CN113298633A - 数据处理方法、实施该方法的系统和计算机可读介质 - Google Patents
数据处理方法、实施该方法的系统和计算机可读介质 Download PDFInfo
- Publication number
- CN113298633A CN113298633A CN202110171486.5A CN202110171486A CN113298633A CN 113298633 A CN113298633 A CN 113298633A CN 202110171486 A CN202110171486 A CN 202110171486A CN 113298633 A CN113298633 A CN 113298633A
- Authority
- CN
- China
- Prior art keywords
- user
- computer system
- credit
- consumption
- data processing
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 39
- 230000004044 response Effects 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012502 risk assessment Methods 0.000 claims description 11
- 238000007635 classification algorithm Methods 0.000 claims description 10
- 238000003066 decision tree Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 6
- 238000013475 authorization Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 238000012550 audit Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012797 qualification 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及数据处理技术,特别涉及数据处理方法以及实施该方法的数据处理系统和计算机可读存储介质。按照本发明一个方面的数据处理方法包含由第一计算机系统执行的下列步骤:A、从第二计算机系统接收用户的借贷请求,该信贷请求包括用户的身份信息和借贷金额;B、从一个或多个第三计算机系统获取消费信贷产品的信息;C、基于用户画像与所述消费信贷产品的匹配度生成消费信贷产品的推荐组合;D、响应于从所述第二计算机系统接收的用户关于消费信贷产品的选择,向与被选择的消费信贷产品相关联的第三计算机系统发送借贷申请;以及E、向所述第二计算机系统返回关联于所述用户和指定的消费场景类型的令牌。
Description
技术领域
本发明涉及数据处理技术,特别涉及数据处理方法以及实施该方法的数据处理系统和计算机可读存储介质。
背景技术
为了增强用户黏性和提升用户的活跃度,行业商户常常希望以较低的成本在具体的消费场景中提供消费信贷服务。另一方面,诸如商业银行和消费金融公司之类的金融机构也希望挖掘更多的潜在客户,扩大市场占用率。为了发挥各自的优势,行业商户与金融机构合作提供消费信贷服务的业务模式运营而生。例如行业商户作为直接面对消费者或用户的一方,可以将有信贷需求的客户引流到与其有合作关系的金融机构,这既扩大了销售额,又规避了自身缺乏金融业务能力和资质的短板;而金融机构则可以通过外部合作机构的引流,以较低的获客成本开拓市场。
但是由于这种合作模式下需要多个计算机系统之间复杂的交互过程,因此对于其间涉及的数据处理任务将是一个巨大的挑战,特别是在处理的便捷性和系统之间的兼容性等方面。例如对于一个行业商户来说,当其与多家金融机构合作时,由于每家金融机构采用的是独自开发的系统,因此需要逐一开发相应的接口;另一方面,由于行业商户数量众多且采用的系统庞杂纷乱,因此为了拓展客户来源,金融机构不得不花费大量的资源去对接各家行业商户的系统。
此外,由于金融机构和行业商户所掌握的只是客户的一部分特征信息(例如行业商户仅了解客户在其处的消费记录,金融机构仅拥有客户在其处的金融服务记录),加上双方出于商业利益的考虑而对数据共享加以限制,因此无法对客户的信用和偿付能力有一个全面、准确的评估,从而导致违约风险上升。
由上可见,需要提供一种能够解决上述问题的数据处理方法和系统。
发明内容
本发明的一个目的是提供数据处理方法以及实施该方法的数据处理系统和计算机可读存储介质,使得能够以较低的实施成本对行业商户与金融机构合作提供消费信贷服务过程中涉及的数据进行高效的管理。
按照本发明一个方面的数据处理方法包含由第一计算机系统执行的下列步骤:
A、从第二计算机系统接收用户的借贷请求,该信贷请求包括用户的身份信息和借贷金额;
B、从一个或多个第三计算机系统获取消费信贷产品的信息;
C、基于用户画像与所述消费信贷产品的匹配度生成消费信贷产品的推荐组合;
D、响应于从所述第二计算机系统接收的用户关于消费信贷产品的选择,向与被选择的消费信贷产品相关联的第三计算机系统发送借贷申请;以及
E、向所述第二计算机系统返回关联于所述用户和指定的消费场景类型的令牌。
可选地,上述数据处理方法进一步包括下列步骤:
F、从所述第二计算机系统接收用户的消费交易请求,所述消费交易请求包含所述令牌和消费交易信息;以及
G、至少基于关联于所述令牌的消费场景类型与所述消息交易信息所指示的消费场景类型之间的匹配度,确定是否向与所选择的消息信贷产品相关联的第三计算机系统发送授权交易请求。
可选地,在上述数据处理方法中,所述第二计算机系统为向用户提供商品或服务的商户的业务处理系统,所述第三计算机系统为提供信贷资金的金融机构的业务处理系统系统。
可选地,在上述数据处理方法中,步骤B包括:
B1、基于下列中的至少一项生成与用户相关联的风险评估值:用户的信贷记录、用户的银行卡账户资金进出记录、用户的消费行为习惯和与所述消费借贷请求相关联的消费场景信息;
B2、向第三计算机系统发布借贷需求信息,所述借贷需求信息包括所述风险评估值、借贷金额和消费场景信息;以及
B3、从第三计算机系统获取消费信贷产品的信息。
可选地,在上述数据处理方法中,所述消费信贷产品的信息包含贷款偿还期数、每期还贷金额、还贷利率和贷款优惠条件。
可选地,在上述数据处理方法中,所述用户画像至少描述用户偿付能力特征和用户对提供信贷资金的金融机构的偏好特征。
可选地,在上述数据处理方法中,步骤C包括:
C1、基于每个特征类别的优化目标,确定相应的匹配元规则,所述特征类别包括所获取的消费信贷产品的还贷利率特征、还贷优惠条件特征、用户偿付能力特征和用户对提供信贷资金的金融机构的偏好特征;以及
C2、利用决策树分类算法,由所确定的匹配元规则生成关于所获取的消费信贷产品的最佳组合作为所述推荐组合。
可选地,在上述数据处理方法中,在所述决策树分类算法中,基于信息熵和信息增益对匹配元规则进行分类。
可选地,在上述数据处理方法中,所述最佳组合包括被选用的消费信贷产品的列表及其在借贷金额中所占的份额。
可选地,在上述数据处理方法中,在步骤G中,在确定是否向与所选择的消息信贷产品相关联的第三计算机系统发送授权交易请求时,还基于所述商户在所述第一计算机系统处的注册账户的交易权限和交易额度限制。
按照本发明另一个方面的数据处理系统包含:
存储器;
处理器;以及
存储在所述存储器上并可在所述处理器上运行的计算机程序,该计算机程序的运行使得下列步骤被执行:
A、从第二计算机系统接收用户的借贷请求,该信贷请求包括用户的身份信息和借贷金额;
B、从一个或多个第三计算机系统获取消费信贷产品的信息;
C、基于用户画像与所述消费信贷产品的匹配度生成消费信贷产品的推荐组合;
D、响应于从所述第二计算机系统接收的用户关于消费信贷产品的选择,向与所选择的消费信贷产品相关联的第三计算机系统发送借贷申请;以及
E、向所述第二计算机系统返回关联于所述用户和指定的消费场景类型的令牌。
按照本发明还有一个方面的计算机可读存储介质,其上存储计算机程序,其中,该程序被处理器执行时实现如上所述的方法。
在本发明的一个或多个实施例中,利用作为第三方平台的第一计算机系统来提供数据交互机制和服务能力调用机制,因此行业商户和金融机构仅需为各自的业务处理系统开发适配于单一外部系统的接口,这降低了开发成本并且使数据处理流程更为顺畅和便捷。此外,当将消费信贷服务中具有共性的业务功能(例如消费信贷产品的推荐和交易请求的授权等)剥离出来交由第三方平台来实施时,数据处理资源(例如算力、带宽和I/O吞吐能力等)在各个计算机系统之间的调配得到了优化,从而在整体上提升了数据处理效率。
附图说明
本发明的上述和/或其它方面和优点将通过以下结合附图的各个方面的描述变得更加清晰和更容易理解,附图中相同或相似的单元采用相同的标号表示。附图包括:
图1为按照本发明的一个实施例的数据处理方法的流程图。
图2为示例性的提供消费信贷服务的系统架构。
图3为按照本发明另一个实施例的用于获取各个金融机构提供的消费信贷产品的信息的方法的流程图。
图4为按照本发明另一个实施例的用于确定消费信贷产品推荐组合的方法的流程图。
图5为在步骤S402中采用决策树分类算法生成最佳组合的示意图。
图6为按照本发明另一个实施例的申请消费信贷服务的流程图。
图7为按照本发明另一个实施例的执行消费信贷交易的流程图。
图8为按照本发明另一个实施例的数据处理系统的示意框图。
具体实施方式
下面参照其中图示了本发明示意性实施例的附图更为全面地说明本发明。但本发明可以按不同形式来实现,而不应解读为仅限于本文给出的各实施例。给出的上述各实施例旨在使本文的披露全面完整,以将本发明的保护范围更为全面地传达给本领域技术人员。
在本说明书中,诸如“包含”和“包括”之类的用语表示除了具有在说明书和权利要求书中有直接和明确表述的单元和步骤以外,本发明的技术方案也不排除具有未被直接或明确表述的其它单元和步骤的情形。
诸如“第一”和“第二”之类的用语并不表示单元在时间、空间、大小等方面的顺序而仅仅是作区分各单元之用。
图1为按照本发明的一个实施例的数据处理方法的流程图。示例性地,本实施例的方法流程被用于在图2所示的架构下提供消费信贷服务。
如图2所示,第一计算机系统210为独立于第二计算机系统220(例如行业商户的业务处理系统)和第三计算机系统230(例如金融机构的业务处理系统)的第三方平台,其配置为提供第二计算机系统220与第三计算机系统230之间的数据交互机制以及第二计算机系统220对第三计算机系统230的服务能力调用机制等。此外,通过第二计算机系统与客户端设备240之间的信息交互,行业商户可向用户提供商品或服务选购以及其他服务(例如消费信贷服务)。
通过由第三方平台提供数据交互机制和服务能力调用机制,行业商户和金融机构仅需为各自的业务处理系统开发适配于单一外部系统的接口,因此降低了开发成本并且提高了数据处理流程的顺畅性和便捷性。此外,可以将消费信贷服务中具有共性的业务功能(例如消费信贷产品的推荐和交易请求的授权等)剥离出来交由第一计算机系统210实施,这可以优化数据处理资源(例如算力、带宽和I/O吞吐能力等)在各个计算机系统之间的调配,从而在整体上提升数据处理效率。
如图1所示,在步骤S101,第一计算机系统210从一个或多个第二计算机系统220中的其中一个接收关于用户250的借贷请求。示例性地,用户250可通过客户端设备240(例如移动终端)上的APP选购行业商户提供的服务或商品,第二计算机系统220响应于用户250的购买意愿而在客户端设备240上显示相应的订单信息(例如商品或服务的种类、数量、交易金额和是否希望使用借贷资金支付交易金额的提示)。当用户250在客户端设备240上选择希望使用借贷资金的选项时,第二计算机系统220将生成包括用户的身份信息和借贷金额的借贷请求。在本实施例中,借贷请求还可包含消费场景的信息(例如所购商品或服务的类型和数量、购买地点和时段等)。
随后进入步骤S102,响应于借贷请求,第一计算机系统210将从一个或多个第三计算机系统230获取各个金融机构提供的消费信贷产品的信息。示例性地,消费信贷产品的信息例如包含但不限于贷款偿还期数、每期还贷金额、还贷利率和贷款优惠条件等。
在步骤S102中,第一计算机系统210可向各个第三计算机系统230问询匹配于借贷请求特征信息(例如借贷金额、消费场景等)的消费信贷产品的信息。
图1所示的方法流程随后进入步骤S103。在该步骤中,第一计算机系统210将基于用户250的用户画像与所获取的消费信贷产品的匹配度生成消费信贷产品的推荐组合。可选地,推荐组合在指示被选用的消费信贷产品的列表以外还可标明选用的各个消费信贷产品在借贷金额中所占的份额。有关推荐组合的生成方式将在下面借助图4所述的实施例中作进一步的描述。
接着进入步骤S104,第一计算机系统210向第二计算机系统220返回消费信贷产品的推荐组合。可选地,除了推荐组合以外,第一计算机系统210还返回所获取的消费信贷产品的信息。第二计算机系统220向用户250的客户端设备240发送推荐组合和所获取的消费信贷产品的信息,相应地,用户250通过客户端设备240向第二计算机系统220返回其关于消费信贷产品的选择(例如选择推荐组合或自行选择其他的消费信贷产品),并由第二计算机系统220将用户的选择信息返回第一计算机系统210。
随后在步骤S105中,第一计算机系统210响应于来自第二计算机系统220的选择信息,向与选择信息中所选择的消费信贷产品相关联的第三计算机系统220发送借贷申请。
步骤S105之后转入步骤S106。在该步骤中,第一计算机系统210向第二计算机系统220返回关联于用户250和指定的消费场景类型二者的令牌。可选地,消费场景类型可以由下列信息项中的一项或多项来定义:消费交易发生地点、消费交易发生时段、所购商品或服务的类别以及交易金额限额等。
可选地,在本实施例中,可以利用令牌所关联的消费场景类型与消费交易信息(例如消费交易发生地点、消费交易发生时段、交易金额以及商品或服务类别等)所指示的消费场景类型之间的匹配度来判定交易的合法性或合规性。为此,在图1所示方法流程的步骤S107中,第一计算机系统210从第二计算机系统220接收用户的消费交易请求,该消费交易请求同时包含令牌和消费交易信息。
随后进入步骤S108,第一计算机系统210基于关联于令牌的消费场景类型与消息交易信息所指示的消费场景类型之间的匹配度来确定是否向与所选择的消息信贷产品相关联的第三计算机系统230发送授权交易请求。例如,在步骤S108中,如果关联于令牌的消费场景类型与消息交易信息所指示的消费场景类型匹配,则进入步骤S109,第一计算机系统210向与所选择的消息信贷产品相关联的第三计算机系统230发送授权交易请求,否则,则第一计算机系统210向第二计算机系统220返回拒绝消费交易请求的消息。
可选地,在步骤108中,除了消费场景类型以外,用于确定是否向与所选择的消息信贷产品相关联的第三计算机系统发送授权交易请求的判据还包括商户或第二计算机系统220在第一计算机系统210处的注册账户的交易权限和交易额度限制。
图3为按照本发明另一个实施例的用于获取各个金融机构提供的消费信贷产品的信息的方法的流程图。本实施例的方法流程可与图2所示的方法流程相结合。具体而言,图3所示的方法流程可应用于步骤S102。
如图3所示,在步骤S301,第一计算机系统210生成与用户相关联的风险评估值。可选地,风险评估值可基于下列中的至少一项生成:用户的信贷记录、用户的银行卡账户资金进出记录、用户的消费行为习惯和与消费借贷请求相关联的消费场景信息。作为独立于第二计算机系统和第三计算机系统的第三方独立平台,其对于来自不同的行业商户的借贷请求均采用统一的标准确定借贷风险,因此所提供的借贷风险评估值具有更高的可信度。
随后进入步骤S302,第一计算机系统210向第三计算机系统230发布借贷需求信息。发布的借贷需求信息例如包括但不限于风险评估值、借贷金额和消费场景信息。在本实施例中,第一计算机系统210可以向所有的第三计算机系统230发布借贷需求信息,也可以其中一些第三计算机系统230发布借贷需求信息。
相应地,金融机构收到发布的借贷需求信息后将作出是否提供借贷资金的决策,并且在决定提供借贷资金后经第三计算机系统230向第一计算机系统210返回相关的消费信贷产品的信息。因此步骤S302之后进入步骤S303,第一计算机系统210将从第三计算机系统230获取消费信贷产品的信息。
图4为按照本发明另一个实施例的用于确定消费信贷产品推荐组合的方法的流程图。本实施例的方法流程可与图2所示的方法流程相结合。具体而言,图4所示的方法流程可应用于步骤S103。
如图3所示,在步骤S401,第一计算机系统210基于针对每个特征类别的优化目标来确定与借贷请求相匹配的匹配元规则。可选地,特征类别例如包括但不限于消费信贷产品的还贷利率特征、还贷优惠条件特征、用户偿付能力特征和用户对提供信贷资金的金融机构的偏好。
在本实施例中,还贷利率特征例如包括以不同分期偿还贷款金额的还贷利率。分期偿还的期数例如可以是3、6、9、12、18、24、36期等(以期数3为例,其指的是分三次偿还贷款,偿还间隔为1个月;又以36期为例,其指的是分36次偿还贷款,偿还间隔为1个月)。
还贷优惠条件特征例如包括放贷的金融机构提供的各种贷款优惠,例如交易金额超过一定限额后的抵扣额(例如每满500元立减20元)等。
用户偿付能力特征例如可以表示为还款方式(例如等额本息和等额本金)和偿还分期期数。
用户对提供信贷资金的金融机构的偏好特征例如可以表示为用户与其有较多借贷业务往来的金融机构的列表。
示例性地,假设申请的消费信贷资金为5000元,有4家金融机构愿意提供借贷资金并且返回的消费信贷产品的信息如下:
银行A的消费信贷产品:3期(0.6%)、6期(0.62%)、9期(0.61%)、12期(0.59%);首次使用银行A的消费信贷产品,只要发生借贷并且贷款额超过1000元,则立减30元,每个用户仅限用一次。
消费金融公司B的消费信贷产品:3期(0.63%)、6期(0.59%)、9期(0.59%)、12期(0.59%);贷款金额下限为2000元,如果超过2000元则立减50元,每个用户在本月仅能享受一次该优惠。
消费金融公司司C的消费信贷产品:3期(0.64%)、6期(0.66%)、9期(0.62%)、12期(0.58%)。无优惠。
消费金融公司司D的消费信贷产品:3期(0.70%)、6期(0.76%)、9期(0.65%)、12期(0.60%)。无优惠。
第一计算机系统210可按照下列方式确定匹配元规则:
对于还贷利率特征类别,如果优化目标为3、6、9期的利率最低,则银行A的消费信贷产品的还贷利率被确定为匹配元规则,如果优化目标为12期的利率最低,则消费金融公司C的消费信贷产品的还贷利率被确定为匹配元规则。
对于还贷优惠条件特征,银行A和消费金融公司B的优惠条件被确定为匹配元规则。
对于用户偿付能力特征,第一计算机系统210可基于用户账户的资金往来记录和借贷历史记录生成消费信贷产品的多个组合并且将这些组合确定为匹配元规则。示例性地,所生成的组合列示如下:
组合1:银行A的分期为3期的消费信贷产品
第1期 | 第2期 | 第3期 | 总计还款额 |
1656.71 | 1686.71 | 1686.71 | 5030.13 |
组合2:银行B的分期为6期的消费信贷产品
第1期 | 第2期 | 第3期 | 第4期 | 第5期 | 第6期 | 总计 |
800.63 | 850.63 | 850.63 | 850.63 | 850.63 | 850.63 | 5053.78 |
组合3:银行A(1000元,3期,0.6%)+消费金融公司B(2000元,
6期,0.59%)+消费金融公司C(2000元,12期,0.58%)
对于偏好特征,可以采用用户与其发生较多借贷交易的金融机构的列表来表示。可选地,可以用户从一家金融机构借贷金额占总贷款金额的比例或从该金融机构借贷的次数占总贷款次数的比例来衡量。在本实施例中,示例性地假设与用户发生较多借贷交易的金融机构为银行A、消费金融公司B和C。
在步骤S401之后进入步骤S402。在该步骤中,第一计算机系统210利用决策树分类算法,由所确定的匹配元规则生成关于所获取的消费信贷产品的最佳组合作为推荐组合。图5为在步骤S402中采用决策树分类算法生成最佳组合的示意图。
可选地,所用的决策树分类算法为ID3算法,其中基于信息熵和信息增益对匹配元规则进行分类。特别是,假设D为用类别对训练元组进行的划分,则D的熵可表示为:
其中info(D)为D的熵,pi表示第i个类别在整个训练元组中出现的概率,可以利用属于此类别元素的数量除以训练元组元素总数量作为估计的概率。
这里熵的实际意义表示D中元组的类标号所需要的平均信息量。
假设将训练元组D按属性A进行划分,则A对D划分的期望信息infoA(D)为:
而信息增益gain(A)即为两者的差值:
gain(A)=info(D)-infoA(D) (3)
在ID3算法中,当每次需要分类时,首先计算每个属性的增益率,然后选择增益率最大的属性进行分类。
示例性地,这里假设根据ID3算法得到的最佳组合为{商业银行A(1000元,3期,0.6%)+消金公司B(2000元,6期,0.59%)+消金公司C(2000元,12期,0.58%)}。
图6为按照本发明另一个实施例的申请消费信贷服务的流程图。图6所示的流程包含下列步骤:
步骤S601:用户在某消费场景(如手机厂商的旗舰店购买手机,或者在某连锁品牌商户申请该商户内的消费信贷资金)时,选择通过该商户的APP申请一笔消费信贷,用户在商户的APP上输入身份信息以及申请信贷的金额等。示例性地,在本实施例中,商户APP是在用户的移动终端上运行的计算机程序。
步骤S602:商户APP经其计算机系统(例如图2中的第二计算机系统220)向第三方服务平台(例如图2中的第一计算机系统210)发送消费信贷申请及标记化账户的申请,同时将该用户在商户APP的行业账户上送给第三方服务平台。
步骤S603:第三方服务平台根据用户的消费信贷情况、用户还贷记录(是否有逾期的记录,逾期次数和额度等)、用户常用银行卡的资金流水、用户消费行为习惯以及用户申请贷款的场景信息进行评估以生成风险评估值。
步骤S603:第三方服务平台将场景信息、用户个人信息、风险评估值、用户画像的标签、用户资金申请额发送至金融机构(示例性地,这里以银行A、消费金融公司B和C为例)的计算机系统(例如图2中的第三计算机系统230)。
步骤S605:银行A、消费金融公司B和C在评估后确定是否为用户提供在上述特定场景下的消费信贷产品,如果确定可以全额满足借贷申请,则向第三方服务平台返回消费信贷产品的信息;如果确定可以部分满足借贷申请,则向第三方服务平台返回可借贷的额度以及分期利率信息;如果确定无法满足,则向第三方服务平台返回拒绝提供消费信贷产品的消息。
步骤S606:第三方服务平台基于各金融机构提供的消费信贷产品信息,为用户生成消费信贷产品信息的推荐组合。有关推荐组合的生成方式在上面借助图4所述的实施例中已有详细描述,此处不再赘述。
步骤S607:第三方服务平台经第二计算机系统向用户的客户端返回商业银行A、消费金融公司B和C的消费信贷产品信息以及推荐组合。
步骤S608:商户APP上显示可选择的消费信贷产品和推荐组合。可选地,商户APP上还可显示消费信贷产品的优惠条件。
步骤S609:用户在商户APP上对组合消费信贷产品和推荐组合进行选择。示例性地,假设用户选择了借助图4所述实施例中的组合3。
步骤S610:商户APP经第二计算机系统向第三方服务平台返回用户的选择信息。
步骤S611:第三方平台向商业银行A、消费金融公司B和C发送借贷额度申请。
步骤S612:商业银行A、消费金融公司B和C分别为用户分配相应的贷款额度。
步骤S613:商业银行A、消费金融公司B和C的计算机系统向第三方服务平台返回贷款额度完成分配的消息。
S614:第三方服务平台向标记化服务系统发送为用户的商户账户申请令牌的请求。需要指出的是,虽然在本实施例中,第三方服务平台和标记化服务系统为独立的单元,但是标记化服务系统也可以作为第三方服务平台的组成单元。
步骤S615:标记化服务系统向第三方服务平台返回令牌。
步骤S616:第三方服务平台经第二计算机系统向商户APP返回令牌和借贷申请成功的消息。
步骤S617:商户APP通知用户关于借贷申请成功的消息。
图7为按照本发明另一个实施例的执行消费信贷交易的流程图。示例性地,图7所示的流程与图6所示的流程结合以完成借贷流程。
图7所示的流程包含下列步骤:
步骤S701:用户在指定的消费场景下使用商户APP的令牌进行消费(比如某连锁商家的线下商店)。示例性地,在本实施例中,商户APP是在用户的移动终端上运行的计算机程序。
步骤S702:商户APP经商户的计算机系统(例如图2中的第二计算机系统)向第三方服务平台发送消费交易请求。
步骤S703:第三方服务平台对消费交易请求进行审核,该审核例如基于消费场景的商户白名单(判断是否在指定的场景下消费)、交易权限检查、交易额度检查(单笔、日累计、月累计)。
步骤S704:在审核通过通过后,向标记化服务系统发送去令牌化请求。需要指出的是,虽然在本实施例中,第三方服务平台和标记化服务系统为独立的单元,但是标记化服务系统也可以作为第三方服务平台的组成单元。
步骤S705:标记化服务系统在完成去令牌化处理后向第三方服务平台返回与用户相关联的原始账户。
步骤S706-S711:第三方平台基于原始账户检测出该消费交易请求涉及的是一笔组合信贷产品,将分别向商业银行A、消费金融公司B和C的计算机系统(例如图2中的第三计算机系统)发送相应的授权交易请求(步骤S706、S708和S710),并且分别从商业银行A、消费金融公司B和C接收到相应的授权确认消息(步骤S707、S709和S711)。
步骤S712:第三服务平台经第二计算机系统向商户APP返回借贷交易成功的消息。
步骤S713:商户APP向用户显示借贷交易成功的消息。
图8为按照本发明另一个实施例的数据处理系统的示意框图。
图8所示的数据处理系统80可以用于实施上面借助图1-7所述的实施例中的第一计算机系统。如图8所示,数据处理系统80包含存储器810(例如诸如闪存、ROM、硬盘驱动器、磁盘、光盘之类的非易失存储器)、处理器820以及存储在存储器810上并可在处理器820上运行的计算机程序830。
在图8所示的计算机系统中,通过执行计算机程序830以实现上面借助图1-7所述的数据处理方法所包含的步骤。
按照本发明的另一方面,还提供了一种计算机可读存储介质,其上存储计算机程序,该程序被处理器执行时可实现上面借助图1-7所述的数据处理方法所包含的步骤。
提供本文中提出的实施例和示例,以便最好地说明按照本技术及其特定应用的实施例,并且由此使本领域的技术人员能够实施和使用本发明。但是,本领域的技术人员将会知道,仅为了便于说明和举例而提供以上描述和示例。所提出的描述不是意在涵盖本发明的各个方面或者将本发明局限于所公开的精确形式。
Claims (21)
1.一种数据处理方法,其特征在于,包含由第一计算机系统执行的下列步骤:
A、从第二计算机系统接收用户的借贷请求,该信贷请求包括用户的身份信息和借贷金额;
B、从一个或多个第三计算机系统获取消费信贷产品的信息;
C、基于用户画像与所述消费信贷产品的匹配度生成消费信贷产品的推荐组合;
D、响应于从所述第二计算机系统接收的用户关于消费信贷产品的选择,向与被选择的消费信贷产品相关联的第三计算机系统发送借贷申请;以及
E、向所述第二计算机系统返回关联于所述用户和指定的消费场景类型的令牌。
2.如权利要求1所述的数据处理方法,进一步包括下列步骤:
F、从所述第二计算机系统接收用户的消费交易请求,所述消费交易请求包含所述令牌和消费交易信息;以及
G、至少基于关联于所述令牌的消费场景类型与所述消息交易信息所指示的消费场景类型之间的匹配度,确定是否向与所选择的消息信贷产品相关联的第三计算机系统发送授权交易请求。
3.如权利要求1或2所述的数据处理方法,其中,所述第二计算机系统为向用户提供商品或服务的商户的业务处理系统,所述第三计算机系统为提供信贷资金的金融机构的业务处理系统系统。
4.如权利要求1所述的数据处理方法,其中,步骤B包括:
B1、基于下列中的至少一项生成与用户相关联的风险评估值:用户的信贷记录、用户的银行卡账户资金进出记录、用户的消费行为习惯和与所述消费借贷请求相关联的消费场景信息;
B2、向第三计算机系统发布借贷需求信息,所述借贷需求信息包括所述风险评估值、借贷金额和消费场景信息;以及
B3、从第三计算机系统获取消费信贷产品的信息。
5.如权利要求1所述的数据处理方法,其中,所述消费信贷产品的信息包含贷款偿还期数、每期还贷金额、还贷利率和贷款优惠条件。
6.如权利要求1所述的数据处理方法,其中,所述用户画像至少描述用户偿付能力特征和用户对提供信贷资金的金融机构的偏好特征。
7.如权利要求6所述的数据处理方法,其中,步骤C包括:
C1、基于每个特征类别的优化目标,确定相应的匹配元规则,所述特征类别包括所获取的消费信贷产品的还贷利率特征、还贷优惠条件特征、用户偿付能力特征和用户对提供信贷资金的金融机构的偏好特征;以及
C2、利用决策树分类算法,由所确定的匹配元规则生成关于所获取的消费信贷产品的最佳组合作为所述推荐组合。
8.如权利要求7所述的数据处理方法,其中,在所述决策树分类算法中,基于信息熵和信息增益对匹配元规则进行分类。
9.如权利要求7所述的数据处理方法,其中,所述最佳组合包括被选用的消费信贷产品的列表及其在借贷金额中所占的份额。
10.如权利要求2所述的方法,其中,在步骤G中,在确定是否向与所选择的消息信贷产品相关联的第三计算机系统发送授权交易请求时,还基于所述商户在所述第一计算机系统处的注册账户的交易权限和交易额度限制。
11.一种数据处理系统,包含:
存储器;
处理器;以及
存储在所述存储器上并可在所述处理器上运行的计算机程序,该计算机程序的运行使得下列步骤被执行:
A、从第二计算机系统接收用户的借贷请求,该信贷请求包括用户的身份信息和借贷金额;
B、从一个或多个第三计算机系统获取消费信贷产品的信息;
C、基于用户画像与所述消费信贷产品的匹配度生成消费信贷产品的推荐组合;
D、响应于从所述第二计算机系统接收的用户关于消费信贷产品的选择,向与所选择的消费信贷产品相关联的第三计算机系统发送借贷申请;以及
E、向所述第二计算机系统返回关联于所述用户和指定的消费场景类型的令牌。
12.如权利要求11所述的数据处理系统,所述计算机程序的运行使得进一步执行下列步骤:
F、从所述第二计算机系统接收用户的消费交易请求,所述消费交易请求包含所述令牌和消费交易信息;以及
G、至少基于关联于所述令牌的消费场景类型与所述消息交易信息所指示的消费场景类型之间的匹配度,确定是否向与所选择的消息信贷产品相关联的第三计算机系统发送授权交易请求。
13.如权利要求11或12所述的数据处理系统,其中,所述第二计算机系统为向用户提供商品或服务的商户的业务处理系统,所述第三计算机系统为提供信贷资金的金融机构的业务处理系统系统。
14.如权利要求11所述的数据处理系统,其中,步骤B按照下列方式执行:
B1、基于下列中的至少一项生成与用户相关联的风险评估值:用户的信贷记录、用户的银行卡账户资金进出记录、用户的消费行为习惯和与所述消费借贷请求相关联的消费场景信息;
B2、向第三计算机系统发布借贷需求信息,所述借贷需求信息包括所述风险评估值、借贷金额和消费场景信息;以及
B3、从第三计算机系统获取消费信贷产品的信息。
15.如权利要求11所述的数据处理系统,其中,所述消费信贷产品的信息包含贷款偿还期数、每期还贷金额、还贷利率和贷款优惠条件。
16.如权利要求11所述的数据处理系统,其中,所述用户画像至少描述用户偿付能力特征和用户对提供信贷资金的金融机构的偏好特征。
17.如权利要求16所述的数据处理系统,其中,步骤C按照下列方式执行:
C1、基于每个特征类别的优化目标,确定相应的匹配元规则,所述特征类别包括所获取的消费信贷产品的还贷利率特征、还贷优惠条件特征、用户偿付能力特征和用户对提供信贷资金的金融机构的偏好特征;以及
C2、利用决策树分类算法,由所确定的匹配元规则生成关于所获取的消费信贷产品的最佳组合作为所述推荐组合。
18.如权利要求17所述的数据处理系统,其中,在所述决策树分类算法中,基于信息熵和信息增益对匹配元规则进行分类。
19.如权利要求17所述的数据处理系统,其中,所述最佳组合包括被选用的消费信贷产品的列表及其在借贷金额中所占的份额。
20.如权利要求12所述的方法,其中,在步骤G中,在确定是否向与所选择的消息信贷产品相关联的第三计算机系统发送授权交易请求时,还基于所述商户在所述数据处理系统处的注册账户的交易权限和交易额度限制。
21.一种计算机可读存储介质,其上存储计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-10中任意一项所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110171486.5A CN113298633A (zh) | 2021-02-08 | 2021-02-08 | 数据处理方法、实施该方法的系统和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110171486.5A CN113298633A (zh) | 2021-02-08 | 2021-02-08 | 数据处理方法、实施该方法的系统和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113298633A true CN113298633A (zh) | 2021-08-24 |
Family
ID=77319014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110171486.5A Pending CN113298633A (zh) | 2021-02-08 | 2021-02-08 | 数据处理方法、实施该方法的系统和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298633A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114881725A (zh) * | 2022-04-22 | 2022-08-09 | 江苏中交车旺科技有限公司 | 信贷业务数据处理方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780012A (zh) * | 2016-12-29 | 2017-05-31 | 深圳微众税银信息服务有限公司 | 一种互联网信贷方法及系统 |
CN107578332A (zh) * | 2017-09-22 | 2018-01-12 | 深圳乐信软件技术有限公司 | 一种推荐现金商品的方法、装置、设备及存储介质 |
CN109886807A (zh) * | 2019-03-06 | 2019-06-14 | 安徽大学 | 一种p2p平台上基于风险收益管理的个性化推荐方法 |
CN112037031A (zh) * | 2020-09-02 | 2020-12-04 | 北京炎黄医养科技有限公司 | 一种农商互联供应链金融实现方法与装置 |
CN112102067A (zh) * | 2020-09-14 | 2020-12-18 | 北京云从科技有限公司 | 互联网金融管理方法、系统、设备及介质 |
CN112328886A (zh) * | 2020-11-16 | 2021-02-05 | 深圳壹账通智能科技有限公司 | 一种基于区块链的信贷推荐方法、设备及存储介质 |
-
2021
- 2021-02-08 CN CN202110171486.5A patent/CN113298633A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780012A (zh) * | 2016-12-29 | 2017-05-31 | 深圳微众税银信息服务有限公司 | 一种互联网信贷方法及系统 |
CN107578332A (zh) * | 2017-09-22 | 2018-01-12 | 深圳乐信软件技术有限公司 | 一种推荐现金商品的方法、装置、设备及存储介质 |
CN109886807A (zh) * | 2019-03-06 | 2019-06-14 | 安徽大学 | 一种p2p平台上基于风险收益管理的个性化推荐方法 |
CN112037031A (zh) * | 2020-09-02 | 2020-12-04 | 北京炎黄医养科技有限公司 | 一种农商互联供应链金融实现方法与装置 |
CN112102067A (zh) * | 2020-09-14 | 2020-12-18 | 北京云从科技有限公司 | 互联网金融管理方法、系统、设备及介质 |
CN112328886A (zh) * | 2020-11-16 | 2021-02-05 | 深圳壹账通智能科技有限公司 | 一种基于区块链的信贷推荐方法、设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114881725A (zh) * | 2022-04-22 | 2022-08-09 | 江苏中交车旺科技有限公司 | 信贷业务数据处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11727492B1 (en) | Systems, methods, and computer products for directing cash flows associated with mortgage-backed securities | |
US20180341933A1 (en) | Open ticket payment handling with bill splitting | |
US8688557B2 (en) | Systems and methods for customer value optimization involving relationship optimization | |
US7676409B1 (en) | Method and system for emulating a private label over an open network | |
US8433648B2 (en) | Method and system for engaging in a transaction between a consumer and a merchant | |
US8818879B2 (en) | Data element specific transaction routing | |
AU2011240783B2 (en) | Restricted use currency | |
US20120078766A1 (en) | Systems and methods for customer value optimization involving product/service optimization | |
US20040211830A1 (en) | Multi-purse card system and methods | |
US20020062279A1 (en) | Systems and methods for the processing of financial transactions | |
US10986541B2 (en) | Dynamic utilization of alternative resources based on token association | |
US20140279524A1 (en) | Interchange Rate Based Convenience Fee, Service Fee, and Surcharge System Patent | |
JP7042637B2 (ja) | プログラム、情報処理装置、情報処理方法及び仮想通貨取引システム | |
THANKGOD et al. | Effect of electronic payment on financial performance of deposit money banks in Nigeria | |
US20050209938A1 (en) | Methods, systems, and articles of manufacture for providing financial accounts with conditions | |
US10515128B2 (en) | Method and system for determining a preference index | |
JP2010224734A (ja) | 情報提供サーバ及び情報表示システムならびに情報提供プログラム | |
CN113298633A (zh) | 数据处理方法、实施该方法的系统和计算机可读介质 | |
US20120072339A1 (en) | Hybrid account | |
US11551175B1 (en) | Facilitating shareholder voting and associated proxy rights | |
US11610217B1 (en) | Analysis of debit card compared to credit card use | |
US11580478B1 (en) | Facilitating shareholder voting and associated proxy rights | |
KR102422693B1 (ko) | 충전 머니의 제공을 지원하는 방법, 서버 및 시스템 | |
TW202009843A (zh) | 交易金融商品價值階層優惠交易處理系統及其處理方法 | |
US20190188747A1 (en) | Reward optimization through real time authorization processing |
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 |