[发明专利]字段缺失率预警方法、服务器、存储介质及计算机程序

说明书

本发明实施例公开了一种字段缺失率预警方法、服务器、存储介质及计算机程序，其中方法包括：获取M个客户的基本信息，并根据M个客户的基本信息生成M个信用评分卡；其中，M个信用评分卡中的每个信用评分卡包括N个字段，M、N为正整数，信用评分卡用于服务器通过预测模型预测客户的审批结果；检测M个信用评分卡中第一字段的实际缺失率；若第一字段的实际缺失率大于预设的第一缺失率阈值，则将第一字段的缺失信息发送给预设通信地址；其中，第一字段的实际缺失率为第一字段的实际缺失数量S在第一字段的总数量M中的占比。实施本发明实施例，可以提高预测模型针对客户的审批结果的正确率。

技术领域

本发明涉及金融技术领域，尤其涉及一种字段缺失率预警方法、服务器、存储介质及计算机程序。

背景技术

互联网技术的迅猛发展给金融行业带来了翻天覆地的变化。以借贷业务为例，传统的银行信贷审批方式为信贷审批人员通过面试、电话核实、审阅申请者材料等来对客户进行基于主观的信用风险等级的评价，并根据对客户的整体印象以及相关从业经验来给客户一个相应的授信额度。这种方式不仅缺乏科学依据，在客户数量庞大的情况下，容易带来时效性差、人力成本高、评价精度不高等问题。继而，涌现出了互联网银行信贷。具体来说，现有的互联网银行信贷可以包括以下几个环节：首先，获取用户的基本信息，例如，该用户的基本信息可以包括用户标识，信用额度、教育程度、婚姻状况，年龄等；然后，根据上述用户的基本信息建立信用评分卡，从本质上来看，信用评分卡是在量化借贷者的违约可能性；之后，借助预测模型(例如，Logistic回归模型)根据上述信用评分卡对借贷者按时和按约定还款的可能性作出有洞见的预测，例如，根据信用评分卡确定小明是好人，小黑是坏人等，那么，这也就意味着金融机构可以对小明放款，拒绝对小黑放款。然而，在实际应用中可以发现，由于信用评分卡中的某些字段出现了缺失，导致预测模型放进坏人，误拒好人，影响了通过率，从而导致金融机构的收益受到损害。由此可以知道，如何提高预测模型的准确率是亟需解决的技术问题。

发明内容

本发明实施例提供一种字段缺失率预警方法、服务器、存储介质及计算机程序，可以提高预测模型针对客户的审批结果的准确率。

第一方面，本发明实施例提供了一种字段缺失率预警方法，该方法包括：

获取M个客户的基本信息，并根据所述M个客户的基本信息生成M个信用评分卡；其中，所述M个信用评分卡中的每个信用评分卡包括N个字段，M、N为正整数，所述信用评分卡用于服务器通过预测模型预测所述客户的审批结果；

检测所述M个信用评分卡中第一字段的实际缺失率；

若所述第一字段的实际缺失率大于预设的第一缺失率阈值，则将所述第一字段的缺失信息发送给预设通信地址；其中，所述第一字段的实际缺失率为所述第一字段的实际缺失数量S在所述第一字段的总数量M中的占比。

通过实施本发明实施例，服务器可以检测信用评分卡中的字段的实际缺失率，在实际缺失率大于预设阈值的情况下，发送预警，以使服务器提高针对客户的审批结果的准确性。

可选的，所述获取M个客户的基本信息包括：

通过大数据平台获取所述M个客户的基本信息，所述客户的基本信息包括表征所述客户的信用信息。

可选的，所述获取M个客户的基本信息，并根据所述M个客户的基本信息生成M个信用评分卡之后，所述检测所述M个信用评分卡中第一字段的实际缺失率之前，还包括：

根据预设规则设置所述信用评分卡中所述N个字段各自对应的缺失率阈值。

可选的，所述获取M个客户的基本信息，并根据所述M个客户的基本信息生成M个信用评分卡之后，所述检测所述M个信用评分卡中第一字段的实际缺失率之前，还包括：

判断所述第一字段是否与所述N个字段中除所述第一字段之外的其它字段为关联字段；