CN114612218A - 催收案件的分配方法、装置、计算机设备及存储介质 - Google Patents
催收案件的分配方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114612218A CN114612218A CN202210241262.1A CN202210241262A CN114612218A CN 114612218 A CN114612218 A CN 114612218A CN 202210241262 A CN202210241262 A CN 202210241262A CN 114612218 A CN114612218 A CN 114612218A
- Authority
- CN
- China
- Prior art keywords
- collection
- type
- case
- big data
- cases
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- G06Q40/06—Asset management; Financial planning or analysis
Abstract
本发明涉及计算机技术领域,公开了一种催收案件的分配方法,包括:大数据催收系统确定大数据催收系统中每个催收案件的还款因素标签;大数据催收系统确定大数据催收系统中每个催收专员的擅长催收标签;大数据催收系统基于还款因素标签和擅长催收标签为每个催收案件分配对应的催收专员。可见,本发明能够在进行催收案件的分配时,先确定出催收案件和催收专员各自的特性标签,然后将催收案件和催收专员各自的特性标签进行匹配,从而能够实现将计算机大数据技术应用在催收案件的分配中,实现为催收案件自动地分配合适的催收专员。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种催收案件的分配方法、装置、计算机设备以及存储介质。
背景技术
催收是金融贷款行业中一项常见的业务,其能够有效地降低金融机构风险。在实际的催收业务中,不同的催收案件的客户通常具有不同的特性,如,A客户有未成年子女、B客户名下有公司、C客户有固定工作等等,而不同的催收专员通常也有其不同的擅长催收的客户,如,催收专员a比较擅长催收有固定工作的客户,其在这一类催收案件的催收成功率较高。可见,为不同的催收案件分配合适的催收专员有利于提高催收案件的整体催收成功率,提高金融机构的催收效率,降低金融机构的风险。随着计算机大数据技术的发展,如何将计算机大数据技术应用在催收案件的分配中,从而为催收案件分配合适的催收专员,是一个亟需解决的技术问题。
发明内容
本发明所要解决的技术问题在于,如何将计算机大数据技术应用在催收案件的分配中,为不同特性的催收案件分配合适的催收专员。
为了解决上述技术问题,本发明第一方面公开了一种催收案件的分配方法,所述方法包括:
大数据催收系统确定所述大数据催收系统中每个催收案件的还款因素标签,其中,所述还款因素标签用于记录将会对该催收案件的客户是否成功还款造成影响的第一目标因素,所述第一目标因素包括预设的多种类型的因素中的至少一种;
所述大数据催收系统确定所述大数据催收系统中每个催收专员的擅长催收标签,其中,所述擅长催收标签用于记录该催收专员擅长催收的第二目标因素,所述第二目标因素包括所述预设的多种类型的因素中的至少一种;
所述大数据催收系统基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员。
本发明第二方面公开了一种催收案件的分配装置,所述装置包括:
确定模块,用于确定大数据催收系统中每个催收案件的还款因素标签,其中,所述还款因素标签用于记录将会对该催收案件的客户是否成功还款造成影响的第一目标因素,所述第一目标因素包括预设的多种类型的因素中的至少一种;
所述确定模块,还用于确定所述大数据催收系统中每个催收专员的擅长催收标签,其中,所述擅长催收标签用于记录该催收专员擅长催收的第二目标因素,所述第二目标因素包括所述预设的多种类型的因素中的至少一种;
分配模块,用于基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员。
本发明第三方面公开了一种计算机设备,所述计算机设备包括:
存储有可执行程序代码的存储器;
与所述存储器连接的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的催收案件的分配方法中的部分或全部步骤。
本发明第四方面公开了一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的催收案件的分配方法中的部分或全部步骤。
本发明实施例中,大数据催收系统先确定每个催收案件的还款因素标签和每个催收专员的擅长催收标签,然后基于催收案件的还款因素标签和催收专员的擅长催收标签,将各个催收案件分配至对应的催收专员,从而能够在进行催收案件的分配时,先确定出催收案件和催收专员各自的特性标签,然后将催收案件和催收专员各自的特性标签进行匹配,从而能够实现将计算机大数据技术应用在催收案件的分配中,实现为催收案件自动地分配合适的催收专员,提高催收案件的分配结果的准确度,有利于提高催收案件的整体催收成功率,提高金融机构的催收效率,降低金融机构的风险。
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,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。
图1是本发明实施例公开的一种催收案件的分配方法的流程示意图;
图2是本发明实施例公开的一种催收案件的分配装置的结构示意图;
图3是本发明实施例公开的一种计算机设备的结构示意图;
图4是本发明实施例公开的一种计算机存储介质的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明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、装置、产品或端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、产品或端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发明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。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本发明公开了一种催收案件的分配方法、装置、计算机设备以及存储介质,大数据催收系统先确定每个催收案件的还款因素标签和每个催收专员的擅长催收标签,然后基于催收案件的还款因素标签和催收专员的擅长催收标签,将各个催收案件分配至对应的催收专员,从而能够在进行催收案件的分配时,先确定出催收案件和催收专员各自的特性标签,然后将催收案件和催收专员各自的特性标签进行匹配,从而能够实现将计算机大数据技术应用在催收案件的分配中,实现为催收案件自动地分配合适的催收专员,提高催收案件的分配结果的准确度,有利于提高催收案件的整体催收成功率,提高金融机构的催收效率,降低金融机构的风险。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种催收案件的分配方法的流程示意图。如图1所示,该催收案件的分配方法可以包括以下操作:
101、大数据催收系统确定所述大数据催收系统中每个催收案件的还款因素标签,其中,所述还款因素标签用于记录将会对该催收案件的客户是否成功还款造成影响的第一目标因素,所述第一目标因素包括预设的多种类型的因素中的至少一种。
在上述步骤101中,大数据催收系统可以是一个专门用于管理催收案件和催收人员的计算机系统,其可以存储有每个催收案件和催收人员的相关数据。如,可以存储有催收案件的涉案人员的职业信息、收入情况、标的金额等数据,催收人员的工号、历史催收记录等数据。在进行催收案件的分配时,可以先确定出每个催收案件的还款因素标签。其中,预设的多种类型的因素可以设置为以下几种类型:有未成年子女(因素A)、名下有公司(因素B)、有三名以上联系人(因素C)、有固定工作(因素D)、年龄在25-45岁之间(因素E)。如,一个催收案件的涉案人员可能同时满足因素A、B、C的条件(也即该涉案人员可能有未成年子女、名下有公司且有三名以上联系人),则该催收案件的还款因素标签中记录的第一目标因素则可以为因素A、因素B和因素C。每个催收案件的还款因素标签可以是大数据催收系统根据该催收案件的相关数据自动确定出的,也可以是由用户手动设置的,具体稍后进行描述。
102、所述大数据催收系统确定所述大数据催收系统中每个催收专员的擅长催收标签,其中,所述擅长催收标签用于记录该催收专员擅长催收的第二目标因素,所述第二目标因素包括所述预设的多种类型的因素中的至少一种。
在上述步骤102中,大数据催收系统可以继续确定出每个催收专员的擅长催收标签。如,一个催收专员可能对于满足因素A、B、C的条件(也即该涉案人员可能有未成年子女、名下有公司且有三名以上联系人)的催收案件的催收成功率较高,则该催收专员的擅长催收标签中记录的第二目标因素则可以为因素A、因素B和因素C。每个催收专员的擅长催收标签可以是大数据催收系统根据该催收专员的相关数据自动确定出的,也可以是由用户手动设置的,具体稍后进行描述。
103、所述大数据催收系统基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员。
在上述步骤103中,在确定出催收案件的还款因素标签和催收专员的擅长催收标签之后,即可以将还款因素标签和擅长催收标签进行匹配,从而为每个催收案件分配合适的催收专员,保障催收的成功率,具体的匹配过程稍后进行具体描述。如,对于还款因素标签中记录的第一目标因素包括因素A的催收案件,则尽量将其分配至擅长催收标签中记录的第二目标因素包括因素A的催收专员。
可见,实施图1所描述的催收案件的分配方法,大数据催收系统先确定每个催收案件的还款因素标签和每个催收专员的擅长催收标签,然后基于催收案件的还款因素标签和催收专员的擅长催收标签,将各个催收案件分配至对应的催收专员,从而能够在进行催收案件的分配时,先确定出催收案件和催收专员各自的特性标签,然后将催收案件和催收专员各自的特性标签进行匹配,从而能够实现将计算机大数据技术应用在催收案件的分配中,实现为催收案件自动地分配合适的催收专员,提高催收案件的分配结果的准确度,有利于提高催收案件的整体催收成功率,提高金融机构的催收效率,降低金融机构的风险。
在一个可选的实施例中,所述大数据催收系统基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员,包括:
所述大数据催收系统按照预设的分配方式将第一类型催收案件分配至第一类型催收专员,其中,所述第一类型催收案件是指所对应的第一目标因素包括预设的第一类型因素的催收案件,所述第一类型催收专员是指所对应的第二目标因素包括所述第一类型因素的催收专员;
所述大数据催收系统判断所述第一类型催收案件是否有剩余;
若所述第一类型催收案件有剩余,则所述大数据催收系统将剩余的第一类型催收案件和第二类型催收案件按照预设的分配方式分配至第二类型催收专员,其中,所述第二类型催收案件是指所对应的第一目标因素包括预设的第二类型因素的催收案件,所述第二类型催收专员是指所对应的第二目标因素包括所述第二类型因素的催收专员。
在该可选的实施例中,假设还款因素标签中记录的第一目标因素包括因素A(也即第一类型因素)的催收案件(也即第一类型催收案件)共有35个,擅长催收标签中记录的第二目标因素包括因素A的催收专员(也即第一类型催收专员)共有3个,每个催收专员最多能接收的案件设置为10个,则为每个催收专员依次分配10个催收案件,将会有35-3*10=5个第一类型催收案件剩余。继续假设还款因素标签中记录的第一目标因素包括因素B(也即第二类型因素)的催收案件(也即第二类型催收案件)共有10个,擅长催收标签中记录的第二目标因素包括因素B的催收专员(也即第二类型催收专员)共有2个,则可以将剩余的5个第一类型催收案件和10个第二类型催收案件(共15个案件)分配至这两个第二类型催收专员,其中一个可以分配7个案件,另外一个可以分配8个案件。这里,预设的分配方式使用的是尽量平均分配的方式,如,16个案件分配至3个专员时,则各个专员依次分配到的案件数为5、5、6,使得各个专员分配到的案件数量都能尽量平均,如,11个案件分配至4个专员时,则各个专员依次分配到的案件数为3、3、3、2。
可见,实施该可选的实施例,在基于催收案件的还款因素标签和催收专员的擅长催收标签进行案件的分配时,先将第一类型的案件分配至第一类型的催收专员,若第一类型案件有剩余,则将剩余的第一类型案件和第二类型案件一同分配至第二类型的催收专员,通过这样的分配方式进行案件的分配,能够保证第一类型的案件和催收专员尽可能多地完成匹配,并能够避免多余的第一类型案件未分配至对应的催收专员的情况发生,从而能够在完成催收专员和催收案件的一一匹配的同时,尽可能地为每个催收案件分配合适的催收专员,提高催收案件的分配结果的准确度。
在一个可选的实施例中,所述大数据催收系统基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员,还包括:
若所述第一类型催收案件无剩余,则所述大数据催收系统将第二类型催收案件按照预设的分配方式分配至目标第一类型催收专员和所述第二类型催收专员,其中,所述目标第一类型催收专员是指仍有空闲接收案件的第一类型催收专员。
在该可选的实施例中,假设第一类型催收案件共有15个,第一类型催收专员共有2个,则分别为这两个催收专员分配7个、8个催收案件,此时,第一类型催收案件将能够被完全分配(也即无剩余),但是,2个第一类型催收专员接收的案件数量并未饱和,仍有接收案件的能力,即可以在下一轮的第二类型催收案件的分配中,将这两个第一类型催收专员一同作为第二类型催收案件的分配目标。假设第二类型催收案件共有20个,第二类型催收专员共有2个,则第二轮的案件分配结果是:分别为两个第一类型催收专员分配3个和2个第二类型催收案件,为两个第二类型催收专员分配7个和8个第二类型催收案件。
可见,实施该可选的实施例,在将第一类型的案件分配至第一类型的催收专员之后,若第一类型案件无剩余(即第一类型的催收专员有剩余),则将剩余的第一类型催收专员加入至下一次案件分配的目标,将第二类型案件分配至第二类型催收专员和剩余的第一类型催收专员,通过这样的分配方式进行案件的分配,能够保证第一类型的案件和催收专员尽可能多地完成匹配,并能够避免多余的第一类型催收专员未被分配案件的情况发生,从而能够在完成催收专员和催收案件的一一匹配的同时,尽可能地为每个催收案件分配合适的催收专员,提高催收案件的分配结果的准确度。
在一个可选的实施例中,所述大数据催收系统基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员,还包括:
所述大数据催收系统判断所述第一类型催收案件和所述第二类型催收案件是否有剩余;
若所述第一类型催收案件和所述第二类型催收案件有剩余,则所述大数据催收系统将第三类型催收案件和剩余的第一类型催收案件、第二类型催收案件按照预设的分配方式分配至第三类型催收专员,其中,所述第三类型催收案件是指所对应的第一目标因素包括预设的第三类型因素的催收案件,所述第三类型催收专员是指所对应的第二目标因素包括所述第三类型因素的催收专员。
在该可选的实施例中,在完成第一类型催收案件和第二类型催收案件的两轮分配后,若第一类型催收案件和第二类型催收案件仍有剩余,则可以在第三轮分配中,将剩余的第一类型催收案件和第二类型催收案件与第三类型催收案件一同分配至第三类型催收专员。假设,还款因素标签中记录的第一目标因素包括因素C(也即第三类型因素)的催收案件(也即第三类型催收案件)共有10个,擅长催收标签中记录的第二目标因素包括因素C的催收专员(也即第三类型催收专员)共有2个,剩余的第一类型催收案件共有2个,剩余的第二类型催收案件共有3个,则第三轮的案件分配结果可以是:第一个第三类型催收专员依次分得1个第一类型催收案件、1个第二类型催收案件和5个第三类型催收案件,第二个第三类型催收专员依次分得1个第一类型催收案件、2个第二类型催收案件和5个第三类型催收案件。
可见,实施该可选的实施例,在完成第一类型催收案件和第二类型催收案件的两轮分配后,若第一类型催收案件和第二类型催收案件仍有剩余,则可以在第三轮分配中,将剩余的第一类型催收案件和第二类型催收案件与第三类型催收案件一同分配至第三类型催收专员,通过这样的分配方式进行案件的分配,能够保证第一类型、第二类型的案件和催收专员尽可能多地完成匹配,并能够避免多余的第一类型案件和第二类型案件未分配至对应的催收专员的情况发生,从而能够在完成催收专员和催收案件的一一匹配的同时,尽可能地为每个催收案件分配合适的催收专员,提高催收案件的分配结果的准确度。
在一个可选的实施例中,所述大数据催收系统基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员,还包括:
若所述第一类型催收案件和所述第二类型催收案件无剩余,则所述大数据催收系统将第三类型催收案件按照预设的分配方式分配至目标第一类型催收专员、目标第二类型催收专员和第三类型催收专员,其中,所述目标第一类型催收专员是指仍有空闲接收案件的第一类型催收专员,所述目标第二类型催收专员是指仍有空闲接收案件的第二类型催收专员。
在该可选的实施例中,在完成第一类型催收案件和第二类型催收案件的两轮分配后,若第一类型催收案件和第二类型催收案件无剩余(也即存在第一类型催收专员和第二类型催收专员接收的案件数量并未饱和),则可以在第三轮分配中,将接收的案件数量并未饱和的第一类型催收专员和第二类型催收专员一同作为第三类型催收案件的分配目标。假设第三类型催收案件共有20个,第三类型催收专员共有2个,接收的案件数量并未饱和的第一类型催收专员有1个,且其还能接收的案件数量为2个,接收的案件数量并未饱和的第二类型催收专员有1个,且其还能接收的案件数量为3个,则第三轮的案件分配结果是:为这个第一类型催收专员分配2个第三类型催收案件,为这个第二类型催收专员分配3个第三类型催收案件,为这两个第三类型催收专员分配7个和8个第三类型催收案件。
可见,实施该可选的实施例,在完成第一类型催收案件和第二类型催收案件的两轮分配后,若第一类型催收案件和第二类型催收案件无剩余,则在第三轮分配中,将接收的案件数量并未饱和的第一类型催收专员和第二类型催收专员一同作为第三类型催收案件的分配目标,通过这样的分配方式进行案件的分配,能够保证第一类型和第二类型的案件和催收专员尽可能多地完成匹配,并能够避免第一类型催收专员和第二类型催收专员分配的案件数量未饱和的情况发生,从而能够在完成催收专员和催收案件的一一匹配的同时,尽可能地为每个催收案件分配合适的催收专员,提高催收案件的分配结果的准确度。
在一个可选的实施例中,所述大数据催收系统基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员,还包括:
所述大数据催收系统判断所述第一类型催收案件和所述第二类型催收案件是否有剩余;
若所述第一类型催收案件和所述第二类型催收案件有剩余,则所述大数据催收系统将剩余的第一类型催收案件、第二类型催收案件平均分配至其他类型催收专员,其中,所述其他类型催收专员是指所对应的第二目标因素包括预设的其他类型因素的催收专员。
在该可选的实施例中,由于影响用户还款的因素往往是不能完全枚举的,所以在系统中可以设置一个其他类型因素,用于囊括所有未被枚举出来的因素。擅长催收标签中记录的第二目标因素包括其他类型因素的催收专员也即为其他类型催收专员,其他类型催收专员可以用于接收其他类型催收案件,也可以用于接收多余的第一类型催收案件和第二类型催收案件。具体地,在完成第一类型催收案件和第二类型催收案件的两轮分配后,若第一类型催收案件和第二类型催收案件仍有剩余,每个第一类型催收专员和第二类型催收专员都已被分配满额的催收案件,则可以将剩余的第一类型催收案件和第二类型催收案件平均分配至其他类型催收专员。如,剩余的第一类型催收案件有2个,剩余的第二类型催收案件有2个,其他类型催收专员也有2个,则可以为每个其他类型催收专员均分配1个第一类型催收案件和1个第二类型催收案件。
可见,实施该可选的实施例,在完成第一类型催收案件和第二类型催收案件的两轮分配之后,若第一类型催收案件和第二类型催收案件有剩余,则可以将剩余的第一类型催收案件、第二类型催收案件平均分配至系统中其他类型催收专员,通过这样的分配方式进行案件的分配,能够保证相同类型的案件和催收专员尽可能多地完成匹配,并能够避免多余的案件未分配至对应的催收专员的情况发生,尽可能地完成催收专员和催收案件的一一匹配,提高整体的催收专员和催收案件的匹配率。
在一个可选的实施例中,所述大数据催收系统确定所述大数据催收系统中每个催收案件的还款因素标签,包括:
所述大数据催收系统根据所述大数据催收系统中每个催收案件的案件数据,确定该催收案件的还款因素标签,其中,该催收案件的案件数据用于记录该催收案件的案件情况,或者,
所述大数据催收系统根据所述大数据催收系统中每个催收案件对应的因素输入标签,确定该催收案件的还款因素标签,其中,该催收案件对应的因素输入标签是由用户手动输入的。
在该可选的实施例中,催收案件的还款因素标签可以是由大数据催收系统根据催收案件的案件数据自动确定的,也可以是由用户手动设置的。具体地,催收案件的案件数据可以包含催收案件的涉案人员的职业信息、收入情况、标的金额、家庭成员、关联公司等信息,大数据催收系统通过对案件数据进行文本分析即能够实现自动确定出催收案件的还款因素标签。
可见,实施该可选的实施例,通过对大数据催收系统中每个催收案件的案件数据进行分析来确定出该催收案件的还款因素标签,或者由用户手动设置催收案件的还款因素标签,从而能够准确地确定出催收案件的还款因素标签,有利于为催收案件分配合适的催收专员,提高催收案件的分配结果的准确度。
可选地,所述大数据催收系统确定所述大数据催收系统中每个催收专员的擅长催收标签,包括:
所述大数据催收系统根据所述大数据催收系统中每个催收专员的催收数据,确定该催收专员的擅长催收标签,其中,该催收专员的催收数据用于记录该催收专员的案件催收情况,或者,
所述大数据催收系统根据所述大数据催收系统中每个催收专员对应的催收输入标签,确定该催收人员的擅长催收标签,其中,该催收专员对应的催收输入标签是由用户手动输入的。
同理,催收人员的擅长催收标签可以是由大数据催收系统根据催收人员的催收数据自动确定的,也可以是由用户手动设置的。
可选地,还可以:将所述催收案件的分配方法的催收案件的分配信息上传至区块链中。
具体来说,催收案件的分配信息是通过运行所述催收案件的分配方法后得到的,用于记录催收案件的分配情况,例如,确定出的催收案件的还款因素标签、确定出的催收专员的擅长催收标签等等。将催收案件的分配信息上传至区块链可保证其安全性和对用户的公正透明性。用户可以从区块链中下载得到该催收案件的分配信息,以便查证所述催收案件的分配方法的催收案件的分配信息是否被篡改。本示例所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
实施例二
请参阅图2,图2是本发明实施例公开的一种催收案件的分配装置的结构示意图。如图2所示,该催收案件的分配装置可以包括:
确定模块201,用于确定大数据催收系统中每个催收案件的还款因素标签,其中,所述还款因素标签用于记录将会对该催收案件的客户是否成功还款造成影响的第一目标因素,所述第一目标因素包括预设的多种类型的因素中的至少一种;
所述确定模块201,还用于确定所述大数据催收系统中每个催收专员的擅长催收标签,其中,所述擅长催收标签用于记录该催收专员擅长催收的第二目标因素,所述第二目标因素包括所述预设的多种类型的因素中的至少一种;
分配模块202,用于基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员。
在一个可选的实施例中,所述分配模块202基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员,包括:
所述大数据催收系统按照预设的分配方式将第一类型催收案件分配至第一类型催收专员,其中,所述第一类型催收案件是指所对应的第一目标因素包括预设的第一类型因素的催收案件,所述第一类型催收专员是指所对应的第二目标因素包括所述第一类型因素的催收专员;
所述大数据催收系统判断所述第一类型催收案件是否有剩余;
若所述第一类型催收案件有剩余,则所述大数据催收系统将剩余的第一类型催收案件和第二类型催收案件按照预设的分配方式分配至第二类型催收专员,其中,所述第二类型催收案件是指所对应的第一目标因素包括预设的第二类型因素的催收案件,所述第二类型催收专员是指所对应的第二目标因素包括所述第二类型因素的催收专员。
在一个可选的实施例中,所述分配模块202基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员,还包括:
若所述第一类型催收案件无剩余,则所述大数据催收系统将第二类型催收案件按照预设的分配方式分配至目标第一类型催收专员和所述第二类型催收专员,其中,所述目标第一类型催收专员是指仍有空闲接收案件的第一类型催收专员。
在一个可选的实施例中,所述分配模块202基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员,还包括:
所述大数据催收系统判断所述第一类型催收案件和所述第二类型催收案件是否有剩余;
若所述第一类型催收案件和所述第二类型催收案件有剩余,则所述大数据催收系统将第三类型催收案件和剩余的第一类型催收案件、第二类型催收案件按照预设的分配方式分配至第三类型催收专员,其中,所述第三类型催收案件是指所对应的第一目标因素包括预设的第三类型因素的催收案件,所述第三类型催收专员是指所对应的第二目标因素包括所述第三类型因素的催收专员。
在一个可选的实施例中,所述分配模块202基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员,还包括:
若所述第一类型催收案件和所述第二类型催收案件无剩余,则所述大数据催收系统将第三类型催收案件按照预设的分配方式分配至目标第一类型催收专员、目标第二类型催收专员和第三类型催收专员,其中,所述目标第一类型催收专员是指仍有空闲接收案件的第一类型催收专员,所述目标第二类型催收专员是指仍有空闲接收案件的第二类型催收专员。
在一个可选的实施例中,所述分配模块202基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员,还包括:
所述大数据催收系统判断所述第一类型催收案件和所述第二类型催收案件是否有剩余;
若所述第一类型催收案件和所述第二类型催收案件有剩余,则所述大数据催收系统将剩余的第一类型催收案件、第二类型催收案件平均分配至其他类型催收专员,其中,所述其他类型催收专员是指所对应的第二目标因素包括预设的其他类型因素的催收专员。
在一个可选的实施例中,所述确定模块201确定所述大数据催收系统中每个催收案件的还款因素标签的具体方式为:
所述大数据催收系统根据所述大数据催收系统中每个催收案件的案件数据,确定该催收案件的还款因素标签,其中,该催收案件的案件数据用于记录该催收案件的案件情况,或者,
所述大数据催收系统根据所述大数据催收系统中每个催收案件对应的因素输入标签,确定该催收案件的还款因素标签,其中,该催收案件对应的因素输入标签是由用户手动输入的。
对于上述催收案件的分配装置的具体描述可以参照上述催收案件的分配方法的具体描述,为避免重复,在此不再一一赘述。
实施例三
请参阅图3,图3是本发明实施例公开的一种计算机设备的结构示意图。如图3所示,该计算机设备可以包括:
存储有可执行程序代码的存储器301;
与存储器301连接的处理器302;
处理器302调用存储器301中存储的可执行程序代码,执行本发明实施例一公开的催收案件的分配方法中的步骤。
实施例四
请参阅图4,本发明实施例公开了一种计算机存储介质401,计算机存储介质401存储有计算机指令,该计算机指令被调用时,用于执行本发明实施例一公开的催收案件的分配方法中的步骤。
以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种催收案件的分配方法、装置、计算机设备以及存储介质所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种催收案件的分配方法,其特征在于,所述方法包括:
大数据催收系统确定所述大数据催收系统中每个催收案件的还款因素标签,其中,所述还款因素标签用于记录将会对该催收案件的客户是否成功还款造成影响的第一目标因素,所述第一目标因素包括预设的多种类型的因素中的至少一种;
所述大数据催收系统确定所述大数据催收系统中每个催收专员的擅长催收标签,其中,所述擅长催收标签用于记录该催收专员擅长催收的第二目标因素,所述第二目标因素包括所述预设的多种类型的因素中的至少一种;
所述大数据催收系统基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员。
2.根据权利要求1所述的催收案件的分配方法,其特征在于,所述大数据催收系统基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员,包括:
所述大数据催收系统按照预设的分配方式将第一类型催收案件分配至第一类型催收专员,其中,所述第一类型催收案件是指所对应的第一目标因素包括预设的第一类型因素的催收案件,所述第一类型催收专员是指所对应的第二目标因素包括所述第一类型因素的催收专员;
所述大数据催收系统判断所述第一类型催收案件是否有剩余;
若所述第一类型催收案件有剩余,则所述大数据催收系统将剩余的第一类型催收案件和第二类型催收案件按照预设的分配方式分配至第二类型催收专员,其中,所述第二类型催收案件是指所对应的第一目标因素包括预设的第二类型因素的催收案件,所述第二类型催收专员是指所对应的第二目标因素包括所述第二类型因素的催收专员。
3.根据权利要求2所述的催收案件的分配方法,其特征在于,所述大数据催收系统基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员,还包括:
若所述第一类型催收案件无剩余,则所述大数据催收系统将第二类型催收案件按照预设的分配方式分配至目标第一类型催收专员和所述第二类型催收专员,其中,所述目标第一类型催收专员是指仍有空闲接收案件的第一类型催收专员。
4.根据权利要求3所述的催收案件的分配方法,其特征在于,所述大数据催收系统基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员,还包括:
所述大数据催收系统判断所述第一类型催收案件和所述第二类型催收案件是否有剩余;
若所述第一类型催收案件和所述第二类型催收案件有剩余,则所述大数据催收系统将第三类型催收案件和剩余的第一类型催收案件、第二类型催收案件按照预设的分配方式分配至第三类型催收专员,其中,所述第三类型催收案件是指所对应的第一目标因素包括预设的第三类型因素的催收案件,所述第三类型催收专员是指所对应的第二目标因素包括所述第三类型因素的催收专员。
5.根据权利要求4所述的催收案件的分配方法,其特征在于,所述大数据催收系统基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员,还包括:
若所述第一类型催收案件和所述第二类型催收案件无剩余,则所述大数据催收系统将第三类型催收案件按照预设的分配方式分配至目标第一类型催收专员、目标第二类型催收专员和第三类型催收专员,其中,所述目标第一类型催收专员是指仍有空闲接收案件的第一类型催收专员,所述目标第二类型催收专员是指仍有空闲接收案件的第二类型催收专员。
6.根据权利要求3所述的催收案件的分配方法,其特征在于,所述大数据催收系统基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员,还包括:
所述大数据催收系统判断所述第一类型催收案件和所述第二类型催收案件是否有剩余;
若所述第一类型催收案件和所述第二类型催收案件有剩余,则所述大数据催收系统将剩余的第一类型催收案件、第二类型催收案件平均分配至其他类型催收专员,其中,所述其他类型催收专员是指所对应的第二目标因素包括预设的其他类型因素的催收专员。
7.根据权利要求1-6任一项所述的催收案件的分配方法,其特征在于,所述大数据催收系统确定所述大数据催收系统中每个催收案件的还款因素标签,包括:
所述大数据催收系统根据所述大数据催收系统中每个催收案件的案件数据,确定该催收案件的还款因素标签,其中,该催收案件的案件数据用于记录该催收案件的案件情况,或者,
所述大数据催收系统根据所述大数据催收系统中每个催收案件对应的因素输入标签,确定该催收案件的还款因素标签,其中,该催收案件对应的因素输入标签是由用户手动输入的。
8.一种催收案件的分配装置,其特征在于,所述装置包括:
确定模块,用于确定大数据催收系统中每个催收案件的还款因素标签,其中,所述还款因素标签用于记录将会对该催收案件的客户是否成功还款造成影响的第一目标因素,所述第一目标因素包括预设的多种类型的因素中的至少一种;
所述确定模块,还用于确定所述大数据催收系统中每个催收专员的擅长催收标签,其中,所述擅长催收标签用于记录该催收专员擅长催收的第二目标因素,所述第二目标因素包括所述预设的多种类型的因素中的至少一种;
分配模块,用于基于所述还款因素标签和所述擅长催收标签为每个所述催收案件分配对应的催收专员。
9.一种计算机设备,其特征在于,所述计算机设备包括:
存储有可执行程序代码的存储器;
与所述存储器连接的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-7任一项所述的催收案件的分配方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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1-7任一项所述的催收案件的分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210241262.1A CN114612218A (zh) | 2022-03-11 | 2022-03-11 | 催收案件的分配方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210241262.1A CN114612218A (zh) | 2022-03-11 | 2022-03-11 | 催收案件的分配方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114612218A true CN114612218A (zh) | 2022-06-10 |
Family
ID=81863443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210241262.1A Pending CN114612218A (zh) | 2022-03-11 | 2022-03-11 | 催收案件的分配方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114612218A (zh) |
-
2022
- 2022-03-11 CN CN202210241262.1A patent/CN114612218A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102232866B1 (ko) | 인공지능 학습데이터 생성을 위한 크라우드소싱 기반 프로젝트의 기능요소 단위 작업 분배 방법 | |
CN107203866A (zh) | 订单的处理方法以及装置 | |
CN110503564B (zh) | 基于大数据的保全案件处理方法、系统、设备及存储介质 | |
CN108369675A (zh) | 用于案例分配的技术 | |
CN111476460A (zh) | 一种银行自助设备智慧运营调度的方法、设备和介质 | |
CN110334917A (zh) | 一种智能客户关系管理方法及系统 | |
CN113450002A (zh) | 任务的分配方法、装置、电子设备及存储介质 | |
CN115438821A (zh) | 一种智能排队方法和相关装置 | |
CN110781134A (zh) | 数据处理方法及装置、计算机存储介质、电子设备 | |
CN112651733A (zh) | 渠道路由选择方法、装置、设备及存储介质 | |
Kanwal et al. | Exploring the Nexus of Financial Technologies, Financial Inclusion, and Blockchain in Islamic Finance within Digital Transformation | |
CN114612218A (zh) | 催收案件的分配方法、装置、计算机设备及存储介质 | |
CN111640006B (zh) | 银行代收付方法、装置、终端及存储介质 | |
WO2018182179A1 (en) | Method and apparatus for asset management | |
CN114757729A (zh) | 交易请求的处理方法、装置、终端设备和存储介质 | |
CN112396325B (zh) | 案件处理方法、装置、介质及电子设备 | |
CN115269085A (zh) | 手机银行页面展示方法及装置 | |
EP4068123A1 (en) | Definite value and estimated value-based data quantization method | |
CN113987351A (zh) | 基于人工智能的智能推荐方法、装置、电子设备及介质 | |
CN110009159A (zh) | 基于网络大数据的金融借贷需求预测方法及系统 | |
CN112926892A (zh) | 一种资金匹配方法、装置、电子设备及存储介质 | |
US20150294404A1 (en) | Method and system for legal processing for debt collection | |
US8875136B2 (en) | Methods of personalizing services via identification of common components | |
US20210248617A1 (en) | System and method for predicting support escalation | |
CN117635291A (zh) | 一种催收方法、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 |