CN116523311A - 服务点监测处理方法、装置、设备、存储介质及产品 - Google Patents
服务点监测处理方法、装置、设备、存储介质及产品 Download PDFInfo
- Publication number
- CN116523311A CN116523311A CN202310506057.8A CN202310506057A CN116523311A CN 116523311 A CN116523311 A CN 116523311A CN 202310506057 A CN202310506057 A CN 202310506057A CN 116523311 A CN116523311 A CN 116523311A
- Authority
- CN
- China
- Prior art keywords
- data
- service point
- people
- time
- people stream
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 123
- 238000003860 storage Methods 0.000 title claims abstract description 86
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000004321 preservation Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 64
- 238000004364 calculation method Methods 0.000 claims description 47
- 238000007689 inspection Methods 0.000 claims description 41
- 230000008439 repair process Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004378 air conditioning Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 35
- 238000005516 engineering process Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 230000009897 systematic effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 239000002390 adhesive tape Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012954 risk control Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000000763 evoking effect Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Computer Security & Cryptography (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及大数据技术领域,提供一种服务点监测处理方法、装置、设备、存储介质及产品,包括:监测服务点的人流数据,接收机具发送的机具数据,并接收功能标识发送的和场地数据;根据人流数据生成服务点的运营信息,根据机具数据生成机具的机具保存信息,根据场地数据生成功能标识的标识保存信息;根据人流数据生成运营分析数据;根据运营信息、机具保存信息和标识保存信息生成风险画像,根据风险画像确定服务点的风险修复策略;根据运营分析数据生成服务点的运营画像,根据运营画像确定服务点的信息推送策略。本申请实现了基于运营情况风险情况、机具保存情况、功能标识的展示情况和保存情况确定风险修复策略,以确保服务点的安全的效果。
Description
技术领域
本申请涉及大数据技术领域,尤其涉及一种服务点监测处理方法、装置、设备、存储介质及产品。
背景技术
大型金融机构的服务点用于对服务点附近的居民开展金融服务,当前的服务点具有数量大、离散程度高、分布广的特点。
发明人发现,当前的服务点数量庞大,并且场所位置复杂(例如:有的服务点在独立的建筑中,而有的服务点是设置在便利店、卫生所、村委会等机构中),导致服务点内的运营风险情况、机具安全情况和标识风险情况无法得到及时的识别,造成服务点的运营风险和财产安全无法得到保证。
发明内容
本申请提供一种服务点监测处理方法、装置、设备、存储介质及产品,用以解决当前服务点内的运营风险情况、机具安全情况和标识风险情况无法得到及时的识别,造成服务点的运营风险和财产安全无法得到保证的问题。
第一方面,本申请提供一种服务点监测处理方法,包括:
监测服务点的人流数据,接收所述服务点中的机具发送的机具数据,并接收所述服务点中功能标识发送的和场地数据,其中,所述人流数据反映所述服务点内至少一个人员的驻留人次及所述人员的驻留时间,所述驻留时间是所述人员的入场时间和离场时间的时间段,机具数据用于确定所述机具在服务点中的位置,所述场地数据用于确定所述功能标识在服务点中的位置和展示状态;
根据所述人流数据生成所述服务点的运营信息,并根据所述机具数据生成所述机具的机具保存信息,及根据所述场地数据生成所述功能标识的标识保存信息;
根据所述人流数据生成运营分析数据,其中,所述运营分析数据反映了所述服务点的人员流动情况和驻留时间;
根据所述运营信息、所述机具保存信息和所述标识保存信息生成风险画像,及根据所述风险画像确定所述服务点的风险修复策略;及
根据所述运营分析数据生成所述服务点的运营画像,及根据所述运营画像确定所述服务点的信息推送策略。
上述方案中,所述监测服务点的人流数据、机具数据和场地数据,包括:
监测所述服务点内的预置的监测区域内人员的流入和流出,并生成流入信号和流出信号;
根据所述流入信号和所述流出信号计算所述服务点内的人员流入量和人员流出量,并根据所述人员流入量和所述人员流出量得到所述服务点的人流数据。
上述方案中,所述运营信息包括:运营正常信息、停业预警信息、风险时间预警信息、交易预警信息、离场刷单预警信息;
所述根据所述人流数据生成所述服务点的运营信息,包括:
根据数值为零的人流数据生成停业预警信息;
根据风险时间段内的人流数据生成风险时间预警信息;
从所述交易系统中获取所述服务场地的交易信息,根据所述交易信息和所述人流数据得到人均交易量,若确定所述人均交易量超过预置的交易阈值时,则生成交易预警信息;
从所述交易系统中获取所述服务场地的交易信息,及获取生成停业预警信息的停业日期,若确定所述交易信息中的至少一个交易内容中,至少具有一个交易内容的交易日期处于所述停业日期,则生成离场刷单预警。
上述方案中,所述机具保存信息包括:机具正常信息、机具预警信息;
所述根据所述机具数据生成所述机具的机具保存信息,包括:
根据内容为机具报警的机具数据,或在预置的机具时间阈值内未接收到机具数据生成机具预警信息;
所述标识保存信息包括:标识正常信息、标识预警信息;
所述根据所述场地数据生成所述功能标识的标识保存信息,包括:
若确定在预置的标识时间阈值内未接收到场地数据,则生成标识预警信息。
上述方案中,所述运营分析数据包括:第一高人流时间段、第二高人流时间段、每日的平均经营时间、每一小时的人流驻留数据、每日的驻留总时间、每日的入场人次、每一小时的入场人次、每日的平均人流数据和最大值人流数据、每日的低驻留时长、每日的高驻留时长;
所述根据所述人流数据生成运营分析数据,包括:
获取当日的目标时间段的人流数据,其中,所述目标时间段是服务场景的当前时间;在预置的第一历史范围内获取每日的历史人流数据,根据所述每日的历史人流数据得到所述第一历史范围内每日的平均人流数据;若确定所述当日的目标时间段的人流数据,与所述第一历史范围内每日的平均人流数据之间的差值超过第一因子阈值,则确定所述目标时间段为第一高人流时间段,将所述第一高人流时间段设为第一因子数据;
获取当日的目标时间段的人流数据,其中,所述目标时间段是服务场景的当前时间;在预置的第二历史范围内获取每一目标日的历史人流数据,根据所述每一目标日的历史人流数据得到所述第二历史范围内每一目标日的平均人流数据其中,所述目标日是指与当日具有相同的时间单位的日期;若确定所述当日的目标时间段的人流数据,与所述第二历史范围内每一目标日的平均人流数据之间的差值超过第二因子阈值,则确定所述目标时间段为第二高人流时间段,将第二高人流时间段设为第二因子数据;
将待计算日的人流数据中第一个人员对应的驻留时间的入场时间设为起始时间点,将所述待计算日的人流数据中最后一个人员对应的驻留时间的离场时间设为终止时间点,根据所述终止时间点和所述起始时间点得到待计算日的经营时间,其中,所述待计算日是对服务点进行监控的任一日;获取预置的第三历史范围内每日的经营时间,根据每日的经营时间得到所述第三历史范围内每日的平均经营时间,将所述每日的平均经营时间设为第三因子数据;
按照预置的第四时间周期获取至少一个人流数据,将每一小时中最后一次获取到的人流数据分别作为每一小时的人流驻留数据,将所述每一小时的人流驻留数据设为第四因子数据;
在驻留计算日中按照预置的第五时间周期获取至少一个人流数据,将每一人流数据分别与所述第五时间周期相乘,得到每一人流数据对应的人流驻留时间,将所述每一人流驻留时间相加得到所述驻留计算日的驻留总时间,将所述驻留总时间设为第五因子数据;其中,所述驻留计算日是对服务点进行监控的任一日;
在人次计算日中按照预置的第六时间周期获取至少一个人流数据,将至少一个人流数据相加得到所述人次计算日的入场人次,将所述入场人次设为第六因子数据;其中,所述人次计算日是对服务点进行监控的任一日;
在人次计算日中按照预置的第七时间周期获取至少一个人流数据,并获取每一小时的至少一个人流数据,及分别将每一小时的人流数据相加,得到所述人次计算日中每一小时的入场人次,将所述每一小时的入场人次设为第七因子数据;其中,所述人次计算日是对服务点进行监控的任一日;
在人次计算日中按照预置的第八时间周期获取至少一个人流数据,对所述至少一个人流数据进行求和运算得到总人流数据,将所述总人流数据与获取人流数据的次数相除得到平均人流数据,将所述至少一个人流数据中数值最大的人流数据设为最大值人流数据,将所述每日的平均人流数据和最大值人流数据设为第八因子数据;其中,所述人次计算日是对服务点进行监控的任一日;
在最低驻留计算日中按照预置的第九时间周期获取至少一个人流数据,并将所述至少一个人流数据中驻留人次小于预置的最低驻留阈值的人流数据设为最低人流数据;将至少一个所述最低人流数据分别与所述第九时间周期相乘,得到至少一个最低单位驻留时间,将至少一个所述最低单位驻留时间相加得到所述最低驻留计算日的低驻留时长,将所述低驻留时长设为第九因子数据;其中,所述最低驻留计算日是对服务点进行监控的任一日;
在最高驻留计算日中按照预置的第十时间周期获取至少一个人流数据,并将所述至少一个人流数据中驻留人次大于预置的最高驻留阈值的人流数据设为最高人流数据;将至少一个所述最高人流数据分别与所述第十时间周期相乘,得到至少一个最高单位驻留时间,将至少一个所述最高单位驻留时间相加得到所述最高驻留计算日的高驻留时长,将所述高驻留时长设为第十因子数据;其中,所述最高驻留计算日是对服务点进行监控的任一日。
上述方案中,所述风险画像包括:运营风险画像、机具风险画像和标识风险画像;
风险修复策略包括:运营修复策略、机具修复策略和标识修复策略;
所述根据所述运营信息、所述机具保存信息和所述标识保存信息生成风险画像,及根据所述风险画像确定所述服务点的风险修复策略,包括:
根据所述运营信息中的停业预警信息、和/或风险时间预警信息、和/或交易预警信息、和/或离场刷单预警信息,生成运营风险画像,根据所述运营风险画像生成运营修复策略,所述运营修复策略定义了对所述服务点的巡检频次和巡检时间;
根据所述机具保存信息中的机具预警信息生成机具风险画像,根据所述机具风险画像生成机具修复策略,所述机具修复策略定义了对所述服务点的机具的巡检频次和巡检时间;
根据所述标识保存信息中的标识预警信息生成标识风险画像,根据所述标识风险画像生成标识修复策略,所述标识修复策略定义了对所述服务点的功能标识巡检频次和巡检时间。
上述方案中,所述信息推送策略包括:第一推送策略和第二推送策略;
所述根据所述运营分析数据生成所述服务点的运营画像,及根据所述运营画像确定所述服务点的信息推送策略,包括:
根据所述运营分析数据中的第一高人流时间段和/或第二高人流时间段确定具有第一推送时间段的运营画像,其中,所述第一推送时间段表征所述服务点在所述第一推送时间内具有高驻留人次;制定在所述第一推送时间段内推送信息的第一推送策略;
根据所述运营分析数据中的每日的平均经营时间、和/或每一小时的人流驻留数据、和/或每日的驻留总时间、和/或每日的入场人次、和/或每一小时的入场人次、和/或每日的平均人流数据和最大值人流数据、和/或低驻留时长、和/或高驻留时长确定具有第二推送时间段的运营图像,其中,所述第二推送时间段表征所述服务点在第二推送时间内具有高驻留人次和/或高驻留时间;制定在所述第二推送时间段内推送信息的第二推送策略。
第二方面,本申请提供一种服务点监测处理装置,包括:监测模块、数据预警模块、因子结果模块和业务功能模块,所述监测模块分别与所述数据预警模块和所述因子结果模块连接,所述业务功能模块分别与所述数据预警模块和所述因子结果模块连接;
所述监测模块用于监测服务点的人流数据,接收所述服务点中的机具发送的机具数据,并接收所述服务点中功能标识发送的和场地数据,其中,所述人流数据反映所述服务点内至少一个人员的驻留人次及所述人员的驻留时间,所述驻留时间是所述人员的入场时间和离场时间的时间段,机具数据用于确定所述机具在服务点中的位置,所述场地数据用于确定所述功能标识在服务点中的位置和展示状态;
所述数据预警模块用于根据所述人流数据生成所述服务点的运营信息,所述数据预警模块用于根据所述机具数据生成所述机具的机具保存信息,所述数据预警模块用于根据所述场地数据生成所述功能标识的标识保存信息;
所述因子结果模块用于根据所述人流数据生成运营分析数据,其中,所述运营分析数据反映了所述服务点的人员流动情况和驻留时间;
所述业务功能模块用于根据所述运营信息、所述机具保存信息和所述标识保存信息生成风险画像,及根据所述风险画像确定所述服务点的风险修复策略;
所述业务功能模块用于根据所述运营分析数据生成所述服务点的运营画像,及根据所述运营画像确定所述服务点的信息推送策略。
第三方面,本申请提供一种计算机设备,包括:处理器以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求上述的服务点监测处理方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现上述的服务点监测处理方法。
第五方面,本申请提供一种计算机程序产品,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的服务点监测处理方法。
本申请提供的一种服务点监测处理方法、装置、设备、存储介质及产品,通过监测服务点的人流数据、机具数据和场地数据,以实现对所述人流数据反映所述服务点内至少一个人员的驻留人次及所述人员的驻留时间,机具在服务点中的位置以及功能标识的位置和展示状态的监控。
通过生成运营信息用于对服务点的运营情况风险情况进行识别汇总,通过生成机具保存信息用于对服务点中的机具保存情况进行识别汇总,通过生成标识保存信息用于对服务点中的功能标识的展示情况和保存情况进行识别汇总。
通过生成运营分析数据得到服务点中人员流动和驻留时间的情况和特点。
通过根据服务点的运营情况风险情况和/或机具保存情况和/或功能标识的展示情况和保存情况生成风险画像,并根据风险画像确定相应的风险修复策略,以确保服务点的运营安全、机具安全和功能标识安全。
通过根据服务点中人员流动和驻留时间的情况和特点生成运营画像,并根据运营画像确定信息推送策略,以确保信息推送的准确性和可靠性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的一种应用场景示意图;
图2为本申请实施例提供的一种服务点监测处理方法的实施例1的流程图;
图3为本发明提供的一种服务点监测处理装置的程序模块示意图;
图4为本发明计算机设备中计算机设备的硬件结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
本申请具体的应用场景为:
本申请应用在农村普惠金融服务点,农村普惠金融服务点:通过涉农金融机构配备的具有受理银行卡、存折、条码支付等功能的金融服务终端,统一服务环境、技术规范等,为所在地农村居民提供助农取款、现金汇款、转账汇款、代理缴费、查询等基础支付服务,以及有关金融管理部门许可的其他金融服务的商户或组织。
农村普惠金融服务点是银行服务农村振兴的基本阵地,目前各大行、城乡行、农信社都有涉及,全国共有近80万个农村普惠金融服务点。农村普惠金融服务点广泛链接县域农村的重要抓手和重要资产,其合规经营并高质量发展至关重要。近年来,各行下大力气建立健全农村金融风控体系,基本形成了大数据准入避险、自动化监测识险、差别化模型控险、常态化排查处险的服务点风控模式,覆盖设点位置、业主身份、业主资信、农户签约等方面。然而,农村普惠金融服务点具有“离行式、分布广、数量多、环境复杂”等客观特质,一是,在金融机具设备管理、经营场所系统性风险、交易操作行为、经营状况方面的风险管控和营销分析手段上,主要依靠每季度远程巡检(业主拍照上传)和现场巡检(员工拍照上传)等人工、非连续的手段进行风险识别与管控,缺乏全天候、实时化的智能监测和管理工具,仍存在管理半径大、风险识别难、响应速度慢、管控效能低等不足,无法满足及时发现场所风险、快速识别营销时机的业务需求;二是,在场所监测的隐私保护方面,面临数据采集监管和合规要求,需要解决无侵入、不能使用摄像头等技术问题;三是对于服务点的管控力较弱,不了解服务点经营情况,无法进行服务点精细化运营,精准施策,对于服务点业绩增长产生瓶颈。
普惠金融服务点的场所监测主要包括金融机具设备管理、场所经营的系统性风险和交易操作行为等主要内容,本发明的总体解决方案是通过物联网及大数据技术,实现服务点场所的“人、物、场、网”的数据采集与多渠道协同分析,实现场所全天候、实时化的智能监测;其中人的监测包括:夜间人流异常、连续停业告警、经营范围和经营者变化;物的监测包括:机具设备离场,机具设备丢失;场的监测包括:VI标识遮挡、VI标识拆除、僵尸点识别等系统性风险;网的协同包括:服务点低客流高频交易、连续停业服务点有交易。解决方案的核心技术在于,一是通过场所非侵入式的物联网设备,实现场所的人流、资产、经营方面实时的场所监测数据采集,二是通过基于场所风险与营销特征因子的大数据分析,实现多维、多渠道的数据协同分析,最终满足场所风险管控和经营质效分析的智能监测要求。
通过广泛调研,目前农村场所经营的监测主要是通过现场巡检和远程巡检等人工、非连续的风控手段,缺少通过实时、低成本的监测和分析解决方案。本发明通过技术手段解决了目前农村普惠金融服务点的监管和经营上的痛点问题,创新性的实现农村普惠金融服务点的智能场所监测。
目前,金融机构主流的场所监测方案如银行智能网点监测,其主要手段主要是通过摄像头、人脸识别、智能机具、安保人员和管理人员的进行“人、物、场、网”的监测,该方案比较适合于行内的自主、标准的服务点,需要有正规的金融网点经营牌照、金融级别的客户数据安全管理、标准化的服务点环境;但不适合于基于农村业主合作的服务点,主要有以下几个问题:
一是易侵犯业主和非交易农户的隐私,不符合监管合规隐私保护的要求;
二是难以适配农村非标准化服务点、复杂环境等问题;
三是成本高,无法在服务点推广;
四是缺乏农村普惠金融服务点的风险及营销特征因子分析,缺少场所智能监测风控和营销管理模型。
本发明采用非侵入式的物联网设备,如客流计数器、蓝牙网关、资产信标、VI标识信标等完成场所“人、物、场”的数据采集;通过场所风险与营销特征因子的大数据分析,实现场所的智能监测,最终解决上述农村普惠金融服务点的场所监测难点,并能够有效的进行大规模复制推广。
请参阅图1,本申请提供的运行有服务点13监测处理方法的管理系统11,设置在金融机构的总控场所12内,管理系统11用于监测服务点13的人流数据、机具数据和场地数据,其中,人流数据反映服务点13内至少一个人员的驻留人次及人员的驻留时间,驻留时间是人员的入场时间和离场时间的时间段,机具数据用于确定服务点13的机具的位置,场地数据用于确定服务点13的功能标识的位置和展示状态;
管理系统11用于根据人流数据生成服务点13的运营信息,并根据机具数据生成机具的机具保存信息,及根据场地数据生成功能标识的标识保存信息;
管理系统11用于根据人流数据生成运营分析数据,其中,运营分析数据反映了服务点13的人员流动情况和驻留时间;
管理系统11用于根据运营信息、机具保存信息和标识保存信息生成风险画像,及根据风险画像确定服务点13的风险修复策略;及
管理系统11用于根据运营分析数据生成服务点13的运营画像,及根据运营画像确定服务点13的信息推送策略。
因此,在农村普惠金融服务点部署场所感知设备,基于智能物联技术实现对服务点客流情况、机具设备和经营场所的实时动态监测,补充服务点经营场所风险防控空白,消除普惠金融服务点风险管控盲点,提升服务点经营场所线下行为的远程识险能力。通过本专利解决方案建设,补充农村普惠金融服务点的“人、物、场、网”4类6种风险因子场景监测,包括:夜间人流激增、连续停业告警、机具设备离场丢失、VI标识遮挡丢失、服务点低客流高频交易、连续停业服务点有交易。
通过精准识别服务点的实质性风险,采取针对性措施,提升远程控险、处险效能,第一有利于优化现有裕农通巡检管理机制,实现按需巡检,为基层减负增效;第二从地域、机构、合作模式、风险特征等维度,将服务点划分成不同的物理网格和逻辑网格,并配置差别化策略,助力防范系统性、集中性风险。
另外,通过分析服务点客流变化、周期性波动特征等规律,实时把握最佳上门营销时机,助力提升服务点获客活客价值作用,包括营销时机类、营销时长类、入场客流类和场内驻留类营销因子。各分支行可以及时了解辖内服务点的近一周的客流情况,客户经理也可以通过手机端APP及时查看,从而更高效地对营销活动进行服务点营销促活。
需要说明的是,因为人行对于农村普惠金融服务点有明确的监管要求(人行2018【237】号),包括:1、业务公告应张贴或摆放在室内醒目处,且保持无遮挡、无污渍、无破损和字迹清晰。2、支付服务终端应置于固定位置,不可随意移动。3、服务点不应参与非法集资、标会、传销等法律法规明确规定不得从事的事项。但是目前各家金融机构也只是通过每年到现场巡检一次的方式进行风险检查,巡检无法实时、全天候了解服务点现场经营情况与风险,缺乏一套完整的、满足监管要求的普惠金融服务点线下风险监测解决方案。并且服务点并非金融机构网点,场所通常为村委会、小卖部、卫生所等,业主有其本职工作,若使用监控摄像记录服务点日常服务情况,违反公民隐私保护要求。所以为了做到对于隐私友好,客流计数准确性高,选用了毫米波雷达的技术路线。
对于机具与VI标识的电子围栏监控,我们采用了稳定的蓝牙解决方案,并且通过设备优化,在农村异常断网、断电情况下,电子围栏能够依旧保持工作。并且粘贴信标非侵入式粘贴,不会破坏原本的设备与VI构造,部署较为友好。当机具与VI标识离开服务点时间超过阈值后,即会触发机具、VI的离场丢失告警。另外为了监测VI标识被遮挡,通过VI标识上的光敏传感器监测服务点感光度,若出现长时间感光度低,则可能出现遮挡风险,触发预警提示。
本解决方案通过物联网手段,能够全天候实时监测服务点线下“人、物、场、网”风险,延伸风控半径与监测时长,在节约现场巡检成本的情况下,提升巡检质量与风险控制效率,助力防范系统性、集中性风险。
1、本方案中的电子围栏方案,也可使用GPS电子围栏方案,但因为在农村、室内环境下,由于受到视线信号的削弱和衰落、严重的多径以及各种干扰和热噪声的影响,GPS信号比在普通环境中有更多的削弱和衰落,到达时间有更大的延迟,接收信噪比有更大程度的恶化,所以GPS接收机的定位精度和GPS信号在农村室内的可用性都大大下降。GPS相比于城市环境下,精准度会存在大范围误差,所以无法使用GPS在农村室内进行资产管控。
2、技术方案中的VI标识防遮挡场景,也可以使用接近传感器、近红外等方式监测,但此类传感器第一体积较大、功耗大,需要有源供电,第二对于本身的VI标识需要侵入式改造,成本高,所以不适合作为VI标识遮挡的技术方案。
3、客流计数技术方案,可以使用红外对射、摄像头、毫米波、激光等技术方案,但针对农村普惠金融服务点场景,门框处因为门帘、金属等干扰,大多数无法安装红外对射产品。另外考虑到服务点并非建行自营网点,摄像头涉及农村村民隐私保护法律问题与接受度,无法采用。另外激光等技术解决方案,因为其高昂成本与服务点数量,无法大规模铺开。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
实施例1:
请参阅图2,本申请提供一种服务点监测处理方法,包括:
S201:监测服务点的人流数据,接收服务点中的机具发送的机具数据,并接收服务点中功能标识发送的和场地数据,其中,人流数据反映服务点内至少一个人员的驻留人次及人员的驻留时间,驻留时间是人员的入场时间和离场时间的时间段,机具数据用于确定机具在服务点中的位置,场地数据用于确定功能标识在服务点中的位置和展示状态。
本步骤中,通过监测服务点的人流数据、机具数据和场地数据,以实现对人流数据反映服务点内至少一个人员的驻留人次及人员的驻留时间,机具在服务点中的位置以及功能标识的位置和展示状态的监控。
于本实施例中,功能标识为VI标识,VI标识是农村普惠金融服务点标识牌、业务公告、业务流程图的总称。
于本实施例中,通过连接有客流计数器的蓝牙网关设备、蓝牙资管信标、蓝牙标识信标。
蓝牙网关是感知设备套装的主要设备之一。蓝牙网关用于监测蓝牙信标设备发射的无线信号,将符合JSON格式及蓝牙带宽的数据进行收集上报。通过WIFI连接外部互联网,将监测到的BLE蓝牙数据上传到服务器,实现对蓝牙信标及蓝牙信标附着设备的监控管理。
针对农村环境金融服务点监测场景,本方案提交了一款定制化蓝牙网关设计,相较市场上已有的网关设备,
1.添加电池模组,解决农村地区经常断电导致设备掉电不工作问题,通过12小时的电量续航支撑网关设备持续处于工作状态,正常采集各类蓝牙信标的数据。
2.添加存储模组,解决设备局域网断网工作时,网关存储空间有限的问题。添加存储模块后可最长支持12小时信标数据的存储。在网关设备重新恢复网络后将存储的历史数据重传至云端服务器。
3.添加故障处理模块,定时周期性扫描网关各模块是否正常运行,进行全网关健康检测,将故障种类与故障灯灯语进行关联。通过以上优化,使得蓝牙电池围栏能够在农村断网断电情况下保持监测与工作。
蓝牙资管信标是感知设备套装的信号发送设备之一。蓝牙资管信标通过背面的双面胶粘贴于待绑定机具设备表面,通过周期性发送蓝牙信号的方式建立信标与被绑定资产的一一映射关系,即:通过接收机具上的蓝牙资管信标通过发送蓝牙信号的方式,得到机具发送的机具数据。在网关接收到该枚信号发出的信号后,即可认为该枚信标位于对应网关建立的电子围栏范围内,进而可以认为被绑定机具设备也处于电子围栏范围内,实现了资产的定位管理。蓝牙资管信标的主要模块如下:弹扣模块:信标背面包含弹扣功能模块,当信标处于正常安装状态时,弹扣处于压紧状态;当信标被拆卸时,弹扣弹起,信标发送弹扣报警信号,提示信标拆卸机具丢失风险。
蓝牙标识信标是感知设备套装的信号发送设备之一。蓝牙标识信标通过背面的双面胶粘贴于待绑定VI标识表面,通过周期性发送蓝牙信号的方式建立信标与被绑定VI标识的一一映射关系,即:通过接收功能标识上的蓝牙标识信标发送蓝牙信号的方式,得到功能标识发送的位置数据,以确定功能标识在服务点中所在的位置。此外,蓝牙标识信标正面包含光强度流明检测模块,可以感知环境光流明强度,将光强度数据发送后台,通过预设的光敏流明值算法计算功能标识的覆盖物遮挡情况,即:通过接收功能标识上的蓝牙标识信标,根据环境光流明强度并通过光敏流明值算法进行运算,得到表征功能标识展示状态的展示状态数据,该展示状态表征覆盖物遮挡情况的,包括:功能标识在服务点中的被遮挡情况及被污染情况。
汇总位置数据和展示状态数据得到场地数据。
在一个优选的实施例中,监测服务点的人流数据,包括:
监测服务点内的预置的监测区域内人员的流入和流出,并生成流入信号和流出信号;
根据流入信号和流出信号计算服务点内的人员流入量和人员流出量,并根据人员流入量和人员流出量得到服务点的人流数据。
示例性地,人流数据的客流统计使用的是毫米波雷达的技术方案。部署时将毫米波雷达部署于服务点入口处正对的墙壁上,雷达的探测面正对服务点入口通道。通过雷达发射毫米波解除物体后返回至雷达接收面,雷达主机计算模块可计算出物体的轮廓,进而获得物体的行动轨迹。设备通过WIFI连接外部互联网,将探测到的数据上传到服务器,实现对服务点人员进出数量的统计本方案中雷达算法模组进行了优化升级,大幅度提升了双人前后进出、双人左右进出以及两人对进等场景的人数统计成功率,同时通过部署工具的优化调整,对客流统计区域进行了优化处理,规避遮挡物、玻璃面以及金属面等容易对统计客流产生影响的区域,提升了计数准确率。
同时为优化普惠金融服务点的现场设备部署质量与效率,设计了移动端“设备部署助手”APP,对于四款设备的联网配置与参数配置进行优化。并且APP支持对于设备日志进行抓取与分析与本地固件升级。在APP中对于雷达区域绊线进行划定时,使用了三点定位矩形的划定方法,体验友好的同时,确保现场识别区与APP中的区域保持统一。
S202:根据人流数据生成服务点的运营信息,并根据机具数据生成机具的机具保存信息,及根据场地数据生成功能标识的标识保存信息。
本步骤中,通过生成运营信息用于对服务点的运营情况风险情况进行识别汇总,通过生成机具保存信息用于对服务点中的机具保存情况进行识别汇总,通过生成标识保存信息用于对服务点中的功能标识的展示情况和保存情况进行识别汇总。
在一个优选的实施例中,运营信息包括:运营正常信息、停业预警信息、风险时间预警信息、交易预警信息、离场刷单预警信息;
根据人流数据生成服务点的运营信息,包括:
根据数值为零的人流数据生成停业预警信息;
根据风险时间段内的人流数据生成风险时间预警信息;
从交易系统中获取服务场地的交易信息,根据交易信息和人流数据得到人均交易量,若确定人均交易量超过预置的交易阈值时,则生成交易预警信息;
从交易系统中获取服务场地的交易信息,及获取生成停业预警信息的停业日期,若确定交易信息中的至少一个交易内容中,至少具有一个交易内容的交易日期处于停业日期,则生成离场刷单预警。
示例性地,停业预警信息:本方案通过毫米波雷达技术获取服务点全天入场人流量数据,若入场客流量为0则判定为服务点当日停业,通过连续停业阈值,识别其是否发生连续停业的情况。本场景中,主要的创新点为:停业监测选择了更适宜农村普惠金融服务点环境的毫米波雷达方案。通过客流人数的多与少,判断不同的风险类型。
风险时间预警信息:本方案通过毫米波雷达技术获取服务点夜间(23点后)入场人流量,通过相比其正常客流情况计算上浮比例,若大于阈值则识别其是否发生夜间客流激增情况。
交易预警信息:服务点低客流高频交易预警是通过毫米波雷达技术获取服务点全天入场人流量结合线上交易数据,识别服务点是否发生低客流的同时有高频交易的情况,例如10人次入场,50单交易,则存在重大刷单嫌疑。创新点在于将服务点客流量数据与交易数据进行比对,相互验证,提升精准性。
离场刷单预警信息:通过毫米波雷达技术获取服务点全天入场人流量结合线上交易数据,识别服务点是否发生停业而依然有交易的情况。例如:服务点连续7天无进入客流,但仍然存在每日10单交易,则存在重大离场交易或刷单嫌疑。创新点在于将服务点客流量数据与交易数据进行比对,相互验证,提升精准性。
在一个优选的实施例中,机具保存信息包括:机具正常信息、机具预警信息;
根据机具数据生成机具的机具保存信息,包括:
根据内容为机具报警的机具数据,或在预置的机具时间阈值内未接收到机具数据生成机具预警信息;
示例性地,机具预警信息:本方案通过蓝牙网关与资产管理信标组成蓝牙电子围栏,网关采集周围环境中资产管理信标周期发射的蓝牙信号,分析报文中信号失联时长获取信标所贴机具的失联时长,从而根据不同的阈值判断机具是否发生离场或丢失,短时间失去信号则机具离场,长时间无信号上报则机具丢失。本场景中,主要的创新点为:电子围栏选择了更适宜农村普惠金融服务点环境的蓝牙解决方案。
标识保存信息包括:标识正常信息、标识预警信息;
根据场地数据生成功能标识的标识保存信息,包括:
若确定在预置的标识时间阈值内未接收到场地数据,则生成标识预警信息。
标识预警信息:VI遮挡与丢失预警是通过蓝牙网关采集周围环境中光敏信标周期发射的蓝牙信号,分析报文中信号失联以及流明值低于某阈值的时长,从而获取信标的业务流程图、铭牌、门头等丢失以及长时间被遮挡情况,其中VI丢失逻辑类似机具丢失,而遮挡则判断信标感光度,若长时间低于某个阈值,则触发遮挡预警。创新点在于通过感光度来判断是否被遮挡,精准且成本较低。
S203:根据人流数据生成运营分析数据,其中,运营分析数据反映了服务点的人员流动情况和驻留时间;
本步骤中,通过生成运营分析数据得到服务点中人员流动和驻留时间的情况和特点。
在一个优选的实施例中,运营分析数据包括:第一高人流时间段、第二高人流时间段、每日的平均经营时间、每一小时的人流驻留数据、每日的驻留总时间、每日的入场人次、每一小时的入场人次、每日的平均人流数据和最大值人流数据、每日的低驻留时长、每日的高驻留时长;
根据人流数据生成运营分析数据,包括:
获取当日的目标时间段的人流数据,其中,目标时间段是服务场景的当前时间;在预置的第一历史范围内获取每日的历史人流数据,根据每日的历史人流数据得到第一历史范围内每日的平均人流数据;若确定当日的目标时间段的人流数据,与第一历史范围内每日的平均人流数据之间的差值超过第一因子阈值,则确定目标时间段为第一高人流时间段,将第一高人流时间段设为第一因子数据。
示例性地,第一因子数据:将本日各小时驻留人次与过去一段时间同时段的平均驻留人次进行比较,判断是否显著高于平均水平,若出现即时的入场客流量激增,则提示营销时机出现。
获取当日的目标时间段的人流数据,其中,目标时间段是服务场景的当前时间;在预置的第二历史范围内获取每一目标日的历史人流数据,根据每一目标日的历史人流数据得到第二历史范围内每一目标日的平均人流数据其中,目标日是指与当日具有相同的时间单位的日期;若确定当日的目标时间段的人流数据,与第二历史范围内每一目标日的平均人流数据之间的差值超过第二因子阈值,则确定目标时间段为第二高人流时间段,将第二高人流时间段设为第二因子数据。
示例性地,第二因子数据:将本日各小时驻留人次与过去同周期同时段(例如:不同月份相同日期的情况,1月11日和2月11日;或者不同周的相同日期,上周五和本周五)的平均驻留人次进行比较,判断是否显著高于平均水平,给出服务点日常最佳的营销时机。
将待计算日的人流数据中第一个人员对应的驻留时间的入场时间设为起始时间点,将待计算日的人流数据中最后一个人员对应的驻留时间的离场时间设为终止时间点,根据终止时间点和起始时间点得到待计算日的经营时间,其中,待计算日是对服务点进行监控的任一日;获取预置的第三历史范围内每日的经营时间,根据每日的经营时间得到第三历史范围内每日的平均经营时间,将每日的平均经营时间设为第三因子数据。
示例性地,第三因子数据:取本日观测时间范围内第一个入场人次的时间为开门时间,最后一个出场人次的时间为关门时间,两者间隔为当日经营时长。对一段时间内的经营时长求算数平均值,得到日均经营时长,从而评估服务点经营情况。
按照预置的第四时间周期获取至少一个人流数据,将每一小时中最后一次获取到的人流数据分别作为每一小时的人流驻留数据,将每一小时的人流驻留数据设为第四因子数据。
示例性地,第四因子数据:取每小时最后一次客流上报中的驻留人数,作为每小时场内驻留人数。
在驻留计算日中按照预置的第五时间周期获取至少一个人流数据,将每一人流数据分别与第五时间周期相乘,得到每一人流数据对应的人流驻留时间,将每一人流驻留时间相加得到驻留计算日的驻留总时间,将驻留总时间设为第五因子数据;其中,驻留计算日是对服务点进行监控的任一日。
示例性地,第五因子数据:将本日观测时间范围内每次上报的驻留人数与上报间隔相乘再求和,得到每日驻留总人时。
在人次计算日中按照预置的第六时间周期获取至少一个人流数据,将至少一个人流数据相加得到人次计算日的入场人次,将入场人次设为第六因子数据;其中,人次计算日是对服务点进行监控的任一日。
示例性地,第六因子数据:取本日观测时间范围内所有上报的入场人次之和,作为当日入场人次。
在人次计算日中按照预置的第七时间周期获取至少一个人流数据,并获取每一小时的至少一个人流数据,及分别将每一小时的人流数据相加,得到人次计算日中每一小时的入场人次,将每一小时的入场人次设为第七因子数据;其中,人次计算日是对服务点进行监控的任一日。
示例性地,第七因子数据:取小时内所有上报的入场人次之和,作为本小时入场人次。
在人次计算日中按照预置的第八时间周期获取至少一个人流数据,对至少一个人流数据进行求和运算得到总人流数据,将总人流数据与获取人流数据的次数相除得到平均人流数据,将至少一个人流数据中数值最大的人流数据设为最大值人流数据,将每日的平均人流数据和最大值人流数据设为第八因子数据;其中,人次计算日是对服务点进行监控的任一日。
示例性地,第八因子数据:将本日观测时间范围内所有上报的驻留人数求算数平均值,得到每日场内平均驻留人数。取本日所有上报记录中驻留人数的最大值,作为最大驻留人数。
在最低驻留计算日中按照预置的第九时间周期获取至少一个人流数据,并将至少一个人流数据中驻留人次小于预置的最低驻留阈值的人流数据设为最低人流数据;将至少一个最低人流数据分别与第九时间周期相乘,得到至少一个最低单位驻留时间,将至少一个最低单位驻留时间相加得到最低驻留计算日的低驻留时长,将低驻留时长设为第九因子数据;其中,最低驻留计算日是对服务点进行监控的任一日。
示例性地,第九因子数据:将本日观测时间范围内每次上报的,小于阈值的驻留人数与上报间隔相乘再求和,得到每日低驻留时长。
在最高驻留计算日中按照预置的第十时间周期获取至少一个人流数据,并将至少一个人流数据中驻留人次大于预置的最高驻留阈值的人流数据设为最高人流数据;将至少一个最高人流数据分别与第十时间周期相乘,得到至少一个最高单位驻留时间,将至少一个最高单位驻留时间相加得到最高驻留计算日的高驻留时长,将高驻留时长设为第十因子数据;其中,最高驻留计算日是对服务点进行监控的任一日。
示例性地,第十因子数据:将本日观测时间范围内每次上报的,大于阈值驻留人数与上报间隔相乘再求和,得到每日高驻留时长。
S204:根据运营信息、机具保存信息和标识保存信息生成风险画像,及根据风险画像确定服务点的风险修复策略;及
根据运营分析数据生成服务点的运营画像,及根据运营画像确定服务点的信息推送策略。
本步骤中,通过根据服务点的运营情况风险情况和/或机具保存情况和/或功能标识的展示情况和保存情况生成风险画像,并根据风险画像确定相应的风险修复策略,以确保服务点的运营安全、机具安全和功能标识安全。
通过根据服务点中人员流动和驻留时间的情况和特点生成运营画像,并根据运营画像确定信息推送策略,以确保信息推送的准确性和可靠性。
在一个优选的实施例中,风险画像包括:运营风险画像、机具风险画像和标识风险画像;
风险修复策略包括:运营修复策略、机具修复策略和标识修复策略;
根据运营信息、机具保存信息和标识保存信息生成风险画像,及根据风险画像确定服务点的风险修复策略,包括:
根据运营信息中的停业预警信息、和/或风险时间预警信息、和/或交易预警信息、和/或离场刷单预警信息,生成运营风险画像,根据运营风险画像生成运营修复策略,运营修复策略定义了对服务点的巡检频次和巡检时间;
根据机具保存信息中的机具预警信息生成机具风险画像,根据机具风险画像生成机具修复策略,机具修复策略定义了对服务点的机具的巡检频次和巡检时间;
根据标识保存信息中的标识预警信息生成标识风险画像,根据标识风险画像生成标识修复策略,标识修复策略定义了对服务点的功能标识巡检频次和巡检时间。
示例性地,通过用户画像模型对生成运营风险画像、机具风险画像和标识风险画像,实现综合服务点风险预警结果,构建出服务点“人、物、场、网”的风险画像,可以选取“机构名称”、“风险级别”、“风险趋势”、“服务点类别”作为查询要素,获取服务点基本信息、风险维度总览以及不同风险等级的预警结果。用户画像模型是建立在一系列真实数据之上的目标用户模型,即根据用户的属性及行为特征,抽象出相应的标签,拟合而成的虚拟的形象。从本质上来说,用户画像是数据的标签化。于本实施例中,运营风险画像、机具风险画像和标识风险画像分别具有:“机构名称”、“风险级别”、“风险趋势”、“服务点类别”。
根据运营风险画像、机具风险画像和标识风险画像实现综合服务点流量、物品、机具等方面的风险监测能力,根据服务点不同风险的情况,按需出发现场巡检操作,降低安全服务点的无效巡检次数,并优化巡检事项,从而提升现场巡检的针对性与效率,从应付任务式的打卡巡检到。
在一个优选的实施例中,信息推送策略包括:第一推送策略和第二推送策略;
根据运营分析数据生成服务点的运营画像,及根据运营画像确定服务点的信息推送策略,包括:
根据运营分析数据中的第一高人流时间段和/或第二高人流时间段确定具有第一推送时间段的运营画像,其中,第一推送时间段表征服务点在第一推送时间内具有高驻留人次;制定在第一推送时间段内推送信息的第一推送策略;
根据运营分析数据中的每日的平均经营时间、和/或每一小时的人流驻留数据、和/或每日的驻留总时间、和/或每日的入场人次、和/或每一小时的入场人次、和/或每日的平均人流数据和最大值人流数据、和/或低驻留时长、和/或高驻留时长确定具有第二推送时间段的运营画像,其中,第二推送时间段表征服务点在第二推送时间内具有高驻留人次和/或高驻留时间;制定在第二推送时间段内推送信息的第二推送策略。
示例性地,通过用户画像模型根据运营分析数据生成运营画像,运营画像表征了最适用该服务点具有较高人流情况和/或具有较长驻留时间的时间段,并根据该时间段制定信息推送策略,用户画像模型是建立在一系列真实数据之上的目标用户模型,即根据用户的属性及行为特征,抽象出相应的标签,拟合而成的虚拟的形象。从本质上来说,用户画像是数据的标签化。
信息推送策略是通过布设的客流计数器设备,能够使营销人员了解到各服务点是否在某日发生客流激增的情况。通过向服务点业主询问对应某日客流激增的原因,可以使营销人员更好的了解对当前服务点造成客流激增的事件,以便在未来对营销时机有更好的把握。营销因子功能如下:
第一推送策略可通过即时或T+1日,将所有在产生营销因子的服务点通过手机APP以及发送日报的形式推送到对应的营销人员处。营销人员通过自己对服务点当地的了解以及对业主的询问,明确营销时机的诱发事件。当此后再预计到该类诱发事件即将发生时,可提前进行准备,并在对应时间前往服务点进行现场营销。
第二推送策略可通过将服务点入场人次、驻留人次等运营相关的指标,在同地域、同服务点等类型之间排名,进行横向比较。
优选的,信息推送策略还包括第三推送策略。
具体地,根据每日的平均经营时间、和/或每一小时的人流驻留数据、和/或每日的驻留总时间、和/或每日的入场人次、和/或每一小时的入场人次、和/或每日的平均人流数据和最大值人流数据、和/或低驻留时长、和/或高驻留时长,与服务点每日交易情况和/或每一小时交易情况交叉分析,获得服务点客户转化率,若客户转化率达到预置的转化阈值,将客户转化率对应的日期或小时设为第三推送时间段,并制定与第三推送时间段对应的第三推送策略。
本申请的技术方案中,所涉及的金融数据或用户数据等信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
实施例2:
请参阅图3,本申请提供一种服务点监测处理装置3,包括:监测模块31、数据预警模块32、因子结果模块33和业务功能模块34,监测模块31分别与数据预警模块32和因子结果模块33连接,业务功能模块34分别与数据预警模块32和因子结果模块33连接;
监测模块31用于监测服务点的人流数据,接收服务点中的机具发送的机具数据,并接收服务点中功能标识发送的和场地数据,其中,人流数据反映服务点内至少一个人员的驻留人次及人员的驻留时间,驻留时间是人员的入场时间和离场时间的时间段,机具数据用于确定机具在服务点中的位置,场地数据用于确定功能标识在服务点中的位置和展示状态;
数据预警模块32用于根据人流数据生成服务点的运营信息,数据预警模块32用于根据机具数据生成机具的机具保存信息,数据预警模块32用于根据场地数据生成功能标识的标识保存信息;
因子结果模块33用于根据人流数据生成运营分析数据,其中,运营分析数据反映了服务点的人员流动情况和驻留时间;
业务功能模块34用于根据运营信息、机具保存信息和标识保存信息生成风险画像,及根据风险画像确定服务点的风险修复策略;
业务功能模块34用于根据运营分析数据生成服务点的运营画像,及根据运营画像确定服务点的信息推送策略。
优选的,监测模块31包括:蓝牙网关设备、蓝牙资管信标和蓝牙标识信标,蓝牙网关设备通过蓝牙与蓝牙资管信标和蓝牙标识信标连接;
蓝牙资管信标与机具连接,蓝牙资管信标根据预置的机具周期向蓝牙网关设备发送机具数据,机具数据用于反映机具位于预置的机具设置位置;
蓝牙标识信标与功能标识连接,蓝牙标识信标根据预置的标识周期向蓝牙网关设备发送场地数据,场地数据用于反映功能标识位于预置的标识设置位置。
优选的,蓝牙资管信标包括:连接弹扣和弹扣模块,弹扣模块固定在连接弹扣上;
连接弹扣与机具连接,使蓝牙资管信标与机具连接;
弹扣模块用于根据连接弹扣的压紧状态向蓝牙网关设备发送内容为机具正常的机具数据,及用于根据连接弹扣的拆卸状态向蓝牙网关设备发送内容为机具报警的机具数据;其中,压紧状态是指连接弹扣压紧在机具上并与机具连接时的状态,拆卸状态是连接弹扣弹起使连接弹扣被从机具上拆卸时的状态;
优选的,监测模块31包括:毫米波雷达和客流计数器,毫米波雷达与客流计数器连接;
毫米波雷达用于监测服务点内的预置的监测区域内人员的流入和流出,并生成流入信号和流出信号;
客流计数器用于根据流入信号和流出信号计算服务点内的人员流入量和人员流出量,并根据人员流入量和人员流出量得到服务点的人流数据。
优选的,运营信息包括:运营正常信息、停业预警信息、风险时间预警信息、交易预警信息、离场刷单预警信息;
机具保存信息包括:机具正常信息、机具预警信息;
标识保存信息包括:标识正常信息、标识预警信息。
数据预警模块32包括:第一预警模块、第二预警模块、第三预警模块、第四预警模块、第五预警模块、第六预警模块;
第一预警模块用于根据数值为零的人流数据生成停业预警信息;
第二预警模块用于根据内容为机具报警的机具数据,或在预置的机具时间阈值内未接收到机具数据生成机具预警信息;
第三预警模块用于根据风险时间段内的人流数据生成风险时间预警信息;
第四预警模块用于若确定在预置的标识时间阈值内未接收到场地数据,则生成标识预警信息;
第五预警模块与预置的交易系统连接,并从交易系统中获取服务场地的交易信息;第五预警模块用于根据交易信息和人流数据得到人均交易量;第五预警模块若确定人均交易量超过预置的交易阈值时,则生成交易预警信息;
第六预警模块与交易系统和第一预警模块连接,第六预警模块从交易系统中获取服务场地的交易信息,及从第一预警模块中获取生成停业预警信息的停业日期;第六预警模块若确定交易信息中的至少一个交易内容中,至少具有一个交易内容的交易日期处于停业日期,则生成离场刷单预警。
优选的,运营分析数据包括:第一高人流时间段、第二高人流时间段、每日的平均经营时间、每一小时的人流驻留数据、每日的驻留总时间、每日的入场人次、每一小时的入场人次、每日的平均人流数据和最大值人流数据、每日的低驻留时长、每日的高驻留时长。
因子结果模块33包括:第一因子模块、第二因子模块、第三因子模块、第四因子模块、第五因子模块、第六因子模块、第七因子模块、第八因子模块、第九因子模块、第十因子模块;
第一因子模块从监控设备中获取当日的目标时间段的人流数据,其中,目标时间段是服务场景的当前时间;
第一因子模块在预置的第一历史范围内从监控设备中获取每日的历史人流数据,根据每日的历史人流数据得到第一历史范围内每日的平均人流数据,其中,监控设备保存有服务点历史上每日的人流数据;
第一因子模块若确定当日的目标时间段的人流数据,与第一历史范围内每日的平均人流数据之间的差值超过第一因子阈值,则确定目标时间段为第一高人流时间段,将第一高人流时间段设为第一因子数据。
第二因子模块从监控设备中获取当日的目标时间段的人流数据,其中,目标时间段是服务场景的当前时间;
第二因子模块在预置的第二历史范围内从监控设备中获取每一目标日的历史人流数据,根据每一目标日的历史人流数据得到第二历史范围内每一目标日的平均人流数据,其中,监控设备保存有服务点历史上每日的人流数据,目标日是指与当日具有相同的时间单位的日期;
第二因子模块若确定当日的目标时间段的人流数据,与第二历史范围内每一目标日的平均人流数据之间的差值超过第二因子阈值,则确定目标时间段为第二高人流时间段,将第二高人流时间段设为第二因子数据。
第三因子模块将待计算日的人流数据中第一个人员对应的驻留时间的入场时间设为起始时间点,第三因子模块将待计算日的人流数据中最后一个人员对应的驻留时间的离场时间设为终止时间点,第三因子模块根据终止时间点和起始时间点得到待计算日的经营时间,其中,待计算日是至少一日的人流数据中一日的人流数据;
第三因子模块获取预置的第三历史范围内每日的经营时间,根据每日的经营时间得到第三历史范围内每日的平均经营时间,将每日的平均经营时间设为第三因子数据。
第四因子模块按照预置的第四时间周期从监控设备获取至少一个人流数据,将每一小时中最后一次获取到的人流数据分别作为每一小时的人流驻留数据,将每一小时的人流驻留数据设为第四因子数据。
第五因子模块在驻留计算日中按照预置的第五时间周期从监控设备获取至少一个人流数据,将每一人流数据分别与第五时间周期相乘,得到每一人流数据对应的人流驻留时间,将每一人流驻留时间相加得到驻留计算日的驻留总时间,将驻留总时间设为第五因子数据。
第六因子模块在人次计算日中按照预置的第六时间周期从监控设备获取至少一个人流数据,将至少一个人流数据相加得到人次计算日的入场人次,将入场人次设为第六因子数据。
第七因子模块在人次计算日中按照预置的第七时间周期从监控设备获取至少一个人流数据,并获取每一小时的至少一个人流数据,及分别将每一小时的人流数据相加,得到人次计算日中每一小时的入场人次,将每一小时的入场人次设为第七因子数据。
第八因子模块在人次计算日中按照预置的第八时间周期从监控设备获取至少一个人流数据,对至少一个人流数据进行求和运算得到总人流数据,将总人流数据与从监控设备获取人流数据的次数相除得到平均人流数据,将至少一个人流数据中数值最大的人流数据设为最大值人流数据,将每日的平均人流数据和最大值人流数据设为第八因子数据。
第九因子模块在最低驻留计算日中按照预置的第九时间周期从监控设备获取至少一个人流数据,并将至少一个人流数据中驻留人次小于预置的最低驻留阈值的人流数据设为最低人流数据;
第九因子模块将至少一个最低人流数据分别与第九时间周期相乘,得到至少一个最低单位驻留时间,将至少一个最低单位驻留时间相加得到最低驻留计算日的低驻留时长,将低驻留时长设为第九因子数据。
第十因子模块在最高驻留计算日中按照预置的第十时间周期从监控设备获取至少一个人流数据,并将至少一个人流数据中驻留人次大于预置的最高驻留阈值的人流数据设为最高人流数据;
第十因子模块将至少一个最高人流数据分别与第十时间周期相乘,得到至少一个最高单位驻留时间,将至少一个最高单位驻留时间相加得到最高驻留计算日的高驻留时长,将高驻留时长设为第十因子数据。
优选的,风险画像包括:运营风险画像、机具风险画像和标识风险画像;
风险修复策略包括:运营修复策略、机具修复策略和标识修复策略;
业务功能模块34包括:用户风险画像模块和策略制定模块,用户风险画像模块分别与数据预警模块32和策略制定模块连接,
用户风险画像模块根据运营信息中的停业预警信息、和/或风险时间预警信息、和/或交易预警信息、和/或离场刷单预警信息,生成运营风险画像;
策略制定模块根据运营风险画像生成运营修复策略,运营修复策略定义了对服务点的巡检频次和巡检时间。
用户风险画像模块根据机具保存信息中的机具预警信息生成机具风险画像,策略制定模块根据机具风险画像生成机具修复策略,机具修复策略定义了对服务点的机具的巡检频次和巡检时间。
用户风险画像模块根据标识保存信息中的标识预警信息生成标识风险画像,策略制定模块根据标识风险画像生成标识修复策略,标识修复策略定义了对服务点的功能标识巡检频次和巡检时间。
优选的,信息推送策略包括:第一推送策略和第二推送策略;
业务功能模块34包括:用户运营画像模块和推送策略模块,用户运营画像模块分别与因子结果模块33和推送策略模块;
用户运营画像模块根据运营分析数据中的第一高人流时间段和/或第二高人流时间段确定具有第一推送时间段的运营画像,其中,第一推送时间段表征服务点在第一推送时间内具有高驻留人次;
推送策略模块制定在第一推送时间段内推送信息的第一推送策略。
用户运营画像模块根据运营分析数据中的每日的平均经营时间、和/或每一小时的人流驻留数据、和/或每日的驻留总时间、和/或每日的入场人次、和/或每一小时的入场人次、和/或每日的平均人流数据和最大值人流数据、和/或每日的低驻留时长、和/或每日的高驻留时长确定具有第二推送时间段的运营画像,其中,第二推送时间段表征服务点在第二推送时间内具有高驻留人次和/或高驻留时间;
推送策略模块制定在第二推送时间段内推送信息的第二推送策略。
实施例3:
为实现上述目的,本申请还提供一种计算机设备4,包括:处理器以及与处理器通信连接的存储器;存储器存储计算机执行指令;
处理器执行存储器存储的计算机执行指令,以实现上述的服务点监测处理方法,其中,服务点监测处理装置的组成部分可分散于不同的计算机设备中,计算机设备4可以是执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个应用服务器所组成的服务器集群)等。本实施例的计算机设备至少包括但不限于:可通过系统总线相互通信连接的存储器41、处理器42,如图4所示。需要指出的是,图4仅示出了具有组件-的计算机设备,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。本实施例中,存储器41(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器41可以是计算机设备的内部存储单元,例如该计算机设备的硬盘或内存。在另一些实施例中,存储器41也可以是计算机设备的外部存储设备,例如该计算机设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器41还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中,存储器41通常用于存储安装于计算机设备的操作系统和各类应用软件,例如实施例三的服务点监测处理装置的程序代码等。此外,存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。处理器42在一些实施例中可以是中央处理器(Central ProcessingUnit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制计算机设备的总体操作。本实施例中,处理器42用于运行存储器41中存储的程序代码或者处理数据,例如运行服务点监测处理装置,以实现上述实施例的服务点监测处理方法。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器执行本申请各个实施例方法的部分步骤。应理解,上述处理器可以是中央处理单元(Central Processing Unit,简称CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)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。结合申请所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
为实现上述目的,本申请还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机执行指令,程序被处理器42执行时实现相应功能。本实施例的计算机可读存储介质用于存储实现服务点监测处理方法的计算机执行指令,被处理器42执行时实现上述实施例的服务点监测处理方法。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits,简称ASIC)中。当然,处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本申请提供一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现上述的服务点监测处理方法。
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。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (11)
1.一种服务点监测处理方法,其特征在于,包括:
监测服务点的人流数据,接收所述服务点中的机具发送的机具数据,并接收所述服务点中功能标识发送的场地数据,其中,所述人流数据反映所述服务点内至少一个人员的驻留人次及所述人员的驻留时间,所述驻留时间是所述人员的入场时间和离场时间的时间段,所述机具数据用于确定所述机具在服务点中的位置,所述场地数据用于确定所述功能标识在服务点中的位置和展示状态;
根据所述人流数据生成所述服务点的运营信息,并根据所述机具数据生成所述机具的机具保存信息,及根据所述场地数据生成所述功能标识的标识保存信息;
根据所述人流数据生成运营分析数据,其中,所述运营分析数据反映了所述服务点的人员流动情况和驻留时间;
根据所述运营信息、所述机具保存信息和所述标识保存信息生成风险画像,及根据所述风险画像确定所述服务点的风险修复策略;及
根据所述运营分析数据生成所述服务点的运营画像,及根据所述运营画像确定所述服务点的信息推送策略。
2.根据权利要求1所述的服务点监测处理方法,其特征在于,所述监测服务点的人流数据,包括:
监测所述服务点内的预置的监测区域内人员的流入和流出,并生成流入信号和流出信号;
根据所述流入信号和所述流出信号计算所述服务点内的人员流入量和人员流出量,并根据所述人员流入量和所述人员流出量得到所述服务点的人流数据。
3.根据权利要求1所述的服务点监测处理方法,其特征在于,所述运营信息包括:运营正常信息、停业预警信息、风险时间预警信息、交易预警信息、离场刷单预警信息;
所述根据所述人流数据生成所述服务点的运营信息,包括:
根据数值为零的人流数据生成停业预警信息;
根据风险时间段内的人流数据生成风险时间预警信息;
从所述交易系统中获取所述服务场地的交易信息,根据所述交易信息和所述人流数据得到人均交易量,若确定所述人均交易量超过预置的交易阈值时,则生成交易预警信息;
从所述交易系统中获取所述服务场地的交易信息,及获取生成停业预警信息的停业日期,若确定所述交易信息中的至少一个交易内容中,至少具有一个交易内容的交易日期处于所述停业日期,则生成离场刷单预警。
4.根据权利要求1所述的服务点监测处理方法,其特征在于,所述机具保存信息包括:机具正常信息、机具预警信息;
所述根据所述机具数据生成所述机具的机具保存信息,包括:
根据内容为机具报警的机具数据,或在预置的机具时间阈值内未接收到机具数据生成机具预警信息;
所述标识保存信息包括:标识正常信息、标识预警信息;
所述根据所述场地数据生成所述功能标识的标识保存信息,包括:
若确定在预置的标识时间阈值内未接收到场地数据,则生成标识预警信息。
5.根据权利要求1所述的服务点监测处理方法,其特征在于,所述运营分析数据包括:第一高人流时间段、第二高人流时间段、每日的平均经营时间、每一小时的人流驻留数据、每日的驻留总时间、每日的入场人次、每一小时的入场人次、每日的平均人流数据和最大值人流数据、每日的低驻留时长、每日的高驻留时长;
所述根据所述人流数据生成运营分析数据,包括:
获取当日的目标时间段的人流数据,其中,所述目标时间段是服务场景的当前时间;在预置的第一历史范围内获取每日的历史人流数据,根据所述每日的历史人流数据得到所述第一历史范围内每日的平均人流数据;若确定所述当日的目标时间段的人流数据,与所述第一历史范围内每日的平均人流数据之间的差值超过第一因子阈值,则确定所述目标时间段为第一高人流时间段,将所述第一高人流时间段设为第一因子数据;
获取当日的目标时间段的人流数据,其中,所述目标时间段是服务场景的当前时间;在预置的第二历史范围内获取每一目标日的历史人流数据,根据所述每一目标日的历史人流数据得到所述第二历史范围内每一目标日的平均人流数据其中,所述目标日是指与当日具有相同的时间单位的日期;若确定所述当日的目标时间段的人流数据,与所述第二历史范围内每一目标日的平均人流数据之间的差值超过第二因子阈值,则确定所述目标时间段为第二高人流时间段,将第二高人流时间段设为第二因子数据;
将待计算日的人流数据中第一个人员对应的驻留时间的入场时间设为起始时间点,将所述待计算日的人流数据中最后一个人员对应的驻留时间的离场时间设为终止时间点,根据所述终止时间点和所述起始时间点得到待计算日的经营时间,其中,所述待计算日是对服务点进行监控的任一日;获取预置的第三历史范围内每日的经营时间,根据每日的经营时间得到所述第三历史范围内每日的平均经营时间,将所述每日的平均经营时间设为第三因子数据;
按照预置的第四时间周期获取至少一个人流数据,将每一小时中最后一次获取到的人流数据分别作为每一小时的人流驻留数据,将所述每一小时的人流驻留数据设为第四因子数据;
在驻留计算日中按照预置的第五时间周期获取至少一个人流数据,将每一人流数据分别与所述第五时间周期相乘,得到每一人流数据对应的人流驻留时间,将所述每一人流驻留时间相加得到所述驻留计算日的驻留总时间,将所述驻留总时间设为第五因子数据;其中,所述驻留计算日是对服务点进行监控的任一日;
在人次计算日中按照预置的第六时间周期获取至少一个人流数据,将至少一个人流数据相加得到所述人次计算日的入场人次,将所述入场人次设为第六因子数据;其中,所述人次计算日是对服务点进行监控的任一日;
在人次计算日中按照预置的第七时间周期获取至少一个人流数据,并获取每一小时的至少一个人流数据,及分别将每一小时的人流数据相加,得到所述人次计算日中每一小时的入场人次,将所述每一小时的入场人次设为第七因子数据;其中,所述人次计算日是对服务点进行监控的任一日;
在人次计算日中按照预置的第八时间周期获取至少一个人流数据,对所述至少一个人流数据进行求和运算得到总人流数据,将所述总人流数据与获取人流数据的次数相除得到平均人流数据,将所述至少一个人流数据中数值最大的人流数据设为最大值人流数据,将所述每日的平均人流数据和最大值人流数据设为第八因子数据;其中,所述人次计算日是对服务点进行监控的任一日;
在最低驻留计算日中按照预置的第九时间周期获取至少一个人流数据,并将所述至少一个人流数据中驻留人次小于预置的最低驻留阈值的人流数据设为最低人流数据;将至少一个所述最低人流数据分别与所述第九时间周期相乘,得到至少一个最低单位驻留时间,将至少一个所述最低单位驻留时间相加得到所述最低驻留计算日的低驻留时长,将所述低驻留时长设为第九因子数据;其中,所述最低驻留计算日是对服务点进行监控的任一日;
在最高驻留计算日中按照预置的第十时间周期获取至少一个人流数据,并将所述至少一个人流数据中驻留人次大于预置的最高驻留阈值的人流数据设为最高人流数据;将至少一个所述最高人流数据分别与所述第十时间周期相乘,得到至少一个最高单位驻留时间,将至少一个所述最高单位驻留时间相加得到所述最高驻留计算日的高驻留时长,将所述高驻留时长设为第十因子数据;其中,所述最高驻留计算日是对服务点进行监控的任一日。
6.根据权利要求1所述的服务点监测处理方法,其特征在于,所述风险画像包括:运营风险画像、机具风险画像和标识风险画像;
风险修复策略包括:运营修复策略、机具修复策略和标识修复策略;
所述根据所述运营信息、所述机具保存信息和所述标识保存信息生成风险画像,及根据所述风险画像确定所述服务点的风险修复策略,包括:
根据所述运营信息中的停业预警信息、和/或风险时间预警信息、和/或交易预警信息、和/或离场刷单预警信息,生成运营风险画像,根据所述运营风险画像生成运营修复策略,所述运营修复策略定义了对所述服务点的巡检频次和巡检时间;
根据所述机具保存信息中的机具预警信息生成机具风险画像,根据所述机具风险画像生成机具修复策略,所述机具修复策略定义了对所述服务点的机具的巡检频次和巡检时间;
根据所述标识保存信息中的标识预警信息生成标识风险画像,根据所述标识风险画像生成标识修复策略,所述标识修复策略定义了对所述服务点的功能标识巡检频次和巡检时间。
7.根据权利要求1所述的服务点监测处理方法,其特征在于,所述信息推送策略包括:第一推送策略和第二推送策略;
所述根据所述运营分析数据生成所述服务点的运营画像,及根据所述运营画像确定所述服务点的信息推送策略,包括:
根据所述运营分析数据中的第一高人流时间段和/或第二高人流时间段确定具有第一推送时间段的运营画像,其中,所述第一推送时间段表征所述服务点在所述第一推送时间内具有高驻留人次;制定在所述第一推送时间段内推送信息的第一推送策略;
根据所述运营分析数据中的每日的平均经营时间、和/或每一小时的人流驻留数据、和/或每日的驻留总时间、和/或每日的入场人次、和/或每一小时的入场人次、和/或每日的平均人流数据和最大值人流数据、和/或低驻留时长、和/或高驻留时长确定具有第二推送时间段的运营图像,其中,所述第二推送时间段表征所述服务点在第二推送时间内具有高驻留人次和/或高驻留时间;制定在所述第二推送时间段内推送信息的第二推送策略。
8.一种服务点监测处理装置,其特征在于,包括:监测模块、数据预警模块、因子结果模块和业务功能模块,所述监测模块分别与所述数据预警模块和所述因子结果模块连接,所述业务功能模块分别与所述数据预警模块和所述因子结果模块连接;
所述监测模块用于监测服务点的人流数据,接收所述服务点中的机具发送的机具数据,并接收所述服务点中功能标识发送的和场地数据,其中,所述人流数据反映所述服务点内至少一个人员的驻留人次及所述人员的驻留时间,所述驻留时间是所述人员的入场时间和离场时间的时间段,所述机具数据用于确定所述机具在服务点中的位置,所述场地数据用于确定所述功能标识在服务点中的位置和展示状态;
所述数据预警模块用于根据所述人流数据生成所述服务点的运营信息,所述数据预警模块用于根据所述机具数据生成所述机具的机具保存信息,所述数据预警模块用于根据所述场地数据生成所述功能标识的标识保存信息;
所述因子结果模块用于根据所述人流数据生成运营分析数据,其中,所述运营分析数据反映了所述服务点的人员流动情况和驻留时间;
所述业务功能模块用于根据所述运营信息、所述机具保存信息和所述标识保存信息生成风险画像,及根据所述风险画像确定所述服务点的风险修复策略;
所述业务功能模块用于根据所述运营分析数据生成所述服务点的运营画像,及根据所述运营画像确定所述服务点的信息推送策略。
9.一种计算机设备,其特征在于,包括:处理器以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1至7任一项所述的服务点监测处理方法。
10.一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中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至7任一项所述的服务点监测处理方法。
11.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1-7中任一项所述的服务点监测处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310506057.8A CN116523311A (zh) | 2023-05-06 | 2023-05-06 | 服务点监测处理方法、装置、设备、存储介质及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310506057.8A CN116523311A (zh) | 2023-05-06 | 2023-05-06 | 服务点监测处理方法、装置、设备、存储介质及产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116523311A true CN116523311A (zh) | 2023-08-01 |
Family
ID=87393759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310506057.8A Pending CN116523311A (zh) | 2023-05-06 | 2023-05-06 | 服务点监测处理方法、装置、设备、存储介质及产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116523311A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172607A (zh) * | 2023-09-16 | 2023-12-05 | 知识空间(广州)数字科技有限公司 | 基于公共空间服务的数据采集和项目运营分析系统 |
-
2023
- 2023-05-06 CN CN202310506057.8A patent/CN116523311A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172607A (zh) * | 2023-09-16 | 2023-12-05 | 知识空间(广州)数字科技有限公司 | 基于公共空间服务的数据采集和项目运营分析系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11532005B1 (en) | System and method to provide savings based on reduced energy consumption | |
CN106504584B (zh) | 一种城市级智慧停车系统 | |
CN103970977A (zh) | 疫情监控的方法 | |
US20150088734A1 (en) | Wireless utility meter reading system and method | |
US8751490B1 (en) | Automatically determining reputations of physical locations | |
CN108241953A (zh) | 目标对象监控的方法和装置 | |
CN116523311A (zh) | 服务点监测处理方法、装置、设备、存储介质及产品 | |
CN203182893U (zh) | 体温检测装置 | |
CN203192038U (zh) | 考勤装置 | |
CN103961068A (zh) | 体温检测装置和方法 | |
CN103914921B (zh) | 道路停车泊位智能化管理系统 | |
CN205405551U (zh) | 使用电子标签的信息推送系统 | |
CN111784862A (zh) | 一种基于移动端的自动考勤方法 | |
CN117217380A (zh) | 停车场空余停车位预测方法、装置、电子设备及存储介质 | |
De Coensel et al. | Smart sound monitoring for sound event detection and characterization | |
CN203192039U (zh) | 考勤装置 | |
CN106846895A (zh) | 一种区域车位租借管理系统及其方法 | |
CN111698645B (zh) | 位置信息获取方法、装置、计算机设备及存储介质 | |
US10839410B1 (en) | System and method to provide savings based on reduced energy consumption | |
US20160253608A1 (en) | System and Method for Assessing Risk and Marketing Potential Using Industry-Specific Operations Management Transaction Data | |
CN110659852B (zh) | 配送单元的配送信息的确定方法、系统、设备和存储介质 | |
CN203192056U (zh) | 校车管理装置 | |
CN115131176A (zh) | 一种物业管理系统 | |
KR102277676B1 (ko) | 국가 가뭄 예·경보 통합지도 시스템 | |
CN205281663U (zh) | 一种自助扎啤售卖机 |
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 |