本发明涉及银行信贷领域，具体而言，涉及一种基于消费信贷场景的风险评估方法及系统实现。
背景技术：
近年来，我国消费信贷业务发展迅速，各类消费金融机构在开展业务时，都需要对贷款申请人进行风险评估，降低发生呆账、坏账的可能性。传统金融机构的贷款审批通过客户的征信报告，借助fico(美国的个人信用评分系统，主要是fairisaaccompany推出的，评分系统由此得名)技术，构建打分卡模型，评估维度较为单一，评估结果缺乏全面性，重在评估申请人违约风险而忽视了申请人的还款能力与消费能力。
针对现有技术中消费信贷场景的风险评估方法的评估维度单一，导致评估结果准确性低的问题，目前尚未提出有效的解决方案。
技术实现要素：
本发明实施例提供了一种基于消费信贷场景的风险评估方法及系统实现，以至少解决现有技术中消费信贷场景的风险评估方法的评估维度单一，导致评估结果准确性低的技术问题。
根据本发明实施例的一个方面，提供了一种基于消费信贷场景的风险评估方法，包括：获取待评估对象的信用评估数据，其中，信用评估数据包括：征信数据、申请还款数据、公积金数据、银行流水数据和通信数据；判断信用评估数据是否满足预设评估条件；在信用评估数据满足预设评估条件的情况下，将信用评估数据输入预设信用评分模型，得到待评估对象的信用评分值，其中，信用评分值用于表征待评估对象的收入状态和消费能力；根据待评估对象的信用评分值，得到待评估对象的信用评估结果。
进一步地，将信用评估数据输入预设信用评分模型，得到待评估对象的信用评分值包括：将公积金数据和申请还款数据输入净收入预测模型，得到待评估对象的净收入评分值；将银行流水数据输入收入稳定性评估模型，得到待评估对象的收入稳定性评分值；将通信数据输入消费能力预测模型，得到待评估对象的消费能力评分值；获取净收入评分值、收入稳定性评分值和消费能力评分值的和值，得到信用评分值。
进一步地，将公积金数据和申请还款数据输入净收入预测模型，得到待评估对象的净收入评分值包括：根据公积金数据，得到缴存基数和扣款数据，其中，扣款数据包括：公积金缴存数据、公积金还款数据、养老保险缴存数据、医疗保险缴存数据、失业保险缴存数据、个人所得税数据和日常支出数据；获取缴存基数和扣款数据的差值；获取差值与申请还款数据的比值；根据比值确定净收入评分值。
进一步地，将银行流水数据输入收入稳定性评估模型，得到待评估对象的收入稳定性评分值包括：获取银行流水数据中第一预设时间段内的月收入数据；根据第一预设时间段内的月收入数据，得到月收入标准差；获取月收入标准差与月收入数据的比值，得到收入稳定系数；根据收入稳定系数确定收入稳定性评分值。
进一步地，将通信数据输入消费能力预测模型，得到待评估对象的消费能力评分值包括：获取通信数据中第一预设时间段内的月话费数据；获取第一预设时间段内的月话费数据的平均值和标准差；根据平均值和标准差，对月话费数据进行标准化处理，得到标准化处理后的月话费数据；根据标准化处理后的月话费数据确定消费能力评分值。
进一步地，判断信用评估数据是否满足预设评估条件包括：判断信用评估数据是否满足预设准入条件；如果信用评估数据满足预设准入条件，则判断信用评估数据是否满足预设过滤条件；如果信用评估数据满足预设过滤条件，则确定信用评估数据满足预设评估条件；如果信用评估数据不满足预设准入条件，或信用评估数据不满足预设过滤条件，则确定信用评估数据不满足预设评估条件。
进一步地，判断信用评估数据是否满足预设准入条件包括：获取信用评估数据中待评估对象的年龄信息，并判断年龄信息是否处于预设年龄范围；获取银行流水数据中第一预设时间段内月摘要信息，并判断月摘要信息中是否存在预设内容；获取公积金数据中缴存时间和缴存比例，判断缴存时间是否大于等于预设时间，且缴存比例是否大于等于预设比例；获取征信数据中第一预设时间段内还款状态，并判断还款状态是否为预设状态；如果年龄信息处于预设年龄范围，月摘要信息中存在预设内容，缴存时间大于等于预设时间，缴存比例大于等于预设比例，且还款状态为预设状态，则确定信用评估数据满足预设准入条件；如果年龄信息未处于预设年龄范围，月摘要信息中毕业存在预设内容，缴存时间小于预设时间，缴存比例小于预设比例，或还款状态不是预设状态，则确定信用评估数据不满足预设准入条件。
进一步地，判断信用评估数据是否满足预设过滤条件包括：获取通信数据中第一预设时间段内待评估对象对应的号码数量，并判断号码数量是否小于等于第一预设数量；获取通信数据中第一预设时间段内第二预设时间段内不存在通话记录的第一数量，并判断第一数量是否小于等于第二预设数量；获取通信数据中第一预设时间段内第三预设时间段内存在通话记录的第二数量，并判断第二数量是否小于第三预设数量；获取通信数据中第一预设时间段内存在预设通话记录的第三数量，并判断第三数量是否小于第四预设数量；如果号码数量小于等于第一预设数量，第一数量小于等于第二预设数量，第二数量小于第三预设数量，且第三数量小于第四预设数量，则确定信用评估数据满足预设准入条件；如果号码数量大于第一预设数量，第一数量大于第二预设数量，第二数量大于等于第三预设数量，或第三数量大于等于第四预设数量，则确定信用评估数据不满足预设准入条件。
进一步地，根据待评估对象的信用评分值，得到待评估对象的信用评估结果包括：判断信用评分值是否大于预设阈值；在信用评分值大于预设阈值的情况下，则确定信用评估结果为审核通过；在信用评分值小于等于预设阈值，或信用评估数据不满足预设评估条件的情况下，确定信用评估结果为审核待定。
根据本发明实施例的另一方面，还提供了一种基于消费信贷场景的风险评估装置，包括：获取模块，用于获取待评估对象的信用评估数据，其中，信用评估数据包括：还款数据，公积金数据，银行流水数据和通信数据；判断模块，用于判断信用评估数据是否满足预设评估条件；输入模块，用于在信用评估数据满足预设评估条件的情况下，将信用评估数据输入预设信用评分模型，得到待评估对象的信用评分值，其中，信用评分值用于表征待评估对象的收入状态和消费能力；处理模块，用于根据待评估对象的信用评分值，得到待评估对象的信用评估结果。
根据本发明实施例的另一方面，还提供了一种基于消费信贷场景的风险评估系统，包括：输入装置，用于输入待评估对象的信用评估数据，其中，信用评估数据包括：还款数据，公积金数据，银行流水数据和通信数据；处理器，与输入装置连接，用于判断信用评估数据是否满足预设评估条件，在信用评估数据满足预设评估条件的情况下，将信用评估数据输入预设信用评分模型，得到待评估对象的信用评分值，并根据待评估对象的信用评分值，得到待评估对象的信用评估结果，其中，信用评分值用于表征待评估对象的收入状态和消费能力。
根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述的基于消费信贷场景的风险评估方法。
根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述的基于消费信贷场景的风险评估方法。
在本发明实施例中，获取待评估对象的信用评估数据，判断信用评估数据是否满足预设评估条件，在信用评估数据满足预设评估条件的情况下，将信用评估数据输入预设信用评分模型，得到待评估对象的信用评分值，根据待评估对象的信用评分值，得到待评估对象的信用评估结果，从而实现更全面、更客观地对贷款申请人进行风险综合评估，为消费信贷业务提供支持。容易注意到的是，由于信用评估数据包括：征信数据、申请还款数据、公积金数据、银行流水数据和通信数据，而且，将信用评估数据输入预设信用评分模型，得到待评估对象的信用评分值，进一步根据待评估对象的信用评分值，得到待评估对象的信用评估结果，从而达到了提高贷款审批效率、降低人为审批主观性，提高信用评估结果的准确度的技术效果，进而解决了现有技术中消费信贷场景的风险评估方法的评估维度单一，导致评估结果准确性低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种基于消费信贷场景的风险评估方法的流程图；
图2是根据本发明实施例的一种基于消费信贷场景的风险评估装置的示意图；以及
图3是根据本发明实施例的一种基于消费信贷场景的风险评估系统的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例，提供了一种基于消费信贷场景的风险评估方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种基于消费信贷场景的风险评估方法的流程图，如图1所示，该方法包括如下步骤：
步骤s102，获取待评估对象的信用评估数据，其中，信用评估数据包括：征信数据、申请还款数据、公积金数据、银行流水数据和通信数据。
具体地，上述的待评估对象可以是申请贷款的贷款申请人，当申请人向银行申请贷款时，申请人需要提供征信报告(即上述的征信数据)、申请贷款月还款额(即上述的申请还款数据)、公积金缴存记录(即上述的公积金数据)、银行流水记录(即上述的银行流水数据)和通话记录(即上述的通信数据)，通过对申请人提供的信用评估数据进行评估，确定申请人是否具有贷款资格。
步骤s104，判断信用评估数据是否满足预设评估条件。
具体地，上述的预设评估条件可以是预先设置的对申请人进行筛选的条件，通过设置预设评估条件，可以对申请人提供的信用评估数据进行验证，判断申请人提供的信用评估数据是否符合申请贷款要求，以及用户是否疑似为欺诈客户。
步骤s106，在信用评估数据满足预设评估条件的情况下，将信用评估数据输入预设信用评分模型，得到待评估对象的信用评分值，其中，信用评分值用于表征待评估对象的收入状态和消费能力。
具体地，上述的预设信用评分模型可以是预先通过机器学习得到的模型，可以预先根据实际需要建立初始模型，并使用大量信用评估数据对初始模型进行训练，得到预设信用评分模型。
步骤s108，根据待评估对象的信用评分值，得到待评估对象的信用评估结果。
在一种可选的方案中，当申请人需要进行贷款时，申请人可以提供信用评估数据，金融机构的验证设备在获取到信用评估数据之后，可以首先基于信用评估数据判断信用评估数据是否符合申请贷款要求，以及申请人是否疑似为欺诈客户，在判断出信用评估数据符合申请贷款要求，且申请人疑似不是欺诈客户的情况下，可以进一步对申请人的还款能力和消费能力进行预测，具体可以将信用评估数据输入至预设信用评分模型中，得到该申请人的收入状态和消费能力的信用评分值，信用评分值越高，表明申请人的还款能力越强，申请人的贷款申请可以审批通过；信用评分值越低，表明申请人的还款能力越弱，申请人的贷款申请无法审批通过。
根据本发明上述实施例，获取待评估对象的信用评估数据，判断信用评估数据是否满足预设评估条件，在信用评估数据满足预设评估条件的情况下，将信用评估数据输入预设信用评分模型，得到待评估对象的信用评分值，根据待评估对象的信用评分值，得到待评估对象的信用评估结果，从而实现更全面、更客观地对贷款申请人进行风险综合评估，为消费信贷业务提供支持。容易注意到的是，由于信用评估数据包括：征信数据、申请还款数据、公积金数据、银行流水数据和通信数据，而且，将信用评估数据输入预设信用评分模型，得到待评估对象的信用评分值，进一步根据待评估对象的信用评分值，得到待评估对象的信用评估结果，从而达到了提高贷款审批效率、降低人为审批主观性，提高信用评估结果的准确度的技术效果，进而解决了现有技术中消费信贷场景的风险评估方法的评估维度单一，导致评估结果准确性低的技术问题。
可选地，在本发明上述实施例中，步骤s106，将信用评估数据输入预设信用评分模型，得到待评估对象的信用评分值包括：
步骤s1062，将公积金数据和申请还款数据输入净收入预测模型，得到待评估对象的净收入评分值。
步骤s1064，将银行流水数据输入收入稳定性评估模型，得到待评估对象的收入稳定性评分值。
步骤s1066，将通信数据输入消费能力预测模型，得到待评估对象的消费能力评分值。
步骤s1068，获取净收入评分值、收入稳定性评分值和消费能力评分值的和值，得到信用评分值。
具体地，预设信用评分模型可以分为净收入预测模型、收入稳定性评估模型和消费能力预测模型，通过净收入预测模型可以确定申请人的净收入多少，净收入评分越高，表明申请人净收入越多，申请人还款能力越强；通过收入稳定性评估模型可以确定申请人的收入是否稳定，收入稳定性评分值越高，表明申请人收入越稳定，申请人还款能力越强；通过消费能力预测模型可以确定申请人的消费能力，消费能力评分值越高，表明申请人消费能力越稳定。
可选地，在本发明上述实施例中，步骤s1062，将公积金数据和申请还款数据输入净收入预测模型，得到待评估对象的净收入评分值包括：
步骤s112，根据公积金数据，得到缴存基数和扣款数据，其中，扣款数据包括：公积金缴存数据、公积金还款数据、养老保险缴存数据、医疗保险缴存数据、失业保险缴存数据、个人所得税数据和日常支出数据。
具体地，上述的缴存基数可以表明申请人上一年的月平均工资。
在一种可选的方案中，通过对公积金数据进行处理，确定申请人最近一年的缴存基数、公积金缴存金额(即上述的公积金缴存数据)和公积金住房贷款月还款金额(即上述的公积金还款数据)，通过计算缴存基数和养老个人缴存比例的乘积，得到养老保险缴存金额(即上述的养老保险缴存数据)，通过计算缴存基数和医疗个人缴存比例的乘积，得到医疗保险缴存金额(即上述的医疗保险缴存数据)，通过计算缴存基数和失业个人缴存比例的乘积，得到失业保险缴存金额(即上述的失业保险缴存数据)，进一步，根据申请人的缴存基数以及对应的税率，得到申请人的个人所得税数据，根据国家统计局统计的家庭日常支出，确定申请人的日常支出(即上述的日常支出数据)。
步骤s114，获取缴存基数和扣款数据的差值。
在一种可选的方案中，由于缴存基数是申请人的月平均工资，其他扣款数据是申请人每月必须缴纳的费用，通过计算两者的差值可以预测出申请人可支配的月收入金额。
步骤s116，获取差值与申请还款数据的比值。
在一种可选的方案中，可以将申请贷款月还款金额-1，得到申请贷款月还款金额差，进一步计算可支配的月收入金额与申请贷款月还款金额差的比值，记为x。
步骤s118，根据比值确定净收入评分值。
在一种可选的方案中，进一步可以根据x确定净收入评分值，当x≤0时，可以确定净收入评分值为0；当x≥1时，可以确定净收入评分值为100；当0<x<1时，可以确定净收入评分值为x*100。
可选地，在本发明上述实施例中，步骤s1064，将银行流水数据输入收入稳定性评估模型，得到待评估对象的收入稳定性评分值包括：
步骤s122，获取银行流水数据中第一预设时间段内的月收入数据。
具体地，上述的第一预设时间段可以是最近一年。
步骤s124，根据第一预设时间段内的月收入数据，得到月收入标准差。
步骤s126，获取月收入标准差与月收入数据的比值，得到收入稳定系数。
步骤s128，根据收入稳定系数确定收入稳定性评分值。
在一种可选的方案中，可以通过对银行流水记录进行处理，提取出最近一年内每个月的月收入金额，可以根据12个月的月收入金额，得到月收入标准差，进一步计算月收入标准差和月收入的比值，得到收入稳定系数，进一步根据收入稳定系数确定收入稳定性评分值，当收入稳定系数≥1时，可以确定收入稳定性评分值＝0；当收入稳定系数＝0时，可以确定收入稳定性评分值＝100；当0<收入稳定系数<1时，可以确定收入稳定性评分值＝(1-收入稳定系数)*100。
可选地，在本发明上述实施例中，步骤s1066，将通信数据输入消费能力预测模型，得到待评估对象的消费能力评分值包括：
步骤s132，获取通信数据中第一预设时间段内的月话费数据。
步骤s134，获取第一预设时间段内的月话费数据的平均值和标准差。
步骤s136，根据平均值和标准差，对月话费数据进行标准化处理，得到标准化处理后的月话费数据。
步骤s138，根据标准化处理后的月话费数据确定消费能力评分值。
在一种可选的方案中，可以通过对申请人提供的所有通话记录进行处理，提取出最近一年内的月话费，根据12个月的月话费可以得到月话费均值和标准差，对12个月的月话费进行z-score标准化处理，进一步将标准化后的数据映射到[0,100]之间，得到消费能力评分值，当申请人话费排位前2.5％时，可以确定消费能力评分值＝100；当申请人话费排位后2.5％时，可以确定消费能力评分值＝0；当申请人话费排位在2.5％～97.5％时，可以确定消费能力评分值＝(1/(2*z_97.5％)*标准化后的数据+1/2)*100，其中，z_97.5％为标准正态分布97.5％分位数。
可选地，在本发明上述实施例中，步骤s104，判断信用评估数据是否满足预设评估条件包括：
步骤s1042，判断信用评估数据是否满足预设准入条件。
具体地，上述的预设准入条件可以是预先设置的对申请人提供的信用评估数据进行验证的贷款准入条件，通过预设准入条件可以判断信用评估数据是否符合申请贷款要求，
步骤s1044，如果信用评估数据满足预设准入条件，则判断信用评估数据是否满足预设过滤条件。
具体地，上述的预设过滤条件可以是预先设置的判断申请人是否为欺诈客户的过滤条件。
步骤s1046，如果信用评估数据满足预设过滤条件，则确定信用评估数据满足预设评估条件。
步骤s1048，如果信用评估数据不满足预设准入条件，或信用评估数据不满足预设过滤条件，则确定信用评估数据不满足预设评估条件。
在一种可选的方案中，在申请人提供信用评估数据之后，可以首先验证贷款准入条件，如果信用评估数据未通过贷款准入条件，则确定信用评估数据不满足申请贷款要求，如果信用评估数据通过贷款准入条件，则进一步进行疑似欺诈客户过滤，如果信用评估数据通过过滤，则确定申请人不是欺诈客户，可以进一步判断申请人的还款能力和消费能力；如果信用评估数据未通过过滤，则确定申请人疑似为欺诈客户。
通过上述方案，在评估申请人的还款能力和消费能力之前，通过对信用评估数据进行初步筛选，达到了减少验证设备的处理压力，提高评估效率的效果。
可选地，在本发明上述实施例中，步骤s1042，判断信用评估数据是否满足预设准入条件包括：
步骤s141，获取信用评估数据中待评估对象的年龄信息，并判断年龄信息是否处于预设年龄范围。
具体地，上述的预设年龄范围可以是25-55岁。
步骤s142，获取银行流水数据中第一预设时间段内月摘要信息，并判断月摘要信息中是否存在预设内容。
具体地，上述的月摘要信息可以是银行流水记录中每月的摘要文字，当银行流水数据为银行流水图像时，可以通过对银行流水图像进行文字识别，得到每月的摘要文字；当银行流水数据为字符串数据时，可以通过字符串匹配得到每月的摘要文字；上述的预设内容可以是工资文字。
步骤s143，获取公积金数据中缴存时间和缴存比例，判断缴存时间是否大于等于预设时间，且缴存比例是否大于等于预设比例。
具体地，上述的预设时间可以是1年，上述的预设比例可以是7.5％。
步骤s144，获取征信数据中第一预设时间段内还款状态，并判断还款状态是否为预设状态。
具体地，上述的预设状态可以是正常，用于表征用户正常还款，未出现拖欠还款的情况。
步骤s145，如果年龄信息处于预设年龄范围，月摘要信息中存在预设内容，缴存时间大于等于预设时间，缴存比例大于等于预设比例，且还款状态为预设状态，则确定信用评估数据满足预设准入条件。
步骤s146，如果年龄信息未处于预设年龄范围，月摘要信息中毕业存在预设内容，缴存时间小于预设时间，缴存比例小于预设比例，或还款状态不是预设状态，则确定信用评估数据不满足预设准入条件。
在一种可选的方案中，预设准入条件可以包括四个条件，具体为：申请人年龄在25-55岁之间；银行流水最近一年每月摘要中存在工资文字；公积金连续缴存一年以上，且缴存比例大于或等于7.5％；征信报告中所有贷款最近一年还款状态均为正常。当申请人提供的信用评估数据能够同时满足上述四个条件时，确定该申请人通过贷款准入条件，可以继续进行疑似欺诈客户过滤；当申请人提供的信用评估数据未满足任意一个条件时，确定该申请人未通过贷款准入条件。
可选地，在本发明上述实施例中，步骤s1044，判断信用评估数据是否满足预设过滤条件包括：
步骤s151，获取通信数据中第一预设时间段内待评估对象对应的号码数量，并判断号码数量是否小于等于第一预设数量。
具体地，上述的第一预设数量为2，用于表征申请人手机号码变更次数。
步骤s152，获取通信数据中第一预设时间段内第二预设时间段内不存在通话记录的第一数量，并判断第一数量是否小于等于第二预设数量。
具体地，上述的第二预设时间段可以是一周；上述的第二预设数量可以是3。
步骤s153，获取通信数据中第一预设时间段内第三预设时间段内存在通话记录的第二数量，并判断第二数量是否小于第三预设数量。
具体地，上述的第三预设时间段可以是夜间，也即凌晨0-6点；上述的第三预设数量为申请人最近一年的通话记录的5％。
步骤s154，获取通信数据中第一预设时间段内存在预设通话记录的第三数量，并判断第三数量是否小于第四预设数量。
具体地，上述的预设通话记录可以是与归属地为澳门的手机号或者座机号的通话记录；上述的第四预设数量为申请人最近一年的通话记录的1％。
步骤s155，如果号码数量小于等于第一预设数量，第一数量小于等于第二预设数量，第二数量小于第三预设数量，且第三数量小于第四预设数量，则确定信用评估数据满足预设准入条件。
步骤s156，如果号码数量大于第一预设数量，第一数量大于第二预设数量，第二数量大于等于第三预设数量，或第三数量大于等于第四预设数量，则确定信用评估数据不满足预设准入条件。
在一种可选的方案中，疑似欺诈客户过滤条件可以包括四个条件，具体为：申请人最近一年手机号码变更次数不超过2次；申请人最近一年手机出现连续一周无通话记录不超过3次；申请人最近一年夜间(凌晨0点-6点)通话比例小于5％；申请人最近一年出现澳门通话记录比例小于1％。当申请人提供的信用评估数据能够同时满足上述四个条件时，确定该申请人通过过滤，可以继续评估申请人的还款能力和消费能力；当申请人提供的信用评估数据未满足任意一个条件时，确定该申请人未通过过滤。
可选地，在本发明上述实施例中，步骤s108，根据待评估对象的信用评分值，得到待评估对象的信用评估结果包括：
步骤s1082，判断信用评分值是否大于预设阈值。
具体地，上述的预设阈值可以是根据实际贷款风险要求，预先设置的最小信用评分值。
步骤s1084，在信用评分值大于预设阈值的情况下，则确定信用评估结果为审核通过。
步骤s1086，在信用评分值小于等于预设阈值，或信用评估数据不满足预设评估条件的情况下，确定信用评估结果为审核待定。
在一种可选的方案中，在得到申请人的信用评分值之后，可以判断信用评分值是否大于预设阈值，如果大于，则确定用户还款能力和消费能力能够满足贷款风险要求，贷款风险较低；如果小于或等于，则确定用户还款能力和消费能力不满足贷款风险要求，贷款风险较高，确定申请人的贷款申请的审批状态为待定。另外，如果申请人提供的信用评估数据不满足预设评估条件，也即，判断出信用评估数据不符合申请贷款要求或者申请人疑似为欺诈客户，则确定用户还款能力和消费能力不满足申请贷款要求，贷款风险较高，确定申请人的贷款申请的审批状态为待定。进一步地，为了确定是否通过申请人的贷款申请，则可以将审批状态为待定的贷款申请交由审批人员人工进行调查，最终由审批人员确认申请人是否通过。
实施例2
根据本发明实施例，提供了一种基于消费信贷场景的风险评估装置的实施例。
图2是根据本发明实施例的一种基于消费信贷场景的风险评估装置的示意图，如图2所示，该装置包括：
获取模块22，用于获取待评估对象的信用评估数据，其中，信用评估数据包括：征信数据、申请还款数据、公积金数据、银行流水数据和通信数据。
具体地，上述的待评估对象可以是申请贷款的贷款申请人，当申请人向银行申请贷款时，申请人需要提供征信报告(即上述的征信数据)、申请贷款月还款额(即上述的申请还款数据)、公积金缴存记录(即上述的公积金数据)、银行流水记录(即上述的银行流水数据)和通话记录(即上述的通信数据)，通过对申请人提供的信用评估数据进行评估，确定申请人是否具有贷款资格。
判断模块24，用于判断信用评估数据是否满足预设评估条件。
具体地，上述的预设评估条件可以是预先设置的对申请人进行筛选的条件，通过设置预设评估条件，可以对申请人提供的信用评估数据进行验证，判断申请人提供的信用评估数据是否符合申请贷款要求，以及用户是否疑似为欺诈客户。
输入模块26，用于在信用评估数据满足预设评估条件的情况下，将信用评估数据输入预设信用评分模型，得到待评估对象的信用评分值，其中，信用评分值用于表征待评估对象的收入状态和消费能力。
具体地，上述的预设信用评分模型可以是预先通过机器学习得到的模型，可以预先根据实际需要建立初始模型，并使用大量信用评估数据对初始模型进行训练，得到预设信用评分模型。
处理模块28，用于根据待评估对象的信用评分值，得到待评估对象的信用评估结果。
在一种可选的方案中，当申请人需要进行贷款时，申请人可以提供信用评估数据，金融机构的验证设备在获取到信用评估数据之后，可以首先基于信用评估数据判断信用评估数据是否符合申请贷款要求，以及申请人是否疑似为欺诈客户，在判断出信用评估数据符合申请贷款要求，且申请人疑似不是欺诈客户的情况下，可以进一步对申请人的还款能力和消费能力进行预测，具体可以将信用评估数据输入至预设信用评分模型中，得到该申请人的收入状态和消费能力的信用评分值，信用评分值越高，表明申请人的还款能力越强，申请人的贷款申请可以审批通过；信用评分值越低，表明申请人的还款能力越弱，申请人的贷款申请无法审批通过。
根据本发明上述实施例，获取待评估对象的信用评估数据，判断信用评估数据是否满足预设评估条件，在信用评估数据满足预设评估条件的情况下，将信用评估数据输入预设信用评分模型，得到待评估对象的信用评分值，根据待评估对象的信用评分值，得到待评估对象的信用评估结果，从而实现更全面、更客观地对贷款申请人进行风险综合评估，为消费信贷业务提供支持。容易注意到的是，由于信用评估数据包括：征信数据、申请还款数据、公积金数据、银行流水数据和通信数据，而且，将信用评估数据输入预设信用评分模型，得到待评估对象的信用评分值，进一步根据待评估对象的信用评分值，得到待评估对象的信用评估结果，从而达到了提高贷款审批效率、降低人为审批主观性，提高信用评估结果的准确度的技术效果，进而解决了现有技术中消费信贷场景的风险评估方法的评估维度单一，导致评估结果准确性低的技术问题。
实施例3
根据本发明实施例，提供了一种基于消费信贷场景的风险评估系统的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图3是根据本发明实施例的一种基于消费信贷场景的风险评估系统的示意图，如图3所示，该系统包括如下步骤：输入装置32和处理器34。
其中，输入装置32用于输入待评估对象的信用评估数据，其中，信用评估数据包括：征信数据、申请还款数据、公积金数据、银行流水数据和通信数据；处理器34与输入装置连接，用于判断信用评估数据是否满足预设评估条件，信用评估数据满足预设评估条件的情况下，将信用评估数据输入预设信用评分模型，得到待评估对象的信用评分值，根据待评估对象的信用评分值，得到待评估对象的信用评估结果，其中，信用评分值用于表征待评估对象的收入状态和消费能力。
具体地，上述的输入装置可以是金融机构的验证设备的鼠标、键盘、扫描仪等设备；上述的处理器可以是验证设备内部的处理器；上述的待评估对象可以是申请贷款的贷款申请人，当申请人向银行申请贷款时，申请人需要提供征信报告(即上述的征信数据)、申请贷款月还款额(即上述的申请还款数据)、公积金缴存记录(即上述的公积金数据)、银行流水记录(即上述的银行流水数据)和通话记录(即上述的通信数据)，通过对申请人提供的信用评估数据进行评估，确定申请人是否具有贷款资格；上述的预设评估条件可以是预先设置的对申请人进行筛选的条件，通过设置预设评估条件，可以对申请人提供的信用评估数据进行验证，判断申请人提供的信用评估数据是否符合申请贷款要求，以及用户是否疑似为欺诈客户；上述的预设信用评分模型可以是预先通过机器学习得到的模型，可以预先根据实际需要建立初始模型，并使用大量信用评估数据对初始模型进行训练，得到预设信用评分模型。
在一种可选的方案中，当申请人需要进行贷款时，申请人可以提供信用评估数据，金融机构的验证设备在获取到信用评估数据之后，可以首先基于信用评估数据判断信用评估数据是否符合申请贷款要求，以及申请人是否疑似为欺诈客户，在判断出信用评估数据符合申请贷款要求，且申请人疑似不是欺诈客户的情况下，可以进一步对申请人的还款能力和消费能力进行预测，具体可以将信用评估数据输入至预设信用评分模型中，得到该申请人的收入状态和消费能力的信用评分值，信用评分值越高，表明申请人的还款能力越强，申请人的贷款申请可以审批通过；信用评分值越低，表明申请人的还款能力越弱，申请人的贷款申请无法审批通过。
根据本发明上述实施例，获取待评估对象的信用评估数据，判断信用评估数据是否满足预设评估条件，在信用评估数据满足预设评估条件的情况下，将信用评估数据输入预设信用评分模型，得到待评估对象的信用评分值，根据待评估对象的信用评分值，得到待评估对象的信用评估结果，从而实现更全面、更客观地对贷款申请人进行风险综合评估，为消费信贷业务提供支持。容易注意到的是，由于信用评估数据包括：征信数据、申请还款数据、公积金数据、银行流水数据和通信数据，而且，将信用评估数据输入预设信用评分模型，得到待评估对象的信用评分值，进一步根据待评估对象的信用评分值，得到待评估对象的信用评估结果，从而达到了提高贷款审批效率、降低人为审批主观性，提高信用评估结果的准确度的技术效果，进而解决了现有技术中消费信贷场景的风险评估方法的评估维度单一，导致评估结果准确性低的技术问题。
实施例4
根据本发明实施例，提供了一种存储介质的实施例，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述实施例1中的基于消费信贷场景的风险评估方法。
实施例5
根据本发明实施例，提供了一种处理器的实施例，处理器用于运行程序，其中，程序运行时执行上述实施例1中的基于消费信贷场景的风险评估方法。
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。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。