CN113344693A - 基于预测账户余额的催收扣款方法、装置和存储介质 - Google Patents
基于预测账户余额的催收扣款方法、装置和存储介质 Download PDFInfo
- Publication number
- CN113344693A CN113344693A CN202110551599.8A CN202110551599A CN113344693A CN 113344693 A CN113344693 A CN 113344693A CN 202110551599 A CN202110551599 A CN 202110551599A CN 113344693 A CN113344693 A CN 113344693A
- Authority
- CN
- China
- Prior art keywords
- deduction
- user
- module
- account
- deducting
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了基于预测账户余额的催收扣款方法、装置和存储介质,具体涉及账户余额的催收扣款技术领域,包括基于预测账户余额的催收扣款方法,具体步骤如下:步骤一:确定催收扣款的标签列表;步骤二:列出催收扣款的标签交叉矩阵;步骤三:制作催收扣款的标签列表和账户余额间的关系矩阵;步骤四:建立催收扣款账户余额的预测回归模型。本发明通过基于预测账户余额的催收扣款方法的设置,可以提升催收扣款的成功率,进而增加催收效率,优化金融机构的催收结果,通过基于预测账户余额的催收扣款装置和存储介质的设置,可在保障一定催收质量的同时,降低扣款次数,有效提高通道的使用效率,降低通道的使用成本。
Description
技术领域
本发明涉及账户余额的催收扣款技术领域,具体涉及基于预测账户余额的催收扣款方法、装置和存储介质。
背景技术
随着互联网金融的市场不断增加,互联网金融行业的逾期情况也逐渐变成行业发展的重要阻碍,催收扣款成为保障贷款回款,降低逾期损失的重要手段。
催收扣款是互联网金融中贷款回款的重要手段。现有方案通常由系统主动发起或者由催收人员发起的对借款人授权账户合法扣款的行为。扣款金额通常是客户的应还金额汇总或者用户主动告知的账户可用金额。
由于扣款行为是需要占用一定的资源,因此目前催收扣款存在以下限制和问题:(1)进入催收的客户账户余额多数已经无法满足应还金额,所以扣款成功率很低。(2)进入催收的客户有很大比例很难联系,所以我们无法联系用户主导告知目前账户的可用金额。(3)扣款通道是一种有限资源,需要在最少扣款次数情况下保证实收金额的最大化。
发明内容
为此,本发明提供基于预测账户余额的催收扣款方法、装置和存储介质,通过基于预测账户余额的催收扣款方法的设置,可以提升催收扣款的成功率,进而增加催收效率,优化金融机构的催收结果,通过基于预测账户余额的催收扣款装置和存储介质的设置,可在保障一定催收质量的同时,降低扣款次数,有效提高通道的使用效率,降低通道的使用成本,以解决现有技术中无法联系用户,扣款成功率低,扣款通道回报率低的问题。
为了实现上述目的,本发明提供如下技术方案:基于预测账户余额的催收扣款方法,具体步骤如下:
步骤二:列出催收扣款的标签交叉矩阵:对所有催收扣款的标签项的取值进行分段,列出催收扣款的标签交叉矩阵:
步骤三:制作催收扣款的标签列表和账户余额间的关系矩阵:将催收扣款成功的金额作为扣款时用户账户余额最可能的金额,把每个标签交叉矩阵对应用户集的催收扣款成功金额作为用户账户余额的中介变量,列出催收扣款的标签列表和账户余额的关系矩阵:
步骤四:建立催收扣款账户余额的预测回归模型:基于回归模型对催收扣款标签和账户余额的关系矩阵进行计算,建立催收扣款的账户余额的预测回归模型:
进一步地,在步骤三中催收扣款的成功金额平均数和在步骤四中预测模型计算结果的中值可作为有过成功催收记录的用户的扣款金额,但在实际操作中应扣金额以步骤四中预测模型计算结果的中值为先。
进一步地,在步骤四中的预测模型计算结果可作为没有成功催收扣款记录用户的扣款应扣金额。
进一步地,在步骤四中根据预测的扣款结果金额进行扣款,若扣款成功,则将扣款结果返还到预测回归模型中,使预测回归模型的预测计算还款金额清零;若扣款失败,则将扣款结果反馈到步骤一中的用户变量内,使之产生新的催收扣款的标签列表,循环执行步骤二、步骤三和步骤四,重新计算应扣金额,并循环执行扣款,若扣款成功则执行结束,步骤四中预测计算还款金额清零,若扣款失败则循环执行步骤一到步骤四,但当扣款失败次数超过n次,则也执行结束。
本发明还包括该基于预测账户余额的催收扣款装置,包括用户数据服务模块,所述用户数据服务模块的输出端连接有数据整理模块,所述数据整理模块的输出端连接有数据处理模块,所述数据处理模块的输出端连接有扣款执行模块,所述扣款执行模块的输出端连接有扣款结果存储服务模块,所述扣款结果存储服务模块的输出端与用户数据服务模块的输入端相连接;
所述用户数据服务模块用于存储用户数据,并方便为用户提供还款操作服务;
所述数据整理模块用于通过用户数据服务模块获得所有用户的数据,并整理完数据后将用户变量传输到数据处理模块;
所述数据处理模块用于通过账户余额预测算法计算应扣还款金额,并向扣款执行模块下达催收扣款命令;
所述扣款执行模块用于将扣款结果存储在扣款结果存储服务模块中;
所述扣款结果存储服务模块用于存储扣款结果,并将失败的扣款数据返还到用户数据服务模块。
本发明还包括该基于预测账户余额的催收扣款存储介质,包括数据获取模块,所述数据获取模块的输出端连接有账户预测模块,所述账户预测模块的输出端连接有账户扣款模块,所述账户扣款模块的输出端与数据获取模块的输入端相连接;
所述数据获取模块用于在接收到目标用户需要执行逾期扣款的指令请求的情况下,根据预设模型获取初始用户信息集合;
所述账户预测模块用于根据目标用户的信息数据,预测用户账户可用金额;
所述账户扣款模块用于对目标用户的账户执行预测的可用金额的扣款。
进一步地,所述数据获取模块提取的数据主要包括:用户个人信息(用户性别、用户所在地区、用户收入信息和用户职业分类)、用户的贷款信息(贷款金额、利息和还款计划)、用户的历史正常还款记录(历史正常扣款成功及失败的金额、时间和次数)和用户的催收扣款记录(催收扣款成功及失败的金额、时间和次数)。
进一步地,所述数据获取模块提取数据的对象为0-30天内所有应还款用户。
本发明具有如下优点:
1、本发明通过基于预测账户余额的催收扣款方法的设置,与现有技术相比,可以根据借款人用户信息,计算出预测的用户可还款金额,自动循环执行扣款命令,并对自动循环次数设置了上限,降低了扣款通道的无效运行次数,节省了运行成本,使扣款通道回报率高,提升了催收扣款的成功率,进而增加了催收效率,优化了金融机构的催收结果;
2、本发明基于预测账户余额的催收扣款装置,与现有技术相比,可在保障一定催收质量的同时,降低扣款次数,有效提高通道的使用效率,降低通道的使用成本,基于预测账户余额的催收扣款装置和存储介质,使用户的账单日还款不成功进入逾期状态时,可自动触发该技术,自动化程度高,实用性强,可更有效地提升催收扣款的成功率和回收率。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对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,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明催收扣款装置结构模块图;
图2为本发明催收扣款装置工作流程图;
图3为本发明催收扣款方法工作流程图;
图4为本发明催收扣款存储介质结构示意图。
图中:1、用户数据服务模块;2、数据整理模块;3、数据处理模块;4、扣款执行模块;5、扣款结果存储服务模块;101、数据获取模块;102、账户预测模块;103、账户扣款模块。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
参照说明书附图3,该实施例的基于预测账户余额的催收扣款方法,具体步骤如下:
步骤二:列出催收扣款的标签交叉矩阵:对所有催收扣款的标签项的取值进行分段,列出催收扣款的标签交叉矩阵:
步骤三:制作催收扣款的标签列表和账户余额间的关系矩阵:将催收扣款成功的金额作为扣款时用户账户余额最可能的金额,把每个标签交叉矩阵对应用户集的催收扣款成功金额作为用户账户余额的中介变量,列出催收扣款的标签列表和账户余额的关系矩阵:
步骤四:建立催收扣款账户余额的预测回归模型:基于回归模型对催收扣款标签和账户余额的关系矩阵进行计算,建立催收扣款的账户余额的预测回归模型:
催收扣款的成功金额平均数和在步骤四中预测模型计算结果的中值可作为有过成功催收记录的用户的扣款金额,但在实际操作中应扣金额以步骤四中预测模型计算结果的中值为先,预测模型计算结果可作为没有成功催收扣款记录用户的扣款应扣金额,操作时根据预测的扣款结果金额进行扣款,若扣款成功,则将扣款结果返还到预测回归模型中,使预测回归模型的预测计算还款金额清零;若扣款失败,则将扣款结果反馈到步骤一中的用户变量内,使之产生新的催收扣款的标签列表,循环执行步骤二、步骤三和步骤四,重新计算应扣金额,并循环执行扣款,若扣款成功则执行结束,步骤四中预测计算还款金额清零,若扣款失败则循环执行步骤一到步骤四,但当扣款失败次数超过n次,则也执行结束,可以根据借款人用户信息,计算出预测的用户可还款金额,自动循环执行扣款命令,并对自动循环次数设置了上限,降低了扣款通道的无效运行次数,节省了运行成本,使扣款通道回报率高,提升了催收扣款的成功率,进而增加了催收效率,优化了金融机构的催收结果,该实施方式具体解决了现有技术中进入催收的客户账户余额多数已经无法满足应还金额,所以扣款成功率很低,扣款通道回报率低的问题。
参照说明书附图1-2,本发明还包括该基于预测账户余额的催收扣款装置,包括用户数据服务模块1,所述用户数据服务模块1的输出端连接有数据整理模块2,所述数据整理模块2的输出端连接有数据处理模块3,所述数据处理模块3的输出端连接有扣款执行模块4,所述扣款执行模块4的输出端连接有扣款结果存储服务模块5,所述扣款结果存储服务模块5的输出端与用户数据服务模块1的输入端相连接;
所述用户数据服务模块1用于存储用户数据,并方便为用户提供还款操作服务;
所述数据整理模块2用于通过用户数据服务模块1获得所有用户的数据,并整理完数据后将用户变量传输到数据处理模块3;
所述数据处理模块3用于通过账户余额预测算法计算应扣还款金额,并向扣款执行模块4下达催收扣款命令;
所述扣款执行模块4用于将扣款结果存储在扣款结果存储服务模块5中;
所述扣款结果存储服务模块5用于存储扣款结果,并将失败的扣款数据返还到用户数据服务模块1。
参照说明书附图4,本发明还包括该基于预测账户余额的催收扣款存储介质,包括数据获取模块101,所述数据获取模块101的输出端连接有账户预测模块102,所述账户预测模块102的输出端连接有账户扣款模块103,所述账户扣款模块103的输出端与数据获取模块101的输入端相连接;
所述数据获取模块101用于在接收到目标用户需要执行逾期扣款的指令请求的情况下,根据预设模型获取初始用户信息集合;
所述账户预测模块102用于根据目标用户的信息数据,预测用户账户可用金额;
所述账户扣款模块103用于对目标用户的账户执行预测的可用金额的扣款。
进一步地,所述数据获取模块101提取的数据主要包括:用户个人信息(用户性别、用户所在地区、用户收入信息和用户职业分类)、用户的贷款信息(贷款金额、利息和还款计划)、用户的历史正常还款记录(历史正常扣款成功及失败的金额、时间和次数)和用户的催收扣款记录(催收扣款成功及失败的金额、时间和次数),使账户预测模块102可根据目标用户的信息数据,预测用户账户可用金额,预测可靠度强。
进一步地,所述数据获取模块101提取数据的对象为0-30天内所有应还款用户,使账户预测模块102的预测时效性强。
实施场景具体为:基于预测账户余额的催收扣款装置,可在保障一定催收质量的同时,降低扣款次数,有效提高通道的使用效率,降低通道的使用成本,基于预测账户余额的催收扣款装置和存储介质,使用户的账单日还款不成功进入逾期状态时,可自动触发该技术,自动化程度高,实用性强,可更有效地提升催收扣款的成功率和回收率,该实施方式具体解决了现有技术中无法联系欠款用户,扣款成功率低的问题。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (8)
1.基于预测账户余额的催收扣款方法,其特征在于:具体步骤如下:
步骤二:列出催收扣款的标签交叉矩阵:对所有催收扣款的标签项的取值进行分段,列出催收扣款的标签交叉矩阵:
步骤三:制作催收扣款的标签列表和账户余额间的关系矩阵:将催收扣款成功的金额作为扣款时用户账户余额最可能的金额,把每个标签交叉矩阵对应用户集的催收扣款成功金额作为用户账户余额的中介变量,列出催收扣款的标签列表和账户余额的关系矩阵:
步骤四:建立催收扣款账户余额的预测回归模型:基于回归模型对催收扣款标签和账户余额的关系矩阵进行计算,建立催收扣款的账户余额的预测回归模型:
2.根据权利要求1所述的基于预测账户余额的催收扣款方法,其特征在于:在步骤三中催收扣款的成功金额平均数和在步骤四中预测模型计算结果的中值可作为有过成功催收记录的用户的扣款金额,但在实际操作中应扣金额以步骤四中预测模型计算结果的中值为先。
3.根据权利要求1所述的基于预测账户余额的催收扣款方法,其特征在于:在步骤四中的预测模型计算结果可作为没有成功催收扣款记录用户的扣款应扣金额。
4.根据权利要求1所述的基于预测账户余额的催收扣款方法,其特征在于:在步骤四中根据预测的扣款结果金额进行扣款,若扣款成功,则将扣款结果返还到预测回归模型中,使预测回归模型的预测计算还款金额清零;若扣款失败,则将扣款结果反馈到步骤一中的用户变量内,使之产生新的催收扣款的标签列表,循环执行步骤二、步骤三和步骤四,重新计算应扣金额,并循环执行扣款,若扣款成功则执行结束,步骤四中预测计算还款金额清零,若扣款失败则循环执行步骤一到步骤四,但当扣款失败次数超过n次,则也执行结束。
5.根据权利要求1-4任意一项所述的基于预测账户余额的催收扣款方法的催收扣款装置,其特征在于:包括用户数据服务模块(1),所述用户数据服务模块(1)的输出端连接有数据整理模块(2),所述数据整理模块(2)的输出端连接有数据处理模块(3),所述数据处理模块(3)的输出端连接有扣款执行模块(4),所述扣款执行模块(4)的输出端连接有扣款结果存储服务模块(5),所述扣款结果存储服务模块(5)的输出端与用户数据服务模块(1)的输入端相连接;
所述用户数据服务模块(1)用于存储用户数据,并方便为用户提供还款操作服务;
所述数据整理模块(2)用于通过用户数据服务模块(1)获得所有用户的数据,并整理完数据后将用户变量传输到数据处理模块(3);
所述数据处理模块(3)用于通过账户余额预测算法计算应扣还款金额,并向扣款执行模块(4)下达催收扣款命令;
所述扣款执行模块(4)用于将扣款结果存储在扣款结果存储服务模块(5)中;
所述扣款结果存储服务模块(5)用于存储扣款结果,并将失败的扣款数据返还到用户数据服务模块(1)。
6.根据权利要求1-4任意一项所述的基于预测账户余额的催收扣款方法的催收扣款存储介质,其特征在于:包括数据获取模块(101),所述数据获取模块(101)的输出端连接有账户预测模块(102),所述账户预测模块(102)的输出端连接有账户扣款模块(103),所述账户扣款模块(103)的输出端与数据获取模块(101)的输入端相连接;
所述数据获取模块(101)用于在接收到目标用户需要执行逾期扣款的指令请求的情况下,根据预设模型获取初始用户信息集合;
所述账户预测模块(102)用于根据目标用户的信息数据,预测用户账户可用金额;
所述账户扣款模块(103)用于对目标用户的账户执行预测的可用金额的扣款。
7.根据权利要求6所述的基于预测账户余额的催收扣款存储介质,其特征在于:所述数据获取模块(101)提取的数据主要包括:用户个人信息(用户性别、用户所在地区、用户收入信息和用户职业分类)、用户的贷款信息(贷款金额、利息和还款计划)、用户的历史正常还款记录(历史正常扣款成功及失败的金额、时间和次数)和用户的催收扣款记录(催收扣款成功及失败的金额、时间和次数)。
8.根据权利要求7所述的基于预测账户余额的催收扣款存储介质,其特征在于:所述数据获取模块(101)提取数据的对象为0-30天内所有应还款用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110551599.8A CN113344693A (zh) | 2021-05-20 | 2021-05-20 | 基于预测账户余额的催收扣款方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110551599.8A CN113344693A (zh) | 2021-05-20 | 2021-05-20 | 基于预测账户余额的催收扣款方法、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113344693A true CN113344693A (zh) | 2021-09-03 |
Family
ID=77470024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110551599.8A Pending CN113344693A (zh) | 2021-05-20 | 2021-05-20 | 基于预测账户余额的催收扣款方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344693A (zh) |
-
2021
- 2021-05-20 CN CN202110551599.8A patent/CN113344693A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11037158B2 (en) | Bulk dispute challenge system | |
WO2021213250A1 (zh) | 安全业务交易 | |
US8490869B2 (en) | Predictive authorization techniques | |
US20080195534A1 (en) | Method for paying an obligation | |
RU2005128908A (ru) | Способ, система и компьютерная программа для обработки краткосрочных кредитов по требованию и для защиты от превышения кредита | |
EP1081628A1 (en) | Payment system and electronic purse unit | |
US20140164192A1 (en) | Franchise royalty and advertising fee collection | |
CN111046184B (zh) | 文本的风险识别方法、装置、服务器和存储介质 | |
US20180060839A1 (en) | Systems and methods for predicting chargeback stages | |
CN114912925A (zh) | 欺诈检测方法、装置、电子设备及计算机可读介质 | |
US8645245B2 (en) | Offset optimization system | |
CN111798300A (zh) | 债务清偿系统及债务管理方法 | |
US20090192810A1 (en) | Fraud detection system & method | |
KR20180023603A (ko) | 대출 중개 시스템 및 이에 이용되는 중개 서버 | |
CN113934727B (zh) | 多源异构金融数据的适配性采集与处理系统及其方法 | |
CN116091258A (zh) | 用于对账管理的数据处理方法和装置 | |
JP2002163458A (ja) | 口座振替管理方法及び同管理装置 | |
CN113344693A (zh) | 基于预测账户余额的催收扣款方法、装置和存储介质 | |
CN113554509B (zh) | 一种线上支付业务的处理方法、装置、介质及电子设备 | |
JP5779040B2 (ja) | 管理装置および管理方法 | |
CN112581251A (zh) | 一种拥有信用透支及消费贷款功能的系统 | |
CN111915421B (zh) | 一种银行系统内部交易的兑换处理方法及系统 | |
US20230141307A1 (en) | Reserve equated monthly installment account | |
CN112017029B (zh) | 信息提示方法及装置 | |
TWI818263B (zh) | 智能消費預估串接基金自動交易系統及其方法 |
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 |