(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211178701.5 (22)申请日 2022.09.27 (71)申请人 河南凌创信息科技有限公司 地址 450000 河南省郑州市高新 技术产业 开发区长椿 路11号国家大学科技园孵 化园区1号 南配楼102号 (72)发明人 李昌远　 (74)专利代理 机构 郑州大豫知识产权代理事务 所(普通合伙) 41214 专利代理师 靳鹏超 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种用于变革企业的多参量评估方法及系 统 (57)摘要 本发明属于企业变革管 理技术领域， 公开了 一种用于变革企业的多参量评估 方法及系统， 所 述方法包括： S1、 分别获取与企业的外部环境相 对应的数据指标， 与企业的内部战略制定相对应 的数据指标， 以及与企业的内部组织结构相对应 的数据指标； S2、 基于获取到的多种数据指标， 构 建并训练用来对企业的变革时机进行定量预测 的神经网络模型； S3、 将企业的多种数据指标输 入上述的神经网络模型， 神经网络模 型输出对于 企业变革的预测结果， 并且依据该预测结果来判 定适合企业变革的时机， 本发明从多维度出发对 企业的变革时机进行考量， 并且 具体通过神经网 络模型对于企业变革的结果进行准确预测， 最终 能够帮助企业选准变革的时机， 避免造成企业损 失。 权利要求书2页 说明书6页 附图2页 CN 115545446 A 2022.12.30 CN 115545446 A 1.一种用于变革企业的多参 量评估方法， 其特 征在于， 包括如下步骤： S1、 分别获取与企业的外部环境相对应的数据指标， 与企业的内部战略制定相对应的 数据指标， 以及与企业的内部组织结构相对应的数据指标； S2、 基于获取到的多种数据指标， 构建并训练用来对企业的变革时机进行预测的神经 网络模型； S3、 将企业的多种数据指标输入上述的神经网络模型， 神经网络模型输出对于企业变 革的预测结果， 并且依据该 预测结果 来判定适 合企业变革的时机 。 2.根据权利要求1所述的一种用于变革企业的多参量评估方法， 其特征在于， S1中的与 企业的外 部环境相对应的数据指标， 具体包括： 企业的外 部环境的动态性； 企业的外 部环境的复杂性； 企业的外 部环境的严峻性。 3.根据权利要求1所述的一种用于变革企业的多参量评估方法， 其特征在于， S1中的与 企业的内部战略制定相对应的数据指标， 具体包括： 企业的内部战略制定的前瞻性； 企业的内部战略制定的经验性； 企业的内部战略制定的综合 性； 企业的内部战略制定的适应性； 企业的内部战略制定的深入性。 4.根据权利要求1所述的一种用于变革企业的多参量评估方法， 其特征在于， S1中的与 企业的内部组织结构相对应的数据指标， 具体包括： 企业的内部组织结构的环境敏感性； 企业的内部组织结构的团结性； 企业的内部组织结构的控制性； 企业的内部组织结构的专业 性。 5.根据权利要求1所述的一种用于变革企业的多参量评估方法， 其特征在于， S2中的构 建并训练用来对企业的变革时机进行 预测的神经网络模型， 具体包括如下步骤： S21、 根据获取到的与企业外部环境、 内部战略制定， 及内部组织结构相对应的数据指 标的个数来确定神经网络模型的输入层的神经元个数， 将神经网络模型的输出层的神经元 个数设为1， 并基于输入层和输出层的神经元个数， 通过使用如下的公 式计算神经网络模型 的隐含层的神经 元个数： 其中， N为隐含层的神经元个 数， k为输入层的神经元个数， m为输 出层的 神经元个数， c为大于 0的常数； S22、 依据输入层的神经元个数， 输出层的神经元个数， 及隐含层的神经元个数， 搭建包 含二层隐含层的神经网络模型， 并两两连接位于模型不同层的神经元， 在每两个神经元 的 连接关系上设置一个连接 权重； S23、 构建神经网络模型的训练数据集， 该训练数据集中包括与多家企业的外部环境、 内部战略制定、 内部组织结构相对应的数据指标的得分情况， 以及每家企业的变革结果；权　利　要　求　书 1/2 页 2 CN 115545446 A 2S24、 使用随机数法初始化神经网络模型的连接权重， 并将训练数据集中的数据提供给 输入层神经元， 模型的神经元逐层将数据前传， 直到产生输出层的结果， 同时计算输出结果 的误差， 再将误差逆向传播至隐层神经元， 根据隐层神经元 的误差对模型 的连接权重进行 调整。 6.根据权利要求5所述的一种用于变革企业的多参量评估方法， 其特征在于， S23中构 建神经网络模型的训练数据集的过程， 具体包括如下步骤： S231、 选取多家具有广泛代表性的企业， 并从中随机选择若干家企业用来建立原始样 例集， 还将其 余的若干家企业用来建立检验样例集； S232、 对于原始样例集， 通过专家评分的方式获取与每家 企业的外部环境、 内部战略制 定、 内部组织结构相对应的多个数据指标的得分， 还获取每家企业所 取得的变革结果； S233、 根据每家企业所取得的变革结果的不同， 将原始样例集划分为变革成功的原始 样例集和变革失败的原始样例集， 并对不同组的原始样例集分别进行聚类处理， 同时还统 计出不同聚类结果中包 含的企业的多个数据指标的得分范围； S234、 对于检验样例集， 通过与原始样例集相同的方法获取与每家企业的外部环境、 内 部战略制定、 内部组织结构相对应的多个数据指标 的得分， 并按照上步中得到的聚类结果 获取对于企业变革的判断结果， 还从原始样例集中剔除与该判断结果不一致的聚类结果， 进而由经剔除后的原 始样例集组成神经网络模型的训练数据集。 7.一种用于变革企业的多参量评估系统， 用于实现如权利要求1 ‑6任一项所述的方法， 其特征在于， 包括如下的模块： 第一模块， 用于分别获取并存储与企业的外部环境相对应的数据指标， 与企业的内部 战略制定相对应的数据指标， 以及与企业的内部组织结构相对应的数据指标； 第二模块， 用于依据上述的第一模块中存储的多种数据指标， 构建并训练用来对企业 的变革时机进行 预测的神经网络模型； 第三模块， 用于将企业的多种数据指标输入上述的第二模块中的神经网络模型， 神经 网络模型输出对于企业变革的预测结果， 并且依据该 预测结果判定适 合企业变革的时机 。权　利　要　求　书 2/2 页 3 CN 115545446 A 3