交易数据分解方法及装置与流程

1.本发明涉及大数据技术领域，尤其涉及交易数据分解方法及装置。


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.近年来，随着人民收入水平和理财意识地不断提高，越来越多的人加入到了个人理财贷款的行列，零售银行业务市场潜力巨大，发展迅速。各商业银行互相竞争，努力提高其私人银行服务的市场渗透率。在这种背景下，客户数量，挖掘客户潜力成为了各行关注的重点。影响潜在客户转化为正式客户的因素有很多，包括金融产品、投资门槛、投资收益、生活需求等。由此可见银行个人客户开立交易受众多复杂因素影响，各因素互相作用遮挡了其内在本质规律，所以直接对交易数据进行分析无法得到可靠性高的结果。
4.目前，亟需一种能够将复杂交易数据分解，针对各个分量独立分析其对整个交易过程影响的方法和装置。


技术实现要素：

5.本发明实施例提供一种交易数据分解方法，用以将复杂交易数据分解，针对各个分量数据分析其对整个交易过程的影响，该方法包括：
6.采集银行开户交易时间数据；
7.根据银行开户交易时间数据，绘制银行开户交易数量的时间分布曲线，获得银行开户交易数量时间分布数据；
8.根据不同的时间尺度，将银行开户交易数量时间分布数据进行分解，得到模态分量数据。
9.本发明实施例还提供一种交易数据分解装置，用以将复杂交易数据分解，针对各个分量数据分析其对整个交易过程的影响，该装置包括：
10.数据采集模块，用于采集银行开户交易时间数据；
11.时间分布曲线绘制模块，用于根据银行开户交易时间数据，绘制银行开户交易数量的时间分布曲线，获得银行开户交易数量时间分布数据；
12.数据分解模块，用于根据不同的时间尺度，将银行开户交易数量时间分布数据进行分解，得到模态分量数据。
13.本发明实施例还提供一种计算机设备，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交易数据分解方法。
14.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述交易数据分解法。
15.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程
序，所述计算机程序被处理器执行时实现上述交易数据分解方法。
16.本发明实施例中，与现有技术中直接对交易数据进行分析，无法得到可靠性高的结果相比，本发明通过采集银行开户交易时间数据；根据银行开户交易时间数据，绘制银行开户交易数量的时间分布曲线，获得银行开户交易数量时间分布数据；根据不同的时间尺度，将银行开户交易数量时间分布数据进行分解，得到模态分量数据。在上述过程中，本发明实施例根据银行开户交易数量的时间分布曲线，得到银行开户交易数量的时间分布数据，将复杂的银行开户交易数量的时间分布数据分解，从而分析分解后的分量数据对整个交易过程的影响。
附图说明
17.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：
18.图1为本发明实施例中交易数据分解方法的流程图；
19.图2为本发明实施例中交易数量的时间分布曲线的示意图；
20.图3为本发明实施例中交易数据分解步骤的流程图；
21.图4为本发明实施例中三次样条插值函数拟合的流程图；
22.图5为本发明实施例中交易数据分解装置的示意图；
23.图6为本发明实施例中交易数据分解装置的原理图；
24.图7为本发明实施例中计算机设备的示意图。
具体实施方式
25.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。
26.图1为本发明实施例中交易数据分解方法的流程图，包括：
27.步骤101，采集银行开户交易时间数据；
28.步骤102，根据银行开户交易时间数据，绘制银行开户交易数量的时间分布曲线，获得银行开户交易数量时间分布数据；
29.步骤103，根据不同的时间尺度，将银行开户交易数量时间分布数据进行分解，得到模态分量数据。
30.在步骤101中，采集银行开户交易时间数据。
31.在一实施例中，采集银行开户交易时间数据，包括：
32.每产生一条新的银行开户交易数据时，记录交易时间，获得银行开户交易时间数据，并传输至数据池。
33.具体实施过程中，银行系统会自动采集银行开户交易时间数据，并将交易时间记录下来传输至银行开户交易数据池，实现银行开户交易时间数据副本的实时同步，所述的银行开户交易数据池存储的数据为银行开户交易时间数据。
34.如图2所示为本发明实施例中交易数量的时间分布曲线的示意图。在步骤102中，根据银行开户交易时间数据，绘制银行开户交易数量的时间分布曲线，获得银行开户交易数量时间分布数据。
35.在一实施例中，根据银行开户交易时间数据，绘制银行开户交易数量的时间分布曲线，获得银行开户交易数量时间分布数据，包括：
36.以银行开户交易时间数据中的交易时间为横轴，以银行开户交易时间数据中的开会交易数量为纵轴，绘制银行开户交易数量的时间分布曲线。
37.具体实施过程中，根据数据池中的银行开户交易时间数据，沿时间轴绘制出开户交易数量的时间分布曲线。
38.在步骤103中，根据不同的时间尺度，将银行开户交易数量时间分布数据进行分解，得到模态分量数据。
39.如图3所示为本发明实施例中交易数据分解步骤的流程图。在一实施例中，根据不同的时间尺度，将银行开户交易数量时间分布数据进行分解，得到模态分量数据，包括：
40.步骤301，重复执行以下步骤，将银行开户交易数量时间分布数据进行分解，直至满足停止分解条件：
41.步骤302，根据不同时间尺度，确定银行开户交易数量时间分布数据的所有极大值点和极小值点；
42.步骤303，对所有极大值点和极小值点进行三次样条插值函数拟合，获得新的银行开户交易数量时间分布数据；
43.步骤304，判断所述新的银行开户交易数量时间分布数据是否满足模态分解的条件；
44.步骤305，若是，对新的银行开户交易数量时间分布数据进行模态分解，获得模态分量数据；
45.步骤306，用新的银行开户交易数量时间分布数据减去获得的模态分量数据，获得更新的银行开户交易数量时间分布数据；
46.步骤307，用更新的银行开户交易数量时间分布数据代替银行开户交易数量时间分布数据。
47.具体实施过程中，是基于经验模态分解方法分解银行开户交易数量时间分布数据，所述的经验模态分解方法是一种无须预先设定任何基函数，依据数据自身时间尺度特征进行数据分解的方法。由此该方法可应用于任何种类的数据分析，特别是非线性的复杂时间序列。对一定时间维度的开户交易数量时间分布数据进行经验模态分解，获得不同频率各模态分量数据。
48.具体实施过程中，经过不断分解获得不同频率的模态分量数据以及无法再分解的残量数据后，则停止分解。
49.在一实施例中，判断所述新的银行开户交易数量时间分布数据是否满足模态分解的条件，包括：
50.当所述新的银行开户交易数量时间分布数据序列不存在负的局部极大值点和正的局部极小值点时，新的银行开户交易数量时间分布数据满足模态分解的条件；
51.否则，不满足模态分解的条件。
52.如图4所示为本发明实施例中三次样条插值函数拟合的流程图。在一实施例中，对所有极大值点和极小值点进行三次样条插值函数拟合，获得新的银行开户交易数量时间分布数据，包括：
53.步骤401，利用三次样条插值函数，拟合所有极大值点和极小值点形成银行开户交易数量时间分布数据序列的上下包络线；
54.步骤402，取上下包络线的均值，获取平均包络线；
55.步骤403，用银行开户交易数量时间分布数据减去平均包络线，得到一个新的银行开户交易数量时间分布数据。
56.在一实施例中，还包括：
57.分析模态分量数据，得到频率分布和波动分布情况。
58.具体实施过程中，根据模态分量数据，从不同角度分析各分量之间的相互作用，波动的相似性以及对整体的贡献情况。
59.综上所述，本发明实施例与现有技术中直接对交易数据进行分析，无法得到可靠性高的结果相比，本发明通过采集银行开户交易时间数据；根据银行开户交易时间数据，绘制银行开户交易数量的时间分布曲线，获得银行开户交易数量时间分布数据；根据不同的时间尺度，将银行开户交易数量时间分布数据进行分解，得到模态分量数据。在上述过程中，本发明实施例根据银行开户交易数量的时间分布曲线，得到银行开户交易数量的时间分布数据，将复杂的银行开户交易数量的时间分布数据分解，从而分析分解后的分量数据对整个交易过程的影响。
60.本发明实施例还提出一种交易数据分解装置，其原理与交易数据分解方法类似，这里不再赘述。图5为本发明实施例提出的交易数据分解装置示意图，图6为本发明实施例中交易数据分解装置的原理图，包括：
61.数据采集模块501，用于采集银行开户交易时间数据；
62.时间分布曲线绘制模块502，用于根据银行开户交易时间数据，绘制银行开户交易数量的时间分布曲线，获得银行开户交易数量时间分布数据；
63.数据分解模块503，用于根据不同的时间尺度，将银行开户交易数量时间分布数据进行分解，得到模态分量数据。
64.在一实施例中，数据采集模块，具体用于：
65.每产生一条新的银行开户交易数据时，记录交易时间，获得银行开户交易时间数据，并传输至数据池。
66.在一实施例中，时间分布曲线绘制模块，具体用于：
67.以银行开户交易时间数据中的交易时间为横轴，以银行开户交易时间数据中的开会交易数量为纵轴，绘制银行开户交易数量的时间分布曲线。
68.在一实施例中，数据分解模块，具体用于：
69.重复执行以下步骤，将银行开户交易数量时间分布数据进行分解，直至满足停止分解条件：
70.根据不同时间尺度，确定银行开户交易数量时间分布数据的所有极大值点和极小值点；
71.对所有极大值点和极小值点进行三次样条插值函数拟合，获得新的银行开户交易
数量时间分布数据；
72.判断所述新的银行开户交易数量时间分布数据是否满足模态分解的条件；
73.若是，对新的银行开户交易数量时间分布数据进行模态分解，获得模态分量数据；
74.用新的银行开户交易数量时间分布数据减去获得的模态分量数据，获得更新的银行开户交易数量时间分布数据；
75.用更新的银行开户交易数量时间分布数据代替银行开户交易数量时间分布数据。
76.在一实施例中，数据分解模块，具体用于：
77.当所述新的银行开户交易数量时间分布数据序列不存在负的局部极大值点和正的局部极小值点时，新的银行开户交易数量时间分布数据满足模态分解的条件；
78.否则，不满足模态分解的条件。
79.在一实施例中，数据分解模块，还用于：
80.利用三次样条插值函数，拟合所有极大值点和极小值点形成银行开户交易数量时间分布数据序列的上下包络线；
81.取上下包络线的均值，获取平均包络线；
82.用银行开户交易数量时间分布数据减去平均包络线，得到一个新的银行开户交易数量时间分布数据。
83.在一实施例中，所述装置还包括分析模块504，用于：
84.分析模态分量数据，得到频率分布和波动分布情况。
85.综上所述，本发明实施例与现有技术中直接对交易数据进行分析，无法得到可靠性高的结果相比，本发明通过采集银行开户交易时间数据；根据银行开户交易时间数据，绘制银行开户交易数量的时间分布曲线，获得银行开户交易数量时间分布数据；根据不同的时间尺度，将银行开户交易数量时间分布数据进行分解，得到模态分量数据。在上述过程中，本发明实施例根据银行开户交易数量的时间分布曲线，得到银行开户交易数量的时间分布数据，将复杂的银行开户交易数量的时间分布数据分解，从而分析分解后的分量数据对整个交易过程的影响。
86.本发明实施例还提供一种计算机设备，图7为本发明实施例中计算机设备的示意图，所述计算机设备700包括存储器710、处理器720及存储在存储器710上并可在处理器720上运行的计算机程序730，所述处理器720执行所述计算机程序830时实现上述基于区块链的优惠券支付方法。本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述参数本地化方法。
87.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述交易数据分解方法。
88.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述交易数据分解方法。
89.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。
90.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。
91.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。
92.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。
93.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。