数据处理方法、装置、设备、存储介质及产品制造方法及图纸

本发明专利技术实施例公开了一种数据处理方法、装置、设备、存储介质及产品，涉及大数据技术领域。该方法包括：获取待检测对象的对象属性信息；将对象属性信息输入至预先创建的目标预测模型中，以通过目标预测模型输出待检测对象的营销成功率；根据营销成功率确定待检测对象对应的营销策略。本实施例的技术方案，有效地为不同的待检测对象提供了更有效的营销策略，以及为符合条件的待检测对象提供个性化的金融方案，从而提高了用户体验满意度和提升了业务办理效率。办理效率。办理效率。

【技术实现步骤摘要】
数据处理方法、装置、设备、存储介质及产品


[0001]本专利技术涉及大数据
，尤其涉及一种数据处理方法、装置、设备、存储介质及产品。

技术介绍

[0002]在新的时代背景下，银行数字化经营转型势在必行。银行数字化经营是一个全方位、系统化的经营与管理的变革，银行未来的变革是在金融科技的引领和支撑下，发挥自身优势，开拓新的经营、营销思路和方式，适应环境、稳步前行。
[0003]小微外贸企业在业务发展过程中往往会出现出口退税审核周期较长、货物应收账款的账期较长等消耗企业原始积累的资金占用问题，而其企业规模及轻资产运营模式一般难以提供足值的抵押物、未能达到主流信贷产品的准入条件，而市场上适用于小微外贸企业的专项融资产品有限，普遍存在融资难题。因此，如何为客户经理提供更有效的营销思路，以及为符合条件的小微外贸企业提供个性化的金融方案，是一个亟待解决的问题。
[0004]公开内容
[0005]有鉴于此，本专利技术提供一种数据处理方法、装置、设备、存储介质及产品，有效地提供了更有效的营销策略，以及为符合条件的待检测对象提供个性化的金融方案，从而提高了用户体验满意度和提升了业务办理效率。
[0006]根据本专利技术的一方面，本专利技术实施例提供了一种数据处理方法，包括：
[0007]获取待检测对象的对象属性信息；
[0008]将所述对象属性信息输入至预先创建的目标预测模型中，以通过所述目标预测模型输出所述待检测对象的营销成功率；
[0009]根据所述营销成功率确定所述待检测对象对应的营销策略。
[0010]根据本专利技术的另一方面，本专利技术实施例还提供了一种数据处理装置，包括：
[0011]获取模块，用于获取待检测对象的对象属性信息；
[0012]输出模块，用于将所述对象属性信息输入至预先创建的目标预测模型中，以通过所述目标预测模型输出所述待检测对象的营销成功率；
[0013]第一确定模块，用于根据所述营销成功率确定所述待检测对象对应的营销策略。
[0014]根据本专利技术的另一方面，本专利技术实施例还提供了一种电子设备，所述电子设备包括：
[0015]至少一个处理器；以及
[0016]与所述至少一个处理器通信连接的存储器；其中，
[0017]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的数据处理方法。
[0018]根据本专利技术的另一方面，本专利技术实施例还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存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术
任一实施例所述的数据处理方法。
[0019]根据本专利技术的另一方面，本专利技术实施例还提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现本专利技术任一实施例所述的数据处理方法。
[0020]本专利技术实施例的技术方案，通过将待检测对象的对象属性信息输入至目标预测模型中，以通过目标预测模型输出待检测对象的营销成功率，并根据营销成功率确定待检测对象对应的营销策略，有效地为不同的待检测对象提供了更有效的营销策略，以及为符合条件的待检测对象提供个性化的金融方案，从而提高了用户体验满意度和提升了业务办理效率。
[0021]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0022]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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专利技术的一些实施例，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。
[0023]图1是本专利技术一实施例提供的一种数据处理方法的流程图；
[0024]图2是本专利技术另一实施例提供的一种数据处理方法的流程图；
[0025]图3是本专利技术又一实施例提供的一种数据处理方法的流程图；
[0026]图4是本专利技术一实施例提供的一种目标预测模型的创建流程图；
[0027]图5a是本专利技术实施例提供的一种随机森林模型的ROC曲线示意图；
[0028]图5b是本专利技术实施例提供的一种XGBoost模型的ROC曲线示意图；
[0029]图6a是本专利技术实施例提供的一种随机森林模型的KS曲线示意图；
[0030]图6b是本专利技术实施例提供的一种XGBoost模型的KS曲线示意图；
[0031]图7是本专利技术一实施例提供的一种数据处理装置的结构框图；
[0032]图8是本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0033]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都应当属于本专利技术保护的范围。
[0034]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“目标”、“第一”以及“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，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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的过程、方法、系统、产品或设
备不必限于清楚地列出的那些步骤或单元，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。
[0035]本申请所涉及技术方案中对数据的获取存储和/或处理，符合国家法律法规的相关规定。
[0036]在一实施例中，图1是本专利技术一实施例提供的一种数据处理方法的流程图，本实施例可适用于确定与待检测对象相匹配的营销策略的情况，该方法可以由数据处理装置来执行，该数据处理装置可以采用硬件和/或软件的形式实现，该数据处理装置可配置于电子设备中。如图1所示，该方法包括：
[0037]S110、获取待检测对象的对象属性信息。
[0038]其中，待检测对象指的是需要进行跨境快贷业务申请的对象。在实施例中，待检测对象可以为企业，也可以为用户。优选地，本实施例中的待检测对象可以为小微外贸企业。其中，对象属性信息指的是用于表征待检测对象自身属性的相关信息。在实施例中，在待检测对象为小微外贸企业的情况下，对象属性信息可以包括：企业基本信息、企业信贷逾期情况、企业收支情况、企业实控人的征信信息、企业实控人的信贷逾期情况，等等。在实施例中，可以通过待检测对象的历史交易记录获取对应的对象属性信息。
[0039]S120、将对象属性信息本文档来自技高网...

【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：获取待检测对象的对象属性信息；将所述对象属性信息输入至预先创建的目标预测模型中，以通过所述目标预测模型输出所述待检测对象的营销成功率；根据所述营销成功率确定所述待检测对象对应的营销策略。2.根据权利要求1所述的方法，其特征在于，在所述获取待检测对象的对象属性信息之前，还包括：对预先获取的原始数据进行数据预处理，得到对应的目标数据集；将所述目标数据集分别输入至预先创建的至少两个原始预测模型中，以对每个所述原始预测模型进行训练，得到对应的中间预测模型；根据每个所述中间预测模型的区分能力确定目标预测模型。3.根据权利要求2所述的方法，其特征在于，所述原始数据包括：原始样本数据和原始特征数据；所述对预先获取的原始数据进行数据预处理，得到对应的目标数据集，包括：分别对预先获取的原始样本数据和原始特征数据进行数据清洗操作，得到对应的目标样本子集和中间特征数据；对所述中间特征数据进行特征筛选，得到对应的目标特征子集；对所述目标样本子集和所述目标特征子集进行组合，得到对应的目标数据集。4.根据权利要求3所述的方法，其特征在于，所述对所述中间特征数据进行特征筛选，得到对应的目标特征子集，包括：确定每个所述中间特征数据的信息值IV值；按照所述IV值对所述中间特征数据进行筛选，得到对应的中间特征子集；对所述中间特征子集进行多变量分析，得到对应的目标特征子集。5.根据权利要求2所述的方法，其特征在于，所述在将所述目标数据集分别输入至预先创建的至少两个原始预测模型中，以对每个所述原始预测模型进行训练，得到对应的目标预测模型之前，还包括：确定所述目标数据集中第一类型对象和第二类型对象之间的数据量比例；在所述数据量比例未达到预设比例阈值时，采用过采样方式对目标数据集中第一类型对象和第二类型对象的数据量进行调整，得到对应的目标数据集。6.根据权利要求1所述的方法，其特征在于，所述根据所述营销成功率确定所述待检测对象对应的营销策略，包括：根据所述营销成功率确定所述待检测对象对应的营销成功分值；根据所述营销成功分值确定所述待检测对象对应的营销策略。7.根据权利要求2所述的方法，其特征在于，所述将所述目标数据集分别输入至预先创建的至少两个原始预测模型中，以对每个所述原始预测模型进行训练，得到对应的中间预测模型，包括：对所述目标数据集进行拆分，得到对应的数据训练集、数据测试集和数据验证集；依次将所述数据训练集、所述数据测试集和数据验证集输入至预选创建的至少两个原...

【专利技术属性】
技术研发人员：江涛，
申请(专利权)人：建信金融科技有限责任公司，
类型：发明
国别省市：