業務對象預測方法、裝置、設備及可讀存儲介質制造方法及圖紙

本發明專利技術公開了一種業務對象預測方法、裝置、設備及可讀存儲介質，方法包括：將多個業務對象類別進行聚類，得到多個類簇；對各個類簇的歷史業務數據分別在至少兩個的業務預測模型下進行分析，以獲得各個類簇分別對應的預測結果；將各個類簇的歷史業務數據分別和對應的預測結果相比較，并根據比較結果確定用于預測各個類簇的業務預測目標模型；確定目標業務對象所在的目標類簇，并基于目標類簇所對應的業務預測目標模型對目標業務對象進行預測。這樣，確定目標業務對象所在的類簇，并基于該類簇所對應的業務預測目標模型進行預測，從而不必將目標業務對象分別在多個業務預測模型下運算分析以獲得預測結果并選擇恰當的業務預測模型，節省了時間。

Business object prediction methods, devices, devices and readable storage media

【技術實現步驟摘要】
業務對象預測方法、裝置、設備及可讀存儲介質
本專利技術涉及金融科技(Fintech)領域，尤其涉及一種業務對象預測方法、裝置、設備及可讀存儲介質。
技術介紹
伴隨著金融科技(Fitech)，尤其是互聯網金融科技的快速發展，已經有越來越多的技術應用于金融領域，例如可以通過許多模型算法幫助人們進行業務對象的預測。隨著零售行業的發展，零售行業中的業務對象預測問題成為熱點，即基于歷史業務對象銷量數據預測未來一段時間內的業務對象的銷量。目前，有許多模型算法可以幫助人們進行業務對象的預測，如基于時間序列的預測算法Arima、Arimax以及Prophet等，基于機器學習模型的算法XGB、RandomForest等，基于深度學習模型的算法如LSTM等。在實際使用這些模型算法會發現，同一個模型算法，它的預測準確度值對于不同的業務對象，其預測準確度值的差異較大，而不同的模型算法，對于同一類業務對象，它們的預測準確度值差異也較大。因此，業務人員難以根據某一類業務對象而選擇最恰當的模型算法，進而無法快速地對業務對象作出針對性的預測分析的技術問題。
技術實現思路
本專利技術的主要目的在于提供一種業務對象預測方法、裝置、設備及可讀存儲介質，旨在解決業務人員難以根據某一類業務對象而選擇最恰當的模型算法，進而無法快速地對業務對象作出針對性的預測分析的技術問題。為實現上述目的，本專利技術提供一種業務對象預測方法，所述方法包括：將多個業務對象類別進行聚類，得到多個類簇；對各個所述類簇的歷史業務數據分別在至少兩個的業務預測模型下進行分析，以獲得各個所述類簇分別對應的預測結果；將各個所述類簇的歷史業務數據分別和對應的所述預測結果相比較，并根據比較結果確定用于預測各個所述類簇的業務預測目標模型；確定目標業務對象所在的目標類簇，并基于所述目標類簇所對應的所述業務預測目標模型對所述目標業務對象進行預測。進一步地所述將多個業務對象類別進行聚類，得到多個類簇的步驟，包括：獲取多個所述業務對象類別的歷史業務數據，并將多個所述業務對象類別的歷史業務數據分別構建成相對應的多個時間序列特征數據；計算各個所述時間序列特征數據之間的第一相似度，基于所述第一相似度將多個所述業務對象類別劃分為多個所述類簇。進一步地，所述計算各個所述時間序列特征數據之間的第一相似度，基于所述第一相似度將所述多個業務對象類別劃分為多個所述類簇的步驟之后，包括：將多個所述類簇進行降維，并在二維平面進行顯示。進一步地所述對各個所述類簇的歷史業務數據分別在至少兩個的業務預測模型下進行分析，以獲得各個所述類簇分別對應的預測結果的步驟，包括：根據多個所述業務對象類別的歷史業務數據分別構建至少兩個的所述業務預測模型，其中所述業務預測模型是用于對所述業務對象類別進行預測；將各個所述類簇的歷史業務數據分別輸入至至少兩個的所述業務預測模型以進行運算分析，以獲得各個所述類簇分別對應的預測結果。進一步地，所述將各個所述類簇的歷史業務數據分別和對應的所述預測結果相比較，并根據比較結果確定用于預測各個所述類簇的業務預測目標模型的步驟，包括：將各個所述類簇的歷史業務數據分別和對應的所述預測結果進行第二相似度計算，并將所述第二相似度作為所述比較結果；將所述比較結果中所述第二相似度最高相對應的所述業務預測模型作為所述業務預測目標模型。進一步地，所述確定目標業務對象所在的所述類簇的步驟，包括：將所述目標業務對象的歷史業務數據分別與多個所述業務對象類別的歷史業務數據進行第三相似度計算；將所述目標業務對象劃分至與所述目標業務對象第三相似度最高的業務對象類別所在的所述類簇。進一步地，所述將所述目標業務對象的歷史業務數據分別與多個所述業務對象類別的歷史業務數據進行第三相似度計算的步驟，包括：將所述目標業務對象的歷史業務數據構建成相對應的目標時間序列特征數據；通過計算所述目標時間序列特征數據分別與多個所述時間序列特征數據的所述第三相似度。本專利技術還提供一種業務對象預測裝置，所述裝置包括：聚類模塊，用于將多個業務對象類別進行聚類，得到多個類簇；分析模塊，用于各個所述類簇的歷史業務數據在至少兩個的業務預測模型下分析，以獲得相對應的多個預測結果；比較模塊，用于將各個所述類簇的歷史業務數據分別和多個所述預測結果相比較，并根據比較結果確定用于預測各個所述類簇的業務預測目標模型；確定模塊，用于確定目標業務對象所在的所述類簇，并基于所述類簇所對應的所述業務預測目標模型對所述目標業務對象進行預測。本專利技術還提供一種業務對象預測設備，所述設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的業務對象預測程序，所述業務對象預測程序被所述處理器執行時實現如上述的業務對象預測方法的步驟。本專利技術還提供一種可讀存儲介質，所述可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如上述的業務對象預測方法的步驟。本專利技術提出的業務對象預測方法，通過將多個業務對象類別進行聚類，得到多個類簇；各個類簇的歷史業務數據在至少兩個的業務預測模型下分析，以獲得各個類簇分別對應的預測結果；將各個類簇的歷史業務數據分別和多個預測結果相比較，并根據比較結果確定用于預測各個類簇的業務預測目標模型；確定目標業務對象所在的類簇，并基于類簇所對應的業務預測目標模型對目標業務對象進行預測。這樣，在為目標業務對象選擇恰當的業務預測模型的過程中，確定目標業務對象所在的類簇，并基于該類簇所對應的業務預測目標模型進行預測，從而不必將目標業務對象分別在多個業務預測模型下運算分析以獲得預測結果并選擇恰當的業務預測模型，從而節省了時間。另外地，基于多個業務預測模型，并針對不同的類簇而選擇恰當的業務預測模型，從而使得預測具有針對性，以提高預測結果的準確性和穩定性。附圖說明圖1是本專利技術實施例方案涉及的硬件運行的業務對象預測設備的結構示意圖；圖2是本專利技術業務對象預測方法第一實施例的流程示意圖；圖3是本專利技術業務對象預測裝置一實施例的框架結構示意圖。本專利技術目的的實現、功能特點及優點將結合實施例，參照附圖做進一步說明。具體實施方式應當理解，此處所描述的具體實施例僅僅用以解釋本專利技術，并不用于限定本專利技術。如圖1所示，圖1是本專利技術實施例方案涉及的硬件運行環境的業務對象預測設備結構示意圖。如圖1所示，該業務對象預測設備可以包括：處理器1001，例如CPU，網絡接口1004，用戶接口1003，存儲器1005，通信總線1002。其中，通信總線1002用于實現這些組件之間的連接通信。用戶接口1003可以包括顯示屏(Display)、輸入單元比如鍵盤(Keyboard)，可選用戶接口1003還可以包括標準的有線接口、無線接口。網絡接口1004可選的可以包括標準的有線接口、無線接口(如WI-FI接口)。存儲器1005可以本文檔來自技高網...

【技術保護點】
1.一種業務對象預測方法，其特征在于，所述方法包括：/n將多個業務對象類別進行聚類，得到多個類簇；/n對各個所述類簇的歷史業務數據分別在至少兩個的業務預測模型下進行分析，以獲得各個所述類簇分別對應的預測結果；/n將各個所述類簇的歷史業務數據分別和對應的所述預測結果相比較，并根據比較結果確定用于預測各個所述類簇的業務預測目標模型；/n確定目標業務對象所在的目標類簇，并基于所述目標類簇所對應的所述業務預測目標模型對所述目標業務對象進行預測。/n

【技術特征摘要】
1.一種業務對象預測方法，其特征在于，所述方法包括：
將多個業務對象類別進行聚類，得到多個類簇；
對各個所述類簇的歷史業務數據分別在至少兩個的業務預測模型下進行分析，以獲得各個所述類簇分別對應的預測結果；
將各個所述類簇的歷史業務數據分別和對應的所述預測結果相比較，并根據比較結果確定用于預測各個所述類簇的業務預測目標模型；
確定目標業務對象所在的目標類簇，并基于所述目標類簇所對應的所述業務預測目標模型對所述目標業務對象進行預測。


2.如權利要求1所述的業務對象預測方法，其特征在于，所述將多個業務對象類別進行聚類，得到多個類簇的步驟，包括：
獲取多個所述業務對象類別的歷史業務數據，并將多個所述業務對象類別的歷史業務數據分別構建成相對應的多個時間序列特征數據；
計算各個所述時間序列特征數據之間的第一相似度，基于所述第一相似度將多個所述業務對象類別劃分為多個所述類簇。


3.如權利要求2所述的業務對象預測方法，其特征在于，所述計算各個所述時間序列特征數據之間的第一相似度，基于所述第一相似度將所述多個業務對象類別劃分為多個所述類簇的步驟之后，包括：
將多個所述類簇進行降維，并在二維平面進行顯示。


4.如權利要求1所述的業務對象預測方法，其特征在于，所述對各個所述類簇的歷史業務數據分別在至少兩個的業務預測模型下進行分析，以獲得各個所述類簇分別對應的預測結果的步驟，包括：
根據多個所述業務對象類別的歷史業務數據分別構建至少兩個的所述業務預測模型，其中所述業務預測模型是用于對所述業務對象類別進行預測；
將各個所述類簇的歷史業務數據分別輸入至至少兩個的所述業務預測模型以進行運算分析，以獲得各個所述類簇分別對應的預測結果。


5.如權利要求1所述的業務對象預測方法，其特征在于，所述將各個所述類簇的歷史業務數據分別和對應的所述預測結果相比較，并根據比較結果確定用于預測各個所述類簇的業務預測目標模型的步驟，包括：
將各個所述類簇的歷史業務數據分別和...

【專利技術屬性】
技術研發人員：李權，鄭明華，李敏鐳，韓森，魏帥超，郭煉杰，鐘志明，李炫彬，詹子知，彭嫻睿，陳天健，
申請(專利權)人：深圳前海微眾銀行股份有限公司，
類型：發明
國別省市：廣東;44