[發(fā)明專利]企業(yè)戰(zhàn)略智能預(yù)警方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210423017.2
• 申請日: 2022-04-21
• 公開（公告）號: CN114638547A
• 公開（公告）日: 2022-06-17
• 發(fā)明（設(shè)計）人: 嚴(yán)翠玲;高加寶
• 申請（專利權(quán)）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F16/242;G06F16/2458;G06F16/35;G06F16/951;G06F40/126;G06F40/174;G06F40/18;G06F40/284;G06F40/30
• 代理公司: 北京鴻元知識產(chǎn)權(quán)代理有限公司 11327
• 代理人: 袁文婷;張娓娓

本發(fā)明涉及人工智能領(lǐng)域，提供一種企業(yè)戰(zhàn)略智能預(yù)警方法，對外部經(jīng)營數(shù)據(jù)進行NLP識別處理以提取外部特征數(shù)據(jù)；對企業(yè)內(nèi)在評估數(shù)據(jù)進行標(biāo)準(zhǔn)化處理和編碼處理以獲取內(nèi)參數(shù)據(jù)；通過多元回歸模型獲取主參考信息，通過時間性差分自回歸滑動平均模型獲取輔助參考信息，根據(jù)主參考信息和輔助參考信息獲取預(yù)測客戶吞吐量趨勢，并根據(jù)客戶吞吐量趨勢和預(yù)設(shè)的趨勢風(fēng)險對照信息獲取當(dāng)前企業(yè)的風(fēng)險預(yù)警信息，如此，實現(xiàn)客戶風(fēng)險的智能預(yù)警，減少事后發(fā)現(xiàn)的可能損失，即實現(xiàn)客戶風(fēng)險的智能預(yù)警，減少事后發(fā)現(xiàn)的可能損失；對模型準(zhǔn)確性與實用性進行評估，提高吞吐量預(yù)測精度。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能領(lǐng)域，涉及數(shù)據(jù)分析技術(shù)，尤其涉及一種企業(yè)戰(zhàn)略智能預(yù)警方法、裝置、電子設(shè)備及計算機可讀存儲介質(zhì)。

背景技術(shù)

因經(jīng)營發(fā)展歷史經(jīng)驗限制、技術(shù)限制等因素，多數(shù)港口集團目前大客戶信息的主要獲取途徑為客戶拜訪，但拜訪周期不規(guī)律、信息維度不全面等因素嚴(yán)重影響大客戶風(fēng)控，多數(shù)情況下大客戶風(fēng)險信息是事后接收，以致對客戶情況感知不明顯，響應(yīng)延遲，未能提前或及時預(yù)警，一旦風(fēng)險發(fā)生易給港口企業(yè)造成重大損失。因此，提前識別客戶業(yè)務(wù)風(fēng)險行為，及時制定策略，對港口企業(yè)良性發(fā)展至關(guān)重要。

而港口企業(yè)的主要業(yè)務(wù)目標(biāo)在于客貨吞吐量，貨物吞吐量的完成依賴于其客戶(即貨主)業(yè)務(wù)規(guī)模與經(jīng)營情況。一般而言，企業(yè)中某客戶業(yè)務(wù)規(guī)模越大、集中度越高，往往就越容易形成對該客戶的依賴，客戶的風(fēng)險隨時可能轉(zhuǎn)化成企業(yè)的經(jīng)營風(fēng)險。港口企業(yè)的大客戶風(fēng)險主要包括兩方面，一是客戶業(yè)務(wù)量風(fēng)險；二是客戶流失風(fēng)險。

因此，亟需一種將客戶業(yè)務(wù)量風(fēng)險與客戶流失風(fēng)險集成在一起，以實現(xiàn)客戶風(fēng)險的智能預(yù)警，減少事后發(fā)現(xiàn)的可能損失的基于數(shù)據(jù)挖掘的港口企業(yè)戰(zhàn)略智能預(yù)警方法。

發(fā)明內(nèi)容

本發(fā)明提供一種企業(yè)戰(zhàn)略智能預(yù)警方法，以解決現(xiàn)有技術(shù)中因經(jīng)營發(fā)展歷史經(jīng)驗限制、技術(shù)限制等因素，多數(shù)港口集團目前大客戶信息的主要獲取途徑為客戶拜訪，但拜訪周期不規(guī)律、信息維度不全面等因素嚴(yán)重影響大客戶風(fēng)控，多數(shù)情況下大客戶風(fēng)險信息是事后接收，以致對客戶情況感知不明顯，響應(yīng)延遲，未能提前或及時預(yù)警，一旦風(fēng)險發(fā)生易給港口企業(yè)造成重大損失的問題。

為實現(xiàn)上述目的，本發(fā)明提供的一種企業(yè)戰(zhàn)略智能預(yù)警方法，包括：

基于預(yù)設(shè)數(shù)據(jù)庫或者數(shù)據(jù)調(diào)取平臺，圍繞預(yù)先設(shè)立的外部經(jīng)營環(huán)境主題的字段調(diào)取外部經(jīng)營數(shù)據(jù)，圍繞預(yù)先設(shè)立的內(nèi)部評估主題的字段調(diào)取企業(yè)內(nèi)在評估數(shù)據(jù)；

對所述外部經(jīng)營數(shù)據(jù)進行自然語言識別處理以提取外部特征數(shù)據(jù)；對所述企業(yè)內(nèi)在評估數(shù)據(jù)進行標(biāo)準(zhǔn)化處理和編碼處理以獲取內(nèi)參數(shù)據(jù)；

通過預(yù)設(shè)時間序列按照預(yù)設(shè)時間節(jié)點對所述外部特征數(shù)據(jù)進行節(jié)點平均處理以獲取時間性差分自回歸滑動平均模型；將所述內(nèi)參數(shù)據(jù)作為因子構(gòu)建回歸模型以獲取多元回歸模型；

通過所述多元回歸模型獲取主參考信息，通過所述時間性差分自回歸滑動平均模型獲取輔助參考信息，根據(jù)所述主參考信息和所述輔助參考信息獲取預(yù)測客戶吞吐量趨勢，并根據(jù)所述客戶吞吐量趨勢和預(yù)設(shè)的趨勢風(fēng)險對照信息獲取當(dāng)前企業(yè)的風(fēng)險預(yù)警信息。

可選地，所述基于預(yù)設(shè)數(shù)據(jù)庫或者數(shù)據(jù)調(diào)取平臺，圍繞預(yù)先設(shè)立的外部經(jīng)營環(huán)境主題字段調(diào)取外部經(jīng)營數(shù)據(jù)，圍繞預(yù)先設(shè)立的內(nèi)部評估主題字段調(diào)取企業(yè)內(nèi)在評估數(shù)據(jù)，包括：

對預(yù)設(shè)業(yè)務(wù)進行內(nèi)外數(shù)據(jù)劃分形成外部數(shù)據(jù)集和內(nèi)部數(shù)據(jù)集；其中，所述外部數(shù)據(jù)集至少包括宏觀經(jīng)濟數(shù)據(jù)、行業(yè)價格與行業(yè)發(fā)展數(shù)據(jù)、媒體數(shù)據(jù)；所述內(nèi)部數(shù)據(jù)集包括企業(yè)集團內(nèi)部的客戶業(yè)務(wù)量數(shù)據(jù)、企業(yè)基本信息數(shù)據(jù)、企業(yè)經(jīng)營數(shù)據(jù)；

設(shè)立關(guān)于所述預(yù)設(shè)業(yè)務(wù)的企業(yè)外部經(jīng)營環(huán)境主題和企業(yè)內(nèi)在評估主題，并在所述外部數(shù)據(jù)集上標(biāo)注企業(yè)外部經(jīng)營環(huán)境主題，在所述內(nèi)部數(shù)據(jù)集上標(biāo)注企業(yè)內(nèi)在評估主題；