[发明专利]一种基于深度学习的线上渠道业务数据处理方法及系统

权利要求书

1.一种基于深度学习的线上渠道业务数据处理方法，其特征在于：包括以下步骤：

获取线上各渠道的运营数据和用电客户数据；

对获取的数据进行预处理，得到格式统一的数据；

将预处理后的数据输入到预设长短期记忆神经网络模型中，得到线上渠道各类业务办理趋势数据和风险点数据；

将历史数据以及业务办理趋势数据和风险点数据进行融合，得到基于日期、单位和渠道的多维度数据，根据获取的多维度数据进行业务引导。

2.如权利要求1所述的基于深度学习的线上渠道业务数据处理方法，其特征在于：

各渠道的运营数据和用电客户数据至少包括：网上国网、掌上电力SD和95598智能网站的运营数据、业务数据、活动数据以及用电客户档案信息数据。

3.如权利要求1所述的基于深度学习的线上渠道业务数据处理方法，其特征在于：

结合渠道、日期和单位变量信息，获取各渠道、各单位的各个日期的推广、注册、绑定和活跃账号信息和用户行为数据。

4.如权利要求1所述的基于深度学习的线上渠道业务数据处理方法，其特征在于：

长短期记忆神经网络模型的训练，包括：

选择特征数据训练样本集，定义结构化数据关键数据类别与标签，提取非结构化数据底层特征与标签，选定预设数量的样本数据；

确定RNN结构和网络结构，将处理好的样本分为训练集、验证集和测试集，并进行数据集的比例分配；

利用分配好的数据集，采用TensorFlow深度学习技术框架和Python语言进行模型训练和验证。

5.如权利要求1所述的基于深度学习的线上渠道业务数据处理方法，其特征在于：

根据外部系统数据的类型、实时性和数据量的不同，部署多种数据接入方式，分别接入至数据中台及云平台的OSS内，根据数据来源和数据接入方式不同，进行数据存储和数据处理。

6.如权利要求1所述的基于深度学习的线上渠道业务数据处理方法，其特征在于：

网上国网的运营数据接入后存储在Gbase，数据处理过程在Gbase中进行，通过创建Mysql分区表存储数据；

根据业务逻辑进行数据处理，形成指标结果表，判断结果是否准确，若准确利用kettle发送到RDS；

设置每日自动运行工作流，包括历史数据工作流和数据传输工作流，若不准确，再次分析业务进行数据处理。

7.如权利要求1所述的基于深度学习的线上渠道业务数据处理方法，其特征在于：

掌上电力SD运营数据、交费办电业务数据由营销稽查平台IDM接入，根据业务逻辑使用IMPALA计算方法形成指标结果表；

判断结果数据是否准确，若准确将计算结果存入到HIVE库中同时利用DataX发送到RSD里，设置每日工作流将HIVE按照时间、指标类型、频度进行分区，以方便后期维护，若不准确，再次分析业务进行数据处理。

8.一种基于深度学习的线上渠道业务数据处理系统，其特征在于：包括：

数据获取模块，被配置为：获取线上各渠道的运营数据和用电客户数据；

数据预处理模块，被配置为：对获取的数据进行预处理，得到格式统一的数据；

数据预测模块，被配置为：将预处理后的数据输入到预设长短期记忆神经网络模型中，得到线上渠道各类业务办理趋势数据和风险点数据；

数据融合模块，被配置为：将历史数据以及业务办理趋势数据和风险点数据进行融合，得到基于日期、单位和渠道的多维度数据，根据获取的多维度数据进行业务引导。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的基于深度学习的线上渠道业务数据处理方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于深度学习的线上渠道业务数据处理方法中的步骤。