银行对公交易流水视图构建方法和装置

技术领域

本发明涉及金融相关技术领域，尤其涉及一种银行对公交易流水视图构建方法和装置。

背景技术

现有对公交易流水数据一方面存在大量的汇总记账、批量记账交易，这些对公数据未能穿透真实交易对手信息，造成对公客户与对私客户之间的交易孤岛。另一方面对公业务涉及的数据组件众多、流程复杂，而现有对公交易流水数据侧重记账，缺乏业务视角的解读，未能还原对公交易的真实场景，使得现有对公交易流水数据可读性不强，使得银行各业务部门在使用数据时不得不基于各自部门的业务需求进行数据再加工，这一方面要求业务人员要充分理解银行对公交易流水，且需熟悉银行内部与对公相关的其他数据才能正确使用数据，完成其特定业务需求的数据分析，即现有银行对公交易流水的使用门槛较高。另外各部门各自加工数据，也有可能出现数据口径不一致从而分析结果存在偏差的情况。因此上述问题给银行对公业务数字化运营带来巨大阻碍。

发明内容

有鉴于此，本发明提供一种银行对公交易流水视图构建方法和装置，以解决上述提及的至少一个问题。

为了实现上述目的，本发明采用以下方案：

根据本发明的第一方面，提供一种银行对公交易流水视图构建方法，所述方法包括：将第一对公交易数据中的汇总记账交易数据拆分成汇总记账明细数据；将所述第一对公交易数据中的批量记账交易数据拆分成批量记账明细数据；将所述汇总记账明细数据及所述批量记账明细数据插入所述对公交易数据获得第二对公交易数据；依据交易线、参与人及场景线的划分构建视图框架；基于所述视图框架和所述第二对公交易数据及组件数据获得对公交易流水视图。

作为本发明的一个实施例，上述方法中将第一对公交易数据中的汇总记账交易数据拆分成汇总记账明细数据包括：通过汇总记账交易数据的主键信息关联对应的汇总记账明细数据及批量记账交易数据；对关联到的汇总记账明细数据及批量记账交易数据按照关联时采用的主键信息进行求和；若求和结果与汇总记账交易金额相等，则判定拆分成功，并标记关联到的批量记账交易数据；若求和结果与汇总记账交易金额不相等，则不进行拆分。

作为本发明的一个实施例，上述方法中将第一对公交易数据中的汇总记账交易数据拆分成汇总记账明细数据包括：将所述第一对公交易数据中的批量记账交易数据以及标记的批量记账交易数据按照业务类型进行分类；对不同业务类型的批量记账交易数据确定对应的记录各业务场景批量记账明细的数据组件；通过批量记账交易数据的主键信息关联对应的批量记账明细数据；对关联到的批量记账明细数据按照关联时采用的主键信息进行求和；若求和结果与批量记账交易金额相等，则判定拆分成功；若求和结果与批量记账交易金额不相等，则不进行拆分。

作为本发明的一个实施例，上述方法中视图框架中的交易线包括交易基本信息、金额及日期衍生信息、位置信息、渠道信息、产品合约信息；所述参与人包括对公客户信息、交易对手信息及交易员工信息；所述场景线包括银行视角场景信息及客户视角场景信息。

作为本发明的一个实施例，上述方法中基于所述视图框架和所述第二对公交易数据及组件数据获得对公交易流水视图包括：对所述视图框架中存在于所述第二对公交易数据中的部分信息进行保留，不进行额外处理；对所述视图框架中存在于其他数据组件且与所述第二对公交易数据存在直接关联关系的部分信息进行关联处理；对所述视图框架中存在于其他数据组件，且与所述第二对公交易数据不存在直接关联关系但符合整合规则的部分信息进行整合处理；对所述视图框架中的标签类信息，通过对相关组件数据进行规则衍生处理或模型衍生处理获得标签类数据。

作为本发明的一个实施例，上述方法中对所述视图框架中存在于其他数据组件且与所述第二对公交易数据存在直接关联关系的部分信息进行关联处理包括：确定视图框架信息与各数据组件的映射关系；确定所述第二对公交易数据与该部分信息涉及的数据组件的关联主键；依据所述关联主键将所述第二对公交易数据与数据组件进行关联，并将存在于同一个数据组件上的信息一并加工到所述第二对公交易数据上。

作为本发明的一个实施例，上述方法中对所述视图框架中存在于其他数据组件，且与所述第二对公交易数据不存在直接关联关系但符合整合规则的部分信息进行整合处理包括：针对各数据组件上相同信息具有不同数据格式、代码规范、缺失处理形式的情况，制定相应整合规则以统一数据形式；关联所述第二对公交易数据与该部分信息涉及的数据组件；基于整合规则将关联到的信息进行处理以统一数据形式。

作为本发明的一个实施例，上述方法中对所述视图框架中的标签类信息，通过对相关组件数据进行规则衍生处理获得，包括：构建标签分类体系；基于预设规则确定所述标签分类体系中的标签排列顺序；获取标签辅助判断信息并确定所述标签辅助判断信息不同取值所对应的标签类别；基于所述标签排列顺序及标签辅助判断信息确定标签类别判定规则；将所述判定规则应用到相关组件数据上以获得标签类数据。

作为本发明的一个实施例，上述方法中对所述视图框架中的标签类信息，通过对相关组件数据进行模型衍生处理获得，包括：对银行内部已有的分类标签，每类标签下准备同等数量级且不重复的特征数据；对所述特征数据进行预处理；将所述特征数据与标签数据按比例划分成训练集、验证集及测试集；利用所述训练集训练标签分类模型，将验证集输入初步训练后的标签分类模型验证预测效果并据此调整模型参数，最后将测试集输入标签分类模型获得实际预测效果；将训练好的标签分类模型应用到相关组件数据上，获得标签类数据。

根据本发明的第二方面，提供一种银行对公交易流水视图构建装置，所述装置包括：第一拆分单元，用于将第一对公交易数据中的汇总记账交易数据拆分成汇总记账明细数据；第二拆分单元，用于将所述第一对公交易数据中的批量记账交易数据拆分成批量记账明细数据；数据插入单元，用于将所述汇总记账明细数据及所述批量记账明细数据插入所述对公交易数据获得第二对公交易数据；框架构建单元，用于依据交易线、参与人及场景线的划分构建视图框架；流水视图生成单元，用于基于所述视图框架和所述第二对公交易数据及组件数据获得对公交易流水视图。

作为本发明的一个实施例，上述第一拆分单元包括：关联模块，用于通过汇总记账交易数据的主键信息关联对应的汇总记账明细数据及批量记账交易数据；求和模块，用于对关联到的汇总记账明细数据及批量记账交易数据按照关联时采用的主键信息进行求和；标记模块，用于当求和结果与汇总记账交易金额相等，则判定拆分成功，并标记关联到的批量记账交易数据；若求和结果与汇总记账交易金额不相等，则不进行拆分。

作为本发明的一个实施例，上述第二拆分单元包括：分类模块，用于将所述第一对公交易数据中的批量记账交易数据以及标记的批量记账交易数据按照业务类型进行分类；组件确定模块，用于对不同业务类型的批量记账交易数据确定对应的记录各业务场景批量记账明细的数据组件；关联模块，用于通过批量记账交易数据的主键信息关联对应的批量记账明细数据；求和模块，用于对关联到的批量记账明细数据按照关联时采用的主键信息进行求和，若求和结果与批量记账交易金额相等，则判定拆分成功；若求和结果与批量记账交易金额不相等，则不进行拆分。

作为本发明的一个实施例，视图框架中的交易线包括交易基本信息、金额及日期衍生信息、位置信息、渠道信息、产品合约信息；所述参与人包括对公客户信息、交易对手信息及交易员工信息；所述场景线包括银行视角场景信息及客户视角场景信息。

作为本发明的一个实施例，上述流水视图生成单元包括：源生处理模块，用于对所述视图框架中存在于所述第二对公交易数据中的部分信息进行保留，不及进行额外处理；关联处理模块，用于对所述视图框架中存在于其他数据组件且与所述第二对公交易数据存在直接关联关系的部分信息进行关联处理；整合处理模块，用于对所述视图框架中存在于其他数据组件，且与所述第二对公交易数据不存在直接关联关系但符合整合规则的部分信息进行整合处理；衍生处理模块，用于对所述视图框架中的标签类信息，通过对相关组件数据进行规则衍生处理或模型衍生处理获得标签类数据。

作为本发明的一个实施例，上述关联处理模块包括：关系确定子模块，用于确定视图框架信息与各数据组件的映射关系；主键确定子模块，用于确定所述第二对公交易数据与该部分信息涉及的数据组件的关联主键；关联子模块，用于依据所述关联主键将所述第二对公交易数据与数据组件进行关联，并将存在于同一个数据组件上的信息一并加工到所述第二对公交易数据上。

作为本发明的一个实施例，上述整合处理模块包括：规则制定子模块，用于针对各数据组件上相同信息具有不同数据格式、代码规范、缺失处理形式的情况，制定相应整合规则以统一数据形式；关联子模块，用于关联所述第二对公交易数据与该部分信息涉及的数据组件；整合子模块，用于基于整合规则将关联到的信息进行处理以统一数据形式。

作为本发明的一个实施例，上述衍生处理模块对所述视图框架中的标签类信息，通过对相关组件数据进行规则衍生处理获得标签类数据，包括：构建标签分类体系；基于预设规则确定所述标签分类体系中的标签排列顺序；获取标签辅助判断信息并确定所述标签辅助判断信息不同取值所对应的标签类别；基于所述标签排列顺序及标签辅助判断信息确定标签类别判定规则；将所述判定规则应用到相关组件数据上以获得标签类数据。

作为本发明的一个实施例，上述衍生处理模块对所述视图框架中的标签类信息，通过对相关组件数据进行模型衍生处理获得标签类数据，包括：对银行内部已有的分类标签，每类标签下准备同等数量级且不重复的特征数据；对所述特征数据进行预处理；将所述特征数据与标签数据按比例划分成训练集、验证集及测试集；利用所述训练集训练标签分类模型，将验证集输入初步训练后的标签分类模型验证预测效果并据此调整模型参数，最后将测试集输入标签分类模型获得实际预测效果；将训练好的标签分类模型应用到相关组件数据上，获得缺失的标签类数据。

根据本发明的第三方面，提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，处理器执行所述计算机程序时实现上述方法的步骤。

根据本发明的第四方面，提供一种计算机可读存储介质，其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方法的步骤。

由上述技术方案可知，本发明提供的银行对公交易流水视图构建方法和装置，通过拆分现有银行对公交易流水中的汇总记账交易数据、批量记账交易数据以获得每日的真实交易，还原存款交易发生额、交易备注、交易对手等信息，打通了对公与对私间的交易数据壁垒，形成全局视角的客户交易资金的全面认知。其次本申请可以结合银行内部各业务部门的使用需求，构建银行对公交易流水视图框架，然后基于拆分的明细交易数据形成高可读性、高易用性的银行对公交易流水视图，降低了对公交易数据的使用门槛。最后本发明的实施过程不涉及数据组件整改、无需全行范围相关部门配合，所投入的人力物力资源少，具有投入成本低、实施周期短、效果显著的优点。

附图说明

为了更清楚地说明本发明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发明的一些实施例，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，还可以根据这些附图获得其他的附图。在附图中：

图1是本发明实施例提供的一种银行对公交易流水视图构建方法的流程示意图；

图2是本发明实施例提供的汇总记账交易数据拆分的流程示意图；

图3是本发明实施例提供的批量记账交易数据的流程示意图；

图4是本发明实施例提供的对公交易流水视图生成的流程示意图；

图5是本发明实施例提供的关联处理的流程示意图；

图6是本发明实施例提供的整合处理的流程示意图；

图7是本申请实施例提供的通过规则衍生处理得到标签类数据的流程示意图；

图8是本申请实施例提供的通过模型衍生处理得到标签类数据的流程示意图；

图9是本申请实施例提供的一种银行对公交易流水视图构建装置的结构示意图；

图10是本申请实施例提供的第一拆分单元的结构示意图；

图11是本申请实施例提供的第二拆分单元的结构示意图；

图12是本申请实施例提供的流水视图生成单元的结构示意图；

图13是本申请实施例提供的关联处理模块的结构示意图；

图14是本申请实施例提供的整合处理模块的结构示意图；

图15是本发明实施例提供的电子设备的系统构成示意框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

现有对公交易流水数据一方面存在大量的汇总记账、批量记账交易，汇总记账比如是某公司要求以天为单位，每天记录总进账及总支出的一种记账方式，而批量记账则是按照预设的业务规则针对各类发生业务所进行的一种记账方式。这些对公数据未能穿透真实交易对手信息，造成对公客户与对私客户之间的交易孤岛。而且对公业务涉及的数据组件众多、流程复杂，而现有对公交易流水数据侧重记账，缺乏业务视角的解读，未能还原对公交易的真实场景，使得现有对公交易流水数据可读性不强，使得银行各业务部门在使用数据时不得不基于各自部门的业务需求进行数据再加工，因此现有银行对公交易流水的使用门槛较高。另外各部门各自加工数据，也有可能出现数据口径不一致从而分析结果存在偏差的情况。因此上述问题给银行对公业务数字化运营带来巨大阻碍。针对上述问题，本发明的目的在于提供银行对公交易流水视图构建方法和装置，打通了对公与对私间的交易数据壁垒，降低银行人员对于对公数据进行再利用的门槛。

基于上述目的，如图1所示为本发明实施例提供的一种银行对公交易流水视图构建方法的流程示意图，该方法包括如下步骤：

步骤S101：将第一对公交易数据中的汇总记账交易数据拆分成汇总记账明细数据。

银行对公交易因其业务需要，存在着汇总记账和批量记账交易，该部分交易数据在现有银行对公交易数据中是缺失交易对手等交易相关信息的，而其对应的明细数据中则包含了交易对手等交易相关信息，因此需要将其拆分为相应的明细数据，再对明细数据进行后续的处理。这里的第一对公交易数据即为原始的对公交易数据，其中的汇总记账及批量记账交易数据并未进行过任何处理。

步骤S102：将所述对公交易数据中的批量记账交易数据拆分成批量记账明细数据。

步骤S103：将所述汇总记账明细数据及所述批量记账明细数据插入所述对公交易数据获得第二对公交易数据。

这里的第二对公交易数据，即为插入了经由汇总记账交易数据及批量记账交易数据所拆分而来的明细数据后的对公交易数据。

步骤S104：依据交易线、参与人及场景线的划分构建视图框架。

步骤S105：基于所述视图框架和所述第二对公交易数据及组件数据获得对公交易流水视图。

由上述可知，本申请通过将对公交易数据中汇总记账交易数据以及批量记账交易数据拆分成对应的明细数据，然后构建出视图框架，最后将拆分出的明细数据进行处理使其与视图框架相对应，进而获得对公交易流水视图。可见，本申请打通了对公与对私间的交易数据壁垒，形成全局视角的客户交易资金的全面认知。最后得到的对公交易流水视图可以大大降低对公数据的使用门槛。

优选的，在本发明的一个实施例中，如图2所示，上述步骤S101进一步可以包括如下子步骤：

步骤S201：通过汇总记账交易数据的主键信息关联对应的汇总记账明细数据及批量记账交易数据。

在本步骤之前，可以先将对公交易数据按照记账方式划分为汇总记账、批量记账及明细记账，对于其中的明细记账数据无需进行拆分。

由于所有对公交易数据都是存储于数据库之中，因此本申请可以基于汇总记账交易数据与汇总记账明细数据之间的关联关系来找到对应的明细数据，具体来说，就是以它们的主键信息为纽带，通过主键信息关联到对应的汇总记账明细数据。同时需要指出的是，由于汇总记账交易数据与批量记账交易数据的定义，在基于主键信息关联时，也会关联到一部分批量记账交易数据，对于这部分批量记账交易数据，本发明在关联到知乎可以对其进行单独标记，以便在后续步骤中继续对其进行拆分。

步骤S202：对关联到的汇总记账明细数据及批量记账交易数据按照关联时采用的主键信息进行求和。

步骤S203：若求和结果与汇总记账交易金额相等，则判定拆分成功，并标记关联到的批量记账交易数据；若求和结果与汇总记账交易金额不相等，则不进行拆分。

由上述可知，本申请在汇总记账交易数据时无需人工进行干预，还可自动完成拆分的正确性验证，拆分效率高。

优选的，在本发明的一个实施例中，如图3所示，上述步骤S102进一步可以包括如下子步骤：

步骤S301：将所述第一对公交易数据中的批量记账交易数据以及标记的批量记账交易数据按照业务类型进行分类。

这里的批量记账交易数据包括了对公交易数据中原始的批量记账交易数据以及上述步骤S203中所单独标记的关联到的批量记账交易数据。这里的业务类型比如可以包括代理台账、代理保险、商务收单等。在本实施例中，先将批量记账交易数据按照业务类型进行分类，得到它们所属的业务。

步骤S302：对不同业务类型的批量记账交易数据确定对应的记录各业务场景批量记账明细的数据组件。

数据组件可以是记录批量记账交易数据的系统或硬件，由于一个业务类型的批量记账交易数据可能涉及到多个数据组件来记录，因此需要先对其对应的数据组件进行确定。

步骤S303：通过批量记账交易数据的主键信息关联对应的批量记账明细数据。

步骤S304：对关联到的批量记账明细数据按照关联时采用的主键信息进行求和。

步骤S305：若求和结果与批量记账交易金额相等，则判定拆分成功；若求和结果与批量记账交易金额不相等，则不进行拆分。

由上述可知，本申请在批量记账交易数据时也无需人工进行干预，还可自动完成拆分的正确性验证，拆分效率高。且在拆分过程中可以识别出批量记账交易数据所对应的数据组件，为后续银行对公交易流水视图奠定了一部分基础。

优选的，在本发明的一个实施例中，上述步骤S104中的交易线可以包括但不限于交易基本信息、金额及日期衍生信息、位置信息、渠道信息和产品合约信息等。

其中交易基本信息包括但不限于交易日期、交易金额、交易方向、交易双方账号、交易双方名称等信息。

金额及日期衍生信息包括但不限于存款借贷方发生额、折人民币交易金额、折美元交易金额、存款记账金额、存款余额等，以及交易本地日期和时间、交易系统日期和时间、交易会计日期和时间等。

位置信息包括但不限于交易IP、交易MAC、交易双方交易银行位置信息、终端设备信息、交易区域类型等。

渠道信息包括但不限于交易渠道、清算渠道、网银渠道、交易双方交易介质等。

产品合约信息用于描述对公客户通过什么产品触发了哪个合约。包括但不限于产品类型、产品编号、产品名称、合约编号等信息。

上述步骤S104中的参与人可以包括对公客户信息、交易对手信息及交易员工信息等。

其中对公客户信息是用以全面展示银行对公客户的可辅助理解交易的相关信息，如交易账户性质、账户自然科目、对公客户名称、对公客户类型等信息。

交易对手信息是用以全面展示交易对手的可辅助理解交易的相关信息，如是否为银行客户、对公对私类型、交易对手交易账户性质等信息。

交易员工信息是指该笔交易经由哪位银行员工操办、机具、客户经办员工。包括员工编号、员工名称、员工类型、员工所属分行等信息。

上述步骤S104中的场景线可以包括银行视角场景信息及客户视角场景信息。

其中银行视角场景信息是从银行对公业务出发，对每笔交易划分其所属的交易业务类别信息。

客户视角场景信息是站在客户视角，对每笔交易标记其资金用途、收支类型、资金流类型以及与交易对手的交易关系信息。

优选的，在本发明的一个实施例中，如图4所示，上述步骤S105可以包括如下子步骤：

步骤S401：对所述视图框架中存在于所述第二对公交易数据中的部分信息进行保留，不进行额外处理。

步骤S402：对所述视图框架中存在于其他数据组件且与所述第二对公交易数据存在直接关联关系的部分信息进行关联处理。

这里的直接关联关系是指该部分数据存在于多个数据组件中，因此它们之间存在着关联关系。进一步优选的，如图5所示，这里的关联处理可以包括：

步骤S4021：确定视图框架信息与各数据组件的映射关系。即确定出每个数据组件中包括了视图框架中的哪些信息，以及这些信息对应在数据组件上的取数口径。

步骤S4022：确定第二公共交易数据与该部分信息涉及的数据组件的关联主键。在将现有对公交易流水数据与各数据组件进行关联前，应先确定双方关联主键，以确保能够成功关联到数据组件且关联结果不会出现重复。

步骤S4023：依据所述关联主键将第二公共交易数据与数据组件进行关联。在关联后，还需将存在于同一个数据组件上的信息一并加工到第二对公交易流水数据上。

步骤S403：对所述视图框架中存在于其他数据组件，且与所述第二对公交易数据不存在直接关联关系但符合整合规则的部分信息进行整合处理。

进一步的，如图6所示，该步骤可以包括如下子步骤：

步骤S4031：针对各数据组件上相同信息具有不同数据格式、代码规范、缺失处理形式等情况的，制定相应整合规则以统一数据形式。

步骤S4032：关联所述第二对公交易数据与该部分信息涉及的数据组件。

步骤S4033：基于整合规则将关联到的数据进行处理以统一数据形式。

步骤S404：对所述视图框架中的标签类信息，通过对相关组件数据进行规则衍生处理或模型衍生处理获得标签类数据。

下面分别对本步骤的规则衍生处理及模型衍生处理进行分别介绍。

在本申请中标签类别可以包括但不限于交易业务类别、交易对手区域、收支类型、资金流类型、交易关系等，下面在介绍规则衍生处理的时候，采用交易业务类别来进行说明，其他标签类别也可以通过相同步骤或模型衍生步骤予以实施。

如图7所示为本申请实施例提供的通过规则衍生处理得到标签类数据的流程示意图，其包括如下步骤：

步骤S701：构建标签分类体系。

在本步骤可以先基于银行业务范围，制定账户管理、定期业务、贷款业务、支付结算、代理同业等业务大类标签。再对各业务大类进行细分，制定业务小类标签，如将贷款业务细分成普惠贷款、绿色金融贷款等，从而形成交易业务分类体系。

步骤S702：基于预设规则确定所述标签分类体系中的标签排列顺序。

这里的规则比如可以是将构建的交易业务分类体系按照业务界限清晰度进行排序，如账户管理业务不会与其他业务有重合，则应将账户管理排在前面，而收单消费业务的交易也可能涉及支付结算业务，则应按银行相关业务部门的要求进行排序。

步骤S703：获取标签辅助判断信息并确定所述标签辅助判断信息不同取值所对应的业务类别。

这里的标签辅助判断信息是可以辅助判断交易业务类别的信息，如交易凭证、交易服务编码、调用方服务编码、账户科目等，不同银行的辅助信息可以不同，本申请对此并不加以限定。

步骤S704：基于所述标签排列顺序及标签辅助判断信息确定交易业务类别判定规则。

步骤S705：将所述判定规则应用到相关组件数据上以获得交易业务类别。

如图8所示为本申请实施例提供的通过模型衍生处理得到标签类数据的流程示意图，其包括如下步骤，下面在介绍模型衍生处理的时候，采用客户类型来进行说明，其他标签类别也可以通过相同步骤或规则衍生步骤予以实施。

步骤S801：对银行内部已有客户类型的客户，梳理客户类型标签，每类标签下准备同等数量且不重复的文本特征。这里文本特征可以是客户名称，也可以是其他可辅助判断客户类型的文本。

步骤S802：进行特征预处理。删除所述文本特征中的特殊符号及地名。

如后续模型考虑采用支持向量机、随机森林等机器学习算法作为分类模型，则应将文本特征进行向量化处理，向量化方法包括但不限于one-hot，TF-IDF，word2vec等。如考虑采用Bert等预训练文本模型作为分类模型，则无需进行向量化处理，直接进入下一步骤。

步骤S803：将所述特征数据和标签数据按比例划分成训练集、验证集及测试集。

步骤S804：利用所述训练集训练客户类型分类模型，将验证集输入初步训练后的客户类型分类模型验证预测效果并据此调整模型参数，最后将测试集输入客户类型分类模型获得实际预测效果。

步骤S805：将训练好的客户类型分类模型应用到相关组件数据上，获得缺失的客户类型标签。

本实施例的模型衍生处理是对无法通过规则覆盖全部交易数据的信息，如部分交易流水无法通过规则标记出资金用途，或客户类型存在缺失且无法通过规则标记其正确的客户类型等情况，采用模型的方式进行补充标记。最后可以得到交易流水的客户类型标签，从而对应至视图框架中。

由上述技术方案可知，本发明提供的银行对公交易流水视图构建方法，通过拆分现有银行对公交易流水中的汇总记账交易数据、批量记账交易数据以获得每日的真实交易，还原存款交易发生额、交易备注、交易对手等信息，打通了对公与对私间的交易数据壁垒，形成全局视角的客户交易资金的全面认知。其次本申请可以结合银行内部各业务部门的使用需求，构建银行对公交易流水视图框架，然后基于拆分的明细交易数据形成高可读性、高易用性的银行对公交易流水视图，降低了对公交易数据的使用门槛。最后本发明的实施过程不涉及数据组件整改、无需全行范围相关部门配合，所投入的人力物力资源少，具有投入成本低、实施周期短、效果显著的优点。

如图9所示为本申请实施例提供的一种银行对公交易流水视图构建装置的结构示意图，该装置包括：第一拆分单元910、第二拆分单元920、数据插入单元930、框架构建单元940和流水视图生成单元950，它们之间依次相连。

第一拆分单元910，用于将第一对公交易数据中的汇总记账交易数据拆分成汇总记账明细数据。

第二拆分单元920，用于将所述第一对公交易数据中的批量记账交易数据拆分成批量记账明细数据。

数据插入单元930，用于将所述汇总记账明细数据及所述批量记账明细数据插入所述对公交易数据获得第二对公交易数据。

框架构建单元940，用于依据交易线、参与人及场景线的划分构建视图框架。

流水视图生成单元950，用于基于所述视图框架和所述第二对公交易数据及组件数据获得对公交易流水视图。

优选的，如图10所示，上述第一拆分单元910包括：关联模块911、求和模块912和标记模块913，它们之间依次相连。

关联模块911，用于通过汇总记账交易数据的主键信息关联对应的汇总记账明细数据及批量记账交易数据。

求和模块912，用于对关联到的汇总记账明细数据及批量记账交易数据按照关联时采用的主键信息进行求和。

标记模块913，用于当求和结果与汇总记账交易金额相等，则判定拆分成功，并标记关联到的批量记账交易数据；若求和结果与汇总记账交易金额不相等，则不进行拆分。

优选的，如图11所示，上述第二拆分单元920包括：分类模块921、组件确定模块922、关联模块923和求和模块924，它们之间依次相连。

分类模块921，用于将所述第一对公交易数据中的批量记账交易数据以及标记的批量记账交易数据按照业务类型进行分类；

组件确定模块922，用于对不同业务类型的批量记账交易数据确定对应的记录各业务场景批量记账明细的数据组件；

关联模块923，用于通过批量记账交易数据的主键信息关联对应的批量记账明细数据；

求和模块924，用于对关联到的批量记账明细数据按照关联时采用的主键信息进行求和，若求和结果与批量记账交易金额相等，则判定拆分成功；若求和结果与批量记账交易金额不相等，则不进行拆分。

优选的，上述视图框架中的交易线包括交易基本信息、金额及日期衍生信息、位置信息、渠道信息、产品合约信息；所述参与人包括对公客户信息、交易对手信息及交易员工信息；所述场景线包括银行视角场景信息及客户视角场景信息。优选的，如图12所示，上述流水视图生成单元950包括：源生处理模块951、关联处理模块952、整合处理模块953和衍生处理模块954，它们之间依次相连。

源生处理模块951，用于对所述视图框架中存在于所述第二对公交易数据中的部分信息进行保留，不及逆行额外处理。

关联处理模块952，用于对所述视图框架中存在于其他数据组件且与所述第二对公交易数据存在直接关联关系的部分信息进行关联处理。

整合处理模块953，用于对所述视图框架中存在于其他数据组件，且与所述第二对公交易数据不存在直接关联关系但符合整合规则的部分信息进行整合处理。

衍生处理模块954，用于对所述视图框架中的标签类信息，通过对相关组件数据进行规则衍生处理或模型衍生处理获得标签类数据。

优选的，如图13所示，上述关联处理模块952包括：关系确定子模块9521，用于确定视图框架信息与各数据组件的映射关系；主键确定子模块9522，用于确定第二公共交易数据与该部分信息涉及的数据组件的关联主键；关联子模块9523，用于依据所述关联主键将所述第二对公交易数据与数据组件进行关联，并将存在于同一个数据组件上的信息一并加工到所述第二对公交易数据上。

优选的，如图14所示，上述整合处理模块953包括：规则制定子模块9531，用于针对各数据组件上相同信息具有不同数据格式、代码规范、缺失处理形式的情况，制定相应整合规则以统一数据形式；关联子模块9532，用于关联所述第二对公交易数据与该部分信息涉及的数据组件；整合子模块9533，用于基于整合规则将关联到的信息进行处理以统一数据形式。

优选的，上述衍生处理模块954对所述视图框架中的标签类数据，通过对相关组件数据进行规则衍生处理获得标签类数据，包括：构建标签分类体系；基于预设规则确定所述标签分类体系中的标签排列顺序；获取标签辅助判断信息并确定所述标签辅助判断信息不同取值所对应的标签类别；基于所述标签排列顺序及标签辅助判断信息确定标签类别判定规则；将所述判定规则应用到相关组件数据上以获得标签类数据。

优选的，上述衍生处理模块954对所述视图框架中的标签类数据，通过对相关组件数据进行模型衍生处理获得标签类数据，包括：对银行内部已有的分类标签，每类标签下准备同等数量级且不重复的特征数据；对所述特征数据进行预处理；将所述特征数据与标签数据按比例划分成训练集、验证集及测试集；利用所述训练集训练标签分类模型，将验证集输入初步训练后的标签分类模型验证预测效果并据此调整模型参数，最后将测试集输入标签分类模型获得实际预测效果；将训练好的标签分类模型应用到相关组件数据上，获得缺失的标签类数据。

由上述技术方案可知，本发明提供的银行对公交易流水视图构建装置，通过拆分现有银行对公交易流水中的汇总记账交易数据、批量记账交易数据以获得每日的真实交易，还原存款交易发生额、交易备注、交易对手等信息，打通了对公与对私间的交易数据壁垒，形成全局视角的客户交易资金的全面认知。其次本申请可以结合银行内部各业务部门的使用需求，构建银行对公交易流水视图框架，然后基于拆分的明细交易数据形成高可读性、高易用性的银行对公交易流水视图，降低了对公交易数据的使用门槛。最后本发明的实施过程不涉及数据组件整改、无需全行范围相关部门配合，所投入的人力物力资源少，具有投入成本低、实施周期短、效果显著的优点。

本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行所述程序时实现上述方法。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有执行上述方法的计算机程序。

如图15所示，该电子设备600还可以包括：通信模块110、输入单元120、音频处理器130、显示器160、电源170。值得注意的是，电子设备600也并不是必须要包括图15中所示的所有部件；此外，电子设备600还可以包括图15中没有示出的部件，可以参考现有技术。

如图15所示，中央处理器100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器100接收输入并控制电子设备600的各个部件的操作。

其中，存储器140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序，以实现信息存储或处理等。

输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向电子设备600提供电力。显示器160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。

该存储器140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142，该应用/功能存储部142用于存储应用和功能程序或用于通过中央处理器100执行电子设备600的操作的流程。

存储器140还可以包括数据存储部143，该数据存储部143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器140的驱动程序存储部144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。

通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。

基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132，以经由扬声器131提供音频输出，并接收来自麦克风132的音频输入，从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器130还耦合到中央处理器100，从而使得可以通过麦克风132能够在本机上录音，且使得可以通过扬声器131来播放本机上存储的声音。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。