CN111738834B - 一种数据处理方法和装置 - Google Patents

Abstract

本申请实施例公开了一种数据处理方法和装置，当目标客户需要提前提取目标资源值时，会触发提取请求，提取请求包括目标资源值的目标标识和提取原因。在接收到目标客户触发的提取请求后，根据目标标识确定目标资源值的存储信息，存储信息包括存储开始时间和目标资源值的数量。根据提取原因、存储开始时间和目标资源值的数量，通过神经网络模型确定附加资源值。这样，当目标客户提前提取目标资源值时，向目标客户的账户转移目标资源值和附加资源值。该方法在目标客户提前提取目标资源值时，并非直接取消目标客户的附加资源值，而是确定一个合理的附加资源值，从而保证目标客户的利益，吸引客户定期存款或购买定期理财产品，避免不必要的经济损失。

Description

一种数据处理方法和装置

技术领域

本申请涉及数据处理领域，特别是涉及一种数据处理方法和装置。

背景技术

银行现在揽储很困难，因为很多理财产品的竞争，存款就是银行的子弹，对银行意义重大。

银行为客户提供很多理财产品，其中定期存款等定期理财产品虽然利率比较高，在用户急需用钱时，通常需要被迫取出自己的定期存款或者其他定期的理财产品，此时，则客户可以拿到的利息为零，这样就大大的影响了客户购买的兴趣。同时，导致用户不得不放弃存款或产品的定期存款收益和未来潜在收益，造成不必要的经济损失。

发明内容

为了解决上述技术问题，本申请提供了一种数据处理方法和装置，既吸引了客户定期存款或购买定期理财产品，也能在客户提前提取的情况下保障银行利益。

第一方面，本申请实施例提供一种数据处理方法，所述方法包括：

接收目标客户触发的提取请求，所述提取请求包括目标资源值的目标标识和提取原因；

根据所述目标标识确定所述目标资源值的存储信息，所述存储信息包括存储开始时间和所述目标资源值的数量；

根据所述提取原因、所述存储开始时间和所述目标资源值的数量，通过神经网络模型确定附加资源值；

向所述目标客户的账户转移所述目标资源值和所述附加资源值。

可选的，所述根据所述提取原因、所述存储开始时间和所述目标资源值的数量，通过神经网络模型确定附加资源值之前，所述方法还包括：

获取损失信息，所述损失信息表征所述目标客户提取所述目标资源值带来的损失情况；

所述根据所述提取原因、所述存储开始时间和所述目标资源值的数量，通过神经网络模型确定附加资源值，包括：

根据所述提取原因、所述存储开始时间、所述目标资源值的数量和所述损失信息，通过所述神经网络模型确定所述附加资源值。

可选的，所述根据所述提取原因、所述存储开始时间和所述目标资源值的数量，通过神经网络模型确定附加资源值，包括：

确定所述提取原因的目标原因等级，所述目标原因等级用于表示所述提取原因的紧急程度；

根据所述目标原因等级、所述存储开始时间和所述目标资源值的数量，通过所述神经网络模型确定所述附加资源值。

可选的，所述确定所述提取原因的原因等级，包括：

确定所述提取原因属于不同原因等级的概率；

将所述概率最大的原因等级确定为所述目标原因等级。

可选的，所述确定所述提取原因属于不同原因等级的概率，包括：

获取历史数据，所述历史数据包括提取原因与预设原因等级的对应关系；

针对每种提取原因，统计在不同预设原因等级下，所述提取原因的概率。

可选的，所述根据所述目标标识确定所述目标资源值的存储信息之前，所述方法包括：

对所述提取请求进行审核；

若审核通过，执行所述根据所述目标标识确定所述目标资源值的存储信息。

第二方面，本申请实施例还提供一种数据处理装置，所述装置包括：

接收单元，用于接收目标客户触发的提取请求，所述提取请求包括目标资源值的目标标识和提取原因；

第一确定单元，用于根据所述目标标识确定所述目标资源值的存储信息，所述存储信息包括存储开始时间和所述目标资源值的数量；

第二确定单元，用于根据所述提取原因、所述存储开始时间和所述目标资源值的数量，通过神经网络模型确定附加资源值；

转移单元，用于向所述目标客户的账户转移所述目标资源值和所述附加资源值。

可选的，所述装置还包括：

获取单元，用于在根据所述提取原因、所述存储开始时间和所述目标资源值的数量，通过神经网络模型确定附加资源值之前，获取损失信息，所述损失信息表征所述目标客户提取所述目标资源值带来的损失情况；

所述第二确定单元，用于：

根据所述提取原因、所述存储开始时间、所述目标资源值的数量和所述损失信息，通过所述神经网络模型确定所述附加资源值。

可选的，所述第二确定单元，用于：

确定所述提取原因的目标原因等级，所述目标原因等级用于表示所述提取原因的紧急程度；

根据所述目标原因等级、所述存储开始时间和所述目标资源值的数量，通过所述神经网络模型确定所述附加资源值。

可选的，所述第二确定单元，用于：

确定所述提取原因属于不同原因等级的概率；

将所述概率最大的原因等级确定为所述目标原因等级。

可选的，所述第二确定单元，用于：

获取历史数据，所述历史数据包括提取原因与预设原因等级的对应关系；

针对每种提取原因，统计在不同预设原因等级下，所述提取原因的概率。

可选的，所述装置包括：

审核单元，用于在根据所述目标标识确定所述目标资源值的存储信息之前，对所述提取请求进行审核；

若审核通过，触发所述第一确定单元执行所述根据所述目标标识确定所述目标资源值的存储信息。

由上述技术方案可以看出，当目标客户需要提前提取目标资源值时，会触发提取请求，提取请求包括目标资源值的目标标识和提取原因。在接收到目标客户触发的提取请求后，根据目标标识确定目标资源值的存储信息，存储信息包括存储开始时间和目标资源值的数量。根据提取原因、存储开始时间和目标资源值的数量，通过神经网络模型确定附加资源值。这样，当目标客户提前提取目标资源值时，可以向目标客户的账户转移目标资源值和附加资源值。可见，该方法在目标客户提前提取目标资源值时，并非直接取消目标客户的附加资源值，而是确定一个合理的附加资源值，从而保证目标客户的利益，从而吸引客户定期存款或购买定期理财产品，避免不必要的经济损失，也能在客户提前提取的情况下保障银行利益。

附图说明

为了更清楚地说明本申请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性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种数据处理方法的流程图；

图2为本申请实施例提供的一种数据处理装置的结构图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

银行为客户提供很多理财产品，其中定期存款等定期理财产品虽然利率比较高，在用户急需用钱时，通常需要被迫取出自己的定期存款或者其他定期的理财产品，此时，则客户可以拿到的利息为零，这样就大大的影响了客户购买的兴趣。同时，导致用户不得不放弃存款或产品的定期存款收益和未来潜在收益，造成不必要的经济损失。

为了解决上述技术问题，本申请提供一种数据处理方法，当目标客户需要提前提取目标资源值时，会触发提取请求，提取请求包括目标资源值的目标标识和提取原因。在接收到目标客户触发的提取请求后，根据目标标识确定目标资源值的存储信息，存储信息包括存储开始时间和目标资源值的数量。根据提取原因、存储开始时间和目标资源值的数量，通过神经网络模型确定附加资源值。这样，当目标客户提前提取目标资源值时，可以向目标客户的账户转移目标资源值和附加资源值。可见，该方法在目标客户提前提取目标资源值时，并非直接取消目标客户的附加资源值，而是确定一个合理的附加资源值，从而保证目标客户的利益，从而吸引客户定期存款或购买定期理财产品，避免不必要的经济损失，也能在客户提前提取的情况下保障银行利益。

本申请实施例提供的方法可以应用于终端设备上，终端设备例如可以是计算机、个人数字助理(Personal Digital Assistant，简称PDA)、平板电脑等设备。

本申请实施例提供的方法也可以应用于服务器，目标客户在终端设备上触发提取请求后，可以将提取请求发送至服务器，由服务器执行本申请实施例提供的方法。

需要说明的是，本申请实施例提供的方法可以应用于多种具有固定存储期限并根据固定存取期限获取附加资源值的场景中，例如银行的定期存款、定期理财场景，此时，该方法具体可以应用于定期存款系统，该系统可以部署在银行的终端设备或服务器上，资源值为货币，附加资源值为利息或利率；又如其他场景中的虚拟物品等。

接下来，将主要以终端设备是执行主体、以银行定期存款的场景为例，结合附图对本申请提供的数据处理方法进行介绍。参见图1所示，所示方法包括：

S101、接收目标客户触发的提取请求。

当目标客户需要提前提取目标资源值时，会触发提取请求，提取请求包括目标资源值的目标标识和提取原因，取款原因例如可以是生病、投资、上学、保险等。

S102、根据所述目标标识确定所述目标资源值的存储信息。

终端设备接收到提取请求后，可以根据目标标识确定目标资源值的存储信息。其中，存储信息包括存储开始时间和目标资源值的数量。在银行的定期存款、定期理财场景中，目标资源值可以为存款(货币)，目标资源值的数量可以为存款金额。

在一种可能的实现方式中，根据目标标识确定目标资源值的存储信息之前，还可以先对提取请求进行审核，例如根据提取原因审核是否允许提前提取等。若审核通过，执行S102中根据所述目标标识确定所述目标资源值的存储信息的步骤。

S103、根据所述提取原因、所述存储开始时间和所述目标资源值的数量，通过神经网络模型确定附加资源值。

由于目标客户提前提取目标资源值可能是因为一些紧急情况，为了避免因为这些紧急情况而造成目标客户的损失，甚至导致目标客户因为担忧紧急情况可能造成的损失而失去购买的兴趣，本申请实施例并非直接取消目标客户的附加资源值，而是确定一个合理的附加资源值，从而可以在目标客户提前提取时，为目标客户提供一定的附加资源值，不至于让目标客户毫无收成。

需要说明的是，为了尽量降低目标客户提前提取目标资源值对银行造成的损失，在确定附加资源值时，还可以考虑可能对银行造成的可能损失。因此，在根据提取原因、存储开始时间和目标资源值的数量，通过神经网络模型确定附加资源值之前，可以获取损失信息，该损失信息表征目标客户提取目标资源值带来的损失情况。损失信息可以包括现金调拨费用、银行间现金借贷利息等。然后，在执行S103时根据提取原因、存储开始时间、目标资源值的数量和损失信息，通过神经网络模型确定附加资源值。

其中，神经网络模型是预先训练得到的，将提取原因、存储开始时间和目标资源值的数量等作为模型输入，将附加资源值作为模型的输出。在训练神经网络模型时，将根据历史数据确定的提取原因、存储开始时间和目标资源值的数量等作为模型输入，将附加资源值作为模型的输出，根据网络输入输出的个数确定神经网络模型的结构，进而确定了遗传算法中需要优化的参数个数。根据柯尔莫哥洛夫(kolmogorov)原理，一个三层神经网络模型足以完成任意的n维到m维的映射，一般只需要采用一个隐层即可，隐层节点个数采用试凑法确定，从而确定神经网络模型的结构。

历史数据通过人工经验对数据分析计算得到应该给客户的利息值作为历史数据，对模型训练与验证得到有效模型，从而为客户提供一个科学的利息值，吸引客户的同时也给银行带来利益。

通常情况下，提取原因包括很多种，不同提取原因的紧急程度有所不同，紧急程度越高，那么，为了提高客户体验，考虑客户感受，相应的，附加资源值可以越高。例如提取原因是生病、投资、上学、保险等，那么，提取原因的紧急程度按照从高到低的顺序依次可以是生病、上学、保险、投资，从而根据紧急程度的不同确定出不同的附加资源值。

在本实施例中，提取原因的紧急程度可以用原因等级来表示，等级越高，紧急程度越高。故，S103的实现方式可以是确定提取原因的目标原因等级，目标原因等级用于表示提取原因的紧急程度；根据目标原因等级、存储开始时间和目标资源值的数量，通过神经网络模型确定附加资源值。

在一些实施例中，确定提取原因的目标原因等级的方式可以是确定提取原因属于不同原因等级的概率，将概率最大的原因等级确定为目标原因等级。

其中，可以通过朴素贝叶斯分类的方法确定目标原因等级，用集合C＝(Y1，Y2，Y3，Y4，Y5)表示。通过收集过往提提取原因采用人工判断的等级的方法作为历史数据训练朴素贝叶斯模型，具体的训练方法如下：

1、设x＝{A1，A2...Am}为提取原因的特性(生病、投资、上学、保险等)，A为x的特征属性。

2、有类别集合C＝(Y1，Y2，Y3，Y4，Y5)，表示提取原因的五个不同的原因等级。

3、计算P(Y1|x)与P(Y2|x)…，即提取原因的五个原因等级的概率。

计算P(Y1|x)与P(Y2|x)…的方法可以是找一个已知分类的待分类项集合，这个集合叫做训练样本，即过往业务的历史数据，获取历史数据，历史数据包括提取原因与预设原因等级的对应关系，即得到已知的x＝{A1，A2...Am}与C＝(Y1，Y2，Y3，Y4，Y5)的对应关系。然后，针对每种提取原因，统计在不同预设原因等级下，提取原因的概率。统计得到在各原因等级下各个提取原因的条件概率估计。即P(A1|Y1)P(A2|Y1)…P(Am|Y1)与P(A1|Y2)P(A2|Y2)…P(Am|Y2)…即求在每个原因等级条件下每种提取原因的概率。如历史数据里，在五个原因等级的所有特征属性里，投资属性占的比例即是概率。

根据贝叶斯定理有如下推导：

P(Yi|x)＝P(x|Yi)P(Yi)/P(x)，因为分母对所有的原因等级为常数，因此我们只要求分子即可，通过分子的归一化可以得到相应概率

P(x|Yi)*P(Yi)＝P(A1|Yi)*P(A2|Yi)*…*P(Am|Yi)*P(Yi)

4、分别计算得到P(Y1|x)＝P(x|Y1)P(Y1)＝P(A1|Y1)*P(A2|Y1)*…*P(Am|Y1)*P(Y1)

P(Y2|x)＝P(x|Y2)P(Y2)＝P(A1|Y2)*P(A2|Y2)*…*P(Am|Y2)*P(Y2)…

5、P(Y1|x)、P(Y2|x)…中概率最大的值为对应的目标原因等级。

S104、向所述目标客户的账户转移所述目标资源值和所述附加资源值。

目标客户在提取目标资源值时，终端设备可以向目标客户的账户转移目标资源值和附加资源值，从而保证目标客户的可以获得合理的附加资源值，提高客户购买的兴趣。

由上述技术方案可以看出，当目标客户需要提前提取目标资源值时，会触发提取请求，提取请求包括目标资源值的目标标识和提取原因。在接收到目标客户触发的提取请求后，根据目标标识确定目标资源值的存储信息，存储信息包括存储开始时间和目标资源值的数量。根据提取原因、存储开始时间和目标资源值的数量，通过神经网络模型确定附加资源值。这样，当目标客户提前提取目标资源值时，可以向目标客户的账户转移目标资源值和附加资源值。可见，该方法在目标客户提前提取目标资源值时，并非直接取消目标客户的附加资源值，而是确定一个合理的附加资源值，从而保证目标客户的利益，从而吸引客户定期存款或购买定期理财产品，避免不必要的经济损失，也能在客户提前提取的情况下保障银行利益。

基于前述实施例提供的数据处理方法，本申请实施例还提供一种数据处理装置，参见图2，所述装置包括：

接收单元201，用于接收目标客户触发的提取请求，所述提取请求包括目标资源值的目标标识和提取原因；

第一确定单元202，用于根据所述目标标识确定所述目标资源值的存储信息，所述存储信息包括存储开始时间和所述目标资源值的数量；

第二确定单元203，用于根据所述提取原因、所述存储开始时间和所述目标资源值的数量，通过神经网络模型确定附加资源值；

转移单元204，用于向所述目标客户的账户转移所述目标资源值和所述附加资源值。

可选的，所述装置还包括：

获取单元，用于在根据所述提取原因、所述存储开始时间和所述目标资源值的数量，通过神经网络模型确定附加资源值之前，获取损失信息，所述损失信息表征所述目标客户提取所述目标资源值带来的损失情况；

所述第二确定单元，用于：

根据所述提取原因、所述存储开始时间、所述目标资源值的数量和所述损失信息，通过所述神经网络模型确定所述附加资源值。

可选的，所述第二确定单元，用于：

确定所述提取原因的目标原因等级，所述目标原因等级用于表示所述提取原因的紧急程度；

根据所述目标原因等级、所述存储开始时间和所述目标资源值的数量，通过所述神经网络模型确定所述附加资源值。

可选的，所述第二确定单元，用于：

确定所述提取原因属于不同原因等级的概率；

将所述概率最大的原因等级确定为所述目标原因等级。

可选的，所述第二确定单元，用于：

获取历史数据，所述历史数据包括提取原因与预设原因等级的对应关系；

针对每种提取原因，统计在不同预设原因等级下，所述提取原因的概率。

可选的，所述装置包括：

审核单元，用于在根据所述目标标识确定所述目标资源值的存储信息之前，对所述提取请求进行审核；

若审核通过，触发所述第一确定单元执行所述根据所述目标标识确定所述目标资源值的存储信息。

由上述技术方案可以看出，当目标客户需要提前提取目标资源值时，会触发提取请求，提取请求包括目标资源值的目标标识和提取原因。在接收到目标客户触发的提取请求后，根据目标标识确定目标资源值的存储信息，存储信息包括存储开始时间和目标资源值的数量。根据提取原因、存储开始时间和目标资源值的数量，通过神经网络模型确定附加资源值。这样，当目标客户提前提取目标资源值时，可以向目标客户的账户转移目标资源值和附加资源值。可见，该方法在目标客户提前提取目标资源值时，并非直接取消目标客户的附加资源值，而是确定一个合理的附加资源值，从而保证目标客户的利益，从而吸引客户定期存款或购买定期理财产品，避免不必要的经济损失，也能在客户提前提取的情况下保障银行利益。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质可以是下述介质中的至少一种：只读存储器(英文：read-only memory，缩写：ROM)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，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见即可，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，对于设备及系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本申请的一种具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (12)

1.一种数据处理方法，其特征在于，所述方法包括：

接收目标客户触发的提取请求，所述提取请求包括目标资源值的目标标识和提取原因，所述目标资源值为存款；

根据所述目标标识确定所述目标资源值的存储信息，所述存储信息包括存储开始时间和所述目标资源值的数量，所述目标资源值的数量为存款金额；

根据所述提取原因、所述存储开始时间和所述目标资源值的数量，通过神经网络模型确定附加资源值，所述附加资源值为利息或利率；

向所述目标客户的账户转移所述目标资源值和所述附加资源值。

2.根据权利要求1所述的方法，其特征在于，所述根据所述提取原因、所述存储开始时间和所述目标资源值的数量，通过神经网络模型确定附加资源值之前，所述方法还包括：

获取损失信息，所述损失信息表征所述目标客户提取所述目标资源值带来的损失情况；

所述根据所述提取原因、所述存储开始时间和所述目标资源值的数量，通过神经网络模型确定附加资源值，包括：

根据所述提取原因、所述存储开始时间、所述目标资源值的数量和所述损失信息，通过所述神经网络模型确定所述附加资源值。

3.根据权利要求1所述的方法，其特征在于，所述根据所述提取原因、所述存储开始时间和所述目标资源值的数量，通过神经网络模型确定附加资源值，包括：

确定所述提取原因的目标原因等级，所述目标原因等级用于表示所述提取原因的紧急程度；

根据所述目标原因等级、所述存储开始时间和所述目标资源值的数量，通过所述神经网络模型确定所述附加资源值。

4.根据权利要求3所述的方法，其特征在于，所述确定所述提取原因的目标原因等级，包括：

确定所述提取原因属于不同原因等级的概率；

将所述概率最大的原因等级确定为所述目标原因等级。

5.根据权利要求4所述的方法，其特征在于，所述确定所述提取原因属于不同原因等级的概率，包括：

获取历史数据，所述历史数据包括提取原因与预设原因等级的对应关系；

针对每种提取原因，统计在不同预设原因等级下，所述提取原因的概率。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述根据所述目标标识确定所述目标资源值的存储信息之前，所述方法包括：

对所述提取请求进行审核；

若审核通过，执行所述根据所述目标标识确定所述目标资源值的存储信息。

7.一种数据处理装置，其特征在于，所述装置包括：

接收单元，用于接收目标客户触发的提取请求，所述提取请求包括目标资源值的目标标识和提取原因，所述目标资源值为存款；

第一确定单元，用于根据所述目标标识确定所述目标资源值的存储信息，所述存储信息包括存储开始时间和所述目标资源值的数量，所述目标资源值的数量为存款金额；

第二确定单元，用于根据所述提取原因、所述存储开始时间和所述目标资源值的数量，通过神经网络模型确定附加资源值，所述附加资源值为利息或利率；

转移单元，用于向所述目标客户的账户转移所述目标资源值和所述附加资源值。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

获取单元，用于在根据所述提取原因、所述存储开始时间和所述目标资源值的数量，通过神经网络模型确定附加资源值之前，获取损失信息，所述损失信息表征所述目标客户提取所述目标资源值带来的损失情况；

所述第二确定单元，用于：

根据所述提取原因、所述存储开始时间、所述目标资源值的数量和所述损失信息，通过所述神经网络模型确定所述附加资源值。

9.根据权利要求7所述的装置，其特征在于，所述第二确定单元，用于：

确定所述提取原因的目标原因等级，所述目标原因等级用于表示所述提取原因的紧急程度；

根据所述目标原因等级、所述存储开始时间和所述目标资源值的数量，通过所述神经网络模型确定所述附加资源值。

10.根据权利要求9所述的装置，其特征在于，所述第二确定单元，用于：

确定所述提取原因属于不同原因等级的概率；

将所述概率最大的原因等级确定为所述目标原因等级。

11.根据权利要求10所述的装置，其特征在于，所述第二确定单元，用于：

获取历史数据，所述历史数据包括提取原因与预设原因等级的对应关系；

针对每种提取原因，统计在不同预设原因等级下，所述提取原因的概率。

12.根据权利要求7-11任一项所述的装置，其特征在于，所述装置包括：

审核单元，用于在根据所述目标标识确定所述目标资源值的存储信息之前，对所述提取请求进行审核；

若审核通过，触发所述第一确定单元执行所述根据所述目标标识确定所述目标资源值的存储信息。