一种风险数据分析方法、装置、系统及介质与流程

1.本发明涉及大数据技术领域，尤其涉及一种风险数据分析方法、装置、系统及介质。


背景技术：

2.目前，银行等机构内部分设了很多业务核心系统，不同的业务核心系统配合作为完整的客户信息发布来源，为银行应用系统提供统一的、单一的企业级客户视图，不同业务系统之间通过唯一客户号作为关联标识。
3.传统的对风险客户的分析识别的方式，需要业务人员去不同的业务核心系统中取出各类核心数据来做数据分析，取数完成后还需各个关联系统审核，整个过程繁琐，数据冗余多，耗时长，便利性不够。


技术实现要素：

4.鉴于上述现有技术的不足，本发明的目的在于提供可应用于金融科技或其它相关领域的一种风险数据分析方法、装置、系统及介质，旨在提高风险数据分析与识别的效率和便捷性。
5.本发明的技术方案如下：
6.一种风险数据分析方法，包括：
7.获取目标用户在各个业务系统的元数据；
8.根据预设风险规则识别并标记所述元数据中的风险数据；
9.将所述风险数据按预设风险特征类型进行数据分类；
10.根据数据分类结果生成并展示所述目标用户的风险特征分布。
11.在一个实施例中，所述根据预设风险规则识别并标记所述元数据中的风险数据，包括：
12.根据预设风险规则对所述元数据进行数据匹配；
13.将匹配成功的元数据识别为符合所述预设风险规则的风险数据；
14.为所述风险数据添加风险标记。
15.在一个实施例中，所述将所述风险数据按预设风险特征类型进行数据分类之前，所述方法还包括：
16.接收自定义风险配置，获取所述自定义风险配置中的预设风险特征类型。
17.在一个实施例中，所述将所述风险数据按预设风险特征类型进行数据分类，包括：
18.获取所述预设风险特征类型的匹配规则；
19.根据所述匹配规则对所述风险数据进行数据分类，将相应的风险数据归类至各个预设风险特征类型中。
20.在一个实施例中，所述根据数据分类结果生成并展示所述目标用户的风险特征分布，包括：
21.根据数据分类结果确认所述目标用户存在的风险类型，以及每种风险类型的等级程度；
22.根据所述目标用户存在的风险类型和每种风险类型的等级程度绘制并展示风险特征分布图。
23.在一个实施例中，所述预设风险特征类型包括用户信息变更风险、密码变更风险、登录变更风险和转账风险。
24.在一个实施例中，所述元数据包括：用户信息、登录信息、资产信息、银行卡账户信息和/或转账信息。
25.一种风险数据分析装置，包括：
26.数据获取模块，用于获取目标用户在各个业务系统的元数据；
27.数据标记模块，用于根据预设风险规则识别并标记所述元数据中的风险数据；
28.数据分类模块，用于将所述风险数据按预设风险特征类型进行数据分类；
29.展示模块，用于根据数据分类结果生成并展示所述目标用户的风险特征分布。
30.一种风险数据分析系统，所述系统包括至少一个处理器；以及，
31.与所述至少一个处理器通信连接的存储器；其中，
32.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述风险数据分析方法。
33.一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行上述的风险数据分析方法。
34.有益效果：本发明公开了一种风险数据分析方法、装置、系统及介质，相比于现有技术，本发明实施例通过不同的风险特征类型对标记的风险数据进行加工分类，实现便捷的风险数据归类与查询，使得在针对目标用户进行风险分析时可基于分类结果高效便捷地生成相应的风险特征分布，有效提高了风险数据分析识别的效率和便捷性。
附图说明
35.下面将结合附图及实施例对本发明作进一步说明，附图中：
36.图1为本发明实施例提供的风险数据分析方法的一个流程图；
37.图2为本发明实施例提供的风险数据分析方法中步骤s200的一个流程图；
38.图3为本发明实施例提供的风险数据分析方法的另一个流程图；
39.图4为本发明实施例提供的风险数据分析方法中步骤s300的一个流程图；
40.图5为本发明实施例提供的风险数据分析方法中步骤s400的一个流程图；
41.图6为本发明实施例提供的风险数据分析装置的功能模块示意图；
42.图7为本发明实施例提供的风险数据分析系统的硬件结构示意图。
具体实施方式
43.为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。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。以下结合附图对本发明实施例进行介绍。
44.请参阅图1，图1为本发明提供的风险数据分析方法一个实施例的流程图。本实施例提供的风险数据分析方法适用于对银行等金融机构的多业务系统数据进行高效便捷的风险分析识别的情况，如图1所示，该方法具体包括如下步骤：
45.s100、获取目标用户在各个业务系统的元数据。
46.本实施例中，当需要对目标客户进行风险识别分析时，先获取目标客户在各个业务系统中的元数据，例如在银行风险调查应用中，涉及的业务系统可以包括客户信息系统、账户交易系统、银行卡管理系统等等，将各个业务系统的元数据取出后再进行统一的大数据分析处理，具体的元数据可以包括用户信息、登录信息、资产信息、银行卡账户信息和/或转账信息，具体可以根据分析需求灵活选择需获取数据的业务系统，进而灵活调整推送至大数据平台进行风险分析的数据范围，实现精准可调的数据获取。
47.s200、根据预设风险规则识别并标记所述元数据中的风险数据。
48.本实施例中，将不同业务业务系统获取到的元数据汇总后，则根据预设风险规则对元数据进行打标，识别并标记其中的风险数据，过滤掉其中的常规数据以提高风险数据分析的效率，节约数据处理量。
49.在一个实施例中，请参阅图2，其为本发明实施例提供的风险数据分析方法中步骤s200的流程图，如图2所示，步骤s200包括：
50.s201、根据预设风险规则对所述元数据进行数据匹配；
51.s202、将匹配成功的元数据识别为符合所述预设风险规则的风险数据；
52.s203、为所述风险数据添加风险标记。
53.本实施例中，在对元数据进行风险打标时，基于预设风险规则对获取到的全部元数据进行数据匹配，具体的预设风险规则可以根据不同的风险点识别需求灵活设置，具体的风险点可以是手机号更换风险、密码修改风险、登录ip地址或设备风险、转账风险等等，将匹配成功的元数据识别为风险数据，并添加相应的风险标记，作为该目标用户的风险分析基础。
54.s300、将所述风险数据按预设风险特征类型进行数据分类。
55.本实施例中，针对已标记的风险数据，则根据当前配置的风险特征类型来进行风险分类，具体地，该预设风险特征类型包括用户信息变更风险、密码变更风险、登录变更风险和转账风险，当然，在其他实施例中，还可灵活设置其它的风险特征类型，本实施例不作限定，通过对风险数据进行进一步的分类加工处理，以表征目标用户在不同风险类型下的数据分布，实现对目标用户的多种风险类型的识别分析，提高风险识别分析效率和覆盖率。
56.在一个实施例中，请参阅图3，其为本发明实施例提供的风险数据分析方法的另一个流程图，如图3所示，步骤s300之前，方法还包括：
57.s500、接收自定义风险配置，获取所述自定义风险配置中的预设风险特征类型。
58.本实施例中，可根据风险分析需求输入自定义风险配置，以对风险特征类型进行自定义配置，选择其中的一种或多种类型进行识别分析，以适应不同的风险分析场景，提高风险分析的灵活性。
59.在一个实施例中，请参阅图4，其为本发明实施例提供的风险数据分析方法中步骤s300的流程图，如图4所示，步骤s300包括：
60.s301、获取所述预设风险特征类型的匹配规则；
61.s302、根据所述匹配规则对所述风险数据进行数据分类，将相应的风险数据归类至各个预设风险特征类型中。
62.本实施例中，在对标记后的风险数据进行加工分类时，基于预设风险特征类型的匹配规则进行数据分类，根据灵活配置的不同匹配规则对筛选标记的风险数据进行数据分类，将具有不同风险特征的风险数据归类至各个预设风险特征类型中，实现数据分类，从不同风险特征角度对目标用户进行全面的风险分析。
63.具体的匹配规则根据不同的预设风险特征类型设置，其中用户信息变更风险的匹配规则可以是例如手机号、邮箱、地址等用户信息频繁更换；密码变更风险的匹配规则可以是例如密码频繁变更或者密码频繁忘记等等；登录变更风险的匹配规则可以是例如登录设备、登录ip地址等登录信息频繁更换；转账风险的匹配规则可以是例如转账交易频繁、转账对象为异常账户等等，可以理解的是，上述频繁均指的是预设时间内的行为次数大于预设阈值。
64.s400、根据数据分类结果生成并展示所述目标用户的风险特征分布。
65.本实施例中，根据配置的风险特征类型对风险数据进行分类后，则可基于数据分类结果快速且完整的生成目标用户在不同风险角度下的风险特征分布，即分析得到目标用户的风险画像并进行可视化展示，通过统一取数、风险标记以及特征分类处理，实现对用户的高效全面的风险识别。
66.在一个实施例中，请参阅图5，其为本发明实施例提供的风险数据分析方法中步骤s400的流程图，如图5所示，步骤s400包括：
67.s401、根据数据分类结果确认所述目标用户存在的风险类型，以及每种风险类型的等级程度；
68.s402、根据所述目标用户存在的风险类型和每种风险类型的等级程度绘制并展示风险特征分布图。
69.本实施例中，在展示目标用户的风险特征分布时，根据数据分类结果确认目标用户存在的风险类型，即各个预设风险特征类型下是否存在数据，若不存在则说明目标用户不存在对应的风险类型，反之则存在，并且基于目标用户存在的风险类型下的风险数据确认相应的等级程度，具体可以根据数据量对等级进行分析处理，例如针对用户信息变更风险这一风险类型，可设置若干风险等级，每一风险等级均对应一个变更频率或者变更数量，将风险进行量化评价，其它风险类型同理，进而基于目标用户存在的风险类型以及相应的等级程度绘制并展示风险特征分布图，具体可以通过条形图、扇形图、多维度雷达图等方式展示目标用户的风险画像，实现便捷且直观的风险数据分析展示。
70.进一步地，本实施例还可基于风险特征分布结果对目标用户的风险数据进行双向的穿透式查询，例如在展示的风险特征分布中，每个风险类型均对应设置一点击控件，用户可通过点击相应的控件来触发风险数据查询指令，大数据平台对该查询指令进行响应，查询获取到该风险类型下目标用户具体的风险数据，在提高了风险数据分析与识别的效率和直观性的同时，也实现了数据来源的高效获取。
71.本发明另一实施例提供一种风险数据分析装置，如图6所示，装置1包括：
72.数据获取模块11，用于获取目标用户在各个业务系统的元数据；
73.数据标记模块12，用于根据预设风险规则识别并标记所述元数据中的风险数据；
74.数据分类模块13，用于将所述风险数据按预设风险特征类型进行数据分类；
75.展示模块14，用于根据数据分类结果生成并展示所述目标用户的风险特征分布。
76.本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述风险数据分析的执行过程，各模块的具体实施方式请参考上述对应的方法实施例，此处不再赘述。
77.在一个实施例中，所述数据标记模块12，包括：
78.数据匹配单元，用于根据预设风险规则对所述元数据进行数据匹配；
79.识别单元，用于将匹配成功的元数据识别为符合所述预设风险规则的风险数据；
80.标记单元，用于为所述风险数据添加风险标记。
81.在一个实施例中，所述装置1，还包括：
82.配置模块，用于接收自定义风险配置，获取所述自定义风险配置中的预设风险特征类型。
83.在一个实施例中，所述数据分类模块13，包括：
84.规则获取单元，用于获取所述预设风险特征类型的匹配规则；
85.数据分类单元，用于根据所述匹配规则对所述风险数据进行数据分类，将相应的风险数据归类至各个预设风险特征类型中。
86.在一个实施例中，所述展示模块14，包括：
87.结果确认单元，用于根据数据分类结果确认所述目标用户存在的风险类型，以及每种风险类型的等级程度；
88.绘制展示单元，用于根据所述目标用户存在的风险类型和每种风险类型的等级程度绘制并展示风险特征分布图。
89.在一个实施例中，所述预设风险特征类型包括用户信息变更风险、密码变更风险、登录变更风险和转账风险。
90.在一个实施例中，所述元数据包括：用户信息、登录信息、资产信息、银行卡账户信息和/或转账信息。
91.本发明另一实施例提供一种风险数据分析系统，如图7所示，系统10包括：
92.一个或多个处理器110以及存储器120，图7中以一个处理器110为例进行介绍，处理器110和存储器120可以通过总线或者其他方式连接，图7中以通过总线连接为例。
93.处理器110用于完成系统10的各种控制逻辑，其可以为通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)、单片机、arm(acorn risc machine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有，处理器110还可以是任何传统处理器、微处理器或状态机。处理器110也可以被实现为计算设备的组合，例如，dsp和微处理器的组合、多个微处理器、一个或多个微处理器结合dsp和/或任何其它这种配置。
94.存储器120作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的风险数据分析方法对应的程序指令。处理器110通过运行存储在存储器120中的非易失性软件程序、指令以及单元，从而执行系统10的各种功能应用以及数据处理，即实现上述方法实施例中的风险数据分析方法。
95.存储器120可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据系统10使用所创建的数据等。此外，存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器120可选包括相对于处理器110远程设置的存储器，这些远程存储器可以通过网络连接至系统10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
96.一个或者多个单元存储在存储器120中，当被一个或者多个处理器110执行时，实现以下步骤：
97.获取目标用户在各个业务系统的元数据；
98.根据预设风险规则识别并标记所述元数据中的风险数据；
99.将所述风险数据按预设风险特征类型进行数据分类；
100.根据数据分类结果生成并展示所述目标用户的风险特征分布。
101.在一个实施例中，所述根据预设风险规则识别并标记所述元数据中的风险数据，包括：
102.根据预设风险规则对所述元数据进行数据匹配；
103.将匹配成功的元数据识别为符合所述预设风险规则的风险数据；
104.为所述风险数据添加风险标记。
105.在一个实施例中，所述将所述风险数据按预设风险特征类型进行数据分类之前，所述方法还包括：
106.接收自定义风险配置，获取所述自定义风险配置中的预设风险特征类型。
107.在一个实施例中，所述将所述风险数据按预设风险特征类型进行数据分类，包括：
108.获取所述预设风险特征类型的匹配规则；
109.根据所述匹配规则对所述风险数据进行数据分类，将相应的风险数据归类至各个预设风险特征类型中。
110.在一个实施例中，所述根据数据分类结果生成并展示所述目标用户的风险特征分布，包括：
111.根据数据分类结果确认所述目标用户存在的风险类型，以及每种风险类型的等级程度；
112.根据所述目标用户存在的风险类型和每种风险类型的等级程度绘制并展示风险特征分布图。
113.在一个实施例中，所述预设风险特征类型包括用户信息变更风险、密码变更风险、登录变更风险和转账风险。
114.在一个实施例中，所述元数据包括：用户信息、登录信息、资产信息、银行卡账户信息和/或转账信息。
115.本发明实施例提供了一种非易失性计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如，执行以上描述的图1中的方法步骤s100至步骤s400。
116.作为示例，非易失性存储介质能够包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦rom(eeprom)或闪速存储器。易失性存储器能够包括作为外部高速
缓存存储器的随机存取存储器(ram)。通过说明而非限制，ram可以以诸如同步ram(sram)、动态ram、(dram)、同步dram(sdram)、双数据速率sdram(ddrsdram)、增强型sdram(esdram)、synchlink dram(sldram)以及直接rambus(兰巴斯)ram(drram)之类的许多形式得到。本文中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。
117.综上，本发明公开的一种风险数据分析方法、装置、系统及介质中，方法通过获取目标用户在各个业务系统的元数据；根据预设风险规则识别并标记所述元数据中的风险数据；将所述风险数据按预设风险特征类型进行数据分类；根据数据分类结果生成并展示所述目标用户的风险特征分布。通过不同的风险特征类型对标记的风险数据进行加工分类，实现便捷的风险数据归类与查询，使得在针对目标用户进行风险分析时可基于分类结果高效便捷地生成相应的风险特征分布，有效提高了风险数据分析识别的效率和便捷性。
118.当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的计算机程序可存储于一非易失性计算机可读取的存储介质中，该计算机程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、软盘、闪存、光存储器等。
119.应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。