CN108256993A - 一种信用分评估方法及信用分评估平台 - Google Patents
一种信用分评估方法及信用分评估平台 Download PDFInfo
- Publication number
- CN108256993A CN108256993A CN201711476248.5A CN201711476248A CN108256993A CN 108256993 A CN108256993 A CN 108256993A CN 201711476248 A CN201711476248 A CN 201711476248A CN 108256993 A CN108256993 A CN 108256993A
- Authority
- CN
- China
- Prior art keywords
- index
- user
- credit
- data
- under
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 18
- 238000013210 evaluation model Methods 0.000 claims abstract description 43
- 230000003542 behavioural effect Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 12
- 238000012512 characterization method Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 230000006399 behavior Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 230000005055 memory storage Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 7
- 241001269238 Data Species 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 230000011664 signaling Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- -1 5 points) Chemical compound 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- SBNFWQZLDJGRLK-UHFFFAOYSA-N phenothrin Chemical compound CC1(C)C(C=C(C)C)C1C(=O)OCC1=CC=CC(OC=2C=CC=CC=2)=C1 SBNFWQZLDJGRLK-UHFFFAOYSA-N 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training 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
- 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)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种信用分评估方法及信用分评估平台，包括：采集不同用户在预设每个第一指标下的运营商数据，以及在预设每个第二指标下的行业数据；针对每一个行业，均执行：获取当前行业对应的至少一个样本数据；根据所述至少一个样本数据、所述运营商数据以及所述行业数据，从各个所述第一指标和各个所述第二指标中筛选出关联所述当前行业的至少一个可用指标，并计算每一个所述可用指标对应的权重值；根据所述至少一个可用指标以及对应的所述权重值，建立所述当前行业的信用评估模型；针对每一个所述用户，将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在所述当前行业下的信用分。本方案能够评估用户在不同行业下的信用。
Description
技术领域
本发明涉及计算机技术领域，特别涉及一种信用分评估方法及信用分评估平台。
背景技术
随着中国经济的快速增长，市场对征信系统提出了迫切需求，征信已成为市场近期的热点行业。如何创建一个诚实守信的社会氛围，越来越受到政府、商行以及互联网金融企业的关注。
现有的个人征信信息主要是以央行的征信系统数据为基础，具体的，当用户在银行开卡后，银行会将该用户持卡后的一些交易数据上传至央行的征信系统，然后由该征信系统反应用户的征信信息。然而，现有的这种方式只是依靠用户在持卡后的银行交易数据来反映用户的征信信息，而无法评估用户在不同行业下的信用。
发明内容
本发明实施例提供了一种信用分评估方法及信用分评估平台，能够评估用户在不同行业下的信用。
第一方面，本发明实施例提供了一种信用分评估方法，包括：采集不同用户在预设每个第一指标下的运营商数据，以及在预设每个第二指标下的行业数据；
针对每一个行业，均执行：
获取当前行业对应的至少一个样本数据；
根据所述至少一个样本数据、所述运营商数据以及所述行业数据，从各个所述第一指标和各个所述第二指标中筛选出关联所述当前行业的至少一个可用指标，并计算每一个所述可用指标对应的权重值；
根据所述至少一个可用指标以及对应的所述权重值，建立所述当前行业的信用评估模型；
针对每一个所述用户，将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在所述当前行业下的信用分。
优选地，
在所述从各个所述第一指标和各个所述第二指标中筛选出关联所述当前行业的至少一个可用指标之后，且在所述根据所述至少一个可用指标以及对应的所述权重值，建立所述当前行业的信用评估模型之前，进一步包括：
设置对应所述当前行业的至少两个评估维度；
将每一个所述可用指标划分在相应的所述评估维度下；
所述根据所述至少一个可用指标以及对应的所述权重值，建立所述当前行业的信用评估模型，包括：
根据所述至少两个评估维度、划分至每一个所述评估维度下的所述可用指标以及每一个所述可用指标对应的所述权重值，建立所述当前行业的信用评估模型；
所述将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在所述当前行业下的信用分，包括：
将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在对应所述当前行业的每一个所述评估维度下的信用分，以及得到所述用户在所述当前行业下的信用分。
优选地，
所述将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在所述当前行业下的信用分，包括：
将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在每一个所述可用指标下的得分值；
根据公式一，计算所述用户在所述当前行业下的信用分；所述公式一为：
其中，Y表征所述用户在所述当前行业下的信用分；R表征预设最大信用分基准值；T表征预设最小信用分基准值；Xi表征所述用户在标识为i的所述可用指标下的得分值；n表征所述可用指标的个数。
优选地，
当所述行业为运营商内部或者互联网行业时，
所述至少两个评估维度，包括：身份特征、社交关系、履约历史、行为特征以及消费能力；
划分至所述身份特征的所述可用指标，包括：年龄、性别、品牌、星级、是否校园用户、是否资料完整、在网时长以及吉祥号码等级中的任意一种或多种；
划分至所述社交关系的所述可用指标，包括：是否有集团网、集团网影响度、联系人稳定性、短信联系人数量以及家庭网通话稳定性中的任意一种或多种；
划分至所述履约历史的所述可用指标，包括：欠费停机次数、违约次数以及违约样本库中的任意一种或多种；
划分至所述行为特征的所述可用指标，包括：通信稳定性、接收银行短信稳定性、支付宝使用稳定性、银行APP使用稳定性、微信使用稳定性以及互联网行为偏好中的任意一种或多种；
划分至所述消费能力的所述可用指标，包括：月均消费总额值、是否有稳定的工资发放日、是否有稳定的信用卡还款日以及终端偏好中的任意一种或多种。
第二方面，本发明实施例提供了一种信用分评估平台，包括：
数据采集单元、样本获取单元、指标筛选单元、模型建立单元以及信用分计算单元，其中，
所述数据采集单元，用于采集不同用户在预设每个第一指标下的运营商数据，以及在预设每个第二指标下的行业数据；
所述样本获取单元，用于针对每一个行业，获取当前行业对应的至少一个样本数据；
所述指标筛选单元，用于根据所述至少一个样本数据、所述运营商数据以及所述行业数据，从各个所述第一指标和各个所述第二指标中筛选出关联所述当前行业的至少一个可用指标，并计算每一个所述可用指标对应的权重值；
所述模型建立单元，用于根据所述至少一个可用指标以及对应的所述权重值，建立所述当前行业的信用评估模型；
所述信用分计算单元，用于针对每一个所述用户，将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在所述当前行业下的信用分。
优选地，
进一步包括：维度设置单元；
所述维度设置单元，用于在所述指标筛选单元筛选出关联所述当前行业的至少一个可用指标之后且在所述模型建立单元建立信用评估模型之前，设置对应所述当前行业的至少两个评估维度；将每一个所述可用指标划分在相应的所述评估维度下；
所述模型建立单元，用于根据所述至少两个评估维度、划分至每一个所述评估维度下的所述可用指标以及每一个所述可用指标对应的所述权重值，建立所述当前行业的信用评估模型；
所述信用分计算单元，用于将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在对应所述当前行业的每一个所述评估维度下的信用分，以及得到所述用户在所述当前行业下的信用分。
优选地，
所述信用分计算单元，用于将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在每一个所述可用指标下的得分值；
根据公式一，计算所述用户在所述当前行业下的信用分；所述公式一为：
其中，Y表征所述用户在所述当前行业下的信用分；R表征预设最大信用分基准值；T表征预设最小信用分基准值；Xi表征所述用户在标识为i的所述可用指标下的得分值；n表征所述可用指标的个数。
优选地，
当所述行业为运营商内部或者互联网行业时，
所述至少两个评估维度，包括：身份特征、社交关系、履约历史、行为特征以及消费能力；
划分至所述身份特征的所述可用指标，包括：年龄、性别、品牌、星级、是否校园用户、是否资料完整、在网时长以及吉祥号码等级中的任意一种或多种；
划分至所述社交关系的所述可用指标，包括：是否有集团网、集团网影响度、联系人稳定性、短信联系人数量以及家庭网通话稳定性中的任意一种或多种；
划分至所述履约历史的所述可用指标，包括：欠费停机次数、违约次数以及违约样本库中的任意一种或多种；
划分至所述行为特征的所述可用指标，包括：通信稳定性、接收银行短信稳定性、支付宝使用稳定性、银行APP使用稳定性、微信使用稳定性以及互联网行为偏好中的任意一种或多种；
划分至所述消费能力的所述可用指标，包括：月均消费总额值、是否有稳定的工资发放日、是否有稳定的信用卡还款日以及终端偏好中的任意一种或多种。
第三方面，本发明实施例提供了一种计算机可读介质，包括计算机执行指令，当存储控制器的处理器执行所述计算机执行指令时，所述存储控制器执行上述任一实施例所述的方法。
第四方面，本发明实施例提供了一种存储控制器，包括：处理器、存储器和总线；
所述存储器用于存储计算机执行指令，所述处理器与所述存储器通过所述总线连接，当所述存储控制器运行时，所述处理器执行所述存储器存储的所述计算机执行指令，以使所述存储控制器执行上述任一实施例所述的方法。
本发明实施例提供了一种信用分评估方法及信用分评估平台，首先会采集不同用户在预设每个第一指标下的运营商数据(包括但不限于信令监测数据、经营数据、投诉数据以及位置数据)，以及在预设每个第二指标下的行业数据(包括但不限于社保数据、公积金数据)，然后针对每一个行业，则会获取当前行业下的至少一个样本数据(如某某信用良好)，那么接下来，则会根据这些样本数据以及采集到的运营商数据、行业数据，从预设的所有第一标和预设的所有第二指标中筛选出与评估当前行业有关联的至少一个可用指标，以及在计算出每一个可用指标对应的权重值后，就可建立当前行业下的信用评估模型，最终将针对每一个用户采集到的相关数据代入至该信用评估模型下，即可得到该用户在当前行业下的信用分。通过采集众多能够用来估用户信用的运营商数据和行业数据，基于此实现了对用户在不同行业下的信用评估。
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是本发明一个实施例提供的一种信用分评估方法的流程图；
图2是本发明另一个实施例提供的一种信用分评估方法的流程图；
图3是本发明一个实施例提供的一种信用分评估平台的结构示意图；
图4是本发明另一个实施例提供的一种信用分评估平台的结构示意图。
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、完整地描述，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做出创造性劳动的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。
如图1所示，本发明实施例提供了一种信用分评估方法，该方法可以包括以下步骤：
步骤101：采集不同用户在预设每个第一指标下的运营商数据，以及在预设每个第二指标下的行业数据。
步骤102：针对每一个行业，获取当前行业对应的至少一个样本数据。
步骤103：根据所述至少一个样本数据、所述运营商数据以及所述行业数据，从各个所述第一指标和各个所述第二指标中筛选出关联所述当前行业的至少一个可用指标，并计算每一个所述可用指标对应的权重值。
步骤104：根据所述至少一个可用指标以及对应的所述权重值，建立所述当前行业的信用评估模型。
步骤105：针对每一个所述用户，将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在所述当前行业下的信用分。
本发明实施例提供了一种信用分评估方法，首先会采集不同用户在预设每个第一指标下的运营商数据(包括但不限于信令监测数据、经营数据、投诉数据以及位置数据)，以及在预设每个第二指标下的行业数据(包括但不限于社保数据、公积金数据)，然后针对每一个行业，则会获取当前行业下的至少一个样本数据(如某某信用良好)，那么接下来，则会根据这些样本数据以及采集到的运营商数据、行业数据，从预设的所有第一标和预设的所有第二指标中筛选出与评估当前行业有关联的至少一个可用指标，以及在计算出每一个可用指标对应的权重值后，就可建立当前行业下的信用评估模型，最终将针对每一个用户采集到的相关数据代入至该信用评估模型下，即可得到该用户在当前行业下的信用分。通过采集众多能够用来估用户信用的运营商数据和行业数据，基于此实现了对用户在不同行业下的信用评估。
在本发明一个实施例中，在所述步骤103之后，且在所述步骤104之前，可进一步包括：设置对应所述当前行业的至少两个评估维度；将每一个所述可用指标划分在相应的所述评估维度下；
所述步骤104的具体实施方式，可包括：根据所述至少两个评估维度、划分至每一个所述评估维度下的所述可用指标以及每一个所述可用指标对应的所述权重值，建立所述当前行业的信用评估模型；
所述步骤105的具体实施方式，可包括：将采集的所述用户在每一个所述可用指标下的数据代入所述信用分评估模型，得到所述用户在对应所述当前行业的每一个所述评估维度下的信用分，以及得到所述用户在所述当前行业下的信用分。
例如，当前行业可以是银行、保险、证券、运营商内部、互联网行业以及政府行业等其中的任意一种。
以当前行业为银行为例，可设置还款意愿、还款能力以及还款风险三个评估维度，当筛选出若干个可用指标后，可将每一个可用指标划分在相应的评估维度下，这样，当计算某一用户在银行下的信用分时，还可计算出该用户在银行的每一个评估维度下的信用分，那么当将该用户在每一个评估维度下的信用分以及在银行下的信用分(也即各个评估维度下的信用分之和)提供给银行后，银行能够更加直观的了解该用户的信用情况，然后选择是否为该用户提供相应的借贷款等服务。
在本发明一个实施例中，所述步骤105的具体实施方式，可包括：
将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在每一个所述可用指标下的得分值；
根据公式一，计算所述用户在所述当前行业下的信用分；所述公式一为：
其中，Y表征所述用户在所述当前行业下的信用分；R表征预设最大信用分基准值；T表征预设最小信用分基准值；Xi表征所述用户在标识为i的所述可用指标下的得分值；n表征所述可用指标的个数。
举例来说，可用指标a为是否有稳定的工资发放日，其对应的权重值为 5％，假设建立的相应信用评估模型中，当有稳定的工资发放日时，得满分(也即5分)，当没有稳定的工资发放日时，得零分，假设针对用户A采集到的可用指标a下的数据为“有稳定的工资发放日”，则首先得到用户A在可用指标a下的得分值为5分，若预设的最大信用分基准值R＝1000分，预设的最小信用分基准值T＝200分，那么针对可用指标a的最终得分值为分，然后累加用户A在各个指标下的最终得分值则为用户A在银行这一行业下的信用分。
在本发明一个实施例中，当所述行业为运营商内部或者互联网行业时，
所述至少两个评估维度，包括：身份特征、社交关系、履约历史、行为特征以及消费能力；
划分至所述身份特征的所述可用指标，包括：年龄、性别、品牌、星级、是否校园用户、是否资料完整、在网时长以及吉祥号码等级中的任意一种或多种；
划分至所述社交关系的所述可用指标，包括：是否有集团网、集团网影响度、联系人稳定性、短信联系人数量以及家庭网通话稳定性中的任意一种或多种；
划分至所述履约历史的所述可用指标，包括：欠费停机次数、违约次数以及违约样本库中的任意一种或多种；
划分至所述行为特征的所述可用指标，包括：通信稳定性、接收银行短信稳定性、支付宝使用稳定性、银行APP使用稳定性、微信使用稳定性以及互联网行为偏好中的任意一种或多种；
划分至所述消费能力的所述可用指标，包括：月均消费总额值、是否有稳定的工资发放日、是否有稳定的信用卡还款日以及终端偏好中的任意一种或多种。
下面将详细说明本发明实施例提供的一种信用分评估方法，如图2所示，该方法可以包括如下步骤：
步骤201：采集不同用户在预设每个第一指标下的运营商数据，以及在预设每个第二指标下的行业数据。
具体的，可预先设置数据共享平台DMP接口、行业数据接口等，针对预设的各个第一指标，可通过DMP接口，从运营商内部的DMP平台上采集相应第一指标下的运营商数据，如运营商数据包括有基础数据(如用户的年龄、身份证号、手机号等等)、账单数据、位置数据(如通过定位确定用户常去的地方)、业务数据(如积分兑换等等)、信令监测数据、经营数据、计费数据、网络性能数据以及投诉数据等等，或者是从运营商的其他系统获取相应第一指标下的运营商数据，如运营商数据包括有业务运营支撑系统(Business& OperationSupport System，BOSS)数据、客户关系管理(Customer Relationship Management，CRM)数据以及ESOP数据等；以及通过行业数据接口接入相应第二指标下的行业数据，如行业数据包括有互联网数据、社保数据、公积金数据、车管所数据等，其中，采集的数据要求包括数据字段明细、数据格式、数据粒度、存储周期，接口要求包括接口分类、接口规范，数据粒度和格式根据行业规范制定。
步骤202：针对每一个行业，获取当前行业对应的至少一个样本数据。
在本发明实施例中，样本数据可以理解为一个样本结果，如一个样本数据为“张三的信用非常好”。其中，样本数据可以是直接以文件方式提供，并利用ftp工具获取后导入应用数据表。
步骤203：根据至少一个样本数据、运营商数据以及行业数据，从各个第一指标和各个第二指标中筛选出关联当前行业的至少一个可用指标，并计算每一个可用指标对应的权重值。
步骤204：设置对应当前行业的至少两个评估维度。
步骤205：将每一个可用指标划分在相应的评估维度下。
步骤206：根据至少两个评估维度、划分至每一个评估维度下的可用指标以及每一个可用指标对应的权重值，建立当前行业的信用评估模型。
具体的，当当前行业为银行、保险、证券以及政府时，可使用Logistic 回归模型进行信用评估模型训练，包括数据预处理、数据标准化、指标变量筛选、模型建立、模型训练、模型检验等过程。
当当前行业为运营商内部、互联网行业时，可使用随机森林进行信用评估模型训练，包括数据预处理、指标体系确定、随机森林建立、模型评价、模型检验等过程。
步骤207：针对每一个用户，将采集的用户在每一个可用指标下的数据代入信用评估模型，得到用户在对应当前行业的每一个评估维度下的信用分，以及得到用户在当前行业下的信用分。
当用户的可用指标出现变动或者是采集到相应可用指标下的近期数据时，可能会会导致信用分的增加或减少，不过最终的信用分可按月进行刷新。
在本发明实施例中，还提供有信用分查询服务，以标准产品、OpenAPI、信用报告等方式，满足多样化需求，具体的，个人用户可以通过手机号登陆运营商掌上营业厅APP或PC网页平台进行个人信用查询(也即在运营商内部、互联网行业下的信用分)，行业客户(如证券、保险等企业)可向其提供的API 接口得到所需用户在相应行业下的信用分，而运营商内部人员可登录网页平台进行查询。
值的说明的是，各个信用评估模型并不是一成不变的，而应该是迭代优化的过程，也即还需不断的实践，不断做出调整，从而使信用评估模拟分析出的结果更具有真实性。
除此之外，本发明实施例还提供指标的维护、指标更新规则、指标生命周期、指标权重调整等功能，实现用户信用的全程跟踪管理，指标管理可根据不同客户需求，实现基于用户信用指标，结合行业客户特征，实现多指标的选取、多维度的选取、指标权重调整、维度权重调整等，快速满足不同行业客户信用评分需求。
如图3所示，本发明实施例提供了一种信用分评估平台，包括：
数据采集单元301、样本获取单元302、指标筛选单元303、模型建立单元304以及信用分计算单元305，其中，
所述数据采集单元301，用于采集不同用户在预设每个第一指标下的运营商数据，以及在预设每个第二指标下的行业数据；
所述样本获取单元302，用于针对每一个行业，获取当前行业对应的至少一个样本数据；
所述指标筛选单元303，用于根据所述至少一个样本数据、所述运营商数据以及所述行业数据，从各个所述第一指标和各个所述第二指标中筛选出关联所述当前行业的至少一个可用指标，并计算每一个所述可用指标对应的权重值；
所述模型建立单元304，用于根据所述至少一个可用指标以及对应的所述权重值，建立所述当前行业的信用评估模型；
所述信用分计算单元305，用于针对每一个所述用户，将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在所述当前行业下的信用分。
如图4所示，在本发明一个实施例中，进一步包括：维度设置单元401；
所述维度设置单元401，用于在所述指标筛选单元303筛选出关联所述当前行业的至少一个可用指标之后且在所述模型建立单元304建立信用评估模型之前，设置对应所述当前行业的至少两个评估维度；将每一个所述可用指标划分在相应的所述评估维度下；
所述模型建立单元304，用于根据所述至少两个评估维度、划分至每一个所述评估维度下的所述可用指标以及每一个所述可用指标对应的所述权重值，建立所述当前行业的信用评估模型；
所述信用分计算单元305，用于将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在对应所述当前行业的每一个所述评估维度下的信用分，以及得到所述用户在所述当前行业下的信用分。
在本发明一个实施例中，所述信用分计算单元，用于将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在每一个所述可用指标下的得分值；
根据公式一，计算所述用户在所述当前行业下的信用分；所述公式一为：
其中，Y表征所述用户在所述当前行业下的信用分；R表征预设最大信用分基准值；T表征预设最小信用分基准值；Xi表征所述用户在标识为i的所述可用指标下的得分值；n表征所述可用指标的个数。
在本发明一个实施例中，当所述行业为运营商内部或者互联网行业时，
所述至少两个评估维度，包括：身份特征、社交关系、履约历史、行为特征以及消费能力；
划分至所述身份特征的所述可用指标，包括：年龄、性别、品牌、星级、是否校园用户、是否资料完整、在网时长以及吉祥号码等级中的任意一种或多种；
划分至所述社交关系的所述可用指标，包括：是否有集团网、集团网影响度、联系人稳定性、短信联系人数量以及家庭网通话稳定性中的任意一种或多种；
划分至所述履约历史的所述可用指标，包括：欠费停机次数、违约次数以及违约样本库中的任意一种或多种；
划分至所述行为特征的所述可用指标，包括：通信稳定性、接收银行短信稳定性、支付宝使用稳定性、银行APP使用稳定性、微信使用稳定性以及互联网行为偏好中的任意一种或多种；
划分至所述消费能力的所述可用指标，包括：月均消费总额值、是否有稳定的工资发放日、是否有稳定的信用卡还款日以及终端偏好中的任意一种或多种。
上述装置内的各单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
本发明实施例提供了一种计算机可读介质，包括计算机执行指令，当存储控制器的处理器执行所述计算机执行指令时，所述存储控制器执行上述任一实施例所述的信用分评估方法。
本发明实施例提供了一种存储控制器，包括：处理器、存储器和总线；
所述存储器用于存储计算机执行指令，所述处理器与所述存储器通过所述总线连接，当所述存储控制器运行时，所述处理器执行所述存储器存储的所述计算机执行指令，以使所述存储控制器执行上述任一实施例所述的信用分评估方法。
综上，本发明各个实施例至少具有如下有益效果：
1、在本发明实施例中，首先会采集不同用户在预设每个第一指标下的运营商数据(包括但不限于信令监测数据、经营数据、投诉数据以及位置数据)，以及在预设每个第二指标下的行业数据(包括但不限于社保数据、公积金数据)，然后针对每一个行业，则会获取当前行业下的至少一个样本数据(如某某信用良好)，那么接下来，则会根据这些样本数据以及采集到的运营商数据、行业数据，从预设的所有第一标和预设的所有第二指标中筛选出与评估当前行业有关联的至少一个可用指标，以及在计算出每一个可用指标对应的权重值后，就可建立当前行业下的信用评估模型，最终将针对每一个用户采集到的相关数据代入至该信用评估模型下，即可得到该用户在当前行业下的信用分。通过采集众多能够用来估用户信用的运营商数据和行业数据，基于此实现了对用户在不同行业下的信用评估。
2、在本发明实施例中，在针对当前行业筛选出至少一个可用指标后，通过设置对应当前行业的至少两个评估维度，以及将不同的可用指标划分在相应的评估维度下，那么最终针对当前行业，可得到用户在每一个评估维度下的信用分，从而能够帮助企业等更好的了解用户的诚信行为。
3、在本发明实施例中，通过以电信运营商用户数据资产为依托，通过对这些大数据的建模和分析能力，全貌提供客户的多维信息，构建信用评估平台，帮助企业更好的了解观察用户的诚信行为，更好的开展经营和分析活动。
需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个······”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后需要说明的是：以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (10)
1.一种信用分评估方法，其特征在于，包括：
采集不同用户在预设每个第一指标下的运营商数据，以及在预设每个第二指标下的行业数据；
针对每一个行业，均执行：
获取当前行业对应的至少一个样本数据；
根据所述至少一个样本数据、所述运营商数据以及所述行业数据，从各个所述第一指标和各个所述第二指标中筛选出关联所述当前行业的至少一个可用指标，并计算每一个所述可用指标对应的权重值；
根据所述至少一个可用指标以及对应的所述权重值，建立所述当前行业的信用评估模型；
针对每一个所述用户，将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在所述当前行业下的信用分。
2.根据权利要求1所述的方法，其特征在于，
在所述从各个所述第一指标和各个所述第二指标中筛选出关联所述当前行业的至少一个可用指标之后，且在所述根据所述至少一个可用指标以及对应的所述权重值，建立所述当前行业的信用评估模型之前，进一步包括：
设置对应所述当前行业的至少两个评估维度；
将每一个所述可用指标划分在相应的所述评估维度下；
所述根据所述至少一个可用指标以及对应的所述权重值，建立所述当前行业的信用评估模型，包括：
根据所述至少两个评估维度、划分至每一个所述评估维度下的所述可用指标以及每一个所述可用指标对应的所述权重值，建立所述当前行业的信用评估模型；
所述将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在所述当前行业下的信用分，包括：
将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在对应所述当前行业的每一个所述评估维度下的信用分，以及得到所述用户在所述当前行业下的信用分。
3.根据权利要求1或2任一所述的方法，其特征在于，
所述将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在所述当前行业下的信用分，包括：
将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在每一个所述可用指标下的得分值；
根据公式一，计算所述用户在所述当前行业下的信用分；所述公式一为：
其中，Y表征所述用户在所述当前行业下的信用分；R表征预设最大信用分基准值；T表征预设最小信用分基准值；Xi表征所述用户在标识为i的所述可用指标下的得分值；n表征所述可用指标的个数。
4.根据权利要求2所述的方法，其特征在于，
当所述行业为运营商内部或者互联网行业时，
所述至少两个评估维度，包括：身份特征、社交关系、履约历史、行为特征以及消费能力；
划分至所述身份特征的所述可用指标，包括：年龄、性别、品牌、星级、是否校园用户、是否资料完整、在网时长以及吉祥号码等级中的任意一种或多种；
划分至所述社交关系的所述可用指标，包括：是否有集团网、集团网影响度、联系人稳定性、短信联系人数量以及家庭网通话稳定性中的任意一种或多种；
划分至所述履约历史的所述可用指标，包括：欠费停机次数、违约次数以及违约样本库中的任意一种或多种；
划分至所述行为特征的所述可用指标，包括：通信稳定性、接收银行短信稳定性、支付宝使用稳定性、银行APP使用稳定性、微信使用稳定性以及互联网行为偏好中的任意一种或多种；
划分至所述消费能力的所述可用指标，包括：月均消费总额值、是否有稳定的工资发放日、是否有稳定的信用卡还款日以及终端偏好中的任意一种或多种。
5.一种信用分评估平台，其特征在于，包括：
数据采集单元、样本获取单元、指标筛选单元、模型建立单元以及信用分计算单元，其中，
所述数据采集单元，用于采集不同用户在预设每个第一指标下的运营商数据，以及在预设每个第二指标下的行业数据；
所述样本获取单元，用于针对每一个行业，获取当前行业对应的至少一个样本数据；
所述指标筛选单元，用于根据所述至少一个样本数据、所述运营商数据以及所述行业数据，从各个所述第一指标和各个所述第二指标中筛选出关联所述当前行业的至少一个可用指标，并计算每一个所述可用指标对应的权重值；
所述模型建立单元，用于根据所述至少一个可用指标以及对应的所述权重值，建立所述当前行业的信用评估模型；
所述信用分计算单元，用于针对每一个所述用户，将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在所述当前行业下的信用分。
6.根据权利要求5所述的平台，其特征在于，
进一步包括：维度设置单元；
所述维度设置单元，用于在所述指标筛选单元筛选出关联所述当前行业的至少一个可用指标之后且在所述模型建立单元建立信用评估模型之前，设置对应所述当前行业的至少两个评估维度；将每一个所述可用指标划分在相应的所述评估维度下；
所述模型建立单元，用于根据所述至少两个评估维度、划分至每一个所述评估维度下的所述可用指标以及每一个所述可用指标对应的所述权重值，建立所述当前行业的信用评估模型；
所述信用分计算单元，用于将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在对应所述当前行业的每一个所述评估维度下的信用分，以及得到所述用户在所述当前行业下的信用分。
7.根据权利要求5或6任一所述的平台，其特征在于，
所述信用分计算单元，用于将采集的所述用户在每一个所述可用指标下的数据代入所述信用评估模型，得到所述用户在每一个所述可用指标下的得分值；
根据公式一，计算所述用户在所述当前行业下的信用分；所述公式一为：
其中，Y表征所述用户在所述当前行业下的信用分；R表征预设最大信用分基准值；T表征预设最小信用分基准值；Xi表征所述用户在标识为i的所述可用指标下的得分值；n表征所述可用指标的个数。
8.根据权利要求6所述的平台，其特征在于，
当所述行业为运营商内部或者互联网行业时，
所述至少两个评估维度，包括：身份特征、社交关系、履约历史、行为特征以及消费能力；
划分至所述身份特征的所述可用指标，包括：年龄、性别、品牌、星级、是否校园用户、是否资料完整、在网时长以及吉祥号码等级中的任意一种或多种；
划分至所述社交关系的所述可用指标，包括：是否有集团网、集团网影响度、联系人稳定性、短信联系人数量以及家庭网通话稳定性中的任意一种或多种；
划分至所述履约历史的所述可用指标，包括：欠费停机次数、违约次数以及违约样本库中的任意一种或多种；
划分至所述行为特征的所述可用指标，包括：通信稳定性、接收银行短信稳定性、支付宝使用稳定性、银行APP使用稳定性、微信使用稳定性以及互联网行为偏好中的任意一种或多种；
划分至所述消费能力的所述可用指标，包括：月均消费总额值、是否有稳定的工资发放日、是否有稳定的信用卡还款日以及终端偏好中的任意一种或多种。
9.一种计算机可读介质，其特征在于，包括计算机执行指令，当存储控制器的处理器执行所述计算机执行指令时，所述存储控制器执行权利要求1至4任一所述的方法。
10.一种存储控制器，其特征在于，包括：处理器、存储器和总线；
所述存储器用于存储计算机执行指令，所述处理器与所述存储器通过所述总线连接，当所述存储控制器运行时，所述处理器执行所述存储器存储的所述计算机执行指令，以使所述存储控制器执行权利要求1至4任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711476248.5A CN108256993A (zh) | 2017-12-29 | 2017-12-29 | 一种信用分评估方法及信用分评估平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711476248.5A CN108256993A (zh) | 2017-12-29 | 2017-12-29 | 一种信用分评估方法及信用分评估平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108256993A true CN108256993A (zh) | 2018-07-06 |
Family
ID=62725362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711476248.5A Pending CN108256993A (zh) | 2017-12-29 | 2017-12-29 | 一种信用分评估方法及信用分评估平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108256993A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109118058A (zh) * | 2018-07-17 | 2019-01-01 | 中国联合网络通信集团有限公司 | 一种大数据的征信方法 |
| CN109190669A (zh) * | 2018-08-01 | 2019-01-11 | 新疆玖富万卡信息技术有限公司 | 一种智能推荐方法、电子设备和计算机可读存储介质 |
| CN109726242A (zh) * | 2018-12-29 | 2019-05-07 | 陕西西部资信股份有限公司 | 数据处理方法及系统 |
| CN109872024A (zh) * | 2018-12-07 | 2019-06-11 | 阿里巴巴集团控股有限公司 | 信用评估指标处理方法以及装置 |
| CN110348989A (zh) * | 2019-06-19 | 2019-10-18 | 北京淇瑀信息科技有限公司 | 基于app的信贷额度调整方法、装置和电子设备 |
| CN110363439A (zh) * | 2019-07-19 | 2019-10-22 | 山东浪潮人工智能研究院有限公司 | 一种基于消费者人群画像的信用评分方法 |
| CN110400215A (zh) * | 2019-07-31 | 2019-11-01 | 浪潮软件集团有限公司 | 面向企业家族的小微企业信用评估模型构建方法及系统 |
| CN111967790A (zh) * | 2020-08-28 | 2020-11-20 | 恒瑞通（福建）信息技术有限公司 | 一种可自动演算的信用分算法模型的方法及终端 |
| CN113197578A (zh) * | 2021-05-07 | 2021-08-03 | 天津医科大学 | 一种基于多中心模型的精神分裂症分类方法及系统 |
| CN114430442A (zh) * | 2022-04-02 | 2022-05-03 | 广东创新科技职业学院 | 一种基于人工智能的诈骗号码识别分析方法 |
| CN117575783A (zh) * | 2024-01-16 | 2024-02-20 | 中国电信股份有限公司深圳分公司 | 多维度用户信用评估方法、装置、设备及存储介质 |
-
2017
- 2017-12-29 CN CN201711476248.5A patent/CN108256993A/zh active Pending
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109118058A (zh) * | 2018-07-17 | 2019-01-01 | 中国联合网络通信集团有限公司 | 一种大数据的征信方法 |
| CN109190669A (zh) * | 2018-08-01 | 2019-01-11 | 新疆玖富万卡信息技术有限公司 | 一种智能推荐方法、电子设备和计算机可读存储介质 |
| CN109872024A (zh) * | 2018-12-07 | 2019-06-11 | 阿里巴巴集团控股有限公司 | 信用评估指标处理方法以及装置 |
| CN109726242A (zh) * | 2018-12-29 | 2019-05-07 | 陕西西部资信股份有限公司 | 数据处理方法及系统 |
| CN110348989A (zh) * | 2019-06-19 | 2019-10-18 | 北京淇瑀信息科技有限公司 | 基于app的信贷额度调整方法、装置和电子设备 |
| CN110363439A (zh) * | 2019-07-19 | 2019-10-22 | 山东浪潮人工智能研究院有限公司 | 一种基于消费者人群画像的信用评分方法 |
| CN110400215A (zh) * | 2019-07-31 | 2019-11-01 | 浪潮软件集团有限公司 | 面向企业家族的小微企业信用评估模型构建方法及系统 |
| CN110400215B (zh) * | 2019-07-31 | 2023-11-03 | 浪潮软件集团有限公司 | 面向企业家族的小微企业信用评估模型构建方法及系统 |
| CN111967790A (zh) * | 2020-08-28 | 2020-11-20 | 恒瑞通（福建）信息技术有限公司 | 一种可自动演算的信用分算法模型的方法及终端 |
| CN111967790B (zh) * | 2020-08-28 | 2023-04-07 | 恒瑞通（福建）信息技术有限公司 | 一种可自动演算的信用分方法及终端 |
| CN113197578A (zh) * | 2021-05-07 | 2021-08-03 | 天津医科大学 | 一种基于多中心模型的精神分裂症分类方法及系统 |
| CN113197578B (zh) * | 2021-05-07 | 2023-06-09 | 天津医科大学 | 一种基于多中心模型的精神分裂症分类方法及系统 |
| CN114430442A (zh) * | 2022-04-02 | 2022-05-03 | 广东创新科技职业学院 | 一种基于人工智能的诈骗号码识别分析方法 |
| CN117575783A (zh) * | 2024-01-16 | 2024-02-20 | 中国电信股份有限公司深圳分公司 | 多维度用户信用评估方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108256993A (zh) | 一种信用分评估方法及信用分评估平台 | |
| US11676087B2 (en) | Systems and methods for vulnerability assessment and remedy identification | |
| US20200160250A1 (en) | Predicting future performance of multiple workers on crowdsourcing tasks and selecting repeated crowdsourcing workers | |
| US10050989B2 (en) | Inferential analysis using feedback for extracting and combining cyber risk information including proxy connection analyses | |
| Grant | Portfolio performance and the “cost” of timing decisions | |
| CN108932585B (zh) | 一种商户运营管理方法及其设备、存储介质、电子设备 | |
| US8554605B2 (en) | Evaluating a worker in performing crowd sourced tasks and providing in-task training through programmatically generated test tasks | |
| US20170085595A1 (en) | Inferential Analysis Using Feedback for Extracting and Combining Cyber Risk Information | |
| US20100076888A1 (en) | System and method for provisioning a controlled secondary market for small dollar deposits and lending | |
| US20120265573A1 (en) | Dynamic optimization for data quality control in crowd sourcing tasks to crowd labor | |
| CN108628866B (zh) | 数据融合的方法和装置 | |
| CN109102394A (zh) | 风险评估方法、装置及计算机可读存储介质 | |
| CN101576988A (zh) | 信用数据交互系统及交互方法 | |
| CN101685526A (zh) | 一种贷款准入评估方法和系统 | |
| CA2952874A1 (en) | System and method for dynamic monitoring of credit parameters | |
| CN110503564B (zh) | 基于大数据的保全案件处理方法、系统、设备及存储介质 | |
| CN110796539A (zh) | 一种征信评估方法及装置 | |
| CN108573443A (zh) | 额度审批方法和装置 | |
| US7962351B2 (en) | Systems and methods for determining cost of insurance rates | |
| CN112116103A (zh) | 基于联邦学习的个人资质评估方法、装置及系统及存储介质 | |
| CN109345371A (zh) | 个人征信报告回溯方法及系统 | |
| CN116596659A (zh) | 基于大数据风控的企业智能化信贷审批方法、系统及介质 | |
| WO2012135159A2 (en) | Systems and methods for client development | |
| CN110706098A (zh) | 一种基于区块链的精准扶贫系统和方法 | |
| Brunner et al. | Hold-up in multiple banking: Evidence from SME lending |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180706 |