CN109598300A

CN109598300A - 一种评估系统及方法

Info

Publication number: CN109598300A
Application number: CN201811457459.9A
Authority: CN
Inventors: 周凡吟; 毛颖; 严丽; 巫源睿; 陈文�; 黄万忠; 严薇; 周定宁; 曾途; 吴桐; 沈思丞
Original assignee: Chengdu Business Big Data Technology Co Ltd
Current assignee: Chengdu Business Big Data Technology Co Ltd
Priority date: 2018-11-30
Filing date: 2018-11-30
Publication date: 2019-04-09

Abstract

本发明涉及一种评估系统及方法，该系统包括数据采集模块、指标数据生成模块和评估模块，其中，数据采集模块用于从数据库服务器中获得各用户的基础信息；生命阶段确定模块用于根据基础信息中的成立时间确定该用户当前所处的生命阶段；模型选择模块用于根据确定出的生命阶段确定对应的计算模型；指标数据生成模块用于基于采集到的各用户的基础信息，生成各项指标数据；评估模块用于从模型库中调取确定出的计算模型，并根据所述各项指标数据，输出该用户的评估结果。通过本发明所述评估系统可以对用户进行评估，继而实现根据评估结果提供针对性服务。

Description

一种评估系统及方法

技术领域

本发明涉及数据处理技术领域，特别涉及一种评估系统及方法。

背景技术

对于服务行业而言，根据不同用户的不同需求，有针对性地提供服务，才能更好地服务于用户，给用户更好的体验。仅以银行为例，会针对不同用户提供不同的服务项目，因此在提供服务之前，会先对用户进行评估，根据不同的评估结果提供不同的服务。然而目前使用的评估系统，主要依赖于账户表现数据，只能覆盖成立时间长且账户活跃的用户，局限性强。以账户和交易行为为基础的价值评估体系评价维度单一，只能衡量企业已经表现出来的价值，无法评估企业真实实力、企业关联背景实力，即无法评估企业的价值贡献潜力，所以潜力用户挖掘是当前评估方法的盲区所在。

发明内容

本发明的目的在于改善现有技术中所存在的局限性强的不足，提供一种评估系统及方法，适应于各种生命阶段的用户。

为了实现上述发明目的，本发明实施例提供了以下技术方案：

一种评估系统，包括数据采集模块、生命阶段确定模块、评估模型确定模块、指标数据生成模块和评估模块，其中，

所述数据采集模块，用于从数据库服务器中获得用户的基础信息；

所述生命阶段确定模块的数据输入端与数据采集模块的数据输出端连接，用于根据基础信息中的成立时间确定该用户当前所处的生命阶段；

所述评估模型确定模块的数据输入端与生命阶段确定模块的数据输出端连接，用于根据确定出的生命阶段确定对应的评估模型；

所述指标数据生成模块的数据输入端与数据采集模块的数据输出端、评估模型确定模块的数据输出端连接，指标数据生成模块用于基于用户的基础信息和确定的评估模型，生成各项指标数据；

所述评估模块的数据输入端与所述指标数据生成模块的数据输出端、评估模型确定模块的数据输出端连接，评估模块用于从评估模型库中调取确定出的评估模型，并根据所述各项指标数据，输出该用户的评估结果。

根据本发明实施例，所述评估模型确定模块在确定评估模型时，若所述生命阶段为第一生命阶段，则选择第一评估模型；若所述生命阶段为第二生命阶段，则选择第二评估模型和第三评估模型；若所述生命阶段为第三生命阶段，则选择第二评估模型、第三评估模型和第四评估模型。

另一方面，本发明实施例还提供了一种评估方法，包括以下步骤：

从数据库服务器中获得用户的基础信息；

根据基础信息中的成立时间确定该用户当前所处的生命阶段；

根据确定出的生命阶段确定对应的评估模型；

基于用户的基础信息及确定的评估模型，生成各项指标数据；

从评估模型库中调取确定出的评估模型，并根据所述各项指标数据，输出该用户的评估结果。

再一方面，本发明实施例同时提供了一种包括计算机可读指令的计算机可读存储介质，所述计算机可读指令在被执行时使处理器执行本发明实施例中所述方法中的操作。

再一方面，本发明实施例同时提供了一种电子设备，包括：存储器，存储程序指令；处理器，与所述存储器相连接，执行存储器中的程序指令，实现本发明实施例中所述方法中的步骤。

与现有技术相比，本发明所提供的系统或方法，可以实现对处于各个生命阶段的用户进行分析，适应于各种类型的客户，改善了目前评估系统的局限性。另外，该评估系统具有通用性，任何分析人员针对于相同的用户数据的分析结果一致，分析结果不受分析人员的主观性影响，分析结果更具有可靠性。本发明评估系统不仅限于实施例中所述的银行用户的评估，还适用于其他行业或应用的用户评估。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为实施例中所述的评估系统的应用场景示意图。

图2为实施例中所述的评估系统的示意框图。

图3为实施例中不同生命阶段阶段评估指标体系示意图。

图4为实施例中所述的评估方法的流程图。

图5为实施例中所述的电子设备的组成框图。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。

在描述本实施例中提供的评估系统之前，先对后文中涉及到的几个名词做简要说明。

关联方：是指与本企业相关联的对象，可能是自然人，也可能是企业，所述关联主要指的是通过投资或被投资关系连接的企业，及通过投资、任职关系连接的自然人与企业之间的关系。而自然人与企业之间的任职关系又包含法人、董事、高管、监事等。

关联度数：指关联的程度，包括一度关联、二度关联、三度关联等等，一度关联是指直接关联，二度关联是指以一度关联为基础的间接关联(一级间接关联)，三度关联是指以二度关联为基础的间接关联(二级间接关联)。例如赵某是A公司的法人，也是B公司的监事，那么A公司与赵某为一度关联关系，即赵某为A公司的一度关联方，B公司为A公司的二度关联方。

如图2所示，图2中的简头表示数据流的走向。本实施例示意性地提供了一种评估系统，包括数据采集模块、生命阶段确定模块、评估模型确定模块、指标数据生成模块、评估模块，其中，数据采集模块的数据输出端连接指标数据生成模块的数据输入端及生命阶段确定模块的数据输入端，生命阶段确定模块的数据输出端连接评估模型确定模块的数据输入端，评估模型确定模块的数据输出端连接指标数据生成模块的数据输入端，指标数据生成模块的数据输出端连接评估模块的数据输入端。

数据采集模块用于从数据库服务器中获得用户的基础信息，基础信息包括用户的成立时间以及用于生成指标数据的信息。生命阶段确定模块用于根据基础信息中的成立时间确定该用户当前所处的生命阶段。评估模型确定模块用于根据确定出的生命阶段确定对应的评估模型。评估模块用于从评估模型库中调取确定出的评估模型，并根据所述各项指标数据，输出该用户的评估结果。

如图1所示，上述评估系统可集成于一个电子设备中，通过从数据库服务器中获得各用户的基础信息，基于获得的基础信息进行数据分析，给出用户的评估结果，也可以将评估结果推送给需求方的数据接收终端。数据接收终端可以是PC机，掌上电脑，甚至手机等。仅以银行用户评估为例，需要从银行方的数据库服务器中获取用户的基础信息，基于该信息分析评估后，输出评估结果，若是非银行方进行的分析评估，则还需要将评估出来的用户推送给银行方。如图1-2所示，上述评估系统还可以包括数据推送模块，用于将评估结果推送给需求方的数据接收终端。由于数据推送模块不是必须的的组成结构，因此在图2中用虚线框表示。

基于不同的应用，评估所需的指标可能不同，可能有的指标的数据可以直接从基础信息中得到，可能有的指标数据需要基于基础信息进行计算后才能得到。仅以银行用户评估为例，注册资本金额、股东个数这两个指标可以直接从基础信息中获得，而对于二度关联方平均阿拉丁分指标数据，则需要获得每个用户的二度法人关联方阿拉丁得分，然后再计算平均值得出。因此，在一个实施方案中，针对于每个用户，指标数据生成模块将用户的基础信息中的部分信息直接作为指标数据，另一部分信息经过计算后得到指标数据，生成的所有指标数据输出给评估模块。一般地，需要计算的指标数据的计算方式基本是加减乘除运算，属于本领域公知常识。

在不同的生命阶段，用户表现出来的特征不同。仅以银行用户为例，企业成立阶段，既缺乏行内表现数据也缺乏企业的财务、经营、融资、人才数据，但是具有企业的关联方背景实力特征。企业成长阶段，这一生命阶段包括企业成立之后到成长为银行内活跃客户的过程，企业有较多的经营和投融资表现等来反映其价值，具有经营行为、融资支持、人才实力等可以反映企业自身实力的特征。企业价值发现阶段，在这一生命阶段，企业已经成长了一段时间，在行内有较为稳定或活跃的价值表现。因此，当企业处于不同的生命阶段时，需要用到的评估模型不同，指标不同，这样才能更好更准确地进行评估。

因此，上述评估模型确定模块在确定评估模型时，会根据用户所处的生命阶段确定相应的评估模型。例如在一个实施例中，若所述生命阶段为第一生命阶段(如企业成立阶段)，则选择第一评估模型；若所述生命阶段为第二生命阶段(企业成长阶段)，则选择第二评估模型和第三评估模型；若所述生命阶段为第三生命阶段(企业价值发现阶段)，则选择第二评估模型、第三评估模型和第四评估模型。对于生命阶段不同阶段的划分对于不同分析者可以有不同的定义。

仅以评估银行用户价值为例，在企业成立阶段，可以表现出关联系价值和部分企业价值；在企业成长阶段，可以表现出关联系价值和更多的企业价值；在企业价值发现阶段，可以表现出关联系价值、更多的企业价值和行内价值。关联系价值、企业价值、行内价值分别用一个评估模型进行评估，因此，在企业价值表现阶段，会用到关联系价值评估模型、企业价值评估模型、行内价值评估模型；在企业成长阶段，会用到关联系价值评估模型、企业价值评估模型；而在企业成立阶段，由于表现有部分企业价值，因此针对这一生命阶段，单独使用潜力评估模型进行评估。

行内价值主要衡量企业的行内表现优劣，可以通过企业的贡献度、活跃度、忠诚度、信用度这几个因素来评估；企业价值主要衡量企业的自身经营表现、股东实力、管理能力、人才实力、投资融资这些因素来反映；关联系价值主要衡量企业的关联方规模、结构、实力等，可以通过企业的关联方规模、关联方结构、关联方运营情况、股东对外关联、法人对外关联、高管对外关联这些因素反映，如图3所示，各个因素对应的指标如表2所示。作为一种举例，所使用到的指标如表1所示。

表1：

本实施例中，潜力评估模型、关联系价值评估模型、企业价值评估模型都利用二分类有监督学习模型实现，向各评估模型中输入相应的各项指标数据，各评估模型基于各指标数据，对用户进行价值评估，输出用户为具有相应价值用户的概率值，例如向关联系评估模型中输入相应的指标数据，即可输出该用户为具有关联关系实力价值用户的概率值。有监督学习模型可以采用逻辑回归模型、支持向量机模型、全称梯度下降树模型或随机森林模型等。二分类有监督学习模型需要预先训练得到，在训练过程中，可以将训练样本中的有价值(或高价值)用户标记为1，其他用户标记为0，其他用户可以理解为无价值或低价值用户，有价值用户和其他用户构成分类的两个类别。训练时，向二分类有监督学习模型中输入各训练样本的各项指标数据，且训练样本中的有价值用户标记为1，其他用户标记为0，输出得到用户为有价值用户的概率值，通过不断修改模型参数，最终得到分类能力较强的二分类有监督学习模型。例如，本实施例中，第一评估模型训练后的XGBoost模型的AUC值为0.75，K-S值为0.38。

而对于行内价值评估模型，则使用无监督学习方法，如本实施例中选用聚类分析方法，对四个评估因素聚类，将行内成熟用户分为2-5个价值类，根据每个价值类不同的贡献度、活跃度、忠诚度、信用度特征区分用户价值高低。

建立行内价值评估模型主要包括以下几个步骤：

(一)计算4个评估因素得分

Step1：为每个评估因素选取评估指标

如表2，如贡献度因素，可选用日均存款、贷款金额、贷款次数这3个指标来评估。

Step2：计算每个指标得分

(1)指标标准化

对于具体的每一个指标，先将其取值标准化为取值在0-1的分布，正向指标(取值越大越好，如日均存款、存款收入)的标准化计算公式为：

其中，x为该企业该指标原始取值，min(x)为所有企业该指标取值的最小值，max(x)为所有企业该指标取值的最大值，x^*为该指标标准化后的数值。

(2)指标正向化

若为负向指标(取值越小越好的指标，如存款标准差、存款付息率)，则标准化之后还需要做正向化处理，正向化公式为：

1-x^*

其中，x^*为该企业该指标标准化后的取值。

(3)计算指标得分

将指标取值映射为0-100的分数值，映射关系为：

Scorei＝100*xi

其中，xi为该因素下第i个指标经过标准化和正向化后的取值；Scorei为该因素下第i个指标的得分。

Step3：指标赋权

对每个评估因素，根据业务需要给它的每个指标赋予一个权重。如给贡献度因素选取的3个评估指标分别赋权为日均存款0.4、贷款金额0.3、贷款次数0.3。

Step4：计算评估因素加权得分

根据每个评估因素下选取的指标的指标得分和指标权重，计算对应评估因素的加权得分。

如贡献度因素的加权得分为：

Score_贡献度＝日均存款指标得分*0.4+贷款金额指标得分*0.3+贷款次数指标得分*0.3

同理，可计算出活跃度、忠诚度、信用度评估因素的加权得分。

(二)根据评估因素得分对企业价值聚类

通过上一步骤得到的每家企业的贡献度、活跃度、忠诚度、信用度4个得分。使用聚类模型根据价值评估需要将企业归为几个特征类(选择2-6类为宜)来描述其行内价值特征。类别数量和类别特征通过模型训练确定，在使用模型时，输入企业的4个价值因素得分即可将企业归入某一个类。聚类模型有多种可以选择，如本例中选用KMeans聚类模型。

1、聚类模型训练

使用KMeans聚类模型对训练样本聚类。模型根据输入的样本特征(4个评估因素取值)和模型参数(参数主要为聚类的类别数)将样本分为几个特征类。如本例中选择聚类类别数参数为4，模型将样本分为高综合价值(高贡献度、高活跃度、高忠诚度、高信用度)类、高贡献价值(高贡献度、较低活跃度、较低忠诚度、较高信用度)类、高忠诚价值类(中等贡献度、高活跃度、高忠诚度、较高信用度)、低价值(低贡献度、低活跃度、低忠诚度、较低信用度)类，每个类的中心即为该类别中所有样本每个评估因素得分的平均值。

2、使用聚类模型对企业分类

在使用聚类模型(行内价值评估模型)时，对每一个待评估企业，输入其4个行内价值评估因素得分，即可得到该企业所属的价值特征类。KMeans聚类模型的分类原理为：计算该企业4个因素得分与每个类中心的距离，将企业归入距离最近的一个类。

有的指标数据可能是连续的数值，极端数据、异常数据等会对模型造成干扰，因此，为了避免极端数据对模型的干扰，提高模型的分类能力，在更优化的方案中，如图2所示，上述评估系统中还包括WOE(weight of Evidence，证据权重)分箱模块，用于在生成的各项指标数据中，针对于取值连续的一项或多项指标数据进行WOE分箱处理，将该项指标数据由真实数值替换为分箱后的WOE值，再输出给评估模块。由于设置WOE分箱模块的目的是提高评估模块的准确性，不是评估所需的必要组成结构，因此在图2中以虚线框表示。WOE分箱是一种将连续数据离散化的方法，将一个变量的取值分为几个(m)类，如果某个值出现得特别多，可以单独作为一类。例如一个变量的取值在0-1000之间，一共100个样本，其中30个样本取值为0，就可以分成取值为0的样本一个箱，取值0-500一个箱，取值500-1000一个箱，最后这个变量的值就由0-1000的连续取值变成了一个只有3个取值的变量。该变量的每一个真实数值转换为对应的所属箱的WOE值，这个WOE值是根据每一箱中好坏样本的占比来计算的，计算公式为其中，i＝1,2…,m；py_i是第i组中响应客户(这里即高价值客户，价值标签为1的客户)占所有样本中所有响应客户的比例；pn_i是第i组中未响应客户(这里即低价值客户，价值标签为0的客户)占样本中所有未响应客户的比例；y_i是这个组中响应客户的数量；n_i是这个组中未响应客户的数量；y_T是样本中所有响应客户的数量；

n_T是样本中所有未响应客户的数量。

为了更容易理解本实施例中所述评估系统，下面将以具体的应用举例来进行说明。

(一)刚成立1周的A客户，处于企业成立阶段

所用指标数据:

关联系价值维度所有指标+企业价值维度中的行业潜力、经营环境、股东实力、管理能力因素指标，输入潜力评估模型(第一评估模型)。

评估结果：

由潜力评估模型，得到企业的价值潜力得分(如70分，可以由模型直接输出，或者是由模型输出的概率值*100而得到)，同时得到企业价值高低的判断(根据模型计算的概率划分该企业为高潜力价值企业还是低潜力价值企业，这里70分判断为高价值潜力)。

(二)成立1年的B客户，处于企业成长阶段

所用指标数据:

关联系价值维度所有指标，输入关联系价值评估模型(第二评估模型)；

企业价值维度所有指标，输入企业价值评估模型(第三评估模型)；

评估结果：

关联系价值评估模型，输出企业的关联系价值得分(如60分)，同时得到企业关联系价值高低判断(如将60分判断为高关联系价值)；

企业价值评估模型，输出企业的企业价值得分(如70分)，同时得到企业的企业价值高低判断(如将70分判断为高企业价值)；

(三)成立10年的C客户，处于企业价值发现阶段

所用指标数据:

行内价值维度所有指标，输入行内价值评估模型(第四评估模型)；

评估结果：

行内价值评估模型，输出企业的贡献度(如80分)、活跃度(如40分)、忠诚度(如50分)、信用度(如70分)4个因素得分，同时得到企业的行内价值特征分类(如该企业归类为高贡献价值类)

请参阅图4，基于相同的发明构思，本实施例中同时提供了一种评估方法，包括以下步骤：

S101，从数据库服务器中获得用户的基础信息。

S102，根据基础信息中的成立时间确定该用户当前所处的生命阶段。

S103，根据确定出的生命阶段确定对应的评估模型。

S104，基于采集到的各用户的基础信息，以及确定出的评估模型，生成各个评估模型所需的各项指标数据。各项指标数据可以由用户的基础信息直接得到，也可以由基础信息计算后得到。

S105，对一项或多项指标数据进行WOE分箱处理，将该项指标数据由真实数值替换为分箱后的WOE值。

S106，根据用户的所述各项指标数据，利用确定出的各个评估模型，分别评估输出评估结果。

在另一个方案中，上述方法还可以包括步骤：

S107，将评估出的用户推送给需求方的数据接收终端。

步骤S105和步骤S107都不是必须实施的步骤，因此在图4中以虚线框表示。

由于本评估方法与前述评估系统是基于同一个发明构思，因此，此处方法描述中未涉及之处，请参见前述系统描述中的相关内容。

如图5所示，本实施例同时提供了一种电子设备，该电子设备可以包括处理器51和存储器52，其中存储器52耦合至处理器51。值得注意的是，该图是示例性的，还可以使用其他类型的结构来补充或替代该结构，实现数据提取、报告生成、通信或其他功能。

如图5所示，该电子设备还可以包括：输入单元53、显示单元54和电源55。值得注意的是，该电子设备也并不是必须要包括图5中显示的所有部件。此外，电子设备还可以包括图5中没有示出的部件，可以参考现有技术。

处理器51有时也称控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该处理器51接收输入并控制电子设备的各个部件的操作。

其中，存储器52例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其他合适装置中的一种或多种，可存储上述处理器51的配置信息、处理器51执行的指令、记录的表格数据等信息。处理器51可以执行存储器52存储的程序，以实现信息存储或处理等。在一个实施例中，存储器52中还包括缓冲存储器，即缓冲器，以存储中间信息。

输入单元53例如用于向处理器51提供各个用户的基础信息。显示单元54用于显示处理过程中的各种结果，例如各项指标数据、评估结果等，该显示单元例如可以为LCD显示器，但本发明并不限于此。电源55用于为电子设备提供电力。

本发明实施例还提供一种计算机可读指令，其中当在电子设备中执行所述指令时，所述程序使得电子设备执行本发明方法所包含的操作步骤。

本发明实施例还提供一种存储有计算机可读指令的存储介质，其中所述计算机可读指令使得电子设备执行本发明方法所包含的操作步骤。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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，或者该技术方案的全部或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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成模块及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims

1.一种评估系统，其特征在于，包括数据采集模块、生命阶段确定模块、评估模型确定模块、指标数据生成模块和评估模块，其中，

2.根据权利要求1所述的系统，其特征在于，还包括数据推送模块，用于将评估模块输出的评估结果推送给需求方的数据接收终端。

3.根据权利要求1所述的系统，其特征在于，还包括WOE分箱模块，用于对一项或多项指标数据进行WOE分箱处理，将该项指标数据由真实数值替换为分箱后的WOE值，再输出给评估模块。

4.根据权利要求1所述的系统，其特征在于，所述指标数据生成模块具体用于：针对于每个客户，将其基础信息中的部分信息直接作为指标数据，另一部分信息经过计算后得到指标数据，生成的所有指标数据输出给评估模块。

5.根据权利要求1所述的系统，其特征在于，所述评估模型确定模块在确定评估模型时，若所述生命阶段为第一生命阶段，则选择第一评估模型；若所述生命阶段为第二生命阶段，则选择第二评估模型和第三评估模型；若所述生命阶段为第三生命阶段，则选择第二评估模型、第三评估模型和第四评估模型。

6.一种评估方法，其特征在于，包括以下步骤：

从数据库服务器中获得用户的基础信息；

根据确定出的生命阶段确定对应的评估模型；

7.根据权利要求6所述的评估方法，其特征在于，还包括步骤：

将评估结果推送给需求方的数据接收终端。

8.根据权利要求6所述的评估方法，其特征在于，在生成各项指标数据之后且根据所述各项指标数据输出该用户的评估结果的步骤之前，所述方法还包括步骤：

对一项或多项指标数据进行WOE分箱处理，将该项指标数据由真实数值替换为分箱后的WOE值。

9.根据权利要求6所述的评估方法，其特征在于，所述根据确定出的生命阶段确定对应的评估模型的步骤，包括：

若所述生命阶段为第一生命阶段，则选择第一评估模型；

若所述生命阶段为第二生命阶段，则选择第二评估模型和第三评估模型；

若所述生命阶段为第三生命阶段，则选择第二评估模型、第三评估模型和第四评估模型。

10.一种包括计算机可读指令的计算机可读存储介质，其特征在于，所述计算机可读指令在被执行时使处理器执行权利要求6-9任一所述方法中的操作。

11.一种电子设备，其特征在于，所述的设备包括：

存储器，存储程序指令；

处理器，与所述存储器相连接，执行存储器中的程序指令，实现权利要求6-9任一所述方法中的步骤。