一种客户关联关系智能分析系统及方法

技术领域

本发明涉及银行大数据处理技术领域，具体涉及一种客户关联关系智能分析系统及方法。

背景技术

现今数据共享日益频繁，针对国家大数据战略，为防范系统性金融风险，大数据在银行业应用也越来越多，现有技术中有通过使用大数据针对银行产品进行潜在客户的挖掘，但现在集团化经营给企业带来了各类的新型信贷风险，使得银行业信贷评审难度和贷后风险随之增加，且集团关系和客户关系错综复杂，单纯依靠现有的检索或查询并不能很好的对集团或客户的风险做出判断，并且具有滞后性。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种客户关联关系智能分析系统及方法。

为了实现上述目的，本发明提供如下技术方案：

一种客户关联关系智能分析系统，包括依次连接的基础信息数据库、数据接入层、数据运算层和视图层，所述基础信息数据库包括行内部数据模块和外部数据模块；所述数据接入层包括数据分类模块、数据分析模块以及数据标准化存储模块；所述数据运算层包括知识图谱运算分析模块和风险分析运算模块；所述视图层包括图谱展示模块、预警模块和检索模块。

在本发明中，优选的，所述行内部数据模块存储有客户基本信息数据、贷款明细数据、账户信息数据、风险记录数据，所述外部数据模块存储有银监数据、人行征信数据、工商数据、法院数据、中债登数据和舆情数据。

在本发明中，优选的，所述数据分类模块包括结构化数据存储模块和非结构化数据存储模块，分别用于存储从所述基础信息数据库提取的结构化数据和非结构化数据。

在本发明中，优选的，所述数据分析模块与所述非结构化数据存储模块、数据标准化存储模块连接，所述数据分析模块内包括有NLP框架，用于对所述非结构化数据模块内的数据进行文本识别和分析，并将处理后的数据发送到数据标准化存储模块存储。

在本发明中，优选的，所述知识图谱运算分析模块包括集团关系分析模块和客户关系分析模块，风险分析运算模块主要用于对集团风险以及集团关联风险进行运算分析。

一种客户关联关系智能分析方法，包括如下步骤：

S1：从与智能分析系统连接的各单位系统以及内部系统中提取集团和客户相关数据并存储；

S2：提取结构化数据进行标准化处理存储，数据分析模块对非结构数据进行识别分析和提取；

S3：知识图谱运算分析模块基于数据进行运算，得出集团关系分析视图和客户关系分析视图，风险分析运算模块依据集团关系分析视图和客户关系分析视图运算得出风险预警；

S4：展示对应的集团关系分析视图、客户关系分析视图和风险预警排名。

在本发明中，优选的，在步骤S1中，各单位系统提取的数据存入基础信息数据库的外部数据模块中，内部系统中提取的内部数据存入基础信息数据库的内部数据模块中。

在本发明中，优选的，在步骤S2中，还包括如下步骤：

S201：数据分类模块将内部数据模块中的数据交换并存入结构化数据存储模块，外部数据模块中的数据存入非结构化数据存储模块；

S202：数据分析模块对非结构数据存储模块内的数据进行清洗、整合、筛选后存入数据标准化存储模块。

在本发明中，优选的，在步骤S3中，还包括如下步骤：

S301：知识图谱运算分析模块首先从数据标准化存储模块中提取对应集团或客户的七个关系类别，即股权关系、担保关系、控制关系、交易关系、人际关系、地址关系、负面事件关系七种；

S302：然后将各关系类别下的不同来源的数据进行过滤、去重合并，得到整合后的关系；

S303：最后依据整合后的关系分析并结算得到集团关系分析视图或客户关系分析视图并保存；

S304：风险分析运算模块从数据标准化存储模块中提取风险数据，并结合集团关系分析视图或客户关系分析视图运算，对超出设定阈值的集团或客户生成风险预警数据。

在本发明中，优选的，在步骤S4中，图谱展示模块将展示对应的集团关系分析视图、客户关系分析视图和风险预警排名。

与现有技术相比，本发明的有益效果是：

本发明的系统通过搭建基础信息数据库和数据接入层，将多单位数据以及银行内部数据进行整合，再通过数据运算层内的知识图谱运算分析模块和风险分析运算模块，可基于七大关系建立集团或客户关联关系视图，并及时监测系客户内外部风险指标变化情况及客户未来风险违约预测结果，为银行人员进行贷后管理提供新型管理手段，及早发现风险并及早解决，提高了业务决策效率和有效性。

附图说明

图1为本发明所述的一种客户关联关系智能分析系统的结构框图。

图2为本发明所述的一种客户关联关系智能分析方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

请参见图1，本发明一较佳实施方式提供一种客户关联关系智能分析系统，主要通过使用大数据、知识图谱、数据挖掘新技术，构建客户关联关系族谱分析模型和违约预警模型，从而实现客户关联关系视图、集团关联关系视图、风险提示功能，从而全面应对当前集团化经营给企业带来的各类新型信贷风险，帮助银行快速梳理客户关联关系，提早发现潜在关联风险，使得银行风险控制、贷后管理工作能更好的进行，本系统包括依次连接的基础信息数据库、数据接入层、数据运算层和视图层，基础信息数据库包括行内部数据模块和外部数据模块；数据接入层包括数据分类模块、数据分析模块以及数据标准化存储模块；数据运算层包括知识图谱运算分析模块和风险分析运算模块；视图层包括图谱展示模块、预警模块和检索模块。

具体的，基础信息数据库用来存储与本系统通信连接的各大单位系统以及系统内部自身存储的数据，依据存储的数据来源分为行内部数据模块和外部数据模块，其中行内部数据模块存储有客户基本信息数据、贷款明细数据、账户信息数据、风险记录数据，外部数据模块存储有银监数据、人行征信数据、工商数据、法院数据、中债登数据和舆情数据；数据接入层连接在基础信息数据库与数据运算层之间，主要对基础信息数据库内的初始数据进行基本的分类处理和相关数据的提取，其中的数据分类模块对结构化数据和非结构化数据进行分类存储，数据分类模块对数据分类模块中的非结构化数据进行整理抽取并转换为标准数据存入到数据标准化存储模块，以方便后续的数据运算层应用；数据运算层主要基于数据标准化存储模块中的数据进行分析处理以得到集团或客户关联关系，其中知识图谱运算分析模块主要对集团或客户关系进行抽取和分析计算，得到集团或客户的关联关系网络，知识图谱运算分析模块基于数据标准化存储模块的数据以及集团或客户的关联关系网络一同对比运算，得到超出安全阈值的集团或客户风险名单；最后由视图层对集团或客户的关联关系网络以及风险名单进行展示，有需要预警的由预警模块进行预警，同时提供检索模块可供工作人员自主有目的性的检索，整个系统可及时监测系客户内外部风险指标变化情况及客户未来风险违约预测结果，为银行人员进行贷后管理提供新型管理手段和智能决策支持，提高了业务决策效率和有效性。

在本实施方式中，数据分类模块包括结构化数据存储模块和非结构化数据存储模块，分别用于存储从基础信息数据库提取的结构化数据和非结构化数据，其中行内部数据模块内存储的为已整合好的结构化数据，外部数据模块由于存储着不同来源的数据，为非结构数据，通过分类存储以便后续数据提取运算。

在本实施方式中，数据分析模块与非结构化数据存储模块、数据标准化存储模块连接，数据分析模块主要对非结构化数据进行整合以形成后续可运用的标准数据，数据分析模块内包括有NLP框架，用于对非结构化数据模块内的数据进行文本识别和分析，并将处理后的数据发送到数据标准化存储模块存储，且在数据标准化存储模块中，仍然以各单位分组存储，以方便后续针对性的数据调用。

在本实施方式中，知识图谱运算分析模块包括集团关系分析模块和客户关系分析模块，风险分析运算模块主要用于对集团风险以及集团关联风险进行运算分析。

请参见图2，本发明另一较佳实施方式提供一种客户关联关系智能分析方法，包括如下步骤：

S1：从与智能分析系统连接的各单位系统以及内部系统中提取集团和客户相关数据并存储；

S2：提取结构化数据进行标准化处理存储，数据分析模块对非结构数据进行识别分析和提取；

S3：知识图谱运算分析模块基于数据进行运算，得出集团关系分析视图和客户关系分析视图，风险分析运算模块依据集团关系分析视图和客户关系分析视图运算得出风险预警；

S4：展示对应的集团关系分析视图、客户关系分析视图和风险预警排名。

具体的，在步骤S1中，各单位系统提取的数据以各单位分组，分别存入基础信息数据库的外部数据模块中，内部系统中提取的内部数据存入基础信息数据库的内部数据模块中。

具体的，在步骤S2中，还包括如下步骤：

S201：数据分类模块将内部数据模块中的数据交换并存入结构化数据存储模块，外部数据模块中的数据存入非结构化数据存储模块；

S202：数据分析模块对非结构数据存储模块内的数据进行清洗、整合、筛选后存入数据标准化存储模块。

具体的，在步骤S3中，还包括如下步骤：

S301：知识图谱运算分析模块首先从数据标准化存储模块中提取对应集团或客户的七个关系类别数据，即股权关系、担保关系、控制关系、交易关系、人际关系、地址关系、负面事件关系七种；

S302：然后将各关系类别下的不同来源的数据进行过滤、去重以及合并，得到整合后的关系；

S303：最后依据整合后的关系分析并结算得到集团关系分析视图或客户关系分析视图并保存；

S304：风险分析运算模块从数据标准化存储模块中提取经营风险数据，并结合集团关系分析视图或客户关系分析视图运算，对超出设定阈值的集团或客户生成风险预警数据。

进一步的，在风险分析运算模块中，包括有风险传导预警模型，风险传导预警模型采用深度学习优先算法，通过前期数据训练，在从数据标准化存储模块提取的风险数据例如不良贷款数据、逾期数据等输入到风险传导预警模型中，同时参照集团关系分析视图或客户关系分析视图，通过深度学习优先算法计算并比对设定阈值，最终输出风险事件对应的集团或客户主体以及风险冲击值、传导路径，从而生成风险预警数据，解决企业外部风险量化的问题，量化企业通过关联关系受到外部关联企业风险或宏观行业或地域突发事件发生的负面冲击值，并生成风险预警排名供人员查看。

具体的，在步骤S4中，图谱展示模块将展示对应的集团关系分析视图、客户关系分析视图和风险预警排名。

上述说明是针对本发明较佳可行实施例的详细说明，但实施例并非用以限定本发明的专利申请范围，凡本发明所提示的技术精神下所完成的同等变化或修饰变更，均应属于本发明所涵盖专利范围。