基于征信报文变量加工和客户画像的SDK系统及其处理方法

技术领域

本发明涉及金融风控技术领域，具体涉及一种基于征信报文变量加工和客户画像的SDK系统及其处理方法。

背景技术

一般银行或信贷金融机构在处理借款人的授信或提现申请时，通常情况下，会查询借款人的人行征信报告信息或其他外部征信信息作为审批依据。风险控制团队，基于人行征信报告内的基本原始变量或由多个原始变量共同加工成许多衍生变量，这些变量将作为风控决策引擎平台配置风险规则策略的依据。

目前很多银行或信贷金融机构会采用将人行征信报告数据报文统一传送给决策引擎中的方式，在决策引擎中加工策略所需要的衍生变量，并在决策引擎的规则策略中使用这些变量。另外，也有一些金融机构，会建立面向本机构的征信数据平台，将查询回来的征信报告报文进行落库，基于拆分成不同的数据表，将所需要的衍生变量在数据库里进行加工，并在数据库里用专门的表来存储这些加工完的衍生变量，当决策系统需要使用加工的衍生变量时，采用接口的方式返回某个申请人的衍生变量集。

如采用将整个人行征信报告报文传送到决策引擎平台中进行风控变量加工的方式时，当申请人的征信报告的信贷记录内容较多且数据量比较大时，决策引擎处理数据的开销就会比较大，性能上也会受到一定的影响。同时，原始的征信报告内的信息项一般也会比较多，信息全部传入决策引擎后，风险人员在配置策略时选取所需的某些变量也会比较困难。

当采用数据库加工征信衍生变量的方式时，需要将人行征信报告的原始报文落库，并进行解析和拆分落库，进行衍生变量计算时，也需要调用变量加工处理程序，也涉及到将加工后的衍生变量进行落库，而后通过接口的方式返回给决策系统，涉及多次IO交互，系统在性能方面的开销也会比较大，同时征信衍生变量加工的逻辑也无法实现统一的管理。

发明内容

针对现有技术的不足，本发明公开了一种基于征信报文变量加工和客户画像的SDK系统及其处理方法，目的是采用一种既能够保证人行征信衍生变量加工的逻辑实现统一的管理，同时在处理性能上以及在风险决策引擎系统上使用的方便性上也能得到很好的保障。此外，因为人行征信衍生变量是风控的基础，在多家银行或金融机构都可能会复用相同的变量集，因而将变量加工和客户画像码的生成设计成SDK的方式，还能提高复用度，减少多个项目在系统开发过程中带来的开销，提高系统上线的效率。

本发明通过以下技术方案予以实现：

第一方面，本发明公开一种基于征信报文变量加工和客户画像的SDK系统，包括，

人行征信对接系统，用于获取人行征信请求报文，并分别获取HTML和XML两种格式；

征信SDK，其API接口的输入为人行征信XML请求报文，输出包含200+征信衍生变量和客户画像码；

数据平台，用于外部数据源对接并传送数据至分析库进行数据分析；

决策引擎平台，其IDE用于实现衍生变量函数的编写及规则策略配置。

更进一步的，所述征信SDK的模块内部基于决策引擎平台开发衍生变量的加工函数，并通过配置规则集的方式，来基于策略确定客户的画像码。

更进一步的，所述客户的画像码代表客群分类或风险高低不同的客户，生成的衍生变量为在日常风险策略上常用的衍生变量。

更进一步的，所述决策引擎的IDE可以实现衍生变量函数的编写及规则策略配置，并打包成软件运行时软件包，所述软件包为编译后程序。

更进一步的，所述软件包内嵌在所述征信SDK中，软件包本身在执行时，将运行于征信SDK的进程中，其均在内存中执行。

更进一步的，所述软件包均在内存中执行，不涉及数据库的IO操作。

第二方面，本发明公开一种基于征信报文变量加工和客户画像的SDK系统的业务处理方法，所述处理方法执行时使用第一方面所述的基于征信报文变量加工和客户画像的SDK系统，所述处理方法包括以下步骤：

S1风控决策系统确定使用申请人的征信信息和征信变量；

S2风控决策系统向数据平台或人行征信对接平台发送请求，获取人行征信XML报文；

S3通过数据平台或其他系统集成征信SDK；

S4征信SDK对外暴露的API接口，向API接口内传送人行征信XML报文，接口则返回征信变量集和客户画像码结果；

S5数据平台将征信变量和客户画像码再传递给风控决策系统进行风控决策或执行相关的风控策略。

更进一步的，业务处理过程中，金融机构可通过数据平台来集成征信SDK，数据平台首先调用人行征信查询接口获取人行征信报告的XML报文。

更进一步的，所述征信衍生变量的计算和客户画像码的加工逻辑和策略，存储在决策引擎平台的库内。

更进一步的，所述征信SDK的输出参数作为决策引擎平台的输入变量。

本发明的有益效果为：

1、采用本发明所述的基于SDK的方式加工人行征信衍生变量，当对人行征信XML报文的大小分别为20KB(约800行XML文件),80KB(约4500行XML文件),1.7M(约7万行XML文件)进行测试，结果表明都能在100ms以内来获得所有的衍生变量计算结果，处理速度非常快，系统性能要比基于数据库内加工衍生变量快5倍以上。

2、本发明对于准确度方面，因为变量加工的测试采用集中的内部测试和在项目中用大量的真实人行征信报文做检验测试，不断修正了因脏数据造成的小问题，因而，计算的准确度方面也能有效的得到保证。

3、直接采用本发明的征信SDK，金融机构无需重新开发和测试大量的征信衍生变量，可以节约至少4个人月的开发和测试工作量。

附图说明

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。

图1是本发明实施例的征信SDK与相关联的外部系统的交互架构图；

图2是一种基于征信报文变量加工和客户画像的SDK系统的业务处理方法步骤图；

图3是本发明实施例的征信SDK系统的功能架构图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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作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。

实施例1

本实施例公开一种基于征信报文变量加工和客户画像的SDK系统，参考图1所示，包括，

人行征信对接系统，用于获取人行征信请求报文，并分别获取HTML和XML两种格式；

征信SDK，其API接口的输入为人行征信XML请求报文，输出包含200+征信衍生变量和客户画像码；

数据平台，用于外部数据源对接并传送数据至分析库进行数据分析；

决策引擎平台，其IDE用于实现衍生变量函数的编写及规则策略配置。

征信SDK的模块内部基于决策引擎平台开发衍生变量的加工函数，并通过配置规则集的方式，来基于策略确定客户的画像码。

客户的画像码代表客群分类或风险高低不同的客户，生成的衍生变量为在日常风险策略上常用的衍生变量。

决策引擎的IDE可以实现衍生变量函数的编写及规则策略配置，并打包成软件运行时软件包，所述软件包为编译后程序。

软件包内嵌在所述征信SDK中，软件包本身在执行时，将运行于征信SDK的进程中，其均在内存中执行。

软件包均在内存中执行，不涉及数据库的IO操作。

本实施例通过采用基于人行征信报告原始XML报文，直接在决策引擎中加工大量衍生变量的方式，并通过SDK的对外暴露API接口的方式直接获取人行衍生变量，避免了在不同项目间的重复开发这些繁琐的衍生变量的工作，同时衍生变量的测试工作也是一项非常耗时和对计算逻辑的正确性要求比较高的工作，也减少了大量的重复性的测试工作。

由于SDK是基于决策引擎之上进行开发，SDK的输入参数为人行征信报告XML原始报文，在决策引擎内部进行加工计算，本身不需要数据库层面的IO操作，大大提高了系统的处理性能，对于信息较多的XML报文也基本可以在百毫秒以内完成大量衍生变量的加工，上游系统能很快获得所有征信变量的结果。

衍生变量的计算和客户画像码的加工逻辑和策略，都存储在决策引擎平台的库内，便于企业级知识资产的积累和统一管理，对于后期变更和维护，也能做到统一维护和生效，对于同一变量的加工处理逻辑，在不同的项目中也能实现统一。

基于SDK生成的衍生变量结果也可以落库保存，用于今后风险数据分析和优化。

实施例2

本实施例公开如图2所示的一种基于征信报文变量加工和客户画像的SDK系统的业务处理方法，包括以下步骤：

S1风控决策系统确定使用申请人的征信信息和征信变量；

S2风控决策系统向数据平台或人行征信对接平台发送请求，获取人行征信XML报文；

S3通过数据平台或其他系统集成征信SDK；

S4征信SDK对外暴露的API接口，向API接口内传送人行征信XML报文，接口则返回征信变量集和客户画像码结果；

S5数据平台将征信变量和客户画像码再传递给风控决策系统进行风控决策或执行相关的风控策略。

业务处理过程中，金融机构可通过数据平台来集成征信SDK，数据平台首先调用人行征信查询接口获取人行征信报告的XML报文。

征信衍生变量的计算和客户画像码的加工逻辑和策略，存储在决策引擎平台的库内。征信SDK的输出参数作为决策引擎平台的输入变量。

采用本实施例的基于SDK的方式加工人行征信衍生变量，当对人行征信XML报文的大小分别为20KB(约800行XML文件),80KB(约4500行XML文件),1.7M(约7万行XML文件)进行测试，结果表明都能在100ms以内来获得所有的衍生变量计算结果，处理速度非常快，系统性能要比基于数据库内加工衍生变量快5倍以上。

对于准确度方面，因为变量加工的测试采用集中的内部测试和在项目中用大量的真实人行征信报文做检验测试，不断修正了因脏数据造成的小问题，因而，计算的准确度方面也能有效的得到保证。

直接采用本实施例的征信SDK，金融机构无需重新开发和测试大量的征信衍生变量，可以节约至少4个人月的开发和测试工作量。

实施例3

本实施例公开征信SDK系统内部的功能设计。如图3所示，征信SDK的API接口的输入输出为：

【输入】人行征信XML请求报文。【输出】包含200+征信衍生变量和客户画像码

征信SDK模块内部，主要基于决策引擎平台(目前采用FICO Blaze产品)来开发许多衍生变量的加工函数，以及通过配置规则集的方式，来基于策略确定客户的画像码。

客户的画像码可以代表客群分类或风险高低不同的客户。生成的衍生变量则为在日常风险策略上常用的衍生变量，在当前软件版本中，已包含了200多个睿智风险专家团队积累的征信衍生变量。后续，将还会持续积累和陆续增加。

决策引擎的IDE可以实现衍生变量函数的编写及规则策略配置，而后，可以打包成软件运行时软件包(软件包为编译后程序)，该软件包内嵌在SDK中，软件包本身在执行时，也将运行于SDK的进程中，都在内存中执行，不涉及数据库的IO操作，因此执行的效率非常高。

输出的征信衍生变量和客户画像码的列表如下：

综上，本发明通过采用基于人行征信报告原始XML报文，直接在决策引擎中加工大量衍生变量的方式，并通过SDK的对外暴露API接口的方式直接获取人行衍生变量，避免了在不同项目间的重复开发这些繁琐的衍生变量的工作，同时衍生变量的测试工作也是一项非常耗时和对计算逻辑的正确性要求比较高的工作，也减少了大量的重复性的测试工作。

由于SDK是基于决策引擎之上进行开发，SDK的输入参数为人行征信报告XML原始报文，在决策引擎内部进行加工计算，本身不需要数据库层面的IO操作，大大提高了系统的处理性能，对于信息较多的XML报文也基本可以在百毫秒以内完成大量衍生变量的加工，上游系统能很快获得所有征信变量的结果。

衍生变量的计算和客户画像码的加工逻辑和策略，都存储在决策引擎平台的库内，便于企业级知识资产的积累和统一管理，对于后期变更和维护，也能做到统一维护和生效，对于同一变量的加工处理逻辑，在不同的项目中也能实现统一。

基于SDK生成的衍生变量结果也可以落库保存，用于今后风险数据分析和优化。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。