CN109214917A - 一种贷款风险实时监控系统及方法 - Google Patents

Abstract

本发明提供了一种贷款风险实时监控系统及方法，该贷款风险实时监控系统包括：运营数据实时采集及通讯模块，其部署在各个贷款客户生产经营场所和重点设备及车辆内，实时采集所述生产经营场所的用电信息及运营数据；数据聚合分析模块，其能够接收所述运营数据实时采集及通讯模块采集的所述用电信息及运营数据，并对所述用电信息进行转化和异构数据分类存储；贷前授信管理模块，其能够根据所述数据聚合分析模块所提供的数据，提供贷前授信管理所需信息及授信额度指导量；贷后风险实时监控模块，其能够根据所述数据聚合分析模块所提供的数据，在贷后风险形成的各个阶段中提供风险监控信息。

Description

一种贷款风险实时监控系统及方法

技术领域

本发明涉及一种贷款风险实时监控系统及方法，特别是一种基于电能监控和物联网技术的贷款风险实时监控系统及方法。

背景技术

目前金融行业常用的贷后风险监控的方法大多以贷后的电催、外访或核保为主。目前国内有可用于征信的信贷记录的个人仅有不足四亿人，其中多数人的征信记录还比较单薄，不能形成具有参考价值的个人信用图景。对公贷款监控平台常以核心业务系统和信贷管理信息系统的数据为基础，实现对分散的贷款相关信息的集中整合和信息共享，对客户实施跟踪监测，通过分析工具检测各种潜在风险，对对公大额贷款、集团客户贷款的生产经营、财务状况、授信情况、关联交易、资金使用情况进行监控分析并向相关业务部门发出风险点的预警信息，为贷款的审批决策及贷后管理提供依据，而申请贷款及还款来源依托的就是其主营业务为主体且一般为主营业务为还款来源。传统的金融贷款客户地理位置分散，行业分布分散、经营主体多样，需要靠客户经理定期走访。传统银行贷款客户风险管理过程中，客户生产经营及其他非经营类信息相对滞后，导致银行无法进行风险前置管理；贷款客户地理位置分散，难于进行实时集中管理；贷款客户行业类型众多，缺乏相应数据进行横向比较，用户规模迥异，缺乏量化比较依据。

专利号为201710848318.9的中国发明专利通过贷款信息人的地址信息比对获取欺诈可能性，但不能对风险进行实时监控。

专利号为201410133191.9的中国发明专利通过整合供应链数据等业务交互终端的方式进行风险评估，但该技术方案同样不能对风险进行实时监控。

发明内容

本发明的目的在于提供一种通过获取贷款客户电能信息和运营数据实时对生产经营情况和还款能力进行评估，具有实时性的并且更加完善的贷前、贷后风险监控系统及方法。

本发明的技术方案如下。

本发明提供了一种贷款风险实时监控系统，包括

运营数据实时采集及通讯模块，其部署在各个贷款客户生产经营场所和重点设备及车辆内，实时采集所述生产经营场所的用电信息及运营数据；

数据聚合分析模块，其能够接收所述运营数据实时采集及通讯模块采集的所述用电信息及运营数据，并对所述用电信息进行转化和异构数据分类存储；

贷前授信管理模块，其能够根据所述数据聚合分析模块所提供的数据，提供贷前授信管理所需信息及授信额度指导量；

贷后风险实时监控模块，其能够根据所述数据聚合分析模块所提供的数据，在贷后风险形成的各个阶段中提供风险监控信息。

优选地，所述运营数据实时采集及通讯模块包括：

电能芯片单元，其能够实时获取电能信息，并将所述电能信息计算处理得到所述用电信息；

定位模块，其能够获取重点设备及车辆的实时位置信息；

变频上传控制单元，其能够视电能信息的特点，控制所述用电信息和位置信息的上传；

边缘计算单元，在将电能信息及地理位置信息传输前通过物理层边缘节点进行简单实时数据处理，减少从运营数据实时采集及通讯模块到数据聚合分析模块的数据流量；

通讯单元，其能够将所述用电信息和位置信息上传至所述数据聚合分析模块。

优选地，所述电能信息包括实时电流信号和实时电压信号。

优选地，所述通讯单元选择GPRS组网方式或LAN组网方式。

优选地，所述用电信息包括电流、电压及耗电量情况。

优选地，所述数据聚合分析模块通过在线大数据挖掘工具，将各层级电力信息和设备车辆位置信息转化为贷款客户实时能耗监控、运营状况实时监控、运营异常监控信息，并结合挖掘其他网络公开的非经营类信息后进行异构数据分类存储。

优选地，还包括告警模块，其能够在所述贷前授信管理模块和/或所述贷后风险实时监控模块中出现生产经营异常情况时，向银行或金融机构风险管控人员发出告警。

优选地，所述告警模块通过短信和/或电子邮件的方式发出告警。

优选地，还包括贷款客户信用数据库模块，其能够记录并聚合各个贷款客户的贷前信息、贷后信息及告警信息，聚合形成各新旧客户完整的实时生产经营能耗、历史生产经营能耗同比环比记录、历史授信额度、历史还款记录、历史告警信息及处理信息的综合信用数据库。

本发明还提供了一种贷款风险实时监控方法，包括以下步骤：

步骤S1，将运营数据实时采集及通讯模块部署在各个银行贷款客户生产经营场所；

步骤S2，实时采集所述生产经营场所的用电信息和运营数据，并实时上传；

步骤S3，通过在线大数据挖掘工具，将各层级电力信息转化为贷款客户实时能耗监控、运营状况实时监控、运营异常监控的信息，并结合挖掘非经营类信息后进行异构数据分类存储；

步骤S4，根据各个企业的生产经营历史情况及其在相关行业中的排名，基于大数据模型增加信用评定方式，为金融及银行风控部门提供贷前授信管理所需信息及授信额度指导量；

步骤S5，根据为银行或金融机构风控部门在贷后风险形成的各个阶段中提供实时可视化监控信息。

通过以上技术方案，本发明直接通过获取贷款客户的实时生产经营情况，建立了实时贷前信用积累数据，以及贷后风险预警机制，直接通过获取贷款客户电能信息实时对生产经营情况和还款能力进行评估。同时，本发明中的系统及方法的数据源为实时数据且为真实物理量，难于造假。

附图说明

图1是本发明的贷款风险实时监控系统结构示意图。

图2是图1中的运营数据实时采集及通讯模块结构示意图。

图3是图1中的数据聚合分析模块架构示意图。

图4是本发明的贷款风险实时监控方法流程图。

具体实施方式

下面结合具体的实施例对本发明做进一步的说明。

实施例1

如附图1所示，本发明中的贷款风险实时监控系统，主要由以下6个功能模块组成：运营数据实时采集及通讯模块1、数据聚合分析模块3、贷前授信管理模块4、贷后风险实时监控模块5、告警模块6及贷款客户信用数据库模块7。

运营数据实时采集及通讯模块1部署在各个贷款客户生产经营场所和重点设备及车辆（生产加工类客户的办公、厂房、产线、核心设备及仓储；商业服务类客户的单店、连锁门店、仓储及关键设备等；贸易流通类客户的办公、仓储、展厅等制定场所）内，实时采集其生产经营场所耗电量情况及重点设备的位置及运行路线等。

运营数据实时采集及通讯模块1通过无线网络2等组网方式将贷款客户的用电信息实时上传至数据聚合分析模块3。

在一优选的实施方式中，电能芯片将电流互感器和电压信号实时传送至电能芯片单元，电能信息由电能芯片计算处理后，通过变频上传控制单元，视电能信息的特点，经边缘计算单元进行实时数据计算处理后，通过通讯单元上传至数据聚合分析模块。GPS模块将重点设备及车辆的实时位置信息通过变频上传控制模块，视位置信息的特点，经边缘计算单元进行实时数据计算处理后，通过通讯单元上传至数据聚合分析模块。变频上传控制单元的作用在于减少数据的传输量，在用户负载稳定和/或位置信息固定时选择低频率采集上传方式，在用户负载和/或位置信息快速变化时选择高频率采集上传方式。边缘计算单元的作用在于将实时电能和位置信息数据传输前通过物理层边缘节点进行简单实时数据处理，进一步减少从运营数据实时采集及通讯模块到数据聚合分析模块的数据流量；通讯单元可选择GPRS组网方式和LAN组网方式等多种组网方式。电能芯片模块通过无侵入的安装方式，获取贷款客户固定生产经营场所的能耗信息，GPS模块通过无侵入的安装方式，获取贷款客户移动生产经营生产资料的位置信息。

在一优选的实施方式中，运营数据实时采集及通讯模块1的安装方式为无侵入式附加安装，不改变用户配电箱或设备的原有线路结构。实时电流信号通过非接触式电流互感器获取三相交流电电流信号，实时电压信号通过接线连接至配电箱的任一空气开关中获取三相交流电电压信号。GPS模块直接附加安装在所需位置。

数据聚合分析模块3通过数据挖掘等在线大数据挖掘工具，将各层级实时电力信息转化为银行贷款客户实时能耗监控、运营状况实时监控、运营异常监控等信息，并结合挖掘实时关键设备、车辆的地理位置信息后进行异构数据分类存储。

在一优选的实施方式中，数据聚合分析模块3通过数据挖掘等大数据分析工具，对结构化数据进行整合后，进行组织和存储，对非结构化电力数据及地理位置信息进行整合后，结构化处理为结构化数据。将结构化电力数据及地理位置信息分析处理后，转化为实时运营状况监控等为银行或金融机构风控部门在贷后风险形成的各个阶段中提供实时可视化监控信息。通过计算分析实际借款人的能耗使用、运营情况及历史趋势实时反映客户生产运营情况并分析实际借款人还款能力和还款意愿。

在一更为优选的实施方式中，数据聚合分析模块3通过将电力、位置信息分析模块部署于云端服务器实现实时运营状况监控并将贷前贷后风险信息聚合后发送至贷前授信管理模块及贷后风险实时监控模块。

在一示例性的实施方式中，由运营数据实时采集及通讯模块1采集的贷款客户的实时用电信息及移动生产设备的实时位置信息，上传至数据聚合分析模块3后，电力信息及位置信息可通过以下方式转化为贷款客户实时运营状况监控信息，如图3所示。

步骤3.1，贷款客户的实时用电信息及关键设备实时位置信息的结构化处理过程。将实时采集的电力信息加入时间标签后，使用大数据分析中的分布概率统计工具，按特征时间段内的极值、平均值、中值、25分位数值、75分位数值等进行计算并分类连续存储。将实时采集的地理位置信息加入时间标签后，使用大数据分析中的分布概率统计工具，按特征时间段内的平均坐标位置值、特殊坐标位置值，路线坐标范围等进行计算并分类连续存储。其中的特征时间段可以是小时、工作日、周末、周、月、季度、年等的任意选择。

步骤3.2，告警触发判断。实时数据进行分类结构化处理、计算、存储的同时，贷款客户的实时用电信息和关键设备位置信息通过一系列内部算法与特征时间段结构数据库的统计数据进行比较，结合风控部门设置的阈值，按实际数据实时比对情况，选择是否触发告警。例如，若某贷款客户的实时用电量和/或功率低于同期分时历史平均数据则触发告警，向风控管理人员发出贷款客户运营异常告警，和/或若其关键设备位置偏离其平均坐标位置值或关键移动设备长期无位移，则触发告警，向风控管理人员发出贷款客户运营异常告警。其中的分时历史平均数据的时间尺度可以是小时、日、周或月的任意选择。

步骤3.3，正常用电模型及其正常运营特征属性提取。通过小波分析对贷款客户的实时用电信息及实时位置信息进行进行时域和频域分析，通过离散小波变换，对其用电特征、实时位置特征时域和频域进行分类并存储，通过神经元网络识别，结合该用户用电及位置特征时域及特征频域等信息，训练提取该用户正常运营模型、正常用电、正常位置特征属性参数及其偶发事件的特征参数并进行分类存储，存储于正常用电模型及其正常运营特征属性数据库中。用户正常用电特征属性包括但不限于每日正常用电时长及时间段、关键设备稳态运行时长及时间段、关键设备启停瞬时功率幅值特征、日平均停顿时长、日平均停顿次数、停顿时长波动、工作时段内的功率因数特征值等。用户正常运营的位置特征属性包括但不限于关键移动设备日均行驶距离、关键移动设备运行时长及时间段、日平均停顿时长、日平均停顿次数、停顿时长波动等。

步骤3.4，发现异常后的确认。步骤3.2中发现贷款客户实时运营信息与同期分时历史平均数据发生异常时，数据聚合分析模块3将进一步分别比对用户正常用电模型、其正常用电各特征属性以及其正常位置特征属性，确认贷款客户用电及运营是否正常以确定其生产经营状况，并根据分时不同层级正常用电特征属性及正常位置属性，分层级确认后发出正常生产经营判断或异常告警。用户正常运营特征属性的比对，提高了通过电力数据和位置数据对生产经营状况判断的准确性，且进一步排除了客户在用电和/或关键移动设备进行恶意造假的可能。

步骤3.5，. 运行情况正常以及告警信息发出后，系统结合风控管理人员的走访反馈，将确认及补充信息返回并补充入神经元网络识别算法，添加新的训练样本并动态修正神经元网络模型，所产生的新的正常运营各特征属性将添加至用户正常运营模型及运营特征属性数据库中。

此外，上述描述的算法与判断结构同时对系统中的所有客户用电及关键移动设备位置信息进行分析、存储、判断与告警。

贷前授信管理模块4通过运营数据聚合分析模块所提供的各个企业的生产经营历史情况，诸如同比、环比，以及其在相关行业中的排名，基于本发明的大数据模型增加信用评定方式，为金融及银行风控部门提供贷前授信管理所需信息及授信额度指导量，量化贷前授信管理及风险管理。对于符合贷款条件的企业，贷前授信管理模块将提示金融机构主动发送邀约信息，快速完成新客户申请或老客户续贷申请。

贷后风险实时监控模块5为银行或金融机构风控部门在贷后风险形成的各个阶段中提供实时可视化监控信息。在风险状况正常情况下，实际借款人还款意愿正常，实际借款人的能耗使用正常并趋于稳定增长，关键设备车辆的运营情况稳定增长，主营产品进销存增大，员工班时增长，经营收入增加等等，运营数据实时采集及通讯模块采集的能耗和运营数据将能够客观实时反映客户生产运营情况。在风险状况变化情况下，实际借款人还款能力和意愿发生一定变化，生产经营场所能耗使用持续下降，关键设备车辆的运营情况出现下降，主营产品库存增大，员工班时减少，经营收入减少等等，运营数据实时采集及通讯模块采集的能耗和运营数据将能够客观实时反映能耗下降比例及较正常情况的变化值。在风险状况恶化情况下，实际借款人还款能力丧失或部分丧失，还款意愿形成实际上的落空，生产经营场所能耗使用趋于阶梯式下滑或断续甚至停滞，关键设备车辆的运营情况出现下滑甚至停止，主营产品产销停摆，员工用工减少，经营收入停滞等等，运营数据实时采集及通讯模块采集的能耗和运营数据将将能够客观反映能耗停滞及运营停滞。

贷前授信管理模块4和贷后风险实时监控模块5中出现生产经营异常情况时（如能耗连续下降、无生产能耗、重点设备及关键设备持续停工等），告警模块6将通过短信、邮件等方式向银行或金融机构风险管控人员发出告警，提示相关人员进行干预与管理，达到风险前置管理的目的。

在一优选的实施方式中，银行及金融机构风控部门可根据实际贷款客户的运营状况及其他非经营情况在软件界面设定、调整告警阈值，对重点疑似高风险用户加强监控力度。当坏账风险或欺诈可能性大于设置阈值时，告警模块将通过短信、邮件等方式向风控部门发出报警，提示进行反欺诈调查电催外访等，降低坏账风险。

贷款客户信用数据库模块7记录并聚合各个贷款客户的贷前信息、贷后信息及各类告警信息，聚合形成各新旧客户完整的实时生产经营能耗、历史生产经营能耗同比环比记录、历史授信额度、历史还款记录、历史告警信息及处理信息等综合信用数据库。通过贷款客户信用数据库模块建立模式化审查审批服务，缩短贷款企业主贷款的审批流程。根据贷款客户信用数据库模块行业大数据对比，依照系统化的标准模型进行客户定位遴选。

实施例2

本发明提供的一种贷款风险实时监控方法，包括以下步骤：

步骤S1，将运营数据实时采集及通讯模块部署在各个银行贷款客户生产经营场所；

步骤S2，实时采集所述生产经营场所的用电信息和运营数据，并实时上传；

步骤S3，通过在线大数据挖掘工具，将各层级电力信息转化为贷款客户实时能耗监控、运营状况实时监控、运营异常监控的信息，并结合挖掘非经营类信息后进行异构数据分类存储；

步骤S4，根据各个企业的生产经营历史情况及其在相关行业中的排名，基于大数据模型增加信用评定方式，为金融及银行风控部门提供贷前授信管理所需信息及授信额度指导量；

步骤S5，根据为银行或金融机构风控部门在贷后风险形成的各个阶段中提供实时可视化监控信息。

在一优选的实施方式中，所述步骤S3的转化过程进一步包括如下步骤。

步骤S3.1，贷款客户的实时用电信息及关键设备实时位置信息的结构化处理过程。将实时采集的电力信息加入时间标签后，使用大数据分析中的分布概率统计工具，按特征时间段内的极值、平均值、中值、25分位数值、75分位数值等进行计算并分类连续存储。将实时采集的地理位置信息加入时间标签后，使用大数据分析中的分布概率统计工具，按特征时间段内的平均坐标位置值、特殊坐标位置值，路线坐标范围等进行计算并分类连续存储。其中的特征时间段可以是小时、工作日、周末、周、月、季度、年等的任意选择。

步骤S3.2，告警触发判断。实时数据进行分类结构化处理、计算、存储的同时，贷款客户的实时用电信息和关键设备位置信息通过一系列内部算法与特征时间段结构数据库的统计数据进行比较，结合风控部门设置的阈值，按实际数据实时比对情况，选择是否触发告警。例如，若某贷款客户的实时用电量和/或功率低于同期分时历史平均数据则触发告警，向风控管理人员发出贷款客户运营异常告警，和/或若其关键设备位置偏离其平均坐标位置值或关键移动设备长期无位移，则触发告警，向风控管理人员发出贷款客户运营异常告警。其中的分时历史平均数据的时间尺度可以是小时、日、周或月的任意选择。

步骤S3.3，正常用电模型及其正常运营特征属性提取。通过小波分析对贷款客户的实时用电信息及实时位置信息进行进行时域和频域分析，通过离散小波变换，对其用电特征、实时位置特征时域和频域进行分类并存储，通过神经元网络识别，结合该用户用电及位置特征时域及特征频域等信息，训练提取该用户正常运营模型、正常用电、正常位置特征属性参数及其偶发事件的特征参数并进行分类存储，存储于正常用电模型及其正常运营特征属性数据库中。用户正常用电特征属性包括但不限于每日正常用电时长及时间段、关键设备稳态运行时长及时间段、关键设备启停瞬时功率幅值特征、日平均停顿时长、日平均停顿次数、停顿时长波动、工作时段内的功率因数特征值等。用户正常运营的位置特征属性包括但不限于关键移动设备日均行驶距离、关键移动设备运行时长及时间段、日平均停顿时长、日平均停顿次数、停顿时长波动等。

步骤S3.4，发现异常后的确认。步骤3.2中发现贷款客户实时运营信息与同期分时历史平均数据发生异常时，数据聚合分析模块3将进一步分别比对用户正常用电模型、其正常用电各特征属性以及其正常位置特征属性，确认贷款客户用电及运营是否正常以确定其生产经营状况，并根据分时不同层级正常用电特征属性及正常位置属性，分层级确认后发出正常生产经营判断或异常告警。用户正常运营特征属性的比对，提高了通过电力数据和位置数据对生产经营状况判断的准确性，且进一步排除了客户在用电和/或关键移动设备进行恶意造假的可能。

步骤S3.5，. 运行情况正常以及告警信息发出后，系统结合风控管理人员的走访反馈，将确认及补充信息返回并补充入神经元网络识别算法，添加新的训练样本并动态修正神经元网络模型，所产生的新的正常运营各特征属性将添加至用户正常运营模型及运营特征属性数据库中。

在一优选的实施方式中，该方法还包括一告警步骤S6，在步骤S4和/或步骤S5中出现生产经营异常情况时（如能耗连续下降、无生产能耗、重点设备及关键设备持续停工等），通过短信、邮件等方式向银行或金融机构风险管控人员发出告警，提示相关人员进行干预与管理，达到风险前置管理的目的。

在一优选的实施方式中，该方法还包括一贷款客户信用数据存储步骤S7，记录并聚合各个贷款客户的贷前信息、贷后信息及各类告警信息，聚合形成各新旧客户完整的实时生产经营能耗、历史生产经营能耗同比环比记录、历史授信额度、历史还款记录、历史告警信息及处理信息等综合信用数据库。

本发明中的贷款风险实时监控系统及方法，旨在为银行提供风险控制前置手段的同时，获得更多优质客户。

与现有技术相比，本发明能够取得如下技术效果。

现有金融机构风险监控体系中，没有利用电力数据和地理位置数据为数据源的信用风险监控体系。与现有以人工方式建立的信用风险监控模型相比，本发明实施例提供的技术方案，提高风险监控模型的实时性和物理客观性。

本发明在贷款风险监控系统中使用无侵入式电能数据和地理位置数据实时采集及通讯模块以及变频率采集上传和边缘计算的方式收集数据作为贷款风险监控模型的数据源。

本发明运营数据实时采集及通讯模块的组网方式多样，适合各种生产经营类型客户以及各种地理分布。

本发明的运营数据实时采集及通讯模块可采用无侵入式附加安装，不改变用户或设备的原有线路和结构，安装简单便捷且无需中断贷款客户正常生产经营活动。

本发明通过电力数据挖掘及网络数据挖掘分析各行业小微贷用户的实时运营状况、还款能力及意愿，为银行提供风险控制前置手段。

本发明中的贷款风险实时监控系统及方法，可将地理位置分散的贷款客户进行集中实时监控。同时通过电力监控设备中的地理定位模块，为银行提供准确可靠的贷款客户重点设备定位，避免骗贷风险。

本发明通过大数据聚合功能，为银行风控部门提供贷款客户的用能排名及同行业同规模等综合比较。

本发明中的贷款风险实时监控系统中，银行风控部门可根据贷款客户特点自定义告警阈值，实时监控系统软件平台实时提供告警。

以上所述，仅是本发明较佳实施例而已，并非对本发明的技术范围作任何限制，故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (10)

1.一种贷款风险实时监控系统，包括

运营数据实时采集及通讯模块，其部署在各个贷款客户生产经营场所和重点设备及车辆内，实时采集所述生产经营场所的用电信息及运营数据；

数据聚合分析模块，其能够接收所述运营数据实时采集及通讯模块采集的所述用电信息及运营数据，并对所述用电信息进行转化和异构数据分类存储；

贷前授信管理模块，其能够根据所述数据聚合分析模块所提供的数据，提供贷前授信管理所需信息及授信额度指导量；

贷后风险实时监控模块，其能够根据所述数据聚合分析模块所提供的数据，在贷后风险形成的各个阶段中提供风险监控信息。

2.根据权利要求1所述的贷款风险实时监控系统，其特征在于，所述运营数据实时采集及通讯模块包括：

电能芯片单元，其能够实时获取电能信息，并将所述电能信息计算处理得到所述用电信息；

定位模块，其能够获取重点设备及车辆的实时位置信息；

变频上传控制单元，其能够视电能信息及地理位置信息的瞬时及稳态特征，控制所述用电信息和位置信息的上传频率及数据量；

边缘计算单元，在将电能信息及地理位置信息传输前通过物理层边缘节点进行简单实时数据处理，减少从运营数据实时采集及通讯模块到数据聚合分析模块的数据流量；

通讯单元，其能够将所述用电信息和位置信息上传至所述数据聚合分析模块。

3.根据权利要求2所述的贷款风险实时监控系统，其特征在于，所述电能信息包括实时电流信号、实时电压信号、实时电能信号及实时地理位置信息。

4.根据权利要求2所述的贷款风险实时监控系统，其特征在于，所述通讯单元选择GPRS组网方式或LAN组网方式。

5.根据权利要求1所述的贷款风险实时监控系统，其特征在于，所述用电信息包括电流、电压及耗电量情况。

6.根据权利要求1所述的贷款风险实时监控系统，其特征在于，所述数据聚合分析模块通过在线大数据挖掘工具，将各层级电力信息和设备车辆位置信息转化为贷款客户实时能耗监控、运营状况实时监控、运营异常监控信息，并结合挖掘其他网络公开的非经营类信息后进行异构数据分类存储。

7.根据权利要求1所述的贷款风险实时监控系统，其特征在于，还包括告警模块，其能够在所述贷前授信管理模块和/或所述贷后风险实时监控模块中出现生产经营异常情况时，向银行或金融机构风险管控人员发出告警。

8.根据权利要求7所述的贷款风险实时监控系统，其特征在于，所述告警模块通过短信和/或电子邮件的方式发出告警。

9.根据权利要求1所述的贷款风险实时监控系统，其特征在于，还包括贷款客户信用数据库模块，其能够记录并聚合各个贷款客户的贷前信息、贷后信息及告警信息，聚合形成各新旧客户完整的实时生产经营能耗、历史生产经营能耗同比环比记录、历史授信额度、历史还款记录、历史告警信息及处理信息的综合信用数据库。

10.一种贷款风险实时监控方法，包括以下步骤：

步骤S1，将运营数据实时采集及通讯模块部署在各个银行贷款客户生产经营场所；

步骤S2，实时采集所述生产经营场所的用电信息和运营数据，并实时上传；

步骤S3，通过在线大数据挖掘工具，将各层级电力信息转化为贷款客户实时能耗监控、运营状况实时监控、运营异常监控的信息，并结合挖掘非经营类信息后进行异构数据分类存储；

步骤S4，根据各个企业的生产经营历史情况及其在相关行业中的排名，基于大数据模型增加信用评定方式，为金融及银行风控部门提供贷前授信管理所需信息及授信额度指导量；

步骤S5，根据为银行或金融机构风控部门在贷后风险形成的各个阶段中提供实时可视化监控信息。