[發明專利]一種基于行業屬性和經營屬性構建企業畫像的方法及系統

在審

• 申請號: 202010574259.2
• 申請日: 2020-06-22
• 公開（公告）號: CN111930815A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 楊海峰;任欽正;顧津;潘競旭;張學軍;魯龍;宋穎
• 申請（專利權）人: 航天信息股份有限公司
• 主分類號: G06F16/25
• 分類號: G06F16/25;G06F16/28;G06F16/215;G06F16/9535;G06Q30/04;G06Q40/00
• 代理公司: 北京工信聯合知識產權代理有限公司 11266
• 代理人: 姜麗輝

本發明涉及一種基于行業屬性和經營屬性構建企業畫像的方法及系統，使用SQOPP從Oracle數據庫中導出數據，通過ETL過程清洗數據存入HIVE數據倉庫，基于Spark分布式處理框架處理數據，能夠滿足海量數據中迅速定位待構建企業畫像企業及其所屬行業的信息，具有可擴展性強和效率高等特點，在營改增以后發票量日益增長，現階段需要對大規模數據進行統計分析的背景下有明顯的優勢；僅使用企業銷項發票數據，且針對不同行業可以設定不同的參數，生成特定行業的企業畫像構建模型，能夠提高企業畫像結果的針對性和準確性；可以為稅務人員提供企業畫像構建結果供其參考，減輕了稅務人員的工作負擔，提高了稅務人員的工作效率，對推動互聯網和稅務執法發展進程具有重要意義。

技術領域

本發明涉及數據處理技術領域，并且更具體地，涉及一種基于行業屬性和經營屬性構建企業畫像的方法及系統。

背景技術

企業畫像可定義為通過收集和分析一個或多個來源的數據，對同一企業的所有相關信息進行提煉、整理與匯總，得到刻畫、描述企業個體屬性、行業屬性和經營屬性等多個維度的“畫像”，即標簽。

現階段基于企業的業務或應用中，以企業畫像的相關企業信息為基礎來開展工作，可以大大提高業務工作的效率和準確率。隨著互聯網信息量的暴漲及社會信息化程度的提高，各企業本身相關的信息、數據也隨之增加，這也導致可供企業畫像這一技術方法來分析的數據也越來越豐富。同時，企業畫像的應用場景也更加豐富，分析的成果也更具說服力。但是，目前缺少企業畫像在具體行業中的具體落地實現方案。

發明內容

本發明提出一種基于行業屬性和經營屬性構建企業畫像的及系統，以解決如何生成企業的企業畫像的問題。

為了解決上述問題，根據本發明的一個方面，提供了一種基于行業屬性和經營屬性構建企業畫像的方法，所述方法包括：

獲取預設時間段內的與納稅人購銷相關的發票數據，并對所述與納稅人購銷相關的發票數據進行預處理，以獲取銷項發票處理數據；

確定待畫像企業所屬行業的行業屬性代碼；

根據所述行業屬性代碼，從獲取的銷項發票處理數據中選取與所述行業屬性代碼對應的銷項發票處理數據，以獲取行業銷項發票匯總數據；

根據所述行業銷項發票匯總數據和預設的每個經營屬性的經營標簽標準，確定每個經營標簽對應的銷項開票金額區間；

根據所述待畫像企業的銷項發票數據確定所述待畫像企業的銷項開票金額，將所述待畫像企業的銷項開票金額與所述每個經營標簽對應的銷項開票金額區間進行匹配，以確定匹配的經營標簽，并根據所述匹配的經營標簽和行業屬性代碼確定所述待畫像企業的企業畫像。

優選地，其中所述獲取預設時間段內的與納稅人購銷相關的發票數據，并對所述與納稅人購銷相關的發票數據進行預處理，以獲取銷項發票處理數據,包括：

利用SQOOP工具從原始的電子底賬Oracle數據庫中抽取營改增以后的預設時間段內的與納稅人購銷相關的發票數據，并存儲至HIVE發票信息表中；

利用Spark分布式處理框架對所述HIVE發票信息表中的與納稅人購銷相關的發票數據進行ETL清洗、轉換和加載處理，以獲取銷項發票處理數據。

優選地，其中所述根據所述行業銷項發票匯總數據和預設的每個經營屬性的經營標簽標準確定每個經營標簽對應的銷項開票金額區間，包括：

根據所述行業銷項發票匯總數據計算行業銷項開票總額，并根據所述行業銷項開票總額和預設的經營屬性為“行業銷售地位”的經營標簽標準，計算經營屬性為“行業銷售地位”的每個經營標簽對應的銷項開票金額區間；

根據所述開票總金額和預設的經營屬性為“銷售業績”的經營標簽標準，計算經營屬性為“銷售業績”的每個經營標簽對應的銷項開票金額區間。