CN114693419A - 金融作业处理方法、装置及系统 - Google Patents

Abstract

本发明公开了一种金融作业处理方法、装置及系统，涉及大数据分析领域，该方法包括：接收作业终端发送的作业需求信息，所述作业需求信息包括：作业类型、作业规模和作业时间；将所述作业需求信息和当前可执行作业人员信息输入至预先训练的数据分析模型，以输出作业决策信息，所述数据分析模型基于历史作业需求信息和历史作业决策信息进行训练，所述数据分析模型包括：热点分析模型、空间聚类分布分析模型、路径分析模型，所述作业决策信息包括：路线信息、作业时长和作业人员配置信息；将所述作业决策信息发送至所述作业终端。通过本发明，可以提高作业执行效率。

Description

金融作业处理方法、装置及系统

技术领域

本发明涉及大数据分析领域，具体涉及一种金融作业处理方法、装置及系统。

背景技术

客户是金融机构最核心的资源，现有金融机构的外拓营销服务主要依靠网点负责人根据上级机构的指示制定外拓营销计划。首先，计划制定者根据网点客户发展的历史数据，对网点客户进行画像分析，得到客户分层和结构数据；然后，负责人梳理网点现有可用业务资源，将外拓获客项目进行目标分解，并进行团队分工，充分发掘现有网点员工的不同特质，让外拓营销团队里的每个员工各司其职，发挥最大价值；最后，针对不同客户群体开展不同的外拓营销活动，变现流量。

然而，现有的外拓营销服务计划制定主要依赖于计划负责人的分析决策，个人主观性较强，且存在如下问题：计划执行效率低、无法准确规划最优服务路线、难以快速定位客户属性、难以精准营销、发掘新的潜在客户难度大等问题，从而可能会影响客户的体验感。

发明内容

有鉴于此，本发明提供一种金融作业处理方法、装置及系统，以解决上述提及的至少一个问题。

根据本发明的第一方面，提供一种金融作业处理方法，所述方法包括：

接收作业终端发送的作业需求信息，所述作业需求信息包括：作业类型、作业规模和作业时间；

将所述作业需求信息和当前可执行作业人员信息输入至预先训练的数据分析模型，以输出作业决策信息，所述数据分析模型基于历史作业需求信息和历史作业决策信息进行训练，所述数据分析模型包括：热点分析模型、空间聚类分布分析模型、路径分析模型，所述作业决策信息包括：路线信息、作业时长和作业人员配置信息；

将所述作业决策信息发送至所述作业终端。

具体地将所述作业需求信息和当前可执行作业人员信息输入至预先训练的数据分析模型，以输出作业决策信息包括：根据输入的作业类型、作业规模和作业时间从所述数据分析模型中选择至少一个模型；根据所述输入的作业类型、作业规模和作业时间以及当前可执行作业人员信息，基于选择的模型进行分析操作，以输出所述作业决策信息。

进一步地，所述方法还包括：预先设置所述作业决策信息的显示参数，所述显示参数与数据分析模型中的各模型对应。

优选地，所述作业决策信息以与预先设置的显示参数相应的形式表示。

进一步地，通过如下方式训练所述数据分析模型：获取所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息；根据所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息训练所述热点分析模型、空间聚类分布分析模型、路径分析模型。

具体地，根据所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息训练所述热点分析模型、空间聚类分布分析模型、路径分析模型包括：根据所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息分别训练所述热点分析模型、空间聚类分布分析模型、路径分析模型；和/或，根据所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息结合训练所述热点分析模型、空间聚类分布分析模型、路径分析模型中两者或者三者。

根据本发明的第二方面，提供一种金融作业处理装置，所述装置包括：

作业需求信息接收单元，用于接收作业终端发送的作业需求信息，所述作业需求信息包括：作业类型、作业规模和作业时间；

作业决策信息生成单元，用于将所述作业需求信息和当前可执行作业人员信息输入至预先训练的数据分析模型，以输出作业决策信息，所述数据分析模型基于历史作业需求信息和历史作业决策信息进行训练，所述数据分析模型包括：热点分析模型、空间聚类分布分析模型、路径分析模型，所述作业决策信息包括：路线信息、作业时长和作业人员配置信息；

作业决策信息发送单元，用于将所述作业决策信息发送至所述作业终端。

根据本发明的第三方面，提供一种金融作业处理系统，所述系统包括：上述的金融作业处理装置以及作业终端。

根据本发明的第四方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。

根据本发明的第五方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

由上述技术方案可知，通过将接收的作业需求信息和当前可执行作业人员信息输入至数据分析模型，随后数据分析模型输出作业决策信息，之后将作业决策信息发送至作业终端，以便于作业人员根据作业决策信息执行作业，本技术方案基于数据分析模型输出作业决策信息，能够规避现有方案中的人为决策、经验主义带来的服务计划不可靠、需求不匹配等问题，可以提高作业执行效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图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是根据本发明实施例的金融作业处理系统的结构框图；

图2是根据本发明实施例的金融作业处理装置20的结构框图；

图3是根据本发明实施例的外拓服务营销决策系统的示例架构图；

图4是根据本发明实施例的外拓服务营销决策示例系统的结构框图；

图5是根据本发明实施例的外拓服务终端设备1的结构框图；

图6是根据本发明实施例的统计分析装置的结构框图；

图7是根据本发明实施例的数据存储装置的结构框图；

图8是基于图4所示示例系统的外拓服务营销决策流程图；

图9是根据本发明实施例的金融作业处理方法的流程图；

图10为本发明实施例的电子设备600的系统构成的示意框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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、完整的描述，显然，所描述的实施例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作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。

鉴于现有的外拓营销服务计划制定主要依赖于计划负责人的分析决策，个人主观性较强，计划执行效率低的问题，本发明实施例提供一种金融作业处理方案，该方案基于大数据分析技术，为外拓营销服务团队提供具有数据支撑的、可视化的服务决策方案，能够规避现有方案中的人为决策、经验主义带来的服务计划不可靠、需求不匹配等问题，提高作业执行效率。

需要说明的是，本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。以下结合附图对本发明实施例进行详细描述。

图1是根据本发明实施例的金融作业处理系统的结构框图，如图1所示，该系统包括：作业终端10和金融作业处理装置20，其中，作业终端10接收作业人员输入的作业需求信息并将该作业需求信息发送至金融作业处理装置20，金融作业处理装置20对所述作业需求信息进行分析后生成作业决策信息并返回至作业终端10进行显示，以便于作业人员根据作业决策信息执行作业。以下对金融作业处理装置20进行详细描述。

图2是金融作业处理装置20的结构框图，如图2所示，该金融作业处理装置20包括：作业需求信息接收单元201、作业决策信息生成单元202和作业决策信息发送单元203，其中：

作业需求信息接收单元201，用于接收作业终端发送的作业需求信息，所述作业需求信息包括：作业类型、作业规模和作业时间。

作业决策信息生成单元202，用于将所述作业需求信息和当前可执行作业人员信息输入至预先训练的数据分析模型，以输出作业决策信息，所述数据分析模型基于历史作业需求信息和历史作业决策信息进行训练，所述数据分析模型包括：热点分析模型、空间聚类分布分析模型、路径分析模型，所述作业决策信息包括：路线信息、作业时长和作业人员配置信息。

具体地，作业决策信息生成单元202包括：模型选择模块和作业决策信息生成模块，其中：

模型选择模块，用于根据输入的作业类型、作业规模和作业时间从所述数据分析模型中选择至少一个模型；

作业决策信息生成模块，用于根据所述输入的作业类型、作业规模和作业时间以及当前可执行作业人员信息，基于选择的模型进行分析操作，以输出所述作业决策信息。

作业决策信息发送单元203，用于将所述作业决策信息发送至所述作业终端。

通过作业决策信息生成单元202将作业需求信息接收单元201接收的作业需求信息和当前可执行作业人员信息输入至数据分析模型，随后数据分析模型输出作业决策信息，之后作业决策信息发送单元203将作业决策信息发送至作业终端，以便于作业人员根据作业决策信息执行作业，本发明实施例基于数据分析模型输出作业决策信息，能够规避现有方案中的人为决策、经验主义带来的服务计划不可靠、需求不匹配等问题，可以提高作业执行效率。

在实际操作中，上述金融作业处理装置20还可以包括：显示参数设置单元，用于预先设置所述作业决策信息的显示参数，所述显示参数与数据分析模型中的各模型对应。通过该单元，可以设置作业决策信息的显示形式，例如，以图表、地图形式等显示。

相应地，作业决策信息发送单元203可以以与所述显示参数设置单元设置的显示参数相应的形式表示。

在一个实施例中，上述金融作业处理装置20还包括：数据分析模型训练单元，该单元包括：历史数据获取模块和训练模块，其中：

历史数据获取模块，用于获取所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息；

训练模块，用于根据所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息训练所述热点分析模型、空间聚类分布分析模型、路径分析模型。

在具体实施例过程中，为了模型有更好地准确性，训练模块可以对热点分析模型、空间聚类分布分析模型、路径分析模型单一训练、也可以组合训练。即，根据所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息分别训练所述热点分析模型、空间聚类分布分析模型、路径分析模型，和/或，根据所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息结合训练所述热点分析模型、空间聚类分布分析模型、路径分析模型中两者或者三者。

为了更好地理解本发明，以下结合图3所示的示例系统来详细描述本发明实施例。

图3是根据本发明实施例的外拓服务营销决策系统示例架构图，如图3所示，在该示例系统中，网点外拓服务负责人员可以在各类终端上登入外拓营销服务决策系统客户端，输入此次要营销的业务需求(包括：业务类型、业务规模、营销时间等)进行查询。通过服务端调用大数据统计分析模型(即，上述的数据分析模型)，计算分析出包含目标特征地点分布的地图图层，可以叠加展现在客户端地图上，并给出最佳服务路线、预计时长、团队人员推荐配置(即，作业人员配置信息)等有效决策信息。

服务团队成员通过终端客户端组件录入采集历史外拓服务营销数据、历史客户画像数据等业务相关数据，客户端(对应于上述的作业终端10)将这些数据上送存储到服务端数据存储装置中，来方便统计分析集群进行数据分析。分析方法包括但不限于热点分析(可以通过热点分析模型实现)、空间聚类分布分析(可以通过空间聚类分布分析模型实现)、最短路径分析(可以通过路径分析模型实现)等。通过调用地理信息分析模型(即，上述的数据分析模型)中的空间聚类分布分析方法，服务端可以分析出地理空间上历史外拓服务营销点是否存在聚类关系、出现显著聚类特征的地点分布，从而帮助营销团队发掘潜出还未被覆盖的外拓营销点；通过调用模型中的最短路径分析方法，可以分析出到访服务点最优路径规划。

在一个实施例中，分析方法还可以包括空间-时间聚类分析方法，这样可以确保营销团队在正确时间出现在正确地点精准营销。

图4是示例系统的结构框图，如图4所示，该系统包括：外拓服务终端设备1(对应于上述的作业终端10)、位于服务端数据中心的统计分析装置2(对应于上述的金融作业处理装置)和数据存储装置3，以下分别描述这三个部分。

(1)外拓服务终端设备1

每个外拓服务营销团队至少会配置一台该外拓服务终端设备1，该设备负责收录采集外拓营销服务相关数据、向服务端传输数据、接收并展示服务端的统计分析结果数据等。

图5是外拓服务终端设备1的结构框图，如图5所示，该设备包括：数据接收模块101、数据缓存模块102、定位模块103、数据传输模块104和总控模块105，其中：

数据接收模块101，用于接收服务端统计分析结果图层数据、地图数据、报表数据，也接收外拓服务营销团队成员录入采集到的业务数据、客户数据、地理信息数据等。

数据缓存模块102，用于在终端设备上缓存数据接收模块101采集的数据，在设备离线状态下，部分缓存地图数据及分析图层数据可以用于离线查询结果展示。缓存模块可以保留设备上短周期内的数据，缓存数据上传至服务端后，可以被定期清理。

定位模块103，可以通过GPS定位、WiFi定位及基站定位三种方式协同判定设备精确定位信息，可用于设置设备电子围栏、确认外拓营销服务过程中的实时位置信息。

数据传输模块104，用于向服务端传输设备上的采集业务数据、地理信息、请求报文等数据。

总控模块105，用于为设备使用者提供编辑界面、查看信息，以及用于管理设置终端设备。例如，当设备终端接收到使用者的查询请求时，调用数据传输模块104转发请求报文，服务端完成数据分析后，将分析图层数据发送至数据接收模块101并缓存至数据缓存模块102，最终向使用者展示叠加分析图层数据的地图数据；使用者还可以在该模块中为设备设置电子围栏、缓存数据清理周期等。

(2)统计分析装置2

图6是统计分析装置的结构框图，该装置负责调用业务数据、地理信息数据，通过可配置、维护的数据分析模型计算分析出包含目标特征的图层分析结果，最后进行结果数据的组装与转发。如图6所示，该装置包括：消息接收模块201、数据分析模块202、结果生成模块203、配置模块204和消息转发模块205，其中：

消息接收模块201，负责接收来自终端客户端的服务请求消息，接收请求消息后，会根据请求内容调起相应数据分析模型进行数据分析操作。

数据分析模块202，用于存储全量数据分析模型及工具集，分析模型算法主要涵盖各类地理学统计分析算法，包括但不限于：聚类和异常值分析模型(Anselin Local Moran’s I)、热点分析模型(Getis-Ord Gi*)、空间-时间聚类分析、单源最短路径求解(Dijkstra)模型等；工具集包括但不限于：各类地理数据格式转换工具、栅格计算工具、叠加分析工具及制图工具等。

对于上述分析模型算法，以下给出一实例。

在实际操作中，给定一组要素和一个分析字段，聚类和异常值分析模型可以识别地图上具有高值、低值的要素的空间聚类，也可以识别出空间中的异常值(即在高值区域中出现的低值或者低值区域中出现的高值)。在外拓服务营销决策场景中，使用聚类和异常值分析模型，给定一组历史客户营销数据要素，包括但不限于地址信息、营销产品类别、客户风险偏好、营销收益等，分析字段设定为营销成功率，那么该模型最终会根据这些要素分析出一系列具有高营销成功率、低成功率、异常值的空间聚类地理信息。

热点分析模型相比于聚类和异常值分析模型只会去分析高值或低值要素在空间上发生聚类的位置。由于两种模型的算法不同，在外拓营销决策过程中，可以先后使用这两种不同的算法模型来判定地理空间上营销成功率高和低的位置，来进行并集的比较判断，得出最终分析结果。

在具体实施时，聚类和异常值分析模型的算法公式如下：

其中，x_i是数据要素i的属性，

是对应属性的平均值、w_i,j是要素i和j之间的空间权重，并且：

n等于要素的总数目。

聚类和异常值分析模型对数据要素的具体分析过程，可以依据上述公式和相关技术的描述，本发明对此不作限制。

结果生成模块203，用于封装数据分析模块202计算出的结果。分析结果包含地图数据、坐标数据、图形数据及相关业务属性数据等，以json字符串形式封装。

配置模块204，用于配置数据分析模型和工具集的参数。不同的参数、权重配置，会影响模型的阈值、置信度区间等。在实际操作中，可以依据实际情况和模型训练过程中的数据选择合适的数据分析模型和工具集的参数，本发明对此不作限制。

消息转发模块205，用于将结果生成模块203输出的分析结果数据实时传输到终端设备，设备客户端前端页面获取到结果可以解析并展示。

(3)数据存储装置3

图7是数据存储装置的结构框图，该装置负责存储外拓营销服务相关数据、客户画像数据、作业人员业务水平数据、地理坐标数据和矢量地图、栅格影像数据等非结构化数据。如图7所示，该装置包括：业务信息数据库301和数据湖302，其中：

业务信息数据库301，用于存储数据传输模块104传输的全量外拓营销服务相关的业务数据，包括但不限于历史客户办理业务信息、联系方式、地址信息、收入/经营情况及风险偏好等客户画像数据。

数据湖302，用于存储定期获取的矢量地图、栅格影像数据等非结构化数据，便于数据分析模型进行计算处理。

图8是基于图4所示示例系统的外拓服务营销决策流程图，如图8所示，该流程包括：作业团队登录外拓服务终端设备1，通过总控模块105输入条件参数进行查询，数据传输模块104向服务端传输查询请求报文。统计分析装置2的消息接收模块201收到请求报文解析处理，根据请求数据参数在数据存储装置3的业务信息数据库301查询相关业务信息。配置模块204通过报文解析结果动态调整数据分析模块202和工具参数。数据分析模块202根据请求解析参数调用相应模型及工具进行分析。同时，根据前置参数查询数据湖302中的矢量地图、栅格影响等数据。结果生产模块203将生成的分析数据以json字符串封装，消息转发模块205将结果生产模块203生成的结果数据下发至数据接收模块101。数据接收模块101将接收到的结果缓存至数据缓存模块102，总控模块105前端页面解析转换缓存模块读取的结果图层数据，图层叠加展示在地图上，作业团队根据总控模块105展示的可视化决策结果进行外拓服务。在外拓服务过程中，数据存储装置3通过数据接收模块101、定位模块103收录、更新的业务数据、地理数据。

在本发明实施例中，矢量地图、栅格影像数据可用于统计分析不同地理空间数据类型，其中：矢量地图数据记录了地理空间上的连续坐标值，包含方向、大小信息，便于精准计算；栅格影像数据则利用网格表现地图上不同属性值，是离散的、不连续的，其价值在于区分地理属性(草地、公路、建筑等)。

结合这两种不同类型的地理空间数据，数据分析模型能够较好地拟合实际地理空间信息，得出较为精确的分析结果。

本发明实施例基于大数据分析，为外拓营销服务团队带来具有数据支撑的、可视化的服务决策方案，该方案能够规避现有方案中人为决策、经验主义带来的服务计划不可靠、需求不匹配等问题，此外，通过聚类分析算法，能够有效挖掘出潜在的、未被覆盖到的外拓营销地点。具体而言，本发明实施例具有如下优点：

1、服务决策方案可视化，在终端设备地图页面上展示，易于团队理解；

2、基于大数据分析，统计分析结果相比人为决策更可靠；

3、使用空间聚类分析、热点分析等模型算法，能够发掘未覆盖的潜在市场；

4、使用最短路径算法及工具，能够找出更合理的服务路线；

5、该系统具有统一性、可平移性，服务模式能够在全行推广、复用。

在实际操作中，上述各单元、各模块可以组合设置、也可以单一设置，本发明不限于此。

基于相似的发明构思，本发明实施例还提供一种金融作业处理方法，该方法优选地可用于上述金融作业处理装置20。

图9是金融作业处理方法的流程图，如图9所示，该方法包括：

步骤901，接收作业终端发送的作业需求信息，所述作业需求信息包括：作业类型、作业规模和作业时间。

步骤902，将所述作业需求信息和当前可执行作业人员信息输入至预先训练的数据分析模型，以输出作业决策信息，所述数据分析模型基于历史作业需求信息和历史作业决策信息进行训练，所述数据分析模型包括：热点分析模型、空间聚类分布分析模型、路径分析模型，所述作业决策信息包括：路线信息、作业时长和作业人员配置信息。

具体地，可以根据输入的作业类型、作业规模和作业时间从所述数据分析模型中选择至少一个模型；之后根据所述输入的作业类型、作业规模和作业时间以及当前可执行作业人员信息，基于选择的模型进行分析操作，以输出所述作业决策信息。

步骤903，将所述作业决策信息发送至所述作业终端。

在一个实施例中，可以预先设置所述作业决策信息的显示参数，所述显示参数与数据分析模型中的各模型对应。在生成作业决策信息时，作业决策信息可以以与预先设置的显示参数相应的形式表示。

通过将接收的作业需求信息和当前可执行作业人员信息输入至数据分析模型，随后数据分析模型输出作业决策信息，之后将作业决策信息发送至作业终端，以便于作业人员根据作业决策信息执行作业，本发明实施例基于数据分析模型输出作业决策信息，能够规避现有方案中的人为决策、经验主义带来的服务计划不可靠、需求不匹配等问题，可以提高作业执行效率。

在一个实施例中，可以通过如下方式训练所述数据分析模型：

获取所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息；

根据所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息训练所述热点分析模型、空间聚类分布分析模型、路径分析模型。

具体而言，可以根据所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息分别训练所述热点分析模型、空间聚类分布分析模型、路径分析模型；和/或

根据所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息结合训练所述热点分析模型、空间聚类分布分析模型、路径分析模型中两者或者三者。

上述各步骤的具体执行过程，可以参见上述系统实施例中的描述，此处不再赘述。

本实施例还提供一种电子设备，该电子设备可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该电子设备可以参照上述方法实施例进行实施及金融作业处理装置/系统的实施例进行实施，其内容被合并于此，重复之处不再赘述。

图10为本发明实施例的电子设备600的系统构成的示意框图。如图10所示，该电子设备600可以包括中央处理器100和存储器140；存储器140耦合到中央处理器100。值得注意的是，该图是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。

一实施例中，金融作业处理功能可以被集成到中央处理器100中。其中，中央处理器100可以被配置为进行如下控制：

接收作业终端发送的作业需求信息，所述作业需求信息包括：作业类型、作业规模和作业时间；

将所述作业需求信息和当前可执行作业人员信息输入至预先训练的数据分析模型，以输出作业决策信息，所述数据分析模型基于历史作业需求信息和历史作业决策信息进行训练，所述数据分析模型包括：热点分析模型、空间聚类分布分析模型、路径分析模型，所述作业决策信息包括：路线信息、作业时长和作业人员配置信息；

将所述作业决策信息发送至所述作业终端。

从上述描述可知，本申请实施例提供的电子设备，通过将接收的作业需求信息和当前可执行作业人员信息输入至数据分析模型，随后数据分析模型输出作业决策信息，之后将作业决策信息发送至作业终端，以便于作业人员根据作业决策信息执行作业，本发明实施例基于数据分析模型输出作业决策信息，能够规避现有方案中的人为决策、经验主义带来的服务计划不可靠、需求不匹配等问题，可以提高作业执行效率。

在另一个实施方式中，金融作业处理装置/系统可以与中央处理器100分开配置，例如可以将金融作业处理装置/系统配置为与中央处理器100连接的芯片，通过中央处理器的控制来实现金融作业处理功能。

如图10所示，该电子设备600还可以包括：通信模块110、输入单元120、音频处理单元130、显示器160、电源170。值得注意的是，电子设备600也并不是必须要包括图10中所示的所有部件；此外，电子设备600还可以包括图10中没有示出的部件，可以参考现有技术。

如图10所示，中央处理器100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器100接收输入并控制电子设备600的各个部件的操作。

其中，存储器140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序，以实现信息存储或处理等。

输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向电子设备600提供电力。显示器160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。

该存储器140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142，该应用/功能存储部142用于存储应用程序和功能程序或用于通过中央处理器100执行电子设备600的操作的流程。

存储器140还可以包括数据存储部143，该数据存储部143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器140的驱动程序存储部144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。

通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。

基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132，以经由扬声器131提供音频输出，并接收来自麦克风132的音频输入，从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器130还耦合到中央处理器100，从而使得可以通过麦克风132能够在本机上录音，且使得可以通过扬声器131来播放本机上存储的声音。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时以实现上述金融作业处理方法的步骤。

综上所述，本发明实施例提供了一种依托客户画像、地理时空信息等大数据分析的网点外拓营销决策方案，能够提供即时高效的外拓营销服务规划，克服了现有银行外拓营销方案制定过程中人为决策、经验主义可能导致的计划周期长、活动路线规划不合理、目标客户群体不匹配和发掘新市场难度大等缺陷。

以上参照附图描述了本发明的优选实施方式。这些实施方式的许多特征和优点根据该详细的说明书是清楚的，因此权利要求旨在覆盖这些实施方式的落入其真实精神和范围内的所有这些特征和优点。此外，由于本领域的技术人员容易想到很多修改和改变，因此不是要将本发明的实施方式限于所例示和描述的精确结构和操作，而是可以涵盖落入其范围内的所有合适修改和等同物。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种金融作业处理方法，其特征在于，所述方法包括：

接收作业终端发送的作业需求信息，所述作业需求信息包括：作业类型、作业规模和作业时间；

将所述作业需求信息和当前可执行作业人员信息输入至预先训练的数据分析模型，以输出作业决策信息，所述数据分析模型基于历史作业需求信息和历史作业决策信息进行训练，所述数据分析模型包括：热点分析模型、空间聚类分布分析模型、路径分析模型，所述作业决策信息包括：路线信息、作业时长和作业人员配置信息；

将所述作业决策信息发送至所述作业终端。

2.根据权利要求1所述的方法，其特征在于，将所述作业需求信息和当前可执行作业人员信息输入至预先训练的数据分析模型，以输出作业决策信息包括：

根据输入的作业类型、作业规模和作业时间从所述数据分析模型中选择至少一个模型；

根据所述输入的作业类型、作业规模和作业时间以及当前可执行作业人员信息，基于选择的模型进行分析操作，以输出所述作业决策信息。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

预先设置所述作业决策信息的显示参数，所述显示参数与数据分析模型中的各模型对应。

4.根据权利要求3所述的方法，其特征在于，所述作业决策信息以与预先设置的显示参数相应的形式表示。

5.根据权利要求1所述的方法，其特征在于，通过如下方式训练所述数据分析模型：

获取所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息；

根据所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息训练所述热点分析模型、空间聚类分布分析模型、路径分析模型。

6.根据权利要求5所述的方法，其特征在于，根据所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息训练所述热点分析模型、空间聚类分布分析模型、路径分析模型包括：

根据所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息分别训练所述热点分析模型、空间聚类分布分析模型、路径分析模型；和/或

根据所述历史作业需求信息、历史作业决策信息、相应的历史作业人员配置信息和历史客户信息结合训练所述热点分析模型、空间聚类分布分析模型、路径分析模型中两者或者三者。

7.一种金融作业处理装置，其特征在于，所述装置包括：

作业需求信息接收单元，用于接收作业终端发送的作业需求信息，所述作业需求信息包括：作业类型、作业规模和作业时间；

作业决策信息生成单元，用于将所述作业需求信息和当前可执行作业人员信息输入至预先训练的数据分析模型，以输出作业决策信息，所述数据分析模型基于历史作业需求信息和历史作业决策信息进行训练，所述数据分析模型包括：热点分析模型、空间聚类分布分析模型、路径分析模型，所述作业决策信息包括：路线信息、作业时长和作业人员配置信息；

作业决策信息发送单元，用于将所述作业决策信息发送至所述作业终端。

8.一种金融作业处理系统，其特征在于，所述系统包括：权利要求7所述的金融作业处理装置以及作业终端。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至6中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。

Images