一种基于合作方风险偏好的客群分发方法及系统

摘要

本发明公开了一种基于合作方风险偏好的客群分发方法及系统，方法包括：通过风险评分评级模型对内外部数据进行整合，得到统一的客户风险评分评级；基于不同合作方对客户风险的偏好，根据风险评分评级预测后的违约率水平对客群进行分发；对分发后的客群进行实时监控。本发明能够根据不同资方的风险偏好区分相应客群，以及基于风险应用经验建立具有前瞻性、稳定、灵活的流量分发机制。

说明书

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于合作方风险偏好的客群分发方法及系统。

背景技术

目前，现有的客群流量分发平台在实现客群分发时，大部分仅为根据资方需求的简单流量分发，尚未按照不同资方的风险偏好区分客群；另外，大部分是根据合作资方的固定规则匹配客户，不能够灵活、快速筛选及分配客群。

因此，如何根据不同资方的风险偏好区分相应客群，以及如何建立具有前瞻性、稳定、灵活的流量分发机制，是一项亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种基于合作方风险偏好的客群分发方法，能够根据不同资方的风险偏好区分相应客群，以及基于风险应用经验建立具有前瞻性、稳定、灵活的流量分发机制。

本发明提供了一种基于合作方风险偏好的客群分发方法，包括：

通过风险评分评级模型对内外部数据进行整合，得到统一的客户风险评分评级；

基于不同合作方对客户风险的偏好，根据所述风险评分评级预测后的违约率水平对客群进行分发；

对分发后的客群进行实时监控。

优选地，所述方法还包括：

开发规则/模型管理平台。

优选地，所述开发规则/模型管理平台，包括：

对已设置的预警规则、模型进行不同维度的分析；

对规则/模型进行配置管理。

优选地，所述方法还包括：

开发预警管理平台。

优选地，所述开发预警管理平，包括：

对模型进行监控预警；

对预警信息进行派发；

对预警信息进行处理。

一种基于合作方风险偏好的客群分发系统，包括：

整合模块，用于通过风险评分评级模型对内外部数据进行整合，得到统一的客户风险评分评级；

分发模块，用于基于不同合作方对客户风险的偏好，根据所述风险评分评级预测后的违约率水平对客群进行分发；

监控模块，用于对分发后的客群进行实时监控。

优选地，所述系统还包括：

第一开发模块，用于开发规则/模型管理平台。

优选地，所述第一开发模块包括：

分析单元，用于对已设置的预警规则、模型进行不同维度的分析；

管理单元，用于对规则/模型进行配置管理。

优选地，所述系统还包括：

第二开发模块，用于开发预警管理平台。

优选地，所述第二开发模块包括：

监控预警单元，用于对模型进行监控预警；

派发单元，用于对预警信息进行派发；

处理单元，用于对预警信息进行处理。

综上所述，本发明公开了一种基于合作方风险偏好的客群分发方法，首先通过风险评分评级模型对内外部数据进行整合，得到统一的客户风险评分评级；然后基于不同合作方对客户风险的偏好，根据风险评分评级预测后的违约率水平对客群进行分发；对分发后的客群进行实时监控。本发明能够根据不同资方的风险偏好区分相应客群，以及基于风险应用经验建立具有前瞻性、稳定、灵活的流量分发机制。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明公开的一种基于合作方风险偏好的客群分发方法实施例1的流程图；

图2为本发明公开的一种基于合作方风险偏好的客群分发方法实施例2的流程图；

图3为本发明公开的一种基于合作方风险偏好的客群分发方法实施例3的流程图；

图4为本发明公开的一种基于合作方风险偏好的客群分发系统实施例1的结构示意图；

图5为本发明公开的一种基于合作方风险偏好的客群分发系统实施例2的结构示意图；

图6为本发明公开的一种基于合作方风险偏好的客群分发系统实施例3的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，为本发明公开的一种基于合作方风险偏好的客群分发方法实施例1的流程图，所述方法可以包括以下步骤：

S101、通过风险评分评级模型对内外部数据进行整合，得到统一的客户风险评分评级；

当需要分发客群时，首先通过风险评分评级模型对内外部数据进行整合，形成统一的客户风险评分评级。

通过统一的客户风险评分评级，展现客户在银行的整体授信情况和风险敞口，且通过客户的资产状况、与其关联人、关联企业之间的关系，可揭示客户直接或间接相关的风险因素。具体实现方案为在数据平台接入统一客户中心系统、三方征信系统(外部数据)、联合贷款系统、线上贷款系统、综合信贷系统等业务系统，通过统一客户中心提供的客户身份证号码关联三方征信系统中客户身份证号，取统一客户中心的客户编号为三方征信系统客户的唯一标识，通过统一客户中心提供的核心客户号关联线上贷、联合贷、综合信贷系统的客户基本信息表，通过该表中的系统内客户编号，取到源系统客户的申请信息、五级分类情况、授信信息、信贷合同、借据信息、放款、还款等信息并将以上三个系统信息整合，整合后以统一客户中心的客户编号为客户的唯一标识，通过该唯一标识实现内外部数据的整合，使用以上变量入模形成客户的统一风险评分评级模型。

S102、基于不同合作方对客户风险的偏好，根据风险评分评级预测后的违约率水平对客群进行分发；

然后，以风险评分评级模型为基础，根据历史贷前评分评级模型预测后的客户风险评分评级，预测在该评分评级下的违约率水平，根据客户的不同违约率水平将客群推送到相应合作行。

S103、对分发后的客群进行实时监控。

在将客群推送到相应合作行后，还可以进一步对分发后的客群的实时表现情况进行监控。

综上所述，在上述实施例中，当需要分发客群时，首先通过风险评分评级模型对内外部数据进行整合，得到统一的客户风险评分评级；然后基于不同合作方对客户风险的偏好，根据风险评分评级预测后的违约率水平对客群进行分发；对分发后的客群进行实时监控。能够根据不同资方的风险偏好区分相应客群，以及基于风险应用经验建立具有前瞻性、稳定、灵活的流量分发机制。

如图2所示，为本发明公开的一种基于合作方风险偏好的客群分发方法实施例2的流程图，所述方法可以包括以下步骤：

S201、通过风险评分评级模型对内外部数据进行整合，得到统一的客户风险评分评级；

当需要分发客群时，首先通过风险评分评级模型对内外部数据进行整合，形成统一的客户风险评分评级。

通过统一的客户风险评分评级，展现客户在银行的整体授信情况和风险敞口，且通过客户的资产状况、与其关联人、关联企业之间的关系，可揭示客户直接或间接相关的风险因素。具体实现方案为在数据平台接入统一客户中心系统、三方征信系统(外部数据)、联合贷款系统、线上贷款系统、综合信贷系统等业务系统，通过统一客户中心提供的客户身份证号码关联三方征信系统中客户身份证号，取统一客户中心的客户编号为三方征信系统客户的唯一标识，通过统一客户中心提供的核心客户号关联线上贷、联合贷、综合信贷系统的客户基本信息表，通过该表中的系统内客户编号，取到源系统客户的申请信息、五级分类情况、授信信息、信贷合同、借据信息、放款、还款等信息并将以上三个系统信息整合，整合后以统一客户中心的客户编号为客户的唯一标识，通过该唯一标识实现内外部数据的整合，使用以上变量入模形成客户的统一风险评分评级模型。

S202、基于不同合作方对客户风险的偏好，根据风险评分评级预测后的违约率水平对客群进行分发；

然后，以风险评分评级模型为基础，根据历史贷前评分评级模型预测后的客户风险评分评级，预测在该评分评级下的违约率水平，根据客户的不同违约率水平将客群推送到相应合作行。

S203、对分发后的客群进行实时监控；

在将客群推送到相应合作行后，还可以进一步对分发后的客群的实时表现情况进行监控。

S204、开发规则/模型管理平台；

还可以进一步开发规则/模型管理平台，包括规则/模型分析，规则/模型配置管理。可以通过JAVA开发实现。

S205、开发预警管理平台。

还可以进一步开发预警管理平台，包括模型监控预警、预警信息派发、预警信息处理。

综上所述，本实施例在上述实施例的基础上，还可以开发规则/模型管理平台和开发预警管理平台，通过规则/模型分发机制，让业务人员能够根据需要灵活配置预警规则/模型。

如图3所示，为本发明公开的一种基于合作方风险偏好的客群分发方法实施例3的流程图，所述方法可以包括以下步骤：

S301、通过风险评分评级模型对内外部数据进行整合，得到统一的客户风险评分评级；

当需要分发客群时，首先通过风险评分评级模型对内外部数据进行整合，形成统一的客户风险评分评级。

通过统一的客户风险评分评级，展现客户在银行的整体授信情况和风险敞口，且通过客户的资产状况、与其关联人、关联企业之间的关系，可揭示客户直接或间接相关的风险因素。具体实现方案为在数据平台接入统一客户中心系统、三方征信系统(外部数据)、联合贷款系统、线上贷款系统、综合信贷系统等业务系统，通过统一客户中心提供的客户身份证号码关联三方征信系统中客户身份证号，取统一客户中心的客户编号为三方征信系统客户的唯一标识，通过统一客户中心提供的核心客户号关联线上贷、联合贷、综合信贷系统的客户基本信息表，通过该表中的系统内客户编号，取到源系统客户的申请信息、五级分类情况、授信信息、信贷合同、借据信息、放款、还款等信息并将以上三个系统信息整合，整合后以统一客户中心的客户编号为客户的唯一标识，通过该唯一标识实现内外部数据的整合，使用以上变量入模形成客户的统一风险评分评级模型。

S302、基于不同合作方对客户风险的偏好，根据风险评分评级预测后的违约率水平对客群进行分发；

然后，以风险评分评级模型为基础，根据历史贷前评分评级模型预测后的客户风险评分评级，预测在该评分评级下的违约率水平，根据客户的不同违约率水平将客群推送到相应合作行。

S303、对分发后的客群进行实时监控；

在将客群推送到相应合作行后，还可以进一步对分发后的客群的实时表现情况进行监控。

S304、对已设置的预警规则、模型进行不同维度的分析；

还可以进一步开发规则/模型管理平台，包括规则/模型分析，规则/模型配置管理。可以通过JAVA开发实现。

具体的，对已设置的预警规则、模型进行不同维度的分析。

S305、对规则/模型进行配置管理；

风险监测的基础是对监测模型进行有效的管理与维护，模型配置的主要功能包括：

(1)模型新建，即配置模型的基本信息，包括模型基本信息、数据采集来源、预警查证信息等；

(2)模型修改，可灵活修改监测模型的参数值及模型的基本信息等；

(3)模型验证，运行预定义的模型，通过风险预警查证工具对模型结果进行验证，论证该模型的正确性以及模型的实用性等；

(4)模型发布，模型配置完成之后，对模型进行发布；

(5)模型权限配置，对模型的管理权限进行设置；

(6)模型停用，对不再适用的模型进行关闭停用。

S306、对模型进行监控预警；

还可以进一步开发预警管理平台，包括模型监控预警、预警信息派发、预警信息处理。

具体的，监测模型按日、周、月、季度、半年、年等运行频率定时的自动分析，后台数据分析引擎根据预警模型预设的规则和运行频率，自动进行分析计算。运算完成后，系统自动把运算结果保存至系统数据集市中，同时根据系统线索分配策略自动把线索分配给相关人员，相关人员接收到线索任务后通过查证工具进行调查分析、事实确认，如确实存在问题，则入问题管理与风险评估平台进行问题整改跟踪和问责。

S307、对预警信息进行派发；

系统支持自动分配线索和手动分配线索两种模式，线索分配策略可根据行内需要自行设定为按模型分配，按机构分配，按业务类型分配，按模型、机构分配，按模型、业务类型分配等几种策略。

系统支持预警信息多渠道信息发布，包括WEB，短信，邮件，电话通知等多种方式。

S308、对预警信息进行处理。

各个预警模型运行后，会生成一系列的预警线索，需要由相关人员对预警线索进行分析与判断，并执行相应的后续处理，预警任务按处理状态分为“未处理”、“处理中”和“已处理”。

相关人员可在线索处理的预警模型下查看预警模型未处理、处理中的条数，预警线索的明细，并可对未处理的预警模型线索进行处理。预警查询查证任务下发后，该预警线索状态从未处理变为处理中。同时该预警模型的处理状态也可在预警监测处理中查看。具体的，可以采用帆软BI工具自助仪表盘功能，让业务分析人员通过拖拉拽的形式自助分析。

综上所述，本发明能够整合与风险有关的内外部数据，形成统一客户贷前风险评分评级；能够通过风险数据集市/智能监测平台，让风险业务人员能够根据需要灵活配置预警规则/模型；能够通过智能监测满足用户通过托拉拽灵活、快速进行分析，实时调整模型及策略表现。

如图4所示，为本发明公开的一种基于合作方风险偏好的客群分发系统实施例1的结构示意图，所述系统可以包括：

整合模块401，用于通过风险评分评级模型对内外部数据进行整合，得到统一的客户风险评分评级；

当需要分发客群时，首先通过风险评分评级模型对内外部数据进行整合，形成统一的客户风险评分评级。

通过统一的客户风险评分评级，展现客户在银行的整体授信情况和风险敞口，且通过客户的资产状况、与其关联人、关联企业之间的关系，可揭示客户直接或间接相关的风险因素。具体实现方案为在数据平台接入统一客户中心系统、三方征信系统(外部数据)、联合贷款系统、线上贷款系统、综合信贷系统等业务系统，通过统一客户中心提供的客户身份证号码关联三方征信系统中客户身份证号，取统一客户中心的客户编号为三方征信系统客户的唯一标识，通过统一客户中心提供的核心客户号关联线上贷、联合贷、综合信贷系统的客户基本信息表，通过该表中的系统内客户编号，取到源系统客户的申请信息、五级分类情况、授信信息、信贷合同、借据信息、放款、还款等信息并将以上三个系统信息整合，整合后以统一客户中心的客户编号为客户的唯一标识，通过该唯一标识实现内外部数据的整合，使用以上变量入模形成客户的统一风险评分评级模型。

分发模块402，用于基于不同合作方对客户风险的偏好，根据风险评分评级预测后的违约率水平对客群进行分发；

然后，以风险评分评级模型为基础，根据历史贷前评分评级模型预测后的客户风险评分评级，预测在该评分评级下的违约率水平，根据客户的不同违约率水平将客群推送到相应合作行。

监控模块403，用于对分发后的客群进行实时监控。

在将客群推送到相应合作行后，还可以进一步对分发后的客群的实时表现情况进行监控。

综上所述，在上述实施例中，当需要分发客群时，首先通过风险评分评级模型对内外部数据进行整合，得到统一的客户风险评分评级；然后基于不同合作方对客户风险的偏好，根据风险评分评级预测后的违约率水平对客群进行分发；对分发后的客群进行实时监控。能够根据不同资方的风险偏好区分相应客群，以及基于风险应用经验建立具有前瞻性、稳定、灵活的流量分发机制。

如图5所示，为本发明公开的一种基于合作方风险偏好的客群分发系统实施例2的结构示意图，所述系统可以包括：

整合模块501，用于通过风险评分评级模型对内外部数据进行整合，得到统一的客户风险评分评级；

当需要分发客群时，首先通过风险评分评级模型对内外部数据进行整合，形成统一的客户风险评分评级。

通过统一的客户风险评分评级，展现客户在银行的整体授信情况和风险敞口，且通过客户的资产状况、与其关联人、关联企业之间的关系，可揭示客户直接或间接相关的风险因素。具体实现方案为在数据平台接入统一客户中心系统、三方征信系统(外部数据)、联合贷款系统、线上贷款系统、综合信贷系统等业务系统，通过统一客户中心提供的客户身份证号码关联三方征信系统中客户身份证号，取统一客户中心的客户编号为三方征信系统客户的唯一标识，通过统一客户中心提供的核心客户号关联线上贷、联合贷、综合信贷系统的客户基本信息表，通过该表中的系统内客户编号，取到源系统客户的申请信息、五级分类情况、授信信息、信贷合同、借据信息、放款、还款等信息并将以上三个系统信息整合，整合后以统一客户中心的客户编号为客户的唯一标识，通过该唯一标识实现内外部数据的整合，使用以上变量入模形成客户的统一风险评分评级模型。

分发模块502，用于基于不同合作方对客户风险的偏好，根据风险评分评级预测后的违约率水平对客群进行分发；

然后，以风险评分评级模型为基础，根据历史贷前评分评级模型预测后的客户风险评分评级，预测在该评分评级下的违约率水平，根据客户的不同违约率水平将客群推送到相应合作行。

监控模块503，用于对分发后的客群进行实时监控；

在将客群推送到相应合作行后，还可以进一步对分发后的客群的实时表现情况进行监控。

第一开发模块504，用于开发规则/模型管理平台；

还可以进一步开发规则/模型管理平台，包括规则/模型分析，规则/模型配置管理。可以通过JAVA开发实现。

第二开发模块505，用于开发预警管理平台。

还可以进一步开发预警管理平台，包括模型监控预警、预警信息派发、预警信息处理。

综上所述，本实施例在上述实施例的基础上，还可以开发规则/模型管理平台和开发预警管理平台，通过规则/模型分发机制，让业务人员能够根据需要灵活配置预警规则/模型。

如图6所示，为本发明公开的一种基于合作方风险偏好的客群分发系统实施例3的结构示意图，所述系统可以包括：

整合模块601，用于通过风险评分评级模型对内外部数据进行整合，得到统一的客户风险评分评级；

当需要分发客群时，首先通过风险评分评级模型对内外部数据进行整合，形成统一的客户风险评分评级。

通过统一的客户风险评分评级，展现客户在银行的整体授信情况和风险敞口，且通过客户的资产状况、与其关联人、关联企业之间的关系，可揭示客户直接或间接相关的风险因素。具体实现方案为在数据平台接入统一客户中心系统、三方征信系统(外部数据)、联合贷款系统、线上贷款系统、综合信贷系统等业务系统，通过统一客户中心提供的客户身份证号码关联三方征信系统中客户身份证号，取统一客户中心的客户编号为三方征信系统客户的唯一标识，通过统一客户中心提供的核心客户号关联线上贷、联合贷、综合信贷系统的客户基本信息表，通过该表中的系统内客户编号，取到源系统客户的申请信息、五级分类情况、授信信息、信贷合同、借据信息、放款、还款等信息并将以上三个系统信息整合，整合后以统一客户中心的客户编号为客户的唯一标识，通过该唯一标识实现内外部数据的整合，使用以上变量入模形成客户的统一风险评分评级模型。

分发模块602，用于基于不同合作方对客户风险的偏好，根据风险评分评级预测后的违约率水平对客群进行分发；

然后，以风险评分评级模型为基础，根据历史贷前评分评级模型预测后的客户风险评分评级，预测在该评分评级下的违约率水平，根据客户的不同违约率水平将客群推送到相应合作行。

监控模块603，用于对分发后的客群进行实时监控；

在将客群推送到相应合作行后，还可以进一步对分发后的客群的实时表现情况进行监控。

分析单元604，用于对已设置的预警规则、模型进行不同维度的分析；

还可以进一步开发规则/模型管理平台，包括规则/模型分析，规则/模型配置管理。可以通过JAVA开发实现。

具体的，对已设置的预警规则、模型进行不同维度的分析。

管理单元605，用于对规则/模型进行配置管理；

风险监测的基础是对监测模型进行有效的管理与维护，模型配置的主要功能包括：

(1)模型新建，即配置模型的基本信息，包括模型基本信息、数据采集来源、预警查证信息等；

(2)模型修改，可灵活修改监测模型的参数值及模型的基本信息等；

(3)模型验证，运行预定义的模型，通过风险预警查证工具对模型结果进行验证，论证该模型的正确性以及模型的实用性等；

(4)模型发布，模型配置完成之后，对模型进行发布；

(5)模型权限配置，对模型的管理权限进行设置；

(6)模型停用，对不再适用的模型进行关闭停用。

监控预警单元606，用于对模型进行监控预警；

还可以进一步开发预警管理平台，包括模型监控预警、预警信息派发、预警信息处理。

具体的，监测模型按日、周、月、季度、半年、年等运行频率定时的自动分析，后台数据分析引擎根据预警模型预设的规则和运行频率，自动进行分析计算。运算完成后，系统自动把运算结果保存至系统数据集市中，同时根据系统线索分配策略自动把线索分配给相关人员，相关人员接收到线索任务后通过查证工具进行调查分析、事实确认，如确实存在问题，则入问题管理与风险评估平台进行问题整改跟踪和问责。

派发单元607，用于对预警信息进行派发；

系统支持自动分配线索和手动分配线索两种模式，线索分配策略可根据行内需要自行设定为按模型分配，按机构分配，按业务类型分配，按模型、机构分配，按模型、业务类型分配等几种策略。

系统支持预警信息多渠道信息发布，包括WEB，短信，邮件，电话通知等多种方式。

处理单元608，用于对预警信息进行处理。

各个预警模型运行后，会生成一系列的预警线索，需要由相关人员对预警线索进行分析与判断，并执行相应的后续处理，预警任务按处理状态分为“未处理”、“处理中”和“已处理”。

相关人员可在线索处理的预警模型下查看预警模型未处理、处理中的条数，预警线索的明细，并可对未处理的预警模型线索进行处理。预警查询查证任务下发后，该预警线索状态从未处理变为处理中。同时该预警模型的处理状态也可在预警监测处理中查看。具体的，可以采用帆软BI工具自助仪表盘功能，让业务分析人员通过拖拉拽的形式自助分析。

综上所述，本发明能够整合与风险有关的内外部数据，形成统一客户贷前风险评分评级；能够通过风险数据集市/智能监测平台，让风险业务人员能够根据需要灵活配置预警规则/模型；能够通过智能监测满足用户通过托拉拽灵活、快速进行分析，实时调整模型及策略表现。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。