CN112085596A - 用户风险等级信息的确定方法及装置 - Google Patents
用户风险等级信息的确定方法及装置 Download PDFInfo
- Publication number
- CN112085596A CN112085596A CN202011032712.3A CN202011032712A CN112085596A CN 112085596 A CN112085596 A CN 112085596A CN 202011032712 A CN202011032712 A CN 202011032712A CN 112085596 A CN112085596 A CN 112085596A
- Authority
- CN
- China
- Prior art keywords
- risk
- user
- data
- grade
- early warning
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004590 computer program Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 11
- 238000007418 data mining Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 239000000872 buffer Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012502 risk assessment Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000004900 laundering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种用户风险等级信息的确定方法及装置,其中,该方法包括:获取用户风险数据,所述风险数据包括:内部业务数据和外部网络数据;根据预定规则对所述风险数据进行预警事项分类操作;根据分类后的风险数据、以及所属的预警级别对所述用户风险进行等级划分操作,以确定该用户的风险等级信息。通过本发明,可以更有效地体现客户的真实风险程度。
Description
技术领域
本发明涉及数据处理领域,具体涉及一种用户风险等级信息的确定方法及装置。
背景技术
目前,在风险管理制度中,针对银行对公客户的风险等级评定,往往以客户贷款的五级分类进行评定,即按风险程度将贷款划分为五类:正常、关注、次级、可疑、损失,后三种为不良贷款。或者,针对客户自身业务数据,综合评定客户的信用评级,以此来反映客户的好坏。再者,在银保监局监管下,银行业也针对客户的特性、地域、业务、行业等基本要素,合理设立风险评估指标,对客户进行风险评估,建立客户反洗钱等级,大部分定义为高、中、中高、低等级别。
然而,这些数据往往仅依赖银行本身业务数据或者仅在某一面监管领域考虑客户风险,无法有效地体现客户的真实风险程度。
发明内容
有鉴于此,本发明提供一种用户风险等级信息的确定方法及装置,以解决上述提及的至少一个问题。
根据本发明的第一方面,提供一种用户风险等级信息的确定方法,所述方法包括:
获取用户风险数据,所述风险数据包括:内部业务数据和外部网络数据;
根据预定规则对所述风险数据进行预警事项分类操作;
根据分类后的风险数据、以及所属的预警级别对所述用户风险进行等级划分操作,以确定该用户的风险等级信息。
根据本发明的第二方面,提供一种用户风险等级信息的确定装置,所述装置包括:
数据获取单元,用于获取用户风险数据,所述风险数据包括:内部业务数据和外部网络数据;
分类单元,用于根据预定规则对所述风险数据进行预警事项分类操作;
等级确定单元,用于根据分类后的风险数据、以及所属的预警级别对所述用户风险进行等级划分操作,以确定该用户的风险等级信息。
根据本发明的第三方面,提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法的步骤。
根据本发明的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
由上述技术方案可知,通过获取内部业务数据和外部网络数据,并根据预定规则对这些风险数据进行预警事项分类操作,之后根据分类后的风险数据和所属的预警级别对用户进行风险等级划分,以此确定用户的风险等级,相比于现有技术,由于本技术方案基于内部业务数据和外部网络数据来确定用户风险信息,因而可以更有效地体现客户的真实风险程度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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是根据本发明实施例的用户风险等级信息确定方法的流程图;
图2是根据本发明实施例的用户风险等级信息确定装置的结构框图;
图3是根据本发明实施例的等级确定单元23的结构框图;
图4是根据本发明实施例的等级确定单元23的详细结构框图;
图5为本发明实施例的电子设备600的***构成的示意框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
由于目前的客户风险评估仅考虑内部业务数据或者仅在某一监管领域来评价客户风险,因而无法有效地体现客户的真实风险程度。基于此,本发明实施例提供一种用户风险等级信息的确定方案,该方案充分挖掘客户内部业务及外部网络数据,进而综合评定客户风险等级,从而可以有效地体现客户的真实风险程度。以下结合附图来详细描述本发明实施例。
图1是根据本发明实施例的用户风险等级信息确定方法的流程图,如图1所示,该方法包括:
步骤101,获取用户风险数据,所述风险数据包括:内部业务数据和外部网络数据。
这里的外部网络数据可以基于数据挖掘技术通过互联网来获取。该数据挖掘技术可以参考现有技术,本发明对此不作限制。
步骤102,根据预定规则对所述风险数据进行预警事项分类操作。这里的预定规则即是预先设置的对获取的内外风险数据进行预警事项分类的规则。
步骤103,根据分类后的风险数据、以及所属的预警级别对所述用户风险进行等级划分操作,以确定该用户的风险等级信息。
通过获取内部业务数据和外部网络数据,并根据预定规则对这些风险数据进行预警事项分类操作,之后根据分类后的风险数据和所属的预警级别对用户进行风险等级划分,以此确定用户的风险等级,相比于现有技术,由于本发明实施例基于内部业务数据和外部网络数据来确定用户风险信息,因而可以更有效地体现客户的真实风险程度。
在本发明实施例中,预警事项分类是对内外部数据衍生出的类别指标,例如,预警事项类别包括:信用风险、市场风险、流动性风险、国别风险、账户利率风险、声誉风险、信息科技风险等。
将上述风险数据分类为上述各预警事项类别。这些风险数据的业务类型可以是:信贷业务、金融市场业务、贸易融资业务、同业业务、资管业务等。
针对各预警事项类别,预警级别可以包括:红色、橙色、蓝色、提示,其中,红色表示账户冻结信息,橙色表示***逾期情况,蓝色表示存贷比组合预警,提示表示工商登记变更。
在实际操作中,还可以获取用户的当前风险等级和用户类型,结合步骤101获取的风险数据,可以更准确地确定用户的风险等级。这里的用户可以是:***用户、大中型用户、小企业用户等。
具体地,可以根据所述用户的当前风险等级和用户类型确定该用户的风险等级确定规则;之后,根据所述用户的风险等级确定规则、分类后的风险数据、以及所属的预警级别对所述用户风险进行等级划分操作。
在具体实施过程中,可以先根据用户的风险等级确定规则,确定该用户的风险系数;再根据分类后的风险数据、所属的预警级别和所述风险系数对该用户风险进行等级划分操作。这里的风险系数可以依据经验值来设置。
在一个实施例中,如果用户类型为集团用户,则可以直接根据集团成员数量、以及各成员的RAD(集团全面风险监控预警平台)上的信息来确定该用户的风险等级信息。
为了更好地理解本发明实施例,以下以银行客户为例来详细描述。在该实例中,可以预先定义预警事项,并划分预警事项的风险等级(即,预警级别),根据预定的跑批规则,识别客户风险预警事项。通过客户风险预警事项根据预定业务规则计算客户风险分值,最后根据风险分值,划分风险等级区间,确认风险等级。
跑批规则是指***根据源数据供数频率,周期性(例如,每天、每月)跑数,识别客户是否触发相关风险预警事项。例如,存贷比组合预警事项,涉及当月存贷比、当月客户AUM(资产管理规模,Asset Under Management)值等指标,根据组合后的指标,通过跑数生成预警事项。
在实际操作中,用户的当前风险等级可以是:实警客户、无担保余额或者信贷余额客户、预警退出客户等,用户类型可以是:集团客户、非集团客户,以下基于用户的当前风险等级和客户类型来对确定客户的风险等级信息,这里的风险等级信息可用分数值来表示。
(1)实警客户风险分值为设置0分,这种类型的客户是指当前债项存在逾期九十天以上或者归类为不良债项的,或者该客户当前已违约。
(2)无担保余额或者信贷余额客户如果存在以前的分数,保留以前分数,否则默认为"-"。
(3)集团客户
这里的集团客户是指已有行内集团统一授信的企业群组按照统一授信群组划定集团中的客户;或者未有统一授信的民营企业群组按照知识图谱项目的隐性集团(类集团)标准划定的客户。
集团客户通过如下公式(即,风险等级确定规则)来计算风险分值:
其中,N为成员单位数量,如果成员单位RAD上的分值暂无,例如,用"-"表示的,可以替换为0分参与整体计算。
需要说明的是,只有当存在集团成员余额>0,且成员分值不为-9999(-9999是***在无法识别该客户是否有信贷业务时,后台临时存的分值;该分值不对客户产生评价,只是技术存储用),此时再用公式计算集团分值,其它情况集团分值都为-9999。
(4)预警退出客户
I、如果该客户为预警退出客户,则默认最高分值为600,之后该客户再有预警事件,按照如下公式计算:
1)客户预警级别为红色
则该客户的风险分值为:
风险分值=820-风险系数*(700+红色预警事项个数*20+橙色预警事项个数*10+蓝色预警事项个数*5+统计提示事项个数*2),
其中,统计提示事项个数=MIN(10,实际提示事项个数),MIN为取小操作,这里的风险系数是经验值,可以依据实际情况而定;这里的数值820、700、20、10、5、2等是依据经验值设置的,可以依据实际情况而定。
需要说明的是,本发明实施例中的风险分值计算方式即对应于上述的风险等级确定规则。
2)客户预警级别为橙色
则该客户的风险分值为:
风险分值=820-风险系数*(500+橙色预警事项个数*20+蓝色预警事项个数*10+统计提示事项个数*2)。
3)客户预警级别为蓝色
则该客户的风险分值为:
风险分值=820-风险系数*(300+蓝色预警项个数*20+统计提示事项个数*2)。
4)客户预警级别为提示
则该客户的风险分值为:
风险分值=820-风险系数*(200+统计提示事项个数*10)。
在实际操作中,风险分值的最高分可设置为600,当分值超过600时,取分数值为600。
II、如果客户历史曾经出现过实警(实警客户参见第(1)条),当前已转为正常,则风险分数值在原有分数基础上扣减预定分值,例如,50。
(5)排除退出机制后的客户
这里的退出机制是指,若客户触发了预警事项,会给客户标上预警客户标签;后续客户风险消除后,可通过退出机制实现预警客户标签消除,此部分的客户风险分值采用如下方式计算。
1)预警级别为红色,则风险分值为:900-700-(红色预警事项个数*20+橙色预警事项个数*10+蓝色预警事项个数*5+提示事项个数*2)
2)预警级别为橙色,则风险分值为:900-500-(红色预警事项个数*20+橙色预警事项个数*10+蓝色预警事项个数*5+提示事项个数*2)
3)预警级别为蓝色,则风险分值为:900-300-(红色预警事项个数*20+橙色预警事项个数*10+蓝色预警事项个数*5+提示事项个数*2)
4)预警级别为提示,则风险分值为:900-200-(红色预警事项个数*20+橙色预警事项个数*10+蓝色预警事项个数*5+提示事项个数*2)
在实际操作中,***最小分值为0分,如果计算出的分数小于0,记为0分。除上述五种类型的其他类型客户,风险分值默认为680,该值依据经验值而定,可以根据实际情况改变。
需要说明的是上述预警事项数不包含已经解除的预警事项。
基于上述各类型客户计算的风险分值,可以按照如下方式划分客户风险等级:
[0-200):潜在风险极高;
[200,400):潜在风险高;
[400,600):潜在风险低;
[600,700]:潜在风险极低。
由以上描述可知,本发明实施例基于客户风险等级计算划分的需求,基于专家经验,在精准识别客户预警事项后,实现了基于客户预警事项的风险等级计算方法,该方法结合行内外数据,通过专家经验,提出预警事项,并根据预警事项等级,计算风险分值,进而划分客户风险等级,从而满足全方面精准识别客户风险的需求。
基于相似的发明构思,本发明实施例还提供一种用户风险等级信息的确定装置,优选地,该装置可用于实现上述方法实施例中的流程。
图2是根据本发明实施例的用户风险等级信息确定装置的结构框图,如图2所示,该装置包括:数据获取单元21、分类单元22和等级确定单元23,其中:
数据获取单元21,用于获取用户风险数据,所述风险数据包括:内部业务数据和外部网络数据。
具体地,数据获取单元21可以基于数据挖掘技术通过互联网获取与所述用户相关的外部网络数据。
分类单元22,用于根据预定规则对所述风险数据进行预警事项分类操作。
等级确定单元23,用于根据分类后的风险数据、以及所属的预警级别对所述用户风险进行等级划分操作,以确定该用户的风险等级信息。
通过数据获取单元21获取内部业务数据和外部网络数据,分类单元22根据预定规则对这些风险数据进行预警事项分类操作,之后等级确定单元23根据分类后的风险数据和所属的预警级别对用户进行风险等级划分,以此确定用户的风险等级,相比于现有技术,由于本发明实施例基于内部业务数据和外部网络数据来确定用户风险,因而可以更有效地体现客户的真实风险程度。
在实际操作中,上述数据获取单元21还用于:获取所述用户的当前风险等级和用户类型。
当用户类型为集团用户,上述等级确定单元还用于:根据集团成员数量、以及各成员的RAD信息来确定该用户的风险等级信息。
如图3所示,上述等级确定单元23具体包括:规则确定模块231和等级确定模块232,其中:
规则确定模块231,用于根据所述用户的当前风险等级和用户类型确定该用户的风险等级确定规则;
等级确定模块232,用于根据所述用户的风险等级确定规则、分类后的风险数据、以及所属的预警级别对所述用户风险进行等级划分操作。
其中,如图4所示,等级确定模块232具体包括:风险系数确定子模块2321和等级确定子模块2322,其中:
风险系数确定子模块2321,用于根据所述用户的风险等级确定规则,确定该用户的风险系数;
等级确定子模块2322,用于根据分类后的风险数据、所属的预警级别和所述风险系数对该用户风险进行等级划分操作。
上述各单元、各模块、各子模块的具体执行过程,可以参见上述方法实施例中的描述,此处不再赘述。
在实际操作中,上述各单元、各模块、各子模块可以组合设置、也可以单一设置,本发明不限于此。
本实施例还提供一种电子设备,该电子设备可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该电子设备可以参照上述方法实施例进行实施及用户风险等级信息确定装置的实施例进行实施,其内容被合并于此,重复之处不再赘述。
图5为本发明实施例的电子设备600的***构成的示意框图。如图5所示,该电子设备600可以包括中央处理器100和存储器140;存储器140耦合到中央处理器100。值得注意的是,该图是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
一实施例中,用户风险等级信息确定功能可以被集成到中央处理器100中。其中,中央处理器100可以被配置为进行如下控制:
步骤101,获取用户风险数据,所述风险数据包括:内部业务数据和外部网络数据。
步骤102,根据预定规则对所述风险数据进行预警事项分类操作。
步骤103,根据分类后的风险数据、以及所属的预警级别对所述用户风险进行等级划分操作,以确定该用户的风险等级信息。
从上述描述可知,本申请实施例提供的电子设备,通过获取内部业务数据和外部网络数据,并根据预定规则对这些风险数据进行预警事项分类操作,之后根据分类后的风险数据和所属的预警级别对用户进行风险等级划分,以此确定用户的风险等级,相比于现有技术,由于本发明实施例基于内部业务数据和外部网络数据来确定用户风险,因而可以更有效地体现客户的真实风险程度。
在另一个实施方式中,用户风险等级信息确定装置可以与中央处理器100分开配置,例如可以将用户风险等级信息确定装置配置为与中央处理器100连接的芯片,通过中央处理器的控制来实现用户风险等级信息确定功能。
如图5所示,该电子设备600还可以包括:通信模块110、输入单元120、音频处理单元130、显示器160、电源170。值得注意的是,电子设备600也并不是必须要包括图5中所示的所有部件;此外,电子设备600还可以包括图5中没有示出的部件,可以参考现有技术。
如图5所示,中央处理器100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器100接收输入并控制电子设备600的各个部件的操作。
其中,存储器140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序,以实现信息存储或处理等。
输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向电子设备600提供电力。显示器160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142,该应用/功能存储部142用于存储应用程序和功能程序或用于通过中央处理器100执行电子设备600的操作的流程。
存储器140还可以包括数据存储部143,该数据存储部143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器140的驱动程序存储部144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132,以经由扬声器131提供音频输出,并接收来自麦克风132的音频输入,从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器130还耦合到中央处理器100,从而使得可以通过麦克风132能够在本机上录音,且使得可以通过扬声器131来播放本机上存储的声音。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时以实现上述用户风险等级信息确定方法的步骤。
综上所述,本发明实施例提供了一种用户风险等级信息的确定方案,通过该方案,可以根据业务要求不断增加的预警事项,丰富风险等级计算数据来源,确保风险等级的计算保持全面性,该方法结合了行内金融属性业务数据及外部互联网公开数据,数据来源更丰富,更能从多维度视角展示客户风险情况;同时,基于专家业务经验生成预警模型,更贴合业务背景;并且,该方案从全面考虑到客户的生命周期中的不同场景,确保了风险分值更合理,更能有效地体现客户的真实风险程度。
以上参照附图描述了本发明的优选实施方式。这些实施方式的许多特征和优点根据该详细的说明书是清楚的,因此权利要求旨在覆盖这些实施方式的落入其真实精神和范围内的所有这些特征和优点。此外,由于本领域的技术人员容易想到很多修改和改变,因此不是要将本发明的实施方式限于所例示和描述的精确结构和操作,而是可以涵盖落入其范围内的所有合适修改和等同物。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (14)
1.一种用户风险等级信息的确定方法,其特征在于,所述方法包括:
获取用户风险数据,所述风险数据包括:内部业务数据和外部网络数据;
根据预定规则对所述风险数据进行预警事项分类操作;
根据分类后的风险数据、以及所属的预警级别对所述用户风险进行等级划分操作,以确定该用户的风险等级信息。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述用户的当前风险等级和用户类型。
3.根据权利要求2所述的方法,其特征在于,根据分类后的风险数据、以及所属的预警级别对所述用户风险进行等级划分操作包括:
根据所述用户的当前风险等级和用户类型确定该用户的风险等级确定规则;
根据所述用户的风险等级确定规则、分类后的风险数据、以及所属的预警级别对所述用户风险进行等级划分操作。
4.根据权利要求3所述的方法,其特征在于,根据所述用户的风险等级确定规则、分类后的风险数据、以及所属的预警级别对所述用户风险进行等级划分操作包括:
根据所述用户的风险等级确定规则,确定该用户的风险系数;
根据分类后的风险数据、所属的预警级别和所述风险系数对该用户风险进行等级划分操作。
5.根据权利要求2所述的方法,其特征在于,所述用户类型为集团用户,所述方法还包括:
根据集团成员数量、以及各成员的集团全面风险监控预警信息来确定该用户的风险等级信息。
6.根据权利要求1所述的方法,其特征在于,通过如下方式获取所述外部网络数据:
基于数据挖掘技术通过互联网获取与所述用户相关的外部网络数据。
7.一种用户风险等级信息的确定装置,其特征在于,所述装置包括:
数据获取单元,用于获取用户风险数据,所述风险数据包括:内部业务数据和外部网络数据;
分类单元,用于根据预定规则对所述风险数据进行预警事项分类操作;
等级确定单元,用于根据分类后的风险数据、以及所属的预警级别对所述用户风险进行等级划分操作,以确定该用户的风险等级信息。
8.根据权利要求7所述的装置,其特征在于,所述数据获取单元还用于:
获取所述用户的当前风险等级和用户类型。
9.根据权利要求8所述的装置,其特征在于,所述等级确定单元包括:
规则确定模块,用于根据所述用户的当前风险等级和用户类型确定该用户的风险等级确定规则;
等级确定模块,用于根据所述用户的风险等级确定规则、分类后的风险数据、以及所属的预警级别对所述用户风险进行等级划分操作。
10.根据权利要求9所述的装置,其特征在于,所述等级确定模块包括:
风险系数确定子模块,用于根据所述用户的风险等级确定规则,确定该用户的风险系数;
等级确定子模块,用于根据分类后的风险数据、所属的预警级别和所述风险系数对该用户风险进行等级划分操作。
11.根据权利要求8所述的装置,其特征在于,所述用户类型为集团用户,所述等级确定单元还用于:
根据集团成员数量、以及各成员的集团全面风险监控预警信息来确定该用户的风险等级信息。
12.根据权利要求7所述的装置,其特征在于,所述数据获取单元通过如下方式获取所述外部网络数据:
基于数据挖掘技术通过互联网获取与所述用户相关的外部网络数据。
13.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至6中任一项所述方法的步骤。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011032712.3A CN112085596A (zh) | 2020-09-27 | 2020-09-27 | 用户风险等级信息的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011032712.3A CN112085596A (zh) | 2020-09-27 | 2020-09-27 | 用户风险等级信息的确定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112085596A true CN112085596A (zh) | 2020-12-15 |
Family
ID=73739963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011032712.3A Pending CN112085596A (zh) | 2020-09-27 | 2020-09-27 | 用户风险等级信息的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112085596A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191890A (zh) * | 2021-05-27 | 2021-07-30 | 中国工商银行股份有限公司 | 客户风险确定方法、装置及设备 |
CN113570450A (zh) * | 2021-07-30 | 2021-10-29 | 中国工商银行股份有限公司 | 基于信贷资产批量分类的融资风险监控方法及装置 |
CN113706001A (zh) * | 2021-08-20 | 2021-11-26 | 中国联合网络通信集团有限公司 | 一种应急预警方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107301486A (zh) * | 2016-04-15 | 2017-10-27 | 平安科技(深圳)有限公司 | 风险管控方法及*** |
CN107944745A (zh) * | 2017-12-08 | 2018-04-20 | 重庆誉存大数据科技有限公司 | 一种风险信息评估方法及*** |
CN108038610A (zh) * | 2017-12-07 | 2018-05-15 | 中国银行股份有限公司 | 一种授信额度数据处理方法、装置及*** |
CN108335216A (zh) * | 2018-01-12 | 2018-07-27 | 中国平安人寿保险股份有限公司 | 一种保险风险评估方法、装置、终端设备及存储介质 |
CN108537460A (zh) * | 2018-04-18 | 2018-09-14 | 上海融之家金融信息服务有限公司 | 用户风险预测方法及*** |
CN109118118A (zh) * | 2018-09-06 | 2019-01-01 | 平安科技(深圳)有限公司 | 企业业务的风险评估方法、存储介质和服务器 |
-
2020
- 2020-09-27 CN CN202011032712.3A patent/CN112085596A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107301486A (zh) * | 2016-04-15 | 2017-10-27 | 平安科技(深圳)有限公司 | 风险管控方法及*** |
CN108038610A (zh) * | 2017-12-07 | 2018-05-15 | 中国银行股份有限公司 | 一种授信额度数据处理方法、装置及*** |
CN107944745A (zh) * | 2017-12-08 | 2018-04-20 | 重庆誉存大数据科技有限公司 | 一种风险信息评估方法及*** |
CN108335216A (zh) * | 2018-01-12 | 2018-07-27 | 中国平安人寿保险股份有限公司 | 一种保险风险评估方法、装置、终端设备及存储介质 |
CN108537460A (zh) * | 2018-04-18 | 2018-09-14 | 上海融之家金融信息服务有限公司 | 用户风险预测方法及*** |
CN109118118A (zh) * | 2018-09-06 | 2019-01-01 | 平安科技(深圳)有限公司 | 企业业务的风险评估方法、存储介质和服务器 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191890A (zh) * | 2021-05-27 | 2021-07-30 | 中国工商银行股份有限公司 | 客户风险确定方法、装置及设备 |
CN113570450A (zh) * | 2021-07-30 | 2021-10-29 | 中国工商银行股份有限公司 | 基于信贷资产批量分类的融资风险监控方法及装置 |
CN113706001A (zh) * | 2021-08-20 | 2021-11-26 | 中国联合网络通信集团有限公司 | 一种应急预警方法、装置、设备及存储介质 |
CN113706001B (zh) * | 2021-08-20 | 2023-06-09 | 中国联合网络通信集团有限公司 | 一种应急预警方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112085596A (zh) | 用户风险等级信息的确定方法及装置 | |
CN112785086A (zh) | 信贷逾期风险预测方法及装置 | |
CN110796544A (zh) | 资产管理风控引擎的配置方法及装置 | |
CN111932268B (zh) | 企业风险识别方法及装置 | |
CN108932646B (zh) | 基于运营商的用户标签验证方法、装置和电子设备 | |
CN112950357B (zh) | 交易异常团伙识别方法及装置 | |
CN111428217A (zh) | 欺诈团伙识别方法、装置、电子设备及计算机可读存储介质 | |
CN112232947A (zh) | 贷中风险预测方法及装置 | |
CN116528010B (zh) | 一种直播带货服务调度推荐方法及*** | |
CN108681871B (zh) | 一种提示信息的方法、终端设备及计算机可读存储介质 | |
CN112766825A (zh) | 企业金融服务风险预测方法及装置 | |
CN106126592A (zh) | 搜索数据的处理方法及装置 | |
CN115619234A (zh) | 一种投票处理方法、装置和存储介质 | |
CN111048115A (zh) | 语音识别方法及装置 | |
CN112910708B (zh) | 分布式服务调用方法及装置 | |
CN113486118A (zh) | 共识节点选取方法及装置 | |
CN112801781A (zh) | ***额度管理方法和装置 | |
CN111882323A (zh) | 基于云服务租赁的用户融资风险控制方法及装置 | |
CN112396511A (zh) | 分布式风控变量数据处理方法、装置及*** | |
CN112163861B (zh) | 交易风险要素特征提取方法及装置 | |
CN114092226A (zh) | 银行网点外汇产品推荐方法及装置 | |
CN111951011A (zh) | 监控***阈值确定方法及装置 | |
CN113077251A (zh) | 一种预付费交易场景下的异常行为监测方法及装置 | |
CN112365343A (zh) | 基于移动机器人的银行业务服务***及方法 | |
CN111080067A (zh) | 一种代言人商业价值评估方法、存储介质和装置 |
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 |