CN113706295A - 基于数据分析的催收案件分配方法、装置、设备及介质 - Google Patents

基于数据分析的催收案件分配方法、装置、设备及介质 Download PDF

Info

Publication number
CN113706295A
CN113706295A CN202111014503.0A CN202111014503A CN113706295A CN 113706295 A CN113706295 A CN 113706295A CN 202111014503 A CN202111014503 A CN 202111014503A CN 113706295 A CN113706295 A CN 113706295A
Authority
CN
China
Prior art keywords
case
collection
urging
cases
overdue
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
Application number
CN202111014503.0A
Other languages
English (en)
Inventor
楚亚兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Puhui Enterprise Management Co Ltd
Original Assignee
Ping An Puhui Enterprise Management Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Puhui Enterprise Management Co Ltd filed Critical Ping An Puhui Enterprise Management Co Ltd
Priority to CN202111014503.0A priority Critical patent/CN113706295A/zh
Publication of CN113706295A publication Critical patent/CN113706295A/zh
Pending legal-status Critical Current

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
    • G06Q40/03—Credit; Loans; Processing thereof
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及计算机及人工智能技术领域，揭示了一种基于数据分析的催收案件分配方法、装置、设备及介质，其中方法包括：定时接收逾期案件，获取逾期案件关联的案件信息；根据逾期案件的案件信息分别计算对应的客户信用评级、借款额等级和逾期等级，综合计算得到逾期案件的催收案件评分；根据逾期案件的案件信息及催收案件评分对逾期案件关联的借款人发送短信和邮件进行自动催收；定时采集自动催收未成功的待催收案件，根据待催收案件的案件评分将待催案件匹配至对应级别的自动分案策略集；根据自动分案策略集将待催收案件分配至对应的催收机构及下属的催收员。从而实现资源分配最优化，减少催收人力成本和时间成本，提高平台催收效率和成功率。

Description

基于数据分析的催收案件分配方法、装置、设备及介质
技术领域
本申请涉及到计算机及人工智能技术领域，特别是涉及到一种基于数据分析的催收案件分配方法、装置、设备及介质。
背景技术
对于不同的信贷平台，案件分配都是整个贷后催收的核心部分，不同客户在不同时间以何种催收方式和催收频率进行催缴，需要根据不同的数据反馈和行业经验制定一个成本和回收率之间的最佳催收方案。尽管信贷平台在放款的过程中已经对客户进行了风险评估，但是在实际放款成功后，还是会经常出现客户逾期还款的情况，严重的甚至会导致坏账。为了减少平台损失，信贷平台会对逾期的借款进行催收。
传统的催收一般是将逾期的案件导入至系统，分配者根据催员在催案件数量尽量均等分配到各个催员，以保证催员在催案件数量的均衡。案件分配后，催员根据分配的案件信息采用电话沟通、外访等方式与客户沟通还款。然而这种传统方式需要大量的人力去分配案件，且容易在催收过程中和客户产生冲突，不利于信贷平台催收工作的进行，同时催员并不是及时做出催收响应导致案件处理时间较长，给平台成本带来很大的资源浪费，催收效率较低。
发明内容
本申请的主要目的为提供一种基于数据分析的催收案件分配方法、装置、设备及介质，旨在解决现有案件人工分配技术中资源分配不合理，且需要花费大量人力成本和时间成本，难以快速催收和催收成功率较低的技术问题。
为了实现上述发明目的，本申请实施例的第一方面提出一种基于数据分析的催收案件分配方法，所述方法包括：
定时接收若干个逾期案件，获取所述逾期案件关联的案件信息；其中，所述案件信息包括借款客户信息、借款金额信息和案件逾期天数；
根据每个逾期案件的案件信息分别计算对应的客户信用评级、借款额等级和逾期等级，并根据所述客户信用评级、借款额等级和逾期等级综合计算得到每个逾期案件的催收案件评分；
根据各个逾期案件的案件信息及催收案件评分对各个逾期案件关联的借款人发送短信和邮件进行自动催收；
定时采集在预设周期内自动催收未成功的待催收案件，并根据各个待催收案件的案件评分将各个待催案件匹配至对应级别的自动分案策略集，其中，所述自动分案策略集包括平均分配策略和比例分配策略；
根据所述自动分案策略集将若干个待催收案件分配至对应的催收机构及下属的催收员。
在第一方面的一种可能的实现方式中，在根据所述自动分案策略集将若干个待催收案件分配至对应的催收机构及下属的催收员之后，还包括如下步骤：
当分配至催收员的催收案件超过催收有效期且未催收成功时，自动回收该催收案件，重置该案件关联的催收信息，并记录案件催收历史情况。
在第一方面的一种可能的实现方式中，所述当分配至催收员的催收案件超过催收有效期且未催收成功时，自动回收该催收案件，重置该案件关联的催收信息，并记录案件催收历史情况之后，还包括如下步骤：
根据所述案件催收历史情况及案件信息，重新评定该案件的催收案件评分，匹配对应级别的自动分案策略后再次分配至对应的催收机构及下属的催收人员。
在第一方面的一种可能的实现方式中，所述比例分配策略，具体为：
统计各个催收机构分配的案件数以及催收成功案例数，计算各个催收机构的催收成功率；
按照各个机构催收成功率的高低排序进行催收案件比例分配；
完成比例分配后，统计任一催收机构下不同催收员的在催案件数量，将每个催收机构分配得到的催收案件按照催收员的处理效率排序进行分配。
在第一方面的一种可能的实现方式中，所述定时采集在预设周期内自动催收未成功的待催收案件，并根据各个待催收案件的案件评分将各个待催案件匹配至对应级别的自动分案策略集的步骤，还包括：
初始化自动分案策略集，预加载所有的自动分案策略并解析为策略表达式；
根据自动分案策略集中所有待催收案件对应的催收案件评分进行优先级排序，将所有待催收案件按序缓存至系统内存中的待分配队列。
在第一方面的一种可能的实现方式中，所述催收案件评分的计算方式为取客户信用评级、借款额等级和逾期等级中最差的等级评定进行评分。
在第一方面的一种可能的实现方式中，所述催收案件评分的计算方式采用熵值法计算得到客户信用评级、借款额等级和逾期等级对应的权重，根据客户信用评级、借款额等级和逾期等级对应的权重以及实际等级评分综合计算出催收案件评分。
本申请实施例的第二方面还提出了一种基于数据分析的催收案件分配装置，包括：
案件获取模块，用于定时接收若干个逾期案件，获取所述逾期案件关联的案件信息；其中，所述案件信息包括借款客户信息、借款金额信息和案件逾期天数；
案件评分模块，用于根据每个逾期案件的案件信息分别计算对应的客户信用评级、借款额等级和逾期等级，并根据所述客户信用评级、借款额等级和逾期等级综合计算得到每个逾期案件的催收案件评分；自动催收模块，用于根据各个逾期案件的案件信息及催收案件评分对各个逾期案件关联的借款人发送短信和邮件进行自动催收；
自动分案策略模块，用于定时采集在预设周期内自动催收未成功的待催收案件，并根据各个待催收案件的案件评分将各个待催案件匹配至对应级别的自动分案策略集，其中，所述自动分案策略集包括平均分配策略和比例分配策略；
案件分配模块，用于根据所述自动分案策略集将若干个待催收案件分配至对应的催收机构及下属的催收员。
本申请实施例的第三方面还提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请实施例的第四方面还提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本申请的基于数据分析的催收案件分配方法、装置、设备及介质，定时接收若干个逾期案件，并获取逾期案件关联的案件信息，通过系统批量导入逾期案件，并自动获取每个逾期案件所关联的具体案件信息，从而为后续对客户进行多维度评级提供精确可靠的数据基础；根据案件信息分别计算该案件对应的客户信用评级、借款额等级和逾期等级后，综合计算得到该案件的催收案件评分，通过对客户进行多维度评级以及对案件的综合评分，能够快速计算出该催收案件的难易情况，有利于后续分配案件时实现资源分配最优化，提高平台的催收效率；通过在分配待催收案件之前先通过短信或邮件方式进行自动催收，若催收成功则无需后续人工进行催收，有效缩短催收流程，提高催收效率，减少催收人力成本和时间成本；定时采集在预设周期内自动催收未成功的待催收案件，并根据各个待催收案件的案件评分将各个待催案件匹配至对应级别的自动分案策略集，根据自动分案策略集将各个待催收案件分配至对应的催收机构及下属的催收员，完成案件的自动分配，将催收员的业务水平及催收情况和案件的难易轻度进行匹配，从而实现资源分配最优化的同时，极大的解决催收系统人力人本，减少了催收过程不必要的冲突，提高平台催收效率和成功率。
附图说明
图1为本申请一实施例的基于数据分析的催收案件分配方法的流程示意图；
图2为本申请一实施例的基于数据分析的催收案件分配装置的结构示意框图；
图3为本申请一实施例的计算机设备的结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，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。本申请实施例通过对逾期案件的案件信息进行数据分析，从而获取最优的智能自动分案策略，实现资源分配最优化，提高分案效率和催收成功率。
参照图1，本申请实施例中提供一种为了实现上述发明目的，本申请提出一种基于数据分析的催收案件分配方法，所述方法包括：
S1、定时接收若干个逾期案件，获取所述逾期案件关联的案件信息；其中，所述案件信息包括借款客户信息、借款金额信息和案件逾期天数；
S2、根据每个逾期案件的案件信息分别计算对应的客户信用评级、借款额等级和逾期等级，并根据所述客户信用评级、借款额等级和逾期等级综合计算得到每个逾期案件的催收案件评分；
S3、根据各个逾期案件的案件信息及催收案件评分对各个逾期案件关联的借款人发送短信和邮件进行自动催收；
S4、定时采集在预设周期内自动催收未成功的待催收案件，并根据各个待催收案件的案件评分将各个待催案件匹配至对应级别的自动分案策略集，其中，所述自动分案策略集包括平均分配策略和比例分配策略；
S5、根据所述自动分案策略集将若干个待催收案件分配至对应的催收机构及下属的催收员。
本申请应用于信贷平台的贷后催收，尤其是信贷平台和催收机构及其催收人员之间的催收案件分配，尽管信贷平台在放贷前已经对客户进行了信用评估，但是在实际放款成功后，还是会经常出现客户逾期还款的情况，严重的甚至会导致坏账，高坏账率一直是行业内的难言之隐。目前，贷款公司都是将案件通过人工分配到催收人员手中进行催收，但是遇到案件数量众多的情况下，人工分配效率低下，严重影响案件的分配速度。
本实施例定时接收若干个逾期案件，并获取逾期案件关联的案件信息，通过系统批量导入逾期案件，并自动获取每个逾期案件所关联的具体案件信息，从而为后续对客户进行多维度评级提供精确可靠的数据基础；根据案件信息分别计算该案件对应的客户信用评级、借款额等级和逾期等级后，综合计算得到该案件的催收案件评分，通过对客户进行多维度评级以及对案件的综合评分，能够快速计算出该催收案件的难易情况，有利于后续分配案件时实现资源分配最优化，提高平台的催收效率；通过在分配待催收案件之前先通过短信或邮件方式进行自动催收，若催收成功则无需后续人工进行催收，有效缩短催收流程，提高催收效率，减少催收人力成本和时间成本；定时采集在预设周期内自动催收未成功的待催收案件，并根据各个待催收案件的案件评分将各个待催案件匹配至对应级别的自动分案策略集，根据自动分案策略集将各个待催收案件分配至对应的催收机构及下属的催收员，完成案件的自动分配，将催收员的业务水平及催收情况和案件的难易轻度进行匹配，从而实现资源分配最优化的同时，极大的解决催收系统人力人本，减少了催收过程不必要的冲突，提高平台催收效率和成功率。
对于步骤S1，首先向预先确定的上级案件管理系统发送获取逾期待催收案件的指令，上级案件管理系统确认后，接收上级系统发送的逾期案件，并获取催收逾期案件的相关案件信息，至少包括借款基本信息、借款逾期信息或者借款客户信息、案件号、入催时信息、案件逾期信息。其中，借款客户信息包括工作状况、收入状况以及负债状况。本发明通过系统批量导入逾期案件，并自动获取每个逾期案件所关联的具体案件信息，从而为后续对客户进行多维度评级提供精确可靠的数据基础，有利于针对性地分配案件，提高催收效率。
对于步骤S2，现有人工分配案件方式一般通过分配人员进行分配，在分配过程中，仅仅是根据案件逾期时间或者借款金额其中一个方面进行分配，例如借款金额较大或者逾期天数较多，则分配至有经验有效率的催收人员，这种分配方式存在分配不均匀和不公平的缺点，容易导致某些催收人员案件过多或过少，导致催收效率不稳定且低下的问题。
而在本实施例中，步骤S2在自动获取每个逾期案件所关联的具体案件信息后，根据预设的评级规则对该逾期案件对应的客户进行多维度评级，包括客户信用评级、借款额等级和逾期等级，完成多维度评分后，根据该催收案件的客户信用评级、借款额等级和逾期等级综合计算得到该催收案件的案件评分，其中，催收案件评分的计算方式包括取最差指标评分和权重评分两种方式。通过对客户进行多维度评级以及对案件的综合评分，能够快速计算出该催收案件的难易情况，有利于后续分配案件时实现资源分配最优化，提高平台的催收效率。
在具体的实施例中，计算客户信用评级的具体步骤如下，从案件信息中通过客户号调用客户管理系统的客户基本信息接口获取客户信息，从而根据客户资料中的个人学历、工作状况、收入状况和负债状况等计算客户信息，例如工作状况、收入状况及负债状况均正常时，根据客户的个人学历、收入状况对客户信用进行正常评级，若工作状况、收入状况及负债状况出现任意一个异常时，则不需考虑客户的个人学历，直接将客户信用评级评为最差。
对于计算借款额等级，则是接收上级案件管理系统下发具体借款金额明细，根据该案件中客户的借款金额直接评定借款额等级，例如大于50万为A级，大于40万小于50万为B级，大于30万小于40万为C级，大于20万小于10万为D级，小于10万为E级。
对于计算逾期等级，同样是通过接收上级案件管理系统下发的客户借款信息中获取，根据该案件客户的逾期天数计算逾期低等级，例如小于10天为A级，大于10天小于30天为B级，大于30天小于60天为C级，大于60天小于90天为D级，大于90天为E级。
对于步骤S3，根据获取的各个逾期案件的详细案件信息，自动识别出该催收案件的案件信息，包括客户信息及联系方式，同时根据该案件评分决定对关联客户的催收频率及方式，包括自动发送短信和邮件至客户进行催收。本发明通过在分配待催收案件之前先通过短信或邮件方式进行自动催收，若催收成功则无需后续人工进行催收，有效缩短催收流程，提高催收效率，减少催收人力成本和时间成本。
对于步骤S4，若在预设周期内(例如24小时)没有自动催收成功，则定时(每天0时)采集预设时间段内的自动催收不成功的逾期案件，根据该批逾期案件中各个案件的催收案件评分等级匹配对应级别的自动分案策略，包括大于预设分数值的待催收案件分配至平均分配策略集中，从而按照平均分配策略将符合条件的待催收案件进行分配，小于预设分数值的待催收案件分配至比例分配策略集中，从而按照比例分配策略将符合条件的待催收案件进行分配。从而能够针对不同案件的案件评分等级来对批量案件进行自动分配，分配至对应的机构和该机构下属的不同催收员，能够有效提高案件催收的成功率，实现资源分配最优化。
对于步骤S5，根据步骤S4匹配得到的自动分案策略集，将该批案件的各个待催收案件自动分配至对应的催收机构以及下属的催收员，并以短信和邮件提醒催员，完成案件的自动分配。同时，结合各个催收机构和催收员当前的任务量，按需进行自动分案策略的配置，能够将催收员的业务水平及催收情况和案件的难易轻度进行匹配，实现资源分配最优化的同时，极大的解决催收系统人力人本，减少了催收过程不必要的冲突，提高平台催收效率。
在一种优选的实施例中，在根据所述自动分案策略集将若干个待催收案件分配至对应的催收机构及下属的催收员之后，还包括如下步骤：
S6、当分配至催收员的催收案件超过催收有效期且未催收成功时，自动回收该催收案件，重置该案件关联的催收信息，并记录案件催收历史情况。
对于步骤S6，当分配给催员的案件到催收有效期，且逾期借款未追回时，将此案件做自动回收处理，重置案件关联的催收信息，包括催收机构和催员等信息，回收时记录案件催收历史信息，记录当时案件催收情况，为后续案件重新评分和分配提供历史数据参考，提高二次催收的效率和成功率。
在借款被追回后，该催收案件的状态会变成已经出催，催收系统不再分配此类案件，同时会将借款追回的信息下发到财务系统，财务系统会对这部分还款做对账等处理。
在一种优选的实施例中，所述当分配至催收员的催收案件超过催收有效期且未催收成功时，自动回收该催收案件，重置该案件关联的催收信息，并记录案件催收历史情况之后，还包括如下步骤：
S7、根据所述案件催收历史情况及案件信息，重新评定该案件的催收案件评分，匹配对应级别的自动分案策略后再次分配至对应的催收机构及下属的催收人员。
对于步骤S7，在第一次催收周期失败后，还会根据案件催收历史情况及案件信息，重新评定该案件的催收案件评分，催收案件评分的评定方式与前一次催收案件评分相似，根据更新后的客户信用评级、借款额等级和逾期等级进行综合计算，得到每个催收失败案件的最新催收案件评分，从而匹配对应级别的自动分案策略后，再次分配至催收机构以及下属催收人员，同时，在二次分配过程中，还会计算前一次催收人员的成功率，通过统计该催收案件前一次所分配的催收人员当前的催收成功率，并匹配成功率比前一次催收机构及人员更高的催收机构及催收人员，本发明通过对案件进行二次评分和匹配，能够提高案件催收的成功率，避免借贷平台出现坏账的情况。
在一种优选的实施例中，所述比例分配策略，具体为：
统计各个催收机构分配的案件数以及催收成功案例数，计算各个催收机构的催收成功率；
按照各个机构催收成功率的高低排序进行催收案件比例分配；
完成比例分配后，统计任一催收机构下不同催收员的在催案件数量，将每个催收机构分配得到的催收案件按照催收员的处理效率排序进行分配。
本实施例通过两种不同分配方式至催收机构，并对催收人员的分案进行二次分配，能够有效针对不同等级的催收案件后续催收工作的开展，有利于提高催收效率，减少催收人力成本和时间成本。
在具体的实施例中，自动分案策略包括平均分配和比例分配。其中，比例分配的具体过程包括：每个月会根据各个催收机构分配到的案件数以及催收成功案例数计算催收成功率，然后按照由高到低排序，排序最高的占用的可分配比例值相应的就大，比如总共4家催收机构，那么按照催收率由高到低分配机构可催收比例就是(40％，30％，20％，10％)到不同的催收机构，然后再评估当前催收机构下所有催收员的在催案件数量以及催收效率，将案件分配至催收处理效率较高的催员名下并短信和邮件提醒催员。
而平均分配则是当前待分配案件总数除以统计催收机构总数取整，按照取整结果划分待催收案件数量之后，平均分配到各个催收机构。而在平均分配至各个催收机构后，还可以再次按照比例分配或平均分配分配至对应的催收人员，统计不同催收机构下属的催收员的已分配的案件总数以及催收案件成功案例总数，计算机构及催收员的催收成功率，从而在将待催收案件分配至对应的催收机构后，根据该机构下属催收员的催收成功率及已分配案件数按照预设分配规则进行自动分案策略的二次配置，包括将将催收员的业务水平及催收情况和案件的难易情况进行匹配，实现资源分配最优化，极大的节约催收系统人力成本，减少了催收过程中不必要冲突，提升平台催收效率。
在一种优选的实施例中，所述定时采集在预设周期内自动催收未成功的待催收案件，并根据各个待催收案件的案件评分将各个待催案件匹配至对应级别的自动分案策略集的步骤，还包括：
初始化自动分案策略集，预加载所有的自动分案策略并解析为策略表达式；
根据自动分案策略集中所有待催收案件对应的催收案件评分进行优先级排序，将所有待催收案件按序缓存至系统内存中的待分配队列。
在具体的实施例中，在根据各个待催收案件的案件评分将各个待催案件匹配至对应级别的自动分案策略集的步骤之中，还包括将自动分案策略集初始化，预加载所有的自动分案策略解析成策略表达式，根据自动分案策略集中所有待催收案件对应的催收案件评分进行优先级排序，从而将所有待催收案件根据优先级排序缓存至系统内存中的待分案队列，其中每个自动分案策略都会对应初始值信息，包括：当前案件的分配总量C＝0，催收机构A分配的案件总量N＝0，催员分配的案件总数M＝0。本发明通过将自动分案策略解析为策略表达式，并通过将案件评分代入至策略表达式，能够使得系统直接分析该案件评分，从而根据案件评分优先级进行排序，提前按照排序缓存至系统内存中，从而使得在根据自动分案策略集进行分案时，能够根据提前优先级排序的缓存快速将案件分配至各个机构以及催收人员的名下，减少系统计算压力的同时，提高案件自动分配的效率。
在一种优选的实施例中，所述催收案件评分的计算方式为取客户信用评级、借款额等级和逾期等级中最差的等级评定进行评分。
在具体的实施例中，催收案件评分的其中一种计算方式为取最差指标评分，根据客户信用评级、借款额等级和逾期等级三者取最差的等级判定进行计算，例如某个案件最差的等级是逾期等级，其逾期等级为C级，则该案件对应的催收案件评分为C级对应的分数。通过对客户信用评级、借款额等级和逾期等级三者中等级判定最差的作为催收案件评分的对应的等级，主要突出该三个指标中评级最差的指标，从而计算出该逾期案件的综合评分，使得后续分配案件时能够针对最差指标优先进行评价和分配，提高后续催收案件的效率。
在一种优选的实施例中，所述催收案件评分的计算方式采用熵值法计算得到客户信用评级、借款额等级和逾期等级对应的权重，根据客户信用评级、借款额等级和逾期等级对应的权重以及实际等级评分综合计算出催收案件评分。
在具体的实施例中，催收案件评分的其中一种计算方式为权重评分，首先对客户信用评级、借款额等级和逾期等级所对应的数据进行标准化处理，完成标准化处理后采用熵值法计算各项指标信息熵值和信息效用值，从而计算出客户信用评级、借款额等级和逾期等级分别所对应的权重，最终根据客户信用评级、借款额等级和逾期等级分别所对应的权重及实际等级计算能出综合评分等级，通过权重评分方式计算出逾期案件对应的催收案件评分这一方式，能够体现出对逾期案件的三个指标进行综合评价，综合考虑各项指标对案件评分的影响，从而提高对评价案件催收难度的准确度和可靠性，提高后续催收案件的成功率。
参照图2，本申请还提出了一种基于数据分析的催收案件分配装置，包括：
案件获取模块100，用于定时接收若干个逾期案件，获取所述逾期案件关联的案件信息；其中，所述案件信息包括借款客户信息、借款金额信息和案件逾期天数；
案件评分模块200，用于根据每个逾期案件的案件信息分别计算对应的客户信用评级、借款额等级和逾期等级，并根据所述客户信用评级、借款额等级和逾期等级综合计算得到每个逾期案件的催收案件评分；自动催收模块300，用于根据各个逾期案件的案件信息及催收案件评分对各个逾期案件关联的借款人发送短信和邮件进行自动催收；
自动分案策略模块400，用于定时采集在预设周期内自动催收未成功的待催收案件，并根据各个待催收案件的案件评分将各个待催案件匹配至对应级别的自动分案策略集，其中，所述自动分案策略集包括平均分配策略和比例分配策略；
案件分配模块500，用于根据所述自动分案策略集将若干个待催收案件分配至对应的催收机构及下属的催收员。
本实施例定时接收若干个逾期案件，并获取逾期案件关联的案件信息，通过系统批量导入逾期案件，并自动获取每个逾期案件所关联的具体案件信息，从而为后续对客户进行多维度评级提供精确可靠的数据基础；根据案件信息分别计算该案件对应的客户信用评级、借款额等级和逾期等级后，综合计算得到该案件的催收案件评分，通过对客户进行多维度评级以及对案件的综合评分，能够快速计算出该催收案件的难易情况，有利于后续分配案件时实现资源分配最优化，提高平台的催收效率；通过在分配待催收案件之前先通过短信或邮件方式进行自动催收，若催收成功则无需后续人工进行催收，有效缩短催收流程，提高催收效率，减少催收人力成本和时间成本；定时采集在预设周期内自动催收未成功的待催收案件，并根据各个待催收案件的案件评分将各个待催案件匹配至对应级别的自动分案策略集，根据自动分案策略集将各个待催收案件分配至对应的催收机构及下属的催收员，完成案件的自动分配，将催收员的业务水平及催收情况和案件的难易轻度进行匹配，从而实现资源分配最优化的同时，极大的解决催收系统人力人本，减少了催收过程不必要的冲突，提高平台催收效率和成功率。
在优选的实施例中，所述基于数据分析的催收案件分配装置，还包括：
案件回收模块600，用于当分配至催收员的催收案件超过催收有效期且未催收成功时，自动回收该催收案件，重置该案件关联的催收信息，并记录案件催收历史情况。
在优选的实施例中，所述基于数据分析的催收案件分配装置，还包括：
案件二次分配模块700，用于根据所述案件催收历史情况及案件信息，重新评定该案件的催收案件评分，匹配对应级别的自动分案策略后再次分配至对应的催收机构及下属的催收人员。
参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于储存基于数据分析的催收案件分配方法等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于数据分析的催收案件分配方法。所述基于数据分析的催收案件分配方法，包括：定时接收若干个逾期案件，获取所述逾期案件关联的案件信息；其中，所述案件信息包括借款客户信息、借款金额信息和案件逾期天数；根据每个逾期案件的案件信息分别计算对应的客户信用评级、借款额等级和逾期等级，并根据所述客户信用评级、借款额等级和逾期等级综合计算得到每个逾期案件的催收案件评分；根据各个逾期案件的案件信息及催收案件评分对各个逾期案件关联的借款人发送短信和邮件进行自动催收；定时采集在预设周期内自动催收未成功的待催收案件，并根据各个待催收案件的案件评分将各个待催案件匹配至对应级别的自动分案策略集，其中，所述自动分案策略集包括平均分配策略和比例分配策略；根据所述自动分案策略集将若干个待催收案件分配至对应的催收机构及下属的催收员。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种基于数据分析的催收案件分配方法，包括步骤：定时接收若干个逾期案件，获取所述逾期案件关联的案件信息；其中，所述案件信息包括借款客户信息、借款金额信息和案件逾期天数；根据每个逾期案件的案件信息分别计算对应的客户信用评级、借款额等级和逾期等级，并根据所述客户信用评级、借款额等级和逾期等级综合计算得到每个逾期案件的催收案件评分；根据各个逾期案件的案件信息及催收案件评分对各个逾期案件关联的借款人发送短信和邮件进行自动催收；定时采集在预设周期内自动催收未成功的待催收案件，并根据各个待催收案件的案件评分将各个待催案件匹配至对应级别的自动分案策略集，其中，所述自动分案策略集包括平均分配策略和比例分配策略；根据所述自动分案策略集将若干个待催收案件分配至对应的催收机构及下属的催收员。
上述执行的基于数据分析的催收案件分配方法，本实施例首先定时接收若干个逾期案件，并获取逾期案件关联的案件信息，通过系统批量导入逾期案件，并自动获取每个逾期案件所关联的具体案件信息，从而为后续对客户进行多维度评级提供精确可靠的数据基础；根据案件信息分别计算该案件对应的客户信用评级、借款额等级和逾期等级后，综合计算得到该案件的催收案件评分，通过对客户进行多维度评级以及对案件的综合评分，能够快速计算出该催收案件的难易情况，有利于后续分配案件时实现资源分配最优化，提高平台的催收效率；通过在分配待催收案件之前先通过短信或邮件方式进行自动催收，若催收成功则无需后续人工进行催收，有效缩短催收流程，提高催收效率，减少催收人力成本和时间成本；定时采集在预设周期内自动催收未成功的待催收案件，并根据各个待催收案件的案件评分将各个待催案件匹配至对应级别的自动分案策略集，根据自动分案策略集将各个待催收案件分配至对应的催收机构及下属的催收员，完成案件的自动分配，将催收员的业务水平及催收情况和案件的难易轻度进行匹配，从而实现资源分配最优化的同时，极大的解决催收系统人力人本，减少了催收过程不必要的冲突，提高平台催收效率和成功率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种基于数据分析的催收案件分配方法，其特征在于，所述方法包括：
定时接收若干个逾期案件，获取所述逾期案件关联的案件信息；其中，所述案件信息包括借款客户信息、借款金额信息和案件逾期天数；
根据每个逾期案件的案件信息分别计算对应的客户信用评级、借款额等级和逾期等级，并根据所述客户信用评级、借款额等级和逾期等级综合计算得到每个逾期案件的催收案件评分；
根据各个逾期案件的案件信息及催收案件评分对各个逾期案件关联的借款人发送短信和邮件进行自动催收；
定时采集在预设周期内自动催收未成功的待催收案件，并根据各个待催收案件的案件评分将各个待催案件匹配至对应级别的自动分案策略集，其中，所述自动分案策略集包括平均分配策略和比例分配策略；
根据所述自动分案策略集将若干个待催收案件分配至对应的催收机构及下属的催收员。
2.根据权利要求1所述的基于数据分析的催收案件分配方法，其特征在于，在根据所述自动分案策略集将若干个待催收案件分配至对应的催收机构及下属的催收员之后，还包括如下步骤：
当分配至催收员的催收案件超过催收有效期且未催收成功时，自动回收该催收案件，重置该案件关联的催收信息，并记录案件催收历史情况。
3.根据权利要求2所述的基于数据分析的催收案件分配方法，其特征在于，所述当分配至催收员的催收案件超过催收有效期且未催收成功时，自动回收该催收案件，重置该案件关联的催收信息，并记录案件催收历史情况之后，还包括如下步骤：
根据所述案件催收历史情况及案件信息，重新评定该案件的催收案件评分，匹配对应级别的自动分案策略后再次分配至对应的催收机构及下属的催收人员。
4.根据权利要求1所述的基于数据分析的催收案件分配方法，其特征在于，所述比例分配策略，具体为：
统计各个催收机构分配的案件数以及催收成功案例数，计算各个催收机构的催收成功率；
按照各个机构催收成功率的高低排序进行催收案件比例分配；
完成比例分配后，统计任一催收机构下不同催收员的在催案件数量，将每个催收机构分配得到的催收案件按照催收员的处理效率排序进行分配。
5.根据权利要求1所述的基于数据分析的催收案件分配方法，其特征在于，所述定时采集在预设周期内自动催收未成功的待催收案件，并根据各个待催收案件的案件评分将各个待催案件匹配至对应级别的自动分案策略集的步骤，还包括：
初始化自动分案策略集，预加载所有的自动分案策略并解析为策略表达式；
根据自动分案策略集中所有待催收案件对应的催收案件评分进行优先级排序，将所有待催收案件按序缓存至系统内存中的待分配队列。
6.根据权利要求1所述的基于数据分析的催收案件分配方法，其特征在于，所述催收案件评分的计算方式为取客户信用评级、借款额等级和逾期等级中最差的等级评定进行评分。
7.根据权利要求1所述的基于数据分析的催收案件分配方法，其特征在于，所述催收案件评分的计算方式采用熵值法计算得到客户信用评级、借款额等级和逾期等级对应的权重，根据客户信用评级、借款额等级和逾期等级对应的权重以及实际等级评分综合计算出催收案件评分。
8.一种基于数据分析的催收案件分配装置，其特征在于，包括：
案件获取模块，用于定时接收若干个逾期案件，获取所述逾期案件关联的案件信息；其中，所述案件信息包括借款客户信息、借款金额信息和案件逾期天数；
案件评分模块，用于根据每个逾期案件的案件信息分别计算对应的客户信用评级、借款额等级和逾期等级，并根据所述客户信用评级、借款额等级和逾期等级综合计算得到每个逾期案件的催收案件评分；
自动催收模块，用于根据各个逾期案件的案件信息及催收案件评分对各个逾期案件关联的借款人发送短信和邮件进行自动催收；
自动分案策略模块，用于定时采集在预设周期内自动催收未成功的待催收案件，并根据各个待催收案件的案件评分将各个待催案件匹配至对应级别的自动分案策略集，其中，所述自动分案策略集包括平均分配策略和比例分配策略；
案件分配模块，用于根据所述自动分案策略集将若干个待催收案件分配至对应的催收机构及下属的催收员。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202111014503.0A 2021-08-31 2021-08-31 基于数据分析的催收案件分配方法、装置、设备及介质 Pending CN113706295A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111014503.0A CN113706295A (zh) 2021-08-31 2021-08-31 基于数据分析的催收案件分配方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111014503.0A CN113706295A (zh) 2021-08-31 2021-08-31 基于数据分析的催收案件分配方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN113706295A true CN113706295A (zh) 2021-11-26

Family

ID=78658147

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111014503.0A Pending CN113706295A (zh) 2021-08-31 2021-08-31 基于数据分析的催收案件分配方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN113706295A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114418732A (zh) * 2021-12-16 2022-04-29 上海浦东发展银行股份有限公司 一种信用卡电话催收系统及方法
CN115660816A (zh) * 2022-11-10 2023-01-31 杭州度言软件有限公司 一种催收款案件分配方法、系统以及计算机可读存储介质
CN116862668A (zh) * 2023-09-05 2023-10-10 杭州度言软件有限公司 一种提升催收效率的智能催收方法
CN116957239A (zh) * 2023-06-29 2023-10-27 上海数禾信息科技有限公司 待催收案件的分配方法、装置、计算机设备和存储介质
CN117151868A (zh) * 2023-10-25 2023-12-01 四川智筹科技有限公司 一种基于ai的分布式智能分案引擎的实现方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114418732A (zh) * 2021-12-16 2022-04-29 上海浦东发展银行股份有限公司 一种信用卡电话催收系统及方法
CN115660816A (zh) * 2022-11-10 2023-01-31 杭州度言软件有限公司 一种催收款案件分配方法、系统以及计算机可读存储介质
CN116957239A (zh) * 2023-06-29 2023-10-27 上海数禾信息科技有限公司 待催收案件的分配方法、装置、计算机设备和存储介质
CN116862668A (zh) * 2023-09-05 2023-10-10 杭州度言软件有限公司 一种提升催收效率的智能催收方法
CN116862668B (zh) * 2023-09-05 2023-11-24 杭州度言软件有限公司 一种提升催收效率的智能催收方法
CN117151868A (zh) * 2023-10-25 2023-12-01 四川智筹科技有限公司 一种基于ai的分布式智能分案引擎的实现方法
CN117151868B (zh) * 2023-10-25 2024-01-26 四川智筹科技有限公司 一种基于ai的分布式智能分案引擎的实现方法

Similar Documents

Publication Publication Date Title
CN113706295A (zh) 基于数据分析的催收案件分配方法、装置、设备及介质
CN109670938B (zh) 征信数据合并上报的方法和系统
CN104424598A (zh) 现金需求量预测装置与方法
CN106096854B (zh) 一种数据处理方法和装置
CN111062518B (zh) 基于人工智能的处理催收业务的方法、装置及存储介质
CN110097455B (zh) 银行客户优化配置方法及装置
CN112907356A (zh) 逾期催收方法、装置、系统及计算机可读存储介质
CN111353901A (zh) 风险识别监控方法、装置以及电子设备
CN113989020A (zh) 贷款逾期信息处理方法、装置、计算机设备及存储介质
CN110647724B (zh) 一种加清钞模型构建方法、模型构建设备及存储介质
US20140214643A1 (en) System and Method for Optimizing Collections Processing
CN111738824A (zh) 一种账务数据处理方式筛选方法、装置及系统
CN116993351A (zh) 基于银行账户风险等级的交易控制方法、装置及设备
CN116596659A (zh) 基于大数据风控的企业智能化信贷审批方法、系统及介质
CN115439030A (zh) 一种基于大数据分析的资金往来信息管理系统
CN112529682B (zh) 一种基于数据建模现金配钞的方法、智能终端、存储介质
CN114461326A (zh) 银行网点的自助终端界面处理方法及装置
CN111429125B (zh) 账户管理方法、装置、存储介质及电子设备
CN112037049A (zh) 银行卡收费方法及装置
KR101954133B1 (ko) 리얼타임 스마트 조회서비스 시스템
CN113298388A (zh) 汽车金融业务二级经销商监控系统及监控方法
CN114970932A (zh) 基于神经网络的交易规模预测方法及装置
CN117036010A (zh) 催收案件处理方法、装置、服务器及可读存储介质
CN114240586A (zh) 利率回溯方法、装置、计算机设备和存储介质
CN115563301A (zh) 一种用户生命周期预测方法及装置

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