[发明专利]基于业务指标的经营指标监控及趋势预测系统

说明书

本发明公开了一种基于业务指标的经营指标监控及趋势预测系统，采用了指标树模型及先导指标预警模型，变“事后监控”为“事前预测”。本方法包含三个模块：核心指标预警模块，分析业务核心指标，通过因子分解实现核心指标的拆解；模型训练模块，基于指标预警提供的变量，通过线性回归算法和时间序列算法的组合模型训练；模型应用模块，实时预测核心指标变化趋势，并通过实际结果的反馈，支持模型的验证更新。

技术领域

本发明涉及大数据技术，特别是涉及一种基于业务指标的经营指标监控及趋势预测系统。

背景技术

金融企业，在开展企业内部金融业务中，特别是在企业进行统计报表过程中，其流程通常为各级企事业，行政单位按规定的表格形式、内容、时间要求履行报送程序进行，往往是自上而下统一布置，自下而上提供统计资料的一种统计调查方式。

主要涉及的核心技术包括：线性回归，线性回归是利用梳理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，该运用已十分广泛，而且达到成熟的程度。其表达形式为y＝w＇x+e,e为误差服从均值为0的正态分布。

冠军/挑战者模式即把现有的策略作为冠军策略在生产中使用，在线上应用过程中，为了保证策略的最优，把另一个战略(挑战者)应用到相同或者其他类似可比较的场景，基于可量化的评价指标评估挑战者策略与冠军策略的表现情况，若挑战者策略在评价指标中更有效，则替代冠军策略投产使用，成为新的冠军策略，在生产中使用。

同时，还涉及自回归滑动平均模型，ARMA模型是研究时间序列的重要方法，由自回归模型与滑动平均模型为基础“混合”构成。

发明内容

线性回归算法，能够较好的确定两种或两种以上变量间相互依赖的定量关系，针对经营趋势预测场景，能够有效识别与经营指标相关的因素；以自回归滑动平均模型的未代表的时间序列模型，能够基于历史数据趋势，预测关键指标的发展趋势，但是缺乏问题定位能力，难以明确关键指标发展趋势的影响因素。

以往，部分金融机构主要通过财务指标来发现内部运营问题，而且，统计报表一般为固定模板形式，相对滞后且不易定义问题。本方案创新性地采用了指标树模型及先导指标预警模型，变“事后监控”为“事前预测”，从而可以在一定程度上为金融机构的经营方向提供有价值的参考依据。

采用指标树模型对业务指标进行层层拆解，准确定位金融机构内部运营问题，通过智能、实时的分析方式，直接定位报警指标异常原因；通过采用具有先导性的业务指标替代相对滞后的财务指标预警，及时发现金融机构内部运营问题。根据先导指标与核心指标的历史关系，可以构建预警模型，通过先导指标当前状态/变化预测核心指标的未来变化趋势；

基于如上两点，可更准确、更及时地定位金融机构的运营问题，便于提早发现潜在风险隐患，为解决核心经营问题提供自动化、智能化数据分析支持。

方案该方案基于大数据计算技术，可固化沉淀金融机构多年数据分析模型，将智能分析和数据挖掘方法紧密结合，实现核心指标监控预警，通过采用具有先导性的业务指标替代相对滞后的财务指标预警，及时发现金融机构内部运营问题，主要包括三部分内容：核心指标预警模块、模型训练模块和模型应用模块。

其中，核心指标预警模块包括：核心指标监控模块、因子分析模块、定位异常指标模块、异常指标分析模块；

模型训练模块包括：线性预测模块、时间顺序模块、模型组合模块、模型自更新模块；

模型应用模块包括：数据缓存模块、实施预测模块；

核心指标预警模块为模型训练模块提供变量；

模型训练模块为模型应用模块提供模型。

所述核心指标监控模块，即对核心指标本身的监控，通过核心指标与其前12个月的表现相比较，通过同比和环比等方式，监控并评估核心指标的发展是否正常。