技术领域
本申请涉及计算机技术领域及人工智能领域，尤其涉及一种基于大数据的任务委派方法、装置、计算机设备、计算机可读存储介质。
背景技术
在全球经济形势复杂化、经济全球化的背景下，2020年新冠疫情影响下，实体企业经营受到重挫，企业不良资产加速暴露，银保监数据显示，截至2021年一季度，银行业不良资产余额高达36000亿，较年初增加1183亿。不良贷款处置压力持续增大。委托外部催收公司进行催收是银行常用的催收手段之一，因为催收公司在修复失联、心理施压、甚至不良资产回收等方面有其专业能力，特别是在不良资产所属地的表现往往不错。但是整个委催业务涉及诸多问题，比如内部合规问题、催收公司催收动作是否合规问题、催收公司的配合积极性、选择的催收公司是否最优等问题。
在上述实际应用的问题之前，相关技术的方式往往无法满足催收任务的应用场景，造成催收效率低的问题。
发明内容
本申请实施例的目的在于提出一种基于大数据的任务委派方法、装置、计算机设备及存储介质，以解决相关技术的方式往往无法满足催收任务的应用场景，造成催收效率低的问题。
为了解决上述技术问题，本申请实施例提供一种大数据的任务委派方法，采用了如下所述的技术方案：获取备选对象的工作参数；基于所述工作参数确定所述备选对象的工作属性；获取用户的应用数据，并基于所述应用数据确定所述用户的用户属性；基于所述备选对象的工作属性和所述用户的用户属性，对所述备选对象和所述用户进行匹配得到匹配结果，以根据匹配结果从所述备选对象中确定用于服务所述用户的目标对象；发送所述用户对应的任务订单至所述目标对象。
进一步的，在本申请的一些实施例中，基于前述方案，所述工作属性包括预设的一类备选对象、二类备选对象以及三类备选对象；所述获取备选对象的工作参数，包括：获取所述备选对象在预设周期内的任务数量、各任务的处理时长、各任务的参与人数、任务获取时的相隔时长；基于所述预设周期内的任务数量、各任务的处理时长、各任务的参与人数、任务获取时的相隔时长，计算所述备选对象在所述预设周期内的活跃度参数。
进一步的，在本申请的一些实施例中，基于前述方案，所述基于所述工作参数确定所述备选对象的工作属性，包括：基于设定判断条件，检测所述工作参数，从所述备选对象中确定存在异常案件情况的一类备选对象；所述异常案件情况包括应委未委案、集中委案、超期委案、关联委案以及权益处置异常中的至少一种；针对除所述一类备选对象之外备选对象，基于剩余备选对象的工作参数，计算所述备选对象的代理参数；从剩余备选对象中，将代理参数不小于预设阈值的备选对象作为二类备选对象，将代理参数小于预设阈值的备选对象作为三类备选对象。
进一步的，在本申请的一些实施例中，基于前述方案，所述基于设定判断条件，检测所述工作参数，从所述备选对象中确定存在异常案件情况的一类备选对象之后，还包括：基于设定的工作参数阈值，在预设的预警维度中，对所述一类备选对象进行预警；所述预警维度包括电催启动率、单日覆盖率、单户异常率、还款承诺户数、跳票预防比率中的至少一种。
进一步的，在本申请的一些实施例中，基于前述方案，所述工作参数包括催员数量、活跃度参数、催收预警参数、催记质量参数、催收公司排名系数，所述针对筛选所述一级备选对象之后得到的剩余备选对象，基于剩余备选对象的工作参数，计算所述备选对象的代理参数，包括：对所述备选对象的催员数量、活跃度参数、催收预警参数、催记质量参数、催收公司排名系数进行加权平均，得到所述剩余备选对象的代理参数。
进一步的，在本申请的一些实施例中，基于前述方案，所述获取用户的应用数据，并基于所述应用数据确定所述用户的用户属性，包括：对所述应用数据进行量化，得到量化数据；基于逻辑回归算法对所述量化数据进行分类，确定所述量化数据对应的用户属性。
进一步的，在本申请的一些实施例中，基于前述方案，所述对所述应用数据进行量化，得到量化数据包括：识别应用数据对应的应用数据类型；所述应用数据包括字符串的形式；基于应用数据类型以及预设的对应关系，确定量化系数、所述应用数据的类型对应的最大值和最小值；基于量化系数、所述应用数据的类型对应的最大值和最小值，对所述应用数据进行量化计算，得到所述应用数据对应的量化数据。
进一步的，在本申请的一些实施例中，基于前述方案，所述发送所述用户对应的任务订单至所述目标对象的步骤之后，还包括：获取所述目标对象基于所述任务订单的执行结果；基于所述执行结果更新所述任务订单的状态。
进一步的，在本申请的一些实施例中，基于前述方案，所述方法还包括：将所述备选对象的工作参数和所述用户的应用数据存储至区块链中。
为了解决上述技术问题，本申请实施例还提供一种基于大数据的任务委派装置，采用了如下所述的技术方案：参数获取模块，用于获取备选对象的工作参数；属性识别模块，用于基于所述工作参数确定所述备选对象的工作属性；属性确定模块，用于获取用户的应用数据，并基于所述应用数据确定所述用户的用户属性；属性匹配模块，用于基于所述备选对象的工作属性和所述用户的用户属性，对所述备选对象和所述用户进行匹配得到匹配结果，以根据匹配结果从所述备选对象中确定用于服务所述用户的目标对象；订单发送模块，用于发送所述用户对应的任务订单至所述目标对象。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现上述所述的基于大数据的任务委派方法的步骤。
为了解决上述技术问题，本申请实施例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可读指令，所述计算机可读指令被处理器执行时实现上述所述的基于大数据的任务委派方法的步骤。
与现有技术相比，本申请实施例主要有以下有益效果：对备选对象的工作参数进行监控，并基于工作参数确定备选对象的工作属性，同时基于用户的应用数据确定用户属性，以对备选对象的工作属性和用户的用户属性进行匹配，之后根据匹配结果从备选对象中确定用于服务用户的目标对象，生成并发送该用户的任务订单至目标对象，提高了对备选对象的监控力度和对用户的定性精确性，进而可以为用户分配到更加贴合需求的目标对象，提高了任务委派的精确性，进而保证任务可以高效、合理的执行完成。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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。
图1是本申请可以应用于其中的示例性系统架构图；
图2根据本申请的基于大数据的任务委派方法的一个实施例的流程图；
图3是图2中步骤S202的一种具体实施方式的流程图；
图4是根据本申请的基于大数据的任务委派装置的一个实施例的结构示意图；
图5是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
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(ContentDelivery 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。
需要说明的是，本申请实施例所提供的基于大数据的任务委派方法一般由服务器执行，相应地，基于大数据的任务委派装置一般设置于服务器中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的基于大数据的任务委派方法的一个实施例的流程图。所述的基于大数据的任务委派方法，包括以下步骤：
步骤S201，获取备选对象的工作参数。
在本实施例中，基于大数据的任务委派方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式获取备选对象的工作参数。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
本申请实施例可以基于人工智能技术对相关的数据进行获取。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。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。本实施例中可以基于人工智能中的计算机视觉技术、机器人技术、生物识别技术等等识别场景中备选对象的工作参数，之后基于分布式存储、大数据处理技术等方式对工作参数进行存储。
本实施例的备选对象包括执行任务的机构，例如用于支付金额的银行、用于催收的催收公司等等。
本实施例中工作参数包括催员数量、活跃度参数、催收预警参数、催记质量参数、催收公司排名系数中的至少一种。其中，催员数量可以通过催收公司的数据库获取到，催收预警参数、催记质量参数、催收公司排名系数通过各个催收公司的催收情况、催收质量以及工作效率等等计算得到。
步骤S202，基于工作参数确定备选对象的工作属性。
在本实施例中，本实施例中在获取到工作参数之后，对工作参数进行分析，以确定备选对象的工作属性，即备选对象所属的类型。本实施例中确定工作属性的方式可以是对工作参数进行分类的方式得到，通过确定备选对象的工作属性，可以确定备选对象的运行状态，并针对其工作属性进行精确的任务分配，提高了任务分配的精确性。
可选的，本实施例中工作属性包括预设的一类备选对象、二类备选对象以及三类备选对象。其中一类备选对象包括存在异常历史的备选对象；二类备选对象包括工作表现和催款效力优秀的备选对象；三类备选对象包括工作表现普通、且没有异常的备选对象。
步骤S203，获取用户的应用数据，并基于应用数据确定用户的用户属性。
在本实施例中，在存在需要委托任务的用户时，获取用户的应用数据，本实施例中的应用数据包括用户信息、款项信息等等，例如存款情况、还款意愿、用户联系信息等等。以基于这些信息对用户进行分类，确定用户的用户属性，例如用户的还款能力、资金实力等等。通过上述方式提高确定用户属性的全面性和客观性。
步骤S204，基于备选对象的工作属性和用户的用户属性，对备选对象和用户进行匹配得到匹配结果，以根据匹配结果从备选对象中确定用于服务用户的目标对象。
在确定了备选对象的工作属性和用户的用户属性之后，基于备选对象的工作属性对两者进行匹配，以从备选对象中选取与用户属性完全匹配的待定对象；基于待定对象的代理参数，对待定对象进行排名，将排名靠前的待定对象作为目标对象。
示例性的，在备选对象为催收公司时，当其对应的工作属性为催款效力较优、当存在用户属性为还款能力低、还款意愿低、当前状态不良的用户时，可以将该用户分配至该催收公司，以通过该催收公司较高的催款效力实现对较难还款用户的催收，提高备选对象的工作效用。
可选的，实施例中可以先基于待定对象的代理参数，对待定对象进行排名，确定排名靠前的待定对象，例如最终推荐排名10的催收公司作为目标对象。通过匹配方式可以为备选对象分配合适的用户，以便于提高备选对象的工作效率。
步骤S205，发送用户对应的任务订单至目标对象。
在确定了目标对象之后，即将任务分配至目标对象中，发送用户对应的任务订单至目标对象。并在之后可以获取目标对象的确认和任务接纳反馈信息，以保证任务分配的可靠性。
本实施例通过将基于大数据技术应用于不良资产匹配委外资源的场景中，极大提升了委外的智能化水平，并且从相似资产选聘的催收公司库中自动选择最优的催收公司。实现了对委外催收公司的全闭环管理，包括委催后的监测、预警，和对催收公司的限案管理和排名管理，保证委催业务的合规、合理、高效。在保证合规的前提下，使催收效率达到最大化。
本申请通过对备选对象的工作参数进行监控，并基于工作参数确定备选对象的工作属性，同时基于用户的应用数据确定用户属性，以对备选对象的工作属性和用户的用户属性进行匹配，以根据匹配结果从备选对象中确定用于服务用户的目标对象，生成并发送该用户的任务订单至目标对象，提高了对备选对象的监控力度和对用户的定性精确性，进而可以为用户分配到更加贴合需求的目标对象，提高了任务委派的精确性，进而保证任务可以高效、合理的执行完成。
在本实施例的一些可选的实现方式中，步骤201中获取备选对象的工作参数的过程包括步骤S2011～S2012，具体说明如下：
S2011：获取备选对象在预设周期内的任务数量、各任务的处理时长、各任务的参与人数、任务获取时的相隔时长。
本实施例中的工作参数包括了预设周期内备选对象的任务数量，例如案件数量；各任务的处理时长用于表示一个任务从接收到完成的时长，时长的单位可以是小时或者天数；参与人数用于表示处理该任务的作业人数；相隔时长用于表示在备选对象接收任务时，每两个相邻任务之间的相隔时长。
本实施例中预设周期可以为一个月、一个季度或者一年等等。预设周期越短活跃度参数越精确。
S2012：基于预设周期内的任务数量、各任务的处理时长、各任务的参与人数、任务获取时的相隔时长，计算备选对象在预设周期内的活跃度参数。
在实际应用中，备选对象的活跃度参数都是随着时间、任务量等等变化的，例如是根据处理时长、作业人数来衰减的。因此，本实施例中通过上述工作参数来评估得到备选对象在某一预设周期内的活跃度参数。具体的，计算在预设周期内的活跃度参数的公式如下：
其中，k表示任务数量；dur_i表示各任务的处理时长；Num_i表示各任务的参与人数；sep_i任务获取时的相隔时长，i用于表示任务标识。
通过上述方式计算得到活跃度参数，可以精确的衡量各个备选对象在预设周期内的任务执行的活跃情况，更加客观、全面的对备选对象进行评估。
如图3所示，在本实施例的一些可选的实现方式中，步骤202中基于工作参数确定备选对象的工作属性的过程，包括步骤S2021～步骤S2023，具体说明如下：
S2021：基于设定判断条件，检测工作参数，从备选对象中确定存在异常案件情况的一类备选对象；异常案件情况包括应委未委案、集中委案、超期委案、关联委案以及权益处置异常中的至少一种。
本实施例中获取备选对象的工作参数可以通过结合业务专家经验和后台委催数据，总结比较常见的异常行为有五大类，后续将会每天监测这5大异常行为。
表1
具体的，如表1所示，针对待核案件以及超过预设年限的案件，若无委催且无回收的案件确定为应委未委案，以基于这些异常情况定期产出清单，进行推送、展示或者预警；若备选对象所处理的案件数量超过预设阈值，则将这些案件确定为集中委案，用于定期产出清单，进行推送、展示或者预警；若案件的跟催次数超过设定阈值且存在超期现象，则判定为超期委案，用于评估备选对象的案件处理能力；若预设天数之内回收数量超过预设阈值，则判定为关联委案；若存在预设时长内通过权益处理签报后，并进行首次委催，则判定为权益处置异常，以基于这些异常情况定期产出清单，进行推送、展示或者预警，同时将这些信息嵌入智荐催收公司的前端应用中，以便于数据的查询和备选对象的运行情况。
在一些可选的实现方式中，步骤S2021之后还包括：S20211，基于设定的工作参数阈值，在预设的预警维度中，对一类备选对象进行预警；预警维度包括电催启动率、单日覆盖率、单户异常率、还款承诺户数、跳票预防比率中的至少一种。
具体的，基于设定的工作参数阈值，本实施例中可以在电催启动率、单日覆盖率、单户异常率、还款承诺户数、跳票预防比率等各个维度中来监测备选对象的工作参数，以在监测到某些方面发生异常时，进行预警，以保证监测的稳定性和可靠性。
进一步的，本实施例中在确定了一类备选对象之后，还可以在推荐目标对象时、或者在对备选对象和用户进行匹配之前，将这些一类备选对象剔除，例如，本实施中可以剔除当前时点有异常委催行为的催收公司、剔除当前代理案件数据超过上限的催收公司、剔除当前预警系数较高的催收公司，以保证任务委派和处理的成功率和质量。
S2022：针对除一类备选对象之外备选对象，基于工作参数，计算备选对象的代理参数。
在本申请一实施例中，对备选对象的催员数量、活跃度参数、催收预警参数、催记质量参数、催收公司排名系数进行加权平均，得到代理参数。
在本实施例中，计算代理参数的方式可以是对备选对象的催员数量、活跃度参数、催收预警参数、催记质量参数、催收公司排名系数进行加权平均，具体可以通过如下公式计算得到代理参数：
Par＝r·[a·Num_mem+b·Par_act+c·Par_warn+d·Par_qul]
其中，a、b、c、d分别表示各个参数对应的权重，r表示催收公司排名系数；PNum_mem表示备选对象的催员数量；Par_act]表示活跃度参数；Par_warn表催收预警参数示；Par_qul表示催记质量参数。
通过上述计算代理参数的方式，可以通过代理参数来体现备选对象在处理任务时候的能力、效率等等。
S2023：从剩余备选对象中，将代理参数不小于预设阈值的备选对象作为二类备选对象，将代理参数小于预设阈值的备选对象作为三类备选对象。
在本实施例中，在确定出备选对象的代理参数之后，基于预设阈值，来分档确定二类备选对象和三类备选对象。以通过上述方式确定各个备选对象的任务处理情况，提高任务分配和匹配的精确性。
示例性的，当备选对象为催款公司时，工作属性包括催款效力，预设阈值为k。则当代理参数大于或者等于k时，催款效力较优，备选对象为二类备选对象，可以用于处理较难处理的催款任务；当代理参数小于k时，催款效力较弱，备选对象为三类备选对象，可以用于处理较容易处理的催款任务。通过上述方式以保持催款公司和催款任务之间的分配平衡，进而保证存款任务的有效进行。
在一些可选的实现方式中，步骤S103中获取用户的应用数据，并基于应用数据确定用户的用户属性的过程，包括如下步骤：
S1031：对应用数据进行量化，得到量化数据；
具体的，基于客户的应用数据，对应用数据进行量化得到量化数据。之后通过逻辑回归算法预测客户属于哪一类。具体的量化方式可以是基于预先设定的应用数据类型，确定应用数据对应的数值。其中应用数据类型可以包括还款能力、还款意愿、当前状态。通过对应用数据进行量化，可以提高应用数据的一致性和精确性。
进一步的，本实施例中步骤S1031中对应用数据进行量化，得到量化数据的过程，具体包括如下步骤：
识别应用数据对应的应用数据类型；所述应用数据包括字符串的形式；
基于应用数据类型以及预设的对应关系，确定量化系数、所述应用数据的类型对应的最大值和最小值；
基于量化系数、所述应用数据的类型对应的最大值和最小值，对所述应用数据进行量化计算，得到所述应用数据对应的量化数据。
具体的，本实施例中应用数据包括用户信息、款项信息等等，例如存款情况、还款意愿、用户联系信息等等。在获取到应用数据之后，通过字符串识别的方式确定应用数据类型，之后根据应用数据类型与设定数值之间的对应关系，确定其对应的量化系数p、应用数据的类型对应的最小值和最大值：M
其中，M
S1032：基于逻辑回归算法对量化数据进行分类，确定量化数据对应的用户属性。
本实施例中在生成量化数据之后，可以通过逻辑回归算法中的预测函数、损失函数和梯度下降算法等方式对量化数据进行分类，以通过分类确定量化数据对应的用户属性。
示例性的，本实施例中可以将用户分成8类用户属性，由以下情况组合得到还款能力高低、还款意愿高低、当前状态是否失联，具体表2所示的组合得到的8类用户属性：
表2
其中，1表示高或者是，0表示低或者否。其中的判断基准都是基于预设阈值来判断，此处不做赘述。根据表2可得本实施例中的8类用户属性包括：还款能力低、还款意愿低、当前状态不良的用户；还款能力低、还款意愿低、当前状态良好的用户；还款能力低、还款意愿高、当前状态不良的用户；还款能力低、还款意愿高、当前状态良好的用户；还款能力高、还款意愿低、当前状态不良的用户；还款能力高、还款意愿低、当前状态良好的用户；还款能力高、还款意愿高、当前状态不良的用户；还款能力高、还款意愿高、当前状态良好的用户。
在本实施例中，在确定出备选对象的代理参数之后，基于设定的案件阈值，来分档确定二类备选对象和三类备选对象。以通过上述方式确定各个备选对象的任务处理情况，提高任务分配和匹配的精确性。
在本申请一实施例中，发送所述用户对应的任务订单至所述目标对象的步骤之后，还包括：
获取所述目标对象基于所述任务订单的执行结果；
基于所述执行结果更新所述任务订单的状态。
本实施例中可以通过实时监测的方式来获取目标对象基于任务订单的执行结果，之后基于执行结果来更新系统中任务订单的状态，以保证可以实时展示任务订单的状态，提高管理效率。
需要强调的是，为进一步保证上述工作参数和应用数据的私密和安全性，上述工作参数和应用数据还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图4，作为对上述图2所示方法的实现，本申请提供了一种基于大数据的任务委派装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图4所示，本实施例所述的基于大数据的任务委派装置400，包括：
参数获取模块401，用于获取备选对象的工作参数；
属性识别模块402，用于基于所述工作参数确定所述备选对象的工作属性；
属性确定模块403，用于获取用户的应用数据，并基于所述应用数据确定所述用户的用户属性；
属性匹配模块404，用于基于所述备选对象的工作属性和所述用户的用户属性，对所述备选对象和所述用户进行匹配得到匹配结果，以根据匹配结果从所述备选对象中确定用于服务所述用户的目标对象；
订单发送模块405，用于发送所述用户对应的任务订单至所述目标对象。
本申请实施例主要有以下有益效果：对备选对象的工作参数进行监控，并基于工作参数确定备选对象的工作属性，同时基于用户的应用数据确定用户属性，以对备选对象的工作属性和用户的用户属性进行匹配，之后根据匹配结果从备选对象中确定用于服务用户的目标对象，生成并发送该用户的任务订单至目标对象，提高了对备选对象的监控力度和对用户的定性精确性，进而可以为用户分配到更加贴合需求的目标对象，提高了任务委派的精确性，进而保证任务可以高效、合理的执行完成。
在本申请的一个实施例中，参数获取模块401包括第一参数获取子模块、第二参数获取子模块。第一参数获取子模块，用于获取所述备选对象在预设周期内的任务数量、各任务的处理时长、各任务的参与人数、任务获取时的相隔时长；第二参数获取子模块，用于基于所述预设周期内的任务数量、各任务的处理时长、各任务的参与人数、任务获取时的相隔时长，计算所述备选对象在所述预设周期内的活跃度参数。通过上述方式计算得到活跃度参数，可以精确的衡量各个备选对象在预设周期内的任务执行的活跃情况，更加客观、全面的对备选对象进行评估。
在本申请的一个实施例中，所述属性识别模块402包括检测子模块、参数计算子模块、对象定性子模块：检测子模块，用于基于设定判断条件，检测所述工作参数，从所述备选对象中确定存在异常案件情况的一类备选对象；所述异常案件情况包括应委未委案、集中委案、超期委案、关联委案以及权益处置异常中的至少一种；参数计算子模块，用于针对除所述一类备选对象之外备选对象，基于剩余备选对象的工作参数，计算所述备选对象的代理参数；对象定性子模块，用于从剩余备选对象中，将代理参数不小于预设阈值的备选对象作为二类备选对象，将代理参数小于预设阈值的备选对象作为三类备选对象。本实施例的代理参数用于体现备选对象在处理任务时候的能力、效率等等。通过上述方式以保持催款公司和催款任务之间的分配平衡，进而保证存款任务的有效进行。
在本申请的一个实施例中，基于大数据的任务委派装置400还包括预警模块，用于基于设定的工作参数阈值，在预设的预警维度中，对所述一类备选对象进行预警；所述预警维度包括电催启动率、单日覆盖率、单户异常率、还款承诺户数、跳票预防比率中的至少一种，以保证监测的稳定性和可靠性。
在本申请的一个实施例中，参数计算子模块还用于对所述备选对象的催员数量、活跃度参数、催收预警参数、催记质量参数、催收公司排名系数进行加权平均，得到剩余备选对象的代理参数。通过上述计算代理参数的方式，可以通过代理参数来体现备选对象在处理任务时候的能力、效率等等。
在本申请的一个实施例中，属性确定模块403包括：量化子模块，用于对所述应用数据进行量化，得到量化数据；分类子模块，用于基于逻辑回归算法对所述量化数据进行分类，确定所述量化数据对应的用户属性。在确定出备选对象的代理参数之后，基于设定的案件阈值，来分档确定二类备选对象和三类备选对象。以通过上述方式确定各个备选对象的任务处理情况，提高任务分配和匹配的精确性。
在本申请的一个实施例中，量化子模块包括：类型识别子单元，用于识别应用数据对应的应用数据类型；所述应用数据包括字符串的形式；系数确定子单元，用于基于应用数据类型以及预设的对应关系，确定量化系数、所述应用数据的类型对应的最大值和最小值；数据计算子单元，用于基于量化系数、所述应用数据的类型对应的最大值和最小值，对所述应用数据进行量化计算，得到所述应用数据对应的量化数据。
进一步的，在本申请的一些实施例中，基于大数据的任务委派装置400还用于获取所述目标对象基于所述任务订单的执行结果；基于所述执行结果更新所述任务订单的状态。
在本申请的一个实施例中，基于大数据的任务委派装置400还用于将所述备选对象的工作参数和所述用户的应用数据存储至区块链中。以提高系统数据的安全性和可靠性。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图5，图5为本实施例计算机设备基本结构框图。
所述计算机设备6包括通过系统总线相互通信连接存储器61、处理器62、网络接口63。需要指出的是，图中仅示出了具有组件61-63的计算机设备6，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器61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、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器61可以是所述计算机设备6的内部存储单元，例如该计算机设备6的硬盘或内存。在另一些实施例中，所述存储器61也可以是所述计算机设备6的外部存储设备，例如该计算机设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器61还可以既包括所述计算机设备6的内部存储单元也包括其外部存储设备。本实施例中，所述存储器61通常用于存储安装于所述计算机设备6的操作系统和各类应用软件，例如基于大数据的任务委派方法的计算机可读指令等。此外，所述存储器61还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器62在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器62通常用于控制所述计算机设备6的总体操作。本实施例中，所述处理器62用于运行所述存储器61中存储的计算机可读指令或者处理数据，例如运行所述基于大数据的任务委派方法的计算机可读指令。
所述网络接口63可包括无线网络接口或有线网络接口，该网络接口63通常用于在所述计算机设备6与其他电子设备之间建立通信连接。
本申请实施例主要有以下有益效果：对备选对象的工作参数进行监控，并基于工作参数确定备选对象的工作属性，同时基于用户的应用数据确定用户属性，以对备选对象的工作属性和用户的用户属性进行匹配，之后根据匹配结果从备选对象中确定用于服务用户的目标对象，生成并发送该用户的任务订单至目标对象，提高了对备选对象的监控力度和对用户的定性精确性，进而可以为用户分配到更加贴合需求的目标对象，提高了任务委派的精确性，进而保证任务可以高效、合理的执行完成。
本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的基于大数据的任务委派方法的步骤。
本申请实施例主要有以下有益效果：对备选对象的工作参数进行监控，并基于工作参数确定备选对象的工作属性，同时基于用户的应用数据确定用户属性，以对备选对象的工作属性和用户的用户属性进行匹配，之后根据匹配结果从备选对象中确定用于服务用户的目标对象，生成并发送该用户的任务订单至目标对象，提高了对备选对象的监控力度和对用户的定性精确性，进而可以为用户分配到更加贴合需求的目标对象，提高了任务委派的精确性，进而保证任务可以高效、合理的执行完成。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。
机译： 用于将任务单点委派给多个基于Web的服务的方法和设备
机译： 用于将任务单点委派给多个基于Web的服务的方法和设备
机译： 基于大数据平台的HIVE任务调度方法及装置，设备和存储介质
