[發明專利]數據的處理方法、裝置、設備和存儲介質

在審

• 申請號: 202011060611.7
• 申請日: 2020-09-30
• 公開（公告）號: CN112131479A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 唐圳;楊涵;劉博;鄭文琛
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/02;G06Q40/02;G06N20/00
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 楊俊輝;臧建明

1.一種數據的處理方法，其特征在于，包括：

獲取金融產品的存量客戶中每個客戶的基礎數據，每個客戶的基礎數據包括經營內容和行業標簽；

根據每個客戶的基礎數據，采用提款概率預估模型，獲取每個客戶的提款概率，所述提款概率預估模型是根據輕量級梯度提升框架LGBM模型訓練的能夠預測客戶提款概率的模型，每個客戶的提款概率用于表示所述客戶獲取所述金融產品的意愿大?。?/p>

推送所述每個客戶的提款概率。

2.根據權利要求1所述的方法，其特征在于，所述獲取金融產品的存量客戶中每個客戶的基礎數據，包括：

針對所述存量客戶中的每個客戶，接收其他設備發送的經營數據；

對所述經營數據中進行分詞處理和清洗處理，得到所述客戶的經營內容和行業標簽；其中，所述清洗處理包括剔除異常數據和剔除經營概率小于預設值的內容。

3.根據權利要求1所述的方法，其特征在于，每個客戶的基礎數據還包括所述客戶的位置信息，所在地區的利率，額度信息。

4.根據權利要求1至3任一項所述的方法，其特征在于，所述方法還包括：

根據每個客戶的提款概率，對所述存量客戶中的所有客戶按照提款概率從高到低或者從低到高的順序進行排序。

5.根據權利要求1至3任一項所述的方法，其特征在于，所述方法還包括：

根據每個客戶的提款概率，從所述存量客戶中選取出提款概率最高的多個客戶作為目標客戶。

6.根據權利要求5所述的方法，其特征在于，所述方法還包括：

向服務人員的終端設備發送電銷觸達指示信息，所述電銷觸達指示信息用于指示所述服務人員對所述目標客戶采用電銷觸達方式進行溝通。

7.根據權利要求6所述的方法，其特征在于，所述方法還包括：

獲取對所述目標客戶中每個客戶進行電銷觸達的提款信息，每個客戶對應的提款信息用于表示在預設時間段內所述客戶是否提款；

將所述目標客戶中提款信息指示在預設時間段內未進行提款的客戶作為新的樣本，對所述提款概率預估模型進行優化訓練，得到新的提款概率預估模型。

8.根據權利要求1至3任一項所述的方法，其特征在于，所述根據每個客戶的基礎數據，采用提款概率預估模型，獲取每個客戶的提款概率之前，所述方法還包括：

獲取訓練樣本數據，所述訓練樣本數據中包括多個采用過電銷觸達方式的客戶的基礎數據以及提款信息，客戶的提款信息用于表示所述客戶在電銷觸達之后的預設時間段內是否提款；

將所述訓練樣本數據中，在電銷觸達之后預設時間段內提款的客戶作為正樣本，將在電銷觸達之后預設時間段內未提款的客戶作為負樣本，采用LGBM模型進行訓練，得到所述提款概率預估模型。

9.根據權利要求1至3任一項所述的方法，其特征在于，所述推送所述每個客戶的提款概率，包括：

根據每個服務人員服務的客戶名單，分別向每個服務人員的終端設備發送客戶名單中的客戶的提款概率。

10.一種數據的處理裝置，其特征在于，包括：

獲取模塊，用于獲取金融產品的存量客戶中每個客戶的基礎數據，每個客戶的基礎數據包括經營內容和行業標簽；

處理模塊，用于根據每個客戶的基礎數據，采用提款概率預估模型，獲取每個客戶的提款概率，所述提款概率預估模型是根據輕量級梯度提升框架LGBM模型訓練的能夠預測客戶提款概率的模型，每個客戶的提款概率用于表示所述客戶獲取所述金融產品的意愿大?。?/p>

推送模塊，用于推送所述每個客戶的提款概率。

11.一種電子設備，其特征在于，所述電子設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序被所述處理器執行時實現如權利要求1至9任一項所述的數據的處理方法的步驟。

12.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至9任一項所述的數據的處理方法的步驟。