一种客户分类方法及装置与流程

1.本发明涉及数据处理技术领域，尤其涉及一种客户分类方法及装置。


背景技术：

2.依托大数据和银行数字化转型的时代背景，金融机构之间的业务竞争、新兴金融产品的出现以及新一代青年理财观念的变化，都给银行发展带来了巨大压力。
3.当前，为更好的提高银行竞争力，银行技术人员可以对银行所积累的指数级增长的海量客户数据，进行数据信息价值的挖掘，对客户进行分类，以按照客户所属类别提供或者推送相应的产品或服务，提高服务质量。
4.但是，现有技术无法有效实现客户分类。


技术实现要素：

5.鉴于上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的客户分类方法及装置，技术方案如下：
6.一种客户分类方法，包括：
7.计算至少一个待分类客户分别在各综合指标维度下的维度评价分数，各所述综合指标维度包括：客户基本属性信息维度、客户交易信息维度、客户资产价值信息维度和客户持有资产标识信息维度；
8.基于各所述待分类客户在各综合指标维度下的维度评价分数，分别计算各所述待分类客户的整体维度评价分数；
9.对各所述待分类客户的整体维度评价分数进行聚类处理，以对各所述待分类客户进行分类。
10.可选的，各所述综合指标维度下均包括有至少一个一级指标；
11.所述计算至少一个待分类客户分别在各综合指标维度下的维度评价分数，包括：
12.将一个所述待分类客户确定为当前的目标待分类客户；
13.将一个所述综合指标维度确定为当前的目标综合指标维度；
14.分别计算出所述目标待分类客户在当前的所述目标综合指标维度下的各一级指标的目标指标权重；
15.在当前的所述目标综合指标维度下，基于所述目标待分类客户的各一级指标的目标指标权重以及各一级指标的指标值，计算所述目标待分类客户的维度评价分数。
16.可选的，所述分别计算出所述目标待分类客户在当前的所述目标综合指标维度下的各一级指标的目标指标权重，包括：
17.利用信息熵赋权模型，分别计算出所述目标待分类客户在所述目标综合指标维度下的各一级指标的第一指标权重；
18.利用优劣解距离topsis综合赋权模型，分别计算出所述目标待分类客户在所述目标综合指标维度下的各一级指标的第二指标权重；
19.利用离差最大化组合赋权模型，基于所述目标待分类客户在所述目标综合指标维度下各一级指标的所述第一指标权重和所述第二指标权重，分别计算出所述目标待分类客户在所述目标综合指标维度下的各一级指标的目标指标权重。
20.可选的，所述利用信息熵赋权模型，分别计算出所述目标待分类客户在所述目标综合指标维度下的各一级指标的第一指标权重，包括：
21.分别计算出所述目标待分类客户在所述目标综合指标维度下的各一级指标的指标熵值；
22.利用计算出的所述目标待分类客户在所述目标综合指标维度下的各一级指标的指标熵值，分别计算出所述目标待分类客户在所述目标综合指标维度下的各一级指标的第一指标权重。
23.可选的，所述分别计算出所述目标待分类客户在所述目标综合指标维度下的各一级指标的指标熵值，包括：
24.在所述目标综合指标维度下，将一个一级指标确定为当前的目标一级指标；
25.计算所述目标待分类客户在所述目标一级指标下的各二级指标的指标值比重；
26.利用所述目标待分类客户在所述目标一级指标下的各二级指标的指标值比重，计算出所述目标待分类客户的所述目标一级指标的指标熵值；
27.返回执行所述在所述目标综合指标维度下，将一个一级指标确定为当前的目标一级指标的步骤，直至计算出所述待分类客户在所述目标综合指标维度下的各一级指标的指标熵值。
28.可选的，所述计算所述目标待分类客户在所述目标一级指标下的各二级指标的指标值比重，包括：
29.在所述目标一级指标下，将一个二级指标确定为目标二级指标；
30.将所述待分类客户的所述目标二级指标的指标值与目标整体指标值的比值，确定为所述待分类客户的所述目标二级指标的指标值比重，所述目标整体指标值为所有所述待分类客户的所述目标二级指标的指标值之和；
31.返回执行所述在所述目标一级指标下，将一个二级指标确定为目标二级指标的步骤，直至计算出所述目标待分类客户在所述目标一级指标下的各二级指标的指标值比重。
32.可选的，所述利用离差最大化组合赋权模型，基于所述目标待分类客户在所述目标综合指标维度下各一级指标的所述第一指标权重和所述第二指标权重，分别计算出所述目标待分类客户在所述目标综合指标维度下的各一级指标的目标指标权重，包括：
33.在所述目标综合指标维度下，将一个一级指标确定为当前的目标一级指标；
34.利用离差最大化组合赋权模型，在所述目标待分类客户的所述目标一级指标的所述第一指标权重和所述第二指标权重的基础上，计算出所述目标待分类客户的所述目标一级指标的目标指标权重；
35.返回执行所述在所述目标综合指标维度下，将一个一级指标确定为当前的目标一级指标的步骤，直至计算出所述目标待分类客户在所述目标综合指标维度下各所述一级指标的目标指标权重。
36.可选的，在所述计算所述目标待分类客户的维度评价分数之后，所述计算至少一个待分类客户分别在各综合指标维度下的维度评价分数，还包括：
37.返回执行将一个所述综合指标维度确定为当前的目标综合指标维度的步骤，直至计算出所述目标待分类客户在各所述综合指标维度下的维度评价分数。
38.可选的，在所述计算出所述目标待分类客户在各所述综合指标维度下的维度评价分数之后，所述计算至少一个待分类客户分别在各综合指标维度下的维度评价分数，还包括：
39.返回执行所述将一个所述待分类客户确定为当前的目标待分类客户的步骤，直至计算出各所述待分类客户分别在各所述综合指标维度下的维度评价分数。
40.可选的，所述基于各所述待分类客户在各综合指标维度下的维度评价分数，分别计算各所述待分类客户的整体维度评价分数，包括：
41.将一个所述待分类客户确定为当前的目标待分类客户；
42.将所述目标待分类客户在各综合指标维度下的维度评价分数之和，确定为所述目标待分类客户的整体维度评价分数；
43.返回执行所述将一个所述待分类客户确定为当前的目标待分类客户的步骤，直至计算出各所述待分类客户的整体维度评价分数。
44.可选的，所述对各所述待分类客户的整体维度评价分数进行聚类处理，以对各所述待分类客户进行分类，包括：
45.利用k均值聚类算法对各所述待分类客户的整体维度评价分数进行聚类处理，将各所述待分类客户的整体维度评价分数划分为k类整体维度评价分数，以将各所述待分类客户响应划分为k类客户。
46.可选的，在所述将各所述待分类客户响应划分为k类客户之后，所述方法还包括：
47.对k类整体维度评价分数中的每一类整体维度评价分数进行再聚类处理，以对k类客户中的每一类客户进行再聚类处理。
48.一种客户分类装置，包括：第一计算单元、第二计算单元和第一聚类单元，其中：
49.所述第一计算单元，被配置为执行：计算至少一个待分类客户分别在各综合指标维度下的维度评价分数，各所述综合指标维度包括：客户基本属性信息维度、客户交易信息维度、客户资产价值信息维度和客户持有资产标识信息维度；
50.所述第二计算单元，被配置为执行：基于各所述待分类客户在各综合指标维度下的维度评价分数，分别计算各所述待分类客户的整体维度评价分数；
51.所述第一聚类单元，被配置为执行：对各所述待分类客户的整体维度评价分数进行聚类处理，以对各所述待分类客户进行分类。
52.可选的，各所述综合指标维度下均包括有至少一个一级指标；所述第一计算单元，包括：第一确定单元、第二确定单元、第三计算单元和第四计算单元；其中：
53.所述第一确定单元，被配置为执行：将一个所述待分类客户确定为当前的目标待分类客户；
54.所述第二确定单元，被配置为执行：将一个所述综合指标维度确定为当前的目标综合指标维度；
55.所述第三计算单元，被配置为执行：分别计算出所述目标待分类客户在当前的所述目标综合指标维度下的各一级指标的目标指标权重；
56.所述第四计算单元，被配置为执行：在当前的所述目标综合指标维度下，基于所述
目标待分类客户的各一级指标的目标指标权重以及各一级指标的指标值，计算所述目标待分类客户的维度评价分数。
57.可选的，所述第三计算单元，包括：第五计算单元、第六计算单元和第七计算单元；其中：
58.所述第五计算单元，被配置为执行：利用信息熵赋权模型，分别计算出所述目标待分类客户在所述目标综合指标维度下的各一级指标的第一指标权重；
59.所述第六计算单元，被配置为执行：利用优劣解距离topsis综合赋权模型，分别计算出所述目标待分类客户在所述目标综合指标维度下的各一级指标的第二指标权重；
60.所述第七计算单元，被配置为执行：利用离差最大化组合赋权模型，基于所述目标待分类客户在所述目标综合指标维度下各一级指标的所述第一指标权重和所述第二指标权重，分别计算出所述目标待分类客户在所述目标综合指标维度下的各一级指标的目标指标权重。
61.可选的，所述第五计算单元，包括：第八计算单元和第九计算单元；
62.所述第八计算单元，被配置为执行：分别计算出所述目标待分类客户在所述目标综合指标维度下的各一级指标的指标熵值；
63.所述第九计算单元，被配置为执行：利用计算出的所述目标待分类客户在所述目标综合指标维度下的各一级指标的指标熵值，分别计算出所述目标待分类客户在所述目标综合指标维度下的各一级指标的第一指标权重。
64.可选的，所述第八计算单元，包括：第三确定单元、比重计算单元、熵值计算单元和第一触发单元，其中：
65.所述第三确定单元，被配置为执行：在所述目标综合指标维度下，将一个一级指标确定为当前的目标一级指标；
66.所述比重计算单元，被配置为执行：计算所述目标待分类客户在所述目标一级指标下的各二级指标的指标值比重；
67.所述熵值计算单元，被配置为执行：利用所述目标待分类客户在所述目标一级指标下的各二级指标的指标值比重，计算出所述目标待分类客户的所述目标一级指标的指标熵值；
68.所述第一触发单元，被配置为执行：触发所述第三确定单元，直至计算出所述待分类客户在所述目标综合指标维度下的各一级指标的指标熵值。
69.可选的，所述比重计算单元，包括：第四确定单元、第五确定单元和第二触发单元；
70.所述第四确定单元，被配置为执行：在所述目标一级指标下，将一个二级指标确定为目标二级指标；
71.所述第五确定单元，被配置为执行：将所述待分类客户的所述目标二级指标的指标值与目标整体指标值的比值，确定为所述待分类客户的所述目标二级指标的指标值比重，所述目标整体指标值为所有所述待分类客户的所述目标二级指标的指标值之和；
72.所述第二触发单元，被配置为执行：触发所述第四确定单元，直至计算出所述目标待分类客户在所述目标一级指标下的各二级指标的指标值比重。
73.可选的，所述第七计算单元，包括：第六确定单元、权重计算单元和第三触发单元；
74.所述第六确定单元，被配置为执行：在所述目标综合指标维度下，将一个一级指标
确定为当前的目标一级指标；
75.所述权重计算单元，被配置为执行：利用离差最大化组合赋权模型，在所述目标待分类客户的所述目标一级指标的所述第一指标权重和所述第二指标权重的基础上，计算出所述目标待分类客户的所述目标一级指标的目标指标权重；
76.所述第三触发单元，被配置为执行：触发所述第六确定单元，直至计算出所述目标待分类客户在所述目标综合指标维度下各所述一级指标的目标指标权重。
77.可选的，所述第一计算单元，还包括：第四触发单元；
78.所述第四触发单元，被配置为执行：在所述计算所述目标待分类客户的维度评价分数之后，触发所述第二确定单元，直至计算出所述目标待分类客户在各所述综合指标维度下的维度评价分数。
79.可选的，所述第一计算单元，还包括：第五触发单元；
80.所述第五触发单元，被配置为执行：在所述计算出所述目标待分类客户在各所述综合指标维度下的维度评价分数之后，触发所述第一确定单元，直至计算出各所述待分类客户分别在各所述综合指标维度下的维度评价分数。
81.可选的，所述第二计算单元，包括：第七确定单元、第八确定单元和第六触发单元；
82.所述第七确定单元，被配置为执行：将一个所述待分类客户确定为当前的目标待分类客户；
83.所述第八确定单元，被配置为执行：将所述目标待分类客户在各综合指标维度下的维度评价分数之和，确定为所述目标待分类客户的整体维度评价分数；
84.所述第六触发单元，被配置为执行：触发所述第七确定单元，直至计算出各所述待分类客户的整体维度评价分数。
85.可选的，所述第一聚类单元，被配置为执行：利用k均值聚类算法对各所述待分类客户的整体维度评价分数进行聚类处理，将各所述待分类客户的整体维度评价分数划分为k类整体维度评价分数，以将各所述待分类客户响应划分为k类客户。
86.可选的，所述装置还包括：第二聚类单元；
87.所述第二聚类单元，被配置为执行：在所述将各所述待分类客户响应划分为k类客户之后，对k类整体维度评价分数中的每一类整体维度评价分数进行再聚类处理，以对k类客户中的每一类客户进行再聚类处理。
88.本实施例提出的客户分类方法及装置，可以计算至少一个待分类客户分别在各综合指标维度下的维度评价分数，各综合指标维度包括：客户基本属性信息维度、客户交易信息维度、客户资产价值信息维度和客户持有资产标识信息维度，基于各待分类客户在各综合指标维度下的维度评价分数，分别计算各待分类客户的整体维度评价分数，对各待分类客户的整体维度评价分数进行聚类处理，以对各待分类客户进行分类。本发明可以基于客户在不同综合指标维度下的指标数据，对待分类客户进行定量评价，获得对待分类客户的整体维度评价分数，之后通过对各待分类客户的整体维度评价分数进行聚类处理，来有效实现对各待分类客户的精准分类。
89.上述说明仅是本发明技术方案的概述，为了能够更清楚地了解本发明的技术手段，可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
90.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
91.图1示出了本发明实施例提供的第一种客户分类方法的流程图；
92.图2示出了本发明实施例提供的第二种客户分类方法的流程图；
93.图3示出了本发明实施例提供的第一种客户分类装置的结构示意图。
具体实施方式
94.下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
95.如图1所示，本实施例提出了第一种客户分类方法。该方法可以包括：
96.s101、计算至少一个待分类客户分别在各综合指标维度下的维度评价分数，各综合指标维度包括：客户基本属性信息维度、客户交易信息维度、客户资产价值信息维度和客户持有资产标识信息维度；
97.需要说明的是，本发明可以由技术人员针对银行客户交易信息数据进行综合指标维度的规划，本发明对于综合指标维度的选取数量和类型不做限定。
98.具体的，本发明可以在已选取的各综合指标维度的基础上，继续构建多级指标体系，分别在客户基本属性信息维度、客户交易信息维度、客户资产价值信息维度和客户持有资产标识信息维度下进行指标细化。
99.具体的，对于客户基本属性信息维度，在进行指标细化后，该维度下的一级指标可以包括客户性别、年龄、开户类别(本、外币账户等)和持有账户数量等；
100.具体的，对于客户交易信息维度，在进行指标细化后，该维度下的一级指标可以包括近一个月来的客户累计消费额、存入额和提现额等；
101.具体的，对于客户资产价值信息维度，在进行指标细化后，该维度下的一级指标可以包括客户资产负债总额、定活期金额、基金购买金额等；
102.具体的，对于客户持有资产标识信息维度，在进行指标细化后，该维度下的一级指标可以包括持有定期和活期存款标识、持有卡种类别标识(信用卡、储蓄卡等)等。
103.可以理解的是，一级指标还可以继续细分为二级指标。
104.其中，维度评价分数可以为客户的某一个综合指标维度的评价分数。
105.具体的，本发明可以分别针对各个客户，计算出客户在各综合指标维度下的维度评价分数。比如，对于第一客户和第二客户，本发明可以先行计算出第一客户在各综合指标维度下的维度评价分数，之后计算出第二客户在各综合指标维度下的维度评价分数。
106.具体的，本发明在计算一个客户在各综合指标维度下的维度评价分数时，可以获得相应数量和维度的维度评价分数。比如，本发明在计算第一客户在各综合指标维度下的维度评价分数时，可以获得第一客户在客户基本属性信息维度下的维度评价分数，可以获
得第一客户在客户交易信息维度下的维度评价分数，可以获得第一客户在客户资产价值信息维度下的维度评价分数，可以获得第一客户在客户持有资产标识信息维度下的维度评价分数。
107.s102、基于各待分类客户在各综合指标维度下的维度评价分数，分别计算各待分类客户的整体维度评价分数；
108.其中，整体维度评价分数可以为某个客户在各综合指标维度下的维度评价分数之和。比如，第一客户的整体维度评价分数，可以为第一客户在各综合指标维度下的维度评价分数之和。
109.可选的，在本实施例提出的其它客户分类方法中，步骤s102可以包括：
110.将一个待分类客户确定为当前的目标待分类客户；
111.将目标待分类客户在各综合指标维度下的维度评价分数之和，确定为目标待分类客户的整体维度评价分数；
112.返回执行将一个待分类客户确定为当前的目标待分类客户的步骤，直至计算出各待分类客户的整体维度评价分数。
113.具体的，本发明可以分别计算出各待分类客户的整体维度评价分数。比如对于第一客户和第二客户，本发明可以先行对第一客户在各综合指标维度下的维度评价分数进行相加，获得第一客户的整体维度评价分数，之后对第二客户在各综合指标维度下的维度评价分数进行相加，获得第二客户的整体维度评价分数。
114.s103、对各待分类客户的整体维度评价分数进行聚类处理，以对各待分类客户进行分类。
115.具体的，本发明可以通过对各待分类客户的整体维度评价分数进行聚类处理，来对各待分类客户进行聚类处理。
116.可以理解的是，本发明在对各待分类客户的整体维度评价分数进行聚类处理后，可以将各待分类客户的整体维度评价分数划分为不同类别的分数簇。本发明可以将同一分数簇内的各整体维度评价分数所对应的待分类客户，确定为同一类的待分类客户。
117.可选的，在本实施例提出的其它客户分类方法中，步骤s103可以包括：
118.利用k均值聚类算法对各待分类客户的整体维度评价分数进行聚类处理，将各待分类客户的整体维度评价分数划分为k类整体维度评价分数，以将各待分类客户响应划分为k类客户。
119.具体的，本发明可以基于k均值聚类算法对各待分类客户的整体维度评价分数进行聚类处理。
120.具体的，本发明在利用k均值类型算法进行聚类处理时，可以预先设定k的值，确定类别个数及类别属性。比如，本发明可以预先设定k为3，确定类别属性分别为特级客户、高级客户和中级客户。其中，不同级别的客户可以存在有消费能力、流水账户和存入额等方面的区别。
121.其中，类别个数和类别属性可以由技术人员根据实际业务需要进行划分，本发明对此不做限定。
122.可选的，在本实施例提出的其它客户分类方法中，在将各待分类客户响应划分为k类客户之后，还可以包括：
123.对k类整体维度评价分数中的每一类整体维度评价分数进行再聚类处理，以对k类客户中的每一类客户进行再聚类处理。
124.具体的，本发明可以在对待分类客户进行分类之后，再分别针对不同类别的客户进行进一步的分类，以提高分类精准度。比如，本发明在对待分类客户进行第一次分类之后，将各待分类客户划分为特级客户、高级客户和中级客户，之后可以针对特级客户中的所有客户进行再分类，针对高级客户中的所有客户进行再分类，针对中级客户中的所有客户进行再分类。
125.需要说明的是，本发明可以基于客户在不同综合指标维度下的指标数据，对待分类客户进行定量评价，获得对待分类客户的整体维度评价分数，之后通过对各待分类客户的整体维度评价分数进行聚类处理，来有效实现对各待分类客户的精准分类。
126.本实施例提出的客户分类方法，可以计算至少一个待分类客户分别在各综合指标维度下的维度评价分数，各综合指标维度包括：客户基本属性信息维度、客户交易信息维度、客户资产价值信息维度和客户持有资产标识信息维度，基于各待分类客户在各综合指标维度下的维度评价分数，分别计算各待分类客户的整体维度评价分数，对各待分类客户的整体维度评价分数进行聚类处理，以对各待分类客户进行分类。本发明可以基于客户在不同综合指标维度下的指标数据，对待分类客户进行定量评价，获得对待分类客户的整体维度评价分数，之后通过对各待分类客户的整体维度评价分数进行聚类处理，来有效实现对各待分类客户的精准分类。
127.基于图1所示步骤，如图2所示，本实施例提出第二种客户分类方法。在该方法中，各综合指标维度下均包括有至少一个一级指标；此时，步骤s101可以包括步骤s201、s202、s203和s204。其中：
128.s201、将一个待分类客户确定为当前的目标待分类客户；
129.s202、将一个综合指标维度确定为当前的目标综合指标维度；
130.s203、分别计算出目标待分类客户在当前的目标综合指标维度下的各一级指标的目标指标权重；
131.具体的，本发明可以单个待分类客户在单个综合指标维度下的单个一级指标为计算对象，逐步计算出单个待分类客户在各综合指标维度下的各一级指标的目标指标权重，之后再逐步计算出各个待分类客户在各综合指标维度下的各一级指标的目标指标权重；
132.s204、在当前的目标综合指标维度下，基于目标待分类客户的各一级指标的目标指标权重以及各一级指标的指标值，计算目标待分类客户的维度评价分数。
133.其中，一级指标的指标值可以是通过对一级指标的指标信息进行数据转换处理来获得的。
134.需要说明的是，本发明可以先行分别获得所有客户在各综合指标维度下的一级指标的指标信息，之后分别对各个一级指标的指标信息进行相应的数据转换处理，获得各个一级指标的指标值。比如，对于客户基本属性信息维度下的一级指标客户性别，本发明可以在客户性别为男时，将客户性别的指标值确定为1.0，在客户性别为女时，将客户性别的指标值确定为1.2。
135.可选的，对于某些综合指标维度下的一级指标，本发明可以直接确定其指标值。比如，对于客户交易信息维度下的存入额，本发明可以先行获得某个客户的存入额，之后可以
直接将存入额的值确定为存入额这个一级指标的指标值。
136.具体的，本发明可以单个待分类客户的单个综合指标维度为计算对象，逐步计算出单个待分类客户的所有维度评价分数，之后再逐步计算出各待分类客户的所有维度评价分数。
137.具体的，本发明在计算某个待分类客户的某个综合指标维度的维度评价分数时，可以先行计算该综合指标维度下的各一级指标的指标分数，之后将计算出的该综合指标维度下的各一级指标的指标分数进行相加，将相加的所获得的和值确定为该待分类客户在该综合指标维度的维度评价分数。
138.可以理解的是，本发明在计算某个综合指标维度下的某个一级指标的指标分数时，可以将该一级指标的目标指标权重与指标值的乘积，确定为该一级指标的指标分数。
139.需要说明的是，本发明通过步骤s201、s202、s203和s204，可以有效实现对单个待分类客户的维度评价分数的计算。
140.可选的，在本实施例提出的其它客户分类方法中，上述步骤s203可以包括s301、s302和s303：
141.s301、利用信息熵赋权模型，分别计算出目标待分类客户在目标综合指标维度下的各一级指标的第一指标权重；
142.其中，第一指标权重可以为经信息熵赋权模型计算出的某个一级指标的指标权重。
143.其中，本发明可以利用信息熵赋权模型，计算出单个待分类客户在单个综合指标维度下的单个一级指标的第一指标权重。
144.s302、利用优劣解距离(technique for order preference by similarity toan ideal solution，topsis)综合赋权模型，分别计算出目标待分类客户在目标综合指标维度下的各一级指标的第二指标权重；
145.其中，第二指标权重可以为经topsis综合赋权模型计算出的某个一级指标的指标权重。
146.其中，本发明可以利用topsis综合赋权模型，计算出单个待分类客户在单个综合指标维度下的单个一级指标的指标权重。
147.s303、利用离差最大化组合赋权模型，基于目标待分类客户在目标综合指标维度下各一级指标的第一指标权重和第二指标权重，分别计算出目标待分类客户在目标综合指标维度下的各一级指标的目标指标权重。
148.其中，本发明可以利用离差最大化组合赋权模型，在已计算出的各个第一指标权重和第二指标权重的基础上，对各一级指标的指标权重进行重新赋权，确定各一级指标的目标指标权重。
149.可选的，本发明在利用离差最大化组合赋权模型对某个一级指标进行重新赋权的过程中，可以将该一级指标的第一指标权重和第二指标权重的平均值，确定为该一级指标的目标指标权重。
150.可选的，在本实施例提出的其它客户分类方法中，上述步骤s301可以包括步骤s401和s402。其中：
151.s401、分别计算出目标待分类客户在目标综合指标维度下的各一级指标的指标熵
值；
152.可选的，步骤s401可以包括步骤s501、s502、s503和s504，其中：
153.s501、在目标综合指标维度下，将一个一级指标确定为当前的目标一级指标；
154.s502、计算目标待分类客户在目标一级指标下的各二级指标的指标值比重；
155.可选的，步骤s502可以包括：
156.在目标一级指标下，将一个二级指标确定为目标二级指标；
157.将待分类客户的目标二级指标的指标值与目标整体指标值的比值，确定为待分类客户的目标二级指标的指标值比重，目标整体指标值为所有待分类客户的目标二级指标的指标值之和；
158.返回执行在目标一级指标下，将一个二级指标确定为目标二级指标的步骤，直至计算出目标待分类客户在目标一级指标下的各二级指标的指标值比重。
159.需要说明的是，本发明在计算某个待分类客户的某个二级指标的指标值比重时，可以将该待分类客户的该二级指标的指标值在所有待分类客户的该二级指标的指标值的和值中的占比，确定为该待分类客户的该二级指标的指标值比重。
160.s503、利用目标待分类客户在目标一级指标下的各二级指标的指标值比重，计算出目标待分类客户的目标一级指标的指标熵值；
161.s504、返回执行在目标综合指标维度下，将一个一级指标确定为当前的目标一级指标的步骤，直至计算出待分类客户在目标综合指标维度下的各一级指标的指标熵值。
162.具体的，本发明可以单个待分类客户在单个综合指标维度下的一级指标为计算对象，利用一级指标下的各二级指标的指标值比重，计算一级指标的指标熵值。
163.可选的，本发明在计算二级指标的指标值比重时，可以先行对二级指标的指标值进行数据归一化处理和数据清洗处理，之后再利用处理后的二级指标的指标值进行比重计算，避免指标量纲差异性的影响，消除可能存在的缺失值和重复值，保证数据可比性和可计算性，提高数据计算效率和准确性。
164.s402、利用计算出的目标待分类客户在目标综合指标维度下的各一级指标的指标熵值，分别计算出目标待分类客户在目标综合指标维度下的各一级指标的第一指标权重。
165.具体的，本发明可以利用某个待分类客户在某个综合指标维度下的各一级指标的指标熵值，来计算出该待分类客户在该综合指标维度下的各一级指标的第一指标权重。
166.需要说明的是，本发明利用信息熵赋权模型、topsis综合赋权模型和离差最大化组合赋权模型对客户的一级指标进行赋权，可以有效实现对客户的一级指标的赋权，而多样性赋权模型的采用也可以保证赋权准确率和客观性。
167.本实施例提出的客户分类方法，可以有效实现对单个待分类客户的维度评价分数的有效计算。
168.基于图2所示步骤，本实施例提出第三种客户分类方法。在该方法中，步骤s101在步骤s204之后，还可以包括步骤s501。其中：
169.s501、返回执行将一个综合指标维度确定为当前的目标综合指标维度的步骤，直至计算出目标待分类客户在各综合指标维度下的维度评价分数。
170.具体的，本发明可以在计算出某个待分类客户在某个综合指标维度下的维度评价分数之后，循环执行步骤s202、s203和s204，来计算该待分类客户在其它综合指标维度下的
维度评价分数，以计算出该待分类客户在所有综合指标维度下的维度评价分数。
171.可选的，在上述第三种客户分类方法中，步骤s101在步骤s501之后，还可以包括步骤s502。其中：
172.s502、返回执行将一个待分类客户确定为当前的目标待分类客户的步骤，直至计算出各待分类客户分别在各综合指标维度下的维度评价分数。
173.具体的，本发明在计算出某个待分类客户的所有维度评价分数之后，可以循环执行步骤s201、s202、s203、s204和s501，来计算其它待分类客户的维度评价分数，以计算出所有待分类客户的所有维度评价分数。
174.可以理解的是，本发明可以有效实现对待分类客户的维度评价分数的计算，获得所有待分类客户的所有维度评价分数。
175.本实施例提出的客户分类方法，可以有效实现对待分类客户的维度评价分数的计算，获得所有待分类客户的所有维度评价分数。
176.基于上述步骤s303，本实施例提出第四种客户分类方法。在该方法中，步骤s303可以包括：
177.在目标综合指标维度下，将一个一级指标确定为当前的目标一级指标；
178.利用离差最大化组合赋权模型，在目标待分类客户的目标一级指标的第一指标权重和第二指标权重的基础上，计算出目标待分类客户的目标一级指标的目标指标权重；
179.返回执行在目标综合指标维度下，将一个一级指标确定为当前的目标一级指标的步骤，直至计算出目标待分类客户在目标综合指标维度下各一级指标的目标指标权重。
180.需要说明的是，本发明可以单个待分类客户在单个综合指标维度下的一级指标为计算对象，计算一级指标的目标指标权重。
181.具体的，本发明在计算某个待分类客户在某个综合指标维度下的某个一级指标的目标指标权重时，可以基于已计算出的该一级指标的第一指标权重和第二指标权重，来计算该一级指标的目标指标权重。
182.可选的，本发明可以采用平均值计算方式来计算一级指标的目标指标权重。此时，本发明可以将一级指标的第一指标权重和第二指标权重的平均值，确定为一级指标的目标指标权重。
183.需要说明的是，本发明利用离差最大化组合赋权模型，可以在信息熵赋权模型和topsis综合赋权模型的基础上，实现对一级指标的再赋权，提高对一级指标赋权的准确率和客观性。
184.本实施例提出的客户分类方法，可以利用离差最大化组合赋权模型，可以在信息熵赋权模型和topsis综合赋权模型的基础上，实现对一级指标的再赋权，提高对一级指标赋权的准确率和客观性。
185.与图1所示步骤相对应，如图3所示，本实施例提出第一种客户分类装置。该装置可以包括第一计算单元101、第二计算单元102和第一聚类单元103，其中：
186.第一计算单元101，被配置为执行：计算至少一个待分类客户分别在各综合指标维度下的维度评价分数，各综合指标维度包括：客户基本属性信息维度、客户交易信息维度、客户资产价值信息维度和客户持有资产标识信息维度；
187.需要说明的是，本发明可以由技术人员针对银行客户交易信息数据进行综合指标
维度的规划，本发明对于综合指标维度的选取数量和类型不做限定。
188.具体的，本发明可以在已选取的各综合指标维度的基础上，继续构建多级指标体系，分别在客户基本属性信息维度、客户交易信息维度、客户资产价值信息维度和客户持有资产标识信息维度下进行指标细化。
189.可以理解的是，一级指标还可以继续细分为二级指标。
190.其中，维度评价分数可以为客户的某一个综合指标维度的评价分数。
191.具体的，本发明可以分别针对各个客户，计算出客户在各综合指标维度下的维度评价分数。
192.具体的，本发明在计算一个客户在各综合指标维度下的维度评价分数时，可以获得相应数量和维度的维度评价分数。
193.第二计算单元102，被配置为执行：基于各待分类客户在各综合指标维度下的维度评价分数，分别计算各待分类客户的整体维度评价分数；
194.其中，整体维度评价分数可以为某个客户在各综合指标维度下的维度评价分数之和。
195.可选的，在本实施例提出的其它客户分类装置中，第二计算单元102，包括：第七确定单元、第八确定单元和第六触发单元；
196.第七确定单元，被配置为执行：将一个待分类客户确定为当前的目标待分类客户；
197.第八确定单元，被配置为执行：将目标待分类客户在各综合指标维度下的维度评价分数之和，确定为目标待分类客户的整体维度评价分数；
198.第六触发单元，被配置为执行：触发第七确定单元，直至计算出各待分类客户的整体维度评价分数。
199.具体的，本发明可以分别计算出各待分类客户的整体维度评价分数。
200.第一聚类单元103，被配置为执行：对各待分类客户的整体维度评价分数进行聚类处理，以对各待分类客户进行分类。
201.具体的，本发明可以通过对各待分类客户的整体维度评价分数进行聚类处理，来对各待分类客户进行聚类处理。
202.可以理解的是，本发明在对各待分类客户的整体维度评价分数进行聚类处理后，可以将各待分类客户的整体维度评价分数划分为不同类别的分数簇。本发明可以将同一分数簇内的各整体维度评价分数所对应的待分类客户，确定为同一类的待分类客户。
203.可选的，在本实施例提出的其它客户分类装置中，第一聚类单元103，被配置为执行：利用k均值聚类算法对各待分类客户的整体维度评价分数进行聚类处理，将各待分类客户的整体维度评价分数划分为k类整体维度评价分数，以将各待分类客户响应划分为k类客户。
204.具体的，本发明可以基于k均值聚类算法对各待分类客户的整体维度评价分数进行聚类处理。
205.具体的，本发明在利用k均值类型算法进行聚类处理时，可以预先设定k的值，确定类别个数及类别属性。
206.其中，类别个数和类别属性可以由技术人员根据实际业务需要进行划分，本发明对此不做限定。
207.可选的，在本实施例提出的其它客户分类装置中，还可以包括：第二聚类单元；
208.第二聚类单元，被配置为执行：在将各待分类客户响应划分为k类客户之后，对k类整体维度评价分数中的每一类整体维度评价分数进行再聚类处理，以对k类客户中的每一类客户进行再聚类处理。
209.具体的，本发明可以在对待分类客户进行分类之后，再分别针对不同类别的客户进行进一步的分类，以提高分类精准度。
210.需要说明的是，本发明可以基于客户在不同综合指标维度下的指标数据，对待分类客户进行定量评价，获得对待分类客户的整体维度评价分数，之后通过对各待分类客户的整体维度评价分数进行聚类处理，来有效实现对各待分类客户的精准分类。
211.本实施例提出的客户分类装置，可以基于客户在不同综合指标维度下的指标数据，对待分类客户进行定量评价，获得对待分类客户的整体维度评价分数，之后通过对各待分类客户的整体维度评价分数进行聚类处理，来有效实现对各待分类客户的精准分类。
212.基于图3，本实施例提出第二种客户分类装置。在该装置中，各综合指标维度下均包括有至少一个一级指标；第一计算单元101，包括：第一确定单元、第二确定单元、第三计算单元和第四计算单元；其中：
213.第一确定单元，被配置为执行：将一个待分类客户确定为当前的目标待分类客户；
214.第二确定单元，被配置为执行：将一个综合指标维度确定为当前的目标综合指标维度；
215.第三计算单元，被配置为执行：分别计算出目标待分类客户在当前的目标综合指标维度下的各一级指标的目标指标权重；
216.第四计算单元，被配置为执行：在当前的目标综合指标维度下，基于目标待分类客户的各一级指标的目标指标权重以及各一级指标的指标值，计算目标待分类客户的维度评价分数。
217.具体的，本发明可以单个待分类客户在单个综合指标维度下的单个一级指标为计算对象，逐步计算出单个待分类客户在各综合指标维度下的各一级指标的目标指标权重，之后再逐步计算出各个待分类客户在各综合指标维度下的各一级指标的目标指标权重；
218.其中，一级指标的指标值可以是通过对一级指标的指标信息进行数据转换处理来获得的。
219.需要说明的是，本发明可以先行分别获得所有客户在各综合指标维度下的一级指标的指标信息，之后分别对各个一级指标的指标信息进行相应的数据转换处理，获得各个一级指标的指标值。
220.可选的，在本实施例提出的其它客户分类装置中，上述第三计算单元可以包括：第五计算单元、第六计算单元和第七计算单元；其中：
221.第五计算单元，被配置为执行：利用信息熵赋权模型，分别计算出目标待分类客户在目标综合指标维度下的各一级指标的第一指标权重；
222.第六计算单元，被配置为执行：利用优劣解距离topsis综合赋权模型，分别计算出目标待分类客户在目标综合指标维度下的各一级指标的第二指标权重；
223.第七计算单元，被配置为执行：利用离差最大化组合赋权模型，基于目标待分类客户在目标综合指标维度下各一级指标的第一指标权重和第二指标权重，分别计算出目标待
分类客户在目标综合指标维度下的各一级指标的目标指标权重。
224.其中，第一指标权重可以为经信息熵赋权模型计算出的某个一级指标的指标权重。
225.其中，本发明可以利用信息熵赋权模型，计算出单个待分类客户在单个综合指标维度下的单个一级指标的第一指标权重。
226.其中，第二指标权重可以为经topsis综合赋权模型计算出的某个一级指标的指标权重。
227.其中，本发明可以利用topsis综合赋权模型，计算出单个待分类客户在单个综合指标维度下的单个一级指标的指标权重。
228.其中，本发明可以利用离差最大化组合赋权模型，在已计算出的各个第一指标权重和第二指标权重的基础上，对各一级指标的指标权重进行重新赋权，确定各一级指标的目标指标权重。
229.可选的，本发明在利用离差最大化组合赋权模型对某个一级指标进行重新赋权的过程中，可以将该一级指标的第一指标权重和第二指标权重的平均值，确定为该一级指标的目标指标权重。
230.可选的，在本实施例提出的其它客户分类装置中，第五计算单元，包括：第八计算单元和第九计算单元；
231.第八计算单元，被配置为执行：分别计算出目标待分类客户在目标综合指标维度下的各一级指标的指标熵值；
232.第九计算单元，被配置为执行：利用计算出的目标待分类客户在目标综合指标维度下的各一级指标的指标熵值，分别计算出目标待分类客户在目标综合指标维度下的各一级指标的第一指标权重。
233.可选的，第八计算单元，包括：第三确定单元、比重计算单元、熵值计算单元和第一触发单元，其中：
234.第三确定单元，被配置为执行：在目标综合指标维度下，将一个一级指标确定为当前的目标一级指标；
235.比重计算单元，被配置为执行：计算目标待分类客户在目标一级指标下的各二级指标的指标值比重；
236.熵值计算单元，被配置为执行：利用目标待分类客户在目标一级指标下的各二级指标的指标值比重，计算出目标待分类客户的目标一级指标的指标熵值；
237.第一触发单元，被配置为执行：触发第三确定单元，直至计算出待分类客户在目标综合指标维度下的各一级指标的指标熵值。
238.可选的，比重计算单元，包括：第四确定单元、第五确定单元和第二触发单元；
239.第四确定单元，被配置为执行：在目标一级指标下，将一个二级指标确定为目标二级指标；
240.第五确定单元，被配置为执行：将待分类客户的目标二级指标的指标值与目标整体指标值的比值，确定为待分类客户的目标二级指标的指标值比重，目标整体指标值为所有待分类客户的目标二级指标的指标值之和；
241.第二触发单元，被配置为执行：触发第四确定单元，直至计算出目标待分类客户在
目标一级指标下的各二级指标的指标值比重。
242.需要说明的是，本发明在计算某个待分类客户的某个二级指标的指标值比重时，可以将该待分类客户的该二级指标的指标值在所有待分类客户的该二级指标的指标值的和值中的占比，确定为该待分类客户的该二级指标的指标值比重。
243.具体的，本发明可以单个待分类客户在单个综合指标维度下的一级指标为计算对象，利用一级指标下的各二级指标的指标值比重，计算一级指标的指标熵值。
244.可选的，本发明在计算二级指标的指标值比重时，可以先行对二级指标的指标值进行数据归一化处理和数据清洗处理，之后再利用处理后的二级指标的指标值进行比重计算，避免指标量纲差异性的影响，消除可能存在的缺失值和重复值，保证数据可比性和可计算性，提高数据计算效率和准确性。
245.具体的，本发明可以利用某个待分类客户在某个综合指标维度下的各一级指标的指标熵值，来计算出该待分类客户在该综合指标维度下的各一级指标的第一指标权重。
246.需要说明的是，本发明利用信息熵赋权模型、topsis综合赋权模型和离差最大化组合赋权模型对客户的一级指标进行赋权，可以有效实现对客户的一级指标的赋权，而多样性赋权模型的采用也可以保证赋权准确率和客观性。
247.本实施例提出的客户分类装置，可以有效实现对单个待分类客户的维度评价分数的有效计算。
248.基于第二种客户分类装置，本实施例提出第三种客户分类装置。在第三种客户分类装置中，第一计算单元101，还包括：第四触发单元；
249.第四触发单元，被配置为执行：在计算目标待分类客户的维度评价分数之后，触发第二确定单元，直至计算出目标待分类客户在各综合指标维度下的维度评价分数。
250.具体的，本发明可以在计算出某个待分类客户在某个综合指标维度下的维度评价分数之后，循环计算该待分类客户在其它综合指标维度下的维度评价分数，以计算出该待分类客户在所有综合指标维度下的维度评价分数。
251.可选的，在上述第三种客户分类装置中，第一计算单元101，还包括：第五触发单元；
252.第五触发单元，被配置为执行：在计算出目标待分类客户在各综合指标维度下的维度评价分数之后，触发第一确定单元，直至计算出各待分类客户分别在各综合指标维度下的维度评价分数。
253.具体的，本发明在计算出某个待分类客户的所有维度评价分数之后，可以循环计算其它待分类客户的维度评价分数，以计算出所有待分类客户的所有维度评价分数。
254.可以理解的是，本发明可以有效实现对待分类客户的维度评价分数的计算，获得所有待分类客户的所有维度评价分数。
255.本实施例提出的客户分类装置，可以有效实现对待分类客户的维度评价分数的计算，获得所有待分类客户的所有维度评价分数。
256.基于上述第七计算单元，本实施例提出第四种客户分类装置。在该装置中，第七计算单元可以包括：第六确定单元、权重计算单元和第三触发单元；
257.第六确定单元，被配置为执行：在目标综合指标维度下，将一个一级指标确定为当前的目标一级指标；
258.权重计算单元，被配置为执行：利用离差最大化组合赋权模型，在目标待分类客户的目标一级指标的第一指标权重和第二指标权重的基础上，计算出目标待分类客户的目标一级指标的目标指标权重；
259.第三触发单元，被配置为执行：触发第六确定单元，直至计算出目标待分类客户在目标综合指标维度下各一级指标的目标指标权重。
260.需要说明的是，本发明可以单个待分类客户在单个综合指标维度下的一级指标为计算对象，计算一级指标的目标指标权重。
261.具体的，本发明在计算某个待分类客户在某个综合指标维度下的某个一级指标的目标指标权重时，可以基于已计算出的该一级指标的第一指标权重和第二指标权重，来计算该一级指标的目标指标权重。
262.可选的，本发明可以采用平均值计算方式来计算一级指标的目标指标权重。此时，本发明可以将一级指标的第一指标权重和第二指标权重的平均值，确定为一级指标的目标指标权重。
263.需要说明的是，本发明利用离差最大化组合赋权模型，可以在信息熵赋权模型和topsis综合赋权模型的基础上，实现对一级指标的再赋权，提高对一级指标赋权的准确率和客观性。
264.本实施例提出的客户分类装置，可以利用离差最大化组合赋权模型，可以在信息熵赋权模型和topsis综合赋权模型的基础上，实现对一级指标的再赋权，提高对一级指标赋权的准确率和客观性。
265.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
266.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。