[发明专利]一种基于大数据的银行柜员智能排班方法及系统

说明书

本发明公开了一种基于大数据的银行柜员智能排班方法及系统，方法包括：基于预先构建的预测模型预测待排班网点目标日期的交易量和交易峰值；基于待排班网点目标日期的交易量和交易峰值，以及预先分类的柜员类型，配置待排班网点目标日期的柜员数量和目标柜员类型；基于待排班网点目标日期的柜员数量和目标柜员类型，以及目标柜员类型在岗柜员到待排班网点的通勤时间，动态生成待排班网点目标日期的柜员排班表。本发明能够实现同城不同网点不同日期柜员的动态调整，以提高人力资源利用效率，提升网点效益，提升客户体验。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于大数据的银行柜员智能排班方法及系统。

背景技术

商业银行柜面渠道仍是银行线下业务发起的重要渠道，各商业银行线下网点众多，各网点业务量大小各不相同，同一网点不同日期业务量也各不相同，目前各商业银行线下网点柜面数量固定，网点内柜员数量也稳定不变，网点通过轮流排班的方式来进行业务办理。由此可以看出，当前商业银行这种排班方式存在一定的问题，可能会导致部分网点业务量大柜员不足客户排队等待，另外部分网点业务量小柜员空闲无业务办理，同一网点在部分日期业务量大柜员不足，在部分日期业务量小柜员空闲的情况，出现人力资源分配不均，造成人力浪费，影响客户的体验。

因此，如何实现同城不同网点不同日期柜员的动态调整，以提高人力资源利用效率，提升网点效益，提升客户体验，是一项亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种基于大数据的银行柜员智能排班方法，能够实现同城不同网点不同日期柜员的动态调整，以提高人力资源利用效率，提升网点效益，提升客户体验。

本发明提供了一种基于大数据的银行柜员智能排班方法，包括：

基于预先构建的预测模型预测待排班网点目标日期的交易量和交易峰值；

基于所述待排班网点目标日期的交易量和交易峰值，以及预先分类的柜员类型，配置所述待排班网点目标日期的柜员数量和目标柜员类型；

基于所述待排班网点目标日期的柜员数量和目标柜员类型，以及所述目标柜员类型在岗柜员到所述待排班网点的通勤时间，动态生成所述待排班网点目标日期的柜员排班表。

优选地，预先构建预测模型，包括：

获取各个网点历史交易数据；

利用大数据分析技术对所述各个网点历史交易数据进行分析，构建各个网点交易量和交易峰值的预测模型。

优选地，所述获取各个网点历史交易数据，包括：

自动收集各个网点每日交易数据；

将自动收集的各个网点的每日交易数据存储至数据库，构成各个网点历史交易数据；

从所述数据库中获取各个网点历史交易数据。

优选地，预先分类柜员类型，包括：

获取各个柜员历史业务处理数据；

利用大数据分析技术对所述各个柜员历史业务处理数据进行分析，计算出每位柜员的效率值；

基于每位柜员的效率值以及预先设置的阈值对柜员进行分类，得到柜员类型。

优选地，所述获取各个柜员历史业务处理数据，包括：

自动收集各个柜员每日业务处理数据；

将自动收集的各个柜员每日的业务处理数据存储至数据库，构成各个柜员历史业务处理数据；

从所述数据库中获取各个柜员历史业务处理数据。

一种基于大数据的银行柜员智能排班系统，包括：