本公開提供了一種網點客流量的預測方法、系統、電子設備及存儲介質，應用于金融科技領域或其它領域，包括：獲取各網點的歷史客流量數據和場景描述數據，并據此生成各網點的歷史客流量特征和場景描述特征；根據歷史客流量特征和場景描述特征生成場景識別模型；將歷史客流量數據劃分為訓練集和測試集，生成至少一個客流量預測模型；根據場景識別模型和客流量預測模型對待預測網點的客流量進行預測，并將得到的客流量數據推送給待預測網點。本公開的方法可以自動地為不同銀行營業網點選擇不同的客流量預測模型。本公開還提供了一種網點客流量的預測系統、電子設備及計算機可讀存儲介質。

技術領域

本公開涉及數據處理技術領域，具體涉及一種網點客流量的預測方法、系統、電子設備及存儲介質。

背景技術

銀行營業網點是銀行對外營業的重要地方，各大銀行營業網點每天需要接待成千上百的客戶。為了有效為客戶提供高質量的服務，需要精準預測銀行營業網點客流量，合理安排銀行營業網點工作人員，實現銀行營業網點工作人員與顧客的匹配，提高銀行營業網點的運營效率、降低客戶等待時間、提高客戶的滿意度。

傳統的銀行營業網點客流量預測，通?；跇I務人員的經驗以及對歷史數據的簡單統計，或者采用一般的時間序列預測算法，如指數平滑算法、ARIMA算法等。由于各個網點的客流量受所在地區的經濟環境、周邊人文環境、交通環境、天氣環境、國家節假日、重大事件等影響，單一的時間序列預測算法難以適用于所有銀行營業網點。因此，自動地為不同銀行營業網點選擇不同的時間序列預測算法就顯得特別重要。

發明內容

(一)要解決的技術問題

針對上述問題，本公開提供了一種網點客流量的預測方法、系統、電子設備及存儲介質，用于至少部分解決傳統單一的時間序列預測算法難以適用于所有銀行營業網點等技術問題。

(二)技術方案

本公開一方面提供了一種網點客流量的預測方法，包括：獲取各網點的歷史客流量數據和場景描述數據，并據此生成各網點的歷史客流量特征和場景描述特征；根據歷史客流量特征和場景描述特征生成場景識別模型；將歷史客流量數據劃分為訓練集和測試集，生成至少一個客流量預測模型；根據場景識別模型和客流量預測模型對待預測網點的客流量進行預測，并將得到的客流量數據推送給待預測網點。

進一步地，生成至少一個客流量預測模型還包括：根據場景識別模型得到不同的場景類別，并根據不同的場景類別確定與之對應的客流量預測模型。

進一步地，根據不同的場景類別確定與之對應的客流量預測模型包括：計算不同的場景類別對應的各個客流量預測模型的平均預測誤差，根據平均預測誤差的大小確定每個場景對應的客流量預測模型。

進一步地，根據場景識別模型和客流量預測模型對待預測網點的客流量進行預測包括：獲取待預測網點的歷史客流量數據和場景描述數據，并據此生成待預測網點的歷史客流量特征和場景描述特征；將歷史客流量特征、場景描述特征輸入場景識別模型，確定場景類別；根據場景類別確定對應的客流量預測模型，根據該客流量預測模型對待預測網點的客流量進行預測。

進一步地，根據場景類別確定對應的客流量預測模型包括：根據場景類別，選取該場景類別對應的平均預測誤差最小的客流量預測模型，并根據該平均預測誤差最小的客流量預測模型對待預測網點客流量進行預測。

進一步地，客流量預測模型包括時間序列預測算法，時間序列預測算法包括線性回歸算法、指數平滑算法、ARIMA算法、SARIMA算法、LSTM算法、隨機游走算法。

進一步地，據此生成各網點的歷史客流量特征和場景描述特征包括：根據各網點的歷史客流量數據和場景描述數據生成統計特征數據，包括均值、中位數、標準差、25％分位數、75％分位數、最小值和最大值。