[发明专利]业务数据的预测方法、装置、设备及存储介质

权利要求书

1.一种业务数据的预测方法，其特征在于，所述业务数据的预测方法包括：

通过预置的网络爬虫和定时采集调度任务，从预置网页中爬取业务订单数据和车辆销售数据，所述业务订单数据为保费订单数据；

对所述业务订单数据和所述车辆销售数据进行数据清洗和维度划分，得到新车数据和旧车数据；

对所述新车数据和所述旧车数据中的维度进行筛选和合并，得到预测维度；

通过预置预测模型、所述预测维度和预置预测指标，对所述新车数据在预设时段的业务数据进行预测，得到新车预测数据，以及对所述旧车数据在所述预设时段的业务数据进行多维度预测，得到各维度对应的初始旧车预测数据，所述业务数据为保费收入数据；

对所述新车预测数据和所述各维度对应的初始旧车预测数据进行合并处理，得到业务预测数据，所述业务预测数据为保费预测数据；

其中，所述对所述新车预测数据和所述各维度对应的初始旧车预测数据进行合并处理，得到业务预测数据包括：

对所述各维度对应的初始旧车预测数据进行矩阵相加，得到目标旧车预测数据；

按照预设权重，将所述新车预测数据和所述目标旧车预测数据进行融合处理，得到业务预测数据。

2.根据权利要求1所述的业务数据的预测方法，其特征在于，所述对所述业务订单数据和所述车辆销售数据进行数据清洗和维度划分，得到新车数据和旧车数据，包括：

分别对所述业务订单数据和所述车辆销售数据依次进行异常值剔除、空值填充、去重和子维度更改，得到预处理业务订单数据和预处理车辆销售数据；

获取所述预处理车辆销售数据的新车标签和旧车标签，根据所述新车标签和所述旧车标签，对所述预处理业务订单数据和所述预处理车辆销售数据进行分类，得到初始新车业务订单数据、初始旧车业务订单数据、新车销售数据和旧车销售数据；

按照预设维度划分规则，分别对所述初始新车业务订单数据和所述初始旧车业务订单数据进行分类，得到目标新车业务订单数据和目标旧车业务订单数据；

将所述目标新车业务订单数据和所述新车销售数据确定为新车数据，将所述目标旧车业务订单数据和所述旧车销售数据确定为旧车数据。

3.根据权利要求1所述的业务数据的预测方法，其特征在于，所述通过预置预测模型、所述预测维度和预置预测指标，对所述新车数据在预设时段的业务数据进行预测，得到新车预测数据，以及对所述旧车数据在所述预设时段的业务数据进行多维度预测，得到各维度对应的初始旧车预测数据，包括：

统计所述新车数据的新车存量台数、新车业务率和新车单均业务费用数据，以及所述旧车数据的旧车存量台数、旧车同期单均业务费用数据、旧车单均业务降幅和旧车业务报废率；

通过预置预测模型、所述新车存量台数、所述新车业务率和所述新车单均业务费用数据，对所述新车数据在预设时段的业务数据进行预测，得到新车预测数据；

通过所述预置预测模型、所述旧车存量台数、所述旧车同期单均业务费用数据、所述旧车单均业务降幅和所述旧车业务报废率，对所述旧车数据在所述预设时段的业务数据进行预测，得到各维度对应的初始旧车预测数据。

4.根据权利要求3所述的业务数据的预测方法，其特征在于，所述通过所述预置预测模型、所述旧车存量台数、所述旧车同期单均业务费用数据、所述旧车单均业务降幅和所述旧车业务报废率，对所述旧车数据在所述预设时段的业务数据进行预测，得到各维度对应的初始旧车预测数据，包括：

通过所述预置预测模型、所述旧车存量台数、所述旧车同期单均业务费用数据和所述旧车单均业务降幅，对所述旧车数据在所述预设时段的业务数据进行预测，得到第一维度旧车预测数据；

通过所述预置预测模型、所述旧车存量台数、所述旧车同期单均业务费用数据、所述旧车单均业务降幅和所述旧车业务报废率，对所述旧车数据在所述预设时段的业务数据进行预测，得到第二维度旧车预测数据；

将所述第一维度旧车预测数据和所述第二维度旧车预测数据，确定为各维度对应的初始旧车预测数据。