一种团队匹配方法、装置、电子设备及存储介质与流程

1.本发明涉及计算机技术领域，具体涉及一种团队匹配方法、装置、电子设备及存储介质。


背景技术：

2.为促进对公客户与银行的黏性，银行会针对不同业务开展各种各样的运营活动。
3.在开展运营活动的过程中，需要通过客户所属网点匹配对应的团队，然后再分配团队下的客户经理去触达客户。然而这种方式仅从客户属性角度去着手，未考虑团队属性，容易造成匹配的团队不善于运营该运营活动所涉及的业务，从而对客户的运营效果无法达到预期目标。


技术实现要素：

4.本发明的目的在于克服上述技术不足，提供一种适用于金融科技或其他相关技术领域的团队匹配方法、装置、电子设备及存储介质，解决现有技术中无法根据团队属性来进行团队的匹配的技术问题。
5.为达到上述技术目的，本发明采取了以下技术方案：
6.第一方面，本发明提供了一种团队匹配方法，包括如下步骤：
7.获取客户特征数据以及各个团队的团队属性数据；
8.基于所述客户特征数据和所述团队属性数据，计算出各个团队的团队特征数据，其中，所述团队特征数据至少包括团队专业度、团队创造力以及团队基本力；
9.采用层次分析法计算出各个所述团队特征数据的影响力权重；
10.基于各个所述团队特征数据及其对应的影响力权重，计算出各个团队的匹配度，并基于所述匹配度对各个所述团队进行排序；
11.基于所述排序结果，进行客户的团队匹配。
12.在一些实施例中，所述团队专业度的计算方法为：
13.从所述团队属性数据中获取专业度评价指标变量；
14.基于预设的专业度指标评价规则，计算出各个专业度评价指标变量的对应的分值；
15.基于各个专业度评价指标变量对应的分值以及预设的各个专业度评价指标变量的权重，计算出所述团队专业度。
16.在一些实施例中，所述团队创造力的计算方法为：
17.从所述团队属性数据中获取创造力评价指标变量；
18.基于预设的创造性指标评价规则，计算出各个创造力评价指标变量的对应的分值；
19.基于各个创造力评价指标变量对应的分值以及预设的各个创造力评价指标变量的权重，计算出所述团队创造力。
20.在一些实施例中，所述团队基本力的计算方法为：
21.从所述团队属性数据中获取基本力评价标签；
22.基于预设的标签匹配值计算方法，计算出各个基本力评价标签与客户特征数据的标签匹配值；
23.对所有所述基本力评价标签的标签匹配值进行加权求和，以计算出所述团队基本力。
24.在一些实施例中，所述采用层次分析法计算出各个所述团队特征数据的影响力权重，包括：
25.采用层次分析法构建团队匹配递阶层次结构；
26.基于各个团队的团队特征数据，建立团队匹配目标的重要性判断矩阵；
27.基于所述重要性判断矩阵，计算出各个所述团队特征数据的影响力权重。
28.在一些实施例中，采用德尔菲法计算出各个所述团队特征数据的影响力权重。
29.在一些实施例中，所述基于各个所述团队特征数据及其对应的影响力权重，计算出各个团队的匹配度，并基于所述匹配度对各个所述团队进行排序，包括：
30.基于所述团队特征数据对应的影响力权重，对团队的所有团队特征数据进行加权求和，并将求和结果作为团队的匹配度后，基于匹配度的排序结果对各个所述团队进行排序。
31.第二方面，本发明还提供一种团队匹配装置，包括：
32.数据获取模块，用于获取客户特征数据以及各个团队的团队属性数据；
33.团队特征数据计算模块，用于基于所述客户特征数据和所述团队属性数据，计算出各个团队的团队特征数据，其中，所述团队特征数据至少包括团队专业度、团队创造力以及团队基本力；
34.权重计算模块，用于采用层次分析法计算出各个所述团队特征数据的影响力权重；
35.排序模块，用于基于各个所述团队特征数据及其对应的影响力权重，计算出各个团队的匹配度，并基于所述匹配度对各个所述团队进行排序；
36.匹配模块，用于基于所述排序结果，进行客户的团队匹配。
37.第三方面，本发明还提供一种电子设备，包括：处理器和存储器；
38.所述存储器上存储有可被所述处理器执行的计算机程序；
39.所述处理器执行所述计算机程序时实现如上所述的团队匹配方法中的步骤。
40.第四方面，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存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的团队匹配方法中的步骤。
41.与现有技术相比，本发明提供的团队匹配方法、装置、电子设备及存储介质，首先获取客户特征数据以及各个团队的团队属性数据；之后基于所述客户特征数据和所述团队属性数据，计算出各个团队的团队特征数据，其中，所述团队特征数据至少包括团队专业度、团队创造力以及团队基本力；之后采用层次分析法计算出各个所述团队特征数据的影响力权重；然后基于各个所述团队特征数据及其对应的影响力权重，计算出各个团队的匹配度，并基于所述匹配度对各个所述团队进行排序；最后基于所述排序结果，进行客户的团
队匹配。本发明结合层次分析法，从团队基本情况、专业程度和产能情况等维度综合评估团队实力，提高了推荐结果的合理性。同时综合考虑客户及团队的标签匹配度，一定程度上能够解决无管户客户的匹配问题。
附图说明
42.图1是本发明提供的团队匹配方法的一实施例的流程图；
43.图2是本发明提供的团队匹配方法中，团队专业度获取的一实施例的流程图；
44.图3是本发明提供的团队匹配方法中，团队创造力获取的一实施例的流程图；
45.图4是本发明提供的团队匹配方法中，团队基本力获取的一实施例的流程图；
46.图5是本发明提供的团队匹配方法中，步骤s300的一实施例的流程图；
47.图6是本发明提供的团队匹配装置的功能模块示意图；
48.图7是本发明提供的电子设备的硬件结构示意图。
具体实施方式
49.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。
50.为促进对公客户与银行的黏性，银行会针对不同业务开展各种各样的运营活动。在开展运营活动的过程中，需要通过客户所属网点匹配对应的团队，然后再分配团队下的客户经理去触达客户。然而这种方式仅从客户属性角度去着手，未考虑团队属性，容易造成匹配的团队不善于运营该运营活动所涉及的业务，从而对客户的运营效果无法达到预期目标。
51.请参阅图1，图1是本发明实施例提供的一种团队匹配方法的流程示意图，本发明所涉及的团队匹配方法可用于银行等金融领域的客户的服务团队匹配中，以更加科学的给客户匹配专业的团队。本发明所涉及的团队匹配方法可由电子设备执行，该电子设备能够进行接收或发送数据等操作，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、便携式计算机和台式服务器等等。如图1所示，该方法具体包括以下步骤s100至步骤s500。
52.s100、获取客户特征数据以及各个团队的团队属性数据。
53.本实施例中，首先进行客户特征数据的获取和团队属性数据，其中，所述客户特征数据至少包括客户注册地、客户所属网点、客户持有产品等类型特征，其中，客户注册地、客户所属网点可以表明客户所属的地点，客户持有产品可以表明客户所属的行业，所述团队属性数据至少包括团队持证情况、团队业务运营经验、团队人力梯度、团队成员稳定性、团队发布行业研究报告、团队项下该业务客户数、团队项下该行业客户数、团队项下该业务盈利情况、团队所属分行、团队常驻办公地等数据，客户特征数据和团队属性数据可供后续进行科学的计算团队匹配度。
54.s200、基于所述客户特征数据和所述团队属性数据，计算出各个团队的团队特征数据，其中，所述团队特征数据至少包括团队专业度、团队创造力以及团队基本力。
55.本实施例中，通过客户特征数据和团队属性数据计算各个团队的团队特征数据，
该团队特征数据能够反映出团队与客户的匹配程度，通过利用该团队特征数据可以科学的计算出团队的匹配度，进而科学的进行客户的团队匹配。
56.s300、采用层次分析法计算出各个所述团队特征数据的影响力权重。
57.本实施例中，结合层次分析法，从团队基本情况、专业程度和产能情况等维度综合评估团队实力，提高了推荐结果的合理性。
58.s400、基于各个所述团队特征数据及其对应的影响力权重，计算出各个团队的匹配度，并基于所述匹配度对各个所述团队进行排序。
59.本实施例中，对各团队的特征影响力(团队基本力、团队专业度、团队创造力等)进行加权求和，基于求和结果进行降序排序，获得topn的团队，其中，n的取值可基于实际业务去设定。
60.s500、基于所述排序结果，进行客户的团队匹配。
61.本实施例中，当得到了匹配度的排序结果后，即可根据需求，进行客户的团队匹配，例如从top3内的任一团队中选取一团队来匹配客户，进而能够保证与客户对接的团队是与客户运营活动所涉及的业务相关的团队。
62.本发明实施例，首先获取客户特征数据以及各个团队的团队属性数据；之后基于所述客户特征数据和所述团队属性数据，计算出各个团队的团队特征数据，其中，所述团队特征数据至少包括团队专业度、团队创造力以及团队基本力；之后采用层次分析法计算出各个所述团队特征数据的影响力权重；然后基于各个所述团队特征数据及其对应的影响力权重，计算出各个团队的匹配度，并基于所述匹配度对各个所述团队进行排序；最后基于所述排序结果，进行客户的团队匹配。本发明结合层次分析法，从团队基本情况、专业程度和产能情况等维度综合评估团队实力，提高了推荐结果的合理性。同时综合考虑客户及团队的标签匹配度，一定程度上能够解决无管户客户的匹配问题。
63.在一些实施例中，请参阅图2，所述团队专业度的计算方法为：
64.s210、从所述团队属性数据中获取专业度评价指标变量；
65.s220、基于预设的专业度指标评价规则，计算出各个专业度评价指标变量的对应的分值；
66.s230、基于各个专业度评价指标变量对应的分值以及预设的各个专业度评价指标变量的权重，计算出所述团队专业度。
67.本实施例中，首先从团队属性数据中选取合适的专业度评价指标变量，可选的，所述专业度评价指标变量可以包括基金持证数、理财持证数、保险持证数、团队成员从业年限等。然后采用预设的分值计算方法计算出各个指标变量的分值后，对各个指标变量进行加权求和，最终得到团队专业度。
68.示例性的，专业度评价指标评价规则如下表：
[0069][0070][0071]
通过该表以及团队的专业度评价指标变量可以获取各个指标变量的分值，然后通过公式：
[0072]
score
专业力
＝scorea*20％+scoreb*20％+scorec*20％+scored*40％即可求出各个团队的团队专业度。
[0073]
在一些实施例中，请参阅图3，所述团队创造力的计算方法为：
[0074]
s210'、从所述团队属性数据中获取创造力评价指标变量；
[0075]
s220'、基于预设的创造性指标评价规则，计算出各个创造力评价指标变量的对应的分值；
[0076]
s230'、基于各个创造力评价指标变量对应的分值以及预设的各个创造力评价指标变量的权重，计算出所述团队创造力。
[0077]
本实施例中，首先从团队属性数据中选取合适的创造力评价指标变量，可选的，所述创造力评价指标变量可以包括团队项下该业务客户数、团队项下该行业客户数、团队项下该业务盈利数据等。然后采用预设的分值计算方法计算出各个指标变量的分值后，对各个指标变量进行加权求和，最终得到团队创造力。其中，团队创造力的具体计算方式与团队专业度的计算方式类似，在此不再赘述。
[0078]
在一些实施例中，请参阅图4，所述团队基本力的计算方法为：
[0079]
s210”、从所述团队属性数据中获取基本力评价标签；
[0080]
s220”、基于预设的标签匹配值计算方法，计算出各个基本力评价标签与客户特征数据的标签匹配值；
[0081]
s230”、对所有所述基本力评价标签的标签匹配值进行加权求和，以计算出所述团队基本力。
[0082]
本实施例中，首先选定基本力评价标签以及客户特征数据中的客户标签，基本力标签包括但不限于团队所属分行、团队常驻办公地等，客户标签包括但不限于客户工商注册地、客户实际办公地、客户主办分行等，然后采用标签匹配值计算方法计算出各个基本力评价标签与客户特征数据的标签匹配值，其中标签匹配值计算方法可以为编辑距离算法、词向量算法等算法，之后对标签匹配值进行加权求和，进而得到团队基本力。
[0083]
示例性的，一个团队的标签匹配值和权重如下表所示：
[0084][0085]
得到该表后，然后通过公式：
[0086]
团队基本力＝a*m％+
…
+b*n％即可求出各个团队的团队专业度。
[0087]
在一些实施例中，请参阅图5，所述步骤s300具体包括：
[0088]
s310、采用层次分析法构建团队匹配递阶层次结构；
[0089]
s320、基于各个团队的团队特征数据，建立团队匹配目标的重要性判断矩阵；
[0090]
s330、基于所述重要性判断矩阵，计算出各个所述团队特征数据的影响力权重。
[0091]
本实施例中，基于ahp(层次分析)构建【团队匹配—团队特征—团队】的递阶层次结构，完成各团队特征数据对团队匹配目标的重要性判断矩阵建设，输出特征影响力权重。其中，层次分析法是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标(或准则、约束)的若干层次，通过定性指标模糊量化方法算出层次单排序(权数)和总排序，以作为目标(多指标)、多方案优化决策的系统方法。层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。
[0092]
在一些实施例中，采用德尔菲法计算出各个所述团队特征数据的影响力权重。
[0093]
本实施例中，德尔菲法本质上是一种反馈匿名函询法。其大致流程是：在对所要预测的问题征得专家的意见之后，进行整理、归纳、统计，再匿名反馈给各专家，再次征求意见，再集中，再反馈，直至得到一致的意见。其过程可简单表示如下：匿名征求专家意见-归纳、统计-匿名反馈-归纳、统计
……
若干轮后停止。
[0094]
在一些实施例中，所述步骤s400具体包括：
[0095]
基于所述团队特征数据对应的影响力权重，对团队的所有团队特征数据进行加权求和，并将求和结果作为团队的匹配度后，基于匹配度的排序结果对各个所述团队进行排序。
[0096]
本实施例中，通过对各个团队特征数据进行加权求和，得到求和结果，然后对求和结果进行降序排序，排序越靠前，表示与客户的匹配度越高，通过获得topn的团队，可以科学的进行客户的服务团队的匹配。
[0097]
本发明提供的技术方案，首先获取客户特征数据以及各个团队的团队属性数据；之后基于所述客户特征数据和所述团队属性数据，计算出各个团队的团队特征数据，其中，所述团队特征数据至少包括团队专业度、团队创造力以及团队基本力；之后采用层次分析法计算出各个所述团队特征数据的影响力权重；然后基于各个所述团队特征数据及其对应的影响力权重，计算出各个团队的匹配度，并基于所述匹配度对各个所述团队进行排序；最后基于所述排序结果，进行客户的团队匹配。本发明结合层次分析法，从团队基本情况、专业程度和产能情况等维度综合评估团队实力，提高了推荐结果的合理性。同时综合考虑客户及团队的标签匹配度，一定程度上能够解决无管户客户的匹配问题。
[0098]
本发明另一实施例提供一种团队匹配装置，请参阅图6，该团队匹配装置包括数据获取模块11、团队特征数据计算模块12、权重计算模块13、排序模块14以及匹配模块15。
[0099]
数据获取模块11用于获取客户特征数据以及各个团队的团队属性数据。
[0100]
团队特征数据计算模块12用于基于所述客户特征数据和所述团队属性数据，计算出各个团队的团队特征数据，其中，所述团队特征数据至少包括团队专业度、团队创造力以
及团队基本力。
[0101]
权重计算模块13用于采用层次分析法计算出各个所述团队特征数据的影响力权重。
[0102]
排序模块14用于基于各个所述团队特征数据及其对应的影响力权重，计算出各个团队的匹配度，并基于所述匹配度对各个所述团队进行排序。
[0103]
匹配模块15用于基于所述排序结果，进行客户的团队匹配。
[0104]
本实施例中，首先获取客户特征数据以及各个团队的团队属性数据；之后基于所述客户特征数据和所述团队属性数据，计算出各个团队的团队特征数据，其中，所述团队特征数据至少包括团队专业度、团队创造力以及团队基本力；之后采用层次分析法计算出各个所述团队特征数据的影响力权重；然后基于各个所述团队特征数据及其对应的影响力权重，计算出各个团队的匹配度，并基于所述匹配度对各个所述团队进行排序；最后基于所述排序结果，进行客户的团队匹配。本发明结合层次分析法，从团队基本情况、专业程度和产能情况等维度综合评估团队实力，提高了推荐结果的合理性。同时综合考虑客户及团队的标签匹配度，一定程度上能够解决无管户客户的匹配问题。
[0105]
需要说明的是，本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述团队匹配的执行过程，各模块的具体实施方式请参考上述对应的方法实施例，此处不再赘述。
[0106]
在一些实施例中，所述团队专业度的计算方法为：
[0107]
从所述团队属性数据中获取专业度评价指标变量；
[0108]
基于预设的专业度指标评价规则，计算出各个专业度评价指标变量的对应的分值；
[0109]
基于各个专业度评价指标变量对应的分值以及预设的各个专业度评价指标变量的权重，计算出所述团队专业度。
[0110]
在一些实施例中，所述团队创造力的计算方法为：
[0111]
从所述团队属性数据中获取创造力评价指标变量；
[0112]
基于预设的创造性指标评价规则，计算出各个创造力评价指标变量的对应的分值；
[0113]
基于各个创造力评价指标变量对应的分值以及预设的各个创造力评价指标变量的权重，计算出所述团队创造力。
[0114]
在一些实施例中，所述团队基本力的计算方法为：
[0115]
从所述团队属性数据中获取基本力评价标签；
[0116]
基于预设的标签匹配值计算方法，计算出各个基本力评价标签与客户特征数据的标签匹配值；
[0117]
对所有所述基本力评价标签的标签匹配值进行加权求和，以计算出所述团队基本力。
[0118]
在一些实施例中，所述权重计算模块13具体用于：
[0119]
采用层次分析法构建团队匹配递阶层次结构；
[0120]
基于各个团队的团队特征数据，建立团队匹配目标的重要性判断矩阵；
[0121]
基于所述重要性判断矩阵，计算出各个所述团队特征数据的影响力权重。
[0122]
在一些实施例中，采用德尔菲法计算出各个所述团队特征数据的影响力权重。
[0123]
在一些实施例中，所述排序模块14具体用于：
[0124]
基于所述团队特征数据对应的影响力权重，对团队的所有团队特征数据进行加权求和，并将求和结果作为团队的匹配度后，基于匹配度的排序结果对各个所述团队进行排序。
[0125]
本发明另一实施例提供一种电子设备，如图7所示，电子设备10包括：
[0126]
一个或多个处理器110以及存储器120，图7中以一个处理器110为例进行介绍，处理器110和存储器120可以通过总线或者其他方式连接，图7中以通过总线连接为例。
[0127]
处理器110用于完成电子设备10的各种控制逻辑，其可以为通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)、单片机、arm(acorn risc machine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有，处理器110还可以是任何传统处理器、微处理器或状态机。处理器110也可以被实现为计算设备的组合，例如，dsp和微处理器的组合、多个微处理器、一个或多个微处理器结合dsp和/或任何其它这种配置。
[0128]
存储器120作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的团队匹配方法对应的程序指令。处理器110通过运行存储在存储器120中的非易失性软件程序、指令以及单元，从而执行电子设备10的各种功能应用以及数据处理，即实现上述方法实施例中的团队匹配方法。
[0129]
存储器120可以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平台、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备10使用所创建的数据等。此外，存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器120可选包括相对于处理器110远程设置的存储器，这些远程存储器可以通过网络连接至电子设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0130]
一个或者多个单元存储在存储器120中，当被一个或者多个处理器110执行时，执行上述任意方法实施例中的团队匹配方法，例如，执行以上描述的图1中的方法步骤s100至步骤s500。
[0131]
本发明另一实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如，执行以上描述的图1中的方法步骤s100至步骤s500。
[0132]
作为示例，计算机可读存储介质能够包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦rom(eeprom)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器(ram)。通过说明而非限制，ram可以以诸如同步ram(sram)、动态ram、(dram)、同步dram(sdram)、双数据速率sdram(ddrsdram)、增强型sdram(esdram)、synchlink dram(sldram)以及直接rambus(兰巴斯)ram(drram)之类的许多形式得到。本文中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。
[0133]
综上所述，本发明提供的团队匹配方法、装置、电子设备及存储介质，首先获取客
户特征数据以及各个团队的团队属性数据；之后基于所述客户特征数据和所述团队属性数据，计算出各个团队的团队特征数据，其中，所述团队特征数据至少包括团队专业度、团队创造力以及团队基本力；之后采用层次分析法计算出各个所述团队特征数据的影响力权重；然后基于各个所述团队特征数据及其对应的影响力权重，计算出各个团队的匹配度，并基于所述匹配度对各个所述团队进行排序；最后基于所述排序结果，进行客户的团队匹配。本发明结合层次分析法，从团队基本情况、专业程度和产能情况等维度综合评估团队实力，提高了推荐结果的合理性。同时综合考虑客户及团队的标签匹配度，一定程度上能够解决无管户客户的匹配问题。
[0134]
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。

技术特征：
1.一种团队匹配方法，其特征在于，包括如下步骤：获取客户特征数据以及各个团队的团队属性数据；基于所述客户特征数据和所述团队属性数据，计算出各个团队的团队特征数据，其中，所述团队特征数据至少包括团队专业度、团队创造力以及团队基本力；采用层次分析法计算出各个所述团队特征数据的影响力权重；基于各个所述团队特征数据及其对应的影响力权重，计算出各个团队的匹配度，并基于所述匹配度对各个所述团队进行排序；基于所述排序结果，进行客户的团队匹配。2.根据权利要求1所述的团队匹配方法，其特征在于，所述团队专业度的计算方法为：从所述团队属性数据中获取专业度评价指标变量；基于预设的专业度指标评价规则，计算出各个专业度评价指标变量的对应的分值；基于各个专业度评价指标变量对应的分值以及预设的各个专业度评价指标变量的权重，计算出所述团队专业度。3.根据权利要求1所述的团队匹配方法，其特征在于，所述团队创造力的计算方法为：从所述团队属性数据中获取创造力评价指标变量；基于预设的创造性指标评价规则，计算出各个创造力评价指标变量的对应的分值；基于各个创造力评价指标变量对应的分值以及预设的各个创造力评价指标变量的权重，计算出所述团队创造力。4.根据权利要求1所述的团队匹配方法，其特征在于，所述团队基本力的计算方法为：从所述团队属性数据中获取基本力评价标签；基于预设的标签匹配值计算方法，计算出各个基本力评价标签与客户特征数据的标签匹配值；对所有所述基本力评价标签的标签匹配值进行加权求和，以计算出所述团队基本力。5.根据权利要求1所述的团队匹配方法，其特征在于，所述采用层次分析法计算出各个所述团队特征数据的影响力权重，包括：采用层次分析法构建团队匹配递阶层次结构；基于各个团队的团队特征数据，建立团队匹配目标的重要性判断矩阵；基于所述重要性判断矩阵，计算出各个所述团队特征数据的影响力权重。6.根据权利要求5所述的团队匹配方法，其特征在于，采用德尔菲法计算出各个所述团队特征数据的影响力权重。7.根据权利要求1所述的团队匹配方法，其特征在于，所述基于各个所述团队特征数据及其对应的影响力权重，计算出各个团队的匹配度，并基于所述匹配度对各个所述团队进行排序，包括：基于所述团队特征数据对应的影响力权重，对团队的所有团队特征数据进行加权求和，并将求和结果作为团队的匹配度后，基于匹配度的排序结果对各个所述团队进行排序。8.一种团队匹配装置，其特征在于，包括：数据获取模块，用于获取客户特征数据以及各个团队的团队属性数据；团队特征数据计算模块，用于基于所述客户特征数据和所述团队属性数据，计算出各个团队的团队特征数据，其中，所述团队特征数据至少包括团队专业度、团队创造力以及团
队基本力；权重计算模块，用于采用层次分析法计算出各个所述团队特征数据的影响力权重；排序模块，用于基于各个所述团队特征数据及其对应的影响力权重，计算出各个团队的匹配度，并基于所述匹配度对各个所述团队进行排序；匹配模块，用于基于所述排序结果，进行客户的团队匹配。9.一种电子设备，其特征在于，包括：处理器和存储器；所述存储器上存储有可被所述处理器执行的计算机程序；所述处理器执行所述计算机程序时实现如权利要求1-7任意一项所述的团队匹配方法中的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-7任意一项所述的团队匹配方法中的步骤。

技术总结
本发明公开一种适用于金融科技或其他相关技术领域的团队匹配方法、装置、电子设备及存储介质，方法包括：获取客户特征数据以及各个团队的团队属性数据；基于所述客户特征数据和所述团队属性数据，计算出各个团队的团队特征数据，其中，所述团队特征数据至少包括团队专业度、团队创造力以及团队基本力；采用层次分析法计算出各个所述团队特征数据的影响力权重；基于各个所述团队特征数据及其对应的影响力权重，计算出各个团队的匹配度，并基于所述匹配度对各个所述团队进行排序；基于所述排序结果，进行客户的团队匹配。本发明解决了现有技术中无法根据团队属性来进行团队的匹配的技术问题。的技术问题。的技术问题。


技术研发人员：刘文渊 田鸥 苏志锋
受保护的技术使用者：平安银行股份有限公司
技术研发日：2023.07.04
技术公布日：2023/9/22