[发明专利]客户数据资源共享方法、装置及电子设备

权利要求书

1.一种客户数据资源共享方法，其特征在于，包括：

接收用户输入的客户数据筛选指令，所述客户数据筛选指令包括至少一个业务规则筛选维度；

根据至少一个业务规则筛选维度从模型库中确定至少一个预先训练的客户数据筛选模型，根据至少一个预先训练的客户数据筛选模型进行客户数据的筛选，得到客户数据筛选结果；其中，所述客户数据筛选模型包括客户评分模型；所述客户评分模型用于根据客户数据对每个客户分别进行客户评分，根据每个客户的客户评分筛选客户数据；

展示客户数据筛选结果。

2.根据权利要求1所述的方法，其特征在于，根据客户数据对每个客户分别进行客户评分，根据每个客户的客户评分筛选客户数据，包括：

获取多个客户的客户数据，根据客户数据提取每个客户对应的至少一个特征变量；

将每个客户的每个特征变量输入预先训练的客户评分模型，得到每个客户的客户评分；

根据每个客户的客户评分和预设评分阈值对客户数据进行筛选。

3.根据权利要求2所述的方法，其特征在于，还包括：

获取训练样本；

根据训练样本计算目标变量；

根据训练样本和目标变量确定至少一个特征变量；

采用目标变量和至少一个特征变量对客户评分模型进行训练；其中，客户评分模型包括基于特征变量的评分卡模型运算和评分运算；

所述评分卡模型运算，用于对每个特征变量分别进行评分，得到每个客户对应的基于特征变量的评分卡数据；

所述评分运算，用于将每个客户对应的基于特征变量的评分卡数据输入评分模型，计算每个客户的客户评分。

4.根据权利要求3所述的方法，其特征在于，所述评分模型为基于多因子动态加权综合评价算法得到的评分模型。

5.根据权利要求3所述的方法，其特征在于，根据训练样本和目标变量确定至少一个特征变量，包括：

根据训练样本对目标变量和多个预先设定的特征分别进行相关性计算，得到相关性计算结果；

根据相关性计算结果和每个特征对应的预设特征阈值对多个预先设定的特征进行筛选，得到至少一个特征变量。

6.根据权利要求3所述的方法，其特征在于，对每个特征变量分别进行评分，得到每个客户对应的基于特征变量的评分卡数据，包括：

分别根据目标变量对每个客户的每个特征变量进行离散化和归一化，得到每个客户对应的离散化和归一化后的特征变量；

采用标签或概念标签对每个客户的离散化和归一化后的每个特征变量进行替换，得到每个客户对应的替换后的特征变量；

将每个客户的替换后的特征变量输入预先建立的决策树模型，计算每个客户的每个特征变量的分值，得到每个客户对应的评分卡数据。

7.根据权利要求1所述的方法，其特征在于，所述业务规则筛选维度预先以列表的形式进行展示以供用户选择。

8.一种客户数据资源共享装置，其特征在于，包括：

获取模块，用于接收用户输入的客户数据筛选指令，所述客户数据筛选指令包括至少一个业务规则筛选维度；

筛选模块，用于根据至少一个业务规则筛选维度从模型库中确定至少一个预先训练的客户数据筛选模型，根据至少一个预先训练的客户数据筛选模型进行客户数据的筛选，得到客户数据筛选结果；其中，所述客户数据筛选模型包括客户评分模型；所述客户评分模型用于根据客户数据对每个客户分别进行客户评分，根据每个客户的客户评分筛选客户数据；

展示模块，用于展示客户数据筛选结果。

9.一种电子设备，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，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。

10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1至7任一项所述方法。