CN115204716B - 一种网络空间风险数据流检测预警方法、系统及计算机存储介质 - Google Patents

一种网络空间风险数据流检测预警方法、系统及计算机存储介质 Download PDF

Info

Publication number
CN115204716B
CN115204716B CN202210890753.9A CN202210890753A CN115204716B CN 115204716 B CN115204716 B CN 115204716B CN 202210890753 A CN202210890753 A CN 202210890753A CN 115204716 B CN115204716 B CN 115204716B
Authority
CN
China
Prior art keywords
bank
risk
withdrawal
business
appointed
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.)
Active
Application number
CN202210890753.9A
Other languages
English (en)
Other versions
CN115204716A (zh
Inventor
杜嘉琦
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.)
Anhui Dewu Technology Co ltd
Original Assignee
Anhui Dewu Technology 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 Anhui Dewu Technology Co ltd filed Critical Anhui Dewu Technology Co ltd
Priority to CN202210890753.9A priority Critical patent/CN115204716B/zh
Publication of CN115204716A publication Critical patent/CN115204716A/zh
Application granted granted Critical
Publication of CN115204716B publication Critical patent/CN115204716B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开提供的一种网络空间风险数据流检测预警方法、系统及计算机存储介质。该网络空间风险数据流检测预警方法通过对指定分部银行在设定监测周期内对应的线下运营数据、线上运营数据以及服务评价数据进行检测，由此对指定分部银行的运营风险进行评估，得到指定分部银行对应的综合运营风险评估指数，有效的解决了当前技术没有对银行发展风险进行细致的检测问题，打破了银行对网络舆情关注度与运营风险关注度之间的不平衡局面，直观了凸显了银行运营过程中存在问题和风险程度，有效的保障了银行风险应对的及时性，为银行后续工作的整改和调动提供了可靠的方向和决策性的依据，同时还有效的降低了银行的风险运营损失。

Description

一种网络空间风险数据流检测预警方法、系统及计算机存储 介质
技术领域
本发明属于风险数据流检测预警技术领域，涉及到一种网络空间风险数据流检测预警方法、系统及计算机存储介质。
背景技术
随着经济一体化的发展，社会经济步入新常态，而银行作为与经济挂钩的重要载体，关联着众多企业和客户，其运营稳定性的重要程度不言而喻，由此凸显了银行运营风险数据检测预警的必要性；
当前对银行运营风险数据的检测预警主要针对银行运营过程中的舆情风险数据进行检测，由此对负向的舆情进行预警，但是银行运营中核心问题是银行的运营状态，当前没有对此进行细致分析，很显然，当前技术还存在以下几个方面的弊端：
1、网络舆情影响银行的口碑，而运营状态决定银行经营的可行性，当前对网络舆情风险的关注度显然高于银行运营风险的关注度，进而无法凸显出银行运营过程中存在的问题和风险程度，由此无法保障银行风险应对的及时性，同时还无法为银行后续工作的整改提供可靠的方向和依据；
2、当前对银行运营的风险监测停留在资金链风险等层面，属于银行自身角度的风险检测，而客户作为银行一切经营活动的基础，对其状态分析很有必要，当前没有根据客户的状态对银行的运营进行风险检测和预警，其具体体现在：
A、线下客户的存款、贷款等活动直接影响了银行的资金流动以及银行的盈利情况，当前没有根据线下客户的活动情况对银行进行风险检测和预警，无法展示银行的资金风险状态，也无法为银行后续运营价值的分析提供可靠的基础；
B、银行关联线上软件的注册用户量直接影响了后续银行业务活动的开展，同时还影响了银行后续业务办理方向的更换，线上客户的业务活动在银行的业绩中占据着重要组成部分，当前没有对此分析，无法保障银行运营的高效性；
C、客户对银行的服务评价反应了客户对银行的服务观感，也直接影响了后续客户与银行的粘性，当前没有对此进行分析，无法保障后续企业运营的平稳性。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种网络空间风险数据流检测预警方法、系统及计算机存储介质；
本发明的目的可以通过以下技术方案实现：
本发明第一方面提供了一种网络空间风险数据流检测预警方法，该方法包括以下步骤：
S1、银行线下运营数据检测：获取指定分部银行所在区域位置，对指定分部银行在设定监测周期内线下各运营业务对应的运营数据进行检测，其中，运营业务包括取款、存款和贷款；
S2、银行线上运营数据检测：对指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据进行检测；
S3、银行服务评价数据检测：对指定分部银行在设定周期内各工作人员对应的关联服务评价数据进行检测；
S4、银行运营风险评估与预警解析：对指定分部银行的运营风险进行评估，得到指定分部银行对应的综合运营风险评估指数，将指定分部银行对应的综合运营风险评估指数与设定的预警运营风险评估指数进行对比，若指定分部银行对应的综合运营风险评估指数大于或者等于设定的预警运营风险评估指数，则判定指定分部银行存在运营风险，反之则判定指定分部银行不存在运营风险；
S5、银行运营风险反馈:当指定分部银行存在运营风险时，启动运营风险预警指令，同时将该指定分部银行所在区域位置以及运营风险预警指令传输至指定分部银行对应所属总行。
于本发明一优选实施例，所述取款对应的运营数据具体包括取款次数、各次取款对应的取款时间点和各次取款对应的取款金额；存款对应的运营数据具体包括存款次数和各次存款对应的存款金额；贷款对应的运营数据具体包括贷款次数和各次贷款对应的贷款额度。
于本发明一优选实施例，所述指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据具体包括注册用户数目、办理业务次数和各次办理业务对应的业务类型。
于本发明一优选实施例，所述各工作人员对应的关联服务评价数据具体包括评价次数和好评次数。
于本发明一优选实施例，所述对指定分部银行的运营风险进行评估，具体评估过程为：
第一步、基于指定分部银行在设定监测周期内线下各运营业务对应的运营数据，分析得到指定分部银行在设定周期内对应的线下运营风险评估指数，并记为β1；
第二步、基于指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据，分析得到指定分部银行在设定周期内对应的线上运营风险评估指数，并记为β2；
第三步、基于指定分部银行在设定监测周期内各工作人员对应的关联服务评价数据，分析得到指定分部银行在设定周期内服务状态对应的运营风险评估指数，并记为β3；
第四步、基于指定分部银行在设定周期内对应的线下运营风险评估指数、线上运营风险评估指数和服务状态对应的运营风险评估指数，通过分析公式分析得到指定分部银行对应的综合运营风险评估指数λ，e表示为自然数，α1、α2、α3分别表示为设定的银行线下运营风险、线上运营风险、服务运营风险对应的权重因子，α1＞α2＞α3，且α1+α2+α3＝1。
于本发明一优选实施例，所述分析得到指定分部银行在设定周期内对应的线下运营风险评估指数，具体分析过程包括以下步骤：
基于指定分部银行所在区域位置，设置线下运营影响权重因子，并记为
从指定分部银行在设定监测周期内线下各运营业务对应的运营数据中定位出取款次数、各次取款对应的取款时间点和各次取款对应的取款金额，将各次取款对应的取款金额进行累加，得到指定分部银行在设定监测周期内对应的综合取款金额，并记为M；
基于指定分部银行在设定监测周期内线下各次取款对应的取款时间点，获取首次取款和尾次取款之间的取款间隔时长，并记为T；
基于指定分部银行在设定监测周期内线下取款次数、取款间隔时长和综合取款金额，利用计算公式计算得出指定分部银行在设定监测周期内取款风险评估指数，并记为ε1；
从指定分部银行在设定监测周期内线下各运营业务对应的运营数据中定位出存款次数和各次存款对应的存款金额，将各次存款对应的存款金额进行累加，得到指定分部银行在设定监测周期内综合存款金额，并记为M0；
基于指定分部银行在设定监测周期内线下存款次数和综合存款金额，通过分析公式分析得到得到指定分部银行在设定监测周期内存款风险评估指数，并记为ε2；
从指定分部银行在设定监测周期内线下各运营业务对应的运营数据中定位出贷款次数和各次贷款对应的贷款额度，将各次贷款对应的贷款额度进行累加，得到指定分部银行在设定监测周期内综合贷款额度，并记为M1；
基于指定分部银行在设定监测周期内线下贷款次数和综合贷款额度，通过分析公式分析得到指定分部银行在设定监测周期内贷款风险评估指数，并记为ε3；
基于指定分部银行在设定监测周期内取款风险评估指数、存款风险评估指数、贷款风险评估指数和线下运营影响权重因子，通过分析公式分析得到指定分部银行在设定周期内对应的线下运营风险评估指数β1，μ1、μ2、μ3分别表示为设定的取款信息、存款信息、贷款信息对应的权重因子。
于本发明一优选实施例，所述分析得到指定分部银行在设定周期内对应的线上运营风险评估指数，具体分析过程包括以下步骤：
从指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据中提取注册用户数目、办理业务次数和各次办理业务对应的业务类型，其中，业务类型为查询类型和支付类型；
将各次办理业务对应的业务类型进行相互对比，统计查询类型对应的办理业务次数和支付类型对应的办理业务次数；
将查询类型办理业务的次数与支付类型对应的办理业务次数进行作差，将差值记为业务办理次数差；
将业务办理次数差与设定的参考业务办理次数差范围进行对比，若业务办理次数差在设定的参考业务办理次数差范围内，则判断业务办理倾向类型为均匀办理，从业务数据库中提取均匀办理对应的运营风险权重因子，记为σ1；
若业务办理次数差不在设定的参考业务办理次数差范围内且大于0，则判断业务办理倾向类型为查询办理，从业务数据库中提取查询办理对应的运营风险权重因子，记为σ2；
若业务办理次数差不在设定的参考业务办理次数差范围内且小于0，则判断业务办理倾向类型为支付办理，从业务数据库中提取支付办理对应的运营风险权重因子，记为σ3，由此得到指定分部银行在设定监测周期内关联线上业务处理终端业务办理倾向类型对应的运营风险权重因子，并记为τ，τ取值为σ1或σ2或σ3，其中，σ1<σ2<σ3；
通过分析公式分析得到指定分部银行在设定周期内对应的线上运营风险评估指数β2，h1、h2分别表示为注册用户数目、办理业务次数对应的权重因子，n、y分别表示为指定分部银行在设定监测周期内关联线上业务处理终端中的注册用户数目、办理业务次数，n′、y′分别表示为设定的银行关联线上业务处理终端在设定监测周期内对应的参考注册用户数目、参考办理业务次数。
于本发明一优选实施例，所述分析得到指定分部银行在设定周期内服务状态对应的运营风险评估指数，具体分析过程如下：
从指定分部银行在设定监测周期内各工作人员对应的关联服务评价数据中提取评价次数和好评次数，并分别记为Jt和Ht，t表示各工作人员对应的编号，t＝1,2,......m，由此通过计算公式分析得到指定分部银行在设定周期内服务状态对应的运营风险评估指数β3，/>为设定的服务评价修正因子，m表示为工作人员数目。
本发明第二方面提供了一种网络空间风险数据流检测预警系统，该系统包括：
银行线下运营数据检测模块，用于获取指定分部银行所在区域位置，对指定分部银行在设定监测周期内线下各运营业务对应的运营数据进行检测，其中，运营业务包括取款、存款和贷款；
银行线上运营数据检测模块，用于对指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据进行检测；
银行服务评价数据检测模块，对指定分部银行在设定周期内各工作人员对应的关联服务评价数据进行检测；
业务数据库，用于存储各业务办理倾向类型对应的运营风险权重因子；
银行运营风险预警解析模块，用于对指定分部银行的运营风险进行评估，得到指定分部银行对应的综合运营风险评估指数，由此对指定分部银行运营风险状态进行判断；
银行运营风险反馈终端，用于当指定分部银行存在运营风险时，启动运营风险预警指令，同时将该指定分部银行所在区域位置以及运营风险预警指令传输至指定分部银行对应所属总行。
本发明第三方面提供了一种网络空间风险数据流检测预警计算机存储介质，所述网络空间风险数据流检测预警计算机存储介质烧录有计算机程序，所述计算机程序在服务器的内存中运行时实现本发明所述的网络空间风险数据流检测预警方法。
相较于现有技术，本发明的有益效果如下：
(1)本发明提供的一种网络空间风险数据流检测预警方法，通过对指定分部银行在设定监测周期内对应的线下运营数据、线上运营数据以及服务评价数据进行检测，由此对指定分部银行的运营风险进行评估，得到指定分部银行对应的综合运营风险评估指数，一方面有效的解决了当前技术没有对银行发展风险进行细致的检测问题，打破了银行对网络舆情关注度与运营风险关注度之间的不平衡局面，直观了凸显了银行运营过程中存在问题和风险程度，有效的保障了银行风险应对的及时性，为银行后续工作的整改和调动提供了可靠的方向和决策性的依据，另一方面通过从客户线下业务信息、线上业务信息以及客户评价信息这三个维度对银行的运营风险进行评估，实现了指定分部银行运营风险的多维度分析，大大的提高了分析结果的可靠性和参考性，同时拓展了银行的风险评估依据，最大程度上的保障了银行风险预警的及时性，并且还有效的降低了银行的风险运营损失。
(2)本发明通过指定分部银行在设定监测周期内线下存款、贷款、取款对应的运营数据进行检测和分析，直观的展示了银行资金的流动状态和盈利状态，进而有效的凸显了银行的资金风险状态，实现了银行线下运营风险的多方位分析，保障了银行线下运营风险评估的合理性，同时还促进了银行线下运营整改的进程。
(3)本发明通过对指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据进行检测和分析，降低了后续银行业务活动的开展和业务办理方向更换的影响程度，展示了线上客户的业务活动在银行的业绩中的重要性，从而保障了指定分部银行运营的稳定性、高效性和顺畅性。
(4)本发明通过对指定分部银行在设定周期内各工作人员对应的关联服务评价数据进行检测和分析，反应了客户对指定分部银行服务的满意情况，进而展示了客户与银行的粘性状态，由此为银行对工作人员工作的制定以及工作人员的工作考核提供了可靠的依据，同时还保障了银行后续运营的平稳性，消除了工作人员自身问题而造成的银行负面影响，进一步降低了银行负向舆论的风险隐患。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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本发明的一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本发明方法实施步骤流程图；
图2为本发明系统各模块连接示意图。
具体实施方式
下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
请参阅图1所示，本发明第一方面提供了一种网络空间风险数据流检测预警方法，该方法包括以下步骤：
S1、银行线下运营数据检测：获取指定分部银行所在区域位置，对指定分部银行在设定监测周期内线下各运营业务对应的运营数据进行检测，其中，运营业务包括取款、存款和贷款；
具体地，所述取款对应的运营数据具体包括取款次数、各次取款对应的取款时间点和各次取款对应的取款金额；存款对应的运营数据具体包括存款次数和各次存款对应的存款金额；贷款对应的运营数据具体包括贷款次数和各次贷款对应的贷款额度。
S2、银行线上运营数据检测：对指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据进行检测；
具体地，指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据具体包括注册用户数目、办理业务次数和各次办理业务对应的业务类型。
S3、银行服务评价数据检测：对指定分部银行在设定周期内各工作人员对应的关联服务评价数据进行检测，其中关联服务评价数据包括评价次数和好评次数；
S4、银行运营风险评估与预警解析：对指定分部银行的运营风险进行评估，得到指定分部银行对应的综合运营风险评估指数，将指定分部银行对应的综合运营风险评估指数与设定的预警运营风险评估指数进行对比，若指定分部银行对应的综合运营风险评估指数大于或者等于设定的预警运营风险评估指数，则判定指定分部银行存在运营风险，反之则判定指定分部银行不存在运营风险；
具体地，所述对指定分部银行的运营风险进行评估，具体评估过程为：
第一步、基于指定分部银行在设定监测周期内线下各运营业务对应的运营数据，分析得到指定分部银行在设定周期内对应的线下运营风险评估指数，并记为β1；
需要说明的是，指定分部银行在设定周期内对应的线下运营风险评估指数，具体分析过程包括以下步骤：
X1、基于指定分部银行所在区域位置，设置线下运营影响权重因子，并记为
在一个具体实施例中，设置线下运营影响权重因子具体设置过程为：根据指定分部银行所在区域位置，获取指定分部银行所在区域位置与指定分部银行所处城市对应中心区域位置之间的距离，并记为中心偏距，若中心偏距在10公里以内，则将指定分部银行线下运营权重因子记为υ1，若中心偏距在20公里以内，则将指定分部银行线下运营权重因子记为υ2，若中心偏距在30公里以内，则将指定分部银行线下运营权重因子记为υ3，若中心偏距在30公里以外，则将指定分部银行线下运营权重因子记为υ4，由此得到指定分部银行对应的线下运营影响权重因子其中/>取值可以为υ1或者υ2或者υ3或者υ4，其中υ1<υ2<υ3<υ4，υ1、υ2、υ3、υ4取值不为0。
X2、从指定分部银行在设定监测周期内线下各运营业务对应的运营数据中定位出取款次数、各次取款对应的取款时间点和各次取款对应的取款金额，将各次取款对应的取款金额进行累加，得到指定分部银行在设定监测周期内对应的综合取款金额，并记为M；
X3、基于指定分部银行在设定监测周期内线下各次取款对应的取款时间点，获取首次取款和尾次取款之间的取款间隔时长，并记为T；
X4、基于指定分部银行在设定监测周期内线下取款次数、取款间隔时长和综合取款金额，利用计算公式计算得出指定分部银行在设定监测周期内取款风险评估指数，并记为ε1，其中，c′、f、M′、ΔM分别表示为设定的银行线下在设定监测周期内参考取款次数、参考取款频率、参考取款额度、许可取款额度差，c表示为指定分部银行在设定监测周期内线下取款次数，a1,a2,a3分别表示为设定的取款次数、取款频率、取款额度对应的权重因子；
X5、从指定分部银行在设定监测周期内线下各运营业务对应的运营数据中定位出存款次数和各次存款对应的存款金额，将各次存款对应的存款金额进行累加，得到指定分部银行在设定监测周期内综合存款金额，并记为M0；
X6、基于指定分部银行在设定监测周期内线下存款次数和综合存款金额，通过分析公式分析得到得到指定分部银行在设定监测周期内存款风险评估指数，并记为ε2，其中，b1,b2分别表示为设定的存款次数，存款金额对应的权重因子，c′0、M0′分别表示为设定的银行线下在设定监测周期内参考存款次数、参考存款额度；
X7、从指定分部银行在设定监测周期内线下各运营业务对应的运营数据中定位出贷款次数和各次贷款对应的贷款额度，将各次贷款对应的贷款额度进行累加，得到指定分部银行在设定监测周期内综合贷款额度，并记为M1；
X8、基于指定分部银行在设定监测周期内线下贷款次数和综合贷款额度，通过分析公式分析得到指定分部银行在设定监测周期内贷款风险评估指数，并记为ε3，其中，d1、d2分别表示为设定的贷款次数，综合贷款额度对应的权重因子，c1′、M1′分别表示为设定的银行线下在设定监测周期内对应的参考贷款次数、参考贷款额度；
X9、基于指定分部银行在设定监测周期内取款风险评估指数、存款风险评估指数、贷款风险评估指数和线下运营影响权重因子，通过分析公式分析得到指定分部银行在设定周期内对应的线下运营风险评估指数β1，μ1、μ2、μ3分别表示为设定的取款信息、存款信息、贷款信息对应的权重因子；
本发明实施例通过指定分部银行在设定监测周期内线下存款、贷款、取款对应的运营数据进行检测和分析，直观的展示了银行资金的流动状态和盈利状态，进而有效的凸显了银行的资金风险状态，实现了银行线下运营风险的多方位分析，保障了银行线下运营风险评估的合理性，同时还促进了银行线下运营整改的进程。
第二步、基于指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据，分析得到指定分部银行在设定周期内对应的线上运营风险评估指数，并记为β2；
需要说明的是，分析得到指定分部银行在设定周期内对应的线上运营风险评估指数，具体分析过程包括以下步骤：
Y1、从指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据中提取注册用户数目、办理业务次数和各次办理业务对应的业务类型，其中，业务类型为查询类型和支付类型；
Y2、将各次办理业务对应的业务类型进行相互对比，统计查询类型对应的办理业务次数和支付类型对应的办理业务次数；
Y3、将查询类型办理业务的次数与支付类型对应的办理业务次数进行作差，将差值记为业务办理次数差；
Y4、将业务办理次数差与设定的参考业务办理次数差范围进行对比，若业务办理次数差在设定的参考业务办理次数差范围内，则判断业务办理倾向类型为均匀办理，从业务数据库中提取均匀办理对应的运营风险权重因子，记为σ1；
Y5、若业务办理次数差不在设定的参考业务办理次数差范围内且大于0，则判断业务办理倾向类型为查询办理，从业务数据库中提取查询办理对应的运营风险权重因子，记为σ2；
Y6、若业务办理次数差不在设定的参考业务办理次数差范围内且小于0，则判断业务办理倾向类型为支付办理，从业务数据库中提取支付办理对应的运营风险权重因子，记为σ3，由此得到指定分部银行在设定监测周期内关联线上业务处理终端业务办理倾向类型对应的运营风险权重因子，并记为τ，τ取值为σ1或σ2或σ3，其中，σ1<σ2<σ3；
Y7、通过分析公式分析得到指定分部银行在设定周期内对应的线上运营风险评估指数β2，h1、h2分别表示为注册用户数目、办理业务次数对应的权重因子，n、y分别表示为指定分部银行在设定监测周期内关联线上业务处理终端中的注册用户数目、办理业务次数，n′、y′分别表示为设定的银行关联线上业务处理终端在设定监测周期内对应的参考注册用户数目、参考办理业务次数；
本发明实施例通过对指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据进行检测和分析，降低了后续银行业务活动的开展和业务办理方向更换的影响程度，展示了线上客户的业务活动在银行的业绩中的重要性，从而保障了指定分部银行运营的稳定性、高效性和顺畅性。
第三步、基于指定分部银行在设定监测周期内各工作人员对应的关联服务评价数据，分析得到指定分部银行在设定周期内服务状态对应的运营风险评估指数，并记为β3；
需要说明的是，分析得到指定分部银行在设定周期内服务状态对应的运营风险评估指数，具体分析过程如下：
从指定分部银行在设定监测周期内各工作人员对应的关联服务评价数据中提取评价次数和好评次数，并分别记为Jt和Ht，t表示各工作人员对应的编号，t＝1,2,......m，由此通过计算公式分析得到指定分部银行在设定周期内服务状态对应的运营风险评估指数β3，/>为设定的服务评价修正因子，m表示为工作人员数目；
第四步、基于指定分部银行在设定周期内对应的线下运营风险评估指数、线上运营风险评估指数和服务状态对应的运营风险评估指数，通过分析公式分析得到指定分部银行对应的综合运营风险评估指数λ，e表示为自然数，α1、α2、α3分别表示为设定的银行线下运营风险、线上运营风险、服务运营风险对应的权重因子，α1＞α2＞α3，且α1+α2+α3＝1。
本发明实施例通过对指定分部银行在设定周期内各工作人员对应的关联服务评价数据进行检测和分析，反应了客户对指定分部银行服务的满意情况，进而展示了客户与银行的粘性状态，由此为银行对工作人员工作的制定以及工作人员的工作考核提供了可靠的依据，同时还保障了银行后续运营的平稳性，消除了工作人员自身问题而造成的银行负面影响，进一步降低了银行负向舆论的风险隐患。
S5、银行运营风险反馈:当指定分部银行存在运营风险时，启动运营风险预警指令，同时将该指定分部银行所在区域位置以及运营风险预警指令传输至指定分部银行对应所属总行。
本发明实施例通过对指定分部银行在设定监测周期内对应的线下运营数据、线上运营数据以及服务评价数据进行检测，由此对指定分部银行的运营风险进行评估，得到指定分部银行对应的综合运营风险评估指数，一方面有效的解决了当前技术没有对银行发展风险进行细致的检测问题，打破了银行对网络舆情关注度与运营风险关注度之间的不平衡局面，直观了凸显了银行运营过程中存在问题和风险程度，有效的保障了银行风险应对的及时性，为银行后续工作的整改和调动提供了可靠的方向和决策性的依据，另一方面通过从客户线下业务信息、线上业务信息以及客户评价信息这三个维度对银行的运营风险进行评估，实现了指定分部银行运营风险的多维度分析，大大的提高了分析结果的可靠性和参考性，同时拓展了银行的风险评估依据，最大程度上的保障了银行风险预警的及时性，并且还有效的降低了银行的风险运营损失。
请参阅图2所示，本发明第二方面提供了一种网络空间风险数据流检测预警系统，该系统包括银行线下运营数据检测模块、银行线上运营数据检测模块、银行服务评价数据检测模块、业务数据库、银行运营风险预警解析模块和银行运营风险反馈终端；
上述中银行运营风险预警解析模块分别与银行线下运营数据检测模块、银行线上运营数据检测模块、银行服务评价数据检测模块、业务数据库以及银行运营风险反馈终端连接；
银行线下运营数据检测模块，用于获取指定分部银行所在区域位置，对指定分部银行在设定监测周期内线下各运营业务对应的运营数据进行检测，其中，运营业务包括取款、存款和贷款；
银行线上运营数据检测模块，用于对指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据进行检测；
银行服务评价数据检测模块，对指定分部银行在设定周期内各工作人员对应的关联服务评价数据进行检测；
业务数据库，用于存储各业务办理倾向类型对应的运营风险权重因子；
银行运营风险预警解析模块，用于对指定分部银行的运营风险进行评估，得到指定分部银行对应的综合运营风险评估指数，由此对指定分部银行运营风险状态进行判断；
银行运营风险反馈终端，用于当指定分部银行存在运营风险时，启动运营风险预警指令，同时将该指定分部银行所在区域位置以及运营风险预警指令传输至指定分部银行对应所属总行。
本发明第三方面提供了一种网络空间风险数据流检测预警计算机存储介质，所述网络空间风险数据流检测预警计算机存储介质烧录有计算机程序，所述计算机程序在服务器的内存中运行时实现本发明所述的网络空间风险数据流检测预警方法。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (7)

1.一种网络空间风险数据流检测预警方法，其特征在于：该方法包括以下步骤：
S1、银行线下运营数据检测：获取指定分部银行所在区域位置，对指定分部银行在设定监测周期内线下各运营业务对应的运营数据进行检测，其中，运营业务包括取款、存款和贷款；
S2、银行线上运营数据检测：对指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据进行检测；
所述指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据具体包括注册用户数目、办理业务次数和各次办理业务对应的业务类型；
S3、银行服务评价数据检测：对指定分部银行在设定周期内各工作人员对应的关联服务评价数据进行检测；
S4、银行运营风险评估与预警解析：对指定分部银行的运营风险进行评估，得到指定分部银行对应的综合运营风险评估指数，将指定分部银行对应的综合运营风险评估指数与设定的预警运营风险评估指数进行对比，若指定分部银行对应的综合运营风险评估指数大于或者等于设定的预警运营风险评估指数，则判定指定分部银行存在运营风险，反之则判定指定分部银行不存在运营风险；
所述对指定分部银行的运营风险进行评估，具体评估过程为：
第一步、基于指定分部银行在设定监测周期内线下各运营业务对应的运营数据，分析得到指定分部银行在设定周期内对应的线下运营风险评估指数，并记为β1；
第二步、基于指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据，分析得到指定分部银行在设定周期内对应的线上运营风险评估指数，并记为β2；
所述分析得到指定分部银行在设定周期内对应的线上运营风险评估指数，具体分析过程包括以下步骤：
从指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据中提取注册用户数目、办理业务次数和各次办理业务对应的业务类型，其中，业务类型为查询类型和支付类型；
将各次办理业务对应的业务类型进行相互对比，统计查询类型对应的办理业务次数和支付类型对应的办理业务次数；
将查询类型办理业务的次数与支付类型对应的办理业务次数进行作差，将差值记为业务办理次数差；
将业务办理次数差与设定的参考业务办理次数差范围进行对比，若业务办理次数差在设定的参考业务办理次数差范围内，则判断业务办理倾向类型为均匀办理，从业务数据库中提取均匀办理对应的运营风险权重因子，记为σ1；
若业务办理次数差不在设定的参考业务办理次数差范围内且大于0，则判断业务办理倾向类型为查询办理，从业务数据库中提取查询办理对应的运营风险权重因子，记为σ2；
若业务办理次数差不在设定的参考业务办理次数差范围内且小于0，则判断业务办理倾向类型为支付办理，从业务数据库中提取支付办理对应的运营风险权重因子，记为σ3，由此得到指定分部银行在设定监测周期内关联线上业务处理终端业务办理倾向类型对应的运营风险权重因子，并记为τ，τ取值为σ1或σ2或σ3，其中，σ1<σ2<σ3；
通过分析公式分析得到指定分部银行在设定周期内对应的线上运营风险评估指数β2，h1、h2分别表示为注册用户数目、办理业务次数对应的权重因子，n、y分别表示为指定分部银行在设定监测周期内关联线上业务处理终端中的注册用户数目、办理业务次数，n′、y′分别表示为设定的银行关联线上业务处理终端在设定监测周期内对应的参考注册用户数目、参考办理业务次数；
第三步、基于指定分部银行在设定监测周期内各工作人员对应的关联服务评价数据，分析得到指定分部银行在设定周期内服务状态对应的运营风险评估指数，并记为β3；
第四步、基于指定分部银行在设定周期内对应的线下运营风险评估指数、线上运营风险评估指数和服务状态对应的运营风险评估指数，通过分析公式分析得到指定分部银行对应的综合运营风险评估指数λ，e表示为自然数，α1、α2、α3分别表示为设定的银行线下运营风险、线上运营风险、服务运营风险对应的权重因子，α1＞α2＞α3，且α1+α2+α3＝1；
S5、银行运营风险反馈:当指定分部银行存在运营风险时，启动运营风险预警指令，同时将该指定分部银行所在区域位置以及运营风险预警指令传输至指定分部银行对应所属总行。
2.根据权利要求1所述的一种网络空间风险数据流检测预警方法，其特征在于：所述取款对应的运营数据具体包括取款次数、各次取款对应的取款时间点和各次取款对应的取款金额；存款对应的运营数据具体包括存款次数和各次存款对应的存款金额；贷款对应的运营数据具体包括贷款次数和各次贷款对应的贷款额度。
3.根据权利要求1所述的一种网络空间风险数据流检测预警方法，其特征在于：所述各工作人员对应的关联服务评价数据具体包括评价次数和好评次数。
4.根据权利要求1所述的一种网络空间风险数据流检测预警方法，其特征在于：所述分析得到指定分部银行在设定周期内对应的线下运营风险评估指数，具体分析过程包括以下步骤：
基于指定分部银行所在区域位置，设置线下运营影响权重因子，并记为
从指定分部银行在设定监测周期内线下各运营业务对应的运营数据中定位出取款次数、各次取款对应的取款时间点和各次取款对应的取款金额，将各次取款对应的取款金额进行累加，得到指定分部银行在设定监测周期内对应的综合取款金额，并记为M；
基于指定分部银行在设定监测周期内线下各次取款对应的取款时间点，获取首次取款和尾次取款之间的取款间隔时长，并记为T；
基于指定分部银行在设定监测周期内线下取款次数、取款间隔时长和综合取款金额，利用计算公式计算得出指定分部银行在设定监测周期内取款风险评估指数，并记为ε1；
其中，c′、f、M′、ΔM分别表示为设定的银行线下在设定监测周期内参考取款次数、参考取款频率、参考取款额度、许可取款额度差，c表示为指定分部银行在设定监测周期内线下取款次数，a1,a2,a3分别表示为设定的取款次数、取款频率、取款额度对应的权重因子；
从指定分部银行在设定监测周期内线下各运营业务对应的运营数据中定位出存款次数和各次存款对应的存款金额，将各次存款对应的存款金额进行累加，得到指定分部银行在设定监测周期内综合存款金额，并记为M0；
基于指定分部银行在设定监测周期内线下存款次数和综合存款金额，通过分析公式分析得到得到指定分部银行在设定监测周期内存款风险评估指数，并记为ε2；
其中，b1,b2分别表示为设定的存款次数，存款金额对应的权重因子，c′0、M0′分别表示为设定的银行线下在设定监测周期内参考存款次数、参考存款额度；
从指定分部银行在设定监测周期内线下各运营业务对应的运营数据中定位出贷款次数和各次贷款对应的贷款额度，将各次贷款对应的贷款额度进行累加，得到指定分部银行在设定监测周期内综合贷款额度，并记为M1；
基于指定分部银行在设定监测周期内线下贷款次数和综合贷款额度，通过分析公式分析得到指定分部银行在设定监测周期内贷款风险评估指数，并记为ε3；
其中，d1、d2分别表示为设定的贷款次数，综合贷款额度对应的权重因子，c′1、M′1分别表示为设定的银行线下在设定监测周期内对应的参考贷款次数、参考贷款额度；
基于指定分部银行在设定监测周期内取款风险评估指数、存款风险评估指数、贷款风险评估指数和线下运营影响权重因子，通过分析公式分析得到指定分部银行在设定周期内对应的线下运营风险评估指数β1，μ1、μ2、μ3分别表示为设定的取款信息、存款信息、贷款信息对应的权重因子。
5.根据权利要求1所述的一种网络空间风险数据流检测预警方法，其特征在于：所述分析得到指定分部银行在设定周期内服务状态对应的运营风险评估指数，具体分析过程如下：
从指定分部银行在设定监测周期内各工作人员对应的关联服务评价数据中提取评价次数和好评次数，并分别记为Jt和Ht，t表示各工作人员对应的编号，t＝1,2,......m，由此通过计算公式分析得到指定分部银行在设定周期内服务状态对应的运营风险评估指数β3，/>为设定的服务评价修正因子，m表示为工作人员数目。
6.一种网络空间风险数据流检测预警系统，用于执行上述权利要1-5任一项所述的方法，其特征在于：该系统包括：
银行线下运营数据检测模块，用于获取指定分部银行所在区域位置，对指定分部银行在设定监测周期内线下各运营业务对应的运营数据进行检测，其中，运营业务包括取款、存款和贷款；
银行线上运营数据检测模块，用于对指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据进行检测；
银行服务评价数据检测模块，对指定分部银行在设定周期内各工作人员对应的关联服务评价数据进行检测；
业务数据库，用于存储各业务办理倾向类型对应的运营风险权重因子；
银行运营风险预警解析模块，用于对指定分部银行的运营风险进行评估，得到指定分部银行对应的综合运营风险评估指数，由此对指定分部银行运营风险状态进行判断；
银行运营风险反馈终端，用于当指定分部银行存在运营风险时，启动运营风险预警指令，同时将该指定分部银行所在区域位置以及运营风险预警指令传输至指定分部银行对应所属总行。
7.一种网络空间风险数据流检测预警计算机存储介质，其特征在于：所述网络空间风险数据流检测预警计算机存储介质烧录有计算机程序，所述计算机程序在服务器的内存中运行时实现上述权利要求1-5任一项所述的方法。
CN202210890753.9A 2022-07-27 2022-07-27 一种网络空间风险数据流检测预警方法、系统及计算机存储介质 Active CN115204716B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210890753.9A CN115204716B (zh) 2022-07-27 2022-07-27 一种网络空间风险数据流检测预警方法、系统及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210890753.9A CN115204716B (zh) 2022-07-27 2022-07-27 一种网络空间风险数据流检测预警方法、系统及计算机存储介质

Publications (2)

Publication Number Publication Date
CN115204716A CN115204716A (zh) 2022-10-18
CN115204716B true CN115204716B (zh) 2024-02-06

Family

ID=83583831

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210890753.9A Active CN115204716B (zh) 2022-07-27 2022-07-27 一种网络空间风险数据流检测预警方法、系统及计算机存储介质

Country Status (1)

Country Link
CN (1) CN115204716B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118644333A (zh) * 2024-08-12 2024-09-13 交通银行股份有限公司江苏省分行 一种多维度大数据分析的风险评估方法及评估系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110659787B (zh) * 2018-06-29 2020-10-27 北京九章云极科技有限公司 一种银行数据分析方法和系统
CN110866820A (zh) * 2019-10-22 2020-03-06 陈华 银行业务实时监测系统及方法、设备、存储介质
CN111882428A (zh) * 2020-07-27 2020-11-03 上海应用技术大学 商业银行流动性风险评估方法及装置
CN114202138A (zh) * 2020-09-18 2022-03-18 国网上海市电力公司 一种基于多维数据分析的线上渠道运营评估方法

Also Published As

Publication number Publication date
CN115204716A (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
US8260681B2 (en) Method and system to detect outlying behavior in a network-based marketplace
CN106952158A (zh) 解决热点账户问题的记账方法及设备
US7584146B1 (en) Consumer credit data storage system
CN111126828A (zh) 一种基于知识图谱的多层资金异常流向监控方法
CN111476660B (zh) 一种基于数据分析的智能风控系统及方法
CN111291076A (zh) 基于大数据的异常用水监测报警系统及其构建方法
CN115204716B (zh) 一种网络空间风险数据流检测预警方法、系统及计算机存储介质
CN110163413A (zh) 企业监控及预警方法、装置、计算机设备及可读存储介质
CN113449964A (zh) 一种企业金融风险监测预警系统及监测预警方法
CN112559300B (zh) 一种故障原因确定系统、方法及装置
CN116843346B (zh) 一种基于云平台的异常订单监控预警方法及系统
CN113095931A (zh) 贷后风险监控方法、装置及计算机设备
CN115018651A (zh) 一种基于互联网的金融风险预警系统
CN109766370A (zh) 数据处理方法、数据服务系统及设备
CN117236996B (zh) 一种基于大数据分析的用户行为预测方法和系统
CN113962514A (zh) 一种经营风险识别的方法
CN113283806A (zh) 企业信息评估方法、装置、计算机设备及存储介质
CN110837980A (zh) 企业信用评级方法、装置、设备及存储介质
KR20160139897A (ko) 네트워크 자동 추론을 통한 기업 가치 측정 서비스 시스템
CN114820158A (zh) 基于规则引擎的银行监管证券数据方法和装置
Liu et al. An agent based anti-money laundering system architecture for financial supervision
CN114116839A (zh) 一种基于移动地图的商户闭环营销系统及方法
JP7386465B1 (ja) 審査業務支援装置、審査業務支援方法及び審査業務支援プログラム
JP7360118B1 (ja) 審査業務支援装置、審査業務支援方法及び審査業務支援プログラム
CN112052266B (zh) 一种承兑汇票兑付记录查询方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240108

Address after: 232000 meters south of the intersection of Chuangye Avenue and Leju Road in Xinqiao International Industrial Park, Shouxian County, Huainan City, Anhui Province

Applicant after: Anhui dewu Technology Co.,Ltd.

Address before: No. 11, Jiangxing Road, Jianghan District, Wuhan City, Hubei Province, 430021

Applicant before: Wuhan Jiayue Sijin Culture Media Co.,Ltd.

GR01 Patent grant
GR01 Patent grant