CN113256124A - 低效网点的筛选方法、装置、设备及存储介质 - Google Patents
低效网点的筛选方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113256124A CN113256124A CN202110588497.3A CN202110588497A CN113256124A CN 113256124 A CN113256124 A CN 113256124A CN 202110588497 A CN202110588497 A CN 202110588497A CN 113256124 A CN113256124 A CN 113256124A
- Authority
- CN
- China
- Prior art keywords
- mesh point
- mesh
- points
- undirected graph
- community
- 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
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- 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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Abstract
本申请提供一种低效网点的筛选方法、装置、设备及存储介质,可用于对任意行业线下网点中低效网点的筛选。该筛选方法包括:获取网点集合中每个网点的基础信息,根据网点集合中每个网点的基础信息以及预设的网点划分策略,构建网点集合的无向图,无向图用于指示网点集合中网点之间的连通关系。根据无向图划分多个网点群落,每个网点群落包括网点集合中的至少两个网点。再从每个网点群落中确定满足预设条件的低效网点。上述方案通过构建网点集合的无向图,将网点集合中特征相似度高的网点划分到同一群落,基于各网点群落进行效能指标分析,筛选出的低效网点更加客观和准确。
Description
技术领域
本申请涉及互联网技术领域,尤其涉及一种低效网点的筛选方法、装置、设备及存储介质。
背景技术
近年来,银行业加速发展线上业务,网上银行、手机银行业务量迅速增长,越来越多的用户使用线上金融服务,去银行办理业务的用户越来越少。布局在线下的一些银行网点,由于业务量低且增长乏力,使得这些银行处于高成本花销低成本收入的状态。因此,在银行网点转型过程中,如何准确有效筛选低效网点是进行网点转型,提升线下网点效能的关键。
目前,现有的银行低效网点筛选方案,主要是以网点营业利润作为主要参考指标,结合人力设备等相关成本做出的主观判断。然而,仅考虑营业利润往往并不客观。一个银行网点营业利润低,可能是因为经营管理不善,也可能是因为网点先天条件或资源禀赋不足,妨碍了业务发展。
因此,如何根据当前网点的历史数据进行低效网点评估是当前各大银行亟需解决的问题。
发明内容
本申请实施例提供一种低效网点的筛选方法、装置、设备及存储介质,提高对低效网点筛选的准确率。
本申请实施例的第一方面提供一种低效网点的筛选方法,包括:
获取网点集合中每个网点的基础信息,所述每个网点的基础信息包括网点的位置信息以及属性信息;
根据所述网点集合中每个网点的基础信息以及预设的网点划分策略,构建所述网点集合的无向图,所述无向图用于指示所述网点集合中网点之间的连通关系;
根据所述无向图划分多个网点群落,每个网点群落包括所述网点集合中的至少两个网点;
从每个网点群落中确定满足预设条件的低效网点。
在本申请的一个可选实施例中,满足所述预设的网点划分策略的任意两个网点具有连通关系,所述预设的网点划分策略包括以下至少一项:
网点之间的距离小于预设阈值;
网点类型相同;
网点级别相同;
网点均位于同一商圈;
网点服务的客户类型相同。
在本申请的一个可选实施例中,所述根据所述网点集合中每个网点的基础信息以及预设的网点划分策略,构建所述网点集合的无向图,包括:
将所述网点集合中每个网点作为所述无向图的节点;
初始化所述无向图的邻接矩阵;
根据所述网点集合中每个网点的基础信息以及所述预设的网点划分策略,确定任意两个网点是否具有连通关系;
根据所述网点集合中网点之间的连通关系,更新所述邻接矩阵。
在本申请的一个可选实施例中,所述根据所述无向图划分网点群落,包括:
根据所述无向图的邻接矩阵划分网点群落,所述无向图的邻接矩阵用于指示所述网点集合中网点之间的连通关系。
在本申请的一个可选实施例中,所述根据所述无向图的邻接矩阵划分网点群落,包括:
根据所述无向图的邻接矩阵,采用深度优先方法生成连通子图;
将得到的每一个连通子图作为一个网点群落。
在本申请的一个可选实施例中,所述从每个网点群落中确定满足预设条件的低效网点,包括:
将指标参数小于所述网点群落的所述指标参数的均值的网点,作为所述网点群落的低效网点;
所述指标参数包括以下至少一项:
网点的营业数据,存款数据,客户数量,产品数量。
本申请实施例的第二方面提供一种低效网点的筛选装置,包括:
获取模块,用于获取网点集合中每个网点的基础信息,所述每个网点的基础信息包括网点的位置信息以及属性信息;
构建模块,用于根据所述网点集合中每个网点的基础信息以及预设的网点划分策略,构建所述网点集合的无向图,所述无向图用于指示所述网点集合中网点之间的连通关系;
划分模块,用于根据所述无向图划分网点群落,每个网点群落包括所述网点集合中的至少两个网点;
确定模块,用于从所述每个网点群落中确定满足预设条件的低效网点。
在本申请的一个可选实施例中,满足所述预设的网点划分策略的任意两个网点具有连通关系,所述预设的网点划分策略包括以下至少一项:
网点之间的距离小于预设阈值;
网点类型相同;
网点级别相同;
网点均位于同一商圈;
网点服务的客户类型相同。
在本申请的一个可选实施例中,所述构建模块,具体用于:
将所述网点集合中每个网点作为所述无向图的节点;
初始化所述无向图的邻接矩阵;
根据所述网点集合中每个网点的基础信息以及所述预设的网点划分策略,确定任意两个网点是否具有连通关系;
根据所述网点集合中网点之间的连通关系,更新所述邻接矩阵。
在本申请的一个可选实施例中,所述划分模块,具体用于:
根据所述无向图的邻接矩阵划分网点群落,所述无向图的邻接矩阵用于指示所述网点集合中网点之间的连通关系。
在本申请的一个可选实施例中,所述划分模块,具体用于:
根据所述无向图的邻接矩阵,采用深度优先方法生成连通子图;
将得到的每一个连通子图作为一个网点群落。
在本申请的一个可选实施例中,所述确定模块,具体用于:
将指标参数小于所述网点群落的所述指标参数的均值的网点,作为所述网点群落的低效网点;
所述指标参数包括以下至少一项:
网点的营业数据,存款数据,客户数量,产品数量。
本申请实施例的第三方面提供一种电子设备,包括:
存储器,处理器以及计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如第一方面中任一项所述的方法。
本申请实施例的第四方面提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行以实现如第一方面中任一项所述的方法。
本申请实施例的第五方面提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现第一方面中任一项所述的方法。
本申请实施例提供一种低效网点的筛选方法、装置、设备及存储介质,可用于对任意行业线下网点中低效网点的筛选。该筛选方法包括:获取网点集合中每个网点的基础信息,根据网点集合中每个网点的基础信息以及预设的网点划分策略,构建网点集合的无向图,无向图用于指示网点集合中网点之间的连通关系。根据无向图划分多个网点群落,每个网点群落包括网点集合中的至少两个网点。再从每个网点群落中确定满足预设条件的低效网点。上述方案通过构建网点集合的无向图,将网点集合中特征相似度高的网点划分到同一群落,基于各网点群落进行效能指标分析,筛选出的低效网点更加客观和准确。
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一简单地介绍,显而易见地,下面描述中的附图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低效网点的筛选方法的流程示意图一;
图2为本申请实施例提供的网点集合的无向图的示意图;
图3为本申请实施例提供的低效网点的筛选方法的流程示意图二;
图4为本申请实施例提供的邻接矩阵深度优先遍历的示意图;
图5为本申请实施例提供的低效网点查询界面的示意图;
图6为本申请实施例提供的低效网点的筛选装置的结构示意图;
图7为本申请实施例提供的电子设备的硬件结构图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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作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。
应当理解,本文中使用的术语“包括”和“具有”以及他们的任何变形,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。
在本申请实施例的描述中,术语“对应”可表示两者之间具有直接对应或间接对应的关系,也可以表示两者之间具有关联关系,也可以是指示与被指示、配置与被配置等关系。
下面首先对本申请实施例中涉及到的专业术语进行简要介绍。
无向图:是若干个顶点和边相互连接组成的,边仅由两个顶点连接,并且没有方向的图。
无向图的邻接矩阵存储方式:是用两个数组来表示无向图。一个一维数组存储无向图中顶点信息,一个二维数组(称为邻接矩阵)存储无向图中的边的信息。
连通图:是指图中任意两点都是连通的图。
网点群落:根据业务提出的相关规则,例如行政区划、网点间距等,对网点进行区域的划分,通过划分保证至少存在一个网点,和区域中其他网点的关系均满足业务提出的规则,该区域称作网点群落,网点群落中的网点,满足某种程度上的相似性。
在经济下行、移动金融快速发展、物业成本和人力成本不断攀升的今天,有些银行的低效网点甚至高达近50%。低效网点的处理成为令银行管理层头疼的问题。
现有的银行低效网点筛选技术,往往是以营业利润作为主要参考指标,但是仅考虑营业利润往往并不客观。一个网点营业利润低可能是因为经营管理不善,也可能是因为网点先天条件或资源禀赋不足,妨碍了业务发展,例如同片区的客户资源少但竞争网点多,网点地理位置不佳或网点硬件条件太差等,不能一概而论。并且,地理上位置上相近的网点也并不能代表事实上足够的相似性,确保对比的客观性。
考虑到每一个低效网点的形成原因都很复杂,受到所处区域的资源、周边环境、网点规模等多方面的影响,不能仅仅根据营业利润来进行判断,采取撤并等武断的措施。因此,在进行低效网点筛选时,应该充分借助大数据和相关分析工具,对网点所在区域的市场容量、市场属性、金融生态、客户分布、发展水平、地方特色等属性进行更加全面、客观的分析,同时与具有相似属性的其他网点作对比,为低效网点的筛选提供更精准的数据支持和决策依据。
基于上述考虑,本申请实施例提供一种低效网点的筛选方法,针对已有的银行网点,通过可自定义的网点划分策略,科学地划分具有相似性的网点群落,为了提高划分的准确率,可结合无向图求连通子图的方式进行银行网点群落的划分。在划分的网点群落中,通过与网点群落中其他网点进行多维度全方位效能相关指标的对比分析,确保对网点实际效能的评估更客观和准确。最后根据预设的筛选条件,从各个网点群落中筛选出低效网点。
与现有技术相比,由于利用求无向图的连通子图划分网点群落的方式,首先将具有相似性的网点汇集起来,再进行效能指标的相关分析,筛选的低效网点更加客观和准确。另外,通过从多个维度进行网点效能分析,避免了单一指标评价,使得筛选更加全面立体。
需要指出的是,本申请实施例提供的技术方案除了应用于对银行业实体网点的低效网点的筛选之外,还可以应用于对其他任意行业的实体网点的低效网点的筛选。
下面通过具体实施例对本申请实施例提供的技术方案进行详细说明。需要说明的是,本申请实施例提供的技术方案可以包括以下内容中的部分或全部,下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图1为本申请实施例提供的低效网点的筛选方法的流程示意图一。为了便于理解,下述实施例以银行线下网点为例,对低效银行网点的筛选过程进行说明,执行筛选方法的主体可以是银行系统的服务器,或者,独立于该服务器的处理设备,对此本实施例不作任何限制。
如图1所示,本实施例的低效网点的筛选方法包括如下步骤:
步骤101、获取网点集合中每个网点的基础信息,每个网点的基础信息包括网点的位置信息以及属性信息。
以银行网点为例,银行网点的属性信息包括银行网点的网点类型、网点级别、客户类型、是否在商圈等。
在一种示例中,银行网点的网点类型包括总行、分行、支行和分理处等。在另一种示例中,银行网点的网点类型包括核心网点、骨干网点、轻型网点。本实施例对银行网点的网点类型不作任何限制。
银行网点的网点级别主要是针对不同网点类型进行的级别划分,例如某银行网点的网点类型为分行,分行的级别包括一级分行,二级分行,三级分行等。
银行网点服务的客户类型包括企业和个人。
步骤102、根据网点集合中每个网点的基础信息以及预设的网点划分策略,构建网点集合的无向图。
其中,无向图用于指示网点集合中网点之间的连通关系。满足预设的网点划分策略的任意两个网点具有连通关系。
在本申请的一个可选实施例中,预设的网点划分策略包括以下至少一项:网点之间的距离小于预设阈值;网点类型相同;网点级别相同;网点均位于同一商圈;网点服务的客户类型相同。
示例性的,以银行网点集合中的银行网点1和银行网点2为例,若预设的网点划分策略包括策略1和策略2。其中,策略1是两个银行网点之间的距离小于3公里,策略2是银行网点的类型为分行。假设银行网点1和银行网点2之间的距离为2公里<3公里,且两个银行网点的网点类型均为分行,由于同时满足策略1和策略2,因此银行网点1和银行网点2具有连通关系,在构建的无向图中,银行网点1对应的节点和银行网点2对应的节点相互连接。
通过遍历网点集合中的每个网点,确定每个网点与其他网点的连通关系,构建网点集合的无向图。
需要指出的是,还可以根据实际情况设置三个或三个以上策略,根据三个或三个以上策略,构建网点集合的无向图,对此本申请实施例不作任何限制。
步骤103、根据无向图划分多个网点群落。
其中,每个网点群落包括网点集合中的至少两个网点。
具体的,可通过求解无向图的连通子图,确定多个网点群落。其中,求解无向图的连通子图的方法包括深度优先搜索方法以及广度优先搜索方法,对此本申请实施例不作任何限制。
深度优先搜索方法是从一个节点出发,每到一个节点便标记该节点已达到,当来到一个标记过的节点时,回退到上一个节点,再选择一条没有标记过的节点,当回退到的节点已没有可走的节点时,选择一个新的节点执行上述步骤,直至所有节点全部走完。
广度优先搜索方法通过队列来实现,在无向图中任选一个节点,先让该节点进入队列,然后出队列,把和该节点相连通的点入队列,借助队列的先进先出特性来实现广度优先遍历,最终确定无向图中所有节点的连接关系。
示例性的,图2为本申请实施例提供的网点集合的无向图的示意图,如图2所示,无向图包括12个节点以及多条边,每条边连接两个节点,每个节点对应网点集合中的一个网点,例如节点1对应银行网点1,节点2对应银行网点2,…,节点12对应银行网点12,各节点之间的连接关系如图2所示。通过上述任意一种方法,可从无向图中确定三个网点群落:网点群落1包括节点1至7,网点群落2包括节点8和9,网点群落3包括节点10至12。
步骤104、从每个网点群落中确定满足预设条件的低效网点。
在本申请的一个可选实施例中,针对每个网点群落,可通过如下步骤确定网点群落的低效网点:
步骤1041、获取网点群落中每个网点的各项指标参数。
步骤1042、确定网点群落的所有网点的各项指标参数的均值。
步骤1043、根据网点群落的所有网点的各项指标参数的均值,以及网点群落中每个网点的各项指标参数,确定网点群落中的低效网点。
在本申请的一个可选实施例中,可将指标参数小于网点群落的指标参数的均值的网点,作为网点群落的低效网点。其中,指标参数包括以下至少一项:网点的营业数据,存款数据,客户数量,产品数量。
网点的营业数据包括网点在预设时段内的营业收入数据、利润数据(包括拨备前利润数据)等。网点的存款数据包括定期储蓄、活期储蓄、理财类产品储蓄等存款数据。网点的客户数量是指在该网点办理业务的企业和/个人的总数量。网点的产品数量是指网点为客户提供的各类银行理财类产品的总数。
示例性的,以上述示例中网点群落3为例,网点群落3包括银行网点10至12,假设评估网点效能的指标参数包括营业数据以及产品数量。首先,根据网点群落3中各银行网点的营业数据,确定网点群落3的银行网点的营业数据均值;以及,根据网点群落3中各银行网点的产品数量,确定网点群落3的银行网点的产品数量均值。其次,依次判断网点群落3中的每个银行网点的营业数据与网点群落3的营业数据均值的大小关系,以及每个银行网点的产品数量与网点群落3的产品数量均值的大小关系。最后,将营业数据小于网点群落3的营业数据均值,且产品数量小于网点群落3的产品数量均值的银行网点作为网点群落3中的低效网点。
可选的,在一些实施例中,指标参数包括营业数据以及存储数据,可将营业数据小于网点群落的营业数据均值的第一百分比(比如30%),且存款数据小于网点群落的存款数据均值的第二百分比(比如20%)的网点,作为网点群落的低效网点。上述的第一百分比和第二百分比可根据实际需求进行预配置,对此本实施例不作任何限制。
上述实施例示出了一种低效网点的筛选方法,通过获取网点集合中每个网点的基础信息,根据网点集合中每个网点的基础信息以及预设的网点划分策略,构建网点集合的无向图,无向图用于指示网点集合中网点之间的连通关系。根据无向图划分多个网点群落,每个网点群落包括网点集合中的至少两个网点。再从每个网点群落中确定满足预设条件的低效网点。上述方案通过构建网点集合的无向图,将网点集合中特征相似度高的网点划分到同一群落,基于各网点群落进行效能指标分析,筛选出的低效网点更加客观和准确。
图3为本申请实施例提供的低效网点的筛选方法的流程示意图二,在上述实施例的基础上,如图3所示,本实施例的低效网点的筛选方法包括如下步骤:
步骤201、获取网点集合中每个网点的基础信息,每个网点的基础信息包括网点的位置信息以及属性信息。
步骤202、将网点集合中每个网点作为无向图的节点。
步骤203、初始化无向图的邻接矩阵。
步骤204、根据网点集合中每个网点的基础信息以及预设的网点划分策略,确定任意两个网点是否具有连通关系。
步骤205、根据网点集合中网点之间的连通关系,更新邻接矩阵。
由于无向图只关心边是否存在,不关心方向,例如节点1和节点2有边,那么节点2和节点1也有边。因此,无向图的边的矩阵一定是一个对称矩阵,即无向图的邻接矩阵是一个对称矩阵。
本实施例中,邻接矩阵的大小是根据网点集合中网点个数确定的,例如网点集合中包括12个网点,则网点集合的无向图的邻接矩阵为12×12的矩阵。
示例性的,假设网点集合中包括3个网点,分别记为V1、V2、V3,初始的邻接矩阵A可以表示为:
由于网点自身之间没有连接关系,因此上述邻接矩阵A的主对角线上的数值均为0。在初始化网点集合的无向图的邻接矩阵后,根据网点集合中每个网点的基础信息以及预设的网点划分策略,如果两个网点满足预设的网点划分策略,则将该两个网点在邻接矩阵中的数值设置为1,即数值保持不变;如果两个网点不满足预设的网点划分策略,则将该两个网点在邻接矩阵中的数值设置为0,即数值进行更新。
通过遍历网点集合中每个网点,确定每个网点与其他网点是否具有特征相似性(即确定网点之间是否满足预设的网点划分策略),完成对无向图的邻接矩阵的更新。
步骤206、根据无向图的邻接矩阵划分网点群落。
其中,无向图的邻接矩阵用于指示网点集合中网点之间的连通关系。
在本申请的一个可选实施例中,可根据无向图的邻接矩阵,采用深度优先方法生成连通子图;将得到的每一个连通子图作为一个网点群落。
下面通过一个具体的示例,对采用深度优先方法确定无向图的连通子图的处理过程进行说明:
示例性的,图4为本申请实施例提供的邻接矩阵深度优先遍历的示意图,以图2所示无向图的邻接矩阵为例,该邻接矩阵为12×12的矩阵。假设从节点1出发,那么首先访问节点1,然后从节点1的未被访问到的邻接点进行遍历,例如图2中的节点2,访问节点2,然后从节点2的未被访问的邻接点(这里不包括节点1,节点1已访问)进行遍历,重复上述过程,直至图中所有和节点1有路径相通的节点都被访问到,如图4所示。在遍历过程中,访问到无新节点时,会进行回退,访问未被访问过的其他分支节点。
步骤207、从每个网点群落中确定满足预设条件的低效网点。
上述实施例示出了一种低效网点的筛选方法,首先构建初始化的网点集合无向图的邻接矩阵,通过获取网点集合中每个网点的基础信息,根据网点集合中每个网点的基础信息以及预设的网点划分策略,确定任意两个网点是否具有连通关系,更新邻接矩阵;再根据更新后的邻接矩阵确定网点群落;最后从每个网点群落中确定满足预设条件的低效网点。上述方案通过构建网点集合的无向图,将网点集合中特征相似度高的网点划分到同一群落,基于各网点群落进行效能指标分析,筛选出的低效网点更加客观和准确。
基于上述实施例,网点服务器在对低效网点筛选过程中,可以将划分的各个网点群落的信息存储于数据库中,方便各网点进行数据查询,下面结合一个具体的示例,对低效网点信息的数据查询过程进行说明。
图5为本申请实施例提供的低效网点查询界面的示意图,如图5所示,用户通过界面上方的查询区,输入网点编号、开始日期、结束日期、决策半径以及网点特征(例如网点特征1为一级分行,网点特征2为商圈1)等信息,查询网点所在位置决策半径范围内满足网点特征的所有网点的属性信息,属性信息包括网点编号、网点名称、分组号(即网点群落的编号)、营业收入、各项存款以及拨备前利润等。查询结果可以表格的形式展示,可同时包含查询网点的属性信息。
另外,查询结果还可以标注出该分组下的低效网点,例如图5中通过区分列表颜色标注低效网点。当然,也可以通过其他方式标注低效网点,例如信息加粗等,对此本实施例不作任何限制。
本申请实施例可以根据上述方法实施例,对低效网点的筛选装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以使用硬件的形式实现,也可以使用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,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。下面以使用对应各个功能划分各个功能模块为例进行说明。
图6为本申请实施例提供的低效网点的筛选装置的结构示意图。如图6所示,本实施例提供的低效网点的筛选装置300,包括:获取模块301,构建模块302,划分模块303以及确定模块304。
获取模块301,用于获取网点集合中每个网点的基础信息,所述每个网点的基础信息包括网点的位置信息以及属性信息;
构建模块302,用于根据所述网点集合中每个网点的基础信息以及预设的网点划分策略,构建所述网点集合的无向图,所述无向图用于指示所述网点集合中网点之间的连通关系;
划分模块303,用于根据所述无向图划分网点群落,每个网点群落包括所述网点集合中的至少两个网点;
确定模块304,用于从所述每个网点群落中确定满足预设条件的低效网点。
在本申请的一个可选实施例中,满足所述预设的网点划分策略的任意两个网点具有连通关系,所述预设的网点划分策略包括以下至少一项:
网点之间的距离小于预设阈值;
网点类型相同;
网点级别相同;
网点均位于同一商圈;
网点服务的客户类型相同。
在本申请的一个可选实施例中,所述构建模块302,具体用于:
将所述网点集合中每个网点作为所述无向图的节点;
初始化所述无向图的邻接矩阵;
根据所述网点集合中每个网点的基础信息以及所述预设的网点划分策略,确定任意两个网点是否具有连通关系;
根据所述网点集合中网点之间的连通关系,更新所述邻接矩阵。
在本申请的一个可选实施例中,所述划分模块303,具体用于:
根据所述无向图的邻接矩阵划分网点群落,所述无向图的邻接矩阵用于指示所述网点集合中网点之间的连通关系。
在本申请的一个可选实施例中,所述划分模块303,具体用于:
根据所述无向图的邻接矩阵,采用深度优先方法生成连通子图;
将得到的每一个连通子图作为一个网点群落。
在本申请的一个可选实施例中,所述确定模块304,具体用于:
将指标参数小于所述网点群落的所述指标参数的均值的网点,作为所述网点群落的低效网点;
所述指标参数包括以下至少一项:
网点的营业数据,存款数据,客户数量,产品数量。
本实施例提供的低效网点的筛选装置,可以执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图7为本申请实施例提供的电子设备的硬件结构图,如图7所示,本实施例提供的电子设备400,包括:
存储器401;
处理器402;以及
计算机程序;
其中,计算机程序存储在存储器401中,并被配置为由处理器402执行以实现前述任一方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
可选的,存储器401既可以是独立的,也可以跟处理器402集成在一起。当存储器401是独立于处理器402之外的器件时,电子设备400还包括:总线403,用于连接存储器401和处理器402。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器402执行以实现前述任一方法实施例中的技术方案。
本申请实施例提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现前述任一方法实施例中的技术方案。
本申请实施例还提供了一种芯片,包括:处理模块与通信接口,该处理模块能执行前述任一方法实施例中的技术方案。
进一步地,该芯片还包括存储模块(如,存储器),存储模块用于存储指令,处理模块用于执行存储模块存储的指令,并且对存储模块中存储的指令的执行使得处理模块执行前述任一方法实施例中的技术方案。
应理解,上述处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application Specific Integrated Circuit,简称:ASIC)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。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits,简称:ASIC)中。当然,处理器和存储介质也可以作为分立组件存在于电子设备中。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,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,或者对其中部分或者全部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申请各实施例的技术方案的范围。
Claims (10)
1.一种低效网点的筛选方法,其特征在于,包括:
获取网点集合中每个网点的基础信息,所述每个网点的基础信息包括网点的位置信息以及属性信息;
根据所述网点集合中每个网点的基础信息以及预设的网点划分策略,构建所述网点集合的无向图,所述无向图用于指示所述网点集合中网点之间的连通关系;
根据所述无向图划分多个网点群落,每个网点群落包括所述网点集合中的至少两个网点;
从每个网点群落中确定满足预设条件的低效网点。
2.根据权利要求1所述的方法,其特征在于,满足所述预设的网点划分策略的任意两个网点具有连通关系,所述预设的网点划分策略包括以下至少一项:
网点之间的距离小于预设阈值;
网点类型相同;
网点级别相同;
网点均位于同一商圈;
网点服务的客户类型相同。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述网点集合中每个网点的基础信息以及预设的网点划分策略,构建所述网点集合的无向图,包括:
将所述网点集合中每个网点作为所述无向图的节点;
初始化所述无向图的邻接矩阵;
根据所述网点集合中每个网点的基础信息以及所述预设的网点划分策略,确定任意两个网点是否具有连通关系;
根据所述网点集合中网点之间的连通关系,更新所述邻接矩阵。
4.根据权利要求1所述的方法,其特征在于,所述根据所述无向图划分网点群落,包括:
根据所述无向图的邻接矩阵划分网点群落,所述无向图的邻接矩阵用于指示所述网点集合中网点之间的连通关系。
5.根据权利要求4所述的方法,其特征在于,所述根据所述无向图的邻接矩阵划分网点群落,包括:
根据所述无向图的邻接矩阵,采用深度优先方法生成连通子图;
将得到的每一个连通子图作为一个网点群落。
6.根据权利要求1所述的方法,其特征在于,所述从每个网点群落中确定满足预设条件的低效网点,包括:
将指标参数小于所述网点群落的所述指标参数的均值的网点,作为所述网点群落的低效网点;
所述指标参数包括以下至少一项:网点的营业数据,存款数据,客户数量,产品数量。
7.一种低效网点的筛选装置,其特征在于,包括:
获取模块,用于获取网点集合中每个网点的基础信息,所述每个网点的基础信息包括网点的位置信息以及属性信息;
构建模块,用于根据所述网点集合中每个网点的基础信息以及预设的网点划分策略,构建所述网点集合的无向图,所述无向图用于指示所述网点集合中网点之间的连通关系;
划分模块,用于根据所述无向图划分网点群落,每个网点群落包括所述网点集合中的至少两个网点;
确定模块,用于从所述每个网点群落中确定满足预设条件的低效网点。
8.一种电子设备,其特征在于,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行以实现如权利要求1-6中任一项所述的方法。
10.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序被处理器执行时实现权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110588497.3A CN113256124A (zh) | 2021-05-28 | 2021-05-28 | 低效网点的筛选方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110588497.3A CN113256124A (zh) | 2021-05-28 | 2021-05-28 | 低效网点的筛选方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113256124A true CN113256124A (zh) | 2021-08-13 |
Family
ID=77185035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110588497.3A Pending CN113256124A (zh) | 2021-05-28 | 2021-05-28 | 低效网点的筛选方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256124A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116882329A (zh) * | 2023-09-06 | 2023-10-13 | 杭州行芯科技有限公司 | 网表缩减方法、时序验证方法、电子设备及存储介质 |
-
2021
- 2021-05-28 CN CN202110588497.3A patent/CN113256124A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116882329A (zh) * | 2023-09-06 | 2023-10-13 | 杭州行芯科技有限公司 | 网表缩减方法、时序验证方法、电子设备及存储介质 |
CN116882329B (zh) * | 2023-09-06 | 2023-12-19 | 杭州行芯科技有限公司 | 网表缩减方法、时序验证方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564286B (zh) | 一种基于大数据征信的人工智能金融风控授信评定方法和系统 | |
CN111738628A (zh) | 一种风险群组识别方法及装置 | |
CN111402061A (zh) | 一种资产管理方法和系统 | |
CN111368147A (zh) | 图特征处理的方法及装置 | |
CN112836771A (zh) | 业务服务点的分类方法、装置、电子设备和存储介质 | |
CN115170294A (zh) | 一种客户分类方法、装置及服务器 | |
CN116401379A (zh) | 金融产品数据推送方法、装置、设备及存储介质 | |
CN113379269B (zh) | 多因素空间聚类的城市商业功能区划方法、装置及介质 | |
CN115668265A (zh) | 为操纵和调整承保标的的风险驱动组合提供前瞻和后顾度量的风险转移配置器和模拟引擎及其方法 | |
CN113256124A (zh) | 低效网点的筛选方法、装置、设备及存储介质 | |
CN114139725A (zh) | 业务对象的预测方法、设备及存储介质 | |
CN113326255A (zh) | 有效测试数据的筛选方法、装置、终端设备及存储介质 | |
CN112241820B (zh) | 资金流动中关键节点的风险识别方法、装置及计算设备 | |
CN112232944A (zh) | 一种评分卡创建方法、装置和电子设备 | |
CN111476371A (zh) | 对服务方面临的特定风险进行评估的方法及装置 | |
CN110705889A (zh) | 一种企业筛选方法、装置、设备及存储介质 | |
CN117252677A (zh) | 信贷额度确定方法和装置、电子设备及存储介质 | |
CN115099933A (zh) | 一种业务预算方法、装置及设备 | |
CN107480857A (zh) | 一种股票基因库诊断方法及系统 | |
CN109919811B (zh) | 基于大数据的保险代理人培养方案生成方法及相关设备 | |
CN111461863A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN116595267B (zh) | 面向不均衡社交网络的图采样方法 | |
CN113434705B (zh) | 一种基于关系图谱的提现额度调整方法、系统 | |
CN116257658A (zh) | 用户行为链路图显示方法、装置、设备及存储介质 | |
CN113487104A (zh) | 业务信息的获取方法、装置、设备及可读存储介质 |
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 |