CN116777140A - 一种企业业务管理方法、装置、设备及介质 - Google Patents
一种企业业务管理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116777140A CN116777140A CN202310590180.2A CN202310590180A CN116777140A CN 116777140 A CN116777140 A CN 116777140A CN 202310590180 A CN202310590180 A CN 202310590180A CN 116777140 A CN116777140 A CN 116777140A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- business
- risk
- information
- portrait
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000012502 risk assessment Methods 0.000 claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 10
- 230000006399 behavior Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000012797 qualification Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 12
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 abstract description 6
- 239000010931 gold Substances 0.000 abstract description 6
- 229910052737 gold Inorganic materials 0.000 abstract description 6
- 230000002265 prevention Effects 0.000 abstract description 4
- 238000012800 visualization Methods 0.000 abstract description 3
- 206010063385 Intellectualisation Diseases 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 8
- 238000011835 investigation Methods 0.000 description 8
- 239000000047 product Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013077 scoring method Methods 0.000 description 2
- 239000011265 semifinished product Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000013106 supervised machine learning method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000013068 supply chain management Methods 0.000 description 1
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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例公开了一种企业业务管理方法、装置、设备及介质,包括:根据企业的相关信息建立所述企业的信息库;根据所述企业的业务与所述企业的信息库构建所述企业的画像;将所述企业的画像,结合所述企业的业务的审批流程和需求,构建业务处理模块,以对所述企业的各经营板块及业务链业务处理全覆盖;通过预先通过大数据构建的风险分析模块对所述企业的各经营板块及业务链业务处理进行风险分析。本说明书实施例具备管理可视化、数据基础智慧化、营销***数据化、业务管理信息化、尽调流程标准化、风险监控自动化等特征,实现各经营板块及业务链条全覆盖,进一步提升金控企业业务管理信息化水平,有效提升风险防控能力,降低运营成本等。
Description
技术领域
本说明书涉及计算机技术领域,尤其涉及一种企业业务管理方法、装置、设备及介质。
背景技术
目前,企业在业务处理中存在多个独立的部分,可能导致企业业务管理不互通,从而影响企业业务的处理效率。因此,如何更好的对企业业务管理,是目前亟待解决的问题。
发明内容
本说明书一个或多个实施例提供了一种企业业务管理方法、装置、设备及介质,用于解决背景技术提出的技术问题。
本说明书一个或多个实施例采用下述技术方案:
本说明书一个或多个实施例提供的一种企业业务管理方法,包括:
根据企业的相关信息建立所述企业的信息库;
根据所述企业的业务与所述企业的信息库构建所述企业的画像;
将所述企业的画像,结合所述企业的业务的审批流程和需求,构建业务处理模块,以对所述企业的各经营板块及业务链业务处理全覆盖;
通过预先通过大数据构建的风险分析模块对所述企业的各经营板块及业务链业务处理进行风险分析。
本说明书一个或多个实施例提供的一种企业业务管理装置,所述装置包括:
信息库建立单元,根据企业的相关信息建立所述企业的信息库;
画像构建单元,根据所述企业的业务与所述企业的信息库构建所述企业的画像;
业务处理模块构建单元,将所述企业的画像,结合所述企业的业务的审批流程和需求,构建业务处理模块,以对所述企业的各经营板块及业务链业务处理全覆盖;
风险分析单元,通过预先通过大数据构建的风险分析模块对所述企业的各经营板块及业务链业务处理进行风险分析。
本说明书一个或多个实施例提供的一种企业业务管理设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
根据企业的相关信息建立所述企业的信息库;
根据所述企业的业务与所述企业的信息库构建所述企业的画像;
将所述企业的画像,结合所述企业的业务的审批流程和需求,构建业务处理模块,以对所述企业的各经营板块及业务链业务处理全覆盖;
通过预先通过大数据构建的风险分析模块对所述企业的各经营板块及业务链业务处理进行风险分析。
本说明书一个或多个实施例提供的一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令被计算机执行时能够实现:
根据企业的相关信息建立所述企业的信息库;
根据所述企业的业务与所述企业的信息库构建所述企业的画像;
将所述企业的画像,结合所述企业的业务的审批流程和需求,构建业务处理模块,以对所述企业的各经营板块及业务链业务处理全覆盖;
通过预先通过大数据构建的风险分析模块对所述企业的各经营板块及业务链业务处理进行风险分析。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
本说明书实施例具备管理可视化、数据基础智慧化、营销***数据化、业务管理信息化、尽调流程标准化、风险监控自动化等特征,实现各经营板块及业务链条全覆盖,进一步提升金控企业业务管理信息化水平,有效提升风险防控能力,降低运营成本等。
附图说明
为了更清楚地说明本说明书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,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本说明书一个或多个实施例提供的一种企业业务管理方法的流程示意图;
图2为本说明书一个或多个实施例提供的一种企业业务管理装置的结构示意图;
图3为本说明书一个或多个实施例提供的一种企业业务管理设备的结构示意图。
具体实施方式
本说明书实施例提供一种企业业务管理方法、装置、设备及介质。
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,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,都应当属于本说明书保护的范围。
图1为本说明书一个或多个实施例提供的一种企业业务管理方法的流程示意图,该流程可以由企业业务管理***执行。流程中的某些输入参数或者中间结果允许人工干预调节,以帮助提高准确性。
本说明书实施例的方法流程步骤如下:
S102,根据企业的相关信息建立所述企业的信息库。
在本说明书实施例中,可以根据预先设定的政务数据共享平台获取所述企业的身份信息、经营信息、信用信息,并在所述企业登录所述政务数据共享平台后,向所述政务数据共享平台补充相应的企业信息,形成所述企业的信息库。
需要说明的是,本说明书实施例根据预先设定的政务数据共享平台获取企业的信息信息库,具体如下:
登录政务数据共享平台:企业需要登录政务数据共享平台,使用所提供的身份验证方式进行认证。
获取企业信息:在登录成功后,可以通过政务数据共享平台获取企业的身份信息、经营信息、信用信息等相关数据。这些信息可能来自于各个政府部门或机构,包括税务局、工商局、人力资源社会保障局等。
补充企业信息:企业可以通过政务数据共享平台向该平台提供更多的企业信息,以便更好地展示企业的情况和发展计划。这些信息可能包括企业的产品或服务介绍、市场分析报告、年度财务报表等。
形成企业信息库:政务数据共享平台将企业提供的信息与已有的政府数据整合起来,形成企业信息库。企业可以随时访问和更新这些信息,以便更好地管理和利用自己的数据资产。
总之,政务数据共享平台可以为企业提供了一种方便快捷的方式来获取、分享和管理企业信息,对企业的发展和决策具有重要的支持作用。
S104,根据所述企业的业务与所述企业的信息库构建所述企业的画像。
在本说明书实施例中,可以先对所述企业的信息库进行统计分析,得到企业信息标签;再对所述企业的业务进行业务建模分析,得到业务模型标签;最后,根据所述企业信息标签与所述业务模型标签构建所述企业的画像。
需要说明的是,本说明书实施例在构建企业画像时,具体可以包括如下内容:
统计分析企业信息库:在对企业信息库进行统计分析时,可以使用数据挖掘工具和技术来识别和提取重要的信息标签。例如,可以通过聚类分析、关联规则挖掘等手段,发现企业的行业分类、市场份额、客户特征等方面的信息。
进行业务建模分析:通过业务建模分析,可以深入了解企业的运营模式、价值链、核心竞争力等方面的信息。可以使用UML模型或BPMN模型等工具,以可视化方式描述企业的业务过程和相应的信息流。
构建企业画像:根据所述企业信息标签和业务模型标签构建企业画像。企业画像是一个综合性的信息档案,它包括企业的基本信息、经营情况、客户需求、市场趋势、未来发展计划等各个方面的信息。可以使用大数据分析、机器学习等技术,将不同来源的数据融合起来,并生成具有可视化效果的报告或者图表,让企业能够更好地理解自己的情况和决策。
通过构建企业画像,企业可以更好地了解自己的优势和不足,发现市场机会,制定更加有效的商业战略,并实现可持续的增长
S106,将所述企业的画像,结合所述企业的业务的审批流程和需求,构建业务处理模块,以对所述企业的各经营板块及业务链业务处理全覆盖。
在本说明书实施例中,将企业画像与审批流程和需求结合,构建业务处理模块时,可以包含以下具体内容:
确定审批流程:根据企业的具体情况,确定各种业务的审批流程。例如,销售订单的审批流程可能包括客户确认、产品库存检查、价格审核等环节。
定义业务需求:针对每个业务板块的需求,定义相应的需求文档。例如,为了满足生产部门的半成品库存管理需求,需要建立一个半成品入库、出库和报废的管理模块。
设计业务处理模块:以企业画像作为基础,结合审批流程和业务需求,设计相应的业务处理模块。例如,可以使用业务流程管理(BPM)工具,将不同的审批环节、业务逻辑和数据流程整合起来,实现自动化的业务处理。
实现业务处理模块:根据设计的业务处理模块,开发相应的软件或***。这需要涉及不同的技术领域,例如前端界面开发、后端服务接口设计、数据库设计等。
测试和优化:在上线之前,需要对业务处理模块进行充分测试,并进行性能优化和安全性检查,以确保它能够满足需求,并且可以在稳定的运行环境中运行。
通过上述步骤,企业可以构建一个全面的业务处理***,实现对各个经营板块和业务链的全覆盖管理。这可以帮助企业提高效率、降低成本,并更好地应对市场变化和竞争压力。
S108,通过预先通过大数据构建的风险分析模块对所述企业的各经营板块及业务链业务处理进行风险分析。
在本说明书实施例中,对企业的各经营板块及业务链进行风险分析时,,可以包含以下具体内容:
收集数据:从企业信息库和其他可靠数据源中收集所需数据。这些数据可以包括企业财务报表、供应商评估报告、市场调研报告、舆情监测数据等。
风险识别:利用大数据技术和算法,对收集到的数据进行处理和分析,识别出各个经营板块及业务链中可能存在的风险点。例如,可能会发现销售渠道存在单一依赖、生产成本增加等潜在风险。
风险评估:对于识别出来的风险点,进行风险评估,确定它们的重要程度和影响范围。可以使用不同的评估方法和工具,例如敏感度分析、模拟仿真等。
风险管理:根据风险评估结果,制定相应的风险管理措施。这些措施可能包括改进内部控制、优化供应链管理、制定应急预案等。同时需要建立监测机制,对风险进行跟踪和反馈,以及适时地采取措施。
风险报告:根据风险分析结果,生成相应的风险报告。风险报告应该包括风险识别、评估和管理等方面的信息,以便企业决策者了解当前的风险状况并采取必要的措施。
通过预先构建的风险分析模块,企业可以对各个经营板块及业务链进行全面的风险分析,并制定相应的措施来降低风险和提高效率。这有助于企业更好地应对市场变化和竞争压力,并实现可持续发展。
进一步的,本说明书实施例对所述企业的各经营板块及业务链业务处理进行风险分析时,可以对所述企业的各经营板块及业务链业务处理进行风险准入、标签反欺诈、信用评分模型建立、额度测算模型建立、贷后风险预警与风险评价报告,所述风险准入包括黑名单筛查、政策条件准入判断与准入风险评分。
需要说明的是,政策条件准入判断可以为政策条件准入模型根据金融机构的自身风险定位设立准入规则,所述准入规则用于对申请个人/个体资质的准入条件,通过政策性准入规则帮助金融机构筛选出符合标准的目标群体;其中,所述政策条件准入模型基于规则项的判断,通过特定条件审核客户是否符合准入资格,根据大数据以及金融风控业务要求建立申请的准入模型,用以评价受控个人是否满足规定的申请条件。
需要说明的是,所述标签反欺诈基于关系图谱的反欺诈检测方式进行反欺诈检测,挖掘多源数据中的关联关系,并根据所述多源数据中的关联关系建立关系图谱,基于所述关系图谱运用图算法、图嵌入技术抽取用户图特征,运用机器学习中有监督、无监督、半监督的机器学习算法进行反欺诈检测建模,预测用户的反欺诈概率。
需要说明的是,所述信用评分模型建立,可以包括:
根据客户分层、客户资产及负债评估、还款意愿评估、各维度评估结果、各维度指标集以及贷款个体的用户行为数据建立信用评分模型,信用评分模型的建立采用AHP层次分析法和规则评分模型建立,建立涵盖两层维度的综合信用评估体系,底层为贷款个体基本属性、资产及负债评估、还款意愿评估、用户行为评估四大维度对应的二级指标集,各维度依据各维度指标集分别建立分维度信用评估模型;分维度计算所得信用评估分值作为一级指标集并结合各维度的权值建立上层评估模型,计算贷款个体综合信用评估。
需要说明的是,随着资本市场快速发展及现代信息技术的广泛应用,资本市场迎来黄金发展期,然而企业的快速发展仍然存在诸多堵点。一是企业业务场景多,统筹管理困难。基于企业多法人、多牌照的金融业务场景,目前各版块数据仍然无法实现互联互通和数据共享,无法实现数据的统筹管理和数据可视化分析。二是企业各业务板块独立容易形成数据孤岛。企业各子公司客户管理相互独立,无法及时有效识别关联业务和关联风险,业务审批进度及实时获取业务数据存在难点。三是企业缺乏一套低风险的风控体系。基于企业风险防控角度出发,缺乏大数据和企业历史数据等的支撑应用,缺乏企业层面的集中统一的风控体系建设。四是信息不对称企业无法达到内部业务行为标准化。基于业务尽职调查行为规范考虑,由于目前部分企业财务失真和信息不对称等存在,尽调环节质量难以有效保证,缺乏相对标准的尽调***作为业务支撑。
从企业实际业务角度出发,搭建统一的进件***与尽调***。统一的进件***实现客户的一如多出,增强客户使用体验的同时,提升企业业务的处理效率。建立标准化尽调体系,搭建基于企业不同业务板块的调查标准。
基于不同业务板块特点的审批流,构建独立的业务处理***,实现各经营板块及业务链条全覆盖,进一步提升业务管理信息化水平。
构建基础支撑***,覆盖金融科技能力、数据处理能力、统筹管理能力等,为上层应用提供良好的支撑。金融科技能力方面借助大数据,建立企业风控体系基础。依托该平台建设相关数据分析加工模型。统筹管理方面,结合金控企业特点和各业务板块的业务特色,定制开发企业层面的数字化管理驾驶舱,通过丰富的指标体系搭建,实时的监控业务动态,将企业数据形象化、直观化、具体化。
本说明书实施例的技术方案:
业务流程
1)建立企业信息库。利用政务数据共享平台将辖区内企业的基本信息、经营信息,信用信息等进行归集,当企业登录***后,可以自行补充和完善数据参数,最终形成企业数据库,用于后续企业内业务管理。
2)构建企业画像。根据业务需求运用大数据技术和知识图谱技术对企业进行精准画像。一次完整的企业画像构建过程为:数据收集、数据清洗、数据建模、构建画像。企业画像的关键是输出标签,从数据仓库的原始数据进行统计分析,得到事实标签,再进行业务建模分析,得到模型标签,再进行模型预测,得到预测标签。根据业务要求确认采用聚类分析方法进行企业画像建模,最终输出企业画像标签包括企业自有标签、企业画像建模后模型标签、最终预测标签三个类别,经筛选条件所得字段全部进入后续数据建模流程。
3)业务管理。客户申请金控后,基于不同业务板块特点的审批流,构建独立的业务处理***,实现各经营板块及业务链条全覆盖,进一步提升业务管理信息化水平。
4)风险分析。借助大数据,建立企业统一风控体系。通过与大数据局的有效对接,搭建风控决策引擎平台,依托该平台建设相关数据分析加工模型。模型体系的建立能客观、准确的形成客户的风险筛查报告,分别应用于贷前审核、贷中风控和贷后监控,赋能各版块业务的辅助决策。
本说明书实施例的具体实施方案
1.营销***
营销***为用户的产品申请界面,实现客户的产品申请、订单查看、线上签约、消息提醒等功能。帮助客户实现金融产品的线上申请。
客户进件渠道为微信端、PC端,也可对接第三方平台,实现营销入口的扩展。
2.尽调***
尽调***部署于Pad端,方便线下尽调。填写客户尽职调查环节的基本信息及底层资产等信息,也可以直接使用PC端进行信息填写操作操作,实现尽调环节的信息化、无纸化、标准化,降低人工成本,提升工作效率,此处可直接进行信息回填,无需重复操作。
客户经理通过内置的尽调模板,完成对客户的经营情况、财务数据、社会信誉度等信息的收集与确认。尽调界面部分采用选择的方式,方便提升业务经理的工作效率。
尽调界面分为固定信息界面与现场调查信息界面。固定信息界面主要针对客户的较为固定信息,比如营业执照图片、法人身份证图片、注册信息等,由***根据第三方信息及客户库对固定信息进行预填写,由客户经理进行核实。***会自动识别判断相关证件有效期间,对超过有效期的证件,提醒业务经理进行修改。
业务经理针对固定信息界面完成核实修改、确认后,点击进行现场调查信息界面。
对于财务数据等关键信息,完成现场尽调后,***会自动生成财务数据检验界面。方便业务经理对关键信息进行核验。
通过对接第三方数据,以及对客户数据的分析,形成风险报告。报告展示客户的基本信息、征信信息、风险信息等内容,同时利用大数据分析技术,对客户的信用情况进行评级,帮助业务经理对客户的信用情况做出充分判断。
3.业务***
通过营销***的客户产品申请,以列表的形式展示,重点展示客户业务的申请信息,方便***的管理查看。通过点击资料审核,可以调用网络第三方数据,查看除融资申请信息之外的客户基本信息,使得业务人员对客户有一个初步的判断。此外,可以调用第三方数据形成客户的信用风险评价报告,使业务人员对客户的征信风险情况产生初步判断。
对于通过初审的业务申请,点击同意,即可进入尽调程序。前期业务申请产生的数据也会同步给尽调***,减轻尽调业务经理的工作量。
平台根据用户授权申请形成信用报告,给出相应的分析依据、结论及建议供金融机构参考。
通过信用报告评估客户的欺诈风险和信用风险,剔除欺诈客户和信用风险较高的客户。根据客户的信用风险水平生成企业预审风险评价报告;将生成的企业预审风险评价报告通过平台页面与结构化数据的形式进行展示。
对经办人员提交的业务资料(尽调报告等)进行复审和调查,核实调查报告相关内容,指出业务办理过程中可能产生的风险,提出办理意见,报公司风控部审核。
完成业务审批流程,由***根据预制模板生成合同,并发送到客户申请端完成线上签署。***对接第三方软件(章管家、电子签章***等)进行对接,将生成的合同材料发至客户端,由客户签署及公司签章后,完成合同线上签署,并进行***备案。
线下签署的合同,支持以图像或文件的形式上传,作为留档备案。
4.风控***
风控***是为业务提供金融科技能力支撑的核心模块,通过大数据建模技术,构建覆盖业务全流程的模型支撑能力,包括风险准入、标签反欺诈、信用评分模型、额度测算模型、贷后风险预警、风险评价报告等。
4.1风险准入
针对产品构建融合打分法、同业对标五分位法、数值区间法、分类法等评估方法,针对细分客气做针对性的准入模型,并对客群经营环境、管理素质、业务与经营、风险管理等几大一级指标进行细分到三级指标,通过不同的评分方式构建准入模型。
4.1.1黑名单筛查
黑名单筛查数据主要来源于严重违法失信、严重税收违法的个体工商户经营者及小微企业主。黑名单筛查过程中对负面信息进行整合,并考虑权重高低和影响因子,按照不同的规则应用于申请人、共同借款人(配偶)、家庭成员、个体,对于触发黑名单的人群实行一票否决。
4.1.2政策条件准入模型
根据金融机构的自身风险定位设立准入规则,即对申请个人/个体资质的准入条件,通过政策性准入规则帮助金融机构筛选出符合标准的目标群体。
准入模型基于规则项的判断,通过特定条件审核客户是否符合准入资格。根据大数据以及金融风控业务要求建立申请的准入模型,用以评价受控个人是否满足规定的申请条件,该准入模型主要基于规则的方法通过特定条件审核个体是否符合准入资格,准入指标的设定可以根据管理部门的需求不断迭代增加,后期伴随数据的不断扩充以及维度不断丰富也可引入机器学习中监督学习或半监督学习的方法判断该准入特征是否该加入。
4.1.3准入风险评分模型
准入风险评分主要针对负面清单数据即用户已发生的事实风险数据以及失业、社保公积金断缴、婚姻状况变化、工伤等可能造成风险发生的非事实风险数据该两大类数据建立。当缺少客户存量数据或存量数据较少时,采用AHP评分或规则评分方法建立准入风险规则评分模型,主要通过抽取准入风险评估指标、指标取值分档、指标分档赋分、指标赋权、风险分计算等流程实现。首先,针对风险数据抽取相应的风险指标,例如近一年内发生违法违纪总次数、近六个月交通违法记分分值、近六个月发生交通事故总次数、税务处罚金额、贷款逾期笔数、是否离婚、是否失业、劳动合同终止时间等,风险指标的抽取需要在充分调研风险准入政策、产品准入条件基础之上形成,充分保障风险指标有效性;针对抽取指标确定指标分档并为各指标分档赋分,缺少存量数据时需结合建设方积累数据及建模人员业务经验结合业务政策进行指标分档以及分档分的赋值。
准入风险规则评分模型建立之后需要根据数据的不断扩充对指标分档、分档赋分进行验证与调优;伴随数据的积累,可以抽取客户训练样例,基于A级纳税人、红名单、内部评级A级抽取客户正面训练样本,基于失信被执行、纳税评级D级、授信评级D级数据抽取客户负面训练样本,采用逻辑回归、集成学习等有监督的学习方式建立准入风险机器学习评估模型;通过机器学习模型对规则评分模型进行交叉验证,或制定融合策略对两类模型进行融合建模,充分保障线上准入模型预判效果。准入风险评分模型预判客户风险分,为客户制定风险阈值,当客户触发准入风险阈值时,线上流程将会对该客户进行准入拦截,拒绝其申请要求。
4.2标签反欺诈
反欺诈检测是金融风控中的重要环节之一,平台采用基于关系图谱的反欺诈检测方法来进行反欺诈检测,挖掘平台覆盖的多源数据中的错综复杂的关联关系建立关系图谱,基于关系图谱运用图算法、图嵌入技术抽取用户图特征,运用机器学习中有监督、无监督、半监督的机器学习方法以及社区检测、标签传播等算法进行反欺诈检测建模,预测用户的反欺诈概率。在建设过程中先建立黑名单标签库、关系图谱,并基于黑名单库及关系图谱的用户进行反欺诈检测。
4.3信用评分模型
平台在客户分层、客户资产及负债评估、还款意愿评估基础之上结合各维度评估结果、各维度指标集以及贷款个体在平台的用户行为数据建立综合信用评估模型。综合信用评估模型的建立主要采用AHP和规则评分模型建立,建立涵盖两层维度的综合信用评估体系,底层为贷款个体基本属性、资产及负债评估、还款意愿评估、用户行为评估四大维度对应的二级指标集,各维度依据各维度指标集分别建立分维度信用评估模型;再此基础之上,分维度计算所得信用评估分值作为一级指标集并结合各维度的权值建立上层评估模型,计算贷款个体综合信用评估。各细分模型的建立从各个分维度对贷款个体进行信用评估,能够对贷款个体进行多维度、多角度的信用分析,且对数据具有适配性,可以根据数据的不断扩充以细分模型的形式建立已汇聚数据的细分模型,待新数据汇聚之后建立新数据的细分模型,以灵活组件配置的形式灵活融入综合信用评估模型当中,也充分保障了信用评估模型的评估效果。
信用评估计算贷款个体信用评分之后,通过选择特定分数作为信用等级的划分标准将个体信用评分结果划分到A、B、C、D、E五个等级或者十个等级当中,进行个体信用等级的划分,并通过等级间分数差异最大化函数、履约率递增检验、对标校准等方法对个体信用评级结果进行调整和校准,最终形成符合业务需求的个体信用评级模型。
通过信用评估模型可以预测出贷款个体放款后的违约风险,从而使得机构能够结合风险偏好、通过率等业务指标,制定灵活的处理策略;同时协助管理人员快速判断潜在客户的违约风险,避免无价值的获客成本开支。
4.4贷后风险预警
4.4.1实时风险预警
贷款个体任何风险情况的发生都会导致其逾期风险的发生,针对贷款个体平台会进行实时风险监测,通过对贷款个体的财务因素与非财务因素进监测、分析、判别的基础上发出警告的的职能。
4.4.2存量风险预警
贷款个体实时风险的监测是针对贷款个体财务或非财务因素进行的实时风险监测,伴随贷款个体数据的变化、风险的修复贷款个体实时监测的风险也随即消失,预警信号也随即暂停,贷款个体往往暂时风险已经修复不会导致其逾期但有些财务或非财务风险因素的发生会造成其潜在的或二次的逾期风险,针对该情况平台根据贷款个体汇聚的三方风险存量数据、贷款个体在平台上的用户行为数据以及所有记录的历史风险事件采用有监督、半监督的机器学习算法建立存量风险预判模型,通过指标抽取形成风险监测指标,通过特征预处理、特征筛选、模型参数寻优、模型验证调优等流程训练存量风险预判模型,并通过定期对全量贷款客户的三方数据进行跑批,定期迭代更新存量风险预判模型。
5.统筹分析
结合金控企业特点和各业务板块的业务特色,定制开发企业及产业单位层面的数字化管理驾驶舱,通过丰富的指标体系搭建,实时的监控业务动态,将数据形象化、直观化、具体化。
6.客户***
客户库是以单一客户为维度,通过外部大数据及投放情况对客户进行多维分析和管理,可以查看客户全链路投放关联情况,实现客户分层管理。
对于已经申请业务的用户,展示所有申请贷款的客户数据及客户画像。客户画像是通过调用画像模型对客户进行多维判定和描绘,点击详情页后,将展示客户所申请的贷款所有详细业务字段。
需要说明的是,本说明书实施例具备管理可视化、数据基础智慧化、营销***数据化、业务管理信息化、尽调流程标准化、风险监控自动化等特征,实现各经营板块及业务链条全覆盖,进一步提升金控企业业务管理信息化水平,有效提升风险防控能力,降低运营成本等。
图2为本说明书一个或多个实施例提供的一种企业业务管理装置的结构示意图,所述装置包括:信息库建立单元202、画像构建单元204、业务处理模块构建单元206与风险分析单元208。
信息库建立单元202,根据企业的相关信息建立所述企业的信息库;
画像构建单元204,根据所述企业的业务与所述企业的信息库构建所述企业的画像;
业务处理模块构建单元206,将所述企业的画像,结合所述企业的业务的审批流程和需求,构建业务处理模块,以对所述企业的各经营板块及业务链业务处理全覆盖;
风险分析单元208,通过预先通过大数据构建的风险分析模块对所述企业的各经营板块及业务链业务处理进行风险分析。
图3为本说明书一个或多个实施例提供的一种企业业务管理设备的结构示意图,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
根据企业的相关信息建立所述企业的信息库;
根据所述企业的业务与所述企业的信息库构建所述企业的画像;
将所述企业的画像,结合所述企业的业务的审批流程和需求,构建业务处理模块,以对所述企业的各经营板块及业务链业务处理全覆盖;
通过预先通过大数据构建的风险分析模块对所述企业的各经营板块及业务链业务处理进行风险分析。
本说明书一个或多个实施例提供的一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令被计算机执行时能够实现:
根据企业的相关信息建立所述企业的信息库;
根据所述企业的业务与所述企业的信息库构建所述企业的画像;
将所述企业的画像,结合所述企业的业务的审批流程和需求,构建业务处理模块,以对所述企业的各经营板块及业务链业务处理全覆盖;
通过预先通过大数据构建的风险分析模块对所述企业的各经营板块及业务链业务处理进行风险分析。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种企业业务管理方法,其特征在于,所述方法包括:
根据企业的相关信息建立所述企业的信息库;
根据所述企业的业务与所述企业的信息库构建所述企业的画像;
将所述企业的画像,结合所述企业的业务的审批流程和需求,构建业务处理模块,以对所述企业的各经营板块及业务链业务处理全覆盖;
通过预先通过大数据构建的风险分析模块对所述企业的各经营板块及业务链业务处理进行风险分析。
2.根据权利要求1所述的方法,其特征在于,所述根据企业的相关信息建立所述企业的信息库,包括:
根据预先设定的政务数据共享平台获取所述企业的身份信息、经营信息、信用信息,并在所述企业登录所述政务数据共享平台后,向所述政务数据共享平台补充相应的企业信息,形成所述企业的信息库。
3.根据权利要求1所述的方法,其特征在于,所述根据所述企业的业务与所述企业的信息库构建所述企业的画像,包括:
对所述企业的信息库进行统计分析,得到企业信息标签;
对所述企业的业务进行业务建模分析,得到业务模型标签;
根据所述企业信息标签与所述业务模型标签构建所述企业的画像。
4.根据权利要求1所述的方法,其特征在于,所述对所述企业的各经营板块及业务链业务处理进行风险分析,包括:
对所述企业的各经营板块及业务链业务处理进行风险准入、标签反欺诈、信用评分模型建立、额度测算模型建立、贷后风险预警与风险评价报告,所述风险准入包括黑名单筛查、政策条件准入判断与准入风险评分。
5.根据权利要求4所述的方法,其特征在于,所述政策条件准入判断为政策条件准入模型根据金融机构的自身风险定位设立准入规则,所述准入规则用于对申请个人/个体资质的准入条件,通过政策性准入规则帮助金融机构筛选出符合标准的目标群体;其中,
所述政策条件准入模型基于规则项的判断,通过特定条件审核客户是否符合准入资格,根据大数据以及金融风控业务要求建立申请的准入模型,用以评价受控个人是否满足规定的申请条件。
6.根据权利要求4所述的方法,其特征在于,所述标签反欺诈基于关系图谱的反欺诈检测方式进行反欺诈检测,挖掘多源数据中的关联关系,并根据所述多源数据中的关联关系建立关系图谱,基于所述关系图谱运用图算法、图嵌入技术抽取用户图特征,运用机器学习中有监督、无监督、半监督的机器学习算法进行反欺诈检测建模,预测用户的反欺诈概率。
7.根据权利要求4所述的方法,其特征在于,所述信用评分模型建立,包括:
根据客户分层、客户资产及负债评估、还款意愿评估、各维度评估结果、各维度指标集以及贷款个体的用户行为数据建立信用评分模型,信用评分模型的建立采用AHP层次分析法和规则评分模型建立,建立涵盖两层维度的综合信用评估体系,底层为贷款个体基本属性、资产及负债评估、还款意愿评估、用户行为评估四大维度对应的二级指标集,各维度依据各维度指标集分别建立分维度信用评估模型;分维度计算所得信用评估分值作为一级指标集并结合各维度的权值建立上层评估模型,计算贷款个体综合信用评估。
8.一种企业业务管理装置,其特征在于,所述装置包括:
信息库建立单元,根据企业的相关信息建立所述企业的信息库;
画像构建单元,根据所述企业的业务与所述企业的信息库构建所述企业的画像;
业务处理模块构建单元,将所述企业的画像,结合所述企业的业务的审批流程和需求,构建业务处理模块,以对所述企业的各经营板块及业务链业务处理全覆盖;
风险分析单元,通过预先通过大数据构建的风险分析模块对所述企业的各经营板块及业务链业务处理进行风险分析。
9.一种企业业务管理设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
根据企业的相关信息建立所述企业的信息库;
根据所述企业的业务与所述企业的信息库构建所述企业的画像;
将所述企业的画像,结合所述企业的业务的审批流程和需求,构建业务处理模块,以对所述企业的各经营板块及业务链业务处理全覆盖;
通过预先通过大数据构建的风险分析模块对所述企业的各经营板块及业务链业务处理进行风险分析。
10.一种非易失性计算机存储介质,其特征在于,存储有计算机可执行指令,所述计算机可执行指令被计算机执行时能够实现:
根据企业的相关信息建立所述企业的信息库;
根据所述企业的业务与所述企业的信息库构建所述企业的画像;
将所述企业的画像,结合所述企业的业务的审批流程和需求,构建业务处理模块,以对所述企业的各经营板块及业务链业务处理全覆盖;
通过预先通过大数据构建的风险分析模块对所述企业的各经营板块及业务链业务处理进行风险分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310590180.2A CN116777140A (zh) | 2023-05-22 | 2023-05-22 | 一种企业业务管理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310590180.2A CN116777140A (zh) | 2023-05-22 | 2023-05-22 | 一种企业业务管理方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116777140A true CN116777140A (zh) | 2023-09-19 |
Family
ID=87986978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310590180.2A Pending CN116777140A (zh) | 2023-05-22 | 2023-05-22 | 一种企业业务管理方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116777140A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117314163A (zh) * | 2023-09-27 | 2023-12-29 | 吉贝克信息技术(北京)有限公司 | 基于大数据的社保数据处理方法及*** |
-
2023
- 2023-05-22 CN CN202310590180.2A patent/CN116777140A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117314163A (zh) * | 2023-09-27 | 2023-12-29 | 吉贝克信息技术(北京)有限公司 | 基于大数据的社保数据处理方法及*** |
CN117314163B (zh) * | 2023-09-27 | 2024-04-12 | 吉贝克信息技术(北京)有限公司 | 基于大数据的社保数据处理方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chan et al. | Innovation and practice of continuous Auditing1 | |
Ibrahim et al. | The convergence of big data and accounting: innovative research opportunities | |
Yekini et al. | Impact of board independence on the quality of community disclosures in annual reports | |
Allen et al. | Auditor risk assessment: Insights from the academic literature | |
Slangen et al. | The impact of institutional hazards on foreign multinational activity: A contingency perspective | |
US20200410583A1 (en) | Financial regulatory compliance platform | |
Shin et al. | Implementation of the continuous auditing system in the ERP‐based environment | |
Kahyaoğlu et al. | Continuous auditing as a strategic tool in public sector internal audit: The Turkish case | |
CN113609193A (zh) | 训练用于预测客户交易行为的预测模型的方法及装置 | |
CN110766462A (zh) | 基于流平台的智能全景客户画像联动方法及*** | |
CN116777140A (zh) | 一种企业业务管理方法、装置、设备及介质 | |
CN113592287A (zh) | 风险评估方法和装置 | |
Perko | Behaviour-based short-term invoice probability of default evaluation | |
CN116703148B (zh) | 基于云计算的矿山企业风险画像方法 | |
Alqudah | Investment Artificial Intelligence in decision-making processes in the Jordanian Ministry of Interior | |
Scherger et al. | DETECTION AND ASSESSMENT OF CAUSES IN BUSINESS DIAGNOSIS. | |
Muzammil et al. | Determinants for the Adoption of Regulatory Technology (RegTech) Services by the Companies in United Arab Emirates: An MCDM Approach. | |
Wang et al. | Configuring the RegTech business model to explore implications of FinTech | |
Hamzah et al. | The governance of tax audit enforcement: indicators on automation incentive, tax avoidance and firm characteristics | |
Idowu et al. | EFFECTOF RISK FACTORS ON TRANSNATIONAL PUBLIC PRIVATE PARTNERSHIP PERFORMANCE TIME: A CASE STUDY OF LAGOS STATE | |
وهدان et al. | Automatic Formulation of the Internal Control Report over Financial Reporting | |
Tserng et al. | Research on the earned value management system applied in consultancy project performance | |
Shi et al. | Modelling integrated risks of overseas power construction project: a case study in Uzbekistan | |
Sugathadasa | Identification and modelling of construction supply chain risk triggers | |
Čandrlić-Dankoš | Implementing a quality management system in the Croatian public administration |
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 |