逾期催收方法、装置、系统及计算机可读存储介质

技术领域

本发明涉及金融科技(Fintech)技术领域，尤其涉及逾期催收方法、装置、系统及计算机可读存储介质。

背景技术

近年来，随着金融科技(Fintech)，尤其是互联网金融技术的不断发展，数据分析技术被引入银行等金融机构的日常服务中。在银行等金融机构的日常服务过程中，为收回放贷金额和利息，需要针对逾期客户进行催收。而传统的逾期催收方法是通过人工拨打电话等的方式，对所有逾期客户进行轮询拨打，需要耗费大量的人力，因此，如何对逾期客户进行智能催收，是银行等金融机构需要解决的重要问题。

现存在一种智能化的逾期催收方法，主要根据逾期客户的逾期天数和逾期金额，对逾期客户进行风险判断，从而针对逾期客户的风险情况采取相应的催收策略。但采用这种方法对逾期客户进行风险判断时，所用的客户信息比较少，因而无法准确判断逾期客户的风险情况，使得相关金融机构针对逾期客户的催收成功率较低。

发明内容

本发明的主要目的在于提出一种逾期催收方法、装置、系统及计算机可读存储介质，旨在更加准确地判断逾期客户的风险情况，提高对逾期客户的催收成功率。

为实现上述目的，本发明提供一种逾期催收方法，所述方法包括如下步骤：

当检测到逾期客户时，获取所述逾期客户在各预设数据领域的数据信息，并对所述数据信息进行处理，得到对应的指标信息；

将所述指标信息输入预设风险评分模型，以输出所述逾期客户的迁徙风险评分；

根据所述迁徙风险评分，确定针对所述逾期客户的催收策略，并执行所述催收策略。

优选地，所述对所述数据信息进行处理，得到对应的指标信息的步骤包括：

获取预设存储格式，并根据所述预设存储格式对各所述数据信息进行格式化处理，得到对应的格式化信息；

对所述格式化信息进行二次处理，以得到对应的指标信息。

优选地，所述对所述格式化信息进行二次处理，以得到对应的指标信息的步骤包括：

对所述格式化信息进行数据清洗和分箱处理，得到处理后的指标变量；

对所述指标变量进行衍生处理，并对衍生处理后的指标变量进行筛选，以得到指标信息。

优选地，所述根据所述迁徙风险评分，确定针对所述逾期客户的催收策略的步骤包括：

将所述迁徙风险评分和预设迁徙风险阈值进行比较，以确定所述逾期客户的迁徙风险等级；

根据所述迁徙风险等级，确定针对所述逾期客户的催收策略。

优选地，所述将所述迁徙风险评分和预设迁徙风险阈值进行比较，以确定所述逾期客户的迁徙风险等级的步骤包括：

当所述迁徙风险评分小于预设风险阈值时，确定所述逾期客户的迁徙风险等级为第一等级；

当所述迁徙风险评分大于预设风险阈值时，确定所述逾期客户的迁徙风险等级为第二等级。

优选地，所述根据所述迁徙风险等级，确定针对所述逾期客户的催收策略的步骤包括：

当所述迁徙风险等级为第一等级时，确定针对所述逾期客户的催收策略为机器催收；

当所述迁徙风险等级为第二等级时，确定针对所述逾期客户的催收策略为人工催收。

优选地，所述将所述指标信息输入预设风险评分模型的步骤之前，还包括：

获取历史逾期客户在各预设数据领域的历史数据信息，并基于预设处理规则，对所述历史数据信息进行预处理，以得到处理后的历史指标信息；

获取各所述历史逾期客户对应的实际迁徙情况，并根据所述实际迁徙情况对所述历史指标信息进行标记，得到对应的样本数据信息；

对所述样本数据信息进行训练，以得到预设风险评分模型。

此外，为实现上述目的，本发明还提供一种逾期催收装置，所述逾期催收装置包括：

信息处理模块，用于当检测到逾期客户时，获取所述逾期客户在各预设数据领域的数据信息，并对所述数据信息进行处理，得到对应的指标信息；

风险评分模块，用于将所述指标信息输入预设风险评分模型，以输出所述逾期客户的迁徙风险评分；

策略执行模块，用于根据所述迁徙风险评分，确定针对所述逾期客户的催收策略，并执行所述催收策略。

优选地，所述信息处理模块还用于：

获取预设存储格式，并根据所述预设存储格式对各所述数据信息进行格式化处理，得到对应的格式化信息；

对所述格式化信息进行二次处理，以得到对应的指标信息。

优选地，所述信息处理模块还用于：

对所述格式化信息进行数据清洗和分箱处理，得到处理后的指标变量；

对所述指标变量进行衍生处理，并对衍生处理后的指标变量进行筛选，以得到指标信息。

优选地，所述策略执行模块还用于：

将所述迁徙风险评分和预设迁徙风险阈值进行比较，以确定所述逾期客户的迁徙风险等级；

根据所述迁徙风险等级，确定针对所述逾期客户的催收策略。

优选地，所述策略执行模块还用于：

当所述迁徙风险评分小于预设风险阈值时，确定所述逾期客户的迁徙风险等级为第一等级；

当所述迁徙风险评分大于预设风险阈值时，确定所述逾期客户的迁徙风险等级为第二等级。

优选地，所述策略执行模块还用于：

当所述迁徙风险等级为第一等级时，确定针对所述逾期客户的催收策略为机器催收；

当所述迁徙风险等级为第二等级时，确定针对所述逾期客户的催收策略为人工催收。

优选地，所述逾期催收装置还包括模型训练模块，所述模型训练模块用于：

获取历史逾期客户在各预设数据领域的历史数据信息，并基于预设处理规则，对所述历史数据信息进行预处理，以得到处理后的历史指标信息；

获取各所述历史逾期客户对应的实际迁徙情况，并根据所述实际迁徙情况对所述历史指标信息进行标记，得到对应的样本数据信息；

对所述样本数据信息进行训练，以得到预设风险评分模型。

此外，为实现上述目的，本发明还提供一种逾期催收系统，所述逾期催收系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的逾期催收程序，所述逾期催收程序被所述处理器执行时实现如上所述的逾期催收方法的步骤。

此外，为实现上述目的，本发明还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逾期催收程序，所述逾期催收程序被处理器执行时实现如上所述的逾期催收方法的步骤。

本发明提出的逾期催收方法，当检测到逾期客户时，获取逾期客户在各预设数据领域的数据信息，并对数据信息进行处理，得到对应的指标信息；将指标信息输入预设风险评分模型，以输出逾期客户的迁徙风险评分；根据迁徙风险评分，确定针对逾期客户的催收策略，并执行催收策略。本发明在检测到逾期客户时，通过从多个数据领域获取逾期客户的数据信息，更加准确地判断逾期客户的风险情况，以提高相关金融机构针对逾期客户的催收成功率。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的系统结构示意图；

图2为本发明逾期催收方法第一实施例的流程示意图；

图3为本发明逾期催收方法较佳实施例中逾期客户的数据信息及其相关说明的列表示意图；

图4为本发明逾期催收方法中较佳实施例的指标信息库表图；

图5为本发明逾期催收方法中逻辑函数的函数图像；

图6为本发明逾期催收方法较佳实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的系统结构示意图。

本发明实施例系统可以是移动终端、机器人或者PC设备等。

如图1所示，该系统可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的系统结构并不构成对系统的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及逾期催收程序。

其中，操作系统是管理和控制逾期催收系统与软件资源的程序，支持网络通信模块、用户接口模块、逾期催收程序以及其他程序或软件的运行；网络通信模块用于管理和控制网络接口1002；用户接口模块用于管理和控制用户接口1003。

在图1所示的逾期催收系统中，所述逾期催收系统通过处理器1001调用存储器1005中存储的逾期催收程序，并执行下述逾期催收方法各个实施例中的操作。

基于上述硬件结构，提出本发明逾期催收方法实施例。

参照图2，图2为本发明逾期催收方法第一实施例的流程示意图，所述方法包括：

步骤S10，当检测到逾期客户时，获取所述逾期客户在各预设数据领域的数据信息，并对所述数据信息进行处理，得到对应的指标信息；

本实施例逾期催收方法运用于理财机构或者银行等金融机构的逾期催收系统中。近年来，随着金融科技(Fintech)，尤其是互联网金融技术的不断发展，数据分析技术被引入银行等金融机构的日常服务中。在银行等金融机构的日常服务过程中，为收回放贷金额和利息，需要针对逾期客户进行催收。而传统的逾期催收方法是通过人工拨打电话等的方式，对所有逾期客户进行轮询拨打，显然催收成本较高，因此，如何针对性对逾期客户进行智能催收，是银行等金融机构需要解决的重要问题。

现存在的逾期催收方法，主要根据逾期客户的逾期天数和逾期金额，对逾期客户进行风险判断，所用的客户信息比较少，因而无法准确判断逾期客户的风险情况，使得相关金融机构难以根据逾期用户的风险情况制定精细化的催收策略，导致对逾期客户的催收成功率较低。

在本实施例中，逾期客户为超过账单日或宽限期未全额偿还应还贷款的客户。当新增逾期客户时，即当逾期催收系统检测到逾期客户时，在符合国家法律法规、规章制度的前提下，获取新增的逾期客户在各个预设领域的数据信息，预设领域可包括企业基本属性、工商信息、税务信息、客户历史催收情况等领域。参照图3，图3为本发明逾期催收方法较佳实施例中逾期客户的数据信息及其相关说明的列表示意图，其中，逾期客户的数据信息包括企业基本信息、汇法法人及公司信息、客户历史催收情况、客户历史行为、人行征信信息、税务信息、多头借贷信息、企业工商信息等，也即，逾期客户的数据信息可来自企业基本信息、汇法法人及公司信息、客户历史催收情况、客户历史行为、人行征信信息、税务信息、多头借贷信息、企业工商信息等数据源。具体的，企业基本信息包括企业所在区域、所属行业、企业纳税人类型、企业类型等信息；汇法法人及公司信息包括企业人行征信及企业法定代表人的个人等信息；客户历史催收情况包括该逾期客户在逾期催收系统所在的金融机构(以下称为“本金融机构”)中存在历史逾期时的催收反馈情况等信息；客户历史行为包括该逾期客户在本金融机构中的历史逾期、还款、额度使用等信息；人行征信信息包括企业人行征信，法定代表人的个人人行征信等信息；税务信息包括企业税务报告信息；多头借贷信息包括该逾期客户在其他金融机构中的申贷、用款表现等信息；企业工商信息企业工商登记及变更等信息。然后再对逾期客户在各预设数据领域的数据信息进行处理，得到对应的指标信息，以根据指标信息输出该逾期客户的迁徙风险评分。

进一步地，所述对所述数据信息进行处理，得到对应的指标信息的步骤包括：

步骤a1，获取预设存储格式，并根据所述预设存储格式对各所述数据信息进行格式化处理，得到对应的格式化信息；

步骤a2，对所述格式化信息进行二次处理，以得到对应的指标信息。

在本实施例中，对于逾期客户的数据信息进行处理时，可根据预设存储格式对数据信息进行格式化处理，例如，可将数据信息经过格式化处理后，得到格式化信息，再将格式化信息以数据库表的形式存储在预设数据库中，然后再次对格式化信息进行处理，即进行二次处理，以得到指标信息。

需要说明的是，针对众多逾期客户的各种数据信息，预设存储格式可相同，也可不相同。可根据逾期客户的不同逾期业务类型，设计不同的预设存储格式，例如，针对逾期业务类型为银行业务的逾期客户的数据信息，可将数据信息以数据库表的形式存储在预设数据库中；针对逾期业务类型为租赁业的逾期客户的数据信息，可将数据信息以图片格式存储于预设数据库中等等。本发明对数据信息的预设存储格式不作具体限定，具体选择的存储格式可根据实际需求进行设定。

进一步地，步骤a2还包括：

步骤a21，对所述格式化信息进行数据清洗和分箱处理，得到处理后的指标变量；

步骤a22，对所述指标变量进行衍生处理，并对衍生处理后的指标变量进行筛选，以得到指标信息。

在本实施例中，数据清洗(Data cleaning)是对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，如格式错误等情况，保持数据信息的一致性；数据分箱处理，是指把一段连续的数据信息切分成若干段，把每一段的数据信息看成一个分类，也即把连续的数据信息转换成离散的数据信息，得到处理后的指标变量，然后再进一步对指标变量进行衍生处理，得到对应的衍生变量，再对衍生变量和指标变量进行筛选，即可得到对应的指标信息。在对数据信息进行统计分析过程中，对格式化信息进行二次处理，可进一步提高模型训练的精确度。

参照图4，图4为本发明逾期催收方法中较佳实施例的指标信息库表图，其中，企业基本信息属于企业基本属性数据领域的信息，包括公司状态、纳税信用等级、行业、经营范围、地区、法人基本信息等信息；汇法法人及公司信息包括汇法法人领域和汇法公司领域，汇法法人领域还包括被执行信息、网贷信息、限高及限出入境信息等信息，汇法公司领域还包括公司民间借贷、小额借款、担保、合同纠纷、执行、财产保全等信息；客户历史催收情况属于客户历史催收情况，包括客户历史人工及机器人催收次数、人工及机器人催收触达率，承诺还款率等信息；客户历史行为包括额度信息、复借信息、提款信息、结清信息、早偿信息、逾期信息等领域的信息，具体的，额度信息领域还包括额度使用率、满额天数等信息，满额天数对应的衍生变量包括满额天数占比等信息；复借信息领域包括最近1/3/6/12/24月的复借笔数等信息，复借信息对应的衍生变量可为最近1/3/6/9/12月的复借笔数同比、环比；提款信息领域包括近1/3/6/12/24月的提款笔数、金额等信息，对应的衍生变量可为最近1/3/6/9/12月提款笔数、金额同比、环比等；结清信息领域包括近1/3/6/12/24月结清笔数、金额、最短结清时间等信息，对应的衍生变量可为最近1/3/6/9/12月结清笔数、金额、最短结清时间同比、环比等；早偿信息领域包括最近1/3/6/12/24月的早偿笔数等信息，对应的衍生变量可为最近1/3/6/9/12月早偿笔数同比、环比；逾期信息领域包括当前逾期状态、历史最大逾期天数、是否首期逾期、短/中/长期逾期次数，逾期次数同环比等，也包括短/中/长期逾期后的治愈情况，如短/中/长期客户在客户逾期后的偿还情况，人行征信信息包括企业法人个人端征信信息、企业端征信信息等领域，企业法人个人端征信信息还包括个人各类贷款及贷记卡征信信息，企业端征信信息还包括企业贷款征信信息等；税务信息属于税务信息领域的信息，包括企业税务基础信息、纳税记录、所得税及收入情况、企业上下游交易信息，税款征收情况、税务变更情况，税务违法违章情况，资产负债及利润信息等信息；多头借贷信息属于多头借贷领域的信息，包括逾期客户多头借贷信息；工商信息属于工商信息领域的信息，包括法人及企业经营相关信息变更次数，工商相关处罚信息。

步骤S20，将所述指标信息输入预设风险评分模型，以输出所述逾期客户的迁徙风险评分；

在本实施例中，将逾期客户的指标信息作为风险评分模型的输入，从而输出逾期客户的迁徙风险评分，而且，逾期风险评分的分值越大，就表示当前逾期阶段的逾期客户迁徙至下一逾期阶段的可能性就越大。在客户进入逾期时就对逾期客户进行风险评分，可及时为催收策略部署提供参考。

此外，关于模型训练，可将指标历史样本信息通过预设算法，如逻辑回归评分方法(Logistic Regression)，估计模型参数。其中，逻辑回归评分方法是在线性回归的基础上引入一个转换函数，如Logistic函数，通过Logistic函数可将由线性回归得到的迁徙风险评分转换成一个在[0,1]区间的值。具体的，若逾期客户的指标信息包括(x

其中，d为逾期客户的指标信息个数；

x

w

计算得到的分数越高，逾期客户迁徙至下一阶段的风险就越大；分数越低，逾期客户迁徙至下一阶段的风险就越小。由于迁徙风险评分s的取值是[-∞,+∞]的值，若想将迁徙风险评分转换为一个[0,1]之间的值，则需要引入一个转换函数，如Logistic函数，从而把迁徙风险评分s转换成[0,1]之间的值，且Logistic函数是一个“S”形的函数，形状如图5所示。此外，Logistic函数也称为sigmoid函数，能够把迁徙风险评分s映射到[0,1]之间。Logistic函数θ(s)的计算公式为：

其中，e是自然常数。

综上所述，整个Logistic Regression的函数计算公式为：

其中，w

通过逻辑回归函数把迁徙风险评分s转换成[0,1]之间的值，不仅有利于提高模型的预测效果，还可以更加直观地了解到逾期客户迁徙至下一逾期阶段的概率，方便相关金融机构根据不同迁徙概率的逾期客户部署不同的催收策略。

需要说明的是，还可以结合RuleFit(规则拟合)方法参与迁徙风险模型的建模过程。由于RuleFit自动将特征交互添加到线性模型，因此，它解决了必须手动添加交互作用项的线性模型问题，对建模非常有帮助，而且通过RuleFit方法还可以处理分类和回归任务，可进一步提升模型的预测效果。

进一步地，所述将所述指标信息输入预设风险评分模型的步骤之前，还包括：

步骤b1，获取历史逾期客户在各预设数据领域的历史数据信息，并基于预设处理规则，对所述历史数据信息进行预处理，以得到处理后的历史指标信息；

步骤b2，获取各所述历史逾期客户对应的实际迁徙情况，并根据所述实际迁徙情况对所述历史指标信息进行标记，得到对应的样本数据信息；

步骤b3，对所述样本数据信息进行训练，以得到预设风险评分模型。

在本实施例中，将预设风险评分模型应用于实际部署的应用之前，需要对初始的风险评分模型进行训练，以得到训练完成后的预设风险评分模型。具体的，通过获取已知的历史逾期客户在各个预设数据领域的历史数据信息，并根据预设处理规则，如对历史数据信息进行格式处理、数据清洗、分箱处理等，得到处理后的历史指标信息，再获取历史逾期客户对应的实际迁徙情况，根据实际迁徙情况确定各个历史逾期客户对应的逾期等级，从而对不同逾期等级的历史逾期客户的历史指标信息进行标记。例如，历史逾期客户包括M1逾期客户(已知逾期天数在1至30天内的客户)和M2逾期客户(已知逾期天数在31～60天的客户)，且在预设统计周期内，M2逾期客户中包括部分原M1逾期客户，即有部分原M1逾期客户已经迁徙至M2账龄，成为M2逾期客户，并以M1逾期30天后迁徙至M2逾期阶段的客户为负样本(可标记为1)，以M1逾期30天后未迁徙至M2逾期阶段的客户为正样本(可标记为0)，从而对各个历史逾期客户的历史指标信息进行标记，得到对应的样本数据信息，再将样本数据信息输入初始风险评分模型进行训练，以得到训练完成后的预设风险评分模型。

步骤S30，根据所述迁徙风险评分，确定针对所述逾期客户的催收策略，并执行所述催收策略。

在本实施例中，假设M1逾期客户的逾期风险评分在[0,1000]之间，其中，逾期风险评分接近0时，说明预设风险评分模型预测该逾期客户迁徙至下一逾期阶段的可能性极低；逾期风险评分接近1000时，则说明该逾期客户迁徙至下一逾期阶段的可能性极高。具体的，若预设风险评分模型输出M1逾期客户A的迁徙风险评分为360分，即说明M1逾期客户A迁徙至M2阶段，成为M2逾期客户的可能性较高；预设风险评分模型输出M1逾期客户B的迁徙风险评分为960分，即说明M1逾期客户A迁徙至M2阶段，成为M2逾期客户的可能性极高。通过获取新增的逾期客户在各个预设数据领域的数据信息，并对数据信息进行数据处理，得到指标信息，再将指标信息输入预设风险评分模型，以输出该逾期客户的风险评分。在符合国家法律法规、规章制度前提下，从多个数据领域获取逾期客户的数据信息，如企业基本信息、汇法法人及公司信息、客户历史催收情况、客户历史行为、人行企业端征信信息及法人代表个人端征信信息、税务相关信息、多头借贷信息、工商信息等信息，并将数据信息进行处理后输入风险评分模型，可更加准确地输出逾期客户进行迁徙风险评分，有利于相关金融机构及时针对逾期客户部署对应的催收策略。

本实施例的逾期催收方法，当检测到逾期客户时，获取逾期客户在各预设数据领域的数据信息，并对数据信息进行处理，得到对应的指标信息；将指标信息输入预设风险评分模型，以输出逾期客户的迁徙风险评分；根据迁徙风险评分，确定针对逾期客户的催收策略，并执行催收策略。本发明在检测到逾期客户时，通过从多个数据领域获取逾期客户的数据信息，更加准确地判断逾期客户的风险情况，以提高相关金融机构针对逾期客户的催收成功率。

进一步地，基于本发明逾期催收方法第一实施例，提出本发明逾期催收方法第二实施例。

逾期催收方法的第二实施例与逾期催收方法的第一实施例的区别在于，所述根据所述迁徙风险评分，确定针对所述逾期客户的催收策略的步骤包括：

步骤c，将所述迁徙风险评分和预设迁徙风险阈值进行比较，以确定所述逾期客户的迁徙风险等级；

在本实施例中，预设风险评分模型部署上线后，通过输入逾期客户的指标信息，无需人工干预，即可自动计算新增的逾期客户的迁徙风险评分。假设逾期客户的逾期风险评分在[0,1000]之间，可从(0,1000)之间选择一个合理的分数作为预设迁徙风险阈值n，即0

进一步地，步骤c还包括：

步骤c1，当所述迁徙风险评分小于预设风险阈值时，确定所述逾期客户的迁徙风险等级为第一等级；

步骤c2，当所述迁徙风险评分大于预设风险阈值时，确定所述逾期客户的迁徙风险等级为第二等级。

在本实施例中，若输出某逾期客户的迁徙风险评分小于预设迁徙风险阈值n，则确定该逾期客户为低风险客户，可确定该逾期客户的迁徙风险等级为第一等级；若输出的迁徙风险评分大于预设迁徙风险阈值n，则确定该逾期客户为高风险客户，可确定该逾期客户的迁徙风险等级为第二等级，对于迁徙风险评分等于预设迁徙风险阈值n的逾期客户，可根据实际业务需求，确定该逾期客户的迁徙风险等级。

步骤d，根据所述迁徙风险等级，确定针对所述逾期客户的催收策略。

在本实施例中，可根据逾期客户的迁徙风险等级，制定差异化的催收策略及手段，有针对性地对逾期客户进行催收，可在一定程度上提高催收成功率。

进一步地，步骤d还包括：

步骤d1，当所述迁徙风险等级为第一等级时，确定针对所述逾期客户的催收策略为机器催收；

步骤d2，当所述迁徙风险等级为第二等级时，确定针对所述逾期客户的催收策略为人工催收。

在本实施例中，当逾期客户为低风险客户，即该逾期客户的迁徙风险等级为第一等级时，可确定针对该低风险客户的催收策略为机器催收，机器催收指的是逾期催收系统自动通知逾期客户，如通过逾期催收系统中的短信业务模块发送短信通知相关的逾期客户，以告知客户已经超过账单日或宽限期未全额偿还应还贷款；当逾期客户为高风险客户，即该逾期客户的迁徙风险等级为第二等级时，逾期催收系统可在不泄露客户信息的前提下，将该逾期客户的相关信息发送给拥有权限的工作人员，以通知工作人员需要对该逾期客户进行人工催收，如可安排相应的工作人员对该逾期客户进行电话沟通，以告知客户已经超过账单日或宽限期未全额偿还应还贷款，并告知客户如若未在规定日期内偿还贷款所采取的措施等。逾期催收系统在客户刚进入逾期阶段时，根据预设风险评分模型输出各个逾期客户的迁徙风险评分，自动判断是否对逾期客户采用催收强度较低的机器催收策略，或者是需要人工提前介入催收，以提醒逾期客户在规定日期内偿还贷款，针对不同迁徙风险等级的逾期客户采取不同强度的催收策略，可进一步提高度逾期客户进行催收的催收成功率。

需要说明的是，逾期客户的迁徙风险等级可根据金融机构的实际业务需求、客户群体等方面综合确定，因此，本申请对逾期客户的迁徙风险等级个数不作限定。

本实施例的逾期催收方法，针对处于不同迁徙风险等级的逾期客户采取不同的催收策略，有针对性地对逾期客户进行催收，可进一步提高催收成功率。

本发明还提供一种逾期催收装置。参照图6，本发明逾期催收装置包括：

信息处理模块10，用于当检测到逾期客户时，获取所述逾期客户在各预设数据领域的数据信息，并对所述数据信息进行处理，得到对应的指标信息；

风险评分模块20，用于将所述指标信息输入预设风险评分模型，以输出所述逾期客户的迁徙风险评分；

策略执行模块30，用于根据所述迁徙风险评分，确定针对所述逾期客户的催收策略，并执行所述催收策略。

优选地，所述信息处理模块还用于：

获取预设存储格式，并根据所述预设存储格式对各所述数据信息进行格式化处理，得到对应的格式化信息；

对所述格式化信息进行二次处理，以得到对应的指标信息。

优选地，所述信息处理模块还用于：

对所述格式化信息进行数据清洗和分箱处理，得到处理后的指标变量；

对所述指标变量进行衍生处理，并对衍生处理后的指标变量进行筛选，以得到指标信息。

优选地，所述策略执行模块还用于：

将所述迁徙风险评分和预设迁徙风险阈值进行比较，以确定所述逾期客户的迁徙风险等级；

根据所述迁徙风险等级，确定针对所述逾期客户的催收策略。

优选地，所述策略执行模块还用于：

当所述迁徙风险评分小于预设风险阈值时，确定所述逾期客户的迁徙风险等级为第一等级；

当所述迁徙风险评分大于预设风险阈值时，确定所述逾期客户的迁徙风险等级为第二等级。

优选地，所述策略执行模块还用于：

当所述迁徙风险等级为第一等级时，确定针对所述逾期客户的催收策略为机器催收；

当所述迁徙风险等级为第二等级时，确定针对所述逾期客户的催收策略为人工催收。

优选地，所述逾期催收装置还包括模型训练模块，所述模型训练模块用于：

获取历史逾期客户在各预设数据领域的历史数据信息，并基于预设处理规则，对所述历史数据信息进行预处理，以得到处理后的历史指标信息；

获取各所述历史逾期客户对应的实际迁徙情况，并根据所述实际迁徙情况对所述历史指标信息进行标记，得到对应的样本数据信息；

对所述样本数据信息进行训练，以得到预设风险评分模型。

本发明还提供一种计算机可读存储介质。

本发明计算机可读存储介质上存储有逾期催收程序，所述逾期催收程序被处理器执行时实现如上所述的逾期催收方法的步骤。

其中，在所述处理器上运行的逾期催收程序被执行时所实现的方法可参照本发明逾期催收方法各个实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端系统(可以是手机，计算机，服务器，空调器，或者网络系统等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书与附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。