[發明專利]基于大數據的客戶風險評級方法、裝置、設備及存儲介質

在審

• 申請號: 202011539128.7
• 申請日: 2020-12-23
• 公開（公告）號: CN112668859A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 周梅
• 申請（專利權）人: 平安普惠企業管理有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F16/215;G06F16/2458
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 姚維

1.一種基于大數據的客戶風險評級方法，其特征在于，所述基于大數據的客戶風險評級方法包括：

從預置數據庫獲取目標客戶的歷史業務數據，其中，所述歷史業務數據包括所述目標客戶的客訴記錄、客戶信息、交易信息和基礎風險數據，所述基礎風險數據包括行業標識；

對所述目標客戶的歷史業務數據進行數據清洗，得到所述目標客戶的關聯風險數據，其中，所述關聯風險數據包括與所述目標客戶存在關聯關系的關聯對象的標識字段；

獲取客戶風險識別請求，調用預置風險識別模型，對所述關聯風險數據進行識別，并根據識別結果判斷所述目標客戶是否為高風險目標客戶；

若所述目標客戶為高風險目標客戶，則構建多維度的客戶風險評級模型；

通過所述多維度的客戶風險評級模型對所述高風險目標客戶進行風險評級，得到所述高風險目標客戶的目標風險等級。

2.根據權利要求1所述的基于大數據的客戶風險評級方法，其特征在于，所述對所述目標客戶的歷史業務數據進行數據清洗，得到所述目標客戶的關聯風險數據包括：

接收數據清洗請求；

基于所述數據清洗請求，獲取需要進行數據清洗的歷史業務數據；

根據所述歷史業務數據與所述數據清洗請求以及預訓練的清洗規則分類模型，確定用于對所述歷史業務數據進行數據清洗的目標清洗規則；

根據所述目標清洗規則對所述歷史業務數據進行數據清洗，得到所述目標客戶的關聯風險數據。

3.根據權利要求1所述的基于大數據的客戶風險評級方法，其特征在于，在所述對所述目標客戶的歷史業務數據進行數據清洗，得到所述目標客戶的關聯風險數據之后，還包括：

根據所述標識字段，獲取所述關聯對象的風險數據；

基于所述關聯對象的風險數據以及預設的風險識別模型，計算所述關聯對象的風險評分；

計算每個所述關聯對象與所述目標客戶的親密度；

根據所述關聯對象的風險評分和親密度，確定所述目標客戶受到所述關聯對象影響的風險遷移率，將所述風險遷移率作為一個關聯風險指標。

4.根據權利要求1所述的基于大數據的客戶風險評級方法，其特征在于，在所述獲取客戶風險識別請求，調用預置風險識別模型，對所述關聯風險數據進行識別，并根據識別結果判斷所述目標客戶是否為高風險目標客戶之前，還包括：

獲取多個樣本客戶的樣本風險數據及每個所述樣本客戶對應的行業標識；

對所述樣本風險數據進行預處理，得到多種樣本風險指標其中，所述樣本風險指標具有對應的數據源類別；

在多個所述樣本風險指標中篩選每個行業標識對應的行業風險指標；

基于所述行業風險指標訓練得到每種行業標識不同所述數據源類別分別對應的目標模型；

通過每種行業標識對應的不同目標模型建立相應的風險識別模型。

5.根據權利要求1所述的基于大數據的客戶風險評級方法，其特征在于，所述構建多維度的客戶風險評級模型包括：

獲取因子樹，所述因子樹包括多個節點，每個所述節點關聯一個建模因子；

獲取指定的第一風險行為場景；

從所述因子樹中提取與所述第一風險行為場景對應的建模因子；

獲取樣本數據，所述樣本數據中的正負樣本比例為設定比例；

從所述樣本數據中提取樣本特征數據，所述樣本特征數據與所述第一風險行為場景對應的建模因子相對應；

將所述樣本特征數據輸入至預先選定的模型算法中進行有監督訓練，得到所述第一風險行為場景對應的客戶風險評級模型。

6.根據權利要求1所述的基于大數據的客戶風險評級方法，其特征在于，所述通過所述多維度的客戶風險評級模型對所述高風險目標客戶進行風險評級，得到所述高風險目標客戶的目標風險等級包括：

獲取所述高風險目標客戶的資料信息；

根據所述高風險目標客戶的資料信息，通過多維度的客戶風險評級模型從多個維度分別評估客戶的風險等級；

獲取各個維度的風險等級評估結果；

從多個風險等級中取最高的作為該客戶的目標風險等級，并將所述目標風險等級反饋至客訴處理中心。