本公开提供了一种网点的业务处理效率的预测方法、装置、电子设备、介质和计算机程序产品。上述方法和装置可用于人工智能技术领域。上述方法包括根据获取的网点的g个员工中每个员工的工作档案信息，利用预先构建的BP神经网络模型，预测设定时间段内所述g个员工中每个员工的工作效率，其中，g为大于等于1的整数；根据历史设定时间段的n个子历史时间段中每个子历史时间段的人流量，计算所述设定时间段的网点人流量，其中，n为大于等于1的整数；以及根据所述g个员工中每个员工的工作效率和所述设定时间段的网点人流量，计算该网点的业务处理效率。率。率。
【技术实现步骤摘要】
业务处理效率的预测方法、装置、设备、介质和程序产品
[0001]本公开涉及人工智能
，更具体地，涉及一种网点的业务处理效率的预测方法、装置、电子设备、介质和计算机程序产品。
技术介绍
[0002]网点作为银行服务客户和经营管理的前沿阵地，是银行对外窗口的重要资源。目前的数字化网点主要是通过把业务放到线上，提供更加便捷的服务，却没有把银行网点作为一种统筹的资源进行调配。银行目前对网点的业务处理效率的了解方法还停留在一个月或一年内能完成多少业务，因此银行对区域时间内的网点的人员调度没有具体的方案，局限于单个季度或者单年的业务完成量来判断该网点需要的资源，使得业务市场具有滞后性。
技术实现思路
[0003]有鉴于此，本公开提供了一种易于实现对网点的业务处理效率的预测，从而银行总行可以根据各个网点的业务处理效率制定人员调度方案，实现人员的有计划调配，使得业务市场具有先行性的网点的业务处理效率的预测方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
[0004]本公开的一个方面提供了一种网点的业务处理效率的预测方法，包括：根据获取的网点的g个员工中每个员工的工作档案信息，利用预先构建的BP神经网络模型，预测设定时间段内所述g个员工中每个员工的工作效率，其中，g为大于等于1的整数；根据历史设定时间段的n个子历史时间段中每个子历史时间段的人流量，计算所述设定时间段的网点人流量，其中，n为大于等于1的整数；以及根据所述g个员工中每个员工的工作效率和所述设定时间段的网点人流量，计算该网点的业务处理效率。
[0005]根据本公开实施例的网点的业务处理效率的预测方法，通过计算g个员工中每个员工的工作效率，计算设定时间段的网点人流量，从而根据g个员工中每个员工的工作效率和设定时间段的网点人流量，计算该网点的业务处理效率。由此本公开的网点的业务处理效率的预测方法可以实现对网点的业务处理效率的预测，从而银行总行可以根据各个网点的业务处理效率制定人员调度方案，实现人员的有计划调配，使得业务市场具有先行性。
[0006]在一些实施例中，所述根据历史设定时间段的n个子历史时间段中每个子历史时间段的人流量，计算所述设定时间段的网点人流量，包括：确定历史设定时间段的n个子历史时间段中每个子历史时间段的时间影响因子；确定所述n个子历史时间段中每个子历史时间段的天气影响因子；以及根据所述n个子历史时间段中每个子历史时间段的人流量、所述时间影响因子和所述天气影响因子，计算设定时间段的网点人流量。
[0007]在一些实施例中，所述确定所述n个子历史时间段中每个子历史时间段的天气影响因子，包括：获取每个子历史时间段的天气状态；以及根据预先设定的天气状态与天气影响因子的映射关系和所述每个子历史时间段的天气状态，确定所述n个子历史时间段中每
个子历史时间段的天气影响因子。
[0008]在一些实施例中，所述根据所述g个员工中每个员工的工作效率和所述设定时间段的网点人流量，计算该网点的业务处理效率，包括：根据业务难度将获取的所述历史设定时间段内的m个网点业务划分为k个业务类别，其中，m和k均为大于等于1的整数；根据所述g个员工中每个员工的工作效率和所述历史设定时间段内的每个所述业务类别下的网点业务数量，计算该网点完成所述历史设定时间段内的网点业务所需的时间；以及根据该网点完成所述历史设定时间段内的网点业务所需的时间和所述设定时间段的网点人流量，计算该网点的业务处理效率。
[0009]在一些实施例中，预先构建BP神经网络模型，包括：操作S41：获取第一历史设定时间段内的网点的x个员工中每个员工的第一历史工作档案信息，其中，x为大于等于1的整数；操作S42：按照所述第一历史工作档案信息优化所述BP神经网络模型中设定的初始模型参数，得到训练模型参数；以及操作S45：将所述训练模型参数作为所述BP神经网络模型的模型参数进行应用。
[0010]在一些实施例中，预先构建BP神经网络模型，还包括：操作S43：获取第二历史设定时间段内的网点的y个员工中每个员工的第二历史工作档案信息，其中，y为大于等于1的整数；操作S44：根据所述第二历史工作档案信息，验证所述训练模型参数；操作S45：若验证通过，则将所述训练模型参数作为所述BP神经网络模型的模型参数进行应用；以及操作S46：若验证未通过，重复操作S41～操作S44，直至验证通过。
[0011]在一些实施例中，所述第一历史工作档案信息和所述第二历史工作档案信息均包括员工工龄、员工岗位级别、员工所负责的当前业务类别、负责当前业务类别时间、上一个业务办理时长和上一个客户评价中的至少一个。
[0012]本公开的另一个方面提供了一种网点的业务处理效率的预测装置，包括：预测模块，所述预测模块用于执行根据获取的网点的g个员工中每个员工的工作档案信息，利用预先构建的BP神经网络模型，预测设定时间段内所述g个员工中每个员工的工作效率，其中，g为大于等于1的整数；第一计算模块，所述第三计算模块用于执行根据历史设定时间段的n个子历史时间段中每个子历史时间段的人流量，计算所述设定时间段的网点人流量，其中，n为大于等于1的整数；以及第二计算模块，所述第四计算模块用于执行根据所述g个员工中每个员工的工作效率和所述设定时间段的网点人流量，计算该网点的业务处理效率。
[0013]本公开的另一方面提供了一种电子设备，包括一个或多个处理器以及一个或多个存储器，其中，所述存储器用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现如上所述方法。
[0014]本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
[0015]本公开的另一方面提供了一种计算机程序产品，包括计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
附图说明
[0016]通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
[0017]图1示意性示出了根据本公开实施例的可以应用方法、装置的示例性系统架构；
[0018]图2示意性示出了根据本公开实施例的网点的业务处理效率的预测方法的流程图；
[0019]图3示意性示出了根据本公开实施例的根据n个子历史时间段中每个子历史时间段的人流量，计算设定时间段的网点人流量的流程图；
[0020]图4示意性示出了根据本公开实施例的确定n个子历史时间段中每个子历史时间段的天气影响因子的流程图；
[0021]图5示意性示出了根据本公开实施例的根据g个员工中每个员工的工作效率和设定时间段的网点人流量，计算该网点的业务处理效率的流程图；
[0022]图6示意性示出了根据本公开实施例的预先构建BP神经网络模型的流程图；
[0023]图7示意性示出了根据本公开实施例的预先构建BP神经网络模型的流程图；
[0024]图8示意性示出了根据本公开实施例的天气孪生本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种网点的业务处理效率的预测方法，其特征在于，包括：根据获取的网点的g个员工中每个员工的工作档案信息，利用预先构建的BP神经网络模型，预测设定时间段内所述g个员工中每个员工的工作效率，其中，g为大于等于1的整数；根据历史设定时间段的n个子历史时间段中每个子历史时间段的人流量，计算所述设定时间段的网点人流量，其中，n为大于等于1的整数；以及根据所述g个员工中每个员工的工作效率和所述设定时间段的网点人流量，计算该网点的业务处理效率。2.根据权利要求1所述的方法，其特征在于，所述根据历史设定时间段的n个子历史时间段中每个子历史时间段的人流量，计算所述设定时间段的网点人流量，包括：确定历史设定时间段的n个子历史时间段中每个子历史时间段的时间影响因子；确定所述n个子历史时间段中每个子历史时间段的天气影响因子；以及根据所述n个子历史时间段中每个子历史时间段的人流量、所述时间影响因子和所述天气影响因子，计算所述设定时间段的网点人流量。3.根据权利要求2所述的方法，其特征在于，所述确定所述n个子历史时间段中每个子历史时间段的天气影响因子，包括：获取每个子历史时间段的天气状态；以及根据预先设定的天气状态与天气影响因子的映射关系和所述每个子历史时间段的天气状态，确定所述n个子历史时间段中每个子历史时间段的天气影响因子。4.根据权利要求1所述的方法，其特征在于，所述根据所述g个员工中每个员工的工作效率和所述设定时间段的网点人流量，计算该网点的业务处理效率，包括：根据业务难度将获取的所述历史设定时间段内的m个网点业务划分为k个业务类别，其中，m和k均为大于等于1的整数；根据所述g个员工中每个员工的工作效率和所述历史设定时间段内的每个所述业务类别下的网点业务数量，计算该网点完成所述历史设定时间段内的网点业务所需的时间；以及根据该网点完成所述历史设定时间段内的网点业务所需的时间和所述设定时间段的网点人流量，计算该网点的业务处理效率。5.根据权利要求1所述的方法，其特征在于，预先构建BP神经网络模型，包括：操作S41：获取第一历史设定时间段内的网点的x个员工中每个员工的第一历史工作档案信息，其中，x为大于等于1的整数；操作S42：按照所述第一历...
【专利技术属性】
技术研发人员：毕国耀，商骞，李明亮，梁伟贤，
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。