一种现金机器备付金管理方法和装置制造方法及图纸

本发明专利技术提供了一种现金机器备付金管理方法和装置，该方法包括：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。器的备付金。器的备付金。

【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务配置的特征值，确定现金管理服务场景；
[0011]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；
[0012]根据趋势预测数据，确定现金机器的备付金储备方案；
[0013]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。
[0014]本专利技术实施例还提供一种现金机器备付金管理装置，包括：
[0015]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；
[0016]客户交易行为数据确定模块，用于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；
[0017]结构化数据确定模块，用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；
[0018]现金管理服务场景确定模块，用于根据结构化数据，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；
[0019]趋势预测数据确定模块，用于根据结构化数据，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；
[0020]备付金储备方案确定模块，用于根据趋势预测数据，确定现金机器的备付金储备方案；
[0021]现金机器的备付金配置模块，用于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。
[0022]本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种现金机器备付金管理方法。
[0023]本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述一种现金机器备付金管理方法的计算机程序。
[0024]本专利技术实施例提供的一种现金机器备付金管理方法和装置，首先通过银行网点智能设备边缘端获取现金机器钞箱数据；然后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；接着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；继续根据结构化数据，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；下一步根据结构化数据，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；再下一步根据趋势预测数据，确定现金机器的备付金储备方案；最后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。本专利技术实施例通过边缘的现金机器采集数据、组网计算和呈现结果的形式，实现网点间现金调拨，网点自助机具协同配置等网点备付金管理中需要特征化和实时性的应用场景，同时采用趋势预测，解决网点运营能力参差不齐，为网点备付金管理提供可靠的数据方案支撑。本专利技术实施例可以合理控制自助现金机器的现金量，优化银行的备付金结构，降低无息资本的占用。需要在满足客户便利性之间找到平衡。解决降低现金机器中现金储备与提升客户体验之间平衡的难题。充分利用边缘计算其快速响应和边缘端特征计算的天然优势，实现现金储备量不足的快速发现，区域内现金调拨，网点机具协同配置等应用场景。
附图说明
[0025]为了更清楚地说明本专利技术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专利技术的一些实施例，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，还可以根据这些附图获得其他的附图。在附图中：
[0026]图1为本专利技术实施例一种现金机器备付金管理方法示意图。
[0027]图2为本专利技术一种现金机器备付金管理方法的确定结构化数据过程示意图。
[0028]图3为本专利技术一种现金机器备付金管理方法的确定趋势预测数据过程示意图。
[0029]图4为运行本专利技术实施的一种现金机器备付金管理方法的计算机装置示意图。
[0030]图5为本专利技术实施例一种现金机器备付金管理装置示意图。
具体实施方式
[0031]为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。
[0032]图1为本专利技术实施例一种现金机器备付金管理方法示意图，如图1所示，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：
[0033]步骤101：通过银行网点智能设备边缘端获取现金机器钞箱数据；
[0034]步骤102：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；
[0035]步骤103：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；
[0036]步骤104：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；
[0037]步骤105：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；
[0038]步骤106：根据趋势预测数据，确定现金机器的备付金储备方案；
[0039]步骤107：根据现金机器的备本文档来自技高网...

【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：