CN112598264A - 一种针对信用领域场景化综合评价系统 - Google Patents

Abstract

本发明公开了一种针对信用领域场景化综合评价系统，采用由数据层、计算层、展示层构成的架构技术体系，包括信用评价查询与分析、资源抽取、指标构建、模型构建、后台大数据计算等内容。基于同一数据来源定时抽取信息更新评价，保证评价的真实、动态、时效。同时基于原有数据库的逻辑架构，对所有入库数据基于业务层面进行再次分类，集成和封装，对外提供相对具体的数据类调用接口，满足对评价情况的使用需求。本发明能够灵活应对不同业务场景，针对特定业务需求构建特定信用评价模型，为不同的需求提供页面化快捷配置。

Description

一种针对信用领域场景化综合评价系统

技术领域

本发明涉及技术领域互联网信用技术领域，特别涉及一种针对信用领域场景化综合评价系统。

背景技术

在社会信用体系建设大力发展的基础上，2018中国城市信用建设高峰论坛10日在福州举行，国家发展改革委副主任连维良在开幕式上讲话指出，本次论坛一个重大的举措，是启动“信易贷”“信易租”“信易行”“信易游”“信易批”等“信易+”系列项目，在重点民生领域拓展社会化、市场化守信激励措施，实实在在地增进群众福祉。

基于此，我们首先需要提供信易+服务的场景设置，判断信用主体的诚信程度，全方位监管信用主体的诚实守信行为，对信用主体进入交易活动进行准入判断的，根据诚信程度分配监管力度，分配社会资源，分配优惠措施。

目前，现有技术中出现了多种信用评价技术，但现有技术中更多地是基于统计学、大数据提高评价模型的精确性，无法做到针对特定业务需求构建特定信用评价模型。而本发明提供针对信用领域信息场景化综合评价的系统及方法，灵活应对不同业务场景，为不同的政府部门提供页面化快捷配置，配合大数据后台计算得到信用主体的评价情况。

发明内容

本发明解决了现有技术中无法做针对特定业务需求构建特定信用评价模型的技术问题，提供一种针对信用领域场景化综合评价系统，包括信用评价查询与分析、资源抽取、指标构建、模型构建、后台大数据计算等内容，能够灵活应对不同业务场景，针对特定业务需求构建特定信用评价模型，为不同的需求提供页面化快捷配置。

本发明包括数据层、计算层、展示层；

所述数据层，用于基于信息服务平台提供的数据进行资源管理，并基于用户自定义设置进行指标管理，得到评分评级指标；所述计算层，用于根据所述评分评级指标及评分评级方式，构建评分模型及评级模型，通过大数据计算，得出对信用主体的评分和评级结果；所述展示层，用于为不同访问渠道的不同需求提供场景化综合评价服务。

所述展示层，包括评价档案查询模块、评价记录查询模块、评价统计分析模块和评价查询接口模块。

所述评价档案查询模块支持信用主体场景化综合评价查询，随时查询信用主体的最新信用评价；

所述评价记录查询模块提供评价记录查询功能，在评价记录查询功能下，用户可根据法人或自然人的信息进行评分或者评价信息查询；

所述评价统计分析模块通过基本图表和可视化分析相结合的技术对启用中的评分模型和评级模型进行分析展示；

所述评价查询接口模块提供对信用主体的评分和评级结果。

所述计算层，包括评分管理模块和评级管理模块。

所述评分管理模块根据具体的评分方式跳转不同的模型建设步骤，以建设不同的评分模型，所述评分方式包括：加和计算法、层次分析法、直接赋权法，三种评分方式的共性步骤为：

步骤1.基于业务要求，构建分布式信用评分体系；

步骤2.设置模型的分值要求和计算时间；

步骤3.评分体系底层对应评价指标，抽取真实数据；

步骤4.完成体系权重构建；

步骤5.确定指标得分计算规则，包括区间得分、直接得分；

步骤6.以树状结构显示完整的信用评分体系及各指标计算规则，进行模型确认。

所述评级管理模块根据具体的评级方式跳转不同的模型建设步骤，以建设不同的评级模型，所述评级方式包括：按关键指标评级、按分数得分评级、按对象占比评级，三种评级方式的共性步骤为：

步骤1：创建模型的基本信息；

步骤2：选择评级需要的指标，在所述按分数得分评级或者所述按对象占比评级中，如果没有指标的要求可以不用选择；

步骤3：设置等级。

所述大数据计算包括，利用所述评分模型和所述评级模型，在分布式大数据集群上并行计算，最终产生模型输出，以异步方式同步到本地数据库，供展示层使用。

所述资源管理包括，通过在法人或自然人系统分别新建评价模型所涉及到的数据表配置，作为对法人或者自然人评价系统的数据基础，通过数据表的配置为信用评价提供数据支撑。

所述指标管理包括，根据用户的选择，在法人或自然人系统中通过新增、修改、删除的功能对信用主体设置评分评级指标，并基于所述评分评级指标进行指标计算。

所述指标计算的方式包括：按指标值计算、按记录条数计算和自定义sql语句计算。

另外，本发明还包括一种针对信用领域信息场景化综合评价的方法，具体为：

基于信息服务平台提供的数据进行资源管理，并基于用户自定义设置进行指标管理，得到评分评级指标；

基于所述评分评级指标及评分评级方式，构建评分模型及评级模型，通过大数据计算，得出对信用主体的评分和评级结果；

由此为不同访问渠道的不同需求提供场景化综合评价的服务。

本发明相比现有技术具有以下优点：

(1)提供动态和真实的评价：基于同一数据来源定时抽取信息更新评价，保证评价的真实、动态、时效。

(2)提供灵活的信用评价方式：提供评分、评级综合评价方式的基础上，每种评价方式又分别包含三种计算方式，灵活应对不同业务场景，针对特定业务需求构建特定信用评价模型,为不同的政府部门提供页面化快捷配置。

(3)提供数据的再处理：基于原有数据库的逻辑架构，对所有入库数据基于业务层面进行再次分类，集成和封装，对外提供相对具体的数据类调用接口，满足对评价情况的使用需求。

(4)提供高精确度的评价模型：大数据计算缓解传统sql计算速度慢、存储负载压力的情况，整合和获取海量的信用信息，实现海量储存、实时处理，利用建模结果运用在分布式大数据集群上并行计算，最终产生模型输出。

附图说明

图1是本发明实施例的平台的总体架构图；

图2是本发明实施例的平台的流程步骤图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

为了构建以实时信用数据为基础的针对信用领域信息场景化综合评价的系统，本实施例按照统一数据多维抽取、多种方案灵活配置、定时计算自动更新的原则，实现信用主体场景化综合评价查询与管理。总体架构按照数据层、计算层和展示层的三层架构设计，从信用信息平台抽取数据，依托大数据计算实现服务与资源的解耦，支撑数百万级用户量的评价计算和查询。主要包括资源抽取、指标构建、评分模型构建、评级模型构建、大数据计算、信用评价查询与分析等内容。

由于信用主体的不同，相对的指标模型的配置也会不同，信用评价产品将信用主体的类型从源头上进行拆分，用户可以通过首页分别进入法人或自然人系统，进行评价模型的配置。

如图1、2所示，本实施例的具体实现包括如下的模块和步骤：

本实施例从底层到顶层包括数据层、计算层、展示层。

数据层：

(一)资源管理模块：

资源管理模块包括资源抽取，资源抽取主要是解决信用数据海量、多源、异步的问题，在法人或自然人系统分别新建评价模型所涉及到的数据表配置，作为对法人或者自然人评价系统的数据基础，通过公用数据库的配置为信用评价应用提供数据支撑，帮助提取有用数据，提升信息精准度。

(二)指标管理模块：

指标管理模块是用户分别进入法人、自然人系统，通过新增、修改、删除的功能对信用主体设置评分评级指标。指标的计算方式包括两种：按指标值计算、按记录条数和自定义sql语句。

1.按指标值计算是指根据过滤条件后得到的指标值，后续评分评级模型会根据指标值进行计算。针对一个主体可能存在多条满足条件的记录的情况，可以选择按照最新值/最大值/最小值/累计值/平均值进行取值

2.按记录条数是指根据过滤条件后获得的具体条数，后续评分评级模型中会根据具体条件进行计算。用户也可以根据具体指标的实际情况，灵活配置记录过滤条件。

3.自定义sql语句主要针对复杂的指标评价情况，以及技术能力比较强的客户，可以用sql语句直接替代页面点击操作，方便快捷。

计算层：

(一)评分管理模块：

评分模型中，用户通过评分管理模块的新增、编辑、删除功能分别建立法人主体或者自然人主体的评分模型。评分模型分为三种评分方式：加和计算法、层次分析法、直接赋权法。三种评分方式的步骤略有不同，系统会根据具体的评分方式跳转不同的模型建设步骤，流程拆解，分步进行。但共性步骤可以分解为：

步骤1.基于业务要求，构建分布式信用评分体系，系统内置jsmind插件支持自由拖拽组件形成树结构，如：自然人信用评价体系包括一级因素：基本信息、荣誉信息、处罚信息、商业信息；

步骤2.设置模型的分值要求和计算时间。分值包括基础分、模型分和动态分。基础分就是模型的原始分，在此基础上根据模型实际情况进行加减分。模型分就是，模型计算的得分上下限，额如果模型实际计算得分超出上下限，就以上下限为最终的模型分。动态分为增加评价动态变量，每月为所有的主体自动加上相应的动态分。计算时间主要是设定模型第一次开始计算的时间和计算周期。

步骤3.评分体系底层对应评价指标，抽取真实数据。如基本信息对应户籍、职业、学历；荣誉信息对应资质数量、献血量、志愿者时长、红名单数量；处罚信息对应行政处罚数量、黑名单数量、违约数量；商业信息包括社保缴纳情况、公积金缴纳情况、信用卡偿还情况。这些指标通过规则将数据信息指标化，截取相应信用主体当前最新的指标信息，按照指标定义分析计算得到所述评价指标数据。

步骤4.完成体系权重构建。这一步主要在层析分析法和直接赋权法中体现，加和计算法实际就是所有指标权重都相同。

1.加和计算法是指对模型指标进行量化评分设定具体分值，综合所有指标分值结果为最终模型得分

2.层次分析法是指通过专家分析，对评价模型进行结构分层，由业务专家分别对每一层次中的评分指标进行同级重要性比较，利用层次分析法的原理计算出各指标的权重，权重总和等于1。

1)对每层因素和指标进行同级重要性比较，按照1-9重要性尺度进行打分，1同样重要，3稍微重要，5比较重要，7十分重要，9绝对重要，2、4、6、8两相邻判断的中间值。点击指标或因素，在右侧显示同层所有因素或者指标构成的判断矩阵，进行重要性打分。

2)打分完成后系统进行权重计算

A.根据重要性比较打分生成判断矩阵Aij:对角线都为1，Aji＝1/Aij

B.根据Aij得到Bij：Bij＝Aij/∑Aij(各元素除以各元素所在列之和)

C.把Bij各行加和得到Bj，这时可以发现各行元素的和∑Bj＝n,得到权重Wi：Wi＝Bj/∑Bj(各行元素之和/n)

D.一级到上面就计算结束了，往下级的权重都是加权权重，也就是下级权重＝下级占上级的权重*上级权重

3)后台还要进行一致性检验

A.计算矩阵AWi，EXCEL公式＝MMULT(Aij,Wi)，即

AW1＝A11*W1+A12*W2+A13*W3+A14*W4……,

AW2＝A21*W1+A22*W2+A23*W3+A24*W4……,

AW3＝A31*W1+A32*W2+A33*W3+A34*W4……,

AW4＝A41*W1+A42*W2+A43*W3+A44*W4……,

……

B.计算最大特征根λ＝average(AWi/Wi)(Awi各元素除以wi矩阵相应行元素，再求平均)

C.计算CR＝CI/RI＝(λ-n)/(n-1)/RI.n就是该级元素的个数，RI根据n找下面对应的固定值,得到CR<0.1符合一致性，权重成立

3.直接赋权法是指通过设定评价模型每一层次中的评价指标赋值权重，可在页面直接赋权，模型同层所有指标权重总和等于1。

步骤5.确定指标得分计算规则，包括区间得分、直接得分。

区间得分例如：资质数量在[0,1)的范围内(没有资质)，得0分；资质数量在[1,3)的范围内(有1个或2个资质)，得3分；资质数量在[3,以上)的范围内(有3个及以上资质)，得6分。

直接得分例如：资质数量单条计算得1分，那么该指标得分就等于实际数量*1。

步骤6.以树状结构显示完整的信用评分体系及各指标计算规则，进行模型确认。

此外，评分模型还提供测试功能，可以快速试验模型计算结果。

(二)评级管理模块：

评级模型中，用户通过评级管理模块的新增、编辑、删除功能分别建立法人主体或者自然人主体的评级模型。评级模型分为三种评级方式：按关键指标评级、按分数得分评级、按对象占比评级。仅按关键指标评级：根据关键指标直接定义评价级别。按分数得分评级：按照评分从高到低设置评价等级；按对象占比评级：根据主体评分从高到底排列的顺序的对象占比设置评价等级。按分数得分评级和按对象占比评级都可结合指标优先进行综合评级。

三种评级方式的步骤略有不同，系统会根据具体的评级方式跳转不同的模型建设步骤，流程拆解，分步进行。但共性步骤可以分解为：

步骤1：创建模型的基本信息。如果评级模式为按分数得分评级或者按对象占比评级，则需要选择一个启用的评分模型作为评分依据，计算时间和周期与评分模型一致。如果是按关键指标评级的评级方式则不需要。

步骤2：选择评级需要的指标，关键指标算法必须选择，按分数得分评级或者按对象占比评级如果没有指标的要求可以不用选择。

步骤3：设置等级。

(三)大数据计算模块：

大数据计算缓解传统sql计算速度慢、存储负载压力大的问题，整合和获取海量的信用信息，实现海量储存、实时处理，利用建模结果运用在分布式大数据集群上并行计算，最终产生模型输出，以异步方式同步到本地数据库，供展示层使用。

展示层：

展示层提供信用评价查询与分析功能，主要包括评价档案查询模块、评价记录查询模块、评价统计分析模块和评价查询接口模块。

(一)评价档案查询模块支持信用主体场景化综合评价查询，随时查询信用主体的最新信用评价。

(二)评价记录查询模块提供评价记录查询功能，在评价记录查询功能下，用户可根据法人或自然人的信息进行评分或者评价信息查询，系统会根据启用模型的计算周期及时生成各个主体的评价情况，提供给用户该主体信用情况的一个量化参考。

(三)评价统计分析模块是对启用中的评分模型和评级模型进行分析展示，展示通过基本图表和可视化分析相结合的技术，使整个模块展示的内容更加形象，更容易理解，把握信用主体整体信用状况和各个指标的分析数据，辅助政府决策。

(四)评价查询接口模块提供信用评价的结果，即评分/评级，是对外开放出去的数据。平台基于原有数据库的逻辑架构，对所有入库数据基于业务层面进行再次分类，集成和封装，对外提供相对具体的数据类调用接口，满足对特定数据的使用需求。包括最新计算的评分模型的最低分、最高分，最新计算的评级模型的级别，所有主体的最新评分、评级记录记录。

此外，在模型页面化配置思路不变的基础上，对主体数量较少的项目，选择sql计算也能够顺利完成模型评价结果的计算过程，该方案视为本发明的替代方案

本发明中，评分模型和评级模型没有强关联关系。在模型页面化配置思路不变的基础上，只保留评分模型的页面配置或评级模型的页面配置或利用后台计算的评分配置评级模型，都视为本发明的替代方案。

本发明中，资源抽取和指标管理是评价数据来源的筛选，通过代码的形式直接确定好数据来源，再进行模型的配置，视为本发明的替代方案。

本发明中，指标计算方式的分类，评分模型计算方式的分类、相关步骤拆解和评级模型计算方式的分类、相关步骤拆解，都是基于实际项目的需求进行整合，直接套用拆解或合并或增加新的分类，视为本发明的替代方案。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种针对信用领域场景化综合评价系统，其特征在于，包括数据层、计算层、展示层；

所述数据层，用于基于信息服务平台提供的数据进行资源管理，并基于用户自定义设置进行指标管理，得到评分评级指标；

所述计算层，用于根据所述评分评级指标及评分评级方式，构建评分模型及评级模型，通过大数据计算，得出对信用主体的评分和评级结果；

所述展示层，用于为不同访问渠道的不同需求提供场景化综合评价服务。

2.根据权利要求1所述的一种针对信用领域场景化综合评价系统，其特征在于：所述展示层，包括评价档案查询模块、评价记录查询模块、评价统计分析模块和评价查询接口模块。

3.根据权利要求2所述的一种针对信用领域场景化综合评价系统，其特征在于：

所述评价档案查询模块支持信用主体场景化综合评价查询，随时查询信用主体的最新信用评价；

所述评价记录查询模块提供评价记录查询功能，在评价记录查询功能下，用户可根据法人或自然人的信息进行评分或者评价信息查询；

所述评价统计分析模块通过基本图表和可视化分析相结合的技术对启用中的评分模型和评级模型进行分析展示；

所述评价查询接口模块提供对信用主体的评分和评级结果。

4.根据权利要求1所述的一种针对信用领域场景化综合评价系统，其特征在于：所述计算层，包括评分管理模块和评级管理模块。

5.根据权利要求4所述的一种针对信用领域场景化综合评价系统，其特征在于：所述评分管理模块根据具体的评分方式跳转不同的模型建设步骤，以建设不同的评分模型，所述评分方式包括：加和计算法、层次分析法、直接赋权法，三种评分方式的共性步骤为：

步骤1.基于业务要求，构建分布式信用评分体系；

步骤2.设置模型的分值要求和计算时间；

步骤3.评分体系底层对应评价指标，抽取真实数据；

步骤4.完成体系权重构建；

步骤5.确定指标得分计算规则，包括区间得分、直接得分；

步骤6.以树状结构显示完整的信用评分体系及各指标计算规则，进行模型确认。

6.根据权利要求4所述的一种针对信用领域场景化综合评价系统，其特征在于：所述评级管理模块根据具体的评级方式跳转不同的模型建设步骤，以建设不同的评级模型，所述评级方式包括：按关键指标评级、按分数得分评级、按对象占比评级，三种评级方式的共性步骤为：

步骤1：创建模型的基本信息；

步骤2：选择评级需要的指标，在所述按分数得分评级或者所述按对象占比评级中，如果没有指标的要求可以不用选择；

步骤3：设置等级。

7.根据权利要求1所述的一种针对信用领域场景化综合评价系统，其特征在于：所述大数据计算包括，利用所述评分模型和所述评级模型，在分布式大数据集群上并行计算，最终产生模型输出，以异步方式同步到本地数据库，供展示层使用。

8.根据权利要求1所述的一种针对信用领域场景化综合评价系统，其特征在于：所述资源管理包括，通过在法人或自然人系统分别新建评价模型所涉及到的数据表配置，作为对法人或者自然人评价系统的数据基础，通过数据表的配置为信用评价提供数据支撑。

9.根据权利要求1所述的一种针对信用领域场景化综合评价系统，其特征在于：所述指标管理包括，根据用户的选择，在法人或自然人系统中通过新增、修改、删除的功能对信用主体设置评分评级指标，并基于所述评分评级指标进行指标计算。

10.根据权利要求9所述的一种针对信用领域场景化综合评价系统，其特征在于：所述指标计算的方式包括：按指标值计算、按记录条数计算和自定义sql语句计算。

Images