CN117911175A - 结算网点的预警方法、装置、电子设备及存储介质 - Google Patents
结算网点的预警方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117911175A CN117911175A CN202410020688.3A CN202410020688A CN117911175A CN 117911175 A CN117911175 A CN 117911175A CN 202410020688 A CN202410020688 A CN 202410020688A CN 117911175 A CN117911175 A CN 117911175A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- settlement
- early warning
- website
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000011156 evaluation Methods 0.000 claims abstract description 36
- 238000013480 data collection Methods 0.000 claims abstract description 25
- 238000012502 risk assessment Methods 0.000 claims abstract description 17
- 238000012216 screening Methods 0.000 claims description 56
- 238000012795 verification Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种结算网点的预警方法、装置、电子设备及存储介质,所述方法包括:对应收账款数据的当前数据采集策略进行修改,得到更新数据采集策略;基于所述更新数据采集策略,采集数据库中的实时应收款数据,得到实时应收款数据集;基于预设算法对所述实时应收款数据集中各个数据进行聚类,得到每个数据类别对应的子数据集;获取每个子数据集对应的结算网点集;针对任一目标子数据集对应的目标结算网点集进行风险评估,得到所述目标结算网点集的评估结果;当评估结果表征所述目标结算网点集存在风险时,对所述目标结算网点集中各个目标结算网点进行预警。本发明提高了结算网点的预警效率以及预警准确率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种结算网点的预警方法、装置、电子设备及存储介质。
背景技术
应收账款是指企业在正常的经营过程中因销售商品、产品、提供劳务等业务,应向购买单位收取的款项,包括应由购买单位或接受劳务单位负担的税金、代购买方垫付的各种运杂费等。应收账款是伴随企业的销售行为发生而形成的一项债权。应收账款包括已经发生的和将来发生的债权。前者如已经发生并明确成立的债权,后者是现实并未发生但是将来一定会发生的债权。现有情况中网格仓、客服中心等业务线需要了解各自应收账款情况,预付款系统需按照科目建设应收实收明细,满足上游业务对应收账款风险评估需要。
发明内容
本发明提供了一种结算网点的预警方法、装置、电子设备及存储介质,可以提高结算网点的预警效率以及预警准确率。
一方面,本发明提供了一种结算网点的预警方法,所述方法包括:
对应收账款数据的当前数据采集策略进行修改,得到更新数据采集策略;
基于所述更新数据采集策略,采集数据库中的实时应收款数据,得到实时应收款数据集;
基于预设算法对所述实时应收款数据集中各个数据进行聚类,得到每个数据类别对应的子数据集;
获取每个子数据集对应的结算网点集;
针对任一目标子数据集对应的目标结算网点集进行风险评估,得到所述目标结算网点集的评估结果;
当评估结果表征所述目标结算网点集存在风险时,对所述目标结算网点集中各个目标结算网点进行预警。
可选的,所述对应收账款数据的当前数据采集策略进行修改,得到更新数据采集策略,包括:
对所述当前数据采集策略进行解析,得到查询关键词;所述关键词包括结算网点、网点业务类型、业务类型、费用大类、预付款名称、日期类型中的至少一项;
基于所述查询关键词,构建多个层级的数据查询条件;所述多个层级的数据查询条件之间存在关联关系;
基于所述多个层级的数据查询条件,生成更新数据采集策略。
可选的,所述基于所述多个层级的数据查询条件,生成更新数据采集策略,包括:
基于所述结算网点,确定一级数据查询条件;
基于所述网点业务类型,生成二级数据查询条件;
基于所述业务类型、费用大类、预付款名称、日期类型、开始日期、结束日期,生成三级数据查询条件;
基于所述一级数据查询条件、所述二级数据查询条件以及所述三级数据查询条件,构建更新数据采集策略;
采用所述更新数据采集策略替换所述应收账款数据的当前数据采集策略。
可选的,所述基于所述更新数据采集策略,采集数据库中的实时应收款数据,得到实时应收款数据集,包括:
基于所述一级数据查询条件,确定筛选结算网点,并从数据库中获取所述筛选结算网点对应的初始筛选数据;
基于所述二级数据查询条件,确定所述筛选结算网点对应的筛选网点业务类型,并从所述初始数据中获取所述筛选网点业务类型对应的二次筛选数据;
基于所述三级数据查询条件,确定所述筛选网点业务类型对应的业务类型、费用大类、预付款名称、日期类型、开始日期、结束日期;
基于所述筛选网点业务类型对应的业务类型、费用大类、预付款名称、日期类型、开始日期、结束日期,从所述二次筛选数据中获取实时应收款数据集。
可选的,所述基于预设算法对所述实时应收款数据集中各个数据进行聚类,得到每个数据类别对应的子数据集,包括:
获取多个预付款类别;所述多个预付款类别包括普通预付款、实业预付款、代收货款预付款、供应链预付款;
基于FCM模糊聚类算法按照多个预付款类别,对所述实时应收款数据集中各个数据进行聚类,得到每个预付款类别对应的子数据集。
可选的,所述方法还包括:
根据每个预付款类别对应的预警阈值,构建预付款预警策略;
所述针对任一目标子数据集对应的目标结算网点集进行风险评估,得到所述目标结算网点集的评估结果,包括:
获取所述目标子数据集对应的目标预付款类别;
基于所述预付款预警策略,确定所述目标预付款类别对应的目标预警阈值;
基于所述目标预警阈值对所述目标结算网点集中各个目标结算网点进行风险评估,得到所述目标结算网点集每个目标结算网点的评估结果。
可选的,所述基于所述预付款预警策略,确定所述目标预付款类别对应的目标预警阈值,包括:
基于所述预付款预警策略,确定所述目标预付款类别对应的多个预警级别各自对应的预警数值范围;
相应的,所述基于所述目标预警阈值对所述目标结算网点集中各个目标结算网点进行风险评估,得到所述目标结算网点集每个目标结算网点的评估结果,包括:
获取任一目标结算网点对应的目标应收账款数据;
获取与所述目标应收账款数据相匹配的目标预警数值范围;
将所述目标预警数值范围对应的预警级别确定为所述目标结算网点的预警级别。
另一方面提供了一种结算网点的预警装置,所述装置包括:
采集策略更新模块,用于对应收账款数据的当前数据采集策略进行修改,得到更新数据采集策略;
实时数据获取模块,用于基于所述更新数据采集策略,采集数据库中的实时应收款数据,得到实时应收款数据集;
数据聚类模块,用于基于预设算法对所述实时应收款数据集中各个数据进行聚类,得到每个数据类别对应的子数据集;
结算网点获取模块,用于获取每个子数据集对应的结算网点集;
评估模块,用于针对任一目标子数据集对应的目标结算网点集进行风险评估,得到所述目标结算网点集的评估结果;
预警模块,用于当评估结果表征所述目标结算网点集存在风险时,对所述目标结算网点集中各个目标结算网点进行预警。
可选的,所述采集策略更新模块包括:
关键词确定单元,用于对所述当前数据采集策略进行解析,得到查询关键词;所述关键词包括结算网点、网点业务类型、业务类型、费用大类、预付款名称、日期类型中的至少一项;
查询条件构建单元,用于基于所述查询关键词,构建多个层级的数据查询条件;所述多个层级的数据查询条件之间存在关联关系;
策略生成单元,用于基于所述多个层级的数据查询条件,生成更新数据采集策略。
可选的,所述策略生成单元,还用于基于所述结算网点,确定一级数据查询条件;基于所述网点业务类型,生成二级数据查询条件;基于所述业务类型、费用大类、预付款名称、日期类型、开始日期、结束日期,生成三级数据查询条件;基于所述一级数据查询条件、所述二级数据查询条件以及所述三级数据查询条件,构建更新数据采集策略;采用所述更新数据采集策略替换所述应收账款数据的当前数据采集策略。
可选的,所述实时数据获取模块包括:
第一筛选单元,用于基于所述一级数据查询条件,确定筛选结算网点,并从数据库中获取所述筛选结算网点对应的初始筛选数据;
第二筛选单元,用于基于所述二级数据查询条件,确定所述筛选结算网点对应的筛选网点业务类型,并从所述初始数据中获取所述筛选网点业务类型对应的二次筛选数据;
信息确定单元,用于基于所述三级数据查询条件,确定所述筛选网点业务类型对应的业务类型、费用大类、预付款名称、日期类型、开始日期、结束日期;
第三筛选单元,用于基于所述筛选网点业务类型对应的业务类型、费用大类、预付款名称、日期类型、开始日期、结束日期,从所述二次筛选数据中获取实时应收款数据集。
可选的,所述数据聚类模块包括:
预付款类别获取单元,用于获取多个预付款类别;所述多个预付款类别包括普通预付款、实业预付款、代收货款预付款、供应链预付款;
聚类单元,用于基于FCM模糊聚类算法按照多个预付款类别,对所述实时应收款数据集中各个数据进行聚类,得到每个预付款类别对应的子数据集。
可选的,所述装置还包括:
策略构建模块,用于根据每个预付款类别对应的预警阈值,构建预付款预警策略;
所述评估模块包括:
目标类别获取单元,用于获取所述目标子数据集对应的目标预付款类别;
预警阈值确定单元,用于基于所述预付款预警策略,确定所述目标预付款类别对应的目标预警阈值;
评估单元,用于基于所述目标预警阈值对所述目标结算网点集中各个目标结算网点进行风险评估,得到所述目标结算网点集每个目标结算网点的评估结果。
可选的,所述预警阈值确定单元还用于:基于所述预付款预警策略,确定所述目标预付款类别对应的多个预警级别各自对应的预警数值范围;
相应的,所述评估单元包括:
目标数据获取单元,用于获取任一目标结算网点对应的目标应收账款数据;
目标范围获取单元,用于获取与所述目标应收账款数据相匹配的目标预警数值范围;
目标级别确定单元,用于将所述目标预警数值范围对应的预警级别确定为所述目标结算网点的预警级别。
另一方面提供了一种电子设备,所述设备包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上所述的结算网点的预警方法。
另一方面提供了一种计算机存储介质,所述计算机存储介质存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如上所述的结算网点的预警方法。
另一方面提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行以实现如上所述的结算网点的预警方法。
本发明提供的结算网点的预警方法、装置、电子设备及存储介质,具有如下技术效果:
本发明对应收账款数据的当前数据采集策略进行修改,得到更新数据采集策略;基于所述更新数据采集策略,采集数据库中的实时应收款数据,得到实时应收款数据集;基于预设算法对所述实时应收款数据集中各个数据进行聚类,得到每个数据类别对应的子数据集;获取每个子数据集对应的结算网点集;针对任一目标子数据集对应的目标结算网点集进行风险评估,得到所述目标结算网点集的评估结果;当评估结果表征所述目标结算网点集存在风险时,对所述目标结算网点集中各个目标结算网点进行预警。本发明提高了结算网点的预警效率以及预警准确率。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案和优点,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的介绍,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它附图。
图1是本说明书实施例提供的一种结算网点的预警系统的示意图;
图2是本说明书实施例提供的一种结算网点的预警方法的流程示意图;
图3是本说明书实施例提供的一种对应收账款数据的当前数据采集策略进行修改,得到更新数据采集策略的方法的流程示意图;
图4是本说明书实施例提供的一种基于所述多个层级的数据查询条件,生成更新数据采集策略的方法的流程示意图;
图5是本说明书实施例提供的一种基于所述更新数据采集策略,采集数据库中的实时应收款数据,得到实时应收款数据集的方法的流程示意图;
图6是本说明书实施例提供的一种针对任一目标子数据集对应的目标结算网点集进行风险评估,得到所述目标结算网点集的评估结果的方法的流程示意图;
图7是本说明书实施例提供的一种基于所述目标预警阈值对所述目标结算网点集中各个目标结算网点进行风险评估,得到所述目标结算网点集每个目标结算网点的评估结果的方法的流程示意图;
图8是本说明书实施例提供的一种结算网点的预警装置的结构示意图;
图9是本说明书实施例提供的一种服务器的结构示意图。
具体实施方式
下面将结合本说明书实施例中的附图,对本说明书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的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。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1,图1是本说明书实施例提供的一种结算网点的预警系统的示意图,如图1所示,该结算网点的预警系统可以至少包括服务器01和客户端02。
具体的,本说明书实施例中,所述服务器01可以包括一个独立运行的服务器,或者分布式服务器,或者由多个服务器组成的服务器集群,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(ContentDelivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。服务器01可以包括有网络通信单元、处理器和存储器等等。具体的,所述服务器01可以用于进行文本的去重处理。
具体的,本说明书实施例中,所述客户端02可以包括智能手机、台式电脑、平板电脑、笔记本电脑、数字助理、智能可穿戴设备、智能音箱、车载终端、智能电视等类型的实体设备,也可以包括运行于实体设备中的软体,例如一些服务商提供给用户的网页页面,也可以为该些服务商提供给用户的应用。具体的,所述客户端02可以用于在线查询反馈文本之间的相似度。
以下介绍本发明的一种结算网点的预警方法,图2是本说明书实施例提供的一种结算网点的预警方法的流程示意图,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或服务器产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图2所示,所述方法可以包括:
S201:对应收账款数据的当前数据采集策略进行修改,得到更新数据采集策略。
在本说明书实施例中,如图3所示,所述对应收账款数据的当前数据采集策略进行修改,得到更新数据采集策略,包括:
S20101:对所述当前数据采集策略进行解析,得到查询关键词;所述关键词包括结算网点、网点业务类型、业务类型、费用大类、预付款名称、日期类型中的至少一项;
S20103:基于所述查询关键词,构建多个层级的数据查询条件;所述多个层级的数据查询条件之间存在关联关系;
S20105:基于所述多个层级的数据查询条件,生成更新数据采集策略。
在本说明书实施例中,可以对所述当前数据采集策略进行解析,得到查询关键词;所述关键词可以包括结算网点、网点业务类型、业务类型、费用大类、预付款名称、日期类型中的一项或多项。然后基于所述查询关键词,构建多个层级的数据查询条件;所述多个层级的数据查询条件之间存在关联关系,关联关系可以为从属关系。
在本说明书实施例中,如图4所示,所述基于所述多个层级的数据查询条件,生成更新数据采集策略,包括:
S201051:基于所述结算网点,确定一级数据查询条件;
S201053:基于所述网点业务类型,生成二级数据查询条件;
S201055:基于所述业务类型、费用大类、预付款名称、日期类型、开始日期、结束日期,生成三级数据查询条件;
S201057:基于所述一级数据查询条件、所述二级数据查询条件以及所述三级数据查询条件,构建更新数据采集策略;
S201059:采用所述更新数据采集策略替换所述应收账款数据的当前数据采集策略。
在本说明书实施例中,可以基于所述结算网点,确定一级数据查询条件;基于所述网点业务类型,生成二级数据查询条件;基于所述业务类型、费用大类、预付款名称、日期类型、开始日期、结束日期,生成三级数据查询条件;基于所述一级数据查询条件、所述二级数据查询条件以及所述三级数据查询条件,构建更新数据采集策略;最后采用所述更新数据采集策略替换所述应收账款数据的当前数据采集策略,从而可以提高数据查询效率以及查询准确率。
示例性的,查询条件如下:
(1)一级数据查询条件:
结算网点:下拉框,支持下拉框模糊搜索,可以根据大区、业务省、分拨中心、网点查询;
(2)二级数据查询条件:
网点业务类型:下拉框,取基础信息
(3)三级数据查询条件:
业务类型:下拉框,取业务类型基础数据,不区分是否禁用,默认请选择;
费用大类:下拉框,取预付款费用大类基础数据;
预付款名称:下拉框,取预付款二三级收费项目基础资料,有三级精确到三级,无三级精确到二级(预付款名称支持多选多个科目)
日期类型:下拉框,枚举值:按日、按月、按年,默认按日;
日期:日期类型为“按日”,日期区间框,精确到天,默认选择T-1日,最长1个月时间。开始日期、结束日期:开始日期≤结束日期;
日期类型为“按月”,月度区间框,精确到月,无默认值,最长1年数据。开始月份≤结束月份;
日期类型为“按年”,年度区间框,精确到年,无默认值,不限制最长年份。
开始年份≤结束年份;
单个月份及按日查询支持应收金额、实收金额、充值/退款金额、核销金额的下钻,按年、按月不支持金额下钻。列表:支持查询、导出,按照日期(倒序)、网点编码(正序)、累计欠款(倒序)。
S203:基于所述更新数据采集策略,采集数据库中的实时应收款数据,得到实时应收款数据集。
在本说明书实施例中,如图5所示,所述基于所述更新数据采集策略,采集数据库中的实时应收款数据,得到实时应收款数据集,包括:
S2031:基于所述一级数据查询条件,确定筛选结算网点,并从数据库中获取所述筛选结算网点对应的初始筛选数据;
S2033:基于所述二级数据查询条件,确定所述筛选结算网点对应的筛选网点业务类型,并从所述初始数据中获取所述筛选网点业务类型对应的二次筛选数据;
S2035:基于所述三级数据查询条件,确定所述筛选网点业务类型对应的业务类型、费用大类、预付款名称、日期类型、开始日期、结束日期;
S2037:基于所述筛选网点业务类型对应的业务类型、费用大类、预付款名称、日期类型、开始日期、结束日期,从所述二次筛选数据中获取实时应收款数据集。
在本说明书实施例中,实时应收款数据集对应的报表逻辑如下:
①列表的日期展示同步查询条件中的日期类型
a按日查询展示yyyy-mm-dd至yyyy-mm-dd,无需按日期段下钻
b按月查询展示yyyy-mm至yyyy-mm,点击下钻展示每月数据
c按年查询展示yyyy,点击下钻展示每月数据。
②列表字段中增加字段提示
应收金额:按入账日期、网点、预付款名称查询【应收回款记录表】,取交易金额合计,金额为正。
实收金额:按核销日期、网点、预付款名称查询【应收实收明细表】,取核销金额合计,金额为正。
充值/退款金额:按入账日期、网点、预付款名称查询【实收核销记录表】,取交易金额合计,金额为正。
核销金额:按核销日期、网点、预付款名称查询【应收实收明细表】,取核销金额合计;金额为正。
当日欠款:(应收金额-实收金额)-(充值/退款金额-核销金额);其中,欠款:金额为正;余额:金额为负。
累计欠款:自2020年1月1日至查询日期,当日欠款累计金额;其中,欠款:金额为正;余额:金额为负。
预付款账户余额:取查询日期范围内最后一日的预付款账户期末余额;其中,欠款:金额为负;余额:金额为正。
S205:基于预设算法对所述实时应收款数据集中各个数据进行聚类,得到每个数据类别对应的子数据集。
在本说明书实施例中,所述基于预设算法对所述实时应收款数据集中各个数据进行聚类,得到每个数据类别对应的子数据集,包括:
获取多个预付款类别;所述多个预付款类别包括普通预付款、实业预付款、代收货款预付款、供应链预付款;
基于FCM模糊聚类算法按照多个预付款类别,对所述实时应收款数据集中各个数据进行聚类,得到每个预付款类别对应的子数据集。
在本说明书实施例中,模糊c-均值聚类算法fuzzy c-means algorithm(FCMA)或称(FCM)。在众多模糊聚类算法中,模糊C-均值(FCM)算法应用最广泛且较成功,它通过优化目标函数得到每个样本点对所有类中心的隶属度,从而决定样本点的类属以达到自动对样本数据进行分类的目的。可以根据每个数据类别对应的子数据集构建应收账款分类表。
报表逻辑如下:
基于普通预付款、实业预付款、xx预付款、代收货款预付款、yy预付款、供应链预付款交易记录,完成应收账款报表·初始化数据:切换日期为20年1月1日,统计各网点历史余额,切换日期普通预付款、实业预付款、xx预付款、代收货款预付款、供应链预付款账户余额>0,虚拟一笔充值类型数据,切换日期普通预付款、实业预付款、xx预付款、代收货款预付款、供应链预付款账户余额<0,虚拟一笔扣款类型数据;
将预付款交易记录分为两类扣款类、充值退款类(充值、有偿退款、返利相关科目);将扣款类数据同步至“应收回款记录表”,将充值退款类数据同步至“实收核销记录表”;
处理核销逻辑,同科目退款优先从远到近冲销同科目扣款;同科目冲销后仍有余额,则从远到近冲销其他科目扣款;
服务部充值,一级网点充值需要虚拟一笔服务部充值记录。
S207:获取每个子数据集对应的结算网点集。
在本说明书实施例中,可以确定每个子数据集中各个子数据对应的结算网点,从而得到结算网点集。
S209:针对任一目标子数据集对应的目标结算网点集进行风险评估,得到所述目标结算网点集的评估结果。
在本说明书实施例中,目标子数据集为多个子数据集中任一数据集,所述方法还包括:
根据每个预付款类别对应的预警阈值,构建预付款预警策略;
相应的,如图6所示,所述针对任一目标子数据集对应的目标结算网点集进行风险评估,得到所述目标结算网点集的评估结果,包括:
S2091:获取所述目标子数据集对应的目标预付款类别;
S2093:基于所述预付款预警策略,确定所述目标预付款类别对应的目标预警阈值;
在本说明书实施例中,目标预付款类别可以为普通预付款、实业预付款、代收货款预付款、供应链预付款。可以针对不同的预付款类别设置不同的预警阈值,从而构建预付款预警策略。
S2095:基于所述目标预警阈值对所述目标结算网点集中各个目标结算网点进行风险评估,得到所述目标结算网点集每个目标结算网点的评估结果。
在本说明书实施例中,所述基于所述预付款预警策略,确定所述目标预付款类别对应的目标预警阈值,包括:
基于所述预付款预警策略,确定所述目标预付款类别对应的多个预警级别各自对应的预警数值范围;
相应的,如图7所示,所述基于所述目标预警阈值对所述目标结算网点集中各个目标结算网点进行风险评估,得到所述目标结算网点集每个目标结算网点的评估结果,包括:
S20951:获取任一目标结算网点对应的目标应收账款数据;
S20953:获取与所述目标应收账款数据相匹配的目标预警数值范围;
S20955:将所述目标预警数值范围对应的预警级别确定为所述目标结算网点的预警级别。
在本说明书实施例中,针对每个目标结算网点,均可以设置对应的目标预警数值范围,从而快速、准确地确定对应的预警级别。
S2011:当评估结果表征所述目标结算网点集存在风险时,对所述目标结算网点集中各个目标结算网点进行预警。
在本说明书实施例中,当评估结果表征所述目标结算网点集存在风险时,对所述目标结算网点集中各个目标结算网点进行预警;示例性的,可以向目标结算网点对应的终端发送预警提示信息,以便通知网点工作人员快速获取预警信息以及网点的当前预警级别等信息,并对预警信息进行及时处理。
示例性的,查询条件:
结算网点:下拉框,支持下拉框模糊搜索,可以根据大区、业务省、分拨中心、网点查询;
费用大类:下拉框,取预付款费用大类基础数据;
预付款名称:下拉框,取预付款二三级收费项目基础资料,有三级精确到三级,无三级精确到二级(预付款名称支持多选多个科目);
网点业务类型:下拉框,取基础信息;
核销状态:下拉框,枚举值:未核销,部分核销,全部核销;
入账日期:日期区间框,精确到天,默认选择T-1日,最长7天时间。开始日期、结束日期:开始日期≤结束日期
交易凭证:文本框,最多输入100条,enter隔开;输入交易凭证不限制日期区间。
列表:支持查询、导出,按照入账日期(倒序)、网点编码(正序)、预付款名称(正序)。
基于普通预付款交易记录,完成应收账款报表。
初始化数据:假设切换日期为23年1月1日,统计各网点历史余额,切换日期普通预付款。
账户余额>0,虚拟一笔充值类型数据,切换日期普通预付款账户余额<0,虚拟一笔扣款类型数据。
将预付款交易记录分为三类扣款类、退款类、实收类(充值、有偿退款、返利相关科目);将扣款类数据同步至“应收回款记录表”,将退款类、实收类数据同步至“实收核销记录表”。
处理核销逻辑,同科目退款优先从远到近冲销同科目扣款;同科目冲销后仍有余额,则从远到近冲销其他科目扣款。
自2020年1月1日切换,需回刷20年1月1日至今的应收账款数据;
服务部充值,一级网点充值需要虚拟一笔服务部充值记录;
实收类项目取值(先抵扣本项目扣款,再抵扣其他科目扣款):充值服务281、转账服务282、代收代付283、网点激励补助215、有偿付费308、有偿派送费-代收107、xx-新业务服务费(派)311、xx-新业务服务费(揽)313、费用补助52、代收付271、网格仓操作费296。
实收类项目范围调整:
①实收科目范围增加103、179、310、302、242、307、11、282、297、261
②取预付款收费项目基础表,作废科目自动划入实收科目范围,作废科目支持冲销全网其他科目。
本技术方案为一种对各类平台的应收账款风险评估方法;通过对采集系统中的应收账款数据的采集规则进行修改,得到新的数据采集规则;利用新的数据采集规则采集数据库中的应收账款数据,得到实时应收账款数据集;通过FCM模糊聚类算法对实时应收账款数据集进行数据聚类,得到应收账款分类表;根据应收账款分类表判断各网点的应收账款风险进行评估,若应收账款有风险,则进行预警。提升各平台的应收账款风险管控能力,对有风险的应收账款及时预警处理,提升财务结算效率和准确度。
由以上本说明书实施例提供的技术方案可见,本说明书实施例公开了一种结算网点的预警方法,所述方法包括:对应收账款数据的当前数据采集策略进行修改,得到更新数据采集策略;基于所述更新数据采集策略,采集数据库中的实时应收款数据,得到实时应收款数据集;基于预设算法对所述实时应收款数据集中各个数据进行聚类,得到每个数据类别对应的子数据集;获取每个子数据集对应的结算网点集;针对任一目标子数据集对应的目标结算网点集进行风险评估,得到所述目标结算网点集的评估结果;当评估结果表征所述目标结算网点集存在风险时,对所述目标结算网点集中各个目标结算网点进行预警。本发明提高了结算网点的预警效率以及预警准确率。
本说明书实施例还提供了一种结算网点的预警装置,如图8所示,所述装置包括:
采集策略更新模块810,用于对应收账款数据的当前数据采集策略进行修改,得到更新数据采集策略;
实时数据获取模块820,用于基于所述更新数据采集策略,采集数据库中的实时应收款数据,得到实时应收款数据集;
数据聚类模块830,用于基于预设算法对所述实时应收款数据集中各个数据进行聚类,得到每个数据类别对应的子数据集;
结算网点获取模块840,用于获取每个子数据集对应的结算网点集;
评估模块850,用于针对任一目标子数据集对应的目标结算网点集进行风险评估,得到所述目标结算网点集的评估结果;
预警模块860,用于当评估结果表征所述目标结算网点集存在风险时,对所述目标结算网点集中各个目标结算网点进行预警。
示例性的,所述采集策略更新模块包括:
关键词确定单元,用于对所述当前数据采集策略进行解析,得到查询关键词;所述关键词包括结算网点、网点业务类型、业务类型、费用大类、预付款名称、日期类型中的至少一项;
查询条件构建单元,用于基于所述查询关键词,构建多个层级的数据查询条件;所述多个层级的数据查询条件之间存在关联关系;
策略生成单元,用于基于所述多个层级的数据查询条件,生成更新数据采集策略。
示例性的,所述策略生成单元,还用于基于所述结算网点,确定一级数据查询条件;基于所述网点业务类型,生成二级数据查询条件;基于所述业务类型、费用大类、预付款名称、日期类型、开始日期、结束日期,生成三级数据查询条件;基于所述一级数据查询条件、所述二级数据查询条件以及所述三级数据查询条件,构建更新数据采集策略;采用所述更新数据采集策略替换所述应收账款数据的当前数据采集策略。
示例性的,所述实时数据获取模块包括:
第一筛选单元,用于基于所述一级数据查询条件,确定筛选结算网点,并从数据库中获取所述筛选结算网点对应的初始筛选数据;
第二筛选单元,用于基于所述二级数据查询条件,确定所述筛选结算网点对应的筛选网点业务类型,并从所述初始数据中获取所述筛选网点业务类型对应的二次筛选数据;
信息确定单元,用于基于所述三级数据查询条件,确定所述筛选网点业务类型对应的业务类型、费用大类、预付款名称、日期类型、开始日期、结束日期;
第三筛选单元,用于基于所述筛选网点业务类型对应的业务类型、费用大类、预付款名称、日期类型、开始日期、结束日期,从所述二次筛选数据中获取实时应收款数据集。
示例性的,所述数据聚类模块包括:
预付款类别获取单元,用于获取多个预付款类别;所述多个预付款类别包括普通预付款、实业预付款、代收货款预付款、供应链预付款;
聚类单元,用于基于FCM模糊聚类算法按照多个预付款类别,对所述实时应收款数据集中各个数据进行聚类,得到每个预付款类别对应的子数据集。
示例性的,所述装置还包括:
策略构建模块,用于根据每个预付款类别对应的预警阈值,构建预付款预警策略;
所述评估模块包括:
目标类别获取单元,用于获取所述目标子数据集对应的目标预付款类别;
预警阈值确定单元,用于基于所述预付款预警策略,确定所述目标预付款类别对应的目标预警阈值;
评估单元,用于基于所述目标预警阈值对所述目标结算网点集中各个目标结算网点进行风险评估,得到所述目标结算网点集每个目标结算网点的评估结果。
示例性的,所述预警阈值确定单元还用于:基于所述预付款预警策略,确定所述目标预付款类别对应的多个预警级别各自对应的预警数值范围;
相应的,所述评估单元包括:
目标数据获取单元,用于获取任一目标结算网点对应的目标应收账款数据;
目标范围获取单元,用于获取与所述目标应收账款数据相匹配的目标预警数值范围;
目标级别确定单元,用于将所述目标预警数值范围对应的预警级别确定为所述目标结算网点的预警级别。
所述的装置实施例中的装置与方法实施例基于同样地发明构思。
本说明书实施例提供了一种电子设备,该设备包括处理器和存储器,该存储器中存储有至少一条指令或至少一段程序,该至少一条指令或至少一段程序由该处理器加载并执行以实现如上述方法实施例所提供的结算网点的预警方法。
本发明的实施例还提供了一种计算机存储介质,所述存储介质可设置于终端之中以保存用于实现方法实施例中一种结算网点的预警方法相关的至少一条指令或至少一段程序,该至少一条指令或至少一段程序由该处理器加载并执行以实现上述方法实施例提供的结算网点的预警方法。
本发明的实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行以实现上述方法实施例提供的结算网点的预警方法。
可选地,在本说明书实施例中,存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书实施例所述存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、功能所需的应用程序等;存储数据区可存储根据所述设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器还可以包括存储器控制器,以提供处理器对存储器的访问。
本说明书实施例所提供的结算网点的预警方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例,图9是本说明书实施例提供的一种结算网点的预警方法的服务器的硬件结构框图。如图9所示,该服务器900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(CentralProcessing Units,CPU)910(中央处理器910可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器930,一个或一个以上存储应用程序923或数据922的存储介质920(例如一个或一个以上海量存储设备)。其中,存储器930和存储介质920可以是短暂存储或持久存储。存储在存储介质920的程序可以包括一个或一个以上模块,每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器910可以设置为与存储介质920通信,在服务器900上执行存储介质920中的一系列指令操作。服务器900还可以包括一个或一个以上电源960,一个或一个以上有线或无线网络接口950,一个或一个以上输入输出接口940,和/或,一个或一个以上操作系统921,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
输入输出接口940可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括服务器900的通信供应商提供的无线网络。在一个实例中,输入输出接口940包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,输入输出接口940可以为射频(RadioFrequency,RF)模块,其用于通过无线方式与互联网进行通讯。
本领域普通技术人员可以理解,图9所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,服务器900还可包括比图9中所示更多或者更少的组件,或者具有与图9所示不同的配置。
由上述本发明提供的结算网点的预警方法、装置、电子设备或存储介质的实施例可见,本发明对应收账款数据的当前数据采集策略进行修改,得到更新数据采集策略;基于所述更新数据采集策略,采集数据库中的实时应收款数据,得到实时应收款数据集;基于预设算法对所述实时应收款数据集中各个数据进行聚类,得到每个数据类别对应的子数据集;获取每个子数据集对应的结算网点集;针对任一目标子数据集对应的目标结算网点集进行风险评估,得到所述目标结算网点集的评估结果;当评估结果表征所述目标结算网点集存在风险时,对所述目标结算网点集中各个目标结算网点进行预警。本发明提高了结算网点的预警效率以及预警准确率。
需要说明的是:上述本说明书实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种结算网点的预警方法,其特征在于,所述方法包括:
对应收账款数据的当前数据采集策略进行修改,得到更新数据采集策略;
基于所述更新数据采集策略,采集数据库中的实时应收款数据,得到实时应收款数据集;
基于预设算法对所述实时应收款数据集中各个数据进行聚类,得到每个数据类别对应的子数据集;
获取每个子数据集对应的结算网点集;
针对任一目标子数据集对应的目标结算网点集进行风险评估,得到所述目标结算网点集的评估结果;
当评估结果表征所述目标结算网点集存在风险时,对所述目标结算网点集中各个目标结算网点进行预警。
2.根据权利要求1所述的方法,其特征在于,所述对应收账款数据的当前数据采集策略进行修改,得到更新数据采集策略,包括:
对所述当前数据采集策略进行解析,得到查询关键词;所述关键词包括结算网点、网点业务类型、业务类型、费用大类、预付款名称、日期类型中的至少一项;
基于所述查询关键词,构建多个层级的数据查询条件;所述多个层级的数据查询条件之间存在关联关系;
基于所述多个层级的数据查询条件,生成更新数据采集策略。
3.根据权利要求2所述的方法,其特征在于,所述基于所述多个层级的数据查询条件,生成更新数据采集策略,包括:
基于所述结算网点,确定一级数据查询条件;
基于所述网点业务类型,生成二级数据查询条件;
基于所述业务类型、费用大类、预付款名称、日期类型、开始日期、结束日期,生成三级数据查询条件;
基于所述一级数据查询条件、所述二级数据查询条件以及所述三级数据查询条件,构建更新数据采集策略;
采用所述更新数据采集策略替换所述应收账款数据的当前数据采集策略。
4.根据权利要求3所述的方法,其特征在于,所述基于所述更新数据采集策略,采集数据库中的实时应收款数据,得到实时应收款数据集,包括:
基于所述一级数据查询条件,确定筛选结算网点,并从数据库中获取所述筛选结算网点对应的初始筛选数据;
基于所述二级数据查询条件,确定所述筛选结算网点对应的筛选网点业务类型,并从所述初始数据中获取所述筛选网点业务类型对应的二次筛选数据;
基于所述三级数据查询条件,确定所述筛选网点业务类型对应的业务类型、费用大类、预付款名称、日期类型、开始日期、结束日期;
基于所述筛选网点业务类型对应的业务类型、费用大类、预付款名称、日期类型、开始日期、结束日期,从所述二次筛选数据中获取实时应收款数据集。
5.根据权利要求1所述的方法,其特征在于,所述基于预设算法对所述实时应收款数据集中各个数据进行聚类,得到每个数据类别对应的子数据集,包括:
获取多个预付款类别;所述多个预付款类别包括普通预付款、实业预付款、代收货款预付款、供应链预付款;
基于FCM模糊聚类算法按照多个预付款类别,对所述实时应收款数据集中各个数据进行聚类,得到每个预付款类别对应的子数据集。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
根据每个预付款类别对应的预警阈值,构建预付款预警策略;
所述针对任一目标子数据集对应的目标结算网点集进行风险评估,得到所述目标结算网点集的评估结果,包括:
获取所述目标子数据集对应的目标预付款类别;
基于所述预付款预警策略,确定所述目标预付款类别对应的目标预警阈值;
基于所述目标预警阈值对所述目标结算网点集中各个目标结算网点进行风险评估,得到所述目标结算网点集每个目标结算网点的评估结果。
7.根据权利要求6所述的方法,其特征在于,所述基于所述预付款预警策略,确定所述目标预付款类别对应的目标预警阈值,包括:
基于所述预付款预警策略,确定所述目标预付款类别对应的多个预警级别各自对应的预警数值范围;
相应的,所述基于所述目标预警阈值对所述目标结算网点集中各个目标结算网点进行风险评估,得到所述目标结算网点集每个目标结算网点的评估结果,包括:
获取任一目标结算网点对应的目标应收账款数据;
获取与所述目标应收账款数据相匹配的目标预警数值范围;
将所述目标预警数值范围对应的预警级别确定为所述目标结算网点的预警级别。
8.一种结算网点的预警装置,其特征在于,所述装置包括:
采集策略更新模块,用于对应收账款数据的当前数据采集策略进行修改,得到更新数据采集策略;
实时数据获取模块,用于基于所述更新数据采集策略,采集数据库中的实时应收款数据,得到实时应收款数据集;
数据聚类模块,用于基于预设算法对所述实时应收款数据集中各个数据进行聚类,得到每个数据类别对应的子数据集;
结算网点获取模块,用于获取每个子数据集对应的结算网点集;
评估模块,用于针对任一目标子数据集对应的目标结算网点集进行风险评估,得到所述目标结算网点集的评估结果;
预警模块,用于当评估结果表征所述目标结算网点集存在风险时,对所述目标结算网点集中各个目标结算网点进行预警。
9.一种电子设备,其特征在于,所述设备包括:处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-7任一所述的结算网点的预警方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-7任一所述的结算网点的预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410020688.3A CN117911175A (zh) | 2024-01-05 | 2024-01-05 | 结算网点的预警方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410020688.3A CN117911175A (zh) | 2024-01-05 | 2024-01-05 | 结算网点的预警方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117911175A true CN117911175A (zh) | 2024-04-19 |
Family
ID=90686385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410020688.3A Pending CN117911175A (zh) | 2024-01-05 | 2024-01-05 | 结算网点的预警方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117911175A (zh) |
-
2024
- 2024-01-05 CN CN202410020688.3A patent/CN117911175A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111506801B (zh) | 一种应用App中子应用的排序方法及装置 | |
CN107038166B (zh) | 查询可预约仓库容量、预约及取消预约入库方法及装置 | |
US20070192279A1 (en) | Advertising in a Database of Documents | |
CN105490823B (zh) | 一种数据处理方法及装置 | |
CN104866484A (zh) | 一种数据处理方法和装置 | |
CN104468136A (zh) | 计费方法、分析中心和计费中心 | |
CN109300039A (zh) | 基于人工智能和大数据进行智能产品推荐的方法及系统 | |
CN110852870A (zh) | 一种虚拟资源转移方法、装置、设备及可读存储介质 | |
CN109636482B (zh) | 基于相似度模型的数据处理方法及系统 | |
US20230013086A1 (en) | Systems and Methods for Using Machine Learning Models to Automatically Identify and Compensate for Recurring Charges | |
CN109325845A (zh) | 一种金融产品智能推荐方法及系统 | |
US20140289007A1 (en) | Scenario based customer lifetime value determination | |
CN108154311A (zh) | 基于随机森林和决策树的优质客户识别方法及装置 | |
CN115170294A (zh) | 一种客户分类方法、装置及服务器 | |
CN113205402A (zh) | 对账方法、装置、电子设备及计算机可读介质 | |
CN110019774B (zh) | 标签分配方法、装置、存储介质及电子装置 | |
CN105359172A (zh) | 计算企业存在拖欠的概率 | |
CN115545886A (zh) | 逾期风险识别方法、装置、设备及存储介质 | |
KR101911922B1 (ko) | 빅데이터 기반 무형저축상품 전자결제를 이용한 결제통합 저축 서비스 제공 방법 | |
CN111199473A (zh) | 基于交易记录信息的反作弊方法、装置和系统 | |
CN117911175A (zh) | 结算网点的预警方法、装置、电子设备及存储介质 | |
CN115130756A (zh) | 一种在线服务的管理方法、装置、电子设备及存储介质 | |
US11379929B2 (en) | Advice engine | |
CN112581281A (zh) | 产品推荐方法及装置、存储介质及电子设备 | |
KR20220018376A (ko) | 전문가 매칭 플랫폼에 대한 운영 방법 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |