一种企业业务管理方法及系统

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种企业业务管理方法及系统。

背景技术

企业信息化管理对于企业的高效管理是一种重要的手段，其中，在现有技术中，对于待处理的企业业务数据，可以对其进行业务异常分析操作，以得到对应的业务异常分析结果，但是，基于现有的技术进行业务异常分析操作，存在着业务异常分析的可靠度不佳的问题。

发明内容

有鉴于此，本发明的目的在于提供一种企业业务管理方法及系统，以提高业务异常分析的可靠度。

为实现上述目的，本发明实施例采用如下技术方案：

一种企业业务管理方法，包括：

对于目标时间周期内形成的多条企业业务数据中的每一条企业业务数据，将该企业业务数据作为待处理企业业务数据，并分析出该待处理企业业务数据对应的企业数据管理标识信息；

基于对应的所述企业数据管理标识信息，对所述多条企业业务数据进行分类操作，以形成对应的至少一个业务数据分类集合，对于同一个业务数据分类集合中的任意两条企业业务数据，对应的所述企业数据管理标识信息之间具有一致性或相似度大于预设相似度；

对于每一条所述企业业务数据，在该企业业务数据对应的业务数据分类集合中，确定出该企业业务数据对应的相关企业业务数据；

基于对应的所述相关企业业务数据，分别对每一条所述企业业务数据进行业务异常分析操作，以形成对应的业务异常分析结果。

在一些优选的实施例中，在上述企业业务管理方法中，所述基于对应的所述企业数据管理标识信息，对所述多条企业业务数据进行分类操作，以形成对应的至少一个业务数据分类集合的步骤，包括：

基于所述多条企业业务数据构建出第一类集合；

构建出第二类集合；

从当前的第一类集合中任意确定出一条企业业务数据，作为第一企业业务数据，并将所述第一企业业务数据从所述当前的第一类集合中筛除，以及，将所述第一企业业务数据放入到所述第二类集合中；

分别确定出所述当前的第一类集合中的每一条企业业务数据与所述第一企业业务数据关于所述企业数据管理标识信息是否具有一致性或具有的相似度是否大于预设相似度，以及，将与所述第一企业业务数据关于所述企业数据管理标识信息具有一致性或具有的相似度大于预设相似度的每一条企业业务数据，从所述当前的第一类集合中筛除，以及，将该企业业务数据放入到所述第二类集合中，形成一个业务数据分类集合；

构建出新的第二分类集合，并基于所述新的第二分类集合，回转执行所述从当前的第一类集合中任意确定出一条企业业务数据，作为第一企业业务数据，并将所述第一企业业务数据从所述当前的第一类集合中筛除，以及，将所述第一企业业务数据放入到所述第二类集合中的步骤。

在一些优选的实施例中，在上述企业业务管理方法中，所述对于每一条所述企业业务数据，在该企业业务数据对应的业务数据分类集合中，确定出该企业业务数据对应的相关企业业务数据的步骤，包括：

分别确定出每一条所述企业业务数据对应的数据形成时间信息；

对于每一条所述企业业务数据，在该企业业务数据对应的业务数据分类集合中，基于对应的数据形成时间信息之间的间隔最小的原则，确定出该企业业务数据对应的相关企业业务数据。

在一些优选的实施例中，在上述企业业务管理方法中，所述基于对应的所述相关企业业务数据，分别对每一条所述企业业务数据进行业务异常分析操作，以形成对应的业务异常分析结果的步骤，包括：

对所述企业业务数据进行关键信息挖掘操作，以输出所述企业业务数据对应的第一关键信息描述向量；

对所述相关企业业务数据进行关键信息挖掘操作，以输出所述相关企业业务数据对应的第二关键信息描述向量；

基于所述第一关键信息描述向量和所述第二关键信息描述向量，对所述企业业务数据进行业务异常分析操作，形成对应的业务异常分析结果。

在一些优选的实施例中，在上述企业业务管理方法中，所述基于所述第一关键信息描述向量和所述第二关键信息描述向量，对所述企业业务数据进行业务异常分析操作，形成对应的业务异常分析结果的步骤，包括：

基于所述第二关键信息描述向量，对所述第一关键信息描述向量进行深度挖掘操作，以形成对应的深度关键信息描述向量；

对所述深度关键信息描述向量和所述第一关键信息描述向量进行聚合操作，以形成对应的深度聚合关键信息描述向量，并对所述深度聚合关键信息描述向量进行内部聚焦特征分析操作，以形成对应的聚焦关键信息描述向量，以及，将所述聚焦关键信息描述向量进行全连接处理，以形成对应的全连接关键信息描述向量；

基于所述全连接关键信息描述向量，对所述企业业务数据进行业务异常分析操作，形成对应的业务异常分析结果。

在一些优选的实施例中，在上述企业业务管理方法中，所述基于所述第二关键信息描述向量，对所述第一关键信息描述向量进行深度挖掘操作，以形成对应的深度关键信息描述向量的步骤，包括：

对所述第一关键信息描述向量和所述第二关键信息描述向量进行聚合操作，以形成对应的第一层级的聚合描述向量；

通过级联的多个滤波单元，对所述第一关键信息描述向量和所述第二关键信息描述向量分别进行滤波操作，以形成对应的多级的滤波第一关键信息描述向量和多级的滤波第二关键信息描述向量，前一个滤波单元的输出数据作为后一个滤波单元的输入数据；

对于每一级的滤波第一关键信息描述向量和滤波第二关键信息描述向量，对该滤波第一关键信息描述向量和该滤波第二关键信息描述向量进行聚合操作，以形成对应层级的聚合描述向量；

确定出最后一个层级的聚合描述向量的向量尺寸，并基于该向量尺寸，对最后一个层级的聚合描述向量以外的每一个层级的聚合描述向量进行向量参数的抽选操作，以形成最后一个层级以外的每一个层级的抽选聚合描述向量，最后一个层级以外的每一个层级的抽选聚合描述向量的向量尺寸等于最后一个层级的聚合描述向量的向量尺寸；

将最后一个层级的聚合描述向量和最后一个层级以外的每一个层级的抽选聚合描述向量进行叠加操作，以形成对应的深度关键信息描述向量。

在一些优选的实施例中，在上述企业业务管理方法中，所述对于目标时间周期内形成的多条企业业务数据中的每一条企业业务数据，将该企业业务数据作为待处理企业业务数据，并分析出该待处理企业业务数据对应的企业数据管理标识信息的步骤，包括：

对于目标时间周期内形成的多条企业业务数据中的每一条企业业务数据，将该企业业务数据作为待处理企业业务数据；

挖掘到待处理企业业务数据的企业业务描述向量集合，所述待处理企业业务数据包括多个企业子业务数据构成，所述企业业务描述向量集合包括所述企业子业务数据对应的企业业务描述向量，所述企业业务描述向量包括多个种类的局部企业业务描述向量，所述待处理企业业务数据用于描述企业业务，且所述待处理企业业务数据的数据形式包括文本数据，所述多个种类的局部企业业务描述向量对应于所述企业子业务数据中的多个种类的业务数据片段；

依据所述企业业务描述向量集合和所述局部企业业务描述向量进行多角度挖掘操作，输出所述待处理企业业务数据对应的多角度业务描述向量；

依据所述多角度业务描述向量进行多层次滤波操作，以输出对应的多个层次的业务滤波描述向量；

将所述多个层次的业务滤波描述向量进行描述向量聚合操作，以输出对应的聚合企业业务描述向量；

依据所述聚合企业业务描述向量，分析出所述待处理企业业务数据对应的企业数据管理标识信息，用于将所述待处理企业业务数据进行管理。

本发明实施例还提供一种企业业务管理系统，包括：

标识信息分析模块，用于对于目标时间周期内形成的多条企业业务数据中的每一条企业业务数据，将该企业业务数据作为待处理企业业务数据，并分析出该待处理企业业务数据对应的企业数据管理标识信息；

数据分类模块，用于基于对应的所述企业数据管理标识信息，对所述多条企业业务数据进行分类操作，以形成对应的至少一个业务数据分类集合，对于同一个业务数据分类集合中的任意两条企业业务数据，对应的所述企业数据管理标识信息之间具有一致性或相似度大于预设相似度；

相关数据确定模块，用于对于每一条所述企业业务数据，在该企业业务数据对应的业务数据分类集合中，确定出该企业业务数据对应的相关企业业务数据；

业务异常分析模块，用于基于对应的所述相关企业业务数据，分别对每一条所述企业业务数据进行业务异常分析操作，以形成对应的业务异常分析结果。

在一些优选的实施例中，在上述企业业务管理系统中，所述业务异常分析模块具体用于：

对所述企业业务数据进行关键信息挖掘操作，以输出所述企业业务数据对应的第一关键信息描述向量；

对所述相关企业业务数据进行关键信息挖掘操作，以输出所述相关企业业务数据对应的第二关键信息描述向量；

基于所述第一关键信息描述向量和所述第二关键信息描述向量，对所述企业业务数据进行业务异常分析操作，形成对应的业务异常分析结果。

在一些优选的实施例中，在上述企业业务管理系统中，所述相关数据确定模块具体用于：

分别确定出每一条所述企业业务数据对应的数据形成时间信息；

对于每一条所述企业业务数据，在该企业业务数据对应的业务数据分类集合中，基于对应的数据形成时间信息之间的间隔最小的原则，确定出该企业业务数据对应的相关企业业务数据。

本发明实施例提供的一种企业业务管理方法及系统，对于目标时间周期内形成的每一条企业业务数据，将该企业业务数据作为待处理企业业务数据，并分析出该待处理企业业务数据对应的企业数据管理标识信息；基于对应的企业数据管理标识信息，对多条企业业务数据进行分类操作，以形成对应的至少一个业务数据分类集合；对于每一条企业业务数据，在该企业业务数据对应的业务数据分类集合中，确定出该企业业务数据对应的相关企业业务数据；基于相关企业业务数据，分别对每一条企业业务数据进行业务异常分析操作，以形成业务异常分析结果。基于前述的内容，通过进行企业数据管理标识信息的分析操作，使得可以基于企业数据管理标识信息进行数据分类操作，从而提高确定的相关企业业务数据的可靠度，使得基于相关企业业务数据进行的辅助业务异常分析操作的可靠度可以更高，进而提高业务异常分析的可靠度，改善现有技术中的不足。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

图1为本发明实施例提供的企业业务管理平台的结构框图。

图2为本发明实施例提供的企业业务管理方法包括的各步骤的流程示意图。

图3为本发明实施例提供的企业业务管理系统包括的各模块的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供了一种企业业务管理平台。其中，所述企业业务管理平台可以包括存储器和处理器。

详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式，存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例(如后文所述)提供的企业业务管理方法。

可以选择的是，在一种可行的实施方式中，所述存储器可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。

可以选择的是，在一种可行的实施方式中，所述处理器可以是一种通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)、片上系统(System on Chip，SoC)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

并且，图1所示的结构仅为示意，所述企业业务管理平台还可包括比图1中所示更多或者更少的组件，或具有与图1所示不同的配置，例如，可以包括用于与其它设备进行信息交互的通信单元。

可以选择的是，在一种可行的实施方式中，所述企业业务管理平台可以是一种具备数据处理能力的服务器。

结合图2，本发明实施例还提供一种企业业务管理方法，可应用于上述企业业务管理平台。其中，所述企业业务管理方法有关的流程所定义的方法步骤，可以由所述企业业务管理平台实现。

下面将对图2所示的具体流程，进行详细阐述。

步骤S100，对于目标时间周期内形成的多条企业业务数据中的每一条企业业务数据，将该企业业务数据作为待处理企业业务数据，并分析出该待处理企业业务数据对应的企业数据管理标识信息。

在本发明实施例中，所述企业业务管理平台可以对于目标时间周期内形成的多条企业业务数据中的每一条企业业务数据，将该企业业务数据作为待处理企业业务数据，并分析出该待处理企业业务数据对应的企业数据管理标识信息。

步骤S200，基于对应的所述企业数据管理标识信息，对所述多条企业业务数据进行分类操作，以形成对应的至少一个业务数据分类集合。

在本发明实施例中，所述企业业务管理平台可以基于对应的所述企业数据管理标识信息，对所述多条企业业务数据进行分类操作，以形成对应的至少一个业务数据分类集合。对于同一个业务数据分类集合中的任意两条企业业务数据，对应的所述企业数据管理标识信息之间具有一致性或相似度大于预设相似度，该预设相似度可以根据实际需求进行配置。

步骤S300，对于每一条所述企业业务数据，在该企业业务数据对应的业务数据分类集合中，确定出该企业业务数据对应的相关企业业务数据。

在本发明实施例中，所述企业业务管理平台可以对于每一条所述企业业务数据，在该企业业务数据对应的业务数据分类集合中，确定出该企业业务数据对应的相关企业业务数据。

步骤S400，基于对应的所述相关企业业务数据，分别对每一条所述企业业务数据进行业务异常分析操作，以形成对应的业务异常分析结果。

在本发明实施例中，所述企业业务管理平台可以基于对应的所述相关企业业务数据，分别对每一条所述企业业务数据进行业务异常分析操作，以形成对应的业务异常分析结果。

基于前述的内容，如步骤S100-步骤S400，通过进行企业数据管理标识信息的分析操作，使得可以基于企业数据管理标识信息进行数据分类操作，从而提高确定的相关企业业务数据的可靠度，使得基于相关企业业务数据进行的辅助业务异常分析操作的可靠度可以更高，进而提高业务异常分析的可靠度，改善现有技术中的不足。

可以选择的是，在一种可行的实施方式中，所述对于目标时间周期内形成的多条企业业务数据中的每一条企业业务数据，将该企业业务数据作为待处理企业业务数据，并分析出该待处理企业业务数据对应的企业数据管理标识信息的步骤，可以进一步包括以下的内容，如步骤S110-步骤S150。

步骤S110，挖掘到待处理企业业务数据的企业业务描述向量集合。

在本发明实施例中，所述企业业务管理平台可以挖掘到待处理企业业务数据的企业业务描述向量集合。所述待处理企业业务数据包括多个企业子业务数据构成(如不同类型的企业业务对应的数据)，所述企业业务描述向量集合包括所述企业子业务数据对应的企业业务描述向量，所述企业业务描述向量包括多个种类的局部企业业务描述向量，所述待处理企业业务数据用于描述企业业务，且所述待处理企业业务数据的数据形式包括文本数据，所述多个种类的局部企业业务描述向量对应于所述企业子业务数据中的多个种类的业务数据片段(如前期业务、中期业务、后期业务等，，也可以基于其它的需求进行业务的分类，示例性地，可以对应有业务数据片段1、业务数据片段2、业务数据片段3、业务数据片段4、业务数据片段5、业务数据片段6、业务数据片段7等)。

步骤S120，依据所述企业业务描述向量集合和所述局部企业业务描述向量进行多角度挖掘操作，输出所述待处理企业业务数据对应的多角度业务描述向量。

在本发明实施例中，所述企业业务管理平台可以依据所述企业业务描述向量集合和所述局部企业业务描述向量进行多角度挖掘操作，输出所述待处理企业业务数据对应的多角度业务描述向量。

步骤S130，依据所述多角度业务描述向量进行多层次滤波操作，以输出对应的多个层次的业务滤波描述向量。

在本发明实施例中，所述企业业务管理平台可以依据所述多角度业务描述向量进行多层次滤波操作，以输出对应的多个层次的业务滤波描述向量，如第一层次的业务滤波描述向量、第二层次的业务滤波描述向量、第三层次的业务滤波描述向量、第四层次的业务滤波描述向量。

步骤S140，将所述多个层次的业务滤波描述向量进行描述向量聚合操作，以输出对应的聚合企业业务描述向量。

在本发明实施例中，所述企业业务管理平台可以将所述多个层次的业务滤波描述向量进行描述向量聚合操作，以输出对应的聚合企业业务描述向量。

步骤S150，依据所述聚合企业业务描述向量，分析出所述待处理企业业务数据对应的企业数据管理标识信息，用于将所述待处理企业业务数据进行管理。

在本发明实施例中，所述企业业务管理平台可以依据所述聚合企业业务描述向量，分析出所述待处理企业业务数据对应的企业数据管理标识信息，用于将所述待处理企业业务数据进行管理。所述企业数据管理标识信息可以具有实际的含义，如数据质量、数据异常等，所述企业数据管理标识信息也可以不具有实际的含义，仅仅用于分类区分，如1、2、3、4等。将所述待处理企业业务数据进行管理，可以是进行相应的筛选、存储、加密等，还可以是进行不同的数据推送，应用于不同的场景等。

基于上述的内容，即上述的步骤S110-步骤S150，可以通过多角度挖掘操作、多层次滤波操作和描述向量聚合操作，使得得到的企业数据管理标识信息的可靠度更高，使得基于企业数据管理标识信息进行的管理的可靠度更高，从而可以提高企业信息化管理的可靠度。

可以选择的是，在一种可行的实施方式中，所述挖掘到待处理企业业务数据的企业业务描述向量集合的步骤，可以进一步包括以下的内容：

提取到待处理企业业务数据；

将所述待处理企业业务数据进行拆分操作，输出多个企业子业务数据；

将所述企业子业务数据进行重要数据提取操作，以输出所述待处理企业业务数据对应的重要企业子业务数据，示例性地，可以对所述企业子业务数据进行关键词的识别，如此，可以将具有关键词的企业子业务数据，作为所述待处理企业业务数据对应的重要企业子业务数据；

将所述企业子业务数据和所述重要企业子业务数据进行有效数据提取操作，输出所述企业子业务数据和所述重要企业子业务数据中具有的有效数据，所述有效数据可以是所述重要企业子业务数据中的关键词，以及，所述关键词所在的关键语句，还可以包括相邻的其它语句等；以及，将所述有效数据进行关键信息挖掘操作，例如，可以映射到特征空间进行表示，以输出所述企业子业务数据对应的企业业务描述向量。

可以选择的是，在一种可行的实施方式中，所述依据所述企业业务描述向量集合和所述局部企业业务描述向量进行多角度挖掘操作，输出所述待处理企业业务数据对应的多角度业务描述向量的步骤，可以进一步包括以下的内容：

将种类不一样的局部企业业务描述向量进行映射和聚合操作，以输出具有第一角度的中间业务描述向量，示例性地，可以针对每一个种类的局部企业业务描述向量，进行线性或非线性的映射操作，具体的映射参数可以在相应的神经网络的优化过程中形成，如此，可以得到每一个种类的局部企业业务描述向量对应的映射描述向量，然后，可以对每一个种类的局部企业业务描述向量对应的映射描述向量进行聚合，如进行拼接，如此，可以得到具有第一角度的中间业务描述向量；

将全部种类的局部企业业务描述向量进行聚合和映射操作，以输出具有第二角度的中间业务描述向量，示例性地，可以将全部种类的局部企业业务描述向量进行拼接，以形成对应的拼接向量，之后，可以将拼接向量进行线性或非线性的映射操作，得到具有第二角度的中间业务描述向量；

基于所述具有第一角度的中间业务描述向量和所述具有第二角度的中间业务描述向量，形成所述待处理企业业务数据的多角度业务描述向量，例如，可以将所述具有第一角度的中间业务描述向量和所述具有第二角度的中间业务描述向量进行聚合，如拼接，以形成多角度业务描述向量。

可以选择的是，在一种可行的实施方式中，所述业务滤波描述向量包括业务表面滤波描述向量和业务深度滤波描述向量，对应地，所述依据所述多角度业务描述向量进行多层次滤波操作，以输出对应的多个层次的业务滤波描述向量的步骤，可以进一步包括以下的内容：

通过多个大小不同的滤波矩阵(滤波算子)，将所述多角度业务描述向量进行滤波操作，以形成多个层次不同的业务表面滤波描述向量，所述多个层次不同的业务表面滤波描述向量之间的向量尺寸不同，所述多个大小不同的滤波矩阵的具体滤波参数可以在相应神经网络的优化过程中形成，一个滤波矩阵对应输出一个业务表面滤波描述向量，如通过第一滤波矩阵，得到第一层次的业务表面滤波描述向量，通过第二滤波矩阵，得到第二层次的业务表面滤波描述向量，通过第三滤波矩阵，得到第三层次的业务表面滤波描述向量，通过第四滤波矩阵，得到第四层次的业务表面滤波描述向量，通过第五滤波矩阵，得到第五层次的业务表面滤波描述向量；

通过特征抽选模型，将所述业务表面滤波描述向量进行特征抽选操作，以形成对应的业务深度滤波描述向量。

可以选择的是，在一种可行的实施方式中，所述特征抽选模型包括特征抽选第一单元和特征抽选第二单元，所述业务深度滤波描述向量包括第一业务深度滤波描述向量和第二业务深度滤波描述向量，对应地，所述通过特征抽选模型，将所述业务表面滤波描述向量进行特征抽选操作，以形成对应的业务深度滤波描述向量的步骤，可以进一步包括以下的内容：

通过所述特征抽选第一单元，将所述业务表面滤波描述向量进行第一特征抽选操作，以形成对应的第一业务深度滤波描述向量；

将所述业务表面滤波描述向量和所述第一业务深度滤波描述向量进行梯度优化和聚合操作，以形成对应的待处理描述向量，示例性地，可以先分别对所述业务表面滤波描述向量和所述第一业务深度滤波描述向量进行梯度优化操作，以形成对应的梯度优化向量，然后，可以对形成的两个梯度优化向量进行聚合操作，如拼接，以形成对应的待处理描述向量，在进行梯度优化操作的过程中，可以通过残差网络实现；

通过所述特征抽选第二单元，将所述待处理描述向量进行第二特征抽选操作，以形成对应的第二业务深度滤波描述向量。

可以选择的是，在一种可行的实施方式中，所述特征抽选第一单元包括线性回归分析第一子单元和滤波第一子单元；所述通过所述特征抽选第一单元，将所述业务表面滤波描述向量进行第一特征抽选操作，以形成对应的第一业务深度滤波描述向量的步骤，可以进一步包括以下的内容：

通过所述线性回归分析第一子单元，将所述业务表面滤波描述向量进行滤波操作，以输出对应的线性回归分析第一初始结果；

将所述线性回归分析第一初始结果进行线性回归分析操作(如logistic回归分析)，以形成对应的线性回归分析第一结果；

通过所述滤波第一子单元，将所述业务表面滤波描述向量进行滤波操作，以输出所述滤波第一子单元对应的滤波操作第一结果；

基于所述滤波操作第一结果和所述线性回归分析第一结果，分析出对应的第一业务深度滤波描述向量，示例性地，可以将所述滤波操作第一结果和所述线性回归分析第一结果进行聚合操作，如拼接或叠加操作，以形成对应的第一业务深度滤波描述向量。

可以选择的是，在一种可行的实施方式中，所述特征抽选第二单元包括线性回归分析第二子单元和滤波第二子单元；所述通过所述特征抽选第二单元，将所述待处理描述向量进行第二特征抽选操作，以形成对应的第二业务深度滤波描述向量的步骤，可以进一步包括以下的内容：

通过所述线性回归分析第二子单元，将所述待处理描述向量进行滤波操作，以输出所述待处理描述向量对应的线性回归分析第二初始结果；

将所述线性回归分析第二初始结果进行线性回归分析操作(如logistic回归分析)，以形成对应的线性回归分析第二结果；

通过所述滤波第二子单元，将所述待处理描述向量进行滤波操作，以输出所述滤波第二子单元对应的滤波操作第二结果；

基于所述滤波操作第二结果和所述线性回归分析第二结果，分析出对应的候选描述向量，示例性地，可以将所述滤波操作第二结果和所述线性回归分析第二结果进行聚合操作，如拼接或叠加操作，形成候选描述向量；

基于所述候选描述向量和所述第一业务深度滤波描述向量进行特征聚合和压缩操作，以形成对应的第二业务深度滤波描述向量，示例性地，可以对所述候选描述向量和所述第一业务深度滤波描述向量进行聚合操作，以形成对应的聚合描述向量，再将该聚合描述向量进行压缩操作，如pooling操作，以形成对应的第二业务深度滤波描述向量。

可以选择的是，在一种可行的实施方式中，所述将所述多个层次的业务滤波描述向量进行描述向量聚合操作，以输出对应的聚合企业业务描述向量的步骤，可以进一步包括以下的内容：

对所述多个层次的业务滤波描述向量进行整合操作，以输出对应的多个层次的整合业务滤波描述向量；以及，将所述多个层次的整合业务滤波描述向量进行特征抽选和聚合操作，以形成对应的聚合企业业务描述向量，示例性地，可以先分别将每一个层次的整合业务滤波描述向量进行特征抽选，如进行pooling操作，以得到对应的特征抽选向量，然后，可以将每一个层次的整合业务滤波描述向量对应的特征抽选向量进行聚合操作。

可以选择的是，在一种可行的实施方式中，所述对所述多个层次的业务滤波描述向量进行整合操作，以输出对应的多个层次的整合业务滤波描述向量的步骤，可以进一步包括以下的内容：

对所述业务滤波描述向量进行整体分析操作，以输出所述业务滤波描述向量对应的整体分析描述向量，示例性地，可以对所述业务滤波描述向量进行pooling操作，如最大值的pooling操作，得到所述业务滤波描述向量对应的整体分析描述向量；分析出所述整体分析描述向量对应的重要性评估参数，示例性地，可以通过一些激活函数，如S型函数，对所述整体分析描述向量进行处理，以得到对应的重要性评估参数；基于所述重要性评估参数，将所述业务滤波描述向量进行调整操作，以输出所述业务滤波描述向量对应的整合业务滤波描述向量，例如，可以基于所述重要性评估参数，将所述业务滤波描述向量进行加权，以得到所述业务滤波描述向量对应的整合业务滤波描述向量，或者，可以基于所述重要性评估参数，将所述业务滤波描述向量进行加权，以得到对应的加权业务滤波描述向量，然后，可以分别对所述加权业务滤波描述向量和所述业务滤波描述向量进行梯度优化操作，以形成对应的梯度优化向量，最后，可以将所述加权业务滤波描述向量对应的梯度优化向量和所述业务滤波描述向量对应的梯度优化向量进行聚合，如进行叠加等操作，以得到对应的整合业务滤波描述向量。

可以选择的是，在一种可行的实施方式中，所述基于对应的所述企业数据管理标识信息，对所述多条企业业务数据进行分类操作，以形成对应的至少一个业务数据分类集合的步骤，可以进一步包括以下的内容：

基于所述多条企业业务数据构建出第一类集合；

构建出第二类集合；

从当前的第一类集合中任意确定出一条企业业务数据，作为第一企业业务数据，并将所述第一企业业务数据从所述当前的第一类集合中筛除，以及，将所述第一企业业务数据放入到所述第二类集合中；

分别确定出所述当前的第一类集合中的每一条企业业务数据与所述第一企业业务数据关于所述企业数据管理标识信息是否具有一致性或具有的相似度是否大于预设相似度，以及，将与所述第一企业业务数据关于所述企业数据管理标识信息具有一致性或具有的相似度大于预设相似度的每一条企业业务数据，从所述当前的第一类集合中筛除，以及，将该企业业务数据放入到所述第二类集合中，形成一个业务数据分类集合；

构建出新的第二分类集合，并基于所述新的第二分类集合，回转执行所述从当前的第一类集合中任意确定出一条企业业务数据，作为第一企业业务数据，并将所述第一企业业务数据从所述当前的第一类集合中筛除，以及，将所述第一企业业务数据放入到所述第二类集合中的步骤，如此可以进行循环，直到当前的第一类集合中不具有企业业务数据。

可以选择的是，在一种可行的实施方式中，所述对于每一条所述企业业务数据，在该企业业务数据对应的业务数据分类集合中，确定出该企业业务数据对应的相关企业业务数据的步骤，可以进一步包括以下的内容：

分别确定出每一条所述企业业务数据对应的数据形成时间信息；

对于每一条所述企业业务数据，在该企业业务数据对应的业务数据分类集合中，基于对应的数据形成时间信息之间的间隔最小的原则，确定出该企业业务数据对应的相关企业业务数据。

可以选择的是，在一种可行的实施方式中，所述基于对应的所述相关企业业务数据，分别对每一条所述企业业务数据进行业务异常分析操作，以形成对应的业务异常分析结果的步骤，可以进一步包括以下的内容：

对所述企业业务数据进行关键信息挖掘操作，以输出所述企业业务数据对应的第一关键信息描述向量；

对所述相关企业业务数据进行关键信息挖掘操作，以输出所述相关企业业务数据对应的第二关键信息描述向量；

基于所述第一关键信息描述向量和所述第二关键信息描述向量，对所述企业业务数据进行业务异常分析操作，形成对应的业务异常分析结果。

可以选择的是，在一种可行的实施方式中，所述基于所述第一关键信息描述向量和所述第二关键信息描述向量，对所述企业业务数据进行业务异常分析操作，形成对应的业务异常分析结果的步骤，可以进一步包括以下的内容：

基于所述第二关键信息描述向量，对所述第一关键信息描述向量进行深度挖掘操作，以形成对应的深度关键信息描述向量；

对所述深度关键信息描述向量和所述第一关键信息描述向量进行聚合操作，如进行拼接操作，以形成对应的深度聚合关键信息描述向量，并对所述深度聚合关键信息描述向量进行内部聚焦特征分析操作，即进行自身的聚焦特征分析，以形成对应的聚焦关键信息描述向量，以及，将所述聚焦关键信息描述向量进行全连接处理，可以通过全连接网络实现，以形成对应的全连接关键信息描述向量；

基于所述全连接关键信息描述向量，对所述企业业务数据进行业务异常分析操作，如通过激励函数实现，形成对应的业务异常分析结果。

可以选择的是，在一种可行的实施方式中，所述基于所述第二关键信息描述向量，对所述第一关键信息描述向量进行深度挖掘操作，以形成对应的深度关键信息描述向量的步骤，可以进一步包括以下的内容：

对所述第一关键信息描述向量和所述第二关键信息描述向量进行聚合操作，如进行拼接，以形成对应的第一层级的聚合描述向量；

通过级联的多个滤波单元，对所述第一关键信息描述向量和所述第二关键信息描述向量分别进行滤波操作，以形成对应的多级的滤波第一关键信息描述向量和多级的滤波第二关键信息描述向量，前一个滤波单元的输出数据作为后一个滤波单元的输入数据；

对于每一级的滤波第一关键信息描述向量和滤波第二关键信息描述向量，对该滤波第一关键信息描述向量和该滤波第二关键信息描述向量进行聚合操作，以形成对应层级的聚合描述向量；

确定出最后一个层级的聚合描述向量的向量尺寸，并基于该向量尺寸，对最后一个层级的聚合描述向量以外的每一个层级的聚合描述向量进行向量参数的抽选操作，如pooling操作，以形成最后一个层级以外的每一个层级的抽选聚合描述向量，最后一个层级以外的每一个层级的抽选聚合描述向量的向量尺寸等于最后一个层级的聚合描述向量的向量尺寸；

将最后一个层级的聚合描述向量和最后一个层级以外的每一个层级的抽选聚合描述向量进行叠加操作，以形成对应的深度关键信息描述向量。

结合图3，本发明实施例还提供一种企业业务管理系统，可应用于上述企业业务管理平台。其中，所述企业业务管理系统可以包括：

标识信息分析模块，用于对于目标时间周期内形成的多条企业业务数据中的每一条企业业务数据，将该企业业务数据作为待处理企业业务数据，并分析出该待处理企业业务数据对应的企业数据管理标识信息；

数据分类模块，用于基于对应的所述企业数据管理标识信息，对所述多条企业业务数据进行分类操作，以形成对应的至少一个业务数据分类集合，对于同一个业务数据分类集合中的任意两条企业业务数据，对应的所述企业数据管理标识信息之间具有一致性或相似度大于预设相似度；

相关数据确定模块，用于对于每一条所述企业业务数据，在该企业业务数据对应的业务数据分类集合中，确定出该企业业务数据对应的相关企业业务数据；

业务异常分析模块，用于基于对应的所述相关企业业务数据，分别对每一条所述企业业务数据进行业务异常分析操作，以形成对应的业务异常分析结果。

可以选择的是，在一种可行的实施方式中，所述业务异常分析模块具体用于：

对所述企业业务数据进行关键信息挖掘操作，以输出所述企业业务数据对应的第一关键信息描述向量；

对所述相关企业业务数据进行关键信息挖掘操作，以输出所述相关企业业务数据对应的第二关键信息描述向量；

基于所述第一关键信息描述向量和所述第二关键信息描述向量，对所述企业业务数据进行业务异常分析操作，形成对应的业务异常分析结果。

可以选择的是，在一种可行的实施方式中，所述相关数据确定模块具体用于：

分别确定出每一条所述企业业务数据对应的数据形成时间信息；

对于每一条所述企业业务数据，在该企业业务数据对应的业务数据分类集合中，基于对应的数据形成时间信息之间的间隔最小的原则，确定出该企业业务数据对应的相关企业业务数据。

综上所述，本发明提供的一种企业业务管理方法及系统，对于目标时间周期内形成的每一条企业业务数据，将该企业业务数据作为待处理企业业务数据，并分析出该待处理企业业务数据对应的企业数据管理标识信息；基于对应的企业数据管理标识信息，对多条企业业务数据进行分类操作，以形成对应的至少一个业务数据分类集合；对于每一条企业业务数据，在该企业业务数据对应的业务数据分类集合中，确定出该企业业务数据对应的相关企业业务数据；基于相关企业业务数据，分别对每一条企业业务数据进行业务异常分析操作，以形成业务异常分析结果。基于前述的内容，通过进行企业数据管理标识信息的分析操作，使得可以基于企业数据管理标识信息进行数据分类操作，从而提高确定的相关企业业务数据的可靠度，使得基于相关企业业务数据进行的辅助业务异常分析操作的可靠度可以更高，进而提高业务异常分析的可靠度，改善现有技术中的不足。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。