确定银行网点业务类型范围的方法及系统与流程

1.本发明涉及金融数据数据技术领域，尤指一种确定银行网点业务类型范围的方法及系统。


背景技术：

2.本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
3.目前，每一个银行网点对外向客户提供标准化的服务，服务的范围大且服务项目齐全，但是，很多银行网点所面对的客户类型，发生的交易类型相对单一，这样的服务模式会造成资源的浪费，并且风险控制也非常困难。
4.因此，亟需一种可以克服上述缺陷的技术方案。


技术实现要素：

5.为解决现有技术存在的问题，本发明提出了一种确定银行网点业务类型范围的方法及系统，通过确定业务类型范围改进银行网点的服务模式，提高资源利用率，并使银行能够有效控制业务风险。
6.在本发明实施例的第一方面，提出了一种确定银行网点业务类型范围的方法，包括：
7.获取银行客户进行分类，获得多个客户类别；建立客户类别空间，其中，该客户类别空间的每一维度对应一个客户类别；
8.依据银行网点的各个交易类别的历史交易数据，对交易类别进行聚类分析，将交易类别集合划分为多个交易类别子集合；建立交易类别空间，其中，该交易类别空间的每一维度对应一个交易类别子集合；
9.获取客户数据，根据客户数据建立无人银行网点在客户类别空间的客户类别坐标和在交易类别空间的交易类别坐标，以及配置有工作人员的银行网点在客户类别空间的客户类别坐标和在交易类别空间的交易类别坐标；
10.根据所述客户类别坐标和交易类别坐标，确定无人银行网点对应的多个相似银行网点；其中，所述相似银行网点为配置有工作人员的银行网点；
11.根据所述多个相似银行网点的交易数据，确定无人银行网点的候选业务类型，以及各个候选业务类型对应的风险类型；
12.确定无人银行网点可应对的风险类型；
13.根据各个候选业务类型对应的风险类型及无人银行网点可应对的风险类型，确定该无人银行网点的业务类型范围。
14.在本发明实施例的第二方面，提出了一种确定银行网点业务类型范围的系统，包括：
15.客户类别空间建立模块，用于获取银行客户进行分类，获得多个客户类别；建立客
户类别空间，其中，该客户类别空间的每一维度对应一个客户类别；
16.交易类别空间建立模块，用于依据银行网点的各个交易类别的历史交易数据，对交易类别进行聚类分析，将交易类别集合划分为多个交易类别子集合；建立交易类别空间，其中，该交易类别空间的每一维度对应一个交易类别子集合；
17.交易类别坐标建立模块，用于获取客户数据，根据客户数据建立无人银行网点在客户类别空间的客户类别坐标和在交易类别空间的交易类别坐标，以及配置有工作人员的银行网点在客户类别空间的客户类别坐标和在交易类别空间的交易类别坐标；
18.相似银行网点确定模块，用于根据所述客户类别坐标和交易类别坐标，确定无人银行网点对应的多个相似银行网点；其中，所述相似银行网点为配置有工作人员的银行网点；
19.交易数据处理模块，用于根据所述多个相似银行网点的交易数据，确定无人银行网点的候选业务类型，以及各个候选业务类型对应的风险类型；
20.风险类型确定模块，用于确定无人银行网点可应对的风险类型；
21.业务类型范围确定模块，用于根据各个候选业务类型对应的风险类型及无人银行网点可应对的风险类型，确定该无人银行网点的业务类型范围。
22.在本发明实施例的第三方面，提出了一种计算机设备，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计算机程序时实现确定银行网点业务类型范围的方法。
23.在本发明实施例的第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现确定银行网点业务类型范围的方法。
24.在本发明实施例的第五方面，提出了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现确定银行网点业务类型范围的方法。
25.本发明提出的确定银行网点业务类型范围的方法及系统通过获取银行客户进行分类，获得多个客户类别；建立客户类别空间，其中，该客户类别空间的每一维度对应一个客户类别；依据银行网点的各个交易类别的历史交易数据，对交易类别进行聚类分析，将交易类别集合划分为多个交易类别子集合；建立交易类别空间，其中，该交易类别空间的每一维度对应一个交易类别子集合；获取客户数据，根据客户数据建立无人银行网点在客户类别空间的客户类别坐标和在交易类别空间的交易类别坐标，以及配置有工作人员的银行网点在客户类别空间的客户类别坐标和在交易类别空间的交易类别坐标；根据所述客户类别坐标和交易类别坐标，确定无人银行网点对应的多个相似银行网点；其中，所述相似银行网点为配置有工作人员的银行网点；根据所述多个相似银行网点的交易数据，确定无人银行网点的候选业务类型，以及各个候选业务类型对应的风险类型；确定无人银行网点可应对的风险类型；根据各个候选业务类型对应的风险类型及无人银行网点可应对的风险类型，确定该无人银行网点的业务类型范围，本发明可以通过数据分析确定银行网点业务类型范围，对银行网点的业务服务范围进行适当调整，在保证满足客户需求的情况下，提高银行网点的运营效率及资源利用率，并使银行能够有效控制业务风险。
附图说明
26.为了更清楚地说明本技术实施例技术方案，下面将对实施例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技术的一些实施例，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的附图。
27.图1是本发明一实施例的确定银行网点业务类型范围的方法流程示意图。
28.图2是本发明一实施例的建立无人银行网点在客户类别空间的客户类别坐标和在交易类别空间的交易类别坐标的详细流程示意图。
29.图3是本发明一实施例的建立配置有工作人员的银行网点在客户类别空间的客户类别坐标和在交易类别空间的交易类别坐标的详细流程示意图。
30.图4是本发明一实施例的确定相似银行网点的详细流程示意图。
31.图5是本发明一具体实施例的确定相似银行网点的详细流程示意图。
32.图6是本发明一实施例的确定候选业务类型对应的风险类型的详细流程示意图。
33.图7是本发明一实施例的确定无人银行网点满足应对条件的风险类型的详细流程示意图。
34.图8是本发明一具体实施例的确定无人银行网点的业务类型范围的详细流程示意图。
35.图9是本发明一实施例的确定银行网点业务类型范围的系统架构示意图。
36.图10是本发明一实施例的计算机设备结构示意图。
具体实施方式
37.下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
38.本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
39.根据本发明的实施方式，提出了一种确定银行网点业务类型范围的方法及系统，涉及金融数据数据技术领域。
40.下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。
41.图1是本发明一实施例的确定银行网点业务类型范围的方法流程示意图。如图1所示，该方法包括：
42.s1，获取银行客户进行分类，获得多个客户类别；建立客户类别空间，其中，该客户类别空间的每一维度对应一个客户类别；
43.s2，依据银行网点的各个交易类别的历史交易数据，对交易类别进行聚类分析，将交易类别集合划分为多个交易类别子集合；建立交易类别空间，其中，该交易类别空间的每一维度对应一个交易类别子集合；
44.s3，获取客户数据，根据客户数据建立无人银行网点在客户类别空间的客户类别坐标和在交易类别空间的交易类别坐标，以及配置有工作人员的银行网点在客户类别空间
的客户类别坐标和在交易类别空间的交易类别坐标；
45.s4，根据所述客户类别坐标和交易类别坐标，确定无人银行网点对应的多个相似银行网点；其中，所述相似银行网点为配置有工作人员的银行网点；
46.s5，根据所述多个相似银行网点的交易数据，确定无人银行网点的候选业务类型，以及各个候选业务类型对应的风险类型；
47.s6，确定无人银行网点可应对的风险类型；
48.s7，根据各个候选业务类型对应的风险类型及无人银行网点可应对的风险类型，确定该无人银行网点的业务类型范围。
49.为了对上述确定银行网点业务类型范围的方法进行更为清楚的解释，下面结合每一步骤来进行详细说明。
50.在s1中，获取银行客户进行分类，获得多个客户类别；建立客户类别空间，其中，该客户类别空间的每一维度对应一个客户类别。
51.在s2中，依据银行网点的各个交易类别的历史交易数据，对交易类别进行聚类分析，将交易类别集合划分为多个交易类别子集合；建立交易类别空间，其中，该交易类别空间的每一维度对应一个交易类别子集合。
52.具体的，对交易类别进行聚类分析的详细流程为：
53.s201，确定交易类别集合对应的距离函数。
54.依据银行网点的各个交易类别的历史交易数据，获取各个交易类别对应的历史客户集合，并确定该历史客户集合中各个历史客户归属的客户类别，这样就获得了各个交易类别对应于各个客户类别的客户数量，也就获得了任何两个交易类别对应于各个客户类别的客户数量差。对于每一个客户类别，确定该客户类别对应的距离函数，该距离函数的自变量是任何两个交易类别，对应的函数值是该两个交易类别对应于该客户类别的客户数量差的绝对值。交易类别集合对应的距离函数设置为各个客户类别对应的距离函数的平方和的平方根。
55.在获得了交易类别集合对应的距离函数后，就可以对交易类别进行聚类分析，将交易类别集合划分为多个交易类别子集合，可以选择k均值算法，也可以用下面步骤的方法。
56.s202，随机在交易类别集合中选取多个交易类别作为聚类代表，每个聚类代表对应于一个交易类别子集合，该交易类别子集合的初始元素只包含对应的聚类代表对应的交易类别。
57.s203，对于每一个交易类别，执行如下步骤：
58.对于每个聚类代表，基于交易类别集合对应的距离函数计算该聚类代表对应的交易类别子集合的各个交易类别和该交易类别的的距离，然后从多个距离中选取出最小值作为该聚类代表和该交易类别的距离；
59.从所有的聚类代表中选取出和该交易类别的主要风险类型一致的多个聚类代表；从选取出的多个聚类代表中，选取出与该交易类别的距离最小的聚类代表，作为该交易类别对应的聚类代表；将该交易类别与该交易类别对应的聚类代表的距离，作为该交易类别对应的第一距离；
60.从多个未被选取出的聚类代表和该交易类别的多个距离中，选取出最小值作为该
交易类别对应的第二距离；
61.如果对应的第一距离小于等于对应的第二距离或者对应的第一距离与对应的第二距离的差小于指定阈值，则将该交易类别划分到该交易类别对应的聚类代表所对应的交易类别子集合中；
62.如果对应的第一距离大于对应的第二距离且对应的第一距离与对应的第二距离的差大于等于指定阈值，则基于该交易类别新建一个聚类代表，该新建的聚类代表对应于一个新的交易类别子集合，该新的交易类别子集合的初始元素只包含对应的聚类代表对应的交易类别。
63.s204，对于每一个交易类别子集合，依据该交易类别子集合的所有交易类别对应于各个客户类别的客户数量和主要风险类型，确定该交易类别子集合的中心对应于各个客户类别的客户数量和主要风险类型，以及该交易类别子集合对应的差距值；具体的，对于各个客户类别，将该交易类别子集合的所有交易类别对应于该客户类别的客户数量的均值，作为该交易类别子集合对应的中心对应于该客户类别的客户数量；对于主要风险类型，将该交易类别子集合的所有交易类别的主要风险类型的值中数量最多的值，作为该交易类别子集合对应的中心的主要风险类型。将该交易类别子集合对应的聚类中心和对应的中心对应于各个客户类别的客户数量的差的平方和的平方根，作为该交易类别子集合对应的差距值。
64.s205，如果存在交易类别子集合对应的的差距值大于预设阈值，基于上述步骤获得的中心新设定多个聚类中心，每个中心对应于一个新的交易类别子集合，该新的交易类别子集合的初始元素只包含对应的中心。之后基于新设定的聚类中心和新的交易类别子集合继续循环执行步骤s203，步骤s204和步骤s205，直至所有的交易类别子集合对应的的差距值都小于等于预设阈值。
65.s206，如果所有的交易类别子集合对应的的差距值都小于等于预设阈值，则停止对交易类别进行聚类分析，从而得到多个交易类别子集合。
66.其中，主要风险类型是一个交易类别的所有风险类别中风险概率最大的风险类别。通过保证交易类别子集合的主要风险类型是一样的，可以提高聚类的准确性，也就是分到同一个交易类别子集合的交易类别大致是接近的。
67.在s3中，参考图2，获取客户数据，根据客户数据建立无人银行网点在客户类别空间的客户类别坐标和在交易类别空间的交易类别坐标的具体流程为：
68.s311，获取客户数据，根据客户数据确定各个客户对应的多个地点数据；其中，地点数据至少包括客户的支付交易地点，预留在银行的地点信息。
69.s312，根据各个无人银行网点的地理位置，获取对应的潜在客户集合；其中，潜在客户集合中的各个客户的地点数据与无人银行网点的地理位置之间的距离小于第一阈值；
70.在实际应用场景中，第一阈值可以为1km，即，在无人银行网点所在位置的1km范围内的客户都作为其对应的潜在客户，得到潜在客户集合；第一阈值可以根据实际情况进行调整。
71.s313，根据所述潜在客户集合，确定无人银行网点在客户类别空间的客户类别坐标；客户类别坐标在每一维度上的坐标值等于该潜在客户集合归属于该维度对应的客户类别的客户数。
72.s314，根据所述潜在客户集合的历史交易数据，确定无人银行网点在交易类别空间的交易类别坐标；交易类别坐标在每一维度上的坐标值等于该历史交易数据该维度归属于对应的交易类别子集合的交易数。
73.进一步的，在s3中，参考图3，获取客户数据，根据客户数据建立配置有工作人员的银行网点在客户类别空间的客户类别坐标和在交易类别空间的交易类别坐标的具体流程为：
74.s321，根据客户数据确定配置有工作人员的银行网点的客户集合；其中，客户集合中的各个客户在该银行网点办理过业务；
75.s322，根据所述客户集合，确定配置有工作人员的银行网点在客户类别空间的客户类别坐标；客户类别坐标在每一维度上的坐标值等于该客户集合归属于该维度对应的客户类别的客户数；
76.s323，根据所述客户集合的历史交易数据，确定配置有工作人员的银行网点在交易类别空间的交易类别坐标；交易类别坐标在每一维度上的坐标值等于该历史交易数据归属于该维度对应的交易类别子集合的交易数。
77.在s4中，参考图4，根据所述客户类别坐标和交易类别坐标，确定无人银行网点对应的多个相似银行网点，包括：
78.s401，对于每个配置有工作人员的银行网点，确定该银行网点的客户类别坐标和该无人银行网点的客户类别坐标在客户类别空间中的距离，将对应距离值小于第二阈值的多个配置有工作人员的银行网点作为潜在相似银行网点；
79.s402，对于每个潜在相似银行网点，确定该银行网点的交易类别坐标和该无人银行网点的交易类别坐标在交易类别空间中的距离，将对应距离值小于第三阈值的多个潜在相似银行网点作为该无人银行网点对应的相似银行网点。
80.为了提高精度，可以先对配置有工作人员的银行网点进行一次筛选，进而再通过计算客户类别坐标在客户类别空间中的距离、交易类别坐标在交易类别空间中的距离，筛选相似银行网点；参考图5，具体流程包括：
81.s411，根据无人银行网点及配置有工作人员的银行网点的客户数据，确定对应的潜在客户集合；
82.其中，关于无人银行网点的潜在客户集合，可以参考s312中提到的方法。
83.关于配置有工作人员的银行网点的潜在客户集合，可以包含两种潜在客户；
84.第一种可以参考s312的原理，根据客户的地点数据，将客户的地点数据与银行网点的地址位置之间的距离小于设定阈值(如，第一阈值)的客户作为潜在客户；这种客户可能在该银行网点办理过业务，也可能未办理过业务，判断逻辑是客户的地点数据距离该银行网点比较近；
85.第二种是在银行网点办理过业务的客户，都直接作为潜在客户；
86.将上述这两种潜在客户的并集作为配置有工作人员的银行网点的潜在客户集合。
87.s412，根据潜在客户集合，确定无人银行网点与配置有工作人员的银行网点之间的相似度；
88.判断两个潜在客户集合(假设集合a和集合b)的相似度可以依据如下算法：
89.确定两个潜在客户集合的交集，该交集包含的元素个数为m；确定两个潜在客户集
合的并集，该并集包含的元素个数为n。两个潜在客户集合的相似度可以设置为m/n。
90.将无人银行网点与配置有工作人员的银行网点之间的相似度，确定为无人银行网点的潜在客户集合与配置有工作人员的银行网点的潜在客户集合的相似度。
91.s413，将相似度最大的多个配置有工作人员的银行网点作为无人银行网点的候选银行网点。
92.在筛选得到候选银行网点后，基于候选银行网点确定无人银行网点对应的相似银行网点可以采用步骤s401及s402的方法，具体流程为：
93.s414，对于每个候选银行网点，确定该候选银行网点的客户类别坐标和该无人银行网点的客户类别坐标在客户类别空间中的距离，将对应距离值小于第二阈值的多个候选银行网点作为潜在相似银行网点。
94.s415，对于每个潜在相似银行网点，确定该银行网点的交易类别坐标和该无人银行网点的交易类别坐标在交易类别空间中的距离，将对应距离值小于第三阈值的多个潜在相似银行网点作为该无人银行网点对应的相似银行网点。
95.在s5中，参考图6，根据所述多个相似银行网点的交易数据，确定无人银行网点的候选业务类型，以及各个候选业务类型对应的风险类型，包括：
96.s501，根据所述多个相似银行网点的交易数据，确定多个相似银行网点包含的历史业务类型，将该历史业务类型作为该无人银行网点的候选业务类型；其中，交易数据包含风险数据；
97.s502，对于各个候选业务类型，依据该候选业务类型的交易数据，确定该候选业务类型对应的风险类型及各个风险类型的风险概率，将风险概率高于第四阈值的风险类型作为该候选业务类型对应的风险类型。
98.在本实施例中，在一个银行网点的客户交易的风险之间往往具有相似性，也就是在确定业务类型对应的风险信息时，尽可能将计算风险信息的数据限于该银行网点产生的交易数据。同时根据大数定理，当数据足够多时，才能获得相对准确的风险概率。对此，在确定候选业务类型，以及各个候选业务类型对应的风险类型及各个风险类型的风险概率之前，可以先判断该多个相似银行网点包含的所有客户的数量是否大于预设值；
99.如果大于该预设值，可以进行步骤s5，其中，对于每个风险类型，则将该风险类型的风险概率设置为该多个相似银行网点包含的所有客户对应于该风险类型的风险概率的均值，其中，对于每个客户，该客户对应于该风险类型的风险概率等于该客户的涉及该风险类型的历史交易数据的交易量(交易量是指交易的数量，而不是交易的金额量)与该客户的历史交易数据的交易量的比值；
100.如果小于该预设值，则继续添加相似银行网点；
101.比如，在步骤s4中，将确定相似银行网点的条件放宽，添加更多的相似银行网点，以增加交易数据的数量；举例而言，在步骤s401中，从对应距离值大于等于第二阈值的配置有工作人员的银行网点中，选取距离值最小的多个配置有工作人员的银行网点作为潜在相似银行网点，或者选取比第二阈值大的第五阈值，然后将对应距离值小于第五阈值的多个配置有工作人员的银行网点作为潜在相似银行网点；在步骤s402中，从对应距离值大于等于第三阈值潜在相似银行网点中，选取距离值最小的多个潜在相似银行网点作为该无人银行网点对应的相似银行网点，或者选取比第三阈值大的第六阈值，将对应距离值小于第六
阈值的多个潜在相似银行网点作为该无人银行网点对应的相似银行网点，直到该多个相似银行网点包含的所有客户的数量大于该预设值，这时候可以进行步骤s5，其中，对于每个风险类型，则将该风险类型的风险概率设置为该多个相似银行网点包含的所有客户对应于该风险类型的风险概率的均值，其中，对于每个客户，该客户对应于该风险类型的风险概率等于该客户的涉及该风险类型的历史交易数据的交易量与该客户的历史交易数据的交易量的比值。
102.另外，如果采用图5的方法，可以调整确定潜在客户集合的条件，增加筛选的候选银行网点的数量，从而添加更多的相似银行网点；通过更多的相似银行网点可以得到更多的风险信息的数据，以获取相对准确的风险概率。
103.在本实施例中，上述预设值可以设置为：其中σ是该银行网点关于各个风险类型满足的概率分布的方差的最大值，ε是可以容忍的风险概率误差阈值，p是可以容忍的风险概率的误差值大于ε的概率。σ可以如下计算：
104.1.对于每种风险类型，确定该银行网点的各个相似银行网点包含的各个客户对应于该风险类型的风险概率(计算方法参见上面)；
105.2.对于每种风险类型，基于该银行网点的多个相似银行网点包含的所有客户对应于该风险类型的风险概率(也就是将这些风险概率作为样本)，确定该风险类型对应的方差值(就是该风险类型满足的概率分布的方差)；
106.3.将σ设置为各个风险类型对应的方差值的最大值。
107.在s6中，参考图7，确定无人银行网点可应对的风险类型，包括：
108.s601，对于各个无人银行网点支持的身份审核方式，获取该身份审核方式的交易数据，确定交易数据中包含的风险类型及各个风险类型的风险概率；其中，交易数据包含风险数据。
109.其中，在确定无人银行网点支持的各个身份审核方式对应的风险类型及各个风险类型的风险概率之前，依据该无人银行网点的位置，选取多个距离该位置最近的多个配置有工作人员的银行网点，且该多个配置有工作人员的银行网点的所有身份审核方式的交易数据大于预设阈值。
110.进一步的，对于各个无人银行网点支持的身份审核方式，依据该选取的多个配置有工作人员的银行网点关于该身份审核方式的交易数据，确定包含的风险类型及各个风险类型的风险概率。上述过程是基于大数定理，数据越多，确定的风险概率越准确。
111.s602，将风险概率小于第五阈值的风险类型作为身份审核方式可应对的风险类型。
112.s603，将无人银行网点支持的所有身份审核方式可应对的风险类型取并集，得到无人银行网点可应对的风险类型。
113.在本实施例中，当客户在该无人银行网点办理业务时，基于选择的业务类型，确定可选的身份验证方式(可能是身份验证方式组合)，用该可选的身份验证方式对客户的身份进行验证。也就是选择的身份验证方式可以应对的风险类型包含该业务类型对应的风险类型。
114.在s7中，参考图8，根据各个候选业务类型对应的风险类型及无人银行网点可应对
的风险类型，确定该无人银行网点的业务类型范围，包括：
115.s701，对于各个候选业务类型，确定该候选业务类型对应的风险类型是否包含于该无人银行网点可应对的风险类型中；
116.如果是，(s702)将该候选业务类型添加到该无人银行网点的业务类型范围；
117.否则，(s703)不添加。
118.经过上述过程，可以确定无人银行网点的业务类型范围。
119.需要说明的是，尽管在上述实施例及附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
120.在介绍了本发明示例性实施方式的方法之后，接下来，参考图9对本发明示例性实施方式的确定银行网点业务类型范围的系统进行介绍。
121.确定银行网点业务类型范围的系统的实施可以参见上述方法的实施，重复之处不再赘述。以下所使用的术语“模块”或者“单元”，可以是实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
122.基于同一发明构思，本发明还提出了一种确定银行网点业务类型范围的系统，如图9所示，该系统包括：
123.客户类别空间建立模块910，用于获取银行客户进行分类，获得多个客户类别；建立客户类别空间，其中，该客户类别空间的每一维度对应一个客户类别；
124.交易类别空间建立模块920，用于依据银行网点的各个交易类别的历史交易数据，对交易类别进行聚类分析，将交易类别集合划分为多个交易类别子集合；建立交易类别空间，其中，该交易类别空间的每一维度对应一个交易类别子集合；
125.交易类别坐标建立模块930，用于获取客户数据，根据客户数据建立无人银行网点在客户类别空间的客户类别坐标和在交易类别空间的交易类别坐标，以及配置有工作人员的银行网点在客户类别空间的客户类别坐标和在交易类别空间的交易类别坐标；
126.相似银行网点确定模块940，用于根据所述客户类别坐标和交易类别坐标，确定无人银行网点对应的多个相似银行网点；其中，所述相似银行网点为配置有工作人员的银行网点；
127.交易数据处理模块950，用于根据所述多个相似银行网点的交易数据，确定无人银行网点的候选业务类型，以及各个候选业务类型对应的风险类型；
128.风险类型确定模块960，用于确定无人银行网点可应对的风险类型；
129.业务类型范围确定模块970，用于根据各个候选业务类型对应的风险类型及无人银行网点可应对的风险类型，确定该无人银行网点的业务类型范围。
130.在一实施例中，交易类别坐标建立模块930具体用于：
131.获取客户数据，根据客户数据确定各个客户对应的多个地点数据；其中，地点数据至少包括客户的支付交易地点，预留在银行的地点信息；
132.根据各个无人银行网点的地理位置，获取对应的潜在客户集合；其中，潜在客户集合中的各个客户的地点数据与无人银行网点的地理位置之间的距离小于第一阈值；
133.根据所述潜在客户集合，确定无人银行网点在客户类别空间的客户类别坐标；客户类别坐标在每一维度上的坐标值等于该潜在客户集合归属于该维度对应的客户类别的客户数；
134.根据所述潜在客户集合的历史交易数据，确定无人银行网点在交易类别空间的交易类别坐标；交易类别坐标在每一维度上的坐标值等于该历史交易数据该维度归属于对应的交易类别子集合的交易数。
135.在一实施例中，交易类别坐标建立模块930具体用于：
136.根据客户数据确定配置有工作人员的银行网点的客户集合；其中，客户集合中的各个客户在该银行网点办理过业务；
137.根据所述客户集合，确定配置有工作人员的银行网点在客户类别空间的客户类别坐标；客户类别坐标在每一维度上的坐标值等于该客户集合归属于该维度对应的客户类别的客户数；
138.根据所述客户集合的历史交易数据，确定配置有工作人员的银行网点在交易类别空间的交易类别坐标；交易类别坐标在每一维度上的坐标值等于该历史交易数据归属于该维度对应的交易类别子集合的交易数。
139.在一实施例中，相似银行网点确定模块940具体用于：
140.对于每个配置有工作人员的银行网点，确定该银行网点的客户类别坐标和该无人银行网点的客户类别坐标在客户类别空间中的距离，将对应距离值小于第二阈值的多个配置有工作人员的银行网点作为潜在相似银行网点；
141.对于每个潜在相似银行网点，确定该银行网点的交易类别坐标和该无人银行网点的交易类别坐标在交易类别空间中的距离，将对应距离值小于第三阈值的多个潜在相似银行网点作为该无人银行网点对应的相似银行网点。
142.在一实施例中，交易数据处理模块950具体用于：
143.根据所述多个相似银行网点的交易数据，确定多个相似银行网点包含的历史业务类型，将该历史业务类型作为该无人银行网点的候选业务类型；其中，交易数据包含风险数据；
144.对于各个候选业务类型，依据该候选业务类型的交易数据，确定该候选业务类型对应的风险类型及各个风险类型的风险概率，将风险概率高于第四阈值的风险类型作为该候选业务类型对应的风险类型。
145.在一实施例中，风险类型确定模块960具体用于：
146.对于各个无人银行网点支持的身份审核方式，获取该身份审核方式的交易数据，确定交易数据中包含的风险类型及各个风险类型的风险概率；其中，交易数据包含风险数据；
147.将风险概率小于第五阈值的风险类型作为身份审核方式可应对的风险类型；
148.将无人银行网点支持的所有身份审核方式可应对的风险类型取并集，得到无人银行网点可应对的风险类型。
149.在一实施例中，业务类型范围确定模块970具体用于：
150.对于各个候选业务类型，确定该候选业务类型对应的风险类型是否包含于该无人银行网点可应对的风险类型中；如果是，将该候选业务类型添加到该无人银行网点的业务
类型范围；否则，不添加。
151.应当注意，尽管在上文详细描述中提及了确定银行网点业务类型范围的系统的若干模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
152.基于前述发明构思，如图10所示，本发明还提出了一种计算机设备1000，包括存储器1010、处理器1020及存储在存储器1010上并可在处理器1020上运行的计算机程序1030，所述处理器1020执行所述计算机程序1030时实现前述确定银行网点业务类型范围的方法。
153.基于前述发明构思，本发明提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前述确定银行网点业务类型范围的方法。
154.基于前述发明构思，本发明提出了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现确定银行网点业务类型范围的方法。
155.本发明提出的确定银行网点业务类型范围的方法及系统通过获取银行客户进行分类，获得多个客户类别；建立客户类别空间，其中，该客户类别空间的每一维度对应一个客户类别；依据银行网点的各个交易类别的历史交易数据，对交易类别进行聚类分析，将交易类别集合划分为多个交易类别子集合；建立交易类别空间，其中，该交易类别空间的每一维度对应一个交易类别子集合；获取客户数据，根据客户数据建立无人银行网点在客户类别空间的客户类别坐标和在交易类别空间的交易类别坐标，以及配置有工作人员的银行网点在客户类别空间的客户类别坐标和在交易类别空间的交易类别坐标；根据所述客户类别坐标和交易类别坐标，确定无人银行网点对应的多个相似银行网点；其中，所述相似银行网点为配置有工作人员的银行网点；根据所述多个相似银行网点的交易数据，确定无人银行网点的候选业务类型，以及各个候选业务类型对应的风险类型；确定无人银行网点可应对的风险类型；根据各个候选业务类型对应的风险类型及无人银行网点可应对的风险类型，确定该无人银行网点的业务类型范围，本发明可以通过数据分析确定银行网点业务类型范围，对银行网点的业务服务范围进行适当调整，在保证满足客户需求的情况下，提高银行网点的运营效率及资源利用率，并使银行能够有效控制业务风险。
156.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。
157.本发明是参照根据本发明实施例的方法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。
158.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。
159.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。
160.最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。