CN115393056A - 一种基于大数据的用户信息评估及风控方法、装置及设备 - Google Patents
一种基于大数据的用户信息评估及风控方法、装置及设备 Download PDFInfo
- Publication number
- CN115393056A CN115393056A CN202211051926.4A CN202211051926A CN115393056A CN 115393056 A CN115393056 A CN 115393056A CN 202211051926 A CN202211051926 A CN 202211051926A CN 115393056 A CN115393056 A CN 115393056A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- user
- wind control
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000013503 de-identification Methods 0.000 claims abstract description 20
- 238000004140 cleaning Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims abstract description 11
- 238000012502 risk assessment Methods 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007477 logistic regression Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000005406 washing Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于大数据的用户信息评估及风控方法、装置及设备，其中，方法通过将获取到的历史用户的基本信息进行去标识化处理，得到初始数据；并将初始数据上传至云端，进行数据清洗处理，从而得到目标数据；再根据预设的模型对目标数据进行特征选择，进一步得到目标特征；然后根据目标特征建立风控模型，并用历史用户的基本信息对风控模型进行训练，得到目标风控模型；最终根据目标风控模型对待审核用户进行风控评估，实现对用户的定量风控评估，提高了贷前风控评估的效率和准确性。
Description
技术领域
本发明涉及风险评估技术领域，尤其涉及一种基于大数据的用户信息评估及风控方法、装置及设备。
背景技术
近年来，为了弥补面向中低收入群体和微小企业的金融产品支持的空白，发展小额信贷。其中，涌现出了一些专业的小额信贷公司，接着几大银行也陆续开展了小额信贷业务。但是由于消费者认知度低等问题，在行业的前期发展阶段，市场比较混乱。也存在着贷款人难以偿还贷款的风险，故对于如何评估贷款人风险则成为了贷款业务的重中之重。
由于信贷的贷款风险往往在在贷款审查阶段就产生了，因此，行业以往多采用的定性风险评估，然而事实证明，定性的风险评估难以真实反应贷款人的还款能力。故现在行业越来越着重于采用定量风险评估的方式，而对于如何具体运用定量风险评估进行风控管理，是一个急需解决的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种基于大数据的用户信息评估及风控方法、装置及设备。
一种基于大数据的用户信息评估及风控方法，所述方法包括：获取历史用户的基本信息，所述基本信息分为用户信息和贷款信息；对所述基本信息进行去标识化处理，得到初始数据；将所述初始数据上传并存储至云端；在云端对所述初始数据进行数据清洗处理，得到目标数据；根据预设的模型对所述目标数据进行特征选择，得到目标特征；根据所述目标特征建立风控模型，并根据所述历史用户的基本信息对所述风控模型进行训练，得到目标风控模型；获取待审核用户的初始信息，并根据所述目标风控模型对所述待审核用户进行风控评估。
在其中一个实施例中，所述基本信息分为用户信息和贷款信息，具体为：所述用户信息至少包括用户姓名、用户性别、个人征信、婚姻状况、配偶征信、工作情况、个人守约行为；所述贷款信息至少包括贷款次数、还款情况、贷款金额、贷款时间。
在其中一个实施例中，对所述基本信息进行去标识化处理，得到初始数据，具体为：通过数据转换将所述基本信息转换为多个类型的字节，并根据每个所述历史用户的基本信息创建对应的数据集；对所述数据集中可识别个人信息的字节进行标记，得到标记字节；根据所述标记字节的类型，分别进行去除和抽象化处理，得到目标字节；所述目标字节组成数据集，根据所述数据集得到初始数据。
在其中一个实施例中，所述在云端对所述初始数据进行数据清洗处理，得到目标数据，具体为：对存储在云端的所述初始数据进行缺失值过滤；并对所述初始数据进行经验性数据过滤，得到目标数据。
在其中一个实施例中，所述预设的模型为逻辑回归模型、梯度提升树模型中的一种。
在其中一个实施例中，所述根据预设的模型对所述目标数据进行特征选择，得到目标特征，具体为：根据预设的评估准则，对所述目标数据中各数据集中的目标字节进行逻辑计算，得到初始特征；对所述初始特征进行抽象化、分箱和缩放处理，得到待选择特征；根据预设的模型对所述待选择特征进行选择，得到目标特征。
在其中一个实施例中，根据所述目标特征建立风控模型，并根据所述历史用户的基本信息对所述风控模型进行训练，得到目标风控模型步骤之后，还包括：获取待审核用户的行程信息和初始信息，所述初始信息中至少包括工作地点；识别所述行程信息中单月前往银行或金融机构等非工作地点的频率；将所述评率高于预设阈值的待审核用户，标记为潜在危险；将所述标记有潜在危险的待审核用户设置为携带有初始风险值。
在其中一个实施例中，所述获取待审核用户的初始信息，并根据所述目标风控模型对所述待审核用户进行风控评估步骤之后，还包括：根据所述目标风控模型，得到待审核用户的风险评估值；并将所述初始风险值与所述风险评估值叠加，得到目标风险评估值。
一种基于大数据的用户信息评估及风控装置，包括信息获取模块、去标识化模块、上传云端模块、数据清洗模块、特征选择模块、风控建模模块和风控评估模块，其中：所述信息获取模块用于，获取历史用户的基本信息，所述基本信息分为用户信息和贷款信息；所述去标识化模块用于，对所述基本信息进行去标识化处理，得到初始数据；所述上传云端模块用于，将所述初始数据上传并存储至云端；所述数据清洗模块用于，在云端对所述初始数据进行数据清洗处理，得到目标数据；所述特征选择模块用于，根据预设的模型对所述目标数据进行特征选择，得到目标特征；所述风控建模模块用于，根据所述目标特征建立风控模型，并根据所述历史用户的基本信息对所述风控模型进行训练，得到目标风控模型；所述风控评估模块用于，获取待审核用户的初始信息，并根据所述目标风控模型对所述待审核用户进行风控评估。
一种设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述各个实施例中所述的一种基于大数据的用户信息评估及风控方法的步骤。
上述一种基于大数据的用户信息评估及风控方法、装置及设备，通过将获取到的历史用户的基本信息进行去标识化处理，得到初始数据；并将初始数据上传至云端，进行数据清洗处理，从而得到目标数据；再根据预设的模型对目标数据进行特征选择，进一步得到目标特征；然后根据目标特征建立风控模型，并用历史用户的基本信息对风控模型进行训练，得到目标风控模型；最终根据目标风控模型对待审核用户进行风控评估，实现对用户的定量风控评估，提高了贷前风控评估的效率和准确性。
附图说明
图1为一个实施例中一种基于大数据的用户信息评估及风控方法的应用场景图；
图2为一个实施例中一种基于大数据的用户信息评估及风控方法的流程示意图；
图3为一个实施例中一种基于大数据的用户信息评估及风控装置的结构框图；
图4是一个实施例中设备的内部结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面通过具体实施方式结合附图对本发明做进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请提供的一种基于大数据的用户信息评估及风控方法，可以应用于如图1所示的应用环境中。其中，每个用户即拥有一个终端1，终端1将用户的基本信息上传至云端2，在云端2进行数据存储和数据运算，能够极大的提高计算的效率。其中，每个用户都有一个终端1，终端1可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
在一个实施例中，如图2所示，提供了一种基于大数据的用户信息评估及风控方法，包括以下步骤：
S110获取历史用户的基本信息，基本信息分为用户信息和贷款信息。
具体地，这里的历史用户为已经贷过款的用户，当获取的历史用户越多，则后面进行特征提取时，得到的定量评估也更加准确。
在一个实施例中，步骤S110具体为：用户信息至少包括用户姓名、用户性别、个人征信、婚姻状况、配偶征信、工作情况、个人守约行为；贷款信息至少包括贷款次数、还款情况、贷款金额、贷款时间。具体地，获取各种用户信息都是用于评估个人的还贷能力以及信用评估，已婚用户的配偶贷款和征信对用户的影响较大，因此也作为对用户还贷能力的评估指标之一。而对于贷款信息的获取则是对历史的贷款情况进行分析，从历史的贷款情况了解贷款人的历史偿还情况。
S120对基本信息进行去标识化处理，得到初始数据。
具体地，对获取的基本信息需要进行去标识化处理，一是保护用户的个人信息，而则是去标识化处理也有助于将不同人的基本信息进行重新整合和处理。
在一个实施例中，步骤S120具体为：通过数据转换将基本信息转换为多个类型的字节，并根据每个历史用户的基本信息创建对应的数据集；对数据集中可识别个人信息的字节进行标记，得到标记字节；根据标记字节的类型，分别进行去除和抽象化处理，得到目标字节；目标字节组成数据集，根据数据集得到初始数据。具体地，去标识化处理，首先需要进行数据转换，然后对转换后的数据进行去标识处理，其中去标识具体包括去除和抽象化两类处理方式，对于数据中，与本案中无关的且明显能够用于区分个人的字节进行去除处理，例如姓名类的字节、邮箱类的字节以及电话类的字节；而对于能够识别各人的字节，但同时可以抽象化后归类的字节进行抽象化处理，例如地点类字节，虽然可以具体识别个人地址，但可以抽象到省份的级别，从而根据省份的经济情况大致判断该类省份的平均收入水平进行贷款风险评估。
S130将初始数据上传并存储至云端。
具体地，将初始数据上传至云端，在云端进行数据处理，能够提高计算和处理的效率。
S140在云端对初始数据进行数据清洗处理，得到目标数据。
具体地，在云端对初始数据进行缺失值过滤和经验性数据过滤处理，得到目标数据。
在一个实施例中，步骤S140具体为：对存储在云端的初始数据进行缺失值过滤；并对初始数据进行经验性数据过滤，得到目标数据。具体地，对初始数据中缺失的值进行过滤；而其中经验性数据过滤为，用常识去掉与风险评估无关的数据，比如说本案需要的是个人信用值，那么关于电话、生日、邮政编码等字节数据一定是没用的，可以进行过滤。
S150根据预设的模型对目标数据进行特征选择，得到目标特征。
在一个实施例中，步骤S150中：预设的模型为逻辑回归模型、梯度提升树模型中的一种。具体地，逻辑回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。而梯度提升树是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结论累加起来做最终答案。这两种模型都是进行特征选择的常用模型。可以根据偏好进行选择。
在一个实施例中，步骤S150具体为：根据预设的评估准则，对目标数据中各数据集中的目标字节进行逻辑计算，得到初始特征；对初始特征进行抽象化、分箱和缩放处理，得到待选择特征；根据预设的模型对待选择特征进行选择，得到目标特征。具体地，这里预设的评估准则是行业的评估准则，例如一个人的工作收入和支出情况，进行比较取平均值，则计算出每月剩余值，则可看出该用户的偿还金额，还可以根据用户的守约行为的次数计算守信值，进行信用评估，等各种行业的评估准则，对目标数据中的目标字节进行逻辑计算，得到初始特征，然后对初始特征进行抽象化处理，就是将各目标字节进行数字化处理，例如将守约行为进行数字化转换为次数，将工作情况中的工作时间转换为数字，以及将贷款信息中的好的还款情况转化为数字等等，然后对抽象化后的初始特征进行分箱处理，即将连续变量(即初始特征中的数据集中的目标字节) 离散化或者把多状态的离散变量合并成少状态，一方面避免特征中无意义的波动对评分带来的波动，使其更加稳定。另一方面避免了极端值的影响。同时可以将缺失值作为独立的一个箱将所有变量变换到相似的尺度。然后对特征进行相应的缩放，最终得到待选择特征。最终通过逻辑回归模型或梯度提升树模型进行特征选择，得到目标特征。
S160根据目标特征建立风控模型，并根据历史用户的基本信息对风控模型进行训练，得到目标风控模型。
具体地，根据目标特征建立风控模型，并根据历史用户的基本信息对风控模型进行训练，得到目标风控模型根据目标特征建立风控模型，并根据历史用户的基本信息对风控模型进行训练，得到目标风控模型。
在一个实施例中，步骤S160之后，还包括：获取待审核用户的行程信息和初始信息，初始信息中至少包括工作地点；识别行程信息中单月前往银行或金融机构等非工作地点的频率；将评率高于预设阈值的待审核用户，标记为潜在危险；将标记有潜在危险的待审核用户设置为携带有初始风险值。具体地，用户若存在非银行或金融机构工作，但去银行或金融机构的频率过高，则说明其存在潜在的贷款风险，因此，需要对单月去银行或金融机构超过3次的用户进行标记。而这里的行程信息则是通过手机地图、消费记录以及行程码等信息获取。对于预设阈值，一半设置为单月3次，超过3次则为存在潜在危险。而初始风险值一般根据步骤S170中的风控评估后得到的风险评估值而设置，初始风险值的权重一般可设置在风险评估值平均值的一半。
S170获取待审核用户的初始信息，并根据目标风控模型对待审核用户进行风控评估。
具体地，最终获取待审核用户的初始信息，并根据目标风控模型对各待审核用户进行风控评估，这是对需要贷款的用户进行贷前风控，根据目标风控模型，将大概率无法还款的用户筛除，留下优质量的用户，从而实现对用户的定量风控评估。
在一个实施例中，步骤S170之后，还包括：根据目标风控模型，得到待审核用户的风险评估值；并将初始风险值与风险评估值叠加，得到目标风险评估值。具体地，将存在潜在风险的待审核用户设置为带有初始风险值，将初始风险值与风险评估值叠加，则将其潜在风险算入风控评估中，从而提高风控评估的精确性。
上述实施例中，通过将获取到的历史用户的基本信息进行去标识化处理，得到初始数据；并将初始数据上传至云端，进行数据清洗处理，从而得到目标数据；再根据预设的模型对目标数据进行特征选择，进一步得到目标特征；然后根据目标特征建立风控模型，并用历史用户的基本信息对风控模型进行训练，得到目标风控模型；最终根据目标风控模型对待审核用户进行风控评估，实现对用户的定量风控评估，提高了贷前风控评估的效率和准确性。
在一个实施例中，如图3所示，提供了一种基于大数据的用户信息评估及风控装置200，该装置包括信息获取模块210、去标识化模块220、上传云端模块230、数据清洗模块240、特征选择模块250、风控建模模块260和风控评估模块270，其中：
信息获取模块210用于，获取历史用户的基本信息，基本信息分为用户信息和贷款信息；
去标识化模块220用于，对基本信息进行去标识化处理，得到初始数据；
上传云端模块230用于，将初始数据上传并存储至云端；
数据清洗模块240用于，在云端对初始数据进行数据清洗处理，得到目标数据；
特征选择模块250用于，根据预设的模型对目标数据进行特征选择，得到目标特征；
风控建模模块260用于，根据目标特征建立风控模型，并根据历史用户的基本信息对风控模型进行训练，得到目标风控模型；
风控评估模块270用于，获取待审核用户的初始信息，并根据目标风控模型对待审核用户进行风控评估。
在一个实施例中，提供了一种设备，该设备可以是服务器，其内部结构图可以如图4所示。该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，该设备的处理器用于提供计算和控制能力。该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。该内存储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。该设备的数据库用于存储配置模板，还可用于存储目标网页数据。该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大数据的用户信息评估及风控方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的设备的限定，具体的设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
显然，本领域的技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以，本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明所做的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (10)
1.一种基于大数据的用户信息评估及风控方法，其特征在于，包括：
获取历史用户的基本信息，所述基本信息分为用户信息和贷款信息；
对所述基本信息进行去标识化处理，得到初始数据；
将所述初始数据上传并存储至云端；
在云端对所述初始数据进行数据清洗处理，得到目标数据；
根据预设的模型对所述目标数据进行特征选择，得到目标特征；
根据所述目标特征建立风控模型，并根据所述历史用户的基本信息对所述风控模型进行训练，得到目标风控模型；
获取待审核用户的初始信息，并根据所述目标风控模型对所述待审核用户进行风控评估。
2.如权利要求1所述的方法，其特征在于，所述基本信息分为用户信息和贷款信息，具体为：
所述用户信息至少包括用户姓名、用户性别、个人征信、婚姻状况、配偶征信、工作情况、个人守约行为；
所述贷款信息至少包括贷款次数、还款情况、贷款金额、贷款时间。
3.如权利要求2所述的方法，其特征在于，对所述基本信息进行去标识化处理，得到初始数据，具体为：
通过数据转换将所述基本信息转换为多个类型的字节，并根据每个所述历史用户的基本信息创建对应的数据集；
对所述数据集中可识别个人信息的字节进行标记，得到标记字节；
根据所述标记字节的类型，分别进行去除和抽象化处理，得到目标字节；
所述目标字节组成数据集，根据所述数据集得到初始数据。
4.如权利要求3所述的方法，其特征在于，所述在云端对所述初始数据进行数据清洗处理，得到目标数据，具体为：
对存储在云端的所述初始数据进行缺失值过滤；
并对所述初始数据进行经验性数据过滤，得到目标数据。
5.如权利要求1所述的方法，其特征在于，所述预设的模型为逻辑回归模型、梯度提升树模型中的一种。
6.如权利要求4所述的方法，其特征在于，所述根据预设的模型对所述目标数据进行特征选择，得到目标特征，具体为：
根据预设的评估准则，对所述目标数据中各数据集中的目标字节进行逻辑计算，得到初始特征；
对所述初始特征进行抽象化、分箱和缩放处理，得到待选择特征；
根据预设的模型对所述待选择特征进行选择，得到目标特征。
7.如权利要求1所述的方法，其特征在于，根据所述目标特征建立风控模型，并根据所述历史用户的基本信息对所述风控模型进行训练，得到目标风控模型步骤之后，还包括：
获取待审核用户的行程信息和初始信息，所述初始信息中至少包括工作地点；
识别所述行程信息中单月前往银行或金融机构等非工作地点的频率；
将所述评率高于预设阈值的待审核用户，标记为潜在危险；
将所述标记有潜在危险的待审核用户设置为携带有初始风险值。
8.如权利要求7所述的方法，其特征在于，所述获取待审核用户的初始信息，并根据所述目标风控模型对所述待审核用户进行风控评估步骤之后，还包括：
根据所述目标风控模型，得到待审核用户的风险评估值；
并将所述初始风险值与所述风险评估值叠加，得到目标风险评估值。
9.一种基于大数据的用户信息评估及风控装置，其特征在于，包括信息获取模块、去标识化模块、上传云端模块、数据清洗模块、特征选择模块、风控建模模块和风控评估模块，其中：
所述信息获取模块用于，获取历史用户的基本信息，所述基本信息分为用户信息和贷款信息；
所述去标识化模块用于，对所述基本信息进行去标识化处理，得到初始数据；
所述上传云端模块用于，将所述初始数据上传并存储至云端；
所述数据清洗模块用于，在云端对所述初始数据进行数据清洗处理，得到目标数据；
所述特征选择模块用于，根据预设的模型对所述目标数据进行特征选择，得到目标特征；
所述风控建模模块用于，根据所述目标特征建立风控模型，并根据所述历史用户的基本信息对所述风控模型进行训练，得到目标风控模型；
所述风控评估模块用于，获取待审核用户的初始信息，并根据所述目标风控模型对所述待审核用户进行风控评估。
10.一种设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，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8中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211051926.4A CN115393056A (zh) | 2022-08-31 | 2022-08-31 | 一种基于大数据的用户信息评估及风控方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211051926.4A CN115393056A (zh) | 2022-08-31 | 2022-08-31 | 一种基于大数据的用户信息评估及风控方法、装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115393056A true CN115393056A (zh) | 2022-11-25 |
Family
ID=84123595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211051926.4A Pending CN115393056A (zh) | 2022-08-31 | 2022-08-31 | 一种基于大数据的用户信息评估及风控方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115393056A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108648072A (zh) * | 2018-05-18 | 2018-10-12 | 深圳灰猫科技有限公司 | 基于用户信用动态评分的互联网金融放贷风险评估系统 |
| CN108734021A (zh) * | 2018-04-03 | 2018-11-02 | 杭州连银科技有限公司 | 一种基于去隐私数据的金融贷款大数据风险评估方法与系统 |
| CN111369341A (zh) * | 2020-03-05 | 2020-07-03 | 厦门正北科技有限公司 | 一种汽车金融贷前客户风险智能评分系统 |
| CN111861698A (zh) * | 2020-07-02 | 2020-10-30 | 北京睿知图远科技有限公司 | 一种基于贷款多头数据的贷前审批预警方法及系统 |
| CN111861697A (zh) * | 2020-07-02 | 2020-10-30 | 北京睿知图远科技有限公司 | 一种基于贷款多头数据的用户画像生成方法及系统 |
| CN112819353A (zh) * | 2021-02-07 | 2021-05-18 | 撼地数智(重庆)科技有限公司 | 一种基于企业图谱的风险分析方法和计算机设备 |
| CN114782123A (zh) * | 2022-03-18 | 2022-07-22 | 北京汇智信达科技发展有限公司 | 一种信用评估方法及系统 |
| CN114841801A (zh) * | 2022-07-04 | 2022-08-02 | 天津金城银行股份有限公司 | 一种基于用户行为特征的信贷风控方法和装置 |
-
2022
- 2022-08-31 CN CN202211051926.4A patent/CN115393056A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108734021A (zh) * | 2018-04-03 | 2018-11-02 | 杭州连银科技有限公司 | 一种基于去隐私数据的金融贷款大数据风险评估方法与系统 |
| CN108648072A (zh) * | 2018-05-18 | 2018-10-12 | 深圳灰猫科技有限公司 | 基于用户信用动态评分的互联网金融放贷风险评估系统 |
| CN111369341A (zh) * | 2020-03-05 | 2020-07-03 | 厦门正北科技有限公司 | 一种汽车金融贷前客户风险智能评分系统 |
| CN111861698A (zh) * | 2020-07-02 | 2020-10-30 | 北京睿知图远科技有限公司 | 一种基于贷款多头数据的贷前审批预警方法及系统 |
| CN111861697A (zh) * | 2020-07-02 | 2020-10-30 | 北京睿知图远科技有限公司 | 一种基于贷款多头数据的用户画像生成方法及系统 |
| CN112819353A (zh) * | 2021-02-07 | 2021-05-18 | 撼地数智(重庆)科技有限公司 | 一种基于企业图谱的风险分析方法和计算机设备 |
| CN114782123A (zh) * | 2022-03-18 | 2022-07-22 | 北京汇智信达科技发展有限公司 | 一种信用评估方法及系统 |
| CN114841801A (zh) * | 2022-07-04 | 2022-08-02 | 天津金城银行股份有限公司 | 一种基于用户行为特征的信贷风控方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110837931B (zh) | 客户流失预测方法、装置及存储介质 | |
| US20050080821A1 (en) | System and method for managing collections accounts | |
| CN110909984A (zh) | 业务数据处理模型训练方法、业务数据处理方法及装置 | |
| CN109615280A (zh) | 员工数据处理方法、装置、计算机设备和存储介质 | |
| CN111709826A (zh) | 目标信息确定方法和装置 | |
| US11037236B1 (en) | Algorithm and models for creditworthiness based on user entered data within financial management application | |
| CN115545886A (zh) | 逾期风险识别方法、装置、设备及存储介质 | |
| CN117203638A (zh) | 使用机器学习技术预测机构风险的系统和方法 | |
| CN114078050A (zh) | 贷款逾期预测方法、装置、电子设备及计算机可读介质 | |
| CN113177700A (zh) | 一种风险评估方法、系统、电子设备及存储介质 | |
| CN114693192A (zh) | 风控决策方法、装置、计算机设备和存储介质 | |
| CN111210332A (zh) | 贷后管理策略生成方法、装置及电子设备 | |
| CN114693409A (zh) | 产品匹配方法、装置、计算机设备、存储介质和程序产品 | |
| CN113553394A (zh) | 结合rpa和ai征信信息的处理方法和处理装置 | |
| CN110796379B (zh) | 业务渠道的风险评估方法、装置、设备及存储介质 | |
| CN112348685A (zh) | 信用评分方法、装置、设备及存储介质 | |
| US20230359941A1 (en) | System and method for efficient transformation prediction in a data analytics prediction model pipeline | |
| CN115393056A (zh) | 一种基于大数据的用户信息评估及风控方法、装置及设备 | |
| CN115983972A (zh) | 农业领域风控模型的构建方法 | |
| CN113421154B (zh) | 基于控制图的信贷风险评估方法及系统 | |
| CN112101950B (zh) | 可疑交易监测模型特征提取方法及装置 | |
| CN114170000A (zh) | 信用卡用户风险类别识别方法、装置、计算机设备和介质 | |
| JP7298286B2 (ja) | モデル提供プログラム、モデル提供方法及びモデル提供装置 | |
| CN114219611A (zh) | 贷款额度计算方法、装置、计算机设备和存储介质 | |
| CN112508689A (zh) | 一种基于多维度实现决策评估的方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221125 |
|
| RJ01 | Rejection of invention patent application after publication |