CN115578182A - 确定银行网点的窗口数的方法及装置 - Google Patents
确定银行网点的窗口数的方法及装置 Download PDFInfo
- Publication number
- CN115578182A CN115578182A CN202211371049.9A CN202211371049A CN115578182A CN 115578182 A CN115578182 A CN 115578182A CN 202211371049 A CN202211371049 A CN 202211371049A CN 115578182 A CN115578182 A CN 115578182A
- Authority
- CN
- China
- Prior art keywords
- matrix
- business
- determining
- banking
- customer
- 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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Biodiversity & Conservation Biology (AREA)
- Algebra (AREA)
- Technology Law (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提出了一种确定银行网点的窗口数的方法及装置,涉及大数据处理技术领域,该方法包括:依据各个银行网点的客户排队数据,确定各个银行网点对应的排队时间矩阵;依据各个银行网点对应的排队时间矩阵,确定参考银行网点;依据参考银行网点的客户排队数据、网点运营数据,确定业务类别矩阵和网点窗口数的对应关系;依据第一银行网点在当前时间段的客户排队数据,确定第一银行网点在当前时间段的业务类别矩阵;依据第一银行网点在当前时间段的业务类别矩阵、业务类别矩阵和网点窗口数的对应关系,确定第一银行网点在当前时间段的网点窗口数。
Description
技术领域
本发明涉及大数据处理技术领域,尤指一种确定银行网点的窗口数的方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
在银行业务场景中,银行网点通常是由人为调整营业窗口数,也就是根据目前等待办理业务的客户数人为来增加或者减少窗口数;但是,这样会出现由于营业窗口数较少导致客户等待很长的时间,或者是客户很少而营业窗口数比较多造成资源的浪费,并且人为增加或者减少窗口数都带有一定的随意性。
综上来看,亟需一种可以克服上述缺陷,能够通过数据分析来调整窗口数的技术方案。
发明内容
为解决现有技术存在的问题,本发明提出了一种确定银行网点的窗口数的方法及装置。
在本发明实施例的第一方面,提出了一种确定银行网点的窗口数的方法,包括:
依据各个银行网点的客户排队数据,确定各个银行网点对应的排队时间矩阵;
依据各个银行网点对应的排队时间矩阵,确定参考银行网点;
依据参考银行网点的客户排队数据、网点运营数据,确定业务类别矩阵和网点窗口数的对应关系;
依据第一银行网点在当前时间段的客户排队数据,确定第一银行网点在当前时间段的业务类别矩阵;
依据第一银行网点在当前时间段的业务类别矩阵、业务类别矩阵和网点窗口数的对应关系,确定第一银行网点在当前时间段的网点窗口数。
在本发明实施例的第二方面,提出了一种确定银行网点的窗口数的装置,包括:
排队时间矩阵确定模块,用于依据各个银行网点的客户排队数据,确定各个银行网点对应的排队时间矩阵;
参考银行网点确定模块,用于依据各个银行网点对应的排队时间矩阵,确定参考银行网点;
对应关系确定模块,用于依据参考银行网点的客户排队数据、网点运营数据,确定业务类别矩阵和网点窗口数的对应关系;
业务类别矩阵确定模块,用于依据第一银行网点在当前时间段的客户排队数据,确定第一银行网点在当前时间段的业务类别矩阵;
网点窗口数确定模块,用于依据第一银行网点在当前时间段的业务类别矩阵、业务类别矩阵和网点窗口数的对应关系,确定第一银行网点在当前时间段的网点窗口数。
在本发明实施例的第三方面,提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现确定银行网点的窗口数的方法。
在本发明实施例的第四方面,提出了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,所述计算机程序被处理器执行时实现确定银行网点的窗口数的方法。
在本发明实施例的第五方面,提出了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现确定银行网点的窗口数的方法。
本发明提出的确定银行网点的窗口数的方法及装置依据各个银行网点的客户排队数据,确定各个银行网点对应的排队时间矩阵;依据各个银行网点对应的排队时间矩阵,确定参考银行网点;依据参考银行网点的客户排队数据、网点运营数据,确定业务类别矩阵和网点窗口数的对应关系;依据第一银行网点在当前时间段的客户排队数据,确定第一银行网点在当前时间段的业务类别矩阵;依据第一银行网点在当前时间段的业务类别矩阵、业务类别矩阵和网点窗口数的对应关系,确定第一银行网点在当前时间段的网点窗口数,整体方案能够准确分析目前银行网点应开设的银行网点营业窗口数,使银行利用合理的网点资源来满足客户的需求,不仅可以保证一定的客户满意度,还能节省网点资源,提高网点资源的利用率。
附图说明
为了更清楚地说明本申请实施例技术方案,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它的附图。
图1是本发明一实施例的确定银行网点的窗口数的方法流程示意图。
图2是本发明一实施例的确定各个银行网点对应的排队时间矩阵的流程示意图。
图3是本发明一实施例的确定参考银行网点的流程示意图。
图4是本发明一实施例的确定业务类别矩阵和网点窗口数的对应关系的流程示意图。
图5是本发明一实施例的确定第一银行网点在当前时间段的业务类别矩阵的流程示意图。
图6是本发明一实施例的确定第一银行网点在当前时间段的网点窗口数的流程示意图。
图7是本发明另一实施例的风险控制的流程示意图。
图8是本发明一实施例的确定银行网点的窗口数的装置架构示意图。
图9是本发明一实施例的计算机设备结构示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
根据本发明的实施方式,提出了一种确定银行网点的窗口数的方法及装置,涉及大数据处理技术领域。
下面参考本发明的若干代表性实施方式,详细阐释本发明的原理和精神。
图1是本发明一实施例的确定银行网点的窗口数的方法流程示意图。如图1所示,该方法包括:
S1,依据各个银行网点的客户排队数据,确定各个银行网点对应的排队时间矩阵;
S2,依据各个银行网点对应的排队时间矩阵,确定参考银行网点;
S3,依据参考银行网点的客户排队数据、网点运营数据,确定业务类别矩阵和网点窗口数的对应关系;
S4,依据第一银行网点在当前时间段的客户排队数据,确定第一银行网点在当前时间段的业务类别矩阵;
S5,依据第一银行网点在当前时间段的业务类别矩阵、业务类别矩阵和网点窗口数的对应关系,确定第一银行网点在当前时间段的网点窗口数。
为了对上述确定银行网点的窗口数的方法进行更为清楚的解释,下面结合每一步骤来进行详细说明。
在S1中,参考图2,依据各个银行网点的客户排队数据,确定各个银行网点对应的排队时间矩阵的具体流程为:
S11,对于客户类别和业务类别的每个组合,从每个银行网点的客户排队数据中选取出该组合对应该银行网点的客户排队数据;
其中,对应的客户归属于该组合的客户类别以及对应的办理业务归属于该组合的业务类别的客户排队数据。
需要说明的是,每个客户的每次等待对应一条客户排队数据。
S12,依据客户类别和业务类别的每个组合对应每个银行网点的客户排队数据,确定该组合对应该银行网点的等待时间;
S13,确定每个银行网点对应的排队时间矩阵,其中,该排队时间矩阵的行对应客户类别,列对应业务类别,该排队时间矩阵的每个元素的值等于该元素对应的客户类别和对应的业务类别组成的组合对应该银行网点的等待时间。
在S2中,参考图3,依据各个银行网点对应的排队时间矩阵,确定参考银行网点的具体流程为:
S21,对于每个银行网点,依据该银行网点对应的排队时间矩阵的行数和列数,进行补0获得方阵,将获得的方阵作为该银行网点对应的排队时间方阵;
S22,将该银行网点对应的排队时间方阵的非0的特征值作为该银行网点对应的时间特征值;
S23,依据时间特征值,确定参考银行网点;
在实际应用场景中,可以将对应的时间特征值的模长都小于设定的第一阈值的银行网点作为参考银行网点。
在S3中,参考图4,依据参考银行网点的客户排队数据、网点运营数据,确定业务类别矩阵和网点窗口数的对应关系的具体流程为:
S31,设定多个时间段;
S32,从每个参考银行网点的客户排队数据、网点运营数据中选取出该参考银行网点在该时间段的客户排队数据、网点运营数据;
S33,依据该参考银行网点在该时间段的客户排队数据,确定该参考银行网点在该时间段的业务类别矩阵;
S34,依据该参考银行网点在该时间段的网点运营数据,确定该参考银行网点在该时间段的网点窗口数;
S35,依据各个参考银行网点在各个时间段的业务类别矩阵和网点窗口数,确定业务类别矩阵和网点窗口数的对应关系。
具体的,(S33)依据该参考银行网点在该时间段的客户排队数据,确定该参考银行网点在该时间段的业务类别矩阵,包括:
S33-1,对于客户类别和业务类别的每个组合,从该参考银行网点在该时间段的客户排队数据包含的业务数据中选取出该组合对应的业务数据;
S33-2,确定该参考银行网点在该时间段的业务类别矩阵,其中,该业务类别矩阵的行对应客户类别,列对应业务类别,该业务类别矩阵的每个元素的值等于该元素对应的客户类别和对应的业务类别组成的组合对应的业务数据的业务数量。
在S4中,参考图5,依据第一银行网点在当前时间段的客户排队数据,确定第一银行网点在当前时间段的业务类别矩阵的具体流程为:
S41,对于客户类别和业务类别的每个组合,从第一银行网点在当前时间段的客户排队数据包含的业务数据中选取出该组合对应的业务数据;
S42,确定第一银行网点在当前时间段的业务类别矩阵,其中,该业务类别矩阵的行对应客户类别,列对应业务类别,该业务类别矩阵的每个元素的值等于该元素对应的客户类别和对应的业务类别组成的组合对应的业务数据的业务数量。
在S5中,参考图6,依据第一银行网点在当前时间段的业务类别矩阵、业务类别矩阵和网点窗口数的对应关系,确定第一银行网点在当前时间段的网点窗口数的具体流程为:
S51,对于该对应关系包含的每个业务类别矩阵,将该业务类别矩阵与第一银行网点在当前时间段的业务类别矩阵的差作为该业务类别矩阵对应的矩阵差;
S52,依据该业务类别矩阵对应的矩阵差的行数和列数,进行补0获得方阵,将获得的方阵的非0的特征值作为该业务类别矩阵对应的业务特征值;
S53,依据该对应关系包含的各个业务类别矩阵对应的业务特征值,确定潜在业务矩阵;
在一实施例中,(S53)依据该对应关系包含的各个业务类别矩阵对应的业务特征值,确定潜在业务矩阵,包括:
将该对应关系包含的所有业务类别矩阵中对应的业务特征值小于设定的第二阈值的业务类别矩阵作为潜在业务矩阵。
在一实施例中,(S53)依据该对应关系包含的各个业务类别矩阵对应的业务特征值,确定潜在业务矩阵,包括:
当不存在该对应关系包含的业务类别矩阵,满足该业务类别矩阵对应的业务特征值小于设定的第二阈值时,将与第一银行网点的距离小于距离阈值的多个银行网点作为待定银行网点;
确定每一待定银行网点与第一银行网点的关联指标;
依据与第一银行网点的关联指标,获取待定银行网点在当前时间段的客户排队数据,依据获取的客户排队数据,更新第一银行网点在当前时间段的业务类别矩阵;
依据更新后的第一银行网点在当前时间段的业务类别矩阵、业务类别矩阵和网点窗口数的对应关系,确定潜在业务矩阵。
在一实施例中,确定每一待定银行网点与第一银行网点的关联指标,包括:
获取该待定银行网点与第一银行网点的客户数据;
将该待定银行网点的客户与第一银行网点的客户的交集作为共有客户;
将该待定银行网点的客户中除去第一客户的客户作为该待定银行网点的独有客户,以及将第一银行网点的客户中除去第一客户的客户作为第一银行网点的独有客户;
将该待定银行网点的每一独有客户与第一银行网点的每一独有客户组成的客户集合作为该待定银行网点与第一银行网点的相对客户关系;
对于该待定银行网点与第一银行网点的每一相对客户关系,确定该相对客户关系包含的两个客户的关联指标,并将确定的关联指标作为该相对客户关系的关联指标;
依据共有客户的数量、该待定银行网点与第一银行网点的各个相对客户关系的关联指标,确定该待定银行网点与第一银行网点的关联指标。
在一实施例中,对于该待定银行网点与第一银行网点的每一相对客户关系,确定该相对客户关系包含的两个客户的关联指标,包括:
对于该相对客户关系包含的每个客户,获取多个银行系统中预存的该客户对应的关联客户、以及该客户与对应的关联客户的关联指标;
对于该相对客户关系包含的每个客户,将多个银行系统中预存的该客户对应的关联客户的并集作为该客户对应的潜在关联客户;
将该相对客户关系包含的两个客户对应的潜在关联客户的交集作为公共潜在关联客户;
对于该相对客户关系包含的每个客户,依据多个银行系统中预存的该客户与每一公共潜在关联客户的关联指标,确定该客户与该公共潜在关联客户的关联指标;
对于每一公共潜在关联客户,将该相对客户关系包含的两个客户与该公共潜在关联客户的两个关联指标的乘积作为该公共潜在关联客户对应的指标乘积;
将所有的公共潜在关联客户对应的指标乘积的最大值作为该相对客户关系包含的两个客户的关联指标。
S54,依据潜在业务矩阵、业务类别矩阵和网点窗口数的对应关系,确定第一银行网点在当前时间段的网点窗口数。
在一实施例中,参考图7,所述方法还包括:
S701,依据参考银行网点的客户排队数据,确定业务类别矩阵和潜在业务矩阵的对应关系;
S702,依据第一银行网点在当前时间段的业务类别矩阵、业务类别矩阵和潜在业务矩阵的对应关系,确定第一银行网点在当前时间段之后的潜在业务矩阵;
S703,依据第一银行网点在当前时间段之后的潜在业务矩阵,对第一银行网点在当前时间段之后的业务进行风险控制。
具体的,(S701)依据参考银行网点的客户排队数据,确定业务类别矩阵和潜在业务矩阵的对应关系,包括:
S701-1,依据该参考银行网点在每一时间段之后的客户排队数据,确定该参考银行网点在该时间段之后的潜在类别矩阵;
在实际应用场景中,S701-1的计算过程可以参考S33-1至S33-2的方法。
S701-2,依据参考银行网点在每一时间段的业务类别矩阵、以及参考银行网点在每一时间段之后的潜在类别矩阵,确定业务类别矩阵和潜在业务矩阵的对应关系。
具体的,(S703)依据第一银行网点在当前时间段之后的潜在业务矩阵,对第一银行网点在当前时间段之后的业务进行风险控制,包括:
S703-1,获取各个风险类型对应的历史业务数据;
S703-2,依据各个风险类型对应的历史业务数据,确定各个风险类型对应的业务类别矩阵;
在实际应用场景中,S703-2的计算过程可以参考S33-1至S33-2的方法。
S703-3,依据第一银行网点在当前时间段之后的潜在业务矩阵、各个风险类型对应的业务类别矩阵,确定第一银行网点在当前时间段之后的风险类型;
在实际应用场景中,S703-3的计算过程可以参考S51至S54的方法。
S703-4,依据第一银行网点在当前时间段之后的风险类型,对第一银行网点在当前时间段之后的业务进行风险控制。
需要说明的是,尽管在上述实施例及附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
在介绍了本发明示例性实施方式的方法之后,接下来,参考图8对本发明示例性实施方式的确定银行网点的窗口数的装置进行介绍。
确定银行网点的窗口数的装置的实施可以参见上述方法的实施,重复之处不再赘述。以下所使用的术语“模块”或者“单元”,可以是实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
基于同一发明构思,本发明还提出了一种确定银行网点的窗口数的装置,如图8所示,该装置包括:
排队时间矩阵确定模块110,用于依据各个银行网点的客户排队数据,确定各个银行网点对应的排队时间矩阵;
参考银行网点确定模块120,用于依据各个银行网点对应的排队时间矩阵,确定参考银行网点;
对应关系确定模块130,用于依据参考银行网点的客户排队数据、网点运营数据,确定业务类别矩阵和网点窗口数的对应关系;
业务类别矩阵确定模块140,用于依据第一银行网点在当前时间段的客户排队数据,确定第一银行网点在当前时间段的业务类别矩阵;
网点窗口数确定模块150,用于依据第一银行网点在当前时间段的业务类别矩阵、业务类别矩阵和网点窗口数的对应关系,确定第一银行网点在当前时间段的网点窗口数。
在一实施例中,排队时间矩阵确定模块具体用于:
对于客户类别和业务类别的每个组合,从每个银行网点的客户排队数据中选取出该组合对应该银行网点的客户排队数据;
依据客户类别和业务类别的每个组合对应每个银行网点的客户排队数据,确定该组合对应该银行网点的等待时间;
确定每个银行网点对应的排队时间矩阵,其中,该排队时间矩阵的行对应客户类别,列对应业务类别,该排队时间矩阵的每个元素的值等于该元素对应的客户类别和对应的业务类别组成的组合对应该银行网点的等待时间。
在一实施例中,参考银行网点确定模块具体用于:
对于每个银行网点,依据该银行网点对应的排队时间矩阵的行数和列数,进行补0获得方阵,将获得的方阵作为该银行网点对应的排队时间方阵;
将该银行网点对应的排队时间方阵的非0的特征值作为该银行网点对应的时间特征值;
依据时间特征值,确定参考银行网点。
在一实施例中,对应关系确定模块具体用于:
设定多个时间段;
从每个参考银行网点的客户排队数据、网点运营数据中选取出该参考银行网点在该时间段的客户排队数据、网点运营数据;
依据该参考银行网点在该时间段的客户排队数据,确定该参考银行网点在该时间段的业务类别矩阵;
依据该参考银行网点在该时间段的网点运营数据,确定该参考银行网点在该时间段的网点窗口数;
依据各个参考银行网点在各个时间段的业务类别矩阵和网点窗口数,确定业务类别矩阵和网点窗口数的对应关系。
在一实施例中,对应关系确定模块具体用于:
对于客户类别和业务类别的每个组合,从该参考银行网点在该时间段的客户排队数据包含的业务数据中选取出该组合对应的业务数据;
确定该参考银行网点在该时间段的业务类别矩阵,其中,该业务类别矩阵的行对应客户类别,列对应业务类别,该业务类别矩阵的每个元素的值等于该元素对应的客户类别和对应的业务类别组成的组合对应的业务数据的业务数量。
在一实施例中,业务类别矩阵确定模块具体用于:
对于客户类别和业务类别的每个组合,从第一银行网点在当前时间段的客户排队数据包含的业务数据中选取出该组合对应的业务数据;
确定第一银行网点在当前时间段的业务类别矩阵,其中,该业务类别矩阵的行对应客户类别,列对应业务类别,该业务类别矩阵的每个元素的值等于该元素对应的客户类别和对应的业务类别组成的组合对应的业务数据的业务数量。
在一实施例中,网点窗口数确定模块具体用于:
对于该对应关系包含的每个业务类别矩阵,将该业务类别矩阵与第一银行网点在当前时间段的业务类别矩阵的差作为该业务类别矩阵对应的矩阵差;
依据该业务类别矩阵对应的矩阵差的行数和列数,进行补0获得方阵,将获得的方阵的非0的特征值作为该业务类别矩阵对应的业务特征值;
依据该对应关系包含的各个业务类别矩阵对应的业务特征值,确定潜在业务矩阵;
依据潜在业务矩阵、业务类别矩阵和网点窗口数的对应关系,确定第一银行网点在当前时间段的网点窗口数。
应当注意,尽管在上文详细描述中提及了确定银行网点的窗口数的装置的若干模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之,上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
基于前述发明构思,如图9所示,本发明还提出了一种计算机设备900,包括存储器910、处理器920及存储在存储器910上并可在处理器920上运行的计算机程序930,所述处理器920执行所述计算机程序930时实现前述确定银行网点的窗口数的方法。
基于前述发明构思,本发明提出了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,所述计算机程序被处理器执行时实现前述确定银行网点的窗口数的方法。
基于前述发明构思,本发明提出了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现确定银行网点的窗口数的方法。
本发明提出的确定银行网点的窗口数的方法及装置依据各个银行网点的客户排队数据,确定各个银行网点对应的排队时间矩阵;依据各个银行网点对应的排队时间矩阵,确定参考银行网点;依据参考银行网点的客户排队数据、网点运营数据,确定业务类别矩阵和网点窗口数的对应关系;依据第一银行网点在当前时间段的客户排队数据,确定第一银行网点在当前时间段的业务类别矩阵;依据第一银行网点在当前时间段的业务类别矩阵、业务类别矩阵和网点窗口数的对应关系,确定第一银行网点在当前时间段的网点窗口数,整体方案能够准确分析目前银行网点应开设的银行网点营业窗口数,使银行利用合理的网点资源来满足客户的需求,不仅可以保证一定的客户满意度,还能节省网点资源,提高网点资源的利用率。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,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:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (17)
1.一种确定银行网点的窗口数的方法,其特征在于,包括:
依据各个银行网点的客户排队数据,确定各个银行网点对应的排队时间矩阵;
依据各个银行网点对应的排队时间矩阵,确定参考银行网点;
依据参考银行网点的客户排队数据、网点运营数据,确定业务类别矩阵和网点窗口数的对应关系;
依据第一银行网点在当前时间段的客户排队数据,确定第一银行网点在当前时间段的业务类别矩阵;
依据第一银行网点在当前时间段的业务类别矩阵、业务类别矩阵和网点窗口数的对应关系,确定第一银行网点在当前时间段的网点窗口数。
2.如权利要求1所述的方法,其特征在于,依据各个银行网点的客户排队数据,确定各个银行网点对应的排队时间矩阵,包括:
对于客户类别和业务类别的每个组合,从每个银行网点的客户排队数据中选取出该组合对应该银行网点的客户排队数据;
依据客户类别和业务类别的每个组合对应每个银行网点的客户排队数据,确定该组合对应该银行网点的等待时间;
确定每个银行网点对应的排队时间矩阵,其中,该排队时间矩阵的行对应客户类别,列对应业务类别,该排队时间矩阵的每个元素的值等于该元素对应的客户类别和对应的业务类别组成的组合对应该银行网点的等待时间。
3.如权利要求1所述的方法,其特征在于,依据各个银行网点对应的排队时间矩阵,确定参考银行网点,包括:
对于每个银行网点,依据该银行网点对应的排队时间矩阵的行数和列数,进行补0获得方阵,将获得的方阵作为该银行网点对应的排队时间方阵;
将该银行网点对应的排队时间方阵的非0的特征值作为该银行网点对应的时间特征值;
依据时间特征值,确定参考银行网点。
4.如权利要求1所述的方法,其特征在于,依据参考银行网点的客户排队数据、网点运营数据,确定业务类别矩阵和网点窗口数的对应关系,包括:
设定多个时间段;
从每个参考银行网点的客户排队数据、网点运营数据中选取出该参考银行网点在该时间段的客户排队数据、网点运营数据;
依据该参考银行网点在该时间段的客户排队数据,确定该参考银行网点在该时间段的业务类别矩阵;
依据该参考银行网点在该时间段的网点运营数据,确定该参考银行网点在该时间段的网点窗口数;
依据各个参考银行网点在各个时间段的业务类别矩阵和网点窗口数,确定业务类别矩阵和网点窗口数的对应关系。
5.如权利要求4所述的方法,其特征在于,依据该参考银行网点在该时间段的客户排队数据,确定该参考银行网点在该时间段的业务类别矩阵,包括:
对于客户类别和业务类别的每个组合,从该参考银行网点在该时间段的客户排队数据包含的业务数据中选取出该组合对应的业务数据;
确定该参考银行网点在该时间段的业务类别矩阵,其中,该业务类别矩阵的行对应客户类别,列对应业务类别,该业务类别矩阵的每个元素的值等于该元素对应的客户类别和对应的业务类别组成的组合对应的业务数据的业务数量。
6.如权利要求1所述的方法,其特征在于,依据第一银行网点在当前时间段的客户排队数据,确定第一银行网点在当前时间段的业务类别矩阵,包括:
对于客户类别和业务类别的每个组合,从第一银行网点在当前时间段的客户排队数据包含的业务数据中选取出该组合对应的业务数据;
确定第一银行网点在当前时间段的业务类别矩阵,其中,该业务类别矩阵的行对应客户类别,列对应业务类别,该业务类别矩阵的每个元素的值等于该元素对应的客户类别和对应的业务类别组成的组合对应的业务数据的业务数量。
7.如权利要求1所述的方法,其特征在于,依据第一银行网点在当前时间段的业务类别矩阵、业务类别矩阵和网点窗口数的对应关系,确定第一银行网点在当前时间段的网点窗口数,包括:
对于该对应关系包含的每个业务类别矩阵,将该业务类别矩阵与第一银行网点在当前时间段的业务类别矩阵的差作为该业务类别矩阵对应的矩阵差;
依据该业务类别矩阵对应的矩阵差的行数和列数,进行补0获得方阵,将获得的方阵的非0的特征值作为该业务类别矩阵对应的业务特征值;
依据该对应关系包含的各个业务类别矩阵对应的业务特征值,确定潜在业务矩阵;
依据潜在业务矩阵、业务类别矩阵和网点窗口数的对应关系,确定第一银行网点在当前时间段的网点窗口数。
8.一种确定银行网点的窗口数的装置,其特征在于,包括:
排队时间矩阵确定模块,用于依据各个银行网点的客户排队数据,确定各个银行网点对应的排队时间矩阵;
参考银行网点确定模块,用于依据各个银行网点对应的排队时间矩阵,确定参考银行网点;
对应关系确定模块,用于依据参考银行网点的客户排队数据、网点运营数据,确定业务类别矩阵和网点窗口数的对应关系;
业务类别矩阵确定模块,用于依据第一银行网点在当前时间段的客户排队数据,确定第一银行网点在当前时间段的业务类别矩阵;
网点窗口数确定模块,用于依据第一银行网点在当前时间段的业务类别矩阵、业务类别矩阵和网点窗口数的对应关系,确定第一银行网点在当前时间段的网点窗口数。
9.如权利要求8所述的装置,其特征在于,排队时间矩阵确定模块具体用于:
对于客户类别和业务类别的每个组合,从每个银行网点的客户排队数据中选取出该组合对应该银行网点的客户排队数据;
依据客户类别和业务类别的每个组合对应每个银行网点的客户排队数据,确定该组合对应该银行网点的等待时间;
确定每个银行网点对应的排队时间矩阵,其中,该排队时间矩阵的行对应客户类别,列对应业务类别,该排队时间矩阵的每个元素的值等于该元素对应的客户类别和对应的业务类别组成的组合对应该银行网点的等待时间。
10.如权利要求8所述的装置,其特征在于,参考银行网点确定模块具体用于:
对于每个银行网点,依据该银行网点对应的排队时间矩阵的行数和列数,进行补0获得方阵,将获得的方阵作为该银行网点对应的排队时间方阵;
将该银行网点对应的排队时间方阵的非0的特征值作为该银行网点对应的时间特征值;
依据时间特征值,确定参考银行网点。
11.如权利要求8所述的装置,其特征在于,对应关系确定模块具体用于:
设定多个时间段;
从每个参考银行网点的客户排队数据、网点运营数据中选取出该参考银行网点在该时间段的客户排队数据、网点运营数据;
依据该参考银行网点在该时间段的客户排队数据,确定该参考银行网点在该时间段的业务类别矩阵;
依据该参考银行网点在该时间段的网点运营数据,确定该参考银行网点在该时间段的网点窗口数;
依据各个参考银行网点在各个时间段的业务类别矩阵和网点窗口数,确定业务类别矩阵和网点窗口数的对应关系。
12.如权利要求11所述的装置,其特征在于,对应关系确定模块具体用于:
对于客户类别和业务类别的每个组合,从该参考银行网点在该时间段的客户排队数据包含的业务数据中选取出该组合对应的业务数据;
确定该参考银行网点在该时间段的业务类别矩阵,其中,该业务类别矩阵的行对应客户类别,列对应业务类别,该业务类别矩阵的每个元素的值等于该元素对应的客户类别和对应的业务类别组成的组合对应的业务数据的业务数量。
13.如权利要求8所述的装置,其特征在于,业务类别矩阵确定模块具体用于:
对于客户类别和业务类别的每个组合,从第一银行网点在当前时间段的客户排队数据包含的业务数据中选取出该组合对应的业务数据;
确定第一银行网点在当前时间段的业务类别矩阵,其中,该业务类别矩阵的行对应客户类别,列对应业务类别,该业务类别矩阵的每个元素的值等于该元素对应的客户类别和对应的业务类别组成的组合对应的业务数据的业务数量。
14.如权利要求8所述的装置,其特征在于,网点窗口数确定模块具体用于:
对于该对应关系包含的每个业务类别矩阵,将该业务类别矩阵与第一银行网点在当前时间段的业务类别矩阵的差作为该业务类别矩阵对应的矩阵差;
依据该业务类别矩阵对应的矩阵差的行数和列数,进行补0获得方阵,将获得的方阵的非0的特征值作为该业务类别矩阵对应的业务特征值;
依据该对应关系包含的各个业务类别矩阵对应的业务特征值,确定潜在业务矩阵;
依据潜在业务矩阵、业务类别矩阵和网点窗口数的对应关系,确定第一银行网点在当前时间段的网点窗口数。
15.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一所述方法。
16.一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有计算机程序,所述计算机程序被处理器执行时实现权利要求1至7任一所述方法。
17.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1至7任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211371049.9A CN115578182A (zh) | 2022-11-03 | 2022-11-03 | 确定银行网点的窗口数的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211371049.9A CN115578182A (zh) | 2022-11-03 | 2022-11-03 | 确定银行网点的窗口数的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115578182A true CN115578182A (zh) | 2023-01-06 |
Family
ID=84588604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211371049.9A Pending CN115578182A (zh) | 2022-11-03 | 2022-11-03 | 确定银行网点的窗口数的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115578182A (zh) |
-
2022
- 2022-11-03 CN CN202211371049.9A patent/CN115578182A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104504084A (zh) | 确定用户留存率的方法及装置 | |
KR20180020248A (ko) | 지불 임계값을 취득하기 위한 방법 및 디바이스 | |
CN110009347B (zh) | 一种区块链交易信息审计的方法及装置 | |
CN109978172B (zh) | 一种基于极限学习机的资源池利用率预测方法及装置 | |
CN112651172B (zh) | 一种降雨峰值类型划分方法、装置、设备和存储介质 | |
CN115578180A (zh) | 银行网点的现金资源的管理方法及装置 | |
CN111415200B (zh) | 数据处理方法及装置 | |
CN115578182A (zh) | 确定银行网点的窗口数的方法及装置 | |
CN112488843A (zh) | 基于社交网络的企业风险预警方法、装置、设备和介质 | |
CN111950753A (zh) | 一种景区客流预测的方法及装置 | |
CN114661750A (zh) | 特征衍生方法、装置、非易失性存储介质及电子设备 | |
CN109901931B (zh) | 一种归约函数数量确定方法、装置及系统 | |
CN110032445B (zh) | 大数据聚集计算方法及装置 | |
CN108804640B (zh) | 基于最大化iv的数据分组方法、装置、储存介质及设备 | |
CN109542609B (zh) | 一种代扣还款的方法、装置、计算机设备和存储介质 | |
CN110991641A (zh) | 一种油藏类型分析方法、装置及电子设备 | |
CN112101810A (zh) | 风险事件控制方法、装置及系统 | |
CN115797035A (zh) | 银行网点的风险控制方法及装置 | |
CN115600006A (zh) | 向客户推荐银行网点的方法及装置 | |
CN115578184A (zh) | 银行投放产品的方法及装置 | |
CN115860896A (zh) | 银行终端控制风险的方法及装置 | |
CN115829708A (zh) | 银行网点的控制风险的方法及装置 | |
CN115829576A (zh) | 银行人脸识别的风险控制方法及装置 | |
CN115601142A (zh) | 银行业务的风险控制方法及装置 | |
CN115760336A (zh) | 修正银行系统的等待时间阈值的方法及装置 |
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 |