[发明专利]基于大数据的客户风险评级方法、装置、设备及存储介质

权利要求书

1.一种基于大数据的客户风险评级方法，其特征在于，所述基于大数据的客户风险评级方法包括：

从预置数据库获取目标客户的历史业务数据，其中，所述历史业务数据包括所述目标客户的客诉记录、客户信息、交易信息和基础风险数据，所述基础风险数据包括行业标识；

对所述目标客户的历史业务数据进行数据清洗，得到所述目标客户的关联风险数据，其中，所述关联风险数据包括与所述目标客户存在关联关系的关联对象的标识字段；

获取客户风险识别请求，调用预置风险识别模型，对所述关联风险数据进行识别，并根据识别结果判断所述目标客户是否为高风险目标客户；

若所述目标客户为高风险目标客户，则构建多维度的客户风险评级模型；

通过所述多维度的客户风险评级模型对所述高风险目标客户进行风险评级，得到所述高风险目标客户的目标风险等级。

2.根据权利要求1所述的基于大数据的客户风险评级方法，其特征在于，所述对所述目标客户的历史业务数据进行数据清洗，得到所述目标客户的关联风险数据包括：

接收数据清洗请求；

基于所述数据清洗请求，获取需要进行数据清洗的历史业务数据；

根据所述历史业务数据与所述数据清洗请求以及预训练的清洗规则分类模型，确定用于对所述历史业务数据进行数据清洗的目标清洗规则；

根据所述目标清洗规则对所述历史业务数据进行数据清洗，得到所述目标客户的关联风险数据。

3.根据权利要求1所述的基于大数据的客户风险评级方法，其特征在于，在所述对所述目标客户的历史业务数据进行数据清洗，得到所述目标客户的关联风险数据之后，还包括：

根据所述标识字段，获取所述关联对象的风险数据；

基于所述关联对象的风险数据以及预设的风险识别模型，计算所述关联对象的风险评分；

计算每个所述关联对象与所述目标客户的亲密度；

根据所述关联对象的风险评分和亲密度，确定所述目标客户受到所述关联对象影响的风险迁移率，将所述风险迁移率作为一个关联风险指标。

4.根据权利要求1所述的基于大数据的客户风险评级方法，其特征在于，在所述获取客户风险识别请求，调用预置风险识别模型，对所述关联风险数据进行识别，并根据识别结果判断所述目标客户是否为高风险目标客户之前，还包括：

获取多个样本客户的样本风险数据及每个所述样本客户对应的行业标识；

对所述样本风险数据进行预处理，得到多种样本风险指标其中，所述样本风险指标具有对应的数据源类别；

在多个所述样本风险指标中筛选每个行业标识对应的行业风险指标；

基于所述行业风险指标训练得到每种行业标识不同所述数据源类别分别对应的目标模型；

通过每种行业标识对应的不同目标模型建立相应的风险识别模型。

5.根据权利要求1所述的基于大数据的客户风险评级方法，其特征在于，所述构建多维度的客户风险评级模型包括：

获取因子树，所述因子树包括多个节点，每个所述节点关联一个建模因子；

获取指定的第一风险行为场景；

从所述因子树中提取与所述第一风险行为场景对应的建模因子；

获取样本数据，所述样本数据中的正负样本比例为设定比例；

从所述样本数据中提取样本特征数据，所述样本特征数据与所述第一风险行为场景对应的建模因子相对应；

将所述样本特征数据输入至预先选定的模型算法中进行有监督训练，得到所述第一风险行为场景对应的客户风险评级模型。

6.根据权利要求1所述的基于大数据的客户风险评级方法，其特征在于，所述通过所述多维度的客户风险评级模型对所述高风险目标客户进行风险评级，得到所述高风险目标客户的目标风险等级包括：

获取所述高风险目标客户的资料信息；

根据所述高风险目标客户的资料信息，通过多维度的客户风险评级模型从多个维度分别评估客户的风险等级；

获取各个维度的风险等级评估结果；

从多个风险等级中取最高的作为该客户的目标风险等级，并将所述目标风险等级反馈至客诉处理中心。