CN117151864A - 一种自动化不良贷款责任认定方法及系统 - Google Patents
一种自动化不良贷款责任认定方法及系统 Download PDFInfo
- Publication number
- CN117151864A CN117151864A CN202311175983.8A CN202311175983A CN117151864A CN 117151864 A CN117151864 A CN 117151864A CN 202311175983 A CN202311175983 A CN 202311175983A CN 117151864 A CN117151864 A CN 117151864A
- Authority
- CN
- China
- Prior art keywords
- type
- threshold
- identification
- field
- preset
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000014509 gene expression Effects 0.000 claims description 42
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000012552 review Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 abstract description 11
- 230000004044 response Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
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
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
Abstract
本发明涉及一种自动化不良贷款责任认定方法及系统,包括如下步骤:S1:构建认定任务并将待核查案件文件导入认定任务中,基于规则要素构建认定规则,其中规则要素包括特征、运算符和阈值,特征为待核查文件中的待核查字段;S2:将认定规则与认定任务进行绑定,根据认定规则对认定任务进行责任认定并输出认定结果。本发明提供的自动化不良贷款责任认定方法及系统,保证了认定结果的高质量和高可靠性,有效减少了人工筛查存在的漏判误判问题,响应速度更快,效率更高。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种自动化不良贷款责任认定方法及系统。
背景技术
不良贷款责任认定是指在不良贷款形成时,追查在贷款调查分析、决策审批、放款支付、贷后管理等环节中负有授信责任的人员,并确定存在的违反授信尽职规定和操作规程的行为,促进授信环节的规范化和合规化。目前业界普遍采用的责任认定方法为人工排查,核心流程包括:
1. 数据清洗阶段,需要对大量原始贷款记录做预处理,包括人工剔除已结清贷款记录,借助Excel工具对同一客户名下同一贷款产品进行去重,再按照抽样标准人为随机抽取记录;
2. 数据筛查阶段,需要责任认定人员记录所需的核查字段,再根据法律法规、公司规则制度和操作手册进行人工筛查;
3. 工作反馈和工作归档阶段,需要各部门在责任认定的各个阶段通过OA系统,工作邮箱,打印等方式提交材料,责任认定人员则需要到各部门反馈的渠道上分别收集整理,对有记录性意义的文件进行归档留存。
市面上已有对责任认定流程进行数字化改造的平台,具备的能力一般包括:数据清洗阶段支持配置过滤和抽样条件,由平台自动对原始数据进行去重和抽样;责任认定各阶段支持在数字化平台上进行可视化操作,操作记录和认定材料统一收集归档;但数据筛查阶段缺少有效的数字化改造产品和方案。
且不良贷款责任认定工作人工排查成本高,需要不同部门配合,协调相关人员,环节交接时也难以快速通知到位和响应;市面上的数字化平台改造程度较低,除提供数据收集和展示能力外,数据筛查阶段仍然严重依赖人工,人力和时间成本的优化效果有限;认定结果的质量和可靠性难以保证,人为因素对筛查阶段的漏判误判影响较大;责任认定制度规则发生更新时,认定人员需要一定时间跟进、调整筛查方法,时效性较差,也增加了规则理解不足带来的风险;工作交接成本高,如果责任认定工作人员发生变动,需要花费大量时间交接和培训。
发明内容
针对现有技术的不足,本发明提供了一种自动化不良贷款责任认定方法及系统,保证了认定结果的高质量和高可靠性,有效减少了人工筛查存在的漏判误判问题,响应速度更快,效率更高。
为了实现本发明的目的,本发明提供一种自动化不良贷款责任认定方法,包括如下步骤:
S1:构建认定任务并将待核查案件文件导入认定任务中,基于规则要素构建认定规则,其中规则要素包括特征、运算符和阈值,特征为待核查文件中的待核查字段;
S2:将认定规则与认定任务进行绑定,根据认定规则对认定任务进行责任认定并输出认定结果。
优选的,所述步骤S1中的规则要素具体包括:
特征包括:数值型、枚举型和字符串型;特征为待核查字段,待核查字段包括字段名称、字段编号和数据业务表;阈值包括预设内容和预设特征字段,当阈值为预设特征字段时,则阈值内容从待核查字段中的数据业务表中获取。
优选的,所述步骤S2中进行责任认定的具体步骤包括:
先对特征类型进行判定,并根据特征类型对阈值类型进行判定,最后得出认定结果。
优选的,所述步骤S2的具体步骤包括:
当特征类型为数值型时,阈值类型为预设内容或预设特征字段;当阈值类型为预设内容时,其认定结果表达式为:
;
当阈值类型为预设特征字段时,其认定结果表达式为:
;
当特征类型为枚举型时,阈值类型为预设内容或预设特征字段;当阈值类型为预设内容时,其认定结果表达式为:
;
当阈值类型为预设特征字段时,其认定结果表达式为:
;
其中,ruleStrikeResult为认定结果,feature为特征字段,operator为运算符,()内为运算符的类型,threshold为类型为预设内容的阈值,feature2为预设特征字段的阈值,feature3为类型为预设特征字段的阈值集合,运算符IN为用于判断特征是否存在于阈值的集合中。
优选的,所述步骤S2的具体步骤包括:
当特征类型为字符串类型时,阈值类型为字符串或集合类型的预设内容,其认定结果表达式为:
;
其中,当阈值为集合类型的预设内容时,IN用于判断feature是否存在于threshold的集合中,当阈值为字符串类型的预设内容时,LIKE为用于判断feature是否可以匹配threshold。
优选的,所述步骤S2之后还包括:
S3:基于认定结果进行复核,并将复核结果为异常状态时的认定任务进行汇总并导出。
优选的,本发明还提供一种自动化不良贷款责任认定系统,包括:配置模块:用于构建认定任务并将待核查案件文件导入认定任务中,还用于规则要素构建认定规则,其中规则要素包括特征、运算符和阈值,特征为待核查文件中的待核查字段;
责任认定模块:用于将认定规则与认定任务进行绑定,根据认定规则对认定任务进行责任认定并输出认定结果。
优选的,所述配置模块具体包括:
规则要素中的特征包括:数值型、枚举型和字符串型;特征为待核查字段,待核查字段包括字段名称、字段编号和数据业务表;阈值包括预设内容和预设特征字段,当阈值为预设特征字段时,则阈值内容从待核查字段中的数据业务表中获取。
优选的,还包括结果复核模块:
结果复核模块:用于根据认定结果进行复核,并将复核结果为异常状态时的认定任务进行汇总并导出。
优选的,责任认定模块具体包括:
先对特征类型进行判定,并根据特征类型对阈值类型进行判定,最后得出认定结果;
当特征类型为数值型时,阈值类型为预设内容或预设特征字段;当阈值类型为预设内容时,其认定结果表达式为:
;
当阈值类型为预设特征字段时,其认定结果表达式为:
;
当特征类型为枚举型时,阈值类型为预设内容或预设特征字段;当阈值类型为预设内容时,其认定结果表达式为:
;
当阈值类型为预设特征字段时,其认定结果表达式为:
;
其中,ruleStrikeResult为认定结果,feature为特征字段,operator为运算符,()内为运算符的类型,threshold为类型为预设内容的阈值,feature2为预设特征字段的阈值,feature3为类型为预设特征字段的阈值集合,运算符IN为用于判断特征是否存在于阈值的集合中;
当特征类型为字符串类型时,阈值类型为字符串或集合类型的预设内容,其认定结果表达式为:
;
其中,当阈值为集合类型的预设内容时,IN用于判断feature是否存在于threshold的集合中,当阈值为字符串类型的预设内容时,LIKE为用于判断feature是否可以匹配threshold。
本发明的有益效果为:本发明提供的自动化不良贷款责任认定方法及系统,保证了认定结果的高质量和高可靠性,有效减少了人工筛查存在的漏判误判问题,响应速度更快,效率更高。
附图说明
通过附图中所示的本发明优选实施例更具体说明,本发明上述及其它目的、特征和优势将变得更加清晰。在全部附图中相同的附图标记指示相同的部分,且并未刻意按实际尺寸等比例缩放绘制附图,重点在于示出本的主旨。
图1为本发明实施例提供的自动化不良贷款责任认定方法及系统的流程示意图;
图2为本发明实施例提供的自动化不良贷款责任认定方法及系统的流程流程框架图;
图3为本发明实施例提供的认定规则的具体流程示意图;
图4为本发明实施例提供的认定规则的具体实施例的流程示意图;
图5为本发明实施例提供的结果复核的具体流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明技术方案作进一步的详细描述,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
请参考图1-5,本发明实施例提供一种自动化不良贷款责任认定方法,包括如下步骤:
S1:构建认定任务并将待核查案件文件导入认定任务中,基于规则要素构建认定规则,其中规则要素包括特征、运算符和阈值,特征为待核查文件中的待核查字段;
S2:将认定规则与认定任务进行绑定,根据认定规则对认定任务进行责任认定并输出认定结果。
本发明提供的自动化不良贷款责任认定方法及系统,其认定规则可根据需求自由配置,从非结构化的规则描述中抽取出特征feature、运算符operator、阈值threshold三个规则要素,并结合规则触发结果ruleStrikeResult构成决策模型,其计算公式为:
;
其中,特征为待核查字段,由责任认定人员指定字段名称、字段编号和来源业务表等进行配置,支持的数据类型包括:数值型、枚举型、字符串型。阈值为比较字段,支持自定义内容或套用其他特征字段,两者通过运算符进行拼接,得到规则触发结果,结果可以设置为“通过”、“拒绝”、“异常”等,最终构成结构化、通用性强的条件表达式。
请参考图3,在优选实施例中,步骤S1中的规则要素具体包括:
特征包括:数值型、枚举型和字符串型;特征为待核查字段,待核查字段包括字段名称、字段编号和数据业务表;阈值包括预设内容和预设特征字段,当阈值为预设特征字段时,则阈值内容从待核查字段中的数据业务表中获取。
请参考图1-5,在优选实施例中,步骤S2中进行责任认定的具体步骤包括:
先对特征类型进行判定,并根据特征类型对阈值类型进行判定,最后得出认定结果。
请参考图1-5,在进一步的优选实施例中,步骤S2的具体步骤包括:
当特征类型为数值型时,阈值类型为预设内容或预设特征字段;当阈值类型为预设内容时,其认定结果表达式为:
;
当阈值类型为预设特征字段时,其认定结果表达式为:
;
获取阈值的SQL语句如下:
其中,t1,t2分别为feature,feature2所在的业务表,“FROM t1 INNER JOIN t2”表示对t1,t2表做内连接,“ON t1.BO_NO=t2.BO_NO”为连接条件,“BO_NO”为贷款进件号,“SELECT t2.feature2”表示查询t2表中的指定列,因此该SQL语句用于查询t2表中与t1表同一个进件号下的feature2字段值。此外,threshold和feature2必须为数字类型。
当阈值类型为预设特征字段时,例如某规则为“如果年龄小于某贷款产品年龄下限,则拒绝处理”,则可得到如下的决策模型:
特征:年龄;
运算符:小于号;
阈值:某贷款产品年龄下限;
阈值来源:某贷款产品要素表的年龄下限字段;
规则触发结果:拒绝。
当阈值类型为预设特征字段时,其认定结果表达式为:
;
当特征类型为枚举型时,阈值类型为预设内容或预设特征字段;当阈值类型为预设内容时,其认定结果表达式为:
;
当阈值类型为预设特征字段时,其认定结果表达式为:
;
其中,ruleStrikeResult为认定结果,feature为特征字段,operator为运算符,()内为运算符的类型,threshold为类型为预设内容的阈值,feature2为预设特征字段的阈值,feature3为类型为预设特征字段的阈值集合,运算符IN为用于判断特征是否存在于阈值的集合中(即第一个公式中的IN为判断feature是否存在threshold中,第二个公式中的IN为判断feature是否存在feature3的集合中)。
其中获取阈值的SQL语句如下:
其中, t3为feature3所属业务表,该SQL语句表示从t3表中查询feature3字段值。
请参考图1-5,在进一步的优选实施例中,步骤S2的具体步骤包括:
当特征类型为字符串类型时,阈值类型为字符串或集合类型(集合内多个元素通过逗号分隔)的预设内容(阈值不支持特征字段),其认定结果表达式为:
;
其中,当阈值为集合类型的预设内容时,IN用于判断feature是否存在于threshold的集合中,当阈值为字符串类型的预设内容时,LIKE为用于判断feature是否可以模糊匹配threshold。
在进一步的优选实施例中,认定结果的表达式之间还支持通过与和或的关系进行组合,例如:
某规则为“如果年龄小于18岁或年龄大于50岁,那么就拒绝处理”,则可得到如下决策模型:
条件表达式1:特征(年龄) 运算符(小于) 阈值(18)
条件表达式2:特征(年龄) 运算符(大于) 阈值(50)
逻辑关系:或
规则触发结果:拒绝
更一般的,特征类型不同、阈值类型不同的条件表达式均可作为一条独立的规则进行与或关系的组合,形成逻辑关系更为灵活、可扩展的规则集合,即可将特征为数值型的两个认定表达式和特征为枚举型以及字符串型的认定表达式进行自由组成,从而形成全新的认定规则,提高的认定规则的多样性并提高了整体效率。
请参考图5,在优选实施例中,步骤S2之后还包括:
S3:基于认定结果进行复核,并将复核结果为异常状态时的认定任务进行汇总并导出。
本发明提供的自动化不良贷款责任认定方法及系统还具有以下优点:
支持可视化配置核销数据过滤规则,可在获取数据后完成自动过滤,并按照预先配置的抽样标准自动完成数据去重(如同一客户名下同一贷款产品去重)和抽样;
自动认定功能可快速分析规则并输出决策结果,认定人员只需要导入案件,在输出自动认定结果时进行必要的复核,有效降低了责任认定的人力和时间成本;
自动认定功能可确保认定结果的高质量和高可靠性,有效减少人工筛查存在的漏判误判问题,同时提供人工复核入口,为自动处理结果准确性做进一步兜底;
责任认定规则变动时只需要认定人员解析新增规则,在系统上进行配置,即可复用责任认定全流程,同时在设计上实现了业务决策和程序代码分离,不需要修改认定方法和程序代码,减少了更新成本,响应变更的速度快,时效性好;
在平台上配置的规则都是可复用的,如果认定人员发生变动,也可以直接借助历史规则和平台自动化能力快速上手,显著缩短培训交接时间。
请参考图2-5,在进一步的优选实施例中,本发明还提供一种自动化不良贷款责任认定系统,包括:
配置模块:用于构建认定任务并将待核查案件文件导入认定任务中,还用于规则要素构建认定规则,其中规则要素包括特征、运算符和阈值,特征为待核查文件中的待核查字段;
在进行待核查案件导入认定任务时,业务方可按照模版编写并导入案件Excel文件,导入后自动解析案件号和进件时间,形成一个认定批次,通过产品和适用时间筛选并绑定本批次的认定规则,提交任务后就会在后台生成一个待执行任务,异步调用审批接口获取进件信息,批量对本批次的进件做规则过滤,返回责任认定结果。
业务方基于字段配置模块引入的特征,在规则配置模块上可视化配置认定规则。业务方依据责任认定领域知识对原始的规则描述进行结构化处理,将其转换为规则条件表达式。模块支持选择已配置的特征字段,指定对应的运算符、阈值构造认定规则,构建过程需要遵循多个约束,如前文的运算符约束条件,特征类型为枚举型时阈值只能设定规定的枚举值集合,阈值为自定义类型时支持外部手动输入等。单条规则可配置多个条件表达式,多表达式之间支持更为复杂的逻辑组合,最多支持三层逻辑关系嵌套,可涵盖大部分责任认定规则场景。
责任认定的法律法规和操作规程文件持续更新,存在不同的版本和有效期,每个进件记录的认定操作需遵循同期生效的规则文件,业务方通过在规则配置模块上设定规则适用的进件时间区间、产品范围,从而适配不同版本的操作规程和进件记录。
认定规则可根据认定结果表达式注意配置,形成一个规则集,贷款产品与认定规则为多对多的映射关系,一个或多个贷款产品可按需求与一条或多条认定规则绑定。
责任认定模块:用于将认定规则与认定任务进行绑定,根据认定规则对认定任务进行责任认定并输出认定结果。
在优选实施例中,自动化不良贷款责任认定系统包括:
字段配置模块和规则配置模块:
字段配置模块:用于配置和管理业务方根据认定规则抽取出的、所需核查的特征字段(业务方根据认定规则和操作规程抽取支持配置的特征字段,确定字段来源、字段定义等信息,再对组成规则的特征进行可视化配置,同时为每个字段设置开关,可一键修改特征字段的生效情况);
规则配置模块:用于配置和管理业务方基于特征和运算符、阈值、逻辑关系、规则适用时间、适用产品范围等参数构造的认定规则;
任务管理模块:用于创建自动认定任务,业务方导入某一批次的案件Excel文件,绑定该批次所要执行的规则集合,提交任务触发自动认定操作,生成和展示任务执行结果;
结果复核模块:用于对各个任务的认定结果进行人工复核,可指定复核人员和其对应的处理数量,实时查看复核进度,复核异常案件支持汇总展示和系统导出。
本发明提供的自动化不良贷款责任认定系统,使业务方在该数字化系统上可开展责任认定全流程工作,配置的字段和规则支持复用,每一个认定环节都会留存操作记录和相关材料,新的规则和案件经过简单配置即可触发自动认定,认定结果支持复核,为自动化处理做人工兜底。
请参考图2-5,在优选实施例中,配置模块具体包括:
规则要素中的特征包括:数值型、枚举型和字符串型;特征为待核查字段,待核查字段包括字段名称、字段编号和数据业务表;阈值包括预设内容和预设特征字段,当阈值为预设特征字段时,则阈值内容从待核查字段中的数据业务表中获取。
请参考图2-5,在优选实施例中,还包括结果复核模块:
结果复核模块:用于根据认定结果进行复核,并将复核结果为异常状态时的认定任务进行汇总并导出。
完成自动认定后,可在结果复核模块对每个认定任务执行结果进行人工复核,在自动化责任认定结果的基础上,设置可用于核查的字段,创建复核任务,导入需要进行复核的案件,反显已有的规则配置,指定任务名称、任务总数量、复核人、对应的处理数量等信息,处理进度实时同步。复核人员在接收到复核任务时,对有异常的案件进行标记,模块会对复核异常的案件进行汇总展示,并支持系统导出。
请参考图2-5在优选实施例中,还包括规则匹配差错处理模块:用于记录任务的执行流水,通过任务状态反映任务执行情况。差错处理策略为,规则匹配出错时中断流程,设置任务状态为失败,并支持重新导入案件、修改执行规则后发起重试,报错原因通常是规则与导入的案件产品类型、进件时间不匹配,因此修改案件号或认定规则后重新发起认定可作为有效的修复手段。
请参考图2-5,在优选实施例中,责任认定模块具体包括:
先对特征类型进行判定,并根据特征类型对阈值类型进行判定,最后得出认定结果;
当特征类型为数值型时,阈值类型为预设内容或预设特征字段;当阈值类型为预设内容时,其认定结果表达式为:
;
当阈值类型为预设特征字段时,其认定结果表达式为:
;
当特征类型为枚举型时,阈值类型为预设内容或预设特征字段;当阈值类型为预设内容时,其认定结果表达式为:
;
当阈值类型为预设特征字段时,其认定结果表达式为:
;
其中,ruleStrikeResult为认定结果,feature为特征字段,operator为运算符,()内为运算符的类型,threshold为类型为预设内容的阈值,feature2为预设特征字段的阈值,feature3为类型为预设特征字段的阈值集合,运算符IN为用于判断特征是否存在于阈值的集合中;
当特征类型为字符串类型时,阈值类型为字符串或集合类型的预设内容,其认定结果表达式为:
;
其中,当阈值为集合类型的预设内容时,IN用于判断feature是否存在于threshold的集合中,当阈值为字符串类型的预设内容时,LIKE为用于判断feature是否可以匹配threshold。
本发明的有益效果为:本发明提供了一种自动化不良贷款责任认定方法及系统,保证了认定结果的高质量和高可靠性,有效减少了人工筛查存在的漏判误判问题,响应速度更快,效率更高。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种自动化不良贷款责任认定方法,其特征在于,包括如下步骤:
S1:构建认定任务并将待核查案件文件导入认定任务中,基于规则要素构建认定规则,其中规则要素包括特征、运算符和阈值,特征为待核查文件中的待核查字段;
S2:将认定规则与认定任务进行绑定,根据认定规则对认定任务进行责任认定并输出认定结果。
2.如权利要求1所述的自动化不良贷款责任认定方法,其特征在于,所述步骤S1中的规则要素具体包括:
特征包括:数值型、枚举型和字符串型;特征为待核查字段,待核查字段包括字段名称、字段编号和数据业务表;阈值包括预设内容和预设特征字段,当阈值为预设特征字段时,则阈值内容从待核查字段中的数据业务表中获取。
3.如权利要求2所述的自动化不良贷款责任认定方法,其特征在于,所述步骤S2中进行责任认定的具体步骤包括:
先对特征类型进行判定,并根据特征类型对阈值类型进行判定,最后得出认定结果。
4.如权利要求3所述的自动化不良贷款责任认定方法,其特征在于,所述步骤S2的具体步骤包括:
当特征类型为数值型时,阈值类型为预设内容或预设特征字段;当阈值类型为预设内容时,其认定结果表达式为:
;
当阈值类型为预设特征字段时,其认定结果表达式为:
;
当特征类型为枚举型时,阈值类型为预设内容或预设特征字段;当阈值类型为预设内容时,其认定结果表达式为:
;
当阈值类型为预设特征字段时,其认定结果表达式为:
;
其中,ruleStrikeResult为认定结果,feature为特征字段,operator为运算符,()内为运算符的类型,threshold为类型为预设内容的阈值,feature2为预设特征字段的阈值,feature3为类型为预设特征字段的阈值集合,运算符IN为用于判断特征是否存在于阈值的集合中。
5.如权利要求3所述的自动化不良贷款责任认定方法,其特征在于,所述步骤S2的具体步骤包括:
当特征类型为字符串类型时,阈值类型为字符串或集合类型的预设内容,其认定结果表达式为:
;
其中,当阈值为集合类型的预设内容时,IN用于判断feature是否存在于threshold的集合中,当阈值为字符串类型的预设内容时,LIKE为用于判断feature是否可以匹配threshold。
6.如权利要求1所述的自动化不良贷款责任认定方法,其特征在于,所述步骤S2之后还包括:
S3:基于认定结果进行复核,并将复核结果为异常状态时的认定任务进行汇总并导出。
7.一种自动化不良贷款责任认定系统,其特征在于,包括:
配置模块:用于构建认定任务并将待核查案件文件导入认定任务中,还用于规则要素构建认定规则,其中规则要素包括特征、运算符和阈值,特征为待核查文件中的待核查字段;
责任认定模块:用于将认定规则与认定任务进行绑定,根据认定规则对认定任务进行责任认定并输出认定结果。
8.如权利要求7所述的自动化不良贷款责任认定系统,其特征在于,所述配置模块具体包括:
规则要素中的特征包括:数值型、枚举型和字符串型;特征为待核查字段,待核查字段包括字段名称、字段编号和数据业务表;阈值包括预设内容和预设特征字段,当阈值为预设特征字段时,则阈值内容从待核查字段中的数据业务表中获取。
9.如权利要求7所述的自动化不良贷款责任认定系统,其特征在于,还包括结果复核模块:
结果复核模块:用于根据认定结果进行复核,并将复核结果为异常状态时的认定任务进行汇总并导出。
10.如权利要求7所述的自动化不良贷款责任认定系统,其特征在于,责任认定模块具体包括:
先对特征类型进行判定,并根据特征类型对阈值类型进行判定,最后得出认定结果;
当特征类型为数值型时,阈值类型为预设内容或预设特征字段;当阈值类型为预设内容时,其认定结果表达式为:
;
当阈值类型为预设特征字段时,其认定结果表达式为:
;
当特征类型为枚举型时,阈值类型为预设内容或预设特征字段;当阈值类型为预设内容时,其认定结果表达式为:
;
当阈值类型为预设特征字段时,其认定结果表达式为:
;
其中,ruleStrikeResult为认定结果,feature为特征字段,operator为运算符,()内为运算符的类型,threshold为类型为预设内容的阈值,feature2为预设特征字段的阈值,feature3为类型为预设特征字段的阈值集合,运算符IN为用于判断特征是否存在于阈值的集合中;
当特征类型为字符串类型时,阈值类型为字符串或集合类型的预设内容,其认定结果表达式为:
;
其中,当阈值为集合类型的预设内容时,IN用于判断feature是否存在于threshold的集合中,当阈值为字符串类型的预设内容时,LIKE为用于判断feature是否可以匹配threshold。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311175983.8A CN117151864A (zh) | 2023-09-13 | 2023-09-13 | 一种自动化不良贷款责任认定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311175983.8A CN117151864A (zh) | 2023-09-13 | 2023-09-13 | 一种自动化不良贷款责任认定方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117151864A true CN117151864A (zh) | 2023-12-01 |
Family
ID=88898630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311175983.8A Pending CN117151864A (zh) | 2023-09-13 | 2023-09-13 | 一种自动化不良贷款责任认定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117151864A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810635A (zh) * | 2014-03-05 | 2014-05-21 | 南京聪诺信息科技有限公司 | 贷款业务处理流程核查实现方法及装置 |
CN105303324A (zh) * | 2015-11-10 | 2016-02-03 | 中国建设银行股份有限公司 | 一种信息系统参数管理方法和装置 |
CN108053669A (zh) * | 2018-01-15 | 2018-05-18 | 陈世辉 | 一种智能车载管理器 |
CN111507613A (zh) * | 2020-04-15 | 2020-08-07 | 杭州全视软件有限公司 | 一种基于责任的无漏洞的管理系统及方法 |
WO2020259147A1 (zh) * | 2019-06-28 | 2020-12-30 | 深圳前海微众银行股份有限公司 | 一种字段信息检验方法及装置 |
US20220067828A1 (en) * | 2020-08-31 | 2022-03-03 | SoftWorks Al, LLC | Validation method and system to improve data accuracy |
CN114880321A (zh) * | 2022-04-01 | 2022-08-09 | 西安京东天鸿科技有限公司 | 一种业务预警方法和装置 |
CN115510182A (zh) * | 2021-06-07 | 2022-12-23 | 中国移动通信集团浙江有限公司 | 用户投诉定责方法、设备、存储介质及装置 |
-
2023
- 2023-09-13 CN CN202311175983.8A patent/CN117151864A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810635A (zh) * | 2014-03-05 | 2014-05-21 | 南京聪诺信息科技有限公司 | 贷款业务处理流程核查实现方法及装置 |
CN105303324A (zh) * | 2015-11-10 | 2016-02-03 | 中国建设银行股份有限公司 | 一种信息系统参数管理方法和装置 |
CN108053669A (zh) * | 2018-01-15 | 2018-05-18 | 陈世辉 | 一种智能车载管理器 |
WO2020259147A1 (zh) * | 2019-06-28 | 2020-12-30 | 深圳前海微众银行股份有限公司 | 一种字段信息检验方法及装置 |
CN111507613A (zh) * | 2020-04-15 | 2020-08-07 | 杭州全视软件有限公司 | 一种基于责任的无漏洞的管理系统及方法 |
US20220067828A1 (en) * | 2020-08-31 | 2022-03-03 | SoftWorks Al, LLC | Validation method and system to improve data accuracy |
CN115510182A (zh) * | 2021-06-07 | 2022-12-23 | 中国移动通信集团浙江有限公司 | 用户投诉定责方法、设备、存储介质及装置 |
CN114880321A (zh) * | 2022-04-01 | 2022-08-09 | 西安京东天鸿科技有限公司 | 一种业务预警方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107689887B (zh) | 一种核电厂控制系统临时控制变更在线管理系统 | |
JP5204208B2 (ja) | レシートデータ照合支援装置およびレシートデータ照合支援プログラム | |
CN111428599B (zh) | 票据识别方法、装置和设备 | |
CN113434485B (zh) | 一种基于多维分析技术的数据质量健康度分析方法及系统 | |
CN114418538A (zh) | 一种运维工单处理方法和装置 | |
CN110555676A (zh) | 一种动态监管平台系统实现方法 | |
CN112214557B (zh) | 数据匹配分类方法及装置 | |
CN117151864A (zh) | 一种自动化不良贷款责任认定方法及系统 | |
CN112465397A (zh) | 一种审计数据的分析方法和装置 | |
CN116069628A (zh) | 一种智能处置的软件自动化回归测试方法、系统及设备 | |
CN109933798B (zh) | 一种审计日志分析方法及装置 | |
EP2643798A1 (en) | Method and system to analyze processes | |
CN115879689A (zh) | 一种审核管理系统及方法 | |
CN111899133B (zh) | 一种基于民事检察业务的信息化平台建设方法 | |
CN107909343A (zh) | 电子监察方法、系统及存储介质 | |
CN113077362A (zh) | 规章制度文件的处理方法及装置 | |
CN114356374A (zh) | 车辆数据的处理方法、装置和车辆 | |
CN113553360A (zh) | 多企业关系分析方法、装置、电子设备、存储介质和计算机程序 | |
CN111898879A (zh) | 一种ai智能风控建模方法 | |
JP2003187069A (ja) | 品質問題フォロー方法およびシステム | |
CN110782161A (zh) | 农机试验鉴定管理信息系统 | |
CN117093991A (zh) | 安全测试信息的检验方法、装置、存储介质和设备 | |
TWM646715U (zh) | 自動化股權蒐集及實質受益人分析系統 | |
CN114971562A (zh) | 一种电力工程项目协同关系特征辨识方法和系统 | |
CN112308519A (zh) | 表单关联规则的配置方法、表单关联方法及其装置 |
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 |