CN110826921A - 数据处理方法、装置、计算机可读存储介质和计算机设备 - Google Patents
数据处理方法、装置、计算机可读存储介质和计算机设备 Download PDFInfo
- Publication number
- CN110826921A CN110826921A CN201911087288.XA CN201911087288A CN110826921A CN 110826921 A CN110826921 A CN 110826921A CN 201911087288 A CN201911087288 A CN 201911087288A CN 110826921 A CN110826921 A CN 110826921A
- Authority
- CN
- China
- Prior art keywords
- service object
- credit
- standard
- data
- credit investigation
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 19
- 238000003672 processing method Methods 0.000 title abstract description 25
- 238000011835 investigation Methods 0.000 claims abstract description 164
- 238000012216 screening Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012546 transfer Methods 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
Images
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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及一种数据处理方法、装置、计算机可读存储介质和计算机设备,方法包括:接收待处理业务对象发起的授信请求,根据授信请求获取业务对象的征信特征数据,其中,业务对象包括待处理业务对象以及标准业务对象;根据征信特征数据,计算待处理业务对象与各标准业务对象间的距离值;根据距离值筛选出预设数量的第一标准业务对象,计算第一标准业务对象的利润指标值,根据利润指标值从第一标准业务对象中筛选目标标准业务对象;将目标标准业务对象的授信额度指标值确定为待处理业务对象的授信额度指标值,并向待处理业务对象反馈授信额度指标值。本申请提供的方案可以有效抓取征信特征数据中的非线性关系的问题,提高了授信额度指标值的确定的准确性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种数据处理方法、装置、计算机可读存储介质和计算机设备。
背景技术
随着信息技术的不断发展,征信系统不断完善,健全的征信系统提供大量的征信数据用于刻画用户,以帮助其他业务系统针对用户进行业务处理。例如,在信贷业务系统中,信贷额度的授信通常是基于业务用户的征信数据进行用户风险评估、用户画像刻画等,进而根据用户风险评估以及用户画像等因素进行额度授信,但是该信贷额度授信过程通常仅以业务客户本身的数据进行信贷额度确定的,其准确率低。
发明内容
基于此,有必要针对传统技术对信贷额度确定的准确率低的技术问题,提供一种数据处理方法、装置、计算机可读存储介质和计算机设备。
一种数据处理方法,包括:
接收待处理业务对象发起的授信请求,根据所述授信请求获取业务对象的征信特征数据,其中,所述业务对象包括待处理业务对象以及标准业务对象;
根据所述征信特征数据,计算所述待处理业务对象与各所述标准业务对象间的距离值;
根据所述距离值筛选出预设数量的第一标准业务对象,计算所述第一标准业务对象的利润指标值,根据所述利润指标值从所述第一标准业务对象中筛选目标标准业务对象;
将所述目标标准业务对象的授信额度指标值确定为所述待处理业务对象的授信额度指标值,并向所述待处理业务对象反馈所述授信额度指标值。
一种数据处理装置,所述装置包括:
特征数据获取模块,用于接收待处理业务对象发起的授信请求,根据所述授信请求获取业务对象的征信特征数据,其中,所述业务对象包括待处理业务对象以及标准业务对象;
距离值获取模块,用于根据所述征信特征数据,计算所述待处理业务对象与各所述标准业务对象间的距离值;
业务对象筛选模块,用于根据所述距离值筛选出预设数量的第一标准业务对象,计算所述第一标准业务对象的利润指标值,根据所述利润指标值从所述第一标准业务对象中筛选目标标准业务对象;
额度指标确定模块,用于将所述目标标准业务对象的授信额度指标值确定为所述待处理业务对象的授信额度指标值,并向所述待处理业务对象反馈所述授信额度指标值。
一种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,使得所述处理器执行如下步骤:
接收待处理业务对象发起的授信请求,根据所述授信请求获取业务对象的征信特征数据,其中,所述业务对象包括待处理业务对象以及标准业务对象;
根据所述征信特征数据,计算所述待处理业务对象与各所述标准业务对象间的距离值;
根据所述距离值筛选出预设数量的第一标准业务对象,计算所述第一标准业务对象的利润指标值,根据所述利润指标值从所述第一标准业务对象中筛选目标标准业务对象;
将所述目标标准业务对象的授信额度指标值确定为所述待处理业务对象的授信额度指标值,并向所述待处理业务对象反馈所述授信额度指标值。
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,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
接收待处理业务对象发起的授信请求,根据所述授信请求获取业务对象的征信特征数据,其中,所述业务对象包括待处理业务对象以及标准业务对象;
根据所述征信特征数据,计算所述待处理业务对象与各所述标准业务对象间的距离值;
根据所述距离值筛选出预设数量的第一标准业务对象,计算所述第一标准业务对象的利润指标值,根据所述利润指标值从所述第一标准业务对象中筛选目标标准业务对象;
将所述目标标准业务对象的授信额度指标值确定为所述待处理业务对象的授信额度指标值,并向所述待处理业务对象反馈所述授信额度指标值。
上述数据处理方法、装置、计算机可读存储介质和计算机设备,在接收到待处理业务对象的授信请求后,通过获取待处理对象以及标准业务对象的征信特征数据,并根据征信特征数据计算待处理对象与各个标准业务对象间的距离值,从而根据距离值从标准业务对象中选出预设数量、与待处理业务对象最接近的第一标准业务对象,并计算第一标准业务对象中利润指标值最高的目标标准业务对象,以目标标准业务对象的授信额度指标值作为待处理业务对象的授信额度指标值,可有效加入考虑其他现有标准业务对象的征信特征数据,以及待处理业务对象与其他标准业务对象间的关联信息,提高了授信额度指标值的确定的准确性。
附图说明
图1为一个实施例中数据处理方法的应用环境图;
图2为一个实施例中数据处理方法的流程示意图;
图3为一个实施例中确定预设数量步骤的流程示意图;
图4为一个实施例中确定预设数量的示意图;
图5为一个实施例中数据处理方法装置的结构框图;
图6为另一个实施例中数据处理方法装置的结构框图;
图7为一个实施例中计算机设备的结构框图。
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,此处所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。
图1为一个实施例中数据处理方法的应用环境图。参照图1,该数据处理方法应用于信贷业务系统。该信贷业务系统包括终端110和服务器120。终端110和服务器120通过网络连接。终端110具体可以是台式终端或移动终端,移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120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。
其中,业务用户可以通过终端110向服务器120发送授信请求,服务器120在接收待处理业务对象发起的授信请求,根据授信请求获取业务对象的征信特征数据,其中,业务对象包括待处理业务对象以及标准业务对象;根据征信特征数据,计算待处理业务对象与各标准业务对象间的距离值;根据距离值筛选出预设数量的第一标准业务对象,计算第一标准业务对象的利润指标值,根据利润指标值从第一标准业务对象中筛选目标标准业务对象;将目标标准业务对象的授信额度指标值确定为待处理业务对象的授信额度指标值,并向业务对象的终端110发送其授信额度指标值,使得业务用户获知其授信额度指标值,后续业务用户可以通过终端110基于授信额度指标值向服务器120发起资源转移请求,服务器120在接收到终端110的资源转移请求后,根据资源转移请求触发向待处理业务对象转移资源数据。
如图2所示,在一个实施例中,提供了一种数据处理方法。本实施例主要以该方法应用于上述图1中的服务器120来举例说明。参照图2,该数据处理方法具体包括如下步骤:
步骤S202,接收待处理业务对象发起的授信请求,根据授信请求获取业务对象的征信特征数据,其中,业务对象包括待处理业务对象以及标准业务对象。
其中,业务对象是指业务场景中的用户,待处理业务对象是指待确定授信额度指标值的业务对象,标准业务对象是指历史中已确定授信额度指标值的业务对象。比如,在信贷业务的应用场景中,待处理业务对象可以是指当前发起授信请求、需要确定贷款额度的用户,标准业务对象是指历史中已进行贷款额度授信的用户。
其中,征信特征数据是指可用于表征用户的征信风险的数据,包括但不限于业务对象的业务对象的基本特征信息、金融特征信息、行为特征信息等等。
具体地,用户可通过用户终端向服务器发起贷款请求,服务器在接收到用户发起贷款请求后,确定该用户为待处理业务对象,然后从数据库中获取待处理业务对象以及标准业务对象的征信特征数据。
步骤S204,根据征信特征数据,计算待处理业务对象与各标准业务对象间的距离值。
其中,距离值可以是欧式距离值,根据两个业务对象的距离值,可以确定两个业务对象的相似程度,具体的,待处理业务对象与各标准业务对象间的距离值越小,则两个业务对象越相似,待处理业务对象与各标准业务对象间的距离值越大,则两个业务对象差异越大。
具体地,在得到业务对象的征信特征数据后,根据待处理业务对象的征信特征数据与各个标准业务对象的征信特征数据,计算待处理业务对象与各个标准业务对象间的欧式距离值。
其中,计算待处理业务对象与各个标准业务对象间的欧式距离值,具体可以使用如下公式进行计算:
其中,xi表示待处理业务对象的第i个征信特征数据,yi表示标准业务对象的第i个征信特征数据,n表示征信特征数据的个数,d(x,y)表示待处理业务对象与标准业务对象间的欧式距离值。
进一步地,可以先对各业务对象的征信特征数据进行归一化处理,得到归一化后的征信特征数据,通过归一化后的征信特征数据计算待处理业务对象与各个标准业务对象间的欧式距离值。具体地,在接收到各个业务对象的征信特征数据后,对于每一个业务对象,对该业务对象的征信特征数据归一化处理,使得业务对象的征信特征数据都转换为在0到1之间的数值。通过对征信特征数据归一化处理,使得征信特征数据都同一在0到1之间,避免某个的征信特征数据占用大比重,提高距离值的技术精度。
在一个实施例中,对征信特征数据进行归一化处理,具体可通过下述公式对业务对象的征信特征数据进行归一化处理,具体公式如下:
其中,xi表示业务对象的第i个征信特征数据,yi表示业务对象的第i个归一化后的征信特征数据,n表示征信特征数据的个数,表示征信特征数据的平均值。
步骤S206,根据距离值筛选出预设数量的第一标准业务对象,计算第一标准业务对象的利润指标值,根据利润指标值从第一标准业务对象中筛选目标标准业务对象。
其中,预设数量是根据实际情况设置的。利润指标值是指标准业务对象所带来的收益的指标值,比如,在信贷业务的应用场景中,利润指标值是指标准业务对象给放贷机构带来收益利润,可以根据标准业务对象的平均借贷金额、评价借款期限以及借贷利率计算所得。
具体地,在得到待处理业务对象与各个标准业务对象的距离值后,可根据待处理业务对象与各个标准业务对象间的距离值的大小,从标准业务对象中筛选出与待处理业务对象距离值最小的、数量为预设数量的第一标准业务对象,然后计算各个第一标准业务对象的利润指标值,最后根据利润指标值从第一标准业务对象中筛选出目标标准业务对象。其中,根据利润指标值从第一标准业务对象中筛选出目标标准业务对象,具体可以是将利润指标值最大的第一标准业务对象确定为目标标准业务对象。
步骤S208,将目标标准业务对象的授信额度指标值确定为待处理业务对象的授信额度指标值,并向待处理业务对象反馈授信额度指标值。
其中,在确定目标标准业务对象后,将该目标准业务对象的授信额度指标作为待处理业务对象的授信业务指标,并将确定到授信业务指标反馈至业务对象的用户终端。
上述数据处理方法,接收待处理业务对象发起的授信请求,根据授信请求获取业务对象的征信特征数据,其中,业务对象包括待处理业务对象以及标准业务对象;根据征信特征数据,计算待处理业务对象与各标准业务对象间的距离值;根据距离值筛选出预设数量的第一标准业务对象,计算第一标准业务对象的利润指标值,根据利润指标值从第一标准业务对象中筛选目标标准业务对象;将目标标准业务对象的授信额度指标值确定为待处理业务对象的授信额度指标值,并向待处理业务对象反馈授信额度指标值。通过获取待处理对象以及标准业务对象的征信特征数据,并根据征信特征数据计算待处理对象与各个标准业务对象间的距离值,从而根据距离值从标准业务对象中选出预设数量、与待处理业务对象最接近的第一标准业务对象,并计算第一标准业务对象中利润指标值最高的目标标准业务对象,以目标标准业务对象的授信额度指标值作为待处理业务对象的授信额度指标值,可有效加入考虑其他现有标准业务对象的征信特征数据,增加待处理业务对象与其他标准业务对象间的关联性,避免传统技术中无法抓取征信特征数据中的非线性关系的问题,提高了授信额度指标值的确定的准确性。
在一个实施例中,向待处理业务对象反馈授信额度指标值的步骤之后,还包括:接收待处理业务对象基于授信额度指标值发起的资源转移请求,根据资源转移请求触发向待处理业务对象进行资源转移。
其中,在向待处理业务对象反馈授信额度指标中后,待处理业务对象可以根据获得的授信额度指标值发送资源转移请求至服务器中,服务器在接收待处理业务对象的资源转移请求后,根据该资源转移请求触发资源转移操作,将与资源转移请求对应的资源转移至待处理业务对象的账户中。
在一个实施例中,获取业务对象的征信特征数据的步骤,包括:获取业务对象的征信基础数据;对征信基础数据进行聚类分析,得到征信基础数据的分类结果;根据征信基础数据的分类结果,从每一类的分类结果中筛选预设数量的征信基础数据,作为业务对象的征信特征数据。
其中,征信基础数据包括但不限于业务对象的基本信息、金融信息、行为信息等。其中,对于基本信息,包括业务对象的身份信息、账户信息等;对于金融信息,包括业务对象的信用卡代偿产品额度、信用贷额度、收入信息等;对于行为信息,包括业务对象的借贷次数、借贷金额、还贷次数、还贷金额等。
其中,聚类分析用于对征信数据进行降维,以提出过多无关的征信基础信息。由于征信基础数据中往往会引入对无关的数据,通过对征信基础数据进行聚类分析,对征信基础数据进行分类,使得同类别中的征信基础数据的相关程度高,不同类别中的征信基础数据的相关程度低,然后从不同类别的征信基础数据中筛选出信息量较大的征信基础数据,作为征信特征数据。
其中,从不同类别的征信基础数据中筛选出信息量较大的征信基础数据,具体可以通过计算不同类别的征信基础数据中,各个征信基础数据的IV(information Value,信息量)值,根据各个征信基础数据的IV值的大小,选取IV值最大的三个征信基础数据确定为业务对象的征信特征数据。
进一步地,在一个实施例中,获取业务对象的征信基础数据的步骤,包括:获取业务对象在分析周期内的征信原始数据;根据征信原始数据以及分析周期获取征信基础数据。
其中,征信原始数据是指与业务对象对应的未经任何处理的数据。服务器通过获取业务对象的征信原始数据,通过对征信原始数据进行衍生变量,以获取征信基础数据。
例如,在贷款业务的应用场景中,用户发起贷款申请后,服务器获取贷款申请时点前24个月观察期(即分析周期)的人行征信数据作为征信原始数据,然后对获得的征信原始数据进行衍生变量,以获取征信基础数据。例如,征信原始数据为贷款金额,通过对贷款金额进行衍生,获取业务对象近六个月平均贷款金额、最大贷款金额、最小贷款金额等。
在一个实施例中,如图3所示,根据距离值筛选出预设数量的第一标准业务对象的步骤之前,还包括:
步骤S302,获取业务对象样本数据,其中,业务对象样本数据包括业务对象样本的征信特征样本数据以及业务对象样本的授信额度指标值。
其中,业务对象样本是指已知悉授信额度指标值的业务对象。
步骤S304,根据征信特征样本数据以及标准业务对象的征信特征数据,计算业务对象样本与各个标准业务对象间的距离值。
其中,在得到征信特征样本数据以及标准业务对象的征信特征数据后,根据业务对象样本的征信特征样本数据与各个标准业务对象的征信特征数据,计算业务对象样本与各个标准业务对象间的欧式距离值。
进一步地,可以先对业务对象样本的征信特征样本数据与各个标准业务对象的征信特征数据进行归一化处理,得到归一化后的征信特征数据,通过归一化后的征信特征数据计算待处理业务对象与各个标准业务对象间的欧式距离值。具体地,在接收到业务对象样本的征信特征样本数据与各个标准业务对象的征信特征数据后,对于每一个标准业务对象或业务对象样本,对其征信特征数据或者征信特征样本数据归一化处理,使得征信特征数据都转换为在0到1之间的数值,避免某个的征信特征数据占用大比重,提高距离值的技术精度。
步骤S306,根据业务对象样本与各个标准业务对象间的距离值获取多个业务对象集,其中不同的业务对象集包括不同对象数量的第三标准业务对象。
其中,在得到业务对象样本与各个标准业务对象间的距离值后,根据距离值,筛选出多个业务对象集。其中,业务对象集是指有一定数量的标准业务对象的集合,第三标准业务对象是指将标准业务对象与业务对象样本的距离值从小到大排列,取排序在前的标准业务数据。例如,业务对象集的数量有三个,第一个业务对象集的对象数量为3,即第一个业务对象集包括有排序在前3的标准业务对象,第二个业务对象集的对象数量为6,即第二个业务对象集包括有排序在前6的标准业务对象,第三个业务对象集的对象数量为9,即第三个业务对象集包括有排序在前9的标准业务对象。
例如,如图4所示,假设业务对象的征信特征数据包括X1以及X2,则标准业务对象以及业务对象样本利用图4中的点标识,其中点A表示业务对象样本,除点A以外的点表示标准业务对象,当业务对象集的对象数量取为3时,此时业务对象集包括有点B、点C以及点D,当业务对象集的对象数量取为6时,此时业务对象集包括点B、点C、点D、点E、点F以及点G,如此类推。
步骤S308,根据业务对象样本的授信额度指标值与各业务对象集中各个第三标准业务对象的授信额度指标值,计算各业务对象集的误差率。
其中,对于任意一个业务对象集的误差率,可根据业务对象样本的授信额度指标值与该业务对象集中各个第三标准业务对象间的授信额度指标值,计算该业务对象集的误差率。具体可以是先计算业务对象样本的授信额度指标值与该业务对象集中各个第三标准业务对象间的授信额度指标值间的差值,然后计算各个差值的平均值,最后将平均值与业务对象样本的授信额度指标值的比值,确定该业务对象集的误差率。
例如,如图4所示,对于对象数量为3的业务对象集的误差率,具体可以计算点A与点B的授信额度指标值间的差值、点A与点C的授信额度指标值间的差值、点A与点D的授信额度指标值间的差值,然后计算这三个差值的平均值,从而将该差值与点A的授信额度指标值的比值,确定为该业务对象集的误差率。又例如,对于对象数量为6的业务对象集的误差率,具体可以计算点A与点B的授信额度指标值间的差值、点A与点C的授信额度指标值间的差值、点A与点D的授信额度指标值间的差值、点A与点E的授信额度指标值间的差值、点A与点F的授信额度指标值间的差值、点A与点G的授信额度指标值间的差值,然后计算这六个差值的平均值,从而将该差值与点A的授信额度指标值的比值,确定为该业务对象集的误差率。
步骤S310,根据误差率从业务对象集中确定目标业务对象集,将目标业务对象集的对象数量确定为预设数量。
其中,通过对比各个业务对象集的误差率,从中选取产生最小误差率的业务对象集确定为目标业务对象集,进而将目标业务对象的对象数量确定为预设数量。在实际的应用过程中,业务对象集的对象数量一般从1开始。
在一个实施例中,数据处理方法,包括:
1、获取业务对象样本数据,其中,业务对象样本数据包括业务对象样本的征信特征样本数据以及业务对象样本的授信额度指标值;
2、根据征信特征样本数据以及标准业务对象的征信特征数据,计算业务对象样本与各个标准业务对象间的距离值;
3、根据业务对象样本与各个标准业务对象间的距离值获取多个业务对象集,其中不同的业务对象集包括不同对象数量的第三标准业务对象;
4、根据业务对象样本的授信额度指标值与各业务对象集中各个第三标准业务对象的授信额度指标值,计算各业务对象集的误差率;
5、根据误差率从业务对象集中确定目标业务对象集,将目标业务对象集的对象数量确定为预设数量;
6、接收待处理业务对象发起的授信请求,根据授信请求获取业务对象的征信特征数据,其中,业务对象包括待处理业务对象以及标准业务对象;
6-1、获取业务对象的征信基础数据;
6-1-1、获取业务对象在分析周期内的征信原始数据;
6-1-2、根据征信原始数据以及分析周期获取征信基础数据;
6-2、对征信基础数据进行聚类分析,得到征信基础数据的分类结果;。
6-3、根据征信基础数据的分类结果,从每一类的征信基础数据中筛选预设数量的目标征信基础数据,作为业务对象的征信特征数据;
7、根据征信特征数据,计算待处理业务对象与各标准业务对象间的距离值;
8、根据距离值筛选出预设数量的第一标准业务对象,计算第一标准业务对象的利润指标值,根据利润指标值从第一标准业务对象中筛选目标标准业务对象;
8-1、从第一标准业务对象中筛选利润指标值最大的业务对象,确定为目标标准业务对象;
9、将目标标准业务对象的授信额度指标值确定为待处理业务对象的授信额度指标值,并向待处理业务对象反馈授信额度指标值;
10、接收业务对象基于授信额度指标值发起的资源转移请求,根据资源转移请求触发向待处理业务对象进行资源转移。
应该理解的是,虽然上述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,上述流程图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,提供了一种数据处理装置500,该装置包括:特征数据获取模块502、距离值获取模块504、业务对象筛选模块506以及额度指标确定模块508,其中:
特征数据获取模块,用于接收待处理业务对象发起的授信请求,根据授信请求获取业务对象的征信特征数据,其中,业务对象包括待处理业务对象以及标准业务对象;
距离值获取模块,用于根据征信特征数据,计算待处理业务对象与各标准业务对象间的距离值;
业务对象筛选模块,用于根据距离值筛选出预设数量的第一标准业务对象,计算第一标准业务对象的利润指标值,根据利润指标值从第一标准业务对象中筛选目标标准业务对象;
额度指标确定模块,用于将目标标准业务对象的授信额度指标值确定为待处理业务对象的授信额度指标值,并向待处理业务对象反馈授信额度指标值。
在一个实施例中,如图6所示,数据处理装置500还包括预设数量确定模块510,用于:获取业务对象样本数据,其中,业务对象样本数据包括业务对象样本的征信特征样本数据以及业务对象样本的授信额度指标值;根据征信特征样本数据以及标准业务对象的征信特征数据,计算业务对象样本与各个标准业务对象间的距离值;根据所述业务对象样本与各所述标准业务对象间的距离值获取多个业务对象集,其中不同的业务对象集包括不同对象数量的第三标准业务对象;根据业务对象样本的授信额度指标值与各业务对象集中各个第三标准业务对象的授信额度指标值,计算各业务对象集的误差率;根据误差率从业务对象集中确定目标业务对象集,将目标业务对象集的对象数量确定为预设数量。
在一个实施例中,特征数据获取模块,具体用于获取业务对象的征信基础数据;对征信基础数据进行聚类分析,得到征信基础数据的分类结果;根据征信基础数据的分类结果,从每一类的征信基础数据中筛选预设数量的目标征信基础数据,作为业务对象的征信特征数据。
在一个实施例中,特征数据获取模块,用于获取业务对象在分析周期内的征信原始数据;根据征信原始数据以及分析周期获取征信基础数据。
在一个实施例中,业务对象筛选模块,用于从第一标准业务对象中筛选利润指标值最大的业务对象,确定为目标标准业务对象。
在一个实施例中,数据处理装置500还包括资源转移模块,用于接收业务对象基于授信额度指标值发起的资源转移请求,根据资源转移请求触发向待处理业务对象进行资源转移。
图7示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的服务器120。如图7所示,该计算机设备包括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、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现数据处理方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行数据处理方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7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,本申请提供的数据处理装置可以实现为一种计算机程序的形式,计算机程序可在如图7所示的计算机设备上运行。计算机设备的存储器中可存储组成该数据处理装置的各个程序模块,比如,图5所示的特征数据获取模块502、距离值获取模块504、业务对象筛选模块506以及额度指标确定模块508。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的数据处理方法中的步骤。
例如,图7所示的计算机设备可以通过如图5所示的数据处理装置中的特征数据获取模块502执行步骤S202。计算机设备可通过距离值获取模块504执行步骤S204。计算机设备可通过业务对象筛选模块506执行步骤S206。计算机设备可通过额度指标确定模块508执行步骤S208。
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,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行上述数据处理方法的步骤。此处数据处理方法的步骤可以是上述各个实施例的数据处理方法中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行上述数据处理方法的步骤。此处数据处理方法的步骤可以是上述各个实施例的数据处理方法中的步骤。
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,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,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本申请专利范围的限制。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 (10)
1.一种数据处理方法,包括:
接收待处理业务对象发起的授信请求,根据所述授信请求获取业务对象的征信特征数据,其中,所述业务对象包括待处理业务对象以及标准业务对象;
根据所述征信特征数据,计算所述待处理业务对象与各所述标准业务对象间的距离值;
根据所述距离值筛选出预设数量的第一标准业务对象,计算所述第一标准业务对象的利润指标值,根据所述利润指标值从所述第一标准业务对象中筛选目标标准业务对象;
将所述目标标准业务对象的授信额度指标值确定为所述待处理业务对象的授信额度指标值,并向所述待处理业务对象反馈所述授信额度指标值。
2.根据权利要求1所述的方法,其特征在于,所述获取业务对象的征信特征数据的步骤,包括:
获取业务对象的征信基础数据;
对所述征信基础数据进行聚类分析,得到所述征信基础数据的分类结果;
根据所述征信基础数据的分类结果,从每一类的征信基础数据中筛选预设数量的目标征信基础数据,作为所述业务对象的征信特征数据。
3.根据权利要求2所述的方法,其特征在于,所述获取业务对象的征信基础数据的步骤,包括:
获取业务对象在分析周期内的征信原始数据;
根据所述征信原始数据以及分析周期获取征信基础数据。
4.根据权利要求1所述的方法,其特征在于,所述根据所述利润指标值从所述第一标准业务对象中筛选目标标准业务对象的步骤,包括:
从所述第一标准业务对象中筛选利润指标值最大的业务对象,确定为目标标准业务对象。
5.根据权利要求1所述的方法,其特征在于,所述根据所述距离值筛选出预设数量的第一标准业务对象的步骤之前,还包括:
获取业务对象样本数据,其中,所述业务对象样本数据包括业务对象样本的征信特征样本数据以及业务对象样本的授信额度指标值;
根据所述征信特征样本数据以及标准业务对象的征信特征数据,计算所述业务对象样本与各个标准业务对象间的距离值;
根据所述业务对象样本与各所述标准业务对象间的距离值获取多个业务对象集,其中不同的业务对象集包括不同对象数量的第三标准业务对象;
根据所述业务对象样本的授信额度指标值与各所述业务对象集中各个第三标准业务对象的授信额度指标值,计算各所述业务对象集的误差率;
根据所述误差率从所述业务对象集中确定目标业务对象集,将所述目标业务对象集的对象数量确定为预设数量。
6.根据权利要求1所述的方法,其特征在于,所述向所述待处理业务对象反馈所述授信额度指标值的步骤之后,还包括:
接收所述待处理业务对象基于所述授信额度指标值发起的资源转移请求,根据所述资源转移请求触发向所述待处理业务对象进行资源转移。
7.一种数据处理装置,其特征在于,所述装置包括:
特征数据获取模块,用于接收待处理业务对象发起的授信请求,根据所述授信请求获取业务对象的征信特征数据,其中,所述业务对象包括待处理业务对象以及标准业务对象;
距离值获取模块,用于根据所述征信特征数据,计算所述待处理业务对象与各所述标准业务对象间的距离值;
业务对象筛选模块,用于根据所述距离值筛选出预设数量的第一标准业务对象,计算所述第一标准业务对象的利润指标值,根据所述利润指标值从所述第一标准业务对象中筛选目标标准业务对象;
额度指标确定模块,用于将所述目标标准业务对象的授信额度指标值确定为所述待处理业务对象的授信额度指标值,并向所述待处理业务对象反馈所述授信额度指标值。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括预设数量确定模块,用于:
获取业务对象样本数据,其中,所述业务对象样本数据包括业务对象样本的征信特征样本数据以及业务对象样本的授信额度指标值;
根据所述征信特征样本数据以及标准业务对象的征信特征数据,计算所述业务对象样本与各个标准业务对象间的距离值;
根据所述业务对象样本与各所述标准业务对象间的距离值获取多个业务对象集,其中不同的业务对象集包括不同对象数量的第三标准业务对象;
根据所述业务对象样本的授信额度指标值与各所述业务对象集中各个第三标准业务对象的授信额度指标值,计算各所述业务对象集的误差率;
根据所述误差率从所述业务对象集中确定目标业务对象集,将所述目标业务对象集的对象数量确定为预设数量。
9.一种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,使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911087288.XA CN110826921B (zh) | 2019-11-08 | 2019-11-08 | 数据处理方法、装置、计算机可读存储介质和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911087288.XA CN110826921B (zh) | 2019-11-08 | 2019-11-08 | 数据处理方法、装置、计算机可读存储介质和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110826921A true CN110826921A (zh) | 2020-02-21 |
CN110826921B CN110826921B (zh) | 2023-04-18 |
Family
ID=69553541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911087288.XA Active CN110826921B (zh) | 2019-11-08 | 2019-11-08 | 数据处理方法、装置、计算机可读存储介质和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826921B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801781A (zh) * | 2021-03-22 | 2021-05-14 | 中国工商银行股份有限公司 | 信用卡额度管理方法和装置 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101324948A (zh) * | 2008-07-24 | 2008-12-17 | 阿里巴巴集团控股有限公司 | 一种信息推荐的方法及装置 |
US20120232977A1 (en) * | 2011-03-08 | 2012-09-13 | Bank Of America Corporation | Real-time video image analysis for providing targeted offers |
US20150081522A1 (en) * | 2013-08-01 | 2015-03-19 | Fundbox, Ltd. | System and method for automatically providing a/r-based lines of credit to businesses |
US20150213389A1 (en) * | 2014-01-29 | 2015-07-30 | Adobe Systems Incorporated | Determining and analyzing key performance indicators |
WO2016177249A1 (zh) * | 2015-05-05 | 2016-11-10 | 阿里巴巴集团控股有限公司 | 退款信息处理方法及装置 |
WO2017032226A1 (zh) * | 2015-08-21 | 2017-03-02 | 阿里巴巴集团控股有限公司 | 退货信息处理方法及装置 |
US20180150910A1 (en) * | 2016-11-30 | 2018-05-31 | Paypal, Inc. | Systems and methods for processing business data |
CN108520460A (zh) * | 2018-03-26 | 2018-09-11 | 平安普惠企业管理有限公司 | 业务数据测算处理方法、装置、计算机设备和存储介质 |
CN108985935A (zh) * | 2018-07-06 | 2018-12-11 | 兴业证券股份有限公司 | 金融产品推荐方法及存储介质 |
CN109242672A (zh) * | 2018-09-29 | 2019-01-18 | 北京京东金融科技控股有限公司 | 贷款的还款信息预测方法、装置以及计算机可读存储介质 |
CN109410064A (zh) * | 2018-09-04 | 2019-03-01 | 深圳壹账通智能科技有限公司 | 金融产品的销售控制方法、装置、计算机设备及存储介质 |
CN109446772A (zh) * | 2018-09-03 | 2019-03-08 | 平安国际融资租赁有限公司 | 授信额度计算方法、装置、计算机设备和存储介质 |
CN109685649A (zh) * | 2018-12-28 | 2019-04-26 | 上海点融信息科技有限责任公司 | 基于人工智能确定授信额度的方法、装置及存储介质 |
CN110189218A (zh) * | 2019-04-25 | 2019-08-30 | 北京互金新融科技有限公司 | 贷款额度的管理方法及装置 |
CN110349011A (zh) * | 2019-07-12 | 2019-10-18 | 深圳众赢维融科技有限公司 | 金融产品匹配方法和装置 |
-
2019
- 2019-11-08 CN CN201911087288.XA patent/CN110826921B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101324948A (zh) * | 2008-07-24 | 2008-12-17 | 阿里巴巴集团控股有限公司 | 一种信息推荐的方法及装置 |
US20120232977A1 (en) * | 2011-03-08 | 2012-09-13 | Bank Of America Corporation | Real-time video image analysis for providing targeted offers |
US20150081522A1 (en) * | 2013-08-01 | 2015-03-19 | Fundbox, Ltd. | System and method for automatically providing a/r-based lines of credit to businesses |
US20150213389A1 (en) * | 2014-01-29 | 2015-07-30 | Adobe Systems Incorporated | Determining and analyzing key performance indicators |
WO2016177249A1 (zh) * | 2015-05-05 | 2016-11-10 | 阿里巴巴集团控股有限公司 | 退款信息处理方法及装置 |
WO2017032226A1 (zh) * | 2015-08-21 | 2017-03-02 | 阿里巴巴集团控股有限公司 | 退货信息处理方法及装置 |
US20180150910A1 (en) * | 2016-11-30 | 2018-05-31 | Paypal, Inc. | Systems and methods for processing business data |
CN108520460A (zh) * | 2018-03-26 | 2018-09-11 | 平安普惠企业管理有限公司 | 业务数据测算处理方法、装置、计算机设备和存储介质 |
CN108985935A (zh) * | 2018-07-06 | 2018-12-11 | 兴业证券股份有限公司 | 金融产品推荐方法及存储介质 |
CN109446772A (zh) * | 2018-09-03 | 2019-03-08 | 平安国际融资租赁有限公司 | 授信额度计算方法、装置、计算机设备和存储介质 |
CN109410064A (zh) * | 2018-09-04 | 2019-03-01 | 深圳壹账通智能科技有限公司 | 金融产品的销售控制方法、装置、计算机设备及存储介质 |
CN109242672A (zh) * | 2018-09-29 | 2019-01-18 | 北京京东金融科技控股有限公司 | 贷款的还款信息预测方法、装置以及计算机可读存储介质 |
CN109685649A (zh) * | 2018-12-28 | 2019-04-26 | 上海点融信息科技有限责任公司 | 基于人工智能确定授信额度的方法、装置及存储介质 |
CN110189218A (zh) * | 2019-04-25 | 2019-08-30 | 北京互金新融科技有限公司 | 贷款额度的管理方法及装置 |
CN110349011A (zh) * | 2019-07-12 | 2019-10-18 | 深圳众赢维融科技有限公司 | 金融产品匹配方法和装置 |
Non-Patent Citations (3)
Title |
---|
杨丽 等: "C2C电子商务管理系统中的信用度计算模型分析" * |
王娜;: "基于相似系数和的信用卡欺诈检测模型研究" * |
蔡秀娟;: "额度授信管理系统的设计与实现" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801781A (zh) * | 2021-03-22 | 2021-05-14 | 中国工商银行股份有限公司 | 信用卡额度管理方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110826921B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN112308710B (zh) | 贷款数据处理方法、装置、计算机设备及存储介质 | |
CN109949154B (zh) | 客户信息分类方法、装置、计算机设备和存储介质 | |
CN110443698A (zh) | 信用评估装置和信用评估系统 | |
CN110619065A (zh) | 资源调度业务处理方法、装置、计算机设备和存储介质 | |
CN112434048B (zh) | 一种数据交叉分析方法、装置、计算机设备和存储介质 | |
CN110378811B (zh) | 仲裁信息处理方法、装置、计算机设备和存储介质 | |
CN108182633A (zh) | 贷款数据处理方法、装置、计算机设备和存储介质 | |
CN113553583A (zh) | 信息系统资产安全风险评估方法与装置 | |
CN110826921B (zh) | 数据处理方法、装置、计算机可读存储介质和计算机设备 | |
CN110991538A (zh) | 样本分类方法、装置、存储介质和计算机设备 | |
CN117291535A (zh) | 业务处理方法、装置和计算机设备 | |
CN111046240A (zh) | 网关流量统计方法、装置、计算机设备和存储介质 | |
CN110619275B (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
CN109542947B (zh) | 数据统计方法、装置、计算机设备和存储介质 | |
CN111047447A (zh) | 通证发放数额确定方法、装置、计算机设备和存储介质 | |
CN110889644A (zh) | 信用数据处理方法、装置、存储介质和计算机设备 | |
CN110827160A (zh) | 保险信息推送方法、装置、计算机设备和存储介质 | |
CN118608274A (zh) | 业务对象检查方法、装置、计算机设备、存储介质和计算机程序产品 | |
CN114372863A (zh) | 可信用户的评估方法、装置、计算机设备和存储介质 | |
CN114581214A (zh) | 一种信贷风险评估方法、装置、计算机设备及存储介质 | |
CN114463821A (zh) | 证件数据生成方法、装置、计算机设备及存储介质 | |
CN114372866A (zh) | 企业数据处理方法、装置、计算机设备和存储介质 | |
CN117238017A (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
CN117611228A (zh) | 一种企业上市预测方法、系统、设备及存储介质 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40021997 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |