基于大数据技术的制造业高质量发展综合评价方法和系统与流程

1.本发明涉及制造业发展评价领域，尤其是涉及基于大数据技术的制造业高质量发展综合评价方法和系统。


背景技术：

2.目前，我国经济发展由高速增长阶段转向高质量发展阶段。高质量发展必须有一个适当的考核指标来进行评价，科学设置考核指标，是建设高质量考核评价体系的关键性、基础性工作，具有很强的指向性和针对性。但是，如何根据当地实际情况建立科学、有效、可操作性强的评价指标体系尚未有较好的方法和系统；同时如何快速的收集当地企业的相关数据并进行综合评价和分类也没有成熟的方法和系统。因此，创建制造业高质量发展综合评价模型，并能快速收集当地企业的相关数据并进行综合评价分类的方法和系统，是目前亟待解决的问题。


技术实现要素：

3.本发明目的在于提供一种基于大数据技术的制造业高质量发展综合评价方法，本发明另一目的是提供实现该方法的系统。
4.为实现上述目的，本发明可采取下述技术方案：本发明所述基于大数据技术的制造业高质量发展综合评价方法，包括下述步骤：s1，采用ahp分析法建立综合评价模型；s2，动态采集制造业企业数据；s3，进行数据整理及校验；s4，依据s1步中建立的综合评价模型，对制造业企业进行综合评价。
5.进一步的，s1中所述综合评价模型，包括多个评价指标、评价指标权重、评价指标基准值和影响因子。
6.进一步的，所述评价指标权重通过多元线性回归法计算得到。
7.进一步的，s1中综合评价模型建立过程中采用了ahp分析法，自动计算确定评价指标、评价指标权重和影响因子；同时也可根据当地的实际情况和相关部门的需求，对ahp分析法自动计算获得的评价指标、评价指标权重和影响因子进行微调，以使评价模型更贴合当地的实际情况。
8.进一步的，s2中所述的动态采集制造业企业数据, 包括单个企业填报、企业数据批量导入和工业互联网自动采集等方式；企业数据可采用xml文件格式，通过统一的接口上传，并可查询文件处理情况，进行上传批次管理和问题数据回滚。
9.进一步的，s3中所述的数据整理及校验，采用基于编程语言的反射技术和python脚本技术进行数据清洗，利用sql server 2008r2数据库、etl（英文extract
‑
transform
‑
load的缩写，数据仓库技术）数据挖掘工具和关键字段分区存储数据的方式实现对分散、零乱、标准不统一的数据进行整理和校验。
10.进一步的，s4中所述的综合评价，依据s1步中建立的综合评价模型，分别计算每个企业的总得分q；所述总得分q计算过程如下：所述总得分q计算过程如下：所述总得分q计算过程如下：其中，为企业基础指标总分，为企业附加得分，为影响因子，为企业在该评价指标上所对应的数据，为该评价指标基础值，为该评价指标权重，为附加项得分，当该企业符合系统设置的附加项条件时，即获得系统设置的该附加项得分；n为评价指标的总数量，或附加项的总数量。
11.进一步的，计算每个企业的总得分q后，按照企业总得分q从大到小进行排序，将待评估企业分为若干个等级；企业分级标准可根据实际情况在系统中设置并灵活的调整。
12.本发明所述基于大数据技术的制造业高质量发展综合评价系统，包括模型创建模块、企业库模块、评价分析模块、项目库模块和惠企政策模块；所述模型创建模块，用于根据当地的实际情况构建制造业高质量发展综合评价模型；所述企业库模块，用于采集和维护制造业企业的相关数据；所述评价分析模块，用于对当地制造业企业进行评价分类，发布和查询评价结果；所述项目库模块，用于统计和管理制造业企业的智能化改造、绿色化改造、技术改造和科技研发项目的相关数据；所述惠企政策模块，用于发布政策信息，并采用知识图谱等人工智能手段对政策进行解读，且根据政策信息与企业的关联度和企业的评价结果向企业进行智能推送；本发明优点在于利用大数据技术，结合当地的实际情况，利用ahp分析法快速创建科学、有效、可操作性强的制造业高质量发展综合评价模型，通过快速动态的采集相关企业数据，提高了对制造业企业高质量发展评价的速度和效率。
附图说明
13.图1是本发明所述方法的流程图。
14.图2是本发明所述方法的构建综合评价模型流程图。
15.图3是本发明所述方法的综合评价分级流程图。
16.图4是本发明所述系统的综合评价分级架构图。
17.图5是本发明所述系统的结构框图。
具体实施方式
18.下面将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的一部分实施例，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。
19.如图1所示，本发明所述基于大数据技术的制造业高质量发展综合评价方法包括下述步骤：s1，采用ahp分析法建立综合评价模型；建立所述综合评价模型是采用ahp分析法（英文analytic hierarchy process的缩写，层次分析法），根据区域制造业企业实际情况构建制造业高质量发展综合评价模型；该综合评价模型包括各种评价指标、评价指标权重、评价指标基准值和影响因子。该模型的建立过程如图2所示，其具体包括以下步骤：s101，调研分析；根据当地制造业发展的实际情况和相关部门的需求，将收集到的特色产业和主导产业的生产运营现状进行初步分类整理；s102，数据整理及校验；将s101中获得的数据进行核查治理；具体采用基于编程语言的反射技术和python脚本技术进行数据清洗，利用sql server 2008r2数据库、etl（英文extract
‑
transform
‑
load的缩写，数据仓库技术）数据挖掘工具和关键字段分区存储数据的方式实现对分散、零乱、标准不统一的数据进行整理和校验； s103，确定评价指标、评价指标权重和影响因子；采用ahp分析法自动计算确定评价指标、评价指标权重和影响因子，形成制造业高质量发展综合评价模型，同时也可根据当地的实际情况和相关部门的需求，对ahp分析法自动计算获得的评价指标、评价指标权重和影响因子进行微调，以使综合评价模型更贴合当地的实际情况；所述的评价指标包含多个不同维度的指标，每个评价指标代表一个评价项目，主要包含亩均税收、人均劳动生产率、单位产值能耗、研发经费占比、知识产权状况、单位产值污染物排放当量等；所述评价指标权重代表该评价指标在整个综合评价模型中的占比；s104，确定评价指标基准值；所述评价指标基准值通过多元线性回归法计算得到；待评估企业某一评价指标上所对应的数据与该评价指标基准值比值，再乘以该评价指标权重和该评价指标影响因子，计算得到所述待评估企业在该评价指标上的评分；s2，在建立综合评价模型后，动态采集待评估制造业企业数据；所述采集方式包括单个企业填报、企业数据批量导入和工业互联网自动采集等方式；所述企业数据可采用xml文件格式，通过统一的接口上传，并可查询文件处理情况，进行上传批次管理和问题数据回滚；s3，数据整理及校验；将新采集数据进行核查治理；采用基于编程语言的反射技术和python脚本技术进行数据清洗，利用sql server 2008r2数据库、etl（英文extract
‑
transform
‑
load的缩写，数据仓库技术）数据挖掘工具和关键字段分区存储数据的方式实现对分散、零乱、标准不统一的数据进行整理和校验；s4，依据建立的综合评价模型，对待评估制造业企业进行综合评价；如图3所示，其具体过程如下：s401，根据当地制造业企业的发展情况，在系统中设置企业分类标准；所述企业分类标准可在系统中配置并进行灵活的调整；s402，依据s1步中建立的综合评价模型，分别对每类中包含的每个企业进行综合评价；并计算每个企业的总得分q；所述总得分q计算过程如下：
其中，为企业基础指标总分，为企业附加得分，为影响因子，为企业在该评价指标上所对应的数据，为该评价指标基础值，为该评价指标权重，为附加项得分，当该企业符合系统设置的附加项条件时，即获得系统设置的该附加项得分；n为评价指标的总数量，或附加项的总数量；s403，按照企业总得分q设置企业分级标准，对同类中的所有企业总得分q从大到小进行排序，将该类中的所有企业分为若干个等级；所述企业分级标准可根据实际情况在系统中设置并进行灵活的调整；如图4所示，首先，按照企业年营业收入将当地所有制造业企业分为规模以上企业和规模以下企业两类；其次，依据s1步中建立的综合评价模型，计算出规模以上企业中企业1的指标1、指标2，直到指标n的各指标得分，将所有指标得分进行加权求和，得到企业1的基础指标总分，如果企业1有符合系统设置的附加项条件，则再计算企业1的附加得分，将和相加，得到企业1的总得分q；依次将规模以上企业中所有企业总得分计算完成；最后按照q值从大到小进行排序，并根据系统中设置企业分级标准，将规模以上企业中所有企业分为a、b、c和d 4个等级；s5，发布综合评价结果；用于制造业企业的高质量发展评价分类结果的发布；如图5所示，本发明所述基于大数据技术的制造业高质量发展综合评价系统，包括模型创建模块、企业库模块、评价分析模块、项目库模块和惠企政策模块；所述模型创建模块，包括数据单元、模型调整单元、指标配置单元，用于根据当地的实际情况构建制造业高质量发展综合评价模型；所述数据单元用于获取创建模型所需的数据，并对数据进行整理核查；系统通过ahp分析法对获得的数据进行计算和重构，建立制造业高质量发展综合评价模型，确定各种评价指标、评价指标权重和影响因子；并通过多元线性回归法计算各评价指标基准值；所述模型调整单元通过灵活调整数据单元所获取的数据来调整制造业高质量发展综合评价模型；所述指标配置单元用于根据当地制造业发展的实际情况和相关部门的需求灵活调整评价模型中的评价指标、评价指标基准值和评价指标权重；所述企业库模块，用于采集和维护制造业企业的相关数据；采集方式包括单个企业填报、企业数据批量导入和工业互联网自动采集等方式；相关数据采用xml文件格式，通过企业库模块的信息维护接口上传，同时企业库模块还通过管理上传批次、回滚问题数据、查询数据的处理情况和查询制造业企业的相关数据实现对数据的维护；所述评价分析模块，用于对当地制造业企业进行评价分类，发布和查询评价结果；所述项目库模块，用于统计和管理制造业企业的智能化改造、绿色化改造、技术改造和科技研发项目的相关数据；所述惠企政策模块，用于发布政策信息，并采用知识图谱等人工智能手段对政策进行解读，且根据政策信息与企业的关联度和企业的评价结果向企业进行智能推送。