一种全流程模型规则商业银行个贷逾期催收管理系统的制作方法

文档序号：12722282阅读：1795来源：国知局

本发明涉及软件开发技术领域，具体地说是一种全流程模型规则商业银行个贷逾期催收管理系统。

背景技术：

个人消费贷款是指银行向个人客户发放的有指定消费用途的人民币贷款业务，用途主要有个人住房、汽车、一般助学贷款等消费性个人贷款。在我国，加快发展个人消费信贷被寄予了拉动内需，刺激经济回升的重大厚望，而且也是我国商业银行着力开发的增加利润增长点之一。

但由于国内外经济形势依然错综复杂，积极因素和隐忧并存。国内经济结构调整稳中有进，但经济回升的基础尚不牢固，周期性风险、结构性风险、系统性风险盘根错节，各类风险呈现前所未有的多样化、复杂化特征，银行资产质量劣变压力增大，逾期贷款和不良贷款率逐年上升。截至2014年末，商业银行不良贷款率1.29%，达到近一段时间以来的高点。在这种形势下，严格控制经营风险，将逾期后的损失降到最低将是一项长期任务，银行业金融机构亟需一套行之有效的逾期催收规则模型。

技术实现要素：

本发明的技术任务是针对以上不足之处，提供一种全流程模型规则商业银行个贷逾期催收管理系统，实现催收流程模型的制作，客户活动数据收集，通过积累数据进行客户逾期行为分析，客户逾期行为规则以及催收催收规则更新。

本发明解决其技术问题所采用的技术方案是：

一种全流程模型规则商业银行个贷逾期催收管理系统，借助于IT系统的计算辅助，通过贷款风险控制模型对每一笔贷款的还款情况进行识别，系统自动判断最合理的贷款催收方式，并通过催收执行、催收调整督办、催收历史查询和催收统计报表规范化、智能化管理模块实现对逾期交易有效处理，有层次、有目的的推进催收工作，保障信贷资金的安全回收；

系统根据客户相关的逾期状态，每日在逾期催收人员桌面对催收任务进行处理，并在催收时提供专业的催收信息界面，逾期催收人员只需将交互获得的信息进行勾勾选选，即完成了催收信息的记录，并将成为下一次催收的重要依据；

催收配置管理，为逾期催收管理功能模块中各项子菜单项下功能提供运行参数，参数管理涉及的参数设置包括催收对象、催收方式、催收结果、逾期天数、还款意愿和还款金额，系统用户根据行内业务运营特点灵活配置；逾期处置登记功能主要是为了将贷款装入清收状态，不在“自动”执行逾期催收动作。因此本菜单功能是改变贷款是否进入清收状态，即是否已经移交信贷监控部门进行清收或因特殊原因终止进行催收，其包括对贷款状态的设定、取消及历史记录的查询。

模式匹配算法足规则引擎最核心的算法逻辑部分，根据不同的业务需要选择特定的模式匹配推理算法，在银行催收系统应用中规则引擎模块主要负责对催收案件的评分及分类，以案件评分为例，规则引擎通过判断该账户当前欠款数额来给该账户赋予特定的风险值，显然这是一个正向推理过程。数据驱动的正向推理过程从事实被加入到工作空间刚开始。经过模式匹配、规则引发、工作空间更新的工作循环，直到满足特定条件退出推理，至此流程结束。

输入规则引擎并对其进行规则运算的数据称为事实。事实是代表现实世界的某一状态的数据结构。规则引擎的核心工作在于确定哪些事实满足了那些规则。发现该满足关系的过程就是模式匹配的过程。

模式就是规则里的条件元素，每一个模式都由一个或者多个约束条件组成。规则可以分为条件和结论两部分。条件部分称为LHS，结论部分称为RHS。将事实与条件进行匹配，以确定某一事实所能满足的条件集合或某条件下所有使之满足的事实的集台的过程被称为模式匹配。

进行模式匹配有两个思路。一种方法为从已有的事实出发，查询该事实满足的条件，称之为正向推理。另一种方法为从需要满足的结论开始查找所有符合条件的事实，称之为逆向推理。正向推理是数据驱动的，从事实开始，传递事实，最后后得到一个结论。事实被传递到工作空间中，一个或多个规则与这些事实匹配，并由执行调度模块安排匹配成功的规则的执行。

逆向推理是由目标驱动的，从一个需要满足的结论开始进行推理。在这个结论不能满足时，将搜索其他能够满足的结论来推理称为子目标，这些子目标将帮助完成当前目标的某些未知部分—推理引擎持续这个过程，直到最初的结论被证明或没有可证明的子目标。

规则引擎的系统中，规则模块的结构分为转换接口、信息元、队列管理器和规则引擎四个部分：

引擎调用接口是规则引擎数据的输入接口，负责将案件信息转换成规则引擎所要处理的组织形式，也是外部模块调用规则引擎的接口，系统其它模块调用引擎接口把需要进行规则运算的案件传入规则引擎，引擎调用接口将接收到的数据进行解析和包装处理，转化为规则引擎可以处理的案件包装器对象；

案件包装器是规则引擎所要处理的数据单元，案件包装器类中的数据成员包含了规则引擎进行规则运算的全部信息；

案件管理器是催收案件包装器的存储队列，引擎调用接口产生的各类催收案件包装器数据对象添加到案件队列中由其管理维护并有规则引擎内核规则运算模块进行规则运算，案件队列中存储了规则运算所应用的所有参数；

规则引擎内核负责规则运算，即规则和数据的匹配，规则引擎内核类封装了API以实现规则运算，对于案件队列管理器中的每一个信息元，规则引擎内核通过调用API执行其内嵌的模式匹配算法，判断其是否满足了某条业务规则，如果满足则执行该规则定义的相关动作。

进一步的，系统规则引擎模块的工作步骤分为以下四步：

系统其他模块调用规则模块的接口，将需要进行规则运算的数据传入目擎调用接口；

引擎调用接口将数据转化成对应类型的包装器类；

把包装器类加入到队列管理器待规则引擎的处理；

规则引擎内核从队列管理器中读取包装器类对象同规则进行模式匹配，执行通过匹配的规则。直到队列管理器中全部数据运算完毕。

进一步的，催收系统规则模块的数据模型是指规则模块中用于表示规则和案件的数据结构，包括案件规则集类型、规则集、规则项、规则条件、结果和决策表。

案件，整个催收系统的工作围绕处理案件展开。催收处理的单位是案件(Case)，一个案件可咀对应一个客户。一个案件可以对应多个帐户和卡片，一个帐户下对应多条交易信息。案件下可以对应一个或多个任务(需要催收员或催收系统处理的工作任务，案件被分配至新的催收队列时，需要创建新工作任务并关闭旧工作任务)，但是只能对应一个活动的任务。任务下可关联多个行动，分别记录不同的催收队列进行催收操作。

规则，为了实现对规则集版本的控制，需要记载规则集的种类，当前规则集的版本信息。

规则集类别类，规则集类型指定了规则集的种类。每一种规则集类型代表了规则引擎所要处理的某一方面的业务，例如案件分类，案件评分等。

规则集信息类，规则集指定了当前生效的规则集的版本及相关信息，主要用于规则部署的信息备案。

规则集自容类，规则集自容类以描述规则集的内容，即决策表的组合。其数据结构比较简单.仅仅包含一个hashMap存储决策表。

规则集定义类，规则集定义类规则定义类，它映射了定义规则的数据文件。

决策表的定义，决策表的定义中存储的对象为决策表。每一个决策表由规则项组成。一条规则对应一个Row类型的对象。Row类型由条件列别和结果列表组成。条件列表里规定该匹配规则所必须满足的条件，各项条件之间为“与”关系，相当于规则引擎的LHS部分。结果列表里规定满足条件后要进行的操作，如果条件匹配成功则将执行结果列表里的所有操作，即规则引擎的RHS部分。

数据文件，每个案件对象包含了从账户名称，贷款种类到欠款金额等诸多信息。每种类型的规则集所要关心的案件的信息角度是不同的，例如案件分类规则只关心贷款的种类，例如住房贷款还是车贷等信息。而案件评分规则则关心欠款天数等信息。系统中通过数据文件对规则集进行定义。

规则引擎调用包括规则部署、案件处理、规则集维护、规则集编辑和规则集发布。

规则部署，规则引擎在整个催收系统启动时对各项规则集进行部署。规则引擎首先根掘商业银行规则定义文件从数据库中装载各个规则集，然后部署到规则引擎中。催收系统在初始化的ContextLoaderSevlet中调用了规则引擎的帮助类 DroolsHelper的deployAll方法。deployAll方法负责读取数据库中存储的规则集内容加载并部署规则集。在deployaAll方法中调用rulesetTypeManager从数据库中读取所有规则集类型的信息，加载当前生效的规则集。当取到规则集信息对象后，DroolsHelper类根据目前生效的规则集主键将该规则集转化为Drools 规则定义字符串。将规则定义字符串为参数调用DroolsLocal RuleManager的 deploy方法部署该规则集。DroolsLocal RuleManager则调用Drools的API RuleBeanLoader中loadFromReader方法生成RuleBase，至此规则集的部署完成。

案件处理，规则引擎案件的处理是指依据规则的设定对案件进行分类.评分以及案件分配等规则运算操作。该工作的实现是通过催收系统集成的工作流调度引擎在后台自动完成.无需用户参与。任务是指对案件进行评分，分类等操作对案件情况进行初步判断。规则引擎进行案件评分在每个工作日开始前由调度引擎自动触发。

规则集维护，规则管理是提供友好的用户接口用户能够对当前部署在规则引擎中的规则进行查看，修改，部署，审批等操作。规则维护部分的设计严格遵循MVC三层模式。应用Struts框架，view层采用jsp展示相关信息，controller层采用WebAction类管理页面转发，module 层有RuleSet类对装规则集对象，通过RuleSetHandler工具类负责对RuleSet 进行增删改查，RulesetstatusHelper类负责规则集状态的维护；

为了保证并发的安全性，规则集所有的增删查改操作均通过RuleSetHandler实现。在RuleSetHandler中我们维护了一个用于缓存hashmap的存储规则集编辑版本。

规则集编辑，对于已经存在的规则集，系统提供类似Excel表格的用户界面来供维护人员编辑维护规则集。规则维护人员可以对规则集进行创建、删除、修改、查看操作。可以对每个规则集中的评分表所包含的条件列。规则行进行编辑维护，对维护后的决策表可以进行规则脚本生成测试，测试通过后，可以提出申请发布，申请时还可以指定评分卡生效时间。若未指定生效时间。则在审批通过后立即生效。

规则集发布，规则集审批发布是指规则集审批人员对即将发布的规则集进行审核.审核通过后即可批准规则集的上线应用。

规则集审批人员在审批过程中，可以查看规则集的详细内容，可对其进行规则脚本生成测试。通过审批后，系统将新规则集内容写入数据库，并将其芨布到系统中。此后系统将依据新规则集进行业务处理。

本发明的一种全流程模型规则商业银行个贷逾期催收管理系统和现有技术相比，具有以下有益效果：

以强化风险控制，保障权益回收为目的；通过分类别、分频度的催收处理模型，对不同的逾期情况进行差异化、智能化的催收处理，最大程度的控制风险，保障信贷资金的安全回收；通过梳理逾期催收人员工作，将所需处理的各类工作进行任务抽象，并提供任务操作引导，大大降低工作的时间成本，同时促进了催收效果；通过严格的逾期催收流程规范，把控任务生成、催收执行、任务调整、督办、历史查询、处理登记、核销贷款查询等各个环节，实现逾期处理的闭环管控，同时，依托任务管理、多维报表引擎，实现清晰的逾期处理状态监控。全行及时掌握逾期后的催收措施及催收完成情况，对全行催收工作进行督导，达到提升执行与管理效率的目的；通过系统标准化、规范化贷后检查，对贷后检查人员的能力要求有所减低；同时通过系统信息的有序存放，避免行内因客户信息的散失造成逾期管理的疏漏，降低操作风险造成的损失。

通过逾期催收规则模型平台在管理客户贷款交易的同时，对客户进行多渠道、多行为信息的记录，全面记录客户行为数据，并进行积累，完成原始数据的积累，进行聚类分析，确定逾期行为分类类别。通过对客户逾期行为的多分类，可以全方位的分类显示客户逾期行为特征，结合催收记录，为商业银行后续开发新的产品具有指导意义。

银行通过及时催收维护，能够尽早发现借款人存在的危及信贷资产安全的问题，有助于及时掌握借款人还款能力及还款意愿信息，并采取必要应对措施，另一方面，同一借款人可能在多家银行存在贷款业务，逾期问题的及早处理有利于在资产保全中抢占先机，最大限度的避免风险或降低损失。

贴合国内中小银行的管理现状，分类别、有层次的进行逾期客户的催收，针对不同的逾期类型及事件特点提供差异化的催收指引。针对用户的实际情况可以进行灵活调整，在任务参数配置上进行标准化参数以及定制性参数组成，标准化参数具有普遍适用性，定制性参数可基于各行业务特征差异化选择，科学提升逾期资金的回收率。

具体实施方式

下面结合具体实施例对本发明作进一步说明。