CN110288038A - 一种企业的分类方法及装置 - Google Patents

一种企业的分类方法及装置 Download PDF

Info

Publication number
CN110288038A
CN110288038A CN201910580553.1A CN201910580553A CN110288038A CN 110288038 A CN110288038 A CN 110288038A CN 201910580553 A CN201910580553 A CN 201910580553A CN 110288038 A CN110288038 A CN 110288038A
Authority
CN
China
Prior art keywords
enterprise
status data
local status
data
loan
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
CN201910580553.1A
Other languages
English (en)
Inventor
叶锋
范增虎
黄博
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.)
WeBank Co Ltd
Original Assignee
WeBank 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 WeBank Co Ltd filed Critical WeBank Co Ltd
Priority to CN201910580553.1A priority Critical patent/CN110288038A/zh
Publication of CN110288038A publication Critical patent/CN110288038A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种企业的分类方法及装置，涉及企业金融领域，其中方法包括：获取企业的交互数据；所述交互数据用于记录所述企业与上下游供应链关联企业的交易信息；获取所述企业的本地状态数据；根据所述本地状态数据判定所述企业是否为第一类企业；若根据所述本地状态数据判定所述企业不为所述第一类企业，则判断所述交互数据是否满足预设的第一条件；若所述交互数据满足第一条件时，则确定所述企业为所述第一类企业。该方法可应用于金融科技(Fintech)。

Description

一种企业的分类方法及装置
技术领域
本发明涉及金融科技(Fintech)的企业金融领域，尤其涉及一种企业的分类方法及装置。
背景技术
随着计算机技术的发展，越来越多的技术(大数据、分布式、区块链(Blockchain)、人工智能等)应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变。目前，金融科技领域中，供应链风险管理主要通过线上和线下相结合的方式，一个完整的风险管理平台通常分为数据采集模块、数据分析模块、数据展示模块和预警模块，其中，数据采集模块一般通过线下收集，企业平台提交的方式获取数据，也会借助爬虫技术实时抓取一些公开信息；数据分析模块是基于采集的数据，建立模型指标，按照预设的规则进行数据分析评估；数据展示模块用于展示采集的数据及分析结果；预警模块则用于对分析发现的异常发出预警通知。
现有技术在风险管理层面对企业分类时，仅基于企业本身的存储的状态数据，例如：征信数据，但并未考虑与企业进行数据交互的机构的交互数据，例如：关联的上游供应商以及下游经销商的交易数据和交易行为。
因此，在对企业进行风险管理层面的分类时，所参考的数据类型和来源较为单一，导致对企业的分类不准确的问题。
发明内容
本申请实施例提供一种企业的分类方法及装置，解决了现有技术中在对企业进行风险管理层面的分类时，由于所参考的数据类型和来源较为单一，导致对企业的分类不准确的问题。
本申请实施例提供一种企业的分类方法，具体包括：
获取企业的交互数据；所述交互数据用于记录所述企业与上下游供应链关联企业的交易信息；
获取所述企业的本地状态数据；根据所述本地状态数据判定所述企业是否为第一类企业；
若根据所述本地状态数据判定所述企业不为所述第一类企业，则判断所述交互数据是否满足预设的第一条件；
若所述交互数据满足第一条件时，则确定所述企业为所述第一类企业。
一种可能的实现方式，所述交互数据包括：与上游供应商的第一交互数据；与下游经销商的第二交互数据；所述第一条件包括如下任一项：
所述第一交互数据小于第一阈值；
所述第二交互数据小于第二阈值。
一种可能的实现方式，所述若根据所述本地状态数据判定所述企业不为所述第一类企业之后，还包括：
获取所述企业的监控信息；所述监控信息包括：监控事件以及所述监控事件的信息来源；
若所述监控信息满足如下条件时，则确定所述企业为所述第一类企业；包括：
根据所述监控信息应用层次分析法确定所述监控事件的监控等级、真实性期望概率以及情感分级；
根据所述监控等级、所述真实性期望概率以及所述情感分级确定监控指数，当所述监控指数大于第一指数阈值时，则确定所述企业为所述第一类企业。
一种可能的实现方式，所述获取所述企业的本地状态数据，根据所述本地状态数据判定所述企业是否为第一类企业包括：
获取所述企业的本地状态数据；其中所述本地状态数据包括：所述企业的欠息、所述企业的未结清贷款次数、所述企业的未结清贷款金额、所述企业的逾期还款次数、所述企业的逾期还款金额、企业法人的未结清贷款次数、所述企业法人的未结清贷款金额、所述企业法人的逾期还款次数以及所述企业法人的逾期还款金额；
当所述企业的第一本地状态数据存在欠息时；
或所述企业的第一本地状态数据存在未结清贷款次数大于X1次时；
或所述企业的第一本地状态数据存在未结清贷款金额大于Y1元时；
或所述企业的第一本地状态数据存在N个月的每月逾期还款金额均大于Z1元时；
或所述企业的第一本地状态数据存在N个月的总逾期还款次数大于M1次时；
或所述企业法人的第二本地状态数据存在未结清贷款次数大于X2次时；
或所述企业法人的第二本地状态数据存在未结清贷款金额大于Y2元时；
或所述企业法人的第二本地状态数据存在N个月的每月逾期还款金额均大于Z2元时；
或所述企业法人的人行第二本地状态数据存在N个月的总逾期还款次数大于M2次时；
确定所述企业为所述第一类企业；否则确定所述企业不为所述第一类企业。
本申请实施例提供一种企业的分类装置，具体包括：
获取单元，用于获取企业的交互数据；所述交互数据用于记录所述企业与上下游供应链关联企业的交易信息；
第一处理单元，用于获取所述企业的本地状态数据；根据所述本地状态数据判定所述企业是否为第一类企业；
第二处理单元，用于若根据所述本地状态数据判定所述企业不为所述第一类企业，则判断所述交互数据是否满足预设的第一条件；
若所述交互数据满足第一条件时，则确定所述企业为所述第一类企业。
一种可能的实现方式，所述交互数据包括：与上游供应商的第一交互数据；与下游经销商的第二交互数据；所述第一条件包括如下任一项：
所述第一交互数据小于第一阈值；
所述第二交互数据小于第二阈值。
一种可能的实现方式，所述第二处理单元还用于：
获取所述企业的监控信息；所述监控信息包括：监控事件以及所述监控事件的信息来源；
若所述监控信息满足如下条件时，则确定所述企业为所述第一类企业；包括：
根据所述监控信息应用层次分析法确定所述监控事件的监控等级、真实性期望概率以及情感分级；
根据所述监控等级、所述真实性期望概率以及所述情感分级确定监控指数，当所述监控指数大于第一指数阈值时，则确定所述企业为所述第一类企业。
一种可能的实现方式，所述第一处理单元还用于：
获取所述企业的本地状态数据；其中所述本地状态数据包括：所述企业的欠息、所述企业的未结清贷款次数、所述企业的未结清贷款金额、所述企业的逾期还款次数、所述企业的逾期还款金额、企业法人的未结清贷款次数、所述企业法人的未结清贷款金额、所述企业法人的逾期还款次数以及所述企业法人的逾期还款金额；
当所述企业的第一本地状态数据存在欠息时；
或所述企业的第一本地状态数据存在未结清贷款次数大于X1次时；
或所述企业的第一本地状态数据存在未结清贷款金额大于Y1元时；
或所述企业的第一本地状态数据存在N个月的每月逾期还款金额均大于Z1元时；
或所述企业的第一本地状态数据存在N个月的总逾期还款次数大于M1次时；
或所述企业法人的第二本地状态数据存在未结清贷款次数大于X2次时；
或所述企业法人的第二本地状态数据存在未结清贷款金额大于Y2元时；
或所述企业法人的第二本地状态数据存在N个月的每月逾期还款金额均大于Z2元时；
或所述企业法人的人行第二本地状态数据存在N个月的总逾期还款次数大于M2次时；
确定所述企业为所述第一类企业；否则确定所述企业不为所述第一类企业。
本申请实施例提供一种计算机设备，包括程序或指令，当所述程序或指令被执行时，使得计算机执行上述任一种可能的设计中的方法。
本申请实施例提供一种存储介质，包括程序或指令，当所述程序或指令被执行时，使得计算机执行上述任一种可能的设计中的方法。
利用本发明提供的企业的分类方法及装置，具有以下有益效果：在对企业做风险管理层面的分类时，不但参考企业的征信类信息，同时也结合企业与上下游供应链关联企业的交互数据一并分析，从而能够对企业做出更加精确、完整的分类。
附图说明
图1为现有技术的一种企业的分类方法的技术架构示意图；
图2为本申请实施例提供的一种企业的分类方法的技术架构示意图；
图3为本申请实施例提供的一种企业的分类方法的监控信息判断方法的流程示意图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图及具体的实施方式对上述技术方案进行详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互结合。
随着计算机技术的发展，越来越多的技术(大数据、分布式、区块链(Blockchain)、人工智能等)应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变。现有技术对企业做风险管理层面的分类时主要是通过线上和线下相结合的方式，线下主要负责收集企业的各类数据，线上的风险管理平台用于对线下收集的数据进行录入分析以及预警评估。
图1为现有技术的一种企业的分类方法的技术架构示意图，贷后管理平台包括：数据采集模块、数据分析模块、数据展示模块和预警模块。其中，数据采集模块：将线下收集的数据通过企业平台录入，如企业管理系统，以及通过爬虫技术实时抓取一些公开信息；数据分析模块：基于采集的数据，建立模型指标，并按照预设的规则进行评估；数据展示模块：展示采集的数据及评估的结果；预警模块：数据分析模块评估后的结果，如发现异常则发出预警通知。
图2为本申请实施例提供的一种企业的分类方法的技术架构示意图，基于供应链的贷后管理平台201包括获取企业关系模块202、数据管理模块203，预警模块204，业务操作台模块205。
其中，获取企业关系模块202，包括与上下游供应链关联企业的交互数据，比如：采购订单数量、采购订单金额、供货订单数量以及供货订单金额；以及企业本身法人和股东的信息，包括：法人的姓名、职务、身份证号、手机号码和股东的姓名、职务、身份证号、手机号码等。
用于从交互数据中提取出与企业关联的上游供应商和下游经销商信息。
还用于之后从第三方平台获取企业与上游供应商或下游经销商的交互数据提供对应参考信息。
还用于之后获取企业的本地状态数据时提供对应参考信息，比如从征信平台上获取企业的征信数据。
数据管理模块203，包括三方面的数据：本地状态数据、第三方平台数据和通过爬虫技术抓取的互联网数据。其中，本地状态数据，比如征信数据，包括从人行、汇法网、工商、税务等查询的征信数据；第三方平台数据，包括企业管理系统数据、电商平台数据及物流系统数据，比如客户申请提交的订单信息、授信类信息、合同、财务报表和账户信息等；通过爬虫技术抓取的互联网数据，包括监控数据、工商财报数据及行业分析数据。
用于根据上述四类划分批量收集企业数据，为预警决策分析做准备。
还用于存储贷后管理平台之前收集并分析过的企业数据，同样是包括上述三方面的数据。
预警模块204，用于根据预警规则判断企业是否为第一类企业，这里第一类企业是指有严重财务困境的企业，当企业为第一类企业时，将企业的名单发送给账户管理系统、催收系统和影像核查系统；当企业不为第一类企业，是指有一般财务困境的企业或者无财务困境的企业时，将企业的名单转至业务操作台模块处理。
业务操作台模块205，包括三个子模块，分别是：动态监视与预测分析子模块、预警查询与处理子模块、系统配置子模块。
其中，动态监视与预测分析子模块用于展示不为第一类企业的分布、监控原因和处理结果，同时也对已放款企业和其所在行业的监控前景做预测，给业务推广和监控管理提供参考依据。
预警查询与处理子模块用于对不为第一类企业的企业名单进行人工核查，确认实际情况并发送至相应系统平台。
系统配置子模块用于提供业务操作层面的数据配置，如调整企业贷款的逾期次数或逾期金额的比较阈值等，同时支持多级人员对企业做不同的业务审核，对应设置多级审核权限。
具体步骤下面将详细描述。
根据客户申请提交的订单信息获取到与企业关联的上下游供应链关联企业的交互数据，包括：上游供应商的名称和下游经销商的名称、采购订单数量、采购订单金额、供货订单数量、供货订单金额；并获取企业本身法人和股东的信息，包括：法人的姓名、职务、身份证号、手机号码和股东的姓名、职务、身份证号、手机号码等。这里的企业与上游供应商的关系包括：一对一的对应关系、一对多的对应关系；企业与下游经销商的关系包括：一对一的对应关系、一对多的对应关系。
按照数据采集决策规则，批量收集企业的三方面数据，包括：本地状态数据、第三方平台数据和通过爬虫技术抓取的互联网数据，将其存储在风险数据管理模块中。其中，本地状态数据，比如征信数据包括从人行、汇法网、工商等查询的征信数据，具体是指根据人行征信系统查询企业的欠息、企业的未结清贷款次数、企业的未结清贷款金额、企业的逾期还款次数、企业的逾期还款金额、企业法人的未结清贷款次数、企业法人的未结清贷款金额、企业法人的逾期还款次数以及企业法人的逾期还款金额；根据汇法网查询企业是否属于失信老赖，企业的司法股权有无冻结等；根据工商系统查询企业的经营状态有无异常，是否归属于高危行业等。第三方平台数据包括企业管理系统数据、电商平台数据及物流系统数据，比如客户申请提交的订单信息、授信类信息、合同、财务报表和账户信息等；通过爬虫技术抓取的互联网数据包括监控数据、工商财报数据和行业分析数据。此外，在数据管理模块中存储有贷后管理平台之前收集并分析过的企业数据，同样是包括上述三方面的数据。当再次对该企业进行预警分析时，可结合贷后管理平台的历史数据一并综合分析，比如当通过爬虫技术从互联网获取数据后，与系统平台内已有的工商财报数据做比对，对有差异的数据在贷后管理台进行预警提示，经人工核查确认后，再反馈到数据管理模块中。
其中，数据采集决策规则包括：
1、当在征信系统中查询到企业在征信黑名单中时，每天定时拉取该企业的第三方平台数据、通过爬虫技术获取的监控数据、工商财报数据；
2、当有下述情况之一时，对企业重新发起征信查询；
(1)已结清贷款的企业，上次的征信时间超过3个月；
(2)已结清贷款的企业，上次在预警处理名单中；
(3)已结清贷款的企业，最近1个月的贷款逾期次数超过3次；
(4)未结清贷款的企业，根据历史贷款信息和之前生成的预警信息来判断，当企业的历史贷款信息中逾期的次数超过3次，或逾期的金额大于5万，或之前在预警处理名单中。
3、其它情况时，对企业正常收集征信数据、第三方平台数据和通过爬虫技术抓取的互联网数据。
根据上述数据采集决策规则批量收集的数据，在做分析时，需要提取加工，便于后续规则判断处理，举例来说，征信数据的原始信息繁杂，在根据人行征信系统查询到企业的未结清贷款次数和未结清贷款金额时，如未结清贷款次数大于1时，计算企业的未结清贷款总次数和未结清贷款总金额；根据汇法网查询企业是否属于失信老赖，企业的司法股权有无冻结时，根据企业的违法明细，统计企业在近2年内是否有进过失信名单。其它情况不再赘述。
经过上述步骤得到企业的本地状态数据、第三方平台数据以及互联网数据后，根据预警规则判断是否将企业归类为第一类企业。具体步骤如下所述。
根据企业征信数据中的欠息、未结清贷款次数、未结清贷款金额、逾期还款次数、逾期还款金额、企业法人的未结清贷款次数、未结清贷款金额、逾期还款次数以及逾期还款金额判断企业是否为高风险企业。举例来说，查询企业的征信数据，当企业存在欠息；或未结清贷款次数大于3次；或未结清贷款金额大于10万元；或存在3个月的每月逾期还款金额均大于5万元；或存在3个月的总逾期还款次数大于3次；或企业法人的征信数据中存在未结清贷款次数大于3次；或未结清贷款金额大于5万元；或存在3个月的每月逾期还款金额均大于3万元时；或存在3个月的总逾期还款次数大于3次时，判断企业为第一类企业；否则判断企业不为第一类企业。
当判断企业不为第一类企业时，再根据企业的交互数据或者从互联网抓取的监控信息进一步判断其中是否还存在第一类企业。
根据交互数据判断第一类企业的情况如下：交互数据包括：订单信息中的采购订单数量；采购订单金额；供货订单数量以及供货订单金额；当订单信息满足以下任一项时，判断企业为第一类企业。
所述订单信息中的采购订单数量小于第一订单数量阈值；
所述订单信息中的供货订单数量小于第二订单数量阈值；
所述订单信息中的采购订单金额小于第一订单金额阈值；
所述订单信息中的供货订单金额小于第二订单金额阈值。
根据监控信息判断第一类企业的情况如图3所示，图3为本申请实施例提供的一种企业的分类方法的监控信息判断方法的流程示意图；
监控信息包括：监控事件以及监控事件的信息来源；从监控等级，真实性期望概率，情感分级三个维度分析，将监控信息转换成监控风险指数，再判断企业是否为第一类企业。
根据层次分析法确定监控事件的监控等级，用监控等级指标L表示；
根据监控事件的信息来源确定监控事件的真实性期望概率，用真实性期望概率指标T表示；
根据情感分析确定监控事件的正负面评分，用情感分级指标E表示；
根据监控等级指标L、真实性期望概率指标T和情感分级指标E按照评估规则计算得出监控指数R，公式为：
其中Li表示第i个监控事件的监控等级，Ti表示第i个监控事件的真实性期望概率，Ei表示第i个监控事件情感分级，n表示所述监控事件的个数。
当监控指数R大于设定的阈值时，则确定企业为第一类企业。
在根据上述规则判断企业为第一类企业后，将第一类企业的名单发送给账户管理系统、催收系统和影像核查系统；当判断企业不为第一类企业时，将企业名单转至业务操作台模块处理。具体处理包括：对不为第一类企业的企业名单进行人工核查，确认实际情况并发送至相应系统平台；展示不为第一类企业的分布、监控原因和处理结果，同时也对已放款企业和其所在行业的监控前景做预测，给业务推广和风险管控提供参考依据。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种企业的分类方法，其特征在于，包括：
获取企业的交互数据；所述交互数据用于记录所述企业与上下游供应链关联企业的交易信息；
获取所述企业的本地状态数据；根据所述本地状态数据判定所述企业是否为第一类企业；
若根据所述本地状态数据判定所述企业不为所述第一类企业，则判断所述交互数据是否满足预设的第一条件；
若所述交互数据满足第一条件时，则确定所述企业为所述第一类企业。
2.如权利要求1所述的方法，其特征在于，所述交互数据包括：与上游供应商的第一交互数据；与下游经销商的第二交互数据；所述第一条件包括如下任一项：
所述第一交互数据小于第一阈值；
所述第二交互数据小于第二阈值。
3.如权利要求1所述的方法，其特征在于，所述若根据所述本地状态数据判定所述企业不为所述第一类企业之后，还包括：
获取所述企业的监控信息；所述监控信息包括：监控事件以及所述监控事件的信息来源；
若所述监控信息满足如下条件时，则确定所述企业为所述第一类企业；包括：
根据所述监控信息应用层次分析法确定所述监控事件的监控等级、真实性期望概率以及情感分级；
根据所述监控等级、所述真实性期望概率以及所述情感分级确定监控指数，当所述监控指数大于第一指数阈值时，则确定所述企业为所述第一类企业。
4.如权利要求1所述的方法，其特征在于，所述获取所述企业的本地状态数据，根据所述本地状态数据判定所述企业是否为第一类企业包括：
获取所述企业的本地状态数据；其中所述本地状态数据包括：所述企业的欠息、所述企业的未结清贷款次数、所述企业的未结清贷款金额、所述企业的逾期还款次数、所述企业的逾期还款金额、企业法人的未结清贷款次数、所述企业法人的未结清贷款金额、所述企业法人的逾期还款次数以及所述企业法人的逾期还款金额；
当所述企业的第一本地状态数据存在欠息时；
或所述企业的第一本地状态数据存在未结清贷款次数大于X1次时；
或所述企业的第一本地状态数据存在未结清贷款金额大于Y1元时；
或所述企业的第一本地状态数据存在N个月的每月逾期还款金额均大于Z1元时；
或所述企业的第一本地状态数据存在N个月的总逾期还款次数大于M1次时；
或所述企业法人的第二本地状态数据存在未结清贷款次数大于X2次时；
或所述企业法人的第二本地状态数据存在未结清贷款金额大于Y2元时；
或所述企业法人的第二本地状态数据存在N个月的每月逾期还款金额均大于Z2元时；
或所述企业法人的人行第二本地状态数据存在N个月的总逾期还款次数大于M2次时；
确定所述企业为所述第一类企业；否则确定所述企业不为所述第一类企业。
5.一种企业的分类装置，其特征在于，包括：
获取单元，用于获取企业的交互数据；所述交互数据用于记录所述企业与上下游供应链关联企业的交易信息；
第一处理单元，用于获取所述企业的本地状态数据；根据所述本地状态数据判定所述企业是否为第一类企业；
第二处理单元，用于若根据所述本地状态数据判定所述企业不为所述第一类企业，则判断所述交互数据是否满足预设的第一条件；
若所述交互数据满足第一条件时，则确定所述企业为所述第一类企业。
6.如权利要求5所述的装置，其特征在于，所述交互数据包括：与上游供应商的第一交互数据；与下游经销商的第二交互数据；所述第一条件包括如下任一项：
所述第一交互数据小于第一阈值；
所述第二交互数据小于第二阈值。
7.如权利要求5所述的装置，其特征在于，所述第二处理单元还用于：
获取所述企业的监控信息；所述监控信息包括：监控事件以及所述监控事件的信息来源；
若所述监控信息满足如下条件时，则确定所述企业为所述第一类企业；包括：
根据所述监控信息应用层次分析法确定所述监控事件的监控等级、真实性期望概率以及情感分级；
根据所述监控等级、所述真实性期望概率以及所述情感分级确定监控指数，当所述监控指数大于第一指数阈值时，则确定所述企业为所述第一类企业。
8.如权利要求5所述的装置，其特征在于，所述第一处理单元还用于：
获取所述企业的本地状态数据；其中所述本地状态数据包括：所述企业的欠息、所述企业的未结清贷款次数、所述企业的未结清贷款金额、所述企业的逾期还款次数、所述企业的逾期还款金额、企业法人的未结清贷款次数、所述企业法人的未结清贷款金额、所述企业法人的逾期还款次数以及所述企业法人的逾期还款金额；
当所述企业的第一本地状态数据存在欠息时；
或所述企业的第一本地状态数据存在未结清贷款次数大于X1次时；
或所述企业的第一本地状态数据存在未结清贷款金额大于Y1元时；
或所述企业的第一本地状态数据存在N个月的每月逾期还款金额均大于Z1元时；
或所述企业的第一本地状态数据存在N个月的总逾期还款次数大于M1次时；
或所述企业法人的第二本地状态数据存在未结清贷款次数大于X2次时；
或所述企业法人的第二本地状态数据存在未结清贷款金额大于Y2元时；
或所述企业法人的第二本地状态数据存在N个月的每月逾期还款金额均大于Z2元时；
或所述企业法人的人行第二本地状态数据存在N个月的总逾期还款次数大于M2次时；
确定所述企业为所述第一类企业；否则确定所述企业不为所述第一类企业。
9.一种计算机设备，其特征在于，包括程序或指令，当所述程序或指令被执行时，如权利要求1至4中任意一项所述的方法被执行。
10.一种存储介质，其特征在于，包括程序或指令，当所述程序或指令被执行时，如权利要求1至4中任意一项所述的方法被执行。
CN201910580553.1A 2019-06-28 2019-06-28 一种企业的分类方法及装置 Pending CN110288038A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910580553.1A CN110288038A (zh) 2019-06-28 2019-06-28 一种企业的分类方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910580553.1A CN110288038A (zh) 2019-06-28 2019-06-28 一种企业的分类方法及装置

Publications (1)

Publication Number Publication Date
CN110288038A true CN110288038A (zh) 2019-09-27

Family

ID=68020132

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910580553.1A Pending CN110288038A (zh) 2019-06-28 2019-06-28 一种企业的分类方法及装置

Country Status (1)

Country Link
CN (1) CN110288038A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111144505A (zh) * 2019-12-30 2020-05-12 北京三快在线科技有限公司 基于维度切片的变量分类方法、装置、设备及介质
CN111861255A (zh) * 2020-07-30 2020-10-30 北京金堤征信服务有限公司 企业风险监控方法和装置、以及存储介质和电子设备
CN114971879A (zh) * 2022-06-17 2022-08-30 北京极致车网科技有限公司 信息处理系统及信息处理方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111144505A (zh) * 2019-12-30 2020-05-12 北京三快在线科技有限公司 基于维度切片的变量分类方法、装置、设备及介质
CN111144505B (zh) * 2019-12-30 2023-09-01 北京三快在线科技有限公司 基于维度切片的变量分类方法、装置、设备及介质
CN111861255A (zh) * 2020-07-30 2020-10-30 北京金堤征信服务有限公司 企业风险监控方法和装置、以及存储介质和电子设备
CN114971879A (zh) * 2022-06-17 2022-08-30 北京极致车网科技有限公司 信息处理系统及信息处理方法
CN114971879B (zh) * 2022-06-17 2023-04-07 北京极致车网科技有限公司 信息处理系统及信息处理方法

Similar Documents

Publication Publication Date Title
CN107248114A (zh) 电商贷款管理方法和系统
CN111476660B (zh) 一种基于数据分析的智能风控系统及方法
US20170262852A1 (en) Database monitoring system
US20210373721A1 (en) Artificial intelligence assisted evaluations and user interface for same
CN110246030A (zh) 多方联动的贷后风险管理方法、终端、装置及存储介质
CN112102076B (zh) 一种平台综合风险预警系统
CN110288038A (zh) 一种企业的分类方法及装置
CN107437227A (zh) 股票投资分析装置与方法
US20140222716A1 (en) Methods And Systems For Processing Debt Portfolios
Van Thiel et al. Artificial intelligent credit risk prediction: An empirical study of analytical artificial intelligence tools for credit risk prediction in a digital era
CN112734557A (zh) 基于大数据的智慧网贷管理系统
FR3048840A1 (zh)
CN108198073A (zh) 一种股权融资的投后管理方法及系统
CN112686446A (zh) 一种面向机器学习可解释性的信贷违约预测方法及系统
CN112634048A (zh) 一种反洗钱模型的训练方法及装置
CN113674075A (zh) 企业债务融资工具信用评级的方法
CN114493552B (zh) 基于双时间轴的rpa对公付款自动审批方法及系统
CN115564591A (zh) 一种融资产品的确定方法及相关设备
TW201327453A (zh) 微型企業融資風險評估方法
CN113919937B (zh) 一种基于贷款评估风控的ks监控系统
CN115345745A (zh) 用于黄金珠宝产业的金融风控系统及运行方法
CN110245814A (zh) 风险监管方法、装置、存储介质及电子设备
Chen et al. Decision quality by the loss cost of Type I and Type II errors
CN113421155A (zh) 钢贸企业画像多维度模型构建方法、风控管理方法及装置
CN115221212A (zh) 基金投资数据管理系统及方法

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