【技术实现步骤摘要】
一种现金机器备付金管理方法和装置
[0001]本专利技术涉及银行计算机数据处理
,尤其涉及一种现金机器备付金管理方法和装置。
技术介绍
[0002]本部分旨在为权利要求书中陈述的本专利技术的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]随着现金自助设备的增设铺设,在机具沉淀的隔夜资金增加,这部分通常是占用营业机构的库存现金,属于无息资本,当备付金数量增加时,银行利润率会随之降低。而现金储备如果不足,又会出现支付风险,给客户带来不好的体验。并且储备不足需要频繁的清机加钞,增加了网点运营管理的难度及成本。这是一个两难的问题。
[0004]传统的方案是网点通过清机报表结合运营经验和运营能力来解决问题,这种方案存在差异性高,可复制性差会造成运营水平参差不齐的情况。
[0005]因此,如何提供一种新的方案,其能够解决上述技术问题是本领域亟待解决的技术难题。
技术实现思路
[0006]本专利技术实施例提供一种现金机器备付金管理方法,为网点备付金管理提供可靠的数据方案支撑,该方法包括:
[0007]通过银行网点智能设备边缘端获取现金机器钞箱数据;
[0008]获取客户在机具上的交易数据,通过模型服务调用客户行为特征模型进行整合,确定客户交易行为数据;
[0009]将现金机器钞箱数据和客户交易行为数据发送至数据处理服务器进行数据加工和数据特征化处理,确定结构化数据;
[0010]根据结构化数据,通过业务计算规则和业 ...
【技术保护点】
【技术特征摘要】
1.一种现金机器备付金管理方法,其特征在于,包括:通过银行网点智能设备边缘端获取现金机器钞箱数据;获取客户在机具上的交易数据,通过模型服务调用客户行为特征模型进行整合,确定客户交易行为数据;将现金机器钞箱数据和客户交易行为数据发送至数据处理服务器进行数据加工和数据特征化处理,确定结构化数据;根据结构化数据,通过业务计算规则和业务配置的特征值,确定现金管理服务场景;根据结构化数据,结合网点备付金及现金机器备付金的历史数据,调用机器学习模型进行计算,确定趋势预测数据;根据趋势预测数据,确定现金机器的备付金储备方案;根据现金机器的备付金储备方案和现金管理服务场景,配置现金机器的备付金。2.如权利要求1所述的方法,其特征在于,通过银行网点智能设备边缘端获取现金机器钞箱数据,包括:通过银行网点智能设备边缘端连接现金机器的中间件缓存区,获取现金机器钞箱数据;其中,所述现金机器的中间件缓存区用于在清机加钞后维护初始钞箱数据,在每次存取钞操作后,将初始钞箱数据进行更新;所述现金机器钞箱数据,至少包括:存款数据,取款数据,存取款时刻,机具号,面值,张数。3.如权利要求1所述的方法,其特征在于,获取客户在机具上的交易数据,包括:获取交易存取款金额、交易时刻、客户账户限额信息和交易网点地址信息的至少一种或多种组合。4.如权利要求1所述的方法,其特征在于,将现金机器钞箱数据和客户交易行为数据发送至数据处理服务器进行数据加工和数据特征化处理,确定结构化数据,包括:将现金机器钞箱数据和客户交易行为数据发送至数据处理服务器;将现金机器钞箱数据进行统计计算,获取机具号为维度的日均现金量、以网点为维度的日均现金量、现金日均占用量标准差和分时段现金使用量峰值;分析客户交易行为数据,获取机具号对应的机具基本信息模型;其中,机具号对应的机具基本信息模型,至少包括:机具号,机具指示,机具所属机构,机具运营机构;将机具号为维度的日均现金量、以网点为维度的日均现金量、现金日均占用量标准差和分时段现金使用量峰值与机具号对应的机具基本信息模型进行糅合处理,通过数据加工和数据特征化处理,确定结构化数据,存储至数据处理数据库。5.如权利要求1所述的方法,其特征在于,根据结构化数据,通过业务计算规则和业务配置的特征值,确定现金管理服务场景,包括:根据结构化数据,通过业务计算规则和业务配置的特征值,从网点间现金调拨场景、网点自助机具协同配置特征化和实时性应用场景、当前自助机具无法满足客户提款需求场景中进行匹配,确定现金管理服务场景。6.如权利要求4所述的方法,其特征在于,根据结构化数据,结合网点备付金及现金机器备付金的历史数据,调用机器学习模型进行计算,确定趋势预测数据:利用WebSocket协议与数据处理数据库通信,从数据处理数据库中读取结构化数据,结合网点备付金及现金机器备付金的历史数据,根据业务配置的特征值使用边缘计算框架中云边协同的方案,调用机器学习模型进行训练,训练过程中进行参数调优,待参数达到预设
阈值时输出训练后的机器学习模型;利用训练后的机器学习模型计算趋势预测数据。7.如权利要求6所述的方法,其特征在于,调用机器学习模型进行训练,训练过程中进行参数调优,待参数达到预设阈值时输出训练后的机器学习模型,包括:调用机器学习模型中的线性回归模型;利用线性回归模型,结合频谱模型,挖掘日均现金增量与日期之间周期性联系;利用线性回归模型,运用gps网点信息抓取技术,挖掘与日均现金增量相关因子;根据与日均现金增量相关因子、日均现金增量与日期之间周期性联系,确定日均现金量拟合曲线;根据日均现金量拟合曲线,结合统计学方法中模型评价指标R方,对线性回归模型进行评价分析,确定评价分析结果;根据评价分析结果,对线性回归模型进行修正训练,进行参数调优,确定参数调优后的线性回归模型;获取最新网点备付金及现金机器备付金数据,对参数调优后的线性回归模型进行二次验证,当验证结果符合预设阈值时,输出训练后的线性回归模型。8.如权利要求1所述的方法,其特征在于,还包括:根据现金机器的备付金储备方案,生成可视化报表。9.一种现金机器备付金管理装置,其特征在于,包括:钞箱数据采集模块,用于通过银行网点智能设备边缘端获取现金机器钞箱数据...
【专利技术属性】
技术研发人员:刘真真,
申请(专利权)人:中国银行股份有限公司,
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。