CN112967131A - 贷款催收方案推送方法及装置 - Google Patents
贷款催收方案推送方法及装置 Download PDFInfo
- Publication number
- CN112967131A CN112967131A CN202110312786.0A CN202110312786A CN112967131A CN 112967131 A CN112967131 A CN 112967131A CN 202110312786 A CN202110312786 A CN 202110312786A CN 112967131 A CN112967131 A CN 112967131A
- Authority
- CN
- China
- Prior art keywords
- loan
- collection
- user
- loan user
- user group
- 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 80
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000007726 management method Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 13
- 238000013145 classification model Methods 0.000 claims description 10
- 230000006866 deterioration Effects 0.000 claims description 9
- 238000002716 delivery method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 31
- 238000009826 distribution Methods 0.000 description 26
- 238000010586 diagram Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 230000004044 response Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000005457 optimization Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 239000000284 extract Substances 0.000 description 8
- 238000012216 screening Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000006399 behavior Effects 0.000 description 4
- 239000000872 buffer Substances 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 4
- 238000003064 k means clustering Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000012954 risk control Methods 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 230000003197 catalytic effect Effects 0.000 description 3
- 238000013515 script Methods 0.000 description 3
- 239000003054 catalyst Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请实施例提供一种贷款催收方案推送方法及装置,可用于金融技术领域,方法包括:根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组;基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识;根据所述催收人员的唯一标识,向各个所述催收人员分别推送对应的贷款催收方案,其中,该贷款催收方案中包含有对应的贷款用户组及该贷款用户组中各个所述贷款用户的用户信息和所述地理位置信息。本申请能够有效提高推送的贷款催收方案适用性及准确性,进而能够有效提高根据该推送方案进行催收的催收人员的催收效率及成功率,并有效提高金融机构及催收人员的用户体验。
Description
技术领域
本申请涉及数据处理技术领域,特别涉及金融技术领域,具体涉及贷款催收方案推送方法及装置。
背景技术
由于当前复杂的经营环境和客户行为特征的变化,信用风险表现形式多样化,不可预测因素增多。贷后管理能力特别是逾期贷款催收能力面临着严峻的考验,亟需制定集约化、高效化、智能化的综合管理方案,替代传统的人工催收任务分配和统一规则催收策略,从而节约催收成本,提升催收效率、优化催收效果。
目前,现有的贷款催收方案的推送过程通常为:根据待催收的贷款用户所在列表,向各个催收人员的客户端设备依次推送若干的贷款用户,以使催收人员根据接收到的贷款用户的信息对这些贷款用户进行贷款催收处理。
然而,现有的贷款催收方案的推送过程,由于分配逻辑简略,考虑因素不足,缺乏全面性,存在催收任务分配不够合理的问题,且由于待催收的贷款用户分布散乱,因此贷款催收方案的推送过程并未考虑催收成本及耗时问题,因此,因现有的贷款催收方案推送方式存在推送的贷款催收方案适用性差、准确性低的问题,会导致贷款催收的效率低及成功率低等问题。
发明内容
针对现有技术中的问题,本申请提供一种贷款催收方案推送方法及装置,能够有效提高推送的贷款催收方案适用性及准确性,进而能够有效提高根据该推送方案进行催收的催收人员的催收效率及成功率,并有效提高金融机构及催收人员的用户体验。
为解决上述技术问题,本申请提供以下技术方案:
第一方面,本申请提供一种贷款催收方案推送方法,包括:
根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组;
基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识;
根据所述催收人员的唯一标识,向各个所述催收人员分别推送对应的贷款催收方案,其中,该贷款催收方案中包含有对应的贷款用户组及该贷款用户组中各个所述贷款用户的用户信息和所述地理位置信息。
进一步地,所述根据所述催收人员的唯一标识,向各个所述催收人员分别推送对应的贷款催收方案之前,还包括:
获取各个所述贷款用户组中的各个贷款用户分别对应的用户类型,并确定各个所述用户类型分别对应的预存储的催收策略推荐方案;
相对应的,所述贷款催收方案中还包含有贷款用户组中各个所述贷款用户各自对应的所述催收策略推荐方案。
进一步地,所述基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识,包括:
根据各个所述贷款用户的历史催收记录信息的关键特征进行量化评分,基于预设的贷款用户催收难度分级库分别确定各个所述贷款用户的催收难度等级,其中,所述贷款用户催收难度分级库中用于存储历史催收记录信息中的关键特征进行量化评分与催收难度等级之间的对应关系;
根据各个所述贷款用户组中的各个所述贷款用户的催收难度等级的平均值,分别确定各个所述贷款用户组各自对应的难度分值;
基于各个所述贷款用户组各自对应的难度分值与难度阈值之间的比较结果,为各个所述贷款用户组分别选取各自对应的催收人员配置规则,并基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识。
进一步地,所述基于各个所述贷款用户组各自对应的难度分值与难度阈值之间的比较结果,为各个所述贷款用户组分别选取各自对应的催收人员配置规则,并基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识,包括:
针对当前所述难度分值小于或等于所述难度阈值的贷款用户组,选取预存储的低难度催收人员配置规则;
根据所述低难度催收人员配置规则,在各个催收人员中选取匹配的目标催收人员;
若所述目标催收人员的数量有多个,则选取与当前贷款用户组之间的地理距离最近的目标催收人员作为当前贷款用户组对应的催收人员,并获取当前贷款用户组对应的催收人员的唯一标识;
其中,所述低难度催收人员配置规则包括:
为所述贷款用户组中的各个所述贷款用户配置单一催收人员;
所述催收人员对应的所述贷款用户组的总数在预设的贷款用户组总数范围内;
所述催收人员对应的总催收金额在预设的催收总额范围内;
以及,所述催收人员在当前催收周期内对应的所述贷款用户组未出现在该催收人员的上一催收周期中。
进一步地,所述基于各个所述贷款用户组各自对应的难度分值与难度阈值之间的比较结果,为各个所述贷款用户组分别选取各自对应的催收人员配置规则,并基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识,包括:
针对当前所述难度分值大于所述难度阈值的贷款用户组,选取预存储的高难度催收人员配置规则;
根据所述高难度催收人员配置规则,在各个催收人员中选取匹配的目标催收人员;
若所述目标催收人员的数量有多个,则获取预设的各个所述目标催收人员各自对应的能力评级;
将与当前贷款用户组之间的地理距离最近和/或所述能力评级与所述贷款用户组的难度分值之间的匹配度最高的目标催收人员作为当前贷款用户组对应的催收人员,并获取贷款用户组对应的催收人员的唯一标识;
其中,所述高难度催收人员配置规则包括:
为所述贷款用户组中的各个所述贷款用户配置单一催收人员;
所述催收人员对应的所述贷款用户组的总数在预设的贷款用户组总数范围内;
以及,所述催收人员在当前催收周期内对应的所述贷款用户组未出现在该催收人员的上一催收周期中。
进一步地,所述获取各个所述贷款用户组中的各个贷款用户分别对应的用户类型,并确定各个所述用户类型分别对应的预存储的催收策略推荐方案,包括:
获取各个所述贷款用户各自对应的历史催收记录信息的指标特征,其中,所述指标特征包括:用户信息、还款意愿、催收表现及劣变可能性;
根据各个所述贷款用户各自对应的历史催收记录信息的指标特征的综合评分,利用预设的分类模型分别确定各个所述贷款用户分别对应的用户类型;
基于各个所述贷款用户分别对应的用户类型,在预设的贷款用户催收推荐方案分级库中分别获取各个所述贷款用户的催收策略推荐方案,其中,所述催收推荐方案分级库中用于存储所述用户类型与所述催收策略推荐方案之间的对应关系。
进一步地,所述根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组,包括:
获取待催收的各个贷款用户分别对应的地址记录,其中,所述地址记录中包含有抵押物地址、居住地址以及工作单位地址中的至少一项;
基于各个贷款用户分别对应的所述地址记录,确定各个所述贷款用户各自对应的地理位置信息;
根据各个所述贷款用户各自对应的地理位置信息,应用预设的聚类算法对各个所述贷款用户进行分组,以形成各个贷款用户组。
第二方面,本申请提供一种贷款催收方案推送装置,包括:
用户分组模块,用户根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组;
人员配置模块,用于基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识;
方案推送模块,用于根据所述催收人员的唯一标识,向各个所述催收人员分别推送对应的贷款催收方案,其中,该贷款催收方案中包含有对应的贷款用户组及该贷款用户组中各个所述贷款用户的用户信息和所述地理位置信息。
第三方面,本申请提供一种电子设备,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计算机程序时实现所述的贷款催收方案推送方法。
第四方面,本申请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所述的贷款催收方案推送方法。
由上述技术方案可知,本申请提供的一种贷款催收方案推送方法及装置,方法包括:根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组;基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识;根据所述催收人员的唯一标识,向各个所述催收人员分别推送对应的贷款催收方案,其中,该贷款催收方案中包含有对应的贷款用户组及该贷款用户组中各个所述贷款用户的用户信息和所述地理位置信息,通过根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组,能够将属于同一个距离范围内的待催收的贷款用户划分至一组,进而能够有效提高推送的贷款催收方案的适用性及准确性,通过为各个贷款用户组分别选取催收人员进行贷款催收,能够有效提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率;通过将包含有贷款用户组及该贷款用户组中各个所述贷款用户的用户信息和所述地理位置信息的贷款催收方案推送给该贷款用户组对应的催收人员的客户端设备,能够有效提高催收人员获取所需信息的效率和便捷性,且推送过程高效且针对性强,能够进一步提高根据该推送方案进行催收的催收人员的催收效率及成功率,并有效提高金融机构及催收人员的用户体验。
附图说明
为了更清楚地说明本申请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是本申请实施例中的贷款催收方案推送方法的第一种流程示意图。
图2是本申请实施例中的贷款催收方案推送方法的第二种流程示意图。
图3是本申请实施例中的贷款催收方案推送方法中步骤200的具体流程示意图。
图4是本申请实施例中的贷款催收方案推送方法中步骤230的第一种具体流程示意图。
图5是本申请实施例中的贷款催收方案推送方法中步骤230的第二种具体流程示意图。
图6是本申请实施例中的贷款催收方案推送方法中步骤400的具体流程示意图。
图7是本申请实施例中的贷款催收方案推送方法中步骤100的具体流程示意图。
图8是本申请实施例中的贷款催收方案推送装置的结构示意图。
图9是本申请应用实例中的对催收人员的调度与分配的流程示意图。
图10是本申请应用实例中的综合催收策略的产出流程示意图。
图11是本申请应用实例中的指标体系的举例示意图。
图12是本申请实施例中的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
需要说明的是,本申请公开的贷款催收方案推送方法及装置可用于金融技术领域,也可用于除金融技术领域之外的任意领域,本申请公开的贷款催收方案推送方法及装置的应用领域不做限定。
传统催收流程和手段已无法满足风险管理需要,个贷贷后逾期风险管理面临着以下问题:一是由于目前采用的催收任务分配方式较为传统,考虑因素不足,缺乏全面性,存在催收任务分配不够合理,不能满足公平性和催收效果最大化的问题。二是由于人工分配催收任务不能彻底解决地理位置引起的催收成本提高,催收效率降低等问题,催收人员面临着客户分布散乱,上门催收耗时长等,如何合理规划催收路线,节省催收时间成为催收人员面对众多客户的难题之一。催收管理集约化程度有待提升。三是按照内部风险控制管理要求,催收人员定期换手催收,导致原催收链条断裂,无法预知客户的响应情况。“优先催谁”、“主要催谁”、“谁可以不催”都成为催收人员面对催收名单存在的疑问。四是催收人员主要根据逾期时间制定固定的催收方式进行催收。对于不同催收响应类型的客户,不同的客户对于催收方式的接受程度不同,亟需更加科学的差异化、智能化催收策略和流程。
基于此,针对现有的贷款催收方案推送方式,因其方案的指定逻辑过于简略而存在推送的贷款催收方案适用性差、准确性低的问题,进而导致贷款催收的效率低及成功率低等问题,本申请提出一种贷款催收方案推送方法、贷款催收方案推送装置、电子设备和计算机可读存储介质,通过根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组,能够将属于同一个距离范围内的待催收的贷款用户划分至一组,进而能够有效提高推送的贷款催收方案的适用性及准确性,通过为各个贷款用户组分别选取催收人员进行贷款催收,能够有效提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率;通过将包含有贷款用户组及该贷款用户组中各个所述贷款用户的用户信息和所述地理位置信息的贷款催收方案推送给该贷款用户组对应的催收人员的客户端设备,能够有效提高催收人员获取所需信息的效率和便捷性,且推送过程高效且针对性强,能够进一步提高根据该推送方案进行催收的催收人员的催收效率及成功率,并有效提高金融机构及催收人员的用户体验。
基于上述内容,本申请还提供一种用于实现本申请一个或多个实施例中提供的用于执行贷款催收方案推送方法的贷款催收方案推送装置,该贷款催收方案推送装置可以自行或通过第三方服务器等与客户端设备及金融机构***等之间通信连接,以接收客户端设备或金融机构***发送的贷款催收方案推送请求,并在根据贷款催收方案推送请求得到贷款催收方案推送结果之后,将贷款催收方案发送至催收人员的客户端设备或者金融机构***进行显示,以使持有客户端设备的催收人员或查看金融机构***显示内容的催收人员根据贷款催收方案对待催收的贷款用户进行实地贷款催收处理。
可以理解的是,所述客户端设备可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中,所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。
所述贷款催收方案推送装置可以为服务器,也可以为客户端设备,即所有的操作都在所述客户端设备中完成。若所有的操作都在所述客户端设备中完成,所述客户端设备还可以包括处理器,用于贷款催收方案推送的具体处理。在另一种实际应用情形中,具体可以根据所述客户端设备的处理能力,以及用户使用场景的限制等进行选择。本申请对此不作限定。
上述的客户端设备可以具有通信模块(即通信单元),可以与远程的服务器进行通信连接,实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器,其他的实施场景中也可以包括中间平台的服务器,例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备,也可以包括多个服务器组成的服务器集群,或者分布式装置的服务器结构。
上述服务器与所述客户端设备之间可以使用任何合适的网络协议进行通信,包括在本申请提交日尚未开发出的网络协议。所述网络协议例如可以包括TCP/IP协议、UDP/IP协议、HTTP协议、HTTPS协议等。当然,所述网络协议例如还可以包括在上述协议之上使用的RPC协议(Remote Procedure Call Protocol,远程过程调用协议)、REST协议(Representational State Transfer,表述性状态转移协议)等。
具体通过下述各个实施例及应用实例分别进行详细说明。
为了解决现有的贷款催收方案推送方式,因其方案的指定逻辑过于简略而存在推送的贷款催收方案适用性差、准确性低的问题,进而导致贷款催收的效率低及成功率低等问题,本申请提供一种贷款催收方案推送方法的实施例,参见图1,贷款催收方案推送装置执行的所述贷款催收方案推送方法具体包含有如下内容:
步骤100:根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组。
在步骤100中,可以预先获取金融机构对应的待催收的多个贷款用户,具体可以利用如统计分析软件SAS(STATISTICAL ANALYSIS SYSTEM)等软件连接到金融机构的数据库,提取贷款还款记录数据表中的逾期客户信息。根据催收业务标准,编写客户筛选条件,提取出待催收的客户集,比如提取每月逾期15天以上的贷款客户群,剔除掉已经无需进行催收的逾期客户等等。
而后可以直接自预存储的数据库中获取各个贷款用户分别对应的地理位置信息,可以理解的是,所述地理位置信息是指经纬度信息;还可以先获取各个贷款用户分别对应的地址信息,而后根据地址信息获取各个贷款用户分别对应的地理位置信息。例如,可以先获取贷款用户预先存储在金融机构的地址信息,而后可以通过编写python代码,向地图API接口发送请求,输入为贷款用户的地址信息,接口输出为模糊匹配地址信息结果,以及该地址对应的经纬度。
在步骤100中,进行贷款用户分组的具体方式为将地理位置信息相近的多个贷款用户分为同一贷款用户组中,具体可以通过对地理位置信息进行关键字提取及关键字相似度计算来确认地理位置信息是否相近,还可以通过聚类的方式,对各个所述贷款用户进行分组。可以理解的是,所述贷款用户组中包含有多个贷款用户,且每个贷款用户组中的贷款用户的总数和贷款用户组的总数均可以进行预先设置,具体可以根据实际应用情形设置。
步骤200:基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识。
在步骤200中,在完成贷款用户的分组后,需要为每一个贷款用户组分配催收人员,具体来说,贷款用户组与催收人员之间的对应关系可以为一对一、一对多或多对一的关系,但为了尽量避免贷款用户在一个催收周期内被多个催收人员进行催收,因此在步骤200的一个优选方式中,贷款用户组与催收人员之间的对应关系仅选取一对一或多对一的关系,也就是说,在一个催收周期内,一个催收人员可以负责单一或多个贷款用户组的贷款催收工作,但一个贷款用户组仅分配一个催收人员,以尽量提供被催收的贷款用户的用户体验。
可以理解的是,所述催收人员的唯一标识是指该催收人员在金融机构中能够代表其唯一身份的标识,具体可以为该催收人员在金融机构的工作编号、身份证号或姓名与数字的编码组合等等。
步骤300:根据所述催收人员的唯一标识,向各个所述催收人员分别推送对应的贷款催收方案,其中,该贷款催收方案中包含有对应的贷款用户组及该贷款用户组中各个所述贷款用户的用户信息和所述地理位置信息。
在步骤300的一个举例中,若经步骤100和步骤200,确定向贷款用户组D1、D2和D5均对应催收人员C123,则根据该催收人员C123预先记录在金融机构***中的客户端设备的唯一标识(如IP地址或电话号码等),向该客户端设备发送包含有贷款用户组D1、D2和D5中各个所述贷款用户的用户信息和所述地理位置信息的贷款催收方案。
进一步来说,若向一个催收人员推送的贷款用户组有多个,可以根据多个贷款用户组各自与催收人员所在的地理位置之间的距离来对多个贷款用户组进行排序显示,以使催收人员能够根据贷款催收方案更加直观切快速地获取多个贷款用户组的推荐催收顺序。例如,若贷款用户组D1、D2和D5与催收人员所在的地理位置之间的距离由近至远依次为D2、D1、D5,则根据多个贷款用户组D1、D2和D5各自与催收人员所在的地理位置之间的距离,在所述贷款催收方案将各个贷款用户组D1、D2和D5按照D2、D1、D5的顺序进行排序,使得催收人员C123在看到贷款催收方案时,能够立即获知根据距离由近至远的顺序向其推荐的催收顺序为D2、D1、D5。
另外,在步骤300中,为了避免贷款用户数据的泄露,还可以在向各个所述催收人员各自对应的客户端设备分别推送对应的贷款催收方案之前,先根据预设的加密方式对贷款催收方案进行加密,而后将加密后的贷款催收方案发送至对应的催收人员的客户端设备中,使得催收人员根据预先自金融机构获取的与所述加密方式唯一对应的解密方式对加密后的贷款催收方案进行解密处理,以得到贷款催收方案,进而能够有效提高贷款用户数据的安全性,有效保护贷款用户的隐私数据,以同时提高贷款用户的用户体验。
从上述描述可知,本申请实施例提供的贷款催收方案推送方法,通过根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组,能够将属于同一个距离范围内的待催收的贷款用户划分至一组,进而能够有效提高推送的贷款催收方案的适用性及准确性,通过为各个贷款用户组分别选取催收人员进行贷款催收,能够有效提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率;通过将包含有贷款用户组及该贷款用户组中各个所述贷款用户的用户信息和所述地理位置信息的贷款催收方案推送给该贷款用户组对应的催收人员的客户端设备,能够有效提高催收人员获取所需信息的效率和便捷性,且推送过程高效且针对性强,能够进一步提高根据该推送方案进行催收的催收人员的催收效率及成功率,并有效提高金融机构及催收人员的用户体验。
为了提供一种催收推荐方案配置方式,在本申请提供的贷款催收方案推送方法的一个实施例,参见图2,所述贷款催收方案推送方法的步骤100之后和步骤300之前还具体包含有如下内容:
步骤400:获取各个所述贷款用户组中的各个贷款用户分别对应的用户类型,并确定各个所述用户类型分别对应的预存储的催收策略推荐方案。
相对应的,所述贷款催收方案中还包含有贷款用户组中各个所述贷款用户各自对应的所述催收策略推荐方案。
可以理解的是,在一种举例中,所述用户类型可以被划分为三类,分别为:一催即还类型、屡催屡还类型及屡催不还类型,所述金融机构的数据库中分别存有一催即还类型、屡催屡还类型及屡催不还类型各自对应的催收策略推荐方案。
从上述描述可知,本申请实施例提供的贷款催收方案推送方法,通过确定贷款用户组中各个所述贷款用户各自对应的所述催收策略推荐方案,并将催收策略推荐方案也推送给相应的催收人员,能够进一步提高推送的贷款催收方案的适用性、针对性及准确性,进而能够进一步提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率。
为了提供一种催收人员分配的优选方式,在本申请提供的贷款催收方案推送方法的一个实施例,参见图3,所述贷款催收方案推送方法的步骤200具体包含有如下内容:
步骤210:根据各个所述贷款用户的历史催收记录信息的关键特征进行量化评分,基于预设的贷款用户催收难度分级库分别确定各个所述贷款用户的催收难度等级,其中,所述贷款用户催收难度分级库中用于存储历史催收记录信息中的关键特征量化评分与催收难度等级之间的对应关系。
在步骤210的一种实现方式中,所述关键特征进行量化评分可以预先由金融机构的工作人员录入至金融机构的数据库中,贷款催收方案推送装置可以直接自数据库中调取各个所述贷款用户的历史催收记录信息的关键特征量化评分。
其中,所述关键特征量化评分可以与本申请的一个或多个实施例中提及的指标特征相同,即:关键特征可以为指标,所述指标包括:用户信息指标、还款意愿、催收表现及劣变可能性。
步骤220:根据各个所述贷款用户组中的各个所述贷款用户的催收难度等级的平均值,分别确定各个所述贷款用户组各自对应的难度分值。
步骤230:基于各个所述贷款用户组各自对应的难度分值与难度阈值之间的比较结果,为各个所述贷款用户组分别选取各自对应的催收人员配置规则,并基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识。
从上述描述可知,本申请实施例提供的贷款催收方案推送方法,通过根据用户催收难度区别化地选择不同的催收人员配置方案,能够有效增加贷款催收方案推送的针对性及有效性,进而能够进一步提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率。
为了提供一种根据用户催收难度选择不同的催收人员配置方案的优选方式,在本申请提供的贷款催收方案推送方法的一个实施例,参见图4,所述贷款催收方案推送方法的步骤230具体包含有如下内容:
步骤2311:针对当前所述难度分值小于或等于所述难度阈值的贷款用户组,选取预存储的低难度催收人员配置规则。
步骤2312:根据所述低难度催收人员配置规则,在各个催收人员中选取匹配的目标催收人员。
可以理解的是,所述低难度催收人员配置规则可以指约束条件,也即先在各支配的催收人员中选取符合这些约束条件的人员,若筛选后的人员不止一人,则可以经过步骤2313的执行,自其中选取与当前贷款用户组之间的地理距离最近的一人作为当前贷款用户组对应的催收人员。
步骤2313:若所述目标催收人员的数量有多个,则选取与当前贷款用户组之间的地理距离最近的目标催收人员作为当前贷款用户组对应的催收人员,并获取当前贷款用户组对应的催收人员的唯一标识。
其中,所述低难度催收人员配置规则包括:
(1)为所述贷款用户组中的各个所述贷款用户配置单一催收人员。
(2)所述催收人员对应的所述贷款用户组的总数在预设的贷款用户组总数范围内。
(3)所述催收人员对应的总催收金额在预设的催收总额范围内。
(4)所述催收人员在当前催收周期内对应的所述贷款用户组未出现在该催收人员的上一催收周期中。
具体来说,可以先设置表示最小化催收人员与客户之间的距离和的目标函数,该目标函数式为了满足催收业务的效率最高,保证将距离较近的客户簇优先分配给催收人员,使得整体的催收距离最短,从而降低催收成本。
而后设置该目标函数的约束条件:每个客户仅能够被一名催收人员进行催收;每个催收人员的总催收簇在预设的贷款用户组总数范围内,保证每个催收人员的催收工作量相差不大,满足任务分配的公平性;每个催收人员的总催收金额在预设催收总额范围内,使得任务分配需保证催收金额分配相差不大,满足任务分配的公平性;为防控风险,满足换手原则,使得本次分配结果与历史分配结果不相同,保证同一群簇上一周期的催收人员不同。防止催收人员长期催收同一客户簇、同一客户存在风险问题,使得其在新的任务分配时更换催收簇。约束条件还可以包含有用以判断客户是否被催收人员催收的决策变量和用以判断客户上一周期是否被催收人员催收的变量。
从上述描述可知,本申请实施例提供的贷款催收方案推送方法,通过针对低催收难度的贷款用户组执行低难度催收人员配置规则,能够进一步增加贷款催收方案推送的针对性及有效性,进而能够进一步提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率。
为了提供一种根据用户催收难度选择不同的催收人员配置方案的优选方式,在本申请提供的贷款催收方案推送方法的一个实施例,参见图5,所述贷款催收方案推送方法的步骤230还具体包含有如下内容:
步骤2321:针对当前所述难度分值大于所述难度阈值的贷款用户组,选取预存储的高难度催收人员配置规则。
步骤2322:根据所述高难度催收人员配置规则,在各个催收人员中选取匹配的目标催收人员。
步骤2323:若所述目标催收人员的数量有多个,则获取预设的各个所述目标催收人员各自对应的能力评级。
可以理解的是,所述目标催收人员的能力评级可以由金融机构的工作人员预先根据预获取的目标催收人员的历史催收数据来设置,并存储至金融机构的数据库中,贷款催收方案推送装置可以直接自金融机构的数据库中提取各个所述目标催收人员各自对应的能力评级。
可以理解的是,所述高难度催收人员配置规则可以指约束条件,也即先在各支配的催收人员中选取符合这些约束条件的人员,若筛选后的人员不止一人,则可以经过步骤2323和步骤2324的执行,自其中选取与当前贷款用户组之间的地理距离最近和/或能力评级与所述贷款用户组的难度分值之间的匹配度最高的目标催收人员的一人作为当前贷款用户组对应的催收人员。
其中,能力评级与所述贷款用户组的难度分值之间的匹配度的计算方式可以为:若能力评级的表现形式为分数,则计算能力评级与所述贷款用户组的难度分值之间的乘积,乘积越大,则可以认为能力评级与所述贷款用户组的难度分值之间的匹配度越高,反之亦然。另外,若能力评级的表现形式为分数,还可以计算能力评级与所述贷款用户组的难度分值之间的比值等等。或者自金融机构的数据库中调取能力评级、难度分值与匹配度之间的对照表,直接查询对应的匹配度。
步骤2324:将与当前贷款用户组之间的地理距离最近和/或所述能力评级与所述贷款用户组的难度分值之间的匹配度最高的目标催收人员作为当前贷款用户组对应的催收人员,并获取贷款用户组对应的催收人员的唯一标识。
其中,所述高难度催收人员配置规则包括:
(1)为所述贷款用户组中的各个所述贷款用户配置单一催收人员;
(2)所述催收人员对应的所述贷款用户组的总数在预设的贷款用户组总数范围内;
(3)所述催收人员在当前催收周期内对应的所述贷款用户组未出现在该催收人员的上一催收周期中。
具体来说,可以先设置表示最小化客户与催收人员之间的距离,且最大化客户簇与催收人员的匹配度的目标函数,在保证催收距离最小的前提下,将难度较高的催收簇分配给能力较强的催收人员,达到较高的催收匹配度,提高整体的催收成功率。使得目标函数同时满足催收效率最高和效能最大的原则。
而后设置该目标函数的约束条件:每个客户仅能够被一名催收人员进行催收;每个催收人员的总催收簇在预设的贷款用户组总数范围内,保证每个催收人员的催收工作量相差不大,满足任务分配的公平性;为防控风险,满足换手原则,使得本次分配结果与历史分配结果不相同,保证同一群簇上一周期的催收人员不同。防止催收人员长期催收同一客户簇、同一客户存在风险问题,使得其在新的任务分配时更换催收簇。约束条件还可以包含有用以判断客户是否被催收人员催收的决策变量。
从上述描述可知,本申请实施例提供的贷款催收方案推送方法,通过针对高催收难度的贷款用户组执行高难度催收人员配置规则,能够进一步增加贷款催收方案推送的针对性及有效性,进而能够进一步提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率。
为了提供一种催收策略推荐方案的优选方式,在本申请提供的贷款催收方案推送方法的一个实施例,参见图6,所述贷款催收方案推送方法的步骤400具体包含有如下内容:
步骤410:获取各个所述贷款用户各自对应的历史催收记录信息的指标特征,其中,所述指标特征包括:用户信息、还款意愿、催收表现及劣变可能性。
具体来说,金融机构可以预先根据业务经验以及催收场景,从用户基本信息、还款意愿、劣变可能性以及历史催收表现情况四大维度,关注客户资金变化、还款习惯,提取了多个特征指标,构建一套能够真实反映用户特征、资金变化以及还款表现的指标体系。
步骤420:根据各个所述贷款用户各自对应的历史催收记录信息的指标特征的综合评分,利用预设的分类模型分别确定各个所述贷款用户分别对应的用户类型。
在步骤420中,所述金融机构的数据库中可以预先存有指标特征的总分值的各个数值范围与用户类型之间的对应关系,例如,总分值为0分至30分之间的综合评分,利用预设的分类模型则对应用户类型为屡催不还类型。
步骤430:基于各个所述贷款用户分别对应的用户类型,在预设的贷款用户催收推荐方案分级库中分别获取各个所述贷款用户的催收策略推荐方案,其中,所述催收推荐方案分级库中用于存储所述用户类型与所述催收策略推荐方案之间的对应关系。
从上述描述可知,本申请实施例提供的贷款催收方案推送方法,通过对用户进行指标分级来确定用户类型,进而根据不同的用户类型,在预设的贷款用户催收推荐方案分级库中分别获取各个所述贷款用户的催收策略推荐方案,能够有效提高催收策略推荐方案选取的针对性及有效性,进而能够进一步提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率。
为了提供一种贷款用户分组的优选方式,在本申请提供的贷款催收方案推送方法的一个实施例,参见图7,所述贷款催收方案推送方法的步骤100具体包含有如下内容:
步骤110:获取待催收的各个贷款用户分别对应的地址记录,其中,所述地址记录中包含有抵押物地址、居住地址以及工作单位地址中的至少一项。
在步骤110中,可以先连接到数据库服务器,编写sql脚本,向数据库提取客户抵押物地址、居住地址以及工作单位地址,最终获取完整、真实的客户地址。
步骤120:基于各个贷款用户分别对应的所述地址记录,确定各个所述贷款用户各自对应的地理位置信息。
步骤130:根据各个所述贷款用户各自对应的地理位置信息,应用预设的聚类算法对各个所述贷款用户进行分组,以形成各个贷款用户组。
在步骤130,所述聚类算法可以采用K均值聚类算法K-means或者约束K均值聚类算法K-means_constrained等等。
从上述描述可知,本申请实施例提供的贷款催收方案推送方法,通过获取各个所述贷款用户各自对应的地理位置信息并应用预设的聚类算法对各个所述贷款用户进行分组,能够有效提高贷款用户分组的准确性、可靠性及效率,并能够有效提高贷款催收方案制定的准确性及可靠性,进而能够进一步提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率。
从软件层面来说,为了解决现有的贷款催收方案推送方式,因其方案的指定逻辑过于简略而存在推送的贷款催收方案适用性差、准确性低的问题,进而导致贷款催收的效率低及成功率低等问题,本申请提供一种用于执行所述贷款催收方案推送方法中全部或部分内容的贷款催收方案推送装置的实施例,参见图8,所述贷款催收方案推送装置具体包含有如下内容:
用户分组模块10,用户根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组。
在用户分组模块10中,可以预先获取金融机构对应的待催收的多个贷款用户,具体可以利用如统计分析软件SAS(STATISTICAL ANALYSIS SYSTEM)等软件连接到金融机构的数据库,提取贷款还款记录数据表中的逾期客户信息。根据催收业务标准,编写客户筛选条件,提取出待催收的客户集,比如提取每月逾期15天以上的贷款客户群,剔除掉已经无需进行催收的逾期客户等等。
而后可以直接自预存储的数据库中获取各个贷款用户分别对应的地理位置信息,可以理解的是,所述地理位置信息是指经纬度信息;还可以先获取各个贷款用户分别对应的地址信息,而后根据地址信息获取各个贷款用户分别对应的地理位置信息。例如,可以先获取贷款用户预先存储在金融机构的地址信息,而后可以通过编写python代码,向地图API接口发送请求,输入为贷款用户的地址信息,接口输出为模糊匹配地址信息结果,以及该地址对应的经纬度。
在用户分组模块10中,进行贷款用户分组的具体方式为将地理位置信息相近的多个贷款用户分为同一贷款用户组中,具体可以通过对地理位置信息进行关键字提取及关键字相似度计算或者通过地理位置的经纬度距离来确认地理位置信息是否相近,还可以通过聚类的方式,对各个所述贷款用户进行分组。可以理解的是,所述贷款用户组中包含有多个贷款用户,且每个贷款用户组中的贷款用户的总数和贷款用户组的总数均可以进行预先设置,具体可以根据实际应用情形设置。
人员配置模块20,用于基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识。
在人员配置模块20中,在完成贷款用户的分组后,需要为每一个贷款用户组分配催收人员,具体来说,贷款用户组与催收人员之间的对应关系可以为一对一、一对多或多对一的关系,但为了尽量避免贷款用户在一个催收周期内被多个催收人员进行催收,因此在人员配置模块20的一个优选方式中,贷款用户组与催收人员之间的对应关系仅选取一对一或多对一的关系,也就是说,在一个催收周期内,一个催收人员可以负责单一或多个贷款用户组的贷款催收工作,但一个贷款用户组仅分配一个催收人员,以尽量提供被催收的贷款用户的用户体验。
可以理解的是,所述催收人员的唯一标识是指该催收人员在金融机构中能够代表其唯一身份的标识,具体可以为该催收人员在金融机构的工作编号、身份证号或姓名与数字的编码组合等等。
方案推送模块30,用于根据所述催收人员的唯一标识,向各个所述催收人员分别推送对应的贷款催收方案,其中,该贷款催收方案中包含有对应的贷款用户组及该贷款用户组中各个所述贷款用户的用户信息和所述地理位置信息。
在方案推送模块30的一个举例中,若经步骤100和步骤200,确定向贷款用户组D1、D2和D5均对应催收人员C123,则根据该催收人员C123预先记录在金融机构***中的客户端设备的唯一标识(如IP地址或电话号码等),向该客户端设备发送包含有贷款用户组D1、D2和D5中各个所述贷款用户的用户信息和所述地理位置信息的贷款催收方案。
进一步来说,若向一个催收人员推送的贷款用户组有多个,可以根据多个贷款用户组各自与催收人员所在的地理位置之间的距离来对多个贷款用户组进行排序显示,以使催收人员能够根据贷款催收方案更加直观切快速地获取多个贷款用户组的推荐催收顺序。例如,若贷款用户组D1、D2和D5与催收人员所在的地理位置之间的距离由近至远依次为D2、D1、D5,则根据多个贷款用户组D1、D2和D5各自与催收人员所在的地理位置之间的距离,在所述贷款催收方案将个贷款用户组D1、D2和D5按照D2、D1、D5的顺序进行排序,使得催收人员C123在看到贷款催收方案时,能够立即获知根据距离由近至远的顺序向其推荐的催收顺序为D2、D1、D5。
另外,在方案推送模块30中,为了避免贷款用户数据的泄露,还可以在向各个所述催收人员各自对应的客户端设备分别推送对应的贷款催收方案之前,先根据预设的加密方式对贷款催收方案进行加密,而后将加密后的贷款催收方案发送至对应的催收人员的客户端设备中,使得催收人员根据预先自金融机构获取的与所述加密方式唯一对应的解密方式对加密后的贷款催收方案进行解密处理,以得到贷款催收方案,进而能够有效提高贷款用户数据的安全性,有效保护贷款用户的隐私数据,以同时提高贷款用户的用户体验。
本申请提供的贷款催收方案推送装置的实施例具体可以用于执行上述实施例中的贷款催收方案推送方法的实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
从上述描述可知,本申请实施例提供的贷款催收方案推送装置,通过根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组,能够将属于同一个距离范围内的待催收的贷款用户划分至一组,进而能够有效提高推送的贷款催收方案的适用性及准确性,通过为各个贷款用户组分别选取催收人员进行贷款催收,能够有效提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率;通过将包含有贷款用户组及该贷款用户组中各个所述贷款用户的用户信息和所述地理位置信息的贷款催收方案推送给该贷款用户组对应的催收人员的客户端设备,能够有效提高催收人员获取所需信息的效率和便捷性,且推送过程高效且针对性强,能够进一步提高根据该推送方案进行催收的催收人员的催收效率及成功率,并有效提高金融机构及催收人员的用户体验。
为了提供一种催收推荐方案配置方式,在本申请提供的贷款催收方案推送装置的一个实施例,所述贷款催收方案推送装置还具体用于在步骤100之后和步骤300之前执行下述内容:
步骤400:获取各个所述贷款用户组中的各个贷款用户分别对应的用户类型,并确定各个所述用户类型分别对应的预存储的催收策略推荐方案。
相对应的,所述贷款催收方案中还包含有贷款用户组中各个所述贷款用户各自对应的所述催收策略推荐方案。
可以理解的是,在一种举例中,所述用户类型可以被划分为三类,分别为:一催即还类型、屡催屡还类型及屡催不还类型,所述金融机构的数据库中分别存有一催即还类型、屡催屡还类型及屡催不还类型各自对应的催收策略推荐方案。
从上述描述可知,本申请实施例提供的贷款催收方案推送装置,通过确定贷款用户组中各个所述贷款用户各自对应的所述催收策略推荐方案,并将催收策略推荐方案也推送给相应的催收人员,能够进一步提高推送的贷款催收方案的适用性、针对性及准确性,进而能够进一步提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率。
为了提供一种催收人员分配的优选方式,在本申请提供的贷款催收方案推送装置的一个实施例,所述贷款催收方案推送装置的人员配置模块20具体用于执行下述内容:
步骤210:根据各个所述贷款用户的历史催收记录信息的关键特征进行量化评分,基于预设的贷款用户催收难度分级库分别确定各个所述贷款用户的催收难度等级,其中,所述贷款用户催收难度分级库中用于存储历史催收记录信息中的关键特征量化评分与催收难度等级之间的对应关系。
在步骤210的一种实现方式中,所述关键特征进行量化评分可以预先由金融机构的工作人员录入至金融机构的数据库中,贷款催收方案推送装置可以直接自数据库中调取各个所述贷款用户的历史催收记录信息的关键特征量化评分。
其中,所述关键特征进行量化评分可以与本申请的一个或多个实施例中提及的指标特征相同,即:关键特征可以为指标,所述指标包括:用户信息指标、还款意愿、催收表现及劣变可能性。
步骤220:根据各个所述贷款用户组中的各个所述贷款用户的催收难度等级的平均值,分别确定各个所述贷款用户组各自对应的难度分值。
步骤230:基于各个所述贷款用户组各自对应的难度分值与难度阈值之间的比较结果,为各个所述贷款用户组分别选取各自对应的催收人员配置规则,并基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识。
从上述描述可知,本申请实施例提供的贷款催收方案推送装置,通过根据用户催收难度区别化地选择不同的催收人员配置方案,能够有效增加贷款催收方案推送的针对性及有效性,进而能够进一步提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率。
为了提供一种根据用户催收难度选择不同的催收人员配置方案的优选方式,在本申请提供的贷款催收方案推送装置的一个实施例,所述贷款催收方案推送装置中的人员配置模块20还具体用于执行步骤230内的下述内容:
步骤2311:针对当前所述难度分值小于或等于所述难度阈值的贷款用户组,选取预存储的低难度催收人员配置规则。
步骤2312:根据所述低难度催收人员配置规则,在各个催收人员中选取匹配的目标催收人员。
可以理解的是,所述低难度催收人员配置规则可以指约束条件,也即先在各支配的催收人员中选取符合这些约束条件的人员,若筛选后的人员不止一人,则可以经过步骤2313的执行,自其中选取与当前贷款用户组之间的地理距离最近的一人作为当前贷款用户组对应的催收人员。
步骤2313:若所述目标催收人员的数量有多个,则选取与当前贷款用户组之间的地理距离最近的目标催收人员作为当前贷款用户组对应的催收人员,并获取当前贷款用户组对应的催收人员的唯一标识。
其中,所述低难度催收人员配置规则包括:
(1)为所述贷款用户组中的各个所述贷款用户配置单一催收人员。
(2)所述催收人员对应的所述贷款用户组的总数在预设的贷款用户组总数范围内。
(3)所述催收人员对应的总催收金额在预设的催收总额范围内。
(4)所述催收人员在当前催收周期内对应的所述贷款用户组未出现在该催收人员的上一催收周期中。
具体来说,可以先设置表示最小化催收人员与客户之间的距离和的目标函数,该目标函数式为了满足催收业务的效率最高,保证将距离较近的客户簇优先分配给催收人员,使得整体的催收距离最短,从而降低催收成本。
而后设置该目标函数的约束条件:每个客户仅能够被一名催收人员进行催收;每个催收人员的总催收簇在预设的贷款用户组总数范围内,保证每个催收人员的催收工作量相差不大,满足任务分配的公平性;每个催收人员的总催收金额在预设催收总额范围内,使得任务分配需保证催收金额分配相差不大,满足任务分配的公平性;为防控风险,满足换手原则,使得本次分配结果与历史分配结果不相同,保证同一群簇上一周期的催收人员不同。防止催收人员长期催收同一客户簇、同一客户存在风险问题,使得其在新的任务分配时更换催收簇。约束条件还可以包含有用以判断客户是否被催收人员催收的决策变量和用以判断客户上一周期是否被催收人员催收的变量。
从上述描述可知,本申请实施例提供的贷款催收方案推送装置,通过针对低催收难度的贷款用户组执行低难度催收人员配置规则,能够进一步增加贷款催收方案推送的针对性及有效性,进而能够进一步提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率。
为了提供一种根据用户催收难度选择不同的催收人员配置方案的优选方式,在本申请提供的贷款催收方案推送装置的一个实施例,所述贷款催收方案推送装置中的人员配置模块20还具体用于执行步骤230内的下述内容:
步骤2321:针对当前所述难度分值大于所述难度阈值的贷款用户组,选取预存储的高难度催收人员配置规则。
步骤2322:根据所述高难度催收人员配置规则,在各个催收人员中选取匹配的目标催收人员。
步骤2323:若所述目标催收人员的数量有多个,则获取预设的各个所述目标催收人员各自对应的能力评级。
可以理解的是,所述目标催收人员的能力评级可以由金融机构的工作人员预先根据预获取的目标催收人员的历史催收数据来设置,并存储至金融机构的数据库中,贷款催收方案推送装置可以直接自金融机构的数据库中提取各个所述目标催收人员各自对应的能力评级。
可以理解的是,所述高难度催收人员配置规则可以指约束条件,也即先在各支配的催收人员中选取符合这些约束条件的人员,若筛选后的人员不止一人,则可以经过步骤2323和步骤2324的执行,自其中选取与当前贷款用户组之间的地理距离最近和/或能力评级与所述贷款用户组的难度分值之间的匹配度最高的目标催收人员的一人作为当前贷款用户组对应的催收人员。
其中,能力评级与所述贷款用户组的难度分值之间的匹配度的计算方式可以为:若能力评级的表现形式为分数,则计算能力评级与所述贷款用户组的难度分值之间的乘积,乘积越大,则可以认为能力评级与所述贷款用户组的难度分值之间的匹配度越高,反之亦然。另外,若能力评级的表现形式为分数,还可以计算能力评级与所述贷款用户组的难度分值之间的比值或差值等等。或者自金融机构的数据库中调取能力评级、难度分值与匹配度之间的对照表,直接查询对应的匹配度。
步骤2324:将与当前贷款用户组之间的地理距离最近和/或所述能力评级与所述贷款用户组的难度分值之间的匹配度最高的目标催收人员作为当前贷款用户组对应的催收人员,并获取贷款用户组对应的催收人员的唯一标识。
其中,所述高难度催收人员配置规则包括:
(1)为所述贷款用户组中的各个所述贷款用户配置单一催收人员;
(2)所述催收人员对应的所述贷款用户组的总数在预设的贷款用户组总数范围内;
(3)所述催收人员在当前催收周期内对应的所述贷款用户组未出现在该催收人员的上一催收周期中。
具体来说,可以先设置表示最小化客户与催收人员之间的距离,且最大化客户簇与催收人员的匹配度的目标函数,在保证催收距离最小的前提下,将难度较高的催收簇分配给能力较强的催收人员,达到较高的催收匹配度,提高整体的催收成功率。使得目标函数同时满足催收效率最高和效能最大的原则。
而后设置该目标函数的约束条件:每个客户仅能够被一名催收人员进行催收;每个催收人员的总催收簇在预设的贷款用户组总数范围内,保证每个催收人员的催收工作量相差不大,满足任务分配的公平性;为防控风险,满足换手原则,使得本次分配结果与历史分配结果不相同,保证同一群簇上一周期的催收人员不同。防止催收人员长期催收同一客户簇、同一客户存在风险问题,使得其在新的任务分配时更换催收簇。约束条件还可以包含有用以判断客户是否被催收人员催收的决策变量。
从上述描述可知,本申请实施例提供的贷款催收方案推送装置,通过针对高催收难度的贷款用户组执行高难度催收人员配置规则,能够进一步增加贷款催收方案推送的针对性及有效性,进而能够进一步提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率。
为了提供一种催收策略推荐方案的优选方式,在本申请提供的贷款催收方案推送装置的一个实施例,所述贷款催收方案推送装置还具体用于执行步骤400中的下述内容:
步骤410:获取各个所述贷款用户各自对应的历史催收记录信息的指标特征,其中,所述指标特征包括:用户信息、还款意愿、催收表现及劣变可能性。
具体来说,金融机构可以预先根据业务经验以及催收场景,从用户基本信息、还款意愿、劣变可能性以及历史催收表现情况四大维度,关注客户资金变化、还款习惯,提取了多个特征指标,构建一套能够真实反映用户特征、资金变化以及还款表现的指标体系。
步骤420:根据各个所述贷款用户各自对应的历史催收记录信息的指标特征的综合评分,利用预设的分类模型分别确定各个所述贷款用户分别对应的用户类型。
在步骤420中,所述金融机构的数据库中可以预先存有指标特征的总分值的各个数值范围与用户类型之间的对应关系,例如,总分值为0分至30分之间的综合评分,利用预设的分类模型则对应用户类型为屡催不还类型。
步骤430:基于各个所述贷款用户分别对应的用户类型,在预设的贷款用户催收推荐方案分级库中分别获取各个所述贷款用户的催收策略推荐方案,其中,所述催收推荐方案分级库中用于存储所述用户类型与所述催收策略推荐方案之间的对应关系。
从上述描述可知,本申请实施例提供的贷款催收方案推送装置,通过对用户进行指标分级来确定用户类型,进而根据不同的用户类型,在预设的贷款用户催收推荐方案分级库中分别获取各个所述贷款用户的催收策略推荐方案,能够有效提高催收策略推荐方案选取的针对性及有效性,进而能够进一步提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率。
为了提供一种贷款用户分组的优选方式,在本申请提供的贷款催收方案推送装置的一个实施例,所述贷款催收方案推送装置的用户分组模块10具体用于执行下述内容:
步骤110:获取待催收的各个贷款用户分别对应的地址记录,其中,所述地址记录中包含有抵押物地址、居住地址以及工作单位地址中的至少一项。
在步骤110中,可以先连接到数据库服务器,编写sql脚本,向数据库提取客户抵押物地址、居住地址以及工作单位地址,最终获取完整、真实的客户地址。
步骤120:基于各个贷款用户分别对应的所述地址记录,确定各个所述贷款用户各自对应的地理位置信息。
步骤130:根据各个所述贷款用户各自对应的地理位置信息,应用预设的聚类算法对各个所述贷款用户进行分组,以形成各个贷款用户组。
在步骤130,所述聚类算法可以采用K均值聚类算法K-means或者约束K均值聚类算法K-means_constrained等等。
从上述描述可知,本申请实施例提供的贷款催收方案推送装置,通过获取各个所述贷款用户各自对应的地理位置信息并应用预设的聚类算法对各个所述贷款用户进行分组,能够有效提高贷款用户分组的准确性、可靠性及效率,并能够有效提高贷款催收方案制定的准确性及可靠性,进而能够进一步提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率。
为了进一步说明书本方案,本申请还提供一种贷款催收方案推送方法的具体应用实例,本申请应用实例围绕催收全流程中的核心问题,分别提出“催收人员调度与分配”优化管理和“催收综合策略”业务指导两大方案,设计四大模型,实现催收人员集约化调度与催收任务高效科学分配,形成有目标、有策略、个性化的催收方式,优化催收策略,提升工作效率,改善管理模式。
“催收人员调度与分配”中,“调度”是利用“基于地理位置的客户分群”模型,将分布较为集中的客户划分为统一的客户簇,催收人员以客户簇为单位集中进行催收。实现从分散型逐个客户催收到客群型集约催收模式的转变,使得催收人员能够集中催收客户,其调度也更加科学规范。“分配”是设计了“基于多目标优化的任务分配”,通过大数据+模型算法替代传统人工。模型从催收效率、催收效果、考核以及风险控制四方面综合考虑,提出了催收人员与客户的距离、催收人员能力与任务难度匹配度、催收金额、催收周期四大要素。既实现较好的催收效率与催收效果,又满足风险防控要求。
“催收综合策略”旨在解决如何判断客户是否需要催收,催收响应效果如何,怎样催收能有效收回欠款等问题。精细化的客户类型分类,针对不同类型的不同客户采取差异化的催收策略成为综合策略管理的研究重心。本申请应用实例设计“客户类型判别”模型,根据客户对于催收还款的响应类型不同,将客户分为“一催即还”、“屡催屡还”、“屡催不还”和“失联客户”。在了解客户类型后,“催收方式推荐”为能够针对性对客户采取其响应效果最好的催收方式来进行催收,为催收人员提供针对个体客户最合适的催收方式。本申请应用实例帮助催收人员判断优先催谁,是否需要催收等问题,并且在已知客户的催收还款响应类型后,可针对性的采取差异化的催收策略,合理分配催收时间,最大化催收效果。本申请应用实例基于“催收人员调度与分配”优化管理和“催收综合策略”业务指导两大方案,研究设计了“基于地理位置的客户分群”、“基于多目标优化的任务分配”、“客户类型判别”以及“催收方式推荐”四大模型。
基于此,所述贷款催收方案推送方法的具体应用实例具体包含有如下内容:
本申请应用实例通过构建“基于地理位置的客户分群”和“基于多目标优化的任务分配”两大模型来实现对催收人员的调度与分配,参见图9,具体实现为以下步骤101到步骤106。
步骤101:客户数据筛选及预处理,提取待分配任务集合。利用SAS连接到数据库,提取贷款还款记录数据表中的逾期客户信息。根据催收业务标准,编写客户筛选条件,提取出待催收的客户集,比如提取每月逾期15天以上的贷款客户群,剔除掉已经无需进行催收的逾期客户等等。
步骤102:客户地理位置的识别与量化。本申请应用实例利用SAS连接到数据库服务器,编写sql脚本,向数据库提取客户抵押物地址、居住地址以及工作单位地址,最终获取完整、真实的客户地址。
为量化客户地址,本申请应用实例通过编写python代码,向地图API接口发送请求,输入为客户地址,接口输出为模糊匹配地址信息结果,以及该地址对应的经纬度。具体实例如表1所示:
表1
地址信息 | 经度 | 纬度 |
北京市西城区某街某号楼某层某号 | 116.364* | 39.883* |
海淀区某里某号楼某门某 | 116.292* | 39.929* |
大兴区某大街(某段)某号 | 116.338* | 39.744* |
丰台区某南里某号新月家园某户 | 116.240* | 39.851* |
朝阳某公寓某户 | 116.490* | 39.980* |
某商户某户 | 116.490* | 39.980* |
北京市昌平区东小口镇北七家镇某苑三区某幢某单元 | 116.446* | 40.081* |
房山区良乡某城东南侧某区商业楼某层某户 | 116.154* | 39.726* |
北京市海淀区某路小区某号楼某户 | 116.353* | 40.022* |
经济技术开发区某园二里二区某号楼某门 | 116.498* | 39.804* |
需要注意的是,上表1中的“*”表示0-9的任意正整数。
步骤103:客户聚类分群。本申请应用实例以距离为衡量标准,利用经纬度距离公式(见公式1),计算两点之间的距离,其中(Aw,Aj)代表了客户A的经纬度位置,(Bw,Bj)代表了客户B的经纬度位置。使用改进后的聚类模型K-means-constrained,计算客户之间的距离,并考虑每个类别下的客户数量,不断调整,获得最终的聚类结果。
dAB=RE*arccos(sin(Aw)sin(Bw)+cos(Aw)cos(Bw)*cos(Bj-Aj)) 公式1
RE是地球半径,Aw代表A点纬度值,Aj代表A点经度值。
步骤104:最优化模型变量的设定与量化。
根据催收业务的实际场景条件,在满足为客户分配的催收人员数、催收人员平均催收数、按期催收换手等约束条件下,在保证相对公平的前提下,能够实现既高效便捷催收客户,又发挥催收人员的最大催收效能。
本申请应用实例提出了以下四大任务分配原则,并根据业务实际需求不同情况下搭配使用对应的原则,达到切实解决业务问题,任务分配最优化的效果:
原则一:效率最高。保证将距离较近的客户簇优先分配给催收人员,使得整体的催收距离最短,从而降低催收成本。
原则二:效能最大。将难度较高的催收簇分配给能力较强的催收人员,达到较高的催收匹配度,提高整体的催收成功率。
原则三:考核公平。催收人员目前以催收成功金额为绩效考核标准,为防止考核结果相差较大,任务分配需保证催收金额分配相差不大。
原则四:风险控制。催收人员长期催收同一客户簇、同一客户存在风险问题,因此催收分配需考虑催收人员前一期是否已催收过同一客户簇,若已催收过,将在新的任务分配时更换催收簇。
基于以上任务分配原则,本申请应用实例提出了催收人员与客户簇的距离、催收匹配度、催收金额、催收周期分别量化四大任务分配原则,以催收簇为单位,来达到最优分配效果。其中距离由催收人员与客户簇中心的位置距离进行衡量。催收金额为催收簇中的待催收金额的总和。催收匹配度由催收人员能力与催收难度作为衡量指标。采用历史催收次数、历史平均催收金额来量化催收经验是否丰富;采用对待客户的平均催收次数来量化认真程度,从而衡量催收人员的综合能力。催收客户簇难度依据当前逾期情况及历史逾期情况两方面综合考虑。催收周期则主要以历史是否催收过该客户为量化指标。
下面是本模型的相关变量表述如下:
N:表示客户簇个数。
M:表示催收人员个数。
ε:表示一个任意小的正数,催收难度阈值;
μ:表示一个任意小的正数,催收客户个数阈值;
θ:表示一个任意小的正数,催收客户簇的下限;
η:表示一个任意小的正数,催收客户簇的上限;
α:表示一个任意小的正数,催收金额下限;
β:表示一个任意小的正数,催收金额上限。
模型目标为在保证相对公平的前提下,能够实现既高效便捷催收客户,又发挥催收人员的最大催收效能。因此模型最优化目标为最小化催收人员与催收任务(客户)之间的距离,以保证催收人员能够就近催收,达到最优的催收效率。同时,对于催收难度较高的客户,增加对催收能力与任务难度的匹配要求,模型最优化目标增加最大化催收能力与任务难度的匹配度,达到最大的催收效能。最后通过限定模型的约束条件,包括催收簇数,催收金额数、催收风险等满足实际管理需要的业务原则。
步骤105:建立基于最优决策论的催收任务分配模型:
其一,催收难度低于等于ε的客户簇的任务分配模型构建如下:
hijaij<1 aij∈A,hij∈H (1-7)
aij∈{0,1} aij∈A (1-8)
hij∈{0,1} hij∈H (1-9)
其中,公式(1-1)是目标函数,表示最小化催收人员与客户之间的距离和。该目标函数式为了满足催收业务的效率最高,保证将距离较近的客户簇优先分配给催收人员,使得整体的催收距离最短,从而降低催收成本。
公式(1-2)表示每个客户仅能够被一名催收人员进行催收。
公式(1-3)、公式(1-4)表示每个催收人员的总催收簇在θ和η的范围内,保证每个催收人员的催收工作量相差不大,满足任务分配的公平性。
公式(1-5)、公式(1-6)表示每个催收人员的总催收金额在α和β的范围内,使得任务分配需保证催收金额分配相差不大,满足任务分配的公平性。
公式(1-7)是为防控风险,满足换手原则,使得本次分配结果与历史分配结果不相同,保证同一群簇上一周期的催收人员不同。防止催收人员长期催收同一客户簇、同一客户存在风险问题,使得其在新的任务分配时更换催收簇。
公式(1-8)表示决策变量aij为0-1变量,用以判断客户是否被催收人员催收。
公式(1-9)表示变量hij为0-1变量,用以判断客户上一周期是否被催收人员催收。
其二,催收难度高于ε的客户簇的任务分配模型构建如下:
hijaij<1 aij∈A hij∈H (2-5)
hij∈{0,1} hij∈H (2-6)
aij∈{0,1} aij∈A (2-7)
其中公式(2-1)是目标函数,表示最小化客户与催收人员之间的距离,且最大化客户簇与催收人员的匹配度。在保证催收距离最小的前提下,将难度较高的催收簇分配给能力较强的催收人员,达到较高的催收匹配度,提高整体的催收成功率。使得目标函数同时满足催收效率最高和效能最大的原则。
公式(2-2)表示每个客户仅能够被一名催收人员进行催收。
公式(2-3)、公式(2-4)表示每个催收人员的总催收簇在θ和η的范围内,保证每个催收人员的催收工作量相差不大,满足任务分配一定的公平性。
公式(2-5)是为防控风险,满足换手原则,保证同一群簇上一周期的催收人员与本次催收不同。
公式(2-6)表示变量hij为0-1变量,用以判断客户上一周期是否被催收人员催收。
公式(2-7)表示决策变量aij为0-1变量,用以判断客户是否被催收人员催收。
步骤106:通过sas、python编写代码求解模型,提供模型最优解应用于任务分配决策依据:要结合业务实际需要,调整模型参数,修改模型的目标函数和约束条件,直到符合业务要求。
以及未在图9中显示的步骤107:提供任务分配方案。
为同时满足“效率最高”、“效能最大”、“考核公平”、“风险控制”四大原则,本申请应用实例提出分类优化策略。在“效率最高”和“风险控制”的基础上,对催收难度较低的客户簇,实行以“考核公平”为主的任务分配原则;对催收难度较高的客户簇,实行以“效能最大”的任务分配原则。
本申请应用实例通过构建“客户类型判别”和“催收方式推荐”两大模型来实现对综合催收策略的产出,参见图10,具体实现为以下步骤201到步骤206。
步骤201:选定客户集:步骤与步骤101相同,无需重复执行。
步骤202:客户标签指标量化分析。
为了从数据上清晰的划分客户,为训练分类模型提供标签数据。本申请应用实例根据业务经验以及客户历史催收还款响应行为表现,通过提取明显的特征表现作为量化指标,利用聚类算法区分客户类型,并依据聚类结果获取明确的划分值,从而为客户样本打标签。
步骤203:客户分类模型指标体系构建。
根据业务经验以及催收场景,本申请应用实例从客户基本信息、还款意愿、劣变可能性以及历史催收表现情况四大维度,关注客户资金变化、还款习惯,提取了多个(如216个)特征指标,参见图11,构建一套能够真实反映客户特征、资金变化以及还款表现的指标体系。
步骤204:客户分类模型。
从业务含义上研究“一催即还”、“屡催屡还”、“屡催不还”三类客户,发现三类客户存在包含嵌套关系。因此,本申请应用实例对客户的三分类问题由两个二分类模型共同实现。首先,模型一是在全量客户中识别出“屡催不还”客户。然后,模型二是对非“屡催不还”客户分为“一催即还”和“屡催屡还”两类型。同时,为保证数据量的平衡,防止悬殊较大的数据比例直接进入模型影响模型效果,本文通过降采样以及SMOTE升采样的方式,将模型一的数据比例进行调整,从而达到数据均衡的效果。模型通过数据去重及标记、单值处理、缺失值补充等几个步骤对提取数据进行清洗处理,对该客户集的数据做特征工程,依次进行分类变量映射、变量相关性判断、连续变量分箱、基于IV值的变量筛选、共线性诊断等几个步骤完成变量的整合、压缩及筛选,最终两模型分别筛选出特征变量进行构建模型,从多个分类模型中选取随机森林模型实现对客户的分类。
步骤205:催收策略推荐方案。
根据客户类型判别模型将客户分为“一催即还”、“屡催屡还”、“屡催不还”三类,将客户分类的核心——客户的还款习惯以及还款能力作为策略推荐的划分依据,结合业务实际催收经验,催收策略依照客户所属类别以及客户历史响应情况做出判断。
对于一催即还客户,其历史还款意愿和还款能力均表现优秀,同时当前的还款能力较高。从历史催收响应来看,几乎所有的客户都能够通过短信方式催收成功。结合三点来看,模型对一催即还的客户将采用以短信为主的催收策略完成催收。
对于屡催屡还客户,其历史还款意愿良好,还款能力与第一类客户相比较弱。从历史催收响应来看,该类客户成功催收的方式主要为短信,以电话催收为辅。根据客户当前还款能力的高低逐渐加大催收策略强度,加强催收力度,依次采用短信、短信和电话相结合以及电话进行催收。
对于屡催不还客户,其历史还款意愿较弱,还款能力较差,从历史催收响应也可以看出短信的催收效果较小,以电话为主要成功催收手段,因而结合还款能力,直接采用电话及以上催收策略。
步骤206:催收人员参考客户类型和策略催收。
本申请应用实例将待催收的客户一一进行客户类型判别,并推荐相应的催收策略以做参考,催收人员根据提供的客户特征信息、客户类别信息以及推荐催收策略,结合自己的催收经验对客户进行差异化的催收。
综上所述,本申请应用实例可以具有以下的效果与优点:
1、本申请应用实例将机器学习技术和运筹优化技术进行融合创新,用于贷后风控领域的催收业务中,并结合管理难点和业务痛点,构建业内领先的智慧催收综合体系。
2、利用本申请应用实例,为相关业务部门解决催收全流程核心问题,实现集约化、精细化、智慧化的综合催收体系,实现从传统催收向智能化催收的升级转型。
3、利用本申请应用实例,将分布较为集中的客户划分为统一的客户簇,催收人员以客户簇为单位集中进行催收,从而实现从分散型逐个客户催收到客群型集约催收模式的转变,提升催收集约化程度。
4、利用本申请应用实例在个贷催收领域实现了一种新的任务分配模式,为相关业务部门提供有效的智能化任务分配方案,提供决策参考。通过“大数据+模型算法”替代传统人工任务分配,利用科技解放人力,减少主观影响,实现高效、客观、公正的任务分配。
5、利用本申请应用实例,为一线催收人员的催收策略提供参考。通过“模型算法+经验判断”,精细化客户类型分类,从而帮助催收人员判断优先催谁,是否需要催收等问题,提供差异化催收策略参考。
从硬件层面来说,为了解决现有的贷款催收方案推送方式,因其方案的指定逻辑过于简略而存在推送的贷款催收方案适用性差、准确性低的问题,进而导致贷款催收的效率低及成功率低等问题,本申请提供一种用于实现所述贷款催收方案推送方法中的全部或部分内容的电子设备的实施例,所述电子设备具体包含有如下内容:
图12为本申请实施例的电子设备9600的***构成的示意框图。如图12所示,该电子设备9600可以包括中央处理器9100和存储器9140;存储器9140耦合到中央处理器9100。值得注意的是,该图12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。
在一实施例中,贷款催收方案推送功能可以被集成到中央处理器中。其中,中央处理器可以被配置为进行如下控制:
步骤100:根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组。
在步骤100中,可以预先获取金融机构对应的待催收的多个贷款用户,具体可以利用如统计分析软件SAS(STATISTICAL ANALYSIS SYSTEM)等软件连接到金融机构的数据库,提取贷款还款记录数据表中的逾期客户信息。根据催收业务标准,编写客户筛选条件,提取出待催收的客户集,比如提取每月逾期15天以上的贷款客户群,剔除掉已经无需进行催收的逾期客户等等。
而后可以直接自预存储的数据库中获取各个贷款用户分别对应的地理位置信息,可以理解的是,所述地理位置信息是指经纬度信息;还可以先获取各个贷款用户分别对应的地址信息,而后根据地址信息获取各个贷款用户分别对应的地理位置信息。例如,可以先获取贷款用户预先存储在金融机构的地址信息,而后可以通过编写python代码,向地图API接口发送请求,输入为贷款用户的地址信息,接口输出为模糊匹配地址信息结果,以及该地址对应的经纬度。
在步骤100中,进行贷款用户分组的具体方式为将地理位置信息相近的多个贷款用户分为同一贷款用户组中,具体可以通过对地理位置信息进行关键字提取及关键字相似度计算来确认地理位置信息是否相近,还可以通过聚类的方式,对各个所述贷款用户进行分组。可以理解的是,所述贷款用户组中包含有多个贷款用户,且每个贷款用户组中的贷款用户的总数和贷款用户组的总数均可以进行预先设置,具体可以根据实际应用情形设置。
步骤200:基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识。
在步骤200中,在完成贷款用户的分组后,需要为每一个贷款用户组分配催收人员,具体来说,贷款用户组与催收人员之间的对应关系可以为一对一、一对多或多对一的关系,但为了尽量避免贷款用户在一个催收周期内被多个催收人员进行催收,因此在步骤200的一个优选方式中,贷款用户组与催收人员之间的对应关系仅选取一对一或多对一的关系,也就是说,在一个催收周期内,一个催收人员可以负责单一或多个贷款用户组的贷款催收工作,但一个贷款用户组仅分配一个催收人员,以尽量提供被催收的贷款用户的用户体验。
可以理解的是,所述催收人员的唯一标识是指该催收人员在金融机构中能够代表其唯一身份的标识,具体可以为该催收人员在金融机构的工作编号、身份证号或姓名与数字的编码组合等等。
步骤300:根据所述催收人员的唯一标识,向各个所述催收人员分别推送对应的贷款催收方案,其中,该贷款催收方案中包含有对应的贷款用户组及该贷款用户组中各个所述贷款用户的用户信息和所述地理位置信息。
在步骤300的一个举例中,若经步骤100和步骤200,确定向贷款用户组D1、D2和D5均对应催收人员C123,则根据该催收人员C123预先记录在金融机构***中的客户端设备的唯一标识(如IP地址或电话号码等),向该客户端设备发送包含有贷款用户组D1、D2和D5中各个所述贷款用户的用户信息和所述地理位置信息的贷款催收方案。
进一步来说,若向一个催收人员推送的贷款用户组有多个,可以根据多个贷款用户组各自与催收人员所在的地理位置之间的距离来对多个贷款用户组进行排序显示,以使催收人员能够根据贷款催收方案更加直观切快速地获取多个贷款用户组的推荐催收顺序。例如,若贷款用户组D1、D2和D5与催收人员所在的地理位置之间的距离由近至远依次为D2、D1、D5,则根据多个贷款用户组D1、D2和D5各自与催收人员所在的地理位置之间的距离,在所述贷款催收方案将个贷款用户组D1、D2和D5按照D2、D1、D5的顺序进行排序,使得催收人员C123在看到贷款催收方案时,能够立即获知根据距离由近至远的顺序向其推荐的催收顺序为D2、D1、D5。
另外,在步骤300中,为了避免贷款用户数据的泄露,还可以在向各个所述催收人员各自对应的客户端设备分别推送对应的贷款催收方案之前,先根据预设的加密方式对贷款催收方案进行加密,而后将加密后的贷款催收方案发送至对应的催收人员的客户端设备中,使得催收人员根据预先自金融机构获取的与所述加密方式唯一对应的解密方式对加密后的贷款催收方案进行解密处理,以得到贷款催收方案,进而能够有效提高贷款用户数据的安全性,有效保护贷款用户的隐私数据,以同时提高贷款用户的用户体验。
从上述描述可知,本申请实施例提供的电子设备,通过根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组,能够将属于同一个距离范围内的待催收的贷款用户划分至一组,进而能够有效提高推送的贷款催收方案的适用性及准确性,通过为各个贷款用户组分别选取催收人员进行贷款催收,能够有效提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率;通过将包含有贷款用户组及该贷款用户组中各个所述贷款用户的用户信息和所述地理位置信息的贷款催收方案推送给该贷款用户组对应的催收人员的客户端设备,能够有效提高催收人员获取所需信息的效率和便捷性,且推送过程高效且针对性强,能够进一步提高根据该推送方案进行催收的催收人员的催收效率及成功率,并有效提高金融机构及催收人员的用户体验。
在另一个实施方式中,贷款催收方案推送装置可以与中央处理器9100分开配置,例如可以将贷款催收方案推送装置配置为与中央处理器9100连接的芯片,通过中央处理器的控制来实现贷款催收方案推送功能。
如图12所示,该电子设备9600还可以包括:通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是,电子设备9600也并不是必须要包括图12中所示的所有部件;此外,电子设备9600还可以包括图12中没有示出的部件,可以参考现有技术。
如图12所示,中央处理器9100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9100接收输入并控制电子设备9600的各个部件的操作。
其中,存储器9140,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9100可执行该存储器9140存储的该程序,以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160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9140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9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142,该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143,该数据存储部9143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9140的驱动程序存储部9144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9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100,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9110,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)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132,以经由扬声器9131提供音频输出,并接收来自麦克风9132的音频输入,从而实现通常的电信功能。音频处理器9130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9130还耦合到中央处理器9100,从而使得可以通过麦克风9132能够在本机上录音,且使得可以通过扬声器9131来播放本机上存储的声音。
本申请的实施例还提供能够实现上述实施例中的贷款催收方案推送方法中全部步骤的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程序,该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的贷款催收方案推送方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤100:根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组。
在步骤100中,可以预先获取金融机构对应的待催收的多个贷款用户,具体可以利用如统计分析软件SAS(STATISTICAL ANALYSIS SYSTEM)等软件连接到金融机构的数据库,提取贷款还款记录数据表中的逾期客户信息。根据催收业务标准,编写客户筛选条件,提取出待催收的客户集,比如提取每月逾期15天以上的贷款客户群,剔除掉已经无需进行催收的逾期客户等等。
而后可以直接自预存储的数据库中获取各个贷款用户分别对应的地理位置信息,可以理解的是,所述地理位置信息是指经纬度信息;还可以先获取各个贷款用户分别对应的地址信息,而后根据地址信息获取各个贷款用户分别对应的地理位置信息。例如,可以先获取贷款用户预先存储在金融机构的地址信息,而后可以通过编写python代码,向地图API接口发送请求,输入为贷款用户的地址信息,接口输出为模糊匹配地址信息结果,以及该地址对应的经纬度。
在步骤100中,进行贷款用户分组的具体方式为将地理位置信息相近的多个贷款用户分为同一贷款用户组中,具体可以通过对地理位置信息进行关键字提取及关键字相似度计算来确认地理位置信息是否相近,还可以通过聚类的方式,对各个所述贷款用户进行分组。可以理解的是,所述贷款用户组中包含有多个贷款用户,且每个贷款用户组中的贷款用户的总数和贷款用户组的总数均可以进行预先设置,具体可以根据实际应用情形设置。
步骤200:基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识。
在步骤200中,在完成贷款用户的分组后,需要为每一个贷款用户组分配催收人员,具体来说,贷款用户组与催收人员之间的对应关系可以为一对一、一对多或多对一的关系,但为了尽量避免贷款用户在一个催收周期内被多个催收人员进行催收,因此在步骤200的一个优选方式中,贷款用户组与催收人员之间的对应关系仅选取一对一或多对一的关系,也就是说,在一个催收周期内,一个催收人员可以负责单一或多个贷款用户组的贷款催收工作,但一个贷款用户组仅分配一个催收人员,以尽量提供被催收的贷款用户的用户体验。
可以理解的是,所述催收人员的唯一标识是指该催收人员在金融机构中能够代表其唯一身份的标识,具体可以为该催收人员在金融机构的工作编号、身份证号或姓名与数字的编码组合等等。
步骤300:根据所述催收人员的唯一标识,向各个所述催收人员分别推送对应的贷款催收方案,其中,该贷款催收方案中包含有对应的贷款用户组及该贷款用户组中各个所述贷款用户的用户信息和所述地理位置信息。
在步骤300的一个举例中,若经步骤100和步骤200,确定向贷款用户组D1、D2和D5均对应催收人员C123,则根据该催收人员C123预先记录在金融机构***中的客户端设备的唯一标识(如IP地址或电话号码等),向该客户端设备发送包含有贷款用户组D1、D2和D5中各个所述贷款用户的用户信息和所述地理位置信息的贷款催收方案。
进一步来说,若向一个催收人员推送的贷款用户组有多个,可以根据多个贷款用户组各自与催收人员所在的地理位置之间的距离来对多个贷款用户组进行排序显示,以使催收人员能够根据贷款催收方案更加直观切快速地获取多个贷款用户组的推荐催收顺序。例如,若贷款用户组D1、D2和D5与催收人员所在的地理位置之间的距离由近至远依次为D2、D1、D5,则根据多个贷款用户组D1、D2和D5各自与催收人员所在的地理位置之间的距离,在所述贷款催收方案将个贷款用户组D1、D2和D5按照D2、D1、D5的顺序进行排序,使得催收人员C123在看到贷款催收方案时,能够立即获知根据距离由近至远的顺序向其推荐的催收顺序为D2、D1、D5。
另外,在步骤300中,为了避免贷款用户数据的泄露,还可以在向各个所述催收人员各自对应的客户端设备分别推送对应的贷款催收方案之前,先根据预设的加密方式对贷款催收方案进行加密,而后将加密后的贷款催收方案发送至对应的催收人员的客户端设备中,使得催收人员根据预先自金融机构获取的与所述加密方式唯一对应的解密方式对加密后的贷款催收方案进行解密处理,以得到贷款催收方案,进而能够有效提高贷款用户数据的安全性,有效保护贷款用户的隐私数据,以同时提高贷款用户的用户体验。
从上述描述可知,本申请实施例提供的计算机可读存储介质,通过根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组,能够将属于同一个距离范围内的待催收的贷款用户划分至一组,进而能够有效提高推送的贷款催收方案的适用性及准确性,通过为各个贷款用户组分别选取催收人员进行贷款催收,能够有效提高根据该推送方案进行催收的催收人员的催收便捷性、效率及成功率;通过将包含有贷款用户组及该贷款用户组中各个所述贷款用户的用户信息和所述地理位置信息的贷款催收方案推送给该贷款用户组对应的催收人员的客户端设备,能够有效提高催收人员获取所需信息的效率和便捷性,且推送过程高效且针对性强,能够进一步提高根据该推送方案进行催收的催收人员的催收效率及成功率,并有效提高金融机构及催收人员的用户体验。
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、装置、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(装置)、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,本说明书内容应理解为对本发明的限制。
Claims (10)
1.一种贷款催收方案推送方法,其特征在于,包括:
根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组;
基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识;
根据所述催收人员的唯一标识,向各个所述催收人员分别推送对应的贷款催收方案,其中,该贷款催收方案中包含有对应的贷款用户组及该贷款用户组中各个所述贷款用户的用户信息和所述地理位置信息。
2.根据权利要求1所述的贷款催收方案推送方法,其特征在于,所述根据所述催收人员的唯一标识,向各个所述催收人员分别推送对应的贷款催收方案之前,还包括:
获取各个所述贷款用户组中的各个贷款用户分别对应的用户类型,并确定各个所述用户类型分别对应的预存储的催收策略推荐方案;
相对应的,所述贷款催收方案中还包含有贷款用户组中各个所述贷款用户各自对应的所述催收策略推荐方案。
3.根据权利要求1所述的贷款催收方案推送方法,其特征在于,所述基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识,包括:
根据各个所述贷款用户的历史催收记录信息的关键特征进行量化评分,基于预设的贷款用户催收难度分级库分别确定各个所述贷款用户的催收难度等级,其中,所述贷款用户催收难度分级库中用于存储历史催收记录信息中的关键特征量化评分与催收难度等级之间的对应关系;
根据各个所述贷款用户组中的各个所述贷款用户的催收难度等级的平均值,分别确定各个所述贷款用户组各自对应的难度分值;
基于各个所述贷款用户组各自对应的难度分值与难度阈值之间的比较结果,为各个所述贷款用户组分别选取各自对应的催收人员配置规则,并基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识。
4.根据权利要求3所述的贷款催收方案推送方法,其特征在于,所述基于各个所述贷款用户组各自对应的难度分值与难度阈值之间的比较结果,为各个所述贷款用户组分别选取各自对应的催收人员配置规则,并基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识,包括:
针对当前所述难度分值小于或等于所述难度阈值的贷款用户组,选取预存储的低难度催收人员配置规则;
根据所述低难度催收人员配置规则,在各个催收人员中选取匹配的目标催收人员;
若所述目标催收人员的数量有多个,则选取与当前贷款用户组之间的地理距离最近的目标催收人员作为当前贷款用户组对应的催收人员,并获取当前贷款用户组对应的催收人员的唯一标识;
其中,所述低难度催收人员配置规则包括:
为所述贷款用户组中的各个所述贷款用户配置单一催收人员;
所述催收人员对应的所述贷款用户组的总数在预设的贷款用户组总数范围内;
所述催收人员对应的总催收金额在预设的催收总额范围内;
以及,所述催收人员在当前催收周期内对应的所述贷款用户组未出现在该催收人员的上一催收周期中。
5.根据权利要求3所述的贷款催收方案推送方法,其特征在于,所述基于各个所述贷款用户组各自对应的难度分值与难度阈值之间的比较结果,为各个所述贷款用户组分别选取各自对应的催收人员配置规则,并基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识,包括:
针对当前所述难度分值大于所述难度阈值的贷款用户组,选取预存储的高难度催收人员配置规则;
根据所述高难度催收人员配置规则,在各个催收人员中选取匹配的目标催收人员;
若所述目标催收人员的数量有多个,则获取预设的各个所述目标催收人员各自对应的能力评级;
将与当前贷款用户组之间的地理距离最近和/或所述能力评级与所述贷款用户组的难度分值之间的匹配度最高的目标催收人员作为当前贷款用户组对应的催收人员,并获取贷款用户组对应的催收人员的唯一标识;
其中,所述高难度催收人员配置规则包括:
为所述贷款用户组中的各个所述贷款用户配置单一催收人员;
所述催收人员对应的所述贷款用户组的总数在预设的贷款用户组总数范围内;
以及,所述催收人员在当前催收周期内对应的所述贷款用户组未出现在该催收人员的上一催收周期中。
6.根据权利要求2所述的贷款催收方案推送方法,其特征在于,所述获取各个所述贷款用户组中的各个贷款用户分别对应的用户类型,并确定各个所述用户类型分别对应的预存储的催收策略推荐方案,包括:
获取各个所述贷款用户各自对应的历史催收记录信息的指标特征,其中,所述指标特征包括:用户信息、还款意愿、催收表现及劣变可能性;
根据各个所述贷款用户各自对应的历史催收记录信息的指标特征的综合评分,利用预设的分类模型分别确定各个所述贷款用户分别对应的用户类型;
基于各个所述贷款用户分别对应的用户类型,在预设的贷款用户催收推荐方案分级库中分别获取各个所述贷款用户的催收策略推荐方案,其中,所述催收推荐方案分级库中用于存储所述用户类型与所述催收策略推荐方案之间的对应关系。
7.根据权利要求1至6任一项所述的贷款催收方案推送方法,其特征在于,所述根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组,包括:
获取待催收的各个贷款用户分别对应的地址记录,其中,所述地址记录中包含有抵押物地址、居住地址以及工作单位地址中的至少一项;
基于各个贷款用户分别对应的所述地址记录,确定各个所述贷款用户各自对应的地理位置信息;
根据各个所述贷款用户各自对应的地理位置信息,应用预设的聚类算法对各个所述贷款用户进行分组,以形成各个贷款用户组。
8.一种贷款催收方案推送装置,其特征在于,包括:
用户分组模块,用户根据待催收的各个贷款用户分别对应的地理位置信息对各个所述贷款用户进行分组,以形成各个贷款用户组;
人员配置模块,用于基于预设的催收人员配置规则,确定各个所述贷款用户组分别对应的催收人员的唯一标识;
方案推送模块,用于根据所述催收人员的唯一标识,向各个所述催收人员分别推送对应的贷款催收方案,其中,该贷款催收方案中包含有对应的贷款用户组及该贷款用户组中各个所述贷款用户的用户信息和所述地理位置信息。
9.一种电子设备,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计算机程序时实现权利要求1至7任一项所述的贷款催收方案推送方法。
10.一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7任一项所述的贷款催收方案推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110312786.0A CN112967131A (zh) | 2021-03-24 | 2021-03-24 | 贷款催收方案推送方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110312786.0A CN112967131A (zh) | 2021-03-24 | 2021-03-24 | 贷款催收方案推送方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112967131A true CN112967131A (zh) | 2021-06-15 |
Family
ID=76279506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110312786.0A Pending CN112967131A (zh) | 2021-03-24 | 2021-03-24 | 贷款催收方案推送方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112967131A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113724067A (zh) * | 2021-08-31 | 2021-11-30 | 重庆富民银行股份有限公司 | 一种催收方法、存储介质及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730405A (zh) * | 2017-09-14 | 2018-02-23 | 深圳市佰仟金融服务有限公司 | 逾期贷款催收方法及终端设备 |
CN109359797A (zh) * | 2018-08-21 | 2019-02-19 | 平安科技(深圳)有限公司 | 电子装置、贷款催收案件分案方法及存储介质 |
CN110288464A (zh) * | 2019-06-11 | 2019-09-27 | 深圳前海微众银行股份有限公司 | 一种催收方法、***及装置 |
CN110751549A (zh) * | 2019-09-30 | 2020-02-04 | 北京淇瑀信息科技有限公司 | 逾期金融贷款的催收管控方法、装置及电子设备 |
CN111192136A (zh) * | 2019-12-24 | 2020-05-22 | 中信百信银行股份有限公司 | 一种信贷业务的催收方法、装置、电子设备及存储介质 |
CN111695988A (zh) * | 2020-06-16 | 2020-09-22 | 中国工商银行股份有限公司 | 信息处理方法、装置、电子设备和介质 |
CN112053097A (zh) * | 2020-09-30 | 2020-12-08 | 北京百度网讯科技有限公司 | 一种贷款催收方法、装置、电子设备及存储介质 |
-
2021
- 2021-03-24 CN CN202110312786.0A patent/CN112967131A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730405A (zh) * | 2017-09-14 | 2018-02-23 | 深圳市佰仟金融服务有限公司 | 逾期贷款催收方法及终端设备 |
CN109359797A (zh) * | 2018-08-21 | 2019-02-19 | 平安科技(深圳)有限公司 | 电子装置、贷款催收案件分案方法及存储介质 |
CN110288464A (zh) * | 2019-06-11 | 2019-09-27 | 深圳前海微众银行股份有限公司 | 一种催收方法、***及装置 |
WO2020248883A1 (zh) * | 2019-06-11 | 2020-12-17 | 深圳前海微众银行股份有限公司 | 一种催收方法、***及装置 |
CN110751549A (zh) * | 2019-09-30 | 2020-02-04 | 北京淇瑀信息科技有限公司 | 逾期金融贷款的催收管控方法、装置及电子设备 |
CN111192136A (zh) * | 2019-12-24 | 2020-05-22 | 中信百信银行股份有限公司 | 一种信贷业务的催收方法、装置、电子设备及存储介质 |
CN111695988A (zh) * | 2020-06-16 | 2020-09-22 | 中国工商银行股份有限公司 | 信息处理方法、装置、电子设备和介质 |
CN112053097A (zh) * | 2020-09-30 | 2020-12-08 | 北京百度网讯科技有限公司 | 一种贷款催收方法、装置、电子设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113724067A (zh) * | 2021-08-31 | 2021-11-30 | 重庆富民银行股份有限公司 | 一种催收方法、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107578331B (zh) | 一种贷后风险监控的方法和*** | |
CN105868915B (zh) | 一种基于移动互联网服务应用的服务评价*** | |
Ogbeide et al. | Smallholder farmers and mobile phone technology in Sub-Sahara Agriculture | |
US20100076813A1 (en) | Market dynamics | |
US20180270616A1 (en) | Method and apparatus for identifying types of user geographical locations | |
CN103164416A (zh) | 一种用户关系的识别方法及设备 | |
CN105160173B (zh) | 安全评估方法和装置 | |
CN105393267A (zh) | 机会事件 | |
Wambari | Mobile banking in developing countries (a case study on Kenya). | |
KR102467635B1 (ko) | Ai를 이용한 컨설팅 제공 시스템 | |
CN110619065A (zh) | 资源调度业务处理方法、装置、计算机设备和存储介质 | |
CN112364086A (zh) | 一种基于大数据平台的业务可视化方法及*** | |
CN112950357B (zh) | 交易异常团伙识别方法及装置 | |
Carletto | Better data, higher impact: improving agricultural data systems for societal change | |
CN110019841A (zh) | 构建债务人知识图谱的数据分析方法、装置及*** | |
CN110807699A (zh) | 逾期事件的回款催收方法及装置、计算机可读存储介质 | |
CN115063233A (zh) | 一种银行业务服务流程的实现方法、***及装置 | |
CN112967131A (zh) | 贷款催收方案推送方法及装置 | |
Adah | The Status and Nature of E-governance in Nigeria | |
Hendricks et al. | Can a mobile credit-scoring model provide better accessibility to South African citizens requiring micro-lending? | |
Grootenhuis | Mobile money and financial inclusion: A case study on Myanmar | |
Huang et al. | How urban are IDPs and what does that mean for their economic integration | |
CN116189346A (zh) | 数字科技深度融合厅堂管理及营销场景的智能排队叫号*** | |
CN113393320B (zh) | 企业金融服务风险预测方法及装置 | |
CN114092226A (zh) | 银行网点外汇产品推荐方法及装置 |
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 |