[发明专利]企业战略智能预警方法、装置、电子设备及存储介质

说明书

本发明涉及人工智能领域，提供一种企业战略智能预警方法，对外部经营数据进行NLP识别处理以提取外部特征数据；对企业内在评估数据进行标准化处理和编码处理以获取内参数据；通过多元回归模型获取主参考信息，通过时间性差分自回归滑动平均模型获取辅助参考信息，根据主参考信息和辅助参考信息获取预测客户吞吐量趋势，并根据客户吞吐量趋势和预设的趋势风险对照信息获取当前企业的风险预警信息，如此，实现客户风险的智能预警，减少事后发现的可能损失，即实现客户风险的智能预警，减少事后发现的可能损失；对模型准确性与实用性进行评估，提高吞吐量预测精度。

技术领域

本发明涉及人工智能领域，涉及数据分析技术，尤其涉及一种企业战略智能预警方法、装置、电子设备及计算机可读存储介质。

背景技术

因经营发展历史经验限制、技术限制等因素，多数港口集团目前大客户信息的主要获取途径为客户拜访，但拜访周期不规律、信息维度不全面等因素严重影响大客户风控，多数情况下大客户风险信息是事后接收，以致对客户情况感知不明显，响应延迟，未能提前或及时预警，一旦风险发生易给港口企业造成重大损失。因此，提前识别客户业务风险行为，及时制定策略，对港口企业良性发展至关重要。

而港口企业的主要业务目标在于客货吞吐量，货物吞吐量的完成依赖于其客户(即货主)业务规模与经营情况。一般而言，企业中某客户业务规模越大、集中度越高，往往就越容易形成对该客户的依赖，客户的风险随时可能转化成企业的经营风险。港口企业的大客户风险主要包括两方面，一是客户业务量风险；二是客户流失风险。

因此，亟需一种将客户业务量风险与客户流失风险集成在一起，以实现客户风险的智能预警，减少事后发现的可能损失的基于数据挖掘的港口企业战略智能预警方法。

发明内容

本发明提供一种企业战略智能预警方法，以解决现有技术中因经营发展历史经验限制、技术限制等因素，多数港口集团目前大客户信息的主要获取途径为客户拜访，但拜访周期不规律、信息维度不全面等因素严重影响大客户风控，多数情况下大客户风险信息是事后接收，以致对客户情况感知不明显，响应延迟，未能提前或及时预警，一旦风险发生易给港口企业造成重大损失的问题。

为实现上述目的，本发明提供的一种企业战略智能预警方法，包括：

基于预设数据库或者数据调取平台，围绕预先设立的外部经营环境主题的字段调取外部经营数据，围绕预先设立的内部评估主题的字段调取企业内在评估数据；

对所述外部经营数据进行自然语言识别处理以提取外部特征数据；对所述企业内在评估数据进行标准化处理和编码处理以获取内参数据；

通过预设时间序列按照预设时间节点对所述外部特征数据进行节点平均处理以获取时间性差分自回归滑动平均模型；将所述内参数据作为因子构建回归模型以获取多元回归模型；

通过所述多元回归模型获取主参考信息，通过所述时间性差分自回归滑动平均模型获取辅助参考信息，根据所述主参考信息和所述辅助参考信息获取预测客户吞吐量趋势，并根据所述客户吞吐量趋势和预设的趋势风险对照信息获取当前企业的风险预警信息。

可选地，所述基于预设数据库或者数据调取平台，围绕预先设立的外部经营环境主题字段调取外部经营数据，围绕预先设立的内部评估主题字段调取企业内在评估数据，包括：

对预设业务进行内外数据划分形成外部数据集和内部数据集；其中，所述外部数据集至少包括宏观经济数据、行业价格与行业发展数据、媒体数据；所述内部数据集包括企业集团内部的客户业务量数据、企业基本信息数据、企业经营数据；

设立关于所述预设业务的企业外部经营环境主题和企业内在评估主题，并在所述外部数据集上标注企业外部经营环境主题，在所述内部数据集上标注企业内在评估主题；