商机数据处理方法、装置、计算机设备及存储介质

技术领域

本申请涉及数据处理技术领域，尤其涉及一种商机数据处理方法、装置、计算机设备及存储介质。

背景技术

商机是指市场上存在的尚未被满足或者尚未被充分满足的消费需求，在销售领域中，一个商机就是一个获取利润的机会。如，在现代销售管理体系里，客户是一切销售行为的基础，在挖掘到潜在的客户之后，逐步将潜在客户往实际下单客户进行转化，这一过程就是商机的过程体现。

目前，一般是通过商机的转换率来评价商机的好坏。其中，转换率是指商机在一段时间内的下单金额除以该商机的预估下单金额。

但是，通过商机的转换率评价商机的好坏较为简单只能在商机出现下单行为时，才可以分析商机的好处，而在商机出现下单行为之前(如，商机洽谈初期以及对商机的客户进行逐步拜访与沟通的阶段中)却无法预估商机的质量好坏。而且，在销售团队获得商机之后，随着对于客户的了解以及与客户的洽谈沟通等，商机所涉及到的信息(如所可能存在的风险、预估的下单金额等)会存在动态变化的可能，而为了在商机的各个阶段均可能有效把握商机的客户资源，也需要评估商机的质量好坏。因此，如何根据已知的商机信息更为全面合理的预估商机的质量好坏是本领域技术人员迫切需要解决的技术问题。

发明内容

有鉴于此，本申请提供了一种商机数据处理方法、装置、计算机设备及存储介质，以实现更为全面合理的预估商机质量的好坏。

为实现上述目的，一方面，本申请提供了一种商机数据处理方法，包括：

确定待分析的商机；

获取所述商机关联的多种商机属性的属性值；

依据所述商机关联的多种商机属性的属性值，并利用训练出的商机评分模型确定出所述商机的质量评分，其中，所述商机评分模型为利用标注有质量评分的多个商机样本的样本数据训练得到，所述商机样本的样本数据用于表征商机样本的多种商机属性的属性值。

在一种可能的实现方式中，所述依据所述商机关联多种商机属性的属性值，并利用训练出的商机评分模型确定出所述商机的质量评分，包括：

针对每种所述商机属性，按照商机属性的属性值与特征取值的对应关系，确定所述商机关联的所述商机属性的属性值对应的特征取值，得到所述商机关联的所述商机属性的特征取值，其中，所述商机属性的属性值对应的特征取值用于标识所述商机属性的属性值；

将所述商机关联的多种商机属性的特征取值输入到训练出的商机评分模型，并通过所述商机评分模型得到所述商机的质量评分，所述商机样本的样本数据包括商机样本的多种商机属性的特征取值，所述商机样本的商机属性的特征取值用于表征所述商机属性的属性值。

在又一种可能的实现方式中，所述商机评分模型基于训练出的所述多种商机属性中每种商机属性的不同属性值对商机质量的影响程度，确定出所述商机的质量评分。

在又一种可能的实现方式中，所述商机评分模型为训练出的逻辑回归模型。

在又一种可能的实现方式中，所述商机评分模型通过如下方式训练得到：

获取多个商机样本各自关联的多种商机属性的属性值，其中，每个商机样本均标注有真实质量评分；

针对每个商机样本关联的每种所述商机属性，按照商机属性的属性值与特征取值的对应关系，将所述商机样本关联的该商机属性的属性值转换为所述商机样本关联的该商机属性的特征值；

利用所述多个商机样本各自关联的多种商机属性的特征取值训练商机评分模型，直至依据所述多个商机样本的真实质量评分以及所述商机评分模型输出的所述多个商机样本的预测质量评分，确定出所述商机评分模型的预测准确度满足要求为止。

在一种可能的实现方式中，所述确定待分析的商机，包括：

接收商机分析指令，所述商机分析指令携带有商机名称；

将所述商机名称所指向的商机确定为所述待分析的商机；

所述获取所述商机关联的多种商机属性的属性值，包括：

依据所述商机名称从存储的商机数据中，获取与所述待分析的商机关联的多种商机属性的属性值。

又一方面，本申请还提供了一种商机数据处理装置，包括：

商机确定单元，用于确定待分析的商机；

属性获取单元，用于获取所述商机关联的多种商机属性的属性值；

评分预测单元，用于依据所述商机关联的多种商机属性的属性值，并利用训练出的商机评分模型确定出所述商机的质量评分，其中，所述商机评分模型为利用标注有质量评分的多个商机样本的样本数据训练得到，所述商机样本的样本数据用于表征商机样本的多种商机属性的属性值。

在一种可能的实现方式中，所述评分预测单元，包括：

特征转换子单元，用于针对每种所述商机属性，按照商机属性的属性值与特征取值的对应关系，确定所述商机关联的所述商机属性的属性值对应的特征取值，得到所述商机关联的所述商机属性的特征取值，其中，所述商机属性的属性值对应的特征取值用于标识所述商机属性的属性值；

评分预测子单元，用于将所述商机关联的多种商机属性的特征取值输入到训练出的商机评分模型，并通过所述商机评分模型得到所述商机的质量评分，所述商机样本的样本数据包括商机样本的多种商机属性的特征取值，所述商机样本的商机属性的特征取值用于表征所述商机属性的属性值。

又一方面，本申请还提供了一种计算机设备，包括：

处理器和存储器；

所述处理器，用于调用并执行所述存储器中存储的程序；

所述存储器用于存储所述程序，所述程序至少用于：

确定待分析的商机；

获取所述商机关联的多种商机属性的属性值；

依据所述商机关联的多种商机属性的属性值，并利用训练出的商机评分模型确定出所述商机的质量评分，其中，所述商机评分模型为利用标注有质量评分的多个商机样本的样本数据训练得到，所述商机样本的样本数据用于表征商机样本的多种商机属性的属性值。

又一方面，本申请还提供了一种存储介质，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现如上任一项所述的商机数据处理方法。

经由上述的技术方案可知，在确定出待分析的商机之后，利用预先训练出的商机评分模型，便可以预估出该商机的多种商机属性的属性值所对应的质量评分，通过该质量评分可以反映出该商机已知的商机属性的属性值所表现出的该商机的好坏程度，如商机失单或者赢单的概率等，因此，在商机处于任何阶段，通过本申请的方案均结合商机已知的商机属性的属性值预估出商机的质量好坏，从而实现了结合商机的多种属性信息更为全面合理的预估商机质量，进而为销售团队以及销售人员更为合理的维护商机提供了依据。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的实施例，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。

图1示出了本申请的一种商机数据处理方法的一种应用场景的组成结构示意图；

图2示出了适用于本申请的一种商机数据处理方法所适用的计算机设备的一种组成结构示意图；

图3示出了本申请一种商机数据处理方法一个实施例的流程示意图；

图4示出了本申请的一种商机数据处理方法又一个实施例的流程示意图；

图5示出了本申请中训练商机评分模型的一种流程示意图；

图6示出了本申请中商机评分模型的训练以及预测商机的质量评分的实现逻辑示意图；

图7示出了本申请一种商机数据处理方法又一个实施例的流程示意图；

图8示出了本申请一种商机数据处理装置一个实施例的组成结构示意图。

具体实施方式

本申请的商机数据处理方法可以在商机所处的任意阶段，依据商机已知的商机属性的属性值，预估反映商机好坏的质量评分，从而为销售人员维护商机提供前瞻性且有价值的参考依据。

为了便于理解，先对本申请实施例的应用测试方法所适用的应用场景的系统组成进行介绍。如图1，在图1所示的应用场景中可以包括：商机分析设备101以及数据存储设备102。

其中，商机分析设备101以及数据存储设备102之间可以通过网络相连。

该数据存储设备102用于存储不同商机相关的商机数据，如，各个商机在不同商机属性上的属性值等。在实际应用中，销售人员可以将商机的商机名称以及一些基础属性的信息存储到数据存储设备。同时，在商机的阶段变化以及数据存在更新时，可以将商机对应的更新数据录入到数据存储设备中。

该商机分析设备用于依据商机数据预测出商机的质量好坏。

可以理解的是，在图1中是以通过数据存储设备来存储商机相关的数据为例说明，在实际应用中，商机分析设备也可以存储商机相关的数据，或者是，从网络或者通过其他途径获得商机相关的数据。

在本申请实施例中，其中，商机分析设备可以为个人计算机、服务器等计算机设备。如，参见图2，其示出了本申请实施例的商机数据处理方法所适用的计算机设备的一种组成结构示意图。在图2中，该计算机设备200可以包括：处理器201和存储器202。

可选的，该计算机设备还可以包括：通信接口203、输入单元204和显示器205和通信总线206。

其中，处理器201、存储器202、通信接口203、输入单元204、显示器205、均通过通信总线206完成相互间的通信。

在本申请实施例中，该处理器201，可以为中央处理器、专用集成电路、现成可编程门阵列等。

该处理器可以调用存储器202中存储的程序，具体的，可以处理器可以执行后续实施例中计算机设备侧所执行的操作。

存储器202中用于存放一个或者一个以上程序，程序可以包括程序代码，所述程序代码包括计算机操作指令，在本申请实施例中，该存储器中至少存储有用于实现以下功能的程序：

确定待分析的商机；

获取该商机关联的多种商机属性的属性值；

依据该商机关联的多种商机属性的属性值，并利用训练出的商机评分模型确定出该商机的质量评分，其中，该商机评分模型为利用标注有质量评分的多个商机样本的样本数据训练得到，该商机样本的样本数据用于表征商机样本的多种商机属性的属性值。

在一种可能的实现方式中，该存储器202可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、以上所提到的程序，以及至少一个功能(比如评分显示等)所需的应用程序等；存储数据区可存储根据计算机设备的使用过程中所创建的数据。

其中，通信接口203可以为通信模块的接口，如GSM模块的接口。

该输入单元可以包括感应触摸显示面板上的触摸事件的触摸感应单元、键盘等等。

该显示器204包括显示面板，如触摸显示面板等。

当然，图2所示的计算机设备的结构并不构成对本申请实施例中计算机设备的限定，在实际应用中计算机设备可以包括比图2所示的更多或更少的部件，或者组合某些部件。

结合以上内容，下面结合流程图对本申请的商机数据处理方法进行介绍。

如图3所示，其示出了本申请一种商机数据处理方法一个实施例的流程示意图，本实施例的方法应用于前面提到的计算机设备，可以包括：

S301，确定待分析的商机。

S302，获取该商机关联的多种商机属性的属性值。

可以理解的是，在维护商机的过程中，需要记录商机不同维度的数据，每种维度就是商机的一种商机属性。

如，商机属性可以有如下多种可能：

商机来源，其表征该商机是获取哪些方式或渠道获得；

客户历史下单情况，其表示商机所属的客户历史下单的情况；

客户行业，其表示商机的客户所属的行业类别；

商机预估创建到下单的时间，表示商机预估出的从创建到下单所需的耗时；

商机每个阶段的变化时间，其可以表示商机各个阶段变化所需的时长；

商机所属的销售团队，即维护该商机的销售团队；

商机所属的销售团队是否为攻坚团队；

商机是否属于销售渠道共享，如是单个渠道独享，还是多个渠道共享该商机；

商机的投放平台，如商机投放在新闻、视频等平台；

商机风险的录入时间，其表示商机出现风险的时间与创建时间或者成单时间的距离长短；

商机所属的客户在其他竞争对手的预算分配。

以上是集中商机属性为例说明，在实际应用中，商机关联的商机属性还可以有其他可能，在此不加限制。

其中，商机属性的属性值是指该商机在该商机属性下的具体取值。如下表1，该表1示出了不同商机属性以及每种商机属性的可能取值。

表1

在表1中“取值”这一列给出了不同商机属性所可能的属性值。

由如上表1可以看出，对于“商机来源”这一商机属性而言，其属性值可能为“销售”或者“渠道”等；而对于“商机预估创建到下单时间”这一商机属性而言，其属性值可能会为一周、两周或者一个月等等。

可以理解的是，商机所涉及到的商机属性较多，但是对商机最终成单以及成单的转换率的属性因素有较大影响的可能仅仅是部分商机属性，因此，可以预先确定出对商机质量存在影响或者存在影响的程度符合要求的多种设定商机属性。在该种情况下，该步骤S302中可以是获取该商机的该多种设定商机属性的属性值。如，商机属性有20种，但是只有10种为对商机质量影响较大的商机属性，在该种情况下，则可以获取商机在该这设定的10种商机属性上各自的属性值。

可以理解的是，在本申请实施例中，在需要获取属性值的商机属性固定的前提下，由于商机所处的阶段不同，有些商机在某个阶段可能并未涉及到某些商机属性的取值。如，在销售团队刚获取到商机或者获得商机的时间较短的情况下，该商机还不存在风险出现的时间，即商机存在风险的时间这一商机的属性值为空。在该种情况下，本申请仍可以获取该多种商机属性的属性值，如果某种商机属性的属性值为空，则直接设定取值为空即可，后续确定质量评分时，属性值为空的商机属性不会对质量评分产生影响。

需要说明的是，对于某些商机属性而言，在一段时间内可能存在多个连续的属性值，在该种情况下，可以采用数据分箱的方式将数据离散化，然后再综合该商机属性在不同时间段内的多组属性值来执行后续操作。

S303，依据该商机关联的多种商机属性的属性值，并利用训练出的商机评分模型确定出该商机的质量评分。

其中，该商机评分模型为利用标注有质量评分的多个商机样本的样本数据训练得到。

其中，商机样本是指作为训练样本的商机。商机样本的样本数据用于表征商机样本的多种商机属性的属性值。如，商机样本的样本数据可以为商机样本关联的多种商机属性各自的属性值，也可以为表征商机属性的属性值的其他标识数据。

可选的，该商机评分模型为逻辑回归模型，如，利用标注有质量评分的多个商机样本的样本数据对逻辑回归模型进行训练，得到该商机评分模型。

作为一种可选方式，训练该商机评分模型的过程中，会确定出多种商机属性中每种商机属性的不同属性值对于该商机质量的影响程度。在此基础上，该商机评分模型会基于训练出的多种商机属性中每种商机属性的不同属性值对商机质量的影响程度，确定出该商机的质量评分。

具体的，在将该商机的多种商机属性的属性值输入到商机评分模型之后，该商机评分模型会依据该商机评分模型中的多种商机属性中每种商机属性的不同属性值对商机质量的影响程度，处理该商机的多种商机属性的属性值，从而得到该商机的质量评分。如，按照每种商机属性的不同属性值对商机质量的影响程度，对该商机的多种商机属性的属性值进行评分加权等处理。

其中，商机的质量评分可以用于表征商机出现下单(即俗称的赢单)的概率以及下单的转换率的高低等等。

可选的，考虑到商机出现下单后都会涉及到转换率的高低，因此，该商机的质量评分可以用于表征商机的转换率的高低程度。其中，商机的质量评分越高表征预测出该商机的转换率越高。

相应的，商机评分模型中每种商机属性的不同属性值对商机质量的影响程度可以为每种商机属性的不同属性值对于商机转换率的影响程度。其中，该影响程度可以为在训练商机评分模型的过程中确定出的权重。

由以上内容可知，在确定出待分析的商机之后，利用预先训练出的商机评分模型，便可以预估出该商机的多种商机属性的属性值所对应的质量评分，通过该质量评分可以反映出该商机已知的商机属性的属性值所表现出的该商机的好坏程度，如商机失单或者赢单的概率等，因此，在商机处于任何阶段，通过本申请的方案均结合商机已知的商机属性的属性值预估出商机的质量好坏，从而实现了结合商机的多种维度的属性信息更为全面合理的预估商机质量，进而为销售团队以及销售人员提供前瞻性和有价值的商机质量参考依据，也为更为合理的维护商机提供了依据。

可以理解的是，考虑到商机评分模型可能无法很好的识别某些商机属性的属性值，如有的商机属性的属性值为某个团队，而有的为时长等等，为了能够使得商机评分模型可以准确识别出不同属性的属性值，本申请还可以在训练商机评分模型的过程中，将每种商机属性的不同属性值采用不同的特征取值来表示。

如，参见图4，其示出了本申请一种商机数据处理方法又一个实施例的流程示意图，本实施例的方法可以应用于前面提到的计算机设备，可以包括：

S401，确定待分析的商机。

S402，获取该商机关联的多种商机属性的属性值。

与前面相似，该步骤S402也可以为获取商机关联的且属于设定的多种商机属性的属性值。

以上步骤S401和S402可以参见前面实施例的相关介绍，在此不再赘述。

S403，针对该多种商机属性中的每种商机属性，按照该商机属性的属性值与特征取值的对应关系，确定该商机关联的该商机属性的属性值对应的特征取值，得到该商机关联的该商机属性的特征取值。

其中，商机属性的属性值对应的特征取值用于标识该商机属性的属性值。也就是说，将商机属性的属性值转换为计算机设备便于识别的特征取值，通过商机属性的特征取值来表征该商机属性的属性值。如，以商机属性为商机的销售团队是否为攻坚团队为例，这一商机属性的属性值可以是或者否，即是攻坚团队，或者，不是攻坚团队。在该种情况下，是攻坚团队这一属性值对应的特征取值为1，而不是攻坚团队这一属性值对应的特征取值为0。

其中，该商机属性的属性值与特征取值的对应关系可以预先构建。如，可以建立商机属性的特征取值表，在该特征取值表中包含了不同商机属性的各种属性值分别对应的特征取值，在该种情况下，依据该特征取值表，可以将获取到的每种商机属性的属性值转换为该商机属性的特征取值。

如，参见如下表2，在表2中记录了不同商机属性以及商机属性中不同属性值与特征取值的对应关系。

表2

基于表1可知，每种商机属性的属性值后面都对应有特征取值。

例如，对于商机来源这一商机属性而言，其取值可以是：熟人推荐、系统推荐或者历史客户等。其中，熟人推荐的特征取值为1，这样，商机来源的特征取值为1则可以说明为熟人推荐；相似的，系统推荐对应的特征取值可以为2；历史客户对应的特征取值为3。

S404，将该商机关联的多种商机属性的特征取值输入到训练出的商机评分模型，并通过该商机评分模型得到该商机的质量评分。

可以理解的是，在将商机属性的属性值转换为特征取值之后，可以直接将商机属性的特征取值输入到预先训练出的该商机评分模型中，以通过商机评分模型对多种商机属性的特征取值进行转换处理，最终输出该商机的质量评分。

可以理解的是，在本实施例中，为了使得商机评分模型可以识别商机属性的特征取值，该训练该商机评分模型所采用的商机样本的样本数据可以为商机样本的多种商机属性各自的特征取值。

与前面实施例相似，该商机评分模型可以依据训练出的多种商机属性中每种商机属性的特征取值对商机质量的影响程度，确定出该商机的质量评分。

可以理解的是，在以上商机数据处理方法的实施例中，在获得已经训练出的商机评分模型之后，用户如果希望预测某个商机的质量评分，则可以直接向计算机设备输入商机名称，便可以触发计算机设备查询该商机的多种商机属性的属性信息，并调用预先训练出的该商机评分模型，便可以最终预测出该商机的质量好坏。

如，在一种可能的方式中，计算机设备可以接收商机分析指令，在该商机分析指令中携带有商机名称。相应的，可以将该商机名称所指向的商机确定为待分析的商机，并依据该商机名称从存储的商机数据中，获取与该待分析的商机关联的多种商机属性的属性值。然后，调用该商机评分模型预测该商机的质量评分。

可以理解的是，训练该商机评分模型的方式可以有多种，为了便于理解，一种训练商机评分模型的过程为例进行说明。

如图5所示，其示出了本申请一种训练商机评分模型的一种流程示意图，本实施例的方法可以包括：

S501，获取多个商机样本各自关联的多种商机属性的属性值。

其中，每个商机样本均标注有真实质量评分。

其中，为了便于区分，将训练商机评分模型的商机称为商机样本。

与前面实施例相似，该多种商机属性可以是商机具有的所有商机属性，也可以是根据需要设定的多种商机属性。

可以理解的是，商机样本可以为：从网络平台等获取到的已知下单情况以及转换率的商机。在该种情况下，该商机的下单情况以及转换率等都为已知的，因此，可以依据商机的下单情况或者转换率中的一种或者多种指标来设定商机的质量评分，该质量评分就是商机的真实质量评分。

S502，针对每个商机样本关联的每种商机属性，按照商机属性的属性值与特征取值的对应关系，将该商机样本关联的该商机属性的属性值转换为该商机样本关联的该商机属性的特征值。

该步骤与前面步骤S403相似，具体可以参见前面步骤S403的相关介绍，在此不再赘述。

可以理解的是，图5实施例是以将商机属性的属性值转换为特征取值之后，在利用多种商机属性的特征取值来训练商机评分模型为例说明，在实际应用中，也可以是直接利用多种商机属性的属性值来训练商机评分模型，对此本申请不加限制。

S503，利用该多个商机样本各自关联的多种商机属性的特征取值训练商机评分模型，直至依据该多个商机样本的真实质量评分以及该商机评分模型输出的该多个商机样本的预测质量评分，确定出该商机评分模型的预测准确度满足要求为止。

其中，为了便于区分，将训练商机评分模型的过程中，该商机评分模型输出的商机的质量评分称为预测质量评分。

在该步骤S503中，依次将每个商机样本关联的多种商机属性的特征取值输入到商机评分模型中，可以得到该商机样本对应的预测质量评分。这样，将多个商机样本均可以得到相应的预测质量评分。通过将每个商机样本的真实质量评分与预测质量评分进行比对，可以得到该商机评分模型对该商机样本的质量评分的预测是否准确。相应的，基于多个商机样本各自的真实质量评分与预测质量评分，可以得到该商机评分模型的预测准确度。

如果该商机评分模型的预测准确度不符合要求，则可以调整商机评分模型的内部参数，然后继续利用该多个商机样本各自的多种商机属性的特征取值进行训练。当然，在实际应用中，调整商机评分模型的过程可能更为复杂，在此不加限制。

可选的，该商机评分模型中可以设置有多种商机属性的特征取值(或者是属性值)的权重系数，在训练该商机评分模型的过程中，可以不断调整商机评分模型中每种商机属性的不同特征取值(或者属性值)的权重系数，直至完成该商机评分模型训练完成。

作为一种可选方式，该商机评分模型可以为逻辑回归模型。

可以理解的是，以上仅仅是训练商机评分模型的一种实现方式，在实际应用中，通过其他方式训练商机评分模型也同样适用于本申请。

可选的，在训练商机评分模型之前，可以除了获得作为训练样本的商机样本的样本数据之外，还会获得作为验证样本的商机样本的样本数据，为了便于区分，将作为验证样本的商机样本称为商机验证样本。商机验证样本的样本数据同样包括：商机验证样本的多种商机属性的属性值。在实际应用中，可以获取商机样本之后，一部分作为训练模型用的商机样本，另一部分作为验证用的商机验证样本。

相应的，在训练得到商机评分模型之后，还可以利用商机验证样本的样本数据对商机评分模型进行验证。验证过程可以采用验证机器学习模型的任意方式，对此不加限制。如，在商机评分模型为训练得到的逻辑回归模型的情况下，可以通过接受者操作特性曲线(receiver operating characteristic curve，ROC曲线)和AUC(Area Under Curve，指ROC曲线下与坐标轴围成的面积)来评估该商机评分模型的拟合能力。

为了更为直观的理解本申请的方案，可以参见图6，其示出了本申请训练商机评分模型以及利用商机评分模型预测商机的质量评分的实现逻辑框架图。

如图6中数据提供层所示，训练商机评分模型所采用的商机样本的商机数据以及预测商机的质量评分所利用的商机数据可以来自于第三方网络平台、该计算机设备所属平台的下单数据以及通过其他渠道获得的商机数据。

基于数据提供层获得的商机数据，在训练商机评分模型的过程中，可以选取出商机的多种商机属性，如图6中选取核心属性，并获取商机属性的属性值。然后，将获得的商机的多种商机属性的属性值转换为特征取值，如图6中建立特征变量的部分所示。

最后，将每个商机的多种商机属性的属性值所转换出的多种商机属性的特征取值输入商机评分模型进行训练。该商机评分模型中会分别确定每种商机属性的特征取值的权重，然后结合商机属性的特征取值以及其权重，并运用逻辑归回算法来解决多分类问题，最终得到预测出的商机的质量评分。

当然，在训练完商机评分模型之后还会利用多个商机验证样本的样本数据对商机评分模型进行验证，即利用ROC曲线和AUC来评估该商机评分模型是否拟合。

在基于训练得到的商机评分模型预测商机的质量评分时，其过程类似，只不过不需要利用商机验证样本进行模型验证。

为了便于理解，结合图6，以商机验证模型为训练出的逻辑回归模型为例，对本申请的商机数据处理方法进行介绍。如参见图7，其示出了本申请一种商机数据处理方法又一个实施例的流程示意图，本实施例可以包括：

S701，接收输入的商机分析指令。

其中，商机分析指令携带有商机名称。

如，需要预测某个商机的商机质量时，可以通过终端向计算机设备发送商机分析指令；或者是，向计算机设备中显示的商机分析界面中输入商机名称，以使得计算机设备获得商机分析指令。

S702，将该商机名称所指向的商机确定为待分析的商机，并依据商机名称从存储的商机数据中，获取商机关联的且设定的多种商机属性的属性值。

本实施例是以预先设定了评价商机质量所依据的多种商机属性，在该种情况下，可以仅仅获取该商机的商机属性中属于设定的商机属性的多种商机属性的属性值。

如，设定分析商机的质量评分需要利用商机的商机属性A、商机属性B和商机属性C，则可以仅获取该商机的商机属性A的属性值、商机属性B的属性值以及商机属性C的属性值，而不需要获取该商机的其他商机属性的属性值。

S703，针对该多种商机属性中的每种商机属性，按照商机属性的属性值与特征取值的对应关系，确定该商机关联的该商机属性的属性值对应的特征取值，得到该商机关联的该商机属性的特征取值。

该步骤S703可以参见前面实施例的相关介绍，在此不再赘述。

S704，调用预先训练出的逻辑回归模型，将该商机关联的该多种商机属性的特征取值输入到该逻辑回归模型，并依据该逻辑回归模型中该多种商机属性中每种商机属性的特征取值的权重，利用该逻辑回归模型预测出该商机的质量评分。

其中，该逻辑回归模型中可以预置了该多种商机属性中每种商机属性的特征取值所对应的权重，以及多个商机属性之间的函数关系，从而可以得到该质量评分。

可以理解的是，在本申请实施例中设定的多种商机属性也可以根据需要变更，如可以新增一种设定的商机属性，在该种情况下，利用历史已知的商机的该种商机属性的属性值对该商机评分模型进行训练，以最终确定出该新增的商机属性对于质量的权重，从而得到基于包含新增的商机属性在内的多种商机属性进行商机的质量评分的评分模型。

对应本申请的一种商机数据处理方法，本申请还提供了一种商机数据处理装置。如图8所示，其示出了本申请一种商机数据处理装置一个实施例的组成装置示意图，本实施例的装置可以应用于计算机设备，该装置可以包括：

商机确定单元801，用于确定待分析的商机；

属性获取单元802，用于获取所述商机关联的多种商机属性的属性值；

评分预测单元803，用于依据所述商机关联的多种商机属性的属性值，并利用训练出的商机评分模型确定出所述商机的质量评分，其中，所述商机评分模型为利用标注有质量评分的多个商机样本的样本数据训练得到，所述商机样本的样本数据用于表征商机样本的多种商机属性的属性值。

在一种可能的实现方式中，所述评分预测单元，包括：

特征转换子单元，用于针对每种所述商机属性，按照商机属性的属性值与特征取值的对应关系，确定所述商机关联的所述商机属性的属性值对应的特征取值，得到所述商机关联的所述商机属性的特征取值，其中，所述商机属性的属性值对应的特征取值用于标识所述商机属性的属性值；

评分预测子单元，用于将所述商机关联的多种商机属性的特征取值输入到训练出的商机评分模型，并通过所述商机评分模型得到所述商机的质量评分，所述商机样本的样本数据包括商机样本的多种商机属性的特征取值，所述商机样本的商机属性的特征取值用于表征所述商机属性的属性值。

可选的，所述商机评分模型基于训练出的所述多种商机属性中每种商机属性的不同属性值对商机质量的影响程度，确定出所述商机的质量评分。

可选的，所述商机评分模型为训练出的逻辑回归模型。

可选的，该装置还可以包括：模型训练单元，用于通过如下方式训练得到所述商机评分模型：

获取多个商机样本各自关联的多种商机属性的属性值，其中，每个商机样本均标注有真实质量评分；

针对每个商机样本关联的每种所述商机属性，按照商机属性的属性值与特征取值的对应关系，将所述商机样本关联的该商机属性的属性值转换为所述商机样本关联的该商机属性的特征值；

利用所述多个商机样本各自关联的多种商机属性的特征取值训练商机评分模型，直至依据所述多个商机样本的真实质量评分以及所述商机评分模型输出的所述多个商机样本的预测质量评分，确定出所述商机评分模型的预测准确度满足要求为止。

可选的，该商机确定单元，可以包括：

指令接收子单元，用于接收商机分析指令，所述商机分析指令携带有商机名称；

商机确定子单元，用于将所述商机名称所指向的商机确定为所述待分析的商机；

所述属性获取单元具体用于，依据所述商机名称从存储的商机数据中，获取与所述待分析的商机关联的多种商机属性的属性值。

另一方面，本申请还提供了一种存储介质，该存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现如上任意一个实施例中的商机数据处理方法。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。