一种营业网点的评估方法、装置、电子设备及存储介质

技术领域

本申请涉及数据处理技术领域，尤其涉及一种营业网点的评估方法、装置、电子设备及存储介质。

背景技术

目前，业务覆盖面广的公司如银行、燃气公司等都会开设多个营业网点，并在每个营业网点投入员工和业务终端，为了解一个网点的成效，通常需要从多个评估维度如员工服务技能、业务终端使用情况等对网点进行评估。

相关技术中，在从每一评估维度对业务网点进行评估时，针对该评估维度设计多种评估指标，并将选定营业网点产生的海量业务数据导入到可视化工具中，借助于可视化工具从海量业务数据中统计各种评估指标的指标数据，将各评估指标的指标数据作为营业网点在该评估维度上的评估结果。这种方式不但难以直观了解营业网点的成效，而且当从另一个评估维度评估业务网点时，还需重复以上操作，开发工作量也比较大。

发明内容

本申请实施例提供一种营业网点的评估方法、装置、电子设备及存储介质，用以解决相关技术中营业网点的评估方式存在的评估结果不直观、且开发工作量大的问题。

第一方面，本申请实施例提供一种营业网点的评估方法，包括：

当满足选定营业网点的评估条件时，获取每一评估维度上的模型配置数据；

解析所述模型配置数据，得到所述评估维度上的评估参数，所述评估参数包括多种评估指标、每种评估指标的评估规则和权重；

从所述营业网点产生的业务数据中，获取每种评估指标的指标数据，基于所述评估指标的评估规则，对所述指标数据进行计算，得到所述评估指标的得分；

基于各评估指标的得分和各评估指标的权重，确定所述营业网点在所述评估维度上的评估结果。

在一些实施例中，基于所述评估指标的评估规则，对所述指标数据进行计算，得到所述评估指标的得分，包括：

若所述评估指标属于启用计算框架的指标，则从计算框架集中选择与所述评估指标的指标类型对应的计算框架；

将所述评估规则和所述指标数据提交给所述计算框架进行计算，以得到所述评估指标的得分。

在一些实施例中，各评估指标的权重是基于经验配置的，和/或，各评估指标的权重是通过机器学习算法配置的。

在一些实施例中，从所述营业网点产生的业务数据中，获取每种评估指标的指标数据之前，还包括：

确定所述营业网点产生的业务数据符合本次评估的数据要求。

在一些实施例中，根据以下步骤配置每个评估维度上的评估参数：

响应于在所述评估维度上的参数配置操作，展示所述评估维度上的指标配置选项；

响应于对所述指标配置选项的选择操作，从评估指标集中选择评估指标，展示所述评估指标的权重设置控件和评估规则选项；

响应于对所述权重设置控件的设置操作，确定所述评估指标的权重，响应于对所述评估规则选项的选择操作，从评估规则集中选择所述评估指标的评估规则；

将选择的每种评估指标、每种评估指标的权重和评估规则，确定为所述评估维度上的评估参数。

在一些实施例中，还包括：

响应于对所述评估指标集的更新操作，在所述评估指标集中添加或删除评估指标；或者

响应于对所述评估规则集的更新操作，在所述评估规则集中添加或删除评估规则。

第二方面，本申请实施例提供一种营业网点的评估装置，包括：

获取模块，用于当满足选定营业网点的评估条件时，获取每一评估维度上的模型配置数据；

解析模块，用于解析所述模型配置数据，得到所述评估维度上的评估参数，所述评估参数包括多种评估指标、每种评估指标的评估规则和权重；

计算模块，用于从所述营业网点产生的业务数据中，获取每种评估指标的指标数据，基于所述评估指标的评估规则，对所述指标数据进行计算，得到所述评估指标的得分；

确定模块，用于基于各评估指标的得分和各评估指标的权重，确定所述营业网点在所述评估维度上的评估结果。

在一些实施例中，所述计算模块具体用于：

若所述评估指标属于启用计算框架的指标，则从计算框架集中选择与所述评估指标的指标类型对应的计算框架；

将所述评估规则和所述指标数据提交给所述计算框架进行计算，以得到所述评估指标的得分。

在一些实施例中，各评估指标的权重是基于经验配置的，和/或，各评估指标的权重是通过机器学习算法配置的。

在一些实施例中，还包括检测模块，用于：

在从所述营业网点产生的业务数据中，获取每种评估指标的指标数据之前，确定所述营业网点产生的业务数据符合本次评估的数据要求。

在一些实施例中，还包括配置模块，用于根据以下步骤配置每个评估维度上的评估参数：

响应于在所述评估维度上的参数配置操作，展示所述评估维度上的指标配置选项；

响应于对所述指标配置选项的选择操作，从评估指标集中选择评估指标，展示所述评估指标的权重设置控件和评估规则选项；

响应于对所述权重设置控件的设置操作，确定所述评估指标的权重，响应于对所述评估规则选项的选择操作，从评估规则集中选择所述评估指标的评估规则；

将选择的每种评估指标、每种评估指标的权重和评估规则，确定为所述评估维度上的评估参数。

在一些实施例中，所述配置模块还用于：

响应于对所述评估指标集的更新操作，在所述评估指标集中添加或删除评估指标；或者

响应于对所述评估规则集的更新操作，在所述评估规则集中添加或删除评估规则。

第三方面，本申请实施例提供一种电子设备，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中：

存储器存储有可被至少一个处理器执行的指令，该指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述营业网点的评估方法。

第四方面，本申请实施例提供一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，所述电子设备能够执行上述任一营业网点的评估方法。

第五方面，本申请实施例提供一种计算机程序产品，当计算机程序产品在被电子设备调用执行时，使得所述电子设备执行上述任一营业网点的评估方法。

本申请实施例中，当满足选定营业网点的评估条件时，获取每一评估维度上的模型配置数据，解析模型配置数据，得到该评估维度上的评估参数，评估参数包括多种评估指标、每种评估指标的评估规则和权重，从营业网点产生的业务数据中获取每种评估指标的指标数据，基于该评估指标的评估规则，对指标数据进行计算，得到该评估指标的得分，然后，基于各评估指标的得分和各评估指标的权重，确定营业网点在相应评估维度上的评估结果。这样，通过配置模型配置数据的方式开发每一评估维度上的评估方案，便于不同评估维度之间复用评估指标、评估规则等，所以可减少开发工作量，并且，确定出每种评估指标的得分，综各评估指标的得分和各评估指标的权重，确定营业网点在相应评估维度上的评估结果，也便于更直观地了解营业网点的成效。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的一种场景示意图；

图2为本申请实施例提供的一种架构图；

图3为本申请实施例提供的一种对营业网点进行评估的过程示意图；

图4为本申请实施例提供的一种营业网点的评估方法的流程图；

图5为本申请实施例提供的一种评估参数的配置流程图；

图6为本申请实施例提供的一种营业网点的评估装置的结构示意图；

图7为本申请实施例提供的一种用于实现营业网点的评估方法的电子设备的硬件结构示意图。

具体实施方式

为了解决相关技术中营业网点的评估方式存在的评估结果不直观、且开发工作量大的问题，本申请实施例提供了一种营业网点的评估方法、装置、电子设备及存储介质。

以下结合说明书附图对本申请的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本申请，并不用于限定本申请，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。并且，本申请的实施例中，对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

为了便于理解本申请，本申请涉及的技术术语中：

营业网点，一种面向用户的营业厅，如银行营业厅、燃气营业厅、保险营业厅、手机营业厅等。

评估维度，一种能反映出营业网点成效的评估角度，以银行的营业厅为例，评估维度可以是柜员的服务技能、柜员的劳动强度、ATM机的使用强度、开卡设备的使用强度、营业网点的时间支出等。

图1为本申请实施例一种可能的应用场景图，图中包含营业网点1～营业网点6，每个营业网点可办理至少一种业务。在一些实施例中，这多个营业网点可以为具体的营业机构或营业部门，如银行营业厅，则在上述应用场景中，每个营业网点可办理的业务可为银行营业厅可办理的各项业务。

进一步的，参阅图2所示，评估设备如服务器、电脑等可基于创建的数据传输通道，与各个营业网点(营业网点1～营业网点6)的网点设备连接，从需要评估的营业网点的网点设备获取该营业网点的业务数据，进而基于获取的业务数据实现本申请实施例提出的营业网点的评估方法。其中，上述数据传输通道包括且不限于：交换电话网(PSTN)、局域网(LAN)、广域网(WAN)等，网点设备可以是营业网点的业务终端也可以是收集业务终端产生的业务数据的其他设备。

相关技术中，将营业网点在一个评估维度上各评估指标的指标数据作为营业网点在该评估维度上的评估结果，这种方式不但难以直观了解营业网点的成效，而且当从另一个评估维度评估业务网点时，还需重复以上操作，开发工作量也比较大。

为了解决该问题，本申请实施例中，通过对营业网点的指标收集和业务评估沉淀归纳总结出评估方案，抽象评估方案得到评估模型，通过对评估模型的配置实现在任一评估维度上对营业网点的评估开发工作。当对选定的营业网点进行评估时，评估设备可加载在各评估维度上的模型配置数据，基于各评估维度上的模型配置数据，对营业网点在各评估维度上的业务数据进行加工处理，得到营业网点在各维度上的评估结果。这样，能快速且长期有效地从员工服务技能、劳动强度、设备使用强度，网点时间支出等多个评估维度对营业网点进行成效评估，利于提升营业网点的服务能力、风险管控能力以及客户体验。

本申请实施例中，将多种评估指标转化为一个能按关联性进行模块化综合评估的模型体系。对于不同营业网点的评估都可以按照下面的步骤进行模型设计：

1、选取营业网点需要的评估维度，并确定在这个评估维度上所需的评估指标，梳理评估指标之间的关联性，归纳成模块。

2、指标数据准备，从业务系统数据库同步或埋点采集数据后，以数据仓库的形式完成指标数据开发。

3、确定评估指标的权重占比系数，模块化权重占比系数，后续得到评估结果后，还可再进行权重占比调整，以得到更合适的权重系数。其中，在调整权重占比时可以引入机器学习算法，以得到更精确的指标占比和更真实的评估结果。

也就是说，可对营业网点的已有评估方案进行总结，梳理出营业网点评估场景中各评估指标之间的关联性，基于梳理出的关联性，将评估指标体系做成可配置的模块。同时，从各营业网点的网点设备采集各评估指标计算所需的指标数据，以为后续的成效评估做准备。当选定一个评估维度上对营业网点的评估指标后，支持设置各评估指标之间的权重占比，且支持在评估过程中更改各评估指标之间的权重占比。

例如，针对员工服务技能这一评估维度，可以选择单笔交易时长、连续交易时长、发生的交易种类数、柜员暂停服务时长作为评估指标，配置初期可以设置每个评估指标的权重占比均为0.25，引入机器学习算法进行数据训练后，每个评估指标的权重占比会变得更准确，从而使得从这个评估维度的网点成效评估也更真实。

图3为本申请实施例提供的一种对营业网点进行评估的过程示意图，包括自动化计算组件和模型引擎组件，自动化计算组件和模型引擎组件可以设置于一个设备中也可分散设置在不同设备中。并且，自动化计算组件包括持久化模型配置、定时/自定义提交计算、检测指标数据三个模块，模型引擎组件包括模型引擎、数据计算接入、模型规则程序和评估结果持久化四个模块，模型引擎模块的底层可支持Spark、Hadoop、Flink三种计算框架。

具体实施时，定时/自定义提交计算模块可在满足对选定营业网点的评估条件时，从持久化模型配置模块加载各评估维度上的模型配置数据，定时/自定义提交计算模块还可调用检测指标数据模块，检查参与计算的指标数据的准备情况，在确定准备完毕(如参与计算的指标数据的生成时间均符合要求)时，定时/自定义提交计算模块可向模型引擎模块提交评估任务，评估任务中携带有各评估维度上的模型配置数据。

模型引擎模块在接收到评估任务后，可对每个评估维度上的模型配置数据进行解析，得到该评估维度上的评估参数如多种评估指标、每种评估指标的评估规则和权重，然后，调用计算数据接入模块，从营业网点产生的业务数据中获取每种评估指标的指标数据，调用规则程序模块，利用每种评估指标的评估规则，对该评估指标的指标数据进行计算，得到该评估指标的得分，之后，模型引擎模块可基于各评估指标的得分和各评估指标的权重，确定营业网点在对应评估维度上的评估结果，并调用计算结果持久化模块对评估结果进行持久化处理。

其中，对于需要使用大批量历史指标数据计算得分的情况，模型引擎模块可以支持将每一个数据计算任务分发到Spark集群或Hadoop集群进行数据加工；对于需要使用实时增量指标数据计算得分的情况，模型引擎模块可以选择Flink进行数据加工。

本申请实施例提供的评估方案具有如下几个优点：

1、针对营业网点这一渠道业务场景沉淀出不同的模型评估方案，由之前的简单堆积评估指标度量转换成体系的评估模型，能更清晰直观地对营业网点进行成效评估，且支持将模型评估方案(即对评估模型的配置)持久化到数据库中进行保存，开发更容易。

2、对于新增的模型评估方案配置，开发人员可参照已有案例快速开发出新的评估规则程序，最终由模型引擎模块匹配相应的评估规则程序完成对应评估维度的成效评估。

3、在需要处理大批量或增量指标数据时，模型引擎模块可选择Spark集群、Hadoop集群或Flink进行数据加工，数据处理速度更快，利于提升评估速度。

4、自动化计算组件可以省去人员手动执行计算程序的步骤，检测指标数据模块还能检测参与计算的指标数据是否满足时间要求，只有满足才会生成计算任务，可避免无效的评估计算。

总之，本申请实施例中，对营业网点的成效评估采用综合评估法，抽象出综合评估模型，对各个评估指标设定权重占比，权重占比的更新可以引入机器学习算法，以得到更加精确的指标占比数据，更真实的评估结果。整个模型从设计到计算不需要业务或开发人员进行代码开发，模型规则程序、评估指标都可灵活地进行增减，扩展性也比较好。

下面以具体实施例对本申请提出的营业网点的评估方法进行说明。

图4为本申请实施例提供的一种营业网点的评估方法的流程图，包括以下步骤。

在步骤S41中，当满足选定营业网点的评估条件时，获取每一评估维度上的模型配置数据。

其中，每一评估维度上的模型配置数据是通过配置方式得到的。

在步骤S42中，解析模型配置数据，得到该评估维度上的评估参数，评估参数包括多种评估指标、每种评估指标的评估规则和权重。

其中，各评估指标的权重是基于经验配置的，和/或，各评估指标的权重是通过机器学习算法进行更新后配置的。

比如，各评估指标的权重可以基于经验进行一次性配置，各评估指标的权重可以基于机器学习算法进行一次性配置，各评估指标的权重还可以先基于经验进行配置，再基于机器学习算法进行更新后配置。

在步骤S43中，从营业网点产生的业务数据中，获取每种评估指标的指标数据，基于该评估指标的评估规则，对指标数据进行计算，得到该评估指标的得分。

其中，评估规则可以是简单的计算规则如求和、求期望等，也可以是复杂的计算规则如线性回归等，且复杂的计算规则通常表现为单独开发的模型规则程序。

在一些实施例中，若任一评估指标属于启用计算框架的指标，则可从计算框架集中选择与该评估指标的指标类型对应的计算框架，然后，将该评估指标的评估规则和该评估指标的指标数据提交给计算框架进行计算，从而得到该评估指标的得分。

其中，需启用计算框架的评估指标如使用大批量的历史指标数据进行计算，或，使用的指标数据为实时增量数据。并且，针对需要使用大批量的历史指标数据进行计算的情况，可以选择的计算框架如Spark集群、Hadoop集群等，对于需要实时增量数据进行计算的情况，可以选择的计算框架如Flink。

这样，借助于各种类型的计算框架计算评估指标的得分，利用提升评估指标得分的计算速度，进而提升对营业网点的评估速度。

在步骤S44中，基于各评估指标的得分和各评估指标的权重，确定营业网点在该评估维度上的评估结果。

比如，基于各评估指标的权重，对各评估指标的得分进行加权平均，将加权平均结果，确定为营业网点在该评估维度上的评估结果。

上述流程中，在从营业网点产生的业务数据中，获取每种评估指标的指标数据之前，还可以先判断营业网点产生的业务数据中是否符合本次评估的数据要求，若符合，再执行后续操作，若不符合，则不执行后续操作，以避免无效计算。其中，本次评估的数据要求如业务数据的生成时间位于过去一周内。

具体实施时，每个评估维度上的评估指标有很多，每种评估指标可使用的评估规则也可以有很多，为了便于在每种评估维度上进行评估，可将评估指标、评估规则都做成可配置的。具体地，可根据图5所示的流程配置每个评估维度上的评估参数，该流程包括以下步骤。

在步骤51中，响应于在任一评估维度上的参数配置操作，展示该评估维度上的指标配置选项。

在步骤52中，响应于对指标配置选项的选择操作，从评估指标集中选择评估指标，展示评估指标的权重设置控件和评估规则选项。

其中，评估指标集中有多种可选的评估指标，选择任一种评估指标后，即可展示该评估指标的权重设置控件和评估规则选项。

另外，还可响应于对评估指标集的更新操作，在评估指标集中添加或删除评估指标。也就是说，评估指标集是可以动态更新的，这样，评估指标集的扩展性比较好。

在步骤53中，响应于对权重设置控件的设置操作，确定评估指标的权重。

在步骤54中，响应于对评估规则选项的选择操作，从评估规则集中选择评估指标的评估规则。

其中，评估规则集中有多种可选的评估规则。

另外，还可响应于对评估规则集的更新操作，在评估规则集中添加或删除评估规则。也就是说，评估规则集也是可以动态更新的，这样，评估规则集的扩展性也比较好。

在步骤55中，将选择的每种评估指标、每种评估指标的权重和评估规则，确定为该评估维度上的评估参数。

需要说明的是，步骤53和步骤54之间没有严格的先后顺序关系。

基于相同的技术构思，本申请实施例还提供一种营业网点的评估装置，营业网点的评估装置解决问题的原理与上述营业网点的评估方法相似，因此营业网点的评估装置的实施可参见营业网点的评估方法的实施，重复之处不再赘述。

图6为本申请实施例提供的一种营业网点的评估装置的结构示意图，包括获取模块601、解析模块602、计算模块603、确定模块604。

获取模块601，用于当满足选定营业网点的评估条件时，获取每一评估维度上的模型配置数据；

解析模块602，用于解析所述模型配置数据，得到所述评估维度上的评估参数，所述评估参数包括多种评估指标、每种评估指标的评估规则和权重；

计算模块603，用于从所述营业网点产生的业务数据中，获取每种评估指标的指标数据，基于所述评估指标的评估规则，对所述指标数据进行计算，得到所述评估指标的得分；

确定模块604，用于基于各评估指标的得分和各评估指标的权重，确定所述营业网点在所述评估维度上的评估结果。

在一些实施例中，所述计算模块603具体用于：

若所述评估指标属于启用计算框架的指标，则从计算框架集中选择与所述评估指标的指标类型对应的计算框架；

将所述评估规则和所述指标数据提交给所述计算框架进行计算，以得到所述评估指标的得分。

在一些实施例中，各评估指标的权重是基于经验配置的，和/或，各评估指标的权重是通过机器学习算法配置的。

在一些实施例中，还包括检测模块605，用于：

在从所述营业网点产生的业务数据中，获取每种评估指标的指标数据之前，确定所述营业网点产生的业务数据符合本次评估的数据要求。

在一些实施例中，还包括配置模块606，用于根据以下步骤配置每个评估维度上的评估参数：

响应于在所述评估维度上的参数配置操作，展示所述评估维度上的指标配置选项；

响应于对所述指标配置选项的选择操作，从评估指标集中选择评估指标，展示所述评估指标的权重设置控件和评估规则选项；

响应于对所述权重设置控件的设置操作，确定所述评估指标的权重，响应于对所述评估规则选项的选择操作，从评估规则集中选择所述评估指标的评估规则；

将选择的每种评估指标、每种评估指标的权重和评估规则，确定为所述评估维度上的评估参数。

在一些实施例中，所述配置模块606还用于：

响应于对所述评估指标集的更新操作，在所述评估指标集中添加或删除评估指标；或者

响应于对所述评估规则集的更新操作，在所述评估规则集中添加或删除评估规则。

本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，另外，本申请各实施例中的各功能模块可以集成在一个处理器中，也可以是单独物理存在，也可以两个或两个以上模块集成在一个模块中。各个模块相互之间的耦合可以是通过一些接口实现，这些接口通常是电性通信接口，但是也不排除可能是机械接口或其它的形式接口。因此，作为分离部件说明的模块可以是或者也可以不是物理上分开的，既可以位于一个地方，也可以分布到同一个或不同设备的不同位置上。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

在介绍了本申请示例性实施方式的营业网点的评估方法和装置之后，接下来，介绍根据本申请的另一示例性实施方式的电子设备。

在一些可能的实施方式中，本申请的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的方法。

下面参照图7来描述根据本申请的这种实施方式实现的电子设备130。图7显示的电子设备130仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图7所示，电子设备130以通用电子设备的形式表现。电子设备130的组件可以包括但不限于：上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。

总线133表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。

存储器132可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)1321和/或高速缓存存储器1322，还可以进一步包括只读存储器(ROM)1323。

存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325，这样的程序模块1324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

电子设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备130交互的设备通信，和/或与使得该电子设备130能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且，电子设备130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器136通过总线133与用于电子设备130的其它模块通信。应当理解，尽管图中未示出，可以结合电子设备130使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

在示例性实施例中，还提供了一种包括指令的计算机可读存储介质，例如包括指令的存储器132，上述指令可由处理器131执行以完成上述营业网点的评估方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

在示例性实施例中，还提供一种计算机程序产品，当计算机程序产品在被电子设备调用执行时，使得所述电子设备执行本申请提供的任一示例性方法。

并且，计算机程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、RAM、ROM、可擦式可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、闪存、光纤、光盘只读存储器(Compact Disk Read Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

本申请实施例中用于营业网点的评估的程序产品可以采用CD-ROM并包括程序代码，并可以在计算设备上运行。然而，本申请的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、射频(Radio Frequency，RF)等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络如局域网(Local AreaNetwork，LAN)或广域网(Wide Area Network，WAN)连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。

此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。

本申请是参照根据本申请实施例的方法、装置(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。

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。

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。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。