第二旅游园区决策任务信息分发至目标决策管理模型的流程图;
图5为本发明实施例中基于企业数据中台***的信息化管理装置的一个实施例示意图;
图6为本发明实施例中基于企业数据中台***的信息化管理设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于企业数据中台***的信息化管理方法及其相关装置,用于提高旅游园区的决策任务信息处理准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,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、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中基于企业数据中台***的信息化管理方法的一个实施例包括:
S101、基于预置的企业数据中台***获取待处理的第一旅游园区决策任务信息,并将第一旅游园区决策任务信息输入预置的任务动态分解模型进行决策任务信息分解处理,得到多个第二旅游园区决策任务信息;
可以理解的是,本发明的执行主体可以为基于企业数据中台***的信息化管理装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的,服务器预置的企业数据中台***提供了销售数据、访客数量、景点评分以及市场调研数据等第一旅游园区决策任务信息。通过该***,服务器获取这些数据,以支持决策任务的进行。例如,销售数据可以包括不同产品的销售额、销售渠道的分布情况等;访客数量数据可以包括每日入园人数、不同时段的游客流量等;景点评分数据可以包括游客对景点的评价、满意度调查结果等;市场调研数据可以包括竞争对手的市场份额、目标客群的需求偏好等。对第一旅游园区决策任务信息进行任务信息主成分分析。从多个指标中提取主要特征值,以便更好地理解和描述任务的特性。例如,服务器对销售数据、访客数量、景点评分和市场调研数据进行主成分分析。通过分析,服务器可能得到主成分特征值,如“销售业绩”、“游客规模”、“满意度指数”、“市场需求趋势”等。随后,根据多个主成分特征值和预置的任务动态分解模型,对第一旅游园区决策任务信息进行决策任务信息分解处理。例如,假设服务器通过主成分分析得到了两个主成分特征值:销售业绩和游客规模。服务器将这两个特征值作为输入,使用预置的任务动态分解模型进行处理。根据模型的设定,服务器得到多个第二旅游园区决策任务信息,如“制定销售提升策略”、“优化游客流量引导措施”、“改进景点服务质量”等。这些第二任务信息对应着具体的决策需求和行动方向,以解决原始任务的各个方面。
S102、对多个第二旅游园区决策任务信息进行任务逻辑关联关系分析,得到目标任务逻辑关联关系;
具体的,服务器根据所述多个主成分特征值,对每个第二旅游园区决策任务信息进行主成分特征提取。从任务信息中提取出关键特征,用于描述和区分不同任务。例如,假设服务器有两个第二旅游园区决策任务信息,分别是“提升游客满意度”和“增加营销推广”。通过主成分特征提取,服务器获得与每个任务相关的主要特征,如“服务质量指标”、“市场推广效果指标”等。将所述主成分特征输入预置的均值漂移聚类分析模型,并调用该模型的第一聚类函数对特征进行聚类。聚类分析可以将具有相似特征的任务归为同一类。例如,假设服务器将主成分特征输入均值漂移聚类分析模型,并得到了第一特征聚类数据点。通过该聚类分析,服务器将“提升游客满意度”和“增加营销推广”任务分别归类到两个不同的聚类簇中。对所述主成分特征和第一特征聚类数据点进行数据点距离分析。通过计算不同数据点之间的距离,可以量化它们之间的相似度或差异度。例如,假设服务器计算了第一特征聚类数据点之间的距离,并得到了多个目标数据点距离。这些距离值反映了不同任务之间的相似程度。比如,“提升游客满意度”任务与“增加营销推广”任务之间的距离值可以表示两者在特征上的差异程度。根据所述平均数据点距离,调整第一聚类函数的参数,得到第二聚类函数。通过调整聚类函数的参数,可以更好地适应任务之间的逻辑关系。例如,根据平均数据点距离,服务器调整第一聚类函数的参数,得到第二聚类函数。服务器就能够使用第二聚类函数对主成分特征进行特征聚类。根据所述第二特征聚类数据点,构建每两个第二旅游园区决策任务信息之间的初始逻辑关联关系。这些关系可以描述任务之间的依赖性、相互影响或协作关系。例如,基于第二特征聚类数据点,服务器分析“提升游客满意度”任务与“增加营销推广”任务之间的逻辑关联关系。这两个任务可能存在关联,因为提升游客满意度可以促进市场推广的效果。根据每两个第二旅游园区决策任务信息之间的初始逻辑关联关系,构建所述多个第二旅游园区决策任务信息对应的目标任务逻辑关联关系。这些目标任务逻辑关联关系能够更全面地描述任务之间的关系,并为决策管理提供指导和支持。
S103、根据目标任务逻辑关联关系创建目标决策管理模型集合,并根据目标决策管理模型集合确定每个第二旅游园区决策任务信息对应的目标决策管理模型;
需要说明的是,根据所述目标任务逻辑关联关系,服务器创建多模态决策管理模型结构,并通过该结构构建模型网络拓扑图。多模态决策管理模型结构是一种组织模型的方式,它将不同的模型以一定的方式连接在一起,形成一个整体的模型***。例如,假设服务器有两个目标任务逻辑关联关系:任务A与任务B之间存在依赖关系,任务B与任务C之间存在协作关系。基于这些关系,服务器构建一个多模态决策管理模型结构,其中任务A作为输入,任务B和任务C分别作为输出。对模型网络拓扑图进行聚类计算,得到目标聚类结果。聚类计算的目的是将拓扑图中相似的模型节点归类到同一聚类中,以便更好地理解模型之间的关系和组织结构。例如,服务器将任务B和任务C归类到同一个聚类中,因为它们之间存在协作关系。根据目标聚类结果,计算模型网络拓扑图中每个模型节点的目标值。目标值是通过综合考虑任务之间的关系和重要性来确定的,它反映了模型节点在整体决策过程中的重要程度。例如,如果任务B与任务C之间的协作关系更为紧密,服务器给任务B和任务C的模型节点分配更高的目标值。根据目标聚类结果和每个模型节点的目标值,对模型网络拓扑图进行从属关系计算,得到每个模型节点之间的节点从属关系。节点从属关系描述了模型节点之间的层次结构和依赖关系。例如,任务A可以被视为根节点,任务B和任务C是其下属节点,因为它们依赖于任务A的输出。根据节点从属关系和多模态决策管理模型结构,生成目标决策管理模型集合。目标决策管理模型集合是根据任务之间的关系和层次结构组织起来的一组决策管理模型。例如,目标决策管理模型集合可以包括一个负责处理任务A的模型、一个负责处理任务B和任务C的模型。根据目标决策管理模型集合,对每个第二旅游园区决策任务信息进行决策管理模型配置,得到对应的目标决策管理模型。这一步骤将决策管理模型与具体任务信息进行关联,以便为每个任务提供相应的决策支持。例如,假设服务器有一个第二旅游园区决策任务信息是“提升游客体验”。根据目标决策管理模型集合,服务器配置一个与该任务相关的目标决策管理模型,该模型能够分析和提供关于提升游客体验的决策建议。
S104、获取每个目标决策管理模型对应的任务负载数据和任务属性数据,并根据任务负载数据和任务属性数据将多个第二旅游园区决策任务信息分发至目标决策管理模型;
具体的,基于企业数据中台***,服务器查询每个目标决策管理模型对应的任务属性数据。这些属性数据描述了模型所需的输入、输出和其他相关信息。例如,假设服务器有两个目标决策管理模型:模型A负责销售数据分析,模型B负责市场调研数据分析。通过查询企业数据中台***,服务器获取模型A所需的销售数据属性和模型B所需的市场调研数据属性。对每个目标决策管理模型进行任务队列分析,得到每个模型对应的任务负载数据。任务队列分析可以帮助服务器理解每个模型当前的负载情况,以便更好地进行任务分发和资源调度。例如,假设模型A当前有10个待处理的任务,而模型B只有2个待处理的任务。这些数字可以作为任务负载数据,反映了模型A和模型B的工作量差异。对任务负载数据和任务属性数据进行特征提取,得到负载特征和属性特征。负载特征可以是任务数量、任务处理时间等指标,而属性特征可以是数据类型、数据量级等描述任务属性的信息。例如,对于模型A和模型B,服务器提取了任务数量作为负载特征,销售数据属性和市场调研数据属性作为属性特征。根据负载特征和属性特征,构建第二旅游园区决策任务信息与目标决策管理模型之间的目标映射关系。这种映射关系可以帮助服务器确定每个第二旅游园区决策任务信息应该分发给哪个目标决策管理模型。例如,假设服务器有一个第二旅游园区决策任务信息是关于销售数据分析的,通过分析负载特征和属性特征,服务器将该任务映射给模型A。根据目标映射关系,对多个第二旅游园区决策任务信息进行目标决策管理模型的映射匹配和任务分发。根据任务的特征和目标映射关系,服务器将每个任务合理地分发给相应的目标决策管理模型进行处理。例如,如果服务器有另一个第二旅游园区决策任务信息是关于市场调研数据分析的,根据目标映射关系,服务器将该任务分发给模型B进行处理。
S105、通过目标决策管理模型对每个第二旅游园区决策任务信息进行决策管理分析,得到每个目标决策管理模型对应的初始决策管理分析结果;
具体的,服务器对每个第二旅游园区决策任务信息进行任务信息编码,得到对应的任务编码向量。任务信息编码是将任务信息转化为机器可理解的向量表示的过程,以便于模型的处理和分析。例如,假设服务器有一个第二旅游园区决策任务信息是关于销售数据分析的。服务器将该任务的销售数据、访客数量、景点评分等信息进行编码,得到一个任务编码向量,如[0.8,0.6,0.9]。将任务编码向量输入目标决策管理模型,其中目标决策管理模型包括输入层、特征提取层以及决策层。输入层用于接收任务编码向量作为输入数据,特征提取层用于提取任务特征,决策层用于进行决策分析和生成决策结果。例如,假设服务器有一个目标决策管理模型,它有一个输入层,一个特征提取层和一个决策层。服务器将任务编码向量[0.8,0.6,0.9]输入该模型。通过目标决策管理模型进行决策管理分析,得到每个目标决策管理模型对应的初始决策管理分析结果。模型会对输入的任务编码向量进行处理和分析,从而得出相应的决策结果。例如,假设服务器的目标决策管理模型经过处理任务编码向量[0.8,0.6,0.9]后,得出初始决策管理分析结果为“建议增加市场推广活动以提高销售额”。服务器通过所述目标决策管理模型对每个第二旅游园区决策任务信息进行决策管理分析,并得到每个目标决策管理模型对应的初始决策管理分析结果。这种方式能够利用模型的学习和推理能力,根据任务信息进行决策分析,并提供初始的决策建议。
S106、根据目标任务逻辑关联关系,对每个目标决策管理模型对应的初始决策管理分析结果进行结果融合,得到目标决策管理分析结果。
具体的,根据目标任务逻辑关联关系确定每个初始决策管理分析结果的权重数据。权重数据表示了每个初始决策管理分析结果在结果融合中的重要程度。根据任务之间的关系和重要性,可以分配不同的权重给不同的初始决策管理分析结果。例如,假设服务器有两个目标决策管理模型:模型A和模型B。根据目标任务逻辑关联关系,服务器确定模型A的权重为0.6,模型B的权重为0.4。这意味着在结果融合中,模型A的分析结果的重要性高于模型B的分析结果。对每个目标决策管理模型对应的初始决策管理分析结果进行标准化处理,得到多个标准化决策管理分析结果。标准化处理的目的是将不同模型的结果进行统一的量化,以便进行结果融合。例如,对于模型A和模型B,假设它们的初始决策管理分析结果分别为0.8和0.6。通过标准化处理,可以将它们转化为标准化的分析结果,如0.4和0.3。根据权重数据,对多个标准化决策管理分析结果进行结果融合,得到目标决策管理分析结果。结果融合可以采用加权平均、加权求和或其他融合算法来计算。例如,如果模型A的标准化分析结果为0.4,模型B的标准化分析结果为0.3,并且根据权重数据,模型A的权重为0.6,模型B的权重为0.4。通过加权平均计算,服务器得到目标决策管理分析结果为(0.4*0.6)+(0.3*0.4)=0.36+0.12=0.48。本实施例中,服务器根据所述目标任务逻辑关联关系,对每个目标决策管理模型对应的初始决策管理分析结果进行结果融合,得到目标决策管理分析结果。这种方式能够综合考虑不同模型的分析结果和权重,得出最终的决策管理结果。
本发明实施例中,将第一旅游园区决策任务信息输入任务动态分解模型进行决策任务信息分解处理,得到多个第二旅游园区决策任务信息;进行任务逻辑关联关系分析,得到目标任务逻辑关联关系并创建目标决策管理模型集合,将多个第二旅游园区决策任务信息分发至目标决策管理模型;通过目标决策管理模型进行决策管理分析,得到每个目标决策管理模型对应的初始决策管理分析结果;根据目标任务逻辑关联关系,对每个目标决策管理模型对应的初始决策管理分析结果进行结果融合,得到目标决策管理分析结果,本发明通过预置的企业数据中台***获取和整合待处理的决策任务信息,将任务动态分解和逻辑关联分析与决策管理模型相结合,实现了决策任务的高效管理和决策分析。通过自动化的数据处理和分发机制,提升了决策的执行效率和决策过程的流畅性。基于企业数据中台***获取多源的数据,并将其应用于决策分析和决策模型中,将决策任务信息和企业数据相结合,实现了数据驱动的决策管理,通过对大量数据的学习和挖掘,提供更准确的决策建议和预测结果。
在一具体实施例中,执行步骤S101的过程可以具体包括如下步骤:
(1)基于预置的企业数据中台***获取待处理的第一旅游园区决策任务信息,其中,第一旅游园区决策任务信息包括:销售数据、访客数量、景点评分以及市场调研数据;
(2)对第一旅游园区决策任务信息进行任务信息主成分分析,得到多个主成分特征值;
(3)根据多个主成分特征值,并通过预置的任务动态分解模型对第一旅游园区决策任务信息进行决策任务信息分解处理,得到多个第二旅游园区决策任务信息。
具体的,服务器通过预置的企业数据中台***,服务器获取待处理的第一旅游园区决策任务信息。这些任务信息包括销售数据、访客数量、景点评分以及市场调研数据等相关数据。例如,假设服务器的企业数据中台***中存储了某旅游园区的销售数据、访客数量、景点评分和市场调研数据。服务器从***中查询并获取这些数据作为第一旅游园区决策任务信息。对第一旅游园区决策任务信息进行任务信息主成分分析。任务信息主成分分析是一种统计方法,通过对任务信息进行降维处理,提取出其中的主要特征。例如,服务器对销售数据、访客数量、景点评分和市场调研数据进行主成分分析。通过分析,服务器得到多个主成分特征值,每个特征值代表着任务信息中的一个重要特征。根据多个主成分特征值,并利用预置的任务动态分解模型,对第一旅游园区决策任务信息进行决策任务信息分解处理。任务动态分解模型是一种模型或算法,用于将复杂的任务信息拆分成更具体和可处理的子任务。例如,假设服务器的任务动态分解模型将销售数据、访客数量、景点评分和市场调研数据作为输入,并通过分解处理,得到多个第二旅游园区决策任务信息。这些第二任务信息可能涉及销售数据分析、访客行为分析、景点改进策略和市场调研结果分析等具体任务。本实施例中,服务器基于预置的企业数据中台***获取待处理的第一旅游园区决策任务信息,并进行任务信息主成分分析以及决策任务信息分解处理。这种方式能够提取任务信息中的主要特征并将任务分解为更具体的子任务,为后续的决策管理分析提供更准确和可操作的数据基础。
在一具体实施例中,如图2所示,执行步骤S102的过程可以具体包括如下步骤:
S201、根据多个主成分特征值,对每个第二旅游园区决策任务信息进行主成分特征提取,得到每个第二旅游园区决策任务信息对应的主成分特征;
S202、将主成分特征输入预置的均值漂移聚类分析模型,并调用均值漂移聚类分析模型的第一聚类函数对主成分特征进行特征聚类,得到第一特征聚类数据点;
S203、对主成分特征和第一特征聚类数据点进行数据点距离分析,得到多个目标数据点距离,并对多个目标数据点距离进行均值运算,得到平均数据点距离;
S204、根据平均数据点距离,对第一聚类函数进行参数调整,得到第二聚类函数,并通过第二聚类函数对主成分特征进行特征聚类,得到第二特征聚类数据点;
S205、根据第二特征聚类数据点,构建每两个第二旅游园区决策任务信息进行任务逻辑关联关系分析,得到每两个第二旅游园区决策任务信息之间的初始逻辑关联关系;
S206、根据每两个第二旅游园区决策任务信息之间的初始逻辑关联关系,构建多个第二旅游园区决策任务信息对应的目标任务逻辑关联关系。
具体的,服务器根据多个主成分特征值,对每个第二旅游园区决策任务信息进行主成分特征提取。主成分特征提取是一种降维技术,用于提取任务信息中的重要特征。例如,假设服务器有两个第二旅游园区决策任务信息:任务A和任务B。对于每个任务,服务器根据多个主成分特征值进行特征提取,得到任务A的主成分特征向量和任务B的主成分特征向量。将主成分特征向量输入预置的均值漂移聚类分析模型,并调用均值漂移聚类分析模型的第一聚类函数对主成分特征进行特征聚类,得到第一特征聚类数据点。均值漂移聚类是一种无参数的聚类方法,它根据样本数据的分布特征自动确定聚类中心。例如,假设服务器的均值漂移聚类模型对任务A的主成分特征向量和任务B的主成分特征向量进行聚类分析,得到第一特征聚类数据点,如聚类中心点A和聚类中心点B。对主成分特征和第一特征聚类数据点进行数据点距离分析,得到多个目标数据点距离,并对多个目标数据点距离进行均值运算,得到平均数据点距离。数据点距离分析是为了衡量不同数据点之间的相似性或关联性。例如,假设服务器计算了任务A的主成分特征向量与聚类中心点A的距离,以及任务B的主成分特征向量与聚类中心点B的距离。通过对多个距离进行计算并求平均,得到平均数据点距离。根据平均数据点距离,对第一聚类函数进行参数调整,得到第二聚类函数。通过调整聚类函数的参数,可以更好地适应数据特征和任务关联关系。通过第二聚类函数对主成分特征进行特征聚类,得到第二特征聚类数据点。第二特征聚类数据点是根据调整后的第二聚类函数对主成分特征进行聚类后得到的结果。根据第二特征聚类数据点,可以构建每两个第二旅游园区决策任务信息之间的初始逻辑关联关系。这些关系可以反映任务之间的相似性、相关性或依赖关系。例如,假设任务A和任务B的第二特征聚类数据点在相同的聚类簇中,服务器判断它们之间存在一定的关联关系。根据每两个第二旅游园区决策任务信息之间的初始逻辑关联关系,可以构建多个第二旅游园区决策任务信息对应的目标任务逻辑关联关系。这些目标任务逻辑关联关系描述了任务之间的逻辑关系,为后续的决策管理分析提供了重要依据。
在一具体实施例中,如图3所示,执行步骤S103的过程可以具体包括如下步骤:
S301、根据目标任务逻辑关联关系创建多模态决策管理模型结构,并通过多模态决策管理模型结构构建模型网络拓扑图;
S302、对模型网络拓扑图进行聚类计算,得到目标聚类结果,并根据目标聚类结果计算模型网络拓扑图中每个模型节点的目标值;
S303、根据目标聚类结果和每个模型节点的目标值对模型网络拓扑图进行从属关系计算,得到每个模型节点之间的节点从属关系;
S304、根据节点从属关系和多模态决策管理模型结构,生成目标决策管理模型集合;
S305、根据目标决策管理模型集合,对每个第二旅游园区决策任务信息进行决策管理模型配置,得到对应的目标决策管理模型。
具体的,服务器根据目标任务逻辑关联关系,创建多模态决策管理模型结构。多模态决策管理模型结构是由不同的决策管理模型组成,每个模型负责处理特定的任务或决策问题。例如,假设服务器有三个目标决策管理模型:模型A、模型B和模型C。每个模型具有不同的功能和特点,例如,模型A用于销售数据分析,模型B用于访客行为预测,模型C用于市场调研结果分析。通过多模态决策管理模型结构构建模型网络拓扑图。模型网络拓扑图描述了模型之间的连接和关系,它可以是一个图形或图表,显示模型之间的依赖关系和信息流动。例如,服务器将模型A、模型B和模型C用节点表示,并用边表示它们之间的关系。如果模型A和模型B之间存在依赖关系,服务器在拓扑图中用一条边连接它们。对模型网络拓扑图进行聚类计算,得到目标聚类结果。聚类计算是一种将相似节点分组的方法,可以帮助服务器理解模型之间的相似性和相关性。例如,假设服务器对模型网络拓扑图进行聚类计算,并得到两个聚类簇:簇A和簇B。簇A包含模型A和模型B,簇B包含模型C。根据目标聚类结果和每个模型节点的目标值,可以对模型网络拓扑图进行从属关系计算,得到每个模型节点之间的节点从属关系。节点从属关系描述了模型之间的层次结构和依赖关系。例如,假设服务器根据目标聚类结果确定了模型A和模型B的从属关系,模型C作为独立的节点。这意味着模型A和模型B在层次结构中较高,而模型C位于较低的层次。根据节点从属关系和多模态决策管理模型结构,可以生成目标决策管理模型集合。这些模型集合包含了符合任务需求和逻辑关系的决策管理模型。例如,服务器生成一个目标决策管理模型集合,其中包含模型A和模型B作为一个子集,模型C作为另一个子集。根据目标决策管理模型集合,可以对每个第二旅游园区决策任务信息进行决策管理模型配置,得到对应的目标决策管理模型。每个任务信息都与适合它的决策管理模型相关联。例如,如果服务器有一个第二旅游园区决策任务信息,根据任务的特征和要求,服务器将该任务信息分配给目标决策管理模型集合中最适合的模型,例如将其分配给模型A进行销售数据分析。
在一具体实施例中,如图4所示,执行步骤S104的过程可以具体包括如下步骤:
S401、基于企业数据中台***查询每个目标决策管理模型对应的任务属性数据,并对目标决策管理模型进行任务队列分析,得到每个目标决策管理模型对应的任务负载数据;
S402、对任务负载数据和任务属性数据进行特征提取,得到负载特征以及属性特征,并根据负载特征以及属性特征构建第二旅游园区决策任务信息与目标决策管理模型之间的目标映射关系;
S403、根据目标映射关系,分别对多个第二旅游园区决策任务信息进行目标决策管理模型的映射匹配和任务分发。
具体的,服务器通过企业数据中台***查询每个目标决策管理模型对应的任务属性数据。企业数据中台***是一个集成和管理企业数据的平台,可以用来存储和查询各种业务数据。根据目标决策管理模型的需求,可以从中台***中提取相关的任务属性数据。例如,假设服务器有两个目标决策管理模型:模型A和模型B。模型A关注销售数据分析,而模型B关注市场调研数据分析。服务器通过查询企业数据中台***,获取模型A所需的销售数据属性,以及模型B所需的市场调研数据属性。对目标决策管理模型进行任务队列分析,以得到每个模型的任务负载数据。任务队列分析可以帮助服务器理解每个模型所面临的任务数量和优先级。例如,假设在某个时间段内,模型A接收到100个待处理的销售数据分析任务,模型B接收到50个待处理的市场调研数据分析任务。这些任务数量和优先级的分析结果可以被视为模型A和模型B的任务负载数据。对任务负载数据和任务属性数据进行特征提取,以得到负载特征和属性特征。特征提取是从原始数据中提取有用信息的过程,用于描述数据的关键特征。例如,可以将任务负载数据和任务属性数据转化为数值型特征。对于任务负载数据,可以提取任务数量、处理时间等特征。对于任务属性数据,可以提取销售额、市场调研结果等特征。根据负载特征和属性特征构建第二旅游园区决策任务信息与目标决策管理模型之间的目标映射关系。这个映射关系可以用来确定每个第二旅游园区决策任务信息应该分配给哪个目标决策管理模型进行处理。例如,基于特征分析的结果,服务器根据任务负载数据中的任务数量和处理时间以及任务属性数据中的销售额和市场调研结果,构建一个映射关系表。表中的每一行表示一个第二旅游园区决策任务信息,列表示对应的目标决策管理模型。通过分析和比较任务负载数据和属性特征,可以将第二旅游园区决策任务信息分配给负载适中且具备相关属性特征的目标决策管理模型。
在一具体实施例中,执行步骤S105的过程可以具体包括如下步骤:
(1)对每个第二旅游园区决策任务信息进行任务信息编码,得到对应的任务编码向量;
(2)将任务编码向量输入目标决策管理模型,其中,目标决策管理模型包括:输入层、特征提取层以及决策层;
(3)通过目标决策管理模型进行决策管理分析,得到每个目标决策管理模型对应的初始决策管理分析结果。
具体的,对于每个第二旅游园区决策任务信息,服务器进行任务信息编码,以将其转化为数值向量。任务信息编码的目的是将非结构化或半结构化的任务数据转化为可计算的数值表示,便于输入到目标决策管理模型中。例如,假设服务器的第二旅游园区决策任务信息包括销售数据、访客数量、景点评分和市场调研数据。服务器将销售数据和访客数量进行归一化处理,并将景点评分和市场调研数据转化为数值特征。将任务编码向量输入目标决策管理模型。目标决策管理模型通常由多个层组成,包括输入层、特征提取层和决策层。输入层接收任务编码向量作为模型的输入。例如,假设服务器有一个目标决策管理模型用于预测旅游园区的营销策略。该模型的输入层接收任务编码向量,特征提取层提取任务向量中的关键特征,决策层根据提取的特征进行营销策略的决策。通过目标决策管理模型进行决策管理分析,得到每个目标决策管理模型对应的初始决策管理分析结果。目标决策管理模型根据输入的任务编码向量和模型的内部参数,进行特征提取和决策分析,从而得到相应的输出结果。例如,假设服务器的目标决策管理模型是一个营销策略模型。通过输入第二旅游园区决策任务信息的任务编码向量,该模型可以提取任务向量中的关键特征,如销售数据和访客数量,并进行相关的决策分析,如确定推广活动的策略和预测销售增长。
在一具体实施例中,执行步骤S106的过程可以具体包括如下步骤:
(1)根据目标任务逻辑关联关系确定每个初始决策管理分析结果的权重数据;
(2)对每个目标决策管理模型对应的初始决策管理分析结果进行标准化处理,得到多个标准化决策管理分析结果;
(3)根据权重数据,对多个标准化决策管理分析结果进行结果融合,得到目标决策管理分析结果。
具体的,根据目标任务逻辑关联关系确定每个初始决策管理分析结果的权重数据。目标任务逻辑关联关系描述了不同任务之间的关联性和重要性。通过对这些关系进行分析和权衡,可以为每个初始决策管理分析结果分配适当的权重。例如,假设服务器有两个目标决策管理模型:模型A和模型B,并且它们对应的初始决策管理分析结果为结果A和结果B。根据目标任务逻辑关联关系的分析,服务器确定了结果A的权重为0.6,结果B的权重为0.4。对每个目标决策管理模型对应的初始决策管理分析结果进行标准化处理。标准化处理可以将不同范围和单位的结果转化为具有统一尺度的值,以便进行后续的结果融合。例如,假设结果A的取值范围是0到100,而结果B的取值范围是0到10。服务器对这两个结果进行标准化,将其转化为0到1之间的值。这样可以消除不同结果之间的尺度差异,使它们具有可比性。根据权重数据,对多个标准化决策管理分析结果进行结果融合,得到目标决策管理分析结果。权重数据反映了每个初始决策管理分析结果在整体决策中的重要程度。通过将每个标准化结果乘以对应的权重并求和,可以得到综合考虑权重的目标决策管理分析结果。例如,假设结果A经过标准化后为0.8,结果B经过标准化后为0.6。根据之前确定的权重数据,服务器将结果A乘以0.6,结果B乘以0.4,然后将两个结果相加。服务器得到了综合考虑权重的目标决策管理分析结果。通过确定权重数据、对初始决策管理分析结果进行标准化处理,再根据权重数据对标准化结果进行结果融合,可以得到综合考虑权重的目标决策管理分析结果。这个过程能够帮助决策者将多个分析结果综合起来,从而得到更全面、准确的决策结果。
上面对本发明实施例中基于企业数据中台***的信息化管理方法进行了描述,下面对本发明实施例中基于企业数据中台***的信息化管理装置进行描述,请参阅图5,本发明实施例中基于企业数据中台***的信息化管理装置一个实施例包括:
分解模块501,用于基于预置的企业数据中台***获取待处理的第一旅游园区决策任务信息,并将所述第一旅游园区决策任务信息输入预置的任务动态分解模型进行决策任务信息分解处理,得到多个第二旅游园区决策任务信息;
分析模块502,用于对所述多个第二旅游园区决策任务信息进行任务逻辑关联关系分析,得到目标任务逻辑关联关系;
创建模块503,用于根据所述目标任务逻辑关联关系创建目标决策管理模型集合,并根据所述目标决策管理模型集合确定每个第二旅游园区决策任务信息对应的目标决策管理模型;
分发模块504,用于获取每个目标决策管理模型对应的任务负载数据和任务属性数据,并根据所述任务负载数据和所述任务属性数据将所述多个第二旅游园区决策任务信息分发至所述目标决策管理模型;
处理模块505,用于通过所述目标决策管理模型对每个第二旅游园区决策任务信息进行决策管理分析,得到每个目标决策管理模型对应的初始决策管理分析结果;
融合模块506,用于根据所述目标任务逻辑关联关系,对每个目标决策管理模型对应的初始决策管理分析结果进行结果融合,得到目标决策管理分析结果。
通过上述各个组成部分的协同合作,将第一旅游园区决策任务信息输入任务动态分解模型进行决策任务信息分解处理,得到多个第二旅游园区决策任务信息;进行任务逻辑关联关系分析,得到目标任务逻辑关联关系并创建目标决策管理模型集合,将多个第二旅游园区决策任务信息分发至目标决策管理模型;通过目标决策管理模型进行决策管理分析,得到每个目标决策管理模型对应的初始决策管理分析结果;根据目标任务逻辑关联关系,对每个目标决策管理模型对应的初始决策管理分析结果进行结果融合,得到目标决策管理分析结果,本发明通过预置的企业数据中台***获取和整合待处理的决策任务信息,将任务动态分解和逻辑关联分析与决策管理模型相结合,实现了决策任务的高效管理和决策分析。通过自动化的数据处理和分发机制,提升了决策的执行效率和决策过程的流畅性。基于企业数据中台***获取多源的数据,并将其应用于决策分析和决策模型中,将决策任务信息和企业数据相结合,实现了数据驱动的决策管理,通过对大量数据的学习和挖掘,提供更准确的决策建议和预测结果。
上面图5从模块化功能实体的角度对本发明实施例中的基于企业数据中台***的信息化管理装置进行详细描述,下面从硬件处理的角度对本发明实施例中基于企业数据中台***的信息化管理设备进行详细描述。
图6是本发明实施例提供的一种基于企业数据中台***的信息化管理设备的结构示意图,该基于企业数据中台***的信息化管理设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对基于企业数据中台***的信息化管理设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在基于企业数据中台***的信息化管理设备600上执行存储介质630中的一系列指令操作。
基于企业数据中台***的信息化管理设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作***631,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图6示出的基于企业数据中台***的信息化管理设备结构并不构成对基于企业数据中台***的信息化管理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种基于企业数据中台***的信息化管理设备,所述基于企业数据中台***的信息化管理设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述基于企业数据中台***的信息化管理方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述基于企业数据中台***的信息化管理方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random acceS memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种基于企业数据中台***的信息化管理方法,其特征在于,所述基于企业数据中台***的信息化管理方法包括:
基于预置的企业数据中台***获取待处理的第一旅游园区决策任务信息,并将所述第一旅游园区决策任务信息输入预置的任务动态分解模型进行决策任务信息分解处理,得到多个第二旅游园区决策任务信息;具体包括:基于预置的企业数据中台***获取待处理的第一旅游园区决策任务信息,其中,所述第一旅游园区决策任务信息包括:销售数据、访客数量、景点评分以及市场调研数据;对所述第一旅游园区决策任务信息进行任务信息主成分分析,得到多个主成分特征值;根据所述多个主成分特征值,并通过预置的任务动态分解模型对所述第一旅游园区决策任务信息进行决策任务信息分解处理,得到多个第二旅游园区决策任务信息;
对所述多个第二旅游园区决策任务信息进行任务逻辑关联关系分析,得到目标任务逻辑关联关系;具体包括:根据所述多个主成分特征值,对每个第二旅游园区决策任务信息进行主成分特征提取,得到每个第二旅游园区决策任务信息对应的主成分特征;将所述主成分特征输入预置的均值漂移聚类分析模型,并调用所述均值漂移聚类分析模型的第一聚类函数对所述主成分特征进行特征聚类,得到第一特征聚类数据点;对所述主成分特征和所述第一特征聚类数据点进行数据点距离分析,得到多个目标数据点距离,并对所述多个目标数据点距离进行均值运算,得到平均数据点距离;根据所述平均数据点距离,对所述第一聚类函数进行参数调整,得到第二聚类函数,并通过所述第二聚类函数对所述主成分特征进行特征聚类,得到第二特征聚类数据点;根据所述第二特征聚类数据点,构建每两个第二旅游园区决策任务信息进行任务逻辑关联关系分析,得到每两个第二旅游园区决策任务信息之间的初始逻辑关联关系;根据每两个第二旅游园区决策任务信息之间的初始逻辑关联关系,构建所述多个第二旅游园区决策任务信息对应的目标任务逻辑关联关系;
根据所述目标任务逻辑关联关系创建目标决策管理模型集合,并根据所述目标决策管理模型集合确定每个第二旅游园区决策任务信息对应的目标决策管理模型;具体包括:根据所述目标任务逻辑关联关系创建多模态决策管理模型结构,并通过所述多模态决策管理模型结构构建模型网络拓扑图;对所述模型网络拓扑图进行聚类计算,得到目标聚类结果,并根据所述目标聚类结果计算所述模型网络拓扑图中每个模型节点的目标值;根据所述目标聚类结果和每个模型节点的目标值对所述模型网络拓扑图进行从属关系计算,得到每个模型节点之间的节点从属关系;根据所述节点从属关系和所述多模态决策管理模型结构,生成目标决策管理模型集合;根据所述目标决策管理模型集合,对每个第二旅游园区决策任务信息进行决策管理模型配置,得到对应的目标决策管理模型;
获取每个目标决策管理模型对应的任务负载数据和任务属性数据,并根据所述任务负载数据和所述任务属性数据将所述多个第二旅游园区决策任务信息分发至所述目标决策管理模型;
通过所述目标决策管理模型对每个第二旅游园区决策任务信息进行决策管理分析,得到每个目标决策管理模型对应的初始决策管理分析结果;
根据所述目标任务逻辑关联关系,对每个目标决策管理模型对应的初始决策管理分析结果进行结果融合,得到目标决策管理分析结果。
2.根据权利要求1所述的基于企业数据中台***的信息化管理方法,其特征在于,所述获取每个目标决策管理模型对应的任务负载数据和任务属性数据,并根据所述任务负载数据和所述任务属性数据将所述多个第二旅游园区决策任务信息分发至所述目标决策管理模型,包括:
基于所述企业数据中台***查询每个目标决策管理模型对应的任务属性数据,并对所述目标决策管理模型进行任务队列分析,得到每个目标决策管理模型对应的任务负载数据;
对所述任务负载数据和所述任务属性数据进行特征提取,得到负载特征以及属性特征,并根据所述负载特征以及所述属性特征构建第二旅游园区决策任务信息与目标决策管理模型之间的目标映射关系;
根据所述目标映射关系,分别对所述多个第二旅游园区决策任务信息进行目标决策管理模型的映射匹配和任务分发。
3.根据权利要求1所述的基于企业数据中台***的信息化管理方法,其特征在于,所述通过所述目标决策管理模型对每个第二旅游园区决策任务信息进行决策管理分析,得到每个目标决策管理模型对应的初始决策管理分析结果,包括:
对每个第二旅游园区决策任务信息进行任务信息编码,得到对应的任务编码向量;
将所述任务编码向量输入所述目标决策管理模型,其中,所述目标决策管理模型包括:输入层、特征提取层以及决策层;
通过所述目标决策管理模型进行决策管理分析,得到每个目标决策管理模型对应的初始决策管理分析结果。
4.根据权利要求1所述的基于企业数据中台***的信息化管理方法,其特征在于,所述根据所述目标任务逻辑关联关系,对每个目标决策管理模型对应的初始决策管理分析结果进行结果融合,得到目标决策管理分析结果,包括:
根据所述目标任务逻辑关联关系确定每个初始决策管理分析结果的权重数据;
对每个目标决策管理模型对应的初始决策管理分析结果进行标准化处理,得到多个标准化决策管理分析结果;
根据所述权重数据,对所述多个标准化决策管理分析结果进行结果融合,得到目标决策管理分析结果。
5.一种基于企业数据中台***的信息化管理装置,其特征在于,所述基于企业数据中台***的信息化管理装置包括:
分解模块,用于基于预置的企业数据中台***获取待处理的第一旅游园区决策任务信息,并将所述第一旅游园区决策任务信息输入预置的任务动态分解模型进行决策任务信息分解处理,得到多个第二旅游园区决策任务信息;具体包括:基于预置的企业数据中台***获取待处理的第一旅游园区决策任务信息,其中,所述第一旅游园区决策任务信息包括:销售数据、访客数量、景点评分以及市场调研数据;对所述第一旅游园区决策任务信息进行任务信息主成分分析,得到多个主成分特征值;根据所述多个主成分特征值,并通过预置的任务动态分解模型对所述第一旅游园区决策任务信息进行决策任务信息分解处理,得到多个第二旅游园区决策任务信息;
分析模块,用于对所述多个第二旅游园区决策任务信息进行任务逻辑关联关系分析,得到目标任务逻辑关联关系;具体包括:根据所述多个主成分特征值,对每个第二旅游园区决策任务信息进行主成分特征提取,得到每个第二旅游园区决策任务信息对应的主成分特征;将所述主成分特征输入预置的均值漂移聚类分析模型,并调用所述均值漂移聚类分析模型的第一聚类函数对所述主成分特征进行特征聚类,得到第一特征聚类数据点;对所述主成分特征和所述第一特征聚类数据点进行数据点距离分析,得到多个目标数据点距离,并对所述多个目标数据点距离进行均值运算,得到平均数据点距离;根据所述平均数据点距离,对所述第一聚类函数进行参数调整,得到第二聚类函数,并通过所述第二聚类函数对所述主成分特征进行特征聚类,得到第二特征聚类数据点;根据所述第二特征聚类数据点,构建每两个第二旅游园区决策任务信息进行任务逻辑关联关系分析,得到每两个第二旅游园区决策任务信息之间的初始逻辑关联关系;根据每两个第二旅游园区决策任务信息之间的初始逻辑关联关系,构建所述多个第二旅游园区决策任务信息对应的目标任务逻辑关联关系;
创建模块,用于根据所述目标任务逻辑关联关系创建目标决策管理模型集合,并根据所述目标决策管理模型集合确定每个第二旅游园区决策任务信息对应的目标决策管理模型;具体包括:根据所述目标任务逻辑关联关系创建多模态决策管理模型结构,并通过所述多模态决策管理模型结构构建模型网络拓扑图;对所述模型网络拓扑图进行聚类计算,得到目标聚类结果,并根据所述目标聚类结果计算所述模型网络拓扑图中每个模型节点的目标值;根据所述目标聚类结果和每个模型节点的目标值对所述模型网络拓扑图进行从属关系计算,得到每个模型节点之间的节点从属关系;根据所述节点从属关系和所述多模态决策管理模型结构,生成目标决策管理模型集合;根据所述目标决策管理模型集合,对每个第二旅游园区决策任务信息进行决策管理模型配置,得到对应的目标决策管理模型;
分发模块,用于获取每个目标决策管理模型对应的任务负载数据和任务属性数据,并根据所述任务负载数据和所述任务属性数据将所述多个第二旅游园区决策任务信息分发至所述目标决策管理模型;
处理模块,用于通过所述目标决策管理模型对每个第二旅游园区决策任务信息进行决策管理分析,得到每个目标决策管理模型对应的初始决策管理分析结果;
融合模块,用于根据所述目标任务逻辑关联关系,对每个目标决策管理模型对应的初始决策管理分析结果进行结果融合,得到目标决策管理分析结果。
6.一种基于企业数据中台***的信息化管理设备,其特征在于,所述基于企业数据中台***的信息化管理设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于企业数据中台***的信息化管理设备执行如权利要求1-4中任一项所述的基于企业数据中台***的信息化管理方法。
7.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-4中任一项所述的基于企业数据中台***的信息化管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310940495.5A CN116663938B (zh) | 2023-07-28 | 2023-07-28 | 基于企业数据中台***的信息化管理方法及其相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310940495.5A CN116663938B (zh) | 2023-07-28 | 2023-07-28 | 基于企业数据中台***的信息化管理方法及其相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116663938A CN116663938A (zh) | 2023-08-29 |
CN116663938B true CN116663938B (zh) | 2023-12-12 |
Family
ID=87720930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310940495.5A Active CN116663938B (zh) | 2023-07-28 | 2023-07-28 | 基于企业数据中台***的信息化管理方法及其相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116663938B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117272390B (zh) * | 2023-11-17 | 2024-03-22 | 海之景科技集团有限公司 | 信息安全的数据处理方法、装置、设备及存储介质 |
CN117439995B (zh) * | 2023-12-19 | 2024-03-15 | 广东博思信息技术股份有限公司 | 信息发布方法、装置、设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6343079B1 (ja) * | 2017-09-19 | 2018-06-13 | 株式会社キャスター | 人にマッチするタスクを提示する方法及び装置並びにタスクにマッチする人を提示する方法及び装置 |
CN111144554A (zh) * | 2019-12-31 | 2020-05-12 | 暨南大学 | 基于模块分解的智能响应方法、装置、介质、设备 |
CN111340246A (zh) * | 2020-02-26 | 2020-06-26 | 未来地图(深圳)智能科技有限公司 | 用于企业智能决策分析的处理方法、装置和计算机设备 |
CN111475541A (zh) * | 2020-03-17 | 2020-07-31 | 中国平安人寿保险股份有限公司 | 数据决策方法、装置、电子设备及存储介质 |
CN112148952A (zh) * | 2020-09-28 | 2020-12-29 | 腾讯科技(深圳)有限公司 | 一种任务执行方法、装置、设备及计算机可读存储介质 |
KR20210089604A (ko) * | 2020-12-30 | 2021-07-16 | 바이두 유에스에이 엘엘씨 | 맵 상의 종착지를 결정하는 방법, 기기 및 저장매체 |
CN114925165A (zh) * | 2022-05-06 | 2022-08-19 | 重庆大学 | 一种咨询任务分解方法、***及平台 |
CN116029571A (zh) * | 2023-03-29 | 2023-04-28 | 肯特智能技术(深圳)股份有限公司 | 基于元宇宙的数据处理方法及相关装置 |
CN116303833A (zh) * | 2023-05-18 | 2023-06-23 | 联通沃音乐文化有限公司 | 一种基于olap的向量化数据混合存储方法 |
CN116485337A (zh) * | 2023-04-25 | 2023-07-25 | 深圳市蓝拓创远科技有限公司 | 一种基于项目分解和流程驱动管理的bpm平台管理方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738539B (zh) * | 2020-02-28 | 2024-04-19 | 北京京东乾石科技有限公司 | 一种拣货任务分配方法、装置、设备及介质 |
CN112650803A (zh) * | 2020-12-22 | 2021-04-13 | 捷信汇成(北京)科技有限公司 | 一种基于商业智能的数据分析*** |
CN115576999B (zh) * | 2022-12-09 | 2023-03-10 | 矩阵起源(深圳)信息科技有限公司 | 基于云平台的任务数据处理方法、装置、设备及存储介质 |
-
2023
- 2023-07-28 CN CN202310940495.5A patent/CN116663938B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6343079B1 (ja) * | 2017-09-19 | 2018-06-13 | 株式会社キャスター | 人にマッチするタスクを提示する方法及び装置並びにタスクにマッチする人を提示する方法及び装置 |
CN111144554A (zh) * | 2019-12-31 | 2020-05-12 | 暨南大学 | 基于模块分解的智能响应方法、装置、介质、设备 |
CN111340246A (zh) * | 2020-02-26 | 2020-06-26 | 未来地图(深圳)智能科技有限公司 | 用于企业智能决策分析的处理方法、装置和计算机设备 |
CN111475541A (zh) * | 2020-03-17 | 2020-07-31 | 中国平安人寿保险股份有限公司 | 数据决策方法、装置、电子设备及存储介质 |
CN112148952A (zh) * | 2020-09-28 | 2020-12-29 | 腾讯科技(深圳)有限公司 | 一种任务执行方法、装置、设备及计算机可读存储介质 |
KR20210089604A (ko) * | 2020-12-30 | 2021-07-16 | 바이두 유에스에이 엘엘씨 | 맵 상의 종착지를 결정하는 방법, 기기 및 저장매체 |
CN114925165A (zh) * | 2022-05-06 | 2022-08-19 | 重庆大学 | 一种咨询任务分解方法、***及平台 |
CN116029571A (zh) * | 2023-03-29 | 2023-04-28 | 肯特智能技术(深圳)股份有限公司 | 基于元宇宙的数据处理方法及相关装置 |
CN116485337A (zh) * | 2023-04-25 | 2023-07-25 | 深圳市蓝拓创远科技有限公司 | 一种基于项目分解和流程驱动管理的bpm平台管理方法 |
CN116303833A (zh) * | 2023-05-18 | 2023-06-23 | 联通沃音乐文化有限公司 | 一种基于olap的向量化数据混合存储方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116663938A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116663938B (zh) | 基于企业数据中台***的信息化管理方法及其相关装置 | |
US10354201B1 (en) | Scalable clustering for mixed machine learning data | |
CN110352415B (zh) | 大规模数据管理***中利用图团体监测的预测表预连接 | |
US10191968B2 (en) | Automated data analysis | |
Ouadah et al. | SEFAP: an efficient approach for ranking skyline web services | |
US9501553B1 (en) | Organization categorization system and method | |
CN112579273B (zh) | 任务调度方法及装置、计算机可读存储介质 | |
CN114416855A (zh) | 一种基于电力大数据的可视化平台及方法 | |
CN110489556A (zh) | 关于跟进记录的质量评价方法、装置、服务器及存储介质 | |
CN114386879B (zh) | 一种基于多产品多维度性能指标的评分与排行方法及*** | |
CN113191533A (zh) | 仓库用工预测方法、装置、设备及存储介质 | |
CN117236656B (zh) | 工程项目的信息化管理方法及*** | |
Ismaeel et al. | An efficient workload clustering framework for large-scale data centers | |
CN115202847A (zh) | 任务的调度方法和装置 | |
CN114995964A (zh) | 一种组合服务重构方法、装置、设备和计算机可读介质 | |
EP3975075A1 (en) | Runtime estimation for machine learning data processing pipeline | |
EP2541409A1 (en) | Parallelization of large scale data clustering analytics | |
US11636377B1 (en) | Artificial intelligence system incorporating automatic model updates based on change point detection using time series decomposing and clustering | |
US20240013123A1 (en) | Utilizing machine learning models to analyze an impact of a change request | |
US20230209367A1 (en) | Telecommunications network predictions based on machine learning using aggregated network key performance indicators | |
US20110167014A1 (en) | Method and apparatus of adaptive categorization technique and solution for services selection based on pattern recognition | |
AU2020101842A4 (en) | DAI- Dataset Discovery: DATASET DISCOVERY IN DATA ANALYTICS USING AI- BASED PROGRAMMING. | |
CN111897832B (zh) | 模型部署方法、设备及可读存储介质 | |
JP2023101234A (ja) | クラウドアプリケーションデプロイ装置およびクラウドアプリケーションデプロイ方法 | |
CN113177613A (zh) | ***资源数据分配方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |