CN111932359A - 一种风险监测方法、系统及电子设备 - Google Patents
一种风险监测方法、系统及电子设备 Download PDFInfo
- Publication number
- CN111932359A CN111932359A CN202010686168.8A CN202010686168A CN111932359A CN 111932359 A CN111932359 A CN 111932359A CN 202010686168 A CN202010686168 A CN 202010686168A CN 111932359 A CN111932359 A CN 111932359A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- risk
- data
- information
- generating
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 202
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012800 visualization Methods 0.000 claims abstract description 47
- 230000000007 visual effect Effects 0.000 claims abstract description 34
- 238000012795 verification Methods 0.000 claims description 12
- 230000001960 triggered effect Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 description 16
- 238000003860 storage Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 238000011161 development Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000011835 investigation Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种风险监测方法、系统及电子设备，获取目标数据，所述目标数据包括内部系统数据和外部系统数据；基于所述目标数据生成风险可视化图；在配置数据库中确定配置参数，并基于所述配置参数生成监测条件；根据所述风险可视化图，对所述监测条件对应的数据进行风险监测，得到风险监测结果。本发明整合了与风险有关内外部数据，并且可以基于监测条件实现风险数据的自动及可视化监测，满足了实际监测需求，提升了数据的安全性。
Description
技术领域
本发明涉及信息处理技术领域，特别是涉及一种风险监测方法、系统及电子设备。
背景技术
随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技转变，数据分析技术也不例外，但由于金融行业的安全性、实时性要求，也对数据分析技术提出了更高的要求。
现有的金融行业中的基于风险数据进行监测的方法，通常会由于数据范围的影响，并且对监测系统的配置较为固定，使得监测结果无法满足实际需求，会对数据的安全性造成一定的影响。
发明内容
针对于上述问题，本发明提供一种风险监测方法、系统及电子设备，实现了利用整合数据对风险数据进行可视化监测，满足了实际监测需求，提升了数据的安全性。
为了实现上述目的，本发明提供了如下技术方案：
一种风险监测方法，所述方法包括：
获取目标数据，所述目标数据包括内部系统数据和外部系统数据；
基于所述目标数据生成风险可视化图；
在配置数据库中确定配置参数，并基于所述配置参数生成监测条件；
根据所述风险可视化图，对所述监测条件对应的数据进行风险监测，得到风险监测结果。
可选地，所述获取目标数据，包括：
获取待监测用户的用户信息以及关联关系信息；
基于所述用户信息确定用户标识；
根据所述关联信息获取内部系统数据和外部系统数据；
将所述内部系统数据、所述外部系统数据分别与所述用户标识进行关联，得到目标数据。
可选地，所述基于所述目标数据生成风险可视化图，包括：
将所述目标数据按照层级展示方式形成风险可视化图。
可选地，所述方法还包括：
基于所述风险可视化图，生成可视化监测信息，使得用户对所述可视化监测信息进行触发时，进行与用户触发的可视化监测信息对应的风险监测。
可选地，所述根据所述风险可视化图，对所述监测条件对应的数据进行风险监测，得到风险监测结果，包括：
对所述监测条件进行验证，若验证通过，对所述监测条件进行解析，得到监测维度；
基于所述监测维度对所述风险可视化图进行监测，得到风险监测结果；
若所述风险监测结果满足预警条件，生成预警信息；
按照与所述预警条件相匹配的信息推送模式，将所述预警信息进行推送。
一种风险监测系统，所述系统包括：
获取单元，用于获取目标数据，所述目标数据包括内部系统数据和外部系统数据；
生成单元，用于基于所述目标数据生成风险可视化图；
确定单元，用于在配置数据库中确定配置参数，并基于所述配置参数生成监测条件；
监测单元，用于根据所述风险可视化图，对所述监测条件对应的数据进行风险监测，得到风险监测结果。
可选地，所述获取单元包括：
第一获取子单元，用于获取待监测用户的用户信息以及关联关系信息；
标识确定子单元，用于基于所述用户信息确定用户标识；
第二获取子单元，用于根据所述关联信息获取内部系统数据和外部系统数据；
关联子单元，用于将所述内部系统数据、所述外部系统数据分别与所述用户标识进行关联，得到目标数据。
可选地，所述装置还包括：
可视化监测单元，用于基于所述风险可视化图，生成可视化监测信息，使得用户对所述可视化监测信息进行触发时，进行与用户触发的可视化监测信息对应的风险监测。
可选地，所述监测单元包括：
验证子单元，用于对所述监测条件进行验证，若验证通过，对所述监测条件进行解析，得到监测维度；
监测子单元，用于基于所述监测维度对所述风险可视化图进行监测，得到风险监测结果；
预警生成子单元，用于若所述风险监测结果满足预警条件，生成预警信息；
推送子单元，用于按照与所述预警条件相匹配的信息推送模式，将所述预警信息进行推送。
一种电子设备，包括：
存储器，用于存储程序；
处理器，用于执行所述程序，所述程序具体用于：
获取目标数据，所述目标数据包括内部系统数据和外部系统数据；
基于所述目标数据生成风险可视化图；
在配置数据库中确定配置参数，并基于所述配置参数生成监测条件；
根据所述风险可视化图，对所述监测条件对应的数据进行风险监测，得到风险监测结果。
相较于现有技术，本发明提供了一种风险监测方法、系统及电子设备，获取目标数据，所述目标数据包括内部系统数据和外部系统数据；基于所述目标数据生成风险可视化图；在配置数据库中确定配置参数，并基于所述配置参数生成监测条件；根据所述风险可视化图，对所述监测条件对应的数据进行风险监测，得到风险监测结果。本发明整合了与风险有关内外部数据，并且可以基于监测条件实现风险数据的自动及可视化监测，满足了实际监测需求，提升了数据的安全性。
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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种风险监测方法的流程示意图；
图2为本发明实施例提供的一种风险监测系统的结构示意图。
具体实施方式
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，所描述的实施例仅仅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做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。
本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有设定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。
在本发明实施例中提供了一种风险监测方法，参见图1，该方法可以包括以下步骤：
S101、获取目标数据。
S102、基于目标数据生成风险可视化图。
在本发明实施例中目标数据包括内部系统数据和外部系统数据，其中，内部系统数据是指待监测领域的系统，外部系统是指待监测领域系统的关联系统的数据。例如，以基于目标银行的数据进行风险监测时，该风险可视化图可以是客户风险视图。通过同一的客户风险视图，展现客户再改目标银行的整体授信情况和风险敞口，且通过客户的资产状况、与其关联人、关联企业之间的关系，可揭示直接或间接相关的风险因素。具体实现方式为在数据平台接入统一客户中心系统、三方征信系统(外部数据)、联合贷款系统、线上贷款系统、综合信贷系统等业务系统，通过统一客户中心提供的客户身份证号码关联三方征信系统中客户身份证号，取统一客户中心的客户编号为三方征信系统客户的唯一标识，通过统一客户中心提供的核心客户号关联线上贷、联合贷、综合信贷系统的客户基本信息表，通过该表中的系统内客户编号，取到源系统客户的申请信息、五级分类情况、授权信息、信贷信息、借据信息、放贷、还款等信息并将以上三个系统信息整合，整合后以同一客户中心的客户编号为客户的唯一标识，通过唯一标识实现内外部数据的整合，形成客户的统一风险视图。
即，在本发明实施例中整合内外部数据实现获取目标数据的过程包括：
获取待监测用户的用户信息以及关联关系信息；
基于所述用户信息确定用户标识；
根据所述关联信息获取内部系统数据和外部系统数据；
将所述内部系统数据、所述外部系统数据分别与所述用户标识进行关联，得到目标数据。
需要说明的是，在本发明实施例中生成的风险可视化图即客户风险视图视可以实现层级展示，并且可以实现数据的可选定以及可展示。具体的，基于风险可视化图，生成可视化监测信息，使得用户对可视化监测信息进行触发时，进行与用户触发的可视化监测信息对应的风险监测。
S103、在配置数据库中确定配置参数，并基于所述配置参数生成监测条件；
S104、根据风险可视化图，对所述监测条件对应的数据进行风险监测，得到风险监测结果。
在本发明实施例中，对于进行风险监测的配置参数是可以配置的，即配置数据库中包括多个配置参数，可以根据实际需求进行配置参数的选定，基于选定的配置参数生成监测条件，从而可以实现对具体应用目的的监测。
具体的，在本发明实施例中实现该风险监测方法的平台具有以下特点：实现了模块化开发，Python程序模块化开发，支持datastage、Informatica、kettle采集配置生成支持Oracle、Inceptor、MySQL卸数脚本生成；程序及SQL解耦，Python程序与所有ETL处理的SQL模板进行解耦；理论上Python程序可以扩展支持任意型关系型数据库，或者支持通过SQL进行处理的大数据集群；实施配置化，ETL开发过程元数据整理模板化，对ETL开发人员的SQL开发技能的依赖性进一步弱化；提高开发效率及缩短实施周期；标准化、流程化，部署简易，保障实施及使用的标准化的同时，又提供灵活的数据处理能力；平台异构，基于Python2.x版本进行开发，程序支持异构平台。
其中，可配置的参数包括：平台系统参数配置、源系统参数配置、源表信息配置、模型层MAPPING配置、共性加工层加工配置、应用集市层加工配置、卸数配置。生成工具配置过程包括：环境初始化、程序元数据初始化、模板开发初始化、数据抽取工程生成、建表及算法脚本生成、共性及集市SQL开发。执行工具(服务器)主要完成环境配置、批量数据抽取测试、数据批量加载测试、模型层脚本处理测试、共性加工层脚本执行测试、应用集市层加工执行测试、卸数执行测试。然后便可以进行运行。
具体的该平台的可视化监控过程如下：
调度平台作为调度平台作为数据仓库中数据处理作业的编排，状态监控的工具。因此设计中主要涉及的内容是梳理作业的依赖关联、作业的触发方式。
结合目标银行数据湖现状及开发、运维一致性的角度，本次调度平台使用Airflow进行ETL作业调度。Airflow是一款开源的、分布式任务调度框架，它将一个具有上下级依赖的工作流，组装成一个有向无环图。并且具有以下特点：
分布式任务调度：允许一个工作流的task在多台worker上同时执行；
可构建任务依赖：以有向无环图的方式构建任务依赖关系；
task原子性：工作流上每个task都是源自可重试的，一个工作流某个环节的task失败可自动或手动进行重试，不必从头开始任务。
开发系统的可视化监控，包括：ETL作业的依赖关系、各个作业的执行情况、任务的翻盘机制。
开发规则/模型管理平台，包括规则/模型分析，规则/模型配管理。通过JAVA开发实现。
对已配置的预警规则、模型进行不同维度的分析。
风险监测的基础是对监测模型进行有效的管理与维护，模型配置的主要功能包括：
(1)模型新建，即配置模型的基本信息，包括模型基本信息、数据采集来源、预警查证信息等；
(2)模型修改，可灵活修改监测模型的参数值及模型的基本信息等；
(3)模型验证，运行预定义的模型，通过风险预警查证工具对模型结果进行验证，论证该模型的正确性以及模型的实用性等；
(4)模型发布，模型配置完成之后，对模型进行发布；
(5)模型权限配置，对模型的管理权限进行设置；
(6)模型停用，对不再适用的模型进行关闭停用。
开发预警管理平台，包括模型监控预警、预警信息派发、预警信息查询、预警信息查询。
其中，模型监控预警：
监测模型按日、周、月、季度、半年、年等运行频率定时的自动分析，后台数据分析引擎根据预警模型预设的规则和运行频率，自动进行分析计算。运算完成后，系统自动把运算结果保存至系统数据集市中，同时根据系统线索分配策略自动把线索分配给相关人员，相关人员接收到线索任务后通过查证工具进行调查分析、事实确认，如确实存在问题，则入问题管理与风险评估平台进行问题整改跟踪和问责。
预警信息派发：
系统支持自动分配线索和手动分配线索两种模式，线索分配策略可根据行内需要自行设定为按模型分配，按机构分配，按业务类型分配，按模型、机构分配，按模型、业务类型分配等几种策略。系统支持预警信息多渠道信息发布，包括WEB，短信，邮件，电话通知等多种方式。
预警信息处理：
各个预警模型运行后，会生成一系列的预警线索，需要由相关人员对预警线索进行分析与判断，并执行相应的后续处理，预警任务按处理状态分为“未处理”、“处理中”和“已处理”。相关人员可在线索处理的预警模型下查看预警模型未处理、处理中的条数，预警线索的明细，并可对未处理的预警模型线索进行处理。预警查询查证任务下发后，该预警线索状态从未处理变为处理中。同时该预警模型的处理状态也可在预警监测处理中查看。
本发明提供了一种风险监测方法，获取目标数据，所述目标数据包括内部系统数据和外部系统数据；基于所述目标数据生成风险可视化图；在配置数据库中确定配置参数，并基于所述配置参数生成监测条件；根据所述风险可视化图，对所述监测条件对应的数据进行风险监测，得到风险监测结果。本发明整合了与风险有关内外部数据，并且可以基于监测条件实现风险数据的自动及可视化监测，满足了实际监测需求，提升了数据的安全性。
参见图2，在本发明实施例中还提供了一种风险监测系统，所述系统包括：
获取单元10，用于获取目标数据，所述目标数据包括内部系统数据和外部系统数据；
生成单元20，用于基于所述目标数据生成风险可视化图；
确定单元30，用于在配置数据库中确定配置参数，并基于所述配置参数生成监测条件；
监测单元40，用于根据所述风险可视化图，对所述监测条件对应的数据进行风险监测，得到风险监测结果。
在上述实施例的基础上，所述获取单元包括：
第一获取子单元，用于获取待监测用户的用户信息以及关联关系信息；
标识确定子单元，用于基于所述用户信息确定用户标识；
第二获取子单元，用于根据所述关联信息获取内部系统数据和外部系统数据；
关联子单元，用于将所述内部系统数据、所述外部系统数据分别与所述用户标识进行关联，得到目标数据。
在上述实施例的基础上，所述装置还包括：
可视化监测单元，用于基于所述风险可视化图，生成可视化监测信息，使得用户对所述可视化监测信息进行触发时，进行与用户触发的可视化监测信息对应的风险监测。
在上述实施例的基础上，所述监测单元包括：
验证子单元，用于对所述监测条件进行验证，若验证通过，对所述监测条件进行解析，得到监测维度；
监测子单元，用于基于所述监测维度对所述风险可视化图进行监测，得到风险监测结果；
预警生成子单元，用于若所述风险监测结果满足预警条件，生成预警信息；
推送子单元，用于按照与所述预警条件相匹配的信息推送模式，将所述预警信息进行推送。
在本发明实施例还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被执行时实现如上所述的任一项的风险监测方法及其相关步骤。
本发明提供了一种风险监测系统，获取单元获取目标数据，所述目标数据包括内部系统数据和外部系统数据；生成单元基于所述目标数据生成风险可视化图；确定单元在配置数据库中确定配置参数，并基于所述配置参数生成监测条件；监测单元根据所述风险可视化图，对所述监测条件对应的数据进行风险监测，得到风险监测结果。本发明整合了与风险有关内外部数据，并且可以基于监测条件实现风险数据的自动及可视化监测，满足了实际监测需求，提升了数据的安全性。
在本发明实施例中还提供了一种电子设备，所述电子设备包括：
存储器，用于存储程序；
处理器，用于执行所述程序，所述程序具体用于：
获取目标数据，所述目标数据包括内部系统数据和外部系统数据；
基于所述目标数据生成风险可视化图；
在配置数据库中确定配置参数，并基于所述配置参数生成监测条件；
根据所述风险可视化图，对所述监测条件对应的数据进行风险监测，得到风险监测结果。
进一步地，所述获取目标数据，包括：
获取待监测用户的用户信息以及关联关系信息；
基于所述用户信息确定用户标识；
根据所述关联信息获取内部系统数据和外部系统数据；
将所述内部系统数据、所述外部系统数据分别与所述用户标识进行关联，得到目标数据。
进一步地，所述基于所述目标数据生成风险可视化图，包括：
将所述目标数据按照层级展示方式形成风险可视化图。
进一步地，所述方法还包括：
基于所述风险可视化图，生成可视化监测信息，使得用户对所述可视化监测信息进行触发时，进行与用户触发的可视化监测信息对应的风险监测。
进一步地，所述根据所述风险可视化图，对所述监测条件对应的数据进行风险监测，得到风险监测结果，包括：
对所述监测条件进行验证，若验证通过，对所述监测条件进行解析，得到监测维度；
基于所述监测维度对所述风险可视化图进行监测，得到风险监测结果；
若所述风险监测结果满足预警条件，生成预警信息；
按照与所述预警条件相匹配的信息推送模式，将所述预警信息进行推送。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
还需要说明的是，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、商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、商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，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种风险监测方法，其特征在于，所述方法包括：
获取目标数据，所述目标数据包括内部系统数据和外部系统数据；
基于所述目标数据生成风险可视化图；
在配置数据库中确定配置参数，并基于所述配置参数生成监测条件；
根据所述风险可视化图，对所述监测条件对应的数据进行风险监测，得到风险监测结果。
2.根据权利要求1所述的方法，其特征在于，所述获取目标数据，包括：
获取待监测用户的用户信息以及关联关系信息；
基于所述用户信息确定用户标识；
根据所述关联信息获取内部系统数据和外部系统数据；
将所述内部系统数据、所述外部系统数据分别与所述用户标识进行关联，得到目标数据。
3.根据权利要求1所述的方法，其特征在于，所述基于所述目标数据生成风险可视化图，包括：
将所述目标数据按照层级展示方式形成风险可视化图。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述风险可视化图，生成可视化监测信息，使得用户对所述可视化监测信息进行触发时，进行与用户触发的可视化监测信息对应的风险监测。
5.根据权利要求1所述的方法，其特征在于，所述根据所述风险可视化图，对所述监测条件对应的数据进行风险监测，得到风险监测结果，包括：
对所述监测条件进行验证，若验证通过，对所述监测条件进行解析，得到监测维度；
基于所述监测维度对所述风险可视化图进行监测，得到风险监测结果；
若所述风险监测结果满足预警条件，生成预警信息；
按照与所述预警条件相匹配的信息推送模式，将所述预警信息进行推送。
6.一种风险监测系统，其特征在于，所述系统包括：
获取单元，用于获取目标数据，所述目标数据包括内部系统数据和外部系统数据；
生成单元，用于基于所述目标数据生成风险可视化图；
确定单元，用于在配置数据库中确定配置参数，并基于所述配置参数生成监测条件；
监测单元，用于根据所述风险可视化图，对所述监测条件对应的数据进行风险监测，得到风险监测结果。
7.根据权利要求6所述的装置，其特征在于，所述获取单元包括：
第一获取子单元，用于获取待监测用户的用户信息以及关联关系信息；
标识确定子单元，用于基于所述用户信息确定用户标识；
第二获取子单元，用于根据所述关联信息获取内部系统数据和外部系统数据；
关联子单元，用于将所述内部系统数据、所述外部系统数据分别与所述用户标识进行关联，得到目标数据。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：
可视化监测单元，用于基于所述风险可视化图，生成可视化监测信息，使得用户对所述可视化监测信息进行触发时，进行与用户触发的可视化监测信息对应的风险监测。
9.根据权利要求6所述的装置，其特征在于，所述监测单元包括：
验证子单元，用于对所述监测条件进行验证，若验证通过，对所述监测条件进行解析，得到监测维度；
监测子单元，用于基于所述监测维度对所述风险可视化图进行监测，得到风险监测结果；
预警生成子单元，用于若所述风险监测结果满足预警条件，生成预警信息；
推送子单元，用于按照与所述预警条件相匹配的信息推送模式，将所述预警信息进行推送。
10.一种电子设备，其特征在于，包括：
存储器，用于存储程序；
处理器，用于执行所述程序，所述程序具体用于：
获取目标数据，所述目标数据包括内部系统数据和外部系统数据；
基于所述目标数据生成风险可视化图；
在配置数据库中确定配置参数，并基于所述配置参数生成监测条件；
根据所述风险可视化图，对所述监测条件对应的数据进行风险监测，得到风险监测结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010686168.8A CN111932359A (zh) | 2020-07-16 | 2020-07-16 | 一种风险监测方法、系统及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010686168.8A CN111932359A (zh) | 2020-07-16 | 2020-07-16 | 一种风险监测方法、系统及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111932359A true CN111932359A (zh) | 2020-11-13 |
Family
ID=73313157
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010686168.8A Pending CN111932359A (zh) | 2020-07-16 | 2020-07-16 | 一种风险监测方法、系统及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111932359A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112488822A (zh) * | 2020-12-04 | 2021-03-12 | 吉林亿联银行股份有限公司 | 一种基于合作方风险偏好的客群分发方法及系统 |
| CN113157516A (zh) * | 2020-12-11 | 2021-07-23 | 四川新网银行股份有限公司 | 一种准实时计算的模型监控系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101930585A (zh) * | 2010-09-01 | 2010-12-29 | 中国建设银行股份有限公司 | 一种授信业务风险监测系统及其方法 |
| CN108764674A (zh) * | 2018-05-16 | 2018-11-06 | 普信恒业科技发展（北京）有限公司 | 一种基于规则引擎的风险控制方法和装置 |
| CN111161054A (zh) * | 2020-01-02 | 2020-05-15 | 中国银行股份有限公司 | 作业风险监测方法及系统 |
-
2020
- 2020-07-16 CN CN202010686168.8A patent/CN111932359A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101930585A (zh) * | 2010-09-01 | 2010-12-29 | 中国建设银行股份有限公司 | 一种授信业务风险监测系统及其方法 |
| CN108764674A (zh) * | 2018-05-16 | 2018-11-06 | 普信恒业科技发展（北京）有限公司 | 一种基于规则引擎的风险控制方法和装置 |
| CN111161054A (zh) * | 2020-01-02 | 2020-05-15 | 中国银行股份有限公司 | 作业风险监测方法及系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112488822A (zh) * | 2020-12-04 | 2021-03-12 | 吉林亿联银行股份有限公司 | 一种基于合作方风险偏好的客群分发方法及系统 |
| CN113157516A (zh) * | 2020-12-11 | 2021-07-23 | 四川新网银行股份有限公司 | 一种准实时计算的模型监控系统及方法 |
| CN113157516B (zh) * | 2020-12-11 | 2023-06-23 | 四川新网银行股份有限公司 | 一种准实时计算的模型监测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11416920B2 (en) | Analytics engine for multiple blockchain nodes | |
| US8782201B2 (en) | System and method for managing the configuration of resources in an enterprise | |
| US9934295B2 (en) | In-memory data warehouse planning and broadcasting | |
| CN105095970B (zh) | 第三方应用的执行方法及系统 | |
| US10404526B2 (en) | Method and system for generating recommendations associated with client process execution in an organization | |
| US20200334267A1 (en) | System and method for automatic generation of extract, transform, load (etl) asserts | |
| US9170821B1 (en) | Automating workflow validation | |
| CN108491254A (zh) | 一种数据仓库的调度方法及装置 | |
| CN111932359A (zh) | 一种风险监测方法、系统及电子设备 | |
| CN114626807A (zh) | 核电场景管理方法、系统、装置、计算机设备和存储介质 | |
| CN111292097A (zh) | 一种基于区块链的供应链溯源方法、设备及介质 | |
| CN117196646A (zh) | 一种供应商资质审核方法、设备及介质 | |
| CN115114275A (zh) | 一种数据采集方法、设备及介质 | |
| JP2004192125A (ja) | プロジェクトマネジメントシステム及びそれに用いられるデータ構造、並びに、プロジェクトマネジメント方法 | |
| Kim et al. | Management of software test using case tool | |
| CN110866032A (zh) | 一种客服人员服务质量检验方法 | |
| CN116610762B (zh) | 一种企业数据资产的管理方法、设备及介质 | |
| CN117314166A (zh) | 一种赔后风险智能检视方法和装置 | |
| Mulder | Predicting supplier material quality issues through procurement process deviations | |
| CN115145762A (zh) | 智能化数据保护与验证系统管理方法、平台及计算机设备 | |
| Khan et al. | Investigating BI in Real Time Systems: Concepts, Components, Techniques and Benefits | |
| CN116881787A (zh) | 数据样本的分类方法和装置、处理器及电子设备 | |
| CN114281312A (zh) | 软件系统的构建方法、装置及计算机可读存储介质 | |
| CN117892963A (zh) | 一种数据资源全量、全流程与全周期财务管理系统及方法 | |
| CN117952721A (zh) | 一种基于自然语言算法的专项资金监测方法和装置 |
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 |