动态产生增强信用评估的详细交易支付经历的方法和系统的制作方法

专利名称：动态产生增强信用评估的详细交易支付经历的方法和系统的制作方法
技术领域：
本公开涉及与实体的信用可靠性有关的数据的评估，并且，更特别地，涉及产生提供关于实体的详细交易支付经历的数据，该数据被分类、存储以及元数据贴标签，以及与关联统计的事件驱动增强结合，并且此后经历新颖的客户专用评估处理。
背景技术：
实体是经营生意或意图经营生意的合法实体(例如，个体、合营或公司)。交易经历是供方与买方之间的事务的记录，包括但不限于关于实体的经历的账户信息、支付明细、 期初余额的阶段(age)、信用额度以及销售条款，交易经历涉及实体对提供给实体的商品或服务的支付。按惯例，针对所有交易经历计算支付指标(PAYDEX )得分，其是对支付性能进行定级的信用信息服务。该得分是公司对其它公司支付多快或多慢的加权平均。公司尽管对部分合作方按时支付而对其它合作方延期支付，也会具有良好的得分。例如，公司可以以一种方式对具有较大关系的合作方支付，而以另一方式对具有较小关系的合作方支付。客户反馈表明他们想要在计算中使用的更多数据；他们想要更新鲜的数据，并且他们特别想要与他们更相关的数据。客户经历是一些客户就像得分那样表现，而其它客户则不这样并且他们不知道为什么这样。客户表明，某些类型的交易经历和历史比其它交易具有更高的重要性。存在对通过行业、生意的规模、生意的阶段以及支付范围细分的支付性能得分的需要，该得分更好地预测公司将如何支付特定的合作方。在美国专利公布第2005/0M0503号中公开了描绘交易经历的一个这样的交易报告，在此将其全部内容合并于此，并且其中，针对特定行业、支付范围以及时间敏感时段 (诸如3、6、9以及12月计算)而计算支付性能得分。该得分预测公司将如何支付特定合作方。该得分基于交易经历并且提供在报告中。图4和图5描绘了具有发票级明细300、供方提供的账户级交易明细302以及分项汇总304(例如，经历的日期、支付记录、高信用、目前欠债、过期未付、售卖条款以及最近销售的日期)的常规明细交易处理。图5示出了常规交易支付经历报告，其汇总了在正常市场条件期间的支付经历，以便为在正常市场条件下的判决提供快照。该汇总具有其限制， 即，(a)其仅以单个“支付经历”捕获了 12个月的历史，使得难以基于支付日期而进行灵敏度分析，以及(b)其遮蔽了对支付行为趋势的可见性，花费较长时间使立即支付和拖延支付行为变得明显。现有技术明细交易报告的缺点是，其限制客户在易变市场条件中想要和需要的可见性。然而，当前信用报告均不能提供足够的当前和相关交易经历以使得公司能够获知信用可靠性决策，尤其是在当今快速变化的经济环境中更是如此。本公开提供了生成关于公司的信用可靠性的更当前和准确的信用报告，由此避免使用陈旧的数据来进行这样的决策。另外，本公开提供了独特的交易数据聚集、数据的合成和相关处理以及应用客户特定的评估处理的能力。

发明内容
存在对提供关于实体的最近行为(例如，在紧接报告之前的月份期间的行为)的详细交易支付经历的信用报告的需要。还存在对如下这样的信用报告的需要该信用报告通过提供属于按月或按周变化的交易明细来考虑可能影响信用决策的最近经济趋势，以便为客户提供更准确的报告，根据该报告，客户可以判断公司的信用可靠性。通过计算机实现的方法来实现上述需要，该方法包括(a)接收关于实体的第一交易经历的第一数据，(b)处理第一数据来产生关于实体的第一信用评估，利用用于细分的人口统计特征来丰富数据，其中，该处理产生中间数据，(c)将中间数据存储在数据库中， (d)接收关于实体的第二交易经历的第二数据，(e)将第二数据与数据库中的中间数据进行匹配，(f)从数据库中检索中间数据，(g)处理第二数据和中间数据，以产生关于实体的第二信用评估，以及(h)生成包括第二信用评估的信用报告。还提供了执行该方法的系统。本公开允许用户定义他们自己的PAYDEX 或优先级准则，用于以逐月基础进行评估和其传递。另外，当在交易经历数据中出现重大改变时，本公开的方法和系统可以传送格式化或定制化的警报。该新交易经历数据可以用来向用户传递更准确和当前的行业和性能报告。一种用于提供信用评估报告的计算机实现的方法，该方法包括搜索实体的参考文件；识别关注的实体；确定用户指定的规则或准则；基于用户指定的规则或准则、用于与相关交易经历比较的记录、和/或对等组，从针对关注的实体的交易经历的数据库中选择至少一个相关交易经历；以及基于相关交易经历，生成关注的实体的信用评估报告。在生成信用评估报告之前，还估计关注的实体的相关交易经历的性能。优选地，参考文件是至少从包括实体名称、实体地址、实体电话号码以及实体联系构成的组中选择的数据。优选地，交易经历的数据库通过以下步骤创建从至少一个交易源收集数据；与实体进行匹配；以及将实体链接到有关的实体，由此使得实现企业家族树风险分析，由此产生交易经历。该方法还包括对交易经历进行分类。通过将元数据标签应用于每个交易经历来对交易经历进行分类。该方法还包括选自如下组的至少一个事件驱动增强该组包括创建细分基准统计、识别与欺诈性公司一致的交易经历行为、以及检测表明关注的实体的经营改进或恶化的交易经历的变化。分类步骤可选地包括创建交易经历的原型参考数据、执行交易经历的基准、和/ 或执行交易经历的数据关联和外部相关基准。事件驱动增强步骤包括执行交易经历的基准、和/或执行交易经历的数据关联和外部相关基准。一种计算机系统，包括处理器；数据库；以及存储器，其包含可由处理器执行来控制处理器执行以下动作的指令搜索实体的参考文件；识别关注的实体；确定用户指定的规则或准则；基于用户指定的规则或准则、用于与相关交易经历比较的记录、和/或对等组，从针对关注的实体的交易经历的数据库中选择至少一个相关交易经历；以及基于相关交易经历，生成关注的实体的信用评估报告。一种包括在其上切实实施的指令的存储介质，其中，该指令可由处理器读取以使得处理器执行以下动作搜索实体的参考文件；识别关注的实体；确定用户指定的规则或准则；基于用户指定的规则或准则、用于与相关交易经历比较的记录、和/或对等组，从针对关注的实体的交易经历的数据库中选择至少一个相关交易经历；以及基于相关交易经历，生成关注的实体的信用评估报告。


图1是用于实现本公开的计算机系统的框图。图2是由图1的系统采用的方法的流程图，该方法用于处理交易数据输入以产生
信用报告。图3是由图1的系统产生的信用报告的示例。图4是传统明细交易程序的图示。图5是根据传统明细交易程序生成的报告。图6是根据本公开的明细交易程序的图示。图7是根据本公开的明细交易程序生成的报告。图8是绘出了客户值增加相对至到达点的路程的图。图9是根据本公开的新颖的明细交易处理(S卩，交易数据聚集处理、合成及相关处理以及用户专用评估处理)的高级概观。图IOa是根据本公开的交易聚集处理的框图。图IOb是根据本公开的合成及相关处理的框图。图11是根据本公开的客户专用评估处理的流程图。
具体实施例方式本文描述的系统对关于实体的支付明细起到杠杆作用(leverage)，以通过将详细交易信息、转换的详细交易信息以及基于增值属性的非现场消费账龄(off trade aging) 信息进行组合，来增加数据、预测模型、得分及风险管理解决方案的准确性和相关性。该系统提供了改进的且及时的详细交易支付信息。该系统将通过提供对选择交易活动的集合(即，具体行业中的最近行为)的洞察而有意义地适应于如今的市场条件，以增强对风险的理解。例如，该系统提供更粒状(granular)的方案而非仅仅描述12-36个月的交易经历，该方案基于一月月的行为来检测变化并提供富于洞察力的趋势洞察。即，本公开提供了大于10亿的商业交易经历的粒度交易明细，包括最复杂的支付经历和市场上可用的余额(open balance)数据。企业实体和个人使用该数据，以相对于创始(origination)、 资产投资(portfolilo)管理和收集迅速识别信用风险并依照该信用风险进行行动。另外， 由本公开的系统和方法根据超过2亿6千万的供方/买方关系而生成的详细交易支付数据使得信用专业人员能够迅速识别易变的经济环境中的风险并确信地依照该风险进行行动。该数据通过充分利用提供了对每月交易经历的前所未有的可见性的可用的最及时、精确且粒度的数据，使得能够实现确信的信用决策，并且使得能够根据经历明细的离散数据来实现对公司支付趋势中的污点(spot)变化的增加的时间敏感度。
图1是用于实施本发明的计算机系统100的框图。系统100包括用户界面105、处理器110、存储器115以及数据库125。系统100可以实现在通用计算机上。尽管这里将系统100表示为独立的系统，然而系统100并不限于此而是可经由网络(未示出)耦合至其它计算机系统(未示出)。存储器115存储数据和用于控制处理器110的操作的指令。存储器115的实现可能包括随机存取存储器(RAM)、硬盘驱动器以及只读存储器(ROM)。存储器115的组件之一是程序120。程序120包括用于控制处理器110执行本文描述的方法的指令。例如，程序120 是可被处理器Iio执行以控制处理器110进行如下动作的指令集合(a)接收关于实体的第一交易经历的第一数据；(b)处理第一数据，以产生关于该实体的第一信用评估，其中该处理产生中间数据；(c)将中间数据存储在数据库中；(d)接收关于该实体的第二交易经历的第二数据；(e)将第二数据与数据库中的中间数据进行匹配；(f)从数据库中检索中间数据；(g)处理第二数据和中间数据，以产生关于该实体的第二信用评估；以及(h)生成包括该第二信用评估的信用报告。优选地，信用报告经由用户界面105而被输出到显示器或打印机106。程序120可以被实现为单个模块或彼此协作的多个模块。在本文中，术语“模块” 用于代表功能操作，其可以被实施为单独组件或多个从属组件的集成配置。用户界面105包括诸如键盘或语音识别子系统的输入装置，用于使用户能够将信息和命令选择传递至处理器110。用户界面105也包括诸如显示器或打印机106的输出装置。诸如鼠标、轨迹球、或操纵杆等的光标控制允许用户操纵显示器上的光标，用于将附加信息和命令选择传递至处理器110。尽管程序120被表示为已加载到存储器115，但是程序120可以被配置在存储介质 125上，以用于随后加载到存储器115。存储介质125可以是以切实形式存储程序120的任意传统存储介质。存储介质125的示例包括磁带、光存储介质、光盘或软盘。可替选地，存储介质125可以是随机存取存储器或位于远程存储系统上的其它类型的电子存储。部分地通过程序120处理并存储数据库125中的数据的方式，实现了生成提供逐月行为的报告的能力。当处理数据时，对中间结果进行保持和存储，使得在后续处理中可利用这些中间结果。数据库125因而是多维数据库。除非另行指定或者由步骤本身所指定，否则可以按照其它顺序来执行与这些处理关联的步骤。此外，尽管这里将程序120描述为安装于存储器115中且因此以软件实现，然而可以以硬件、固件、软件或以上各项的组合中的任意一个实现程序120。图2是由系统100采用的方法的流程图，该方法用于处理数据以产生信用报告， 其中各种格式、尺寸和行业复杂度的明细交易带(tape) 200被下载到数据库202。此后，通过数据处理器204处理详细交易信息，然后从其获得明细，并应用带规则206。一旦应用带规则，就通过一系列变化检测步骤208处理明细数据，其与各种信息源210(例如Acxiom、 Dun&Bradstreet等)集成。此后，本公开的系统识别所检索的明细交易数据212中的各级变化和趋势，然后存储并活动(action)更新的信息，以提供对应用和客户的洞察214。然后，可以将来自步骤214的所存储的明细交易数据用于定制I^ydex报告216，或者产生新的经济指标218、新的行业趋势报告220、新的经营成绩指标222、新的经营恶化警报和警告 224以及新的高成绩企业识别警报226。图3是由系统100产生的信用报告的示例。图6是根据本公开的明细交易程序的图示，其中将支票级明细400与比传统系统更粒度的数据(例如，高达84个月的账龄明细、更粒度的最新销售日期数据、历史性的高信用量以及包括而不限于最佳和最差支付的全部明细)进行组合。此后，系统100包括新的导出的分项，例如在应用供方规则前总结出的数据、平均每月购买、首次出现元数据(即首次大于90天拖延)和/或对于关键分项(例如经历的日期、支付记录、高信用、目前欠债、 过期未付、售卖条款以及最近销售的日期)的真正3个月的观察。另外，关键分项已扩展为包括连接以实现行业专用分析的供方明细以及账户的扩展数目、参考的扩展数目。图7是使用上述图6的新颖的明细交易程序来创建的详细交易支付经历记录。该信息基于详细交易结果而提取决策记分卡中使用的属性，以使接收/拒绝和投资组合性能最大化。另外，它通过使用行为模型内的30、60或90个详解交易，允许卖方更早地识别并提取客户或群集(例如SIC、geo)等级的投资组合内的风险转移运动。此外，卖方可基于详细交易风险转移(曾经被传统明细交易程序所遮蔽)而检查增加/降低的信用线。卖方也可以基于投资组合中的风险变化/转移而以更及时且有效的方式提取坏账准备金。最后， 本公开的新的明细交易系统可协助从详细交易详情/标志中驱动分化型收集策略和账户优先化(例如也对携带外部风险的账户采取更快的、更具进取性的动作)。作为传统的明细交易程序与当前投资组合管理明细交易程序之间的极端区别的示例，考虑公司A和公司B，公司A和公司B均具有带有一些先前拖欠债款的20年的客户以及带有一些过去的拖欠债款的其它账户。在传统的明细交易处理下，这两个公司看起来相同，似乎具有相同的信用风险并通常可能被同样对待。然而，在对每个公司的信用可靠性应用了粒度得多的观察的、本公开的明细交易处理下，示出了以下内容。在本公开的处理和系统下，确定了公司A具有带有大量美元的60天过期未付的多个账户(其中从30至60天滚动的账户的数目和值在这个月显著增加)以及先前维持良好的账户的空前的拖欠债款等级。这样，可以确定，尽管在传统的明细交易处理下公司A似乎是良好的信用风险，然而本公开的明细交易处理下所提供的更粒度的分析清楚展示了公司 A具有增加的不及时支付其发票的风险，并展示了为限制收支差和潜在损失，检查用于该公司的信用策略可能是合理的。在本公开的明细交易处理下对公司B的信用可靠性的分析展示了公司B具有较少的60天过期未付的账户(可能以少量美元或代表性的争议)并且在上个月无实质恶化，并且拖欠债款等级与历史成绩一致。这样，可以以高得多的确定度来确定公司B正以与先前建立的模式一致的方式对其供方进行支付，并且其支付行为几乎没有证据暗示其它情况。 相应地，公司B代表比公司C有限得多的风险承担，并且证明不需要任何额外的用策略检查。图8是展示了附加步骤的图，这些附加步骤改进根据本公开的处理而生成的明细交易信息。明细交易信息的初始步骤涉及(1)为并入资产组合管理和收集行为模型，对详细交易计算域进行批量传递；以及( 利用详细交易数据附录(即，可获得的每周的、每月的或每季度的刷新)来匹配和清理客户文件。增加额外的分析和监控步骤，诸如(1)针对创始/认购决策的详细交易记录的交易型传递，( 对关键分项的账户等级的详细交易监控，以及C3)根据附加I^ydex得分、升级的CCS得分以及动态上更鲁棒的客户模型的交易信息的增强的相关性。这将允许对详细交易进行鲁棒访问，例如并入到自动化决策和资产组合管理平台及工具，并允许通过第三方平台对详细交易数据和导出的分析/得分的进行访问ο图9大体描述用于针对改进的信用评估而动态产生详细交易支付经历的新的系统和方法并且合并了数个新颖处理。交易数据聚集处理500对来自超过8000个全球交易源的数据进行杠杆作用，利用DUNSRight 专属数据丰富处理(参见美国专利公布第 2004/0162742号，该专利全部内容通过引用合并于此)针对用户创建新的增值洞察。通过一系列新的处理而经由合成及相关处理502合成该交易数据并利用元数据标签将交易数据分类，以实现动态相关性指派，以确保针对每个用户的信用评估来使用最具预测性和相关的交易洞察。数据聚集处理500也将建立数据集合，以确保在每个环境下使用最相关的交易经历。将跨越数个段(例如行业、地形、企业实体阶段、企业规模等)组织这些数据集合，并且针对基准统计、对等组分析、成绩及行为分析等对这些数据进行杠杆处理。适当时， 将合并外部数据源(例如失业、新企业结构等)以扩大交易经历，从而增加有价值的洞察。当用户或客户选择使用这种新功能时，其可以建立其优先化的准则以用于评估 504，所以，履行处理将被定制为只合并最相关的交易洞察。将针对没有定制其准则的用户建立标准简档。标准简档将基于通过这个新处理收集的进行中的交易经历而持续更新。图IOa展示图9的交易聚集处理500，其始于图2所示的处理，以支持来自全球交易源的交易输入506的收集。将通过匹配企业实体、将所报告的企业实体链接至其全球的最终企业实体来经由DUNSRight处理(即专属数据丰富处理508)改进这些交易经历，从而实现完全全球家族树风险分析并附上用于细分目的的数据。系统将通过各种元数据标签对所报告的交易经历进行分类，以实现相关群组进行的快速比较分析，从而针对信用评估估计企业实体的交易成绩510。在处理的这部分中，系统也将对企业实体的先前交易经历的现存历史(高达84个月)进行杠杆作用以开发趋势分析，从而检测交易行为中的具体变化。 这些新的交易成绩属性将被存储在数据库512中，数据库512被设计为针对分析的动态检索而支持多个视角。同一交易经历数据将被用于创建细分基准统计，识别与欺骗性公司一致的交易经历行为，并检测可能表明经营改进/恶化的变化514。如图IOb所示，合成及相关处理始于交易相关的分类处理516。此后，可选地执行各步骤，即，原型参考数据518的创建和合成518、针对动态评估处理(内部)的基准统计 520和/或外部相关基准处理及校正数据522。另外，外部经济和经营成绩统计5M被提供至步骤522。然后通过分析基准统计数据实例化5 对已经处理的数据进行处理。图11展示了客户专用评估处理504，其中，客户或用户通过能够定义其用于分析的相关对等组、其用于风险估计的定制准则而使客户或用户能够对这些改进进行杠杆作用，或使客户或用户能够对基于所报告的交易经历中的监控变化而建立的简档进行杠杆作用。用户在本公开的明细交易分析系统600上签名(sign on)，并在此后请求系统对匹配技术进行杠杆作用(参见美国专利第7392240号，该专利全部内容通过引用合并于此)，以识别关注的企业实体602，其包括而不限于通过搜索参考文件604的语义消除。对于已经经由客户专用规则606建立其定制准则的用户，系统将把其请求合并到相关交易经历608的选择中。作为示例，一些具有高美元风险承担的用户将更喜欢从公用行业或电信行业中排除任何的所报告的交易经历。在这种新处理中，系统可能只选择与这个特定用户的请求相关的交易经历，并可能针对关注的企业而经由相关经历数据的动态选择610从公用和电信中排除交易。为了针对信用评估而开发附加洞察，系统也将通过对合格的且相关的原型参考数据的动态选择612而将这些准则应用到用于比较的记录的选择，或者经由对合格的且相关的基准统计(内部的和外部的)的动态选择614而开发用于分析的对等组。通过在这些细分的数据集合上动态估计成绩来提供改进的信用评估，从而以用户请求的格式(例如得分、属性、报告等)提供综合分析(616、618)。 本文描述的技术是示例性的，而不应被解读为暗示了对本发明的任意限制。应理解，本领域技术人员可以获得各种变更、组合及修改。本发明旨在包括所有这些落入所附权利要求书的范围之内的变更、组合及修改。
权利要求
1.一种用于提供信用评估报告的计算机实现的方法，所述方法包括 搜索实体的参考文件；识别关注的实体； 确定用户指定的规则或准则；基于所述用户指定的规则或准则、用于与相关交易经历比较的记录、和/或对等组，从针对所述关注的实体的交易经历的数据库中选择至少一个所述相关交易经历；以及基于所述相关交易经历，生成所述关注的实体的所述信用评估报告。
2.根据权利要求1所述的方法，其中，在生成所述信用评估报告之前，还估计所述关注的实体的所述相关交易经历的成绩。
3.根据权利要求1所述的方法，其中，所述选择步骤是动态选择。
4.根据权利要求1所述的方法，其中，所述参考文件是至少从包括实体名称、实体地址、实体电话号码以及实体联系构成的组中选择的数据。
5.根据权利要求1所述的方法，其中，所述交易经历的数据库通过以下步骤创建 从至少一个交易源收集数据；与所述实体进行匹配；以及将所述实体链接到有关的实体，由此使得实现企业家族树风险分析，由此产生所述交易经历。
6.根据权利要求5所述的方法，还包括对所述交易经历进行分类。
7.根据权利要求6所述的方法，其中，通过将元数据标签应用于每个所述交易经历来对所述交易经历进行分类。
8.根据权利要求5所述的方法，还包括选自如下组的至少一个事件驱动增强所述组包括创建细分基准统计、识别与欺诈性公司一致的交易经历行为、以及检测表明所述关注的实体的经营改进或恶化的交易经历的变化。
9.根据权利要求6所述的方法，其中，所述分类步骤包括创建所述交易经历的原型参考数据、执行所述交易经历的基准、和/或执行所述交易经历的数据关联和外部相关基准。
10.根据权利要求8所述的方法，其中，所述事件驱动增强步骤包括执行所述交易经历的基准、和/或执行所述交易经历的数据关联和外部相关基准。
11.一种计算机系统，包括 处理器；数据库；以及存储器，其包含由所述处理器执行来控制所述处理器执行以下动作的指令 搜索实体的参考文件； 识别关注的实体； 确定用户指定的规则或准则；基于所述用户指定的规则或准则、用于与相关交易经历比较的记录、和/或对等组，从针对所述关注的实体的交易经历的数据库中选择至少一个所述相关交易经历；以及基于所述相关交易经历，生成所述关注的实体的信用评估报告。
12.根据权利要求11所述的方法，其中，在生成所述信用评估报告之前，还估计所述关注的实体的所述相关交易经历的成绩。
13.根据权利要求11所述的方法，其中，所述选择步骤是动态选择。
14.根据权利要求11所述的方法，其中，所述参考文件是至少从包括实体名称、实体地址、实体电话号码以及实体联系构成的组中选择的数据。
15.根据权利要求11所述的方法，其中，所述交易经历的数据库通过以下步骤创建从至少一个交易源收集数据；与所述实体进行匹配；以及将所述实体链接到有关的实体，由此使得实现企业家族树风险分析，由此产生所述交易经历。
16.根据权利要求15所述的方法，还包括对所述交易经历进行分类。
17.根据权利要求16所述的方法，其中，通过将元数据标签应用于每个所述交易经历来对所述交易经历进行分类。
18.根据权利要求15所述的方法，还包括选自如下组的至少一个事件驱动增强所述组包括创建细分基准统计、识别与欺诈性公司一致的交易经历行为、以及检测表明所述关注的实体的经营改进或恶化的交易经历的变化。
19.根据权利要求16所述的方法，其中，所述分类步骤包括创建所述交易经历的原型参考数据、执行所述交易经历的基准、和/或执行所述交易经历的数据关联和外部相关基准。
20.根据权利要求18所述的方法，其中，所述事件驱动增强步骤包括执行所述交易经历的基准、和/或执行所述交易经历的数据关联和外部相关基准。
21.一种包括在其上切实实施的指令的存储介质，其中，所述指令能够由处理器读取以使得所述处理器执行以下动作搜索实体的参考文件；识别关注的实体；确定用户指定的规则或准则；基于用户指定的规则或准则、用于与相关交易经历比较的记录、和/或对等组，从针对所述关注的实体的交易经历的数据库中选择至少一个所述相关交易经历；以及基于所述相关交易经历，生成所述关注的实体的信用评估报告。
全文摘要
一种用于提供信用评估报告的计算机实现的方法和系统，该方法包括搜索实体的参考文件；识别关注的实体；确定用户指定的规则或准则；基于用户指定的规则或准则、用于与相关交易经历比较的记录、和/或对等组，从针对关注的实体的交易经历的数据库中选择至少一个相关交易经历；以及基于相关交易经历，生成关注的实体的信用评估报告。
文档编号G06Q40/04GK102439623SQ201080014154
公开日2012年5月2日 申请日期2010年3月26日 优先权日2009年3月27日
发明者安德鲁·布卢梅蒂, 小诺曼·巴恩克, 布赖恩·克里格勒, 林达·罗斯, 桑德拉·斯托克, 莫尼卡·拉鲁埃 申请人:邓白氏公司