技术领域
[0001] 本
发明属于大
数据治理以及企业管理技术领域，具体涉及一种国企产能分析系统。
背景技术
[0002] 我国目前的经营性国有企业是国民生成的重要支柱，国有企业(包括国有控股企业)数量超过15万家，国有经济几乎存在于所有行业。尤其在如下行业：石油工业、石化及化纤、化肥行业、
汽车行业、
冶金行业、
铁路行业、
煤炭行业、民航、金融行业、军工行业等国有经济所占比重较高。面对互联网经济的浪潮、可持续发展的要求、高新技术产业的崛起，国企也做出了众多创新和变革，逐渐把产业布局到其他民生相关的行业中。目前国有企业过度追求延伸产业链，“贪大求全”现象普遍，一些企业“大而不强”“全而不精”。据统计，山西省属企业涵盖了22个产业领域，有的企业产业领域多达10个以上，其中煤炭企业的煤炭、电
力、装备制造、煤化工、物流贸易、金融等产业高度同质化，严重制约企业发展
质量和效益。通过集中清理，省属企业将进一步优化“内存”，轻装上阵。省属企业按照“一主三辅”的原则，可确定1个主业(名称原则上按国家《国民经济行业分类》(GB/T4754-2011)的标准核定)，3个与主业关联度高、互补性、协同性强的辅业，也可同时确定1至2个新业务领域作为培育产业。
[0003] 以往国有资产的产能监控与分析主要涉及原材料、产能、产值、销售等重要监控指标，主要针对的是制造型企业，即在计划期内，企业参与生产的全部固定资产，在既定的组织技术条件下，所能生产的产品数量，或者能够处理的原材料数量。生产能力是反映企业所拥有的加工能力的一个技术参数，它也可以反映企业的生产规模。这种监控模式不仅停留在人工报送数据的方式，而且采集的数据是不完整的不实时的，具有客观存在的局限性，因此需要借助
大数据进行多源
数据采集、在数据治理过程中加入国企一主三副的产业布局，以及环保因素、核心技术优势等方面进行全部的监控分析。
[0004] 在监管不同行业的国企过程中，因涉及数据众多，数据的来源和结构具有差异性，导致数据一致性、准确性、有效性和权威性方面较差。具体体现在各个企业原有信息系统建设过程中均为独立构建，缺乏统一的系统综合管理平台，各业务部
门之间的系统业务流程无法贯通，业务处理方式不统一，并且各企业分属不同行业缺乏统一的数据标准，难以形成高效的信息数据共享机制。因此，需要提供一种国企产能分析系统，旨在为国企监管相关单位提供一个可以统筹多源数据、进行综合业务治理、智能化分析企业产能的工具。
发明内容
[0005] 本发明克服
现有技术存在的不足，所要解决的技术问题为：提供一种国企产能分析系统，以实现国企的产能分析。
[0006] 为了解决上述技术问题，本发明采用的技术方案为：一种国企产能分析系统，包括数据采集模
块、产能分析模块、监控反馈模块、监督展示模块，
[0007] 所述数据采集模块用于采集企业数据并进行存储；
[0008] 所述产能分析模块用于根据数据采集模块采集的数据进行大数据分析，得到企业产能的综合分析结构；
[0009] 所述监控反馈模块用于接收大数据产能分析模块的反馈
信号并采用神经网络
算法的
梯度下降法，计算得到最优参数后发送至产能分析模块，还用于接收控制端输入的指标参数，并发送至产能分析模块；
[0010] 所述监督展示模块用于接收产能分析模块分析得到的企业产能分析结果，并根据分析结果生成对应的监管事项报告后进行展示。
[0011] 所述产能分析模块进行大数据分析的具体方法为：
[0012] S1、从数据采集模块获取待分析企业的多组数据项，并转
化成输入向量X，其中，输入向量X包括数据项x1，x2…和xm，其中，m表示输入数据项的数量，x1，x2…和xm分别表示一种输入数据；
[0013] S2、根据多维度表向量A与输入向量X内的数据项之间的关系函数F1，计算得到多维度表向量A，计算公式为：A＝F1(X)；其中，多维度表向量A包括多个维度表值a1，a2…an；
[0014] S3、从监控反馈模块获取产业结构向量T与多维度表向量A之间的乘积系数矩阵R，计算得到产业结构向量T，计算公式为T＝RA；其中，产业结构向量T包括多个产业结构值t1，t2…tk；
[0015] S4、根据产能分析结构y与产业结构向量T之间的关系式，计算企业产能分析结果Y，计算公式为： 其中ri表示各个产业结构值ti之间的乘积系数。
[0016] 所述输入数据项的数量为4，具体对应生产数据、环保数据、核心技术数据、产业结构数据；
[0017] 所述多维度表向量内的多维度表的数量为2，具体为产品竞争力和月环保支出金额。
[0018] 所述步骤S2中，多维度表向量A与输入向量X内的数据项之间的关系函数具体为：
[0019]
[0020] 其中，aj表示第j个维度表值，xi表示第i个数据项，wij表示乘积系数，bi表示偏移量，乘积系数wij和偏移量bj均为人工进行设置。
[0021] 所述监控反馈模块采用神经网络算法的梯度下降法，计算得到最优参数的具体方法为：
[0022] 获取样本数据，获取样本数据的多维度表向量A以及产业结构向量T，计算误差公式 的最小值，获得乘积系数矩阵R的最优解，并将系数矩阵R的最优解作为最优参数发送给产能分析模块，然后更新样本数据，重新进行上述步骤；其中，Ti表示第i样本数据的产业结构向量，Ai表示第i个样本数据的多维度表向量。
[0023] 所述数据采集模块还用于对采集到的数据进行数据脱敏、数据标准化和数据治理。
[0024] 所述监督展示平台还用于显示企业基本信息、法人信息、企业图谱、企业核心技术占比、企业销售数据，通过
可视化的图形界面进行展示。
[0025] 本发明与现有技术相比具有以下有益效果：本发明可以实现从多维度对企业的产能进行监控，不只从生产规模这一单一指标对企业的生成能力进行评估，指标数量多样化并且还可以根据实际情况进行
修改，通过
指定分析的算法进行综合考虑，而且应用了神经网络算法的梯度下降法作为反馈信号，提高了算法中参数的准确率。本发明通过信息化的手段实时采集企业数据，做到智能产能分析，减少人为调控的因素，扩大数据决策因素，为监管单位提供了更加方便快捷安全可靠的分析结果。
附图说明
[0026] 图1为本发明
实施例提供的一种国企产能分析系统的结构
框图；
[0027] 图2为本发明实施例数据采集模块的
数据处理框图；
[0028] 图3为本发明实施例中数据分析模块进行数据处理的流程示意图。
具体实施方式
[0029] 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。
[0030] 如图1所示，本发明实施例提供了一种国企产能分析系统，包括数据采集模块、产能分析模块、监控反馈模块、监督展示模块。
[0031] 其中，所述数据采集模块用于采集企业数据并进行存储；具体，如图2所示，所述数据采集模块还用于对采集到的数据进行数据脱敏、数据标准化和数据治理。数据采集模块需要建立数据采集工具，可以从不同结构的数据源中
抽取数据，对数据进行复杂的加工(包括数据脱敏、数据标准化、数据治理)，最后将数据加载到各种存储结构中。本模块基于Java技术和标准
数据库接口(JDBC、ODBC等)，支持与各种主流数据库、开源数据库、国产数据库的接入，支持对各种结构化/非结构化格式文件的读写。数据脱敏是指对去除敏感数据，保证数据的公开性、可利用性；数据标准化是指统一业务表中各数据项集合、各数据项语义定义；数据治理常用操作包括是指对数据进行合并、拆分、行列转换、统计查询、数据校验、数据关联等。最后加载到
数据仓库或
数据集市中存储，成为联机分析处理、
数据挖掘的
基础。其涉及到的数据单元操作，包括生产数据、环保数据、核心技术数据、产业结构数据等。
[0032] 具体地，所述产能分析模块用于根据数据采集模块采集的数据进行大数据分析，得到企业产能的综合分析结果。如图3所示，本发明主要利用神经网络算法对采集的多种数据项当作输入项，并进行产能的综合分析。
[0033] 所述产能分析模块进行大数据分析的具体方法为：
[0034] S1、从数据采集模块获取待分析企业的多组数据项，并转化成输入向量X，其中，输入向量X包括数据项x1，x2…和xm，其中，m表示输入数据项的数量，x1，x2…和xm分别表示一种输入数据；例如，数据项的数量可以为4种，具体对应生产数据x1、环保数据x2、核心技术数据x3、产业结构数据x4；数据项对应于图3中的第一列，其为由数据采集模块进行数据治理后获得的数据。
[0035] S2、根据多维度表向量A与输入向量X内的数据项之间的关系函数F1，计算得到多维度表向量A，计算公式为：A＝F1(X)；其中，多维度表向量A包括n个维度表值a1，a2…an；如图3所示，维度表值对应表中的第二列；
[0036] 多维度表向量A与输入向量X内的数据项之间的关系函数具体为：
[0037]
[0038] 其中，aj表示第j个维度表值，xi表示第i个数据项，wij表示乘积系数，bi表示偏移量，乘积系数wij和偏移量bj均可以为人工进行设置。
[0039] 例如，假设输入的数据项为m＝3种，即生产数据x1、环保数据x2、核心技术数据x3，维度表的数量为n＝2种，即产品竞争能力a1和月环保支出金额a2。因产品竞争能力和生产数据、核心技术数据相关，并且认为生产数据、核心技术数据同样重要，乘积系数都为0.5，偏移量为0；月环保支出金额和环保数据相关，乘积系数都为1，偏移量为0。获得计算公式如下：
[0040] a1＝0.5x1+0.5x2；(2)
[0041] a2＝1*x2；(3)
[0042] S3、从监控反馈模块获取产业结构向量T与多维度表向量A之间的乘积系数矩阵R，计算得到产业结构向量T，计算公式为T＝RA；其中，产业结构向量T包括多个产业结构值t1，t2…tk；其中k表示产业结构项的数量。例如某省属企业的产业结构有煤炭产业、电力产业、
焦炭产业、化工产业、相关产业，则上述各个产业的产业结构值可以分别用t1，t2…t5来表示。
[0043] 产业结构向量T与多维度表向量A的之间关系式可以用以下关系式进行表示：
[0044]
[0045] 其中tj为第j个产业的产业结构值,ai为多维度表向量A内的第i个维度值，pij表示产业结构值与维度值之间的乘积系数，pij的具体值需要根据大量样本的训练来确定，具体的训练过程由监控反馈模块进行；qj是产业结构值与维度值之间的偏移量，可以人工进行指标设置。
[0046] S4、根据产能分析结构y与产业结构向量T之间的关系式，计算企业产能分析结果y，计算公式为： 其中ri表示各个产业结构值ti之间的乘积系数，且 的值为1。
[0047] 具体地，可以根据企业实际情况进行乘积系数ri的确定，例如，按照“一主三辅”产业的实际投入占比(1个主业、3个与主业关联度高、互补性、协同性强的辅业、1到2个新业务领域作为培育产业确定的ri值。如某省属国企的主业为
钢铁占比0.7，辅业为矿产、化工、运输产业占比分别为0.1，无培育产业。则该企业的产能结果为y＝0.7*t1+0.1*t2+0.1*t3+0.1*t4。
[0048] 所述产能分析模块计算分析得到产能分析结果y以后，将其发送至监督展示模块。
[0049] 具体地，本实施例中，所述监控反馈模块用于接收大数据产能分析模块的反馈信号并采用神经网络算法的梯度下降法，计算得到最优参数后发送至产能分析模块，还用于接收控制端输入的指标参数，并发送至产能分析模块。
[0050] 其中，从控制端输入的指标参数包括多维度表向量A，输入向量X内的数据项之间的关系函数F1，各个产业结构值ti之间的乘积系数ri，产业结构值与维度值之间的偏移量等等。
[0051] 其中，监控反馈模块采用神经网络算法的梯度下降法，计算得到最优参数的具体方法为：
[0052] (1)获取样本数据，获取样本数据的多维度表向量A以及产业结构向量T，计算误差公式 的最小值，获得乘积系数矩阵R的最优解，并将系数矩阵R的最优解作为最优参数发送给产能分析模块；
[0053] (2)然后更新样本数据，重新进行上述步骤；其中，Ti表示第i样本数据的产业结构向量，Ai表示第i个样本数据的多维度表向量。
[0054] 监控反馈模块可以根据采集大量企业的基本数据指标和分析结果来进行大数据分析的建模与练习，当有足够的样本后可以使得分析结果更加接近真实值，分析结果更加准确。
[0055] 所述监督展示模块用于接收产能分析模块分析得到的企业产能分析结果，并根据分析结果生成对应的监管事项报告后进行展示。所述监督展示平台还用于显示企业基本信息、法人信息、企业图谱、企业核心技术占比、企业销售数据，通过可视化的图形界面进行展示。
[0056] 本发明可以实现从多维度对企业的产能进行监控，不只从生产规模这一单一指标对企业的生成能力进行评估，指标数量多样化并且还可以根据实际情况进行修改，通过指定分析的算法进行综合考虑，而且应用了神经网络算法的梯度下降法作为反馈信号，提高了算法中参数的准确率。本发明通过信息化的手段实时采集企业数据，做到智能产能分析，减少人为调控的因素，扩大数据决策因素，为监管单位提供了更加方便快捷安全可靠的分析结果。
[0057] 最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
