一种基于数据分析的智能风控系统及方法与流程

本发明属于互联网计算机技术领域，具体涉及一种基于数据分析的智能风控系统及方法。

背景技术：

贷款是银行或其它金融机构按一定利率和必须归还等条件出借货币资金的一种信用活动形式。在贷款业务中，贷款安全是金融借贷过程中面临的首要问题，为了控制贷款风险需要风控人员或审核人员对每笔贷款的授信过程进行核查。

现有技术中，主要通过人工方式审核贷款授信信息以控制风险，通过人工方式审核处理不但效率较低，容易出错，而且不能对贷前、贷中和贷后的整个企业贷款过程进行监控管理，从而导致贷款风险较高。

技术实现要素：

针对现有技术中的缺陷，本发明提供了一种基于数据分析的智能风控系统及方法，通过采集的借款企业各个方面的多维度数据，对借款企业进行贷前测评、贷中监控和贷后预警，对整个信贷流程进行监控管理，提高了信贷过程的效率，降低资金出借方的信贷风险。

第一方面，本发明提供了一种基于数据分析的智能风控系统，包括：

尽调管理单元，用于获取与借款企业相关的多维度数据，并对数据进行清洗汇总，得到企业信息；

贷前测评单元，用于根据企业信息对企业的资产运营偿债能力进行分析，评估企业的授信额度，并生成企业的贷前测评报告；

贷中监控单元，用于对企业在融资过程中的分类风险进行监控，评估融资风险并进行风险评级；

贷后预警单元，用于在企业融资后，通过风控模型对企业进行贷后监控预警。

优选地，所述企业信息包括企业主体信息、资产负债信息、线上业务信息、财务科目信息和上下游商家信息。

优选地，所述尽调管理单元包括：

主体信息模块，用于根据企业基本数据、企业股东数据、司法数据、工商数据和纸质押数据，构建企业的基本数据画像，从而得到企业的企业主体信息；

资债信息模块，用于根据个人资产数据、个人负债数据、企业资产数据和企业负债数据构建企业的资产负债画像，从而得到企业的资产负债信息；

业务信息模块，用于从不同的线上数据源获取订单数据、发票数据和流水数据，根据订单数据、发票数据和流水数据进行汇总整理，得到企业的线上业务信息；

财务信息模块，用于对导入的企业资产表、企业负债表和企业利润表进行财务化处理，得到企业的财务科目信息；

上下游信息模块，用于上下游商家的相关数据进行汇总整理，得到上下游商家信息。

优选地，所述贷前测评单元包括：

规则因子模块，用于配置和存储规则因子；

策略模块，用于基于规则因子配置风控策略，并形成各种测评模型；

财务测评模块，用于通过测评模型对财务科目信息进行财务分析，得到财务测评结果；

业务测评模块，用于通过测评模型对线上业务信息和上下游商家信息进行业务分析，对企业的三流合一数据进行交叉验证，计算授信额度；

整体测评模块，用于通过测评模型对企业主体信息、资产负债信息、线上业务信息、财务科目信息和上下游商家信息进行综合分析评估，得到企业的运营测评结果；

报告生成模块，用于将各种测评结果进行汇总，对企业的风险形成整体的贷前测评报告。

优选地，所述业务测评模块具体用于：

对订单数据、发票数据和流水数据进行分析，得到与上游商家相关的采购金额和上游风险系数，以及与下游商家相关的销售金额和下游风险系数；

对上下游商家信息进行分析，得到与上游商家相关的上游测评系数，以及下游测评系数；

通过额度计算公式计算出企业的授信额度，所述额度计算公式为：授信额度＝采购金额*上游风险系数*上游测评系数*10％+销售金额*下游风险系数*下游测评系数*10％。

优选地，所述对订单数据、发票数据和流水数据进行分析，得到与上游商家相关的采购金额和上游风险系数，以及与下游商家相关的销售金额和下游风险系数，具体为：

从数据库中提取出设定时间范围内的订单数据、发票数据和流水数据，从这三类数据中得到与上游商家相关的订单金额、发票金额和流水金额，以及与下游商家相关的订单金额、发票金额和流水金额；

从与上游商家相关的订单金额、发票金额和流水金额中，取最小的有效金额作为采购金额；

从与上游商家相关的订单金额、发票金额和流水金额中，判断这三类金额是否都有效，若是，则上游风险系数为1,若否，则上游风险系数为小于1的n；

从与下游商家相关的订单金额、发票金额和流水金额中，取最小的有效金额作为销售金额；

从与下游商家相关的订单金额、发票金额和流水金额中，判断这三类金额是否都有效，若是，则下游风险系数为1,若否，则下游风险系数为小于1的m。

优选地，所述对上下游商家信息进行分析，得到与上游商家相关的上游测评系数，以及下游测评系数，具体为：

对上游商家和下游商家分别进行评级，得到上游商家等级和下游商家等级；

将上游商家等级和下游商家等级分别与等级系数对照表进行比对，得到上游商家测评系数和下游商家测评系数。

优选地，所述贷后预警单元具体用于：

根据模糊查询对企业进行分析，得到企业的容忍周转天数；

根据授信额度计算每日要求交易额度；

将每日要求交易额度与每日实际交易额度进行比较，得到交易异常天数；

如果交易异常天数大于容忍周转天数，则发出企业存在高危风险的预警信息。

优选地，所述根据模糊查询对企业进行分析，得到企业的容忍周转天数，具体为：

根据企业的线上业务信息进行分析，得到上游市场端占比指数和下游客户端占比指数；

上游市场端占比指数和下游客户端占比指数进行计算，得到综合指数；

查询预警分档表，根据综合指数得到企业对应的预警级别和容忍周转天数。

第二方面，本发明提供了一种基于数据分析的智能风控方法，适用于第一方面所述的一种基于数据分析的智能风控系统，包括以下步骤：

获取与借款企业相关的多维度数据，并对数据进行清洗汇总，得到企业信息；

根据企业信息对企业的资产运营偿债能力进行分析，评估企业的授信额度，并生成企业的贷前测评报告；

对企业在融资过程中的分类风险进行监控，评估融资风险并进行风险评级；

在企业融资后，通过风控模型对企业进行贷后监控预警。

本发明的技术方案，通过采集的借款企业各个方面的多维度数据，对借款企业进行贷前测评、贷中监控和贷后预警，对整个信贷流程进行监控管理，提高了信贷过程的效率，降低资金出借方的信贷风险。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1为本实施例中基于数据分析的智能风控系统的结构图；

图2为本实施例中基于数据分析的智能风控方法的流程图。

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。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

实施例一：

本实施例提供了一种基于数据分析的智能风控系统，如图1所示，包括尽调管理单元、贷前测评单元、贷中监控单元、贷后预警单元等。

尽调管理单元，用于获取与借款企业相关的多维度数据，并对数据进行清洗汇总，得到企业信息；

贷前测评单元，用于根据企业信息对企业的资产运营偿债能力进行分析，评估企业的授信额度，并生成企业的贷前测评报告；

贷中监控单元，用于对企业在融资过程中的分类风险进行监控，评估融资风险并进行风险评级；

贷后预警单元，用于在企业融资后，通过风控模型对企业进行贷后监控预警。

本实施例的技术方案以数据风控的方式向核心企业、资金方、产业互联网平台提供有关借款企业的风险量化服务，解决贷前、贷中、贷后全流程风险管理问题，使核心企业、资金方、产业互联网平台可以放心的将资金借贷给借款企业，降低贷款收不回的风险。

本实施例的所述尽调管理单元包括：

主体信息模块，用于根据企业基本数据、企业股东数据、司法数据、工商数据和纸质押数据，构建企业的基本数据画像，从而得到企业的企业主体信息；

资债信息模块，用于根据个人资产数据、个人负债数据、企业资产数据和企业负债数据构建企业的资产负债画像，从而得到企业的资产负债信息；

业务信息模块，用于从不同的线上数据源获取订单数据、发票数据和流水数据，根据订单数据、发票数据和流水数据进行汇总整理，得到企业的线上业务信息；

财务信息模块，用于对导入的企业资产表、企业负债表和企业利润表进行财务化处理，得到企业的财务科目信息；

上下游信息模块，用于上下游商家的相关数据进行汇总整理，得到上下游商家信息。

本实施例中采集的借款企业的数据是多维度的，从不同的渠道、不同的对接平台获取各个方面的数据后，对这些数据进行分类，从而得到企业主体信息、资产负债信息、线上业务信息、财务科目信息和上下游商家信息，这五大类企业信息。在得到上述五大类企业信息后，根据这些企业信息进行贷前测评，其中，所述贷前测评单元包括：

规则因子模块，用于配置和存储规则因子；

策略模块，用于基于规则因子配置风控策略，并形成各种测评模型；

财务测评模块，用于通过测评模型对财务科目信息进行财务分析，得到财务测评结果；

业务测评模块，用于通过测评模型对线上业务信息和上下游商家信息进行业务分析，对企业的三流合一数据进行交叉验证，计算授信额度；

整体测评模块，用于通过测评模型对企业主体信息、资产负债信息、线上业务信息、财务科目信息和上下游商家信息进行综合分析评估，得到企业的运营测评结果；

报告生成模块，用于将各种测评结果进行汇总，对企业的风险形成整体的贷前测评报告。

本实施例中，规则因子是整个系统的基本变量，风控策略是整个系统的联接框架，是实现数据分析、数据汇总和数据关联的分析基础，本实施例有若干规则因子和风控策略，通过风控策略调用规则因子形成各种测评模型。所述测评模型如关于财务的测评模型、关于业务的测评模型、关于整体测评的测评模型。本实施例财务测评用于分析企业的盈利能力、运营能力，所述盈利能力如销售利润率、净利润率等，所述运营能力如总资产周转天数、存货年周转天数、应收账款周转天数、运营资金量等等。本实施例整体测评用于对企业的各个方面综合分析测评，如税务分析、企业上下游分析、平台融资分析等。本实施例的业务测评用于对借款企业进行测评，并基于测评进行授信。本实施例的贷前测评报告包括盈利能力、运营能力、税务分析、企业上下游分析等等。

其中，所述业务测评模块具体用于：

对订单数据、发票数据和流水数据进行分析，得到与上游商家相关的采购金额和上游风险系数，以及与下游商家相关的销售金额和下游风险系数；

对上下游商家信息进行分析，得到与上游商家相关的上游测评系数，以及下游测评系数；

通过额度计算公式计算出企业的授信额度，所述额度计算公式为：授信额度＝采购金额*上游风险系数*上游测评系数*10％+销售金额*下游风险系数*下游测评系数*10％。

本实施例中，从数据库中提取出设定时间范围内的订单数据、发票数据和流水数据，从这三类数据中得到与上游商家相关的订单金额、发票金额和流水金额，以及与下游商家相关的订单金额、发票金额和流水金额。例如从数据库中提取出借款企业12.01--12.07这七天的订单数据、发票数据和订单数据，从这些数据中得到上游商家相关的订单金额253200、发票金额262000和流水金额255300，得到下游商家相关的订单金额312000、发票金额315000和流水金额0。

从与上游商家相关的订单金额、发票金额和流水金额中，取最小的有效金额作为采购金额。所述的有效金额为大于零的金额，对于上游商家，从253200、262000和255300中取最小的有效金额253200，因此得到上游商家的采购金额为253200。

从与上游商家相关的订单金额、发票金额和流水金额中，判断这三类金额是否都有效，若是，则上游风险系数为1,若否，则上游风险系数为小于1的n。本实施例中，上游商家的三类金额均大于零，均有效，表明这三类数据都齐全，因此风险较低，风险系数较高，上游风险系数为1(风险系数越低则后面计算的授信金额就越低)。

从与下游商家相关的订单金额、发票金额和流水金额中，取最小的有效金额作为销售金额。对于下游商家，从312000、315000和0中取最小的有效金额312000(0为无效金额)，因此得到下游商家的销售金额为312000。

从与下游商家相关的订单金额、发票金额和流水金额中，判断这三类金额是否都有效，若是，则下游风险系数为1,若否，则下游风险系数为小于1的m。本实施例中，下游商家的三类金额中的流水金额为0,表明没有流水金额、这三类金额不齐全，因此风险较高，风险系数较低，下游的风险系数为m(本实施例的n和m均为小于1的自然数，如0.6、0.7、0.8等)。

本实施例中，对上游商家和下游商家分别进行评级，得到上游商家等级和下游商家等级；将上游商家等级和下游商家等级分别与等级系数对照表进行比对，得到上游商家测评系数和下游商家测评系数。本实施例中上游商家包括aaa、aa、a、bbb这四个等级，下游商家包括a、bbb、bb、b这四个等级，例如将上游的央企、国企、上市公司划分为aaa级，将上游的民营企业划分为aa级，将上游的代理商划分为a级，将上游的分销商划分为bbb级，将下游的央企、国企、上市公司划分为a级，将下游的民营企业划分为bbb级，将下游的次终端企业划分为bb级，将下游的市县小门市划分为b级。在等级系数对照表中，上游的aaa、aa、a、bbb分别对应的测评系数为35％、34％、25％、18％，下游的a、bbb、bb、b分别对应的测评系数为19％、21％、24％、29％。因为借款企业的上下游商家的企业性质和企业规模不一样，则回款能力不一样，因此测评系数不一样。

在计算出上述相关数据后，通过额度计算公式计算借款企业的授信额度，授信额度＝采购金额*上游风险系数*上游测评系数*10％+销售金额*下游风险系数*下游测评系数*10％。通过该公式可知道，授信额度与借款企业的采购金额、销售金额、上下游商家的风险系数和上下游商家的测评系数有关。如果借款企业的采购金额和销售金额较高，表明企业的业务能力较好，因此授信金额高。如果借款企业的三流数据(订单、发票和流水)齐全，不缺项，则表明数据正常，风险较小，风险系数较高，授信额度较高；如果三流数据不齐全，则表明数据有可能异常，风险系数较低，授信额度较低。如果借款企业的上下游商家的回款能力较好，则测评系数较高。本实施例通过上下游商家和三流数据对借款企业进行分析，从而确定授信额度，降低了后续贷款风险。

本实施例中，核心企业或资金方或产业互联网平台通过本实施例计算的授信额度来给借款企业借款。在企业融资过程中，企业的销售量和商家群是时刻在变化的，因此通过本实施例的技术方案，还对借款企业进行贷中风险监控。核心企业或资金方或产业互联网平台给借款企业借款后，本实施例的技术方案还对借款企业进行贷后监控预警，其中，所述贷后预警单元具体用于：

根据模糊查询对企业进行分析，得到企业的容忍周转天数；

根据授信额度计算每日要求交易额度；

将每日要求交易额度与每日实际交易额度进行比较，得到交易异常天数；

如果交易异常天数大于容忍周转天数，则发出企业存在高危风险的预警信息。

其中，所述根据模糊查询对企业进行分析，得到企业的容忍周转天数，具体为：

根据企业的线上业务信息进行分析，得到上游市场端占比指数和下游客户端占比指数；

根据上游市场端占比指数和下游客户端占比指数进行计算，得到综合指数；

查询预警分档表，根据综合指数得到企业对应的预警级别和容忍周转天数。

本实施例中，例如上游市场端交易金额为430200，下游客户端交易金额为572300,则在所有的交易金额中，上游市场端占比指数约为43％，下游客户端占比指数为57％。然后将这两个占比指数代人加权算法，计算出综合指数为0.56。本实施例的预警分档表中的预警级别分为六个预警等级，每个预警等级有对应的综合指数范围和容忍周转天数。上述的综合指数0.56对应的预警等级为第三级，第三级的容忍周转天数为七天。

例如授信额度为200万，要求每周的交易额度为200*3＝600万，每日要求交易额度为600/7＝85.7万。将每日实际交易额度与每日要求交易额度进行比较，得到连续八天的实际交易额度小于了每日要求交易额度，因此交易异常天数为八天，这八天大于了容忍周转天数的七天，则表明借款企业可能存在高危风险，向为该企业借款的资金出借方发出预警，以便资金出借方及时采取防范措施。

综上所述，本实施例通过采集的借款企业各个方面的多维度数据，对借款企业进行贷前测评评估借款企业的授信额度，资金出借方根据授信额度为借款企业借款，在企业融资过程中实时对借款企业进行监控，评估风险等级，在企业融资后对借款企业进行贷后监控预警，从而对整个信贷流程进行监控管理，让资金出借方实时掌握借款企业的经营状态，降低资金出借方的信贷风险，在风险出现时，能及时预警，以便资金出借方及时采取有效措施。

实施例二：

本实施例提供了一种基于数据分析的智能风控方法，适用于实施例一所述的一种基于数据分析的智能风控系统，如图2所示，包括以下步骤：

s1，获取与借款企业相关的多维度数据，并对数据进行清洗汇总，得到企业信息；

s2，根据企业信息对企业的资产运营偿债能力进行分析，评估企业的授信额度，并生成企业的贷前测评报告；

s3，对企业在融资过程中的分类风险进行监控，评估融资风险并进行风险评级；

s4，在企业融资后，通过风控模型对企业进行贷后监控预警。

本实施例的技术方案以数据风控的方式向核心企业、资金方、产业互联网平台提供有关借款企业的风险量化服务，解决贷前、贷中、贷后全流程风险管理问题，使核心企业、资金方、产业互联网平台可以放心的将资金借贷给借款企业，降低贷款收不回的风险。

本实施例尽调管理的步骤s1包括如下内容：

根据企业基本数据、企业股东数据、司法数据、工商数据和纸质押数据，构建企业的基本数据画像，从而得到企业的企业主体信息；

根据个人资产数据、个人负债数据、企业资产数据和企业负债数据构建企业的资产负债画像，从而得到企业的资产负债信息；

从不同的线上数据源获取订单数据、发票数据和流水数据，根据订单数据、发票数据和流水数据进行汇总整理，得到企业的线上业务信息；

对导入的企业资产表、企业负债表和企业利润表进行财务化处理，得到企业的财务科目信息；

上下游商家的相关数据进行汇总整理，得到上下游商家信息。

本实施例中采集的借款企业的数据是多维度的，从不同的渠道、不同的对接平台获取各个方面的数据后，对这些数据进行分类，从而得到企业主体信息、资产负债信息、线上业务信息、财务科目信息和上下游商家信息，这五大类企业信息。在得到上述五大类企业信息后，根据这些企业信息进行贷前测评，其中，本实施例中贷前测评的步骤s2包括如下内容：

配置和存储规则因子；

基于规则因子配置风控策略，并形成各种测评模型；

通过测评模型对财务科目信息进行财务分析，得到财务测评结果；

通过测评模型对线上业务信息和上下游商家信息进行业务分析，对企业的三流合一数据进行交叉验证，计算授信额度；

通过测评模型对企业主体信息、资产负债信息、线上业务信息、财务科目信息和上下游商家信息进行综合分析评估，得到企业的运营测评结果；

将各种测评结果进行汇总，对企业的风险形成整体的贷前测评报告。

本实施例中，规则因子是整个系统的基本变量，风控策略是整个系统的联接框架，是实现数据分析、数据汇总和数据关联的分析基础，本实施例有若干规则因子和风控策略，通过风控策略调用规则因子形成各种测评模型。所述测评模型如关于财务的测评模型、关于业务的测评模型、关于整体测评的测评模型。本实施例财务测评用于分析企业的盈利能力、运营能力，所述盈利能力如销售利润率、净利润率等，所述运营能力如总资产周转天数、存货年周转天数、应收账款周转天数、运营资金量等等。本实施例整体测评用于对企业的各个方面综合分析测评，如税务分析、企业上下游分析、平台融资分析等。本实施例的业务测评用于对借款企业进行测评，并基于测评进行授信。本实施例的贷前测评报告包括盈利能力、运营能力、税务分析、企业上下游分析等等。

其中，所述通过测评模型对线上业务信息和上下游商家信息进行业务分析，对企业的三流合一数据进行交叉验证，计算授信额度，具体步骤为：

a1，对订单数据、发票数据和流水数据进行分析，得到与上游商家相关的采购金额和上游风险系数，以及与下游商家相关的销售金额和下游风险系数；

a2，对上下游商家信息进行分析，得到与上游商家相关的上游测评系数，以及下游测评系数；

a3，通过额度计算公式计算出企业的授信额度，所述额度计算公式为：授信额度＝采购金额*上游风险系数*上游测评系数*10％+销售金额*下游风险系数*下游测评系数*10％。

本实施例中，从数据库中提取出设定时间范围内的订单数据、发票数据和流水数据，从这三类数据中得到与上游商家相关的订单金额、发票金额和流水金额，以及与下游商家相关的订单金额、发票金额和流水金额。例如从数据库中提取出借款企业12.01--12.07这七天的订单数据、发票数据和订单数据，从这些数据中得到上游商家相关的订单金额253200、发票金额262000和流水金额255300，得到下游商家相关的订单金额312000、发票金额315000和流水金额0。

从与上游商家相关的订单金额、发票金额和流水金额中，取最小的有效金额作为采购金额。所述的有效金额为大于零的金额，对于上游商家，从253200、262000和255300中取最小的有效金额253200，因此得到上游商家的采购金额为253200。

从与上游商家相关的订单金额、发票金额和流水金额中，判断这三类金额是否都有效，若是，则上游风险系数为1,若否，则上游风险系数为小于1的n。本实施例中，上游商家的三类金额均大于零，均有效，表明这三类数据都齐全，因此风险较低，风险系数较高，上游风险系数为1(风险系数越低则后面计算的授信金额就越低)。

从与下游商家相关的订单金额、发票金额和流水金额中，取最小的有效金额作为销售金额。对于下游商家，从312000、315000和0中取最小的有效金额312000(0为无效金额)，因此得到下游商家的销售金额为312000。

从与下游商家相关的订单金额、发票金额和流水金额中，判断这三类金额是否都有效，若是，则下游风险系数为1,若否，则下游风险系数为小于1的m。本实施例中，下游商家的三类金额中的流水金额为0,表明没有流水金额、这三类金额不齐全，因此风险较高，风险系数较低，下游的风险系数为m(本实施例的n和m均为小于1的自然数，如0.6、0.7、0.8等)。

本实施例中，对上游商家和下游商家分别进行评级，得到上游商家等级和下游商家等级；将上游商家等级和下游商家等级分别与等级系数对照表进行比对，得到上游商家测评系数和下游商家测评系数。本实施例中上游商家包括aaa、aa、a、bbb这四个等级，下游商家包括a、bbb、bb、b这四个等级，例如将上游的央企、国企、上市公司划分为aaa级，将上游的民营企业划分为aa级，将上游的代理商划分为a级，将上游的分销商划分为bbb级，将下游的央企、国企、上市公司划分为a级，将下游的民营企业划分为bbb级，将下游的次终端企业划分为bb级，将下游的市县小门市划分为b级。在等级系数对照表中，上游的aaa、aa、a、bbb分别对应的测评系数为35％、34％、25％、18％，下游的a、bbb、bb、b分别对应的测评系数为19％、21％、24％、29％。因为借款企业的上下游商家的企业性质和企业规模不一样，则回款能力不一样，因此测评系数不一样。

在计算出上述相关数据后，通过额度计算公式计算借款企业的授信额度，授信额度＝采购金额*上游风险系数*上游测评系数*10％+销售金额*下游风险系数*下游测评系数*10％。通过该公式可知道，授信额度与借款企业的采购金额、销售金额、上下游商家的风险系数和上下游商家的测评系数有关。如果借款企业的采购金额和销售金额较高，表明企业的业务能力较好，因此授信金额高。如果借款企业的三流数据(订单、发票和流水)齐全，不缺项，则表明数据正常，风险较小，风险系数较高，授信额度较高；如果三流数据不齐全，则表明数据有可能异常，风险系数较低，授信额度较低。如果借款企业的上下游商家的回款能力较好，则测评系数较高。本实施例通过上下游商家和三流数据对借款企业进行分析，从而确定授信额度，降低了后续贷款风险。

本实施例中，核心企业或资金方或产业互联网平台通过本实施例计算的授信额度来给借款企业借款。在企业融资过程中，企业的销售量和商家群是时刻在变化的，因此通过本实施例的技术方案，还对借款企业进行贷中风险监控。核心企业或资金方或产业互联网平台给借款企业借款后，本实施例的技术方案还对借款企业进行贷后监控预警，其中，实施例中贷后预警的步骤s4包括如下内容：

根据模糊查询对企业进行分析，得到企业的容忍周转天数；

根据授信额度计算每日要求交易额度；

将每日要求交易额度与每日实际交易额度进行比较，得到交易异常天数；

如果交易异常天数大于容忍周转天数，则发出企业存在高危风险的预警信息。

其中，所述根据模糊查询对企业进行分析，得到企业的容忍周转天数，具体为：

根据企业的线上业务信息进行分析，得到上游市场端占比指数和下游客户端占比指数；

根据上游市场端占比指数和下游客户端占比指数进行计算，得到综合指数；

查询预警分档表，根据综合指数得到企业对应的预警级别和容忍周转天数。

本实施例中，例如上游市场端交易金额为430200，下游客户端交易金额为572300,则在所有的交易金额中，上游市场端占比指数约为43％，下游客户端占比指数为57％。然后将这两个占比指数代人加权算法，计算出综合指数为0.56。本实施例的预警分档表中的预警级别分为六个预警等级，每个预警等级有对应的综合指数范围和容忍周转天数。上述的综合指数0.56对应的预警等级为第三级，第三级的容忍周转天数为七天。

例如授信额度为200万，要求每周的交易额度为200*3＝600万，每日要求交易额度为600/7＝85.7万。将每日实际交易额度与每日要求交易额度进行比较，得到连续八天的实际交易额度小于了每日要求交易额度，因此交易异常天数为八天，这八天大于了容忍周转天数的七天，则表明借款企业可能存在高危风险，向为该企业借款的资金出借方发出预警，以便资金出借方及时采取防范措施。

综上所述，本实施例通过采集的借款企业各个方面的多维度数据，对借款企业进行贷前测评评估借款企业的授信额度，资金出借方根据授信额度为借款企业进行借款，在企业融资过程中实时对借款企业进行监控，评估风险等级，在企业融资后对借款企业进行贷后监控预警，从而对整个信贷流程进行监控管理，让资金出借方实时掌握借款企业的经营状态，降低资金出借方的信贷风险，在风险出现时，能及时预警，以便资金出借方及时采取有效措施。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的实施例中，应该理解到，所述步骤的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个步骤可结合为一个步骤，一个步骤可拆分为多个步骤，或一些特征可以忽略等。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。