CN113450011A - 任务分配方法和装置 - Google Patents
任务分配方法和装置 Download PDFInfo
- Publication number
- CN113450011A CN113450011A CN202110769736.5A CN202110769736A CN113450011A CN 113450011 A CN113450011 A CN 113450011A CN 202110769736 A CN202110769736 A CN 202110769736A CN 113450011 A CN113450011 A CN 113450011A
- Authority
- CN
- China
- Prior art keywords
- task
- processing
- tasks
- evaluation
- type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种任务分配方法和装置。所述方法涉及人工智能,包括:响应任务分配请求,获取处理人员所处理的不同任务类型的历史任务在预设维度的评价信息,并根据评价信息确定处理人员擅长处理的任务类型。获取待分配的任务及任务所属的任务类型,其中,任务为风险预警***基于识别到的业务生成。匹配任务的任务类型以及处理人员擅长处理的任务类型,为处理人员分配所擅长处理的任务。采用本方法能够根据处理人员擅长处理的任务类型为处理人员进行任务分配,使得各处理人员可领取并审核自身更为擅长的任务,实现人力资源的有效配置,进而提升对于任务的审核效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种任务分配方法和装置。
背景技术
随着计算机技术的发展,以及互联网金融业务的逐步推广应用,越来越多用户根据自身实际需求,选择不同类型的互联网金融业务。其中,互联网金融业务表示传统金融机构和互联网企业,利用互联网技术和信息通信技术实现的资金融通、支付、投资和信息中介服务等业务,但由于现阶段信用体系尚不完善,网络安全风险较大,业务处理过程中仍然存在危及用户的资金安全和个人信息安全的问题。
为保证用户资金安全以及个人信息安全,出现了风险预警***,即通过技术手段来达到风险预警的应用***。通过风险预警***,可根据预设规则筛选出相应的任务,然后由人工进行二次判断,确定是否需要对筛选出的任务进行报送和进一步处理。
在传统的风险预警***中,对于任务的分配和审核,通常采用风险预警***随机分配,审核人员自动领取任务,或管理员进行人工分配的方式。然而,风险预警***分配任务时,随机性较大,不同审核人员的历史审核工作情况以及审核方式均有所不同,且随机领取到的任务难度差异大,审核过程中仍然存在对各任务的审核效率较低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提升任务的审核效率的任务分配方法和装置。
一种任务分配方法,所述方法包括:
响应任务分配请求,获取处理人员所处理的不同任务类型的历史任务在预设维度的评价信息,并根据所述评价信息确定所述处理人员擅长处理的任务类型;
获取待分配的任务及所述任务所属的任务类型;其中,所述任务为风险预警***基于识别到的业务生成;
匹配所述任务的任务类型以及所述处理人员擅长处理的任务类型,为所述处理人员分配所擅长处理的任务。
一种任务分配装置,所述装置包括:
任务类型确定模块,用于响应任务分配请求,获取处理人员所处理的不同任务类型的历史任务在预设维度的评价信息,并根据所述评价信息确定所述处理人员擅长处理的任务类型;
待分配任务获取模块,用于获取待分配的任务及所述任务所属的任务类型;其中,所述任务为风险预警***基于识别到的业务生成;
任务分配模块,用于匹配所述任务的任务类型以及所述处理人员擅长处理的任务类型,为所述处理人员分配所擅长处理的任务。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
响应任务分配请求,获取处理人员所处理的不同任务类型的历史任务在预设维度的评价信息,并根据所述评价信息确定所述处理人员擅长处理的任务类型;
获取待分配的任务及所述任务所属的任务类型;其中,所述任务为风险预警***基于识别到的业务生成;
匹配所述任务的任务类型以及所述处理人员擅长处理的任务类型,为所述处理人员分配所擅长处理的任务。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
响应任务分配请求,获取处理人员所处理的不同任务类型的历史任务在预设维度的评价信息,并根据所述评价信息确定所述处理人员擅长处理的任务类型;
获取待分配的任务及所述任务所属的任务类型;其中,所述任务为风险预警***基于识别到的业务生成;
匹配所述任务的任务类型以及所述处理人员擅长处理的任务类型,为所述处理人员分配所擅长处理的任务。
上述任务分配方法和装置中,通过响应任务分配请求,获取处理人员所处理的不同任务类型的历史任务在预设维度的评价信息,并根据评价信息确定处理人员擅长处理的任务类型,并进一步获取待分配的任务及任务所属的任务类型,进而匹配任务的任务类型以及处理人员擅长处理的任务类型,为处理人员分配所擅长处理的任务。实现了根据处理人员擅长处理的任务类型为处理人员进行任务分配,使得各处理人员可领取并审核自身更为擅长的任务,实现人力资源的有效配置,进而提升对于任务的审核效率。
附图说明
图1为一个实施例中任务分配方法的应用环境图;
图2为一个实施例中任务分配方法的流程示意图;
图3为一个实施例中处理人员当前待审核的任务的具体信息示意图;
图4为一个实施例中处理人员领单后任务的具体信息示意图;
图5为一个实施例基于处理人员的智能派单流程示意图;
图6为一个实施例中确定处理人员擅长处理的任务类型的流程示意图;
图7为一个实施例中处理人员针对不同任务类型的任务的评价参数分布示意图;
图8为一个实施例中确定预设维度评价信息的评价权重的流程示意图;
图9为一个实施例中任务的完整审核流程示意图;
图10为一个实施例中任务分配装置的结构框图;
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的任务分配方法,涉及了人工智能技术,其中,人工智能(ArtificialIntelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。其中,人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
其中,人工智能技术中的机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术而随着人工智能技术研究和进步,人工智能技术在多个领域展开研究和应用,例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服以及智能课堂等,相信随着技术的发展,人工智能技术将在更多的领域得到应用,并发挥越来越重要的价值。
本申请提供的任务分配方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。服务器104通过响应处理人员基于终端102触发的任务分配请求,获取处理人员所处理的不同任务类型的历史任务在预设维度的评价信息,并根据评价信息确定处理人员擅长处理的任务类型。服务器104通过获取待分配的任务及任务所属的任务类型,其中,任务为风险预警***基于识别到的业务生成,并匹配任务的任务类型以及处理人员擅长处理的任务类型,进而为处理人员分配所擅长处理的任务。其中,服务器104可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云计算服务的云服务器。终端102可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表、车载终端、智能电视等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
在一个实施例中,如图2所示,提供了一种任务分配方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤S202,响应任务分配请求,获取处理人员所处理的不同任务类型的历史任务在预设维度的评价信息,并根据评价信息确定处理人员擅长处理的任务类型。
具体地,通过检测处理人员触发的任务分配请求,并响应所检测到的任务分配请求,进而获取与任务分配请求对应的处理人员所处理的不同任务类型的历史任务在预设维度的评价信息。
进一步地,通过确定出触发任务分配请求的处理人员,并获取该处理人员在第一预设工作时长内所处理的历史任务的第一历史审核记录。进而基于第一历史审核记录,提取出处理人员处理的历史任务,并按照任务类型对各历史任务进行统计,进而确定出每种任务类型在预设维度的评价信息。其中,第一预设工作时长可以是10天至30天中的不同取值,在一种实施方式中,第一预设工作时长可以取15天。
其中,不同处理人员擅长处理的任务类型有所不同,举例来说,处理人员张某,处理过的历史任务的任务类型可以包括a类型、b类型、c类型以及d类型等,但根据处理人员张某针对不同任务类型的历史任务的处理情况,比如处理人员针对不同任务类型的历史任务在预设维度的评价信息,可进一步确定出处理人员张某擅长的任务类型。
在一个实施例中,根据评价信息确定处理人员擅长处理的任务类型,包括:
获取各预设维度评价信息的评价权重,并根据评价权重和评价信息,确定评价参数,进而根据评价参数对任务类型进行排序,基于排序确定处理人员擅长处理的任务类型。
进一步地,每种任务类型涉及的预设维度包括审核时长,任务驳回率以及任务处理优先级。与审核时长对应的评价信息为效率评价,与任务驳回率对应的评价信息为质量评价,与任务处理优先级对应的评价信息为偏好评价,则可根据各审核时长,可生成对应的效率评价,根据任务驳回率,得到对应的质量评价,同样地,根据任务处理优先级,生成对应任务类型的偏好评价。进而通过效率评价、质量评价以及偏好评价,对任务类型进行排序,可基于排序确定处理人员擅长处理的任务类型。
其中,审核时长表示处理每个任务的耗时,通过将处理人员提交已审核的任务至复核人员的时间点,减去处理人员开始审核任务的时间点,得到每个任务的审核时长。同样地,任务处理优先级表示处理人员针对不同任务类型的优先处理程度,而任务驳回率则表示复核人员针对第一历史审核记录,反馈的不同任务类型的任务驳回数,和处理人员在第一预设工作时长内所处理的不同任务类型的历史任务量的比值。
在一个实施例中,在响应任务分配请求,获取处理人员所处理的不同任务类型的历史任务在预设维度的评价信息,并根据评价信息确定处理人员擅长处理的任务类型之前,还包括:
获取与各处理人员当前待审核的任务数量;根据处理人员当前待审核的任务数量和预设数量阈值,判断是否满足任务分配条件;当确定处理人员当前待审核的任务数量,小于预设数量阈值时,判定满足任务分配条件;检测处理人员触发的任务分配请求。
具体地,通过获取各处理人员当前待审核的任务数量,并获取预设数量阈值,通过将处理人员当前待审核的任务数量和预设数量阈值进行比对,判断是否满足任务分配条件。
进一步地,当处理人员当前待审核的任务数量,小于预设数量阈值时,则判定满足任务分配条件,进而在满足任务分配条件时,检测处理人员触发的任务分配请求。
其中,预设数量阈值可以是3至6中的不同取值,在一种实施方式中,预设数量阈值可以取5,即当处理人员当前待审核的任务数量,小于预设数量阈值5时,则判定满足任务分配条件,进而在满足任务分配条件时,检测处理人员触发的任务分配请求。
在一个实施例中,某处理人员当前待审核的任务的具体信息如图3所示,参照图3可知,某处理人员当前待审核的任务数量X小于预设数量阈值时,即满足任务分配条件,该处理人员可触发任务分配请求,即触发图3中的“领单”按键或触摸点,可触发任务分配请求。在一种实施方式中,预设数量阈值可以取5,参照图3可知,某处理人员当前待审核的任务为3时,小于预设数量阈值5,则判定满足任务分配条件。
其中,参照图3可知,某处理人员当前待审核的任务的具体信息,可以包括考核时间、预警案例序号、预警案例时间、客户姓名、证件号码以及预警案例任务类型等不同信息。
步骤S204,获取待分配的任务及任务所属的任务类型。
具体地,风险预警***中存储有多个待分配的任务,且各个任务属于不同的任务类型,其中,任务为风险预警***基于识别到的业务生成。
其中,风险预警***即表示通过技术手段来达到风险预警的应用***,通过风险预警***,可根据预设规则从所采集的各个业务中筛选出相应的任务,并识别各任务所属的任务类型。其中,预设规则可表示为判断业务的金额数值是否达到预设金额数值阈值,或者业务双方中是否存在已进行标记的黑名单用户等。
可以理解的是,当业务的业务金额数值达到预设金额数值阈值,或双方中存在已进行标记的黑名单用户时,则可识别出该业务属于交易任务,通过获取该些交易业务的交易信息、交易双方的身份信息、以及外部调用信息等,进一步识别出各交易任务所属的任务类型。其中,任务的任务类型,可以包括常见的不同类型、不同途径以及不同数额程度的非法交易或非法融资等任务类型。
步骤S206,匹配任务的任务类型以及处理人员擅长处理的任务类型,为处理人员分配所擅长处理的任务。
具体地,通过将风险预警***识别出的待分配的任务的任务类型,和处理人员擅长处理的任务类型进行匹配,确定出处理人员擅长处理的任务,并为处理人员分配所确定出的擅长处理的任务。
在一个实施例中,处理人员领单后任务的具体信息如图4所示,参照图4可知,当处理人员触发任务分配请求,并对该处理人员进行擅长处理的任务分配后,该处理人员待审核的任务的数量,根据领单数量发生变化。其中,处理人员领单后任务的具体信息,同样包括考核时间、预警案例序号、预警案例时间、客户姓名、证件号码以及预警案例任务类型等不同信息,和领单前的处理人员的任务的具体信息相比,处理人员待审核的任务的数量增加。
具体来说,在领单操作前,该处理人员待审核的任务的数量为图3所示的X个,在领单操作后,即任务分配后,该处理人员待审核的任务的数量由图3中的X个增加新分配的任务数量Y,得到更新后的待审核的任务的数量X+Y个。
在一个实施例中,如图5所示,提供了一种基于处理人员的智能派单流程,参照图5可知,在当前某个处理人员满足任务分配条件,准备领单时,风险预警***后台自动分析当前处理人员和处理人员的审核数据,进而根据审核数据筛选出符合当前处理人员的任务,风险预警***将确定出的任务进行派发,直至当前处理人员领单成功。
上述任务分配方法中,通过响应任务分配请求,获取处理人员所处理的不同任务类型的历史任务在预设维度的评价信息,并根据评价信息确定处理人员擅长处理的任务类型。通过获取待分配的任务及任务所属的任务类型,其中,任务为风险预警***基于识别到的业务生成,进而匹配任务的任务类型以及处理人员擅长处理的任务类型,为处理人员分配所擅长处理的任务。实现了根据处理人员擅长处理的任务类型为处理人员进行任务分配,使得各处理人员可领取并审核自身更为擅长的任务,实现人力资源的有效配置,进而提升对于任务的审核效率。
在一个实施例中,如图6所示,确定处理人员擅长处理的任务类型的步骤,即响应任务分配请求,获取处理人员所处理的不同任务类型的历史任务在预设维度的评价信息,并根据评价信息确定处理人员擅长处理的任务类型的步骤,具体包括:
步骤S602,响应任务分配请求,获取处理人员在第一预设工作时长内所处理的历史任务的第一历史审核记录。
具体地,通过响应任务分配请求,进而确定出触发任务分配请求的处理人员,并获取该处理人员在第一预设工作时长内所处理的历史任务的第一历史审核记录。其中,第一预设工作时长可以是10天至30天中的不同取值,在一种实施方式中,第一预设工作时长可以取15天。
在一个实施例中,如表1所示,提供了一种处理人员在第一预设工作时长内所处理的历史任务的第一历史审核记录,参照表1可知,处理人员张某,在第一预设工作时长内所处理的历史任务的第一历史审核记录,包括任务类型、每种任务类型的平均耗时、在第一预设工作时长内处理的每种任务类型的任务总量、复核人员反馈的每种任务类型的任务驳回数、以及任务驳回率,其中,任务驳回率是根据复核人员反馈的每种任务类型的任务驳回数,以及第一预设工作时长内处理的每种任务类型的任务总量的比值计算得到。
举例来说,当处理人员张某在一预设工作时长内,处理了a类型的任务的总量为O个,提交至复核人员后,复核人员反馈的任务驳回数为F个,则处理人员张某在一预设工作时长内针对a类型的任务的驳回率,则为F/O。同理可知,其他不同任务类型的任务的驳回率,也可通过复核人员针对该任务类型的任务驳回数,以及该任务类型的任务的总量的比值确定。
表1
处理人员 | 任务类型 | 平均耗时 | 任务总量 | 任务驳回数 | 任务驳回率 |
张某 | a类型 | E分钟/个 | O个 | F个 | F/O |
张某 | b类型 | G分钟/个 | P个 | H个 | P/H |
张某 | c类型 | J分钟/个 | Q个 | K个 | Q/K |
张某 | d类型 | E1分钟/个 | O1个 | F1个 | F1/O1 |
张某 | e类型 | G1分钟/个 | P1个 | H1个 | P1/H1 |
张某 | f类型 | J1分钟/个 | Q1个 | K1个 | Q1/K1 |
步骤S604,基于第一历史审核记录,按照不同任务类型对历史任务进行统计,确定每种任务类型在预设维度的评价信息。
具体地,基于第一历史审核记录,提取出处理人员处理的历史任务,并按照任务类型对各历史任务进行统计,进而确定出每种任务类型在预设维度的评价信息。
其中,每种任务类型涉及的预设维度包括审核时长,任务驳回率以及任务处理优先级。与审核时长对应的评价信息为效率评价,与任务驳回率对应的评价信息为质量评价,与任务处理优先级对应的评价信息为偏好评价。
进一步地,审核时长表示处理每个任务的耗时,通过将处理人员提交已审核的任务至复核人员的时间点,减去处理人员开始审核任务的时间点,得到每个任务的审核时长。
同样地,任务驳回率表示复核人员针对第一历史审核记录,反馈的不同任务类型的任务驳回数,和处理人员在第一预设工作时长内所处理的不同任务类型的历史任务量的比值。其中,复核人员针对第一历史审核记录,反馈的不同任务类型的任务的驳回和通过情况,用0表示驳回,用1表示通过,即可通过统计0或1的个数,确定出反馈的不同任务类型的任务驳回数。
其中,任务处理优先级表示处理人员针对不同任务类型的优先处理程度,举例来说,假设处理人员A在分得一批任务后,A最擅长处理的任务的任务类型是a类型,但是A首先处理b类型,则b类型的任务的任务处理优先级高于a类型。
在一个实施例中,评价信息包括效率评价,基于第一历史审核记录,并根据评价信息确定对历史任务进行统计,确定每种任务类型在预设维度的评价信息,包括:
基于第一历史审核记录,统计处理人员在第一预设工作时长内所处理的不同任务类型的历史任务的审核时长;根据各审核时长,生成对应的效率评价。
具体地,基于第一历史审核记录,统计处理人员在第一预设工作时长内所处理的不同任务类型的历史任务的审核时长,其中,任务的任务类型可以包括a类型、b类型、c类型以及d类型等,不同任务类型的审核时长有所不同。
其中,审核时长表示处理每个任务类型的历史任务的耗时,通过将处理人员提交已审核的任务至复核人员的时间点,减去处理人员开始审核任务的时间点,得到每个任务类型的任务的审核时长。
进一步地,根据各审核时长进行分析和排序,确定出处理人员针对不同任务类型的任务的效率评价。可以理解的是,处理人员对不同任务类型的任务的审查时长越长,则说明对该任务类型进行处理时所耗费的时间越长,相应的审核效率越低,进而可根据各审核时长确定不同任务类型的任务的效率评价。
在一个实施例中,评价信息包括质量评价;基于第一历史审核记录,并根据评价信息确定对历史任务进行统计,确定每种任务类型在预设维度的评价信息,包括:
基于第一历史审核记录,分别获取处理人员在第一预设工作时长内所处理的不同任务类型的历史任务量;获取复核人员针对第一历史审核记录,反馈的不同任务类型的任务驳回数;根据任务驳回数和历史任务总量的比值,生成对应任务类型的任务驳回率;根据任务驳回率,得到对应的质量评价。
具体地,驳回率表示复核人员针对第一历史审核记录,反馈的不同任务类型的任务驳回数,和处理人员在第一预设工作时长内所处理的不同任务类型的历史任务量的比值。
进一步地,根据任务驳回率进行分析和排序,确定出处理人员针对不同任务类型的任务对应的质量评价。其中,由于不同任务类型的任务的驳回率,是通过复核人员反馈的任务驳回数和处理人员处理的历史任务总量的比值生成,则可以理解的是,当处理人员处理的历史任务总量一定时,相应任务类型的任务的任务驳回数越高,则驳回率越高,进而可以得知当前处理人员对该任务类型的任务的审核质量越低。
在一个实施例中,评价信息包括偏好评价;基于第一历史审核记录,按照不同任务类型对历史任务进行统计,确定每种任务类型在预设维度的评价信息,包括:
基于第一历史审核记录,提取各处理人员针对不同任务类型的任务的任务处理优先级;根据任务处理优先级,生成对应任务类型的偏好评价。
具体地,任务处理优先级表示处理人员针对不同任务类型的优先处理程度,举例来说,假设处理人员A在分得一批任务后,A最擅长处理的任务的任务类型是a类型,但是A首先处理b类型,则b类型的任务的任务处理优先级高于a类型。
进一步地,根据任务处理优先级进行分析和排序,确定出处理人员针对不同任务类型的任务对应的偏好评价。
步骤S606,根据评价信息确定处理人员擅长处理的任务类型。
具体地,通过获取各预设维度评价信息的评价权重,并根据评价权重和评价信息,确定评价参数,进而根据评价参数对任务类型进行排序,基于排序确定处理人员擅长处理的任务类型。
其中,预设维度包括审核时长,任务驳回率以及任务处理优先级,评价权重包括与审核时长对应的第一评价权重,与任务驳回率对应的第二评价权重,以及与任务处理优先级对应的固定常数权重。其中,在一种实施方式中,与任务处理优先级对应的固定常数权重可以为固定的常数1。
进一步地,评价信息包括与审核时长对应的效率评价,与任务驳回率对应的质量评价,以及与任务处理优先级对应的为偏好评价。进而根据审核时长和第一评价权重、任务驳回率和第二评价权重、以及任务处理优先级和固定常数权重,确定对应的评价参数。进而根据评价参数对任务类型进行排序,基于排序确定处理人员擅长处理的任务类型。
在一个实施例中,如图7所示,提供了一种处理人员针对不同任务类型的任务的评价参数分布,参照图7可知,根据处理人员何某在处理不同任务类型的任务的评价参数情况,包括a类型至h类型的任务的评价参数情况。
具体地,参照图7可知,每个任务类型的评价参数,包括根据审核时长和第一评价权重确定的第一评价参数,根据任务驳回率和第二评价权重确定的第二评价参数,以及根据任务处理优先级和固定常数权重确定的第三评价参数,对第一评价参数、第二评价参数以及第三评价参数进行求和,即可得到最终的评价参数情况,进而根据最终的评价参数情况可确定出处理人员何某最擅长的任务类型为a类型。
其中,采用以下公式(1)确定得到不同任务类型的任务的评价参数情况:
Z=p1x1+p2x2+q; (1)
其中,Z表示最终的评价参数情况,预设维度包括审核时长和任务驳回率,即对应x1和x2,p1和p2分别对应第一评价权重和第二评价权重,根据p1x1可确定得到第一评价参数,而根据p2x2可确定得到第二评价参数。其中,q表示根据任务处理优先级和固定常数权重确定的第三评价参数,进而通过对第一评价参数、第二评价参数以及第三评价参数进行求和,即可得到最终的评价参数情况Z。
进一步地,可根据评价参数按照参数取值大小,从大至小对各任务类型进行排序,得到排序后的任务类型序列,进而将排序最前的任务类型确定为处理人员擅长处理的任务类型。
其中,如表2,提供了处理人员何某在处理a类型至h类型的任务的具体评价参数情况,参照表2可知,a类型的评价参数总取值最高,a类型即为处理人员何某最擅长的任务类型。
表2
在一个实施例中,在为处理人员分配所擅长处理的任务之前,还包括:
遍历当前待分配的任务,匹配预设的特定类型任务;当匹配成功时,将预设的特定类型任务优先分配至处理人员。
具体地,预设的特定类型任务的分配优先级高于处理人员所擅长处理的任务,即在为处理人员分配所擅长处理的任务之前,通过遍历风险预警***中已识别出的各待分配的任务,确定是否匹配出预设的特定类型任务。
进一步地,当匹配成功时,即确定风险预警***中存在预设的特定类型任务时,将预设的特定类型任务优先分配至处理人员。当匹配失败时,即风险预警***中不存在预设的特定类型任务时,才将处理人员所擅长处理的任务,分配至处理人员。其中,预设的特定类型任务可以是金额远大于常规非法金额的恐怖融资类。
其中,当风险预警***中不存在处理人员所擅长处理的任务时,即不存在排序最前的任务类型的任务时,从排序后的任务类型序列中,将排序第二的任务类型对应的任务分配至处理人员,并以此类推。可以理解的是,当风险预警***中不存在排序第二的任务类型对应的任务时,从排序后的任务类型序列中,将排序第三的任务类型对应的任务分配至处理人员。
本实施例中,通过获取处理人员在第一预设工作时长内所处理的历史任务的第一历史审核记录,并基于第一历史审核记录,对历史任务按任务类型进行统计,确定每种任务类型在预设维度的评价信息,进而根据评价信息确定处理人员擅长处理的任务类型。实现了根据不同维度的评价信息,综合确定处理人员擅长处理的任务类型,以提高所确定出的处理人员擅长处理的任务类型的准确度。
在一个实施例中,如图8所示,确定预设维度评价信息的评价权重的步骤,具体包括:
步骤S802,获取处理人员在第二预设工作时长内所处理的历史任务的第二历史审核记录。
具体地,通过获取处理人员在第二工作时长内所处理的历史任务的第二历史审核记录,其中,第二预设工作时长大于第一预设工作时长。
举例来说,第一预设工作时长可以是10天至30天中的不同取值,在一种实施方式中,第一预设工作时长可以取15天。第二预设工作时长可以是30天至90天中的不同取值,在一种实施方式中,第二预设工作时长可以取60天。
步骤S804,接收管理人员针对第二历史审核记录反馈的实际评价参数,并根据各实际评价参数生成对应的实际评价参数矩阵。
具体地,管理人员针对处理人员在第二预设工作时长内所处理的历史任务的第二历史审核记录进行实际评分,包括针对不同任务类型的任务的审核情况,进行实际评分,得到相应的实际评价参数。进而通过接收管理人员针对第二历史审核记录,反馈的不同任务类型的任务的实际评价参数,生成相应的实际评价参数矩阵。
步骤S806,从第二历史审核记录,提取与不同任务类型的任务对应的各预设维度,生成对应的预设维度矩阵。
具体地,从第二历史审核记录,提取与不同任务类型的任务对应的各预设维度,其中,预设维度可以包括审核时长以及任务驳回率。根据不同任务类型的任务的审核时长,生成对应的第一预设维度矩阵,而根据不同任务类型的任务的任务驳回率,生成对应的第二预设维度矩阵。。
步骤S808,根据预设维度矩阵和实际评价参数矩阵,生成对应任务类型的任务的参数矩阵。
具体地,根据第一预设维度矩阵和实际评价参数矩阵,可生成对应任务类型的任务的第一参数矩阵。同样地,根据第二预设维度矩阵和实际评价参数矩阵,生成对应任务类型的任务的第二参数矩阵。
在一个实施例中,采用以下公式(2)计算得到参数矩阵:
A=(XT*X)-1*XT*Y; (2)
其中,A表示参数矩阵,X表示预设维度矩阵,XT表示对预设维度矩阵X进行转置,Y表示实际评价参数矩阵。其中,X可以对应第一预设维度矩阵和第二预设维度矩阵,用X1、X2进行表示。可以理解的是,根据X1、X2计算得到的参数矩阵A,也可分别对应第一参数矩阵和第二参数矩阵,分别用A1、A2进行表示。具体来说,根据第一预设维度矩X1阵和实际评价参数矩阵Y,可生成对应任务类型的任务的第一参数矩阵A1。同样地,根据第二预设维度矩阵X2和实际评价参数矩阵Y,生成对应任务类型的任务的第二参数矩阵A2。
步骤S810,基于参数矩阵,确定出不同任务类型的任务对应的预设维度评价信息的评价权重。
具体地,根据参数矩阵生成对应的参数行列,进而基于参数行列,按照行列顺序,确定不同任务类型的任务对应的预设维度评价信息的评价权重。
进一步,地根据第一参数矩阵生成对应的第一参数行列,进而基于第一参数行列,按照相应的行列顺序,确定出不同任务类型的任务对应的审核时长的第一评价权重。同样地,根据第二参数矩阵生成对应的第二参数行列,进而基于第二参数行列,按照相应的行列顺序,确定出不同任务类型的任务对应的任务驳回率的第二评价权重。其中,与任务处理优先级对应的评价权重为固定常数权重,在一种实施方式中,与任务处理优先级对应的固定常数权重可以为固定的常数1。
本实施例中,通过获取处理人员在第二预设工作时长内所处理的历史任务的第二历史审核记录,并接收管理人员针对第二历史审核记录反馈的实际评价参数,并根据各实际评价参数生成对应的实际评价参数矩阵。通过从第二历史审核记录,提取与不同任务类型的任务对应的各预设维度,生成对应的预设维度矩阵,进而根据预设维度矩阵和实际评价参数矩阵,生成对应任务类型的任务的参数矩阵。而基于参数矩阵,可确定出不同任务类型的任务对应的预设维度评价信息的评价权重。实现了根据管理人员反馈的实际评价参数矩阵,以及基于第二历史审核记录生成的预设维度矩阵生成对应的参数矩阵,进而基于参数矩阵进行求解,可准确确定出不同任务类型的任务对应的预设维度评价信息的评价权重,进而提升了根据不同预设维度评价信息的评价权重计算得到的评价参数的精确度,一定程度上提升所确定出的处理人员擅长处理的任务类型的准确度。
在一个实施例中,如图9所示,提供了一种任务的完整审核流程,参照图9可知,任务的完整审核流程可以包括:
1)人工补录任务,或获取命中风险预警***预设模型的任务。其中,任务可由管理人员进行人工补录,或者通过风险预警***预设模型进行识别。
2)处理人员领取任务。
3)处理人员审核任务。
4)处理人员将与已审核的任务和相应的初审结果,提交至复核人员。
5)复核人员对处理人员提交的已审核的任务进行复核。
6)获取复核人员的复核结果。
当复核人员的复核结果为复核不同意初审结果时,进入步骤7)根据报文证据不足或者不符合规范等原因,将处理人员提交的任务以及相应的初审结果进行驳回,并返回步骤3)。
当复核人员的复核结果为复核同意初审结果,且初审结果为排除处理时,进入步骤8)将当前任务做排除处理。
当复核人员的复核结果为复核同意初审结果,且初审结果为上报处理时,进入步骤9)将当前任务做上报处理。
10)审定人员接收复核人员提交的上报处理。
11)当审定人员不同意复核人员提交的上报处理时,则返回并返回步骤3)。
12)当审定人员同意复核人员提交的上报处理时,则将当前任务做上报处理。
13)将任务上报至国家风险预警检测分析中心。
14)接收国家风险预警监测分析中心反馈的成功报送回执,并将成功报送回执导入风险预警***中。
本实施例中,提供了任务的完整审核流程,通过对各任务的严谨审核,更好地保障用户、企业的资金安全和隐私信息安全,提升网络安全管控力度。
如本申请所公开的任务分配,其中涉及的任务类型、第一历史审核记录、评价信息、评价参数以及第二历史审核记录等数据,可保存于区块链上。
应该理解的是,虽然上述实施例涉及的各流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述实施例涉及的各流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图10所示,提供了一种任务分配装置,该装置可以采用软件模块或硬件模块,或者是二者的结合成为计算机设备的一部分,该装置具体包括:任务类型确定模块1002、待分配任务获取模块1004以及任务分配模块1006,其中:
任务类型确定模块1002,用于响应任务分配请求,获取处理人员所处理的不同任务类型的历史任务在预设维度的评价信息,并根据评价信息确定处理人员擅长处理的任务类型.。
待分配任务获取模块1004,用于获取待分配的任务及任务所属的任务类型,其中,任务为风险预警***基于识别到的业务生成。
任务分配模块1006,用于匹配任务的任务类型以及处理人员擅长处理的任务类型,为处理人员分配所擅长处理的任务。
上述任务分配装置中,通过响应任务分配请求,获取处理人员所处理的不同任务类型的历史任务在预设维度的评价信息,并根据评价信息确定处理人员擅长处理的任务类型。通过获取待分配的任务及任务所属的任务类型,其中,任务为风险预警***基于识别到的业务生成,进而匹配任务的任务类型以及处理人员擅长处理的任务类型,为处理人员分配所擅长处理的任务。实现了根据处理人员擅长处理的任务类型为处理人员进行任务分配,使得各处理人员可领取并审核自身更为擅长的任务,实现人力资源的有效配置,进而提升对于任务的审核效率。
在一个实施例中,提供了一种任务分配装置,还包括:
第一历史审核记录获取模块,用于获取处理人员在第一预设工作时长内所处理的历史任务的第一历史审核记录;
评价信息确定模块,用于基于第一历史审核记录,对历史任务按任务类型进行统计,确定每种任务类型在预设维度的评价信息;
第一确定模块,用于根据评价信息确定处理人员擅长处理的任务类型。
上述任务分配装置中,实现了根据不同维度的评价信息,综合确定处理人员擅长处理的任务类型,以提高所确定出的处理人员擅长处理的任务类型的准确度。
在一个实施例中,第一确定模块,还用于:
获取各预设维度评价信息的评价权重;根据评价权重和评价信息,确定评价参数;根据评价参数对任务类型进行排序,基于排序确定处理人员擅长处理的任务类型。
在一个实施例中,提供了一种任务分配装置,还包括:
第二历史审核记录获取模块,用于获取处理人员在第二预设工作时长内所处理的历史任务的第二历史审核记录;第二预设工作时长大于第一预设工作时长;
实际评价参数矩阵生成模块,用于接收管理人员针对第二历史审核记录反馈的实际评价参数,并根据各实际评价参数生成对应的实际评价参数矩阵;
预设维度矩阵生成模块,用于从第二历史审核记录,提取与不同任务类型的任务对应的各预设维度,生成对应的预设维度矩阵;
参数矩阵生成模块,用于根据预设维度矩阵和实际评价参数矩阵,生成对应任务类型的任务的参数矩阵;
评价权重确定模块,用于基于参数矩阵,确定出不同任务类型的任务对应的预设维度评价信息的评价权重。
上述任务分配装置中,。实现了根据管理人员反馈的实际评价参数矩阵,以及基于第二历史审核记录生成的预设维度矩阵生成对应的参数矩阵,进而基于参数矩阵进行求解,可准确确定出不同任务类型的任务对应的预设维度评价信息的评价权重,进而提升了根据不同预设维度评价信息的评价权重计算得到的评价参数的精确度,一定程度上提升所确定出的处理人员擅长处理的任务类型的准确度。
在一个实施例中,评价信息确定模块还用于:
基于第一历史审核记录,统计处理人员在第一预设工作时长内所处理的不同任务类型的历史任务的审核时长;根据各审核时长,生成对应的效率评价。
在一个实施例中,评价信息确定模块还用于:
基于第一历史审核记录,分别获取处理人员在第一预设工作时长内所处理的不同任务类型的历史任务量;获取复核人员针对第一历史审核记录,反馈的不同任务类型的任务驳回数;根据任务驳回数和历史任务总量的比值,生成对应任务类型的任务驳回率根据任务驳回率,得到对应的质量评价。
在一个实施例中,评价信息确定模块还用于:
基于第一历史审核记录,提取各处理人员针对不同任务类型的任务的任务处理优先级;根据任务处理优先级,生成对应任务类型的偏好评价。
在一个实施例中,提供了一种任务分配装置,还包括:
任务数量获取模块,用于获取与各处理人员当前待审核的任务数量;
任务分配条件判断模块,用于根据处理人员当前待审核的任务数量和预设数量阈值,判断是否满足任务分配条件;
任务分配条件判断模块,还用于当确定处理人员当前待审核的任务数量,小于预设数量阈值时,判定满足任务分配条件;
任务分配请求检测模块,用于检测处理人员触发的任务分配请求。
在一个实施例中,提供了一种任务分配装置,还包括优先分配模块,用于:
遍历当前待分配的任务,匹配预设的特定类型任务;当匹配成功时,将预设的特定类型任务优先分配至处理人员。
关于任务分配装置的具体限定可以参见上文中对于任务分配方法的限定,在此不再赘述。上述任务分配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图11所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储任务类型、第一历史审核记录、评价信息、评价参数以及第二历史审核记录等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种任务分配方法。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种任务分配方法,其特征在于,所述方法包括:
响应任务分配请求,获取处理人员所处理的不同任务类型的历史任务在预设维度的评价信息,并根据所述评价信息确定所述处理人员擅长处理的任务类型;
获取待分配的任务及所述任务所属的任务类型;其中,所述任务为风险预警***基于识别到的业务生成;
匹配所述任务的任务类型以及所述处理人员擅长处理的任务类型,为所述处理人员分配所擅长处理的任务。
2.根据权利要求1所述的方法,其特征在于,所述响应任务分配请求,获取处理人员所处理的不同任务类型的历史任务在预设维度的评价信息,并根据所述评价信息确定处理人员擅长处理的任务类型,包括:
响应任务分配请求,获取所述处理人员在第一预设工作时长内所处理的历史任务的第一历史审核记录;
基于所述第一历史审核记录,按照不同任务类型对所述历史任务进行统计,确定每种任务类型在预设维度的评价信息;根据所述评价信息确定所述处理人员擅长处理的任务类型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述评价信息确定所述处理人员擅长处理的任务类型,包括:
获取各预设维度评价信息的评价权重;
根据所述评价权重和所述评价信息,确定评价参数;
根据所述评价参数对所述任务类型进行排序,基于排序确定所述处理人员擅长处理的任务类型。
4.根据权利要求3所述的方法,其特征在于,确定预设维度评价信息的评价权重的方式,包括:
获取所述处理人员在第二预设工作时长内所处理的历史任务的第二历史审核记录;所述第二预设工作时长大于所述第一预设工作时长;
接收管理人员针对所述第二历史审核记录反馈的实际评价参数,并根据各所述实际评价参数生成对应的实际评价参数矩阵;
从所述第二历史审核记录,提取与不同任务类型的任务对应的各预设维度,生成对应的预设维度矩阵;
根据所述预设维度矩阵和所述实际评价参数矩阵,生成对应任务类型的所述任务的参数矩阵;
基于所述参数矩阵,确定出不同任务类型的任务对应的预设维度评价信息的评价权重。
5.根据权利要求2所述的方法,其特征在于,所述评价信息包括效率评价;所述基于所述第一历史审核记录,按照不同任务类型对所述历史任务进行统计,确定每种任务类型在预设维度的评价信息,包括:
基于所述第一历史审核记录,统计所述处理人员在所述第一预设工作时长内所处理的不同任务类型的历史任务的审核时长;
根据各所述审核时长,生成对应的效率评价。
6.根据权利要求2所述的方法,其特征在于,所述评价信息包括质量评价;所述基于所述第一历史审核记录,按照不同任务类型对所述历史任务进行统计,确定每种任务类型在预设维度的评价信息,包括:
基于所述第一历史审核记录,分别获取所述处理人员在第一预设工作时长内所处理的不同任务类型的历史任务量;
获取复核人员针对所述第一历史审核记录,反馈的不同任务类型的任务驳回数;
根据所述任务驳回数和历史任务总量的比值,生成对应任务类型的任务驳回率;
根据所述任务驳回率,得到对应的质量评价。
7.根据权利要求2所述的方法,其特征在于,所述评价信息包括偏好评价;所述基于所述第一历史审核记录,按照不同任务类型对所述历史任务进行统计,确定每种任务类型在预设维度的评价信息,包括:
基于所述第一历史审核记录,提取各所述处理人员针对不同任务类型的任务的任务处理优先级;
根据所述任务处理优先级,生成对应任务类型的偏好评价。
8.根据权利要求1至7任意一项所述的方法,其特征在于,在所述响应任务分配请求,获取处理人员所处理的不同任务类型的历史任务在预设维度的评价信息,并根据所述评价信息确定所述处理人员擅长处理的任务类型之前,还包括:
获取与各所述处理人员当前待审核的任务数量;
根据所述处理人员当前待审核的任务数量和预设数量阈值,判断是否满足任务分配条件;
当确定所述处理人员当前待审核的任务数量,小于所述预设数量阈值时,判定满足任务分配条件;
检测所述处理人员触发的任务分配请求。
9.根据权利要求1至7任意一项所述的方法,其特征在于,在为所述处理人员分配所擅长处理的任务之前,还包括:
遍历当前待分配的任务,匹配预设的特定类型任务;
当匹配成功时,将所述预设的特定类型任务优先分配至所述处理人员。
10.一种任务分配装置,其特征在于,所述装置包括:
任务类型确定模块,用于响应任务分配请求,获取处理人员所处理的不同任务类型的历史任务在预设维度的评价信息,并根据所述评价信息确定所述处理人员擅长处理的任务类型;
待分配任务获取模块,用于获取待分配的任务及所述任务所属的任务类型;其中,所述任务为风险预警***基于识别到的业务生成;
任务分配模块,用于匹配所述任务的任务类型以及所述处理人员擅长处理的任务类型,为所述处理人员分配所擅长处理的任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110769736.5A CN113450011A (zh) | 2021-07-07 | 2021-07-07 | 任务分配方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110769736.5A CN113450011A (zh) | 2021-07-07 | 2021-07-07 | 任务分配方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113450011A true CN113450011A (zh) | 2021-09-28 |
Family
ID=77815282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110769736.5A Pending CN113450011A (zh) | 2021-07-07 | 2021-07-07 | 任务分配方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113450011A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091941A (zh) * | 2021-11-26 | 2022-02-25 | 中国建设银行股份有限公司 | 任务分配方法、装置、电子设备及存储介质 |
CN115081942A (zh) * | 2022-07-22 | 2022-09-20 | 希望知舟技术(深圳)有限公司 | 数据处理方法及相关装置 |
-
2021
- 2021-07-07 CN CN202110769736.5A patent/CN113450011A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091941A (zh) * | 2021-11-26 | 2022-02-25 | 中国建设银行股份有限公司 | 任务分配方法、装置、电子设备及存储介质 |
CN115081942A (zh) * | 2022-07-22 | 2022-09-20 | 希望知舟技术(深圳)有限公司 | 数据处理方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Patil et al. | Predictive modelling for credit card fraud detection using data analytics | |
Ekina et al. | Application of bayesian methods in detection of healthcare fraud | |
US10521748B2 (en) | Retention risk determiner | |
US8355896B2 (en) | Co-occurrence consistency analysis method and apparatus for finding predictive variable groups | |
CN110992167A (zh) | 银行客户业务意图识别方法及装置 | |
US20240013110A1 (en) | System and method for enhancing credit and debt collection | |
CN113450011A (zh) | 任务分配方法和装置 | |
US20150262184A1 (en) | Two stage risk model building and evaluation | |
US10325227B2 (en) | System and method for enhancing credit and debt collection | |
US20220004923A1 (en) | Systems and methods for model explanation | |
CN112927072A (zh) | 一种基于区块链的反洗钱仲裁方法、***及相关装置 | |
US20230005485A1 (en) | System and method for detecting fraud rings | |
Eddy et al. | Credit scoring models: Techniques and issues | |
CN112990989B (zh) | 价值预测模型输入数据生成方法、装置、设备和介质 | |
Dai et al. | Audit analytics: A field study of credit card after-sale service problem detection at a major bank | |
CN115115369A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN113487109B (zh) | 群体识别方法、装置、电子设备及存储介质 | |
CN114626940A (zh) | 数据分析方法、装置及电子设备 | |
CN113822751A (zh) | 一种线上贷款的风险预测方法 | |
CN112116358A (zh) | 一种交易欺诈行为的预测方法、装置及电子设备 | |
Nagesh | Generating political scores using rfm model and cluster prediction by xgboost | |
CN114819764B (zh) | 一种基于脱敏数据的虚假诉讼行为风险预测方法 | |
US11853278B2 (en) | Systems and methods for combining graph embedding and random forest classification for improving classification of distributed ledger activities | |
Shortland et al. | Data mining applications in BT | |
CN114254624B (zh) | 一种确定网站类型的方法及其*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40051861 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |