[发明专利]一种履约时效预测方法和装置

说明书

本发明公开了一种履约时效预测方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取实时履约数据，实时履约数据包括实时结束履约流程的业务数据和所述业务数据在所述履约流程各时间节点的实际履约时效；从业务数据中提取各时间节点对应的特征条件集；利用各时间节点对应的特征条件集和实际履约时效，构造各时间节点对应的决策树模型；根据各时间节点对应的决策树模型预测新生成业务数据的履约时效。该实施方式能够减少业务员在时效调整时的复杂手工操作，节省人力和时间成本，可以实时并精准地预测履约时效，并且可以对未能及时调整的业务方案进行预警，提高运营效率，改善用户体验，且计算量可以满足实际需求。

技术领域

本发明涉及计算机技术领域，尤其涉及一种履约时效预测方法和装置。

背景技术

现有物流系统提供了时效(计算商品从仓库或分拣中心到达用户所需要的时间，包含每个分拣中心和站点的时间点)计算的逻辑，包含仓库的配置、路由配置、本地配送的配置等。随着仓库、分拣中心(货物分拣场所)、站点(商品最终发送到用户附近的统一场所称为站点，派送员从站点取货并送达客户)的不断增加，配置量非常巨大，调整不同的配置可能造成其他路线的时效异常，影响用户体验，导致大量用户投诉。对其他系统的业务调整，需要业务员手动调整履约的配置，目前出现大量的误配置、漏配置的情况，造成计算出的履约时效异常。因此，上述方案人工操作的工作量大，在调整履约时效的工作较多时耗时也较大，并且在预测履约时效时容易出现误配置和/或漏配置，从而导致时效异常。虽然也有一些企业依据大数据的搜索结果进行预测时效，但是需要预先筛选结果，需要计算的数据需要第二天才能获取到(即T+1规则)，无法满足实时性要求，且计算量巨大，无法满足实际需求。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

现有方案在时效调整时需要较大的人工操作量，时间成本高，且易出现误配置和/或漏配置而导致时效异常，也无法对未能及时调整的业务方案进行预警，用户体验差，且计算量巨大。

发明内容

有鉴于此，本发明实施例提供一种履约时效预测方法和装置，能够减少业务员在时效调整时的复杂手工操作，节省人力和时间成本，可以实时并精准地预测履约时效，并且可以对未能及时调整的业务方案进行预警，提高运营效率，改善用户体验，且计算量可以满足实际需求。

为实现上述目的，根据本发明实施例的一个方面，提供了一种履约时效预测方法。

一种履约时效预测方法，包括：获取实时履约数据，所述实时履约数据包括实时结束履约流程的业务数据和所述业务数据在所述履约流程各时间节点的实际履约时效；从所述业务数据中提取所述各时间节点对应的特征条件集；利用各时间节点对应的所述特征条件集和所述实际履约时效，构造所述各时间节点对应的决策树模型；根据所述各时间节点对应的决策树模型预测新生成业务数据的履约时效。

可选地，通过分布式集群构造所述各时间节点对应的决策树模型。

可选地，利用各时间节点对应的所述特征条件集和所述实际履约时效，构造所述各时间节点对应的决策树模型的步骤，包括：在当前存在各时间节点对应的已有决策树模型的情况下，利用各时间节点对应的所述特征条件集和所述实际履约时效，更新各已有决策树模型，以得到所述各时间节点对应的决策树模型，其中，所述更新包括：计算各特征条件集中每一特征条件的信息增益或信息增益比，以及对所述各已有决策树模型进行剪裁。

可选地，根据所述各时间节点对应的决策树模型预测新生成业务数据的履约时效的步骤之后，包括：将预测得到的所述新生成业务数据的履约时效，与由所述各时间节点对应的配置信息确定出的履约时效进行比对，以得到差异数据；在所述差异数据大于或等于预设阈值时输出报警消息。