CN106447490A - 一种基于用户画像的征信应用方法 - Google Patents
一种基于用户画像的征信应用方法 Download PDFInfo
- Publication number
- CN106447490A CN106447490A CN201610850207.7A CN201610850207A CN106447490A CN 106447490 A CN106447490 A CN 106447490A CN 201610850207 A CN201610850207 A CN 201610850207A CN 106447490 A CN106447490 A CN 106447490A
- Authority
- CN
- China
- Prior art keywords
- user
- portrait
- credit
- enterprise
- sample
- 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
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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于用户画像的征信应用方法,结合用户画像数据中的人口属性数据、社交网络数据、行为偏好数据和其他方面数据,将用户所有的标签综合起来,勾勒出该用户的整体特征与轮廓,从用户画像角度对个人消费信贷进行征信管理。
Description
技术领域
本发明涉及一种基于用户画像的征信应用方法,在妥善解决个人信息安全与隐私保护的前提下,以客户为中心的用户画像研究,有利于企业充分利用现有的数据资源,有效实现精准营销和个性化服务,同时在个人征信方面也可实施有益的探索与实践。
背景技术
随着计算机网络技术的不断发展,“数据即资源”的大数据时代已经来临。用户画像是企业实现“数据驱动业务与运营”的重要举措,用户画像与应用大数据技术对客户分类密切相关,是单个客户的众多属性标签的累积;另一方面,在企业涉足的消费金融领域,对用户所进行的个人信用评价,是对用户画像中的用户诸多特征实施再组合与分类的应用过程。
用户画像是个形象的比喻。在大数据技术的帮助下,我们可以了解用户的更多信息,但由于实施成本和隐私保护的限制,这个画像其实不是全息的“照相”或“录像”,是按需设计的,不可能无限细化,即用户“画像”不考虑成本与需求而具有超高“像素”是不现实的。一般而言,用户画像与客户分类密切相关。在大数据分析中对客户群进行分类,如聚类分析、判断逻辑分析等,可以按特征将用户划分为不同的类别;这些多维角度的客户分类,形成了一系列不同的属性标签。对于单个客户,正是这些分类范围的相互交集,即是单个客户身上的众多标签的累积,使得客户形象逐渐丰满,依稀呈现。同时,众多特征的迭加也可视同从量变到质变的“涌突”现象,在标签信息的基础上,可以再从各项特征中重新按需组合,形成相对完整的“大属性”标签,实施进一步的分类。从这个角度来看,用户的个人信用评价,也是用户画像中的诸多特征再组合分类的应用过程。
个人信用评价实质是一个类别识别问题。由于个人征信的基本过程,是将分散于不同来源的局部信息,整合成为可以完整描述消费者信用状况,因此企业的用户画像方法同样适用于个人信用测评。
发明内容
本发明提供一种基于用户画像的征信应用方法,通过该方法将分散于不同来源的局部信息,整合成为可以完整描述消费者信用状况,有利于企业充分利用现有的数据资源,有效实现精准营销和个性化服务,同时在个人征信方面也可实施有益的探索与实践。
为了实现上述目的,本发明采用的技术方案如下。
基于用户画像的征信应用方法,包括以下步骤。
(1)先由企业风险管控部门人员根据企业自身的信用评级标准(层次分析法,简称AHP法)对所有样本进行打分。
(2)根据征信应用的情景需求,将用户画像的量化具体指标进行重新归并与组合。
(3)将所有样本进一步分为两部分,一部分为测试集,样本数占60%;另一部分为检验集,样本数占40%,并让这两个样本集中的可授信和不可授信样本占有相同比率。
(4)以企业传统评级结果为依据,运用监督学习算法中的支持向量机,对测试样本中的用户画像特征进行维度约简,找出关键属性值组合。
(5)按上述得到的用户画像的属性值组合,对检验样本进行分类,并将分类结果与传统的企业AHP法进行对比,符合率达到91.35%,效果基本达标。
与现有技术相比,本发明具有以下有益效果:
用户画像法的可予授信样本数小于企业传统方法的可予授信数,说明该方法授信标准更严,更趋保守,具有较好的稳健性,从中可以发现,运用用户画像的方式进行征信在“薄信息”状态下,具有较高的有效性。当然,在“厚信息”情景中,也具有一定的信息补充功能,综合利用效果更佳。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明,本发明的实施方式包括但不限于下列实施例。
图1为本发明的流程图,以广州速鸿信息科技有限公司企业数据库的银行数据为例,对部分申请贷款的个人用户进行实证分析。首先,选取5000个申请个人贷款的银行用户为样本,运用两种方法进行信用评价,其中,一种方法是银行根据现有的申请人的审核资料进行征信,另一种方法是通过用户画像的方法进行征信,实施流程如下。
1、先由银行风险管控部门人员根据银行自身的信用评级标准(层次分析法,简称AHP法)对所有样本进行打分;指标中个人信息分为:年龄、工作岗位、性别、学历、健康状况等,收入水平分为个人年收入和家庭年收入等,财产情况分为住房、存款、其他资产等,支出情况分为赡养人口、债务负担等,个人信用历史分为违法违纪情况、信用违约记录等,我们以银行最终放贷决定为依据,将样本分为“可予授信”样本和“不予授信”样本两种。(当然,可授信样本中也不能保证以后就不发生呆坏账,一定程度的小额坏账率也是银行业务中的正常现象)。
2、根据征信应用的情景需求,将用户画像的量化具体指标进行重新归并与组合,其中个人信息是否真实中,年龄与行为特征匹配(0,1两档)、手机号与地区符合(0,1两档)、社会交往正常(0,1两档)等,个人经济状况分为终端类别(1-5档)、套餐类型(1-3档)、近期用户ARPU值(1-5档)等,信用状况与环境分为双停时长与频数(1-3档)、社交网络ARPU均值等(1-5档)等。
3、将所有样本进一步分为两部分,一部分为测试集,样本数占60%;另一部分为检验集,样本数占40%,并让这两个样本集中的可授信和不可授信样本占有相同比率。
4、以银行传统评级结果为依据,运用监督学习算法中的支持向量机,对测试样本中的用户画像特征进行维度约简,找出关键属性值组合。在分类过程中,变量多所获得的信息也相对多,其判断正确性也将会比较高。但是变量多,代表着收集样本的成本和时间增加,最好的方法是能以较少的变量,却能获得不错的判断正确性。
5、按上述得手机用户画像的属性值组合,对检验样本进行分类,并将分类结果与传统的银行AHP法进行对比,符合率达到91.35%,效果基本达标。
按照上述实施例,便可很好地实现本发明。
Claims (4)
1.一种基于用户画像的征信应用方法,其特征在于:包括以下步骤:
步骤一、先由企业风险管控部门人员根据自身的信用评级标准(层次分析法,简称AHP法)对所有样本进行打分;
步骤二、根据征信应用的情景需求,将用户画像的量化具体指标进行重新归并与组合;
步骤三、将所有样本进一步分为两部分,一部分为测试集,样本数占60%;另一部分为检验集,样本数占40%,并让这两个样本集中的可授信和不可授信样本占有相同比率;
步骤四、以企业传统评级结果为依据,运用监督学习算法中的支持向量机,对测试样本中的用户画像特征进行维度约简,找出关键属性值组合;
步骤五、按上述得到的用户画像的属性值组合,对检验样本进行分类,并将分类结果与传统的AHP法进行对比,符合率达到91.35%,效果基本达标。
2.如权利要求1所述,在企业涉足的消费金融领域,对用户所进行的个人信用评价,是对用户画像中的诸多特征实施再组合与分类的应用过程。
3.如权利要求1所述,本方法可以通过用户画像较为精准地发现客户类型,成为企业实现“数据驱动业务与运营”的重要助力。
4.如权利要求1所述,以客户为中心的用户画像研究,有利于企业充分利用现有的数据资源,有效实现精准营销和个性化服务,同时在个人征信方面也可实施有益的探索与实践。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610850207.7A CN106447490A (zh) | 2016-09-26 | 2016-09-26 | 一种基于用户画像的征信应用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610850207.7A CN106447490A (zh) | 2016-09-26 | 2016-09-26 | 一种基于用户画像的征信应用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106447490A true CN106447490A (zh) | 2017-02-22 |
Family
ID=58171258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610850207.7A Pending CN106447490A (zh) | 2016-09-26 | 2016-09-26 | 一种基于用户画像的征信应用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106447490A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107784500A (zh) * | 2017-03-14 | 2018-03-09 | 平安科技(深圳)有限公司 | 交易额度控制系统及方法 |
CN108229590A (zh) * | 2018-02-13 | 2018-06-29 | 阿里巴巴集团控股有限公司 | 一种获取多标签用户画像的方法和装置 |
CN108564262A (zh) * | 2018-03-31 | 2018-09-21 | 甘肃万维信息技术有限责任公司 | 基于大数据分析的企业画像大数据模型系统 |
CN108572967A (zh) * | 2017-03-09 | 2018-09-25 | 神州数码系统集成服务有限公司 | 一种创建企业画像的方法及装置 |
CN108876586A (zh) * | 2017-05-11 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 一种征信分确定方法、装置及服务器 |
CN109034994A (zh) * | 2017-06-08 | 2018-12-18 | 上海麦子资产管理有限公司 | 信用评级方法及装置、计算机可读存储介质、终端 |
CN109584048A (zh) * | 2018-11-30 | 2019-04-05 | 上海点融信息科技有限责任公司 | 基于人工智能对申请者进行风险评级的方法和装置 |
CN110334936A (zh) * | 2019-06-28 | 2019-10-15 | 阿里巴巴集团控股有限公司 | 一种信贷资质评分模型的构建方法、装置和设备 |
CN110400208A (zh) * | 2018-04-25 | 2019-11-01 | 上海方付通商务服务有限公司 | 一种小微风险控制模型构建方法及应用方法 |
CN111738778A (zh) * | 2020-07-20 | 2020-10-02 | 平安国际智慧城市科技股份有限公司 | 用户画像生成方法、装置、计算机设备及存储介质 |
CN111858716A (zh) * | 2020-07-24 | 2020-10-30 | 厦门至恒融兴信息技术有限公司 | 海量金融支付数据的自动流程化处理技术 |
CN111861174B (zh) * | 2020-07-09 | 2021-04-13 | 北京睿知图远科技有限公司 | 一种针对用户画像的信用评估方法 |
-
2016
- 2016-09-26 CN CN201610850207.7A patent/CN106447490A/zh active Pending
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108572967A (zh) * | 2017-03-09 | 2018-09-25 | 神州数码系统集成服务有限公司 | 一种创建企业画像的方法及装置 |
CN108572967B (zh) * | 2017-03-09 | 2022-03-15 | 神州数码系统集成服务有限公司 | 一种创建企业画像的方法及装置 |
CN107784500A (zh) * | 2017-03-14 | 2018-03-09 | 平安科技(深圳)有限公司 | 交易额度控制系统及方法 |
CN108876586A (zh) * | 2017-05-11 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 一种征信分确定方法、装置及服务器 |
CN109034994A (zh) * | 2017-06-08 | 2018-12-18 | 上海麦子资产管理有限公司 | 信用评级方法及装置、计算机可读存储介质、终端 |
CN108229590A (zh) * | 2018-02-13 | 2018-06-29 | 阿里巴巴集团控股有限公司 | 一种获取多标签用户画像的方法和装置 |
CN108229590B (zh) * | 2018-02-13 | 2020-05-15 | 阿里巴巴集团控股有限公司 | 一种获取多标签用户画像的方法和装置 |
CN108564262A (zh) * | 2018-03-31 | 2018-09-21 | 甘肃万维信息技术有限责任公司 | 基于大数据分析的企业画像大数据模型系统 |
CN110400208A (zh) * | 2018-04-25 | 2019-11-01 | 上海方付通商务服务有限公司 | 一种小微风险控制模型构建方法及应用方法 |
CN110400208B (zh) * | 2018-04-25 | 2021-03-12 | 上海方付通商务服务有限公司 | 一种小微风险控制模型构建方法及应用方法 |
CN109584048A (zh) * | 2018-11-30 | 2019-04-05 | 上海点融信息科技有限责任公司 | 基于人工智能对申请者进行风险评级的方法和装置 |
CN110334936A (zh) * | 2019-06-28 | 2019-10-15 | 阿里巴巴集团控股有限公司 | 一种信贷资质评分模型的构建方法、装置和设备 |
CN110334936B (zh) * | 2019-06-28 | 2023-09-29 | 创新先进技术有限公司 | 一种信贷资质评分模型的构建方法、装置和设备 |
CN111861174B (zh) * | 2020-07-09 | 2021-04-13 | 北京睿知图远科技有限公司 | 一种针对用户画像的信用评估方法 |
CN111738778A (zh) * | 2020-07-20 | 2020-10-02 | 平安国际智慧城市科技股份有限公司 | 用户画像生成方法、装置、计算机设备及存储介质 |
CN111738778B (zh) * | 2020-07-20 | 2020-12-01 | 平安国际智慧城市科技股份有限公司 | 用户画像生成方法、装置、计算机设备及存储介质 |
CN111858716A (zh) * | 2020-07-24 | 2020-10-30 | 厦门至恒融兴信息技术有限公司 | 海量金融支付数据的自动流程化处理技术 |
CN111858716B (zh) * | 2020-07-24 | 2023-10-13 | 厦门至恒融兴信息技术有限公司 | 海量金融支付数据的自动流程化处理技术 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106447490A (zh) | 一种基于用户画像的征信应用方法 | |
CN110490729B (zh) | 一种基于用户画像模型的金融用户分类方法 | |
Maldonado et al. | Credit scoring using three-way decisions with probabilistic rough sets | |
Wei et al. | Discovering bank risk factors from financial statements based on a new semi‐supervised text mining algorithm | |
Jans et al. | Internal fraud risk reduction: Results of a data mining case study | |
CN103678659A (zh) | 一种基于随机森林算法的电子商务网站欺诈用户识别方法及系统 | |
CN106897930A (zh) | 一种信用评估的方法及装置 | |
Saputri et al. | Internet Banking in Islamic and Conventional Banking: Mapping Research Topics using VOSviewer Bibliometric and Library Research | |
CN111882403A (zh) | 一种基于用户数据的金融服务平台智能推荐方法 | |
WO2022143431A1 (zh) | 一种反洗钱模型的训练方法及装置 | |
Vijaya et al. | Improved churn prediction based on supervised and unsupervised hybrid data mining system | |
Wu et al. | Tedm-pu: A tax evasion detection method based on positive and unlabeled learning | |
Navdeep et al. | Role of big data analytics in analyzing e-Governance projects | |
KR20200054533A (ko) | 재무성향진단을 포함하는 맞춤상품추천 시스템 | |
Mithra et al. | How artificial intelligence is revolutionizing the banking sector: The applications and challenges | |
Shashidhar et al. | Customer segmentation of bank based on data mining–security value based heuristic approach as a replacement to K-means segmentation | |
Ordouei et al. | Integrating data mining and knowledge management to improve customer relationship management in banking industry (Case study of Caspian Credit Institution) | |
Sagić et al. | Intellectual capital and leading information technology trends as components of a modern company development | |
Shi et al. | A model for recognizing key factors and applications thereof to engineering | |
CN109801162A (zh) | 一种社交媒体数据与多标准交叉认证融合的信用评级方法 | |
Windsor | The intellectual ideas inside central banks: what's changed (or not) since the crisis? | |
Suthanthiradevi et al. | Modelling a Behavioral scoring system for lending loans using twitter | |
López-Sánchez et al. | Dynamic detection of radical profiles in social networks using image feature descriptors and a case-based reasoning methodology | |
Zafar | Discrimination in algorithmic decision making: From principles to measures and mechanisms | |
Zhang | Identification of credit risk of personal loan in commercial bank based on SVM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170222 |
|
WD01 | Invention patent application deemed withdrawn after publication |