CN109508994B - 业务风险控制方法、装置、计算机设备和存储介质 - Google Patents
业务风险控制方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109508994B CN109508994B CN201811211416.2A CN201811211416A CN109508994B CN 109508994 B CN109508994 B CN 109508994B CN 201811211416 A CN201811211416 A CN 201811211416A CN 109508994 B CN109508994 B CN 109508994B
- Authority
- CN
- China
- Prior art keywords
- service
- business
- risk
- data
- contract
- 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.)
- Active
Links
- 238000012954 risk control Methods 0.000 title claims abstract description 178
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 175
- 230000000694 effects Effects 0.000 claims abstract description 28
- 239000013598 vector Substances 0.000 claims description 75
- 238000012790 confirmation Methods 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 26
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/386—Payment protocols; Details thereof using messaging services or messaging apps
-
- 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
-
- 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
- G06Q40/08—Insurance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种业务风险控制方法、装置、计算机设备和存储介质。所述方法涉及业务安全技术,包括:当检测到业务合同数据触发生效时,对业务合同数据进行业务回访处理,得到业务回访结果;当业务回访结果为确认正常时,从业务合同数据中提取用户标识信息;获取与用户标识信息对应的用户风险控参数,以及与业务合同数据对应的合同逾期数据;根据用户风险控参数和合同逾期数据得到风险评分系数;查询与风险评分系数对应预设的业务风险处理方案,并按照业务风险处理方案进行业务风险控制。采用本方法能够加强业务风险处理的针对性,提高业务风险控制的效果。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种业务风险控制方法、装置、计算机设备和存储介质。
背景技术
随着计算机技术的发展,越来越多的业务系统依托互联网技术提供线上的业务服务,例如线上购物交易的电子商务平台、网络即时通信的社交平台和银行金融系统的借贷保险服务等。为了减少风险事件的发生或减少风险事件发生时造成的损失,各业务系统需要进行风险控制,如借贷服务中需要对借贷人进行风险控制以确定借贷额度、还款期限等,保险服务中也需要对被保人进行风控,避免恶意骗保的欺诈行为。
目前,业务系统的风险控制,都是在发生风险事件时投入人力进行风险事件处理,如租赁借贷服务中进行催收处理,而各种风险处理手段受相应人员个人的经验影响大,其风险处理手段的针对性和效率低,导致业务系统的业务风险控制的效果有限。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高业务风险控制效果的业务风险控制方法、装置、计算机设备和存储介质。
一种业务风险控制方法,所述方法包括:
当检测到业务合同数据触发生效时,对业务合同数据进行业务回访处理,得到业务回访结果;
当业务回访结果为确认正常时,从业务合同数据中提取用户标识信息;
获取与用户标识信息对应的用户风险控参数,以及与业务合同数据对应的合同逾期数据;
根据用户风险控参数和合同逾期数据得到风险评分系数;
查询与风险评分系数对应预设的业务风险处理方案,并按照业务风险处理方案进行业务风险控制。
在其中一个实施例中,对业务合同数据进行业务回访处理,得到业务回访结果的步骤包括:
获取业务合同数据,并根据业务合同数据生成业务回访消息;
下发业务回访消息至终端;
接收终端返回的业务确认消息,业务确认消息由终端根据业务回访消息进行确认后得到;
根据业务确认消息得到业务回访结果。
在其中一个实施例中,获取与用户标识信息对应的用户风险控参数的步骤包括:
从各业务系统中查询用户标识信息对应的用户业务数据;
根据用户业务数据生成模型输入向量;
将模型输入向量输入预设的风险控模型中,得到用户风险控参数。
在其中一个实施例中,在获取与用户标识信息对应的用户风险控参数的步骤之前,还包括:
从各业务系统中获取历史用户业务数据,并根据历史用户业务数据确定输入向量,根据输入向量构建模型输入层;
将风险控参数作为输出向量,根据输出向量构建模型输出层;
根据输入向量与输出向量之间的映射关系函数构建模型中间层,并根据模型输入层、模型中间层和模型输出层得到待训练风险控模型;
通过历史用户业务数据训练待训练风险控模型,得到训练完成的风险控模型。
在其中一个实施例中,根据用户风险控参数和合同逾期数据得到风险评分系数的步骤包括:
确定业务合同数据对应所属的业务系统;
查询与业务系统对应预设的级别权重因子;
根据合同逾期数据、风险控参数和级别权重因子,计算得到风险评分系数。
在其中一个实施例中,查询与风险评分系数对应预设的业务风险处理方案的步骤包括:
查询与业务系统对应预设的风险处理方案表单;
从风险处理方案表单中查询与风险评分系数对应的业务风险处理方案。
在其中一个实施例中,在得到业务回访结果的步骤之后,还包括:
当业务回访结果为确认异常时,根据业务合同数据生成合同处理消息;
发送合同处理消息至预设的合同处理节点,合同处理消息用于提示合同处理节点对业务合同数据进行合同更新处理。
一种业务风险控制装置,所述装置包括:
业务回访模块,用于当检测到业务合同数据触发生效时,对业务合同数据进行业务回访处理,得到业务回访结果;
用户标识提取模块,用于当业务回访结果为确认正常时,从业务合同数据中提取用户标识信息;
风险控因子获取模块,用于获取与用户标识信息对应的用户风险控参数,以及与业务合同数据对应的合同逾期数据;
风险评分获取模块,用于根据用户风险控参数和合同逾期数据得到风险评分系数;
业务风险处理模块,用于查询与风险评分系数对应预设的业务风险处理方案,并按照业务风险处理方案进行业务风险控制。
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以下步骤:
当检测到业务合同数据触发生效时,对业务合同数据进行业务回访处理,得到业务回访结果;
当业务回访结果为确认正常时,从业务合同数据中提取用户标识信息;
获取与用户标识信息对应的用户风险控参数,以及与业务合同数据对应的合同逾期数据;
根据用户风险控参数和合同逾期数据得到风险评分系数;
查询与风险评分系数对应预设的业务风险处理方案,并按照业务风险处理方案进行业务风险控制。
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以下步骤:
当检测到业务合同数据触发生效时,对业务合同数据进行业务回访处理,得到业务回访结果;
当业务回访结果为确认正常时,从业务合同数据中提取用户标识信息;
获取与用户标识信息对应的用户风险控参数,以及与业务合同数据对应的合同逾期数据;
根据用户风险控参数和合同逾期数据得到风险评分系数;
查询与风险评分系数对应预设的业务风险处理方案,并按照业务风险处理方案进行业务风险控制。
上述业务风险控制方法、装置、计算机设备和存储介质,在检测到业务合同数据触发生效时,进行业务回访处理,业务回访处理确认通过后,根据用户风险控参数和合同逾期数据得到风险评分系数,并根据该风险评分系数查询对应的业务风险处理方案进行业务风险控制。在业务风险控制过程中,及时对业务合同进行核实,并根据与业务用户对应的业务风险处理方案进行业务风险控制,加强了业务风险处理的针对性,提高了业务风险控制效果。
附图说明
图1为一个实施例中业务风险控制方法的应用场景图;
图2为一个实施例中业务风险控制方法的流程示意图;
图3为一个实施例中风险控模型训练步骤的流程示意图;
图4为另一个实施例中业务风险控制方法的流程示意图;
图5为一个实施例中业务风险控制装置的结构框图;
图6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。
本申请提供的业务风险控制方法,可以应用于如图1所示的应用环境中。其中,终端设备102通过网络与服务器104通过网络进行通信。终端设备102接收服务器104发送的业务合同数据,并对该业务合同数据进行确认,在服务器104检测到业务合同数据触发生效时,进行业务回访处理,业务回访处理确认通过后,根据用户风险控参数和合同逾期数据得到风险评分系数,并根据该风险评分系数查询对应的业务风险处理方案进行业务风险控制。其中,终端设备102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104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,提供了一种业务风险控制方法,以该方法应用于图1中的服务器104为例进行说明,包括以下步骤:
步骤S201:当检测到业务合同数据触发生效时,对业务合同数据进行业务回访处理,得到业务回访结果。
在业务流程处理过程中,一般是将业务合同数据的签署生效作为业务服务的起始,业务合同数据可以包括与业务相关的合同业务数据和与业务用户相关的合同用户数据等。例如,对于汽车租赁服务,合同业务数据可以包括租赁汽车的车辆信息、租赁时间、租赁金额和租赁范围等数据;合同用户数据可以包括汽车租赁用户的姓名、性别、身份证号码、联系方式和地址等数据。服务器104在响应终端102的业务请求消息,生成对应的业务合同数据并下发至终端102后,可以实时监测该业务合同数据的动态,当检测到业务合同数据已签署成功,或者触发业务合同监控时,可以确认该业务合同数据已触发生效,则可以对该业务合同数据进行业务回访处理,已及时进行合同核实,确保其真实有效性。在具体应用时,可以根据业务合同数据生成并下发业务回访消息至终端102,由终端102进行回访确认,得到业务回访结果。
步骤S203:当业务回访结果为确认正常时,从业务合同数据中提取用户标识信息。
在得到业务回访结果后,根据业务回访结果的类型可以执行不同的业务处理。具体地,若业务回访结果为确认正常,即表明已触发生效的业务合同数据得到对应业务用户的回访确认,该业务合同数据为真实、可靠的。此时,可以进行后续的风险控制处理,从业务合同数据中提取用户标识信息,用户标识信息可以为唯一确定业务用户的身份信息,如可以但不限于包括姓名、业务账户ID,身份证号码、手机号码、终端物理地址等。根据该用户标识信息,可以从业务系统中获取对应业务用户的历史风险数据,如用户风险控参数,以及业务合同的监控数据,如合同逾期数据等。
另一方面,若业务回访结果为确认异常,即表征终端的业务用户对该业务合同数据存在异议,该业务合同数据的真实性和可靠性需要重新确认,则可以生成合同处理消息发送至合同处理节点进行合同更新处理,比如向合同签署的业务人员发送合同处理消息,以使业务人员与业务用户重新沟通、修改业务合同数据。
步骤S205:获取与用户标识信息对应的用户风险控参数,以及与业务合同数据对应的合同逾期数据。
业务回访处理确认通过后,从业务合同数据中提取用户标识信息,根据该用户标识信息可以从业务系统中获取对应业务用户的用户风险控参数,该用户风险控参数可以为基于业务用户在业务系统中历史的用户业务数据分析得到,如可以通过预设的基于人工神经网络算法构建的风险控模型处理得到该用户风险控参数,其反映了业务用户的历史风险情况。
此外,在业务合同数据触发生效后,服务器104会实时或定期监控业务合同数据的执行情况。比如,在借贷业务中,在借贷合同数据生效后,业务系统中的服务器会监控该借贷合同数据的还款情况,记录业务用户的还款行为、逾期行为等。本实施例中,从业务系统中查询获取该业务合同数据对应的合同逾期数据,合同逾期数据可以包括合同违反行为记录,具体如合同违反次数。在业务合同数据的生效执行过程中,若发生了合同逾期的违反行为,则需要及时进行对应的风险处理,如借贷业务中的催收处理。
步骤S207:根据用户风险控参数和合同逾期数据得到风险评分系数。
得到用户风险控参数和合同逾期数据后,可以根据该用户风险控参数和合同逾期数据计算得到风险评分系数,风险评分系数反映了该业务合同数据对应业务用户当前的风险情况,若风险值过高,则需要针对性进行业务风险处理,及时止损,实现有效地风险控制。在具体实现时,可以基于不同的业务系统中不同的业务类型,为用户风险控参数和合同逾期数据分别设置不同的催收级别权重因子,并根据该催收级别权重因子计算得到风险评分系数。
步骤S209:查询与风险评分系数对应预设的业务风险处理方案,并按照业务风险处理方案进行业务风险控制。
得到风险评分系数后,查询与其对应预设的业务风险处理方案,并根据该业务风险处理方案进行业务风险控制。其中,业务风险处理方案可以包括催收处理、罚息处理和惩罚处理等一系列的风险处理手段。通过根据与业务用户对应的业务风险处理方案进行业务风险控制,加强了业务风险处理的针对性,提高了业务风险控制效果。
上述业务风险控制方法中,在检测到业务合同数据触发生效时,进行业务回访处理,业务回访处理确认通过后,根据用户风险控参数和合同逾期数据得到风险评分系数,并根据该风险评分系数查询对应的业务风险处理方案进行业务风险控制。在业务风险控制过程中,及时对业务合同进行核实,并根据与业务用户对应的业务风险处理方案进行业务风险控制,加强了业务风险处理的针对性,提高了业务风险控制效果。
在一个实施例中,对业务合同数据进行业务回访处理,得到业务回访结果的步骤包括:获取业务合同数据,并根据业务合同数据生成业务回访消息;下发业务回访消息至终端;接收终端返回的业务确认消息,业务确认消息由终端根据业务回访消息进行确认后得到;根据业务确认消息得到业务回访结果。
在检测到业务系统中的业务合同数据触发生效时,及时对该业务合同数据进行业务回访处理,以确保其真实性和可靠性,降低可能的风险损失。本实施例中,通过下发业务回访消息进行业务合同数据的业务回访处理。
具体地,从业务系统中查询并获取业务合同数据,根据该业务合同数据生成对应的业务回访消息,业务回访消息可以包括业务合同数据中的关键信息,如业务合同名称、合同项目摘要和合同期限等。将业务回访消息下发至终端102,由终端102的业务用户对该业务回访消息进行确认,并返回业务确认消息至服务器104。服务器104接收到终端返回的业务确认消息,并根据该终端返回的业务确认消息得到业务回访结果,如确认正常或确认异常等。
在一个实施例中,获取与用户标识信息对应的用户风险控参数的步骤包括:从各业务系统中查询用户标识信息对应的用户业务数据;根据用户业务数据生成模型输入向量;将模型输入向量输入预设的风险控模型中,得到用户风险控参数。
其中,用户风险控参数反映了业务用户在各个业务系统中的历史风险情况。本实施例中,用户标识信息对应业务用户的用户风险控参数可以通过预设的基于人工神经网络算法构建的风险控模型处理得到。具体地,从业务合同数据中提取得到用户标识信息后,从各业务系统中查询用户标识信息对应的用户业务数据,用户业务数据可以包括用户标识信息对应业务用户在各业务系统中的历史业务数据,如银行系统中的借贷数据、保险系统中的投保、理赔数据等。再从得到用户业务数据中提取业务特征数据,并根据该业务特征数据生成模型输入向量。
一般地,各业务系统中记录的业务用户的历史业务数据项目多样,数据量庞大,可以从中提取关键的业务特征数据,例如额度数据、守约数据和违约数据等,并根据该业务特征数据生成模型输入向量。查询预设的风险控模型,将模型输入向量输入该风险控模型中,由其输出用户标识信息对应的用户风险控参数。在具体实现时,风险控模型可以根据各业务系统中各业务用户的历史业务数据训练得到,其可以根据输入的模型输入向量输出对应的用户风险控参数,如输出风险控评分,该风险控评分可以反映用户标识信息对应业务用户的风险情况。
在一个实施例中,如图3所示,在获取与用户标识信息对应的用户风险控参数的步骤之前,还包括风险控模型的训练步骤,具体地:
步骤S301:从各业务系统中获取历史用户业务数据,并根据历史用户业务数据确定输入向量,根据输入向量构建模型输入层。
本实施例中,风险控模型根据各业务系统中各业务用户的历史业务数据训练得到,其可以根据输入的模型输入向量输出对应的用户风险控参数。具体地,从各业务系统中获取历史用户业务数据,历史用户业务数据可以包括各业务系统中所有业务用户的历史业务数据。根据历史用户业务数据确定输入向量,根据输入向量构建模型输入层,具体可以对历史用户业务数据按照业务数据类别进行分类,如数额类别、违约类别、守约类别等,并按照各业务数据建立输入向量,进一步构建模型输入层。
步骤S303:将风险控参数作为输出向量,根据输出向量构建模型输出层。
本实施例中由风险控模型输出用户风险控参数,在风险控参数训练时相应地将风险控参数作为输出向量,进一步构建模型输出层。其中,风险控参数可以为直观数值展示的风险控评分,风险控参数的展现形式可以根据实际需求进行设置。
步骤S305:根据输入向量与输出向量之间的映射关系函数构建模型中间层,并根据模型输入层、模型中间层和模型输出层得到待训练风险控模型。
确定输入向量与输出向量后,根据二者之间的映射关系函数构建模型中间层,即作为风险控模型的隐藏层,其映射关系函数可以根据训练数据不断学习得到。最后根据模型输入层、模型中间层和模型输出层得到待训练风险控模型。
步骤S307:通过历史用户业务数据训练待训练风险控模型,得到训练完成的风险控模型。
在得到待训练风险控模型后,通过从各业务系统中获取的历史用户业务数据进行模型训练,得到训练完成的风险控模型。具体地,可以将历史用户业务数据划分为训练样本集和测试样本集,通过训练样本集训练待训练风险控模型,并通过测试样本集对训练后的风险控模型进行精确度测试,直至满足预设的精确度条件,停止训练,得到训练完成的风险控模型。
在一个实施例中,根据用户风险控参数和合同逾期数据得到风险评分系数的步骤包括:确定业务合同数据对应所属的业务系统;查询与业务系统对应预设的级别权重因子;根据合同逾期数据、风险控参数和级别权重因子,计算得到风险评分系数。
其中,用户风险控参数反映了业务用户的历史风险情况,合同逾期数据反映了当前的业务合同数据在生效执行过程中的违约情况,如具体可以为合同违约次数。在得到风险评分系数时,先确定业务合同数据对应所属的业务系统,不同的业务系统对于用户风险控参数和合同逾期数据的风险控程度并不相同,即各种业务系统根据实际需求分别设有对应的级别权重因子。查询与业务系统对应预设的级别权重因子,并根据该级别权重因子,结合合同逾期数据和风险控参数,计算得到风险评分系数,风险评分系数综合了业务用户的的历史风险控数据和针对该业务合同数据的违约情况,能够有效反映针对该业务合同数据对应业务用户当前的风险情况,以便及时进行对应的业务风险处理,从而实现止损。
在一个实施例中,查询与风险评分系数对应预设的业务风险处理方案的步骤包括:查询与业务系统对应预设的风险处理方案表单;从风险处理方案表单中查询与风险评分系数对应的业务风险处理方案。
风险处理方案表单记录有各种程度风险评分系数对应的业务风险处理方案,不同的风险评分系数配置有不同的业务风险处理方案。本实施例中,得到风险评分系数后,查询与业务系统对应预设的风险处理方案表单,并从风险处理方案表单中查询与风险评分系数对应的业务风险处理方案,最后按照所述业务风险处理方案进行业务风险控制。
在具体的租赁借贷业务系统应用中,业务风险处理方案可以包括催收方案,具体可以但不限于包括正常处理、罚息、增加违约金、调整信用参数和停止提供服务等。比如,风险评分系数较低,表明其当前的违约风险较低,可以按照业务合同数据的要求进行正常催收处理;而若风险评分系数较高,则需要按照更高级别的催收方案进行款项催收,如罚息、停止服务提供等。
在一个实施例中,在得到业务回访结果的步骤之后,还包括:当业务回访结果为确认异常时,根据业务合同数据生成合同处理消息;发送合同处理消息至预设的合同处理节点,合同处理消息用于提示合同处理节点对业务合同数据进行合同更新处理。
在对业务合同数据进行业务回访处理时,根据业务回访结果的类型执行不同的业务处理。本实施例中,若业务回访结果为确认异常,即表征终端的业务用户对该业务合同数据存在异议,该业务合同数据的真实性和可靠性需要重新确认,则可以生成合同处理消息发送至合同处理节点进行合同更新处理。
具体地,当业务回访结果为确认异常时,根据业务合同数据生成合同处理消息,并将其发送至预设的合同处理节点,以提示合同处理节点对业务合同数据进行合同更新处理。比如,合同处理节点可以为合同签署的业务人员,将合同处理消息发送至该业务人员,以使业务人员与业务用户重新沟通、修改业务合同数据。
在一个实施例中,如图4所示,提供了一种业务风险控制方法,包括以下步骤:
步骤S401:当检测到业务合同数据触发生效时,对业务合同数据进行业务回访处理,得到业务回访结果。
在业务流程处理过程中,一般是将业务合同数据的签署生效作为业务服务的起始,检测到业务系统中的业务合同数据触发生效时,通过下发业务回访消息及时对该业务合同数据进行业务回访处理,以确保其真实性和可靠性,降低可能的风险损失。具体地:获取业务合同数据,并根据业务合同数据生成业务回访消息;下发业务回访消息至终端;接收终端返回的业务确认消息,业务确认消息由终端根据业务回访消息进行确认后得到;根据业务确认消息得到业务回访结果。
步骤S402:业务回访结果是否为确认正常,若是,则执行步骤S405;否则执行步骤S403;
步骤S403:根据业务合同数据生成合同处理消息;
步骤S404:发送合同处理消息至预设的合同处理节点,合同处理消息用于提示合同处理节点对业务合同数据进行合同更新处理。
得到业务回访结果后,根据业务回访结果的类型执行不同的业务处理。具体地,若业务回访结果为确认异常,即表征终端的业务用户对该业务合同数据存在异议,该业务合同数据的真实性和可靠性需要重新确认,则可以生成合同处理消息发送至合同处理节点进行合同更新处理。
步骤S405:从业务合同数据中提取用户标识信息;
步骤S406:从各业务系统中查询用户标识信息对应的用户业务数据;
步骤S407:根据用户业务数据生成模型输入向量;
步骤S408:将模型输入向量输入预设的风险控模型中,得到用户风险控参数;
步骤S409:获取与业务合同数据对应的合同逾期数据。
若业务回访结果为确认正常,即表明已触发生效的业务合同数据得到对应业务用户的回访确认,该业务合同数据为真实、可靠的,可以进行后续的风险控制处理。具体地,从业务合同数据中提取用户标识信息,从各业务系统中查询用户标识信息对应的用户业务数据,用户业务数据可以包括用户标识信息对应业务用户在各业务系统中的历史业务数据,如银行系统中的借贷数据、保险系统中的投保、理赔数据等。再从得到用户业务数据中提取业务特征数据,并根据该业务特征数据生成模型输入向量。而合同逾期数据可以为该业务合同数据对应合同违反行为记录,具体如合同违反次数。
步骤S410:确定业务合同数据对应所属的业务系统;
步骤S411:查询与业务系统对应预设的级别权重因子;
步骤S412:根据合同逾期数据、风险控参数和级别权重因子,计算得到风险评分系数;
步骤S413:查询与风险评分系数对应预设的业务风险处理方案,并按照业务风险处理方案进行业务风险控制。
用户风险控参数反映了业务用户的历史风险情况,合同逾期数据反映了当前的业务合同数据在生效执行过程中的合同违约次数。不同的业务系统对于用户风险控参数和合同逾期数据的风险控程度并不相同,在得到风险评分系数时,先确定业务合同数据对应所属的业务系统,查询与业务系统对应预设的级别权重因子,并根据该级别权重因子,结合合同逾期数据和风险控参数,计算得到风险评分系数,风险评分系数能够有效反映针对该业务合同数据对应业务用户当前的风险情况。最后根据与业务用户对应的业务风险处理方案进行业务风险控制,加强了业务风险处理的针对性,提高了业务风险控制效果。
应该理解的是,虽然图2-4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2-4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5所示,提供了一种业务风险控制装置,包括:业务回访模块501、用户标识提取模块503、风险控因子获取模块505、风险评分获取模块507和业务风险处理模块509,其中:
业务回访模块501,用于当检测到业务合同数据触发生效时,对业务合同数据进行业务回访处理,得到业务回访结果;
用户标识提取模块503,用于当业务回访结果为确认正常时,从业务合同数据中提取用户标识信息;
风险控因子获取模块505,用于获取与用户标识信息对应的用户风险控参数,以及与业务合同数据对应的合同逾期数据;
风险评分获取模块507,用于根据用户风险控参数和合同逾期数据得到风险评分系数;
业务风险处理模块509,用于查询与风险评分系数对应预设的业务风险处理方案,并按照业务风险处理方案进行业务风险控制。
在一个实施例中,业务回访模块501包括回访消息生成单元、回访消息下发单元、确认消息接收单元和回访结果获得单元,其中:回访消息生成单元,用于获取业务合同数据,并根据业务合同数据生成业务回访消息;回访消息下发单元,用于下发业务回访消息至终端;确认消息接收单元,用于接收终端返回的业务确认消息,业务确认消息由终端根据业务回访消息进行确认后得到;回访结果获得单元,用于根据业务确认消息得到业务回访结果。
在一个实施例中,风险控因子获取模块505包括业务数据查询单元、模型输入向量单元和风险控参数单元,其中:业务数据查询单元,用于从各业务系统中查询用户标识信息对应的用户业务数据;模型输入向量单元,用于根据用户业务数据生成模型输入向量;风险控参数单元,用于将模型输入向量输入预设的风险控模型中,得到用户风险控参数。
在一个实施例中,还包括输入层模块、输出层模块、待训练模型模块和模型训练模块,其中:输入层模块,用于从各业务系统中获取历史用户业务数据,并根据历史用户业务数据确定输入向量,根据输入向量构建模型输入层;输出层模块,用于将风险控参数作为输出向量,根据输出向量构建模型输出层;待训练模型模块,用于根据输入向量与输出向量之间的映射关系函数构建模型中间层,并根据模型输入层、模型中间层和模型输出层得到待训练风险控模型;模型训练模块,用于通过历史用户业务数据训练待训练风险控模型,得到训练完成的风险控模型。
在一个实施例中,风险评分获取模块507包括业务系统确定单元、权重因子查询单元和风险评分计算单元,其中:业务系统确定单元,用于确定业务合同数据对应所属的业务系统;权重因子查询单元,用于查询与业务系统对应预设的级别权重因子;风险评分计算单元,用于根据合同逾期数据、风险控参数和级别权重因子,计算得到风险评分系数。
在一个实施例中,业务风险处理模块509包括处理方案表单查询单元和风险处理方案确定单元,其中处理方案表单查询单元,用于查询与业务系统对应预设的风险处理方案表单;风险处理方案确定单元,用于从风险处理方案表单中查询与风险评分系数对应的业务风险处理方案。
在一个实施例中,还包括合同处理消息生成模块和合同处理消息发送模块,其中:合同处理消息生成模块,用于当业务回访结果为确认异常时,根据业务合同数据生成合同处理消息;合同处理消息发送模块,用于发送合同处理消息至预设的合同处理节点,合同处理消息用于提示合同处理节点对业务合同数据进行合同更新处理。
关于业务风险控制装置的具体限定可以参见上文中对于业务风险控制方法的限定,在此不再赘述。上述业务风险控制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6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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和计算机程序。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业务风险控制方法。
本领域技术人员可以理解,图6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:
当检测到业务合同数据触发生效时,对业务合同数据进行业务回访处理,得到业务回访结果;
当业务回访结果为确认正常时,从业务合同数据中提取用户标识信息;
获取与用户标识信息对应的用户风险控参数,以及与业务合同数据对应的合同逾期数据;
根据用户风险控参数和合同逾期数据得到风险评分系数;
查询与风险评分系数对应预设的业务风险处理方案,并按照业务风险处理方案进行业务风险控制。
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:获取业务合同数据,并根据业务合同数据生成业务回访消息;下发业务回访消息至终端;接收终端返回的业务确认消息,业务确认消息由终端根据业务回访消息进行确认后得到;根据业务确认消息得到业务回访结果。
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:从各业务系统中查询用户标识信息对应的用户业务数据;根据用户业务数据生成模型输入向量;将模型输入向量输入预设的风险控模型中,得到用户风险控参数。
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:从各业务系统中获取历史用户业务数据,并根据历史用户业务数据确定输入向量,根据输入向量构建模型输入层;将风险控参数作为输出向量,根据输出向量构建模型输出层;根据输入向量与输出向量之间的映射关系函数构建模型中间层,并根据模型输入层、模型中间层和模型输出层得到待训练风险控模型;通过历史用户业务数据训练待训练风险控模型,得到训练完成的风险控模型。
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:确定业务合同数据对应所属的业务系统;查询与业务系统对应预设的级别权重因子;根据合同逾期数据、风险控参数和级别权重因子,计算得到风险评分系数。
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:查询与业务系统对应预设的风险处理方案表单;从风险处理方案表单中查询与风险评分系数对应的业务风险处理方案。
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:当业务回访结果为确认异常时,根据业务合同数据生成合同处理消息;发送合同处理消息至预设的合同处理节点,合同处理消息用于提示合同处理节点对业务合同数据进行合同更新处理。
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:
当检测到业务合同数据触发生效时,对业务合同数据进行业务回访处理,得到业务回访结果;
当业务回访结果为确认正常时,从业务合同数据中提取用户标识信息;
获取与用户标识信息对应的用户风险控参数,以及与业务合同数据对应的合同逾期数据;
根据用户风险控参数和合同逾期数据得到风险评分系数;
查询与风险评分系数对应预设的业务风险处理方案,并按照业务风险处理方案进行业务风险控制。
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:获取业务合同数据,并根据业务合同数据生成业务回访消息;下发业务回访消息至终端;接收终端返回的业务确认消息,业务确认消息由终端根据业务回访消息进行确认后得到;根据业务确认消息得到业务回访结果。
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:从各业务系统中查询用户标识信息对应的用户业务数据;根据用户业务数据生成模型输入向量;将模型输入向量输入预设的风险控模型中,得到用户风险控参数。
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:从各业务系统中获取历史用户业务数据,并根据历史用户业务数据确定输入向量,根据输入向量构建模型输入层;将风险控参数作为输出向量,根据输出向量构建模型输出层;根据输入向量与输出向量之间的映射关系函数构建模型中间层,并根据模型输入层、模型中间层和模型输出层得到待训练风险控模型;通过历史用户业务数据训练待训练风险控模型,得到训练完成的风险控模型。
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:确定业务合同数据对应所属的业务系统;查询与业务系统对应预设的级别权重因子;根据合同逾期数据、风险控参数和级别权重因子,计算得到风险评分系数。
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:查询与业务系统对应预设的风险处理方案表单;从风险处理方案表单中查询与风险评分系数对应的业务风险处理方案。
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:当业务回访结果为确认异常时,根据业务合同数据生成合同处理消息;发送合同处理消息至预设的合同处理节点,合同处理消息用于提示合同处理节点对业务合同数据进行合同更新处理。
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 (8)
1.一种业务风险控制方法,所述方法包括:
当检测到业务合同数据触发生效时,对所述业务合同数据进行业务回访处理,得到业务回访结果;
当所述业务回访结果为确认正常时,从所述业务合同数据中提取用户标识信息;
从各业务系统中查询所述用户标识信息对应的用户业务数据;
根据所述用户业务数据生成模型输入向量;
将所述模型输入向量输入预设的风险控模型中,得到用户风险控参数;所述风险控模型的训练步骤包括:从所述各业务系统中获取历史用户业务数据,并根据所述历史用户业务数据确定输入向量,根据所述输入向量构建模型输入层;将风险控参数作为输出向量,根据所述输出向量构建模型输出层;根据所述输入向量与所述输出向量之间的映射关系函数构建模型中间层,并根据所述模型输入层、所述模型中间层和所述模型输出层得到待训练风险控模型;通过所述历史用户业务数据训练所述待训练风险控模型,得到训练完成的所述风险控模型;
获取与所述业务合同数据对应的合同逾期数据;
确定所述业务合同数据对应所属的业务系统;
查询与所述业务系统对应预设的级别权重因子;
根据所述合同逾期数据、所述风险控参数和所述级别权重因子,计算得到风险评分系数;
查询与所述风险评分系数对应预设的业务风险处理方案,并按照所述业务风险处理方案进行业务风险控制。
2.根据权利要求1所述的方法,其特征在于,所述对所述业务合同数据进行业务回访处理,得到业务回访结果的步骤包括:
获取所述业务合同数据,并根据所述业务合同数据生成业务回访消息;
下发所述业务回访消息至终端;
接收所述终端返回的业务确认消息,所述业务确认消息由所述终端根据所述业务回访消息进行确认后得到;
根据所述业务确认消息得到业务回访结果。
3.根据权利要求1所述的方法,其特征在于,所述用户标识信息包括姓名、业务账户ID、身份证号码、手机号码或终端物理地址中至少一项。
4.根据权利要求1所述的方法,其特征在于,所述查询与所述风险评分系数对应预设的业务风险处理方案的步骤包括:
查询与所述业务系统对应预设的风险处理方案表单;
从所述风险处理方案表单中查询与所述风险评分系数对应的业务风险处理方案。
5.根据权利要求1至4任意一项所述的方法,其特征在于,在所述得到业务回访结果的步骤之后,还包括:
当所述业务回访结果为确认异常时,根据所述业务合同数据生成合同处理消息;
发送所述合同处理消息至预设的合同处理节点,所述合同处理消息用于提示所述合同处理节点对所述业务合同数据进行合同更新处理。
6.一种业务风险控制装置,其特征在于,所述装置包括:
业务回访模块,用于当检测到业务合同数据触发生效时,对所述业务合同数据进行业务回访处理,得到业务回访结果;
用户标识提取模块,用于当所述业务回访结果为确认正常时,从所述业务合同数据中提取用户标识信息;
风险控因子获取模块,用于从各业务系统中查询所述用户标识信息对应的用户业务数据;根据所述用户业务数据生成模型输入向量;将所述模型输入向量输入预设的风险控模型中,得到用户风险控参数;并获取与所述业务合同数据对应的合同逾期数据;
风险评分获取模块,用于确定所述业务合同数据对应所属的业务系统;查询与所述业务系统对应预设的级别权重因子;根据所述合同逾期数据、所述风险控参数和所述级别权重因子,计算得到风险评分系数;
业务风险处理模块,用于查询与所述风险评分系数对应预设的业务风险处理方案,并按照所述业务风险处理方案进行业务风险控制;
输入层模块,用于从所述各业务系统中获取历史用户业务数据,并根据所述历史用户业务数据确定输入向量,根据所述输入向量构建模型输入层;
输出层模块,用于将风险控参数作为输出向量,根据所述输出向量构建模型输出层;
待训练模型模块,用于根据所述输入向量与所述输出向量之间的映射关系函数构建模型中间层,并根据所述模型输入层、所述模型中间层和所述模型输出层得到待训练风险控模型;
模型训练模块,用于通过所述历史用户业务数据训练所述待训练风险控模型,得到训练完成的所述风险控模型。
7.一种计算机设备,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5中任一项所述方法的步骤。
8.一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5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811211416.2A CN109508994B (zh) | 2018-10-17 | 2018-10-17 | 业务风险控制方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811211416.2A CN109508994B (zh) | 2018-10-17 | 2018-10-17 | 业务风险控制方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109508994A CN109508994A (zh) | 2019-03-22 |
CN109508994B true CN109508994B (zh) | 2024-02-06 |
Family
ID=65746619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811211416.2A Active CN109508994B (zh) | 2018-10-17 | 2018-10-17 | 业务风险控制方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109508994B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110493190B (zh) * | 2019-07-15 | 2022-07-08 | 平安科技(深圳)有限公司 | 数据信息的处理方法、装置、计算机设备和存储介质 |
CN110909384B (zh) * | 2019-11-19 | 2021-11-12 | 支付宝(杭州)信息技术有限公司 | 确定泄露用户信息的业务方的方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106952155A (zh) * | 2017-03-08 | 2017-07-14 | 深圳前海纵腾金融科技服务有限公司 | 一种基于信用评分的催收方法及装置 |
CN107886430A (zh) * | 2017-11-29 | 2018-04-06 | 南京甄视智能科技有限公司 | 贷后风险控制方法和系统 |
CN108416669A (zh) * | 2018-03-13 | 2018-08-17 | 腾讯科技(深圳)有限公司 | 用户行为数据处理方法、装置、电子设备及计算机可读介质 |
-
2018
- 2018-10-17 CN CN201811211416.2A patent/CN109508994B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106952155A (zh) * | 2017-03-08 | 2017-07-14 | 深圳前海纵腾金融科技服务有限公司 | 一种基于信用评分的催收方法及装置 |
CN107886430A (zh) * | 2017-11-29 | 2018-04-06 | 南京甄视智能科技有限公司 | 贷后风险控制方法和系统 |
CN108416669A (zh) * | 2018-03-13 | 2018-08-17 | 腾讯科技(深圳)有限公司 | 用户行为数据处理方法、装置、电子设备及计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109508994A (zh) | 2019-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109829776B (zh) | 商户风险评估方法、装置、计算机设备和存储介质 | |
CN108876133B (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
CN109858737B (zh) | 基于模型部署的评分模型调整方法、装置和计算机设备 | |
US20180082368A1 (en) | System and method for detecting fraudulent account access and transfers | |
CN108932582B (zh) | 风险信息确定方法、装置、计算机设备和存储介质 | |
CN112308710B (zh) | 贷款数据处理方法、装置、计算机设备及存储介质 | |
EP2011074A1 (en) | Fraud analyst smart cookie | |
CN109508994B (zh) | 业务风险控制方法、装置、计算机设备和存储介质 | |
CN109858735A (zh) | 用户风险评分评定方法、装置、计算机设备及存储介质 | |
CN109670933A (zh) | 识别用户角色的方法、用户设备、存储介质及装置 | |
CN112488163A (zh) | 一种异常账号的识别方法、装置、计算机设备及存储介质 | |
CN114116802A (zh) | Flink计算框架的数据处理方法、装置、设备和存储介质 | |
CN114186760A (zh) | 一种企业稳健运营的分析方法、系统及可读存储介质 | |
CN111091276A (zh) | 企业风险评分方法、装置、计算机设备和存储介质 | |
CN110795466A (zh) | 基于大数据处理的反欺诈方法、服务器及计算机可读存储介质 | |
CN117057794A (zh) | 基于区块链的智能支付网关交易方法、系统、设备及介质 | |
CN116260715B (zh) | 基于大数据的账号安全预警方法、装置、介质及计算设备 | |
CN107516213B (zh) | 风险识别方法及装置 | |
CN108074186B (zh) | 健康卡开户处理方法和装置 | |
CN114418743A (zh) | 账户信息的检测方法、装置、设备、存储介质和程序产品 | |
CN113988867A (zh) | 欺诈行为检测方法、装置、计算机设备和存储介质 | |
CN109919767B (zh) | 交易风险管理方法、装置及设备 | |
CN111383092A (zh) | 基于区块链的云计算大数据信贷额度估计方法及系统 | |
US11915313B2 (en) | Using email history to estimate creditworthiness for applicants having insufficient credit history | |
CN117593105A (zh) | 贷款逾期处理方法、装置、计算机设备和存储介质 |
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 |