CN114841815A - 交易分析方法及装置、电子设备和计算机可读存储介质 - Google Patents

Abstract

本公开提供了一种交易分析方法及装置、电子设备和计算机可读存储介质，本公开涉及大数据技术领域，可用于金融技术领域。该交易分析方法包括：从标签库中获取与被分析对象关联的目标预定义标签；从规则库中获取与目标预定义标签关联的目标预设分析规则，其中目标预设分析规则包括：被分析对象在预设交易周期的预定时段内的交易量限值；获取被分析对象在当前交易周期的预定时段内的目标交易数据；根据目标预设分析规则和目标交易数据，对被分析对象的交易行为进行分析，得到分析结果，其中分析结果为异常或正常。

Description

交易分析方法及装置、电子设备和计算机可读存储介质

技术领域

本公开涉及大数据技术领域，具体地涉及一种交易分析方法、装置、设备、介质和程序产品。

背景技术

B2B交易是目前常用的一种交易方式，因涉及金融机构、第三方交易平台、交易方客户等多个参与方，交易过程较为复杂。

在实现本公开构思的过程中，发明人发现相关技术中至少存在如下问题：在B2B交易过程中，目前各金融机构通常以B2B交易量统计报表的静态形式进行交易行为分析，缺乏在B2B交易中的动态风险行为分析手段，无法实现对数据源多、时效性强的即时交易及客户行为等信息进行事中管控。

发明内容

鉴于上述问题，本公开提供了一种交易分析方法、装置、设备、介质和程序产品。

本公开的一个方面，提供了一种交易分析方法，包括：

从标签库中获取与被分析对象关联的目标预定义标签；

从规则库中获取与目标预定义标签关联的目标预设分析规则，其中目标预设分析规则包括：被分析对象在预设交易周期的预定时段内的交易量限值；

获取被分析对象在当前交易周期的预定时段内的目标交易数据；

根据目标预设分析规则和目标交易数据，对被分析对象的交易行为进行分析，得到分析结果，其中分析结果为异常或正常。

根据本公开的实施例，其中：

规则库中预存有分别与多个预定义标签各自关联的预设分析规则，其中规则库通过如下方法构建得到：

从数据库中获取多个被分析对象在预设历史交易周期内的历史交易数据；

将标签库与多个被分析对象进行关联，以得到分别与每个预定义标签关联的对象组；

根据与每个预定义标签关联的对象组的历史交易数据，分别确定与每个预定义标签各自关联的预设分析规则，以构建得到规则库。

根据本公开的实施例，其中：

标签库中预存有分别与多个被分析对象各自关联的预定义标签，其中与每个被分析对象关联的预定义标签包括至少一个，其中标签库通过如下方法构建得到：

从业务系统获取与每个被分析对象关联的交易协议信息；

解析交易协议信息以获得与每个被分析对象关联的关键特征；

根据与每个被分析对象关联的关键特征分别确定与每个被分析对象关联的预定义标签，以构建得到标签库。

根据本公开的实施例，其中：

被分析对象包括第三方交易平台；

预定义标签用于表征第三方交易平台的平台类型、支付方式、支付工具。

根据本公开的实施例，其中：

被分析对象还包括交易客户；

预定义标签还用于表征交易客户的机构规模、机构类型。

根据本公开的实施例，其中，根据目标预设分析规则和目标交易数据，确定对被分析对象的交易行为进行分析的分析结果包括：

对目标交易数据进行处理，以得到被分析对象在当前交易周期的预定时段内的目标交易量；

在目标交易量，大于目标预设分析规则中预设的交易量限值的情况下，确定对被分析对象的交易行为进行分析的分析结果为异常。

根据本公开的实施例，还包括：

在确定对被分析对象的交易行为进行分析的分析结果为异常的情况下，向分析干预系统发送预警消息，以便分析干预系统根据预警消息对被分析对象的交易行为进行干预处理。

本公开的另一个方面提供了一种交易分析装置，包括第一获取模块、第二获取模块、第三获取模块和分析模块。

其中，第一获取模块，用于从标签库中获取与被分析对象关联的目标预定义标签；

第二获取模块，用于从规则库中获取与目标预定义标签关联的目标预设分析规则，其中目标预设分析规则包括：被分析对象在预设交易周期的预定时段内的交易量限值；

第三获取模块，用于获取被分析对象在当前交易周期的预定时段内的目标交易数据；

分析模块，用于根据目标预设分析规则和目标交易数据，对被分析对象的交易行为进行分析，得到分析结果，其中分析结果为异常或正常。

根据本公开的实施例，其中，规则库中预存有分别与多个预定义标签各自关联的预设分析规则，上述装置还包括第一构建模块，用于构建得到规则库，其中第一构建模块包括：

第一获取单元，用于从数据库中获取多个被分析对象在预设历史交易周期内的历史交易数据；

关联单元，用于将标签库与多个被分析对象进行关联，以得到分别与每个预定义标签关联的对象组；

第一确定单元，用于根据与每个预定义标签关联的对象组的历史交易数据，分别确定与每个预定义标签各自关联的预设分析规则，以构建得到规则库。

根据本公开的实施例，其中，标签库中预存有分别与多个被分析对象各自关联的预定义标签，其中与每个被分析对象关联的预定义标签包括至少一个，上述装置还包括第二构建模块，用于构建标签库，第二构建模块包括：

第二获取单元，用于从业务系统获取与每个被分析对象关联的交易协议信息；

解析单元，用于解析交易协议信息以获得与每个被分析对象关联的关键特征；

第二确定单元，用于根据与每个被分析对象关联的关键特征分别确定与每个被分析对象关联的预定义标签，以构建得到标签库。

根据本公开的实施例，其中，被分析对象包括第三方交易平台；预定义标签用于表征第三方交易平台的平台类型、支付方式、支付工具。

根据本公开的实施例，其中，被分析对象还包括交易客户；预定义标签还用于表征交易客户的机构规模、机构类型。

根据本公开的实施例，其中，分析模块包括处理单元和第三确定单元。

其中，处理单元，用于对目标交易数据进行处理，以得到被分析对象在当前交易周期的预定时段内的目标交易量；

第三确定单元，用于在目标交易量，大于目标预设分析规则中预设的交易量限值的情况下，确定对被分析对象的交易行为进行分析的分析结果为异常。

根据本公开的实施例，还包括发送模块，用于在确定对被分析对象的交易行为进行分析的分析结果为异常的情况下，向分析干预系统发送预警消息，以便分析干预系统根据预警消息对被分析对象的交易行为进行干预处理。

本公开的另一个方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述交易分析方法。

本公开的另一个方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述交易分析方法。

本公开的另一个方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述交易分析方法。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的交易分析方法、装置、设备、介质和程序产品的应用场景图；

图2示意性示出了根据本公开实施例的交易分析方法的流程图；

图3示意性示出了根据本公开实施例的对被分析对象的交易行为进行分析的方法流程图；

图4示意性示出了根据本公开另一实施例的交易分析方法的流程图；

图5示意性示出了根据本公开又一实施例的交易分析方法的流程图；

图6示意性示出了根据本公开实施例的交易分析装置的结构框图；以及

图7示意性示出了根据本公开实施例的适于实现交易分析方法的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

在B2B交易过程中，目前各金融机构通常以B2B交易量统计报表的静态形式进行交易行为分析，缺乏在B2B交易中的动态风险行为分析手段，无法实现对数据源多、时效性强的即时交易及客户行为等信息进行事中管控。对于某些对对时效、性能有较高要求的交易过程，金融机构作为交易的承载者，需要在事中对交易金额、交易笔数等交易数据进行动态分析和管控。

有鉴于此，本公开的实施例提供了一种交易分析方法，包括：

从标签库中获取与被分析对象关联的目标预定义标签；

从规则库中获取与目标预定义标签关联的目标预设分析规则，其中目标预设分析规则包括：被分析对象在预设交易周期的预定时段内的交易量限值；

获取被分析对象在当前交易周期的预定时段内的目标交易数据；

根据目标预设分析规则和目标交易数据，对被分析对象的交易行为进行分析，得到分析结果，其中分析结果为异常或正常。

图1示意性示出了根据本公开实施例的交易分析方法、装置、设备、介质和程序产品的应用场景图。

如图1所示，根据该实施例的应用场景100可以包括终端设备101、102、103、网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

根据本公开的实施例，用户可以使用终端设备101、102、103通过网络104与服务器105交互，例如向服务器发送用于获取对某个被分析对象(例如某交易平台、某交易客户)的交易行为进行分析的请求，响应于用户请求，服务器105可用于执行本公开实施例的交易分析方法，例如可以从标签库中获取与被分析对象关联的目标预定义标签、从规则库中获取与目标预定义标签关联的目标预设分析规则、获取被分析对象在当前交易周期的预定时段内的目标交易数据后，根据目标预设分析规则和目标交易数据，对被分析对象的交易行为进行分析，得到分析结果，并将分析结果通过终端设备101、102、103向用户展示。

需要说明的是，本公开实施例所提供的交易分析方法一般可以由服务器105执行。相应地，本公开实施例所提供的交易分析装置一般可以设置于服务器105中。本公开实施例所提供的交易分析方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的交易分析装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

需要说明的是，本公开实施例的交易分析方法及装置可以应用于大数据技术领域，也可用于金融技术领域，也可用于除大数据技术领域和金融领域之外的任意领域，本公开的实施例对上述交易分析方法及装置的应用领域不做限定。

在本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。

在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。

以下将基于图1描述的场景，通过图2～图7对公开实施例的交易分析方法进行详细描述。

图2示意性示出了根据本公开实施例的交易分析方法的流程图。

如图2所示，该实施例的交易分析方法包括操作S201～操作S204。

在操作S201，从标签库中获取与被分析对象关联的目标预定义标签；

在操作S202，从规则库中获取与目标预定义标签关联的目标预设分析规则，其中目标预设分析规则包括：被分析对象在预设交易周期的预定时段内的交易量限值；

在操作S203，获取被分析对象在当前交易周期的预定时段内的目标交易数据；

在操作S204，根据目标预设分析规则和目标交易数据，对被分析对象的交易行为进行分析，得到分析结果，其中分析结果为异常或正常。

根据本公开的实施例，标签库用于存储与被分析对象关联的预定义标签，可以存储有多个被分析对象的预定义标签，其中与每个被分析对象关联的预定义标签可包括一个或多个。与被分析对象关联的预定义标签可以是用于表征被分析对象的类型、交易特性、机构特性等等，例如被分析对象A采用A支付方式进行交易支付，则被分析对象A被打上“A支付方式”的标签，再例如被分析对象B的企业类型为小微企业，则被分析对象B被打上“小微企业”的标签，再例如被分析对象C的企业类型为大型国有企业，则被分析对象C被打上“大型国有企业”的标签等等。

根据本公开的实施例，规则库中用于存储与被分析对象的各种预定义标签分别关联的预设分析规则，每个预定义标签可以关联有一个预设分析规则，因每个被分析对象关联的预定义标签可包括一个或多个，因此与每个被分析对象关联的预设分析规则可以包括一个或多个。其中预设分析规则包括：被分析对象在预设交易周期的预定时段内的交易量限值。

根据本公开的实施例，可根据被分析对象(例如平台或客户)的交易行为对相同或不同标签下的交易分析规则进行定义。例如：被分析对象-平台A被打上“A支付方式”的标签，与该标签关联的预设分析规则可以是：采用“A支付方式”进行支付的平台，在每天的8:00-8:01时段区间内(预设交易周期的预定时段)，交易笔数应不超过500笔(交易量限值)；再例如：被分析对象-平台A还被打上“B支付工具”的标签，与该标签关联的预设分析规则可以是：采用“B支付工具”进行支付的平台，在每天的每个小时区间内(预设交易周期的预定时段)，单笔交易金额在100万元以下、100-1000万元之间、超过1000万元的交易数量比为3∶2∶1等(交易量限值)；如上，该情形下，被分析对象-平台A关联有两个标签，平台A需要同时遵守两个预设分析规则。再例如：被分析对象-企业C被打上“小微企业”的标签，与该标签关联的预设分析规则可以是：“小微企业”规模的企业，在每天24小时的区间内，单笔交易金额不超过20万元。

根据本公开的实施例，在操作S203，获取被分析对象在当前交易周期的预定时段内的目标交易数据前，可以获得被分析对象-用户的同意或授权。例如，在操作S203之前，可以向用户发出获取用户交易信息的请求，在用户同意或授权可以获取用户交易信息的情况下，执行所述操作S203。

根据本公开的实施例，在操作S204，根据目标预设分析规则和目标交易数据，对被分析对象的交易行为进行分析，得到分析结果，例如可以是被分析对象-平台A被打上“A支付方式”的标签，获取平台A在当天8:00-8:01时段区间内的交易日志，解析日志获得平台A在当天8:00-8:01时段区间内的交易笔数-例如为600笔，根据与该标签关联的预设分析规则：采用“A支付方式”进行支付的平台，在每天的8:00-8:01时段区间内，交易笔数应不超过500笔，则可以判断平台A当天交易行为异常。

根据本公开的实施例，因标签库存储有与被分析对象关联的预定义标签，通过对被分析对象标签化实现了对被分析对象的细化分类，进一步地规则库中存储有与被分析对象的各种预定义标签分别关联的预设分析规则，通过从规则库中获取与目标预定义标签关联的目标预设分析规则，并根据目标预设分析规则和目标交易数据，对被分析对象的交易行为进行分析，可实现对特定标签类别下的被分析对象进行了有针对性地分析，进一步实现了对被分析对象的细化管理，避免了“一刀切”式的分析方法带来的无效管控的问题。例如相关技术中并没有实现对被分析对象进行分类，而是针对所有对象都采用一个分析规则，如无论对于哪种供客户，交易金额超过某一阈值则认为异常，则经常会出现错误管控。相较而言，本公开的实施例，考虑了交易过程中存在的各种复杂情形，考虑了不同类型平台、客户的交易特性的不同，在对被分析对象的细化分类的基础上，对每一类对象分别采用不同的分析规则进行分析，分析结果更加具有参考性和实际意义。

本公开的实施例的上述方法克服了无法对数据源多、时效性强的即时交易及客户行为等信息进行事中监控的难点，同时也克服了无法通过业务自定义条件(如平台、金额、时间等)进行分类处理以达到目标监控的痛点，解决了高并发、时效强的交易场景下无法进行事中监控的问题，实现了自定义配置的分析规则，让业务风险管控额开展更具有针对性，有效提升金融机构对动态交易事中数据处理和监控能力，进而为银行风险防控及决策实施提供及时的数据流支撑，提升机构内部管理能力及外部掌控能力。

根据本公开的实施例，规则库中的预设分析规则可以被实时调整。例如可以是系统自动修正，即系统自动根据平台类型、交易行为等要素，对被分析对象在预设交易周期的预定时段内的交易量限值进行修正，如根据大宗商品具有的周期性或新型商户的交易金额等，对系统设定的原始交易量限值进行范围扩大或者缩小。

根据本公开的实施例，规则库中的预设分析规则也可以是通过业务人员手动修正实现。例如，业务人员在收到某项信息：如对小微企业的定义从原先的注册资金10万元以下调整为100万元以下，业务人员需根据此信息调整小微会员的交易限额参数，调整后覆盖规则库中的原先标准。

根据本公开的实施例，规则库中预存有分别与多个预定义标签各自关联的预设分析规则，其中规则库通过如下方法构建得到：

从数据库中获取多个被分析对象在预设历史交易周期内的历史交易数据；

将标签库与多个被分析对象进行关联，以得到分别与每个预定义标签关联的对象组；

根据与每个预定义标签关联的对象组的历史交易数据，分别确定与每个预定义标签各自关联的预设分析规则，以构建得到规则库。

根据本公开的实施例，可根据被分析对象(例如平台或客户)的历史交易行为对不同标签下的交易分析规则进行定义，因此，可通过获取被分析对象在预设历史交易周期内的历史交易数据，根据历史交易数据分析被分析对象的交易行为，从而定义分析规则。

根据本公开的实施例，在从数据库中获取到多个被分析对象的历史交易数据后，可通过将标签库与多个被分析对象进行关联，实现对多个被分析对象按照标签类别进行分组。具体地，可以是根据标签库分别确定每个被分析对象的预定义标签关联，之后将与同一预定义标签对应的对象整合以形成一个对象组。

根据本公开的实施例，根据与每个预定义标签关联的对象组的历史交易数据，分别确定与每个预定义标签各自关联的预设分析规则，例如可以是通过解析与每个预定义标签关联的对象组的历史交易数据，分别得到对象组中的每个对象在预设交易周期的预定时段内的交易量最大值，然后分别计算每个对象组中的多个对象在预设交易周期的预定时段内的交易量最大值的均值，建立与每一预定义标签对应的预设分析规则。

例如：被分析对象-平台A、平台B、平台C、平台D被打上“A支付方式”的标签，平台A、平台B、平台C、平台D归属于同一对象组，从数据库中获取到平台A、平台B、平台C、平台D的历史交易数据，通过解析数据得到：平台A在最近一个月内每天的8:00-8:01时段区间内交易笔数最大为1000笔，平台B在最近一个月内每天的8:00-8:01时段区间内交易笔数最大为500笔，平台C在最近一个月内每天的8:00-8:01时段区间内交易笔数最大为500笔，平台D在最近一个月内每天的8:00-8:01时段区间内交易笔数最大为400笔，计算平台A、平台B、平台C、平台D在每天的8:00-8:01时段区间内交易笔数最大值的均值为600笔，则可以建立与“A支付方式”的标签关联的设分析规则为：采用“A支付方式”进行支付的平台，在每天的8:00-8:01时段区间内(预设交易周期的预定时段)，交易笔数应不超过600笔(交易量限值)。

根据本公开的实施例，通过上述技术手段，实现了分析规则的自动化构建，节省了人力，提高了工作效率，且通过以多个被分析对象在预设历史交易周期内的历史交易数据为参考建立的分析规则，更符合交易对象的客观规律，避免了人工建立规则由于主观性较强导致监控规则不合理的问题，后续以此规则进行交易行为监控，能够准确及时发现交易中的异常行为。

根据本公开的实施例，标签库中预存有分别与多个被分析对象各自关联的预定义标签，其中与每个被分析对象关联的预定义标签包括至少一个，其中标签库通过如下方法构建得到：

从业务系统获取与每个被分析对象关联的交易协议信息；

解析交易协议信息以获得与每个被分析对象关联的关键特征；

根据与每个被分析对象关联的关键特征分别确定与每个被分析对象关联的预定义标签，以构建得到标签库。

根据本公开的实施例，通过解析交易协议信息(例如，在B2B交易场景下，B2B平台、客户和金融机构签订的两方协议或三方协议信息)，可获得与每个被分析对象关联的关键特征，例如被分析对象(如B2B交易平台和交易客户)的工商信息、平台类型、会员类型、支付方式、支付工具等。需要说明的是，获取被分析对象的交易协议信息和基本信息前，可以获得被分析对象的同意或授权。例如，可以向用户发出获取交易协议信息和基本信息的请求，在用户同意或授权可以获取用户信息的情况下，执行上述操作。

根据本公开的实施例，在获得与每个被分析对象关联的关键特征后，可根据与每个被分析对象关联的关键特征分别确定与每个被分析对象关联的预定义标签，可以是根据平台的类型、支付方式、支付工具等内容进行标签分类，例如，被分析对象A和B都采用保留支付方式，则被分析对象A和B被打上“保留支付方式”的标签；被分析对象C和D的工商信息为大型国有企业，则分析对象C和D被打上“大型国有企业”标签；被分析对象E和F的工商信息为小微企业，则分析对象E和F被打上“小微企业”标签。

根据本公开的实施例，标签库中的预定义标签为预先建立起来的标签。进一步地，与每个被分析对象关联的预定义标签根据与每个被分析对象关联的交易协议信息确定的，具体地，根据与被分析对象关联的交易协议信息确定与被分析对象关联的预定义标签的具体方法还可包括如下协议录入、身份认证、协议审核和标签建立四个操作：

首先，协议录入操作包括：首先获取与被分析对象关联的交易协议信息，同时获取被分析对象(如B2B交易平台和交易客户)的基本信息，如工商信息、平台类型、会员类型、支付方式、支付工具等。

之后，进行身份认证的操作，即对获得的用户的基本信息进行核查确认，实现协助金融机构管理人员进行客户身份识别，避免交易风险。

然后，进行协议审核，具体地，在被分析对象的身份认证通过的情况下，认为与被分析对象关联的交易协议通过初步审核，然后将通过初步认证的B2B平台交易协议信息发送至审核系统，在接收到审核系统的确认通过消息后，生成唯一的协议标志，协议标志例如可以是协议编号，用于区分不同B2B平台客户通过金融机构渠道发起的交易信息。

最后，建立标签，即根据通过审核的交易协议信息确定与被分析对象关联的预定义标签。依据B2B平台客户签订的电子协议内容，根据平台的类型、支付方式、支付工具等内容进行标签分类(例如，例如被分析对象A都签订有保留支付方式的协议，则被分析对象A被打上“保留支付方式”的标签；或依据客户的工商信息(如小微企业、大型国有企业等)进行分类(例如，被分析对象被打上“小微企业”、“大型国有企业”等标签)。

根据本公开的实施例，多个标签可对应一份平台协议，多个平台的协议也可对应同一标签。后续业务人员也可根据标签库里的标签种类进行业务搭配，进行数据筛选以达到管控目的。另外，业务人员可对标签进行人工定义，如可将平台收费小于10万元的客户添加“小型商户”的标签。

根据本公开的实施例，在根据交易协议信息建立与被分析对象关联的预定义标签之前，通过对被分析对象进行身份认证和协议审核，进一步避免了交易风险。

根据本公开的实施例，在B2B交易场景下，涉及到B2B平台、客户和金融机构等多个交易参与方，为了实现有效风险管控，需要对各个被分析对象的交易行为进行分析。

被分析对象可包括第三方交易平台，被分析对象还包括交易客户，被分析对象为第三方交易平台的情况下，预定义标签用于表征第三方交易平台的平台类型、支付方式、支付工具。被分析对象为交易客户的情形下，预定义标签还用于表征交易客户的机构规模、机构类型。

在建立标签的过程中，通过不同平台的协议内容归总协议特征，如相同的平台类型、支付方式等将打上相同的标签；或不同平台下会员的归总协议特征，如相同的工商信息、会员类型等将打上相同的标签。

根据本公开的实施例，通过对B2B交易场景下的第三方交易平台和交易客户的交易行为进行分析，实现了对该场景下的多个对象进行分析的目的，同时，通过对每种对象定义多种类型的标签，涵盖了B2B交易场景下的各种风险情形，实现B2B交易场景下的有效风险管控，避免分析范围涵盖不全导致的管控风险。

图3示意性示出了根据本公开实施例的对被分析对象的交易行为进行分析的方法流程图.

如图3所示，根据目标预设分析规则和目标交易数据，确定对被分析对象的交易行为进行分析的分析结果包括操作S301～操作S302：

在操作S301，对目标交易数据进行处理，以得到被分析对象在当前交易周期的预定时段内的目标交易量；

在操作S302，在目标交易量，大于目标预设分析规则中预设的交易量限值的情况下，确定对被分析对象的交易行为进行分析的分析结果为异常。

根据本公开的实施例，在根据目标预设分析规则和目标交易数据进行数据处理前，可通过从数据缓存系统中抓取数据来获取被分析对象在当前交易周期的预定时段内的目标交易数据。

数据缓存系统主要用于将平台实时交易的日志数据流进行暂存，例如缓存交易平台的交易报文及时间戳等信息，数据缓存的时间长短和信息量大小可根据实际要求进行调整，缓存的信息可重复覆盖。

从数据缓存系统中抓取目标交易数据，可以是根据预设的分析规则从数据缓存系统中抓取在当前交易周期的预定时段内的目标交易数据。例如根据预设规则：采用“A支付方式”进行支付的平台，在每天的8:00-8:01时段区间内，交易笔数应不超过500笔，抓取平台A(采用A支付方式)在当天8:00-8:01时段区间内的交易日志作为目标交易数据。

根据本公开的实施例，在操作S301对目标交易数据进行处理，以得到被分析对象在当前交易周期的预定时段内的目标交易量，例如可以是对抓取到的当天8:00-8:01时段区间内的交易日志进行日志解析，统计获得平台A在当天8:00-8:01时段区间内的交易笔数-例如为600笔。则可以根据预设的分析规则规定的交易量限值：交易笔数应不超过500笔，可以判断平台A当天交易行为异常。

根据本公开的实施例，在根据目标预设分析规则和目标交易数据确定对被分析对象的交易行为进行分析的分析结果为异常的情况下，本公开实施例的方法还包括向分析干预系统发送预警消息，以便分析干预系统根据预警消息对被分析对象的交易行为进行干预处理。例如，仍以上述示例为例，在对目标交易数据进行处理的过程中，例如平台A在当天8:00-8:01时段区间内的交易笔数为600笔，判断平台A当天交易行为异常，需发送预警提示信息，如若平台A在当天8:00-8:01时段区间内的交易笔数为400笔，判断平台A当天交易行为正常，则该分析结果信息可以被忽略，无需发送预警提示信息。

根据本公开的实施例，分析干预系统可根据预警消息对被分析对象的交易行为进行干预处理，具体地，分析干预系统在接受到预警消息后，可以向用户(被分析对象，例如平台用户或交易客户)发送风险提示风险消息，主动向用户提示交易风险；之后用户可以在确认风险后决定是否继续进行交易，分析干预系统可接收来自于用户的风险反馈消息，并可将关于此次交易行为的预警消息、以及用户的风险反馈消息一并发送至控制系统。

根据本公开的实施例，控制系统用于在接收到关于此次交易行为的预警消息、以及用户的风险反馈消息后，启动后台管控措施，例如在用户的风险反馈消息提示终止交易的情况下，执行终止交易、终止验签通道等管控操作。

根据本公开的实施例，控制系统在执行终止交易、终止验签通道等操作后，生成表征对此次交易执行上述管控操作的交易管控消息，并且可以将关于此次交易行为的预警消息、用户的风险反馈消息、以及对此次交易执行上述管控操作的交易管控消息一并发送至业务调控系统，业务调控系统在接收到上述消息后，通过前端页面向业务人员展示，业务人员可在进行分析后，调整管控方式，如无风险则对管控放开处理，存在风险则继续管控，并进行交易限制设置。

根据本公开的实施例，在被分析对象的交易行为异常的情况下，通过向分析干预系统发送预警消息，可及时对被分析对象的异常交易行为进行干预处理，降低了交易风险。进一步地，通过主动向用户提示交易风险并由用户决定是否继续进行交易，可避免错误管控，保证了交易的正常进行。

图4示意性示出了根据本公开另一实施例的交易分析方法的流程图。以下，结合图4，对本公开实施例的交易分析方法进行示例性说明。

如图4所示，首先需要预先建立标签库和分析规则库。具体地，可获取与被分析对象关联的交易协议信息(例如，在B2B交易场景下，B2B平台、客户和金融机构签订的两方协议或三方协议信息，协议信息包括支付方式、平台类型等信息)，并进行协议审核、身份认证后，对各个被分析对象预定义标签，并将建立好的标签存储至标签库中(如都签订有保留支付方式的两个平台，都会被打上保留支付标签)。在规则库预先设立与每个预定义标签关联的预设分析规则，可以是结合业务经验设置各类被分析对象在预设交易周期的预定时段内的交易量限值(如保留支付方式的平台进行支付的时间在8:00-18:00区间内的，每分钟交易笔数应不超过500笔，即笔数(N)/时间(Min)的比值小于500)，规则库中的预设分析规则可以根据业务场景被自动或手动调整，如重定义交易平台类型、重置交易量阈值等。

然后，在实时交易的场景下，B2B平台实时产生交易数据流，交易数据信息日志在缓存系统中进行暂存；此时系统执行本公开实施例的交易分析方法，执行交易管控操作，整个操作对平台及客户无感。

系统在确定被分析对象后，从标签库中获取与被分析对象关联的目标预定义标签、从规则库中获取与目标预定义标签关联的目标预设分析规则，获取被分析对象在当前交易周期的预定时段内的目标交易数据流，并进行流数据处理，即根据目标预设分析规则和目标交易数据，对被分析对象的交易行为进行分析，在目标交易量大于预设分析规则中预设的交易量限值的情况下，确定对被分析对象的交易行为异常，发送预警提示信息，触发交易管控，反之，交易继续。例如，系统根据设定的规则(支付方式为保留支付+交易时间8:00-18:00区间内+交易笔数)抓取日志关键信息后，系统将抓取的信息代入模型中进行计算(即计算笔数(N)/时间(Min)的比值)，模型根据抓取的关键流数据持续输出结果(每分钟将笔数(N)/时间(Min)的比值P与500作对比)，放过阈值下的结果(P＜500)，将超过阈值的记录(P＞500)并向前台业务人员展示，发送预警提示信息，触发交易管控。

触发交易管控后，系统可根据预警消息对被分析对象的交易行为进行干预处理，系统将按照业务设定参数进行前端提示或后端交易控制，平台及客户交易流程将会阻断。同时，系统提示业务人员是否终止交易，进行下一步操作，业务人员收到消息后，进行人工核实判断。业务人员判断此交易是否真实存在风险，若真实存在风险，业务人员设定管控措施，系统将继续进行管控，若不存在风险，业务人员设定解除管控，B2B平台及客户交易继续。

图5示意性示出了根据本公开又一实施例的交易分析方法的流程图。

如图5所示，上述交易分析方法还可以包括对交易过程中产生的分析结果进行可视化展示，用于向业务人员可视化展示分析结果。进行可视化展示可以包括静态展示和动态展示两种方法。

例如，可以是在获取到交易过程中实时产生的分析结果后，将分析结果存储至数据库中，待整个交易过程结束后，从数据库中获取关于该对被分析对象的全部分析结果，并将分析结果归总展示。

例如，也可以是在获取到交易过程中实时产生的分析结果后，将对被分析对象的实时分析结果即时动态展示给前端业务人员。上述归总静态展示和动态展示的结果可以发送至B2B统计平台进行归档。

基于上述交易分析方法，本公开还提供了一种交易分析装置。以下将结合图6对该装置进行详细描述。

图6示意性示出了根据本公开实施例的交易分析装置的结构框图。

如图6所示，该实施例的交易分析装置600，包括第一获取模块601、第二获取模块602、第三获取模块603和分析模块604。

其中，第一获取模块601，用于从标签库中获取与被分析对象关联的目标预定义标签；

第二获取模块602，用于从规则库中获取与目标预定义标签关联的目标预设分析规则，其中目标预设分析规则包括：被分析对象在预设交易周期的预定时段内的交易量限值；

第三获取模块603，用于获取被分析对象在当前交易周期的预定时段内的目标交易数据；

分析模块604，用于根据目标预设分析规则和目标交易数据，对被分析对象的交易行为进行分析，得到分析结果，其中分析结果为异常或正常。

根据本公开的实施例，因标签库存储有与被分析对象关联的预定义标签，通过第一获取模块601从标签库中获取与被分析对象关联的目标预定义标签，实现了对被分析对象的标签化细化分类，进一步地规则库中存储有与被分析对象的各种预定义标签分别关联的预设分析规则，通过第二获取模块602从规则库中获取与目标预定义标签关联的目标预设分析规则，并通过第三获取模块603、分析模块604根据目标预设分析规则和目标交易数据，对被分析对象的交易行为进行分析，可实现对特定标签类别下的被分析对象进行了有针对性地分析，进一步实现了对被分析对象的细化管理，避免了“一刀切”式的分析方法带来的无效管控的问题。例如相关技术中并没有实现对被分析对象进行分类，而是针对所有对象都采用一个分析规则，如无论对于哪种供客户，交易金额超过某一阈值则认为异常，则经常会出现错误管控。相较而言，本公开的实施例，考虑了交易过程中存在的各种复杂情形，考虑了不同类型平台、客户的交易特性的不同，在对被分析对象的细化分类的基础上，对每一类对象分别采用不同的分析规则进行分析，分析结果更加具有参考性和实际意义。

根据本公开的实施例，其中，规则库中预存有分别与多个预定义标签各自关联的预设分析规则，上述装置还包括第一构建模块，用于构建得到规则库，其中第一构建模块包括第一获取单元、关联单元、第一确定单元。

其中，第一获取单元，用于从数据库中获取多个被分析对象在预设历史交易周期内的历史交易数据；

关联单元，用于将标签库与多个被分析对象进行关联，以得到分别与每个预定义标签关联的对象组；

第一确定单元，用于根据与每个预定义标签关联的对象组的历史交易数据，分别确定与每个预定义标签各自关联的预设分析规则，以构建得到规则库。

根据本公开的实施例，其中，标签库中预存有分别与多个被分析对象各自关联的预定义标签，其中与每个被分析对象关联的预定义标签包括至少一个，上述装置还包括第二构建模块，用于构建标签库，第二构建模块包括第二获取单元、解析单元和第二确定单元。

其中，第二获取单元，用于从业务系统获取与每个被分析对象关联的交易协议信息；

解析单元，用于解析交易协议信息以获得与每个被分析对象关联的关键特征；

第二确定单元，用于根据与每个被分析对象关联的关键特征分别确定与每个被分析对象关联的预定义标签，以构建得到标签库。

根据本公开的实施例，其中，被分析对象包括第三方交易平台；预定义标签用于表征第三方交易平台的平台类型、支付方式、支付工具。

根据本公开的实施例，其中，被分析对象还包括交易客户；预定义标签还用于表征交易客户的机构规模、机构类型。

根据本公开的实施例，其中，分析模块包括处理单元和第三确定单元。

其中，处理单元，用于对目标交易数据进行处理，以得到被分析对象在当前交易周期的预定时段内的目标交易量；

第三确定单元，用于在目标交易量，大于目标预设分析规则中预设的交易量限值的情况下，确定对被分析对象的交易行为进行分析的分析结果为异常。

根据本公开的实施例，还包括发送模块，用于在确定对被分析对象的交易行为进行分析的分析结果为异常的情况下，向分析干预系统发送预警消息，以便分析干预系统根据预警消息对被分析对象的交易行为进行干预处理。

根据本公开的实施例，第一获取模块601、第二获取模块602、第三获取模块603和分析模块604中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第一获取模块601、第二获取模块602、第三获取模块603和分析模块604中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一获取模块601、第二获取模块602、第三获取模块603和分析模块604中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图7示意性示出了根据本公开实施例的适于实现交易分析方法的电子设备的方框图。

如图7所示，根据本公开实施例的电子设备700包括处理器701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 703中，存储有电子设备700操作所需的各种程序和数据。处理器701、ROM702以及RAM 703通过总线704彼此相连。处理器701通过执行ROM 702和/或RAM 703中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 702和RAM 703以外的一个或多个存储器中。处理器701也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备700还可以包括输入/输出(I/O)接口705，输入/输出(I/O)接口705也连接至总线704。电子设备700还可以包括连接至I/O接口705的以下部件中的一项或多项：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 702和/或RAM 703和/或ROM 702和RAM 703以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的交易分析方法。

在该计算机程序被处理器701执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分709被下载和安装，和/或从可拆卸介质711被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (10)

1.一种交易分析方法，包括：

从标签库中获取与被分析对象关联的目标预定义标签；

从规则库中获取与所述目标预定义标签关联的目标预设分析规则，其中所述目标预设分析规则包括：所述被分析对象在预设交易周期的预定时段内的交易量限值；

获取所述被分析对象在当前交易周期的预定时段内的目标交易数据；

根据所述目标预设分析规则和所述目标交易数据，对所述被分析对象的交易行为进行分析，得到分析结果，其中所述分析结果为异常或正常。

2.根据权利要求1所述的方法，其中：

所述规则库中预存有分别与多个预定义标签各自关联的预设分析规则，其中所述规则库通过如下方法构建得到：

从数据库中获取多个被分析对象在预设历史交易周期内的历史交易数据；

将所述标签库与所述多个被分析对象进行关联，以得到分别与每个预定义标签关联的对象组；

根据所述与每个预定义标签关联的对象组的所述历史交易数据，分别确定与每个预定义标签各自关联的预设分析规则，以构建得到所述规则库。

3.根据权利要求1所述的方法，其中：

所述标签库中预存有分别与多个被分析对象各自关联的预定义标签，其中与每个被分析对象关联的预定义标签包括至少一个，其中所述标签库通过如下方法构建得到：

从业务系统获取与所述每个被分析对象关联的交易协议信息；

解析所述交易协议信息以获得与所述每个被分析对象关联的关键特征；

根据与所述每个被分析对象关联的关键特征分别确定与所述每个被分析对象关联的预定义标签，以构建得到所述标签库。

4.根据权利要求1所述的方法，其中：

所述被分析对象包括第三方交易平台；

所述预定义标签用于表征所述第三方交易平台的平台类型、支付方式、支付工具。

5.根据权利要求4所述的方法，其中：

所述被分析对象还包括交易客户；

所述预定义标签还用于表征所述交易客户的机构规模、机构类型。

6.根据权利要求1所述的方法，其中，所述根据所述目标预设分析规则和所述目标交易数据，确定对所述被分析对象的交易行为进行分析的分析结果包括：

对所述目标交易数据进行处理，以得到所述被分析对象在所述当前交易周期的预定时段内的目标交易量；

在所述目标交易量，大于所述目标预设分析规则中预设的所述交易量限值的情况下，确定对所述被分析对象的交易行为进行分析的分析结果为异常。

7.根据权利要求1所述的方法，还包括：

在确定对所述被分析对象的交易行为进行分析的分析结果为异常的情况下，向分析干预系统发送预警消息，以便所述分析干预系统根据所述预警消息对所述被分析对象的交易行为进行干预处理。

8.一种交易分析装置，包括：

第一获取模块，用于从标签库中获取与被分析对象关联的目标预定义标签；

第二获取模块，用于从规则库中获取与所述目标预定义标签关联的目标预设分析规则，其中所述目标预设分析规则包括：所述被分析对象在预设交易周期的预定时段内的交易量限值；

第三获取模块，用于获取所述被分析对象在当前交易周期的预定时段内的目标交易数据；

分析模块，用于根据所述目标预设分析规则和所述目标交易数据，对所述被分析对象的交易行为进行分析，得到分析结果，其中所述分析结果为异常或正常。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～7中任一项所述的方法。

Images