【技术实现步骤摘要】
本专利技术涉及数据分析，具体为一种基于数据分析的项目验收材料评估系统及方法。
技术介绍
1、数据分析是指通过对数据的收集、处理、分析和解释，来提取有价值的信息和支持决策的过程，数据分析广泛应用于各个领域，通过数据分析，可以发现隐藏的模式和规律，优化资源配置，提升工作效率和决策质量。
2、项目验收是项目生命周期中的关键环节，其目的是确保项目成果符合预期目标和标准，并满足相关利益方的需求。验收材料评估是项目验收过程中的重要组成部分，涉及对各类文档、测试报告、用户反馈、性能指标等进行审查和分析。当前的处理方法包括手动评估和使用传统工具评估；
3、手动评估包括，项目团队和验收专家手动审查项目文档、测试报告、用户反馈等；通过召开验收会议，项目团队、客户和其他相关利益方对验收材料进行讨论和评估；对于硬件项目或软件-硬件结合项目，进行实地测试和检查，确保系统按预期运行；使用传统工具包括，使用excel等工具进行数据统计和分析；使用project、jira等项目管理软件跟踪项目进度和问题。但无论是手动处理还是使用传统工具进行处理，在评估的效率方面都不乐观，而且浪费大量的人力资源；在面对大量的数据时，容易出现错误；其次在隐私数据的处理上没有好的方法，项目隐私泄露时刻威胁着企业安全。
技术实现思路
1、本专利技术的目的在于提供一种基于数据分析的项目验收材料评估系统及方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：一种基于
3、s1、数据收集，数据包括已经审批的历史项目数据和审批项目数据；
4、s2、使用ai驱动的数据清洗工具处理缺失值和异常值；
5、s3、数据的隐私处理和去标识化；
6、s4、对历史审批数据进行关联分析，使用历史数据的关联分析结果进行模型预训练；
7、s5、对审批数据进行偏差分析，包括成本偏差和进度偏差；
8、s6、使用上述偏差分析结果对模型进行二次训练；
9、s7、模型部署与实施评估，对每一次项目验收材料评估的结果进行记录，录入数据库。
10、所述数据收集，具体收集内容包括数据的可行性研究报告、审批结果、项目预算和建设周期。
11、在步骤s2中，使用ai驱动的数据清洗工具处理缺失值和异常值，包括缺失值检测和缺失值填补；
12、所述缺失值检测用于使用ai算法自动检测数据集中缺失值的位置和比例；
13、所述缺失值填补包括数值型和文本型数据；
14、所述数值型数据，使用均值进行填补；所述文本型数据使用k近邻算法，根据相似样本填补缺失值。
15、在步骤s3中，在所述历史项目数据的可行性研究报告、审批结果、项目预算和建设周期中提取出隐私数据，包括项目供应商信息a1、项目资金信息a2、项目进度安排a3和项目关键技术a4；隐私数据处理的步骤为：
16、s4-1、使用关系型数据库postgresql存储提取出的隐私信息，该部分数据不作为传输数据，作为检索数据库，起检索作用；
17、s4-2、采取数据映射的方法，将项目供应商信息a1、项目资金信息a2和项目进度安排a3进行数据映射，确定一对一的函数关系，具体使用python中的伪随机库，生成具有唯一对应关系的伪随机序列，对应关系为，数据特征a1、a2和a3的伪随机序列依次为r1、r2和r3；
18、s4-3、项目关键技术a4使用哈希函数进行哈希转换，生成的哈希函数值为r4，a4与r4之间存在唯一的对应关系，使用数据库mongodb进行存储；
19、s4-4、将隐私数据分别使用伪随机序列进行代替，将映射替换后的数据传输到模型中进行项目材料验收评估，并记录伪随机序列r1、r2和r3与评估结果t1、t2和t3之间的对应关系；
20、s4-5、项目关键技术a4通过人工进行评估，评估之后的结果记录为t4，记录a4与t4之间的映射关系，传输过程中传输哈希函数值；
21、s4-6、在上述数据库中进行检索，形成项目信息a1、a2、a3和a4与评估结果t1、t2、t3和t4之间的对应关系。
22、在步骤s4中，
23、所述关联性分析具体公式为：
24、y＝a0+a1a1+a2a2+a3a3+z
25、其中，y表示建设周期；a1、a2和a3分别表示项目供应商信息、项目资金信息和项目进度安排；a0是截距项；a1、a2和a3分别是a1、a2和a3的回归系数；z是误差项；
26、将历史审批数据划分为预训练数据集和测试数据集，具体按照7:3进行划分，根据历史审批数据的关联性分析使用预训练数据集部分进行模型预训练。
27、截距项和误差项的具体计算方式为：
28、a＝(ata)-1aty
29、其中，a表示a0、a1、a2和a3的向量矩阵；a表示a1、a2和a3组成的矩阵；at表示矩阵a的转置矩阵；
30、误差项z表示模型预测值与实际值之间的差异，对于每一个样本i，误差zi为：
31、zi＝yi-y(i)
32、其中，yi表示实际值；y(i)表示模型预测值；
33、在步骤s5中，所述偏差分析包括项目预算偏差和项目进度偏差；
34、偏差计算：
35、cv＝ev-ac
36、其中，cv表示项目预算偏差；ev表示根据计划完成的工作量的值；ac表示实际花费成本；
37、sv＝kv-pv
38、其中，sv表示项目进度偏差；kv表示计划预算的值；pv表示项目在某一时间的计划进度；
39、计算偏差百分比：
40、
41、其中，cv％表示预算偏差百分比；
42、
43、其中，sv％表示进度偏差百分比；
44、计算预算指数：
45、
46、其中，cpi表示预算指数；
47、cpi>1表示项目成本效率高于预期，项目花费小于预算；cpi<1表示项目成本效率低于预期，项目花费超过预算；
48、计算进度指数：
49、
50、其中，spi表示进度指数；
51、spi>1表示项目进度效率高于预期，项目进展快于计划；spi<1表示项目进度效率低于预期，项目进展慢于计划。
52、在步骤s6中，根据上述偏差分析结果使用测试数据集对模型进行二次训练。
53、一种基于数据分析的项目验收材料评估系统，该系统包括数据收集模块、数据处理模块、隐私替换模块、关联分析与模型预训练模块、偏差分析模块、模型微调模块和模型部署与应用模块；
54、所述数据收集模块用于收集已经审批的历史项目数据和审批项本文档来自技高网...
【技术保护点】
1.一种基于数据分析的项目验收材料评估方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于数据分析的项目验收材料评估方法，其特征在于：所述数据收集，具体收集内容包括数据的可行性研究报告、审批结果、项目预算和建设周期。
3.根据权利要求1所述的一种基于数据分析的项目验收材料评估方法，其特征在于：在步骤S2中，使用AI驱动的数据清洗工具处理缺失值和异常值，包括缺失值检测和缺失值填补；
4.根据权利要求1所述的一种基于数据分析的项目验收材料评估方法，其特征在于：在步骤S3中，在所述历史项目数据的可行性研究报告、审批结果、项目预算和建设周期中提取出隐私数据，包括项目供应商信息A1、项目资金信息A2、项目进度安排A3和项目关键技术A4；隐私数据处理的步骤为：
5.根据权利要求4所述的一种基于数据分析的项目验收材料评估方法，其特征在于：在步骤S4中，
6.根据权利要求5所述的一种基于数据分析的项目验收材料评估方法，其特征在于：截距项和误差项的具体计算方式为：
7.根据权利要求6所述的一种基于数据分析的
8.根据权利要求7所述的一种基于数据分析的项目验收材料评估方法，其特征在于：在步骤S6中，根据上述偏差分析结果使用测试数据集对模型进行二次训练。
9.一种基于数据分析的项目验收材料评估系统，其特征在于：该系统包括数据收集模块、数据处理模块、隐私替换模块、关联分析与模型预训练模块、偏差分析模块、模型微调模块和模型部署与应用模块；
10.根据权利要求9所述的一种基于数据分析的项目验收材料评估系统，其特征在于：所述数据收集进行记录时使用关系型数据库PostgreSQL和非关系型数据库MongoDB的组合，对于历史审批数据中的项目的每一个字段使用关系型数据库PostgreSQL进行记录，字段包括可行性研究报告、审批结果、项目预算和建设周期；对于历史数据中的多个项目使用非关系型数据库MongoDB进行记录。
...【技术特征摘要】
1.一种基于数据分析的项目验收材料评估方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于数据分析的项目验收材料评估方法，其特征在于：所述数据收集，具体收集内容包括数据的可行性研究报告、审批结果、项目预算和建设周期。
3.根据权利要求1所述的一种基于数据分析的项目验收材料评估方法，其特征在于：在步骤s2中，使用ai驱动的数据清洗工具处理缺失值和异常值，包括缺失值检测和缺失值填补；
4.根据权利要求1所述的一种基于数据分析的项目验收材料评估方法，其特征在于：在步骤s3中，在所述历史项目数据的可行性研究报告、审批结果、项目预算和建设周期中提取出隐私数据，包括项目供应商信息a1、项目资金信息a2、项目进度安排a3和项目关键技术a4；隐私数据处理的步骤为：
5.根据权利要求4所述的一种基于数据分析的项目验收材料评估方法，其特征在于：在步骤s4中，
6.根据权利要求5所述的一种基于数据分析的项目验收材料评估方法，其特征在于：截距项和误...
【专利技术属性】
技术研发人员：张培丰，张向飞，施文明，宋汝良，周文杰，杨芳丽，
申请(专利权)人：上海市大数据中心，
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。