CN116091181B - 检测方法及装置、计算机设备及计算机可读存储介质 - Google Patents
检测方法及装置、计算机设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116091181B CN116091181B CN202310360910.XA CN202310360910A CN116091181B CN 116091181 B CN116091181 B CN 116091181B CN 202310360910 A CN202310360910 A CN 202310360910A CN 116091181 B CN116091181 B CN 116091181B
- Authority
- CN
- China
- Prior art keywords
- target
- detection
- legal
- index
- model
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 161
- 238000004364 calculation method Methods 0.000 claims abstract description 52
- 238000013499 data model Methods 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 32
- 238000011001 backwashing Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004900 laundering Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
Abstract
本发明提供一种检测方法、检测装置、计算机设备及非易失性计算机可读存储介质。方法包括获取预设的指标库的多个指标中，与目标法人对应的目标指标，以创建检测模型，检测模型包括与每个目标指标对应的函数；获取预设的基础数据模型中与目标法人对应的业务数据；及基于检测模型的函数和业务数据，计算每个目标指标的计算结果，并根据计算结果输出检测结果。本申请的预设的指标库中的指标能够满足所有法人的指标需求，且预设的基础数据模型中包含所有法人的业务数据，使得每个法人都可利用预设的指标库和预设的基础数据模型完成检测，从而实现在同一系统中建立多个法人的检测模型，完成不同法人的检测，从而减少系统的资源占用，降低运维成本。
Description
技术领域
本申请涉及计算机应用技术领域，更具体而言，涉及一种检测方法、检测装置、计算机设备及非易失性计算机可读存储介质。
背景技术
法人金融机构会使用评估系统来对融资风险涉及的客户、账户、交易、产品和服务等进行风险评估。但现有技术中的评估系统按照各自法人银行的实际情况进行数据建模，数据加工存储，部署单独的应用。当法人为多个时，需要单独地给每个法人部署一个评估系统，导致评估系统数量较多，从而导致评估系统资源占用较大，运维成本较高等问题。
发明内容
鉴于此，本申请实施方式提供了一种检测方法、检测装置、计算机设备及非易失性计算机可读存储介质，以根据预设的指标库实现检测模型的灵活构建，并结合检测模型中的函数和预设的基础数据模型中的业务数据完成不同法人的风险检测。
本申请实施方式的检测方法包括获取预设的指标库的多个指标中，与目标法人对应的目标指标，以创建检测模型，所述检测模型包括与每个所述目标指标对应的函数；获取预设的基础数据模型中与所述目标法人对应的业务数据；及基于所述检测模型的函数和所述业务数据，计算每个所述目标指标的计算结果，并根据所述计算结果输出检测结果。
本申请实施方式的检测装置包括创建模块、获取模块及计算模块。所述创建模块用于获取预设的指标库的多个指标中，与目标法人对应的目标指标，以创建检测模型，所述检测模型包括与每个所述目标指标对应的函数；所述获取模块用于获取预设的基础数据模型与所述目标法人对应的业务数据；所述计算模块用于基于所述检测模型的函数和所述业务数据，计算每个所述目标指标的计算结果，并根据所述计算结果输出检测结果。
本申请实施方式的计算机设备包括一个或多个处理器，一个或多个所述处理器用于获取预设的指标库的多个指标中，与目标法人对应的目标指标，以创建检测模型，所述检测模型包括与每个所述目标指标对应的函数；获取预设的基础数据模型与所述目标法人对应的业务数据；及基于所述检测模型的函数和所述业务数据，计算每个所述目标指标的计算结果，并根据所述计算结果输出检测结果。
本申请实施方式的非易失性计算机可读存储介质包含计算机程序，当所述计算机程序被一个或多个处理器执行时，使得所述处理器执行如下检测方法：获取预设的指标库的多个指标中，与目标法人对应的目标指标，以创建检测模型，所述检测模型包括与每个所述目标指标对应的函数；获取预设的基础数据模型与所述目标法人对应的业务数据；及基于所述检测模型的函数和所述业务数据，计算每个所述目标指标的计算结果，并根据所述计算结果输出检测结果。
本申请的检测方法、检测装置、计算机设备及非易失性计算机可读存储介质的预设的指标库中的指标能够满足所有法人的指标需求，且预设的基础数据模型中包含所有法人的业务数据，因此每个法人都可在指标库中选取目标指标，并在选取目标指标后可创建检测模型，再获取预设的基础数据模型中对应的业务数据，计算每个目标指标的计算结果，便可输出每个法人对应的检测结果，如此便实现在同一系统中创建多个法人的检测模型，并完成不同法人的检测，从而减少系统的资源占用，降低运维成本。
本申请的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实施方式的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点可以从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
图1是本申请某些实施方式的检测方法的流程示意图；
图2是本申请某些实施方式的检测方法的流程示意图；
图3是本申请某些实施方式的检测方法的流程示意图；
图4是本申请某些实施方式的检测方法的流程示意图；
图5是本申请某些实施方式的检测方法的目标指标示意图；
图6是本申请某些实施方式的检测方法的使用场景示意图；
图7是本申请某些实施方式的检测方法的使用场景示意图；
图8是本申请某些实施方式的检测装置的模块示意图；
图9是本申请某些实施方式的计算机设备的平面示意图；及
图10是本申请某些实施方式的非易失性计算机可读存储介质与处理器的交互示意图。
具体实施方式
下面详细描述本申请的实施方式，实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请的实施方式，而不能理解为对本申请的实施方式的限制。
下面首先对本申请出现的名词进行解释：
请参阅图1，本申请实施方式的检测方法包括：
步骤01：获取预设的指标库的多个指标中，与目标法人对应的目标指标，以创建检测模型，检测模型包括与每个目标指标对应的函数。
具体地，指标为法人用于衡量某些工作结果的参数，例如对公客户数量或账户数量等，可使用指标来进行法人的反洗钱风险检测。在进行检测之前，可根据多个法人的指标需求，设置一个预设的指标库，使得每个法人都可根据自己的检测需求，在指标库中选取对应的目标指标。那么，在法人选取目标指标后，便可获取预设的指标库中的多个指标中，与目标法人对应的目标指标，以创建检测模型。此外，检测模型包括与每个目标指标对应的函数，以便于在获取目标法人对应的业务数据后，对指标进行计算。
进一步地，每个法人建立的检测模型中，相同的目标指标对应的函数是一致的。本申请还存储有每个指标对应的函数，建立创建模型后，检测模型可获取本申请存储的指标对应的函数中，目标指标对应的函数。在某些情况下，某个指标对应的函数会发生变化，而现有技术是通过给每个法人单独部署检测系统来完成风险检测的，因此当某个指标对应的函数发生变化时，需要更改每个检测系统中对应的函数。而本申请只需要对存储的函数中该目标指标对应的函数进行修改，便可使得检测模型获取的该目标指标对应的函数发生变化，从而降低了检测模型的维护成本，减轻运维人员的压力。
步骤02：获取预设的基础数据模型中与目标法人对应的业务数据。
具体地，每个法人会有单独的数据库来存储业务数据，而为了便于在建立检测模型后，快速地获取目标法人对应的业务数据，还需要将多个法人的业务数据统一存储到预设的基础数据模型的数据表中。如此，在创建检测模型后，可直接从预设的基础数据模型中获取与目标法人对应的业务数据，提高业务数据的获取速度，从而便于后续根据业务数据完成目标法人的检测。
步骤03：基于检测模型的函数和业务数据，计算每个目标指标的计算结果，并根据计算结果输出检测结果。
具体地，在获取目标法人的业务数据后，可根据基于检测模型的函数和业务数据，得到预设的指标库中的所有指标的计算结果，以确定每个目标指标的计算结果，从而可根据计算结果输出检测结果。
例如，指标库中的指标包括对公客户数量和对私客户数量，其中，对公客户又称公司客户，指与银行进行业务关系的法人客户，一般为企业客户，对私客户指的是私人客户。在获取与目标法人对应的目标数据后，可根据对公客户数量对应的函数和对私客户数量对应的函数，计算得到目标法人的对公客户数量和对私客户数量。若目标指标为对私客户数量，则根据上述计算得到的对私客户数量输出检测结果。
或者，也可根据目标指标，从获取的业务数据中确定与目标指标对应的数据，然后基于目标指标对应的函数，计算每个目标指标的计算结果，从而根据计算结果输出检测结果。例如，目标法人选择对公客户数量作为目标指标。那么，在根据对公客户数量创建检测模型后，可筛选出预设的基础数据模型中客户类型为企业的客户，并统计客户类型为企业的客户个数，从而得到对公客户数量的计算结果，然后便可根据对公客户数量的计算结果来输出检测结果。
进一步地，在得到每个目标指标的计算结果后，可根据每个目标指标的计算结果确定每个目标指标的评分，并根据评分来确定法人的检测结果。例如每个指标的满分为5分，对于某些可求出占比的目标指标，评分规则为将占比为1-10%的目标指标的评分定为1分，占比为11-40%的目标指标的评分定为2分，占比为41-70%的目标指标的评分定为3分，占比为71-90%的目标指标的评分定为4分，占比为91-100%的目标指标的评分定为5分。或者，某些目标指标的评分也可通过业务人员根据目标指标的计算结果来确定。接着综合每个目标指标的评分进行进一步计算（例如直接求和或加权求和）后，可得到最终的评分。由于各等级风险有对应的评分的区间，因此可最终的评分确定该法人的反洗钱风险的等级。例如，最终的评分在80分-100分的区间内时，确定该法人的反洗钱风险的等级为高风险，最终的评分在50分-79分的区间内时，确定该法人的反洗钱风险的等级为中风险，最终的评分在50分以下时，确定该法人的反洗钱风险的等级为低风险。而最终确定的法人的反洗钱风险的等级，即为输出的检测结果。
本申请的检测方法的预设的指标库中的指标能够满足所有法人的指标需求，且预设的基础数据模型中包含所有法人的业务数据，因此每个法人都可在指标库中选取目标指标，并在选取目标指标后可创建检测模型，再获取预设的基础数据模型中对应的业务数据，计算每个目标指标的计算结果，便可输出每个法人对应的检测结果，如此便实现在同一系统中创建多个法人的检测模型，并完成不同法人的检测，从而减少系统的资源占用，降低运维成本。
请参阅图2，可选地，本申请的检测方法还包括：
步骤04：将多个法人的数据库中业务数据导入到数据表中，以生成与每个法人对应的数据表；或者
步骤05：连接多个法人的数据库，以获取每个法人对应的数据表。
具体地，每个法人的业务数据可能会存储在不同的数据库中，因此，在将多个法人的业务数据存储到预设的基础数据模型中前，还需要从不同的数据库中获取多个法人的业务数据。此时可通过文件卸载的方式来获取法人的数据，即先将多个法人的数据库中业务数据导入到数据表中，以生成与每个法人对应的数据表，从而获取法人的业务数据。或者，也可直接连接多个法人的数据库，以获取每个法人对应的数据表。如此，便可实现每个法人的业务数据的获取，从而便于后续基于每个法人的业务数据有针对性地进行检测。
请参阅图3，可选地，本申请的检测方法还包括：
步骤06：基于预设维度进行反三范式建模，以建立基础数据模型，基础数据模型包括与每个维度对应的基础数据表；
步骤07：对每个法人对应的数据表中的业务数据按照统一口径进行处理，并存储到基础数据模型中对应维度的基础数据表中，基础数据模型中的业务数据均存在对应的法人标识，法人标识与法人一一对应。
具体地，在进行存储业务数据时，为了便于后续对业务数据的获取，还需要根据业务来确定基础数据模型中需要建立的基础数据表，以及对应的维度。例如，基础数据表包括客户信息表，贷款信息表和存款信息表，对应的维度分别为客户信息、贷款信息和存款信息。
建模方式可分为三范式建模和反三范式建模。三范式建模可减少数据表的冗余数据，节省数据表的存储资源。但有时候在查询数据时，数据表的冗余数据会加快数据查询效率。例如，在进行三范式建模时，关于客户信息和客户名称需要建立两张表，一张是客户信息表，一张是客户名称表。客户信息表包括客户编号、性别、民族等数据信息。客户名称表包括客户编号、客户名称类型，客户名称数据字段信息。其中客户名称类型包括中文名称、英文名称、客户简称、曾用名。这两张表通过客户编号进行关联。显然，当在查询客户信息和客户名称时，需要通过关联的客户编号，调用两张表来进行查询，这样便会导致查询效率较低。此时便可采用反三范式建模的方式，将客户信息和客户名称都放置在一张表内，当需要查询客户信息和客户名称时，直接在该表内进行查询即可。因此，为了提高数据查询效率，本申请会基于预设维度进行反三范式建模，以建立基础数据模型。
在建立基础数据模型后，可得到每个维度对应的基础数据表。接着可对每个法人对应的数据表中的业务数据按照统一口径进行处理，以便于将多个法人对应的业务数据存储到基础数据模型。例如，每个法人对应的业务数据直接整合到一起。或者，每个法人对应的数据表中同一类型的业务数据的数据类型可能不同，而为了便于基础数据模型中的业务数据的存储，基础数据表的数据为统一类型，因此可将每个法人对应的数据表中的业务数据的数据类型统一成基础数据表的数据的数据类型，即先对每个法人对应的业务数据进行标准化处理，再进行数据整合。
然后将处理后的业务数据存储到基础数据模型中对应维度的基础数据表中。为了便于业务数据的查询，基础数据模型中的业务数据均存在对应的法人标识，法人标识与法人一一对应。例如基础数据模型中包括客户信息表，客户信息表中包括客户名称、客户类型和客户编号。此时便可将每个法人对应的数据表中的客户名称、客户类型和客户编号存储到基础数据模型中的客户信息表中，并在客户信息表中标上客户名称、客户类型和客户编号对应的法人标识。
如此，在建立基础数据模型并对每个法人的业务数据按照统一口径进行处理后，便可将每个法人的业务数据存储到对应的基础数据表中，以便于完成每个法人的业务数据的统一管理，使得在检测时可直接在基础数据模型中获取对应的业务数据，从而达到降本增效的目的。
请参阅图4，可选地，步骤01：获取预设的指标库的多个指标中，与目标法人对应的目标指标，以创建检测模型，包括：
步骤011：选取指标库的多个指标中，与目标法人对应的目标指标；
步骤012：设置每个目标指标的权重；及
步骤013：根据目标指标和每个目标指标的权重，创建检测模型。
具体地，在选取指标库的多个指标中与目标法人对应的目标指标后，还可对目标指标进行权重设计，并根据目标指标和每个目标指标的权重创建检测模型，使得每个法人都能够根据自身风险状况，选取目标指标并设置每个目标指标的权重，从而提高检测模型的设置灵活性，保证设置的检测模型能够更准确地反映每个法人的风险和控制措施的有效性。特别地，为了便于在检测时，可准确地识别出法人对应的检测模型，检测模型中存在对应的法人标识，法人标识与法人一一对应。
进一步地，创建检测模型后，检测模型便可用于风险检测。而根据每个法人的业务发展和控制措施的实施，某些法人的检测模型中需要的目标指标和对应的权重可能会发生变化。若该法人的检测模型已经开始运行，则先停用该法人的检测模型，并对检测模型中的目标指标和权重进行修改，修改完成后，重新启动检测模型即可完成后续的检测，使得检测模型的设置灵活性较高，从而提高同一法人的检测模型的变更速率。
如此，每个法人都可根据自身风险状况进行目标指标和权重的配置，使得检测模型一方面能满足各法人的个性需求，另一方面能精确反映行内存在的风险和控制措施的有效性。
请参阅图5，可选地，目标指标包括多级，第N级的目标指标的计算结果根据对应的多个第N+1级的目标指标的计算结果和权重确定。
具体地，根据业务需求，可将目标指标划分为多级，且不同级别的目标指标之间会有从属关系，例如图5。在设置目标指标时还需要设置每个目标指标的权重，所有一级目标指标的权重之和为100%，从属于同一目标指标的所有下一级目标指标的权重之和为100%，例如从属于一个一级目标指标的所有二级目标指标的权重之和为100%。而第N级的目标指标的计算结果根据对应的多个第N+1级的目标指标的计算结果和权重确定。
例如，根据目标指标的计算结果确定评分，并根据评分来进行检测时，需要确定每个目标指标的评分，此时第N级的目标指标的评分根据对应的多个第N+1级的目标指标的评分和权重确定。例如评分的满分为5分，对于某些可求出占比的目标指标，评分规则为将占比为1-10%的目标指标的评分定为1分，占比为11-40%的目标指标的评分定为2分，占比为41-70%的目标指标的评分定为3分，占比为71-90%的目标指标的评分定为4分，占比为91-100%的目标指标的评分定为5分。目标指标客户数量对应的下级指标可包括目标指标对私客户数量和对公客户数量，其中目标指标对私客户数量的占比为35%，目标指标对公客户数量的占比为65%，目标指标对私客户数量的权重为30%，目标指标对公客户数量的权重为70%。那么可得到目标指标对私客户数量的评分为2分，目标指标对公客户数量的评分为3分，再结合对应的权重，可得到目标指标客户数量的评分为2.7。
那么，在确定每个目标指标的从属关系，以及对应的权重后，首先计算最下级的目标指标的计算结果，然后结合对应的权重和从属关系，得到最下级的目标指标的上一级目标指标的计算结果，依次类推便可得到每个一级指标的计算结果，从而可根据每个一级指标的计算结果完成检测。
请参阅图5，可选地，指标库的指标包括第一类型指标和第二类型指标，第一类型指标根据业务数据确定，第二类型指标根据第一类型指标确定。
具体地，指标库中的某些指标需要根据其他指标和一定的运算规则来确定，这种指标可称为衍生指标，例如目标指标对私客户的占比，需要先得到对私客户的数量和所有类型的客户的数量，才能得到对私客户的占比。因此，指标库中的指标包括可直接根据业务数据确定的第一类型指标，例如对私客户的数量，和根据第一类型指标确定的第二类型指标，例如对私客户的占比。而为了保证第二类型指标的计算，指标库中还包含了第二类型指标的计算公式。特别地，在检测模型中除了最下级的目标指标外，其他层级的目标指标也可作为第二类型指标，例如，三级目标指标客户风险等级划分的分布结果，由四级目标指标高风险客户分布数量及占比、四级目标指标较高风险客户分布数量及占比、四级目标指标一般风险客户分布数量及占比、四级目标较低指标风险客户分布数量及占比、及四级目标指标低风险客户分布数量及占比确定。
因此，目标法人在确定目标指标后，检测模型可根据目标指标的类型获取对应的业务数据或第一类型指标的计算结果，并结合检测模型的函数来进行目标指标的计算，从而根据目标法人对应的目标指标的计算结果输出检测结果。
请参阅图6和图7，可选地，多个法人各自对应的检测模型部署到同一服务器；或者，多个法人各自对应的检测模型部署到不同服务器。
具体地，多个法人各自对应的检测模型可部署到同一服务器中，使得能够在一个服务器中完成多个检测模型的修改和维护，以便于多个检测模型的集中管理，例如图6中检测模型A、检测模型B和检测模型C共同部署到服务器X。而多个法人各自对应的检测模型也可部署到不同服务器中，例如图7中检测模型D部署到服务器Y，检测模型E部署到服务器Z，以提高每个检测模型的独立性，保证检测模型的使用安全性。同时，将检测模型部署到不同的服务器中可减少一个服务器的计算量，从而提高检测结果的输出速率。
为便于更好的实施本申请实施方式的检测方法，本申请实施方式还提供一种检测装置10。请参阅图8，该检测装置10可以包括：
创建模块11，获取预设的指标库的多个指标中，与目标法人对应的目标指标，以创建检测模型，检测模型包括与每个目标指标对应的函数；
获取模块12，用于获取预设的基础数据模型与目标法人对应的业务数据；
计算模块13，用于基于检测模型的函数和业务数据，计算每个目标指标的计算结果，并根据计算结果输出检测结果。
本申请的检测装置10还可以包括：
导入模块14，用于将多个法人的数据库中业务数据导入到数据表中，以生成与每个法人对应的数据表。
连接模块15，用于连接多个法人的数据库，以获取每个法人对应的数据表。
建立模块16，用于基于预设维度进行反三范式建模，以建立基础数据模型，基础数据模型包括与每个维度对应的基础数据表。
处理模块17，用于对每个法人对应的数据表中的业务数据按照统一口径进行处理，并存储到基础数据模型中对应维度的基础数据表中，基础数据模型中的业务数据均存在对应的法人标识，法人标识与法人一一对应。
创建模块11具体用于选取指标库的多个指标中，与目标法人对应的目标指标；设置每个目标指标的权重；及根据目标指标和每个目标指标的权重，创建检测模型。
上述检测装置10中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各个模块可以以硬件形式内嵌于或独立于计算机设备中的处理器20中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器20调用执行上述各个模块对应的操作。
请参阅图9，本申请实施方式的计算机设备100包括处理器20。处理器20用于执行上述任意一种实施方式的检测方法，为了简洁，在此不再赘述。
请参阅图10，本申请实施方式还提供了一种计算机可读存储介质200，其上存储有计算机程序210，计算机程序210被处理器20执行的情况下，实现上述任意一种实施方式的检测方法的步骤，为了简洁，在此不再赘述。
可以理解，计算机程序210包括计算机程序代码。计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以是计算机可读存储介质如能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、以及软件分发介质等。
在本说明书的描述中，参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施方式或示例以及不同实施方式或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施方式所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施方式，可以理解的是，上述实施方式是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施方式进行变化、修改、替换和变型。
Claims (9)
1.一种检测方法，其特征在于，包括：
基于预设维度进行反三范式建模，以建立基础数据模型，所述基础数据模型包括与每个维度对应的基础数据表；
对每个法人对应的数据表中的业务数据按照统一口径进行处理，并存储到所述基础数据模型中对应维度的基础数据表中，所述基础数据模型中的业务数据均存在对应的法人标识，法人标识与法人一一对应；
获取预设的指标库的多个指标中，与目标法人对应的目标指标，以创建检测模型，所述检测模型包括与每个所述目标指标对应的函数；
获取预设的基础数据模型中与所述目标法人对应的业务数据；及
基于所述检测模型的函数和所述业务数据，计算每个所述目标指标的计算结果，并根据所述计算结果输出检测结果。
2. 根据权利要求1所述的检测方法，其特征在于，还包括：
将多个法人的数据库中业务数据导入到所述数据表中，以生成与每个法人对应的所述数据表；或者
连接多个法人的数据库，以获取每个法人对应的所述数据表。
3.根据权利要求1所述的检测方法，其特征在于，所述获取预设的指标库的多个指标中，与目标法人对应的目标指标，以创建检测模型，包括：
选取所述指标库的多个指标中，与所述目标法人对应的所述目标指标；
设置每个所述目标指标的权重；及
根据所述目标指标和每个所述目标指标的权重，创建所述检测模型。
4.根据权利要求3所述的检测方法，其特征在于，所述目标指标包括多级，第N级的所述目标指标的计算结果根据对应的多个第N+1级的所述目标指标的计算结果和权重确定。
5.根据权利要求1所述的检测方法，其特征在于，所述指标库的指标包括第一类型指标和第二类型指标，所述第一类型指标根据业务数据确定，所述第二类型指标根据所述第一类型指标确定。
6.根据权利要求1所述的检测方法，其特征在于，多个法人各自对应的所述检测模型部署到同一服务器；或者，多个法人各自对应的所述检测模型部署到不同服务器。
7.一种检测装置，其特征在于，包括：
建立模块，用于基于预设维度进行反三范式建模，以建立基础数据模型，所述基础数据模型包括与每个维度对应的基础数据表；
处理模块，用于对每个法人对应的数据表中的业务数据按照统一口径进行处理，并存储到所述基础数据模型中对应维度的基础数据表中，所述基础数据模型中的业务数据均存在对应的法人标识，法人标识与法人一一对应；
创建模块，用于获取预设的指标库的多个指标中，与目标法人对应的目标指标，以创建检测模型，所述检测模型包括与每个所述目标指标对应的函数；
获取模块，用于获取预设的基础数据模型与所述目标法人对应的业务数据；及
计算模块，用于基于所述检测模型的函数和所述业务数据，计算每个所述目标指标的计算结果，并根据所述计算结果输出检测结果。
8.一种计算机设备，其特征在于，包括一个或多个处理器，一个或多个所述处理器用于基于预设维度进行反三范式建模，以建立基础数据模型，所述基础数据模型包括与每个维度对应的基础数据表；对每个法人对应的数据表中的业务数据按照统一口径进行处理，并存储到所述基础数据模型中对应维度的基础数据表中，所述基础数据模型中的业务数据均存在对应的法人标识，法人标识与法人一一对应；获取预设的指标库的多个指标中，与目标法人对应的目标指标，以创建检测模型，所述检测模型包括与每个所述目标指标对应的函数；获取预设的基础数据模型与所述目标法人对应的业务数据；及基于所述检测模型的函数和所述业务数据，计算每个所述目标指标的计算结果，并根据所述计算结果输出检测结果。
9.一种包括计算机程序的非易失性计算机可读存储介质，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1-6任意一项所述的检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310360910.XA CN116091181B (zh) | 2023-04-06 | 2023-04-06 | 检测方法及装置、计算机设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310360910.XA CN116091181B (zh) | 2023-04-06 | 2023-04-06 | 检测方法及装置、计算机设备及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116091181A CN116091181A (zh) | 2023-05-09 |
| CN116091181B true CN116091181B (zh) | 2023-06-23 |
Family
ID=86212352
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310360910.XA Active CN116091181B (zh) | 2023-04-06 | 2023-04-06 | 检测方法及装置、计算机设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116091181B (zh) |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107292528A (zh) * | 2017-06-30 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 车险风险预测方法、装置及服务器 |
| CN115599771A (zh) * | 2022-11-07 | 2023-01-13 | 杭州瓴羊智能服务有限公司（Cn） | 预计算模型生成方法、装置以及系统 |
| CN115757035A (zh) * | 2022-11-23 | 2023-03-07 | 中国工商银行股份有限公司 | 数据模型的监控方法、装置、处理器及电子设备 |
-
2023
- 2023-04-06 CN CN202310360910.XA patent/CN116091181B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN116091181A (zh) | 2023-05-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7769682B2 (en) | Financial transaction analysis using directed graphs | |
| JP2020515965A (ja) | スコアリング・モデルを構築し、ユーザ・クレジットを評価するための方法及びデバイス | |
| CN107729519B (zh) | 基于多源多维数据的评估方法及装置、终端 | |
| CN112860709A (zh) | 业务指标查询方法、装置、设备及存储介质 | |
| CN111090780A (zh) | 可疑交易信息的确定方法及装置、存储介质、电子设备 | |
| CN110764999A (zh) | 自动化测试方法、装置、计算机装置及存储介质 | |
| CN107122386A (zh) | 数据的筛选方法及装置 | |
| CN116091181B (zh) | 检测方法及装置、计算机设备及计算机可读存储介质 | |
| CN112035681A (zh) | 基于知识图谱的信用卡费率信息确定方法及装置 | |
| CN110245985A (zh) | 一种信息处理方法及装置 | |
| CN114997109A (zh) | 单据转换方法、装置、计算机设备和存储介质 | |
| CN114565450A (zh) | 一种基于逾期共债的催收策略确定方法及相关设备 | |
| CN111723129A (zh) | 报表生成方法、报表生成装置和电子设备 | |
| JP2003280901A (ja) | 見積評価支援プログラムおよび見積評価支援システム | |
| CN113743791A (zh) | 一种业务工单的业务考评方法、装置、电子设备和介质 | |
| CN111857670A (zh) | 应用架构的确定方法和装置 | |
| US11647048B2 (en) | Real-time feedback service for resource access rule configuration | |
| CN114238702B (zh) | 基于图数据库的信用卡欺诈预选方法、装置及存储介质 | |
| CN111768130B (zh) | 用户分配方法、装置、电子设备及可读存储介质 | |
| TWM580230U (zh) | Financial Services Application Review System | |
| CN109685638A (zh) | 一种审计覆盖率测量方法、装置及存储介质 | |
| US11037126B2 (en) | Systems and methods for assessing electronic payment readiness | |
| Karan et al. | Estimation of credit risk of retail stores by using their payment history: A combined logistic regression and multi-dea | |
| CN114021955A (zh) | 多层级指标计算方法、系统、终端设备及计算机存储介质 | |
| CN115729923A (zh) | 客户数据分析方法、装置、存储介质及计算机设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |