CN111815439A - 一种基于云平台的信用评分系统 - Google Patents

Abstract

本发明提供了一种基于云平台的信用评分系统。客户系统：用于获取申请人的评分请求，确定申请人的个人标识信息，并将所述个人标识信息发送至大数据云平台进行计算和判断，接受所述大数据云平台返回的信用评分和原因码；数据源：用于提供所述申请人的交易数据；大数据云平台：用于接收所述个人标识信息，并控制部署在所述数据源的决策树和评分模型进行决策评分，确定申请人的信用评分和原因码。本发明的有益效果在于：本发明能够帮助信贷机构获得一个高精准度、高覆盖的风险评分，评分预测力非常强大，对信贷机构的风险管理、扩大业务、尤其对无征信、薄征信、短征信人群做到普惠金融起到重要作用。

Description

一种基于云平台的信用评分系统

技术领域

本发明涉及大数据数据处理技术领域，特别涉及一种基于云平台的信用评分系统。

背景技术

目前，为确保金融系统实现生存、发展、与获利的目标，必须建立一套科学、有效的风险管理体系。随着风险管理理论和风险管理技术地不断发展与普及，很多银行及其他金融机构建立了相应的风险管理体系。但相当多的金融机构风险管理体系注重对自身数据的归纳、分析和应用，同时获取央行征信系统的帮助。我们都知道，央行的征信系统是有着全国所有银行的征信数据，但是仅能覆盖到3亿左右的信贷人群。

而中国人行之外的征信机构成立时间短，其信息割裂的现象非常严重。有的机构信息着重某个地区的个人信息，有的机构信息着重线上的个人信息。并且机构与机构之间，对于信息的共享非常谨慎，甚至存在敌视。这导致大范围内的数据获取存在障碍，数据获取的成本非常高。

因为市场上各类融资渠道业务成长和银行本身的数据缺乏，这要求一个基于高质量、高覆盖面的信用评分的风险管理办法才能够帮助银行等金融机构信贷业务健康发展。

因此需要一个大数据云平台作为一个大数据枢纽，它联结各大金融机构的宝贵数据，覆盖了中国8亿信贷人群。基于这些宝贵数据所建立的规则和模型部署在决策引擎上，最终将其放置在云端。

平台使用方只需要提供贷款申请人的个人基本信息，大数据云平台将立即从通过各大数据提供商的数据服务获得相关数据，然后通过云平台上的规则和模型计算出申请人的信用、收入等评分和决策建议立即返回给平台使用方。

在上述过程中，所有贷款申请人相关的数据(包括提交的个人信息、从大数据提供商中获得的数据、计算的中间变量)都不做落地保存。也就是说大数据云平台不会保存信贷机构和第三方数据提供商的任何数据。

使用方每单查询的使用费按照一定比例，由云平台偿付给数据提供商。

随着客户对于业务服务质量的要求不断提高，原有的系统功能无法满足日益复杂的实时监控需求，需要在此基础上实现独立的监控中心及消息中心，以支撑业务量的高并发增长和客户的实时性需求。

发明内容

本发明提供一种基于云平台的信用评分系统，用以解决市场上各类融资渠道业务成长和银行本身的数据缺乏的情况。

一种基于云平台的信用评分系统，其特征在于，包括：

客户系统：用于获取申请人的评分请求，确定申请人的个人标识信息，并将所述个人标识信息发送至大数据云平台进行计算和判断，接受所述大数据云平台返回的信用评分和原因码；

数据源：用于提供所述申请人的交易数据；

大数据云平台：用于接收所述个人标识信息，并控制部署在所述数据源的决策树和评分模型进行决策评分，确定申请人的信用评分和原因码。

作为本发明的一种实施例，所述客户系统包括：

客户管理模块：用于对客户进行管理，接收客户请求；其中，

所述客户至少包括银行、小贷公司、互联网金融公司；

评分请求模块：用于调取所述客户管理模块的客户请求，确定客户的请求需求和申请人，生成个人标识信息；其中，

所述个人标识信息包括证件号码、手机号；

对接模块：用于与所述大数据云平台连接，并将所述个人标识信息发送至大数据云平台；

反馈模块：用于接收所述大数据云平台返回的信用评分和原因码，并发送至申请人。

作为本发明的一种实施例，所述大数据平台包括：

消息中心：用于接收所述个人标识信息，确定第一匹配键，并根据匹配键，启动评分服务；

监控中心：用于在启动评分服务时，监控评分服务的过程，生成监控服务数据；

大数据评分模块：用于根据所述匹配键，在所述数据源中进行数据匹配，确定申请人在各数据源的子评分，并通过决策树和评分模型对所述子评分进行综合建模，得到申请人的信用评分和原因码；其中，

所述信用评分包括标准分、信用分、收入分和欺诈分；

所述原因码和所述信用评分相对应；

管理中心：用于根据所述个人标识信息，生成服务编码，根据所述服务编码，在所述评分服务的过程，通过调用数据接口和线程，确定所述数据源中的交易数据。

作为本发明的一种实施例，所述大数据评分模块还包括：

决策树：用于对所述子评分进行进行逻辑判断，并进行逻辑划分；

决策表：用于根据所述决策树的逻辑划分，调节贷款状况；

规则计算：用于根据所述逻辑划分，确定决策过程中的衍生指标，并确定评分模型的计算公式；

评分模型：用于将所述子评分代入所述评分模型的计算公式，确定定申请人的信用评分。

作为本发明的一种实施例，所述评分模型通过以下步骤确定申请人的信用评分，包括：

步骤1：根据所述交易数据，确定交易的增益参数；

其中，所述ξ表示交易复杂度；所述n表示特征数；所述A_i表示第i个在申请交易数据的特征参数；所述B_i表示第i个已交易数据的特征参数；所述C_i表示第i个催收交易数据的特征参数；所述A表示申请交易数据的参数阀值；所述B表示已交易数据的参数阀值；所述C表示催收交易数据的参数阀值；所述β_A表示在申请交易数据的相关系数；所述β_B表示已交易数据的相关系数；所述β_C表示催收交易数据的相关系数；所述i＝1,2,3,……n；

步骤2：获取所述交易数据，确定交易的熵；

S_A＝-∑f_A-log₂(f_A)；

S_B＝-∑f_B-log₂(f_B)；

S_C＝-∑f_C-log₂(f_C)；

其中，所述S_A表示在申请交易数据的熵；所述f_A表示在申请交易数据在所述交易数据中的占比；

所述S_B表示在已交易数据的熵；所述f_B表示已交易数据在所述交易数据中的占比；

所述S_C表示催收交易数据的熵；所述f_C表示催收交易数据在所述交易数据中的占比；

步骤3：根据所述增益参数和熵，确定申请人的熵增益F：

步骤4：将所述熵增益，代入预设的信用评分转化公式，得到信用分X:

X＝(1-F)

其中，当X＜1时，表示所述申请人信用评分为负，已进入黑名单；

当X≥1时，表示所述申请人信用评分为正，没有进入黑名单。

作为本发明的一种实施例，所述大数据平台还包括：

评分服务器接口：用于基于基于Apache的Axis来产生Axis的网络服务，通过HTTP/SOAP协议来传递数据；

接口管理模块：用于在具有多个不同的服务业务时，根据所述多个不同的服务业务的服务代码，控制所述多个不同的服务业务对接多个不同的模块；

数据结构模块：用于将大数据平台在服务过程中产生的网络数据转换为XML形式进行编码，生成服务编码；其中，

所述网络数据的服务业务不同时，具有不同的服务编码；

所述服务编码包括黑名单服务编码和信用评分编码；

加密模块：用于根据申请人个人标识信息，在进行评分服务时，为所述申请人分配访问密码和密钥；

Mysql数据库：用于储存所述数据源的数据。

作为本发明的一种实施例，所述接口管理模块包括：

评分异常单元：用于获取评分状况中的异常情况，并根据所述异常情况，控制所述大数据平台进行重新评分；其中，

所述异常情况包括：无法评分、评分异常、运行错误、评分服务未就绪、评分服务满负载。

作为本发明的一种实施例，所述数据源包括：

黑名单数据模块：用于获取用户的黑名单数据；

电信消费数据模块：用于获取申请人的电信消费数据；

金融消费数据机构：：用于获取申请人的金融消费数据；

流程编排配置模块：用于通过XML文件转换功能，获取客户系统中申请人的评分请求，并确定第二匹配键；

数据处理模块：用于通过所述流程编排配置模块的第二匹配键，提取所述黑名单数据模块、电信消费数据模块和金融消费数据机构的申请人数据，并将所述申请人数据通过数据加工、合理性验证和言珩变量处理，确定交易数据，得到子评分和信用码；其中，

所述交易数据包括：在申请贷款交易、已贷款交易和催收贷款交易。

作为本发明的一种实施例，所述数据源模块还包括：

日志模块：用于在所述大数据平台调用所述数据源内的交易数据时，生成调用日志；

所述调用日志包括：申请人评分编号、申请人请求时间、申请人成功标志、数据源返回状态编码和数据源执行时间。

作为本发明的一种实施例，所述大数据云平台控制部署在所述数据源的决策树和评分模型进行决策评分，还包括以下步骤：

步骤10：创建https连接池，信任来自服务器的证书；

步骤20：根据所述服务器的证书，获得信贷请求数据，结合分配的clientID和password组装xml报文；

步骤21：创建http post，放入xml报文；

步骤22：使用所述https连接池调用http post；

步骤23：读取http response数据，解析所述http response数据中的xml报文，确定信用评分；其中，

当所述信用评分为有效评分，则提取xml报文中的score和reason数据；

当所述信用评分无法评分时，则表示数据源故障。

本发明的有益效果在于，对于信贷机构来说：本发明能够帮助信贷机构获得一个高精准度、高覆盖的风险评分，评分预测力非常强大，对信贷机构的风险管理、扩大业务、尤其对无征信、薄征信、短征信人群做到普惠金融起到重要作用。帮助信贷机构获得了实时评分，使得自动化审批(秒批)成为可能。这也能增加客户体验，扩大业务规模。有效帮助信贷机构成功实现不买卖、传输、交互、应用任何客户个人信息、或者任何数据信息，完全合法合规。帮助信贷机构减少接入多家数据源的运营压力，把有限的资源用在发展业务，而非做数据源管理、运营、大量底层原始数据的清理、数据源整合等等系列重资产的多种工作。对于数据源的供应结构来说：完美保护数据源永久性拥有其核心竞争力。他们任何的数据都不出厂、不被任何平台存储、不能被重复使用。帮助数据源不再通过买卖数据、输出原始变量数据、个人信息等来获得利润。而是通过加密后不可识别特定个人且不可复原的方式、通过对数据的洞察力(评分)而判断风险，开发及实现数据价值，完全合法合规。对于消费者，即申请人来说：完全消除了消费者数据安全隐患，所有匹配是MD5加密不可逆不可识别的，同时支持SHA256加密，没有任何消费者的信息能够输出，单一匹配键匹配也避免数据供应商将消费者手机及身份证信息留存下来。对于无征信、薄征信、短征信的消费者，能帮助他们的信贷需求得到更大的得以满足的可能，促进金融机构与消费者之间的金融包容、金融公平及金融创新。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于云平台的信用评分系统的系统组成图；

图2为本发明实施例中一种基于云平台的信用评分系统的机构组成图；

图3为本发明实施例中一种基于云平台的信用评分系统的组件示意图；

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1：

如附图1所示，本发明的一种基于云平台的信用评分系统包括：

客户系统：用于获取申请人的评分请求，确定申请人的个人标识信息，并将所述个人标识信息发送至大数据云平台进行计算和判断，接受所述大数据云平台返回的信用评分和原因码；客户系统是申请人发出请求申请的平台，申请人所有的交易数据都需要通过客户系统的申请才能获取，客户系统的平台具有客户的全权授权。

数据源：用于提供所述申请人的交易数据；数据源包含黑名单数据提供机构、电信消费数据提供机构、金融消费数据提供机构和其他数据提供机构，数据源的提供机构是申请人进行消交易的机构，因此包含申请人所有的交易信息。

大数据云平台：用于接收所述个人标识信息，并控制部署在所述数据源的决策树和评分模型进行决策评分，确定申请人的信用评分和原因码。大数据云平台的服务业务运行在具有安全数据传输协议的Internet环境中，本发明的数据合作伙伴根据数据服务合同返回申请人的特征数据，评分服务聚合所有数据，计算特征变量，计算分数和其它返回结果。它利用BlazeAdvisor进行模型/规则部署。在评分服务的过程中，会生成监控服务数据(并发量、错误数、慢查询等)发送到监控中心，监控中心根据监控规则进行告警，并生成系统报告，通过消息中心完成邮件、短信、呼叫等告警功能，监控中心还可以对业务系统进行设置，完成系统的动态业务能力配置，最后把结果发回给用户。

在一个实施例中本发明还能通过：黑名单的查询、身份核实、失联信息查找和一人多贷查询；

在一个黑名单查询实施例中：根据平台使用方提供的申请人标识信息，包括姓名、身份证号、手机号其中一种或多种的组合，由云平台通过数据合作伙伴进行黑名单的查询，返回是否命中黑名单的查询结果。云平台连接的黑名单都是曾经处于M3及M3以上逾期的信贷黑名单。提供多达900万的黑名单查询，其中包括小贷行业600万黑名单。该名单未来会随着合作伙伴的进一步扩充而增加。

在一个身份核实实施例中：为身份欺诈提供验证。可核实申请人所提供的姓名，身份证，手机，银行卡的一致性。

在一个失联信息查找实施例中：

根据平台使用方提供的申请人QQ、手机号和Email信息，由云平台交叉搜索各类社交信息和数据提供方信息，根据失联时的信息，查找新的联系方式；

在一个一人多贷实施例中：

通过申请人的个人标识信息，姓名、证件号可以查找在小贷领域是否存在一人多贷的情况，平台上有丰富的小贷领域信息资源。

本发明的有益效果在于，对于信贷机构来说：本发明能够帮助信贷机构获得一个高精准度、高覆盖的风险评分，评分预测力非常强大，对信贷机构的风险管理、扩大业务、尤其对无征信、薄征信、短征信人群做到普惠金融起到重要作用。帮助信贷机构获得了实时评分，使得自动化审批(秒批)成为可能。这也能增加客户体验，扩大业务规模。有效帮助信贷机构成功实现不买卖、传输、交互、应用任何客户个人信息、或者任何数据信息，完全合法合规。帮助信贷机构减少接入多家数据源的运营压力，把有限的资源用在发展业务，而非做数据源管理、运营、大量底层原始数据的清理、数据源整合等等系列重资产的多种工作。对于数据源的供应结构来说：完美保护数据源永久性拥有其核心竞争力。他们任何的数据都不出厂、不被任何平台存储、不能被重复使用。帮助数据源不再通过买卖数据、输出原始变量数据、个人信息等来获得利润。而是通过加密后不可识别特定个人且不可复原的方式、通过对数据的洞察力(评分)而判断风险，开发及实现数据价值，完全合法合规。对于消费者，即申请人来说：完全消除了消费者数据安全隐患，所有匹配是MD5不可逆不可识别的，没有任何消费者的信息得到了输出。单一匹配键匹配也避免数据供应商将消费者手机及身份证信息留存下来。对于无征信、薄征信、短征信的消费者，能帮助他们的信贷需求得到更大的得以满足的可能，促进金融机构与消费者之间的金融包容、金融公平及金融创新。

实施例2：

作为本发明的一种实施例，如附图2和附图3所示，所述客户系统包括：

客户管理模块：用于对客户进行管理，接收客户请求；其中，

所述客户至少包括银行、小贷公司、互联网金融公司；本发明的申请热你首先通过信贷机构评分服务功能，提出评分请求，并输入申请人数据包括个人身份证号码、姓名、常用手机号码、贷款关联银行账户内容。数据使用安全加密算法，保证数据在传输过程中不会被窃取和篡改。

评分请求模块：用于调取所述客户管理模块的客户请求，确定客户的请求需求和申请人，生成个人标识信息；其中，

所述个人标识信息包括证件号码、手机号；个人的标识信息根据实际实施确定，也可以包括姓名、银行卡号等其它信息，个人标识信息经过数据经过Hash加密。

对接模块：用于与所述大数据云平台连接，并将所述个人标识信息发送至大数据云平台；本发明的客户系统和大数据云平台网络连接，

反馈模块：用于接收所述大数据云平台返回的信用评分和原因码，并发送至申请人。本发明中客户的数据经过大数据云平台计算处理后，平台将免费针对银行的情况设置不同分数段，及标准分使用策略，能够获得标准分；当在数据源出获取申请人信息，使用大数据信用评分使用策略是时，能够获得信用分；使用大数据收入评分使用策略，会的收入分。基于交叉验证，模糊匹配等技术，生成欺诈分。

实施例3：

作为本发明的一种实施例，所述大数据平台包括：

消息中心：用于接收所述个人标识信息，确定第一匹配键，并根据匹配键，启动评分服务；本发明具有消息系统，可以基于消息队列(非实时性的，低优先级)和API调用(实时性的，高优先级)两种模式进行任务的分发，分别针对不同的使用场景。

监控中心：用于在启动评分服务时，监控评分服务的过程，生成监控服务数据；本发明的监控中心全局并发访问负载、小时级负载、小时级错误监控等，但随着业务的不断发展，以及用户需求的不断提高，需要一个独立的监控中心，来实时的对业务系统进行监控，并可以灵活地配置监控规则，在不影响系统核心业务的前提下，更好的做好监控及预警工作。监控中心，采用JMX管理框架，在不影响原有系统业务逻辑的情况下，实时地收集核心业务系统的监控指标数据，并根据业务规则进行灵活的预警判断及通知，满足了业务发展的需要；

大数据评分模块：用于根据所述匹配键，在所述数据源中进行数据匹配，确定申请人在各数据源的子评分，并通过决策树和评分模型对所述子评分进行综合建模，得到申请人的信用评分和原因码；其中，

所述信用评分包括标准分、信用分、收入分和欺诈分；

所述原因码和所述信用评分相对应；本发明的评分服务使用匹配键从大型数据合作伙伴进行数据匹配，并执行部署在数据源端的大数据评分服务。数据合作伙伴根据数据服务合同返回申请人的特征数据，评分服务聚合所有数据，计算特征变量，计算分数和其他返回结果。它利用Blaze Advisor进行模型/规则部署。

管理中心：用于根据所述个人标识信息，生成服务编码，根据所述服务编码，在所述评分服务的过程，通过调用数据接口和线程，确定所述数据源中的交易数据。

实施例4：

作为本发明的一种实施例，所述大数据评分模块还包括：

决策树：用于对所述子评分进行进行逻辑判断，并进行逻辑划分；当数据进入决策系统系统，决策处理过程往往比较复杂，需要首先通过规则流组织起来，需要考虑数据质量、产品类型、参数计算要求等方方面面，建立风险计算的整体流程视图。决策管理过程中有大量判断条件，需要灵活的进行逻辑分支，例如客户细分、评分模型选择等，这些都需要根据风险计算的要求，进行决策树配置。

决策表：用于根据所述决策树的逻辑划分，调节贷款状况；决策管理中有大量判断条件，需要根据组合条件进行参数估计，例如调额等级、贷款期限、利率等，这些都需要根据风险计算的要求，进行决策表配。

规则计算：用于根据所述逻辑划分，确定决策过程中的衍生指标，并确定评分模型的计算公式；本发明在决策管理过程中需要计算大量的衍生指标，可以直接修改计算公式，大多数计算公式通过界面的简单操作即可调整。对于复杂的公式，也可以采用手工方式直接修改。

评分模型：用于将所述子评分代入所述评分模型的计算公式，确定定申请人的信用评分。本发明在风险量化管理最核心的部分就是评分模型计算，需要计算大量的评分模型包括申请评分卡、行为评分卡和催收评分卡。由于业务逻辑已经从应用程序编制的“方法”中抽离出来，所以它可以随时进行更改，而无须重新编写或发布全部的应用程序代码。策略和规则是根据风险流程、策略及外部监管制度或历史数据分析得出的。业务用户就可以通过最佳实践开展零售风险决策管理的各项工作。

实施例5：

作为本发明的一种实施例，所述评分模型通过以下步骤确定申请人的信用评分，包括：

步骤1：根据所述交易数据，确定交易的增益参数；

其中，所述ξ表示交易复杂度；所述n表示特征数；所述A_i表示第i个在申请交易数据的特征参数；所述B_i表示第i个已交易数据的特征参数；所述C_i表示第i个催收交易数据的特征参数；所述A表示申请交易数据的参数阀值；所述B表示已交易数据的参数阀值；所述C表示催收交易数据的参数阀值；所述β_A表示在申请交易数据的相关系数；所述β_B表示已交易数据的相关系数；所述β_C表示催收交易数据的相关系数；所述i＝1,2,3,……n；

步骤2：获取所述交易数据，确定交易的熵；

S_A＝-∑f_A-log₂(f_A)；

S_B＝-∑f_B-log₂(f_B)；

S_C＝-∑f_C-log₂(f_C)；

其中，所述S_A表示在申请交易数据的熵；所述f_A表示在申请交易数据在所述交易数据中的占比；

所述S_B表示在已交易数据的熵；所述f_B表示已交易数据在所述交易数据中的占比；

所述S_C表示催收交易数据的熵；所述f_C表示催收交易数据在所述交易数据中的占比；

步骤3：根据所述增益参数和熵，确定申请人的熵增益F：

步骤4：将所述熵增益，代入预设的信用评分转化公式，得到信用评分X:

X＝(1-F)

其中，当X＜1时，表示所述申请人信用评分为负，已进入黑名单；

当X≥1时，表示所述申请人信用评分为正，没有进入黑名单。

本发明再通过评分模型评分的过程中，因为申请人的交易数据存在正在申请交易、已经交易和催收交易三种状态，因此本发明引入复杂度，求得通过本发明获取的交易数据的增益数据，增益数据表示申请人的消费状况数据，而在本发明第二步中，通过叫艺术计算奔赴吗中交易的熵值，确定了本发明各种交易状态的交易数据的熵值，通过熵值和增益的比值之和确定了本发明熵增益，即，申请人消费热度数据，即预熵增益，本发明通过信用评分的转化，得到了信用评分，本发明的信用评分有正值和负值两种情况，负值，表示申请人有负债，且已经超期，而信用评分为正表示申请人无负债，交易数据正常。

实施例6：

作为本发明的一种实施例，所述大数据平台还包括：

评分服务器接口：用于基于基于Apache的Axis来产生Axis的网络服务，通过HTTP/SOAP协议来传递数据；本发明采用SOAP协议是因为在SOAP中的数据内容是经过加密的Base64字符串。大数据云平台只对外开放这一个服务调用接口。而多个不同的业务服务，可以通过客户送过来的服务代码来在后台进行路由到不同的服务模块。

接口管理模块：用于在具有多个不同的服务业务时，根据所述多个不同的服务业务的服务代码，控制所述多个不同的服务业务对接多个不同的模块；网络服务会加密评分结果的XML数据转变为Base64字符串传递给客户端调用方。返回的数据格式根据客户端调用的服务编码(ServiceCode)的不同会有不同的格式定义。而本发明的结果的返回报文中会有一个唯一的序列号，来代表本次请求。客户可以通过该序列号进行结果跟踪，对账等处理。

数据结构模块：用于将大数据平台在服务过程中产生的网络数据转换为XML形式进行编码，生成服务编码；其中，

所述网络数据的服务业务不同时，具有不同的服务编码；网络数据通过XML来进行编码，所述服务编码包括黑名单服务编码和信用评分编码；

加密模块：用于根据申请人个人标识信息，在进行评分服务时，为所述申请人分配访问密码和密钥；

在一个实施例中：每个客户都分配一个位字符串的客户标志，每个客户分配一个系统访问的密码，以及分配一个128位的密钥。该信息保持在数据库中，如下表：

在客户创建过程中，系统会通过邮件自动给客户发送这些账户信息，发送的密码为明文，但是数据库保存的为MD5之后的字符串。因此在客户鉴权的时候要对客户传入的密码进行MD5处理，然后和数据库中保存的数据进行比对。这样保证客户的密码不会被泄密。

系统使用AES128比特的加密方法，客户端要对自己的数据进行加密，然后发送数据到大数据云平台的评分服务。

Mysql数据库：用于储存所述数据源的数据。为考虑系统的实施成本，该平台采用开源的MySql数据库服务器。考虑到系统的性能和维护的简单性，平台不使用DAO工具进行持久化代理，而是直接通过书写JDBC SQL语句来执行。本发明的数据库连接池通过Java应用服务器来进行统一管理，优选Tomcat应用服务器。

实施例7：

作为本发明的一种实施例，所述接口管理模块包括：

评分异常单元：用于获取评分状况中的异常情况，并根据所述异常情况，控制所述大数据平台进行重新评分；其中，

所述异常情况包括：无法评分、评分异常、运行错误、评分服务未就绪、评分服务满负载。

上述技术方案的有益效果在于：用于对评分过程中的故障进行判断，进而提高评估效率，防止异常情况影响评估的结果。

实施例8：

作为本发明的一种实施例，所述数据源包括：

黑名单数据模块：用于获取用户的黑名单数据；

电信消费数据模块：用于获取申请人的电信消费数据；

金融消费数据机构：：用于获取申请人的金融消费数据；

流程编排配置模块：用于通过XML文件转换功能，获取客户系统中申请人的评分请求，并确定第二匹配键；

数据处理模块：用于通过所述流程编排配置模块的第二匹配键，提取所述黑名单数据模块、电信消费数据模块和金融消费数据机构的申请人数据，并将所述申请人数据通过数据加工、合理性验证和言珩变量处理，确定交易数据，得到子评分和信用码；其中，

所述交易数据包括：在申请贷款交易、已贷款交易和催收贷款交易。

上述技术方案的有益效果在于：提供了数据源的获取途径，便于对数据进行溯源和提取，进而便于对交易数据进行确定，从而得到评分和信用码，提高评分准确性和速率。

实施例9：

作为本发明的一种实施例，所述数据源模块还包括：

日志模块：用于在所述大数据平台调用所述数据源内的交易数据时，生成调用日志；

所述调用日志包括：申请人评分编号、申请人请求时间、申请人成功标志、数据源返回状态编码和数据源执行时间。

上述技术方案的有益效果在于：用于记录数据源工作的步骤，便于后期的日志调用和事件提取。

实施例10：作为本发明的一种实施例，所述大数据云平台控制部署在所述数据源的决策树和评分模型进行决策评分(表示本发明的数据源和大数据云平台连接时)，还包括以下步骤：

步骤10：创建https连接池，信任来自服务器的证书；

步骤20：根据所述服务器的证书，获得信贷请求数据，结合分配的clientID(个推业务层中的对外用户标识，用于标识客户端身份，由第三方客户端获取并保存到第三方服务端，是个推SDK的唯一识别号,简称CID)和password(加密密码)组装xml报文；建议clientID和password通过加密的方式从资源文件中获得。

步骤21：创建http post(向服务器提交数据)，放入xml报文；

步骤22：使用所述https连接池调用http post；

步骤23：读取http response数据，解析所述http response(可提交数据)数据中的xml报文，确定信用评分；其中，

当所述信用评分为有效评分，则提取xml报文中的score(分数，即信用评分)和reason(原因，即原因码)数据；

当所述信用评分无法评分时，则表示数据源故障。

创建https(是以安全为目标的HTTP通道，在HTTP的基础上通过传输加密和身份认证保证了传输过程的安全性)连接池，信任来自服务器的证书；

获得信贷请求数据，结合分配的clientID和password组装xml报文。

在一个实施例中，假如retCode(返回码，返回的原因码)＝909则表示服务器繁忙，则等待一会(例如1秒)再发起请求

假如为有效评分(返回码为000)，则提取xml报文中的score和reason数据；

假如无法评分(返回码为999)，数据源故障表示该请求可能由于没有匹配到数据源，或数据太薄导致无法评分。

在一个实施例中：本发明还具有实时计费功能。

大数据云平台提供后付费和预付费服务。对于预付费客户要先存一定的预付款才能开始使用服务。

评分服务基于客户的服务代码(ServiceCode)来进行计费，根据客户的用量可以提供不同的价格。

每次服务请求，在数据被解密之后，都要根据服务代码来决定客户是否可以继续处理。查询客户的余额，来判断余额是否支持本次调用。因此每次评分都有一个最小余额的要求。该金额通过评分服务的配置文件进行配置。如下：

该配置表示对于blacklist黑名单的服务，要求最小余额必须为20元。

当服务完成之后，计费模块根据服务结果来进行计费，不同的服务代码产出的结果进行叠加计费。例如可能有10元的评分结果和20元黑名单结果进行相加，则本次服务的总体费用为30元。

对于预付费客户，客户的余额要被实时扣减。客户的服务在进行之前会被冻结一部分余额以保证费用支付，在完成服务之后，余额扣减完成同时要把冻结的余额进行清理。本次服务的费用日志和最终的余额保存到数据库中。

计费模块只处理来自客户的请求的计费，而对于数据源的费用支出不在本模块之内。

在新版本的计费系统中，增加了对于预付费失效期的支持，对于超过有效期的预付费余额进行清理，同时支持余额到期预警功能，在到期前对用户进行提醒。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于云平台的信用评分系统，其特征在于，包括：

客户系统：用于获取申请人的评分请求，确定申请人的个人标识信息，并将所述个人标识信息发送至大数据云平台进行计算和判断，接收所述大数据云平台返回的信用评分和原因码；

数据源：用于提供所述申请人的交易数据；

大数据云平台：用于接收所述个人标识信息，并控制部署在所述数据源的决策树和评分模型进行决策评分，确定申请人的信用评分和原因码。

2.根据权利要求1所述的一种基于云平台的信用评分系统，其特征在于，所述客户系统包括：

客户管理模块：用于对客户进行管理，接收客户请求；其中，

所述客户至少包括银行、小贷公司、互联网金融公司；

评分请求模块：用于调取所述客户管理模块的客户请求，确定客户的请求需求和申请人，生成个人标识信息；其中，

所述个人标识信息包括证件号码、手机号；

对接模块：用于与所述大数据云平台连接，并将所述个人标识信息发送至大数据云平台；

反馈模块：用于接收所述大数据云平台返回的信用评分和原因码，并发送至申请人。

3.根据权利要求1所述的一种基于云平台的信用评分系统，其特征在于，所述大数据平台包括：

消息中心：用于接收所述个人标识信息，确定第一匹配键，并根据第一匹配键，启动评分服务；

监控中心：用于在启动评分服务时，监控评分服务的过程，生成监控服务数据；

大数据评分模块：用于根据所述第一匹配键，在所述数据源中进行数据匹配，确定申请人在各数据源的子评分，并通过决策树和评分模型对所述子评分进行综合建模，得到申请人的信用评分和原因码；其中，

所述信用评分包括标准分、信用分、收入分和欺诈分；

所述原因码和所述信用评分相对应；

管理中心：用于根据所述个人标识信息，生成服务编码，根据所述服务编码，在所述评分服务的过程，通过调用数据接口和线程，提取所述数据源中的交易数据。

4.根据权利要求3所述的一种基于云平台的信用评分系统，其特征在于，所述大数据评分模块还包括：

决策树：用于对所述子评分进行逻辑判断，并进行逻辑划分；

决策表：用于根据所述决策树的逻辑划分，调节贷款状况；

规则计算：用于根据所述逻辑划分，确定决策过程中的衍生指标，并确定评分模型的计算公式；

评分模型：用于将所述子评分代入所述评分模型的计算公式，确定定申请人的信用评分。

5.根据权利要求4所述的一种基于云平台的信用评分系统，其特征在于，所述评分模型通过以下步骤确定申请人的信用评分，包括：

步骤1：根据所述交易数据，确定交易的增益参数；

其中，所述ξ表示交易复杂度；所述n表示特征数；所述A_i表示第i个在申请交易数据的特征参数；所述B_i表示第i个已交易数据的特征参数；所述C_i表示第i个催收交易数据的特征参数；所述A表示申请交易数据的参数阀值；所述B表示已交易数据的参数阀值；所述C表示催收交易数据的参数阀值；所述β_A表示在申请交易数据的相关系数；所述β_B表示已交易数据的相关系数；所述β_C表示催收交易数据的相关系数；所述i＝1,2,3,……n；

步骤2：获取所述交易数据，确定交易的熵；

S_A＝-∑f_A-log₂(f_A)；

S_B＝-∑f_B-log₂(f_B)；

S_C＝-∑f_C-log₂(f_C)；

其中，所述S_A表示在申请交易数据的熵；所述f_A表示在申请交易数据在所述交易数据中的占比；

所述S_B表示在已交易数据的熵；所述f_B表示已交易数据在所述交易数据中的占比；

所述S_C表示催收交易数据的熵；所述f_C表示催收交易数据在所述交易数据中的占比；

步骤3：根据所述增益参数和熵，确定申请人的熵增益F：

步骤4：将所述熵增益，代入预设的信用评分转化公式，得到信用分X:

X＝(1-F)

其中，当X＜1时，表示所述申请人信用评分为负，已进入黑名单；

当X≥1时，表示所述申请人信用评分为正，没有进入黑名单。

6.根据权利要求1所述的一种基于云平台的信用评分系统，其特征在于，所述大数据平台还包括：

评分服务器接口：用于基于Apache的Axis来产生Axis的网络服务，通过HTTP/SOAP协议来传递数据；

接口管理模块：用于在具有多个不同的服务业务时，根据所述多个不同的服务业务的服务代码，控制所述多个不同的服务业务对接多个不同的模块；

数据结构模块：用于将大数据平台在服务过程中产生的网络数据转换为XML形式进行编码，生成服务编码；其中，

所述网络数据对应的服务业务不同时，具有不同的服务编码；

所述服务编码包括黑名单服务编码和信用评分编码；

加密模块：用于根据申请人个人标识信息，在进行评分服务时，为所述申请人分配访问密码和密钥；

Mysql数据库：用于储存所述数据源的数据。

7.根据权利要求1所述的一种基于云平台的信用评分系统，其特征在于，所述接口管理模块包括：

评分异常单元：用于获取评分状况中的异常情况，并根据所述异常情况，控制所述大数据平台进行重新评分；其中，

所述异常情况包括：无法评分、评分异常、运行错误、评分服务未就绪、评分服务满负载。

8.根据权利要求1所述的一种基于云平台的信用评分系统，其特征在于，所述数据源包括：

黑名单数据模块：用于获取用户的黑名单数据；

电信消费数据模块：用于获取申请人的电信消费数据；

金融消费数据机构：用于获取申请人的金融消费数据；

流程编排配置模块：用于通过XML文件转换功能，获取客户系统中申请人的评分请求，并确定第二匹配键；

数据处理模块：用于通过所述流程编排配置模块的第二匹配键，提取所述黑名单数据模块、电信消费数据模块和金融消费数据机构的申请人数据，并将所述申请人数据通过数据加工、合理性验证和言珩变量处理，确定交易数据，得到子评分和信用码；其中，

所述交易数据包括：在申请贷款交易、已贷款交易和催收贷款交易。

9.根据权利要求1所述的一种基于云平台的信用评分系统，其特征在于，所述数据源模块还包括：

日志模块：用于在所述大数据平台调用所述数据源内的交易数据时，生成调用日志；

所述调用日志包括：申请人评分编号、申请人请求时间、申请人成功标志、数据源返回状态编码和数据源执行时间。

10.根据权利要求1所述的一种基于云平台的信用评分系统，其特征在于，所述大数据云平台控制部署在所述数据源的决策树和评分模型进行决策评分，还包括以下步骤：

步骤10：创建https连接池，信任来自服务器的证书；

步骤20：根据所述服务器的证书，获得信贷请求数据，结合分配的clientID和password组装xml报文；

步骤21：创建http post，放入xml报文；

步骤22：使用所述https连接池调用http post；

步骤23：读取http response数据，解析所述http response数据中的xml报文，确定信用评分；其中，

当所述信用评分为有效评分，则提取xml报文中的score和reason数据；

当所述信用评分为无法评分时，则表示数据源故障。

Images