本发明涉及金融网点运营,尤其是一种银行网点运营智能评价方法、系统、计算机设备及可读存储介质。
背景技术:
1、在手机银行高速发展的背景下,银行网点并不会消失,但亟需转型,如何通过智能化改造转型挖掘客户价值,降低成本和提升客户体验,是现阶段网点转型的核心目标。对于银行网点运营状况的及时、准确的评价是其中的重中之重。
2、现有的网点运营评价方式依赖于网点管理人员和工作人员的人工记录和主观评价,这种评价方式效率较低且不够准确、全面,且不同的网点的运营情况各不相同,对于其中存在的共同问题的定位难度较大、成本较高,不利于对银行各网点运营作整体评价。
技术实现思路
1、为解决上述现有技术问题,本发明提供了一种银行网点运营智能评价方法和系统,可以通过标准的方式统一对银行各网点的运营进行准确、全面的自动评估,提高银行网点运营评价的效率。
2、本发明提供了一种银行网点运营智能评价方法,包括以下步骤:
3、根据银行网点的运营场景设计网点的运营评价指标,并对所述运营评价指标进行初始化;
4、基于银行网点的运营场景对应预设多个监控区域,实时获取所述多个监控区域的图像信息;
5、通过预设的ai视觉识别算法对所述多个监控区域的图像信息进行目标检测分析,并使用所述运营评价指标对检测分析结果进行自动评分,得到银行网点各场景的运营得分;
6、使用所述运营得分结合网点运营标准作出对银行网点各场景的评价。
7、进一步的,在所述使用所述运营得分结合网点运营标准作出对银行网点各场景的评价的步骤之后,还包括:
8、对银行不同网点的不同场景的运营得分进行k-means聚类处理,定位银行网点运营中的不足和优点。
9、进一步的,所述对银行不同网点的不同场景的运营得分进行k-means聚类处理的步骤具体包括:
10、预设一定数量的聚类类别,并随机选择相同数量的网点运营评价指标作为初始聚类中心;
11、计算每个网点各场景的运营得分到各个初始聚类中心的距离,并计算每个网点各场景的运营得分均值作为新的聚类中心;
12、基于所述新的聚类中心计算误差平方和,如果所述误差平方和满足预设聚类条件则聚类结束,否则重复上述聚类计算过程。
13、进一步的,根据所述网点各场景的运营得分均值定位对应网点运营中的不足和优点。
14、进一步的,还包括:根据所述网点各场景的运营得分和预设的相应权重计算网点的综合得分。
15、为解决上述现有技术问题,本发明还提供一种银行网点运营智能评价系统,包括:
16、设计和初始化模块,用于根据银行网点的运营场景设计网点的运营评价指标,并对所述运营评价指标进行初始化;
17、预设和获取模块,用于基于银行网点的运营场景对应预设多个监控区域,实时获取所述多个监控区域的图像信息;
18、检测和评分模块,用于通过预设的ai视觉识别算法对所述多个监控区域的图像信息进行目标检测分析,并使用所述运营评价指标对检测分析结果进行自动评分,得到银行网点各场景的运营得分;
19、评价模块,用于使用所述运营得分结合网点运营标准作出对银行网点各场景的评价。
20、进一步的,所述银行网点运营智能评价系统还包括:
21、聚类和定位模块,用于对银行不同网点的不同场景的运营得分进行k-means聚类处理,定位银行网点运营中的不足和优点。
22、进一步的,所述聚类和定位模块具体包括:
23、预设和选择子模块,用于预设一定数量的聚类类别,并随机选择相同数量的网点运营评价指标作为初始聚类中心;
24、计算子模块,用于计算每个网点各场景的运营得分到各个初始聚类中心的距离,并计算每个网点各场景的运营得分均值作为新的聚类中心;
25、重复子模块,用于基于所述新的聚类中心计算误差平方和,如果所述误差平方和满足预设聚类条件则聚类结束,否则重复上述聚类计算过程。
26、为解决上述现有技术问题,本发明还提供一种计算机设备,包括至少一个处理器、至少一个存储器和数据总线;其中:所述处理器与所述存储器通过所述数据总线完成相互间的通信;所述存储器存储有被所述处理器执行以实现所述的银行网点运营智能评价方法的程序。
27、本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现所述的银行网点运营智能评价方法的步骤。
28、与现有技术相比,本发明至少具有以下有益效果:
29、1、通过对银行网点配置的各种运营场景的ai视觉识别算法获取网点中的运营数据(如人、物、事件的检测和分析后所产生的数据),再结合银行制定的规章制度和运营场景设计运营评价指标对网点中的各种运营场景进行自动、科学的打分和评价,然后综合打分和评价结果以及网点运营标准对网点的运营情况提出建议和意见,从而可以通过标准的方式统一对银行各网点的运营进行准确、全面的自动评估,提高银行网点运营评价的效率。
30、2、基于上述k-means聚类处理的聚类结果,依据每个网点的各场景评分均值定位网点运营中的不足和优点,针对其中场景评分均值偏低的网点场景进行评估和分析,及时进行运营调整,场景评分均值较高的可以进行网点间的学习推广。通过整合银行所有网点的运营情况,再经过k-means聚类算法,将网点运营中的问题和优点进行统一定位,便于后续的分析评估和调整,推广网点运营优秀的经验,从而可以以较低的成本对银行网点运营做出整体评价。
1.一种银行网点运营智能评价方法,其特征在于,包括以下步骤:
2.如权利要求1所述的一种银行网点运营智能评价方法,其特征在于,在所述使用所述运营得分结合网点运营标准作出对银行网点各场景的评价的步骤之后,还包括:
3.如权利要求2所述的一种银行网点运营智能评价方法,其特征在于,所述对银行不同网点的不同场景的运营得分进行k-means聚类处理的步骤具体包括:
4.如权利要求3所述的一种银行网点运营智能评价方法,其特征在于,根据所述网点各场景的运营得分均值定位对应网点运营中的不足和优点。
5.如权利要求1-4任一项所述的一种银行网点运营智能评价方法,其特征在于,还包括:根据所述网点各场景的运营得分和预设的相应权重计算网点的综合得分。
6.一种银行网点运营智能评价系统,其特征在于,包括:
7.如权利要求6所述的一种银行网点运营智能评价系统,其特征在于,还包括:
8.如权利要求7所述的一种银行网点运营智能评价系统,其特征在于,所述聚类和定位模块具体包括:
9.一种计算机设备,其特征在于,包括至少一个处理器、至少一个存储器和数据总线;其中:所述处理器与所述存储器通过所述数据总线完成相互间的通信;所述存储器存储有被所述处理器执行以实现如权利要求1-5任一项所述的银行网点运营智能评价方法的程序。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1-5任一项所述的银行网点运营智能评价方法的步骤。