快递时间画像的生成方法、生成装置、设备及存储介质与流程

1.本发明涉及快递技术领域，具体涉及一种快递时间画像的生成方法、生成装置、设备及存储介质。


背景技术：

2.快递行业的兴起，极大地方便了用户网上购物，随着快递行业的发展，快递行业仍存在以下问题：
3.1、快递行业的业务量会受到用户的购物频次、用户的购物习惯以及节日促销活动的影响，但是，目前还没有利用快递数据信息对消费者购物频次、购物习惯进行挖掘，不能实现通过快递业务洞察分析消费者；
4.2、消费者对揽件时间、取件时间、快递全程时间有个性化服务要求，但目前快递行业的服务提升受限，难以满足个性化服务要求；
5.3、快递行业运转受电商活动等影响较大，快递运转规划比较被动。


技术实现要素：

6.针对快递行业中存在的缺陷，本申请提供一种快递时间画像的生成方法、生成装置、设备及存储介质，通过快递时间画像能够抽象出与消费者购物时间相关的不同购物场景、购物动机、购物体验、购物反馈，进而抽象出消费者购物时间全貌。
7.本发明技术方案如下：
8.本发明提供一种快递时间画像的生成方法，包括步骤：
9.获取并存储快递业务数据信息，所述快递业务数据信息包括从快递订单生成到快递派送结束各操作环节的数据信息；
10.提取所述快递业务数据信息中的时间信息；
11.对所述时间信息进行关联分析处理，生成快递时间画像。
12.进一步优选的，所述获取并存储快递业务数据信息，具体包括步骤：
13.采集快递业务中各操作环节的数据信息；
14.通过日志分析器对所述数据信息进行解析，并将解析的数据信息转化成结构化数据；
15.将所述结构化数据存储于kafka消息队列中。
16.进一步优选的，所述将解析的数据信息转化成结构化数据之前，还包括对解析的数据信息进行数据脱敏处理的步骤。
17.进一步优选的，所述对所述数据信息进行解析之后，还包括判断解析后的数据信息中的时间信息是否异常，若异常，进一步还包括对异常的时间信息进行修正。
18.进一步优选的，所述对所述时间信息进行关联分析处理，生成快递时间画像，包括步骤：
19.将所述时间信息与预设时间属性信息进行匹配；
20.建立匹配的时间信息和预设时间属性信息的快递时间画像。
21.进一步优选的，所述预设时间属性信息包括电商节日、阳历节日、农历节日、自定义节日、快递周期。
22.进一步优选的，所述提取所述快递业务数据信息中的时间信息的过程中还包括提取所述快递业务数据信息中的id信息，进一步，所述生成快递时间画像后，还包括将所述id信息与所述快递时间画像进行关联映射。
23.本发明还提供一种快递时间画像的生成装置，包括：
24.获取模块，用于获取并存储快递业务数据信息，所述快递业务数据信息包括从快递订单生成到快递派送结束各操作环节的数据信息；
25.提取模块，用于提取所述快递业务数据信息中的时间信息；
26.生成模块，用于对所述时间信息进行关联分析处理，生成快递时间画像。
27.本发明还提供一种快递时间画像终端设备，包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由所述处理器加载并执行以实现上述的快递时间画像的生成方法。
28.本发明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上存储有计算机程序，所述计算机程序被处理器执行时实现上述的快递时间画像的生成方法。
29.依据本发明提供的快递时间画像的生成方法、生成装置、设备及存储介质，至少具有以下优点：
30.1)通过快递时间画像，能够实现快递件数量预测，进一步实现快递智能排班、快递路由规划。
31.2)通过快递时间画像能够抽象出与消费者购物时间相关的不同购物场景、购物动机、购物体验、购物反馈，进而抽象出消费者购物时间全貌，进一步能够实现快递更全面、更智能服务于商城、商家、消费者、电商平台、网点、快递员。
32.3)提升快递服务效率，提高消费者体验。
33.4)为个性化快递产品提供数据支撑。
附图说明
34.图1为快递流程图；
35.图2为快递时间画像生成方法流程图；
36.图3为快递时间画像生成装置原理图；
37.图4为快递时间画像终端设备原理图。
具体实施方式
38.下面通过具体实施方式结合附图对本发明作进一步详细说明。
39.在大数据时代背景下，用户信息充斥在网络中，将用户的每个具体信息抽象成标签，利用这些标签将用户形象具体化，从而为用户提供具有针对性的服务，这就是用户画像，且用户画像在各领域得到了广泛的应用。反观快递行业的基本特色，一个完整的快递流程图如图1所示，不论是揽件环节，还是派送环节，快递全过程中的各操作环节都有具体的
操作时间，基于用户画像的构思，本申请创造性地提出快递时间画像的构思，即将快递的每个操作环节的时间信息抽象成标签，利用这些标签生成快递时间画像。通过快递时间画像能够解决快递行业目前存在的问题，例如，通过快递时间画像，能够实现快递件数量预测，进一步实现快递智能排班、快递路由规划；通过快递时间画像还能够提升消费者的个性化快递产品服务，例如，满足消费者对揽件时间、取件时间的个性化服务要求；通过快递时间画像还能够抽象出与消费者购物时间相关的不同购物场景、购物动机、购物体验、购物反馈，进而抽象出消费者购物时间全貌，进一步能够实现快递更全面、更智能服务于商城、商家、消费者、电商平台、网点、快递员。下面对本申请提出的快递时间画像的具体实现方案进行描述。
40.实施例一：
41.本实施例提供一种快递时间画像的生成方法，其流程图如图2所示，具体包括以下步骤。
42.s100：获取并存储快递业务数据信息。
43.其中，快递业务数据信息包括从快递订单生成到快递派送结束各操作环节的数据信息；请继续参考图1，在快递订单生成环节，该环节产生的数据信息例如包括发件人基本信息、收件人基本信息、快递订单号；在营业网点环节，该环节产生的数据信息例如包括营业网点的基本信息、操作时间信息；依次类推，在快递各环节产生相应的数据信息。
44.快递各环节配置有相应的操作设备(例如扫码器)，通过该操作设备对相应环节产生的数据信息进行采集，然后该操作设备将采集的数据通过flume数据通道或kafka数据通道发送给后台管理系统(例如管理平台)，该后台管理系统用于收集快递各环节的数据信息，以便对快递业务数据信息进行统一管理。
45.进一步，获取并存储快递业务数据信息具体包括以下步骤：
46.s101：获取快递业务中各操作环节的数据信息。
47.具体的，基于上述的后台管理系统获取快递业务数据信息，该后台管理系统将收集的各环节的数据信息通过关联映射进行管理存储，例如，将某一快递自生成订单到派送结束各环节产生的数据信息根据快递订单号进行关联映射存储，使得，后续根据该快递订单号即可调取与该快递订单号关联的所有数据信息，这种关联映射存储方式，极大地方便了后续查看或查找所需的数据信息。
48.s102：对数据信息进行解析，并将解析的数据信息转化成结构化数据。
49.由于不同的快递环节所产生的数据信息不同，不同的操作设备所产生的数据格式也可能有所不同，为了方便后续时间信息的提取，本步骤对获取的数据信息进行解析，并将解析的数据信息转化成结构化数据。
50.结构化数据也称作行数据，是由二维表结构来逻辑表达和实现的数据，严格地遵循数据格式与长度规范，主要通过关系型数据库进行存储和管理。结构化数据的一般特点是：数据以行为单位，一行数据表示一个实体的信息，每一行数据的属性是相同的。能够用数据或统一的结构加以表示，称之为结构化数据，如数字、符号。传统的关系数据模型、行数据，存储于数据库，可用二维表结构表示。因此，结构化数据非常方便查询，进一步极大地方便了步骤s200中的提取操作。
51.由于快递业务数据信息中包含了收件人或/和发件人的敏感信息(例如性别)，进
一步，将解析的数据信息转化成结构化数据之前，还包括对解析的数据信息进行数据脱敏处理的步骤，通过数据脱敏技术对敏感信息进行匿名化，达到保护敏感信息的效果，其中，数据脱敏技术是本领域技术人员所熟知的，例如采用替代方式进行数据脱敏，即用伪装数据完全替换源数据中的敏感数据，一般替换用的数据都有不可逆性，以保证安全，关于数据脱敏的具体过程本实施例不作赘述。
52.由于本申请是实现快递时间画像，因此，必须要确保步骤s200中提取的时间信息为正确的时间信息，而实际应用中，在快递各环节可能因操作设备故障导致操作设备产生的时间信息错误或缺失等异常情况，为此，对数据信息进行解析之后，还包括判断解析后的数据信息中的时间信息是否异常，若异常，进一步还包括对异常的时间信息进行修正。
53.基于快递流程具有操作时间上的先后顺序的特性，本实施通过快递环节的先后时序对异常的时间信息进行修正，例如，当某一快递环节反馈的数据信息中缺失时间信息时，则通过该快递环节的前一环节和下一环节来确定该快递环节的时间信息，再例如，当判断到某一快递环节反馈的时间信息明显和前一环节和下一环节反馈的时间信息不匹配时(例如，比前一环节的时间信息提前，或者，比下一环节的时间信息延后)，也可以通过该快递环节的前一环节和下一环节来修正该快递环节的时间信息。
54.s103：将结构化数据存储于kafka消息队列中。
55.kafka是分布式的消息系统，采用scala开发语言，具有可水平扩展和高吞吐率。
56.s200：提取快递业务数据信息中的时间信息。
57.通过读取kafka消息队列中的结构化数据，进一步提取该结构化数据中的时间信息。
58.s300：对时间信息进行关联分析处理，生成快递时间画像。
59.对时间信息进行关联分析处理，生成快递时间画像，具体包括步骤：
60.s301：将时间信息与预设时间属性信息进行匹配。
61.其中，预设时间属性信息包括电商节日、阳历节日、农历节日、自定义节日、快递周期等，下面对具体的预设时间属性信息进行描述。
62.电商节日，电商节本是光棍节，因知名电商的各种“光棍节”促销活动此起彼伏，被网友戏称为“电商节”。电商节日为电商促销活动的节日，以带动消费者活动。目前，电商节日包括：双十一、双十二、618(京东)、818(苏宁)、开学季、毕业季、春装新品、秋装新品、秋冬新品等。
63.阳历节日，是指阳历时间对应的节日，例如，包括元旦、情人节、愚人节、劳动节、母亲节、父亲节等。
64.农历节日，是指农历时间对应的节日，例如，包括春节、元宵节、端午节、中秋节等。
65.自定义节日，是根据自然时间及消费者的特殊需求定义的节日，例如，包括工资日、还款日、纪念日、会员日、作息日等。
66.快递周期，快递周期指的是快递从订单生成到派件结束的整个过程，故快递周期等于订单生成时间(下单时间)减去派件结束时间(收件时间)。
67.上述的电商节日、阳历节日、农历节日是根据已知节日定义而获取的，而上述的自定义节日、快递周期是通过大量数据统计获取的，例如快递周期可以通过众数、平均等统计方法对历史数据进行统计而获取。
68.需要说明的是，在生成快递时间画像之前，前期需要对上述的预设时间属性信息进行归类存储，例如，将电商节日归为一类存储，将阳历节日归为一类存储，将农历节日归为一类存储，将自定义节日归为一类存储，将快递周期归为一类存储，存储时，可以将上述预设时间属性信息按类存储于一数据库中，也可以将不同类型的预设时间属性信息分别存储于不同的数据库中。
69.进一步，时间信息的格式为年-月-日时-分-秒，例如：2020-08-1409:00:00。
70.时间信息与预设时间属性信息对应的规则如下：
71.2020-06-18 00:00:00
→
2020-06-19 00:00:00
→→
六一八当天；
72.2020-10-01 00:00:00
→
2020-10-02 00:00:00
→→
国庆当天；
73.2020-10-01 00:00:00
→
2020-10-02 00:00:00
→→
中秋；
74.2020-10-01 00:00:00
→
2020-10-09 00:00:00
→→
国庆假期。
75.因此，通过上述规则可以将时间信息与预设时间属性信息进行匹配。进一步，为了提高匹配的精度，例如，电商节日中的秋装新品和开学季仅通过时间信息不能达到正确的关联匹配，因此，还可以进一步对快递业务数据信息中的物品信息进行分析，分析物品属性，进一步判断该时间信息的标签是秋装新品还是开学季。
76.s302：建立匹配的时间信息和预设时间属性信息的快递时间画像。
77.例如，根据时间信息为2019-06-18 15:24:36及与其匹配的电商节日618建立对应的快递时间画像。
78.为扩展快递时间画像的应用范围，例如，通过快递时间画像抽象出消费者的购物习惯，进一步还包括提取快递业务数据信息中的id信息，具体的，提取结构化数据中的id信息(该id信息可以是消费者的网购账号)，待生成快递时间画像后，将该id信息与对应的快递时间画像进行关联映射，因此，通过快递时间画像可以抽象出消费者的购物频次、购物习惯等信息，然后，通过该id信息可以向电商平台推荐消费者的购物习惯、购物爱好等信息。
79.本实施例提供的快递时间画像生成方法，能够带来以下效果：
80.1)通过快递时间画像，能够实现快递件数量预测，进一步实现快递智能排班、快递路由规划。
81.2)通过快递时间画像能够抽象出与消费者购物时间相关的不同购物场景、购物动机、购物体验、购物反馈，进而抽象出消费者购物时间全貌，进一步能够实现快递更全面、更智能服务于商城、商家、消费者、电商平台、网点、快递员。
82.3)提升服务，提高消费者体验，例如，消费者可以依据快递周期预估快递的到达时间。
83.4)为个性化快递产品提供数据支撑。
84.5)通过快递周期可以提前预测快递的数量，进一步，可以提前安排工作人员、车辆、也可以提前优化排班。
85.6)通过快递时间画像整体可以提升配送效率和服务。
86.实施例二：
87.基于实施例一，本实施例提供一种快递时间画像的生成装置，其原理图如图3所示，包括获取模块100、提取模块200和生成模块300。
88.获取模块100用于获取并存储快递业务数据信息，快递业务数据信息包括从快递
订单生成到快递派送结束各操作环节的数据信息。
89.获取模块100包括获取单元101、解析单元102、修正单元103和存储单元104，其中，获取单元101用于获取快递业务中各操作环节的数据信息；解析单元102用于对数据信息进行解析，并将解析的数据信息转化成结构化数据；修正单元103用于判断解析后的数据信息中的时间信息是否异常，若异常，进一步还包括对异常的时间信息进行修正；存储单元104用于将结构化数据存储于kafka消息队列中。关于结构化数据、kafka消息队列请参考实施例一中的描述，本实施例不作赘述。
90.提取模块200用于提取快递业务数据信息中的时间信息。
91.生成模块300用于对时间信息进行关联分析处理，生成快递时间画像。具体的，生成模块300包括匹配单元301和生成单元302，其中，匹配单元301用于将时间信息与预设时间属性信息进行匹配；生成单元302用于建立匹配的时间信息和预设时间属性信息的快递时间画像。关于预设时间属性信息请参考实施例一中的描述，本实施例不作赘述。
92.本实施例提供的快递时间画像生成装置，能够带来以下效果：
93.1)通过快递时间画像，能够实现快递件数量预测，进一步实现快递智能排班、快递路由规划。
94.2)通过快递时间画像能够抽象出与消费者购物时间相关的不同购物场景、购物动机、购物体验、购物反馈，进而抽象出消费者购物时间全貌，进一步能够实现快递更全面、更智能服务于商城、商家、消费者、电商平台、网点、快递员。
95.3)提升服务，提高消费者体验，例如，消费者可以依据快递周期预估快递的到达时间。
96.4)为个性化快递产品提供数据支撑。
97.5)通过快递周期可以提前预测快递的数量，进一步，可以提前安排工作人员、车辆、也可以提前优化排班，提升配送效率和服务。
98.实施例三：
99.基于实施例一和实施例二，本实施例提供一种快递时间画像终端设备，该终端设备的原理图如图4所示，该终端设备400可以是平板电脑、笔记本电脑或台式电脑。终端设备400还可能被称为便携式终端、膝上型终端、台式终端等其他名称。
100.通常，终端设备400包括有处理器4001和存储器4002，处理器4001可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器4001可以采用dsp(digital signal processing，数字信号处理)、fpga(field-programmable gate array，现场可编程门阵列)、pla(programmable logic array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器4001也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(central processing unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。
101.在一些实施例中，处理器4001可以在集成有gpu(graphics processing unit，图像处理器)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器4001还可以包括ai(artificial intelligence，人工智能)处理器，该ai处理器用于处理有关机器学习的计算操作。
102.存储器4002可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可
以是非暂态的。存储器4002还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器4002中的非暂态的计算机可读存储介质用于存储至少一个指令、至少一段程序、代码集或指令集，该至少一条指令、至少一段程序、代码集或指令集用于被处理器4001所执行以实现本申请中实施例一提供的快递时间画像的生成方法。
103.因此，本申请的设备400通过至少一条指令、至少一段程序、代码集或指令集执行实施例一提供的快递时间画像的生成方法，具有以下优点：
104.1)通过快递时间画像，能够实现快递件数量预测，进一步实现快递智能排班、快递路由规划。
105.2)通过快递时间画像能够抽象出与消费者购物时间相关的不同购物场景、购物动机、购物体验、购物反馈，进而抽象出消费者购物时间全貌，进一步能够实现快递更全面、更智能服务于商城、商家、消费者、电商平台、网点、快递员。
106.3)提升服务，提高消费者体验，例如，消费者可以依据快递周期预估快递的到达时间。
107.4)为个性化快递产品提供数据支撑。
108.5)通过快递周期可以提前预测快递的数量，进一步，可以提前安排工作人员、车辆、也可以提前优化排班，提升配送效率和服务。
109.在一些实施例中，设备400还可选包括有：外围设备接口4003和至少一个外围设备。处理器4001、存储器4002和外围设备接口4003之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口4003相连。
110.具体到本实施例中，为了实现快递时间画像，相应的外围设备包括与快递各环节信息交互的后台管理平台4004，后台管理平台4004可以获取快递各环节的数据信息，进一步，处理器4001通过后台管理平台4004可以获取所需快递业务数据信息。
111.本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质。该计算机可读存储介质中存储有指令，当该指令在计算机上运行时，使得计算机执行实施例一中的快递时间画像的生成方法。
112.实施例二中的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
113.以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。