业务对象预测方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术公开了一种业务对象预测方法、装置、设备及可读存储介质，方法包括：将多个业务对象类别进行聚类，得到多个类簇；对各个类簇的历史业务数据分别在至少两个的业务预测模型下进行分析，以获得各个类簇分别对应的预测结果；将各个类簇的历史业务数据分别和对应的预测结果相比较，并根据比较结果确定用于预测各个类簇的业务预测目标模型；确定目标业务对象所在的目标类簇，并基于目标类簇所对应的业务预测目标模型对目标业务对象进行预测。这样，确定目标业务对象所在的类簇，并基于该类簇所对应的业务预测目标模型进行预测，从而不必将目标业务对象分别在多个业务预测模型下运算分析以获得预测结果并选择恰当的业务预测模型，节省了时间。

Business object prediction methods, devices, devices and readable storage media

【技术实现步骤摘要】
业务对象预测方法、装置、设备及可读存储介质
本专利技术涉及金融科技(Fintech)领域，尤其涉及一种业务对象预测方法、装置、设备及可读存储介质。
技术介绍
伴随着金融科技(Fitech)，尤其是互联网金融科技的快速发展，已经有越来越多的技术应用于金融领域，例如可以通过许多模型算法帮助人们进行业务对象的预测。随着零售行业的发展，零售行业中的业务对象预测问题成为热点，即基于历史业务对象销量数据预测未来一段时间内的业务对象的销量。目前，有许多模型算法可以帮助人们进行业务对象的预测，如基于时间序列的预测算法Arima、Arimax以及Prophet等，基于机器学习模型的算法XGB、RandomForest等，基于深度学习模型的算法如LSTM等。在实际使用这些模型算法会发现，同一个模型算法，它的预测准确度值对于不同的业务对象，其预测准确度值的差异较大，而不同的模型算法，对于同一类业务对象，它们的预测准确度值差异也较大。因此，业务人员难以根据某一类业务对象而选择最恰当的模型算法，进而无法快速地对业务对象作出针对性的预测分析的技术问题。
技术实现思路
本专利技术的主要目的在于提供一种业务对象预测方法、装置、设备及可读存储介质，旨在解决业务人员难以根据某一类业务对象而选择最恰当的模型算法，进而无法快速地对业务对象作出针对性的预测分析的技术问题。为实现上述目的，本专利技术提供一种业务对象预测方法，所述方法包括：将多个业务对象类别进行聚类，得到多个类簇；对各个所述类簇的历史业务数据分别在至少两个的业务预测模型下进行分析，以获得各个所述类簇分别对应的预测结果；将各个所述类簇的历史业务数据分别和对应的所述预测结果相比较，并根据比较结果确定用于预测各个所述类簇的业务预测目标模型；确定目标业务对象所在的目标类簇，并基于所述目标类簇所对应的所述业务预测目标模型对所述目标业务对象进行预测。进一步地所述将多个业务对象类别进行聚类，得到多个类簇的步骤，包括：获取多个所述业务对象类别的历史业务数据，并将多个所述业务对象类别的历史业务数据分别构建成相对应的多个时间序列特征数据；计算各个所述时间序列特征数据之间的第一相似度，基于所述第一相似度将多个所述业务对象类别划分为多个所述类簇。进一步地，所述计算各个所述时间序列特征数据之间的第一相似度，基于所述第一相似度将所述多个业务对象类别划分为多个所述类簇的步骤之后，包括：将多个所述类簇进行降维，并在二维平面进行显示。进一步地所述对各个所述类簇的历史业务数据分别在至少两个的业务预测模型下进行分析，以获得各个所述类簇分别对应的预测结果的步骤，包括：根据多个所述业务对象类别的历史业务数据分别构建至少两个的所述业务预测模型，其中所述业务预测模型是用于对所述业务对象类别进行预测；将各个所述类簇的历史业务数据分别输入至至少两个的所述业务预测模型以进行运算分析，以获得各个所述类簇分别对应的预测结果。进一步地，所述将各个所述类簇的历史业务数据分别和对应的所述预测结果相比较，并根据比较结果确定用于预测各个所述类簇的业务预测目标模型的步骤，包括：将各个所述类簇的历史业务数据分别和对应的所述预测结果进行第二相似度计算，并将所述第二相似度作为所述比较结果；将所述比较结果中所述第二相似度最高相对应的所述业务预测模型作为所述业务预测目标模型。进一步地，所述确定目标业务对象所在的所述类簇的步骤，包括：将所述目标业务对象的历史业务数据分别与多个所述业务对象类别的历史业务数据进行第三相似度计算；将所述目标业务对象划分至与所述目标业务对象第三相似度最高的业务对象类别所在的所述类簇。进一步地，所述将所述目标业务对象的历史业务数据分别与多个所述业务对象类别的历史业务数据进行第三相似度计算的步骤，包括：将所述目标业务对象的历史业务数据构建成相对应的目标时间序列特征数据；通过计算所述目标时间序列特征数据分别与多个所述时间序列特征数据的所述第三相似度。本专利技术还提供一种业务对象预测装置，所述装置包括：聚类模块，用于将多个业务对象类别进行聚类，得到多个类簇；分析模块，用于各个所述类簇的历史业务数据在至少两个的业务预测模型下分析，以获得相对应的多个预测结果；比较模块，用于将各个所述类簇的历史业务数据分别和多个所述预测结果相比较，并根据比较结果确定用于预测各个所述类簇的业务预测目标模型；确定模块，用于确定目标业务对象所在的所述类簇，并基于所述类簇所对应的所述业务预测目标模型对所述目标业务对象进行预测。本专利技术还提供一种业务对象预测设备，所述设备包括：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业务对象预测程序，所述业务对象预测程序被所述处理器执行时实现如上述的业务对象预测方法的步骤。本专利技术还提供一种可读存储介质，所述可读存储介质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如上述的业务对象预测方法的步骤。本专利技术提出的业务对象预测方法，通过将多个业务对象类别进行聚类，得到多个类簇；各个类簇的历史业务数据在至少两个的业务预测模型下分析，以获得各个类簇分别对应的预测结果；将各个类簇的历史业务数据分别和多个预测结果相比较，并根据比较结果确定用于预测各个类簇的业务预测目标模型；确定目标业务对象所在的类簇，并基于类簇所对应的业务预测目标模型对目标业务对象进行预测。这样，在为目标业务对象选择恰当的业务预测模型的过程中，确定目标业务对象所在的类簇，并基于该类簇所对应的业务预测目标模型进行预测，从而不必将目标业务对象分别在多个业务预测模型下运算分析以获得预测结果并选择恰当的业务预测模型，从而节省了时间。另外地，基于多个业务预测模型，并针对不同的类簇而选择恰当的业务预测模型，从而使得预测具有针对性，以提高预测结果的准确性和稳定性。附图说明图1是本专利技术实施例方案涉及的硬件运行的业务对象预测设备的结构示意图；图2是本专利技术业务对象预测方法第一实施例的流程示意图；图3是本专利技术业务对象预测装置一实施例的框架结构示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，图1是本专利技术实施例方案涉及的硬件运行环境的业务对象预测设备结构示意图。如图1所示，该业务对象预测设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以本文档来自技高网...

【技术保护点】
1.一种业务对象预测方法，其特征在于，所述方法包括：/n将多个业务对象类别进行聚类，得到多个类簇；/n对各个所述类簇的历史业务数据分别在至少两个的业务预测模型下进行分析，以获得各个所述类簇分别对应的预测结果；/n将各个所述类簇的历史业务数据分别和对应的所述预测结果相比较，并根据比较结果确定用于预测各个所述类簇的业务预测目标模型；/n确定目标业务对象所在的目标类簇，并基于所述目标类簇所对应的所述业务预测目标模型对所述目标业务对象进行预测。/n

【技术特征摘要】
1.一种业务对象预测方法，其特征在于，所述方法包括：
将多个业务对象类别进行聚类，得到多个类簇；
对各个所述类簇的历史业务数据分别在至少两个的业务预测模型下进行分析，以获得各个所述类簇分别对应的预测结果；
将各个所述类簇的历史业务数据分别和对应的所述预测结果相比较，并根据比较结果确定用于预测各个所述类簇的业务预测目标模型；
确定目标业务对象所在的目标类簇，并基于所述目标类簇所对应的所述业务预测目标模型对所述目标业务对象进行预测。


2.如权利要求1所述的业务对象预测方法，其特征在于，所述将多个业务对象类别进行聚类，得到多个类簇的步骤，包括：
获取多个所述业务对象类别的历史业务数据，并将多个所述业务对象类别的历史业务数据分别构建成相对应的多个时间序列特征数据；
计算各个所述时间序列特征数据之间的第一相似度，基于所述第一相似度将多个所述业务对象类别划分为多个所述类簇。


3.如权利要求2所述的业务对象预测方法，其特征在于，所述计算各个所述时间序列特征数据之间的第一相似度，基于所述第一相似度将所述多个业务对象类别划分为多个所述类簇的步骤之后，包括：
将多个所述类簇进行降维，并在二维平面进行显示。


4.如权利要求1所述的业务对象预测方法，其特征在于，所述对各个所述类簇的历史业务数据分别在至少两个的业务预测模型下进行分析，以获得各个所述类簇分别对应的预测结果的步骤，包括：
根据多个所述业务对象类别的历史业务数据分别构建至少两个的所述业务预测模型，其中所述业务预测模型是用于对所述业务对象类别进行预测；
将各个所述类簇的历史业务数据分别输入至至少两个的所述业务预测模型以进行运算分析，以获得各个所述类簇分别对应的预测结果。


5.如权利要求1所述的业务对象预测方法，其特征在于，所述将各个所述类簇的历史业务数据分别和对应的所述预测结果相比较，并根据比较结果确定用于预测各个所述类簇的业务预测目标模型的步骤，包括：
将各个所述类簇的历史业务数据分别和...

【专利技术属性】
技术研发人员：李权，郑明华，李敏镭，韩森，魏帅超，郭炼杰，钟志明，李炫彬，詹子知，彭娴睿，陈天健，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44