一种审批方法及系统与流程

本发明涉及计算机技术领域，尤其涉及一种审批方法及系统。

背景技术：

审批策略及方法是决定租赁业务产品盈利与否的关键环节，它涵盖一系列关键决策点。这些决策点通常需要将复杂的客户行为，及其后续可能产生的相互作用考虑在内，并对可能发生的潜在信用风险做出准确评估。

作为平衡信用风险与市场成长之间均衡发展的重要手段，有效的客户审批策略需要兼顾一致性和便捷性。既能够充分运用自动决策，又可以在必要时引入人工审查。好的策略能够在专注于降低潜在坏账率的同时，维持现有市场占有率；或在维持现有坏账率的前提下，保持适度的市场增长。

传统对公业务主要依靠审贷人员的主观判断，结合初步的定性分析以及政策制度来实现，从而使得审批业务效率较低，并且依赖于审贷人员的主管判断，准确率不高。

技术实现要素：

为了解决上述问题，本发明实施例提供一种审批方法及系统。

第一方面，本发明实施例提供一种审批方法，该方法包括：

获取待审批用户的基础审批信息，所述基础审批信息包括客户申请表单、征信报告、经营数据、银行流水、房产信息、客户三方行为数据信息、电话照会信息、外访信息、还款信息、预警信息和催收信息；

将所述基础审批信息输入到审批决策模型中，获取所述待审批用户的风险规则审查结果和信用评分，所述信用评分模型通过样本和标签进行训练后得到；

根据所述待审批用户的风险规则审查结果和信用评分，给出所述待审批用户在准入、授信和风险定价方面的方案建议。

优选地，所述根据所述待审批用户的风险规则审查结果和信用评分，给出所述待审批用户在准入、授信和风险定价方面的方案建议，具体包括：

所述待审批用户的风险规则审查结果包括禁止性、第一限制性、第二限制性、提示性和无命中五类；

若所述待审批用户的风险规则审查结果为禁止性，对所述待审批用户给出拒绝的建议；

若所述待审批用户的信用评分小于571，对所述待审批用户给出拒绝的建议；

若所述待审批用户的信用评分介于572至591之间、所述待审批用户的信用评分介于592至617之间且所述待审批用户的风险规则审查结果为所述第一限制性和所述第二限制性、所述待审批用户的信用评分介于618到707之间且所述待审批用户的风险规则审查结果为所述第一限制性，对所述待审批用户给出高风险的建议；

若所述待审批用户的信用评分介于592至617之间且所述待审批用户的风险规则审查结果为提示性和无命中、所述待审批用户的信用评分介于618到655之间且所述待审批用户的风险规则审查结果为第二限制性、若所述待审批用户的信用评分介于708至1000之间且所述待审批用户的风险规则审查结果为第一限制性，对所述待审批用户给出中高风险的建议；

若所述待审批用户的信用评分介于618至655之间且所述待审批用户的风险规则审查结果为提示性和无命中、若所述待审批用户的信用评分介于656至707之间且所述待审批用户的风险规则审查结果为第二限制性和提示性、若所述待审批用户的信用评分介于708至1000之间且所述待审批用户的风险规则审查结果为第二限制性，对所述待审批用户给出中风险的建议；

若所述待审批用户的信用评分介于656至707之间且所述待审批用户的风险规则审查结果为无命中、所述待审批用户的信用评分介于708至1000之间且所述待审批用户的风险规则审查结果为提示性，对所述待审批用户给出中低风险的建议；

若所述待审批用户的信用评分介于708至1000之间且所述待审批用户的风险规则审查结果为无命中，对所述待审批用户给出低风险的建议。

优选地，所述待审批用户的风险规则审查结果通过如下方式确定：

对所述待审批用户的基础审批信息进行审查，若所述待审批用户的基础审批信息不满足政策制度准入要求，将所述待审批用户的风险规则审查结果确定为禁止性；

对所述待审批用户的基础审批信息进行风险点审查，将所述待审批用户的风险规则审查结果确定为第一限制性、第二限制性或提示性；

否则，将所述待审批用户的风险规则审查结果确定为无命中。

优选地，还包括：获取申请审批策略监控报告，所述申请审批策略健康报告从多种维度对业务申请审批工作和申请审批策略的审批通过率、审批工作效率、拒绝原因情况、策略风险分群的账户分布多个角度进行全方面的分析。

优选地，还包括：对所述待审批用户的基础审批信息进行数据清洗，去除输入错误、存储异常的数据。

优选地，还包括：对所述审批决策模型进行单变量分析。

第二方面，本发明实施例提供一种审批系统，包括：

基础信息模块，用于获取待审批用户的基础审批信息，所述基础审批信息包括客户申请表单、征信报告、经营数据、银行流水、房产信息、客户三方行为数据信息、电话照会信息、外访信息、还款信息、预警信息和催收信息；

模型模块，用于将所述基础审批信息输入到审批决策模型中，获取所述待审批用户的风险规则审查结果和信用评分，所述信用评分模型通过样本和标签进行训练后得到；

决策模块，用于根据所述待审批用户的风险规则审查结果和信用评分，给出所述待审批用户在准入、授信和风险定价方面的方案建议。

第三方面，本发明实施例提供一种电子设备，该电子设备包括：

至少一个处理器、至少一个存储器、通信接口和总线；其中，

所述处理器、存储器、通信接口通过所述总线完成相互间的通信；

所述通信接口用于该测试设备与显示装置的通信设备之间的信息传输；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面提供的一种审批方法。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，包括：所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面提供的一种审批方法。

本发明实施例提供的一种审批方法及系统，使用优化的信用评分截取点和风险等级划分，支持自动化审批策略，提高信贷决策效率。利用各种类型的风险规则，结合模型评分，优化综合风险等级，更有效、更精准的预测以及管控信用风险，从而降低整体的坏账率。通过额度策略和风险定价策略，对申请进件进行风险差异化管理，增强产品对于好客户的竞争力，同时也降低坏客户的风险暴露，进一步扩大了潜在市场。通过调整风险模型及评分卡设计，使其达到对it设备租赁的最佳适配性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种审批方法的流程图；

图2为本发明实施例提供的一种审批系统的结构示意图；

图3示例了一种电子设备的实体结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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作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。

本发明实施例旨在根据过往积累的丰富数据，结合国内外风险管理的最佳实践经验，设计兼具行业针对性并结合行业经验的申请审批策略。基于开发的决策引擎，对客户准入、自动化审批、额度设置、风险定价等业务应用策略进行设计和优化，通过决策引擎将评分卡、信贷审批策略落地实施。

图1为本发明实施例提供的一种审批方法的流程图，如图1所示，该方法包括：

s1，获取待审批用户的基础审批信息，所述基础审批信息包括客户申请表单、征信报告、经营数据、银行流水、房产信息、客户三方行为数据信息、电话照会信息、外访信息、还款信息、预警信息和催收信息；

s2，将所述基础审批信息输入到审批决策模型中，获取所述待审批用户的风险规则审查结果和信用评分，所述信用评分模型通过样本和标签进行训练后得到；

s3，根据所述待审批用户的风险规则审查结果和信用评分，给出所述待审批用户在准入、授信和风险定价方面的方案建议。

首先获取待审批用户的基础审批信息，该基础审批信息包括客户申请表单、征信报告、经营数据、银行流水、房产信息、客户三方行为数据信息、电话照会信息、外访信息、还款信息、预警信息和催收信息。

然后将该基础审批信息输入到审批决策模型中，该审批决策模型根据该待审批用户的基础审批信息，得到该待审批用户的风险规则审查结果和信用评分。

信用评分是采用量化指标对待审批用户信用风险进行排序的统计工具，用于预测待审批用户未来既定时间段内发生严重拖欠/违约的概率，评分越低则其对应的潜在违约概率就越高。

信用评分准入截取点的选定需要在业务规模最大化(保证一定的审批通过率)、风险最小化等因素之间寻找最佳平衡点：

业务规模：分析申请人群在信用评分坐标上的分布情况，判断准入截取点对审批通过率的影响；

风险因素：根据业务需要与历史数据积累情况，定义“好、坏客户”和其他常用的风险指标，分析信用评分与“好客户、坏客户”占比的对应关系。

信用评分从统计的角度定量刻画了待审批用户的信用风险。然而信用评分并不覆盖所有的风险指标，在日常的业务中，根据经验判断的某些风险规则对于识别风险特征有重大的提升作用。因此策略设计还需要结合行业产品特点的实践经验以及我司的业务经验，双方共同设计一套行之有效的风险规则集对信用评分形成相应的补充。

风险规则审查结果是对待审批用户的风险规则进行审查的结果，风险审查规则按照控制力度可分为以下五类：

拒借：用于识别不满足政策制度准入要求的待审批申请进件，触发此类规则申请进件对应的风险等级为极高风险或不满足业务的合规要求，一般给予自动拒绝处理。拒绝的进件6个月内再次进件直接拒绝。

放弃：不满足准入要求，拒绝贷款申请，但不会设置6个月内无法再次申请的规则。

退回：由于材料或保证人等可以更换和补充的资质不合格，退回进件，补充完善材料后允许继续申请贷款。

限制性规则：用于申请进件的一般风险点审查，触发此类规则的申请进件通常对应较高的信用风险。

提示性规则：用于申请进件的一般风险点审查，触发此类规则的申请进件通常对应中等程度的信用风险。

如果同一申请命中了多条风险审查规则，基于风险审慎考虑，一般建议采取孰严的原则考察命中的风险规则力度。

最后，将信用评分与风险规则审查结果两个维度进行交叉组合，从这两个维度给出任意进件的申请综合的风险等级。然后再基于该风险等级，给出租赁客户进件在准入、授信和风险定价方面的方案建议。

本发明实施例提供的一种审批方法，使用优化的信用评分截取点和风险等级划分，支持自动化审批策略，提高信贷决策效率。利用各种类型的风险规则，结合模型评分，优化综合风险等级，更有效、更精准的预测以及管控信用风险，从而降低整体的坏账率。通过额度策略和风险定价策略，对申请进件进行风险差异化管理，增强产品对于好客户的竞争力，同时也降低坏客户的风险暴露，进一步扩大了潜在市场。通过调整风险模型及评分卡设计，使其达到对it设备租赁的最佳适配性。

在上述实施例的基础上，优选地，所述根据所述待审批用户的风险规则审查结果和信用评分，给出所述待审批用户在准入、授信和风险定价方面的方案建议，具体包括：

所述待审批用户的风险规则审查结果包括禁止性、第一限制性、第二限制性、提示性和无命中五类；

若所述待审批用户的风险规则审查结果为禁止性，对所述待审批用户给出拒绝的建议；

若所述待审批用户的信用评分小于571，对所述待审批用户给出拒绝的建议；

若所述待审批用户的信用评分介于572至591之间、所述待审批用户的信用评分介于592至617之间且所述待审批用户的风险规则审查结果为所述第一限制性和所述第二限制性、所述待审批用户的信用评分介于618到707之间且所述待审批用户的风险规则审查结果为所述第一限制性，对所述待审批用户给出高风险的建议；

若所述待审批用户的信用评分介于592至617之间且所述待审批用户的风险规则审查结果为提示性和无命中、所述待审批用户的信用评分介于618到655之间且所述待审批用户的风险规则审查结果为第二限制性、若所述待审批用户的信用评分介于708至1000之间且所述待审批用户的风险规则审查结果为第一限制性，对所述待审批用户给出中高风险的建议；

若所述待审批用户的信用评分介于618至655之间且所述待审批用户的风险规则审查结果为提示性和无命中、若所述待审批用户的信用评分介于656至707之间且所述待审批用户的风险规则审查结果为第二限制性和提示性、若所述待审批用户的信用评分介于708至1000之间且所述待审批用户的风险规则审查结果为第二限制性，对所述待审批用户给出中风险的建议；

若所述待审批用户的信用评分介于656至707之间且所述待审批用户的风险规则审查结果为无命中、所述待审批用户的信用评分介于708至1000之间且所述待审批用户的风险规则审查结果为提示性，对所述待审批用户给出中低风险的建议；

若所述待审批用户的信用评分介于708至1000之间且所述待审批用户的风险规则审查结果为无命中，对所述待审批用户给出低风险的建议。

本申请根据现有信用评分的分布以及坏账率的变化情况，对不同风险级别的客户细分为不同风险客群组，对于评分高于最高阈值的申请件予以自动批准；反之，自动拒绝评分低于最低阈值的申请，其余对应特定策略，表1为本发明实施例提供的风险规则审查结果和信用评分表示意图，如表1所示。

表1

在上述实施例的基础上，优选地，所述待审批用户的风险规则审查结果通过如下方式确定：

对所述待审批用户的基础审批信息进行审查，若所述待审批用户的基础审批信息不满足政策制度准入要求，将所述待审批用户的风险规则审查结果确定为禁止性；

对所述待审批用户的基础审批信息进行风险点审查，将所述待审批用户的风险规则审查结果确定为第一限制性、第二限制性或提示性；

否则，将所述待审批用户的风险规则审查结果确定为无命中。

根据实践经验，结合租赁业务特点，决定策略决策模将分为前置规则和进件规则两段。首先进行前置规则决策流程，前置规则是把搜集的客户信息录入系统后运行的第一遍风险规则，通过前置筛选的申请会进入进件规则决策流程，进件规则是第二遍风险规则，会根据审批环节所适用的拒借规则、限制性规则和风险提示性规则，逐一进行检查，并逐一登记触发的风险规则。

为保证决策信息的全面性，即使该笔进件首先触发了拒借规则，策略决策模块的风险规则检查流程也不跳出，而是继续完成其后全部规则检查。

在上述实施例的基础上，优选地，还包括：获取申请审批策略监控报告，所述申请审批策略健康报告从多种维度对业务申请审批工作和申请审批策略的审批通过率、审批工作效率、拒绝原因情况、策略风险分群的账户分布多个角度进行全方面的分析。

申请审批策略监控报告设计从多种维度对业务申请审批工作和申请审批策略的审批通过率、审批工作效率、拒绝原因情况、策略风险分群的账户分布等多个角度进行全方面的分析，以此帮助风险管理人员掌握业务申请审批策略的执行情况和效果，为策略优化奠定基础。其主要指标包括申请评分稳定性分析、评分区分力监控、拒绝/退回原因分析表和审批策略执行情况分析表。

其中，申请评分稳定性分析表包括以下内容：

申请评分：是指应用申请评分卡后得到的分数，报告中的申请评分指一个分数段，分数段的具体划分需要根据实际情况进行变更。

申请数：指定评分分数段中，业务申请数量。

申请分布：指定评分分数段中，业务申请数的百分比。

批准数：指定评分分数段中，被批准的业务申请数。

批准分布：指定评分分数段中，被批准的业务申请分布。

基准点：被选出作为标准的时点，用以与其它月进行比较，基准点可根据实际需要进行变更。

其中，评分区分力监控包括以下内容：

申请评分：是指应用申请评分卡后得到的分数，报告中的申请评分指一个分数段，分数段的具体划分需要根据实际情况进行变更。

好账户数：指定评分分数段中，表现窗口内表现为好的账户总数。

好账户数列百分比：指定评分分数段中，表现窗口内表现为好的账户总数占全部表现为好的账户总数百分比。

坏账户数：指定评分分数段中，表现窗口内表现为坏的账户总数。

坏账户数列百分比：指定评分分数段中，表现窗口内表现为坏的账户总数占全部表现为坏的账户总数百分比。

好坏比率：指定评分分数段中，表现窗口内表现为好的账户总数占表现窗口内表现为坏的账户总数。

批准申请数：指定评分分数段中，被批准的申请总数。

批准申请列百分比：指定评分分数段中被批准的申请总数占全部被批准的申请总数的百分比。

拒绝申请数：指定评分分数段中，被拒绝的申请总数。

拒绝申请列百分比：指定评分分数段中被拒绝的申请总数占全部被拒绝的申请总数的百分比。

其中，拒绝/退回原因分析包括退回/拒绝原因、本期退回/拒绝笔数、上期退回/拒绝笔数等。

在上述实施例的基础上，优选地，还包括：对所述待审批用户的基础审批信息进行数据清洗，去除输入错误、存储异常的数据。

构建审批决策模型，实现贷款自动化审批的前提是充分的数据资源储备。数据资源主要来源于三个部分：客户申请表单、征信报告、经营数据、银行流水、房产信息等客户申请材料信息、客户三方行为数据信息、电话照会信息、外访信息、还款、预警以及催收等信息。

经过近多年业务发展和数据积攒，已经积累了相当规模的租赁客户历史数据信息。针对上述数据搭建了分析型数据集市，该数据集市是租赁风险模型的数据基础。

基于数据集市的合理性和适用性，以及考虑到全部重新抽取数据的流程过慢等问题，使用模型团队开发完成的分析型数据集市以及相关的人行征信为主、租后还款、经营数据、行为数据信息为辅作为审批策略设计的数据基础。

在对数据做进一步的分析之前，需要对数据资源进行初步的清洗。因为数据库中的底层数据质量通常参差不齐，部分进件的记录可能存在输入错误、存储异常等情况，需要在分析之前清洗无意义、错误的数据。

通过探索性数据分析，根据变量缺失率和分布、主键唯一性等情况来识别数据异常。针对异常数据，评估异常记录占比的大小。若异常记录在总体样本中的占比非常小，对整体数据影响较小，可以删除异常记录；针对数据重复的情况，会使用合适的去重逻辑对数据进行清洗，确保样本数据整体的准确性。

从模型分析性数据集市提取的数据表情况来看，数据资源质量整体情况较好，并且已经完成了数据异常值、缺失值、逻辑校验等处理。各数据表的主键唯一性，以及关联关系也比较清楚明晰。项目组和信和沟通后，决定直接使用此分析型数据集市进行后续优化工作，数据清洗工作完成。

在上述实施例的基础上，优选地，还包括：对所述审批决策模型进行单变量分析。

最终数据集中有多达数百个变量，而最终进入策略规则中的变量是有限的。为了更好的鉴别变量的可用性，为了定量的查看变量的对好坏的区分能力(计算ks值、gini值、iv值等)，定性查看变量的趋势是否符合逻辑(绘出变量值变化，其好坏比率随之变化的请)，我司对所有变量进行了单变量分析，单变量分析的结果验证了现行评分模型的合理性，也为审批策略的优化提供了支持。

图2为本发明实施例提供的一种审批系统的结构示意图，如图2所示，该系统包括基础信息模块201、模型模块202和决策模块203，其中：

基础信息模块201用于获取待审批用户的基础审批信息，所述基础审批信息包括客户申请表单、征信报告、经营数据、银行流水、房产信息、客户三方行为数据信息、电话照会信息、外访信息、还款信息、预警信息和催收信息；

模型模块202用于将所述基础审批信息输入到审批决策模型中，获取所述待审批用户的风险规则审查结果和信用评分，所述信用评分模型通过样本和标签进行训练后得到；

决策模块203用于根据所述待审批用户的风险规则审查结果和信用评分，给出所述待审批用户在准入、授信和风险定价方面的方案建议。

本实施例为与上述方法对应的系统实施例，详情请参考上述方法实施例，本系统实施例在此不再赘述。

图3示例了一种电子设备的实体结构示意图，如图3所示，该服务器可以包括：处理器(processor)310、通信接口(communicationsinterface)320、存储器(memory)330和总线340，其中，处理器310，通信接口320，存储器330通过总线340完成相互间的通信。通信接口340可以用于服务器与智能电视之间的信息传输。处理器310可以调用存储器330中的逻辑指令，以执行如下方法：

获取待审批用户的基础审批信息，所述基础审批信息包括客户申请表单、征信报告、经营数据、银行流水、房产信息、客户三方行为数据信息、电话照会信息、外访信息、还款信息、预警信息和催收信息；

将所述基础审批信息输入到审批决策模型中，获取所述待审批用户的风险规则审查结果和信用评分，所述信用评分模型通过样本和标签进行训练后得到；

根据所述待审批用户的风险规则审查结果和信用评分，给出所述待审批用户在准入、授信和风险定价方面的方案建议。

此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：

获取待审批用户的基础审批信息，所述基础审批信息包括客户申请表单、征信报告、经营数据、银行流水、房产信息、客户三方行为数据信息、电话照会信息、外访信息、还款信息、预警信息和催收信息；

将所述基础审批信息输入到审批决策模型中，获取所述待审批用户的风险规则审查结果和信用评分，所述信用评分模型通过样本和标签进行训练后得到；

根据所述待审批用户的风险规则审查结果和信用评分，给出所述待审批用户在准入、授信和风险定价方面的方案建议。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上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精神和范围。