[发明专利]用于企业发展的预测方法以及装置、服务器

说明书

本申请公开了一种用于企业发展的预测方法以及装置、服务器。该方法包括根据已知企业数据训练得到预设机器学习模型；输入未知目标企业数据到所述预设机器学习模型；通过所述预设机器学习模型，输出对于所述未知目标企业的预测结果。本申请解决了企业发展的分析诊断需要依赖海量数据的技术问题。通过本申请实现了基于机器学习模型实现对行业中的企业发展进行预测诊断，通过预设机器学习模型将输入未知目标企业数据找到类似企业，并根据类似企业轨迹生成对未知目标企业的健康诊断以及发展预测结果。此外，本身申请还可以对预测结果进行持续追踪优化，迭代更新预设机器学习模型。

技术领域

本申请涉及企业分析、人事管理领域，具体而言，涉及一种用于企业发展的预测方法以及装置、服务器。

背景技术

对企业发展进行预测分析，通常需要借助专家或咨询机构，对海量数据进行分析诊断并得出企业发展的预测出结果。

发明人发现，对企业海量数据的分析诊断需要耗费大量人力和财力，且预测的准确率不高。进一步，无法实现持续追踪。

针对相关技术中企业发展的分析诊断需要依赖海量数据的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种用于企业发展的预测方法以及装置、服务器，以解决企业发展的分析诊断需要依赖海量数据的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种用于企业发展的预测方法。

根据本申请的用于企业发展的预测方法包括：根据已知企业数据训练得到预设机器学习模型；输入未知目标企业数据到所述预设机器学习模型；通过所述预设机器学习模型，输出对于所述未知目标企业的预测结果。

进一步地，通过所述预设机器学习模型，输出对于所述未知目标企业的发展预测结果，所述发展预测结果至少包括：行业发展规模预测、人员发展规模预测。

进一步地，通过所述预设机器学习模型，输出对于所述未知目标企业的诊断预测结果，所述诊断预测结果至少包括：相似时期诊断预测结果、相似规模诊断预测结果、相似人才诊断预测结果、相似财务诊断预测结果、相似组织结构诊断预测结果。

进一步地，所述预设机器学习模型采用全连接神经网络模型。

进一步地，根据已知企业数据训练得到预设机器学习模型包括：

在目标行业中确定已知企业数据；

根据所述已知企业数据，筛选出未知目标诊企业和已知企业数据按照预设规则的数据组合。

进一步地，通过所述预设机器学习模型，输出对于所述未知目标企业的预测结果之后还包括：

判断所述预测结果是否符合预设预测走势；

如果判断所述预测结果不符合预设预测走势，则跟踪通过干预操作调整后的所述预测结果，并持续进行数据回流。

为了实现上述目的，根据本申请的另一方面，提供了一种用于企业发展的预测装置。

根据本申请的用于企业发展的预测装置包括：训练模块，用于根据已知企业数据训练得到预设机器学习模型；输入模块，用于输入未知目标企业数据到所述预设机器学习模型；预测模块，用于通过所述预设机器学习模型，输出对于所述未知目标企业的预测结果。

进一步地，所述训练模块包括：确定单元，用于在目标行业中确定已知企业数据；筛选单元，用于根据所述已知企业数据，筛选出未知目标诊企业和已知企业数据按照预设规则的数据组合。

进一步地，所述预测模块包括：判断单元，用于判断所述预测结果是否符合预设预测走势；干预单元，用于在判断所述预测结果不符合预设预测走势时，则跟踪通过干预操作调整后的所述预测结果，并持续进行数据回流。