异常酬金的确定方法及装置制造方法及图纸

本发明专利技术提供异常酬金的确定方法及装置。所述方法包括：将当前账期酬金小类业务的投入信息和产出信息输入酬金业务投产分析模型，确定酬金小类业务的投产比；根据投入信息和产出信息，基于酬金计算规则预测酬金小类业务在未来账期的酬金；根据投产比以及酬金小类业务在未来账期的酬金，绘制酬金面积图；将酬金面积图输入酬金面积图识别模型，确定异常酬金。本发明专利技术提供的异常酬金的确定方法及装置，以可视化的方式展现预测酬金的变化趋势，并通过酬金面积图识别模型确定异常酬金，实现对未来账期中异常酬金高效且准确的定位，降低了异常酬金产生的风险。生的风险。生的风险。

【技术实现步骤摘要】
异常酬金的确定方法及装置


[0001]本专利技术涉及数据处理
，具体涉及一种异常酬金的确定方法及装置。

技术介绍

[0002]在现有酬金生产过程中，往往通过人工在事后将所有酬金进行结算和对账。
[0003]现有酬金生产过程中侧重点聚焦在酬金的事后结算方面，经常发现在结酬后出现渠道商套利、重复计酬、异常计酬渠道以及不合理酬金科目等一系列异常酬金现象。由于对事前、事中的酬金生产运营过程缺少对风险点的及时预警，使问题酬金没办法提前发现，从而及时采取问题防控措施。并且，在酬金业务风险预警方面，现有技术无法判别酬金的异常形态，使得问题酬金无法被及时发现。在实际操作中，传统人工记录满足不了海量酬金数据的需求，难免出现人工检索的疏漏与错误，无法保证每个问题酬金都能被发现，效率和准确性都难以保证。
[0004]因此，如何提出一种方法，能够对未来账期的酬金进行预测，根据未来账期酬金的变化趋势，对未来账期中的异常酬金高效且准确的定位，从而实现异常酬金的提前发现，具有十分重要的意义。

技术实现思路

[0005]本专利技术提供一种异常酬金的确定方法及装置，用以解决现有技术中异常酬金无法提前准确高效确定的技术问题。
[0006]第一方面，本专利技术提供一种异常酬金的确定方法，包括：
[0007]将当前账期酬金小类业务的投入信息和产出信息输入酬金业务投产分析模型，确定所述酬金小类业务的投产比；
[0008]根据所述投入信息和产出信息，基于酬金计算规则预测所述酬金小类业务在未来账期的酬金；
[0009]根据所述投产比以及所述酬金小类业务在未来账期的酬金，绘制酬金面积图；
[0010]将所述酬金面积图输入酬金面积图识别模型，确定异常酬金；
[0011]其中，所述酬金小类业务包括单卡用户酬金小类业务和单渠道用户酬金小类业务。
[0012]在一个实施例中，所述酬金小类业务是通过如下方式确定的：
[0013]根据酬金业务中不同的计酬规则，对所述酬金业务中的酬金大类业务进行细分得到酬金小类业务。
[0014]在一个实施例中，所述酬金小类业务的投产比为：
[0015]在所述酬金小类业务包括单卡用户酬金小类业务的情况下，所述酬金小类业务的投产比为酬金小类业务单卡用户投入与酬金小类业务单卡用户产出的比值；
[0016]在所述酬金小类业务包括单渠道用户酬金小类业务的情况下，所述酬金小类业务的投产比为酬金小类业务单渠道用户投入与酬金小类业务单渠道用户产出的比值。
[0017]在一个实施例中，在所述酬金小类业务包括单卡用户酬金小类业务的情况下，所述投入信息包括：积分激励，手续费以及单卡用户升档酬金，所述产出信息包括：单卡用户业务办理信息；
[0018]在所述酬金小类业务包括单渠道用户酬金小类业务的情况下，所述投入信息包括：渠道补贴以及诚信经营酬金，所述产出信息包括：历史业务办理量、历史渠道酬金以及历史渠道产能。
[0019]在一个实施例中，所述酬金面积图识别模型是基于如下步骤训练得到的：
[0020]根据所述酬金面积图获取酬金小类业务的投入面积与酬金小类业务的产出面积，将所述投入面积与所述产出面积的比值大于预设阈值的酬金面积图标记为异常酬金面积图；
[0021]将所述异常酬金面积图输入酬金面积图识别模型进行训练，得到所述酬金面积图识别模型。
[0022]在一个实施例中，在所述确定异常酬金之后，还包括：
[0023]将所述异常酬金输入聚类分析模型，确定异常酬金群体的业务特征。
[0024]在一个实施例中，在所述确定异常酬金群体的业务特征之后，还包括：
[0025]在所述异常酬金群体的投产比大于告警阈值的情况下，输出所述异常酬金群体的告警信息。
[0026]第二方面，本专利技术还提供一种异常酬金的确定装置，包括：
[0027]投产比分析模块，用于将当前账期酬金小类业务的投入信息和产出信息输入酬金业务投产分析模型，确定所述酬金小类业务的投产比；
[0028]酬金预测模块，用于根据所述投入信息和产出信息，基于酬金计算规则预测所述酬金小类业务在未来账期的酬金；
[0029]面积图绘制模块，用于根据所述投产比以及所述酬金小类业务在未来账期的酬金，绘制酬金面积图；
[0030]异常筹酬金确定模块，用于将所述酬金面积图输入酬金面积图识别模型，确定异常酬金；
[0031]其中，所述酬金小类业务包括单卡用户酬金小类业务和单渠道用户酬金小类业务。
[0032]第三方面，本专利技术还提供一种电子设备，包括存储器、处理器以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上述任一种的异常酬金的确定方法的步骤。
[0033]第四方面，本专利技术还提供一种非暂态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上述任一种的异常酬金的确定方法的步骤。
[0034]本专利技术提供的异常酬金的确定方法、装置、电子设备及存储介质，通过预测单卡用户与单渠道用户未来账期的酬金，并根据未来账期酬金绘制酬金面积图，以可视化的方式展现未来酬金的变化趋势。与此同时，通过酬金面积图识别模型识别异常酬金面积图从而确定异常酬金，实现了未来账期中异常酬金高效且准确的定位，降低了异常酬金产生的风险。
附图说明
[0035]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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。
[0036]图1为本专利技术提供的异常酬金的确定方法的流程示意图；
[0037]图2为应用本专利技术提供的异常酬金的确定方法的系统结构示意图；
[0038]图3为应用本专利技术提供的异常酬金的确定方法的酬金投产比面积图；
[0039]图4为本专利技术提供的异常酬金的确定装置的结构示意图；
[0040]图5为本专利技术提供的电子设备的结构示意图。
具体实施方式
[0041]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，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，都属于本专利技术保护的范围。
[0042]图1为本专利技术提供的异常酬金的确定方法的流程示意图。参照图1，本专利技术提供的异常酬金的确定方法可以包括：
[0043]S110、将当前账期酬金小类业务的投入信息和产出信息输入酬金业务投产分析模型，确定所述酬金小类业务的投产比；
[0044]S120、根据所述投入信息和产出信息，基于酬金计算规则预测所述酬金小类业务在未来账期的酬金；
[0045]S130、根据所述投产比以及所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常酬金的确定方法，其特征在于，包括：将当前账期酬金小类业务的投入信息和产出信息输入酬金业务投产分析模型，确定所述酬金小类业务的投产比；根据所述投入信息和产出信息，基于酬金计算规则预测所述酬金小类业务在未来账期的酬金；根据所述投产比以及所述酬金小类业务在未来账期的酬金，绘制酬金面积图；将所述酬金面积图输入酬金面积图识别模型，确定异常酬金；其中，所述酬金小类业务包括单卡用户酬金小类业务和单渠道用户酬金小类业务。2.根据权利要求1所述的异常酬金的确定方法，其特征在于，所述酬金小类业务是通过如下方式确定的：根据酬金业务中不同的计酬规则，对所述酬金业务中的酬金大类业务进行细分得到酬金小类业务。3.根据权利要求1所述的异常酬金的确定方法，其特征在于，所述酬金小类业务的投产比为：在所述酬金小类业务包括单卡用户酬金小类业务的情况下，所述酬金小类业务的投产比为酬金小类业务单卡用户投入与酬金小类业务单卡用户产出的比值；在所述酬金小类业务包括单渠道用户酬金小类业务的情况下，所述酬金小类业务的投产比为酬金小类业务单渠道用户投入与酬金小类业务单渠道用户产出的比值。4.根据权利要求1所述的异常酬金的确定方法，其特征在于，在所述酬金小类业务包括单卡用户酬金小类业务的情况下，所述投入信息包括：积分激励，手续费以及单卡用户升档酬金，所述产出信息包括：单卡用户业务办理信息；在所述酬金小类业务包括单渠道用户酬金小类业务的情况下，所述投入信息包括：渠道补贴以及诚信经营酬金，所述产出信息包括：历史业务办理量、历史渠道酬金以及历史渠道产能。5.根据权利要求1所述的异常酬金的确定方法，其特征在于，所述酬金面积图识别模型是基于如下步骤训练得到的：根据...

【专利技术属性】
技术研发人员：徐亮，谭丽丽，陈智扬，陈辉，伍春萍，区晓江，丁一，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：