基于大数据显示屏的企业维度信息展示方法
文献发布时间:2024-04-18 19:58:26
技术领域
本发明涉及超高温材料相关技术领域,具体为基于大数据显示屏的企业维度信息展示方法。
背景技术
大数据智能化应用已经成为企业信息化的重要趋势,在企业大数据可视化方面,传统的表格和图表只能提供较为简单的数据呈现和分析,难以满足企业对于数据展示和决策分析的需要,为此,出现了基于大数据显示屏的企业维度信息展示方法的创新。
然而,现有的企业维度信息展示方法仅能够在数据呈现方面提供有限的解决方案,无法满足用户在数据处理与交互分析等方面的需求,此外,现有的企业维度信息展示方法存在以下缺陷和不足:
1.数据呈现形式单一,难以展示多维度数据,传统图表仅能呈现两个维度的数据,难以展示更为复杂的数据关联。
2.数据交互性低,用户难以深入挖掘数据背后的信息,现有的交互分析工具难以满足用户的需求,如查找特定信息或对数据建立关联关系;
3.缺乏智能化的决策辅助功能,现有展示屏幕面板未考虑到用户的操作习惯和决策流程,无法为用户提供智能化的决策辅助支持。
本发明旨在解决现有大数据展示屏幕面板存在的数据处理、交互分析和决策辅助方面的缺陷和不足,通过优化显示效果和提高数据交互性,为企业决策分析提供更为便捷、高效、智能化的支持。
发明内容
本发明的目的在于提供基于大数据显示屏的企业维度信息展示方法,以解决上述背景中所提出现有的企业维度信息展示方法数据呈现形式单一、数据交互性低以及缺乏智能化的决策辅助功能的问题。
为实现上述目的,本发明提供如下技术方案:基于大数据显示屏的企业维度信息展示方法,所述方法包括数据采集模块、数据清洗和处理模块、数据可视化模块、数据分析模块、实时更新模块、安全管理模块和用户交互模块;
其中,所述数据采集模块是企业维度信息展示方法的第一步,通过连接企业内部的数据库、ERP系统和CRM系统,或者连接外部数据平台,采集企业的相关数据;
所述数据清洗和处理模块用于对原始数据进行预处理和清洗,以提高数据质量和准确性的模块,其主要任务是去除数据中的噪声、异常值、重复数据、缺失数据这些不符合要求的部分,同时对数据进行转换、合并和格式化操作,以便于后续的数据分析和挖掘;
所述数据可视化模块根据数据特点和业务需求设计合适的图表类型、颜色和字体,并将设计好的可视化图表展示到界面上,所述数据可视化模块包括可视化设计和可视化展示;
所述数据分析模块使用各种算法和技术对数据进行处理和分析,以发现数据中的关联、趋势、异常和规律信息;
所述实时更新模块用于在数据处理和分析过程中,能够及时地更新数据、重新计算模型和结果,并实时反馈给用户或系统,其作用是在数据变化较快或需要快速响应的场景下,能够保持数据的准确性和实时性,以提高决策的准确性和效率,在工作过程也过程在根据实时更新的数据重新建立模型,并进行优化和评估,然后重新计算模型参数和结果;
所述安全管理模块用于企业在日常运营中采取各种措施,保护企业核心数据和信息系统的安全、完整和可靠性;
所述用户交互模块用于提供多种交互方式,帮助用户快速定位所需信息,并提供智能搜索和推荐功能,以提高用户体验和满意度。
进一步地,所述数据采集模块的主要工作包括以下几个方面:
数据源的选择:选择合适的数据源,根据展示需求和数据来源的可靠性、准确性和完整性因素,选择合适的数据源,数据源选择企业内部的数据库、ERP系统、CRM系统,或者选择第三方数据提供商和公共数据平台;
数据的抽取:根据需求选择数据的抽取方式,通过数据接口、数据抓取或者文件导入的方式进行数据的抽取,抽取的数据量和抽取的频率保持在合理范围内,避免对数据源造成过大的负担;
数据的清洗和处理:采集到的数据需要进行清洗和处理,包括数据去重、数据格式转换和异常数据处理;
数据的传输和存储:采集到的数据需要进行传输和存储,保证数据的可靠性和安全性,通过数据传输协议或者数据加密的方式进行数据传输和存储;
数据的更新和维护:数据采集模块需要进行数据的更新和维护,保证数据的实时性和完整性。
进一步地,所述数据清洗和处理模块的具体步骤和方法如下:
数据收集和获取:首先需要从不同的数据源中收集和获取数据,包括数据库、文件HE API接口,在数据收集的过程中注意数据的格式、结构和有效性,确保数据的完整性和准确性;
数据预处理和清洗:对收集到的数据进行预处理和清洗,包括数据去重、填充、转换和格式化操作,具体步骤包括:
S1.数据去重:通过对数据的唯一标识或关键字进行比较,去除重复数据,以保证数据的一致性和准确性;
S2.数据填充:对缺失数据进行填充,可以使用平均值、中位数和众数的方法进行填充;
S3.数据转换:对数据进行转换,包括数值型数据、文本型数据和日期型数据的转换,以便于后续的数据分析和挖掘;
S4.数据格式化:对数据进行统一的格式化,包括大小写、日期格式和单位的统一,以便于数据的比较和分析;
数据质量检查和修复:对数据进行质量检查和修复,包括异常值检测、缺失值检测HE数据准确性检测,具体步骤包括:
S1.异常值检测:通过统计分析和可视化分析的方法,检测数据中的异常值和噪声点,进行修复或删除;
S2.缺失值检测:通过统计分析HE可视化分析,检测数据中的缺失值,进行填充或删除;
S3.数据准确性检测:通过对数据进行比较和验证,检测数据的准确性和一致性,进行修复或删除;
数据集成和处理:将不同来源、不同格式、不同结构的数据进行集成和处理,以形成一个统一的数据集,具体步骤包括:
S1.数据集成:将不同来源的数据进行集成,可以使用数据挖掘HE机器学习DE方法进行数据匹配和融合;
S2.数据处理:对集成后的数据进行处理,包括数据转换、标准化HE归一化操作,以便于后续的数据分析和挖掘;
数据可视化和报告:将清洗和处理后的数据进行可视化和报告,以便于用户进行数据分析和决策,具体步骤包括:
S1.数据可视化:将数据通过图表和表格的形式进行可视化,以便于用户进行数据分析和挖掘;
S2.数据报告:将清洗和处理后的数据进行报告,包括数据分析报告、数据挖掘报告和数据质量报告,以便于用户进行决策和规划。
进一步地,所述可视化设计是指根据数据特点和业务需求,选择合适的图表类型、颜色和字体元素,将数据呈现出来的过程,这个过程需要考虑以下几个方面:
数据特点:不同类型的数据适合不同的图表类型;
业务需求:根据业务需求选择合适的图表类型和元素;
设计风格:根据品牌和用户需求选择合适的颜色和字体元素,使得图表更加美观、易于理解。
进一步地,所述可视化展示是指将设计好的可视化图表展示到界面上,用户可以通过交互操作获取更多的信息和洞察的过程,这个过程需要考虑以下几个方面:
交互性:通过交互操作,用户可以获取更多的信息和洞察;
数据粒度:根据用户需求选择合适的数据粒度展示数据;
数据深度:根据用户需求选择展示数据的深度。
进一步地,所述数据分析模块进行数据建模和分析的主要步骤包括:
S1.数据预处理:对原始数据进行清洗、去重、填充缺失值和转换数据类型操作,以便后续的分析和建模;
S2.特征选择:从所有特征中选择有用的特征,以提高建模的准确性和效率;
S3.数据建模:使用决策树算法对数据进行建模;
S4.模型评估:对建立的模型进行评估,包括模型的准确性、精度、召回率和F1值指标;
S5.模型优化:根据评估结果对模型进行优化,以提高模型的质量和性能;
S6.预测和应用:使用建立的模型对新的数据进行预测和推断,以解决实际问题和做出决策。
进一步地,所述实时更新模块需要注意以下几点:
数据质量:在实时更新的过程中,需要对数据进行质量控制和监控,以保证数据的准确性和完整性;
模型稳定性:在实时更新的过程中,需要保证模型的稳定性和可靠性,并避免过拟合和欠拟合的问题;
响应速度:在实时更新的过程中,需要保证系统的响应速度和效率,以支持快速决策和应对。
进一步地,所述安全管理模块的主要功能包括:
安全策略管理:制定和实施企业的安全策略和规范,包括数据分类、权限控制和安全审计,以保障企业信息安全;
安全事件监控:监控企业信息系统中的安全事件和异常行为,包括入侵、攻击、病毒和用户行为异常,以及时发现和应对安全问题;
安全漏洞扫描:对企业信息系统进行漏洞扫描和评估,发现和修复安全漏洞,以避免安全风险和威胁;
安全事件响应:对安全事件进行及时响应和处理,包括隔离、恢复、追踪,以减少安全事件对企业信息系统的影响;
安全报告分析:对企业信息系统的安全事件和异常行为进行分析和统计,以发现安全问题的共性和趋势,提出相应的安全建议和措施。
进一步地,所述用户交互模块的主要功能包括:
交互方式模块:用户交互模块提供多种交互方式,在大数据显示屏上实现拖拽、点击和滑动操作,以方便用户快速定位所需信息;
数据可视化模块:用户交互模块采用数据可视化技术,将复杂的数据和信息以图表、地图和仪表盘的形式展现在大数据显示屏上呈现给用户,以提高数据的可读性和易理解性;
智能搜索模块:用户交互模块提供智能搜索功能,通过搜索引擎技术,对企业信息化系统中的数据和文档进行搜索和匹配,以满足用户的信息需求;
推荐服务模块:用户交互模块提供个性化的推荐服务,根据用户的历史行为和偏好,向用户推荐相关的产品和服务,以提高用户体验和满意度。
进一步地,在用户交互模块中,需要注意以下几点:
用户体验:用户交互模块的设计和实现应以用户体验为中心,提供简洁、易用、友好的界面和功能;
数据安全:用户交互模块应保证用户数据的安全和隐私,避免用户数据泄露和滥用;
系统性能:用户交互模块应保证系统的性能和可靠性,避免因系统故障而影响用户体验和满意度。
与现有技术相比,本发明的有益效果如下:
本发明提出的基于大数据显示屏的企业维度信息展示方法,通过数字化仪表盘、彩色柱状图、折线图等图形化展示方式,使得企业大数据的信息呈现更加直观、可视化,在有限的屏幕空间内尽可能地展现更多的信息,通过拖拽、点击、滑动等操作的互动设置,使得用户可以快速定位所需信息,此外,本发明还提供了智能搜索和推荐功能,进一步提升了操作的便捷性。
附图说明
图1为本发明基于大数据显示屏的企业维度信息展示方法模块示意图;
图2为本发明基于大数据显示屏的企业维度信息展示方法结构示意图;
图3为本发明基于大数据显示屏的数据清洗和处理模块结构示意图;
图4为本发明基于大数据显示屏的可视化设计分类结构示意图;
图5为本发明基于大数据显示屏的数据分析模块结构示意图;
图6为本发明基于大数据显示屏的安全管理模块结构示意图;
图7为本发明基于大数据显示屏的用户交互模块结构示意图。
图中标号:1、数据采集模块;101、数据源的选择;102、数据的抽取;103、数据的清洗和处理; 104、数据的传输和存储; 105、数据的更新和维护;2、数据清洗和处理模块;201、数据收集和获取; 202、数据预处理和清洗;203、数据质量检查和修复; 204、数据集成和处理; 205、数据可视化和报告;3、数据可视化模块;301、可视化设计;302、可视化展示;4、数据分析模块;5、实时更新模块;6、安全管理模块;601、安全策略管理;602、安全事件监控;603、安全漏洞扫描;604、安全事件响应;607、安全报告分析;7、用户交互模块;701、交互方式模块;702、数据可视化模块;703、智能搜索模块;704、推荐服务模块。
具体实施方式
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、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
请参阅图1和图2,基于大数据显示屏的企业维度信息展示方法,方法包括数据采集模块1、数据清洗和处理模块2、数据可视化模块3、数据分析模块4、实时更新模块5、安全管理模块6和用户交互模块7。
其中,数据采集模块1是企业维度信息展示方法的第一步,通过连接企业内部的数据库、ERP系统、CRM系统等,或者连接外部数据平台,采集企业的相关数据。数据采集模块1的主要工作包括以下几个方面:
1.数据源的选择101:选择合适的数据源,根据展示需求和数据来源的可靠性、准确性、完整性等因素,选择合适的数据源。企业内部的数据库、ERP系统、CRM系统等是常用的数据源,也可以从外部数据平台获取相关数据,如第三方数据提供商、公共数据平台等。
2.数据的抽取102:根据需求选择数据的抽取102方式,可以通过数据接口、数据抓取、文件导入等方式进行数据的抽取102。需要注意抽取的数据量和抽取的频率,避免对数据源造成过大的负担。
3.数据的清洗和处理103:采集到的数据需要进行清洗和处理,包括数据去重、数据格式转换、异常数据处理等。数据清洗和处理的目的是保证数据的准确性和及时性,避免在后续的数据分析和可视化过程中出现问题。
4.数据的传输和存储104:采集到的数据需要进行传输和存储,保证数据的可靠性和安全性。可以通过数据传输协议、数据加密等方式进行数据传输和存储。
5.数据的更新和维护105:数据采集模块需要进行数据的更新和维护105,保证数据的实时性和完整性。需要根据实际情况定期对数据进行更新和维护,避免数据过时或者数据丢失。
数据清洗和处理模块2用于对原始数据进行预处理和清洗,以提高数据质量和准确性的模块,其主要任务是去除数据中的噪声、异常值、重复数据、缺失数据等不符合要求的部分,同时对数据进行转换、合并、格式化等操作,以便于后续的数据分析和挖掘。数据清洗和处理模块2的具体步骤和方法如下:
1.数据收集和获取201:首先需要从不同的数据源中收集和获取数据,包括数据库、文件、API接口等,在数据收集的过程中,要注意数据的格式、结构和有效性,确保数据的完整性和准确性。
2.数据预处理和清洗202:对收集到的数据进行预处理和清洗,包括数据去重、填充、转换、格式化等操作,具体步骤包括:
数据去重:通过对数据的唯一标识或关键字进行比较,去除重复数据,以保证数据的一致性和准确性。
数据填充:对缺失数据进行填充,可以使用平均值、中位数、众数等方法进行填充。
数据转换:对数据进行转换,包括数值型数据、文本型数据、日期型数据等的转换,以便于后续的数据分析和挖掘。
数据格式化:对数据进行统一的格式化,包括大小写、日期格式、单位等的统一,以便于数据的比较和分析。
3.数据质量检查和修复203:对数据进行质量检查和修复,包括异常值检测、缺失值检测、数据准确性检测等,具体步骤包括:
异常值检测:通过统计分析、可视化分析等方法,检测数据中的异常值和噪声点,进行修复或删除。
缺失值检测:通过统计分析、可视化分析等方法,检测数据中的缺失值,进行填充或删除。
数据准确性检测:通过对数据进行比较和验证,检测数据的准确性和一致性,进行修复或删除。
4.数据集成和处理204:将不同来源、不同格式、不同结构的数据进行集成和处理,以形成一个统一的数据集,具体步骤包括:
数据集成:将不同来源的数据进行集成,可以使用数据挖掘、机器学习等方法进行数据匹配和融合。
数据处理:对集成后的数据进行处理,包括数据转换、标准化、归一化等操作,以便于后续的数据分析和挖掘。
5.数据可视化和报告205:将清洗和处理后的数据进行可视化和报告,以便于用户进行数据分析和决策,具体步骤包括:
数据可视化:将数据通过图表、表格等形式进行可视化,以便于用户进行数据分析和挖掘。
数据报告:将清洗和处理后的数据进行报告,包括数据分析报告、数据挖掘报告、数据质量报告等,以便于用户进行决策和规划。
综上,数据清洗和处理模块是数据分析和挖掘的重要步骤,其质量和准确性对后续的数据分析和挖掘结果有着重要的影响,因此,需要采用科学和有效的方法进行数据清洗和处理,以提高数据的质量和准确性。
数据可视化模块3是根据数据特点和业务需求设计合适的图表类型、颜色、字体等元素的过程。可视化展示是将设计好的可视化图表展示到界面上,用户可以通过交互操作获取更多的信息和洞察的过程。数据可视化模块3包括可视化设计301和可视化展示302。可视化设计301是指根据数据特点和业务需求,选择合适的图表类型、颜色、字体等元素,将数据呈现出来的过程,这个过程需要考虑以下几个方面:
1.数据特点:不同类型的数据适合不同的图表类型,例如分类数据适合使用饼图,数量数据适合使用柱状图,趋势数据适合使用折线图等。
2.业务需求:根据业务需求选择合适的图表类型和元素,例如在展示销售数据时,需要选择合适的颜色来区分不同产品或地区的销售额。
3.设计风格:根据品牌和用户需求选择合适的颜色、字体等元素,使得图表更加美观、易于理解。
可视化展示302是指将设计好的可视化图表展示到界面上,用户可以通过交互操作获取更多的信息和洞察的过程。这个过程需要考虑以下几个方面:
1.交互性:通过交互操作,用户可以获取更多的信息和洞察,例如鼠标悬停或者点击图表上的元素,可以查看具体的数据信息。
2.数据粒度:根据用户需求选择合适的数据粒度展示数据,例如展示销售数据时,可以选择按月、季度或年份展示,以便用户更好地理解数据的趋势变化。
3.数据深度:根据用户需求选择展示数据的深度,例如在展示销售数据时,可以选择展示总销售额,也可以选择展示不同产品或地区的销售额,以便用户更好地理解数据。
综上,可视化设计301和可视化展示302是紧密相关的过程,需要根据数据特点和业务需求进行灵活的调整和优化,以便用户更好地理解数据和做出更好的决策。
数据分析模块4使用各种算法和技术对数据进行处理和分析,以发现数据中的关联、趋势、异常和规律等信息。数据建模和分析可以帮助我们更好地理解数据、预测未来趋势、发现问题和解决问题。数据分析模块4进行数据建模和分析的主要步骤包括:
数据预处理:对原始数据进行清洗、去重、填充缺失值、转换数据类型等操作,以便后续的分析和建模。可以使用Python中的Pandas库进行数据处理。
缺失值处理:
删除缺失值:
插值法:使用插值方法填充缺失值,如线性插值、多项式插值等。
异常值处理:
基于概率分布的方法:假设数据服从某种概率分布,通过对数据进行分析和建模,识别和处理异常值。
基于距离的方法:通过计算数据点之间的距离,识别和处理异常值。
2.特征选择:从所有特征中选择有用的特征,以提高建模的准确性和效率。可以使用Python中的Scikit-learn库中的特征选择器进行特征选择。
3.数据建模:使用决策树算法对数据进行建模。决策树算法是一种基于树结构的分类算法,通过将数据分成不同的类别来进行分类。可以使用Python中的Scikit-learn库中的决策树分类器进行建模。
4.模型评估:对建立的模型进行评估,包括模型的准确性、精度、召回率、F1值等指标。
准确性分析:
准确性是指模型分类正确的样本数占总样本数的比例,其公式如下:
其中,TP表示真正例的数量,TN表示真反例的数量,FP表示假正例的数量,FN表示假反例的数量。
精度分析:
精度是指模型正确预测为正例的样本数占所有预测为正例的样本数的比例,其公式如下:
召回率分析:
召回率是指模型正确预测为正例的样本数占所有实际为正例的样本数的比例,其公式如下:
F1值分析:
F1值是精度和召回率的调和平均数,用于综合评估模型的性能,其公式如下:
根据具体的应用场景和任务需求,可以选择不同的指标进行评估。通常情况下,准确性是对模型整体性能进行评估的重要指标,而精度和召回率则侧重于对正负样本的分类性能进行评估。F1值则综合了精度和召回率的优劣,同时考虑了分类正确和分类错误的情况,是一种较为全面的评估指标。
5.模型优化:根据评估结果对模型进行优化,以提高模型的质量和性能。可以尝试使用不同的参数、特征和算法等进行优化。
6.预测和应用:使用建立的模型对新的数据进行预测和推断,以解决实际问题和做出决策。可以使用Python中的Scikit-learn库中的预测函数进行预测。
在决策树算法中,我们需要选择合适的特征、决策节点和剪枝策略等来建立决策树模型。同时,还需要考虑决策树的过拟合和欠拟合问题,并使用适当的策略进行优化。
实时更新模块5用于在数据处理和分析过程中,能够及时地更新数据、重新计算模型和结果,并实时反馈给用户或系统的模块。其作用是在数据变化较快或需要快速响应的场景下,能够保持数据的准确性和实时性,以提高决策的准确性和效率。在工作过程也过程在根据实时更新的数据重新建立模型,并进行优化和评估,然后重新计算模型参数和结果。可以使用Python中的Scikit-learn库等进行建模分析和模型更新。实时更新模块5需要注意以下几点:
1.数据质量:在实时更新的过程中,需要对数据进行质量控制和监控,以保证数据的准确性和完整性。
2.模型稳定性:在实时更新的过程中,需要保证模型的稳定性和可靠性,并避免过拟合和欠拟合等问题。
3.响应速度:在实时更新的过程中,需要保证系统的响应速度和效率,以支持快速决策和应对。
安全管理模块6用于企业在日常运营中采取各种措施,保护企业核心数据和信息系统的安全、完整和可靠性。安全管理模块是企业信息安全保护的重要组成部分,其主要作用是监控、分析和管理企业信息系统中的安全事件和异常行为,以保护企业的核心数据和信息系统安全。安全管理模块6的主要功能包括:
1.安全策略管理601:制定和实施企业的安全策略和规范,包括数据分类、权限控制、安全审计等方面,以保障企业信息安全。
2.安全事件监控602:监控企业信息系统中的安全事件和异常行为,包括入侵、攻击、病毒等安全事件,以及用户行为异常等,以及时发现和应对安全问题。
3.安全漏洞扫描603:对企业信息系统进行漏洞扫描和评估,发现和修复安全漏洞,以避免安全风险和威胁。
4.安全事件响应604:对安全事件进行及时响应和处理,包括隔离、恢复、追踪等方面,以减少安全事件对企业信息系统的影响。
5.安全报告分析605:对企业信息系统的安全事件和异常行为进行分析和统计,以发现安全问题的共性和趋势,提出相应的安全建议和措施。
在安全管理模块中,需要注意以下几点:
1.安全策略制定:企业应根据自身的业务特点和安全需求,制定相应的安全策略和规范,以保障企业信息安全。
2.安全技术应用:企业应采用先进的安全技术和工具,如防火墙、入侵检测系统、漏洞扫描器等,以提高企业信息系统的安全性和可靠性。
3.安全意识培训:企业应加强员工的安全意识和培训,提高员工对信息安全的认识和理解,以减少因人为因素而导致的安全问题。
4.安全管理模块的应用场景包括金融、电信、医疗、政府等各行各业的企业和机构。通过使用安全管理模块,企业可以及时监控和响应安全问题,保障企业信息系统的安全和稳定。
用户交互模块7用于提供多种交互方式,帮助用户快速定位所需信息,并提供智能搜索和推荐功能,以提高用户体验和满意度。用户交互模块7的主要功能包括:
1.交互方式模块701:用户交互模块提供多种交互方式,如拖拽、点击、滑动等操作,以方便用户快速定位所需信息。
2.数据可视化模块702:用户交互模块采用数据可视化技术,将复杂的数据和信息以图表、地图、仪表盘等形式呈现给用户,以提高数据的可读性和易理解性。
3.智能搜索模块703:用户交互模块提供智能搜索功能,通过搜索引擎技术,对企业信息化系统中的数据和文档进行搜索和匹配,以满足用户的信息需求。
4.推荐服务模块704:用户交互模块提供个性化的推荐服务,根据用户的历史行为和偏好,向用户推荐相关的产品和服务,以提高用户体验和满意度。
在用户交互模块7中,需要注意以下几点:
1.用户体验:用户交互模块的设计和实现应以用户体验为中心,提供简洁、易用、友好的界面和功能。
2.数据安全:用户交互模块应保证用户数据的安全和隐私,避免用户数据泄露和滥用。
3.系统性能:用户交互模块应保证系统的性能和可靠性,避免因系统故障而影响用户体验和满意度。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
- 一种基于大数据的企业信息展示平台及展示方法
- 一种基于大数据收集、处理和个性化展示推送的企业破产信息服务方法