CN110097248A - 基于流立方技术的商户评级方法、装置、设备及存储介质 - Google Patents

基于流立方技术的商户评级方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110097248A
CN110097248A CN201910208499.8A CN201910208499A CN110097248A CN 110097248 A CN110097248 A CN 110097248A CN 201910208499 A CN201910208499 A CN 201910208499A CN 110097248 A CN110097248 A CN 110097248A
Authority
CN
China
Prior art keywords
trade company
risk
data
transaction
networking
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
Application number
CN201910208499.8A
Other languages
English (en)
Inventor
李宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
OneConnect Smart Technology Co Ltd
Original Assignee
OneConnect Smart Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by OneConnect Smart Technology Co Ltd filed Critical OneConnect Smart Technology Co Ltd
Priority to CN201910208499.8A priority Critical patent/CN110097248A/zh
Publication of CN110097248A publication Critical patent/CN110097248A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于流立方技术的商户评级方法、装置、设备及存储介质,所述方法包括:针对每一入网商户,通过流立方流式大数据处理平台对所述商户的入网数据和交易数据进行风险评估,得到所述商户的静态风险数据和动态风险数据;当获取到商户评级指令时,从所述流立方流式大数据处理平台中获取待评级商户的静态风险数据和动态风险数据;根据所述静态风险数据计算所述待评级商户的入网评分;根据所述动态风险数据计算所述待评级商户的交易评分;根据所述入网评分、交易评分计算所述待评级商户的综合评分;根据所述综合评分更新所述待评级商户的综合评级。本发明解决了现有的商户评级方式实效性不高、风险监控精度欠佳的问题。

Description

基于流立方技术的商户评级方法、装置、设备及存储介质
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于流立方技术的商户评级方法、装置、设备及存储介质。
背景技术
为了更加精准、公平、公正的对商户进行不同纬度的风险评估,现有电商平台一般设有商户评级体系。商户评级是收单方对商家整体能力的评判。根据不同的等级,收单方可以对不同商户采用不同的风险监控规则。
现有的商户评级是采用离线计算的方式来实现,在执行商户评级时才会去数据库拉取数据,然后再进行计算,评级实效性不高,降低了对商户的风险监控精度。评级过程直接通过程序实现的,没有可视化页面,用户无法时时更新商户评级,更无法定期更新商户评级。
因此,寻找一种提高商户评级实效性、加强对商户的风险监控的方法成为本领域技术人员亟需解决的问题。
发明内容
本发明实施例提供了一种基于流立方技术的商户评级方法、装置、设备及存储介质,以解决现有的商户评级方式实效性不高、风险监控精度欠佳的问题。
一种基于流立方技术的商户评级方法,包括:
针对每一入网商户,通过流立方流式大数据处理平台分别对所述商户的入网数据和交易数据进行风险评估,得到所述商户的静态风险数据和动态风险数据;
当获取到商户评级指令时,根据所述商户评级指令从所述流立方流式大数据处理平台中获取待评级商户的静态风险数据和动态风险数据;
根据所述静态风险数据计算所述待评级商户的入网评分;
根据所述动态风险数据计算所述待评级商户的交易评分;
获取入网评分和交易评分对应的权重信息,根据所述入网评分、交易评分以及权重信息计算所述待评级商户的综合评分;
根据所述综合评分更新所述待评级商户的综合评级。
进一步地,所述针对每一入网商户,通过流立方流式大数据处理平台分别对所述商户的入网数据和交易数据进行风险评估,得到所述商户的静态风险数据和动态风险数据包括:
在商户入网时,将所述商户的入网数据传入流立方流式大数据处理平台;
通过所述流立方流式大数据处理平台加载入网评估模型,所述入网评估模型中包括若干条入网评分规则;
采用所述入网评分规则对所述入网数据进行风险评估,得到所述商户的静态风险数据。
进一步地,所述针对每一入网商户,通过流立方流式大数据处理平台分别对所述商户的入网数据和交易数据进行风险评估,得到所述商户的静态风险数据和动态风险数据包括:
对于每一已入网的商户,每当商户发生交易时,将所述商户的交易数据传入所述流立方流式大数据处理平台;
通过所述流立方流式大数据处理平台加载交易评估模型,所述交易评估模型中包括若干条交易评分规则;
采用所述交易评分规则对所述交易数据进行风险评估,得到所述商户的动态风险数据。
进一步地,所述静态风险数据中包括多个入网风险子项,所述根据所述静态风险数据计算所述待评级商户的入网评分包括:
计算每一个所述入网风险子项的权重与分值之积;
对所有入网风险子项的权重与分值之积进行求和,得到所述待评级商户的入网评分。
进一步地,所述动态风险数据中包括多个交易风险子项,所述根据所述动态风险数据计算所述待评级商户的交易评分包括:
计算每一个所述交易风险子项的权重与分值之积;
对所有交易风险子项的权重与分值之积进行求和,得到所述待评级商户的交易评分。
进一步地,所述根据所述综合评分更新所述待评级商户的综合评级包括:
将综合评分的分值范围按照预设的分数段划分为若干等级,其中每一分数段对应一档综合评级;
根据所述待评级商户的综合评分所在的分数段确定所述待评级商户的综合评级。
一种基于流立方技术的商户评级装置,包括:
风险评估模块,用于针对每一入网商户,通过流立方流式大数据处理平台分别对所述商户的入网数据和交易数据进行风险评估,得到所述商户的静态风险数据和动态风险数据;
风险数据获取模块,用于当获取到商户评级指令,根据所述商户评级指令从所述流立方流式大数据处理平台中获取待评级商户的静态风险数据和动态风险数据;
入网评分模块,用于根据所述静态风险数据计算所述待评级商户的入网评分;
交易评分模块,用于根据所述动态风险数据计算所述待评级商户的交易评分;
综合评分模块,用于获取入网评分和交易评分对应的权重信息,根据所述入网评分、交易评分以及权重信息计算所述待评级商户的综合评分;
评级更新模块,用于根据所述综合评分更新所述待评级商户的综合评级。
进一步地,所述风险评估模块包括:
入网风险评估单元,用于在商户入网时,将所述商户的入网数据传入流立方流式大数据处理平台;通过所述流立方流式大数据处理平台加载入网评估模型,所述入网评估模型中包括若干条入网评分规则;采用所述入网评分规则对所述入网数据进行风险评估,得到所述商户的静态风险数据;
交易风险评估单元,用于对于每一已入网的商户,每当商户发生交易时,将所述商户的交易数据传入所述流立方流式大数据处理平台;通过所述流立方流式大数据处理平台加载交易评估模型,所述交易评估模型中包括若干条交易评分规则;采用所述交易评分规则对所述交易数据进行风险评估,得到所述商户的动态风险数据。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于流立方技术的商户评级方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述基于流立方技术的商户评级方法的步骤。
本发明实施例通过流立方流式大数据处理平台分别对入网商户的入网数据和交易数据进行风险评估,得到所述商户的静态风险数据和动态风险数据;当获取到商户评级指令时,根据所述商户评级指令从所述流立方流式大数据处理平台中获取待评级商户的静态风险数据和动态风险数据;然后根据所述静态风险数据计算所述待评级商户的入网评分;根据所述动态风险数据计算所述待评级商户的交易评分;获取入网评分和交易评分对应的权重信息,根据所述入网评分、交易评分以及权重信息计算所述待评级商户的综合评分;最后根据所述综合评分更新所述待评级商户的综合评级,从而实现了对入网商户的评分及评级;且运用流立方技术进行风险评估,可以时时地执行商户评级,有效地增强了评级实效性,提高了对商户分析的精确度,解决了现有的商户评级方式实效性不高、风险监控精度欠佳的问题,有利于提高风控的精确度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中基于流立方技术的商户评级方法的一流程图;
图2是本发明一实施例中基于流立方技术的商户评级方法中步骤S101的一流程图;
图3是本发明一实施例中基于流立方技术的商户评级方法中步骤S101的一流程图;
图4是本发明一实施例中基于流立方技术的商户评级方法中步骤S103的一流程图;
图5是本发明一实施例中基于流立方技术的商户评级方法中步骤S104的一流程图;
图6是本发明一实施例中基于流立方技术的商户评级方法中步骤S106的一流程图;
图7是本发明一实施例中基于流立方技术的商户评级装置的一原理框图;
图8是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动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。
大数据技术的广泛应用使其成为引领众多行业技术进步、促进效益增长的关键支撑技术。根据数据处理的时效性,大数据处理系统可分为批处理大数据系统和流处理大数据系统两类。批处理大数据系统存在无法查询最新的实时数据、数据迟滞高等问题。而流处理大数据系统可以对最新实时数据实现高效预设分析处理模型的查询,数据迟滞低,但是受限于内存容量。流立方的流式大数据实时处理技术融合了批处理和流处理两类系统,该技术提供了基于时间窗口漂移的动态数据快速处理,能够支持多种分布式统计计算模型,并且实现了复杂时间、上下文处理等实时分析处理模型集的高效管理技术。
本发明实施例提供了一种基于流立方技术的商户评级方法。在流立方中嵌套若干条评分规则。每当商户入网或者产生新的交易时,将该商户入网时的资质数据或每笔交易的交易数据输入流立方中,通过这些评分规则对所述资质数据或者交易数据进行风险评估以及指标计算。每当对商户进行评级时,则从所述流立方中抽取指标计算结果来计算该商户的评分,进而得到商户综合评级,从而实现了对商户评级的实时更新,且提高了对商户分析的精确度,评级实效性更强,有利于提高风控的精确度。
以下对本发明实施例提供的基于流立方技术的商户评级方法进行详细的描述。
在一实施例中,如图1所示,提供一种基于流立方技术的商户评级方法,包括如下步骤:
在步骤S101中,针对每一入网商户,通过流立方流式大数据处理平台分别对所述商户的入网数据和交易数据进行风险评估,得到所述商户的静态风险数据和动态风险数据。
在本发明实施例中,商户入网是指商户接入POS机使用。一款商户能够正常使用的POS机,一般是由银行卡收单方提供。收单方包括但不限于银行或第三方支付公司,商户与收单方签订特约商户协议,用其提供的POS机受理消费者银行卡的收单业务,从而实现商户入网。
在商户入网时,不可避免会存在各种各样的风险。本发明实施例预先在流立方中套嵌若干条入网评分规则以及若干条统计指标。当有商户入网时,本发明实施例将商户入网时的入网数据输入流立方流式大数据处理平台,使用预设的入网评分规则对所述入网数据进行入网风险评估以及指标计算。其中,所述入网数据是指商户的资质数据,包括但不限于入网时间、到期时间、经营范围、商户性质、注册资金。
作为本发明的一个优选示例,如图2所示,所述步骤S101针对每一入网商户,通过流立方流式大数据处理平台分别对所述商户的入网数据和交易数据进行风险评估,得到所述商户的静态风险数据和动态风险数据,可以包括:
在步骤S201中,在商户入网时,将所述商户的入网数据传入流立方流式大数据处理平台。
在步骤S202中,通过所述流立方流式大数据处理平台加载入网评估模型,所述入网评估模型中包括若干条入网评分规则。
在步骤S203中,采用所述入网评分规则对所述入网数据进行风险评估,得到所述商户的静态风险数据。
在这里,所述静态风险数据是指商户入网时已存在风险的资质信息。本发明实施例在商户入网时,首先将商户的入网数据输入至流立方流式大数据处理平台,然后通过流立方流式大数据处理平台加载分析处理模型集中的入网评估模型和脚本。可以理解,所述入网评估模型中包括预先设置的若干条入网评分规则以及若干条统计指标。本发明实施例通过所述入网评估模型基于商户的入网数据实时进行指标计算,并进行风险判断,抽取出存在风险的入网数据作为静态风险数据。
示例性地,假设入网评分规则包括:规则1:营业执照是否到期,规则2:法人证件是否到期……若商户A的资质数据包括:营业执照有效期到2018年10月5日,法人证件有效期到2018年9月5日,入网时间为2018年10月7日……则将商户A的资质数据传入流立方流式大数据处理平台进行指标计算,可以得到营业执照到期,法人证件到期。规则1和规则2的字段值均为到期。由于规则1和规则2的字段值均为到期,即所述规则1和规则2存在风险,所述流立方流式大数据处理平台可以进一步将规则1和规则2记为入网风险子项,从而得到所述入网商户的静态风险数据。
同样地,在商户交易时,也不可避免会存在各种各样的风险。本发明实施例预先在流立方中套嵌若干条交易评分规则以及若干条统计指标。在已入网商户发生交易时,将交易时产生的交易数据输入所述流立方流式大数据处理平台,使用预设的交易评分规则对所述交易数据进行交易风险评估以及指标计算。其中,所述交易数据是指商户每笔交易的业务信息,用于描述在某一个时间点上业务系统发生的行为,包括但不限于比如流水信息、月均交易笔数、月均交易额、核查单数量。
作为本发明的一个优选示例,如图3所示,所述步骤S101中,针对每一入网商户,通过流立方流式大数据处理平台分别对所述商户的入网数据和交易数据进行风险评估,得到所述商户的静态风险数据和动态风险数据,还可以包括:
在步骤S301中,对于每一已入网的商户,每当商户发生交易时,将所述商户的交易数据传入所述流立方流式大数据处理平台。
在步骤S302中,通过所述流立方流式大数据处理平台加载交易评估模型,所述交易评估模型中包括若干条交易评分规则。
在步骤S303中,采用所述交易评分规则对所述交易数据进行风险评估,得到所述商户的动态风险数据。
在这里,所述动态风险数据是指商户交易时产生风险的业务信息。每当商户发生交易时,则将所述商户的交易数据输入至流立方流式大数据处理平台,然后通过流立方流式大数据处理平台加载分析处理模型集中的交易评估模型和脚本。可以理解,所述交易评估模型中包括预先设置的若干条交易评分规则以及若干条统计指标。本发明实施例通过所述交易评估模型基于商户的交易数据实时进行指标计算,并进行风险判断,抽取出存在风险的交易数据作为动态风险数据。
示例性地,假设交易评分规则包括:规则1:近6个月的月均交易额;规则2:近6个月的月均交易笔数;……若商户A的某一次交易的业务数据包括:近6个月内的第12笔交易,交易额为600……则将商户A本次交易的业务数据传入流立方流式大数据处理平台进行指标计算,得到商户A近6个月的月均交易额为500,近6个月内的月均交易笔数为2,相应地更新规则1的字段值为500和规则2的字段值为12。若所述流立方流式大数据处理平台进一步对规则1和规则2进行风险评估后发现规则1和规则2均存在风险时,则将存在风险的规则1和规则2记为交易风险子项,从而得到所述已入网商户的动态风险数据。
应当理解,静态风险数据是根据入网时的资质信息统计得到的,是固定的。而动态风险数据是根据每次交易的业务信息进行累积统计得到的,会随交易数据的变化而发生变化,是非固定的。
由于流立方技术提供了基于时间窗口漂移的动态数据快速处理,且支持计数、求和、平均、最大、最小、方差、标准差等多种统计计算模型,本发明实施例通过使用流立方技术来计算商户的入网指标和交易指标,提高了指标计算的准确度和实时性,进而提升了所抽取出来的静态风险数据和动态风险数据的实效性,有利于提高基于所述静态风险数据和动态风险数据对商户评级的合理性和准确度。
在步骤S102中,当获取到商户评级指令时,根据所述商户评级指令从所述流立方流式大数据处理平台中获取待评级商户的静态风险数据和动态风险数据。
如前所述,所述静态风险数据是指商户入网时已存在风险的资质信息,包括但不限于入网时间、到期时间、经营范围、商户性质、注册资金。通过流立方流式大数据处理平台的指标计算,每一商户都对应一组静态风险数据,所述静态风险数据中包括一个或多个入网风险子项,一个入网风险子项是指商户入网时已存在风险的一条资质信息。
所述动态风险数据是指商户交易时产生风险的业务信息,包括但不限于流水信息、月均交易笔数、月均交易额、核查单数量。通过流立方流式大数据处理平台的指标计算,每一商户都对应一组动态风险数据,所述动态风险参数中包括一个或多个交易风险子项,一个交易风险子项是指商户交易时产生风险的一条业务信息。
在本发明实施例中,所述商户评级指令中包含了待评级商户的名称信息。每当获取到商户评级指令时,根据所述商户评级指令获取待评级商户的名称信息,然后根据所述待评级商户从所述流立方流式大数据处理平台中获取待评级商户的静态风险数据和动态风险数据。
可选地,在一具体实施例中,所述商户评级指令可以由用户触发产生。开发者可以在客户端上的应用程序或者网页上提供启动评级的功能标识,用户通过点击选中待评级商户以及触发所述启动评级的功能标识,来输入对所述待评级商户的评级指令。可选地,在另一具体实施例中,所述商户评级指令还可以按照预设的时间间隔产生。开发者可以在客户端上的应用程序或者网页上提供时间间隔输入框,用户通过在所述输入框中点击选择或者手动输入的方式设置自动评级的时间间隔。设置完后,在完成上一次商户评级算起的预设时间间隔后自动触发所述商户评级指令,以执行下一次商户评级。可选地,所述时间间隔可以为三个月、一个月甚至一周,此处不作为对本发明实施例的限定。
在步骤S103中,根据所述静态风险数据计算所述待评级商户的入网评分。
在本发明实施例中,静态风险数据中的每一个入网风险子项对应一个权重及分值。静态风险数据中的入网风险子项对应的权重之和为100,每一入网风险子项对应的权重表示了该入网风险子项在静态风险数据中的重要性。
作为本发明的一个优选示例,如图4所示,所述步骤S103根据所述静态风险数据计算所述待评级商户的入网评分包括:
在步骤S401中,计算每一个所述入网风险子的权重与分值之积。
在这里,所述入网风险子项的权重与分值之积,表示了所述入网风险子项对入网风险的贡献值。本发明实施例遍历静态风险数据中的每一个入网风险子项,计算得到每一个入网风险子项对应的权重与分值之积。
在步骤S402中,对所有入网风险子项的权重与分值之积进行求和,得到所述待评级商户的入网评分。
对所得到的所有入网风险子项的权重与分值之积进行求和,即将所述入网风险子项的贡献值进行相加,所得之和作为待评级商户的入网评分。所述入网评分反映了所述待评级商户在入网时自带的风险程度。商户的入网评分越高,在入网时自带的风险越高,反之入网评分越低,在入网时自带的风险越低。
在步骤S104中,根据所述动态风险数据计算所述待评级商户的交易评分。
同样的,所述动态风险数据中的每一个交易风险子项对应一个权重及分值。动态风险数据中的交易风险子项对应的权重之和为100,每一交易风险子项对应的权重表示了该交易风险子项在动态风险数据中的重要性。
作为本发明的一个优选示例,如图5所示,所述步骤S104根据所述动态风险数据计算所述待评级商户的交易评分包括:
在步骤S501中,计算每一个所述交易风险子项的权重与分值之积。
在这里,所述交易风险子项的权重与分值之积,表示了所述交易风险子项对交易风险的贡献值。本发明实施例遍历动态风险数据中的每一个交易风险子项,计算得到每一个交易风险子项对应的权重与分值之积。
在步骤S502中,对所有交易风险子项的权重与分值之积进行求和,得到所述待评级商户的交易评分。
对所得到的所有交易风险子项的权重与分值之积进行求和,即将所述交易风险子项的贡献值进行相加,所得之和作为待评级商户的交易评分。所述交易评分反映了所述待评级商户在交易过程中的风险程度。交易评分越高,在交易过程中的风险越高,反之交易评分越低,在交易过程中的风险越低。
如前所述,静态风险数据是根据入网时的资质信息统计得到的,是固定的,根据静态风险数据计算得到的入网评分也是固定的。而动态风险数据是根据每次交易的业务信息进行累积统计得到的,会随交易数据的变化而发生变化,是非固定的,每次评级根据动态风险数据计算得到的交易评分也随交易数据的变化而变化,从而提高了所述交易评分的时效性。
可选地,根据入网风险子项和交易风险子项对应的分值的设置范围,必要时还需要对所述入网评分和交易评分进行标准化处理,以消除指标之间的量纲影响。
在步骤S105中,获取入网评分和交易评分对应的权重信息,根据所述交易评分、入网评分以及权重信息计算所述待评级商户的综合评分。
本发明实施例基于入网评分和交易评分来计算待评级商户的综合评分,所述入网评分和交易评分均对应一个权重信息,所述权重信息反映了入网评分和交易评分分别对待评级商户综合评分的贡献度,且入网评分的权重信息与交易评分的权重信息之和为1。假设入网评分对应的权重信息为a,交易评分对应的权重信息为b,则综合评分=入网评分*a+交易评分*b。示例性地,假设入网评分的权重信息a为25%,则交易评分的权重信息b为1-25%=75%,那么综合评分=入网评分*25%+交易评分*75%。
为了便于理解,下面举例说明综合评分的计算过程。如下表1所示:
商户B的入网风险子项包括:
1、营业执照是否到期,对应的权重为5,分值为1;
2、法人证件是否到期,对应的权重为10,分值为1;
3、商户来源,对应的权重为10,分值为0.6;
4、入网时间,对应的权重为20,分值为1;
5、MCC(商户类别码),对应的权重为15,分值为0.2;
6、结算账户性质,对应的权重为10,分值为0.6;
7、结算周期,对应的权重为30,分值为0.6。
该商户B的入网评分为:
5*1+10*1+10*0.6+20*1+15*0.2+10*0.6+30*0.6=68。
同理,商户B的交易风险子项包括:
1、近2个月卡号月重复率,对应的权重为20,分值为0.2;
2、30天核查单数量,对应的权重为20,分值为0.2;
3、核查单数量占比,对应的权重为15,分值为0.2;
4、近3个月贷记卡交易金额占比,对应的权重为10,分值为0.2;
5、近6个月的月均交易额,对应的权重为10,分值为1;
6、高风险核查单金额占比,对应的权重为15,分值为0.2;
7、近6个月的月均交易笔数,对应的权重为10,分值为1。
该商户B的交易评分为:
20*0.2+20*0.2+15*0.2+10*0.2+10*1+15*0.2+10*1=36。
假设入网评分对应的权重信息为25%,交易评分对应的权重信息为75%,则综合评分=68*25%+36*75%=44。
表1
在这里,综合评分反映了商户资历,其中综合评分的评分结果越低,商户的资历越好,商户对应的单次限额、单日限额、单月限额等风险规则的阈值越高。反之,综合评分的评分结果越高,商户的资历越低,商户对应的单次限额、单日限额、单月限额等风险规则的阈值越低。比如综合评分是85的商户单日限额是1000,综合评分是30的商户单日限额是100000。
本发明实施例基于入网评分和交易评分来计算商户的综合评分,不仅提高了综合评分计算的准确度,且由于交易评分随交易数据的变化而变化,将交易数据纳入综合评分的计算依据,进一步提高了所述综合评分的实效性,使得所述综合评分更能反映出商户当前时期的资历状态。
在步骤S106中,根据所述综合评分更新所述待评级商户的综合评级。
可选地,如图6所示,所述步骤S106根据所述综合评分更新所述待评级商户的综合评级包括:
在步骤S601中,将综合评分的分值范围按照预设的分数段划分为若干等级,其中每一分数段对应一档综合评级。
在这里,本发明实施例按照分数段0-20、20-40、40-60、60-80、80-100划分五档,其中0-20为一级,20-40为二级、40-60为三级、60-80为四级、80-100为五级。综合评分的评分结果越低,商户的等级越高,表示商户的资历越好,反之综合评分的评分结果越高,商户的等级越低,表示商户的资历越差。
在步骤S602中,根据所述待评级商户的综合评分所在的分数段确定所述待评级商户的综合评级。
在得到待评级商户的综合评分之后,将所述综合评分与每一档综合评级的上限分值和下限分值进行比对,得到综合评分所落入的分数段,该分数段对应的等级即为所述待评级商户的综合评级,并更新所述待评级商户的综合评级。
在本发明实施例中,所述评级结果用于对流立方流式大数据处理平台上的风控规则进行更新。对属于同一综合评级的商户,其资历相当,对应的单次限额、单日限额、单月限额等风控规则的阈值是相同的。本发明实施例通过对商户进行评级,并根据评级结果来调整风控规则的阈值,提高了阈值设置的准确性,进一步提升了对商户的风险监控的精确度。
综上所述,本发明实施例通过运用流立方技术来计算商户的静态风险数据和动态风险数据,并存入缓存中,可以随时地从缓存中获取所需的静态风险数据和动态风险数据来计算商户评级,提高了商户评级的准确度,且商户评级的实效性更强,从而进一步提高了对商户级别维度的风控精确。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种基于流立方技术的商户评级装置,该基于流立方技术的商户评级装置与上述实施例中基于流立方技术的商户评级方法一一对应。如图7所示,该基于流立方技术的商户评级装置包括风险评估模块、风险数据获取模块、入网评分模块、交易评分模块、综合评分模块、评级更新模块。各功能模块详细说明如下:
风险评估模块71,用于针对每一入网商户,通过流立方流式大数据处理平台分别对所述商户的入网数据和交易数据进行风险评估,得到所述商户的静态风险数据和动态风险数据;
风险数据获取模块72,用于当获取到商户评级指令,根据所述商户评级指令从所述流立方流式大数据处理平台中获取待评级商户的静态风险数据和动态风险数据;
入网评分模块73,用于根据所述静态风险数据计算所述待评级商户的入网评分;
交易评分模块74,用于根据所述动态风险数据计算所述待评级商户的交易评分;
综合评分模块75,用于获取入网评分和交易评分对应的权重信息,根据所述入网评分、交易评分以及权重信息计算所述待评级商户的综合评分;
评级更新模块76,用于根据所述综合评分更新所述待评级商户的综合评级。
可选地,所述风险评估模块71包括:
入网风险评估单元,用于在商户入网时,将所述商户的入网数据传入流立方流式大数据处理平台;通过所述流立方流式大数据处理平台加载入网评估模型,所述入网评估模型中包括若干条入网评分规则;采用所述入网评分规则对所述入网数据进行风险评估,得到所述商户的静态风险数据;
交易风险评估单元,用于对于每一已入网的商户,每当商户发生交易时,将所述商户的交易数据传入所述流立方流式大数据处理平台;通过所述流立方流式大数据处理平台加载交易评估模型,所述交易评估模型中包括若干条交易评分规则;采用所述交易评分规则对所述交易数据进行风险评估,得到所述商户的动态风险数据。
可选地,所述静态风险数据中包括多个入网风险子项,所述入网评分模块73包括:
第一乘积单元,用于计算每一个所述入网风险子项的权重与分值之积;
第一求和单元,用于对所有入网风险子项的权重与分值之积进行求和,得到所述待评级商户的入网评分。
可选地,所述动态风险数据中包括多个交易风险子项,所述交易评分模块74包括:
第二乘积单元,用于计算每一个所述交易风险子项的权重与分值之积;
第二求和单元,用于对所有交易风险子项的权重与分值之积进行求和,得到所述待评级商户的交易评分。
可选地,所述评级更新模块76包括:
等级划分单元,用于将综合评分的分值范围按照预设的分数段划分为若干等级,其中每一分数段对应一档综合评级;
等级确定单元,用于根据所述待评级商户的综合评分所在的分数段确定所述待评级商户的综合评级。
关于基于流立方技术的商户评级装置的具体限定可以参见上文中对于发票校验方法的限定,在此不再赘述。上述基于流立方技术的商户评级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8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基于流立方技术的商户评级方法中涉及到的数据。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基于流立方技术的商户评级方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
针对每一入网商户,通过流立方流式大数据处理平台分别对所述商户的入网数据和交易数据进行风险评估,得到所述商户的静态风险数据和动态风险数据;
当获取到商户评级指令,根据所述商户评级指令从所述流立方流式大数据处理平台中获取待评级商户的静态风险数据和动态风险数据;
根据所述静态风险数据计算所述待评级商户的入网评分;
根据所述动态风险数据计算所述待评级商户的交易评分;
获取入网评分和交易评分对应的权重信息,根据所述入网评分、交易评分以及权重信息计算所述待评级商户的综合评分;
根据所述综合评分更新所述待评级商户的综合评级。
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:
针对每一入网商户,通过流立方流式大数据处理平台分别对所述商户的入网数据和交易数据进行风险评估,得到所述商户的静态风险数据和动态风险数据;
当获取到商户评级指令,根据所述商户评级指令从所述流立方流式大数据处理平台中获取待评级商户的静态风险数据和动态风险数据;
根据所述静态风险数据计算所述待评级商户的入网评分;
根据所述动态风险数据计算所述待评级商户的交易评分;
获取入网评分和交易评分对应的权重信息,根据所述入网评分、交易评分以及权重信息计算所述待评级商户的综合评分;
根据所述综合评分更新所述待评级商户的综合评级。
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,本发明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。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于流立方技术的商户评级方法,其特征在于,包括:
针对每一入网商户,通过流立方流式大数据处理平台分别对所述商户的入网数据和交易数据进行风险评估,得到所述商户的静态风险数据和动态风险数据;
当获取到商户评级指令时,根据所述商户评级指令从所述流立方流式大数据处理平台中获取待评级商户的静态风险数据和动态风险数据;
根据所述静态风险数据计算所述待评级商户的入网评分;
根据所述动态风险数据计算所述待评级商户的交易评分;
获取入网评分和交易评分对应的权重信息,根据所述入网评分、交易评分以及权重信息计算所述待评级商户的综合评分;
根据所述综合评分更新所述待评级商户的综合评级。
2.如权利要求1所述基于流立方技术的商户评级方法,其特征在于,所述针对每一入网商户,通过流立方流式大数据处理平台分别对所述商户的入网数据和交易数据进行风险评估,得到所述商户的静态风险数据和动态风险数据包括:
在商户入网时,将所述商户的入网数据传入流立方流式大数据处理平台;
通过所述流立方流式大数据处理平台加载入网评估模型,所述入网评估模型中包括若干条入网评分规则;
采用所述入网评分规则对所述入网数据进行风险评估,得到所述商户的静态风险数据。
3.如权利要求1或2所述基于流立方技术的商户评级方法,其特征在于,所述针对每一入网商户,通过流立方流式大数据处理平台分别对所述商户的入网数据和交易数据进行风险评估,得到所述商户的静态风险数据和动态风险数据包括:
对于每一已入网的商户,每当商户发生交易时,将所述商户的交易数据传入所述流立方流式大数据处理平台;
通过所述流立方流式大数据处理平台加载交易评估模型,所述交易评估模型中包括若干条交易评分规则;
采用所述交易评分规则对所述交易数据进行风险评估,得到所述商户的动态风险数据。
4.如权利要求1所述基于流立方技术的商户评级方法,其特征在于,所述静态风险数据中包括多个入网风险子项,所述根据所述静态风险数据计算所述待评级商户的入网评分包括:
计算每一个所述入网风险子项的权重与分值之积;
对所有入网风险子项的权重与分值之积进行求和,得到所述待评级商户的入网评分。
5.如权利要求1所述基于流立方技术的商户评级方法,其特征在于,所述动态风险数据中包括多个交易风险子项,所述根据所述动态风险数据计算所述待评级商户的交易评分包括:
计算每一个所述交易风险子项的权重与分值之积;
对所有交易风险子项的权重与分值之积进行求和,得到所述待评级商户的交易评分。
6.如权利要求1所述基于流立方技术的商户评级方法,其特征在于,所述根据所述综合评分更新所述待评级商户的综合评级包括:
将综合评分的分值范围按照预设的分数段划分为若干等级,其中每一分数段对应一档综合评级;
根据所述待评级商户的综合评分所在的分数段确定所述待评级商户的综合评级。
7.一种基于流立方技术的商户评级装置,其特征在于,包括:
风险评估模块,用于针对每一入网商户,通过流立方流式大数据处理平台分别对所述商户的入网数据和交易数据进行风险评估,得到所述商户的静态风险数据和动态风险数据;
风险数据获取模块,用于当获取到商户评级指令,根据所述商户评级指令从所述流立方流式大数据处理平台中获取待评级商户的静态风险数据和动态风险数据;
入网评分模块,用于根据所述静态风险数据计算所述待评级商户的入网评分;
交易评分模块,用于根据所述动态风险数据计算所述待评级商户的交易评分;
综合评分模块,用于获取入网评分和交易评分对应的权重信息,根据所述入网评分、交易评分以及权重信息计算所述待评级商户的综合评分;
评级更新模块,用于根据所述综合评分更新所述待评级商户的综合评级。
8.如权利要求7所述的基于流立方技术的商户评级装置,其特征在于,所述风险评估模块包括:
入网风险评估单元,用于在商户入网时,将所述商户的入网数据传入流立方流式大数据处理平台;通过所述流立方流式大数据处理平台加载入网评估模型,所述入网评估模型中包括若干条入网评分规则;采用所述入网评分规则对所述入网数据进行风险评估,得到所述商户的静态风险数据;
交易风险评估单元,用于对于每一已入网的商户,每当商户发生交易时,将所述商户的交易数据传入所述流立方流式大数据处理平台;通过所述流立方流式大数据处理平台加载交易评估模型,所述交易评估模型中包括若干条交易评分规则;采用所述交易评分规则对所述交易数据进行风险评估,得到所述商户的动态风险数据。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的基于流立方技术的商户评级方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于流立方技术的商户评级方法的步骤。
CN201910208499.8A 2019-03-19 2019-03-19 基于流立方技术的商户评级方法、装置、设备及存储介质 Pending CN110097248A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910208499.8A CN110097248A (zh) 2019-03-19 2019-03-19 基于流立方技术的商户评级方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910208499.8A CN110097248A (zh) 2019-03-19 2019-03-19 基于流立方技术的商户评级方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN110097248A true CN110097248A (zh) 2019-08-06

Family

ID=67442962

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910208499.8A Pending CN110097248A (zh) 2019-03-19 2019-03-19 基于流立方技术的商户评级方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110097248A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598608A (zh) * 2020-04-07 2020-08-28 北京达佳互联信息技术有限公司 一种电商商家评分方法、装置、电子设备及存储介质
CN111754245A (zh) * 2020-06-18 2020-10-09 支付宝(杭州)信息技术有限公司 一种经营场景照认证方法、装置和设备
CN112418259A (zh) * 2019-08-22 2021-02-26 上海哔哩哔哩科技有限公司 一种基于直播过程中用户行为的实时规则的配置方法、计算机设备及可读存储介质
CN113298640A (zh) * 2021-05-17 2021-08-24 浙江惠瀜网络科技有限公司 用于车贷准入评估的数据处理方法和装置
CN113379309A (zh) * 2021-06-30 2021-09-10 深圳前海微众银行股份有限公司 商户评级方法、装置、设备及计算机可读存储介质
CN114580927A (zh) * 2022-03-09 2022-06-03 中武(福建)跨境电子商务有限责任公司 一种用于大宗商品采销平台的风险控制方法
CN114817518A (zh) * 2022-06-21 2022-07-29 广州卓腾科技有限公司 基于大数据档案识别的证照办理方法、系统及介质
CN117575796A (zh) * 2024-01-15 2024-02-20 快捷通支付服务有限公司 一种用于确定商户风险信息的方法、设备及介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504570A (zh) * 2014-12-01 2015-04-08 武汉爱科软件技术有限公司 应用于云制造服务平台上交易主体的信用评估方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504570A (zh) * 2014-12-01 2015-04-08 武汉爱科软件技术有限公司 应用于云制造服务平台上交易主体的信用评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
于常瑶;: "网络商品交易信用评价体系发展的探讨", 科技创新与生产力, no. 01, pages 18 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418259A (zh) * 2019-08-22 2021-02-26 上海哔哩哔哩科技有限公司 一种基于直播过程中用户行为的实时规则的配置方法、计算机设备及可读存储介质
CN111598608A (zh) * 2020-04-07 2020-08-28 北京达佳互联信息技术有限公司 一种电商商家评分方法、装置、电子设备及存储介质
CN111754245A (zh) * 2020-06-18 2020-10-09 支付宝(杭州)信息技术有限公司 一种经营场景照认证方法、装置和设备
CN111754245B (zh) * 2020-06-18 2022-12-09 支付宝(杭州)信息技术有限公司 一种经营场景照认证方法、装置和设备
CN113298640A (zh) * 2021-05-17 2021-08-24 浙江惠瀜网络科技有限公司 用于车贷准入评估的数据处理方法和装置
CN113379309A (zh) * 2021-06-30 2021-09-10 深圳前海微众银行股份有限公司 商户评级方法、装置、设备及计算机可读存储介质
CN114580927A (zh) * 2022-03-09 2022-06-03 中武(福建)跨境电子商务有限责任公司 一种用于大宗商品采销平台的风险控制方法
CN114580927B (zh) * 2022-03-09 2023-04-21 中武(福建)跨境电子商务有限责任公司 一种用于大宗商品采销平台的风险控制方法
CN114817518A (zh) * 2022-06-21 2022-07-29 广州卓腾科技有限公司 基于大数据档案识别的证照办理方法、系统及介质
CN114817518B (zh) * 2022-06-21 2022-09-20 广州卓腾科技有限公司 基于大数据档案识别的证照办理方法、系统及介质
CN117575796A (zh) * 2024-01-15 2024-02-20 快捷通支付服务有限公司 一种用于确定商户风险信息的方法、设备及介质
CN117575796B (zh) * 2024-01-15 2024-06-28 快捷通支付服务有限公司 一种用于确定商户风险信息的方法、设备及介质

Similar Documents

Publication Publication Date Title
CN110097248A (zh) 基于流立方技术的商户评级方法、装置、设备及存储介质
US20190295167A1 (en) System and method for estimating and optimizing transaction costs
JP4977028B2 (ja) 組み合わせ売買およびリスク管理gui表示を表示するためのシステムおよび方法
US8311934B2 (en) System and method for activity based margining
US8249973B2 (en) System and method for asymmetric offsets in a risk management system
US20120059772A1 (en) System and method for hybrid spreading for risk management
JP2008512775A5 (zh)
CA2405310A1 (en) Method and system for delivering foreign exchange risk management advisory solutions to a designated market
CN108932614B (zh) 一种支付通道路由方法及系统
AU2016200127A1 (en) Computer system and method for calculating margin
WO2016012217A1 (en) Computer systems and methods for balancing indexes
US20190279301A1 (en) Systems and Methods Using an Algorithmic Solution for Analyzing a Portfolio of Stocks, Commodities and/or Other Financial Assets Based on Individual User Data to Achieve Desired Risk Based Financial Goals
KR100680570B1 (ko) 부동산 시세정보 검증 및 분석 시스템 및 방법
US20090240618A1 (en) Method of detering parameters of long-term lease
KR101026250B1 (ko) 수출입기업의 환위험 관리시스템
Jeet Modeling Private Investment Cash Flows with Market-Sensitive Periodic Growth
CN114155105A (zh) 头寸重估的方法、装置、设备及存储介质
Anfuso et al. A sound Basel III compliant framework for backtesting credit exposure models
Cetinkaya et al. Real options: a survey
KR100473195B1 (ko) 건설부문 의사결정 지원 수단 및 방법
US8266022B2 (en) Risk-cost analysis of currency exposure reduction for currency exposure management
Rajeswari A Study on Construction of an Investment Portfolio Using Fundamental Analysis
Tshehla Derivatives Pricing with xVAs
Deng et al. Mortgage Terminations, Heterogenity and the Exercise of Mortgage Options
Zhang Constructing Trading Strategies by Applying and Adapting Q-factor Model in the Australian Market

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190806

WD01 Invention patent application deemed withdrawn after publication