[发明专利]基于数据分析的业务分配方法、装置、设备及存储介质

权利要求书

1.一种基于数据分析的业务分配方法，其特征在于，所述方法包括：

获取预设员工在多个不同时间区间的业务处理记录，按照时间先后顺序统计所述多个不同时间区间中的业务处理量；

根据所述业务处理量计算所述预设员工的业务处理增速；

获取客户对所述预设员工的业务评价数据，对所述业务评价数据中每个数据进行向量转换，得到数据向量；

利用预设的深度学习模型提取每个所述数据向量的向量特征；

分别计算每个所述向量特征与预设业务的标签中每个标签之间的距离值，并根据所述距离值计算所述预设员工对每种预设业务的能力值；

根据预设业务量基数和所述业务处理增速计算所述预设员工的预期业务处理量，并根据所述能力值和所述预期业务处理量对所述预设员工进行业务分配；

所述能力值根据如下公式计算得到：

其中，为预设员工对第个预设业务的能力值，为第个数据向量的向量特征与第个预设业务的标签之间的距离值，为所述数据向量的数量。

2.如权利要求1所述的基于数据分析的业务分配方法，其特征在于，所述按照时间先后顺序统计所述多个不同时间区间中的业务处理量，包括：

获取预设的时间字段数据格式和预设的业务名称数据格式；

识别所述业务处理记录的数据类型，利用与所述数据类型相对应的编译器，将预设字符按照所述业务名称数据格式编译为第一规则表达式，将预设字符按照所述时间字段数据格式编译为第二规则表达式；

利用所述第一规则表达式提取所述业务处理记录中的业务名称，利用所述第二规则表达式提取所述业务处理记录中每个预设业务的处理时间；

按照所述处理时间的先后顺序将所述业务处理记录中每个预设业务的业务名称汇集至所述多个不同时间区间中，并统计每个时间区间内的业务名称数量，得到每个时间区间的业务处理量。

3.如权利要求1所述的基于数据分析的业务分配方法，其特征在于，所述根据所述业务处理量计算所述预设员工的业务处理增速，包括：

将多个不同时间区间和每个时间区间的业务处理量映射至预先构建的坐标系中，得到所述预设员工在每个时间区间中的业务处理量坐标；

利用预设的初始函数计算每个所述业务处理量坐标的拟合坐标；

计算所述拟合坐标与所述业务处理量坐标之间的差异值；

判断所述差异值是否小于预设差异阈值；

若所述差异值大于或等于所述预设差异阈值，则根据所述差异值对所述初始函数的参数进行调整，并返回计算所述拟合坐标与所述业务处理量坐标之间的差异值的步骤；

若所述差异值小于所述预设差异阈值，则确定此时的初始函数为拟合函数，求解所述拟合函数的切线斜率为所述业务处理增速。

4.如权利要求1所述的基于数据分析的业务分配方法，其特征在于，所述对所述业务评价数据中每个数据进行向量转换，得到数据向量，包括：

从所述业务评价数据中逐个选取其中一个数据，按照被选取的数据在所述业务评价数据中的位置信息对所述被选取的数据进行编码，得到位置编码；

将所述被选取的数据转换为初始向量，并将所述位置编码写入所述初始向量，得到被选取的数据对应的数据向量。

5.如权利要求1所述的基于数据分析的业务分配方法，其特征在于，所述利用预设的深度神经网络提取每个所述数据向量的向量特征，包括：

获取预设的深度神经网络，所述深度神经网络包括输入层、隐藏层和输出层；

从所述数据向量中逐个选取其中一个向量为目标向量，利用所述深度神经网络的输入层对所述目标向量进行特征描述，得到输入特征；

利用所述深度神经网络的隐藏层对所述输入特征进行特征筛选，得到筛选特征；

利用所述深度神经网络的输出层计算所述筛选特征的特征等级，选取所述特征等级最大的特征为所述目标向量的向量特征。