佣金递延分析方法、装置、电子设备及存储介质

技术领域

本发明涉及数据决策领域，尤其涉及一种佣金递延分析方法、装置、电子设备及计算机可读存储介质。

背景技术

佣金递延分析是指根据业务员的成交订单量和成交数额，对订单进行递延，并匹配出适用于计算佣金的规则，通过规则对订单进行分析得到对应的佣金。

目前，佣金分析主要通过相应的计算规则对订单量和订单数额一次性计算完毕后，将每笔订单对应的佣金全部发放到业务员手中，这样容易存在用户提前赎回佣金时，已经发放到业务员手中的佣金在公司与业务员之间反复周转的情况，因此，目前佣金分析的时效较低。

发明内容

本发明提供一种佣金递延分析方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高佣金发放的时效。

为实现上述目的，本发明提供的一种佣金递延分析方法，包括：

获取订单数据，将所述订单数据划分为当前递延数据与循环递延数据；

将所述当前递延数据对应的数值同步于预设持仓表中，得到当前持仓表，将所述循环递延数据对应的数值同步于所述预设持仓表中，得到循环持仓表；

提取所述当前持仓表与所述循环持仓表的历史数据，根据所述历史数据，构建所述当前持仓表与所述循环持仓表的初始佣金递延分析模型，对所述初始佣金递延分析模型进行优化，得到目标佣金递延分析模型；

查询所述当前持仓表中的剩余数值，按照所述目标佣金递延分析模型，分析所述剩余数值中的当前递延佣金，得到所述订单数据的当前佣金；

查询所述循环持仓表中的剩余数值，按照所述目标佣金递延分析模型，分析所述剩余数值中的循环递延佣金，得到所述订单数据的循环佣金。

可选地，所述将所述订单数据划分为当前递延数据与循环递延数据，包括：

获取所述订单数据中每个数据的数据类型；

根据所述数据类型，识别所述订单数据中每个数据的数据属性；

根据所述数据属性，判断所述订单数据中每个数据是否在预设范围；

若所述订单数据中的数据在所述预设范围，则将在所述预设范围内的数据作为当前递延数据；

若所述订单数据不在所述预设范围，则将超出预设范围的数据作为循环递延数据。

可选地，所述将所述当前递延数据对应的数值同步于预设持仓表中，得到当前持仓表，包括：

识别所述当前递延数据对应的数值的数据类型；

查询所述预设持仓表中所述当前递延数据对应的数值的插入位置；

根据所述每个数值的数据类型将所述当前递延数据对应的数值插入至所述预设持仓表中的插入位置，得到当前持仓表。

可选地，根据所述历史数据，构建所述当前持仓表与所述循环持仓表的初始佣金递延分析模型，包括：

对所述历史数据进行分类，得到分类历史数据；

根据所述分类历史数据，匹配所述当前持仓表与所述循环持仓表的持仓表分析方法；

根据所述持仓表分析方法，构建所述当前持仓表与所述循环持仓表的预训练佣金递延分析模型；

计算所述预训练佣金递延分析模型的均方误差，识别所述均方误差中的最小均方误差，在所述最小均方误差属于低于预设阈值时，将所述预训练佣金递延分析模型作为初始佣金递延分析模型。

可选地，所述计算所述预训练佣金递延分析模型的均方误差，包括：

通过下述公式计算所述预训练佣金递延分析模型的均方误差：

其中，MSE表示预训练佣金递延分析模型的均方误差，y

可选地，所述查询所述当前持仓表中的剩余数值，包括：

定位所述当前持仓表中每个数值的分类标识；

根据所述分类标识，查询所述每个数值的剩余量，将所述剩余量作为所述当前持仓表中的剩余数值。

可选地，所述按照所述目标佣金递延分析模型，分析所述剩余数值中的当前递延佣金，得到所述订单数据的当前佣金，包括：

通过所述目标佣金递延分析模型提取所述剩余数值中的当前递延分析数值；

识别所述当前递延分析数值之间的约束关系；

根据所述当前递延分析数值之间的约束关系构建所述当前递延分析数值的当前佣金分析函数；

通过所述当前佣金分析函数计算所述订单数据的当前佣金。

为了解决上述问题，本发明还提供一种佣金递延分析装置，所述装置包括：

订单数据划分模块，用于获取订单数据，将所述订单数据划分为当前递延数据与循环递延数据；

循环递延数据同步模块，用于将所述当前递延数据对应的数值同步于预设持仓表中，得到当前持仓表，将所述循环递延数据对应的数值同步于所述预设持仓表中，得到循环持仓表；

递延分析模型优化模块，用于提取所述当前持仓表与所述循环持仓表的历史数据，根据所述历史数据，构建所述当前持仓表与所述循环持仓表的初始佣金递延分析模型，对所述初始佣金递延分析模型进行优化，得到目标佣金递延分析模型；

当前递延佣金分析模块，用于查询所述当前持仓表中的剩余数值，按照所述目标佣金递延分析模型，分析所述剩余数值中的当前递延佣金，得到所述订单数据的当前佣金；

循环递延佣金分析模块，用于查询所述循环持仓表中的剩余数值，按照目标佣金递延分析模型，分析所述剩余数值中的循环递延佣金，得到所述订单数据的循环佣金。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

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，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以实现上述所述的佣金递延分析方法。

为了解决上述问题，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中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的佣金递延分析方法。

可以看出，本发明实施例通过将所述订单数据划分为当前递延数据与循环递延数据，以用于将未满期限且用户提前赎回的产品通过划分多次计算佣金的方式减少多发佣金的情况，进一步地，本发明实施例通过将所述当前递延数据对应的数值同步于预设持仓表中，得到当前持仓表，以用于在结算佣金的时候，可以直接从所述当前持仓表中获取数值进行计算，进一步地，本发明实施例通过将所述循环递延数据对应的数值同步于预设持仓表中，得到循环持仓表，以用于在结算佣金的时候，可以直接从所述循环持仓表中获取数值进行计算，进一步地，本发明实施例通过构建所述当前持仓表与所述循环持仓表的初始佣金递延分析模型，以用于后续在持仓表中获得数值发生变化时，可以通过所述佣金递延分析模型动态地分析所述持仓表中的数值，进一步地，本发明实施例通过查询所述当前持仓表中的剩余数值，以用于将所述当前持仓表中的剩余数值作为样本，保障后续通过所述佣金递延分析模型对所述样本进行分析的前提。进一步地，本发明实施例通过按照所述目标佣金递延分析模型，分析所述剩余数值中的当前递延佣金，得到所述订单数据的当前佣金，以用于通过训练好的模型进行数据分析，节省人力成本，便捷快速得到当前佣金结果，进一步地，本发明实施例通过查询所述循环持仓表中的剩余数值，以用于将所述循环持仓表中的剩余数值作为样本，保障后续通过所述佣金递延分析模型对所述样本进行分析的前提。进一步地，本发明实施例通过按照所述目标佣金递延分析模型，分析所述剩余数值中的循环递延佣金，得到所述订单数据的循环佣金，以用于通过训练好的模型进行数据分析，节省人力成本，便捷快速得到循环佣金结果。因此，本发明实施例提出的一种佣金递延分析方法、装置、电子设备及计算机可读存储介质可以提升佣金分析的时效。

附图说明

图1为本发明一实施例提供的佣金递延分析方法的流程示意图；

图2为本发明一实施例提供的佣金递延分析装置的模块示意图；

图3为本发明一实施例提供的实现佣金递延分析方法的电子设备的内部结构示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供一种佣金递延分析方法。所述佣金递延分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，所述佣金递延分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

参照图1所示，为本发明一实施例提供的佣金递延分析方法的流程示意图。在本发明实施例中，所述佣金递延分析方法包括以下步骤S1-S5：

S1、获取订单数据，将所述订单数据划分为当前递延数据与循环递延数据。

本发明实施例中，所述订单数据包括订单编号、用户信息、商品信息、订单日期等数据。可选的，所述订单数据可以通过数据提取表作为数据提取过程中的工具获取，也可以通过机器学习、自然语言处理、深度学习等技术获取。

进一步地，本发明实施例通过将所述订单数据划分为当前递延数据与循环递延数据，以用于将未满期限且用户提前赎回的产品通过划分多次计算佣金的方式减少多发佣金的情况。其中，所述当前递延数据是指将所述订单数据划分为多次的数据来计算时，在当前月结算佣金的数据，所述循环递延数据是指在将所述订单数据划分为多年的数据来计算时，次年结算佣金的数据。特别地，若次年需要再次将数据划分时，则同样将数据划分为多次，一条数据当前结算，剩余数据次年结算，当前结算的数据为所述当前递延数据，次年结算的数据为所述循环递延数据。

本发明实施例中，所述将所述订单数据划分为当前递延数据与循环递延数据，包括：获取所述订单数据中每个数据的数据类型；根据所述数据类型，识别所述订单数据中每个数据的数据属性；根据所述数据属性，判断所述订单数据中每个数据是否在预设范围；若所述订单数据中的数据在所述预设范围，则将在所述预设范围内的数据作为当前递延数据；若所述订单数据不在所述预设范围，则将超出预设范围的数据作为循环递延数据。

其中，所述数据类型用于表征所述数据的数据信息特征，包括金额、日期时间等，所述数据属性用于表征所述数据所处的数据维度特征，所述数据维度特征可以为所处的区间范围等。

进一步地，本发明一可选实施例中，所述预设范围可以为金额不大于100万，且购买时间不大于5年，也可以根据实际业务场景设置。

进一步地，本发明一可选实施例中，所述数据属性可以通过whos函数进行识别。

S2、将所述当前递延数据对应的数值同步于预设持仓表中,得到当前持仓表，将所述循环递延数据对应的数值同步于所述预设持仓表中，得到循环持仓表。

本发明实施例通过将所述当前递延数据对应的数值同步于预设持仓表中，得到当前持仓表，以用于在结算佣金的时候，可以直接从所述当前持仓表中获取数值进行计算。

其中，所述预设持仓表是指用来表示持仓明细的数据表，所述持仓明细在不同业务场景中定义不同，比如在股票场景中，所述持仓明细是指每个季度末公募基金向其持有人公布的所述持有人的持仓情况。所述预设持仓表包括用户购买的产品名称、产品数额、产品期限等。

本发明实施例中，所述将所述当前递延数据对应的数值同步于预设持仓表中，得到当前持仓表，包括：识别所述当前递延数据对应的数值的数据类型；查询所述预设持仓表中所述当前递延数据对应的数值的插入位置；根据所述每个数值的数据类型将所述当前递延数据对应的数值插入至所述预设持仓表中的插入位置，得到当前持仓表。

本发明实施例通过将所述循环递延数据对应的数值同步于预设持仓表中，得到循环持仓表，以用于在结算佣金的时候，可以直接从所述循环持仓表中获取数值进行计算。

需要说明的是，所述循环递延数据对应的数值的同步与上述当前递延数据对应的数值的同步原理相同，在此不做进一步地赘述。

S3、提取所述当前持仓表与所述循环持仓表的历史数据，根据所述历史数据，构建所述当前持仓表与所述循环持仓表的初始佣金递延分析模型，对所述初始佣金递延分析模型进行优化，得到目标佣金递延分析模型。

本发明实施例通过提取所述当前持仓表与所述循环持仓表的历史数据，以用于分析所述历史数据的特征，根据所述历史数据的特征，构建适宜的数据分析模型。

本发明实施例通过根据所述历史数据，构建所述当前持仓表与所述循环持仓表的初始佣金递延分析模型，以用于后续在持仓表中获得数值发生变化时，可以通过所述佣金递延分析模型动态地分析所述持仓表中的数值。

其中，所述初始佣金递延分析模型为从给定的、有限的、用于学习的训练数据出发，假设数据是独立同分布产生的，假设要学习的模型属于某个函数集合，所述函数集合称为假设空间，从所述假设空间中选取一个最优模型，使它对已知的训练数据及未知的测试数据在给定评价准则下有最优的预测结果。所述佣金递延分析模型包括两个字段，即next_formula与commission_type。所述next_formula表示下一次计算策略，所述commission_type表示是否递延。

本发明实施例中，所述根据所述历史数据，构建所述当前持仓表与所述循环持仓表的初始佣金递延分析模型，包括：对所述历史数据进行分类，得到分类历史数据；根据所述分类历史数据，匹配所述当前持仓表与所述循环持仓表的持仓表分析方法；根据所述持仓表分析方法，构建所述当前持仓表与所述循环持仓表的预训练佣金递延分析模型；计算所述预训练佣金递延分析模型的均方误差，识别所述均方误差中的最小均方误差，在所述最小均方误差属于低于预设阈值时，将所述预训练佣金递延分析模型作为初始佣金递延分析模型。

示例性地，对所述历史数据进行分类可以为将所述历史数据分为实数、有理数、无理数等；在所述历史数据为实数时，可以为所述当前持仓表与所述循环持仓表匹配线性回归分析方法；根据所述线性回归分析方法，构建线性回归模型，其中，所述预设阈值可以为0.5。

进一步地，作为本发明的一实施例，所述计算所述预训练佣金递延分析模型的均方误差，包括：通过下述公式计算所述预训练佣金递延分析模型的均方误差：

其中，MSE表示预训练佣金递延分析模型的均方误差，y

进一步地，本发明实施例通过对所述初始佣金递延分析模型进行优化，得到目标佣金递延分析模型，以用于通过优化后的分析模型对数据进行分析，提升数据分析的准确率。

进一步地，作为本发明的一实施例，对所述初始佣金递延分析模型进行优化，得到目标佣金递延分析模型，通过优化算法实现。可选地，所述预设的优化算法可以为梯度下降法、牛顿法和拟牛顿法、共轭梯度法等。

S4、查询所述当前持仓表中的剩余数值，按照所述目标佣金递延分析模型，分析所述剩余数值中的当前递延佣金，得到所述订单数据的当前佣金。

本发明实施例通过查询所述当前持仓表中的剩余数值，以用于将所述当前持仓表中的剩余数值作为样本，保障后续通过所述佣金递延分析模型对所述样本进行分析的前提。

其中，所述当前持仓表中的剩余数值是指用户购买产品之后发生赎回时所产生的变化数值，包括余额、剩余赎回期限等。

本发明实施例中，所述查询所述当前持仓表中的剩余数值，包括：定位所述当前持仓表中每个数值的分类标识；根据所述分类标识，查询所述每个数值的剩余量，将所述剩余量作为所述当前持仓表中的剩余数值。

示例性地，所述数值的分类标识可以为时间标识、货币标识等。

进一步地，本发明实施例通过按照所述目标佣金递延分析模型，分析所述剩余数值中的当前递延佣金，得到所述订单数据的当前佣金，以用于通过训练好的模型进行数据分析，节省人力成本，便捷快速得到当前佣金结果。

本发明实施例中，所述按照所述目标佣金递延分析模型，分析所述剩余数值中的当前递延佣金，得到所述订单数据的当前佣金，包括：通过所述佣金递延分析模型提取所述剩余数值中的当前递延分析数值；识别所述当前递延分析数值之间的约束关系；根据所述当前递延分析数值之间的约束关系构建所述当前递延分析数值的当前佣金分析函数；通过所述当前佣金分析函数计算所述订单数据的当前佣金。

示例性地，当剩余数值为金额100万、存储时间5年时、利息5万，通过所述佣金递延分析模型提取到当前递延分析数值为金额100万、存储时间5年；识别所述当前递延分析数值之间的约束关系为货币与时间的关系；构建所述当前递延分析数值的当前佣金分析函数为货币+时间；计算所述货币+时间的结果；将所述当前佣金分析函数的计算结果作为所述订单数据的当前佣金。

S5、查询所述循环持仓表中的剩余数值，按照所述目标佣金递延分析模型，分析所述剩余数值中的循环递延佣金，得到所述订单数据的循环佣金。

本发明实施例通过查询所述循环持仓表中的剩余数值，以用于将所述循环持仓表中的剩余数值作为样本，保障后续通过所述佣金递延分析模型对所述样本进行分析的前提。

其中，所述循环持仓表中的剩余数值是指用户购买产品之后发生赎回时所产生的变化数值，包括余额、剩余赎回期限等。

需要说明的是，所述查询所述循环持仓表中的剩余数值与上述查询所述循环持仓表中的剩余数值的原理相同，在此不做进一步地赘述。

本发明实施例通过按照所述目标佣金递延分析模型，分析所述剩余数值中的循环递延佣金，得到所述订单数据的循环佣金，以用于通过训练好的模型进行数据分析，节省人力成本，便捷快速得到循环佣金结果。

需要说明的是，所述按照所述目标佣金递延分析模型，分析所述剩余数值中的循环递延佣金，得到所述订单数据的循环佣金与上述按照所述目标佣金递延分析模型，分析所述剩余数值中的当前递延佣金，得到所述订单数据的当前佣金的原理相同，在此不做进一步地赘述。

可以看出，本发明实施例通过将所述订单数据划分为当前递延数据与循环递延数据，以用于将未满期限且用户提前赎回的产品通过划分多次计算佣金的方式减少多发佣金的情况，进一步地，本发明实施例通过将所述当前递延数据对应的数值同步于预设持仓表中，得到当前持仓表，以用于在结算佣金的时候，可以直接从所述当前持仓表中获取数值进行计算，进一步地，本发明实施例通过将所述循环递延数据对应的数值同步于预设持仓表中，得到循环持仓表，以用于在结算佣金的时候，可以直接从所述循环持仓表中获取数值进行计算，进一步地，本发明实施例通过构建所述当前持仓表与所述循环持仓表的初始佣金递延分析模型，以用于后续在持仓表中获得数值发生变化时，可以通过所述佣金递延分析模型动态地分析所述持仓表中的数值，进一步地，本发明实施例通过查询所述当前持仓表中的剩余数值，以用于将所述当前持仓表中的剩余数值作为样本，保障后续通过所述佣金递延分析模型对所述样本进行分析的前提。进一步地，本发明实施例通过按照所述目标佣金递延分析模型，分析所述剩余数值中的当前递延佣金，得到所述订单数据的当前佣金，以用于通过训练好的模型进行数据分析，节省人力成本，便捷快速得到当前佣金结果，进一步地，本发明实施例通过查询所述循环持仓表中的剩余数值，以用于将所述循环持仓表中的剩余数值作为样本，保障后续通过所述佣金递延分析模型对所述样本进行分析的前提。进一步地，本发明实施例通过按照所述目标佣金递延分析模型，分析所述剩余数值中的循环递延佣金，得到所述订单数据的循环佣金，以用于通过训练好的模型进行数据分析，节省人力成本，便捷快速得到循环佣金结果。本发明实施例可以提升佣金分析的时效。

如图2所示，是本发明佣金递延分析装置的功能模块图。

本发明所述佣金递延分析装置100可以安装于电子设备中。根据实现的功能，所述佣金递延分析装置可以包括订单数据划分模块101、循环递延数据同步模块102、递延分析模型优化模块103、当前递延佣金分析模块104以及循环递延佣金分析模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备的处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述订单数据划分模块101，用于获取订单数据，将所述订单数据划分为当前递延数据与循环递延数据；

所述循环递延数据同步模块102，用于将所述当前递延数据对应的数值同步于预设持仓表中，得到当前持仓表，将所述循环递延数据对应的数值同步于所述预设持仓表中，得到循环持仓表；

所述递延分析模型优化模块103，用于提取所述当前持仓表与所述循环持仓表的历史数据，根据所述历史数据，构建所述当前持仓表与所述循环持仓表的初始佣金递延分析模型，对所述初始佣金递延分析模型进行优化，得到目标佣金递延分析模型；

所述当前递延佣金分析模块104，用于查询所述当前持仓表中的剩余数值，按照所述目标佣金递延分析模型，分析所述剩余数值中的当前递延佣金，得到所述订单数据的当前佣金；

所述循环递延佣金分析模块105，用于查询所述循环持仓表中的剩余数值，按照目标佣金递延分析模型，分析所述剩余数值中的循环递延佣金，得到所述订单数据的循环佣金。

详细地，本发明实施例中所述佣金递延分析装置100中的所述各模块在使用时采用与上述的图1中所述的佣金递延分析方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。

如图3所示，是本发明实现佣金递延分析方法的电子设备1的结构示意图。

所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如佣金递延分析程序。

其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备1的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备1的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行佣金递延分析程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。

所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如佣金递延分析程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

所述通信接口13用于上述电子设备1与其他设备之间的通信，包括网络接口和员工接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备1之间建立通信连接。所述员工接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，员工接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的员工界面。

图3仅示出了具有部件的电子设备1，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

应该了解，所述实施例仅为说明之用，在专利发明范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的佣金递延分析程序是多个计算机程序的组合，在所述处理器10中运行时，可以实现：

获取订单数据，将所述订单数据划分为当前递延数据与循环递延数据；

将所述当前递延数据对应的数值同步于预设持仓表中，得到当前持仓表，将所述循环递延数据对应的数值同步于所述预设持仓表中，得到循环持仓表；

提取所述当前持仓表与所述循环持仓表的历史数据，根据所述历史数据，构建所述当前持仓表与所述循环持仓表的初始佣金递延分析模型，对所述初始佣金递延分析模型进行优化，得到目标佣金递延分析模型；

查询所述当前持仓表中的剩余数值，按照所述目标佣金递延分析模型，分析所述剩余数值中的当前递延佣金，得到所述订单数据的当前佣金；

查询所述循环持仓表中的剩余数值，按照所述目标佣金递延分析模型，分析所述剩余数值中的循环递延佣金，得到所述订单数据的循环佣金。

具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。

本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备1的处理器所执行时，可以实现：

获取订单数据，将所述订单数据划分为当前递延数据与循环递延数据；

将所述当前递延数据对应的数值同步于预设持仓表中，得到当前持仓表，将所述循环递延数据对应的数值同步于所述预设持仓表中，得到循环持仓表；

提取所述当前持仓表与所述循环持仓表的历史数据，根据所述历史数据，构建所述当前持仓表与所述循环持仓表的初始佣金递延分析模型，对所述初始佣金递延分析模型进行优化，得到目标佣金递延分析模型；

查询所述当前持仓表中的剩余数值，按照所述目标佣金递延分析模型，分析所述剩余数值中的当前递延佣金，得到所述订单数据的当前佣金；

查询所述循环持仓表中的剩余数值，按照所述目标佣金递延分析模型，分析所述剩余数值中的循环递延佣金，得到所述订单数据的循环佣金。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。

所述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，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。