一种用于变革企业的多参量评估方法及系统与流程

1.本发明属于企业变革管理技术领域，具体涉及一种用于变革企业的多参量评估方法及系统。

背景技术：

2.随着企业外部环境的不断变化，以及企业内部的发展战略和组织结构的不断调整，企业面临的复杂性因素和不确定性因素随之增多，企业变革也变得越来越频繁，但是在日益复杂多变的市场环境中，盲目地连续进行企业变革，不仅会消耗企业内部有限的资源，而且会容易造成企业工作人员内心的安全感和归属感的不同程度的降低，不利于企业的持续健康发展，因此企业在准备进行变革时，选准合适的变革时机是十分重要的，然而在现有技术中，缺少一种用于变革企业的多参量评估方法，以用来通过定量的方式确定企业变革的准确时机。

技术实现要素：

3.针对上述提出的技术问题，本发明提供一种用于变革企业的多参量评估方法及系统，旨在通过一种定量的方式来确定适合企业开展变革的时机，本发明从与企业外部环境、内部战略制定，及内部组织结构相对应的多个数据指标出发，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，通过神经网络模型输出对于企业变革的预测结果，进而根据该预测结果选准企业变革的时机。
4.为了实现上述的发明目的，给出如下所述的一种用于变革企业的多参量评估方法，具体通过以下的步骤来实现：
5.步骤一、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；
6.步骤二、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；
7.步骤三、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。
8.作为一种优选的技术方案，上述的步骤二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，具体还包括如下步骤：
9.第一步、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：
10.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；
11.第二步、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；
12.第三步、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；
13.第四步、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。
14.与现有技术相比，本发明的有益效果至少如下所述：
15.本发明的一种用于变革企业的多参量评估方法，首先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，其次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，最后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，最终能够帮助企业选准变革的时机，避免造成企业损失。
附图说明
16.图1为本发明的一种用于变革企业的多参量评估方法的步骤流程图；
17.图2为本发明的构建并训练神经网络模型的步骤流程图；
18.图3为本发明的建立神经网络模型的训练数据集的步骤流程图；
19.图4为本发明的一种用于变革企业的多参量评估系统的组成结构图。
具体实施方式
20.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
21.可以理解，本技术所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本技术的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。
22.参考如图1所示，本发明提供一种用于变革企业的多参量评估方法，具体通过执行如下的步骤来实现：
23.步骤一、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。
24.步骤二、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。
25.步骤三、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。
26.在步骤一中，发明人考虑到不存在一种普遍适用的企业的运行模式，企业必须保持其外部环境、内部组织结构，和内部战略制定的动态适应，才能使企业长久持续的发展，企业变革是实现企业的外部环境、内部组织结构、内部战略制定的动态适应的根本手段，但是人们最难把握的是进行企业变革的时机，而目前的理论界和企业界对于变革时机的判定，往往缺乏精确的分析和定量的研究，国内外现有的企业变革理论仍未有效解决这一问题，关于企业变革时机的分析方法往往过于笼统，同时还缺乏一定的普遍性，一般企业较难对号入座，由此，发明人提出一种用于变革企业的多参量评估方法，首先获取与企业的外部环境、内部组织结构、内部战略制定相对应的数据指标，接着利用神经网络模型在拟合历史数据以及对未来做短期预测方面具有精度很高的优势，来对企业变革的时机进行准确的判定。
27.进一步的，上述的步骤一中的与企业的外部环境相对应的数据指标，具体包括：
28.企业的外部环境的动态性；
29.企业的外部环境的复杂性；
30.企业的外部环境的严峻性。
31.具体的，上述的动态性、复杂性，及严峻性用来对企业所处的外部环境的状况进行描述，企业所处的外部环境包括社会上的政策、技术、经济等因素，其中，政策指的是国家的方针政策和法令法规，以及国内外政治形势的发展状况，技术指的是与企业的业务有关的科学技术的发展水平和发展趋势，经济指的是企业所在的行业在经济发展中的地位以及企业拥有的直接市场，在本实施例中，通过专家评分的方法来得到关于企业的外部环境的动态性、复杂性，以及严峻性的数据指标，且不对专家评分方法的具体内容进行限定。
32.进一步的，上述的步骤一中的与企业的内部战略制定相对应的数据指标，具体包括：
33.企业的内部战略制定的前瞻性；
34.企业的内部战略制定的经验性；
35.企业的内部战略制定的综合性；
36.企业的内部战略制定的适应性；
37.企业的内部战略制定的深入性。
38.具体的，上述的前瞻性指的是企业在设计企业战略和操作运行时对未来的考察程度，上述的经验性是用来考察高层管理者对于企业外部环境和企业内部运行的熟谙程度，上述的综合性指的是高层管理者在制定企业的战略决策时是否考虑到广范围的因素，上述的适应性指的是企业决策对外部环境条件的反应和适应程度，上述的深入性指的是企业决策是在深思熟虑和商议之后才得到的，而不是对问题的直觉反应，在本实施例中，通过专家评分的方法来得到关于企业的内部战略制定的前瞻性、经验性、综合性、适应性，以及深入性的数据指标，且不对专家评分方法的具体内容进行限定。
39.进一步的，上述的步骤一中的与企业的内部组织结构相对应的数据指标，具体包括：
40.企业的内部组织结构的环境敏感性；
41.企业的内部组织结构的团结性；
42.企业的内部组织结构的控制性；
43.企业的内部组织结构的专业性。
44.具体的，上述的环境敏感性指的是企业对外部环境存在的问题和机遇的敏感程度，上述的团结性是用来衡量企业的上级管理成员之间是否存在矛盾和敌对的情绪，上述的控制性指的是企业团队对于与企业业绩相关的内部趋势和事件的控制力的大小，上述的专业性指的是企业的专家和专业技术人员占据员工的相当比例，在本实施例中，通过专家评分的方法来得到关于企业的内部组织结构的环境敏感性、团结性、控制性，以及专业性的数据指标，且不对专家评分方法的具体内容进行限定。
45.进一步的，参考如图2所示，上述的步骤二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，具体还包括如下步骤：
46.第一步、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：
47.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。
48.第二步、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。
49.第三步、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。
50.第四步、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。
51.具体的，在通过上述的第四步对神经网络模型进行训练时，重复执行该步骤，直到该神经网络模型的输出层的结果误差小于系统预先设定的误差阈值，当系统完成对该神经网络模型的训练之后，也就是该神经网络模型已经学到了关于企业的外部环境、内部战略制定，和内部组织结构的数据指标，与企业进行变革所取得结果之间的内在联系，因此，在后续步骤中将与企业的外部环境、内部战略制定，和内部组织结构相对应的数据指标输入到训练好的神经网络模型，神经网络模型能够输出对于企业变革的预测结果。
52.进一步的，参考如图3所示，在上述的第三步中构建神经网络模型的训练数据集的过程，具体还包括如下步骤：
53.第一步、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。
54.第二步、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。
55.第三步、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。
56.第四步、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。
57.具体的，在构建神经网络模型的训练数据集的过程中，首先选定具有广泛代表性的多家企业作为基础来建立原始样例集和检验样例集，然后获取原始样例集中的企业的多个数据指标，以及企业的真实的变革结果，接着根据原始样例集中的企业所取得的变革结果的不同，对其中的样例数据进行聚类处理，最后使用检验样例集中的样例数据对聚类处理的结果进行验证，并从中去除掉错误的聚类结果，从而生成对神经网络模型进行训练的数据集，进而使神经网络模型能够正确习得关于企业的外部环境、内部战略制定，和内部组织结构的数据指标与企业进行变革所取得结果之间的内在联系。
58.进一步的，企业依据神经网络模型的预测结果来判定适合企业变革的时机的过程，具体包括当神经网络模型输出企业变革的结果是成功时，企业即可选择在此时进行变革，当神经网络模型输出企业变革的结果是失败时，即意味着企业变革的时机还未到来，此时，企业可以对与企业的外部环境、内部战略制定，和内部组织结构相对应的数据指标进行调节，并使用神经网络模型再次对企业的变革结果进行预测，直到神经网络模型输出企业变革的结果是成功。
59.参考如图4所示，本发明还提供一种用于变革企业的多参量评估系统，用来实现上述内容所描述的一种用于变革企业的多参量评估方法，具体包括如下的模块：
60.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。
61.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。
62.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。
63.应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
64.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一个非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失
性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
65.以上上述的实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
66.以上上述的实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
67.以上上述的仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：

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；
s24、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。

技术总结

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。失。失。