CN109165868A - 一种基于历史数据建立的风险监控模型 - Google Patents
一种基于历史数据建立的风险监控模型 Download PDFInfo
- Publication number
- CN109165868A CN109165868A CN201811074452.9A CN201811074452A CN109165868A CN 109165868 A CN109165868 A CN 109165868A CN 201811074452 A CN201811074452 A CN 201811074452A CN 109165868 A CN109165868 A CN 109165868A
- Authority
- CN
- China
- Prior art keywords
- risk
- early warning
- critical value
- value
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000013480 data collection Methods 0.000 claims abstract description 7
- 230000008520 organization Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003442 weekly effect Effects 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
- G06Q10/0633—Workflow analysis
-
- 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)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (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
本发明公开了一种基于历史数据建立的风险监控模型,具体方法包括:S1、利用数据收集技术、日志分析技术对企业存在风险的业务流程的风险点进行整理归类;S2、针对需要监控的风险点,建立监控模型;S3、针对每个风险点,通过分析业务数值分布规律,识别出临界值并进行记录,如果发生业务值超出临界值一定范围的情况,系统给出预警提示。本发明的一种基于历史数据建立的风险监控模型和现有技术相比,对于系统的预警的有效率会有很大提高。
Description
技术领域
本发明涉及计算机技术领域,具体地说是一种基于历史数据建立的风险监控模型。
背景技术
随着科学技术的不断发展,企业的业务不断趋于智能化发展,需要人工操作的环节越来越少,机器在一天天代替人力的操作。在技术工业革命的初期,技术给人类服务的只是重复的机械操作。在技术的不断革新中,技术给人类带来的服务,就是接近于智能化的服务,即机器代替人的基本判断功能。
在大数据技术快速发展的今天,我们要充分利用大数据给我们带来的便捷,利用大数据分析技术,对企业复杂的业务流程进行信息收集和分析,并从中得到我们想要的数值。
针对复杂业务风险点的管理,需要人工去查询判断的工作非常多,由此,提出来通过建立风险模型自动识别风险的方法,即系统可以代替人做一些基本的查询分析工作。需要人工完成的部分,是基于系统对数据的分析结果之上,开展的较为复杂的逻辑分析。
发明内容
本发明的技术任务是针对以上不足之处,提供自动化程度高的一种基于历史数据建立的风险监控模型的方法。
本发明解决其技术问题所采用的技术方案是: 一种基于历史数据建立的风险监控模型的方法,具体方法包括:
S1、利用数据收集技术、日志分析技术对企业存在风险的业务流程的风险点进行整理归类;
S2、 针对需要监控的风险点,建立监控模型;
S3、针对每个风险点,通过分析业务数值分布规律,识别出临界值并进行记录,如果发生业务值超出临界值一定范围的情况,系统给出预警提示。
进一步的,优选的方法为,
方法还包括对于系统给出的预警提示,根据实际需要进行无效风险的标记,当被标记无效风险的业务再次发生时,系统不再给出预警提示,未被标记无效风险的,系统默认为有效风险。
进一步的,优选的方法为,
所述的S3的具体方法包括:
S31、针对每个风险点,通过分析业务数值分布规律,识别出临界值并进行记录;
S32、设置临界值的超出比例和提醒频率;
S33、根据设置的临界值的超出比例和提醒频率;在数据库中设置一个定时任务,定时任务循环抓取业务值,并将业务值和临界值进行比对,若业务值超出临界值的比例超过设定的超出比例,则系统发出预警提示。
进一步的,优选的方法为,
所述的预警提示的方法为短信提示、邮件提示或者微信提示。
一种基于历史数据建立的风险监控模型,包括风险点整理模块、风险模型建立模块和提醒等级标识模块;
风险点整理模块,用于利用数据收集技术、日志分析技术对企业存在风险的业务流程的风险点进行整理归类;
风险模型建立模块,用于针对需要监控的风险点,建立监控模型;针对每个风险点,通过分析业务数值分布规律,识别出临界值并进行记录,如果发生业务值超出临界值一定范围的情况,系统给出预警提示;
提醒等级标识模块,用于对于系统给出的预警提示,根据实际需要进行无效风险的标记,当被标记无效风险的业务再次发生时,系统不再给出预警提示,未被标记无效风险的,系统默认为有效风险。
进一步的,优选的结构为,
风险模型建立模块包括基础设置单元和预警任务创建单元;
基础设置单元,用于针对需要监控的风险点,建立监控模型;针对每个风险点,通过分析业务数值分布规律,识别出临界值并进行记录;
预警任务创建单元,用于抓取业务值,并将业务值和临界值进行比对,若业务值超出临界值的比例超过设定的超出比例,则系统发出预警提示。
进一步的,优选的结构为,
基础设置单元包括临界值分析记录装置、超出比例设置装置及提醒频率设置装置;
临界值分析记录装置,用于针对每个风险点,通过分析业务数值分布规律,识别出临界值并进行记录;
超出比例设置装置,用于根据实际需要设定需要发出预警的业务值与临界值的超出比例;
提醒频率设置装置,用于根据实际需要设定预警频率。
本发明的一种基于历史数据建立的风险监控模型和现有技术相比,有益效果如下:
1、能够针对企业个性化业务需求进行定制,可以针对不同种类的风险点进行不同种类或者不同等级的风险预警提示;多种类的预警服务,可以满足业务复杂、业务种类较多的企业的需求。
2、系统自动识别临界值,省去人工逐个查询分析的工作量。
3、对于风险预警动态控制,用户可以随时对其风险属性进行标记,通过对用户每次风险预警的标记,系统对风险预警的准确度得到提高,其中风险种类标记是选择性的,非强制性的,如果用户不进行标记,则默认属于风险预警范围内的业务。
4、系统对用户操作的数据结果进行数据收集,对于系统的预警的有效率会有很大提高。
附图说明
下面结合附图对本发明进一步说明。
附图1为实施例1的原理框图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
本发明为一种基于历史数据建立的风险监控模型,提出来通过建立风险模型自动识别风险的方法,即系统可以代替人做一些基本的查询分析工作。需要人工完成的部分,是基于系统对数据的分析结果之上,开展的较为复杂的逻辑分析。此模型的创建,在复杂业务场景下,系统对业务数据的收集、分析和归类,针对不同种类的业务流程,设置各自不同的业务动态分布值,在超出临界值一定程度之后,系统自动发出预警提示。目的是,通过系统对数据的分析自动给出预警,减少人工重复查询的工作量。
实施例1:
针对企业存在风险的业务流程进行梳理,对于经常出现的风险点,利用数据收集技术及日志分析技术进行收集、整理、归类。整理内容包括划分业务种类和风险等级等。对不同等级的风险,进行不同种类的预警提醒。对于同类型的风险点,建立相同的监控模型。常见的风险点有,大额支付风险、对公对私支付比例风险和超预算支付风险等,提醒方式包括电视一体机、手机和邮件等多种方式。例如:库存能力预警,A库存的库存能力最大是1000吨,当A库存超过1000吨时,系统需要给出预警。
系统针对梳理完毕的风险点进行分析,自动输出近段时间(时间范围可以自动控制)某类业务发生的业务值分布规律,并将该业务值的分布规律在临时表中进行存储,自动识别临界值。在系统中,一旦发生的业务值接近或者超出其临界值一定程度(超出程度支持动态设置),系统自动给出预警提示,预警提示长期有效。
其中监控模型的基础模块包括,临界值分析及记录模块,将A收购点收购粮食的的历年记录,收集到系统中,并通过排序获取到最大值(以1000吨为例),将该最大值(1000吨)作为临界值保存到数据库。超出比例设置模块,用户可以对业务超出比例设置,如果设置10%,那么A收购点的库存量超过临界值10%以后,需要对用户发出预警提示。提醒频率设置模块,用户可以根据时效性,设置预警频率,例如每天、每周等。以大额支付风险为例,可以选取公司某种业务的支付记录,对该业务的一年或者两年的支付数据进行汇总统计。通过排序,找出最大支付金额值,作为临界值。此时,用户可以设置一个百分比,例如,设置10%。系统则设置一个大额支付监控的任务,实时对这类业务进行查询,当出现“发生额超过临界值10%”的业务时,系统自动对该笔业务进行预警提醒。提醒方式可以通过短信、邮件和微信等技术。
监控模型还包括预警任务创建,根据设置的临界值和百分比,在数据库中设置一个定时任务,这个任务循环去数据库里抓取A收购点库存量的累计最大值,并且和临界值进行对比,当A收购点库存的粮食在今年的累计入库量已经超过1000吨时,系统立刻给用户发出预警。
风险监控模型还可以包括风险提醒的等级标识,系统自动给出的预警提示,允许用户进行风险等级标识,如果本次预警提醒被用户标记为“无效风险”,当系统内类似业务再次发生时,系统不再给出预警提示。用户标记是非必须操作,如果用户不做任何标记,系统默认“有效风险”,当类似业务再次发生时,系统继续给出预警提示。
代码示例
IF OBJECT_ID (N'MonitoringModelCreate') IS NOT NULL
DROP PROCEDURE MonitoringModelCreate
GO
CREATE PROC MonitoringModelCreate
AS
create table #AcquisitionWarehouseDIC --创建收购库点字典
(
WarehouseID varchar(36) not null, --内码
WarehouseCode varchar(50), --编号
WarehouseName varchar(200), --名称
primary key (WarehouseID) --主键标记
);
create table #AcquisitionWarehouseTransactionRecord --创建收购库点交易过程记录表
(
TransactionRecordID varchar(36) not null, --内码
TransactionRecordCode varchar(50), --编号
TransactionRecordDate varchar(8), --交易日期
TransactionRecordJE decimal(20,8), --交易金额
WarehouseID varchar(36),
primary key (TransactionRecordID) --主键标记
);
create table #AcquisitionWarehouselawRecord --创建收购库点交易规律记录表
(
lawRecordID varchar(36) not null, --内码
lawRecordCode varchar(50), --编号
lawRecordDimension varchar(10), --维度(年/月/日)
proportion decimal(20,8), --比例
lawRecordDateBegin varchar(8), --开始日期
lawRecordDateEnd varchar(8), --结束日期
lawRecordJEMax decimal(20,8), --最大金额
lawRecordJEMin decimal(20,8), --最小金额
WarehouseID varchar(36),
primary key (lawRecordID) --主键标记
);
declare @sjmaxje decimal(20,8)--实际最大金额
declare @sjminje decimal(20,8)--实际最小金额
declare @bzmaxje decimal(20,8)--标准最大金额
declare @zbminje decimal(20,8)--标准最小金额
declare @bl decimal(20,8) --超出比例
select @sjmaxje=max(TransactionRecordJE),@sjminje=min(TransactionRecordJE),@bzmaxje=max(lawRecordJEMax),@zbminje=min(lawRecordJEMin),@bl=max(proportion) from #AcquisitionWarehouseTransactionRecord,#AcquisitionWarehouselawRecord where #AcquisitionWarehouseTransactionRecord.WarehouseID=#AcquisitionWarehouselawRecord.WarehouseID andTransactionRecordDate>=lawRecordDateBegin and TransactionRecordDate<=lawRecordDateEnd
if(@sjmaxje>@bzmaxje)
begin
if((@sjmaxje-@bzmaxje)/@bzmaxje>@bl)//实际金额超过最大标准金额一定比例后,给出预警提示
begin
//预警提示数据组织
end
end
if(@sjminje<@zbminje)//实际金额小于最小标准金额一定比例后,给出预警提示
begin
if((@zbminje-@sjminje)/@zbminje>@bl)
begin
//预警提示数据组织
end
end
GO
通过上面具体实施方式,所述技术领域的技术人员可容易的实现本发明。但是应当理解,本发明并不限于上述的几种具体实施方式。在公开的实施方式的基础上,所述技术领域的技术人员可任意组合不同的技术特征,从而实现不同的技术方案。
Claims (7)
1.一种基于历史数据建立的风险监控模型的方法,其特征在于,具体方法包括:
S1、利用数据收集技术、日志分析技术对企业存在风险的业务流程的风险点进行整理归类;
S2、 针对需要监控的风险点,建立监控模型;
S3、针对每个风险点,通过分析业务数值分布规律,识别出临界值并进行记录,如果发生业务值超出临界值一定范围的情况,系统给出预警提示。
2.根据权利要求1所述的一种基于历史数据建立的风险监控模型的方法,其特征在于,
方法还包括对于系统给出的预警提示,根据实际需要进行无效风险的标记,当被标记无效风险的业务再次发生时,系统不再给出预警提示,未被标记无效风险的,系统默认为有效风险。
3.根据权利要求1所述的一种基于历史数据建立的风险监控模型的方法,其特征在于,所述的S3的具体方法包括:
S31、针对每个风险点,通过分析业务数值分布规律,识别出临界值并进行记录;
S32、设置临界值的超出比例和提醒频率;
S33、根据设置的临界值的超出比例和提醒频率;在数据库中设置一个定时任务,定时任务循环抓取业务值,并将业务值和临界值进行比对,若业务值超出临界值的比例超过设定的超出比例,则系统发出预警提示。
4.根据权利要求1所述的一种基于历史数据建立的风险监控模型的方法,其特征在于,所述的预警提示的方法为短信提示、邮件提示或者微信提示。
5.一种基于历史数据建立的风险监控模型,其特征在于,包括风险点整理模块、风险模型建立模块和提醒等级标识模块;
风险点整理模块,用于利用数据收集技术、日志分析技术对企业存在风险的业务流程的风险点进行整理归类;
风险模型建立模块,用于针对需要监控的风险点,建立监控模型;针对每个风险点,通过分析业务数值分布规律,识别出临界值并进行记录,如果发生业务值超出临界值一定范围的情况,系统给出预警提示;
提醒等级标识模块,用于对于系统给出的预警提示,根据实际需要进行无效风险的标记,当被标记无效风险的业务再次发生时,系统不再给出预警提示,未被标记无效风险的,系统默认为有效风险。
6.根据权利要求5所述的一种基于历史数据建立的风险监控模型,其特征在于,风险模型建立模块包括基础设置单元和预警任务创建单元;
基础设置单元,用于针对需要监控的风险点,建立监控模型;针对每个风险点,通过分析业务数值分布规律,识别出临界值并进行记录;
预警任务创建单元,用于抓取业务值,并将业务值和临界值进行比对,若业务值超出临界值的比例超过设定的超出比例,则系统发出预警提示。
7.根据权利要求6所述的一种基于历史数据建立的风险监控模型,其特征在于,基础设置单元包括临界值分析记录装置、超出比例设置装置及提醒频率设置装置;
临界值分析记录装置,用于针对每个风险点,通过分析业务数值分布规律,识别出临界值并进行记录;
超出比例设置装置,用于根据实际需要设定需要发出预警的业务值与临界值的超出比例;
提醒频率设置装置,用于根据实际需要设定预警频率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811074452.9A CN109165868A (zh) | 2018-09-14 | 2018-09-14 | 一种基于历史数据建立的风险监控模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811074452.9A CN109165868A (zh) | 2018-09-14 | 2018-09-14 | 一种基于历史数据建立的风险监控模型 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109165868A true CN109165868A (zh) | 2019-01-08 |
Family
ID=64879424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811074452.9A Pending CN109165868A (zh) | 2018-09-14 | 2018-09-14 | 一种基于历史数据建立的风险监控模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109165868A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109981638A (zh) * | 2019-03-21 | 2019-07-05 | 北京华顺信安科技有限公司 | 网络数据泄露监测方法、终端设备及计算机可读存储介质 |
CN112434949A (zh) * | 2020-11-25 | 2021-03-02 | 平安普惠企业管理有限公司 | 基于人工智能的业务预警处理方法、装置、设备和介质 |
CN113535653A (zh) * | 2021-06-04 | 2021-10-22 | 宁波奥克斯电气股份有限公司 | 智能设备风险识别方法、装置及基于iot的风控系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103123712A (zh) * | 2011-11-17 | 2013-05-29 | 阿里巴巴集团控股有限公司 | 一种网络行为数据的监控方法和系统 |
CN104463363A (zh) * | 2014-12-03 | 2015-03-25 | 浙江图讯科技有限公司 | 一种生产风险的预警方法、装置及系统 |
CN104915735A (zh) * | 2015-06-26 | 2015-09-16 | 国家电网公司 | 企业运营分析预警系统的预警分析方法 |
CN106022651A (zh) * | 2016-06-14 | 2016-10-12 | 深圳市迪博企业风险管理技术有限公司 | 一种基于业务属性与指标体系的风险预警方法 |
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 |
-
2018
- 2018-09-14 CN CN201811074452.9A patent/CN109165868A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103123712A (zh) * | 2011-11-17 | 2013-05-29 | 阿里巴巴集团控股有限公司 | 一种网络行为数据的监控方法和系统 |
CN104463363A (zh) * | 2014-12-03 | 2015-03-25 | 浙江图讯科技有限公司 | 一种生产风险的预警方法、装置及系统 |
CN104915735A (zh) * | 2015-06-26 | 2015-09-16 | 国家电网公司 | 企业运营分析预警系统的预警分析方法 |
CN106022651A (zh) * | 2016-06-14 | 2016-10-12 | 深圳市迪博企业风险管理技术有限公司 | 一种基于业务属性与指标体系的风险预警方法 |
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 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109981638A (zh) * | 2019-03-21 | 2019-07-05 | 北京华顺信安科技有限公司 | 网络数据泄露监测方法、终端设备及计算机可读存储介质 |
CN112434949A (zh) * | 2020-11-25 | 2021-03-02 | 平安普惠企业管理有限公司 | 基于人工智能的业务预警处理方法、装置、设备和介质 |
CN113535653A (zh) * | 2021-06-04 | 2021-10-22 | 宁波奥克斯电气股份有限公司 | 智能设备风险识别方法、装置及基于iot的风控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109165868A (zh) | 一种基于历史数据建立的风险监控模型 | |
CN108280541A (zh) | 基于随机森林和决策树的客户服务策略制定方法、装置 | |
CN101236666A (zh) | 一种刷卡数据的处理系统及方法 | |
CN111291076A (zh) | 基于大数据的异常用水监测报警系统及其构建方法 | |
CN106779581A (zh) | 一种人力资源管理系统 | |
CN112734284B (zh) | 流程工业能耗优化决策系统及提高评估结果准确度方法 | |
CN108846691A (zh) | 区域性粮油市场价格监测分析预测系统及监测方法 | |
CN112200544B (zh) | 一种基于大数据技术的智能科研管理系统 | |
CN110378621A (zh) | 一种配网电力调度员值班表生成系统及生成方法 | |
CN108345670A (zh) | 一种用于95598电力工单的服务热点发现方法 | |
CN115392771A (zh) | 一种园区内企业效能管理系统及方法 | |
CN110298567A (zh) | 利用综合能源系统能耗大数据确定典型日负荷曲线的方法 | |
CN111143431B (zh) | 一种智能化量费核查与异常识别系统 | |
CN109858807A (zh) | 一种企业运营监控的方法及系统 | |
CN114493514A (zh) | 一种应用于人力资源的数据处理方法及装置 | |
CN104899688A (zh) | 一种中心及配电所资产统一管理与规划方法 | |
CN108257042A (zh) | 一种任务驱动型智能售电业务支撑系统 | |
CN107730081A (zh) | 一种基于rfid技术的数据采集分析方法和系统 | |
CN115391151A (zh) | 一种基于对象关系进行智能发现告警标签的方法 | |
CN112785276B (zh) | 一种工程咨询管理系统及方法 | |
CN115330446A (zh) | 基于人工智能的数据中心数据管理方法及系统 | |
CN112465335A (zh) | 一种基于车间实时数据的货物交货系统 | |
CN111815453A (zh) | 一种电力交易运营系统 | |
CN112215560A (zh) | 智能排班系统及其实施方法 | |
CN111461072B (zh) | 一种快速的识别导入表格数据的ai识别导入方法 |
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: 20190108 |