一种基于大数据的信贷数据统计分析方法及系统与流程

1.本发明涉及大数据技术领域，具体涉及一种基于大数据的信贷数据统计分析方法及系统。


背景技术：

2.在放出贷款的过程中为了控制贷款的风险，通常会对用户的各种信息都有进行收集，往往对企业的资质、信誉、成长性等方面要求很高，同时也需要数据真实且细致，各种用户的个人工资，贷款潜质等因素，对企业或者个人用户进行贷款考核，所以要对用户信息进行判断使得用户能够贷款部分贷款类型，由于采集的贷款数据庞大而且数据冗余，而且用户通常并不清楚自己得到的贷款结果的主要计算方式，所以要获取及足够基数的贷款数据的话，且可以根据贷款数据中的各项指标判断贷款风险，得到贷款结果，并且可以贷款结果的计算方式，亟需一种基于大数据的信贷数据统计分析方法及系统来解决上述的问题。


技术实现要素：

3.本发明的目的在于提出一种基于大数据的信贷数据统计分析方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
4.一种基于大数据的信贷数据统计分析方法，所述方法包括以下步骤：
5.s100：采集用户贷款信息；
6.s200：根据用户贷款信息进行数据统计分析得到数据分析模型；
7.s300：根据所述数据分析模型中的数据流赋予权重值；
8.s400：根据所述数据流的权重值通过计算得到贷款信息熵；
9.s500：通过贷款信息熵构建贷款矩阵，并通过矩阵数据反馈贷款方式及贷款额度。
10.进一步地，在步骤s100中，采集用户的贷款信息，所述贷款信息包括：用户信用等级、用户身份信息、用户不动产信息和用户工资信息，将所述用户信用等级进行定义，分别为一级信息和二级信息，所述用户身份信息的属性状态分为个人贷款和企业贷款，所述用户不动产信息的属性状态包括有可抵押和不可抵押；所述用户工资信息的属性状态分为高等工资、中等工资和低等工资，将所述采集的用户贷款信息根据各项权重统计分析得到用户贷款系数，通过所述用户贷款系数判断用户贷款风险值以及用户贷款方式。
11.进一步地，在步骤s200中，所述基于所述用户信息与用户工资信息，得到贷款分类树，将用户信息等级作为贷款分类树的根节点，并根据用户信息等级进行分类，分类为若干个个贷款类别，并将所述贷款类别作为贷款分类数的子节点，将所述贷款分类树中存储的数据流构建数据分析模型。
12.进一步地，在步骤s300中，将所述数据分析模型融合组合赋权模型，将数据分析模型中的用户贷款数据提取为数据流，量化所述数据流的权重，所述方法步骤为：
13.s301：将数据分析模型的数据流集合定义为d，d＝{m1，m2，
…
，mn}，根据数据流的构建的贷款分类树对数据流集合内的所有数据流进行分级评分，得到矩阵m＝(m1，m2，
…
，mn)
t
，
保证所有指标都在同一量纲上；
14.s302：通过贷款分类树中的分布定量分析，计算贷款数据中的主观权重，在集合d中筛选最重要的数据流mi,并依次进行筛选出第二重要的数据流以此类推，经过n-1次选择后，得到按主观权重排序集合e，相邻指标间的重要程度定量分析，通过计算得到数据流的权重比例hk，所述mk和m
k+1
均为集合m中的元素，指标权重计算，根据给定的hk赋值，可以得到数据流的主观权重值sub，可以得到数据流的主观权重值sub，通过主观权重值sub得到评价指标集的主观权重向量s＝(x1，x1，
…
,xn)，所述主管权重矩阵就是各个数据流的主观权重集合；
15.s303：计算数据流的客观权重，计算数据流的信息熵ei：
[0016][0017]
其中，ei表示集合e中第i个数据流的信息熵，n表示数据流的信息熵个数，m
ij
表示矩阵m的第i位元素，计算计算数据流的客观权重值obj：
[0018][0019]
通过客观权重值obj得到评价指标集的客观权重向量o＝(y1，y2，
…
,yn)，对所述主观权重和客观权重向量进行优化拟合，得到综合权重值
[0020][0021]
其中，所述si为主观权重向量集合的第i项，所述oi为客观权重向量集合的第i项，所述综合权重矩阵就是最终的数据流权重值。
[0022]
进一步地，在步骤s400中，根据数据流权重值，快速得到所述数据流中数据在贷款评判中的占比，利用障碍度模型识别贷款障碍，所述贷款障碍为用户贷款信息中的贷款扣分数据，将贷款障碍映射到贷款分析模型中，以贷款障碍在贷款分析模型中进行深度遍历，得到主要贷款扣分图，根据所述主要贷款扣分图可以追踪计算出贷款结果的主要因素，实现贷款结果可溯源化。
[0023]
一种基于大数据的信贷数据统计分析系统，其特征在于，所述系统包括采集模块、分析模块和存储模块，所述采集模块和分析模块中的数据可以在存储模块中进行储存，所述采集模块、分析模块和存储模块可以在分析模块中运行计算机程序，所述分析模块可实现上述方法中任一一项所述的任意一种基于大数据的信贷数据统计分析方法中的步骤。
[0024]
所述各个模块在系统中的作用为：
[0025]
采集模块：获取用户贷款信息的主要模块，将所述用户信用等级、用户身份信息、用户不动产信息和用户工资信息通过系统前台进行获取；
[0026]
分析模块：对用户贷款信息进行统计分析，并且赋予权重分析的主要模块，可以将所述用户贷款信息转化为贷款结果，并且让贷款结果可溯源化；
[0027]
存储模块：负责储存采集模块于分析模块中的数据，并且分析模块还可以提取存储模块中的数据。
[0028]
本发明的有益效果为：本发明通过采集用户贷款信息，并且将用户贷款信息进行通过及分析，并且让所述用户贷款信息赋予权重，根据权重计算得到贷款结果，并且根据贷
款障碍让所述贷款结果可以最终溯源，让用户更加清楚看到贷款结果的计算方式，让用户更加信服和放心贷款结果。
附图说明
[0029]
通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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，在附图中：
[0030]
图1所示为一种基于大数据的信贷数据统计分析方法的流程图；
[0031]
图2所示为一种基于大数据的信贷数据统计分析系统的流程图。
具体实施方式
[0032]
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
[0033]
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
[0034]
如图1所示，一种基于大数据的信贷数据统计分析方法，所述方法包括以下步骤：
[0035]
s100：采集用户贷款信息；
[0036]
s200：根据用户贷款信息进行数据统计分析得到数据分析模型；
[0037]
s300：根据所述数据分析模型中的数据流赋予权重值；
[0038]
s400：根据所述数据流的权重值通过计算得到贷款信息熵；
[0039]
s500：通过贷款信息熵构建贷款矩阵，并通过矩阵数据反馈贷款方式及贷款额度。
[0040]
进一步地，在步骤s100中，采集用户的贷款信息，所述贷款信息包括：用户信用等级、用户身份信息、用户不动产信息和用户工资信息，将所述用户信用等级进行定义，分别为一级信息和二级信息，所述用户身份信息的属性状态分为个人贷款和企业贷款，所述用户不动产信息的属性状态包括有可抵押和不可抵押；所述用户工资信息的属性状态分为高等工资、中等工资和低等工资，将所述采集的用户贷款信息根据各项权重统计分析得到用户贷款系数，通过所述用户贷款系数判断用户贷款风险值以及用户贷款方式。
[0041]
进一步地，在步骤s200中，所述基于所述用户信息与用户工资信息，得到贷款分类树，将用户信息等级作为贷款分类树的根节点，并根据用户信息等级进行分类，分类为若干个个贷款类别，并将所述贷款类别作为贷款分类数的子节点，将所述贷款分类树中存储的数据流构建数据分析模型。
[0042]
进一步地，在步骤s300中，将所述数据分析模型融合组合赋权模型，将数据分析模型中的用户贷款数据提取为数据流，量化所述数据流的权重，所述方法步骤为：
[0043]
s301：将数据分析模型的数据流集合定义为d，d＝{m1，m2，
…
，mn}，根据数据流的构建的贷款分类树对数据流集合内的所有数据流进行分级评分，得到矩阵m＝(m1，m2，
…
，mn)
t
，
保证所有指标都在同一量纲上；
[0044]
s302：通过贷款分类树中的分布定量分析，计算贷款数据中的主观权重，在集合d中筛选最重要的数据流mi,并依次进行筛选出第二重要的数据流以此类推，经过n-1次选择后，得到按主观权重排序集合e，相邻指标间的重要程度定量分析，通过计算得到数据流的权重比例hk，所述mk和m
k+1
均为集合m中的元素，指标权重计算，根据给定的hk赋值，可以得到数据流的主观权重值sub，可以得到数据流的主观权重值sub，通过主观权重值sub得到评价指标集的主观权重向量s＝(x1，x1，
…
,xn)，所述主管权重矩阵就是各个数据流的主观权重集合；
[0045]
计算主观权重矩阵的有益效果为：通过主观权重可以直观的判断用户贷款数据的对贷款结果的影响；
[0046]
s303：计算数据流的客观权重，计算数据流的信息熵ei：
[0047][0048]
计算数据流的信息熵的有益效果为：衡量所述数据流权重的方差程度，为计算客观权重增加可信度；
[0049]
其中，ei表示集合e中第i个数据流的信息熵，n表示数据流的信息熵个数，m
ij
表示矩阵m的第i位元素，计算计算数据流的客观权重值obj：
[0050][0051]
计算客观权重矩阵的有益效果：通过主要的客观权重矩阵对贷款结果进行主要计算；
[0052]
通过客观权重值obj得到评价指标集的客观权重向量o＝(y1，y2，
…
,yn)，对所述主观权重和客观权重向量进行优化拟合，得到综合权重值
[0053][0054]
计算函数h(z)的有益效果为：通过主观权重矩阵和客观权重矩阵进行计算得到的综合权重值更具有说服力，并且更为准确；
[0055]
其中，所述si为主观权重向量集合的第i项，所述oi为客观权重向量集合的第i项，所述综合权重矩阵就是最终的数据流权重值。
[0056]
进一步地，在步骤s400中，根据数据流权重值，快速得到所述数据流中数据在贷款评判中的占比，利用障碍度模型识别贷款障碍，所述贷款障碍为用户贷款信息中的贷款扣分数据，将贷款障碍映射到贷款分析模型中，以贷款障碍在贷款分析模型中进行深度遍历，得到主要贷款扣分图，根据所述主要贷款扣分图可以追踪计算出贷款结果的主要因素，实现贷款结果可溯源化。
[0057]
如图2所示，一种基于大数据的信贷数据统计分析系统，其特征在于，所述系统包括采集模块、分析模块和存储模块，所述采集模块和分析模块中的数据可以在存储模块中进行储存，所述采集模块、分析模块和存储模块可以在分析模块中运行计算机程序，所述分析模块可实现上述方法中任一一项所述的任意一种基于大数据的信贷数据统计分析方法中的步骤。
[0058]
所述各个模块在系统中的作用为：
[0059]
采集模块：获取用户贷款信息的主要模块，将所述用户信用等级、用户身份信息、用户不动产信息和用户工资信息通过系统前台进行获取；
[0060]
分析模块：对用户贷款信息进行统计分析，并且赋予权重分析的主要模块，可以将所述用户贷款信息转化为贷款结果，并且让贷款结果可溯源化；
[0061]
存储模块：负责储存采集模块于分析模块中的数据，并且分析模块还可以提取存储模块中的数据。
[0062]
通过采集用户贷款信息，并且将用户贷款信息进行通过及分析，并且让所述用户贷款信息赋予权重，根据权重计算得到贷款结果，并且根据贷款障碍让所述贷款结果可以最终溯源，让用户更加清楚看到贷款结果的计算方式，让用户更加信服和放心贷款结果。
[0063]
本领域技术人员可以理解，所述例子仅仅是一种基于大数据的信贷数据统计分析系统的示例，并不构成对一种基于大数据的信贷数据统计分析系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种基于大数据的信贷数据统计分析系统还可以包括输入输出设备、网络接入设备、总线等。
[0064]
所称分析模块可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立元器件门电路或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述分析模块是所述一种基于大数据的信贷数据统计分析系统的控制中心，利用各种接口和线路连接整个一种基于大数据的信贷数据统计分析系统的各个分区域。
[0065]
所述存储模块可用于存储所述计算机程序和/或模块，所述分析模块通过运行或执行存储在所述存储模块内的计算机程序和/或模块，以及调用存储在存储模块内的数据，实现所述一种基于大数据的信贷数据统计分析系统的各种功能。所述存储模块可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储模块可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0066]
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。

技术特征：
1.一种基于大数据的信贷数据统计分析方法，其特征在于，所述方法包括以下步骤：s100：采集用户贷款信息；s200：根据用户贷款信息进行数据统计分析得到数据分析模型；s300：根据所述数据分析模型中的数据流赋予权重值；s400：根据所述数据流的权重值通过计算得到贷款信息熵；s500：通过贷款信息熵构建贷款矩阵，并通过矩阵数据反馈贷款方式及贷款额度。2.根据权利要求1所述的一种基于大数据的信贷数据统计分析方法，其特征在于，在步骤s100中，采集用户的贷款信息，所述贷款信息包括：用户信用等级、用户身份信息、用户不动产信息和用户工资信息，将所述用户信用等级进行定义，分别为一级信息和二级信息，所述用户身份信息的属性状态分为个人贷款和企业贷款，所述用户不动产信息的属性状态包括有可抵押和不可抵押；所述用户工资信息的属性状态分为高等工资、中等工资和低等工资，将所述采集的用户贷款信息根据各项权重统计分析得到用户贷款系数，通过所述用户贷款系数判断用户贷款风险值以及用户贷款方式。3.根据权利要求2所述的一种基于大数据的信贷数据统计分析方法，其特征在于，在步骤s200中，所述基于所述用户信息与用户工资信息，得到贷款分类树，将用户信息等级作为贷款分类树的根节点，并根据用户信息等级进行分类，分类为若干个个贷款类别，并将所述贷款类别作为贷款分类数的子节点，将所述贷款分类树中存储的数据流构建数据分析模型。4.根据权利要求1所述的一种基于大数据的信贷数据统计分析方法，其特征在于，在步骤s300中，将所述数据分析模型融合组合赋权模型，将数据分析模型中的用户贷款数据提取为数据流，量化所述数据流的权重，所述方法步骤为：s301：将数据分析模型的数据流集合定义为d，d＝{m1，m2，
…
，m
n
}，根据数据流的构建的贷款分类树对数据流集合内的所有数据流进行分级评分，得到矩阵m＝(m1，m2，
…
，m
n
)
t
，保证所有指标都在同一量纲上；s302：通过贷款分类树中的分布定量分析，计算贷款数据中的主观权重，在集合d中筛选最重要的数据流m
i
,并依次进行筛选出第二重要的数据流以此类推，经过n-1次选择后，得到按主观权重排序集合e，相邻指标间的重要程度定量分析，通过计算得到数据流的权重比例h
k
，所述m
k
和m
k+1
均为集合m中的元素，指标权重计算，根据给定的h
k
赋值，可以得到数据流的主观权重值sub，可以得到数据流的主观权重值sub，通过主观权重值sub得到评价指标集的主观权重向量s＝(x1，x1，
…
,x
n
)，所述主管权重矩阵就是各个数据流的主观权重集合；s303：计算数据流的客观权重，计算数据流的信息熵e
i
：其中，e
i
表示集合e中第i个数据流的信息熵，n表示数据流的信息熵个数，m
ij
表示矩阵m的第i位元素，计算计算数据流的客观权重值obj：
通过客观权重值obj得到评价指标集的客观权重向量o＝(y1，y2，
…
,y
n
)，对所述主观权重和客观权重向量进行优化拟合，得到综合权重值其中，所述s
i
为主观权重向量集合的第i项，所述o
i
为客观权重向量集合的第i项，所述综合权重矩阵就是最终的数据流权重值。5.根据权利要求1所述的一种基于大数据的信贷数据统计分析方法，其特征在于，在步骤s400中，根据数据流权重值，快速得到所述数据流中数据在贷款评判中的占比，利用障碍度模型识别贷款障碍，所述贷款障碍为用户贷款信息中的贷款扣分数据，将贷款障碍映射到贷款分析模型中，以贷款障碍在贷款分析模型中进行深度遍历，得到主要贷款扣分图，根据所述主要贷款扣分图可以追踪计算出贷款结果的主要因素，实现贷款结果可溯源化。6.一种基于大数据的信贷数据统计分析系统，其特征在于，所述系统包括采集模块、分析模块和存储模块，所述采集模块和分析模块中的数据可以在存储模块中进行储存，所述采集模块、分析模块和存储模块可以在分析模块中运行计算机程序，所述分析模块可实现权利要求1-5中任一一项所述的任意一种基于大数据的信贷数据统计分析方法中的步骤。

技术总结
本发明公开了一种大数据贷款管理方法及系统，设计大数据技术领域，通过采集用户贷款信息，根据用户贷款信息进行数据统计分析得到数据分析模型，对所述数据分析模型中的数据流赋予权重值，再根据所述数据流的权重值通过计算得到贷款信息熵，通过贷款信息熵构建贷款矩阵，并通过矩阵数据反馈贷款方式及贷款额度，通过采集用户贷款信息，并且将用户贷款信息进行通过及分析，并且让所述用户贷款信息赋予权重，根据权重计算得到贷款结果，并且根据贷款障碍让所述贷款结果可以最终溯源，让用户更加清楚看到贷款结果的计算方式，让用户更加信服和放心贷款结果。和放心贷款结果。和放心贷款结果。


技术研发人员：刘卫东 朱志钊 许伟钰 曾晖 李良慧 周德邦 陈仲鹏 崔锡华 凌嘉敏
受保护的技术使用者：广东省粤普小额再贷款股份有限公司
技术研发日：2023.06.02
技术公布日：2023/10/7