杭州法在科技有限公司

企业

杭州法在科技有限公司成立于2019年，位于浙江省。所属行业为软件和信息技术服务业。经营范围包括服务：计算机软硬件、计算机信息技术、计算机系统集成、计算机网络技术、工业自动化技术、数据处理技术、互联网技术、电子产品的技术开发、技术服务、技术咨询、成果转让，知识产权代理，企业法务顾问、法务咨询、事务咨询,经济信息咨询（除期货证券），商务信息咨询(除商品中介)，承办会展，设计、制作、代理、发布国内广告。

高新技术企业科技型中小企业小微企业软件和信息技术服务业

成立于 2019 年浙江省shenliang@fa-zai.com

数据集列表

宁波市鄞州区智慧工地考勤预警管理数据

采集宁波市鄞州区范围内考勤信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。最后通过BI工具，按区域工种进行分类统计，利用折线图体现每个地区工种的考勤风险走势情况。推送给班组长、企业、劳务公司、监管部门。（1）数据采集：采集宁波市鄞州区范围内考勤信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。（2）数据处理：首先对采集的考勤数据进行清洗，包括考勤数量为0的或者为null的。然后对数据在时间维度按日，项目维度按企业，区域维度按区域，进行最细级别粒度的聚合。计算得到各工地的考勤确认总数量为X，未确认考勤人数/X=未确认人数在总考勤数中的占比，待处理数为已经采集且并未介入处理数，已处理数为已经开始处理的数量，已完成数为已经确认考勤的数量，超时未处理数为超时未处理数指超过1天未处理数，缺勤考勤人数/X=缺勤考勤人数在总考勤数中的占比，补卡考勤人数/X=补卡考勤人数在总考勤数中的占比。（3）数据分析: 低危风险数=企业待处理数低于总比10%且超时未处理数低于5%，中危风险数=企业待处理数低于总比20%且超时未处理数低于10%，高危风险数=企业待处理数低于总比30%且超时未处理数低于15%。

浙江省数据知识产权登记平台2023-12-16 更新130

宁波鄞州区智慧工地系统合同预警管理数据

采集宁波鄞州区范围内合同信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。最后通过BI工具，按区域工种进行分类统计，利用折线图体现每个地区工种的合同风险走势情况。推送给班组长、企业、劳务公司、监管部门。（1）数据采集：采集宁波鄞州区范围内合同信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。（2）数据处理：首先对采集的合同确认数据进行清洗，包括合同为0的或者为null的。然后对数据在时间维度按年，项目维度按企业，区域维度按区域，进行最细级别粒度的聚合。计算各工地的合同确认总数量，已签署数为已经确认合同的数量，待签署数为未确认合同数量，离职申请中数为已签署合同申请离职中数量，已离职数为已签署合同离职数量，超时未处理数量指合同发起后七天未完成的数量，超时未处理比例=超时未处理数量/总数量，超时未离职数量指提出离职七天未完成数量，超时未离职比例=超时未离职数/已离职数。（3）数据分析: 低风险数=0%<超时未处理比例<5%、0%<超时未离职比例<5%，中风险数=5%<超时未处理比例<10%、5%<超时未离职比例<10%，高风险数=超时未处理比例>10%、超时未离职比例>10%。

浙江省数据知识产权登记平台2023-12-16 更新300

苏州市吴中区智慧工地系统考勤预警管理数据

采集苏州市吴中区范围内考勤信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。最后通过BI工具，按区域工种进行分类统计，利用折线图体现每个地区工种的考勤风险走势情况。推送给班组长、企业、劳务公司、监管部门（1）数据采集：采集苏州市吴中区范围内考勤信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。（2）数据处理：首先对采集的考勤数据进行清洗，包括考勤数量为0的或者为null的。然后对数据在时间维度按日，项目维度按企业，区域维度按区域，进行最细级别粒度的聚合。计算得到各工地的考勤确认总数量为X，未确认考勤人数/X=未确认人数在总考勤数中的占比，待处理数为已经采集且并未介入处理数，已处理数为已经开始处理的数量，已完成数为已经确认考勤的数量，超时未处理数为超时未处理数指超过1天未处理数，缺勤考勤人数/X=缺勤考勤人数在总考勤数中的占比，补卡考勤人数/X=补卡考勤人数在总考勤数中的占比。（3）数据分析: 低危风险数=企业待处理数低于总比10%且超时未处理数低于5%，中危风险数=企业待处理数低于总比20%且超时未处理数低于10%，高危风险数=企业待处理数低于总比30%且超时未处理数低于15%。

浙江省数据知识产权登记平台2023-11-29 更新90

苏州市张家港市智慧工地系统考勤预警数据

采集苏州市张家港市范围内考勤信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。最后通过BI工具，按区域工种进行分类统计，利用折线图体现每个地区工种的考勤风险走势情况。推送给班组长、企业、劳务公司、监管部门。（1）数据采集：采集苏州市张家港市范围内考勤信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。（2）数据处理：首先对采集的考勤数据进行清洗，包括考勤数量为0的或者为null的。然后对数据在时间维度按日，项目维度按企业，区域维度按区域，进行最细级别粒度的聚合。计算得到各工地的考勤确认总数量为X，未确认考勤人数/X=未确认人数在总考勤数中的占比，待处理数为已经采集且并未介入处理数，已处理数为已经开始处理的数量，已完成数为已经确认考勤的数量，超时未处理数为超时未处理数指超过1天未处理数，缺勤考勤人数/X=缺勤考勤人数在总考勤数中的占比，补卡考勤人数/X=补卡考勤人数在总考勤数中的占比。（3）数据分析: 低危风险数=企业待处理数低于总比10%且超时未处理数低于5%，中危风险数=企业待处理数低于总比20%且超时未处理数低于10%，高危风险数=企业待处理数低于总比30%且超时未处理数低于15%。

浙江省数据知识产权登记平台2023-11-29 更新50

苏州常熟市智慧工地系统工资预警管理数据

采集苏州常熟市范围内工资信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。最后通过BI工具，按区域工种进行分类统计，利用折线图体现每个地区工种的工资风险走势情况。推送给班组长、企业、劳务公司、监管部门。（1）数据采集：采集苏州常熟市范围内工资信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。（2）数据处理：首先对采集的工资确认数据进行清洗，包括工资金额为0的或者为null的。然后对数据在时间维度按日，项目维度按企业，区域维度按区域，进行最细级别粒度的聚合。计算得到各工地的工资确认总数量为X，未确认工资人数/X=未确认人数在总工资发放中的占比，待处理数为已经采集且并未介入处理数，已处理数为已经开始处理的数量，已完成数为已经确认工资发放的数量，超时未处理数为超时未处理数指超过1天未处理数，X=待处理数+已处理数+已完成数。（3）数据分析: 低危风险数=企业待处理数低于总比10%且超时未处理数低于5%，中危风险数=企业待处理数低于总比20%且超时未处理数低于10%，高危风险数=企业待处理数低于总比30%且超时未处理数低于15%。

浙江省数据知识产权登记平台2023-11-29 更新80

宁波鄞州区建筑工程项目分析管理数据

采集宁波鄞州区范围内项目工程管理数据通过系统录入和数据抓取的方式采集数据到数据库作为原始数据源。最后通过BI工具，按区域项目进行分类统计，利用折线图体现每个地区的项目工程管理数据风险走势情况。推送给管理人员。（1）采集宁波鄞州区范围内项目工程管理数据通过系统录入和数据抓取的方式采集数据到数据库作为原始数据源。（2）数据处理：首先对采集的企业数据进行清洗，包括项目总数量为0的或者为null的。然后对数据在项目维度按企业，区域维度按区域，进行最细级别粒度的聚合。计算得到各企业的项目总数量为X，项目总额为所有项目总金额，立项审批数为已立项审批数量，立项审批占比为立项审批数/X；招投标数为已招投标项目数量，招投标占比为招投标数/X；签署合同数为已签署合同项目数量，签署合同占比为签署合同数/X；施工/供货数为已施工/供货数项目数量，施工/供货占比为施工/供货数/X；竣工验收数为已竣工验收项目数量，竣工验收占比为竣工验收数/X；质保维护数为已质保维护项目数量，质保维护占比为质保维护数/X；立项超时数为已立项超时项目数量，立项超时占比为立项超时数/X；招投标超时数为已招投标超时项目数量，招投标超时占比为招投标超时数/X；签署合同超时数为已签署合同超时项目数量，签署合同超时占比为签署合同超时数/X；竣工验收超时数为已竣工验收超时项目数量，竣工验收超时占比为竣工验收超时数/X；

浙江省数据知识产权登记平台2023-12-16 更新80

宁波市鄞州区智慧工地系统工资预警管理数据

采集宁波市鄞州区范围内工资信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。最后通过BI工具，按区域工种进行分类统计，利用折线图体现每个地区工种的工资风险走势情况。推送给班组长、企业、劳务公司、监管部门。（1）数据采集：采集宁波市鄞州区范围内工资信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。（2）数据处理：首先对采集的工资确认数据进行清洗，包括工资金额为0的或者为null的。然后对数据在时间维度按日，项目维度按企业，区域维度按区域，进行最细级别粒度的聚合。计算得到各工地的工资确认总数量为X，未确认工资人数/X=未确认人数在总工资发放中的占比，待处理数为已经采集且并未介入处理数，已处理数为已经开始处理的数量，已完成数为已经确认工资发放的数量，超时未处理数为超时未处理数指超过1天未处理数，X=待处理数+已处理数+已完成数。（3）数据分析: 低危风险数=企业待处理数低于总比10%且超时未处理数低于5%，中危风险数=企业待处理数低于总比20%且超时未处理数低于10%，高危风险数=企业待处理数低于总比30%且超时未处理数低于15%。

浙江省数据知识产权登记平台2023-12-07 更新40

苏州市相城区智慧工地系统考勤预警管理数据

采集苏州市相城区范围内考勤信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。最后通过BI工具，按区域工种进行分类统计，利用折线图体现每个地区工种的考勤风险走势情况。推送给班组长、企业、劳务公司、监管部门。（1）数据采集：采集苏州市相城区县范围内考勤信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。（2）数据处理：首先对采集的考勤数据进行清洗，包括考勤数量为0的或者为null的。然后对数据在时间维度按日，项目维度按企业，区域维度按区域，进行最细级别粒度的聚合。计算得到各工地的考勤确认总数量为X，未确认考勤人数/X=未确认人数在总考勤数中的占比，待处理数为已经采集且并未介入处理数，已处理数为已经开始处理的数量，已完成数为已经确认考勤的数量，超时未处理数为超时未处理数指超过1天未处理数，缺勤考勤人数/X=缺勤考勤人数在总考勤数中的占比，补卡考勤人数/X=补卡考勤人数在总考勤数中的占比。（3）数据分析: 低危风险数=企业待处理数低于总比10%且超时未处理数低于5%，中危风险数=企业待处理数低于总比20%且超时未处理数低于10%，高危风险数=企业待处理数低于总比30%且超时未处理数低于15%。

浙江省数据知识产权登记平台2023-11-29 更新170

苏州姑苏区智慧工地系统工资预警管理数据

采集苏州姑苏区范围内工资信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。最后通过BI工具，按区域工种进行分类统计，利用折线图体现每个地区工种的工资风险走势情况。推送给班组长、企业、劳务公司、监管部门。（1）数据采集：采集苏州姑苏区范围内工资信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。（2）数据处理：首先对采集的工资确认数据进行清洗，包括工资金额为0的或者为null的。然后对数据在时间维度按日，项目维度按企业，区域维度按区域，进行最细级别粒度的聚合。计算得到各工地的工资确认总数量为X，未确认工资人数/X=未确认人数在总工资发放中的占比，待处理数为已经采集且并未介入处理数，已处理数为已经开始处理的数量，已完成数为已经确认工资发放的数量，超时未处理数为超时未处理数指超过1天未处理数，X=待处理数+已处理数+已完成数。（3）数据分析: 低危风险数=企业待处理数低于总比10%且超时未处理数低于5%，中危风险数=企业待处理数低于总比20%且超时未处理数低于10%，高危风险数=企业待处理数低于总比30%且超时未处理数低于15%。

浙江省数据知识产权登记平台2023-11-29 更新170

苏州市太仓市智慧工地系统考勤预警管理数据

采集苏州市太仓市范围内考勤信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。最后通过BI工具，按区域工种进行分类统计，利用折线图体现每个地区工种的考勤风险走势情况。推送给班组长、企业、劳务公司、监管部门。（1）数据采集：采集苏州市太仓市范围内考勤信息线下通过设备和手动录入的方式采集数据到数据库作为原始数据源。（2）数据处理：首先对采集的考勤数据进行清洗，包括考勤数量为0的或者为null的。然后对数据在时间维度按日，项目维度按企业，区域维度按区域，进行最细级别粒度的聚合。计算得到各工地的考勤确认总数量为X，未确认考勤人数/X=未确认人数在总考勤数中的占比，待处理数为已经采集且并未介入处理数，已处理数为已经开始处理的数量，已完成数为已经确认考勤的数量，超时未处理数为超时未处理数指超过1天未处理数，缺勤考勤人数/X=缺勤考勤人数在总考勤数中的占比，补卡考勤人数/X=补卡考勤人数在总考勤数中的占比。（3）数据分析: 低危风险数=企业待处理数低于总比10%且超时未处理数低于5%，中危风险数=企业待处理数低于总比20%且超时未处理数低于10%，高危风险数=企业待处理数低于总比30%且超时未处理数低于15%。

浙江省数据知识产权登记平台2023-11-29 更新130