CN113011755A - 一种基于集团业务管控模式的客户大数据整合方法和系统 - Google Patents

Abstract

本发明属于客户资源整合技术领域，具体涉及一种基于集团业务管控模式的客户大数据整合方法和系统，所述方法包括：步骤1：采集得到具有识别要素的客户信息；步骤2：根据步骤1的识别要素查找客户ID表，判断是否存在相同的识别要素；步骤3：若判断结果为否，则执行步骤4；若判断结果为是，则继续判断识别要素是否正确关联，若是，则执行步骤5，否则，执行步骤6；步骤4：为步骤1的客户信息生成客户ID并更新至客户ID表中；步骤5：将步骤1的客户信息合并至客户ID表中与其相关联的客户信息中；步骤6：拆分客户信息，并为拆分后的客户信息生成客户ID并更新至客户ID表中。上述方法解除了不同业务板块的数据隔离，进而能够有效管理数据资产。

Description

一种基于集团业务管控模式的客户大数据整合方法和系统

技术领域

本发明属于客户资源整合技术领域，具体涉及一种基于集团业务管控模式的客户大数据整合方法和系统。

背景技术

在企业实际应用环境中，业务面涉及证券、期货、保理、银行等众多金融领域，同步建设了众多系统支持相关业务。但受到系统壁垒、不同建设模型、金融监管等强因素影响，很难统一管理不同系统中的用户信息，各系统间用户信息相互隔离，形成信息孤岛，不利于用户信息的统一管理和统一应用。

不同业务系统中客户信息完善情况参差不齐，无统一客户识别标识，无法有效管理数据资产。

因此，针对以上不足，本发明急需提供一种基于集团业务管控模式的客户大数据整合方法和系统。

发明内容

本发明的目的在于提供一种基于集团业务管控模式的客户大数据整合方法和系统，以解决现有技术中不同业务系统中客户信息相互隔离导致无法有效管理数据资产的问题。

本发明提供的基于集团业务管控模式的客户大数据整合方法，包括：步骤1：采集业务数据库的源信息并处理，得到具有识别要素的客户信息；步骤2：根据步骤1中客户信息的识别要素查找客户ID表，判断客户ID表中客户ID关联的客户信息是否与步骤1中客户信息存在相同的识别要素；得到判断结果；步骤3：获取步骤2的判断结果，若判断结果为否，则执行步骤4；若判断结果为是，则继续判断识别要素是否正确关联，若是，则执行步骤5，否则，执行步骤6；步骤4：为步骤1中得到的客户信息生成客户ID并更新至客户ID表中；步骤5：将步骤1中得到的客户信息合并至客户ID表中与其相关联的客户信息中；步骤6：拆分客户信息，并为拆分后的客户信息生成客户ID并更新至客户ID表中。

如上所述的基于集团业务管控模式的客户大数据整合方法，进一步优选为，步骤1具体包括：步骤1.1：采集不同业务数据库的源信息，所述源信息包括系统ID和身份信息；步骤1.2：识别步骤1.1得到的源信息，并按照预设规则对身份信息进行清洗，得到身份信息格式相同的源信息；步骤1.3：采用MD5信息摘要算法对步骤1.2中的源信息进行加密，得到的加密源信息为客户信息，所述系统ID和身份信息为识别要素。

如上所述的基于集团业务管控模式的客户大数据整合方法，进一步优选为，步骤2具体包括：步骤2.1：根据步骤1中客户信息的系统ID查找客户ID表，判断该系统ID是否存在于客户ID表中，得到第一结果；步骤2.2：若第一结果为是，则根据身份信息逐一匹配相关联的两个客户信息，并得到判断结果，若关联成功，则判断结果为是，否则，判断结果为否；步骤2.3：若第一结果为否，则根据步骤1中客户信息的身份信息查找客户ID表，判断该身份信息是否与客户ID表中的客户信息相匹配，并得到判断结果，若关联成功，则判断结果为是，否则，判断结果为否。

如上所述的基于集团业务管控模式的客户大数据整合方法，进一步优选为，所述客户信息分为个人客户信息和企业客户信息，所述个人客户信息的身份信息包括姓名、证件类型、证件号码和手机号；所述企业客户信息的身份信息包括企业名称、法人姓名、统一社会信用代码和工商营业执照。

如上所述的基于集团业务管控模式的客户大数据整合方法，进一步优选为，步骤3的继续判断识别要素是否正确关联中，所述个人客户的身份信息按照“证件类型+证件号码+客户名称”、“证件类型+证件号码”、“证件号码+客户名称”和“客户名称+手机号”的顺序逐一关联；所述企业客户的身份信息按照“统一社会信用证”、“工商营业执照”、“企业名称+法人名称”、“企业名称”的顺序逐一关联；任一项关联成功，则判断结果为是，否则，判断结果为否。

如上所述的基于集团业务管控模式的客户大数据整合方法，进一步优选为，步骤4具体包括：步骤4.1：为步骤1中得到的客户信息生成客户ID；步骤4.2：将步骤4.1中得到的客户ID添加至客户ID映射表中，并构建客户ID与身份信息的映射。

如上所述的基于集团业务管控模式的客户大数据整合方法，进一步优选为，步骤5具体包括：步骤5.1：将步骤1中得到的客户信息合并至客户ID表中与其相关联的客户信息中；步骤5.2：记录合并前后的客户信息。

如上所述的基于集团业务管控模式的客户大数据整合方法，进一步优选为，步骤6具体包括：步骤6.1：验证客户ID表中识别要素错误的客户信息，根据验证信息更正，并记录更正前后的客户信息；步骤6.2：验证步骤1中识别要素错误的客户信息，根据验证信息更正，并生成客户ID，将客户ID添加至客户ID映射表中，并构建客户ID与身份信息的映射。

本发明还公开了基于集团业务管控模式的客户大数据整合系统，用于实现上述任一项所述的方法，包括：数据采集模块，用于采集不同业务数据库中的客户信息并处理，得到具有识别要素的客户信息；关联判断模块，用于根据数据采集模块得到的客户信息的识别要素查找客户ID表，判断客户信息是否与客户ID表中每一个客户ID映射的客户信息存在相同的识别要素，得到判断结果；数据更新模块，用于根据关联判断模块得到的判断结果更新客户ID表。

本发明与现有技术相比具有以下的优点：

本发明所公开的基于集团业务管控模式的客户大数据整合方法通过信息收集、处理和整合，整合了集团内不同板块的客户信息，并为每个客户生成可识别的唯一识别标识，解决了不同业务系统中客户信息相互隔离导致无法有效管理数据资产的问题，进而为集团客户画像、交叉营销、风险监控等业务场景提供了数据基础。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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，还可以根据这些附图获得其他的附图。

图1为本发明中基于集团业务管控模式的客户大数据整合方法的流程图；

图2为本发明中个人客户信息的匹配流程图；

图3为本发明中企业客户信息的匹配流程图；

图4为业务数据库中获取的客户信息形式；

图5为数据拉通匹配结果；

图6为本发明中基于集团业务管控模式的客户大数据整合系统的连接框图。

具体实施方式

图1为本实施例基于集团业务管控模式的客户大数据整合方法，具体的，本实施例中基于集团业务管控模式的客户大数据整合方法包括：

步骤1：采集业务数据库的源信息并处理，得到具有识别要素的客户信息；

步骤2：根据步骤1中客户信息的识别要素查找客户ID表，判断客户ID表中客户ID关联的客户信息是否与步骤1中客户信息存在相同的识别要素；得到判断结果；

步骤3：获取步骤2的判断结果，若判断结果为否，则执行步骤4；若判断结果为是，则继续判断识别要素是否正确关联，若是，则执行步骤5，否则，执行步骤6；

步骤4：为步骤1中得到的客户信息生成客户ID并更新至客户ID表中；

步骤5：将步骤1中得到的客户信息合并至客户ID表中与其相关联的客户信息中；

步骤6：拆分客户信息，并为拆分后的客户信息生成客户ID并更新至客户ID表中。

进一步的，步骤1具体包括：

步骤1.1：采集不同业务数据库的源信息，所述源信息包括系统ID和身份信息；

步骤1.2：识别步骤1.1得到的源信息，并按照预设规则对身份信息进行清洗，得到身份信息格式相同的源信息；

步骤1.3：采用MD5信息摘要算法对步骤1.2中的源信息进行加密，得到的加密源信息为客户信息，所述系统ID和身份信息为识别要素。

进一步的，步骤1.1中，所述客户信息分为个人客户信息和企业客户信息两种类型，所述个人客户信息的身份信息包括姓名、证件类型、证件号码和手机号；所述企业客户信息的身份信息包括企业名称、法人姓名、统一社会信用代码和工商营业执照。具体的，采集的客户数据如图4所示。其中，个人客户信息中姓名、证件类型和证件号码为必要要素，企业客户信息中，同一社会信用代码和企业名称为必要要素。若必要要素置空，则为无效数据。

步骤1.2中，因不同业务数据库中的客户信息存在差异，需对收集获取到的数据进行数据清洗，且不同的清洗对象对应不同的清洗规则，具体如下所示：

当清洗对象为证件号码时，其清洗规则为：1)除去字符串首尾的空格；2)证件号码必须包含数字或者字母，不合规的则赋值为空；

当清洗对象为身份证字符长度时，其清洗规则为：1)去掉证件号码中数字和x/X以外的非数字字符；2)如果证件号码通过身份证校验函数为正确的身份证号码，则将15位身份证转换为18位身份证，小写的x转换成大写的X；如果证件号码不是正确的身份证号，则置空；3)身份证、临时身份证、户口簿、驾驶证全部视作身份证处理；

当清洗对象为身份证以外的证件，则清洗规则为保留不清洗；

当清洗对象为个人客户姓名，则清洗规则为：1)除去字符串首尾的空格；2)姓名字段的值不能是纯数字、标点符号等组成；3)长度大于4的置空；

当清洗对象为社会统一信用证时，则清洗规则为：组织机构代码、三证合一码需满足校验规则，否则置为空；

当清洗对象为社会统一信用证的字符长度时，则清洗规则为：当字符数长度小于5个字符时，则赋值为空；

当清洗对象为企业客户名称时，则清洗规则为：1)除去字符串首尾的空格；2)长度小于4置空，3)不能全部由标点符号、数字组成。

清洗完成之后，采用MD5信息摘要算法对上述清洗之后的信息进行加密，得到加密客户信息，通过MD5信息摘要算法加密，能够确保客户信息不泄露。

进一步的，为了进一步实现客户信息的筛选，进而降低数据处理量，步骤2具体包括：

步骤2.1：根据步骤1中客户信息的系统ID查找客户ID表，判断该系统ID是否存在于客户ID表中，得到第一结果；

步骤2.2：若第一结果为是，则根据身份信息逐一匹配相关联的两个客户信息，并得到判断结果，若关联成功，则判断结果为是，否则，判断结果为否；

步骤2.3：若第一结果为否，则根据步骤1中客户信息的身份信息查找客户ID表，判断该身份信息是否与客户ID表中的客户信息相匹配，并得到判断结果，若关联成功，则判断结果为是，否则，判断结果为否。

步骤2.1中，客户ID表为记录有多个客户ID的表格，且每个客户ID均关联映射一条身份信息，身份信息与客户ID一一对应，且位于同一张客户ID表中。根据系统ID查找客户ID表，并根据查找结果判断该客户信息是否已经存在于客户ID表中，即是否已经拉通。当客户ID表中存在该系统ID，则该条信息已经拉通过，否则，该条信息未拉通。

步骤2.2和步骤2.3均为判断步骤，具体的，用于基于客户信息的拉通结果判断是否能够与客户ID表中的数据关联，不同的是，步骤2.2为只需要判断客户信息与客户ID表中与其存在相同系统ID的客户信息是否存在关联，而步骤2.3则需要判断客户信息与客户ID表中所有的客户信息是否存在关联。

进一步的，为了矫正识别要素，避免不同识别要素不能对应匹配的问题，步骤3的继续判断识别要素是否正确关联中，所述个人客户的身份信息按照“证件类型+证件号码+客户名称”、“证件类型+证件号码”、“证件号码+客户名称”和“客户名称+手机号”的顺序逐一关联；所述企业客户的身份信息按照“统一社会信用证”、“工商营业执照”、“企业名称+法人名称”、“企业名称”的顺序逐一关联；任一项关联成功，则判断结果为是，否则，判断结果为否。具体的，步骤3中个人客户身份信息的匹配流程如图2所示，步骤3中企业客户的匹配流程如图3所示。判断结果为精准匹配或模糊匹配时，视为关联成功；判断结果为无效匹配时，视为关联失败。即通过组合识别要素，对相关联的客户信息进行进一步的筛查，不仅能够避免识别要素相同的不同客户信息被关联，同时还能够避免因客户信息登记错误而导致不同客户信息被关联。

具体的，个人客户信息和企业客户信息的匹配即拉通步骤分别为：

个人客户的识别要素包括证件类型、证件号码、手机号、姓名组成，共分为5个拉通步骤：

1)、证件类型+证件号码+客户名称匹配，拉通结果为精准匹配；

2)、证件类型+证件号码匹配，若匹配，则拉通结果为模糊匹配；

3)、证件号码+客户名称匹配，若匹配，则拉通结果为模糊匹配；

4)、证件号码匹配，若匹配，则拉通结果为模糊匹配；

5)、客户名称+手机号匹配，若匹配，则拉通结果为模糊匹配；若不匹配，则拉通结果为无效匹配。

企业客户拉通关键要素包含统一社会信用证，工商营业执照，企业名称，法人名称等关键因素组成，共分为四个拉通步骤：

1)、统一社会信用证匹配，若匹配，则拉通结果为精准匹配；

2)、工商营业执照匹配，若匹配，则拉通结果为模糊匹配；

3)、企业名称+法人名称匹配，若匹配，则拉通结果为模糊匹配；

4)、企业名称匹配，若匹配，则拉通结果为模糊匹配；若不匹配，则拉通结果为无效匹配。

上述拉通过程中，按照拉通步骤的顺序进行，且一旦某一个步骤实现匹配，则视为得到判断结果，停止拉通；否则继续进行下一步骤，直至得到最终结果。具体的，预期拉通结果如图5所示。

进一步的，步骤4具体包括：

步骤4.1：为步骤1中得到的客户信息生成客户ID；

步骤4.2：将步骤4.1中得到的客户ID添加至客户ID映射表中，并构建客户ID与身份信息的映射。

进一步的，步骤5具体包括：

步骤5.1：将步骤1中得到的客户信息合并至客户ID表中与其相关联的客户信息中；

步骤5.2：记录合并前后的客户信息。

进一步的，步骤6具体包括：

步骤6.1：验证客户ID表中识别要素错误的客户信息，根据验证信息更正，并记录更正前后的客户信息；

步骤6.2：验证步骤1中识别要素错误的客户信息，根据验证信息更正，并生成客户ID，将客户ID添加至客户ID映射表中，并构建客户ID与身份信息的映射。

实施例2：

图6为本发明中基于集团业务管控模式的客户大数据整合系统的连接框图，本实施例公开了一种基于集团业务管控模式的客户大数据整合系统，用于实现实施例1所述的方法，包括：

数据采集模块，用于采集不同业务数据库中的客户信息并处理，得到具有识别要素的客户信息；

关联判断模块，用于根据数据采集模块得到的客户信息的识别要素查找客户ID表，判断客户信息是否与客户ID表中每一个客户ID映射的客户信息存在相同的识别要素，得到判断结果；

数据更新模块，用于根据关联判断模块得到的判断结果更新客户ID表。

进一步的，还包括数据确认模块，用于将关联后的数据信息发送至客户确认。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (9)

1.一种基于集团业务管控模式的客户大数据整合方法，其特征在于，包括：

步骤1：采集业务数据库的源信息并处理，得到具有识别要素的客户信息；

步骤2：根据步骤1中客户信息的识别要素查找客户ID表，判断客户ID表中客户ID关联的客户信息是否与步骤1中客户信息存在相同的识别要素；得到判断结果；

步骤3：获取步骤2的判断结果，若判断结果为否，则执行步骤4；若判断结果为是，则继续判断识别要素是否正确关联，若是，则执行步骤5，否则，执行步骤6；

步骤4：为步骤1中得到的客户信息生成客户ID并更新至客户ID表中；

步骤5：将步骤1中得到的客户信息合并至客户ID表中与其相关联的客户信息中；

步骤6：拆分客户信息，并为拆分后的客户信息生成客户ID并更新至客户ID表中。

2.根据权利要求1所述的基于集团业务管控模式的客户大数据整合方法，其特征在于，步骤1具体包括：

步骤1.1：采集不同业务数据库的源信息，所述源信息包括系统ID和身份信息；

步骤1.2：识别步骤1.1得到的源信息，并按照预设规则对身份信息进行清洗，得到身份信息格式相同的源信息；

步骤1.3：采用MD5信息摘要算法对步骤1.2中的源信息进行加密，得到的加密源信息为客户信息，所述系统ID和身份信息为识别要素。

3.根据权利要求2所述的基于集团业务管控模式的客户大数据整合方法，其特征在于，步骤2具体包括：

步骤2.1：根据步骤1中客户信息的系统ID查找客户ID表，判断该系统ID是否存在于客户ID表中，得到第一结果；

步骤2.2：若第一结果为是，则根据身份信息逐一匹配相关联的两个客户信息，并得到判断结果，若关联成功，则判断结果为是，否则，判断结果为否；

步骤2.3：若第一结果为否，则根据步骤1中客户信息的身份信息查找客户ID表，判断该身份信息是否与客户ID表中的客户信息相匹配，并得到判断结果，若关联成功，则判断结果为是，否则，判断结果为否。

4.根据权利要求3所述的基于集团业务管控模式的客户大数据整合方法，其特征在于，所述客户信息分为个人客户信息和企业客户信息，所述个人客户信息的身份信息包括姓名、证件类型、证件号码和手机号；所述企业客户信息的身份信息包括企业名称、法人姓名、统一社会信用代码和工商营业执照。

5.根据权利要求4所述的基于集团业务管控模式的客户大数据整合方法，其特征在于，步骤3的继续判断识别要素是否正确关联中，所述个人客户的身份信息按照“证件类型+证件号码+客户名称”、“证件类型+证件号码”、“证件号码+客户名称”和“客户名称+手机号”的顺序逐一关联；所述企业客户的身份信息按照“统一社会信用证”、“工商营业执照”、“企业名称+法人名称”、“企业名称”的顺序逐一关联；任一项关联成功，则判断结果为是，否则，判断结果为否。

6.根据权利要求5所述的基于集团业务管控模式的客户大数据整合方法，其特征在于，步骤4具体包括：

步骤4.1：为步骤1中得到的客户信息生成客户ID；

步骤4.2：将步骤4.1中得到的客户ID添加至客户ID映射表中，并构建客户ID与身份信息的映射。

7.根据权利要求6所述的基于集团业务管控模式的客户大数据整合方法，其特征在于，步骤5具体包括：

步骤5.1：将步骤1中得到的客户信息合并至客户ID表中与其相关联的客户信息中；

步骤5.2：记录合并前后的客户信息。

8.根据权利要求7所述的基于集团业务管控模式的客户大数据整合方法，其特征在于，步骤6具体包括：

步骤6.1：验证客户ID表中识别要素错误的客户信息，根据验证信息更正，并记录更正前后的客户信息；

步骤6.2：验证步骤1中识别要素错误的客户信息，根据验证信息更正，并生成客户ID，将客户ID添加至客户ID映射表中，并构建客户ID与身份信息的映射。

9.一种基于集团业务管控模式的客户大数据整合系统，其特征在于，用于实现权利要求1-8中任一项所述的方法，包括：

数据采集模块，用于采集不同业务数据库中的客户信息并处理，得到具有识别要素的客户信息；

关联判断模块，用于根据数据采集模块得到的客户信息的识别要素查找客户ID表，判断客户信息是否与客户ID表中每一个客户ID映射的客户信息存在相同的识别要素，得到判断结果；

数据更新模块，用于根据关联判断模块得到的判断结果更新客户ID表。

Images