【技術實現步驟摘要】
本專利技術涉及數據處理，尤其涉及一種催繳難易程度評估方法、裝置及可讀存儲介質。
技術介紹
1、目前政企客戶存在大量逾期欠費用戶產生的應收賬款，急切需要一種科學的、量化的催收策略來收回應收賬款，為此，可以通過對政企客戶進行催繳難易程度評估，以預測未來催回政企客戶應收賬款的可能性，從而優化催繳流程，提高催繳效率，并改善客戶關系。
2、但現有的催繳難易程度評估方法評估維度單一，導致評估結果片面，無法全面反映真實的催繳情況。
技術實現思路
1、本專利技術所要解決的技術問題是針對現有技術的上述不足，提供一種催繳難易程度評估方法、裝置及可讀存儲介質，用以解決現有的催繳難易程度評估方法評估維度單一，導致評估結果片面，無法全面反映真實的催繳情況的問題。
2、第一方面，本專利技術提供一種催繳難易程度評估方法，包括：
3、獲取逾期客戶的催繳評估數據；
4、根據所述逾期客戶的催繳評估數據，構建所述逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征；
5、將所述逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征輸入到訓練好的催繳難易模型，得到所述逾期客戶的催繳難易程度評分，其中，所述催繳難易模型為基于邏輯回歸算法構建的模型。
6、進一步地，所述將所述逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征輸入到訓練好的催繳難易模型，得到所述逾期客戶的催繳難易程度評分之前，所述方法還包括：
7、根據實
8、根據所述建模樣本數據，確定所述催繳難易模型的目標變量，并構建所述催繳難易模型的預測變量，其中，所述預測變量包括逾期行為特征、收入負債特征、業務合作特征和工商特征；
9、采用邏輯回歸算法構建所述催繳難易模型，并根據所述建模樣本數據以及所述催繳難易模型的目標變量和預測變量，訓練所述催繳難易模型，得到訓練好的所述催繳難易模型。
10、進一步地，所述根據所述建模樣本數據，確定所述催繳難易模型的目標變量，具體包括：
11、針對所述建模樣本數據中每個催繳客戶的歷史催繳評估數據，根據所述催繳客戶的歷史催繳評估數據中每個月的還款金額以及應收金額，計算所述催繳客戶每個月的累計月還款率；
12、根據所述催繳客戶每個月的累計月還款率，計算所述催繳客戶的指數平均還款率；
13、根據所有所述催繳客戶的指數平均還款率的分布情況，設置目標閾值；
14、針對所述每個催繳客戶，根據所述催繳客戶的指數平均還款率以及所述目標閾值，判斷所述催繳客戶是否是易催客戶，并將催繳客戶是否是易催客戶作為所述目標變量。
15、進一步地，所述根據所述催繳客戶的指數平均還款率以及所述目標閾值，判斷所述催繳客戶是否是易催客戶，具體包括：
16、若所述催繳客戶的指數平均還款率大于等于所述目標閾值，則判斷所述催繳客戶是易催客戶；
17、若所述催繳客戶的指數平均還款率小于所述目標閾值，則判斷所述催繳客戶是難催客戶。
18、進一步地，所述將所述逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征輸入到訓練好的催繳難易模型，得到所述逾期客戶的催繳難易程度評分之前，所述方法還包括：
19、根據訓練好的所述催繳難易模型的訓練結果，構建評分卡，其中，所述評分卡的評分維度包括收入負債維度、業務合作維度、逾期行為維度和工商特征維度。
20、進一步地，所述將所述逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征輸入到訓練好的催繳難易模型，得到所述逾期客戶的催繳難易程度評分，具體包括：
21、將所述逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征輸入到訓練好的所述催繳難易模型，通過訓練好的所述催繳難易模型基于所述評分卡的評分維度分別對所述逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征進行打分，得到所述逾期客戶的逾期行為評分、收入負債評分、業務合作評分和工商特征評分；以及，
22、根據所述逾期客戶的逾期行為評分、收入負債評分、業務合作評分和工商特征評分，計算所述逾期客戶的催繳難易程度評分。
23、進一步地，所述將所述逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征輸入到訓練好的催繳難易模型，得到所述逾期客戶的催繳難易程度評分之后，所述方法還包括：
24、根據所述逾期客戶的催繳難易程度評分，采取對應措施進行催回。
25、第二方面，本專利技術提供一種催繳難易程度評估裝置，包括：
26、獲取模塊，用于獲取逾期客戶的催繳評估數據；
27、構建模塊，與所述獲取模塊連接，用于根據所述逾期客戶的催繳評估數據，構建所述逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征；
28、評估模塊，與所述構建模塊連接，用于將所述逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征輸入到訓練好的催繳難易模型，得到所述逾期客戶的催繳難易程度評分，其中，所述催繳難易模型為基于邏輯回歸算法構建的模型。
29、第三方面，本專利技術提供一種催繳難易程度評估裝置，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器被設置為運行所述計算機程序以實現上述第一方面所述的催繳難易程度評估方法。
30、第四方面，本專利技術提供一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現上述第一方面所述的催繳難易程度評估方法。
31、本專利技術提供的催繳難易程度評估方法、裝置及可讀存儲介質，首先獲取逾期客戶的催繳評估數據；然后根據所述逾期客戶的催繳評估數據，構建所述逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征；最后將所述逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征輸入到訓練好的催繳難易模型，得到所述逾期客戶的催繳難易程度評分，其中，所述催繳難易模型為基于邏輯回歸算法構建的模型。本專利技術通過利用逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征的多維度數據，基于訓練好的催繳難易模型對逾期客戶的催繳難易程度進行評分，旨在全面反映真實的催繳情況并預測逾期客戶未來催回的可能性，以優化催繳流程并提高催繳效率，解決了現有的催繳難易程度評估方法評估維度單一，導致評估結果片面，無法全面反映真實的催繳情況的問題。
本文檔來自技高網...【技術保護點】
1.一種催繳難易程度評估方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述將所述逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征輸入到訓練好的催繳難易模型，得到所述逾期客戶的催繳難易程度評分之前，所述方法還包括：
3.根據權利要求2所述的方法，其特征在于，所述根據所述建模樣本數據，確定所述催繳難易模型的目標變量，具體包括：
4.根據權利要求3所述的方法，其特征在于，所述根據所述催繳客戶的指數平均還款率以及所述目標閾值，判斷所述催繳客戶是否是易催客戶，具體包括：
5.根據權利要求1所述的方法，其特征在于，所述將所述逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征輸入到訓練好的催繳難易模型，得到所述逾期客戶的催繳難易程度評分之前，所述方法還包括：
6.根據權利要求5所述的方法，其特征在于，所述將所述逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征輸入到訓練好的催繳難易模型，得到所述逾期客戶的催繳難易程度評分，具體包括：
7.根據權利要求1所述的方法
8.一種催繳難易程度評估裝置，其特征在于，包括：
9.一種催繳難易程度評估裝置，其特征在于，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器被設置為運行所述計算機程序以實現如權利要求1-7中任一項所述的催繳難易程度評估方法。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1-7中任一項所述的催繳難易程度評估方法。
...【技術特征摘要】
1.一種催繳難易程度評估方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述將所述逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征輸入到訓練好的催繳難易模型，得到所述逾期客戶的催繳難易程度評分之前，所述方法還包括：
3.根據權利要求2所述的方法，其特征在于，所述根據所述建模樣本數據，確定所述催繳難易模型的目標變量，具體包括：
4.根據權利要求3所述的方法，其特征在于，所述根據所述催繳客戶的指數平均還款率以及所述目標閾值，判斷所述催繳客戶是否是易催客戶，具體包括：
5.根據權利要求1所述的方法，其特征在于，所述將所述逾期客戶的逾期行為特征、收入負債特征、業務合作特征和工商特征輸入到訓練好的催繳難易模型，得到所述逾期客戶的催繳難易程度評分之前，所述方法還包括：
6.根據權利要求5所述的方法，其特征在...
【專利技術屬性】
技術研發人員：陳斌，蔡麗麗，
申請(專利權)人：中國聯合網絡通信集團有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。