CN111913994B - 基于行内数据和外部数据的客户风险数据监测方法 - Google Patents

Abstract

本发明涉信息技术领域，提供了一种基于行内数据和外部数据的客户风险数据监测方法。旨在实现贷中内部监测审查、贷后管理客户变化，提前发现和监测客户潜在风险，跟踪监测风险处置措施的全流程、自动化的风险预警机制。方案包括系统贴源根据大数据平台提供的行内业务数据，人行征信，以及第三方数据供应商的数据内容，将数据穿透至本系统内；系统集市层根据业务数据的定义，对数据采用主题域划分方式、也通过一些计量脚本的过滤计算，对数据进行筛选整合。并基于模型层的规则引擎进行组合、计算；模型层根据集市数据通过fico预警规则引擎进行计量分析，识别风险，生成预警结果，通过workflow工作流合并成任务报表的形式推送至管理人员的一整套流程。

Description

基于行内数据和外部数据的客户风险数据监测方法

技术领域

本发明涉及信息技术领域，提供了一种基于行内数据和外部数据的客户风险数据监测方法。

背景技术

信用风险是当前中国银行业金融机构面临的主要风险，加强信用风险管理，提升风险管控水平，不仅是提升资产质量、确保持续健康发展的需要，同时也是满足监管要求。

发明内容

本发明的目的在于运用信息化技术，利用行内、外部数据的分析应用，实现贷中内部监测审查、贷后管理客户变化，提前发现和监测客户潜在风险，跟踪监测风险处置措施的全流程、自动化的风险预警机制。

基于行内数据和外部数据的客户风险数据监测方法，包括以下步骤:

步骤1：利用内外部数据的有效结合，建立客户全面的信息视角。在oracle数据库中建立对应的数据表，编写计量脚本计算提取出客户的基本信息(姓名,证件号,住址,联系方式),客户的财务信息（定期账户，活期账户），客户的贷款信息（贷款合同，贷款借据，担保合同），司法信息（诉讼公告，裁判文书，限制高消费名单）工商信息（企业注册信息变更，企业失信数据，行政处罚信息，企业清算信息）；

步骤2：建立全面的Fico模型规则引擎体系，由系统SunTask调度自动完成客户的Fico模型规则引擎计量结果，为现场检查提供风险甄别的依据和基础信息，对存在风险隐患的客户进行自动识别和主动提醒；

步骤3：通过配置计量脚本对客户关联关系进行维度分析，基于数据库集市中的客户基本信息和关联方数据，提取和追溯出包括股东信息、法人代表、担保、高管、亲属(配偶)等组合成客户的联关系的数据链，从客户关联关系的维度展现企业客户或个人客户为中心的客户关系网，进行风险识别；

步骤4：通过SunTask自动调度工具实现信息加工分析的自动化、计算集市的分析数据，在通过配置 Fico模型规则，自动分析提取达到风险阀值的客户数据，按照客户姓名，预警信息，预警级别（分为：A，B，C，D四个等级），管户经理，管户机构，归档存入数据库。然后根据预警级别设置，workflow工作流生成风险预警提示（预警级别为D）、风险预警任务（预警级别为A,B,C）、风险预警报告内容(预警级别为A,B,C,D)，推送至管理人员进行相关识别，处置。

在上述技术方案基础上，进一步的，步骤1具体包括以下步骤：

步骤1.1：在oracle数据库中建立贴源层数据表，将大数据平台提供的行内数据和采集的外部数据通过nas文件共享的方式获取过来，使用oracle的装载工具Sqllder将数据文件迁移至建立好的数据表中，同时使用过滤脚本对一些数据质量较差的数据进行过滤;

步骤1.2： 根据主题域的划分，利用从源层抽取入库的基础数据，获取对应的数据表名（tab-A表），首先按数据日期条件得到最新的数据，按照客户姓名、出生年月、住址，联系方式从加载至数据库的各项数据流中，提取组合成客户信息主题（tab-B表），进行归档存储；

根据主题域的划分，利用从源层抽取入库的基础数据，取对应的数据表（tab-A1表），首先按数据日期条件得到最新的数据，获取客户名下的定期账户、及活期账户数据中的账户名，账户号，账户状态，账户类型，账户余额，用sql脚本加工来源表（tab-A1表）和目标表（tab-B1表）的字段关系映射，整合成客户的财务主题（tab-B1表），进行归档存储；

根据主题域的划分，利用从源层抽取入库的基础数据，取对应的数据表名（tab-A2表），首先按数据日期条件得到最新的数据，获取客户名下的贷款信息中的贷款合同号，贷款金额，信贷产品，借款余额，担保方式，用sql脚本加工来源表（tab-A1表）和目标表（tab-B1表）的字段关系映射，整合成贷款业务主题(tab-B2表）,进行归档存储；

根据主题域的划分，利用从源层抽取入库的基础数据，取对应的数据表名（tab-A3表），首先按数据日期条件得到最新的数据，获取司法数据中的：诉讼公告，裁判文书，限制高消费名单数据，用sql脚本加工来源表（tab-A1表）和目标表（tab-B1表）的字段关系映射，在根据客户的证件号匹配分析整合成司法主题(tab-B3表）,进行归档存储；

根据主题域的划分，利用从源层接入，的基础数据，取对应的数据表名（tab-A4表），首先按数据日期条件得到最新的数据，获取工商数据中的：企业注册信息，企业失信信息，行政处罚信息，企业清算信息，用sql脚本加工来源表（tab-A1表）和目标表（tab-B1表）的字段关系映射，根据客户证件号匹配关联分析整合成工商主题(tab-B3表）,进行归档存储。

在上述技术方案基础上，进一步的，步骤2具体包括以下步骤：

步骤2.1：建立全面的预警Fico模型规则引擎体系；

根据风险预警Fico模型规则引擎的计量策略，模型规则设定了各项监测的计量阈值，如客户发生了借贷业务，结合该客户的还款计划信息，开发和配置对应的计量脚本，获取还款金额和还款指定账户的余额，在还款日到期前的第7日和第3日，计量还款的账户余额是否覆盖还款金额，以此监测客户是否有还款失败的风险，监测策略涵盖客户的还款履约风险，财务风险；

步骤2.2：SunTask自动批处理工具，对集市分析脚本和模型引擎定义job任务策略，根据配置好job任务自动批处理，依据集市的统计分析结果，同时对客户进行风险监测和风险识别。对于达到风险阈值的客户，如客户名下的贷款产生逾期，系统自动生成预警结果，提取合并客户的姓名，预警规则名称，预警级别，管户经理，管户机构，进行归档存储至数据库。然后定时任务通过调用workflow工作流，生成风险任务报表(提取客户对应存储的预警结果)的形式推送至管理人员识别和处置。

在上述技术方案基础上，进一步的，步骤3具体包括以下步骤：

步骤3.1： Fico模型规则引擎涵盖客户的关联关系的监测策略，根据分析组合的客户基本信息，关联客户证件号对应的关联关系，匹配客户的关联人，如：配偶，子女，企业的法人代表，企业高管，对关联客户也设置多个维度的模型计量规则；

步骤3.2：SunTask自动批处理工具, 结合集市和模型规则引擎，对分析脚本和计量规则定义job任务策略，对客户关联人进行计算分析，如根据集市的客户基本信息,配置计量脚本获取证件号和关联关系，匹配客户的配偶证件号，在集市中的司法数据中分析客户的配偶是否涉诉及经济纠纷，是否被列入限制高消费名单，是否涉及强制执行名单等。对于触发计量阀值的客户配偶，自动生成任务提醒，通过workflow工作流合并成任务报表的形式推送至管理人员。

在上述技术方案基础上，进一步的，步骤4具体包括以下步骤：

步骤4.1：对于Fico模型规则引擎，生成的监测数据，结合到实际工作中的业务流程，对客户的风险研判提供数据支持，方便管理人员进行综合评判。

因为本发明采用上述技术方案，因此具备以下有意效果：

1、通过设置预警规则，多渠道采集和分析内外部有效信息，采用科学的预警方法，由系统自动发出风险警示，对潜在或存量授信客户进行系统化、动态监测分析，提前发现和有效识别风险；

2、对输出结果及时进行响应和处理，可以有效发挥风险防控作用，同时为客户贷前准入、授信审批、贷后管理以及风险化解处置等信贷全流程风险控制方面提供决策参考。

3、本申请提案运用于信用风险监测，特别是针对于贷后管理环节，以及日常的贷前授信，贷中审查环节。风险监控与分析旨在从宏观和微观层面对全行信贷业务的风险状况进行监测，掌握风险分布特征，及时发现隐含的风险业务和客户，为进一步的风险管理措施和风险管理政策的制定和调整，提供信息支持。

附图说明

图1为整个数据监测的数据流向图

图2为具体实施技术方案

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明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发明，并不用于限定本发明，即所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。

需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

基于行内数据和外部数据的客户风险数据监测方法，包括以下步骤:

步骤1：利用内外部数据的有效结合，建立客户全面的信息视角。在oracle数据库中建立对应的数据表，编写计量脚本计算提取出客户的基本信息(姓名,证件号,住址,联系方式),客户的财务信息（定期账户，活期账户），客户的贷款信息（贷款合同，贷款借据，担保合同），司法信息（诉讼公告，裁判文书，限制高消费名单）工商信息（企业注册信息变更，企业失信数据，行政处罚信息，企业清算信息）；

步骤2：建立全面的Fico模型规则引擎体系，由系统SunTask调度自动完成客户的Fico模型规则引擎计量结果，为现场检查提供风险甄别的依据和基础信息，对存在风险隐患的客户进行自动识别和主动提醒；

步骤3：通过配置计量脚本组合分析客户关联关系视图，展现企业客户或个人客户为中心的客户关系网。包括股东、投资、担保、上下游、高管、亲属等，从客户关联角度入手，防范客户群体性风险；

步骤4： 通过SunTask自动调度工具最大程度实现信息加工分析的自动化、分析组合集市数据， Fico模型规则引擎计量结果，标准化多维度产出物，包括风险预警提示、风险预警任务、风险预警报告等内容，拓展应用于贷前、贷中、贷后各个关键的风险管理环节

在上述技术方案基础上，进一步的，步骤1具体包括以下步骤：

步骤1.1：在oracle数据库中建立贴源层数据表，将大数据平台提供的行内数据和采集的外部数据通过nas文件共享的方式获取过来，使用oracle的装载工具Sqllder将数据文件迁移至建立好的数据表中，同时使用过滤脚本对一些数据质量较差的数据进行过滤;

步骤1.2： 对数据进行主题域分类，以对及相关主题数据的分析组合，如：按照客户姓名、出生年月、住址，联系方式等从加载入库的数据的分析脚本，组合成客户主题，按照客户名下的定期账户、及活期账户数据如账户名，账户号，账户状态，账户余额等，用分析脚本组合成客户的财务主题，按照客户名下的贷款信息如:贷款合同号，贷款金额，信贷产品，借款余额，担保方式等，用分析脚本分析组合成贷款主题，根据采集接入的外部数据，例如：诉讼公告，裁判文书，限制高消费名单等数据，通过脚本按照客户证件号匹配关联分析整合成司法主题，根据采集接入的外部数据中的企业注册信息，企业失信信息，行政处罚信息，企业清算信息等，通过脚本按照客户证件号匹配关联分析组合成工商主题。

在上述技术方案基础上，进一步的，步骤2具体包括以下步骤：

步骤2.1：建立全面的预警Fico模型规则引擎体系；

根据风险预警Fico模型规则引擎的计量策略，模型规则设定了各项监测的计量阈值，如客户发生了借贷业务，结合该客户的还款计划信息，开发和配置对应的计量脚本，获取还款金额和还款指定账户的余额，在还款日到期前的第7日和第3日，计量还款的账户余额是否覆盖还款金额，以此监测客户是否有还款失败的风险，监测策略涵盖客户的还款履约风险，财务风险；

步骤2.2：SunTask自动批处理工具，结合集市和模型规则引擎，对分析脚本和模型计量规则，定义job任务策略，每天定时对上一日（T+1）的接入数据,根据配置好的计量规则自动分析监测，对纳入的客户进行计算分析，对于达到计量阈值的客户，自动生成任务提醒，通过workflow工作流合并成任务报表的形式推送至管理人员。

在上述技术方案基础上，进一步的，步骤3具体包括以下步骤：

步骤3.1： Fico模型规则引擎涵盖客户的关联关系的监测策略，根据分析组合的客户基本信息，关联客户证件号对应的关联关系，匹配客户的关联人，如：配偶，子女，企业的法人代表，企业高管，对关联客户也设置多个维度的模型计量规则；

步骤3.2：SunTask自动批处理工具, 结合集市和模型规则引擎，对分析脚本和计量规则定义job任务策略，对客户关联人进行计算分析，如根据集市的客户基本信息,配置计量脚本获取证件号和关联关系，匹配客户的配偶证件号，在集市中的司法数据中分析客户的配偶是否涉诉及经济纠纷，是否被列入限制高消费名单，是否涉及强制执行名单等。对于触发计量阀值的客户配偶，自动生成任务提醒，通过workflow工作流合并成任务报表的形式推送至管理人员。

在上述技术方案基础上，进一步的，步骤4具体包括以下步骤：

步骤4.1：对于Fico模型规则引擎，生成的监测数据，结合到实际工作中的业务流程，对客户的风险研判提供数据支持，方便管理人员进行综合评判。

Claims (4)

1.基于行内数据和外部数据的客户风险数据监测方法，包括以下步骤:

步骤1：在oracle数据库中建立对应的数据表，编写分析脚本计算提取出如下信息：

客户的基本信息：姓名,证件号,住址,联系方式；

客户的财务信息：定期账户，活期账户；

客户的贷款信息：贷款合同，贷款借据，担保合同；

司法信息：诉讼公告，裁判文书，限制高消费名单；

工商信息：企业注册信息变更，企业失信数据，行政处罚信息，企业清算信息；

步骤2：建立全面的Fico模型规则引擎体系，由系统SunTask调度自动完成客户的Fico模型规则引擎计量结果，为现场检查提供风险甄别的依据和基础信息，对存在风险隐患的客户进行自动识别和主动提醒；

步骤3：通过配置计量脚本对客户关联关系进行维度分析，基于数据库集市中的客户基本信息和关联方数据，提取和追溯出包括股东信息、法人代表、担保、高管、亲属组合成客户的联关系的数据链，从客户关联关系的维度展现企业客户或个人客户为中心的客户关系网，进行风险识别；

步骤4： 通过SunTask自动调度工具实现信息加工分析的自动化、计算集市的分析数据，在通过配置 Fico模型规则，自动分析提取达到风险阀值的客户数据，按照客户姓名，预警信息，预警级别，预警级别分为：A，B，C，D四个等级，管户经理，管户机构，归档存入数据库，然后根据预警级别设置，workflow工作流生成风险预警提示、风险预警任务、风险预警报告内容，推送至管理人员进行相关识别，处置；

步骤1具体包括以下步骤：

步骤1.1：在oracle数据库中建立贴源层数据表，将大数据平台提供的行内数据和采集的外部数据通过nas文件共享的方式获取过来，使用oracle的装载工具Sqllder将数据文件迁移至建立好的数据表中，同时使用过滤脚本对一些数据质量较差的数据进行过滤筛选;

步骤1.2： 对数据进行主题域分类，以对及相关主题数据的分析组合，具体为：

根据主题域的划分，利用从源层抽取入库的基础数据，获取对应的数据表名，首先按数据日期条件得到最新的数据，按照客户姓名、出生年月、住址，联系方式从加载至数据库的各项数据流中，提取组合成客户信息主题，进行归档存储；

根据主题域的划分，利用从源层抽取入库的基础数据，取对应的数据表，首先按数据日期条件得到最新的数据，获取客户名下的定期账户、及活期账户数据中的账户名，账户号，账户状态，账户类型，账户余额，用sql脚本加工来源表和目标表的字段关系映射，整合成客户的财务主题，进行归档存储；

根据主题域的划分，利用从源层抽取入库的基础数据，取对应的数据表名，首先按数据日期条件得到最新的数据，获取客户名下的贷款信息中的贷款合同号，贷款金额，信贷产品，借款余额，担保方式，用sql脚本加工来源表和目标表的字段关系映射，整合成贷款业务主题,进行归档存储；

根据主题域的划分，利用从源层抽取入库的基础数据，取对应的数据表名，首先按数据日期条件得到最新的数据，获取司法数据中的：诉讼公告，裁判文书，限制高消费名单数据，用sql脚本加工来源表和目标表的字段关系映射，在根据客户的证件号匹配分析整合成司法主题,进行归档存储；

根据主题域的划分，利用从源层接入的基础数据，取对应的数据表名，首先按数据日期条件得到最新的数据，获取工商数据中的：企业注册信息，企业失信信息，行政处罚信息，企业清算信息，用sql脚本加工来源表和目标表的字段关系映射，根据客户证件号匹配关联分析整合成工商主题,进行归档存储。

2.根据权利要求1所述的基于行内数据和外部数据的客户风险数据监测方法，其特征在于，步骤2具体包括以下步骤：

步骤2.1：建立全面的预警Fico模型规则引擎体系；

根据风险预警Fico模型规则引擎的计量策略，模型规则设定了各项监测的计量阈值，如客户发生了借贷业务，结合该客户的还款计划信息，开发和配置对应的计量脚本，获取还款金额和还款指定账户的余额，在还款日到期前的第7日和第3日，分析判断还款的账户余额是否覆盖还款金额，以此监测客户是否有还款失败的风险，监测策略涵盖客户的还款履约风险，财务风险；

步骤2.2：SunTask自动批处理工具，对集市分析脚本和模型引擎定义job任务策略，根据配置好job任务自动批处理，依据集市的统计分析结果，同时对客户进行风险监测和风险识别，对于达到风险阈值的客户，如客户名下的贷款产生逾期，系统自动生成预警结果，提取合并客户的姓名，预警规则名称，预警级别，管户经理，管户机构，进行归档存储至数据库，然后定时任务通过调用workflow工作流，生成风险任务报表的形式推送至管理人员识别和处置。

3.根据权利要求1所述的基于行内数据和外部数据的客户风险数据监测方法，其特征在于，步骤3具体包括以下步骤：

步骤3.1：Fico模型规则引擎涵盖客户的关联关系的监测策略，根据分析组合的客户基本信息，关联客户证件号对应的关联关系，匹配客户的关联人，关联人包括配偶，子女，企业的法人代表，企业高管，对关联客户也设置多个维度的模型监测规则；

步骤3.2：SunTask自动批处理工具,对集市分析脚本和模型引擎定义job任务策略，对客户关联人进行计算分析，根据配置的模型规则，客户基本信息匹配证件号和关联关系维度信息，获取客户的配偶证件号，在司法主题数据中监测客户的配偶是否涉诉及经济纠纷，是否被列入限制高消费名单，是否涉及强制执行名单，对于触发风险阀值的客户配偶，自动生成预警结果，通过workflow工作流合并成任务报表的形式推送至管理人员进行识别处置。

4.根据权利要求1所述的基于行内数据和外部数据的客户风险数据监测方法，其特征在于，步骤4具体包括以下步骤：

步骤4.1：对于Fico模型规则引擎，生成的监测数据，结合到实际工作中的业务流程，对客户的风险研判提供数据支持，方便管理人员进行综合评判。