一种智能场景化企业大数据分析系统的制作方法

本发明涉及大数据，具体为一种智能场景化企业大数据分析系统。

背景技术：

1、随着数字化时代的快速发展，企业面临着海量的数据挑战和机遇；如何有效地收集、处理、分析和利用这些数据，以支持企业的决策制定和业务优化，已成为企业竞争力的关键因素之一；特别是在竞争激烈的市场环境中，深入理解客户的行为、需求以及满意度，对于制定针对性的市场策略、优化产品和服务质量具有重要意义。

2、传统的企业数据分析方法往往依赖于人工收集和处理数据，这种方法不仅效率低下，而且容易出错；由于数据量庞大且来源多样，传统的数据分析方法往往难以全面、准确地反映企业的运营状况和客户的需求变化。

技术实现思路

1、针对现有技术的不足，本发明提供了一种智能场景化企业大数据分析系统，通过集成数据采集、预处理、分析、特征提取、原因分析和可视化报告等多个模块，旨在解决企业面临的数据收集与分析效率低下、决策缺乏数据支撑等技术问题；系统能够实时收集来自不同渠道的数据，进行高效处理和分析，生成客户购买力指数、行为指数和需求指数等关键指标，并基于这些指标进一步提取客户综合满意指数，以评估客户对企业的满意度；此外，系统还能根据预设标准阈值对客户的满意程度进行评估，并自动分析原因，提供针对性的策略改善建议；通过可视化报告模块，系统能够实时展示关键数据指标，为企业的决策提供直观、准确的数据支持。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种智能场景化企业大数据分析系统，包括数据采集模块、数据预处理模块、数据分析模块、综合分析模块、综合评估模块和可视化报告模块；

3、数据采集模块用于从企业内部系统和数据库、电商平台接口、时间管理软件、政府和行业报告、浏览器插件和搜索引擎优化工具中收集数据，建立第一数据组、第二数据组和第三数据组；

4、数据预处理模块用于对收集到的第一数据组、第二数据组和第三数据组，进行清洗、格式转换和标准化处理后传输至数据分析模块；

5、数据分析模块用于将预处理后的第一数据组、第二数据组和第三数据组进行分析，利用机器学习算法、协同过滤和深度学习，计算获取：客户购买力指数gmz、客户行为指数xwz和客户需求指数xqz；

6、综合分析模块用于将分析后的客户购买力指数gmz、客户行为指数xwz和客户需求指数xqz通过机器学习算法进一步分析并计算获得：客户综合满意指数zwh；

7、综合评估模块用于根据数据分析的客户综合满意指数zwh与预设标准阈值m进行对比，对客户的满意程度进行评估，建立满意程度评估模型；当满意程度低出预设阈值时，系统通过对客户购买力指数gmz、客户行为指数xwz和客户需求指数xqz进行分析原因，汇总和处理后通知相关领导层进行相对应的策略改善；

8、可视化报告模块用于通过可视化技术和图表实时展示各类数据，展示企业的各指标和数据的上升或下降趋势状况，并生成管理报告，包含下降趋势的统计分析和处理结果。

9、优选的，所述数据采集模块包括订单数据单元、用户行为记录单元和市场反馈单元；

10、所述订单数据单元用于采集第一数据组中的数据，通过电商平台或企业内部的订单管理系统，统计每个用户在一定时间周期内的订单数量和订单金额总和，计算每两个连续订单之间的平均时间间隔，直接从订单管理系统中获取用户在一定时间周期内的总订单数，计算出订单频次ci、购买金额je、两订单平均间隔时间ti和订单数量li；

11、所述用户行为记录单元用于采集第二数据组中的数据，用户的历史订单数据中提取，统计每种产品被购买的次数，获得历史购买记录每种产品的数量gl；

12、通过电商平台的用户行为日志追踪并记录用户对产品的浏览行为，累计每种产品的浏览次数，获得每种产品的浏览次数lj；

13、分析用户的搜索关键词和搜索结果，计算搜索关键词与相应产品的匹配程度，获得搜索关键词与相对应各产品的匹配率sg；

14、所述市场反馈单元用于采集第三数据组中的数据，从企业的销售数据库或第三方市场研究机构，获取各产品历史销售数据ls；

15、根据历史销售数据、行业报告、社交媒体讨论综合评估，通过机器学习算法分析、统计和运算，获得各产品的市场趋势指数sc；

16、通过客户反馈系统收集客户对产品的评价，区分满意与不满意反馈，并统计数量，获得客户满意反馈意见数fm和客户不满意反馈意见数fb。

17、优选的，所述数据预处理模块包括数据存储单元和初步数据处理单元；

18、所述数据存储单元用于构建和维护一个高效的数据库系统，对从数据采集模块传输来的数据进行存储，定期对数据进行备份，防止数据丢失；

19、所述初步数据处理单元用于对原始数据进行归类、汇总，建立不同表格，将数据转换为统一的格式，对数据进行校验，确保数据的完整性和一致性。

20、优选的，所述数据分析模块包括数据分析单元和数据计算单元；

21、所述数据分析单元用于提取预处理后的第一数据组、第二数据组和第三数据组中的数据，进一步分析和预处理数据，为后续的数据计算单元提供输入，使用历史数据训练机器学习算法模型，对实时数据进行分析，与历史数据对比；

22、所述数据计算单元用于基于数据分析单元提取的第一数据组、第二数据组和第三数据组进行计算获得：客户购买力指数gmz、客户行为指数xwz和客户需求指数xqz；

23、所述客户购买力指数gmz通过以下公式计算获取：

24、，

25、其中，0<w1<1w1、w2、w3和w4分别表示订单频次ci、购买金额je、两订单平均间隔时间ti和订单数量li的权重值，ci表示订单频次，je表示购买金额，ti表示两订单平均间隔时间，li表示订单数量，c1为第一常数修正系数；

26、所述客户行为指数xwz通过以下公式计算获取：

27、，

28、式中，w5、w6和w7分别表示历史购买记录每种产品的数量gl、每种产品的浏览次数lj和搜索关键词与相对应各产品的匹配率sg的权重值，c2为第二常数修正系数；

29、所述客户需求指数xqz通过以下公式计算获取：

30、，

31、式中，w8、w9、w10和w11分别表示各产品历史销售数据ls、各产品的市场趋势指数sc、客户满意反馈意见数fm和客户不满意反馈意见数的权重值fb，c3为第三常数修正系数。

32、所述综合分析模块通过客户购买力指数gmz、客户行为指数xwz和客户需求指数xqz相关联，使用机器学习算法模型进行计算，经过标准化处理后，通过计算得到客户综合满意指数zwh；

33、所述客户综合满意指数zwh通过以下公式计算获取：

34、，

35、式中，α、β和 γ分别表示客户购买力指数gmz客户行为指数xwz和客户需求指数xqz的权重值，c4为第四常数修正系数。

36、优选的，所述综合评估模块包括预测单元和评估单元；

37、所述预测单元用于对客户购买力指数gmz、客户行为指数xwz和客户需求指数xqz的历史数据通过机器学习算法进行预测，并设立第一预设标准阈值a、第二预设标准阈值b和第三预设标准阈值c；

38、所述评估单元用于客户综合满意指数zwh与预设标准阈值m进行对比的结果进行评估；

39、当客户综合满意指数zwh＞预设标准阈值m时，表示客户群体对企业的满意度不合格；

40、当客户综合满意指数zwh≤预设标准阈值m时，表示客户群体对企业存在满意度不合格，企业存在不足之处，建立评估模型。

41、优选的，所述评估单元根据预测单元预测结果建立的评估模型，当客户综合满意指数zwh≤预设标准阈值m，表示客户群体对企业存在满意度不合格时；

42、将客户购买力指数gmz和第一预设标准阈值a对比评估，获得第一预测结果；

43、当客户购买力指数gmz≥第一预设标准阈值a，表示客户购买力合格；

44、当客户购买力指数gmz＜第一预设标准阈值a，表示客户购买力不合格；

45、当客户群体对企业产品的购买力评估不合格时，评估模型对此结果进行评估并生成对应的策略：优化定价策略，下调5%-10%产品价格，推出促销活动，上调5%-10%活动资金，根据总成交价1%-5%的满减比例进行满减活动，根据客户群体的购买力度提升至第一预设标准阈值a之上20%后撤销活动；

46、将客户行为指数xwz和第二预设标准阈值b对比评估，获得第二预测结果；

47、当客户行为指数xwz≥第二预设标准阈值b时，表示客户群体对企业的关注度合格；

48、当客户行为指数xwz＜第二预设标准阈值b时，表示客户群体对企业的关注度不合格，此时则将预算提高5%-20%；

49、将客户需求指数xqz和第三预设标准阈值c对比评估，获得第三预测结果；

50、当客户需求指数xqz≥第三预设标准阈值c时，表示客户群体对企业生产的产品需求量合格；

51、当客户需求指数xqz＜第三预设标准阈值c时，表示客户群体对企业生产的产品需求量不合格，此时将提升10%-15%的市场调研和用户研究的投入预额。

52、优选的，所述可视化报告模块用于将数据采集模块、数据预处理模块、数据分析模块、综合分析模块和综合评估模块提供的数据进行整合，为可视化展示提供基础数据，使用图表实时展示关键数据指标，提供历史数据的可视化展示功能，根据原因分析的结果，将对企业的影响因素，通过颜色和趋势图表方式展示不同因素，实时显示当前的实时数据信息，自动生成定期规划管理报告。

53、本发明提供了一种智能场景化企业大数据分析系统，具备以下有益效果：

54、（1）该一种智能场景化企业大数据分析系统，通过集成数据采集、预处理、分析、特征提取、原因分析和可视化报告等多个模块，实现了对企业数据的全面、高效和精准分析，不仅提高了企业数据分析的效率和准确性，能够帮助企业深入理解客户需求、购买力和行为模式，为企业制定更为科学、合理的市场策略和产品设计提供有力支持；通过实时监控数据指标，企业能够及时发现市场变化和潜在风险，从而做出快速响应，保持竞争优势。

55、（2）该一种智能场景化企业大数据分析系统，通过采用机器学习算法和深度学习技术，对大量数据进行智能分析和预测，有效提升了企业决策的智能化水平；特别是通过综合评估模块，系统能够自动分析客户综合满意指数zwh下降的原因，并提供相应的改善策略，帮助企业精准定位问题、快速解决问题，提升客户满意度和忠诚度；可视化报告模块通过直观、易懂的图表展示关键数据指标，使得企业领导层能够更加便捷地了解企业运营状况，做出更为明智的决策。