CN112700223A - 一种催收系统的催收任务优先级智能编排方法 - Google Patents
一种催收系统的催收任务优先级智能编排方法 Download PDFInfo
- Publication number
- CN112700223A CN112700223A CN202110001627.9A CN202110001627A CN112700223A CN 112700223 A CN112700223 A CN 112700223A CN 202110001627 A CN202110001627 A CN 202110001627A CN 112700223 A CN112700223 A CN 112700223A
- Authority
- CN
- China
- Prior art keywords
- collection
- priority
- overdue
- task
- days
- 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
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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种催收系统的催收任务优先级智能编排方法,涉及金融系统技术领域;为了解决无法根据催收任务的不同区分优先占比问题;具体包括如下步骤:通过Excel方式清洗重新整理催收任务数据,确定任务数据类型;确定不同任务数据类型的催收条件;根据催收条件,建立任务优先级列表;计算各个债务人的影响比值,根据各个债务人的影响比值进行优先级降序排比;按照优先级影响比值设置单元格突出显示规则;根据任务优先级列表生成集群分图表。本发明通过集群催收总图表便于催收人员对不同任务数据类型的优先占比了解,通过集群分图表便于催收人员对任务优先级列表内的优先占比了解,布局清晰简明,便于催收人员提高工作效率。
Description
技术领域
本发明涉及金融系统技术领域,尤其涉及一种催收系统的催收任务优先级智能编排方法。
背景技术
催收系统是针对互联网金融行业,P2P网贷系统,传统小贷行业,网络投融资平台以及银行信用卡业务的贷后催收管理推出的完整催收解决方案,为满足银行对催收过程的合规和高效的要求,在系统部署的安全能力,网络安全管控,数据安全管控等方面均有高标准,保障催收业务安全,规范,有序的进行。传统催收系统的任务编排往往是基于简单的少数维度,例如按预期天数,借款金额,借款次数等,做一个简单排序,按一定的比例分配给工作人员进行作业,随之而来的问题是这样的切分维度无法反应真实的用户属性,不能精确的区分出任务的催收难度,单个任务的作业时间,造成人力的浪费和线路等成本的浪费。
经检索,中国专利申请号为CN202010472864.9的专利,公开了一种催收系统的催收任务优先级智能编排方法,涉及金融系统技术领域,其包括获取目标催收任务数据集;确定最小支持度和最小置信度;根据最小支持度,采用Apriori算法计算目标催收任务数据集的催收关联规则;对于催收关联规则中的催收数据项,两两计算在目标催收任务数据集中的置信度;根据最小置信度、催收关联规则及其每两维催收数据项的置信度,对各催收任务优先级进行编排。上述专利中的催收系统的催收任务优先级智能编排方法存在以下不足:无法根据催收任务的不同区分优先占比,使得催收人员无法快速了解不同催收任务类型的优先比。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的一种催收系统的催收任务优先级智能编排方法。
为了实现上述目的,本发明采用了如下技术方案:
一种催收系统的催收任务优先级智能编排方法,包括如下步骤:
S1:通过Excel方式清洗重新整理催收任务数据,确定任务数据类型;
S2:确定不同任务数据类型的催收条件;
S3:根据催收条件,建立任务优先级列表;
S4:计算各个债务人的影响比值,根据各个债务人的影响比值进行优先级降序排比;
S5:按照优先级影响比值设置单元格突出显示规则;
S6:根据任务优先级列表生成集群分图表;
S7:根据多个集群分图表建立同一个集群催收总图表。
优选地:所述催收任务数据包括逾期债务任务数据和未逾期债务任务数据;所述任务数据类型包括信用卡、消费金融和综合型。
优选地:所述催收条件为根据各个任务数据类型设置的符合条件的债务人。
优选地:所述任务优先级列表包括债务人编号、债务人身份信息、风险评估、逾期时间、逾期金额和回执反馈内容,所述任务优先级列表的数量与任务数据类型的类别相等。
优选地:所述债务人身份信息包括债务人身份有效证件号、本人联系方式、家庭住址、工作地址、户籍所在地、亲人及朋友联系方式;所述回执反馈包括是否有人员跟进、跟进方式和跟进结果便签批注,跟进方式包括但不限于短信提醒、信函催收、电话催收当面催收、司法催收。
优选地:所述计算各个债务人的影响比值的方法,具体包括如下步骤:
S51:设置逾期金额、逾期时间的标准值;
S52:利用公式将逾期金额、逾期时间的实际值-逾期金额、逾期时间的标准值,得到各数据的最终占比影响值;
S53:计算两个影响值的总和,得到该债务人的最终影响比值。
优选地:所述优先级降序为按照逾期时间和逾期金额相加的比重进行排列,排列内容还包括风险评估及债务人编号,风险评估包括低风险、中风险及高风险债务人。
优选地:所述优先级降序排比具体包括以下等级划分:
A、逾期金额100~1000且逾期天数1~100天;
B、逾期金额1001~5000且逾期天数1~100天;
C、逾期金额5001~10000且逾期天数1~100天;
D、逾期金额10001~20000且逾期天数1~100天;
E、逾期金额20001~100000且逾期天数1~100天;
F、逾期金额≥100001且逾期天数1~100天,等级相同划分中以逾期天数>逾期金额进行排降序。
优选地:所述集群催收总图表和集群分图表以VLOOKUP、LOOKUP和HLOOKUP查找函数建立导入关系。
优选地:所述集群催收总图表以折线图的方式展现在首页。
本发明的有益效果为:
1.本发明根据任务优先级列表生成柱形图的集群分图表,并展示在任务优先级列表当前页,将集群分图表内的相关优先比重数据导入同一个集群催收总图表中,多个集群分图表建立同一个集群催收总图表,通过集群催收总图表便于催收人员对不同任务数据类型的优先占比了解,通过集群分图表便于催收人员对任务优先级列表内的优先占比了解,布局清晰简明,便于催收人员提高工作效率。
2.通过Excel等方式清洗重新整理催收任务数据,将不同任务数据类型进行依次划分单列任务优先级列表,以便区分,在不同的任务优先级列表内确定该任务数据类型的催收条件,根据催收条件,计算各个债务人的影响比值进行优先级降序排比,在该任务优先级列表设置单元格突出显示规则便于查看所有逾期债务人信息。
3.本发明集群分图表对该任务优先级列表中A~F的等级划分占比进行展示,便于催收人员了解不同等级的债务人优先比重,便于催收人员查看总的任务数据类型任务优先占比,操作简单。
附图说明
图1为本发明提出的一种催收系统的催收任务优先级智能编排方法的流程示意图;
图2为本发明提出的一种催收系统的催收任务优先级智能编排方法的集群分图表的柱形示意图;
图3为本发明提出的一种催收系统的催收任务优先级智能编排方法的集群催收总图表的折线示意图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
下面详细描述本专利的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本专利,而不能理解为对本专利的限制。
实施例1:
一种催收系统的催收任务优先级智能编排方法,如图1-3所示,包括如下步骤:
S1:通过Excel等方式清洗重新整理催收任务数据,确定任务数据类型;
S2:确定不同任务数据类型的催收条件;
S3:根据催收条件,建立任务优先级列表;
S4:计算各个债务人的影响比值,根据各个债务人的影响比值进行优先级降序排比;
S5:按照优先级影响比值设置单元格突出显示规则;
S6:根据任务优先级列表生成集群分图表;
S7:根据多个集群分图表建立同一个集群催收总图表。
所述催收任务数据包括逾期债务任务数据和未逾期债务任务数据;所述任务数据类型包括信用卡、消费金融和综合型等。
所述催收条件为根据各个任务数据类型设置的符合条件的债务人,如逾期天数期限、逾期金额范围等。
所述任务优先级列表包括债务人编号、债务人身份信息、风险评估、逾期时间、逾期金额和回执反馈等内容,所述任务优先级列表的数量与任务数据类型的类别相等。
进一步的,所述债务人身份信息包括债务人身份有效证件号、本人联系方式、家庭住址、工作地址、户籍所在地、亲人及朋友联系方式等;所述回执反馈包括是否有人员跟进、跟进方式和跟进结果等便签批注,跟进方式包括但不限于短信提醒、信函催收、电话催收当面催收、司法催收等。
所述计算各个债务人的影响比值的方法,具体包括如下步骤:
S51:设置逾期金额、逾期时间的标准值;
S52:利用公式将逾期金额、逾期时间的实际值-逾期金额、逾期时间的标准值,得到各数据的最终占比影响值;
S53:计算两个影响值的总和,得到该债务人的最终影响比值。
进一步的,所述优先级降序为按照逾期时间和逾期金额相加的比重进行排列,排列内容还包括风险评估及债务人编号。
进一步的,所述风险评估包括低风险、中风险及高风险债务人。
所述集群分图表以柱形图的方式展示在任务优先级列表当前页。
所述集群催收总图表和集群分图表以VLOOKUP函数、LOOKUP函数和HLOOKUP函数等查找函数建立导入关系,集群催收总图表以折线图的方式展现在首页,将集群分图表内的相关优先比重数据导入同一个集群催收总图表中,便于催收人员查看总的任务数据类型任务优先占比。
本实施例在使用时,通过Excel等方式清洗重新整理催收任务数据,将不同任务数据类型进行依次划分单列任务优先级列表,以便区分,在不同的任务优先级列表内确定该任务数据类型的催收条件,根据催收条件,计算各个债务人的影响比值进行优先级降序排比,在该任务优先级列表设置单元格突出显示规则便于查看所有逾期债务人信息,根据任务优先级列表生成柱形图的集群分图表,并展示在任务优先级列表当前页,将集群分图表内的相关优先比重数据导入同一个集群催收总图表中,多个集群分图表建立同一个集群催收总图表,便于催收人员查看总的任务数据类型任务优先占比,操作简单,通过集群催收总图表便于催收人员对不同任务数据类型的优先占比了解,通过集群分图表便于催收人员对任务优先级列表内的优先占比了解,布局清晰简明,便于催收人员提高工作效率。
实施例2:
一种催收系统的催收任务优先级智能编排方法,如图1-3所示,包括如下步骤:
S1:通过Excel方式清洗重新整理催收任务数据,确定任务数据类型;
S2:确定不同任务数据类型的催收条件;
S3:根据催收条件,建立任务优先级列表;
S4:计算各个债务人的影响比值,根据各个债务人的影响比值进行优先级降序排比;
S5:按照优先级影响比值设置单元格突出显示规则;
S6:根据任务优先级列表生成集群分图表;
S7:根据多个集群分图表建立同一个集群催收总图表。
所述催收任务数据包括逾期债务任务数据和未逾期债务任务数据;所述任务数据类型包括信用卡、消费金融和综合型等。
所述催收条件为根据各个任务数据类型设置的符合条件的债务人,如逾期天数期限、逾期金额范围等。
所述任务优先级列表包括债务人编号、债务人身份信息、风险评估、逾期时间、逾期金额和回执反馈等内容,所述任务优先级列表的数量与任务数据类型的类别相等。
进一步的,所述债务人身份信息包括债务人身份有效证件号、本人联系方式、家庭住址、工作地址、户籍所在地、亲人及朋友联系方式等;所述回执反馈包括是否有人员跟进、跟进方式和跟进结果等便签批注,跟进方式包括但不限于短信提醒、信函催收、电话催收当面催收、司法催收等。
所述计算各个债务人的影响比值的方法,具体包括如下步骤:
S51:设置逾期金额、逾期时间的标准值;
S52:利用公式将逾期金额、逾期时间的实际值-逾期金额、逾期时间的标准值,得到各数据的最终占比影响值;
S53:计算两个影响值的总和,得到该债务人的最终影响比值。
进一步的,所述优先级降序为按照逾期时间和逾期金额相加的比重进行排列,排列内容还包括风险评估及债务人编号。
进一步的,所述风险评估包括低风险、中风险及高风险债务人。
所述优先级降序排比具体包括以下等级划分:
A、逾期金额100~1000且逾期天数1~100天;
B、逾期金额1001~5000且逾期天数1~100天;
C、逾期金额5001~10000且逾期天数1~100天;
D、逾期金额10001~20000且逾期天数1~100天;
E、逾期金额20001~100000且逾期天数1~100天;
F、逾期金额≥100001且逾期天数1~100天,按照A~F的等级划分,连同其对应的风险评估、逾期类型及债务人编号进行从大至小进行排序,等级相同划分中以逾期天数>逾期金额进行排降序。
所述集群分图表以柱形图的方式展示在任务优先级列表当前页,集群分图表包括A~F的等级划分占比。
所述集群催收总图表和集群分图表以VLOOKUP函数、LOOKUP函数和HLOOKUP函数等查找函数建立导入关系,集群催收总图表以折线图的方式展现在首页,将集群分图表内的相关优先比重数据导入同一个集群催收总图表中,便于催收人员查看总的任务数据类型任务优先占比。
本实施例在使用时,通过Excel等方式清洗重新整理催收任务数据,将不同任务数据类型进行依次划分单列任务优先级列表,以便区分,在不同的任务优先级列表内确定该任务数据类型的催收条件,根据催收条件,计算各个债务人的影响比值进行优先级降序排比,在该任务优先级列表设置单元格突出显示规则便于查看所有逾期债务人信息,根据任务优先级列表生成柱形图的集群分图表,并展示在任务优先级列表当前页,集群分图表对该任务优先级列表中A~F的等级划分占比进行展示,便于催收人员了解不同等级的债务人优先比重,将集群分图表内的相关优先比重数据导入同一个集群催收总图表中,多个集群分图表建立同一个集群催收总图表,便于催收人员查看总的任务数据类型任务优先占比,操作简单,通过集群催收总图表便于催收人员对不同任务数据类型的优先占比了解,通过集群分图表便于催收人员对任务优先级列表内的优先占比了解,布局清晰简明,便于催收人员提高工作效率。
以下为实施例1、实施例2和常规催收任务优先级编排方法的参数对比:
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种催收系统的催收任务优先级智能编排方法,其特征在于,包括如下步骤:
S1:通过Excel方式清洗重新整理催收任务数据,确定任务数据类型;
S2:确定不同任务数据类型的催收条件;
S3:根据催收条件,建立任务优先级列表;
S4:计算各个债务人的影响比值,根据各个债务人的影响比值进行优先级降序排比;
S5:按照优先级影响比值设置单元格突出显示规则;
S6:根据任务优先级列表生成集群分图表;
S7:根据多个集群分图表建立同一个集群催收总图表。
2.根据权利要求1所述的一种催收系统的催收任务优先级智能编排方法,其特征在于,所述催收任务数据包括逾期债务任务数据和未逾期债务任务数据;所述任务数据类型包括信用卡、消费金融和综合型。
3.根据权利要求2所述的一种催收系统的催收任务优先级智能编排方法,其特征在于,所述催收条件为根据各个任务数据类型设置的符合条件的债务人。
4.根据权利要求3所述的一种催收系统的催收任务优先级智能编排方法,其特征在于,所述任务优先级列表包括债务人编号、债务人身份信息、风险评估、逾期时间、逾期金额和回执反馈内容,所述任务优先级列表的数量与任务数据类型的类别相等。
5.根据权利要求4所述的一种催收系统的催收任务优先级智能编排方法,其特征在于,所述债务人身份信息包括债务人身份有效证件号、本人联系方式、家庭住址、工作地址、户籍所在地、亲人及朋友联系方式;所述回执反馈包括是否有人员跟进、跟进方式和跟进结果便签批注,跟进方式包括但不限于短信提醒、信函催收、电话催收当面催收、司法催收。
6.根据权利要求5所述的一种催收系统的催收任务优先级智能编排方法,其特征在于,所述计算各个债务人的影响比值的方法,具体包括如下步骤:
S51:设置逾期金额、逾期时间的标准值;
S52:利用公式将逾期金额、逾期时间的实际值-逾期金额、逾期时间的标准值,得到各数据的最终占比影响值;
S53:计算两个影响值的总和,得到该债务人的最终影响比值。
7.根据权利要求6所述的一种催收系统的催收任务优先级智能编排方法,其特征在于,所述优先级降序为按照逾期时间和逾期金额相加的比重进行排列,排列内容还包括风险评估及债务人编号,风险评估包括低风险、中风险及高风险债务人。
8.根据权利要求7所述的一种催收系统的催收任务优先级智能编排方法,其特征在于,所述优先级降序排比具体包括以下等级划分:
A、逾期金额100~1000且逾期天数1~100天;
B、逾期金额1001~5000且逾期天数1~100天;
C、逾期金额5001~10000且逾期天数1~100天;
D、逾期金额10001~20000且逾期天数1~100天;
E、逾期金额20001~100000且逾期天数1~100天;
F、逾期金额≥100001且逾期天数1~100天,等级相同划分中以逾期天数>逾期金额进行排降序。
9.根据权利要求1-8任一所述的一种催收系统的催收任务优先级智能编排方法,其特征在于,所述集群催收总图表和集群分图表以VLOOKUP、LOOKUP和HLOOKUP查找函数建立导入关系。
10.根据权利要求9所述的一种催收系统的催收任务优先级智能编排方法,其特征在于,所述集群催收总图表以折线图的方式展现在首页。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110001627.9A CN112700223A (zh) | 2021-01-04 | 2021-01-04 | 一种催收系统的催收任务优先级智能编排方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110001627.9A CN112700223A (zh) | 2021-01-04 | 2021-01-04 | 一种催收系统的催收任务优先级智能编排方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112700223A true CN112700223A (zh) | 2021-04-23 |
Family
ID=75514376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110001627.9A Pending CN112700223A (zh) | 2021-01-04 | 2021-01-04 | 一种催收系统的催收任务优先级智能编排方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112700223A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115660811A (zh) * | 2022-11-07 | 2023-01-31 | 杭州度言软件有限公司 | 一种提升消费金融逾期资产回收率的资产管理方法 |
CN116862668A (zh) * | 2023-09-05 | 2023-10-10 | 杭州度言软件有限公司 | 一种提升催收效率的智能催收方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105404757A (zh) * | 2015-12-18 | 2016-03-16 | 山东网聪信息科技有限公司 | 一种智能变电站scd文件标准化程度的校验方法 |
CN110135967A (zh) * | 2019-04-08 | 2019-08-16 | 平安科技(深圳)有限公司 | 催收数据的处理方法和系统 |
CN110363657A (zh) * | 2019-07-11 | 2019-10-22 | 何彬 | 一种金融催收管理系统 |
CN110515990A (zh) * | 2019-07-23 | 2019-11-29 | 华信永道(北京)科技股份有限公司 | 数据查询展示方法及查询展示系统 |
CN111680973A (zh) * | 2020-05-29 | 2020-09-18 | 成都新希望金融信息有限公司 | 一种催收系统的催收任务优先级智能编排方法 |
CN112085587A (zh) * | 2020-08-12 | 2020-12-15 | 上海维信荟智金融科技有限公司 | 基于电催的剩余本金分配方法及系统 |
-
2021
- 2021-01-04 CN CN202110001627.9A patent/CN112700223A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105404757A (zh) * | 2015-12-18 | 2016-03-16 | 山东网聪信息科技有限公司 | 一种智能变电站scd文件标准化程度的校验方法 |
CN110135967A (zh) * | 2019-04-08 | 2019-08-16 | 平安科技(深圳)有限公司 | 催收数据的处理方法和系统 |
CN110363657A (zh) * | 2019-07-11 | 2019-10-22 | 何彬 | 一种金融催收管理系统 |
CN110515990A (zh) * | 2019-07-23 | 2019-11-29 | 华信永道(北京)科技股份有限公司 | 数据查询展示方法及查询展示系统 |
CN111680973A (zh) * | 2020-05-29 | 2020-09-18 | 成都新希望金融信息有限公司 | 一种催收系统的催收任务优先级智能编排方法 |
CN112085587A (zh) * | 2020-08-12 | 2020-12-15 | 上海维信荟智金融科技有限公司 | 基于电催的剩余本金分配方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115660811A (zh) * | 2022-11-07 | 2023-01-31 | 杭州度言软件有限公司 | 一种提升消费金融逾期资产回收率的资产管理方法 |
CN116862668A (zh) * | 2023-09-05 | 2023-10-10 | 杭州度言软件有限公司 | 一种提升催收效率的智能催收方法 |
CN116862668B (zh) * | 2023-09-05 | 2023-11-24 | 杭州度言软件有限公司 | 一种提升催收效率的智能催收方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021174693A1 (zh) | 一种数据分析方法、装置、计算机系统及可读存储介质 | |
CN112700223A (zh) | 一种催收系统的催收任务优先级智能编排方法 | |
WO2010037030A1 (en) | Evaluating loan access using online business transaction data | |
CN109151023A (zh) | 任务分配方法、装置及存储介质 | |
CN108932291B (zh) | 电网舆情评价方法、存储介质及计算机 | |
CN111274301B (zh) | 一种基于数据资产智能治理方法及系统 | |
WO2007069663A1 (ja) | 技術文書属性の関連性分析支援装置 | |
JP2016206878A (ja) | 営業員育成支援システムおよび営業員育成支援方法 | |
CN112308173B (zh) | 基于多评价因子融合的多目标对象评价方法及其相关设备 | |
JP2017097914A (ja) | マーケティング装置、マーケティング方法およびプログラム | |
CN111369341A (zh) | 一种汽车金融贷前客户风险智能评分系统 | |
US8412563B2 (en) | Method and system for analyzing and optimizing distribution of work from a plurality of queues | |
Zeng | A comparison study of computational methods of Kolmogorov–Smirnov statistic in credit scoring | |
CN109992592B (zh) | 基于校园消费卡流水数据的高校贫困生识别方法 | |
CN115099680B (zh) | 风险管理方法、装置、设备及存储介质 | |
CN113706336B (zh) | 风险评估方法、装置、计算机设备和存储介质 | |
CN115618859A (zh) | 一种基于大数据的研效管理方法、装置、设备及存储介质 | |
Bogdanova et al. | Valuating the position of the control object based on a universal complex indicator using structured and unstructured data | |
CN112598507A (zh) | 基于知识图谱的过度授信风险预测系统和方法 | |
CN112036730A (zh) | 一种虚拟资产数据处理方法、装置及计算机可读存储介质 | |
Danaei et al. | Measuring the relative performance of stock market using TOPSIS | |
CN116846968B (zh) | 一种基于大数据的通信服务推送方法及系统 | |
CN109784640A (zh) | 任务分配方法、装置、设备及计算机可读存储介质 | |
CN116756410A (zh) | 产品服务推荐方法、产品服务推荐装置、设备及存储介质 | |
Lu et al. | Predicting P2P lenders' decisions: the prospect theory approach |
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: 20210423 |
|
RJ01 | Rejection of invention patent application after publication |