CN110322336A - 风控数据统计方法、系统、计算机设备及可读存储介质 - Google Patents

风控数据统计方法、系统、计算机设备及可读存储介质 Download PDF

Info

Publication number
CN110322336A
CN110322336A CN201910300686.9A CN201910300686A CN110322336A CN 110322336 A CN110322336 A CN 110322336A CN 201910300686 A CN201910300686 A CN 201910300686A CN 110322336 A CN110322336 A CN 110322336A
Authority
CN
China
Prior art keywords
data
air control
control data
achievement
type
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
CN201910300686.9A
Other languages
English (en)
Inventor
李刚
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.)
Ping An Puhui Enterprise Management Co Ltd
Original Assignee
Ping An Puhui Enterprise Management 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 Ping An Puhui Enterprise Management Co Ltd filed Critical Ping An Puhui Enterprise Management Co Ltd
Priority to CN201910300686.9A priority Critical patent/CN110322336A/zh
Publication of CN110322336A publication Critical patent/CN110322336A/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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Computer And Data Communications (AREA)

Abstract

本公开涉及一种风控数据统计方法，包括：接收数据查询请求，其中，所述数据查询请求中包括时间索引和基础数据索引；根据所述时间索引，确定要查询的第一风控数据的存储位置；根据所述存储位置，从所述第一风控数据中确定出与所述基础数据索引关联的指标数据；以及对所述指标数据进行统计。本公开还提供了一种风控数据统计系统、一种计算机设备和一种计算机可读存储介质。

Description

风控数据统计方法、系统、计算机设备及可读存储介质
技术领域
本发明涉及计算机技术领域，具体涉及风控数据统计方法、系统、计算机设备及计算机可读存储介质。
背景技术
在金融行业，特别是在贷款服务行业，为保证防止客户骗贷，通常需要对客户的信息进行统计以实现风险预估。现有的风控数据统计方案是根据风控验证条件做全量的数据统计。但是，在需要采集的数据量很大的情况下，统计全量的数据存在效率低、不能满足实时性、高效性的缺陷。
发明内容
本公开目的是提供一种风控数据统计方法、系统、计算机设备及计算机可读存储介质，以至少解决现有技术中统计全量数据导致实时性差、效率性低的缺陷。
本公开的一个方面提供了一种风控数据统计方法，其特征在于，包括：接收数据查询请求，其中，上述数据查询请求中包括时间索引和基础数据索引；根据上述时间索引，确定要查询的第一风控数据的存储位置；根据上述存储位置，从上述第一风控数据中确定出与上述基础数据索引关联的指标数据；以及对上述指标数据进行统计。
根据本公开的实施例，上述方法还包括：根据上述时间索引，确定上述第一风控数据对应的数据类型，其中，上述数据类型包括实时类型和/或批量类型。
根据本公开的实施例，上述根据上述存储位置，从上述第一风控数据中确定出与上述基础数据索引关联的指标数据，包括：根据上述存储位置，从上述第一风控数据包含的属于上述实时类型的风控数据中确定出与上述基础数据索引关联的第一指标数据；和/或根据上述存储位置，从上述第一风控数据包含的属于上述批量类型的风控数据中确定出与上述基础数据索引关联的第二指标数据。
根据本公开的实施例，在上述接收数据查询请求之前，上述方法还包括：获取第二风控数据，其中，上述第二风控数据包括上述第一风控数据；确定上述第二风控数据的上述数据类型；以及将上述第二风控数据按照上述数据类型进行处理。
根据本公开的实施例，上述将上述第二风控数据按照上述数据类型进行处理，包括：通过第一数据节点处理上述第二风控数据中属于上述实时类型的风控数据；和/或通过第二数据节点处理上述第二风控数据中属于上述批量类型的风控数据。
根据本公开的实施例，上述数据查询请求还包括统计规则，上述对上述指标数据进行统计，包括：获取上述统计规则中指定的目标指标数据；确定上述第一指标数据中与上述目标指标数据对应的指标数据，和/或确定上述第二指标数据中与上述目标指标数据对应的指标数据；以及按照上述统计规则，对上述第一指标数据中与上述目标指标数据对应的指标数据和/或上述第二指标数据中与上述目标指标数据对应的指标数据进行统计。
本公开的另一个方面提供了一种风控数据统计系统，其特征在于，包括：接收模块，用于接收数据查询请求，其中，上述数据查询请求中包括时间索引和基础数据索引；第一确定模块，用于根据上述时间索引，确定要查询的第一风控数据的存储位置；第二确定模块，用于根据上述存储位置，从上述第一风控数据中确定出与上述基础数据索引关联的指标数据；以及统计模块，用于对上述指标数据进行统计。
根据本公开的实施例，上述系统还包括：第三确定模块，用于根据上述时间索引，确定上述第一风控数据对应的数据类型，其中，上述数据类型包括实时类型和/或批量类型。
根据本公开的实施例，上述第二确定模块包括：第一确定单元，用于根据上述存储位置，从上述第一风控数据包含的属于上述实时类型的风控数据中确定出与上述基础数据索引关联的第一指标数据；和/或第二确定单元，用于根据上述存储位置，从上述第一风控数据包含的属于上述批量类型的风控数据中确定出与上述基础数据索引关联的第二指标数据。
根据本公开的实施例，上述系统还包括：获取模块，用于在上述接收数据查询请求之前，获取第二风控数据，其中，上述第二风控数据包括上述第一风控数据；第四确定模块，用于确定上述第二风控数据的上述数据类型；以及处理模块，用于将上述第二风控数据按照上述数据类型进行处理。
根据本公开的实施例，上述处理模块包括：第一处理单元，用于通过第一数据节点处理上述第二风控数据中属于上述实时类型的风控数据；和/或第二处理单元，用于通过第二数据节点处理上述第二风控数据中属于上述批量类型的风控数据。
根据本公开的实施例，上述数据查询请求还包括统计规则，上述统计模块包括：获取单元，用于获取上述统计规则中指定的目标指标数据；第三确定单元，用于确定上述第一指标数据中与上述目标指标数据对应的指标数据，和/ 或确定上述第二指标数据中与上述目标指标数据对应的指标数据；以及统计单元，用于按照上述统计规则，对上述第一指标数据中与上述目标指标数据对应的指标数据和/或上述第二指标数据中与上述目标指标数据对应的指标数据进行统计。
本公开的再一个方面提供了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，上述处理器执行上述计算机程序时用于实现如上任一项所述的方法的步骤。
本公开的又一个方面提供了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，上述计算机程序被处理器执行时用于实现如上任一项所述的方法的步骤。
本公开提供的风控数据统计方案，在接收到数据查询请求之后，根据该数据查询请求包括的时间索引确定要查询的第一风控数据的存储位置，然后根据该存储位置找到该第一风控数据，并从该第一风控数据中确定出与数据查询请求中的基础数据索引关联的指标数据，进一步，可以对确定出的指标数据进行统计，以便通过统计结果实现风险预估。显然，本公开的方案通过对指标数据进行统计避免了现有技术中统计全量数据导致实时性差、效率性低的缺陷，达到了实时高效进行统计的技术效果。
附图说明
图1示意性示出了根据本公开实施例的风控数据统计方法的流程图；
图2示意性示出了根据本公开实施例的第一风控数据的示意图；
图3示意性示出了根据本公开实施例的风控数据统计平台的架构图；
图4示意性示出了根据本公开实施例的风控数据统计系统的框图；以及
图5示意性示出了根据本公开实施例的适于实现风控数据统计方法的计算机设备的硬件架构示意图。
具体实施方式
为了使本公开的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本公开进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本公开，并不用于限定本公开。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
考虑到现有技术中统计全量数据导致实时性差、效率性低的缺陷。本公开提供的风控数据统计方案，在接收到数据查询请求之后，根据该数据查询请求包括的时间索引确定要查询的第一风控数据的存储位置，然后根据该存储位置找到该第一风控数据，并从该第一风控数据中确定出与数据查询请求中的基础数据索引关联的指标数据，进一步，可以对确定出的指标数据进行统计，以便通过统计结果实现风险预估。显然，本公开的方案通过对指标数据进行统计避免了现有技术中通过全量数据统计存在实时性差、效率性低的缺陷，达到了实时高效进行统计的技术效果。
图1示意性示出了根据本公开实施例的风控数据统计方法的流程图。
如图1所示，该风控数据统计方法可以包括步骤S101～步骤S104，其中：
步骤S101，接收数据查询请求，其中，数据查询请求包括时间索引和基础数据索引。
需要说明的是，风控数据可以由三部分构成，分别是时间索引(又称为时间列)、基础数据索引(又称为维度列)和指标数据(又称指标列)。其中，风控数据为时序性数据，具体表现在每条风控数据均对应一个唯一的时间索引，且不存在数据更新的场景。另外，基础数据索引可以包括至少一个基础数据索引，指标数据中也可以包括至少一个指标数据。
例如，若风控数据为联系人信息方面的数据，则基础数据索引可以包括客户姓名、客户身份证号、客户手机号，指标数据可以包括联系人姓名、通话时长。如图2所示，第一条风控数据的时间索引为2018/9/22 8:01，基础数据索引包括王某、3101231982********、150****7856，指标数据包括妈妈、120秒；第二条风控数据的时间索引为2018/5/13 4:21，基础数据索引包括王某、 3101231982********、150****7856，指标数据包括李先生、15秒；第三条风控数据的时间索引为2018/1/1 0:41，基础数据索引包括王某、3101231982********、150****7856，指标数据包括经理、50秒；第四条风控数据的时间索引为2017/8/21 21:01，基础数据索引包括王某、 3101231982********、150****7856，指标数据包括妈妈、32秒，…，等等。
另外，若风控数据为GPS位置校验方面的数据，则基础数据索引可以包括客户姓名、客户身份证号、客户GPS信息，指标数据可以包括是否通过风控。
在本公开的实施例中，若工作人员需要对某个客户进行风险预估，则需要对该客户的指标数据进行统计，在此之前，可以先查询该客户的风控数据，即发送关于该客户的数据查询请求，其中，该数据查询请求包括时间索引和基础数据索引，并且本公开的实施例中可以通过一个基础数据索引确定出对应的指标数据，也可以通过多个基础数据索引确定出对应的指标数据。
例如，若工作人员发送的查询请求为查询客户王某在2018/1/1到2018/9/30 期间的关于联系人方面的数据，则时间索引为2018/1/1到2018/10/1之间的每一天，即2018/1/1、2018/1/2、2018/1/3、…、2018/9/30，基础数据索引为王某。
步骤S102，根据时间索引，确定要查询的第一风控数据的存储位置。
在本公开的实施例中，风控数据是提前通过不同的数据节点存储在对应的数据文件上的。在接收数据查询请求之前，本公开实施例的风控数据统计方法还可以包括：获取第二风控数据，其中，第二风控数据包括第一风控数据；确定第二风控数据的数据类型；以及将第二风控数据按照数据类型进行处理。其中，数据类型可以包括实时类型和/或批量类型。实时类型可以用于表征风控数据对应的时间索引大于预设时间，批量类型可以用于表征风控数据对应的时间索引小于预设时间。
根据本公开的实施例，将第二风控数据按照数据类型进行处理，可以包括：通过第一数据节点处理第二风控数据中属于实时类型的风控数据；和/或通过第二数据节点处理第二风控数据中属于批量类型的风控数据。其中，第一数据节点可以称为实时节点，第二数据节点可以称为历史节点。
例如，由于第二风控数据包括第一风控数据，则第一风控数据中属于实时类型的风控数据自然也被包括在第二风控数据中属于实时类型的风控数据中，第一风控数据中属于批量类型的风控数据自然也被包括在第二风控数据中属于批量类型的风控数据中。若预设时间为2018年3月1日，则上述第一条风控数据和上述第二条风控数据属于实时类型；上述第三条风控数据属于批量类型。此时，第一条风控数据可以被第一数据节点处理，并生成对应的第一个segment 数据文件，第二条风控数据也可以被第一数据节点处理，并生成对应的第二个 segment数据文件，然后第一数据节点可以将第一个segment数据文件和第二个 segment数据文件存储在数据文件存储库中；第三条风控数据可以被第二数据节点处理，并生成对应的第三个segment数据文件，然后第二数据节点也可以将第三个segment数据文件存储在数据文件存储库中。
基于上述实施例，在根据时间索引确定第一风控数据的存储位置时，可以通过时间索引找到对应的segment数据文件。即，与时间索引2018/9/22 8:01对应的第一风控数据存储在第一个segment数据文件中；与时间索引2018/5/13 4:21对应的第一风控数据存储在第二个segment数据文件中，与时间索引 2018/1/1 0:41对应的第一风控数据存储在第三个segment数据文件中。
步骤S103，根据存储位置，从第一风控数据中确定出与基础数据索引关联的指标数据。
由于不同类型的风控数据需要通过不同数据节点(如第一数据节点、第二数据节点)进行处理后再存储，因此在查找风控数据时，不同类型的风控数据同样需要由不同的数据节点从相应的segment数据文件中提取出来。即对于第一风控数据中属于实时类型的风控数据，可以由第一数据节点进行提取，对于第一风控数据中属于批量类型的风控数据，可以由第二数据节点进行提取。
根据本公开的实施例，在步骤S203之前，本公开的风控数据统计方法还可以包括：根据时间索引，确定第一风控数据对应的数据类型，其中，数据类型包括实时类型和/或批量类型。
例如，上述第一条风控数据和上述第二条风控数据实时类型，则需要通过第一数据节点进行提取，上述第三条风控数据属于批量类型，则需要通过第二数据节点进行提取。
根据本公开的实施例，根据存储位置，从第一风控数据中确定出与基础数据索引关联的指标数据，包括：根据存储位置，从第一风控数据包含的属于实时类型的风控数据中确定出与基础数据索引关联的第一指标数据；和/或根据存储位置，从第一风控数据包含的属于批量类型的风控数据中确定出与所述基础数据索引关联的第二指标数据。
例如，首先通过第一数据节点找到第一个segment数据文件，并从第一个 segment数据文件存储的第一条风控数据中确定出与王某关联的第一指标数据，即妈妈、120秒；其次通过第一数据节点找到第二个segment数据文件，并从第二个segment数据文件存储的第二条风控数据中确定出与王某关联的第一指标数据，即李先生、15秒；最后，通过第二数据节点找到第三个segment数据文件，并从第三个segment数据文件存储的第三条风控数据中确定出与王某关联的第二指标数据，即经理、50秒。
步骤S104，对指标数据进行统计。
在本公开的实施例中，数据查询请求中还可以包括统计规则，对指标数据进行统计可以包括：获取统计规则中指定的目标指标数据；确定第一指标数据中与目标指标数据对应的指标数据，和/或确定第二指标数据中与目标指标数据对应的指标数据；以及按照统计规则，对第一指标数据中与目标指标数据对应的指标数据和/或第二指标数据中与目标指标数据对应的指标数据进行统计。其中，目标指标数据可以包括一个或多个，第一指标数据中与目标指标数据对应的指标数据也可以包括一个或多个，第二指标数据中与目标指标数据对应的指标数据也可以包括一个或多个。
例如，预设时间为2018年3月1日，统计规则为计算王某在2017/1/1到 2018/9/30期间的与妈妈的总通话时长，则目标指标数据为“妈妈”，第一指标数据中与“妈妈”对应的指标数据为120秒，第二指标数据中与“妈妈”对应的指标数据为32秒，则总通话时长为120+32＝152秒。
例如，统计规则为将2018/1/1到2018/9/30期间“王某”对应的指标数据按照通话时长从大到小进行排序，则目标指标数据为所有的指标数据，统计结果可以为：妈妈、120秒，经理、50秒，李先生、15秒。
需要说明的是，若指标数据中包括第一指标数据，则可以确定第一指标数据中与目标指标数据对应的指标数据，并根据统计规则对第一指标数据中与目标指标数据对应的指标数据进行统计。若指标数据中包括第二指标数据，则可以确定第二指标数据中与目标指标数据对应的指标数据，并根据统计规则对第二指标数据中与目标指标数据对应的指标数据进行统计。若指标数据中包括第一指标数据和第二指标数据，则可以对第一指标数据中与目标指标数据对应的指标数据和第二指标数据中与目标指标数据对应的指标数据进行统计。
本公开提供的风控数据统计方案，在接收到数据查询请求之后，根据该数据查询请求包括的时间索引确定要查询的第一风控数据的存储位置，然后根据该存储位置找到该第一风控数据，并从该第一风控数据中确定出与数据查询请求中的基础数据索引关联的指标数据，进一步，可以对确定出的指标数据进行统计，以便通过统计结果实现风险预估。显然，本公开的方案通过对指标数据进行统计避免了现有技术中统计全量数据导致实时性差、效率性低的缺陷，达到了实时高效进行统计的技术效果。
图3示意性示出了根据本公开实施例的风控数据统计平台的架构图。
如图3所示，数据接入层可以通过接口API获取第二风控数据，然后将第二风控数据传送给消息中间件Kafka，消息中间件Kafka可以以异步的方式将第二风控数据传送给Druid的各个节点。若第二风控数据中包含属于实时类型的风控数据，则可以通过Druid中的实时节点对该属于实时类型的风控数据进行处理，并生成对应的segment数据文件，然后将该segment数据文件存储在数据仓库(Oracle或HDFS)中。若第二风控数据中包含属于批量类型的风控数据，则可以通过Druid中的历史节点对该属于批量类型的风控数据进行处理，并生成对应的segment数据文件，然后将该segment数据文件存储在数据仓库 (Oracle、HDFS)中。进一步，若外部可以通过前端查询系统(Query Engine、 Browser、API)发送用于请求查询第一风控数据中的指标数据的数据查询请求， Druid中的查询节点可以响应该数据查询请求，然后基于实时节点查询第一风控数据中属于实时类型的风控数据，并找到对应的第一指标数据，基于历史节点查询第一风控数据中属于批量类型的风控数据，并找到对应的第二指标数据，然后将第一指标数据和第二指标数据汇总，并展示在前端查询系统的报表页面中。另外，对于经常查询的风控数据还以存储在高速缓存模块中，以加速查询时间，降低系统消耗。
图4示意性示出了根据本公开实施例的风控数据统计系统的框图。
如图4所示，该风控数据统计系统400可以包括接收模块410、第一确定模块420、第二确定模块430和统计模块440，其中：
接收模块410用于接收数据查询请求，其中，数据查询请求中包括时间索引和基础数据索引。
第一确定模块420用于根据时间索引，确定要查询的第一风控数据的存储位置。
第二确定模块430用于根据存储位置，从第一风控数据中确定出与基础数据索引关联的指标数据。
统计模块440用于对指标数据进行统计。
本公开提供的风控数据统计方案，在接收到数据查询请求之后，根据该数据查询请求包括的时间索引确定要查询的第一风控数据的存储位置，然后根据该存储位置找到该第一风控数据，并从该第一风控数据中确定出与数据查询请求中的基础数据索引关联的指标数据，进一步，可以对确定出的指标数据进行统计，以便通过统计结果实现风险预估。显然，本公开的方案通过对指标数据进行统计避免了现有技术中统计全量数据导致实时性差、效率性低的缺陷，达到了实时高效进行统计的技术效果。
作为一种可选的实施例，风控数据统计系统还可以包括：第三确定模块，用于根据时间索引，确定第一风控数据对应的数据类型，其中，数据类型包括实时类型和/或批量类型。
作为一种可选的实施例，第二确定模块可以包括：第一确定单元，用于根据存储位置，从第一风控数据包含的属于实时类型的风控数据中确定出与基础数据索引关联的第一指标数据；和/或第二确定单元，用于根据存储位置，从第一风控数据包含的属于批量类型的风控数据中确定出与基础数据索引关联的第二指标数据。
作为一种可选的实施例，风控数据统计系统还可以包括：获取模块，用于在接收数据查询请求之前，获取第二风控数据，其中，第二风控数据包括第一风控数据；第四确定模块，用于确定第二风控数据的数据类型；以及处理模块，用于将第二风控数据按照数据类型进行处理。
作为一种可选的实施例，处理模块可以包括：第一处理单元，用于通过第一数据节点处理第二风控数据中属于实时类型的风控数据；和/或第二处理单元，用于通过第二数据节点处理第二风控数据中属于批量类型的风控数据。
作为一种可选的实施例，数据查询请求还可以包括统计规则，统计模块包括：获取单元，用于获取统计规则中指定的目标指标数据；第三确定单元，用于确定第一指标数据中与目标指标数据对应的指标数据，和/或确定第二指标数据中与目标指标数据对应的指标数据；以及统计单元，用于按照统计规则，对第一指标数据中与目标指标数据对应的指标数据和/或第二指标数据中与目标指标数据对应的指标数据进行统计。
图5示意性示出了根据本公开实施例的适于实现风控数据统计方法的计算机设备的硬件架构示意图。本实施例中，计算机设备500是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。例如，可以是智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图所示，计算机设备500至少包括但不限于：可通过系统总线相互通信连接存储器510、处理器520、网络接口530。其中：
存储器510至少包括一种类型的计算机可读存储介质，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器510可以是计算机设备500的内部存储模块，例如该计算机设备500的硬盘或内存。在另一些实施例中，存储器510也可以是计算机设备500的外部存储设备，例如该计算机设备500上配备的插接式硬盘，智能存储卡(Smart Media Card，简称为SMC)，安全数字 (Secure Digital，简称为SD)卡，闪存卡(Flash Card)等。当然，存储器510 还可以既包括计算机设备500的内部存储模块也包括其外部存储设备。本实施例中，存储器510通常用于存储安装于计算机设备500的操作系统和各类应用软件，例如风控数据统计方法的程序代码等。此外，存储器510还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器520在一些实施例中可以是中央处理器(Central Processing Unit，简称为CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器 520通常用于控制计算机设备500的总体操作，例如执行与计算机设备500进行数据交互或者通信相关的控制和处理等。本实施例中，处理器520用于运行存储器510中存储的程序代码或者处理数据。
网络接口530可包括无线网络接口或有线网络接口，该网络接口530通常用于在计算机设备500与其他计算机设备之间建立通信连接。例如，网络接口 530用于通过网络将计算机设备500与外部终端相连，在计算机设备500与外部终端之间的建立数据传输通道和通信连接等。网络可以是企业内部网 (Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication，简称为GSM)、宽带码分多址(Wideband CodeDivision Multiple Access，简称为WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是，图5仅示出了具有部件510-530的计算机设备，但是应理解的是，并不要求实施所有示出的部件，可以替代的实施更多或者更少的部件。
在本实施例中，存储于存储器510中的风控数据统计方法还可以被分割为一个或者多个程序模块，并由一个或多个处理器(本实施例为处理器520)所执行，以完成本发明。
本实施例还提供一种计算机可读存储介质，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实施例中的风控数据统计方法的步骤。
本实施例中，计算机可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，计算机可读存储介质可以是计算机设备的内部存储单元，例如该计算机设备的硬盘或内存。在另一些实施例中，计算机可读存储介质也可以是计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(Smart Media Card，简称为SMC)，安全数字(Secure Digital，简称为SD)卡，闪存卡(Flash Card)等。当然，计算机可读存储介质还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中，计算机可读存储介质通常用于存储安装于计算机设备的操作系统和各类应用软件，例如实施例中的风控数据统计方法的程序代码等。此外，计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的各类数据。
显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种风控数据统计方法，其特征在于，包括：
接收数据查询请求，其中，所述数据查询请求中包括时间索引和基础数据索引；
根据所述时间索引，确定要查询的第一风控数据的存储位置；
根据所述存储位置，从所述第一风控数据中确定出与所述基础数据索引关联的指标数据；以及
对所述指标数据进行统计。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述时间索引，确定所述第一风控数据对应的数据类型，其中，所述数据类型包括实时类型和/或批量类型。
3.根据权利要求2所述的方法，其特征在于，所述根据所述存储位置，从所述第一风控数据中确定出与所述基础数据索引关联的指标数据，包括：
根据所述存储位置，从所述第一风控数据包含的属于所述实时类型的风控数据中确定出与所述基础数据索引关联的第一指标数据；和/或
根据所述存储位置，从所述第一风控数据包含的属于所述批量类型的风控数据中确定出与所述基础数据索引关联的第二指标数据。
4.根据权利要求2所述的方法，其特征在于，在所述接收数据查询请求之前，所述方法还包括：
获取第二风控数据，其中，所述第二风控数据包括所述第一风控数据；
确定所述第二风控数据的所述数据类型；以及
将所述第二风控数据按照所述数据类型进行处理。
5.根据权利要求4所述的方法，其特征在于，所述将所述第二风控数据按照所述数据类型进行处理，包括：
通过第一数据节点处理所述第二风控数据中属于所述实时类型的风控数据；和/或
通过第二数据节点处理所述第二风控数据中属于所述批量类型的风控数据。
6.根据权利要求3所述的方法，其特征在于，所述数据查询请求还包括统计规则，所述对所述指标数据进行统计，包括：
获取所述统计规则中指定的目标指标数据；
确定所述第一指标数据中与所述目标指标数据对应的指标数据，和/或确定所述第二指标数据中与所述目标指标数据对应的指标数据；以及
按照所述统计规则，对所述第一指标数据中与所述目标指标数据对应的指标数据和/或所述第二指标数据中与所述目标指标数据对应的指标数据进行统计。
7.一种风控数据统计系统，其特征在于，包括：
接收模块，用于接收数据查询请求，其中，所述数据查询请求中包括时间索引和基础数据索引；
第一确定模块，用于根据所述时间索引，确定要查询的第一风控数据的存储位置；
第二确定模块，用于根据所述存储位置，从所述第一风控数据中确定出与所述基础数据索引关联的指标数据；以及
统计模块，用于对所述指标数据进行统计。
8.根据权利要求7所述的系统，其特征在于，所述系统还包括：
第三确定模块，用于根据所述时间索引，确定所述第一风控数据对应的数据类型，其中，所述数据类型包括实时类型和/或批量类型。
9.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在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用于实现权利要求1至6任一项所述方法的步骤。
10.一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用于实现权利要求1至6任一项所述方法的步骤。
CN201910300686.9A 2019-04-15 2019-04-15 风控数据统计方法、系统、计算机设备及可读存储介质 Pending CN110322336A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910300686.9A CN110322336A (zh) 2019-04-15 2019-04-15 风控数据统计方法、系统、计算机设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910300686.9A CN110322336A (zh) 2019-04-15 2019-04-15 风控数据统计方法、系统、计算机设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN110322336A true CN110322336A (zh) 2019-10-11

Family

ID=68113291

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910300686.9A Pending CN110322336A (zh) 2019-04-15 2019-04-15 风控数据统计方法、系统、计算机设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN110322336A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104731896A (zh) * 2015-03-18 2015-06-24 北京百度网讯科技有限公司 一种数据处理方法及系统
CN106295382A (zh) * 2015-05-20 2017-01-04 阿里巴巴集团控股有限公司 一种信息风险防控方法及装置
CN107707487A (zh) * 2017-09-20 2018-02-16 杭州安恒信息技术有限公司 一种网络业务流量的实时检索系统及实时检索方法
CN109213781A (zh) * 2018-08-27 2019-01-15 平安科技（深圳）有限公司 风控数据查询方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104731896A (zh) * 2015-03-18 2015-06-24 北京百度网讯科技有限公司 一种数据处理方法及系统
CN106295382A (zh) * 2015-05-20 2017-01-04 阿里巴巴集团控股有限公司 一种信息风险防控方法及装置
CN107707487A (zh) * 2017-09-20 2018-02-16 杭州安恒信息技术有限公司 一种网络业务流量的实时检索系统及实时检索方法
CN109213781A (zh) * 2018-08-27 2019-01-15 平安科技（深圳）有限公司 风控数据查询方法及装置

Similar Documents

Publication Publication Date Title
CN112766907B (zh) 业务数据的处理方法、装置和服务器
CN107872528B (zh) 消息推送方法及装置
CN108427705A (zh) 电子装置、分布式系统日志查询方法及存储介质
CN109271391A (zh) 数据存储方法、服务器、存储介质及装置
CN113132267B (zh) 一种分布式系统、数据聚合方法和计算机可读存储介质
CN108415925A (zh) 电子装置、数据调用日志生成及查询方法及存储介质
CN109062936A (zh) 一种数据查询方法、计算机可读存储介质及终端设备
CN109800269A (zh) 数据管理方法、装置、计算机设备及存储介质
CN110516471A (zh) 基于信息安全的产品推广方法及相关设备
CN110457346A (zh) 数据查询方法、装置及计算机可读存储介质
CN109446515A (zh) 群组信息分析方法、电子装置及计算机可读存储介质
CN110162540A (zh) 区块链账本数据的查询方法、电子装置及存储介质
CN115145587A (zh) 一种产品参数校验方法、装置、电子设备及存储介质
CN107967305A (zh) 影像文件上传方法、服务器及可读存储介质
CN112217657A (zh) 基于sd-wan系统的数据传输方法、数据处理方法、设备和介质
CN109918277A (zh) 电子装置、系统日志聚类分析结果的评价方法及存储介质
CN107943912B (zh) 一种响应式资源目录数据可视化管理方法、终端及装置
CN107786308B (zh) 数据传输方法及终端设备
CN109241103A (zh) 数据扩展查询方法、电子装置及计算机可读存储介质
CN110874365B (zh) 一种信息查询方法及其相关设备
CN103150365B (zh) 银行后台系统模糊搜索的方法及设备
CN111475468A (zh) 新增系统的日志接入方法、装置、设备及存储介质
CN113220705A (zh) 慢查询识别的方法和装置
CN110322336A (zh) 风控数据统计方法、系统、计算机设备及可读存储介质
CN110008291B (zh) 数据预警方法、装置、存储介质及电子设备

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: 20191011