计算企业存在拖欠的概率的制作方法
【专利说明】
[0001] 相关申请的交叉引用
[0002] 本申请要求于2013年5月2日提交的美国临时专利申请No. 61/818, 784的优先 权，其内容通过引用并入本文。
技术领域
[0003] 本公开内容涉及预测性评分的领域，并且更具体地涉及信用评分。
【背景技术】
[0004] 在本部分所描述的方法是能够实行的方法，但未必是先前已构思或实行的方法。 因此，在本部分所描述的方法对于本申请中的权利要求而言可以不是现有技术，并且不会 因为包含在这一部分中而被认为是现有技术。
[0005] 信用评分向企业分配逾期支付的概率，即存在拖欠的概率。存在两种类型的信用 评分，即判断型和统计型。判断型评分由信用管理者基于信用管理者的判断和经验来创建。 统计型评分是对企业的信用档案进行的统计分析的结果，以表示该企业的信用度。
[0006] 在统计学中，回归分析是用于估计变量之间的关系的统计处理。当聚焦于因变量 与一个或多个自变量之间的关系时，回归分析包括用于对若干变量进行建模和分析的技 术。回归分析帮助对下述的理解：当自变量中的任一自变量变化，而其他自变量保持固定 时，因变量的典型值如何变化。
[0007] 回归分析的准确性部分地取决于所使用的模型的形式和对自变量的选择。也就是 说，良好形式的模型和对自变量的适当选择可以引起更准确的结果。
[0008] 针对信用评分要分析的数据通常被存储在数据库中。现今，由于生成、存储以及处 理的数据量增加，操作型数据库针对操作效率（例如，吞吐量、处理速度以及存储容量）被 构建、分类以及格式化。在这些操作型数据库中查找到的原始数据通常以数字和代码的行 和列的形式存在，这对于企业分析员和决策者而言显得令人困惑和难以理解。此外，现代数 据库中存储的原始数据的范围和浩瀚致使其更难查找到可用信息。
[0009] 因此，需要一种针对回归分析对来自一个或多个数据库的数据进行分析以开发模 型和对自变量进行识别和选择的技术。
【发明内容】
[0010] 本公开内容的目的在于提供一种针对回归分析对来自一个或多个数据库数据进 行分析以开发模型和对自变量进行识别和选择的技术。
[0011] 本公开内容的另一目的在于提供一种利用所述模型对与对象企业有关的数据进 行评估以生成对象企业的信用得分的技术。
[0012] 为了实现这些目的，提供一种方法，该方法包括采用计算机以执行下述操作：(a) 通过电子通信的方式从数据源接收企业的描述符；(b)将所述描述符与数据库中的数据进 行匹配，从而产生匹配，其中，所述数据包括所述企业的唯一标识符；（c)将包括所述唯一 标识符的信号保存至记录；（d)统计所述记录中的包括所述唯一标识符的信号的数量，从 而产生针对所述唯一标识符的所述信号的数目；以及基于所述信号的数目来计算企业的信 用得分。还提供有一种用于执行该方法的系统，以及一种用于控制处理器以执行该方法的 存储器装置。
【附图说明】
[0013] 图1是采用本文中所公开的技术的系统的框图。
[0014] 图2是图1的系统的处理模块的框图。
[0015] 图3是作为图2的处理模块的部件的活动信号生成器的框图。
[0016] 图4是作为图2的处理模块的部件的应收账款（account receivable)处理模块 的框图。
[0017] 图4A是列出了由图4的应收账款处理模块所执行的示例性中间计算的表的图示。
[0018] 图5是作为图2的处理模块的部件的模型生成器的框图。
[0019] 图5A是示出了由图5的模型生成器所产生的第一示例性模型开发数据集的表的 图示。
[0020] 图5B是示出了由图5的模型生成器所产生的第二示例性模型开发数据集的表的 图示。
[0021] 图6是作为图2的处理模块的部件的评分处理的框图。
[0022] 图7是示出了针对根据图6的评分处理被评分的单个企业的记分卡的示例的表。
[0023] 在附图中的每个附图中，使用相同的附图标记来表示对于多于一个附图而言是共 同的部件或特征。
【具体实施方式】
[0024] 本公开内容提供了一种用于对对象企业在支付方面存在拖欠的概率进行计算的 系统和方法。该系统和方法利用统计得分，其中，概率的分配是根据经验得到的并且可以根 据经验验证。概率基于与对象企业的未支付活动有关的本文中被称为活动信号的数据来计 算。活动信号根据由其他企业进行的纪录保持处理来得到。对象企业存在拖欠的概率根据 用于找出逾期支付与和对象企业有关的数据之间的关系的数学技术来得到。由所述系统开 发和利用的模型提供了针对严重拖欠的企业的对不良绩效的限定。评分处理利用所述模型 以生成针对对象企业的得分。
[0025] 图1是采用本文中所公开的技术的系统100的框图。系统100包括：（a)计算机 105 ; (b)统称为数据源145的数据源145-1、数据源145-2至145-N，数据源145经由网络 150通信地耦接至计算机105。
[0026] 网络150是数据通信网络。网络150可以是专用网络或公用网络，并且可以包括 下述所有网络中的任何网络：(a)例如覆盖房间的个人局域网；(b)例如覆盖建筑物的局域 网；（c)例如覆盖校园的校园局域网；（d)例如覆盖城市的城域网；（e)例如覆盖链接跨城 市、地区或国家边界的区域的广域网；或者（f)因特网。通信通过电子信号和光信号经由网 络150进行。
[0027] 数据源145中的每个数据源是提供与企业有关的信息即数据的实体、机构或处 理。数据源145的示例包括企业登记、电话薄、人员配置数据、应收账款发票级支付数据以 及与其他企业有关的企业查询。
[0028] 计算机105对来自数据源145的数据进行处理，并且还对本文中被指定为应收账 款数据130、详细交易数据135以及企业参考数据140的数据进行处理，以及产生被指定为 活动信号数据（ASD) 160和得分165的数据。
[0029] 应收账款数据130是从向其他企业提供商品、服务或信贷的多个企业获得的应收 账款数据。与所关注的公司有关的应收账款数据130从所关注的公司的商品或服务的提供 商获得。例如，假设公司B是公司A的商品或服务的提供商。公司B在其账目上将显示来 自公司A的到期应付的应收账款金额。实际上，可以存在向公司A提供商品或服务的许多 公司，因此，针对公司A的应收账款数据可以包括来自这些许多公司的与公司A有关的应收 账款数据。
[0030] 详细交易数据135是与所关注的公司有关的其他数据，并且可以从应收账款数据 130得到。详细交易数据135的示例包括在过去六个月中逾期未付账目的数量和所欠的总 金额。
[0031] 企业参考数据140是描述企业的数据。例如，针对对象企业，企业参考数据140将 包括对象企业的唯一标识符、企业信息、财务报表以及传统交易数据。唯一标识符是对对象 企业进行唯一地标识的标识符。数据通用编号系统（DUNS)编号可以充当唯一标识符。企业 信息是与企业有关的信息例如员工数量、经营年数以及企业被分类在其中的产业例如零售 业。财务报表是财务信息例如负债总额和速动比率即（流动资产-库存）/流动负债。传 统交易数据是例如逾期未付30天或更多天的金额、逾期未付30天或更多天的支付体验的 次数以及令人满意的支付体验的次数的信息。
[0032] ASD 160是包括与公司有关的信息的数据结构，其中，所述信息根据从数据源145 获得的数据得到。通常，对于对象公司而言，ASD 160指示与对象公司有关的由其他公司进 行的处理活动的水平。
[0033] 得分165是表示分配有信用得分的企业的信用度的信用得分。
[0034] 应收账款数据130、详细交易数据135、企业参考数据140、ASD 160以及得分165 存储在一个或多个数据库中。一个或多个数据库可以被配置为单个存储器装置或具有多个 独立存储器装置的分布式存储器系统。虽然在系统100中一个或多个数据库被示出为直接 耦接至计算机105,但是一个或多个数据库可以远离计算机105并且通过网络150耦接至计 算机105。
[0035] 计算机105包括用户接口 110、处理器115以及耦接至处理器115的存储器120。 虽然计算机105在本文中被表示为独立的装置，但其不受限于此，而是可以替代地以分布 式处理系统的方式耦接至其他装置（未示出）。用户接口 110包括用于使用户能够将信息 和命令选择传达至处理器115的输入装置例如键盘或语音识别子系统。
[0036] 用户接口 110还包括输出装置例如显示器、或打印机或语音合成器。光标控制器 例如鼠标、跟踪球或操纵杆使得用户能够操纵显示器上的光标，以用于将附加的信息和命 令选择传达至处理器115。
[0037] 处理器115是配置有响应和执行指令的逻辑电路的电子装置。
[0038] 存储器120是编码有计算机程序的有形计算机可读存储器装置。就这一点而言， 存储器120存储数据和指令即程序代码，所述程序代码可以由处理器115读取和执行，以用 于控制处理器115的操作。存储器120可以以下述形式来实现：随机存取存储器（RAM)、硬 盘驱动器、只读存储器（ROM)或其组合。存储器120的部件中的一个部件是处理模块125。
[0039] 处理模块125是下述指令的模块，所述指令可以由处理器115读取并且控制处理 器115以执行对企业的评分，即通过分配拖欠的概率对企业进行评估，所述拖欠的概率被 转换成拖欠得分即得分165。处理模块125将结果输出至用户接口 110,并且还可以经由网 络150将输出引向远程装置（未示出）。
[0040] 在本文档中，操作被描述为由处理模块125或其从属处理来执行。然