CN110930078A - 一种业务对象识别方法、装置及设备 - Google Patents
一种业务对象识别方法、装置及设备 Download PDFInfo
- Publication number
- CN110930078A CN110930078A CN201911412768.9A CN201911412768A CN110930078A CN 110930078 A CN110930078 A CN 110930078A CN 201911412768 A CN201911412768 A CN 201911412768A CN 110930078 A CN110930078 A CN 110930078A
- Authority
- CN
- China
- Prior art keywords
- processed
- sub
- standard
- business object
- resource data
- 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 106
- 238000012545 processing Methods 0.000 claims abstract description 25
- 230000015654 memory Effects 0.000 claims description 35
- 238000013523 data management Methods 0.000 claims description 15
- 238000013468 resource allocation Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 description 19
- 230000006870 function Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 10
- 230000006872 improvement Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 239000000047 product Substances 0.000 description 5
- 238000012502 risk assessment Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 230000007306 turnover Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000750 progressive effect Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 229910021389 graphene Inorganic materials 0.000 description 2
- 238000007620 mathematical function Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (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
本说明书提供一种业务对象识别方法、装置及设备，所述方法包括：通过采集待处理业务对象的资源数据以及待处理业务对象下属的子业务对象的子资源数据，以及待处理业务对象的关联标准业务对象的标准资源数据、下属的标准子业务对象的标准子资源数据。将资源数据与子资源数据进行处理分析，确定出能够反映业务对象经营状况的识别指标。将待处理业务对象与经营较好的关联标准业务对象的识别指标进行对比，以确定出待处理业务对象与关联标准业务对象经营状况的关系，确定出待处理业务对象经营状况和所属的对象类型。不仅考虑待处理业务对象的资源数据，还结合了业务对象下属的子业务对象的子资源数据，对待处理业务对象进行风险对象或优质对象的识别。
Description
技术领域
本说明书属于计算机技术领域，尤其涉及一种业务对象识别方法、装置及设备。
背景技术
随着社会的发展，企业的种类、规模、数量都在不断的增加，每个企业的经营状况也都不同。企业间的合作也越来越多，许多项目可能单独一个企业或单位不能完成，要进行合作。企业之间进行业务往来时，可能需要相互评估对方的风险程度，以确定是否能够进行合作，如：政府部门或金融机构在与企业进行业务合作时，也需要对企业进行风险评估，来保障合作项目的安全性。目前，企业的风险评估一般是基于企业自身的经营数据来评估的，有些企业的经营数据可能比较少，风险评估结果可能不够准确，进一步不利于对各个企业的风险识别、监控以及管理。
发明内容
本说明书实施例的目的在于提供一种业务对象识别方法、装置及设备，实现了业务对象的对象类型的准确识别。
一方面本说明书实施例提供了一种业务对象识别方法，应用于服务器，包括：
获取业务对象数据管理系统提供的待处理业务对象的资源数据、所述待处理业务对象下属的子业务对象的子资源数据、所述待处理业务对象的关联标准业务对象的标准资源数据、所述关联标准业务对象下属的标准子业务对象的标准子资源数据；
根据所述资源数据和所述子资源数据，确定出所述待处理业务对象的识别指标值；
根据所述标准资源数据和所述标准子资源数据，确定出所述关联标准业务对象的识别指标值，作为所述待处理业务对象的识别指标标准值；
将所述待处理业务对象的识别指标值与所述识别指标标准值进行比对，确定出所述待处理业务对象所属的对象类型。
进一步地，所述将所述待处理业务对象的识别指标值与所述识别指标标准值进行比对，确定出所述待处理业务对象所属的对象类型，包括：
将所述识别指标值与所述识别指标标准值进行比值处理，确出所述待处理业务对象与所述关联标准业务对象的指标差值；
将所述指标差值与预设阈值进行比对，若所述指标差值小于所述预设阈值，则确定所述待处理业务对象的对象类型为风险业务对象。
进一步地，所述将所述待处理业务对象的识别指标值与所述识别指标标准值进行比对，确定出所述待处理业务对象所属的对象类型，包括：
将所述识别指标值与所述识别指标标准值进行作差处理，若所述识别指标值与所述识别指标标准值之间的差值大于预设差值，则确定所述待处理业务对象的对象类型为优质业务对象。
进一步地，所述待处理业务对象下属的子业务对象的子资源数据的获取方法包括：
根据子业务对象的职位、所在部门，将所述待处理业务对象的子业务对象划分为不同的子业务对象集合；
获取不同子业务对象集合中子业务对象的子资源数据平均值；
根据预先设置的不同子业务对象集合的权重，将不同子业务对象集合中子业务对象的子资源数据平均值进行加权平均，获得的加权平均值作为所述待处理业务对象下属的子业务对象的子资源数据。
进一步地，所述方法还包括：
根据所述待处理业务对象与所述关联标准业务对象的指标差值，按照下述公式调整所述待处理业务对象的资源分配额度：
M＝N×(1+(r-1)×a)
其中，M表示调整后的所述待处理业务对象的资源分配额度，N表示调整前的所述待处理业务对象的资源分配额度，r表示所述待处理业务对象与所述关联标准业务对象的指标差值，a表示所述指标差值的可信度，a为大于0小于1的数值。
进一步地，所述方法还包括：
将所述待处理业务对象下属的子业务对象的子资源数据与所述关联标准业务对象下属的标准子业务对象的标准子资源数据进行比对，确定出所述待处理业务对象下属的子业务对象的标准比对结果；
根据所述待处理业务对象下属的子业务对象的标准比对结果、所述待处理业务对象的识别指标值与所述识别指标标准值的比对结果，确定出所述待处理业务对象所属的对象类型。
进一步地，所述方法还包括：
获取所述待处理业务对象所在地的人均资源数据；
将所述待处理业务对象下属的子业务对象的子资源数据与所述待处理业务对象所在地的人均资源数据进行比对，确定出所述待处理业务对象下属的子业务对象的平均比对结果；
根据所述待处理业务对象下属的子业务对象的平均比对结果、所述待处理业务对象的识别指标值与所述识别指标标准值的比对结果，确定出所述待处理业务对象所属的对象类型。
另一方面，本说明书提供了一种业务对象识别装置，应用于服务器，所述装置包括：
数据获取模块，用于获取业务对象数据管理系统提供的待处理业务对象的资源数据、所述待处理业务对象下属的子业务对象的子资源数据、所述待处理业务对象的关联标准业务对象的标准资源数据、所述关联标准业务对象下属的标准子业务对象的标准子资源数据；
识别指标确定模块，用于根据所述资源数据和所述子资源数据，确定出所述待处理业务对象的识别指标值；
标准指标确定模块，用于根据所述标准资源数据和所述标准子资源数据，确定出所述关联标准业务对象的识别指标值，作为所述待处理业务对象的识别指标标准值；
业务对象识别模块，用于将所述待处理业务对象的识别指标值与所述识别指标标准值进行比对，确定出所述待处理业务对象所属的对象类型。
再一方面，本说明书提供了一种业务对象识别设备，包括：至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现上述业务对象识别方法。
又一方面，本说明书实施例提供了一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现上述业务对象识别方法。
本说明书提供的业务对象识别方法、装置、处理设备以及存储介质，通过采集待处理业务对象的资源数据以及待处理业务对象下属的子业务对象的子资源数据，以及待处理业务对象的关联标准业务对象的标准资源数据、关联标准业务对象下属的标准子业务对象的标准子资源数据。将资源数据与子资源数据进行处理分析，确定出能够反映业务对象经营状况的识别指标。将待处理业务对象与同业经营较好的关联标准业务对象的识别指标进行对比，以确定出待处理业务对象与关联标准业务对象经营状况的关系，确定出待处理业务对象经营状况和所属的对象类型。不仅考虑待处理业务对象的资源数据，还结合了业务对象下属的子业务对象的子资源数据，对待处理业务对象进行风险对象或优质对象的识别。子业务对象的子资源数据量通常比较大，基于子业务对象的子资源数据对待处理业务对象进行风险类型的识别，增加了数据源和特征数据的数量和准确性，提高了业务对象识别的准确性，为业务对象的管理提供了安全保障。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，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他的附图。
图1是本说明书一个实施例中业务对象识别方法的流程示意图；
图2是本说明书一个实施例中银行业务对象的识别方法流程示意图；
图3是本说明书提供的业务对象识别装置一个实施例的模块结构示意图；
图4是本说明书一个实施例中业务对象识别服务器的硬件结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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他实施例，都应当属于本说明书保护的范围。
本说明书实施例中的业务对象识别方法，可以用于对对公客户如：公司、单位、企业等进行客户类型的识别，以利于对业务对象的统一管理。一个企业的是优质企业还是风险企业，一般可以由企业的经营情况来进行评估，但是企业的经营数据一般比较少，会影响业务对象识别的准确性。企业的识别结果一般可以用在企业间进行业务合作时，尤其对于涉及资金比较大的业务合作，如：一个企业向银行进行贷款，银行需要评估该企业是否有还款能力，即需要对该企业进行对象类型的识别，确定该企业是否有风险。或一个企业向一家投资公司请求投资时，投资公司需要对该企业进行对象类型的识别，确定该企业是否有投资前景等。
在本说明书一些实施例中，业务对象若为企业，则业务对象下属的子业务对象可以是该企业的子公司或分公司，也可以是该企业的员工。本说明书实施例提供的一个场景示例中，可以将企业的员工作为一个企业的业务对象识别时的子业务对象。用户可以通过终端设备向服务器发起对某个企业进行业务对象类型识别的请求，服务器可以根据用户提交的请求，从企业数据管理系统中获取待处理业务对象的员工数据、企业经营数据以及待处理业务对象的关联标准业务对象即关联标准业务对象的员工数据、企业经营数据。对待处理业务对象的员工数据、企业经营数据和关联标准业务对象的员工数据、企业经营数据进行对比分析，评估该待处理业务对象的经营情况，确定出该待处理业务对象是否具有风险或是否为优质客户。同时，还可以为有风险的企业标记上风险标识，将优质企业标记上优质企业标识，保存在数据库中，以便对各个企业进行统一管理，在其他企业或用户在与该待处理业务对象进行业务合作时，作为风险评估的参考。
图1是本说明书一个实施例中业务对象识别方法的流程示意图，如图1所示，本说明书一个实施例中提供的业务对象识别方法可以包括：
步骤102、获取业务对象数据管理系统提供的待处理业务对象的资源数据、所述待处理业务对象下属的子业务对象的子资源数据、所述待处理业务对象的关联标准业务对象的标准资源数据、所述关联标准业务对象下属的标准子业务对象的标准子资源数据。
在具体的实施过程中，本说明书实施例中的待处理业务对象可以理解为待处理的企业或待处理企业的账户。待处理业务对象下属的子业务对象可以是待处理的企业的子公司、分公司或子公司的账户、分公司的账户、或待处理企业的员工或员工的账户等。业务对象数据管理系统可以理解为对各个业务对象进行统一管理的系统，如：可以是对各个企业的经营数据、员工数据等进行存储以及管理的系统。当用户通过终端发起对待处理业务对象进行识别时，可以从业务对象数据管理系统获取该待处理业务对象的企业名称、法人、所在地等企业基本信息。基于该待处理业务对象的基本信息，可以从业务对象数据管理系统中获取该待处理业务对象的资源数据，其中待处理业务对象的资源数据可以理解为能够反映待处理业务对象的社会价值或工业价值等的数据，如：可以是能够体现待处理业务对象的经营状况的数据。
本说明书一些实施例中，可以获取企业的营业额数据或盈利数据作为该企业的资源数据，其中，资源数据可以是待处理业务对象自己上报到业务对象数据管理系统的数据，或者从待处理业务对象的官方网站等获取到的。在获取待处理业务对象的资源数据时，还可以获取待处理业务对象的子业务对象如：企业的员工的子资源数据。子资源数据可以理解为能够反映子业务对象的社会价值的数据，如：本说明书一些实施例中子业务对象是待处理业务对象的员工时，子资源数据可以是员工的工资收入数据、个人交税数据、贷款数据、消费记录数据、资产数据、信用数据等中的一项或多项，具体可以根据实际需要而定，本说明书实施例不作具体限定。当然，子业务对象也可以是待处理业务对象的分公司或子公司，此时，子资源数据可以是子公司或分公司的营业额数据、企业缴税数据、利润数据等，本说明书实施例不作具体限定。
本说明书一些实施例中，在待处理业务对象是企业，待处理业务对象的子业务对象是企业的员工时，可以将企业员工的子资源数据的平均值作为该待处理业务对象的子业务对象的子资源数据，或者选择部分具有代表性的员工的子资源数据的平均值作为该待处理业务对象的子业务对象的子资源数据，具体可以根据实际需要进行选取，本说明书实施例不作具体限定。
本说明书一些实施例中，所述待处理业务对象下属的子业务对象的子资源数据的获取方法包括：
根据子业务对象的职位、所在部门，将所述待处理业务对象的子业务对象划分为不同的子业务对象集合；
获取不同子业务对象集合中子业务对象的子资源数据平均值；
根据预先设置的不同子业务对象集合的权重，将不同子业务对象集合中子业务对象的子资源数据平均值进行加权平均，获得的加权平均值作为所述待处理业务对象下属的子业务对象的子资源数据。
在具体的实施过程中，子业务对象表示待处理业务对象的企业员工时，可以根据企业员工所在的部门、职位，将员工进行分类，将属于同一类别的员工作为一个子业务对象集合。如：可以将部门相同的员工作为一个集合，将职位相同的员工作为一个集合。如：可以将员工分为经理级别集合、总监级别集合、普通员工集合、销售部门集合、营销部门集合、行政部门集合、技术工人集合等，可以只依据员工所在的职位或部门进行分类，也可以职位和部门同时作为分类依据，具体分类方式可以根据实际需要进行选择，本说明书实施例不作具体限定。分别获取不同子业务对象集合中各个子业务对象的子资源数据，并将属于同一个子业务对象集合中的子业务对象的子资源数据进行相加求平均值，获得各个子业务对象集合对应的子资源数据平均值。预先可以设置不同子业务对象集合对应的权重，如：经理级别集合的权重为0.3、总监级别集合为0.1、普通员工集合为0.4等，具体可以根据企业经营模式、规模等进行设置，本说明书实施例不作具体限定。根据不同子业务对象集合对应的权重以及子资源数据平均值，对各个子业务对象集合的子资源数据进行加权平均计算，将获得的加权平均值作为待处理业务对象下属的子业务对象的子资源数据。
将业务对象下属的子业务对象进行分类，对不同等级、不同部门的子业务对象的子资源数据进行加权平均后，获得业务对象下属的子业务对象的子资源数据。使得子业务对象的子资源数据能够更加准确的反映业务对象如企业的总体经营状况，为后续业务对象的类型识别提供了准确的数据基础。
在获取待处理业务对象的资源数据和子业务对象的子资源数据时，还可以从业务对象数据管理系统中获取待处理业务对象的关联标准业务对象的标准资源数据以及关联标准业务对象下属的标准子业务对象的标准子资源数据。关联标准业务对象可以理解为与待处理业务对象属于相同或相近行业，且经营状况比较好的企业，如：待处理业务对象主营家电生产销售，则可以将其他主营家电生产销售且经营状况比较好的企业作为该待处理业务对象的关联标准业务对象。在选取待处理业务对象的关联标准业务对象时，还可以将待处理业务对象的规模、员工数量等作为一个标准，如：若待处理业务对象是一家大规模主营家电生产销售单位，则可以将相同或相近规模的主营家电生产销售单位作为该待处理业务对象的关联标准业务对象，不考虑规模较小的家电生产销售单位。业务对象数据管理系统中可以对业务对象的经营类型、业务对象规模等进行分类管理，在对待处理业务对象进行对象类型识别时，从待处理业务对象所在的经营类型、规模的分类中选取指定数量个关联标准业务对象。其中，关联标准业务对象的数量可以根据实际需要进行设置，本说明书实施例不作具体限定。
其中，关联标准业务对象的标准资源数据可以理解为能够反映关联标准业务对象的社会价值或工业价值等的数据，如：可以是能够体现关联标准业务对象的经营状况的数据。本说明书一些实施例中，可以获取关联标准业务对象的企业营业额数据或盈利数据作为该关联标准业务对象的标准资源数据。当关联标准业务对象的数量有多个时，可以将多个关联标准业务对象的标准资源数据的平均值如：营业额数据的平均值或利润平均值等作为关联标准业务对象的标准资源数据。关联标准业务对象下属的标准子业务对象的标准子资源数据可以理解为能够反映子业务对象的社会价值的数据，具体可以参考上述待处理业务对象的子业务对象的子资源数据的介绍，可以采用相同的方法获取各个关联标准业务对象下属的标准子业务对象的标准子资源数据，此处不再赘述。
步骤104、根据所述资源数据和所述子资源数据，确定出所述待处理业务对象的识别指标值。
在具体的实施过程中，获取到待处理业务对象的资源数据和待处理业务对象下属的子业务对象的子资源数据后，可以对待处理业务对象的资源数据和下属的子业务对象的子资源数据进行分析处理，确定出待处理业务对象的识别指标值。识别指标值可以理解为能够反映待处理业务对象的经营状况的指标，本说明书一些实施例中，可以将待处理业务对象下属的子业务对象的子资源数据v1与待处理业务对象的资源数据p1的比值v1/p1作为所述待处理业务对象的识别指标值，实现快速确定待处理业务对象的识别指标值。当然根据实际需求，还可以通过机器学习模型、数学函数分析等方式，分析资源数据和子资源数据对待处理业务对象的经营状况的影响函数关系，进一步确定出待处理业务对象的识别指标值，本说明书实施例不作具体限定。
步骤106、根据所述标准资源数据和所述标准子资源数据，确定出所述关联标准业务对象的识别指标值，作为所述待处理业务对象的识别指标标准值。
在具体的实施过程中，获取到关联标准业务对象的标准资源数据、关联标准业务对象下属的标准子业务对象的标准子资源数据后，可以对关联标准业务对象的标准资源数据和下属的标准子业务对象的标准子资源数据进行分析处理，确定出关联标准业务对象的识别指标值即待处理业务对象的识别指标标准值。识别指标标准值可以理解为能够反映待处理业务对象的相似业务对象的经营状况的指标，本说明书一些实施例中，可以将关联标准业务对象下属的标准子业务对象的标准子资源数据v与关联标准业务对象的标准资源数据p的比值v/p作为待处理业务对象的识别指标标准值，实现快速确定待处理业务对象的识别指标标准值。当然根据实际需求，还可以通过机器学习模型、数学函数分析等方式，分析标准资源数据和标准子资源数据对关联标准业务对象的经营状况的影响函数关系，进一步确定出待处理业务对象的识别指标标准值，本说明书实施例不作具体限定。
其中，步骤104、步骤106没有一定的先后顺序，也可以同时进行，本说明书实施例不具体限定执行顺序。
步骤108、将所述待处理业务对象的识别指标值与所述识别指标标准值进行比对，确定出所述待处理业务对象所属的对象类型。
在具体的实施过程中，确定出待处理业务对象的识别指标值和识别指标标准值后，可以将两个值进行比对，以确定待处理业务对象与相似的关联标准业务对象之间经营状况的优劣。可以认为当识别指标值与识别指标标准值相差较大时如：识别指标值远远小于识别指标标准值时，待处理业务对象的经营状况与同行业的经营较好的关联标准业务对象的差距较大，可以认为待处理业务对象经营状况不佳，可以认为该待处理业务对象为风险业务对象。当识别指标值与识别指标标准值相差不大或识别指标值远远大于识别指标标准值时，可以认为待处理业务对象的经营状况与同行业的经营较好的关联标准业务对象的经营状况相近或待处理业务对象的经营状况好于关联标准业务对象，可以认为待处理业务对象经营状况较好，可以认为该待处理业务对象为优质业务对象。其中，对象类型可以表示反映业务对象的经营状况的一个指标，可以预先设定有不同等级的对象类型如：风险业务对象、优质业务对象、普通业务对象等。
本说明书一些实施例中，可以将所述识别指标值与所述识别指标标准值进行作差处理即将上述实施例中的v1/p1与v/p进行作差处理，若所述识别指标值与所述识别指标标准值之间的差值大于预设差值，则确定所述待处理业务对象的对象类型为优质业务对象。其中预设差值的大小，可以基于实际使用需要进行设置，本说明书实施例不作具体限定。在确定待处理业务对象的对象类型为优质业务对象后，可以在服务器或数据库中将待处理业务对象标记上优质业务对象的标识，作为后续营销、贷款、合作、广告推送等业务的依据。通过直接将识别指标值与识别指标标准值进行作差的方式，可以直接快速的确定出待处理业务对象与关联标准业务对象之间经营状况的关系，快速识别出待处理业务对象是否是风险业务对象或优质业务对象。
本说明书另外一些实施例中，可以将所述识别指标值与所述识别指标标准值进行比值处理，确出所述待处理业务对象与所述关联标准业务对象的指标差值；
将所述指标差值与预设阈值进行比对，若所述指标差值小于所述预设阈值，则确定所述待处理业务对象的对象类型为风险业务对象。
在具体的实施过程中，可以将识别指标值与识别指标标准值进行比值处理即将上述实施例中的v1/p1与v/p进行比值处理，基于比值结果对待处理业务对象的经营状况进行评估。可以预先设置一个预设阈值，将比值结果作为指标差值与预设阈值进行比较，当比值结果小于预设阈值时，可以认为待处理业务对象的经营状况与同行业的经营较好的关联标准业务对象的差距较大，可以认为待处理业务对象经营状况不佳，可以认为该待处理业务对象为风险业务对象。可以在确定待处理业务对象的对象类型为风险业务对象后，可以在服务器或数据库中将待处理业务对象标记上风险业务对象的标识，作为后续营销、贷款、合作、广告推送、企业风险管理等业务的依据。通过直接将识别指标值与识别指标标准值进行比值处理的方式，可以直接快速的确定出待处理业务对象与关联标准业务对象之间经营状况的关系，快速识别出待处理业务对象是否是风险业务对象或优质业务对象。
本说明书实施例提供的业务对象识别方法，通过采集待处理业务对象的资源数据以及待处理业务对象下属的子业务对象的子资源数据，以及待处理业务对象的关联标准业务对象的标准资源数据、关联标准业务对象下属的标准子业务对象的标准子资源数据。将资源数据与子资源数据进行处理分析，确定出能够反映业务对象经营状况的识别指标。将待处理业务对象与同业经营较好的关联标准业务对象的识别指标进行对比，以确定出待处理业务对象与关联标准业务对象经营状况的关系，确定出待处理业务对象经营状况和所属的对象类型。不仅考虑待处理业务对象的资源数据，还结合了业务对象下属的子业务对象的子资源数据，对待处理业务对象进行风险对象或优质对象的识别。子业务对象的子资源数据量通常比较大，基于子业务对象的子资源数据对待处理业务对象进行风险类型的识别，增加了数据源和特征数据的数量和准确性，提高了业务对象识别的准确性，为业务对象的管理提供了安全保障。
在上述实施例的基础上，本说明书一些实施例中，所述方法还包括：
根据所述待处理业务对象与所述关联标准业务对象的指标差值，按照下述公式调整所述待处理业务对象的资源分配额度：
M＝N×(1+(r-1)×a) (1)
其中，M表示调整后的所述待处理业务对象的资源分配额度，N表示调整前的所述待处理业务对象的资源分配额度，r表示所述待处理业务对象与所述关联标准业务对象的指标差值，a表示所述指标差值的可信度，a为大于0小于1的数值。
在具体的实施过程中，可以采用上述实施例的方法，将确定出待处理业务对象与关联标准业务对象的资源数据以及子资源数据进行分析处理后，确定出待处理业务对象与关联标准业务对象之间的指标差值。指标差值即为上述实施例中的识别指标值与识别指标标准值的比值即上述实施例中的
再利用上述公式(1)对待处理业务对象的资源分配额度进行调整。其中，资源分配额度可以表示与待处理业务对象合作时的资源分配情况等，如：可以为贷款额度、投资额度、利润分配额度等。例如：若待处理业务对象请求向某银行进行贷款，请求贷款的额度为N，可以利用上述实施例中对待处理业务对象进行对象类型的识别后，确定出待处理业务对象与关联标准业务对象之间的指标差值，再利用上述公式(1)对待处理业务对象的贷款额度N进行调整，调整后的贷款额度为上述公式(1)中的M。
本说明书实施例，基于对待处理业务对象与同业的关联标准业务对象的资源数据、子资源数据的处理分析后，基于待处理业务对象与关联标准业务对象之间的指标差值，对待处理业务对象的资源分配额度进行调整，可以提高待处理业务对象的资源分配的准确性和合理性，降低了业务对象的管理风险。
在上述实施例的基础上，本说明书一些实施例中，所述方法还包括：
将所述待处理业务对象下属的子业务对象的子资源数据与所述关联标准业务对象下属的标准子业务对象的标准子资源数据进行比对，确定出所述待处理业务对象下属的子业务对象的标准比对结果；
根据所述待处理业务对象下属的子业务对象的标准比对结果、所述待处理业务对象的识别指标值与所述识别指标标准值的比对结果，确定出所述待处理业务对象所属的对象类型。
在具体的实施过程中，还可以单独将待处理业务对象下属的子业务对象的子资源数据与关联标准业务对象下属的标准子业务对象的标准子资源数据进行比对，例如：可以将待处理业务对象下属的员工的工资收入数据与同业的关联标准业务对象下属的员工的工资收入数据进行比较。根据子业务对象的子资源数据与标准子业务对象的标准子资源数据的比对结果，可以确定出待处理业务对象下属的子业务对象的标准比对结果，标准比对结果可以表示待处理业务对象下属的子业务对象与关联标准业务对象的标准子业务对象之间的差距和区别。如：通过比对，确定出待处理业务对象的员工工资收入低于关联标准业务对象的员工工资收入，并且近几年工资增幅基本为0，则可以认为待处理业务对象下属的子业务对象的标准比对结果为低于同业的标准子业务对象。
例如：本说明书一些实施例中子业务对象是待处理业务对象的员工时，子资源数据可以是员工的工资收入数据、个人交税数据、贷款数据、消费记录数据、资产数据、信用数据等中的一项或多项。可以基于贷款数据和信用数据，若待处理业务对象有一定数量或者比例的员工信用等级低于关联标准业务对象的员工的平均信用等级，或待处理业务对象有一定数量或者比例的员工的平均工资低于关联标准业务对象的员工的平均工资，并且近几年的工资增幅基本为0，或待处理业务对象有一定数量或者比例的员工的交税明显小于关联标准业务对象的员工的交税，则认为待处理业务对象下属的子业务对象的标准比对结果为低于同业的标准子业务对象。还可以基于待处理业务对象的员工拥有的资产、理财产品类型等与关联标准业务对象的员工资产、理财产品类型等进行比对，本说明书实施例不作具体限定。
可以基于待处理业务对象下属的子业务对象的标准比对结果、以及待处理业务对象的识别指标值与所述识别指标标准值的比对结果，综合确定出待处理业务对象所属的对象类型。例如：可以利用历史业务对象的数据，训练构建出机器学习模型，将待处理业务对象下属的子业务对象的标准比对结果、以及待处理业务对象的识别指标值与所述识别指标标准值的比对结果作为模型的输入，利用机器学习模型，自动输出待处理业务对象所属的对象类型。也可以利用专家经验，综合确定出待处理业务对象所属的对象类型。或将子业务对象的标准比对结果、识别指标值与所述识别指标标准值的比对结果转换不同的数值，利用加权计算，确定出待处理业务对象所属的对象类型。如：预先设置子业务对象的标准比对结果对应的权重为0.4，识别指标值与所述识别指标标准值的比对结果的权重为0.6，并设置不同的对比结果与对应的数值的映射关系，将比对结果均转换为数值后与对应的权重相乘后相加，获得一个结果，根据最终的结果，确定出待处理业务对象是风险业务对象或优质业务对象或普通业务对象等。
在将所述待处理业务对象下属的子业务对象的子资源数据与所述关联标准业务对象下属的标准子业务对象的标准子资源数据进行比对时，可以将待处理业务对象和关联标准业务对象的员工进行分类后，可以将相同类别的集合的待处理业务对象的员工的子资源数据与关联标准业务对象的员工的子资源数据进行比对。如：将待处理业务对象的经理级别集合的子资源数据与关联标准业务对象的经理级别集合的标准子资源数据进行比对，将待处理业务对象的销售部门集合的员工信息数据与关联标准业务对象的销售部门集合的子资源数据进行比对。通过将待处理业务对象和关联标准业务对象的相同类别的集合中的员工数据进行比对后，可以确定出待处理业务对象的与关联标准业务对象相比的经营状况，经营状况可以包括
本说明书实施例，将待处理业务对象的子业务对象的子资源数据与同业的关联标准业务对象的标准子资源数据进行比对，将比对结果作为识别待处理业务对象的一个指标。利用子业务对象的数据反映待处理业务对象的经营管理情况，数据来源比较大，可以提高识别结果的准确性。
在上述实施例的基础上，本说明书一些实施例中，所述方法还包括：
获取所述待处理业务对象所在地的人均资源数据；
将所述待处理业务对象下属的子业务对象的子资源数据与所述待处理业务对象所在地的人均资源数据进行比对，确定出所述待处理业务对象下属的子业务对象的平均比对结果；
根据所述待处理业务对象下属的子业务对象的平均比对结果、所述待处理业务对象的识别指标值与所述识别指标标准值的比对结果，确定出所述待处理业务对象所属的对象类型。
在具体的实施过程中，在对待处理业务对象进行经营状况的分析识别时，可以获取待处理业务对象所在地的人均资源数据如：人均消费水平、人均月工资收入、人均资产(可以包括：存款、理财、基金等)。可以将待处理业务对象下属的子业务对象的子资源数据与待处理业务对象所在地的人均资源数据进行比对，确定出待处理业务对象下属的子业务对象的平均比对结果。例如：将待处理业务对象的子业务对象的人均消费水平与当地的人均消费水平进行比对，若待处理业务对象的人均消费水平高于当地的人均消费水平，并且消费比较活跃如：每月的人均消费金额均高于当地的人均消费水平，则认为待处理业务对象下属的子业务对象的平均比对结果为高于当地水平。还可以根据当地的优质用户拥有的理财产品类型，获取待处理业务对象的员工中拥有优质理财产品类型的员工数量或比例，确定出待处理业务对象下属的子业务对象的平均比对结果。
可以基于子业务对象的平均比对结果、以及待处理业务对象的识别指标值与所述识别指标标准值的比对结果，综合确定出待处理业务对象所属的对象类型。例如：可以利用历史业务对象的数据，训练构建出机器学习模型，将待处理业务对象下属的子业务对象的平均比对结果、以及待处理业务对象的识别指标值与所述识别指标标准值的比对结果作为模型的输入，利用机器学习模型，自动输出待处理业务对象所属的对象类型。当然，也可以采用其的方法综合确定出待处理业务对象所属的对象类型，如：可以参考上述基于待处理业务对象下属的子业务对象的标准比对结果、以及待处理业务对象的识别指标值与所述识别指标标准值的比对结果，综合确定出待处理业务对象所属的对象类型的方法，本说明书实施例不作具体限定。
本说明书实施例，不仅将待处理业务对象的数据与同业的关联标准业务对象的数据进行比对，还与当地的任娟资源数据进行比对，可以更加全面的确定出待处理业务对象的经营状况，提高识别结果的准确性。
图2是本说明书一个实施例中银行业务对象的识别方法流程示意图，如图2所示，在一个场景实例中，本说明书实施例中的待处理业务对象可以是银行的对公客户，子业务对象可以为对公客户的员工，可以采用本说明书实施例提供的方法，综合考虑对公客户的经营数据、对公客户的员工数据、对公客户的同业数据、对公客户所在地的人均资源数据等，对对公客户进行经营状况的分析，确定出对公客户的类型是风险客户还是优质客户。如图2所示，除了参考对公客户的员工数据，还可以参考同业数据。比如对公客户在申请贷款时，将水电费，银行流水，纳税记录数据与同业数据比较，并依据比较的结果对该对公客户的经营情况进行评估，对提交的贷款申请材料进行真实性评估。比如：对公客户A申请贷款，提供的材料中，水电费明显小于同业，银行流水的金额也小于同业，纳税金额小于同业，但是申请贷款的材料显示，每年的产品数量达到同业水平，销售额达到了同业水平，则可以认为该客户A提供的材料真实性有问题，实际经营情况也不佳。如图2所示，可以基于本说明书实施例对对公客户的识别，实现对对公客户的风险评估和营销价值的评估，方便对对公客户的统一管理。
本说明书中上述方法的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参考即可，每个实施例重点说明的都是与其他实施例的不同之处。相关之处参考方法实施例的部分说明即可。
基于上述所述的业务对象识别方法，本说明书一个或多个实施例还提供一种业务对象识别装置。所述的装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思，本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参考前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
具体地，图3是本说明书提供的业务对象识别装置一个实施例的模块结构示意图，如图3所示，本说明书中提供的业务对象识别装置可以包括：数据获取模块31、识别指标确定模块32、标准指标确定模块33、业务对象识别模块34，其中：
数据获取模块31，可以用于获取业务对象数据管理系统提供的待处理业务对象的资源数据、所述待处理业务对象下属的子业务对象的子资源数据、所述待处理业务对象的关联标准业务对象的标准资源数据、所述关联标准业务对象下属的标准子业务对象的标准子资源数据；
识别指标确定模块32，可以用于根据所述资源数据和所述子资源数据，确定出所述待处理业务对象的识别指标值；
标准指标确定模块33，可以用于根据所述标准资源数据和所述标准子资源数据，确定出所述关联标准业务对象的识别指标值，作为所述待处理业务对象的识别指标标准值；
业务对象识别模块34，可以用于将所述待处理业务对象的识别指标值与所述识别指标标准值进行比对，确定出所述待处理业务对象所属的对象类型。
本说明书实施例提供的业务对象识别装置，通过采集待处理业务对象的资源数据以及待处理业务对象下属的子业务对象的子资源数据，以及待处理业务对象的关联标准业务对象的标准资源数据、关联标准业务对象下属的标准子业务对象的标准子资源数据。将资源数据与子资源数据进行处理分析，确定出能够反映业务对象经营状况的识别指标。将待处理业务对象与同业经营较好的关联标准业务对象的识别指标进行对比，以确定出待处理业务对象与关联标准业务对象经营状况的关系，确定出待处理业务对象经营状况和所属的对象类型。不仅考虑待处理业务对象的资源数据，还结合了业务对象下属的子业务对象的子资源数据，对待处理业务对象进行风险对象或优质对象的识别。子业务对象的子资源数据量通常比较大，基于子业务对象的子资源数据对待处理业务对象进行风险类型的识别，增加了数据源和特征数据的数量和准确性，提高了业务对象识别的准确性，为业务对象的管理提供了安全保障。
需要说明的，上述所述的装置根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照上述对应的方法实施例的描述，在此不作一一赘述。
本说明书实施例还提供一种业务对象识别设备，包括：至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现上述实施例中业务对象识别方法，如：
获取业务对象数据管理系统提供的待处理业务对象的资源数据、所述待处理业务对象下属的子业务对象的子资源数据、所述待处理业务对象的关联标准业务对象的标准资源数据、所述关联标准业务对象下属的标准子业务对象的标准子资源数据；
根据所述资源数据和所述子资源数据，确定出所述待处理业务对象的识别指标值；
根据所述标准资源数据和所述标准子资源数据，确定出所述关联标准业务对象的识别指标值，作为所述待处理业务对象的识别指标标准值；
将所述待处理业务对象的识别指标值与所述识别指标标准值进行比对，确定出所述待处理业务对象所属的对象类型。
需要说明的，上述所述处理设备，根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照上述对应的方法实施例的描述，在此不作一一赘述。
本说明书提供的业务对象识别装置或处理设备，也可以应用在多种数据分析处理系统中。所述系统或装置或处理设备可以包括上述实施例中任意一个业务对象识别装置。所述的系统或装置或处理设备可以为单独的服务器，也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例装置的服务器集群、系统(包括分布式系统)、软件(应用)、实际操作装置、逻辑门电路装置、量子计算机等并结合必要的实施硬件的终端装置。所述核对差异数据的检测系统可以包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现上述任意一个或者多个实施例中所述方法的步骤。
本说明书实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例，图4是本说明书一个实施例中业务对象识别服务器的硬件结构框图，该服务器可以是上述实施例中的业务对象识别装置或系统。如图4所示，服务器10可以包括一个或多个(图中仅示出一个)处理器100(处理器100可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器200、以及用于通信功能的传输模块300。本邻域普通技术人员可以理解，图4所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，服务器10还可包括比图4中所示更多或者更少的组件，例如还可以包括其他的处理硬件，如数据库或多级缓存、GPU，或者具有与图4所示不同的配置。
存储器200可用于存储应用软件的软件程序以及模块，如本说明书实施例中的业务对象识别方法对应的程序指令/模块，处理器100通过运行存储在存储器200内的软件程序以及模块，从而执行各种功能应用以及资源数据更新。存储器200可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器200可进一步包括相对于处理器100远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输模块300用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中，传输模块300包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输模块300可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例所描述方案的效果。
本申请实施方式中还提供了一种业务对象识别方法的计算机存储介质，所述计算机存储介质存储有计算机程序指令，在所述计算机程序指令被执行时可以实现：
获取业务对象数据管理系统提供的待处理业务对象的资源数据、所述待处理业务对象下属的子业务对象的子资源数据、所述待处理业务对象的关联标准业务对象的标准资源数据、所述关联标准业务对象下属的标准子业务对象的标准子资源数据；
根据所述资源数据和所述子资源数据，确定出所述待处理业务对象的识别指标值；
根据所述标准资源数据和所述标准子资源数据，确定出所述关联标准业务对象的识别指标值，作为所述待处理业务对象的识别指标标准值；
将所述待处理业务对象的识别指标值与所述识别指标标准值进行比对，确定出所述待处理业务对象所属的对象类型。
所述存储介质可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括：利用电能方式存储信息的装置如，各式存储器，如RAM、ROM等；利用磁能方式存储信息的装置如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的装置如，CD或DVD。当然，还有其他方式的可读存储介质，例如量子存储器、石墨烯存储器等等。
本说明书实施例提供的上述业务对象识别方法或装置可以在计算机中由处理器执行相应的程序指令来实现，如使用windows操作系统的c++语言在PC端实现、linux系统实现，或其他例如使用android、iOS系统程序设计语言在智能终端实现，以及基于量子计算机的处理逻辑实现等。
需要说明的是说明书上述所述的装置、计算机存储介质、系统根据相关方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照对应方法实施例的描述，在此不作一一赘述。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参考即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参考方法实施例的部分说明即可。
本说明书实施例并不局限于必须是符合行业通信标准、标准计算机资源数据更新和数据存储规则或本说明书一个或多个实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例，仍然可以属于本说明书实施例的可选实施方案范围之内。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
虽然本说明书一个或多个实施例提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式资源数据更新环境)。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、产品或者设备不仅包括那些要素，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、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。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。
本发明是参照根据本发明实施例的方法、装置(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资源数据更新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资源数据更新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资源数据更新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资源数据更新设备上，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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储、石墨烯存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例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，本说明书一个或多个实施例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。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参考即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参考方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书一个或多个实施例的实施例而已，并不用于限制本说明书一个或多个实施例。对于本领域技术人员来说，本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在权利要求范围之内。
Claims (10)
1.一种业务对象识别方法，其特征在于，应用于服务器，所述方法包括：
获取业务对象数据管理系统提供的待处理业务对象的资源数据、所述待处理业务对象下属的子业务对象的子资源数据、所述待处理业务对象的关联标准业务对象的标准资源数据、所述关联标准业务对象下属的标准子业务对象的标准子资源数据；
根据所述资源数据和所述子资源数据，确定出所述待处理业务对象的识别指标值；
根据所述标准资源数据和所述标准子资源数据，确定出所述关联标准业务对象的识别指标值，作为所述待处理业务对象的识别指标标准值；
将所述待处理业务对象的识别指标值与所述识别指标标准值进行比对，确定出所述待处理业务对象所属的对象类型。
2.如权利要求1所述的方法，其特征在于，所述将所述待处理业务对象的识别指标值与所述识别指标标准值进行比对，确定出所述待处理业务对象所属的对象类型，包括：
将所述识别指标值与所述识别指标标准值进行比值处理，确出所述待处理业务对象与所述关联标准业务对象的指标差值；
将所述指标差值与预设阈值进行比对，若所述指标差值小于所述预设阈值，则确定所述待处理业务对象的对象类型为风险业务对象。
3.如权利要求1所述的方法，其特征在于，所述将所述待处理业务对象的识别指标值与所述识别指标标准值进行比对，确定出所述待处理业务对象所属的对象类型，包括：
将所述识别指标值与所述识别指标标准值进行作差处理，若所述识别指标值与所述识别指标标准值之间的差值大于预设差值，则确定所述待处理业务对象的对象类型为优质业务对象。
4.如权利要求1所述的方法，其特征在于，所述待处理业务对象下属的子业务对象的子资源数据的获取方法包括：
根据子业务对象的职位、所在部门，将所述待处理业务对象的子业务对象划分为不同的子业务对象集合；
获取不同子业务对象集合中子业务对象的子资源数据平均值；
根据预先设置的不同子业务对象集合的权重，将不同子业务对象集合中子业务对象的子资源数据平均值进行加权平均，获得的加权平均值作为所述待处理业务对象下属的子业务对象的子资源数据。
5.如权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述待处理业务对象与所述关联标准业务对象的指标差值，按照下述公式调整所述待处理业务对象的资源分配额度：
M＝N×(1+(r-1)×a)
其中，M表示调整后的所述待处理业务对象的资源分配额度，N表示调整前的所述待处理业务对象的资源分配额度，r表示所述待处理业务对象与所述关联标准业务对象的指标差值，a表示所述指标差值的可信度，a为大于0小于1的数值。
6.如权利要求1所述的方法，其特征在于，所述方法还包括：
将所述待处理业务对象下属的子业务对象的子资源数据与所述关联标准业务对象下属的标准子业务对象的标准子资源数据进行比对，确定出所述待处理业务对象下属的子业务对象的标准比对结果；
根据所述待处理业务对象下属的子业务对象的标准比对结果、所述待处理业务对象的识别指标值与所述识别指标标准值的比对结果，确定出所述待处理业务对象所属的对象类型。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述待处理业务对象所在地的人均资源数据；
将所述待处理业务对象下属的子业务对象的子资源数据与所述待处理业务对象所在地的人均资源数据进行比对，确定出所述待处理业务对象下属的子业务对象的平均比对结果；
根据所述待处理业务对象下属的子业务对象的平均比对结果、所述待处理业务对象的识别指标值与所述识别指标标准值的比对结果，确定出所述待处理业务对象所属的对象类型。
8.一种业务对象识别装置，其特征在于，应用于服务器，所述装置包括：
数据获取模块，用于获取业务对象数据管理系统提供的待处理业务对象的资源数据、所述待处理业务对象下属的子业务对象的子资源数据、所述待处理业务对象的关联标准业务对象的标准资源数据、所述关联标准业务对象下属的标准子业务对象的标准子资源数据；
识别指标确定模块，用于根据所述资源数据和所述子资源数据，确定出所述待处理业务对象的识别指标值；
标准指标确定模块，用于根据所述标准资源数据和所述标准子资源数据，确定出所述关联标准业务对象的识别指标值，作为所述待处理业务对象的识别指标标准值；
业务对象识别模块，用于将所述待处理业务对象的识别指标值与所述识别指标标准值进行比对，确定出所述待处理业务对象所属的对象类型。
9.一种业务对象识别设备，其特征在于，包括：至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求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，其上存储有计算机指令，所述指令被执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911412768.9A CN110930078A (zh) | 2019-12-31 | 2019-12-31 | 一种业务对象识别方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911412768.9A CN110930078A (zh) | 2019-12-31 | 2019-12-31 | 一种业务对象识别方法、装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110930078A true CN110930078A (zh) | 2020-03-27 |
Family
ID=69854536
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911412768.9A Pending CN110930078A (zh) | 2019-12-31 | 2019-12-31 | 一种业务对象识别方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110930078A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553487A (zh) * | 2020-05-25 | 2020-08-18 | 支付宝(杭州)信息技术有限公司 | 一种业务对象识别方法及装置 |
| CN111932368A (zh) * | 2020-08-13 | 2020-11-13 | 中国工商银行股份有限公司 | 一种信用卡发卡系统及其构建方法、装置 |
| CN113283677A (zh) * | 2021-06-29 | 2021-08-20 | 中国平安人寿保险股份有限公司 | 指标数据处理方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1924924A (zh) * | 2006-09-21 | 2007-03-07 | 中国工商银行股份有限公司 | 一种金融投资对象数据测评方法及系统 |
| KR20090006489A (ko) * | 2007-07-11 | 2009-01-15 | 고려대학교 산학협력단 | 신용 위험 모형 구축용 툴 킷, 신용 위험 모형 구축을 통한신용 위험 관리 방법 및 이를 기록한 기록매체 |
| KR101796946B1 (ko) * | 2017-02-02 | 2017-11-13 | 에스비주식회사 | 기업 평판 정보 서비스 시스템 |
| CN110033159A (zh) * | 2019-02-27 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 风险识别方法、装置及设备 |
| CN110070439A (zh) * | 2019-04-30 | 2019-07-30 | 深圳市宝润兴业互联网信息服务有限公司 | 一种基于企业员工数据确定企业增授信额的方法 |
-
2019
- 2019-12-31 CN CN201911412768.9A patent/CN110930078A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1924924A (zh) * | 2006-09-21 | 2007-03-07 | 中国工商银行股份有限公司 | 一种金融投资对象数据测评方法及系统 |
| KR20090006489A (ko) * | 2007-07-11 | 2009-01-15 | 고려대학교 산학협력단 | 신용 위험 모형 구축용 툴 킷, 신용 위험 모형 구축을 통한신용 위험 관리 방법 및 이를 기록한 기록매체 |
| KR101796946B1 (ko) * | 2017-02-02 | 2017-11-13 | 에스비주식회사 | 기업 평판 정보 서비스 시스템 |
| CN110033159A (zh) * | 2019-02-27 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 风险识别方法、装置及设备 |
| CN110070439A (zh) * | 2019-04-30 | 2019-07-30 | 深圳市宝润兴业互联网信息服务有限公司 | 一种基于企业员工数据确定企业增授信额的方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553487A (zh) * | 2020-05-25 | 2020-08-18 | 支付宝(杭州)信息技术有限公司 | 一种业务对象识别方法及装置 |
| CN111553487B (zh) * | 2020-05-25 | 2021-04-27 | 支付宝(杭州)信息技术有限公司 | 一种业务对象识别方法及装置 |
| CN111932368A (zh) * | 2020-08-13 | 2020-11-13 | 中国工商银行股份有限公司 | 一种信用卡发卡系统及其构建方法、装置 |
| CN111932368B (zh) * | 2020-08-13 | 2024-01-05 | 中国工商银行股份有限公司 | 一种信用卡发卡系统及其构建方法、装置 |
| CN113283677A (zh) * | 2021-06-29 | 2021-08-20 | 中国平安人寿保险股份有限公司 | 指标数据处理方法、装置、设备及存储介质 |
| CN113283677B (zh) * | 2021-06-29 | 2022-08-26 | 中国平安人寿保险股份有限公司 | 指标数据处理方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110363449B (zh) | 一种风险识别方法、装置及系统 | |
| US20210118054A1 (en) | Resource exchange system | |
| US10504120B2 (en) | Determining a temporary transaction limit | |
| CN107358247B (zh) | 一种确定流失用户的方法及装置 | |
| de Castro Vieira et al. | Machine learning models for credit analysis improvements: Predicting low-income families’ default | |
| US10832250B2 (en) | Long-term short-term cascade modeling for fraud detection | |
| CN111539811B (zh) | 风险账户的识别方法及装置 | |
| CN110930078A (zh) | 一种业务对象识别方法、装置及设备 | |
| US8984022B1 (en) | Automating growth and evaluation of segmentation trees | |
| US12002096B1 (en) | Artificial intelligence supported valuation platform | |
| KR20200039852A (ko) | 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법 | |
| Chen et al. | A study on operational risk and credit portfolio risk estimation using data analytics | |
| US20230125183A1 (en) | Debt classification and evaluation system | |
| JP2018503927A (ja) | 投資証券の複合ポートフォリオのセグメント化及び層化 | |
| CN111210332A (zh) | 贷后管理策略生成方法、装置及电子设备 | |
| CN113538154A (zh) | 风险对象的识别方法、装置、存储介质和电子设备 | |
| CN112163962A (zh) | 一种模型训练和业务风控的方法及装置 | |
| CN111177562A (zh) | 一种目标对象的推荐排序处理方法、装置及服务器 | |
| CN104839962A (zh) | 一种智能钱包及其信息处理方法和装置 | |
| Zang | Construction of Mobile Internet Financial Risk Cautioning Framework Based on BP Neural Network | |
| CN107688902B (zh) | 一种高新技术创业模式分析评价方法 | |
| Seijas-Giménez et al. | Financing entrepreneurial activity in Uruguay: time to default in a public microcredit institution | |
| JP6121017B2 (ja) | 金融機関経営支援システム及びプログラム | |
| Xu | An Intelligent Classification Method of Multisource Enterprise Financial Data Based on SAS Model | |
| CN114155038B (zh) | 受疫情影响用户识别方法 |
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 |
Application publication date: 20200327 |
|
| RJ01 | Rejection of invention patent application after publication |