随着大数据技术的发展,企业的创建、生产和经营活动的全过程数据都得以记录。如何利用海量的企业数据,挖掘出有价值的企业信息,是企业经营者、政府机构、投资人等共同关心的问题。本文针对医药制造业A股上市公司,从多渠道收集企业数据,根据行业和企业特点建立企业评级指标进行企业画像,并在此基础上开展企业营业收入预测的研究。主要的工作内容如下:（1）首先设计企业画像框架,并将营收预测作为应用层融入设计框架中。随后确定企业画像评价维度和对应的评价指标,针对医药制造业和上市企业特点,引入创新能力和股民信心维度,结合财务类四个维度,共构建六个评价维度。利用自动化测试工具Selenium爬取网络数据,结合数据库资源,收集了235家企业的多维度数据。其中引入的股民信心维度的指标通过判别股民意见文本的情感倾向性获得。论文训练了一个朴素贝叶斯分类器实现该指标的自动计算。计算和汇总企业各评价指标值后,利用K均值聚类方法,在各个维度为企业分配了1-4级评级标签,进行企业画像。（2）选择时间跨度为42个季度的医药制造企业历史财务数据和股票行情数据,进行企业营收一步预测。经过数据收集、预处理后获得157家医药制造企业数据。本文对比了随机森林、XGBoost、LSTM和GRU模型在数据集上的预测性能,随机森林具有更好的预测效果。基于随机森林模型开展特征工程,构建了包括医药制造企业财务类评价指标和宏观数据的特征,并利用网格搜索法对随机森林模型的超参数进行了调整,进一步优化了模型的预测效果。本文研究企业画像是对有效利用企业数据的探索,结合企业营收预测,能够刻画企业未来发展趋势,丰富企业画像的研究内容,提升企业画像的应用价值。