【技術實現步驟摘要】
本專利技術涉及風險畫像生成，具體為一種自動化風險畫像生成方法。
技術介紹
1、自動化風險畫像生成方法通常用于評估和預測各種風險，通過綜合分析多種數據來源和指標來生成風險畫像，包括：數據采集、數據預處理、數據分析、風險畫像生成、結果解釋和應用以及反饋與優化，將先進的數據分析技術和機器學習算法與實際應用場景相結合，從而自動化地生成有用的風險信息；
2、從各種數據源收集相關數據，包括結構化數據、非結構化數據和半結構化數據，處理缺失值、異常值和錯誤數據，確保數據的準確性和一致性，將來自不同來源的數據整合在一起，構建統一的數據集，提取和選擇對風險評估重要的特征，使用統計方法分析數據分布、相關性等基本特征，應用機器學習算法來預測和識別潛在的風險，建立風險預測模型，利用訓練數據來調整模型參數，優化預測準確性，將模型預測的風險等級或風險分數轉換為可視化的風險畫像，將風險分為不同類別，并在畫像中標示出不同類別的風險區域，定期更新風險畫像以反映最新的數據和模型預測結果，提供對風險畫像的解釋，幫助用戶理解風險的來源和可能的影響，將風險畫像應用于實際決策中，通過實際結果評估模型的表現，識別并改進模型的不足之處，收集用戶對風險畫像的反饋，調整和優化生成方法，以提高準確性和用戶滿意度；
3、現有的自動化風險畫像生成方法，無法根據客戶所提供的歷史數據，判斷客戶的還款積極度，無法根據客戶的歷史數據，判斷存在延遲還款的客戶的信用度，無法判斷存在延遲還款的客戶對被動還款的業務是否知情，從而容易產生錯判、誤判的情況，容易導致因客戶存在不知情的
技術實現思路
1、本專利技術提供了一種自動化風險畫像生成方法，用于促進解決
技術介紹
中所提問題。
2、本專利技術提供如下技術方案：一種自動化風險畫像生成方法，包括：
3、步驟s1：數據聚合，收集公司內各業務系統中目標客戶提供的基本信息和授權查詢的征信報告；
4、獲取內外部模型評分；
5、收集目標客戶授權查詢的在第三方的信用信息；
6、收集目標客戶在目標公司的歷史交易信息和歷史還款信息；
7、建設數據倉庫和數據集市，對數據進行建模；
8、步驟s2：數據處理，對收集的數據進行預處理，進行數據清洗、格式統一和去重處理，通過特征工程提取關鍵特征，并將其轉化為數值化表示；
9、步驟s3：標簽生成，基于預處理后的數據生成若干客戶標簽，并將客戶標簽進行細分；
10、步驟s4：標簽分析，通過數據分析策略，形成分析數據；
11、步驟s5：風險畫像生成，綜合各類客戶標簽及分析數據，生成客戶的風險畫像。
12、作為本專利技術所述自動化風險畫像生成方法的一種可選方案，其中：所述數據分析策略，包括用戶習慣分析策略，具體為：
13、獲取目標客戶在目標公司的歷史業務數據；
14、所述歷史業務數據包括第一歷史業務數據和第二歷史業務數據；
15、將所有第一歷史業務數據的業務總額，定為第一總額；
16、將所有第二歷史業務數據的業務總額，定為第二總額；
17、若目標客戶不存在第一歷史業務數據，則執行他方分析策略；
18、若目標客戶存在第一歷史業務數據，則將目標客戶認定為有歷史客戶，并獲取目標客戶在目標公司的第一總額；
19、獲取目標客戶在目標公司的第二總額；
20、若目標客戶在目標公司的第一總額＝目標客戶在目標公司的第二總額，則判定為第一客戶；
21、若目標客戶在目標公司的第一總額≠目標客戶在目標公司的第二總額，則判定為第二客戶。
22、作為本專利技術所述自動化風險畫像生成方法的一種可選方案，其中：所述他方分析策略，具體為：
23、獲取目標客戶的所有業務公司，定為分析公司；
24、若目標客戶不存在分析公司，則將目標客戶認定為無歷史客戶；
25、若目標客戶存在分析公司，則將目標客戶認定為有歷史客戶，并分別獲取目標客戶在每個分析公司的第一總額；
26、分別獲取目標客戶在每個分析公司的第二總額；
27、若目標客戶在每個分析公司的第一總額＝目標客戶在每個分析公司的第二總額，則判定為第三客戶；
28、若目標客戶在每個分析公司的第一總額≠目標客戶在每個分析公司的第二總額，則判定為第四客戶。
29、作為本專利技術所述自動化風險畫像生成方法的一種可選方案，其中：所述用戶習慣分析策略，還包括：
30、獲取有歷史客戶的所有第一歷史業務數據；
31、獲取有歷史客戶的每個第一歷史業務數據的業務限定時間，定為第一業務時間；
32、獲取有歷史客戶的每個第二歷史業務數據的業務終止時間，定為第二業務時間；
33、設定延期時長；
34、若第二業務時間＞第一業務時間+延期時長，則判定為第五客戶，并執行客戶分析策略；
35、若第二業務時間≤第一業務時間+延期時長，則判定為第六客戶。
36、作為本專利技術所述自動化風險畫像生成方法的一種可選方案，其中：所述客戶分析策略，具體為：
37、獲取有歷史客戶的歷史業務數據，所述歷史業務數據包括操作方式；
38、所述操作方式包括主動操作和被動操作；
39、獲取有歷史客戶的所有第二歷史業務數據；
40、獲取有歷史客戶的每個第二歷史業務數據對應的操作方式；
41、若所有第二歷史業務數據對應的操作方式均為被動操作，則執行操作分析策略；
42、若存在第二歷史業務數據對應的操作方式為主動操作，則將該有歷史客戶認定為延遲客戶。
43、作為本專利技術所述自動化風險畫像生成方法的一種可選方案，其中：所述操作分析策略，具體為：
44、獲取有歷史客戶的所有操作信息；
45、獲取有歷史客戶的所有第二歷史業務數據；
46、獲取有歷史客戶的每個第二歷史業務數據對應的操作信息；
47、若所有第二歷史業務數據對應的操作信息均一致，則執行第一信息分析策略；
48、若存在第二歷史業務數據對應的操作信息與其他操作信息不一致，則執行第二信息分析策略。
49、作為本專利技術所述自動化風險畫像生成方法的一種可選方案，其中：所述第一信息分析策略，具體為：
50、獲取操作信息對應的提示操作；
51、獲取有歷史客戶的所有第二歷史業務數據；
52、獲取有歷史客戶的每個第二歷史業務數據對應的提示操作；
53、若存在第二歷史業務數據具有相應的提示操作，則將該有歷史客戶認定為延遲客戶；
54、若所有第二歷史業務數據均不存在相應的提示操作，則將所有第二歷史業務數據依次認定為目標本文檔來自技高網...
【技術保護點】
1.一種自動化風險畫像生成方法，其特征在于：包括：
2.根據權利要求1所述的自動化風險畫像生成方法，其特征在于：所述數據分析策略，包括用戶習慣分析策略，具體為：
3.根據權利要求2所述的自動化風險畫像生成方法，其特征在于：所述他方分析策略，具體為：
4.根據權利要求2所述的自動化風險畫像生成方法，其特征在于：所述用戶習慣分析策略，還包括：
5.根據權利要求4所述的自動化風險畫像生成方法，其特征在于：所述客戶分析策略，具體為：
6.根據權利要求5所述的自動化風險畫像生成方法，其特征在于：所述操作分析策略，具體為：
7.根據權利要求6所述的自動化風險畫像生成方法，其特征在于：所述第一信息分析策略，具體為：
8.根據權利要求6所述的自動化風險畫像生成方法，其特征在于：所述第二信息分析策略，具體為：
9.根據權利要求1所述的自動化風險畫像生成方法，其特征在于：所述數據分析策略，還包括評分策略，具體為：
【技術特征摘要】
1.一種自動化風險畫像生成方法，其特征在于：包括：
2.根據權利要求1所述的自動化風險畫像生成方法，其特征在于：所述數據分析策略，包括用戶習慣分析策略，具體為：
3.根據權利要求2所述的自動化風險畫像生成方法，其特征在于：所述他方分析策略，具體為：
4.根據權利要求2所述的自動化風險畫像生成方法，其特征在于：所述用戶習慣分析策略，還包括：
5.根據權利要求4所述的自動化風險畫像生成方法，其特征在于：...
【專利技術屬性】
技術研發人員：李志煌，程峰，孫鋮，許金煒，趙賽賽，
申請(專利權)人：浙江寧銀消費金融股份有限公司，
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。