[发明专利]一种权重因素等级评价方法及系统

说明书

本发明涉及一种权重因素等级评价方法及系统，所述方法包括数据采集终端将从采样存储器中调取的样本数据传输到信息处理服务器；信息处理服务器对样本数据进行预处理；对经过预处理的样本数据进行权重因素分析；通过权重因素分析获得评价等级模型；评价等级模型存储于数据存储器中；数据采集终端收集待处理数据，将待处理数据输入评价等级模型，获得待处理数据的评价等级。本发明一种权重因素等级评价方法及系统在采集了海量政府部门数据，企业内部数据以及舆情数据等相关信息的基础上，运用权重因素分析法，将多个评价指标转化为少数几个综合指标，可实现快速简洁的评价计算，弥补了传统评价方法在评价中忽略指标间关联关系的不足。

技术领域

本发明涉及网络数据管理领域，尤其涉及一种权重因素等级评价的方法及系统。

背景技术

大数据技术是以数据为本质的一种信息技术，在数据挖潜过程中，能够带动理念、模式、技术及应用实践的创新。数据价值的凸显、数据获取手段及数据处理技术的改进是“大数据”爆发的根源。而随着数据生产要素化，数据科学、数据科技的不断发展和数据价值的深度挖掘和应用，将带动区域经济发展、智慧城市建设、企业转型升级、社会管理等各个领域的创新和发展。大数据在数据科学理论的指导下，将改变创新模式和管理理念，发展大数据技术，深化大数据应用和实践。而行业大数据将是大数据最大最佳的应用领域。

将大数据的应用运用到企业管理中，可以在海量的数据中统计分析出想要实现的结果，训练计算统计模型，帮助企业管理者掌握精准企业信息，指导企业行为和引导公众消费。但目前大数据应用存在着诸多的缺点，例如，数据的分析需要基于海量的数据积累，目前大数据需要根据数以百万计的海量数据进行分析，而绝大部分的平台缺乏大数据依托，往往是小数据或中数据，因此，数据的匮乏会导致计算结果缺乏说服力。另外，现有常规企业信用危机评价模型，主要有多变量统计模型、基于人工智能的信用风险评估模型、基于市场价值的信用风险评估模型等，这些模型对于样本的前提条件比较苛刻，现实中的样本数据严重违背了这些假定。而且模型选择的变量无法避免相互之间的多重共线性问题。人工智能信用模型的建立虽然在一定程度上解决了这些问题，但这种“黑箱”式的训练得出的结论在一定程度上缺乏解释能力。同时，如果将企业信用危机作为一个多变量问题，变量太多会增加计算量和增加分析问题的复杂性。为了增加数据有效性，应尽可能地在进行定量分析的过程中涉及的变量较少，得到的信息量较多。

发明内容

为了解决现有技术中存在的上述问题，本发明提出了一种权重因素等级评价方法及系统，在采集的海量政府部门数据、企业内部数据以及舆情数据等信息的基础上，将企业信用危机的多个评价指标转化为少数几个综合指标，可实现快速简洁的评价计算，弥补了传统评价方法在评价中忽略指标间关联关系的不足。

本发明所采取的技术方案是：

一种权重因素等级评价方法，包括存储在采样存储器中样本数据，数据采集终端从采样存储器中调取样本数据，

数据采集终端将从采样存储器中调取的样本数据传输到信息处理服务器；

信息处理服务器对样本数据进行预处理；

信息处理服务器对经过预处理的样本数据进行权重因素分析；

通过权重因素分析获得评价等级模型；

评价等级模型存储于数据存储器中；

数据采集终端收集待处理数据，将待处理数据输入评价等级模型，获得待处理数据的评价等级。

优选的是，样本数据包括政府部门数据库数据、企业内部数据及舆情数据。

在上述任一方案中优选的是，权重因素分析包括：

计算样本数据综合得分，按照综合得分及样本数据中数据分布状态划分类别，设定数据等级；

通过计算指标系数，构建综合得分函数，计算权重因素得分。