CN113723865A - 网点运营水平评估方法及装置、电子设备、存储介质 - Google Patents
网点运营水平评估方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN113723865A CN113723865A CN202111087910.4A CN202111087910A CN113723865A CN 113723865 A CN113723865 A CN 113723865A CN 202111087910 A CN202111087910 A CN 202111087910A CN 113723865 A CN113723865 A CN 113723865A
- Authority
- CN
- China
- Prior art keywords
- data
- index
- target
- target index
- information system
- 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
- 238000011156 evaluation Methods 0.000 title claims description 97
- 230000009467 reduction Effects 0.000 claims abstract description 82
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 17
- 238000010606 normalization Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 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
- 230000003068 static 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
- G06Q10/06—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
- 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
- G06Q10/06395—Quality analysis or management
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种网点运营水平评估方法及装置、电子设备、存储介质,可应用于大数据领域或金融领域,其中,所述网点运营水平评估方法包括:获取多项目标指标的数据;其中,所述目标指标为影响运行水平的指标;对各项所述目标指标的数据进行预处理,得到初始信息系统;基于属性约简算法,剔除所述初始信息系统中冗余的所述目标指标的数据,得到约简信息系统;计算所述约简信息系统中的各项所述目标指标对应的属性重要度;基于各项所述目标指标对应的属性重要度,确定各项所述目标指标对应的权重;分别针对每个网点,利用所述网点在各项所述目标指标下的得分以及各项所述目标指标对应的权重,计算得到所述网点的总得分。
Description
技术领域
本申请涉及水平评估技术领域,特别涉及一种网点运营水平评估方法及装置、电子设备、存储介质。
背景技术
现今,银行等需要大公司都会在多个地方设立网点或者分公司,而为了便于对各个网点进行管理,需要对各个网点的运营水平进行评估。
现有的方式,主要是基于网点的运营数据,计算网点在每一项关键绩效指标(KeyPerformance Indicator,KPI),并将每一项KPI乘以预先根据经验设定的权重值,然后对所得到的结果进行累加,得到网点的运营得分。
但是,由于网点的运营数据量较大,对每项KPI进行计算,使得计算量过大,从而容易出现错误,导致评估结果不准确。并且,各项KPI是人为选取的,并且对应的权重值不具有客观性,这也使得评估的结构不够准确。
发明内容
基于上述现有技术的不足,本申请提供了一种网点运营水平评估方法及装置、电子设备、存储介质,以解决现有的方式得到的结果不够准确的问题。
为了实现上述目的,本申请提供了以下技术方案:
本申请第一方面提供了一种网点运营水平评估方法,包括:
获取多项目标指标的数据;其中,所述目标指标为影响运行水平的指标;
对各项所述目标指标的数据进行预处理,得到初始信息系统;
基于属性约简算法,剔除所述初始信息系统中冗余的所述目标指标的数据,得到约简信息系统;
计算所述约简信息系统中的各项所述目标指标对应的属性重要度;
基于各项所述目标指标对应的属性重要度,确定各项所述目标指标对应的权重;
分别针对每个网点,利用所述网点在各项所述目标指标下的得分以及各项所述目标指标对应的权重,计算得到所述网点的总得分。
可选地,在上述的方法中,所述对各项所述目标指标的数据进行预处理,得到初始信息系统,包括:
分别针对每项所述目标指标,将所述目标指标的每个数据和所述目标指标的最小数据的差值的绝对值除以所述目标指标的最大数据和所述目标指标的最小数据的差值,得到标准化处理后的所述目标指标的数据;其中,所述目标指标的最小数据为所述目标指标的数据中的最小值,所述目标指标的最大数据为各项所述目标指标的数据中的最大值;
分别针对每项所述目标指标,基于标准化处理后的所述目标指标的数据的平均值以及标准差,确定出所述目标指标对应的多个数值范围;
分别将每项所述目标指标的各个数据更新为标准化处理后的所述目标指标的数据所处的对应的所述数值范围对应的数值,得到初始信息系统。
可选地,在上述的方法中,所述基于属性约简算法,剔除所述初始信息系统中冗余的所述目标指标的数据,得到约简信息系统,包括:
通过属性子集评估函数计算得到当前的约简数据集的评估值以及当前的每个待处理指标对应的评估值;其中,所述约简数据集初始为空集;当前的所述待处理指标为所述初始信息系统中其下的数据不包含于当前的所述约简数据集的所述目标指标;所述待处理指标对应的评估值为所述待处理指标的数据与当前的所述约简数据集的并集的评估值;
分别将当前的每个所述待处理指标对应的评估值与当前的所述约简数据集的评估值的差值,确定为当前的每个所述待处理指标对应的属性重要度;
从当前的各个所述待处理指标中,选取出属性重要度最大的所述待处理指标,确定为当前的最优指标;
判断当前的所述最优指标的属性重要度是否大于零;
若判断出当前的所述最优指标的属性重要度大于零,则将当前的所述最优指标的数据添加至当前的所述约简数据集,得到最新的当前的所述约简数据集,并针对最新的当前的所述约简数据集,返回执行所述通过属性子集评估函数计算得到当前的约简数据集的评估值以及当前的每个待处理指标对应的评估值;
若判断出当前的所述最优指标的属性重要度不大于零,则将当前的所述约简数据集确定为约简信息系统。
可选地,在上述的方法中,所述计算所述约简信息系统中的各项所述目标指标对应的属性重要度,包括:
通过属性子集评估函数,计算所述约简信息系统中所有所述目标指标的数据组成的集合的评估值,以及每项所述目标指标对应的评估值;其中,所述目标指标对应的评估值为所述约简信息系统中出所述目标指标的数据外,其他所述目标指标的数据组成的集合的评估值;
分别将所述约简信息系统中所有所述目标指标的数据组成的集合的评估值与每项所述目标指标对应的评估值的差值,确定为每项所述目标指标对应的属性重要度。
可选地,在上述的方法中,所述基于各项所述目标指标对应的属性重要度,确定各项所述目标指标对应的权重,包括:
分别将每项所述目标指标对应的属性重要度除以所有所述目标指标对应的属性重要度的总和,得到每项所述目标指标对应的权重。
可选地,在上述的方法中,所述分别针对每个网点,利用所述网点在各项所述目标指标下的得分以及各项所述目标指标对应的权重,计算得到所述网点的总得分,包括:
分别针对每个网点,将所述网点在各项所述目标指标下的得分与相应的所述目标指标对应的权重的乘积进行累加,得到所述网点的总等分。
本申请第二方面提供了一种网点运营水平评估装置,包括:
获取单元,用于获取多项目标指标的数据;其中,所述目标指标为影响运行水平的指标;
预处理单元,用于对各项所述目标指标的数据进行预处理,得到初始信息系统;
约简单元,用于基于属性约简算法,剔除所述初始信息系统中冗余的所述目标指标的数据,得到约简信息系统;
重要度计算单元,用于计算所述约简信息系统中的各项所述目标指标对应的属性重要度;
权重确定单元,用于基于各项所述目标指标对应的属性重要度,确定各项所述目标指标对应的权重;
得分计算单元,用于分别针对每个网点,利用所述网点在各项所述目标指标下的得分以及各项所述目标指标对应的权重,计算得到所述网点的总得分。
可选地,在上述的装置中,所述预处理单元,包括:
标准化处理单元,用于分别针对每项所述目标指标,将所述目标指标的每个数据和所述目标指标的最小数据的差值的绝对值除以所述目标指标的最大数据和所述目标指标的最小数据的差值,得到标准化处理后的所述目标指标的数据;其中,所述目标指标的最小数据为所述目标指标的数据中的最小值,所述目标指标的最大数据为各项所述目标指标的数据中的最大值;
离散化处理单元,用于分别针对每项所述目标指标,基于标准化处理后的所述目标指标的数据的平均值以及标准差,确定出所述目标指标对应的多个数值范围,并分别将每项所述目标指标的各个数据更新为标准化处理后的所述目标指标的数据所处的对应的所述数值范围对应的数值,得到初始信息系统。
可选地,在上述的装置中,所述约简单元,包括:
第一计算单元,用于通过属性子集评估函数计算得到当前的约简数据集的评估值以及当前的每个待处理指标对应的评估值;其中,所述约简数据集初始为空集;当前的所述待处理指标为所述初始信息系统中其下的数据不包含于当前的所述约简数据集的所述目标指标;所述待处理指标对应的评估值为所述待处理指标的数据与当前的所述约简数据集的并集的评估值;
第一确定单元,用于分别将当前的每个所述待处理指标对应的评估值与当前的所述约简数据集的评估值的差值,确定为当前的每个所述待处理指标对应的属性重要度;
选取单元,从当前的各个所述待处理指标中,选取出属性重要度最大的所述待处理指标,确定为当前的最优指标;
判断单元,用于判断当前的所述最优指标的属性重要度是否大于零;
添加单元,用于若判断出当前的所述最优指标的属性重要度大于零,则将当前的所述最优指标的数据添加至当前的所述约简数据集,得到最新的当前的所述约简数据集,并针对最新的当前的所述约简数据集,返回第一计算单元执行所述通过属性子集评估函数计算得到当前的约简数据集的评估值以及当前的每个待处理指标对应的评估值;
第二确定单元,用于若判断出当前的所述最优指标的属性重要度不大于零,则将当前的所述约简数据集确定为约简信息系统。
可选地,在上述的装置中,所述重要度计算单元,包括:
第二计算单元,用于通过属性子集评估函数,计算所述约简信息系统中所有所述目标指标的数据组成的集合的评估值,以及每项所述目标指标对应的评估值;其中,所述目标指标对应的评估值为所述约简信息系统中出所述目标指标的数据外,其他所述目标指标的数据组成的集合的评估值;
第三确定单元,用于分别将所述约简信息系统中所有所述目标指标的数据组成的集合的评估值与每项所述目标指标对应的评估值的差值,确定为每项所述目标指标对应的属性重要度。
可选地,在上述的装置中,所述权重确定单元,包括:
权重确定子单元,用于分别将每项所述目标指标对应的属性重要度除以所有所述目标指标对应的属性重要度的总和,得到每项所述目标指标对应的权重。
可选地,在上述的装置中,所述得分计算单元,包括:
得分子计算单元,用于分别针对每个网点,将所述网点在各项所述目标指标下的得分与相应的所述目标指标对应的权重的乘积进行累加,得到所述网点的总等分。
本申请第三方面提供了一种电子设备,包括:
存储器和处理器;
其中,所述存储器用于存储程序;
所述处理器用于执行所述程序,所述程序被执行时,具体用于实现如上述任意一项所述的网点运营水平评估方法。
本申请第四方面提供了一种计算机存储介质,用于存储计算机程序,所述计算机程序被执行时,用于实现如上述任意一项所述的网点运营水平评估方法。
本申请实施例提供了一种网点运营水平评估方法,获取多项影响运行水平的目标指标的数据。然后,对各项目标指标的数据进行预处理,得到初始信息系统。然后,基于属性约简算法,剔除所述初始信息系统中冗余的所述目标指标的数据,得到约简信息系统。从而客户地挑选出对运营水平影响较高的指标项,也减少了后续计算的数据量,提高评估结果的准确性。计算约简信息系统中的各项所述目标指标对应的属性重要度,并基于各项目标指标对应的属性重要度,确定各项目标指标对应的权重,保证了指标权重的客观性,进而保证。最后,分别针对每个网点,利用网点在各项目标指标下的得分以及各项目标指标对应的权重,计算得到网点的总得分。
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的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种网点运营水平评估方法的流程图;
图2为本申请另一实施例提供的一种对目标指标的数据预处理的方法的流程图;
图3为本申请另一实施例提供的提出冗余目标指标的数据的方法的流程图;
图4为本申请另一实施例提供的一种目标指标对应的属性重要度的计算方法的流程图;
图5为本申请另一实施例提供的一种网点运营水平评估装置的结构示意图;
图6为本申请另一实施例提供的一种约简单元的结构示意图;
图7为本申请另一实施例提供的一种电子设备的结构示意图。
具体实施方式
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。
在本申请中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且术语“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、物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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本申请实施例提供了一种网点运营水平评估方法,如图1所示,包括以下步骤:
S101、获取多项目标指标的数据。
其中,目标指标为影响运行水平的指标,例如净利润、中间业务收入、日均存款、私人银行客户数、客户满意度、客户投诉率等。
需要说明的是,一个指标下通常包括有多个数据,例如,客户服务评分下包括有多个用户的客户满意度分值,所以获取多个目标指标的数据,具体为获取多个目标指标下的多个数据,即在目标指标的数据通常指的是目标指标下包括的数据的集合。当然,一个目标指标下也可以只包括有一个数据。
S102、对各项目标指标的数据进行预处理,得到初始信息系统。
由于获取目标指标的数据的格式或者取值范围大小等存在较大差异,或者存在错误数据等,因此需要先对目标指标的数据进行预处理,并基于预处理后的目标指标的数据生成初始信息系统。其中,初始信息系统可以简单地认为是预处理后的各项目标指标的数据的集合。初始信息系统至少包括有各项目标指标的数据,并且还可以包括有各项指标的名称,各项指标与其对应的数据的映射关系等。例如,初始信息系统可以表示为IS=(U,A,V,f)。其中,U为获取到的目标指标的数据对应的对象集:U={x1,x2,x3,...,x|U|},A为目标指标的集合:A={a1,a2,a3,...,a|A|};V为各个目标指标的值域;f为对象与目标指标的映射关系。
可选地,在本申请另一实施例中,步骤S102的一种具体实施方式,如图2所示,包括以下步骤:
S201、分别针对每项目标指标,将目标指标的每个数据和目标指标的最小数据的差值的绝对值除以目标指标的最大数据和目标指标的最小数据的差值,得到标准化处理后的目标指标的数据。
其中,目标指标的最小数据为目标指标的数据中的最小值,目标指标的最大数据为目标指标的数据中的最大值。
在本申请实施例中,对各项目标指标的数据进行预处理主要为标准化处理以及离散化处理。当然,这只是其中一种可选的方式,也可以采用其他预处理手段或者额外采用其他预处理手段进行预处理。
在本申请实施例中,首先分别对各项目标指标的数据进行统一标准化处理。具体的处理方式如步骤S201所示,采用公式表示可以表示为:
bl(x)=|bl(x)-bl(x)min|/(bl(x)max-bl(x)min)
S202、分别针对每项目标指标,基于标准化处理后的目标指标的数据的平均值以及标准差,确定出目标指标对应的多个数值范围。
可选地,可以通过标准差确定算一个界限值,具体可以是之间将标准差确定为该界限值,或者利用标准差进一步计算得到,然后基于平均值与该界限值,将目标指标数据划分为多个数据范围,并将其作为目标指标对应的多个数值范围。例如,计算得到的界限值为:δ,平均值为则划分的区间可以为:
S203、分别将每项目标指标的各个数据更新为标准化处理后的目标指标的数据所处的对应的所述数值范围对应的数值,得到初始信息系统。
具体的,设置每个数值范围对应的数值,然后将落入该数值范围的数据,变换为该数值范围对应的数值。例如:
S103、基于属性约简算法,剔除初始信息系统中冗余的目标指标的数据,得到约简信息系统。
需要说明的是,本申请实施例提供的方法,主要基于粗糙集实现,粗糙集是一种刻画不完整性和不确定性的数学工具,能有效地分析不确定,不一致、不完整等各种不完备的信息,还可以对数据进行分析和推理,从中发现隐含的知识,揭露潜在的规律。所构建的初始信息系统相当于一个粗糙集。
而由于粗糙集容易包含有对结果没有影响或者影响较小的数据,所以需要对其约简,即需要进行属性约简。其中,属性约简指的是通过找到一个较小的属性集,使得用该属性集描述对象集合,代替之前使用的大集合来描述对象集合,从而减少属性集中的属性个数,减少了冗余属性。
可选地,在本申请另一实施例中,步骤S103的一种具体实施方式,如图3所示,包括以下步骤:
S301、通过属性子集评估函数计算得到当前的约简数据集的评估值以及当前的每个待处理指标对应的评估值。
其中,约简数据集初始为空集。当前的待处理指标为初始信息系统中其下的数据不包含于当前的约简数据集的目标指标。待处理指标对应的评估值为待处理指标的数据与当前的约简数据集的并集的评估值。
需要说明的是,评估值可以是数据集合的重要程度。通过计算在约简数据集中添加各项目标指标的数据前后的评估值,以在步骤S302确定出各县目标指标的属性重要度。例如,约简数据集为red,A表示所有目标指标项的数据集合,ai表示一个待处理指标的数据,所以ai∈A-red,计算当前的约简数据集的评估值为:H(red);待处理指标对应的评估值为:H(red∪{ai})。
S302、分别将当前的每个待处理指标对应的评估值与当前的约简数据集的评估值的差值,确定为当前的每个待处理指标对应的属性重要度。
一个待处理指标对应的评估值为在约简数据集中增加该待处理指标的数据后的评估值,所以待处理指标对应的评估值与当前的约简数据集的评估值的差值,即为待处理指标对应的属性重要度,可以表示为:
SIG(ai,red)=H(red)-H(red∪{ai})
S303、从当前的各个待处理指标中,选取出属性重要度最大的待处理指标,确定为当前的最优指标。
S304、判断当前的最优指标的属性重要度是否大于零。
由于,当前的最优指标的属性重要度大于零,说明将其添加至约简数据集中是具有增益的,所以若判断出当前的最优指标的属性重要度大于零,则执行步骤S305。当前的最优指标的属性重要度不大于零,则前天的待处理指标的属性重要度更小,说明当前的所述有待处理指标添加至约简数据集中都不具有增益,因此此时执行步骤S306。
S305、将当前的最优指标的数据添加至当前的约简数据集,得到最新的当前的约简数据集。
需要说明的是,在执行步骤S305得到最新的当前的约简数据集后,针对最新的当前的约简数据集,返回执行步骤S301。
S306、将当前的约简数据集确定为约简信息系统。
S104、计算约简信息系统中的各项目标指标对应的属性重要度。
可选地,在本申请另一实施例中,步骤S104的一种具体实施方式,如图4所示,包括:
S401、通过属性子集评估函数,计算约简信息系统中所有目标指标的数据组成的集合的评估值,以及每项目标指标对应的评估值。
其中,目标指标对应的评估值为约简信息系统中出目标指标的数据外,其他目标指标的数据组成的集合的评估值。
可选地,所使用的属性子集评估函数可以是与步骤S301中的函数为同一函数。对于约简信息系统中所有目标指标的数据组成的集合A的评估值进行计算,具体可以表示为:
其中,U表示获取的所有目标指标的数据组成的集合,Xi表示约简信息系统中的一个目标指标项的数据。
S402、分别将约简信息系统中所有目标指标的数据组成的集合的评估值与每项目标指标对应的评估值的差值,确定为每项目标指标对应的属性重要度。
相应的,一项目标指标对应的属性重要度可以表示为:
SIG(ai,A)=H(A)-H(A-{ai})
S105、基于各项目标指标对应的属性重要度,确定各项目标指标对应的权重。
其中,目标指标对应的属性重要度越大,则各项目标指标对应的权重越大。
可选地,可以是直接将各项目标指标对应的属性重要度,确定为各项目标指标对应的权重,或者采用其他方式确定各项目标指标对应的权重。
可选的,步骤S105的一种具体实施方式,包括:
分别将每项目标指标对应的属性重要度除以所有目标指标对应的属性重要度的总和,得到每项目标指标对应的权重。
S106、分别针对每个网点,利用网点在各项目标指标下的得分以及各项目标指标对应的权重,计算得到网点的总得分。
具体的,步骤S106的一种具体实施方式为:分别针对每个网点,将网点在各项目标指标下的得分与相应的目标指标对应的权重的乘积进行累加,得到网点的总等分。
可选地,网点在各项目标指标下的得分,具体可以是根据离散化处理后的各目标指标的数据进行计算得到,例如,可以是目标指标的各个数据的平均值等。当然,也可以是采用其他的方式得到各项目标指标下的得分。
可选地,在本申请另一实施例中,在得到网点的总得分,还可以进一步根据各个网点的总得分对网点类型进行划分。具体可以是根据网点数据进行五类划分,如设网点数量为n,则每一类网点的数量为n/5,具体根据总得分。其中,对于总等分相同的网络,则可以将其归为上一类,直至所有网点全部分类完毕。
本申请实施例提供了一种网点运营水平评估方法,获取多项影响运行水平的目标指标的数据。然后,对各项目标指标的数据进行预处理,得到初始信息系统。然后,基于属性约简算法,剔除所述初始信息系统中冗余的所述目标指标的数据,得到约简信息系统。从而客户地挑选出对运营水平影响较高的指标项,也减少了后续计算的数据量,提高评估结果的准确性。计算约简信息系统中的各项所述目标指标对应的属性重要度,并基于各项目标指标对应的属性重要度,确定各项目标指标对应的权重,保证了指标权重的客观性,进而保证。最后,分别针对每个网点,利用网点在各项目标指标下的得分以及各项目标指标对应的权重,计算得到网点的总得分。
本申请另一实施例提供了一种网点运营水平评估装置,如图5所示,包括:
获取单元501,用于获取多项目标指标的数据。
其中,目标指标为影响运行水平的指标。
预处理单元502,用于对各项目标指标的数据进行预处理,得到初始信息系统。
约简单元503,用于基于属性约简算法,剔除初始信息系统中冗余的目标指标的数据,得到约简信息系统。
重要度计算单元504,用于计算约简信息系统中的各项目标指标对应的属性重要度。
权重确定单元505,用于基于各项目标指标对应的属性重要度,确定各项目标指标对应的权重。
得分计算单元506,用于分别针对每个网点,利用网点在各项目标指标下的得分以及各项目标指标对应的权重,计算得到网点的总得分。
可选地,在本申请另一实施例提供的网点运营水平评估装置中,预处理单元,包括:
标准化处理单元,用于分别针对每项目标指标,将目标指标的每个数据和目标指标的最小数据的差值的绝对值除以目标指标的最大数据和目标指标的最小数据的差值,得到标准化处理后的目标指标的数据。
其中,目标指标的最小数据为目标指标的数据中的最小值,目标指标的最大数据为目标指标的数据中的最大值。
离散化处理单元,用于分别针对每项目标指标,基于标准化处理后的目标指标的数据的平均值以及标准差,确定出目标指标对应的多个数值范围,并分别将每项目标指标的各个数据更新为标准化处理后的目标指标的数据所处的对应的数值范围对应的数值,得到初始信息系统。
可选地,在本申请另一实施例提供的网点运营水平评估装置中,约简单元,如图6所示,包括:
第一计算单元601,用于通过属性子集评估函数计算得到当前的约简数据集的评估值以及当前的每个待处理指标对应的评估值。
其中,约简数据集初始为空集;当前的待处理指标为初始信息系统中其下的数据不包含于当前的约简数据集的目标指标。待处理指标对应的评估值为待处理指标的数据与当前的约简数据集的并集的评估值。
第一确定单元602,用于分别将当前的每个待处理指标对应的评估值与当前的约简数据集的评估值的差值,确定为当前的每个待处理指标对应的属性重要度。
选取单元603,从当前的各个待处理指标中,选取出属性重要度最大的待处理指标,确定为当前的最优指标。
判断单元604,用于判断当前的最优指标的属性重要度是否大于零。
添加单元605,用于若判断出当前的最优指标的属性重要度大于零,则将当前的最优指标的数据添加至当前的约简数据集,得到最新的当前的约简数据集,并针对最新的当前的约简数据集,返回第一计算单元执行通过属性子集评估函数计算得到当前的约简数据集的评估值以及当前的每个待处理指标对应的评估值。
第二确定单元606,用于若判断出当前的最优指标的属性重要度不大于零,则将当前的约简数据集确定为约简信息系统。
可选地,在本申请另一实施例提供的网点运营水平评估装置中,重要度计算单元,包括:
第二计算单元,用于通过属性子集评估函数,计算约简信息系统中所有目标指标的数据组成的集合的评估值,以及每项目标指标对应的评估值;其中,目标指标对应的评估值为约简信息系统中出目标指标的数据外,其他目标指标的数据组成的集合的评估值。
第三确定单元,用于分别将约简信息系统中所有目标指标的数据组成的集合的评估值与每项目标指标对应的评估值的差值,确定为每项目标指标对应的属性重要度。
可选地,在本申请另一实施例提供的网点运营水平评估装置中,权重确定单元,包括:
权重确定子单元,用于分别将每项目标指标对应的属性重要度除以所有目标指标对应的属性重要度的总和,得到每项目标指标对应的权重。
可选地,在本申请另一实施例提供的网点运营水平评估装置中,得分计算单元,包括:
得分子计算单元,用于分别针对每个网点,将网点在各项目标指标下的得分与相应的目标指标对应的权重的乘积进行累加,得到网点的总等分。
需要说明的是,本申请上述实施例提供的各个单元的具体工作过程,可相应地参考上述方法实施例中的相应的步骤,此处不再赘述。
本申请另一实施例提供了一种电子设备,如图7所示,包括:
存储器701和处理器702。
其中,存储器701用于存储程序。
处理器702用于执行存储器701程序,该程序被执行时,具体用于实现如上述任意一个实施例提供的网点运营水平评估方法。
本申请另一实施例提供了一种计算机存储介质,用于存储计算机程序,所述计算机程序被执行时,用于实现如上述任意一个实施例提供的网点运营水平评估方法。
计算机存储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。
需要说明的是,本发明提供的一种网点运营水平评估方法及装置、电子设备、存储介质可用于大数据领域或金融领域。上述仅为示例,并不对本发明提供的网点运营水平评估方法及装置、电子设备、存储介质的应用领域进行限定。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种网点运营水平评估方法,其特征在于,包括:
获取多项目标指标的数据;其中,所述目标指标为影响运行水平的指标;
对各项所述目标指标的数据进行预处理,得到初始信息系统;
基于属性约简算法,剔除所述初始信息系统中冗余的所述目标指标的数据,得到约简信息系统;
计算所述约简信息系统中的各项所述目标指标对应的属性重要度;
基于各项所述目标指标对应的属性重要度,确定各项所述目标指标对应的权重;
分别针对每个网点,利用所述网点在各项所述目标指标下的得分以及各项所述目标指标对应的权重,计算得到所述网点的总得分。
2.根据权利要求1所述的方法,其特征在于,所述对各项所述目标指标的数据进行预处理,得到初始信息系统,包括:
分别针对每项所述目标指标,将所述目标指标的每个数据和所述目标指标的最小数据的差值的绝对值除以所述目标指标的最大数据和所述目标指标的最小数据的差值,得到标准化处理后的所述目标指标的数据;其中,所述目标指标的最小数据为所述目标指标的数据中的最小值,所述目标指标的最大数据为所述目标指标的数据中的最大值;
分别针对每项所述目标指标,基于标准化处理后的所述目标指标的数据的平均值以及标准差,确定出所述目标指标对应的多个数值范围;
分别将每项所述目标指标的各个数据更新为标准化处理后的所述目标指标的数据所处的对应的所述数值范围对应的数值,得到初始信息系统。
3.根据权利要求1所述的方法,其特征在于,所述基于属性约简算法,剔除所述初始信息系统中冗余的所述目标指标的数据,得到约简信息系统,包括:
通过属性子集评估函数计算得到当前的约简数据集的评估值以及当前的每个待处理指标对应的评估值;其中,所述约简数据集初始为空集;当前的所述待处理指标为所述初始信息系统中其下的数据不包含于当前的所述约简数据集的所述目标指标;所述待处理指标对应的评估值为所述待处理指标的数据与当前的所述约简数据集的并集的评估值;
分别将当前的每个所述待处理指标对应的评估值与当前的所述约简数据集的评估值的差值,确定为当前的每个所述待处理指标对应的属性重要度;
从当前的各个所述待处理指标中,选取出属性重要度最大的所述待处理指标,确定为当前的最优指标;
判断当前的所述最优指标的属性重要度是否大于零;
若判断出当前的所述最优指标的属性重要度大于零,则将当前的所述最优指标的数据添加至当前的所述约简数据集,得到最新的当前的所述约简数据集,并针对最新的当前的所述约简数据集,返回执行所述通过属性子集评估函数计算得到当前的约简数据集的评估值以及当前的每个待处理指标对应的评估值;
若判断出当前的所述最优指标的属性重要度不大于零,则将当前的所述约简数据集确定为约简信息系统。
4.根据权利要求1所述的方法,其特征在于,所述计算所述约简信息系统中的各项所述目标指标对应的属性重要度,包括:
通过属性子集评估函数,计算所述约简信息系统中所有所述目标指标的数据组成的集合的评估值,以及每项所述目标指标对应的评估值;其中,所述目标指标对应的评估值为所述约简信息系统中出所述目标指标的数据外,其他所述目标指标的数据组成的集合的评估值;
分别将所述约简信息系统中所有所述目标指标的数据组成的集合的评估值与每项所述目标指标对应的评估值的差值,确定为每项所述目标指标对应的属性重要度。
5.根据权利要求1所述的方法,其特征在于,所述基于各项所述目标指标对应的属性重要度,确定各项所述目标指标对应的权重,包括:
分别将每项所述目标指标对应的属性重要度除以所有所述目标指标对应的属性重要度的总和,得到每项所述目标指标对应的权重。
6.根据权利要求1所述的方法,其特征在于,所述分别针对每个网点,利用所述网点在各项所述目标指标下的得分以及各项所述目标指标对应的权重,计算得到所述网点的总得分,包括:
分别针对每个网点,将所述网点在各项所述目标指标下的得分与相应的所述目标指标对应的权重的乘积进行累加,得到所述网点的总等分。
7.一种网点运营水平评估装置,其特征在于,包括:
获取单元,用于获取多项目标指标的数据;其中,所述目标指标为影响运行水平的指标;
预处理单元,用于对各项所述目标指标的数据进行预处理,得到初始信息系统;
约简单元,用于基于属性约简算法,剔除所述初始信息系统中冗余的所述目标指标的数据,得到约简信息系统;
重要度计算单元,用于计算所述约简信息系统中的各项所述目标指标对应的属性重要度;
权重确定单元,用于基于各项所述目标指标对应的属性重要度,确定各项所述目标指标对应的权重;
得分计算单元,用于分别针对每个网点,利用所述网点在各项所述目标指标下的得分以及各项所述目标指标对应的权重,计算得到所述网点的总得分。
8.根据权利要求7所述的装置,其特征在于,所述预处理单元,包括:
标准化处理单元,用于分别针对每项所述目标指标,将所述目标指标的每个数据和所述目标指标的最小数据的差值的绝对值除以所述目标指标的最大数据和所述目标指标的最小数据的差值,得到标准化处理后的所述目标指标的数据;其中,所述目标指标的最小数据为所述目标指标的数据中的最小值,所述目标指标的最大数据为所述目标指标的数据中的最大值;
离散化处理单元,用于分别针对每项所述目标指标,基于标准化处理后的所述目标指标的数据的平均值以及标准差,确定出所述目标指标对应的多个数值范围,并分别将每项所述目标指标的各个数据更新为标准化处理后的所述目标指标的数据所处的对应的所述数值范围对应的数值,得到初始信息系统。
9.一种电子设备,其特征在于,包括:
存储器和处理器;
其中,所述存储器用于存储程序;
所述处理器用于执行所述程序,所述程序被执行时,具体用于实现如权利要求1至6任意一项所述的网点运营水平评估方法。
10.一种计算机存储介质,其特征在于,用于存储计算机程序,所述计算机程序被执行时,用于实现如权利要求1至6任意一项所述的网点运营水平评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111087910.4A CN113723865A (zh) | 2021-09-16 | 2021-09-16 | 网点运营水平评估方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111087910.4A CN113723865A (zh) | 2021-09-16 | 2021-09-16 | 网点运营水平评估方法及装置、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113723865A true CN113723865A (zh) | 2021-11-30 |
Family
ID=78684302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111087910.4A Pending CN113723865A (zh) | 2021-09-16 | 2021-09-16 | 网点运营水平评估方法及装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113723865A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108985633A (zh) * | 2018-07-19 | 2018-12-11 | 上海中通吉网络技术有限公司 | 快递网点经营健康度评估方法及装置 |
CN111047137A (zh) * | 2019-11-07 | 2020-04-21 | 卓尔智联(武汉)研究院有限公司 | 物流绩效综合评价体系构建方法、装置和计算机设备 |
CN112529428A (zh) * | 2020-12-16 | 2021-03-19 | 亚联(天津)信息技术有限责任公司 | 银行网点设备运营效能评估的方法及设备 |
CN113379318A (zh) * | 2021-07-02 | 2021-09-10 | 广州交信投科技股份有限公司 | 公共交通系统运营服务质量评价方法、装置和计算机设备 |
-
2021
- 2021-09-16 CN CN202111087910.4A patent/CN113723865A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108985633A (zh) * | 2018-07-19 | 2018-12-11 | 上海中通吉网络技术有限公司 | 快递网点经营健康度评估方法及装置 |
CN111047137A (zh) * | 2019-11-07 | 2020-04-21 | 卓尔智联(武汉)研究院有限公司 | 物流绩效综合评价体系构建方法、装置和计算机设备 |
CN112529428A (zh) * | 2020-12-16 | 2021-03-19 | 亚联(天津)信息技术有限责任公司 | 银行网点设备运营效能评估的方法及设备 |
CN113379318A (zh) * | 2021-07-02 | 2021-09-10 | 广州交信投科技股份有限公司 | 公共交通系统运营服务质量评价方法、装置和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7587330B1 (en) | Method and system for constructing prediction interval based on historical forecast errors | |
CN110991474A (zh) | 一种机器学习建模平台 | |
Darné et al. | Identification of slowdowns and accelerations for the euro area economy | |
CN116126843A (zh) | 一种数据质量评估方法、装置、电子设备和存储介质 | |
CN115222259A (zh) | 一种基于战略目标的综合绩效管理方法和系统 | |
CN112016843A (zh) | 一种组织财税数据风险分析方法及相关装置 | |
Lohmann et al. | Using accounting‐based information on young firms to predict bankruptcy | |
CN112308293B (zh) | 违约概率预测方法及装置 | |
CN113112186A (zh) | 一种企业评估方法、装置及设备 | |
CN113177837A (zh) | 贷款申请人的贷款额度评估方法、装置、设备及存储介质 | |
CN113723865A (zh) | 网点运营水平评估方法及装置、电子设备、存储介质 | |
CN115330545A (zh) | 跨境供应链金融的数据核验方法 | |
CN117252677A (zh) | 信贷额度确定方法和装置、电子设备及存储介质 | |
CN112632197A (zh) | 基于知识图谱的业务关系处理方法及装置 | |
CN113723710B (zh) | 一种客户流失预测方法、系统、存储介质及电子设备 | |
CN118195770B (zh) | 一种企业财务数据真实性的校验方法、设备及介质 | |
Terra et al. | Real exchange rate misalignments | |
CN111552790B (zh) | 一种识别文章刷单的方法及装置 | |
CN115840771B (zh) | 一种数据处理系统 | |
CN118297716A (zh) | 业务数据的处理方法、装置、计算机设备、存储介质 | |
CN117952688A (zh) | 商户的分类方法、装置及电子设备 | |
CN118261697A (zh) | 一种智能尽职调查方法、设备及介质 | |
CN115099342A (zh) | 一种特征的提取方法及装置、电子设备、存储介质 | |
KR102249015B1 (ko) | 기업의 채무지불여력 산출시스템 | |
CN117829975A (zh) | 用于构建风险识别模型的方法、装置、存储介质及处理器 |
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 |