数据处理方法、装置、终端设备及计算机可读存储介质制造方法及图纸

本申请适用于数据处理技术领域，提供了数据处理方法、装置、终端设备及计算机可读存储介质，包括：获取第一数据，所述第一数据为运营平台中的历史用户数据，根据所述第一数据筛选出第二数据，所述第二数据为目标事件对应的用户数据，根据所述第二数据训练预设的数据处理模型，获得训练后的数据处理模型，所述数据处理模型用于根据所述运营平台中的用户数据生成决策数据，所述决策数据用于指示所述运营平台根据所述决策数据调整运营规则，以降低所述目标事件的发生概率，通过上述方法可以实时产出运营决策，有效的预测风险事件的发生。有效的预测风险事件的发生。有效的预测风险事件的发生。

【技术实现步骤摘要】
数据处理方法、装置、终端设备及计算机可读存储介质


[0001]本申请属于数据处理
，尤其涉及一种数据处理方法、装置、终端及计算机可读存储介质。

技术介绍

[0002]受经济全球化、世界经济一体化以及移动互联网、信息技术、智能系统等科学技术快速发展的影响，现代企业也飞速发展。由于现代外界环境变化较快，现代企业需针对市场变化做好应对，经营风险影响着企业的发展甚至影响企业的生存，企业需要提高风险预测并作出相应的运营决策以降低风险事件的发生，为企业的发展保驾护航。
[0003]但是，传统互联网运营是由人工去做运营数据收集和数据分析，然后得出运营决策，传统方法存在无法实时产生运营决策、无法有效预测风险事件以及人工运营成本过高等问题。

技术实现思路

[0004]本申请实施例提供了一种数据处理方法、装置、终端设备及计算机可读存储介质，可以实时产出运营决策，有效的预测风险时间的发生。
[0005]第一方面，本申请实施例提供了一种数据处理方法，包括：
[0006]获取第一数据，所述第一数据为运营平台中的历史用户数据；
[0007]根据所述第一数据筛选出第二数据，所述第二数据为目标事件对应的用户数据；
[0008]根据所述第二数据训练预设的数据处理模型，获得训练后的数据处理模型，所述数据处理模型用于根据所述运营平台中的用户数据生成决策数据，所述决策数据用于指示所述运营平台根据所述决策数据调整运营规则，以降低所述目标事件的发生概率。
[0009]本申请实施例中，根据运营平台中的历史用户数据选出数据维度丰富且活跃的用户数据作为样本数据即第一数据，根据目标事件即可能发生的风险事件从样本数据中筛选出数据维度丰富的数据作为第二数据，用所筛选出的高质量数据即第二数据对已经预设好的数据处理模型进行训练，用于根据运营平台的数据生成决策数据，最后运营平台根据上述决策数据调整运营规则。换言之，就是利用机器学习算法对运营平台的数据进行处理，运营平台根据风险事件将确定好的高纬度用户数据作为训练数据，用于对已设好的数据处理模型进行训练，进而得到决策数据，运营平台根据训练得到的决策数据调整平台的运营规则。通过上述方法，运营平台可以实时产生运营决策，降低风险事件的发生概率，从而达到风控的目的。
[0010]在第一方面的一种可能的实现方式中，所述根据所述第一数据筛选出第二数据，还包括：
[0011]从所述第一数据中筛选出与所述目标事件相关的第三数据；
[0012]根据所述第三数据生成第四数据，所述第四数据包括多个时间段以及每个时间段对应的事件标签，所述事件标签用于表示所述目标事件发生或未发生；
[0013]对所述第四数据进行数据格式化，获得所述第二数据。
[0014]在第一方面的一种可能的实现方式中，所述对所述第四数据进行数据格式化，获得所述第二数据，包括：
[0015]补充所述第四数据中的缺失字段，获得补充数据；
[0016]滤除所述补充数据中的异常值，获得过滤数据；
[0017]将所述过滤数据转换为预设格式的数据，获得所述第二数据。
[0018]在第一方面的一种可能的实现方式中，所述根据所述第二数据训练预设的数据处理模型，获得训练后的数据处理模型，包括：
[0019]提取所述第二数据中的特征数据；
[0020]根据所述特征数据训练所述数据处理模型，获得训练后的所述数据处理模型。
[0021]第一方面的一种可能的实现方式中，所述提取所述第二数据中的特征数据，包括：
[0022]对所述第二数据进行特征提取处理，获得第五数据；
[0023]根据重要程度对所述第五数据中的数据排序，获得数据序列；
[0024]将所述数据序列中的前N个数据确定为所述特征数据。
[0025]第一方面的一种可能的实现方式中，所述根据所述特征数据训练所述数据处理模型，获得训练后的所述数据处理模型，包括：
[0026]将所述特征数据划分为第一特征和第二特征，所述第一特征表示随时间变化的数据，所述第二特征表示不随时间变化的数据；
[0027]根据所述第一特征和所述第二特征训练所述数据处理模型，获得训练后的所述数据处理模型。
[0028]第一方面的一种可能的实现方式中，所述数据处理方法还包括：
[0029]监测所述运营平台中的实时用户数据；
[0030]根据所述实时用户数据和训练后的所述数据处理模型，获得所述决策数据。
[0031]第二方面，本申请实施例提供了一种数据处理装置，包括：
[0032]获取模块，所述第一数据为运营平台中的历史用户数据；
[0033]筛选模块，根据所述第一数据筛选出第二数据，所述第二数据为目标事件对应的用户数据；
[0034]处理模块，根据所述第二数据训练预设的数据处理模型，获得训练后的数据处理模型，所述数据处理模型用于根据所述运营平台中的用户数据生成决策数据，所述决策数据用于指示所述运营平台根据所述决策数据调整运营规则，以降低所述目标事件的发生概率。
[0035]第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述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如上述第一方面中任一项所述的数据处理方法。
[0036]第四方面，本申请实施例提供了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计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的数据处理方法。
[0037]第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的数据处理方法。
[0038]可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
[0039]为了更清楚地说明本申请实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
[0040]图1是本申请一实施例提供的数据处理方法的流程示意图；
[0041]图2是本申请一实施例提供的筛选第二数据的流程示意图；
[0042]图3是本申请一实施例提供的提取特征数据的流程示意图；
[0043]图4是本申请一实施例提供生成实时决策数据的结构示意图；
[0044]图5是本申请一实施例提供数据处理装置的结构示意图；
[0045]图6是本申请一实施例提供终端设备的结构示意图。
具体实施方式
[0046]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获取第一数据，所述第一数据为运营平台中的历史用户数据；根据所述第一数据筛选出第二数据，所述第二数据为目标事件对应的用户数据；根据所述第二数据训练预设的数据处理模型，获得训练后的数据处理模型，所述数据处理模型用于根据所述运营平台中的用户数据生成决策数据，所述决策数据用于指示所述运营平台根据所述决策数据调整运营规则，以降低所述目标事件的发生概率。2.如权利要求1所述的数据处理方法，其特征在于，所述根据所述第一数据筛选出第二数据，包括：从所述第一数据中筛选出与所述目标事件相关的第三数据；根据所述第三数据生成第四数据，所述第四数据包括多个时间段以及每个时间段对应的事件标签，所述事件标签用于表示所述目标事件发生或未发生；对所述第四数据进行数据格式化，获得所述第二数据。3.如权利要求2所述的数据处理方法，其特征在于，所述对所述第四数据进行数据格式化，获得所述第二数据，包括：补充所述第四数据中的缺失字段，获得补充数据；滤除所述补充数据中的异常值，获得过滤数据；将所述过滤数据转换为预设格式的数据，获得所述第二数据。4.如权利要求1所述的数据处理方法，其特征在于，所述根据所述第二数据训练预设的数据处理模型，获得训练后的数据处理模型，包括：提取所述第二数据中的特征数据；根据所述特征数据训练所述数据处理模型，获得训练后的所述数据处理模型。5.如权利要求4所述的数据处理方法，其特征在于，所述提取所述第二数据中的特征数据，包括：对所述第二数据进行特征提取处理，获得第五数据；根据重要程度对所述第五数据中...

【专利技术属性】
技术研发人员：施杨，
申请(专利权)人：上海若何智能科技有限公司，
类型：发明
国别省市：