CN108874968A - 风险管理数据处理方法、装置、计算机设备和存储介质 - Google Patents
风险管理数据处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN108874968A CN108874968A CN201810582243.9A CN201810582243A CN108874968A CN 108874968 A CN108874968 A CN 108874968A CN 201810582243 A CN201810582243 A CN 201810582243A CN 108874968 A CN108874968 A CN 108874968A
- Authority
- CN
- China
- Prior art keywords
- data
- risk
- task
- interface side
- risk case
- 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.)
- Granted
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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种风险管理数据处理方法、装置、计算机设备和存储介质。所述方法包括:获取风险事件集合,分别对各个风险事件创建事件上报任务,从各个风险事件对应的接口方集合中选取各个事件上报任务对应的目标接口方,将各个事件上报任务分别发送至其目标接口方对应的终端,接收目标接口方对应的终端发送的上报数据,采用预设的分类模型得到各个风险事件对应的风险类型;根据风险类型选取各个风险事件对应的评审方,将上报数据发送至各个评审方对应的终端;接收各个评审方对应的终端发送的评审数据,当根据评审数据判断出任意一个风险事件对应的上报数据通过评审时,根据评审通过的上报数据生成报告文件。
Description
技术领域
本申请涉及风险管理技术领域,特别是涉及一种风险管理数据处理方法、装置、计算机设备和存储介质。
背景技术
IT风险也称为信息科技风险,IT风险是指任何由于使用计算机硬件、软件、网络等系统所引发的不利情况,包括程序错误、系统宕机、软件缺陷、操作失误、硬件故障、容量不足、网络漏洞及故障恢复等。在大型的集团中,为减少IT风险事件造成的损失,需要对风险事件进行有效的管理。
传统技术中,对各个专业公司的风险事件进行管理,通常是由专门的事件调查方,通过发邮件等线下沟通的方式对风险事件进行管理和监督,这种方式下需要时间调查员花费大量的时间来进行沟通,导致风险管理的效率低下。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高风险管理效率的风险管理数据处理方法、装置、计算机设备和存储介质。
一种风险管理数据处理方法,所述方法包括:
获取风险事件集合,所述风险事件集合中各个风险事件携带用户标识;
分别对所述各个风险事件创建对应的事件上报任务,得到事件上报任务集合;
根据所述用户标识分别从各个风险事件对应的接口方集合中选取各个事件上报任务对应的目标接口方,将各个事件上报任务分别发送至其目标接口方对应的终端;
接收所述目标接口方对应的终端发送的上报数据,所述上报数据包括各个风险事件的起因数据及影响数据,根据所述起因数据及影响数据采用预设的分类模型得到各个风险事件对应的风险类型;
根据所述风险类型选取各个风险事件对应的评审方,将所述上报数据发送至各个评审方对应的终端;
接收各个评审方对应的终端发送的评审数据,当根据所述评审数据判断出任意一个风险事件对应的上报数据通过评审时,根据评审通过的上报数据生成报告文件。
在其中一个实施例中,所述获取风险事件集合的步骤包括:
获取风险事件对应的源数据;
根据所述源数据创建ETL任务,触发ETL工具运行所述ETL任务;
根据所述ETL任务对应的运行结果得到风险事件集合。
在其中一个实施例中,所述根据所述用户标识分别从各个风险事件对应的接口方集合中选取各个事件上报任务对应的目标接口方的步骤包括:
获取接口方集合中各个接口方对应的长连接状态,将所述长连接状态为保持状态的接口方作为备选接口方,得到备选接口方集合;
获取备选接口方集合中各个备选接口方对应的任务优先级;
从所述备选接口方集合中选取任务优先级最高的备选接口方作为目标接口方。
在其中一个实施例中,所述预设的分类模型可以通过以下方式训练得到:
获取历史上报任务对应的上报数据及对应的风险类别;
根据所述上报数据对应的起因数据、影响数据及风险类别得到训练集;
根据所述训练集进行模型得到分类模型。
在其中一个实施例中,所述方法还包括:
当根据所述评审数据判断出存在评审未通过的上报数据时,根据评审未通过的上报数据及其对应的评审数据生成修订任务,将所述修订任务发送至所述目标接口方对应的终端。
在其中一个实施例中,所述方法还包括:
对风险事件集合中各个风险事件生成跟踪任务,得到跟踪任务集合;
将所述跟踪任务集合中各个跟踪任务分配至所述目标接口方对应的终端;
接收所述目标接口方对应的终端发送的反馈数据,将所述反馈数据发送至事件调查方对应的终端。
在其中一个实施例中,所述方法还包括:
获取各个事件上报任务对应的当前状态,筛选出所有当前状态为未完成的事件上报任务;
分别计算每个当前状态为未完成的事件上报任务的创建时间与当前时间的时间差值,当所述时间差值大于预设阈值时,生成提醒信息,将所述提醒信息发送至所述目标接口方对应的终端。
一种风险管理数据处理装置,所述装置包括:
风险事件集合获取模块,用于获取风险事件集合,所述风险事件集合中各个风险事件携带用户标识;
事件上报任务创建模块,用于分别对所述各个风险事件创建对应的事件上报任务,得到事件上报任务集合;
目标接口方选取模块,用于根据所述用户标识分别从各个风险事件对应的接口方集合中选取各个事件上报任务对应的目标接口方,将各个事件上报任务分别发送至其目标接口方对应的终端;
风险类型获取模块,用于接收所述目标接口方对应的终端发送的上报数据,所述上报数据包括各个风险事件的起因数据及影响数据,根据所述起因数据及影响数据采用预设的分类模型得到各个风险事件对应的风险类型;
上报数据发送模块,用于根据所述风险类型选取各个风险事件对应的评审方,将所述上报数据发送至各个评审方对应的终端;
报告文件生成模块,用于接收各个评审方对应的终端发送的评审数据,当根据所述评审数据判断出任意一个风险事件对应的评审数据通过评审时,根据评审通过的上报数据生成报告文件。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述风险管理数据处理方法所述的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现风险管理数据处理方法所述的步骤。
上述风险管理数据处理方法、装置、计算机设备和存储介质,通过风险管理服务器获取风险事件,对风险事件生成上报任务,然后分配至对应的目标接口方,并接收目标接口方通过其对应的终端发送的上报数据,将上报数据发送至对应的评审方,根据评审方对应的终端返回的评审数据判断风险事件评审是否通过,并在通过时,生成报告文件,实现了风险事件的自动化管理,提高了风险管理效率。
附图说明
图1为一个实施例中风险管理数据处理方法的应用场景图;
图2为一个实施例中风险管理数据处理方法的流程示意图;
图3为一个实施例中步骤S206的流程示意图;
图4为一个实施例中风险管理数据处理装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的风险管理数据处理方法,可以应用于如图1所示的应用环境中。其中,目标接口方对应的终端104、评审方对应的终端106以及事件调查方对应的终端108分别通过网络与风险管理服务器102通过网络进行通信。风险管理服务器102获取到风险事件集合后,分别对各个风险事件创建事件上报任务,将事件上报任务分配至目标接口方,目标接口方可通过其对应的终端104对事件上报任务进行上报录入,然后通过终端104将上报数据返回至风险管理服务器102,风险管理服务器102根据上报数据对风险事件进行分类,然后根据分类结果选择评审方,将上报数据发送至评审方106对应的终端,最后根据评审方对应的终端返回的评审数据判断风险事件是否通过评审,对通过评审的风险事件生成报告文件,发送至事件调查方对应的终端108。其中,目标接口方对应的终端104、评审方对应的终端106以及事件调查方对应的终端108可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器102可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种风险管理数据处理方法,以该方法应用于图1中的风险管理服务器102为例进行说明,包括以下步骤:
步骤S202,获取风险事件集合,风险事件集合中各个风险事件携带用户标识。
风险事件集合指的是至少一个风险事件所组成的集合,其中,风险事件指的是指任何由于使用计算机硬件、软件、网络等可能会引发不利情况的事件。用户标识用于唯一标识引发风险事件的用户的身份,由预设位数的数字、字母或其它特殊符号等组成。
在一个实施例中,风险管理服务器通过实时同步地方式从第三方系统服务器例如运维系统服务器实时获取风险事件。进一步地,用户标识对应的用户可以为个人,也可以为公司、团队等。如,在大型的集团公司中,同一个行业往往包含多家专业子公司,其中,每一专业子公司对应一个用户,如,在保险公司集团中,负责产险的专业公司、负责寿险的专业公司分别对应一个用户。
步骤S204,分别对各个风险事件创建对应的事件上报任务,得到事件上报任务集合。
具体地,风险管理服务器中可预先存储有任务模板,任务模板中包括风险事件名称、风险事件起因、风险事件经过、风险事件可能造成的影响等条目。当风险管理服务器获取到风险事件集合后,对风险事件集合中各个风险事件分别采用任务模板创建对应的事件上报任务,其中,事件上报任务的任务名称可以以风险事件的名称进行命名,也可以按照事先设定好的编号规律进行编号,如可将名称按照001、002、003……进行命名,对各个风险事件创建好了事件上报任务后,得到风险事件集合对应的事件上报任务集合。
步骤S206,根据用户标识分别从各个风险事件对应的接口方集合中选取各个事件上报任务对应的目标接口方,将各个事件上报任务分别发送至其目标接口方对应的终端。
具体地,所有的用户标识在风险管理服务器中都保存有一个或多个与之相关联的接口方,其中,接口方在风险管理服务器中可以用姓名、手机号、邮箱等进行标识,一个用户标识对应的所有接口方即组成接口方集合,因此,可根据风险事件中携带的用户标识查找对应的接口方,将风险事件对应的事件上报任务分配至风险事件中携带的用户标识所对应的接口方。
在一个实施例中,风险管理服务器从用户标识对应的接口方集合中选取目标接口方可以是随机选取任意一个接口方作为目标接口方。在另一个实施例中,风险管理服务器从用户标识对应的接口方集合中选取目标接口方可以是根据接口方集合中各个接口方对应的长连接状态和优先级进行选取,具体地,可以首先获取接口方集合中各个接口方对应的长连接状态,将所长连接状态为保持状态的接口方作为备选接口方,得到备选接口方集合,获取备选接口方集合中各个备选接口方对应的任务优先级;从备选接口方集合中选取任务优先级最高的备选接口方作为目标接口方。
步骤S208,接收目标接口方对应的终端发送的上报数据,上报数据包括各个风险事件的起因数据及影响数据,根据起因数据及影响数据采用预设的分类模型得到各个风险事件对应的风险类型。
其中,上报数据为目标接口方在其对应的终端根据相应的任务录入的数据,包过风险事件的名称、风险事件对应的起因数据、经过数据和影响数据。风险类型包括系统风险、网络风险、数据风险、运行风险。在本实施例中,预设的分类模型是通过机器学习训练得到的,在进行模型训练时,可以采用有监督的模型训练方式,例如逻辑回归模型、SVM(Support Vector Machine,支持向量机)、贝叶斯模型、卷积神经网络等。
在本实施例中,风险管理服务器接收到目标接口方对应的终端发送的上报数据后,将上报数据中的起因数据及影响数据输入已经训练好的分类模型,得到风险事件对应的风险类型。
步骤S210,根据风险类型选取各个风险事件对应的评审方,将上报数据发送至各个评审方对应的终端。
具体地,对于不同的风险类型预先设置了不同的评审方,因此,在得到了风险事件对应的风险类型后,可根据风险类型选择匹配该风险类型的评审方。在本实施例中,每个评审方在风险管理服务器中都对应一个用户标识,该用户标识用于唯一标识评审方的身份,可以是姓名、社交账号、身份证号、手机号等,当某个风险类型的评审方确定好后,可建立起该评审方对应的用户标识与风险类型之间的映射关系,风险管理服务器在得到风险事件的风险类型后可根据该映射关系查找到其对应的用户标识,然后将该风险事件的上报数据发送至该用户标识对应的终端。
进一步,该用户标识对应的评审方可通过终端对风险事件对应的上报数据进行评审,其中,评审可以是直接对上报数据给出一个整体的结论,结论可以是评审通过或评审不通过,当评审不通过时,可以给出改进意见;也可以是对上报数据的每一项分别进行评审,如分别对事件起因、事件经过、事件影响分别进行评审,并给出评审结论。
步骤S212,接收各个评审方对应的终端发送的评审数据,根据评审数据判断各个风险事件是否通过评审,当根据评审数据判断出任意一个风险事件通过评审时,根据评审通过的上报数据生成报告文件。
具体地,风险管理服务器接收评审方对应的终端发送的评审数据后,解析该评审数据,获取评审数据中的评审结论,根据评审结论判断风险事件是否审核通过。
在一个实施例中,当获取到的评审结论中只有一个整体的评审结论时,可直接根据该评审结论判断风险事件的评审是否通过;在另一个实施例中,当获取到的评审结论中有多个评审结论,即评审结论为分别针对上报数据中单独的一项时,判断这些评审结论中是否包含有未通过的评审结论,若包含,则判定该风险事件评审未通过。
进一步,当风险管理服务器判断出任意一个风险事件对应的上报数据通过评审时,根据该通过评审的上报数据生成风险事件对应的报告文件。其中,报告文件中至少包含风险事件的名称、上报数据及评审结论等数据。
进一步,风险管理服务器将报告文件发送至事件调查方对应的终端。具体地,可以是在接收事件调查方对应的终端所发送的报告文件获取请求时,将报告文件获取请求对应的报告文件单独发送至事件调查方对应的终端;也可以是在报告文件的数量超过设定的阈值,如5个时,将当前已经生成的所有报告文件一起发送事件调查方对应的终端;还可以是每隔一定的时间,例如2天,查询一次当前未发送的报告文件,然后将查找到的所有未发送的报告文件发送至事件调查方对应的终端。
上述风险管理数据处理方法,通过风险管理服务器获取风险事件,对风险事件生成上报任务,然后分配至对应的目标接口方,并接收目标接口方通过其对应的终端发送的上报数据,将上报数据发送至对应的评审方,根据评审方对应的终端返回的评审数据判断风险事件评审是否通过,并在通过时,生成报告文件,实现了风险事件的自动化管理,提高了风险管理效率。
在一个实施例中,获取风险事件集合的步骤包括:获取风险事件对应的源数据;根据源数据创建ETL(Extract-Transform-Load,抽取/转换/加载)任务,触发ETL工具运行ETL任务;根据ETL任务对应的运行结果得到风险事件集合。
具体地,风险管理服务器从第三方系统服务器如运维系统服务器获取风险事件对应的源数据,所述源数据包括但不限于风险事件对应的用户标识、风险事件的类型、风险事件的简要描述如风险事件的起因、影响等,以及风险事件的预估损失等等。源数据的格式例如可以是数据源MySQL、数据源Oracle、数据源PostgreSQL、数据源DB2和数据源SQLServer等多种数据源中的一种或多种。
在一个实施例中,风险管理服务器根据源数据创建ETL任务后,分别根据源数据的数据类型,选择对应的ETL工具运行ETL任务,根据运行结果得到风险事件集合。
在另一实施例中,风险管理服务器可以首先对源数据进行统一的格式转换,如统一转换为逗号分隔值CSV格式的源数据,然后根据转换后的源数据创建ETL任务,选择CSV格式对应的ETL工具运行ETL任务,根据运行结果得到风险事件集合。
在本实施例中,借助ETL工具可以更好地整合获取到的源数据,快速地获取到风险事件集合。
在一个实施例中,如图3所示,根据用户标识分别从各个风险事件对应的接口方集合中选取各个事件上报任务对应的目标接口方的步骤包括:
步骤S206A,获取接口方集合中各个接口方对应的长连接状态,将长连接状态为保持状态的接口方作为备选接口方,得到备选接口方集合。
具体地,为保证事件上报任务能及时分配至对应的接口方,接口方对应的终端与风险管理服务器之间采用长连接进行通信。因此,在选取目标接口方时,可首先判断接口方集合中各个接口方对应的长连接是否为长连接状态,将长连接状态为保持状态的接口方作为备选接口方,最终得到目标接口方集合。
具体地,判断接口方集合中各个接口方对应的长连接是否为长连接状态可通过向接口方对应的终端发送心跳检测数据包,当在预设时间内,接收到接口方对应的终端发送的心跳响应包时,判断其为长连接状态,否则,可以判定该接口方对应的长连接已断开,或者,也可以在超过预设时间没有接收到心跳响应包时再次发送心跳检测包,并再次判断是否在预设时间内接收到心跳响应包,从而可以在接口方对应的终端发生短暂故障时出现错误的判断,从而尽可能多的选择到长连接为在线状态的备选接口方。
步骤S206B,获取备选接口方集合中各个备选接口方对应的任务优先级。
步骤S206C,从备选接口方集合中选取任务优先级最高的备选接口方作为目标接口方。
具体地,对于接口方集合中各个接口方均设置有任务优先级,任务优先级可根据接口方的经验、职位等进行设定,获取到各个备选接口方对应的任务优先级后,可按照任务优先级对各个备选接口方进行排序,根据排序结果选择优先级最高的备选接口方作为目标接口方。
在本实例中,通过接口方的长连接状态及任务优先级来选择目标接口方,可以保证上报任务及时地分配至最合适的接口方,从而提高任务的处理效率和处理质量。
在一个实施例中,预设的分类模型可以通过以下方式训练得到:获取历史上报任务对应的上报数据及对应的风险类别;根据上报数据对应的起因数据、影响数据及风险类别得到训练集;根据训练集进行模型得到分类模型。
其中,起因数据包括程序错误、软件缺陷、操作失误、硬件故障、容量不足、网络漏洞等数据中的一种或多种,影响数据包括网络延迟、通讯中断、系统瘫痪、数据丢失等数据中的一种或多种。在本实施例中,获取到历史上报任务对应的上报数据及对应的风险类别后,将这些数据映射到特征向量空间,得到每一个历史上报任务对应的输入特征向量及期望的输出特征向量,根据输入特征向量及期望的输出特征向量构建训练样本进行模型训练,在进行模型训练时,可以采用有监督的模型训练方式,例如逻辑回归模型、SVM(SupportVectorMachine,支持向量机)以及贝叶斯模型等。
以SVM为例,可以采用随机梯度算法进行模型训练,在梯度下降过程中需要使得代价函数J(θ)最小,在一个实施例中,代价函数可以采用以下公式表示:
其中,m表示训练集中样本特征的个数,x(i)为输入特征向量,y(i)表示期望的输出特征向量,hθ(x(i))表示每次训练的实际输出特征向量,其中,
其中,即θTx等于特征与参数的乘积的和,其中,x()为输入特征向量。
在一个实施例中,上述方法还包括:当根据评审数据判断出存在评审未通过的上报数据时,根据评审未通过的上报数据及其对应的评审数据生成修订任务,将修订任务发送至目标接口方对应的终端。
具体地,修订任务中包含待修订的风险事件对应的上报数据及评审数据,用于指示目标接口方按照评审数据对上报数据进行修订。进一步,目标接口方完成修订任务后,通过其对应的终端将修订后对应的上报数据再次发送至风险管理服务器,风险管理服务器再次将修订后的上报数据发送至评审方对应的终端,并在接受到评审方对应的终端返回的评审数据后,再次判断风险事件是否通过评审,若通过,则进入上述步骤S214,否则重复本实施例中的步骤直至风险事件通过评审。
在一个实施例中,上述方法还包括:对风险事件集合中各个风险事件生成跟踪任务,得到跟踪任务集合;将跟踪任务集合中各个跟踪任务分配至目标接口方对应的终端;接收目标接口方对应的终端发送的反馈数据,将反馈数据发送至事件调查方对应的终端。
其中,反馈数据指的是针对风险事件的改进措施相关数据,包括每个改进措施的实施状态、进展描述以及产出物描述等信息,其中,实施状态包括未实施、正在实施、已完成实施,进展描述指的是实施状态对应的当前进展,产出物描述指的当前进展对应的成果描述。
在本实施例中,风险管理服务器可以对各个事件上报任务进行状态标记,对于未接收到上报数据的事件上报任务标记为未完成,对于已接收到上报数据且未通过评审的事件上报任务标记为完成中,对于已通过评审的事件上报任务标记为已完成。风险管理服务器可以每隔预设的时间,如每隔一天,从数据库中查询各个事件上报任务对应的当前完成状态,筛选出所有当前状态为未完成的事件上报任务,分别计算每个未完成的事件上报任务的创建时间与当前时间的时间差值,判断时间差值是否大于预设阈值,其中,预设阈值可以根据业务需求进行设定和更改。如,某个时间上报任务对应的创建时间为“2018年4月3日”,当前时间为“2018年4月7日”,预设阈值为2,则可判断出时间差值4大于预设阈值2。
进一步,当某个事件上报任务对应的时间差值大于预设阈值时,对该事件上报任务生成提醒信息,将提醒信息发送至所该事件上报任务对应的目标接口方对应的终端。
在本实施例中,通过对时间差值超过预设阈值的事件上报任务生成提醒信息发送至目标接口方对应的终端,可实现对目标接口方的自动提醒,从而提高任务的完成失效。
应该理解的是,虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种风险管理数据处理装置400,该装置包括:
风险事件集合获取模块402,用于获取风险事件集合,风险事件集合中各个风险事件携带用户标识;
事件上报任务创建模块404,用于分别对各个风险事件创建对应的事件上报任务,得到事件上报任务集合;
目标接口方选取模块406,用于根据用户标识分别从各个风险事件对应的接口方集合中选取各个事件上报任务对应的目标接口方,将各个事件上报任务分别发送至其目标接口方对应的终端;
风险类型获取模块408,用于接收目标接口方对应的终端发送的上报数据,上报数据包括各个风险事件的起因数据及影响数据,根据起因数据及影响数据采用预设的分类模型得到各个风险事件对应的风险类型;
上报数据发送模块410,用于根据风险类型选取各个风险事件对应的评审方,将上报数据发送至各个评审方对应的终端;
报告文件生成模块412,用于接收各个评审方对应的终端发送的评审数据,当根据评审数据判断出任意一个风险事件对应的评审数据通过评审时,根据评审通过的上报数据生成报告文件。
在一个实施例中,风险事件集合获取模块402用于获取风险事件对应的源数据,根据源数据创建ETL任务,触发ETL工具运行ETL任务,根据ETL任务对应的运行结果得到风险事件集合。
在一个实施例中,目标接口方选取模块406用于获取接口方集合中各个接口方对应的长连接状态,将长连接状态为保持状态的接口方作为备选接口方,得到备选接口方集合,获取备选接口方集合中各个备选接口方对应的任务优先级,从备选接口方集合中选取任务优先级最高的备选接口方作为目标接口方。
在一个实施例中,上述装置还包括:分类模型训练模块,用于获取历史上报任务对应的上报数据及对应的风险类别;根据上报数据对应的起因数据、影响数据及风险类别得到训练集;根据训练集进行模型得到分类模型。
在一个实施例中,上述装置还包括:修订任务生成及发送模块,用于当根据评审数据判断出存在评审未通过的上报数据时,根据评审未通过的上报数据及其对应的评审数据生成修订任务,将修订任务发送至目标接口方对应的终端。
在一个实施例中,上述装置还包括:风险事件跟踪模块,用于对风险事件集合中各个风险事件生成跟踪任务,得到跟踪任务集合;将跟踪任务集合中各个跟踪任务分配至目标接口方对应的终端;接收目标接口方对应的终端发送的反馈数据,将反馈数据发送至事件调查方对应的终端。
在一个实施例中,上述装置还包括:任务提醒模块,用于获取各个事件上报任务对应的当前状态,筛选出所有当前状态为未完成的事件上报任务,分别计算每个当前状态为未完成的事件上报任务的创建时间与当前时间的时间差值,当时间差值大于预设阈值时,生成提醒信息,将提醒信息发送至目标接口方对应的终端。
关于风险管理数据处理装置的具体限定可以参见上文中对于风险管理数据处理方法的限定,在此不再赘述。上述风险管理数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储风险管理数据处理过程中的各种数据,如事件上报任务的当前状态数据、接口方集合中各个接口方信息、长连接状态信息等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种风险管理数据处理方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取风险事件集合,风险事件集合中各个风险事件携带用户标识;分别对各个风险事件创建对应的事件上报任务,得到事件上报任务集合;根据用户标识分别从各个风险事件对应的接口方集合中选取各个事件上报任务对应的目标接口方,将各个事件上报任务分别发送至其目标接口方对应的终端;接收目标接口方对应的终端发送的上报数据,上报数据包括各个风险事件的起因数据及影响数据,根据起因数据及影响数据采用预设的分类模型得到各个风险事件对应的风险类型;根据风险类型选取各个风险事件对应的评审方,将上报数据发送至各个评审方对应的终端;接收各个评审方对应的终端发送的评审数据,当根据评审数据判断出任意一个风险事件对应的上报数据通过评审时,根据评审通过的上报数据生成报告文件。
在一个实施例中,获取风险事件集合的步骤包括:获取风险事件对应的源数据;根据源数据创建ETL任务,触发ETL工具运行ETL任务;根据ETL任务对应的运行结果得到风险事件集合。
在一个实施例中,根据用户标识分别从各个风险事件对应的接口方集合中选取各个事件上报任务对应的目标接口方的步骤包括:获取接口方集合中各个接口方对应的长连接状态,将长连接状态为保持状态的接口方作为备选接口方,得到备选接口方集合;获取备选接口方集合中各个备选接口方对应的任务优先级;从备选接口方集合中选取任务优先级最高的备选接口方作为目标接口方。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:预设的分类模型可以通过以下方式训练得到:获取历史上报任务对应的上报数据及对应的风险类别;根据上报数据对应的起因数据、影响数据及风险类别得到训练集;根据训练集进行模型得到分类模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当根据评审数据判断出存在评审未通过的上报数据时,根据评审未通过的上报数据及其对应的评审数据生成修订任务,将修订任务发送至目标接口方对应的终端。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对风险事件集合中各个风险事件生成跟踪任务,得到跟踪任务集合;将跟踪任务集合中各个跟踪任务分配至目标接口方对应的终端;接收目标接口方对应的终端发送的反馈数据,将反馈数据发送至事件调查方对应的终端。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取各个事件上报任务对应的当前状态,筛选出所有当前状态为未完成的事件上报任务;分别计算每个当前状态为未完成的事件上报任务的创建时间与当前时间的时间差值,当时间差值大于预设阈值时,生成提醒信息,将提醒信息发送至目标接口方对应的终端。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取风险事件集合,风险事件集合中各个风险事件携带用户标识;分别对各个风险事件创建对应的事件上报任务,得到事件上报任务集合;根据用户标识分别从各个风险事件对应的接口方集合中选取各个事件上报任务对应的目标接口方,将各个事件上报任务分别发送至其目标接口方对应的终端;接收目标接口方对应的终端发送的上报数据,上报数据包括各个风险事件的起因数据及影响数据,根据起因数据及影响数据采用预设的分类模型得到各个风险事件对应的风险类型;根据风险类型选取各个风险事件对应的评审方,将上报数据发送至各个评审方对应的终端;接收各个评审方对应的终端发送的评审数据,当根据评审数据判断出任意一个风险事件对应的上报数据通过评审时,根据评审通过的上报数据生成报告文件。
在一个实施例中,获取风险事件集合的步骤包括:获取风险事件对应的源数据;根据源数据创建ETL任务,触发ETL工具运行ETL任务;根据ETL任务对应的运行结果得到风险事件集合。
在一个实施例中,根据用户标识分别从各个风险事件对应的接口方集合中选取各个事件上报任务对应的目标接口方的步骤包括:获取接口方集合中各个接口方对应的长连接状态,将长连接状态为保持状态的接口方作为备选接口方,得到备选接口方集合;获取备选接口方集合中各个备选接口方对应的任务优先级;从备选接口方集合中选取任务优先级最高的备选接口方作为目标接口方。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:预设的分类模型可以通过以下方式训练得到:获取历史上报任务对应的上报数据及对应的风险类别;根据上报数据对应的起因数据、影响数据及风险类别得到训练集;根据训练集进行模型得到分类模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当根据评审数据判断出存在评审未通过的上报数据时,根据评审未通过的上报数据及其对应的评审数据生成修订任务,将修订任务发送至目标接口方对应的终端。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对风险事件集合中各个风险事件生成跟踪任务,得到跟踪任务集合;将跟踪任务集合中各个跟踪任务分配至目标接口方对应的终端;接收目标接口方对应的终端发送的反馈数据,将反馈数据发送至事件调查方对应的终端。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取各个事件上报任务对应的当前状态,筛选出所有当前状态为未完成的事件上报任务;分别计算每个当前状态为未完成的事件上报任务的创建时间与当前时间的时间差值,当时间差值大于预设阈值时,生成提醒信息,将提醒信息发送至目标接口方对应的终端。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种风险管理数据处理方法,所述方法包括:
获取风险事件集合,所述风险事件集合中各个风险事件携带用户标识;
分别对各个所述风险事件创建对应的事件上报任务,得到事件上报任务集合;
根据所述用户标识分别从各个所述风险事件对应的接口方集合中,确定各个所述事件上报任务对应的目标接口方,将各个所述事件上报任务分别发送至其目标接口方对应的终端;
接收所述目标接口方对应的终端发送的上报数据,所述上报数据包括各个所述风险事件的起因数据及影响数据,根据所述起因数据及所述影响数据采用预设的分类模型得到各个所述风险事件对应的风险类型;
根据所述风险类型选取各个所述风险事件对应的评审方,将所述上报数据发送至各个所述评审方对应的终端;
接收各个评审方对应的终端发送的评审数据,当根据所述评审数据判断出任意一个所述风险事件对应的上报数据通过评审时,根据评审通过的上报数据生成报告文件。
2.根据权利要求1所述的方法,其特征在于,所述获取风险事件集合,包括:
获取风险事件对应的源数据;
根据所述源数据创建ETL任务,触发ETL工具运行所述ETL任务;
根据所述ETL任务对应的运行结果得到风险事件集合。
3.根据权利要求1所述的方法,其特征在于,所述根据所述用户标识分别从各个风险事件对应的接口方集合中选取各个事件上报任务对应的目标接口方,包括:
获取接口方集合中各个接口方对应的长连接状态,将所述长连接状态为保持状态的接口方作为备选接口方,得到备选接口方集合;
获取备选接口方集合中各个备选接口方对应的任务优先级;
从所述备选接口方集合中选取任务优先级最高的备选接口方作为目标接口方。
4.根据权利要求1所述的方法,其特征在于,所述预设的分类模型可以通过以下方式训练得到:
获取历史上报任务对应的上报数据及对应的风险类别;
根据所述上报数据对应的起因数据、影响数据及风险类别得到训练集;
根据所述训练集进行模型得到分类模型。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当根据所述评审数据判断出存在评审未通过的上报数据时,根据评审未通过的上报数据及其对应的评审数据生成修订任务,将所述修订任务发送至所述目标接口方对应的终端。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对风险事件集合中各个风险事件生成跟踪任务,得到跟踪任务集合;
将所述跟踪任务集合中各个跟踪任务分配至所述目标接口方对应的终端;
接收所述目标接口方对应的终端发送的反馈数据,将所述反馈数据发送至事件调查方对应的终端。
7.根据权利要求1至6任意一项所述的方法,其特征在于,所述方法还包括:
获取各个所述事件上报任务对应的当前状态,筛选出所有当前状态为未完成的事件上报任务;
分别计算每个当前状态为未完成的事件上报任务的创建时间与当前时间的时间差值,当所述时间差值大于预设阈值时,生成提醒信息,将所述提醒信息发送至所述目标接口方对应的终端。
8.一种风险管理数据处理装置,其特征在于,所述装置包括:
风险事件集合获取模块,用于获取风险事件集合,所述风险事件集合中各个风险事件携带用户标识;
事件上报任务创建模块,用于分别对所述各个风险事件创建对应的事件上报任务,得到事件上报任务集合;
目标接口方选取模块,用于根据所述用户标识分别从各个风险事件对应的接口方集合中选取各个事件上报任务对应的目标接口方,将各个事件上报任务分别发送至其目标接口方对应的终端;
风险类型获取模块,用于接收所述目标接口方对应的终端发送的上报数据,所述上报数据包括各个风险事件的起因数据及影响数据,根据所述起因数据及影响数据采用预设的分类模型得到各个风险事件对应的风险类型;
上报数据发送模块,用于根据所述风险类型选取各个风险事件对应的评审方,将所述上报数据发送至各个评审方对应的终端;
报告文件生成模块,用于接收各个评审方对应的终端发送的评审数据,当根据所述评审数据判断出任意一个风险事件对应的评审数据通过评审时,根据评审通过的上报数据生成报告文件。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,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中任一项所述方法的步骤。
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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810582243.9A CN108874968B (zh) | 2018-06-07 | 2018-06-07 | 风险管理数据处理方法、装置、计算机设备和存储介质 |
PCT/CN2018/104759 WO2019232964A1 (zh) | 2018-06-07 | 2018-09-10 | 风险管理数据处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810582243.9A CN108874968B (zh) | 2018-06-07 | 2018-06-07 | 风险管理数据处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108874968A true CN108874968A (zh) | 2018-11-23 |
CN108874968B CN108874968B (zh) | 2023-04-18 |
Family
ID=64337371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810582243.9A Active CN108874968B (zh) | 2018-06-07 | 2018-06-07 | 风险管理数据处理方法、装置、计算机设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108874968B (zh) |
WO (1) | WO2019232964A1 (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109657063A (zh) * | 2018-12-24 | 2019-04-19 | 恒瑞通(福建)信息技术有限公司 | 一种海量环保人工上报事件数据的处理方法及存储介质 |
CN109727176A (zh) * | 2019-01-03 | 2019-05-07 | 深圳壹账通智能科技有限公司 | 企业监管处理方法、装置、计算机设备和存储介质 |
CN109726987A (zh) * | 2018-12-21 | 2019-05-07 | 平安科技(深圳)有限公司 | 事件汇报方法、装置、设备及计算机可读存储介质 |
CN109756363A (zh) * | 2018-11-27 | 2019-05-14 | 平安科技(深圳)有限公司 | 数据传输稳定性控制方法、装置、计算机设备及存储介质 |
CN110084606A (zh) * | 2019-03-20 | 2019-08-02 | 平安直通咨询有限公司上海分公司 | 风险控制方法、装置、计算机设备和存储介质 |
CN110956445A (zh) * | 2019-11-18 | 2020-04-03 | 支付宝(杭州)信息技术有限公司 | 用于生成风险文件的方法和装置 |
CN111046393A (zh) * | 2019-12-14 | 2020-04-21 | 深圳市优必选科技股份有限公司 | 漏洞信息上传方法、装置、终端设备及存储介质 |
CN112307480A (zh) * | 2019-07-24 | 2021-02-02 | 中移互联网有限公司 | 应用软件所在设备的风险分析方法及装置 |
TWI720606B (zh) * | 2018-11-28 | 2021-03-01 | 開曼群島商創新先進技術有限公司 | 資料處理方法、裝置、計算設備及儲存媒體 |
CN112884297A (zh) * | 2021-01-29 | 2021-06-01 | 绿盟科技集团股份有限公司 | 基于钓鱼邮件的风险评分确定方法、装置、设备和介质 |
CN112949262A (zh) * | 2021-02-09 | 2021-06-11 | 中广核工程有限公司 | 评审单处理方法、装置、计算机设备和存储介质 |
CN114240097A (zh) * | 2021-12-02 | 2022-03-25 | 支付宝(杭州)信息技术有限公司 | 一种风险评估的方法及装置 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365114A (zh) * | 2020-08-24 | 2021-02-12 | 南方电网数字电网研究院有限公司 | 一种基于运维管理平台的电力作业计划管理方法 |
CN113342846B (zh) * | 2021-06-29 | 2024-03-19 | 福州外语外贸学院 | 基于大数据的预警把控提醒方法、装置及计算机设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140019194A1 (en) * | 2012-07-12 | 2014-01-16 | Bank Of America | Predictive Key Risk Indicator Identification Process Using Quantitative Methods |
CN105302120A (zh) * | 2015-11-19 | 2016-02-03 | 广州云湾信息技术有限公司 | 智能设备的远程服务装置、系统和方法 |
CN106156343A (zh) * | 2016-07-21 | 2016-11-23 | 中国地质大学(武汉) | 一种深基坑施工方案安全评审知识库以及自动安全评审方法 |
CN107644340A (zh) * | 2016-07-22 | 2018-01-30 | 阿里巴巴集团控股有限公司 | 风险识别方法、客户端设备及风险识别系统 |
CN107845033A (zh) * | 2017-11-08 | 2018-03-27 | 上海壹账通金融科技有限公司 | 风控报告生成方法、装置、设备及计算机可读存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833621B (zh) * | 2010-04-27 | 2011-11-30 | 广州广电运通金融电子股份有限公司 | 终端安全审计方法及系统 |
US8726084B2 (en) * | 2011-10-14 | 2014-05-13 | Honeywell International Inc. | Methods and systems for distributed diagnostic reasoning |
CN106341248B (zh) * | 2015-07-09 | 2020-04-07 | 阿里巴巴集团控股有限公司 | 一种基于云平台的故障处理方法和装置 |
CN107832429A (zh) * | 2017-11-14 | 2018-03-23 | 广州供电局有限公司 | 审计数据处理方法和系统 |
-
2018
- 2018-06-07 CN CN201810582243.9A patent/CN108874968B/zh active Active
- 2018-09-10 WO PCT/CN2018/104759 patent/WO2019232964A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140019194A1 (en) * | 2012-07-12 | 2014-01-16 | Bank Of America | Predictive Key Risk Indicator Identification Process Using Quantitative Methods |
CN105302120A (zh) * | 2015-11-19 | 2016-02-03 | 广州云湾信息技术有限公司 | 智能设备的远程服务装置、系统和方法 |
CN106156343A (zh) * | 2016-07-21 | 2016-11-23 | 中国地质大学(武汉) | 一种深基坑施工方案安全评审知识库以及自动安全评审方法 |
CN107644340A (zh) * | 2016-07-22 | 2018-01-30 | 阿里巴巴集团控股有限公司 | 风险识别方法、客户端设备及风险识别系统 |
CN107845033A (zh) * | 2017-11-08 | 2018-03-27 | 上海壹账通金融科技有限公司 | 风控报告生成方法、装置、设备及计算机可读存储介质 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109756363A (zh) * | 2018-11-27 | 2019-05-14 | 平安科技(深圳)有限公司 | 数据传输稳定性控制方法、装置、计算机设备及存储介质 |
TWI720606B (zh) * | 2018-11-28 | 2021-03-01 | 開曼群島商創新先進技術有限公司 | 資料處理方法、裝置、計算設備及儲存媒體 |
CN109726987A (zh) * | 2018-12-21 | 2019-05-07 | 平安科技(深圳)有限公司 | 事件汇报方法、装置、设备及计算机可读存储介质 |
CN109726987B (zh) * | 2018-12-21 | 2024-05-28 | 平安科技(深圳)有限公司 | 事件汇报方法、装置、设备及计算机可读存储介质 |
CN109657063A (zh) * | 2018-12-24 | 2019-04-19 | 恒瑞通(福建)信息技术有限公司 | 一种海量环保人工上报事件数据的处理方法及存储介质 |
CN109727176A (zh) * | 2019-01-03 | 2019-05-07 | 深圳壹账通智能科技有限公司 | 企业监管处理方法、装置、计算机设备和存储介质 |
CN110084606A (zh) * | 2019-03-20 | 2019-08-02 | 平安直通咨询有限公司上海分公司 | 风险控制方法、装置、计算机设备和存储介质 |
CN110084606B (zh) * | 2019-03-20 | 2023-10-10 | 平安直通咨询有限公司上海分公司 | 风险控制方法、装置、计算机设备和存储介质 |
CN112307480A (zh) * | 2019-07-24 | 2021-02-02 | 中移互联网有限公司 | 应用软件所在设备的风险分析方法及装置 |
CN112307480B (zh) * | 2019-07-24 | 2023-09-05 | 中移互联网有限公司 | 应用软件所在设备的风险分析方法及装置 |
CN110956445B (zh) * | 2019-11-18 | 2023-03-10 | 支付宝(杭州)信息技术有限公司 | 用于生成风险文件的方法和装置 |
CN110956445A (zh) * | 2019-11-18 | 2020-04-03 | 支付宝(杭州)信息技术有限公司 | 用于生成风险文件的方法和装置 |
CN111046393A (zh) * | 2019-12-14 | 2020-04-21 | 深圳市优必选科技股份有限公司 | 漏洞信息上传方法、装置、终端设备及存储介质 |
CN112884297A (zh) * | 2021-01-29 | 2021-06-01 | 绿盟科技集团股份有限公司 | 基于钓鱼邮件的风险评分确定方法、装置、设备和介质 |
CN112949262A (zh) * | 2021-02-09 | 2021-06-11 | 中广核工程有限公司 | 评审单处理方法、装置、计算机设备和存储介质 |
CN112949262B (zh) * | 2021-02-09 | 2024-05-28 | 中广核工程有限公司 | 评审单处理方法、装置、计算机设备和存储介质 |
CN114240097A (zh) * | 2021-12-02 | 2022-03-25 | 支付宝(杭州)信息技术有限公司 | 一种风险评估的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108874968B (zh) | 2023-04-18 |
WO2019232964A1 (zh) | 2019-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108874968A (zh) | 风险管理数据处理方法、装置、计算机设备和存储介质 | |
CN109711802A (zh) | 项目信息处理方法、装置、计算机设备和存储介质 | |
Danesh et al. | A systematic comparison of multi-criteria decision making methods for the improvement of project portfolio management in complex organisations | |
CN110069572A (zh) | 基于大数据平台的hive任务调度方法、装置、设备及存储介质 | |
US9053237B2 (en) | Test script generation | |
CN107809322A (zh) | 运维工单的分配方法和装置 | |
CN112003942B (zh) | 链下数据请求响应方法、系统、节点设备与存储介质 | |
JP2019135662A (ja) | 休職予測システム、休職予測方法及びプログラム | |
WO2021098281A1 (zh) | 项目基线数据生成方法、装置、计算机设备和计算机可读存储介质 | |
CN107688591B (zh) | 一种精算处理方法和装置 | |
CN110298539A (zh) | 任务数据处理方法、装置、计算机设备及存储介质 | |
WO2018154799A1 (ja) | 業務計画最適化装置及び業務計画最適化方法 | |
CN109284920A (zh) | 基于大数据的用户信息风险评定的方法及系统 | |
CN107909234A (zh) | 工作流数据的时限提醒方法、处理方法及其装置、设备 | |
CN106657192A (zh) | 一种用于呈现服务调用信息的方法与设备 | |
CN108255707A (zh) | 测试用例的开发角色创建方法、装置、设备及存储介质 | |
CN109491857A (zh) | 一种基于规则引擎的数据监控方法、系统及终端设备 | |
CN109447276A (zh) | 一种机器学习方法、系统、设备及应用方法 | |
CN108803996A (zh) | 图形文件处理方法、装置、计算机设备和存储介质 | |
CN106371983A (zh) | 基于数据开发的报警方法和装置 | |
CN114386986A (zh) | 一种产品全生命周期数据的追溯平台 | |
CN110648111A (zh) | 基于工作流的审批任务处理方法、装置、电子设备、介质 | |
CN113947468B (zh) | 一种数据管理方法及平台 | |
Bubeník et al. | Knowledge-based systems to support production planning | |
Machani et al. | A variable neighbourhood search for integrated production and preventive maintenance planning in multi-state systems |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |