CN117273219A - 一种营业网点数量的优化方法、装置、设备及存储介质 - Google Patents
一种营业网点数量的优化方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117273219A CN117273219A CN202311218552.5A CN202311218552A CN117273219A CN 117273219 A CN117273219 A CN 117273219A CN 202311218552 A CN202311218552 A CN 202311218552A CN 117273219 A CN117273219 A CN 117273219A
- Authority
- CN
- China
- Prior art keywords
- business
- points
- data
- evaluation
- node
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000011156 evaluation Methods 0.000 claims abstract description 174
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012417 linear regression Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 239000002245 particle Substances 0.000 claims description 5
- 238000005457 optimization Methods 0.000 abstract 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (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)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种营业网点数量的优化方法、装置、设备及存储介质,可应用于金融技术领域。方法中获取多个营业网点在预设时间段内分别对应的业务数据和用户年龄分布数据;将业务数据和用户年龄分布数据作为多个营业网点的评估指标,分别评估多个营业网点,得到每个营业网点的第一评估分数;基于多个营业网点分别对应的第一评估分数,保留预设数量的目标营业网点;预设数量小于多个营业网点的数量。可见,该方法以营业网点的业务数据和营业网点的用户年龄分布作为营业网点的评估分数的评估指标,既考虑营业网点的客流量情况,又考虑到年龄较大的用户对线下营业网点的需求,能够保留用户需求更大的目标营业网点,优化了网点数量,进而节省资源。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种营业网点数量的优化方法、装置、设备及存储介质。
背景技术
随着计算机技术的快速发展,信息化时代已经到来,为人们的日常生活带来了极大的便利。人们在办理银行业务或通信业务等业务时,可以选择线下去负责银行业务或者负责通信业务的营业网点进行办理,也可以选择使用手机或电脑等终端设备进行网上办理。
目前,选择线上办理业务的用户逐渐增多,而线下的营业网点数量却依旧维持不变,甚至可能会增多,导致可能出现一些营业网点的客流量大幅度缩减的情况,这些营业网点持续营业会造成资源浪费。
因此,如何合理减少营业网点的数量,节省资源,成为目前亟待解决的问题。
发明内容
有鉴于此,本申请实施例提供了一种营业网点数量的优化方法、装置、设备及存储介质,旨在优化营业网点的数量,节省资源。
第一方面,本申请实施例提供了一种营业网点数量的优化方法,所述方法包括:
获取多个营业网点在预设时间段内分别对应的业务数据和用户年龄分布数据;所述多个营业网点属于第一企业;
将业务数据和用户年龄分布数据作为所述多个营业网点的评估指标,分别评估所述多个营业网点,得到每个营业网点的第一评估分数;所述用户年龄分布数据中大于预设年龄的用户占比越高表征营业网点的第一评估分数越高;所述业务数据的数值越高表征营业网点的第一评估分数越高;
基于所述多个营业网点分别对应的第一评估分数,保留预设数量的目标营业网点;所述预设数量小于所述多个营业网点的数量。
可选地,该营业网点数量的优化方法,还包括:
在所述多个营业网点分别对应的预设地理范围内,确定所述多个营业网点分别对应的便民设施数据、人口密度数据和第二企业的营业网点数量;所述第二企业负责的业务与所述第一企业负责的业务相同;所述便民设施数据至少包括便民设施类型和便民设施数量;
所述将业务数据和用户年龄分布数据作为所述多个营业网点的评估指标,分别评估所述多个营业网点,得到每个营业网点的第一评估分数,具体包括:
将业务数据、用户年龄分布数据、便民设施数据、人口密度数据以及第二企业的营业网点数量作为所述多个营业网点的评估指标,分别评估所述多个营业网点,得到每个营业网点的第一评估分数。
可选地,所述将业务数据、用户年龄分布数据、便民设施数据、人口密度数据以及第二企业的营业网点数量作为所述多个营业网点的评估指标,分别评估所述多个营业网点,得到每个营业网点的第一评估分数,具体包括:
基于所述多个营业网点分别对应的便民设施数据、人口密度数据以及第二企业的营业网点数量,建立线性回归模型;
基于所述线性回归模型,计算得到每个营业网点的第二评估分数;
基于每个营业网点的第二评估分数以及每个营业网点对应的业务数据和用户年龄分布数据,评估每个营业网点得到每个营业网点的第一评估分数。
可选地,所述基于每个营业网点的第二评估分数以及每个营业网点对应的业务数据和用户年龄分布数据,评估每个营业网点得到每个营业网点的第一评估分数,具体包括:
为每个营业网点的第二评估分数设置第一评估系数、为每个营业网点对应的业务数据设置第二评估系数以及为每个营业网点对应的用户年龄分布数据设置第三评估系数;所述第一评估系数、所述第二评估系数和所述第三评估系数之和为1;
基于粒子群算法,获取所述第一评估系数、所述第二评估系数和所述第三评估系数的最优评估系数组合;
基于所述最优评估系数组合、每个营业网点的第二评估分数以及每个营业网点对应的业务数据和用户年龄分布数据,计算得到每个营业网点的第一评估分数。
可选地,所述方法还包括:
基于所述多个营业网点分别对应的用户年龄分布数据,确定每个营业网点对应的大于预设年龄的用户的占比数值;
为占比数值大于或等于占比阈值的营业网点添加助老网点标签。
可选地,所述业务数据至少包括业务交易数量、业务交易金额、业务类型和业务评价。
第二方面,本申请实施例提供了一种营业网点数量的优化装置,所述装置包括:
数据获取模块,用于获取多个营业网点在预设时间段内分别对应的业务数据和用户年龄分布数据;所述多个营业网点属于第一企业;
评估模块,用于将业务数据和用户年龄分布数据作为所述多个营业网点的评估指标,分别评估所述多个营业网点,得到每个营业网点的第一评估分数;所述用户年龄分布数据中大于预设年龄的用户占比越高表征营业网点的第一评估分数越高;所述业务数据的数值越高表征营业网点的第一评估分数越高;
网点保留模块,用于基于所述多个营业网点分别对应的第一评估分数,保留预设数量的目标营业网点;所述预设数量小于所述多个营业网点的数量。
可选地,所述营业网点数量的优化装置,还包括:
确定模块,用于在所述多个营业网点分别对应的预设地理范围内,确定所述多个营业网点分别对应的便民设施数据、人口密度数据和第二企业的营业网点数量;所述第二企业负责的业务与所述第一企业负责的业务相同;所述便民设施数据至少包括便民设施类型和便民设施数量;
所述评估模块,具体用于将业务数据、用户年龄分布数据、便民设施数据、人口密度数据以及第二企业的营业网点数量作为所述多个营业网点的评估指标,分别评估所述多个营业网点,得到每个营业网点的第一评估分数。
第三方面,本申请实施例提供了一种营业网点数量的优化设备,所述设备包括存储器以及处理器:
所述存储器,用于存储计算机程序,并将所述计算机程序传输给所述处理器;
所述处理器,用于执行所述计算机程序,以使所述设备执行前述第一方面所述的营业网点数量的优化方法。
第四方面,本申请实施例提供了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程序,当所述计算机程序被运行时,运行所述计算机程序的设备实现前述第一方面所述的营业网点数量的优化方法。
相较于现有技术,本申请实施例具有以下有益效果:
本申请实施例提供了一种营业网点数量的优化方法、装置、设备及存储介质。方法中,获取多个营业网点在预设时间段内分别对应的业务数据和用户年龄分布数据;多个营业网点属于第一企业;将业务数据和用户年龄分布数据作为多个营业网点的评估指标,分别评估多个营业网点,得到每个营业网点的第一评估分数;用户年龄分布数据中大于预设年龄的用户占比越高表征营业网点的第一评估分数越高;业务数据的数值越高表征营业网点的第一评估分数越高;基于多个营业网点分别对应的第一评估分数,保留预设数量的目标营业网点;预设数量小于多个营业网点的数量。可见,该方法以营业网点的业务数据和营业网点的用户年龄分布作为营业网点的评估分数的评估指标,既考虑营业网点的客流量情况,又考虑到年龄较大的用户对线下营业网点的需求,能够保留用户需求更大的目标营业网点,优化了网点数量,进而节省资源。
附图说明
为更清楚地说明本实施例或现有技术中的技术方案,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地介绍,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他的附图。
图1为本申请实施例提供的一种营业网点数量的优化方法的应用场景;
图2为本申请实施例提供的一种营业网点数量的优化方法的流程图;
图3为本申请实施例提供的一种营业网点数量的优化装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,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做出创造性劳动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。
现阶段,人们可能会选择在网上办理存款业务、充话费、充电费或者充水费等生活业务,可以不再去附近的线下营业网点进行办理。然而,线下的营业网点数量维持不变,甚至会增多,导致可能出现一些营业网点的客流量大幅度缩减的情况,这些营业网点持续营业会造成资源浪费。
假设关闭营业网点,可能会给一些办理关键业务或者不习惯于网上办理业务的人们带来不便。因此,如何合理减少营业网点的数量,节省资源,成为目前亟待解决的问题。
基于此,为了解决上述问题,本申请实施例提供了一种营业网点数量的优化方法、装置、设备及存储介质。方法中,获取多个营业网点在预设时间段内分别对应的业务数据和用户年龄分布数据;多个营业网点属于第一企业;将业务数据和用户年龄分布数据作为多个营业网点的评估指标,分别评估多个营业网点,得到每个营业网点的第一评估分数;用户年龄分布数据中大于预设年龄的用户占比越高表征营业网点的第一评估分数越高;业务数据的数值越高表征营业网点的第一评估分数越高;基于多个营业网点分别对应的第一评估分数,保留预设数量的目标营业网点;预设数量小于多个营业网点的数量。可见,该方法以营业网点的业务数据和营业网点的用户年龄分布作为营业网点的评估分数的评估指标,既考虑营业网点的客流量情况,又考虑到年龄较大的用户对线下营业网点的需求,能够保留用户需求更大的目标营业网点,优化了网点数量,进而节省资源。
举例来说,本申请实施例的场景之一,可以是如图1所示的场景。该场景包括数据库101和服务器102,其中,数据库101包括多个营业网点分别对应的业务数据和用户年龄分布数据,服务器102采用本申请实施例提供的实施方式,从数据库101获取多个营业网点在预设时间段内分别对应的业务数据和用户年龄分布数据,再采用本申请实施例提供的实施方式进行营业网点数量的优化。
首先,在上述应用场景中,虽然将本申请实施例提供的实施方式的动作描述由服务器102执行;但是,本申请实施例在执行主体方面不受限制,只要执行了本申请实施例提供的实施方式所公开的动作即可。例如,本申请实施例的营业网点数量的优化方法还可以应用于终端设备。终端设备可以为智能手机、计算机、平板电脑等电子设备。服务器可以为独立服务器、集群服务器或云服务器等。
其次,上述场景仅是本申请实施例提供的一个场景示例,本申请实施例并不限于此场景。
需要说明的是,本发明提供的营业网点数量的优化方法、装置、设备及存储介质可用于金融领域或其他领域。例如,可用于金融领域中的优化银行线下营业网点数量的应用场景。其他领域为除金融领域之外的任意领域,例如,数据处理领域。上述仅为示例,并不对本发明提供的营业网点数量的优化方法、装置、设备及存储介质的应用领域进行限定。
下面结合附图,通过实施例来详细说明本申请实施例中营业网点数量的优化方法、装置、设备及存储介质的具体实现方式。
参见图2,该图为本申请实施例提供的一种营业网点数量的优化方法、装置、设备及存储介质方法的流程图,结合图2所示,具体可以包括:
S201:获取多个营业网点在预设时间段内分别对应的业务数据和用户年龄分布数据。
其中,多个营业网点属于第一企业,即,多个营业网点被同一个企业管理。举例来说,可以是A银行的多个营业网点,也可以是B通信公司的多个营业网点,本申请对此不做限定。
用户年龄分布数据是指,营业网点在预设时间段内办理业务的用户的年龄的分布情况。作为一种示例,可以预先设置多个年龄段,统计每个年龄段内的用户数量。
在本申请一种可能的实施方式中,业务数据至少可以包括业务交易数量、业务交易金额、业务类型和业务评价。以A银行的多个营业网点为例,业务交易数量为预设时间段内用户在营业网点办理的业务数量,业务交易金额为预设时间段内用户在营业网点办理的业务金额,业务类型为预设时间段内用户办理的业务所属的业务类型,业务评价为预设时间段内用户办理业务后反馈的评价。其中,预设时间段可以为15天、1个月或3个月等,本申请对此不做限定。
举例来说,A银行的营业网点负责的业务类型可以包括存款、取款或借贷等。A银行的营业网点的业务评价可以为满意、一般或不满意。本申请对此不做限制。
S202:将业务数据和用户年龄分布数据作为多个营业网点的评估指标,分别评估多个营业网点,得到每个营业网点的第一评估分数。
其中,考虑到年龄较大的用户因不熟悉或者不习惯等原因不便于进行网上业务办理,对于线下营业网点的需求更大的情况,因此营业网点的用户年龄分布数据中大于预设年龄的用户占比越高表征营业网点的第一评估分数越高。考虑到业务数据能够表示营业网点的客流量,客流量越大越好,因此业务数据的数值越高表征营业网点的第一评估分数越高。
作为一种示例,业务交易数量和业务交易金额均为数值可以直接采用。业务类型和业务评价通常不是数值,则可以将业务类型和业务评价均转换为数值,将重要的业务类型转换为更高的数值,将好的业务评价转换为更高的数值。
作为一种示例,可以为多个占比区间设置对应的分数,根据营业网点的用户年龄分布数据对应的占比区间确定分数1;也为业务数据设置多个数值区间,根据营业网点的业务数据的数值对应的数值区间确定分数2,基于数值1和数值2确定营业网点的第一评估分数。
此外,在本申请可选实施方式中,可以在多个营业网点分别对应的预设地理范围内,确定多个营业网点分别对应的便民设施数据、人口密度数据和第二企业的营业网点数量。其中,第二企业负责的业务与第一企业负责的业务相同;便民设施数据至少包括便民设施类型和便民设施数量。
举例来说,预设地理范围可以是以营业网点为中心一公里之内。便民设施类型可以是地铁、医院或商场等。若第一企业为A银行,则第二企业可以为B银行,银行所负责的业务相同。本申请对于以上不做限制。
相应地,S202具体可以为:将业务数据、用户年龄分布数据、便民设施数据、人口密度数据以及第二企业的营业网点数量作为多个营业网点的评估指标,分别评估多个营业网点,得到每个营业网点的第一评估分数。
可见,在考虑营业网点的业务情况和用户年龄的基础上,进一步综合考虑营业网点附近的设施情况、人口密度情况以及竞争的其他企业的营业网点的情况,考虑的更加全面,能够生成综合性更高的评估分数,进一步保留用户需求更大的营业网点。
在本申请一种可能的实施方式中,S202具体可以细分为以下步骤:基于多个营业网点分别对应的便民设施数据、人口密度数据以及第二企业的营业网点数量,建立线性回归模型;基于线性回归模型,计算得到每个营业网点的第二评估分数;基于每个营业网点的第二评估分数以及每个营业网点对应的业务数据和用户年龄分布数据,评估每个营业网点得到每个营业网点的第一评估分数。
以便民设施数据、人口密度数据以及第二企业的营业网点数量分别作为自变量,以营业网点的第二评估分数作为因变量,为每个自变量设置对应的变量系数,基于此构建线性回归模型,确定每个自变量的变量系数。即,确定便民设施数据、人口密度数据以及第二企业的营业网点数量对于营业网点的第二评估分数的影响程度。营业网点的第二评估分数对于营业网点的第一评估分数的影响,可以作为便民设施数据、人口密度数据以及第二企业的营业网点数量对于营业网点的第一评估分数的影响程度。
可见,建立线性回归模型,确定便民设施数据、人口密度数据以及第二企业的营业网点数量对于营业网点的影响程度,有利于得到更加准确的营业网点的第一评估分数。
在本申请一种可能的实施方式中,上述基于每个营业网点的第二评估分数以及每个营业网点对应的业务数据和用户年龄分布数据,评估每个营业网点得到每个营业网点的第一评估分数的步骤,可以继续细分为以下步骤:为每个营业网点的第二评估分数设置第一评估系数、为每个营业网点对应的业务数据设置第二评估系数以及为每个营业网点对应的用户年龄分布数据设置第三评估系数;基于粒子群算法,获取第一评估系数、第二评估系数和第三评估系数的最优评估系数组合;基于最优评估系数组合、每个营业网点的第二评估分数以及每个营业网点对应的业务数据和用户年龄分布数据,计算得到每个营业网点的第一评估分数。其中第一评估系数、第二评估系数和第三评估系数之和为1。
粒子群算法可以从多组包括第一评估系数、第二评估系数和第三评估系数的评估系数组合中,计算出使得营业网点的第一评估分数更加符合实际的最优评估系数组合。由此,可以计算得到综合性更高且更加准确的第一评估分数,进而准确保留用户需求更大的目标营业网点。
S203:基于多个营业网点分别对应的第一评估分数,保留预设数量的目标营业网点。
其中,预设数量小于多个营业网点的数量。
作为一种实施方式,可以以地理位置进行划分得到多个区域,对每个区域内营业网点的第一评估分数进行排序,在每个区域内将评估分数更高的预设数量的营业网点作为目标营业网点。
此外,在本申请可选实施例中,可以基于多个营业网点分别对应的用户年龄分布数据,确定每个营业网点对应的大于预设年龄的用户的占比数值;为占比数值大于或等于占比阈值的营业网点添加助老网点标签。
可见,将用户中老年人占比较大的营业网点添加助老网点标签,避免营业网点被误关闭,导致给年龄较大的用户带来不便,提升用户的使用体验。
基于上述S201-S203的内容,本申请获取多个营业网点在预设时间段内分别对应的业务数据和用户年龄分布数据;将业务数据和用户年龄分布数据作为多个营业网点的评估指标,分别评估多个营业网点,得到每个营业网点的第一评估分数;基于多个营业网点分别对应的第一评估分数,保留预设数量的目标营业网点;预设数量小于多个营业网点的数量。由此,该既考虑营业网点的客流量情况,又考虑到年龄较大的用户对线下营业网点的需求,能够保留用户需求更大的目标营业网点,优化了网点数量,进而节省资源。
以上为本申请实施例提供营业网点数量的优化方法的一些具体实现方式,基于此,本申请还提供了对应的装置。下面将从功能模块化的角度对本申请实施例提供的装置进行介绍。
参见图3,该图为本申请实施例提供的一种营业网点数量的优化装置的结构示意图,该营业网点数量的优化装置300可以包括:
数据获取模块310,用于获取多个营业网点在预设时间段内分别对应的业务数据和用户年龄分布数据;多个营业网点属于第一企业;
评估模块320,用于将业务数据和用户年龄分布数据作为多个营业网点的评估指标,分别评估多个营业网点,得到每个营业网点的第一评估分数;用户年龄分布数据中大于预设年龄的用户占比越高表征营业网点的第一评估分数越高;业务数据的数值越高表征营业网点的第一评估分数越高;
网点保留模块330,用于基于多个营业网点分别对应的第一评估分数,保留预设数量的目标营业网点;预设数量小于多个营业网点的数量。
作为一种实施方式,上述营业网点数量的优化装置,还可以包括:
确定模块,用于在多个营业网点分别对应的预设地理范围内,确定多个营业网点分别对应的便民设施数据、人口密度数据和第二企业的营业网点数量;第二企业负责的业务与第一企业负责的业务相同;便民设施数据至少包括便民设施类型和便民设施数量;
相应地,评估模块320,具体可以用于将业务数据、用户年龄分布数据、便民设施数据、人口密度数据以及第二企业的营业网点数量作为多个营业网点的评估指标,分别评估多个营业网点,得到每个营业网点的第一评估分数。
作为一种实施方式,评估模块320,具体可以包括:
模型建立单元,用于基于多个营业网点分别对应的便民设施数据、人口密度数据以及第二企业的营业网点数量,建立线性回归模型;
分数计算单元,用于基于线性回归模型,计算得到每个营业网点的第二评估分数;
分数评估单元,用于基于每个营业网点的第二评估分数以及每个营业网点对应的业务数据和用户年龄分布数据,评估每个营业网点得到每个营业网点的第一评估分数。
作为一种实施方式,分数评估单元,具体可以包括:
系数设置子单元,用于为每个营业网点的第二评估分数设置第一评估系数、为每个营业网点对应的业务数据设置第二评估系数以及为每个营业网点对应的用户年龄分布数据设置第三评估系数;第一评估系数、第二评估系数和第三评估系数之和为1;
系数组合获取子单元,用于基于粒子群算法,获取第一评估系数、第二评估系数和第三评估系数的最优评估系数组合;
分数计算子单元,用于基于最优评估系数组合、每个营业网点的第二评估分数以及每个营业网点对应的业务数据和用户年龄分布数据,计算得到每个营业网点的第一评估分数。
作为一种实施方式,该营业网点数量的优化装置300,还可以包括:
占比数值确定模块,用于基于多个营业网点分别对应的用户年龄分布数据,确定每个营业网点对应的大于预设年龄的用户的占比数值;
标签添加模块,用于为占比数值大于或等于占比阈值的营业网点添加助老网点标签。
作为一种实施方式,上述数据获取模块中获取的业务数据至少可以包括业务交易数量、业务交易金额、业务类型和业务评价。
本申请实施例还提供了对应的营业网点数量的优化设备以及计算机可读存储介质,用于实现本申请实施例提供的方案。
其中,所述营业网点数量的优化设备包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于执行所述计算机程序,以使所述设备执行本申请任一实施例所述的营业网点数量的优化方法。
所述计算机可读存储介质中存储有计算机程序,当所述计算机程序被运行时,运行所述计算机程序的设备实现本申请任一实施例所述的营业网点数量的优化方法。
本申请实施例中提到的“第一”、“第二”(若存在)等名称中的“第一”、“第二”只是用来做名字标识,并不代表顺序上的第一、第二。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该计算机软件产品可以存储在可读存储介质中,如只读存储器(英文:read-only memory,ROM)/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者诸如路由器等网络通信设备)执行本申请各个实施例或者实施例的某些部分所述的方法。
需要说明的是,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都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元提示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本申请的一种具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种营业网点数量的优化方法,其特征在于,所述方法包括:
获取多个营业网点在预设时间段内分别对应的业务数据和用户年龄分布数据;所述多个营业网点属于第一企业;
将业务数据和用户年龄分布数据作为所述多个营业网点的评估指标,分别评估所述多个营业网点,得到每个营业网点的第一评估分数;所述用户年龄分布数据中大于预设年龄的用户占比越高表征营业网点的第一评估分数越高;所述业务数据的数值越高表征营业网点的第一评估分数越高;
基于所述多个营业网点分别对应的第一评估分数,保留预设数量的目标营业网点;所述预设数量小于所述多个营业网点的数量。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述多个营业网点分别对应的预设地理范围内,确定所述多个营业网点分别对应的便民设施数据、人口密度数据和第二企业的营业网点数量;所述第二企业负责的业务与所述第一企业负责的业务相同;所述便民设施数据至少包括便民设施类型和便民设施数量;
所述将业务数据和用户年龄分布数据作为所述多个营业网点的评估指标,分别评估所述多个营业网点,得到每个营业网点的第一评估分数,具体包括:
将业务数据、用户年龄分布数据、便民设施数据、人口密度数据以及第二企业的营业网点数量作为所述多个营业网点的评估指标,分别评估所述多个营业网点,得到每个营业网点的第一评估分数。
3.根据权利要求2所述的方法,其特征在于,所述将业务数据、用户年龄分布数据、便民设施数据、人口密度数据以及第二企业的营业网点数量作为所述多个营业网点的评估指标,分别评估所述多个营业网点,得到每个营业网点的第一评估分数,具体包括:
基于所述多个营业网点分别对应的便民设施数据、人口密度数据以及第二企业的营业网点数量,建立线性回归模型;
基于所述线性回归模型,计算得到每个营业网点的第二评估分数;
基于每个营业网点的第二评估分数以及每个营业网点对应的业务数据和用户年龄分布数据,评估每个营业网点得到每个营业网点的第一评估分数。
4.根据权利要求3所述的方法,其特征在于,所述基于每个营业网点的第二评估分数以及每个营业网点对应的业务数据和用户年龄分布数据,评估每个营业网点得到每个营业网点的第一评估分数,具体包括:
为每个营业网点的第二评估分数设置第一评估系数、为每个营业网点对应的业务数据设置第二评估系数以及为每个营业网点对应的用户年龄分布数据设置第三评估系数;所述第一评估系数、所述第二评估系数和所述第三评估系数之和为1;
基于粒子群算法,获取所述第一评估系数、所述第二评估系数和所述第三评估系数的最优评估系数组合;
基于所述最优评估系数组合、每个营业网点的第二评估分数以及每个营业网点对应的业务数据和用户年龄分布数据,计算得到每个营业网点的第一评估分数。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述多个营业网点分别对应的用户年龄分布数据,确定每个营业网点对应的大于预设年龄的用户的占比数值;
为占比数值大于或等于占比阈值的营业网点添加助老网点标签。
6.根据权利要求1所述的方法,其特征在于,所述业务数据至少包括业务交易数量、业务交易金额、业务类型和业务评价。
7.一种营业网点数量的优化装置,其特征在于,所述装置包括:
数据获取模块,用于获取多个营业网点在预设时间段内分别对应的业务数据和用户年龄分布数据;所述多个营业网点属于第一企业;
评估模块,用于将业务数据和用户年龄分布数据作为所述多个营业网点的评估指标,分别评估所述多个营业网点,得到每个营业网点的第一评估分数;所述用户年龄分布数据中大于预设年龄的用户占比越高表征营业网点的第一评估分数越高;所述业务数据的数值越高表征营业网点的第一评估分数越高;
网点保留模块,用于基于所述多个营业网点分别对应的第一评估分数,保留预设数量的目标营业网点;所述预设数量小于所述多个营业网点的数量。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
确定模块,用于在所述多个营业网点分别对应的预设地理范围内,确定所述多个营业网点分别对应的便民设施数据、人口密度数据和第二企业的营业网点数量;所述第二企业负责的业务与所述第一企业负责的业务相同;所述便民设施数据至少包括便民设施类型和便民设施数量;
所述评估模块,具体用于将业务数据、用户年龄分布数据、便民设施数据、人口密度数据以及第二企业的营业网点数量作为所述多个营业网点的评估指标,分别评估所述多个营业网点,得到每个营业网点的第一评估分数。
9.一种营业网点数量的优化设备,其特征在于,所述设备包括存储器以及处理器:
所述存储器,用于存储计算机程序,并将所述计算机程序传输给所述处理器;
所述处理器,用于执行所述计算机程序,以使所述设备执行如权利要求1-6任一项所述的营业网点数量的优化方法的步骤。
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程序,当所述计算机程序被运行时,运行所述计算机程序的设备实现如权利要求1-6任一项所述的营业网点数量的优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311218552.5A CN117273219A (zh) | 2023-09-20 | 2023-09-20 | 一种营业网点数量的优化方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311218552.5A CN117273219A (zh) | 2023-09-20 | 2023-09-20 | 一种营业网点数量的优化方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117273219A true CN117273219A (zh) | 2023-12-22 |
Family
ID=89210005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311218552.5A Pending CN117273219A (zh) | 2023-09-20 | 2023-09-20 | 一种营业网点数量的优化方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117273219A (zh) |
-
2023
- 2023-09-20 CN CN202311218552.5A patent/CN117273219A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110503564B (zh) | 基于大数据的保全案件处理方法、***、设备及存储介质 | |
CN110597919B (zh) | 基于区块链的数据管理方法、装置、设备及存储介质 | |
CN109636036B (zh) | 一种企业***数量预测的方法、***及设备 | |
CN109492863A (zh) | 金融单证的自动生成方法及装置 | |
CN111681092B (zh) | 资源调度方法及服务端、电子设备、存储介质 | |
CN117078401A (zh) | 一种信贷审批数据处理方法、装置、设备及可读存储介质 | |
AU2020443019A1 (en) | Systems, computer-implemented methods and computer programs for capital management | |
CN111476657A (zh) | 信息推送方法、装置及*** | |
CN117273219A (zh) | 一种营业网点数量的优化方法、装置、设备及存储介质 | |
CN113052674B (zh) | 额度管理方法、电子装置、计算机设备及存储介质 | |
CN111967806B (zh) | 基于定期回扫的用户风险更新方法、装置和电子设备 | |
CN111429125B (zh) | 账户管理方法、装置、存储介质及电子设备 | |
CN114240599A (zh) | 贷款测算方法、装置、计算机设备和存储介质 | |
CN114282881A (zh) | 折旧测算方法、装置、存储介质及计算机设备 | |
CN110298686B (zh) | 一种产品返费调配方法、装置、计算机设备及存储介质 | |
CN113034183A (zh) | 定价处理方法、装置、电子设备和存储介质 | |
CN110688584A (zh) | 一种用户匹配方法、电子设备及计算机程序产品 | |
KR20190090685A (ko) | 금융상품 정보 처리 방법 및 장치 | |
CN108734461A (zh) | 预付式虚拟资源的处理方法及终端设备 | |
CN113850660A (zh) | 一种信息推荐方法、装置、设备及介质 | |
CN115496489A (zh) | 一种费用管理的方法和装置 | |
CN116883169A (zh) | 一种在险价值确定方法、装置、设备及存储介质 | |
CN115082115A (zh) | 一种广告流量投放方法、装置、电子设备及存储介质 | |
CN115880048A (zh) | 处理账户数据的方法、装置、电子设备和计算机可读介质 | |
CN117455611A (zh) | 一种电子书培育方法、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |