一种基于大数据的不良资产案件自动智能匹配系统

摘要

本发明公开了一种基于大数据的不良资产案件自动智能匹配系统，包含定时任务模块、案件筛选模块、案件分析模块、催收员分析模块、限定条件模块和案件匹配模块；本发明的系统会自动定期扫描历史的分配记录、催收记录、案件回款等数据，对催收员进行画像分析并综合其经验，特点，历史表现进行能力评估；同时筛选出需要分配的不良资产案件，根据债务人特征，历史行为模式等，从还款意愿及还款能力两个维度进行预测评分；最后，综合催收员能力及债务人还款能力和意愿，预测催收员在不同案件上的预期催收回款；依据预测结果，在满足业务限定条件下将案件分配给最合适的催收员，提升整体的催收效益。

说明书

技术领域

本发明涉及一种基于大数据的不良资产案件自动智能匹配系统。

背景技术

随着大数据、人工智能技术不断落地，金融科技将进入更高效、更智能、更人性化的高阶时代；但是目前不良资产处置领域仍大量采用平均分配、随机处置等简单手段，导致人员利用不合理，催款效率低，回款速度慢。

发明内容

针对上述存在的技术问题，本发明的目的是：提出了一种基于大数据的不良资产案件自动智能匹配系统。

本发明的技术解决方案是这样实现的：一种基于大数据的不良资产案件自动智能匹配系统，包含定时任务模块、案件筛选模块、案件分析模块、催收员分析模块、限定条件模块和案件匹配模块。

所述定时任务模块用于支持任务执行的时间配置和条件配置，对案件筛选模块和催收员分析模块进行定时控制；该模块可以确保数据的周期性及实时性的更新，保证系统运用最新的业务数据做进一步处理。

所述案件筛选模块筛选需要处理的案件，过滤掉已出催、已回款和不需要调整的案件，将所有需要处理的案件发送给案件分析模块；该模块可以根据业务实际需要，定制化筛选条件，以达到自动化筛序的功能，同时也具备按业务需求人工批量化增补案件的功能。

所述案件分析模块对从案件筛选模块传递过来的案件进行分析，抓取基础债务人特征、行为数据及所有的历史数据，整合后对案件在还款意愿及还款能力维度进行评分；该模块综合债务人的特征信息（如年龄，客龄，性别，籍贯等），案件基本特征（余额，账龄等），历史行为（消费，还款，逾期情况等）及其他风险特征，根据内嵌系统模型对案件的还款能力和意愿分别评分。该模块内嵌了预设的基于大数据技术及机器学习方法构建的模型，并可以根据准实时的业务数据不断优化参数。

所述催收员分析模块结合催收员的基本特征信息，以及催收员截止到目前的电催工作状况及历史业绩进行数据分析，对催收员能力做出评估，并对催收员处理不同类型案件的预期催收还款进行分析、预测和评估；该模块根据催收员最新的历史业绩，乃至最近的工作状态，准实时的更新其在不同类型案件上的预期催收能力评估。

所述限定条件模块根据业务需要，对各个催收员的分配案件的区域限制、案件数量的上下限和案件金额的上下限进行配置；该模块可根据针对业务需要，定制限定条件，可选择的范围包括但不限于催收员分配案件的数量及金额，分配的的案件数和余额分布及包括地域在内的特殊条件，并可根据业务需要增加定制化的限定条件。

所述案件匹配模块接收并整合案件分析模块和催收员分析模块的分析数据，并结合限定条件模块给出的条件配置，将案件匹配给达到预期还款最高的催收员。该模块运用数学规划的优化算法，综合分析各类型案件和各催收员对于各类型案件的催收能力，实现限定条件下目标值-预期回款金额的最优化。

由于上述技术方案的运用，本发明与现有技术相比具有下列优点：

本发明的系统会自动定期扫描历史的分配记录、催收记录、案件回款等数据，故而可以对催收员能力进行准实时的分析和评估；同时可以根据业务定制筛选条件，识别出需要分配的案件。并基于已有信息，对债务人在还款意愿及还款能力维度进行评分并做准实时的动态更新。因此，可以综合最新的信息，对催收员在不同案件上预期催收还款进行预测；依据准实时的预测结果，在满足业务限定条件下将案件分配给最合适的催收员，从而提升整体回款率。

附图说明

下面结合附图对本发明技术方案作进一步说明：

附图1为本发明所述的一种基于大数据的不良资产案件自动智能匹配系统的方框示意图。

具体实施方式

下面结合附图来说明本发明。

如附图1所示，本发明所述的一种基于大数据的不良资产案件自动智能匹配系统，包含定时任务模块1、案件筛选模块2、案件分析模块3、催收员分析模块4、限定条件模块5和案件匹配模块6；所述定时任务模块1用于支持任务执行的时间配置和条件配置，对案件筛选模块2和催收员分析模块4进行定时控制；所述案件筛选模块2筛选需要处理的案件，过滤掉已出催、已回款和不需要调整的案件，将所有需要处理的案件发送给案件分析模块3；所述案件分析模块3对从案件筛选模块2传递过来的案件进行分析，抓取各个案件的基础数据及所有的历史数据，整合后对案件在还款意愿及还款能力维度进行评分；所述催收员分析模块4结合各个催收员的基础信息，以及催收员截止到目前的电话催收工作状况进行数据分析，并对各个催收员在不同类型案件中的预期催收还款情况进行分析，并预测评分；所述限定条件模块5对各个催收员的分配案件的区域限制、案件数量的上下限和案件金额的上下限进行配置；所述案件匹配模块6接收并整合案件分析模块3和催收员分析模块4给出的分析数据，并结合限定条件模块5给出的条件配置，将各个案件匹配给能够达到预期还款最高的催收员。

本系统在不良资产处置的流程管理中，一方面运用机器学习及大数据方法，对债务人（案件）还款能力与意愿进行深度分析和智能评估，另一方面对各催收人员的历史业绩及催收记录数据进行深度挖掘和智能分析。结合两者，对案件进行资源的最优匹配，提升人力资源的利用效率和资产处置效益；采用本系统的方案对多个批次的案件进行了测试跟踪，最终回款率提升约45%。

上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并加以实施，并不能以此限制本发明的保护范围，凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围内。