一种基于企业全生命周期运营数据的风险智能评估系统

本发明涉及数据分析领域，具体是一种基于企业全生命周期运营数据的风险智能评估系统。

背景技术：

1、随着全球经济环境日趋复杂、市场竞争日益激烈，企业面临的风险类型日益多样化和动态化。企业风险评估作为金融信贷、投资决策、市场监管等领域的关键技术手段，其准确性和时效性直接影响相关决策的科学性和有效性。

2、但现有的风险评估系统多基于静态数据或单一类型数据进行分析，数据分散存储于企业不同的业务系统中，数据结构各异、标准不统一，且数据模态多样，既包含数值型定量指标，也包含大量非结构化的文本描述信息，如财务报告附注、管理层讨论与分析、员工满意度调查报告、客户投诉反馈、供应商评估报告、行业新闻舆情等；缺乏对多模态数据的统一采集、标准化处理和融合分析能力，导致大量有价值的文本信息被忽视，风险评估结果片面、信息利用不充分，多数现有技术仅对当前时点或最近少数几个周期的数据进行静态评估，未能以企业创建时间为起点构建覆盖企业完整经营周期的时序数据集，也缺乏对连续周期内风险得分序列的趋势斜率计算和趋势方向判定的系统化方法，无法准确捕捉风险是趋于恶化还是趋于改善；

3、本技术旨在以企业创建时间为起点，系统性地采集并整合企业自创建以来全部核心运营数据，通过多时序企业信息图谱将多源异构数据进行时序化关联整合，划分多数据评估周期，在同一周期节点内，同时对数值型指标和文本型数据进行多特征综合风险分量分析，分析连续周期内综合风险得分序列及趋势方向标签，准确量化风险的演化速度和方向，结合当前风险水平的对应的等级区间与趋势变化方向，构建了四级健康等级评定矩阵，根据健康等级和趋势方向的综合判定，建立了四级差异化的预警机制进行分级预警。

技术实现思路

1、本发明的目的在于提供一种基于企业全生命周期运营数据的风险智能评估系统，以解决现有技术中的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于企业全生命周期运营数据的风险智能评估系统，系统包括信息数据整合预警平台和部署在信息数据整合预警平台内部若干模块，包括：

4、多时间周期运营数据采集模块：预先获取目标企业的企业创建时间，以企业创建时间戳为起点，按照预设的多个时间周期分别采集不同类型的运营数据，并对采集的多源异构数据进行预处理，构建企业多时序数据仓库；

5、多时序企业信息图谱构建模块：以目标企业为核心节点，以财务数据、人力资源数据、客户关系数据、供应商数据和市场数据为不同类型的属性节点，以各数据之间的关联关系为边，构建多时序企业信息图谱；

6、不同数据类型节点信息特征抓取模块：预先设定若干周期节点，按照不同周期节点对不同类型的数据进行多维度信息抓取，分析各类型数据的数值型风险分量、文本型风险分量，输出每一周期内各类型运营数据的多特征综合风险得分；

7、企业运营趋势分析模块：分别对不同类型的运营数据进行连续周期窗口多特征综合风险得分趋势分析，结合连续周期综合风险得分均值对应的风险区间和趋势方向，综合评定企业运营健康等级；

8、企业综合风险分级预警模块：根据评定的健康等级和趋势方向标签，对目标企业执行差异化的分级预警动作，并将预警信息输出至终端用户。

9、进一步设置：多时间周期运营数据采集模块包括预设时间周期多源数据采集子模块和多周期数据对齐预处理子模块；

10、预设时间周期多源数据采集子模块包括企业创建时间获取单元和核心运营数据采集单元，企业创建时间获取单元通过信息数据整合预警平台获取当前企业工商注册登记信息，提取企业设立登记的日期作为企业创建时间戳，核心运营数据采集单元获取企业创建时间戳，人为预设定若干采集时间点，，对若干采集时间点按照月度时间点、季度时间点、年度时间点进行多周期划分，按照不同时间周期内部包含的时间点对当前企业的不同类别的运营数据进行采集，不同类别的运营数据包括财务数据、人力资源数据、客户关系数据、供应商数据、市场数据，其中，上述运营数据均通过企业内部业务系统获取；

11、多周期数据对齐预处理子模块获取多周期下的不同类型运营数据进行重复数据清洗、格式标准化、缺失值处理，将不同类型运营数据采集时间戳统一对齐到相同的时间粒度，以季度数据作为主周期、月度数据作为辅助周期、年度数据作为校验周期，构建分层时序数据集。

12、进一步设置：多时序企业信息图谱构建模块包括企业信息图谱架构设计子模块和多属性关联边构建子模块；

13、企业信息图谱架构设计子模块分别获取目前企业采集的多周期的财务数据、人力资源数据、客户关系数据、供应商数据、市场数据，对每一类型数据进行属性标记，包括对每一类型数据进行数据标识、数据类型标签、所属周期编码以及周期序号，其中周期序号定义为自企业创建以来第一次运营数据采集的周期序号为1；

14、将当前目标企业属性在信息图谱中创建为唯一的图谱中心节点，当前目标企业属性包括企业名称、统一社会信用代码、行业分类代码和企业创建时间戳；

15、将不同类型的运营数据按照对应的周期编码和周期序号时序，构建不同类型运营数据的时序链条，提取时序链条内部每一时序周期节点，将各时序周期节点的不同类型运营数据填充至对应周期节点内部，分别构建财务时序子图、人力资源时序子图、客户关系时序子图、供应商时序子图、市场时序子图，上述时序子图分别通过当前目标企业中心节点进行关联汇聚，形成以目标企业为中心、五类数据为分支的星型-时序混合拓扑结构的企业信息图谱；

16、多属性关联边构建子模块针对同一个时间周期内的不同类型数据节点，建立不同运营数据的全连接逻辑关联边，建立财务节点与人力资源节点、财务节点与客户关系节点、客户关系节点与供应商节点、市场节点与各内部运营节点之间的跨类型关联边。

17、进一步设置：不同数据类型节点信息特征抓取模块包括时序周期节点遍历与信息抽取子模块和多时序节点多特征综合风险分析子模块；

18、时序周期节点遍历与信息抽取子模块获取企业信息图谱内部当前已存储的最新周期序号时序，将从企业创建后的第一个周期序号至当前最新周期序号设定为信息遍历时间范围，按照季度周期对信息遍历时间范围进行季度划分，生成待遍历季度周期序列；

19、针对每一季度周期序列，依次访问财务数据、人力资源数据、客户关系数据、供应商数据和市场数据，对于访问的不同数据，读取每一数据的基础属性，基础属性包括数据标识、数据类型标签、所属周期编码以及周期序号，其中数据类型标签为,，其中，表示财务类型数据，表示人力资源类型数据，表示客户关系类型数据，表示供应商类型数据，表示市场类型数据。

20、进一步设置：多时序节点多特征综合风险分析子模块对每一季度周期序列每一类型数据内部的全部数值型指标进行抽取，对每一数值型指标进行极差归一化，将每个指标值映射到的区间内，预设定当前季度周期内数据类型中某一数值型指标原始观测值为，筛查该数值型指标在同一数据类型下、当前季度周期内所有可用周期节点中的最小值和最大值，对数值型指标进行极差归一化分析，设定数值型指标经极差归一化后的数值为，根据公式：

21、

22、其中经极差归一化后的数值取值范围为；

23、对于当前季度周期内数据类型中每一数值型指标进行归一化处理，得出前季度周期内数据类型中全部数值型指标的归一化风险值，对每一数值型指标的归一化风险值进行加权，计算当前季度周期内数据类型中全部数值型指标的综合风险分量，根据公式：

24、

25、其中，表示当前季度周期内数据类型中全部数值型指标总数，表示当前数据类型中第个数值型指标在综合风险分量中的权重，由预设的熵权法确定，满足，计算得出当前季度周期内数据类型中全部数值型指标的综合风险分量，取值为。

26、进一步设置：多时序节点多特征综合风险分析子模块对每一类型数据内部文本型信息进行提取，对其文本型数据进行预处理，采用预训练的语义模型将文本片段转化为固定维度的语义向量，利用情感分析算法对每一类型数据提取的语义向量计算其文本的情感倾向得分，得分取值映射至，获取当前季度周期内数据类型中包含的独立文本型数据片段数量为，，设定第个文本片段经情感分类模型判定为正面情感的概率为，，设定第个文本片段经情感分类模型判定为负面情感的概率为，，计算该季度周期内数据类型中包含的独立文本型数据片段集合的整体情感倾向得分，根据公式：

27、

28、汇总当前季度周期数据类型中包含的全部独立文本型数据集合的整体情感倾向得分，将其转化为当前季度周期内数据类型中全部文本型数据集合的综合风险分量，根据公式：

29、

30、当数据类型中包含的独立文本型数据片段集合的整体情感倾向得分为1时，文本型风险分量取最小值0，当情感倾向得分为-1时，文本型风险分量取最大值1；

31、汇总当前季度周期数据类型中全部数值型指标的综合风险分量和全部文本型数据集合的综合风险分量，通过信息数据整合预警平台预先设定数据类型全部数值型指标的综合风险分量和全部文本型数据集合的综合风险分量对应的权重系数、，取值范围为，计算当前季度周期内数据类型多特征数据的综合风险得分，根据公式：

32、

33、其中，取值范围为，汇总当前季度周期内数据类型多特征数据的综合风险得分，同时根据上述公式依据不同数据类型，逐一计算当前季度周期内不同数据类型的多特征数据的综合风险得分，设定当前季度周期财务数据类型多特征数据的综合风险得分，当前季度周期人力资源数据类型多特征数据的综合风险得分，当前季度周期客户关系数据类型多特征数据的综合风险得分,当前季度周期供应商数据类型多特征数据的综合风险得分,当前季度周期市场数据类型多特征数据的综合风险得分,计算当前季度周期内部企业整体的多特征综合风险得分，根据公式：

34、

35、其中，预设定为财务数据类型、人力资源数据类型、客户关系数据类型、供应商数据类型、市场数据类型的类别权重系数，，计算得出每一季度周期内部企业整体的多特征综合风险得分，取值为。

36、进一步设置：企业运营趋势分析模块包括连续周期多特征风险得分序列分析子模块和企业运营健康等级综合评定子模块，连续周期多特征风险得分序列分析子模块预先设定固定长度的滑动分析窗口，设定季度周期窗口大小为，读取设定季度周期窗口内部企业整体的多特征综合风险得分序列，即，其中，为当前最新季度周期节点序号，计算当前连续季度周期窗口企业整体的多特征综合风险得分序列的趋势斜率，预先设定趋势斜率的方向判定阈值，若，则判定当前连续季度周期窗口企业整体的多特征综合风险得分序列的趋势方向为上升，若，则判定当前连续季度周期窗口企业整体的多特征综合风险得分序列的趋势方向为下降，若，则判定当前连续季度周期窗口企业整体的多特征综合风险得分序列的趋势方向稳定。

37、进一步设置：企业运营健康等级综合评定子模块获取季度周期窗口内部企业整体的多特征综合风险得分平均值，预先设定高风险得分分数区间、中风险得分分数区间、低风险得分分数区间，若季度周期窗口内部企业整体的多特征综合风险得分平均值小于低风险得分分数区间，且趋势方向为下降，标记当前企业运营风险为健康等级，若季度周期窗口内部企业整体的多特征综合风险得分平均值属于低风险得分分数区间，且趋势方向为下降或稳定，标记当前企业运营风险为低危等级，若季度周期窗口内部企业整体的多特征综合风险得分平均值属于中风险得分分数区间，且趋势方向为下降或稳定，标记当前企业运营风险为中危等级，若季度周期窗口内部企业整体的多特征综合风险得分平均值属于中风险得分分数区间，且趋势方向为上升，标记当前企业运营风险为中高危等级，若季度周期窗口内部企业整体的多特征综合风险得分平均值属于高风险得分分数区间，且趋势方向为上升，标记当前企业运营风险为高危等级，若季度周期窗口内部企业整体的多特征综合风险得分平均值属于高风险得分分数区间，且趋势方向为下降或稳定，标记当前企业运营风险为中高危等级，汇总季度周期窗口内部企业整体健康等级进行实时反馈，构建多周期信息趋势数据库。

38、进一步设置：企业综合风险分级预警模块包括基础预警级别定义子模块和预警信息包生成子模块，

39、基础预警级别定义子模块获取季度周期窗口内部企业整体健康等级，通过信息数据整合预警平台预先设定不同健康等级对应不同的基础预警级别，筛查每一季度周期窗口内部企业当前的基础预警级别，同时筛查在季度周期窗口内部企业多特征综合风险得分序列的趋势方向，若趋势方向为上升，将当前企业所对应的基础预警级别进行上调一级，若趋势方向为稳定，则保持企业对应的基础预警级别，若趋势方向为下降，预先设定实时监测周期窗口，持续获取实时监测周期窗口企业多特征综合风险得分序列的趋势方向，若趋势方向仍为下降，将当前企业所对应的基础预警级别进行下调一级；

40、预警信息包生成子模块获取当前企业的健康等级以及对应的基础预警级别，生成预警信息包，预警信息包包括当前企业的健康等级以及对应的基础预警级别、当前季度周期企业整体的多特征综合风险得分平均值、趋势方向、数据采集来源，将预警信息包信息数据整合预警平台进行分级预警。

41、与现有技术相比，本发明的有益效果是：旨在以企业创建时间为起点，系统性地采集并整合企业自创建以来全部经营周期的财务、人力、客户、供应商和市场五类核心运营数据，通过多时序企业信息图谱将多源异构数据进行时序化关联整合；

42、划分多数据评估周期，在同一周期节点内，对数值型指标进行极差归一化处理和文本型数据进行语义向量转化与情感倾向分析，通过加权融合方式将两者统一量化为可比较的风险分量，分析连续周期内综合风险得分序列及趋势方向标签，准确量化风险的演化速度和方向，结合当前风险水平的对应的等级区间与趋势变化方向，构建了四级健康等级评定矩阵，根据健康等级和趋势方向的综合判定，建立了四级差异化的预警机制进行分级预警。