基于酒店交易數(shù)據(jù)的用戶信用評估方法及系統(tǒng)的制作方法
【技術(shù)領域】
[0001]本發(fā)明涉及通信技術(shù)領域，特別涉及一種基于酒店交易數(shù)據(jù)的用戶信用評估方法及系統(tǒng)。
【背景技術(shù)】
[0002]現(xiàn)有的酒店用戶信用評估方法大多是以酒店的數(shù)據(jù)和信息為基礎，提出了顧客信用管理的方法。這種方法的缺點在于比較片面，只能從一個個酒店的數(shù)據(jù)出發(fā)，沒有用戶的消費數(shù)據(jù)做參考。
[0003]還有一種是通過用戶在網(wǎng)站上購買其他消費品的交易數(shù)據(jù)進行用戶信用評估，以確定用戶是否可以通過信用入住酒店。這種技術(shù)雖然可以量化各種影響因素，但用戶的消費理念不同。消費品的交易數(shù)據(jù)并不能反映其他交易行為，對于用戶的酒店交易行為無法提供直接的數(shù)據(jù)并進行分析，因此，通過上述現(xiàn)有技術(shù)評估出的酒店用戶信用不準確。

【發(fā)明內(nèi)容】

[0004]本發(fā)明要解決的技術(shù)問題是為了克服現(xiàn)有技術(shù)中對酒店用戶的信用評估不準確的缺陷，提供一種基于酒店交易數(shù)據(jù)的用戶信用評估方法及系統(tǒng)。
[0005]本發(fā)明是通過下述技術(shù)方案來解決上述技術(shù)問題的:
[0006]本發(fā)明提供一種基于酒店交易數(shù)據(jù)的用戶信用評估方法，其特點在于，其利用zeus (宙斯)系統(tǒng)實現(xiàn)，其包括以下步驟:
[0007]從注冊數(shù)據(jù)庫中導入注冊表的所有用戶名數(shù)據(jù)；
[0008]從公共數(shù)據(jù)庫中導入每一用戶名一一對應的用戶注冊信息數(shù)據(jù)，該用戶注冊信息數(shù)據(jù)包括注冊時間；
[0009]從交易系統(tǒng)中導入每一用戶名一一對應的用戶金融交易數(shù)據(jù)，該用戶金融交易數(shù)據(jù)包括是否實名認證和現(xiàn)金賬戶余額；
[0010]從酒店數(shù)據(jù)庫中導入每一用戶名一一對應的用戶酒店交易數(shù)據(jù)，該用戶酒店交易數(shù)據(jù)包括最近一時間段內(nèi)酒店成交訂單數(shù)和最近一年內(nèi)NoShow(指預定了酒店等服務但沒有到場)訂單數(shù)；
[0011]從風險控制數(shù)據(jù)庫中導入每一用戶名一一對應的用戶惡意投訴數(shù)據(jù)，該用戶惡意投訴數(shù)據(jù)包括最近一年內(nèi)惡意投訴記錄數(shù)；
[0012]對導入的該些數(shù)據(jù)進行預處理操作；
[0013]將預處理后的數(shù)據(jù)按照合并表中的字段順序?qū)朐摵喜⒈?該些字段依次為注冊時間、是否實名認證、現(xiàn)金賬戶余額、最近一時間段內(nèi)酒店成交訂單數(shù)、最近一年內(nèi)NoShow訂單數(shù)以及最近一年內(nèi)惡意投訴記錄數(shù)；
[0014]判斷一用戶名對應的注冊時間是否大于一第一設定值、是否已經(jīng)實名認證、現(xiàn)金賬戶余額是否大于一第二設定值、最近一時間段內(nèi)酒店成交訂單數(shù)是否大于一第三設定值、最近一年內(nèi)NoShow訂單數(shù)是否小于一第四設定值以及最近一年內(nèi)惡意投訴記錄數(shù)是否小于一第五設定值，若均為是則設置該用戶名對應的信用等級為信用等級合格，否則設置該用戶名對應的信用等級為信用等級不合格。
[0015]較佳地，該用戶注冊信息數(shù)據(jù)還包括用戶等級、是否綁定手機號、是否綁定郵箱、平均成交酒店星級、酒店消費能力以及酒店服務消費金額。
[0016]較佳地，該用戶金融交易數(shù)據(jù)還包括用戶有效積分、禮品卡余額、錢包余額以及信用卡扣款成功率。
[0017]較佳地，接收輸入的用戶名，顯示該用戶名對應的信用等級。
[0018]較佳地，將FnvHash算法(Fnv哈希算法)封裝在Java(是一種可以撰寫跨平臺應用程序的面向?qū)ο蟮某绦蛟O計語言)中上傳至該zeus系統(tǒng)，該zeus系統(tǒng)通過該FnvHash算法將該些用戶名數(shù)據(jù)劃分為多個分區(qū)，并為每一分區(qū)建立一個用戶表。
[0019]本發(fā)明還提供一種基于酒店交易數(shù)據(jù)的用戶信用評估系統(tǒng)，其特點在于，其利用zeus系統(tǒng)實現(xiàn)，該用戶信用評估系統(tǒng)包括:
[0020]一第一導入模塊，用于從注冊數(shù)據(jù)庫中導入注冊表的所有用戶名數(shù)據(jù)；
[0021]—第二導入模塊，用于從公共數(shù)據(jù)庫中導入每一用戶名一一對應的用戶注冊信息數(shù)據(jù)，該用戶注冊信息數(shù)據(jù)包括注冊時間；
[0022]一第三導入模塊，用于從交易系統(tǒng)中導入每一用戶名一一對應的用戶金融交易數(shù)據(jù)，該用戶金融交易數(shù)據(jù)包括是否實名認證和現(xiàn)金賬戶余額；
[0023]一第四導入模塊，用于從酒店數(shù)據(jù)庫中導入每一用戶名一一對應的用戶酒店交易數(shù)據(jù)，該用戶酒店交易數(shù)據(jù)包括最近一時間段內(nèi)酒店成交訂單數(shù)和最近一年內(nèi)NoShow訂單數(shù)；
[0024]—第五導入模塊，用于從風險控制數(shù)據(jù)庫中導入每一用戶名一一對應的用戶惡意投訴數(shù)據(jù)，該用戶惡意投訴數(shù)據(jù)包括最近一年內(nèi)惡意投訴記錄數(shù)；
[0025]一預處理模塊，用于對導入的該些數(shù)據(jù)進行預處理操作；
[0026]—第六導入模塊，用于將預處理后的數(shù)據(jù)按照合并表中的字段順序?qū)朐摵喜⒈?該些字段依次為注冊時間、是否實名認證、現(xiàn)金賬戶余額、最近一時間段內(nèi)酒店成交訂單數(shù)、最近一年內(nèi)NoShow訂單數(shù)以及最近一年內(nèi)惡意投訴記錄數(shù)；
[0027]一判斷模塊，用于判斷一用戶名對應的注冊時間是否大于一第一設定值、是否已經(jīng)實名認證、現(xiàn)金賬戶余額是否大于一第二設定值、最近一時間段內(nèi)酒店成交訂單數(shù)是否大于一第三設定值、最近一年內(nèi)NoShow訂單數(shù)是否小于一第四設定值以及最近一年內(nèi)惡意投訴記錄數(shù)是否小于一第五設定值，在判斷出均為是時則調(diào)用一第一設置模塊設置該用戶名對應的信用等級為信用等級合格，否則調(diào)用一第二設置模塊設置該用戶名對應的信用等級為信用等級不合格。
[0028]較佳地，該用戶注冊信息數(shù)據(jù)還包括用戶等級、是否綁定手機號、是否綁定郵箱、平均成交酒店星級、酒店消費能力以及酒店服務消費金額。
[0029]較佳地，該用戶金融交易數(shù)據(jù)還包括用戶有效積分、禮品卡余額、錢包余額以及信用卡扣款成功率。
[0030]較佳地，該用戶信用評估系統(tǒng)還包括一輸入模塊和一顯示模塊，該輸入模塊用于接收輸入的用戶名，該顯示模塊用于顯示該用戶名對應的信用等級。
[0031]較佳地，該用戶信用評估系統(tǒng)還包括一封裝模塊，該封裝模塊用于將FnvHash算法封裝在Java中上傳至該zeus系統(tǒng)，該zeus系統(tǒng)通過該FnvHash算法將該些用戶名數(shù)據(jù)劃分為多個分區(qū)，并為每一分區(qū)建立一個用戶表。
[0032]在符合本領域常識的基礎上，上述各優(yōu)選條件，可任意組合，即得本發(fā)明各較佳實例。
[0033]本發(fā)明的積極進步效果在于:
[0034]本發(fā)明基于酒店交易數(shù)據(jù)的用戶信用評估系統(tǒng)是從用戶在網(wǎng)站預訂酒店的數(shù)據(jù)出發(fā)，利用zeus大數(shù)據(jù)平臺進行統(tǒng)計和計算，設置信用評估參數(shù)，對用戶入住酒店的信用等級進行評估，能夠更加準確地評估出用戶的信用等級。
【附圖說明】
[0035]圖1為較佳本發(fā)明實施例的基于酒店交易數(shù)據(jù)的用戶信用評估方法的流程圖。
【具體實施方式】
[0036]下面通過實施例的方式進一步說明本發(fā)明，但并不因此將本發(fā)明限制在所述的實施例范圍之中。
[0037]本實施例提供一種基于酒店交易數(shù)據(jù)的用戶信用評估方法，其利用zeus大數(shù)據(jù)平臺，從多維度的真實交易數(shù)據(jù)庫中導入信用評估所需的數(shù)據(jù)，由于數(shù)據(jù)量非常大，在導入的過程中對導入數(shù)據(jù)進行水平拆分，計算完畢后再進行匯總，存放于分區(qū)的數(shù)據(jù)庫表中。用戶信用評估方法都是采用shell(—種程序設計語言)腳本的方式，依賴zeus的調(diào)度方法進行導入和計算。
[0038]具體如圖1所示，該用戶信用評估方法包括以下步驟:
[0039]步驟101、從注冊數(shù)據(jù)庫中導入注冊表的所有用戶名數(shù)據(jù)。
[0040]導入用戶名數(shù)據(jù)為第一級任務，后面的任務均會根據(jù)用戶名取出其他場景的數(shù)據(jù)。由于網(wǎng)站注冊用戶非常多，數(shù)據(jù)量非常大，將影響系統(tǒng)的計算速度，所以系統(tǒng)將FnvHash算法封裝在Java中上傳至該zeus系統(tǒng)，該zeus系統(tǒng)通過該FnvHash算法將該些用戶名數(shù)據(jù)劃分為40個分區(qū)，每一分區(qū)米用1-40編號、并為每一分區(qū)建立一個用戶表。當然，本領域技術(shù)人員知道，隨著數(shù)據(jù)量的不同，劃分出的分區(qū)數(shù)量也不同。
[0041]步驟102、從公共數(shù)據(jù)庫中導入每一用戶名一一對應的用戶注冊信息數(shù)據(jù)，該用戶注冊信息數(shù)據(jù)包括注冊時間、用戶等級、是否綁定手機號、是否綁定郵箱、平均成交酒店星級、酒店消費能力以及酒店服務消費金額。
[0042]步驟103、從交易系統(tǒng)中導入每一用戶名一一對應的用戶金融交易數(shù)據(jù)，該用戶金融交易數(shù)據(jù)包括是否實名認證、現(xiàn)金賬戶余額、用戶有效積分、禮品卡余額、錢包余額以及信用卡扣款成功率。
[0043]步驟104、從酒店數(shù)據(jù)庫中導入每一用戶名一一對應的用戶酒店交易數(shù)據(jù)，該用戶酒店交易數(shù)據(jù)包括最近一年內(nèi)酒店訂單記錄、最近一年內(nèi)酒店成交訂單數(shù)、最近三個月內(nèi)酒店成交訂單數(shù)、最近一個月內(nèi)酒店成交訂單數(shù)、最近一年NoShow訂單記錄、最近一年內(nèi)NoShow訂單數(shù)和最近一個月內(nèi)NoShow訂單數(shù)。
[0044]步驟105、從風險控制數(shù)據(jù)庫中導入每一用戶名一一對應的用戶惡意投訴數(shù)據(jù)，該用戶惡意投訴數(shù)據(jù)包括最近一年內(nèi)惡意投訴記錄數(shù)、最近一個月內(nèi)惡意投訴記錄數(shù)，從風險控制數(shù)據(jù)庫中還導入每一用戶名一一對應的最近一年用戶投訴記錄、最近一年內(nèi)投訴記錄數(shù)和最近一個月內(nèi)投訴記錄數(shù)。
[0045]使用分區(qū)之后的用戶表導入公共數(shù)據(jù)、金融數(shù)據(jù)、酒店數(shù)據(jù)和風控數(shù)據(jù)這四種數(shù)據(jù)，其相對于一級任務而言均是平級任務，即可依次導入也可并行導入。
[0046]每個平級任務內(nèi)部也會有依賴:最近一年內(nèi)酒店成交訂單數(shù)，最近三個月內(nèi)酒店成交訂單數(shù)和最近一個月內(nèi)酒店成交訂單數(shù)都依賴最近一年酒店訂單記錄；最近一年NoShow訂單數(shù)量和最近一個月NoShow訂單數(shù)量都依賴最近一年NoShow訂單記錄;最近一年投訴記錄數(shù)、最近一個月投訴記錄數(shù)、最近一年惡意投訴記錄數(shù)和最近一個月惡意投訴記錄數(shù)都依賴最近一年用戶投訴記錄。被依賴的任務會先執(zhí)行，然后再執(zhí)行后續(xù)任務。
[0047]步驟106、對導入的該些數(shù)據(jù)進行預處理操作；在前面五級任務全部執(zhí)行完畢后，開始對導入的該些數(shù)據(jù)進行預處理操作，方便后續(xù)數(shù)據(jù)處理。
[0048]步驟107、將預處理后的數(shù)據(jù)按照合并表中的字段順序?qū)朐摵喜⒈?該些字段依次為注冊時間、是否實名認證、現(xiàn)金賬戶余額、最近一時間段內(nèi)酒店成交訂單數(shù)、最近一年內(nèi)NoShow訂單數(shù)以及最近一年內(nèi)投訴記錄數(shù)。
[0049]步驟108、判斷一用戶名對應的注冊時間是否大于一第一設定值(例如第一設定值為365天)、是否已經(jīng)實名認證、現(xiàn)金賬戶余額是否大于一第二設定值、最近一時間段內(nèi)酒店成交訂單數(shù)是否大于一第三設定值、最近一年內(nèi)NoShow訂單數(shù)是否小于一第四設定值(例如第四設定值為零)以及最近一年內(nèi)投訴記錄數(shù)是