(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211005011.X (22)申请日 2022.08.22 (71)申请人 中国平安人寿保险股份有限公司 地址 518000 广东省深圳市福田区益田路 5033号平安金融中心14、 15、 16、 37、 41、 44、 45、 46层 (72)发明人 陈思妮　 (74)专利代理 机构 深圳众鼎专利商标代理事务 所(普通合伙) 44325 专利代理师 谭果林 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 30/02(2012.01) G06Q 10/04(2012.01) G06Q 30/00(2012.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 数据处理方法、 装置、 设备及存 储介质 (57)摘要 本发明涉及数据处理领域， 公开了一种数据 处理方法、 装置、 设备及存储介质， 方法包括： 获 取目标产品的产品历史总数据， 并基于产品历史 总数据对目标产品的业绩增长进行深度学习， 训 练得到目标预测模型； 获取目标代理人在预设时 段内任务指标数据产品的历史数据， 记为目标历 史数据， 并对目标历史数据进行指标分类得到多 个分类指标数据； 采用目标预测模 型对多个分类 指标数据进行预测， 得到目标代理人对目标产品 的业绩增长率； 根据业绩增长率与目标历史数 据， 确定目标代理人对目标产品的任务指标数 据， 提高了代理人的销售指标的准确性。 权利要求书2页 说明书14页 附图5页 CN 115271531 A 2022.11.01 CN 115271531 A 1.一种数据处 理方法， 其特 征在于， 包括： 获取目标产品的产品历史总数据， 并基于所述产品历史总数据对所述目标产品的业绩 增长进行深度学习， 训练得到目标 预测模型； 获取目标代理人在预设时段内销售所述目标产品的历史数据， 记为目标历史数据， 并 对所述目标历史数据进行指标分类得到多个分类指标 数据； 采用所述目标预测模型对多个所述分类指标数据进行预测， 得到所述目标代 理人对所 述目标产品的业绩增长率； 根据所述业绩增长率与所述目标历史数据， 确定所述目标代理人对所述目标产品的任 务指标数据。 2.如权利要求1所述的数据处理方法， 其特征在于， 所述确定所述目标代理人对所述目 标产品的任务指标 数据之后， 所述方法还 包括： 将所述任务指标数据推送至所述目标代理人的终端设备， 以提示所述目标代 理人执行 所述任务指标 数据； 对所述目标代 理人执行所述任务指标数据的实际业绩行追踪监测， 以在所述实际业绩 不满足预设业绩要求时， 对所述目标代理人进行业绩预警。 3.如权利要求2所述的数据处理方法， 其特征在于， 所述对所述目标代 理人执行所述任 务指标数据的实际业绩行追踪监测， 以在所述实际业绩不满足预设业绩要求时， 对所述 目 标代理人进行业绩预警， 包括： 对所述任务指标 数据进行拆分， 得到不同统计时段内的子任务指标 数据； 监测所述目标代理人执行所述任务指标数据的实际业绩， 得到各所述统计时段对应的 子业绩； 确定各所述统计时段对应的子业绩， 是否满足对应所述统计时段内的子任务指标数 据； 若所述统计时段对应的子业绩， 未满足对应所述统计时段内的子任务指标数据， 则对 所述目标代理人进行 预警。 4.如权利要求1所述的数据处理方法， 其特征在于， 所述根据所述业绩增长率与所述目 标历史数据中的产品销售额， 确定所述目标代理人对所述目标产品的任务指标 数据， 包括： 确定所述目标历史数据中的产品销售额， 并确定所述业绩增长率与 所述产品销售额的 乘积， 作为待优化销售额； 确定所述目标代理人对所述目标产品的业绩评分值， 将所述待优化销售额与 所述业绩 评分值的乘积， 作为所述目标代理人对所述目标产品的任务指标 数据。 5.如权利要求4所述的数据处理方法， 其特征在于， 所述确定所述目标代理人对所述目 标产品的业绩评分值， 包括： 获取所述目标代理人的业绩评估模型， 所述业绩评估模型为根据 所述目标代 理人销售 不同产品的历史数据， 对所述目标代理人的销售能力进行深度学习训练得到 评估模型； 将所述目标历史数据输入所述业绩评估模型进行销售能力 评估， 并获得所述业绩评估 模型输出的评分值， 记为所述 业绩评分值。 6.如权利要求1 ‑5任一项所述的数据处理方法， 其特征在于， 所述对所述目标历史数据 进行指标分类得到多个分类指标 数据， 包括：权　利　要　求　书 1/2 页 2 CN 115271531 A 2获取多个预设指标， 所述预设指标包括销售指标和售后反馈指标， 所述销售指标包括 产品销售额指标、 客户购买次数指标、 客户连续购买次数指标， 所述售后反馈指标包括客户 反馈次数指标和客户质量投诉次数指标； 根据多个所述预设指标对所述目标历史数据进行数据分类， 得到多个所述分类指标数 据， 所述分类指标数据包括产品销售额、 客户购买次数、 客户连续购买次数、 客户反馈次数 和客户质量问题投诉次数。 7.如权利要求1 ‑5任一项所述的数据处理方法， 其特征在于， 所述产品历史总数据包括 不同时段的产品历史数据， 所述基于所述产品历史总数据对所述目标产品的业绩增长进 行 深度学习， 训练得到目标 预测模型， 包括： 对各个时段的所述产品历史数据进行预处理， 得到各个时段的历史样本数据， 每一所 述历史样本数据对应一个实际业绩增长率； 将所述历史样本数据输入包含初始参数的预设模型， 通过所述预设模型对所述历史样 本数据进行增长率评估， 得到预估业绩增长率； 根据所述预估业绩增长率与 所述历史样本数据对应的所述实际业绩增长率， 确定总损 失值； 当所述总损 失值未满足收敛条件时， 根据所述历史样本数据迭代更新所述预设模型， 直至所述总损失值满足所述收敛条件时， 将收敛的所述预设模型输出为所述目标预测模 型。 8.一种数据处 理装置， 其特 征在于， 包括： 训练模块， 用于获取目标产品的产品历史总数据， 并基于所述产品历史总数据对所述 目标产品的业绩增长进行深度学习， 训练得到目标 预测模型； 分类模块， 用于获取目标代理人在预设时段内销售所述目标产品的历史数据， 记为目 标历史数据， 并对所述目标历史数据进行指标分类得到多个分类指标 数据； 预测模块， 用于采用所述目标预测模型对多个所述分类指标数据进行预测， 得到所述 目标代理人对所述目标产品的业绩增长率； 确定模块， 用于根据所述业绩增长率与所述目标历史数据， 确定所述目标代理人对所 述目标产品的任务指标 数据。 9.一种计算机设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器 上运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1至 7任一项所述数据处 理方法的步骤。 10.一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， 其特征在 于， 所述计算机程序被处理器执行时实现如权利要求1至7任一项所述数据处理方法的步 骤。权　利　要　求　书 2/2 页 3 CN 115271531 A 3