CN110246033A - 信贷风险监测方法、装置、设备及存储介质 - Google Patents
信贷风险监测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110246033A CN110246033A CN201910551779.9A CN201910551779A CN110246033A CN 110246033 A CN110246033 A CN 110246033A CN 201910551779 A CN201910551779 A CN 201910551779A CN 110246033 A CN110246033 A CN 110246033A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- credit risk
- cleaning
- credit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种信贷风险监测方法、装置、设备及存储介质,该方法包括:从数据源采集原始数据,并根据预设清洗策略对所述原始数据进行清洗,得到清洗数据;根据所述清洗数据中的用户标识对所述清洗数据进行身份归一化处理,得到具有同一用户标识的第一用户数据集合;根据预设映射规则将所述第一用户数据集合中的风险事件替换为与所述风险事件相应的原因码,得到第二用户数据集合;根据所述第二用户数据集合生成信贷风险表单。本发明能够对原始数据进行数据清洗、身份归一化和事件原因码化等处理,从而为信贷风险监测提供准确、有序、集成的数据集合,提高了业务处理的准确性和全面性。
Description
技术领域
本发明涉及金融科技(Fintech)技术领域,尤其涉及信贷风险监测方法、装置、设备、***及存储介质。
背景技术
近年来,随着金融科技(Fintech)产业的高速发展,越来越多的小额贷款机构、消费金融公司、网贷金融机构都在极力的扩张各自的业务,但随着真实需求客户急剧增加的同时,也伴随着大量低质量的高风险客户。
目前,大多数银行或者信贷机构等贷款平台对于借款人的信用评定都依赖于该贷款平台内部的历史信贷类数据,一般只有借款人在该贷款平台的历史信贷类数据中出现逾期数据时,才会发出相关预警,此类预警局限于贷款行业的历史数据,不能全面的判断借款人的信贷风险,准确性也不够高。
发明内容
本发明的主要目的在于提出一种信贷风险监测方法、装置、设备及存储介质,旨在提升信贷风险监测的准确性和全面性。
为实现上述目的,本发明提供一种信贷风险监测方法,所述信贷风险监测方法包括如下步骤:
从数据源采集原始数据,并根据预设清洗策略对所述原始数据进行清洗,得到清洗数据;
根据所述清洗数据中的用户标识对所述清洗数据进行身份归一化处理,得到具有同一用户标识的第一用户数据集合;
根据预设映射规则将所述第一用户数据集合中的风险事件替换为与所述风险事件相应的原因码,得到第二用户数据集合;
根据所述第二用户数据集合生成信贷风险表单。
优选地,所述从数据源采集原始数据,并根据预设清洗策略对所述原始数据进行清洗,得到清洗数据的步骤包括:
根据所述预设清洗策略确定所述数据源的需求类型,并根据所述需求类型确定需求字段;
根据所述需求字段对所述原始数据进行一次过滤,获得一次数据字段;
对所述一次数据字段进行数值缺失检测,以对所述一次数据字段进行二次过滤,获得二次数据字段;
对所述二次数据字段进行数值重复检测,以对所述二次数据字段进行三次过滤,得到清洗数据。
优选地,所述根据所述清洗数据中的用户标识对所述清洗数据进行身份归一化处理,得到具有同一用户标识的第一用户数据集合的步骤包括:
基于预设身份体系确定有效用户身份,并根据所述有效用户身份确定用户标识;
根据所述用户标识对所述清洗数据进行分类,获得具有同一用户标识的第一用户数据集合。
优选地,所述根据预设映射规则将所述第一用户数据集合中的风险事件替换为与所述风险事件相应的原因码,得到第二用户数据集合的步骤包括:
获取所述第一用户数据集合中的风险事件;
基于预设映射规则和所述风险事件,获取与所述风险事件相应的原因码;
将所述原因码按照事件类型进行分组并按照事件严重程度排序,获取分组内事件严重程度最高的原因码;
将所述第一用户数据集合中的风险事件替换为所述事件严重程度最高的原因码,得到第二用户数据集合。
优选地,所述根据所述第二用户数据集合生成信贷风险表单的步骤包括:
在接收到用户终端发送的风险事件查询请求时,获取所述风险事件查询请求携带的目标用户标识;
根据所述目标用户标识查询所述第二用户数据集合,生成与所述目标用户标识对应的信贷风险表单;
将所述信贷风险表单发送至所述用户终端。
优选地,所述在接收到用户终端发送的风险事件查询请求时,获取所述风险事件查询请求携带的目标用户标识的步骤之后,还包括:
获取所述风险事件查询请求携带的查询权限标识;
根据所述查询权限标识和所述目标用户标识判断所述用户终端是否具有查询权限;
若所述用户终端具有查询权限,则执行步骤:根据所述目标用户标识查询所述第二用户数据集合,生成与所述目标用户标识对应的信贷风险表单。
优选地,所述信贷风险监测方法还包括:
在所述原因码在所述第二用户数据集合中的存在时长超过预设存续期时,删除所述原因码。
优选地,所述信贷风险表单的字段包括用户标识、原因码、事件金额、事件时间、影响因子。
此外,为实现上述目的,本发明还提供一种信贷风险监测装置,所述信贷风险监测装置包括:
采集模块,用于从数据源采集原始数据,并根据预设清洗策略对所述原始数据进行清洗,得到清洗数据;
处理模块,用于根据所述清洗数据中的用户标识对所述清洗数据进行身份归一化处理,得到具有同一用户标识的第一用户数据集合;
替换模块,用于根据预设映射规则将所述第一用户数据集合中的风险事件替换为与所述风险事件相应的原因码,得到第二用户数据集合;
生成模块,用于根据所述第二用户数据集合生成信贷风险表单。
此外,为实现上述目的,本发明还提供一种信贷风险监测设备,所述信贷风险监测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的信贷风险监测程序,所述信贷风险监测程序被所述处理器执行时实现如上所述的信贷风险监测方法的步骤。
此外,为实现上述目的,本发明还提供一种存储介质,所述存储介质上存储有信贷风险监测程序,所述信贷风险监测程序被处理器执行时实现如上所述的信贷风险监测方法的步骤。
本发明从数据源采集原始数据,并根据预设清洗策略对所述原始数据进行清洗,得到清洗数据;根据所述清洗数据中的用户标识对所述清洗数据进行身份归一化处理,得到具有同一用户标识的第一用户数据集合;根据预设映射规则将所述第一用户数据集合中的风险事件替换为与所述风险事件相应的原因码,得到第二用户数据集合;根据所述第二用户数据集合生成信贷风险表单。本发明能够对原始数据进行数据清洗、身份归一化和事件原因码化等处理,从而为信贷风险监测提供准确、有序、集成的数据集合,提高了业务处理的准确性和全面性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图;
图2为本发明信贷风险监测方法第一实施例的流程示意图;
图3为本发明信贷风险监测装置一实施例的模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
本发明实施例的主要解决方案是从数据源采集原始数据,并根据预设清洗策略对所述原始数据进行清洗,得到清洗数据;根据所述清洗数据中的用户标识对所述清洗数据进行身份归一化处理,得到具有同一用户标识的第一用户数据集合;根据预设映射规则将所述第一用户数据集合中的风险事件替换为与所述风险事件相应的原因码,得到第二用户数据集合;根据所述第二用户数据集合生成信贷风险表单。本发明通过上述方式,对原始数据进行数据清洗、身份归一化和事件原因码化等处理,从而为信贷风险监测提供准确、有序、集成的数据集合,提高了业务处理的准确性和全面性。
大多数银行或者信贷机构等贷款平台对于借款人的信用评定都依赖于该贷款平台内部的历史信贷类数据,一般只有借款人在该贷款平台的历史信贷类数据中出现逾期数据时,才会发出相关预警,此类预警局限于贷款行业的历史数据,不能全面的判断借款人的信贷风险。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端可以是搭载了虚拟化平台的PC机或服务器(如X86服务器)等终端设备。
如图1所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及信贷风险监测程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的信贷风险监测程序,并执行以下信贷风险监测方法实施例中的操作。
基于上述硬件结构,提出本发明信贷风险监测方法实施例。
参照图2,图2为本发明信贷风险监测方法第一实施例的流程示意图,所述方法包括:
步骤S1,从数据源采集原始数据,并根据预设清洗策略对所述原始数据进行清洗,得到清洗数据;
本实施例中的信贷风险监测方法由信贷风险监测设备实现,该信贷风险监测设备要对信贷风险进行监测,首先要从数据源采集大量的原始数据,而数据源通常包括多个,例如人民银行征信平台、公安接口、贷款平台的历史信贷数据等,这些数据源不一定是仅为贷款平台进行服务的,因此数据中的原始数据往往会包括了脏数据(如与贷款无关的冗余数据、错误等)、且这些数据由于来源不同会呈现出无序性;而在监测的过程中,若直接使用这些原始数据进行信贷业务,必然会延长了数据调用的时间,增大了***服务器的计算和处理压力,从而降低了信贷效率。本实施例提出一种信贷风险监测方法,在从数据源获取到原始数据时对原始数据进行数据清洗和整合等预处理,为后续的业务处理提供有序、集成的数据集合,减少数据调用的时间,降低服务器的计算和处理压力。
信贷风险监测设备在从数据源采集到原始数据后,首先要对原始数据进行数据清洗,数据清洗主要是对原始数据中不符合要求的脏数据进行处理,脏数据类型包括无用数据、不完整的数据(字段内容缺失)、错误的数据、重复的数据等。而根据脏数据类型的不同,还可以将数据清洗过程分为多个清洗节点,每个清洗节点主要负责某一类或者几类的脏数据的处理。
步骤S2,根据所述清洗数据中的用户标识对所述清洗数据进行身份归一化处理,得到具有同一用户标识的第一用户数据集合;
本实施例中,在得到清洗数据时,信贷风险监测设备将根据数据记录的用户标识(即数据所面向的用户对象)对清洗数据进行身份归一化,建立用户数据集合(scheme),即以用户维度对清洗数据进行分类。具体的,考虑到不同的数据源的数据,对于同一个用户可能会使用不同的用户名(或账户名等)进行记录,例如有可能是使用了姓名,有的是使用了身份证号;此时,需要根据一个唯一确定的身份来作为主键建立该用户数据集合。本实施例中可以根据实际情况定义一个身份体系,该体系中可以以用户的身份证号作为该唯一身份标识,称为有效身份;当然该身份体系中还可以包括副身份,一个有效身份可对应了多个副身份,例如用户姓名,用户手机号等。根据该有效身份可确定出对应的有效身份字段,然后建立对应的用户数据集合;然后遍历清洗数据进行有效身份字段匹配和分类,将具有同一个有效身份的清洗数据、或对应了同一个有效身份的清洗数据导入至同一个集合中,即得到了身份归一化的第一用户数据集合。
步骤S3,根据预设映射规则将所述第一用户数据集合中的风险事件替换为与所述风险事件相应的原因码,得到第二用户数据集合;
在本实施例中,第一用户数据集合中包括该用户的风险事件,风险事件是指可能会导致贷款平台在经营过程中蒙受损失的各种不确定因素。信贷风险监测设备中预先配置有预设映射规则,该预设映射规则中包括了各种风险事件和与之对应的原因码,例如,“法院失信类客户”可用原因码“FY01”表示。
具体地,在获取到身份归一化的第一用户数据集合之后,获取第一用户数据集合中的风险事件,基于预设映射规则和第一用户数据集合中的风险事件,获取与该用户的所有风险事件相应的原因码,将原因码按照事件类型进行分组并按照事件严重程度排序,获取每个分组内事件严重程度最高的原因码,将第一用户数据集合中的风险事件全部替换为事件严重程度最高的原因码,得到第二用户数据集合。
步骤S4,根据所述第二用户数据集合生成信贷风险表单。
本实施例中,在获取到第二用户数据集合时,即得到了包括大量用户信息的用户数据,在接收到用户终端发送的风险事件查询请求时,可根据风险事件查询请求携带的目标用户标识查询第二用户数据集合,获取与目标用户标识对应的信贷风险表单,将与目标用户标识对应的信贷风险表单发送至用户终端。
在本实施例中,通过从数据源采集原始数据,并根据预设清洗策略对所述原始数据进行清洗,得到清洗数据;根据所述清洗数据中的用户标识对所述清洗数据进行身份归一化处理,得到具有同一用户标识的第一用户数据集合;根据预设映射规则将所述第一用户数据集合中的风险事件替换为与所述风险事件相应的原因码,得到第二用户数据集合;根据所述第二用户数据集合生成信贷风险表单。通过上述方式,本实施例通过从数据源获取到原始数据,对原始数据进行数据清洗、身份归一化和事件原因码化等处理,从而为信贷风险监测提供准确、有序、集成的数据集合,提高了业务处理的准确性和全面性。
进一步地,基于本发明信贷风险监测方法第一实施例,提出本发明信贷风险监测方法第二实施例,在本实施例中,上述步骤S1具体包括:
步骤S11,根据所述预设清洗策略确定所述数据源的需求类型,并根据所述需求类型确定需求字段;
步骤S12,根据所述需求字段对所述原始数据进行一次过滤,获得一次数据字段;
步骤S13,对所述一次数据字段进行数值缺失检测,以对所述一次数据字段进行二次过滤,获得二次数据字段;
步骤S14,对所述二次数据字段进行数值重复检测,以对所述二次数据字段进行三次过滤,得到清洗数据。
在本实施例中,信贷风险监测设备中预先配置有预设清洗策略,该预设清洗策略中包括了为不同数据源定义对应的需求数据类型(即需要从该数据源获取到什么原始数据)、以及需求数据在原始数据中的需求字段名称。例如,人民银行征信平台数据源的需求数据为用户的征信数据、公安接口数据源的需求数据为涉案信息数据、贷款平台数据源的需求数据为用户的交易流水和账户资金数据。
在获取到原始数据时,将根据该需求字段对原始数据进行一次过滤,过滤掉非需求数据的字段,得到一次数据字段。在得到一次数据字段时,将对一次数据字段进行数值缺失检测,判断该一次数据字段中是否具有确定的数据值,例如,用户的涉案信息数据,对于涉案金额,仅具有表头字段(涉案金额),而缺失了具体确定的数据值(空或null),对于这类数值缺失的数据字段,数据整合平台会在二次过滤中将其过滤掉,得到二次数据字段。
对于二次过滤后的二次数据字段,可对其进行重复检测,判断是否有字段名称和内容值一致的重复数据,若存在,则将该重复数据进行三次过滤,在三次过滤完成时,即获得了清洗数据。当然,在清洗的过程中,还可根据实际要求相应的增加过滤节点,例如,预设清洗策略还包括这些需求数据的标准内容格式,例如交易流水包括了时间(浮点型数据)、金额(浮点型数据)、资金流向(字符串形式)等,不动产信息包括了获得时间(浮点型数据)、地址(浮点型数据表示坐标位置)、面积(浮点型数据)等,在进行数据清洗时还可以对数据字段的数值进行格式检测,将不满足格式要求的字段过滤等。而上述过滤的节点顺序,也可以根据实际情况进行调整。
进一步的,在对原始数据清洗的过程中,还可以进行记录,以生成对应的清洗日志,清洗日志的内容可以包括各过滤节点的数据过滤量、各过滤节点过滤掉的数据索引(仅包含简略信息,不包括具体数据)、过滤原因等内容,以便管理人员根据清洗日志对清洗功能进行维护和优化。
进一步地,上述步骤S2包括:
步骤S21,基于预设身份体系确定有效用户身份,并根据所述有效用户身份确定用户标识;
步骤S22,根据所述用户标识对所述清洗数据进行分类,获得具有同一用户标识的第一用户数据集合。
在本实施例中,在得到清洗数据时,信贷风险监测设备将根据数据记录的用户标识(即数据所面向的用户对象)对清洗数据进行身份归一化,建立用户数据集合(scheme),即以用户维度对清洗数据进行分类。具体的,考虑到不同的数据源的数据,对于同一个用户可能会使用不同的用户名(或账户名等)进行记录,例如对于个人用户,有可能是使用了姓名,有的是使用了身份证号;对于公司用户,有可能是使用了公司营业执照号;此时,需要根据一个唯一确定的身份来作为主键建立该用户数据集合。本实施例中可以根据实际情况定义一个身份体系,例如,对于个人用户,该体系中可以以用户的身份证号作为该唯一身份标识,称为有效身份;当然该身份体系中还可以包括副身份,一个有效身份可对应了多个副身份,例如用户姓名,用户手机号等。根据该有效身份可确定出对应的有效身份字段,然后建立对应的用户数据集合;然后遍历清洗数据进行有效身份字段匹配和分类,将具有同一个有效身份的清洗数据、或对应了同一个有效身份的清洗数据导入至同一个集合中,即得到了身份归一化的第一用户数据集合。
进一步地,上述步骤S3包括:
步骤S31,获取所述第一用户数据集合中的风险事件;
步骤S32,基于预设映射规则和所述风险事件,获取与所述风险事件相应的原因码;
步骤S33,将所述原因码按照事件类型进行分组并按照事件严重程度排序,获取分组内事件严重程度最高的原因码;
步骤S34,将所述第一用户数据集合中的风险事件替换为所述事件严重程度最高的原因码,得到第二用户数据集合。
在本实施例中,第一用户数据集合中包括该用户的风险事件,风险事件是指可能会导致贷款平台在经营过程中蒙受损失的各种不确定因素。信贷风险监测设备中预先配置有预设映射规则,该预设映射规则中包括了各种风险事件和与之对应的原因码,例如,“法院失信类客户”可用原因码“FY01”表示。
具体地,在获取到身份归一化的第一用户数据集合之后,获取第一用户数据集合中的风险事件,基于预设映射规则和第一用户数据集合中的风险事件,获取与该用户的所有风险事件相应的原因码,将原因码按照事件类型进行分组并按照事件严重程度排序,获取每个分组内事件严重程度最高的原因码,将第一用户数据集合中的风险事件全部替换为事件严重程度最高的原因码,得到第二用户数据集合。
进一步地,在原因码在第二用户数据集合中的存在时长超过预设存续期时,删除该原因码。
在本实施例中,通过从数据源获取到原始数据时,对原始数据进行数据清洗、身份归一化和事件原因码化等处理,从而为用户调用信贷风险表单提供基础。
进一步地,基于本发明信贷风险监测方法第一实施例,提出本发明信贷风险监测方法第三实施例,在本实施例中,上述步骤S4包括:
步骤S41,在接收到用户终端发送的风险事件查询请求时,获取所述风险事件查询请求携带的目标用户标识;
步骤S42,根据所述目标用户标识查询所述第二用户数据集合,生成与所述目标用户标识对应的信贷风险表单;
步骤S43,将所述信贷风险表单发送至所述用户终端。
在本实施例中,在进行数据整合后,即得到了有序、集成的用户业务数据集合,并可为用户提供信贷风险表单调用服务。具体的,在接收到用户终端发送的风险事件查询请求时,获取该风险事件查询请求携带的目标用户标识,根据目标用户标识从第二用户数据集合中查找对应的目标用户数据集合,以生成信贷风险表单。
在生成信贷风险表单后,即可将信贷风险表单发送至用户终端。当然,为了保证数据传输的安全性,信贷风险监测设备和用户终端还可约定数据加密协议,信贷风险监测设备在获取目标用户的信贷风险表单时,先根据该数据加密协议将其进行加密,再将加密后的数据返回至用户终端。
进一步地,信贷风险表单的字段可以包括用户标识、原因码、事件金额、事件时间、影响因子或其他与信贷风险监测有关的更多或者更少的用户数据,本实施例不做限制。
进一步地,上述步骤S41之后还包括:
步骤S411,获取所述风险事件查询请求携带的查询权限标识;
步骤S412,根据所述查询权限标识和所述目标用户标识判断所述用户终端是否具有查询权限;
若所述用户终端具有查询权限,则执行步骤:步骤S42。
由于第二用户数据集合中包括了用户的大量数据,这些数据可能会涉及到用户的隐私。为了保护用户的隐私,信贷风险监测设备将会对第二用户数据集合的数据调用进行权限控制。具体的,在接收到用户终端发送的风险事件查询请求时,获取该风险事件查询请求携带的查询权限标识,将根据查询权限标识和目标用户标识判断该用户终端是否具有查询权限;若该用户终端具有查询权限,则进入步骤S42;若该用户终端不具有查询权限,则向该用户终端返回对应的无权限提示。
本实施例通过从数据源获取到原始数据,对原始数据进行数据清洗、身份归一化和事件原因码化等处理,从而为信贷风险监测提供准确、有序、集成的数据集合,提高了业务处理的准确性和全面性。
本发明还提供一种信贷风险监测装置,参照图3,图3为本发明信贷风险监测装置一实施例的模块示意图,本实施例中,所述信贷风险监测装置包括:
采集模块10,用于从数据源采集原始数据,并根据预设清洗策略对所述原始数据进行清洗,得到清洗数据;
处理模块20,用于根据所述清洗数据中的用户标识对所述清洗数据进行身份归一化处理,得到具有同一用户标识的第一用户数据集合;
替换模块30,用于根据预设映射规则将所述第一用户数据集合中的风险事件替换为与所述风险事件相应的原因码,得到第二用户数据集合;
生成模块40,用于根据所述第二用户数据集合生成信贷风险表单。
上述各功能模块实现的方法可参照本发明信贷风险监测方法实施例,此处不再赘述。
在本实施例中,采集模块从数据源采集原始数据,并根据预设清洗策略对所述原始数据进行清洗,得到清洗数据;处理模块根据所述清洗数据中的用户标识对所述清洗数据进行身份归一化处理,得到具有同一用户标识的第一用户数据集合;替换模块根据预设映射规则将所述第一用户数据集合中的风险事件替换为与所述风险事件相应的原因码,得到第二用户数据集合;生成模块根据所述第二用户数据集合生成信贷风险表单。通过上述方式,通过从数据源获取到原始数据,对原始数据进行数据清洗、身份归一化和事件原因码化等处理,从而为信贷风险监测提供准确、有序、集成的数据集合,提高了业务处理的准确性和全面性。
本发明还提供一种存储介质。
本发明存储介质上存储有信贷风险监测程序,所述信贷风险监测程序被处理器执行时实现如上所述的信贷风险监测方法的步骤。
其中,在所述处理器上运行的信贷风险监测程序被执行时所实现的方法可参照本发明信贷风险监测方法各个实施例,此处不再赘述。
需要说明的是,在本文中,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***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***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,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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,本发明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如上所述的一个存储介质(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)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (11)
1.一种信贷风险监测方法,其特征在于,所述信贷风险监测方法包括如下步骤:
从数据源采集原始数据,并根据预设清洗策略对所述原始数据进行清洗,得到清洗数据;
根据所述清洗数据中的用户标识对所述清洗数据进行身份归一化处理,得到具有同一用户标识的第一用户数据集合;
根据预设映射规则将所述第一用户数据集合中的风险事件替换为与所述风险事件相应的原因码,得到第二用户数据集合;
根据所述第二用户数据集合生成信贷风险表单。
2.如权利要求1所述的信贷风险监测方法,其特征在于,所述从数据源采集原始数据,并根据预设清洗策略对所述原始数据进行清洗,得到清洗数据的步骤包括:
根据所述预设清洗策略确定所述数据源的需求类型,并根据所述需求类型确定需求字段;
根据所述需求字段对所述原始数据进行一次过滤,获得一次数据字段;
对所述一次数据字段进行数值缺失检测,以对所述一次数据字段进行二次过滤,获得二次数据字段;
对所述二次数据字段进行数值重复检测,以对所述二次数据字段进行三次过滤,得到清洗数据。
3.如权利要求1所述的信贷风险监测方法,其特征在于,所述根据所述清洗数据中的用户标识对所述清洗数据进行身份归一化处理,得到具有同一用户标识的第一用户数据集合的步骤包括:
基于预设身份体系确定有效用户身份,并根据所述有效用户身份确定用户标识;
根据所述用户标识对所述清洗数据进行分类,获得具有同一用户标识的第一用户数据集合。
4.如权利要求1所述的信贷风险监测方法,其特征在于,所述根据预设映射规则将所述第一用户数据集合中的风险事件替换为与所述风险事件相应的原因码,得到第二用户数据集合的步骤包括:
获取所述第一用户数据集合中的风险事件;
基于预设映射规则和所述风险事件,获取与所述风险事件相应的原因码;
将所述原因码按照事件类型进行分组并按照事件严重程度排序,获取分组内事件严重程度最高的原因码;
将所述第一用户数据集合中的风险事件替换为所述事件严重程度最高的原因码,得到第二用户数据集合。
5.如权利要求1所述的信贷风险监测方法,其特征在于,所述根据所述第二用户数据集合生成信贷风险表单的步骤包括:
在接收到用户终端发送的风险事件查询请求时,获取所述风险事件查询请求携带的目标用户标识;
根据所述目标用户标识查询所述第二用户数据集合,生成与所述目标用户标识对应的信贷风险表单;
将所述信贷风险表单发送至所述用户终端。
6.如权利要求5所述的信贷风险监测方法,其特征在于,所述在接收到用户终端发送的风险事件查询请求时,获取所述风险事件查询请求携带的目标用户标识的步骤之后,还包括:
获取所述风险事件查询请求携带的查询权限标识;
根据所述查询权限标识和所述目标用户标识判断所述用户终端是否具有查询权限;
若所述用户终端具有查询权限,则执行步骤:根据所述目标用户标识查询所述第二用户数据集合,生成与所述目标用户标识对应的信贷风险表单。
7.如权利要求1所述的信贷风险监测方法,其特征在于,所述信贷风险监测方法还包括:
在所述原因码在所述第二用户数据集合中的存在时长超过预设存续期时,删除所述原因码。
8.如权利要求1所述的信贷风险监测方法,其特征在于,所述信贷风险表单的字段包括用户标识、原因码、事件金额、事件时间、影响因子。
9.一种信贷风险监测装置,其特征在于,所述信贷风险监测装置包括:
采集模块,用于从数据源采集原始数据,并根据预设清洗策略对所述原始数据进行清洗,得到清洗数据;
处理模块,用于根据所述清洗数据中的用户标识对所述清洗数据进行身份归一化处理,得到具有同一用户标识的第一用户数据集合;
替换模块,用于根据预设映射规则将所述第一用户数据集合中的风险事件替换为与所述风险事件相应的原因码,得到第二用户数据集合;
生成模块,用于根据所述第二用户数据集合生成信贷风险表单。
10.一种信贷风险监测设备,其特征在于,所述信贷风险监测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的信贷风险监测程序,所述信贷风险监测程序被所述处理器执行时实现如权利要求1至8任一项所述的信贷风险监测方法的步骤。
11.一种存储介质,其特征在于,所述存储介质上存储有信贷风险监测程序,所述信贷风险监测程序被处理器执行时实现如权利要求1至8中任一项所述的信贷风险监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910551779.9A CN110246033B (zh) | 2019-06-21 | 2019-06-21 | 信贷风险监测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910551779.9A CN110246033B (zh) | 2019-06-21 | 2019-06-21 | 信贷风险监测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110246033A true CN110246033A (zh) | 2019-09-17 |
CN110246033B CN110246033B (zh) | 2023-05-02 |
Family
ID=67889287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910551779.9A Active CN110246033B (zh) | 2019-06-21 | 2019-06-21 | 信贷风险监测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110246033B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110825717A (zh) * | 2019-10-10 | 2020-02-21 | 厦门市美亚柏科信息股份有限公司 | 一种身份识别的数据归一方法、装置及介质 |
CN111260238A (zh) * | 2020-01-21 | 2020-06-09 | 南方电网能源发展研究院有限责任公司 | 一种风险数据过滤储存方法 |
CN111582754A (zh) * | 2020-05-19 | 2020-08-25 | 深圳前海微众银行股份有限公司 | 风险排查方法、装置、设备及计算机可读存储介质 |
CN112256802A (zh) * | 2020-10-20 | 2021-01-22 | 威海上和软件科技有限公司 | 一种海洋微生物信息的自动采集方法和设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150026027A1 (en) * | 2009-06-12 | 2015-01-22 | Guardian Analytics, Inc. | Fraud detection and analysis |
CN108520073A (zh) * | 2018-04-13 | 2018-09-11 | 深圳壹账通智能科技有限公司 | 风控数据整合方法、装置、设备及计算机可读存储介质 |
CN109166030A (zh) * | 2018-08-01 | 2019-01-08 | 深圳微言科技有限责任公司 | 一种反欺诈解决方法及*** |
CN109636580A (zh) * | 2018-10-25 | 2019-04-16 | 平安科技(深圳)有限公司 | 基于大数据的风险检测方法、装置、设备及存储介质 |
-
2019
- 2019-06-21 CN CN201910551779.9A patent/CN110246033B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150026027A1 (en) * | 2009-06-12 | 2015-01-22 | Guardian Analytics, Inc. | Fraud detection and analysis |
CN108520073A (zh) * | 2018-04-13 | 2018-09-11 | 深圳壹账通智能科技有限公司 | 风控数据整合方法、装置、设备及计算机可读存储介质 |
CN109166030A (zh) * | 2018-08-01 | 2019-01-08 | 深圳微言科技有限责任公司 | 一种反欺诈解决方法及*** |
CN109636580A (zh) * | 2018-10-25 | 2019-04-16 | 平安科技(深圳)有限公司 | 基于大数据的风险检测方法、装置、设备及存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110825717A (zh) * | 2019-10-10 | 2020-02-21 | 厦门市美亚柏科信息股份有限公司 | 一种身份识别的数据归一方法、装置及介质 |
CN110825717B (zh) * | 2019-10-10 | 2022-05-20 | 厦门市美亚柏科信息股份有限公司 | 一种身份识别的数据归一方法、装置及介质 |
CN111260238A (zh) * | 2020-01-21 | 2020-06-09 | 南方电网能源发展研究院有限责任公司 | 一种风险数据过滤储存方法 |
CN111260238B (zh) * | 2020-01-21 | 2023-09-29 | 南方电网能源发展研究院有限责任公司 | 一种风险数据过滤储存方法 |
CN111582754A (zh) * | 2020-05-19 | 2020-08-25 | 深圳前海微众银行股份有限公司 | 风险排查方法、装置、设备及计算机可读存储介质 |
CN112256802A (zh) * | 2020-10-20 | 2021-01-22 | 威海上和软件科技有限公司 | 一种海洋微生物信息的自动采集方法和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110246033B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108520073A (zh) | 风控数据整合方法、装置、设备及计算机可读存储介质 | |
CN110246033A (zh) | 信贷风险监测方法、装置、设备及存储介质 | |
CN110517097B (zh) | 识别异常用户的方法、装置、设备及存储介质 | |
CN108647962A (zh) | 征信***、征信数据的存储方法、装置、设备及介质 | |
CN110100429A (zh) | 实时检测并防止欺诈和滥用 | |
AU2008339587B2 (en) | Data normalisation for investigative data mining | |
US20030220878A1 (en) | Systems and methods for graduated suspicious activity detection | |
CN107491472B (zh) | 一种基于生命周期的大数据平台敏感数据安全共享***和方法 | |
CN106656536A (zh) | 一种用于处理服务调用信息的方法与设备 | |
CN108154047A (zh) | 一种数据脱敏方法和装置 | |
CN108171527B (zh) | 客户信息管理***及方法 | |
US20180157851A1 (en) | Systems and methods for authentication of access based on multi-data source information | |
WO2003052621A1 (en) | System for identifying data relationships | |
CN111914023A (zh) | 基于区块链的票据管理方法、装置及电子设备 | |
JP2009521770A (ja) | 顧客駆動型クエリからの照合を強化するための方法およびシステム | |
CN107798448A (zh) | 黑名单用户的判断方法及装置 | |
CN112700329A (zh) | 一种风控规则引擎的响应方法和风控规则引擎 | |
US20150254783A1 (en) | Systems and methods for estate account discovery | |
GB2601165A (en) | Transaction verification | |
CN110245875A (zh) | 欺诈风险评估方法、装置、设备及存储介质 | |
CN110728301A (zh) | 一种个人用户的信用评分方法、装置、终端及存储介质 | |
CN111651442A (zh) | 一种数据报送方法、装置、电子设备及存储介质 | |
GB2601045A (en) | Automated computerized identification of assets | |
CN107025102A (zh) | 一种基于规则文件的决策方法和*** | |
CN112801767A (zh) | 一种针对新增渠道的账务数据处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |