CN113807950A - 基于自然语言处理模型的业务分析方法及相关装置 - Google Patents

Abstract

本申请涉及人工智能技术领域，提供了一种基于自然语言处理模型的业务分析方法及相关装置，其中方法包括：获取目标企业的基本信息和业务交易数据；基于自然语言处理模型对所述基本信息进行分析，得到所述目标企业的目标业务规则；基于所述业务交易数据和所述基本信息构建所述目标企业的画像模型；基于所述目标业务规则对所述画像模型进行分析，得到所述目标企业的业务指标的数值。采用本申请，可提高业务分析的效率和准确率，有利于提高企业管理的靶向性和精准性。

Description

基于自然语言处理模型的业务分析方法及相关装置

技术领域

本申请涉及人工智能技术领域，主要涉及了一种基于自然语言处理模型的业务分析方法及相关装置。

背景技术

随着计算机技术和网络技术的发展，投资理财、保险购买、出行出游、生活消费、网上购物、移动支付等业务已深入到人民的生活中。对企业的业务进行分析，例如，分析银行的业务中的关键绩效指标(key performance indicator，KPI)、日流量、贷款的风险值、营业额、违规操作等信息，有利于提高企业的管理。目前，对企业的业务进行数据分析还处于初始阶段，按照预设规则进行人工判断，存在效率低和准确率的问题。

发明内容

本申请实施例提供了一种基于自然语言处理模型的业务分析方法及相关装置，可提高业务分析的效率和准确率，有利于提高企业管理的靶向性和精准性。

第一方面，本申请实施例提供一种基于自然语言处理模型的业务分析方法，其中：

获取目标企业的基本信息和业务交易数据；

基于自然语言处理模型对所述基本信息进行分析，得到所述目标企业的目标业务规则；

基于所述业务交易数据和所述基本信息构建所述目标企业的画像模型；

基于所述目标业务规则对所述画像模型进行分析，得到所述目标企业的业务指标的数值。

第二方面，本申请实施例提供一种基于自然语言处理模型的业务分析装置，其中：

第一获取单元，用于获取目标企业的基本信息和业务交易数据；

第一分析单元，用于基于自然语言处理模型对所述基本信息进行分析，得到所述目标企业的目标业务规则；

构建单元，用于基于所述业务交易数据和所述基本信息构建所述目标企业的画像模型；

第二分析单元，用于基于所述目标业务规则对所述画像模型进行分析，得到所述目标企业的业务指标的数值。

第三方面，本申请实施例提供一种计算机设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，所述程序包括用于如第一方面中所描述的部分或全部步骤的指令。

第四方面，本申请实施例提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储计算机程序，其中，所述计算机程序使得计算机执行以实现如第一方面中所描述的部分或全部步骤。

实施本申请实施例，将具有如下有益效果：

采用了上述的基于自然语言处理模型的业务分析方法及相关装置之后，先获取目标企业的基本信息和业务交易数据。再基于自然语言处理模型对目标企业的基本信息进行分析，得到目标企业的目标业务规则，以及基于目标企业的业务交易数据和基本信息构建目标企业的画像模型。再基于目标业务规则对画像模型进行分析，得到目标企业的业务指标的数值。如此，可提高业务分析的效率和准确率，有利于提高企业管理的靶向性和精准性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

其中：

图1为本申请实施例提供的一种基于自然语言处理模型的业务分析方法的流程示意图；

图2为本申请实施例提供的一种邮件提示的示意图；

图3为本申请实施例提供的一种基于自然语言处理模型的业务分析装置的结构示意图；

图4为本申请实施例提供的一种计算机设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。根据本申请中的实施例，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。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本申请实施例应用的网络架构包括服务器和电子设备。本申请实施例不限定电子设备和服务器的数量，服务器可同时为多个电子设备提供服务。服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。服务器或者可以通过多个服务器组成的服务器集群来实现。

电子设备可以是个人计算机(personal computer，PC)、笔记本电脑或智能手机，还可以是一体机、掌上电脑、平板电脑(pad)、智能电视播放终端、车载终端或便捷式设备等。PC端的电子设备，例如一体机等，其操作系统可以包括但不限于Linux系统、Unix系统、Windows系列系统(例如Windows xp、Windows 7等)、Mac OS X系统(苹果电脑的操作系统)等操作系统。移动端的电子设备，例如智能手机等，其操作系统可以包括但不限于安卓系统、IOS(苹果手机的操作系统)、Window系统等操作系统。

电子设备可以安装并运行应用程序，服务器可以是电子设备所安装的应用程序对应的服务器，为应用程序提供应用服务。其中，应用程序可以是单独集成的应用软件，或其它应用中嵌入的小程序，或者网页上的系统等，在此不做限定。

在本申请实施例中，应用程序可以是具有为分析业务功能的应用程序，或目标企业的信息管理平台等。本申请所涉及的目标企业可以包括银行、医院、金融、互联网等存在交易业务的企业。目标企业可以为单独的企业，或者可以为企业中的一个部门，例如，行政部门、物资部门，网络部门等。

本申请实施例提出一种基于自然语言处理模型的业务分析方法，该方法可以由基于自然语言处理模型的业务分析装置执行。该装置可由软件和/或硬件实现，一般可集成在电子设备或服务器中，可提高业务分析的效率和准确率，有利于提高企业管理的靶向性和精准性。

需要说明的是，对目标企业进行业务分析的装置应具有数据分析的权限，否则不能执行本申请提出的基于自然语言处理模型的业务分析方法。

请参照图1，图1是本申请提供的一种基于自然语言处理模型的业务分析方法的流程示意图。以该方法应用在服务器为例进行举例说明，包括如下步骤S101～S104，其中：

S101：获取目标企业的基本信息和业务交易数据。

本申请对于目标企业不做限定，以银行进行举例说明，可以包括中央银行、政策性银行、商业、投资银行、世界银行等。目标企业的企业等级可以为分公司、总公司、办事处和营业厅等，或者可以分为一级单位、二级单位和三级单位等。若目标企业为银行，则企业等级可以为总行、分行、支行、分理处和储蓄所等。目标企业的数量可以为1个或多个，在此不做限定。

在一种可能的示例中，在步骤S101之前，所述方法还包括：在预设时长到达时，接收所述目标企业的业务分析指令。

本申请对于预设时长不做限定，可以为1个月，1个季度或半年等。业务分析指令可以由服务器自动生成，或者可以由目标企业的上级银行或具有目标企业的管理权限的工作人员向服务器发送。如此，可以统计业务分析指令中涉及的目标企业的业务交易数据，从而分析业务交易数据对应的业务指标的数值。再基于该数据对企业进行管理，有利于提高企业管理的靶向性和精准性。

在本申请实施例中，目标企业的基本信息可包括目标企业的企业基本信息，例如，名称、企业等级和位置信息等。位置信息可包括目标企业的地址信息以及周边的地区属性等。例如，位置信息可包括距离医院200米、距离商场100米、距离学校300米等。

目标企业的基本信息还可包括职员的职员基本信息。该职业基本信息可包括目标企业中职员的数量和每一职员的姓名、年龄、联系电话、家庭住址、学历、工作经历、以及在目标企业中的职位分配(例如，银行中的大堂经理、业务员、柜员、保安等)和业务记录等信息，在此不做限定。

其中，业务记录可包括职员处理每一业务的操作记录。若业务可以接收客户的评论，则业务记录还可包括客户对业务的评分信息等。可以理解，业务记录可用于获取职员的业务能力以及业务评分质量，还可用于确定职员是否存在违规操作等，有利于提高分析银行业务的全面性。

目标企业的基本信息还可包括业务基本信息。该业务基本信息可包括目标企业所涉及的业务的数量和每一业务的名称、类型、收益信息和收益风险等。本申请对于业务的类型不做限定，若目标企业为银行，则业务的类型可以包括活期业务、定期业务、转账业务、理财业务、保险业务、生态业务或贷款业务等。

其中，活期业务是指客户可以灵活取用的资金的业务。定期业务中的资金在定期时长到达时可以取出，或者可以在定期时长到达之前修改为活期业务。转账业务通常包括转出业务，即转账给他人的业务。转账业务可以通过客户的银行卡或现金进行转账等。理财业务可包括基金业务、股票业务、黄金业务等，还可包括理财性质的保险业务等。保险业务可包括客户使用在目标企业中开户的银行卡或存折进行支付的保险业务，该保险业务的被保人可以为本人或父母、配偶、子女等其他人，该保险业务由保险公司提供。保险业务还可包括政府提供的医疗保险等。生态业务可包括被引入于目标企业的周边业务，例如，生活缴费、话费充值、纪念币预约、活动健身、养老金、住房公积金、人气商户或第三方应用的优惠活动等，可应用于客户生活的许多方面。贷款业务是指贷款给个人客户或企业客户的业务。

业务的收益信息是指客户购买该业务能获取到的收益或收益范围。例如，活期业务的利息为0.3％，一年定期业务的利息为1.75％，理财业务的利息为4.6％等。业务的收益风险是指客户购买该业务所需承担的风险等级，可以基于业务类型进行确定，例如，不同的理财业务具有不同的收益风险。该收益风险可以采用高、中或低等形式进行描述，在此不做限定。

在本申请实施例中，目标企业的业务交易数据可包括经由目标企业进行交易的交易订单和每一交易订单的信息。该交易订单可包括交易客户的客户基本信息和交易订单产生的盈利信息等。其中，客户基本信息可包括客户的姓名、年龄、联系电话、家庭住址、学历、工作经历、联系人、资产信息等，还可包括客户采用目标企业对应的应用程序进行交易的订单信息等。交易订单产生的盈利信息可通过业务产生的收益和用于支付该业务的成本之间的差值进行获取。该业务的成本可包括投放该业务所产生的费用和人工等。

若业务为贷款业务，则业务交易数据还可包括逾期风险，用于描述客户逾期还款的风险概率。逾期风险可以基于客户基本信息中的资产信息进行确定，或者还可以基于联系人的资产信息，和/或客户的其他订单信息所确定的资产状态进行确定等，在此不做限定。

S102：基于自然语言处理模型对所述基本信息进行分析，得到所述目标企业的目标业务规则。

在本申请实施例中，目标企业的目标业务规则用于获取目标企业的业务指标的数值，可包括计算业务指标的数值的运算表达式和业务指标的预设条件，以确定该业务指标的数值是否满足预设条件。业务指标可以包括目标企业的关键绩效指标(key performanceindicator，KPI)、客户数量、目标企业对应的应用程序或门店的日流量、目标企业的风险值、目标企业的营业额、违规操作等，在此不做限定。

本申请对于预设条件不做限定，可以为目标企业的KPI是否为倒数前3名。或者可以为客户的日流量小于一个阈值A，或者可以为目标企业的营业额小于一个阈值B，或者可以为目标企业的风险值大于一个阈值C，或者可以为职员存在违规操作等。

可以理解，不同的企业等级对应的预设条件应不同，处于不同位置的目标企业所创造的利益本身存在区别，且不同的业务对应的收益不同。基于此，基于目标企业的企业基本信息获取该目标企业的目标业务规则，可提高业务分析的准确率。

在本申请实施例中，自然语言处理模型可用于分析目标企业的目标业务规则。该自然语言处理模型可基于自然语言处理算法，可以采用jieba分词工具，或者采用word2vec的词向量模型等获取目标企业的基本信息中的目标词汇，以及该目标词汇的词性(例如，名词、动词这两大类，还有人名、地名、机构名称等，或者副动词，名动词等等)和词义，从而确定该目标词汇在基本信息中的含义。

目标词汇可以为基本信息中的任一词汇，或者可以为除了停用词之外的词汇。停用词(stop words)是指在信息检索中，为节省存储空间和提高搜索效率，在处理自然语言数据(或文本)之前或之后会自动过滤掉某些字或词。在本申请实施例中，可预先存储停用词表，该停用词表可包括多个停用词。进一步的，可将停用词分为严格停用词和宽松停用词。严格停用词相对宽松停用词的重要性较低，例如，“吗”“呢”等表示疑问的语气词可以为严格停用词，“然后”“而”等表示顺承关系的词语可以为宽松停用词。

本申请对于分析目标业务规则的方法不做限定，所述目标企业的基本信息可包括企业基本信息、职员基本信息和业务基本信息，在一种可能的示例中，步骤S102可以包括以下步骤A1～A4，其中：

A1：基于自然语言处理模型对所述业务基本信息进行分析，得到所述目标企业所涉及的业务数据类型。

业务基本信息如前所述，可包括目标企业所涉及的业务的数量和每一业务的名称、类型、收益信息和收益风险等信息，在此不再赘述。在本申请实施例中，业务数据类型是目标企业所涉及的业务中所使用或需要使用的数据的类型。可以基于自然语言处理模型从业务基本信息中提取业务的名称、类型、收益信息和收益风险等信息，再基于以上信息获取可能涉及的数据类型，得到业务数据类型。如此，可避免业务数据类型的遗漏，有利于提高数据分析的全面性。

A2：基于所述业务数据类型确定所述目标企业的业务指标和所述业务指标对应的业务数据的运算表达式。

业务指标如前所述可以包括目标企业的KPI、日流量、风险值、营业额、违规操作等信息，在此不再赘述。在本申请实施例中，业务指标对应的业务数据的运算表达式用于基于业务指标对应的业务数据计算业务指标对应的数值。可以预先存储业务指标和业务数据之间的映射关系，从而可基于该映射关系中的业务数据的数据类型是否为目标企业的业务数据类型，以及该数据类型是否与业务数据类型之间存在对应关系，挑选出业务指标和其对应的业务数据类型，并确定业务指标对应的业务数据的运算表达式。如此，可以基于目标企业的业务数据类型确定目标企业可评估的业务指标，以及评估该业务指标所需使用到的运算表达式，可提高业务分析的全面性。

A3：基于所述自然语言处理模型对所述企业基本信息和所述职员基本信息进行分析，得到所述业务指标对应的预设条件。

企业基本信息如前所述可以包括名称、企业等级和位置信息等。职员基本信息如前所述可以包括目标企业中职员的数量和每一职员的姓名、年龄、联系电话、家庭住址、学历、工作经历、以及在目标企业中的职位分配(例如，大堂经理、业务员、柜员、保安等)和业务记录等信息。业务指标对应的预设条件用于确定该业务指标的数值是否达标，预设条件如前所述可以目标企业的KPI是否为倒数前3名。或者可以为客户的日流量小于一个阈值A，或者可以为目标企业的营业额小于一个阈值B，或者可以为目标企业的风险值大于一个阈值C，或者可以为职员存在违规操作等，在此均不再赘述。

本申请对于确定预设条件的方法不做限定，在一种可能的示例中，步骤A3可以包括以下步骤A31～A35，其中：

A31：基于所述自然语言处理模型从所述企业基本信息中获取所述目标企业的企业等级和\或位置信息。

A32：基于所述自然语言处理模型从所述职员基本信息中获取所述目标企业的职员的数量和\或每一所述职员的能力信息。

本申请对于步骤A31和步骤A32的执行顺序不做限定，可以先执行步骤A31，再执行步骤A32。或者先执行步骤A32，再执行步骤A31。或者可以同时执行步骤A31和步骤A32。

在本申请实施例中，若企业基本信息中包括目标企业的企业等级和\或位置信息，则可以基于自然语言处理模型直接从企业基本信息中提取等级和位置信息等相似字样对应的文本，得到目标企业的企业等级和\或位置信息。若企业基本信息中不包括目标企业的企业等级和\或位置信息，则可以基于企业基本信息中的目标企业的名称或标识，从网上或预先存储的信息中查找目标企业的企业等级和/或位置信息。

若职员基本信息包括职员的数量和每一职员的能力信息，则可以基于自然语言处理模型直接从职员基本信息中提取职员的数量和每一职员的能力信息等相似字样对应的文本，得到职员的数量和每一职员的能力信息。若职员基本信息不包括职员的数量和每一职员的能力信息，则可以基于职员的工号的数量确定职员的数据，可以基于职员的业务记录确定职员的能力信息。可选的，基于业务记录中的操作记录和客户的评分信息确定职员的处理速率和处理质量，再基于处理速率和处理质量确定职员的能力信息等。

A33：基于所述企业等级和\或所述位置信息获取所述目标企业的评判等级。

A34：基于所述职员的数量和\或所述能力信息获取所述职员的评价值。

本申请对于步骤A33和步骤A34的执行顺序不做限定，可以先执行步骤A33，再执行步骤A34。或者先执行步骤A34，再执行步骤A33。或者可以同时执行步骤A33和步骤A34。

在本申请实施例中，评判等级用于描述目标企业的要求。也就是说，评判等级越高，预设条件越高。可以理解，企业等级越高或目标企业的位置信息越繁华(例如，日流量大、常住人口多等)，可以对应越高的评判等级。评判等级可以为企业等级对应的子评判等级和位置信息对应的子评判等级之间的加权平均值，或最小值等。在步骤A33中，基于企业等级和/或位置信息获取目标企业的评判等级，有利于提高数据分析的准确率。

在本申请实施例中，评价值用于描述目标企业能处理的业务能力，其中，评价值越大，预设条件越高。可以理解，职员的数量越多或职员的能力越强，表示可以开展的业务量越大，可以对应更大的评价值，以选择更高的预设条件。评价值可以为职员的数量对应的子评价和能力信息对应的子评价值之间的加权平均值，或最小值等。在步骤A34中，基于职员的数量和/或能力信息获取职员的评价值，有利于提高数据分析的准确率。

A35：基于所述评判等级和所述评价值获取所述业务指标对应的预设条件。

在本申请实施例中，可以基于评判等级确定预设条件对应的范围，再基于评价值从预设条件对应的范围中获取预设条件。或者可以先获取评判等级对应的数值和评价值之间的加权平均值，再基于该加权平均值从预设条件库中选取预设条件等，在此不做限定。

可以理解，在步骤A31～A35中，先基于自然语言处理模型从企业基本信息中获取目标企业的企业等级和\或位置信息，以及从职员基本信息中获取目标企业的职员的数量和\或每一职员的能力信息。再基于企业等级和\或位置信息获取目标企业的评判等级，以及基于职员的数量和\或每一职员的能力信息获取职员的评价值。最后基于评判等级和评价值获取预设条件。也就是说，从企业基本信息和职员基本信息的角度获取预设条件，可提高设置预设条件的准确率，有利于提高数据分析的效果。

A4：基于所述预设条件和所述运算表达式生成所述目标企业的目标业务规则。

可以理解，在步骤A1～A4中，先基于自然语言处理模型对业务基本信息进行分析，得到目标企业所涉及的业务数据类型，以及基于自然语言处理模型对企业基本信息和职员基本信息进行分析，得到业务指标对应的预设条件。再基于业务数据类型确定目标企业的业务指标和业务指标对应的业务数据的运算表达式。最后基于预设条件和运算表达式生成目标业务规则。如此，有利于提高数据分析的准确率。

需要说明的是，本申请对于步骤A1和步骤A3的执行顺序不做限定，可以先执行步骤A1，再执行步骤A3。或者先执行步骤A3，再执行步骤A1。或者可以同时执行步骤A1和步骤A3。

S103：基于所述业务交易数据和所述基本信息构建所述目标企业的画像模型。

在本申请实施例中，目标企业的画像模型用于描述目标企业的基本信息和业务交易数据。该画像模型可以包括多个预设维度中每一预设维度的子模型。预设维度用于衡量目标企业的一个方面的信息，可包括规模、收入、效率、客群和风险等维度。其中，规模用于衡量目标企业的大小，可基于接待的客户量和目标企业处理的业务量等进行确定。收入用于衡量目标企业的收益情况，可按照不同业务产品的收入和支出之间的差值进行获取。效率用于衡量目标企业处理业务的速度，可从营业厅中客户的排队时长和每一业务的处理时长等进行确定。

客群用于衡量目标企业中所涉及的客户的类型。客群可以按照年龄进行分类，例如，老年人和青年人；或60后及以上，70后、80后、90后、00后及以下；或0-17岁、18-25岁、26-35岁、36-45岁、45-55岁、56岁及以上等。客群或者可以按照居住地方进行分类，例如，优质小区住户、新建城镇拆迁户等。客群或者可以按照职业进行分类，例如，农业专业户、专业人士、退休用户等。专业人士是指具备特定专业技能的专业人才，一般包括教授、医生、法官、律师、文学家、作家、艺术家等，该类人群一般在从事的行业内具备一定的权威性，收入高，属于网点重点营销目标客户群体之一。客群可以按照客户等级进行分类，例如，潜在客户、贵宾客户(very important person，VIP)等。

风险用于衡量借贷给客户的风险系数。若客户为个人客户，该风险维度对应的风险值可通过个人客户的资产信息和还款时间进行确定。若客户为企业客户，该风险维度对应的风险值可通过企业客户的资产信息、还款时间和供应链的企业的风险值进行确定。

本申请对于构建目标企业的画像模型的方法不做限定，以一个预设维度的子模型进行举例说明，在一种可能的示例中，步骤S103可以包括以下步骤B1～B3，其中：

B1：从所述业务交易数据和所述基本信息中获取所述预设维度对应的子数据。

在本申请实施例中，预设维度对应的子数据是指用于衡量预设维度的数据。例如，规模维度对应的子数据可以包括目标企业的业务交易数据中支持业务产品的数量和各个业务产品的额度或占所有(或区域内)的比重等。收入维度对应的子数据可以包括目标企业的业务交易数据中各个业务产品的收入信息和支出信息等。效率维度对应的子数据可以包括目标企业的业务交易数据中每一用户从排队开始到业务完成的时间信息和各个职员处理业务的响应效率等。

B2：基于所述预设维度对应的子数据获取所述预设维度对应的数据节点，以及所述数据节点与所述数据节点关联的关联节点之间的关联关系。

在本申请实施例中，数据节点是预设维度对应的子数据中的数据类型。关联节点也可以为预设维度对应的子数据中的一种数据类型，且与其他的数据节点之间存在关联关系。数据节点和关联节点之间的关联关系通过数据节点和关联节点之间对应的数据之间的关联关系进行确定，例如，数据之间为上下游关系，则关联关系为上下游关系。又例如，数据之间存在运算关系，则关联关系为运算关系。

B3：基于所述关联关系连接所述数据节点和所述关联节点，得到所述预设维度对应的子模型。

可以理解，在步骤B1～B3中，先从业务交易数据和/或基本信息中获取预设维度对应的子数据。再基于该预设维度对应的子数据获取该预设维度对应的数据节点，以及数据节点与数据节点关联的关联节点之间的关联关系，从而基于该连接关系构造预设维度对应的子模型。然后，若该子模型中的数据节点和其他的子模型中的数据节点相同，或存在关联关系，则可以进行连接，得到目标企业的画像模型。如此，可提高衡量银行信息的准确率。

需要说明的是，本申请对于步骤S102和步骤S103的执行顺序不做限定，可以如图1所示，先执行步骤S102，再执行步骤S103。或者可以先执行步骤S103，再执行步骤S102。或者可以同时执行步骤S102和步骤S103。

S104：基于所述目标业务规则对所述画像模型进行分析，得到所述目标企业的业务指标的数值。

在本申请实施例中，可采用规则引擎处理不同的业务逻辑。如此，通过目标企业的目标业务规则对目标企业的画像模型进行数据分析，可提高数据分析的效率和准确率。若目标业务规则被修改，则可通过修改之后的目标业务规则对目标企业的画像模型进行数据分析，从而可提高数据分析的灵活性。

本申请对于分析画像模型的方法不做限定，在一种可能的示例中，步骤S104可以包括以下步骤C1～C3，其中：

C1：从所述画像模型中查找所述运算表达式对应的目标数据节点和所述目标数据节点的关联数据节点。

C2：基于所述目标数据节点和所述关联数据节点之间的关联关系，对所述目标数据节点对应的数据和所述关联数据节点对应的数据进行计算，得到所述运算表达式对应的目标业务数据。

C3：基于所述运算表达式对所述目标业务数据进行计算，得到所述目标企业的业务指标的数值。

在本申请实施例中，目标数据节点是指画像模型中与目标业务规则中运算表达式中的数据相关的数据节点。关联数据节点是指子模型或画像模型中与目标数据节点连接的数据节点。目标数据节点和关联数据节点之间的关联关系可以包括目标数据节点对应的数据和关联数据节点对应的数据之间的运算关系，还可以包括目标数据节点对应的数据和关联数据节点对应的数据之间的关联值。可以基于目标数据节点和关联数据节点之间的关联关系，对目标数据节点对应的数据和关联数据节点对应的数据进行计算，得到运算表达式中所需计算的目标业务数据。在获取目标业务数据之后，可基于运算表达式对目标业务数据进行计算，得目标银行的业务指标的数值。如此，基于目标业务规则对画像模型进行分析，可提高获取业务指标的数值的准确率。

在图1所示的方法中，先获取目标企业的基本信息和业务交易数据。再基于自然语言处理模型对目标企业的基本信息进行分析，得到目标企业的目标业务规则，以及基于目标企业的业务交易数据和基本信息构建目标企业的画像模型。再基于目标业务规则对画像模型进行分析，得到目标企业的业务指标的数值。如此，可提高业务分析的效率和准确率，有利于提高企业管理的靶向性和精准性。

在一种可能的示例中，在步骤S104之后，还包括以下步骤：若所述业务指标不满足所述预设条件，则向所述目标企业对应的联系人发送所述业务指标对应的提示信息。

在本申请实施例中，目标企业对应的联系人可以为目标企业的管理者，或对接人等。业务指标对应的提示信息用于提示该业务指标对应的数值不满足预设条件，还可用于提示联系人查看不满足预设条件的业务指标的数值的数据分析过程。该提示信息可以通过信息或邮件等方式发送，在此不做限定。

举例来说，假设业务指标为KPI大于或等于90分，则满足预设条件。否则，不满足。如图2所示的邮件提示的示意图中，目标企业为分行A，发件人为业务分析平台，收件人为分行A的联系人。发送时间为2021-08-25 16:33，主题为业务指标-提示邮件。分行A的KPI为80.91，则不满足预设条件的业务指标，从而向分行A对应的联系人发送KPI对应的提示信息，以提示：分行A7月末的KPI为80.91分，全行排名第23名。详情请进入页面B进行查看。

在一种可能的示例中，在步骤S104之后，还包括以下步骤D1和步骤D2，其中：

D1：若所述业务指标的数值不满足所述预设条件，则基于所述业务指标获取目标业务的配置信息。

D2：向所述目标企业对应的联系人发送所述配置信息。

在本申请实施例中，目标业务可以为目标企业中已涉及的业务，还可以为目标企业中未涉及的业务。也就是说，目标业务可以为目标企业调整的业务，还可以为目标企业新增的业务。

目标业务的配置信息可用于指示目标业务的待分配数量和投放客群。本申请对于获取配置信息的方法不做限定，所述目标企业的画像模型包括客群维度的子模型，在一种可能的示例中，步骤D1可以包括以下步骤D11～D14，其中：

D11：获取所述目标企业的相似企业的参考业务指标的数值。

在本申请实施例中，相似企业可以为与目标企业的企业等级相同的银行，或者可以为同一个区域(或同类型)内的企业等级相同的银行。相似企业的参考业务指标的数值的获取方法可参照本申请提出的步骤S101～S104的描述，在此不再赘述。

D12：若所述参考业务指标的数值大于所述业务指标的数值，则基于所述相似企业的画像模型与所述目标企业的画像模型进行对比，得到所述目标企业的参考数据节点。

在本申请实施例中，参考数据节点可以为相似企业的画像模型与目标企业的画像模型都具有的数据节点；还可以为相似企业的画像模型中有，而目标企业的画像模型中没有的数据节点，或者可以为相似企业的画像模型中没有，而目标企业的画像模型中有的数据节点等，在此不做限定。

D13：基于所述参考数据节点确定目标业务。

在本申请实施例中，可以基于参考数据节点对应的业务作为目标业务。若参考数据节点的数量大于或等于2，则可以选取参考数据节点中的主节点。主节点可以为参考数据节点中连接关系最多的节点，或者可以确定相似企业中参考数据节点和目标企业中参考数据节点之间是否存在区别较大的数据，若是，则将该参考数据节点作为主节点等，在此不做限定。

D14：基于所述客群维度的子模型获取所述目标业务的配置信息。

在本申请实施例中，可以从客群维度的子模型中查找目标业务对应的数据节点，在基于数据节点确定目标业务的待分配数量和投放客群，以得到目标业务的配置信息。

可以理解，在步骤D11～D14中，若相似企业的参考业务指标的数值大于目标企业的业务指标的数值，则基于相似企业的画像模型与目标企业的画像模型进行对比，得到参考数据节点。再基于该参考数据节点确定可调整的目标业务，然后基于目标行业的客群维度的子模型确定目标业务的配置信息。如此，可提高业务调整的准确率，有利于提高目标企业的业务指标的数值。

上述详细阐述了本申请实施例的方法，下面提供了本申请实施例的装置。

与图1所示的实施例一致，请参照图3，图3是本申请提出的一种基于自然语言处理模型的业务分析装置的结构示意图，如图3所示，上述业务分析装置300包括：

第一获取单元301，用于获取目标企业的基本信息和业务交易数据；

第一分析单元302，用于基于自然语言处理模型对所述基本信息进行分析，得到所述目标企业的目标业务规则；

构建单元303，用于基于所述业务交易数据和所述基本信息构建所述目标企业的画像模型；

第二分析单元304，用于基于所述目标业务规则对所述画像模型进行分析，得到所述目标企业的业务指标的数值。

在一个可能的示例中，所述基本信息包括企业基本信息、职员基本信息和业务基本信息，所述第一分析单元302具体用于基于自然语言处理模型对所述业务基本信息进行分析，得到所述目标企业所涉及的业务数据类型；基于所述业务数据类型确定所述目标企业的业务指标和所述业务指标对应的业务数据的运算表达式；基于所述自然语言处理模型对所述企业基本信息和所述职员基本信息进行分析，得到所述业务指标对应的预设条件；基于所述预设条件和所述运算表达式生成所述目标企业的目标业务规则。

在一个可能的示例中，所述第一分析单元302具体用于基于所述自然语言处理模型从所述企业基本信息中获取所述目标企业的企业等级和\或位置信息；基于所述自然语言处理模型从所述职员基本信息中获取所述目标企业的职员的数量和\或每一所述职员的能力信息；基于所述企业等级和\或所述位置信息获取所述目标企业的评判等级；基于所述职员的数量和\或所述能力信息获取所述职员的评价值；基于所述评判等级和所述评价值获取所述业务指标对应的预设条件。

在一个可能的示例中，所述第二分析单元304具体用于从所述画像模型中查找所述运算表达式对应的目标数据节点和所述目标数据节点的关联数据节点；基于所述目标数据节点和所述关联数据节点之间的关联关系，对所述目标数据节点对应的数据和所述关联数据节点对应的数据进行计算，得到所述运算表达式对应的目标业务数据；基于所述运算表达式对所述目标业务数据进行计算，得到所述目标企业的业务指标的数值。

在一个可能的示例中，所述业务分析装置300还包括：

第二获取单元305，用于若所述业务指标的数值不满足所述预设条件，则基于所述业务指标获取目标业务的配置信息；

通信单元306，用于向所述目标企业对应的联系人发送所述配置信息。

在一个可能的示例中，所述目标企业的画像模型包括客群维度的子模型，所述第二获取单元305具体用于获取所述目标企业的相似企业的参考业务指标的数值；若所述参考业务指标的数值大于所述业务指标的数值，则基于所述相似企业的画像模型与所述目标企业的画像模型进行对比，得到所述目标企业的参考数据节点；基于所述参考数据节点确定目标业务；基于所述客群维度的子模型获取所述目标业务的配置信息。

在一个可能的示例中，所述目标企业的画像模型包括多个预设维度中每一预设维度的子模型，所述构建单元303具体用于从所述业务交易数据和所述基本信息中获取所述预设维度对应的子数据；基于所述预设维度对应的子数据获取所述预设维度对应的数据节点，以及所述数据节点与所述数据节点关联的关联节点之间的关联关系；基于所述关联关系连接所述数据节点和所述关联节点，得到所述预设维度对应的子模型。

该业务分析装置300中各个单元执行详细过程可以参见前述方法实施例中的执行步骤，此处不在赘述。

与图1的实施例一致，请参照图4，图4是本申请实施例提供的一种计算机设备的结构示意图。如图4所示，该计算机设备400包括处理器410、存储器420、通信接口430以及一个或多个程序440。处理器410、存储器420和通信接口430之间通过总线450互相连接。图3所示的通信单元306所实现的相关功能可通过通信接口430来实现，图3所示的第一获取单元301、第一分析单元302、构建单元303、第二分析单元304和第二获取单元305所实现的相关功能可通过处理器410来实现。

上述一个或多个程序440被存储在上述存储器420中，并且被配置由上述处理器410执行，上述程序440包括用于执行以下步骤的指令：

获取目标企业的基本信息和业务交易数据；

基于自然语言处理模型对所述基本信息进行分析，得到所述目标企业的目标业务规则；

基于所述业务交易数据和所述基本信息构建所述目标企业的画像模型；

基于所述目标业务规则对所述画像模型进行分析，得到所述目标企业的业务指标的数值。

在一个可能的示例中，所述基本信息包括企业基本信息、职员基本信息和业务基本信息，在所述基于自然语言处理模型对所述基本信息进行分析，得到所述目标企业的目标业务规则方面，所述程序440具体用于执行以下步骤的指令：

基于自然语言处理模型对所述业务基本信息进行分析，得到所述目标企业所涉及的业务数据类型；

基于所述业务数据类型确定所述目标企业的业务指标和所述业务指标对应的业务数据的运算表达式；

基于所述自然语言处理模型对所述企业基本信息和所述职员基本信息进行分析，得到所述业务指标对应的预设条件；

基于所述预设条件和所述运算表达式生成所述目标企业的目标业务规则。

在一个可能的示例中，在所述基于所述自然语言处理模型对所述企业基本信息和所述职员基本信息进行分析，得到所述业务指标对应的预设条件方面，所述程序440具体用于执行以下步骤的指令：

基于所述自然语言处理模型从所述企业基本信息中获取所述目标企业的企业等级和\或位置信息；

基于所述自然语言处理模型从所述职员基本信息中获取所述目标企业的职员的数量和\或每一所述职员的能力信息；

基于所述企业等级和\或所述位置信息获取所述目标企业的评判等级；

基于所述职员的数量和\或所述能力信息获取所述职员的评价值；

基于所述评判等级和所述评价值获取所述业务指标对应的预设条件。

在一个可能的示例中，在所述基于所述目标业务规则对所述画像模型进行分析，得到所述目标企业的业务指标的数值方面，所述程序440具体用于执行以下步骤的指令：

从所述画像模型中查找所述运算表达式对应的目标数据节点和所述目标数据节点的关联数据节点；

基于所述目标数据节点和所述关联数据节点之间的关联关系，对所述目标数据节点对应的数据和所述关联数据节点对应的数据进行计算，得到所述运算表达式对应的目标业务数据；

基于所述运算表达式对所述目标业务数据进行计算，得到所述目标企业的业务指标的数值。

在一个可能的示例中，在所述基于所述目标业务规则对所述画像模型进行分析，得到所述目标企业的业务指标的数值之后，所述程序440还用于执行以下步骤的指令：

若所述业务指标的数值不满足所述预设条件，则基于所述业务指标获取目标业务的配置信息；

向所述目标企业对应的联系人发送所述配置信息。

在一个可能的示例中，所述目标企业的画像模型包括客群维度的子模型，在所述基于所述业务指标获取目标业务的配置信息方面，所述程序440具体用于执行以下步骤的指令：

获取所述目标企业的相似企业的参考业务指标的数值；

若所述参考业务指标的数值大于所述业务指标的数值，则基于所述相似企业的画像模型与所述目标企业的画像模型进行对比，得到所述目标企业的参考数据节点；

基于所述参考数据节点确定目标业务；

基于所述客群维度的子模型获取所述目标业务的配置信息。

在一个可能的示例中，所述目标企业的画像模型包括多个预设维度中每一预设维度的子模型，在所述基于所述业务交易数据和所述基本信息获取所述目标企业的画像模型方面，所述程序440具体用于执行以下步骤的指令：

从所述业务交易数据和所述基本信息中获取所述预设维度对应的子数据；

基于所述预设维度对应的子数据获取所述预设维度对应的数据节点，以及所述数据节点与所述数据节点关联的关联节点之间的关联关系；

基于所述关联关系连接所述数据节点和所述关联节点，得到所述预设维度对应的子模型。

本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于存储计算机程序，该计算机程序使得计算机执行以实现方法实施例中记载的任一方法的部分或全部步骤，计算机包括电子设备和服务器。

本申请实施例还提供一种计算机程序产品，计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，计算机程序可操作来使计算机执行以实现方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，计算机包括电子设备和服务器。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模式并不一定是本申请所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，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，例如至少一个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到至少一个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模式的形式实现。

集成的单元如果以软件程序模式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器中。根据这样的理解，本申请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器中，包括若干指令用以使得一台计算机(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(read-only memory，ROM)、随机存取存储器(random accessmemory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种基于自然语言处理模型的业务分析方法，其特征在于，包括：

获取目标企业的基本信息和业务交易数据；

基于自然语言处理模型对所述基本信息进行分析，得到所述目标企业的目标业务规则；

基于所述业务交易数据和所述基本信息构建所述目标企业的画像模型；

基于所述目标业务规则对所述画像模型进行分析，得到所述目标企业的业务指标的数值。

2.根据权利要求1所述的方法，其特征在于，所述基本信息包括企业基本信息、职员基本信息和业务基本信息，所述基于自然语言处理模型对所述基本信息进行分析，得到所述目标企业的目标业务规则，包括：

基于自然语言处理模型对所述业务基本信息进行分析，得到所述目标企业所涉及的业务数据类型；

基于所述业务数据类型确定所述目标企业的业务指标和所述业务指标对应的业务数据的运算表达式；

基于所述自然语言处理模型对所述企业基本信息和所述职员基本信息进行分析，得到所述业务指标对应的预设条件；

基于所述预设条件和所述运算表达式生成所述目标企业的目标业务规则。

3.根据权利要求2所述的方法，其特征在于，所述基于所述自然语言处理模型对所述企业基本信息和所述职员基本信息进行分析，得到所述业务指标对应的预设条件，包括：

基于所述自然语言处理模型从所述企业基本信息中获取所述目标企业的企业等级和\或位置信息；

基于所述自然语言处理模型从所述职员基本信息中获取所述目标企业的职员的数量和\或每一所述职员的能力信息；

基于所述企业等级和\或所述位置信息获取所述目标企业的评判等级；

基于所述职员的数量和\或所述能力信息获取所述职员的评价值；

基于所述评判等级和所述评价值获取所述业务指标对应的预设条件。

4.根据权利要求2所述的方法，其特征在于，所述基于所述目标业务规则对所述画像模型进行分析，得到所述目标企业的业务指标的数值，包括：

从所述画像模型中查找所述运算表达式对应的目标数据节点和所述目标数据节点的关联数据节点；

基于所述目标数据节点和所述关联数据节点之间的关联关系，对所述目标数据节点对应的数据和所述关联数据节点对应的数据进行计算，得到所述运算表达式对应的目标业务数据；

基于所述运算表达式对所述目标业务数据进行计算，得到所述目标企业的业务指标的数值。

5.根据权利要求2所述的方法，其特征在于，在所述基于所述目标业务规则对所述画像模型进行分析，得到所述目标企业的业务指标的数值之后，所述方法还包括：

若所述业务指标的数值不满足所述预设条件，则基于所述业务指标获取目标业务的配置信息；

向所述目标企业对应的联系人发送所述配置信息。

6.根据权利要求5所述的方法，其特征在于，所述目标企业的画像模型包括客群维度的子模型，所述基于所述业务指标获取目标业务的配置信息，包括：

获取所述目标企业的相似企业的参考业务指标的数值；

若所述参考业务指标的数值大于所述业务指标的数值，则基于所述相似企业的画像模型与所述目标企业的画像模型进行对比，得到所述目标企业的参考数据节点；

基于所述参考数据节点确定目标业务；

基于所述客群维度的子模型获取所述目标业务的配置信息。

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述目标企业的画像模型包括多个预设维度中每一预设维度的子模型，所述基于所述业务交易数据和所述基本信息构建所述目标企业的画像模型，包括：

从所述业务交易数据和所述基本信息中获取所述预设维度对应的子数据；

基于所述预设维度对应的子数据获取所述预设维度对应的数据节点，以及所述数据节点与所述数据节点关联的关联节点之间的关联关系；

基于所述关联关系连接所述数据节点和所述关联节点，得到所述预设维度对应的子模型。

8.一种基于自然语言处理模型的业务分析装置，其特征在于，包括：

第一获取单元，用于获取目标企业的基本信息和业务交易数据；

第一分析单元，用于基于自然语言处理模型对所述基本信息进行分析，得到所述目标企业的目标业务规则；

构建单元，用于基于所述业务交易数据和所述基本信息构建所述目标企业的画像模型；

第二分析单元，用于基于所述目标业务规则对所述画像模型进行分析，得到所述目标企业的业务指标的数值。

9.一种计算机设备，其特征在于，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行权利要求1-7中任一项方法中的步骤的指令。

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存储计算机程序，所述计算机程序使得计算机执行以实现权利要求1-7中任一项所述的方法。

Images