CN114418726A - 一种征信数据流处理方法 - Google Patents

Abstract

本发明涉及一种征信数据流处理方法，包括，S1，认证登录，通过软件端进行身份认证，并进行登录；S2，多平台数据交换，所述软件与若干征信相关平台数据相连，能够进行征信数据交换；S3，数据整合，所述软件在云端设置中控系统，中控系统对交换的数据进行整合，计算单一主体的征信评分；S4，业务认证，所述中控系统根据征信评分确定征信等级，不同等级的征信对应不同的业务办理水平。本发明通过对数据进行分类整理，并根据分类整理的数据计算征信评分，根据征信评分确定信用等级，不同的信用等级对应不同的业务等级，通过对数据流进行分类整理，加快征信等级计算速度，提高效率。

Description

一种征信数据流处理方法

技术领域

本发明涉及电子信息处理技术领域，尤其涉及一种征信数据流处理方法。

背景技术

现代金融信用体系的建设与完善是每个国家金融系统正常运转的基础，而征 信体系作为信用体系的一个关键组成部分，对于全社会的金融体系的信用风险管 理起着重要的作用。当前，互联网金融发展迅猛，对于大数据在金融中的应用也 不断加深，在这样的新形势下，中国征信行业目前面临征信数据的权属根本无法 得到清晰地界定、信息孤岛问题严重、征信数据安全和隐私保护受到威胁、征信 数据价值无法准确衡量、征信数据缺乏共享机制等问题。

随着区块链技术的不断发展，其涵盖的两大特性——低成本的可信环境与高 速的价值传输，越来越成为解决征信行业面临的问题的发展契机。对于任何征信 机构而言，数字信用终将成为一个新的起点。本项目所研究的正是一个基于区块 链去中心化技术而建立的一个低成本、无边界、多方联合、自主可控的去中心化 数字信用共享应用平台。将区块链技术应用到在征信系统服务中能够使得各个征 信机构在征信数据不泄露的基础上实现征信数据的共享，成功化解借款者多头负 债等棘手难题。区块链技术应用于征信体系还可以大幅度减少海量数据的噪声以 及虚假征信数据的出现，保障征信数据安全，使“互联网+大数据”下的大数据 采集、保存、整理加工以及使用更加便捷，从而可以极大的降低征信体系的服务 成本，拓展征信产品应用场景。

当前，区块链技术在征信领域应用水平不高，在多个数据库进行数据整合时， 效率低下，错误率高。

发明内容

为此，本发明提供一种征信数据流处理方法，用以克服现有技术中在多个数 据库进行数据整合时，效率低下，错误率高的问题。

为实现上述目的，本发明提供一种征信数据流处理方法，包括，

S1，认证登录，通过软件端进行身份认证，并进行登录；

S2，多平台数据交换，所述软件与若干征信相关平台数据相连，能够进行征 信数据交换；

S3，数据整合，所述软件在云端设置中控系统，中控系统对交换的数据进行 整合，计算单一主体的征信评分；

S4，业务认证，所述中控系统根据征信评分确定征信等级，不同等级的征信 对应不同的业务办理水平；

所述中控系统内设置有身份类别，包括，甲类主体和乙类主体。

在步骤S1中，在进行身份认证时，根据提交的资料确定登录身份类别；

在步骤S3中，对于不同类别的用户，所述中控系统有不同的权重计算参数。

进一步地，所述中控系统对所述步骤S2交换的数据进行整合，

对于甲类主体进行整合的数据包括，A类数据、B类数据、D类数据；

对于乙类主体进行整合的数据包括，A类数据、B类数据、C类数据、D类数 据；

A类数据包括，A类数据第一关键信息a1，A类数据第二关键信息a2，A类 数据第三关键信息a3，

B类数据包括，B类数据第一关键信息b1，B类数据第二关键信息b2，B类 数据第三关键信息b3，B类数据第四关键信息b4，

C类数据包括，C类数据第一关键信息c1，C类数据第二关键信息c2。

进一步地，在对单一甲类主体X1进行数据整合时，计算X1的征信评分Q， 中控系统对数据进行整合检索判定甲类主体X1是否存在A类数据、B类数据；

当甲类主体X1存在A类数据时，中控系统获取A类数据内A类数据第一关 键信息a1，A类数据第二关键信息a2，A类数据第三关键信息a3

当甲类主体X1存在B类数据时，中控系统获取B类数据内B类数据第一关 键信息b1，B类数据第二关键信息b2，B类数据第三关键信息b3，B类数据第四 关键信息b4；

所述中控系统计算单一甲类主体X1的基础征信评分

Q＝Qj-a2×P2+a3×P3-b1×R1-b21×R2-R3-b4×R4，其中，Qj为甲类 主体基础信用分，P2为A类数据第二关键信息a2对征信评分Q的计算补偿参数， P3为A类数据第三关键信息a3对征信评分Q的计算补偿参数，R1为B类数据第 一关键信息b1对征信评分Q的计算补偿参数，b21为B类数据第二关键信息b2 的数值信息，R2为B类数据第二关键信息b2对征信评分Q的计算补偿参数，R3 为B类数据第三关键信息b3对征信评分Q的计算补偿参数，R4为B类数据第四 关键信息b4对征信评分Q的计算补偿参数。

进一步地，所述中控模块内设置有征信评分第一评价参数Q1,征信评分第 二评价参数Q2,征信评分第三评价参数Q3，Q1＜Q2＜Q3；

所述中控系统将征信评分Q与征信评分第一评价参数Q1,征信评分第二评 价参数Q2,征信评分第三评价参数Q3分别进行对比，

当Q≥Q1时，所述中控系统判定甲类主体X1征信优秀；

当Q2＜Q≤Q1时，所述中控系统判定甲类主体X1征信良好；

当Q3＜Q≤Q2时，所述中控系统判定甲类主体X1征信一般；

当Q≤Q3时，所述中控系统判定甲类主体X1征信差；

对于不同的征信水平能够办理对应等级的电子业务。

进一步地，在对单一乙类主体Y1进行数据整合时，计算Y1的标准征信评分 E，中控系统对数据进行整合检索判定乙类主体Y1是否存在A类数据、B类数据；

当乙类主体Y1存在A类数据时，中控系统获取A类数据内A类数据第一关 键信息a1，A类数据第二关键信息a2，A类数据第三关键信息a3

当乙类主体Y1存在B类数据时，中控系统获取B类数据内B类数据第一关 键信息b1，B类数据第二关键信息b2，B类数据第三关键信息b3，B类数据第四 关键信息b4；

所述中控系统计算单一乙类主体Y1的基础征信评分

E＝Ej-a2×P2+a3×P3-b1×R1-b21×R2-R3-b4×R4。

进一步地，所述C类数据对Y1的标准征信评分E进行调节，生成Y1的征信 评分Ez，Ez＝E×F×c2/c1,其中，F为征信评分Ez的计算补偿参数。

进一步地，所述中控模块内设置有Ez征信评分第一评价参数W1,Ez征信评 分第二评价参数W2,Ez征信评分第三评价参数W3，W1＜W2＜W3；

所述中控系统将征信评分W与Ez征信评分第一评价参数W1,Ez征信评分第 二评价参数W2,Ez征信评分第三评价参数W3分别进行对比，

当W≥W1时，所述中控系统判定乙类主体Y1征信优秀；

当W2＜W≤W1时，所述中控系统判定乙类主体Y1征信良好；

当W3＜W≤W2时，所述中控系统判定乙类主体Y1征信一般；

当W≤W3时，所述中控系统判定乙类主体Y1征信差；

对于不同的征信水平能够办理对应等级的电子业务。

进一步地，所述P2与所述P3由A类数据第一关键信息a1确定；

所述中控系统内设有A类数据第一关键信息第一评价参数a11、A类数据第 一关键信息第二评价参数a12、P2第一预设值P21、P2第二预设值P23、P2第 三预设值P23、P3第一预设值P31、P3第二预设值P32、P3第三预设值P33，所 述中控系统将A类数据第一关键信息a1与a11、a12进行对比，

当a1≤a11时，所述中控系统选取P21作为P2的实际值，选取P31作为P3 的实际值；

当a11＜a1≤a12时，所述中控系统选取P21作为P2的实际值，选取P31 作为P3的实际值；

当a1＞a12时，所述中控系统选取P21作为P2的实际值，选取P31作为P3 的实际值。

进一步地，用户能够通过软件端检索其他身份类别用户的征信等级。

一种征信数据流处理系统，应用于上述征信数据流处理方法，包括，

客户端，用以进行注册、认证、登录、业务办理查询；

服务器，其与若干影响征信数据库相连，用以对获取征信信息；

内部数据库，其与所述服务器相连用以存储注册用户信息，方便调取；

中控系统，其与所述服务器相连，用以对征信数据进行整合，确定用户征信 等级。

与现有技术相比，本发明的有益效果在于，本发明通过对数据进行分类整理， 并根据分类整理的数据计算征信评分，根据征信评分确定信用等级，不同的信用 等级对应不同的业务等级，通过对数据流进行分类整理，加快征信等级计算速度， 提高效率。

进一步地，所述中控系统内设置有身份类别，包括，甲类主体和乙类主体， 在本实施例中，甲类主体为个人用户，乙类主体为企业用户，在进行身份认证时， 分为个人用户和企业用户，对于不同的用户，征信等级计算评级方式不同，加强 了征信等级计算的准确性。

进一步地，所述C类数据对Y1的标准征信评分E进行调节，生成Y1的征信 评分Ez，在进行企业的征信评分计算时，加入交易记录，当一个企业与征信等 级差的企业有大量的交易金额，很可能本身也存在部分征信问题，因此通过交易 金额调节征信的等级，对于确实存在征信问题的企业，限制其业务能力，对于没 有征信问题的企业，给与其警示作用。

进一步地，对于存有贷款的用户，通过贷款的金额确定逾期次数与守期次数 对征信评分的计算补偿参数，当贷款金额较大时，发生逾期，说明其资金储备问 题越大，因此贷款金额较大逾期次数的对征信评分计算补偿参数越大，同时，当 贷款金额较大时，越能进行守期，说明其资金储备越充足，此时，因此贷款金额 较大守期次数对征信评分计算补偿参数越大，使征信评分计算更加准确，加强了 征信等级计算的准确性。

附图说明

图1为本发明所述征信数据流处理方法的流程示意图。

图2为本发明所述征信数据流处理系统结构示意图。

具体实施方式

为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一 步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限 定本发明。

下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是， 这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。

需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、 “外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅 仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以 特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定， 术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以 是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接 相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域 技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。

请参阅图1所示，其为本发明所述征信数据流处理方法的流程示意图。

本发明公布一种征信数据流处理方法，包括，

S1，认证登录，通过软件端进行身份认证，并进行登录；

S2，多平台数据交换，所述软件与若干征信相关平台数据相连，能够进行征 信数据交换；

S3，数据整合，所述软件在云端设置中控系统，中控系统对交换的数据进行 整合，计算单一主体的征信评分；

S4，业务认证，所述中控系统根据征信评分确定征信等级，不同等级的征信 对应不同的业务办理水平；

所述中控系统内设置有身份类别，包括，甲类主体和乙类主体，在本实施例 中，甲类主体为个人用户，乙类主体为企业用户。在进行身份认证时，分为个人 用户和企业用户，对于不同的用户，征信等级计算评级方式不同，加强了征信等 级计算的准确性。

在步骤S1中，在进行身份认证时，根据提交的资料确定登录身份类别；

在步骤S3中，对于不同类别的用户，所述中控系统有不同的权重计算参数。

具体而言，所述中控系统对所述步骤S2交换的数据进行整合，

对于甲类主体进行整合的数据包括，A类数据、B类数据、D类数据

对于乙类主体进行整合的数据包括，A类数据、B类数据、C类数据、D类数 据；

在本实施例中，A类数据为信贷记录，B类数据为公共记录、C类数据为交 易记录、D类数据为收入数据；

A类数据包括，A类数据第一关键信息a1，A类数据第二关键信息a2,A类数 据第三关键信息a3；

在本实施例中a1为贷款金额，包括房贷、车贷、信用卡贷款等，a2为逾期 次数，a3为守期次数。

B类数据包括，B类数据第一关键信息b1，B类数据第二关键信息b2，B类 数据第三关键信息b3，B类数据第四关键信息b4，

在本实施例中b1为欠税金额，b2为强制执行信息，b3为行政处罚信息，b4 为电信欠费信息；

C类数据包括，C类数据第一关键信息c1，C类数据第二关键信息c2

本实施例中，c1为钱款交易总金额，c2为与征信等级为差的主体钱款交易 金额；

具体而言，在对单一甲类主体X1进行数据整合时，计算X1的征信评分Q， 中控系统对数据进行整合检索判定甲类主体X1是否存在A类数据、B类数据；

当甲类主体X1存在A类数据时，中控系统获取A类数据内A类数据第一关 键信息a1，A类数据第二关键信息a2，A类数据第三关键信息a3

当甲类主体X1存在B类数据时，中控系统获取B类数据内B类数据第一关 键信息b1，B类数据第二关键信息b2，B类数据第三关键信息b3，B类数据第四 关键信息b4；

所述中控系统计算单一甲类主体X1的基础征信评分

Q＝Qj-a2×P2+a3×P3-b1×R1-b21×R2-R3-b4×R4，其中，Qj为甲类 主体基础信用分，P2为A类数据第二关键信息a2对征信评分Q的计算补偿参数， P3为A类数据第三关键信息a3对征信评分Q的计算补偿参数，R1为B类数据第 一关键信息b1对征信评分Q的计算补偿参数，b21为B类数据第二关键信息b2 的数值信息，R2为B类数据第二关键信息b2对征信评分Q的计算补偿参数，R3 为B类数据第三关键信息b3对征信评分Q的计算补偿参数，R4为B类数据第四 关键信息b4对征信评分Q的计算补偿参数。

具体而言，所述中控模块内设置有征信评分第一评价参数Q1,征信评分第 二评价参数Q2,征信评分第三评价参数Q3，Q1＜Q2＜Q3；

所述中控系统将征信评分Q与征信评分第一评价参数Q1,征信评分第二评 价参数Q2,征信评分第三评价参数Q3分别进行对比，

当Q≥Q1时，所述中控系统判定甲类主体X1征信优秀；

当Q2＜Q≤Q1时，所述中控系统判定甲类主体X1征信良好；

当Q3＜Q≤Q2时，所述中控系统判定甲类主体X1征信一般；

当Q≤Q3时，所述中控系统判定甲类主体X1征信差；

对于不同的征信水平能够办理对应等级的电子业务。

具体而言，在对单一乙类主体Y1进行数据整合时，计算Y1的标准征信评分 E，中控系统对数据进行整合检索判定乙类主体Y1是否存在A类数据、B类数据；

当乙类主体Y1存在A类数据时，中控系统获取A类数据内A类数据第一关 键信息a1，A类数据第二关键信息a2，A类数据第三关键信息a3

当乙类主体Y1存在B类数据时，中控系统获取B类数据内B类数据第一关 键信息b1，B类数据第二关键信息b2，B类数据第三关键信息b3，B类数据第四 关键信息b4；

所述中控系统计算单一乙类主体Y1的基础征信评分

E＝Ej-a2×P2+a3×P3-b1×R1-b21×R2-R3-b4×R4。

具体而言，所述C类数据对Y1的标准征信评分E进行调节，生成Y1的征信 评分Ez，Ez＝E×F×c2/c1,其中，F为征信评分Ez的计算补偿参数。

在进行企业的征信评分计算时，加入交易记录，当一个企业与征信等级差的 企业有大量的交易金额，很可能本身也存在部分征信问题，因此通过交易金额调 节征信的等级，对于确实存在征信问题的企业，限制其业务能力，对于没有征信 问题的企业，给与其警示作用。

具体而言，所述中控模块内设置有Ez征信评分第一评价参数W1,Ez征信评 分第二评价参数W2,Ez征信评分第三评价参数W3，W1＜W2＜W3；

所述中控系统将征信评分W与Ez征信评分第一评价参数W1,Ez征信评分第 二评价参数W2,Ez征信评分第三评价参数W3分别进行对比，

当W≥W1时，所述中控系统判定乙类主体Y1征信优秀；

当W2＜W≤W1时，所述中控系统判定乙类主体Y1征信良好；

当W3＜W≤W2时，所述中控系统判定乙类主体Y1征信一般；

当W≤W3时，所述中控系统判定乙类主体Y1征信差；

对于不同的征信水平能够办理对应等级的电子业务。

具体而言，所述P2与所述P3由A类数据第一关键信息a1确定；

所述中控系统内设有A类数据第一关键信息第一评价参数a11、A类数据第 一关键信息第二评价参数a12、P2第一预设值P21、P2第二预设值P23、P2第 三预设值P23、P3第一预设值P31、P3第二预设值P32、P3第三预设值P33，所 述中控系统将A类数据第一关键信息a1与a11、a12进行对比，

当a1≤a11时，所述中控系统选取P21作为P2的实际值，选取P31作为P3 的实际值；

当a11＜a1≤a12时，所述中控系统选取P21作为P2的实际值，选取P31 作为P3的实际值；

当a1＞a12时，所述中控系统选取P21作为P2的实际值，选取P31作为P3 的实际值。

具体而言，用户能够通过软件端检索其他身份类别用户的征信等级。

对于存有贷款的用户，通过贷款的金额确定逾期次数与守期次数对征信评分 的计算补偿参数，当贷款金额较大时，发生逾期，说明其资金储备问题越大，因 此贷款金额较大逾期次数的对征信评分计算补偿参数越大，同时，当贷款金额较 大时，越能进行守期，说明其资金储备越充足，此时，因此贷款金额较大守期次 数对征信评分计算补偿参数越大，使征信评分计算更加准确，加强了征信等级计 算的准确性。

图2为本发明所述征信数据流处理系统结构示意图。

本发明还提供一种征信数据流处理系统，应用于上述征信数据流处理方法， 包括，

客户端1，用以进行注册、认证、登录、业务办理查询；

服务器2，其与若干影响征信数据库3相连，用以对获取征信信息；

内部数据库5，其与所述服务器相连用以存储注册用户信息，方便调取；

中控系统4，其与所述服务器相连2，用以对征信数据进行整合，确定用户 征信等级。

本发明主要基于区块链技术、国标加密技术、分布式加密认证文件存储等技 术开发多方联合征信应用服务平台。

其中，国标化加密，使用国家标准加密算法SM2算法基于Go语言实现， 修改包括区块链peer组件、ca组件、sdk组件等在内的区块链子系统。

CFCA数字签名：使用中国金融认证中心颁发的数字证书对个人用户及联盟 用户进行认证，并作为签名及加密工具参与到征信信息的提交及验证的业务流程 中。

存证管控平台：存证管控平台基于区块链sdk组件与区块链底层及智能合 约进行交互。除对底层区块链进行管理之外，管控平台还承担对存证信息的查看。 系统采用J2EE架构实现。

可信交换技术：分布式多中心的I D注册机制，摆脱对传统模式下单一中心 I D注册的依赖，实体的现实身份和可验证数字凭证的内容进行链下存储。支持 实体将信息最小化或者选择性披露给其他机构，同时防止任何第三方反向推测出 实体在现实世界或其他场景语义中的身份，提供标准化接口，支持跨链、跨平台 互操作。

利用CFCA无纸化签名系统可支撑征信证件信息完成电子化和上链，基于权 威第三方数字签名技术，实现全流程无纸化，并可结合移动终端设备，实现签名 可视化和手写签名信息采集，利用CFCA特有的场景证书固化场景凭证，为证书 的上传加密及验证业务提供司法保障。可以有效的解决征信业务中的用户身份认 证、电子证件签署、电子证件固化需求。结合以IPFS技术为基础的分布式文件 存储技术，在用户的各种征信证件上链过程中提供加密。

在征信各类证书的验证流程中，结合CFCA网络身份认证平台提供基于证书 的证书认证、验证服务，利用个人用户持有的私钥，链上的其他需要验证用户证 书真实性的企业可使用自身证书进行身份认证，并对用户的个人链上证书发起验 证请求。此种征信证书验证方案是一种高安全，低成本的解决方案，用户体验好， 容易被大部分一般用人企业所接受。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是， 本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方 式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出 等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围 之内。

Claims (10)

1.一种征信数据流处理方法，其特征在于，包括，

S1，认证登录，通过软件端进行身份认证，并进行登录；

S2，多平台数据交换，所述软件与若干征信相关平台数据相连，能够进行征信数据交换；

S3，数据整合，所述软件在云端设置中控系统，中控系统对交换的数据进行整合，计算单一主体的征信评分；

S4，业务认证，所述中控系统根据征信评分确定征信等级，不同等级的征信对应不同的业务办理水平；

所述中控系统内设置有身份类别，包括，甲类主体和乙类主体；

在步骤S1中，在进行身份认证时，根据提交的资料确定登录身份类别；

在步骤S3中，对于不同类别的用户，所述中控系统有不同的权重计算参数。

2.根据权利要求1所述的征信数据流处理方法，其特征在于，

所述中控系统对所述步骤S2交换的数据进行整合，

对于甲类主体进行整合的数据包括，A类数据、B类数据、D类数据；

对于乙类主体进行整合的数据包括，A类数据、B类数据、C类数据、D类数据；

A类数据包括，A类数据第一关键信息a1，A类数据第二关键信息a2，A类数据第三关键信息a3，

B类数据包括，B类数据第一关键信息b1，B类数据第二关键信息b2，B类数据第三关键信息b3，B类数据第四关键信息b4，

C类数据包括，C类数据第一关键信息c1，C类数据第二关键信息c2。

3.根据权利要求2所述的征信数据流处理方法，其特征在于，在对单一甲类主体X1进行数据整合时，计算X1的征信评分Q，中控系统对数据进行整合检索判定甲类主体X1是否存在A类数据、B类数据；

当甲类主体X1存在A类数据时，中控系统获取A类数据内A类数据第一关键信息a1，A类数据第二关键信息a2，A类数据第三关键信息a3

当甲类主体X1存在B类数据时，中控系统获取B类数据内B类数据第一关键信息b1，B类数据第二关键信息b2，B类数据第三关键信息b3，B类数据第四关键信息b4；

所述中控系统计算单一甲类主体X1的基础征信评分

Q＝Qj-a2×P2+a3×P3-b1×R1-b21×R2-R3-b4×R4，其中，Qj为甲类主体基础信用分，P2为A类数据第二关键信息a2对征信评分Q的计算补偿参数，P3为A类数据第三关键信息a3对征信评分Q的计算补偿参数，R1为B类数据第一关键信息b1对征信评分Q的计算补偿参数，b21为B类数据第二关键信息b2的数值信息，R2为B类数据第二关键信息b2对征信评分Q的计算补偿参数，R3为B类数据第三关键信息b3对征信评分Q的计算补偿参数，R4为B类数据第四关键信息b4对征信评分Q的计算补偿参数。

4.根据权利要求3所述的征信数据流处理方法，其特征在于，所述中控模块内设置有征信评分第一评价参数Q1,征信评分第二评价参数Q2,征信评分第三评价参数Q3，Q1＜Q2＜Q3；

所述中控系统将征信评分Q与征信评分第一评价参数Q1,征信评分第二评价参数Q2,征信评分第三评价参数Q3分别进行对比，

当Q≥Q1时，所述中控系统判定甲类主体X1征信优秀；

当Q2＜Q≤Q1时，所述中控系统判定甲类主体X1征信良好；

当Q3＜Q≤Q2时，所述中控系统判定甲类主体X1征信一般；

当Q≤Q3时，所述中控系统判定甲类主体X1征信差；

对于不同的征信水平能够办理对应等级的电子业务。

5.根据权利要求4所述的征信数据流处理方法，其特征在于，在对单一乙类主体Y1进行数据整合时，计算Y1的标准征信评分E，中控系统对数据进行整合检索判定乙类主体Y1是否存在A类数据、B类数据；

当乙类主体Y1存在A类数据时，中控系统获取A类数据内A类数据第一关键信息a1，A类数据第二关键信息a2，A类数据第三关键信息a3

当乙类主体Y1存在B类数据时，中控系统获取B类数据内B类数据第一关键信息b1，B类数据第二关键信息b2，B类数据第三关键信息b3，B类数据第四关键信息b4；

所述中控系统计算单一乙类主体Y1的基础征信评分

E＝Ej-a2×P2+a3×P3-b1×R1-b21×R2-R3-b4×R4。

6.根据权利要求5所述的征信数据流处理方法，其特征在于，所述C类数据对Y1的标准征信评分E进行调节，生成Y1的征信评分Ez，Ez＝E×F×c2/c1,其中，F为征信评分Ez的计算补偿参数。

7.根据权利要求6所述的征信数据流处理方法，其特征在于，所述中控模块内设置有Ez征信评分第一评价参数W1,Ez征信评分第二评价参数W2,Ez征信评分第三评价参数W3，W1＜W2＜W3；

所述中控系统将征信评分W与Ez征信评分第一评价参数W1,Ez征信评分第二评价参数W2,Ez征信评分第三评价参数W3分别进行对比，

当W≥W1时，所述中控系统判定乙类主体Y1征信优秀；

当W2＜W≤W1时，所述中控系统判定乙类主体Y1征信良好；

当W3＜W≤W2时，所述中控系统判定乙类主体Y1征信一般；

当W≤W3时，所述中控系统判定乙类主体Y1征信差；

对于不同的征信水平能够办理对应等级的电子业务。

8.根据权利要求7所述的征信数据流处理方法，其特征在于，所述P2与所述P3由A类数据第一关键信息a1确定；

所述中控系统内设有A类数据第一关键信息第一评价参数a11、A类数据第一关键信息第二评价参数a12、P2第一预设值P21、P2第二预设值P23、P2第三预设值P23、P3第一预设值P31、P3第二预设值P32、P3第三预设值P33，所述中控系统将A类数据第一关键信息a1与a11、a12进行对比，

当a1≤a11时，所述中控系统选取P21作为P2的实际值，选取P31作为P3的实际值；

当a11＜a1≤a12时，所述中控系统选取P21作为P2的实际值，选取P31作为P3的实际值；

当a1＞a12时，所述中控系统选取P21作为P2的实际值，选取P31作为P3的实际值。

9.根据权利要求7所述的征信数据流处理方法，其特征在于，用户能够通过软件端检索其他身份类别用户的征信等级。

10.一种征信数据流处理系统，应用于权利要求1-9任意一项所述征信数据流处理方法，其特征在于，包括，

客户端，用以进行注册、认证、登录、业务办理查询；

服务器，其与若干影响征信数据库相连，用以对获取征信信息；

内部数据库，其与所述服务器相连用以存储注册用户信息，方便调取；

中控系统，其与所述服务器相连，用以对征信数据进行整合，确定用户征信等级。

Images