【技术实现步骤摘要】
本专利技术涉及商业数据处理，尤其涉及一种应用于复杂指标的归因分析方法及系统。
技术介绍
1、在在复杂多变的商业金融领域，归因分析方案借助先进的
技术介绍
，通过深入追踪和分析多维度、多层次的数据指标，精准识别影响业务结果的关键因素。这些技术不仅涵盖了原子指标与复合指标的精细拆解，还结合了时间序列分析等多种算法，确保在复杂的业务决策过程中，能够快速定位问题根源，辅助管理层实现数据驱动的智能决策。
2、现有技术中，往往仅仅给出了复杂指标的原因，并未分析原因之间的复杂的作用，导致归因分析的适应性差、准确性低。
3、因此，如何提高复杂指标归因分析的适应性和准确性，是目前急需解决的问题。
技术实现思路
1、本专利技术的目的是为了解决现有技术中复杂指标归因分析的适应性差、准确性低的问题，而提出的一种应用于复杂指标的归因分析方法，包括，
2、获取金融或商业领域下的复杂指标模型和复杂指标针对的业务目标，通过复杂指标针对的业务目标映射来得到相关的业务环节流程，将复杂指标模型按照维度层次进行拆解，得到多个指标组件，根据相关的业务环节流程和多个指标组件进行比对，以此来补充指标组件并构建相关的业务环节流程与指标组件之间的映射关系；
3、分析指标组件之间的冗余度，并通过冗余度对指标组件进行筛选选来保留部分指标组件，再根据复杂指标与每个指标组件之间关系来划分指标组件的类型，依据指标组件的类型来将指标组件进行关联，确定指标组件之间的关联关系；
4、根据指标
5、基于相关的业务环节流程与指标组件之间的映射关系将指标组件、相互作用关系、耦合效应进行可视化展示，从而实现业务环节的归因展示。
6、本申请一些实施例中，将复杂指标模型按照维度层次进行拆解，得到多个指标组件，包括，
7、根据复杂指标模型来确定复杂指标的函数，将复杂指标的函数拆解成多个变量，确认每个变量所属维度层次，在同一维度层次下，寻找与该变量相接近的若干个其它变量，计算每个变量和相接近的若干个其他变量中每个变量的稳定性；
8、通过变量的属性来分配每个变量的判定周期，整合每个判定周期下变量的变异系数来确定每个变量的稳定性，将变量的数值和其稳定性作为指标组件。
9、本申请一些实施例中，分析指标组件之间的冗余度，包括，
10、根据指标组件变量的数值构建其随时间变化的变量曲线图，确定每个指标组件变量的文本关键词，比对指标组件之间变量的文本关键词的相似度，从而确定具有相似文本关系的待选指标组件；
11、将具有相似文本关系的待选指标组件之间的变量曲线图进行比对，得到变量曲线相似度，根据具有相似文本关系的待选指标组件的变量曲线相似度、文本关键词的相似度和变量的稳定性来计算具有相似文本关系的待选指标组件之间的冗余度；；其中，为具有相似文本关系的待选指标组件之间的冗余度，为具有相似文本关系的待选指标组件的变量曲线相似度的冗余权重，为具有相似文本关系的待选指标组件的变量曲线相似度，为具有相似文本关系的待选指标组件的文本关键词的相似度的冗余权重，为具有相似文本关系的待选指标组件的文本关键词的相似度，为具有相似文本关系的待选指标组件的变量的稳定性的冗余权重，为转换系数，、为具有相似文本关系的待选指标组件的变量的稳定性。
12、本申请一些实施例中，并通过冗余度对指标组件进行筛选选来保留部分指标组件，包括，
13、若冗余度超过冗余度阈值，则将该具有相似文本关系的待选指标组件之间中变量的稳定性较低一方的待选指标组件剔除掉，保留变量的稳定性较高一方的待选指标组件；
14、否则，保留该具有相似文本关系的待选指标组件中的所有待选指标组件。
15、本申请一些实施例中，再根据复杂指标与每个指标组件之间关系来划分指标组件的类型，包括，
16、指标组件的类型包括直接指标组件、半直接指标组件和间接指标组件；
17、根据相关的业务环节流程与指标组件来构建复杂指标的鱼骨图，从而确定鱼骨图中的鱼头和鱼骨，鱼头为复杂指标，鱼骨为指标组件，将鱼骨图转换成指标组件影响路径图，指标组件为影响路径图中的节点，复杂指标为路径终点；
18、计算具有连通关系的相邻两个节点之间的相关度，并通过相关度来定义两个节点之间的路径长度，将与路径终点直接连通的节点的指标组件划分为直接指标组件，并且计算节点到路径终点的路径长度，将路径长度在预设长度范围内的节点的指标组件划分为半直接指标组件，并且确定该节点到路径终点的路线；
19、将其它节点的指标组件划分为间接指标组件，并且确定该节点到路径终点的路线。
20、本申请一些实施例中，依据指标组件的类型来将指标组件进行关联，确定指标组件之间的关联关系，包括，
21、通过直接指标组件来将对应的指标组件关联，通过半直接指标组件所涉及的路径路线来关联对应的指标组件，通过间接指标组件所涉及的路径路线来关联对应指标组件。
22、本申请一些实施例中，并且确定指标组件之间的相互作用关系中是否存在耦合效应，包括，
23、将指标组件之间的相互作用关系中涉及的几个变量进行标准化处理，计算几个变量之间的协方差矩阵，求解协方差矩阵得到特征值和特征向量，以此得到多个新变量，通过特征值对新变量赋予权重，对新变量进行加权求和，得到初始综合代表性指标；
24、通过指标组件之间的相互作用关系中涉及的几个变量的稳定性来调整初始综合代表性指标，得到综合代表性指标；；其中，为综合代表性指标，为初始综合代表性指标，为存在相互作用关系的指标组件的数量，为存在相互作用关系的第个指标组件的稳定性，为存在相互作用关系的指标组件的稳定性最大值，波动因子，为由存在相互作用关系的指标组件的稳定性最大值映射得到的波动因子，为预设常数；计算综合代表性指标与复杂指标之间的非线性依赖程度，通过非线性依赖程度判断是否存在耦合效应。
25、本申请一些实施例中，所述方法还包括，
26、若不存在耦合效应，则基于相关的业务环节流程与指标组件之间的映射关系将指标组件和相互作用关系进行可视化展示。
27、对应的，本申请还提供了一种应用于复杂指标的归因分析系统，包括，
28、第一模块，用于获取金融或商业领域下的复杂指标模型和复杂指标针对的业务目标，通过复杂指标针对的业务目标映射来得到相关的业务环节流程，将复杂指标模型按照维度层次进行拆解，得到多个指标组件，根据相关的业务环节流程和多个指标组件进行比对，以此来补充指标组件并构建相关的业务环节流程与指标组件之间的映射关系；
29、第二模块，用于分析指标组件之间的冗余度，并通过冗余度对指标组件进行筛选选来保留部分指标组件，再根据复杂指标与每个指标组件之间关系来划分指标组件的本文档来自技高网...
【技术保护点】
1.一种应用于复杂指标的归因分析方法，其特征在于，包括，
2.根据权利要求1所述的应用于复杂指标的归因分析方法，其特征在于，将复杂指标模型按照维度层次进行拆解，得到多个指标组件，包括，
3.根据权利要求2所述的应用于复杂指标的归因分析方法，其特征在于，分析指标组件之间的冗余度，包括，
4.根据权利要求3所述的应用于复杂指标的归因分析方法，其特征在于，并通过冗余度对指标组件进行筛选选来保留部分指标组件，包括，
5.根据权利要求2所述的应用于复杂指标的归因分析方法，其特征在于，再根据复杂指标与每个指标组件之间关系来划分指标组件的类型，包括，
6.根据权利要求5所述的应用于复杂指标的归因分析方法，其特征在于，依据指标组件的类型来将指标组件进行关联，确定指标组件之间的关联关系，包括，
7.根据权利要求2所述的应用于复杂指标的归因分析方法，其特征在于，并且确定指标组件之间的相互作用关系中是否存在耦合效应，包括，
8.根据权利要求1所述的应用于复杂指标的归因分析方法，其特征在于，所述方法还包括，
...
【技术特征摘要】
1.一种应用于复杂指标的归因分析方法，其特征在于，包括，
2.根据权利要求1所述的应用于复杂指标的归因分析方法，其特征在于，将复杂指标模型按照维度层次进行拆解，得到多个指标组件，包括，
3.根据权利要求2所述的应用于复杂指标的归因分析方法，其特征在于，分析指标组件之间的冗余度，包括，
4.根据权利要求3所述的应用于复杂指标的归因分析方法，其特征在于，并通过冗余度对指标组件进行筛选选来保留部分指标组件，包括，
5.根据权利要求2所述的应用于复杂指标的归因分析方法，其特征在于，...
【专利技术属性】
技术研发人员：韩统优，刘子昕，张镓奇，陈超，
申请(专利权)人：上海银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。