【技術實現步驟摘要】
本專利技術涉及數據交互，尤其涉及一種基于大數據的計算機數據交互管理系統。
技術介紹
1、在大數據環境中，現有的計算機數據交互管理方法已經引入了多種技術和框架來處理和優化大規模數據的交互。這些方法顯著提升了數據處理效率和決策支持能力，以下是現有方法的主要實現方式及其詳細描述：現有系統通常從多個來源如傳感器、日志文件、交易記錄、社交媒體等收集數據，并通過etl（extract,?transform,?load）流程進行初步處理，隨后對采集到的數據進行初步過濾、轉換和清理工作，例如去除噪聲數據、修復錯誤或缺失值、標準化單位等，其中預處理步驟相對簡單，主要目的是確保后續分析的一致性和準確性；緊接著則是利用預訓練的機器學習模型對預處理后數據進行分析，生成對未來趨勢的基本預測，這些預測結果主要用于指導業務運營，例如用于制定銷售預測計劃、庫存管理計劃等。
2、然而現有方法在制定業務計劃后，往往由于缺乏一個計劃執行前的驗證反饋機制來持續監控和評估這些計劃的實際效果，從而導致業務計劃的可靠性及可行性易受到較大影響，同時易增加企業在執行過程中的不確定性和風險。
3、因此，現有技術急需一種基于大數據的計算機數據交互管理系統的技術方案。
技術實現思路
1、為了解決上述技術問題，本專利技術提供了一種基于大數據的計算機數據交互管理系統，具體包括以下模塊：
2、數據采集及預處理模塊：用于通過至少兩個來源采集相關數據，并對所述數據執行預處理；
3、數據預測及計劃制定
4、量化分析模塊：所述量化分析模塊與數據預測及計劃制定模塊連接，用于對所制定的業務運營計劃的風險程度進行量化分析，得到業務運營計劃的綜合風險評分；
5、輸入數據排序單元：用于調用當前預測模型的輸入數據，對輸入數據依據數據類型進行分類，得到每一類輸入數據，并對每一類輸入數據進行任意排序，得到第一類至第n類輸入數據；
6、相關性分析單元：用于對每一類輸入數據之間的相關性進行分析，得到每一類輸入數據之間的相關系數；
7、綜合觀測值計算子單元：用于獲取每一類輸入數據中每個數據的實際觀測值，對每個數據的實際觀測值執行歸一化后并取均值，得到每一類輸入數據的綜合觀測值；
8、數據集構建子單元：用于重復綜合觀測值計算子單元，得到至少兩組每一類輸入數據的綜合觀測值，并基于至少兩組每一類輸入數據的綜合觀測值，構建每一類輸入數據的數據集；
9、相關系數計算子單元：用于基于每一類輸入數據的數據集，計算得到每一類輸入數據之間的相關系數；
10、權重分析單元：用于依據每一類輸入數據的相關系數對每一類輸入數據賦予權重；
11、相關系數總和計算子單元：用于將第一類輸入數據與其他所有類別的輸入數據之間的相關系數進行求和，得到第一相關系數總和；依次類推，直至第n類輸入數據與所有其他類別的輸入數據之間的相關系數求和完畢為止，得到第n相關系數總和；
12、總相關系數計算子單元：用于由相關系數總和計算子單元對所有相關系數總和進行求和，得到總相關系數；
13、權重計算子單元：依據每個相關系數總和與總相關系數的比值，對每一類輸入數據賦予權重；
14、異常系數分析單元：用于對每一類輸入數據的異常程度進行分析，得到每一類輸入數據的異常系數；
15、閾值區間及中間閾值計算子單元：用于基于歷史數據統計分析得到每一類輸入數據中每個數據的實際觀測值的閾值區間，所述閾值區間包括閾值上限及閾值下限，并基于所述閾值上限及閾值下限，計算得到中間閾值；
16、閾值區間判定子單元：用于利用每一類輸入數據中每個數據的實際觀測值的閾值區間對每一類輸入數據中每個數據的實際觀測值進行判定，若每一類輸入數據中當前數據的實際觀測值處于閾值區間內，則將當前數據的實際觀測值歸類為正常值；若每一類輸入數據中當前數據的實際觀測值不處于閾值區間內，則將當前數據的實際觀測值歸類為異常值；
17、偏離值計算子單元：用于統計每一類輸入數據中異常值的數量，并計算每個異常值與中間閾值的偏離程度，得到每個異常值的偏離值；
18、異常系數計算子單元：用于將每一類輸入數據中每個異常值的偏離值進行求和，得到每一類輸入數據的異常系數；
19、風險評分計算單元：用于綜合每一類輸入數據之間的相關系數、每一類輸入數據的權重、每一類輸入數據的異常系數，計算得到每一類輸入數據的風險評分；
20、其中，得到每一類輸入數據的風險評分的計算公式為：
21、；
22、式中，代表第i類輸入數據的風險評分；代表第i類輸入數據之間的相關系數；代表第i類輸入數據的權重；代表第i類輸入數據的異常系數；、、分別代表相關系數、權重及異常系數的調整系數；
23、綜合風險評分計算單元：用于對每一類輸入數據的風險評分進行求和，得到業務運營計劃的綜合風險評分；
24、其中，得到業務運營計劃的綜合風險評分的計算公式為：
25、；
26、式中，代表業務運營計劃的綜合風險評分；代表第i類輸入數據的風險評分；代表數據類別的總數；
27、計劃審核及措施制定模塊：對綜合風險評分設定閾值，若當前的綜合風險評分大于等于閾值，則發出警報，并基于當前的綜合風險評分制定未來業務運營計劃的預防措施；若當前的綜合風險評分小于閾值，則不必發出警報。
28、本專利技術實施例具有以下技術效果：
29、本專利技術旨在解決現有方法中缺乏驗證機制的問題，具體地本專利技術在基于現有的數據采集、預處理和預測模型應用等常規手段之外，特別引入綜合風險評分及預防措施制定的技術手段，以驗證并優化所制定的業務計劃，其中綜合風險評分的計算涉及相關系數、權重及異常程度的多維度式分析計算，以確保能夠準確反映潛在風險的程度，避免因單個指標波動而導致的誤報或漏報，這種精細化的風險量化方法使得后續預防措施的制定能夠更為可靠且合理，進而能夠有效提升業務計劃的可靠性且能夠有效降低企業在執行過程中的不確定性及風險。
本文檔來自技高網...【技術保護點】
1.一種基于大數據的計算機數據交互管理系統，其特征在于，包括以下模塊：
2.根據權利要求1所述的一種基于大數據的計算機數據交互管理系統，其特征在于，所述量化分析模塊與數據預測及計劃制定模塊連接，用于對所制定的業務運營計劃的風險程度進行量化分析，得到業務運營計劃的綜合風險評分，包括：
3.根據權利要求2所述的一種基于大數據的計算機數據交互管理系統，其特征在于，所述對每一類輸入數據之間的相關性進行分析，得到每一類輸入數據之間的相關系數，包括：
4.根據權利要求3所述的一種基于大數據的計算機數據交互管理系統，其特征在于，所述依據每一類輸入數據的相關系數對每一類輸入數據賦予權重，包括：
5.根據權利要求4所述的一種基于大數據的計算機數據交互管理系統，其特征在于，所述對每一類輸入數據的異常程度進行分析，得到每一類輸入數據的異常系數，包括：
6.根據權利要求2所述的一種基于大數據的計算機數據交互管理系統，其特征在于，所述得到每一類輸入數據的風險評分的計算公式為：
7.根據權利要求2所述的一種基于大數據的計算機數據交互管理
...【技術特征摘要】
1.一種基于大數據的計算機數據交互管理系統，其特征在于，包括以下模塊：
2.根據權利要求1所述的一種基于大數據的計算機數據交互管理系統，其特征在于，所述量化分析模塊與數據預測及計劃制定模塊連接，用于對所制定的業務運營計劃的風險程度進行量化分析，得到業務運營計劃的綜合風險評分，包括：
3.根據權利要求2所述的一種基于大數據的計算機數據交互管理系統，其特征在于，所述對每一類輸入數據之間的相關性進行分析，得到每一類輸入數據之間的相關系數，包括：
4.根據權利要求3所述的一種基于大數據的計算機數據...
【專利技術屬性】
技術研發人員：裘雄偉，史蓮芝，任佳樂，
申請(專利權)人：浙江億雄智能科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。