(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 202210756666.4 (22)申请日 2022.06.30 (71)申请人 汇通达网络股份有限公司 地址 210000 江苏省南京市玄武区钟灵街 50号汇通达大厦 (72)发明人 刘德利　郭靖　 (74)专利代理 机构 北京卓恒知识产权代理事务 所(特殊普通 合伙) 11394 专利代理师 龙世和 (51)Int.Cl. G06Q 10/06(2012.01) G06F 30/20(2020.01) (54)发明名称 一种基于数字孪生技术的企业销售业务分 析管理系统 (57)摘要 本发明提供了一种基于数字孪生技术的企 业销售业务 分析管理系统， 涉及销售业务分析技 术领域。 本申请中， 根据销售业绩较差的历史数 据采用相关性分析进行数据关系挖掘处理， 构建 销售业绩与各影响因素之间的函数关系构建销 售劣势模型， 并基于销售劣势模 型构建虚拟的数 字孪生模型， 构建物理场景与虚拟数字孪生模型 之间的交互和映射， 根据物理场景中传感器实时 采集的数据训练数字孪生模型， 得到训练后的数 字孪生模型。 基于训练后的数字孪生模型， 将实 时数据作为输入值， 可以实时输出销售劣势模 型， 便于对销售业务进行分析， 提高销售业务分 析管理系统的响应 速率和准确度。 权利要求书3页 说明书10页 附图2页 CN 114819777 A 2022.07.29 CN 114819777 A 1.一种基于数字 孪生技术的企业销售业 务分析管理系统， 其特 征在于， 包括： 获取销售的历史数据和实时数据； 基于相关性分析对所述历史数据进行数据关系挖掘处理， 构建销售劣势模型， 所述销 售劣势模型为业绩等级低于第一预设阈值的销售模型， 所述业绩等级 是基于所述历史数据 评估的考核等级； 所述第一预设阈值是自定义的区分销售业 务好坏的最大临界值； 利用所述销售劣势模型和所述实时数据， 对数字孪生模型进行训练， 得到训练后的所 述数字孪生模型； 基于训练后的所述数字 孪生模型和所述实时数据， 对企业销售业 务进行分析。 2.根据权利要求1所述的基于数字孪生技术的企业销售业务分析管理系统， 其特征在 于， 所述基于相关性分析对所述历史数据进行数据关系挖掘处理， 构建销售劣势模型， 包 括： 根据所述历史数据， 筛 选出低于所述第一预设阈值的待分析 数据； 基于同一所述业绩等级对应的所述待分析数据分别确定第一时间序列和第二时间序 列， 所述第一时间序列是基于所述待分析数据中销售业绩为因变量的序列； 所述第二时间 序列是影响所述第一时间序列的自变量的序列； 基于均值转换法分别对所述第 一时间序列和所述第 二时间序列计算， 得到更新后的所 述第一时间序列和更新后的所述第二时间序列； 基于更新后的所述第 一时间序列和每个更新后的所述第 二时间序列分别计算， 得到关 系系数； 基于每个所述关系 系数计算， 得到关联度； 基于所有的所述关联度和第二预设阈值， 确定关联指标； 所述第二预设阈值为自定义 的最小临界筛 选值； 基于所述关联指标和所述 业绩等级， 构建销售劣势模型。 3.根据权利要求2所述的基于数字孪生技术的企业销售业务分析管理系统， 其特征在 于， 所述基于所有的所述关联度和第二预设阈值， 确定关联指标之后还 包括： 基于所有的所述关联指标， 建立相关矩阵； 基于所述相关矩阵计算特 征值和所述特 征值对应的特 征向量； 基于所述特征值计算， 得到第一参数和第二参数， 所述第一参数为主成分的信息贡献 率， 所述第二 参数为所述主成分的累计贡献率； 基于所述特 征向量和所述相关矩阵计算， 得到第三 参数， 所述第三 参数为主成分矩阵； 基于所述第一 参数、 所述第二 参数和所述第三 参数分析， 确定更新后的所述关联指标。 4.根据权利要求2所述的基于数字孪生技术的企业销售业务分析管理系统， 其特征在 于， 基于所述关联指标和所述 业绩等级， 构建销售劣势模型包括： 基于每个所述关联指标进行归一 化预处理， 得到预处 理数值； 基于所述预处理数值和所述业绩等级， 对生成对抗网络模型的生成器模型和判别器模 型分别进行轮流交替训练， 将所述预处理数值作为所述生成器模型 的输入值， 得到生成数 据； 然后将所述生成数据和所述业绩等级作为所述判别器模型 的输入值， 利用所述判别器 模型反馈的损失值和残差值进行权重更新， 最小化所述残差值和所述损失值， 得到所述销 售劣势模型， 所述残差值 为所述预处 理数值与所述 生成数据之间的分布 距离。权　利　要　求　书 1/3 页 2 CN 114819777 A 25.根据权利要求4所述的基于数字孪生技术的企业销售业务分析管理系统， 其特征在 于， 所述残差值的计算方法包括： 基于所述预处理数值， 得到第一样本分布， 所述第一样本分布为所述关联指标之间的 真实分布概 率； 基于所述生成数据， 得到第二样本分布， 所述第二样本分布为所述关联指标对应生成 的假的分布概 率； 基于所述第一样本分布和所述第二样本分布， 得到第三样本分布， 所述第三样本分布 是所述第一样本分布和所述第二样本分布的所有可能的联合分布的集 合； 基于所述第一样本分布、 所述第二样本分布和所述第三样本分布计算Wasserstein距 离， 得到所述残差值。 6.根据权利要求1所述的基于数字孪生技术的企业销售业务分析管理系统， 其特征在 于， 所述获取销售的历史数据和实时数据之后包括： 基于所述历史数据或所述实时数据对各因素进行分析， 并建立层次结构模型； 基于所述层次结构模型， 逐层对所述因素的重要性进行比较， 构造判别矩阵； 基于所述判别矩阵分别计算特 征向量和最大 特征值； 基于所述 最大特征值计算， 得到一 致性指标； 在满足所述一致性指标的情况下， 基于所述特征向量和所述最大特征值对每个层次的 所述因素进行排序， 得到因素排序模型。 7.根据权利要求6所述的基于数字孪生技术的企业销售业务分析管理系统， 其特征在 于， 基于所述判别矩阵分别计算特 征向量和最大 特征值包括： 基于所述判别矩阵按列向量进行归一 化处理， 得到正 规化矩阵； 基于所述 正规化矩阵按行相加， 得到特 征向量； 基于所述特 征向量计算所述 最大特征值。 8.根据权利要求2所述的基于数字孪生技术的企业销售业务分析管理系统， 其特征在 于， 利用所述销售劣势模型和所述 实时数据， 对数字孪生模型进 行训练， 得到训练后的所述 数字孪生模型包括： 基于所述销售劣势模型， 在虚拟空间构建数字 孪生模型； 将所述实时数据分别 输入所述销售劣势模型和所述数字孪生模型中计算， 分别得到物 理数据和仿真数据； 基于所述物理数据和所述仿真数据计算， 得到 差异值； 基于所述差异值更新所述数字孪生模型的各项参数， 得到训练后的所述数字孪生模 型。 9.根据权利要求8所述的基于数字孪生技术的企业销售业务分析管理系统， 其特征在 于， 所述基于训练后的所述数字孪生模型和所述实时数据， 对企业销售业务进行分析， 包 括： 基于训练后的所述数字孪生模型的输出结果进行逐步回归分析， 筛选出显著影响参 数， 所述显著影响参数 是对所述 业绩等级具有显著影响的因素； 基于所述显著影响参数利用多元线性回归分析法计算， 得到回归函数， 所述回归函数 是描述所述显著影响参数和所述 业绩等级关系的函数；权　利　要　求　书 2/3 页 3 CN 114819777 A 3