基于企业管理的订单异常监督系统的制作方法

本发明涉及数据处理，具体涉及基于企业管理的订单异常监督系统。

背景技术：

1、订单异常在企业管理中是一个需要密切关注的问题；其可能会导致库存不足，资金问题和客户满意度下降等问题；订单的异常会导致库存水平出现波动，给库存管理带来困难，增加了积压库存和缺货的风险；也可能导致企业面临直接的财务损失；异常订单甚至涉及非法活动，例如欺诈等，该类情况很可能导致企业面临法律纠纷、监管处罚及合规风险。为了降低订单异常带来的危害和影响，企业一般会建立内部的审查极致，传统采用人工审查或其他方式对异常情况作出检测和预警；并迅速采取相应的措施。而现如今，企业对订单异常的传统监测方式主要是采取人工审查和阈值设置统计分析的方式，人工审查一般仅适用小规模的企业，但随着订单数量的增加，该方法的监测效率和准确性得不到保证；第二种常用的方式为企业针对某些关键的指标设定阈值，当订单的某个指标超过阈值时；系统会自动触发预警，但该方式可能无法识别隐藏其中复杂的异常情况，即无法针对于具体异常展开分析和判断。此类阈值设定法仅可对一类指标进行异常监测未将各指标之间进行联系和分析，进而无法得到各异常数据的真实异常程度。

2、由此当下更多企业会采用人工智能，机器学习中算法对订单数据进行异常监测和管理；其中常使用数据聚类算法进行异常数据的筛选，其是一种基于密度的聚类算法，可以有效的解决传统监测方法的不足；而算法中特征空间的构建以及参数点的选择为其难以选择和评估难题，由于算法对于参数具有较强的敏感性，不同的参数设定会带来差异甚大的聚类效果，进而会导致异常数据的筛选结果并不准确。

技术实现思路

1、本发明提供基于企业管理的订单异常监督系统，以解决现有的问题。

2、本发明的基于企业管理的订单异常监督系统采用如下技术方案：

3、本发明一个实施例提供了基于企业管理的订单异常监督系统，该系统包括：

4、数据采集模块：获取企业的订单信息数据；

5、构建特征空间模块：分析企业的订单信息数据中各个指标数据构建聚类特征空间；

6、获取最优参数模块：根据订单信息数据中各个指标数据获取划分节点数值；根据划分节点数值对聚类特征空间构自适应获取划分区域，得到多个聚类特征空间区域以及每个聚类特征空间区域的序号；根据聚类特征空间区域的序号选取不同邻近数据点，根据邻近数据点之间的距离得到任意聚类特征空间区域的最优聚类参数中的邻域半径；根据聚类特征空间区域的序号得到任意聚类特征空间区域的最优聚类参数中的邻域半径区域内最小数据点个数；

7、数据检测模块：根据聚类特征空间区域的最优聚类参数中的邻域半径和邻域半径区域内最小数据点个数对企业的订单信息数据进行聚类操作得到异常数据，实现企业订单异常监督和管理。

8、优选的，所述分析企业的订单信息数据中各个指标数据构建聚类特征空间，包括的具体步骤如下：

9、将指标数据退货率进行归一化处理后作为聚类特征空间中的纵轴；将指标数据订单总金额和订单数量的比值作为聚类特征空间中的横轴；所述纵轴和横轴构成聚类特征空间。

10、优选的，所述根据订单信息数据中各个指标数据获取划分节点数值，包括的具体公式如下：

11、

12、式中，分别表示聚类特征空间中横纵轴划分节点数值，表示企业的订单信息数据所有订单号数量；表示企业的订单信息数据中第个订单号所对应的特征指标数据退货率；表示企业的订单信息数据中第个订单号所对应的特征指标数据订单数量；表示企业的订单信息数据中第个订单号所对应的特征指标数据订单交易金额；为线性归一化函数。

13、优选的，所述多个聚类特征空间区域以及每个聚类特征空间区域的序号的获取方法如下：

14、设定为聚类特征空间区域的序号，取值：；设定时表示聚类特征空间中右上方区域；设定时表示聚类特征空间中右下方区域；设定时表示聚类特征空间的左上方区域；设定时表示聚类特征空间中左下方区域；由此得到四个聚类特征空间区域及其聚类特征空间区域的序号。

15、优选的，所述根据聚类特征空间区域的序号选取不同邻近数据点，根据邻近数据点之间的距离得到任意聚类特征空间区域的最优聚类参数中的邻域半径，包括的具体步骤如下：

16、预设一个参数，对于聚类特征空间中任意一个区域，获取该聚类特征空间区域内每个数据点到其最近的个近邻数据点的欧式距离，记为第个数据点的距离集合，在所有数据点的距离集合中，将所有数据点的距离集合中的欧式距离进行升序排序组成集合；将集合中元素从左向右，相邻元素值做差，获取作差的结果的最大值，将该最大值对应的欧式距离作为该聚类特征空间区域的最优聚类邻域半径参数。

17、优选的，所述根据聚类特征空间区域的序号得到任意聚类特征空间区域的最优聚类参数中的邻域半径区域内最小数据点个数，包括的具体步骤如下：

18、在聚类特征空间中的第个区域内的邻域半径区域内最小数据点个数的计算表达式为：

19、

20、式中，表示在聚类特征空间中的第个区域内的邻域半径区域内最小数据点个数；表示聚类特征空间中的第个区域；表示聚类特征空间的维度。

21、本发明的技术方案的有益效果是：本发明对于算法在企业订单异常监测场景下聚类效果不确定性进行改进；结合场景进行参数的分析和选择，自适应得到最优聚类参数；保证聚类算法在当前订单异常监测场景下的聚类效果；达到准确监测订单异常的目的。优化监督系统。

技术特征：

1.基于企业管理的订单异常监督系统，其特征在于，该系统包括以下模块：

2.根据权利要求1所述基于企业管理的订单异常监督系统，其特征在于，所述分析企业的订单信息数据中各个指标数据构建聚类特征空间，包括的具体步骤如下：

3.根据权利要求1所述基于企业管理的订单异常监督系统，其特征在于，所述根据订单信息数据中各个指标数据获取划分节点数值，包括的具体公式如下：

4.根据权利要求1所述基于企业管理的订单异常监督系统，其特征在于，所述多个聚类特征空间区域以及每个聚类特征空间区域的序号的获取方法如下：

5.根据权利要求1所述基于企业管理的订单异常监督系统，其特征在于，所述根据聚类特征空间区域的序号选取不同邻近数据点，根据邻近数据点之间的距离得到任意聚类特征空间区域的最优聚类参数中的邻域半径，包括的具体步骤如下：

6.根据权利要求1所述基于企业管理的订单异常监督系统，其特征在于，所述根据聚类特征空间区域的序号得到任意聚类特征空间区域的最优聚类参数中的邻域半径区域内最小数据点个数，包括的具体步骤如下：

技术总结
本发明涉及数据处理技术领域，具体涉及基于企业管理的订单异常监督系统，包括：获取企业的订单信息数据；分析企业的订单信息数据中各个指标数据构建聚类特征空间；对聚类特征空间进行自适应划分并设定最优聚类参数规则，获取最优聚类参数；根据最优聚类参数对企业的订单信息数据进行聚类操作得到异常数据。本发明对于DBSCAN算法在企业订单异常监测场景下聚类效果不确定性进行改进；结合场景进行参数的分析和选择，自适应得到最优聚类参数；保证DBSCAN聚类算法在当前订单异常监测场景下的聚类效果；达到准确监测订单异常的目的。优化监督系统。

技术研发人员：韩道峰,姜凯
受保护的技术使用者：淄博海草软件服务有限公司
技术研发日：
技术公布日：2024/1/15