一种数据处理方法、系统、存储介质及电子设备技术方案

本申请公开了一种数据处理方法、系统、存储介质及电子设备，获取待处理数据，通过营销响应模型，对待处理数据进行模型评估得到概率结果，确定各个得分区间的所有样本数和预测营销成功的样本个数，确定各得分区间的模型响应率，当模型响应率大于等于预设阈值时，根据模型响应率确定对应的营销资源。通过上述，无需通过人为经验筛选出待营销客户，只需通过客户信息、信用变化等构建预设营销响应模型，定期自动筛选营销客户，使得营销响应模型产出的客户清单精准度高，将大于等于预设阈值的模型响应率投入相应的营销资源，为客户测定贷款额度，满足客户对贷款额度的需求，从而提高营销响应率。响应率。响应率。

【技术实现步骤摘要】
一种数据处理方法、系统、存储介质及电子设备


[0001]本申请涉及数据处理
，更具体地说，涉及一种数据处理方法、系统、存储介质及电子设备。

技术介绍

[0002]随着社会经济的快速发展，为助力实体经济发展，鼓励金融创新，普惠企业贷款产品应运而生。
[0003]传统商业银行主要采用要素评分法筛选出待营销的客户后，向该客户提供普惠企业贷款产品。
[0004]由于要素评分法没有采用大数据的方法，营销效率低，使得营销成功的客户违约概率大，造成要素评分法筛选出客户后难以平衡预期收益与潜在风险，使得无法满足客户对贷款额度的需求，造成营销响应率低。
[0005]因此，如何提高营销响应率，是本申请亟需解决的问题。

技术实现思路

[0006]有鉴于此，本申请公开了一种数据处理方法、系统、存储介质及电子设备，旨在使得营销响应模型产出的客户清单精准度高和提高营销响应率。
[0007]为了实现上述目的，其公开的技术方案如下：
[0008]本申请第一方面公开了一种数据处理方法，所述方法包括：
[0009]获取待处理数据；所述待处理数据表征经过变量筛选操作后的无多重共线性的变量；
[0010]通过预先构建的营销响应模型，对所述待处理数据进行模型评估，得到概率结果；所述概率结果为通过所述营销响应模型预测得到的营销响应率的概率结果；
[0011]通过所述模型概率结果，确定各个得分区间；所述各个得分区间为未授信客户的营销评分区间；
[0012]确定所述各个得分区间的所有样本数和预测营销成功的样本个数；
[0013]通过所述各个得分区间的所有样本数和所述预测营销成功的样本个数，确定各得分区间的模型响应率；
[0014]当所述模型响应率大于等于预设阈值时，根据所述模型响应率确定对应的营销资源。
[0015]优选的，所述获取待处理数据，包括：
[0016]获取原始变量；所述原始变量为未经过变量筛选操作的变量；
[0017]对所述原始变量进行卡方分箱，得到各个分箱后的变量；所述卡方分箱用于判断相邻两个区间是否有分布差异；
[0018]当各个分箱后的变量符合预设变量条件时，获取各个分箱后的变量对应的信息值；所述预设变量条件由分箱后每个箱体的依次递增的营销响应率、在每个区间防止样本
偏移条件和每个区间的特征变换值确定；
[0019]选取在预设阈值范围内各个分箱后的变量对应的信息值，并通过预设剔除算法剔除在预设阈值范围内各个分箱后的变量对应的信息值中的冗余变量，得到待处理数据。
[0020]优选的，构建营销响应模型的过程，包括：
[0021]获取预设比例的样本数据；所述样本数据至少包括正样本和负样本；所述正样本表征预设时段内有授信记录的样本数据；所述负样本为在所述预设时段内没有授信记录的样本数据；
[0022]获取原始变量；所述原始变量为未经过变量筛选操作的变量；
[0023]对所述原始变量进行变量衍生，得到所述原始变量对应的衍生变量；
[0024]对所述原始变量和所述衍生变量进行数据分析；所述数据分析至少包括构建所述营销响应模型所需的各个数据表之间主键关系分析、数据完备性检查和数据质量检查；
[0025]将分析后的原始变量和分析后的衍生变量确定为建模样本，并通过所述建模样本和预设模型算法构建营销响应模型。
[0026]优选的，所述通过所述模型概率结果，确定各个得分区间，包括：
[0027]对所述模型概率结果进行评分转换，得到各个得分区间。
[0028]优选的，所述确定所述各个得分区间的所有样本数和预测营销成功的样本个数，包括：
[0029]统计所述各个得分区间的所有样本数；
[0030]在预设时段内，当监测到签约的预设营销产品时，统计所有样本数中签约的预设营销产品所对应的样本数，并将所有样本数中签约的预设营销产品所对应的样本数确定为预测营销成功的样本个数。
[0031]优选的，还包括：
[0032]通过预设评估指标，对所述营销响应模型进行模型评估。
[0033]优选的，还包括：
[0034]通过预设测算方式，测算所述营销响应模型的预授信额度；
[0035]通过所述预授信额度测算信用产品的额度。
[0036]本申请第二方面公开了一种数据处理系统，所述系统包括：
[0037]获取单元，用于获取待处理数据；所述待处理数据表征经过变量筛选操作后的无多重共线性的变量；
[0038]第一评估单元，用于通过预先构建的营销响应模型，对所述待处理数据进行模型评估，得到概率结果；所述概率结果为通过所述营销响应模型预测得到的营销响应率的概率结果；
[0039]第一确定单元，用于通过所述模型概率结果，确定各个得分区间；所述各个得分区间为未授信客户的营销评分区间；
[0040]第二确定单元，用于确定所述各个得分区间的所有样本数和预测营销成功的样本个数；
[0041]第三确定单元，用于通过所述各个得分区间的所有样本数和所述预测营销成功的样本个数，确定各得分区间的模型响应率；
[0042]第四确定单元，用于当所述模型响应率大于等于预设阈值时，根据所述模型响应
率确定对应的营销资源。
[0043]本申请第三方面公开了一种存储介质，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行如第一方面任意一项所述的数据处理方法。
[0044]本申请第四方面公开了一种电子设备，包括存储器，以及一个或者一个以上的指令，其中一个或者一个以上指令存储于存储器中，且经配置以由一个或者一个以上处理器执行如第一方面任意一项所述的数据处理方法。
[0045]经由上述技术方案可知，本申请公开了一种数据处理方法、系统、存储介质及电子设备，获取待处理数据，待处理数据表征经过变量筛选操作后的无多重共线性的变量，通过预先构建的营销响应模型，对待处理数据进行模型评估，得到概率结果，概率结果为营销响应模型预测得到的营销响应率的概率结果，通过模型概率结果，确定各个得分区间，各个得分区间为未授信客户的营销评分区间，确定各个得分区间的所有样本数和预测营销成功的样本个数，通过各个得分区间的所有样本数和所述预测营销成功的样本个数，确定各得分区间的模型响应率，当模型响应率大于等于预设阈值时，根据模型响应率确定对应的营销资源。通过上述方案，无需通过人为经验筛选出待营销客户，只需通过客户信息、信用变化等构建预设营销响应模型，定期自动筛选营销客户，使得营销响应模型产出的客户清单精准度高，将大于等于预设阈值的模型响应率投入相应的营销资源，为客户测定贷款额度，满足客户对贷款额度的需求，从而提高营销响应率。
附图说明
[0046]为了更清楚地说明本申请实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本申本文档来自技高网...

【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，所述方法包括：获取待处理数据；所述待处理数据表征经过变量筛选操作后的无多重共线性的变量；通过预先构建的营销响应模型，对所述待处理数据进行模型评估，得到概率结果；所述概率结果为通过所述营销响应模型预测得到的营销响应率的概率结果；通过所述模型概率结果，确定各个得分区间；所述各个得分区间为未授信客户的营销评分区间；确定所述各个得分区间的所有样本数和预测营销成功的样本个数；通过所述各个得分区间的所有样本数和所述预测营销成功的样本个数，确定各得分区间的模型响应率；当所述模型响应率大于等于预设阈值时，根据所述模型响应率确定对应的营销资源。2.根据权利要求1所述的方法，其特征在于，所述获取待处理数据，包括：获取原始变量；所述原始变量为未经过变量筛选操作的变量；对所述原始变量进行卡方分箱，得到各个分箱后的变量；所述卡方分箱用于判断相邻两个区间是否有分布差异；当各个分箱后的变量符合预设变量条件时，获取各个分箱后的变量对应的信息值；所述预设变量条件由分箱后每个箱体的依次递增的营销响应率、在每个区间防止样本偏移条件和每个区间的特征变换值确定；选取在预设阈值范围内各个分箱后的变量对应的信息值，并通过预设剔除算法剔除在预设阈值范围内各个分箱后的变量对应的信息值中的冗余变量，得到待处理数据。3.根据权利要求1所述的方法，其特征在于，构建营销响应模型的过程，包括：获取预设比例的样本数据；所述样本数据至少包括正样本和负样本；所述正样本表征预设时段内有授信记录的样本数据；所述负样本为在所述预设时段内没有授信记录的样本数据；获取原始变量；所述原始变量为未经过变量筛选操作的变量；对所述原始变量进行变量衍生，得到所述原始变量对应的衍生变量；对所述原始变量和所述衍生变量进行数据分析；所述数据分析至少包括构建所述营销响应模型所需的各个数据表之间主键关系分析、数据完备性检查和数据质量检查；将分析后的原始变量和分析后的衍生变量确定为建模样本，并通过所述建模样本和预设模型算法构建营销响应模型。4.根据权利要求1...

【专利技术属性】
技术研发人员：陈彦聪，严思齐，龙江，
申请(专利权)人：中国建设银行股份有限公司广东省分行，
类型：发明
国别省市：