基于数据挖掘算法的企业运营风险评估系统及方法

技术领域

本发明涉及企业运营风险评估系统技术领域，具体为基于数据挖掘算法的企业运营风险评估系统及方法。

背景技术

随着智能电网和信息化建设，电力行业积累了海量数据，主要来源于电力生产和电能使用的发电、输电、变电、配电、用电和调度各个环节，可大致分为三类：一是电网运行和设备检测或监测数据；二是电力企业营销数据，如交易电价、售电量、用电客户方面数据；三是电力企业管理数据，这些数据在数据量、多样性、速度和价值方面具有大数据的特征，电力大数据具有覆盖范围广、价值密度高、实时准确性强、数据处理速度快的特点，随着电力大数据库的不断积累，对数据的查询、分析价值显得愈加重要，如何处理海量数据，提升各方面管控指标和管理效率已经迫在眉睫，近年来，企业数字化转型不断深入，业务系统越来越多，各业务产生的数据量也越来越大，国家电网公司各业务领域的信息系统较为完善，需进一步加快整合利用，应在业务数据化的同时加快推进数据业务化，有效释放数据价值，实现数据为业务赋能，数据已成为国家电网公司的重要资产，接入数据中台的数据资源越来越丰富，其中企业运营风险评估系统依托电力大数据优势，结合数据挖掘技术可实现对企业运营风险的预警。

但是，传统的企业运营风险评估系统存在以下缺点：

如何让业务人员快速、准确地在企业运营风险评估系统内查找、定位和获取中台数据是亟须解决的问题。

发明内容

本发明的目的在于提供基于数据挖掘算法的企业运营风险评估系统及方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：基于数据挖掘算法的企业运营风险评估系统，包括评估系统本体，所述评估系统本体包括企业运营风险评估模型、数据挖掘平台和展示平台，所述企业运营风险评估模型采集数据制作模型，所述数据挖掘平台采用数据挖掘法对电力数据进行综合处理，从而快速获取在企业运营风险评估中有价值的信息，所述数据挖掘是从大量的数据中提取实用信息，对数据予以解释，发现数据的模式与关系，以及预测趋势和行为的过程，所述数据挖掘方法包括业务理解、数据理解、数据准备、建模、模型评估和模型部署步骤件，数据挖掘方法有很多，按照挖掘的目的，数据挖掘方法可分为分类、聚类、估值(回归)、预测、关联规则、可视化类别，其根据电力数据的内容、特点及实际应用，决定通过数据挖掘完成指标分类，并通过层次分析法(APH)进行寻优排序，确定权重，所述展示平台利用层次分析法对数据结果分析并展示，所述层次分析法是托马斯·塞蒂(TLsaaty)提出的一种定性和定量相结合的系统化、层次化的分析方法，具体的说，就是指将问题在目标、准则、方案层次上进行分析、将主观判断客观化、数量化的一种方法，其不但能够用在主观性信息与不确定性情况中，用于符合逻辑的有关方法运用直觉、洞察力以及经验，由于在处理复杂的决策问题上的实用性和有效性，近年来在多个领域得到了广泛的使用。

作为本发明的一种优选技术方案，所述企业运营风险评估模型包括数据采集模块、数据预处理模块、指标构建模块和模型构建模块，所述数据采集模块采集企业用电档案、办电手续和流程、企业用电和缴费信息数据，所述数据预处理模块对采集到的数据进行清洗、去噪、归一化处理，以保证数据质量和可靠性，所述指标构建模块通过分析各项电力字段，挖掘字段间的内在联系，构建能够反映企业用电特点的指标体系，所述模型构建模块基于电力指标，通过层次分析法(AHP)确定不同指标权重，构建基于电力大数据的企业运营风险评估模型，并进行验证和优化。

作为本发明的一种优选技术方案，所述数据采集模块包括用电档案采集单元、办电手续采集单元、办电流程采集单元、企业用电采集单元和缴费信息采集单元，所述用电档案采集单元对企业用电档案上的信息进行采集，所述办电手续采集单元对企业办电时办理手续上的信息进行采集，所述办电流程采集单元对企业办电流程时的信息进行采集，所述企业用电采集单元对企业的用电量和用电信息进行采集，所述缴费信息采集单元对企业缴费的信息进行采集。

作为本发明的一种优选技术方案，所述指标构建模块包括调查单元、征询单元和反馈单元，所述调查单元通过德尔菲调查法对数据进行调查，德尔菲调查法也称专家调查法，是一种反馈匿名函询法，该方法是由企业组成一个专门的预测机构，邀请一些专家对某一问题进行预测，通过多轮反馈、整理、归纳、统计方式，最终得出一致的意见，德尔菲调查法通常用于预测未来的趋势、市场需求、技术发展方面，菲德尔调查法能够充分利用专家的经验和知识，得到各种不同但有价值的观点和看法，非常适用于在历史数据不足或不可预测因素较多的情况下因素的确定，所述征询单元通过背对背的通信方式征询专家小组成员的预测意见，经过几次反复征询，所述反馈单元通过背对背的通信方式征询专家小组成员的预测意见，经过几次反复反馈。

作为本发明的一种优选技术方案，所述模型构建模块包括地区层面单元、行业层面单元和企业层面单元，所述地区层面单元剔除中间态指标后，构建地区用电基本状态、地区用电增速、地区电费诚信三大类共七小类风险量化指标，所述行业层面单元剔除中间态指标后，构建行业用电基本状态、行业用电增速、行业电费诚信三大类共七小类风险量化指标，所述企业层面单元剔除中间态指标后，构建企业用电基本状态、企业用电增速、与行业平均用电水平对标、与地区水平对标、企业电费诚信五大类共十七小类风险量化指标。

作为本发明的一种优选技术方案，所述展示平台包括数据分析模块和建议展示模块，所述数据分析模块根据企业运营风险评估模型对数据的综合处理，得出地区及行业层面企业运营风险评价结果，所述建议展示模块根据数据分析，给出建议并直观展示。

本发明的基于数据挖掘算法的企业运营风险评估的方法，包括以下步骤：

步骤一、数据采集：采集企业用电档案、办电手续和流程、企业用电和缴费信息数据；

步骤二、数据预处理：对采集到的数据进行清洗、去噪、归一化处理，以保证数据质量和可靠性；

步骤三、设计指标：设计所有能够直接或侧面反映企业运营风险的电力指标；

步骤四、构建指标：通过分析各项电力字段，挖掘字段间的内在联系，构建能够反映企业用电特点的指标体系，具体为剔除其中的中间态指标，所述中间态指标为在构建过程中，有些指标本身无法直接反映企业运营风险，但通过二次构建转化为能够反映企业运营风险的指标，形成地区企业运营风险评估指标、行业内企业运营风险评估指标、企业运营风险评估指标三类；

步骤五、基础指标构建：基于德尔菲调查法，通过背对背的通信方式征询专家小组成员的预测意见，经过几次反复征询和反馈，专家小组成员的意见逐步趋于集中，最后形成基础性指标三大类，共四十四项；

步骤六、企业运营风险指标构建：剔除中间态指标后，构建地区用电基本状态、地区用电增速、地区电费诚信三大类共七小类风险量化指标，剔除中间态指标后，构建行业用电基本状态、行业用电增速、行业电费诚信三大类共七小类风险量化指标，剔除中间态指标后，构建企业用电基本状态、企业用电增速、与行业平均用电水平对标、与地区水平对标、企业电费诚信五大类共十七小类风险量化指标；

步骤七、指标权重的确定：建立层次结构模型、确定评价指标的因素集和构造判断矩阵，由于目前的指标之间的单位不同，需要进行归一化或标准化处理，消除指标之间的量纲影响，使得不同评价指标具有相同的权重，避免因为指标单位不同而对分析结果产生影响，归一化具体公式为：通过归一化后，分数范围在0-1之间，综合专家意见后，企业风险评分规则确定；

步骤八、数据分析结果与建议：根据企业运营风险评估模型对数据的综合处理，得出地区及行业层面企业运营风险评价结果，因本次数据量仅为抽样测试，涉及到具体地市及行业均做了模糊处理。

作为本发明的一种优选技术方案，所述步骤七中建立层次结构模型具体为最高层(目标层)：评价的预定目标，在报告中指企业运营风险评价；中间层(准则层)：为实现预定目标而采取的措施，也就是评价的各个方面，在本项目中具体指一级风险指标，即企业基本状态、企业用电增速、与行业平均水平对标、与地区水平对标和企业电费诚信；最低层(指标层)：基础评价指标。

作为本发明的一种优选技术方案，所述步骤七中确定评价指标的因素集具体为根据该层次结构，评价方案的因素集合确定为D＝(E1,E2,E3,E4,E5)，即D＝(企业基本状态，企业用电增速，与行业平均水平对标，与地区水平对标，企业电费诚信)；对E进行进一步划分，得到二级因素集Ei＝(Ci1，Ci2，…，Cim)，i＝1,2,3,4,5。具体为：E1＝(C11，C12，C13)；E2＝(C21，C22)；E3＝(C31，C32，C33，C34)；E4＝(C41，C42，C43，C44)；E5＝(C51，C52)。

作为本发明的一种优选技术方案，所述步骤七中构造判断矩阵具体为构造中间层E对目标D的矩阵、指标层C对中间层E的矩阵，对重要性进行排序并通过一致性检验后，通过将中间层E对目标D的权重向量乘以指标层C对中间层E的权重矩阵，得出指标层各元素对于目标层的权重。

与现有技术相比，本发明的有益效果是：

1、本项目首次将电力大数据应用于企业运营风险评估领域，提出了一种基于电力数据的企业运营风险评估模型，为国家及电力公司提供了一种新型、低成本、高效率的了解当前地区、行业内企业运营风险情况途径；

2、通过构建小微企业景气运行指数模型，利用电力数据反映小微企业的生产经营状况，为政府和社会提供了一种客观、科学、实时的监测手段；

3、是通过德尔菲调查法和层次分析法(AHP)确定指标体系和权重，充分考虑了专家的意见和经验，提高了模型的合理性和可信度。

附图说明

图1为本发明评估系统本体的结构示意图；

图2为本发明企业运营风险评估模型的结构示意图；

图3为本发明数据采集模块的结构示意图；

图4为本发明指标构建模块的结构示意图；

图5为本发明模型构建模块的结构示意图；

图6为本发明展示平台的结构示意图；

图7为本发明的流程图；

图8为本发明的基于应用层面的营销服务电力大数据分类图；

图9为本发明的电力“大数据”特征分析图；

图10为本发明的典型分析方法的分析图；

图11为本发明的经典数据挖掘流程图；

图12为本发明的大数据分析方法步骤图；

图13为本发明的基础指标构建图；

图14为本发明的地区层面运营风险评估模型的指标体系图；

图15为本发明的行业层面运营风险评估模型的指标体系图；

图16为本发明的企业层面运营风险评估模型的指标体系图；

图17为本发明的企业层面评价体系层次结构图；

图18为本发明的企业层面各指标权重体系图；

图19为本发明的地区层面各指标权重体系图；

图20为本发明的行业层面各指标权重体系图。

图中：1、评估系统本体；2、企业运营风险评估模型；21、数据采集模块；211、用电档案采集单元；212、办电手续采集单元；213、办电流程采集单元；214、企业用电采集单元；215、缴费信息采集单元；22、数据预处理模块；23、指标构建模块；231、调查单元；232、征询单元；233、反馈单元；24、模型构建模块；241、地区层面单元；242、行业层面单元；243、企业层面单元；3、数据挖掘平台；4、展示平台；41、数据分析模块；42、建议展示模块。

具体实施方式

下面将结合本发明实施例，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1-20，本发明提供了基于数据挖掘算法的企业运营风险评估系统，包括评估系统本体1，评估系统本体1包括企业运营风险评估模型2、数据挖掘平台3和展示平台4，企业运营风险评估模型2采集数据制作模型，数据挖掘平台3采用数据挖掘法对电力数据进行综合处理，从而快速获取在企业运营风险评估中有价值的信息，数据挖掘是从大量的数据中提取实用信息，对数据予以解释，发现数据的模式与关系，以及预测趋势和行为的过程，数据挖掘方法包括业务理解、数据理解、数据准备、建模、模型评估和模型部署步骤件，数据挖掘方法有很多，按照挖掘的目的，数据挖掘方法可分为分类、聚类、估值回归、预测、关联规则、可视化类别，其根据电力数据的内容、特点及实际应用，决定通过数据挖掘完成指标分类，并通过层次分析法APH进行寻优排序，确定权重，展示平台4利用层次分析法对数据结果分析并展示，层次分析法是托马斯·塞蒂TLsaaty提出的一种定性和定量相结合的系统化、层次化的分析方法，具体的说，就是指将问题在目标、准则、方案层次上进行分析、将主观判断客观化、数量化的一种方法，其不但能够用在主观性信息与不确定性情况中，用于符合逻辑的有关方法运用直觉、洞察力以及经验，由于在处理复杂的决策问题上的实用性和有效性，近年来在多个领域得到了广泛的使用。

企业运营风险评估模型2包括数据采集模块21、数据预处理模块22、指标构建模块23和模型构建模块24，数据采集模块21采集企业用电档案、办电手续和流程、企业用电和缴费信息数据，数据预处理模块22对采集到的数据进行清洗、去噪、归一化处理，以保证数据质量和可靠性，指标构建模块23通过分析各项电力字段，挖掘字段间的内在联系，构建能够反映企业用电特点的指标体系，模型构建模块24基于电力指标，通过层次分析法AHP确定不同指标权重，构建基于电力大数据的企业运营风险评估模型2，并进行验证和优化。

数据采集模块21包括用电档案采集单元211、办电手续采集单元212、办电流程采集单元213、企业用电采集单元214和缴费信息采集单元215，用电档案采集单元211对企业用电档案上的信息进行采集，办电手续采集单元212对企业办电时办理手续上的信息进行采集，办电流程采集单元213对企业办电流程时的信息进行采集，企业用电采集单元214对企业的用电量和用电信息进行采集，缴费信息采集单元215对企业缴费的信息进行采集。

指标构建模块23包括调查单元231、征询单元232和反馈单元233，调查单元231通过德尔菲调查法对数据进行调查，德尔菲调查法也称专家调查法，是一种反馈匿名函询法，该方法是由企业组成一个专门的预测机构，邀请一些专家对某一问题进行预测，通过多轮反馈、整理、归纳、统计方式，最终得出一致的意见，德尔菲调查法通常用于预测未来的趋势、市场需求、技术发展方面，菲德尔调查法能够充分利用专家的经验和知识，得到各种不同但有价值的观点和看法，非常适用于在历史数据不足或不可预测因素较多的情况下因素的确定，征询单元232通过背对背的通信方式征询专家小组成员的预测意见，经过几次反复征询，反馈单元233通过背对背的通信方式征询专家小组成员的预测意见，经过几次反复反馈。

模型构建模块24包括地区层面单元241、行业层面单元242和企业层面单元243，地区层面单元241剔除中间态指标后，构建地区用电基本状态、地区用电增速、地区电费诚信三大类共七小类风险量化指标，行业层面单元242剔除中间态指标后，构建行业用电基本状态、行业用电增速、行业电费诚信三大类共七小类风险量化指标，企业层面单元243剔除中间态指标后，构建企业用电基本状态、企业用电增速、与行业平均用电水平对标、与地区水平对标、企业电费诚信五大类共十七小类风险量化指标。

展示平台包括4包括数据分析模块41和建议展示模块42，数据分析模块41根据企业运营风险评估模型2对数据的综合处理，得出地区及行业层面企业运营风险评价结果，建议展示模块42根据数据分析，给出建议并直观展示。

本发明的基于数据挖掘算法的企业运营风险评估的方法，包括以下步骤：

步骤一、数据采集：采集企业用电档案、办电手续和流程、企业用电和缴费信息数据；

步骤二、数据预处理：对采集到的数据进行清洗、去噪、归一化处理，以保证数据质量和可靠性；

步骤三、设计指标：设计所有能够直接或侧面反映企业运营风险的电力指标；

步骤四、构建指标：通过分析各项电力字段，挖掘字段间的内在联系，构建能够反映企业用电特点的指标体系，具体为剔除其中的中间态指标，中间态指标为在构建过程中，有些指标本身无法直接反映企业运营风险，但通过二次构建转化为能够反映企业运营风险的指标，形成地区企业运营风险评估指标、行业内企业运营风险评估指标、企业运营风险评估指标三类；

步骤五、基础指标构建：基于德尔菲调查法，通过背对背的通信方式征询专家小组成员的预测意见，经过几次反复征询和反馈，专家小组成员的意见逐步趋于集中，最后形成基础性指标三大类，共四十四项；

步骤六、企业运营风险指标构建：剔除中间态指标后，构建地区用电基本状态、地区用电增速、地区电费诚信三大类共七小类风险量化指标，剔除中间态指标后，构建行业用电基本状态、行业用电增速、行业电费诚信三大类共七小类风险量化指标，剔除中间态指标后，构建企业用电基本状态、企业用电增速、与行业平均用电水平对标、与地区水平对标、企业电费诚信五大类共十七小类风险量化指标；

步骤七、指标权重的确定：建立层次结构模型、确定评价指标的因素集和构造判断矩阵，由于目前的指标之间的单位不同，需要进行归一化或标准化处理，消除指标之间的量纲影响，使得不同评价指标具有相同的权重，避免因为指标单位不同而对分析结果产生影响，归一化具体公式为：

步骤八、数据分析结果与建议：根据企业运营风险评估模型2对数据的综合处理，得出地区及行业层面企业运营风险评价结果，因本次数据量仅为抽样测试，涉及到具体地市及行业均做了模糊处理。

步骤七中建立层次结构模型具体为最高层目标层：评价的预定目标，在报告中指企业运营风险评价；中间层准则层：为实现预定目标而采取的措施，也就是评价的各个方面，在本项目中具体指一级风险指标，即企业基本状态、企业用电增速、与行业平均水平对标、与地区水平对标和企业电费诚信；最底层指标层：基础评价指标。

步骤七中确定评价指标的因素集具体为根据该层次结构，评价方案的因素集合确定为D＝E1,E2,E3,E4,E5，即D＝企业基本状态，企业用电增速，与行业平均水平对标，与地区水平对标，企业电费诚信；对E进行进一步划分，得到二级因素集Ei＝Ci1，Ci2，…，Cim,i＝1,2,3,4,5。具体为：E1＝C11，C12，C13；E2＝C21，C22；E3＝C31，C32，C33，C34；E4＝C41，C42，C43，C44；E5＝C51，C52。

步骤七中构造判断矩阵具体为构造中间层E对目标D的矩阵、指标层C对中间层E的矩阵，对重要性进行排序并通过一致性检验后，通过将中间层E对目标D的权重向量乘以指标层C对中间层E的权重矩阵，得出指标层各元素对于目标层的权重。

尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。