CN110310153A - 一种交易预测方法及装置 - Google Patents
一种交易预测方法及装置 Download PDFInfo
- Publication number
- CN110310153A CN110310153A CN201910529316.2A CN201910529316A CN110310153A CN 110310153 A CN110310153 A CN 110310153A CN 201910529316 A CN201910529316 A CN 201910529316A CN 110310153 A CN110310153 A CN 110310153A
- Authority
- CN
- China
- Prior art keywords
- trade company
- aggregation zone
- transaction
- target
- aggregation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004220 aggregation Methods 0.000 claims abstract description 312
- 230000002776 aggregation Effects 0.000 claims abstract description 312
- 238000012216 screening Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 13
- 238000009825 accumulation Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 19
- 238000012549 training Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000005484 gravity Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种交易预测方法及装置，该方法适用于业务过程优化，该方法包括：获取目标业务员所属的目标城市，并获取该目标城市中的多个商户聚集区域，再获取该各个商户聚集区域的商户数据，并获取该各个商户聚集区域在第一时间段内的历史交易数据，将该各个商户聚集区域的商户数据以及在该第一时间段内的历史交易数据输入交易预测模型，并基于该交易预测模型获取各个商户聚集区域在第二时间段内的预测交易数量，根据该各个商户聚集区域在该第二时间段内的预测交易数量，从该各个商户聚集区域中确定出至少一个目标商户聚集区域。采用本申请实施例，可以预测出交易需求量大的商户聚集区域。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种交易预测方法及装置。
背景技术
目前，市场业务员在拓展市场、开展业务时，通常都是在城市内盲目地开展业务。那么这就可能出现业务员不了解某个区域的业务需求情况，而导致业务员频繁去一个没有业务需求或业务需求量小的区域拓展业务的情况，使得业务员的业务拓展困难，且没有目的性。
发明内容
本申请实施例提供一种交易预测方法，可以预测出交易需求量大的商户聚集区域，以便于辅助业务员开展业务，提高开展业务的针对性。
第一方面，本申请实施例提供了一种交易预测方法，该方法包括：
获取目标业务员所属的目标城市，并获取该目标城市中的多个商户聚集区域，一个商户聚集区域包括一个或多个商户；
获取该多个商户聚集区域中各个商户聚集区域的商户数据，并获取该各个商户聚集区域在第一时间段内的历史交易数据；
将该各个商户聚集区域的商户数据以及在该第一时间段内的历史交易数据输入交易预测模型，并基于该交易预测模型获取各个商户聚集区域在第二时间段内的预测交易数量；
根据该各个商户聚集区域在该第二时间段内的预测交易数量，从该各个商户聚集区域中确定出至少一个目标商户聚集区域，该目标商户聚集区域在该第二时间段内的预测交易数量大于交易数量阈值。
结合第一方面，在一种可能的实施方式中，获取该各个商户聚集区域在第一时间段内的历史交易数据，包括：从该目标城市的交易数据库中获取第一时间段内的交易记录，该交易记录中包括交易位置；根据该第一时间段内的交易记录以及各条交易记录中的交易位置，统计该各个商户聚集区域内的交易记录，并根据该各个商户聚集区域内的交易记录确定该各个商户聚集区域的历史交易数据。
结合第一方面，在一种可能的实施方式中，根据该各个商户聚集区域在该第二时间段内的预测交易数量，从该各个商户聚集区域中确定出至少一个目标商户聚集区域，包括：
获取预设的筛选百分比，并获取该目标城市的商户聚集区域个数与该筛选百分比的乘积取整后所得的筛选值；根据该筛选值以及该各个商户聚集区域在该第二时间段内的预测交易数量，确定出交易数量阈值；将该各个商户聚集区域中预测交易数量大于该交易数量阈值的商户聚集区域确定为目标商户聚集区域，得到至少一个目标商户聚集区域。
结合第一方面，在一种可能的实施方式中，从该各个商户聚集区域中确定出至少一个目标商户聚集区域之后，该方法还包括：在该目标业务员对应的终端上输出该至少一个目标商户聚集区域。
结合第一方面，在一种可能的实施方式中，在该目标业务员对应的终端上输出该至少一个目标商户聚集区域，包括：获取该至少一个目标商户聚集区域中各个目标商户聚集区域的中心位置；在该目标城市的城市地图上标注该各个目标商户聚集区域的中心位置，并在该目标业务员对应的终端上输出标注后的城市地图。
结合第一方面，在一种可能的实施方式中，在该目标业务员对应的终端上输出该至少一个目标商户聚集区域之后，该方法还包括：获取该目标业务员当前所在的起始地理位置，并将该目标业务员从该至少一个目标商户聚集区域中选中的目标商户聚集区域的中心位置确定为终点地理位置；输出从该起始地理位置到该终点地理位置之间的至少一条导航路线。
结合第一方面，在一种可能的实施方式中，获取目标业务员所属的目标城市，包括：接收目标业务员输入的登录信息，并从该登录信息中提取出该目标业务员的身份标识；从业务员信息数据库中获取该目标业务员的身份标识对应的目标城市。
第二方面，本申请实施例提供了一种交易预测装置，该装置包括：
第一获取模块，用于获取目标业务员所属的目标城市，并获取该目标城市中的多个商户聚集区域，一个商户聚集区域包括一个或多个商户；
第二获取模块，用于获取该多个商户聚集区域中各个商户聚集区域的商户数据，并获取该各个商户聚集区域在第一时间段内的历史交易数据；
第三获取模块，用于将该各个商户聚集区域的商户数据以及在该第一时间段内的历史交易数据输入交易预测模型，并基于该交易预测模型获取各个商户聚集区域在第二时间段内的预测交易数量；
第一确定模块，用于根据该各个商户聚集区域在该第二时间段内的预测交易数量，从该各个商户聚集区域中确定出至少一个目标商户聚集区域，该目标商户聚集区域在该第二时间段内的预测交易数量大于交易数量阈值。
结合第二方面，在一种可能的实施方式中，上述第二获取模块包括第一获取单元和第二获取单元，该第一获取单元用于获取该多个商户聚集区域中各个商户聚集区域的商户数据；该第二获取单元用于获取该各个商户聚集区域在第一时间段内的历史交易数据。其中，该第二获取单元具体用于：从该目标城市的交易数据库中获取第一时间段内的交易记录，该交易记录中包括交易位置；根据该第一时间段内的交易记录以及各条交易记录中的交易位置，统计该各个商户聚集区域内的交易记录，并根据该各个商户聚集区域内的交易记录确定该各个商户聚集区域的历史交易数据。
结合第二方面，在一种可能的实施方式中，上述第一确定模块具体用于：获取预设的筛选百分比，并获取该目标城市的商户聚集区域个数与该筛选百分比的乘积取整后所得的筛选值；根据该筛选值以及该各个商户聚集区域在该第二时间段内的预测交易数量，确定出交易数量阈值；将该各个商户聚集区域中预测交易数量大于该交易数量阈值的商户聚集区域确定为目标商户聚集区域，得到至少一个目标商户聚集区域。
结合第二方面，在一种可能的实施方式中，该装置还包括输出模块，用于从该各个商户聚集区域中确定出至少一个目标商户聚集区域之后，在该目标业务员对应的终端上输出该至少一个目标商户聚集区域。
结合第二方面，在一种可能的实施方式中，该输出模块具体用于：获取该至少一个目标商户聚集区域中各个目标商户聚集区域的中心位置；在该目标城市的城市地图上标注该各个目标商户聚集区域的中心位置，并在该目标业务员对应的终端上输出标注后的城市地图。
结合第二方面，在一种可能的实施方式中，该装置还包括第二确定模块，用于获取该目标业务员当前所在的起始地理位置，并将该目标业务员从该至少一个目标商户聚集区域中选中的目标商户聚集区域的中心位置确定为终点地理位置；上述输出模块，还用于输出从该起始地理位置到该终点地理位置之间的至少一条导航路线。
结合第二方面，在一种可能的实施方式中，上述第一获取模块包括第三获取单元和第四获取单元，该第三获取单元用于获取目标业务员所属的目标城市；该第四获取单元用于获取该目标城市中的多个商户聚集区域。该第三获取单元具体用于接收目标业务员输入的登录信息，并从该登录信息中提取出该目标业务员的身份标识；从业务员信息数据库中获取该目标业务员的身份标识对应的目标城市。
第三方面，本申请实施例提供了一种终端，包括处理器、输入设备、输出设备和存储器，该处理器、输入设备、输出设备和存储器相互连接，其中，该存储器用于存储支持终端执行上述方法的计算机程序，该计算机程序包括程序指令，该处理器被配置用于调用该程序指令，执行上述第一方面的交易预测方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机存储介质存储有计算机程序，该计算机程序包括程序指令，该程序指令当被处理器执行时使该处理器执行上述第一方面的交易预测方法。
本申请实施例通过获取目标业务员所属的目标城市，并获取该目标城市中的多个商户聚集区域，再获取该多个商户聚集区域中各个商户聚集区域的商户数据，并获取该各个商户聚集区域在第一时间段内的历史交易数据，将该各个商户聚集区域的商户数据以及在该第一时间段内的历史交易数据输入交易预测模型，并基于该交易预测模型获取各个商户聚集区域在第二时间段内的预测交易数量，根据该各个商户聚集区域在该第二时间段内的预测交易数量，从该各个商户聚集区域中确定出至少一个目标商户聚集区域。可以预测出交易需求量大的商户聚集区域，以便于辅助业务员开展业务，提高开展业务的针对性。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的交易预测方法的一示意流程图；
图2是本申请实施例提供的区域数据库的示意图；
图3是本申请实施例提供的交易预测方法的另一示意流程图；
图4a是本申请实施例提供的部分城市地图的示意图；
图4b是本申请实施例提供的目标商户聚集区域内商户分布示意图；
图5是本申请实施例提供的交易预测装置的一示意性框图；
图6是本申请实施例提供的终端的一示意性框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应当理解，本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
还应当理解，在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置展示该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
下面将结合图1至图6，对本申请实施例提供的交易预测方法及装置进行说明。
参见图1，是本申请实施例提供的交易预测方法的一示意流程图。如图1所示，该交易预测方法可包括步骤：
S101，获取目标业务员所属的目标城市，并获取目标城市中的多个商户聚集区域。
在一些可行的实施方式中，目标业务员可以在业务客户端上输入登录信息以登录业务客户端。终端可以接收该目标业务员输入的登录信息，并可以从该登录信息中提取出该目标业务员的身份标识。终端可以从预设的业务员数据库中获取该目标业务员的身份标识所对应的目标城市。终端可以从预设的区域数据库中获取该目标城市中的多个商户聚集区域。其中，该目标城市可以为该目标业务员长期开展交易业务的城市。预设的业务员信息数据库可用于存储业务员的基本信息(如姓名、性别、年龄等)、工号、工龄、级别、业务城市等。业务员的身份标识可以为业务员信息数据库中的工号，那么身份标识对应的目标城市可以为工号对应的业务城市。预设的区域数据库可以用于存储业务城市、商户聚集区域、商户聚集区域的地理位置、商户聚集区域的商户数量、商户聚集区域的商户分布等。本申请实施例中的商户聚集区域可以为终端根据预设的区域聚类算法计算出的各个城市中的商户聚集区域。一个商户聚集区域可以包括一个或多个商户。
例如，如图2所示，是本申请实施例提供的区域数据库的示意图。其中，城市名称为业务城市的城市名称，商户数量表示商户聚集区域内的总商户数量，商户分布表示商户聚集区域内不同类型商户的占比，地理位置表示商户聚集区域的经纬度信息。假设目标城市为深圳市，终端从区域数据库(图2)中获取深圳市中的商户聚集区域area_1、area_2以及area_3。
S102，获取多个商户聚集区域中各个商户聚集区域的商户数据，并获取各个商户聚集区域在第一时间段内的历史交易数据。
在一些可行的实施方式中，终端可以从上述目标城市对应的商户数据库中获取上述多个商户聚集区域的各个商户聚集区域的商户数量、商户类型、商户比重或商户密度等商户数据。终端可以从上述目标城市对应的交易数据库中获取该各个商户聚集区域在第一时间段内的历史交易数据(包括历史交易数量)。本申请实施例中的交易数量可以为交易件数，每发生一项金钱的转移即为一件交易。比如，贷款一次、支付一次均为一件交易。
S103，将各个商户聚集区域的商户数据以及在第一时间段内的历史交易数据输入交易预测模型，并基于交易预测模型获取各个商户聚集区域在第二时间段内的预测交易数量。
在一些可行的实施方式中，终端可以预先构建交易预测模型，并可以获取上述各个商户聚集区域在过往2年内的商户数据(如商户数量、商户类型、商户比重、商户密度等)以及过往2年内的历史交易数据(如交易申请数量、交易成功数量、交易失败数量、交易取消数量等)。终端可以将该各个商户聚集区域在过往2年内的商户数据以及过往2年内的历史交易数据输入决策树中进行筛选，并可以对筛选出来的数据进行离散化处理(如聚类算法DBSCAN)，可以将该离散化处理后的数据作为该交易预测模型的训练样本集。终端可以基于该训练数据集对构建的交易预测模型进行训练。当该交易预测模型基于各个商户聚集区域每个月(如2018.1月)的训练样本输出的各个商户聚集区域下个月(指输入的训练样本的月份的下个月，如2018.2月)的交易成功数量，与过往2年内对应月(指即交易预测模型输出的下个月，如2018.2月)真实发生的历史交易成功数量之间的差值均在预设范围内时，说明该交易预测模型已经收敛，则确定该交易预测模型训练完成，那么训练完成后的交易预测模型可以直接用于预测一段时间内的交易数量。终端可以将上述各个商户聚集区域的商户数据(包括商户数量、商户类型、商户比重或商户密度等)以及该各个商户聚集区域在上述第一时间段内的历史交易数据(包括历史交易成功数量)输入训练完成后的交易预测模型中进行处理，并可以获取该训练完成后的交易预测模型输出的各个商户聚集区域在第二时间段内的预测交易数量。其中，第二时间段可以用于表示未来的一段时间，第一时间段可以用于表示历史的一段时间。假设第一时间段为2018年12月，那么第二时间段可以为2019年1月。
例如，假设目标城市为深圳市，深圳市的商户聚集区域包括area_1、area_2以及area_3。假设第一时间段为2018年12月，终端将商户聚集区域area_1的商户数据以及area_1在2018年12月的历史交易数据输入交易预测模型中进行处理，输出area_1在2019年1月的预测交易数量，假设为48件。终端将商户聚集区域area_2的商户数据以及area_2在2018年12月的历史交易数据输入交易预测模型中进行处理，输出area_2在2019年1月的预测交易数量，假设为110件。终端将商户聚集区域area_3的商户数据以及area_3在2018年12月的历史交易数据输入交易预测模型中进行处理，输出area_3在2019年1月的预测交易数量，假设为111件。
在一些可行的实施方式中，上述交易预测模型包括第一预测模型和第二预测模型。该第一预测模块可以用于预测一段时间内的交易数量，该第二预测模型可以用于对该第一预测模型预测的交易数量进行调整，使其更准确。终端可以从上述目标城市对应的交易数据库中获取该各个商户聚集区域在第三时间段内的历史交易数据(按月统计的历史交易成功数量)。该第三时间段可以为当前月份往前追溯6个月。终端可以将上述各个商户聚集区域的商户数据以及该各个商户聚集区域在上述第一时间段内的历史交易数据输入该交易预测模型的第一预测模型中进行预测，并可以将该第一预测模型输出的各个商户聚集区域在第二时间段内的交易数量、该各个商户聚集区域的商户数据以及该各个商户聚集区域在第三时间段内的历史交易数据输入该交易预测模型的第二预测模型中进行调整，输出各个商户聚集区域在该第二时间段内的预测交易数量。该预测交易数量可以为调整后的交易数量。其中，假设第一时间段为2018年12月，那么第二时间段可以为2019年1月，第三时间段可以为2018年7月到2018年12月。本申请实施例结合过往一段时间的交易情况对预测出的交易数量进行修正，能够得到更准确地的预测交易数量。
例如，假设第一时间段为2018年12月，目标城市为深圳市，深圳市有3个商户聚集区域，分别为area_1、area_2以及area_3，以商户聚集区area_1为例。终端将商户聚集区域area_1商户数量(50家)、商户比重(电子80％，服装10％，餐饮5％，其他5％)、在2018年12月的历史交易数量52件输入第一预测模型中进行预测，得到第一预测模型输出的area_1在2019年1月的交易数量43件。终端获取area_1在第三时间段内的历史交易成功数量(2018.7月75件、2018.8月72件、2018.9月76件、2018.10月78件、2018.11月63件、2018.12月52件)。终端将area_1在2019年1月的交易数量43件、商户数量、商户比重以及在第三时间段内的历史交易成功数量输入第二预测模型中进行调整，得到第二预测模型输出的area_1在2019年1月的预测交易数量55件。
S104，根据各个商户聚集区域在第二时间段内的预测交易数量，从各个商户聚集区域中确定出至少一个目标商户聚集区域。
在一些可行的实施方式中，终端可以获取上述目标城市对应的交易数量阈值。终端可以将上述各个商户聚集区域在上述第二时间段内的预测交易数量与该交易数量阈值进行比较，并可以将该各个商户聚集区域在该第二时间段内的预测交易数量大于该交易数量阈值的商户聚集区域确定为目标商户聚集区域，得到至少一个目标商户聚集区域。该目标商户聚集区域可以用于表示交易需求量大的区域，也即优质的区域。终端在得到至少一个目标商户聚集区域之后，可以以文字的形式输出该至少一个目标商户聚集区域，如深圳市的目标商户聚集区域包括壹方城(area_1)、海岸城(area_3)，以便于指导上述目标业务员哪些区域的业务需求量大，从而引导目标业务员更有针对性地开展业务。本申请实施例通过目标城市的各个商户聚集区域在历史一段时间内的历史交易数量，预测未来一段时间内的交易数量，再根据预测出的未来一段时间内的交易数量，从各个商户聚集区域中筛选出目标商户聚集区域。可以预测出不同区域的交易需求，筛选出交易需求量大的区域，从而指导业务员更有针对性地开展业务。
在本申请实施例中，终端通过获取目标业务员所属的目标城市，并获取该目标城市中的多个商户聚集区域，再获取该多个商户聚集区域中各个商户聚集区域的商户数据，并获取该各个商户聚集区域在第一时间段内的历史交易数据，将该各个商户聚集区域的商户数据以及在该第一时间段内的历史交易数据输入交易预测模型，并基于该交易预测模型获取各个商户聚集区域在第二时间段内的预测交易数量，根据该各个商户聚集区域在该第二时间段内的预测交易数量，从该各个商户聚集区域中确定出至少一个目标商户聚集区域。可以预测出交易需求量大的商户聚集区域，以便于辅助业务员开展业务，提高开展业务的针对性。
参见图3，是本申请实施例提供的交易预测方法的另一示意流程图。如图3所示，该交易预测方法可包括步骤：
S301，获取目标业务员所属的目标城市，并获取目标城市中的多个商户聚集区域。
在一些可行的实施方式中，本申请实施例中的步骤S301可参考图1所示实施例的步骤S101的实现方式，在此不再赘述。
S302，获取多个商户聚集区域中各个商户聚集区域的商户数据。
S303，从目标城市的交易数据库中获取第一时间段内的交易记录。
S304，根据第一时间段内的交易记录以及各条交易记录中的交易位置，统计各个商户聚集区域内的交易记录，并根据各个商户聚集区域内的交易记录确定各个商户聚集区域的历史交易数据。
在一些可行的实施方式中，终端可以从上述目标城市对应的商户数据库中获取上述多个商户聚集区域的各个商户聚集区域的商户数量、商户类型、商户比重或商户密度等商户数据。终端可以从上述目标城市对应的交易数据库中获取第一时间段内(如2018年12月)的交易记录，该交易记录中可以包括交易位置(即交易时的地理位置信息，如经纬度)、交易时间或交易件数等。终端可以根据该第一时间段内的交易记录以及各条交易记录中的交易位置，统计该各个商户聚集区域内的所有交易记录，并根据该各个商户聚集区域内的所有交易记录确定该各个商户聚集区域的历史交易数据。其中，交易数据库可以用于存储一段时间内(如最近2年)发生过的贷款记录。
例如，假设目标城市为深圳市，交易数据库中存储的是深圳市3年内的交易记录。假设深圳市中包括3个商户聚集区域，分别为area_1、area_2以及area_3。深圳市处于北纬N22°27'～N22°52'，东经E113°46'～E114°37'。假设area_1为北纬N22°30'～N22°35'，东经E113°50'～E113°55'；area_2为北纬N22°42'～N22°46'，东经E113°56'～E113°60'；area_3为北纬N22°49'～N22°52'，东经E114°10'～E114°12'。如表1所示，是本申请实施例提供的交易记录，一行数据表示一条交易记录。其中，交易记录中包括交易编号(用于唯一标识一条交易记录)、交易时间、交易位置、交易件数、交易城市等信息。交易位置中斜杠“/”前的数字代表纬度，N表示北纬；斜杠“/”后的数字代表经度，E表示东经。终端检测交易数据库中每一条交易记录的交易位置属于哪个商户聚集区域，并统计商户聚集区域area_1、area_2以及area_3中的交易记录，交易编号040和100这两条交易记录属于area_1，交易编号123和532这两条交易记录属于area_2，交易编号600这条交易记录属于area_3。假设当前时间为2019.1.4，第一时间段为2018年12月。终端根据商户聚集区域area_1、area_2以及area_3中的交易记录的交易时间，确定area_1在2018年12月的历史交易数量0，确定area_2在2018年12月的历史交易数量2，确定area_3在2018年12月的历史交易数量1。
| 交易编号 | 交易时间 | 交易位置 | 交易件数 | 交易城市 |
| 040 | 2017.2.8 | N22°30'/E113°54' | 1 | 深圳市 |
| … | … | … | … | |
| 100 | 2017.12.23 | N22°32'/E113°52' | 2 | 深圳市 |
| 123 | 2018.6.15 | N22°45'/E113°57' | 1 | 深圳市 |
| … | … | … | … | |
| 532 | 2018.12.3 | N22°45'/E113°60' | 2 | 深圳市 |
| 600 | 2018.12.20 | N22°50'/E114°10' | 1 | 深圳市 |
表1
S305，将各个商户聚集区域的商户数据以及在第一时间段内的历史交易数据输入交易预测模型，并基于交易预测模型获取各个商户聚集区域在第二时间段内的预测交易数量。
在一些可行的实施方式中，本申请实施例中的步骤S305可参考图1所示实施例的步骤S103的实现方式，在此不再赘述。
S306，获取预设的筛选百分比，并获取目标城市的商户聚集区域个数与筛选百分比的乘积取整后所得的筛选值。
S307，根据筛选值以及各个商户聚集区域在第二时间段内的预测交易数量，确定出交易数量阈值。
S308，将各个商户聚集区域中预测交易数量大于交易数量阈值的商户聚集区域确定为目标商户聚集区域，得到至少一个目标商户聚集区域。
在一些可行的实施方式中，终端可以获取预设的筛选百分比，并可以获取上述目标城市的商户聚集区域的个数。终端可以计算该目标城市的商户聚集区域的个数与该筛选百分比的乘积，并可以将该乘积取整得到筛选值。终端可以根据该筛选值以及上述各个商户聚集区域在上述第二时间段内的预测交易数量，确定出交易数量阈值。终端可以将该各个商户聚集区域在该第二时间段内的预测交易数量大于交易数量阈值的商户聚集区域确定为目标商户聚集区域，得到至少一个目标商户聚集区域。该目标商户聚集区域可以用于表示交易需求量大的区域，也即优质的区域。
例如，假设目标城市的商户聚集区域的个数为200个，预设的筛选百分比为30％。终端计算目标城市的商户聚集区域的个数200与与筛选百分比30％的乘积200*30％＝60，将该乘积60取整得到筛选值60。终端将该200个商户聚集区域在第二时间段内的预测交易数量按照从大到小排序，得到预测交易序列。终端将该预测交易序列中的倒数第筛选值60个预测交易数量作为交易数量阈值。终端将200个商户聚集区域在第二时间段内的预测交易数量大于交易数量阈值的商户聚集区域确定为目标商户聚集区域，得到200-60＝120个目标商户聚集区域。
S309，在目标业务员对应的终端上输出至少一个目标商户聚集区域。
在一些可行的实施方式中，终端在得到上述至少一个目标商户聚集区域之后，可以在上述目标业务员对应的终端上以文字的形式输出该至少一个目标商户聚集区域，如深圳市的目标商户聚集区域包括壹方城(area_1)、海岸城(area_3)，以便于指导上述目标业务员哪些区域的业务需求量大，从而引导目标业务员更有针对性地开展业务。
在一些可行的实施方式中，终端在得到上述至少一个目标商户聚集区域之后，可以获取该至少一个目标商户聚集区域中各个目标商户聚集区域的中心位置。终端可以获取上述目标城市的城市地图，并可以在该目标城市的城市地图上标注该各个目标商户聚集区域的中心位置，可以在上述目标业务员对应的终端上输出标注后的城市地图。如图4a所示，是本申请实施例提供的部分城市地图的示意图。其中，图4a中水滴状所标注的位置为各个目标商户聚集区域的中心位置。
在一些可行的实施方式中，终端在得到至少一个目标商户聚集区域之后，可以计算上述至少一个目标商户聚集区域中各个目标商户聚集区域的预测交易数量对应的业务员数量阈值。终端可以按天统计拜访该目标城市中各个目标商户聚集区域的业务员数量。当该各个目标商户聚集区域中某个目标商户聚集区域的业务员数量大于该目标商户聚集区域对应的业务员数量阈值时，终端可以将该目标商户聚集区域剔除，即不输出该目标商户聚集区域。
例如，假设目标商户聚集区域area_3在第二时间段(2019年1月)内的预测交易数量为100件。预设每个业务员的平均业务量5件，那么area_3的预测交易数量100件对应的业务员数量阈值为20人。终端利用全球定位系统(Global Positioning System，GPS)定时记录(每30分钟记录一次，从每天早上10点到晚上10点)目标城市(深圳市)内的业务员所处的位置信息。终端从2019年1月2日开始按天累加统计拜访area_3的业务员数量，如1月1日拜访area_3的业务员数量为2人、1月2日拜访area_3的业务员数量为4人、1月3日拜访area_3的业务员数量为6人、1月4日拜访area_3的业务员数量为5人、1月5日拜访area_3的业务员数量为4人。那么当2019年1月6日时，拜访过area_3的业务员数量2+4+6+5+4＝21人，已经超过area_3业务员数量阈值20人，所以在2019年1月6日就不再输出目标商户聚集区域area_3。其中，终端按天累加拜访area_3的业务员数量可以是GPS记录的位置信息每在area_3的范围内出现一次就确定拜访area_3的业务员数量加1，如业务员001在1月1拜访了area_3一次，在1月2又拜访了area_3一次，那么此时拜访area_3的业务员数量就为2；也可以为GPS记录的位置信息结合业务员的身份标识，来确定拜访area_3的业务员数量，如业务员001在1月1拜访了area_3一次，业务员001在1月2又拜访了area_3一次，那么此时拜访area_3的业务员数量就为1。
S310，获取目标业务员当前所在的起始地理位置，并将目标业务员从至少一个目标商户聚集区域中选中的目标商户聚集区域的中心位置确定为终点地理位置。
S311，输出从起始地理位置到终点地理位置之间的至少一条导航路线。
在一些可行的实施方式中，终端在输出上述至少一个目标商户聚集区域之后，可以基于上述目标业务员的终端上的GPS获取上述目标业务员的当前所在的起始地理位置，并将该目标业务员从该至少一个目标商户聚集区域中选中的目标商户聚集区域的中心位置确定为终点地理位置。终端可以生成从该起始地理位置到该终点地理位置之间的至少一条导航路线，并输出。本申请实施例以不同的方式(文字、地图等)输出至少一个目标商户聚集区域，并输出导航信息，以便于业务员更直观清楚地开展业务。
在一些可行的实施方式中，终端在输出上述至少一个目标商户聚集区域之后，目标业务员可以从该至少一个目标商户聚集区域中选择一个目标商户聚集区域查看选中的那个目标商户聚集区域的商户情况。终端可以显示该目标业务员选中的那个目标商户聚集区域的商户分布，如图4b所示，是本申请实施例提供的目标商户聚集区域内商户分布示意图。其中，商户分布示意图可以用于表示目标商户聚集区域内的商户数量和商户位置的分布情况。图中阴影部分灰度越大代表商户数量越多。
在本申请实施例中，终端通过获取目标业务员所属的目标城市，并获取该目标城市中的多个商户聚集区域，再获取该多个商户聚集区域中各个商户聚集区域的商户数据，并从目标城市的交易数据库中获取第一时间段内的交易记录，根据第一时间段内的交易记录以及各条交易记录中的交易位置，统计各个商户聚集区域内的交易记录，并根据各个商户聚集区域内的交易记录确定各个商户聚集区域的历史交易数据。再将各个商户聚集区域的商户数据以及在第一时间段内的历史交易数据输入交易预测模型，并基于交易预测模型获取各个商户聚集区域在第二时间段内的预测交易数量。获取预设的筛选百分比，并获取目标城市的商户聚集区域个数与筛选百分比的乘积取整后所得的筛选值，根据筛选值以及各个商户聚集区域在第二时间段内的预测交易数量，确定出交易数量阈值，将各个商户聚集区域中预测交易数量大于交易数量阈值的商户聚集区域确定为目标商户聚集区域，得到至少一个目标商户聚集区域，在目标业务员对应的终端上输出至少一个目标商户聚集区域。可以更精确地筛选出交易需求量大的商户聚集区域，以便于辅助业务员开展业务，提高开展业务的针对性。
参见图5，是本申请实施例提供的交易预测装置的一示意性框图。如图5所示，本申请实施例的交易预测装置包括：
第一获取模块10，用于获取目标业务员所属的目标城市，并获取该目标城市中的多个商户聚集区域，一个商户聚集区域包括一个或多个商户；
第二获取模块20，用于获取该多个商户聚集区域中各个商户聚集区域的商户数据，并获取该各个商户聚集区域在第一时间段内的历史交易数据；
第三获取模块30，用于将该各个商户聚集区域的商户数据以及在该第一时间段内的历史交易数据输入交易预测模型，并基于该交易预测模型获取各个商户聚集区域在第二时间段内的预测交易数量；
第一确定模块40，用于根据该各个商户聚集区域在该第二时间段内的预测交易数量，从该各个商户聚集区域中确定出至少一个目标商户聚集区域，该目标商户聚集区域在该第二时间段内的预测交易数量大于交易数量阈值。
在一些可行的实施方式中，上述第二获取模块20包括第一获取单元201和第二获取单元202。该第一获取单元201用于获取该多个商户聚集区域中各个商户聚集区域的商户数据；该第二获取单元202用于获取该各个商户聚集区域在第一时间段内的历史交易数据。其中，该第二获取单元202具体用于：从该目标城市的交易数据库中获取第一时间段内的交易记录，该交易记录中包括交易位置；根据该第一时间段内的交易记录以及各条交易记录中的交易位置，统计该各个商户聚集区域内的交易记录，并根据该各个商户聚集区域内的交易记录确定该各个商户聚集区域的历史交易数据。
在一些可行的实施方式中，上述第一确定模块40具体用于：获取预设的筛选百分比，并获取该目标城市的商户聚集区域个数与该筛选百分比的乘积取整后所得的筛选值；根据该筛选值以及该各个商户聚集区域在该第二时间段内的预测交易数量，确定出交易数量阈值；将该各个商户聚集区域中预测交易数量大于该交易数量阈值的商户聚集区域确定为目标商户聚集区域，得到至少一个目标商户聚集区域。
在一些可行的实施方式中，该装置还包括输出模块50。该输出模块50，用于从该各个商户聚集区域中确定出至少一个目标商户聚集区域之后，在该目标业务员对应的终端上输出该至少一个目标商户聚集区域。
在一些可行的实施方式中，上述输出模块50具体用于：获取该至少一个目标商户聚集区域中各个目标商户聚集区域的中心位置；在该目标城市的城市地图上标注该各个目标商户聚集区域的中心位置，并在该目标业务员对应的终端上输出标注后的城市地图。
在一些可行的实施方式中，该装置还包括第二确定模块60。该第二确定模块60，用于获取该目标业务员当前所在的起始地理位置，并将该目标业务员从该至少一个目标商户聚集区域中选中的目标商户聚集区域的中心位置确定为终点地理位置；上述输出模块50，还用于输出从该起始地理位置到该终点地理位置之间的至少一条导航路线。
在一些可行的实施方式中，上述第一获取模块10包括第三获取单元101和第四获取单元102。该第三获取单元101用于获取目标业务员所属的目标城市；该第四获取单元102用于获取该目标城市中的多个商户聚集区域。该第三获取单元101具体用于接收目标业务员输入的登录信息，并从该登录信息中提取出该目标业务员的身份标识；从业务员信息数据库中获取该目标业务员的身份标识对应的目标城市。
具体实现中，上述交易预测装置可通过上述各个模块执行上述图1或图3所提供的实现方式中各个步骤所提供的实现方式，实现上述各实施例中所实现的功能，具体可参见上述图1或图3所示的方法实施例中各个步骤提供的相应描述，在此不再赘述。
在本申请实施例中，交易预测装置通过获取目标业务员所属的目标城市，并获取该目标城市中的多个商户聚集区域，再获取该多个商户聚集区域中各个商户聚集区域的商户数据，并获取该各个商户聚集区域在第一时间段内的历史交易数据，将该各个商户聚集区域的商户数据以及在该第一时间段内的历史交易数据输入交易预测模型，并基于该交易预测模型获取各个商户聚集区域在第二时间段内的预测交易数量，根据该各个商户聚集区域在该第二时间段内的预测交易数量，从该各个商户聚集区域中确定出至少一个目标商户聚集区域。可以预测出交易需求量大的商户聚集区域，以便于辅助业务员开展业务，提高开展业务的针对性。
参见图6，是本申请实施例提供的终端的一示意性框图。如图6所示，本申请实施例中的终端可以包括：一个或多个处理器601；一个或多个输入设备602，一个或多个输出设备603和存储器604。上述处理器601、输入设备602、输出设备603和存储器604通过总线605连接。存储器602用于存储计算机程序，所述计算机程序包括程序指令，处理器601用于执行存储器602存储的程序指令。
其中，处理器601被配置用于调用所述程序指令执行：获取目标业务员所属的目标城市，并获取该目标城市中的多个商户聚集区域，一个商户聚集区域包括一个或多个商户；获取该多个商户聚集区域中各个商户聚集区域的商户数据，并获取该各个商户聚集区域在第一时间段内的历史交易数据；将该各个商户聚集区域的商户数据以及在该第一时间段内的历史交易数据输入交易预测模型，并基于该交易预测模型获取各个商户聚集区域在第二时间段内的预测交易数量；根据该各个商户聚集区域在该第二时间段内的预测交易数量，从该各个商户聚集区域中确定出至少一个目标商户聚集区域，该目标商户聚集区域在该第二时间段内的预测交易数量大于交易数量阈值。
应当理解，在本申请实施例中，所称处理器601可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备602可以包括触控板、麦克风等，输出设备603可以包括显示器(LCD等)、扬声器等。
该存储器604可以包括只读存储器和随机存取存储器，并向处理器601提供指令和数据。存储器604的一部分还可以包括非易失性随机存取存储器。例如，存储器604还可以存储设备类型的信息。
具体实现中，本申请实施例中所描述的处理器601、输入设备602、输出设备603可执行本申请实施例提供的交易预测方法的中所描述的实现方式，也可执行本申请实施例所描述的交易预测装置的实现方式，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序包括程序指令，该程序指令被处理器执行时实现图1或图3所示的交易预测方法，具体细节请参照图1或图3所示实施例的描述，在此不再赘述。
上述计算机可读存储介质可以是前述任一实施例所述的交易预测装置或电子设备的内部存储单元，例如电子设备的硬盘或内存。该计算机可读存储介质也可以是该电子设备的外部存储设备，例如该电子设备上配备的插接式硬盘，智能存储卡(smart mediacard,SMC)，安全数字(secure digital,SD)卡，闪存卡(flash card)等。进一步地，该计算机可读存储介质还可以既包括该电子设备的内部存储单元也包括外部存储设备。该计算机可读存储介质用于存储该计算机程序以及该电子设备所需的其他程序和数据。该计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请是参照本申请实施例的方法、装置和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程诊疗数据的处理设备的处理器以产生一个机器，使得通过计算机或其他可编程诊疗数据的处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程诊疗数据的处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程诊疗数据的处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种交易预测方法，其特征在于，包括：
获取目标业务员所属的目标城市，并获取所述目标城市中的多个商户聚集区域，一个商户聚集区域包括一个或多个商户；
获取所述多个商户聚集区域中各个商户聚集区域的商户数据，并获取所述各个商户聚集区域在第一时间段内的历史交易数据；
将所述各个商户聚集区域的商户数据以及在所述第一时间段内的历史交易数据输入交易预测模型，并基于所述交易预测模型获取各个商户聚集区域在第二时间段内的预测交易数量；
根据所述各个商户聚集区域在所述第二时间段内的预测交易数量，从所述各个商户聚集区域中确定出至少一个目标商户聚集区域，所述目标商户聚集区域在所述第二时间段内的预测交易数量大于交易数量阈值。
2.根据权利要求1所述的方法，其特征在于，所述获取所述各个商户聚集区域在第一时间段内的历史交易数据，包括：
从所述目标城市的交易数据库中获取第一时间段内的交易记录，所述交易记录中包括交易位置；
根据所述第一时间段内的交易记录以及各条交易记录中的交易位置，统计所述各个商户聚集区域内的交易记录，并根据所述各个商户聚集区域内的交易记录确定所述各个商户聚集区域的历史交易数据。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述各个商户聚集区域在所述第二时间段内的预测交易数量，从所述各个商户聚集区域中确定出至少一个目标商户聚集区域，包括：
获取预设的筛选百分比，并获取所述目标城市的商户聚集区域个数与所述筛选百分比的乘积取整后所得的筛选值；
根据所述筛选值以及所述各个商户聚集区域在所述第二时间段内的预测交易数量，确定出交易数量阈值；
将所述各个商户聚集区域中预测交易数量大于所述交易数量阈值的商户聚集区域确定为目标商户聚集区域，得到至少一个目标商户聚集区域。
4.根据权利要求1-4任一项所述的方法，其特征在于，所述从所述各个商户聚集区域中确定出至少一个目标商户聚集区域之后，所述方法还包括：
在所述目标业务员对应的终端上输出所述至少一个目标商户聚集区域。
5.根据权利要求4所述的方法，其特征在于，所述在所述目标业务员对应的终端上输出所述至少一个目标商户聚集区域，包括：
获取所述至少一个目标商户聚集区域中各个目标商户聚集区域的中心位置；
在所述目标城市的城市地图上标注所述各个目标商户聚集区域的中心位置，并在所述目标业务员对应的终端上输出标注后的城市地图。
6.根据权利要求4所述的方法，其特征在于，所述在所述目标业务员对应的终端上输出所述至少一个目标商户聚集区域之后，所述方法还包括：
获取所述目标业务员当前所在的起始地理位置，并将所述目标业务员从所述至少一个目标商户聚集区域中选中的目标商户聚集区域的中心位置确定为终点地理位置；
输出从所述起始地理位置到所述终点地理位置之间的至少一条导航路线。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述获取目标业务员所属的目标城市，包括：
接收目标业务员输入的登录信息，并从所述登录信息中提取出所述目标业务员的身份标识；
从业务员信息数据库中获取所述目标业务员的身份标识对应的目标城市。
8.一种交易预测装置，其特征在于，包括：
第一获取模块，用于获取目标业务员所属的目标城市，并获取所述目标城市中的多个商户聚集区域，一个商户聚集区域包括一个或多个商户；
第二获取模块，用于获取所述多个商户聚集区域中各个商户聚集区域的商户数据，并获取所述各个商户聚集区域在第一时间段内的历史交易数据；
第三获取模块，用于将所述各个商户聚集区域的商户数据以及在所述第一时间段内的历史交易数据输入交易预测模型，并基于所述交易预测模型获取各个商户聚集区域在第二时间段内的预测交易数量；
第一确定模块，用于根据所述各个商户聚集区域在所述第二时间段内的预测交易数量，从所述各个商户聚集区域中确定出至少一个目标商户聚集区域，所述目标商户聚集区域在所述第二时间段内的预测交易数量大于交易数量阈值。
9.一种终端，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910529316.2A CN110310153A (zh) | 2019-06-18 | 2019-06-18 | 一种交易预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910529316.2A CN110310153A (zh) | 2019-06-18 | 2019-06-18 | 一种交易预测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110310153A true CN110310153A (zh) | 2019-10-08 |
Family
ID=68077748
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910529316.2A Pending CN110310153A (zh) | 2019-06-18 | 2019-06-18 | 一种交易预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110310153A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111429214A (zh) * | 2020-03-13 | 2020-07-17 | 贝壳技术有限公司 | 一种基于交易数据的买卖双方匹配方法及装置 |
| CN111626713A (zh) * | 2020-06-05 | 2020-09-04 | 中国银行股份有限公司 | 一种交易数据处理方法及装置 |
| CN112488831A (zh) * | 2020-11-20 | 2021-03-12 | 东软集团股份有限公司 | 区块链网络交易方法、装置、存储介质及电子设备 |
| CN112861972A (zh) * | 2020-10-26 | 2021-05-28 | 平安科技（深圳）有限公司 | 一种展业区域的选址方法、装置、计算机设备和介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150149236A1 (en) * | 2013-11-26 | 2015-05-28 | Ares Sakamoto | Merchant action recommendation system |
| US20150332414A1 (en) * | 2014-05-13 | 2015-11-19 | Mastercard International Incorporated | System and method for predicting items purchased based on transaction data |
| CN109272344A (zh) * | 2018-08-07 | 2019-01-25 | 阿里巴巴集团控股有限公司 | 模型训练方法和装置、数据预测方法和装置、服务器 |
| CN109685377A (zh) * | 2018-12-27 | 2019-04-26 | 拉扎斯网络科技（上海）有限公司 | 推荐方法及装置、电子设备及存储介质 |
-
2019
- 2019-06-18 CN CN201910529316.2A patent/CN110310153A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150149236A1 (en) * | 2013-11-26 | 2015-05-28 | Ares Sakamoto | Merchant action recommendation system |
| US20150332414A1 (en) * | 2014-05-13 | 2015-11-19 | Mastercard International Incorporated | System and method for predicting items purchased based on transaction data |
| CN109272344A (zh) * | 2018-08-07 | 2019-01-25 | 阿里巴巴集团控股有限公司 | 模型训练方法和装置、数据预测方法和装置、服务器 |
| CN109685377A (zh) * | 2018-12-27 | 2019-04-26 | 拉扎斯网络科技（上海）有限公司 | 推荐方法及装置、电子设备及存储介质 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111429214A (zh) * | 2020-03-13 | 2020-07-17 | 贝壳技术有限公司 | 一种基于交易数据的买卖双方匹配方法及装置 |
| CN111429214B (zh) * | 2020-03-13 | 2023-06-09 | 贝壳技术有限公司 | 一种基于交易数据的买卖双方匹配方法及装置 |
| CN111626713A (zh) * | 2020-06-05 | 2020-09-04 | 中国银行股份有限公司 | 一种交易数据处理方法及装置 |
| CN111626713B (zh) * | 2020-06-05 | 2023-09-12 | 中国银行股份有限公司 | 一种交易数据处理方法及装置 |
| CN112861972A (zh) * | 2020-10-26 | 2021-05-28 | 平安科技（深圳）有限公司 | 一种展业区域的选址方法、装置、计算机设备和介质 |
| WO2021203728A1 (zh) * | 2020-10-26 | 2021-10-14 | 平安科技（深圳）有限公司 | 一种展业区域的选址方法、装置、计算机设备和介质 |
| CN112861972B (zh) * | 2020-10-26 | 2023-09-26 | 平安科技（深圳）有限公司 | 一种展业区域的选址方法、装置、计算机设备和介质 |
| CN112488831A (zh) * | 2020-11-20 | 2021-03-12 | 东软集团股份有限公司 | 区块链网络交易方法、装置、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110310153A (zh) | 一种交易预测方法及装置 | |
| Raviv et al. | Optimal inventory management of a bike-sharing station | |
| Ramos et al. | A state-of-the-art review: developments in utility theory, prospect theory and regret theory to investigate travellers' behaviour in situations involving travel time uncertainty | |
| Mao et al. | Faster deliveries and smarter order assignments for an on-demand meal delivery platform | |
| US8156172B2 (en) | Monitoring and reporting enterprise data using a message-based data exchange | |
| CN106372938A (zh) | 异常账号识别方法及系统 | |
| Dierwechter et al. | Effects of urban growth boundaries on residential development in Pierce County, Washington | |
| JP2018049400A (ja) | 財務情報分析システム、及びプログラム | |
| CN107133825A (zh) | 一种商家客流量的预测方法及装置 | |
| Snowball | The economic, social and cultural impact of cultural heritage: methods and examples | |
| CN109711606A (zh) | 一种基于模型的数据预测方法及装置 | |
| CN109934700A (zh) | 一种套现侦测的方法及装置 | |
| US20160343096A1 (en) | Evaluation of payment fencing information and determination of rewards to facilitate anti-fraud measures | |
| CN116050947A (zh) | 车辆调度效果的评价方法、装置、计算机设备和存储介质 | |
| Gulumbe et al. | Analysis of crime data using principal component analysis: A case study of Katsina State | |
| Berument* et al. | The effects of exchange rate risk on economic performance: the Turkish experience | |
| Putri et al. | Big data and strengthening msmes after the covid-19 pandemic (development studies on batik msmes in east java) | |
| CN111798304A (zh) | 一种风险贷款确定方法、装置、电子设备及存储介质 | |
| Schmale et al. | Buying without using–biases of German BahnCard buyers | |
| US20140089042A1 (en) | Method, Apparatus and System for monitoring competition price and for providing corrective messages | |
| CN110400091A (zh) | 一种车辆调度方法、装置、计算设备及存储介质 | |
| Monge et al. | Water prices: persistence, mean reversion and trends | |
| Pearson et al. | How does the extension of existing transport infrastructure affect land value? A case study of the Tyne and Wear Light Transit Metro system | |
| Orlik | Reform at China's National Bureau of Statistics under Ma Jiantang 2008–2013 | |
| Mintz et al. | Social and environmental factors affecting the amount of property taxes collected by local authorities in Israel |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240524 |