CN110321393A - 数据计算方法、装置、设备及可读存储介质 - Google Patents
数据计算方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN110321393A CN110321393A CN201910584271.9A CN201910584271A CN110321393A CN 110321393 A CN110321393 A CN 110321393A CN 201910584271 A CN201910584271 A CN 201910584271A CN 110321393 A CN110321393 A CN 110321393A
- Authority
- CN
- China
- Prior art keywords
- data
- processing
- preliminary classification
- default
- pending
- 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 127
- 238000012545 processing Methods 0.000 claims abstract description 138
- 230000008569 process Effects 0.000 claims abstract description 76
- 238000004364 calculation method Methods 0.000 claims description 50
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000004083 survival effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种数据计算方法、装置、设备及可读存储介质，该方法包括：抽取过去预设时间段预设数据系统的目标数据，对所述目标数据进行初始分类处理，得到初始分类数据；调用预设HQL语句对所述初始分类数据进行加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据；对所述待处理数据进行处理。旨在解决现有数据计算过程中难以及时自动预测或者自动提前预估出未来的计算结果技术问题。
Description
技术领域
本发明涉及金融科技(Fintech)技术领域，尤其涉及一种数据计算方法、装置、设备及可读存储介质。
背景技术
随着金融科技(Fintech)，尤其是互联网科技金融的不断发展，越来越多的技术应用在金融领域。其中，金融领域中的数据计算即涉及众多技术应用，然而，目前，在涉及金融领域的数据计算过程中，需要用户多次手动并通过关键词检索方式筛选需要的相关的参数类型以及各参数类型对应的参数值然后在根据预设的计算规则得到计算结果后，再展示对应得到的计算结果，且目前在很多金融领域的数据计算过程中，需要基于历史的已经发生的参数值，并通过人工计算得到历史计算结果，也即，目前难以及时自动预测或者自动提前预估出未来的计算结果。
发明内容
本发明的主要目的在于提供一种数据计算方法、装置、设备及可读存储介质，旨在解决现有数据计算过程中难以及时自动预测或者自动提前预估出未来的计算结果技术问题。
为实现上述目的，本发明实施例提供一种数据计算方法，所述数据计算方法包括：
抽取过去预设时间段预设数据系统的目标数据，对所述目标数据进行初始分类处理，得到初始分类数据；
调用预设HQL语句对所述初始分类数据进行加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据；
对所述待处理数据进行处理。
可选地，所述调用预设HQL语句对所述初始分类数据进行加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据步骤包括：
从所述初始分类数据中选取预设目标类型数据，调用预设HQL语句对所述目标类型数据进行不同预设维度的加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据；
其中，所述不同预设维度包括产品维度、清结算模式维度、贷款期限维度。
可选地，所述调用预设HQL语句对所述目标类型数据进行不同预设维度的加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据步骤包括：
调用预设HQL语句对所述目标类型数据进行贷款期限维度的加工处理，得到所述初始分类数据对应的数据处理周期的概率表；
基于所述数据处理周期的概率表，得到所述目标类型数据对应所述过去预设时间段按不同期限分类的第一每日处理概率分布曲线；
基于所述第一每日结清概率曲线，通过预设概率算法确定未来预设天数的第二每日处理概率分布曲线；
计算所述第二每日处理概率分布曲线期望值作为未来平均处理天数；
基于所述未来平均处理天数，得到待处理数据。
可选地，所述基于所述未来平均处理天数，得到待处理数据步骤包括：
基于所述未来平均处理天数，确定批处理次数，并确定所述目标类型数据每期批处理后的阶梯递减数据；
获取预设费用提取规则以及所述阶梯递减数据，确定所述待处理数据。
可选地，所述获取预设费用提取规则以及所述阶梯递减数据，确定所述待处理数据步骤还包括：
基于预设清结算规则确定所述目标类型数据是否存在预设免除影响因子；
若存在预设免除影响因子时，根据所述阶梯递减数据、所述预设免除影响因子，以及所述预设费用提取规则，确定所述待处理数据。
可选地，将所述结算处理后的所述待处理数据作为待处理数据；
所述对所述待处理数据进行处理步骤之后包括：
基于预设清结算规则确定所述待处理数据的状态流转规则，基于所述状态流转规则确定所述待处理数据的后续处理流程。
可选地，所述对所述待处理数据进行处理步骤之后包括：
输出所述待处理数据已经进行结算处理的提示信息。
本发明还提供一种数据计算装置，所述数据计算装置包括：
抽取模块，用于抽取过去预设时间段预设数据系统的目标数据，对所述目标数据进行初始分类处理，得到初始分类数据；
加工模块，用于调用预设HQL语句对所述初始分类数据进行加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据；
结算模块，用于对所述待处理数据进行处理。
可选地，所述加工模块包括：
调用单元，用于从所述初始分类数据中选取预设目标类型数据，调用预设HQL语句对所述目标类型数据进行不同预设维度的加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据；
其中，所述不同预设维度包括产品维度、清结算模式维度、贷款期限维度。
可选地，所述调用单元包括：
调用子单元，用于调用预设HQL语句对所述目标类型数据进行贷款期限维度的加工处理，得到所述初始分类数据对应的数据处理周期的概率表；
第一获取子单元，用于基于所述数据处理周期的概率表，得到所述目标类型数据对应所述过去预设时间段按不同期限分类的第一每日处理概率分布曲线；
确定子单元，用于基于所述第一每日结清概率曲线，通过预设概率算法确定未来预设天数的第二每日处理概率分布曲线；
计算子单元，用于计算所述第二每日处理概率分布曲线期望值作为未来平均处理天数；
第二获取子单元，用于基于所述未来平均处理天数，得到待处理数据。
可选地，所述第二获取子单元用于实现：
基于所述未来平均处理天数，确定批处理次数，并确定所述目标类型数据每期批处理后的阶梯递减数据；
获取预设费用提取规则以及所述阶梯递减数据，确定所述待处理数据。
可选地，所述第二获取子单元还用于实现：
基于预设清结算规则确定所述目标类型数据是否存在预设免除影响因子；
若存在预设免除影响因子时，根据所述阶梯递减数据、所述预设免除影响因子，以及所述预设费用提取规则，确定所述待处理数据。
可选地，将所述结算处理后的所述待处理数据作为待处理数据；
所述数据计算装置还包括：
确定模块，用于基于预设清结算规则确定所述待处理数据的状态流转规则，基于所述状态流转规则确定所述待处理数据的后续处理流程。
可选地，所述数据计算装置还包括：
输出模块，用于输出所述待处理数据已经进行结算处理的提示信息。
本发明还提供一种可读存储介质，所述可读存储介质上存储有数据计算程序，所述数据计算程序被处理器执行时实现如上述的数据计算方法的步骤。
本发明抽取过去预设时间段预设数据系统的目标数据，对所述目标数据进行初始分类处理，得到初始分类数据；调用预设HQL语句对所述初始分类数据进行加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据；对所述待处理数据进行处理。在本申请中，通过程序段自动抽取过去预设时间段预设数据系统的目标数据，对所述目标数据进行初始分类处理，得到初始分类数据，且本申请实现通过调用预设HQL语句自动对所述初始分类数据进行加工处理，得到所述初始分类数据对应的数据处理周期的概率表，由于得到数据处理周期的概率表，因而，可以基于数据处理周期的概率表预测以及时自动预测或者自动提前计提未来近期数据计算关联数据，而不只是基于历史的已经发生的数据计算关联数据，通过人工计算得到数据计算内容，也即，本申请及时自动预测或者自动提前预估出未来的计算结果，提升了数据计算过程中的计提广度与计提效率。
附图说明
图1为本发明数据计算方法第一实施例的流程示意图；
图2为本发明数据计算方法第二实施例中调用预设HQL语句对所述目标类型数据进行不同预设维度的加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据步骤的细化流程示意图；
图3是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种数据计算方法，在数据计算方法一实施例中，参照图3，所述数据计算方法包括：
步骤S10，抽取过去预设时间段预设数据系统的目标数据，对所述目标数据进行初始分类处理，得到初始分类数据；
步骤S20，调用预设HQL语句对所述初始分类数据进行加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据；
步骤S30，对所述待处理数据进行处理。
具体步骤如下：
步骤S10，抽取过去预设时间段预设数据系统的目标数据，对所述目标数据进行初始分类处理，得到初始分类数据；
数据计算方法应用于数据计算系统如贷款业务系统，在本实施例中，首先获取需要处理的目标数据如贷款业务数据，特别地，首先自动化地获取需要处理的目标数据，自动化地获取需要处理的目标数据过程包括：用户在数据计算系统的可视化界面上进行抽取过去预设时间段预设数据系统的目标数据(如贷款业务数据)的抽取操作，或者数据计算系统根据预设抽取程序段定时在数据计算系统进行抽取过去预设时间段预设数据系统的目标数据的抽取操作，其中，过去预设时间段可以为过去6个月或者过去一个月等，预设数据系统可以为如微立享、校园贷、微粒贷等对应的数据系统(已经预设的)，目标数据可以为目标类型如借据类型目标数据或者信托类型目标数据(已经预设的)，数据计算系统在检测到抽取操作后，执行抽取指令，以抽取过去预设时间段预设数据系统的目标数据，其中，数据计算系统执行选取指令，以抽取过去预设时间段预设数据系统的目标数据过程是基于预设的各个处理模块实现的，其中，各个处理模块本质上是一套预设标准的基于企业具体业务处理事项设计的API公共网关接口，即对于每个具体业务处理事项而言，在数据计算系统中都对应设置有处理模块，该处理模块与该具体业务处理事项存在一一映射关系，即具体业务处理事项不同，该处理模块不同，即该不同处理模块中具有不同的预设规则或者函数、以实现相应单一的功能，如单一的功能可是获取客服数据计算系统的A产品的信托类明细日报数据，或者获取数据计算系统的B产品的借据类明细日报数据等对应的数据。在数据计算系统中，若设置针对A产品的信托类明细日报数据的处理模块，而A产品在m1、m2等平台上都有营业，因而，在数据计算系统中，是设置有接通该m1、m2等平台的A产品的信托类明细日报数据的处理模块，该处理模块能够获取企业当前在所有平台上针对A产品的信托类明细日报数据。
在本实施例中，抽取过去预设时间段预设数据系统的目标数据，抽取过去预设时间段预设数据系统的目标数据的目的在于对所述目标数据进行初始分类处理，得到初始分类数据，而得到初始分类数据后，对初始分类数据进行加工处理，以得到所述初始分类数据对应的数据处理周期如贷款生命周期的概率表，基于所述数据处理周期如贷款生命周期的概率表得到待处理数据(待处理数据可以为需要结清的初始分类数据对应的渠道费，如银行处理借据数据过程中抽取的渠道费)，即是本实施例数据计算流程除了自动实现抽数、结算外，重点在于本实施例是预先加工得到数据处理周期的概率表，以得到待处理数据，而数据处理周期的概率表，是基于初始分类数据得到的。
具体地，抽取过去预设时间段预设数据系统的目标数据，对所述目标数据进行初始分类处理，得到初始分类数据包括：
抽取过去预设时间段预设数据系统的目标数据，对所述目标数据进行贷款状态的初始分类处理，得到初始分类数据；
抽取过去预设时间段预设数据系统的目标数据，对所述目标数据进行初始分类处理，得到初始分类数据还包括：
抽取过去预设时间段预设数据系统的目标数据，对所述目标数据进行日期的初始分类处理，得到初始分类数据。
在本实施例中，将不同类型的初始分类数据布局在不同表格中，并对布局在不同表格中的初始分类数据进行其他维度如产品维度等的整合处理，即将初始分类数据整合存储在预设hive(hive是一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表)上。
步骤S20，调用预设HQL语句对所述初始分类数据进行加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据；
在本实施例中，是存在预设HQL语句的，其中，HQL(Hibernate Query Language)语句指的与SQL语句语法类似，提供丰富灵活的查询以及处理功能的语句，在得到初始分类数据后，调用预设HQL语句对所述初始分类数据进行加工处理，具体地，通过预设shell脚本，以调用Hive中的初始分类数据，以通过预设HQL语句对所述初始分类数据进行加工处理，以得到所述初始分类数据对应的数据处理周期的概率表，以基于所述数据处理周期的概率表得到待处理数据。其中，通过预设HQL语句对所述初始分类数据进行加工处理包括对初始分类数据进行清结算规则和服务费定价匹配处理过程。
所述调用预设HQL语句对所述初始分类数据进行加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据步骤包括：
步骤S21，从所述初始分类数据中选取预设目标类型数据，调用预设HQL语句对所述目标类型数据进行不同预设维度的加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据；
其中，所述不同预设维度包括产品维度、清结算模式维度、贷款期限维度。
在本实施例中，不是针对所有初始分类数据都得到数据处理周期的概率表，而是针对初始分类数据中的目标类型数据如借据类型数据得到数据处理周期的概率表，因而，从所述初始分类数据中选取借据类型数据，调用预设HQL语句对所述借据类型数据进行不同预设维度的加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据，其中，调用预设HQL语句对所述借据类型数据进行不同预设维度的加工处理包括对借据类型数据进行产品维度、清结算模式维度、贷款期限维度的加工处理，其中，对所述借据类型数据进行产品维度的加工处理指的是对不同借据产品进行清结算规则和服务费定价匹配处理过程，而对所述目标类型数据进行清结算模式维度的加工处理指的是不同清结算模式下进行清结算规则和服务费定价匹配处理过程，对所述目标类型数据进行贷款期限维度的加工处理指的是对贷款期限产品进行清结算规则和服务费定价匹配处理过程等。
其中，所述调用预设HQL语句对所述目标类型数据进行不同预设维度的加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据步骤包括：
步骤S211，调用预设HQL语句对所述目标类型数据进行贷款期限维度的加工处理，得到所述初始分类数据对应的数据处理周期的概率表；
在本实施例中，以调用预设HQL语句对所述借据类型数据进行贷款期限维度的加工处理为例进行具体说明，其中，贷款期限指的是该借据类型数据是五期分期还完数据类型，还是十期分期还完数据类型或者二十期分期还完数据类型等，调用预设HQL语句对所述借据类型数据进行贷款期限维度的加工处理，得到所述初始分类数据对应的数据处理周期的概率表，即是将借据类型数据不同分期类型的数据基于过去预设时间段进行数据处理周期概率表的分别整合，例如，获取借据类型数据中五期分期还完的数据类型，然后对所有五期分期还完的数据，确定每笔数据的数据处理周期如推算具体什么时候还款等，以及确定每笔数据在过去预设时间段每天的还款概率如在某天还款概率是百分之一百，进而，得到过去预设时间段所有五期分期还完的数据对应的数据处理周期的概率表，即是得到过去预设时间段所有五期分期还完的数据对应的每天还款概率构成的数据处理周期的概率表。
步骤S212，基于所述数据处理周期的概率表，得到所述目标类型数据对应所述过去预设时间段按不同期限分类的第一每日处理概率分布曲线；
在得到不同贷款期限类型的所述数据处理周期的概率表后，根据过去预设时间段每天的还款概率，可以得到得到所述借据类型数据对应所述过去预设时间段按不同期限分类如贷款期限分类的第一每日处理概率分布曲线，例如，所述借据类型数据中五期分期还完的类型数据中过去3天的结清概率分别为5％，7％，10％，则根据时间以及结清概率可以对应得到过去预设时间段的第一每日处理概率分布曲线。
步骤S213，基于所述第一每日结清概率曲线，通过预设概率算法确定未来预设天数的第二每日处理概率分布曲线；
基于所述第一每日结清概率曲线，通过预设概率算法确定未来预设天数的第二每日处理概率分布曲线，具体地，基于第一每日结清概率曲线，应用贝叶斯条件概率公式P(N|Q)＝P(Q)N)/P(Q))＝P(N)/(1-(P(1)+、、、+P(Q))))，确定第二每日处理概率分布曲线，也即通过不同贷款期限的借据数据从借据发放日起至今已经存续Q)天的每天的第一每日结清概率曲线，确定未来N天每天的处理概率分布曲线(其中，N<＝贷款期限*31天)。
步骤S214，计算所述第二每日处理概率分布曲线期望值作为未来平均处理天数；
在得到第二每日处理概率分布曲线后，计算所述第二每日处理概率分布曲线期望值也即未来平均处理天数，具体地，通过概率加权计算方式计算未来平均处理天数，例如，在未来第一天结清概率为5％，在未来第二天结清概率为7％，未来第三天结清概率为10％，未来第四天结清概率为15％等，则未来平均处理天数为(1*5％+2*7％+3*10％+4*15％+、、+N*a％)/(5％+7％+10％+15％+、、、+a％)，其中，未来存续天数还可以通过概率加权平均存续天数当前当前借据已经存续的天数的方式计算得到。
步骤S215，基于所述未来平均处理天数，得到待处理数据。
具体地，在本实施例中，待处理数据的清结算逻辑与未来平均处理天数关联的，也即待处理数据根据未来平均处理天数内有无批处理即批扣(有无批处理确定待计算的初始分类数据对应账单余额不同)，采取不同的清结算逻辑，因而，基于所述未来平均处理天数以及初始分类数据对应的渠道费清结算逻辑，可以确定得到待处理数据(待清结算数据)。
步骤S30，对所述待处理数据进行处理。
在得到待处理数据(待清结算数据)后，根据预设的清结算逻辑或者清结算规则也即渠道费抽取规则或者逻辑，对所述待处理数据进行处理。
本发明抽取过去预设时间段预设数据系统的目标数据，对所述目标数据进行初始分类处理，得到初始分类数据；调用预设HQL语句对所述初始分类数据进行加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据；对所述待处理数据进行处理。在本申请中，通过程序段自动抽取过去预设时间段预设数据系统的目标数据，对所述目标数据进行初始分类处理，得到初始分类数据，且本申请实现通过调用预设HQL语句自动对所述初始分类数据进行加工处理，得到所述初始分类数据对应的数据处理周期的概率表，由于得到数据处理周期的概率表，因而，可以基于数据处理周期的概率表预测以及时自动预测或者自动提前计提未来近期数据计算关联数据，而不只是基于历史的已经发生的数据计算关联数据，通过人工计算得到数据计算内容，也即，本申请及时自动预测或者自动提前预估出未来的计算结果，提升了数据计算过程中的计提广度与计提效率。
进一步地，本发明提供数据计算方法另一实施例，在该实施例中，所述基于所述未来平均处理天数，得到待处理数据步骤包括：
步骤A1，基于所述未来平均处理天数，确定批处理次数，并确定所述目标类型数据每期批处理后的阶梯递减数据；
在本实施例中，未来平均处理天数不同，批处理次数即是批扣次数不同，如未来平均处理天数为45天时，批处理次数可以为3次，未来平均处理天数为25天时，批处理次数可以为2次，批处理次数不同，批处理后阶梯递减数据不同，根据批处理次数确定批处理后阶梯递减数据如递减批处理次数乘以余额阶梯递减因子即为阶梯递减数据。
步骤A2，获取预设费用提取规则以及所述阶梯递减数据，确定所述待处理数据。
获取预设费用提取规则以及所述阶梯递减数据，确定所述待处理数据，如预设费用提取规则为渠道费＝((初始分类数据对应不同分期余额-阶梯递减数据)*自营比例*(未来平均处理天数)*(日利率/1.06-日资金成本)*X％)等，其中，X为定价，可以根据不同分期进行变化。
其中，所述获取预设费用提取规则以及所述阶梯递减数据，确定所述待处理数据步骤还包括：
步骤B1，基于预设清结算规则确定所述目标类型数据是否存在预设免除影响因子；
在本实施例中，还判断预设清结算规中是否存在预设免除影响因子，以更准确进行渠道费的计算。
步骤B2，若存在预设免除影响因子时，根据所述阶梯递减数据、所述预设免除影响因子，以及所述预设费用提取规则，确定所述待处理数据。
若存在预设免除影响因子时，根据所述阶梯递减数据、所述预设免除影响因子，以及所述预设费用提取规则，确定所述待处理数据，其中，初始渠道费还可以通过如下公式进行计算：
1、若N<＝T1-T0，预估未来平均处理天数中无批处理次数：渠道费＝M*N*(loan_interest_rate(利率)/1.06-X/365)，X为定价，其中，T为天数，M为放款金额或者贷款金额，N为未来平均处理天数。
2、floor(取整函数)((N–(T1-T0))/T)＝0，即预估存续期内有1次批处理次数：渠道费＝(M*(T1-T0)+(M–M/总期数)*(N-(T1-T0)))*(loan_interest_rate(利率)/1.06-X/365)，
3、floor((N–(T1-T0))/T)>0，即预估存续期内有>＝2次批处理：渠道费＝(M*(T1-T0)+((M-M/总期数)+(M–floor((N–(T1-T0))/T)*M/总期数))/2*floor((N-(T1-T0))/T)*T+(M-(floor((N-(T1-T0))/T)+1)*M/总期数)*(N-(T1-T0)-(floor((N-(T1-T0))/T)*T)))*(loan_interest_rate(利率)/1.06-X/365)。
其中，T1-T0-EQUITY_VALUE免息天数，若借据使用了免息券(EQUITY_TYPE＝'INT_D')，即渠道费需在利率loan_interest_rate上*EQUITY_VALUE/100才能得到。
在本实施例中，通过基于所述未来平均处理天数，确定批处理次数，并确定所述目标类型数据每期批处理后的阶梯递减数据；获取预设费用提取规则以及所述阶梯递减数据，确定所述待处理数据。在本实施例中，准确得到待处理数据，以进行计算。
进一步地，在本发明提供数据计算方法另一实施例，在该实施例中，将所述结算处理后的所述待处理数据作为待处理数据；
所述对所述待处理数据进行处理步骤之后包括：
步骤S40，基于预设清结算规则确定所述待处理数据的状态流转规则，基于所述状态流转规则确定所述待处理数据的后续处理流程。
在本实施例中，还基于预设清结算规则确定所述待处理数据的状态流转规则，基于所述状态流转规则确定所述待处理数据的后续处理流程，例如，后续处理流程包括对计算出来的清算结果进行核对或者人工审核，发到存款系统进行转账，另外，发到存款系统进行转账包括人工指定转账还是自动转账、结算还是冲销类型等类型，需要说明的是，对待处理数据进行结算处理后还可以配置把清结算结果推送给指定的合作方。
在本实施例中，通过基于预设清结算规则确定所述待处理数据的状态流转规则，基于所述状态流转规则确定所述待处理数据的后续处理流程。实现全流程的处理待处理数据。
进一步地，在本发明提供数据计算方法另一实施例，所述对所述待处理数据进行处理步骤之后包括：
步骤S50，输出所述待处理数据已经进行结算处理的提示信息。
在本实施例中，还输出所述待处理数据已经进行结算处理的提示信息，以提示完成，以供用户确认。
参照图3，图3是本发明实施例方案涉及的硬件运行环境的设备结构示意图。
本发明实施例数据计算设备可以是PC，也可以是智能手机、平板电脑、便携计算机等终端设备。
如图3所示，该数据计算设备可以包括：处理器1001，例如CPU，存储器1005，通信总线1002。其中，通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。
可选地，该数据计算设备还可以包括目标用户接口、网络接口、摄像头、RF(RadioFrequency，射频)电路，传感器、音频电路、WiFi模块等等。目标用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选目标用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解，图3中示出的数据计算设备结构并不构成对数据计算设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图3所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块以及数据计算程序。操作系统是管理和控制数据计算设备硬件和软件资源的程序，支持数据计算程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信，以及与数据计算设备中其它硬件和软件之间通信。
在图3所示的数据计算设备中，处理器1001用于执行存储器1005中存储的数据计算程序，实现上述任一项所述的数据计算方法的步骤。
本发明数据计算设备具体实施方式与上述数据计算方法各实施例基本相同，在此不再赘述。
此外，本发明实施例还提出一种数据计算装置，所述数据计算装置包括：
抽取模块，用于抽取过去预设时间段预设数据系统的目标数据，对所述目标数据进行初始分类处理，得到初始分类数据；
加工模块，用于调用预设HQL语句对所述初始分类数据进行加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据；
结算模块，用于对所述待处理数据进行处理。
可选地，所述加工模块包括：
调用单元，用于从所述初始分类数据中选取预设目标类型数据，调用预设HQL语句对所述目标类型数据进行不同预设维度的加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据；
其中，所述不同预设维度包括产品维度、清结算模式维度、贷款期限维度。
可选地，所述调用单元包括：
调用子单元，用于调用预设HQL语句对所述目标类型数据进行贷款期限维度的加工处理，得到所述初始分类数据对应的数据处理周期的概率表；
第一获取子单元，用于基于所述数据处理周期的概率表，得到所述目标类型数据对应所述过去预设时间段按不同期限分类的第一每日处理概率分布曲线；
确定子单元，用于基于所述第一每日结清概率曲线，通过预设概率算法确定未来预设天数的第二每日处理概率分布曲线；
计算子单元，用于计算所述第二每日处理概率分布曲线期望值作为未来平均处理天数；
第二获取子单元，用于基于所述未来平均处理天数，得到待处理数据。
可选地，所述第二获取子单元用于实现：
基于所述未来平均处理天数，确定批处理次数，并确定所述目标类型数据每期批处理后的阶梯递减数据；
获取预设费用提取规则以及所述阶梯递减数据，确定所述待处理数据。
可选地，所述第二获取子单元还用于实现：
基于预设清结算规则确定所述目标类型数据是否存在预设免除影响因子；
若存在预设免除影响因子时，根据所述阶梯递减数据、所述预设免除影响因子，以及所述预设费用提取规则，确定所述待处理数据。
可选地，将所述结算处理后的所述待处理数据作为待处理数据；
所述数据计算装置还包括：
确定模块，用于基于预设清结算规则确定所述待处理数据的状态流转规则，基于所述状态流转规则确定所述待处理数据的后续处理流程。
可选地，所述数据计算装置还包括：
输出模块，用于输出所述待处理数据已经进行结算处理的提示信息。
所述数据计算装置具体实施方式与上述数据计算方法各实施例基本相同，在此不再赘述。
此外，本发明实施例还提出一种数据计算设备，设备包括：存储器109、处理器110及存储在存储器109上并可在处理器110上运行的数据计算程序，数据计算程序被处理器110执行时实现上述的数据计算方法各实施例的步骤。
此外，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述数据计算方法各实施例的步骤。
本发明设备及可读存储介质(即计算机可读存储介质)的具体实施方式的拓展内容与上述数据计算方法各实施例基本相同，在此不做赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (10)
1.一种数据计算方法，其特征在于，所述数据计算方法包括：
抽取过去预设时间段内预设数据系统的目标数据，对所述目标数据进行初始分类处理，得到初始分类数据；
调用预设HQL语句对所述初始分类数据进行处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据；
对所述待处理数据进行处理。
2.如权利要求1所述的数据计算方法，其特征在于，所述调用预设HQL语句对所述初始分类数据进行加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据步骤包括：
从所述初始分类数据中选取预设目标类型数据，调用预设HQL语句对所述目标类型数据进行不同预设维度的加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据。
3.如权利要求2所述的数据计算方法，其特征在于，所述调用预设HQL语句对所述目标类型数据进行不同预设维度的加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据步骤包括：
调用预设HQL语句对所述目标类型数据进行贷款期限维度的加工处理，得到所述初始分类数据对应的数据处理周期的概率表；
基于所述数据处理周期的概率表，得到所述目标类型数据对应所述过去预设时间段按不同期限分类的第一每日处理概率分布曲线；
基于所述第一每日结清概率曲线，通过预设概率算法确定未来预设天数的第二每日处理概率分布曲线；
计算所述第二每日处理概率分布曲线期望值作为未来平均处理天数；
基于所述未来平均处理天数，得到待处理数据。
4.如权利要求3所述的数据计算方法，其特征在于，所述基于所述未来平均处理天数，得到待处理数据步骤包括：
基于所述未来平均处理天数，确定批处理次数，并确定所述目标类型数据每期批处理后的阶梯递减数据；
获取预设费用提取规则以及所述阶梯递减数据，确定所述待处理数据。
5.如权利要求4所述的数据计算方法，其特征在于，所述获取预设费用提取规则以及所述阶梯递减数据，确定所述待处理数据步骤还包括：
基于预设清结算规则确定所述目标类型数据是否存在预设免除影响因子；
若存在预设免除影响因子时，根据所述阶梯递减数据、所述预设免除影响因子，以及所述预设费用提取规则，确定所述待处理数据。
6.如权利要求1所述的数据计算方法，其特征在于，将所述结算处理后的所述待处理数据作为待处理数据；
所述对所述待处理数据进行处理步骤之后包括：
基于预设清结算规则确定所述待处理数据的状态流转规则，基于所述状态流转规则确定所述待处理数据的后续处理流程。
7.如权利要求1-6任一项所述的数据计算方法，其特征在于，所述对所述待处理数据进行处理步骤之后包括：
输出所述待处理数据已经进行结算处理的提示信息。
8.一种数据计算装置，其特征在于，所述数据计算装置包括：
抽取模块，用于抽取过去预设时间段预设数据系统的目标数据，对所述目标数据进行初始分类处理，得到初始分类数据；
加工模块，用于调用预设HQL语句对所述初始分类数据进行加工处理，得到所述初始分类数据对应的数据处理周期的概率表，基于所述数据处理周期的概率表得到待处理数据；
结算模块，用于对所述待处理数据进行处理。
9.一种数据计算设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的数据计算程序，所述数据计算程序被所述处理器执行时实现如权利要求1至7中任一项所述的数据计算方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有数据计算程序，所述数据计算程序被处理器执行时实现如权利要求1至7中任一项所述的数据计算方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910584271.9A CN110321393A (zh) | 2019-06-28 | 2019-06-28 | 数据计算方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910584271.9A CN110321393A (zh) | 2019-06-28 | 2019-06-28 | 数据计算方法、装置、设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110321393A true CN110321393A (zh) | 2019-10-11 |
Family
ID=68122139
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910584271.9A Pending CN110321393A (zh) | 2019-06-28 | 2019-06-28 | 数据计算方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110321393A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111475167A (zh) * | 2020-04-13 | 2020-07-31 | 北京首汽智行科技有限公司 | 一种基于HQL语句的Shell脚本依赖关系抽取方法 |
| CN112632169A (zh) * | 2020-12-29 | 2021-04-09 | 永辉云金科技有限公司 | 一种金融数据自动上报方法、装置及计算机设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108182633A (zh) * | 2018-01-30 | 2018-06-19 | 平安普惠企业管理有限公司 | 贷款数据处理方法、装置、计算机设备和存储介质 |
| CN108399566A (zh) * | 2018-01-31 | 2018-08-14 | 深圳市买买提信息科技有限公司 | 一种数据处理方法及终端 |
| CN109741174A (zh) * | 2018-12-27 | 2019-05-10 | 深圳前海微众银行股份有限公司 | 机构间清结算方法、装置、设备及计算机可读存储介质 |
-
2019
- 2019-06-28 CN CN201910584271.9A patent/CN110321393A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108182633A (zh) * | 2018-01-30 | 2018-06-19 | 平安普惠企业管理有限公司 | 贷款数据处理方法、装置、计算机设备和存储介质 |
| CN108399566A (zh) * | 2018-01-31 | 2018-08-14 | 深圳市买买提信息科技有限公司 | 一种数据处理方法及终端 |
| CN109741174A (zh) * | 2018-12-27 | 2019-05-10 | 深圳前海微众银行股份有限公司 | 机构间清结算方法、装置、设备及计算机可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 贾淑芹;: "两种房屋抵押贷款违约概率模型的比较" * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111475167A (zh) * | 2020-04-13 | 2020-07-31 | 北京首汽智行科技有限公司 | 一种基于HQL语句的Shell脚本依赖关系抽取方法 |
| CN111475167B (zh) * | 2020-04-13 | 2023-06-23 | 北京首汽智行科技有限公司 | 一种基于HQL语句的Shell脚本依赖关系抽取方法 |
| CN112632169A (zh) * | 2020-12-29 | 2021-04-09 | 永辉云金科技有限公司 | 一种金融数据自动上报方法、装置及计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112862298B (zh) | 一种针对用户画像的信用评估方法 | |
| US10832250B2 (en) | Long-term short-term cascade modeling for fraud detection | |
| CN107730228A (zh) | 账户清结算方法、设备及存储介质 | |
| CN107563757A (zh) | 数据风险控制的方法及装置 | |
| CN105427168A (zh) | 一种贷款评定方法及系统 | |
| CN105260934A (zh) | 一种信用额度的计算方法和系统 | |
| CN109995847A (zh) | 基于用户群组的消息推送方法、装置及计算机设备 | |
| CN106910054A (zh) | 一种支付业务数据处理的方法和装置 | |
| CN101639842A (zh) | 会员特征数据统计方法及特征数据统计系统 | |
| CN110363621A (zh) | 一种基于人工智能技术的订单信息推送系统 | |
| CN110020149A (zh) | 用户信息的标签化处理方法、装置、终端设备及介质 | |
| CN110321393A (zh) | 数据计算方法、装置、设备及可读存储介质 | |
| CN110363644A (zh) | 异常信息识别方法、装置、计算机设备及存储介质 | |
| CN109670933A (zh) | 识别用户角色的方法、用户设备、存储介质及装置 | |
| CN111047426A (zh) | 一种基于资金交易的可疑账户分析方法、系统及存储介质 | |
| US20130013506A1 (en) | Variable Service Fee For Overdraft Protection | |
| CN115082203A (zh) | 生息方案推送方法、装置、电子设备及存储介质 | |
| CN110458633A (zh) | 基于区块链技术的发票数据生成方法、系统和计算机设备 | |
| CN110475033A (zh) | 智能拨号方法、装置、设备与计算机可读存储介质 | |
| CN112035681B (zh) | 基于知识图谱的信用卡费率信息确定方法及装置 | |
| WO2020170187A1 (en) | Large-scale processing of data records with efficient retrieval | |
| CN113469759A (zh) | 智能生成发票的方法、装置、设备及存储介质 | |
| CN106803815A (zh) | 一种流量控制方法和装置 | |
| CN116645134A (zh) | 一种信用卡分期的推荐方法、装置、设备及介质 | |
| JP2018163512A (ja) | 情報処理装置及びプログラム |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191011 |