本发明涉及大数据风控模型领域，具体为大数据风控模型分析系统及方法。
背景技术：
大数据风控即大数据风险控制，是指通过运用大数据构建模型的方法对借款人进行风险控制和风险提示。与原有人为对借款企业或借款人进行经验式风控不同，通过采集大量借款人或借款企业的各项指标进行数据建模的大数据风控更为科学有效，现有的大数据风控模型分析，信息采集的不够全面，存在被骗贷产生坏账的风险，同时风控审查进度较慢导致放款进度变慢，并且风控审核存在漏洞导致容易出现给质量较低的贷款人发放大金额贷款的状况发生，给实际使用带来一定的不利影响。
技术实现要素：
(一)解决的技术问题
针对现有技术的不足，本发明提供了大数据风控模型分析系统及方法，该大数据风控模型分析系统及方法，风控更加严密，能够更好的避免盗用他人个人信息骗贷的状况发生，更全面的评估贷款人的信息，进行金额更加合理的贷款发放，同时能够加快贷款放款的进度。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：大数据风控模型分析系统及方法，包括以下步骤，其特征在于：
s1：所述数据采集模块包括人像采集木块、声音采集模块、指纹采集模块、虹膜采集模块与基本信息录入模块用于采集贷款人的个人信息；
s2：所述数据分析模块包括云端储存模块、已有大数据储存模块、第三方数据接入模块、房贷模块、车贷模块与行用卡数据，用于采集贷款人的负债数据；
s3：所述信息反馈模块用于向贷款人进行信息反馈；
s4：所述数据接收模块用于接收数据分析模块分析好后的数据；
s5：所述数据处理模块用于处理数据接模块接收到的接收数据分析模块s2分析完毕后的数据；
s6：所述模型构建模块用于将数据处理模块处理好的数据构建成新的模型；
s7：所述风控审核模块包括匹配模块、筛选模块、核算模块与数据核实模块；
s8：所述贷款发放模块包括贷款售后模块、贷款催缴模块与信息模块。
优选的，所述数据采集模块中指纹采集模块与虹膜采集模块采集的指纹与虹膜数据都具有单一性。
优选的，所述数据分析模块会将数据采集模块中采集的数据上传云端储存模块中，再将采集的数据与已有大数据进行比对来核实身份，同时会从将贷款人员的消费情况从第三方数据接入模块中调取出来，并且会同时贷款人的房贷数据、车贷数据与信用卡数据全部调取出来进行全方位的分析。
优选的，所述信息反馈模块会将数据分析模块中分析的数据分成两分，一份反馈给被采集对象，另一份发送到数据接收模块中，再被转发到数据处理模块上。
优选的，所述模型构建模块会根据数据处理模块处理好的数据来将贷款人的资料构建成新的模型。
优选的，所述风控审核模块会将模型构建模块建立模型与已有的数据模型通过匹配模块来进相似模型的匹配，同在配合好像相似模型后，筛选模块会对模型进行筛选，选择质量更好的贷款人，选择好贷款人后核算模块会对发放贷款金额进行核算，再经过数据核实模块进行数据核实，核实好数据后通过贷款发放模块进行贷款发放。
(三)有益效果
本发明提供了大数据风控模型分析系统及方法，具备以下有益效果：
(1)、该大数据风控模型分析系统及方法，通过更加全面的收集贷款人的个人资料，来保证了贷款人身份的真实性，避免了骗贷的状况发生。
(2)、该大数据风控模型分析系统及方法，通过将贷款人的个人信息构建成模型与已有其他贷款人数据构建的模型进行对比，来进行更加稳妥的贷款金额发放，减少风控评估失误导致的了放贷金额过大引起的坏账的状况发生。
(3)、该大数据风控模型分析系统及方法，能够更加全面的了解到贷款人的偿还能力，进一步的减少贷款发放后发生的风险，同时模型匹配的加快带框的放款速度。
附图说明
图1为本发明大数据风控模型分析系统及方法的整体结构示意图；
图2为本发明大数据风控模型分析系统及方法的书记采集模块结构视图；
图3为本发明大数据风控模型分析系统及方法的数据分析模块结构视图；
图4为本发明大数据风控模型分析系统及方法的风控审核模块结构视图；
图5为本发明大数据风控模型分析系统及方法的贷款发放模块结构视图；
图中：s1、数据采集模块；s2、数据分析模块；s3、信息反馈模块；s4、数据接收模块；s5、数据处理模块；s6、模型构建模块；s7、风控审查模块；s8、贷款发放模块。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-5，本发明提供一种技术方案：大数据风控模型分析系统及方法，包括以下步骤，其特征在于：
s1：数据采集模块s1包括人像采集木块、声音采集模块、指纹采集模块、虹膜采集模块与基本信息录入模块,均用于采集贷款人的个人信息；
s2：数据分析模块s2包括云端储存模块、已有大数据储存模块、第三方数据接入模块、房贷模块、车贷模块与行用卡数据，均用于了解贷款人的偿还能力数据；
s3：信息反馈模块s3用于向贷款人进行信息反馈；
s4：数据接收模块s4用于接收数据分析模块s2分析好后的数据；
s5：数据处理模块用于处理数据接模块s4接收到的接收数据分析模块s2分析完毕后的数据；
s6：模型构建模块用于将数据处理模块s5处理好的数据构建成新的模型；
s7：风控审核模块包括匹配模块、筛选模块、核算模块与数据核实模块；
s8：贷款发放模块包括贷款售后模块、贷款催缴模块与信息模块。
数据采集模块s1中指纹采集模块与虹膜采集模块采集的指纹与虹膜数据都具有单一性；数据分析模块s2会将数据采集模块s1中采集的数据上传云端储存模块中，再将采集的数据与已有大数据进行比对来核实身份，同时会从将贷款人员的消费情况从第三方数据接入模块中调取出来，并且会同时贷款人的房贷数据、车贷数据与信用卡数据全部调取出来进行全方位的分析；信息反馈模块s3会将数据分析模块s2中分析的数据分成两分，一份反馈给被采集对象，另一份发送到数据接收模块s4中，再被转发到数据处理模块s5上；模型构建模块s6会根据数据处理模块s5处理好的数据来将贷款人的资料构建成新的模型；风控审核模块s7会将模型构建模块s6建立模型与已有的数据模型通过匹配模块来进相似模型的匹配，同在配合好像相似模型后，筛选模块会对模型进行筛选，选择质量更好的贷款人，选择好贷款人后核算模块会对发放贷款金额进行核算，再经过数据核实模块进行数据核实，核实好数据后通过贷款发放模块s8进行贷款发放。
综上所述，该大数据风控模型分析系统及方法，数据采集模块s1中的人像采集模块用来采集贷款人的人像资料，指纹采集模块用来采集贷款人的指纹资料，虹膜识别模块用来采集贷款人的虹膜资料，声音采集模块用来采集贷款人的声音资料，基本信息录入模块用来录入贷款人的基本信息，其中贷款人指纹信息与虹膜信息都具有单一性，能够有效的避免骗贷的状况发生，数据分析模块s2用来分析数据采集模块s1采集的到信息，信息反馈模块会将数据分析模块s2分析好的数据分两份，一份反馈给贷款人，一份传递到数据接收模块s4上，数据处理模块s5会将数据接收模块s4传输处的数据上传一份到云端储存模块中进行备份，在将采集到的数据与已有大数据储存模块中储存的已有数据进行对比，同时也会从第三方数据接入模块中接入数据来了解贷款人的消费情况等，并且会采集贷款人的房贷数据、车贷数据与信用卡数据等，将这些数据采集好后传输到模型构建模块s6上来构建新的模型，将新模型在风控审查模块s7中通过匹配模块与已有的模块资料进行匹配，当贷款人的房贷、车贷，信用卡还款与第三方消费金额总和大于贷款人半年工资流水平均数值时，将不予以放贷，当贷款人的房贷、车贷，信用卡还款与第三方消费金额总和相当于贷款人半年工资流水平均数值百分之八十时，可以根据其是否有逾期记录，来进行小额放贷，当贷款人的房贷、车贷，信用卡还款与第三方消费金额总和相当于贷款人半年工资流水平均数值百分之六十时，可以给予贷款人放贷，当贷款人的房贷、车贷，信用卡还款与第三方消费金额总和相当于贷款人半年工资流水平均数值百分之四十时，可以给予贷款人中等额度的贷款，当贷款人的房贷、车贷，信用卡还款与第三方消费金额总和相当于贷款人半年工资流水平均数值百分之二十时，可以给予贷款人大额贷款，当模型匹配完成后筛选模块会对贷款人的资料进行筛选，不良信用记录的贷款人会被排除掉，不给于放贷，筛选完贷款人后核算模块会核算给贷款人发放多少金额的贷款，数据核实模块会再进一步的核实贷款人的信息，核实无误后，会由贷款发放模块s8来进行贷款发放，贷款发放贷款售后模块将为贷款人提供售后服务，贷款催缴模块会向还款日截止未还款的客户进行催款。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下。由语句“包括一个......限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素”，该文中出现的电器元件均与外界的主控器及220v市电电连接，并且主控器可为计算机等起到控制的常规已知设备。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。