TW201901574A - 具有銷售點終端的金融服務方法 - Google Patents

Abstract

一種金融服務方法，包含以下步驟：(A)當接收到相關於一銷售點終端之相關於多個產品的產品參數資料時，一金融伺服單元將該產品參數資料存入產品管理資料中；及(B)當自該銷售點終端接收到至少一金融服務請求時，該金融伺服單元利用一類神經網路演算法根據一當前時間區間的產品參數資料及前一時間區間所計算出的隱藏狀態值，預測該當前時間區間的隱藏狀態值，並根據該當前時間區間的隱藏狀態值計算出一相關於該銷售點終端的信用評等；及(C)該金融伺服單元根據該信用評等產生並傳送至少一對應該至少一金融服務請求的金融服務條件至該銷售點終端。

Description

具有銷售點終端的金融服務方法

本發明是有關於一種金融服務方法，特別是指一種利用銷售點終端載具提供金融服務的金融服務方法。

小型微利企業通常指自我雇佣（包括不付薪酬的家庭雇員）、個體經營的小企業。雖然小型微利企業通常不需太高的創業資金，但絕大多數小型微利企業還是很容易面臨資金短缺的困難。相較於中小型企業，小型微利企業貸款的風險成本和信用成本更高，因此一般商業性銀行都不願介入此類業務。另外，微利企業通常沒有完整的財務與財務報表紀錄，銀行很難去查證其營運狀況，在風險控管的考量下，微利企業往往很難貸款。

然而，小型微利企業的創立和發展對於創造大量自我就業機會、扶助弱勢群體、促進經濟發展和保持社會穩定都具有積極作用。因此，對於銀行業者來說，如何支持小型微利企業的創立和發展並降低銀行的放貸風險是一亟待解決之問題。

因此，本發明的目的，即在提供一種提供客製化金融服務，並降低銀行風險的金融服務方法。

於是，本發明金融服務方法，藉由一銷售點終端來實施，該銷售點終端可提供一企業資源規劃功能，並經由一通訊網路與一管理端及一金融伺服單元連接，該管理端亦經由該通訊網路與該金融伺服單元連接，該金融伺服單元儲存有相關於該銷售點終端的使用者資料，該使用者資料包含產品管理資料，該金融服務方法包含以下步驟：

(A)該銷售點終端在一時間區間經由一使用者的輸入操作產生包含相關於多個產品的一產品進貨紀錄、一產品銷貨紀錄及一產品存貨紀錄的產品管理記錄；

(B) 該銷售點終端根據該產品管理記錄，獲得對應該時間區間，且包含至少一與該等產品之進貨相關的進貨參數、至少一與該等產品之銷貨相關的銷貨參數，及至少一與該等產品之存貨相關的存貨參數的產品參數資料，並將該產品參數資料傳送至該管理端，以致該管理端將該產品參數資料傳送至該金融伺服單元；

(C) 該銷售點終端經由該使用者的輸入操作產生並傳送至少一金融服務請求至該金融伺服單元，以使該金融伺服單元將所儲存的該產品管理資料中之一與該當前時間點間隔最短之時間區間的產品參數資料作為一當前時間區間的產品參數資料，並利用一類神經網路演算法至少根據該當前時間區間的產品參數資料及前一時間區間所計算出且相關於一類神經網路模型之隱藏層的隱藏狀態值，預測該當前時間區間的一相關於該類神經網路模型之隱藏層的隱藏狀態值，並根據該當前時間區間的隱藏狀態值計算出一相關於該銷售點終端的信用評等，且根據該信用評等產生至少一對應該至少一金融服務請求的金融服務條件；及

(D)當該銷售點終端接收到由該金融伺服單元所產生之該至少一金融服務條件時，該銷售點終端呈現該至少一金融服務條件。

本發明的另一目的，即在提供一種提供客製化金融服務，並降低銀行風險的金融服務方法。

於是，本發明金融服務方法，藉由一金融伺服單元來實施，該金融伺服單元經由一通訊網路與一管理端及一銷售點終端連接，該銷售點終端可提供一企業資源規劃功能，該金融伺服單元儲存有相關於該銷售點終端的使用者資料，該使用者資料包含產品管理資料，該金融服務方法包含以下步驟：

(A)當該金融伺服單元接收到一由該銷售點終端所產生之對應於一時間區間且包含至少一與多個產品的之進貨相關的進貨參數、至少一與該等產品之銷貨相關的銷貨參數，及至少一與該等產品之存貨相關的存貨參數的產品參數資料時，該金融伺服單元將該產品參數資料存入該產品管理資料中；

(B)當該金融伺服單元接收到至少一金融服務請求時，該金融伺服單元將所儲存的該產品管理資料中之一與該當前時間點間隔最短之時間區間的產品參數資料作為一當前時間區間的產品參數資料，並利用一類神經網路演算法至少根據該當前時間區間的產品參數資料及前一時間區間所計算出且相關於一類神經網路模型之隱藏層的隱藏狀態值，預測該當前時間區間的一相關於該類神經網路模型之隱藏層的隱藏狀態值，並根據該當前時間區間的隱藏狀態值計算出一相關於該銷售點終端的信用評等；及

(C)該金融伺服單元根據該信用評等產生至少一對應該至少一金融服務請求的金融服務條件，並傳送該至少一金融服務條件至該銷售點終端。

本發明的功效在於：藉由該銷售點終端將該產品參數資料傳送至該管理端，以致該管理端將該產品參數資料傳送至該金融伺服單元，進而使得該金融伺服單元將該產品參數資料存入該產品管理資料中，該金融伺服單元根據該當前時間區間的產品參數資料及前一時間區間所計算出且相關於該類神經網路模型之隱藏層的隱藏狀態值所產生的該信用評等是因應客戶之營運狀況而產生，藉此，可提供客戶客制化的金融服務，亦可降低銀行因提供金融服務如，放貸所產生的風險。

參閱圖1，一金融服務系統包含本發明銷售點終端1的實施例、經由一通訊網路100與該銷售點終端1連接之本發明金融伺服單元2的實施例，及一經由該通訊網路100與該銷售點終端1及該金融伺服單元2連接的管理端3。

該銷售點終端1可提供一銷售結帳功能及一企業資源規劃功能，並包含一終端輸入單元11、一終端顯示單元12、一連接至該通訊網路100的終端通訊單元13，及一電連接該終端輸入單元11、該終端顯示單元12與該終端通訊單元13的終端處理單元14。該終端處理單元14包含一用於提供該銷售結帳功能的銷售管理模組141、一用於提供該企業資源規劃功能的企業資源規劃模組142，及一金融服務模組143。

該金融伺服單元2包含一資料伺服器4、一金融條件計算伺服器5、一交易伺服器6及一位置計算伺服器7。該資料伺服器4經由該通訊網路100與該管理端3及該銷售點終端1連接，並儲存有相關於該銷售點終端1的使用者資料，及對應於多個分行的分行資料。該使用者資料包含產品管理資料、交易資料、徵信資料及銷售點終端資料。其中該徵信資料例如可包含相關於一持有該銷售點終端1的使用者之資產狀況的一資產記錄及相關於該使用者之信貸狀況的一信貸記錄、相關於該使用者公開於聯合徵信中心之交易的一公開交易記錄，該資產記錄、該信貸記錄及該公開交易記錄共同構成一徵信記錄，在本實施例中，該徵信記錄包含一指示出該使用者所持有之信用卡數量的信用卡總數、一指示出該使用者是否使用循環的循環指標、一相關於該使用者的信貸總額之至少一者。該交易資料例如可包含相關於該使用者利用金融服務模組143進行交易的交易記錄，及相關於該使用者與該金融伺服單元2所對應的一銀行之往來狀況的一互動記錄，在本實施例中，該互動記錄包含一指示出該使用者持有該銀行之產品的產品總數、一指示出該使用者與該銀行之往來年數的互動總年數、一指示出該使用者於該銀行之開戶數量的帳戶總數、一指示出該使用者於一區間內在該銀行之匯款次數的匯款總次數、一指示出該使用者於該區間內在該銀行之匯款金額的匯款總金額、一指示出該使用者於該區間內在該銀行之匯入帳戶數量的匯入帳戶總數，及一指示出該使用者於該區間內在該銀行之貢獻度的貢獻程度值之至少一者。其中，該貢獻程度值可由該使用者在該區間內對該銀行的手續費與利息收入所產生的收益加總而獲得。其中，每經過一段時間後該資料伺服器4即會儲存最新獲得的該徵信記錄及該互動記錄。

該金融條件計算伺服器5電連接該資料伺服器4，並經由該通訊網路100與該銷售點終端1連接。該交易伺服器6電連接該資料伺服器4，並經由該通訊網路100與該銷售點終端1連接。該位置計算伺服器7電連接該資料伺服器4，並經由一內部通訊網路101與多個分別對應於該等分行的分行端裝置(圖未示)連接，且經由該通訊網路100與該銷售點終端1連接。在本實施例中，該金融伺服單元2是一台具有高運算能力的伺服主機，而該資料伺服器4、該金融條件計算伺服器5、該交易伺服器6及該位置計算伺服器7分別為該伺服主機中的多台虛擬機器（Virtual Machine），該金融條件計算伺服器5、該交易伺服器6及該位置計算伺服器7分別經由該內部通訊網路101與該資料伺服器4連接。然而，在本發明的其他實施例中，該金融伺服單元2也可是由多台分開之伺服器所構成的伺服器單元，而該資料伺服器4、該金融條件計算伺服器5、該交易伺服器6及該位置計算伺服器7分別為該伺服器單元中的多台分開之伺服器。

值得一提的是，由於該銷售點終端1所提供的銷售結帳功能可支援如，信用卡、微信支付及一卡通等支付方式，因此，欲使用本發明所提供之金融服務，且持有該銷售點終端1的該使用者於該金融伺服單元2所對應的銀行開設有一對應於該銷售點終端1的帳戶，以使得採用如，信用卡、微信支付及一卡通等支付方式的消費者所支付的金額能夠存入該銷售點終端1所對應的帳戶中。此外，在該使用者初次申請金融服務時，該使用者可藉由操作該銷售點終端1以產生並經由該通訊網路100傳送至少一金融服務開通請求至該金融伺服單元2的資料伺服器4，當該資料伺服器4經由該通訊網路100接收到該至少一金融服務開通請求時，該資料伺服器4將該至少一金融服務開通請求、包含於該銷售點終端資料中之銷售點終端位置，及包含於該分行資料中之各分行的分行位置與分行識別資料傳送至該位置計算伺服器7，當該位置計算伺服器7接收到該至少一金融服務開通請求、該銷售點終端位置及該等分行位置時，該位置計算伺服器7根據該銷售點終端位置及該等分行位置，獲得一與該銷售點終端位置最近之分行位置所對應的分行識別資料，並經由該內部通訊網路101將該至少一金融服務開通請求傳送至該分行識別資料所對應的一分行端裝置。當該分行端裝置經由該內部通訊網路101接收到該至少一金融服務開通請求時，持有該分行端裝置的一分行服務人員即可攜帶該分行端裝置親自拜訪持有該銷售點終端1的該使用者，並利用該分行端裝置完成該至少一金融服務開通請求所對應之金融服務的線上開通手續，該至少一金融服務開通請求包含一存款服務開通請求、一理財服務開通請求、一貸款服務開通請求及一保險服務開通請求之至少一者。值得注意的是，大部分金融服務的開通可由線上開通手續來完成，惟，礙於政府法規的規定，少部分金融服務的開通恐還是需經由人工填寫並簽暑文件才可完成開通程序。不論金融服務的開通是完全經由電子化的方式完成，還是經由部分電子化部分人工作業的分式來完成，當金融服務完成開通後，往後該使用者即可利用該銷售點終端1來針對所開通之金融服務提出金融服務請求。

參閱圖1、圖2與圖3，以下將配合本發明金融服務方法之實施例來說明該銷售點終端1、該金融伺服單元2及該管理端3各元件間之作動。本實施例依序包含有一產品參數資料儲存程序與一金融服務條件產生程序。該產品參數資料儲存程序包含有步驟800~步驟803，該金融服務條件產生程序包含有步驟807~步驟815。

在步驟800中，該銷售點終端1之企業資源規劃模組142根據來自該終端輸入單元11且在一時間區間經由一使用者的輸入操作而產生之一輸入信號，對應產生包含相關於多個產品的一產品進貨紀錄、一產品銷貨紀錄及一產品存貨紀錄的產品管理記錄。其中，該產品進貨紀錄包含每一產品的進貨數量及其對應的進貨時間，以及每一產品的進貨成本與付款條件，該產品銷貨紀錄包含每一產品的銷貨數量及其對應的銷貨時間與收款條件，以及每一產品的銷售金額，該產品存貨紀錄包含每一產品的存貨數量。在本實施例中，可將該時間區間設為一個月，如每月的21號到次月的20號，但不以此為限。

在步驟801中，該銷售點終端1之企業資源規劃模組142根據該產品管理記錄，獲得對應該時間區間，且包含至少一與該等產品之進貨相關的進貨參數、至少一與該等產品之銷貨相關的銷貨參數，及至少一與該等產品之存貨相關的存貨參數的產品參數資料，並經由該終端通訊單元13將該產品參數資料傳送至該管理端3。 在本實施例中，該至少一進貨參數包含一應付賬款周轉率、一應付帳款週轉天數、一平均進貨總額及一進貨品項數之至少一者，該至少一銷貨參數包含一應收帳款周轉率、一應收帳款週轉天數、一銷售淨利率及一平均銷貨總額之至少一者，該至少一存貨參數包含一存貨周轉率、一存貨週轉天數、一平均存貨總額及一營業週期之至少一者。

在步驟802中，當該管理端3經由該通訊網路100接收到來自該銷售點終端1的該產品參數資料時，該管理端3將該產品參數資料經由該通訊網路100傳送至該金融伺服單元2的資料伺服器4。

在步驟803中，當該資料伺服器4經由該通訊網路100自該管理端3接收到該產品參數資料時，該資料伺服器4將該產品參數資料存入該產品管理資料中。由於該銷售點終端1會將該產品參數資料傳送至該管理端，以使該管理端將該產品參數資料傳送至該金融伺服單元2儲存，藉由該資料伺服器4管理儲存該產品參數資料此種雲端式的管理儲存可集中管理客戶的產品參數資料，若客戶有多家分店，設置於每一分店之銷售點終端1皆會將其對應的產品參數資料傳送至該管理端，以致該金融伺服單元2可儲存該客戶所有分店所對應的產品參數資料，此機制與現有的銷售點終端僅能紀錄一間分店的產品參數資料具有極大區隔。

在步驟807中，該銷售點終端1之金融服務模組143根據來自該終端輸入單元11且經由該使用者的輸入操作而產生之另一輸入信號，對應產生至少一金融服務請求，並經由該終端通訊單元13將該至少一金融服務請求傳送至該金融伺服單元2的交易伺服器6。

在步驟808中，當該交易伺服器6經由該通訊網路100自該銷售點終端1接收到該至少一金融服務請求時，該交易伺服器6將該至少一金融服務請求傳送至該資料伺服器4。

在步驟809中，當該資料伺服器4接收到該至少一金融服務請求時，該資料伺服器4將所儲存的該產品管理資料中之一與該當前時間點(亦即，接收到該至少一金融服務請求的接收時間點)間隔最短之時間區間的產品參數資料作為一當前時間區間的產品參數資料，且將所儲存的該交易資料中位於與該當前時間點間隔最短之時間所獲得的互動記錄作為一當前時間區間的互動記錄，並將所儲存的該徵信資料中位於與該當前時間點間隔最短之時間所獲得的徵信記錄作為一當前時間區間的徵信記錄，該資料伺服器4將該至少一金融服務請求、該當前時間區間的產品參數資料、互動記錄及徵信記錄傳送至該金融條件計算伺服器5。

在步驟810中，當該金融條件計算伺服器5接收到該至少一金融服務請求，以及該當前時間區間的產品參數資料、互動記錄及徵信記錄時，該金融條件計算伺服器5利用一類神經網路演算法根據該至少一金融服務請求、該當前時間區間的產品參數資料、互動記錄與徵信記錄，以及前一時間區間所計算出且相關於一類神經網路模型之隱藏層的隱藏狀態值，預測該當前時間區間的一相關於該類神經網路模型之隱藏層的隱藏狀態值，並根據該當前時間區間的隱藏狀態值計算出一相關於該銷售點終端的信用評等。

值得特別說明的是，該當前時間區間的相關於該類神經網路模型之隱藏層的該隱藏狀態值係根據在該當前時間區間的產品參數資料、互動記錄及徵信記錄、該前一時間區間的相關於該類神經網路模型之隱藏層的隱藏狀態值及下列公式(1)而獲得。此外，在本實施例中，係由該當前時間區間的產品參數資料、互動記錄及徵信記錄所組成，然而，在本發明之其他實施例中，亦可僅由該當前時間區間的產品參數資料、互動記錄及徵信記錄之其中至少一者所組成，並不以此為限。…(1)

其中，為一線性整流函數及一帶泄露線性整流函數之其中一者，代表在該當前時間區間且相關於該類神經網路模型之輸入層與隱藏層間的權重矩陣，代表該前一時間區間之該類神經網路模型的隱藏層傳遞到該當前時間區間之該類神經網路模型的隱藏層之權重矩陣。值得注意的是，當該當前時間為第1個時間區間時(亦即在初始狀態下)，此時，前一時間區間(即第0個時間區間)的相關於該類神經網路模型之隱藏層的隱藏狀態值被設定為一預設初始值。即使該金融條件計算伺服器5針對第1個時間區間所預測出之相關於該類神經網路模型之隱藏層的隱藏狀態值是不精確的，但本發明金融服務方法之實施例依舊可根據後續所接收到的產品參數資料逐漸收斂出較佳的預測模型，以預測出越來越精確的隱藏狀態值。此外，該類神經網路演算法針對不同的訓練資料，所收斂出的該類神經網路模型亦會隨之不同，藉由該類神經網路演算法此一自主學習特性，本發明採用類神經網路演算法來進行信用評等的預估，可因應不同產業類別的小型微利企業建置出適合評估其信用評等的預測模型。

該銷售點終端的信用評等係根據該當前時間區間的相關於該類神經網路模型之隱藏層的該隱藏狀態值及下列公式(2)而獲得。…(2)

其中，為一歸一化指數函數，代表在該當前時間區間且相關於該類神經網路模型之隱藏層與輸出層間的權重矩陣。

在步驟811中，該金融條件計算伺服器5根據該信用評等產生並經由該通訊網路100傳送至少一對應該至少一金融服務請求的金融服務條件至該銷售點終端1。

在本實施例中，該至少一金融服務請求包含一存款服務請求、一理財服務請求、一貸款服務請求及一保險服務請求之至少一者，該至少一金融服務條件包含一存款服務條件、一理財服務條件、一貸款服務條件及一保險服務條件之至少一者。該存款服務條件例如包含至少一存款方案，每一存款方案包括所對應之存款利率。該理財服務條件例如包含至少一投資組合方案。該貸款服務條件例如包含至少一貸款方案，每一貸款方案包括所對應之貸款額度與貸款利率。該保險服務條件例如包含至少一保險方案。

舉例來說，以貸款服務條件來說，當該信用評等越高時，貸款服務條件所對應之貸款額度即會越高且貸款利率即會越低。

在步驟812中，當該銷售點終端1之金融服務模組143經由該終端通訊單元13接收到來自該金融伺服單的該至少一金融服務條件時，該金融服務模組143將該至少一金融服務條件呈現於該終端顯示單元12。

在步驟813中，該銷售點終端1之該金融服務模組143還根據來自該終端輸入單元11且經由該使用者的輸入操作而產生之另一輸入信號，對應產生一相關於該至少一金融服務條件之其中一者的交易請求，並經由該終端通訊單元13傳送該交易請求至該金融伺服單元2的交易伺服器6。藉由將金融功能整合到該銷售點終端1中，該銷售點終端1本身包含金融服務的模組，客戶即可直接在該銷售點終端1上看到各金融服務的各項個人化的金融服務以及帳戶往來的各項紀錄、利息、與投資損益。

在步驟814中，當該交易伺服器6經由該通訊網路100自該銷售點終端1接收到該交易請求時，該交易伺服器6根據該交易請求產生一對應於該交易請求的交易記錄，並將該交易記錄傳送至該資料伺服器4。

在步驟815中，當該資料伺服器4接收到該交易記錄時，該資料伺服器4將該交易記錄存入該交易資料中。

綜上所述，本發明金融服務方法，藉由該銷售點終端1將該產品參數資料傳送至該管理端3，以致該管理端3將該產品參數資料傳送至該金融伺服單元2，進而使得該金融伺服單元2將該產品參數資料存入該產品管理資料中，該金融伺服單元2根據該當前時間區間的產品參數資料、互動記錄與徵信記錄，以及前一時間區間所計算出之隱藏層的隱藏狀態值所預測出的該信用評是因應客戶之營運狀況及交易狀況而產生，藉此，該金融伺服單元2根據該信用評等所產生的該至少一金融服務條件可提供客戶客制化的金融服務，亦可降低銀行因提供金融服務如，放貸所產生的風險，故確實能達成本發明的目的。

惟以上所述者，僅為本發明的實施例而已，當不能以此限定本發明實施的範圍，凡是依本發明申請專利範圍及專利說明書內容所作的簡單的等效變化與修飾，皆仍屬本發明專利涵蓋的範圍內。

1‧‧‧銷售點終端

11‧‧‧終端輸入單元

12‧‧‧終端顯示單元

13‧‧‧終端通訊單元

14‧‧‧終端處理單元

141‧‧‧銷售管理模組

142‧‧‧企業資源規劃模組

143‧‧‧金融服務模組

2‧‧‧金融伺服單元

3‧‧‧管理端

4‧‧‧資料伺服器

5‧‧‧金融條件計算伺服器

6‧‧‧交易伺服器

7‧‧‧位置計算伺服器

100‧‧‧通訊網路

101‧‧‧內部通訊網路

800~803‧‧‧步驟

807~815‧‧‧步驟

本發明的其他的特徵及功效，將於參照圖式的實施方式中清楚地呈現，其中： 圖1是一方塊圖，說明本發明銷售點終端的實施例、本發明金融伺服單元的實施例，及一經由該通訊網路與該銷售點終端及該金融伺服單元連接的管理端； 圖2是一流程圖，說明本發明金融服務方法的實施例中的一產品參數資料儲存程序；及 圖3是一流程圖，說明本發明金融服務方法的實施例中的一金融服務條件產生程序。

Claims (10)

1. 一種金融服務方法，藉由一銷售點終端來實施，該銷售點終端可提供一企業資源規劃功能，並經由一通訊網路與一管理端及一金融伺服單元連接，該管理端亦經由該通訊網路與該金融伺服單元連接，該金融伺服單元儲存有相關於該銷售點終端的使用者資料，該使用者資料包含產品管理資料，該金融服務方法包含以下步驟： (A)該銷售點終端在一時間區間經由一使用者的輸入操作產生包含相關於多個產品的一產品進貨紀錄、一產品銷貨紀錄及一產品存貨紀錄的產品管理記錄； (B) 該銷售點終端根據該產品管理記錄，獲得對應該時間區間，且包含至少一與該等產品之進貨相關的進貨參數、至少一與該等產品之銷貨相關的銷貨參數，及至少一與該等產品之存貨相關的存貨參數的產品參數資料，並將該產品參數資料傳送至該管理端，以致該管理端將該產品參數資料傳送至該金融伺服單元； (C)該銷售點終端經由該使用者的輸入操作產生並傳送至少一金融服務請求至該金融伺服單元，以使該金融伺服單元將所儲存的該產品管理資料中之一與該當前時間點間隔最短之時間區間的產品參數資料作為一當前時間區間的產品參數資料，並利用一類神經網路演算法至少根據該當前時間區間的產品參數資料及前一時間區間所計算出且相關於一類神經網路模型之隱藏層的隱藏狀態值，預測該當前時間區間的一相關於該類神經網路模型之隱藏層的隱藏狀態值，並根據該當前時間區間的隱藏狀態值計算出一相關於該銷售點終端的信用評等，且根據該信用評等產生至少一對應該至少一金融服務請求的金融服務條件；及 (D)當該銷售點終端接收到由該金融伺服單元所產生之該至少一金融服務條件時，該銷售點終端呈現該至少一金融服務條件。
2. 如請求項1所述的金融服務方法，其中，在該步驟(C)中，該當前時間區間的相關於該類神經網路模型之隱藏層的該隱藏狀態值還根據下列公式而獲得：其中，為一線性整流函數及一帶泄露線性整流函數之其中一者，代表在該當前時間區間且相關於該類神經網路模型之輸入層與隱藏層間的權重矩陣，代表在該當前時間區間的產品參數資料，代表該前一時間區間之該類神經網路模型的隱藏層傳遞到該當前時間區間之該類神經網路模型的隱藏層之權重矩陣，代表該前一時間區間的相關於該類神經網路模型之隱藏層的隱藏狀態值。
3. 如請求項1所述的金融服務方法，其中，在該步驟(C)中，該銷售點終端的信用評等還根據下列公式而獲得：其中，為一歸一化指數函數，代表在該當前時間區間且相關於該類神經網路模型之隱藏層與輸出層間的權重矩陣，代表該當前時間區間的相關於該類神經網路模型之隱藏層的該隱藏狀態值。
4. 如請求項1所述的金融服務方法，其中，在該步驟(B)中，該至少一進貨參數包含一應付賬款周轉率、一應付帳款週轉天數、一平均進貨總額及一進貨品項數之至少一者，該至少一銷貨參數包含一應收帳款周轉率、一應收帳款週轉天數、一銷售淨利率及一平均銷貨總額之至少一者，該至少一存貨參數包含一存貨周轉率、一存貨週轉天數、一平均存貨總額及一營業週期之至少一者。
5. 如請求項1所述的金融服務方法，該使用者資料還包含交易資料，在步驟(D)之後，還包含以下步驟： (E)該銷售點終端經由該使用者的輸入操作產生一相關於該至少一金融服務條件之其中一者的交易請求，並將該交易請求傳送至該金融伺服單元，以致該金融伺服單元將一對應於該交易請求的交易記錄存入該交易資料中。
6. 一種金融服務方法，藉由一金融伺服單元來實施，該金融伺服單元經由一通訊網路與一管理端及一銷售點終端連接，該銷售點終端可提供一企業資源規劃功能，該金融伺服單元儲存有相關於該銷售點終端的使用者資料，該使用者資料包含產品管理資料，該金融服務方法包含以下步驟： (A)當該金融伺服單元接收到一由該銷售點終端所產生之對應於一時間區間且包含至少一與多個產品的之進貨相關的進貨參數、至少一與該等產品之銷貨相關的銷貨參數，及至少一與該等產品之存貨相關的存貨參數的產品參數資料時，該金融伺服單元將該產品參數資料存入該產品管理資料中； (B)當該金融伺服單元接收到至少一金融服務請求時，該金融伺服單元將所儲存的該產品管理資料中之一與該當前時間點間隔最短之時間區間的產品參數資料作為一當前時間區間的產品參數資料，並利用一類神經網路演算法至少根據該當前時間區間的產品參數資料及前一時間區間所計算出且相關於一類神經網路模型之隱藏層的隱藏狀態值，預測該當前時間區間的一相關於該類神經網路模型之隱藏層的隱藏狀態值，並根據該當前時間區間的隱藏狀態值計算出一相關於該銷售點終端的信用評等；及 (C)該金融伺服單元根據該信用評等產生至少一對應該至少一金融服務請求的金融服務條件，並傳送該至少一金融服務條件至該銷售點終端。
7. 如請求項6所述的金融服務方法，其中，在該步驟(B)中，該當前時間區間的相關於該類神經網路模型之隱藏層的該隱藏狀態值還根據下列公式而獲得：其中，為一線性整流函數及一帶泄露線性整流函數之其中一者，代表在該當前時間區間且相關於該類神經網路模型之輸入層與隱藏層間的權重矩陣，代表在該當前時間區間的產品參數資料，代表該前一時間區間之該類神經網路模型的隱藏層傳遞到該當前時間區間之該類神經網路模型的隱藏層之權重矩陣，代表該前一時間區間的相關於該類神經網路模型之隱藏層的隱藏狀態值。
8. 如請求項6所述的金融服務方法，其中，在該步驟(B)中，該銷售點終端的信用評等還根據下列公式而獲得：其中，為一歸一化指數函數，代表在該當前時間區間且相關於該類神經網路模型之隱藏層與輸出層間的權重矩陣，代表該當前時間區間的相關於該類神經網路模型之隱藏層的該隱藏狀態值。
9. 如請求項6所述的金融服務方法，其中，在該步驟(A)中，該至少一進貨參數包含一應付賬款周轉率、一應付帳款週轉天數、每月平均進貨總額及一進貨品項數之至少一者，該至少一銷貨參數包含一應收帳款周轉率、一應收帳款週轉天數、一銷售淨利率及每月平均銷貨總額之至少一者，該至少一存貨參數包含一存貨周轉率、一存貨週轉天數、每月平均存貨總額及一營業週期之至少一者。
10. 如請求項6所述的金融服務方法，該使用者資料還包含交易資料，在步驟(C)之後，還包含以下步驟： (D)當該金融伺服單元接收到一相關於該至少一金融服務條件之其中一者的交易請求時，該金融伺服單元將一對應於該交易請求的交易記錄存入該交易資料中。