基于消费账单分析的业务贷款分期决策辅助系统

技术领域

本发明涉及数据分析技术领域，具体地说，涉及基于消费账单分析的业务贷款分期决策辅助系统。

背景技术

从目前市场来看，我国已成为世界第二大零售银行市场、国内商业银行须把握消费增长契机、稳健提升信用卡业务收益贡献，在分期消费日益兴盛的形式下，例如，许多消费者开始盲目消费、攀比消费、过度消费等，当消费跟不上自己的还款能力时，消费者开始纷纷选择贷款为满足自己的消费行为，同时在分期无法还款时，则消费者的信用就会出现风险情况，为了帮助消费者选择适当的消费平台和还款方式，避免因选择不当带来的经济压力，帮助消费者树立恰当的消费观，避免过度消费，盲目消费，攀比消费，因此，我们对平台上各种模式、售后服务以及安全问题进行了调查，通过此次调查我们发现，消费者的消费观、分期消费平台的服务水平以及分期中的安全保障均存在一定的问题，目前的消费账单分析的业务贷款分期决策辅助系统主要关注消费者的消费行为和支付历史，而不是借款人的财务状况和资产状况，因此，在使用消费账单分析做出业务贷款分期决策时，可能存在忽略借款人整体风险和无法全面评估还款能力的问题，于是我们提出了基于消费账单分析的业务贷款分期决策辅助系统。

发明内容

本发明的目的在于提供基于消费账单分析的业务贷款分期决策辅助系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供基于消费账单分析的业务贷款分期决策辅助系统，包括采集处理单元、分析可视化单元、信用评估单元、分期策略单元、风险控制单元；

所述采集处理单元用于采集消费者的数据，并对采集后的数据进行预处理操作；

所述分析可视化单元用于接收预处理操作后的数据和采集后的数据，并对预处理操作后的数据和采集后的数据进行分析，再对分析后的数据进行建模可视化；

所述信用评估单元用于接收分析后的数据和采集后的数据并进行信用评估；

所述分期策略单元用于接收采集后的数据、分析后的数据和信用评估后的数据并进行制定分期决策；

所述风险控制单元用于接收制定分期决策后的数据、信用评估后的数据和分析后的数据并进行风险控制；

所述风险控制单元用于接收制定分期决策后的数据、信用评估后的数据和分析后的数据，并对制定分期决策后的数据、信用评估后的数据和分析后的数据进行风险控制，将风险控制后的数据传入分期策略单元中，分期策略单元根据风险控制后的数据重新制定分期策略。

作为本技术方案的进一步改进，所述采集处理单元包括数据采集模块和数据预处理模块；

所述数据采集模块通过爬虫技术采集消费者的消费数据和信用数据，将采集后的数据传入数据预处理模块中；

所述数据预处理模块用于接收采集后的数据，并对采集后的数据进行预处理操作，将预处理操作后的数据传入分析可视化单元中。

作为本技术方案的进一步改进，所述分析可视化单元包括消费分析模块和建模可视化模块；

所述消费分析模块用于接收数据预处理模块中预处理操作后的数据，通过数据分析技术对预处理操作后的数据进行分析，分析消费者的消费行为和习惯，同时将分析后的数据传入建模可视化模块中；

所述建模可视化模块用于接收分析后的数据，并对分析后的数据进行建立模板，将建立模板后的数据进行可视化并进行存储。

作为本技术方案的进一步改进，所述信用评估单元用于接收数据采集模块中采集后的数据，接收消费分析模块中分析后的数据，并通过机器学习技术对采集后的数据和分析后的数据进行信用评估，评估信用状况和信用风险，将信用评估后的数据传入分期策略单元中。

作为本技术方案的进一步改进，所述分期策略单元用于接收消费分析模块中分析后的数据，接收信用评估单元中信用评估后的数据，并通过数据集成对分析后的数据和评估后的数据进行整合，根据整合后的数据进行制定分期策略，将整合后的数据传入风险控制单元中。

作为本技术方案的进一步改进，所述风险控制单元用于接收消费分析模块中分析后的数据，接收分期策略单元中整合后的数据，通过大数据技术对分析后的数据和整合后的数据进行预测风险，并根据预测风险后的数据进行风险控制，将预测风险后的数据传入分期策略单元中。

作为本技术方案的进一步改进，所述风险控制单元接收分析后的数据和整合后的数据并通过大数据技术进行预测风险，根据预测风险后的数据进行风险控制，将预测风险后的数据传入分期策略单元中，分期策略单元根据整合后的数据和预测风险后的数据进行重新制定分期策略，采用了优化分期数学算法公式。

作为本技术方案的进一步改进，所述优化分期数学算法公式：

C＝(p*r*(1+r)

其中，C为重新制定后的分期策略，p为整合后的数据数值，r指的是预测风险后的数据数值，n指的是重新制定后的分期策略与上一次制定后的分期策略的时间差值。

与现有技术相比，本发明的有益效果：

该基于消费账单分析的业务贷款分期决策辅助系统中，风险控制单元接收分析后的数据和整合后的数据并通过大数据技术进行预测风险，通过预测风险，可以及早识别潜在的风险，并提前采取相应的措施来降低其对个人、企业或项目的影响，同时根据预测风险后的数据进行风险控制，帮助企业减少潜在的损失，将预测风险后的数据传入分期策略单元中，分期策略单元通过根据整合后的数据和预测风险后的数据进行重新制定分期策略，可以根据个人或组织的还款能力进行优化调整，确保贷款的还款金额与自身财务状况相匹配，这样有助于提高还款的可靠性和及时性。

附图说明

图1为本发明的整体框图；

图2为本发明的实时检测单元框图；

图3为本发明的检测处理单元框图。

图中各个标号意义为：

1、采集处理单元； 11、数据采集模块； 12、数据预处理模块；

2、分析可视化单元； 21、消费分析模块； 22、建模可视化模块；

3、信用评估单元；4、分期策略单元；5、风险控制单元。

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。

实施例1

本发明提供基于消费账单分析的业务贷款分期决策辅助系统，请参阅图1-图3，包括采集处理单元1、分析可视化单元2、信用评估单元3、分期策略单元4、风险控制单元5；

因考虑到目前的分期决策辅助系统主要根据消费者的消费行为和支付历史，而不是借款人的财务状况和资产状况，因此，在使用消费账单分析做出业务贷款分期决策时，可能存在忽略借款人整体风险和无法全面评估还款能力的问题，于是我们提出了基于消费账单分析的业务贷款分期决策辅助系统，该系统的采集处理单元1用于采集消费者的数据，并对采集后的数据进行预处理操作，分析可视化单元2用于接收预处理操作后的数据和采集后的数据，并对预处理操作后的数据和采集后的数据进行分析，再对分析后的数据进行建模可视化，信用评估单元3用于接收分析后的数据和采集后的数据并进行信用评估，分期策略单元4用于接收采集后的数据、分析后的数据和信用评估后的数据并进行制定分期决策，风险控制单元5用于接收制定分期决策后的数据、信用评估后的数据和分析后的数据并进行风险控制；

风险控制单元5用于接收制定分期决策后的数据、信用评估后的数据和分析后的数据，并对制定分期决策后的数据、信用评估后的数据和分析后的数据进行风险控制，通过有效的风险控制，可以提高安全性和可靠性。这意味着在面临风险时，能够更好地保护人员、设备、资产和运营，并减少事件的发生和不利后果的可能性，同时将风险控制后的数据传入分期策略单元4中，分期策略单元4通过根据风险控制后的数据重新制定分期策略，可以调整优化还款期限或贷款金额，从而降低每月的还款额，这样可以减轻财务压力，使还款更加可承受和可管理。

采集处理单元1包括数据采集模块11和数据预处理模块12；

数据采集模块11通过爬虫技术采集消费者的消费数据和信用数据，消费者的消费数据包括消费金额、消费日期、支付方式，数据来源方式，例如可以从互联网、电商平台、信用卡账单网站等获取消费数据，对于消费账单数据的采集，可以使用Python(是一种高级编程语言，它以简洁、易读和易学的语法而闻名)中的requests(是一个流行的Python库，用于简化HTTP请求的发送和处理)库发送HTTP请求，获取网页源码，然后使用正则表达式等工具提取出需要的消费数据，信用数据从信用征信机构、银行等获取消费者的信用历史、信用记录数据，在进行数据采集时，需要遵循相关的法律法规和道德规范，以保护消费者的隐私和数据安全，同时，需要注意数据的安全性和隐私保护等问题，将采集后的数据传入数据预处理模块12中。

数据预处理模块12用于接收采集后的数据，并对采集后的数据进行预处理操作，预处理操作包括清洗(通常指的是对原始数据进行预处理，以去除或修复数据中的错误、不一致性或无效值)、缺失值处理(指数据集中某个变量或特征的观察值缺失或未记录，缺失值可能由于各种原因而产生，例如测量错误、数据录入问题、用户不愿意提供某些信息)，通过预处理操作可以减少数据中的误差，提高数据的准确性，为后续的制定分期策略和风险控制提供了准确的数据，同时将预处理操作后的数据传入分析可视化单元2中。

分析可视化单元2包括消费分析模块21和建模可视化模块22；

消费分析模块21用于接收数据预处理模块12中预处理操作后的数据，通过数据分析技术对预处理操作后的数据进行分析，分析技术包括分类分析(通过对消费者的消费行为进行分类，可以了解消费者的消费偏好和消费习惯，)、聚类分析(通过对消费者的消费行为进行聚类，可以了解消费者的消费群体特征和消费市场细分)、回归分析(通过对消费者的消费行为进行回归分析，可以了解消费者的消费趋势和消费模式)、深度学习(通过深度学习等技术，可以对消费者的消费行为进行建模和分析)，分析消费者的消费行为和习惯，例如，可以通过分析消费者的消费金额、频率、品类等信息，来评估其消费能力和消费需求，进而为市场营销、产品设计等提供参考和依据，同时将分析后的数据传入建模可视化模块22中，建模可视化模块22用于接收分析后的数据，并对分析后的数据进行建立模板，模板数据包括消费数据和信用数据，将建立模板后的数据进行可视化，可以使用数据可视化技术将数据结果可视化展示出来，例如使用Tableau(是一款流行的数据可视化和商业智能工具，通过直观的界面和交互性能帮助用户探索、分析和分享数据)、Power BI(是由Microsoft开发的一款商业智能工具，用于数据分析和可视化，它提供了各种功能和功能模块，帮助用户从各种数据源中获取数据、进行数据准备、建立数据模型，并通过交互式报表和仪表板进行数据可视化和共享)等数据可视化工具将数据结果呈现出来，同时对并进行可视化后的数据进行存储。

信用评估单元3用于接收数据采集模块11中采集后的数据，接收消费分析模块21中分析后的数据，信用评估的原理主要是通过对采集消费者的信用历史、信用记录信息和分析后的数据进行评估，并通过机器学习技术(是一种人工智能的分支领域，它致力于开发算法和模型，使计算机能够从数据中学习和进行预测或决策，而无需显式地进行编程)对采集后的数据和分析后的数据进行信用评估，评估信用状况和信用风险，评估信用状况和信用风险可以通过评估借款人的信用情况，判断其还款能力和风险级别，从而决定是否借款以及借款金额、利率等条件，这有助于确保贷款风险可控且合理，我们还可以通过交叉验证对评估信用状况和信用风险进行训练和测试，可以提高数据的准确性和稳定性，将信用评估后的数据传入分期策略单元4中，同时再将评估后的数据传入建模可视化模块22中，建模可视化模块22对该消费者的评估信用状况和信用风险进行可视化。

分期策略单元4用于接收消费分析模块21中分析后的数据，接收信用评估单元3中信用评估后的数据，并通过数据集成(将不同系统中的数据整合在一起，以实现数据的统一管理和共享)对分析后的数据和评估后的数据进行整合，通过数据集成将多数据进行整合，再对整合后的的数据进行清洗，以确保数据的一致性和准确性，根据整合后的数据进行制定分期策略，将整合后的数据传入风险控制单元5和建模可视化模块22中；

实现制定策略的原理：

①根据消费者的信用状况和消费需求，为其提供不同的分期方案和还款计划；

②根据消费者的还款能力和还款意愿，为其提供不同的还款计划和催收策略；

③根据分期方案和还款计划的效果，进行数据分析和模型优化。

风险控制单元5用于接收消费分析模块21中分析后的数据，接收分期策略单元4中整合后的数据，通过大数据技术对分析后的数据和整合后的数据进行预测风险，通过根据预测风险后的数据进行有效的风险控制，可以提高安全性和可靠性，这意味着在面临风险时，能够更好地保护人员、设备、资产和运营，并减少事件的发生和不利后果的可能性，以保障金融机构的资产安全和业务稳健发展，其次，我们还可以进行实时监控(通过根据制定分期决策，实现对业务贷款分期风险的实时监控，包括消费者的还款情况、逾期记录)、风险预警(根据实时监控的结果，及时发现风险并进行预警，以提醒相关人员进行处理)、风险处理(根据风险预警的结果，及时采取相应的风险处理措施，包括催收、调整分期方案)等操作，同时将预测风险后的数据传入分期策略单元4中。

风险控制单元5接收分析后的数据和整合后的数据并通过大数据技术进行预测风险，通过有效的风险预测和准确的决策，可以提供更符合借款人需求和还款能力的贷款条件，这有助于提高客户满意度，并增强其对贷款机构的信任和忠诚度，良好的客户体验有助于建立长期的客户关系，并帮助贷款机构赢得更多的重复业务，再根据预测风险后的数据进行风险控制，可以帮助贷款机构识别可能存在的欺诈行为，通过风险控制还可以发现异常和不一致的模式，及时采取措施防范欺诈风险，保护机构和正当借款人的利益，将预测风险后的数据传入分期策略单元4中，分期策略单元4根据整合后的数据和预测风险后的数据进行重新制定分期策略，采用了优化分期数学算法公式；

优化分期数学算法公式：

C＝(p*r*(1+r)

其中，C为重新制定后的分期策略，p为整合后的数据数值，r指的是预测风险后的数据数值，n指的是重新制定后的分期策略与上一次制定后的分期策略的时间差值，该公式主要用于重新制定分期策略，我们可以根据重新制定分期策略防止因无法按时还款而受到信用记录的损害，适当调整分期策略，确保还款能力和及时性，有助于维护良好的信用记录。

使用流程：

风险控制单元5接收分析后的数据和整合后的数据，通过大数据技术对分析后的数据和整合后的数据进行预测风险，并根据预测风险后的数据进行风险控制，将预测风险后的数据传入分期策略单元4中，分期策略单元4接收分析后的数据和信用评估后的数据、预测风险后的数据，并通过数据集成对分析后的数据和评估后的数据、预测风险后的数据进行整合，根据整合后的数据进行制定分期策略，将重新制定分期策略后的数据传入建模可视化模块22中，建模可视化模块22对新制定分期策略后的数据进行建立模板，并对建立模板数据进行可视化。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。