本發(fā)明涉及企業(yè)財(cái)務(wù)管理，尤其涉及一種企業(yè)財(cái)務(wù)數(shù)據(jù)智能處理方法及系統(tǒng)。

背景技術(shù)：

1、隨著企業(yè)規(guī)模的不斷擴(kuò)大，企業(yè)財(cái)務(wù)數(shù)據(jù)的多樣性和復(fù)雜性日益增加。傳統(tǒng)的財(cái)務(wù)分析方法更多是基于各部門的財(cái)務(wù)數(shù)據(jù)單獨(dú)分析，缺乏對整體財(cái)務(wù)模式的全局性、系統(tǒng)性分析。具體的，部分方法通過靜態(tài)的財(cái)務(wù)比率或指標(biāo)來對單一部門的財(cái)務(wù)健康狀況進(jìn)行分析。這種方式忽視了部門之間在財(cái)務(wù)表現(xiàn)上的時(shí)序性差異和模式的相似性，無法有效地捕捉和利用部門之間在財(cái)務(wù)數(shù)據(jù)表現(xiàn)上的共性和規(guī)律性，也未能有效地從歷史數(shù)據(jù)的長期趨勢角度進(jìn)行綜合考慮，導(dǎo)致分析結(jié)果的準(zhǔn)確性和預(yù)測的可靠性受限。如何根據(jù)歷史財(cái)務(wù)數(shù)據(jù)及部門特征對財(cái)務(wù)數(shù)據(jù)進(jìn)行多維度、動態(tài)化的分析，是提升財(cái)務(wù)數(shù)據(jù)分析精準(zhǔn)度和決策質(zhì)量的重要方向。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述技術(shù)問題，本發(fā)明提出了一種企業(yè)財(cái)務(wù)數(shù)據(jù)智能處理方法及系統(tǒng)，在對企業(yè)的財(cái)務(wù)數(shù)據(jù)進(jìn)行獨(dú)立分析的基礎(chǔ)上，結(jié)合了歷史財(cái)務(wù)數(shù)據(jù)的變化趨勢和各部門之間的財(cái)務(wù)行為規(guī)律，對財(cái)務(wù)數(shù)據(jù)進(jìn)行多維度的智能化分析，能夠提供更為精準(zhǔn)的財(cái)務(wù)分析結(jié)果，提升企業(yè)的財(cái)務(wù)管理效率。

2、為實(shí)現(xiàn)上述目的，本發(fā)明第一方面提供一種企業(yè)財(cái)務(wù)數(shù)據(jù)智能處理方法，包括：

3、獲取企業(yè)的待分析財(cái)務(wù)數(shù)據(jù)和歷史財(cái)務(wù)數(shù)據(jù)，從待分析財(cái)務(wù)數(shù)據(jù)中提取出企業(yè)關(guān)于每個部門的多個財(cái)務(wù)指標(biāo)參數(shù)，構(gòu)建得到多個部門的目標(biāo)財(cái)務(wù)特征向量；

4、基于歷史財(cái)務(wù)數(shù)據(jù)提取出每個部門的歷史財(cái)務(wù)特征向量，以及每個部門關(guān)于每個財(cái)務(wù)指標(biāo)參數(shù)的參數(shù)時(shí)序特征向量，根據(jù)歷史財(cái)務(wù)特征向量和參數(shù)時(shí)序特征向量對多個部門進(jìn)行聚類分析確定多個部門集合；

5、確定每個部門集合的參考財(cái)務(wù)特征向量，根據(jù)參考財(cái)務(wù)特征向量對每個部門集合中的多個目標(biāo)財(cái)務(wù)特征向量進(jìn)行分析，提取出部門集合中每個部門關(guān)于每個財(cái)務(wù)指標(biāo)參數(shù)的偏差值；

6、計(jì)算每個財(cái)務(wù)指標(biāo)參數(shù)的偏差均值并構(gòu)建得到每個部門集合的全局財(cái)務(wù)偏差向量，根據(jù)全局財(cái)務(wù)偏差向量計(jì)算每個部門集合的全局財(cái)務(wù)偏差值；

7、對于全局財(cái)務(wù)偏差值小于預(yù)設(shè)全局偏差閾值的部門集合，采集每個部門的財(cái)務(wù)規(guī)劃數(shù)據(jù)，從財(cái)務(wù)規(guī)劃數(shù)據(jù)中提取出每個部門的財(cái)務(wù)規(guī)劃特征向量和財(cái)務(wù)規(guī)劃系數(shù)，根據(jù)財(cái)務(wù)規(guī)劃特征向量和目標(biāo)財(cái)務(wù)特征向量生成每個部門的第一財(cái)務(wù)規(guī)劃偏差向量；

8、對部門集合中的多個目標(biāo)財(cái)務(wù)特征向量進(jìn)行特征優(yōu)化，生成每個部門的第二財(cái)務(wù)規(guī)劃偏差向量，基于第一財(cái)務(wù)規(guī)劃偏差向量、第二財(cái)務(wù)規(guī)劃偏差向量和財(cái)務(wù)規(guī)劃系數(shù)生成企業(yè)關(guān)于多個部門的財(cái)務(wù)規(guī)劃偏離分析結(jié)果。

9、優(yōu)選地，根據(jù)歷史財(cái)務(wù)特征向量和參數(shù)時(shí)序特征向量對多個部門進(jìn)行聚類分析確定多個部門集合，包括：

10、根據(jù)參數(shù)時(shí)序特征向量計(jì)算任意兩個部門之間關(guān)于每個財(cái)務(wù)指標(biāo)參數(shù)的時(shí)序相似度，根據(jù)參數(shù)時(shí)序特征向量和時(shí)序相似度確定任意兩個部門之間的時(shí)序距離參數(shù)；

11、包括基于dtw算法對任意兩個部門的多對參數(shù)時(shí)序特征向量進(jìn)行處理，計(jì)算得到任意兩個部門之間關(guān)于每個財(cái)務(wù)指標(biāo)參數(shù)的時(shí)序相似度，根據(jù)多個時(shí)序相似度確定任意兩個部門之間關(guān)于每個財(cái)務(wù)指標(biāo)參數(shù)的權(quán)重，根據(jù)多個財(cái)務(wù)指標(biāo)參數(shù)的權(quán)重，基于參數(shù)時(shí)序特征向量計(jì)算任意兩個部門之間的加權(quán)歐式距離，得到任意兩個部門之間的時(shí)序距離參數(shù)；

12、根據(jù)多個時(shí)序距離參數(shù)構(gòu)建得到多個部門對應(yīng)的時(shí)序距離矩陣，采用dbscan算法基于時(shí)序距離矩陣對多個部門進(jìn)行聚類，生成多個部門集合。

13、優(yōu)選地，根據(jù)全局財(cái)務(wù)偏差向量計(jì)算每個部門集合的全局財(cái)務(wù)偏差值，包括：

14、計(jì)算每個部門集合的關(guān)于全局財(cái)務(wù)偏差向量的歐幾里得范數(shù)，得到每個部門集合的全局財(cái)務(wù)偏差值；

15、對于全局財(cái)務(wù)偏差向量，在確定每個部門集合的參考財(cái)務(wù)特征向量后，根據(jù)參考財(cái)務(wù)特征向量確定部門集合中每個財(cái)務(wù)指標(biāo)參數(shù)的第一元素值，根據(jù)多個目標(biāo)財(cái)務(wù)特征向量確定部門集合中每個財(cái)務(wù)指標(biāo)參數(shù)的多個第二元素值；

16、計(jì)算每個財(cái)務(wù)指標(biāo)參數(shù)下多個第二元素值分別與第一元素值的差值，得到部門集合中每個部門關(guān)于每個財(cái)務(wù)指標(biāo)參數(shù)的偏差值；

17、對每個財(cái)務(wù)指標(biāo)參數(shù)下的多個偏差值求取均值得到每個財(cái)務(wù)指標(biāo)參數(shù)的偏差均值，根據(jù)多個財(cái)務(wù)指標(biāo)參數(shù)的偏差均值構(gòu)建得到每個部門集合的全局財(cái)務(wù)偏差向量。

18、優(yōu)選地，對部門集合中的多個目標(biāo)財(cái)務(wù)特征向量進(jìn)行特征優(yōu)化，生成每個部門的第二財(cái)務(wù)規(guī)劃偏差向量，包括：

19、根據(jù)部門集合的多個目標(biāo)財(cái)務(wù)特征向量生成每個部門集合的目標(biāo)財(cái)務(wù)均值向量，根據(jù)目標(biāo)財(cái)務(wù)均值向量提取出部門集合中每個部門的均值偏差向量，包括計(jì)算部門的目標(biāo)財(cái)務(wù)特征向量和部門集合的目標(biāo)財(cái)務(wù)均值向量關(guān)于每個財(cái)務(wù)指標(biāo)參數(shù)對應(yīng)元素值的差值，構(gòu)建得到每個部門的均值偏差向量；

20、將每個部門的均值偏差向量和目標(biāo)財(cái)務(wù)均值向量進(jìn)行融合，包括對均值偏差向量和目標(biāo)財(cái)務(wù)均值向量關(guān)于每個財(cái)務(wù)指標(biāo)參數(shù)對應(yīng)的元素值求和，生成每個部門的修正財(cái)務(wù)特征向量，基于財(cái)務(wù)規(guī)劃特征向量和修正財(cái)務(wù)特征向量生成每個部門的第二財(cái)務(wù)規(guī)劃偏差向量。

21、優(yōu)選地，基于第一財(cái)務(wù)規(guī)劃偏差向量、第二財(cái)務(wù)規(guī)劃偏差向量和財(cái)務(wù)規(guī)劃系數(shù)生成企業(yè)關(guān)于多個部門的財(cái)務(wù)規(guī)劃偏離分析結(jié)果，包括：

22、根據(jù)第一財(cái)務(wù)規(guī)劃偏差向量確定每個部門關(guān)于每個財(cái)務(wù)指標(biāo)參數(shù)的第一特征值，將第一特征值大于預(yù)設(shè)規(guī)劃閾值的多個財(cái)務(wù)指標(biāo)參數(shù)標(biāo)記為正常參數(shù)；

23、對于多個第一特征值不大于預(yù)設(shè)規(guī)劃閾值的多個財(cái)務(wù)指標(biāo)參數(shù)，根據(jù)第二財(cái)務(wù)規(guī)劃偏差向量確定多個財(cái)務(wù)指標(biāo)參數(shù)分別對應(yīng)的第二特征值，將第二特征值大于預(yù)設(shè)規(guī)劃閾值的多個財(cái)務(wù)指標(biāo)參數(shù)標(biāo)記為正常參數(shù)，將剩余的多個財(cái)務(wù)指標(biāo)參數(shù)標(biāo)記為異常參數(shù)，得到企業(yè)關(guān)于多個部門的局部偏離分析結(jié)果；

24、從第一財(cái)務(wù)規(guī)劃偏差向量和第二財(cái)務(wù)規(guī)劃偏差向量中提取出每個財(cái)務(wù)指標(biāo)參數(shù)的目標(biāo)特征值并構(gòu)建得到每個部門的目標(biāo)財(cái)務(wù)偏差向量，基于目標(biāo)財(cái)務(wù)偏差向量確定待分析財(cái)務(wù)數(shù)據(jù)中每個部門的目標(biāo)增長系數(shù)，根據(jù)目標(biāo)增長系數(shù)和財(cái)務(wù)規(guī)劃系數(shù)生成企業(yè)關(guān)于多個部門的全局偏離分析結(jié)果，匯總企業(yè)關(guān)于多個部門的局部偏離分析結(jié)果和全局偏離分析結(jié)果，生成企業(yè)關(guān)于多個部門的財(cái)務(wù)規(guī)劃偏離分析結(jié)果。

25、優(yōu)選地，從第一財(cái)務(wù)規(guī)劃偏差向量和第二財(cái)務(wù)規(guī)劃偏差向量中提取出每個財(cái)務(wù)指標(biāo)參數(shù)的目標(biāo)特征值并構(gòu)建得到每個部門的目標(biāo)財(cái)務(wù)偏差向量，包括：

26、若財(cái)務(wù)指標(biāo)參數(shù)的第一特征值大于預(yù)設(shè)規(guī)劃閾值，則將財(cái)務(wù)指標(biāo)參數(shù)的第一特征值記為該財(cái)務(wù)指標(biāo)參數(shù)的目標(biāo)特征值，否則判斷財(cái)務(wù)指標(biāo)參數(shù)的第二特征值是否大于預(yù)設(shè)規(guī)劃閾值，若是則將第二特征值記為財(cái)務(wù)指標(biāo)參數(shù)的目標(biāo)特征值，對于第一特征值和第二特征值均不大于預(yù)設(shè)規(guī)劃閾值的財(cái)務(wù)指標(biāo)參數(shù)，從財(cái)務(wù)指標(biāo)參數(shù)的第一特征值和第二特征值中選擇出與預(yù)設(shè)規(guī)劃閾值的偏離程度最小的特征值記為目標(biāo)特征值，根據(jù)多個財(cái)務(wù)指標(biāo)參數(shù)的目標(biāo)特征值構(gòu)建得到每個部門的目標(biāo)財(cái)務(wù)偏差向量。

27、本發(fā)明第二方面提供一種企業(yè)財(cái)務(wù)數(shù)據(jù)智能處理系統(tǒng)，所述系統(tǒng)用于實(shí)現(xiàn)上述的一種企業(yè)財(cái)務(wù)數(shù)據(jù)智能處理方法，包括：

28、數(shù)據(jù)獲取模塊，用于獲取企業(yè)的待分析財(cái)務(wù)數(shù)據(jù)和歷史財(cái)務(wù)數(shù)據(jù)，從待分析財(cái)務(wù)數(shù)據(jù)中提取出企業(yè)關(guān)于每個部門的多個財(cái)務(wù)指標(biāo)參數(shù)，構(gòu)建得到多個部門的目標(biāo)財(cái)務(wù)特征向量；

29、歷史數(shù)據(jù)分析模塊，用于基于歷史財(cái)務(wù)數(shù)據(jù)提取出每個部門的歷史財(cái)務(wù)特征向量，以及每個部門關(guān)于每個財(cái)務(wù)指標(biāo)參數(shù)的參數(shù)時(shí)序特征向量，根據(jù)歷史財(cái)務(wù)特征向量和參數(shù)時(shí)序特征向量對多個部門進(jìn)行聚類分析確定多個部門集合；

30、財(cái)務(wù)指標(biāo)偏差分析模塊，用于確定每個部門集合的參考財(cái)務(wù)特征向量，根據(jù)參考財(cái)務(wù)特征向量對每個部門集合中的多個目標(biāo)財(cái)務(wù)特征向量進(jìn)行分析，提取出部門集合中每個部門關(guān)于每個財(cái)務(wù)指標(biāo)參數(shù)的偏差值，計(jì)算每個財(cái)務(wù)指標(biāo)參數(shù)的偏差均值并構(gòu)建得到每個部門集合的全局財(cái)務(wù)偏差向量，根據(jù)全局財(cái)務(wù)偏差向量計(jì)算每個部門集合的全局財(cái)務(wù)偏差值；

31、局部偏差分析模塊，用于對于全局財(cái)務(wù)偏差值小于預(yù)設(shè)全局偏差閾值的部門集合，采集每個部門的財(cái)務(wù)規(guī)劃數(shù)據(jù)，從財(cái)務(wù)規(guī)劃數(shù)據(jù)中提取出每個部門的財(cái)務(wù)規(guī)劃特征向量和財(cái)務(wù)規(guī)劃系數(shù)，根據(jù)財(cái)務(wù)規(guī)劃特征向量和目標(biāo)財(cái)務(wù)特征向量生成每個部門的第一財(cái)務(wù)規(guī)劃偏差向量；

32、全局偏差分析模塊，用于對部門集合中的多個目標(biāo)財(cái)務(wù)特征向量進(jìn)行特征優(yōu)化，生成每個部門的第二財(cái)務(wù)規(guī)劃偏差向量；

33、財(cái)務(wù)規(guī)劃偏離分析模塊，用于基于第一財(cái)務(wù)規(guī)劃偏差向量、第二財(cái)務(wù)規(guī)劃偏差向量和財(cái)務(wù)規(guī)劃系數(shù)生成企業(yè)關(guān)于多個部門的財(cái)務(wù)規(guī)劃偏離分析結(jié)果。

34、優(yōu)選地，對于財(cái)務(wù)規(guī)劃偏離分析模塊，基于第一財(cái)務(wù)規(guī)劃偏差向量、第二財(cái)務(wù)規(guī)劃偏差向量和財(cái)務(wù)規(guī)劃系數(shù)生成企業(yè)關(guān)于多個部門的財(cái)務(wù)規(guī)劃偏離分析結(jié)果，包括：

35、根據(jù)第一財(cái)務(wù)規(guī)劃偏差向量確定每個部門關(guān)于每個財(cái)務(wù)指標(biāo)參數(shù)的第一特征值，將第一特征值大于預(yù)設(shè)規(guī)劃閾值的多個財(cái)務(wù)指標(biāo)參數(shù)標(biāo)記為正常參數(shù)；

36、對于多個第一特征值不大于預(yù)設(shè)規(guī)劃閾值的多個財(cái)務(wù)指標(biāo)參數(shù)，根據(jù)第二財(cái)務(wù)規(guī)劃偏差向量確定多個財(cái)務(wù)指標(biāo)參數(shù)分別對應(yīng)的第二特征值，將第二特征值大于預(yù)設(shè)規(guī)劃閾值的多個財(cái)務(wù)指標(biāo)參數(shù)標(biāo)記為正常參數(shù)，將剩余的多個財(cái)務(wù)指標(biāo)參數(shù)標(biāo)記為異常參數(shù)，得到企業(yè)關(guān)于多個部門的局部偏離分析結(jié)果；

37、從第一財(cái)務(wù)規(guī)劃偏差向量和第二財(cái)務(wù)規(guī)劃偏差向量中提取出每個財(cái)務(wù)指標(biāo)參數(shù)的目標(biāo)特征值并構(gòu)建得到每個部門的目標(biāo)財(cái)務(wù)偏差向量，基于目標(biāo)財(cái)務(wù)偏差向量確定待分析財(cái)務(wù)數(shù)據(jù)中每個部門的目標(biāo)增長系數(shù)，根據(jù)目標(biāo)增長系數(shù)和財(cái)務(wù)規(guī)劃系數(shù)生成企業(yè)關(guān)于多個部門的全局偏離分析結(jié)果，匯總企業(yè)關(guān)于多個部門的局部偏離分析結(jié)果和全局偏離分析結(jié)果，生成企業(yè)關(guān)于多個部門的財(cái)務(wù)規(guī)劃偏離分析結(jié)果。

38、本發(fā)明具有以下有益效果：

39、本發(fā)明通過歷史財(cái)務(wù)數(shù)據(jù)對企業(yè)進(jìn)行基于時(shí)序特征的部門聚類分析，識別出企業(yè)多個部門中相似的財(cái)務(wù)模式，根據(jù)各部門的財(cái)務(wù)規(guī)劃特征向量對待分析財(cái)務(wù)數(shù)據(jù)進(jìn)行多維度分析，通過引入第一財(cái)務(wù)規(guī)劃偏差向量與第二財(cái)務(wù)規(guī)劃偏差向量，從個體和全局兩個角度深入挖掘各部門關(guān)于不同財(cái)務(wù)指標(biāo)參數(shù)的財(cái)務(wù)狀況，對財(cái)務(wù)數(shù)據(jù)進(jìn)行偏離分析，精確判斷每個財(cái)務(wù)指標(biāo)是否達(dá)到預(yù)期目標(biāo)，從而識別潛在的異常與風(fēng)險(xiǎn)，考慮到部門之間的相似性的同時(shí)也考慮個體差異，提升了企業(yè)財(cái)務(wù)數(shù)據(jù)分析的精確度。