一种数据统计模型的构建方法、服务分配方法及相关装置与流程

本申请涉及大数据领域及金融领域，具体涉及一种数据统计模型的构建方法、服务分配方法及相关装置。

背景技术：

1、目前，银行可以通过大数据平台(big data platform，bdp)沙箱加工处理长三角地区客户多维度数据，建立相应的客户标签与数据分析模型，并通过工作流的形式，固化相关模型逻辑，通过数据下传平台定期发送分行，为分行业务开展与客户维护提供数据支撑与模型辅助。

2、我国长三角区域内人口迁移和资金流动频繁活跃。受限于行政区划带来的天然制约，bdp沙箱会使得同一客户在不同地区同一银行享受的服务存在差异，服务范围、水平和延续性可能无法得到保证，继而可能导致客户流失。

3、因此，如何避免同一客户在不同地区同一银行享受的服务存在差异，服务范围、水平和延续性可能无法得到保证，是本领域技术人员急需解决的技术问题。

技术实现思路

1、基于上述问题，本申请提供了数据统计模型的构建方法、服务分配方法及相关装置，可以避免同一客户在不同地区同一银行享受的服务存在差异，服务范围、水平和延续性可能无法得到保证。

2、本申请实施例公开了如下技术方案：

3、一种数据统计模型的构建方法，所述方法包括：

4、采集历史用户信息；

5、对所述历史用户信息进行数据分析得到高度相关数据；

6、根据所述高度相关数据利用梯度下降公式构建数据统计模型。

7、在一些可能的实现方式中，所述对所述历史用户信息进行数据分析得到高度相关数据，包括：

8、对所述历史用户信息进行数据清理和筛选得到第一预处理数据；

9、对所述第一预处理数据进行相关性分析得到所述高度相关数据。

10、在一些可能的实现方式中，所述根据所述高度相关数据利用梯度下降公式构建数据统计模型，包括：

11、将所述高度相关数据带入到梯度下降公式中得到初始化模型参数；

12、将所述初始化模型参数反向带入梯度下降公式中得到初始模型；

13、计算所述初始模型的损失值；

14、当所述损失值小于或等于所述目标损失值时，将所述初始模型作为所述数据统计模型。

15、在一些可能的实现方式中，所述方法还包括：

16、当所述损失值大于目标损失值时，根据所述损失值调整所述初始化模型参数并重新计算损失值直至损失值小于或等于目标损失值。

17、一种服务分配方法，所述方法包括：

18、采集当前用户信息；

19、对所述当前用户信息进行预处理得到第二预处理数据；

20、将所述第二预处理数据输入到数据统计模型中得到输出分值，其中，所述数据统计模型是根据如上所述的数据统计模型的构建方法构建得到的；

21、根据所述输出分值为用户分配相关服务。

22、一种数据统计模型的构建装置，所述装置包括：

23、第一采集单元，用于采集历史用户信息；

24、数据分析单元，用于对所述历史用户信息进行数据分析得到高度相关数据；

25、构建单元，用于根据所述高度相关数据利用梯度下降公式构建数据统计模型。

26、一种服务分配装置，所述装置包括：

27、第二采集单元，用于采集当前用户信息；

28、预处理单元，用于对所述当前用户信息进行预处理得到第二预处理数据；

29、输入单元，用于将所述第二预处理数据输入到数据统计模型中得到输出分值，其中，所述数据统计模型是根据如上所述的数据统计模型的构建方法构建得到的；

30、分配单元，用于根据所述输出分值为用户分配相关服务。

31、一种数据统计模型的构建设备，包括：存储器，处理器，及存储在所述存储器上并可在所述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，实现如上所述的数据统计模型的构建方法。

32、一种服务分配设备，包括：存储器，处理器，及存储在所述存储器上并可在所述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，实现如上所述的服务分配方法。

33、一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行如上所述的数据统计模型的构建方法，或者执行如上所述的服务分配方法。

34、相较于现有技术，本申请具有以下有益效果：

35、本申请提供了一种数据统计模型的构建方法、服务分配方法及相关装置。具体地，在执行本申请实施例提供的数据统计模型的构建方法时，首先可以采集历史用户信息。接着，对历史用户信息进行数据分析得到高度相关数据。然后根据高度相关数据利用梯度下降公式构建数据统计模型。本申请从数据本身出发，对采集到的历史用户信息进行数据分析得到高度相关数据，并利用高度相关数据和梯度下降公式构建数据统计模型，以此构建的数据统计模型可以避免同一客户在不同地区同一银行享受的服务存在差异。此外，本申请的数据统计模型可以保证服务的范围、水平和延续性。

技术特征：

1.一种数据统计模型的构建方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述历史用户信息进行数据分析得到高度相关数据，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据所述高度相关数据利用梯度下降公式构建数据统计模型，包括：

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

5.一种服务分配方法，其特征在于，所述方法包括：

6.一种数据统计模型的构建装置，其特征在于，所述装置包括：

7.一种服务分配装置，其特征在于，所述装置包括：

8.一种数据统计模型的构建设备，其特征在于，包括：存储器，处理器，及存储在所述存储器上并可在所述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，实现如权利要求1-4任一项所述的数据统计模型的构建方法。

9.一种服务分配设备，其特征在于，包括：存储器，处理器，及存储在所述存储器上并可在所述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，实现如权利要求5所述的服务分配方法。

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中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行如权利要求1-4任一项所述的数据统计模型的构建方法，或者执行如权利要求5所述的服务分配方法。

技术总结
本申请实施例公开了一种数据统计模型的构建方法、服务分配方法及相关装置，应用于大数据领域或金融领域。首先采集历史用户信息，并对历史用户信息进行数据分析得到高度相关数据。接着根据高度相关数据利用梯度下降公式构建数据统计模型。本申请从数据本身出发，对采集到的历史用户信息进行数据分析得到高度相关数据，并利用高度相关数据和梯度下降公式构建数据统计模型，以此构建的数据统计模型可以避免同一客户在不同地区同一银行享受的服务存在差异。此外，本申请的数据统计模型可以保证服务的范围、水平和延续性。

技术研发人员：孙梓奕,陈奇伟
受保护的技术使用者：中国银行股份有限公司
技术研发日：
技术公布日：2024/1/16