一种数据管理方法及装置制造方法及图纸

本申请提供一种数据管理方法及装置，通过接收携带待预测用户集的数据管理请求，利用预先设置的客户流失预测模型分别对待预测用户集中的每个待预测用户进行客户流失预测，得到目标用户集，并对目标用户集中的所有目标用户进行分群得到至少一个目标用户群，进而对目标用户群中的目标用户进行挽留的方式，实现了对客户流失的预测、分群以及挽留，减少了客户流失现象。

【技术实现步骤摘要】

本申请涉及数据管理
，更具体地说，涉及一种数据管理方法及装置。
技术介绍
客户流失，是指由于各种原因所导致的客户与企业终止合作的情况。就银行业而言，客户在一定时间内不再发生主动交易，甚至注销服务，均可视为客户流失。客户流失对企业会带来损失。以信用卡为例，它是当今发展最快的一项金融业务之一，作为一种可在一定范围内替代传统现金流通的电子货币，有着广阔的发展前景，是各金融机构的营销热点。然而，在信用卡用户不断新增的同时，老信用卡用户也在不断流失。这些客户有些已经超过6个月以上没有发生任何主动交易，有些甚至已没有有效的贷记卡。吸引一个新用户，固然可以扩大用户群体，刺激消费，相应的增加收入。但是，吸引一个新客户的成本远比挽留一名老客户、延长客户的生命周期要高得多。因此，本申请提供一种数据管理方法及装置，以减少客户流失，是亟待解决的问题。
技术实现思路
有鉴于此，本申请实施例提供一种数据管理方法及装置，通过对客户流失进行预测、分群以及挽留的方式，减少客户流失现象。为了实现上述目的，现提出的方案如下：一种数据管理方法，包括：接收数据管理请求，所述数据管理请求中携带待预测用户集；利用预先设置的客户流失预测模型，分别对所述待预测用户集中的每个待预测用户进行客户流失预测，得到目标用户集；所述目标用户集中包括所述待预测用户集中的所有的目标用户，其中，所述目标用户进行客户流失预测的结果指示所述目标用户为预流失客户；利用预先设置的聚类算法对所述目标用户集中的所有目标用户进行分群，得到至少一个含有特定用户特征的目标用户群；针对每个所述目标用户群，利用与所述目标用户群对应的挽留策略，对所述目标用户群中的目标用户进行挽留。优选的，所述利用与所述目标用户群对应的挽留策略，对所述目标用户群中的目标用户进行挽留包括：获取与所述目标用户群对应的挽留策略；响应选择操作，从所述目标用户群中确定与所述选择操作对应的待挽留目标用户群；按照所述挽留策略，对所述待挽留目标用户群中的各个目标用户进行挽留。优选的，还包括：判断当前时间与对所述待挽留目标用户群中的各个目标用户进行挽留的时间之间的时间间隔是否满足预设时间阈值；当是时，统计所述待挽留目标用户群中的流失客户数量；根据所述流失客户数量以及所述待挽留目标用户群中的目标用户数量，计算所述待挽留目标用户群所属的目标用户群对应的挽留策略的挽留成功率。优选的，所述客户流失预测模型的生成过程包括：获取训练样本集，所述训练样本集中包括多个训练样本，每个所述训练样本包括标记信息以及属性信息，其中，所述标记信息指示所述训练样本为流失客户/未流失客户；针对所述训练样本集中的每个所述训练样本，对所述训练样本的属性信息进行数据预处理，得到目标属性信息；对所述目标属性信息所属的目标属性进行自动指标筛选，得到至少一个最终目标属性；针对每个所述训练样本，根据所述训练样本的标记信息以及每个所述最终目标属性对应的所述训练样本的目标属性信息，利用预设模型构建算法，构建客户流失预测模型。优选的，当所述预设模型构建算法为决策树算法时，所述对所述训练样本的属性信息进行数据预处理，得到目标属性信息包括：确定所述训练样本中的各个目标连续属性信息；对各个所述目标连续属性信息依次进行离散化处理、属性变换，得到第一目标属性信息；将得到的各个所述第一目标属性信息确定为目标属性信息。优选的，当所述预设模型构建算法为逻辑回归算法时，所述对所述训练样本的属性信息进行数据预处理，得到目标属性信息包括：确定所述训练样本中的各个目标连续属性信息；对各个所述目标连续属性信息依次进行离散化处理、属性变换，得到第一目标属性信息；确定所述训练样本中的各个类别类属性信息；对各个所述类别类属性信息进行二元化处理，得到第二目标属性信息；将得到的各个所述第一目标属性信息和第二目标属性信息确定为目标属性信息。一种数据管理装置，包括：数据管理请求接收单元，用于接收数据管理请求，所述数据管理请求中携带待预测用户集；客户流失预测单元，用于利用预先设置的客户流失预测模型，分别对所述待预测用户集中的每个待预测用户进行客户流失预测，得到目标用户集；所述目标用户集中包括所述待预测用户集中的所有的目标用户，其中，所述目标用户进行客户流失预测的结果指示所述目标用户为预流失客户；目标用户分群单元，用于利用预先设置的聚类算法对所述目标用户集中的所有目标用户进行分群，得到至少一个含有特定用户特征的目标用户群；挽留单元，用于针对每个所述目标用户群，利用与所述目标用户群对应的挽留策略，对所述目标用户群中的目标用户进行挽留。优选的，所述挽留单元包括：挽留策略获取单元，用于获取与所述目标用户群对应的挽留策略；待挽留目标用户群确定单元，用于响应选择操作，从所述目标用户群中确定与所述选择操作对应的待挽留目标用户群；挽留子单元，用于按照所述挽留策略，对所述待挽留目标用户群中的各个目标用户进行挽留。优选的，还包括：挽留成功率计算单元，用于判断当前时间与对所述待挽留目标用户群中的各个目标用户进行挽留的时间之间的时间间隔是否满足预设时间阈值；以及，当是时，统计所述待挽留目标用户群中的流失客户数量；以及，根据所述流失客户数量以及所述待挽留目标用户群中的目标用户数量，计算所述待挽留目标用户群所属的目标用户群对应的挽留策略的挽留成功率。优选的，还包括客户流失预测模型生成单元，用于获取训练样本集，所述训练样本集中包括多个训练样本，每个所述训练样本包括标记信息以及属性信息，其中，所述标记信息指示所述训练样本为流失客户/未流失客户；以及，针对所述训练样本集中的每个所述训练样本，对所述训练样本的属性信息进行数据预处理，得到目标属性信息；以及，对所述目标属性信息所属的目标属性进行自动指标筛选，得到至少一个最终目标属性；以及，针对每个所述训练样本，根据所述训练样本的标记信息以及每个所述最终目标属性对应的所述训练样本的目标属性信息，利用预设模型构建算法，构建客户流失预测模型。本申请提供一种数据管理方法及装置，通过接收携带待预测用户集的数据管理请求，利用预先设置的客户流失预测模型分别对待预测用户集中的每个待预测用户进行客户流失预测，得到目标用户集，并对目标用户集中的所有目标用户进行分群得到至少一个目标用户群，进而对目标用户群中的目标用户进行挽留的方式，实现了对客户流失的预测、分群以及挽留，减少了客户流失现象。附图说明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请的实施例，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，还可以根据提供的附图获得其他的附图。图1为本申请实施例提供的一种数据管理方法流程图；图2为本申请实施例提供的一种利用与目标用户群对应的挽留策略，对目标用户群中的目标用户进行挽留的方法流程图；图3为本申请实施例提供的一种客户流失预测模型的生成方法流程图；图4为本申请实施例提供的一种对训练样本的属性信息进行数据预处理，得到目标属性信息的方法流程图；图5为本申请实施例提供的一种对训练样本的属性信息进行数据预处理，得到目标属性信息的方法流程图；图6为本申请实施例提供的一种数据管理装置的结构示意图；图7为本申本文档来自技高网...

【技术保护点】
一种数据管理方法，其特征在于，包括：接收数据管理请求，所述数据管理请求中携带待预测用户集；利用预先设置的客户流失预测模型，分别对所述待预测用户集中的每个待预测用户进行客户流失预测，得到目标用户集；所述目标用户集中包括所述待预测用户集中的所有的目标用户，其中，所述目标用户进行客户流失预测的结果指示所述目标用户为预流失客户；利用预先设置的聚类算法对所述目标用户集中的所有目标用户进行分群，得到至少一个含有特定用户特征的目标用户群；针对每个所述目标用户群，利用与所述目标用户群对应的挽留策略，对所述目标用户群中的目标用户进行挽留。

【技术特征摘要】
1.一种数据管理方法，其特征在于，包括：接收数据管理请求，所述数据管理请求中携带待预测用户集；利用预先设置的客户流失预测模型，分别对所述待预测用户集中的每个待预测用户进行客户流失预测，得到目标用户集；所述目标用户集中包括所述待预测用户集中的所有的目标用户，其中，所述目标用户进行客户流失预测的结果指示所述目标用户为预流失客户；利用预先设置的聚类算法对所述目标用户集中的所有目标用户进行分群，得到至少一个含有特定用户特征的目标用户群；针对每个所述目标用户群，利用与所述目标用户群对应的挽留策略，对所述目标用户群中的目标用户进行挽留。2.根据权利要求1所述的方法，其特征在于，所述利用与所述目标用户群对应的挽留策略，对所述目标用户群中的目标用户进行挽留包括：获取与所述目标用户群对应的挽留策略；响应选择操作，从所述目标用户群中确定与所述选择操作对应的待挽留目标用户群；按照所述挽留策略，对所述待挽留目标用户群中的各个目标用户进行挽留。3.根据权利要求1-2任意一项所述的方法，其特征在于，还包括：判断当前时间与对所述待挽留目标用户群中的各个目标用户进行挽留的时间之间的时间间隔是否满足预设时间阈值；当是时，统计所述待挽留目标用户群中的流失客户数量；根据所述流失客户数量以及所述待挽留目标用户群中的目标用户数量，计算所述待挽留目标用户群所属的目标用户群对应的挽留策略的挽留成功率。4.根据权利要求3所述的方法，其特征在于，所述客户流失预测模型的生成过程包括：获取训练样本集，所述训练样本集中包括多个训练样本，每个所述训练样本包括标记信息以及属性信息，其中，所述标记信息指示所述训练样本为流失客户/未流失客户；针对所述训练样本集中的每个所述训练样本，对所述训练样本的属性信息进行数据预处理，得到目标属性信息；对所述目标属性信息所属的目标属性进行自动指标筛选，得到至少一个最终目标属性；针对每个所述训练样本，根据所述训练样本的标记信息以及每个所述最终目标属性对应的所述训练样本的目标属性信息，利用预设模型构建算法，构建客户流失预测模型。5.根据权利要求4所述的方法，其特征在于，当所述预设模型构建算法为决策树算法时，所述对所述训练样本的属性信息进行数据预处理，得到目标属性信息包括：确定所述训练样本中的各个目标连续属性信息；对各个所述目标连续属性信息依次进行离散化处理、属性变换，得到第一目标属性信息；将得到的各个所述第一目标属性信息确定为目标属性信息。6.根据权利要求4所述的方法，其特征在于，当所述预设模型构建算法为逻辑回归算法时，所述对所述训练样本的属性信息进行数据预处理，得到目...

【专利技术属性】
技术研发人员：赵维平，李岩，李亚琴，胡增海，樊盛博，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：北京;11