CN115345654B - 数据处理方法、电子设备及存储介质 - Google Patents

数据处理方法、电子设备及存储介质 Download PDF

Info

Publication number
CN115345654B
CN115345654B CN202210956406.1A CN202210956406A CN115345654B CN 115345654 B CN115345654 B CN 115345654B CN 202210956406 A CN202210956406 A CN 202210956406A CN 115345654 B CN115345654 B CN 115345654B
Authority
CN
China
Prior art keywords
store
target
building
floor
density
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.)
Active
Application number
CN202210956406.1A
Other languages
English (en)
Other versions
CN115345654A (zh
Inventor
王举
刘平鹤
秦小云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Seashell Housing Beijing Technology Co Ltd
Original Assignee
Seashell Housing Beijing Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Seashell Housing Beijing Technology Co Ltd filed Critical Seashell Housing Beijing Technology Co Ltd
Priority to CN202210956406.1A priority Critical patent/CN115345654B/zh
Publication of CN115345654A publication Critical patent/CN115345654A/zh
Application granted granted Critical
Publication of CN115345654B publication Critical patent/CN115345654B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/16—Real estate
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开实施例公开了一种数据处理方法、电子设备及存储介质，其中，方法包括：确定目标门店的主店组；响应于目标门店的主店组触发的开启选盘操作，获取目标门店的门店信息，门店信息包括门店密度、门店人数以及门店地理位置；根据目标门店的门店密度、门店人数以及门店地理位置，计算门店分；根据门店地理位置，计算第一设定范围内至少一个楼盘的楼盘分；确定并展示可选楼盘，响应于目标门店的主店组的选盘操作，确定与目标门店建立维护关系的第一目标楼盘；将第一目标楼盘同步至目标门店的副店组的客户端。本公开实施例解决了一个门店多个店组同时选盘导致的选盘冲突的问题，降低了多个店组同时选盘对系统性能的影响。

Description

数据处理方法、电子设备及存储介质
技术领域
本公开涉及数据处理技术领域，尤其涉及一种数据处理方法、电子设备及存储介质。
背景技术
在房地产行业，为了最大化地提升客源成交率，提出了店对盘积分制的选盘模式以及店组作业模式，店对盘积分制的选盘模式是指通过门店分和楼盘分的设置，为每个门店提供合理的楼盘进行维护，以便提升客源的成交率，例如门店1的门店分为X，楼盘1的楼盘分为Y1，楼盘2的楼盘分为Y2，楼盘3的楼盘分为Y3，如果X≥Y1+Y2+Y3，则门店1可以选择将楼盘1、楼盘2和楼盘3作为自己门店维护的楼盘；而店组作业模式则是指每个门店内的经纪人分为多个店组，线下以店组的模式进行作业，线上以店组为维度存储数据。
相关技术中，店对盘积分制选盘模式中，门店的每个店组均会参与选盘，增加了系统的计算量，对系统的并发处理性能有更高的要求，而且一个门店中各个店组的选盘结果还容易发生冲突，选盘结果不理想。为了解决上述问题，本公开提供一种新的店对盘积分制平台，以便能够降低系统的运行成本以及提升系统选盘结果的准确性和合理性。
发明内容
本公开实施例所要解决的一个技术问题是：提供一种数据处理方法、电子设备及存储介质。
根据本公开实施例的一个方面，提供一种数据处理方法，所述方法包括：
确定目标门店的主店组；
响应于所述目标门店的所述主店组触发的开启选盘操作，获取所述目标门店的门店信息，所述门店信息包括门店密度、门店人数以及门店地理位置，其中，所述目标门店包括一个主店组和至少一个副店组；
根据所述目标门店的门店密度、门店人数以及门店地理位置，计算门店分，所述门店密度用于衡量所述目标门店周边的第一设定范围内的楼盘户数；
根据所述门店地理位置，计算所述第一设定范围内至少一个楼盘的楼盘分；
根据所述第一设定范围内至少一个楼盘的楼盘分和所述门店分，确定并展示可选楼盘；
响应于所述目标门店的主店组基于所述可选楼盘触发的选盘操作，确定与所述目标门店建立维护关系的第一目标楼盘；
将所述第一目标楼盘同步至所述目标门店的所述至少一个副店组的客户端。
在本公开的一个实施例中，所述根据所述目标门店的门店密度、门店人数以及门店地理位置，计算门店分，包括：
基于所述目标门店的门店地理位置，计算所述目标门店的门店密度；
确定所述目标门店的门店密度所处的密度分布档位；
确定所述密度分布档位对应的密度系数；
计算所述密度系数与门店人数分之间的乘积，得到所述门店分，所述门店人数分与所述目标门店的人数相关联。
在本公开的又一实施例中，所述方法还包括：
统计所述目标门店所在行政区域内的所有门店的门店密度；
将所述所有门店的门店密度进行排序；
对排序后的门店密度划分密度分布档位，得到所述门店密度与所述密度分布档位之间的映射关系。
在本公开的又一实施例中，所述计算所述第一设定范围内至少一个楼盘的楼盘分，包括：
统计所述目标门店在前一设定时间段内对所述第一设定范围内至少一个楼盘的贡献值，以及所述至少一个楼盘在所述前一设定时间段内的活跃度；
根据所述目标门店与所述至少一个楼盘的距离、所述至少一个楼盘的户数、所述活跃度以及所述贡献值，确定所述至少一个楼盘的楼盘分；
其中，在所述目标门店为一个没有维护过所述至少一个楼盘的楼盘数据的门店时，所述贡献值为一个设定的默认值。
在本公开的又一实施例中，所述方法还包括：
在设定选盘期计时模块达到设定时间阈值时，若没有在所述设定时间阈值内监听到所述目标门店的主店组触发的开启选盘操作，根据掉盘规则，执行掉盘操作。
在本公开的又一实施例中，所述根据掉盘规则，执行掉盘操作，包括：
计算所述目标门店的门店分与原维护楼盘的楼盘总分的差值，所述原维护楼盘为所述目标门店已建立维护关系的楼盘；
响应于所述目标门店的门店分小于原维护楼盘的楼盘总分，将所述目标门店的原维护楼盘按照楼盘分进行排序；
通过二分查找法确定与所述差值相差最小的可掉楼盘；
从排序后的原维护楼盘中以所述可掉楼盘为起点向两侧遍历，得到可掉楼盘集；
按照掉盘优先级从所述可掉楼盘集中确定待剔除楼盘；
从所述原维护楼盘中将所述待剔除楼盘删除，得到与所述目标门店延续维护关系的第二目标楼盘。
在本公开的又一实施例中，所述确定目标门店的主店组，包括：
获取所述目标门店包含的所有店组；
筛选出所有所述店组中的有效店组，所述有效店组为所述所有店组中满足预设条件的店组；
从所述有效店组中，筛选出建立时间最早的店组作为所述主店组，其余有效店组作为所述副店组。
在本公开的又一实施例中，所述根据所述门店地理位置，计算所述第一设定范围内至少一个楼盘的楼盘分，包括：
将所述第一设定范围内至少一个楼盘的楼盘数据发送至至少一个服务器；
接收所述至少一台服务器异步计算得到所述第一设定范围内至少一个楼盘的楼盘分。
在本公开的又一实施例中，
所述根据所述门店地理位置，计算所述第一设定范围内至少一个楼盘的楼盘分，包括：
将所述第一设定范围内至少一个楼盘的楼盘数据发送至至少一个服务器；
接收所述至少一台服务器异步计算得到所述第一设定范围内至少一个楼盘的楼盘分。
根据本公开实施例的再一方面，提供一种电子设备，该电子设备包括：
存储器，用于存储计算机程序；
处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现上述数据处理方法。
根据本公开实施例的再一方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现上述数据处理方法。
根据本公开实施例的再一方面，提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述数据处理方法。
基于本公开上述实施例提供的数据处理方法、电子设备及存储介质，响应于目标门店的主店组触发的开启选盘操作，获取目标门店的门店信息，门店信息包括门店密度、门店人数以及门店地理位置；根据目标门店的门店密度和门店人数，计算门店分，并且根据门店地理位置，计算第一设定范围内至少一个楼盘的楼盘分，然后根据目标门店的门店分和至少一个楼盘的楼盘分，即可确定可选楼盘，而结合主店组触发的选盘操作，则可进一步从可选楼盘中确定与目标门店建立维护关系的第一目标楼盘；将第一目标楼盘同步至目标门店的副店组的客户端。本公开技术方案通过提出将目标门店的主店组触发选盘，再将所选的第一目标楼盘同步至副店组的客户端，可以在充足利用门店资源进行选盘的基础上，解决了一个门店多个店组同时选盘导致的选盘冲突的问题，而且可以降低一个门店多个店组同时选盘对系统性能的影响；此外，计算门店分时通过将目标门店的门店密度将做一个评分因素，可以减小门店周边房源数对门店分的影响，提升系统选盘的准确性。
下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本公开的实施例，并且连同描述一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
图1为本公开的数据处理方法的一个实施例的流程图；
图2A为本公开的数据处理方法中计算门店分的流程图；
图2B为本公开的数据处理方法中门店密度和密度系数的示意图；
图2C为本公开的数据处理方法中确定门店密度与密度分布档位之间映射关系的流程图；
图2D为本公开的数据处理方法中门店分示意图；
图2E为本公开的数据处理方法中通过发送消息给每个服务器计算楼盘分的示意图；
图3A为本公开的数据处理方法中的掉盘流程图；
图3B为本公开的数据处理方法中的掉盘策略示意图；
图4A为本公开的数据处理方法中的计算楼盘分的流程图；
图4B为本公开的数据处理方法中的楼盘分示意图；
图5A为本公开的数据处理方法中的规则生成的流程图；
图5B为本公开的数据处理方法中的配置规则的配置方式示意图；
图5C为本公开的数据处理方法中的根据已有规则推荐人均维护户数的示意图；
图6为本公开的数据处理装置的一个实施例的结构示意图；
图7为本公开的数据处理装置的又一个实施例的结构示意图；
图8为本公开的数据处理装置的又一个实施例的结构示意图；
图9为本公开一示意性实施例提供的电子设备的结构图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于计算机系统/服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器等电子设备一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
计算机系统/服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
本公开概述
本公开实施例提供的技术方案应用于门店选盘场景中，已加盟门店通过周期性选盘可以选到需要维护的目标楼盘，新加盟门店可以根据门店人数、门店地理位置等随时选盘，快速选出需要维护的合适的目标楼盘，从而实现选盘自动化、智能化。此外，本公开技术方案通过将目标门店的主店组触发选盘后得到的选盘结果同步给副店组，解决了一个门店多个店组参与选盘导致的选盘冲突的问题，而且可以降低一个门店多个店组同时选盘对系统性能的影响。
示例性实施例
图1为本公开的数据处理方法的一个实施例的流程图；该数据处理方法可以应用在数据处理设备(如计算机系统、服务器)上，如图1所示，该数据处理方法包括以下步骤：
在步骤101中，确定目标门店的主店组。
在一实施例中，一个目标门店包括一个主店组和至少一个副店组。可通过以下步骤获取主店组和副店组：首先获取所述目标门店包含的所有店组；然后筛选出所有所述店组中的有效店组，所述有效店组为所述所有店组中满足预设条件的店组；最后从所述有效店组中，筛选出建立时间最早的店组作为所述主店组，其余有效店组作为所述副店组主店组为目标门店中满足设定店组条件的一个店组。其中，预设条件可以包括店组的积分记录，店组包含的经纪人等方面设定的条件，由此可以筛选出目前可以执行楼盘维护的有效店组。具体可以通过以下步骤确定主店组：通过门店编码获取目标门店下的所有店组；筛选出具有至少有一个综合或买卖经纪人，且有积分记录的有效店组，然后从所有有效店组中选择出建立时间最早的店组，即可将其作为主店组。
在步骤102中，响应于所述目标门店的所述主店组触发的开启选盘操作，获取所述目标门店的门店信息，所述门店信息包括门店密度、门店人数以及门店地理位置，其中，所述目标门店包括一个主店组和至少一个副店组。
在一实施例中，门店信息包括门店密度、门店人数以及门店地理位置。
在一实施例中，门店密度是指门店密度取门店周边第一设定范围内的楼盘户数，例如，取门店周边3公里内的总户数，具体可以根据门店地理位置与楼盘字典数据，计算出每个门店的密度，还可以进一步计算出门店所在行政区域(如门店所在城市)的门店密度分布情况，进而由城市运营人员根据城市门店密度分布情况，设置不同的密度分布档位和对应的密度系数。
在一实施例中，门店人数是指一个门店的人数，门店地理位置是指一个门店所处的位置，可以用坐标来指示地理位置，也可以用门店所在街道来指示。
在一实施例中，根据目标门店的门店人数和门店密度，可以通过执行步骤103确定门店分；而根据目标门店的门店地理位置，可以通过步骤104确定相对目标门店的周边第一设定范围内至少一个楼盘的楼盘分。
在步骤103中，根据目标门店的门店密度、门店人数以及门店地理位置，计算门店分，门店密度用于衡量目标门店周边的第一设定范围内的楼盘户数。
在一实施例中，根据门店人数可以确定出目标门店的人数分，参见图2D，在门店人数较少(例如，为0)时，人数分就偏低，在门店人数较多(例如，1人以上)时，人数分对应也较多，也即门店人数与人数分成正比关系。
在一实施例中，门店密度用于衡量目标门店周边的第一设定范围内(例如，3公里以内)的楼盘户数，门店密度越大，说明目标门店周边的第一设定范围内的楼盘户数越多，门店位置较好，因此为了平衡一个城市内的门店分公平性，可以在计算门店密度大的目标门店的门店分时，将人数分与一个较小的密度系数相乘。例如，参见图2D，在门店密度值排名较靠前时，也即在门店密度较大时，密度系数可以设置较小(图2D中的0.8)；而在门店密度排名靠后时，也即在门店密度较小时，密度系数可以设置较大(图2D中的2)。
在一实施例中，计算门店分的具体实现方式可参见图2A所示实施例，这里先不详述。
在步骤104中，根据门店地理位置，计算第一设定范围内至少一个楼盘的楼盘分。
在一实施例中，计算楼盘分时，可以综合考量目标门店与至少一个楼盘的距离、至少一个楼盘的户数、活跃度以及目标门店对至少一个楼盘的贡献值，来确定楼盘分，具体可参见图4A所示实施例。
在步骤105中，根据目标门店的门店分和至少一个楼盘的楼盘分，确定并展示可选楼盘。
例如，目标门店的门店分为300分，则任意一个可选楼盘的楼盘分均不超过300分，将楼盘分不超过300分的可选楼盘展示在界面上，然后即可根据主店组基于可选楼盘触发的选择楼盘操作，确定第一目标楼盘。
在步骤106中，响应于目标门店的主店组基于可选楼盘触发的选盘操作，确定与目标门店建立维护关系的第一目标楼盘。
在一实施例中，参见图2E，在步骤104和步骤105中，为了快速计算目标门店周边第一设定范围内的楼盘分，可将第一设定范围内至少一个楼盘的楼盘数据发送至至少一个服务器；接收至少一台服务器异步计算得到第一设定范围内至少一个楼盘的楼盘分。例如，系统可将楼盘数据通过Kafka消息发送至至少一个服务器，每台机器异步处理，计算速度超过2000条数据每秒，计算完成后自动跳至选盘页面展示目标门店的可选楼盘，由主店组进行选盘。
在步骤107中，将第一目标楼盘同步至目标门店的副店组的客户端。
在一实施例中，一个门店下通常有多个店组，线下也以店组为单位进行作业，线上以店组维度存储数据。但是在多店组共享门店资源的场景下，一店多组的情况往往需要冗余门店-店组的映射关系。在积分制店对盘场景中，系统通常按照门店标准计算门店分，但选盘却以店组为维度进行操作，本实施例中以一个门店的主店组来代表门店进行选盘，确定要维护的第一目标楼盘后，系统可将选盘结果(第一目标楼盘)同步至目标门店的副店组的客户端。
上述步骤101～107，通过确定目标门店的主店组，响应于目标门店的主店组触发的开启选盘操作，获取目标门店的门店信息，门店信息包括门店密度、门店人数以及门店地理位置；根据目标门店的门店密度和门店人数，计算门店分，并且根据门店地理位置，计算第一设定范围内至少一个楼盘的楼盘分，然后根据目标门店的门店分和至少一个楼盘的楼盘分，即可确定可选楼盘，而结合主店组触发的选盘操作，则可进一步从可选楼盘中确定与目标门店建立维护关系的第一目标楼盘；将第一目标楼盘同步至目标门店的副店组的客户端。本公开技术方案通过提出将目标门店的主店组触发选盘，再将所选的第一目标楼盘同步至副店组的客户端，可以在充足利用门店资源进行选盘的基础上，解决了一个门店多个店组同时选盘导致的选盘冲突的问题，而且可以降低一个门店多个店组同时选盘对系统性能的影响；此外，计算门店分时通过将目标门店的门店密度将做一个评分因素，可以减小门店周边房源数对门店分的影响，提升选盘系统的准确性。
需要说明的是，则确定出目标门店的第一目标楼盘后，可以自动将第一目标楼盘复制为门店租赁维护盘，或者还可将目标门店设置配置半径内的楼盘划进门店的租赁维护盘。
为了更好地说明本公开的数据处理的方案，下面用另一个实施例说明。
图2A为本公开的数据处理方法中计算门店分的流程图，图2B为本公开的数据处理方法中门店密度和密度系数的示意图，图2C为本公开的数据处理方法中确定门店密度与密度分布档位之间映射关系的流程图，图2D为本公开的数据处理方法中门店分示意图，图2E为本公开的数据处理方法中通过发送消息给每个服务器计算楼盘分的示意图；本实施例以如何基于门店密度和门店人数为例进行示例性说明，如图2A所示，包括以下步骤：
在步骤201中，基于目标门店的门店地理位置，计算目标门店的门店密度。
在一实施例中，第一设定范围可以由城市运营人员事先设定好，例如，可以设定第一设定范围为周边3公里范围内。
在一实施例中，门店地理位置可以为门店坐标信息，例如，门店地理位置为坐标(108.946136，34.341333)。
在一实施例中，基于目标门店的门店地理位置，系统可以筛选出距离在3公里内的楼盘户数，也即确定出门店密度，例如，目标门店周边3公里内的楼盘户数为124160，则门店密度为124160。
在步骤202中，确定目标门店的门店密度所处的密度分布档位。
为了实现本公开实施例，可以预先建立门店密度与密度分布档位的映射关系，具体可参见图2C，图2C为本公开的数据处理方法中确定门店密度与密度分布档位之间映射关系的流程图，包括以下步骤211～213：
在步骤211中，统计目标门店所在行政区域内的所有门店的门店密度。
在一实施例中，目标门店所在行政区域可以为目标门店所在城市，或者目标门店所在城区等，可以预先通过大数据任务，聚合计算出每一个门店的门店密度。
在步骤212中，将所有门店的门店密度进行排序。
在一实施例中，可以将所有门店按照升序或者降序进行排序。
在步骤213中，对排序后的门店密度划分密度分布档位，得到门店密度与密度分布档位之间的映射关系。
在一实施例中，具体实现时，可以预先设置将门店密度划分的密度分布档位的个数，例如，将门店密度划分为4个档位，可以建立门店密度值区间、密度分布档位(也可以称为门店密度值城市分布占比)与密度系数之间的映射关系。
在一实施例中，还可以设置每个密度分布档位对应的密度系数，参见图2B，可以在门店密度为0～124160.0时，也即在门店密度在值城市分布占比较较低(小于27.93％)时，设置密度系数为1.4。
在步骤203中，确定密度分布档位对应的密度系数。
在一实施例中，由于预先根据设定配置规则，建立了门店密度、密度分布档位与密度系数之间的映射关系，因此，可以根据密度分布档位确定对应的密度系数。
在步骤204中，计算密度系数与门店人数分之间的乘积，得到门店分，门店人数分与目标门店的人数相关联。
在一实施例中，参见图2D，在门店密度值排名较靠前时，也即在门店密度较大时，密度系数可以设置较小(图2D中的0.8)；而在门店密度排名靠后时，也即在门店密度较小时，密度系数可以设置较大(图2D中的2)。通过计算密度系数与门店人数分之间的乘积，即可计算得到门店分。
上述步骤201～204，计算门店分时通过将目标门店的门店密度和门店分数均作为评分因素，可以减小门店周边房源数对门店分的影响，提升选盘系统的准确性，保证门店公平选盘。
图3A为本公开的数据处理方法中的掉盘流程图，图3B为本公开的数据处理方法中的掉盘策略示意图；本实施例以如何在设定选盘期计时模块达到设定时间阈值，而目标门店的主店组没有开启选盘操作时，如何自动执行掉盘操作为例进行示例性说明，如图3A所示，包括以下步骤：
在步骤301中，计算目标门店的门店分与原维护楼盘的楼盘总分的差值。
在一实施例中，已加盟门店需要按照一定的周期进行再选盘，例如，每三个月或者每半年都需要重新进行选盘，以免在门店的门店分在发生变更和/或楼盘分发生变更时，不及时重新选盘，会导致门店分小于已选楼盘总分。在已加盟门店需要选盘，确没有执行选盘操作时，系统可以检测门店的门店分是否小于已选楼盘总分，如果门店分小于已选楼盘的楼盘分之和，则根据掉盘规则，执行掉盘操作。
在一实施例中，原维护楼盘为目标门店已建立维护关系的楼盘，也即，目标门店在当前选盘期之前维护的楼盘。
在一实施例中，在进行掉盘操作时，可以先计算目标门店的门店分和原维护楼盘的楼盘总分，楼盘分的计算需要考虑目标门店与至少一个楼盘的距离、至少一个楼盘的户数、活跃度以及目标门店对至少一个楼盘的贡献值，具体可参见图4A所示实施例。
在步骤302中，响应于目标门店的门店分小于原维护楼盘的楼盘总分，将目标门店的原维护楼盘按照楼盘分进行排序。
在一实施例中，楼盘分可以按照从小到大进行升序排序，也可按照从大到小进行降序排序。
在步骤303中，通过二分查找法确定与差值相差最小的可掉楼盘。
在步骤304中，从排序后的原维护楼盘中以可掉楼盘为起点向两侧遍历，得到可掉楼盘集。
在步骤303和步骤304中，可以通过二分查找法查找到与门店分与原维护楼盘的楼盘总分的差值最接近的一个楼盘，例如，门店分与原维护楼盘的楼盘总分的差值为300分，而原维护楼盘包括10个楼盘，其中，楼盘1至楼盘10的楼盘分分别为700、500、450、400、350、290、250、200、150、100，楼盘6的楼盘分290分与差值最接近，则可确定可掉楼盘为楼盘6，然后可从楼盘6向两侧遍历，得到楼盘分数与300分(门店分与原维护楼盘的楼盘总分的差值)相差在设定值(如20％)所有楼盘，得到可掉楼盘集，包括楼楼盘5、楼盘6、楼盘7。
其中，设定值可以为一个百分数(如20％)，设定值还可以为一个固定分(如20分)。
在步骤305中，按照掉盘优先级从可掉楼盘集中确定待剔除楼盘。
在步骤306中，从原维护楼盘中将待剔除楼盘删除，得到与目标门店延续维护关系的第二目标楼盘。
在一实施例中，参见图3B，掉盘优先级可以包括维护房源数、维护户数、楼盘距离，可以按照目标门店设置的自动掉盘策略确定维护房源数、维护户数、楼盘距离的优先级次序，如果目标门店没有预先设置自动掉盘策略，则可根据取掉盘策略的默认优先级次序，例如，第一优先极为维护房源数，第二优先级为维护户数，第三优先级为楼盘距离。
在一实施例中，在可掉楼盘集中按照掉盘优先级，可以优先选择一个楼盘作为待剔除楼盘，然后移除待剔除楼盘后再计算楼盘分是否超过门店分，如果时，则再次根据掉盘规则，执行掉盘操作，直到从原维护楼盘中将所有待剔除楼盘删除，即可得到与目标门店延续维护关系的第二目标楼盘。
上述步骤301～306，在原维护楼盘的楼盘分超过门店总分且目标门店没有及时调整时，系统会按照城市运营人员配置的掉盘策略移除部分楼盘，使门店分大于等于楼盘总分。由此解决了在目标门店的原维护楼盘总分超过门店分且目标门店没有及时调整时，自动按照掉盘规则移除部分楼盘，提高了系统的智能性。
图4A为本公开的数据处理方法中的计算楼盘分的流程图，图4B为本公开的数据处理方法中的楼盘分示意图；本实施例以如何实现楼盘分的计算为例进行示例性说明，如图4A所示，包括以下步骤：
在步骤401中，统计目标门店在前一设定时间段内对第一设定范围内至少一个楼盘的贡献值，以及至少一个楼盘在前一设定时间段内的活跃度。
在一实施例中，前一设定时间段可以理解为当前选盘期与前一个选盘期之间的一个时间段，例如，当前时间为4月6日，也是当前选盘期，而前一个选盘期为1月6日，则1月7日至4月5日之间的时间为门店维护楼盘的前一设定时间段。
在一实施例中，门店对楼盘的贡献值可以衡量门店对楼盘的买卖成交量，参见图4B，如果对楼盘的贡献值大，则可以适当降低楼盘分(乘一个小于1的贡献度系数)，如果对楼盘的贡献值小，则可以适当提高楼盘分(乘一个大于1的贡献度系数)，从而可以让门店能够维护自己可以维护好的楼盘，而避免维护门店贡献值低、很难维护好的楼盘。
其中，在目标门店为一个没有维护过至少一个楼盘的楼盘数据的门店时，贡献值为一个设定的默认值。例如，一个门店为新加盟门店，还没有维护过任意一个楼盘，也即没有对任意一个楼盘有贡献值，则此时可以将贡献值设置为默认值(如设置贡献值为中)。
在一实施例中，活跃度可以可以衡量楼盘是否活跃，也即楼盘用于交易的房源是否多，如果楼盘的活跃度大，则可以适当降低楼盘分(乘一个小于1的活跃度系数)，如果楼盘的活跃度小，则可以适当提高楼盘分(乘一个大于1的活跃度系数)。
在步骤402中，根据目标门店与至少一个楼盘的距离、至少一个楼盘的户数、活跃度以及贡献值，确定至少一个楼盘的楼盘分。
在一实施例中，可以先计算出距离分和户数分之和，然后计算距离分和户数分之和与活跃度系数和贡献度系数的乘积，得到楼盘分。
上述步骤401～402，计算楼盘分时通过将目标门店在前一设定时间段内对楼盘的贡献值、楼盘在前一设定时间段内的活跃度、距离、楼盘户数均作为评分因素，可以提升提升选盘系统的准确性，保证门店公平选盘，并且能让门店继续维护自己之前可以维护好的楼盘，提升房源的维护效果。
图5A为本公开的数据处理方法中的规则生成的流程图，图5B为本公开的数据处理方法中的配置规则的配置方式示意图，图5C为本公开的数据处理方法中的根据已有规则推荐人均维护户数的示意图；本实施例以如何实现积分制店对盘中的分数规则配置为例进行示例性说明，如图5A所示，包括以下步骤：
在步骤501中，接收配置规则的配置操作，配置操作中携带有配置方式。
在一实施例中，城市运营人员可以对系统输入在线配置规则的操作，参见图5A，配置方式可以为“配目标推荐规则”或“配规则测算目标”，其中，配置方式为配目标推荐规则时，是指根据人均维护户数生成规则，也即通过为每个门店的每个作业人员设置人均维护户数的方式生成门店分生成规则、楼盘分生成规则和掉盘规则。
在一实施例中，配置方式为配规则测算目标时，是指根据已有规则推荐人均维护户数时，也即通过预先设置好的门店分生成规则、楼盘分生成规则，确定出人均维护户数。
在一实施例中，人均维护户数为每个门店的每个作业人员的维护楼盘户数的平均值。
在步骤502中，在配置方式为根据人均维护户数生成规则时，根据设置的人均维护户数，配置门店分生成规则、楼盘分生成规则，以及掉盘规则。
在一实施例中，在生成门店分生成规则后，后续需要计算门店分时，即可根据门店分生成规则，以及目标门店的门店密度、门店人数以及门店地理位置，计算门店分。
在一实施例中，在生成楼盘分生成规则后，后续需要计算楼盘分时，即可根据楼盘分生成规则和门店地理位置，计算第一设定范围内至少一个楼盘的楼盘分。
在一实施例中，在生成掉盘规则后，如果需要执行掉盘操作，即可根据掉盘规则执行掉盘操作。
在步骤503中，在配置方式为根据已有规则推荐人均维护户数时，根据已有规则，配置人均维护户数。
在一实施例中，已有规则是指城市运营人员设计好的门店分生成规则、楼盘分生成规则，以及掉盘规则。根据这些规则可以计算出每个门店建立维护关系的目标楼盘，进而可以计算出人均维护户数，参见图5C，根据已有规则确定人均维护户数为2000，此时，城市运营人员可以进一步调整人均维护户数，若大于目标值可降低门店分数发放，提高楼盘分，进而减小人均维护户数；若小于目标值可提高门店分数发放，降低楼盘分，进而提高人均维护户数。
上述步骤501～503，系统可以根据城市运营人员在线配置规则，自动生成规则或者输出目标人均维护户数，提高系统的配置效率。
与前述数据处理方法的实施例相对应，本公开还提供了数据处理装置对应的实施例。
图6为本公开的数据处理装置的一个实施例的结构示意图，该装置应用在电子设备(如计算机系统、服务器)上，如图6所示，该装置包括：
主店组确定模块61，用于确定目标店组的主店组；
门店信息获取模块62，用于响应于目标门店的主店组触发的开启选盘操作，获取目标门店的门店信息，门店信息包括门店密度、门店人数以及门店地理位置，其中，目标门店包括一个主店组和至少一个副店组；
门店分确定模块63，用于根据目标门店的门店密度、门店人数以及门店地理位置，计算门店分，门店密度用于衡量目标门店周边的第一设定范围内的楼盘户数；
楼盘分确定模块64，用于根据门店地理位置，计算第一设定范围内至少一个楼盘的楼盘分；
可选楼盘确定模块65，用于根据第一设定范围内至少一个楼盘的楼盘分和门店分，确定并展示可选楼盘；
目标楼盘确定模块66，用于响应于目标门店的主店组基于可选楼盘触发的选盘操作，确定与目标门店建立维护关系的第一目标楼盘；
同步模块67，用于将第一目标楼盘同步至目标门店的副店组的客户端。
图7为本公开的数据处理装置的又一个实施例的结构示意图，如图7所示，在图6所示实施例的基础上，在一实施例中，门店分确定模块63包括：
密度确定子模块631，用于基于目标门店的门店地理位置，计算目标门店的门店密度；
档位确定子模块632，用于确定目标门店的门店密度所处的密度分布档位；
系数确定子模块633，用于确定密度分布档位对应的密度系数；
门店分确定子模块634，用于计算密度系数与门店人数分之间的乘积，得到门店分，门店人数分与目标门店的人数相关联。
在一实施例中，装置还包括：
统计模块68，用于统计目标门店所在行政区域内的所有门店的门店密度；
排序模块69，用于将所有门店的门店密度进行排序；
划分模块70，用于对排序后的门店密度划分密度分布档位，得到门店密度与密度分布档位之间的映射关系。
在一实施例中，楼盘分确定模块64包括：
第一统计子模块641，用于统计目标门店在前一设定时间段内对第一设定范围内至少一个楼盘的贡献值，以及至少一个楼盘在前一设定时间段内的活跃度；
楼盘分确定子模块642，用于根据目标门店与至少一个楼盘的距离、至少一个楼盘的户数、活跃度以及贡献值，确定至少一个楼盘的楼盘分；
其中，在目标门店为一个没有维护过至少一个楼盘的楼盘数据的门店时，贡献值为一个设定的默认值。
在一实施例中，楼盘分确定模块64包括：
发送子模块643，用于将第一设定范围内至少一个楼盘的楼盘数据发送至至少一个服务器；
接收子模块644，用于接收至少一台服务器异步计算得到的第一设定范围内至少一个楼盘的楼盘分。
图8为本公开的数据处理装置的又一个实施例的结构示意图；如图8所示，在图6和/或图7所示实施例的基础上，在一实施例中，装置还包括：
掉盘模块71，用于在设定选盘期计时模块达到设定时间阈值时，若没有在设定时间阈值内监听到目标门店的主店组触发的开启选盘操作，根据掉盘规则，执行掉盘操作。
在一实施例中，掉盘模块71包括：
差值子模块711，用于计算目标门店的门店分与原维护楼盘的楼盘总分的差值，原维护楼盘为目标门店已建立维护关系的楼盘；
排序子模块712，用于响应于目标门店的门店分小于原维护楼盘的楼盘总分，将目标门店的原维护楼盘按照楼盘分进行排序；
查找子模块713，用于通过二分查找法确定与差值相差最小的可掉楼盘；
遍历子模块714，用于从排序后的原维护楼盘中以可掉楼盘为起点向两侧遍历，得到可掉楼盘集；
待剔除盘确定子模块715，用于按照掉盘优先级从可掉楼盘集中确定待剔除楼盘；
删除子模块716，用于从原维护楼盘中将待剔除楼盘删除，得到与目标门店延续维护关系的第二目标楼盘。
在一实施例中，所述主店组确定模块61包括：
店组获取子模块611，用于获取所述目标门店包含的所有店组；
第一筛选子模块612，用于筛选出所有所述店组中的有效店组，所述有效店组为所述所有店组中满足预设条件的店组；
第二筛选子模块613，用于从所述有效店组中，筛选出建立时间最早的店组作为所述主店组，其余有效店组作为所述副店组。
在一实施例中，装置还包括：
接收模块72，用于接收配置规则的配置操作，配置操作中携带有配置方式；
第一配置模块73，用于在配置方式为根据人均维护户数生成规则时，根据设置的人均维护户数，配置门店分生成规则、楼盘分生成规则，以及掉盘规则；
第二配置模块74，用于在配置方式为根据已有规则推荐人均维护户数时，根据已有规则，配置人均维护户数。
在一实施例中，门店分确定模块63，用于根据门店分生成规则，以及目标门店的门店密度、门店人数以及门店地理位置，计算门店分；
楼盘分确定模块64，用于根据楼盘分生成规则和门店地理位置，计算第一设定范围内至少一个楼盘的楼盘分。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中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，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
下面，参考图9来描述根据本公开实施例的电子设备，其中可以集成本公开实施例实现方法的装置。图9为本公开一示意性实施例提供的电子设备的结构图，如图9所示，电子设备9包括一个或多个处理器91、一个或多个计算机可读存储介质的存储器92，以及存储在存储器上并可在处理器上运行的计算机程序。在执行存储器92的程序时，可以实现上述数据处理方法。
具体的，在实际应用中，该电子设备还可以包括输入装置93、输出装置94等部件，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。本领域技术人员可以理解，图9中示出的电子设备的结构并不构成对该电子设备的限定，可以包括比图示更多或更少的部件，或者某些部件，或者不同的部件布置。其中：
处理器91可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备中的其他组件以执行期望的功能。
存储器92可以存储一个或多个计算机程序产品，存储器可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序产品，处理器91可以运行计算机程序产品，以实现上文的本公开的各个实施例的数据处理方法以及/或者其他期望的功能。
在一个示例中，电子装置还可以包括：输入装置93和输出装置94，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连，
此外，输入装置93可包括例如键盘、鼠标等等。
输出装置94可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出装置94可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图9中仅示出了该电子设备9中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备9还可以包括任何其他适当的组件。
除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的数据处理方法中的步骤。
计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的数据处理方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
本公开的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理和实际应用，并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。

Claims (8)

1.一种数据处理方法，其特征在于，所述方法包括：
确定目标门店的主店组；
响应于所述目标门店的所述主店组触发的开启选盘操作，获取所述目标门店的门店信息，所述门店信息包括门店密度、门店人数以及门店地理位置，其中，所述目标门店包括一个主店组和至少一个副店组；
根据所述目标门店的门店密度、门店人数以及门店地理位置，计算门店分，所述门店密度用于衡量所述目标门店周边的第一设定范围内的楼盘户数；
根据所述门店地理位置，计算所述第一设定范围内至少一个楼盘的楼盘分；
根据所述第一设定范围内至少一个楼盘的楼盘分和所述门店分，确定并展示可选楼盘；
响应于所述目标门店的主店组基于所述可选楼盘触发的选盘操作，确定与所述目标门店建立维护关系的第一目标楼盘；
将所述第一目标楼盘同步至所述目标门店的所述至少一个副店组的客户端；
所述根据所述目标门店的门店密度、门店人数以及门店地理位置，计算门店分，包括：
基于所述目标门店的门店地理位置，计算所述目标门店的门店密度；
确定所述目标门店的门店密度所处的密度分布档位；
确定所述密度分布档位对应的密度系数；
计算所述密度系数与门店人数分之间的乘积，得到所述门店分，所述门店人数分与所述目标门店的人数相关联；
所述计算所述第一设定范围内至少一个楼盘的楼盘分，包括：
统计所述目标门店在前一设定时间段内对所述第一设定范围内至少一个楼盘的贡献值，以及所述至少一个楼盘在所述前一设定时间段内的活跃度，所述贡献值与所述目标门店对所述至少一个楼盘的买卖成交量相关联，所述活跃度与所述至少一个楼盘的用于交易的房源数量相关联；
根据所述目标门店与所述至少一个楼盘的距离、所述至少一个楼盘的户数、所述活跃度以及所述贡献值，确定所述至少一个楼盘的楼盘分；
其中，在所述目标门店为一个没有维护过所述至少一个楼盘的楼盘数据的门店时，所述贡献值为一个设定的默认值。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
统计所述目标门店所在行政区域内的所有门店的门店密度；
将所述所有门店的门店密度进行排序；
对排序后的门店密度划分密度分布档位，得到所述门店密度与所述密度分布档位之间的映射关系。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在设定选盘期计时模块达到设定时间阈值时，若没有在所述设定时间阈值内监听到所述目标门店的主店组触发的开启选盘操作，根据掉盘规则，执行掉盘操作。
4.根据权利要求3所述的方法，其特征在于，所述根据掉盘规则，执行掉盘操作，包括：
计算所述目标门店的门店分与原维护楼盘的楼盘总分的差值，所述原维护楼盘为所述目标门店已建立维护关系的楼盘；
响应于所述目标门店的门店分小于原维护楼盘的楼盘总分，将所述目标门店的原维护楼盘按照楼盘分进行排序；
通过二分查找法确定与所述差值相差最小的可掉楼盘；
从排序后的原维护楼盘中以所述可掉楼盘为起点向两侧遍历，得到可掉楼盘集；
按照掉盘优先级从所述可掉楼盘集中确定待剔除楼盘；
从所述原维护楼盘中将所述待剔除楼盘删除，得到与所述目标门店延续维护关系的第二目标楼盘。
5.根据权利要求1所述的方法，其特征在于，所述确定目标门店的主店组，包括：
获取所述目标门店包含的所有店组；
筛选出所有所述店组中的有效店组，所述有效店组为所述所有店组中满足预设条件的店组；
从所述有效店组中，筛选出建立时间最早的店组作为所述主店组，其余有效店组作为所述副店组。
6.根据权利要求1所述的方法，其特征在于，所述根据所述门店地理位置，计算所述第一设定范围内至少一个楼盘的楼盘分，包括：
将所述第一设定范围内至少一个楼盘的楼盘数据发送至至少一个服务器；
接收所述至少一个服务器异步计算得到所述第一设定范围内至少一个楼盘的楼盘分。
7.一种电子设备，其特征在于，包括：
存储器，用于存储计算机产品；
处理器，用于执行所述存储器中存储的计算机产品，且所述计算机产品被执行时，实现上述权利要求1-6任一所述的方法。
8.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时，实现上述权利要求1-6任一所述的方法。
CN202210956406.1A 2022-08-10 2022-08-10 数据处理方法、电子设备及存储介质 Active CN115345654B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210956406.1A CN115345654B (zh) 2022-08-10 2022-08-10 数据处理方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210956406.1A CN115345654B (zh) 2022-08-10 2022-08-10 数据处理方法、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN115345654A CN115345654A (zh) 2022-11-15
CN115345654B true CN115345654B (zh) 2023-06-02

Family

ID=83952620

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210956406.1A Active CN115345654B (zh) 2022-08-10 2022-08-10 数据处理方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115345654B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537586A (zh) * 2014-12-30 2015-04-22 郭人和 三维房屋展示系统及方法
CN112818042A (zh) * 2021-01-25 2021-05-18 深圳市房多多网络科技有限公司 一种信息展示方法、装置及设备
CN114004504A (zh) * 2021-11-02 2022-02-01 贝壳技术有限公司 学习任务的调度方法和装置、电子设备和存储介质
CN114462774A (zh) * 2021-12-27 2022-05-10 贝壳找房网(北京)信息技术有限公司 一种门店规模属性确定方法和装置、匹配方法和装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108376341A (zh) * 2018-01-10 2018-08-07 链家网（北京）科技有限公司 一种房源客户的定位方法和系统
CN108537693A (zh) * 2018-02-07 2018-09-14 链家网（北京）科技有限公司 楼盘信息展示方法及装置
CN109919805A (zh) * 2019-01-17 2019-06-21 平安城市建设科技(深圳)有限公司 信息推送方法、用户设备、存储介质及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537586A (zh) * 2014-12-30 2015-04-22 郭人和 三维房屋展示系统及方法
CN112818042A (zh) * 2021-01-25 2021-05-18 深圳市房多多网络科技有限公司 一种信息展示方法、装置及设备
CN114004504A (zh) * 2021-11-02 2022-02-01 贝壳技术有限公司 学习任务的调度方法和装置、电子设备和存储介质
CN114462774A (zh) * 2021-12-27 2022-05-10 贝壳找房网(北京)信息技术有限公司 一种门店规模属性确定方法和装置、匹配方法和装置

Also Published As

Publication number Publication date
CN115345654A (zh) 2022-11-15

Similar Documents

Publication Publication Date Title
CN108874640B (zh) 一种集群性能的评估方法和装置
US20180247265A1 (en) Task grouping method and apparatus, electronic device, and computer storage medium
EP3893154A1 (en) Recommendation model training method and related apparatus
TWI784195B (zh) 叫車資訊展示方法、裝置、系統及設備
CN109447355B (zh) 仓库货物的配送优化方法、装置、介质和计算设备
CN104169950B (zh) 利用面向批处理的计算的数据库系统
CA2881780C (en) System and method for measuring and improving the efficiency of social media campaigns
Akbari et al. A modular capacitated multi-objective model for locating maritime search and rescue vessels
CN112700180B (zh) 一种拣货方法和拣货装置
Pelot et al. Vessel location modeling for maritime search and rescue
CN112148779B (zh) 确定业务指标的方法、装置及存储介质
RU2679229C1 (ru) Способ и система автоматизированной синхронизации процесса сборки товаров в магазине на основании заказов пользователей
WO2016113648A1 (en) Database statistical histogram forecasting
CN109635069A (zh) 一种基于信息熵的地理空间数据自组织方法
CN115345654B (zh) 数据处理方法、电子设备及存储介质
CN113850441A (zh) 一种预测送达时效方法及装置
CN115511343A (zh) 一种城市核心区域的确定方法、装置、设备以及存储介质
CN115099865A (zh) 一种数据处理方法和装置
CN115423889A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN115129659A (zh) 主协内核计算机处理平台
US10598708B2 (en) Identifying and prioritizing errors in connectivity models of distribution networks for efficient field inspections
CN115063010A (zh) 配送资源的评估方法、装置、电子设备及存储介质
CN112686703A (zh) 全国家政行业价格的自动生成及查询方法、电子设备
CN115048419B (zh) 商机掉库方法及系统
US11393050B2 (en) Resource accommodation device, schedule management device, and resource accommodation system

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