[發明專利]一種基于多維度實現決策評估的方法

在審

• 申請號: 202110135844.7
• 申請日: 2021-02-01
• 公開（公告）號: CN112508689A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 江海;李開宇
• 申請（專利權）人: 四川新網銀行股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06N3/08;G06N3/04;G06F16/2458
• 代理公司: 成都智言知識產權代理有限公司 51282
• 代理人: 濮云杉

本發明公開了一種基于多維度實現決策評估的方法，屬于智能決策挖掘技術領域，針對現有技術中僅僅從風險視角量化信貸收益，很難做到對客戶的精細化運營，并且單從風險視角量化信貸收益，很難從業務視角進行定價策略調整化的問題，本發明提出的技術方案包括對客戶的數據進行采集，將數據進行匯總整理，然后進行加工，清洗，構建模型進行模型訓練與參數優化，得到訓練好的模型文件；封裝成API接口服務,客戶在前端交互工具中申請授信時，對客戶授信所需數據的采集；然后得到不同模型對應的輸出值，并根據輸出值得到客戶的個性化定價，并計算客戶的預期收益；將所述個性化定價通過前端交互工具展示反饋給客戶。本發明用于決策評估。

技術領域

本發明屬于智能決策挖掘技術領域，具體涉及一種基于多維度實現決策評估的方法。

背景技術

在大數據與人工智能技術飛速發展的時代下，將大數據與智能技術應用于金融領域，能夠實現對信貸產品從多維度進行量化，通過將這些智能化的量化指標與業務方向、企業發展階段、市場規模、客群定位等相結合，從而實現信貸產品的精細化定價。

如圖1所示，現有技術中信貸產品的定價技術方案為:

橫向流程為模型構建流程：

步驟一：數據采集：對客戶的信息數據進行采集；

步驟二：數據加工與整合：將采集到的所有數據進行匯總整理；

步驟三：風控模型訓練：對風險數據進行模型訓練和參數調優，最終得到訓練好的模型文件；

步驟四：模型服務：將得到的模型文件封裝成API接口服務；

縱向流程為用戶信貸申請定價流程：

步驟五：用戶申請授信：在客戶申請授信過程中，采集客戶的數據信息；

步驟六：授信決策：授信決策引擎對步驟五的數據信息進行匹配整合以及加工，然后調用步驟四生成的API接口服務，得到各類風險評估預測值，再通過決策規則庫匹配不同類型的規則確定客戶的風險表現，給予個性化的定價。

步驟七：反饋授信結果：將步驟六得到個性化定價反饋給客戶，通過前端交互工具進行展示。

現有技術中存在的缺點：

1.企業僅僅從客戶風險視角量化信貸收益，不能滿足其他的場景和維度，無法對客戶做到精細化運營；

2.企業依賴風險視角量化信貸收益，難以從自身業務視角進行定價策略調整。

發明內容

針對現有技術中僅僅從風險視角量化信貸收益，很難做到對客戶的精細化運營，并且一些小的金融機構，單從風險視角量化信貸收益，很難從業務視角進行定價策略調整化的問題，本發明提供一種可精細化信貸定價的方法，其目的在于：結合大數據技術與機器學習或深度學習技術，實現對信貸客戶的成本、收益相關特征行為進行量化，使得信貸客戶的預期收益預估更加準確，實現信貸產品的精細化運營，同時為產品運營提供更多維度的量化指標，提升金融企業應對復雜市場環境的能力。

為了達到上述目的，本發明采用如下技術方案：

一種基于多維度實現決策評估的方法，包括：

步驟A：對客戶的風險特征數據和收益特征數據進行采集，并存儲至大數據平臺中；

步驟B：將步驟A中采集的所有客戶數據進行匯總整理，然后進行加工；

步驟C：對加工后的數據進行清洗，同時確認多種目標變量與總量特征，構建不同目標變量對應的模型進行模型訓練與參數優化，得到訓練好的模型文件；

步驟D：將所述模型文件封裝成API接口服務,所述API接口服務的輸入為模型所需特征，輸出為模型預測的結果；

步驟E：客戶在前端交互工具中申請授信時，在服務流程的過程中完成對客戶授信所需數據的采集；