CN113988671A - 企业信用风险评估方法、装置及应用 - Google Patents

企业信用风险评估方法、装置及应用 Download PDF

Info

Publication number
CN113988671A
CN113988671A CN202111287814.4A CN202111287814A CN113988671A CN 113988671 A CN113988671 A CN 113988671A CN 202111287814 A CN202111287814 A CN 202111287814A CN 113988671 A CN113988671 A CN 113988671A
Authority
CN
China
Prior art keywords
complaint
enterprise
index
monthly
information
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
CN202111287814.4A
Other languages
English (en)
Inventor
李圣权
裴正良
吴芳慈
张豪
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.)
CCI China Co Ltd
Original Assignee
CCI China 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 CCI China Co Ltd filed Critical CCI China Co Ltd
Priority to CN202111287814.4A priority Critical patent/CN113988671A/zh
Publication of CN113988671A publication Critical patent/CN113988671A/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
    • 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
    • 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"
    • 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)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提出了一种企业信用风险评估方法、装置及应用，该方案收集包括投诉信息在内的各类企业风险源数据，对各类企业风险源数据进行数据治理并调整后得到：经营异常指标、行政处罚指标、被执行指标、黑名单指标以及投诉异常指标的风险指标，基于风险指标和对应的权重计算获取企业的风险指标值，进而基于企业的风险指标值对企业进行不同等级的风险预警和管控。

Description

企业信用风险评估方法、装置及应用
技术领域
本申请涉及数据处理领域，特别是涉及企业信用风险评估方法、装置及应用。
背景技术
企业信用风险是指主体未能履行约定契约中的义务而造成对方经济损失的风险，侵害的对象包括：公民、法人和其他组织，社会公众等。企业信用风险管控指市监、工商的有关行政管理部门，根据关注对象已有风险预警源对即将发生的风险征兆作出初步判断并采取一定的措施处理解决，规避或者降低风险的发生的概率及危害性。
随着现阶段金融创新加速、发展快、出现众多乱象，违法违规行为不断发生，社会需要给予企业信用风险更大的关注度。目前企业信用风险事件分散于法院、工商、税务、市监、经信等监管、主管部门的业务系统，又存在于其他事件平台上，例如12315投诉举报平台、12345市民热线、110接处警平台、矛调案件平台等，而关于企业的风险时刻都存在，风险事件的引爆除了来自于风险源外，还与风险扩散过程中情报感知、动态监测、线下摸排、信息发布等环节的执行到位情况有关。
但由于目前对于企业风险管控存在监管资源错配、专业人才有限、部门信息孤岛、监管技术不完善等诸多问题，导致企业经营过程中的各类衍生风险及非法集资等潜在风险一直存在；而传统线下监管、现场实地检查等，越来越难做到及时发现、准确识别、有效处置，主要的不足体现在缺少风险源的统一汇总，事件的流转督办和闭环处置等环节的协同机制保障和技术支撑，监管资源、人才、权责、技术均不完善。
发明内容
本申请实施例提供了一种企业信用风险评估方法、装置及应用，该方案通过对原始数据进行大数据治理，基于治理后的风险源数据计算企业各项指标的得分，再基于各项风险指标的得分计算企业风险值，基于综合性、客观性高的企业风险值对企业风险进行预警。
第一方面，本申请实施例提供了一种企业信用风险评估方法，包括：获取针对企业的至少一投诉信息、至少一经营异常信息、至少一行政处罚信息、年度被执行名单和年度黑名单；基于每一所述投诉信息确定被投诉企业，并基于所有所述投诉信息确认所述被投诉企业的不同月份的企业月度投诉次数，基于连续月份的所述企业月度投诉次数计算获取企业月度投诉环比增长率，调取所述被投诉企业的经营异常信息并计算获取经营异常次数，调取所述被投诉企业的行政处罚信息并计算获取所述行政处罚次数；基于所述经营异常次数获取经营异常指标，基于所述行政处罚次数获取行政处罚指标，基于所述年度被执行名单获取被执行指标，基于所述年度黑名单获取黑名单指标，基于所述企业月度投诉环比增长率和企业月度投诉次数获取投诉异常指标；基于所述经营异常指标、所述行政处罚指标、所述被执行指标、所述黑名单指标和所述投诉异常指标和对应的权重计算获取所述被投诉企业的风险指标值。
第二方面，本申请实施例提供了一种企业信用风险评估装置，包括：数据获取单元，用于获取针对企业的至少一投诉信息、至少一经营异常信息、至少一行政处罚信息、年度被执行名单和年度黑名单；数据治理单元，用于基于每一所述投诉信息确定被投诉企业，并基于所有所述投诉信息确认所述被投诉企业的不同月份的企业月度投诉次数，基于连续月份的所述企业月度投诉次数计算获取企业月度投诉环比增长率，调取所述被投诉企业的经营异常信息并计算获取经营异常次数，调取所述被投诉企业的行政处罚信息并计算获取所述行政处罚次数；指标获取单元，用于基于所述经营异常次数获取经营异常指标，基于所述行政处罚次数获取行政处罚指标，基于所述年度被执行名单获取被执行指标，基于所述年度黑名单获取黑名单指标，基于所述企业月度投诉环比增长率和企业月度投诉次数获取投诉异常指标；风险指标值获取单元，用于基于所述经营异常指标、所述行政处罚指标、所述被执行指标、所述黑名单指标和所述投诉异常指标和对应的权重计算获取所述被投诉企业的风险指标值。
第三方面，本申请实施例提供了一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行企业信用风险评估方法。
第四方面，本申请实施例提供一种计算机程序产品，包括软件代码部分，当所述计算机程序产品在计算机上被运行时，所述软件代码部分用于执行企业信用风险评估方法。
第五方面，本申请实施例提供一种可读存储介质所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括上述实施例方法所述的企业信用风险评估方法。
本发明的主要贡献和创新点如下：
本申请实施例通过构建监测预警、常态监管、分类建模等能力中心，紧扣金融企业全生命周期特性，对区域内类金融机构以分类建模方式监测企业日常业务、经营运行、风险状态等，动态进行合规比对，实现全流程闭环监管。通过“中枢+网格”方式，数字赋能实时提供区域内金融风险预警预判预测信息，配合基层网格员手机端，以线上线下协同实现“监测-预警-处置-反馈”风险闭环管理。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的企业信用风险评估方法的流程图；
图2是根据本申请实施例的企业信用风险评估方法的逻辑示意图；
图3是根据本申请实施例的企业信用风险评估装置的结构框图；
图4是根据本申请实施例的电子装置的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。
实施例一
本方案提供一种企业信用风险评估方法、装置及应用，其也可对企业的经营风险进行预警，故本方案在介绍方案之前先介绍下本方案的研究背景。
企业的经营风险一般都有先兆，并非不可预测。通过以失信企业名单数据和失信被执行企业为研究对象，发现企业的投诉数据在时间维度上呈现某时间段的爆发期，爆发期后存在被法院立案有法院公告(合同纠纷)、立案信息。即企业有关的投诉、黑名单等政务数据与企业被法院立案之间存在关联，因此本发明针对企业的各类风险数据开展数据汇聚、数据治理、预警预测预判，通过数据融通，对企业进行全网监测，建立企业风险画像，构建企业信用风险预警模型，反映企业的信用经营情况，及时对问题企业进行预警研判，有效解决企业信用问题导致的各类衍生风险及非法集资等潜在风险持续存在等问题。
具体的，如图1所示，本方案提供一种企业信用风险评估方法，包括以下步骤：
获取针对企业的至少一投诉信息、至少一经营异常信息、至少一行政处罚信息、年度被执行名单和年度黑名单；
基于每一所述投诉信息确定被投诉企业，并基于所有所述投诉信息确认所述被投诉企业的不同月份的企业月度投诉次数，基于连续月份的所述企业月度投诉次数计算获取企业月度投诉环比增长率，调取所述被投诉企业的经营异常信息并计算获取经营异常次数，调取所述被投诉企业的行政处罚信息并计算获取所述行政处罚次数；
基于所述经营异常次数获取经营异常指标，基于所述行政处罚次数获取行政处罚指标，基于所述年度被执行名单获取被执行指标，基于所述年度黑名单获取黑名单指标，基于所述企业月度投诉环比增长率和企业月度投诉次数获取投诉异常指标；
基于所述经营异常指标、所述行政处罚指标、所述被执行指标、所述黑名单指标和所述投诉异常指标和对应的权重计算获取所述被投诉企业的风险指标值。
本方案对企业的各类风险数据进行治理分析后获取更为客观的风险指标值的评估。在本方案中，所述投诉信息、所述经营异常信息、所述行政处罚信息、所述年度被执行名单以及所述年度黑名单作为原始源数据，所述原始源数据可采自各类政府部门，这里所指代的政府部门包括但不限于：发改委、法院、市场监督局以及政法委。
在本方案的一实施例中，所述投诉信息选择为12315投诉信息，通过12315可获取社会群体对于企业的投诉内容。所述经营异常信息可获取自市场监督局，所述经营异常信息包括记录在案的企业经营出现异常情况的信息内容。所述行政处理信息可获取自市场监督局或者法院，所述行政处理信息包括政府单位对企业进行行政处罚的信息内容。所述年度被执行名单可获取自法院和/或市场监督局，所述年度被执行名单包括年度对企业进行执行的被执行企业。所述年度黑名单可获取自发改委、市场监督局和/或政改委，所述年度黑名单包括不符合管理规范的被列入黑名单的企业。
由于本方案收集的投诉信息至少是针对一个企业的投诉，故可分析所述投诉信息获取被投诉企业，进而根据所述被投诉企业获取所述被投诉企业的相关企业信息。具体的，所述投诉信息一般都包含在矛盾纠纷的事件描述中，但考虑到收集到的投诉信息较为杂乱，为了保证数据处理的高效和精准度。
故本方案在“基于每一所述投诉信息确定被投诉企业，并基于所有所述投诉信息确认所述被投诉企业的不同月份的企业月度投诉次数”之前额外包括步骤：对获取得到的所述投诉信息进行筛选，保留含有企业风险投诉内容的投诉信息。
具体的，由于和企业相关的投诉信息一般都包含在纠纷事件描述中，故可将所述投诉信息输入纠纷风险分类模型中，利用所述纠纷风险分类模型提取出与企业风险经验相关的投诉信息，此类投诉信息被定义为保留含有企业风险投诉内容的投诉信息。在本方案的实施例中，利用文本分析技术从收集得到的投诉信息的一长串的纠纷事件描述中提取与企业风险经验相关的特征词，比如爆雷、投诉、押金、跑路、退款等，将涉及到此类特征词的投诉信息定义为保留含有企业风险投诉内容的投诉信息。关于纠纷风险分类模型和文本分析技术均可采用成熟的现有技术。
在“基于每一所述投诉信息确定被投诉企业，并基于所有所述投诉信息确认所述被投诉企业的不同月份的企业月度投诉次数”中包括步骤：对所述投诉信息进行分析获取企业身份信息，基于所述企业身份信息确认被投诉企业，并统计所有所述投诉信息中对应所述被投诉企业的不同月份的企业月度投诉次数。
所述企业身份信息包括但不限于：企业的统一社会信用代码、成立日期、经营范围、登记地址以及营业状态，根据所述企业身份信息可确认被投诉信息。
从所有所述投诉信息中调取不同月份的所述被投诉企业的被投诉次数得到至少一对应不同月份的企业月度投诉次数。
值得一提的是，本方案通过中文分词技术，对投诉信息的纠纷描述内容进行分词、匹配；采用基于词向量的特征提取模型，通过神经网络模型训练，将每个词语映射成一个定维度的向量，每个向量就代表着这个词语，词语的语义和语法相似性和通过向量之间的相似度来判断；采用深度学习文本分类模型对识别出的特征文本进行分类，以识别所述投诉信息中的企业身份信息和投诉情况。
在本方案中设定：若存在被投诉的情况则记录为一次被投诉次数，也就是说，获取本月度所有所述投诉信息中包含所述被投诉企业的投诉信息的次数，该次数作为本月度所述被投诉企业的被投诉次数。
值得说明是，由于企业月度投诉次数的波动过大，无法衡量出真实的增长趋势，因此采用移动平均方法对企业月度投诉次数进行平滑处理。对企业月度投诉次数经过一次移动平均后月度投诉次数X′n的趋势波动性明显减小，但仍存在一定的起伏，对一次移动平均值进行移动平均得到的二次移动平均值X″n，很明显地突出了投诉量的发展趋势。根据二次移动平均值X″n，计算企业月度投诉环比增长率Vn＝(X″n-X″n-1)/X″n-1*100％，其中X″n-1为上月二次移动平均投诉次数
对应的，在“基于连续月份的所述企业月度投诉次数计算获取企业月度投诉环比增长率”中包括步骤：获取连续月份的所述企业月度投诉次数的平均值得到依月份次序连续的第一移动平均值，取连续的所述第一移动平均值的平均值得到依月份次序连续的第二移动平均值，利用前后两所述第二移动平均值的差值和置于前位的所述第二移动平均值的商值作为所述企业月度投诉环比增长率。
具体的，所述第二移动平均值依月份次序连续排布，所述置于前位的所述第二移动平均值对应的月份较小。具体示例说明：
若某被投诉企业的投诉次数情况如下：
一月份：10；二月份：12；三月份：8；四月份6；五月份：2。
则依照一月份到五月份得到依月份连续的第一移动平均值：
一月份和二月份的第一移动平均值：11；二月份和三月份的第一移动平均值：10；三月份和四月份的第一移动平均值：7；四月份和五月份的第一移动平均值为：4。
则依照第一移动平均值得到依月份次数连续的第二移动平均值：
一月份、二月份和三月份的第二移动平均值为：10.5；二月份、三月份和四月份的第二移动平均值为：8.5；三月份、四月份和五月份的第二移动平均值为：5.5。
则计算企业月度投诉环比增长率为：
(8.5-10.5)/10.5*100％＝-19.04％；(5.5-8.5)/8.5*100％＝-35.2％。
可以看到该企业的企业投诉环比增长率为负值，则代表该企业的投诉次数减少。
值得一提的是，在“获取连续月份的所述企业月度投诉次数的平均值得到依月份次序连续的第一移动平均值”中，以前后两月份的所述企业月度投诉次数计算所述第一移动平均值；且前后两次所述第一移动平均值的计算交叉同一月份的企业月度投诉次数。
在“取连续的所述第一移动平均值的平均值得到依月份次序连续的第二移动平均值”中，以前后两所述第一移动平均值计算所述第二移动平均值，且前后书两所述第二移动平均值的计算交叉同一第一移动平均值。
且本方案至少需要四个连续月份的所述企业月度投诉次数方可获取所述企业月度投诉环比增长率，若企业月度投诉环比增长率为正值，则表示该企业的投诉次数是在增加的；而若企业月度投诉环比增长率为负值，则表示该企业的投诉次数是在减少的。
在“调取所述被投诉企业的经营异常信息并计算获取经营异常次数，调取所述被投诉企业的行政处罚信息并计算获取所述行政处罚次数”中，依据所述被投诉信息调取对应的经营异常信息和行政处理信息，对所述经营异常信息进行文本分析后得到所述经营异常次数，对所述行政处罚信息进行文本分析后得到所述行政处罚次数。
在本方案中可设定：若所述经营异常信息中出现所述被投诉企业的情况，则所述经营异常次数加一，遍历所有经营异常信息得到所述被投诉企业的经营异常次数。相同的，在本方案中也可设定：若所述行政处罚信息中出现所述被投诉企业的情况，则所述行政处罚次数加一，遍历所有行政处罚信息得到所述被投诉企业的行政处罚次数。
在对以上数据进行清洗和治理后，本方案从企业月度投诉环比增长率、黑名单、被执行企业名单、行政处罚次数和经营异常次数这五个方面综合考虑评估企业的风险指标值。
值得一提的是，本方案可通过企业月度投诉环比增长率的情况来预判该企业是否存在风险。一般的，当企业出现经营异常的趋势时，对应的企业月度投诉环比增长率会出现某月突然增大的情况，因此，当企业月度投诉环比增长率突然增大后可以开始对该企业进行后续风险值的计算。
则在“基于所述经营异常次数获取经营异常指标，基于所述行政处罚次数获取行政处罚指标，基于所述年度被执行名单获取被执行指标，基于所述年度黑名单获取黑名单指标，基于所述企业月度投诉环比增长率获取投诉异常指标”步骤之前包括步骤：若所述企业月度投诉环比增长率大于设定阈值，则触发后续步骤；否之，结束对所述被投诉企业的风险判断。
而在进入对企业的信用风险值计算时，为了剔除异常数据，对异常增长率数据做处理，避免数据的不合理造成最终得分较大，对投诉异常指标的取值需进行适应性调整，调整规则示例性为：
Figure BDA0003333551540000091
当然，值得一提的是，该调整规则中的判断条件的阈值可根据实际情况进行调整。
对应的，“基于所述企业月度投诉环比增长率和企业月度投诉次数获取投诉异常指标”包括步骤：若所述企业月度投诉次数为0，则所述投诉异常指标为0；若所述投诉异常指标为0；若所述企业月度投诉次数小于设定阈值，且所述企业月度投诉环比增长率大于设定阈值，则所述投诉指标为所述企业月度投诉环比增长率的比例值；否之，所述投诉指标为所述企业月度投诉环比增长率。这个阈值是根据多次试验之后确定一个比较合理的阈值，为了剔除异常数据，对异常增长率数据做处理，避免数据的不合理造成最终得分较大。
在本方案中的一实施例中，选择最终经过移动平滑后的投诉次数作为企业月度投诉次数。此时，所述企业月度投诉次数为距离计算所述投诉异常指标时刻最接近的第二移动平均值，其中所述第二移动平均值的获取方式如下：获取连续月份的所述企业月度投诉次数的平均值得到依月份次序连续的第一移动平均值，取连续的所述第一移动平均值的平均值得到依月份次序连续的第二移动平均值。
在本方案的实施例中，也可选择不经处理的投诉次数作为企业月度投诉次数，此时，所述企业月度投诉次数为距离所述投诉异常指标时刻最接近的企业月度投诉次数。
在本方案的一实施例中，判断所述企业月度投诉次数的设定阈值为10；判断所述企业月度投诉环比增长率的设定阈值为30％。
进一步地，在“基于所述年度黑名单获取黑名单指标”步骤中，若所述被投诉企业被列入所述年度黑名单的话，则所述黑名单指标为1；若所述被投诉企业未被列入所述年度黑名单的话，则所述黑名单指标为0。
相同的，在“基于所述年度被执行名单获取被执行指标”步骤中，若所述被投诉企业被列入所述年度被执行名单的话，则所述被执行指标为1；若所述被投诉企业未被列入所述年度被执行名单的话，则所述被执行指标为0。
在“基于所述行政处罚次数获取行政处罚指标”步骤中，设定处罚指标异常阈值，若所述行政处罚次数大于处罚指标异常阈值时，则所述行政处罚指标为100，若所述行政处罚次数为0时，则所述行政处罚指标为0；若所述行政处罚次数小于所述处罚指标异常阈值时且不为0时，所述行政处罚指标为0-100中的中间值。
在本方案的一实施例中，处罚指标异常阈值为8次，中间值为70。对应的，所述行政处罚指标的获取以以下规则进行,Tn为行政处罚指标：
Figure BDA0003333551540000111
在“基于所述经营异常次数获取经营异常指标”步骤中，设定经营指标异常阈值，若所述经营异常次数大于处罚经营指标异常阈值时，则所述经营异常指标为100，若所述经营异常次数为0时，则所述经营异常指标为0；若所述经营异常次数小于所述经营指标异常阈值时且不为0时，所述经营异常指标为0-100中的中间值。这样的好处在于保持数据大小的一致性。
在本方案的一实施例中，经营指标异常阈值为4次，中间值为70。对应的，所述行政处罚指标的获取以以下规则进行,Pn为行政处罚指标：
Figure BDA0003333551540000112
在“基于所述经营异常指标、所述行政处罚指标、所述被执行指标、所述黑名单指标和所述投诉异常指标和对应的权重计算获取所述被投诉企业的风险指标值”步骤中，所述风险指标值为：所述经营异常指标和对应的权重的乘积、所述行政处罚指标和对应的权重的乘积，所述被执行指标和对应的权重的乘积，所述黑名单指标和对应的权重的乘积以及所述投诉异常指标和对应的权重的乘积的总和。
如下公式所示：
Yn＝ω1V′n+ω2Qn+ω3Sn+ω4Tn+ω5Pn
其中ω1为投诉异常指标的权重，ω2为黑名单指标的权重，ω3为被执行指标的权重，ω4为行政处罚指标的权重，ω5为经营异常指标的权重，Vn’为投诉异常指标，Qn为黑名单指标，Sn为被执行指标，Tn为行政处罚指标，Pn为经营异常指标。
在一些实施例中，在获取了企业的风险指标值后，再通过覆盖指数、健康指数、受理指数、处置指数等维度，全方位的评价企业的经营风险，实现风险的多位评估，全面掌握。
对应的，本方案在“基于所述经营异常指标、所述行政处罚指标、所述被执行指标、所述黑名单指标和所述投诉异常指标和对应的权重计算获取所述被投诉企业的风险指标值”之后包括步骤：获取覆盖指数、健康指数、受理指数、处置指数，综合展示所述覆盖指数、所述健康指数、所述受理指数、所述处置指数以及所述风险指标值。
在本方案中，覆盖指数为网格员已覆盖涉金融企业数/已纳管涉金融企业总数，目标值100％；健康指数为辖区内无风险及低风险涉金融企业数/已纳管涉金融企业总数，目标值100％；受理指数为已受理问题数/网格员上报总数，目标值100％；处置指数为已处置问题数/下发总问题数，目标值100％。这几个数据可以是系统填报的，也可以是从其他系统中对接获取。
本方案将企业风险指标值、覆盖指数、健康指数、受理指数、处置指数进行一屏展示，实现各类指数的监测预警。企业信用风险评估机制将线上预警与线下治理相结合，末端处理与前端治理相结合，可有效地将矛盾化解在萌芽阶段，避免社会矛盾爆发的同时，极大节约社会资源，可谓一举多得。将企业信用风险评估机制建设工作作为数字赋能市域治理安全风险防控的重要工作来抓,加强实时动态监测,加强事中即时管控,加强研判分析运用；建立督查通报机制，定期开展工作任务落实情况督促检查，建立规范化管理档案，做到真督、实查、严考，确保各项工作顺利推进。
另外在一些实施例中，在获取了企业的风险指标值后，还可借鉴“健康码”理念，对企业风险进行预测。
对应的，本方案在“基于所述经营异常指标、所述行政处罚指标、所述被执行指标、所述黑名单指标和所述投诉异常指标和对应的权重计算获取所述被投诉企业的风险指标值”之后包括步骤：基于所述风险指标值将所述被投诉企业划分为不同风险等级，基于不同风险等级给予不同的管控提示。
在本方案的实施例中，当风险指标值的得分≥60分时，为绿码，表明企业经营正常，发生信用风险概率低；当30<风险指标值的得分<60分时，为黄码，表明企业经营出现异常，发生信用风险概率较高，需要核查反馈；当风险指标值的得分≤30分时，为红码，表明企业经营出现重大问题，发生信用风险概率高，需引起高度重视。管理手段可以为：根据公司风险分值高低，对红码和黄码公司下发“风险企业核查单”，流转至辖区派出所具体的扫楼落实人员，要求在限定时间内根据核查要求反馈；并对核查情况要求图文上传，由经侦扫楼队员督导工作质量；并对各所录入、核查落实情况进行实时统计实绩排名。
实施例二
基于和实施例一相同的构思，参考图3，本申请还提出了一种企业信用风险评估装置，包括：
数据获取单元301，用于获取针对企业的至少一投诉信息、至少一经营异常信息、至少一行政处罚信息、年度被执行名单和年度黑名单；
数据治理单元302，用于基于每一所述投诉信息确定被投诉企业，并基于所有所述投诉信息确认所述被投诉企业的不同月份的企业月度投诉次数，基于连续月份的所述企业月度投诉次数计算获取企业月度投诉环比增长率，调取所述被投诉企业的经营异常信息并计算获取经营异常次数，调取所述被投诉企业的行政处罚信息并计算获取所述行政处罚次数；
指标获取单元303，用于基于所述经营异常次数获取经营异常指标，基于所述行政处罚次数获取行政处罚指标，基于所述年度被执行名单获取被执行指标，基于所述年度黑名单获取黑名单指标，基于所述企业月度投诉环比增长率和企业月度投诉次数获取投诉异常指标；
风险指标值获取单元304，用于基于所述经营异常指标、所述行政处罚指标、所述被执行指标、所述黑名单指标和所述投诉异常指标和对应的权重计算获取所述被投诉企业的风险指标值。
关于该实施例的具体内容同于实施例一，故重复内容在本方案中不重复说明。
实施例三
本实施例还提供了一种电子装置，参考图4，包括存储器404和处理器402，该存储器404中存储有计算机程序，该处理器402被设置为运行计算机程序以执行上述任一项企业信用风险评估方法实施例中的步骤。
具体地，上述处理器402可以包括中央处理器(CPU)，或者特定集成电路(ApplicationSpecificIntegratedCircuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器404可以包括用于数据或指令的大容量存储器404。举例来说而非限制，存储器404可包括硬盘驱动器(HardDiskDrive，简称为HDD)、软盘驱动器、固态驱动器(SolidStateDrive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(UniversalSerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器404可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器404可在数据处理装置的内部或外部。在特定实施例中，存储器404是非易失性(Non-Volatile)存储器。在特定实施例中，存储器404包括只读存储器(Read-OnlyMemory，简称为ROM)和随机存取存储器(RandomAccessMemory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(ProgrammableRead-OnlyMemory，简称为PROM)、可擦除PROM(ErasableProgrammableRead-OnlyMemory，简称为EPROM)、电可擦除PROM(ElectricallyErasableProgrammableRead-OnlyMemory，简称为EEPROM)、电可改写ROM(ElectricallyAlterableRead-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(StaticRandom-AccessMemory，简称为SRAM)或动态随机存取存储器(DynamicRandomAccessMemory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器404(FastPageModeDynamicRandomAccessMemory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(ExtendedDateOutDynamicRandomAccessMemory，简称为EDODRAM)、同步动态随机存取内存(SynchronousDynamicRandom-AccessMemory，简称SDRAM)等。
存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器402所执行的可能的计算机程序指令。
处理器402通过读取并执行存储器404中存储的计算机程序指令，以实现上述实施例中的任意一种企业信用风险评估方法。
可选地，上述电子装置还可以包括传输设备406以及输入输出设备408，其中，该传输设备406和上述处理器402连接，该输入输出设备408和上述处理器402连接。
传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中，传输设备包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备406可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
输入输出设备408用于输入或输出信息。在本实施例中，输入的信息可以是关于企业的各类风险源数据等，输出的信息可以是企业的风险指标值等。
可选地，在本实施例中，上述处理器402可以被设置为通过计算机程序执行以下步骤：
S101、获取针对企业的至少一投诉信息、至少一经营异常信息、至少一行政处罚信息、年度被执行名单和年度黑名单；
S102、基于每一所述投诉信息确定被投诉企业，并基于所有所述投诉信息确认所述被投诉企业的不同月份的企业月度投诉次数，基于连续月份的所述企业月度投诉次数计算获取企业月度投诉环比增长率，调取所述被投诉企业的经营异常信息并计算获取经营异常次数，调取所述被投诉企业的行政处罚信息并计算获取所述行政处罚次数；
S103、基于所述经营异常次数获取经营异常指标，基于所述行政处罚次数获取行政处罚指标，基于所述年度被执行名单获取被执行指标，基于所述年度黑名单获取黑名单指标，基于所述企业月度投诉环比增长率和企业月度投诉次数获取投诉异常指标；
S104、基于所述经营异常指标、所述行政处罚指标、所述被执行指标、所述黑名单指标和所述投诉异常指标和对应的权重计算获取所述被投诉企业的风险指标值。
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
通常，各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实现。本发明的一些方面可以以硬件来实现，而其他方面可以以可以由控制器、微处理器或其他计算设备执行的固件或软件来实现，但是本发明不限于此。尽管本发明的各个方面可以被示出和描述为框图、流程图或使用一些其他图形表示，但是应当理解，作为非限制性示例，本文中描述的这些框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。
本发明的实施例可以由计算机软件来实现，该计算机软件由移动设备的数据处理器诸如在处理器实体中可执行，或者由硬件来实现，或者由软件和硬件的组合来实现。包括软件例程、小程序和/或宏的计算机软件或程序(也称为程序产品)可以存储在任何装置可读数据存储介质中，并且它们包括用于执行特定任务的程序指令。计算机程序产品可以包括当程序运行时被配置为执行实施例的一个或多个计算机可执行组件。一个或多个计算机可执行组件可以是至少一个软件代码或其一部分。另外，在这一点上，应当注意，如图中的逻辑流程的任何框可以表示程序步骤、或者互连的逻辑电路、框和功能、或者程序步骤和逻辑电路、框和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储块等物理介质、诸如硬盘或软盘等磁性介质、以及诸如例如DVD及其数据变体、CD等光学介质上。物理介质是非瞬态介质。
本领域的技术人员应该明白，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (12)

1.一种企业信用风险评估方法，其特征在于，包括：
获取针对企业的至少一投诉信息、至少一经营异常信息、至少一行政处罚信息、年度被执行名单和年度黑名单；
基于每一所述投诉信息确定被投诉企业，并基于所有所述投诉信息确认所述被投诉企业的不同月份的企业月度投诉次数，基于连续月份的所述企业月度投诉次数计算获取企业月度投诉环比增长率，调取所述被投诉企业的经营异常信息并计算获取经营异常次数，调取所述被投诉企业的行政处罚信息并计算获取所述行政处罚次数；
基于所述经营异常次数获取经营异常指标，基于所述行政处罚次数获取行政处罚指标，基于所述年度被执行名单获取被执行指标，基于所述年度黑名单获取黑名单指标，基于所述企业月度投诉环比增长率和企业月度投诉次数获取投诉异常指标；
基于所述经营异常指标、所述行政处罚指标、所述被执行指标、所述黑名单指标和所述投诉异常指标和对应的权重计算获取所述被投诉企业的风险指标值。
2.根据权利要求1所述的企业信用风险评估方法，其特征在于，在“基于每一所述投诉信息确定被投诉企业，并基于所有所述投诉信息确认所述被投诉企业的不同月份的企业月度投诉次数”之前包括步骤：对获取得到的所述投诉信息进行筛选，保留含有企业风险投诉内容的投诉信息。
3.根据权利要求1所述的企业信用风险评估方法，其特征在于，“基于每一所述投诉信息确定被投诉企业，并基于所有所述投诉信息确认所述被投诉企业的不同月份的企业月度投诉次数”包括：对所述投诉信息进行分析获取企业身份信息，基于所述企业身份信息确认被投诉企业，并统计所有所述投诉信息中对应所述被投诉企业的不同月份的企业月度投诉次数。
4.根据权利要求1所述的企业信用风险评估方法，其特征在于，“基于连续月份的所述企业月度投诉次数计算获取企业月度投诉环比增长率”包括：获取连续月份的所述企业月度投诉次数的平均值得到依月份次序连续的第一移动平均值，取连续的所述第一移动平均值的平均值得到依月份次序连续的第二移动平均值，利用前后两所述第二移动平均值的差值和置于前位的所述第二移动平均值的商值作为所述企业月度投诉环比增长率。
5.根据权利要求1所述的企业信用风险评估方法，其特征在于，在“基于所述经营异常次数获取经营异常指标，基于所述行政处罚次数获取行政处罚指标，基于所述年度被执行名单获取被执行指标，基于所述年度黑名单获取黑名单指标，基于所述企业月度投诉环比增长率获取投诉异常指标”步骤之前包括步骤：若所述企业月度投诉环比增长率大于设定阈值，则触发后续步骤；否之，结束对所述被投诉企业的风险判断。
6.根据权利要求1所述的企业信用风险评估方法，其特征在于，“基于所述企业月度投诉环比增长率和企业月度投诉次数获取投诉异常指标”包括：若所述企业月度投诉次数为0，则所述投诉异常指标为0；若所述投诉异常指标为0；若所述企业月度投诉次数小于设定阈值，且所述企业月度投诉环比增长率大于设定阈值，则所述投诉指标为所述企业月度投诉环比增长率的比例值；否之，所述投诉指标为所述企业月度投诉环比增长率。
7.根据权利要求1所述的企业信用风险评估方法，其特征在于，“基于所述经营异常指标、所述行政处罚指标、所述被执行指标、所述黑名单指标和所述投诉异常指标和对应的权重计算获取所述被投诉企业的风险指标值”之后包括步骤：获取覆盖指数、健康指数、受理指数、处置指数，综合展示所述覆盖指数、所述健康指数、所述受理指数、所述处置指数以及所述风险指标值。
8.根据权利要求1所述的企业信用风险评估方法，其特征在于，在“基于所述经营异常指标、所述行政处罚指标、所述被执行指标、所述黑名单指标和所述投诉异常指标和对应的权重计算获取所述被投诉企业的风险指标值”之后包括步骤：基于所述风险指标值将所述被投诉企业划分为不同风险等级，基于不同风险等级给予不同的管控提示。
9.一种企业信用风险评估装置，其特征在于，包括：
数据获取单元，用于获取针对企业的至少一投诉信息、至少一经营异常信息、至少一行政处罚信息、年度被执行名单和年度黑名单；
数据治理单元，用于基于每一所述投诉信息确定被投诉企业，并基于所有所述投诉信息确认所述被投诉企业的不同月份的企业月度投诉次数，基于连续月份的所述企业月度投诉次数计算获取企业月度投诉环比增长率，调取所述被投诉企业的经营异常信息并计算获取经营异常次数，调取所述被投诉企业的行政处罚信息并计算获取所述行政处罚次数；
指标获取单元，用于基于所述经营异常次数获取经营异常指标，基于所述行政处罚次数获取行政处罚指标，基于所述年度被执行名单获取被执行指标，基于所述年度黑名单获取黑名单指标，基于所述企业月度投诉环比增长率和企业月度投诉次数获取投诉异常指标；
风险指标值获取单元，用于基于所述经营异常指标、所述行政处罚指标、所述被执行指标、所述黑名单指标和所述投诉异常指标和对应的权重计算获取所述被投诉企业的风险指标值。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1到8任一所述的企业信用风险评估方法。
11.一种计算机程序产品，其特征在于，包括软件代码部分，当所述计算机程序产品在计算机上被运行时，所述软件代码部分用于执行根据权利要求1-8任一项所述的企业信用风险评估方法。
12.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括根据权利要求1至10任一项所述的企业信用风险评估方法。
CN202111287814.4A 2021-11-02 2021-11-02 企业信用风险评估方法、装置及应用 Pending CN113988671A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111287814.4A CN113988671A (zh) 2021-11-02 2021-11-02 企业信用风险评估方法、装置及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111287814.4A CN113988671A (zh) 2021-11-02 2021-11-02 企业信用风险评估方法、装置及应用

Publications (1)

Publication Number Publication Date
CN113988671A true CN113988671A (zh) 2022-01-28

Family

ID=79745749

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111287814.4A Pending CN113988671A (zh) 2021-11-02 2021-11-02 企业信用风险评估方法、装置及应用

Country Status (1)

Country Link
CN (1) CN113988671A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114865794A (zh) * 2022-06-01 2022-08-05 南京瑞普思科技有限公司 智能变电站配置文件可视化分析系统
CN115879819A (zh) * 2022-12-30 2023-03-31 企查查科技有限公司 企业信用评估方法及装置
CN115936830A (zh) * 2022-12-27 2023-04-07 企查查科技有限公司 企业信用风险评估方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108711004A (zh) * 2018-05-14 2018-10-26 北京京东金融科技控股有限公司 风险评估方法和装置及计算机可读存储介质
CN111489254A (zh) * 2020-04-14 2020-08-04 上海数喆数据科技有限公司 基于历史信用大数据的信贷风险评估智能引擎系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108711004A (zh) * 2018-05-14 2018-10-26 北京京东金融科技控股有限公司 风险评估方法和装置及计算机可读存储介质
CN111489254A (zh) * 2020-04-14 2020-08-04 上海数喆数据科技有限公司 基于历史信用大数据的信贷风险评估智能引擎系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114865794A (zh) * 2022-06-01 2022-08-05 南京瑞普思科技有限公司 智能变电站配置文件可视化分析系统
CN115936830A (zh) * 2022-12-27 2023-04-07 企查查科技有限公司 企业信用风险评估方法及装置
CN115879819A (zh) * 2022-12-30 2023-03-31 企查查科技有限公司 企业信用评估方法及装置

Similar Documents

Publication Publication Date Title
US20220005125A1 (en) Systems and methods for collecting and processing alternative data sources for risk analysis and insurance
CN113988671A (zh) 企业信用风险评估方法、装置及应用
Woods et al. Towards integrating insurance data into information security investment decision making
CN115643107B (zh) 网络安全风险评估方法、装置、计算机设备及存储介质
CN109615280A (zh) 员工数据处理方法、装置、计算机设备和存储介质
CN113673870B (zh) 一种企业数据分析方法及相关组件
CN113434575B (zh) 基于数据仓库的数据归因处理方法、装置及存储介质
CN111241161A (zh) 发票信息挖掘方法、装置、计算机设备及存储介质
CN111340606A (zh) 一种全流程收入稽核方法和装置
WO2019062192A1 (zh) 业务员行为风险甄别管理方法、应用服务器及计算机可读存储介质
WO2019144035A1 (en) Systems and methods for collecting and processing alternative data sources for risk analysis and insurance
CN114662772A (zh) 交通噪音预警方法、模型训练方法、装置、设备及介质
CN110782163A (zh) 企业数据处理方法和装置
CN112087408A (zh) 一种评估网络资产的方法及装置
US10699335B2 (en) Apparatus and method for total loss prediction
CN113837512B (zh) 异常用户的识别方法及装置
CN116757476A (zh) 一种风险预测模型的构建、风险防控方法和装置
CN115907947A (zh) 一种企业贷款风险的预测方法及系统
CN113706223B (zh) 一种数据处理方法和装置
CN112712270B (zh) 信息处理方法、装置、设备及存储介质
CN112199359B (zh) 数据检核方法、装置、电子设备和存储介质
CN110706098A (zh) 一种基于区块链的精准扶贫系统和方法
TWM627725U (zh) 理賠詐欺偵防系統
CN115577888A (zh) 确定企业风险的方法及装置、电子设备和存储介质
CN113344472A (zh) 网络安全评分方法

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