CN112288402A - 数据处理方法、装置、设备、及存储介质 - Google Patents
数据处理方法、装置、设备、及存储介质 Download PDFInfo
- Publication number
- CN112288402A CN112288402A CN202011189458.8A CN202011189458A CN112288402A CN 112288402 A CN112288402 A CN 112288402A CN 202011189458 A CN202011189458 A CN 202011189458A CN 112288402 A CN112288402 A CN 112288402A
- Authority
- CN
- China
- Prior art keywords
- data
- calculation
- service
- rule
- data processing
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims abstract description 317
- 238000000605 extraction Methods 0.000 claims abstract description 235
- 238000012545 processing Methods 0.000 claims abstract description 169
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000004140 cleaning Methods 0.000 claims description 109
- 238000007726 management method Methods 0.000 claims description 64
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 18
- 238000013499 data model Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000005538 encapsulation Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 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
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
- G06Q10/1053—Employment or hiring
-
- 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
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据分析领域,公开了一种数据处理方法、装置、设备及存储介质。本方法包括:获取提成计算系统中的待处理业务数据,并对从中提取出至少一个业务员的销售数据进行分析,得到所有的产品数据;根据产品数据,从预设的数据处理规则库中调用对应的数据处理规则;基于数据处理规则集中的提成计算规则,对所有产品数据进行提成计算,输出业务员的业务总提成。本发明可以解决不同营销部门多种不同的提成计算规则,且提成计算方式比较单一、无法灵活多变地适应变化迅速的营销环境的技术问题。其中,业务员的业务数据可存储于区块链中。
Description
技术领域
本发明涉及数据分析领域,尤其涉及一种数据处理方法、装置、设备及存储介质。
背景技术
随着社会的进步和经济的发展,人们对医疗和财产安全等方面的关注度变高,保险业务发展迅速。
为了适应业务发展的需求,目前市面上的业务提成计算系统,主要是针对每个业务的需求进行单一定制开发,而其开发出来的提成计算系统并不能适用于其他的业务提成计算,这业务员销售提成计算规则基本上都是针对特有业务定制开发的。不同的行业以及业务对于提成计算的处理方案都不尽相同,定制化开发成本高昂。
且由于保险行当的销售可能是长期性的,分多期销售,不同期数的提成比例不相同,或者一次销售行为可能涉及多人参与提成计算等,营销部门可能会有多种不同的提成计算规则,导致目前系统无法实现规则兼容使用,增加了业务销售提成计算的复杂程度。
发明内容
本发明的主要目的是解决现有的提成计算方式比较单一、无法灵活多变地适应变化迅速的营销环境的技术问题。
本发明第一方面提供了一种数据处理方法,包括:
获取所述提成计算系统中的待处理业务数据,并对所述待处理业务数据进行数据清洗,基于清洗后的数据提取出至少一个业务员的业务数据,其中所述待处理业务数据包括至少一个业务的销售数据;
对所述销售数据进行分析,得到所述销售数据中的所有产品数据;
根据所述产品数据,从预设的数据处理规则库中调用对应的数据处理规则,其中,所述数据处理规则为业务员销售所述产品数据的提成计算规则;
基于所述数据处理规则集中的提成计算规则,对所有所述产品数据进行提成计算,输出所述业务员的业务总提成。
可选地,在本发明第一方面的第一种实现方式中,在所述获取所述提成计算系统中的待处理业务数据,并对所述待处理业务数据进行数据清洗,基于清洗后的数据提取出至少一个业务员的业务数据之前,还包括:
获取提成计算系统中包含的业务场景,并对业务需求及所述业务场景进行分析,得到提成计算的提成计算因子,其中,所述提成计算因子包括参与提成人员、产品类型、交易日期;
基于所述提成计算因子,确定各个所述业务场景对应的提成计算规则,其中,每个所述提成计算因子组对应一种固定的提成计算规则;
定义提成计算因子数据模型,对所述提成计算因子进行组合得到提成计算因子集;
基于所述提成计算因子集,建立所述提成计算因子与所述提成计算规则之间的映射关系,得到映射关系集。
可选地,在本发明第一方面的第二种实现方式中,所述获取所述提成计算系统中的待处理业务数据,并对所述待处理业务数据进行数据清洗,基于清洗后的数据提取出至少一个业务员的业务数据包括:
接收数据清洗请求;
根据所述数据清洗请求确定数据清洗规则,其中,所述数据清洗规则包括清洗特征因子和所述清洗特征因子满足的清洗条件;
获取提成计算系统中的待处理业务数据,并根据所述提成计算系统中的待处理业务数据确定所述清洗特征因子对应的特征因子值;
根据所述数据清洗规则和所述特征因子值对所述待处理业务数据进行清洗,得到至少一个业务员的业务数据。
可选地,在本发明第一方面的第三种实现方式中,所述对所述销售数据进行分析,得到所述销售数据中的所有产品数据包括:
在预置产品交易系统界面上设置销售数据输入界面,通过所述销售数据输入界面,采用自动或手动方式输入线上或者线下的产品销售数据,其中,所述预置产品交易系统中设有订单数据库和执行脚本;
调用所述执行脚本,将所述产品销售数据中的订单数据按照预置执行规则进行培训,生成订单队列;
基于所述订单队列,得到所述销售数据中的所有产品数据。
可选地,在本发明第一方面的第四种实现方式中,所述根据所述产品数据,从预设的数据处理规则库中调用对应的数据处理规则包括:
对所述产品数据进行解析,得到所述产品数据对应的关键词,并根据所述关键词调取参数字段,其中,所述参数字段中包括提成计算因子,所述提成计算因子和提成计算规则具有预设的对应关系;
从数据库中获取预设数据表,并判断所述预设数据表是否满足数据核查规则,其中,所述预设数据表用于存储提成计算因子;
若所述预设数据表满足所述数据核查规则,则基于所述参数字段,得到所述预设数据表中与产品数据对应的所有的提成计算因子;
接收数据处理规则匹配请求,并根据所述提成计算因子,从预设数据处理规则库中匹配与所述产品数据对应的数据处理规则,得到所述待处理业务数据的数据处理规则集;
通过预设的数据优先级计算方法,确定所述数据处理规则集中所述数据处理规则的优先级;
通过所述数据处理规则的优先级由高到低的顺序,调用优先级最高的数据处理规则。
可选地,在本发明第一方面的第五种实现方式中,所述基于所述数据处理规则集中的提成计算规则,对所有所述产品数据进行提成计算,输出所述业务员的业务总提成包括:
接收提成计算指令,并根据所述提成计算指令获取对应的提成规则编码;
根据所述提成规则编码和所述提成计算规则,对所有所述产品数据进行提成计算,得到计算结果;
根据所述计算结果,输出所述业务员的业务总提成。
可选地,在本发明第一方面的第六种实现方式中,在所述获取所述提成计算系统中的待处理业务数据,并对所述待处理业务数据进行数据清洗,基于清洗后的数据提取出至少一个业务员的业务数据前,还包括:
获取业务员的管理属性,并根据所述管理属性将待计算提成的业务员分类为普通业务员和管理工作人员,其中,所述管理工作人员包括第一级管理工作人员和用于管理第一级管理工作人员的第二级管理工作人员,并获取业务员之间的管理关系。
本发明第二方面提供了一种数据处理装置,包括:
清洗模块,用于获取所述提成计算系统中的待处理业务数据,并对所述待处理业务数据进行数据清洗,基于清洗后的数据提取出至少一个业务员的业务数据,其中所述待处理业务数据包括至少一个业务的销售数据;
分析模块,用于对所述销售数据进行分析,得到所述销售数据中的所有产品数据;
调用模块,用于根据所述产品数据,从预设的数据处理规则库中调用对应的数据处理规则,其中,所述数据处理规则为业务员销售所述产品数据的提成计算规则;
计算模块,用于基于所述数据处理规则集中的提成计算规则,对所有所述产品数据进行提成计算,输出所述业务员的业务总提成。
可选地,在本发明第二方面的第一种实现方式中,所述数据处理装置还包括:
获取模块,用于获取提成计算系统中包含的业务场景,并对业务需求及所述业务场景进行分析,得到提成计算的提成计算因子,其中,所述提成计算因子包括参与提成人员、产品类型、交易日期;
确定模块,用于基于所述提成计算因子,确定各个所述业务场景对应的提成计算规则,其中,每个所述提成计算因子组对应一种固定的提成计算规则;
定义模块,用于定义提成计算因子数据模型,对所述提成计算因子进行组合得到提成计算因子集;
建立模块,用于基于所述提成计算因子集,建立所述提成计算因子与所述提成计算规则之间的映射关系,得到映射关系集。
可选地,在本发明第二方面的第二种实现方式中,所述清洗模块具体用于:
接收数据清洗请求;
根据所述数据清洗请求确定数据清洗规则,其中,所述数据清洗规则包括清洗特征因子和所述清洗特征因子满足的清洗条件;
获取提成计算系统中的待处理业务数据,并根据所述提成计算系统中的待处理业务数据确定所述清洗特征因子对应的特征因子值;
根据所述数据清洗规则和所述特征因子值对所述待处理业务数据进行清洗,得到至少一个业务员的业务数据。
可选地,在本发明第二方面的第三种实现方式中,所述分析模块具体用于:
在预置产品交易系统界面上设置销售数据输入界面,通过所述销售数据输入界面,采用自动或手动方式输入线上或者线下的产品销售数据,其中,所述预置产品交易系统中设有订单数据库和执行脚本;
调用所述执行脚本,将所述产品销售数据中的订单数据按照预置执行规则进行培训,生成订单队列;
基于所述订单队列,得到所述销售数据中的所有产品数据。
可选地,在本发明第二方面的第四种实现方式中,所述数据处理装置还包括:
解析模块,用于对所述产品数据进行解析,得到所述产品数据对应的关键词,并根据所述关键词调取参数字段,其中,所述参数字段中包括提成计算因子,所述提成计算因子和提成计算规则具有预设的对应关系;
判断模块,用于从数据库中获取预设数据表,并判断所述预设数据表是否满足数据核查规则,其中,所述预设数据表用于存储提成计算因子;若所述预设数据表满足所述数据核查规则,则基于所述参数字段,得到所述预设数据表中与产品数据对应的所有的提成计算因子;
匹配模块,用于接收数据处理规则匹配请求,并根据所述提成计算因子,从预设数据处理规则库中匹配与所述产品数据对应的数据处理规则,得到所述待处理业务数据的数据处理规则集;通过预设的数据优先级计算方法,确定所述数据处理规则集中所述数据处理规则的优先级;
调用模块,用于通过所述数据处理规则的优先级由高到低的顺序,调用优先级最高的数据处理规则。
可选地,在本发明第二方面的第五种实现方式中,所述计算模块包括:
接收单元,用于接收提成计算指令,并根据所述提成计算指令获取对应的提成规则编码;
计算单元,用于根据所述提成规则编码和所述提成计算规则,对所有所述产品数据进行提成计算,得到计算结果;
输出单元,用于根据所述计算结果,输出所述业务员的业务总提成。
可选地,在本发明第二方面的第六种实现方式中,所述数据处理装置还包括:
分类模块,用于获取业务员的管理属性,并根据所述管理属性将待计算提成的业务员分类为普通业务员和管理工作人员,其中,所述管理工作人员包括第一级管理工作人员和用于管理第一级管理工作人员的第二级管理工作人员,并获取业务员之间的管理关系。
本发明第三方面提供了一种数据处理设备,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述数据处理设备执行上述的数据处理方法。
本发明的第四方面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中存储有指令,当其在计算机上运行时,使得计算机执行上述的数据处理方法。
本发明提供的技术方案中,通过获取提成计算系统中的待处理业务数据,并对从中提取出至少一个业务员的销售数据进行分析,得到所有的产品数据;根据产品数据,从预设的数据处理规则库中选择对应的数据处理规则,得到待处理业务数据的数据处理规则集;基于数据处理规则集中的提成计算规则,对所有产品数据进行提成计算,输出业务员的业务总提成。本方案可以根据产品的类型、参与提成人员、产品数量及单价等因子,将具体的分佣场景抽象成具体的规则,根据订单中产品对应的提成计算规则计算订单中参与提成人员的销售提成。
附图说明
图1为本发明数据处理方法的第一个实施例示意图;
图2为本发明数据处理方法的第二个实施例示意图;
图3为本发明数据处理方法的第三个实施例示意图;
图4为本发明数据处理方法的第四个实施例示意图;
图5为本发明数据处理方法的第五个实施例示意图;
图6为本发明数据处理装置的第一个实施例示意图;
图7为本发明数据处理装置的第二个实施例示意图;
图8为本发明数据处理设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种数据处理方法、装置、设备及存储介质,本发明的技术方案中,通过获取提成计算系统中的已进行数据清洗的待处理业务数据,并从中提取出至少一个业务员的销售数据;对销售数据进行分析,得到所有的产品数据;根据产品数据,从预设的数据处理规则库中选择对应的数据处理规则,得到待处理业务数据的数据处理规则集;基于数据处理规则集中的提成计算规则,对所有产品数据进行提成计算,输出业务员的业务总提成。本方案可以根据产品的类型、参与提成人员、产品数量及单价等因子,将具体的分佣场景抽象成具体的规则,根据订单中产品对应的提成计算规则计算订单中参与提成人员的销售提成。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中数据处理方法的第一个实施例包括:
101、获取提成计算系统中的待处理业务数据,并对待处理业务数据进行数据清洗,基于清洗后的数据提取出至少一个业务员的业务数据;
本实施例中,在预置数据库中缓存所述普通工作人员的业务数据。在计算提成时,先获取普通工作人员的业务数据,根据普通工作人员提成计算公式,得到普通工作人员的提成计算结果,并将普及工作人员的业务数据在内存中进行缓存。
102、对销售数据进行分析,得到销售数据中的所有产品数据;
本实施例中,待统计的销售数据中包含的主要信息有:客户名称、客户账户、订单数据等字段。订单数据主要包括客户消费的商品列表和所述商品的基本信息,订单创建时间信息、订单待支付金额及该订单对应的核查端账号的基本信息等。
本实施例中,根据订单数据,确定每一个订单中交易的产品,产品的类型,数量,单价,交易完成的时间等等。
103、根据产品数据,从预设的数据处理规则库中选择对应的数据处理规则,得到待处理业务数据的数据处理规则集;
本实施例中,根据订单数据,确定每一个订单中交易的产品,产品的类型,数量,单价,交易完成的时间等,确定与该产品对应的提成计算因子,并根据提成计算因子和提成计算规则之间的映射关系,从预置规则库匹配与订单数据对应的提成计算规则。比如,在某些业务场景中,同一种产品或者销售可以支持一种以上的不同模式的提成计算。比如,对于一个产品,平时以10%的价格计算提成,在双11的时候销售的话在10%的基础上额外增加100元的提成。结合多种提成计算规则,满足这种场景的提成计算。
本实施例中,对应关系可以理解为提成计算因子与提成计算规则的规则编码的对应关系,根据从映射关系集中查询到的与提成计算因子对应的规则编码,从规则库中查询出对应的提成计算规则,多个提成计算规则组成的集合就是数据处理规则集。
104、基于数据处理规则集中的提成计算规则,对所有产品数据进行提成计算,输出业务员的业务总提成。
本实施例中,由于存在众多的提成计算规则,为了能够使适应任何一种提成计算规则,可以结合上述实施例,将所有的提成计算因子封装在因子封装包中。每次计算提成时,便从因子封装包中筛选出对应的提成计算因子即可。即针对本次提成计算,提成计算平台可以自动从因子封装包中包含的所有的提成计算因子中筛选出与本次用到的提成计算规则中的因子类型对应的提成计算因子。比如,保险业的一个常见场景:一个业务员售卖出一个产品A,拿销售金额10%的提成,其上级拿5%的提成,其上级的上级拿1%的提成。当业务员售卖一个产品B时,则是普通的销售提成计算,无层级关系(百分比,固定价格);比如,卖掉一份健康险,可以拿到一份1000元的固定提成或者拿固定百分比的提成,比如,10%。再或者,当一份产品是由业务员A和业务员B共同展业销售的,该产品产生的提成为10%,而这个10%可以由不同的人按照配置的比例分别拿取其中的金额,可以对半开,则每人拿5%。根据提成计算规则,计算待计算提成的业务员的销售提成。
本发明实施例中,通过获取提成计算系统中的待处理业务数据,并对从中提取出至少一个业务员的销售数据进行分析,得到所有的产品数据;根据产品数据,从预设的数据处理规则库中选择对应的数据处理规则,得到待处理业务数据的数据处理规则集;基于数据处理规则集中的提成计算规则,对所有产品数据进行提成计算,输出业务员的业务总提成。本方案可以根据产品的类型、参与提成人员、产品数量及单价等因子,将具体的分佣场景抽象成具体的规则,根据订单中产品对应的提成计算规则计算订单中参与提成人员的销售提成。
请参阅图2,本发明实施例中数据处理方法的第二个实施例包括:
201、获取提成计算系统中包含的业务场景,并对业务需求及业务场景进行分析,得到提成计算的提成计算因子;
本实施例中,根据业务场景和业务需求的不同,对业务场景和业务需求进行分析得到提成计算的计算因子。比如,保险业的一个常见场景:一个业务员售卖出一个产品A,拿销售金额10%的提成,其上级拿5%的提成,其上级的上级拿1%的提成。当业务员售卖一个产品B时,则是普通的销售提成计算,无层级关系(百分比,固定价格);比如,卖掉一份健康险,可以拿到一份1000元的固定提成或者拿固定百分比的提成,比如,10%。再或者,当一份产品是由业务员A和业务员B共同展业销售的,该产品产生的提成为10%,而这个10%可以由不同的人按照配置的比例分别拿取其中的金额,可以对半开,则每人拿5%。
本实施例中,在某些业务场景中,同一种产品或者销售可以支持一种以上的不同模式的提成计算。比如,对于一个产品,平时以10%的价格计算提成,在双11的时候销售的话在10%的基础上额外增加100元的提成。结合多种提成计算规则,满足这种场景的提成计算。对于一些复杂和短时间无法模型化的场景实现定制化的提成计算,可以使用JS插件形式实现提成的特殊定制化计算。
202、基于提成计算因子,确定各个业务场景对应的提成计算规则,其中,每个提成计算因子组对应一种固定的提成计算规则;
本实施例中,将上个步骤201中根据业务场景和业务需求,整理出来的提成计算因子进行统计,且提成计算因子分为多种类型,每个提成计算因子均对应不同的提成计算规则。
203、定义提成计算因子数据模型,对提成计算因子进行组合得到提成计算因子集;
本实施例中,定义计算因子数据模型,计算因子是决定提成计算走向的影响因子。对计算因子进行组合生成唯一确定的计算因子组,每个计算因子组对应一种固定的提成计算规则。
204、基于提成计算因子集,建立提成计算因子与提成计算规则之间的映射关系,得到映射关系集;
本实施例中,计算因子与提成计算规则之间的映射关系是计算因子的不同一一对应的。比如,计算因子--时间;一个产品平时以10%的价格计算提成,在双11的时候销售的话在10%的基础上额外增加100元的提成。计算因子--参与提成人员;例如,一个商品产生的提成为10%,而这个10%可以由不同的人按照配置的比例分别拿取其中的金额,可以对半开,则每人拿5%。
205、获取业务员的管理属性,并根据管理属性将待计算提成的业务员分类为普通业务员和管理工作人员,其中,管理工作人员包括第一级管理工作人员和用于管理第一级管理工作人员的第二级管理工作人员,并获取业务员之间的管理关系;
本实施例中,所述业务员的管理属性,可以包括管理者的属性和被管理者的属性,管理者的属性还可以包括第一级管理工作人员、第二级管理工作人员。当然,不局限于此,还可以包括更多级层的管理者,比如第三级管理工作人员、第四级管理工作人员等等。由于有些提成计算规则是需要根据层级计算提成的,所以需要得到工作人员(具体到某一个业务员)的管理属性。比如,1.保险业的一个常见场景:一个销售员售卖出一个产品,拿销售金额10%的提成,其上级拿5%的提成,其上级的上级拿1%的提成。
工作人员的管理属性的获取,可以直接从工作人员资料库读取工作人员的职位信息,根据预先设定的职位信息与管理属性的对应关系,确定工作人员的管理属性。比如,可以设定职位名称“业务员”、“业务经理”与被管理者的属性相关联,职位名称“业务主管”、“业务总监”与管理者的属性相关联。当然,工作人员的管理属性也可以由系统管理人员对其进行调整或修正等。
在本发明实施例中,普通工作人员的提成计算,需要提取普通工作人员在预定时段内的所有业务数据,提取业务数据中的业务收入进行累加计算得到个人的有效业务总数,再根据具体的提成规则,计算得到普通工作人员的提成计算结果。比如,业务数据中包括实际回款、应该收回款、欠款等数据内容,可以根据需要提取不同的数据。
为了奖励业务成绩,通常业务总数不同数据段内的提成规则也会不同,比如,对于有效业务总数X,其中的0-X1部分的提成提成比例为A1,在X1-X2部分的提成提成比例为A2,在X2-X的部分,提成提成比例为A3,并且A3>;A2,A2>;A1。
第一级管理工作人员的提成的计算,则需要根据普通工作人员的业务数据,提取其中的有效部分,作进一步的统计计算。再根据统计计算的结果,结合第一级管理工作人员的提成计算规则,得到第一级管理工作人员的提成计算结果。同样的计算方式,根据第一级管理工作人员的业务数据,计算得到第二级管理工作人员的业务数据。
普通工作人员与第一级管理工作人员的管理对应关系,是指第一级管理工作人员在计算提成时,所对应的普通工作人员。这种对应关系一般是根据公司或企业的管理关系确定的,因此,所述第一管理工作人员与普通工作人员的管理对应关系,以及第一级管理工作人员与第二级管理工作人员的管理对应关系,也可以通过公司或企业的职位信息确定。
206、获取提成计算系统中的待处理业务数据,并对待处理业务数据进行数据清洗,基于清洗后的数据提取出至少一个业务员的业务数据;
207、对待统计的销售数据进行分析,得到所述销售数据中的所有产品数据;
208、根据产品数据,从预设的数据处理规则库中选择对应的数据处理规则,得到待处理业务数据的数据处理规则集;
209、基于数据处理规则集中的提成计算规则,对所有产品数据进行提成计算,输出业务员的业务总提成。
本实施例中步骤206-209与第一实施例中的步骤101-104类似,此处不再赘述。
本发明实施例中,通过获取提成计算系统中的待处理业务数据,并对从中提取出至少一个业务员的销售数据进行分析,得到所有的产品数据;根据产品数据,从预设的数据处理规则库中选择对应的数据处理规则,得到待处理业务数据的数据处理规则集;基于数据处理规则集中的提成计算规则,对所有产品数据进行提成计算,输出业务员的业务总提成。本方案可以根据产品的类型、参与提成人员、产品数量及单价等因子,将具体的分佣场景抽象成具体的规则,根据订单中产品对应的提成计算规则计算订单中参与提成人员的销售提成。
请参阅图3,本发明实施例中数据处理方法的第三个实施例包括:
301、接收数据清洗请求;
本实施例中,不同的业务场景都可能需要进行数据清洗,如:某购物平台需要对一笔交易数据进行数据清洗,用户可以通过购物平台或其他客户端向数据清洗装置发送数据清洗请求。数据清洗请求中可以包括一些数据清洗关键信息,如:若要对某个交易数据进行数据清洗,则数据清洗请求中可以包括该笔交易的交易流水号、订单号、交易双方的用户名等信息。数据清洗请求中还可以包括数据清洗的需求,如:将什么样的数据清洗出来。数据清洗请求还可以对应有数据清洗场景如:返佣业务数据清洗场景、订单数据清洗场景等。本说明书实施例中的数据清洗请求可以包括离线数据清洗请求,离线数据清洗可以实现大数据量的清洗,如:针对过去一个月的交易数据进行清洗,清洗出符合返佣条件的交易数据。
302、根据数据清洗请求确定数据清洗规则,其中,数据清洗规则包括:清洗特征因子和清洗特征因子满足的清洗条件;
本实施例中,不同的数据清洗请求可以有对应的业务场景,不同的业务场景对应有数据需要满足的规则或条件。例如:对于返佣业务场景,通常返佣政策会设置一定的门槛,只有达到这个门槛的交易才会进行返佣,或者,购物平台的促销活动,也需要满足一定的条件才能参与促销活动。本实施例可以根据数据清洗请求,确定出数据清洗的业务场景,获取对应业务场景的业务需求,根据业务需求定义对应的数据清洗规则,数据清洗规则中可以包括清洗特征因子和清洗特征因子满足的清洗条件。其中,清洗特征因子可以表示数据清洗的关键特征,如:交易金额、交易类型、交易来源、交易时间等。例如:根据数据清洗请求确定出数据清洗请求对应的业务场景是返佣业务,该返佣业务的业务要求返佣的交易需要满足以下条件:1、单笔交易金额大于10元;2、剔除虚假交易;3、交易来源是线下扫码支付。只有同时满足上面三个条件的交易,才能最终参与返佣。则可以确定清洗特征因子可以包括:单笔交易金额、单笔交易是否是虚假交易、单笔交易所属来源。
303、获取提成计算系统中的待处理业务数据,并根据提成计算系统中的待处理业务数据确定清洗特征因子对应的特征因子值;
本实施例中,定义好数据清洗规则后,可以获取待清洗数据,如:可以根据数据清洗请求从数据库中获取对应的业务员的原始数据,再根据待清洗数据确定出清洗特征因子对应的特征因子值。例如:若对某笔交易进行数据清洗,则可以根据数据清洗请求获取到该笔交易的订单号,根据订单号可以获取到与该笔交易有关的原始数据即待清洗数据。再根据待清洗数据可以获取到清洗特征因子对应的特征因子值,如:交易金额的具体取值、是否为虚假交易、是否为线下扫码支付等。
需要说明的是,本说明书实施例中,还可以在接收到数据清洗请求时,即获取数据清洗请求对应的待清洗数据,具体获取的时间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。
304、根据数据清洗规则和特征因子值对待处理业务数据进行清洗,得到至少一个业务员的业务数据;
本实施例中,确定出清洗特征因子对应的特征因子值后,可以根据数据清洗规则进行数据清洗,判断待清洗数据中的各条数据是否满足数据清洗规则,若满足,则保留,若不满足,则可以将该数据删除,将保留下来满足数据清洗规则的数据作为清洗结果数据。例如:若要对近6个月内某部门业务员的返佣业务的交易数据进行清洗,筛选出符合返佣条件的交易数据。在接收到数据清洗请求后,可以定义数据清洗规则。根据数据清洗请求获取近6个月内某部门业务员的返佣业务的交易数据作为待清洗数据,根据待清洗数据确定出每一条交易数据的清洗特征因子对应的特征因子值,如:某笔交易的交易金额=15,该交易不是虚假交易,该交易是线下扫码支付,依次获取每一笔交易对应的清洗特征因子的特征因子值。可以将每一笔交易的清洗特征因子的特征因子值添加到待清洗数据中,根据数据清洗规则和清洗特征因子的特征因子值对每一笔交易数据进行数据清洗,即判断每一笔交易数据是否符合返佣的条件即是否满足数据清洗规则,筛选出符合返佣条件的交易数据,也即业务员的待统计的销售数据,完成数据清洗,得到业务员的待统计的销售数据。
305、对销售数据进行分析,得到销售数据中的所有产品数据;
306、根据产品数据,从预设的数据处理规则库中选择对应的数据处理规则,得到待处理业务数据的数据处理规则集;
307、基于数据处理规则集中的提成计算规则,对所有产品数据进行提成计算,输出业务员的业务总提成。
本实施例中步骤305-307与第一实施例中的步骤102-104类似,此处不再赘述。
本发明实施例中,通过获取提成计算系统中的待处理业务数据,并对从中提取出至少一个业务员的销售数据进行分析,得到所有的产品数据;根据产品数据,从预设的数据处理规则库中选择对应的数据处理规则,得到待处理业务数据的数据处理规则集;基于数据处理规则集中的提成计算规则,对所有产品数据进行提成计算,输出业务员的业务总提成。本方案可以根据产品的类型、参与提成人员、产品数量及单价等因子,将具体的分佣场景抽象成具体的规则,根据订单中产品对应的提成计算规则计算订单中参与提成人员的销售提成。
请参阅图4,本发明实施例中数据处理方法的第四个实施例包括:
401、获取提成计算系统中的待处理业务数据,并对待处理业务数据进行数据清洗,基于清洗后的数据提取出至少一个业务员的业务数据;
402、在预置产品交易系统界面上设置销售数据输入界面,通过销售数据输入界面,采用自动或手动方式输入线上或者线下的产品销售数据,其中,预置产品交易系统中设有订单数据库和执行脚本;
本实施例中,在产品交易系统界面上设置订单输入界面,通过订单输入界面,采用自动或手动方式输入线上或者线下的产品交易订单,线下产品交易订单是指各个门店的订单;线上产品交易订单是指直接在交易网站上生成的订单;线上或线下产品交易订单都需输入至产品交易系统中,其订单的输入方式可采用自动输入或者手动输入的方式。
403、调用执行脚本,将产品销售数据中的订单数据按照预置执行规则进行培训,生成订单队列;
本实施例中,在产品交易系统中设有订单数据库和执行脚本,调用执行脚本,产品交易订单中的订单数据按照一执行规则进行排列后生成订单队列存储在订单数据库中。执行规则包括定时执行规则,批量执行规则等;定时执行规则是在产品交易系统上设定好执行规则开始执行的时间;批量执行规则是指在按照一定数量的将订单数据批量进行排列后生成订单队列。比如,采用定时执行规则来完成产品交易订单的输入,例如,每天12点,循环执行产品交易订单后生成订单队列以存储在订单数据库中。采用批量执行规则来完成产品交易订单的输入,例如,按照200个为一个批量的循环执行产品交易订单后生成订单队列以存储在订单数据库中。
404、基于订单队列,得到销售数据中的所有产品数据;
本实施例中,订单队列中包含多条交易记录,每一条交易记录对应一条订单数据。读取订单数据,具体为:在映射规则界面设置读取接口,调用读取接口,读取订单队列中的订单数据,将订单数据转化成映射规则的条件;映射规则设置好对应的映射规则条件应填入的数据,利用读取接口,将产品交易订单数据对应放置到对应映射规则条件下设的框架内。
405、根据产品数据,从预设的数据处理规则库中选择对应的数据处理规则,得到待处理业务数据的数据处理规则集;
406、对产品数据进行解析,得到产品数据对应的关键词,并根据关键词调取参数字段,其中,参数字段中包括提成计算因子,提成计算因子和提成计算规则具有预设的对应关系;
本实施例中,接收对产品数据的解析请求,并获取所述自然语言信息对应的语义场景;在对应的语义场景下,利用预设的语义解析方式对产品数据进行解析,根据预设的关键词和筛选值之间的对应关系,得到符合产品数据的语义解析结果。
不同的语义场景对应不同的语义解析方式,服务器可获取预先设置的语义场景和语义解析方式之间的对应关系,并根据所获取的预先设置的语义场景和语义解析方式之间的对应关系,获取与语义场景对应的语义解析方式。服务器在对应的语义场景下,利用与语义场景对应的语义解析方式,对用户输入的自然语言信息进行解析。
具体地,服务器根据最大关联度值对应的语义场景和语义解析方式之间的对应关系,来获取与最大关联度值对应的语义场景对应的语义解析方式。根据语义解析方式对自然语言信息进行解析,获得原始语义解析结果。利用预设的检验规则对原始语义解析结果进行初始检验,获取符合预设的检验规则的原始语义解析结果,并根据符合预设的检验规则的原始语义解析结果,得到语义解析结果,进一步地,根据语义解析结果,得到产品数据中的关键词。
本实施例中,预先将产品数据拆分成多个参数字段,参数字段中包括参数值。设置参数值和关键词的对应关系。每个参数值可以对应一个关键词或多个关键词,例如,“交易记录”和“订单”概念上表达同一个意思,可以对应同一个关键词。“已完成订单”和“交易成功”概念上表达同一个意思,也可以对应同一个关键词。
需要说明的是,参数值和关键词的对应关系可以是指参数值本身为关键词,也可以是指参数值和关键词表达的意思相同,也可以是指参数值和关键词具有预先设置的绑定关系。将参数值存放在特定的参数字段里,或用数据代码来表示参数字段的数据含义。通过系统提供的参数设定界面,才能读取,设置这些参数值,并设置参数值和关键词的对应关系。在参数设定界面上,系统使用者通过界面上固化的文字内容,来表示界面上这些参数值代表的含义。
407、从数据库中获取预设数据表,并判断预设数据表是否满足数据核查规则,其中,预设数据表用于存储提成计算因子;
本实施例中,还需要获取数据核查规则,因此,该提成计算方法还可以包括:查询用于核查数据的第一数据库语句;查询数据库中用于存储数据核查规则的文件;以及通过第一数据库语句调用文件,以获取数据核查规则。其中,数据核查规则可以是预设数据表中存储有数据。例如,查找与提成规则编码对应的用于数据核查的第一SQL语句,并查找存储该数据核查规则的drl文件,然后根据这些第一SQL语句调用该drl文件,进而可以获取数据核查规则。
408、若是,则基于参数字段,得到预设数据表中与产品数据对应的所有的提成计算因子;
本实施例中,预设数据表可以包括一个或多个。在预设数据表满足数据核查规则的情况下,由于预设数据表是用来存储提成计算因子的,因此可以将这些预设数据表中的包含所有的提成计算因子都提取出来。例如,有三个预设数据表。第一个预设数据表中包含的提成计算因子为:有抵押计提系数为0.3、无抵押提成为1万元、有抵押提成为5万元、i贷提成为1000元。第二个预设数据表中包含的提成计算因子为:活跃监控系数为0.3、销售监控系数为0.4、产品监控系数为0.2、总部调节系数为0.2、预留参数1为3、预留参数2为4、预留参数3为0.5。第三个预设数据表中包含的提成计算因子为:年度提成为1万元、保护提成为300元、专员提成为5000元、调节提成为2000元。由于这三个预设数据表中均存在数据,则表明这些预设数据表满足数据核查规则,此时,可以将有抵押计提系数为0.3、无抵押提成为1万元、有抵押提成为5万元、i贷提成为1000元、活跃监控系数为0.3、销售监控系数为0.4、产品监控系数为0.2、总部调节系数为0.2、预留参数1为3、预留参数2为4、预留参数3为0.5、年度提成为1万元、保护提成为300元、专员提成为5000元、调节提成为2000元全部提取出来。
409、接收数据处理规则匹配请求,并根据提成计算因子,从预设数据处理规则库中匹配与产品数据对应的数据处理规则,得到待处理业务数据的数据处理规则集;
本实施例中,存在多种提成计算因子,每一个提成规则因子关联着一种提成计算规则。在计算某一产品的提成时,提成计算平台可以根据获取的提成规则因子,并从众多的提成计算规则中匹配出与该提成规则因子对应的提成计算规则,然后根据该提成计算规则计算本次提成。并且,计算提成实际上就是将本次计算涉及到的提成计算因子按照该提成计算规则进行计算,其中,提成计算规则中包含至少一个因子类型,本次涉及到的提成计算因子就属于这些因子类型,其中,每一个因子类型对应一个提成计算因子。
410、通过预设的数据优先级计算方法,确定所述数据处理规则集中所述数据处理规则的优先级;
本实施例中,在接收到数据处理规则匹配请求时,根据数据类型和预先设置好的调用对应数据处理规则的提成计算因子,确定与该提成计算因子对应匹配的所有数据处理规则的优先级。根据优先级的高低,选择优先级最高的数据处理规则,计算业务员待处理业务数据的总提成。
计算提成实际上就是将本次计算涉及到的提成计算因子按照该提成计算规则进行计算,其中,提成计算规则中包含至少一个因子类型,本次涉及到的提成计算因子就属于这些因子类型,其中,每一个因子类型对应一个提成计算因子。
411、通过所述数据处理规则的优先级由高到低的顺序,调用优先级最高的数据处理规则;
本实施例中,在计算得到数据处理规则集中与提成计算因子匹配对应的多条数据处理规则的优先级之后,根据优先级的高低,调用优先级最高的数据处理规则。比如,业务员张三的一条交易订单数据,其中,产品类型:A;交易时间:2019年11月11日;业务员所属部门:a部门;对本条交易订单数据进行分析,分别匹配得到3条数据处理规则(提成计算规则):规则1,规则2,规则3;通过预设的数据(数据处理规则)优先级计算方法,得到规则3的优先级最高,则调用优先级最高的规则3作为最终的数据处理规则。
需要说明的是,本实施例中的终端可以是手机、计算机、平板电脑等设备,用于向电子出单装置发送出单请求,此处对终端的类型不做限定。
412、基于数据处理规则集中的提成计算规则,对所有产品数据进行提成计算,输出业务员的业务总提成。
本实施例中步骤401、405、412与第一实施例中的步骤101、103、104类似,此处不再赘述。
本发明实施例中,通过获取提成计算系统中的待处理业务数据,并对从中提取出至少一个业务员的销售数据进行分析,得到所有的产品数据;根据产品数据,从预设的数据处理规则库中选择对应的数据处理规则,得到待处理业务数据的数据处理规则集;基于数据处理规则集中的提成计算规则,对所有产品数据进行提成计算,输出业务员的业务总提成。本方案可以根据产品的类型、参与提成人员、产品数量及单价等因子,将具体的分佣场景抽象成具体的规则,根据订单中产品对应的提成计算规则计算订单中参与提成人员的销售提成。
请参阅图5,本发明实施例中数据处理方法的第五个实施例包括:
501、获取提成计算系统中的待处理业务数据,并对待处理业务数据进行数据清洗,基于清洗后的数据提取出至少一个业务员的业务数据;
502、对销售数据进行分析,得到销售数据中的所有产品数据;
503、根据产品数据,从预设的数据处理规则库中选择对应的数据处理规则,得到待处理业务数据的数据处理规则集;
504、接收提成计算指令,并根据提成计算指令获取对应的提成规则编码;
本实施例中,每一种产品对应一个提成规则编码,也对应一个渠道类型,其中,产品可以包括规则大类和规则小类,规则大类中可以包括多个规则小类,每一个规则小类可以用于表示本次要计算哪用类型的提成。例如,对于某个产品,其对应的提成编码规则为NQMX,渠道类型为01-内渠,规则大类为03-内渠明细,规则小类为0301-内渠明细提成规则(内部员工)。
本实施例中,用户可以在用户终端可以输入提成规则编码,并通过用户终端向提成计算平台发送提成计算指令,提成计算平台可以响应于该提成计算指令,并获取与提成计算指令对应的提成规则编码。
505、根据提成规则编码和提成计算规则,对所有产品数据进行提成计算,得到计算结果,根据计算结果,输出业务员的业务总提成。
本实施例中,存在多种提成计算编码,每一个提成规则编码关联着一种提成计算规则。在计算某一产品的提成时,提成计算平台可以根据获取的提成规则编码,并从众多的提成计算规则中匹配出与该提成规则编码对应的提成计算规则,然后根据该提成计算规则计算本次提成。并且,计算提成实际上就是将本次计算涉及到的提成计算因子按照该提成计算规则进行计算,其中,提成计算规则中包含至少一个因子类型,本次涉及到的提成计算因子就属于这些因子类型,其中,每一个因子类型对应一个提成计算因子。
本实施例中,由于存在众多的提成计算规则,为了能够使适应任何一种提成计算规则,可以结合上述实施例,将所有的提成计算因子封装在因子封装包中。每次计算提成时,便从因子封装包中筛选出对应的提成计算因子即可。即针对本次提成计算,提成计算平台可以自动从因子封装包中包含的所有的提成计算因子中筛选出与本次用到的提成计算规则中的因子类型对应的提成计算因子。
本实施例中步骤501-503第一实施例中的101-103类似,此处不再赘述。
在本发明实施例中,通过获取提成计算系统中的待处理业务数据,并对从中提取出至少一个业务员的销售数据进行分析,得到所有的产品数据;根据产品数据,从预设的数据处理规则库中选择对应的数据处理规则,得到待处理业务数据的数据处理规则集;基于数据处理规则集中的提成计算规则,对所有产品数据进行提成计算,输出业务员的业务总提成。本方案可以根据产品的类型、参与提成人员、产品数量及单价等因子,将具体的分佣场景抽象成具体的规则,根据订单中产品对应的提成计算规则计算订单中参与提成人员的销售提成。
上面对本发明实施例中数据处理方法进行了描述,下面对本发明实施例中数据处理装置进行描述,请参阅图6,本发明实施例中数据处理装置的第一个实施例包括:
清洗模块601,用于获取所述提成计算系统中的待处理业务数据,并对所述待处理业务数据进行数据清洗,基于清洗后的数据提取出至少一个业务员的业务数据,其中,所述待处理业务数据包括至少一个业务的销售数据;
分析模块602,用于对所述销售数据进行分析,得到所述销售数据中的所有产品数据;
选择模块603,用于根据所述产品数据,从预设的数据处理规则库中调用对应的数据处理规则,其中,所述数据处理规则为业务员销售所述产品数据的提成计算规则;
计算模块604,用于基于所述数据处理规则集中的提成计算规则,对所有所述产品数据进行提成计算,输出所述业务员的业务总提成。
本发明实施例中,通过获取提成计算系统中的待处理业务数据,并对从中提取出至少一个业务员的销售数据进行分析,得到所有的产品数据;根据产品数据,从预设的数据处理规则库中选择对应的数据处理规则,得到待处理业务数据的数据处理规则集;基于数据处理规则集中的提成计算规则,对所有产品数据进行提成计算,输出业务员的业务总提成。本方案可以根据产品的类型、参与提成人员、产品数量及单价等因子,将具体的分佣场景抽象成具体的规则,根据订单中产品对应的提成计算规则计算订单中参与提成人员的销售提成。
请参阅图7,本发明实施例中数据处理装置的第二个实施例,该数据处理装置具体包括:
清洗模块601,用于获取所述提成计算系统中的待处理业务数据,并对所述待处理业务数据进行数据清洗,基于清洗后的数据提取出至少一个业务员的业务数据,其中,所述待处理业务数据包括至少一个业务的销售数据;
分析模块602,用于对所述销售数据进行分析,得到所述销售数据中的所有产品数据;
调用模块603,用于根据所述产品数据,从预设的数据处理规则库中调用对应的数据处理规则,其中,所述数据处理规则为业务员销售所述产品数据的提成计算规则;
计算模块604,用于基于所述数据处理规则集中的提成计算规则,对所有所述产品数据进行提成计算,输出所述业务员的业务总提成。
本实施例中,所述数据处理装置还包括:
获取模块605,用于获取提成计算的业务场景,并对业务需求及所述业务场景进行分析,得到提成计算的提成计算因子,其中,所述提成计算因子包括参与提成人员、产品类型、交易日期;
确定模块606,用于基于所述提成计算因子,确定各个所述业务场景对应的提成计算规则,其中,每个所述提成计算因子组对应一种固定的提成计算规则;
定义模块607,用于定义提成计算因子数据模型,对所述提成计算因子进行组合得到提成计算因子集;
建立模块608,用于基于所述提成计算因子集,建立所述提成计算因子与所述提成计算规则之间的映射关系,得到映射关系集。
本实施例中,所述清洗模块601具体用于:
接收数据清洗请求;
根据所述数据清洗请求确定数据清洗规则,其中,所述数据清洗规则包括清洗特征因子和所述清洗特征因子满足的清洗条件;
获取提成计算系统中的待处理业务数据,并根据所述提成计算系统中的待处理业务数据确定所述清洗特征因子对应的特征因子值;
根据所述数据清洗规则和所述特征因子值对所述待处理业务数据进行清洗,得到至少一个业务员的业务数据。
本实施例中,所述分析模块602具体用于:
在预置产品交易系统界面上设置销售数据输入界面,通过所述销售数据输入界面,采用自动或手动方式输入线上或者线下的产品销售数据,其中,所述预置产品交易系统中设有订单数据库和执行脚本;
调用所述执行脚本,将所述产品销售数据中的订单数据按照预置执行规则进行培训,生成订单队列;
基于所述订单队列,得到所述销售数据中的所有产品数据。
本实施例中,所述数据处理装置还包括:
解析模块609,用于对所述产品数据进行解析,得到所述产品数据对应的关键词,并根据所述关键词调取参数字段,其中,所述参数字段中包括提成计算因子,所述提成计算因子和提成计算规则具有预设的对应关系;
判断模块610,用于从数据库中获取预设数据表,并判断所述预设数据表是否满足数据核查规则,其中,所述预设数据表用于存储提成计算因子;
匹配模块611,用于接收数据处理规则匹配请求,并根据所述提成计算因子,从预设数据处理规则库中匹配与所述产品数据对应的数据处理规则,得到所述待处理业务数据的数据处理规则集;通过预设的数据优先级计算方法,确定所述数据处理规则集中所述数据处理规则的优先级;
调用模块612,用于通过所述数据处理规则的优先级由高到低的顺序,调用优先级最高的数据处理规则。
本实施例中,所述计算模块604包括:
接收单元6041,用于接收提成计算指令,并根据所述提成计算指令获取对应的提成规则编码;
计算单元6042,用于根据所述提成规则编码和所述提成计算规则,对所有所述产品数据进行提成计算,得到计算结果;
输出单元6043,用于根据所述计算结果,输出所述业务员的业务总提成;
本实施例中,所述装置还包括:
分类模块613,用于获取业务员的管理属性,并根据所述管理属性将待计算提成的业务员分类为普通业务员和管理工作人员,其中,所述管理工作人员包括第一级管理工作人员和用于管理第一级管理工作人员的第二级管理工作人员,并获取业务员之间的管理关系。
本发明实施例中,通过获取提成计算系统中的待处理业务数据,并对从中提取出至少一个业务员的销售数据进行分析,得到所有的产品数据;根据产品数据,从预设的数据处理规则库中选择对应的数据处理规则,得到待处理业务数据的数据处理规则集;基于数据处理规则集中的提成计算规则,对所有产品数据进行提成计算,输出业务员的业务总提成。本方案可以根据产品的类型、参与提成人员、产品数量及单价等因子,将具体的分佣场景抽象成具体的规则,根据订单中产品对应的提成计算规则计算订单中参与提成人员的销售提成。
上面图6和图7从模块化功能实体的角度对本发明实施例中的数据处理装置进行详细描述,下面从硬件处理的角度对本发明实施例中数据处理设备进行详细描述。
图8是本发明实施例提供的一种数据处理设备的结构示意图,该数据处理设备800可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessing units,CPU)810(例如,一个或一个以上处理器)和存储器820,一个或一个以上存储应用程序833或数据832的存储介质830(例如一个或一个以上海量存储设备)。其中,存储器820和存储介质830可以是短暂存储或持久存储。存储在存储介质830的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对数据处理设备800中的一系列指令操作。更进一步地,处理器810可以设置为与存储介质830通信,在数据处理设备800上执行存储介质830中的一系列指令操作,以实现上述各方法实施例提供的数据处理方法的步骤。
数据处理设备800还可以包括一个或一个以上电源840,一个或一个以上有线或无线网络接口850,一个或一个以上输入输出接口860,和/或,一个或一个以上操作系统831,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图8示出的数据处理设备结构并不构成对本申请提供的数据处理设备的限定,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。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行上述数据处理方法的步骤。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
所述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。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。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,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种数据处理方法,应用于提成计算系统,其特征在于,所述数据处理方法包括:
获取所述提成计算系统中的待处理业务数据,并对所述待处理业务数据进行数据清洗,基于清洗后的数据提取出至少一个业务员的业务数据,其中所述待处理业务数据包括至少一个业务的销售数据;
对所述销售数据进行分析,得到所述销售数据中的所有产品数据;
根据所述产品数据,从预设的数据处理规则库中调用对应的数据处理规则,其中,所述数据处理规则为业务员销售所述产品数据的提成计算规则;
基于所述数据处理规则集中的提成计算规则,对所有所述产品数据进行提成计算,输出所述业务员的业务总提成。
2.根据权利要求1所述的数据处理方法,其特征在于,在所述获取所述提成计算系统中的待处理业务数据,并对所述待处理业务数据进行数据清洗,基于清洗后的数据提取出至少一个业务员的业务数据之前,还包括:
获取提成计算系统中包含的业务场景,并对业务需求及所述业务场景进行分析,得到提成计算的提成计算因子,其中,所述提成计算因子包括参与提成人员、产品类型、交易日期;
基于所述提成计算因子,确定各个所述业务场景对应的提成计算规则,其中,每个所述提成计算因子组对应一种固定的提成计算规则;
定义提成计算因子数据模型,对所述提成计算因子进行组合得到提成计算因子集;
基于所述提成计算因子集,建立所述提成计算因子与所述提成计算规则之间的映射关系,得到映射关系集。
3.根据权利要求2所述的数据处理方法,其特征在于,所述获取所述提成计算系统中的待处理业务数据,并对所述待处理业务数据进行数据清洗,基于清洗后的数据提取出至少一个业务员的业务数据包括:
接收数据清洗请求;
根据所述数据清洗请求确定数据清洗规则,其中,所述数据清洗规则包括清洗特征因子和所述清洗特征因子满足的清洗条件;
获取提成计算系统中的待处理业务数据,并根据所述提成计算系统中的待处理业务数据确定所述清洗特征因子对应的特征因子值;
根据所述数据清洗规则和所述特征因子值对所述待处理业务数据进行清洗,得到至少一个业务员的业务数据。
4.根据权利要求1所述的数据处理方法,其特征在于,所述对所述销售数据进行分析,得到所述销售数据中的所有产品数据包括:
在预置产品交易系统界面上设置销售数据输入界面,通过所述销售数据输入界面,采用自动或手动方式输入线上或者线下的产品销售数据,其中,所述预置产品交易系统中设有订单数据库和执行脚本;
调用所述执行脚本,将所述产品销售数据中的订单数据按照预置执行规则进行培训,生成订单队列;
基于所述订单队列,得到所述销售数据中的所有产品数据。
5.根据权利要求1所述的数据处理方法,其特征在于,所述根据所述产品数据,从预设的数据处理规则库中调用对应的数据处理规则包括:
对所述产品数据进行解析,得到所述产品数据对应的关键词,并根据所述关键词调取参数字段,其中,所述参数字段中包括提成计算因子,所述提成计算因子和提成计算规则具有预设的对应关系;
从数据库中获取预设数据表,并判断所述预设数据表是否满足数据核查规则,其中,所述预设数据表用于存储提成计算因子;
若所述预设数据表满足所述数据核查规则,则基于所述参数字段,得到所述预设数据表中与产品数据对应的所有的提成计算因子;
接收数据处理规则匹配请求,并根据所述提成计算因子,从预设数据处理规则库中匹配与所述产品数据对应的数据处理规则,得到所述待处理业务数据的数据处理规则集;
通过预设的数据优先级计算方法,确定所述数据处理规则集中所述数据处理规则的优先级;
通过所述数据处理规则的优先级由高到低的顺序,调用优先级最高的数据处理规则。
6.根据权利要求1所述的数据处理方法,其特征在于,所述基于所述数据处理规则集中的提成计算规则,对所有所述产品数据进行提成计算,输出所述业务员的业务总提成包括:
接收提成计算指令,并根据所述提成计算指令获取对应的提成规则编码;
根据所述提成规则编码和所述提成计算规则,对所有所述产品数据进行提成计算,得到计算结果;
根据所述计算结果,输出所述业务员的业务总提成。
7.根据权利要求2所述的数据处理方法,其特征在于,在所述获取所述提成计算系统中的待处理业务数据,并对所述待处理业务数据进行数据清洗,基于清洗后的数据提取出至少一个业务员的业务数据前,还包括:
获取业务员的管理属性,并根据所述管理属性将待计算提成的业务员分类为普通业务员和管理工作人员,其中,所述管理工作人员包括第一级管理工作人员和用于管理第一级管理工作人员的第二级管理工作人员,并获取业务员之间的管理关系。
8.一种数据处理装置,其特征在于,所述数据处理装置包括:
清洗模块,用于获取所述提成计算系统中的待处理业务数据,并对所述待处理业务数据进行数据清洗,基于清洗后的数据提取出至少一个业务员的业务数据,其中所述待处理业务数据包括至少一个业务的销售数据;
分析模块,用于对所述销售数据进行分析,得到所述销售数据中的所有产品数据;
调用模块,用于根据所述产品数据,从预设的数据处理规则库中调用对应的数据处理规则,其中,所述数据处理规则为业务员销售所述产品数据的提成计算规则;
计算模块,用于基于所述数据处理规则集中的提成计算规则,对所有所述产品数据进行提成计算,输出所述业务员的业务总提成。
9.一种提成计算设备,其特征在于,所述提成计算设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的数据处理程序,所述数据处理程序被所述处理器执行时实现如权利要求1-7中任一项所述的数据处理方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有数据处理程序,所述数据处理程序被处理器执行时实现如权利要求1-7中任一项所述的数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011189458.8A CN112288402A (zh) | 2020-10-30 | 2020-10-30 | 数据处理方法、装置、设备、及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011189458.8A CN112288402A (zh) | 2020-10-30 | 2020-10-30 | 数据处理方法、装置、设备、及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112288402A true CN112288402A (zh) | 2021-01-29 |
Family
ID=74353588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011189458.8A Pending CN112288402A (zh) | 2020-10-30 | 2020-10-30 | 数据处理方法、装置、设备、及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112288402A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256270A (zh) * | 2021-06-23 | 2021-08-13 | 金蝶软件(中国)有限公司 | 数据处理方法、数据处理装置、数据处理设备及存储介质 |
CN113436026A (zh) * | 2021-06-23 | 2021-09-24 | 平安健康保险股份有限公司 | 一种资金数据处理方法、装置、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710668A (zh) * | 2018-05-15 | 2018-10-26 | 中国平安人寿保险股份有限公司 | 业务统计方法、装置、计算机设备及存储介质 |
CN110428224A (zh) * | 2019-07-29 | 2019-11-08 | 苏州共创方程式企业管理有限公司 | 一种智能提成计算系统及提成计算方法 |
CN111080127A (zh) * | 2019-12-17 | 2020-04-28 | 王荣荣 | 一种基于销售数据的用户提成管理方法与系统 |
CN111428969A (zh) * | 2020-02-12 | 2020-07-17 | 浙江知夫子信息科技有限公司 | 一种基于规则引擎的销售提成计算系统及其计算方法 |
-
2020
- 2020-10-30 CN CN202011189458.8A patent/CN112288402A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710668A (zh) * | 2018-05-15 | 2018-10-26 | 中国平安人寿保险股份有限公司 | 业务统计方法、装置、计算机设备及存储介质 |
CN110428224A (zh) * | 2019-07-29 | 2019-11-08 | 苏州共创方程式企业管理有限公司 | 一种智能提成计算系统及提成计算方法 |
CN111080127A (zh) * | 2019-12-17 | 2020-04-28 | 王荣荣 | 一种基于销售数据的用户提成管理方法与系统 |
CN111428969A (zh) * | 2020-02-12 | 2020-07-17 | 浙江知夫子信息科技有限公司 | 一种基于规则引擎的销售提成计算系统及其计算方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256270A (zh) * | 2021-06-23 | 2021-08-13 | 金蝶软件(中国)有限公司 | 数据处理方法、数据处理装置、数据处理设备及存储介质 |
CN113436026A (zh) * | 2021-06-23 | 2021-09-24 | 平安健康保险股份有限公司 | 一种资金数据处理方法、装置、计算机设备及存储介质 |
CN113256270B (zh) * | 2021-06-23 | 2022-03-25 | 金蝶软件(中国)有限公司 | 数据处理方法、数据处理装置、数据处理设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110020660B (zh) | 使用人工智能(ai)技术的非结构化过程的完整性评估 | |
US7958026B2 (en) | Hierarchical transaction filtering | |
US8489532B2 (en) | Similarity matching of a competitor's products | |
US9262503B2 (en) | Similarity matching of products based on multiple classification schemes | |
CN111401777B (zh) | 企业风险的评估方法、装置、终端设备及存储介质 | |
WO2002021371A1 (en) | Web based risk management system and method | |
US8082200B2 (en) | Information trading system and method | |
CN111861716B (zh) | 一种基于软件系统的贷中监控预警等级生成方法 | |
CN112288402A (zh) | 数据处理方法、装置、设备、及存储介质 | |
CN112184302A (zh) | 一种产品推荐方法、装置、规则引擎及存储介质 | |
CN110852800A (zh) | 贸易信息的整合方法、终端设备以及存储介质 | |
CN111427936B (zh) | 报表生成方法、装置、计算机设备和存储介质 | |
US20170186095A1 (en) | Centralized GAAP approach for multidimensional accounting to reduce data volume and data reconciliation processing costs | |
US11037208B1 (en) | Economic valuation of data assets | |
KR101450273B1 (ko) | 매출 통계 시스템 및 그 운용 방법 | |
US11811858B1 (en) | SaaS application contract terms benchmarking in a SaaS management platform | |
JP2002279059A (ja) | 経営分析システム | |
KR20210112974A (ko) | 시장 집중도를 이용한 브랜드 지수 생성 시스템 및 방법과 이를 위한 컴퓨터 프로그램 | |
WO2024091755A1 (en) | Saas application contract terms benchmarking in a saas management platform | |
JP2003281360A (ja) | ポートフォリオマネジメント支援方法およびシステム | |
TWM613736U (zh) | 整合式行銷管理系統 | |
WO2022056110A1 (en) | Multi-model analytics engine for analyzing reports | |
CN112991110A (zh) | 多维度画像标准的客户类型识别方法及知识产权监控系统 | |
CN116010509A (zh) | 一种基于信用卡系统描绘用户画像产生标签的方法 | |
CN117455579A (zh) | 商品推荐干预方法、装置以及介质和设备 |
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 |