CN116739607A - 一种基于数据分析的商户收银数据监测管理系统 - Google Patents
一种基于数据分析的商户收银数据监测管理系统 Download PDFInfo
- Publication number
- CN116739607A CN116739607A CN202311016141.8A CN202311016141A CN116739607A CN 116739607 A CN116739607 A CN 116739607A CN 202311016141 A CN202311016141 A CN 202311016141A CN 116739607 A CN116739607 A CN 116739607A
- Authority
- CN
- China
- Prior art keywords
- cashing
- abnormal
- records
- record
- transaction
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 66
- 238000007405 data analysis Methods 0.000 title claims abstract description 16
- 230000002159 abnormal effect Effects 0.000 claims abstract description 290
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 230000005856 abnormality Effects 0.000 claims description 45
- 238000000034 method Methods 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000012854 evaluation process Methods 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 abstract description 5
- 230000008676 import Effects 0.000 abstract description 3
- 238000012795 verification Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/389—Keeping log of transactions for guaranteeing non-repudiation of a transaction
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Cash Registers Or Receiving Machines (AREA)
Abstract
本发明属于商户收银监管技术领域,具体公开一种基于数据分析的商户收银数据监测管理系统,包括交易物品记录生成模块、收银记录生成模块、收银信息导入模块、收银信息提取处理模块、云管理库、异常收银记录识别模块、收银风险评估显示模块、收银预警处理模块和收银风险倾向确定模块,通过在进行收银时生成交易物品记录和收银记录,作为收银监管对象,规避了现有收银监管中监管对象过于唯一的问题,能够为收银记录中反映交易物品信息的数据提供参照核实的渠道,使得监管的收银数据更加全面,有效避免了收银异常识别受限的不足,在一定程度上提高了收银异常识别的及时度和可靠度,有利于提升对交易环境公平、安全的保障力度。
Description
技术领域
本发明属于商户收银监管技术领域,具体涉及到一种基于数据分析的商户收银数据监测管理系统。
背景技术
随着电子商务行业的迅速发展,现金支付已经逐渐地被支付宝,微信以及翼支付等多种线上支付方式所取代,对于商户来说,线上多种支付方式的普及是一把双刃剑,一方面能够加快交易速度和处理效率,减少了顾客等待时间,使得顾客的交易体验感得到明显提升,另一方面,线上支付也存在一定的风险,如支付安全,支付纠纷、非法交易等,因此为了维持线上多种支付方式对商户带来的积极影响,最大程度降低对商户带来的风险,确保公平、安全的交易环境,有必要进行商户收银数据监管。
然而目前在进行商户收银数据监管时针对的监管对象都是收银记录,且监管的收银数据一般为收银记录中的收银金额、付款账号、交易频率,这种监管方式导致监管对象过于唯一,缺乏核实参照,具体体现在当前商户在收银时一般只生成收银记录,未考虑到对实际交易物品进行信息记录,众所周知,收银是以交易物品作为载体形成的,当收银时缺乏对载体信息的记录时,某些人员会针对这一漏洞对收银记录进行交易物品信息篡改,针对这种情况,现有的收银数据监管方式无法对收银记录中反映载体信息的数据进行对比核实,导致监管的收银数据不够全面,监管范围狭窄,进而难以识别出因交易物品信息不符造成的收银异常,致使收银异常识别受限,从而在一定程度上影响了收银异常识别的及时度和准确度,不利于对交易环境公平、安全的保障。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种基于数据分析的商户收银数据监测管理系统。
本发明的目的可以通过以下技术方案实现:一种基于数据分析的商户收银数据监测管理系统,包括:交易物品记录生成模块,用于在商户收银端设置图像扫描仪,当顾客需要结账时需要将购买物品放置在图像扫描仪上进行交易物品扫描,得到交易物品图像,进而从中识别交易物品信息,生成交易物品记录。
收银记录生成模块,用于将各种收银端与图像扫描仪相关联,在交易物品记录生成时由顾客选择的收银端生成收银记录。
收银信息导入模块,用于将商户提供的各种收银端和图像扫描仪导入到系统。
收银信息提取处理模块,用于设定监测周期,从系统提取当前监测周期内存在的交易物品记录和收银记录,形成各条收银记录关联的交易物品记录。
云管理库,用于存储各异常指向对应的风险权重,存储商户各收银员对应的收银编号及被授权的物品交易价格折扣率,并存储付款黑名单。
异常收银记录识别模块,用于从交易物品记录中提取交易物品信息,并从收银记录中提取收银结果信息,进而基于各条收银记录对应的收银结果信息及收银记录关联交易物品记录的交易物品信息识别出异常收银记录。
收银风险评估显示模块,用于基于识别的异常收银记录评估商户在当前监测周期内的收银风险系数,并进行输出显示。
收银预警处理模块,用于依据商户在当前监测周期内的收银风险系数进行收银预警处理。
在一种可替换的实施方式中,所述交易物品信息包括交易物品标价和交易物品名称。
在一种可替换的实施方式中,所述收银结果信息包括收银物品名称、收银时间、收银金额、付款账号和收银员编号。
在一种可替换的实施方式中,所述异常收银记录的具体识别过程如下:(1)将各条收银记录对应的收银物品名称与各条收银记录关联交易物品记录对应的交易物品名称进行匹配,若某条收银记录匹配失败,则将该条收银记录作为异常收银记录,将其他收银记录记为指定收银记录,并执行(2)-(4)。
(2)将指定收银记录对应的收银员编号从云管理库中识别指定收银记录对应的收银员,并与云管理库中存储的商户各收银人员对应被授权的物品交易价格折扣率进行比对,从中筛选出指定收银记录对应被授权的物品交易价格折扣率。
(3)将指定收银记录对应被授权的物品交易价格折扣率结合指定收银记录关联交易物品记录对应的交易物品标价计算指定收银记录对应的授权收银金额区间,其中/>表示为指定收银记录关联交易物品记录对应的交易物品标价。
(4)将指定收银记录对应的收银金额与指定收银记录对应的授权收银金额区间进行对比,若指定收银记录对应的收银金额未落入授权收银金额区间内,则将该收银记录作为异常收银记录。
在一种可替换的实施方式中,所述异常收银记录的识别还包括:将各条收银记录对应的付款账号与云管理库中付款黑名单中存在的付款账号进行比对,若比对一致,则将该条收银记录作为异常收银记录。
获取商户对应的正常营业时段,进而将各条收银记录对应的收银时间与商户对应的正常营业时段进行对比,若某条收银记录对应的收银时间未落入商户对应的正常营业时段内,则将该条收银记录作为异常收银记录。
将各条收银记录对应的收银金额与设定的交易金额阈值进行对比,若某条收银记录对应的收银金额大于设定的交易金额阈值,则将该条收银记录作为异常收银记录。
将各条收银记录对应的付款账号进行相互对比,由此将同一付款账号对应的收银记录进行归类,统计各付款账号对应的交易频率,并与设定的交易频率进行对比,若某付款账号对应的交易频率大于设定的交易频率阈值,则将该付款账号对应的若干条收银记录按照收银时间由先到后的顺序进行排列,进而基于设定的交易频率阈值计算出当前监测周期对应的正常交易频次/>,T表示为当前监测周期对应的时长,由此按照正常交易频次从排列结果中选取符合交易频次阈值的收银记录,从而将该付款账号对应的其他收银记录作为异常收银记录。
在一种可替换的实施方式中,所述商户在当前监测周期内的收银风险系数参见下述评估过程:统计商户在当前监测周期内存在的异常收银记录数量,并确定各条异常收银记录对应的异常指向及异常程度指数。
将各条异常收银记录对应的异常指向与云管理库中各异常指向对应的风险权重进行匹配,匹配得到各条异常收银记录对应的风险权重。
将各条异常收银记录对应的异常指向进行对比,由此将相同异常指向对应的异常收银记录进行归类,得到各种异常指向对应的若干异常收银记录。
将各种异常指向对应的风险权重与各异常指向对应各异常收银记录的异常程度指数导入收银风险系数评估公式,得到商户在当前监测周期内的收银风险系数/>,/>表示为第d种异常指向对应的风险权重,d表示为异常指向的编号,/>,/>表示为第d种异常指向对应第i条异常收银记录的异常程度指数,i表示为各种异常指向对应的异常收银记录编号,/>,n表示为各种异常指向对应的异常收银记录数量,m表示为商户在当前监测周期内存在的异常收银记录数量,N表示为提取的收银记录总数量,e表示为自然常数。
在一种可替换的实施方式中,所述异常指向包括收银物品不匹配、收银价格不符、付款账号异常、收银时间异常、收银金额异常、收银频率异常。
在一种可替换的实施方式中,所述依据商户在当前监测周期内的收银风险系数进行收银预警处理具体执行过程如下:第一步、将商户在当前监测周期内的收银风险系数与预先配置的警戒收银风险系数进行对比,若商户在当前监测周期内的收银风险系数大于预先配置的警戒收银风险系数,则触发收银预警,并执行第二步。
第二步、将各条异常收银记录对应的风险权重结合异常程度指数统计得到各条异常收银记录对应的风险表现度,其中/>表示为第j条异常收银记录对应的异常程度指数,j表示为商户在当前监测周期内存在的异常收银记录编号,/>,/>表示为第j条异常收银记录对应的风险权重。
第三步、将各条异常收银记录按照风险表现度由大到小的顺序进行排序,作为异常收银记录对应的风险处理顺序。
在一种可替换的实施方式中,还包括收银风险倾向确定模块,用于基于识别的异常收银记录确定商户在当前监测周期内的收银风险倾向,并将其进行输出显示,其中收银风险倾向的具体确定过程如下:统计各种异常指向对应的异常收银记录数量,并将其结合商户在当前监测周期内存在的异常收银记录数量,得到各种异常指向对应的异常收银记录占比率。
将各种异常指向对应各条异常收银记录的收银时间进行相邻异常收银记录对比,得到各种异常指向对应相邻异常收银记录的间隔时长,由此计算各种异常指向对应的异常收银记录发生频繁度,,式中/>表示为第d种异常指向对应第i条异常收银记录与第i+1条异常收银记录的间隔时长。
将各种异常指向对应各条异常收银记录的异常程度指数代入表达式,计算出各种异常指向对应的异常程度发生平稳度/>。
将、/>和/>导入表达式/>统计得到各种异常指向对应的出现倾向指数/>。
将各种异常指向对应的出现倾向指数进行相互对比,从中筛选出最大出现倾向指数对应的异常指向作为商户在当前监测周期内的收银风险倾向。
相较于现有技术,本发明的有益效果如下:(1)本发明通过在进行收银时生成交易物品记录和收银记录,将其作为收银监管对象,规避了现有收银监管中监管对象过于唯一的问题,能够为收银记录中反映交易物品信息的数据提供参照核实的渠道,使得监管的收银数据更加全面,大大拓展了监管范围,有效避免了收银异常识别受限的不足,在一定程度上提高了收银异常识别的及时度和可靠度,有利于提升对交易环境公平、安全的保障力度。
(2)本发明在基于评估出的收银风险进行预警处理时通过将识别到的异常收银记录进行异常程度指数量化,将其结合异常收银记录的风险权重进行风险表现度统计,作为风险处理顺序的确定依据,给出了收银风险预警后的针对性、具体地处理方式,能够为商户对异常收银记录的处理提供合理、可靠的优先处理顺序,一方面能够提高处理效率,另一方面通过优先对风险表现度高的异常收银记录进行处理能够尽最大可能降低异常收银造成的风险,具有较强的实用价值。
(3)本发明在识别出异常收银记录后还通过综合异常收银记录中各种异常指向对应的异常收银记录占比率、异常收银记录发生频繁度、异常程度发生平稳度增加了对商户收银风险倾向的分析,体现了商户收银监管功能的丰富,能够在识别到存在收银风险时为商户提供除异常收银记录处理之外的其他处理方向,并为相应处理方向提供了针对性处理目标,使得商户收银风险的处理更加灵活、有效,便于商户快速解决收银异常问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明系统各模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1所示,本发明提出一种基于数据分析的商户收银数据监测管理系统,包括交易物品记录生成模块、收银记录生成模块、收银信息导入模块、收银信息提取处理模块、云管理库、异常收银记录识别模块、收银风险评估显示模块、收银预警处理模块和收银风险倾向确定模块,其中交易物品记录生成模块和收银记录生成模块均与收银信息导入模块连接,收银端信息模块与收银信息提取处理模块连接,收银信息提取处理模块与异常收银记录识别模块连接,异常收银记录识别模块与收银风险评估显示模块连接,收银风险评估显示模块分别与收银预警处理模块和收银风险倾向确定模块连接,云管理库分别与异常收银记录识别模块和收银风险评估显示模块连接。
所述交易物品记录生成模块,用于在商户收银端设置图像扫描仪,当顾客需要结账时需要将购买物品放置在图像扫描仪上进行交易物品扫描,得到交易物品图像,进而从中识别交易物品信息,生成交易物品记录。
在上述方案的实施例中,从交易物品图像中识别交易物品信息的具体识别方式为将交易物品图像聚焦在标签二维码区域,进而通过对标签二维码的读取识别交易物品信息。
所述收银记录生成模块用于将各种收银端与图像扫描仪相关联,在交易物品记录生成时由顾客选择的收银端生成收银记录。
需要说明的是,本发明提到的收银端支付方式为线上支付,作为上述方案的一个示例,收银端包括但不限限于移动支付、银行卡支付、电子钱包。
所述收银信息导入模块用于将商户提供的各种收银端和图像扫描仪导入到系统。
本发明通过将商户提供的收银端导入系统,可以便捷地获取商户所有的收银信息,不需要人工对各种收银端产生的收银记录进行汇总。
所述收银信息提取处理模块用于设定监测周期,从系统提取当前监测周期内存在的交易物品记录和收银记录,形成各条收银记录关联的交易物品记录,具体形成方式可以通过对各条交易物品记录的生成时间及在生成时关联的收银端和各条收银记录的生成时间、生成收银端获取,示例性地,假设某条交易物品记录的生成时间为15:30,在生成时关联的收银端为银行卡支付,那么在获取该条交易物品记录关联的收银记录时需要锁定银行卡支付,此时从各条收银记录的生成收银端中筛选出生成收银端为银行卡支付的收银记录,进而将筛选出的收银记录对应的生成时间与该条交易物品记录的生成时间进行对比,从中提取生成时间在15:30之后且最接近15:30的收银记录,作为该条交易物品记录关联的收银记录。
所述云管理库用于存储各异常指向对应的风险权重,存储商户各收银员对应的收银编号及被授权的物品交易价格折扣率,存储付款黑名单,其中付款黑名单中包含有各付款账号对应的累计加入名单时长。
所述异常收银记录识别模块用于从交易物品记录中提取交易物品信息,其中交易物品信息包括交易物品标价和交易物品名称,并从收银记录中提取收银结果信息,其中收银结果信息包括收银物品名称、收银时间、收银金额、付款账号和收银员编号,进而基于各条收银记录对应的收银结果信息及收银记录关联交易物品记录的交易物品信息识别出异常收银记录,具体识别过程如下:(1)将各条收银记录对应的收银物品名称与各条收银记录关联交易物品记录对应的交易物品名称进行匹配,若某条收银记录匹配失败,则将该条收银记录作为异常收银记录,将其他收银记录记为指定收银记录,并执行(2)-(4)。
(2)将指定收银记录对应的收银员编号从云管理库中识别指定收银记录对应的收银员,并与云管理库中存储的商户各收银人员对应被授权的物品交易价格折扣率进行比对,从中筛选出指定收银记录对应被授权的物品交易价格折扣率,其中/>的取值在0-1之间。
(3)将指定收银记录对应被授权的物品交易价格折扣率结合指定收银记录关联交易物品记录对应的交易物品标价计算指定收银记录对应的授权收银金额区间,其中/>表示为指定收银记录关联交易物品记录对应的交易物品标价。
(4)将指定收银记录对应的收银金额与指定收银记录对应的授权收银金额区间进行对比,若指定收银记录对应的收银金额未落入授权收银金额区间内,则将该收银记录作为异常收银记录。
需要说明的是,在基于收银记录的收银金融进行异常收银记录识别时考虑到不是所有的商户都是按照物品标价进行售卖,对于一些大型商户,例如超市,这些商户一般不存在顾客讲价的问题,一般都是按照物品标价进行售卖,而有些商户,例如服装店、母婴店,很容易存在顾客讲价的问题,为了促进销售,商户一般都会授权收银者一定的交易折扣率,这样就使得实际售卖价格与物品标价存在一定出入,为了能够全面可靠地识别到因收银金额造成的收银异常问题,需要将物品交易折扣率考虑在内。
在上述方案基础上,异常收银记录的识别还包括:将各条收银记录对应的付款账号与云管理库中付款黑名单中存在的付款账号进行比对,若比对一致,则将该条收银记录作为异常收银记录。
获取商户对应的正常营业时段,进而将各条收银记录对应的收银时间与商户对应的正常营业时段进行对比,若某条收银记录对应的收银时间未落入商户对应的正常营业时段内,则将该条收银记录作为异常收银记录。
需要知道的是,商户对应的正常营业时段是指一天内的正常营业时段,由正常开始营业时间和正常结束营业时间组成。
将各条收银记录对应的收银金额与设定的交易金额阈值进行对比,若某条收银记录对应的收银金额大于设定的交易金额阈值,则将该条收银记录作为异常收银记录。
将各条收银记录对应的付款账号进行相互对比,由此将同一付款账号对应的收银记录进行归类,统计各付款账号对应的交易频率,并与设定的交易频率进行对比,若某付款账号对应的交易频率大于设定的交易频率阈值,则将该付款账号对应的若干条收银记录按照收银时间由先到后的顺序进行排列,进而基于设定的交易频率阈值计算出当前监测周期对应的正常交易频次/>,T表示为当前监测周期对应的时长,由此按照正常交易频次从排列结果中选取符合交易频次阈值的收银记录,从而将该付款账号对应的其他收银记录作为异常收银记录。
本发明通过在进行收银时生成交易物品记录和收银记录,将其作为收银监管对象,规避了现有收银监管中监管对象过于唯一的问题,能够为收银记录中反映交易物品信息的数据提供参照核实的渠道,使得监管的收银数据更加全面,大大拓展了监管范围,有效避免了收银异常识别受限的不足,在一定程度上提高了收银异常识别的及时度和可靠度,有利于提升对交易环境公平、安全的保障力度。
所述收银风险评估显示模块用于基于识别的异常收银记录评估商户在当前监测周期内的收银风险系数,并进行输出显示。
在本发明的优选实施例中,商户在当前监测周期内的收银风险系数具体评估过程如下:统计商户在当前监测周期内存在的异常收银记录数量,并确定各条异常收银记录对应的异常指向及异常程度指数,其中异常指向包括收银物品不匹配、收银价格不符、付款账号异常、收银时间异常、收银金额异常、收银频率异常。
作为上述方案的一个优化实施方式,确定各条异常收银记录对应的异常指向参见下述方式:若某条异常收银记录对应的收银物品名称与该条收银记录关联交易物品记录对应的交易物品名称不匹配,则该条异常收银记录对应的异常指向为收银物品不匹配。
若某条异常收银记录对应的收银金额未落入该条收银记录对应的授权收银金额区间内,则该条异常收银记录对应的异常指向为收银价格不符。
若某条异常收银记录对应的付款账号与云管理库中付款黑名单中存在的付款账号比对一致,则该条异常收银记录对应的异常指向为付款账号异常。
若某条异常收银记录对应的收银时间未落入商户对应的正常营业时段内,则该条异常收银记录对应的异常指向为收银时间异常。
若某条异常收银记录对应的收银金额大于设定的交易金额阈值,则该条异常收银记录对应的异常指向为收银金额异常。
若某条异常收银记录对应的付款账号交易频率大于设定的交易频率阈值,则该条异常收银记录对应的异常指向为收银频率异常。
进一步地,确定各条异常收银记录对应的异常程度指数具体如下:若某条异常收银记录对应的异常指向为收银物品不匹配,则将该条异常收银记录对应的异常程度指数记为。
若某条异常收银记录对应的异常指向为收银价格不符,此时将该条异常收银记录对应的收银金额与该条收银记录对应授权收银金额区间进行计算,计算表达式为,得到该条异常收银记录对应的异常程度指数/>,其中P表示为该条异常收银记录对应的收银金额。
需要理解的是,当某条异常收银记录对应的异常指向为收银价格不符时很大程度是由于收银人员急于将商品售卖,从而放大使用授权折扣率,使得收银金额低于该条收银记录对应的授权收银金额。
若某条异常收银记录对应的异常指向为付款账号异常,则从云管理库中提取该条异常收银记录对应付款黑名单中匹配成功付款账号的累计加入名单时长,进而利用表达式得到该条异常收银记录对应的异常程度指数。
若某条异常收银记录对应的异常指向为收银时间异常,则将该条异常收银记录对应的收银时间与商户对应正常营业时段中的中间营业时间进行对比,计算该条异常收银记录对应的异常程度指数,表达式为。
若某条异常收银记录对应的异常指向为收银金额异常,则该条异常收银记录对应的异常程度指数为。
若某条异常收银记录对应的异常指向为收银频率异常,则基于该条异常收银记录对应的付款账号提取相应付款账号对应的若干条收银记录,并按照收银时间由小到大的顺序进行排序,并记录该条异常收银记录所在相应付款账号对应若干条收银记录中的排序号,作为该条异常交易记录所属付款账号的交易频次,利用表达式,得到该条异常收银记录对应的异常程度指数。
将各条异常收银记录对应的异常指向与云管理库中各异常指向对应的风险权重进行匹配,匹配得到各条异常收银记录对应的风险权重。
将各条异常收银记录对应的异常指向进行对比,由此将相同异常指向对应的异常收银记录进行归类,得到各种异常指向对应的若干异常收银记录。
将各种异常指向对应的风险权重与各异常指向对应各异常收银记录的异常程度指数导入收银风险系数评估公式,得到商户在当前监测周期内的收银风险系数/>,/>表示为第d种异常指向对应的风险权重,d表示为异常指向的编号,/>,/>表示为第d种异常指向对应第i条异常收银记录的异常程度指数,i表示为各种异常指向对应的异常收银记录编号,/>,n表示为各种异常指向对应的异常收银记录数量,m表示为商户在当前监测周期内存在的异常收银记录数量,N表示为提取的收银记录总数量,e表示为自然常数。
所述收银预警处理模块用于依据商户在当前监测周期内的收银风险系数进行收银预警处理,具体实现过程如下:第一步、将商户在当前监测周期内的收银风险系数与预先配置的警戒收银风险系数进行对比,若商户在当前监测周期内的收银风险系数大于预先配置的警戒收银风险系数,则触发收银预警,并执行第二步。
第二步、将各条异常收银记录对应的风险权重结合异常程度指数统计得到各条异常收银记录对应的风险表现度,其中/>表示为第j条异常收银记录对应的异常程度指数,j表示为商户在当前监测周期内存在的异常收银记录编号,/>,表示为第j条异常收银记录对应的风险权重。
第三步、将各条异常收银记录按照风险表现度由大到小的顺序进行排序,作为异常收银记录对应的风险处理顺序。
本发明在基于评估出的收银风险进行预警处理时通过将识别到的异常收银记录进行异常程度指数量化,将其结合异常收银记录的风险权重进行风险表现度统计,作为风险处理顺序的确定依据,给出了收银风险预警后的针对性、具体地处理方式,能够为商户对异常收银记录的处理提供合理、可靠的优先处理顺序,一方面能够提高处理效率,另一方面通过优先对风险表现度高的异常收银记录进行处理能够尽最大可能降低异常收银造成的风险,具有较强的实用价值。
所述收银风险倾向确定模块用于基于识别的异常收银记录确定商户在当前监测周期内的收银风险倾向,并将其进行输出显示,其中收银风险倾向的具体确定过程如下:统计各种异常指向对应的异常收银记录数量,并将其除以商户在当前监测周期内存在的异常收银记录数量,得到各种异常指向对应的异常收银记录占比率。
将各种异常指向对应各条异常收银记录的收银时间进行相邻异常收银记录对比,得到各种异常指向对应相邻异常收银记录的间隔时长,由此计算各种异常指向对应的异常收银记录发生频繁度,,式中/>表示为第d种异常指向对应第i条异常收银记录与第i+1条异常收银记录的间隔时长,其中相邻异常收银记录的间隔时长越短,异常收银记录发生频繁度越大。
将各种异常指向对应各条异常收银记录的异常程度指数代入表达式,计算出各种异常指向对应的异常程度发生平稳度/>,其中某种异常指向对应的异常程度发生平稳度越大,表明该种异常指向对应的异常程度发生越稳定,越趋于常态化,具有偶然性的概率小。
将、/>和/>导入表达式/>统计得到各种异常指向对应的出现倾向指数/>。
将各种异常指向对应的出现倾向指数进行相互对比,从中筛选出最大出现倾向指数对应的异常指向作为商户在当前监测周期内的收银风险倾向。
本发明在识别出异常收银记录后还通过综合异常收银记录中各种异常指向对应的异常收银记录占比率、异常收银记录发生频繁度、异常程度发生平稳度增加了对商户收银风险倾向的分析,体现了商户收银监管功能的丰富,能够在识别到存在收银风险时为商户提供除异常收银记录处理之外的其他处理方向,并为相应处理方向提供了针对性处理目标,使得商户收银风险的处理更加灵活、有效,便于商户快速解决收银异常问题。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (9)
1.一种基于数据分析的商户收银数据监测管理系统,其特征在于,包括:
交易物品记录生成模块,用于在商户收银端设置图像扫描仪,当顾客需要结账时需要将购买物品放置在图像扫描仪上进行交易物品扫描,得到交易物品图像,进而从中识别交易物品信息,生成交易物品记录;
收银记录生成模块,用于将各种收银端与图像扫描仪相关联,在交易物品记录生成时由顾客选择的收银端生成收银记录;
收银信息导入模块,用于将商户提供的各种收银端和图像扫描仪导入到系统;
收银信息提取处理模块,用于设定监测周期,从系统提取当前监测周期内存在的交易物品记录和收银记录,形成各条收银记录关联的交易物品记录;
云管理库,用于存储各异常指向对应的风险权重,存储商户各收银员对应的收银编号及被授权的物品交易价格折扣率,并存储付款黑名单;
异常收银记录识别模块,用于从交易物品记录中提取交易物品信息,并从收银记录中提取收银结果信息,进而基于各条收银记录对应的收银结果信息及收银记录关联交易物品记录的交易物品信息识别出异常收银记录;
收银风险评估显示模块,用于基于识别的异常收银记录评估商户在当前监测周期内的收银风险系数,并进行输出显示;
收银预警处理模块,用于依据商户在当前监测周期内的收银风险系数进行收银预警处理。
2.如权利要求1所述的一种基于数据分析的商户收银数据监测管理系统,其特征在于:所述交易物品信息包括交易物品标价和交易物品名称。
3.如权利要求2所述的一种基于数据分析的商户收银数据监测管理系统,其特征在于:所述:所述收银结果信息包括收银物品名称、收银时间、收银金额、付款账号和收银员编号。
4.如权利要求3所述的一种基于数据分析的商户收银数据监测管理系统,其特征在于:所述异常收银记录的具体识别过程如下:
(1)将各条收银记录对应的收银物品名称与各条收银记录关联交易物品记录对应的交易物品名称进行匹配,若某条收银记录匹配失败,则将该条收银记录作为异常收银记录,将其他收银记录记为指定收银记录,并执行(2)-(4);
(2)将指定收银记录对应的收银员编号从云管理库中识别指定收银记录对应的收银员,并与云管理库中存储的商户各收银人员对应被授权的物品交易价格折扣率进行比对,从中筛选出指定收银记录对应被授权的物品交易价格折扣率;
(3)将指定收银记录对应被授权的物品交易价格折扣率结合指定收银记录关联交易物品记录对应的交易物品标价计算指定收银记录对应的授权收银金额区间,其中/>表示为指定收银记录关联交易物品记录对应的交易物品标价;
(4)将指定收银记录对应的收银金额与指定收银记录对应的授权收银金额区间进行对比,若指定收银记录对应的收银金额未落入授权收银金额区间内,则将该收银记录作为异常收银记录。
5.如权利要求3所述的一种基于数据分析的商户收银数据监测管理系统,其特征在于:所述异常收银记录的识别还包括:
将各条收银记录对应的付款账号与云管理库中付款黑名单中存在的付款账号进行比对,若比对一致,则将该条收银记录作为异常收银记录;
获取商户对应的正常营业时段,进而将各条收银记录对应的收银时间与商户对应的正常营业时段进行对比,若某条收银记录对应的收银时间未落入商户对应的正常营业时段内,则将该条收银记录作为异常收银记录;
将各条收银记录对应的收银金额与设定的交易金额阈值进行对比,若某条收银记录对应的收银金额大于设定的交易金额阈值,则将该条收银记录作为异常收银记录;
将各条收银记录对应的付款账号进行相互对比,由此将同一付款账号对应的收银记录进行归类,统计各付款账号对应的交易频率,并与设定的交易频率进行对比,若某付款账号对应的交易频率大于设定的交易频率阈值,则将该付款账号对应的若干条收银记录按照收银时间由先到后的顺序进行排列,进而基于设定的交易频率阈值计算出当前监测周期对应的正常交易频次/>,T表示为当前监测周期对应的时长,由此按照正常交易频次从排列结果中选取符合交易频次阈值的收银记录,从而将该付款账号对应的其他收银记录作为异常收银记录。
6.如权利要求1所述的一种基于数据分析的商户收银数据监测管理系统,其特征在于:所述商户在当前监测周期内的收银风险系数参见下述评估过程:
统计商户在当前监测周期内存在的异常收银记录数量,并确定各条异常收银记录对应的异常指向及异常程度指数;
将各条异常收银记录对应的异常指向与云管理库中各异常指向对应的风险权重进行匹配,匹配得到各条异常收银记录对应的风险权重;
将各条异常收银记录对应的异常指向进行对比,由此将相同异常指向对应的异常收银记录进行归类,得到各种异常指向对应的若干异常收银记录;
将各种异常指向对应的风险权重与各异常指向对应各异常收银记录的异常程度指数导入收银风险系数评估公式,得到商户在当前监测周期内的收银风险系数/>,/>表示为第d种异常指向对应的风险权重,d表示为异常指向的编号,/>,/>表示为第d种异常指向对应第i条异常收银记录的异常程度指数,i表示为各种异常指向对应的异常收银记录编号,/>,n表示为各种异常指向对应的异常收银记录数量,m表示为商户在当前监测周期内存在的异常收银记录数量,N表示为提取的收银记录总数量,e表示为自然常数。
7.如权利要求6所述的一种基于数据分析的商户收银数据监测管理系统,其特征在于:所述异常指向包括收银物品不匹配、收银价格不符、付款账号异常、收银时间异常、收银金额异常、收银频率异常。
8.如权利要求6所述的一种基于数据分析的商户收银数据监测管理系统,其特征在于:所述依据商户在当前监测周期内的收银风险系数进行收银预警处理具体执行过程如下:
第一步、将商户在当前监测周期内的收银风险系数与预先配置的警戒收银风险系数进行对比,若商户在当前监测周期内的收银风险系数大于预先配置的警戒收银风险系数,则触发收银预警,并执行第二步:
第二步、将各条异常收银记录对应的风险权重结合异常程度指数统计得到各条异常收银记录对应的风险表现度,其中/>表示为第j条异常收银记录对应的异常程度指数,j表示为商户在当前监测周期内存在的异常收银记录编号,/>,/>表示为第j条异常收银记录对应的风险权重;
第三步、将各条异常收银记录按照风险表现度由大到小的顺序进行排序,作为异常收银记录对应的风险处理顺序。
9.如权利要求6所述的一种基于数据分析的商户收银数据监测管理系统,其特征在于:还包括收银风险倾向确定模块,用于基于识别的异常收银记录确定商户在当前监测周期内的收银风险倾向,并将其进行输出显示,其中收银风险倾向的具体确定过程如下:
统计各种异常指向对应的异常收银记录数量,并将其结合商户在当前监测周期内存在的异常收银记录数量,得到各种异常指向对应的异常收银记录占比率;
将各种异常指向对应各条异常收银记录的收银时间进行相邻异常收银记录对比,得到各种异常指向对应相邻异常收银记录的间隔时长,由此计算各种异常指向对应的异常收银记录发生频繁度,,式中/>表示为第d种异常指向对应第i条异常收银记录与第i+1条异常收银记录的间隔时长;
将各种异常指向对应各条异常收银记录的异常程度指数代入表达式,计算出各种异常指向对应的异常程度发生平稳度/>;
将、/>和/>导入表达式/>统计得到各种异常指向对应的出现倾向指数/>;
将各种异常指向对应的出现倾向指数进行相互对比,从中筛选出最大出现倾向指数对应的异常指向作为商户在当前监测周期内的收银风险倾向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311016141.8A CN116739607B (zh) | 2023-08-14 | 2023-08-14 | 一种基于数据分析的商户收银数据监测管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311016141.8A CN116739607B (zh) | 2023-08-14 | 2023-08-14 | 一种基于数据分析的商户收银数据监测管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116739607A true CN116739607A (zh) | 2023-09-12 |
CN116739607B CN116739607B (zh) | 2023-11-10 |
Family
ID=87910041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311016141.8A Active CN116739607B (zh) | 2023-08-14 | 2023-08-14 | 一种基于数据分析的商户收银数据监测管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116739607B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152887A (zh) * | 2023-10-31 | 2023-12-01 | 南通飞海电子科技有限公司 | 用于数字收银机的异常报警方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100059589A1 (en) * | 2008-09-05 | 2010-03-11 | Luis Goncalves | System and method for preventing cashier and customer fraud at retail checkout |
CN110992119A (zh) * | 2019-02-21 | 2020-04-10 | 北京嘀嘀无限科技发展有限公司 | 一种对风险订单进行排序的方法和系统 |
CN110991781A (zh) * | 2019-02-21 | 2020-04-10 | 北京嘀嘀无限科技发展有限公司 | 一种风险订单展示方法和系统 |
CN111931546A (zh) * | 2019-05-13 | 2020-11-13 | 杭州海康威视数字技术股份有限公司 | 一种收银行为监控方法及装置 |
CN114119001A (zh) * | 2022-01-24 | 2022-03-01 | 天比高零售管理(深圳)有限公司 | 基于人工智能的商品销售货款收银智能管理分析平台 |
CN114529850A (zh) * | 2022-01-17 | 2022-05-24 | 阿里巴巴(中国)有限公司 | 自助收银的风险识别方法、装置及系统 |
CN115439247A (zh) * | 2022-08-26 | 2022-12-06 | 中国银联股份有限公司 | 一种交易数据处理方法及装置 |
CN115880611A (zh) * | 2022-12-19 | 2023-03-31 | 苏州万店掌网络科技有限公司 | 一种收银防损方法、装置、设备及存储介质 |
-
2023
- 2023-08-14 CN CN202311016141.8A patent/CN116739607B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100059589A1 (en) * | 2008-09-05 | 2010-03-11 | Luis Goncalves | System and method for preventing cashier and customer fraud at retail checkout |
CN110992119A (zh) * | 2019-02-21 | 2020-04-10 | 北京嘀嘀无限科技发展有限公司 | 一种对风险订单进行排序的方法和系统 |
CN110991781A (zh) * | 2019-02-21 | 2020-04-10 | 北京嘀嘀无限科技发展有限公司 | 一种风险订单展示方法和系统 |
CN111931546A (zh) * | 2019-05-13 | 2020-11-13 | 杭州海康威视数字技术股份有限公司 | 一种收银行为监控方法及装置 |
CN114529850A (zh) * | 2022-01-17 | 2022-05-24 | 阿里巴巴(中国)有限公司 | 自助收银的风险识别方法、装置及系统 |
CN114119001A (zh) * | 2022-01-24 | 2022-03-01 | 天比高零售管理(深圳)有限公司 | 基于人工智能的商品销售货款收银智能管理分析平台 |
CN115439247A (zh) * | 2022-08-26 | 2022-12-06 | 中国银联股份有限公司 | 一种交易数据处理方法及装置 |
CN115880611A (zh) * | 2022-12-19 | 2023-03-31 | 苏州万店掌网络科技有限公司 | 一种收银防损方法、装置、设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152887A (zh) * | 2023-10-31 | 2023-12-01 | 南通飞海电子科技有限公司 | 用于数字收银机的异常报警方法及系统 |
CN117152887B (zh) * | 2023-10-31 | 2024-01-30 | 南通飞海电子科技有限公司 | 用于数字收银机的异常报警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116739607B (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9646058B2 (en) | Methods, systems, and computer program products for generating data quality indicators for relationships in a database | |
CN108573432B (zh) | 用于电子商务的交易监管系统和方法 | |
US8032448B2 (en) | Detecting and measuring risk with predictive models using content mining | |
US8170998B2 (en) | Methods, systems, and computer program products for estimating accuracy of linking of customer relationships | |
US11250444B2 (en) | Identifying and labeling fraudulent store return activities | |
CN116739607B (zh) | 一种基于数据分析的商户收银数据监测管理系统 | |
CN109472611A (zh) | 一种大宗商品交易方法及装置 | |
CN102667775A (zh) | 训练和使用具有关联规则模型的分类模型的方法 | |
CN112836964B (zh) | 一种企业异常的评估系统及评估方法 | |
CN113011899A (zh) | 一种企业信用评价方法、装置、设备及计算机存储介质 | |
CN110991650A (zh) | 训练养卡识别模型、识别养卡行为的方法及装置 | |
CN110245658A (zh) | 一种票据识别方法、装置、存储介质和服务器 | |
CN114004699A (zh) | 基于人工智能的风险管控方法、装置、设备及存储介质 | |
CN109509023A (zh) | 一种大数据智能营销系统 | |
CN109522309A (zh) | 一种基于审计系统采购信息记录异常值处理方法 | |
CN116012085B (zh) | 一种电子卡券自动识别与回收系统 | |
CN112711577A (zh) | 一种异常交易企业识别方法及装置 | |
CN108763233A (zh) | 基于大数据的疑似假货商品识别及分类的方法和装置 | |
CN106779843B (zh) | 一种基于客户群体特征的商户竞合关系分析的方法和装置 | |
WO2021198640A1 (en) | Detection of fraudulent return transactions | |
Singh et al. | Comparing Different Models for Credit Card Fraud Detection | |
CN115131070B (zh) | 一种在线商品预定量虚标的识别及处理方法及装置 | |
Doshi et al. | Fraud Detection System in Self-Checkout Centres | |
TWI769385B (zh) | 金融商品之潛在購買客群篩選方法及其系統 | |
Huda et al. | Fraud patterns classification: a study of fraud in business process of Indonesian online sales transaction |
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 |