CN116976564A - 基于大模型的智能企业决策方法 - Google Patents
基于大模型的智能企业决策方法 Download PDFInfo
- Publication number
- CN116976564A CN116976564A CN202311044601.8A CN202311044601A CN116976564A CN 116976564 A CN116976564 A CN 116976564A CN 202311044601 A CN202311044601 A CN 202311044601A CN 116976564 A CN116976564 A CN 116976564A
- Authority
- CN
- China
- Prior art keywords
- data
- decision
- model
- service
- data set
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000010801 machine learning Methods 0.000 claims abstract description 18
- 238000005457 optimization Methods 0.000 claims description 27
- 238000005070 sampling Methods 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 22
- 238000012423 maintenance Methods 0.000 claims description 11
- 230000001105 regulatory effect Effects 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000007547 defect Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 238000003908 quality control method Methods 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000013136 deep learning model Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 238000013179 statistical model Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000001932 seasonal effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 235000018185 Betula X alpestris Nutrition 0.000 description 1
- 235000018212 Betula X uliginosa Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 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
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
-
- 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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
- G06Q10/06—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
- G06Q10/06—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
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
-
- 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
- G06Q50/18—Legal services
-
- 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
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Educational Technology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Technology Law (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
基于大模型的智能企业决策方法,属于大数据领域。解决了现有智能企业决策方法决策涉及解决的业务较少不全面、决策模型需要自行构建、运行和部署,导致构建过程复杂、耗时长、决策效率低的问题。本发明方法先收集各种业务需求问题所对应的数据集和决策模型,利用用于数据发现的大模型确定出业务最相关数据集及该业务最相关数据集的多个元特征;搜索与各元特征相关的决策模型,利用自动机器学习策略调优得到最优决策模型;利用最优决策模型对待预测的业务需求问题进行预测,输出与待预测的业务需求问题相关的各种类型的数据。本发明主要用于企业决策。
Description
技术领域
本发明属于大数据领域。
背景技术
在现有技术中,解决企业运营业务时面临的各种问题,往往由老板直接解决、或由各部门之间相互配合间接解决。所面临的问题一般为:市场分析和趋势预测、库存管理和需求预测、客户洞察和个性化、成本核算和财务优化、供应链优化、质量控制和缺陷检测、员工绩效和培训、设备的预测性维护、法规遵从性协助、销售预测和收入优化等等。在现有技术中,这些问题往往人工决策,具体由老板直接解决、或由各部门之间相互配合间接解决。现有人工决策可全面解决上述业务问题但是在处理这些问题时需要大量的人力、物力、缺乏足够的精确性和效率。
除了传统的人工决策外,现在技术中存在智能企业决策的产品进行智能化决策,但其存在以下问题:(1)业务较少,解决问题不全面,例如:企业同盾科技其主打金融和安全,业务较少;企业悠桦林只能智能供应链计划,同样业务较少;(2)IBM企业的决策优化模型需要自行构建、运行和部署,构建过程复杂、耗时长、决策效率低对非计算机专业人士不友好,且其IBM企业的决策优化模型涉及数据隐私性问题、数据敏感问题;(3)依靠按钮实现人机交互,不简洁;因此,以上问题亟需解决。
发明内容
本发明目的是为了解决现有智能企业决策方法决策涉及解决的业务较少不全面、决策模型需要自行构建、运行和部署,导致构建过程复杂、耗时长、决策效率低的问题,本发明提供了一种基于大模型的基于大模型的智能企业决策方法。
基于大模型的智能企业决策方法,该方法包括如下步骤:
S1、收集本地部署的各种业务需求问题所对应的相应属性的数据集、以及各种业务需求问题所对应的多种决策模型;每种决策模型对应相应的一种属性标签,所述每个数据集内包括各采样时刻所对应的与业务需求问题相关的各种类型的数据;
S2、利用用于数据发现的大模型根据每次对话语段中的一个待预测的业务需求问题、以及收集到的所有属性的数据集,确定出业务最相关数据集及该业务最相关数据集的多个元特征;
S3、搜索与各元特征相关的决策模型,并结合业务最相关数据集、以及给定的性能指标利用自动机器学习策略调优得到最优决策模型;
S4、利用最优决策模型对待预测的业务需求问题进行预测,输出与待预测的业务需求问题相关的各种类型的数据;
S5、重复执行步骤S2至步骤S4,直至得到对话中所有与待预测的业务需求问题相关的各种类型的数据,并将其作为决策结果报告。
优选的是,决策模型的种类为3种,分别为机器学习模型、统计模型和深度学习模型。
优选的是,步骤S2、确定出业务最相关数据集及该业务最相关数据集的多个元特征的实现方式包括:
利用用于数据发现的大模型搜索出与当前待预测的业务需求问题相关的多个数据集,并对多个数据集进行数据融合,得到业务最相关数据集,并提取业务最相关数据集的元特征,获得业务最相关数据集的元特征。
优选的是,步骤S3、性能指标包括模型执行速度、模型结果的准确率和模型的泛化能力中的一种或多种。
优选的是,步骤S3、自动机器学习策略调优得到最优决策模型的第一种实现方式为:
利用待预测的业务需求问题和业务最相关数据集对与所有元特征相关的决策模型进行训练,其中,待预测的业务需求问题作为输入,业务最相关数据集内各采样时刻所对应的与业务需求问题相关的各种类型的数据作为输出;
根据给定的性能指标从所有训练后的决策模型中,筛选出最优决策模型。
优选的是,步骤S3、自动机器学习策略调优得到最优决策模型的第二种实现方式为:
对业务最相关数据集进行子采样得到子采样集;
利用待预测的业务需求问题和子采样集对与所有元特征相关的决策模型进行训练,其中,待预测的业务需求问题作为输入,子采样集内各采样时刻所对应的与业务需求问题相关的各种类型的数据作为输出;
根据给定的性能指标从所有训练后的决策模型中,筛选出性能最优的一个候选决策模型;
利用待预测的业务需求问题和业务最相关数据集对候选决策模型进行训练,训练后的候选决策模型作为最优决策模型;其中,待预测的业务需求问题作为输入,业务最相关数据集内各采样时刻所对应的与业务需求问题相关的各种类型的数据作为输出。
优选的是,业务需求问题包括:
①市场分析和趋势预测;
②库存管理和需求预测;
③客户洞察和个性化;
④成本核算和财务优化;
⑤供应链优化;
⑥质量控制和缺陷检测;
⑦员工绩效和培训;
⑧设备的预测性维护;
⑨法规遵从性协助;
⑩销售预测和收入优化。
优选的是,①市场分析和趋势预测所对应的数据集内的数据包括历史销售数据、客户反馈和偏好数据、时尚行业趋势和预测数据;
②库存管理和需求预测所对应的数据集内的数据包括销售和库存数据、客户购买历史数据、市场趋势和季节性模式数据;
③客户洞察和个性化所对应的数据集内的数据包括:客户互动和反馈数据、客户偏好和购买历史数据;
④成本核算和财务优化所对应的数据集内的数据包括:生产成本数据、定价和收入数据;
⑤供应链优化所对应的数据集内的数据包括:供应商和物流数据、历史供应链绩效数据;
⑥质量控制和缺陷检测所对应的数据集内的数据包括:制造和质量检查数据;
⑦员工绩效和培训所对应的数据集内的数据包括:员工绩效数据、培训计划数据;
⑧设备的预测性维护所对应的数据集内的数据包括:设备传感器数据、维护历史数据;
⑨法规遵从性协助所对应的数据集内的数据包括:法律和法规数据;
⑩销售预测和收入优化所对应的数据集内的数据包括:历史销售数据、市场和经济数据。
优选的是,步骤S3、搜索与各元特征相关的决策模型的实现方式为:
将各元特征和待预测的业务需求问题所对应的决策模型的属性标签均映射为语义向量,计算各元特征对应的语义向量分别与各决策模型对应的语义向量间的相似度,将相似度取值最大时所对应的决策模型,判定为与元特征相关。
所述的基于大模型的智能企业决策方法,还包括步骤S6,用于收集用户对决策结果的反馈,用以指导下一次对话语段中的自动机器学习策略的选择。
本发明带来的有益效果:
本发明基于大模型的智能企业决策方法旨在帮助用户(包括但不限于企业老板)解决运营业务时面临的各种问题,例如,市场分析和趋势预测、库存管理和需求预测、客户洞察和个性化、成本核算和财务优化、供应链优化、质量控制和缺陷检测、员工绩效和培训、设备的预测性维护、法规遵从性协助、销售预测和收入优化等等。
本发明基于大模型的智能企业决策方法可全面解决业务问题,其业务全面性取决于数据集收集环节,其与本地部署的各种业务需求问题的全面性有关;还支持智能决策,提供与业务更相关的、更准确的搜索结果,提高决策的效率和质量;通过自动机器学习策略调优提高业务相关模型的准确性和效率,提供更准确的洞察和更好的用户体验;且本发明依赖的决策模型的获取、调优、训练、预测均是自行构建的,构建过程简单,耗时短、无需用户自行构建、运行和部署,对计算机用户十分友好,并且决策效率高,接受用户的自然语言作为输入,并以自然语言作为输出,实现自然语言式的人机交互。
本发明提供了一种全面、精确和高效的决策工具,分析市场趋势、客户反馈和偏好,以及行业动向,可以帮助用户(包括但不限于企业老板)更好的运营业务。同时,本发明还具有4大特性:可解释性→决策过程可验证;鲁棒性→修正不合理的业务需求;隐私性→本地部署模型保护信息安全;泛化性→海量预训练知识增强决策能力。
附图说明
图1是本发明所述基于大模型的智能企业决策方法的原理示意图。
图2是本发明所述基于大模型的智能企业决策方法的产业价值示意图。
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作出创造性劳动的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。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
参见图1说明本实施方式一,本实施方式一所述的基于大模型的智能企业决策方法,包括:
S1、收集数据集和决策模型:收集本地部署的各种业务需求问题所对应的相应属性的数据集、以及各种业务需求问题所对应的多种决策模型;每种决策模型对应相应的一种属性标签,所述每个数据集内包括各采样时刻所对应的与业务需求问题相关的各种类型的数据;
作为示例业务需求问题包括:①市场分析和趋势预测;②库存管理和需求预测;③客户洞察和个性化;④成本核算和财务优化;⑤供应链优化;⑥质量控制和缺陷检测;⑦员工绩效和培训;⑧设备的预测性维护;⑨法规遵从性协助;⑩销售预测和收入优化。具体应用时根据本地部署收集业务需求问题,不限于以上10种业务需求问题。
①市场分析和趋势预测所对应的数据集内的与业务需求问题相关的数据包括历史销售数据、客户反馈和偏好数据、时尚行业趋势和预测数据;
②库存管理和需求预测所对应的数据集内的与业务需求问题相关的数据包括销售和库存数据、客户购买历史数据、市场趋势和季节性模式数据;
③客户洞察和个性化所对应的数据集内的与业务需求问题相关的数据包括:客户互动和反馈数据、客户偏好和购买历史数据;
④成本核算和财务优化所对应的数据集内的与业务需求问题相关的数据包括:生产成本数据、定价和收入数据;
⑤供应链优化所对应的数据集内的与业务需求问题相关的数据包括:供应商和物流数据、历史供应链绩效数据;
⑥质量控制和缺陷检测所对应的数据集内的与业务需求问题相关的数据包括:制造和质量检查数据;
⑦员工绩效和培训所对应的数据集内的与业务需求问题相关的数据包括:员工绩效数据、培训计划数据;
⑧设备的预测性维护所对应的数据集内的与业务需求问题相关的数据包括:设备传感器数据、维护历史数据;
⑨法规遵从性协助所对应的数据集内的与业务需求问题相关的数据包括:法律和法规数据;
⑩销售预测和收入优化所对应的数据集内的与业务需求问题相关的数据包括:历史销售数据、市场和经济数据。
S2、用于数据发现的大模型根据每次对话语段中的一个待预测的业务需求问题、以及收集到的所有属性的数据集,确定出业务最相关数据集及该业务最相关数据集的多个元特征;本步骤是为了利用大模型数据发现技术支持企业智能决策的过程。该步骤利用大模型技术提取数据集的元特征,从而实现对业务相关数据集的准确检索。大模型技术是一种现有技术,元特征是用于描述数据集的;对话语段中包括多个问题,具体应用时,依次处理各问题;
S3、搜索与各元特征相关的决策模型,并结合业务最相关数据集、以及给定的性能指标利用自动机器学习策略调优得到最优决策模型;进一步的,性能指标包括模型执行速度、模型结果的准确率和模型的泛化能力中的一种或多种;
本步骤是为了在算法与其对应超参数构成的搜索空间非常庞大时,能够针对根据用户的需求,以及上述步骤S1和S2中得到的与业务最相关的数据集及其元特征,使用自动机器技术调优业务相关模型;
S4、利用最优决策模型对待预测的业务需求问题进行预测,输出与待预测的业务需求问题相关的各种类型的数据;
S5、重复执行步骤S2至步骤S4,直至得到对话中所有与待预测的业务需求问题相关的各种类型的数据,并将其作为决策结果报告。以自然语言输出决策结果提高决策效率和精确性,解决各种各样的现实业务问题。
具体的,决策模型的种类为3种,分别为机器学习模型、统计模型和深度学习模型。
更进一步的,步骤S2、确定出业务最相关数据集及该业务最相关数据集的多个元特征的实现方式包括:利用用于数据发现的大模型搜索出与当前待预测的业务需求问题相关的多个数据集,并对多个数据集进行数据融合,得到业务最相关数据集,并提取业务最相关数据集的元特征,获得业务最相关数据集的元特征。上述过程通过融合不同数据集之间的知识提供更加准确的决策结果。
本步骤进行了数据集之间的融合。通过融合不同数据集之间的知识,能够充分利用不同数据集的信息,从而提高决策的准确性和可靠性。基于融合后的数据集选择有效的决策模型,确保整个过程的高效性和稳定性,这些模型包括机器学习模型、统计模型和深度学习模型等。通过有效的评估指标,确保所选定的决策模型能够提供更加准确和可靠的决策结果。
所述的基于大模型的智能企业决策方法,还包括步骤S6,用于收集用户对决策结果的反馈,用以指导下一次对话语段中的自动机器学习策略的选择。
更进一步的,步骤S3、自动机器学习策略调优得到最优决策模型的第一种实现方式为:
利用待预测的业务需求问题和业务最相关数据集对与所有元特征相关的决策模型进行训练,其中,待预测的业务需求问题作为输入,业务最相关数据集内各采样时刻所对应的与业务需求问题相关的各种类型的数据作为输出;
根据给定的性能指标从所有训练后的决策模型中,筛选出最优决策模型。
更进一步的,步骤S3、自动机器学习策略调优得到最优决策模型的第二种实现方式为:
对业务最相关数据集进行子采样得到子采样集;
利用待预测的业务需求问题和子采样集对与所有元特征相关的决策模型进行训练,其中,待预测的业务需求问题作为输入,子采样集内各采样时刻所对应的与业务需求问题相关的各种类型的数据作为输出;
根据给定的性能指标从所有训练后的决策模型中,筛选出性能最优的一个候选决策模型;
利用待预测的业务需求问题和业务最相关数据集对候选决策模型进行训练,训练后的候选决策模型作为最优决策模型;其中,待预测的业务需求问题作为输入,业务最相关数据集内各采样时刻所对应的与业务需求问题相关的各种类型的数据作为输出。
更进一步的,步骤S3、搜索与各元特征相关的决策模型的实现方式为:
将各元特征和待预测的业务需求问题所对应的决策模型的属性标签均映射为语义向量,计算各元特征对应的语义向量分别与各决策模型对应的语义向量间的相似度,将相似度取值最大时所对应的决策模型,判定为与元特征相关。
实施方式二、一种计算机可读的存储设备,所述存储设备存储有计算机程序,所述计算机程序被执行时实现如基于大模型的智能企业决策方法。
实施方式三、基于大模型的智能企业决策***,包括存储设备、处理器以及存储在所述存储设备中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序实现如基于大模型的智能企业决策方法。
本发明给产业界提供一种全面、精确和高效的决策工具,帮助用户更好的、更个性化的、更隐私的解决企业业务;并能通过用户反馈不断优化产品质量,以提供更好的客户服务、提升客户满意度、增强客户忠诚度。其产业价值具体参见图2。
虽然在本文中参照了特定的实施方式来描述本发明,但是应该理解的是,这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是,可以对示例性的实施例进行许多修改,并且可以设计出其他的布置,只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是,可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是,结合单独实施例所描述的特征可以使用在其他所述实施例中。
Claims (10)
1.基于大模型的智能企业决策方法,其特征在于,该方法包括如下步骤:
S1、收集本地部署的各种业务需求问题所对应的相应属性的数据集、以及各种业务需求问题所对应的多种决策模型;每种决策模型对应相应的一种属性标签,所述每个数据集内包括各采样时刻所对应的与业务需求问题相关的各种类型的数据;
S2、利用用于数据发现的大模型根据每次对话语段中的一个待预测的业务需求问题、以及收集到的所有属性的数据集,确定出业务最相关数据集及该业务最相关数据集的多个元特征;
S3、搜索与各元特征相关的决策模型,并结合业务最相关数据集、以及给定的性能指标利用自动机器学习策略调优得到最优决策模型;
S4、利用最优决策模型对待预测的业务需求问题进行预测,输出与待预测的业务需求问题相关的各种类型的数据;
S5、重复执行步骤S2至步骤S4,直至得到对话中所有与待预测的业务需求问题相关的各种类型的数据,并将其作为决策结果报告。
2.根据权利要求1所述的基于大模型的智能企业决策方法,其特征在于,决策模型的种类为3种,分别为机器学习模型、统计模型和深度学习模型。
3.根据权利要求1所述的基于大模型的智能企业决策方法,其特征在于,步骤S2、确定出业务最相关数据集及该业务最相关数据集的多个元特征的实现方式包括:
利用用于数据发现的大模型搜索出与当前待预测的业务需求问题相关的多个数据集,并对多个数据集进行数据融合,得到业务最相关数据集,并提取业务最相关数据集的元特征,获得业务最相关数据集的元特征。
4.根据权利要求1所述的基于大模型的智能企业决策方法,其特征在于,还包括步骤S6,用于收集用户对决策结果的反馈,用以指导下一次对话语段中的自动机器学习策略的选择。
5.根据权利要求1所述的基于大模型的智能企业决策方法,其特征在于,步骤S3、性能指标包括模型执行速度、模型结果的准确率和模型的泛化能力中的一种或多种。
6.根据权利要求1所述的基于大模型的智能企业决策方法,其特征在于,步骤S3、自动机器学习策略调优得到最优决策模型的第一种实现方式为:
利用待预测的业务需求问题和业务最相关数据集对与所有元特征相关的决策模型进行训练,其中,待预测的业务需求问题作为输入,业务最相关数据集内各采样时刻所对应的与业务需求问题相关的各种类型的数据作为输出;
根据给定的性能指标从所有训练后的决策模型中,筛选出最优决策模型。
7.根据权利要求1所述的基于大模型的智能企业决策方法,其特征在于,步骤S3、自动机器学习策略调优得到最优决策模型的第二种实现方式为:
对业务最相关数据集进行子采样得到子采样集;
利用待预测的业务需求问题和子采样集对与所有元特征相关的决策模型进行训练,其中,待预测的业务需求问题作为输入,子采样集内各采样时刻所对应的与业务需求问题相关的各种类型的数据作为输出;
根据给定的性能指标从所有训练后的决策模型中,筛选出性能最优的一个候选决策模型;
利用待预测的业务需求问题和业务最相关数据集对候选决策模型进行训练,训练后的候选决策模型作为最优决策模型;其中,待预测的业务需求问题作为输入,业务最相关数据集内各采样时刻所对应的与业务需求问题相关的各种类型的数据作为输出。
8.根据权利要求1所述的基于大模型的智能企业决策方法,其特征在于,业务需求问题包括:
①市场分析和趋势预测;
②库存管理和需求预测;
③客户洞察和个性化;
④成本核算和财务优化;
⑤供应链优化;
⑥质量控制和缺陷检测;
⑦员工绩效和培训;
⑧设备的预测性维护;
⑨法规遵从性协助;
⑩销售预测和收入优化。
9.根据权利要求8所述的基于大模型的智能企业决策方法,其特征在于,①市场分析和趋势预测所对应的数据集内的数据包括历史销售数据、客户反馈和偏好数据、时尚行业趋势和预测数据;
②库存管理和需求预测所对应的数据集内的数据包括销售和库存数据、客户购买历史数据、市场趋势和季节性模式数据;
③客户洞察和个性化所对应的数据集内的数据包括:客户互动和反馈数据、客户偏好和购买历史数据;
④成本核算和财务优化所对应的数据集内的数据包括:生产成本数据、定价和收入数据;
⑤供应链优化所对应的数据集内的数据包括:供应商和物流数据、历史供应链绩效数据;
⑥质量控制和缺陷检测所对应的数据集内的数据包括:制造和质量检查数据;
⑦员工绩效和培训所对应的数据集内的数据包括:员工绩效数据、培训计划数据;
⑧设备的预测性维护所对应的数据集内的数据包括:设备传感器数据、维护历史数据;
⑨法规遵从性协助所对应的数据集内的数据包括:法律和法规数据;
⑩销售预测和收入优化所对应的数据集内的数据包括:历史销售数据、市场和经济数据。
10.根据权利要求1所述的基于大模型的智能企业决策方法,其特征在于,步骤S3、搜索与各元特征相关的决策模型的实现方式为:
将各元特征和待预测的业务需求问题所对应的决策模型的属性标签均映射为语义向量,计算各元特征对应的语义向量分别与各决策模型对应的语义向量间的相似度,将相似度取值最大时所对应的决策模型,判定为与元特征相关。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311044601.8A CN116976564A (zh) | 2023-08-18 | 2023-08-18 | 基于大模型的智能企业决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311044601.8A CN116976564A (zh) | 2023-08-18 | 2023-08-18 | 基于大模型的智能企业决策方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116976564A true CN116976564A (zh) | 2023-10-31 |
Family
ID=88478028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311044601.8A Pending CN116976564A (zh) | 2023-08-18 | 2023-08-18 | 基于大模型的智能企业决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116976564A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391313A (zh) * | 2023-12-12 | 2024-01-12 | 广东正迪科技股份有限公司 | 基于ai的智能决策方法、***、设备以及介质 |
CN117407514A (zh) * | 2023-11-28 | 2024-01-16 | 星环信息科技(上海)股份有限公司 | 一种解决计划生成方法、装置、设备及存储介质 |
CN117670154A (zh) * | 2024-01-31 | 2024-03-08 | 青岛创新奇智科技集团股份有限公司 | 一种基于决策大模型的供应链管理方法、***及设备 |
-
2023
- 2023-08-18 CN CN202311044601.8A patent/CN116976564A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117407514A (zh) * | 2023-11-28 | 2024-01-16 | 星环信息科技(上海)股份有限公司 | 一种解决计划生成方法、装置、设备及存储介质 |
CN117391313A (zh) * | 2023-12-12 | 2024-01-12 | 广东正迪科技股份有限公司 | 基于ai的智能决策方法、***、设备以及介质 |
CN117391313B (zh) * | 2023-12-12 | 2024-04-30 | 广东正迪科技股份有限公司 | 基于ai的智能决策方法、***、设备以及介质 |
CN117670154A (zh) * | 2024-01-31 | 2024-03-08 | 青岛创新奇智科技集团股份有限公司 | 一种基于决策大模型的供应链管理方法、***及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lamba et al. | Modeling big data enablers for operations and supply chain management | |
Helo et al. | Artificial intelligence in operations management and supply chain management: An exploratory case study | |
Wu | Supplier selection: A hybrid model using DEA, decision tree and neural network | |
CN116976564A (zh) | 基于大模型的智能企业决策方法 | |
Choy et al. | Design of a case based intelligent supplier relationship management system—the integration of supplier rating system and product coding system | |
US20190095507A1 (en) | Systems and methods for autonomous data analysis | |
Leventhal | An introduction to data mining and other techniques for advanced analytics | |
CN106067094A (zh) | 一种动态评估方法及*** | |
US11182841B2 (en) | Prospect recommendation | |
Li et al. | RETRACTED ARTICLE: Data mining optimization model for financial management information system based on improved genetic algorithm | |
US11501214B2 (en) | Systems and methods for managing, distributing and deploying a recursive decisioning system based on continuously updating machine learning models | |
Wang et al. | Enhancing Operational Efficiency: Integrating Machine Learning Predictive Capabilities in Business Intellgence for Informed Decision-Making | |
CN117668205B (zh) | 智慧物流客服处理方法、***、设备及存储介质 | |
CN116955613B (zh) | 一种基于研报数据和大语言模型生成产品概念的方法 | |
US20210124751A1 (en) | Prescriptive Recommendation System and Method for Enhanced Speed and Efficiency in Rule Discovery from Data in Process Monitoring | |
CN112313679A (zh) | 信息处理设备、信息处理方法和程序 | |
Adesina et al. | Leveraging predictive analytics for strategic decision-making: Enhancing business performance through data-driven insights | |
Ogunleye | The Concept of Data Mining | |
Luthfiarta et al. | Prediction on deposit subscription of customer based on bank telemarketing using Decision Tree with entropy comparison | |
AU2020201689A1 (en) | Cognitive forecasting | |
CN113298434A (zh) | 一种工业互联网成熟度评测方法、装置、设备及存储介质 | |
Farjoo et al. | Design of a recommender system for online shopping using decision tree and Apriori algorithm | |
CN118052406A (zh) | 家居软装的供应链数据管理方法及*** | |
US11966934B2 (en) | Machine learning technologies to predict opportunities for special pricing agreements | |
CN117668712A (zh) | 基于人工智能和九宫筛选法的品类优化方法及相关装置 |
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 |