本申请公开了一种数据处理方法、装置、处理器及电子设备。涉及金融科技领域，方法包括：获取产品的第一特征信息，以及多个营销渠道的第二特征信息；将第一特征信息和目标营销渠道的第二特征信息输入匹配模型，由匹配模型输出匹配结果，匹配结果用于标识产品是否与目标营销渠道匹配，匹配模型为支持向量机SVM模型，SVM模型由多组训练数据训练而成，目标营销渠道为多个营销渠道中的营销渠道；根据匹配结果，确定产品与目标营销渠道是否匹配。通过本申请，解决了相关技术中产品全生命周期中，产品的运营需要依赖于人工制定运营计划，存在效率低，且运营效果差，准确率低的问题。准确率低的问题。准确率低的问题。
【技术实现步骤摘要】
数据处理方法、装置、处理器及电子设备
[0001]本申请涉及金融科技领域，具体而言，涉及一种数据处理方法、装置、处理器及电子设备。
技术介绍
[0002]目前银行在发行一款产品后，营销设计人员会制定出一系列的营销方案，有针对性地对客户进行接触点营销。而随着日新月异的技术创新，银行业正扩展出越来越多的线上线下营销渠道，如何在产品全生命周期内合理地运用有效营销渠道及触点，提高营销成功率，成了营销发起人最为关心的问题。
[0003]针对相关技术中相关技术中产品全生命周期中，产品的运营需要依赖于人工制定运营计划，存在效率低，且运营效果差，准确率低的问题，目前尚未提出有效的解决方案。
技术实现思路
[0004]本申请的主要目的在于提供一种数据处理方法、装置、处理器及电子设备，以解决相关技术中产品全生命周期中，产品的运营需要依赖于人工制定运营计划，存在效率低，且运营效果差，准确率低的问题。
[0005]为了实现上述目的，根据本申请的一个方面，提供了一种数据处理方法，包括：获取产品的第一特征信息，以及所述产品的多个营销渠道的第二特征信息；将所述第一特征信息和目标营销渠道的第二特征信息输入匹配模型，由所述匹配模型输出匹配结果，其中，所述匹配结果用于标识所述产品是否与所述目标营销渠道匹配，所述匹配模型为支持向量机SVM模型，所述SVM模型由多组训练数据训练而成，每组训练数据包括产品特征数据，以及产品销售份额达到预定份额的营销渠道特征数据，所述目标营销渠道为所述多个营销渠道中的营销渠道；根据所述匹配结果，确定所述产品与所述目标营销渠道是否匹配。
[0006]可选的，将所述第一特征信息和目标营销渠道的第二特征信息输入匹配模型，由所述匹配模型输出匹配结果之前，所述方法还包括：获取训练数据和验证数据，其中，所述训练数据还包括产品特征数据，以及产品销售份额未达到预定份额营销渠道的负样本数据，所述验证数据包括产品特征数据，以及产品销售份额达到预定份额的营销渠道的正样本，和产品特征数据，以及产品销售份额未达到预定份额营销渠道的负样本数据，所述验证数据与所述训练数据的数据不重复；通过所述训练数据进行训练，确定初始匹配模型；通过所述验证数据对所述初始匹配模型进行验证，在验证通过的情况下，将所述初始匹配模型作为所述匹配模型。
[0007]可选的，获取训练数据和验证数据之后，所述方法还包括：根据所述训练数据和所述验证数据创建数据表；根据所述数据表对异常数据进行筛除，其中，所述异常数据包括特征异常，数据异常；对筛除处理后的数据表中的预设特征信息进行对数变换，得到在所述预设特征信息上呈正态分布的训练数据和验证数据。
[0008]可选的，通过所述训练数据进行训练，确定初始匹配模型包括：确定所述训练数据
中的正样本数据的正支持向量，以及所述负样本数据的负支持向量，其中，所述正样本数据为产品特征数据，以及产品销售份额达到预定份额的营销渠道；根据所述正支持向量和所述负支持向量确定最优超平面，其中，所述最优超平面的一侧均为正支持向量，另一侧均为负支持向量；根据最优化条件以及拉格朗日公式，确定所述最优超平面对应的决策函数；根据所述决策函数确定所述初始匹配模型。
[0009]可选的，通过所述验证数据对所述初始匹配模型进行验证，在验证通过的情况下，将所述初始匹配模型作为所述匹配模型包括：选取一组验证数据，将产品特征数据和营销渠道特征数据输入所述初始匹配模型；由所述初始匹配模型输出所述产品与所述营销渠道的匹配结果；在所述验证数据为正样本，所述匹配结果为匹配，或者所述验证数据为负样本，所述匹配结果为不匹配的情况下，确定所述初始匹配模型验证通过，将所述初始匹配模型作为所述匹配模型；在所述验证数据为正样本，所述匹配结果为不匹配，或者所述验证数据为负样本，所述匹配结果为匹配的情况下，确定所述初始匹配模型验证不通过，通过所述验证数据对所述初始匹配模型进行调参；通过其他的验证数据对调参后的初始匹配模型进行验证，直至所述初始匹配模型验证通过。
[0010]可选的，所述第一特征信息包括下列至少之一：所述产品的风险信息，周期信息，费率信息，运作信息；其中，所述风险信息包括下列至少之一：产品的投资风险评级；所述周期信息包括下列至少之一：产品的申购周期，封闭周期，销售周期；所述费率信息包括下列至少之一：手续费，管理费，投管费；所述运作信息包括下列至少之一：开放封闭类型，净值或非净值类型。
[0011]可选的，所述第二特征信息包括下列至少之一：所述营销渠道的基本信息，地理信息，业务信息，智能化信息，服务信息，客群信息；其中，所述基本信息包括下列至少之一：管理部门信息，人员信息，营业时间；地理信息包括下列至少之一：网点经度，网点纬度，经济区域，县域属性；业务信息包括下列至少之一：支付介质类信息，本外币种信息，业务领域信息；智能化信息包括下列至少之一：营销设备信息，体验项目信息；服务信息包括下列至少之一：文化类服务信息，公共类服务信息，生活类服务信息；客群信息包括下列至少之一：社交类信息，商圈类信息，政务类信息。
[0012]为了实现上述目的，根据本申请的另一方面，提供了一种数据处理装置，包括：获取模块，获取产品的第一特征信息，以及所述产品的多个营销渠道的第二特征信息；输入输出模块，将所述第一特征信息和目标营销渠道的第二特征信息输入匹配模型，由所述匹配模型输出匹配结果，其中，所述匹配结果用于标识所述产品是否与所述目标营销渠道匹配，所述匹配模型为支持向量机SVM模型，所述SVM模型由多组训练数据训练而成，每组训练数据包括产品特征数据，以及产品销售份额达到预定份额的营销渠道特征数据，所述目标营销渠道为所述多个营销渠道中的营销渠道；确定模块，根据所述匹配结果，确定所述产品与所述目标营销渠道是否匹配。
[0013]为了实现上述目的，根据本申请的另一方面，提供了一种计算机可读存储介质，所述存储介质存储程序，其中，所述程序运行时执行上述中任意一项所述的数据处理方法。
[0014]为了实现上述目的，根据本申请的另一方面，提供了一种电子设备，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述中任意一项所述的数
据处理方法。
[0015]通过本申请，采用以下步骤：获取产品的第一特征信息，以及产品的多个营销渠道的第二特征信息；将第一特征信息和目标营销渠道的第二特征信息输入匹配模型，由匹配模型输出匹配结果，其中，匹配结果用于标识产品是否与目标营销渠道匹配，匹配模型为支持向量机SVM模型，SVM模型由多组训练数据训练而成，每组训练数据包括产品特征数据，以及产品销售份额达到预定份额的营销渠道特征数据，目标营销渠道为多个营销渠道中的营销渠道；根据匹配结果，确定产品与目标营销渠道是否匹配。通过利用产品的第一特征信息以及产品的多个营销渠道的第二特征信息，输入匹配模型，利用支持向量机SVM模型作为匹配模型，准确判断产品与目标营销渠道的匹配结果，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获取产品的第一特征信息，以及所述产品的多个营销渠道的第二特征信息；将所述第一特征信息和目标营销渠道的第二特征信息输入匹配模型，由所述匹配模型输出匹配结果，其中，所述匹配结果用于标识所述产品是否与所述目标营销渠道匹配，所述匹配模型为支持向量机SVM模型，所述SVM模型由多组训练数据训练而成，每组训练数据包括产品特征数据，以及产品销售份额达到预定份额的营销渠道特征数据，所述目标营销渠道为所述多个营销渠道中的营销渠道；根据所述匹配结果，确定所述产品与所述目标营销渠道是否匹配。2.根据权利要求1所述的方法，其特征在于，将所述第一特征信息和目标营销渠道的第二特征信息输入匹配模型，由所述匹配模型输出匹配结果之前，所述方法还包括：获取训练数据和验证数据，其中，所述训练数据还包括产品特征数据，以及产品销售份额未达到预定份额营销渠道的负样本数据，所述验证数据包括产品特征数据，以及产品销售份额达到预定份额的营销渠道的正样本，和产品特征数据，以及产品销售份额未达到预定份额营销渠道的负样本数据，所述验证数据与所述训练数据的数据不重复；通过所述训练数据进行训练，确定初始匹配模型；通过所述验证数据对所述初始匹配模型进行验证，在验证通过的情况下，将所述初始匹配模型作为所述匹配模型。3.根据权利要求2所述的方法，其特征在于，获取训练数据和验证数据之后，所述方法还包括：根据所述训练数据和所述验证数据创建数据表；根据所述数据表对异常数据进行筛除，其中，所述异常数据包括特征异常，数据异常；对筛除处理后的数据表中的预设特征信息进行对数变换，得到在所述预设特征信息上呈正态分布的训练数据和验证数据。4.根据权利要求2所述的方法，其特征在于，通过所述训练数据进行训练，确定初始匹配模型包括：确定所述训练数据中的正样本数据的正支持向量，以及所述负样本数据的负支持向量，其中，所述正样本数据为产品特征数据，以及产品销售份额达到预定份额的营销渠道；根据所述正支持向量和所述负支持向量确定最优超平面，其中，所述最优超平面的一侧均为正支持向量，另一侧均为负支持向量；根据最优化条件以及拉格朗日公式，确定所述最优超平面对应的决策函数；根据所述决策函数确定所述初始匹配模型。5.根据权利要求2所述的方法，其特征在于，通过所述验证数据对所述初始匹配模型进行验证，在验证通过的情况下，将所述初始匹配模型作为所述匹配模型包括：选取一组验证数据，将产品特征数据和营销渠道特征数据输入所述初始匹配模型；由所述初始匹配模型输出所述产品与所述营销渠道的匹配结果；在所述验证数据为正样本，所述匹配结果为匹配，或者所述验证数据为负样本，所述匹...
【专利技术属性】
技术研发人员：周誉，戴若澄，吴颖雪，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。