CN114022228A - 一种经济信息数据处理方法、系统、计算机设备及存储介质 - Google Patents
一种经济信息数据处理方法、系统、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114022228A CN114022228A CN202210007368.5A CN202210007368A CN114022228A CN 114022228 A CN114022228 A CN 114022228A CN 202210007368 A CN202210007368 A CN 202210007368A CN 114022228 A CN114022228 A CN 114022228A
- Authority
- CN
- China
- Prior art keywords
- user
- transaction information
- transaction
- information
- determining
- 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.)
- Granted
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及经济数据处理技术领域,具体公开了一种经济信息数据处理方法、系统、计算机设备及存储介质,所述系统包括交易分类模块,用于对用户的交易信息进行分类;消费率确定模块,用于根据分类结果确定用户消费率;个人分析模块,用于获取用户的收入信息,基于所述收入信息和所述用户消费率确定个人购买力;区域分析模块,用于基于所述用户终端中的位置信息及相应的个人购买力确定区域购买力。本发明通过对用户的交易信息进行分析,得到用户消费率,然后仅需获取用户的收入信息,即可计算出用户的购买力,在简化计算流程的同时,保证了计算的准确性。
Description
技术领域
本发明涉及经济数据处理技术领域,具体是一种经济信息数据处理方法、系统、计算机设备及存储介质。
背景技术
经济信息数据包含很多,比如宏观经济数据指的是政府给出的国家、省、市等全体的数据,如人口、GDP、价格指数等,中观经济数据指的是各行业的数据,如行业的厂商数、资本存量、就业人数等,微观经济数据指的是关于企业、个人等的数据,如对企业的人力资源状况的调研数据、对企业所有制情况的调研数据等,这些经济数据都能够反映出国家、各行业、各企业、个人等的经济发展情况。
而微观经济中的个人消费数据往往用来评估个人、区域的购买能力,从而进行社会经济发展情况的研究,还能根据个人、区域购买能力的不同制定差异化的营销方案等,具有十分重要的意义,对于一些想要实时了解这些微观经济信息的人来说,需要一种时效性较强的经济信息处理系统,来实时的获取并处理微观经济数据,可以想到,在上述经济信息处理系统中,存在着时效性与准确性的矛盾,若想要实时获取微观经济信息,那么便会压缩对微观经济数据的运算时间,从而降低信息的准确性,由此,本发明的主要目的是提出一种对微观经济中个人消费数据的处理方法,用来评估个人、区域的购买能力,且方法处理数据的时效性高,准确性好。
发明内容
本发明的目的在于提供一种经济信息数据处理方法、系统、计算机设备及存储介质,以解决上述背景技术中所提出的问题。
为实现上述的发明目的,本发明提供如下技术方案:
一种经济信息数据处理方法,所述方法具体包括:
获取用户终端中的交易信息,根据交易信息中的支付时间及支付金额将交易信息分为必要交易与非必要交易;
根据非必要交易确定用户购买等级,并根据用户购买等级确定用户消费率;
获取用户的收入信息,基于所述收入信息和所述用户消费率确定个人购买力;
基于用户终端中的位置信息及相应的个人购买力确定区域购买力;
所述根据交易信息中的支付时间及支付金额将交易信息分为必要交易与非必要交易的步骤具体包括:
以天为单位根据交易信息中的支付时间统计交易信息;
读取统计到的交易信息中的支付时间,确定所述支付时间所属的时段,并将该交易信息插入相应的时段数据库中;
获取时段数据库中的交易信息,根据支付金额将所述交易信息分为必要交易与非必要交易;
所述用户消费率可以通过如下公式来计算:
作为对本发明技术方案进一步的限定,所述获取时段数据库中的交易信息,根据支付金额将所述交易信息分为必要交易与非必要交易的步骤具体包括:
获取时段数据库中的交易信息,基于所述交易信息中的支付金额对所述交易信息进行排序;
依次将所述交易信息中的支付金额进行归档,生成支付金额与档位相对应的交易信息表;
确定众数档位,将所述众数档位与所述交易信息表中的档位进行异或操作;
提取异或结果为零的档位所对应的交易信息,得到必要交易,提取异或结果为一的档位所对应的交易信息,得到非必要交易。
作为对本发明技术方案进一步的限定,所述根据非必要交易确定用户购买等级的步骤具体包括:
获取非必要交易中的收款方,基于所述收款方确定用户的兴趣产品和支付时间;
建立与缓存数据库的连接通道,读取搜索类App内早于所述支付时间的搜索记录,根据所述兴趣产品遍历所述搜索记录并生成重复次数;
将所述重复次数与预设的等级阈值表进行比对,根据比对结果确定用户购买等级。
作为对本发明技术方案进一步的限定,所述读取搜索类App内早于所述支付时间的搜索记录,根据所述兴趣产品遍历所述搜索记录并生成重复次数的步骤具体包括:
读取搜索类App内早于所述支付时间的搜索记录;
建立与近义词数据库的连接通道,并根据所述兴趣产品获取近义词组;
依次读取所述近义词组中的近义词,并基于所述近义词遍历所述搜索记录并生成子重复次数;
累加生成的子重复次数,得到重复次数。
与现有技术相比,本发明的有益效果是:
本发明提出的一种经济信息数据处理方法,首先获取用户终端中的交易信息,根据该交易信息中的支付时间及支付金额将用户交易信息分为必要交易与非必要交易,接着根据用户的非必要交易确定用户购买等级,并根据用户购买等级计算出用户消费率,用户消费率能够直观、清晰的代表用户在过去一个月的平均购买能力,然后在系统获取到用户当月收入的时刻,通过计算用户当月收入与该用户在过去一个月的用户消费率的乘积得到用户的个人购买力,个人购买力以量化的形式来表征用户个人在当月的购买能力,最后通过对属于某区域内的个人购买力进行累计得到区域购买力,本发明简化了根据用户个人消费数据计算个人购买力和区域购买力的过程,并以量化的形式来表示个人购买力和区域购买力,具有数据处理过程高效、数据处理结果准确的优点。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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发明的一些实施例。
图1示出了经济信息数据处理方法的流程框图。
图2示出了经济信息数据处理方法的第一子流程框图。
图3示出了经济信息数据处理方法的第二子流程框图。
图4示出了经济信息数据处理方法的第三子流程框图。
图5示出了经济信息数据处理方法的第四子流程框图。
图6示出了经济信息数据处理系统的组成结构框图。
图7示出了经济信息数据处理系统中交易分类模块的组成结构框图。
图8示出了交易分类模块中执行单元的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
图1示出了经济信息数据处理方法的流程框图,本发明实施例中,一种经济信息数据处理方法,所述方法具体包括:
步骤S200:获取用户终端中的交易信息,根据交易信息中的支付时间及支付金额将交易信息分为必要交易与非必要交易;
上述用户终端中的交易信息,包括用户终端上支付类App中的交易信息,值得一提的是,如果是银行类应用App,由于其安全级别较高,一般来说是不存在与第三方合作的,但是,想要获取银行卡内的交易信息却依旧是可行的,即可以通过用户终端自带的短信App实时获取账户余额信息。
步骤S400:根据非必要交易确定用户购买等级,并根据用户购买等级确定用户消费率;
非必要交易指的是用户交易信息中除了必要交易以外的交易信息,而必要交易则是用户在日常生活中较多进行的交易行为,往往包含对生活中衣食住行相关消费品的购买行为,用来满足基础的日常生活需求,而非必要交易则更多的用来满足例如用户对于娱乐、学习、时尚等的需求,往往更能反映出用户的购买能力。
步骤S600:获取用户的收入信息,基于所述收入信息和所述用户消费率确定个人购买力;
在已经获得用户消费率的前提下,只需要再实时获取用户的收入信息,即可确定其个人购买力,一般情况下,个人收入均为月结,这样便可以使得对于每个用户每月仅需计算一次,便可得到用户在一个月的购买力,整个计算过程的简化程度很高。
步骤S800:基于所述用户终端中的位置信息及相应的个人购买力确定区域购买力;
在能够计算得到个人购买力的情况下,如果需要获取某个区域范围内的购买力,则对属于该区域内的个人购买力进行一个简单的累计即可,具体的,获取个人用户终端上支付类App中的定位信息,通过判断该定位信息所属的区域,从而统计相对应的区域购买力。
图2示出了经济信息数据处理方法的第一子流程框图,所述根据交易信息中的支付时间及支付金额将交易信息分为必要交易与非必要交易的步骤具体包括:
步骤S201:以天为单位根据交易信息中的支付时间统计交易信息;
步骤S203:读取统计到的交易信息中的支付时间,确定所述支付时间所属的时段,并将该交易信息插入相应的时段数据库中;
步骤S205:获取时段数据库中的交易信息,根据支付金额将所述交易信息分为必要交易与非必要交易。
步骤S201至步骤S205是具体的对用户的购买行为进行分类的过程,举例说明,用户在一周内的消费信息,大部分都是重复的,因为一个人的购买习惯往往是维持不变的,比如,午休的时候,用户会借此时间进行网购,如果此行为持续一周的时间,那么这种行为很有可能就是用户的习惯行为,因此分时段对用户的交易信息进行分类,可以简化对用户购买力的计算过程。
通过举例的方式对上述的过程进行说明,例如基于一个用户的交易信息,首先根据交易信息中的支付时间划分不同时段,再对每个时段中的交易信息进行必要交易和非必要交易的类别划分,例如6:00-7:59用户进行的是必要交易,8:00-9:59用户进行的是非必要交易,具体的分类处理方法如以下内容所述。
图3示出了经济信息数据处理方法的第二子流程框图,所述获取时段数据库中的交易信息,根据支付金额将所述交易信息分为必要交易与非必要交易的步骤具体包括:
步骤S2051:获取时段数据库中的交易信息,基于所述交易信息中的支付金额对所述交易信息进行排序;
步骤S2053:依次将所述交易信息中的支付金额进行归档,不同的支付金额对应不同的档位,生成支付金额与档位相对应的交易信息表;
步骤S2053是一个归档步骤,也是对用户的交易信息进行二次分类的步骤,只不过与上述按时间分类不同的是,归档分类是依照支付金额进行分类的,分类的结果是生成一个交易信息表。至于归档的方式,通过举例说明,如可以将支付金额为0元至30元划为一档,将30元至100元划为二档,100元至1000元划为三档,依此类推,但划分档位的方法并不局限于上述的例子,然后将交易信息中的支付金额替换为档位,便生成了交易信息表。
步骤S2055:确定众数档位,将所述众数档位与所述交易信息表中的档位进行异或操作;
众数档位是用户交易信息中出现最多的消费价格范围,其代表的意义是用户支付行为中的必要交易,比如:0元-30元一般是某用户吃饭或出行的支付金额,例如该支付金额所对应的档位是一档,因为该用户每天都会吃饭出行,并对应产生大量的一档位的交易信息,所以该用户的众数档位往往就是此类支付金额所对应的档位,值得一提的是,档位的划分方式可以根据实际情况自由设定,并不局限于上述的例子,无论是支付金额范围的边界值还是额度跨度值,且对不同的用户来说,其众数档位是不同的。
步骤S2057:提取异或结果为零的档位所对应的交易信息,得到必要交易,提取异或结果为一的档位所对应的交易信息,得到非必要交易。
上述步骤中的重点在于众数档位与交易信息表中档位的异或过程,异或操作的计算逻辑是参与异或操作的两者内容相同则结果为零,否则结果为一,通过异或操作便把从交易信息中对必要交易和非必要交易的提取过程转变为一个简单的运算过程。当然,使用与运算,或是与运算和异或运算相结合也是可行的方案,具体的提取方法取决于设计者,本发明中不作细述。
图4示出了经济信息数据处理方法的第三子流程框图,所述根据非必要交易确定用户购买等级的步骤具体包括:
步骤S401:获取非必要交易中的收款方,基于所述收款方确定用户的兴趣产品和支付时间;
通过非必要交易对应交易信息中的收款方可以分析得到用户的兴趣产品,在本发明中想要分析的是,用户在做出购买行为前,进行了多少相关信息的查询,可以想到,如果用户几乎没有查询过相关信息,那么则可以推断出此用户的消费观念较为冲动,购买力也更强。
步骤S403:建立与缓存数据库的连接通道,读取搜索类App内早于所述支付时间的搜索记录,根据所述兴趣产品遍历所述搜索记录并生成重复次数;
获取用户在做出购买行为前,进行了多少相关信息查询的最简单的方式便是通过用户的搜索记录来进行判断,根据用户的所述兴趣产品遍历所述搜索记录,获取一个重复次数,重复次数越高,说明用户做出购买行为前查询的相关信息越多,考虑时间也越多,购买力则相对较弱。
步骤S405:将所述重复次数与预设的等级阈值表进行比对,根据比对结果确定用户购买等级;
上述的重复次数所属的数值范围可能很大,不便于后续进行用户购买力的计算操作,因此,需要对所述重复次数进行分类,分类的过程就是确定用户购买等级的过程,下面通过举例的方式来说明,但对重复次数进行分类的方法并不局限于此例,例如预设的等级阈值表中记录着重复次数为0至20,20至40,40至60,60至80,80至100,分别依次对应用户购买等级五至用户购买等级一,可以看出,用户的兴趣产品在其搜索记录中重复次数越多,其对应的用户购买等级越低。
图5示出了经济信息数据处理方法的第四子流程框图,所述读取搜索类App内早于所述支付时间的搜索记录,根据所述兴趣产品遍历所述搜索记录并生成重复次数的步骤具体包括:
步骤S4031:读取搜索类App内早于所述支付时间的搜索记录;
步骤S4033:建立与近义词数据库的连接通道,并根据所述兴趣产品获取近义词组;
步骤S4035:依次读取所述近义词组中的近义词,并基于所述近义词遍历所述搜索记录并生成子重复次数;
步骤S4037:累加生成的子重复次数,得到重复次数。
上述步骤中的重复次数如果仅由一个词,也就是唯一的一个用户兴趣产品来确定,肯定是不准确的,比如,手镯和手链是近义词,如果仅通过其中一个词来检测,那么统计得到的重复次数可能是少于实际重复次数的,上述步骤S4031至步骤S4037的目的便是通过对用户兴趣产品的近义词在搜索记录中进行检测,使得重复次数的统计更加准确。
根据以上所述的发明内容,在基于用户某次的非必要交易信息能够确定该交易对应的用户购买等级之后,还需要根据用户购买等级来进一步计算得出用户消费率,具体的计算过程包括,首先对用户在过去一个月内产生的所有非必要交易分别进行用户购买等级的判定,接着计算用户在过去一个月内的平均用户购买等级,最后结合该平均用户购买等级所对应的多个非必要交易的支付金额和用户在过去一个月内的总收入计算用户消费率,用户消费率可以通过如下公式来表示:
具体的,在计算平均用户购买等级时,若对用户在过去一个月内产生的所有非必要交易的用户购买等级求平均值得到的结果为非整数时,对该结果进行向上取整,从而确保该结果能够与预设的用户购买等级一一对应,该平均用户购买等级用来代表用户在过去一个月内的平均购买能力,又通过进一步计算并得到用户消费率,用户消费率为用户在过去一个月内平均在非必要交易上的花费总和占其在过去一个月内收入总和的比例,与平均用户购买等级相比,该用户消费率能够更直观、清晰的代表用户在过去一个月内的平均购买能力。
具体的,考虑到通常用户收入的结算方式是月结,在系统获取到用户当月收入的时刻,通过计算用户当月收入与该用户在过去一个月内的用户消费率的乘积并得到结果,结果代表用户在当月能够花费在非必要交易上的金额,即结果能够以量化的形式来表征用户个人在当月的购买能力,结果的数值越大,就表示用户在当月的购买能力越强,如果还需要获取某个区域范围内的购买力,则对属于该区域内的个人购买力进行简单的累计即可得到。
实施例2
图6示出了经济信息数据处理系统的组成结构框图,本发明实施例中,一种经济信息数据处理系统,所述系统10包括:
交易分类模块11,用于获取用户终端中的交易信息,根据交易信息中的支付时间及支付金额将交易信息分为必要交易与非必要交易;
所述交易分类模块11用于完成步骤S200;
消费率确定模块12,用于根据非必要交易确定用户购买等级,并根据用户购买等级确定用户消费率;
所述消费率确定模块12用于完成步骤S400;
个人分析模块13,用于获取用户的收入信息,基于所述收入信息和所述用户消费率确定个人购买力;
所述个人分析模块13用于完成步骤S600;
区域分析模块14,用于基于所述用户终端中的位置信息及相应的个人购买力确定区域购买力;
所述区域分析模块14用于完成步骤S800。
图7示出了经济信息数据处理系统中交易分类模块的组成结构框图,所述交易分类模块11具体包括:
统计单元111,用于以天为单位根据交易信息中的支付时间统计交易信息;
所述统计单元111用于完成步骤S201;
插入单元112,用于读取统计到的交易信息中的支付时间,确定所述支付时间所属的时段,并将该交易信息插入相应的时段数据库中;
所述插入单元112用于完成步骤S203;
执行单元113,用于获取时段数据库中的交易信息,根据支付金额将所述交易信息分为必要交易与非必要交易;
所述执行单元113用于完成步骤S205。
图8示出了交易分类模块中执行单元的组成结构框图,所述执行单元113具体包括:
排序子单元1131,用于获取时段数据库中的交易信息,基于所述交易信息中的支付金额对所述交易信息进行排序;
所述排序子单元1131用于完成步骤S2051;
表格生成子单元1132,用于依次将所述交易信息中的支付金额进行归档,生成支付金额与档位相对应的交易信息表;
所述表格生成子单元1132用于完成步骤S2053;
异或子单元1133,用于确定众数档位,将所述众数档位与所述交易信息表中的档位进行异或操作;
所述异或子单元1133用于完成步骤S2055;
提取子单元1134,用于提取异或结果为零的档位所对应的交易信息,得到必要交易,提取异或结果为一的档位所对应的交易信息,得到非必要交易;
所述提取子单元1134用于完成步骤S2057。
上述经济信息数据处理方法所能实现的功能均由计算机设备完成,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述经济信息数据处理方法的功能。
处理器从存储器中逐条取出指令、分析指令,然后根据指令要求完成相应操作,产生一系列控制命令,使计算机各部分自动、连续并协调动作,成为一个有机的整体,实现程序的输入、数据的输入以及运算并输出结果,这一过程中产生的算术运算或逻辑运算均由运算器完成;所述存储器包括只读存储器(Read-Only Memory,ROM),所述只读存储器用于存储计算机程序,所述存储器外部设有保护装置。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述服务设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/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,本发明实现上述实施例系统中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个系统实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种经济信息数据处理方法,其特征在于,所述方法具体包括:
获取用户终端中的交易信息,根据交易信息中的支付时间及支付金额将交易信息分为必要交易与非必要交易;
根据非必要交易确定用户购买等级,并根据用户购买等级确定用户消费率;
获取用户的收入信息,基于所述收入信息和所述用户消费率确定个人购买力;
基于所述用户终端中的位置信息及相应的个人购买力确定区域购买力;
所述根据交易信息中的支付时间及支付金额将交易信息分为必要交易与非必要交易的步骤具体包括:
以天为单位根据交易信息中的支付时间统计交易信息;
读取统计到的交易信息中的支付时间,确定所述支付时间所属的时段,并将该交易信息插入相应的时段数据库中;
获取时段数据库中的交易信息,根据支付金额将所述交易信息分为必要交易与非必要交易;
所述用户消费率通过如下公式来计算:
所述个人购买力通过如下公式来计算:
2.根据权利要求1所述的经济信息数据处理方法,其特征在于,所述获取时段数据库中的交易信息,根据支付金额将所述交易信息分为必要交易与非必要交易的步骤具体包括:
获取时段数据库中的交易信息,基于所述交易信息中的支付金额对所述交易信息进行排序;
依次将所述交易信息中的支付金额进行归档,生成支付金额与档位相对应的交易信息表;
确定众数档位,将所述众数档位与所述交易信息表中的档位进行异或操作;
提取异或结果为零的档位所对应的交易信息,得到必要交易,提取异或结果为一的档位所对应的交易信息,得到非必要交易。
3.根据权利要求1所述的经济信息数据处理方法,其特征在于,所述根据非必要交易确定用户购买等级的步骤具体包括:
获取非必要交易中的收款方,基于所述收款方确定用户的兴趣产品和支付时间;
建立与缓存数据库的连接通道,读取搜索类App内早于所述支付时间的搜索记录,根据所述兴趣产品遍历所述搜索记录并生成重复次数;
将所述重复次数与预设的等级阈值表进行比对,根据比对结果确定用户购买等级。
4.根据权利要求3所述的经济信息数据处理方法,其特征在于,所述读取搜索类App内早于所述支付时间的搜索记录,根据所述兴趣产品遍历所述搜索记录并生成重复次数的步骤具体包括:
读取搜索类App内早于所述支付时间的搜索记录;
建立与近义词数据库的连接通道,并根据所述兴趣产品获取近义词组;
依次读取所述近义词组中的近义词,并基于所述近义词遍历所述搜索记录并生成子重复次数;
累加生成的子重复次数,得到重复次数。
5.一种经济信息数据处理系统,其特征在于,所述系统具体包括:
交易分类模块,用于获取用户终端中的交易信息,根据交易信息中的支付时间及支付金额将交易信息分为必要交易与非必要交易;
消费率确定模块,用于根据非必要交易确定用户购买等级,并根据用户购买等级确定用户消费率;
个人分析模块,用于获取用户的收入信息,基于所述收入信息和所述用户消费率确定个人购买力;
区域分析模块,用于基于所述用户终端中的位置信息及相应的个人购买力确定区域购买力。
6.根据权利要求5所述的经济信息数据处理系统,其特征在于,所述交易分类模块具体包括:
统计单元,用于以天为单位根据交易信息中的支付时间统计交易信息;
插入单元,用于读取统计到的交易信息中的支付时间,确定所述支付时间所属的时段,并将该交易信息插入相应的时段数据库中;
执行单元,用于获取时段数据库中的交易信息,根据支付金额将所述交易信息分为必要交易与非必要交易。
7.根据权利要求6所述的经济信息数据处理系统,其特征在于,所述执行单元具体包括:
排序子单元,用于获取时段数据库中的交易信息,基于所述交易信息中的支付金额对所述交易信息进行排序;
表格生成子单元,用于依次将所述交易信息中的支付金额进行归档,生成支付金额与档位相对应的交易信息表;
异或子单元,用于确定众数档位,将所述众数档位与所述交易信息表中的档位进行异或操作;
提取子单元,用于提取异或结果为零的档位所对应的交易信息,得到必要交易,提取异或结果为一的档位所对应的交易信息,得到非必要交易。
8.一种计算机设备,其特征在于,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行时,实现如权利要求1至4中任一项权利要求所述经济信息数据处理方法的功能。
9.一种计算机存储介质,其特征在于,所述计算机存储介质中存储有至少一条程序代码,所述程序代码由处理器加载并执行时,实现如权利要求1至4中任一项权利要求所述经济信息数据处理方法的功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210007368.5A CN114022228B (zh) | 2022-01-06 | 2022-01-06 | 一种经济信息数据处理方法、系统、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210007368.5A CN114022228B (zh) | 2022-01-06 | 2022-01-06 | 一种经济信息数据处理方法、系统、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114022228A true CN114022228A (zh) | 2022-02-08 |
CN114022228B CN114022228B (zh) | 2022-04-19 |
Family
ID=80069648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210007368.5A Active CN114022228B (zh) | 2022-01-06 | 2022-01-06 | 一种经济信息数据处理方法、系统、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114022228B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010027413A1 (en) * | 2000-02-23 | 2001-10-04 | Bhutta Hafiz Khalid Rehman | System, software and method of evaluating, buying and selling consumer's present and potential buying power through a clearing house |
US20130166436A1 (en) * | 2011-12-22 | 2013-06-27 | Ike O. Eze | Deriving buyer purchasing power from buyer profile and social network data |
CN108846708A (zh) * | 2018-06-29 | 2018-11-20 | 中国联合网络通信集团有限公司 | 用户购买行为预测方法、装置、设备及存储介质 |
CN109033299A (zh) * | 2018-07-16 | 2018-12-18 | 深圳市谷熊网络科技有限公司 | 一种通过终端应用向用户推荐信息的方法、装置及设备 |
CN109785007A (zh) * | 2019-01-24 | 2019-05-21 | 博拉网络股份有限公司 | 电商后台数据分析算法 |
CN112101980A (zh) * | 2020-08-04 | 2020-12-18 | 北京思特奇信息技术股份有限公司 | 一种用户购买偏好分析的方法和系统 |
CN113077331A (zh) * | 2021-03-25 | 2021-07-06 | 胡立禄 | 一种基于大数据的个人金融信用评价系统及方法 |
-
2022
- 2022-01-06 CN CN202210007368.5A patent/CN114022228B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010027413A1 (en) * | 2000-02-23 | 2001-10-04 | Bhutta Hafiz Khalid Rehman | System, software and method of evaluating, buying and selling consumer's present and potential buying power through a clearing house |
US20130166436A1 (en) * | 2011-12-22 | 2013-06-27 | Ike O. Eze | Deriving buyer purchasing power from buyer profile and social network data |
CN108846708A (zh) * | 2018-06-29 | 2018-11-20 | 中国联合网络通信集团有限公司 | 用户购买行为预测方法、装置、设备及存储介质 |
CN109033299A (zh) * | 2018-07-16 | 2018-12-18 | 深圳市谷熊网络科技有限公司 | 一种通过终端应用向用户推荐信息的方法、装置及设备 |
CN109785007A (zh) * | 2019-01-24 | 2019-05-21 | 博拉网络股份有限公司 | 电商后台数据分析算法 |
CN112101980A (zh) * | 2020-08-04 | 2020-12-18 | 北京思特奇信息技术股份有限公司 | 一种用户购买偏好分析的方法和系统 |
CN113077331A (zh) * | 2021-03-25 | 2021-07-06 | 胡立禄 | 一种基于大数据的个人金融信用评价系统及方法 |
Non-Patent Citations (1)
Title |
---|
孙贵珍等: "基于农村信息贫困的农民信息购买力研究", 《中国农学通报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114022228B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Coussement et al. | A Bayesian approach for incorporating expert opinions into decision support systems: A case study of online consumer-satisfaction detection | |
EP1361526A1 (en) | Electronic data processing system and method of using an electronic processing system for automatically determining a risk indicator value | |
Phillips et al. | Testing the martingale hypothesis | |
Park et al. | Two-stage technology opportunity discovery for firm-level decision making: GCN-based link-prediction approach | |
Williams | Statistics for business and economics | |
CN115375177A (zh) | 用户价值评估方法、装置、电子设备及存储介质 | |
CN112102006A (zh) | 基于大数据分析的目标客户获取方法、搜索方法及装置 | |
Taubert et al. | Waiving article processing charges for least developed countries: a keystone of a large-scale open access transformation | |
Horváth et al. | Detecting common breaks in the means of high dimensional cross-dependent panels | |
CN114022228B (zh) | 一种经济信息数据处理方法、系统、计算机设备及存储介质 | |
CN114491134B (zh) | 一种商标注册成功率分析方法及系统 | |
Giczi et al. | Official Statistics and Big Data | |
CN113065944A (zh) | 一种信货条件信用风险智能分析评估方法及系统 | |
Aren et al. | Typology of behavioral biases and heuristics | |
US11379929B2 (en) | Advice engine | |
CN112732891A (zh) | 办公课程推荐方法、装置、电子设备及介质 | |
CN114693028A (zh) | 一种基于案件事实要素分析工作量绩效的方法及装置 | |
Krishna et al. | Explaining variation in adoption of FinTech products and services among citizens: a multilevel model | |
Chebbi et al. | Dynamic dependencies between the Tunisian stock market and other international stock markets: GARCH-EVT-Copula approach | |
CN111833142A (zh) | 信息推送处理方法、装置、设备和存储介质 | |
Fu et al. | Testing exogeneity in nonparametric instrumental variables models identified by conditional quantile restrictions | |
Camcι et al. | Pricing American contingent claims by stochastic linear programming | |
US20210042768A1 (en) | Synthetic cohort decay analysis and uses thereof | |
CN115797046A (zh) | 一种基于信贷用户价值的免息券发放评估方法及系统 | |
CN113159966A (zh) | 基于大数据的资金规划推荐方法、装置、设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |