一种使用多维评级来确定一实体的未来商业可行性的系统和方法
【专利摘要】一种用于确定一实体的未来商业可行性的方法及其系统包括：(a)使用一个第一预测模型，确定所述实体的未来商业可行性，所述第一个预测模型通过识别数据中的模式和关联预测属性推断得到的，从而生成一个可行性分数；(b)使用预测模型来生成一个实体对其同等群体的相对排名，从而生成一个相对可行性分数；(c)测量数据深度以量化对实体有多少了解，以此我们对可行性分数和相对可行性分数具有多少信心，从而生成一个数据深度指示器；(d)通过定义和分组实体和与其类似实体指定一公司概况，这是基于规模、业务年度、完整财务报表的可用性、以及商业交易历史而言的；(e)输出一个多维可行性评级，包括可行性分数，相对可行性分数，数据深度指示器和公司概况。
【专利说明】-种使用多维评级来确定一实体的未来商业可行性的系统 和方法
【背景技术】
[0001] 1【技术领域】 本发明通常涉及预测性和描述性的评分和分析。根据本发明的信息做出一个多维评级 从而为商业实体未来商业活动提供具有高度洞察力和可信度的评估。该个预测的组成包括 一个公司将会歇业、变得不积极或者在特定的时间内申请破产，例如十二个月。预测的组成 是通过深入观察业务特点，比如时间、类型和规模等，从而获得一定指示性数据做出一个可 信的风险评估。
[000引 2【背景技术】 本发明的可行性评级的独特性在于他是利用未经证实的或是静止的活动。下文将会进 一步提到UTC是作为目标变量而开发的模型。该是我们为了确定商业评估活动的数据而使 用的例子。UTC作为指定公司在特定时间例如十二个月内处于休眠状态，通过应用多个业务 规则他将会认定为不活跃的。该些规则包括但不限于业务上的无效地址、无法连接的电话 或没有业务。W前我们通过破产或者已经被证实歇业的信息做出该样的判断。现在我们可 W通过UTC属性、方法和本发明系统我们能够识别更多的企业处于不活跃或休眠状态，即 使没有信息证明该些状况存在。因此根据本发明系统，通过UTC方法可W更早的发现企业 不活跃或休眠的状态，而不是通过残酷的失败数据。
[0003] 本发明还提供了如下所述较为明显的优势。
【发明内容】
[0004] 多维可行性评级包括多个部分；在该个例子中本发明的可行性评级被描述为四个 部分。前两个部分高度预测一个实体在接下来的十二个月内是否会消失、歇业或者变得不 活跃。第H个是深度可用数据，第四个通过员工规模对公司进行描述。
[0005] -种用于确定一实体的未来商业可行性的方法及其系统包括；(a)使用一个第一 预测模型，确定所述实体的未来商业可行性，所述第一个预测模型通过识别数据中的模式 和关联预测属性推断得到的，从而生成一个可行性分数；化）使用预测模型来生成一个实 体对其同等群体的相对排名，从而生成一个相对可行性分数；（C)测量数据深度W量化对 实体有多少了解，因此我们对实体可行性分数和相对可行性分数具有多少信也，从而生成 一个数据深度指示器；(d)通过定义和分组实体和与其类似实体指定一公司概况，该是基 于规模、业务年度、完整财务报表的可用性、W及商业交易历史而言的；（e)输出一个多维 可行性评级，包括可行性分数，相对可行性分数，数据深度指示器和公司概况。
[0006] 可行性分数是在一个可行性评级中的预测分数，比如范围是从1到9, 一个实体与 其他企业相比在未来的一段时间内将会歇业或变得不活跃，其中1是最低的概率，9是最高 的概率。
[0007] -个典型的相对可行性分数是在一个相对可行性评级中的预测分数，比如范围从 1到9, 一个实体同其他同类型的企业模型相比未来的一段时间内将会歇业或变得不活跃， 其中I是最低的概率，9是最高的概率。
[0008] 典型的数据深度指示器是一个基于数据深度指数大小的描述，比如范围是从A到 M之间。A至。G表示。绩报告单"数据范围，其中A代表最高水平的预SJ从群体中选择的数 据包括；完整的企业身份数据比如员工数量或行业，大量的商业交易活动，全面的财务属性 和附属组织，G代表最低水平的商业数据预测。预测的数据是基本的身份数据。H到G是特 殊类别，它是A到G在遇到预先确定的风险条件时的进一步观察。
[0009] 一个典型的公司情况是基于公司的得分情况的描述，比如从A到Z。A代表最大、 成立时间最长的企业，X代表最小、成立时间最短的企业。
[0010] 计算机可读存储介质包含可执行计算机程序指令，执行时该指令是会导致一个处 理系统来完成一个实体的未来商业可行性的确定方法，该方法包括；(a)使用预测模型，W 确定未来的可行性的商业实体，预测模型推导通过识别数据中的模式和预测相关属性，从 而生成一个可行性分数；化）使用预测模型来生成一个实体与其相同的群体的相对排名， 从而生成一个相对可行性分数；（d)通过定义和分组实体和与其类似实体指定一公司概 况，该是基于规模、业务年度、完整财务报表的可用性、W及商业交易历史而言的；（e)输出 一个多维可行性评级，包括可行性分数，相对可行性分数，数据深度指示器和公司概况。
[0011] 一个用于确定一实体的未来商业可行性计算机系统包括：一个处理器，存储在内 存中执行W下步骤，该些步骤包括：(a)使用预测模型，W确定未来可行性的实体，导出了 预测模型识别数据中的模式和预测相关属性，从而生成一个可行性分数；b)使用预测模型 来生成一个实体与其相同的群体的相对排名，从而生成一个相对可行性分数；(C)测量数 据深度W量化对实体有多少了解，因此我们对实体在相对可行性分数和可行性分数具有多 少信也，从而生成一个数据深度指示器；(d)通过定义和分组实体和与其类似实体指定一 公司概况，该是基于规模、业务年度、完整财务报表的可用性、W及商业交易历史而言的； (e)输出一个多维可行性评级包括可行性分数、相对可行性分数、数据深度指示器和公司概 况。
[0012] 一个用于确定一实体未来商业可行性计算机系统包括；一个活动信号数据库；活 动信号发生器总体包含使用多元化的数据源活动信号的数据，该数据来自对实体业务感兴 趣的多个企业；和模型生成器，该模型基于统计模型的因变量性能生成一个可行性得分，变 量来源是使用统计概率来独立创建多元化的数据。
[0013] 处理器执行存储在内存中的W下步骤；(a)使用第一个预测模型，确定未来商业 可行性的实体，第一个预测模型推导通过识别数据中的模式和预测相关属性，从而生成一 个可行性分数；化）使用第二个预测建模来生成一个实体与其相同的群体的相对排名，从 而生成一个相对可行性分数；（C)测量数据深度W量化对实体有多少了解，因此我们对实 体在相对可行性分数和可行性分数具有多少信也，从而生成一个数据深度指示器；（d)通 过定义和分组实体和与其类似实体指定一公司概况；（e)输出一个多维可行性评级，包括 可行性分数，相对可行性分数，数据深度指示器和公司概况。
[0014] 信号发生器的活动包括；一个匹配的过程中找到一个匹配产生一个信号，一个日 志接收到信号，并进入到元数据；和一个整合器整合数据的元数据，从而产生活动信号数 据。信号包括至少一个信号从群体中选择包括：(a)识别元数据接收；化）匹配一定的时间； (C)惟一标识符341 ; (d)信任代码。
[0015] 进一步的对象，本发明的特点和优势将理解参考W下图纸和详细描述。
【专利附图】
【附图说明】
[0016] 图IA本发明的技术信息用框图来表示； 图IB表示图IA中系统处理模块的框图； 图IC表示活跃性信号发生器的框图，该是图IB中的处理模块的一个组件； 图2是一个流程图，描述了评分过程根据本发明用于预测模型确定可行性评分和相对 可行性分数； 图3本发明的深度数据表； 图4本发明中用来解释公司组合情况的简介表； 图5流程图，可行性分数和深度数据分数是用来确定一个可行性的评级的四个模型， 即财务状况，成熟的贸易业务，有限的贸易业务，没有业务； 图6本发明中加权方案的例子。 具体实施例
[0017] 可行性评级是一个多维的评价，为公司未来的可行性提供了一个高度有见地和可 靠的评估。可行性评级包括预测和描述部分。该预测部分预测了公司在确定的时间段内停 业，变得不活跃，或申请破产的可能性，例如在未来的12个月内。该描述部分提供了可W 用来进行一次可靠的风险和/或商业活动评估的预测数据数量的指示，W及观察商业规模 测量，该测量基于一系列特征，例如，生意的成立时间、类型和规模。生成可行性评级的典型 部分是；可行性分数；对规模的预测评级，例如，在1-9之间的范围内，一实体与其他企业相 比，在一段时间内，比如未来的12个月内，将会歇业或变得不活跃，1表示概率最低，9表示 概率最高。在统计模型的开发中，UTC129数据被用作一种组成部分到可靠的变量。UTC 129 为不活跃的和暂停的生意采集数据。交易明细135是预测模型开发中非常重要的自变量。
[0018] 组合比较，例如，在1-9的范围内对规模的预测评级，一实体与其他企业相比，在 一段时间内，比如未来的12个月内，将会歇业或变得不活跃，1表示概率最低，9表示概率最 高。交易明细135被用于定义模型细分，该模型细分能够表示在同样的商业活跃性等级中 的生意的相对可行性，该商业活跃性等级例如，交易数额较低的生意。
[0019] 深度数据指示器；关于规模的描述性评级，比如范围约在A到M之间。A到G表 示"成绩报告单"规模，例如，A代表具有最高水平的预测数据的生意，该预测数据包括完整 的企业简介数据，广泛的商业交易活动，全面的财务属性，而G代表最低水平的预测数据的 生意，该预测数据只包括基本的简介数据。类别，例如H到G，是特殊类别，该类别推断出A 到G的评级，该评级使使用者进一步观察到遇到预先确定的风险条件的生意。许多数据来 源用于定义数据深度指示器。在可行性评级构成、数据深度指示器的创建中，一些来源于 UTC129、贸易数据135和业务参考140的属性。
[0020] 公司概况；例如，在A-Z范围内关于规模的描述性的等级，A代表规模最大成立时 间最久的公司，Z代表规模最小成立时间最短的公司。使用多个数据源定义一个典型的公司 概况，该数据源包括交易明细135,例如支付交易的数额，和业务参考140,例如业务年限。
[0021] 可行性评级使用统计概率将生意分为，例如一个1-9风险评级细分。该些划分是 基于公司在一段时间内，例如未来的12个月内，歇业、变得不活跃或暂停、或申请破产的可 能性。
[0022] 数据深度指示器使用分数制度为数据属性分配数值，该数据属性W其提高可行性 评价的预测精度的能力为基础。预测数据属性越多，分数越多。例如，财务数据和广泛的贸 易数据可能有更高的预测指数，增加预测的稳定性。所W他们得到更高的分数，将公司放到 A-M范围中较高的位置。
[0023] -个公司概况利用细分来对生意下定义或分组，该类似于根据，例如它们的规模 (员工数量和年销售额等），它们的时间（业务年限）。
[0024] 可行性评级利用生意上广泛的数据结合起来的能力，该数据包括但不限于生意活 跃性信号、详细的商业贸易经验，该商业贸易经验来源于应收账款发票水平的数据。
[00巧]可行性评级使用统计模型构建技术，包括但不限于，细分分析和随后的回归分析。
[0026] 典型可行性分数和组合相对使用统计概率将生意划分例如1到9之间的风险评估 范围，1表示变得不活跃的可能性最低而9表示变得不活跃的可能性最高。该些分级是W公 司在未来12个月内歇业、变得不活跃或暂停、或申请破产的可能性为基础的。
[0027] 该些统计概率是使用统计模型的开发方法开发的，通过独立变量的模型、捕捉该 一行为的预测因子观察得到一个回归分析，该回归分析是公司在未来的12个月内变得不 活跃或暂停的可能性。
[0028] 数据深度指示器利用分数制度，为数据属性分配一个数值，该数据属性W其提高 可行性评价的预测精度的能力为基础。预测数据属性越多，分数越多。例如，财务数据和广 泛的贸易数据可能有更高的预测指数，增加预测的稳定性。所W他们得到更高的分数，将公 司放到A-M范围中较高的位置。
[0029] -个典型的公司概况利用细分来对生意下定义或分组，该类似于根据，例如它们 的规模（员工数量和年销售额等），它们的时间（业务年限）W及完整的财务报表和商业贸 易历史的有效性。
[0030] 可行性评级利用多个数据源，该数据源例如生意活跃性信号数据（ASD) 160、详细 的商业支付经验、UTC 129、业务参考140,该商业支付经验采集本文所提到的交易明细135 的每月趋势，该交易明细来源于应收账户交易支付数据。例如，可行性评级预测生意的可能 性关于： ?自愿或非自愿的歇业?暂停或变得不活跃?申请破产 可行性评级的基础模型是根据观察到成千上万的的生意的特点，该些特征所具有的关 系满足上述定义的概率。
[0031] 通过模型分配关于1-9之间的分数。该是将一个可得分领域分为9个不同的风险 组，其中1代表歇业、变得不活跃或申请破产概率最低的生意，9代表概率最高的生意。例 女口，使用活跃的生意该个扩展的定义，我们可W预测小企业会随时间慢慢减少他们的活动， 直到他们最终不复存在。
[0032] 数据深度指示器提供对生意上预测数据元素的水平的观察。它使用户理解并信任 用于评估可行性的基础数据输入。参考图3的数据深度指示器的关键部分。
[0033] -个典型公司概况的分类是在A-Z的范围内，该范围基于W下特点的组合，比女口 业务年限，员工数量，年销售额W及付款交易量，例如： ?初期：成立不到5年 ?正式：成立超过5年的 ?较小规模；不到10员工，年销售额低于100000美元 .中等规模：10-49员工之间或年销售额100001-499999美元之间 ?较大规模：大于50名雇员或大于500000美元的年销售额 ?财务报表可用或不可用 ?3个或更多的贸易支付参考 一个A概况的公司代表是最大的，成立最久的公司，该公司有完整的财务报表和贸易 支付数据。一个X概况的公司B代表最小的，成立时间最短的公司，该公司没有财务报表或 可用的贸易支付数据。典型的公司概况分类参考图4、附录B。
[0034] 模型开发 可行性评级的预测部分是基于统计模型技术来选择和加权数据元素，该数据元素最能 预测公司歇业，不活动和破产，W及业务行为的相关方面。运算结果的模型是数学方程，由 一系列的变量和系数（权重）构成，该系数计算了每个变量。一项预测模型技术的基础是， 逻辑回归技术是否具有二进制因变量，该逻辑回归技术是已有的建模的最佳方法。
[0035] 广泛的数据分析旨在确定该些变量W及计算每一个变量的合适的权重，该些变量 是预测关闭、不活跃和破产的最重要的因素。通过综合评估数据库中"良好"和"不良"业 务，定义数W百计的预测变量。
[0036] 本公开文本利用了活跃性信号数据（ADS)，该数据由规则驱动、数据收集和数据源 的维护系统生成。该ADS尤其有利于区分小企业的高低风险，该企业趋向于具有有限的或 没有商业贸易的历史。通过利用有商品交易历史的公司的交易付款明细，我们还增强了分 数所利用的数据深度。详细的贸易支付使用精确的数据和捕捉付款行为中每月的波动情 况，并提供预测分数。
[0037] 可行性评级的评分系统和模型生成 准确地评估风险的能力是依赖于强大的基础数据元素的可用性，所W我们开发了一种 评分系统，该系统解释了预测数据的深度和未来可行性之间的关系。
[0038] 典型的结果是一套模型，该套模型四个独特的记分卡构成，每个积分卡由预测数 据元素的深度驱动，如企业简介数据包括业务规模和产业、商品支付交易包括前H个月的 总额，可用于流动比率的金融数据属性，等等。
[0039] 可行性分数提供了，例如1-9评级，该评级W该四个模型的总和为基础。一个投资 组合相对提供了，例如1-9评级，该评级基于单独的模型细分。提供了两种视角能够更好地 理解与企业所有领域相关的风险，W及同一模型细分中生意的风险。有一个模型系统，能够 通过关注特定的总体更好地分离的"良好"和"不良"。它还提供了可能的最有预测力的分 数，该分数在可用的数据优化。因此，可行性评级为改良后的风险管理决定，提供了带有细 分计分卡的最大风险区分力。下面的表1，提供了基于时间样本的"不良"率（歇业率等） 表1基于可行性得分的预计歇业率 可行性得分 I合计百分比 I歇业率（不良率） 9 1% 6^0
【权利要求】
1. 一种用于确定实体的未来商业可行性的方法，所述方法包括： (a) 使用一个第一预测模型，确定所述实体的未来商业可行性，所述第一个预测模型通 过识别数据中的模式和关联预测属性推断得到的，从而生成一个可行性分数； (b) 使用预测模型来生成一个实体对其同等群体的相对排名，从而生成一个相对可行 性分数； (c) 测量数据深度以量化对实体有多少了解，因此我们对实体可行性分数和相对可行 性分数具有多少信心，从而生成一个数据深度指示器； (d) 通过定义和分组实体和与其类似实体指定一公司概况，=-以及 (e) 输出一个多维可行性评级，包括可行性分数，相对可行性分数，数据深度指示器和 公司概况。
2. 根据权利要求1所述的方法，其特征在于，所述公司概况定义和分组所述实体与其 他类似实体，包括从下述要素选择：公司规模，业务年限，提供完整的财务报表和商业贸易 的历史。
3. 根据权利要求1所述的方法，其特征在于，所述可行性分数是基于可行性分数规模 预计评级的。
4. 根据权利要求3所述的方法，其特征在于，所述可行性分数规模的范围在1到9之 间，表示一个实体相对于其他同类企业可能在未来的一段时间内会歇业或变得不活跃的概 率，1是概率最低的，9是概率最1?的。
5. 根据权利要求1所述的方法，其特征在于，所述相对可行性能力是基于相对可行性 分数规模预计评级的。
6. 根据权利要求5所述的方法，其特征在于，所述相对可行性分数范围在1到9之间， 表示一个实体在一段时间内与具有相同的模型部分的其他企业相比会歇业或不活跃的概 率，1是概率最低的，9是概率最1?的。
7. 根据权利要求1所述的方法，其特征在于，所述数据深度指示器是一个基于数据深 度指示器规模的描述性评级。
8. 根据权利要求7所述的方法，其特征在于，数据深度指示器规模的范围约在A至M之 间。
9. 根据权利要求8所述的方法，其特征在于，所述A到G表示"成绩报告单"规模，其特 征在于，A代表最高水平的预测数据，所述数据由下述组构成：完整的企业简介数据，广泛 的商业交易活动，全面的财务属性和其混合属性，以及G代表最低水平的商业数据预测。
10. 根据权利要求9所述的方法，其特征在于，所述预测数据是基本识别数据。
11. 根据权利要求8所述的方法，其特征在于，所述H到M是特殊类别，所述类别推断出 A到G的评级，所述评级使使用者进一步观察到遇到预先确定的风险条件的生意。
12. 根据权利要求1所述的方法，其特征在于，所述公司概况是一个基于公司规模的描 述性评级。
13. 根据权利要求12所述的方法，其特征在于，所述公司概况评级在A - Z之间的范围 内。
14. 根据权利要求13所述的方法，其特征在于，A表不一个最大的，建立时间最久的生 意，提供完整的、全面的数据报告，X是最小的，成立时间最短的生意，仅提供基本生意识别 数据。
15. -种计算机可读存储介质包含可执行计算机程序指令，执行时所述指令是会导致 一个处理系统来执行一个用于确定实体的未来商业可行性的方法，所述方法包括：：(a)使 用一个第一预测模型，确定所述实体的未来商业可行性，所述第一个预测模型是通过识别 数据中的模式和关联预测属性推断得到的，从而生成一个可行性分数； (b) 使用预测模型来生成一个实体对其同等群体的相对排名，从而生成一个相对可行 性分数； (c) 测量数据深度以量化对实体有多少了解，因此我们对实体可行性分数和相对可行 性分数具有多少信心，从而生成一个数据深度指示器； (d) 通过定义和分组实体和与其他类似实体指定一公司概况，以及； (e) 输出一个多维可行性评级，包括可行性分数，相对可行性分数，数据深度指示器和 公司概况。
16. -种用于确定一个实体的未来商业可行性的计算机系统，所述系统包括： 一个活动信号数据库；活动信号发生器，所述活动信号发生器总体包含使用多元化的 数据源活动信号的数据，所述数据来自对实体业务感兴趣的多个企业；和模型生成器，所述 模型基于统计模型的因变量性能生成一个可行性得分，变量来源是使用统计概率来独立创 建多元化的数据。
17. 根据权利16所述的系统，其特征在于处理器存储在内存中执行以下步骤：(a)使用 一个第一预测模型，确定所述实体的未来商业可行性，所述第一个预测模型通过识别数据 中的模式和关联预测属性推断得到，从而生成一个可行性分数； (b) 使用预测模型来生成一个实体对其同等群体的相对排名，从而生成一个相对可行 性分数； (c) 测量数据深度以量化对实体有多少了解，因此我们对实体可行性分数和相对可行 性分数具有多少信心，从而生成一个数据深度指示器； (d) 通过定义和分组实体和与其类似实体指定一公司概况，以及； (e) 输出一个多维可行性评级，包括可行性分数，相对可行性分数，数据深度指示器和 公司概况。
18. 根据权利16所述的系统，其特征在于，所述活动信号发生器包括： 一个匹配过程，所述匹配过程基于找到一产生一个信号的匹配； 一个记录过程，所述记录过程接收所述信号，并输入进元数据；和， 一个整合器，所述整合数据来源于所述元数据，从而产生所述活动信号数据。
19. 根据权利18所述的系统，其特征在于，所述信号包括： 识别的源数据接收；时间匹配；唯一标识符341 ;信任代码。
【文档编号】G06Q30/00GK104321794SQ201480000197
【公开日】2015年1月28日 申请日期:2014年5月1日 优先权日:2013年5月2日
【发明者】阿拉·克拉姆斯卡娅, 保罗·道格拉斯·巴柳, 尼巴·巴苏, 迈克尔·埃里克·达尼次, 伽耶什·斯利瓦斯塔瓦, 卡洛琳娜·安娜·凯日科夫斯基, 安东尼·詹姆斯·斯克里菲格纳诺, 约翰·马克·尼克迪莫, 凯思林·沃驰赫尔茨, 罗宾·弗莱伊·戴维斯, 苑欣 申请人:邓白氏公司