CN111738846A - 贷后管理策略生成方法、装置及电子设备 - Google Patents
贷后管理策略生成方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111738846A CN111738846A CN202010728534.1A CN202010728534A CN111738846A CN 111738846 A CN111738846 A CN 111738846A CN 202010728534 A CN202010728534 A CN 202010728534A CN 111738846 A CN111738846 A CN 111738846A
- Authority
- CN
- China
- Prior art keywords
- post
- user
- loan management
- time
- management
- 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
Links
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
Abstract
本公开涉及一种贷后管理策略生成方法、装置、电子设备。该方法包括:根据贷后管理请求由多个渠道获取用户的用户行为数据;由所述用户行为数据中提取贷后管理起始时间;确定贷后管理中止的期待时间;将所述用户行为数据、所述管理起始时间、所述期待时间输入条件概率模型,生成资源归还概率,所述资源归还概率用于表示所述用户在所述期待时间之前进行资源归还的概率;将所述资源归还概率和目标阈值进行比较以生成所述用户的贷后管理策略。本公开能够根据对用户的贷后管理中止的期望时间和该用户的实时行为数据,生成对应于该用户的贷后管理策略,提高贷后管理效率,节约人力物力资源。
Description
技术领域
本公开涉及计算机信息处理领域,具体而言,涉及一种贷后管理策略生成方法、装置、电子设备及计算机可读介质。
背景技术
用户的不良资产,主要是指不良贷款,包括逾期资源占用、呆滞资源占用和呆帐资源占用三种情况。不良资产账率一方面和客户信用风险高度相关;另一方面,贷后管理的方式也影响其效果、效率。目前用户资源占用违约时主要是需要通过人工进行贷后管理,一般情况下,管理员会对违约的用户逐一进行贷后管理。对于管理员而言,需要花费大量的时间进行沟通协调工作,一旦沟通协调减少就会影响欠款的回收,而进行大量的沟通协调工作的话目前的贷后管理方式就需要占用大量的人力资源进行处理,给金融服务类公司增加了大量的运营成本。
而在实际情况中,对于资源占用违约情况的贷后管理,如果可以选择性的对情节严重的债务人发起贷后管理程序、或是发起不良资金管理,对另一部分具有还款意愿或是具有还款能力的债务人,根据欠款风险因素推断后,给予适当的宽限时间或是援助措施,有助于提高收回欠款的可能性,降低坏账率。如何在不影响欠款回收的前提下,尽量节约人力和其他资源成本是目前亟待解决的问题。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此,本公开提供一种贷后管理策略生成方法、装置、电子设备及计算机可读介质,能够根据对用户的贷后管理中止的期望时间和该用户的实时行为数据,生成对应于该用户的贷后管理策略,提高贷后管理效率,节约人力物力资源。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一方面,提出一种贷后管理策略生成方法,该方法包括:根据贷后管理请求由多个渠道获取用户的用户行为数据,所述多个渠道包括:用户状态渠道、应用软件渠道、贷后管理渠道;由所述用户行为数据中提取贷后管理起始时间;确定贷后管理中止的期待时间;将所述用户行为数据、所述管理起始时间、所述期待时间输入条件概率模型,生成资源归还概率,所述资源归还概率用于表示所述用户在所述期待时间之前进行资源归还的概率;将所述资源归还概率和目标阈值进行比较以生成所述用户的贷后管理策略。
可选地,还包括:提取具有贷后管理数据的多个历史用户;根据所述多个历史用户的用户行为数据生成所述条件概率模型。
可选地,根据所述多个历史用户的用户行为数据生成所述条件概率模型,包括:提取所述多个历史用户的贷后管理起始时间和实际的贷后管理中止时间;将所述多个历史用户的用户行为数据按照其对应的贷后管理起始时间和贷后管理中止时间划分为第一集合数据和第二集合数据,其中,第一集合数据为贷后管理起始时间之前的用户行为数据,第二集合数据为贷后管理起始时间之后至贷后管理中止时间之前的用户行为数据;将所述第一集合数据、所述第二集合数据、贷后管理起始时间和贷后管理中止时间对机器学习模型进行训练,生成所述条件概率模型。
可选地,还包括:根据所述多个历史用户的用户行为数据生成多个阈值。
可选地,根据所述多个历史用户的用户行为数据生成多个阈值,包括:由所述第二集合数据中计算资源回收概率;根据所述多个历史用户的贷后管理起始时间、贷后管理中止时间和各个时间段对应的所述资源回收概率生成多个阈值。
可选地,根据贷后管理请求由多个渠道获取用户的用户行为数据,包括:在所述用户由其他状态变更为贷后管理状态时,生成所述贷后管理请求;和/或在所述用户处于贷后管理状态中的情况下,定时生成所述贷后管理请求。
可选地,在渠道为应用软件渠道时,由多个渠道获取用户的用户行为数据,包括:获取用户在预设应用软件上的操作数据,所述操作数据包括点击目标、点击时间、点击次数;根据所述操作数据生成所述用户行为数据。
可选地,在渠道为贷后管理渠道时,由多个渠道获取用户的用户行为数据,包括:获取用户的贷后管理状态中的语音数据、管理频率数据、资源回收数据;根据所述语音数据、所述管理频率数据、所述资源回收数据生成所述用户行为数据。
可选地,确定贷后管理中止的期待时间,包括:根据所述贷后管理起始时间和当前时间确定贷后管理中止的期待时间。
可选地,将所述资源归还概率和目标阈值进行比较以生成所述用户的贷后管理策略,包括:根据所述贷后管理起始时间、当前时间、贷后管理中止的期待时间由预设的所述多个阈值中确定目标阈值;将所述资源归还概率和所述目标阈值进行比较;根据比较结果生成所述贷后管理策略。
根据本公开的一方面,提出一种贷后管理策略生成装置,该装置包括:请求模块,用于根据贷后管理请求由多个渠道获取用户的用户行为数据,所述多个渠道包括:用户状态渠道、应用软件渠道、贷后管理渠道;起始时间模块,用于由所述用户行为数据中提取贷后管理起始时间;期待时间模块,用于确定贷后管理中止的期待时间;概率模块,用于将所述用户行为数据、所述管理起始时间、所述期待时间输入条件概率模型,生成资源归还概率,所述资源归还概率用于表示所述用户在所述期待时间之前进行资源归还的概率;策略模块,用于将所述资源归还概率和目标阈值进行比较以生成所述用户的贷后管理策略。
可选地,还包括:模型生成模块,用于提取具有贷后管理数据的多个历史用户;根据所述多个历史用户的用户行为数据生成所述条件概率模型。
可选地,所述模型生成模块,包括:提取单元,用于提取所述多个历史用户的贷后管理起始时间和实际的贷后管理中止时间;数据单元,用于将所述多个历史用户的用户行为数据按照其对应的贷后管理起始时间和贷后管理中止时间划分为第一集合数据和第二集合数据,其中,第一集合数据为贷后管理起始时间之前的用户行为数据,第二集合数据为贷后管理起始时间之后至贷后管理中止时间之前的用户行为数据;训练单元,用于将所述第一集合数据、所述第二集合数据、贷后管理起始时间和贷后管理中止时间对机器学习模型进行训练,生成所述条件概率模型。
可选地,还包括:阈值模块,用于根据所述多个历史用户的用户行为数据生成多个阈值。
可选地,所述阈值模块,包括:回收单元,用于由所述第二集合数据中计算资源回收概率;阈值单元,用于根据所述多个历史用户的贷后管理起始时间、贷后管理中止时间和各个时间段对应的所述资源回收概率生成多个阈值。
可选地,所述请求模块,还用于在所述用户由其他状态变更为贷后管理状态时,生成所述贷后管理请求;和/或在所述用户处于贷后管理状态中的情况下,定时生成所述贷后管理请求。
可选地,在渠道为应用软件渠道时,所述请求模块,包括:软件单元,用于获取用户在预设应用软件上的操作数据,所述操作数据包括点击目标、点击时间、点击次数;根据所述操作数据生成所述用户行为数据。
可选地,在渠道为贷后管理渠道时,所述请求模块,包括:管理单元,用于获取用户的贷后管理状态中的语音数据、管理频率数据、资源回收数据;根据所述语音数据、所述管理频率数据、所述资源回收数据生成所述用户行为数据。
可选地,所述期待时间模块,还用于根据所述贷后管理起始时间和当前时间确定贷后管理中止的期待时间。
可选地,所述策略模块,包括:目标单元,用于根据所述贷后管理起始时间、当前时间、贷后管理中止的期待时间由预设的所述多个阈值中确定目标阈值;比较单元,用于将所述资源归还概率和所述目标阈值进行比较;策略单元,用于根据比较结果生成所述贷后管理策略。
根据本公开的一方面,提出一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上文的方法。
根据本公开的一方面,提出一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上文中的方法。
根据本公开的贷后管理策略生成方法、装置、电子设备及计算机可读介质,根据贷后管理请求由多个渠道获取用户的用户行为数据,所述多个渠道包括:用户状态渠道、应用软件渠道、贷后管理渠道;由所述用户行为数据中提取贷后管理起始时间;确定贷后管理中止的期待时间;将所述用户行为数据、所述管理起始时间、所述期待时间输入条件概率模型,生成资源归还概率,所述资源归还概率用于表示所述用户在所述期待时间之前进行资源归还的概率;将所述资源归还概率和目标阈值进行比较以生成所述用户的贷后管理策略的方式,能够根据对用户的贷后管理中止的期望时间和该用户的实时行为数据,生成对应于该用户的贷后管理策略,提高贷后管理效率,节约人力物力资源。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例,本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例,对于本领域的普通技术人员来讲,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的附图。
图1是根据一示例性实施例示出的一种贷后管理策略生成方法及装置的系统框图。
图2是根据一示例性实施例示出的一种贷后管理策略生成方法的流程图。
图3是根据另一示例性实施例示出的一种贷后管理策略生成方法的示意图。
图4是根据另一示例性实施例示出的一种贷后管理策略生成方法的流程图。
图5是根据另一示例性实施例示出的一种贷后管理策略生成方法的流程图。
图6是根据一示例性实施例示出的一种贷后管理策略生成装置的框图。
图7是根据一示例性实施例示出的一种贷后管理策略生成装置的框图。
图8是根据一示例性实施例示出的一种电子设备的框图。
图9是根据一示例性实施例示出的一种计算机可读介质的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
应理解,虽然本文中可能使用术语第一、第二、第三等来描述各种组件,但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此,下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用,术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解,附图只是示例实施例的示意图,附图中的模块或流程并不一定是实施本公开所必须的,因此不能用于限制本公开的保护范围。
本发明中,资源是指任何可被利用的物质、信息、时间,信息资源包括计算资源和各种类型的数据资源。数据资源包括各个领域中的各种专用数据。本发明的创新之处在于如何使用服务器和客户端之间的信息交互技术来使资源分配的过程更加自动化、高效和减小人力成本。由此,从本质上来说,本发明可以应用于各类资源的分配,包括实体的货物、水、电,以及有意义的资料等。但是,为了方便起见,本发明中以金融数据资源为例进行说明资源分配的实施,但本领域技术人员应当理解,本发明亦可以用于其他资源的分配。
图1是根据一示例性实施例示出的一种贷后管理策略生成方法及装置的系统框图。
如图1所示,系统架构10可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如金融服务类应用、购物类应用、网页浏览器应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的金融服务类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的用户数据进行分析等处理,并将处理结果(例如贷后管理策略)反馈给金融服务网站的管理员。
服务器105可例如根据贷后管理请求由多个渠道获取用户的用户行为数据,所述多个渠道包括:用户状态渠道、应用软件渠道、贷后管理渠道;服务器105可例如由所述用户行为数据中提取贷后管理起始时间;服务器105可例如确定贷后管理中止的期待时间;服务器105可例如将所述用户行为数据、所述管理起始时间、所述期待时间输入条件概率模型,生成资源归还概率,所述资源归还概率用于表示所述用户在所述期待时间之前进行资源归还的概率;服务器105可例如将所述资源归还概率和目标阈值进行比较以生成所述用户的贷后管理策略。
服务器105还可例如提取具有贷后管理数据的多个历史用户;根据所述多个历史用户的用户行为数据生成所述条件概率模型。
服务器105还可例如根据所述多个历史用户的用户行为数据和其对应的资源回收概率生成多个阈值。
服务器105可以是一个实体的服务器,还可例如为多个服务器组成,服务器105中的一部分可例如用于将所述资源归还概率和目标阈值进行比较以生成所述用户的贷后管理策略;以及服务器105中的一部分还可例如用于根据所述多个历史用户的用户行为数据生成所述条件概率模型,或者根据所述多个历史用户的用户行为数据和其对应的资源回收概率生成多个阈值。
需要说明的是,本公开实施例所提供的贷后管理策略生成方法可以由服务器105执行,相应地,贷后管理策略生成装置可以设置于服务器105中。而提供给用户进行金融服务平台浏览的网页端一般位于终端设备101、102、103中。
图2是根据一示例性实施例示出的一种贷后管理策略生成方法的流程图。贷后管理策略生成方法20至少包括步骤S202至S208。
如图2所示,在S202中,根据贷后管理请求由多个渠道获取用户的用户行为数据,所述多个渠道包括:用户状态渠道、应用软件渠道、贷后管理渠道。
在一个实施例中,根据贷后管理请求由多个渠道获取用户的用户行为数据,包括:在所述用户由其他状态变更为贷后管理状态时,生成所述贷后管理请求;和/或在所述用户处于贷后管理状态中的情况下,定时生成所述贷后管理请求。
更具体的,可在用户刚刚进入贷后管理状态时(约定资源归还日期之后的第一天),生成贷后管理请求,以进行后续处理。还可例如,在用户在贷后管理状态的第7天,第15天,第30天依次生成贷后管理请求。
在一个实施例中,在渠道为应用软件渠道时,由多个渠道获取用户的用户行为数据,包括:获取用户在预设应用软件上的操作数据,所述操作数据包括点击目标、点击时间、点击次数;根据所述操作数据生成所述用户行为数据。可通过在预设应用软件的界面上埋点的方式,获取用户在界面上的操作数据,可例如用户对某个栏目的点击情况。在一些情况下,比如“还款”按钮,用户可能点击了“还款”,但是中途退出了几次,这种情况也会被记录下来,作为用户行为的相关数据,
在一个实施例中,在渠道为贷后管理渠道时,由多个渠道获取用户的用户行为数据,包括:获取用户的贷后管理状态中的语音数据、管理频率数据、资源回收数据;根据所述语音数据、所述管理频率数据、所述资源回收数据生成所述用户行为数据。
在S204中,由所述用户行为数据中提取贷后管理起始时间。可例如为约定资源归还日期之后的第一天。
在S206中,确定贷后管理中止的期待时间。可例如根据所述贷后管理起始时间和当前时间确定贷后管理中止的期待时间。可例如,在贷后管理的第0天,仅为刚进入贷后管理状态时,确定贷后管理中止的期待时间为第7天,或者第15天等,还可例如,在用户在贷后管理状态的第7天,确定贷后管理中止的期待时间为第15天,或者第30天等,本公开不以此为限。
在S208中,将所述用户行为数据、所述管理起始时间、所述期待时间输入条件概率模型,生成资源归还概率,所述资源归还概率用于表示所述用户在所述期待时间之前进行资源归还的概率。
更具体的,条件概率模型的作用是,确定用户在某一天之前进行还款的概率。条件概率模型的数学表达式可为:
P(d>x|d=a);
借助于图3中的坐标轴,t为用户进入贷后管理的时刻,a为进入贷后管理的第a天,P的具体物理含义为,在用户欠款的第a天时,去判断用户在第X天还款的概率;
可例如,P(d>7|d=0)为在a=0时(进入贷后管理的当天),计算用户在第7天还款的概率;
在P(d>30|d=15)为在a=15时,计算用户在第30天还款的概率;
在a=30时,计算用户在第60天还款的概率等
通过P能实现用户贷后管理的全周期的风险考核,可在用户金融贷后管理的初期、中期、中后期、后期分别对用户的还款时间进行预测,然后给出对应的贷后管理策略。
在S210中,将所述资源归还概率和目标阈值进行比较以生成所述用户的贷后管理策略。包括:根据所述贷后管理起始时间、当前时间、贷后管理中止的期待时间由预设的所述多个阈值中确定目标阈值;将所述资源归还概率和所述目标阈值进行比较;根据比较结果生成所述贷后管理策略。不同的期待时间对应于不同的目标阈值,由多个预设阈值中提取目标阈值进行比较,以确定贷后管理策略。
根据本公开的贷后管理策略生成方法,根据贷后管理请求由多个渠道获取用户的用户行为数据,所述多个渠道包括:用户状态渠道、应用软件渠道、贷后管理渠道;由所述用户行为数据中提取贷后管理起始时间;确定贷后管理中止的期待时间;将所述用户行为数据、所述管理起始时间、所述期待时间输入条件概率模型,生成资源归还概率,所述资源归还概率用于表示所述用户在所述期待时间之前进行资源归还的概率;将所述资源归还概率和目标阈值进行比较以生成所述用户的贷后管理策略的方式,能够根据对用户的贷后管理中止的期望时间和该用户的实时行为数据,生成对应于该用户的贷后管理策略,提高贷后管理效率,节约人力物力资源。
应清楚地理解,本公开描述了如何形成和使用特定示例,但本公开的原理不限于这些示例的任何细节。相反,基于本公开公开的内容的教导,这些原理能够应用于许多其它实施例。
图4是根据另一示例性实施例示出的一种贷后管理策略生成方法的流程图。图4所示的流程40是对“根据所述多个历史用户的用户行为数据生成所述条件概率模型”的详细描述。
如图4所示,在S402中,提取具有贷后管理数据的多个历史用户。
在S404中,提取所述多个历史用户的贷后管理起始时间和实际的贷后管理中止时间。实际的贷后管理中止时间可为历史用户实际还款的时间。
在S406中,将所述多个历史用户的用户行为数据按照其对应的贷后管理起始时间和贷后管理中止时间划分为第一集合数据和第二集合数据,其中,第一集合数据为贷后管理起始时间之前的用户行为数据,第二集合数据为贷后管理起始时间之后至贷后管理中止时间之前的用户行为数据。
在S408中,将所述第一集合数据、所述第二集合数据、贷后管理起始时间和贷后管理中止时间对机器学习模型进行训练,生成所述条件概率模型。其中,机器学习模型可为支持向量机模型,决策树模型,随机森林模型等等,本公开不以此为限。
图5是根据另一示例性实施例示出的一种贷后管理策略生成方法的流程图。图5所示的流程50是对“ 根据所述多个历史用户的用户行为数据生成多个阈值”的详细描述。
如图5所示,在S502中,由所述第二集合数据中计算资源回收概率。资源回收率是衡量某一经济行为发生损失大小的一个指标,回收率越高,说明收回的资金占付出资金的比例高,损失小,回收率低则损失较大,该比值越大越好。把指标求倒数,则可以分析,全部资产用经营活动现金回收,需要的期间长短。因此,这个指标体现了企业资产回收的含义。回收期越短,说明资产获现能力越强。
在S504中,获取所述多个历史用户的贷后管理起始时间、贷后管理中止时间。
在S506中,根据各个时间段对应的所述资源回收概率生成多个阈值。可例如,设定用户在第0天至第7天期待的资源回收率为80%,则根据80%的资源回收率回推出必须进行资源回收的用户数量,根据必须进行资源回收的用户数量和全部欠款用户,反推出阈值,高于该阈值的用户需要进行较为强力的贷后管理手段,而低于该阈值的用户则可以在后续的时间中,持续监控其行为。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU 执行的计算机程序。在该计算机程序被CPU 执行时,执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中,该存储介质可以是只读存储器,磁盘或光盘等。
此外,需要注意的是,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图6是根据一示例性实施例示出的一种贷后管理策略生成装置的框图。如图6所示,贷后管理策略生成装置60包括:请求模块602,起始时间模块604,期待时间模块606,概率模块608,策略模块610。
请求模块602用于根据贷后管理请求由多个渠道获取用户的用户行为数据,所述多个渠道包括:用户状态渠道、应用软件渠道、贷后管理渠道;所述请求模块602还用于在所述用户由其他状态变更为贷后管理状态时,生成所述贷后管理请求;和/或在所述用户处于贷后管理状态中的情况下,定时生成所述贷后管理请求。
所述请求模块602还包括:软件单元,用于获取用户在预设应用软件上的操作数据,所述操作数据包括点击目标、点击时间、点击次数;根据所述操作数据生成所述用户行为数据。管理单元,用于获取用户的贷后管理状态中的语音数据、管理频率数据、资源回收数据;根据所述语音数据、所述管理频率数据、所述资源回收数据生成所述用户行为数据。
起始时间模块604用于由所述用户行为数据中提取贷后管理起始时间;
期待时间模块606用于确定贷后管理中止的期待时间;所述期待时间模块606还用于根据所述贷后管理起始时间和当前时间确定贷后管理中止的期待时间。
概率模块608用于将所述用户行为数据、所述管理起始时间、所述期待时间输入条件概率模型,生成资源归还概率,所述资源归还概率用于表示所述用户在所述期待时间之前进行资源归还的概率;
策略模块610用于将所述资源归还概率和目标阈值进行比较以生成所述用户的贷后管理策略。所述策略模块510包括:目标单元,用于根据所述贷后管理起始时间、当前时间、贷后管理中止的期待时间由预设的所述多个阈值中确定目标阈值;比较单元,用于将所述资源归还概率和所述目标阈值进行比较;策略单元,用于根据比较结果生成所述贷后管理策略。
图7是根据另一示例性实施例示出的一种贷后管理策略生成装置的框图。如图7所示,贷后管理策略生成装置70包括:模型生成模块702,阈值模块704。
模型生成模块702用于提取具有贷后管理数据的多个历史用户;根据所述多个历史用户的用户行为数据生成所述条件概率模型。所述模型生成模块702包括:提取单元,用于提取所述多个历史用户的贷后管理起始时间和实际的贷后管理中止时间;数据单元,用于将所述多个历史用户的用户行为数据按照其对应的贷后管理起始时间和贷后管理中止时间划分为第一集合数据和第二集合数据,其中,第一集合数据为贷后管理起始时间之前的用户行为数据,第二集合数据为贷后管理起始时间之后至贷后管理中止时间之前的用户行为数据;训练单元,用于将所述第一集合数据、所述第二集合数据、贷后管理起始时间和贷后管理中止时间对机器学习模型进行训练,生成所述条件概率模型。
阈值模块704用于根据所述多个历史用户的用户行为数据生成多个阈值。所述阈值模块704包括:回收单元,用于由所述第二集合数据中计算资源回收概率;阈值单元,用于根据所述多个历史用户的贷后管理起始时间、贷后管理中止时间和各个时间段对应的所述资源回收概率生成多个阈值。
根据本公开的贷后管理策略生成装置,根据贷后管理请求由多个渠道获取用户的用户行为数据,所述多个渠道包括:用户状态渠道、应用软件渠道、贷后管理渠道;由所述用户行为数据中提取贷后管理起始时间;确定贷后管理中止的期待时间;将所述用户行为数据、所述管理起始时间、所述期待时间输入条件概率模型,生成资源归还概率,所述资源归还概率用于表示所述用户在所述期待时间之前进行资源归还的概率;将所述资源归还概率和目标阈值进行比较以生成所述用户的贷后管理策略的方式,能够根据对用户的贷后管理中止的期望时间和该用户的实时行为数据,生成对应于该用户的贷后管理策略,提高贷后管理效率,节约人力物力资源。
图8是根据一示例性实施例示出的一种电子设备的框图。
下面参照图8来描述根据本公开的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于:至少一个处理单元810、至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830、显示单元840等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元810执行,使得所述处理单元810执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如,所述处理单元810可以执行如图2,图4,图5中所示的步骤。
所述存储单元820可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202,还可以进一步包括只读存储单元(ROM)8203。
所述存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204,这样的程序模块8205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备800’(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备800交互的设备通信,和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且,电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器860可以通过总线830与电子设备800的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备800使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,如图9所示,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
所述软件产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该计算机可读介质实现如下功能:根据贷后管理请求由多个渠道获取用户的用户行为数据,所述多个渠道包括:用户状态渠道、应用软件渠道、贷后管理渠道;由所述用户行为数据中提取贷后管理起始时间;确定贷后管理中止的期待时间;将所述用户行为数据、所述管理起始时间、所述期待时间输入条件概率模型,生成资源归还概率,所述资源归还概率用于表示所述用户在所述期待时间之前进行资源归还的概率;将所述资源归还概率和目标阈值进行比较以生成所述用户的贷后管理策略。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中,也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是,本公开不限于这里描述的详细结构、设置方式或实现方法;相反,本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (10)
1.一种贷后管理策略生成方法,其特征在于,包括:
根据贷后管理请求由多个渠道获取用户的用户行为数据,所述多个渠道包括:用户状态渠道、应用软件渠道、贷后管理渠道;
由所述用户行为数据中提取贷后管理起始时间;
确定贷后管理中止的期待时间;
将所述用户行为数据、所述管理起始时间、所述期待时间输入条件概率模型,生成资源归还概率,所述资源归还概率用于表示所述用户在所述期待时间之前进行资源归还的概率;
将所述资源归还概率和目标阈值进行比较以生成所述用户的贷后管理策略。
2.如权利要求1所述的方法,其特征在于,还包括:
提取具有贷后管理数据的多个历史用户;
根据所述多个历史用户的用户行为数据生成所述条件概率模型。
3.如权利要求2所述的方法,其特征在于,根据所述多个历史用户的用户行为数据生成所述条件概率模型,包括:
提取所述多个历史用户的贷后管理起始时间和实际的贷后管理中止时间;
将所述多个历史用户的用户行为数据按照其对应的贷后管理起始时间和贷后管理中止时间划分为第一集合数据和第二集合数据,其中,第一集合数据为贷后管理起始时间之前的用户行为数据,第二集合数据为贷后管理起始时间之后至贷后管理中止时间之前的用户行为数据;
将所述第一集合数据、所述第二集合数据、贷后管理起始时间和贷后管理中止时间对机器学习模型进行训练,生成所述条件概率模型。
4.如权利要求3所述的方法,其特征在于,还包括:
根据所述多个历史用户的用户行为数据生成多个阈值。
5.如权利要求4所述的方法,其特征在于,根据所述多个历史用户的用户行为数据生成多个阈值,包括:
由所述第二集合数据中计算资源回收概率;
根据所述多个历史用户的贷后管理起始时间、贷后管理中止时间和各个时间段对应的所述资源回收概率生成多个阈值。
6.如权利要求1所述的方法,其特征在于,根据贷后管理请求由多个渠道获取用户的用户行为数据,包括:
在所述用户由其他状态变更为贷后管理状态时,生成所述贷后管理请求;和/或
在所述用户处于贷后管理状态中的情况下,定时生成所述贷后管理请求。
7.如权利要求1所述的方法,其特征在于,在渠道为应用软件渠道时,由多个渠道获取用户的用户行为数据,包括:
获取用户在预设应用软件上的操作数据,所述操作数据包括点击目标、点击时间、点击次数;
根据所述操作数据生成所述用户行为数据。
8.一种贷后管理策略生成装置,其特征在于,包括:
请求模块,用于根据贷后管理请求由多个渠道获取用户的用户行为数据,所述多个渠道包括:用户状态渠道、应用软件渠道、贷后管理渠道;
起始时间模块,用于由所述用户行为数据中提取贷后管理起始时间;
期待时间模块,用于确定贷后管理中止的期待时间;
概率模块,用于将所述用户行为数据、所述管理起始时间、所述期待时间输入条件概率模型,生成资源归还概率,所述资源归还概率用于表示所述用户在所述期待时间之前进行资源归还的概率;
策略模块,用于将所述资源归还概率和目标阈值进行比较以生成所述用户的贷后管理策略。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010728534.1A CN111738846A (zh) | 2020-07-27 | 2020-07-27 | 贷后管理策略生成方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010728534.1A CN111738846A (zh) | 2020-07-27 | 2020-07-27 | 贷后管理策略生成方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111738846A true CN111738846A (zh) | 2020-10-02 |
Family
ID=72657776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010728534.1A Pending CN111738846A (zh) | 2020-07-27 | 2020-07-27 | 贷后管理策略生成方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111738846A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610535A (zh) * | 2021-07-29 | 2021-11-05 | 浙江惠瀜网络科技有限公司 | 适用于消费分期业务过程的风险监控方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8386395B1 (en) * | 2005-04-28 | 2013-02-26 | Federal Home Loan Mortgage Corporation (Freddie Mac) | Systems and methods for modifying a loan |
CN108416669A (zh) * | 2018-03-13 | 2018-08-17 | 腾讯科技(深圳)有限公司 | 用户行为数据处理方法、装置、电子设备及计算机可读介质 |
CN110909984A (zh) * | 2019-10-28 | 2020-03-24 | 苏宁金融科技(南京)有限公司 | 业务数据处理模型训练方法、业务数据处理方法及装置 |
CN111047429A (zh) * | 2019-12-05 | 2020-04-21 | 中诚信征信有限公司 | 一种概率预测方法及装置 |
CN111210332A (zh) * | 2019-12-12 | 2020-05-29 | 北京淇瑀信息科技有限公司 | 贷后管理策略生成方法、装置及电子设备 |
-
2020
- 2020-07-27 CN CN202010728534.1A patent/CN111738846A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8386395B1 (en) * | 2005-04-28 | 2013-02-26 | Federal Home Loan Mortgage Corporation (Freddie Mac) | Systems and methods for modifying a loan |
CN108416669A (zh) * | 2018-03-13 | 2018-08-17 | 腾讯科技(深圳)有限公司 | 用户行为数据处理方法、装置、电子设备及计算机可读介质 |
CN110909984A (zh) * | 2019-10-28 | 2020-03-24 | 苏宁金融科技(南京)有限公司 | 业务数据处理模型训练方法、业务数据处理方法及装置 |
CN111047429A (zh) * | 2019-12-05 | 2020-04-21 | 中诚信征信有限公司 | 一种概率预测方法及装置 |
CN111210332A (zh) * | 2019-12-12 | 2020-05-29 | 北京淇瑀信息科技有限公司 | 贷后管理策略生成方法、装置及电子设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610535A (zh) * | 2021-07-29 | 2021-11-05 | 浙江惠瀜网络科技有限公司 | 适用于消费分期业务过程的风险监控方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111145009A (zh) | 用户贷后风险评估方法、装置及电子设备 | |
CN112016796B (zh) | 综合风险评分请求处理方法、装置及电子设备 | |
CN111598494A (zh) | 资源额度的调整方法、装置及电子设备 | |
CN112529702A (zh) | 用户授信策略分配方法、装置及电子设备 | |
CN112017023A (zh) | 小微企业资源额度确定方法、装置及电子设备 | |
CN111583018A (zh) | 一种基于用户金融表现分析的授信策略管理方法、装置和电子设备 | |
CN108765134B (zh) | 订单数据处理方法及装置、电子设备、存储介质 | |
CN112017060A (zh) | 为目标用户进行资源分配的方法、装置及电子设备 | |
CN111192133A (zh) | 用户贷后风险模型生成方法、装置及电子设备 | |
CN111582314A (zh) | 目标用户确定方法、装置及电子设备 | |
CN112348460A (zh) | 协作任务的资源额度调整方法、装置及电子设备 | |
CN110348999B (zh) | 金融风险敏感用户识别方法、装置及电子设备 | |
CN110866625A (zh) | 促销指标信息生成方法和装置 | |
CN112016793A (zh) | 基于目标用户群的资源分配方法、装置及电子设备 | |
CN113610625A (zh) | 逾期风险警示方法、装置及电子设备 | |
CN111738846A (zh) | 贷后管理策略生成方法、装置及电子设备 | |
CN112016792A (zh) | 用户资源配额确定方法、装置及电子设备 | |
CN112017062A (zh) | 基于客群细分的资源额度分配方法、装置及电子设备 | |
CN114742645B (zh) | 基于多阶段时序多任务的用户安全等级识别方法及装置 | |
CN113902543A (zh) | 资源配额调整方法、装置及电子设备 | |
CN115482094A (zh) | 一种业务处理方法、装置、电子设备及计算机可读介质 | |
CN112348661B (zh) | 基于用户行为轨迹的服务策略分配方法、装置及电子设备 | |
CN111985773A (zh) | 用户资源分配策略确定方法、装置及电子设备 | |
CN114091815A (zh) | 资源请求处理方法、装置、系统及电子设备 | |
CN112017063B (zh) | 基于综合风险评分的资源分配方法、装置及电子设备 |
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 |