TW202020888A - 風險控制方法、裝置、伺服器及儲存媒體 - Google Patents

風險控制方法、裝置、伺服器及儲存媒體 Download PDF

Info

Publication number
TW202020888A
TW202020888A TW108129998A TW108129998A TW202020888A TW 202020888 A TW202020888 A TW 202020888A TW 108129998 A TW108129998 A TW 108129998A TW 108129998 A TW108129998 A TW 108129998A TW 202020888 A TW202020888 A TW 202020888A
Authority
TW
Taiwan
Prior art keywords
risk
target
data
business
user
Prior art date
Application number
TW108129998A
Other languages
English (en)
Other versions
TWI706422B (zh
Inventor
陳歡樂
李潔
馮力國
楊路燕
Original Assignee
香港商阿里巴巴集團服務有限公司
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 香港商阿里巴巴集團服務有限公司 filed Critical 香港商阿里巴巴集團服務有限公司
Publication of TW202020888A publication Critical patent/TW202020888A/zh
Application granted granted Critical
Publication of TWI706422B publication Critical patent/TWI706422B/zh

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本發明公開一種風險控制方法、裝置、伺服器及儲存媒體,所述方法包括:獲取目標商業用戶的目標資料;根據所述目標資料,以及預設風險評分模型,獲取所述目標商業用戶的風險健康資料;確定所述風險健康資料對應的目標資料範圍,並根據與所述目標資料範圍對應的資源分配規則,為所述目標商業用戶分配業務資源。上述方案中,藉由目標資料確定目標商業用戶的風險健康資料,可以使目標商業用戶藉由風險健康資料更加直覺的感知風險。

Description

風險控制方法、裝置、伺服器及儲存媒體
本發明涉及電腦技術領域,尤其涉及一種風險控制方法、裝置、伺服器及儲存媒體。
隨著網際網路技術的不斷發展,越來越多的業務可以在網路上進行,網路資料的交互以及處理量也越來越大。在現有技術中,網路上會存在許多風險,例如套現風險、盜用風險等,因此,對於使用網路業務的商業用戶來說,如何感知風險以及對風險進行控制是至關重要的。
本說明書實施例提供及一種簽名記錄方法、驗證方法、裝置及儲存媒體。 第一態樣,本說明書實施例提供一種風險控制方法,包括: 獲取目標商業用戶的目標資料; 根據所述目標資料,以及預設風險評分模型,獲取所述目標商業用戶的風險健康資料; 確定所述風險健康資料對應的目標資料範圍,並根據與所述目標資料範圍對應的資源分配規則,為所述目標商業用戶分配業務資源。 第二態樣,本說明書實施例提供一種風險控制裝置,包括: 資料獲取模組,用於獲取目標商業用戶的目標資料; 風險健康資料獲取模組,用於根據所述目標資料,以及預設風險評分模型,獲取所述目標商業用戶的風險健康資料; 資源分配模組,用於確定所述風險健康資料對應的目標資料範圍,並根據與所述目標資料範圍對應的資源分配規則,為所述目標商業用戶分配業務資源。 第三態樣,本說明書實施例提供一種伺服器,包括儲存器、處理器及儲存在儲存器上並可在處理器上運行的電腦程式,所述處理器執行所述程式時實現上述任一項所述方法的步驟。 第四態樣,本說明書實施例提供一種電腦可讀儲存媒體,其上儲存有電腦程式,該程式被處理器執行時實現上述任一項所述方法的步驟。 本說明書實施例有益效果如下: 在本說明書實施例提供的風險控制方法中,獲取目標商業用戶的目標資料,根據所述目標資料,以及預設風險評分模型,獲取所述目標商業用戶的風險健康資料;確定所述風險健康資料對應的目標資料範圍,並根據與所述目標資料範圍對應的資源分配規則,為所述目標商業用戶分配業務資源。上述方案中,藉由目標資料確定目標商業用戶的風險健康資料,可以使目標商業用戶藉由風險健康資料更加直覺的感知風險,同時,根據風險健康資料為目標商業用戶分配業務資源,如在風險健康資料高的時候增加目標商業用戶的業務資源,能夠有效提高目標商業用戶進行風險控制的積極性。
為了更好的理解上述技術方案,下面藉由圖式以及具體實施例對本說明書實施例的技術方案做詳細的說明,應當理解本說明書實施例以及實施例中的具體特徵是對本說明書實施例技術方案的詳細的說明,而不是對本說明書技術方案的限定,在不衝突的情況下,本說明書實施例以及實施例中的技術特徵可以相互組合。 第一態樣,本說明書實施例提供一種風險控制方法,如圖1所示,為本說明書實施例提供的風險控制方法的流程圖,該方法包括以下步驟: 步驟S11:獲取目標商業用戶的目標資料; 本說明書實施例中,目標商業用戶可以是需要進行風險控制的任意商業用戶,例如,目標商業用戶可以是銀行、服務商、個體商業用戶等等。目標資料可以是一預定時間內獲取的資料,例如,獲取目標商業用戶一天內的資料,或獲取目標商業用戶12小數內的資料等。目標資料可以為目標商業用戶營運時產生的資料,也可以是目標商業用戶的固有屬性資料,如目標商業用戶的企業證照、企業性質等。目標資料可以用於進行目標商業用戶的風險評估,在一個實施例中,目標資料包括多種類型的資料,例如商業用戶屬性資料、商業用戶產生的交易資料等,這裡不做限定。 步驟S12:根據所述目標資料,以及預設風險評分模型,獲取所述目標商業用戶的風險健康資料; 本說明書實施例中,預設風險評分模型可以根據實際需要進行選擇,在一個實施例中,預設風險評分模型為二分類模型,在另一個實施例中,預設風險評分模型為隨機森林模型。預設風險評分模型可以為預先使用訓練樣本以及測試樣本構建好的模型。 應理解的是,預設風險評分模型的輸入可以包含多種方式,例如,預設風險評分模型的輸入可以為目標資料,也可以是根據目標資料提取的特徵。預設風險評分模型的輸出為目標商業用戶的風險健康資料。在一個實施例中,風險健康資料可以是風險健康分值。 步驟S13:確定所述風險健康資料對應的目標資料範圍,並根據與所述目標資料範圍對應的資源分配規則,為所述目標商業用戶分配業務資源。 本說明書實施例中,業務資源可以是目標商業用戶使用業務的業務資源,也可以是目標商業用戶未使用但與目標商業用戶的經營範圍相關的業務的業務資源。根據風險健康資料的不同,業務資源的分配程度也可以不同。本說明書實施例中,可以將風險健康資料劃分成不同的檔位,例如,以風險健康資料為風險健康分值為例,將風險健康分值在0-60範圍內的歸為第一檔,將風險健康分值在60-90範圍內的歸為第二檔,將風險健康分值在90-100範圍內的歸為第三檔。針對不同的檔位,可以設定不同的資源分配規則,沿用上面的例子,第一檔的資源分配規則為取消已分配的業務資源,第二檔的資源分配規則為減少分配的業務資源,第三檔的資源分配規則為增加分配的業務資源。 在一個實施例中,目標商業用戶正在使用支付寶收單業務,該業務的業務資源可以是收單業務的返點資源,例如,在目標商業用戶使用支付寶收單業務進行收單時,收單總額大於一閾值時,向目標商業用戶一次性返點500元。如果目標商業用戶的風險健康資料較高時,則可以增加返點金額,來對目標商業用戶當前的風險健康狀態進行鼓勵和肯定。如果目標商業用戶的風險健康資料較低時,則可以取消對目標商業用戶的返點,以提醒目標商業用戶進行整理修改,控制風險。 在另一實施例中,可以根據目標商業用戶使用的業務資訊、目標商業用戶的經營範圍等資料,確定與目標商業用戶的經營範圍相關的業務。例如,目標商業用戶的業務涉及到便民繳費、行動支付、POS收單,可以確定目標商業用戶的經營範圍為收單業務。由於支付寶收單業務為與目標商業用戶的經營範圍相關的業務,因此,在目標商業用戶未使用支付寶收單業務,且目標商業用戶的風險健康資料較高時,可以向目標商業用戶提供免收一個月費率的支付寶收單業務的業務資源,以對目標商業用戶當前的風險健康狀態進行鼓勵和肯定。 當然,也可以採用其他的業務資源分配方式,如對風險健康資料高的目標商業用戶增加業務資源分配,對風險健康資料低的目標商業用戶的業務資源不做處理等,這裡不做限定。 可選地,所述獲取目標商業用戶的目標資料,包括:獲取所述目標商業用戶在目標維度下的資料作為所述目標資料,所述目標維度包括以下維度中的一者或多者:商業用戶屬性維度、商業用戶價值維度、商業用戶社交行為維度以及商業用戶風險維度。 本說明書實施例中,為了對目標商業用戶的風險進行全面識別,目標資料可以包括多個維度下的資料。其中,商業用戶屬性維度對應的資料可以包括商業用戶資質、商業用戶工商資料完整性、商業用戶是否涉黑等。商業用戶價值維度對應的資料可以包括商業用戶註冊時間長度、商業用戶交易資料、商業用戶交易用戶資料等。商業用戶社交行為維度對應的資料可以包括商業用戶的關係網資料、社交評價資料等。商業用戶風險維度對應的資料可以包括商業用戶欺詐風險交易資料、商業用戶套現風險交易資料、商業用戶虛假交易風險交易資料、商業用戶賭博風險交易資料、商業用戶輿情風險交易資料等。 可選地,所述預設風險評分模型藉由下述方式獲得:獲取樣本資料集合,所述樣本資料集合包括黑樣本資料以及白樣本資料,所述黑樣本資料為歷史存在風險記錄商業用戶對應的資料,所述白樣本資料為歷史不存在風險記錄商業用戶對應的資料;根據所述樣本資料集合,獲得所述預設風險評分模型。 本說明書實施例中,樣本資料集合中可以包括訓練樣本、測試樣本,其中,訓練樣本用於進行模型訓練,測試樣本用於檢驗訓練出來的模型的可靠程度。樣本資料集合中可以由黑樣本資料以及白樣本資料構成,其中,歷史存在風險記錄的商業用戶作為黑樣本,該商業用戶的歷史風險資料可以作為一組黑樣本資料,歷史不存在風險記錄的商業用戶作為白樣本,該商業用戶的歷史資料可以作為一組白樣本資料。需要說明的,歷史記錄可以為預設時間內的記錄,例如,將三個月內的記錄作為歷史記錄。 應理解的是,樣本資料集合中可以包含多個黑樣本商業用戶對應的黑樣本資料,以及多個白樣本商業用戶對應的白樣本資料。對於一組黑樣本資料或者一組白樣本資料來說,可以包括該商業用戶在多個維度下的資料,例如,一組黑樣本資料可以包括該黑樣本商業用戶在商業用戶屬性維度、商業用戶價值維度、商業用戶社交行為維度以及商業用戶風險維度下的資料。 在獲取到樣本資料集合之後,藉由樣本資料集合對模型進行訓練。在一個實施例中,在獲取到樣本資料集合之後,可以對每組樣本資料進行特徵刻畫,得到資料特徵,然後藉由資料特徵進行模型訓練。也可以直接使用樣本資料進行模型訓練,這裡不做限定。訓練的模型可以根據實際需要來進行選擇,在一個實施例中,模型為二分類模型,其中,二分類模型的輸出為輸入樣本是白樣本的概率,可以將這個概率值作為輸入樣本的風險健康資料。例如,將一個樣本的一組樣本資料作為二分類模型的輸入,如果二分類模型的輸出未該樣本是白樣本的概率為98%,則該樣本的風險健康資料為98分。當然,還可以採用其他方式來定義風險健康資料,這裡不做限定。 可選地,所述根據所述目標資料,以及預設風險評分模型,獲取所述目標商業用戶的風險健康資料,包括:根據所述目標資料,確定所述目標商業用戶當前存在的N種風險類型,N為正整數;在所述目標資料中確定出與所述N種風險類型中的每種風險類型對應的風險資料;根據所述風險資料,確定與所述每種風險類型對應的單一風險健康資料,共計獲得N個單一風險健康資料;根據所述N個單一風險健康資料,以及所述預設風險評分模型,獲取所述目標商業用戶的風險健康資料。 本說明書實施例中,由於目標資料包含了多個維度下的資料,因此目標資料可以包含評估多個風險類型的資料。例如,目標商業用戶的目標資料包括商業用戶的關係網資料、社交評價資料、商業用戶交易資料、商業用戶交易用戶資料,其中,商業用戶的關係網資料以及社交評價資料可以用來確定目標商業用戶的輿情風險,商業用戶交易資料以及商業用戶交易用戶資料可以用來確定目標商業用戶的資金風險,即目標商業用戶當前存在的風險類型為兩種,N為2。 進一步的,根據每種風險類型下的風險資料,來確定每種風險類型的單一風險健康資料。每種風險類型的單一風險健康資料也可以根據模型進行計算,在一個實施例中,針對每一種風險類型,均可以對應訓練一個模型,模型的輸入可以為該風險類型下的風險資料,模型的輸出為該風險類型對應的單一風險健康資料。當然,每種風險類型的單一風險健康資料還可以根據其他方式來確定,這裡不做限定。 在獲取到每種風險類型的單一風險健康資料之後,可以根據預設風險評分模型,獲取所述目標商業用戶的風險健康資料。在該實施例中,預設風險評分模型的輸入即為每種風險類型的單一風險健康資料,預設風險評分模型的輸出為目標商業用戶的風險健康資料。當然,也可以將每種風險類型的單一風險健康資料藉由加權處理等方式來獲得目標商業用戶的風險健康資料,這裡不做限定。 可選地,如圖2所示,為本說明書實施例提供的風險識別方法的流程圖,該方法還包括: 步驟S21:根據所述目標資料,確定所述目標商業用戶當前存在的M種風險類型,M為正整數; 步驟S22:確定與所述M種風險類型中的每種風險類型的風險識別結果,共計獲得M種風險識別結果; 步驟S23:將所述M種風險識別結果發送給所述目標商業用戶,以使所述目標商業用戶根據所述M種風險識別結果採取對應的風險處理操作。 本說明書實施例中,由於目標資料包含了多個維度下的資料,因此目標資料可以包含評估多個風險類型的資料。例如,目標商業用戶的目標資料包括商業用戶的關係網資料、社交評價資料、商業用戶交易資料、商業用戶交易用戶資料,其中,商業用戶的關係網資料以及社交評價資料可以用來確定目標商業用戶的輿情風險,商業用戶交易資料以及商業用戶交易用戶資料可以用來確定目標商業用戶的資金風險,即目標商業用戶當前存在的風險類型為兩種,M為2。 進一步,確定每種風險類型的風險識別結果,在一個實施例中,可以根據每種風險類型對應的風險資料來確定風險識別結果。例如,可以根據商業用戶交易資料以及商業用戶交易用戶資料來確定目標商業用戶的資金風險識別結果,應理解的是,資金風險識別結果中可以包括多個方面的風險記錄,例如欺詐風險記錄、賭博風險記錄、作弊風險記錄等。商業用戶交易資料以及商業用戶交易用戶資料可以攜帶有風險標籤,如,目標商業用戶的交易資料中包含有20條交易資料帶有欺詐風險標籤,那麼該目標商業用戶的資金風險識別結果為包含有20條欺詐風險記錄。 在得到各種風險類型的風險識別結果後,可以將風險識別結果展示給目標商業用戶,如圖3所示,為本說明書實施例展示給目標商業用戶的風險評估顯示介面的示意圖。在該實施例中,風險評估顯示介面可以展示在目標商業用戶的電子設備上,如手機、電腦等設備。目標資料為採集到的目標商業用戶在一天時間內的資料。根據目標資料確定目標用戶的風險健康資料,並將其顯示在顯示介面上,在該實施例中,風險健康資料為風險健康分值,如圖3所示,該目標商業用戶的健康風險分值為95分。根據目標商業用戶的目標資料,確定出目標商業用戶存在資金風險、帳戶風險以及輿情風險這三種類型的風險,即M為3。其中,資金風險識別結果為存在20條欺詐風險記錄、15條賭博風險記錄、2條作弊風險記錄。帳戶風險識別結果為存在1條資金異常支出記錄。輿情風險識別結果為存在1條輿情風險記錄。 另外,如圖3所示,針對存在的風險,本說明書實施例還可以提供一鍵風險處理,即圖3中的每種風險後面顯示的馬上處理按鍵。當檢測到用戶點擊該按鍵後,則自動執行風險處理,當然,需要目標商業用戶自行處理或進行排查的記錄會提醒目標商業用戶自行執行。 可選地,所述根據所述風險健康資料,為所述目標商業用戶分配業務資源,包括:根據所述目標商業用戶的歷史風險健康資料,以及所述風險健康資料,確定所述目標商業用戶的風險健康資料曲線;在所述風險健康資料曲線的最大值小滿足第一目標資料範圍時,減少為所述目標商業用戶分配的業務資源,以提醒所述目標商業用戶對風險進行處理;在所述風險健康資料曲線的最小值滿足第二目標資料範圍時,增加為所述目標商業用戶分配的業務資源。 本說明書實施例中,目標商業用戶的風險健康資料可以每隔一預設時間計算一次並推送給目標商業用戶。以風險健康資料為風險健康分值為例,可以每天對目標商業用戶的風險健康分值進行計算,並將當天的風險健康分值推送給目標商業用戶。應理解的是,如果目標商業用戶的風險健康分值在一定時間段內如果都維持較高的分值,則表明目標商業用戶的風險控制較好。如果目標商業用戶的風險健康分值在一定時間段內持續走低,則表明目標商業用戶的風險存在很大隱患,且目標商業用戶並未進行整理修改。如果目標商業用戶的風險健康分值開始較低,後來維持在較高的分值,則表明目標商業用戶針對存在的風險進行了整理修改,並保持了整理修改後的水準。 因此,本說明書實施例中,根據目標商業用戶的歷史風險健康資料以及當前獲取到的風險健康資料,繪製目標商業用戶的風險健康資料曲線,然後根據風險健康資料曲線的走勢來確定目標商業用戶對風險的控制情況。歷史風險健康資料可以根據實際需要進行設定,例如,歷史風險健康資料為前一個月內每天計算的風險健康資料,也可以為前三個月內每隔一天計算的風險健康資料,這裡不做限定。 本說明書實施例中,可以根據第一目標資料範圍以及第二目標資料範圍來區分目標商業用戶的風險變化,第一目標資料範圍以及第二目標資料範圍可以根據實際需要來進行設定。在一個實施例中,第一目標資料範圍為小於或等於第一閾值,第二目標資料範圍為大於或等於第二閾值,且第一閾值小於或等於第二閾值。那麼在該實施例中,當風險健康資料曲線的最大值小於或等於第一閾值時,對應於目標商業用戶存在風險並且未採取整理修改措施的條件。當風險健康資料曲線的最小值大於或等於第二閾值時,對應於目標商業用戶一直保持較低風險的條件。 當然,還可以包括其他風險變化情況,如,當風險健康資料曲線呈增長趨勢,且風險健康資料隨著時間的推移最後保持穩定狀態,並且非穩定狀態時的風險健康資料存在小於或等於第一閾值的分值、穩定狀態的風險健康資料大於或等於第二閾值時,對應於目標商業用戶存在風險並且對風險進行整理修改的條件。第一閾值和第二閾值可以根據實際需要進行選擇,這裡不做限定。 本說明書實施例中,為了鼓勵風險健康資料較高的目標商業用戶繼續保持,可以增加為目標商業用戶分配的業務資源,為了警告存在風險的目標商業用戶進行整理修改,可以減少為目標商業用戶分配的業務資源。另外,在對目標商業用戶進行鼓勵時,可以根據較高風險健康資料的維持時間長短對鼓勵機制進行分級,同樣的,在對目標商業用戶進行警告時,也可以根據風險健康資料的高低進行警告程度的分級。 在一個實施例中,業務資源為收單業務的返點資源,該返點資源為在目標業務使用支付寶收單業務的收單總額達到一閾值時,一次性返點500元。當目標商業用戶的風險健康資料曲線表明目標商業用戶一直保持較高的健康分值時,可以將返點資源增加到一次性返點800元,以對目標商業用戶的風險控制進行肯定。當目標商業用戶的風險健康資料曲線表明目標商業用戶對存在的風險進行整理修改,並且整理修改後保持風險健康資料處於較高的分值時,可以將返點資源增加到一次性返點600元,以適當的對目標商業用戶進行鼓勵,並鼓勵目標商業用戶繼續保持。當目標商業用戶的風險健康資料曲線表明目標商業用戶存在風險並且未採取整理修改措施,可以取消返點資源,或關閉收單業務,以提醒目標商業用戶採取整理修改措施。 應理解額是,針對不同風險健康資料曲線的不同情況,可以預先設置好業務資源分配的分配規則,當風險健康資料曲線反映出對應的情況時,可以直接調用該種情況下的業務資源分配規則。 第二態樣,本說明書實施例提供一種風險控制裝置,請參考圖4,包括: 資料獲取模組41,用於獲取目標商業用戶的目標資料; 風險健康資料獲取模組42,用於根據所述目標資料,以及預設風險評分模型,獲取所述目標商業用戶的風險健康資料; 資源分配模組43,用於根據所述風險健康資料,對目標業務的業務規則進行調整,其中,所述目標業務為與所述目標商業用戶關聯的業務。 在一種可選實現方式中,資料獲取模組41用於: 獲取所述目標商業用戶在目標維度下的資料作為所述目標資料,所述目標維度包括以下維度中的一者或多者:商業用戶屬性維度、商業用戶價值維度、商業用戶社交行為維度以及商業用戶風險維度。 在一種可選實現方式中,所述裝置還包括: 樣本獲取模組,用於獲取樣本資料集合,所述樣本資料集合包括黑樣本資料以及白樣本資料,所述黑樣本資料為歷史存在風險記錄商業用戶對應的資料,所述白樣本資料為歷史不存在風險記錄商業用戶對應的資料; 模型獲取模組,用於根據所述樣本資料集合,獲得所述預設風險評分模型。 在一種可選實現方式中,風險健康資料獲取模組42用於: 根據所述目標資料,確定所述目標商業用戶當前存在的N種風險類型,N為正整數; 在所述目標資料中確定出與所述N種風險類型中的每種風險類型對應的風險資料; 根據所述風險資料,確定與所述每種風險類型對應的單一風險健康資料,共計獲得N個單一風險健康資料; 根據所述N個單一風險健康資料,以及所述預設風險評分模型,獲取所述目標商業用戶的風險健康資料。 在一種可選實現方式中,所述裝置還包括: 風險類型確定模組,用於根據所述目標資料,確定所述目標商業用戶當前存在的M種風險類型,M為正整數; 風險識別模組,用於確定與所述M種風險類型中的每種風險類型的風險識別結果,共計獲得M種風險識別結果; 發送模組,用於將所述M種風險識別結果發送給所述目標商業用戶,以使所述目標商業用戶根據所述M種風險識別結果採取對應的風險處理操作。 在一種可選實現方式中,資源分配模組43用於: 根據所述目標商業用戶的歷史風險健康資料,以及所述風險健康資料,確定所述目標商業用戶的風險健康資料曲線; 在所述風險健康資料曲線的最大值滿足第一目標資料範圍時,減少為所述目標商業用戶分配的業務資源,以提醒所述目標商業用戶對風險進行處理; 在所述風險健康資料曲線的最小值滿足第二目標資料範圍時,增加為所述目標商業用戶分配的業務資源。 關於上述裝置,其中各個模組的具體功能已經在本發明實施例提供的風險控制方法的實施例中進行了詳細描述,此處將不做詳細闡述說明。 第三態樣,基於與前述實施例中風險控制方法同樣的發明構思,本發明還提供一種伺服器置,如圖5所示,包括儲存器604、處理器602及儲存在儲存器604上並可在處理器602上運行的電腦程式,所述處理器602執行所述程式時實現前文所述的風險控制方法的任一方法的步驟。 其中,在圖5中,匯流排架構(用匯流排600來代表),匯流排600可以包括任意數量的互聯的匯流排和橋,匯流排600將包括由處理器602代表的一個或多個處理器和儲存器604代表的儲存器的各種電路鏈接在一起。匯流排600還可以將諸如外圍設備、穩壓器和功率管理電路等之類的各種其他電路鏈接在一起,這些都是本領域所公知的,因此,本文不再對其進行進一步描述。匯流排介面606在匯流排600和接收器601和發送器603之間提供介面。接收器601和發送器603可以是同一個元件,即收發機,提供用於在傳輸媒體上與各種其他裝置通信的單元。處理器602負責管理匯流排600和通常的處理,而儲存器604可以被用於儲存處理器602在執行操作時所使用的資料。 第四態樣,基於與前述實施例中風險控制方法的發明構思,本發明還提供一種電腦可讀儲存媒體,其上儲存有電腦程式,該程式被處理器執行時實現前文所述風險控制方法的任一方法的步驟。 本說明書是參照根據本說明書實施例的方法、設備(系統)、和電腦程式產品的流程圖和/或方塊圖來描述的。應理解可由電腦程式指令實現流程圖和/或方塊圖中的每一流程和/或方塊、以及流程圖和/或方塊圖中的流程和/或方塊的結合。可提供這些電腦程式指令到通用電腦、專用電腦、嵌入式處理機或其他可編程資料處理設備的處理器以產生一個機器,使得藉由電腦或其他可編程資料處理設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能的設備。 這些電腦程式指令也可儲存在能引導電腦或其他可編程資料處理設備以特定方式工作的電腦可讀儲存器中,使得儲存在該電腦可讀儲存器中的指令產生包括指令設備的製造品,該指令設備實現在流程圖一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能。 這些電腦程式指令也可裝載到電腦或其他可編程資料處理設備上,使得在電腦或其他可編程設備上執行一系列操作步驟以產生電腦實現的處理,從而在電腦或其他可編程設備上執行的指令提供用於實現在流程圖一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能的步驟。 儘管已描述了本發明的優選實施例,但本領域內的技術人員一旦得知了基本創造性概念,則可對這些實施例作出另外的變更和修改。所以,所附申請專利範圍意欲解釋為包括優選實施例以及落入本發明範圍的所有變更和修改。 顯然,本領域的技術人員可以對本發明進行各種改動和變型而不脫離本發明的精神和範圍。這樣,倘若本發明的這些修改和變型屬於本發明申請專利範圍及其等同技術的範圍之內,則本發明也意圖包含這些改動和變型在內。
S11~S13:步驟 S21~S23:步驟 41:資料獲取模組 42:風險健康資料獲取模組 43:資源分配模組 600:匯流排 601:接收器 602:處理器 603:發送器 604:儲存器 606:匯流排介面
藉由閱讀下文優選實施方式的詳細描述,各種其他的優點和益處對於本領域具有通常知識者將變得清楚明瞭。圖式僅用於示出優選實施方式的目的,而並不認為是對本發明的限制。而且在整個圖式中,用相同的參考符號表示相同的部件。在圖式中: 圖1為本說明書實施例第一態樣提供的風險控制方法的流程圖; 圖2為本說明書實施例第二態樣提供的風險識別方法的流程圖; 圖3為本說明書實施例提供的風險評估顯示介面的示意圖; 圖4為本說明書實施例第二態樣提供的風險控制裝置的示意圖; 圖5為本說明書實施例第三態樣提供的伺服器的示意圖。

Claims (14)

  1. 一種風險控制方法,該方法包括: 獲取目標商業用戶的目標資料; 根據該目標資料,以及預設風險評分模型,獲取該目標商業用戶的風險健康資料; 確定該風險健康資料對應的目標資料範圍,並根據與該目標資料範圍對應的資源分配規則,為該目標商業用戶分配業務資源。
  2. 根據請求項1所述的風險控制方法,該獲取目標商業用戶的目標資料,包括: 獲取該目標商業用戶在目標維度下的資料作為該目標資料,該目標維度包括以下維度中的一者或多者:商業用戶屬性維度、商業用戶價值維度、商業用戶社交行為維度以及商業用戶風險維度。
  3. 根據請求項2所述的風險控制方法,該預設風險評分模型藉由下述方式獲得: 獲取樣本資料集合,該樣本資料集合包括黑樣本資料以及白樣本資料,該黑樣本資料為歷史存在風險記錄商業用戶對應的資料,該白樣本資料為歷史不存在風險記錄商業用戶對應的資料; 根據該樣本資料集合,獲得該預設風險評分模型。
  4. 根據請求項2所述的風險控制方法,該根據該目標資料,以及預設風險評分模型,獲取該目標商業用戶的風險健康資料,包括: 根據該目標資料,確定該目標商業用戶當前存在的N種風險類型,N為正整數; 在該目標資料中確定出與該N種風險類型中的每種風險類型對應的風險資料; 根據該風險資料,確定與該每種風險類型對應的單一風險健康資料,共計獲得N個單一風險健康資料; 根據該N個單一風險健康資料,以及該預設風險評分模型,獲取該目標商業用戶的風險健康資料。
  5. 根據請求項2所述的風險控制方法,該方法還包括: 根據該目標資料,確定該目標商業用戶當前存在的M種風險類型,M為正整數; 確定與該M種風險類型中的每種風險類型的風險識別結果,共計獲得M種風險識別結果; 將該M種風險識別結果發送給該目標商業用戶,以使該目標商業用戶根據該M種風險識別結果採取對應的風險處理操作。
  6. 根據請求項1所述的風險控制方法,該確定該風險健康資料對應的目標資料範圍,並根據與該目標資料範圍對應的資源分配規則,為該目標商業用戶分配業務資源,包括: 根據該目標商業用戶的歷史風險健康資料,以及該風險健康資料,確定該目標商業用戶的風險健康資料曲線; 在該風險健康資料曲線的最大值滿足第一目標資料範圍時,減少為該目標商業用戶分配的業務資源,以提醒該目標商業用戶對風險進行處理; 在該風險健康資料曲線的最小值滿足第二目標資料範圍時,增加為該目標商業用戶分配的業務資源。
  7. 一種風險控制裝置,該裝置包括: 資料獲取模組,用於獲取目標商業用戶的目標資料; 風險健康資料獲取模組,用於根據該目標資料,以及預設風險評分模型,獲取該目標商業用戶的風險健康資料; 資源分配模組,用於根據該風險健康資料,為該目標商業用戶分配業務資源。
  8. 根據請求項7所述的風險控制裝置,該資料獲取模組用於: 獲取該目標商業用戶在目標維度下的資料作為該目標資料,該目標維度包括以下維度中的一者或多者:商業用戶屬性維度、商業用戶價值維度、商業用戶社交行為維度以及商業用戶風險維度。
  9. 根據請求項8所述的風險控制裝置,該裝置還包括: 樣本獲取模組,用於獲取樣本資料集合,該樣本資料集合包括黑樣本資料以及白樣本資料,該黑樣本資料為歷史存在風險記錄商業用戶對應的資料,該白樣本資料為歷史不存在風險記錄商業用戶對應的資料; 模型獲取模組,用於根據該樣本資料集合,獲得該預設風險評分模型。
  10. 根據請求項8所述的風險控制裝置,該風險健康資料獲取模組用於: 根據該目標資料,確定該目標商業用戶當前存在的N種風險類型,N為正整數; 在該目標資料中確定出與該N種風險類型中的每種風險類型對應的風險資料; 根據該風險資料,確定與該每種風險類型對應的單一風險健康資料,共計獲得N個單一風險健康資料; 根據該N個單一風險健康資料,以及該預設風險評分模型,獲取該目標商業用戶的風險健康資料。
  11. 根據請求項8所述的風險控制裝置,該裝置還包括: 風險類型確定模組,用於根據該目標資料,確定該目標商業用戶當前存在的M種風險類型,M為正整數; 風險識別模組,用於確定與該M種風險類型中的每種風險類型的風險識別結果,共計獲得M種風險識別結果; 發送模組,用於將該M種風險識別結果發送給該目標商業用戶,以使該目標商業用戶根據該M種風險識別結果採取對應的風險處理操作。
  12. 根據請求項7所述的風險控制裝置,該資源分配模組用於: 根據該目標商業用戶的歷史風險健康資料,以及該風險健康資料,確定該目標商業用戶的風險健康資料曲線; 在該風險健康資料曲線的最大值滿足第一目標資料範圍時,減少為該目標商業用戶分配的業務資源,以提醒該目標商業用戶對風險進行處理; 在該風險健康資料曲線的最小值滿足第二目標資料範圍時,增加為該目標商業用戶分配的業務資源。
  13. 一種伺服器,包括儲存器、處理器及儲存在儲存器上並可在處理器上運行的電腦程式,該處理器執行該程式時實現請求項1至6中任一項所述方法的步驟。
  14. 一種電腦可讀儲存媒體,其上儲存有電腦程式,該程式被處理器執行時實現請求項1至6中任一項所述方法的步驟。
TW108129998A 2018-11-21 2019-08-22 風險控制方法、裝置、伺服器及儲存媒體 TWI706422B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201811388897.4 2018-11-21
CN201811388897.4A CN110020766A (zh) 2018-11-21 2018-11-21 风险控制方法、装置、服务器及存储介质

Publications (2)

Publication Number Publication Date
TW202020888A true TW202020888A (zh) 2020-06-01
TWI706422B TWI706422B (zh) 2020-10-01

Family

ID=67188554

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108129998A TWI706422B (zh) 2018-11-21 2019-08-22 風險控制方法、裝置、伺服器及儲存媒體

Country Status (3)

Country Link
CN (1) CN110020766A (zh)
TW (1) TWI706422B (zh)
WO (1) WO2020103560A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI764478B (zh) * 2020-12-28 2022-05-11 中華電信股份有限公司 健康風險分級設備、系統及其方法

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110020766A (zh) * 2018-11-21 2019-07-16 阿里巴巴集团控股有限公司 风险控制方法、装置、服务器及存储介质
CN110490650A (zh) * 2019-08-14 2019-11-22 浙江大搜车软件技术有限公司 商户信息处理方法、装置、计算机设备和存储介质
CN112561550A (zh) * 2019-09-26 2021-03-26 中移动信息技术有限公司 商户的健康度分类方法、装置、设备及存储介质
CN110633919A (zh) * 2019-09-27 2019-12-31 支付宝(杭州)信息技术有限公司 经营实体的评估方法及其装置
CN110910041A (zh) * 2019-12-04 2020-03-24 支付宝(杭州)信息技术有限公司 一种风险管控方法、系统、及装置
CN111078880B (zh) * 2019-12-12 2023-07-21 支付宝(杭州)信息技术有限公司 子应用的风险识别方法以及装置
CN111489074A (zh) * 2020-04-07 2020-08-04 支付宝(杭州)信息技术有限公司 数据处理方法、装置、设备及存储介质
CN111523832B (zh) * 2020-07-03 2021-02-26 支付宝(杭州)信息技术有限公司 商户风险巡检方法、装置、电子设备及存储介质
CN112529575B (zh) * 2020-12-14 2023-12-22 深圳市快付通金融网络科技服务有限公司 风险预警方法、设备、存储介质及装置
DE102021121345A1 (de) 2021-08-17 2023-02-23 Vacuumschmelze Gmbh & Co. Kg Legierung und Verfahren zum Herstellen eines nanokristallinen Metallbandes

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107103548A (zh) * 2011-11-17 2017-08-29 阿里巴巴集团控股有限公司 网络行为数据的监控方法和系统以及风险监控方法和系统
CN105590261A (zh) * 2014-12-31 2016-05-18 中国银联股份有限公司 商户风险估算方法及系统
US9600819B2 (en) * 2015-03-06 2017-03-21 Mastercard International Incorporated Systems and methods for risk based decisioning
CN111507638B (zh) * 2016-03-25 2024-03-05 创新先进技术有限公司 一种风险信息输出、风险信息构建方法及装置
CN107967173A (zh) * 2016-10-20 2018-04-27 阿里巴巴集团控股有限公司 一种资源调度的方法、装置和系统
CN106779310A (zh) * 2016-11-25 2017-05-31 太原钢铁(集团)有限公司 利用企业资源管理系统实现信用销售风险管控的方法
CN108305012A (zh) * 2018-02-11 2018-07-20 深圳市快付通金融网络科技服务有限公司 一种风控规则获取方法及装置
CN108364132A (zh) * 2018-02-11 2018-08-03 深圳市快付通金融网络科技服务有限公司 一种风控方法、装置、计算机装置及计算机可读存储介质
CN108765167B (zh) * 2018-04-12 2020-09-18 阿里巴巴集团控股有限公司 业务风险控制方法和装置
CN108717661B (zh) * 2018-04-20 2022-08-09 江苏大学 一种金融业风险预警的集群存储与分析方法
CN108564386B (zh) * 2018-04-28 2020-06-02 腾讯科技(深圳)有限公司 商户识别方法及装置、计算机设备及存储介质
CN110020766A (zh) * 2018-11-21 2019-07-16 阿里巴巴集团控股有限公司 风险控制方法、装置、服务器及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI764478B (zh) * 2020-12-28 2022-05-11 中華電信股份有限公司 健康風險分級設備、系統及其方法

Also Published As

Publication number Publication date
TWI706422B (zh) 2020-10-01
WO2020103560A1 (zh) 2020-05-28
CN110020766A (zh) 2019-07-16

Similar Documents

Publication Publication Date Title
TW202020888A (zh) 風險控制方法、裝置、伺服器及儲存媒體
US11977995B2 (en) Machine learning artificial intelligence system for predicting hours of operation
US10783457B2 (en) Method for determining risk preference of user, information recommendation method, and apparatus
Brown-Liburd et al. Behavioral implications of Big Data's impact on audit judgment and decision making and future research directions
CN108133013B (zh) 信息处理方法、装置、计算机设备和存储介质
US20200042941A1 (en) Trademark search results presentation systems and methods
US10997596B1 (en) Systems and methods for use in analyzing declined payment account transactions
US11037160B1 (en) Systems and methods for preemptive fraud alerts
TW201802732A (zh) 資料風險控制的方法及裝置
US20180284971A1 (en) Intelligent visual object management system
CA2840050A1 (en) System and methods for producing a credit feedback loop
US20190287182A1 (en) Transaction Compliance Scoring System
WO2010037030A1 (en) Evaluating loan access using online business transaction data
US11087337B2 (en) Systems and methods for use in evaluating aggregate merchant sets
US11615483B2 (en) Systems and methods to facilitate automated validation of anti-money laundering alerts
CN110148000A (zh) 一种应用于支付平台的安全管控系统和方法
US20140316960A1 (en) Merchant bank tool
CN109242307B (zh) 一种反欺诈策略分析方法、服务器、电子设备及存储介质
US20210192496A1 (en) Digital wallet reward optimization using reverse-engineering
JP6727356B2 (ja) 特許評価システム
JP2016099915A (ja) 与信審査用サーバと与信審査用システム及び与信審査用プログラム
JP2019185595A (ja) 情報処理装置、情報処理方法、情報処理プログラム、判定装置、判定方法及び判定プログラム
Eierdanz et al. Using fuzzy set theory to address the uncertainty of susceptibility to drought
JP6690298B2 (ja) 情報処理装置、情報処理システム、及びプログラム
JP2020160949A (ja) 融資情報提供システム、融資情報提供装置、融資情報提供方法及び学習済モデル