CN113706282B - 一种数据确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请实施例公开了一种数据确定方法、装置、电子设备及存储介质，方法包括：确定类别信息；确定对象的用户标识；基于类别信息和用户标识，获取指标数据集合；基于指标数据集合和/或类别信息，确定基准数据；基于指标数据集合和/或类别信息，确定系数；基于类别信息，确定限额数据；基于基准数据、系数和限额数据，确定对象在类别信息下的能力评估数据。本申请实施例可以适配多种业务领域和场景，快速便捷地确定不同类别的能力评估数据。

Description

一种数据确定方法、装置、电子设备及存储介质

技术领域

本发明涉及大数据领域，尤其涉及一种数据确定方法、装置、电子设备及存储介质。

背景技术

近年来，互联网金融迅速发展，用户人数呈***式增长。在满足用户日益增长的互联网便捷操作需求的同时，交易效率和安全度、用户需求匹配度等因素也需要得到保障。通过互联网服务，人们在进行大量的买卖行为、互动行为和支付行为等行为的同时，平台或者其他用户需要高效地甄别特定用户在不同业务领域和场景下的能力表现。

目前在确定能力评估数据时，需要对大数据***输出的用户画像、特征数据等单一维度评分结果的数据进行二次组合和计算，得出最终结果。在二次组合和计算环节，技术人员往往通过硬编码的方式实现，即只能通过编辑源代码和重新编译可执行文件来修改组合计算逻辑，无法适配不同的业务领域和场景。

发明内容

针对现有技术存在的缺陷，本公开实施例提供一种数据确定方法，可以适配多种业务领域和场景，快速便捷地确定不同类别的能力评估数据。

本申请实施例提供了一种数据确定方法，方法包括：确定类别信息；类别信息为对象所对应的类别信息集合中的类别信息，用于表征数据所对应的业务场景；确定对象的用户标识；基于类别信息和用户标识，获取指标数据集合；基于指标数据集合和/或类别信息，确定基准数据；基于指标数据集合和/或类别信息，确定系数；基于类别信息，确定限额数据；基于基准数据、系数和限额数据，确定对象在类别信息下的能力评估数据。

在一种可选的实施例中，基于类别信息，确定第一计算模型；基于第一计算模型，对基准数据、系数和限额进行计算，确定对象的能力评估数据。

在一种可选的实施例中，类别信息包括信用评分、风险限额、信用额度、信用等级、推荐等级中的一个或者多个。

在一种可选的实施例中，指标数据集合包括指标数据，指标数据用于表征对象在单一统计维度下的统计结果或者单一评价维度下的评分结果；基于类别信息，确定要查询的至少一个指标数据库；基于用户标识，从至少一个指标数据库中获取指标数据集合。

在一种可选的实施例中，基于类别信息，确定第二计算模型；基于第二计算模型，对指标数据集合中的指标数据进行计算，确定基准数据。

在一种可选的实施例中，基于指标数据集合中的至少一个指标数据，确定至少一个指标映射系数；基于类别信息，确定类别映射系数；将指标映射系数和类别映射系数相乘，确定系数。

在一种可选的实施例中，基于市场行情信息，确定指标映射系数。

在一种可选的实施例中，限额数据是最小值、最大值或者数值区间。

相应地，本申请实施例提供了一种数据确定装置，装置包括：类别信息确定模块，用于确定类别信息；类别信息为对象所对应的类别信息集合中的类别信息，用于表征数据所对应的业务场景；用户标识确定模块，用于确定对象的用户标识；指标数据集合获取模块，用于基于类别信息和用户标识，获取指标数据集合；基准数据确定模块，用于基于指标数据集合和/或类别信息，确定基准数据；系数确定模块，用于基于指标数据集合和/或类别信息，确定系数；限额数据确定模块，用于基于类别信息，确定限额数据；能力评估数据确定模块，用于基于基准数据、系数和限额数据，确定对象在类别信息下的能力评估数据。

在一种可选的实施例中，能力评估数据确定模块用于基于类别信息，确定第一计算模型；基于第一计算模型，对基准数据、系数和限额进行计算，确定对象的能力评估数据。

在一种可选的实施例中，类别信息包括信用评分、风险限额、信用额度、信用等级、推荐等级中的一个或者多个。

在一种可选的实施例中，指标数据集合包括指标数据，指标数据用于表征对象在单一统计维度下的统计结果或者单一评价维度下的评分结果；指标数据集合获取模块用于基于类别信息，确定要查询的至少一个指标数据库；基于用户标识，从至少一个指标数据库中获取指标数据集合。

在一种可选的实施例中，基准数据确定模块用于基于类别信息，确定第二计算模型；基于第二计算模型，对指标数据集合中的指标数据进行计算，确定基准数据。

在一种可选的实施例中，系数确定模块用于基于指标数据集合中的至少一个指标数据，确定至少一个指标映射系数；基于类别信息，确定类别映射系数；将指标映射系数和类别映射系数相乘，确定系数。

在一种可选的实施例中，系数确定模块用于基于市场行情信息，确定指标映射系数。

在一种可选的实施例中，限额数据是最小值、最大值或者数值区间。

相应地，本公开实施例提供了一种电子设备，其特征在于，电子设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的数据确定方法。

相应地，本公开实施例提供了一种计算机可读存储介质，其特征在于，存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的数据确定方法。

本申请实施例具有如下有益效果：

（1）可以适配多种业务领域和场景；

（2）基于三个子结果值：基准数据、系数和限额数据，得到多个类别的数据结果，计算逻辑简单高效；

（3）可以灵活地调整计算逻辑和系数。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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附图。

图1是本申请实施例所提供的一种数据确定方法的应用场景示意图；

图2是本申请实施例所提供的一种数据确定方法的流程示意图；

图3是本申请实施例所提供的一种数据确定装置的结构示意图；

图4是本申请实施例所提供的一种数据确定方法的服务器的硬件结构框图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例作进一步地详细描述。显然，所描述的实施例仅仅是本申请一个实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

此处所称的“实施例”是指可包含于本申请至少一个实现方式中的特定特征、结构或特性。在本申请实施例的描述中，需要理解的是，术语“上”、“下”、“左”、“右”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置/***或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含的包括一个或者更多个该特征。而且，术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请实施例能够以除了在这里图示或描述以外的顺序实施。此外，术语“包括”和“具有”/“为”以及他们/其的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元/模块的过程、方法、***/装置、产品或设备不必限于清楚地列出的那些步骤或单元/模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元/模块。

下面介绍本申请提供的一种数据确定方法的具体实施例。请参阅图1，图1是本申请实施例所提供的一种数据确定方法的应用场景示意图。如图1所示，包括服务器101和终端102。可选的，服务器101和终端102可以通过无线链路连接，也可以通过有线链路连接，本公开在此不做限定。

在一个可选的实施例中，服务器101可以用于数据确定，得到对象在类别信息下的能力评估数据。具体的，服务器101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***，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN（Content Delivery Network，内容分发网络）、以及大数据和人工智能平台等基础云计算服务的云服务器。可选的，该服务器101上运行的操作***可以包括但是不限于IOS、Linux、Windows、Unix、Android ***等。

在一个可选的实施例中，终端102可以协助服务器101得到对象在类别信息下的能力评估数据。终端102可以用于更改数据确定中的计算模型或系数。终端102可以是计算模型或系数，用于向服务器101发送用于数据确定的计算模型或系数。可选的，当服务器101进行数据确定后，可以将确定的对象在类别信息下的能力评估数据发送回终端102，用于在终端102上显示。具体的，终端102可以包括但不限于智能手机、台式计算机、平板电脑、笔记本电脑、智能音箱、数字助理、增强现实(augmented reality，AR)/虚拟现实(virtualreality，VR)设备、智能可穿戴设备等类型的电子设备。可选的，电子设备上运行的操作***可以包括但不限于安卓***、IOS***、linux、windows等。

此外，需要说明的是，图1所示的仅仅是本公开提供的数据确定方法的一种应用环境，在实际应用中，还可以包括其他应用环境，例如得到对象在类别信息下的能力评估数据，也可以在终端102上实现。

图2是本申请实施例提供的一种数据确定方法的流程示意图，本说明书提供了如实施例或流程图所示的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多执行顺序中的一种方式，不代表唯一的执行顺序，在实际执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行（例如并行处理器或者多线程处理的环境）。具体的如图2所示，该方法包括：

S201：确定类别信息。

在本申请实施例中，类别信息可以为对象所对应的类别信息集合中的类别信息，用于表征数据所对应的业务场景。可选的，类别信息可以包括信用评分、风险限额、信用额度、信用等级、推荐等级中的任意一个。

在本申请实施例中，基于不同的类别信息确定的数据，可以适配多种业务领域和场景。

S202：确定对象的用户标识。

可选的，对象可以是企业用户、自然人用户、非自然人用户中的任意一个。可选的，对象还可以是内地个人用户、内地企业用户、香港个人用户、香港企业用户中的任意一个。

可选的，用户标识可以包括企业注册号、个人身份证号码、用户账户号码、用户纳税识别号、用户识别序列号中的任意一个。

S203：基于类别信息和用户标识，获取指标数据集合。

根据一些实施例，指标数据集合可以包括一个或者多个指标数据，该指标数据用于表征对象在单一统计维度下的统计结果或者单一评价维度下的评分结果。可选的，指标数据可以包括对象的特定时间段的销售额、优质店铺的数量、用户评分、好评率、信用状况、用户学历素质、用户收入流水、用户负债情况中的任意一个。

在一种可选的实施方式中，大数据存储设备中可以包括多个指标数据库，每个指标数据库可以对应不同的类别信息。如此，当要确定指标数据集合的时候，可以基于类别信息，从多个指标数据库中确定要查询的至少一个指标数据库，并基于用户标识，从至少一个指标数据库中确定出指标数据，进而根据确定出的指标数据得到指标数据集合。

下面通过一个可选的实施方式具体介绍本申请是如何基于类别信息和用户标识，获取指标数据集合的。若类别信息为信用额度，则可确定要查询的至少一个指标数据库包括近一个月销售额数据库、近十二个月的月度平均销售额数据库、用户评分数据库、优质店铺数量数据库，基于用户标识，可以从上述数据库中获取该用户标识对应的对象的指标数据集合，该指标数据集合中的指标数据可以包括的近一个月销售额、近十二个月的月度平均销售额、用户评分、优质店铺数。

S204：基于指标数据集合和/或类别信息，确定基准数据。

在一种可选的实施方式中，基准数据可以是恒定不变的。可选的，服务器可以根据指标数据集合直接确定基准数据，换句话说，如果两个对象的指标数据集合中的指标数据是一样的，则两个对象对应的基准数据也可以是一样的。可选的，服务器可以根据类别信息直接确定基准数据，换句话说，如果两个对象的类别信息是一样的，则两个对象对应的基准数据也可以是一样的。可选的，服务器可以根据指标数据集合和类别信息确定基准数据，换句话说，如果两个对象的指标数据集合中的指标数据以及两个对象的类别信息是一样的，则两个对象对应的基准数据也可以是一样的。

在另一种可选的实施方式中，服务器可以基于类别信息，确定第二计算模型，基于第二计算模型，对指标数据集合中的指标数据进行计算，确定基准数据。

可选的，第二计算模型可以根据不同的类别信息进行预设，且第二计算模型可以被灵活调整。

可选的，若类别信息为信用额度，则可以基于第二计算模型，对该对象所对应的近一个月销售额、近十二个月的月度平均销售额进行计算，确定基准数据。

S205：基于指标数据集合和/或类别信息，确定系数。

在一种可选的实施方式中，基于指标数据集合中的至少一个指标数据，确定至少一个指标映射系数，基于类别信息，确定类别映射系数；将指标映射系数和类别映射系数相乘，确定系数。

在一种可选的实施方式中，系数可以是恒定不变的。可选的，服务器可以根据指标数据集合直接确定基准数据，换句话说，如果两个对象的指标数据集合中的指标数据是一样的，则两个对象对应的系数也可以是一样的。可选的，服务器可以根据类别信息直接确定系数，换句话说，如果两个对象的类别信息是一样的，则两个对象对应的系数也可以是一样的。可选的，服务器可以根据指标数据集合和类别信息确定系数，换句话说，如果两个对象的指标数据集合中的指标数据以及两个对象的类别信息是一样的，则两个对象对应的系数也可以是一样的。

根据一些实施例，至少一个指标数据可以包括用户评分、优质店铺数，至少一个指标映射系数可以包括第一指标映射系数和第二指标映射系数。

可选的，可以基于用户评分，判断用户评分所属的评分区间，根据预设的评分映射规则，确定第一指标映射系数。可选的，预设的评分映射规则可以包括评分区间和第一指标映射系数的一一对应规则，不同的评分区间对应于不同的第一指标映射系数。基于用户评分所属的评分区间，可以确定第一指标映射系数为该评分区间所对应的系数。

可选的，可以基于优质店铺数，判断优质店铺数所属的数量区间，根据预设的数量映射规则，确定第二指标映射系数。可选的，预设的数量映射规则可以包括数量区间和第二指标映射系数的一一对应规则，不同数量区间对应于不同的第二指标映射系数。基于优质店铺数所属的数量区间，可以确定第二指标映射系数为该数量区间所对应的系数。

可选的，基于类别信息，可以根据预设的类别映射规则，确定类别映射系数。预设的类别映射规则可以包括类别信息和类别映射系数的一一对应规则，不同的类别信息对应于不同的类别映射系数。基于类别信息，可以确定类别映射系数为该类别信息所对应的系数。

根据一些实施例，将指标映射系数、类别映射系数和人工干预系数相乘，确定系数。可选的，人工干预系数可以实时输入。

S206：基于类别信息，确定限额数据。

在本申请实施例中，限额数据可以是最小值、最大值或者数值区间。

可选的，基于类别信息，可以根据预设的限额映射规则，确定限额数据。预设的限额映射规则可以包括类别信息和限额数据的一一对应规则。若类别信息为信用额度，则可以确定限额数据是信用额度所对应的信用限额数据，例如，100万。

根据一些实施例，可以基于类别信息和用户标识，确定限额数据。可选的，若类别信息为信用额度，用户标识为自然人用户，则可以确定限额数据是20万；若类别信息为信用额度，用户标识为企业用户，则可以确定限额数据是100万。

S207：基于基准数据、系数和限额数据，确定对象在类别信息下的能力评估数据。

根据一些实施例，可以基于类别信息，确定第一计算模型；基于第一计算模型，对基准数据、系数和限额进行计算，确定对象的能力评估数据。可选的，第一计算模型可以被灵活调整。

可选的，若类别信息为信用额度，可以确定第一计算模型为能力评估数据=min[基准数据*系数，限额]，并根据此计算模型，对基准数据、系数和限额进行计算，确定对象的能力评估数据。

在本申请实施例中，基于三个子结果值：基准数据、系数和限额数据，并通过调整计算逻辑，即可得到多个类别的数据结果，计算逻辑简单高效。

下面将基于三种可选的实施方式，进一步描述步骤S201-S207。

第一种：

在步骤S201中确定类别信息为信用限额，并且在步骤S202中确定对象的用户标识为企业用户，之后继续执行步骤S203-S207。

执行步骤S203，基于类别信息和用户标识，获取指标数据集合。

基于类别信息为信用额度，则可确定要查询的至少一个指标数据库包括近一个月销售额数据库、近十二个月的月度平均销售额数据库、用户评分数据库、优质店铺数量数据库；基于用户标识，可以从上述数据库中获取该对象所对应的近一个月销售额、近十二个月的月度平均销售额、用户评分、优质店铺数，作为指标数据集合。

执行步骤S204，基于指标数据集合和/或类别信息，确定基准数据。

基于类别信息为信用额度，可以确定第二计算模型为max[近一个月销售额，近十二个月的月度平均销售额]，或者对近一个月销售额和近十二个月的月度平均销售额加权相加，其中加权系数之和为1。可以基于此第二计算模型，对该对象所对应的近一个月销售额、近十二个月的月度平均销售额进行计算，确定基准数据。

执行步骤S205，基于指标数据集合和/或类别信息，确定系数。

基于指标数据集合中的用户评分，可以判断用户评分所属的评分区间，根据预设的评分映射规则，确定第一指标映射系数。预设的评分映射规则可以是四个评分区间，例如，[0,40)，[40,60)，[60,75)和[75,100)，分别对应于0.5、1.0、1.1和1.2的系数。可以基于用户评分所属的评分区间，确定第一指标映射系数为该评分区间所对应的系数。需要注意的是，上述评分区间只是一种实施方式，在其他实施例中，评分区间还可以是其他可选的数值区间，系数还可以是其他的数值，映射规则还可以包括其他的对应关系，如其他函数。

还可以基于优质店铺数，判断优质店铺数所属的数量区间，根据预设的数量映射规则，确定第二指标映射系数。预设的数量映射规则可以是优质店铺数的数量区间[2,+∞]，1，0，分别对应为1.2、1.1、1.0的系数。可以基于优质店铺数所属的数量区间，可以确定第二指标映射系数为该数量区间所对应的系数。需要注意的是，上述评分区间只是一种实施方式，在其他实施例中，数量区间还可以是其他可选的数值区间，系数还可以是其他的数值，映射规则还可以包括其他的对应关系，如其他函数。

还可以基于市场行情信息，如市场成交情况，判断市场的乐观程度，根据预设的市场映射规则，确定第三指标映射系数。预设的市场映射规则可以是，多个市场成交总额的数值区间，例如，[200万,+∞)，[100万,200万)，和[0,100万)，分别对应于乐观、中性和悲观，也分别对应于1.2、1.0和0.8的系数。可以基于市场成交总额所属的数值区间，确定第三指标映射系数为该数值区间所对应的系数。需要注意的是，上述数值区间只是一种实施方式，在其他实施例中，数值区间还可以是其他可选的数值区间，系数还可以是其他的数值，映射规则还可以包括其他的对应关系，如其他函数。

基于类别信息为信用额度，可以确定类别映射系数为该信用额度所对应的系数。

可以将上述指标映射系数、类别映射系数和人工干预系数相乘，确定系数。可选的，可以将指标映射系数、类别映射系数和人工干预系数中的至少一个相乘，得到系数。指标映射系数可以包括至少一个子系数，如上述第一指标映射系数、第二指标映射系数和第三指标映射系数的至少一个。

执行步骤S206：基于类别信息，确定限额数据。

基于类别信息为信用额度，可以确定限额数据为信用额度所对应的信用限额数据，例如，100万。根据一些实施例，可以基于类别信息和用户标识，确定限额数据。可选的，若类别信息为信用额度，用户标识为自然人用户，则可以确定限额数据是20万；若类别信息为信用额度，用户标识为企业用户，则可以确定限额数据是100万。可选的，如果不想设置限制额度，可以根据需要设置限额数据为正无穷或者负无穷。

S207：基于基准数据、系数和限额数据，确定对象在类别信息下的能力评估数据。

基于类别信息为信用额度，可以确定第一计算模型为能力评估数据=min[基准数据*系数，限额]，并根据此计算模型，对基准数据、系数和限额进行计算，确定对象的能力评估数据。

第二种：

在步骤S201中确定类别信息为信用等级，并且在步骤S202中确定对象的用户标识为个人用户，之后继续执行步骤S203-S207。

执行步骤S203，基于类别信息和用户标识，获取指标数据集合。

基于类别信息为信用等级，则可确定要查询的至少一个指标数据库包括用户年龄数据库、信用评分数据库、欠款金额、信用时长数据库；基于用户标识，可以从上述数据库中获取该对象所对应的用户年龄、信用评分、欠款金额、信用时长，作为指标数据集合。

执行步骤S204，基于指标数据集合和/或类别信息，确定基准数据。

基于类别信息为信用等级，可以确定第二计算模型为映射函数，基于用户年龄所属的年龄段，确定基准数据。可选的，基于用户年龄属于青少年、青年、中年、老年，基准数据分别为2、3、4、5。

根据一些实施例，可以在步骤S203中从历史信用等级数据库获取用户历史信用等级，确定用户近一年历史信用等级为基准数据。

执行步骤S205，基于指标数据集合和/或类别信息，确定系数。

基于指标数据集合中的信用评分，可以判断信用评分所属的评分区间，根据预设的评分映射规则，确定第一指标映射系数。预设的评分映射规则可以是四个评分区间，例如，[0,60)，[60,80)，[80,90)和[90,100)，分别对应于0.6、0.8、1和1.2的系数。可以基于信用评分所属的评分区间，确定第一指标映射系数为该评分区间所对应的系数。需要注意的是，上述评分区间只是一种实施方式，在其他实施例中，评分区间还可以是其他可选的数值区间，系数还可以是其他的数值，映射规则还可以包括其他的对应关系，如其它函数。

还可以基于欠款金额，判断欠款金额所属的金额区间，根据预设的金额映射规则，确定第二指标映射系数。预设的金额映射规则可以是欠款金额的金额区间[10000,+∞]，(0,10000)，0，分别对应为0.5,0.8，1.2的系数。可以基于欠款金额所属的金额区间，确定第二指标映射系数为该金额区间所对应的系数。需要注意的是，上述金额区间只是一种实施方式，在其他实施例中，金额区间还可以是其他可选的数值区间，系数还可以是其他的数值，映射规则还可以包括其他的对应关系，如其他函数。

还可以基于信用时长，判断信用时长所属的时长区间，根据预设的时长映射规则，确定第三指标映射系数。预设的时长映射规则可以是多个信用时长的时长区间，例如，[2年,+∞)，[1年,2年)，和[0,1年)，分别对应于1.5、1.2和1的系数。可以基于信用时长所属的时长区间，确定第三指标映射系数为该时长区间所对应的系数。需要注意的是，上述时长区间只是一种实施方式，在其他实施例中，时长区间还可以是其他可选的数值区间，系数还可以是其他的数值，映射规则还可以包括其他的对应关系，如其他函数。

基于类别信息为信用等级，可以确定类别映射系数为该信用额度所对应的系数。

可以将上述指标映射系数、类别映射系数和人工干预系数相乘，确定系数。可选的，可以将指标映射系数、类别映射系数和人工干预系数中的至少一个相乘，得到系数。指标映射系数可以包括至少一个子系数，如上述第一指标映射系数、第二指标映射系数和第三指标映射系数的至少一个。

执行步骤S206：基于类别信息，确定限额数据。

基于类别信息为信用等级，可以确定限额数据为信用等级所对应的信用限额数据。可选的，限额数据可以是数据区间，如[1,9]。

执行步骤S207：基于基准数据、系数和限额数据，确定对象在类别信息下的能力评估数据。

基于类别信息为信用等级，可以确定第一计算模型为能力评估数据=max[min[基准数据*系数，限额区间最大值]，限额区间最小值]。第一计算模型还可以是其他可选的计算模型，例如，能力评估数据=max[min[基准数据+系数-1，限额区间最大值]，限额区间最小值]。可以据此计算模型，对基准数据、系数和限额进行计算，确定对象的能力评估数据。

第三种：

在步骤S201中确定类别信息为推荐等级，并且在步骤S202中确定对象的用户标识为企业用户，之后继续执行步骤S203-S207。推荐等级可以用于在对该企业用户旗下的店铺进行推荐时，确定店铺的推荐顺位。

执行步骤S203，基于类别信息和用户标识，获取指标数据集合。

基于类别信息为推荐等级，则可确定要查询的至少一个指标数据库包括店铺好评率数据库、店铺点击率数据库、店铺近一个月销售额数据库、信用评分数据库；基于用户标识，可以从上述数据库中获取该对象所对应的店铺好评率、店铺点击率、店铺近一个月销售额，作为指标数据集合。

执行步骤S204，基于指标数据集合和/或类别信息，确定基准数据。

基于类别信息为推荐等级，可以确定基准数据为5。

根据一些实施例，可以在步骤S203中从店铺分类数据库获取对象所对应的店铺分类，确定基准数据为店铺分类对应的基准等级。

执行步骤S205，基于指标数据集合和/或类别信息，确定系数。

基于指标数据集合中的店铺好评率，可以判断店铺好评率所属的好评率区间，根据预设的好评率映射规则，确定第一指标映射系数。预设的评分映射规则可以是三个评分区间，例如，[0,75%)，[75%,95%)，[95%,100]，分别对应于0.6、1和1.4的系数。可以基于店铺好评率所属的好评率区间，确定第一指标映射系数为该好评率所对应的系数。需要注意的是，上述好评率区间只是一种实施方式，在其他实施例中，好评率区间还可以是其他可选的数值区间，系数还可以是其他的数值，映射规则还可以包括其他的对应关系，如其它函数。

基于指标数据集合中的店铺点击率，可以判断店铺点击率所属的好评率区间，根据预设的好评率映射规则，确定第一指标映射系数。预设的评分映射规则可以是三个评分区间，例如，[0,5%)，[5%,15%)，[15%,100]，分别对应于0.8、1和1.2的系数。可以基于店铺好评率所属的点击率区间，确定第一指标映射系数为该点击率所对应的系数。需要注意的是，上述好评率区间只是一种实施方式，在其他实施例中，点击率区间还可以是其他可选的数值区间，系数还可以是其他的数值，映射规则还可以包括其他的对应关系，如其它函数。

还可以基于店铺近一个月销售额，判断店铺近一个月销售额所属的金额区间，根据预设的销售额映射规则，确定第三指标映射系数。预设的销售额映射规则可以是多个销售额的金额区间，例如，[10万,+∞)，[5万,10万)，和[0,5万)，分别对应于1.4、1.2和1的系数。可以基于近一个月销售额所属的金额区间，确定第三指标映射系数为该金额区间所对应的系数。需要注意的是，上述金额区间只是一种实施方式，在其他实施例中，金额区间还可以是其他可选的数值区间，系数还可以是其他的数值，映射规则还可以包括其他的对应关系，如其他函数。可选的，金额区间可以基于店铺分类确定。

基于类别信息为推荐等级，可以确定类别映射系数为推荐等级所对应的系数。

可以将上述指标映射系数、类别映射系数和人工干预系数相乘，确定系数。可选的，可以将指标映射系数、类别映射系数和人工干预系数中的至少一个相乘，得到系数。指标映射系数可以包括至少一个子系数，如上述第一指标映射系数、第二指标映射系数和第三指标映射系数的至少一个。

执行步骤S206：基于类别信息，确定限额数据。

基于类别信息为推荐等级，可以确定限额数据为推荐等级所对应的信用限额数据。可选的，限额数据可以是数据区间，如[1,9]。

执行步骤S207：基于基准数据、系数和限额数据，确定对象在类别信息下的能力评估数据。

基于类别信息为推荐等级，可以确定第一计算模型为能力评估数据=max[min[基准数据*系数，限额区间最大值]，限额区间最小值]。第一计算模型还可以是其他可选的计算模型，例如，能力评估数据=max[min[基准数据+系数-2，限额区间最大值]，限额区间最小值]。可以据此计算模型，对基准数据、系数和限额进行计算，确定对象的能力评估数据。

需要注意的是，上述三种可选的实施方式仅仅是示例性的，本申请对可选的类别信息、用户标识和数据确定方法中的可选的具体计算逻辑、系数等不作限制。在本申请实施例中，可以针对不同的业务场景，通过确定类别信息、用户标识，基于同一个计算框架，并自动适配映射规则，从而高效地确定能力评估数据。并且，根据一些可选的实施例，本申请的数据确定方法中可以人为修改系数或计算逻辑，达到灵活调整的效果。

本申请实施例还提供一种数据确定装置，图3是本申请实施例提供的一种数据确定装置300的示意图，如图3所示，该装置包括：

类别信息确定模块301，用于确定类别信息；类别信息为对象所对应的类别信息集合中的类别信息，用于表征数据所对应的业务场景；

用户标识确定模块302，用于确定对象的用户标识；

指标数据集合获取模块303，用于基于类别信息和用户标识，获取指标数据集合；

基准数据确定模块304，用于基于指标数据集合和/或类别信息，确定基准数据；

系数确定模块305，用于基于指标数据集合和/或类别信息，确定系数；

限额数据确定模块306，用于基于类别信息，确定限额数据；

能力评估数据确定模块307，用于基于基准数据、系数和限额数据，确定对象在类别信息下的能力评估数据。

在一种可选的实施例中，能力评估数据确定模块307用于基于类别信息，确定第一计算模型；基于第一计算模型，对基准数据、系数和限额进行计算，确定对象的能力评估数据。

在一种可选的实施例中，类别信息包括信用评分、风险限额、信用额度、信用等级、推荐等级中的一个或者多个。

在一种可选的实施例中，指标数据集合包括指标数据，指标数据用于表征对象在单一统计维度下的统计结果或者单一评价维度下的评分结果；指标数据集合获取模块303用于基于类别信息，确定要查询的至少一个指标数据库；基于用户标识，从至少一个指标数据库中获取指标数据集合。

在一种可选的实施例中，基准数据确定模块304用于基于类别信息，确定第二计算模型；基于第二计算模型，对指标数据集合中的指标数据进行计算，确定基准数据。

在一种可选的实施例中，系数确定模块305用于基于指标数据集合中的至少一个指标数据，确定至少一个指标映射系数；基于类别信息，确定类别映射系数；将指标映射系数和类别映射系数相乘，确定系数。

在一种可选的实施例中，系数确定模块305用于基于市场行情信息，确定指标映射系数。

在一种可选的实施例中，限额数据是最小值、最大值或者数值区间。

本申请实施例中的装置与上文中的方法实施例基于同样的申请构思。

本申请实施例还提供一种电子设备，电子设备可设置于服务器之中以保存用于实现方法实施例中的一种数据确定方法。本申请实施例所提供的方法实施例可以在计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例，图4是本申请实施例提供的数据确定方法的服务器的硬件结构框图。如图4所示，该服务器400可因配置或性能不同而产生比较大的差异，可以包括一个或一个以***处理器（Central Processing Units，CPU）410（处理器410可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）、用于存储数据的存储器430，一个或一个以上存储应用程序423或数据422的存储介质420（例如一个或一个以上海量存储设备）。其中，存储器430和存储介质420可以是短暂存储或持久存储。存储在存储介质420的程序可以包括一个或一个以上模块，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器410可以设置为与存储介质420通信，在服务器400上执行存储介质420中的一系列指令操作。服务器400还可以包括一个或一个以上电源460，一个或一个以上有线或无线网络接口450，一个或一个以上输入输出接口440，和/或，一个或一个以上操作***421，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。

输入输出接口440可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括服务器400的通信供应商提供的无线网络。在一个实例中，输入输出接口440包括一个网络适配器（Network Interface Controller，NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，输入输出接口440可以为射频（RadioFrequency，RF）模块，其用于通过无线方式与互联网进行通讯。

本领域普通技术人员可以理解，图4所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，服务器400还可包括比图4中所示更多或者更少的组件，或者具有与图4所示不同的配置。

本申请实施例还提供一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述数据确定方法。

本申请实施例还提供一种存储介质，存储介质可设置于服务器之中以保存用于实现方法实施例中数据确定方法相关的至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述数据确定方法。

可选的，在本实施例中，上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于包括：U盘、只读存储器（ROM，Read-only Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

在本发明中，除非另有明确的规定和限定，术语“相连”、“连接”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的相连或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

需要说明的是：上述本申请实施例的先后顺序仅仅为了描述，不代表实施例的优劣，且上述本说明书对特定的实施例进行了描述，其他实施例也在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或者步骤可以按照不同的实施例中的顺序来执行并且能够实现预期的结果。另外，在附图中描绘的过程不一定要求示出特定顺序或者而连接顺序才能够实现期望的结果，在某些实施方式中，多任务并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的均为与其他实施例的不同之处。尤其，对于装置/***的实施例而言，由于其基于相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (11)

1.一种推荐数据确定方法，其特征在于，包括：

确定类别信息；所述类别信息为对象所对应的类别信息集合中的类别信息，用于表征数据所对应的业务场景；所述类别信息包括推荐等级或者推荐顺位；

确定所述对象的用户标识；

基于所述类别信息和所述用户标识，获取指标数据集合；

基于所述指标数据集合和/或所述类别信息，确定基准数据；

基于所述指标数据集合和/或所述类别信息，确定系数；

基于所述类别信息，确定限额数据；

基于第一计算模型，对所述基准数据、所述系数和所述限额数据进行处理，确定所述对象在所述类别信息下的推荐数据；其中，所述第一计算模型包括：推荐数据=max[min[基准数据*系数，限额数据的区间最大值]，限额数据的区间最小值]；

所述指标数据集合包括指标数据，所述指标数据用于表征所述对象在单一统计维度下的统计结果或者单一评价维度下的评分结果，

所述基于所述类别信息和所述用户标识，获取指标数据集合包括：

基于所述类别信息，确定要查询的至少一个指标数据库；基于所述用户标识，从所述至少一个指标数据库中获取所述指标数据集合。

2.根据权利要求1所述的推荐数据确定方法，其特征在于，在所述基于第一计算模型，对所述基准数据、所述系数和所述限额数据进行处理，确定所述对象在所述类别信息下的推荐数据之前，所述方法还包括：

基于所述类别信息，确定第一计算模型。

3.根据权利要求1所述的推荐数据确定方法，其特征在于，所述类别信息包括信用评分、风险限额、信用额度、信用等级、推荐等级、推荐顺位中的一个或者多个。

4.根据权利要求1所述的推荐数据确定方法，其特征在于，所述基于所述指标数据集合和/或所述类别信息，确定基准数据包括：

基于所述类别信息，确定第二计算模型；

基于所述第二计算模型，对所述指标数据集合中的指标数据进行计算，确定基准数据。

5.根据权利要求1所述的推荐数据确定方法，其特征在于，所述基于所述指标数据集合和/或所述类别信息，确定系数包括：

基于所述指标数据集合中的至少一个指标数据，确定至少一个指标映射系数；

基于所述类别信息，确定类别映射系数；

将所述指标映射系数和所述类别映射系数相乘，确定系数。

6.根据权利要求5所述的推荐数据确定方法，其特征在于，所述基于所述指标数据集合中的至少一个指标数据，确定至少一个指标映射系数包括：

基于市场行情信息，确定指标映射系数。

7.根据权利要求1所述的推荐数据确定方法，其特征在于，所述限额数据是最小值、最大值或者数值区间。

8.一种推荐数据确定装置，其特征在于，所述装置包括：

类别信息确定模块，用于确定类别信息；所述类别信息为对象所对应的类别信息集合中的类别信息，用于表征数据所对应的业务场景；所述类别信息包括推荐等级或者推荐顺位；

用户标识确定模块，用于确定所述对象的用户标识；

指标数据集合获取模块，用于基于所述类别信息和所述用户标识，获取指标数据集合；

基准推荐数据确定模块，用于基于所述指标数据集合和/或所述类别信息，确定基准数据；

系数确定模块，用于基于所述指标数据集合和/或所述类别信息，确定系数；

限额推荐数据确定模块，用于基于所述类别信息，确定限额数据；

能力评估推荐数据确定模块，用于基于第一计算模型，对所述基准数据、所述系数和所述限额数据进行处理，确定所述对象在所述类别信息下的推荐数据；其中，所述第一计算模型包括：推荐数据=max[min[基准数据*系数，限额数据的区间最大值]，限额数据的区间最小值]；

所述指标数据集合包括指标数据，所述指标数据用于表征所述对象在单一统计维度下的统计结果或者单一评价维度下的评分结果，

所述基于所述类别信息和所述用户标识，获取指标数据集合包括：

基于所述类别信息，确定要查询的至少一个指标数据库；基于所述用户标识，从所述至少一个指标数据库中获取所述指标数据集合。

9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现权利要求1-7任意一项所述的推荐数据确定方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-7任意一项所述的推荐数据确定方法。

11.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序存储在可读存储介质中，计算机设备的至少一个处理器从所述可读存储介质读取并执行所述计算机程序，使得所述计算机设备执行如权利要求1-7任意一项所述的推荐数据确定方法。

Images