CN115578187A - 预测客户交易信息的方法及装置 - Google Patents
预测客户交易信息的方法及装置 Download PDFInfo
- Publication number
- CN115578187A CN115578187A CN202211411940.0A CN202211411940A CN115578187A CN 115578187 A CN115578187 A CN 115578187A CN 202211411940 A CN202211411940 A CN 202211411940A CN 115578187 A CN115578187 A CN 115578187A
- Authority
- CN
- China
- Prior art keywords
- transaction
- period
- edge system
- historical
- matrix
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Technology Law (AREA)
- Pure & Applied Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种预测客户交易信息的方法及装置,应用于金融技术领域,该方法包括:对于每个网点边缘系统,依据该网点边缘系统的历史交易数据,确定该网点边缘系统的时期阈值;确定该网点边缘系统的交易类别矩阵和查询矩阵的对应关系;依据该网点边缘系统在当前时间的交易数据和时期阈值,确定该网点边缘系统在当前时间的交易类别矩阵;确定该网点边缘系统对应当前时间的查询矩阵;确定该网点边缘系统对应当前时间的客户信息数据;将确定的该网点边缘系统对应当前时间的客户信息数据下发到该网点边缘系统。本发明可以提前获得客户信息数据,预存在银行网点,节省客户的时间,提高客户的体验,增大银行与客户的粘性。
Description
技术领域
本发明涉及金融技术领域,尤其涉及一种预测客户交易信息的方法及装置。
背景技术
目前在银行网点办理业务时,需要信息时,直接向后台系统发送查询请求,获得对应的信息。这个过程需要一定的时间,有可能让客户等待较长的时间。
发明内容
本发明实施例提出一种预测客户交易信息的方法,用以提前判断客户办理业务需要前往的网点,和客户可能办理的业务,提前将该业务对应的查询信息预存在该银行网点,这样可以节省客户的时间,提高客户的体验,增大银行与客户的粘性,该方法包括:
对于每个网点边缘系统,依据该网点边缘系统的历史交易数据,确定该网点边缘系统的时期阈值;
依据该网点边缘系统的历史交易数据和时期阈值,确定该网点边缘系统的交易类别矩阵和查询矩阵的对应关系;
依据该网点边缘系统在当前时间的交易数据和时期阈值,确定该网点边缘系统在当前时间的交易类别矩阵;
依据该网点边缘系统在当前时间的交易类别矩阵、以及该网点边缘系统的交易类别矩阵和查询矩阵的对应关系,确定该网点边缘系统对应当前时间的查询矩阵;
依据该网点边缘系统的客户集合、以及该网点边缘系统对应当前时间的查询矩阵,确定该网点边缘系统对应当前时间的客户信息数据;
将确定的该网点边缘系统对应当前时间的客户信息数据下发到该网点边缘系统。
本发明实施例提出一种预测客户交易信息的装置,用以提前判断客户办理业务需要前往的网点,和客户可能办理的业务,提前将该业务对应的查询信息预存在该银行网点,这样可以节省客户的时间,提高客户的体验,增大银行与客户的粘性,该装置包括:
时期阈值确定模块,用于对于每个网点边缘系统,依据该网点边缘系统的历史交易数据,确定该网点边缘系统的时期阈值;
对应关系确定模块,用于依据该网点边缘系统的历史交易数据和时期阈值,确定该网点边缘系统的交易类别矩阵和查询矩阵的对应关系;
交易类别矩阵确定模块,用于依据该网点边缘系统在当前时间的交易数据和时期阈值,确定该网点边缘系统在当前时间的交易类别矩阵;
查询矩阵确定模块,用于依据该网点边缘系统在当前时间的交易类别矩阵、以及该网点边缘系统的交易类别矩阵和查询矩阵的对应关系,确定该网点边缘系统对应当前时间的查询矩阵;
客户信息数据确定模块,用于依据该网点边缘系统的客户集合、以及该网点边缘系统对应当前时间的查询矩阵,确定该网点边缘系统对应当前时间的客户信息数据;
客户信息数据下发模块,用于将确定的该网点边缘系统对应当前时间的客户信息数据下发到该网点边缘系统。
本发明实施例还提供一种计算机设备,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上述预测客户交易信息的方法。
本发明实施例还提供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上述预测客户交易信息的方法。
本发明实施例还提供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上述预测客户交易信息的方法。
在本发明实施例中,对于每个网点边缘系统,依据该网点边缘系统的历史交易数据,确定该网点边缘系统的时期阈值;依据该网点边缘系统的历史交易数据和时期阈值,确定该网点边缘系统的交易类别矩阵和查询矩阵的对应关系;依据该网点边缘系统在当前时间的交易数据和时期阈值,确定该网点边缘系统在当前时间的交易类别矩阵;依据该网点边缘系统在当前时间的交易类别矩阵、以及该网点边缘系统的交易类别矩阵和查询矩阵的对应关系,确定该网点边缘系统对应当前时间的查询矩阵;依据该网点边缘系统的客户集合、以及该网点边缘系统对应当前时间的查询矩阵,确定该网点边缘系统对应当前时间的客户信息数据;将确定的该网点边缘系统对应当前时间的客户信息数据下发到该网点边缘系统。通过上述步骤,可提前判断客户办理业务需要前往的网点,和客户可能办理的业务,提前将该业务对应的查询信息预存在该银行网点,这样可以节省客户的时间,提高客户的体验,增大银行与客户的粘性。
附图说明
为了更清楚地说明本发明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。在附图中:
图1为本发明实施例中预测客户交易信息的方法的流程图;
图2为本发明实施例中确定网点边缘系统的时期阈值的流程图;
图3为本发明实施例中确定网点边缘系统在历史时期的交易类别方阵的流程图;
图4为本发明实施例中具体确定网点边缘系统在历史时期的时期阈值的流程图;
图5为本发明实施例中确定网点边缘系统的交易类别矩阵和查询矩阵的对应关系的流程图;
图6为本发明实施例中确定网点边缘系统在历史时期之后的查询矩阵的流程图;
图7为本发明实施例中确定网点边缘系统在当前时间的交易类别矩阵的流程图;
图8为本发明实施例中确定网点边缘系统对应当前时间的客户信息数据的流程图;
图9为本发明实施例中预测客户交易信息的装置的示意图;
图10为本发明实施例中计算机设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
在本说明书的描述中,所使用的“包含”、“包括”、“具有”、“含有”等,均为开放性的用语,即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施,其中的步骤顺序不作限定,可根据需要作适当调整。
图1为本发明实施例中预测客户交易信息的方法的流程图,如图1所示,包括:
步骤101,对于每个网点边缘系统,依据该网点边缘系统的历史交易数据,确定该网点边缘系统的时期阈值;
步骤102,依据该网点边缘系统的历史交易数据和时期阈值,确定该网点边缘系统的交易类别矩阵和查询矩阵的对应关系;
步骤103,依据该网点边缘系统在当前时间的交易数据和时期阈值,确定该网点边缘系统在当前时间的交易类别矩阵;
步骤104,依据该网点边缘系统在当前时间的交易类别矩阵、以及该网点边缘系统的交易类别矩阵和查询矩阵的对应关系,确定该网点边缘系统对应当前时间的查询矩阵;
步骤105,依据该网点边缘系统的客户集合、以及该网点边缘系统对应当前时间的查询矩阵,确定该网点边缘系统对应当前时间的客户信息数据;
步骤106,将确定的该网点边缘系统对应当前时间的客户信息数据下发到该网点边缘系统。
图2为本发明实施例中确定网点边缘系统的时期阈值的流程图,在一实施例中,对于每个网点边缘系统,依据该网点边缘系统的历史交易数据,确定该网点边缘系统的时期阈值,包括:
步骤201,对于每个历史时期,依据该网点边缘系统在该历史时期的历史交易数据,确定该网点边缘系统在该历史时期的交易类别方阵;
步骤202,将在该历史时期之前的时期作为该历史时期对应的前序时期;
步骤203,依据该网点边缘系统在该历史时期的交易类别方阵、以及在该历史时期对应的前序时期的交易类别方阵,确定该网点边缘系统在该历史时期的时期阈值;
步骤204,将该网点边缘系统在各个历史时期的时期阈值的最小值作为该网点边缘系统的时期阈值。
图3为本发明实施例中确定网点边缘系统在历史时期的交易类别方阵的流程图,在一实施例中,对于每个历史时期,依据该网点边缘系统在该历史时期的历史交易数据,确定该网点边缘系统在该历史时期的交易类别方阵,包括:
步骤301,确定该网点边缘系统在该历史时期的每一历史交易数据对应的交易类别和交易渠道;
步骤302,将该历史交易数据作为该交易类别和该交易渠道对应的历史交易数据;
步骤303,对于每一交易类别和每一交易渠道,将该交易类别和该交易渠道对应的历史交易数据包含的交易数量作为该交易类别和该交易渠道对应的交易量;
步骤304,确定该网点边缘系统在该历史时期的交易类别矩阵,其中,该交易类别矩阵的行对应交易类别,列对应交易渠道,该交易类别矩阵的每个元素的值等于该元素对应的交易类别和交易渠道对应的交易量;
步骤305,依据交易类别的数量和交易渠道的数量的差,对该网点边缘系统在该历史时期的交易类别矩阵的列进行补零,将获得的方阵作为该网点边缘系统在该历史时期的交易类别方阵。
图4为本发明实施例中具体确定网点边缘系统在历史时期的时期阈值的流程图,在一实施例中,依据该网点边缘系统在该历史时期的交易类别方阵、以及在该历史时期对应的前序时期的交易类别方阵,确定该网点边缘系统在该历史时期的时期阈值,包括:
步骤401,对于在该历史时期对应的每一前序时期,将该网点边缘系统在该历史时期的交易类别方阵与在该历史时期对应的前序时期的交易类别方阵的矩阵差的非零特征值作为该历史时期和该前序时期对应的特征值;
步骤402,依据该历史时期和该历史时期对应的各个前序时期对应的特征值,确定该历史时期对应的多个相关前序时期;例如,对于该历史时期对应的每一前序时期,当该历史时期与该前序时期对应的特征值的模长都小于第一特征阈值时,则将该前序时期作为该历史时期对应的相关前序时期;
步骤403,将该历史时期与该历史时期对应的各个相关前序时期的时期差作为该历史时期对应的潜在时期阈值;
步骤404,对于该历史时期对应的每一潜在时期阈值,当小于该潜在时期阈值的正整数也是该历史时期对应的潜在时期阈值时,则将该潜在时期阈值作为该历史时期对应的潜在可选时期阈值;
步骤405,将该历史时期对应的潜在可选时期阈值的最大值作为该网点边缘系统在该历史时期的时期阈值。
图5为本发明实施例中确定网点边缘系统的交易类别矩阵和查询矩阵的对应关系的流程图,在一实施例中,依据该网点边缘系统的历史交易数据和时期阈值,确定该网点边缘系统的交易类别矩阵和查询矩阵的对应关系,包括:
步骤501,对于每一历史时期,将在该历史时期之前且与该历史时期的时期差小于等于时期阈值的历史时期作为该历史时期的相关时期;
步骤502,依据该网点边缘系统在该历史时期的相关时期的历史交易数据,确定该网点边缘系统在该历史时期的交易类别矩阵;可参见前述交易类别矩阵确定的过程;
步骤503,依据该网点边缘系统在该历史时期之后的时期的查询交易数据,确定该网点边缘系统在该历史时期之后的查询矩阵;
步骤504,依据该网点边缘系统在各个历史时期的交易类别矩阵、在各个历史时期之后的查询矩阵,确定该网点边缘系统的交易类别矩阵和查询矩阵的对应关系。
图6为本发明实施例中确定网点边缘系统在历史时期之后的查询矩阵的流程图,在一实施例中,依据该网点边缘系统在该历史时期之后的时期的查询交易数据,确定该网点边缘系统在该历史时期之后的查询矩阵,包括:
步骤601,确定该网点边缘系统在该历史时期之后的时期的每一查询交易数据对应的客户类别和查询信息项;
步骤602,将该查询交易数据作为该客户类别和该查询信息项对应的查询交易数据;
步骤603,对于每一客户类别和每一查询信息项,将该客户类别和该查询信息项对应的查询交易数据包含的查询交易数量作为该客户类别和该查询信息项对应的查询交易量;
步骤604,确定该网点边缘系统在该历史时期之后的查询矩阵,其中,该查询矩阵的行对应客户类别,列对应查询信息项,该查询矩阵的每个元素的值等于该元素对应的客户类别和查询信息项对应的查询交易量。
图7为本发明实施例中确定网点边缘系统在当前时间的交易类别矩阵的流程图,在一实施例中,依据该网点边缘系统的交易数据和时期阈值,确定该网点边缘系统在当前时间的交易类别矩阵,包括:
步骤701,将在当前时间之前且与当前时间的时期差小于等于时期阈值的时期作为当前时间的相关时期;
步骤702,确定该网点边缘系统在当前时间的相关时期的每一历史交易数据对应的交易类别和交易渠道;
步骤703,将该历史交易数据作为该交易类别和该交易渠道对应的历史交易数据;
步骤704,对于每一交易类别和每一交易渠道,将该交易类别和该交易渠道对应的历史交易数据包含的交易数量作为该交易类别和该交易渠道关于当前时间的交易量;
步骤705,确定该网点边缘系统在当前时间的交易类别矩阵,其中,该交易类别矩阵的行对应交易类别,列对应交易渠道,该交易类别矩阵的每个元素的值等于该元素对应的交易类别和交易渠道关于当前时间的交易量。
图8为本发明实施例中确定网点边缘系统对应当前时间的客户信息数据的流程图,在一实施例中,依据该网点边缘系统的客户集合、以及该网点边缘系统对应当前时间的查询矩阵,确定该网点边缘系统对应当前时间的客户信息数据,包括:
步骤801,依据该网点边缘系统对应当前时间的查询矩阵,确定各个客户类别对应各个查询信息项的查询交易数量;
步骤802,依据该网点边缘系统的客户集合、各个客户类别对应各个查询信息项的查询交易数量,确定该网点边缘系统对应当前时间的客户;
步骤803,依据该网点边缘系统对应当前时间的客户、各个客户类别对应各个查询信息项的查询交易数量,确定该网点边缘系统对应当前时间的客户信息数据。
在一实施例中,依据该网点边缘系统在当前时间的交易类别矩阵、以及该网点边缘系统的交易类别矩阵和查询矩阵的对应关系,确定该网点边缘系统对应当前时间的查询矩阵,包括,
将该网点边缘系统的交易类别矩阵和查询矩阵的对应关系包含的交易类别矩阵作为可比交易矩阵;
对于每一可比交易矩阵,计算该可比交易矩阵与该网点边缘系统在当前时间的交易类别矩阵的矩阵差;
依据该矩阵差的行数和列数进行补零,获得方阵,将该方阵的非零特征值作为该可比交易矩阵对应的特征值;
依据各个可比交易矩阵对应的特征值,确定该网点边缘系统在当前时间的潜在交易矩阵;
依据该网点边缘系统在当前时间的潜在交易矩阵、该网点边缘系统的交易类别矩阵和查询矩阵的对应关系,确定该网点边缘系统对应当前时间的查询矩阵。
在一实施例中,依据各个可比交易矩阵对应的特征值,确定该网点边缘系统在当前时间的潜在交易矩阵,包括:
确定各个可比交易矩阵是否满足条件t:对应的特征值的模长是否小于第二特征阈值;
当确定存在可比交易矩阵满足条件t时,将满足条件t的可比交易矩阵作为该网点边缘系统在当前时间的潜在交易矩阵;
当确定不存在可比交易矩阵满足条件t时,顺序执行如下步骤:
确定该网点边缘系统的相关边缘系统;
依据该网点边缘系统的相关边缘系统的交易数据和时期阈值,更新该网点边缘系统在当前时间的交易类别矩阵;
依据更新后的该网点边缘系统在当前时间的交易类别矩阵、可比交易矩阵,确定该网点边缘系统在当前时间的潜在交易矩阵。
依据当前时刻对应的多个已支付交易,确定当前时刻对应的潜在人脸匹配值;
接收客户发起的支付交易;
依据当前时刻对应的潜在人脸匹配值,以及当前支付交易对应的人脸匹配阈值,对当前支付交易进行风险控制。
综上所述,在本发明实施例提出的方法中,对于每个网点边缘系统,依据该网点边缘系统的历史交易数据,确定该网点边缘系统的时期阈值;依据该网点边缘系统的历史交易数据和时期阈值,确定该网点边缘系统的交易类别矩阵和查询矩阵的对应关系;依据该网点边缘系统在当前时间的交易数据和时期阈值,确定该网点边缘系统在当前时间的交易类别矩阵;依据该网点边缘系统在当前时间的交易类别矩阵、以及该网点边缘系统的交易类别矩阵和查询矩阵的对应关系,确定该网点边缘系统对应当前时间的查询矩阵;依据该网点边缘系统的客户集合、以及该网点边缘系统对应当前时间的查询矩阵,确定该网点边缘系统对应当前时间的客户信息数据;将确定的该网点边缘系统对应当前时间的客户信息数据下发到该网点边缘系统。通过上述步骤,可提前判断客户办理业务需要前往的网点,和客户可能办理的业务,提前将该业务对应的查询信息预存在该银行网点,这样可以节省客户的时间,提高客户的体验,增大银行与客户的粘性。
本发明实施例还提出一种预测客户交易信息的装置,其原理与预测客户交易信息的方法类似,这里不再赘述。
图9为本发明实施例中预测客户交易信息的装置的示意图,包括:
时期阈值确定模块901,用于对于每个网点边缘系统,依据该网点边缘系统的历史交易数据,确定该网点边缘系统的时期阈值;
对应关系确定模块902,用于依据该网点边缘系统的历史交易数据和时期阈值,确定该网点边缘系统的交易类别矩阵和查询矩阵的对应关系;
交易类别矩阵确定模块903,用于依据该网点边缘系统在当前时间的交易数据和时期阈值,确定该网点边缘系统在当前时间的交易类别矩阵;
查询矩阵确定模块904,用于依据该网点边缘系统在当前时间的交易类别矩阵、以及该网点边缘系统的交易类别矩阵和查询矩阵的对应关系,确定该网点边缘系统对应当前时间的查询矩阵;
客户信息数据确定模块905,用于依据该网点边缘系统的客户集合、以及该网点边缘系统对应当前时间的查询矩阵,确定该网点边缘系统对应当前时间的客户信息数据;
客户信息数据下发模块906,用于将确定的该网点边缘系统对应当前时间的客户信息数据下发到该网点边缘系统。
在一实施例中,时期阈值确定模块具体用于:
对于每个历史时期,依据该网点边缘系统在该历史时期的历史交易数据,确定该网点边缘系统在该历史时期的交易类别方阵;
将在该历史时期之前的时期作为该历史时期对应的前序时期;
依据该网点边缘系统在该历史时期的交易类别方阵、以及在该历史时期对应的前序时期的交易类别方阵,确定该网点边缘系统在该历史时期的时期阈值;
将该网点边缘系统在各个历史时期的时期阈值的最小值作为该网点边缘系统的时期阈值。
在一实施例中,时期阈值确定模块具体用于:
确定该网点边缘系统在该历史时期的每一历史交易数据对应的交易类别和交易渠道;
将该历史交易数据作为该交易类别和该交易渠道对应的历史交易数据;
对于每一交易类别和每一交易渠道,将该交易类别和该交易渠道对应的历史交易数据包含的交易数量作为该交易类别和该交易渠道对应的交易量;
确定该网点边缘系统在该历史时期的交易类别矩阵,其中,该交易类别矩阵的行对应交易类别,列对应交易渠道,该交易类别矩阵的每个元素的值等于该元素对应的交易类别和交易渠道对应的交易量;
依据交易类别的数量和交易渠道的数量的差,对该网点边缘系统在该历史时期的交易类别矩阵的列进行补零,将获得的方阵作为该网点边缘系统在该历史时期的交易类别方阵。
在一实施例中,时期阈值确定模块具体用于:
对于在该历史时期对应的每一前序时期,将该网点边缘系统在该历史时期的交易类别方阵与在该历史时期对应的前序时期的交易类别方阵的矩阵差的非零特征值作为该历史时期和该前序时期对应的特征值;
依据该历史时期和该历史时期对应的各个前序时期对应的特征值,确定该历史时期对应的多个相关前序时期;
将该历史时期与该历史时期对应的各个相关前序时期的时期差作为该历史时期对应的潜在时期阈值;
对于该历史时期对应的每一潜在时期阈值,当小于该潜在时期阈值的正整数也是该历史时期对应的潜在时期阈值时,则将该潜在时期阈值作为该历史时期对应的潜在可选时期阈值;
将该历史时期对应的潜在可选时期阈值的最大值作为该网点边缘系统在该历史时期的时期阈值。
在一实施例中,对应关系确定模块具体用于:
对于每一历史时期,将在该历史时期之前且与该历史时期的时期差小于等于时期阈值的历史时期作为该历史时期的相关时期;
依据该网点边缘系统在该历史时期的相关时期的历史交易数据,确定该网点边缘系统在该历史时期的交易类别矩阵;
依据该网点边缘系统在该历史时期之后的时期的查询交易数据,确定该网点边缘系统在该历史时期之后的查询矩阵;
依据该网点边缘系统在各个历史时期的交易类别矩阵、在各个历史时期之后的查询矩阵,确定该网点边缘系统的交易类别矩阵和查询矩阵的对应关系。
在一实施例中,对应关系确定模块具体用于:
确定该网点边缘系统在该历史时期之后的时期的每一查询交易数据对应的客户类别和查询信息项;
将该查询交易数据作为该客户类别和该查询信息项对应的查询交易数据;
对于每一客户类别和每一查询信息项,将该客户类别和该查询信息项对应的查询交易数据包含的查询交易数量作为该客户类别和该查询信息项对应的查询交易量;
确定该网点边缘系统在该历史时期之后的查询矩阵,其中,该查询矩阵的行对应客户类别,列对应查询信息项,该查询矩阵的每个元素的值等于该元素对应的客户类别和查询信息项对应的查询交易量。
在一实施例中,交易类别矩阵确定模块具体用于:
将在当前时间之前且与当前时间的时期差小于等于时期阈值的时期作为当前时间的相关时期;
确定该网点边缘系统在当前时间的相关时期的每一历史交易数据对应的交易类别和交易渠道;
将该历史交易数据作为该交易类别和该交易渠道对应的历史交易数据;
对于每一交易类别和每一交易渠道,将该交易类别和该交易渠道对应的历史交易数据包含的交易数量作为该交易类别和该交易渠道关于当前时间的交易量;
确定该网点边缘系统在当前时间的交易类别矩阵,其中,该交易类别矩阵的行对应交易类别,列对应交易渠道,该交易类别矩阵的每个元素的值等于该元素对应的交易类别和交易渠道关于当前时间的交易量。
在一实施例中,客户信息数据确定模块具体用于:
依据该网点边缘系统对应当前时间的查询矩阵,确定各个客户类别对应各个查询信息项的查询交易数量;
依据该网点边缘系统的客户集合、各个客户类别对应各个查询信息项的查询交易数量,确定该网点边缘系统对应当前时间的客户;
依据该网点边缘系统对应当前时间的客户、各个客户类别对应各个查询信息项的查询交易数量,确定该网点边缘系统对应当前时间的客户信息数据。
综上所述,在本发明实施例提出的装置中,对于每个网点边缘系统,依据该网点边缘系统的历史交易数据,确定该网点边缘系统的时期阈值;依据该网点边缘系统的历史交易数据和时期阈值,确定该网点边缘系统的交易类别矩阵和查询矩阵的对应关系;依据该网点边缘系统在当前时间的交易数据和时期阈值,确定该网点边缘系统在当前时间的交易类别矩阵;依据该网点边缘系统在当前时间的交易类别矩阵、以及该网点边缘系统的交易类别矩阵和查询矩阵的对应关系,确定该网点边缘系统对应当前时间的查询矩阵;依据该网点边缘系统的客户集合、以及该网点边缘系统对应当前时间的查询矩阵,确定该网点边缘系统对应当前时间的客户信息数据;将确定的该网点边缘系统对应当前时间的客户信息数据下发到该网点边缘系统。通过上述步骤,可提前判断客户办理业务需要前往的网点,和客户可能办理的业务,提前将该业务对应的查询信息预存在该银行网点,这样可以节省客户的时间,提高客户的体验,增大银行与客户的粘性。
发明实施例还提供一种计算机设备,图10为本发明实施例中计算机设备的示意图,所述计算机设备1000包括存储器1010、处理器1020及存储在存储器1010上并可在处理器1020上运行的计算机程序1030,所述处理器1020执行所述计算机程序530时实现上述预测客户交易信息的方法。
本发明实施例还提供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上述预测客户交易信息的方法。
本发明实施例还提供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上述预测客户交易信息的方法。
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、系统、或计算机程序业务系统。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业务系统的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序业务系统的流程图和/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。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (19)
1.一种预测客户交易信息的方法,其特征在于,包括:
对于每个网点边缘系统,依据该网点边缘系统的历史交易数据,确定该网点边缘系统的时期阈值;
依据该网点边缘系统的历史交易数据和时期阈值,确定该网点边缘系统的交易类别矩阵和查询矩阵的对应关系;
依据该网点边缘系统在当前时间的交易数据和时期阈值,确定该网点边缘系统在当前时间的交易类别矩阵;
依据该网点边缘系统在当前时间的交易类别矩阵、以及该网点边缘系统的交易类别矩阵和查询矩阵的对应关系,确定该网点边缘系统对应当前时间的查询矩阵;
依据该网点边缘系统的客户集合、以及该网点边缘系统对应当前时间的查询矩阵,确定该网点边缘系统对应当前时间的客户信息数据;
将确定的该网点边缘系统对应当前时间的客户信息数据下发到该网点边缘系统。
2.如权利要求1所述的方法,其特征在于,对于每个网点边缘系统,依据该网点边缘系统的历史交易数据,确定该网点边缘系统的时期阈值,包括:
对于每个历史时期,依据该网点边缘系统在该历史时期的历史交易数据,确定该网点边缘系统在该历史时期的交易类别方阵;
将在该历史时期之前的时期作为该历史时期对应的前序时期;
依据该网点边缘系统在该历史时期的交易类别方阵、以及在该历史时期对应的前序时期的交易类别方阵,确定该网点边缘系统在该历史时期的时期阈值;
将该网点边缘系统在各个历史时期的时期阈值的最小值作为该网点边缘系统的时期阈值。
3.如权利要求2所述的方法,其特征在于,对于每个历史时期,依据该网点边缘系统在该历史时期的历史交易数据,确定该网点边缘系统在该历史时期的交易类别方阵,包括:
确定该网点边缘系统在该历史时期的每一历史交易数据对应的交易类别和交易渠道;
将该历史交易数据作为该交易类别和该交易渠道对应的历史交易数据;
对于每一交易类别和每一交易渠道,将该交易类别和该交易渠道对应的历史交易数据包含的交易数量作为该交易类别和该交易渠道对应的交易量;
确定该网点边缘系统在该历史时期的交易类别矩阵,其中,该交易类别矩阵的行对应交易类别,列对应交易渠道,该交易类别矩阵的每个元素的值等于该元素对应的交易类别和交易渠道对应的交易量;
依据交易类别的数量和交易渠道的数量的差,对该网点边缘系统在该历史时期的交易类别矩阵的列进行补零,将获得的方阵作为该网点边缘系统在该历史时期的交易类别方阵。
4.如权利要求2所述的方法,其特征在于,依据该网点边缘系统在该历史时期的交易类别方阵、以及在该历史时期对应的前序时期的交易类别方阵,确定该网点边缘系统在该历史时期的时期阈值,包括:
对于在该历史时期对应的每一前序时期,将该网点边缘系统在该历史时期的交易类别方阵与在该历史时期对应的前序时期的交易类别方阵的矩阵差的非零特征值作为该历史时期和该前序时期对应的特征值;
依据该历史时期和该历史时期对应的各个前序时期对应的特征值,确定该历史时期对应的多个相关前序时期;
将该历史时期与该历史时期对应的各个相关前序时期的时期差作为该历史时期对应的潜在时期阈值;
对于该历史时期对应的每一潜在时期阈值,当小于该潜在时期阈值的正整数也是该历史时期对应的潜在时期阈值时,则将该潜在时期阈值作为该历史时期对应的潜在可选时期阈值;
将该历史时期对应的潜在可选时期阈值的最大值作为该网点边缘系统在该历史时期的时期阈值。
5.如权利要求1所述的方法,其特征在于,依据该网点边缘系统的历史交易数据和时期阈值,确定该网点边缘系统的交易类别矩阵和查询矩阵的对应关系,包括:
对于每一历史时期,将在该历史时期之前且与该历史时期的时期差小于等于时期阈值的历史时期作为该历史时期的相关时期;
依据该网点边缘系统在该历史时期的相关时期的历史交易数据,确定该网点边缘系统在该历史时期的交易类别矩阵;
依据该网点边缘系统在该历史时期之后的时期的查询交易数据,确定该网点边缘系统在该历史时期之后的查询矩阵;
依据该网点边缘系统在各个历史时期的交易类别矩阵、在各个历史时期之后的查询矩阵,确定该网点边缘系统的交易类别矩阵和查询矩阵的对应关系。
6.如权利要求5所述的方法,其特征在于,依据该网点边缘系统在该历史时期之后的时期的查询交易数据,确定该网点边缘系统在该历史时期之后的查询矩阵,包括:
确定该网点边缘系统在该历史时期之后的时期的每一查询交易数据对应的客户类别和查询信息项;
将该查询交易数据作为该客户类别和该查询信息项对应的查询交易数据;
对于每一客户类别和每一查询信息项,将该客户类别和该查询信息项对应的查询交易数据包含的查询交易数量作为该客户类别和该查询信息项对应的查询交易量;
确定该网点边缘系统在该历史时期之后的查询矩阵,其中,该查询矩阵的行对应客户类别,列对应查询信息项,该查询矩阵的每个元素的值等于该元素对应的客户类别和查询信息项对应的查询交易量。
7.如权利要求1所述的方法,其特征在于,依据该网点边缘系统的交易数据和时期阈值,确定该网点边缘系统在当前时间的交易类别矩阵,包括:
将在当前时间之前且与当前时间的时期差小于等于时期阈值的时期作为当前时间的相关时期;
确定该网点边缘系统在当前时间的相关时期的每一历史交易数据对应的交易类别和交易渠道;
将该历史交易数据作为该交易类别和该交易渠道对应的历史交易数据;
对于每一交易类别和每一交易渠道,将该交易类别和该交易渠道对应的历史交易数据包含的交易数量作为该交易类别和该交易渠道关于当前时间的交易量;
确定该网点边缘系统在当前时间的交易类别矩阵,其中,该交易类别矩阵的行对应交易类别,列对应交易渠道,该交易类别矩阵的每个元素的值等于该元素对应的交易类别和交易渠道关于当前时间的交易量。
8.如权利要求1所述的方法,其特征在于,依据该网点边缘系统的客户集合、以及该网点边缘系统对应当前时间的查询矩阵,确定该网点边缘系统对应当前时间的客户信息数据,包括:
依据该网点边缘系统对应当前时间的查询矩阵,确定各个客户类别对应各个查询信息项的查询交易数量;
依据该网点边缘系统的客户集合、各个客户类别对应各个查询信息项的查询交易数量,确定该网点边缘系统对应当前时间的客户;
依据该网点边缘系统对应当前时间的客户、各个客户类别对应各个查询信息项的查询交易数量,确定该网点边缘系统对应当前时间的客户信息数据。
9.一种预测客户交易信息的装置,其特征在于,包括:
时期阈值确定模块,用于对于每个网点边缘系统,依据该网点边缘系统的历史交易数据,确定该网点边缘系统的时期阈值;
对应关系确定模块,用于依据该网点边缘系统的历史交易数据和时期阈值,确定该网点边缘系统的交易类别矩阵和查询矩阵的对应关系;
交易类别矩阵确定模块,用于依据该网点边缘系统在当前时间的交易数据和时期阈值,确定该网点边缘系统在当前时间的交易类别矩阵;
查询矩阵确定模块,用于依据该网点边缘系统在当前时间的交易类别矩阵、以及该网点边缘系统的交易类别矩阵和查询矩阵的对应关系,确定该网点边缘系统对应当前时间的查询矩阵;
客户信息数据确定模块,用于依据该网点边缘系统的客户集合、以及该网点边缘系统对应当前时间的查询矩阵,确定该网点边缘系统对应当前时间的客户信息数据;
客户信息数据下发模块,用于将确定的该网点边缘系统对应当前时间的客户信息数据下发到该网点边缘系统。
10.如权利要求9所述的装置,其特征在于,时期阈值确定模块具体用于:
对于每个历史时期,依据该网点边缘系统在该历史时期的历史交易数据,确定该网点边缘系统在该历史时期的交易类别方阵;
将在该历史时期之前的时期作为该历史时期对应的前序时期;
依据该网点边缘系统在该历史时期的交易类别方阵、以及在该历史时期对应的前序时期的交易类别方阵,确定该网点边缘系统在该历史时期的时期阈值;
将该网点边缘系统在各个历史时期的时期阈值的最小值作为该网点边缘系统的时期阈值。
11.如权利要求10所述的装置,其特征在于,时期阈值确定模块具体用于:
确定该网点边缘系统在该历史时期的每一历史交易数据对应的交易类别和交易渠道;
将该历史交易数据作为该交易类别和该交易渠道对应的历史交易数据;
对于每一交易类别和每一交易渠道,将该交易类别和该交易渠道对应的历史交易数据包含的交易数量作为该交易类别和该交易渠道对应的交易量;
确定该网点边缘系统在该历史时期的交易类别矩阵,其中,该交易类别矩阵的行对应交易类别,列对应交易渠道,该交易类别矩阵的每个元素的值等于该元素对应的交易类别和交易渠道对应的交易量;
依据交易类别的数量和交易渠道的数量的差,对该网点边缘系统在该历史时期的交易类别矩阵的列进行补零,将获得的方阵作为该网点边缘系统在该历史时期的交易类别方阵。
12.如权利要求10所述的装置,其特征在于,时期阈值确定模块具体用于:
对于在该历史时期对应的每一前序时期,将该网点边缘系统在该历史时期的交易类别方阵与在该历史时期对应的前序时期的交易类别方阵的矩阵差的非零特征值作为该历史时期和该前序时期对应的特征值;
依据该历史时期和该历史时期对应的各个前序时期对应的特征值,确定该历史时期对应的多个相关前序时期;
将该历史时期与该历史时期对应的各个相关前序时期的时期差作为该历史时期对应的潜在时期阈值;
对于该历史时期对应的每一潜在时期阈值,当小于该潜在时期阈值的正整数也是该历史时期对应的潜在时期阈值时,则将该潜在时期阈值作为该历史时期对应的潜在可选时期阈值;
将该历史时期对应的潜在可选时期阈值的最大值作为该网点边缘系统在该历史时期的时期阈值。
13.如权利要求9所述的装置,其特征在于,对应关系确定模块具体用于:
对于每一历史时期,将在该历史时期之前且与该历史时期的时期差小于等于时期阈值的历史时期作为该历史时期的相关时期;
依据该网点边缘系统在该历史时期的相关时期的历史交易数据,确定该网点边缘系统在该历史时期的交易类别矩阵;
依据该网点边缘系统在该历史时期之后的时期的查询交易数据,确定该网点边缘系统在该历史时期之后的查询矩阵;
依据该网点边缘系统在各个历史时期的交易类别矩阵、在各个历史时期之后的查询矩阵,确定该网点边缘系统的交易类别矩阵和查询矩阵的对应关系。
14.如权利要求13所述的装置,其特征在于,对应关系确定模块具体用于:
确定该网点边缘系统在该历史时期之后的时期的每一查询交易数据对应的客户类别和查询信息项;
将该查询交易数据作为该客户类别和该查询信息项对应的查询交易数据;
对于每一客户类别和每一查询信息项,将该客户类别和该查询信息项对应的查询交易数据包含的查询交易数量作为该客户类别和该查询信息项对应的查询交易量;
确定该网点边缘系统在该历史时期之后的查询矩阵,其中,该查询矩阵的行对应客户类别,列对应查询信息项,该查询矩阵的每个元素的值等于该元素对应的客户类别和查询信息项对应的查询交易量。
15.如权利要求9所述的装置,其特征在于,交易类别矩阵确定模块具体用于:
将在当前时间之前且与当前时间的时期差小于等于时期阈值的时期作为当前时间的相关时期;
确定该网点边缘系统在当前时间的相关时期的每一历史交易数据对应的交易类别和交易渠道;
将该历史交易数据作为该交易类别和该交易渠道对应的历史交易数据;
对于每一交易类别和每一交易渠道,将该交易类别和该交易渠道对应的历史交易数据包含的交易数量作为该交易类别和该交易渠道关于当前时间的交易量;
确定该网点边缘系统在当前时间的交易类别矩阵,其中,该交易类别矩阵的行对应交易类别,列对应交易渠道,该交易类别矩阵的每个元素的值等于该元素对应的交易类别和交易渠道关于当前时间的交易量。
16.如权利要求9所述的装置,其特征在于,客户信息数据确定模块具体用于:
依据该网点边缘系统对应当前时间的查询矩阵,确定各个客户类别对应各个查询信息项的查询交易数量;
依据该网点边缘系统的客户集合、各个客户类别对应各个查询信息项的查询交易数量,确定该网点边缘系统对应当前时间的客户;
依据该网点边缘系统对应当前时间的客户、各个客户类别对应各个查询信息项的查询交易数量,确定该网点边缘系统对应当前时间的客户信息数据。
17.一种计算机设备,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8任一项所述方法。
18.一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8任一项所述方法。
19.一种计算机程序产品,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8任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211411940.0A CN115578187A (zh) | 2022-11-11 | 2022-11-11 | 预测客户交易信息的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211411940.0A CN115578187A (zh) | 2022-11-11 | 2022-11-11 | 预测客户交易信息的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115578187A true CN115578187A (zh) | 2023-01-06 |
Family
ID=84588429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211411940.0A Pending CN115578187A (zh) | 2022-11-11 | 2022-11-11 | 预测客户交易信息的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115578187A (zh) |
-
2022
- 2022-11-11 CN CN202211411940.0A patent/CN115578187A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107230092B (zh) | 账务处理方法、装置及服务器 | |
CN110705981B (zh) | 一种实时结算的方法和装置 | |
CN111325928B (zh) | 银行自助设备的业务执行方法及装置 | |
CN115578187A (zh) | 预测客户交易信息的方法及装置 | |
CN115578180A (zh) | 银行网点的现金资源的管理方法及装置 | |
CN111260272A (zh) | 基于库存响应用户请求的方法、装置、设备及存储介质 | |
CN114723145A (zh) | 基于交易量确定智能柜台数量的方法及系统 | |
CN113469668A (zh) | 基于区块链的对公客户交易限制方法及装置 | |
CN113177843A (zh) | 基于区块链的跨行贷款业务处理方法及装置 | |
CN115375441A (zh) | 跨行提供服务的方法及服务器 | |
CN114840249B (zh) | 集中式业务系统的灰度发布方法、装置及设备 | |
CN115630430A (zh) | 银行网点布局的更新方法及装置 | |
CN115562643A (zh) | 确定网点终端的业务界面的方法及装置 | |
CN113094589B (zh) | 智能服务推荐方法及装置 | |
CN115719230A (zh) | 银行账户的风险控制方法及装置 | |
CN115829709A (zh) | 基于区块链的现金终端的风险控制方法及系统 | |
CN114897625A (zh) | 银行线上业务办理中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 | |
CN115907943A (zh) | 保护银行账户安全的方法及装置 | |
CN116645146A (zh) | 一种资源核算方法、装置、计算机设备、存储介质 | |
CN115660690A (zh) | 银行生物特征识别的方法及装置 | |
TW202232419A (zh) | 金融服務處理系統及使用者帳戶分群暨回饋處理方法 | |
CN115205015A (zh) | 客户存款风险控制系统及方法 | |
CN114943615A (zh) | 交易处理方法、银行服务器和银行自助终端 | |
CN114626937A (zh) | 确定银行网点营业窗口数量的方法及装置 |
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 |