一种贷后风险分析预警方法、系统、设备及存储介质与流程

1.本发明属于数据分析技术领域，具体涉及一种贷后风险分析预警方法、系统、设备及存储介质。


背景技术：

2.传统信贷风控主要依靠人工进行身份信息匹配与核验，风控效果亟待提升。在金融科技的助力下，部分企业利用多维度数据及ai风控模型实现智能风控应用，以帮助机构精准排查潜在风险用户，在风险审批中审批规则错综复杂，使用的数据种类繁多，依托计算机程序可以将规则固化提升审批效率。
3.现有的计算机智能风控通常是在贷前实施，以为线上审批提供便利性，但是在贷后，往往还是由分析师通过数据分析、报表管理等手段进行贷后风险分析，效率较低，且用于风险分析的相应指标数据也不能继续做衍生判定，导致贷后风险分析的精准性不高。


技术实现要素：

4.本发明的目的是提供一种贷后风险分析预警方法、系统、设备及存储介质，用以解决现有技术中存在的上述问题。
5.为了实现上述目的，本发明采用以下技术方案：
6.第一方面，提供一种贷后风险分析预警方法，包括：
7.从数据库中调取预置的指标规则集以及目标用户的基础数据集，所述基础数据集包括目标用户的个人信用数据；
8.将指标规则集以及目标用户的基础数据集导入drools规则引擎进行计算，得到若干第一触发规则以及各第一触发规则对应的第一指标数据；
9.利用设定的衍生变量计算规则对各第一指标数据进行衍生变量计算处理，得到各第一指标数据对应的衍生指标数据；
10.将各衍生指标数据归集到目标用户的基础数据集中，并再次导入drools规则引擎进行计算，得到若干第二触发规则以及各第二触发规则对应的第二指标数据；
11.将各第一触发规则和对应的第一指标数据以及各第二触发规则和对应的第二指标数据封装成相应的消息队列；
12.通过kafka通道将相应的消息队列发送至flink平台，以使flink平台根据消息队列生成贷后预警信息，并进行贷后预警信息的推送。
13.在一个可能的设计中，在从数据库中调取目标用户的基础数据集前，所述方法还包括：
14.获取目标用户的个人信息、进件信息、征信数据以及三方数据组成目标用户的个人信用数据，将目标用户的个人信用数据归集到目标用户的基础数据集中，将目标用户的基础数据集存入数据库。
15.在一个可能的设计中，在从数据库中调取预置的指标规则集前，所述方法还包括：
根据配置人员的创建指令构建若干指标规则，并将所有指标规则组合为指标规则集，将指标规则集存入数据库。
16.在一个可能的设计中，在通过kafka通道将相应的消息队列发送至flink平台后，所述方法还包括：
17.获取配置人员的规则优化指令，根据规则优化指令修改指标规则集中的相应指标规则，用修改后的指标规则替换原来对应的指标规则，得到优化后的指标规则集，将优化后的指标规则集更新到数据库中。
18.在一个可能的设计中，在通过kafka通道将相应的消息队列发送至flink平台后，所述方法还包括：
19.获取配置人员的规则删除指令，根据规则删除指令删除指标规则集中的相应指标规则，得到删改后的指标规则集，将删改后的指标规则集更新到数据库中。
20.在一个可能的设计中，所述利用设定的衍生变量计算规则对各第一指标数据进行衍生变量计算处理，到各第一指标数据对应的衍生指标数据，包括：
21.利用设定的衍生变量计算规则对各第一指标数据进行均值、方差、标准差或变异系数计算，得到各第一指标数据对应的衍生指标数据。
22.在一个可能的设计中，所述预警信息包含文字信息及图表信息。
23.第二方面，提供一种贷后风险分析预警系统，包括调取单元、第一分析单元、衍生单元、第二分析单元、封装单元和推送单元，其中：
24.调取单元，用于从数据库中调取预置的指标规则集以及目标用户的基础数据集，所述基础数据集包括目标用户的个人信用数据；
25.第一分析单元，用于将指标规则集以及目标用户的基础数据集导入drools规则引擎进行计算，得到若干第一触发规则以及各第一触发规则对应的第一指标数据；
26.衍生单元，用于利用设定的衍生变量计算规则对各第一指标数据进行衍生变量计算处理，得到各第一指标数据对应的衍生指标数据；
27.第二分析单元，用于将各衍生指标数据归集到目标用户的基础数据集中，并再次导入drools规则引擎进行计算，得到若干第二触发规则以及各第二触发规则对应的第二指标数据；
28.封装单元，用于将各第一触发规则和对应的第一指标数据以及各第二触发规则和对应的第二指标数据封装成相应的消息队列；
29.推送单元，用于通过kafka通道将相应的消息队列发送至flink平台，以使flink平台根据消息队列生成贷后预警信息，并进行贷后预警信息的推送。
30.第三方面，提供一种贷后风险分析预警设备，包括：
31.存储器，用于存储指令；
32.处理器，用于读取所述存储器中存储的指令，并根据指令执行上述第一方面中任意一种所述的贷后风险分析预警方法。
33.第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行第一方面中任意一种所述的方法。同时，还提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行第一方面中任意一种所述的贷后风险分析预警方法。
34.有益效果：本发明通过调取目标用户的基础数据集和设定的指标规则集来导入drools规则引擎进行计算，得到相应的触发规则和指标数据，通过kafka通道将相应的触发规则和指标数据发送至flink平台，以使flink平台根据消息队列生成贷后预警信息，并进行贷后预警信息的推送，可以高效、精准地实现对于目标用户的贷后风险预警，同时，本发明还融合了贷后风险指标数据的计算及衍生变量加工，使加工后的变量可以再次用于drools规则引擎相应指标规则的判定，以达成有效的数据闭环。
附图说明
35.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。
36.图1为本发明实施例1中方法的步骤示意图；
37.图2为本发明实施例2中系统的构成示意图；
38.图3为本发明实施例3中设备的构成示意图。
具体实施方式
39.在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施例中。
40.应当理解，除非另有明确的规定和限定，术语“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在实施例中的具体含义。
41.在下面的描述中提供了特定的细节，以便于对示例实施例的完全理解。然而，本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实施例中，可以不以非必要的细节来示出众所周知的过程、结构和技术，以避免使得实施例不清楚。
42.实施例1：
43.本实施例提供一种贷后风险分析预警方法，可应用于贷后预警业务场景中相应的预警分析服务器侧，如图1所示，方法包括以下步骤：
44.s1.从数据库中调取预置的指标规则集以及目标用户的基础数据集，所述基础数据集包括目标用户的个人信用数据。
45.具体实施时，在从数据库中调取预置的指标规则集以及目标用户的基础数据集之前，服务器可通过线上数据抓取或者本地数据录入的方式获取目标用户的个人信息、进件信息、征信数据以及三方数据组成目标用户的个人信用数据，将目标用户的个人信用数据归集到目标用户的基础数据集中，将目标用户的基础数据集存入数据库。同时根据相应配置人员的创建指令构建若干指标规则，并将所有指标规则组合为指标规则集，将指标规则
集存入数据库。服务器根据预配置数据库路径对接数据库调取出指标规则集以及目标用户的基础数据集进行后续的分析处理。
46.s2.将指标规则集以及目标用户的基础数据集导入drools规则引擎进行计算，得到若干第一触发规则以及各第一触发规则对应的第一指标数据。
47.具体实施时，在得到指标规则集以及目标用户的基础数据集后，直接将指标规则集和目标用户的基础数据集导入drools规则引擎进行计算，通过drools规则引擎输出相应匹配到的指标规则作为第一触发规则，并根据第一触发规则确定对应的指标数据作为第一指标数据，示例性地，如指标规则设定为进入条件管控的规则，具体配置为“年龄大于年龄阈值则进入管控”，如果目标用户的年龄超过年龄阈值则触发该规则，将其作为第一触发规则，同时，配置该规则关联相应的经济能力指标数据，在触发该规则后，输出对应的经济能力指标数据作为第一指标数据，以此类推。
48.s3.利用设定的衍生变量计算规则对各第一指标数据进行衍生变量计算处理，得到各第一指标数据对应的衍生指标数据。
49.具体实施时，可利用设定的衍生变量计算规则对各第一指标数据进行均值、方差、标准差或变异系数计算，得到各第一指标数据对应的衍生指标数据，衍生变量计算规则可根据实际情况进行设定，如设定为均值、方差、标准差或变异系数计算模型。
50.s4.将各衍生指标数据归集到目标用户的基础数据集中，并再次导入drools规则引擎进行计算，得到若干第二触发规则以及各第二触发规则对应的第二指标数据。
51.具体实施时，在完成衍生变量计算加工后，将得到的相应衍生指标数据归集到目标用户的基础数据集中，以达成用于各项规则判定的数据闭环。将增加了各衍生指标数据的基础数据集再次导入drools规则引擎进行计算，得到若干第二触发规则以及各第二触发规则对应的第二指标数据，以通过相应指标数据的闭环分析，提高对目标对象贷后预警分析的精准性。
52.s5.将各第一触发规则和对应的第一指标数据以及各第二触发规则和对应的第二指标数据封装成相应的消息队列。
53.具体实施时，在经过drools规则引擎的分析匹配后，可将分析得到的各第一触发规则和对应的第一指标数据以及各第二触发规则和对应的第二指标数据封装成相应的消息队列。
54.s6.通过kafka通道将相应的消息队列发送至flink平台，以使flink平台根据消息队列生成贷后预警信息，并进行贷后预警信息的推送。
55.具体实施时，可通过kafka通道将相应的消息队列发送至flink平台，以使flink平台根据消息队列生成贷后预警信息，并进行贷后预警信息的推送，所述贷后预警信息可包含文字信息及图表信息。在通过kafka通道将相应的消息队列发送至flink平台后，还可获取配置人员的规则优化指令，根据规则优化指令修改指标规则集中的相应指标规则，用修改后的指标规则替换原来对应的指标规则，得到优化后的指标规则集，将优化后的指标规则集更新到数据库中。或者获取配置人员的规则删除指令，根据规则删除指令删除指标规则集中的相应指标规则，得到删改后的指标规则集，将删改后的指标规则集更新到数据库中。示例性地，如进行贷后预警信息的推送后，配置人员发现某个产品的拒绝率很高，排查后发现是因为指标规则中有一条“年龄小于30则拒绝”的规则，这时候配置人员可以通过预
first output，fifo)和/或先进后出存储器(first in last out，filo)等。所述处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(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、分立门或者晶体管逻辑器件、分立硬件组件。
71.实施例4：
72.本实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行实施例1中的贷后风险分析预警方法：s1.从数据库中调取预置的指标规则集以及目标用户的基础数据集，所述基础数据集包括目标用户的个人信用数据；s2.将指标规则集以及目标用户的基础数据集导入drools规则引擎进行计算，得到若干第一触发规则以及各第一触发规则对应的第一指标数据；s3.利用设定的衍生变量计算规则对各第一指标数据进行衍生变量计算处理，得到各第一指标数据对应的衍生指标数据；s4.将各衍生指标数据归集到目标用户的基础数据集中，并再次导入drools规则引擎进行计算，得到若干第二触发规则以及各第二触发规则对应的第二指标数据；s5.将各第一触发规则和对应的第一指标数据以及各第二触发规则和对应的第二指标数据封装成相应的消息队列；s6.通过kafka通道将相应的消息队列发送至flink平台，以使flink平台根据消息队列生成贷后预警信息，并进行贷后预警信息的推送。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(memory stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程系统。
73.本实施例还提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行实施例1中的贷后风险分析预警方法：s1.从数据库中调取预置的指标规则集以及目标用户的基础数据集，所述基础数据集包括目标用户的个人信用数据；s2.将指标规则集以及目标用户的基础数据集导入drools规则引擎进行计算，得到若干第一触发规则以及各第一触发规则对应的第一指标数据；s3.利用设定的衍生变量计算规则对各第一指标数据进行衍生变量计算处理，得到各第一指标数据对应的衍生指标数据；s4.将各衍生指标数据归集到目标用户的基础数据集中，并再次导入drools规则引擎进行计算，得到若干第二触发规则以及各第二触发规则对应的第二指标数据；s5.将各第一触发规则和对应的第一指标数据以及各第二触发规则和对应的第二指标数据封装成相应的消息队列；s6.通过kafka通道将相应的消息队列发送至flink平台，以使flink平台根据消息队列生成贷后预警信息，并进行贷后预警信息的推送。其中，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程系统。
74.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种贷后风险分析预警方法，其特征在于，包括：从数据库中调取预置的指标规则集以及目标用户的基础数据集，所述基础数据集包括目标用户的个人信用数据；将指标规则集以及目标用户的基础数据集导入drools规则引擎进行计算，得到若干第一触发规则以及各第一触发规则对应的第一指标数据；利用设定的衍生变量计算规则对各第一指标数据进行衍生变量计算处理，得到各第一指标数据对应的衍生指标数据；将各衍生指标数据归集到目标用户的基础数据集中，并再次导入drools规则引擎进行计算，得到若干第二触发规则以及各第二触发规则对应的第二指标数据；将各第一触发规则和对应的第一指标数据以及各第二触发规则和对应的第二指标数据封装成相应的消息队列；通过kafka通道将相应的消息队列发送至flink平台，以使flink平台根据消息队列生成贷后预警信息，并进行贷后预警信息的推送。2.根据权利要求1所述的一种贷后风险分析预警方法，其特征在于，在从数据库中调取目标用户的基础数据集前，所述方法还包括：获取目标用户的个人信息、进件信息、征信数据以及三方数据组成目标用户的个人信用数据，将目标用户的个人信用数据归集到目标用户的基础数据集中，将目标用户的基础数据集存入数据库。3.根据权利要求1所述的一种贷后风险分析预警方法，其特征在于，在从数据库中调取预置的指标规则集前，所述方法还包括：根据配置人员的创建指令构建若干指标规则，并将所有指标规则组合为指标规则集，将指标规则集存入数据库。4.根据权利要求3所述的一种贷后风险分析预警方法，其特征在于，在通过kafka通道将相应的消息队列发送至flink平台后，所述方法还包括：获取配置人员的规则优化指令，根据规则优化指令修改指标规则集中的相应指标规则，用修改后的指标规则替换原来对应的指标规则，得到优化后的指标规则集，将优化后的指标规则集更新到数据库中。5.根据权利要求3所述的一种贷后风险分析预警方法，其特征在于，在通过kafka通道将相应的消息队列发送至flink平台后，所述方法还包括：获取配置人员的规则删除指令，根据规则删除指令删除指标规则集中的相应指标规则，得到删改后的指标规则集，将删改后的指标规则集更新到数据库中。6.根据权利要求1所述的一种贷后风险分析预警方法，其特征在于，所述利用设定的衍生变量计算规则对各第一指标数据进行衍生变量计算处理，到各第一指标数据对应的衍生指标数据，包括：利用设定的衍生变量计算规则对各第一指标数据进行均值、方差、标准差或变异系数计算，得到各第一指标数据对应的衍生指标数据。7.根据权利要求1所述的一种贷后风险分析预警方法，其特征在于，所述预警信息包含文字信息及图表信息。8.一种贷后风险分析预警系统，其特征在于，包括调取单元、第一分析单元、衍生单元、第二分析单元、封装单元和推送单元，其中：
调取单元，用于从数据库中调取预置的指标规则集以及目标用户的基础数据集，所述基础数据集包括目标用户的个人信用数据；第一分析单元，用于将指标规则集以及目标用户的基础数据集导入drools规则引擎进行计算，得到若干第一触发规则以及各第一触发规则对应的第一指标数据；衍生单元，用于利用设定的衍生变量计算规则对各第一指标数据进行衍生变量计算处理，得到各第一指标数据对应的衍生指标数据；第二分析单元，用于将各衍生指标数据归集到目标用户的基础数据集中，并再次导入drools规则引擎进行计算，得到若干第二触发规则以及各第二触发规则对应的第二指标数据；封装单元，用于将各第一触发规则和对应的第一指标数据以及各第二触发规则和对应的第二指标数据封装成相应的消息队列；推送单元，用于通过kafka通道将相应的消息队列发送至flink平台，以使flink平台根据消息队列生成贷后预警信息，并进行贷后预警信息的推送。9.一种贷后风险分析预警设备，其特征在于，包括：存储器，用于存储指令；处理器，用于读取所述存储器中存储的指令，并根据指令执行权利要求1-7任意一项所述的贷后风险分析预警方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行权利要求1-7任意一项所述的贷后风险分析预警方法。

技术总结
本发明属于数据分析技术领域，具体公开了一种贷后风险分析预警方法、系统、设备及存储介质，通过调取目标用户的基础数据集和设定的指标规则集来导入Drools规则引擎进行计算，得到相应的触发规则和指标数据，通过Kafka通道将相应的触发规则和指标数据发送至Flink平台，以使Flink平台根据消息队列生成贷后预警信息，并进行贷后预警信息的推送，可以高效、精准地实现对于目标用户的贷后风险预警，同时，本发明还融合了贷后风险指标数据的计算及衍生变量加工，使加工后的变量可以再次用于Drools规则引擎相应指标规则的判定，以达成有效的数据闭环。效的数据闭环。效的数据闭环。


技术研发人员：刘波 张晨
受保护的技术使用者：重庆海创云链数字科技有限公司
技术研发日：2023.05.25
技术公布日：2023/7/12