CN108280762A - 客户风险评级方法、服务器及计算机可读存储介质 - Google Patents
客户风险评级方法、服务器及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108280762A CN108280762A CN201810054756.2A CN201810054756A CN108280762A CN 108280762 A CN108280762 A CN 108280762A CN 201810054756 A CN201810054756 A CN 201810054756A CN 108280762 A CN108280762 A CN 108280762A
- Authority
- CN
- China
- Prior art keywords
- risk
- client
- customer
- dimension
- class
- 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
-
- 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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (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
本发明公开了一种客户风险评级方法,该方法包括:构建多维度的客户风险评级模型;获取终端设备中的客户资料信息;根据客户资料信息,通过多维度的客户风险评级模型从多个维度分别评估客户的风险等级;获取各个维度的风险等级评估结果;从多个风险等级中取最高的作为该客户的最终风险等级;将客户的最终风险等级反馈至终端设备。本发明还提供一种服务器及计算机可读存储介质。本发明提供的客户风险评级方法、服务器及计算机可读存储介质可以通过多个维度综合评估客户的风险等级。
Description
技术领域
本发明涉及金融客户管理领域,尤其涉及一种客户风险评级方法、服务器及计算机可读存储介质。
背景技术
随着经济的发展,金融开发步伐的加快,金融市场竞争进一步加剧而使得个金融机构采取各种优惠政策吸引客户,但是这会带来金融诈骗的隐患。因此在进行金融交易之前评估客户的风险等级就显得尤为重要,目前的风险评级模型只有部分定性规则、无定量评分体系,对于客户的范围界定不清,定性规则很难完整体现一个客户的真实风险情况,且对于一些突发高风险的情定性规则没有包含,对于日常风险事件可能造成的客户风险等级调整也没有体现。
发明内容
有鉴于此,本发明提出一种客户风险评级方法、服务器及计算机可读存储介质,能够从多个维度综合评估客户的风险等级。
首先,为实现上述目的,本发明提出一种客户风险评级方法,该方法应用于服务器,所述方法包括:
构建多维度的客户风险评级模型;
获取终端设备中的客户资料信息;
根据客户资料信息,通过多维度的客户风险评级模型从多个维度分别评估客户的风险等级;
获取各个维度的风险等级评估结果;
从多个风险等级中取最高的作为该客户的最终风险等级;
将客户的最终风险等级反馈至终端设备。
可选地,所述方法还包括如下步骤:
设定风险事件维度的风险评估规则:设定风险等级高的金融交易事件;
判断客户是否触发风险等级高的金融交易事件;
若是,则将该客户的最终风险等级调整为高风险等级。
可选地,所述根据客户资料信息,通过多维度的客户风险评级模型从多个维度分别评估客户的风险等级步骤,具体包括如下步骤:
设定客户属性、应用场景及风险积分三个维度的风险评估规则;
根据所述风险评估规则,分别从所述客户属性、应用场景及风险积分维度三个维度评估客户的风险等级。
可选地,所述设定客户属性维度的评估规则,具体为:
设定名单范畴与风险等级的映射关系;
从所述客户属性维度的风险评估客户风险等级的步骤,具体为:
从所述客户资料信息获取身份信息;
根据所述身份信息判断所述客户落入哪个名单范畴,并根据名单范畴与风险等级的映射关系,得到所述客户的风险等级。
可选地,所述设定应用场景维度的评估规则,具体为:
设定金融交易业务与风险等级的映射关系;
从所述应用场景维度评估客户风险等级的步骤,具体为:
获取客户涉及的金融交易业务信息;
根据所述金融交易业务与风险等级的映射关系,得到客户的风险等级。
可选地,所述风险积分维度的评估规则,具体为:
设定客户特性、地域风险、金融交易及客户职业维度的权重;
设定权重加总与风险等级的映射关系;
从所述风险积分维度评估客户风险等级的步骤,具体为:
根据客户资料信息,分别计算客户特性、地域风险、金融交易及客户职业维度的得分,进而根据权重计算权重加总得分;
根据设定权重加总与风险等级的映射关系得到客户的风险等级。
此外,为实现上述目的,本发明还提供一种服务器,所述服务器包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的客户风险评级系统,所述客户风险评级系统被所述处理器执行时实现如下步骤:
构建多维度的客户风险评级模型;
获取终端设备中的客户资料信息;
根据客户资料信息,通过多维度的客户风险评级模型从多个维度分别评估客户的风险等级;
获取各个维度的风险等级评估结果;
从多个风险等级中取最高的作为该客户的最终风险等级;
将客户的最终风险等级反馈至终端设备。
可选地,所述客户风险评级系统被所述处理器执行时,还实现如下步骤:
设定风险事件维度的风险评估规则:设定风险等级高的金融交易事件;
判断客户是否触发风险等级高的金融交易事件;
若是,则将该客户的最终风险等级调整为高风险等级;
所述根据客户资料信息,通过多维度的客户风险评级模型从多个维度分别评估客户的风险等级步骤,具体包括如下步骤:
设定客户属性、应用场景及风险积分三个维度的风险评估规则;
根据所述风险评估规则,分别从所述客户属性、应用场景及风险积分维度三个维度评估客户的风险等级。
可选地,所述客户风险评级系统被所述处理器执行时,还实现如下步骤:
设定名单范畴与风险等级的映射关系;
从所述客户资料信息获取身份信息;
根据所述身份信息判断所述客户落入哪个名单范畴,并根据名单范畴与风险等级的映射关系,得到所述客户的在客户属性维度的风险等级;
设定金融交易业务与风险等级的映射关系;
获取客户涉及的金融交易业务信息;
根据所述金融交易业务与风险等级的映射关系,得到客户在应用场景维度的风险等级;
设定客户特性、地域风险、金融交易及客户职业维度的权重;
设定权重加总与风险等级的映射关系;
根据客户资料信息,分别计算客户特性、地域风险、金融交易及客户职业维度的得分,进而根据权重计算权重加总得分;
根据设定权重加总与风险等级的映射关系得到客户在风险积分维度的风险等级。
进一步地,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有客户风险评级系统,所述客户风险评级系统可被至少一个处理器执行,以使所述至少一个处理器执行如上述的客户风险评级方法的步骤。
相较于现有技术,本发明所提出的服务器、客户风险评级方法及计算机可读存储介质,首先,构建多维度的客户风险评级模型;然后,获取终端设备中的客户资料信息;进一步地,根据客户资料信息,通过多维度的客户风险评级模型从多个维度分别评估客户的风险等级;接着,获取各个维度的风险等级评估结果;进一步地,从多个风险等级中取最高的作为该客户的最终风险等级;最后,将客户的最终风险等级反馈至终端设备。这样,既可以避免了现有技术中按照定性规则评估客户风险等级从而很难完整体现一个客户的真实风险情况的缺陷,也可以通过多个维度综合评估客户的风险等级,并可以在多个维度的风险等级中取最高,提高风险防范。
附图说明
图1是本发明各个实施例一可选的应用环境示意图;
图2是图1中服务器一可选的硬件架构的示意图;
图3是本发明客户风险评级系统第一实施例的程序模块示意图;
图4是本发明客户风险评级系统第二实施例的程序模块示意图;
图5为本发明客户风险评级方法第一实施例的流程示意图;
图6为本发明客户风险等级评级方法第一实施例的从客户属性维度评估客户的风险等级的流程示意图;
图7为本发明客户风险等级评级方法第一实施例的从应用场景维度评估客户风险等级的流程示意图;
图8为本发明客户风险等级评级方法第一实施例的从风险积分维度评估客户风险等级的流程示意图;
图9为本发明客户风险评级方法第二实施例的流程示意图。
附图标记:
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
参阅图1所示,是本发明各个实施例一可选的应用环境示意图。
在本实施例中,本发明可应用于包括,但不仅限于,终端设备1、服务器2、网络3的应用环境中。其中,所述终端设备1可以是移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置、车载装置等等的可移动设备,以及诸如数字TV、台式计算机、笔记本、服务器等等的固定终端。所述服务器2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器等计算设备,该服务器2可以是独立的服务器,也可以是多个服务器所组成的服务器集群。所述网络3可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System ofMobile communication,GSM)、宽带码分多址(Wideband Code Division MultipleAccess,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi、通话网络等无线或有线网络。
其中,所述服务器2通过所述网络3分别与一个或多个所述终端设备1通信连接,以进行数据传输和交互。
参阅图2所示,是图1中服务器2一可选的硬件架构的示意图。本实施例中,所述服务器2可包括,但不仅限于,可通过系统总线相互通信连接存储器11、处理器12、网络接口13。需要指出的是,图2仅示出了具有组件11-13的服务器2,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器11可以是所述服务器2的内部存储单元,例如该服务器2的硬盘或内存。在另一些实施例中,所述存储器11也可以是所述服务器2的外部存储设备,例如该服务器2上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器11还可以既包括所述服务器2的内部存储单元也包括其外部存储设备。本实施例中,所述存储器11通常用于存储安装于所述服务器2的操作系统和各类应用软件,例如客户风险评级系统200的程序代码等。此外,所述存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器12在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述服务器2的总体操作,例如执行与所述终端设备1进行数据交互或者通信相关的控制和处理等。本实施例中,所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据,例如运行所述的客户风险评级系统200等。
所述网络接口13可包括无线网络接口或有线网络接口,该网络接口13通常用于在所述服务器2与其他电子设备之间建立通信连接。本实施例中,所述网络接口13主要用于通过所述网络3将所述服务器2与一个或多个所述终端设备1相连,在所述服务器2与所述一个或多个终端设备1之间的建立数据传输通道和通信连接。
至此,己经详细介绍了本发明各个实施例的应用环境和相关设备的硬件结构和功能。下面,将基于上述应用环境和相关设备,提出本发明的各个实施例。
首先,本发明提出一种客户风险评级系统200。
参阅图3所示,是本发明客户风险评级系统200第一实施例的程序模块图。
本实施例中,所述客户风险评级系统200包括一系列的存储于存储器11上的计算机程序指令,当该计算机程序指令被处理器12执行时,可以实现本发明各实施例的客户风险评级操作。在一些实施例中,基于该计算机程序指令各部分所实现的特定的操作,客户风险评级系统200可以被划分为一个或多个模块。例如,在图3中,所述客户风险评级系统200可以被分割成构建模块201、获取模块202、评估模块203、反馈模块204、设定模块205及计算模块206。其中:
所述构建模块201,用于构建多维度的客户风险评级模型。
具体地,目前大部分的金融公司在对客户提供金融服务之前都会对客户进行风险评估,但是目前的风险评估模型只有部分定性规则,无定量评分体系,而定性规则很难完整体现一个客户的真实风险情况。
因此,为了解决上述问题,服务器2构建多维度的客户风险评级模型,从多个维度去评估客户的风险。在本实施例中,所述服务器2主要从客户属性、应用场景、风险积分3个维度评估客户的风险等级。
所述获取模块202,用于获取终端设备中的客户资料信息。
具体地,所述服务器2与终端设备1中的金融系统建立长连接。在本实施例中,所述金融系统定期发送客户资料到所述服务器2。在本发明的其他实施例中,当接收到终端设备1发送的客户办理业务请求信息时,从金融系统的数据库调取客户的资料信息。其中所述客户的资料信息包括但不限于,客户的姓名、证件号码、职业、现居住地、近期金融行为等信息。
所述评估模块203,用于根据客户资料信息,通过多维度的客户风险评级模型从多个维度分别评估客户的风险等级。
具体地,所述服务器2主要从客户属性、应用场景、风险积分3个维度评估客户的风险等级。在本实施例中,客户属性为维度评估主要是从客户的身份信息评估其风险等级,例如若客户曾经被列入黑名单,则该客户的风险等级为高。应用场景维度评估主要是针对客户金融交易业务场景评估,例如,若客户曾进行非法金融交易,则该客户的风险等级为高。风险积分维度主要是从客户特征、地域风险、金融交易及客户职业四个维度去评估风险积分,并按照权重加总计算客户的均衡风险等级,分值越高的客户表示风险等级越高。在本实施例中,所述应用服务器2通过所述评估模块203从客户属性维度评估客户的风险等级,具体为:所述应用服务器2通过所述评估模块203设定名单范畴与风险等级的映射关系。
所述应用服务器2通过所述获取模块202从所述客户资料信息获取客户的身份信息。
所述应用服务器2所述评估模块203,根据所述身份信息判断所述客户落入哪个名单范畴,并根据名单范畴与风险等级的映射关系,得到所述客户的风险等级。
详细而言,客户属性维度评估主要是从客户的身份信息评估客户的风险等级,根据客户的身份信息与业务系统地名单进行对比,根据设定名单范畴与风险等级的映射关系评估客户落入到哪个风险等级,例如,如果客户是黑名单用户或者是恐怖分子,则直接评估为高风险等级;如果客户是灰名单,则直接评为较高风险等级;如果客户是白名单,则直接评为较低风险;如果客户是红名单,则直接评为低风险等级。可以理解的是,名单是可以动态的配置,客户落入到哪个风险等级范围就定义为哪个风险等级。
在本实施例中,所述应用服务器2通过所述评估模块203从应用场景维度评估客户的风险等级,具体为:所述应用服务器2通过所述设定模块205,设定金融交易业务与风险等级的映射关系。
所述应用服务器2通过所述获取模块202,获取客户涉及的金融交易业务信息。
所述应用服务器2通过所述评估模块203,根据所述金融交易业务与风险等级的映射关系,得到客户的风险等级。
详细而言,应用场景维度评估主要是针对客户金融业务应用场景的评估,根据各金融行业的情况设定对应的应用场景,当落入该预设定的金融交易业务时,根据所述金融交易业务与风险等级的映射关系,得到客户的风险等级。以银行业务应用场景为例说明,A客户为新开对私客户,短期内收到了对公账号转账累计金额达到预设金额,如1000万,则A客户因在短期内收到超额金额而直接被评估为高风险等级。又例如,B客户短期内过渡账户性质明显的可疑预警次数为预设次数,如3次以上,则B直接被评估为高风险等级,2次就是中风险。其中,过渡账户定义为:余额较低,集中发生大量资金流入和流出,资金停留时间短,流入流出金额基本持平,不留余额或者留下一定比例余额后转出,过渡性质明显。
在本实施例中,所述应用服务器2通过所述评估模块203从风险积分维度评估客户的风险等级,具体为:所述应用服务器2通过所述设定模块205,设定客户特性、地域风险、金融交易及客户职业维度的权重及设定权重加总与风险等级的映射关系。
所述服务器2通过所述设定模块205设定风险积分维度的评估规则。
所述计算模块206,用于根据客户资料信息,分别计算客户特性、地域风险、金融交易及客户职业维度的得分,进而根据权重计算权重加总得分。
所述评估模块203,还用于根据设定权重加总与风险等级的映射关系得到客户的风险等级。
具体地,风险积分维度评估主要是从多个维度,按照权重加总计算客户的均衡风险等级,分值越高则表示客户的风险等级越高。在本实施例中,风险积分维度主要从客户的客户特性、地域风险、金融交易及客户职业四个维度进行评估,具体可参考表1,可以理解的是,表1所示的评级维度及权重并不作为本发明的限定,仅是为了更好的解释本发明。
表1
所述获取模块202,还用于获取各个维度的风险等级评估结果。
具体地,从上文可知,每一个维度都会评估出客户的风险等级,所述服务器2通过所述获取模块202分别获取客户属性、应用场景、风险积分3个维度评估的客户的风险等级。
所述评估模块203,还用于从多个风险等级中取最高的作为该客户的最终风险等级。
具体地,根据风险审慎原则,所述服务器2从所述客户属性、应用场景、风险积分3个维度评估的客户的风险等级中取最高的作为该客户的最终风险等级。如A客户的在客户属性维度的风险等级为低,在应用场景维度的风险等级为低,在风险积分维度的风险等级为高,则根据风险审慎原则,所述评估模块203评估A客户的最终的风险等级为高。
所述反馈模块204,用于将客户的最终风险等级反馈至终端设备。
具体地,所述服务器2通过所述反馈模块204将该客户的最终风险等级反馈至终端设备的业务系统供业务员根据该客户的风险等级做出相应的风险防范。
通过上述程序模块201-204,本发明所提出的客户风险评级系统200,首先,构建多维度的客户风险评级模型;然后,获取终端设备中的客户资料信息;进一步地,根据客户资料信息,通过多维度的客户风险评级模型从多个维度分别评估客户的风险等级;接着,获取各个维度的风险等级评估结果;进一步地,从多个风险等级中取最高的作为该客户的最终风险等级;最后,将客户的最终风险等级反馈至终端设备。这样,既可以避免了现有技术中按照定性规则评估客户风险等级从而很难完整体现一个客户的真实风险情况的缺陷,也可以通过多个维度综合评估客户的风险等级,并可以在多个维度的风险等级中取最高,提高风险防范。
进一步地,基于本发明客户风险评级系统200的上述第一实施例,提出本发明的第二实施例(如图4所示)。本实施例中,所述的客户风险评级系统200还包括判断模块207,其中:
所述设定模块205,还用于设定风险事件维度的风险评估规则:设定风险等级高的金融交易事件。
所述判断模块207,还用于判断客户是否触发风险等级高的金融交易事件。
所述评估模块203,还用于若客户触发风险等级高的金融交易事件时,将客户的最终风险等级调整为高。
具体地,从上文可知,在第一实施例中,所述服务器2通过多维度的客户风险评级模型从客户属性、应用场景及风险积分三个维度分别评估客户的风险等级,但是对于一些突发高风险的情况,评估规则并没有包含;对于日常风险事件可能造成用户风险等级调整也没有体现。因此,在本实施例中,所述服务器2还从风险事件维度评估客户的风险等级。
通过设定模块205设定高风险金融交易事件。对已经评定风险等级的客户,进一步根据客户日常金融交易业务过程中的主动调节。当所述金融交易业务落入预设定的高风险金融交易事件时,直接将该客户的风险等级调整为高。
参照表2,为本实施例中高风险金融交易事件示例,可以理解的是,表格列举的事件仅仅是为了更好地解释本发明,并不作为本发明的限定。
表2:
举例而言,当客户被公安机关、税务机关、海关查询、冻结、扣划存款的情形时,触发了高风险事件,所述服务器查询客户的当前风险等级,若该用户的风险等级为低,则将该客户的风险等级调整为高,并将调节结果反馈至所述终端系统,以供工作人员作为风险防范的参考。
通过上述程序模块207,本发明所提出的客户风险评级系统200,还能够设定风险等级高的金融交易事件;判断客户是否触发风险等级高的金融交易事件;若是,则将该客户的最终风险等级调整为高风险等级,实现根据日常的金融业务交易情况,主动调节客户的风险等级。
此外,本发明还提出一种客户风险评级方法。
参阅图5所示,是本发明客户风险评级方法第一实施例的流程示意图。在本实施例中,根据不同的需求,图5所示的流程图中的步骤的执行顺序可以改变,某些步骤可以省略。
步骤S301,构建多维度的客户风险评级模型。
具体地,目前大部分的金融公司在对客户提供金融服务之前都会对客户进行风险评估,但是目前的风险评估模型只有部分定性规则,无定量评分体系,而定性规则很难完整体现一个客户的真实风险情况。
因此,为了解决上述问题,服务器构建多维度的客户风险评级模型,从多个维度去评估客户的风险。在本实施例中,所述服务器2主要从客户属性、应用场景、风险积分3个维度评估客户的风险等级。
步骤S302,获取终端设备中的客户资料信息。
具体地,所述服务器2与终端设备1中的金融系统建立长连接。在本实施例中,所述金融系统定期发送客户资料到所述服务器2。在本发明的其他实施例中,当接收到终端设备1发送的客户办理业务请求信息时,从金融系统的数据库调取客户的资料信息。其中所述客户的资料信息包括但不限于,客户的姓名、证件号码、职业、现居住地、近期金融行为等信息。
步骤S303,根据客户资料信息,通过多维度的客户风险评级模型从多个维度分别评估客户的风险等级。
具体地,所述服务器2主要从客户属性、应用场景、风险积分3个维度评估客户的风险等级。在本实施例中,客户属性为维度评估主要是从客户的身份信息评估其风险等级,例如若客户曾经被列入黑名单,则该客户的风险等级为高。应用场景维度评估主要是针对客户金融交易业务场景评估,例如,若客户曾进行非法金融交易,则该客户的风险等级为高。风险积分维度主要是从客户特征、地域风险、金融交易及客户职业四个维度去评估风险积分,并按照权重加总计算客户的均衡风险等级,分值越高的客户表示风险等级越高。
如图6所示,是本发明客户风险等级评级方法在本实施例中的从客户属性维度评估客户的风险等级的流程示意图。
步骤S401,设定名单范畴与风险等级的映射关系;
具体地,所述服务器2设定所述客户属性的评估规则。
步骤S402,从所述客户资料信息获取客户的身份信息;
步骤S403,根据所述身份信息判断所述客户落入哪个名单范畴,并根据名单范畴与风险等级的映射关系,得到所述客户的风险等级。
具体地,客户属性维度评估主要是从客户的身份信息评估客户的风险等级,根据客户的身份信息与业务系统地名单进行对比,根据设定名单范畴与风险等级的映射关系评估客户落入到哪个风险等级,例如,如果客户是黑名单用户或者是恐怖分子,则直接评估为高风险等级;如果客户是灰名单,则直接评为较高风险等级;如果客户是白名单,则直接评为较低风险;如果客户是红名单,则直接评为低风险等级。可以理解的是,名单是可以动态的配置,客户落入到哪个风险等级范围就定义为哪个风险等级。
如图7所示,是本发明客户风险等级评级方法在本实施例中的从应用场景维度评估客户风险等级的流程示意图。
步骤S501,设定金融交易业务与风险等级的映射关系。
具体地,所述服务器2设定应用场景维度的评估规则。
步骤S502,于根据所述金融交易业务与风险等级的映射关系,得到客户的风险等级。
具体地,应用场景维度评估主要是针对客户金融业务应用场景的评估,根据各金融行业的情况设定对应的应用场景,当落入该预设定的金融交易业务时,根据所述金融交易业务与风险等级的映射关系,得到客户的风险等级。以银行业务应用场景为例说明,A客户为新开对私客户,短期内收到了对公账号转账累计金额达到预设金额,如1000万,则A客户因在短期内收到超额金额而直接被评估为高风险等级。又例如,B客户短期内过渡账户性质明显的可疑预警次数为预设次数,如3次以上,则B直接被评估为高风险等级,2次就是中风险。其中,过渡账户定义为:余额较低,集中发生大量资金流入和流出,资金停留时间短,流入流出金额基本持平,不留余额或者留下一定比例余额后转出,过渡性质明显。
如图8所示,是本发明客户风险等级评级方法在本实施例中的从风险积分维度评估客户风险等级的流程示意图。
步骤S601,设定客户特性、地域风险、金融交易及客户职业维度的权重及设定权重加总与风险等级的映射关系。
具体地,所述服务器2设定风险积分维度的评估规则。
步骤S602,根据客户资料信息,分别计算客户特性、地域风险、金融交易及客户职业维度的得分,进而根据权重计算权重加总得分。
步骤S603,根据设定权重加总与风险等级的映射关系得到客户的风险等级。
具体地,风险积分维度评估主要是从多个维度,按照权重加总计算客户的均衡风险等级,分值越高则表示客户的风险等级越高。在本实施例中,风险积分维度主要从客户的客户特性、地域风险、金融交易及客户职业四个维度进行评估,具体可参考表1,可以理解的是,表1所示的评级维度及权重并不作为本发明的限定,仅是为了更好的解释本发明。
表1
通过上述步骤S401-S403、S501-502及S601-603,本发明所提出的客户风险评级方法,可以设定客户属性、应用场景及风险积分三个维度的风险评估规则,实现通过多个维度综合评估客户的风险等级,提高安全性。
步骤S304,获取各个维度的风险等级评估结果。
具体地,每一个维度都会评估出客户的风险等级,所述服务器2分别获取客户属性、应用场景、风险积分3个维度评估的客户的风险等级。
步骤S305,从多个风险等级中取最高的作为该客户的最终风险等级。
具体地,根据风险审慎原则,所述服务器2从所述客户属性、应用场景、风险积分3个维度评估的客户的风险等级中取最高的作为该客户的最终风险等级。如A客户的在客户属性维度的风险等级为低,在应用场景维度的风险等级为低,在风险积分维度的风险等级为高,则根据风险审慎原则,所述服务器2评估A客户的最终的风险等级为高。
步骤S306,将客户的最终风险等级反馈至终端设备。
具体地,所述服务器2将该客户的最终风险等级反馈至终端设备的业务系统供业务员根据该客户的风险等级做出相应的风险防范。
通过上述步骤S301-306,本发明所提出的客户风险评级方法,首先,构建多维度的客户风险评级模型;然后,获取终端设备中的客户资料信息;进一步地,根据客户资料信息,通过多维度的客户风险评级模型从多个维度分别评估客户的风险等级;接着,获取各个维度的风险等级评估结果;进一步地,从多个风险等级中取最高的作为该客户的最终风险等级;最后,将客户的最终风险等级反馈至终端设备。这样,既可以避免了现有技术中按照定性规则评估客户风险等级从而很难完整体现一个客户的真实风险情况的缺陷,也可以通过多个维度综合评估客户的风险等级,并可以在多个维度的风险等级中取最高,提高风险防范。
进一步地,基于本发明客户风险评级方法的上述第一实施例,提出本发明客户风险评级方法的第二实施例。
如图9所示,是本发明客户风险评级方法第二实施例的流程示意图。本实施例中,所述客户风险评级方法还包括如下步骤:
步骤S701,设定风险事件维度的风险评估规则:设定风险等级高的金融交易事件。
步骤S702,判断客户是否触发风险等级高的金融交易事件。
步骤S703,若客户触发风险等级高的金融交易事件时,将客户的最终风险等级调整为高。
具体地,从上文可知,在第一实施例中,所述服务器2通过多维度的客户风险评级模型从客户属性、应用场景及风险积分三个维度分别评估客户的风险等级,但是对于一些突发高风险的情况,评估规则并没有包含;对于日常风险事件可能造成用户风险等级调整也没有体现。因此,在本实施例中,所述服务器2还从风险事件维度评估客户的风险等级。
通过服务器2设定高风险金融交易事件。对已经评定风险等级的客户,进一步根据客户日常金融交易业务过程中的主动调节。当所述金融交易业务落入预设定的高风险金融交易事件时,直接将该客户的风险等级调整为高。
参照表2,为本实施例中高风险金融交易事件示例,可以理解的是,表格列举的事件仅仅是为了更好地解释本发明,并不作为本发明的限定。
表2:
举例而言,当客户被公安机关、税务机关、海关查询、冻结、扣划存款的情形时,触发了高风险事件,所述服务器查询客户的当前风险等级,若该用户的风险等级为低,则将该客户的风险等级调整为高,并将调节结果反馈至所述终端系统,以供工作人员作为风险防范的参考。
通过上述步骤S701-S703,本发明所提出的客户风险评级方法,还能够设定风险等级高的金融交易事件;判断客户是否触发风险等级高的金融交易事件;若是,则将该客户的最终风险等级调整为高风险等级,实现根据日常的金融业务交易情况,主动调节客户的风险等级。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种客户风险评级方法,应用于服务器,其特征在于,所述方法包括:
构建多维度的客户风险评级模型;
获取终端设备中的客户资料信息;
根据客户资料信息,通过多维度的客户风险评级模型从多个维度分别评估客户的风险等级;
获取各个维度的风险等级评估结果;
从多个风险等级中取最高的作为该客户的最终风险等级;
将客户的最终风险等级反馈至终端设备。
2.如权利要求1所述的客户风险评级方法,其特征在于,所述方法还包括如下步骤:
设定风险事件维度的风险评估规则:设定风险等级高的金融交易事件;
判断客户是否触发风险等级高的金融交易事件;
若是,则将该客户的最终风险等级调整为高风险等级。
3.如权利要求1所述的客户风险评级方法,其特征在于,所述根据客户资料信息,通过多维度的客户风险评级模型从多个维度分别评估客户的风险等级步骤,具体包括如下步骤:
设定客户属性、应用场景及风险积分三个维度的风险评估规则;
根据所述风险评估规则,分别从所述客户属性、应用场景及风险积分维度三个维度评估客户的风险等级。
4.如权利要求2所述的客户风险评级方法,其特征在于,所述设定客户属性维度的评估规则,具体为:
设定名单范畴与风险等级的映射关系;
从所述客户属性维度的风险评估客户风险等级的步骤,具体为:
从所述客户资料信息获取身份信息;
根据所述身份信息判断所述客户落入哪个名单范畴,并根据名单范畴与风险等级的映射关系,得到所述客户的风险等级。
5.如权利要求2所述的客户风险评级方法,其特征在于,所述设定应用场景维度的评估规则,具体为:
设定金融交易业务与风险等级的映射关系;
从所述应用场景维度评估客户风险等级的步骤,具体为:
获取客户涉及的金融交易业务信息;
根据所述金融交易业务与风险等级的映射关系,得到客户的风险等级。
6.如权利要求2所述的客户风险评级,其特征在于,所述风险积分维度的评估规则,具体为:
设定客户特性、地域风险、金融交易及客户职业维度的权重;
设定权重加总与风险等级的映射关系;
从所述风险积分维度评估客户风险等级的步骤,具体为:
根据客户资料信息,分别计算客户特性、地域风险、金融交易及客户职业维度的得分,进而根据权重计算权重加总得分;
根据设定权重加总与风险等级的映射关系得到客户的风险等级。
7.一种服务器,其特征在于,所述服务器包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的客户风险评级系统,所述客户风险评级系统被所述处理器执行时实现如下步骤:
构建多维度的客户风险评级模型;
获取终端设备中的客户资料信息;
根据客户资料信息,通过多维度的客户风险评级模型从多个维度分别评估客户的风险等级;
获取各个维度的风险等级评估结果;
从多个风险等级中取最高的作为该客户的最终风险等级;
将客户的最终风险等级反馈至终端设备。
8.如权利要求7所述的服务器,其特征在于,所述客户风险评级系统被所述处理器执行时,还实现如下步骤:
设定风险事件维度的风险评估规则:设定风险等级高的金融交易事件;
判断客户是否触发风险等级高的金融交易事件;
若是,则将该客户的最终风险等级调整为高风险等级;
所述根据客户资料信息,通过多维度的客户风险评级模型从多个维度分别评估客户的风险等级步骤,具体包括如下步骤:
设定客户属性、应用场景及风险积分三个维度的风险评估规则;
根据所述风险评估规则,分别从所述客户属性、应用场景及风险积分维度三个维度评估客户的风险等级。
9.如权利要求8所述的服务器,其特征在于,所述客户风险评级系统被所述处理器执行时,还实现如下步骤:
设定名单范畴与风险等级的映射关系;
从所述客户资料信息获取身份信息;
根据所述身份信息判断所述客户落入哪个名单范畴,并根据名单范畴与风险等级的映射关系,得到所述客户的在客户属性维度的风险等级;
设定金融交易业务与风险等级的映射关系;
获取客户涉及的金融交易业务信息;
根据所述金融交易业务与风险等级的映射关系,得到客户在应用场景维度的风险等级;
设定客户特性、地域风险、金融交易及客户职业维度的权重;
设定权重加总与风险等级的映射关系;
根据客户资料信息,分别计算客户特性、地域风险、金融交易及客户职业维度的得分,进而根据权重计算权重加总得分;
根据设定权重加总与风险等级的映射关系得到客户在风险积分维度的风险等级。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有客户风险评级系统,所述客户风险评级系统可被至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-6中任一项所述的客户风险评级方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810054756.2A CN108280762A (zh) | 2018-01-19 | 2018-01-19 | 客户风险评级方法、服务器及计算机可读存储介质 |
PCT/CN2018/089710 WO2019140849A1 (zh) | 2018-01-19 | 2018-06-03 | 客户风险评级方法、服务器及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810054756.2A CN108280762A (zh) | 2018-01-19 | 2018-01-19 | 客户风险评级方法、服务器及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108280762A true CN108280762A (zh) | 2018-07-13 |
Family
ID=62804228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810054756.2A Pending CN108280762A (zh) | 2018-01-19 | 2018-01-19 | 客户风险评级方法、服务器及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108280762A (zh) |
WO (1) | WO2019140849A1 (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063921A (zh) * | 2018-08-20 | 2018-12-21 | 平安科技(深圳)有限公司 | 客户风险预警的优化处理方法、装置、计算机设备和介质 |
CN109460889A (zh) * | 2018-09-14 | 2019-03-12 | 阿里巴巴集团控股有限公司 | 风险管控方法、系统、服务器及计算机可读存储介质 |
CN109636081A (zh) * | 2018-09-29 | 2019-04-16 | 阿里巴巴集团控股有限公司 | 一种用户安全意识检测方法和装置 |
CN109636400A (zh) * | 2018-11-29 | 2019-04-16 | 国家新闻出版广电总局广播电视规划院 | 一种支付业务风险控制方法及装置 |
CN109858735A (zh) * | 2018-12-14 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 用户风险评分评定方法、装置、计算机设备及存储介质 |
CN109949154A (zh) * | 2018-12-17 | 2019-06-28 | 深圳平安综合金融服务有限公司 | 客户信息分类方法、装置、计算机设备和存储介质 |
CN109978342A (zh) * | 2019-03-01 | 2019-07-05 | 平安科技(深圳)有限公司 | 电子装置、风险评估方法和计算机可读存储介质 |
CN110147998A (zh) * | 2019-04-16 | 2019-08-20 | 深圳壹账通智能科技有限公司 | 客户入网处理方法、装置、计算机设备及存储介质 |
CN110322338A (zh) * | 2019-05-05 | 2019-10-11 | 新分享科技服务(深圳)有限公司 | 基于客户评级服务的资产评级方法以及资产评级系统 |
CN110349006A (zh) * | 2019-07-02 | 2019-10-18 | 北京淇瑀信息科技有限公司 | 基于活跃度来度量交易风险的方法、装置和电子设备 |
CN110503564A (zh) * | 2019-07-05 | 2019-11-26 | 中国平安人寿保险股份有限公司 | 基于大数据的保全案件处理方法、系统、设备及存储介质 |
CN110688306A (zh) * | 2019-09-05 | 2020-01-14 | 国家计算机网络与信息安全管理中心 | 基于概率图模型的移动应用风险等级推理评估方法及装置 |
CN110858342A (zh) * | 2018-08-22 | 2020-03-03 | 银联数据服务有限公司 | 一种信用卡客户价值的量化方法及装置 |
CN110929965A (zh) * | 2018-09-19 | 2020-03-27 | 北京国双科技有限公司 | 一种项目风险评估方法及装置 |
CN111523997A (zh) * | 2020-04-21 | 2020-08-11 | 中国工商银行股份有限公司 | 客户风险评估方法和装置、以及电子设备和可读存储介质 |
CN112419008A (zh) * | 2020-12-09 | 2021-02-26 | 中国建设银行股份有限公司 | 一种自动分级预警方法、装置、电子设备和存储介质 |
CN112465509A (zh) * | 2019-09-06 | 2021-03-09 | 北京国双科技有限公司 | 签约合同的预警方法及装置 |
CN112581297A (zh) * | 2020-12-18 | 2021-03-30 | 中国平安人寿保险股份有限公司 | 基于人工智能的信息推送方法、装置及计算机设备 |
CN112732804A (zh) * | 2020-12-23 | 2021-04-30 | 北京金堤征信服务有限公司 | 合作数据评估方法及装置、电子设备和可读存储介质 |
CN109949154B (zh) * | 2018-12-17 | 2024-07-02 | 深圳平安综合金融服务有限公司 | 客户信息分类方法、装置、计算机设备和存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862339A (zh) * | 2021-02-25 | 2021-05-28 | 厦门渊亭信息科技有限公司 | 一种风险决策方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106971338A (zh) * | 2017-04-26 | 2017-07-21 | 北京趣拿软件科技有限公司 | 数据评估的方法和装置 |
CN107067157A (zh) * | 2017-03-01 | 2017-08-18 | 北京奇艺世纪科技有限公司 | 业务风险评估方法、装置及风控系统 |
CN107169857A (zh) * | 2017-07-14 | 2017-09-15 | 成都农村商业银行股份有限公司 | 反洗钱系统的客户风险评级方法 |
CN107464037A (zh) * | 2017-07-05 | 2017-12-12 | 九次方大数据信息集团有限公司 | 基于多指标维度模型的企业画像方法及系统 |
CN107492033A (zh) * | 2017-08-30 | 2017-12-19 | 广东信基蜂巢科技有限责任公司 | 一种基于风控模型的信用评估方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016170551A2 (en) * | 2015-04-21 | 2016-10-27 | Grade S.R.L. | Command and control system for optimal risk management |
CN106651190A (zh) * | 2016-12-28 | 2017-05-10 | 深圳微众税银信息服务有限公司 | 一种企业风险等级评估方法以及系统 |
CN107203939A (zh) * | 2017-05-26 | 2017-09-26 | 阿里巴巴集团控股有限公司 | 确定用户风险等级的方法及装置、计算机设备 |
-
2018
- 2018-01-19 CN CN201810054756.2A patent/CN108280762A/zh active Pending
- 2018-06-03 WO PCT/CN2018/089710 patent/WO2019140849A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067157A (zh) * | 2017-03-01 | 2017-08-18 | 北京奇艺世纪科技有限公司 | 业务风险评估方法、装置及风控系统 |
CN106971338A (zh) * | 2017-04-26 | 2017-07-21 | 北京趣拿软件科技有限公司 | 数据评估的方法和装置 |
CN107464037A (zh) * | 2017-07-05 | 2017-12-12 | 九次方大数据信息集团有限公司 | 基于多指标维度模型的企业画像方法及系统 |
CN107169857A (zh) * | 2017-07-14 | 2017-09-15 | 成都农村商业银行股份有限公司 | 反洗钱系统的客户风险评级方法 |
CN107492033A (zh) * | 2017-08-30 | 2017-12-19 | 广东信基蜂巢科技有限责任公司 | 一种基于风控模型的信用评估方法及装置 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063921A (zh) * | 2018-08-20 | 2018-12-21 | 平安科技(深圳)有限公司 | 客户风险预警的优化处理方法、装置、计算机设备和介质 |
CN109063921B (zh) * | 2018-08-20 | 2022-07-08 | 平安科技(深圳)有限公司 | 客户风险预警的优化处理方法、装置、计算机设备和介质 |
CN110858342A (zh) * | 2018-08-22 | 2020-03-03 | 银联数据服务有限公司 | 一种信用卡客户价值的量化方法及装置 |
CN109460889A (zh) * | 2018-09-14 | 2019-03-12 | 阿里巴巴集团控股有限公司 | 风险管控方法、系统、服务器及计算机可读存储介质 |
CN109460889B (zh) * | 2018-09-14 | 2022-02-01 | 创新先进技术有限公司 | 风险管控方法、系统、服务器及计算机可读存储介质 |
CN110929965A (zh) * | 2018-09-19 | 2020-03-27 | 北京国双科技有限公司 | 一种项目风险评估方法及装置 |
CN109636081A (zh) * | 2018-09-29 | 2019-04-16 | 阿里巴巴集团控股有限公司 | 一种用户安全意识检测方法和装置 |
CN109636400A (zh) * | 2018-11-29 | 2019-04-16 | 国家新闻出版广电总局广播电视规划院 | 一种支付业务风险控制方法及装置 |
CN109858735A (zh) * | 2018-12-14 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 用户风险评分评定方法、装置、计算机设备及存储介质 |
CN109949154A (zh) * | 2018-12-17 | 2019-06-28 | 深圳平安综合金融服务有限公司 | 客户信息分类方法、装置、计算机设备和存储介质 |
CN109949154B (zh) * | 2018-12-17 | 2024-07-02 | 深圳平安综合金融服务有限公司 | 客户信息分类方法、装置、计算机设备和存储介质 |
CN109978342A (zh) * | 2019-03-01 | 2019-07-05 | 平安科技(深圳)有限公司 | 电子装置、风险评估方法和计算机可读存储介质 |
CN110147998A (zh) * | 2019-04-16 | 2019-08-20 | 深圳壹账通智能科技有限公司 | 客户入网处理方法、装置、计算机设备及存储介质 |
CN110322338A (zh) * | 2019-05-05 | 2019-10-11 | 新分享科技服务(深圳)有限公司 | 基于客户评级服务的资产评级方法以及资产评级系统 |
CN110349006A (zh) * | 2019-07-02 | 2019-10-18 | 北京淇瑀信息科技有限公司 | 基于活跃度来度量交易风险的方法、装置和电子设备 |
CN110503564A (zh) * | 2019-07-05 | 2019-11-26 | 中国平安人寿保险股份有限公司 | 基于大数据的保全案件处理方法、系统、设备及存储介质 |
CN110503564B (zh) * | 2019-07-05 | 2024-04-02 | 中国平安人寿保险股份有限公司 | 基于大数据的保全案件处理方法、系统、设备及存储介质 |
CN110688306A (zh) * | 2019-09-05 | 2020-01-14 | 国家计算机网络与信息安全管理中心 | 基于概率图模型的移动应用风险等级推理评估方法及装置 |
CN112465509A (zh) * | 2019-09-06 | 2021-03-09 | 北京国双科技有限公司 | 签约合同的预警方法及装置 |
CN111523997A (zh) * | 2020-04-21 | 2020-08-11 | 中国工商银行股份有限公司 | 客户风险评估方法和装置、以及电子设备和可读存储介质 |
CN112419008A (zh) * | 2020-12-09 | 2021-02-26 | 中国建设银行股份有限公司 | 一种自动分级预警方法、装置、电子设备和存储介质 |
CN112581297B (zh) * | 2020-12-18 | 2024-03-12 | 中国平安人寿保险股份有限公司 | 基于人工智能的信息推送方法、装置及计算机设备 |
CN112581297A (zh) * | 2020-12-18 | 2021-03-30 | 中国平安人寿保险股份有限公司 | 基于人工智能的信息推送方法、装置及计算机设备 |
CN112732804A (zh) * | 2020-12-23 | 2021-04-30 | 北京金堤征信服务有限公司 | 合作数据评估方法及装置、电子设备和可读存储介质 |
CN112732804B (zh) * | 2020-12-23 | 2024-04-26 | 北京金堤征信服务有限公司 | 合作数据评估方法及装置、电子设备和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2019140849A1 (zh) | 2019-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108280762A (zh) | 客户风险评级方法、服务器及计算机可读存储介质 | |
US10965446B2 (en) | Blockchain-based automated user matching | |
Inekwe | FDI, employment and economic growth in Nigeria | |
Levi et al. | Cyberfraud and the implications for effective risk-based responses: themes from UK research | |
US20180285886A1 (en) | System and method for global third party intermediary identification system with anti-bribery and anti-corruption risk assessment | |
CN107730389A (zh) | 电子装置、保险产品推荐方法及计算机可读存储介质 | |
US11544639B2 (en) | Data source-based service customizing device, method and system, and storage medium | |
CN110148053B (zh) | 用户信贷额度评估方法、装置、电子设备和可读介质 | |
CN108416506A (zh) | 客户风险等级管理方法、服务器及计算机可读存储介质 | |
CN107730310A (zh) | 电子装置、构建零售网点评分模型的方法及存储介质 | |
CN107908656A (zh) | 增加渠道方法、应用服务器及计算机可读存储介质 | |
CN107908603A (zh) | 动态生成文件方法及应用服务器 | |
CN109636565A (zh) | 风险数据的处理方法、装置、设备及计算机可读存储介质 | |
CN108038655A (zh) | 部门需求的推荐方法、应用服务器及计算机可读存储介质 | |
CN115148026A (zh) | 一种数据驱动的交通安全风险评估与可变限速管控算法及系统 | |
US11720900B1 (en) | Systems and methods for adaptive learning to replicate peak performance of human decision making | |
CN107945034A (zh) | 基于微博财经事件的金融分析方法、应用服务器及计算机可读存储介质 | |
CN111507585B (zh) | 活动信息的处理方法、装置及系统 | |
Liu et al. | Financial Risk Management of Listed Companies Based on Mobile Edge Computing | |
Azu et al. | Gravity assessment of the impact of alliances on bilateral trade: A comparative analysis of ECOMOG and NATO | |
CN108256990A (zh) | 服务器、风险提示的方法及计算机可读存储介质 | |
Wang et al. | RETRACTED: Structure optimization of big data financial industry based on 5g network processor and embedded system | |
KR20190140374A (ko) | 암호화폐 거래 전망 평가 방법 | |
CN110942395A (zh) | 保险保全风险控制方法、装置、设备及存储介质 | |
Nguyen et al. | VietNam’s Stock market volatility under macroeconomic impacts |
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 |
Application publication date: 20180713 |
|
RJ01 | Rejection of invention patent application after publication |