基于大数据级联的银行信息管理系统、银行信息管理方法

技术领域

本发明属于银行信息管理技术领域，具体地讲，涉及银行业务的排队预约系统及其方法、计算机可读存储介质、计算机设备。

背景技术

以往的银行智慧运营管理信息系统采用传统的手工管理方式，面对海量数据往往需要花费大量的时间成本。大数据处理技术目前已经成熟的运用到运营管理信息系统上，目前成熟的技术框架有Teradata天睿公司的动态企业数据仓库Active EDW，其主要注重于底层数据存储以及数据处理层面；IBM公司的银行业系统管理解决方案依赖于SPSSClementine数据挖掘平台与Cognos Analytics数据可视化分析工具开发出一套数据管理模型。

目前银行运营管理信息系统存在一定缺陷。首先，我国的银行组织架构采用以区域管理为主的总分型组织构架，存在营业网点多，柜员及业务大等问题，不同机构里的不同柜员每天处理不同的业务不计其数，传统的技术手段已经无法支撑海量数据，采用人工导入数据的方式会带来昂贵的人工成本；其次，以分散运营管理测算方式存在数据分散、效率不高、数据分析不够全面等问题。分行总体企业管理决策和指示预警没有与机构网点、柜员及业务相挂钩，基于大数据挖掘和可视化的画像模型缺失，有待提高领导项目策略在企业管理的靶向性和精准性。因此，如何将这些大数据真正利用起来以帮助银行构建“精益化、级联化、信息化”是银行运营管理信息系统的丞待解决的问题。

发明内容

(一)本发明所要解决的技术问题

如何提高数据获取效率以及建立级联化管理系统，以实现精细化管理。

(二)本发明所采用的技术方案

一种基于大数据级联的银行信息管理方法，所述银行信息管理方法包括：

从数据窗口自动获取预设目标域数据，所述预设目标域数据包括柜员数据、网点数据和分行数据；

根据所述柜员数据构建柜员画像模型；

根据所述网点数据和所述柜员画像模型构建网点画像模型；

根据所述分行数据、所述网点画像模型和所述柜员画像模型构建分行画像模型。

优选地，从数据窗口自动获取预设目标域数据的方法包括：

利用RPA机器人对数据窗口中的源域数据以及待获取的目标域数据进行标注；

对标注后的源域数据和待获取的目标域数据建立匹配关系；

根据匹配关系，将源域数据填充至目标域中，形成预设目标域数据。

优选地，根据所述柜员数据构建柜员画像模型的方法为根据所述柜员数据构建基本信息单元、业务素质单元、风险监控单元、培训单元、职业生涯单元。

优选地，根据所述网点数据和所述柜员画像模型构建网点画像模型的方法为：

根据所述网点数据构建岗位设置单元；

根据所述网点数据和所述风险监控单元构建关注事项单元；

根据所述网点数据和所述柜员画像模型构建网点动态单元。

优选地，根据所述分行数据、所述网点画像模型和所述柜员画像模型构建分行画像模型的方法为：根据所述分行数据、所述网点画像模型和所述柜员画像模型构建考核指标单元和整体情况单元。

本申请还公开了一种基于大数据级联的银行信息管理系统，所述银行信息管理系统包括：

数据获取模块，用于从数据窗口自动获取预设目标域数据，所述预设目标域数据包括柜员数据、网点数据和分行数据；

柜员画像模块，用于根据所述柜员数据构建柜员画像模型；

网点画像模块，用于根据所述网点数据和所述柜员画像模型构建网点画像模型；

分行画像模块，用于根据所述分行数据、所述网点画像模型和所述柜员画像模型构建分行画像模型。

优选地，所述数据获取模块还用于：

利用RPA机器人对数据窗口中的源域数据以及待获取的目标域数据进行标注；

建立源域数据和待获取的目标域数据的匹配关系；

根据匹配关系，将源域数据填充至目标域中，形成预设目标域数据。

优选地，所述柜员画像模型包括：基本信息单元、业务素质单元、风险监控单元、培训单元、职业生涯单元。

优选地，所述网点画像模型包括：岗位设置单元、关注事项单元和网点动态单元。

优选地，所述分行画像模型包括考核指标单元和整体情况单元。

(三)有益效果

本发明公开了一种基于大数据级联的银行信息管理方法，相对于传统的方法，具有如下技术效果：

在数据处理层面使用RPA机器人批量管理，既极大提高了工作效率，又降低了操作风险。通过RPA机器人的任务调度自动执行处理事务性工作，用于模仿人操控不同数据窗口获取数据源，并自觉执行源域数据与目标域数据的填充对比，在不新增业务系统接口情况下实现全天候高效执行任务。在全行预警分析层面构建柜员画像、网点画像和分行画像三个功能模块，通过整合运用目前各业务系统交易数据，建立级联化的数据分析应用提升运营工作的精细化管理及效率。

附图说明

图1为本发明的实施例一的基于大数据级联的银行信息管理方法的流程图；

图2为本发明的实施例二的基于大数据级联的银行信息管理系统的整体框架图；

图3为本发明的实施例二的基于大数据级联的银行信息管理系统的另一原理框图；

图4为本发明的实施例二的基于大数据级联的银行信息管理系统的技术架构图；

图5为本发明的实施例的计算机设备原理框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在详细描述本申请的各个实施例之前，首先简单描述本申请的发明构思：现有技术中采用人工导入数据的方式，会造成高昂的成本，同时采用分散运营管理测算方式会造成数据分散、效率不高和数据分析不全面等问题，本申请首先自动地从各个数据窗口中获取预设目标域数据，并在此基础上建立柜员、网点和分行级联的银行信息管理系统，极大地提升了管理效率。

具体来说，如图1所示，本实施例一的基于大数据级联的银行信息管理方法，所述银行信息管理方法包括如下步骤：

步骤S10：从数据窗口自动获取预设目标域数据，所述预设目标域数据包括柜员数据、网点数据和分行数据；

步骤S20：根据所述柜员数据构建柜员画像模型；

步骤S30：根据所述网点数据和所述柜员画像模型构建网点画像模型；

步骤S40：根据所述分行数据、所述网点画像模型和所述柜员画像模型构建分行画像模型。

在步骤S10中，从数据窗口自动获取预设目标域数据的方法包括如下步骤：

步骤S11：利用RPA机器人对数据窗口中的源域数据以及待获取的目标域数据进行标注；

步骤S12：对标注后的源域数据和待获取的目标域数据建立匹配关系；

步骤S13：根据匹配关系，将源域数据填充至目标域中，形成预设目标域数据。

具体来说，建立源域数据与待获取的目标域数据的匹配关系之后，并将源域数据根据数据类型使用GET、Send hotkey等组件填充至目标域。其中，源域数据来源有总分行差错数据、零售客户投诉数据、运营基础管理系统人员信息、核心系统业务交易数据、叫号机评价数据及业务知识考核数据；预设目标域数据包括柜员数据、网点数据以及分行数据。以中信银行广州分行为例，具有营业网点100个，运营人员数量超过700人，平均每日处理业务量超过2.5万笔。针对银行的海量数据，使用7*24小时高效并发执行的RPA机器人进行数据处理。

进一步地，在步骤S20中，根据所述柜员数据构建基本信息单元、业务素质单元、风险监控单元、培训单元、职业生涯单元。该步骤S20通过柜员业务交易数据的整合分析，展现柜员业务能力结构情况；通过各项技能及业务知识的考核成绩，同时对业务知识考核正确和答错的题目、加上日常业务交易中处理时长超过平均值、以及业务交易差错进行汇总及分类统计，从而换算出人员技能特长、业务专长以及业务易错点和盲点。

具体来说，基本信息单元展现柜员个人基本信息情况，包括个人信息、教育信息、家庭信息、工作经历等，辅以短视频、荣誉墙、个人标签等形式展现。业务素质单元包括业务技能、业务交易数据、核算质量、服务品质，以及其他包括柜面服务质量、转介营销能力等。风险监控单元控按照周期天、周、月、季、年，以及指定日期关注员工业务量、差错数据、服务投诉变化情况，通过设置预警的偏离伐值，同时加入交易数据监控的时间点、业务种类分析，预警高发时间及业务品种进行风险监控。培训学习单元根据业务素质单元统计各业务办理时长，差错集中情况，差错高低，针对个人弱项系统自动挑选推送对应的课件学习及安排考核。职业生涯单元通过设置参数得出一定期限内在技能、业务知识、业务交易、服务质量等方面的考核结果值，通过考核结果值指定人才培养计划，并通过系统综合分析得出推荐人员排列放在职位换岗备用池。

进一步地，在步骤S30中，网点画像模型包括岗位设置单元、关注事项单元和网点动态单元。其中，岗位设置单元根据一/二级分行、同城异地、分行营业部/普通支行、智能网点等实际业务差别情况进行分类，设置每个类别需要的岗位及对应适位参数；关注事项单元为柜员画像模型中风险监控单元的整合及引申，通过与柜员画像模型的数据级联建立一个以网点为中心的风险关注事项；网点动态单元通过整合本网点柜员画像建立基础模型，包括满两年柜员的占比、男女柜员比例、孕产/计划怀孕女员工占比情况、网点轮岗人员情况、网点考核排名等动态信息。

具体地，在步骤S40中，根据所述分行数据、所述网点画像模型和所述柜员画像模型构建分行画像模型的方法为：根据所述分行数据、所述网点画像模型和所述柜员画像模型构建考核指标单元和整体情况单元。其中，考核指标单元展示总行对分行考核指标的展现，包括远程授权回退率、智慧柜台替代率、集中业务回退率、柜面业务总量、柜员人日均交易量等指标及分行排名情况，通过考核指标的上沉下浮发现问题归因，从分行到网点到柜员再到业务逐层剖析，为全行评估运营能力提供预警；整体情况单元包括运营人员结构、网点分布、分行运营人才库等数据模型，为全行运营提供业务分析和决策的依据。

如图2所示，本实施例二提供了一种基于大数据级联的银行信息管理系统，所述银行信息管理系统包括：数据获取模块100、柜员画像模块200、网点画像模块300和分行画像模块400。其中，数据获取模块100用于从数据窗口自动获取预设目标域数据，所述预设目标域数据包括柜员数据、网点数据和分行数据；柜员画像模块200用于根据所述柜员数据构建柜员画像模型；网点画像模块300用于根据所述网点数据和所述柜员画像模型构建网点画像模型；分行画像模块400用于根据所述分行数据、所述网点画像模型和所述柜员画像模型构建分行画像模型。

进一步地，所述数据获取模块400还用于：利用RPA机器人对数据窗口中的源域数据以及待获取的目标域数据进行标注；建立源域数据和待获取的目标域数据的匹配关系；根据匹配关系，将源域数据填充至目标域中，形成预设目标域数据。数据获取模块的更详细工作过程已在实施例一中描述，在此不进行赘述。

进一步地，如图3所示，所述柜员画像模型包括：基本信息单元、业务素质单元、风险监控单元、培训单元、职业生涯单元；所述网点画像模型包括：岗位设置单元、关注事项单元和网点动态单元；所述分行画像模型包括考核指标单元和整体情况单元。所述柜员画像模型、所述网点画像模型和所述分行画像模型三者的构建过程已在实施例一中描述，在此不进行赘述。

如图4所示，银行信息管理系统的技术架构采用前后端分离；后端采用SpringBoot+mybatis，前端采用vue进行开发。通过ajax请求系统业务接口层交互，获取数据渲染页面。后台系统框架基于J2EE开发，采用SpringBoot结构以及整合mybatis可适用于多种操作平台和操作数据库。结构上的合理性为系统提供稳定的运行环境，具有高度的扩展性、稳定性和可靠性。其中，服务器请求响应采用分层体系架构设计，各层采用接口隔离，各层面向接口编程，具体过程如下：

(1)采用jquery的ajax方式调用XXController提供的web服务的服务地址。

(2)在XXController具体调用XXService的方法进行响应。

(3)XXService具体调用XXDao的方法进行响应。

(4)XXDao完成与DB交互。

系统采用多层架构，分为浏览器层、Web服务器层、应用服务器层、数据层，将业务逻辑放在应用服务器层，把数据存储和用户界面完全分开。这样分层的设计使得系统具有良好的可扩展性、移植性、可维护性等。

本实施例二提供的银行运营管理信息系统，在数据处理层面使用RPA机器人批量管理，既极大提高了工作效率，又降低了操作风险。通过RPA机器人的任务调度自动执行处理事务性工作，用于模仿人操控不同数据窗口获取数据源，并自觉执行源域数据与目标域数据的填充对比，在不新增业务系统接口情况下实现全天候高效执行任务。在全行预警分析层面构建柜员画像、网点画像和分行画像三个功能模块，通过整合运用目前各业务系统交易数据，建立级联化的数据分析应用提升运营工作的精细化管理及效率。

进一步地，本实施例三还公开了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基于大数据级联的银行信息管理程序，所述基于大数据级联的银行信息管理程序被处理器执行时实现上述的基于大数据级联的银行信息管理方法。

进一步地，本实施例四还公开了一种计算机设备，在硬件层面，如图5所示，该计算机设备包括处理器12、内部总线13、网络接口14、计算机可读存储介质11。处理器12从计算机可读存储介质中读取对应的计算机程序然后运行，在逻辑层面上形成请求处理装置。当然，除了软件实现方式之外，本说明书一个或多个实施例并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。所述计算机可读存储介质11上存储有基于大数据级联的银行信息管理程序，所述基于大数据级联的银行信息管理程序被处理器执行时实现上述的基于大数据级联的银行信息管理方法。

计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁盘存储、量子存储器、基于石墨烯的存储介质或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

上面对本发明的具体实施方式进行了详细描述，虽然已表示和描述了一些实施例，但本领域技术人员应该理解，在不脱离由权利要求及其等同物限定其范围的本发明的原理和精神的情况下，可以对这些实施例进行修改和完善，这些修改和完善也应在本发明的保护范围内。