CN113361959A - 一种银行业务集中运营成熟度的计算方法和装置 - Google Patents
一种银行业务集中运营成熟度的计算方法和装置 Download PDFInfo
- Publication number
- CN113361959A CN113361959A CN202110736780.6A CN202110736780A CN113361959A CN 113361959 A CN113361959 A CN 113361959A CN 202110736780 A CN202110736780 A CN 202110736780A CN 113361959 A CN113361959 A CN 113361959A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- index
- maturity
- dimension
- sample
- 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Algebra (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种银行业务集中运营成熟度的计算方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:采集多个样本银行的多维度运营数据,每一维度包括多个评价指标;接收多个样本银行的多维度运营数据的各指标评价值;基于多个样本银行的多维度运营数据的各指标评价值、维度的权重、评价指标的权重,确定多个样本银行的业务集中运营成熟度等级标签,以训练集中运营成熟度模型;通过集中运营成熟度模型计算目标银行的业务集中运营成熟度等级值。该实施方式能定量计算银行业务集中运营成熟度,实现对业务运营成熟度的精确度量,提高银行业务数据的处理效率以及银行系统的风险管控能力,提高银行业务处理的自动化水平和智能化水平。
Description
技术领域
本发明涉及大数据技术领域,尤其涉及一种银行业务集中运营成熟度的计算方法和装置。
背景技术
商业银行集中运营是通过对前、后台业务流程进行重塑,对运营组织架构及管理流程进行优化,利用影像等数据传输技术,形成前台仅受理,后台集中处理的生产模式,同时,通过对运营数据的分析与监控,实现对业务的数字化及精细化管理。当前未形成集中运营成熟度评价体系,缺少对集中运营成熟度等级的划分,缺少定量计算银行业务集中运营成熟度的方案。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
缺少定量计算银行业务集中运营成熟度的方案,从而无法实现对业务运营成熟度的精确度量,影响了银行业务数据的处理效率,并降低了银行系统的风险管控能力,不利于提高银行业务处理的自动化水平、智能化水平。
发明内容
有鉴于此,本发明实施例提供一种银行业务集中运营成熟度的计算方法和装置,能够定量计算银行业务集中运营成熟度,实现对业务运营成熟度的精确度量,提高银行业务数据的处理效率以及银行系统的风险管控能力,提高银行业务处理的自动化水平和智能化水平。
为实现上述目的,根据本发明实施例的一个方面,提供了一种银行业务集中运营成熟度的计算方法。
一种银行业务集中运营成熟度的计算方法,包括:采集多个样本银行的多维度运营数据,每一维度包括多个评价指标;接收所述多个样本银行的多维度运营数据的各指标评价值,所述样本银行的多维度运营数据的指标评价值是根据评价指标,对样本银行的多维度运营数据评价得到的;基于所述多个样本银行的多维度运营数据的各指标评价值、所述维度的权重、所述评价指标的权重,确定多个样本银行的业务集中运营成熟度等级标签;利用多个样本银行的多维度运营数据和对应的业务集中运营成熟度等级标签,训练集中运营成熟度模型;在收到目标银行的多维度运营数据后,通过经过训练的所述集中运营成熟度模型,计算所述目标银行的业务集中运营成熟度等级值。
可选地,采用层次分析法确定评价指标的权重和所述维度的权重。
可选地,所述采用层次分析法确定所述评价指标的权重和所述维度的权重,包括:将对象指标进行两两比对,所述对象指标为所述维度、所述评价指标中的一种,根据比对结果构建判断矩阵,所述比对结果指示两个所述对象指标的重要性大小;利用所述判断矩阵确定各所述对象指标的第一权重构成的第一权向量;对所述判断矩阵进行一致性校验,在所述一致性校验通过后,对所述第一权向量进行归一化,得到第二权向量,所述第二权向量包括各所述对象指标的权重。
可选地,所述基于所述多个样本银行的多维度运营数据的各指标评价值、所述维度的权重、所述评价指标的权重,确定所述多个样本银行的业务集中运营成熟度等级标签,包括:根据评价主体对所述多个样本银行的多维度运营数据的各指标评价值,以及各所述评价指标的权重,计算得到所述评价主体对每个所述样本银行的多维度运营数据的维度评价值;根据所述评价主体对所述多个样本银行的多维度运营数据的各维度评价值,以及各所述维度的权重,计算得到所述评价主体对每个所述样本银行的业务集中运营成熟度等级评价值;由所述评价主体对所述多个样本银行的业务集中运营成熟度等级评价值,确定所述多个样本银行的业务集中运营成熟度等级标签。
可选地,所述评价主体的数量为多个,每个所述评价主体对每个所述样本银行的多维度运营数据均有对应的所述各指标评价值、所述各维度评价值以及所述样本银行的业务集中运营成熟度等级评价值;所述由所述评价主体对所述多个样本银行的业务集中运营成熟度等级评价值,确定所述多个样本银行的业务集中运营成熟度等级标签,包括:基于各所述评价主体对每个所述样本银行的业务集中运营成熟度等级评价值,确定每个所述样本银行的业务集中运营成熟度等级评价综合值;由所述多个样本银行的业务集中运营成熟度等级评价综合值,确定所述多个样本银行的业务集中运营成熟度等级标签。
可选地,每个所述评价主体有对应的评价主体权重;所述基于各所述评价主体对每个所述样本银行的业务集中运营成熟度等级评价值,确定每个所述样本银行的业务集中运营成熟度等级评价综合值,包括:对于每个所述样本银行,基于各所述评价主体对所述样本银行的业务集中运营成熟度等级评价值,以及各所述评价主体的所述评价主体权重,计算各所述评价主体对所述样本银行的业务集中运营成熟度等级评价值的加权和;根据各所述评价主体对所述样本银行的业务集中运营成熟度等级评价值的加权和与所述评价主体的权重和的比值,得到所述样本银行的业务集中运营成熟度等级评价综合值。
可选地,还包括:基于决策树算法模型、朴素贝叶斯分类算法模型、最小二乘法算法模型、逻辑回归算法模型、奇异值分解算法模型中的一个算法模型构建所述集中运营成熟度模型。
可选地,还包括:基于决策树算法模型、朴素贝叶斯分类算法模型、最小二乘法算法模型、逻辑回归算法模型、奇异值分解算法模型中的多个算法模型,分别构建多个备用分类模型;对所述多个备用分类模型进行模型评估,根据所述模型评估的结果选定其中一个所述备用分类模型,得到所述集中运营成熟度模型。
可选地,所述计算所述目标银行的业务集中运营成熟度等级值之后,包括:将目标银行的业务集中运营成熟度等级值发送到一个或多个评价主体的客户端;接收所述一个或多个评价主体的客户端返回的对所述目标银行的多维度运营数据的指标评价值校正值;根据所述指标评价值校正值,更新各所述维度的权重和/或各所述评价指标的权重。
可选地,所述根据所述指标评价值校正值,更新各所述维度的权重和/或各所述评价指标的权重,包括:读取所述集中运营成熟度模型的中间处理结果,所述中间处理结果包括对所述目标银行的多维度运营数据的指标评价值,根据对所述目标银行的多维度运营数据的指标评价值以及对应的所述指标评价值校正值的比对结果,更新各所述维度的权重和/或各所述评价指标的权重,更新后的所述权重用于集中运营成熟度模型计算所述目标银行的新的业务集中运营成熟度等级值。
可选地,各所述维度包括:战略规划维度、业务覆盖维度、生产作业维度、运营管理维度、风险防控维度、系统支撑维度。
可选地,所述战略规划维度的评价指标包括运营实施规划指标、详细实施计划指标、资源投入指标、管理改进能力指标;所述业务覆盖维度包括业务集中原则指标、业务集中范围指标、推广保障指标;所述生产作业维度包括集中作业流程定义指标、作业标准化程度指标、协同作业模式指标;所述运营管理维度包括机构设置指标、岗位职责定义指标、生产排班指标、监控调度指标、质效评价指标和人员管理指标;所述风险防控维度包括风险管理制度指标、风险防控措施指标、风险集中程度指标、风控数据分析能力指标;所述系统支撑维度包括集中作业平台建设指标、银行信息技术建设指标、先进技术应用指标。
根据本发明实施例的另一方面,提供了一种银行业务集中运营成熟度的计算装置。
一种银行业务集中运营成熟度的计算装置,包括:运营数据采集模块,用于采集多个样本银行的多维度运营数据,每一维度包括多个评价指标;指标评价值接收模块,用于接收所述多个样本银行的多维度运营数据的各指标评价值,所述样本银行的多维度运营数据的指标评价值是根据所述评价指标,对所述样本银行的多维度运营数据评价得到的;等级标签确定模块,用于基于所述多个样本银行的多维度运营数据的各指标评价值、所述维度的权重、所述评价指标的权重,确定所述多个样本银行的业务集中运营成熟度等级标签;集中运营成熟度模型训练模块,用于利用所述多个样本银行的多维度运营数据和对应的业务集中运营成熟度等级标签,训练集中运营成熟度模型;业务集中运营成熟度计算模块,用于在收到目标银行的多维度运营数据后,通过经过训练的所述集中运营成熟度模型,计算所述目标银行的业务集中运营成熟度等级值。
根据本发明实施例的又一方面,提供了一种电子设备。
一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现本发明实施例所提供的银行业务集中运营成熟度的计算方法。
根据本发明实施例的又一方面,提供了一种计算机可读介质。
一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例所提供的银行业务集中运营成熟度的计算方法。
上述发明中的一个实施例具有如下优点或有益效果:采集多个样本银行的多维度运营数据,每一维度包括多个评价指标;接收多个样本银行的多维度运营数据的各指标评价值,样本银行的多维度运营数据的指标评价值是根据评价指标对样本银行的多维度运营数据评价得到的;基于多个样本银行的多维度运营数据的各指标评价值、维度的权重、评价指标的权重,确定多个样本银行的业务集中运营成熟度等级标签,以训练集中运营成熟度模型;在收到目标银行的多维度运营数据后,通过集中运营成熟度模型计算目标银行的业务集中运营成熟度等级值。能够定量计算银行业务集中运营成熟度,实现对业务运营成熟度的精确度量,提高银行业务数据的处理效率以及银行系统的风险管控能力,提高银行业务处理的自动化水平和智能化水平。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明一个实施例的银行业务集中运营成熟度的计算方法的主要步骤示意图;
图2是根据本发明一个实施例的集中运营成熟度模型训练过程示意图;
图3是根据本发明一个实施例的银行业务集中运营成熟度的计算装置的主要模块示意图;
图4是本发明实施例可以应用于其中的示例性系统架构图;
图5是适于用来实现本发明实施例的服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明一个实施例的银行业务集中运营成熟度的计算方法的主要步骤示意图。
如图1所示,本发明一个实施例的银行业务集中运营成熟度的计算方法主要包括如下的步骤S101至步骤S105。
步骤S101:采集多个样本银行的多维度运营数据,每一维度包括多个评价指标;
步骤S102:接收多个样本银行的多维度运营数据的各指标评价值,样本银行的多维度运营数据的指标评价值是根据评价指标,对样本银行的多维度运营数据评价得到的;
步骤S103:基于多个样本银行的多维度运营数据的各指标评价值、维度的权重、评价指标的权重,确定多个样本银行的业务集中运营成熟度等级标签;
步骤S104:利用多个样本银行的多维度运营数据和对应的业务集中运营成熟度等级标签,训练集中运营成熟度模型;
步骤S105:在收到目标银行的多维度运营数据后,通过经过训练的集中运营成熟度模型,计算目标银行的业务集中运营成熟度等级值。
可采用层次分析法确定评价指标的权重和维度的权重。采用层次分析法确定评价指标的权重和维度的权重,具体可以包括:将对象指标进行两两比对,根据比对结果构建判断矩阵,比对结果指示两个对象指标的重要性大小;利用判断矩阵确定各对象指标的第一权重构成的第一权向量;对判断矩阵进行一致性校验,在一致性校验通过后,对第一权向量进行归一化,得到第二权向量,第二权向量包括各对象指标的权重。对象指标为维度、评价指标中的一种,即对于评价指标的权重或维度的权重,均可按照上述层次分析法来确定。
具体地,将对象指标两两进行对比,得出一个重要性结果,然后将这个结果以矩阵的形式进行呈现,其中重要程度差别等级如下:标度为1表示两个对象指标相比,具有同样的重要性;标度为3表示两个对象指标相比,前者比后者稍重要;标度为5表示两个对象指标相比,前者比后者明显重要;标度为7表示两个对象指标相比,前者比后者极其重要;标度为9表示两个对象指标相比,前者比后者强烈重要;标度为2、4、6、8表示上述两对象指标判断结果的中间值,比如,标度2是介于标度1和标度3之间的值。
基于多个样本银行的多维度运营数据的各指标评价值、维度的权重、评价指标的权重,确定多个样本银行的业务集中运营成熟度等级标签,具体步骤包括:根据评价主体对多个样本银行的多维度运营数据的各指标评价值,以及各评价指标的权重,计算得到评价主体对每个样本银行的多维度运营数据的维度评价值;根据评价主体对多个样本银行的多维度运营数据的各维度评价值,以及各维度的权重,计算得到评价主体对每个样本银行的业务集中运营成熟度等级评价值;由评价主体对多个样本银行的业务集中运营成熟度等级评价值,确定多个样本银行的业务集中运营成熟度等级标签。
在一个实施例中,评价主体的数量为多个,每个评价主体对每个样本银行的多维度运营数据均有对应的各指标评价值、各维度评价值以及样本银行的业务集中运营成熟度等级评价值。
由评价主体对多个样本银行的业务集中运营成熟度等级评价值,确定多个样本银行的业务集中运营成熟度等级标签,具体可以包括:基于各评价主体对每个样本银行的业务集中运营成熟度等级评价值,确定每个样本银行的业务集中运营成熟度等级评价综合值;由多个样本银行的业务集中运营成熟度等级评价综合值,确定多个样本银行的业务集中运营成熟度等级标签。
每个评价主体可以有对应的评价主体权重。
基于各评价主体对每个样本银行的业务集中运营成熟度等级评价值,确定每个样本银行的业务集中运营成熟度等级评价综合值,具体可以包括:对于每个样本银行,基于各评价主体对样本银行的业务集中运营成熟度等级评价值,以及各评价主体的评价主体权重,计算各评价主体对样本银行的业务集中运营成熟度等级评价值的加权和;根据各评价主体对样本银行的业务集中运营成熟度等级评价值的加权和与评价主体的权重和的比值,得到样本银行的业务集中运营成熟度等级评价综合值。
在一个实施例中,可以基于决策树算法模型、朴素贝叶斯分类算法模型、最小二乘法算法模型、逻辑回归算法模型、奇异值分解算法模型中的一个算法模型构建集中运营成熟度模型。
在另一个实施例中,可以基于决策树算法模型、朴素贝叶斯分类算法模型、最小二乘法算法模型、逻辑回归算法模型、奇异值分解算法模型中的多个算法模型,分别构建多个备用分类模型;对多个备用分类模型进行模型评估,根据模型评估的结果选定其中一个备用分类模型,得到集中运营成熟度模型。模型评估具体可以评估模型的误分率,以误分率最小的备用分类模型作为集中运营成熟度模型。
在一个实施例中,计算目标银行的业务集中运营成熟度等级值之后,可以将目标银行的业务集中运营成熟度等级值发送到一个或多个评价主体的客户端;接收一个或多个评价主体的客户端返回的对目标银行的多维度运营数据的指标评价值校正值;根据指标评价值校正值,更新各维度的权重和/或各评价指标的权重。指标评价值校正值是评价主体对指标评价值校正得到的。
根据指标评价值校正值,更新各维度的权重和/或各评价指标的权重,可以读取集中运营成熟度模型的中间处理结果,中间处理结果包括对目标银行的多维度运营数据的指标评价值,根据对目标银行的多维度运营数据的指标评价值以及对应的指标评价值校正值的比对结果,更新各维度的权重和/或各评价指标的权重,更新后的权重用于集中运营成熟度模型计算目标银行的新的业务集中运营成熟度等级值。
集中运营成熟度模型的中间处理结果还可以包括对目标银行的多维度运营数据的维度评价值、业务集中运营成熟度等级评价值,等等。
在一个实施例中,各维度可以包括:战略规划维度、业务覆盖维度、生产作业维度、运营管理维度、风险防控维度、系统支撑维度。多维度运营数据即这些维度的运营数据。
战略规划维度的评价指标,可以包括运营实施规划指标、详细实施计划指标、资源投入指标、管理改进能力指标。运营实施规划是商业银行通过对全行(全银行)的业务运营事项进行整体规划,形成关于集中业务的运营实施规划。运营实施规划一般包括对网点集中运营事项、集中作业生产模式、全行集中IT(信息技术)系统建设、数字化智能化运营转型等整体规划。详细实施计划是商业银行针对网点集中运营事项、集中作业生产模式、全行集中IT系统建设、数字化智能化运营转型等整体规划,分别制定详细实施计划,主要包括集中运营事项的范围、作业中心建设计划、精益化管理实施计划、集中运营关联系统改造实施计划等。资源投入是商业银行集中运营转型所需投入的人力、财力、物力等资源计划。管理改进能力是商业银行在运营转型过程中,定期评价、总结报告、回顾转型效果,及时优化战略执行方向,不断提升运营的可持续性建设工作。
处于不同成熟度等级的战略规划基本特征如表1所示:
表1
业务覆盖维度可以包括业务集中原则指标、业务集中范围指标、推广保障指标。业务集中原则是对业务种类明确了例如业务办理质效、是否符合监管要求、是否已集中、风险程度等集中的依据和原则。业务集中范围是商业银行集中业务覆盖的各发起渠道和各条线的业务种类、业务场景等,包括柜面、自助设备、电子渠道等发起的会计业务、国际业务、借/贷记卡业务、贷款业务、核算清算事项等。集中覆盖范围越广,业务覆盖维度评分越高。推广保障是对全行集中业务形成了从试点到推广的整体实施方案,以及在推广过程中组织架构、沟通管理、风险应对措施、业务/技术应急方案等。
处于不同成熟度等级的业务覆盖基本特征如表2所示:
表2
生产作业维度可以包括集中作业流程定义指标、作业标准化程度指标、协同作业模式指标。集中作业流程定义是将原柜面“一站式”处理的业务进行流程重塑,充分考虑流程质效,按照前台受理、后台集中处理的生产模式和前后台处理人员的职责分工重新设计流程环节,并对各环节重新定义。作业标准化程度是将集中作业的业务流程环节拆分成录入、审核、验印、授权等标准化处理环节,根据业务种类对录入类标准化环节设置统一的系统检核规则,对审核、验印、授权等专业性环节设置相应的业务规则,促使提升业务办理质效。协同作业模式是指在全行范围内形成了总行、分支行等不同机构层级间的协同作业,集中运营事项按照业务种类、流程环节属性等在各机构层级之间合理分布。
处于不同成熟度等级的生产作业基本特征如表3所示:
表3
运营管理维度可以包括机构设置指标、岗位职责定义指标、生产排班指标、监控调度指标、质效评价指标和人员管理指标。机构设置是商业银行依据集中运营对场地和人员的需求,设置相应的集中作业机构,并设置相应的管理部门和生产作业部门,明确部门职责。岗位职责定义是对集中业务的受理、审批和管理集中作业机构和各个业务部门之间有明确的职责划分,且依据各业务流程环节设置了相应的岗位权限,由有权人接收并处理任务。生产排班是结合历史业务数据对全行集中作业生产任务进行事前排班,作业人员按照排班计划上线执行生产任务。监控调度是在集中作业过程中,管理人员实时监控业务量情况、人员忙闲程度、任务堵塞情况等,并及时采取调度措施,以应对高峰期带来的业务办理压力。质效评价是制定科学合理的考核指标,例如流程环节处理效率、环节处理差错率、验印通过率、智能识别通过率等,对集中业务的处理质量、办理效率等方面进行考核。人员管理是对进行集中生产作业的银行内部人员或外包人员进行统一管理的过程,包括人员培训、作业质量考核、生产作业计费、日常管理等。
处于不同成熟度等级的运营管理基本特征如表4所示:
表4
风险防控维度可以包括风险管理制度指标、风险防控措施指标、风险集中程度指标、风控数据分析能力指标。风险管理制度是商业银行针对业务操作风险、业务连续性风险制定的风险管理制度,用以对业务经办人员的操作进行规章制度层面的约束。风险防控措施是在业务办理过程中对操作风险采取的防范手段,健全的风控措施不是只依赖于经办人员,而是通过流程控制或系统控制的方式,将风险控制规则化,由规章制度软控制转变为流程、系统硬控制。风险集中程度按照经办人员面临风险的点位,一般由低到高可分为柜面分散、分支行集中和总行集中,风险集中程度越高,本部分评分越高。风控数据分析能力取决于对运营风险数据的提取、转化和分析能力,且基于此建立银行级智能风控体系。
处于不同成熟度等级的风险防控基本特征如表5所示:
表5
系统支撑维度可以包括集中作业平台建设指标、银行信息技术建设指标、先进技术应用指标。集中作业平台建设是商业银行在运营转型过程中,需搭建一套集中作业系统,适应前台受理、后台集中处理的生产模式。该系统需支持根据任务属性在不同机构岗位中自动分发,实现不同机构的协同作业;需对业务操作风险、业务连续性风险防控提供支持;需具备灵活的参数体系,支持各类业务参数的配置,实现新产品快速上线;需基于全行运营视角整合数据资源,在各业务模块中利用大数据分析技术提供多维度、多视角的运营视图。银行信息技术(IT)建设是商业银行立足于银行级视角,对银行IT系统进行整体规划,对与集中作业相关联的其他业务系统进行接口改造和平台融入的长远规划。先进技术应用是集中作业系统建设过程中,需持续引入自动化、智能化生产技术,包括不限于OCR、工作流、电子验印、生物识别、NLP、数据挖掘、知识图谱等先进技术。
处于不同成熟度等级的系统支撑基本特征如下表6所示:
表6
本发明一个实施例通过对上述的战略规划、业务覆盖、生产作业、运营管理、风险防控、系统支撑六个维度的各评价指标进行评价,得到指标评价值,将指标评价值与对应的评价指标权重相乘,进一步计算得到维度评价值,再将各维度评价值与对应的维度权重相乘,进一步计算得出业务集中运营成熟度等级评价值(或运营成熟度等级评价综合值)。维度评价值、指标评价值具体分别为维度、评价指标对应的分值。维度、评价指标,以及对应的分值、权重如表7所示,表中Wi(i=1,2,3,4,5,6)表示维度权重,wij(i=1,2,3,4,5,6;1≤j≤对应维度的评价指标数量)表示第i个维度的第j个评价指标。
表7
业务集中运营成熟度等级评价值(或运营成熟度等级评价综合值)、业务集中运营成熟度等级标签的对应关系如表8所示,其中,业务集中运营成熟度等级包括五个等级:Level 1至Level 5,分别为:网点分散运营、前后台分离、集中作业、集约化运营、智慧运营,表8中的五个等级对应的成熟度分值区间仅为示例。
表8
级别 | 名称 | 成熟度分值区间 |
Level 1 | 网点分散运营 | <1.0分 |
Level 2 | 前后台分离 | 1.0-2.0分 |
Level 3 | 集中作业 | 2.0-3.5分 |
Level 4 | 集约化运营 | 3.5-4.5分 |
Level 5 | 智慧运营 | >4.5分 |
本发明实施例的维度权重、评价指标权重的确定可以采用层次分析法。根据上述的评分体系结构进行定量分析。分别对维度和各维度下的评价指标进行权重(Wi和wij)的确定。维度权重的确定方法与评价指标权重的确定方法原理相同,以评价指标的权重确定为例,评价指标权重的确定步骤如下:构建判断矩阵:将评价指标两两进行对比,得出一个重要性结果,然后将这个结果以矩阵的形式进行呈现,其中重要程度差别等级如下:标度为1表示两个指标相比,具有同样的重要性;标度为3表示两个指标相比,前者比后者稍重要;标度为5表示两个指标相比,前者比后者明显重要;标度为7表示两个指标相比,前者比后者极其重要;标度为9表示两个指标相比,前者比后者强烈重要;标度为2、4、6、8表示上述两指标判断结果的中间值,比如,标度2是介于标度1和标度3之间的值。计算权向量(第一权向量):对于填写完的判断矩阵进行层次排序,计算权向量,即每个矩阵各因素针对其准则的相对权重。一致性检验:确定权向量后,对判断矩阵进行一致性检验。比如A比B重要,B比C重要,但是最后结果显示C比A重要,这样即为不一致。可以利用一致性指标、随机一致性指标和一致性比率进行一致性检验。若一致性检验通过,那么归一化后的特征向量即为权向量(第二权向量),若不通过,需返回到构建判断矩阵的步骤重新执行上述操作。参照上述步骤可进行维度权重的确定。
本发明实施例的样本银行的多维度运营数据,可以选取已实施集中作业和未实施集中作业的30家银行(即样本银行)分别做预设格式的问卷调查,问卷调查的格式设计应保证能够获取到上述样本银行的与各维度和各维度下的评价指标相关的运营数据,从而收集到样本银行的多维度运营数据。
本发明实施例的评价主体可以是银行业的行业专家。评价主体可以按照上述表1至表6的评价体系分别对30家银行的多维度运营数据进行评价,得到相应的指标评价值,即专家打分。对于单个样本银行,专家可以对其进行多次打分,以提高模型训练准确性。为了进一步提高模型训练准确性,可由多个专家在不同时间段对样本银行做出多次打分,以动态获取最新指标评价值。
在一个实施例中,按照各维度的评价指标对银行的多维度运营数据进行评价得到的指标评价值(具体可以是分值)可以共分为1、0.8、0.5、0.2、0五个级别,对各分值说明如下:对于商业银行实际运营情况完全符合评估要求的,评分分值为1分;对于商业银行实际运营情况大多数符合评估要求的,评分分值为0.8分;对于商业银行实际运营情况半数符合评估要求的,评分分值为0.5分;对于商业银行实际运营情况少数符合评估要求的,评分分值为0.2分;对于商业银行实际运营情况无符合评估要求的,评分分值为0分。
假设有N名专家参与打分,Mk表示第k个专家的成熟度评分结果(即第k个评价主体对一样本银行的业务集中运营成熟度等级评价值),k=1,2,…,N,N为整数,Ski表示对应第k个专家的第i个维度的维度评价值,即第k个评价主体对样本银行的多维度运营数据的第i个维度的维度评价值,或称评估维度分值,i=1,2,3,4,5,6,需要说明的是,本发明实施例的评估维度数不限于6个,当需扩展评估维度时,可适应性调整i的上限。
Mk的计算公式为:
其中,Wi表示第i个维度的权重。
Ski的计算公式如下:
其中,skij表示第k个专家给出的第i个维度下对应第j个评价指标的指标评价值,m表示第i个维度下的评价指标数量,wij表示第i个维度下第j个评价指标的权重。假设参与打分的各专家权重(即评价主体权重)相同,则对N个成熟度评分结果(或称业务集中运营成熟度等级评价值)进行加权平均计算,得到样本银行的集中运营成熟度分值M,M即业务集中运营成熟度等级评价综合值,M的计算公式如下:
如果参与打分的各专家权重不同,第k个专家的权重为Pk,则对N个成熟度评分结果进行加权计算,得到样本银行的集中运营成熟度分值M的计算公式如下:
其中,本实施例利用专家打分得到的指标评价值,计算得到样本银行的集中运营成熟度分值后,可以根据该集中运营成熟度分值,确定该样本银行的等级标签,即:由多个样本银行的业务集中运营成熟度等级评价综合值,确定多个样本银行的业务集中运营成熟度等级标签。利用采集多个样本银行的多维度运营数据,进行机器学习训练,利用每次训练得到的分类模型,当确定各样本银行的成熟度等级的准确率达到预设数值(如90%以上),则本次训练得到的分类模型已经足够准确,即达到模型训练收敛条件,将最后得到的分类模型作为后续实际应用的模型,即训练好的集中运营成熟度模型,以获取目标银行的业务集中运营成熟度等级。
本发明实施例的集中运营成熟度模型(简称模型)还可以引入支持人工干预的入口,具体地,集中运营成熟度模型可以执行计算指标评分值(即指标评价值)、维度评分值(即维度评价值)、集中运营成熟度分值的计算,并且中间计算结果(即模型的中间处理结果)可以输出以供人查看,专家论证时,如果模型的中间处理结果不准确,那么可以调整维度权重、评价指标的权重,或者同时调整二者的权重,模型可以按照更新后的权重(无需重新训练模型)来计算集中运营成熟度分值,并输出最终的处理结果,即新的业务集中运营成熟度等级。
图2是根据本发明一个实施例的集中运营成熟度模型训练过程示意图。
如图2所示,可以采集多个银行的多维度运营数据,例如A银行,B银行,等等,这些银行作为样本银行,图2中的成熟度评价指标体系具体执行的操作包括:从评价主体的客户端接收多个样本银行的多维度运营数据的各指标评价值,基于多个样本银行的多维度运营数据的各指标评价值、维度的权重、评价指标的权重,计算各样本银行的业务集中运营成熟度等级评价综合值,进而确定各样本银行的业务集中运营成熟度等级标签(简称等级标签),其中维度的数量为多个,且每个维度下的评价指标的数量为多个。图2中93,91,90,87……等分值为指标评价值,各样本银行的业务集中运营成熟度等级评价综合值以及对应的等级标签在图2中未示出,由于上文实施例已详细介绍了确定本发明实施例的等级标签的具体步骤,本实施例不再赘述。
样本银行的多维度运营数据的指标评价值是评价主体的客户端生成的,评价主体根据评价指标对样本银行的多维度运营数据评价,通过评价主体的客户端生成样本银行的多维度运营数据的指标评价值。
利用多个样本银行的多维度运营数据和对应的业务集中运营成熟度等级标签,训练集中运营成熟度模型,该模型输出目标银行的业务集中运营成熟度等级值。
本发明实施例将银行多个评估维度下的评价指标对应的多维度运营数据输入计算机系统,由系统预置的成熟度计算模型(即集中运营成熟度模型)自动分析现状定义数据,并自动计算集中运营成熟度等级。系统输出成熟度等级计算参考结果(即模型输出的业务集中运营成熟度等级值)后,由专家客户端返回对成熟度等级值进行反向合理性论证的数据,其中可包括指标评价值,本发明实施例可进一步对各评估维度、评价指标的权重进行调整,以优化训练好的集中运营成熟度模型。本发明实施例实现了通过明确细化的评价指标,对银行业务运营成熟度的精确度量,且计算效率高,提高了银行业务数据处理的自动化水平和智能化水平。
图3是根据本发明一个实施例的银行业务集中运营成熟度的计算装置的主要模块示意图。
如图3所示,本发明一个实施例的银行业务集中运营成熟度的计算装置300主要包括:运营数据采集模块301、指标评价值接收模块302、等级标签确定模块303、集中运营成熟度模型训练模块304、业务集中运营成熟度计算模块305。
运营数据采集模块301,用于采集多个样本银行的多维度运营数据,每一维度包括多个评价指标;
指标评价值接收模块302,用于接收多个样本银行的多维度运营数据的各指标评价值,样本银行的多维度运营数据的指标评价值是根据评价指标,对样本银行的多维度运营数据评价得到的;
等级标签确定模块303,用于基于多个样本银行的多维度运营数据的各指标评价值、维度的权重、评价指标的权重,确定多个样本银行的业务集中运营成熟度等级标签;
集中运营成熟度模型训练模块304,用于利用多个样本银行的多维度运营数据和对应的业务集中运营成熟度等级标签,训练集中运营成熟度模型;
业务集中运营成熟度计算模块305,用于在收到目标银行的多维度运营数据后,通过经过训练的集中运营成熟度模型,计算目标银行的业务集中运营成熟度等级值。
银行业务集中运营成熟度的计算装置300还包括权重确定模块,用于采用层次分析法确定评价指标的权重和维度的权重。
权重确定模块还用于:将对象指标进行两两比对,对象指标为维度、评价指标中的一种,根据比对结果构建判断矩阵,比对结果指示两个对象指标的重要性大小;利用判断矩阵确定各对象指标的第一权重构成的第一权向量;对判断矩阵进行一致性校验,在一致性校验通过后,对第一权向量进行归一化,得到第二权向量,第二权向量包括各对象指标的权重。
在一个实施例中,等级标签确定模块303具体用于:根据评价主体对多个样本银行的多维度运营数据的各指标评价值,以及各评价指标的权重,计算得到评价主体对每个样本银行的多维度运营数据的维度评价值;根据评价主体对多个样本银行的多维度运营数据的各维度评价值,以及各维度的权重,计算得到评价主体对每个样本银行的业务集中运营成熟度等级评价值;由评价主体对多个样本银行的业务集中运营成熟度等级评价值,确定多个样本银行的业务集中运营成熟度等级标签。
在一个实施例中,评价主体的数量为多个,每个评价主体对每个样本银行的多维度运营数据均有对应的各指标评价值、各维度评价值以及样本银行的业务集中运营成熟度等级评价值;等级标签确定模块303具体用于:基于各评价主体对每个样本银行的业务集中运营成熟度等级评价值,确定每个样本银行的业务集中运营成熟度等级评价综合值;由多个样本银行的业务集中运营成熟度等级评价综合值,确定多个样本银行的业务集中运营成熟度等级标签。
每个评价主体有对应的评价主体权重;等级标签确定模块还用于:对于每个样本银行,基于各评价主体对样本银行的业务集中运营成熟度等级评价值,以及各评价主体的评价主体权重,计算各评价主体对样本银行的业务集中运营成熟度等级评价值的加权和;根据各评价主体对样本银行的业务集中运营成熟度等级评价值的加权和与评价主体的权重和的比值,得到样本银行的业务集中运营成熟度等级评价综合值。
在一个实施例中,银行业务集中运营成熟度的计算装置300还包括第一模型构建模块,用于:基于决策树算法模型、朴素贝叶斯分类算法模型、最小二乘法算法模型、逻辑回归算法模型、奇异值分解算法模型中的一个算法模型构建集中运营成熟度模型。
在另一个实施例中,还包括第二模型构建模块,用于:基于决策树算法模型、朴素贝叶斯分类算法模型、最小二乘法算法模型、逻辑回归算法模型、奇异值分解算法模型中的多个算法模型,分别构建多个备用分类模型;对多个备用分类模型进行模型评估,根据模型评估的结果选定其中一个备用分类模型,得到集中运营成熟度模型。
业务集中运营成熟度计算模块305具体用于:在计算目标银行的业务集中运营成熟度等级值之后,执行如下操作:将目标银行的业务集中运营成熟度等级值发送到一个或多个评价主体的客户端;接收一个或多个评价主体的客户端返回的对目标银行的多维度运营数据的指标评价值校正值;根据指标评价值校正值,更新各维度的权重和/或各评价指标的权重。
业务集中运营成熟度计算模块具体还用于:读取集中运营成熟度模型的中间处理结果,中间处理结果包括对目标银行的多维度运营数据的指标评价值,根据对目标银行的多维度运营数据的指标评价值以及对应的指标评价值校正值的比对结果,更新各维度的权重和/或各评价指标的权重,更新后的权重用于集中运营成熟度模型计算目标银行的新的业务集中运营成熟度等级值。
各维度包括:战略规划维度、业务覆盖维度、生产作业维度、运营管理维度、风险防控维度、系统支撑维度。
战略规划维度的评价指标包括运营实施规划指标、详细实施计划指标、资源投入指标、管理改进能力指标;业务覆盖维度包括业务集中原则指标、业务集中范围指标、推广保障指标;生产作业维度包括集中作业流程定义指标、作业标准化程度指标、协同作业模式指标;运营管理维度包括机构设置指标、岗位职责定义指标、生产排班指标、监控调度指标、质效评价指标和人员管理指标;风险防控维度包括风险管理制度指标、风险防控措施指标、风险集中程度指标、风控数据分析能力指标;系统支撑维度包括集中作业平台建设指标、银行信息技术建设指标、先进技术应用指标。
另外,在本发明实施例中银行业务集中运营成熟度的计算装置的具体实施内容,在上面银行业务集中运营成熟度的计算方法中已经详细说明了,故在此重复内容不再说明。
图4示出了可应用本发明实施例的银行业务集中运营成熟度的计算方法或银行业务集中运营成熟度的计算装置的示例性系统架构400。
如图4所示,系统架构400可以包括终端设备401、402、403,网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用,例如网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的银行业务集中运营成熟度的计算方法一般由服务器405执行,相应地,银行业务集中运营成熟度的计算装置一般设置于服务器405中。应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图5,其示出了适于用来实现本申请实施例的服务器的计算机系统500的结构示意图。图5示出的服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考主要步骤示意图描述的过程可被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行主要步骤示意图所示的方法的程序代码。在这样的实施例中,该计算机程序可通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的主要步骤示意图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,主要步骤示意图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或主要步骤示意图中的每个方框、以及框图或主要步骤示意图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括运营数据采集模块、指标评价值接收模块、等级标签确定模块、集中运营成熟度模型训练模块、业务集中运营成熟度计算模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,运营数据采集模块还可以被描述为“用于采集多个样本银行的多维度运营数据的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:采集多个样本银行的多维度运营数据,每一维度包括多个评价指标;接收所述多个样本银行的多维度运营数据的各指标评价值,所述样本银行的多维度运营数据的指标评价值是根据所述评价指标,对所述样本银行的多维度运营数据评价得到的;基于所述多个样本银行的多维度运营数据的各指标评价值、所述维度的权重、所述评价指标的权重,确定所述多个样本银行的业务集中运营成熟度等级标签;利用所述多个样本银行的多维度运营数据和对应的业务集中运营成熟度等级标签,训练集中运营成熟度模型;在收到目标银行的多维度运营数据后,通过经过训练的所述集中运营成熟度模型,计算所述目标银行的业务集中运营成熟度等级值。
根据本发明实施例的技术方案,能够定量计算银行业务集中运营成熟度,实现对业务运营成熟度的精确度量,提高银行业务数据的处理效率以及银行系统的风险管控能力,提高银行业务处理的自动化水平和智能化水平。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (15)
1.一种银行业务集中运营成熟度的计算方法,其特征在于,包括:
采集多个样本银行的多维度运营数据,每一维度包括多个评价指标;
接收所述多个样本银行的多维度运营数据的各指标评价值,所述样本银行的多维度运营数据的指标评价值是根据所述评价指标,对所述样本银行的多维度运营数据评价得到的;
基于所述多个样本银行的多维度运营数据的各指标评价值、所述维度的权重、所述评价指标的权重,确定所述多个样本银行的业务集中运营成熟度等级标签;
利用所述多个样本银行的多维度运营数据和对应的业务集中运营成熟度等级标签,训练集中运营成熟度模型;
在收到目标银行的多维度运营数据后,通过经过训练的所述集中运营成熟度模型,计算所述目标银行的业务集中运营成熟度等级值。
2.根据权利要求1所述的方法,其特征在于,采用层次分析法确定所述评价指标的权重和所述维度的权重。
3.根据权利要求2所述的方法,其特征在于,所述采用层次分析法确定所述评价指标的权重和所述维度的权重,包括:
将对象指标进行两两比对,所述对象指标为所述维度、所述评价指标中的一种,根据比对结果构建判断矩阵,所述比对结果指示两个所述对象指标的重要性大小;
利用所述判断矩阵确定各所述对象指标的第一权重构成的第一权向量;
对所述判断矩阵进行一致性校验,在所述一致性校验通过后,对所述第一权向量进行归一化,得到第二权向量,所述第二权向量包括各所述对象指标的权重。
4.根据权利要求1所述的方法,其特征在于,所述基于所述多个样本银行的多维度运营数据的各指标评价值、所述维度的权重、所述评价指标的权重,确定所述多个样本银行的业务集中运营成熟度等级标签,包括:
根据评价主体对所述多个样本银行的多维度运营数据的各指标评价值,以及各所述评价指标的权重,计算得到所述评价主体对每个所述样本银行的多维度运营数据的维度评价值;
根据所述评价主体对所述多个样本银行的多维度运营数据的各维度评价值,以及各所述维度的权重,计算得到所述评价主体对每个所述样本银行的业务集中运营成熟度等级评价值;
由所述评价主体对所述多个样本银行的业务集中运营成熟度等级评价值,确定所述多个样本银行的业务集中运营成熟度等级标签。
5.根据权利要求4所述的方法,其特征在于,所述评价主体的数量为多个,每个所述评价主体对每个所述样本银行的多维度运营数据均有对应的所述各指标评价值、所述各维度评价值以及所述样本银行的业务集中运营成熟度等级评价值;
所述由所述评价主体对所述多个样本银行的业务集中运营成熟度等级评价值,确定所述多个样本银行的业务集中运营成熟度等级标签,包括:
基于各所述评价主体对每个所述样本银行的业务集中运营成熟度等级评价值,确定每个所述样本银行的业务集中运营成熟度等级评价综合值;
由所述多个样本银行的业务集中运营成熟度等级评价综合值,确定所述多个样本银行的业务集中运营成熟度等级标签。
6.根据权利要求5所述的方法,其特征在于,每个所述评价主体有对应的评价主体权重;
所述基于各所述评价主体对每个所述样本银行的业务集中运营成熟度等级评价值,确定每个所述样本银行的业务集中运营成熟度等级评价综合值,包括:
对于每个所述样本银行,基于各所述评价主体对所述样本银行的业务集中运营成熟度等级评价值,以及各所述评价主体的所述评价主体权重,计算各所述评价主体对所述样本银行的业务集中运营成熟度等级评价值的加权和;根据各所述评价主体对所述样本银行的业务集中运营成熟度等级评价值的加权和与所述评价主体的权重和的比值,得到所述样本银行的业务集中运营成熟度等级评价综合值。
7.根据权利要求1所述的方法,其特征在于,还包括:
基于决策树算法模型、朴素贝叶斯分类算法模型、最小二乘法算法模型、逻辑回归算法模型、奇异值分解算法模型中的一个算法模型构建所述集中运营成熟度模型。
8.根据权利要求1所述的方法,其特征在于,还包括:
基于决策树算法模型、朴素贝叶斯分类算法模型、最小二乘法算法模型、逻辑回归算法模型、奇异值分解算法模型中的多个算法模型,分别构建多个备用分类模型;
对所述多个备用分类模型进行模型评估,根据所述模型评估的结果选定其中一个所述备用分类模型,得到所述集中运营成熟度模型。
9.根据权利要求1所述的方法,其特征在于,所述计算所述目标银行的业务集中运营成熟度等级值之后,包括:
将所述目标银行的业务集中运营成熟度等级值发送到一个或多个评价主体的客户端;
接收所述一个或多个评价主体的客户端返回的对所述目标银行的多维度运营数据的指标评价值校正值;
根据所述指标评价值校正值,更新各所述维度的权重和/或各所述评价指标的权重。
10.根据权利要求9所述的方法,其特征在于,所述根据所述指标评价值校正值,更新各所述维度的权重和/或各所述评价指标的权重,包括:
读取所述集中运营成熟度模型的中间处理结果,所述中间处理结果包括对所述目标银行的多维度运营数据的指标评价值,根据对所述目标银行的多维度运营数据的指标评价值以及对应的所述指标评价值校正值的比对结果,更新各所述维度的权重和/或各所述评价指标的权重,更新后的所述权重用于所述集中运营成熟度模型计算所述目标银行的新的业务集中运营成熟度等级值。
11.根据权利要求1所述的方法,其特征在于,各所述维度包括:战略规划维度、业务覆盖维度、生产作业维度、运营管理维度、风险防控维度、系统支撑维度。
12.根据权利要求11所述的方法,其特征在于,所述战略规划维度的评价指标包括运营实施规划指标、详细实施计划指标、资源投入指标、管理改进能力指标;所述业务覆盖维度包括业务集中原则指标、业务集中范围指标、推广保障指标;所述生产作业维度包括集中作业流程定义指标、作业标准化程度指标、协同作业模式指标;所述运营管理维度包括机构设置指标、岗位职责定义指标、生产排班指标、监控调度指标、质效评价指标和人员管理指标;所述风险防控维度包括风险管理制度指标、风险防控措施指标、风险集中程度指标、风控数据分析能力指标;所述系统支撑维度包括集中作业平台建设指标、银行信息技术建设指标、先进技术应用指标。
13.一种银行业务集中运营成熟度的计算装置,其特征在于,包括:
运营数据采集模块,用于采集多个样本银行的多维度运营数据,每一维度包括多个评价指标;
指标评价值接收模块,用于接收所述多个样本银行的多维度运营数据的各指标评价值,所述样本银行的多维度运营数据的指标评价值是根据所述评价指标,对所述样本银行的多维度运营数据评价得到的;
等级标签确定模块,用于基于所述多个样本银行的多维度运营数据的各指标评价值、所述维度的权重、所述评价指标的权重,确定所述多个样本银行的业务集中运营成熟度等级标签;
集中运营成熟度模型训练模块,用于利用所述多个样本银行的多维度运营数据和对应的业务集中运营成熟度等级标签,训练集中运营成熟度模型;
业务集中运营成熟度计算模块,用于在收到目标银行的多维度运营数据后,通过经过训练的所述集中运营成熟度模型,计算所述目标银行的业务集中运营成熟度等级值。
14.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-12中任一所述的方法。
15.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-12中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110736780.6A CN113361959A (zh) | 2021-06-30 | 2021-06-30 | 一种银行业务集中运营成熟度的计算方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110736780.6A CN113361959A (zh) | 2021-06-30 | 2021-06-30 | 一种银行业务集中运营成熟度的计算方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113361959A true CN113361959A (zh) | 2021-09-07 |
Family
ID=77537605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110736780.6A Pending CN113361959A (zh) | 2021-06-30 | 2021-06-30 | 一种银行业务集中运营成熟度的计算方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113361959A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114331164A (zh) * | 2021-12-31 | 2022-04-12 | 上海时代光华教育发展有限公司 | 学习管理系统成熟度评估方法、装置及电子设备 |
CN115310876A (zh) * | 2022-10-11 | 2022-11-08 | 南京国睿信维软件有限公司 | 一种基于可配置业务规则的成熟度管理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063976A (zh) * | 2018-07-12 | 2018-12-21 | 李振轩 | 基于模糊层次分析法的智能制造能力成熟度评价方法 |
CN109447508A (zh) * | 2018-11-12 | 2019-03-08 | 北京航天智造科技发展有限公司 | 一种企业智能化改造成熟度评价方法 |
CN111047122A (zh) * | 2018-10-11 | 2020-04-21 | 北京国双科技有限公司 | 企业数据成熟度评估方法、装置及计算机设备 |
-
2021
- 2021-06-30 CN CN202110736780.6A patent/CN113361959A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063976A (zh) * | 2018-07-12 | 2018-12-21 | 李振轩 | 基于模糊层次分析法的智能制造能力成熟度评价方法 |
CN111047122A (zh) * | 2018-10-11 | 2020-04-21 | 北京国双科技有限公司 | 企业数据成熟度评估方法、装置及计算机设备 |
CN109447508A (zh) * | 2018-11-12 | 2019-03-08 | 北京航天智造科技发展有限公司 | 一种企业智能化改造成熟度评价方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114331164A (zh) * | 2021-12-31 | 2022-04-12 | 上海时代光华教育发展有限公司 | 学习管理系统成熟度评估方法、装置及电子设备 |
CN115310876A (zh) * | 2022-10-11 | 2022-11-08 | 南京国睿信维软件有限公司 | 一种基于可配置业务规则的成熟度管理方法 |
CN115310876B (zh) * | 2022-10-11 | 2023-04-14 | 中国航空工业集团公司成都飞机设计研究所 | 一种基于可配置业务规则的成熟度管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112614011B (zh) | 电力配网物资需求预测方法和装置、存储介质及电子设备 | |
CN113361959A (zh) | 一种银行业务集中运营成熟度的计算方法和装置 | |
CN112561082A (zh) | 生成模型的方法、装置、设备以及存储介质 | |
CN112417060A (zh) | 识别企业关系的方法、装置、设备和计算机可读介质 | |
CN116976713A (zh) | 对象评估方法、装置、存储介质及电子设备 | |
CN113379124A (zh) | 基于预测模型的人员稳定性预测方法及装置 | |
CN111861004B (zh) | 日收入产量的自动佣金预测方法、系统、设备及存储介质 | |
CN112950359A (zh) | 一种用户识别方法和装置 | |
CN116681410A (zh) | 基于云计算的人力资源数据管理系统及管理方法 | |
CN110826777A (zh) | 风电竞价场内交易数据分析方法、装置、设备及介质 | |
CN115796585A (zh) | 一种企业经营风险评估方法及系统 | |
CN113450208A (zh) | 贷款风险变动预警、模型训练方法和装置 | |
CN112907362A (zh) | 贷款业务的处理方法、装置、电子设备和存储介质 | |
CN113781247A (zh) | 协议数据推荐方法、装置、计算机设备及存储介质 | |
CN112734352A (zh) | 一种基于数据维度的单据审核方法和装置 | |
CN111565121A (zh) | 人员及技术对it支撑度评估方法及装置 | |
CN114723256A (zh) | 构建评价框架的方法、装置、电子设备和计算机可读介质 | |
CN111652501B (zh) | 金融产品评估装置及方法、电子设备、存储介质 | |
WO2022227213A1 (zh) | 行业推荐方法、装置、计算机设备及存储介质 | |
CN109726882A (zh) | 一种对对象进行评价的方法和装置 | |
CN118093515A (zh) | 数据处理方法、装置、设备、介质和程序产品 | |
CN117574268A (zh) | 用户群构建方法、装置、设备、介质和程序产品 | |
CN118096354A (zh) | 资源额度推荐方法及装置、电子设备、存储介质和计算机程序产品 | |
CN113191382A (zh) | 一种用户监察标签分类的方法和装置 | |
CN116362866A (zh) | 汽车分期预授信额度的确定方法、系统和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210907 |