本发明涉及产业链数据分析领域,具体是一种产业链数据价值评估分析系统。
背景技术:
1、产业链是产业经济学中的一个概念,即产供销,从原料到消费者手中的整个产业链条,是各个部门之间基于一定的技术经济关联,并依据特定的逻辑关系和时空布局关系客观形成的链条式关联关系形态。产业链供应链安全是助力产业高质量发展、保障实体经济稳定运行,所以对产业链数据分析十分重要。
2、现有技术(公开号为cn114462861a的发明专利)公开了一种企业定位的产业链数据分析方法及系统,通过根据行业领域信息进行行业特征提取,获得行业特征信息;根据企业基础信息,确定企业特征信息;基于行业特征信息、企业特征信息进行企业定位分析,确定企业产业链定位段;根据行业特征信息、企业链定位段,获得客户群体画像;根据企业基础信息,确定企业转型项目并针对所述企业转型项目与所述客户群体画像进行针对性数字化区块匹配,获得区块匹配结果;基于区块匹配结果,确定企业转型信息。实现了在满足产业链定位的客户群体要求的基础上实现数字化转型,确保转型的可靠性,解决了现有技术中在数字化转型中缺乏对客户群体的定位分析,存在盲目转型,转型后效果不佳的技术问题。现有技术在进行时无法解决现有方案中产业链数据分析数据采集处理不彻底及数据分析效率低、深度浅的技术问题,同时还无法对数据进行监测预警,无法筛选掉不合格的产业链数据,从而无法提高企业制供售的效率,无法精准投放产品;因此,亟须一种一种产业链数据价值评估分析系统。
技术实现思路
1、本发明旨在至少解决现有技术中存在的技术问题之一;为此,本发明提出了一种产业链数据价值评估分析系统,用于解决现有方案中产业链数据分析数据采集处理不彻底及数据分析效率低、深度浅的技术问题,同时还能够对数据进行监测预警,筛选掉不合格的产业链数据,从而提高企业制供售的效率,精准投放产品。
2、为实现上述目的,本发明的第一方面提供了一种产业链数据价值评估分析系统,包括数据采集模块、数据处理模块、数据分析模块、数据监测模块、数据评估模块与数据预警模块;
3、数据采集模块:根据数据采集装置采集产业链的价值信息;以及根据所述产业链采集的企业信息;其中,所述企业信息包括供应商企业信息、制造商企业信息与销售商企业信息,所述价值信息包括原料生产信息、产品供货信息与产品销售信息;
4、数据处理模块:对所述企业信息与所述价值信息进行数据处理;
5、数据分析模块:根据所述企业信息与价值信息对产业数据进行分析,获得所述企业信息与价值信息中潜能数据;
6、数据监测模块:预设所述企业信息与价值信息的信息阈值,并监测所述企业信息与价值信息;
7、数据评估模块:用于对所述潜能数据进行评估,获得所述产业链的数据评估结果;
8、数据预警模块:对所述信息阈值与数据评估结果进行综合预警,获得产业链数据风险值。
9、优选地,所述数据处理模块与若干所述数据采集模块通信和电气连接;
10、所述数据采集模块与所述数据采集装置和各类型传感器通信和电气连接;其中,所述数据采集装置包括web采集工具及其承载设备;
11、所述数据分析模块与所述数据处理模块通信和电气连接;
12、所述数据监测模块、数据评估模块均与所述数据分析模块通信和电气连接;
13、所述数据预警模块分别与所述数据监测模块、数据评估模块通信和电气连接。
14、优选地,所述数据采集模块根据数据采集装置采集产业链的价值信息;以及根据所述产业链采集的企业信息,包括:
15、根据所述价值信息和企业信息的属性不同,判断所述价值信息和企业信息的属性差值,根据所述属性差值进行数据采集,获得价值信息和企业信息,表达式为:
16、
17、其中,表示为随机采集的价值信息和企业信息,表示为价值信息和企业信息的属性差值,表示为价值信息和企业信息的合成参数。
18、优选地,所述数据处理模块对所述企业信息与所述价值信息进行数据处理,包括:
19、处理所述价值信息和企业信息,并判断所述价值信息和企业信息中的信息重合度,判断所述价值信息和企业信息的属性差值密度,所述价值信息属性差值密度记为,所述企业信息属性差值密度记为,表达式为:
20、
21、
22、其中,表示为价值信息的属性概率,表示为价值信息数量,表示为价值信息的属性均值,表示为企业信息的属性概率,表示为企业信息数量,表示为企业信的息属性均值;
23、根据所述属性差值密度判断所述价值信息和企业信息的分布状态,完成数据处理,所述价值信息的分布状态记为,所述企业信息的分布状态记为,表达式为:
24、
25、
26、其中,表示为价值信息的分布状态,表示为价值信息的分布状态因子,表示为第个价值信息,表示为企业信息的分布状态,表示为企业信息的分布状态因子,表示为第个企业信息。
27、优选地,所述数据分析模块对所述企业信息与价值信息对产业数据进行分析,获得所述企业信息与价值信息中潜能数据,包括:
28、将所述供应商企业信息、制造商企业信息、销售商企业信息记作,将所述原料生产信息、产品供货信息、产品销售信息记作;
29、对所述企业信息进行特征提取,表达式为:
30、
31、其中,表示为企业信息特征,表示为供应商企业信息与制造商企业信息的连接权重,表示为制造商企业信息与销售商企业信息的连接权重,表示为供应商企业信息与销售商企业信息的连接权重,表示为第组供应商企业信息、制造商企业信息、销售商企业信息;
32、对所述价值信息进行特征提取,表达式为:
33、
34、其中,表示为价值信息特征,表示为原料生产信息与产品供货信息的连接权重,表示为产品供货信息与产品销售信息的连接权重,表示为原料生产信息与产品销售信息的连接权重,表示为第组原料生产信息、产品供货信息、产品销售信息;
35、通过分析所述企业信息与价值信息的特征信息获取潜能数据。
36、优选地,所述数据监测模块预设所述企业信息与价值信息的信息阈值,并监测所述企业信息与价值信息,包括:
37、将所述企业信息的特征信息记作特征向量,将所述价值信息的特征信息记作特征向量;
38、监测所述企业信息与价值信息之间的关联度,表达式为:
39、
40、其中,表示为企业信息与价值信息之间的关联度,分别表示为特征向量与特征向量的行数与列数,表示为特征向量与特征向量中第个特征向量;
41、若的值越大,则企业信息与价值信息之间的关联度越高;
42、若的值越小,则企业信息与价值信息之间的关联度越低;
43、根据所述企业信息与价值信息之间的关联度临界值设置所述企业信息与价值信息的信息阈值。
44、优选地,所述数据评估模块用于对所述潜能数据进行评估,获得所述产业链的数据评估结果,包括:
45、构建预测评估模型,将所述潜能数据划分为若干个数据集,将所述若干个数据集输入所述预测评估模型中,获得预测评估结果;
46、将所述预测评估结果输入到所述预测评估模型中,并对所述预测评估结果进行训练,获得数据评估结果,表达式为:
47、
48、其中,表示为数据评估结果,表示为潜能数据训练系数,表示为第个输入的预测评估结果,表示为第次训练;
49、当的值越大,则数据评估结果产生的数据价值越高;
50、当的值越小,则数据评估结果产生的数据价值越低;
51、当的值为时,则数据评估结果处于平衡。
52、优选地,所述数据预警模块对所述信息阈值与数据评估结果进行综合预警,获得产业链数据风险值,包括:
53、根据所述信息阈值与数据评估结果设置等级风险判定,所述等级风险判定分为三级,包括零风险、一级风险、二级风险;
54、若信息阈值大于临界值且,则产业链数据风险值为零风险;
55、若信息阈值大于临界值且或信息阈值小于临界值且,则产业链数据风险值为一级风险;
56、若信息阈值小于临界值且,则产业链数据风险值为二级风险。
57、与现有技术相比,本发明的有益效果是:
58、1、本发明通过数据采集模块、数据处理模块与数据分析模块相结合对企业信息与价值信息进行处理,使得产业链数据被分析的效率高、深度高,使得产业链数据透彻;
59、2、本发明监测模块、评估模块与预警模块相结合能够对数据进行监测预警,筛选掉不合格的产业链数据,从而提高企业制供售的效率,精准投放产品。