CN110175714A - 数据处理方法、装置和系统 - Google Patents
数据处理方法、装置和系统 Download PDFInfo
- Publication number
- CN110175714A CN110175714A CN201910433092.5A CN201910433092A CN110175714A CN 110175714 A CN110175714 A CN 110175714A CN 201910433092 A CN201910433092 A CN 201910433092A CN 110175714 A CN110175714 A CN 110175714A
- Authority
- CN
- China
- Prior art keywords
- real
- reference factor
- time
- time reference
- user
- 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
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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q30/0278—Product appraisal
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种数据处理方法、装置和系统,用以估算互联网金融的定价,涉及科技金融领域。该方法中,接收客户端发送的获取指定数据的携带用户标识的获取请求。根据用户标识,获取实时参考因子和非实时参考因子;根据所述实时参考因子和所述非实时参考因子,得到所述用户标识对应的指定数据。由于实时参考因子时根据用户操作结果实时更新的,使得时延要求高的实时参考因子能够及时获取且获取最新的数据,使得得到的指定数据融合了高时延要求的实时参考因子,以及低时延要求的非实时参考因子,能够实现实时预测,使得指定数据的获取更加准确,能够有效的降低风险,有效的提高相应处理资源的利用率。
Description
技术领域
本申请涉及科技金融(Fintech)领域,尤其涉及数据处理方法、装置和系统。
背景技术
现有技术中,互联网金融的定价模式主要有如下三种成熟的模式:
1、一口价模式,该模式实现简单,针对所有的用户群体都按照统一的利率标准定价,但会导致劣币驱逐良币;
2、精算定价模式,该模式中以历史逾期率作为唯一的定价因子,会导致定价偏差大;
3、大数据定价模式,该模式通过采集大量用户特征,针对不同的用户利用对应用户特征进行定价,但该模式中分析的用户特征都是历史数据,例如采用截止到n天前的数据,导致分析的结果存在一定的延时。
有鉴于上述各模式均存在一定的缺陷,而不理想的估算定价也会耗费估算定价所采用的资源。本申请实施例中提出一种数据处理方法,提高估算定价所采用的资源的利用率。
发明内容
为了估算互联网金融的定价,本申请实施例提供数据处理方法、装置和系统。
第一方面,本申请实施例提供一种数据处理方法。该方法包括:
接收客户端发送的获取指定数据的获取请求,所述获取请求中携带用户标识;
根据所述用户标识,获取与所述用户标识对应的实时参考因子;以及,获取与所述用户标识对应的非实时参考因子;其中,所述实时参考因子的更新频率大于所述非实时参考因子的更新频率;
根据所述实时参考因子和所述非实时参考因子,得到所述用户标识对应的指定数据;
将所述用户标识对应的指定数据发送给所述客户端。
可选的,所述实时参考因子包括第一类实时参考因子和第二类实时参考因子,所述根据所述用户标识,获取与所述用户标识对应的实时参考因子;以及,获取与所述用户标识对应的非实时参考因子,包括:
根据所述用户标识,通过第一联机接口在历史接触系统中获取所述用户标识对应的第一类实时参考因子,以及,通过第二联机接口在核心系统中获取所述用户标识对应的第二类实时参考因子和非实时参考因子;
其中,所述历史接触系统中的第一类实时参考因子为所述历史接触系统对第一类实时参数的用户操作结果进行实时处理得到的;
所述核心系统中的非实时参考因子包括用户基础数据和非实时数据,所述用户基础数据是大数据加工系统周期性上报给所述核心系统的;所述非实时数据为历史接触系统周期性上报给所述核心系统的;其中,所述大数据加工系统用于采集所述用户标识对应的用户基础数据;所述历史接触系统还用于对非实时参数的用户操作结果进行处理并存储得到所述非实时数据;
所述核心系统的第二类实时参考因子是所述核心系统对第二类实时参数的用户操作结果进行实时处理并存储得到的。
可选的,所述非实时参考因子包括用户类别信息,将所述用户标识对应的指定数据发送给所述客户端之前,还包括:
获取所述用户类别信息对应的指定数据的参考范围;
判断所述指定数据是否在所述参考范围内;
将所述指定数据发送至客户端显示,包括:
若判断结果为所述指定数据在所述参考范围内,则将所述指定数据发送给客户端;
若判断结果为所述指定数据不在所述参考范围内,则在所述参考范围随机选取指定数据;
将随机选取的指定数据发送给客户端。
可选的,所述参考范围为根据管理员的操作结果实时维护的。
可选的,根据所述实时参考因子和所述非实时参考因子,得到所述用户标识对应的指定数据,包括:
将各实时参考因子和各非实时参考因子中的每个参考因子作为待处理参考因子;
针对每个当前待处理参考因子:获取该当前待处理参考因子的处理规则,根据获取的处理规则对该待处理参考因子进行处理得到处理结果;若处理结果为表示和另一个待处理参考因子关联,则将所述另一个待处理参考因子作为当前待处理参考因子并返回执行获取该当前待处理参考因子的处理规则的步骤;若处理结果为得到指定数据,则将处理结果中的指定数据作为所述用户标识对应的指定数据。
可选的,所述方法还包括:
若该参考因子的处理规则包括预设的例外情况,则确定所述用户标识对应的指定数据为默认值。
第二方面,本申请实施例提供一种数据处理系统。该系统包括:大数据加工系统、历史接触系统、核心系统、决策引擎;
其中,所述大数据加工系统,用于采集用户的用户基础数据,并周期性上报至核心系统;
所述历史接触系统,用于对非实时参数的用户操作结果进行处理并存储得到非实时数据,并将其周期性上报至核心系统;以及对第一类实时参数的用户操作结果进行实时处理并存储得到第一类实时参考因子;
所述核心系统,用于存储非实时参考因子,所述非实时参考因子包括从所述大数据加工系统获取的用户基础数据以及从历史接触系统获取的非实时数据;以及对第二类实时参数的用户操作结果进行实时处理并存储得到第二类实时参考因子;
所述决策引擎,用于接收客户端发送获取指定数据的获取请求,所述获取请求中携带用户标识;根据所述用户标识,通过第一联机接口在历史接触系统中获取所述用户标识对应的第一类实时参考因子;以及,通过第二联机接口在核心系统中获取所述用户标识对应的第二类实时参考因子和非实时参考因子;根据实时参考因子和非实时参考因子,得到所述用户标识对应的指定数据,并将所述用户标识对应的指定数据发送给客户端。
可选的,所述非实时参考因子包括用户类别信息,将所述用户标识对应的指定数据发送给客户端之前,所述决策引擎还用于:
获取所述用户类别信息对应的指定数据的参考范围;
判断所述指定数据是否在所述参考范围内;
所述决策引擎具体用于:
若判断结果为所述指定数据在所述参考范围内,则将所述指定数据发送给客户端;
若判断结果为所述指定数据不在所述参考范围内,则在所述参考范围随机选取指定数据;
将随机选取的指定数据发送给客户端。
第三方面,本申请实施例提供一种数据处理装置。该装置包括:
接收模块,用于接收客户端发送的获取指定数据的获取请求,所述获取请求中携带用户标识;
获取模块,用于根据所述用户标识,获取与所述用户标识对应的实时参考因子;以及,获取与所述用户标识对应的非实时参考因子;其中,所述实时参考因子的更新频率大于所述非实时参考因子的更新频率;
处理模块,用于根据所述实时参考因子和所述非实时参考因子,得到所述用户标识对应的指定数据;
发送模块,用于将所述用户标识对应的指定数据发送给所述客户端。
第四方面,本申请另一实施例还提供了一种计算装置,包括至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请实施例提供的任一数据处理方法。
第五方面,本申请另一实施例还提供了一种计算机存储介质,其中,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行本申请实施例中的任一数据处理方法。
本申请实施例提供的数据处理方法、系统和装置,由于实时参考因子更新频率大于非实时参考因子,实时参考因子是根据用户操作结果实时更新的,使得时延要求高的实时参考因子能够及时获取且获取最新的数据,使得得到的指定数据融合了高时延要求的实时参考因子,以及低时延要求的非实时参考因子,能够实现实时预测,使得指定数据的获取更加准确,能够有效的降低风险,有效的提高相应处理资源的利用率。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,显而易见地,下面所介绍的附图仅仅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为本申请实施例中的一种数据处理系统;
图2为本申请实施例中一种数据处理系统的应用场景示意图;
图3为本申请实施例中一种数据处理系统的另一应用场景示意图;
图4为本申请实施例中一种数据处理方法的流程示意图;
图5为一种数据处理装置示意图;
图6为根据本申请实施方式的计算装置。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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。
目前,互联网金融的定价模式中较好的定价模式是大数据定价模式。然而,大数据定价模式中都是采集用户T-1的数据,即截止至今天为止从今天的昨天开始的T-1天的数据,T为正整数。采集数据后,对采集的数据进行分析、整理得出用户特征。所以,对于实时性要求高的数据,该模式并未采用,故此该模式具有一定的延时性,做不到实时控制风险。而无法实时控制风险,会进一步导致估算定价所耗费的资源无法得到有效利用。例如,若估算的不准确,则导致资源被浪费,可能要求重新估算,而对于实时性要求高的情景,该模式不适用,导致进行估价的处理资源无法得到有效利用。而随着金融科技的发展,在金融行业内的金融机构(如银行机构、保险机构和证券机构等)对定价模式的要求也越来越高。传统的估价方式严重不符合银行机构等金融机构的要求。
基于上述需求,本申请实施例提供一种数据处理系统。参阅图1,为本申请实施例中的一种数据处理系统。该系统包括:大数据加工系统10、核心系统20,历史接触系统30和决策引擎40。
其中,大数据加工系统10、核心系统20,历史接触系统30和决策引擎40这四个对象,可分别位于不同的服务器上,也可以位于相同的服务器上。当然,具体实施时,这四个对象可以部分位于相同的服务器上,部分位于不同的服务器上,本申请对此不作具体限定。需要说明的是,四个对象位于不同的服务器上,整体上构成了分布式架构,这四个对象位于不同服务器的基础上,还可对每一个对象所在的服务器提供一个备机服务,即针对每一个对象的服务器提供另一个备份服务器,通过这种分布式架构的布局,实现了四个对象之间的互不影响,即使有一个对象故障,其他几个对象也不受影响,而针对每一个对象提供备机服务器,即使某一个对象故障,也可以由该对象的备机继续提供服务,实现了整体业务的继续运行。
其中,所述大数据加工系统10,用于采集用户的用户基础数据,并将其周期性上报至核心系统20;
所述历史接触系统30,用于对非实时参数的用户操作结果进行处理并存储得到非实时数据,并将其周期性上报至所述核心系统20;此外,历史接触系统30还可以对第一类实时参数的用户操作结果进行实时处理并存储得到第一类实时参考因子;
所述核心系统20,用于接收所述大数据加工系统10发送的用户基础数据以及历史接触系统30发送的非实时数据;以及对第二类实时参数的用户操作结果进行实时处理并存储得到第二类实时参考因子;
为了能够使得各系统和/或引擎之间能够通信,本申请实施例中提供第一连接接口和第二联机接口。第一联机接口和第二联机接口可以不同,也可以相同。在具有联机接口的基础上,所述决策引擎40,用于接收客户端发送的获取指定数据的获取请求,所述获取请求中携带用户标识;根据所述用户标识,通过第一联机接口在历史接触系统30中获取所述用户标识对应的第一类实时参考因子;以及,通过第二联机接口在核心系统20中获取所述用户标识对应的第二类实时参考因子和非实时参考因子;根据实时参考因子和非实时参考因子,得到所述用户标识对应的指定数据,并将所述用户标识对应的指定数据发送给客户端;其中,所述实时参考因子包括第一类实时参考因子和第二类实时参考因子,所述非实时参考因子包括用户基础数据和非实时数据。
在一个实施例中,前述第一联机接口和第二联机接口可采用RMB(Reliablemessage bus,可靠消息总线)消息队列。
在一个实施例中,指定数据可以是借款利率,不同用户的借款利率可以不同。用户可以通过查看借款利率的功能项触发客户端发送获取借款利率请求给决策引擎。
具体实施时,所述大数据加工系统可以使用hadoop hive(基于Hadoop的一个数据仓库工具),hadoop hive可以将结构化的数据文件映射为一张数据库表,并提供简单的sql查询功能。大数据加工系统可以周期性的上报用户基础数据,指定周期可以自行设置。例如,将指定周期设置为5天,10天,30天等。或者,指定周期也可以是指定的时间点,如大数据加工系统也可以每天在指定时间点上报一次用户基础数据,例如,每天24点上报一次,或者每天2点上报一次等。用户基础数据可以是公安信息,例如身份证号,电话号等。还可以包括用户的银行信息,例如借贷信息,存款信息,以及银行卡号等信息。
历史接触系统中的非实时数据可以是用户在使用互联网金融平台时产生的信息,例如开户信息,用户开户后完成首笔借款的时间,用户结清借款后至今多少天未重新借款等信息。历史接触系统可以每指定周期上报一次非实时数据。例如,可以10天,15天上报一次。或者,可以在每天的指定时间点上报,例如,每天6点上报等。具体实施时,历史接触系统的上报时间点可以和大数据加工系统的上报时间点相同,也可以不同,本申请不做具体限定。
历史接触系统还可以对第一实时参数的用户操作结果进行实时处理并存储得到第一类实时参考因子。第一实时参数可以是用户是否领优惠券,用户领的优惠券的信息等。
核心系统可以对第二实时参数的用户操作结果进行实时处理并存储得到第二类实时参考因子。第二实时参数可以是用户借据信息,例如,用户在互联网金融平台的借款次数,每笔借款的额度,是否有逾期记录,逾期天数,逾期金额大小,用户主动还款次数,互联网金融平台定时批扣用户借记卡还款次数,以及用户的逾期率等。具体的,逾期率可以是通过确定用户逾期次数除以用户借款次数得到的结果。
在大数据加工系统和历史接触系统分别将用户基础数据和非实时数据周期性的上报至核心系统时,可以采用sqoop(开源工具)分别将基础数据和非实时数据传递至核心系统。
具体实施时,还可以将上述非实时数据,用户基础数据,第一类实时参考因子和第二类实时参考因子存储于核心系统和历史接触系统共享的数据库中,在接收到获取请求时,决策引擎可以直接在数据库中查询实时参考因子和非实时参考因子。为了提高数据库内容的读取效率,可以采用分布式缓存技术提高读取效率。例如,利用redis(数据库),membercache(分布式缓存服务器)等分布式存储实时参考因子和非实时参考因子。
上述系统中,通过联机接口将数据打通,能够快速的查询用户的实时参考因子和非实时参考因子。由于实时参考因子时根据用户操作结果实时更新的,使得时延要求高的实时参考因子能够及时获取且获取最新的数据,使得得到的指定数据融合了高时延要求的实时参考因子,以及低时延要求的非实时参考因子,能够实现实时预测,使得指定数据的获取更加准确,能够有效的降低风险,有效的提高相应处理资源的利用率。
为了根据实时参考因子和非实时参考因子,得到用户标识对应的指定数据,决策引擎40可以执行如下步骤A1-步骤A4:
步骤A1:将各实时参考因子和各非实时参考因子中的每个参考因子作为待处理参考因子。
步骤A2:针对每个当前待处理参考因子,获取该当前待处理参考因子的处理规则,根据获取的处理规则对该待处理参考因子进行处理得到处理结果;若处理结果和另一个待处理参考因子关联,则执行步骤A3;若处理结果为得到指定数据,则执行步骤A4。
步骤A3:获取所述指定参考因子的处理规则,处理所述指定参考因子。
步骤A4:将处理结果中的指定数据作为所述用户标识对应的指定数据。
具体的,结合图2对本申请实施例提供的技术方案做进一步说明。图2为本申请实施例中一种数据处理系统的应用场景示意图。该场景包括:用户200,客户端201,大数据加工系统10,核心系统20,历史接触系统30,决策引擎40。
用户200通过客户端201的互联网金融平台借款,通过查看利率的功能项触发获取利率的获取请求,该获取请求中包括用户200的用户标识。决策引擎40接收该获取请求,并获取一个默认值,该默认值用于驱动决策引擎40,并且针对各个用户默认值可以相同。默认值可以设置为万3%,万4%等,本申请实施例不做具体限定。决策引擎40通过第一联机接口在历史接触系统30获取用户200的第一类实时参考因子A,通过第二联机接口在核心系统20中获取用户200的第二类实时参考因子B-C和非实时参考因子D-E。决策引擎40获取第一类实时参考因子A的处理规则,根据获取的处理规则对第一类实时参考因子A进行处理得到处理结果。若该处理结果表示和第二类实时参考因子C关联,则决策引擎40进一步获取第二类实时参考因子C的处理规则,根据获取的处理规则对第二类实时参考因子C进行处理得到处理结果,若该处理结果进一步和非实时参考因子D关联,则进一步的,决策引擎40获取非实时参考因子D的处理规则,并得到处理结果。若该处理结果为得到利率万4.5%。决策引擎40将利率万4.5%发送至客户端201,客户端201显示利率万4.5%的信息。
上述系统,能够快速的查询用户的参考因子,将参考因子分为实时参考因子和非实时参考因子,使得获取的参考因子时延低。并且通过处理规则处理参考因子,得到的利率也更加准确,能够有效的降低风险,有效的提高相应处理资源的利用率。
具体实施时,若该参考因子的处理规则还可以包括预设的例外情况,则确定所述用户标识对应的指定数据为默认值。具体的,用户标识对应的用户的参考因子没有命中该参考因子的处理规则中的任何一种情况则视为满足例外情况,该用户的利率可确定为默认值。或者,在决策引擎40由于故障无法获取用户标识对应的用户的参考因子时,该用户的利率也可以确定为默认值,并交由相应的客户端显示该默认值。例如,结合前述例子,决策引擎40获取非实时参考因子D的处理规则,确定该非实时参考因子D为处理规则包括的预设的例外情况,则用户200的利率为默认值,客户端201显示该默认值。
具体的,各用户的默认值可以相同,或者也可以根据各用户对应的用户分类信息,针对各用户分类信息分别设置一个默认值。
上述系统,能够在决策引擎故障,或者根据处理规则无法得到用户标识对应的指定数据时,将默认值发送给客户端显示。
为了使得得到的利率符合国家监管政策,决策引擎的管理员可以实施配置满足国家监管政策的参考范围,而且即时发布参考范围即时生效。具体实施时,在决策引擎40将得到的指定数据发送给客户端之前,还可以获取所述用户类别信息对应的指定数据的参考范围;判断所述指定数据是否在所述参考范围内;若判断结果为所述指定数据在所述参考范围内,则将所述指定数据发送给客户端;若判断结果为所述指定数据不在所述参考范围内,则在所述参考范围随机选取指定数据;将随机选取的指定数据发送给客户端。
如前所述,该参考范围可以根据管理员的操作实时维护。例如,国家监管要求,互联网金融平台自持的借据日利率不能高于万4.5%,管理员结合监管要求和用户类别信息,针对各用户类别信息可以分别设置一个参考范围,例如万4.5%-万5%等。这样,使得最终确定的利率不仅能够满足市场经济驱动的准确性,还能够满足国家监管的要求。
为了能够更加清楚的了解本申请实施例提供的技术方案,下面提供一个实施例做进一步说明:
参阅图3,为本申请实施例中一种数据处理系统的另一应用场景示意图。该应用场景中指定数据的参考范围为万4%-万4.5%。
用户根据查看利率的功能项触发获取利率的获取请求。为决策引擎40提供默认值万5%,并驱动决策引擎40。决策引擎获取该用户对应的A-J,并根据处理规则,处理参考因子A-J。根据处理规则,参考因子A-J串行或者并行决定该用户对应的利率。最终得到利率万5%,决策引擎40确定利率万5%不在参考范围内,则随机选取万4.5%作为该用户的利率,发送给客户端。
基于相同的发明构思,本申请实施例还提供一种数据处理方法。参阅图4,为本申请实施例中一种数据处理方法的流程示意图。可以包括以下步骤:
步骤401:接收客户端发送的获取指定数据的获取请求,所述获取请求中携带用户标识。
具体的,所述实时参考因子的更新频率大于所述非实时参考因子的更新频率。用户标识可以是用户的账号,例如,用户在互联网金融平台注册的账号,或者还可以是用户的身份证号等。
步骤402:根据所述用户标识,获取与所述用户标识对应的实时参考因子;以及,获取与所述用户标识对应的非实时参考因子。
其中,所述实时参考因子的更新频率大于所述非实时参考因子的更新频率。
步骤403:根据所述实时参考因子和所述非实时参考因子,得到所述用户标识对应的指定数据。
步骤404:将所述用户标识对应的指定数据发送给所述客户端。
可选的,所述实时参考因子包括第一类实时参考因子和第二类实时参考因子,上述步骤402可以具体执行为:
根据所述用户标识,通过第一联机接口在历史接触系统中获取所述用户标识对应的第一类实时参考因子,以及,通过第二联机接口在核心系统中获取所述用户标识对应的第二类实时参考因子和非实时参考因子。
可选的,所述非实时参考因子包括用户类别信息,在上述步骤404之前,还可以获取所述用户类别信息对应的指定数据的参考范围;判断所述指定数据是否在所述参考范围内。上述步骤404可以具体执行为:
若判断结果为所述指定数据在所述参考范围内,则将所述指定数据发送给客户端;
若判断结果为所述指定数据不在所述参考范围内,则在所述参考范围随机选取指定数据;将随机选取的指定数据发送给客户端。
具体实施时,参考范围为根据管理员的操作结果实时维护的。
可选的,上述步骤403可以具体执行为如步骤B1-步骤B所示:
步骤B1:将各实时参考因子和各非实时参考因子中的每个参考因子作为待处理参考因子。
步骤B2:针对每个当前待处理参考因子,获取该当前待处理参考因子的处理规则,根据获取的处理规则对该待处理参考因子进行处理得到处理结果。
步骤B3:若处理结果为表示和另一个待处理参考因子关联,则将所述另一个待处理参考因子作为当前待处理参考因子并返回执行步骤B2。
步骤B4:若处理结果为得到指定数据,则将处理结果中的指定数据作为所述用户标识对应的指定数据。
可选的,若该参考因子的处理规则包括预设的例外情况,则确定所述用户标识对应的指定数据为默认值。
基于相同的发明构思,本申请实施例还提供一种数据处理装置。参阅图5,为本申请实施例中一种数据处理装置示意图。该装置包括:
接收模块501,用于接收客户端发送的获取指定数据的获取请求,所述获取请求中携带用户标识;
获取模块502,用于根据所述用户标识,获取与所述用户标识对应的实时参考因子;以及,获取与所述用户标识对应的非实时参考因子;其中,所述实时参考因子的更新频率大于所述非实时参考因子的更新频率;
处理模块503,用于根据所述实时参考因子和所述非实时参考因子,得到所述用户标识对应的指定数据;
发送模块504,用于将所述用户标识对应的指定数据发送给所述客户端。
可选的,所述实时参考因子包括第一类实时参考因子和第二类实时参考因子,获取模块502具体用于:
根据所述用户标识,通过第一联机接口在历史接触系统中获取所述用户标识对应的第一类实时参考因子,以及,通过第二联机接口在核心系统中获取所述用户标识对应的第二类实时参考因子和非实时参考因子;
其中,所述历史接触系统中的第一类实时参考因子为所述历史接触系统对第一类实时参数的用户操作结果进行实时处理得到的;
所述核心系统中的非实时参考因子包括用户基础数据和非实时数据,所述用户基础数据是大数据加工系统周期性上报给所述核心系统的;所述非实时数据为历史接触系统周期性上报给所述核心系统的;其中,所述大数据加工系统用于采集所述用户标识对应的用户基础数据;所述历史接触系统还用于对非实时参数的用户操作结果进行处理并存储得到所述非实时数据;
所述核心系统的第二类实时参考因子是所述核心系统对第二类实时参数的用户操作结果进行实时处理并存储得到的。
可选的,所述非实时参考因子包括用户类别信息,所述发送模块504还用于:
将所述用户标识对应的指定数据发送给所述客户端之前,获取所述用户类别信息对应的指定数据的参考范围;判断所述指定数据是否在所述参考范围内。
所述发送模块504具体用于:
若判断结果为所述指定数据在所述参考范围内,则将所述指定数据发送给客户端;
若判断结果为所述指定数据不在所述参考范围内,则在所述参考范围随机选取指定数据;将随机选取的指定数据发送给客户端。
可选的,所述参考范围为根据管理员的操作结果实时维护的。
可选的,处理模块503具体用于:
将各实时参考因子和各非实时参考因子中的每个参考因子作为待处理参考因子;
针对每个当前待处理参考因子:获取该当前待处理参考因子的处理规则,根据获取的处理规则对该待处理参考因子进行处理得到处理结果;若处理结果为表示和另一个待处理参考因子关联,则将所述另一个待处理参考因子作为当前待处理参考因子并返回执行获取该当前待处理参考因子的处理规则的步骤;若处理结果为得到指定数据,则将处理结果中的指定数据作为所述用户标识对应的指定数据。
可选的,处理模块503还用于:
若该参考因子的处理规则包括预设的例外情况,则确定所述用户标识对应的指定数据为默认值。
在介绍了本申请示例性实施方式的一种数据处理方法、系统和装置之后,接下来,介绍根据本申请的另一示例性实施方式的计算装置。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中,根据本申请的计算装置可以至少包括至少一个处理器、以及至少一个存储器。其中,存储器存储有程序代码,当程序代码被处理器执行时,使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的一种数据处理方法中的步骤。例如,处理器可以执行如图4中所示的步骤401-步骤404。
下面参照图6来描述根据本申请的这种实施方式的计算装置130。图6显示的计算装置130仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算装置130以通用计算装置的形式表现。计算装置130的组件可以包括但不限于:上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。
总线133表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器132可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)1321和/或高速缓存存储器1322,还可以进一步包括只读存储器(ROM)1323。
存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325,这样的程序模块1324包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
计算装置130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信,还可与一个或者多个使得用户能与计算装置130交互的设备通信,和/或与使得该计算装置130能与一个或多个其它计算装置进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且,计算装置130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器136通过总线133与用于计算装置130的其它模块通信。应当理解,尽管图中未示出,可以结合计算装置130使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中,本申请提供的一种该数据处理方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种该数据处理方法中的步骤,例如,计算机设备可以执行如图4中所示的步骤401-步骤404。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于数据处理的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在计算装置上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算装置上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算装置上部分在远程计算装置上执行、或者完全在远程计算装置或服务器上执行。在涉及远程计算装置的情形中,远程计算装置可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算装置,或者,可以连接到外部计算装置(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、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数据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数据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数据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数据处理设备上,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。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
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 (11)
1.一种数据处理方法,其特征在于,所述方法包括:
接收客户端发送的获取指定数据的获取请求,所述获取请求中携带用户标识;
根据所述用户标识,获取与所述用户标识对应的实时参考因子;以及,获取与所述用户标识对应的非实时参考因子;其中,所述实时参考因子的更新频率大于所述非实时参考因子的更新频率;
根据所述实时参考因子和所述非实时参考因子,得到所述用户标识对应的指定数据;
将所述用户标识对应的指定数据发送给所述客户端。
2.根据权利要求1所述的方法,其特征在于,所述实时参考因子包括第一类实时参考因子和第二类实时参考因子,所述根据所述用户标识,获取与所述用户标识对应的实时参考因子;以及,获取与所述用户标识对应的非实时参考因子,包括:
根据所述用户标识,通过第一联机接口在历史接触系统中获取所述用户标识对应的第一类实时参考因子,以及,通过第二联机接口在核心系统中获取所述用户标识对应的第二类实时参考因子和非实时参考因子;
其中,所述历史接触系统中的第一类实时参考因子为所述历史接触系统对第一类实时参数的用户操作结果进行实时处理得到的;
所述核心系统中的非实时参考因子包括用户基础数据和非实时数据,所述用户基础数据是大数据加工系统周期性上报给所述核心系统的;所述非实时数据为历史接触系统周期性上报给所述核心系统的;其中,所述大数据加工系统用于采集所述用户标识对应的用户基础数据;所述历史接触系统还用于对非实时参数的用户操作结果进行处理并存储得到所述非实时数据;
所述核心系统的第二类实时参考因子是所述核心系统对第二类实时参数的用户操作结果进行实时处理并存储得到的。
3.根据权利要求1所述的方法,其特征在于,所述非实时参考因子包括用户类别信息,将所述用户标识对应的指定数据发送给所述客户端之前,还包括:
获取所述用户类别信息对应的指定数据的参考范围;
判断所述指定数据是否在所述参考范围内;
将所述指定数据发送至客户端显示,包括:
若判断结果为所述指定数据在所述参考范围内,则将所述指定数据发送给客户端;
若判断结果为所述指定数据不在所述参考范围内,则在所述参考范围随机选取指定数据;
将随机选取的指定数据发送给客户端。
4.根据权利要求3所述的方法,其特征在于,所述参考范围为根据管理员的操作结果实时维护的。
5.根据权利要求1-3任一所述的方法,其特征在于,根据所述实时参考因子和所述非实时参考因子,得到所述用户标识对应的指定数据,包括:
将各实时参考因子和各非实时参考因子中的每个参考因子作为待处理参考因子;
针对每个当前待处理参考因子:获取该当前待处理参考因子的处理规则,根据获取的处理规则对该待处理参考因子进行处理得到处理结果;若处理结果为表示和另一个待处理参考因子关联,则将所述另一个待处理参考因子作为当前待处理参考因子并返回执行获取该当前待处理参考因子的处理规则的步骤;若处理结果为得到指定数据,则将处理结果中的指定数据作为所述用户标识对应的指定数据。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
若该参考因子的处理规则包括预设的例外情况,则确定所述用户标识对应的指定数据为默认值。
7.一种数据处理系统,其特征在于,所述系统包括:大数据加工系统、历史接触系统、核心系统、决策引擎;
其中,所述大数据加工系统,用于采集用户的用户基础数据,并周期性上报至核心系统;
所述历史接触系统,用于对非实时参数的用户操作结果进行处理并存储得到非实时数据,并将其周期性上报至核心系统;以及对第一类实时参数的用户操作结果进行实时处理并存储得到第一类实时参考因子;
所述核心系统,用于存储非实时参考因子,所述非实时参考因子包括从所述大数据加工系统获取的用户基础数据以及从历史接触系统获取的非实时数据;以及对第二类实时参数的用户操作结果进行实时处理并存储得到第二类实时参考因子;
所述决策引擎,用于接收客户端发送获取指定数据的获取请求,所述获取请求中携带用户标识;根据所述用户标识,通过第一联机接口在历史接触系统中获取所述用户标识对应的第一类实时参考因子;以及,通过第二联机接口在核心系统中获取所述用户标识对应的第二类实时参考因子和非实时参考因子;根据实时参考因子和非实时参考因子,得到所述用户标识对应的指定数据,并将所述用户标识对应的指定数据发送给客户端。
8.根据权利要求7所述的系统,其特征在于,所述非实时参考因子包括用户类别信息,将所述用户标识对应的指定数据发送给客户端之前,所述决策引擎还用于:
获取所述用户类别信息对应的指定数据的参考范围;
判断所述指定数据是否在所述参考范围内;
所述决策引擎具体用于:
若判断结果为所述指定数据在所述参考范围内,则将所述指定数据发送给客户端;
若判断结果为所述指定数据不在所述参考范围内,则在所述参考范围随机选取指定数据;
将随机选取的指定数据发送给客户端。
9.一种数据处理装置,其特征在于,所述装置包括:
接收模块,用于接收客户端发送的获取指定数据的获取请求,所述获取请求中携带用户标识;
获取模块,用于根据所述用户标识,获取与所述用户标识对应的实时参考因子;以及,获取与所述用户标识对应的非实时参考因子;其中,所述实时参考因子的更新频率大于所述非实时参考因子的更新频率;
处理模块,用于根据所述实时参考因子和所述非实时参考因子,得到所述用户标识对应的指定数据;
发送模块,用于将所述用户标识对应的指定数据发送给所述客户端。
10.一种计算机可读介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令用于执行如权利要求1-6中任一权利要求所述的方法。
11.一种计算装置,其特征在于,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-6中任一权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910433092.5A CN110175714A (zh) | 2019-05-23 | 2019-05-23 | 数据处理方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910433092.5A CN110175714A (zh) | 2019-05-23 | 2019-05-23 | 数据处理方法、装置和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110175714A true CN110175714A (zh) | 2019-08-27 |
Family
ID=67692006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910433092.5A Pending CN110175714A (zh) | 2019-05-23 | 2019-05-23 | 数据处理方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110175714A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110795470A (zh) * | 2019-10-30 | 2020-02-14 | 北京锐安科技有限公司 | 一种关联数据获取方法、装置、设备及存储介质 |
CN114693459A (zh) * | 2022-04-15 | 2022-07-01 | 北京百度网讯科技有限公司 | 基于金融场景的风险控制方法、装置及电子设备 |
-
2019
- 2019-05-23 CN CN201910433092.5A patent/CN110175714A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110795470A (zh) * | 2019-10-30 | 2020-02-14 | 北京锐安科技有限公司 | 一种关联数据获取方法、装置、设备及存储介质 |
CN114693459A (zh) * | 2022-04-15 | 2022-07-01 | 北京百度网讯科技有限公司 | 基于金融场景的风险控制方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7921046B2 (en) | High speed processing of financial information using FPGA devices | |
CN108717443A (zh) | 数据共享方法、区块链系统和计算机可读存储介质 | |
CN103368867B (zh) | 高速缓存经网络与辅助站点通信的对象的方法和系统 | |
US11270375B1 (en) | Method and system for aggregating personal financial data to predict consumer financial health | |
CN109584031A (zh) | 对账方法、装置、电子设备及计算机可读介质 | |
CN109447641A (zh) | 向区块链浏览器传输区块链数据的方法和设备 | |
US8898641B2 (en) | Managing transactions within a middleware container | |
US10282208B2 (en) | Cognitive thread management in a multi-threading application server environment | |
CN112365355B (zh) | 实时计算基金估值和风险指标的方法、装置及可读介质 | |
US11310126B2 (en) | Automated operational data management dictated by quality of service criteria | |
CN110175714A (zh) | 数据处理方法、装置和系统 | |
CN111047310A (zh) | 数字资产的发行和转让、在线融资的实现方法和装置 | |
CN108537065A (zh) | 征信信息处理方法 | |
US9380126B2 (en) | Data collection and distribution management | |
US11164086B2 (en) | Real time ensemble scoring optimization | |
US11854018B2 (en) | Labeling optimization through image clustering | |
Deldari et al. | A survey on preemptible IaaS cloud instances: challenges, issues, opportunities, and advantages | |
CN111176588B (zh) | 业务单据出单方法、装置、介质及电子设备 | |
CN106919643A (zh) | 行情数据的写入、读取以及行情数据的读写方法和系统 | |
CN113934541B (zh) | 物联网连接的金融终端数据识别与处理系统及其方法 | |
CN117992241B (zh) | 基于大数据的科技型中小企业银企对接服务系统及方法 | |
US11449800B2 (en) | Machine-learned data management between devices | |
GB2502300A (en) | Customisation of client service data exchange and communication to provide/communicate only data relevant to a requested service | |
US8260737B2 (en) | Dynamic service selections using enhanced ontologies | |
US11188583B2 (en) | Facilitating efficiency in query response |
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 |