CN112907355A - 贷款信息的处理方法以及设备 - Google Patents
贷款信息的处理方法以及设备 Download PDFInfo
- Publication number
- CN112907355A CN112907355A CN202110236179.0A CN202110236179A CN112907355A CN 112907355 A CN112907355 A CN 112907355A CN 202110236179 A CN202110236179 A CN 202110236179A CN 112907355 A CN112907355 A CN 112907355A
- Authority
- CN
- China
- Prior art keywords
- collection
- repayment
- user
- urging
- hastening
- 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
- 230000010365 information processing Effects 0.000 title abstract description 7
- 238000003672 processing method Methods 0.000 title abstract description 5
- 238000000034 method Methods 0.000 claims abstract description 63
- 230000015654 memory Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 17
- 230000006399 behavior Effects 0.000 claims description 9
- 238000003306 harvesting Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 description 13
- 238000013473 artificial intelligence Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000001360 synchronised effect Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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)
Abstract
本申请实施例提供了一种贷款信息的处理方法以及设备。该方法包括:获取存在逾期行为的用户的还款信息,该还款信息包括逾期金额和还款概率信息,并基于还款信息和预先确定的人机催收策略,确定至少一个催收方式分别对应的至少一个目标催收时间,再按照至少一个催收方式,分别在至少一个目标催收时间,执行对应的操作。实现了自动催收,提高了催收效率。
Description
技术领域
本申请实施例涉及人工智能技术领域,并且更具体地,涉及贷款信息的处理方法以及设备。
背景技术
随着人工智能(Artificial Intelligence,AI)技术领域的不断发展,人们期望能够通过AI替代人工在贷款发生逾期后,对用户进行有效催收以实现回款,然而,目前尚不存在有效的解决方案。
发明内容
本申请实施例提供了一种贷款信息的处理方法以及设备,能够针对用户的逾期金额和还款概率信息,实现自动催收。
第一方面,提供了一种贷款信息的处理方法,包括:获取存在逾期行为的用户的还款信息,该还款信息包括逾期金额和还款概率信息;基于该还款信息和预先确定的人机催收策略,确定至少一个催收方式分别对应的至少一个目标催收时间;按照该至少一个催收方式,分别在该至少一个目标催收时间,执行对应的操作。
第二方面,提供了一种电子设备,包括:获取单元,用于获取存在逾期行为的用户的还款信息,该还款信息包括逾期金额和还款概率信息;催收选择单元,用于基于该还款信息和预先确定的人机催收策略,确定至少一个催收方式分别对应的至少一个目标催收时间;催收执行单元,用于按照该至少一个催收方式,分别在该至少一个目标催收时间,执行对应的操作。
第三方面,提供一种电子设备,包括:处理器和存储器,该存储器用于存储计算机程序,处理器用于调用并运行存储器中存储的计算机程序,执行如第一方面或其各实现方式中的方法。
第四方面,提供一种计算机可读存储介质,用于存储计算机程序,计算机程序使得计算机执行如第一方面或其各实现方式中的方法。
第五方面,提供一种计算机程序产品,包括计算机程序指令,该计算机程序指令使得计算机执行如第一方面或其各实现方式中的方法。
第六方面,提供一种计算机程序,计算机程序使得计算机执行如第一方面或其各实现方式中的方法。
本申请实施例,能够根据存在逾期行为的用户的逾期金额和还款概率信息,以及预先确定的人机催收策略,确定至少一个催收方式分别对应的至少一个目标催收时间,并按照至少一个催收方式,分别在至少一个目标催收时间,执行对应的操作,实现了自动催收,提高了催收效率。
附图说明
图1为本申请实施例提供的一种贷款信息处理的应用场景100示意图;
图2为本申请实施例提供的一种贷款信息的处理方法200的流程示意图;
图3为本申请实施例提供的一种贷款信息的处理方法300的流程示意图;
图4为本申请实施例提供的一种贷款信息的处理方法400的示意图;
图5为本申请实施例提供的一种电子设备500的示意性框图;
图6为本申请实施例提供的一种电子设备600的示意性结构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。针对本申请中的实施例,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,都属于本申请保护的范围。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
为了便于理解,首先对本申请实施例提到的技术术语进行说明:
逾期M1阶段:是指用户在应还款未还款,逾期天数1-31天,即逾期一个月内的阶段。
入催用户:是指因存在逾期行为而需要被催收的用户。
贷后评分卡:用于表征用户的还款概率信息。
随着智能机器人的不断进步,在催收过程中,逐步可以使用智能催收机器人替代人工,节省人力。通过贷后评分卡的模型开发,针对入催用户可以进行不同风险等级的评估。智能机器人催收和人工催收的差距还是比较明显的。如果只是简单的使用智能机器人替换人工,会导致回款率的整体降低,不能在保证回款率的基础上进行人效的提升,并且,也缺少可行的方案使贷后评分卡真正应用到策略上发挥作用。
基于上述问题,本申请提出了一种自动催收贷款的方案,能够根据入催用户的逾期金额、还款概率信息以及预先确定的人机催收策略,确定至少一个催收方式分别对应的至少一个目标催收时间,从而实现自动催收,提高了处理效率,进而提高了回款率。
需要说明的是,本申请中贷款信息可以包括任一与贷款、还款或催收相关的信息。
本申请的执行主体为一种电子设备,应理解,该电子设备可以为一种终端设备中,例如手机(Mobile Phone)、平板电脑(Pad)、电脑等。在一些实施例中,该电子设备还可以是服务器。
图1为本申请实施例提供的一种贷款信息处理的应用场景100示意图。如图1所示,用于对贷款信息进行处理的电子设备110与多个用户终端120通过有线或者无线的方式连接,电子设备110与服务终端130通过有线或者无线的方式连接,且服务终端130与多个用户终端120通过有线或者无线的方式连接。
其中,每个用户终端120登录有入催用户的账号;服务终端130登录有贷款催收的需求方的账号。可选的,服务终端130的数量为一至多个。
基于上述应用场景,本申请实施例中的电子设备110可以在确定的目标催收时间以确定好的催收方式对至少一个用户终端120进行催收操作,在一些实施例中电子设备110可以通知服务终端130,使服务终端130在确定的目标催收时间以确定好的催收方式对至少一个用户终端120进行催收操作。
以下通过具体实施例详述本申请的技术方案。
图2为本申请实施例提供的一种贷款信息的处理方法200的流程示意图。如图2所示,本申请实施例的执行主体可以是上述电子设备110,该方法具体包括:
S201:获取存在逾期行为的用户的还款信息,该还款信息包括逾期金额和还款概率信息。
S202:基于还款信息和预先确定的人机催收策略,确定至少一个催收方式分别对应的至少一个目标催收时间。
S203:按照至少一个催收方式,分别在至少一个目标催收时间,执行对应的操作。
需要说明的是,本申请实施例可以应用于对任一逾期阶段中的逾期用户进行贷款催收,例如可以是逾期M1阶段。
电子设备可以基于用户画像对用户的还款概率信息进行评估。示例性的,将用户画像输入预先训练的还款概率信息识别模型或者上述贷后评分卡的模型,得到该用户的还款概率信息。还款概率信息可以是还款概率,或者是用于表示还款概率的标识,示例性的,还款概率信息可以用1-10分表示,分数越高,还款概率信息越大。
人机催收策略中,不同的还款信息对应设置有至少一个催收方式和与每个催收方式对应的至少一个催收时间。在一些实施例中,人机催收策略中设置有多个逾期金额分档、还款概率分档、至少一个催收方式和与每个催收方式对应的催收时间。电子设备通过确定用户的逾期金额所属的逾期金额分档,用户的还款概率信息所属的还款概率分档,并基于该用户的逾期金额分档和还款概率分档,在人机催收策略中确定对该用户进行催收的至少一个催收方式分别对应的目标催收时间。
在一些实施例中,人机催收策略包括:n个逾期金额分档,每个逾期金额分档对应m个还款概率分档,n个逾期金额分档中的第i个分档和m个还款概率分档中的第j个分档下,至少一个催收方式对应至少一个催收时间;其中,n≥i≥1,m≥j≥1。
示例性的,基于还款信息和预先确定的人机催收策略,确定至少一个催收方式分别对应的至少一个目标催收时间,包括:确定逾期金额对应的逾期金额分档;在逾期金额分档对应的m个还款概率分档中,确定还款概率信息对应的还款概率分档;在逾期金额分档和还款概率分档下,将至少一个催收方式对应的至少一个催收时间,分别确定为至少一个目标催收时间。
示例性的,按照至少一个催收方式,分别在至少一个目标催收时间,执行对应的操作,可以至少包括以下三种实现方式:
方式一:若至少一个催收方式为智能催收,则在目标催收时间,向用户终端发送第一呼叫请求或发送第一催收消息,该第一呼叫请求和该第一催收消息均用于提示该用户进行还款操作。
示例性的,用户终端响应第一呼叫请求后,电子设备可以通过已建立的通信连接向用户终端发送语音信息,该语音信息用于提示用户进行还款操作。
方式二:若至少一个催收方式为人工催收,则在目标催收时间,向服务终端发送第一催收提示消息,该第一催收提示消息用于提示催收需求方向该用户终端发送第二呼叫请求或发送第二催收消息,该第二呼叫请求和该第二催收消息均用于提示该用户进行还款操作。
示例性的,用户终端响应第二呼叫请求后,服务终端可以通过已建立的通信连接向用户终端发送语音信息,该语音信息用于提示用户进行还款操作,或者服务终端可以实时接收催收需求方的语音数据,并通过已建立的通信连接向用户终端进行实时的语音传输。
方式三,若至少一个催收方式包括智能催收和人工催收,目标催收时间包括该智能催收对应的第一目标催收时间和该人工催收对应的第二目标催收时间。则在该第一目标催收时间,向用户终端发送第三呼叫请求和第三催收消息,该第三呼叫请求和该第三催收消息均用于提示该用户进行还款操作;在该第二目标催收时间,向服务终端发送第二催收提示消息,该第二催收提示消息用于提示催收需求方向该用户终端发送第四呼叫请求或发送第四催收消息,该第四呼叫请求和该第四催收消息均用于提示该用户进行还款操作。
第三呼叫请求与第一呼叫请求类似,第三催收消息与第一催收消息类似,第四呼叫请求与第二呼叫请求类似,第三催收消息与第二催收消息类似,此处不再赘述。
在一些实施例中,第二目标催收时间晚于第一目标催收时间。
示例性的,假设n为3,m为3,人机催收策略的模板可以如表1所示,基于用户样本确定的人机催收策略可以如表2所示。
表1
金额分档 | 还款概率分档 | 智能催收 | 人工催收 |
小金额 | 高 | 催XX天 | XX+1天开始介入 |
小金额 | 中 | 催XX天 | XX+1天开始介入 |
小金额 | 低 | 催XX天 | XX+1天开始介入 |
中金额 | 高 | 催XX天 | XX+1天开始介入 |
中金额 | 中 | 催XX天 | XX+1天开始介入 |
中金额 | 低 | 催XX天 | XX+1天开始介入 |
大金额 | 高 | 催XX天 | XX+1天开始介入 |
大金额 | 中 | 催XX天 | XX+1天开始介入 |
大金额 | 低 | 催XX天 | XX+1天开始介入 |
表2
金额分档 | 还款概率分档 | 智能催收 | 人工催收 |
小金额 | 高 | 催21天 | 22天开始介入 |
小金额 | 中 | 催21天 | 22天开始介入 |
小金额 | 低 | 催21天 | 22天开始介入 |
中金额 | 高 | 催14天 | 15天开始介入 |
中金额 | 中 | 催7天 | 8天开始介入 |
中金额 | 低 | 催1天 | 2天开始介入 |
大金额 | 高 | X | 1天开始介入 |
大金额 | 中 | X | 1天开始介入 |
大金额 | 低 | X | 1天开始介入 |
其中,催收方式,包括表1或表2所示的智能催收和/或人工催收,如表2所示,假设用户的逾期金额属于小金额,还款概率属于高,则在逾期后的第一天开始通过电子设备自动向该用户的用户终端发送催收消息或者拨打催收电话等,并向服务终端发送消息,通知服务终端在逾期后的第22天开始对该用户终端进行人工催收,例如拨打催收电话等。
因此,在本申请实施例中,电子设备能够根据存在逾期行为的用户的逾期金额和还款概率信息,以及预先确定的人机催收策略,确定至少一个催收方式分别对应的至少一个目标催收时间,并按照至少一个催收方式,分别在至少一个目标催收时间,执行对应的操作,实现了自动催收,提高了催收效率。
为了使电子设备实现准备有效的催收,首先应确保人机催收策略的可靠性和有效性,本实施例提供一种确定人机催收策略的方案。
图3为本申请实施例提供的一种贷款信息的处理方法300的流程示意图。如图3所示,该方法包括:
S301:基于第一用户样本集合,生成初始催收策略,该第一用户样本集合包括多个用户样本,用户样本包括用户的逾期金额和还款概率信息。
S302:针对第二用户样本集合中的每个用户样本,基于初始催收策略,对用户样本进行对应的操作,得到催收结果;
S303:基于催收结果,调整初始催收策略中对应的催收时间,得到人机催收策略。
针对上述步骤S301,提出如下可能的实现方式:基于第一用户样本集合,分别确定n个逾期金额分档和m个还款概率分档,再基于n个逾期金额分档、m个还款概率分档、至少一个催收方式以及n*m个预设的催收时间,生成初始催收策略。
示例性的,可以按照第一用户样本集合中每个用户样本的逾期金额和p个逾期金额分档,将第一用户样本集合分为p个用户样本子集,再基于每个用户样本子集的逾期金额占比和借贷回款率,将p个逾期金额分档合并为n个逾期金额分档,p为大于n的整数。
如表3所示,将逾期金额分为细粒度的11个逾期金额分档,每个逾期金额分档对应有逾期金额占比和借贷回款率,逾期金额占比为该逾期金额分档内所有用户的逾期金额占贷款总额的比例,借贷回款率为该逾期金额分档内所有用户的已还款金额占贷款总额的比例。
如表4所示,为基于逾期金额占比和借贷回款率,进行合并后的逾期金额分档。
表3
逾期金额分档 | 逾期金额占比 | 借贷回款率 |
(0,200] | x% | x% |
(200,500] | x% | x% |
(500,1000] | x% | x% |
(1000,2000] | x% | x% |
(2000,3000] | x% | x% |
(3000,4000] | x% | x% |
(4000,5000] | x% | x% |
(5000,10000] | x% | x% |
(10000,15000] | x% | x% |
(15000,20000] | x% | x% |
(20000,) | x% | x% |
表4
逾期金额分档 | 逾期金额占比 | 借贷回款率 |
小金额:(0,500] | x% | x% |
中金额:(500,20000] | x% | x% |
大金额:(20000,) | x% | x% |
示例性的,在合并分档的过程中,可基于相邻的逾期金额分档对应的借贷回款率的差值进行合并,例如将借贷回款率差值小于预设值的相邻的逾期金额分档进行合并。逾期金额比例与借贷回款率与借贷回款率类似,此处不再赘述。
与逾期金额分档类似的,可按照第一用户样本集合中每个用户样本的还款概率信息和q个还款概率分档,将第一用户样本集合分为q个用户样本子集,再基于每个用户样本子集的逾期金额占比和借贷回款率,将q个还款概率分档合并为m个还款概率分档,q为大于m的整数。
如表5所示,将还款概率信息分为细粒度的10个还款概率分档,每个还款概率分档对应有逾期金额占比和借贷回款率,逾期金额占比为该还款概率分档内所有用户的逾期金额占贷款总额的比例,借贷回款率为该还款概率分档内所有用户的已还款金额占贷款总额的比例。
如表6所示,为基于逾期金额占比和借贷回款率,进行合并后的还款概率分档。
表5
还款概率分档 | 逾期金额占比 | 借贷回款率 |
10 | x% | x% |
9 | x% | x% |
8 | x% | x% |
7 | x% | x% |
6 | x% | x% |
5 | x% | x% |
4 | x% | x% |
3 | x% | x% |
2 | x% | x% |
1 | x% | x% |
表6
还款概率分类 | 逾期金额占比 | 借贷回款率 |
低风险:8-10分 | x% | x% |
中风险:4-7分 | x% | x% |
高风险:1-3分 | x% | x% |
示例性的,在合并分档的过程中,可基于相邻的逾期金额分档对应的借贷回款率的差值进行合并,例如将借贷回款率差值小于预设值的相邻的逾期金额分档进行合并。逾期金额比例与借贷回款率与借贷回款率类似,此处不再赘述。
一般来说,第二用户样本集合和第一用户样本集合中的用户样本不同,第二用户样本集合用于测试初始催收策略的可靠性和有效性。
在一些实施例中,初始催收策略可以直接作为人机催收策略在业务上进行应用,并在应用的过程中不断对策略进行优化,也可以基于第二用户样本集合对初始催收策略进行测试,在测试完成后进行应用。
示例性的,在测试的过程中,基于初始催收策略确定第二用户样本集合中每个用户样本进行催收操作,得到催收结果,基于催收结果和人工催收的结果,对初始催收策略进行调整,得到人机催收策略。
在一些实施例中,可以将多个用户样本随机切分为测试组和对照组,测试组可以是上述第二用户样本集合,对照组可以是第三用户样本集合,对第二用户样本集合应用上述人机催收策略,对第三用户样本集合应用人工催收或者已有的催收策略。基于第二用户样本集合的催收回款率和第三用户样本集合的催收回款率,对人机催收策略进行调整,例如,确定测试组的催收回款率需要多长时间追上对照组的催收回款率,如果在第一预设时间之前测试组追不上对照组,就需要将智能催收的催收时间缩短,提前进行人工催收,可选的,若逾期阶段为逾期M1阶段,则第一预设时间可以为该阶段内的任意一天,例如第31天。如果在第二预设时间之前测试组追上对照组,就可以加长智能催收的时间。应理解,第二预设时间早于第一预设时间。
以中金额高回款概率为例。结合表2所示,对中金额高回款概率的人群进行催收,初始策略是从逾期的第一天开始,以智能催收模式催收14天。将多个用户样本中的50%作为测试组,以智能催收模式催收14天,剩余50%的用户样本作为对照组,以人工催收模式进行催收。两个组催收过程中每日累计的回款率如图4所示,在第28天的时候测试组追上对照组,那么应用的初始策略在逾期M1阶段是能追平人工催收的,表明初始催收策略是有效的,则测试成功。如果在逾期M1阶段内测试组追不上对照组,可以将智能催收模式由14天缩短到13天、12天或者10天等逐步测试对比调整,直至测试组能够在逾期M1阶段内追上对照组,得到准确可靠的人机催收策略。
示例性的,通过对初始策略进行调整后可得到如表7所示的人机催收策略。
表7
逾期金额分档 | 还款概率分档 | 机器人催收 | 人工催收 |
小金额 | 所有 | 催21天 | 22天开始 |
中金额 | 高8-10分 | 催14天 | 15天开始 |
中金额 | 中4-7分 | 催7天 | 8天开始 |
中金额 | 低1-3分 | 催1天 | 2天开始 |
大金额 | 所有 | 0天 | 1天开始 |
可选的,第二用户样本集合中的用户样本与第三用户样本集合中的用户样本可以相同、可以不同、也可以部分相同。
本实施例中,电子设备能够基于第一用户样本集合,生成初始催收策略,并针对第二用户样本集合中的每个用户样本,基于初始催收策略进行催收操作,得到催收结果,基于催收结果调整对应的催收时间,使最终得到的人机催收策略更加可靠,进而基于该人机催收策略确定的催收方式对应的目标催收时间进行催收,能够达到及时回款的目的。
上文结合图2至图4,详细描述了本申请的方法实施例,下文结合图5至图6,详细描述本申请的装置实施例,应理解,装置实施例与方法实施例相互对应,类似的描述可以参照方法实施例。
图5为本申请实施例提供的一种电子设备500的示意性框图。如图5所示,该电子设备500包括:
获取单元510,用于获取存在逾期行为的用户的还款信息,该还款信息包括逾期金额和还款概率信息;
催收选择单元520,用于基于该还款信息和预先确定的人机催收策略,确定至少一个催收方式分别对应的至少一个目标催收时间;
催收执行单元530,用于按照该至少一个催收方式,分别在该至少一个目标催收时间,执行对应的操作。
可选的,人机催收策略包括:n个逾期金额分档,每个逾期金额分档对应m个还款概率分档,该n个逾期金额分档中的第i个分档和该m个还款概率分档中的第j个分档下,该至少一个催收方式对应至少一个催收时间;其中,n≥i≥1,m≥j≥1;
催收选择单元520具体用于:确定该逾期金额对应的逾期金额分档;在逾期金额分档对应的m个还款概率分档中,确定该还款概率信息对应的还款概率分档;在该逾期金额分档和该还款概率分档下,将该至少一个催收方式对应的至少一个催收时间,分别确定为该至少一个目标催收时间。
在一些实施例中,催收执行单元530具体用于:
若该至少一个催收方式为智能催收,则在该目标催收时间,向用户终端发送第一呼叫请求或发送第一催收消息,该第一呼叫请求和该第一催收消息均用于提示该用户进行还款操作;
若该至少一个催收方式为人工催收,则在该目标催收时间,向服务终端发送第一催收提示消息,该第一催收提示消息用于提示催收需求方向该用户终端发送第二呼叫请求或发送第二催收消息,该第二呼叫请求和该第二催收消息均用于提示该用户进行还款操作。
在一些实施例中,催收执行单元530具体用于:
若该至少一个催收方式包括智能催收和人工催收,该目标催收时间包括该智能催收对应的第一目标催收时间和该人工催收对应的第二目标催收时间。则在该第一目标催收时间,向用户终端发送第三呼叫请求和第三催收消息,该第三呼叫请求和该第三催收消息均用于提示该用户进行还款操作;在该第二目标催收时间,向服务终端发送第二催收提示消息,该第二催收提示消息用于提示催收需求方向该用户终端发送第四呼叫请求或发送第四催收消息,该第四呼叫请求和该第四催收消息均用于提示该用户进行还款操作。
在一些实施例中,该第二目标催收时间晚于该第一目标催收时间。
可选的,电子设备500还包括:策略生成单元540;该策略生成单元540用于:基于第一用户样本集合,生成初始催收策略,该第一用户样本集合包括多个用户样本,该用户样本包括该用户的逾期金额和还款概率信息;针对第二用户样本集合中的每个用户样本,基于该初始催收策略,对该用户样本进行对应的操作,得到催收结果;基于该催收结果,调整初始催收策略中对应的催收时间,得到该人机催收策略。
可选的,策略生成单元540具体用于:基于该第一用户样本集合,分别确定该n个逾期金额分档和该m个还款概率分档;基于该n个逾期金额分档、该m个还款概率分档、该至少一个催收方式以及n*m个预设的催收时间,生成初始催收策略。
可选的,策略生成单元540具体用于:按照该第一用户样本集合中每个用户样本的逾期金额和p个逾期金额分档,将该第一用户样本集合分为p个用户样本子集;基于每个用户样本子集的逾期金额占比和借贷回款率,将该p个逾期金额分档合并为n个逾期金额分档,p为大于n的整数;按照该第一用户样本集合中每个用户样本的还款概率信息和q个还款概率分档,将该第一用户样本集合分为q个用户样本子集;基于每个用户样本子集的逾期金额占比和借贷回款率,将该q个还款概率分档合并为m个还款概率分档,q为大于m的整数。
上述实施例提供的电子设备,可以执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图6为本申请实施例提供的一种电子设备600的示意性结构图。如图6所示的电子设备600包括处理器610,处理器610可以从存储器中调用并运行计算机程序,以实现本申请实施例中的方法。
可选地,如图6所示,电子设备600还可以包括存储器620。其中,处理器610可以从存储器620中调用并运行计算机程序,以实现本申请实施例中的方法。
其中,存储器620可以是独立于处理器610的一个单独的器件,也可以集成在处理器610中。
可选地,如图6所示,电子设备600还可以包括收发器630,处理器610可以控制该收发器630与其他设备进行通信,具体地,可以向其他设备发送信息或数据,或接收其他设备发送的信息或数据。
其中,收发器630可以包括发射机和接收机。收发器630还可以进一步包括天线,天线的数量可以为一个或多个。
可选地,该电子设备600可以实现本申请实施例的各个方法中的相应流程,为了简洁,在此不再赘述。
应理解,本申请实施例的处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
可以理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DR RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
应理解,上述存储器为示例性但不是限制性说明,例如,本申请实施例中的存储器还可以是静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synch link DRAM,SLDRAM)以及直接内存总线随机存取存储器(Direct Rambus RAM,DR RAM)等等。也就是说,本申请实施例中的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本申请实施例还提供了一种计算机可读存储介质,用于存储计算机程序。
可选的,该计算机可读存储介质可应用于本申请实施例中的电子设备,并且该计算机程序使得计算机执行本申请实施例的各个方法中由的相应流程,为了简洁,在此不再赘述。
本申请实施例还提供了一种计算机程序产品,包括计算机程序指令。
可选的,该计算机程序产品可应用于本申请实施例中的电子设备,并且该计算机程序指令使得计算机执行本申请实施例的各个方法中的相应流程,为了简洁,在此不再赘述。
本申请实施例还提供了一种计算机程序。
可选的,该计算机程序可应用于本申请实施例中的电子设备,当该计算机程序在计算机上运行时,使得计算机执行本申请实施例的各个方法中的相应流程,为了简洁,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。针对这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种贷款信息的处理方法,其特征在于,包括:
获取存在逾期行为的用户的还款信息,所述还款信息包括逾期金额和还款概率信息;
基于所述还款信息和预先确定的人机催收策略,确定至少一个催收方式分别对应的至少一个目标催收时间;
按照所述至少一个催收方式,分别在所述至少一个目标催收时间,执行对应的操作。
2.根据权利要求1所述的方法,其特征在于,所述人机催收策略包括:n个逾期金额分档,每个逾期金额分档对应m个还款概率分档,所述n个逾期金额分档中的第i个分档和所述m个还款概率分档中的第j个分档下,所述至少一个催收方式对应至少一个催收时间;其中,n≥i≥1,m≥j≥1;
所述基于所述还款信息和预先确定的人机催收策略,确定至少一个催收方式分别对应的至少一个目标催收时间,包括:
确定所述逾期金额对应的逾期金额分档;
在逾期金额分档对应的m个还款概率分档中,确定所述还款概率信息对应的还款概率分档;
在所述逾期金额分档和所述还款概率分档下,将所述至少一个催收方式对应的至少一个催收时间,分别确定为所述至少一个目标催收时间。
3.根据权利要求1所述的方法,其特征在于,
若所述至少一个催收方式为智能催收,则所述按照所述至少一个催收方式,分别在所述至少一个目标催收时间,执行对应的操作,包括:在所述目标催收时间,向用户终端发送第一呼叫请求或发送第一催收消息,所述第一呼叫请求和所述第一催收消息均用于提示所述用户进行还款操作;
若所述至少一个催收方式为人工催收,则所述按照所述至少一个催收方式,分别在所述至少一个目标催收时间,执行对应的操作,包括:在所述目标催收时间,向服务终端发送第一催收提示消息,所述第一催收提示消息用于提示催收需求方向所述用户终端发送第二呼叫请求或发送第二催收消息,所述第二呼叫请求和所述第二催收消息均用于提示所述用户进行还款操作。
4.根据权利要求1所述的方法,其特征在于,若所述至少一个催收方式包括智能催收和人工催收,所述目标催收时间包括所述智能催收对应的第一目标催收时间和所述人工催收对应的第二目标催收时间,则所述按照所述至少一个催收方式,分别在所述至少一个目标催收时间,执行对应的操作,包括:
在所述第一目标催收时间,向用户终端发送第三呼叫请求和第三催收消息,所述第三呼叫请求和所述第三催收消息均用于提示所述用户进行还款操作;
在所述第二目标催收时间,向服务终端发送第二催收提示消息,所述第二催收提示消息用于提示催收需求方向所述用户终端发送第四呼叫请求或发送第四催收消息,所述第四呼叫请求和所述第四催收消息均用于提示所述用户进行还款操作。
5.根据权利要求4所述的方法,其特征在于,所述第二目标催收时间晚于所述第一目标催收时间。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述方法还包括:
基于第一用户样本集合,生成初始催收策略,所述第一用户样本集合包括多个用户样本,所述用户样本包括所述用户的逾期金额和还款概率信息;
针对第二用户样本集合中的每个用户样本,基于所述初始催收策略,对所述用户样本进行对应的操作,得到催收结果;
基于所述催收结果,调整所述初始催收策略中对应的催收时间,得到所述人机催收策略。
7.根据权利要求6所示的方法,其特征在于,所述基于第一用户样本集合,生成初始催收策略,包括:
基于所述第一用户样本集合,分别确定所述n个逾期金额分档和所述m个还款概率分档;
基于所述n个逾期金额分档、所述m个还款概率分档、所述至少一个催收方式以及n*m个预设的催收时间,生成初始催收策略。
8.根据权利要求7所述的方法,其特征在于,所述基于所述第一用户样本集合,分别确定所述n个逾期金额分档和所述m个还款概率分档,包括:
按照所述第一用户样本集合中每个用户样本的逾期金额和p个逾期金额分档,将所述第一用户样本集合分为p个用户样本子集;基于每个用户样本子集的逾期金额占比和借贷回款率,将所述p个逾期金额分档合并为n个逾期金额分档,p为大于n的整数;
按照所述第一用户样本集合中每个用户样本的还款概率信息和q个还款概率分档,将所述第一用户样本集合分为q个用户样本子集;基于每个用户样本子集的逾期金额占比和借贷回款率,将所述q个还款概率分档合并为m个还款概率分档,q为大于m的整数。
9.一种电子设备,其特征在于,包括:
获取单元,用于获取存在逾期行为的用户的还款信息,所述还款信息包括逾期金额和还款概率信息;
催收选择单元,用于基于所述还款信息和预先确定的人机催收策略,确定至少一个催收方式分别对应的至少一个目标催收时间;
催收执行单元,用于按照所述至少一个催收方式,分别在所述至少一个目标催收时间,执行对应的操作。
10.一种电子设备,其特征在于,包括:处理器和存储器,该存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110236179.0A CN112907355A (zh) | 2021-03-03 | 2021-03-03 | 贷款信息的处理方法以及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110236179.0A CN112907355A (zh) | 2021-03-03 | 2021-03-03 | 贷款信息的处理方法以及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112907355A true CN112907355A (zh) | 2021-06-04 |
Family
ID=76107574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110236179.0A Pending CN112907355A (zh) | 2021-03-03 | 2021-03-03 | 贷款信息的处理方法以及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112907355A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115271922A (zh) * | 2022-08-02 | 2022-11-01 | 零犀(北京)科技有限公司 | 一种获得目标用户的方法、装置、系统和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106952155A (zh) * | 2017-03-08 | 2017-07-14 | 深圳前海纵腾金融科技服务有限公司 | 一种基于信用评分的催收方法及装置 |
CN109472586A (zh) * | 2018-10-29 | 2019-03-15 | 北京网众共创科技有限公司 | 策略确定方法及装置、存储介质、电子装置 |
CN110414714A (zh) * | 2019-06-28 | 2019-11-05 | 上海上湖信息技术有限公司 | 逾期事件的回款概率预测方法及装置、可读存储介质 |
CN111192136A (zh) * | 2019-12-24 | 2020-05-22 | 中信百信银行股份有限公司 | 一种信贷业务的催收方法、装置、电子设备及存储介质 |
-
2021
- 2021-03-03 CN CN202110236179.0A patent/CN112907355A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106952155A (zh) * | 2017-03-08 | 2017-07-14 | 深圳前海纵腾金融科技服务有限公司 | 一种基于信用评分的催收方法及装置 |
CN109472586A (zh) * | 2018-10-29 | 2019-03-15 | 北京网众共创科技有限公司 | 策略确定方法及装置、存储介质、电子装置 |
CN110414714A (zh) * | 2019-06-28 | 2019-11-05 | 上海上湖信息技术有限公司 | 逾期事件的回款概率预测方法及装置、可读存储介质 |
CN111192136A (zh) * | 2019-12-24 | 2020-05-22 | 中信百信银行股份有限公司 | 一种信贷业务的催收方法、装置、电子设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115271922A (zh) * | 2022-08-02 | 2022-11-01 | 零犀(北京)科技有限公司 | 一种获得目标用户的方法、装置、系统和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111275491B (zh) | 一种数据处理方法及装置 | |
CN108711047B (zh) | 一种自动还款方法、系统及终端设备 | |
DE102006057093A1 (de) | Vorrichtung zur Auswahl einer virtuellen Kartenanwendung | |
CN107656955A (zh) | 还款数据分批报盘方法和装置 | |
CN111222780A (zh) | 一种资源分配方法、装置、设备及存储介质 | |
CN112907355A (zh) | 贷款信息的处理方法以及设备 | |
CN110084578A (zh) | 基于第三方支付平台支付的方法、装置和存储介质 | |
CN114066620A (zh) | 基于客户画像的客户信息处理方法及装置 | |
CN112950357A (zh) | 交易异常团伙识别方法及装置 | |
CN111882323A (zh) | 基于云服务租赁的用户融资风险控制方法及装置 | |
CN112819613B (zh) | 贷款信息的处理方法、设备以及存储介质 | |
CN111325624A (zh) | 网络交易的实时防控系统及方法 | |
CN116468444A (zh) | 一种消费预警方法、系统、设备和存储介质 | |
CN105225153A (zh) | 数据处理方法及装置 | |
CN115619534A (zh) | 企业贷款请求处理方法及装置 | |
CN113393320B (zh) | 企业金融服务风险预测方法及装置 | |
CN111931852B (zh) | 目标物的定价方法及装置 | |
CN112991049A (zh) | 贷款信息的处理方法以及电子设备 | |
CN113782217A (zh) | 人体健康状况分级方法及装置 | |
CN113450211A (zh) | 一种用户授信方法、装置、电子设备与存储介质 | |
CN110533297A (zh) | 一种识别异常设备的方法及装置 | |
CN112232947B (zh) | 贷中风险预测方法及装置 | |
CN112950205A (zh) | 基于大数据服务器的金融信息获取方法及系统 | |
CN116647460A (zh) | 数据切流方法及装置 | |
CN113781028A (zh) | 基于区块链的公积金提取方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210604 |