[发明专利]一种催收核销客户还款意愿分类方法及系统

说明书

本发明涉及一种催收核销客户还款意愿分类方法及系统，该方法包括如下步骤：S1、构建数据仓库，所述的数据仓库中存储多方数据，包括委外催收记录数据、银行信用卡数据和征信数据；S2、从多方数据中提取n维特征数据并进行数据清洗；S3、对清洗后的n维特征数据进行特征加工和筛选确定m维关键特征数据；S4、确定训练样本，构建用于预测催收核销客户还款意愿等级的分类预测模型并进行训练；S5、对于待分类的催收核销客户，获取S1中的多方数据并依次执行步骤S2～S3，最后采用训练好的分类预测模型进行预测确定催收核销客户还款意愿等级。与现有技术相比，本发明分类准确率高。

技术领域

本发明涉及数据处理技术领域，尤其是涉及一种催收核销客户还款意愿分类方法及系统。

背景技术

近年来，全球经济放缓，贷款质量下降，共债风险积聚，全国扫黑除恶，催收行业列为重点整治对象，信修渠道骤减。银行信用卡行业的催收工作面临较大压力。尤其是对催收后期阶段的核销客户。催收核销客户是指因银行信用卡应还账单长期不还款致使该笔账单成为坏账进入损失状态的待催收客户。

针对催收核销客户一般采用“应催尽催”的理念，相关催收工作也多是委托外部第三方催收公司(以下简称委外公司)，催收策略主要是依靠各催收公司内部员工催收经验，采用电话外呼、上门外访、法律诉讼等方式催收还款。

目前的催收工作主要面临两个痛点，具体如下。

痛点1：催收资源有限，无法做到对全量待催客户进行同等力度催收。当前委外公司依赖人工经验对待催客群分类以区分对待分配不同的催收资源，但因缺乏待催客户更多详细数据，导致委外公司对客群分类准确率底，影响催收回款率。

痛点2：催收经验无法共享、催收工作信息不连续。委外公司因商业竞争关系、数据安全问题导致催收经验无法互通，使得各委外公司无法充分利用催收成功样本信息，导致催收效率较低，影响催收回款率。

因此，如何对客户进行精准识别确定其还款意愿等级，可提高催收资源的准确投入分配，从而整体提升催收回款率。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种催收核销客户还款意愿分类方法及系统。

本发明的目的可以通过以下技术方案来实现：

一种催收核销客户还款意愿分类方法，该方法包括如下步骤：

S1、构建数据仓库，所述的数据仓库中存储多方数据，包括委外催收记录数据、银行信用卡数据和征信数据；

S2、从多方数据中提取n维特征数据并进行数据清洗；

S3、对清洗后的n维特征数据进行特征加工和筛选确定m维关键特征数据；

S4、确定训练样本，构建用于预测催收核销客户还款意愿等级的分类预测模型并进行训练；

S5、对于待分类的催收核销客户，获取S1中的多方数据并依次执行步骤S2～S3，最后采用训练好的分类预测模型进行预测确定催收核销客户还款意愿等级。

优选地，步骤S1中数据仓库采用HDFS分布式文件存储模式。

优选地，步骤S2中数据清洗包括空缺值填补、异常值剔除、类别型特征数据数值化、错误数据剔除、数据归一化。

优选地，步骤S3中进行特征加工和筛选采用包括特征相关性分析和主成分分析方法。

优选地，所述的分类预测模型包括lightGBM模型。

一种催收核销客户还款意愿分类系统，该系统包括：

数据仓库：用于存储多方数据，包括委外催收记录数据、银行信用卡数据和征信数据；