作业行为风险识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种作业行为风险识别方法、装置、计算机设备和存储介质。方法包括：获取作业数据，对作业数据进行特征数据提取，得到第一特征数据；将第一特征数据按照风险对象的维度进行统计分析，得到第二特征数据，第二特征数据包括各风险对象的各行为特征的特征数据；根据第二特征数据，确定各风险对象的各行为特征的异常识别结果；根据异常识别结果，确定各风险对象的风险指数以及各风险对象的风险特征；输出各风险对象的风险识别结果，风险识别结果包括各风险对象的风险指数以及各风险对象的风险特征。采用本方法能够可以识别作业过程中的异常数据，帮助企业及时发现作业行为风险，定位异常点和风险对象，从而帮助企业控制损失。

【技术实现步骤摘要】
作业行为风险识别方法、装置、计算机设备和存储介质
本申请涉及物流
，特别是涉及一种作业行为风险识别方法、装置、计算机设备和存储介质。
技术介绍
随着互联网技术、大数据技术的发展，数据已经成为物流作业领域进行作业过程监控、作业质量控制和财务结算的依据。数据来源主要分为两种，一种是作业人员操作作业系统进行数据的手动录入，如揽件环节收件人员录入包裹的寄件人电话、寄件人地址、收件人地址等信息。第二种是作业操作的日志记录数据，如操作人员扫描包裹确定揽件完成，后台记录的揽件时间、揽件人员等信息。利用数据进行管理的方式，一方面使得物流企业可以同时完成对数亿作业过程的监控，保证了运输品流通过程的可追踪。但是同时也产生了较大的风险。风险主要体现在数据的易伪造性上，即系统记录的数据有可能为真，也有可能为假。特别是对于会影响财务结算的数据，可能会出现作业人员为了获得更多的利润而采取各种方式进行数据伪造。由于物流企业对风险控制的意识不强，这种数据造假获取利润的行为已经发展成了一种产业，甚至有专门的软件帮助进行数据造假，对物流企业造成了巨大的损失。因此，如何对物流企业的作业环节中的作业行为风险进行识别已经成为亟待解决的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种作业行为风险识别方法、装置、计算机设备和存储介质。一种作业行为风险识别方法，该方法包括：获取作业数据，对作业数据进行特征数据提取，得到第一特征数据；将第一特征数据按照风险对象的维度进行统计分析，得到第二特征数据，第二特征数据包括各风险对象的各行为特征的特征数据；根据第二特征数据，确定各风险对象的各行为特征的异常识别结果；根据异常识别结果，确定各风险对象的风险指数以及各风险对象的风险特征；输出各风险对象的风险识别结果，风险识别结果包括各风险对象的风险指数以及各风险对象的风险特征。在其中一个实施例中，上述的获取作业数据，包括：获取作业录入数据和操作日志数据；对作业录入数据和操作日志数据进行合并汇总，得到作业数据。在其中一个实施例中，上述的对作业数据进行特征数据提取，得到第一特征数据，包括：根据作业数据，提取各个作业环节的关键特征数据，关键特征数据包括以下至少一种：能够区分作业对象的特征数据、能够区分作业操作人的特征数据、记录作业设备的特征数据、记录作业时间的特征数据、记录作业地点的特征数据，以及记录作业对象属性的特征数据。在其中一个实施例中，上述的行为特征包括能够体现工作量及工作量变化的特征、能够体现作业成本及作业成本变化的特征、能够体现归属关系的特征、能够体现作业顺序的特征以及财务结算依据的特征中的至少一种。在其中一个实施例中，上述的根据第二特征数据，确定各风险对象的各行为特征的异常识别结果，包括：分别通过计算各风险对象的各行为特征的特征数据在对应的同一种行为特征的全部特征数据中的离异程度，得到各风险对象的各行为特征的异常识别结果。在其中一个实施例中，上述的分别通过计算各风险对象的各行为特征的特征数据在对应的同一种行为特征的全部特征数据中的离异程度，得到各风险对象的各行为特征的异常识别结果，包括：分别确定各行为特征的特征数据的上四分位数、下四分位数和四分位间距；根据上四分位数和四分位间距，确定各行为特征的第一阈值，根据下四分位数和四分位间距，确定各行为特征的第二阈值；根据各行为特征的第一阈值、各行为特征的第二阈值、以及各风险对象的各行为特征的特征数据，确定各风险对象的各行为特征的异常识别结果。在其中一个实施例中，在tka＞Qku+1.5IQRk或者tka＜QkL+1.5IQRk时，判定第a个对象的第k个行为特征为风险特征，在QkL+1.5IQRk≤tka≤Qku+1.5IQRk时，判定第a个对象的第k个行为特征为非风险特征；其中，Qku和QkL分别表示第k个行为特征的特征数据的上四分位数和下四分位数，IQRk表示第k个行为特征的特征数据的四分位间距，tka表示第a个对象的第k个行为特征的特征数据。在其中一个实施例中，上述的根据异常识别结果，确定各风险对象的风险指数，包括：根据各风险对象的风险特征的数目，确定各风险对象的风险指数。在其中一个实施例中，上述的作业数据为物流作业数据。在其中一个实施例中，上述的方法还包括：根据风险识别结果向用户提供预警服务。一种作业行为风险识别装置，该装置包括：作业数据获取模块，用于获取作业数据；作业特征提取模块，用于对作业数据进行特征数据提取，得到第一特征数据；特征处理模块，用于将第一特征数据按照风险对象的维度进行统计分析，得到第二特征数据，第二特征数据包括各风险对象的各行为特征的特征数据；风险识别模块，用于根据第二特征数据，确定各风险对象的各行为特征的异常识别结果，根据异常识别结果，确定各风险对象的风险指数以及各风险对象的风险特征；结果输出模块，用于输出各风险对象的风险识别结果，风险识别结果包括各风险对象的风险指数以及各风险对象的风险特征。一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：获取作业数据，对作业数据进行特征数据提取，得到第一特征数据；将第一特征数据按照风险对象的维度进行统计分析，得到第二特征数据，第二特征数据包括各风险对象的各行为特征的特征数据；根据第二特征数据，确定各风险对象的各行为特征的异常识别结果；根据异常识别结果，确定各风险对象的风险指数以及各风险对象的风险特征；输出各风险对象的风险识别结果，风险识别结果包括各风险对象的风险指数以及各风险对象的风险特征。一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取作业数据，对作业数据进行特征数据提取，得到第一特征数据；将第一特征数据按照风险对象的维度进行统计分析，得到第二特征数据，第二特征数据包括各风险对象的各行为特征的特征数据；根据第二特征数据，确定各风险对象的各行为特征的异常识别结果；根据异常识别结果，确定各风险对象的风险指数以及各风险对象的风险特征；输出各风险对象的风险识别结果，风险识别结果包括各风险对象的风险指数以及各风险对象的风险特征。上述作业行为风险识别方法、装置、计算机设备和存储介质，是获取作业数据，对该作业数据进行特征数据提取得到第一特征数据，将该第一特征数据按照风险对象的维度进行统计分析得到第二特征数据，该第二特征数据包括各风险对象的各行为特征的特征数据，根据该第二特征数据确定各风险对象的各行为特征的异常识别结果，根据该异常识别结果确定各风险对象的风险指数以及各风险对象的风险特征，输出各风险对象的风险识别结果。采用该方案，可以实现对一些企业(例如物流企业)作业环节中的作业行为风险的识别，可以识别作业过程中的异常行为，并对数据记录行为的本文档来自技高网...

【技术保护点】
1.一种作业行为风险识别方法，所述方法包括：/n获取作业数据，对所述作业数据进行特征数据提取，得到第一特征数据；/n将所述第一特征数据按照风险对象的维度进行统计分析，得到第二特征数据，所述第二特征数据包括各所述风险对象的各行为特征的特征数据；/n根据所述第二特征数据，确定各所述风险对象的各所述行为特征的异常识别结果；/n根据所述异常识别结果，确定各所述风险对象的风险指数以及各所述风险对象的风险特征；/n输出各所述风险对象的风险识别结果，所述风险识别结果包括各所述风险对象的所述风险指数以及各所述风险对象的所述风险特征。/n

【技术特征摘要】
1.一种作业行为风险识别方法，所述方法包括：
获取作业数据，对所述作业数据进行特征数据提取，得到第一特征数据；
将所述第一特征数据按照风险对象的维度进行统计分析，得到第二特征数据，所述第二特征数据包括各所述风险对象的各行为特征的特征数据；
根据所述第二特征数据，确定各所述风险对象的各所述行为特征的异常识别结果；
根据所述异常识别结果，确定各所述风险对象的风险指数以及各所述风险对象的风险特征；
输出各所述风险对象的风险识别结果，所述风险识别结果包括各所述风险对象的所述风险指数以及各所述风险对象的所述风险特征。


2.根据权利要求1所述的方法，其特征在于，所述获取作业数据，包括：
获取作业录入数据和操作日志数据；
对所述作业录入数据和所述操作日志数据进行合并汇总，得到所述作业数据。


3.根据权利要求1所述的方法，其特征在于，所述对所述作业数据进行特征数据提取，得到第一特征数据，包括：
根据所述作业数据，提取各个作业环节的关键特征数据，所述关键特征数据包括以下至少一种：
能够区分作业对象的特征数据、能够区分作业操作人的特征数据、记录作业设备的特征数据、记录作业时间的特征数据、记录作业地点的特征数据，以及记录作业对象属性的特征数据。


4.根据权利要求1所述的方法，其特征在于，所述行为特征包括能够体现工作量及工作量变化的特征、能够体现作业成本及作业成本变化的特征、能够体现归属关系的特征、能够体现作业顺序的特征以及财务结算依据的特征中的至少一种。


5.根据权利要求1至4任意一项所述的方法，其特征在于，所述根据所述第二特征数据，确定各所述风险对象的各所述行为特征的异常识别结果，包括：
分别通过计算各所述风险对象的各所述行为特征的特征数据在对应的同一种行为特征的全部特征数据中的离异程度，得到各所述风险对象的各所述行为特征的异常识别结果。


6.根据权利要求5所述的方法，其特征在于，所述分别通过计算各所述风险对象的各所述行为特征的特征数据在对应的同一种行为特征的全部特征数据中的离异程度，得到各所述风险对象的各所述行为特征的异常识别结果，包括：
分别确定各所述行为特征的特征数据的上四分位数、下四分位数和四分位间距；
根据所述上四分位...

【专利技术属性】
技术研发人员：张伟，程建，刘欢，薄德龙，渠成堃，周庆先，
申请(专利权)人：江苏苏宁物流有限公司，
类型：发明
国别省市：江苏;32