基于多元线性回归的银行网点选址方法及装置与流程

1.本发明涉及大数据技术领域，尤其涉及一种基于多元线性回归的银行网点选址方法及装置。


背景技术：

2.本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
3.银行网点作为银行对外服务的窗口，其选址好坏直接关系到银行的盈利能力以及业务开展。随着互联网金融的快速发展，许多银行业务都可以通过手机银行在线上进行办理，此时通过科学合理的方案对银行网点进行选址以及根据不同银行网点的业务特色确定高低柜台业务的配比，不仅能够降低银行的运营成本，而且能够提高银行网点的盈利能力。
4.传统银行选址方式存在人为主观性较强、选址依据单一、网点业务缺乏针对性等特点，且随着社会的发展进步，选址因素以及不同因素的参考比重都在不断发生变化，如何提供一种银行网点网址方法，以科学合理地选择银行网点的部署位置，是目前亟待解决的技术问题。


技术实现要素：

5.本发明实施例中提供了一种基于多元线性回归的银行网点选址方法，用以解决现有银行网点选址方式依靠人为经验选址，可能导致网点选址不合理的技术问题，该方法包括：采集多个影响因素的数据信息；对采集的数据信息进行分析，确定各个影响因素对银行网点选址的影响因子；根据各个影响因素的数据信息及对应的影响因子，构建多元线性回归模型；基于多元线性回归模型，确定银行网点的选址信息。
6.本发明实施例中还提供了一种基于多元线性回归的银行网点选址装置，用以解决现有银行网点选址方式依靠人为经验选址，可能导致网点选址不合理的技术问题，该装置包括：数据采集模块，用于采集多个影响因素的数据信息；数据分析模块，用于对采集的数据信息进行分析，确定各个影响因素对银行网点选址的影响因子；模型构建模块，用于根据各个影响因素的数据信息及对应的影响因子，构建多元线性回归模型；网点选址模块，用于基于多元线性回归模型，确定银行网点的选址信息。
7.本发明实施例中还提供了一种计算机设备，用以解决现有银行网点选址方式依靠人为经验选址，可能导致网点选址不合理的技术问题，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于多元线性回归的银行网点选址方法。
8.本发明实施例中还提供了一种计算机可读存储介质，用以解决现有银行网点选址方式依靠人为经验选址，可能导致网点选址不合理的技术问题，该计算机可读存储介质存储有执行上述基于多元线性回归的银行网点选址方法的计算机程序。
9.本发明实施例中提供的基于多元线性回归的银行网点选址方法、装置、计算机设
备及计算机可读存储介质，在采集到多个影响因素的数据信息后，对采集的数据信息进行分析，确定各个影响因素对银行网点选址的影响因子，进而根据各个影响因素的数据信息及对应的影响因子，构建多元线性回归模型，最后基于多元线性回归模型，确定银行网点的选址信息。通过本发明实施例，根据影响银行网点选址的多个因素，构建多元线性回归模型，进而根据构建的多元线性回归模型，评估备选网点的优劣，为银行网点的科学选址提供理论依据。
附图说明
10.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
11.图1为本发明实施例中的一种基于多元线性回归的银行网点选址方法流程图；
12.图2为本发明实施例中的一种银行网点动态选址流程图；
13.图3为本发明实施例中的一种基于多元线性回归的银行网点选址装置示意图；
14.图4为本发明实施例中的一种网点选址模块的内部结构组成示意图；
15.图5为本发明实施例中的一种计算机设备示意图。
具体实施方式
16.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
17.本发明实施例中提供了一种基于多元线性回归的银行网点选址方法，图1为本发明实施例中的一种基于多元线性回归的银行网点选址方法流程图，如图1所示，该方法包括如下步骤：
18.s101，采集多个影响因素的数据信息。
19.需要说明的是，本发明实施例中采集的各个影响因素的数据信息可以是但不限于待选址区域内的人口数据、经济数据、交通属性、建筑密度、距离核心商圈的距离等数据信息，只要是影响网点选址的因素均可考虑。
20.s102，对采集的数据信息进行分析，确定各个影响因素对银行网点选址的影响因子。
21.在采集到各个影响因素的数据信息后，对采集的数据信息进行分析，确定各个影响因素对银行网点选址的影响因子。对于无法分析出关联关系的影响因素，可通过人工经验的方式确定其对应的影响因子。
22.s103，根据各个影响因素的数据信息及对应的影响因子，构建多元线性回归模型。
23.在具体实施时，可
24.在一个实施例中，本发明实施例中构建的多元线性回归模型为：
25.y＝β0 β1x1 β2x2 β3x3 ... β
n
x
n
ꢀꢀꢀ
(1)
26.其中，y表示银行网点的业务效率；β0,β1,β2,β3,...,β
n
表示影响因素；x1,x2,
x3,...,x
n
表示影响因子。
27.s104，基于多元线性回归模型，确定银行网点的选址信息。
28.在具体实施时，在构建包含各个影响因素的数据信息及对应影响因子的多元线性回归模型后，可通过该多元线性回归模型，确定多个备选网点地址的业务效率，从中选择出最适合的网点地址。可选地，可通过调整不同影响因子的数值，选择最合适某个区域网点选址的多元线性回归模型。
29.由于银行网点各种基础设施资源的配置，也会影响银行网点的业务效率，因而，在一个实施例中，在基于多元线性回归模型，确定银行网点的选址信息之后，本发明实施例中提供的基于多元线性回归的银行网点选址方法还可包括如下步骤：根据各个影响因素的数据信息，确定银行网点的基础设施资源配置信息。通过该实施例，根据不同影响因素的数据信息，选择网点配置的各种基础设施资源(例如，对公业务的柜台、私人理财柜台等)。
30.由于影响银行网点选择的影响因素是不断变化的，因而，在一个实施例中，如图2所示，本发明实施例中提供的基于多元线性回归的银行网点选址方法中，可通过如下步骤来确定银行网点的选址信息：
31.s201，获取发生变化的影响因素；
32.s202，根据发生变化的影响因素，对多元线性回归模型进行参数调整；
33.s203，根据参数调整后的多元线性回归模型，确定银行网点的选址信息。
34.本技术提出了一种银行选址方案的模型，银行可以根据影响网点选址的多个因素，评估备选网点的优劣，为科学选址提供依据。同时根据不同影响因素的值，选择网点的配置，比如对公业务的柜台多一些还是私人理财的柜台多一些。并且针对影响因素变化快，不同的影响因素随时间变化影响因子不同的特点，引入了多元线性回归模型进行改进。具体包括：
35.1)数据采集模块：通过该地区的人口数据、经济数据、交通属性、建筑密度、距离核心商圈的距离等数据进行采集得出影响网点选址的因素{β1,β2,β3,...,β
n
}。
36.2)相关性分析模块：对采集到的数据进行分析，分析出数据之间的关系，得出不同因素的影响因子{x1,...,x
n
}，对于无法分析出关系的字段通过人工经验的方式判断，并对数据做验证。
37.3)模型评估模块：以网点效率为导向，以投入和产出比率为依据，借助数据包络分析方法(data envelopment analysis，dea)评估并分析；对参数进行调优，形成一个闭环，后期可以根据因素的变化或者因素权值的的变化进行持续的优化。
38.4)模型建立模块：通过相关性分析找到选址决策变量因素x，采用多元线性回归模型进行建模，得出y＝β0 β1x1 β2x2 β3x3 ... β
n
x
n
，对影响网点经营效益的因素综合考虑，其中，β0为初始因素。
39.基于同一发明构思，本发明实施例中还提供了一种基于多元线性回归的银行网点选址装置，如下面的实施例所述。由于该装置解决问题的原理与基于多元线性回归的银行网点选址方法相似，因此该装置的实施可以参见基于多元线性回归的银行网点选址方法的实施，重复之处不再赘述。
40.图3为本发明实施例中的一种基于多元线性回归的银行网点选址装置示意图，如图3所示，该装置包括：数据采集模块31、数据分析模块32、模型构建模块33和网点选址模块
34。
41.其中，数据采集模块31，用于采集多个影响因素的数据信息；数据分析模块32，用于对采集的数据信息进行分析，确定各个影响因素对银行网点选址的影响因子；模型构建模块33，用于根据各个影响因素的数据信息及对应的影响因子，构建多元线性回归模型；网点选址模块34，用于基于多元线性回归模型，确定银行网点的选址信息。
42.在一个实施例中，如图3所示，本发明实施例中提供的基于多元线性回归的银行网点选址装置还包括：网点资源配置模块35，用于根据各个影响因素的数据信息，确定银行网点的基础设施资源配置信息。
43.在一个实施例中，如图4所示，本发明实施例中提供的基于多元线性回归的银行网点选址装置中，网点选址模块34具体包括：影响因素监测单元341，用于获取发生变化的影响因素；模型调整单元342，用于根据发生变化的影响因素，对多元线性回归模型进行参数调整；网点选址单元343，用于根据参数调整后的多元线性回归模型，确定银行网点的选址信息。
44.在一个实施例中，本发明实施例中提供的基于多元线性回归的银行网点选址装置中，模型构建模块33构建的多元线性回归模型为公式(1)所示的模型。
45.基于同一发明构思，本发明实施例中还提供了一种计算机设备，用以解决现有银行网点选址方式依靠人为经验选址，可能导致网点选址不合理的技术问题，图5为本发明实施例中的一种计算机设备示意图，如图5所示，该计算机设备50包括存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序，处理器执行计算机程序时实现上述基于多元线性回归的银行网点选址方法。
46.基于同一发明构思，本发明实施例中还提供了一种计算机可读存储介质，用以解决现有银行网点选址方式依靠人为经验选址，可能导致网点选址不合理的技术问题，该计算机可读存储介质存储有执行上述基于多元线性回归的银行网点选址方法的计算机程序。
47.综上所述，本发明实施例中提供的基于多元线性回归的银行网点选址方法、装置、计算机设备及计算机可读存储介质，在采集到多个影响因素的数据信息后，对采集的数据信息进行分析，确定各个影响因素对银行网点选址的影响因子，进而根据各个影响因素的数据信息及对应的影响因子，构建多元线性回归模型，最后基于多元线性回归模型，确定银行网点的选址信息。通过本发明实施例，根据影响银行网点选址的多个因素，构建多元线性回归模型，进而根据构建的多元线性回归模型，评估备选网点的优劣，为银行网点的科学选址提供理论依据。
48.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
49.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产
生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
50.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
51.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
52.以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。