[發(fā)明專利]基于海量數(shù)據(jù)的企業(yè)決策點挖掘方法及其系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201710423122.5
• 申請日: 2017-06-07
• 公開（公告）號: CN107193994A
• 公開（公告）日: 2017-09-22
• 發(fā)明（設(shè)計）人: 李小強(qiáng)
• 申請（專利權(quán)）人: 前海梧桐（深圳）數(shù)據(jù)有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q30/02
• 代理公司: 深圳市精英專利事務(wù)所44242
• 代理人: 馮筠

技術(shù)領(lǐng)域

本發(fā)明涉及企業(yè)決策點挖掘方法，更具體地說是指基于海量數(shù)據(jù)的企業(yè)決策點挖掘方法及其系統(tǒng)。

背景技術(shù)

經(jīng)營決策是指企業(yè)對未來經(jīng)營發(fā)展的目標(biāo)及實現(xiàn)目標(biāo)的戰(zhàn)略或手段進(jìn)行最佳選擇的過程，也是企業(yè)管理全部工作的核心內(nèi)容，在企業(yè)的全部經(jīng)營管理工作中，決策的正確與否，直接關(guān)系到企業(yè)興衰成敗和生存發(fā)展。

目前市場上企業(yè)數(shù)據(jù)服務(wù)類型的產(chǎn)品都是基于已有產(chǎn)品或服務(wù)的供給式思維，雖然有些也是基于體量龐大且復(fù)雜的結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)，但是總體上還是以基于歷史數(shù)據(jù)分析的報表和描述性分析為主，不僅預(yù)測性和規(guī)范性分析相對較少，而且沒有將數(shù)據(jù)分析技術(shù)嵌入業(yè)務(wù)流程，導(dǎo)致數(shù)據(jù)分析與企業(yè)業(yè)務(wù)的割裂，無法對企業(yè)運營決策提供主動性支持和幫助。

中國專利201310059170.2公開了一種Web主題傾向性挖掘與決策支持的方法，包括步驟：S1.網(wǎng)絡(luò)信息抽取與儲存，通過網(wǎng)絡(luò)挖掘技術(shù)，在互聯(lián)網(wǎng)上獲取信息，并將結(jié)果存入數(shù)據(jù)庫和本地文件系統(tǒng)；S2.信息的觀點主題檢測與跟蹤，利用專題評論數(shù)據(jù)，檢測識別出感興趣的具有完整語義信息的觀點主題,并持續(xù)跟蹤和關(guān)注該觀點主題；S3.觀點主題情感傾向性識別，對企業(yè)的熱點話題進(jìn)行話題情感傾向性分類，挖掘出觀點主題的情感傾向性。

上述專利通過從互聯(lián)網(wǎng)中獲取相關(guān)商業(yè)資訊，快速有效地從海量網(wǎng)絡(luò)資訊中挖掘企業(yè)相關(guān)的主題傾向性走勢，實現(xiàn)即時商業(yè)智慧，更好地為企業(yè)提供決策支持服務(wù)，但是并不能將大數(shù)據(jù)與業(yè)務(wù)結(jié)合，存在對企業(yè)需求的把握不準(zhǔn)確的現(xiàn)象，決策不準(zhǔn)確。

因此，有必要設(shè)計一種基于海量數(shù)據(jù)的企業(yè)決策點挖掘方法，實現(xiàn)海量數(shù)據(jù)與企業(yè)實際經(jīng)營分析結(jié)合，為企業(yè)經(jīng)營決策提供主動、動態(tài)和及時的數(shù)據(jù)支持，預(yù)測性和規(guī)范性分析多，提高對企業(yè)需求的把握準(zhǔn)確度，使得決策準(zhǔn)確。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺陷，提供基于海量數(shù)據(jù)的企業(yè)決策點挖掘方法及其系統(tǒng)。

為實現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：基于海量數(shù)據(jù)的企業(yè)決策點挖掘方法，所述方法包括：

對需要服務(wù)的企業(yè)進(jìn)行分類和分層，獲取企業(yè)子項；

結(jié)合企業(yè)業(yè)務(wù)特征，將所述企業(yè)子項與企業(yè)的各類決策需求關(guān)聯(lián)，形成決策點分類模型；

基于專有數(shù)據(jù)源和海量數(shù)據(jù)，對決策點分類模型進(jìn)行動態(tài)調(diào)整；

匹配調(diào)整后的決策點分類模型和企業(yè)經(jīng)營的產(chǎn)品和服務(wù)，獲取企業(yè)決策點。

其進(jìn)一步技術(shù)方案為：對需要服務(wù)的企業(yè)進(jìn)行分類和分層，獲取企業(yè)子項的步驟，包括以下具體步驟：

獲取需要服務(wù)的已收錄企業(yè)；

按照經(jīng)營對象或經(jīng)營內(nèi)容對所述企業(yè)的經(jīng)營活動分類和分層，獲取企業(yè)子項。

其進(jìn)一步技術(shù)方案為：結(jié)合企業(yè)業(yè)務(wù)特征，將所述企業(yè)子項與企業(yè)的各類決策需求關(guān)聯(lián)，形成決策點分類模型的步驟，包括以下具體步驟：

結(jié)合企業(yè)業(yè)務(wù)特征，預(yù)測所述企業(yè)子項與企業(yè)經(jīng)營中面臨的各類決策需求匹配的概率；

結(jié)合企業(yè)經(jīng)營中面臨的各類決策需求之間的關(guān)聯(lián)關(guān)系，整合所述企業(yè)子項以及所述概率，形成決策點分類模型。

其進(jìn)一步技術(shù)方案為：基于專有數(shù)據(jù)源和海量數(shù)據(jù)，對決策點分類模型進(jìn)行動態(tài)調(diào)整的步驟，包括以下具體步驟：

獲取專有數(shù)據(jù)源以及關(guān)于企業(yè)的各類海量數(shù)據(jù)；

根據(jù)專有數(shù)據(jù)源以及關(guān)于企業(yè)的各類海量數(shù)據(jù)，動態(tài)記錄企業(yè)經(jīng)營狀況的發(fā)展趨勢；

結(jié)合所述發(fā)展趨勢動態(tài)調(diào)整決策點分類模型。

其進(jìn)一步技術(shù)方案為：匹配調(diào)整后的決策點分類模型和企業(yè)經(jīng)營的產(chǎn)品和服務(wù)，獲取企業(yè)決策點的步驟，包括以下具體步驟：

根據(jù)企業(yè)經(jīng)營的產(chǎn)品和服務(wù)，分析并獲取企業(yè)當(dāng)前的經(jīng)營活動所處的企業(yè)子項；

根據(jù)企業(yè)子項在所述決策點分類模型內(nèi)查詢對應(yīng)的決策需求，獲取企業(yè)決策點。

本發(fā)明還提供了基于海量數(shù)據(jù)的企業(yè)決策點挖掘系統(tǒng)，包括企業(yè)子項獲取單元、模型形成單元、調(diào)整單元以及決策點獲取單元；

所述企業(yè)子項獲取單元，用于對需要服務(wù)的企業(yè)進(jìn)行分類和分層，獲取企業(yè)子項；

所述模型形成單元，用于結(jié)合企業(yè)業(yè)務(wù)特征，將所述企業(yè)子項與企業(yè)的各類決策需求關(guān)聯(lián)，形成決策點分類模型；

所述調(diào)整單元，用于基于專有數(shù)據(jù)源和海量數(shù)據(jù)，對決策點分類模型進(jìn)行動態(tài)調(diào)整；

所述決策點獲取單元，用于匹配調(diào)整后的決策點分類模型和企業(yè)經(jīng)營的產(chǎn)品和服務(wù)，獲取企業(yè)決策點。

其進(jìn)一步技術(shù)方案為：所述企業(yè)子項獲取單元包括企業(yè)獲取模塊以及分類分層模塊；