CN117709906A - 一种外部数据源查询决策方法与装置 - Google Patents
一种外部数据源查询决策方法与装置 Download PDFInfo
- Publication number
- CN117709906A CN117709906A CN202410155274.1A CN202410155274A CN117709906A CN 117709906 A CN117709906 A CN 117709906A CN 202410155274 A CN202410155274 A CN 202410155274A CN 117709906 A CN117709906 A CN 117709906A
- Authority
- CN
- China
- Prior art keywords
- external data
- deviation
- data source
- approval
- users
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000012216 screening Methods 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 239000002699 waste material Substances 0.000 abstract 1
- 238000011156 evaluation Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Landscapes
- Collating Specific Patterns (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种外部数据源查询决策方法与装置，属于数据处理技术领域，具体包括：基于在不同的用户群组的识别处理准确率确定外部数据源的综合识别准确率满足要求时，通过综合识别偏差性、综合识别可靠性以及综合识别准确率确定不同的外部数据源的收益率，并根据授信申请的历史审批数据以及收益率进行外部数据源的管理，实现了对不同的外部数据源的管理，避免了部分外部数据源的收益不高导致的经济浪费的情况的出现。
Description
技术领域
本发明属于数据处理技术领域，尤其涉及一种外部数据源查询决策方法与装置。
背景技术
在进行授信申请的审批处理时，为提升对用户风险识别能力，金融机构会在机构体系内部数据基础上，额外查询一些外部收费数据源，以授信申请用户的信贷风险的识别结果的置信度，但是由于外部数据源的种类较多且收费差异较大，因此如何结合真实的授信申请的信贷风险的识别结果进行外部数据源的管理，实现对信贷风险的识别结果准确率不高的数据源的识别成为亟待解决的技术问题。
针对上述技术问题，本发明提供了一种外部数据源查询决策方法与装置。
发明内容
为实现本发明目的，本发明采用如下技术方案：
根据本发明的一个方面，提供了一种外部数据源查询决策方法。
一种外部数据源查询决策方法，其特征在于，具体包括：
S1基于在不同的用户群组的识别处理准确率确定外部数据源的综合识别准确率满足要求时，进入下一步骤；
S2通过所述外部数据源的审批处理结果将所述用户划分为准确审批用户和偏差审批用户，基于不同的用户群组的准确审批用户的外部数据源的审批处理结果的一致数据源以及偏差数据源确定外部数据源在不同的用户群组的识别可靠性以及综合识别可靠性，当所述综合识别可靠性满足要求时，进入下一步骤；
S3基于不同的用户群组的偏差审批用户的外部数据源的审批处理结果的一致数据源以及偏差数据源确定外部数据源在不同的用户群组的识别偏差性以及综合识别偏差性，当所述综合识别偏差性满足要求时，进入下一步骤；
S4通过综合识别偏差性、综合识别可靠性以及综合识别准确率确定不同的外部数据源的收益率，并根据授信申请的历史审批数据以及收益率进行外部数据源的管理。
本发明的有益效果在于：
1、基于在不同的用户群组的识别处理准确率确定外部数据源的综合识别准确率是否满足要求，从而实现了从不同的置信度和通过率存在差异的用户群组的角度实现了对外部数据源的综合识别准确率的可靠评估，避免了采用单一的用户数据导致的识别准确率的评估结果不够可靠的技术问题的出现，也为进一步的实现差异化的进行外部数据源的管理奠定了基础。
2、根据授信申请的历史审批数据以及收益率进行外部数据源的管理，不仅考虑到由于授信申请的处理数量以及通过率的差异对外部数据源的收益率的需求的差异，同时通过进一步结合不同的外部数据源的收益率，也为实现对收益率较高的外部数据源的筛选奠定了基础。
进一步的技术方案在于，所述用户群组包括高置信度准入群组，高置信度拒绝群组以及低置信度准入群组。
进一步的技术方案在于，所述高置信度准入群组的确定的方法为：
当所述用户为审批通过用户且当所述用户的审批处理结果的置信度大于预设置信度时，则将所述用户作为高置信度准入群组。
进一步的技术方案在于，当所述偏差审批用户的用户识别偏差性大于预设偏差量时，则确定所述偏差审批用户为筛选偏差用户。
进一步的技术方案在于，当所述外部数据源的综合识别偏差性不满足要求时，则确定所述外部数据源的收益率无法满足要求，并输出剔除所述外部数据源的管理建议。
进一步的技术方案在于，所述历史审批数据包括授信申请的日均审批数量、审批通过率以及授信申请的不良率。
第二方面，本发明提供了一种计算机装置，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种外部数据源查询决策方法。
其他特征和优点将在随后的说明书中阐述，本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显；
图1是一种外部数据源查询决策方法的流程图；
图2是外部数据源的综合识别准确率的确定的方法的流程图；
图3是综合识别可靠性的确定的方法的流程图；
图4是综合识别偏差性的确定的方法的流程图；
图5是一种计算机装置的框架图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
以下将从方法类实施例和系统类实施例两个角度进行阐述。
为解决上述问题，根据本发明的一个方面，如图1所示，提供了一种外部数据源查询决策方法，其特征在于，具体包括：
S1基于在不同的用户群组的识别处理准确率确定外部数据源的综合识别准确率满足要求时，进入下一步骤；
进一步的，所述用户群组包括高置信度准入群组，高置信度拒绝群组以及低置信度准入群组。
具体的，所述高置信度准入群组的确定的方法为：
当所述用户为审批通过用户且当所述用户的审批处理结果的置信度大于预设置信度时，则将所述用户作为高置信度准入群组。
可以理解的是，所述用户群组的识别处理准确率的确定的方法为：
根据所述用户群组的不同用户在所述外部数据源的审批处理结果确定所述用户群组在所述外部数据源的识别准确用户，并根据所述识别准确用户的数量占比确定所述用户群组的识别处理准确率。
在其中的一个可能的实施例中，如图2所示，上述步骤S1中的所述外部数据源的综合识别准确率的确定的方法为：
基于所述外部数据源在不同的用户群组的识别准确率以及不同的用户群组的用户数量确定不同的用户群组的修正识别准确率；
根据不同的用户群组的不同的用户在所有的外部数据源以及授信申请信息的授信审批结果确定不同的用户群组的基准识别准确率，并基于所述基准识别准确率进行不同的用户群组的权重值的确定；
通过所述用户群组的修正识别准确率以及权重值确定所述外部数据源的综合识别准确率。
在另外的一个可能的实施例中，上述步骤S1中的所述外部数据源的综合识别准确率的确定的方法为：
当存在识别准确率不满足要求的用户群组时，则确定外部数据源的综合识别准确率不满足要求；
当不存在识别准确率不满足要求的用户群组时，基于所述外部数据源在不同的用户群组的识别准确率以及不同的用户群组的用户数量确定不同的用户群组的修正识别准确率的确定，当存在修正识别准确率不满足要求的用户群组时，则确定外部数据源的综合识别准确率不满足要求；
当不存在修正识别准确率不满足要求的用户群组时，根据不同的用户群组的不同的用户在所有的外部数据源以及授信申请信息的授信审批结果确定不同的用户群组的基准识别准确率的确定，基于所述修正识别准确率与所述基准识别准确率确定不同的用户群组的准确率偏差量，当存在准确率偏差量不满足要求的用户群组时，则确定外部数据源的综合识别准确率不满足要求；
当不存在准确率偏差量不满足要求的用户群组时，基于所述基准识别准确率进行不同的用户群组的权重值的确定，通过所述用户群组的修正识别准确率以及权重值确定所述外部数据源的综合识别准确率。
在另外的一个可能的实施例中，上述步骤S1中的所述外部数据源的综合识别准确率的确定的方法为：
基于所述外部数据源在不同的用户群组的识别准确率确定所述外部数据源在特定用户群组的识别准确率，判断所述外部数据源在特定用户群组的识别准确率是否满足要求，若是，则进入下一步骤，若否，则确定外部数据源的综合识别准确率不满足要求；
基于所述外部数据源在不同的用户群组的识别准确率以及不同的用户群组的用户数量确定不同的用户群组的修正识别准确率的确定，并通过所述外部数据源在特定用户群组的修正识别准确率以及特定用户群组的数量确定所述外部数据源在特定用户群组的准确率评估量的确定，判断所述外部数据源在特定用户群组的准确率评估量的确定是否满足要求，若是，则进入下一步骤，若否，则确定外部数据源的综合识别准确率不满足要求；
根据不同的用户群组的不同的用户在所有的外部数据源以及授信申请信息的授信审批结果确定不同的用户群组的基准识别准确率的确定，基于所述修正识别准确率与所述基准识别准确率确定不同的用户群组的准确率偏差量，判断在特定用户群组的准确率偏差量是否满足要求，若否，则确定外部数据源的综合识别准确率不满足要求，若是，则进入下一步骤；
基于所述基准识别准确率进行不同的用户群组的权重值的确定，通过所述用户群组的修正识别准确率以及权重值确定所述外部数据源的综合识别准确率。
进一步的，所述特定用户群组包括高置信度准入群组，高置信度拒绝群组。
需要说明的是，当所述外部数据源的综合识别准确率不满足要求时，则确定所述外部数据源的收益率无法满足要求，并输出剔除所述外部数据源的管理建议。
S2通过所述外部数据源的审批处理结果将所述用户划分为准确审批用户和偏差审批用户，基于不同的用户群组的准确审批用户的外部数据源的审批处理结果的一致数据源以及偏差数据源确定外部数据源在不同的用户群组的识别可靠性以及综合识别可靠性，当所述综合识别可靠性满足要求时，进入下一步骤；
进一步的，通过所述外部数据源的审批处理结果将所述用户划分为准确审批用户和偏差审批用户，具体包括：
判断通过所述外部数据源进行所述用户的审批处理时的审批处理结果是否准确，若是，则确定所述用户为准确审批用户，若否，则确定所述用户为偏差审批用户。
可以理解的是，当其它的外部数据源的审批处理结果与所述外部数据源的审批处理结果一致时，则确定所述其它的外部数据源为一致数据源。
具体的，当其它的外部数据源的审批处理结果与所述外部数据源的审批处理结果存在偏差时，则确定所述其它的外部数据源为偏差数据源。
在其中的一个可能的实施例中，如图3所示，上述步骤S2中的所述综合识别可靠性的确定的方法为：
通过所述一致数据源的数量以及偏差数据源的数量确定不同的准确审批用户的用户识别可靠性，根据不同的用户群组的准确审批用户的数量以及准确审批用户的数量占比、不同的准确审批用户的用户识别可靠性确定所述外部数据源在不同的用户群组的识别可靠性；
基于所述外部数据源在不同的用户群组的识别可靠性确定所述外部数据源的综合识别可靠性。
在另外的一个可能的实施例中，上述步骤S2中的所述综合识别可靠性的确定的方法为：
通过所述一致数据源的数量以及偏差数据源的数量确定所述外部数据源在不同的准确审批用户的用户识别可靠性，并根据所述用户识别可靠性进行准确审批用户中的可靠审批用户的确定，当存在可靠审批用户的数量不满足要求的用户群组时，则确定所述外部数据源的综合识别可靠性不满足要求；
当不存在可靠审批用户的数量不满足要求的用户群组时，获取所述外部数据源在不同的用户群组的可靠审批用户的数量和，并当所述外部数据源在不同的用户群组的可靠审批用户的数量和不满足要求时，则确定所述外部数据源的综合识别可靠性不满足要求；
当所述外部数据源在不同的用户群组的可靠审批用户的数量和不满足要求时，根据不同的用户群组的准确审批用户的数量以及准确审批用户的数量占比、不同的准确审批用户的用户识别可靠性确定所述外部数据源在不同的用户群组的识别可靠性，当存在识别可靠性不满足要求的用户群组时，则确定所述外部数据源的综合识别可靠性不满足要求；
当存在识别可靠性不满足要求的用户群组时，基于所述外部数据源在不同的用户群组的识别可靠性以及所述外部数据源在不同的用户群组的可靠审批用户的数量和确定所述外部数据源的综合识别可靠性。
在另外的一个可能的实施例中，上述步骤S2中的所述综合识别可靠性的确定的方法为：
通过所述一致数据源的数量以及偏差数据源的数量确定所述外部数据源在不同的准确审批用户的用户识别可靠性，根据所述用户识别可靠性进行准确审批用户中的可靠审批用户的确定，获取所述外部数据源在不同的用户群组的可靠审批用户的数量和，判断所述外部数据源在不同的用户群组的可靠审批用户的数量和是否不满足要求，若是，则确定所述外部数据源的综合识别可靠性不满足要求，若否，则进入下一步骤；
判断所述外部数据源在不同的用户群组的可靠审批用户的用户识别可靠性的和是否不满足要求，若是，则确定所述外部数据源的综合识别可靠性不满足要求，若否，则进入下一步骤；
通过外部数据源在不同的用户群组的可靠审批用户的数量以及所述可靠审批用户的用户识别可靠性确定所述外部数据源在不同的用户群组的群组识别可靠性的确定，判断是否存在群组识别可靠性不满足要求的用户群组，若是，则确定所述外部数据源的综合识别可靠性不满足要求，若否，则进入下一步骤；
根据不同的用户群组的准确审批用户的数量以及准确审批用户的数量占比、不同的准确审批用户的用户识别可靠性确定所述外部数据源在不同的用户群组的识别可靠性，判断是否存在识别可靠性不满足要求的用户群组，若是，则确定所述外部数据源的综合识别可靠性不满足要求，若否，则进入下一步骤；
基于所述外部数据源在不同的用户群组的识别可靠性以及外部数据源在不同的用户群组的群组识别可靠性、所述外部数据源在不同的用户群组的可靠审批用户的数量和确定所述外部数据源的综合识别可靠性。
需要说明的是，当所述外部数据源的综合识别可靠性不满足要求时，则确定所述外部数据源的收益率无法满足要求，并输出剔除所述外部数据源的管理建议。
S3基于不同的用户群组的偏差审批用户的外部数据源的审批处理结果的一致数据源以及偏差数据源确定外部数据源在不同的用户群组的识别偏差性以及综合识别偏差性，当所述综合识别偏差性满足要求时，进入下一步骤；
在其中的一个可能的实施例中，如图4所示，上述步骤S3中的所述综合识别偏差性的确定的方法为：
通过所述一致数据源的数量以及偏差数据源的数量确定不同的偏差审批用户的用户识别偏差性，根据不同的用户群组的偏差审批用户的数量以及偏差审批用户的数量占比、不同的偏差审批用户的用户识别可靠性确定所述外部数据源在不同的用户群组的识别偏差性；
基于所述外部数据源在不同的用户群组的识别偏差性确定所述外部数据源的综合识别偏差性。
在另外的一个可能的实施例中，上述步骤S3中的所述综合识别偏差性的确定的方法为：
通过所述一致数据源的数量以及偏差数据源的数量确定所述外部数据源在不同的偏差审批用户的用户识别偏差性，并根据所述用户识别偏差性进行偏差审批用户中的筛选偏差用户的确定，当存在筛选偏差用户的数量不满足要求的用户群组时，则确定所述外部数据源的综合识别偏差性不满足要求；
当不存在筛选偏差用户的数量不满足要求的用户群组时，获取所述外部数据源在不同的用户群组的筛选偏差用户的数量和，并当所述外部数据源在不同的用户群组的筛选偏差用户的数量和不满足要求时，则确定所述外部数据源的综合识别可靠性不满足要求；
当所述外部数据源在不同的用户群组的筛选偏差用户的数量和不满足要求时，根据不同的用户群组的筛选偏差用户的数量以及筛选偏差用户的数量占比、不同的筛选偏差用户的用户识别偏差性确定所述外部数据源在不同的用户群组的识别偏差性，当存在识别偏差性不满足要求的用户群组时，则确定所述外部数据源的综合识别偏差性不满足要求；
当存在识别偏差性不满足要求的用户群组时，基于所述外部数据源在不同的用户群组的识别偏差性以及所述外部数据源在不同的用户群组的筛选偏差用户的数量和确定所述外部数据源的综合识别偏差性。
进一步的，当所述偏差审批用户的用户识别偏差性大于预设偏差量时，则确定所述偏差审批用户为筛选偏差用户。
可以理解的是，当所述外部数据源的综合识别偏差性不满足要求时，则确定所述外部数据源的收益率无法满足要求，并输出剔除所述外部数据源的管理建议。
S4通过综合识别偏差性、综合识别可靠性以及综合识别准确率确定不同的外部数据源的收益率，并根据授信申请的历史审批数据以及收益率进行外部数据源的管理。
具体的，所述外部数据源的收益率通过所述外部数据源的综合识别偏差性、综合识别可靠性以及综合识别准确率的权重和进行确定。
进一步的，所述历史审批数据包括授信申请的日均审批数量、审批通过率以及授信申请的不良率。
需要说明的是，根据授信申请的历史审批数据以及收益率进行数据源的管理，具体包括：
根据所述授信申请的历史审批数据确定所述授信申请的日均审批数量以及审批通过率，并结合所述授信申请的不良率进行收益率阈值的确定；
基于所述收益率阈值以及不同的外部数据源的收益率确定需要使用的外部数据源以及需要剔除的外部数据源。
另一方面，如图5所示，本发明提供了一种计算机装置，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种外部数据源查询决策方法。
其中上述的一种外部数据源查询决策方法，具体包括：
通过以上实施例，本发明取得以下有益效果：
1、基于在不同的用户群组的识别处理准确率确定外部数据源的综合识别准确率是否满足要求，从而实现了从不同的置信度和通过率存在差异的用户群组的角度实现了对外部数据源的综合识别准确率的可靠评估，避免了采用单一的用户数据导致的识别准确率的评估结果不够可靠的技术问题的出现，也为进一步的实现差异化的进行外部数据源的管理奠定了基础。
2、根据授信申请的历史审批数据以及收益率进行外部数据源的管理，不仅考虑到由于授信申请的处理数量以及通过率的差异对外部数据源的收益率的需求的差异，同时通过进一步结合不同的外部数据源的收益率，也为实现对收益率较高的外部数据源的筛选奠定了基础。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种外部数据源查询决策方法，其特征在于，具体包括：
基于在不同的用户群组的识别处理准确率确定外部数据源的综合识别准确率满足要求时，进入下一步骤；
通过所述外部数据源的审批处理结果将所述用户划分为准确审批用户和偏差审批用户，基于不同的用户群组的准确审批用户的外部数据源的审批处理结果的一致数据源以及偏差数据源确定外部数据源在不同的用户群组的识别可靠性以及综合识别可靠性，当所述综合识别可靠性满足要求时，进入下一步骤；
基于不同的用户群组的偏差审批用户的外部数据源的审批处理结果的一致数据源以及偏差数据源确定外部数据源在不同的用户群组的识别偏差性以及综合识别偏差性，当所述综合识别偏差性满足要求时，进入下一步骤；
通过综合识别偏差性、综合识别可靠性以及综合识别准确率确定不同的外部数据源的收益率，并根据授信申请的历史审批数据以及收益率进行外部数据源的管理。
2.如权利要求1所述的外部数据源查询决策方法，其特征在于，所述用户群组包括高置信度准入群组，高置信度拒绝群组以及低置信度准入群组。
3.如权利要求2所述的外部数据源查询决策方法，其特征在于，所述高置信度准入群组的确定的方法为：
当所述用户为审批通过用户且当所述用户的审批处理结果的置信度大于预设置信度时，则将所述用户作为高置信度准入群组。
4.如权利要求1所述的外部数据源查询决策方法，其特征在于，所述外部数据源的综合识别准确率的确定的方法为：
基于所述外部数据源在不同的用户群组的识别准确率以及不同的用户群组的用户数量确定不同的用户群组的修正识别准确率；
根据不同的用户群组的不同的用户在所有的外部数据源以及授信申请信息的授信审批结果确定不同的用户群组的基准识别准确率，并基于所述基准识别准确率进行不同的用户群组的权重值的确定；
通过所述用户群组的修正识别准确率以及权重值确定所述外部数据源的综合识别准确率。
5.如权利要求1所述的外部数据源查询决策方法，其特征在于，通过所述外部数据源的审批处理结果将所述用户划分为准确审批用户和偏差审批用户，具体包括：
判断通过所述外部数据源进行所述用户的审批处理时的审批处理结果是否准确，若是，则确定所述用户为准确审批用户，若否，则确定所述用户为偏差审批用户。
6.如权利要求1所述的外部数据源查询决策方法，其特征在于，当其它的外部数据源的审批处理结果与所述外部数据源的审批处理结果存在偏差时，则确定所述其它的外部数据源为偏差数据源。
7.如权利要求1所述的外部数据源查询决策方法，其特征在于，所述综合识别可靠性的确定的方法为：
通过所述一致数据源的数量以及偏差数据源的数量确定不同的准确审批用户的用户识别可靠性，根据不同的用户群组的准确审批用户的数量以及准确审批用户的数量占比、不同的准确审批用户的用户识别可靠性确定所述外部数据源在不同的用户群组的识别可靠性；
基于所述外部数据源在不同的用户群组的识别可靠性确定所述外部数据源的综合识别可靠性。
8.如权利要求1所述的外部数据源查询决策方法，其特征在于，所述综合识别偏差性的确定的方法为：
通过所述一致数据源的数量以及偏差数据源的数量确定所述外部数据源在不同的偏差审批用户的用户识别偏差性，并根据所述用户识别偏差性进行偏差审批用户中的筛选偏差用户的确定，当存在筛选偏差用户的数量不满足要求的用户群组时，则确定所述外部数据源的综合识别偏差性不满足要求；
当不存在筛选偏差用户的数量不满足要求的用户群组时，获取所述外部数据源在不同的用户群组的筛选偏差用户的数量和，并当所述外部数据源在不同的用户群组的筛选偏差用户的数量和不满足要求时，则确定所述外部数据源的综合识别可靠性不满足要求；
当所述外部数据源在不同的用户群组的筛选偏差用户的数量和不满足要求时，根据不同的用户群组的筛选偏差用户的数量以及筛选偏差用户的数量占比、不同的筛选偏差用户的用户识别偏差性确定所述外部数据源在不同的用户群组的识别偏差性，当存在识别偏差性不满足要求的用户群组时，则确定所述外部数据源的综合识别偏差性不满足要求；
当存在识别偏差性不满足要求的用户群组时，基于所述外部数据源在不同的用户群组的识别偏差性以及所述外部数据源在不同的用户群组的筛选偏差用户的数量和确定所述外部数据源的综合识别偏差性。
9.如权利要求1所述的外部数据源查询决策方法，其特征在于，所述历史审批数据包括授信申请的日均审批数量、审批通过率以及授信申请的不良率。
10.一种计算机装置，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行权利要求1-9任一项所述的一种外部数据源查询决策方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410155274.1A CN117709906B (zh) | 2024-02-04 | 2024-02-04 | 一种外部数据源查询决策方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410155274.1A CN117709906B (zh) | 2024-02-04 | 2024-02-04 | 一种外部数据源查询决策方法与装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117709906A true CN117709906A (zh) | 2024-03-15 |
| CN117709906B CN117709906B (zh) | 2024-05-14 |
Family
ID=90151870
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410155274.1A Active CN117709906B (zh) | 2024-02-04 | 2024-02-04 | 一种外部数据源查询决策方法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117709906B (zh) |
Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050043961A1 (en) * | 2002-09-30 | 2005-02-24 | Michael Torres | System and method for identification, detection and investigation of maleficent acts |
| US20150081543A1 (en) * | 2013-09-16 | 2015-03-19 | International Business Machines Corporation | Analytics driven assessment of transactional risk daily limit exceptions |
| WO2020082579A1 (zh) * | 2018-10-25 | 2020-04-30 | 深圳壹账通智能科技有限公司 | 一种风险审批方法、装置、存储介质和服务器 |
| CN111127195A (zh) * | 2019-12-31 | 2020-05-08 | 中信百信银行股份有限公司 | 基于仿真的数据风控价值评估方法、装置、设备、介质 |
| CN111798308A (zh) * | 2020-07-22 | 2020-10-20 | 睿智合创(北京)科技有限公司 | 基于决策引擎的综合决策平台及其对数据源调度的方法 |
| CN112634016A (zh) * | 2020-12-21 | 2021-04-09 | 重庆业如数科科技有限公司 | 一种基于社区物业数据进行授信的系统及方法 |
| WO2021130771A1 (en) * | 2019-12-28 | 2021-07-01 | Samya AI Artificial Intelligence Technologies Private Limited | System and method of machine learning based deviation prediction and interconnected-metrics derivation for action recommendations |
| CN113159924A (zh) * | 2021-04-30 | 2021-07-23 | 中国银行股份有限公司 | 授信客户对象的确定方法及装置 |
| CN115292380A (zh) * | 2022-05-28 | 2022-11-04 | 平安银行股份有限公司 | 一种数据分析方法、装置、计算机设备及存储介质 |
| CN115578027A (zh) * | 2022-09-28 | 2023-01-06 | 中国银联股份有限公司 | 一种数据质量评估方法、装置、电子设备及存储介质 |
| CN116245422A (zh) * | 2023-03-29 | 2023-06-09 | 中国邮政储蓄银行股份有限公司 | 外部数据质量的评价方法、装置和电子设备 |
| CN116468273A (zh) * | 2023-04-18 | 2023-07-21 | 中国工商银行股份有限公司 | 客户风险识别方法及装置 |
| CN116523303A (zh) * | 2023-04-07 | 2023-08-01 | 平安银行股份有限公司 | 一种风险客户检测方法、装置、存储介质及设备 |
| CN116545768A (zh) * | 2023-06-29 | 2023-08-04 | 中国标准化研究院 | 一种信息安全风险预警方法及系统 |
| CN116542760A (zh) * | 2023-04-24 | 2023-08-04 | 度小满科技(北京)有限公司 | 一种用于评估数据的方法和装置 |
| KR20230122525A (ko) * | 2022-02-14 | 2023-08-22 | 주식회사 에이젠글로벌 | 외부 데이터를 고려한 신용 평가 방법 및 이러한 방법을 수행하는 장치 |
| CN117035980A (zh) * | 2023-06-26 | 2023-11-10 | 中国建设银行股份有限公司 | 资源借调评估方法、装置、计算机设备和存储介质 |
| CN117035985A (zh) * | 2023-07-31 | 2023-11-10 | 浙江孚临科技有限公司 | 一种授信逾期风险控制方法与系统 |
| CN117078403A (zh) * | 2023-10-18 | 2023-11-17 | 杭银消费金融股份有限公司 | 一种基于规则组合优化的风控决策方法与系统 |
| CN117078026A (zh) * | 2023-10-17 | 2023-11-17 | 杭银消费金融股份有限公司 | 一种基于数据血缘的风控指标管理方法及系统 |
| CN117132391A (zh) * | 2023-10-16 | 2023-11-28 | 杭银消费金融股份有限公司 | 一种基于人机交互的授信审批方法与系统 |
| CN117252429A (zh) * | 2023-10-27 | 2023-12-19 | 天翼电子商务有限公司 | 风险用户的识别方法、装置、存储介质及电子设备 |
| WO2024026371A1 (en) * | 2022-07-27 | 2024-02-01 | Bluevoyant Llc | Devices, systems, and methods for autonomous threat response and security enhancement |
| CN117495544A (zh) * | 2023-11-17 | 2024-02-02 | 湖南长银五八消费金融股份有限公司 | 一种基于沙箱的风控评估方法、系统、终端及存储介质 |
-
2024
- 2024-02-04 CN CN202410155274.1A patent/CN117709906B/zh active Active
Patent Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050043961A1 (en) * | 2002-09-30 | 2005-02-24 | Michael Torres | System and method for identification, detection and investigation of maleficent acts |
| US20150081543A1 (en) * | 2013-09-16 | 2015-03-19 | International Business Machines Corporation | Analytics driven assessment of transactional risk daily limit exceptions |
| WO2020082579A1 (zh) * | 2018-10-25 | 2020-04-30 | 深圳壹账通智能科技有限公司 | 一种风险审批方法、装置、存储介质和服务器 |
| WO2021130771A1 (en) * | 2019-12-28 | 2021-07-01 | Samya AI Artificial Intelligence Technologies Private Limited | System and method of machine learning based deviation prediction and interconnected-metrics derivation for action recommendations |
| CN111127195A (zh) * | 2019-12-31 | 2020-05-08 | 中信百信银行股份有限公司 | 基于仿真的数据风控价值评估方法、装置、设备、介质 |
| CN111798308A (zh) * | 2020-07-22 | 2020-10-20 | 睿智合创(北京)科技有限公司 | 基于决策引擎的综合决策平台及其对数据源调度的方法 |
| CN112634016A (zh) * | 2020-12-21 | 2021-04-09 | 重庆业如数科科技有限公司 | 一种基于社区物业数据进行授信的系统及方法 |
| CN113159924A (zh) * | 2021-04-30 | 2021-07-23 | 中国银行股份有限公司 | 授信客户对象的确定方法及装置 |
| KR20230122525A (ko) * | 2022-02-14 | 2023-08-22 | 주식회사 에이젠글로벌 | 외부 데이터를 고려한 신용 평가 방법 및 이러한 방법을 수행하는 장치 |
| CN115292380A (zh) * | 2022-05-28 | 2022-11-04 | 平安银行股份有限公司 | 一种数据分析方法、装置、计算机设备及存储介质 |
| WO2024026371A1 (en) * | 2022-07-27 | 2024-02-01 | Bluevoyant Llc | Devices, systems, and methods for autonomous threat response and security enhancement |
| CN115578027A (zh) * | 2022-09-28 | 2023-01-06 | 中国银联股份有限公司 | 一种数据质量评估方法、装置、电子设备及存储介质 |
| CN116245422A (zh) * | 2023-03-29 | 2023-06-09 | 中国邮政储蓄银行股份有限公司 | 外部数据质量的评价方法、装置和电子设备 |
| CN116523303A (zh) * | 2023-04-07 | 2023-08-01 | 平安银行股份有限公司 | 一种风险客户检测方法、装置、存储介质及设备 |
| CN116468273A (zh) * | 2023-04-18 | 2023-07-21 | 中国工商银行股份有限公司 | 客户风险识别方法及装置 |
| CN116542760A (zh) * | 2023-04-24 | 2023-08-04 | 度小满科技(北京)有限公司 | 一种用于评估数据的方法和装置 |
| CN117035980A (zh) * | 2023-06-26 | 2023-11-10 | 中国建设银行股份有限公司 | 资源借调评估方法、装置、计算机设备和存储介质 |
| CN116545768A (zh) * | 2023-06-29 | 2023-08-04 | 中国标准化研究院 | 一种信息安全风险预警方法及系统 |
| CN117035985A (zh) * | 2023-07-31 | 2023-11-10 | 浙江孚临科技有限公司 | 一种授信逾期风险控制方法与系统 |
| CN117132391A (zh) * | 2023-10-16 | 2023-11-28 | 杭银消费金融股份有限公司 | 一种基于人机交互的授信审批方法与系统 |
| CN117078026A (zh) * | 2023-10-17 | 2023-11-17 | 杭银消费金融股份有限公司 | 一种基于数据血缘的风控指标管理方法及系统 |
| CN117078403A (zh) * | 2023-10-18 | 2023-11-17 | 杭银消费金融股份有限公司 | 一种基于规则组合优化的风控决策方法与系统 |
| CN117252429A (zh) * | 2023-10-27 | 2023-12-19 | 天翼电子商务有限公司 | 风险用户的识别方法、装置、存储介质及电子设备 |
| CN117495544A (zh) * | 2023-11-17 | 2024-02-02 | 湖南长银五八消费金融股份有限公司 | 一种基于沙箱的风控评估方法、系统、终端及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 杨栋枢等: "基于熵权和层次分析法的数据质量评估研究", 《现代电子技术》, vol. 36, no. 22, 15 November 2013 (2013-11-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117709906B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109035003A (zh) | 基于机器学习的反欺诈模型建模方法和反欺诈监控方法 | |
| CN110428322A (zh) | 一种业务数据的适配方法及装置 | |
| CN111886619A (zh) | 基于历史案例的车辆碰撞定损方法及系统 | |
| Firdaus et al. | development of bank’s customer segmentation model based on rfm+ b approach | |
| US20190303424A1 (en) | Novel and innovative computer system and method for accurately and consistently automating the coding of timekeeping activities and expenses, and automatically assessing the reasonableness of amounts of time billed for those activities and expenses, through the use of supervised and unsupervised machine learning, as well as lexical, statistical, and multivariate modelling of billing entries | |
| CN111061948A (zh) | 一种用户标签推荐方法、装置、计算机设备及存储介质 | |
| CN117709906B (zh) | 一种外部数据源查询决策方法与装置 | |
| CN109191185A (zh) | 一种客群分类方法及系统 | |
| CN117333290A (zh) | 一种一体化多尺度风控模型构建方法 | |
| CN116883184A (zh) | 一种基于大数据的财税智能化分析方法 | |
| CN115689708A (zh) | 训练数据的筛选方法、风险评估方法、装置、设备和介质 | |
| CN114708090A (zh) | 基于大数据的银行支付业务风险识别装置 | |
| CN114219611A (zh) | 贷款额度计算方法、装置、计算机设备和存储介质 | |
| CN112598225A (zh) | 评价指标的确定方法及装置、存储介质、电子装置 | |
| CN112085497A (zh) | 用户账户数据的处理方法及装置 | |
| CN110084441A (zh) | 基于组合最优化的自动化分箱算法 | |
| CN110246026A (zh) | 一种数据转移的输出组合设定方法、装置及终端设备 | |
| TWM568442U (zh) | Golden flow grouping system | |
| CN115062067B (zh) | 一种信托资金投向自动匹配分析的实现方法及系统 | |
| Leung et al. | Building a scorecard in practice | |
| CN118071483A (zh) | 构建零售信用风险预测模型的方法和个人信贷业务Scorepsi模型 | |
| US20210192614A1 (en) | Systems and methods for determining an affordability index | |
| CN117670149A (zh) | 一种客群质量评分方法 | |
| CN114004601A (zh) | 一种创意实施状态的追踪方法及装置 | |
| CN116485519A (zh) | 数据处理方法、装置、设备及存储介质 |
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 |