一种基于双态模式的银行架构数据处理系统及方法技术方案

本发明专利技术涉及数据处理技术领域，具体为一种基于双态模式的银行架构数据处理系统及方法，包括：数据获取模块、加密存储模块、数据分析模块、个性化推荐模块和反馈优化模块；通过所述数据获取模块获取用户输入的账号信息、历史消费信息和业务信息；通过所述加密存储模块对用户数据进行加密脱敏处理；通过所述数据分析模块分析数据变化，确认用户行为习惯；通过所述个性化推荐模块针对不同的用户创建个性化服务架构，推荐不同类型的创新业务；通过所述反馈优化模块反馈用户使用匹配度，进行自主学习优化服务架构；有利于为银行架构面向互联网做进一步的探索。进一步的探索。进一步的探索。

【技术实现步骤摘要】
一种基于双态模式的银行架构数据处理系统及方法


[0001]本专利技术涉及数据处理
，具体为一种基于双态模式的银行架构数据处理系统及方法。

技术介绍

[0002]目前，银行都在寻求向网络金融发展转型，以互联网渠道、互联网账户、互联网产品作为主要的业务体系。
[0003]大部分银行把移动互联网作为重要的发展战略，以手机银行、直销银行、供应链金融等产品作为互联网展业工具；然而，手机银行的客户来自于线下网点的签约客户，无法实现互联网获客，同时由于缺乏高频应用场景，手机银行的用户使用率远低于支付宝和微信；直销银行作为银行的线上自营店，缺乏与线上场景的连接，无法将银行的金融服务融入到消费场景中。
[0004]银行的互联网化不是仅仅将渠道线上化、开户线上化、产品线上化，而是需要打造开放的架构体系，将银行的金融服务能力开放出去，将银行和场景连接起来。传统银行的IT系统架构是相对封闭的，无法要想将其改造成面向互联网的开放体系难度非常高。
[0005]所以，人们需要一种基于双态模式的银行架构数据处理系统及方法来解决上述问题，通过创立用户未曾直接在线上办理的业务，分析用户消费习惯，对银行相关创新业务进行个性化推荐。

技术实现思路

[0006]本专利技术的目的在于提供一种基于双态模式的银行架构数据处理系统及方法，以解决上述
技术介绍
中提出的问题。
[0007]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于双态模式的银行架构数据处理系统，所述系统包括：数据获取模块、加密存储模块、数据分析模块、个性化推荐模块和反馈优化模块；通过所述数据获取模块获取用户输入的账号信息、历史消费信息和业务信息；其中，所述用户输入的账号信息包括用户银行账户信息和关联的社交账户；所述的社交账户包括微信号、QQ号、微博号和电子邮箱；所述历史消费信息指用户使用该银行账号支付的所有消费记录；所述业务信息是指银行服务平台投放的多个不同的创新性业务；通过所述加密存储模块通过ESB服务总线传输对用户数据进行加密脱敏处理；通过所述数据分析模块分析数据变化，确认用户行为习惯；判断用户在的主要消费区域，以了解不同用户对不同消费区域的喜爱度；有利于后续对用户个性化业务的合理推荐；通过所述个性化推荐模块针对不同的用户创建个性化服务架构，推荐不同类型的创新业务；从后台的不同业务中建立个性化业务匹配度；通过所述反馈优化模块反馈用户使用匹配度，进行自主学习优化服务架构。
[0008]进一步的，所述数据获取模块包括账号获取单元、历史记录获取单元和业务投放单元；所述账号获取单元用于获取用户输入的银行账户信息和相应的社交账户信息，所述相应的社交账户的获取是根据与银行账户进行绑定的；所述历史记录获取单元用于获取用户在该账号下所有的消费使用记录；所述业务投放单元用于获取银行服务平台所投放的所有创新业务信息，所述创新业务信息属于敏态业务，为线下进行办理和消费的业务，同时是平台进行线上投放的业务。
[0009]进一步的，所述加密存储模块通过ESB服务总线传输，用于对用户数据进行加密脱敏处理。
[0010]进一步的，所述数据分析模块包括数据筛选单元、信息分类单元、异常分析单元和区域确认单元；所述数据筛选单元用于对用户历史消费记录进行智能筛选，保留线下消费记录；所述信息分类单元用于对筛选后的数据进行分类；所述异常分析单元用于分析消费数据是否发生突变，若发生突变，分析异常原因，反之，若未发生突变，则进行记录保存；所述区域确认单元用于确认数据异常原因，形成银行创新数据，目的是匹配银行业务信息，建立新型服务架构。
[0011]进一步的，所述个性化推荐模块包括数据匹配单元和个性化推荐单元；所述数据匹配单元用于匹配相关创新业务，建立银行服务架构；所述个性化推荐单元用于根据匹配的个性化创新业务同时根据主要消费习惯相似度进行产品合理化推荐。
[0012]进一步的，所述反馈优化模块包括满意度反馈单元和数据优化单元；所述满意度反馈单元用于对用户使用创新数据的满意度进行调查；所述数据优化单元用于根据调查结果进行业务内容优化。
[0013]一种基于双态模式的银行架构数据处理方法，包括以下步骤：Step1：获取用户输入的账号信息、历史消费信息和业务信息；Step2：对用户数据进行加密脱敏处理；Step3：提取存储的用户数据，分析数据变化，确认用户行为习惯；Step4：根据分析的结果从后台的不同业务中建立个性化业务匹配度并针对不同的用户创建个性化服务架构，推荐不同类型的创新业务，判断用户在的主要消费区域，以了解不同用户对不同消费区域的喜爱度；有利于后续对用户个性化业务的合理推荐；Step5：反馈用户使用匹配度，进行自主学习优化服务架构。
[0014]进一步的，在步骤Step1中：系统获取信息包括：1）、用户输入的账号信息，形成用户账号：a；用户输入的账号信息包括用户银行账户信息和关联的社交账户；所述的社交账户包括微信号、QQ号、微博号和电子邮箱；2）、用户使用账号支付的所有消费记录，形成消费记录集：X={x
t
},t=1,2,
…
,n；其中，x
t
表示t时间的一条消费记录，n表示消费记录的数量；3）、银行服务平台投放的所有创新业务信息，形成敏态信息集：A；所述业务信息是指银行服务平台投放的多个不同的创新性业务；所述敏态信息集用于对用户线下消费习惯的预测；4）、当前线下所有实体店信息，形成线下数据集：D。
[0015]进一步的，在步骤Step2中：利用加密存储模块对用户数据进行加密脱敏处理。
[0016]进一步的，在步骤Step3中：分析数据变化，确认用户行为习惯，包括以下步骤：Step3_1：获取用户消费记录集X，去除线上记录，保留线下用户消费信息，对线下消费记录进行筛选：识别任意一条消费记录x
t
中的消费对象s
c
，利用IP分析法判断是否可以根据消费对象s
c
获取IP位置：若不可以，则判定用户属于线上消费，将该消费记录x
t
剔除；其中，所述IP分析法属于本领域技术人员的常规技术手段，因此，并未做出过多的赘述；反之，若可以获取IP位置，得到消费对象的位置为(a
t
’
,b
t
’
)，进一步获取用户IP位置坐标为(a
t
,b
t
)，基于消费对象的位置和用户的IP位置，得到两者之间的距离，记为W，若W>R，其中，R表示距离阈值，表示用户进行消费的店铺位置和登录的线上账户IP位置距离很远，则判定用户属于线上消费，同样将消费记录x
t
剔除；反之，若W<R，则判定用户属于线下消费，进行数据保留；此时，通过对消费记录集进行筛选，有利于寻找用户无法在线上办理的事件，剔除m个线上消费记录后，得到线下消费记录集：X1={x
t
},t=1,2,
…
,n
‑
m；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双态模式的银行架构数据处理方法，其特征在于：包括以下步骤：Step1：获取用户输入的账号信息、历史消费信息和业务信息；Step2：对用户数据进行加密脱敏处理；Step3：提取存储的用户数据，分析数据变化，确认用户行为习惯；Step4：根据分析的结果并针对不同的用户创建个性化服务架构，推荐不同类型的创新业务；Step5：反馈用户使用匹配度，进行自主学习优化服务架构；在步骤Step3中：分析数据变化，确认用户行为习惯，包括以下步骤：Step3_1：获取用户消费记录集X，对线下消费记录进行筛选：识别任意一条消费记录x
t
中的消费对象s
c
，利用IP分析法判断是否可以根据消费对象s
c
获取IP位置：若不可以，则判定用户属于线上消费，将该消费记录x
t
剔除；反之，若可以获取IP位置，得到消费对象的位置为(a
t
’
,b
t
’
)，进一步获取用户IP位置坐标为(a
t
,b
t
)，基于消费对象的位置和用户的IP位置，得到两者之间的距离，记为W，若W>R，其中，R表示距离阈值，则判定用户属于线上消费，同样将消费记录x
t
剔除；此时，剔除m个线上消费记录后，得到线下消费记录集：X1={x
t
},t=1,2,
…
,n
‑
m；Step3_2：对线下消费记录集X1进行分类，形成消费类型集Y1；Step3_3：根据消费类型对产品数据进行分析，判断数据突变度，预测突变可能性原因；在步骤Step3_2中，对线下消费记录集X1进行分类，包括以下步骤：Ⅰ、遍历线下消费记录集X1，分析消费记录关键信息：获取任意消费记录x
t
={s
c
},c=1,2,
…
,β，其中，β表示消费对象名称的字符数，则任意词语s
c
在消费记录x
t
中出现的次数为p(s
c
)，遍历消费记录x
t
，记每一个词语s
c
在消费记录x
t
中出现的总次数为E；同时获取线下数据集D；遍历消费记录x
t
，根据公式：v=[p(s
c
)/E]*log[|D|/(1+|s
c
∈x
t
|)]，得到消费关键词：v；其中，|D|表示线下数据集D的实体店数量，|s
c
∈x
t
|表示|D|中含有词语s
c
的数量；此时，根据线下消费记录集X1，得到消费关键信息集：V={v
t
},t=1,2,
…
,n
‑
m，其中，v
t
表示每一条消费记录的关键信息；Ⅱ、根据消费的关键信息分析消费记录x
t
的一致性，并进行分类：根据公式：γ=|v
t
∩v
t+δ
|/|v
t
∪v
t+δ
|,δ=1,2,
…
,n
‑
m
‑
t，若γ>ω，其中ω表示相似阈值，表示消费关键信息v
t
与v
t+δ
相似，则将相应的消费记录x
t
归为一类，此时，得到k个不同类型的用户消费记录：X1={X
q
},q=1,2,
…
,k；其中，X
q
={x
t
},t=1,2,
…
,ε表示任一类型的消费记录集；同时，遍历消费关键信息集V，对任意消费关键信息v
t
进行求和，得到求和值z，则确认同一类型的消费记录关键信息为：y
q
=z/ε，进一步得到消费类型集Y1={y
q
},q=1,2,
…
,k；在步骤Step3_3中，对产品数据进行分析，判断数据突变度，预测突变可能性原因，步骤如下：
①
、以一定时间段为区间，根据消费类型集Y1分别以时间周期T
x
为x轴，消费数量P
y
为y轴建立k个线性折线图；
②
、分析数据突变度：遍历k个线性折线图，当(P
y+1
‑
P
y
)...

【专利技术属性】
技术研发人员：夏可，奚国光，徐卫东，
申请(专利权)人：无锡锡商银行股份有限公司，
类型：发明
国别省市：