[发明专利]数据的处理方法、装置、设备和存储介质

权利要求书

1.一种数据的处理方法，其特征在于，包括：

获取金融产品的存量客户中每个客户的基础数据，每个客户的基础数据包括经营内容和行业标签；

根据每个客户的基础数据，采用提款概率预估模型，获取每个客户的提款概率，所述提款概率预估模型是根据轻量级梯度提升框架LGBM模型训练的能够预测客户提款概率的模型，每个客户的提款概率用于表示所述客户获取所述金融产品的意愿大小；

推送所述每个客户的提款概率。

2.根据权利要求1所述的方法，其特征在于，所述获取金融产品的存量客户中每个客户的基础数据，包括：

针对所述存量客户中的每个客户，接收其他设备发送的经营数据；

对所述经营数据中进行分词处理和清洗处理，得到所述客户的经营内容和行业标签；其中，所述清洗处理包括剔除异常数据和剔除经营概率小于预设值的内容。

3.根据权利要求1所述的方法，其特征在于，每个客户的基础数据还包括所述客户的位置信息，所在地区的利率，额度信息。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

根据每个客户的提款概率，对所述存量客户中的所有客户按照提款概率从高到低或者从低到高的顺序进行排序。

5.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

根据每个客户的提款概率，从所述存量客户中选取出提款概率最高的多个客户作为目标客户。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

向服务人员的终端设备发送电销触达指示信息，所述电销触达指示信息用于指示所述服务人员对所述目标客户采用电销触达方式进行沟通。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

获取对所述目标客户中每个客户进行电销触达的提款信息，每个客户对应的提款信息用于表示在预设时间段内所述客户是否提款；

将所述目标客户中提款信息指示在预设时间段内未进行提款的客户作为新的样本，对所述提款概率预估模型进行优化训练，得到新的提款概率预估模型。

8.根据权利要求1至3任一项所述的方法，其特征在于，所述根据每个客户的基础数据，采用提款概率预估模型，获取每个客户的提款概率之前，所述方法还包括：

获取训练样本数据，所述训练样本数据中包括多个采用过电销触达方式的客户的基础数据以及提款信息，客户的提款信息用于表示所述客户在电销触达之后的预设时间段内是否提款；

将所述训练样本数据中，在电销触达之后预设时间段内提款的客户作为正样本，将在电销触达之后预设时间段内未提款的客户作为负样本，采用LGBM模型进行训练，得到所述提款概率预估模型。

9.根据权利要求1至3任一项所述的方法，其特征在于，所述推送所述每个客户的提款概率，包括：

根据每个服务人员服务的客户名单，分别向每个服务人员的终端设备发送客户名单中的客户的提款概率。

10.一种数据的处理装置，其特征在于，包括：

获取模块，用于获取金融产品的存量客户中每个客户的基础数据，每个客户的基础数据包括经营内容和行业标签；

处理模块，用于根据每个客户的基础数据，采用提款概率预估模型，获取每个客户的提款概率，所述提款概率预估模型是根据轻量级梯度提升框架LGBM模型训练的能够预测客户提款概率的模型，每个客户的提款概率用于表示所述客户获取所述金融产品的意愿大小；

推送模块，用于推送所述每个客户的提款概率。

11.一种电子设备，其特征在于，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至9任一项所述的数据的处理方法的步骤。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至9任一项所述的数据的处理方法的步骤。