荐程度越高。
[0033]上述的一种基于大数据预测引导客户办理银行业务的推荐方法，其中，所述步骤
(I)中，所述客户画像是根据客户在银行的存款总额或近几个月的存款总额或该客户的征信数据对客户进行的画像，从而识别客户的类型。
[0034]上述的一种基于大数据预测引导客户办理银行业务的推荐方法，其中，所述步骤
(6)中，所述分数的计算公式为:分数=预计到达时间+某种业务在某时间段的平均办理时间X某时间段办理某种业务的需求密度，所述预计到达时间、某种业务在某时间段的平均办理时间的单位为分钟。
[0035]上述的一种基于大数据预测引导客户办理银行业务的推荐方法，其中，所述步骤
(7)中，所述分数的计算公式为:分数=预计到达时间+某种业务在某时间段的平均办理时间X某时间段预约某种业务的需求密度，所述预计到达时间、某种业务在某时间段的平均办理时间的单位为分钟。
[0036]上述的一种基于大数据预测引导客户办理银行业务的推荐方法，其中，所述步骤
(6)中，对于潜在VIP客户，预测模块在为其推荐合适的网点或者办理业务的时间的同时，还为其提供VIP优质服务从而努力将其转化成VIP客户。
[0037]综上所述，与现有技术相比，本发明有以下优点和突出效果:
[0038]1、本发明是基于大数据预测的引导客户流量的推荐系统及方法，结合了客户在银行办理各业务的历史数据、客户的位置信息，通过计算平均办理时间和办理业务的需求密度等，更准确地预估客户需要等待的时间，并通过建模，更加准确、智能地给出各网点的推荐程度。
[0039]2、本发明基于用户画像将客户进行了合理的分类，不仅能够对VIP客户进行个性化推荐和精准营销，而且对于潜在的VIP客户，在正常办理一般业务的同时对其提供VIP优质服务并将其升级为VIP客户，这种获客方式的效率较高且成本较低。
[0040]3、采用本发明系统和方法，客户可以根据推荐信息合理有效地选择所要办理业务的网点，有效地解决了部分网点客户流量小，资源浪费或部分网点客户流量大等网点客户流量分配不均匀、客户等待时间较长的现象。
【附图说明】
[0041]图1是本发明一种基于大数据预测引导客户办理银行业务的推荐系统的连接示意图。
[0042]图2是本发明一种基于大数据预测引导客户办理银行业务的推荐系统的原理图。
[0043]图3是本发明一种基于大数据预测引导客户办理银行业务的推荐方法的流程图。
[0044]图4是本发明的预测模块的结构示意图。
【具体实施方式】
[0045]下面结合附图对本发明的【具体实施方式】作详细介绍。
[0046]实施例1
[0047]请参见图1，一种基于大数据预测引导客户办理银行业务的推荐系统，包括:客户端，定位模块，网点，数据传输模块和预测模块。
[0048]客户在客户端输入用户名、卡号、密码、需要办理的业务类型以及选择性输入办理业务的半径、网点或时间，客户端根据客户在银行的存款总额或近几个月的存款总额或该客户的征信数据对客户进行的画像，将客户归类，归类类型包括普通客户、潜在VIP客户和VIP客户。
[0049]定位模块通过电信移动运营商的无线电通讯网络(GSM网、CDMA网)或外部定位方式(如GPS等)获取客户端用户的位置信息。在客户授权位置信息后通过定位客户当前位置搜索指定半径内的网点并显示这些网点的具体距离，并结合距离和交通方式显示到这些网点的预计到达时间。
[0050]网点在数据预处理的过程中，将时间分成不同的时间段，比如[9:00，10:00)，[10:00，11:00)，…，[16:00，17:00 ]等。办理业务的时间分段的标准以业务办理的开始时间为准，比如10:50开始，11:05结束的业务，这笔业务应归入[10:00，11:00)这个时间段。若客户为普通客户或潜在VIP客户，则网点分别计算某种业务在不同时间段的平均办理时间和不同时间段办理某种业务的需求密度;若客户为VIP客户，则网点分别计算某种业务在不同时间段的平均办理时间和不同时间段预约某种业务的需求密度。
[0051]某种业务在不同时间段的平均办理时间的计算模型为M0DEL-1，其计算方法为:计算业务办理的交易流水中的开始时间和结束时间的时间差，对时间差的所有历史数据先按不同时间段进行数据分类预处理，然后对各个时间段的历史数据进行统计分析得出其分布的概率密度曲线及其期望值，期望值为平均时间差，即为该业务在各时间段的平均办理时间，比如下午2:00办理现金业务的平均办理时间为15分钟等。
[0052]不同时间段办理某种业务的需求密度的计算模型为M0DEL-2，其计算方法为:统计叫号机凭条中的时间和等待人数这两种历史数据，等待人数先按照时间段进行分类预处理，然后对各个时间段的历史数据进行统计分析得出其分布的概率密度曲线及其期望值，期望值为平均等待人数，即为该业务在各时间段的办理的需求密度，比如上午10:00为办理现金业务而已取号的人数为6人，也就是说，10:00办理现金业务的需求密度为6人。
[0053]不同时间段预约某种业务的需求密度的计算模型为M0DEL-3，其计算方法为:统计客户预约的时间和该时间段的预约人数这两种历史数据，预约人数先按时间段进行分类预处理，然后对各个时间段的历史数据进行统计分析得出其分布的概率密度曲线及其期望值，期望值为平均预约人数，即为该业务在各时间段的预约的需求密度，比如下午2:00为咨询理财产品预约的人数为3人，也就是说，14:00预约咨询理财产品的需求密度为3人。
[0054]数据传输模块是一个数据交换平台，通过通用网关连接网点、客户端和定位模块，并通过实时连接客户端、网点和定位模块来获取数据并传输到预测模块。
[0055]预测模块包括:网点输入信息单元，用于筛选数据传输模块中网点的输入信息:定位输入信息单元，用于筛选数据传输模块中定位模块的输入信息；网点推荐单元，用于根据输入信息给出各网点推荐分数，分数越低，推荐程度越高。对于普通客户和潜在VIP客户，预测模块还包括:业务办理时间推荐单元，用于根据输入信息给出该网点办理业务时间的推荐分数，分数越低，推荐程度越高;对于VIP客户，预测模块还包括:预约时间推荐单元，用于根据输入信息通过模型给出该网点预约办理业务时间的推荐分数，分数越低，推荐程度越尚O
[0056]客户为普通客户或潜在VIP客户时，预测模块为客户推荐最佳方案可分为三种情况:
[0057](I)若客户选择输入希望办理业务的网点，则预测模块会根据该网点在不同时间段办理某种业务的需求密度来进行对比，并为客户推荐最佳办理时间段。比如10:00的时候客户选择了在A网点办理现金业务，由A网点的数据可知[10: 00，11: 00)，[ 11: 00，12:00)，…，[16:00，17:00]这7个时间段办理现金业务的需求密度分别为1，3，2，4，1，0，1.也就是说，在[15:00，16:00)这个时间段办理现金业务的需求密度最低，那么客户端会根据预测模块的结果向客户推荐在[15:00，16:00)这个时间段内办理业务。
[0058](2)若客户选择输入希望办理业务的半径，则预测模块会根据半径距离，通过不同交通方式预计到达时间，并根据预计到达时间、某种业务在不同时间段的平均办理时间和在不同时间段办理某种业务的需求密度这三个输入项建立模型并得出一个分数，通过该分数评价不同网点办理该业务的推荐程度，得分越低推荐程度越高。该分数的计算公式为:分数=预计到达时间+某种业务在某时间段的平均办理时间X某时间段办理某种业务的需求密度，预计到达时间、某种业务在某时间段的平均办理时间的单位均为分