CN112258314A - 一种基于流计算技术的金融风控征信系统及方法 - Google Patents
一种基于流计算技术的金融风控征信系统及方法 Download PDFInfo
- Publication number
- CN112258314A CN112258314A CN202011121086.5A CN202011121086A CN112258314A CN 112258314 A CN112258314 A CN 112258314A CN 202011121086 A CN202011121086 A CN 202011121086A CN 112258314 A CN112258314 A CN 112258314A
- Authority
- CN
- China
- Prior art keywords
- data
- data processing
- credit investigation
- credit
- layer
- 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
- 238000011835 investigation Methods 0.000 title claims abstract description 67
- 238000005516 engineering process Methods 0.000 title claims abstract description 38
- 238000004364 calculation method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 98
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000012821 model calculation Methods 0.000 claims abstract description 7
- 230000014509 gene expression Effects 0.000 claims description 6
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking 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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于流计算技术的金融风控征信系统，涉及数据处理技术领域，其结构包括基于流计算技术的数据接入层、数据处理层、模型计算层、报告输出层；数据接入层将多源异构的数据以主动推送或者被动查询的方式接入到数据处理层；数据处理层通过预置的数据处理规则治理接入的数据；模型计算层将治理后数据与征信模型算法结合，并生成征信分析得分；报告输出层将征信分析得分与治理后数据整合形成征信分析报告。本发明还公开一种基于流计算技术的金融风控征信方法，其与前述金融风控征信系统相结合，可以对企业或个人的履约能力及其可信程度进行一种综合分析和测定，并作为信贷决策依据，大大减少银行员的干预度，有效降低信贷操作风险。
Description
技术领域
本发明涉及数据处理技术领域，具体的说是一种基于流计算技术的金融风控征信系统及方法。
背景技术
随着互联网与经济的不断发展，互联网金融、消费金融的崛起也促进了我国小微信贷产业的快速发展，线上借贷的需求增大也带来更多信用风险，目前，国内传统金融风控大部分还都由传统人工进行，从资料提交到审核，需要大量时间和人力物力，为解决人工审核的诸多问题，信用评分技术也应运而生，通过对贷款人各方数据信息的整合，预测其信用分析值，以帮助授信审批者做出决策。现有信用评分技术大多基于机器学习、深度学习，虽然能在一定程度提高准确率，但是输出的结果比较单一。
流计算技术，一种新的数据计算结构，可以很好地对大规模流动数据在不断变化的运动过程中实时地进行分析，捕捉到可能有用的信息，并把结果发送到下一计算节点。目前，流计算在内容方面主要面向以下几种应用：对金融与科学计算当中的数据进行更快运算和分析的需求；对存在于社交网站、博客、电子邮件、视频、新闻、电话记录、传输数据、电子感应器之中的数字格式的信息流进行快速处理并反馈的需求。
发明内容
本发明针对目前技术发展的需求和不足之处，提供一种基于流计算技术的金融风控征信系统及方法。
首先，本发明提供一种基于流计算技术的金融风控征信系统，解决上述技术问题采用的技术方案如下：
一种基于流计算技术的金融风控征信系统，其结构包括基于流计算技术的数据接入层、数据处理层、模型计算层、报告输出层；
数据接入层将多源异构的数据以主动推送或者被动查询的方式接入到数据处理层；
数据处理层通过预置的数据处理规则治理接入的数据；
模型计算层将治理后数据与征信模型算法结合，并生成征信分析得分；
报告输出层将征信分析得分与治理后数据整合形成征信分析报告。
可选的，所涉及多源异构的数据是源自政府委办局、重点行业、社会企业和征信机构的涉信数据。
可选的，所涉及多源异构的数据可以源自结构化数据库或者非结构化数据库，其中，结构化数据库可通过sql查询数据，非结构化数据库通过关键字的正则表达式查询数据。
可选的，所涉及数据处理层预置有不同的数据处理规则；
数据处理层接入数据后，数据在预置的不同数据处理规则中单向流转，具体流转情况为：
a)同一列数据需要多个数据处理规则时，按照数据处理规则定义的先后顺序执行；
b)同一个数据处理规则需要多个数据源时，对每个数据源应用子规则，同时有一个合并的总规则。
进一步可选的，所涉及数据处理层通过预置的数据处理规则治理接入的数据时，治理的结果应该保持数据及其类型具有完整性、准确性、一致性。
可选的，所涉及征信模型算法可以分为多个步骤迭代执行；
所述征信模型算法的执行过程中，可以接入新的数据。
可选的，所涉及征信分析报告用于对企业或个人的履约能力及其可信程度进行一种综合分析和测定，为金融机构提供一种辅助分析。
其次，本发明提供一种基于流计算技术的金融风控征信方法，解决上述技术问题采用的技术方案如下：
一种基于流计算技术的金融风控征信方法，其实现过程包括：
获取多源异构数据；
预置数据处理规则，并将获取的数据通过预置的数据处理规则进行治理；
基于流计算技术，将治理后数据与征信模型算法相结合，生成征信分析得分；
基于流计算技术，将征信分析得分与治理后数据整合形成征信分析报告。
可选的，获取的多源异构数据是源自政府委办局、重点行业、社会企业和征信机构的涉信数据；
获取的多源异构数据可以源自结构化数据库或者非结构化数据库，其中，结构化数据库可通过sql查询数据，非结构化数据库通过关键字的正则表达式查询数据。
可选的，预置不同的数据处理规则，获取的数据在预置的不同数据处理规则中单向流转，具体流转情况为：
a)同一列数据需要多个数据处理规则时，按照数据处理规则定义的先后顺序执行；
b)同一个数据处理规则需要多个数据源时，对每个数据源应用子规则，同时有一个合并的总规则。
本发明的一种基于流计算技术的金融风控征信系统及方法，与现有技术相比具有的有益效果是：
1)本发明通过预置的数据处理规则治理获取数据，并利用流计算技术将治理数据与征信模型算法结合，生成征信分析得分，进一步将征信分析得分与治理后数据整合形成征信分析报告，通过征信分析报告可以动态获取企业或个人的征信情况，降低风险；
2)本发明主要利用企业或个人的基本信息、信贷信息以及反映其信用状况的其他信息，对企业或个人的履约能力及其可信程度进行一种综合分析和测定，并作为信贷决策依据，大大减少银行员的干预度，可以有效降低信贷操作风险。
附图说明
附图1是本发明实施例一的框架流程示意图；
附图2是本发明中数据在不同的数据处理规则中单向流转示意图一；
附图3是本发明中数据在不同的数据处理规则中单向流转示意图二。
具体实施方式
为使本发明的技术方案、解决的技术问题和技术效果更加清楚明白，以下结合具体实施例，对本发明的技术方案进行清楚、完整的描述。
实施例一：
参考附图1，本实施例提出一种基于流计算技术的金融风控征信系统，其结构包括基于流计算技术的数据接入层、数据处理层、模型计算层、报告输出层。
数据接入层将多源异构的数据以主动推送或者被动查询的方式接入到数据处理层。多源异构的数据是源自政府委办局、重点行业、社会企业和征信机构的涉信数据，其可以源自结构化数据库或者非结构化数据库，其中，结构化数据库可通过sql查询数据，非结构化数据库通过关键字的正则表达式查询数据。
数据处理层通过预置的数据处理规则治理接入的数据。数据处理层通过预置的数据处理规则治理接入的数据时，治理的结果应该保持数据及其类型具有完整性、准确性、一致性。
模型计算层将治理后数据与征信模型算法结合，征信模型算法可以分为多个步骤迭代执行，并生成征信分析得分。征信模型算法的执行过程中，可以接入新的数据。
报告输出层将征信分析得分与治理后数据整合形成征信分析报告。征信分析报告用于对企业或个人的履约能力及其可信程度进行一种综合分析和测定，为金融机构提供一种辅助分析。
本实施例中，数据处理层预置有不同的数据处理规则。此时，数据处理层接入数据后，数据在预置的不同数据处理规则中单向流转，具体流转情况为：
a)同一列数据需要多个数据处理规则时，按照数据处理规则定义的先后顺序执行。如附图2，其包括数据处理规则1和数据处理规则2，获取的同一列数据依次经过数据处理规则1和数据处理规则2进行治理。
b)同一个数据处理规则需要多个数据源时，对每个数据源应用子规则，同时有一个合并的总规则。如附图3，来自数据源B的数据和来自数据源C的数据，一个父数据处理规则3包括子数据处理规则3-1和子数据处理规则3-2，而且，来自数据源B的数据对应子数据处理规则3-1，来自数据源C的数据对应子数据处理规则3-2，此时，首先利用子数据处理规则3-1治理来自数据源B的数据，利用子数据处理规则3-2治理来自数据源C的数据，随后，利用父数据处理规则3同时治理初次治理后的自数据源B和数据源C的数据。
实施例二：
本实施例提出一种基于流计算技术的金融风控征信方法，其实现过程包括：
获取多源异构数据，多源异构数据是源自政府委办局、重点行业、社会企业和征信机构的涉信数据，多源异构数据可以源自结构化数据库或者非结构化数据库，其中，结构化数据库可通过sql查询数据，非结构化数据库通过关键字的正则表达式查询数据；
预置数据处理规则，并将获取的数据通过预置的数据处理规则进行治理；
基于流计算技术，将治理后数据与征信模型算法相结合，生成征信分析得分；
基于流计算技术，将征信分析得分与治理后数据整合形成征信分析报告。
本实施例中，预置不同的数据处理规则，获取的数据在预置的不同数据处理规则中单向流转，具体流转情况为：
a)同一列数据需要多个数据处理规则时，按照数据处理规则定义的先后顺序执行；如附图2，其包括数据处理规则1和数据处理规则2，获取的同一列数据依次经过数据处理规则1和数据处理规则2进行治理。
b)同一个数据处理规则需要多个数据源时，对每个数据源应用子规则，同时有一个合并的总规则。如附图3，来自数据源B的数据和来自数据源C的数据，一个父数据处理规则3包括子数据处理规则3-1和子数据处理规则3-2，而且，来自数据源B的数据对应子数据处理规则3-1，来自数据源C的数据对应子数据处理规则3-2，此时，首先利用子数据处理规则3-1治理来自数据源B的数据，利用子数据处理规则3-2治理来自数据源C的数据，随后，利用父数据处理规则3同时治理初次治理后的自数据源B和数据源C的数据。
综上可知，采用本发明的一种基于流计算技术的金融风控征信系统及方法，可以对企业或个人的履约能力及其可信程度进行一种综合分析和测定，并作为信贷决策依据，大大减少银行员的干预度，有效降低信贷操作风险。
以上应用具体个例对本发明的原理及实施方式进行了详细阐述，这些实施例只是用于帮助理解本发明的核心技术内容。基于本发明的上述具体实施例，本技术领域的技术人员在不脱离本发明原理的前提下，对本发明所作出的任何改进和修饰，皆应落入本发明的专利保护范围。
Claims (10)
1.一种基于流计算技术的金融风控征信系统，其特征在于,其结构包括基于流计算技术的数据接入层、数据处理层、模型计算层、报告输出层；
数据接入层将多源异构的数据以主动推送或者被动查询的方式接入到数据处理层；
数据处理层通过预置的数据处理规则治理接入的数据；
模型计算层将治理后数据与征信模型算法结合，并生成征信分析得分；
报告输出层将征信分析得分与治理后数据整合形成征信分析报告。
2.根据权利要求1所述的一种基于流计算技术的金融风控征信系统，其特征在于，所述多源异构的数据是源自政府委办局、重点行业、社会企业和征信机构的涉信数据。
3.根据权利要求1所述的一种基于流计算技术的金融风控征信系统，其特征在于，所述多源异构的数据可以源自结构化数据库或者非结构化数据库，其中，结构化数据库可通过sql查询数据，非结构化数据库通过关键字的正则表达式查询数据。
4.根据权利要求1所述的一种基于流计算技术的金融风控征信系统，其特征在于，所述数据处理层预置有不同的数据处理规则；
所述数据处理层接入数据后，数据在预置的不同数据处理规则中单向流转，具体流转情况为：
a)同一列数据需要多个数据处理规则时，按照数据处理规则定义的先后顺序执行；
b)同一个数据处理规则需要多个数据源时，对每个数据源应用子规则，同时有一个合并的总规则。
5.根据权利要求4所述的一种基于流计算技术的金融风控征信系统，其特征在于，所述数据处理层通过预置的数据处理规则治理接入的数据时，治理的结果应该保持数据及其类型具有完整性、准确性、一致性。
6.根据权利要求1所述的一种基于流计算技术的金融风控征信系统，其特征在于，所述征信模型算法可以分为多个步骤迭代执行；
所述征信模型算法的执行过程中，可以接入新的数据。
7.根据权利要求1所述的一种基于流计算技术的金融风控征信系统，其特征在于，所述征信分析报告用于对企业或个人的履约能力及其可信程度进行一种综合分析和测定，为金融机构提供一种辅助分析。
8.一种基于流计算技术的金融风控征信方法，其特征在于，其实现过程包括：
获取多源异构数据；
预置数据处理规则，并将获取的数据通过预置的数据处理规则进行治理；
基于流计算技术，将治理后数据与征信模型算法相结合，生成征信分析得分；
基于流计算技术，将征信分析得分与治理后数据整合形成征信分析报告。
9.根据权利要求8所述的一种基于流计算技术的金融风控征信方法，其特征在于，获取的多源异构数据是源自政府委办局、重点行业、社会企业和征信机构的涉信数据；
获取的多源异构数据可以源自结构化数据库或者非结构化数据库，其中，结构化数据库可通过sql查询数据，非结构化数据库通过关键字的正则表达式查询数据。
10.根据权利要求8所述的一种基于流计算技术的金融风控征信方法，其特征在于，预置不同的数据处理规则，获取的数据在预置的不同数据处理规则中单向流转，具体流转情况为：
a)同一列数据需要多个数据处理规则时，按照数据处理规则定义的先后顺序执行；
b)同一个数据处理规则需要多个数据源时，对每个数据源应用子规则，同时有一个合并的总规则。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011121086.5A CN112258314A (zh) | 2020-10-19 | 2020-10-19 | 一种基于流计算技术的金融风控征信系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011121086.5A CN112258314A (zh) | 2020-10-19 | 2020-10-19 | 一种基于流计算技术的金融风控征信系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112258314A true CN112258314A (zh) | 2021-01-22 |
Family
ID=74245431
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011121086.5A Pending CN112258314A (zh) | 2020-10-19 | 2020-10-19 | 一种基于流计算技术的金融风控征信系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112258314A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663650A (zh) * | 2012-03-14 | 2012-09-12 | 钟文清 | 一种企业信用风险分析系统及其使用方法 |
| CN106780012A (zh) * | 2016-12-29 | 2017-05-31 | 深圳微众税银信息服务有限公司 | 一种互联网信贷方法及系统 |
| CN108446291A (zh) * | 2017-12-27 | 2018-08-24 | 深圳萨摩耶互联网金融服务有限公司 | 用户信用的实时评分方法及评分系统 |
| CN111191921A (zh) * | 2019-12-27 | 2020-05-22 | 安徽科讯金服科技有限公司 | 一种小微企业经营状况风控分析系统 |
-
2020
- 2020-10-19 CN CN202011121086.5A patent/CN112258314A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663650A (zh) * | 2012-03-14 | 2012-09-12 | 钟文清 | 一种企业信用风险分析系统及其使用方法 |
| CN106780012A (zh) * | 2016-12-29 | 2017-05-31 | 深圳微众税银信息服务有限公司 | 一种互联网信贷方法及系统 |
| CN108446291A (zh) * | 2017-12-27 | 2018-08-24 | 深圳萨摩耶互联网金融服务有限公司 | 用户信用的实时评分方法及评分系统 |
| CN111191921A (zh) * | 2019-12-27 | 2020-05-22 | 安徽科讯金服科技有限公司 | 一种小微企业经营状况风控分析系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kong et al. | Data construction method for the applications of workshop digital twin system | |
| Zhang et al. | An empirical analysis of the impact of digital economy on manufacturing green and low-carbon transformation under the dual-carbon background in China | |
| Yu et al. | Research on promoting factors of “internet plus innovation and entrepreneurship” based on the perspective of cloud analysis and fuzz analysis method | |
| CN112258314A (zh) | 一种基于流计算技术的金融风控征信系统及方法 | |
| Lian | Implementation of computer network user behavior forensic analysis system based on speech data system log | |
| Yu et al. | Large-scale group decision-making | |
| Wang | Optimization of Quantitative Investment Strategies in the Financial Big Data Environment | |
| Du et al. | An overview of dynamic data mining | |
| Zhou | [Retracted] Application of K‐Means Clustering Algorithm in Energy Data Analysis | |
| TW201947492A (zh) | 運營資料匯流系統與方法 | |
| Daud et al. | Measuring the impact of co-author count on citation count of research publications | |
| Wen et al. | Research and Design of Credit Risk Assessment System Based on Big Data and Machine Learning | |
| Liu | Application analysis of artificial intelligence technology in computer network based on big data era | |
| Sun | [Retracted] Optimization and Simulation of Manuscript Management System Based on Fuzzy Genetic Neural Network | |
| Li et al. | [Retracted] Research on the Influence of Economic Globalization on International Relations in the Background of Big Data and Internet of Things | |
| Fang et al. | Online incremental updating for model enhancement based on multi-perspective trusted intervals | |
| Shi | Intelligent Analysis and Processing System of Financial Big Data Based on Neural Network Algorithm | |
| Huang et al. | Web service recommendation based on graph attention network (gat-wsr) | |
| Du et al. | Cell recognition using BP neural network edge computing | |
| Jingjing et al. | Mining social influence in microblogging via tensor factorization approach | |
| Wang et al. | Research on Marketing Data Analysis Based on Contour Curve in Blockchain | |
| Buanga et al. | Enhanced parallel skyline on multi-core architecture with low memory space cost | |
| Li et al. | A review of data representation methods for vulnerability mining using deep learning | |
| Yang | Design of intelligent decision support system based on artificial intelligence | |
| Sun et al. | Personalized Recommendation System of Web Academic Information Based on Big Data and Quality Monitoring Technology |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210122 |
|
| RJ01 | Rejection of invention patent application after publication |