CN111930746A - 基于离线数据处理的风险交易管控方法、装置及系统 - Google Patents
基于离线数据处理的风险交易管控方法、装置及系统 Download PDFInfo
- Publication number
- CN111930746A CN111930746A CN202010758193.2A CN202010758193A CN111930746A CN 111930746 A CN111930746 A CN 111930746A CN 202010758193 A CN202010758193 A CN 202010758193A CN 111930746 A CN111930746 A CN 111930746A
- Authority
- CN
- China
- Prior art keywords
- transaction
- data
- risk
- management
- service
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000007726 management method Methods 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000005192 partition Methods 0.000 claims description 7
- 241000656145 Thyrsites atun Species 0.000 claims description 6
- 230000000903 blocking effect Effects 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 238000012954 risk control Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 2
- 230000006399 behavior Effects 0.000 abstract description 10
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000007619 statistical method Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management 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
- G06F16/23—Updating
-
- 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
- G06F16/256—Integrating or interfacing systems involving database management systems in federated or virtual databases
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Computing Systems (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提出一种基于离线数据处理的风险交易管控方法，采用离线的数理统计方法对商户号、交易卡号等维度的交易数据进行统计分析。采用数理统计的方式将商户在当日之前一个月甚至是前几个月内的交易数据进行统计，分析商户交易的数据，结合央行的合规标准分析，利用分析结果对商户的交易行为进行判定，为业务员对管控商户提供有效的判别依据。利用脚本和程序对交易信息数据进行统计和分析，能在很大程度上提高对交易数据统计处理的效率和准确度，进而提高对商户交易行为分析的准确性和效率，降低了不合理交易成功的可能行。
Description
技术领域
本发明涉及网上交易风险管控领域，特别涉及一种基于离线数据处理的风险交易管控方法、装置及系统。
背景技术
在无现金的时代背景下，交易极度依赖刷卡和扫码支付，第三方支付公司的交易流水数量呈爆炸式增长。在海量的交易中难免存在商户欺诈、非法套现以及其它不合规的交易行为。对于这种有损公司和消费者权益的行为，第三方支付公司有责任和义务进行管控，比如在交易成功之前进行阻断或者对高危商户进行交易预警，以减少消费者和公司的损失。目前对商户和交易的监测，主要依赖于风控专员手动分析商户的交易流水来判定商户是否存在违规行为或者该笔交易是不合规交易，但是这种处理方式效率低下，准确性得不到保证，很难实现对商户和交易的不合规现象进行精准管控，也在很大程度上加大了业务人员的工作量。
并且目前市场上的数据处理主要在oracle中进行，由于公司的交易量巨大，数据处理的难度提升，使用传统的计算统计方式，速度慢，而且容易造成数据的丢失。
发明内容
为了克服现有技术的不足，本发明提供一种基于离线数据处理的风险交易管控方法。
本发明解决其技术问题所采用的技术方案是：
一种基于离线数据处理的风险交易管控方法，包括：
将交易系统中的基础表中的数据通过ETL，以T+1的增量方式进行离线同步，汇总到操作性数据仓库ODS中，减少对交易系统中的源数据的直接操作；
将操作性数据仓库ODS中的数据同步到数据仓库DW的宽表中，建立宽表，将不同的场景中要进行统计的所有字段汇总到宽表中；
在Hive上针对宽表中存储的数据，结合业务需求，对数据进行统计汇总，并将汇总的结果插入到数据库DM中的业务表，数据仓库DM中的业务表存储的是不同的业务场景的数据，而业务表的每个分区则是针对不同的特定的业务场景进行统计的结果，对不同的业务场景，取用不同分区的统计数据，进而准确地判断商户在不同的业务场景种的行为是否合规；
将业务表中各个分区的数据带上不同的标签同步到Aerospike中，以JSON形式进行存储；
交易带着封装后的交易数据实时经过风控引擎，风控引擎会调用Aerospike中的JSON数据进行分析，判断当前这笔交易是否有触发风控专员定制的风险管理规则，以判断结果为依据给当前交易做出对应的风险管控。
进一步地，所述基础表包括交易表、交易明细表以及商户信息表。
进一步地，所述风险管控包括预警以及阻断交易的措施。
本发明还公开了一种基于离线数据处理的风险交易管控装置，应用于风险管理系统，包括：
离线同步模块，用于将交易系统中的基础表中的数据通过ETL，以T+1的增量方式进行离线同步；
宽表建立模块，用于将操作性数据仓库ODS中的数据同步到数据仓库DW的宽表中，建立宽表；
分组汇总模块，用于按照不同的数据统计汇总需求，将数据库DW宽表中的相关字段进行分组汇总到数据仓库DM；
Aerospike同步模块，用于将业务表中各个分区的数据带上不同的标签同步到Aerospike中；
判断模块，用于判断当前这笔交易是否有触发风控专员定制的风险管理规则，以判断结果为依据给当前交易做出对应的风险管控。
进一步地，所述基础表包括交易表、交易明细表以及商户信息表。
本发明还公开了一种基于离线数据处理的风险交易管控系统，包括
Oracle：用于存放交易系统中交易过程中产生的数据；
MongoDB：分布式数据集群，将多个Oracle的数据汇集在集群的数据库中，数据以JSON的格式进行存储便于查询，mongoDB的使用能避免对源数据的操作，以免造成交易数据丢失；
Hive：基于Hadoop的关系型数据库，用于做统计计算，将MongoDB的数据利用kettle工具将数据抽取到Hive的数据仓库DW中，再利用Hive的高性能计算特性，将计算汇总后的数据存到Hive的数据库DM中；
Aerospike：简称AS数据库，以JSON格式存放数据库DM中的统计结果，用于在交易经过风控引擎的时候能以最快的速度读取数据进行判断，最大程度上减少交易判断的时间；
交易系统：用于交易进行并且上送交易信息到风控系统判断；
风控规则系统：用于定制交易判别标准，为风险管理系统提供判别方法和标准；
风险管理系统：用于对交易进行判断，并展示违规交易的判断结果。
进一步地，所述Oracle中存放的数据包括交易表、交易明细表、代付信息表、商户信息表以及商户结算信息表中的数据。
本发明的有益效果是：本发明提出一种基于离线数据处理的风险交易管控方法，采用离线的数理统计方法对商户号、交易卡号等维度的交易数据进行统计分析。采用数理统计的方式将商户在当日之前一个月甚至是前几个月内的交易数据进行统计，分析商户交易的数据，结合央行的合规标准分析，利用分析结果对商户的交易行为进行判定，为业务员对管控商户提供有效的判别依据。利用脚本和程序对交易信息数据进行统计和分析，能在很大程度上提高对交易数据统计处理的效率和准确度，进而提高对商户交易行为分析的准确性和效率，降低了不合理交易成功的可能行。并且将数据的计算统计放在Hive中进行，在保证数据完整性的前提下，利用Hive的特性，大幅提升了数据计算统计的效率。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明一种基于离线数据处理的风险交易管控方法的业务流程图；
图2是本发明一种基于离线数据处理的风险交易管控装置的模块组成图；
图3是本发明一种基于离线数据处理的风险交易管控系统的结构示意图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。另外，专利中涉及到的所有联接/连接关系，并非单指构件直接相接，而是指可根据具体实施情况，通过添加或减少联接辅件，来组成更优的联接结构。本发明创造中的各个技术特征，在不互相矛盾冲突的前提下可以交互组合。
参照图1，本发明公开一种基于离线数据处理的风险交易管控方法，包括：
将交易系统301中的基础表中的数据通过ETL，以T+1的增量方式进行离线同步(初始化时需要同步全量数据)，汇总到操作性数据仓库ODS中，采用此技术方案，能够减少对交易系统301中的源数据的直接操作；
将操作性数据仓库ODS中的数据同步到数据仓库DW的宽表中，建立宽表，将不同的场景中要进行统计的所有字段汇总到宽表中，采用此技术方案，能减少单个场景做数据处理时的表连接操作，在最大程度上保证数据同步处理的效率；
在Hive上针对宽表中存储的数据，结合业务需求，对数据进行统计汇总，并将汇总的结果插入到数据库DM中的业务表，数据仓库DM中的业务表存储的是不同的业务场景的数据，而业务表的每个分区则是针对不同的特定的业务场景进行统计的结果，对不同的业务场景，取用不同分区的统计数据，采用此技术方案，进而能够准确地判断商户在不同的业务场景种的行为是否合规；
将业务表中各个分区的数据带上不同的标签同步到Aerospike204中，以JSON形式进行存储；
交易带着封装后的交易数据实时经过风控引擎，风控引擎会调用Aerospike中的JSON数据进行分析，判断当前这笔交易是否有触发风控专员定制的风险管理规则，以判断结果为依据给当前交易做出对应的风险管控。
数据仓库DW中的业务表的每个分区则是针对不同的特定的业务场景进行统计的结果，对不同的业务场景，取用不同分区的统计数据；为了更好地说明上述实施例，现举例进行说明。
对数据库DM按业务场景分区举例而言：数据库DM是Hive203中的目标表，一般一张表用于存放不同的场景的数据。比如quick_pay表，用于存放云闪付相关业务的统计数据。
每一张表也会根据不同的特定的场景进行分区(即一个分区对应AS库的一个统计条件)，比如quick_pay表就分为以下五种业务场景：
A:同一商户按卡类型与交易状态统计交易次数_交易金额大于5000；
B:同一商户按卡类型与交易状态累计交易金额；
C:同一商户按卡类型与交易状态统计交易次数_交易时间在[0,6]内；
D:同一商户按交易状态统计交易次数和交易金额；
E:同一商户按卡类型与交易状态统计交易次数_交易金额为特征交易金额。
进一步地，所述基础表包括交易表、交易明细表以及商户信息表。
进一步地，所述风险管控包括预警以及阻断交易的措施。
如图2所示，本发明还公开了一种基于离线数据处理的风险交易管控装置，应用于风险管理系统303，包括：
离线同步模块101，用于将交易系统301中的基础表中的数据通过ETL，以T+1的增量方式进行离线同步；
宽表建立模块102，用于将操作性数据仓库ODS中的数据同步到数据仓库DW的宽表中，建立宽表；
分组汇总模块103，分组汇总模块，用于按照不同的数据统计汇总需求，将数据库DW宽表中的相关字段进行分组汇总到数据仓库DM；
Aerospike204同步模块104，用于将业务表中各个分区的数据带上不同的标签同步到Aerospike204中；
判断模块105，用于判断当前这笔交易是否有触发风控专员定制的风险管理规则，以判断结果为依据给当前交易做出对应的风险管控。
进一步地，所述基础表包括交易表、交易明细表以及商户信息表。
如图3所示，本发明还公开了一种基于离线数据处理的风险交易管控系统，包括
Oracle201：用于存放交易系统301中交易过程中产生的数据；
MongoDB202：分布式数据集群，将多个Oracle201的数据汇集在集群的数据库中，数据以JSON的格式进行存储便于查询，mongoDB的使用能避免对源数据的操作，以免造成交易数据丢失；
Hive203：基于Hadoop的关系型数据库，用于做统计计算，将MongoDB202的数据利用kettle工具将数据抽取到Hive203的数据仓库DW中，再利用Hive203的高性能计算特性，将计算汇总后的数据存到Hive203的数据库DM中；
Aerospike204：简称AS数据库，以JSON格式存放数据库DM中的统计结果，用于在交易经过风控引擎的时候能以最快的速度读取数据进行判断，最大程度上减少交易判断的时间；
交易系统301：用于交易进行并且上送交易信息到风控系统判断；
风控规则系统302：用于定制交易判别标准，为风险管理系统303提供判别方法和标准；
风险管理系统303：用于对交易进行判断，并展示违规交易的判断结果。
进一步地，所述Oracle201中存放的数据包括交易表、交易明细表、代付信息表、商户信息表以及商户结算信息表中的数据。
以商户号为例，采用数理统计的方式将商户在当日之前一个月甚至是前几个月内的交易数据进行统计，分析商户交易的数据，结合央行的合规标准分析，利用分析结果对商户的交易行为进行判定，为业务员对管控商户提供有效的判别依据。
本发明的有益效果是：本发明提出一种基于离线数据处理的风险交易管控方法，采用离线的数理统计方法对商户号、交易卡号等维度的交易数据进行统计分析。利用脚本和程序对交易信息数据进行统计和分析，能在很大程度上提高对交易数据统计处理的效率和准确度，进而提高对商户交易行为分析的准确性和效率，降低了不合理交易成功的可能行。并且将数据的计算统计放在Hive中进行，在保证数据完整性的前提下，利用Hive的特性，大幅提升了数据计算统计的效率。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (7)
1.一种基于离线数据处理的风险交易管控方法，其特征在于，包括：
将交易系统中的基础表中的数据通过ETL，以T+1的增量方式进行离线同步，汇总到操作性数据仓库ODS中；
将操作性数据仓库ODS中的数据同步到数据仓库DW的宽表中，建立宽表，将不同的场景中要进行统计的所有字段汇总到宽表中；
在Hive上针对宽表中存储的数据，结合业务需求，对数据进行统计汇总，并将汇总的结果插入到数据库DM中的业务表，数据仓库DM中的业务表存储的是不同的业务场景的数据，而业务表的每个分区则是针对不同的特定的业务场景进行统计的结果，对不同的业务场景，取用不同分区的统计数据；
将业务表中各个分区的数据带上不同的标签同步到Aerospike中，以JSON形式进行存储；
交易带着封装后的交易数据实时经过风控引擎，风控引擎会调用Aerospike中的JSON数据进行分析，判断当前这笔交易是否有触发风控专员定制的风险管理规则，以判断结果为依据给当前交易做出对应的风险管控。
2.根据权利要求1所述的一种基于离线数据处理的风险交易管控方法，其特征在于：
所述基础表包括交易表、交易明细表以及商户信息表。
3.根据权利要求1所述的一种基于离线数据处理的风险交易管控方法，其特征在于：
所述风险管控包括预警以及阻断交易的措施。
4.一种基于离线数据处理的风险交易管控装置，应用于风险管理系统，其特征在于，包括：
离线同步模块，用于将交易系统中的基础表中的数据通过ETL，以T+1的增量方式进行离线同步；
宽表建立模块，用于将操作性数据仓库ODS中的数据同步到数据仓库DW的宽表中，建立宽表；
分组汇总模块，用于按照不同的数据统计汇总需求，将数据库DW宽表中的相关字段进行分组汇总到数据仓库DM；
Aerospike同步模块，用于将业务表中各个分区的数据带上不同的标签同步到Aerospike中；
判断模块，用于判断当前这笔交易是否有触发风控专员定制的风险管理规则，以判断结果为依据给当前交易做出对应的风险管控。
5.根据权利要求4所述的一种基于离线数据处理的风险交易管控装置，其特征在于：
所述基础表包括交易表、交易明细表以及商户信息表。
6.一种基于离线数据处理的风险交易管控系统，其特征在于：包括
Oracle：用于存放交易系统中交易过程中产生的数据；
MongoDB：分布式数据集群，将多个Oracle的数据汇集在集群的数据库中，数据以JSON的格式进行存储便于查询，mongoDB的使用能避免对源数据的操作，以免造成交易数据丢失；
Hive：基于Hadoop的关系型数据库，用于做统计计算，将MongoDB的数据利用kettle工具将数据抽取到Hive的数据仓库DW中，再利用Hive的高性能计算特性，将计算汇总后的数据存到Hive的数据库DM中；
Aerospike：以JSON格式存放数据库DM中的统计结果，用于在交易经过风控引擎的时候能以最快的速度读取数据进行判断，最大程度上减少交易判断的时间；
交易系统：用于交易进行并且上送交易信息到风控系统判断；
风控规则系统：用于定制交易判别标准，为风险管理系统提供判别方法和标准；
风险管理系统：用于对交易进行判断，并展示违规交易的判断结果。
7.根据权利要求6所述的一种基于离线数据处理的风险交易管控系统，其特征在于：
所述Oracle中存放的数据包括交易表、交易明细表、代付信息表、商户信息表以及商户结算信息表中的数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010758193.2A CN111930746B (zh) | 2020-07-31 | 2020-07-31 | 基于离线数据处理的风险交易管控方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010758193.2A CN111930746B (zh) | 2020-07-31 | 2020-07-31 | 基于离线数据处理的风险交易管控方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111930746A true CN111930746A (zh) | 2020-11-13 |
| CN111930746B CN111930746B (zh) | 2024-05-03 |
Family
ID=73314945
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010758193.2A Active CN111930746B (zh) | 2020-07-31 | 2020-07-31 | 基于离线数据处理的风险交易管控方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111930746B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116610680A (zh) * | 2023-07-20 | 2023-08-18 | 上海富友支付服务股份有限公司 | 高频库和使用高频库的数据分级存储和查询方法和系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8185457B1 (en) * | 2007-10-25 | 2012-05-22 | United Services Automobile Association (Usaa) | Transaction risk analyzer |
| CN109064032A (zh) * | 2018-08-06 | 2018-12-21 | 国网浙江杭州市临安区供电有限公司 | 基于企业云平台的供电所小微权力廉洁风险监督管控系统 |
| CN109697567A (zh) * | 2018-12-27 | 2019-04-30 | 上海农村商业银行股份有限公司 | 一种大数据实时风险预警方法及系统 |
-
2020
- 2020-07-31 CN CN202010758193.2A patent/CN111930746B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8185457B1 (en) * | 2007-10-25 | 2012-05-22 | United Services Automobile Association (Usaa) | Transaction risk analyzer |
| CN109064032A (zh) * | 2018-08-06 | 2018-12-21 | 国网浙江杭州市临安区供电有限公司 | 基于企业云平台的供电所小微权力廉洁风险监督管控系统 |
| CN109697567A (zh) * | 2018-12-27 | 2019-04-30 | 上海农村商业银行股份有限公司 | 一种大数据实时风险预警方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116610680A (zh) * | 2023-07-20 | 2023-08-18 | 上海富友支付服务股份有限公司 | 高频库和使用高频库的数据分级存储和查询方法和系统 |
| CN116610680B (zh) * | 2023-07-20 | 2023-10-13 | 上海富友支付服务股份有限公司 | 高频库和使用高频库的数据分级存储和查询方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111930746B (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111126828A (zh) | 一种基于知识图谱的多层资金异常流向监控方法 | |
| CN110297866A (zh) | 基于日志分析的数据同步方法及数据同步装置 | |
| CN106952158A (zh) | 解决热点账户问题的记账方法及设备 | |
| CN108595621B (zh) | 一种虚开增值税发票的预警分析方法及系统 | |
| CN111177250A (zh) | 一种异常交易监测方法、系统及存储介质 | |
| CN107784074A (zh) | 关联交易的识别方法、装置和、计算机设备和存储介质 | |
| CN111062799A (zh) | 家庭客户的管理方法、装置、电子设备及存储介质 | |
| CN114357000A (zh) | 一种区块链交易数据检索系统、方法、设备及存储介质 | |
| CN105405221A (zh) | 一种自动化测试的方法及装置 | |
| CN105718603A (zh) | 一种基于蜡烛图的时序数据可视化方法及装置 | |
| CN110069670A (zh) | 数据归集方法、装置、设备及计算机可读存储介质 | |
| CN116012168A (zh) | 一种异常账户实时监测预警方法、装置、设备和介质 | |
| CN111930746A (zh) | 基于离线数据处理的风险交易管控方法、装置及系统 | |
| CN110362456A (zh) | 一种获取服务端性能数据的方法及装置 | |
| CN114840527A (zh) | 数据处理方法、装置及计算机可读存储介质 | |
| US20150081482A1 (en) | Analytics-driven automated reconciliation of financial transactions | |
| CN106708869B (zh) | 一种群组数据处理的方法及装置 | |
| CN111930764A (zh) | 基于实时数据处理的风险交易管控方法及装置 | |
| CN115186025A (zh) | 可视化报表的自动配置方法、系统及设备 | |
| US20160154797A1 (en) | Keyword Frequency Analysis System | |
| CN109658095A (zh) | 自助设备日志存储管理方法、系统及存储介质 | |
| CN111179088B (zh) | 一种信息处理方法及装置 | |
| CN111753331B (zh) | 数据漂白方法和装置 | |
| CN117573687B (zh) | 一种基于ClickHouse数据库的业务表单反写/读取方法及系统 | |
| US20230334068A1 (en) | Data processing method and apparatus thereof, electronic device, and computer-readable storage medium |
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 |