CN111798309A - 风控变量加工系统、方法及可读介质 - Google Patents
风控变量加工系统、方法及可读介质 Download PDFInfo
- Publication number
- CN111798309A CN111798309A CN202010712301.2A CN202010712301A CN111798309A CN 111798309 A CN111798309 A CN 111798309A CN 202010712301 A CN202010712301 A CN 202010712301A CN 111798309 A CN111798309 A CN 111798309A
- Authority
- CN
- China
- Prior art keywords
- variable
- processing
- variables
- wind control
- real
- 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
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
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- 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
- G06F16/903—Querying
- G06F16/90335—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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及金融风控技术领域,具体涉及一种风控变量加工系统、方法及可读介质,包括从外部系统向变量加工平台内同步数据的接口层,风控过程中根据实时性要求选择所述接口层包含的实时接口层或T+1批量接口层同步数据;用于数据存储的ES数据库和JenusGraph图数据库,选择时基于常规的衍生变量加工和关联网络的变量加工进行判断使用;当外部系统进行衍生变量查询时实现所有的变量计算的变量加工处理模块。本发明极大的降低了风控变量指标的加工错误所带来的风险,基于本发明的系统和方法实施完成一个项目后,在实施第二个项目时,可以缩短了开发周期约2/3。通过本系统平台,将有效改善项目实施效率,从时间和人力成本上都有大幅度的降低。
Description
技术领域
本发明涉及金融风控技术领域,具体涉及一种风控变量加工系统、方法及可读介质。
背景技术
风控变量的加工,在银行或信贷机构的风控项目实施过程中是一项非常重要的工作,风控变量主要用于在风控决策引擎中部署相关风险策略,风控变量值的加工计算涉及到多种数据来源,而且对于不同的数据来源进行变量加工的方法又有所不同。例如:有些风控变量的原始数据来源于贷款申请的App或小程序,有些则来自于信贷审批业务系统,有些又来自于行内风险名单。对于风控变量的加工,当前在市面上没有针对业务风控变量或变量标签管理相关的标准平台或工具。一些金融机构的常规做法就是基于数据库上进行加工,通过编写SQL语句的方式来计算风控变量。
常规的风控变量加工的方法,都是在各金融机构基于项目临时提出所需要的变量,开发人员临时根据具体的项目需求进行开发,对于变量的加工逻辑定义没有统一的标准,都是依据风险人员在项目中临时提出的需求进行开发和测试。
另外,对于本机构内的变量,没有进行统一的管理和分类,也没有统一的变量元数据管理功能,这也导致后期的运维工作无据可循。
衍生变量的加工计算,因为涉及到多个不同渠道的数据来源,如:有的来自App、小程序、H5页面、消金系统、行内风险名单库、信贷核心数据等,有些机构的变量加工对于不同的变量加工甚至散落到不同的子系统中,另外,基于关系型数据库进行变量加工的方法,当历史的数据量逐渐增大时,性能也会逐渐下降。
对于风险常用的衍生变量,一般的风险变量,加工的逻辑都是存在于程序代码中,对于业务人员不可见,业务人员在测试时只能采用黑盒测试的方式进行。测试时,需要一边比对库中原始数据,一边验证衍生变量的加工结果是否正确,同时,还需要辅助造大量的模拟数据才能达到满意的测试覆盖度,测试成本非常高昂。
发明内容
针对现有技术的不足,本发明公开了一种风控变量加工系统、方法及可读介质,目的在于提供一套完整的风控变量加工的系统设计和方法,利用元数据管理思路来实现风控变量的统一标准的定义,对所有变量进行分类和管理。同时,采用一种变量标签模板的方式,可以选择模板来配置变量的加工逻辑,让变量的加工逻辑可视化,风险业务人员可以直接查看或修改变量加工逻辑,并将离线变量标签和实时变量标签合并以服务的方式提供服务,让变量加工的测试工作也变得更加高效。
本发明通过以下技术方案予以实现:
第一方面,本发明公开了一种风控变量加工系统,其特征在于,包括:
从外部系统向变量加工平台内同步数据的接口层,风控过程中根据实时性要求选择所述接口层包含的实时接口层或T+1批量接口层同步数据;
用于数据存储的ES数据库和JenusGraph图数据库,选择时基于常规的衍生变量加工和关联网络的变量加工进行判断使用;
当外部系统进行衍生变量查询时实现所有的变量计算的变量加工处理模块。
更进一步的,选择接口层时,对于风控过程中实时性要求高的衍生变量,通过实时接口层进行同步数据,将网贷系统、申请进件渠道、决策系统与授信或提现申请相关的业务数据同步到变量加工平台的数据库中;
对于实时性要求不高的业务数据,通过T+1批量接口层将数据导入到库中。
更进一步的,选择数据存储时,对于常规的衍生变量加工,采用ES非关系型数据库进行数据存储和检索;
对于涉及到关联网络的变量加工,将原始变量的相关源数据存储在了JenusGraph的图数据库中。
更进一步的,所述加工系统对于常规衍生变量计算时,基于ES库来进行计算,通过ES Java Client来实现变量的检索和加工计算。
更进一步的,所述加工系统对于涉及到关联网络的组网衍生变量计算时,将组网所需要的原始变量存储到图数据库中进行自动组网,并在图数据库之上进行关联网络的变量衍生计算。
更进一步的,所述加工系统将变量计算归类成模板,形成整套风控变量加工模板,并通过执行模板解释器方式计算配置的衍生变量,基于ES计算实时变量标签和非实时变量标签,计算完成并将标签组合存储于到ElasticSearch中,利用kibana可视化展示用户的变量标签。
第二方面,本发明提供一种风控变量加工方法,所述加工方法运行时执行第一方面所述的风控变量加工系统,所述加工方法首先在决策变量集中,根据业务定义不同的变量模块、变量分类、变量的主题命名和命名前缀;
在大的模块划分申请信息、行内信息、审批信息和反欺诈信息大类,并在每个大类中分成了多个小类;
对于每个变量定义了每个变量的所属主题、变量加工方式、变量英文名、中文名、加工逻辑、字段类型、长度或最大长度、字段的默认值以及字典码表。
更进一步的,所述加工方法对于常规衍生变量的加工时,采用模板配置的方式来配置各个衍生指标变量的加工,经过梳理衍生变量的特点,针对不同的加工方式,均通过模板来配置各个衍生指标变量的加工逻辑,通过执行模板上配置的逻辑来执行计算特征变量。
更进一步的,所述加工方法对离线和实时计算后合并成用户特征变量存储到ES中,以查询API形式对外提供服务,其基于风控变量加工模板,通过执行模板解释器方式计算配置的衍生变量,基于ES计算实时变量标签和非实时变量标签,计算完成并将标签组合存储于到ElasticSearch中,提供变量加工接口服务,利用kibana可视化展示用户的变量标签。
第三方面,本发明公开一种可读介质,包括处理器以及存储有执行指令的存储器,当所述处理器执行所述存储器存储的所述执行指令时,所述处理器硬件执行第二方面所述的风控变量加工方法。
本发明的有益效果为:
1、本发明在实际项目中的应用,以前端页面的形式选择模板计算的形式,极大的降低了风控变量指标的加工错误所带来的风险,基于本发明的系统和方法实施完成一个项目后,在实施第二个项目时,可以缩短了开发周期约2/3。通过本系统平台,将有效改善项目实施效率,从时间和人力成本上都有大幅度的降低。
2、利用本发明开发风控变量,在性能方面,获取所有的衍生变量结果的接口响应时间要比采用传统数据库的方式加工的时间要少50%以上。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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的前提下,还可以根据这些附图获得其他的附图。
图1是一种风控变量加工系统的变量加工与获取架构图;
图2是本发明实施例模板配置的变量模块解释器图;
图3是本发明实施例变量集及变量分类图;
图4是本发明实施例变量定义图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
实施例1
本实施例公开一种风控变量加工系统(参见图1),包括:从外部系统向变量加工平台内同步数据的接口层,风控过程中根据实时性要求选择所述接口层包含的实时接口层或T+1批量接口层同步数据;
用于数据存储的ES数据库和JenusGraph图数据库,选择时基于常规的衍生变量加工和关联网络的变量加工进行判断使用;
当外部系统进行衍生变量查询时实现所有的变量计算的变量加工处理模块。
选择接口层时,对于风控过程中实时性要求高的衍生变量,通过实时接口层进行同步数据,将网贷系统、申请进件渠道、决策系统与授信或提现申请相关的业务数据同步到变量加工平台的数据库中;
对于实时性要求不高的业务数据,通过T+1批量接口层将数据导入到库中。
选择数据存储时,对于常规的衍生变量加工,采用ES非关系型数据库进行数据存储和检索;
对于涉及到关联网络的变量加工,将原始变量的相关源数据存储在了JenusGraph的图数据库中。
所述加工系统对于常规衍生变量计算时,基于ES库来进行计算,通过ES JavaClient来实现变量的检索和加工计算。
所述加工系统对于涉及到关联网络的组网衍生变量计算时,将组网所需要的原始变量存储到图数据库中进行自动组网,并在图数据库之上进行关联网络的变量衍生计算。
所述加工系统将变量计算归类成模板,形成整套风控变量加工模板,并通过执行模板解释器方式计算配置的衍生变量,基于ES计算实时变量标签和非实时变量标签,计算完成并将标签组合存储于到ElasticSearch中,利用kibana可视化展示用户的变量标签。
本实施例基于ES库来进行数据的存储和变量加工,能有效的提高变量加工的效率,当数据量增长比较快时,数量达到一定程度后,比如系统数据量上到亿级,传统的关系型数据库的I/O性能就难以满足业务需要了,用ES进行变量加工依旧可以保持非常低的延迟。
基于图数据库的变量加工,解决了组网变量加工的问题,在图库中,将申请件基于组网节点间的共性,自动建立关联网络,生成具有关联关系的网络衍生变量。
将衍生变量的加工计算,采用模板配置的方式实现,可以在页面上直接看到衍生变量的加工逻辑,方便业务人员了解和测试衍生变量。另外,将变量加工的逻辑配置在模板中,模板可以长期保存下来,对于项目的长期运维和调整也带来很多便利。
实施例2
本实施例中,如图3所示首先定义了一套标准的风险决策变量集,这些变量集都是在银行风控项目中决策系统中常用的风险变量。在决策变量集中,根据业务定义了不同的变量模块、变量分类、变量的主题命名、命名前缀等。在大的模块划分上,分为申请信息、行内信息、审批信息、反欺诈信息几个大类,在每个大类中,又分成了多个小类,比如在申请信息中,又包括:申请表单信息、表单衍生信息、产品属性等。
如图4所示,对于每一个变量,都定义了每个变量的所属主题、变量加工方式、变量英文名、中文名、加工逻辑、字段类型、长度或最大长度、字段的默认值以及字典码表,可以参见图2的示例,在决策变量集中,我们共定义了600多个标准的风险常用变量。
本实施例通过采用元数据管理的方式,来统一定义变量库和每一个变量的标准定义。在各个项目中可以从统一的变量库中选取所需要的变量直接使用。
实施例3
本实施例公开变量加工系统的构成,如图1所示,主要包括三个部分内容:
1.从外部系统向变量加工平台内同步数据的接口层,包含了实时接口层和T+1批量接口层。对于风控过程中实时性要求比较高的衍生变量,须通过实时接口层进行同步数据,将网贷系统、申请进件渠道、决策系统与授信或提现申请相关的业务数据同步到变量加工平台的数据库中。对于实时性要求不高的业务数据,如客户信息、账户信息等,通过T+1批量接口层将数据导入到库中。
2.对于数据的存储,采用了ES数据库和JenusGraph图数据库结合使用。对于常规的衍生变量加工,采用ES(ElasticSearch)非关系型数据库进行数据存储和检索,因为ES是一个接近实时的搜索平台,从索引文档到这个文档能够被搜索到只有一个轻微的延迟,能够保证在数据量不断增长的场景下,变量加工计算的低延迟性。对于涉及到关联网络的变量加工,将原始变量的相关源数据存储在了JenusGraph的图数据库中。
3.当外部系统进行衍生变量查询时,主要由变量加工处理模块来实现所有的变量计算。对于常规衍生变量计算,主要是基于ES库来进行计算,通过ES Java Client来实现变量的检索和加工计算。对于涉及到关联网络的组网衍生变量,需要将组网所需要的原始变量(如:申请号、地址、电话等)存储到图数据库中进行自动组网,并在图数据库之上进行关联网络的变量衍生计算。
本实施例采用一种变量标签模板的方式,可以选择模板来配置变量的加工逻辑,让变量的加工逻辑可视化,风险业务人员可以直接查看或修改变量加工逻辑,并将离线变量标签和实时变量标签合并以服务的方式提供服务,让变量加工的测试工作也变得更加高效。同时,采用这套完整的风控变量加工的系统设计,可以提高变量加工在多个项目中的复用性,提高项目的实施投产效率。
实施例4
本实施例中,对于常规衍生变量的加工(例如:近7天内同一设备申请客户数、近X天内同一居住地址申请客户数),采用模板配置的方式来配置各个衍生指标变量的加工。经过梳理衍生变量的特点,针对不同的加工方式,都通过模板来配置各个衍生指标变量的加工逻辑,通过执行模板上配置的逻辑来执行计算特征变量。离线和实时计算后合并成用户特征变量存储到ES中,以查询API形式对外提供服务,具体接口及内部设计参考图2。
系统将变量计算归类成几个模板,形成一整套风控变量加工模板,通过执行模板解释器方式计算配置的衍生变量,基于ES计算实时变量标签和非实时变量标签,计算完成并将标签组合存储于到ElasticSearch中,提供变量加工接口服务,利用kibana可视化展示用户的变量标签。
实施例5
本实施例公开一种可读介质,包括处理器以及存储有执行指令的存储器,当所述处理器执行所述存储器存储的所述执行指令时,所述处理器硬件执行风控变量加工方法。
综上所述本发明通过采用元数据管理的方式,来统一定义变量库和每一个变量的标准定义。在各个项目中可以从统一的变量库中选取所需要的变量直接使用。
基于ES库来进行数据的存储和变量加工,能有效的提高变量加工的效率,当数据量增长比较快时,数量达到一定程度后,比如系统数据量上到亿级,传统的关系型数据库的I/O性能就难以满足业务需要了,用ES进行变量加工依旧可以保持非常低的延迟。
基于图数据库的变量加工,解决了组网变量加工的问题,在图库中,将申请件基于组网节点间的共性,自动建立关联网络,生成具有关联关系的网络衍生变量。
将衍生变量的加工计算,采用模板配置的方式实现,可以在页面上直接看到衍生变量的加工逻辑,方便业务人员了解和测试衍生变量。另外,将变量加工的逻辑配置在模板中,模板可以长期保存下来,对于项目的长期运维和调整也带来很多便利。
以上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。
Claims (10)
1.一种风控变量加工系统,其特征在于,包括:
从外部系统向变量加工平台内同步数据的接口层,风控过程中根据实时性要求选择所述接口层包含的实时接口层或T+1批量接口层同步数据;
用于数据存储的ES数据库和JenusGraph图数据库,选择时基于常规的衍生变量加工和关联网络的变量加工进行判断使用;
当外部系统进行衍生变量查询时实现所有的变量计算的变量加工处理模块。
2.根据权利要求1所述的风控变量加工系统,其特征在于,选择接口层时,对于风控过程中实时性要求高的衍生变量,通过实时接口层进行同步数据,将网贷系统、申请进件渠道、决策系统与授信或提现申请相关的业务数据同步到变量加工平台的数据库中;
对于实时性要求不高的业务数据,通过T+1批量接口层将数据导入到库中。
3.根据权利要求1所述的风控变量加工系统,其特征在于,选择数据存储时,对于常规的衍生变量加工,采用ES非关系型数据库进行数据存储和检索;
对于涉及到关联网络的变量加工,将原始变量的相关源数据存储在了JenusGraph的图数据库中。
4.根据权利要求1所述的风控变量加工系统,其特征在于,所述加工系统对于常规衍生变量计算时,基于ES库来进行计算,通过ES Java Client来实现变量的检索和加工计算。
5.根据权利要求1所述的风控变量加工系统,其特征在于,所述加工系统对于涉及到关联网络的组网衍生变量计算时,将组网所需要的原始变量存储到图数据库中进行自动组网,并在图数据库之上进行关联网络的变量衍生计算。
6.根据权利要求1所述的风控变量加工系统,其特征在于,所述加工系统将变量计算配置归类成模板,形成整套风控变量加工配置模板,并通过执行模板解释器方式计算配置的衍生变量,基于ES计算实时变量标签和非实时变量标签,计算完成并将标签组合存储于到ElasticSearch中,利用kibana可视化展示用户的变量标签。
7.一种风控变量加工方法,所述加工方法运行时执行如权利要求1-6任一项所述的风控变量加工系统,其特征在于,所述加工方法首先在决策变量集中,根据业务定义不同的变量模块、变量分类、变量的主题命名和命名前缀;
在大的模块划分申请信息、行内信息、审批信息和反欺诈信息大类,并在每个大类中分成了多个小类;
对于每个变量定义了每个变量的所属主题、变量加工方式、变量英文名、中文名、加工逻辑、字段类型、长度或最大长度、字段的默认值以及字典码表。
8.根据权利要求7所述的风控变量加工方法,其特征在于,所述加工方法对于常规衍生变量的加工时,采用模板配置的方式来配置各个衍生指标变量的加工,经过梳理衍生变量的特点,针对不同的加工方式,均通过模板来配置各个衍生指标变量的加工逻辑,通过执行模板上配置的逻辑来执行计算特征变量。
9.根据权利要求7所述的风控变量加工方法,其特征在于,所述加工方法对离线和实时计算后合并成用户特征变量存储到ES中,以查询API形式对外提供服务,其基于风控变量加工模板,通过执行模板解释器方式计算配置的衍生变量,基于ES计算实时变量标签和非实时变量标签,计算完成并将标签组合存储于到ElasticSearch中,提供变量加工接口服务,利用kibana可视化展示用户的变量标签。
10.一种可读介质,包括处理器以及存储有执行指令的存储器,当所述处理器执行所述存储器存储的所述执行指令时,所述处理器硬件执行如权利要求7至9中任一所述的风控变量加工方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010712301.2A CN111798309B (zh) | 2020-07-22 | 2020-07-22 | 风控变量加工系统、方法及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010712301.2A CN111798309B (zh) | 2020-07-22 | 2020-07-22 | 风控变量加工系统、方法及可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111798309A true CN111798309A (zh) | 2020-10-20 |
CN111798309B CN111798309B (zh) | 2021-08-17 |
Family
ID=72828671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010712301.2A Active CN111798309B (zh) | 2020-07-22 | 2020-07-22 | 风控变量加工系统、方法及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111798309B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113485694A (zh) * | 2021-07-06 | 2021-10-08 | 算话信息科技(上海)有限公司 | 一种算法的变量数据智能中台系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017128999A1 (zh) * | 2016-01-27 | 2017-08-03 | 阿里巴巴集团控股有限公司 | 一种风险控制方法和设备 |
CN109656914A (zh) * | 2018-11-07 | 2019-04-19 | 上海前隆信息科技有限公司 | 线上线下混合的风控建模训练和生产发布方法及系统 |
CN110827032A (zh) * | 2019-09-26 | 2020-02-21 | 支付宝(杭州)信息技术有限公司 | 智能风控决策方法及系统、业务处理方法及系统 |
CN111127196A (zh) * | 2019-12-31 | 2020-05-08 | 中信百信银行股份有限公司 | 信贷风控特征变量管理的方法及系统 |
CN111240648A (zh) * | 2020-01-20 | 2020-06-05 | 重庆富民银行股份有限公司 | 用于变量的智能管理系统及方法 |
-
2020
- 2020-07-22 CN CN202010712301.2A patent/CN111798309B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017128999A1 (zh) * | 2016-01-27 | 2017-08-03 | 阿里巴巴集团控股有限公司 | 一种风险控制方法和设备 |
CN109656914A (zh) * | 2018-11-07 | 2019-04-19 | 上海前隆信息科技有限公司 | 线上线下混合的风控建模训练和生产发布方法及系统 |
CN110827032A (zh) * | 2019-09-26 | 2020-02-21 | 支付宝(杭州)信息技术有限公司 | 智能风控决策方法及系统、业务处理方法及系统 |
CN111127196A (zh) * | 2019-12-31 | 2020-05-08 | 中信百信银行股份有限公司 | 信贷风控特征变量管理的方法及系统 |
CN111240648A (zh) * | 2020-01-20 | 2020-06-05 | 重庆富民银行股份有限公司 | 用于变量的智能管理系统及方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113485694A (zh) * | 2021-07-06 | 2021-10-08 | 算话信息科技(上海)有限公司 | 一种算法的变量数据智能中台系统 |
CN113485694B (zh) * | 2021-07-06 | 2023-04-28 | 算话信息科技(上海)有限公司 | 一种算法的变量数据智能中台系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111798309B (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110489445B (zh) | 一种基于多形态复合的海量数据快速查询方法 | |
US8196126B2 (en) | Methods and systems for dynamically generating and optimizing code for business rules | |
CN109558440A (zh) | 数据批量处理方法、装置、计算机设备及存储介质 | |
CN109543925A (zh) | 基于机器学习的风险预测方法、装置、计算机设备和存储介质 | |
US10324710B2 (en) | Indicating a trait of a continuous delivery pipeline | |
CN105183735A (zh) | 数据的查询方法及查询装置 | |
CN103514223A (zh) | 一种数据仓库数据同步方法和系统 | |
EP2530608A1 (en) | Semantic terminology importer | |
CN111382182A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN116308824A (zh) | 基于知识图谱的团伙欺诈风险识别方法及相关设备 | |
US11789940B2 (en) | Natural language interface to databases | |
CN111382155A (zh) | 一种数据仓库的数据处理方法、电子设备及介质 | |
CN111798309B (zh) | 风控变量加工系统、方法及可读介质 | |
US20210224262A1 (en) | System and method for management system data aggregation and transformation using client-specific criteria | |
CN113535766A (zh) | 作业流配置方法、装置、电子装置及存储介质 | |
CN109669951A (zh) | 对象查询方法、装置、计算机设备和存储介质 | |
US20240127379A1 (en) | Generating actionable information from documents | |
CN115543428A (zh) | 一种基于策略模板的模拟数据生成方法和装置 | |
US11775757B2 (en) | Automated machine-learning dataset preparation | |
CN114691882A (zh) | 多源数据实时计算方法、装置、存储介质和设备 | |
CN113868138A (zh) | 测试数据的获取方法、系统、设备及存储介质 | |
CN113868141A (zh) | 数据测试方法、装置、电子设备及存储介质 | |
Wang et al. | An intelligent DevOps platform research and design based on machine learning | |
CN116414707A (zh) | 基于api接口文档的测试数据执行方法、装置、设备、介质和产品 | |
US11977997B1 (en) | Tagging systems and methods for efficient cloud service provisioning |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |