[发明专利]一种数据处理方法、系统及相关设备

说明书

本发明实施例提供了一种数据处理方法、系统及相关设备，用于实现企业征信的自动化评分，减少了人为干预，提高企业风险评估准确性和可信度。本发明实施例中可以获取目标企业的准则层指标中包含的各个因素层指标对应的征信统计信息，并采用特征工程中的所有预设算法依次对每个维度的征信统计信息进行筛选，得到每个因素层指标的积分值，将积分值排序靠前的预设数量的因素层指标作为入模因素层指标，完成入模因素层指标的自动筛选，同时，采用层次分析算法根据准则层指标计的指标分数、入模因素层指标的积分值计算每个准则层指标的权重及每个入模因素层指标的权重。相对于现有技术，减少了人为干预，提高了风险评估的可信度。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种数据处理方法、系统及相关设备

背景技术

征信业在中国从无到有，随着大数据时代的到来，征信业的发展更是突飞猛进，显然，企业征信制度可以解决一些信息不对称的问题，降低信息成本和交易成本，进而减轻逆向选择。征信体系能大规模高效率地收集、加工、处理交易的信息，尽可能降低交易过程中的不确定性，降低银行信息成本，也提高了银行贷款的质量。同时，企业征信制度使得中小企业的风险更加透明化，进而增加中小企业的融资机会。此外，企业征信制度还可以形成企业经营风险约束机制，企业征信风险评估制度为企业展示自身的经营风险水平和信誉提供了一个平台，企业会自发形成约束机制，倾向于披露真实信息，最终形成社会认可的信誉交易机制。

企业征信风险评估制度的实现中，最重要的环节就是征信维度的选择及各个维度的权重值的确定。目前的企业征信风险评估系统采用的方法是专家打分法，基于预设维度人为分配权重，并计算各个维度的总得分值。现有方式，在建模的过程中，人工确定统计维度及各个维度的权重，加入了很大的主观性，无法保证企业经营风险评估的可信力。

发明内容

本发明实施例提供了一种数据处理方法、系统及相关设备，用于实现企业征信的自动化评分，减少了人为干预，提高企业征信评分准确性和可信度。

本发明实施例第一方面提供了一种数据处理方法，可包括：

获取目标企业的准则层指标中包含的各个因素层指标对应的征信统计信息，所述目标企业包含至少两个准则层指标，每一个准则层指标至少包含一个因素层指标；

采用特征工程中的所有预设算法依次对每个维度的征信统计信息进行筛选，记录每个维度的征信统计信息对应的因素层指标的积分值，其中，所述特征工程中包含至少两种预设算法，当某一个维度的征信统计信息被一种预设算法选中时，对应的因素层指标的积分值加1；

将积分值排序靠前的预设数量的因素层指标作为入模因素层指标，并记录每一个准则层指标的指标分数为其包含的所有入模因素层指标的积分值之和；

采用层次分析算法根据准则层指标计的指标分数、入模因素层指标的积分值计算每个所述准则层指标的权重及每个入模因素层指标的权重；

获取每个入模因素层指标对应的风险评分，并计算每个入模因素层指标对应的风险评分、入模因素层指标的权重以及入模因素层指标所属的准则层指标的权重三者的乘积，作为每一个入模因素层指标对应的准则层分数；

根据所有入模因素层指标对应的准则层分数之和，计算所述目标企业的风险评估总分。

可选的，作为一种可能的实施方式，本发明实施例中，所述根据所有入模因素层指标对应的准则层分数之和，计算所述目标企业的风险评估总分，包括：

将所有入模因素层指标对应的准则层分数之和按预设比例缩放得到所述目标企业的风险评估总分。

可选的，作为一种可能的实施方式，本发明实施例中，所述特征工程中包含的预设算法包括：

决策树算法、方差筛选算法、皮尔逊显著性算法、递归特征消除算法、SAS决策树算法中的任意两种以上算法形成的组合。