一种微服务架构的贷后处置管理系统的制作方法

1.本发明涉及管理技术领域，具体涉及一种微服务架构的贷后处置管理系统。


背景技术：

2.目前催收行业的催收系统仅能实现简单的案件管理、人员管理、催收作业等简单功能。随着催收业务量的增加，以及债务人身份行业的复杂性的提高，传统的催收系统已经不能满足快速发展的催收业务需求。
3.传统贷后处置管理系统通常采用单体式(monolithic)式架构。在monolithic架构中，系统通常采用分层架构模式，按技术维度对系统进行划分，比如持久化层、业务逻辑层、表示层。
4.monolithic架构主要存在以下问题：
5.1、系统间通常以api的形式互相访问，耦合紧密导致难以维护；
6.2、各业务领域需要采用相同的技术栈，难以快速应用新技术；
7.3、对系统的任何修改都必须整个系统一起重新部署/升级，运维成本高；
8.4、在系统负载增加时，难以进行水平扩展；
9.5、当系统中一处出现问题，会影响整个系统。


技术实现要素：

10.本发明提供一种微服务架构的贷后处置管理系统，以解决现有技术中存在的上述问题。
11.本发明提供一种微服务架构的贷后处置管理系统，包括：
12.基于业务划分的若干个微服务系统，所述若干个微服务系统之间通过通信协议协作；
13.所述若干个微服务系统包括：用户服务系统、案件操作服务系统、案件执行服务系统；
14.用户基于所述用户服务系统注册账户，所述用户服务系统对用户的注册账户进行监管；用户通过数据上传接口上传委托案件数据；所述案件操作服务系统基于上传的委托案件数据生成债务人画像，并基于所述债务人画像在所述案件执行服务系统的催收员画像中找到与之匹配的催收员以及形成催收方案，将该案件分配给相匹配的催收员并提供催收方案，所述案件执行服务系统协助该催收员执行相应的催收方案。
15.优选的，所述案件执行服务系统包括：外呼服务、文件服务、短信服务和律师函服务；
16.所述催收员画像包括：催收执行时间、催收方式、催收内容；基于不同的催收员画像形成不同的催收方案。
17.优选的，贷后处置管理系统还包括：数据入库服务系统和搜索服务系统；
18.催收员执行相应的催收方案时的作业为催收作业，所述数据入库服务系统记录所
有用户上传的委托案件数据以及相对应的催收作业流程数据以及催收报表结果，所述催收作业流程数据包括：催收过程中录音、文字、文件；
19.所述搜索服务系统通过搜索接口为用户提供服务搜索。
20.优选的，还包括：监控模块；
21.所述监控模块对所有催收作业的全流程进行监控和提醒；
22.所述监控包括：对催收作业的每个操作和内容进行监控；所述提醒包括：对催收方案中未执行的操作进行提醒，在监控模块中通过标注提醒的方案提醒催收员执行相应的操作，若通过提醒催收员完成该操作，则取消标注提醒中的标注，该提醒过程记录在所述催收报表结果中。
23.优选的，所述催收方案为多个，根据催收方案的合理有效性进行排序，催收员在执行所述催收方案时，优先执行排序靠前的方案；
24.当检测到优先催收方案中某个微服务系统出现异常情况，则检测次优先的催收方案中对应的微服务系统是否有异常情况，若无异常情况，则采用该次优先的催收方案作为最终执行的方案；若有异常情况，则按照催收方案的排序依次查看相对应的微服务系统是否有异常情况，一旦没有异常情况时，则将对应的催收方案设定为最终执行的方案。
25.优选的，微服务架构采用spring cloud微服务体系，采用eureka作为微服务的注册中心，采用spring cloud gateway作为服务网关提供基于配置灵活的高可用的路由和限流功能。
26.优选的，所述若干个微服务系统的划分方式是基于贷后业务模型分析后得到的微服务架构体系；各个微服务系统之间采用标的http协议，通过fegin组件来进行相互调用，在hystrix的支持下，支持熔断和降级。
27.优选的，所述案件操作服务系统包括：案件管理模块和案件智能分配模块；
28.所述案件管理模块对委托案件进行标签化管理，对委托案件数据进行大数据检索和分析，基于分析模型，获得对应的案件标签，每个委托案件上标识有对应的案件标签；
29.所述案件智能化分配模块，基于所述案件管理模块中对每个委托案件的标注的案件标签，定位每个委托案件的案件特征，通过所述案件特征在催收员画像中匹配对应的催收员以及催收方案。
30.优选的，所述案件执行服务系统包括催收员管理模块和催收方案管理模块；
31.所述催收员管理模块根据催收员的催收作业完成度以及反馈特征，为每个催收员标注催收员标签，所述催收员标签表征催收员的催收特征；
32.将所述案件特征与催收员标签进行匹配性判定，判定两者相似度大于预设值，则认定所述案件特征与该催收员是相匹配的，将该委托案件自动化智能分配给该催收员，并对应相应的催收方案；
33.所述催收方案管理模块根据催收方案的催收结果进行评分，针对每个催收方案进行评分评定，以24小时为周期，更新催收方案的评分。
34.优选的，所述案件操作服务系统包括债务人画像生成模型和债务人画像更新模型；
35.所述债务人画像生成模型基于对大量债务人的大数据进行学习分析，形成基础的债务人画像；
36.所述债务人画像更新模型是在基础的债务人画像的基础上对债务人画像进行更新；
37.接收对债务人新的特征或行为描述，将新的特征或行为描述与基础的债务人画像的特征或行为描述进行匹配度计算，若匹配度计算结果大于阈值，将该新的特征或行为描述形成新的特征标签，将该新的特征标签加入至基础的债务人画像，形成更新后的债务人画像；
38.若匹配度计算结果小于阈值，计算该新的特征或行为描述在预设时间范围内出现的频率，若该频率在预设的最小频率值和最大频率值之间，则将该新的特征或行为描述设定为可能性标签，若所述可能性标签在一定的时间内的重合率达到设定的重合率阈值，则将该可能性标签设定为新的特征标签，将该新的特征标签加入至基础的债务人画像，形成更新后的债务人画像；
39.若该频率大于预设的最大频率值，将该新的特征标签加入至基础的债务人画像，形成更新后的债务人画像；
40.若该频率小于预设的最小频率值，则将该新的特征或行为描述进行删除处理，该新的特征或行为描述作为突发性特征存储于突发性特征存储器；若所述突发性特征存储器存储容量达到90％，则将该突发性特征设定为可能性标签。
41.与现有技术相比，本发明具有以下优点：
42.本发明提供一种微服务架构的贷后处置管理系统，包括：基于业务划分的若干个微服务系统，所述若干个微服务系统之间通过通信协议协作；所述若干个微服务系统包括：用户服务系统、案件操作服务系统、案件执行服务系统；用户基于所述用户服务系统注册账户，所述用户服务系统对用户的注册账户进行监管；用户通过数据上传接口上传委托案件数据；所述案件操作服务系统基于上传的委托案件数据生成债务人画像，并基于所述债务人画像在所述案件执行服务系统的催收员画像中找到与之匹配的催收员以及形成催收方案，将该案件分配给相匹配的催收员并提供催收方案，所述案件执行服务系统协助该催收员执行相应的催收方案。本方案能生成债务人画像以及催收员画像，根据决策引擎智能分案以及动态调整建议催收策略的系统，实现催收业务的智能化。该系统具有灵活扩展，快速迭代，部署成本低，支持快速水平扩展并且高可用的优点。
43.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
44.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
45.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
46.图1为本发明实施例中一种微服务架构的贷后处置管理系统的结构示意图；
47.图2为本发明实施例中系统架构图；
48.图3为本发明实施例中债务人画像与催收员画像匹配的示意图。
具体实施方式
49.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
50.本发明实施例提供了一种微服务架构的贷后处置管理系统，请参照图1，该系统包括：
51.基于业务划分的若干个微服务系统，所述若干个微服务系统之间通过通信协议协作；
52.所述若干个微服务系统包括：用户服务系统、案件操作服务系统、案件执行服务系统；
53.用户基于所述用户服务系统注册账户，所述用户服务系统对用户的注册账户进行监管；用户通过数据上传接口上传委托案件数据；所述案件操作服务系统基于上传的委托案件数据生成债务人画像，并基于所述债务人画像在所述案件执行服务系统的催收员画像中找到与之匹配的催收员以及形成催收方案，将该案件分配给相匹配的催收员并提供催收方案，所述案件执行服务系统协助该催收员执行相应的催收方案。
54.上述技术方案的工作原理为：本实施例采用的方案是基于业务划分的若干个微服务系统，所述若干个微服务系统之间通过通信协议协作；
55.所述若干个微服务系统包括：用户服务系统、案件操作服务系统、案件执行服务系统；
56.用户基于所述用户服务系统注册账户，所述用户服务系统对用户的注册账户进行监管；用户通过数据上传接口上传委托案件数据；所述案件操作服务系统基于上传的委托案件数据生成债务人画像，并基于所述债务人画像在所述案件执行服务系统的催收员画像中找到与之匹配的催收员以及形成催收方案，将该案件分配给相匹配的催收员并提供催收方案，所述案件执行服务系统协助该催收员执行相应的催收方案。
57.具体的，请参照图2，通过微服务的架构方式，设置贷后处置管理系统，本系统采用spring cloud微服务体系，采用eureka作为微服务的注册中心，spring cloud gateway作为服务网关(统一的流量入口)提供基于配置灵活的高可用的路由和限流功能对于贷后管理业务，在业务层面上将传统的单体应用拆分成用户、入库、搜索、外呼、短信等若干微服务系统，每个微服务系统之间为单一服务的职责，服务之间采用标准的http协议，通过fegin组件来进行相互调用，在hystrix的支持下，支持熔断和降级，极大的保障了整个系统的稳定性。
58.因此，本系统的有点具体如下：
59.逻辑清晰：由于微服务的单一职责，在逻辑上每一个微服务的业务职责是很清晰，相比原有的复杂单体系统更容易让人理解。
60.简化部署：传统系统中，只要修改了一行代码就需要对整个系统进行重新的构建、测试、然后将整个系统进行部署。而微服务则可以对单一的微服务进行部署，我们可以通过很低的集成成本，快速的发布新功能。
61.可扩展：面对压力大的业务场景，我们可以单独对相应的微服务模块便捷的做水平扩展来支撑更高的并发。从而提升系统的稳定性，降低运维的成本。
62.高可靠：某一个微服务的异常不会导致其他微服务同时异常，通过隔离，熔断，降
级等技术可以极大提升整个微服务系统的可靠性。
63.上述技术方案的有益效果为：采用本实施例提供的方案能生成债务人画像以及催收员画像，根据决策引擎智能分案以及动态调整建议催收策略的系统，实现催收业务的智能化。该系统具有灵活扩展，快速迭代，部署成本低，支持快速水平扩展并且高可用的优点。
64.在另一实施例中，所述案件执行服务系统包括：外呼服务、文件服务、短信服务和律师函服务；
65.所述催收员画像包括：催收执行时间、催收方式、催收内容；基于不同的催收员画像形成不同的催收方案。
66.上述技术方案的工作原理为：本实施例采用的方案是所述案件执行服务系统包括：外呼服务、文件服务、短信服务和律师函服务；所述催收员画像包括：催收执行时间、催收方式、催收内容；基于不同的催收员画像形成不同的催收方案。
67.上述技术方案的有益效果为：采用本实施例提供的方案能生成债务人画像以及催收员画像，根据决策引擎智能分案以及动态调整建议催收策略的系统，实现催收业务的智能化。该系统具有灵活扩展，快速迭代，部署成本低，支持快速水平扩展并且高可用的优点。
68.在另一实施例中，贷后处置管理系统还包括：数据入库服务系统和搜索服务系统；
69.催收员执行相应的催收方案时的作业为催收作业，所述数据入库服务系统记录所有用户上传的委托案件数据以及相对应的催收作业流程数据以及催收报表结果，所述催收作业流程数据包括：催收过程中录音、文字、文件；
70.所述搜索服务系统通过搜索接口为用户提供服务搜索。
71.上述技术方案的工作原理为：本实施例采用的方案是贷后处置管理系统还包括：数据入库服务系统和搜索服务系统；催收员执行相应的催收方案时的作业为催收作业，所述数据入库服务系统记录所有用户上传的委托案件数据以及相对应的催收作业流程数据以及催收报表结果，所述催收作业流程数据包括：催收过程中录音、文字、文件；所述搜索服务系统通过搜索接口为用户提供服务搜索。
72.上述技术方案的有益效果为：采用本实施例提供的方案能生成债务人画像以及催收员画像，根据决策引擎智能分案以及动态调整建议催收策略的系统，实现催收业务的智能化。该系统具有灵活扩展，快速迭代，部署成本低，支持快速水平扩展并且高可用的优点。
73.在另一实施例中，还包括：监控模块；
74.所述监控模块对所有催收作业的全流程进行监控和提醒；
75.所述监控包括：对催收作业的每个操作和内容进行监控；所述提醒包括：对催收方案中未执行的操作进行提醒，在监控模块中通过标注提醒的方案提醒催收员执行相应的操作，若通过提醒催收员完成该操作，则取消标注提醒中的标注，该提醒过程记录在所述催收报表结果中。
76.上述技术方案的工作原理为：本实施例采用的方案是还包括：监控模块对所有催收作业的全流程进行监控和提醒；所述监控包括：对催收作业的每个操作和内容进行监控；所述提醒包括：对催收方案中未执行的操作进行提醒，在监控模块中通过标注提醒的方案提醒催收员执行相应的操作，若通过提醒催收员完成该操作，则取消标注提醒中的标注，该提醒过程记录在所述催收报表结果中。
77.上述技术方案的有益效果为：采用本实施例提供的方案能生成债务人画像以及催
收员画像，根据决策引擎智能分案以及动态调整建议催收策略的系统，实现催收业务的智能化。该系统具有灵活扩展，快速迭代，部署成本低，支持快速水平扩展并且高可用的优点。
78.在另一实施例中，所述催收方案为多个，根据催收方案的合理有效性进行排序，催收员在执行所述催收方案时，优先执行排序靠前的方案；
79.当检测到优先催收方案中某个微服务系统出现异常情况，则检测次优先的催收方案中对应的微服务系统是否有异常情况，若无异常情况，则采用该次优先的催收方案作为最终执行的方案；若有异常情况，则按照催收方案的排序依次查看相对应的微服务系统是否有异常情况，一旦没有异常情况时，则将对应的催收方案设定为最终执行的方案。
80.上述技术方案的工作原理为：本实施例采用的方案是所述催收方案为多个，根据催收方案的合理有效性进行排序，催收员在执行所述催收方案时，优先执行排序靠前的方案；当检测到优先催收方案中某个微服务系统出现异常情况，则检测次优先的催收方案中对应的微服务系统是否有异常情况，若无异常情况，则采用该次优先的催收方案作为最终执行的方案；若有异常情况，则按照催收方案的排序依次查看相对应的微服务系统是否有异常情况，一旦没有异常情况时，则将对应的催收方案设定为最终执行的方案。
81.上述技术方案的有益效果为：采用本实施例提供的方案能生成债务人画像以及催收员画像，根据决策引擎智能分案以及动态调整建议催收策略的系统，实现催收业务的智能化。该系统具有灵活扩展，快速迭代，部署成本低，支持快速水平扩展并且高可用的优点。
82.在另一实施例中，微服务架构采用spring cloud微服务体系，采用eureka作为微服务的注册中心，采用spring cloud gateway作为服务网关提供基于配置灵活的高可用的路由和限流功能。
83.上述技术方案的工作原理为：本实施例采用的方案是微服务架构采用spring cloud微服务体系，采用eureka作为微服务的注册中心，采用spring cloud gateway作为服务网关提供基于配置灵活的高可用的路由和限流功能。
84.上述技术方案的有益效果为：采用本实施例提供的方案能生成债务人画像以及催收员画像，根据决策引擎智能分案以及动态调整建议催收策略的系统，实现催收业务的智能化。该系统具有灵活扩展，快速迭代，部署成本低，支持快速水平扩展并且高可用的优点。
85.在另一实施例中，所述若干个微服务系统的划分方式是基于贷后业务模型分析后得到的微服务架构体系；各个微服务系统之间采用标的http协议，通过fegin组件来进行相互调用，在hystrix的支持下，支持熔断和降级。
86.上述技术方案的工作原理为：本实施例采用的方案是所述若干个微服务系统的划分方式是基于贷后业务模型分析后得到的微服务架构体系；各个微服务系统之间采用标的http协议，通过fegin组件来进行相互调用，在hystrix的支持下，支持熔断和降级。
87.上述技术方案的有益效果为：采用本实施例提供的方案能生成债务人画像以及催收员画像，根据决策引擎智能分案以及动态调整建议催收策略的系统，实现催收业务的智能化。该系统具有灵活扩展，快速迭代，部署成本低，支持快速水平扩展并且高可用的优点。
88.在另一实施例中，如图3所示，所述案件操作服务系统包括：案件管理模块和案件智能分配模块；
89.所述案件管理模块对委托案件进行标签化管理，对委托案件数据进行大数据检索和分析，基于分析模型，获得对应的案件标签，每个委托案件上标识有对应的案件标签；
90.所述案件智能化分配模块，基于所述案件管理模块中对每个委托案件的标注的案件标签，定位每个委托案件的案件特征，通过所述案件特征在催收员画像中匹配对应的催收员以及催收方案。
91.上述技术方案的工作原理为：本实施例采用的方案是所述案件操作服务系统包括：案件管理模块和案件智能分配模块；所述案件管理模块对委托案件进行标签化管理，对委托案件数据进行大数据检索和分析，基于分析模型，获得对应的案件标签，每个委托案件上标识有对应的案件标签；所述案件智能化分配模块，基于所述案件管理模块中对每个委托案件的标注的案件标签，定位每个委托案件的案件特征，通过所述案件特征在催收员画像中匹配对应的催收员以及催收方案。
92.上述技术方案的有益效果为：采用本实施例提供的方案能生成债务人画像以及催收员画像，根据决策引擎智能分案以及动态调整建议催收策略的系统，实现催收业务的智能化。该系统具有灵活扩展，快速迭代，部署成本低，支持快速水平扩展并且高可用的优点。
93.在另一实施例中，如图3所示，所述案件执行服务系统包括催收员管理模块和催收方案管理模块；
94.所述催收员管理模块根据催收员的催收作业完成度以及反馈特征，为每个催收员标注催收员标签，所述催收员标签表征催收员的催收特征；
95.将所述案件特征与催收员标签进行匹配性判定，判定两者相似度大于预设值，则认定所述案件特征与该催收员是相匹配的，将该委托案件自动化智能分配给该催收员，并对应相应的催收方案；
96.所述催收方案管理模块根据催收方案的催收结果进行评分，针对每个催收方案进行评分评定，以24小时为周期，更新催收方案的评分。
97.上述技术方案的工作原理为：本实施例采用的方案是所述案件执行服务系统包括催收员管理模块和催收方案管理模块；所述催收员管理模块根据催收员的催收作业完成度以及反馈特征，为每个催收员标注催收员标签，所述催收员标签表征催收员的催收特征；将所述案件特征与催收员标签进行匹配性判定，判定两者相似度大于预设值，则认定所述案件特征与该催收员是相匹配的，将该委托案件自动化智能分配给该催收员，并对应相应的催收方案；所述催收方案管理模块根据催收方案的催收结果进行评分，针对每个催收方案进行评分评定，以24小时为周期，更新催收方案的评分。
98.上述技术方案的有益效果为：采用本实施例提供的方案能生成债务人画像以及催收员画像，根据决策引擎智能分案以及动态调整建议催收策略的系统，实现催收业务的智能化。该系统具有灵活扩展，快速迭代，部署成本低，支持快速水平扩展并且高可用的优点。
99.在另一实施例中，所述案件操作服务系统包括债务人画像生成模型和债务人画像更新模型；
100.所述债务人画像生成模型基于对大量债务人的大数据进行学习分析，形成基础的债务人画像；
101.所述债务人画像更新模型是在基础的债务人画像的基础上对债务人画像进行更新；
102.接收对债务人新的特征或行为描述，将新的特征或行为描述与基础的债务人画像的特征或行为描述进行匹配度计算，若匹配度计算结果大于阈值，将该新的特征或行为描
述形成新的特征标签，将该新的特征标签加入至基础的债务人画像，形成更新后的债务人画像；
103.若匹配度计算结果小于阈值，计算该新的特征或行为描述在预设时间范围内出现的频率，若该频率在预设的最小频率值和最大频率值之间，则将该新的特征或行为描述设定为可能性标签，若所述可能性标签在一定的时间内的重合率达到设定的重合率阈值，则将该可能性标签设定为新的特征标签，将该新的特征标签加入至基础的债务人画像，形成更新后的债务人画像；
104.若该频率大于预设的最大频率值，将该新的特征标签加入至基础的债务人画像，形成更新后的债务人画像；
105.若该频率小于预设的最小频率值，则将该新的特征或行为描述进行删除处理，该新的特征或行为描述作为突发性特征存储于突发性特征存储器；若所述突发性特征存储器存储容量达到90％，则将该突发性特征设定为可能性标签。
106.上述技术方案的工作原理为：本实施例采用的方案是所述案件操作服务系统包括债务人画像生成模型和债务人画像更新模型；所述债务人画像生成模型基于对大量债务人的大数据进行学习分析，形成基础的债务人画像；所述债务人画像更新模型是在基础的债务人画像的基础上对债务人画像进行更新；接收对债务人新的特征或行为描述，将新的特征或行为描述与基础的债务人画像的特征或行为描述进行匹配度计算，若匹配度计算结果大于阈值，将该新的特征或行为描述形成新的特征标签，将该新的特征标签加入至基础的债务人画像，形成更新后的债务人画像；若匹配度计算结果小于阈值，计算该新的特征或行为描述在预设时间范围内出现的频率，若该频率在预设的最小频率值和最大频率值之间，则将该新的特征或行为描述设定为可能性标签，若所述可能性标签在一定的时间内的重合率达到设定的重合率阈值，则将该可能性标签设定为新的特征标签，将该新的特征标签加入至基础的债务人画像，形成更新后的债务人画像；若该频率大于预设的最大频率值，将该新的特征标签加入至基础的债务人画像，形成更新后的债务人画像；若该频率小于预设的最小频率值，则将该新的特征或行为描述进行删除处理，该新的特征或行为描述作为突发性特征存储于突发性特征存储器；若所述突发性特征存储器存储容量达到90％，则将该突发性特征设定为可能性标签。
107.上述技术方案的有益效果为：采用本实施例提供的方案能生成债务人画像以及催收员画像，根据决策引擎智能分案以及动态调整建议催收策略的系统，实现催收业务的智能化。该系统具有灵活扩展，快速迭代，部署成本低，支持快速水平扩展并且高可用的优点。
108.另外，接收对债务人新的特征或行为描述，将新的特征或行为描述与基础的债务人画像的特征或行为描述进行匹配度计算，这一过程中，匹配度计算方式如下：
[0109][0110]
其中，pi为新的特征与第i个基础的债务人画像之间的匹配度；a
ij
为第i个基础的债务人画像的第j个特征的特征向量，tj为新的特征中第j个特征的特征向量；i＝1,2
…
n，j＝1,2
…
m，n为基础的债务人画像的数量，m为特征的数量；miniminj为通过调整i和j的值，使得|t
j-a
ij
|值最小，maximaxj|t
j-a
ij
|为通过调整i和j的值，使得|t
j-a
ij
|值最大；μ为分辨系
数，μ∈[0，1]，一般取值μ≤0.5。hj为第i个基础的债务人画像中第j个特征的熵值；
[0111]
通过上述公式计算的匹配度考虑到新的特征与基础的债务人画像的特征的全面匹配度计算，并且可以利用热症的熵值计算权重，充分利用数据本身的信息，计算较为准确和简单。
[0112]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。