CN110428322A - 一种业务数据的适配方法及装置 - Google Patents

一种业务数据的适配方法及装置 Download PDF

Info

Publication number
CN110428322A
CN110428322A CN201910504837.2A CN201910504837A CN110428322A CN 110428322 A CN110428322 A CN 110428322A CN 201910504837 A CN201910504837 A CN 201910504837A CN 110428322 A CN110428322 A CN 110428322A
Authority
CN
China
Prior art keywords
client
data
target customer
financing
recommended
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
Application number
CN201910504837.2A
Other languages
English (en)
Inventor
秦宇雯
张姣
范笑爽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201910504837.2A priority Critical patent/CN110428322A/zh
Publication of CN110428322A publication Critical patent/CN110428322A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Technology Law (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明实施例提供了一种业务数据的适配方法及装置，本发明涉及人工智能术领域，方法包括：获取客户数据库中存储的客户的理财数据，理财数据包括存款数据、贷款数据、中收数据、创利数据；根据客户的理财数据及预设的分组规则对客户进行分组，其中，分组后的客户至少与一个预设标签关联；获取待推荐产品的产品简介，并从产品简介中提取关键词；匹配关键词，得到待推荐产品的适用客户的标签；将适用客户的标签与客户所关联的预设标签进行匹配，得到目标客户；向目标客户批量推荐待推荐产品。本发明实施例提供的技术方案能够解决现有技术中产品推广的精准度低的问题。

Description

一种业务数据的适配方法及装置
【技术领域】
本发明涉及人工智能技术领域，尤其涉及一种业务数据的适配方法及装置。
【背景技术】
目前，银行业务复杂多样，客户群体也复杂多样，对于一种新的金融产品的上市推广时，一般会所有客户逐一推广，这样会使得客户因为推广消息过多而导致屏蔽推广消息。传统的营销方式，没有根据客户的特征进行深入分析和挖掘，不能对客户实现个性化精准营销。因此，如何提高产品推广的精准度成为亟待解决的问题。
【发明内容】
有鉴于此，本发明实施例提供了一种业务数据的适配方法及装置，用以解决现有技术中产品推广的精准度低的问题。
为了实现上述目的，根据本发明的一个方面，提供了一种业务数据的适配方法，所述方法包括：
获取客户数据库中存储的客户的理财数据，所述理财数据包括存款数据、贷款数据、中收数据、创利数据；根据所述客户的理财数据及预设的分组规则对所述客户进行分组，其中，分组后的所述客户至少与一个预设标签关联；获取待推荐产品的产品简介，并从所述产品简介中提取关键词；匹配所述关键词，得到所述待推荐产品的适用客户的标签；将所述适用客户的标签与所述客户所关联的预设标签进行匹配，得到目标客户；向所述目标客户批量推荐所述待推荐产品。
进一步地，所述根据所述客户的理财数据及预设的分组规则对所述客户进行分组，包括：根据所述客户的理财数据确定客户相似度；基于确定的所述客户相似度，采用K-均值聚类算法对所述客户进行分组；根据分组后的所述客户的共性制定预设标签；将所述预设标签与所述客户进行关联。
进一步地，所述根据所述客户的理财数据及预设的分组规则对所述客户进行分组，还包括：分析所述客户的存款数据，得到所述存款数据中的定期存款、保证金存款、活期存款及理财存款的第一比例；分析所述客户的贷款数据，得到所述贷款数据中的短期贷款、中期贷款及长期贷款的第二比例；分别将所述第一比例及所述第二比例中占比最大的数据所对应的理财方式确认为所述客户的理财倾向；根据所述客户的理财倾向对所述客户进行分组，并将所述理财倾向确认为所述客户的预设标签。
进一步地，在所述将所述适用客户的标签与所述客户所关联的预设标签进行匹配，得到目标客户之后，所述方法包括：获取所述目标客户所属的行业，并将所述目标客户分为朝阳行业客户、普通行业客户、夕阳行业客户；根据所述目标客户的行业修正所述目标客户的抗风险等级；根据修正后的所述目标客户的抗风险等级筛选所述目标客户，其中，筛选得到的目标客户的抗风险等级大于或等于所述待推荐产品的风险等级；向所述筛选得到的目标客户批量推荐所述待推荐产品。
进一步地，所述向所述目标客户批量推荐所述待推荐产品，包括：根据所述目标客户生成客户推荐列表；基于所述客户推荐列表中被选定的目标客户及推荐渠道向所述被选定的目标客户批量推荐所述待推荐产品，其中，所述推荐渠道包括短信、电话、邮箱或APP推送中的至少一种；判断每个所述被选定的目标客户是否推荐成功；若否，生成提醒信息至预设的客户管理员。
进一步地，在所述向所述目标客户批量推荐所述待推荐产品之后，所述方法包括：获取所述目标客户关于所述待推荐产品的浏览次数；根据所述浏览次数，分析所述目标客户的理财意向；输出所述目标客户的理财意向至预设的客户管理员，以使得所述客户管理员能够根据所述理财意向调整所述目标客户所关联的预设标签。
为了实现上述目的，根据本发明的一个方面，提供了一种业务数据的适配装置，所述装置包括：第一获取单元，用于获取客户数据库中存储的客户的理财数据，所述理财数据包括存款数据、贷款数据、中收数据、创利数据；分组单元，用于根据所述客户的理财数据及预设的分组规则对所述客户进行分组，其中，分组后的所述客户至少与一个预设标签关联；第二获取单元，用于获取待推荐产品的产品简介，并从所述产品简介中提取关键词；处理单元，用于根据所述关键词，得到所述待推荐产品的适用客户的标签；匹配单元，用于将所述适用客户的标签与所述客户所关联的预设标签进行匹配，得到目标客户；推荐单元，用于向所述目标客户批量推荐所述待推荐产品。
进一步地，所述分组单元包括：确定子单元，用于根据所述客户的理财数据确定客户相似度；第一分组子单元，用于基于确定的所述客户相似度，采用K-均值聚类算法对所述客户进行分组；制定子单元，用于根据分组后的所述客户的共性制定预设标签；第一关联子单元，用于将所述预设标签与所述客户进行关联。
为了实现上述目的，根据本发明的一个方面，提供了一种计算机非易失性存储介质，所述存储介质包括存储的程序，在所述程序运行时控制所述存储介质所在设备执行上述的业务数据的适配方法。
为了实现上述目的，根据本发明的一个方面，提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的业务数据的适配方法的步骤。
在本方案中，通过获取客户的理财数据，并根据客户的理财数据对客户进行分组管理；进一步通过自动获取待推荐产品的产品简介，匹配关键词得到待推荐产品的适用客户类型，根据所述适用客户类型从分组得到的客户进行匹配，从而筛选出目标客户，从而实现目标客户的精准筛选，提高产品的推广精准度。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种可选的业务数据的适配方法的流程图；
图2是本发明实施例提供的一种可选的业务数据的适配装置的示意图；
图3是本发明实施例提供的一种可选的计算机设备的示意图。
【具体实施方式】
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述终端，但这些终端不应限于这些术语。这些术语仅用来将终端彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一终端也可以被称为第二终端，类似地，第二终端也可以被称为第一终端。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
图1是根据本发明实施例的一种业务数据的适配方法的流程图，如图1所示，该方法包括：
步骤S101，获取客户数据库中存储的客户的理财数据，理财数据包括存款数据、贷款数据、中收数据、创利数据。
步骤S102，根据客户的理财数据及预设的分组规则对客户进行分组，其中，分组后的客户至少与一个预设标签关联。
步骤S103，获取待推荐产品的产品简介，并从产品简介中提取关键词。
步骤S104，匹配关键词，得到待推荐产品的适用客户的标签。
步骤S105，将适用客户的标签与客户所关联的预设标签进行匹配，得到目标客户。
步骤S106，向目标客户批量推荐待推荐产品。
在本方案中，通过获取客户的理财数据，并根据客户的理财数据对客户进行分组管理；进一步通过自动获取待推荐产品的产品简介，匹配关键词得到待推荐产品的适用客户类型，根据适用客户类型从分组得到的客户进行匹配，从而筛选出目标客户，从而实现目标客户的精准筛选，提高产品的推广精准度。
可以理解地，可以通过输入客户的名称或者身份标识从客户数据库中调取客户的理财数据。具体地，存款数据包括存款金额、存款类型等，例如：存款金额50万，存款类型为1年期定存。贷款数据包括贷款金额、贷款类型、贷款时限等，例如：贷款金额100万，贷款类型为抵押贷款，贷款时限10年。中收数据为客户管理员代理业务所产生的费用，创利数据为创造利润的金额。
在一种实施方式中，理财数据以数据表的形式存储在客户数据库中。
可选地，根据客户的理财数据及预设的分组规则对客户进行分组，包括：根据客户的理财数据确定客户相似度；基于确定的客户相似度，采用K-均值聚类算法对客户进行分组；根据分组后的客户的共性制定预设标签；将预设标签与客户进行关联。
具体地，采用K-均值聚类算法对客户进行分组的步骤，包括：从理财数据中提取存款数据、贷款数据、中收数据、创利数据的特征参数；将数据的特征参数作为平面中的点，并基于各点之间的可达距离对特征参数进行聚类分析；得到不同类别的客户。
例如，存款数据在20万～30万之间的客户分为一组，或者贷款数据在20万～30万之间的客户为一组。中收数据在50万～100万之间的客户分为一组。具体地，还可以将存款数据按照金额进行等级划分，比如存款数据小于50万的为小微存款客户，存款数据50～100万的为小型客户，存款数据100～500万的中型客户，存款数据500～1000万的为大型客户，大于1000万的为超大型客户。可以理解地，在其他实施方式中，聚类算法还可以采用决策树算法、层次聚类算法等。
可以理解地，根据客户的共性制定预设标签，例如为小型客户、储蓄优质客户等预先设定的标签。
可选地，根据客户的理财数据及预设的分组规则对客户进行分组，还包括：将每个客户与预设的自定义标签关联；根据自定义标签进行聚类分组。自定义标签为用户自己设定的一些标签，如房地产客户、大型客户、价值客户、有效结算客户、关注客户、失信客户等标签。当待推荐产品为贷款产品，而客户甲的标签为失信用户，那么在目标客户筛选的过程中，就会剔除客户甲。从而实现根据预设的标签来实现客户管理。
可选地，根据客户的理财数据及预设的分组规则对客户进行分组，还包括：分析客户的存款数据，得到存款数据中的定期存款、保证金存款、活期存款及理财存款的第一比例；分析客户的贷款数据，得到贷款数据中的短期贷款、中期贷款及长期贷款的第二比例；分别将第一比例及第二比例中占比最大的数据所对应的理财方式确认为客户的理财倾向；根据客户的理财倾向对客户进行分组，并将理财倾向确认为客户的预设标签。
例如，客户的存款数据中的定期存款：保证金存款：活期存款：理财存款为1：1：2：6，其中占比最大的数据所对应的理财方式为理财存款，那么该客户更倾向于理财存款，将理财存款作为客户的预设标签。客户的贷款数据中的短期贷款：中期贷款：长期贷款为5：3：2，其中占比最大的数据所对应的理财方式为短期贷款，将短期贷款作为客户的预设标签，说明该客户需要短期资金周转的需求。可以理解地，客户可以是某个企业也可以是个人。
可选地，获取待推荐产品的产品简介，并从产品简介中提取关键词，包括：获取待推荐产品的产品简介，并利用开源的分词工具对产品简介进行分词处理；将分词处理得到的词汇与预设的关键词表进行匹配，得到关键词。开源的分词工具例如可以是ICTCLAS、SCWS等，也可以直接使用自行开发的分词接口对结构化字段进行分词。产品简介例如为债务基金，中低风险，波动较小，投资于固定收益及现金类资产，不投资任何股票资产，有效规避股市风险，灵活申赎，无封闭期。那么匹配到待推荐产品的适用客户的标签为“中低风险”、“固定收益”、“债务基金”。
进一步地，客户数据库中的客户与预设标签关联，故，只需要将客户关联的预设标签与匹配到的待推荐产品的适用客户的标签进行匹配即可，匹配成功的客户即为目标客户。
可选地，在将适用客户的标签与客户所关联的预设标签进行匹配，得到目标客户之后，方法包括：获取目标客户所属的行业，并将目标客户分为朝阳行业客户、普通行业客户、夕阳行业客户；根据目标客户的行业修正目标客户的抗风险等级；根据修正后的目标客户的抗风险等级筛选目标客户，其中，筛选得到的目标客户的抗风险等级大于或等于待推荐产品的风险等级；向筛选得到的目标客户批量推荐待推荐产品。
具体地，可以通过提取目标客户的名称中的关键词，来获取目标客户所属的行业。可以理解地，朝阳行业例如可以是电子信息、生物技术、现代医药、新能源、新材料等新兴产业。夕阳行业例如电脑产业等市场饱和度较高的产业。夕阳行业的抗风险能力较差，若该客户的风险等级为进取型，倾向于中高风险的理财产品，利用所属的行业修正客户的抗风险等级后，应向其推荐中等风险的平稳型理财产品，而不是进取型的，降低客户及投资方的投资风险。
可选地，向目标客户批量推荐待推荐产品，包括：根据目标客户生成客户推荐列表；基于客户推荐列表中被选定的目标客户及推荐渠道向被选定的目标客户批量推荐待推荐产品，其中，推荐渠道包括短信、电话、邮箱或APP推送中的至少一种；判断每个被选定的目标客户是否推荐成功；若否，生成提醒信息至预设的客户管理员。
例如，被选定的客户的邮箱有误，那么推荐可能会发送失败，生成提醒信息后，客户管理员能够及时编辑修改客户的邮箱信息，防止重复出现推荐失败的现象。可以理解地，通过一键批量推荐新产品，能够有效提高新产品的推广效率。
可选地，在向目标客户批量推荐待推荐产品之后，方法包括：
获取目标客户关于待推荐产品的浏览次数；根据浏览次数，分析目标客户的理财意向；输出目标客户的理财意向至预设的客户管理员，以使得客户管理员能够根据理财意向调整目标客户所关联的预设标签。
可以通过软件中的日志文件来对某个链接的浏览量进行统计，从而得到客户的理财意向。例如，向客户乙推送了多种理财产品，其中按月定存的产品客户浏览了5次，为多种理财产品中浏览次数最多的一个，当客户管理员看到分析结果时，能够及时调整客户的标签，使得有新的定存产品时，能够第一时间推荐给该客户。
可以理解地，通过获取客户的理财数据，并根据客户的理财数据对客户进行分组管理；进一步通过自动获取待推荐产品的产品简介，匹配关键词得到待推荐产品的适用客户类型，根据适用客户类型从分组得到的客户进行匹配，从而筛选出目标客户，从而实现目标客户的精准筛选，提高产品的推广精准度。
本发明实施例提供了一种业务数据的适配装置，该装置用于执行上述业务数据的适配方法，如图2所示，该装置包括：第一获取单元10、分组单元20、第二获取单元30、处理单元40、匹配单元50、推荐单元60。
第一获取单元10，用于获取客户数据库中存储的客户的理财数据，理财数据包括存款数据、贷款数据、中收数据、创利数据；
分组单元20，用于根据客户的理财数据及预设的分组规则对客户进行分组，其中，分组后的客户至少与一个预设标签关联；
第二获取单元30，用于获取待推荐产品的产品简介，并从产品简介中提取关键词；
处理单元40，用于根据关键词，得到待推荐产品的适用客户的标签；
匹配单元50，用于将适用客户的标签与客户所关联的预设标签进行匹配，得到目标客户；
推荐单元60，用于向目标客户批量推荐待推荐产品。
在本方案中，通过获取客户的理财数据，并根据客户的理财数据对客户进行分组管理；进一步通过自动获取待推荐产品的产品简介，匹配关键词得到待推荐产品的适用客户类型，根据适用客户类型从分组得到的客户进行匹配，从而筛选出目标客户，从而实现目标客户的精准筛选，提高产品的推广精准度。
具体地，存款数据包括存款金额、存款类型等，例如：存款金额50万，存款类型为1年期定存。贷款数据包括贷款金额、贷款类型、贷款时限等，例如：贷款金额100万，贷款类型为抵押贷款，贷款时限10年。中收数据为客户管理员代理业务所产生的费用，创利数据为创造利润的金额。在一种实施方式中，理财数据以数据表的形式存储在客户数据库中。
可选地，分组单元20包括确定子单元、第一分组子单元、制定子单元、第一关联子单元。
确定子单元，用于根据客户的理财数据确定客户相似度；第一分组子单元，用于基于确定的客户相似度，采用K-均值聚类算法对客户进行分组；制定子单元，用于根据分组后的客户的共性制定预设标签；第一关联子单元，用于将预设标签与客户进行关联。
具体地，采用K-均值聚类算法对客户进行分组的步骤，包括：从理财数据中提取存款数据、贷款数据、中收数据、创利数据的特征参数；将数据的特征参数作为平面中的点，并基于各点之间的可达距离对特征参数进行聚类分析；得到不同类别的客户。
例如，存款数据在20万～30万之间的客户分为一组，或者贷款数据在20万～30万之间的客户为一组。中收数据在50万～100万之间的客户分为一组。具体地，还可以将存款数据按照金额进行等级划分，比如存款数据小于50万的为小微存款客户，存款数据50～100万的为小型客户，存款数据100～500万的中型客户，存款数据500～1000万的为大型客户，大于1000万的为超大型客户。可以理解地，在其他实施方式中，聚类算法还可以采用决策树算法、层次聚类算法等。
可以理解地，根据客户的共性制定预设标签，例如为小型客户，储蓄优质客户等预先设定的标签。
可选地，分组单元20还包括第二关联子单元及第二分组子单元。
第二关联子单元，用于将每个客户与预设的自定义标签关联；第二分组子单元，用于根据自定义标签进行聚类分组。自定义标签为用户自己设定的一些标签，如房地产客户、大型客户、价值客户、有效结算客户、关注客户、失信客户等标签。当待推荐产品为贷款产品，而客户甲的标签为失信用户，那么在目标客户筛选的过程中，就会剔除客户甲。从而实现根据预设的标签来实现客户管理。
可选地，分组单元20还包括第一分析子单元、第二分析子单元、确认子单元、第三分组子单元
第一分析子单元，用于分析客户的存款数据，得到存款数据中的定期存款、保证金存款、活期存款及理财存款的第一比例；第二分析子单元，用于分析客户的贷款数据，得到贷款数据中的短期贷款、中期贷款及长期贷款的第二比例；确认子单元，用于分别将第一比例及第二比例中占比最大的数据所对应的理财方式确认为客户的理财倾向；第三分组子单元，用于根据客户的理财倾向对客户进行分组，并将理财倾向确认为客户的预设标签。
例如，客户的存款数据中的定期存款：保证金存款：活期存款：理财存款为1：1：2：6，其中占比最大的数据所对应的理财方式为理财存款，那么该客户更倾向于理财存款，将理财存款作为客户的预设标签。客户的贷款数据中的短期贷款：中期贷款：长期贷款为5：3：2，其中占比最大的数据所对应的理财方式为短期贷款，将短期贷款作为客户的预设标签，说明该客户需要短期资金周转的需求。可以理解地，客户可以是某个企业也可以是个人。
可选地，装置还包括第三获取单元、修正单元、筛选单元、第二推荐单元。
第三获取单元，用于获取目标客户所属的行业，并将目标客户分为朝阳行业客户、普通行业客户、夕阳行业客户；修正单元，用于根据目标客户的行业修正目标客户的抗风险等级；筛选单元，用于根据修正后的目标客户的抗风险等级筛选目标客户，其中，筛选得到的目标客户的抗风险等级大于或等于待推荐产品的风险等级；第二推荐单元，用于向筛选得到的目标客户批量推荐待推荐产品。
具体地，可以通过提取目标客户的名称中的关键词，来获取目标客户所属的行业。可以理解地，朝阳行业例如可以是电子信息、生物技术、现代医药、新能源、新材料等新兴产业。夕阳行业例如电脑产业等市场饱和度较高的产业。夕阳行业的抗风险能力较差，若该客户的风险等级为进取型，倾向于中高风险的理财产品，利用所属的行业修正客户的抗风险等级后，应向其推荐中等风险的平稳型理财产品，而不是进取型的，降低客户及投资方的投资风险。
可选地，推荐单元60包括第一生成子单元、推荐子单元、判断子单元、第二生成子单元。
第一生成子单元，用于根据目标客户生成客户推荐列表；推荐子单元，用于基于客户推荐列表中被选定的目标客户及推荐渠道向被选定的目标客户批量推荐待推荐产品，其中，推荐渠道包括短信、电话、邮箱或APP推送中的至少一种；判断子单元，用于判断每个被选定的目标客户是否推荐成功；第二生成子单元，若否，用于生成提醒信息至预设的客户管理员。
例如，被选定的客户的邮箱有误，那么推荐可能会发送失败，生成提醒信息后，客户管理员能够及时编辑修改客户的邮箱信息，防止重复出现推荐失败的现象。可以理解地，通过一键批量推荐新产品，能够有效提高新产品的推广效率。
可选地，装置还包括第四获取单元、分析单元、输出单元。
第四获取单元，用于获取目标客户关于待推荐产品的浏览次数；分析单元，用于根据浏览次数，分析目标客户的理财意向；输出单元，用于输出目标客户的理财意向至预设的客户管理员，以使得客户管理员能够根据理财意向调整目标客户所关联的预设标签。
可以通过软件中的日志文件来对某个链接的浏览量进行统计，从而得到客户的理财意向。例如，向客户乙推送了多种理财产品，其中按月定存的产品客户浏览了5次，为多种理财产品中浏览次数最多的一个，当客户管理员看到分析结果时，能够及时调整客户的标签，使得有新的定存产品时，能够第一时间推荐给该客户。
可以理解地，通过获取客户的理财数据，并根据客户的理财数据对客户进行分组管理；进一步通过自动获取待推荐产品的产品简介，匹配关键词得到待推荐产品的适用客户类型，根据适用客户类型从分组得到的客户进行匹配，从而筛选出目标客户，从而实现目标客户的精准筛选，提高产品的推广精准度。
本发明实施例提供了一种计算机非易失性存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行以下步骤：
获取客户数据库中存储的客户的理财数据，理财数据包括存款数据、贷款数据、中收数据、创利数据；根据客户的理财数据及预设的分组规则对客户进行分组，其中，分组后的客户至少与一个预设标签关联；获取待推荐产品的产品简介，并从产品简介中提取关键词；匹配关键词，得到待推荐产品的适用客户的标签；将适用客户的标签与客户所关联的预设标签进行匹配，得到目标客户；向目标客户批量推荐待推荐产品。
可选地，在程序运行时控制存储介质所在设备执行以下步骤：根据客户的理财数据确定客户相似度；基于确定的客户相似度，采用K-均值聚类算法对客户进行分组；根据分组后的客户的共性制定预设标签；将预设标签与客户进行关联。
可选地，在程序运行时控制存储介质所在设备执行以下步骤：分析客户的存款数据，得到存款数据中的定期存款、保证金存款、活期存款及理财存款的第一比例；分析客户的贷款数据，得到贷款数据中的短期贷款、中期贷款及长期贷款的第二比例；分别将第一比例及第二比例中占比最大的数据所对应的理财方式确认为客户的理财倾向；根据客户的理财倾向对客户进行分组，并将理财倾向确认为客户的预设标签。
可选地，在程序运行时控制存储介质所在设备执行以下步骤：获取目标客户所属的行业，并将目标客户分为朝阳行业客户、普通行业客户、夕阳行业客户；根据目标客户的行业修正目标客户的抗风险等级；根据修正后的目标客户的抗风险等级筛选目标客户，其中，筛选得到的目标客户的抗风险等级大于或等于待推荐产品的风险等级；向筛选得到的目标客户批量推荐待推荐产品。
可选地，在程序运行时控制存储介质所在设备执行以下步骤：根据目标客户生成客户推荐列表；基于客户推荐列表中被选定的目标客户及推荐渠道向被选定的目标客户批量推荐待推荐产品，其中，推荐渠道包括短信、电话、邮箱或APP推送中的至少一种；判断每个被选定的目标客户是否推荐成功；若否，生成提醒信息至预设的客户管理员。
图3是本发明实施例提供的一种计算机设备的示意图。如图3所示，该实施例的计算机设备100包括：处理器101、存储器102以及存储在存储器102中并可在处理器101上运行的计算机程序103，处理器101执行计算机程序103时实现实施例中的业务数据的适配方法，为避免重复，此处不一一赘述。或者，该计算机程序被处理器101执行时实现实施例中业务数据的适配装置中各模型/单元的功能，为避免重复，此处不一一赘述。
计算机设备100可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可包括，但不仅限于，处理器101、存储器102。本领域技术人员可以理解，图3仅仅是计算机设备100的示例，并不构成对计算机设备100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，例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器101可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(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。
存储器102可以是计算机设备100的内部存储单元，例如计算机设备100的硬盘或内存。存储器102也可以是计算机设备100的外部存储设备，例如计算机设备100上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器102还可以既包括计算机设备100的内部存储单元也包括外部存储设备。存储器102用于存储计算机程序以及计算机设备所需的其他程序和数据。存储器102还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (10)

1.一种业务数据的适配方法，其特征在于，所述方法包括：
获取客户数据库中存储的客户的理财数据，所述理财数据包括存款数据、贷款数据、中收数据、创利数据；
根据所述客户的理财数据及预设的分组规则对所述客户进行分组，其中，分组后的所述客户至少与一个预设标签关联；
获取待推荐产品的产品简介，并从所述产品简介中提取关键词；
匹配所述关键词，得到所述待推荐产品的适用客户的标签；
将所述适用客户的标签与所述客户所关联的预设标签进行匹配，得到目标客户；
向所述目标客户批量推荐所述待推荐产品。
2.根据权利要求1所述的方法，其特征在于，所述根据所述客户的理财数据及预设的分组规则对所述客户进行分组，包括：
根据所述客户的理财数据确定客户相似度；
基于确定的所述客户相似度，采用K-均值聚类算法对所述客户进行分组；
根据分组后的所述客户的共性制定预设标签；
将所述预设标签与所述客户进行关联。
3.根据权利要求1所述的方法，其特征在于，所述根据所述客户的理财数据及预设的分组规则对所述客户进行分组，还包括：
分析所述客户的存款数据，得到所述存款数据中的定期存款、保证金存款、活期存款及理财存款的第一比例；
分析所述客户的贷款数据，得到所述贷款数据中的短期贷款、中期贷款及长期贷款的第二比例；
分别将所述第一比例及所述第二比例中占比最大的数据所对应的理财方式确认为所述客户的理财倾向；
根据所述客户的理财倾向对所述客户进行分组，并将所述理财倾向确认为所述客户的预设标签。
4.根据权利要求1所述的方法，其特征在于，在所述将所述适用客户的标签与所述客户所关联的预设标签进行匹配，得到目标客户之后，所述方法包括：
获取所述目标客户所属的行业，并将所述目标客户分为朝阳行业客户、普通行业客户、夕阳行业客户；
根据所述目标客户的行业修正所述目标客户的抗风险等级；
根据修正后的所述目标客户的抗风险等级筛选所述目标客户，其中，筛选得到的目标客户的抗风险等级大于或等于所述待推荐产品的风险等级；
向所述筛选得到的目标客户批量推荐所述待推荐产品。
5.根据权利要求1所述的方法，其特征在于，所述向所述目标客户批量推荐所述待推荐产品，包括：
根据所述目标客户生成客户推荐列表；
基于所述客户推荐列表中被选定的目标客户及推荐渠道向所述被选定的目标客户批量推荐所述待推荐产品，其中，所述推荐渠道包括短信、电话、邮箱或APP推送中的至少一种；
判断每个所述被选定的目标客户是否推荐成功；
若否，生成提醒信息至预设的客户管理员。
6.根据权利要求1～5中任意一项所述的方法，其特征在于，在所述向所述目标客户批量推荐所述待推荐产品之后，所述方法包括：
获取所述目标客户关于所述待推荐产品的浏览次数；
根据所述浏览次数，分析所述目标客户的理财意向；
输出所述目标客户的理财意向至预设的客户管理员，以使得所述客户管理员能够根据所述理财意向调整所述目标客户所关联的预设标签。
7.一种业务数据的适配装置，其特征在于，所述装置包括：
第一获取单元，用于获取客户数据库中存储的客户的理财数据，所述理财数据包括存款数据、贷款数据、中收数据、创利数据；
分组单元，用于根据所述客户的理财数据及预设的分组规则对所述客户进行分组，其中，分组后的所述客户至少与一个预设标签关联；
第二获取单元，用于获取待推荐产品的产品简介，并从所述产品简介中提取关键词；
处理单元，用于根据所述关键词，得到所述待推荐产品的适用客户的标签；
匹配单元，用于将所述适用客户的标签与所述客户所关联的预设标签进行匹配，得到目标客户；
推荐单元，用于向所述目标客户批量推荐所述待推荐产品。
8.根据权利要求7所述的装置，其特征在于，所述分组单元包括：
确定子单元，用于根据所述客户的理财数据确定客户相似度；
第一分组子单元，用于基于确定的所述客户相似度，采用K-均值聚类算法对所述客户进行分组；
制定子单元，用于根据分组后的所述客户的共性制定预设标签；
第一关联子单元，用于将所述预设标签与所述客户进行关联。
9.一种计算机非易失性存储介质，所述存储介质包括存储的程序，其特征在于，在所述程序运行时控制所述存储介质所在设备执行权利要求1至6任意一项所述的业务数据的适配方法。
10.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任意一项所述的业务数据的适配方法的步骤。
CN201910504837.2A 2019-06-12 2019-06-12 一种业务数据的适配方法及装置 Pending CN110428322A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910504837.2A CN110428322A (zh) 2019-06-12 2019-06-12 一种业务数据的适配方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910504837.2A CN110428322A (zh) 2019-06-12 2019-06-12 一种业务数据的适配方法及装置

Publications (1)

Publication Number Publication Date
CN110428322A true CN110428322A (zh) 2019-11-08

Family

ID=68408568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910504837.2A Pending CN110428322A (zh) 2019-06-12 2019-06-12 一种业务数据的适配方法及装置

Country Status (1)

Country Link
CN (1) CN110428322A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110852863A (zh) * 2019-11-15 2020-02-28 安徽海汇金融投资集团有限公司 一种基于关联分析的应收账款流转推荐方法及系统
CN110968790A (zh) * 2019-12-19 2020-04-07 苏州朗动网络科技有限公司 基于大数据的潜在客户智能推荐方法、设备和存储介质
CN111667310A (zh) * 2020-06-04 2020-09-15 上海燕汐软件信息科技有限公司 一种用于销售人员学习的数据处理方法、装置及设备
CN112017054A (zh) * 2020-09-02 2020-12-01 中国银行股份有限公司 一种基金产品购买方法及装置、存储介质及电子设备
CN112037034A (zh) * 2020-09-02 2020-12-04 中国银行股份有限公司 一种理财产品推荐方法及装置、存储介质及电子设备
CN112184419A (zh) * 2020-09-27 2021-01-05 中国建设银行股份有限公司 为客户提供服务的方法和装置
CN112330404A (zh) * 2020-11-10 2021-02-05 广发证券股份有限公司 数据处理方法和装置、服务器及存储介质
CN112418932A (zh) * 2020-11-24 2021-02-26 广州易尊网络科技股份有限公司 一种基于用户标签的营销信息推送方法及装置
CN112950154A (zh) * 2021-02-25 2021-06-11 平安普惠企业管理有限公司 流程信息匹配方法、装置、设备及存储介质
CN113065888A (zh) * 2021-03-09 2021-07-02 北京安锐卓越信息技术股份有限公司 基于行动行为推荐商机的方法、装置及存储介质
CN113298559A (zh) * 2021-05-17 2021-08-24 广州锋网信息科技有限公司 一种商品适用人群的推荐方法、系统、装置及存储介质
CN113554463A (zh) * 2021-07-21 2021-10-26 中国农业银行股份有限公司南海分行 一种资金流向的分析方法及其分析系统
CN113780806A (zh) * 2021-09-10 2021-12-10 未鲲(上海)科技服务有限公司 基于决策树的经纪人匹配方法、装置、设备及存储介质
CN113935776A (zh) * 2021-10-19 2022-01-14 中国银行股份有限公司 一种基于大数据的精准营销方法、装置及设备
TWI773989B (zh) * 2020-05-08 2022-08-11 元大證券股份有限公司 基於用戶特性提供金融新聞的方法
TWI809649B (zh) * 2022-01-07 2023-07-21 新光金融控股股份有限公司 客戶價值二維探索方法及其系統

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107679946A (zh) * 2017-09-28 2018-02-09 平安科技（深圳）有限公司 基金产品推荐方法、装置、终端设备及存储介质
CN109829810A (zh) * 2018-12-13 2019-05-31 平安科技（深圳）有限公司 业务推荐方法、装置、计算机设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107679946A (zh) * 2017-09-28 2018-02-09 平安科技（深圳）有限公司 基金产品推荐方法、装置、终端设备及存储介质
CN109829810A (zh) * 2018-12-13 2019-05-31 平安科技（深圳）有限公司 业务推荐方法、装置、计算机设备及存储介质

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110852863A (zh) * 2019-11-15 2020-02-28 安徽海汇金融投资集团有限公司 一种基于关联分析的应收账款流转推荐方法及系统
CN110968790A (zh) * 2019-12-19 2020-04-07 苏州朗动网络科技有限公司 基于大数据的潜在客户智能推荐方法、设备和存储介质
CN110968790B (zh) * 2019-12-19 2023-05-16 企查查科技有限公司 基于大数据的潜在客户智能推荐方法、设备和存储介质
TWI773989B (zh) * 2020-05-08 2022-08-11 元大證券股份有限公司 基於用戶特性提供金融新聞的方法
CN111667310A (zh) * 2020-06-04 2020-09-15 上海燕汐软件信息科技有限公司 一种用于销售人员学习的数据处理方法、装置及设备
CN111667310B (zh) * 2020-06-04 2024-02-20 上海燕汐软件信息科技有限公司 一种用于销售人员学习的数据处理方法、装置及设备
CN112017054A (zh) * 2020-09-02 2020-12-01 中国银行股份有限公司 一种基金产品购买方法及装置、存储介质及电子设备
CN112037034A (zh) * 2020-09-02 2020-12-04 中国银行股份有限公司 一种理财产品推荐方法及装置、存储介质及电子设备
CN112184419A (zh) * 2020-09-27 2021-01-05 中国建设银行股份有限公司 为客户提供服务的方法和装置
CN112330404A (zh) * 2020-11-10 2021-02-05 广发证券股份有限公司 数据处理方法和装置、服务器及存储介质
CN112418932A (zh) * 2020-11-24 2021-02-26 广州易尊网络科技股份有限公司 一种基于用户标签的营销信息推送方法及装置
CN112418932B (zh) * 2020-11-24 2023-08-22 广州易尊网络科技股份有限公司 一种基于用户标签的营销信息推送方法及装置
CN112950154B (zh) * 2021-02-25 2023-03-24 平安普惠企业管理有限公司 流程信息匹配方法、装置、设备及存储介质
CN112950154A (zh) * 2021-02-25 2021-06-11 平安普惠企业管理有限公司 流程信息匹配方法、装置、设备及存储介质
CN113065888B (zh) * 2021-03-09 2023-04-18 北京安锐卓越信息技术股份有限公司 基于行动行为推荐商机的方法、装置及存储介质
CN113065888A (zh) * 2021-03-09 2021-07-02 北京安锐卓越信息技术股份有限公司 基于行动行为推荐商机的方法、装置及存储介质
CN113298559A (zh) * 2021-05-17 2021-08-24 广州锋网信息科技有限公司 一种商品适用人群的推荐方法、系统、装置及存储介质
CN113554463A (zh) * 2021-07-21 2021-10-26 中国农业银行股份有限公司南海分行 一种资金流向的分析方法及其分析系统
CN113780806A (zh) * 2021-09-10 2021-12-10 未鲲(上海)科技服务有限公司 基于决策树的经纪人匹配方法、装置、设备及存储介质
CN113935776A (zh) * 2021-10-19 2022-01-14 中国银行股份有限公司 一种基于大数据的精准营销方法、装置及设备
TWI809649B (zh) * 2022-01-07 2023-07-21 新光金融控股股份有限公司 客戶價值二維探索方法及其系統

Similar Documents

Publication Publication Date Title
CN110428322A (zh) 一种业务数据的适配方法及装置
CN109493199A (zh) 产品推荐方法、装置、计算机设备和存储介质
CN109767318A (zh) 贷款产品推荐方法、装置、设备及存储介质
CN109829810A (zh) 业务推荐方法、装置、计算机设备及存储介质
CN113093958B (zh) 数据处理方法、装置和服务器
CN104572775B (zh) 广告分类方法、装置及服务器
CN109727136A (zh) 金融资产的配置方法及装置
CN107622326A (zh) 用户分类、可用资源预测方法、装置及设备
CN109992588A (zh) 一种基于数据处理的分单方法及相关设备
CN110689437A (zh) 一种基于随机森林的通信施工项目财务风险预测方法
CN106095972A (zh) 一种信息分类方法及装置
CN116071150A (zh) 数据处理方法、银行产品推广、风控系统、服务器及介质
CN112950347A (zh) 资源数据处理的优化方法及装置、存储介质、终端
CN115545886A (zh) 逾期风险识别方法、装置、设备及存储介质
CN112634048A (zh) 一种反洗钱模型的训练方法及装置
CN113139876A (zh) 风险模型训练方法、装置、计算机设备及可读存储介质
CN110597984B (zh) 异常行为用户信息的确定方法及装置、存储介质、终端
CN118132614A (zh) 信息筛选方法、装置、电子设备、存储介质及程序产品
Qin et al. Are there digital tech bubbles in China?
CN111932368B (zh) 一种信用卡发卡系统及其构建方法、装置
KR20200054533A (ko) 재무성향진단을 포함하는 맞춤상품추천 시스템
CN117726464A (zh) 一种对账方法、系统及相关设备
KR102710397B1 (ko) 금융 마이데이터 기반 기계학습을 위한 말뭉치를 이용한 거래 적요 데이터 분석 장치 및 방법과 이를 위한 컴퓨터 프로그램
CN116777592A (zh) 一种金融业务审批方法、装置、设备和存储介质
CN116228431A (zh) 一种异常交易账户确定方法、装置及电子设备

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