本申请实施例公开了一种业务投诉预测方法、装置、智能终端及存储介质，其中，该方法包括：获取待预测投诉工单；对所述待预测投诉工单进行解析，获取投诉关键数据；将所述投诉关键数据输入预先训练好的投诉预测模型，通过所述投诉预测模型对未来时间段的业务投诉量进行预测，得到投诉预测值；将所述投诉预测值推送给预设的咨诉系统，由所述咨诉系统对所述投诉预测值进行分析，并根据分析结果确定是否对关联业务端进行提醒。通过上述方式，实现模型预测业务投诉的发展趋势的准确性和预测效率，以及根据预测结果确定是否对相关业务部门进行提醒，保证投诉异常的监督和督促。保证投诉异常的监督和督促。保证投诉异常的监督和督促。
【技术实现步骤摘要】
一种业务投诉预测方法、装置、智能终端及存储介质
[0001]本申请涉及计算机软件
，尤其涉及一种业务投诉预测方法、装置、智能终端及存储介质。
技术介绍
[0002]伴随着社会经济发展，金融消费者的消保意识和维权意识提高等多重因素的冲击，银行行业消费者投诉日益增多。面对消费者投诉，必须妥善应对，主动落实消费者权益保护主体责任，在加强调查分析的基础之上注重源头治理，切实做好消费者权益保护工作。
[0003]银行行业包含多种银行业务，针对银行业务的投诉，银行需要定时监测，统计业务的现有投诉数据进行预测分析。根据预测数据的异常增长量，通知各业务部门及时作出处理，降低客户投诉，监督和督促业务人员优化业务流程和改善服务态度。
[0004]现有技术中，通过人工对业务数据进行统计和分析，以及预测投诉增长量，而人工的方式需要消耗大量的人力物力，并且，容易出现错漏，难以实现多维度的数据比对。
技术实现思路
[0005]本申请实施例提供一种业务投诉预测方法、装置、智能终端及存储介质，用于解决上述
技术介绍
中的问题。
[0006]第一方面，本申请实施例提供一种业务投诉预测方法，所述方法包括：
[0007]获取待预测投诉工单；
[0008]对所述待预测投诉工单进行解析，获取投诉关键数据；
[0009]将所述投诉关键数据输入预先训练好的投诉预测模型，通过所述投诉预测模型对未来时间段的业务投诉量进行预测，得到投诉预测值；
[0010]将所述投诉预测值推送给预设的咨诉系统，由所述咨诉系统对所述投诉预测值进行分析，并根据分析结果确定是否对关联业务端进行提醒。
[0011]在一些实施例中，在所述获取待预测投诉工单之前，还包括：
[0012]获取历史投诉工单，提取所述历史投诉工单中的第一目标数据字段；
[0013]对所述第一目标数据字段进行标准化处理和筛选，得到第二目标数据字段，基于所述第二目标数据字段，构建模型训练数据集；
[0014]通过所述模型训练数据集对投诉预测模型进行模型训练。
[0015]在一些实施例中，所述将所述投诉关键数据输入预先训练好的投诉预测模型，通过所述投诉预测模型对未来时间段的业务投诉量进行预测，得到投诉预测值，包括：
[0016]确定所述投诉预测模型的预测变化类型；
[0017]基于所述预测变化类型，确定对应的预测函数；
[0018]基于所述预测函数计算未来时间段的业务投诉量的投诉预测值。
[0019]在一些实施例中，所述将所述投诉预测值推送给预设的咨诉系统，由所述咨诉系统对所述投诉预测值进行分析，并根据分析结果确定是否对关联业务端进行提醒，包括：
[0020]所述咨诉系统获取所述待投诉工单的参考预测值，将所述投诉预测值和所述参考预测值进行对比；
[0021]若所述投诉预测值大于所述参考预测值，所述咨诉系统自动发送提醒信息至关联业务端，否则，所述咨诉系统不进行提醒。
[0022]在一些实施例中，在所述获取待预测投诉工单之前，还包括：
[0023]咨诉系统接收投诉预测请求，基于所述投诉预测请求，查询预设时间段内的投诉记录数据；
[0024]基于所述投诉记录数据，按照预设的表格生成方式生成投诉工单，将所述投诉工单上传至数据库；
[0025]所述数据库存储所述投诉工单，并生成对应的文件存储编码。
[0026]在一些实施例中，所述获取待预测投诉工单，包括：
[0027]所述咨诉系统调用预设的算法接口，将所述文件存储编码发送给投诉预测模型；
[0028]所述投诉预测模型从所述数据库中下载与所述文件存储编码对应的投诉工单作为待预测投诉工单。
[0029]在一些实施例中，在所述获取待预测投诉工单之前，还包括：
[0030]获取预设时间段内上传的投诉工单，将所述投诉工单按照业务类型进行工单分类；
[0031]确定需要进行预测的目标业务类型，将与所述目标业务类型对应的投诉工单作为待预测投诉工单。
[0032]第二方面，本申请实施例还提供了一种业务投诉预测装置，所述装置包括：
[0033]获取单元，用于获取待预测投诉工单；
[0034]解析单元，用于对所述待预测投诉工单进行解析，获取投诉关键数据；
[0035]模型预测单元，用于将所述投诉关键数据输入预先训练好的投诉预测模型，通过所述投诉预测模型对未来时间段的业务投诉量进行预测，得到投诉预测值；
[0036]分析单元，用于将所述投诉预测值推送给预设的咨诉系统，由所述咨诉系统对所述投诉预测值进行分析，并根据分析结果确定是否对关联业务端进行提醒。
[0037]第三方面，本申请实施例还提供一种智能终端，包括存储器和处理器，所述存储器用于存储指令和数据，所述处理器用于执行上述所述的业务投诉预测方法。
[0038]第四方面，本申请实施例还提供一种存储介质，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行上述所述的业务投诉预测方法。
[0039]本申请实施例中的业务投诉预测方法，包括获取待预测投诉工单；对所述待预测投诉工单进行解析，获取投诉关键数据；将所述投诉关键数据输入预先训练好的投诉预测模型，通过所述投诉预测模型对未来时间段的业务投诉量进行预测，得到投诉预测值；将所述投诉预测值推送给预设的咨诉系统，由所述咨诉系统对所述投诉预测值进行分析，并根据分析结果确定是否对关联业务端进行提醒。通过上述方式，实现模型预测业务投诉的发展趋势的准确性和预测效率，以及根据预测结果确定是否对相关业务部门进行提醒，保证投诉异常的监督和督促。
附图说明
[0040]为了更清楚地说明本申请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申请的一些实施例，对于本领域技术人员来讲，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。
[0041]图1是本申请实施例提供的一种业务投诉预测方法的流程图。
[0042]图2是本申请实施例提供的一种业务投诉预测方法对应的系统的示意图。
[0043]图3是本申请实施例提供的一种业务投诉预测装置的结构示意图。
[0044]图4是本申请实施例提供的一种智能终端的结构示意图。
具体实施方式
[0045]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，本领域技术人员在没有作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。
[0046]在本申请实施例的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种业务投诉预测方法，其特征在于，所述方法包括：获取待预测投诉工单；对所述待预测投诉工单进行解析，获取投诉关键数据；将所述投诉关键数据输入预先训练好的投诉预测模型，通过所述投诉预测模型对未来时间段的业务投诉量进行预测，得到投诉预测值；将所述投诉预测值推送给预设的咨诉系统，由所述咨诉系统对所述投诉预测值进行分析，并根据分析结果确定是否对关联业务端进行提醒。2.根据权利要求1所述的业务投诉预测方法，其特征在于，在所述获取待预测投诉工单之前，还包括：获取历史投诉工单，提取所述历史投诉工单中的第一目标数据字段；对所述第一目标数据字段进行标准化处理和筛选，得到第二目标数据字段，基于所述第二目标数据字段，构建模型训练数据集；通过所述模型训练数据集对投诉预测模型进行模型训练。3.根据权利要求1所述的业务投诉预测方法，其特征在于，所述将所述投诉关键数据输入预先训练好的投诉预测模型，通过所述投诉预测模型对未来时间段的业务投诉量进行预测，得到投诉预测值，包括：确定所述投诉预测模型的预测变化类型；基于所述预测变化类型，确定对应的预测函数；基于所述预测函数计算未来时间段的业务投诉量的投诉预测值。4.根据权利要求1所述的业务投诉预测方法，其特征在于，所述将所述投诉预测值推送给预设的咨诉系统，由所述咨诉系统对所述投诉预测值进行分析，并根据分析结果确定是否对关联业务端进行提醒，包括：所述咨诉系统获取所述待投诉工单的参考预测值，将所述投诉预测值和所述参考预测值进行对比；若所述投诉预测值大于所述参考预测值，所述咨诉系统自动发送提醒信息至关联业务端，否则，所述咨诉系统不进行提醒。5.根据权利要求1所述的业务投诉预测方法，其特征在于，在所述获取待预测投诉工单之前，还包括：咨诉系统接收投...
【专利技术属性】
技术研发人员：张博文，
申请(专利权)人：平安银行股份有限公司，
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。