[发明专利]针对企业投融资的智能化决策方法及其系统在审
申请号: | 201710424101.5 | 申请日: | 2017-06-07 |
公开(公告)号: | CN107292743A | 公开(公告)日: | 2017-10-24 |
发明(设计)人: | 李小强 | 申请(专利权)人: | 前海梧桐(深圳)数据有限公司 |
主分类号: | G06Q40/06 | 分类号: | G06Q40/06 |
代理公司: | 深圳市精英专利事务所44242 | 代理人: | 冯筠 |
地址: | 518000 广东省深圳市前海深港合作区前*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 针对 企业 融资 智能化 决策 方法 及其 系统 | ||
1.针对企业投融资的智能化决策方法,其特征在于,所述方法包括:
获取海量企业数据;
根据海量企业数据获取企业决策点;
量化海量企业数据中的指标,获取量化指标;
从量化指标内获取舆情和风险信息;
推送所述舆情和风险信息、企业决策点以及银行风控/投资模型,获取投融资的决策。
2.根据权利要求1所述的针对企业投融资的智能化决策方法,其特征在于,根据海量企业数据获取企业决策点的步骤,包括以下具体步骤:
对需要服务的企业进行分类和分层,获取企业子项;
结合企业业务特征,将所述企业子项与企业的各类决策需求关联,形成决策点分类模型;
基于专有数据源和海量数据,对决策点分类模型进行动态调整;
匹配调整后的决策点分类模型和企业经营的产品和服务,获取企业决策点。
3.根据权利要求1所述的针对企业投融资的智能化决策方法,其特征在于,量化海量企业数据中的指标,获取量化指标的步骤,包括以下具体步骤:
按照银行的风控模型或投资机构投资模型,筛选出海量企业数据中的指标;
对所述指标的数量进行统计,将统计的值作为量化指标。
4.根据权利要求1至3任一项所述的针对企业投融资的智能化决策方法,其特征在于,从量化指标内获取舆情和风险信息的步骤,包括以下具体步骤:
存储所述量化指标;
从量化指标内筛选出舆情和风险信息;
对所述舆情和风险信息进行分析处理。
5.根据权利要求4所述的针对企业投融资的智能化决策方法,其特征在于,对所述舆情和风险信息进行分析处理的步骤,包括以下具体步骤:
对所述舆情和风险信息进行信息情感分析以及词性分析;
根据企业的投资偏好,筛选符合要求的舆情和风险信息。
6.针对企业投融资的智能化决策系统,其特征在于,包括数据获取单元、决策点获取单元、量化指标获取单元、信息获取单元以及推送单元;
所述数据获取单元,用于获取海量企业数据;
所述决策点获取单元,用于根据海量企业数据获取企业决策点;
所述量化指标获取单元,用于量化海量企业数据中的指标,获取量化指标;
所述信息获取单元,用于从量化指标内获取舆情和风险信息;
所述推送单元,用于推送所述舆情和风险信息、企业决策点以及银行风控/投资模型,获取投融资的决策。
7.根据权利要求6所述的针对企业投融资的智能化决策方法,其特征在于,所述决策点获取单元包括企业子项获取模块、模型形成模块、调整模块以及决策点获取模块;
所述企业子项获取模块,用于对需要服务的企业进行分类和分层,获取企业子项;
所述模型形成模块,用于结合企业业务特征,将所述企业子项与企业的各类决策需求关联,形成决策点分类模型;
所述调整模块,用于基于专有数据源和海量数据,对决策点分类模型进行动态调整;
所述决策点获取模块,用于匹配调整后的决策点分类模型和企业经营的产品和服务,获取企业决策点。
8.根据权利要求7所述的针对企业投融资的智能化决策方法,其特征在于,所述量化指标获取单元包括筛选模块以及统计模块;
所述指标筛选模块,用于按照银行的风控模型或投资机构投资模型,筛选出海量企业数据中的指标;
所述统计模块,用于对所述指标的数量进行统计,将统计的值作为量化指标。
9.根据权利要求8所述的针对企业投融资的智能化决策方法,其特征在于,所述信息获取单元包括存储模块、信息筛选模块以及分析处理模块;
所述存储模块,用于存储所述量化指标;
所述信息筛选模块,用于从量化指标内筛选出舆情和风险信息;
所述分析处理模块,用于对所述舆情和风险信息进行分析处理。
10.根据权利要求9所述的针对企业投融资的智能化决策方法,其特征在于,所述分析处理模块包括分析子模块以及偏好筛选子模块;
所述分析子模块,用于对所述舆情和风险信息进行信息情感分析以及词性分析;
所述偏好筛选子模块,用于根据企业的投资偏好,筛选符合要求的舆情和风险信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于前海梧桐(深圳)数据有限公司,未经前海梧桐(深圳)数据有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710424101.5/1.html,转载请声明来源钻瓜专利网。