一种用于金融大数据的变现评估方法及系统与流程

1.本发明涉及数据智能处理相关领域，尤其涉及一种用于金融大数据的变现评估方法及系统。


背景技术：

2.目前由于科学技术的不断发展，使用互联网资源成为当下企业用于进行营销和业务支持的重要手段，大数据的产业交易能够影响企业的服务链，对于金融的应用领域中，大数据交易仍然是具有较高的数据敏感性。
3.而数据的变现就是将多种不同属性类别的数据应用于各个场景实现新价值的过程，金融大数据的数据本身不创造价值，通过应用数据以解决问题能够创造价值，从而实现当下企业的数据变现过程。
4.但目前基于金融大数据的产业模式对于大数据交易中，现有技术还存在无法进行准确的变现评估，其评估手段可操作性不强，影响数据交易灵活性的技术问题。


技术实现要素：

5.针对现有技术中的缺陷，本技术通过提供一种用于金融大数据的变现评估方法及系统，解决了目前存在无法进行准确的变现评估，其评估手段可操作性不强，影响数据交易灵活性的技术问题，达到了通过对金融大数据进行双向质量分析，从而完成准确、智能的变现有效性评估，通过接入用户实现数据交易变现的可操作性和灵活性。
6.一方面，本技术提供一种用于金融大数据的变现评估方法，所述方法应用于金融大数据管理系统，所述系统与一云端处理装置通信连接，所述方法包括：通过接入数据传输终端，获取用于进行变现评估的金融数据集合；将所述金融数据集合存储至所述云端处理装置中的云端数据库中作为待调用数据库；将所述待调用数据库调用至所述云端处理装置中的云端处理器中，根据所述云端处理器对所述金融数据集合进行数据质量分析，输出数据质量分析结果；通过对所述金融数据集合的对接用户进行分析，输出对接用户集合；根据所述对接用户集合进行用户质量分析，输出用户质量分析结果；根据所述数据质量分析结果和所述用户质量分析结果进行变现评估模型处理，输出用于标识数据交易价值程度的变现有效指数；根据变现有效指数生成针对所述金融数据集合的变现评估报告。
7.另一方面，本技术还提供了一种用于金融大数据的变现评估系统，所述系统与一云端处理装置通信连接，所述系统包括：金融数据获取模块，所述金融数据获取模块用于通过接入数据传输终端，获取用于进行变现评估的金融数据集合；数据存储模块，所述数据存储模块用于将所述金融数据集合存储至所述云端处理装置中的云端数据库中作为待调用数据库；数据质量分析模块，所述数据质量分析模块将所述待调用数据库调用至所述云端处理装置中的云端处理器中，根据所述云端处理器对所述金融数据集合进行数据质量分析，输出数据质量分析结果；用户连接模块，所述用户连接模块用于通过对所述金融数据集合的对接用户进行分析，输出对接用户集合；用户质量分析模块，所述用户质量分析模块用
于根据所述对接用户集合进行用户质量分析，输出用户质量分析结果；变现评估模块，所述变现评估模块用于根据所述数据质量分析结果和所述用户质量分析结果进行变现评估模型处理，输出用于标识数据交易价值程度的变现有效指数；报告生成模块，所述报告生成模块用于根据变现有效指数生成针对所述金融数据集合的变现评估报告。
8.拟通过本技术提出的一种用于金融大数据的变现评估方法及系统，所产生的技术效果如下：由于采用了通过接入数据传输终端，获取用于进行变现评估的金融数据集合，并将获取到的金融数据集合存储至云端处理装置所连接的云端数据库中作为调用数据库实现数据的调用对以完成对金融数据集合的数据质量进行分析，从而输出数据质量分析结果，另外的，再通过对所述金融数据集合的对接用户集合进行用户质量分析，从而输出用户质量分析结果，最后再根据所述数据质量分析结果和所述用户质量分析结果进行变现评估模型处理，输出能够标识数据交易价值程度的变现有效指数，最终结合所述变现有效指数生成针对所述金融数据集合的变现评估报告。达到了通过对金融大数据进行双向质量分析，从而完成准确、智能的变现有效性评估，通过接入用户实现数据交易变现的可操作性和灵活性的技术效果。
9.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
10.通过阅读参照以下附图对非限制性实施例所做的详细描述，本发明的其它特征、目的和优点将会变得更明显：图1为本技术实施例一种用于金融大数据的变现评估方法的流程示意图；图2为本技术实施例一种用于金融大数据的变现评估方法的数据质量分析流程示意图；图3为本技术实施例一种用于金融大数据的变现评估方法的用户质量分析流程示意图；图4为本技术实施例一种用于金融大数据的变现评估方法的企业用户匹配流程示意图；图5为本技术实施例一种用于金融大数据的变现评估系统的结构示意图；附图标记说明：金融数据获取模块11，数据存储模块12，数据质量分析模块13，用户连接模块14，用户质量分析模块15，变现评估模块16，报告生成模块17。
11.后续将结合附图详细的描述本技术的示例实施例。显然，所描述的实施例仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。
12.实施例一如图1所示，本技术实施例提供了一种用于金融大数据的变现评估方法，所述方法应用于金融大数据的变现评估系统，所述系统与一云端处理器通信连接，所述方法包括：步骤s100：通过接入数据传输终端，获取用于进行变现评估的金融数据集合；
数据变现是通过对于数据进行处理、加工再输出，从而对数据进行利用，以完成数据源分析后对接企业用户的一种交易，从而接收该交易数据的企业利用这些数据结合目前的经营产品进行营销决策调整，从而为企业带来增益的经济价值，因为，对于交易数据需要具有一定的有效性，为此，提出了本技术的一种用于金融大数据的变现评估方法，通过本技术能够有效对交易数据的变现价值进行准确性评估，同时能够结合对接用户实现针对化分析，以满足变现评估的可使用性和灵活性。
13.进一步的，通过接入任一数据传输终端对待评估的数据进行传输，当所述数据传输终端中传输状态显示为阶段性完毕时，停止所述数据传输终端的传输，获取经过传输获取的所有数据集合，包括金融交易数据、客户数据、运营数据、监管数据以及各类衍生数据等，即所述金融数据集合，作为变现评估的经济源。
14.步骤s200：将所述金融数据集合存储至所述云端处理装置中的云端数据库中作为待调用数据库；由于所述金融数据集合中所包含的数据量较多，为了满足交易评估的有效性，通过云端将所述金融数据集合进行存储，即存储至所述云端处理装置中的云端数据库中作为待调用数据库，不仅能够防止大规模的待评估数据为计算机带来算力滞后性，还可以提高数据的管理分布，另外的，还能够通过在所述云端处理装置中增设权限或保密机制，以提高金融大数据的交易保密性。
15.步骤s300：将所述待调用数据库调用至所述云端处理装置中的云端处理器中，根据所述云端处理器对所述金融数据集合进行数据质量分析，输出数据质量分析结果；进一步的，如图2所示，本技术实施例步骤s300还包括：步骤s310：搭建数据质量分析模型，其中，所述数据质量分析模型为四维坐标模型，包括量化指标、特征性指标、结合度指标和多源度指标；步骤s320：将所述金融数据集合输入所述数据质量分析模型中，其中，所述数据质量分析模型内嵌于所述云端处理器中；步骤s330：根据所述数据质量分析模型对所述金融数据集合分别进行数据量大小分析、数据特征强度分析、数据相互结合度分析和数据源类别分析，输出量化系数、特征系数、结合系数和多源系数；步骤s340：根据所述量化系数、所述特征系数、所述结合系数和所述多源系数，数据质量分析结果。
16.具体而言，所述云端处理装置中包括云端处理器和云端存储器，其中，所述云端处理器用于对调用所述云端存储器中的数据实现数据云处理，因此，通过将所述待调用数据库调用至所述云端处理装置中的云端处理器中，根据所述云端处理器对所述金融数据集合进行数据质量分析，用于输出数据的质量分析结果。
17.所述云端处理器对所述金融数据集合进行数据质量分析的过程主要是根据所述云端处理器中嵌入的数学模型实现，其中，该数学模型为数据质量分析模型，主要通过对数据在量化指标、特征性指标、结合度指标和多源度指标这四个维度上，分别进行数据量大小分析、数据特征强度分析、数据相互结合度分析和数据源类别分析，输出量化系数、特征系数、结合系数和多源系数，进而获取最终的数据质量分析结果。
18.进一步的，输出的所述量化系数、所述特征系数、所述结合系数和所述多源系数，
其中，所述量化系数为标识所述金融数据集合的数据量多少的程度系数，所述量化系数与评估结果为正比关系，即所述量化系数越大，所述金融数据集合的质量越高；以此类推，所述特征系数为标识所述金融数据集合特征性强度的程度系数；所述结合系数为标识所述金融数据集合中各类数据之间能够相互结合以输出新型数据处理结果的结合复杂性程度的系数；所述多源系数为标识所述金融数据集合的种类量多少的程度，从而能够对数据进行多维分析，进而获取所述数据质量分析结果；进一步的，本技术实施例步骤s340还包括：步骤s341：通过对所述金融数据集合的数据获取难易程度进行分析，按照分析结果，获取困难系数大于预设困难系数的n组数据集合；步骤s342：根据所述n组数据集合占所述金融数据集合的占比，对所述金融数据集合进行可替代性标识，基于标识结果判断是否激活数据调整指令；步骤s343：若激活所述数据调整指令，将所述数据调整指令输入至所述云端处理器中，对所述数据质量分析结果进行调整。
19.根据所述质量分析结果，能够对所述金融数据集合进行下一步处理处理的数据有效性进行分析，比如数据分类处理、统计处理、数据识别等，能够为企业进行数据交易后的可操做性进行多维分析，增加准确性，另外的，对于所述金融数据集合进行数据质量分析模型的输出，还需要对所述金融数据集合的获取难易程度进行分析，其分析过程如下：通过对所述金融数据集合的数据获取难易程度进行分析，按照分析结果，获取困难系数大于预设困难系数的n组数据集合，并根据所述n组数据集合占所述金融数据集合的占比，进行数据可替代性分析，换句话说，对获取途径困难的数据源进行数据是否可替代进行分析，进而对所述数据质量分析结果进行调整，进一步的的，当数据源的获取途径较为困难时，对所述金融数据集合的质量评价结果进行增益调整，当数据源的获取途径较为容易时，所述金融数据集合的质量评价需要进行降级调整，从而进一步提高金融数据集合的评估准确性。
20.步骤s400：通过对所述金融数据集合的对接用户进行分析，输出对接用户集合；步骤s500：根据所述对接用户集合进行用户质量分析，输出用户质量分析结果；进一步的，如图3所示，本技术实施例步骤s400还包括：步骤s410：搭建用户质量分析模型，其中，所述用户质量分析模型为二维坐标模型，包括用户领域泛化指标和用户领域等级指标；步骤s420：将所述对接用户集合输入所述用户质量分析模型中，其中，所述用户质量分析模型内嵌于所述云端处理器中；步骤s430：根据所述用户质量分析模型对所述对接用户集合进行用户所属行业领域分析，获取泛化系数和等级系数；步骤s440：根据所述泛化系数和所述等级系数，输出所述用户质量分析结果。
21.进一步的，本技术实施例步骤s430还包括：步骤s431：将所述泛化系数输入所述阶梯权重分配模块中，根据所述阶梯权重分配模块中的阶梯识别单元识别所述泛化系数所处的阶梯层级，将识别出的阶梯层级、所述泛化系数和所述等级系数输入权重分配单元中，根据所述权重分配单元对所述泛化系数和所述等级系数进行权重分配，对所述用户质量分析结果进行调整。
22.具体而言，数据变现是一种通过企业对交易的数据进行分析以获取经济增益的方式，因此，对数据自身的质量价值进行分析后，还需要针对性对接入的用户进行数据变现的使用价值进行评估，其用户分析过程如下：通过对所述金融数据集合的对接用户进行分析，输出对接用户集合，其中，所述金融数据集合的对接用户为参与进行数据交易的企业用户集合，即，该数据交易批次下参与报名的交易用户，本技术实施例可接入多个用户。
23.当输出所述对接用户集合后，分别对所述对接用户集合中的每个对接用户进行信息采集，包括企业类型、企业领域、企业产品、企业效益等，进而将采集到的数据集合输入搭建好的用户质量分析模型中，其中，所述用户质量分析模型为二维坐标模型，包括用户领域泛化指标和用户领域等级指标，根据所述用户质量分析模型，输出对应的泛化系数和等级系数，其中，所述泛化系数为用于标识所述对接用户集合中企业所涉及的领域多少，所述等级系数为用于标识所述对接用户集合中企业产业类型的等级高低，所述泛化系数和所述等级系数皆与所述用户质量分析结果呈正比例关系，从而对所述泛化系数和所述等级系数进行处理后输出所述用户质量分析结果。
24.进一步的，对所述述泛化系数和所述等级系数进行处理是通过系统连接的阶梯权重分配模块进行计算，其中，所述阶梯权重分配模块包括阶梯识别单元和权重分配单元两个执行单元，由于所述泛化系数为标识企业用户的领域泛化程度，从而首先针对泛化系数的大小识别对应的阶梯，以该阶梯层级输入所述权重分配单元中对所述泛化系数和所述等级系数进行权重分配，对所述用户质量分析结果进行调整，提高输出结果的准确性，且由于每一阶梯层级对应一权重，从而能够灵活根据企业用户集合进行用户质量分析的有效调整。
25.步骤s600：根据所述数据质量分析结果和所述用户质量分析结果进行变现评估模型处理，输出用于标识数据交易价值程度的变现有效指数；步骤s700：根据变现有效指数生成针对所述金融数据集合的变现评估报告。
26.具体而言，根据所述数据质量分析结果和所述用户质量分析结果，作为进行变现评估的两个输入信息，从而以输入所述数据质量分析结果和所述用户质量分析结果的方式进行双向匹配质量分析，进而根据所述变现评估模型输出用于标识数据交易价值程度的有效指数，按照所述变现有效指数生成针对所述金融数据集合的变现评估报告，其中，由于所述变现有效指数能够标识针对目前对接的企业用户进行数据交易的价值程度，从而筛选出交易价值较高的企业，或者对所有的企业用户进行交易价值排序，按照对应的排序结果生成所述变现评估报告，从而通过对接的用户进行识别和信息发送，包括有效指数和有效排名，为企业参与数据交易提供保证和决策。达到了通过对金融大数据进行双向质量分析，从而完成准确、智能的变现有效性评估，通过接入用户实现数据交易变现的可操作性和灵活性。
27.进一步的，如图4所示，本技术实施例步骤还包括s800：步骤s810：根据用户交易终端获取实时接入用户，其中，所述实时接入用户为进行金融大数据交易的实时企业用户；步骤s820：基于所述实时接入用户的信息，分别针对所述实时接入用户进行数据质量分析和用户等级匹配分析，输出所述实时接入用户的变现有效指数；
步骤s830：将所述实时接入用户的变现有效指数发送至所述实时接入用户，获取交易反馈信息，其中，所述交易反馈信息包括交易执行和交易不执行。
28.进一步的，本技术实施例步骤s830还包括：步骤s831：获取预设周期内的所有交易反馈信息，生成交易记录库；步骤s832：按照所述交易记录库中记录的数据对处于所述预设周期内的所有交易成功节点进行标识，根据标识结果获取交易成功率；步骤s833：根据所述交易成功率对所述金融大数据的进行缺陷分析，获取缺陷调整信息对所述金融大数据进行调整。
29.通过连接一实时用户为实施例，其数据交易的过程为：按照用户交易终端获取实时接入用户，为所述用户对接集合中的任一对接用户或者新增用户。若为所述对接用户集合中的用户，通过对所述实时接入用户在所述对接用户集合中进行搜寻，获取对应的交易有效指数，从而获取对应的评估结果；若为新增用户，获取所述实时接入用户的信息，按照对应的有效信息从所述对接用户集合中进行类似企业用户匹配分析，从而将匹配的用户评估结果作为类比结果，按照输出的结果发送至所述实时接入用户，获取用户是否进行交易执行或交易不执行的反馈结果。从而达到了有效利用对接用户集合与评估结果的对应性，实现实时接入用户的类比更新调整，提高交易评估灵活性和可使用性的技术效果。
30.应理解，由于用户的交易反馈信息具有一定的代表性，从而对预设周期内的所有交易反馈信息进行记录、采集，生成交易记录库，按照生成的所述交易记录库完成之后的信息比对和反馈分析，进一步的，按照所有的交易反馈信息，分别获取交易成功的反馈信息和交易不成功的反馈信息，获取交易成功率，其中，所述交易成功率为交易成功的反馈信息占总交易反馈信息的多少，从而对交易成功的企业用户和交易未成功的企业用户分别进行特征分析，针对于所述交易未成功的企业信息进行缺陷分析，获取缺陷调整信息，可选的，以新增该数据的类型等方式对所述金融大数据进行调整。
31.结合上述实施例，本发明具有如下的有益效果：由于采用了通过接入数据传输终端，获取用于进行变现评估的金融数据集合，并将获取到的金融数据集合存储至云端处理装置所连接的云端数据库中作为调用数据库实现数据的调用对以完成对金融数据集合的数据质量进行分析，从而输出数据质量分析结果，另外的，再通过对所述金融数据集合的对接用户集合进行用户质量分析，从而输出用户质量分析结果，最后再根据所述数据质量分析结果和所述用户质量分析结果进行变现评估模型处理，输出能够标识数据交易价值程度的变现有效指数，最终结合所述变现有效指数生成针对所述金融数据集合的变现评估报告。达到了通过对金融大数据进行双向质量分析，从而完成准确、智能的变现有效性评估，通过接入用户实现数据交易变现的可操作性和灵活性的技术效果。
32.通过获取用户是否进行交易执行或交易不执行的反馈结果。从而达到了有效利用对接用户集合与评估结果的对应性，实现实时接入用户的类比更新调整，提高交易评估灵活性和可使用性的技术效果。
33.实施例二基于与前述实施例中一种用于金融大数据的变现评估方法同样发明构思，本发明还提供了一种用于金融大数据的变现评估系统，如图5所示，所述系统包括：
金融数据获取模块11，所述金融数据获取模块11用于通过接入数据传输终端，获取用于进行变现评估的金融数据集合；数据存储模块12，所述数据存储模块12用于将所述金融数据集合存储至所述云端处理装置中的云端数据库中作为待调用数据库；数据质量分析模块13，所述数据质量分析模块13将所述待调用数据库调用至所述云端处理装置中的云端处理器中，根据所述云端处理器对所述金融数据集合进行数据质量分析，输出数据质量分析结果；用户连接模块14，所述用户连接模块14用于通过对所述金融数据集合的对接用户进行分析，输出对接用户集合；用户质量分析模块15，所述用户质量分析模块15用于根据所述对接用户集合进行用户质量分析，输出用户质量分析结果；变现评估模块16，所述变现评估模块16用于根据所述数据质量分析结果和所述用户质量分析结果进行变现评估模型处理，输出用于标识数据交易价值程度的变现有效指数；报告生成模块17，所述报告生成模块17用于根据变现有效指数生成针对所述金融数据集合的变现评估报告。
34.进一步的，所述系统还包括：数据源分析单元，所述数据源分析单元用于通过对所述金融数据集合的数据获取难易程度进行分析，按照分析结果，获取困难系数大于预设困难系数的n组数据集合；数据源计算单元，所述数据源计算单元用于根据所述n组数据集合占所述金融数据集合的占比，对所述金融数据集合进行可替代性标识，基于标识结果判断是否激活数据调整指令；数据调整单元，所述数据调整单元用于若激活所述数据调整指令，将所述数据调整指令输入至所述云端处理器中，对所述数据质量分析结果进行调整。
35.进一步的，所述系统还包括：模型搭建单元，所述模型搭建单元用于搭建用户质量分析模型，其中，所述用户质量分析模型为二维坐标模型，包括用户领域泛化指标和用户领域等级指标；数据输入单元，所述数据输入单元用于将所述对接用户集合输入所述用户质量分析模型中，其中，所述用户质量分析模型内嵌于所述云端处理器中；模型分析单元，所述模型分析单元用于根据所述用户质量分析模型对所述对接用户集合进行用户所属行业领域分析，获取泛化系数和等级系数；模型输出单元，所述模型输出单元用于根据所述泛化系数和所述等级系数，输出所述用户质量分析结果。
36.进一步的，所述系统还包括：阶梯权重分配模块，所述阶梯权重分配模块用于将所述泛化系数输入所述阶梯权重分配模块中，根据所述阶梯权重分配模块中的阶梯识别单元识别所述泛化系数所处的阶梯层级，将识别出的阶梯层级、所述泛化系数和所述等级系数输入权重分配单元中，根据所述权重分配单元对所述泛化系数和所述等级系数进行权重分配，对所述用户质量分析结果进行调整。
37.进一步的，所述系统还包括：用户接入单元，所述用户接入单元用于根据用户交易终端获取实时接入用户，其中，所述实时接入用户为进行金融大数据交易的实时企业用户；用户匹配单元，所述用户匹配单元用于基于所述实时接入用户的信息，分别针对所述实时接入用户进行数据质量分析和用户等级匹配分析，输出所述实时接入用户的变现有效指数；用户反馈单元，所述用户反馈单元用于将所述实时接入用户的变现有效指数发送至所述实时接入用户，获取交易反馈信息，其中，所述交易反馈信息包括交易执行和交易不执行。
38.进一步的，所述系统还包括：交易记录单元，所述交易记录单元用于获取预设周期内的所有交易反馈信息，生成交易记录库；交易标识单元，所述交易标识单元用于按照所述交易记录库中记录的数据对处于所述预设周期内的所有交易成功节点进行标识，根据标识结果获取交易成功率；交易调整单元，所述交易调整单元用于根据所述交易成功率对所述金融大数据的进行缺陷分析，获取缺陷调整信息对所述金融大数据进行调整。
39.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的装置及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。以上实施例所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何 熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。