CN113269412A - 风险评估方法及相关装置 - Google Patents
风险评估方法及相关装置 Download PDFInfo
- Publication number
- CN113269412A CN113269412A CN202110500464.9A CN202110500464A CN113269412A CN 113269412 A CN113269412 A CN 113269412A CN 202110500464 A CN202110500464 A CN 202110500464A CN 113269412 A CN113269412 A CN 113269412A
- Authority
- CN
- China
- Prior art keywords
- risk
- data
- score value
- determining
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012502 risk assessment Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000004590 computer program Methods 0.000 claims description 17
- 238000013077 scoring method Methods 0.000 claims description 15
- 238000004140 cleaning Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000011835 investigation Methods 0.000 description 9
- 238000013475 authorization Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000011144 upstream manufacturing Methods 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000011002 quantification Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000011157 data evaluation Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
- 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
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种风险评估方法及相关装置，所述方法包括：获取目标用户的经营数据；对所述经营数据进行处理，得到处理后的经营数据；根据所述处理后的经营数据进行风险分析，以得到目标风险评分值；根据所述目标风险评分值确定所述目标用户的风险等级，能够提升风险等级确定时的准确性。
Description
技术领域
本申请涉及数据处理技术领域，具体涉及一种风险评估方法及相关装置。
背景技术
信用是市场经济中对交易者合法权益的尊重和保护，也是在信息不对称条件下规避交易风险的基本防线。企业通过完善的信用管理体系和信用风险监控手段对企业拥有良好的财务状况具有很大的意义。企业信用管理主要包括对信用交易前期的客户资信调查与评估、中期的债权保障和信用监控和后期的回款管理与追收，是集信息管理、财务管理和渠道管理为一体的新管理领域。现有的方案中在进行企业的风险评估时，主要通过企业的征信数据来进行风险评估，导致了在风险评估时的准确性不高。
发明内容
本申请实施例提供一种风险评估方法及相关装置，能够提升风险等级确定时的准确性。
本申请实施例的第一方面提供了一种风险评估方法，该方法包括：
获取目标用户的经营数据；
对所述经营数据进行处理，得到处理后的经营数据；
根据所述处理后的经营数据进行风险分析，以得到目标风险评分值；
根据所述目标风险评分值确定所述目标用户的风险等级。
结合第一方面，在一个可能的实现方式中，所述经营数据包括K个子经营数据，所述K个子经营数据的数据类型不同，所述对所述经营数据进行处理，得到处理后的经营数据，包括：
对所述K个子经营数据进行数据清洗，得到K个清洗后的子经营数据；
对所述K个清洗后的子经营数据进行结构化处理，得到K个结构化数据；
将所述K个结构化数据确定为所述处理后的经营数据。
结合第一方面，在一个可能的实现方式中，所述根据所述处理后的经营数据进行风险分析，以得到目标风险评分值，包括：
根据预设的风险评分方法对所述K个结构化数据进行风险评分，得到第一风险评分值；
根据预设的风险评分模型对所述K个结构化数据进行风险评分，得到第二风险评分值；
根据所述第一风险评分值和所述第二风险评分值，确定所述目标风险评分值。
结合第一方面，在一个可能的实现方式中，所述根据预设的风险评分方法对所述K个结构化数据进行风险评分，得到第一风险评分值，包括：
对所述K个结构化数据进行评分，以得到K个参考风险评分值；
根据所述K个结构化数据的数据类型，确定与所述K个结构化数据对应的评分权值；
根据所述K个参考风险评分值、与所述K个结构化数据对应的评分权值，确定所述第一风险评分值。
结合第一方面，在一个可能的实现方式中，所述方法还包括：
展示所述风险等级。
结合第一方面，在一个可能的实现方式中，所述方法还包括：
根据所述风险等级确定所述目标用户是否为疑似高风险用户；
若根据所述经营数据判别出所述目标用户为疑似高风险用户，则获取所述目标用户的经营类别和经营时间；
根据所述经营类别和所述经营时间，确定所述目标用户的第一市场价值评分值；
获取所述目标用户的客户类型；
根据所述客户类型，确定所述目标用户的第二市场价值评分值；
根据所述第一市场价值评分值和所述第二市场价值评分值，确定目标市场价值评分值；
若所述目标市场价值评分值高于预设阈值，则确定所述目标用户为非高风险用户。
本申请实施例的第二方面提供了一种风险评估装置，所述装置包括：
获取单元，用于获取目标用户的经营数据；
处理单元，用于对所述经营数据进行处理，得到处理后的经营数据；
分析单元，用于根据所述处理后的经营数据进行风险分析，以得到目标风险评分值；
确定单元，用于根据所述目标风险评分值确定所述目标用户的风险等级。
结合第二方面，在一个可能的实现方式中，所述经营数据包括K个子经营数据，所述处理单元用于：
对所述K个子经营数据进行数据清洗，得到K个清洗后的子经营数据；
对所述K个清洗后的子经营数据进行结构化处理，得到K个结构化数据；
将所述K个结构化数据确定为所述处理后的经营数据。
结合第二方面，在一个可能的实现方式中，所述分析单元用于：
根据预设的风险评分方法对所述K个结构化数据进行风险评分，得到第一风险评分值；
根据预设的风险评分模型对所述K个结构化数据进行风险评分，得到第二风险评分值；
根据所述第一风险评分值和所述第二风险评分值，确定所述目标风险评分值。
结合第二方面，在一个可能的实现方式中，在所述根据预设的风险评分方法对所述K个结构化数据进行风险评分，得到第一风险评分值方面，所述分析单元用于：
对所述K个结构化数据进行评分，以得到K个参考风险评分值；
根据所述K个结构化数据的数据类型，确定与所述K个结构化数据对应的评分权值；
根据所述K个参考风险评分值、与所述K个结构化数据对应的评分权值，确定所述第一风险评分值。
结合第二方面，在一个可能的实现方式中，所述装置还用于：
展示所述风险等级。
结合第二方面，在一个可能的实现方式中，所述装置还用于：
根据所述风险等级确定所述目标用户是否为疑似高风险用户；
若根据所述经营数据判别出所述目标用户为疑似高风险用户，则获取所述目标用户的经营类别和经营时间；
根据所述经营类别和所述经营时间，确定所述目标用户的第一市场价值评分值；
获取所述目标用户的客户类型；
根据所述客户类型，确定所述目标用户的第二市场价值评分值；
根据所述第一市场价值评分值和所述第二市场价值评分值，确定目标市场价值评分值；
若所述目标市场价值评分值高于预设阈值，则确定所述目标用户为非高风险用户。
本申请实施例的第三方面提供一种终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如本申请实施例第一方面中的步骤指令。
本申请实施例的第四方面提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
本申请实施例的第五方面提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本申请实施例，至少具有如下有益效果：
通过获取目标用户的经营数据，对所述经营数据进行处理，得到处理后的经营数据，根据所述处理后的经营数据进行风险分析，以得到目标风险评分值，根据所述目标风险评分值确定所述目标用户的风险等级，因此，能够通过目标用户的经营数据进行风险分析，以得到目标用户的风险等级，相对于现有方案中采用单一的征信数据进行风险分析，从而提升了目标用户的风险等级获取时的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本申请的一些实施例，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为本申请实施例提供了一种信用服务平台的架构示意图；
图2A为本申请实施例提供了一种风险评估方法的流程示意图；
图2B为本申请实施例提供了一种交叉决策矩阵的示意图；
图3为本申请实施例提供了另一种风险评估方法的流程示意图；
图4为本申请实施例提供的一种终端的结构示意图；
图5为本申请实施例提供了一种风险评估装置的结构示意图。
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清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本申请所描述的实施例可以与其它实施例相结合。
为了更好的理解本申请实施例提供的风险评估方法，下面首先对应用风险评估方法的信用服务平台进行简要介绍。本申请实施例中目标用户可以是企业、个人等。请参阅图1，图1为本申请实施例提供了一种信用服务平台的架构示意图。如图1所示，信用服务平台包括：授权模块、数据采集模块、数据清洗模块、指标加工模块、信用风险量化模型、可视化展示模块，其中，授权模块用于对接各地税局授权流程，完成企业线上认证授权；数据采集模块用于从各地税务局系统采集授权企业的涉税经营数据等；数据清洗模块用于对企业征信数据以及设备数据清洗、整理、加工及存储，企业征信数据包括企业涉税数据、工商数据、司法数据、人行征信数据等；指标加工模块用于将加工完成的数据加工成模型所需的各类指标项，包括企业的征信指标以及设备指标；信用风险量化模型用于通过风险量化模型对各项指标逻辑判断，量化企业信用风险，包括强规则、AHP评分卡以及量化评分卡、信用级别及信用分数等；可视化系统操作用于通过可视化操作系统来实现风险可视化识别和监控，提供供应链及风险可视化分析，可以通过人机交互式地进行信息分析与风险探查，从而帮助企业进行信用风险判断，从而监控企业自身的供应链稳定性，供应链健康度，识别交易对手虚假贸易，关联交易，欺诈识别等。
请参阅图2A，图2A为本申请实施例提供了一种风险评估方法的流程示意图。如图2A所示，风险评估方法包括：
201、获取目标用户的经营数据。
其中，经营数据可以包括有发票数据、工商数据、司法数据、订单数据等。发票数据具体可以是客户销售信息对应的数据、供应商交易信息对应的数据、上下游信息、企业成本费用信息等。客户销售信息对应的数据可以理解为客户月均交易金额、客户数量、新客交易情况、关联交易分析、红冲发票、作废发票等，供应商交易信息对应的数据可以理解为供应商交易金额、数量、分布情况、新旧供应商对比、关联交易分析，上下游信息可以理解为上下游企业名称、交易金额、地域分布情况、排名情况等，企业成本费用信息可以理解为采购商品费用、水电费开支、运输仓储支出、物业支出等。
获取目标用户的经营数据的方法可以是从税局端、第三方机构获取经营数据。当然还可以是通过其它方式获取到经营数据，例如，通过互联网等获取到经营数据，此处不作具体限定。
在获取目标用户的经营数据之前，目标用户需要在信用服务平台完成注册及企业验证，登录信用服务平台。用户在登录信用服务平台后，信用服务平台向用户发送授权请求，用户根据授权请求以完成风险分析授权，具体可以为：企业选择所属地区，征信数据模块根据所选地区调用认证链接，企业线上完成认证后，可合法通过所在税局采集数据信息。
202、对所述经营数据进行处理，得到处理后的经营数据。
经营数据可以包括K个子经营数据，每个子经营数据的数据类型不同。具体例如，发票数据、工商数据、司法数据等每个经营数据的数据类型均不同。
则可以对每个子经营数据进行数据清洗和结构化处理，以得到处理后的经营数据。
203、根据所述处理后的经营数据进行风险分析，以得到目标风险评分值。
可以分别对每个子经营数据进行风险评分，并根据得到的评分值来确定出目标风险评分制。
204、根据所述目标风险评分值确定所述目标用户的风险等级。
可以根据预设的风险评分值与风险等级之间的映射关系，来确定出目标风险评分对应的风险等级，当然也可以是通过其它方式获得风险等级。上述映射关系为通过经验值或历史数据而设定的映射关系。
本示例中，通过获取目标用户的经营数据，对所述经营数据进行处理，得到处理后的经营数据，根据所述处理后的经营数据进行风险分析，以得到目标风险评分值，根据所述目标风险评分值确定所述目标用户的风险等级，因此，能够通过目标用户的经营数据进行风险分析，以得到目标用户的风险等级，相对于现有方案中采用单一的征信数据进行风险分析，从而提升了目标用户的风险等级获取时的准确性。
在一个可能的实现方式中，经营数据包括K个子经营数据，所述K个子经营数据的数据类型不同，一种可能的对所述经营数据进行处理，得到处理后的经营数据的方法包括：
A1、对所述K个子经营数据进行数据清洗，得到K个清洗后的子经营数据；
A2、对所述K个清洗后的子经营数据进行结构化处理，得到K个结构化数据；
A3、将所述K个结构化数据确定为所述处理后的经营数据。
其中，对经营数据进行数据清洗的方法可以为：对数据进行审核，得到审核后的数据，对审核后的数据进行清理，得到清理后的数据，将清理后的数据确定为清洗后的子经营数据。
对数据进行清理可以理解为对数据中冗杂的数据进行清楚，得到风险评估需要的数据。
对数据进行结构化处理可以理解为：对数据进行规则化处理，将数据转换为有效且规则的数据，以用于后续进行风险评分，或者通过风险评分模型进行风险评分等。
在得到结构化数据之后，还可以将结构化数据机型数据加工，得到加工后的数据，加工后的数据具体可以为，交易行为验证指标、工商经营行为验证指标、司法涉诉验证指标、反欺诈验证指标等。
本示例中，通过对数据进行清洗和结构化处理，使得数据更为精简，提升了后续数据处理时的可靠性。
在一个可能的实现方式中，一种可能的根据所述处理后的经营数据进行风险分析，以得到目标风险评分值的方法包括：
B1、根据预设的风险评分方法对所述K个结构化数据进行风险评分，得到第一风险评分值；
B2、根据预设的风险评分模型对所述K个结构化数据进行风险评分，得到第二风险评分值；
B3、根据所述第一风险评分值和所述第二风险评分值，确定所述目标风险评分值。
可以对K个结构化数据分别进行风险评分，得到K个结构化数据对应的评分值，再根据K个结构化数据对应的评分值来确定出第一风险评分值。
预设的风险评分模型为通过历史的结构化数据等进行训练得到的模型，该模型用于对结构化数据进行评分，最终得到结构化数据的风险评分值。
可以根据第一风险评分值和第二风险评分值构建交叉决策矩阵，根据交叉决策矩阵，确定出目标风险评分值。如图2B所示，图2B示出了一种交叉决策矩阵的示意图。图中所示，第一风险评分值越高，目标用户违约的概率越低，第二风险评分值越高，目标用户的违约概率越低。
本示例中，通过风险评分方法获取第一风险评分值，通过风险评分模型获取第二风险评分值，根据第一风险评分值和第二风险评分值，确定出目标风险评分值，从而提升了目标风险评分值确定时的准确性。
本申请实施例还提供了一种预设的风险评分模型的获取方法，该方法包括有数据分析/数据评估、模型设计、建模数据准备、模型的确定和文档撰写、模型验证，具体如下：
步骤一：数据分析/数据评估
对当前数据和环境进行深入研究和分析，了解数据是否符合项目要求，并评估数据质量。
步骤二：模型设计
讨论并定义风险评分模型的目标和开发参数。具体包括有观察期和表现期。
①观察点
在这一时间点上，信贷账户和客户的信息被作为“当前月”信息进行提取，等同于对账户/客户进行风险评估的生产系统中的当前月。
只使用一个月作为观察点，是因为其准确地模仿生产环境，而且通常一个月内有足够的账户/客户可生成一套稳健的评分模型。在某种条件下，需要一个滚动窗口(观察期)而非一个观察点以保证充分数量的人口信息可用于评分模型开发。一个典型的例子是申请模型，一个特定月份的申请在未来产生的“坏”数据过低，必须将几个月的记录累计，从而建立有统计意义的训练样本。
②表现期
表现期是对观察点上账户/客户表现进行监控的时间周期。这些帐户根据截止到表现点的表现被分类成“好”、“坏”。表现期需要有足够的长度，从而保证样本群体分类的稳定性，使账户/客户的逾期行为充分表现出来。但也不能够过于长，即使可获得很长时间的历史数据，还需要在完整性(有多少个坏样本需要捕捉)和数据质量之间保持平衡。
③表现点
截止到此表现点用户的账户被分类成好、坏。
步骤三：建模数据准备
根据详细的数据分析结果以及开发所需的数据域，为模型开发进行数据提取和准备。
数据推导是指针对不同产品生成样本中的每个账户的预测变量、汇总变量以及好/坏/不确定/排除标志。
好/坏/不确定定义
表现将根据离散的和互斥的“好”、“坏”分类进行定义。好坏定义用于将账户行为特征同随后的账户表现联系起来。
好/坏定义会根据产品稍有不同。常用于推导好/坏定义的主要信息项如下：
逾期状态(如逾期期数)
步骤五:模型的确定
模型的确定包括最终模型每个变量确认以及变量参数的确认。最终模型建立–最终模型将在上述确定的方案上开发，从而将账户的风险与评分结果建立起函数关系。
在一个可能的实现方式中，一种可能的根据预设的风险评分方法对所述K个结构化数据进行风险评分，得到第一风险评分值的方法包括：
C1、对所述K个结构化数据进行评分，以得到K个参考风险评分值；
C2、根据所述K个结构化数据的数据类型，确定与所述K个结构化数据对应的评分权值；
C3、根据所述K个参考风险评分值、与所述K个结构化数据对应的评分权值，确定所述第一风险评分值。
不同的结构化数据对应有不同的评分方法，可以根据与结构化数据对应的评分方法以获取到K个参考风险评分值。例如，以发票数据为例，发票数据中的上下游信息中，交易金额越高，则参考风险评分值越大，交易金额越小，则参考风险评分值越低，上下游企业在行业内的排名越高，则参考风险评分值越大，上下游企业在行业内的排名越低，参考风险评分值越低等。
每个数据类型对应有评分权值，评分权值与数据类型的重要程度相关联，数据类型的重要性越高，评分权值越大，数据类型的重要性越低，评分权值越小。所有的数据类型的评分权值之和为1。
将K个参考风险评分值，与对应的评分权值进行权值运算，以得到第一风险评分值，即参考风险评分值与对应的评分权值相乘，将乘积结果之和确定为第一风险评分值。
本示例中，通过K个参考风险评分值与对应的评分权值进行权值运算，以得到第一风险评分值，提升了第一风险评分值确定时的准确性。
在一个可能的实现方式中，还可以展示该风险等级，具体可以参照前述实施例中的展示方法。
在一个可能的实现方式中，在根据风险等级确定出目标用户为疑似高风险用户时，还可以对用户的风险评级进行校正，具体如下：
D1、根据所述风险等级确定所述目标用户是否为疑似高风险用户；
D2、若根据所述经营数据判别出所述目标用户为疑似高风险用户，则获取所述目标用户的经营类别和经营时间；
D3、根据所述经营类别和所述经营时间，确定所述目标用户的第一市场价值评分值；
D4、获取所述目标用户的客户类型；
D5、根据所述客户类型，确定所述目标用户的第二市场价值评分值；
D6、根据所述第一市场价值评分值和所述第二市场价值评分值，确定目标市场价值评分值；
D7、若所述目标市场价值评分值高于预设阈值，则确定所述目标用户为非高风险用户。
可以根据预设的风险等级和目标用户的风险等级来判别目标用户是否为疑似高风险用户，具体可以为，获取目标用户的风险等级与预设的风险等级之间的等级差，若等级差小于预设等级差，则确定目标用户为疑似高风险用户，若等级差大于预设等级差，则确定目标用户为高风险用户。
经营时间可以包括为目标用户对特定产品的经营时间、也可以是目标用户对多个产品的经营时间。经营类别可以是目标用户经营的产品类别，也可以是目标用户的经营范围中的类别等。
不同的经营类别对应有不同的市场价值评分，例如，经营类别越偏向于轻工业，则市场价值评分值越低，经营类别越偏向于重工业，则市场价值评分值越高；经营时间越长，市场价值评分值越高，经营时间越短，市场价值评分值越低。
当然还可以根据经营类别是否为高新类别，若为高新类别，则市场价值评分值越高。
目标用户的客户类型可以理解为，目标用户的客户的类别，该类别可以包括有小型企业、中型企业、大型企业、微型企业等。不同的类别对应有不同的评分值，微型企业至大型企业的评分值依次增加。
可以将第一市场价值评分值和所述第二市场价值评分值的均值，确定为目标市场价值评分值。当然也可以将第一市场价值评分值和所述第二市场价值评分值中的最大值或最小值，确定为目标市场价值评分值。
预设阈值可以通过经验值或历史数据设定。
本示例中，在确定出目标用户为疑似高风险用户后，对目标用户的风险进行校正处理，在确定出目标市场价值评分值高于预设阈值时，将目标用户确定为非高风险用户，则提升了对目标用户的风险类型进行判别时的准确性。
请参阅图3，图3为本申请实施例提供了另一种风险评估方法的流程示意图。如图3所示，该方法包括：
301、获取目标用户的经营数据；
其中，所述经营数据包括K个子经营数据，所述K个子经营数据的数据类型不同。
302、对所述K个子经营数据进行数据清洗，得到K个清洗后的子经营数据；
303、对所述K个清洗后的子经营数据进行结构化处理，得到K个结构化数据；
304、将所述K个结构化数据确定为所述处理后的经营数据；
305、根据预设的风险评分方法对所述K个结构化数据进行风险评分，得到第一风险评分值；
306、根据预设的风险评分模型对所述K个结构化数据进行风险评分，得到第二风险评分值；
307、根据所述第一风险评分值和所述第二风险评分值，确定所述目标风险评分值；
308、根据所述目标风险评分值确定所述目标用户的风险等级。
本示例中，通过风险评分方法获取第一风险评分值，通过风险评分模型获取第二风险评分值，根据第一风险评分值和第二风险评分值，确定出目标风险评分值，从而提升了目标风险评分值确定时的准确性。
与上述实施例一致的，请参阅图4，图4为本申请实施例提供的一种终端的结构示意图，如图所示，包括处理器、输入设备、输出设备和存储器，处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，上述程序包括用于执行以下步骤的指令；
获取目标用户的经营数据；
对所述经营数据进行处理，得到处理后的经营数据；
根据所述处理后的经营数据进行风险分析，以得到目标风险评分值；
根据所述目标风险评分值确定所述目标用户的风险等级。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，终端为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，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。
本申请实施例可以根据上述方法示例对终端进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，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。
与上述一致的，请参阅图5，图5为本申请实施例提供了一种风险评估装置的结构示意图。如图5所示，所述装置包括：
获取单元501，用于获取目标用户的经营数据；
处理单元502，用于对所述经营数据进行处理，得到处理后的经营数据；
分析单元503，用于根据所述处理后的经营数据进行风险分析，以得到目标风险评分值；
确定单元504，用于根据所述目标风险评分值确定所述目标用户的风险等级。
在一个可能的实现方式中，所述经营数据包括K个子经营数据，所述处理单元502用于：
对所述K个子经营数据进行数据清洗，得到K个清洗后的子经营数据；
对所述K个清洗后的子经营数据进行结构化处理，得到K个结构化数据；
将所述K个结构化数据确定为所述处理后的经营数据。
在一个可能的实现方式中，所述分析单元503用于：
根据预设的风险评分方法对所述K个结构化数据进行风险评分，得到第一风险评分值；
根据预设的风险评分模型对所述K个结构化数据进行风险评分，得到第二风险评分值；
根据所述第一风险评分值和所述第二风险评分值，确定所述目标风险评分值。
在一个可能的实现方式中，在所述根据预设的风险评分方法对所述K个结构化数据进行风险评分，得到第一风险评分值方面，所述分析单元503用于：
对所述K个结构化数据进行评分，以得到K个参考风险评分值；
根据所述K个结构化数据的数据类型，确定与所述K个结构化数据对应的评分权值；
根据所述K个参考风险评分值、与所述K个结构化数据对应的评分权值，确定所述第一风险评分值。
在一个可能的实现方式中，所述装置还用于：
展示所述风险等级。
在一个可能的实现方式中，所述装置还用于：
根据所述风险等级确定所述目标用户是否为疑似高风险用户；
若根据所述经营数据判别出所述目标用户为疑似高风险用户，则获取所述目标用户的经营类别和经营时间；
根据所述经营类别和所述经营时间，确定所述目标用户的第一市场价值评分值；
获取所述目标用户的客户类型；
根据所述客户类型，确定所述目标用户的第二市场价值评分值；
根据所述第一市场价值评分值和所述第二市场价值评分值，确定目标市场价值评分值；
若所述目标市场价值评分值高于预设阈值，则确定所述目标用户为非高风险用户。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种风险评估方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种风险评估方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可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，在申请明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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块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器中。基于这样的理解，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全部或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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、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。而前述的存储器包括：U盘、只读存储器(read-only memory，ROM)、随机存取存储器(random accessmemory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器、随机存取器、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种风险评估方法，其特征在于，所述方法包括：
获取目标用户的经营数据；
对所述经营数据进行处理，得到处理后的经营数据；
根据所述处理后的经营数据进行风险分析，以得到目标风险评分值；
根据所述目标风险评分值确定所述目标用户的风险等级。
2.根据权利要求1所述的方法，其特征在于，所述经营数据包括K个子经营数据，所述K个子经营数据的数据类型不同，所述对所述经营数据进行处理，得到处理后的经营数据，包括：
对所述K个子经营数据进行数据清洗，得到K个清洗后的子经营数据；
对所述K个清洗后的子经营数据进行结构化处理，得到K个结构化数据；
将所述K个结构化数据确定为所述处理后的经营数据。
3.根据权利要求2所述的方法，其特征在于，所述根据所述处理后的经营数据进行风险分析，以得到目标风险评分值，包括：
根据预设的风险评分方法对所述K个结构化数据进行风险评分，得到第一风险评分值；
根据预设的风险评分模型对所述K个结构化数据进行风险评分，得到第二风险评分值；
根据所述第一风险评分值和所述第二风险评分值，确定所述目标风险评分值。
4.根据权利要求3所述的方法，其特征在于，所述根据预设的风险评分方法对所述K个结构化数据进行风险评分，得到第一风险评分值，包括：
对所述K个结构化数据进行评分，以得到K个参考风险评分值；
根据所述K个结构化数据的数据类型，确定与所述K个结构化数据对应的评分权值；
根据所述K个参考风险评分值、与所述K个结构化数据对应的评分权值，确定所述第一风险评分值。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
展示所述风险等级。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：
根据所述风险等级确定所述目标用户是否为疑似高风险用户；
若根据所述经营数据判别出所述目标用户为疑似高风险用户，则获取所述目标用户的经营类别和经营时间；
根据所述经营类别和所述经营时间，确定所述目标用户的第一市场价值评分值；
获取所述目标用户的客户类型；
根据所述客户类型，确定所述目标用户的第二市场价值评分值；
根据所述第一市场价值评分值和所述第二市场价值评分值，确定目标市场价值评分值；
若所述目标市场价值评分值高于预设阈值，则确定所述目标用户为非高风险用户。
7.一种风险评估装置，其特征在于，所述装置包括：
获取单元，用于获取目标用户的经营数据；
处理单元，用于对所述经营数据进行处理，得到处理后的经营数据；
分析单元，用于根据所述处理后的经营数据进行风险分析，以得到目标风险评分值；
确定单元，用于根据所述目标风险评分值确定所述目标用户的风险等级。
8.根据权利要求7所述的装置，其特征在于，所述经营数据包括K个子经营数据，所述处理单元用于：
对所述K个子经营数据进行数据清洗，得到K个清洗后的子经营数据；
对所述K个清洗后的子经营数据进行结构化处理，得到K个结构化数据；
将所述K个结构化数据确定为所述处理后的经营数据。
9.一种终端，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-6任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110500464.9A CN113269412A (zh) | 2021-05-08 | 2021-05-08 | 风险评估方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110500464.9A CN113269412A (zh) | 2021-05-08 | 2021-05-08 | 风险评估方法及相关装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113269412A true CN113269412A (zh) | 2021-08-17 |
Family
ID=77230114
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110500464.9A Pending CN113269412A (zh) | 2021-05-08 | 2021-05-08 | 风险评估方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113269412A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114401142A (zh) * | 2022-01-18 | 2022-04-26 | 北京网藤科技有限公司 | 一种工业网络数据安全防护系统及其控制方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108876600A (zh) * | 2018-08-20 | 2018-11-23 | 平安科技（深圳）有限公司 | 预警信息推送方法、装置、计算机设备和介质 |
| CN110349005A (zh) * | 2019-07-02 | 2019-10-18 | 北京淇瑀信息科技有限公司 | 用户经营策略生成方法、装置及电子设备 |
| CN110443458A (zh) * | 2019-07-05 | 2019-11-12 | 深圳壹账通智能科技有限公司 | 风险评估方法、装置、计算机设备和存储介质 |
| CN110633919A (zh) * | 2019-09-27 | 2019-12-31 | 支付宝(杭州)信息技术有限公司 | 经营实体的评估方法及其装置 |
| CN111915155A (zh) * | 2020-07-13 | 2020-11-10 | 上海冰鉴信息科技有限公司 | 小微企业风险等级识别方法、装置及计算机设备 |
| CN111932356A (zh) * | 2020-01-02 | 2020-11-13 | 百望股份有限公司 | 确定企业信用风险等级的方法和装置 |
-
2021
- 2021-05-08 CN CN202110500464.9A patent/CN113269412A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108876600A (zh) * | 2018-08-20 | 2018-11-23 | 平安科技（深圳）有限公司 | 预警信息推送方法、装置、计算机设备和介质 |
| CN110349005A (zh) * | 2019-07-02 | 2019-10-18 | 北京淇瑀信息科技有限公司 | 用户经营策略生成方法、装置及电子设备 |
| CN110443458A (zh) * | 2019-07-05 | 2019-11-12 | 深圳壹账通智能科技有限公司 | 风险评估方法、装置、计算机设备和存储介质 |
| CN110633919A (zh) * | 2019-09-27 | 2019-12-31 | 支付宝(杭州)信息技术有限公司 | 经营实体的评估方法及其装置 |
| CN111932356A (zh) * | 2020-01-02 | 2020-11-13 | 百望股份有限公司 | 确定企业信用风险等级的方法和装置 |
| CN111915155A (zh) * | 2020-07-13 | 2020-11-10 | 上海冰鉴信息科技有限公司 | 小微企业风险等级识别方法、装置及计算机设备 |
Non-Patent Citations (1)
| Title |
|---|
| 番茄风控大数据: "学会二维交叉矩阵，风控技能又+10分", pages 1 - 2, Retrieved from the Internet <URL:https://zhuanlan.zhihu.com/p/365888143> * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114401142A (zh) * | 2022-01-18 | 2022-04-26 | 北京网藤科技有限公司 | 一种工业网络数据安全防护系统及其控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108038696B (zh) | 基于设备标识码和社交群组信息的刷单检测方法及系统 | |
| CN111476660B (zh) | 一种基于数据分析的智能风控系统及方法 | |
| CN109711955B (zh) | 基于当前订单的差评预警方法、系统、黑名单库建立方法 | |
| CN110689438A (zh) | 企业类金融风险评分方法、装置、计算机设备及存储介质 | |
| CN107103548A (zh) | 网络行为数据的监控方法和系统以及风险监控方法和系统 | |
| CN111507831A (zh) | 信贷风险自动评估方法和装置 | |
| US20090070289A1 (en) | Methods, Systems, and Computer Program Products for Estimating Accuracy of Linking of Customer Relationships | |
| CN110246030A (zh) | 多方联动的贷后风险管理方法、终端、装置及存储介质 | |
| CN112419030B (zh) | 财务舞弊风险评估的方法、系统及设备 | |
| CN112801529B (zh) | 财务数据分析方法及装置、电子设备及介质 | |
| CN113989019A (zh) | 识别风险的方法、装置、设备及存储介质 | |
| Li et al. | Using economic links between firms to detect accounting fraud | |
| CN113269629A (zh) | 授信额度确定方法、电子设备及相关产品 | |
| CN113393328A (zh) | 融资贷前审批评估方法、装置及计算机存储介质 | |
| KR101999765B1 (ko) | 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법 | |
| CN115082225A (zh) | 一种企业融资风险的评估方法和装置 | |
| CN115545886A (zh) | 逾期风险识别方法、装置、设备及存储介质 | |
| CN110991650A (zh) | 训练养卡识别模型、识别养卡行为的方法及装置 | |
| CN117236996B (zh) | 一种基于大数据分析的用户行为预测方法和系统 | |
| CN113269412A (zh) | 风险评估方法及相关装置 | |
| CN111951105A (zh) | 基于多维大数据分析的智能信贷风控系统 | |
| CN116629998A (zh) | 一种自动计息方法、装置、电子设备及可读存储介质 | |
| CN116109364A (zh) | 一种价格评估方法和装置 | |
| CN115564591A (zh) | 一种融资产品的确定方法及相关设备 | |
| CN116934131A (zh) | 一种企业经营状况评估方法、装置及设备 |
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 |