[發(fā)明專利]一種基于開票活躍度構建企業(yè)畫像的方法及系統

在審

• 申請?zhí)枺?/td>: 202011459132.2
• 申請日: 2020-12-11
• 公開（公告）號: CN112613926A
• 公開（公告）日: 2021-04-06
• 發(fā)明（設計）人: 楊海峰;鄧玉婧;梁麗;任欽正;潘競旭;魯龍;宋穎
• 申請（專利權）人: 航天信息股份有限公司
• 主分類號: G06Q30/04
• 分類號: G06Q30/04;G06F16/215;G06F16/25;G06F16/27
• 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

1.一種基于開票活躍度構建企業(yè)畫像的方法，其特征在于，所述方法包括：

獲取第一預設時間段內的與納稅人購銷相關的發(fā)票數據和開票行為數據，并對所述發(fā)票數據和開票行為數據進行預處理，以獲取發(fā)票處理數據和開票行為處理數據；

確定待畫像企業(yè)所屬行業(yè)的行業(yè)屬性代碼和畫像周期；其中，所述畫像周期的時間長度小于等于所述第一預設時間段的時間長度；

根據所述行業(yè)屬性代碼，按照所述畫像周期從所述發(fā)票處理數據中選取與所述行業(yè)屬性代碼對應的發(fā)票處理數據，并按照企業(yè)標識信息進行分組，以獲取所述待畫像企業(yè)所屬行業(yè)的所有企業(yè)標識信息；

根據所述待畫像企業(yè)所屬行業(yè)的所有企業(yè)標識信息對所述開票行為處理數據進行篩選，以獲取所述待畫像企業(yè)所屬行業(yè)的行業(yè)開票行為匯總數據；

根據所述行業(yè)開票行為匯總數據，確定所述畫像周期對應的每個活躍度標簽對應的月平均開票張數區(qū)間；

根據所述待畫像企業(yè)在所述畫像周期內的開票行為數據確定所述待畫像企業(yè)的月平均開票張數，將所述待畫像企業(yè)的月平均開票張數與所述每個開票活躍度標簽對應的月平均開票張數區(qū)間進行匹配，以確定匹配的開票活躍度標簽，并根據所述匹配的開票活躍度標簽和行業(yè)屬性代碼確定所述待畫像企業(yè)在所述畫像周期內的企業(yè)畫像。

2.根據權利要求1所述的方法，其特征在于，所述獲取預設時間段內的與納稅人購銷相關的發(fā)票數據和開票行為數據，并對所述發(fā)票數據和開票行為數據進行預處理，以獲取發(fā)票處理數據和開票行為處理數據,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(fā)票數據和開票行為數據，并分別存儲至HIVE發(fā)票信息表和開票行為信息表中；

利用Spark分布式處理框架分別對所述HIVE發(fā)票信息表和開票行為信息表中的數據進行ETL清洗、轉換和加載處理，以獲發(fā)票處理數據和開票行為處理數據。

3.根據權利要求1所述的方法，其特征在于，所述根據所述行業(yè)開票行為匯總數據，確定所述畫像周期對應的每個活躍度標簽對應的月平均開票張數區(qū)間，包括：

根據所述行業(yè)開票行為匯總數據計算行業(yè)月開票平均數，并根據所述行業(yè)月開票平均數和預設的每個開票活躍度標簽對應的標準，確定所述畫像周期對應的每個活躍度標簽對應的月平均開票張數區(qū)間。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

當所述畫像周期小于等于預設的畫像周期最小值或無法獲取待畫像企業(yè)的開票行為數據時，確定待畫像企業(yè)的開票活躍度標簽為“開票活躍度待確認”。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

根據企業(yè)的行業(yè)性質和畫像周期，確定不同行業(yè)性質的企業(yè)在不同畫像周期對應的每個開票活躍度標簽對應的月平均開票張數區(qū)間。