一种支持自动预警的信贷资信管理系统

摘要

本发明涉及一种支持自动预警的信贷资信管理系统，包括多个功能模块，其中，场景查询配置模块用于定义各类场景并解析查询数据请求；衍生变量加工服务模块用于根据解析后的查询数据请求获取数据并加工获取的数据，生成并返回结果数据；资信预警引擎模块用于根据衍生变量加工服务模块获取的数据进行图计算，得到客户的风险概率，对风险概率高的客户进行预警。本发明通过采用异步操作的方式实现了同时返回查询数据请求的结果数据和对客户进行风险预警，通过场景查询配置模块和衍生变量加工服务模块解决了难以快速接入新场景和新业务的问题，并通过资信预警引擎模块增加了对客户间关联性的判定，加强了预警能力。

说明书

技术领域

本发明涉及信贷资信管理技术领域，特别涉及一种支持自动预警的信贷资信管理系统。

背景技术

随着互联网和大数据技术的发展，银行信贷业务也深受驱动从而进行了变革，目前资信查询已基本涵盖贷前审批、贷中监控和贷后管理的全流程，多数业务系统对资信数据服务普遍同质化，而不同的渠道产品需要差异化配置。

但现有大部分资信管理系统的功能局限于被动的按照规则进行变量加工，缺少场景化的支持，接入新业务也需要定制化开发，所以难以快速接入新场景和新业务；再者，现有资信管理系统作为处理内外部资信数据的主要系统，也大多缺乏对客户间关联性的判定。

因此有必要提供一种支持自动预警的信贷资信管理系统，解决现有技术中难以快速接入新场景和新业务的问题，并通过增加对客户间关联性的判定，实现了信贷资信管理系统的风险预警。

发明内容

本发明的目的在于提供一种支持自动预警的信贷资信管理系统，解决现有技术中难以快速接入新场景和新业务的问题，并通过增加对客户间关联性的判定，实现了信贷资信管理系统的风险预警。

为了解决现有技术中存在的问题，本发明提供了一种支持自动预警的信贷资信管理系统，包括：

数据源管理模块，配置为管理内部系统已有的数据源和从外部系统获取的数据源；

用户权限管理服务模块，配置为根据业务系统对客户发起的查询数据请求对业务系统进行权限管控；

名单库管理服务模块，配置为对客户做黑名单校验；

场景查询配置模块，配置为解析所述查询数据请求，将解析后的查询数据请求发送给衍生变量加工服务模块，并将从衍生变量加工服务模块生成的结果数据返回给所述业务系统；

衍生变量加工服务模块，配置为接收所述查询数据请求，查询并通过所述数据源管理模块获取数据，通过异步操作的方式通知资信预警引擎模块和资信报告管理模块开始取数；并对获取的数据进行衍生变量加工，将衍生变量加工得到的结果数据实时返回给场景查询配置模块；

资信预警引擎模块，配置为根据从衍生变量加工服务模块中获取的数据进行图计算，得到客户的风险概率，对风险概率高的客户进行预警；

资信报告管理模块，配置为根据所述资信预警引擎模块得到的客户的风险概率展示客户的风险分析、风险概率、关联性以及预警原因。

可选的，在所述支持自动预警的信贷资信管理系统中，

所述数据源管理模块包括：数据源定义单元、数据源查询单元以及数据缓存策略单元。

可选的，在所述支持自动预警的信贷资信管理系统中，所述数据源查询单元还包括与外部系统对接的接口；

所述接口配置为当所述数据源管理模块中的数据不能满足所述查询数据请求时，与对应外部系统进行对接。

可选的，在所述支持自动预警的信贷资信管理系统中，

对业务系统进行权限管控的方式为：判断所述业务系统是否获得所述信贷资信管理系统的授权，若已经获得授权，则将所述查询数据请求发送至场景查询配置模块，否则，不能查询数据，返回查询失败；

对客户做黑名单校验的方式为：场景查询配置模块将所述查询数据请求推送至名单库管理服务模块，名单库管理服务模块判断所述查询数据请求中的客户是否属于名单库中的黑名单，若属于黑名单则返回被查询客户为黑名单客户给场景查询配置模块，若不属于黑名单则返回被查询客户为非黑名单客户给场景查询配置模块。

可选的，在所述支持自动预警的信贷资信管理系统中，所述场景查询配置模块的功能包括：场景定义、场景查询、场景审核、场景复制以及场景删除；

场景定义：用于人工手动配置或导入表格的形式定义生成新的场景；

场景查询：用于根据所述查询数据请求查询已有的场景；

场景审核：用于对新的场景进行审核；

场景复制和场景删除：用于对已有的场景进行复制和删除操作。

可选的，在所述支持自动预警的信贷资信管理系统中，

所述场景包括：个人客户的信用贷款授信场景、企业客户的信用贷款授信申请场景。

可选的，在所述支持自动预警的信贷资信管理系统中，所述衍生变量加工服务模块根据所述场景查询配置模块解析生成的内容，通过所述数据源管理模块中的数据源获取外部系统的数据，并对获取的外部系统的数据进行衍生变量加工，生成所述查询数据请求中场景对应的结果数据。

可选的，在所述支持自动预警的信贷资信管理系统中，所述资信预警引擎模块还配置为计算单个客户的风险概率，计算单个客户的风险概率的方式为：

查询单个客户的基本数据；

对所述单个客户的基本数据进行清洗加工和标准化处理；

将标准化处理后的数据做回归算法处理；

得到单个客户的风险概率。

可选的，在所述支持自动预警的信贷资信管理系统中，当关系图中客户数据发生变更后，采用图计算中的PageRank算法，得到关系图中客户的风险概率。

可选的，在所述支持自动预警的信贷资信管理系统中，PageRank算法中将客户定义为关联节点，PageRank算法的公式为：

PR(A)＝(1-d)+d(PR(T

其中，PR(A)关联节点A的PR值，PR(T

在本发明所提供的支持自动预警的信贷资信管理系统中，通过采用异步操作的方式实现了同时返回查询数据请求的结果数据和对客户进行风险预警，通过场景查询配置模块和衍生变量加工服务模块解决了难以快速接入新场景和新业务的问题，并通过资信预警引擎模块增加了对客户间关联性的判定，加强了预警能力，还通过资信报告管理模块提供了全量的有效数据及总结性的报告展示。

附图说明

图1为本发明实施例提供的信贷资信管理系统的模块图；

图2为本发明实施例提供的信贷资信管理系统的流程图。

具体实施方式

下面将结合示意图对本发明的具体实施方式进行更详细的描述。根据下列描述，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。

在下文中，如果本文所述的方法包括一系列步骤，则本文所呈现的这些步骤的顺序并非必须是可执行这些步骤的唯一顺序，且一些所述的步骤可被省略和/或一些本文未描述的其他步骤可被添加到该方法中。

现有大部分资信管理系统的功能局限于被动的按照规则进行变量加工，缺少场景化的支持，接入新业务也需要定制化开发，所以难以快速接入新场景和新业务；再者，现有资信管理系统作为处理内外部资信数据的主要系统，也大多缺乏对客户间关联性的判定。

因此有必要提供一种支持自动预警的信贷资信管理系统，如图1和2所示，图1为本发明实施例提供的信贷资信管理系统的模块图，图2为本发明实施例提供的信贷资信管理系统的流程图，所述信贷资信管理系统包括：

数据源管理模块，配置为管理内部系统已有的数据源和从外部系统获取的数据源；

用户权限管理服务模块，配置为根据业务系统对客户发起的查询数据请求对业务系统进行权限管控；

名单库管理服务模块，配置为对客户做黑名单校验；

场景查询配置模块，配置为解析所述查询数据请求，将解析后的查询数据请求发送给衍生变量加工服务模块，并将从衍生变量加工服务模块生成的结果数据返回给所述业务系统；

衍生变量加工服务模块，配置为接收所述查询数据请求，查询并通过所述数据源管理模块获取数据，通过异步操作的方式通知资信预警引擎模块和资信报告管理模块开始取数；并对获取的数据进行衍生变量加工，将衍生变量加工得到的结果数据实时返回给场景查询配置模块；

资信预警引擎模块，配置为根据从衍生变量加工服务模块中获取的数据进行图计算，得到客户的风险概率，对风险概率高的客户进行预警；

资信报告管理模块，配置为根据所述资信预警引擎模块得到的客户的风险概率展示客户的风险分析、风险概率、关联性以及预警原因。

本发明通过采用异步操作的方式实现了同时返回查询数据请求的结果数据和对客户进行风险预警，通过场景查询配置模块和衍生变量加工服务模块解决了难以快速接入新场景和新业务的问题，并通过资信预警引擎模块增加了对客户间关联性的判定，加强了预警能力，还通过资信报告管理模块提供了全量的有效数据及总结性的报告展示。

具体的，在所述支持自动预警的信贷资信管理系统中，所述数据源管理模块包括：数据源定义单元、数据源查询单元以及数据缓存策略单元。所述数据源管理模块可以采用关系型数据MySQL存储数据源名称、接口名称、接口状态、原始变量名称、衍生变量名称和缓存时间等。所述信贷资信管理系统接收到查询数据请求之后，在对资信数据查询前，首先通过数据源定义单元确定信贷资信管理系统所能接入的外部数据，在接入外部数据后，通过数据源查询单元搜索已接入的数据的详细信息，而数据缓存策略单元则是定义查询之后的数据存储策略以及存储有效期。

进一步的，数据源定义单元包括定义数据内外部类型、数据商名称、数据产品、是否需要授权书以及备注信息等；数据源查询单元包括查询条件选择、查询与外部系统对接的接口、接口输入及输出说明展示、缓存类型以及备注信息等；数据缓存策略单元包括维度选择、时间单位设置以及缓存存储类型匹配等功能。

较佳的，所述与外部系统对接的接口配置为当所述数据源管理模块中的数据不能满足所述查询数据请求时，与对应外部系统进行对接。

优选的，在所述支持自动预警的信贷资信管理系统中，

对业务系统进行权限管控的方式为：可以基于token参数判断所述业务系统是否获得所述信贷资信管理系统的授权，若已经获得授权，则将所述查询数据请求发送至场景查询配置模块，否则，不能查询数据，返回查询失败；其中，所述信贷资信管理系统中用户的角色可以分为三种类型，操作员、审批员、管理员，所述用户权限管理服务模块用于管理用户的权限以及配置审批的流程，具体包括角色分配、申请审核和接口访问权限管控等功能。

对客户做黑名单校验的方式为：场景查询配置模块将所述查询数据请求推送至名单库管理服务模块，名单库管理服务模块判断所述查询数据请求中的客户是否属于名单库中的黑名单，若属于黑名单则返回被查询客户为黑名单客户给场景查询配置模块，若不属于黑名单则返回被查询客户为非黑名单客户给场景查询配置模块。其中，所述名单库管理服务模块中的名单库管理提供黑灰白名单的手动录入、接口传入、查询、更改以及删除等功能。

较佳的，在所述支持自动预警的信贷资信管理系统中，所述场景查询配置模块提供业务系统通过接口、业务人员通过界面选择场景实现获取数据的服务。具体功能包括：场景定义、场景查询、场景审核、场景复制以及场景删除；

场景定义：用于人工手动配置或导入表格的形式定义生成新的场景，例如：场景定义中包括定义场景名称、场景编号、渠道名称以及贷款产品名称，场景中的信息包括数据源配置，可以界面上参数化配置，也可以导入文档模板以加入场景库；

场景查询：用于根据所述查询数据请求查询已有的场景，场景查询支持场景编号的精确查询以及名称的模糊匹配；

场景审核：用于对新的场景进行审核；

场景复制和场景删除：用于对已有的场景进行复制和删除操作。

进一步的，所述场景是指业务系统请求的原生变量以及衍生变量的集合，包括一系列的变量名称和变量值，场景是由业务人员手动配置或导入表格的形式生成，一旦场景生效，所述信贷资信管理系统会自动生成一个唯一编号，外部系统通过接口将结果数据传入该编号，信贷资信管理系统返回场景中包含的变量名称和变量的值。通常的，业务系统可以通过http接口查询场景下的变量和衍生变量，业务人员可以通过界面设置场景下原始资源变量，比如多头借贷和存贷比等。

进一步的，对查询数据请求中客户的查询可以采用基于证件号码的精确匹配的方式，也可以采用具备个人名称、公司名称、家庭地址或公司地址的模糊匹配的方式，同时也支持基于图数据库的关联性信息提取及直观展示。

在一个实施例中，所述场景可以包括：个人客户的信用贷款授信场景、企业客户的信用贷款授信申请场景。

进一步的，信贷资信管理系统查询外部系统返回的原始数据可能无法满足业务系统的需求，比如业务系统需要某客户的存贷比，但查询的外部系统的数据中没有该变量，却包含存款量和贷款量，则需要衍生变量加工服务模块提供加工数据的能力，衍生变量加工服务模块具体包括衍生变量定义、衍生变量查询、加工规则设计、衍生变量复制及删除等的功能。

较佳的，所述衍生变量加工服务模块需要根据所述场景查询配置模块解析生成的内容，通过所述数据源管理模块中的数据源获取外部系统的数据，并对获取的外部系统的数据进行衍生变量加工，生成所述查询数据请求中场景对应的结果数据。并将结果数据返回给所述场景查询配置模块，所述场景查询配置模块完成数据组装，将含有变量的结果数据返回给业务系统；业务系统可以通过接口调取的方式获取结果数据，同时支持基于XML、JSON两种格式。

进一步的，所述资信预警引擎模块是指在收到新的查询数据请求后，对于单个客户的风险概率作出评估，若高出预设预警标准值，则需要分析对于关联客户的影响，并发出相对应的预警通知；例如预警类型可以分为高、中、低三类，并可以通过界面设定相应的量化指标。

客户关联性的分析主要基于图计算框架，数据初始化阶段支持业务人员以单个及批量方式设置介于0-1的预警指标，在存量个人客户及公司客户信息的基础上，结合数据建模建立客户的图数据结构，数据批量导入图计算及图存储框架，迭代计算的结果大于预警标准值时，则以电话、短信或邮件方式通知业务人员。

针对单个客户的风险概率的计算方式如下：

获取单个客户的基本数据，基本数据比如个人的学历、企业的有效授信金额、个人年龄、贷款金额、企业运转情况、个人职业、房产信息、保险信息以及贷款五级分类等；

对所述单个客户的基本数据进行清洗加工和标准化处理，标准化处理包括归一化和缺失值处理等；

将标准化处理后的数据做回归算法处理，回归算法处理包括线性回归、支持向量机和k-means等；

从而得到单个客户的风险概率。

若单个客户的风险概率高出预警标准值，则需要分析对于关联客户的影响，关联客户的分析主要基于图计算框架计算客户关联性，图计算框架中数据建模是基于实体关系类型，节点是客户唯一标识码；节点关系分为静态和动态两类，包括夫妻关系、父子关系、母子关系、兄妹关系、兄弟关系、担保关系、法人关系、股东关系、雇佣关系以及供应关系等，节点之间的度量关系采用权重量化；标签分为个人客户和公司客户两种；节点属性包括个人客户证件号或营业执照编码，客户经理、贷款总金额、剩余金额和逾期信息等字段采用Key-Value方式映射。

进一步的，图计算的预警指标是介于0-1的小数，图计算的原理是基于PageRank算法做迭代运算，迭代计算达到稳定态后则停止，输出结果采用具体客户对象的预警标准值进行预警判定。具体的，当关系图中客户数据发生变更后，采用图计算中的PageRank算法，得到关系图中客户的风险概率。其中，关系图中客户数据发生变更的情况包括：任一客户的信贷的风险概率发生变化、客户数据更新、业务系统数据更新和/或节点关系权重的变更等。PageRank算法中将客户定义为关联节点，PageRank算法的公式为：PR(A)＝(1-d)+d(PR(T

优选的，PageRank算法的实现主要采用SparkGraphX，预警引擎中的节点、节点关系和关系权重的定义也基于GraphX来设计，节点关系权重的回归运算采用MLlib中的Lasso、CART算法，数据建模的模型评估主要基于MSE值，图数据库采用Neo4j，可以直观展示关系图信息及关联性。

针对于资信预警引擎模块的关系图初始化，结合业务模式、具体客户信息以及业务记录结果，数据建模的形式及初始化权重值可以如下表所示，除了设置节点初始化权重值外，也设置结果预警值作为计算结果的预警标准值，例如本发明设定为个人客户节点预警的预警标准值0.83、企业客户节点预警的预警标准值0.78，此数值基于具体的业务核定结果做迭代更新，也支持界面性的基于节点颗粒度的个性化设置。

优选的，考虑到方便业务人员快捷、直观的查看预警类型和预警原因，采用图数据库实现数据的持久化。

在一个实施例中，信贷资信管理系统收到外部舆情数据推送企业A存在重大经营风险，个人C是企业A的法人代表，基于存量客户数据建立的关系图显示个人客户D与个人客户C是夫妻关系，个人客户D已获授信金额100万元并正申请信用，计算结果显示客户D的风险值是0.93，信贷资信管理系统将以邮件方式通知对应业务人员引起关注；对于企业A是企业客户B的供应商，B不存在信贷关联风险，分析数据结果低于最低预警标准值，则企业客户B无需告警。

进一步的，在衍生变量加工服务模块和资信预警引擎模块中，基础计算框架选择Spark生态系统，Kafka作为服务间异步通信的中间件。具体的，Spark Streaming作为衍生变量加工的流式计算工具，不沿用传统的关系型数据库先存储再抽取计算的方式，其将内外部源的流数据转化为短小的批处理作业。

进一步的，本发明的资信报告管理模块主要包括数据提取、报告生成、报告导出、报告存储、报告比较、报告打印、报告报文传输、查阅记录留存及调阅等功能。具体的，报告导出支持pdf格式报告，并可以定向发送到指定邮箱；报告比较功能可以显示单个客户两份不同编号报告的差别，并分屏对应显示；业务系统发来http请求获取报告并通过鉴权后，可以默认XML格式返回给目的业务系统。

优选的，资信报告内容的基本组成元素可以包括报告编号、客户名称、客户证件号码、查询日期、查阅记录、报告摘要、信贷产品维度下的原始数据信息、预警种类(可选)以及名单类型(可选)。

综上，在本发明所提供的支持自动预警的信贷资信管理系统中，通过采用异步操作的方式实现了同时返回查询数据请求的结果数据和对客户进行风险预警，通过场景查询配置模块和衍生变量加工服务模块解决了难以快速接入新场景和新业务的问题，并通过资信预警引擎模块增加了对客户间关联性的判定，加强了预警能力，还通过资信报告管理模块提供了全量的有效数据及总结性的报告展示。

进一步的，本发明的功能比较全面，处理效率较高、操作也比较便捷，场景查询配置模块简化了变量字段梳理工作，体现了约定大于配置的设计；衍生变量加工服务模块采用流引擎技术，充分考虑大规模并发的数据提取和数据加工的情况；资信预警引擎模块，除了判断新的资信数据对于单个客户的影响，还会分析对于关联客户的影响，尤其是出现企业破产、法人刑事涉诉等极端情况，可以在第一时间规避业务风险。

上述仅为本发明的优选实施例而已，并不对本发明起到任何限制作用。任何所属技术领域的技术人员，在不脱离本发明的技术方案的范围内，对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动，均属未脱离本发明的技术方案的内容，仍属于本发明的保护范围之内。