基于多事件的评分决策方法、装置、设备及存储介质与流程

1.本技术涉及金融科技(fintech)的风控技术领域，尤其涉及一种基于多事件的评分决策方法、装置、设备及存储介质。


背景技术：

2.随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求。
3.目前，在金融信贷领域的风控装置实施过程中，通常会接入多家三方征信数据源来辅助进行风险控制。通常是通过风控装置发起多征信数据源查询，进而需要等待全部征信数据源返回后进行变量衍生、模型评分计算、策略决策，以给予客户准入、授信的模型评分结果，然而当部分数据源因停服、异常情况等原因服务不可用时，风控装置无法获得全部征信数据源，因此，风控策略无法及时进行模型评分结果，进而导致评分决策的时效性较低，此外多征信数据源的查询产生的征信查询费用较高。


技术实现要素：

4.本技术的主要目的在于提供一种基于多事件的评分决策方法、装置、设备及存储介质，旨在解决现有技术中的评分决策的时效性低较低以及查询成本过高的技术问题。
5.为实现上述目的，本技术提供一种基于多事件的评分决策方法，所述基于多事件的评分决策方法包括：
6.获取目标用户的评分查询事件，并确定所述评分查询事件对应的各待查询征信数据源；
7.在预设强制决策时间内，按照预设查询数量并行查询各所述待查询征信数据源的征信数据信息；
8.若所述预设强制决策时间未达到，则基于已查询到的各征信数据信息，通过预设的模型决策引擎进行模型评分计算，获得评分结果；
9.若所述评分结果满足预设决策结束条件，则将所述评分结果作为所述目标用户的目标评分决策结果。
10.本技术还提供一种基于多事件的评分决策装置，所述基于多事件的评分决策装置为虚拟装置，所述基于多事件的评分决策装置包括：
11.确定模块，用于获取目标用户的评分查询事件，并确定所述评分查询事件对应的各待查询征信数据源；
12.并行查询模块，用于在预设强制决策时间内，按照预设查询数量并行查询各所述待查询征信数据源的征信数据信息；
13.评分模块，用于若所述预设强制决策时间未达到，则基于已查询到的各征信数据信息，通过预设的模型决策引擎进行模型评分计算，获得评分结果；
14.判断模块，用于若所述评分结果满足预设决策结束条件，则将所述评分结果作为
所述目标用户的目标评分决策结果。
15.本技术还提供一种基于多事件的评分决策设备，所述基于多事件的评分决策设备为实体设备，所述基于多事件的评分决策设备包括：存储器、处理器以及存储在所述存储器上的基于多事件的评分决策程序，所述基于多事件的评分决策程序被所述处理器执行实现如上述的基于多事件的评分决策方法的步骤。
16.本技术还提供一种存储介质，所述存储介质为计算机可读存储介质，所述计算机可读存储介质上存储基于多事件的评分决策程序，所述基于多事件的评分决策程序被处理器执行实现如上述的基于多事件的评分决策方法的步骤。
17.本技术提供了一种基于多事件的评分决策方法、装置、设备及存储介质，相比于现有技术采用的通过风控装置发起多征信数据源查询，进而需要等待全部征信数据源返回后进行决策评分操作的技术手段，本技术首先获取目标用户的评分查询事件，并确定所述评分查询事件对应的各待查询征信数据源，进而在预设强制决策时间内，按照预设查询数量并行查询各所述待查询征信数据源的征信数据信息，进一步地，若所述预设强制决策时间未达到，则基于已查询到的各征信数据信息，通过预设的模型决策引擎进行模型评分计算，获得评分结果，进而若所述评分结果满足预设决策结束条件，则将所述评分结果作为所述目标用户的目标评分决策结果，实现了在风控策略的部署过程中，按照预设查询数量并行查询各所述待查询征信数据源的征信数据信息，并行查询数据源能够提高决策评分的效率，进一步地，对已查询到的各征信数据信息进行模型评分，若所述评分结果满足预设决策结束条件，直接将所述评分结果作为最终的目标评分决策结果，也即，当有的关键数据源的评分过低或发现目标用户的信贷风险比较高时，直接确定所述目标用户的评分结果，而无需继续对其他数据源的结果进行查询，且并行查询数据源能够提高了决策评分的时效性，相比传统方式对多个数据源接口一次全部调用的方式相比，也大大降低了并行查询产生的征信查询成本。
附图说明
18.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
19.为了更清楚地说明本技术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简单地介绍，显而易见地，对于本领域默认技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
20.图1为本技术基于多事件的评分决策方法第一实施例的流程示意图；
21.图2为本技术基于多事件的评分决策方法第二实施例的流程示意图；
22.图3为本技术基于多事件的评分决策方法第三实施例的流程流程图；
23.图4为本技术基于多事件的评分决策方法在预设强制决策时间内查询到所有待查询征信数据源的序列图；
24.图5为本技术基于多事件的评分决策方法在预设强制决策时间内未查询到所有待查询征信数据源的序列图；
25.图6为本技术实施例方案涉及的硬件运行环境的基于多事件的评分决策设备结构示意图；
26.图7为本技术基于多事件的评分决策装置的功能模块示意图。
27.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
28.应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。
29.本技术实施例提供一种基于多事件的评分决策方法，在本技术基于多事件的评分决策方法的第一实施例中，参照图1，所述基于多事件的评分决策方法包括：
30.步骤s10，获取目标用户的评分查询事件，并确定所述评分查询事件对应的各待查询征信数据源；
31.在本实施例中，需要说明的是，所述基于多事件的评分决策方法应用于风控业务系统，在风控系统中，当调用模型决策引擎时，传入相应的评分查询事件编码，模型决策引擎会将不同评分查询事件的数据请求路由传入到相应的策略集合中进行相应运算，进一步地，所述待查询征信数据源包括查询申请人的风险欺诈类、大数据评分类的、借贷类、手机在网时长和状态类、司法信息类、工商信息类以及电信消费记录类等数据源。且通常会将多个数据源结合在一起来使用。
32.获取目标用户的评分查询事件，并确定所述评分查询事件对应的各待查询征信数据源，具体地，在目标用户在业务系统的前端提交查询申请后，其中，所述查询申请包括用户姓名、手机号码和银行卡四要素等信息，进而生成所述查询申请对应的评分查询事件，进而将所述评分查询事件传入模型决策引擎，进一步，基于所述评分查询申请对应的场景类型，确定所述场景类型对应的各待查询征信数据源，从而实现了根据不同风控场景，不同客群的征信数据源，生成对应评分查询事件，提高查询规则的灵活度例如，当评分查询事件为目标用户的贷款授信查询时间，由于目标用户在其他金融平台的借款、个人征信等信息与欺诈行为关系密切，因此各所述待查询征信数据源包括风险欺诈数据源、多平台借贷类数据源等数据源。
33.其中，所述获取目标用户的评分查询事件，并确定所述评分查询事件对应的各待查询征信数据源的步骤包括：
34.步骤s11，当检测到所述目标用户的查询指令时，获取目标用户的评分查询事件；
35.在本实施例中，需要说明的是，所述查询指令为对目标用户进行信用评估的指令，当检测到所述目标用户的查询指令时，会生成所述查询指令对应的评分查询事件，并将所述评分查询事件传入所述模型决策引擎中。
36.步骤s12，基于所述评分查询事件对应的评分场景类型，确定各所述待查询征信数据源。
37.在本实施例中，需要说明的是，所述评分场景类型为进行评分查询对应的场景，例如，审批场景、授信场景等。
38.基于所述评分查询事件对应的评分场景类型，确定各所述待查询征信数据源，具体地，基于所述评分查询事件，获取所述风控决策请求关联的场景标识，进而基于所述场景标识，确定所述评分查询事件对应的评分场景类型，进而根据所述评分场景类型，确定各所述待查询数据源，从而实现了针对不同的风控产品，希望使用的数据源个数能快速灵活调整。
39.步骤s20，在预设强制决策时间内，按照预设查询数量并行查询各所述待查询征信数据源的征信数据信息；
40.在本实施例中，需要说明的是，所述按照预设查询数量为对外部第三方数据源按照预设查询数量或者预设查询顺序进行查询的规则，可由模型决策引擎中的策略配置来决定先调用哪个或者哪几个外部第三方数据源，然后调用外部第三方数据源，在调用完某个数据源后，该数据源的征信数据信息传入决策引擎后，在一种可实施方式中，在决策流程中配置数据源的调用顺序，将价格低于预设价格的的数据源先调用，价格不于预设价格的数据源在最后面调用，从而大大降低决策评分的成本。
41.在预设强制决策时间内，按照预设查询数量并行查询各所述待查询征信数据源的征信数据信息，具体地，在各所述待查询数据源中选取预设查询数量的目标数据源，进而通过预先搭建的模型决策引擎向外部第三方数据源发送各所述目标数据源对应的查询请求，并在所述预设强制决策时间内，接收通过外部第三方数据源返回的各所述目标数据源对应的征信数据信息，进而在，例如，在进行贷款授信请求评分查询时，需要15个待查询数据源，进而在15个待查询数据源中选取5个待查询数据源，并向外部第三方数据源并行查询该5个待查询数据源，相比传统方式对多个数据源接口一次全部调用的方式相比，降低了数据查询的成本。
42.其中，所述在预设强制决策时间内，按照预设查询数量并行查询各所述待查询征信数据源的征信数据信息的步骤包括：
43.步骤s21，在各所述待查询征信数据源中选取预设查询数量的目标征信数据源；
44.在本实施例中，具体地，通过在各所述待查询征信数据源中选取预设查询数量的目标征信数据源，例如，按照数据查询价格从低到高对应的排序结果，选取排在前5的数据源，以执行第一批数据源的查询操作。
45.步骤s22，在预设强制决策时间内，通过预先搭建的模型决策引擎并行向第三方数据源发送各所述目标征信数据源的数据查询请求；
46.在本实施例中，在预设强制决策时间内，通过所述模型决策引擎并行向第三方数据源发送各所述目标征信数据源的数据查询请求，具体地，在预设强制决策时间内，通过所述模型决策引擎并行向第三方数据源发送各所述目标征信数据源的数据查询请求，以调用第三方数据源对接系统上的对应的数据源接口，开始调用第三方数据源。
47.其中，所述在预设强制决策时间内，通过所述模型决策引擎并行向第三方数据源发送各所述目标征信数据源的数据查询请求的步骤包括：
48.步骤s221，确定各所述目标征信数据源对应的数据源接口编码；
49.步骤s222，在预设强制决策时间内，基于各所述数据源接口编码，通过所述模型决策引擎并行向第三方数据源发送各所述目标征信数据源的数据查询请求。
50.在本实施例中，具体地，获取模型决策引擎以及第三方数据源之间的数据源接口编码，进而基于所述数据源接口编码，并行向第三方数据源发送各所述目标征信数据源的数据查询请求，从而开始调用外部第三方数据源，数据源接口编码的含义和对应的接口在内部预先约定好，由相应的对照表来定义。
51.步骤s23，接收通过所述第三方数据源返回各所述目标征信数据源的征信数据信息。
52.在本实施例中，具体地，当调用第三方数据源后，通过第三方数据源返回已查询到的各目标征信数据源的征信数据信息，进而接收通过所述第三方数据源返回各所述目标征信数据源的征信数据信息。
53.步骤s30，若所述预设强制决策时间未达到，则基于已查询到的各征信数据信息，通过预设的模型决策引擎进行模型评分计算，获得评分结果；
54.在本实施例中，需要说明的是，所述计算模型评分的方式包括逻辑回归、支持向量机、决策树、随机森林和神经网络等算法，进一步地，当达到所述预设强制决策时间时，即使所有待查询数据源还未全部返回，也会立即执行模型评分操作。
55.若所述预设强制决策时间未达到，则基于已查询到的各征信数据信息，通过预设的模型决策引擎进行模型评分计算，获得评分结果，具体地，若所述预设强制决策时间未达到，则获取已查询到的各征信数据信息，进而根据所述已查询到的各征信数据信息，通过模型决策引擎计算模型评分，进而获得所述目标用户的评分结果。
56.其中，在所述若所述预设强制决策时间未达到，则基于已查询到的各征信数据信息，通过预设的模型决策引擎进行模型评分计算，获得评分结果的步骤之后，所述基于多事件的评分决策方法还包括：
57.步骤a10，若所述评分结果不满足预设决策结束条件，则返回执行步骤：在预设强制决策时间内，按照预设查询数量并行查询各所述待查询征信数据源的征信数据信息。
58.在本实施例中，需要说明的是，模型决策引擎整体架构分为三层，从上至下分别是接入层、计算层、决策层，开发人员预先编写接口调用代码，接口调用代码可以实现不同系统接口的调用，将接口调用代码进行封装形成接入层；然后计算层包括变量处理器和计算模型，其中，变量处理器和计算模型是预先构建的用于相关数据分析的代码，决策层包括分析策略(分析策略是指预先设置的分析规则)，最后将接入层、计算层和策略层输入至预设框架，生成模型决策引擎。
59.进一步地，模型决策引擎内部根据上一次传入数据源的评分结果进行决策判断，并返回“继续”执行或“终止”执行的指令给业务系统以执行对应指令的操作，所述预设决策结束条件包括评分结果超过预设评分阈值和查询到所有待查询征信数据源。
60.具体地，若所述评分结果不满足预设决策结束条件，并且所述预设强制决策时间还未达到，则返回执行步骤：在预设强制决策时间内，按照预设查询数量并行查询各所述待查询征信数据源的征信数据信息，也即，在所述预设强制决策时间内，通过模型决策引擎继续按照预设查询数量并行查询各所述待查询征信数据源的征信数据信息，进而根据查询到的所有征信数据信息进行评分计算，从而获得所述目标用户的第二评分结果，直至所述第二评分结果满足预设决策结束条件。
61.步骤s40，若所述评分结果满足预设决策结束条件，则将所述评分结果作为所述目标用户的目标评分决策结果。
62.在本实施例中，若所述评分结果满足预设决策结束条件，则将所述评分结果作为所述目标用户的目标评分决策结果，具体地，若所述评分结果满足预设决策结束条件，则证明该目标用户的评分较高或者该目标用户的评分较低，进而将所述评分结果作为所述目标用户的目标评分决策结果，并将所述目标评分决策结果返回至业务系统的前端，例如，在进行贷款查询评分时，当有的关键数据源的评分过低或发现目标用户的信贷风险比较高时，
直接确定所述目标用户的评分结果，而无需继续对其他数据源的结果进行查询，提高了决策评分的效率。
63.本技术实施例提供了一种基于多事件的评分决策方法，相比于现有技术采用的通过风控装置发起多征信数据源查询，进而需要等待全部征信数据源返回后进行决策评分操作的技术手段，本技术实施例首先获取目标用户的评分查询事件，并确定所述评分查询事件对应的各待查询征信数据源，进而在预设强制决策时间内，按照预设查询数量并行查询各所述待查询征信数据源的征信数据信息，进一步地，若所述预设强制决策时间未达到，则基于已查询到的各征信数据信息，通过预设的模型决策引擎进行模型评分计算，获得评分结果，进而若所述评分结果满足预设决策结束条件，则将所述评分结果作为所述目标用户的目标评分决策结果，实现了在风控策略的部署过程中，按照预设查询数量并行查询各所述待查询征信数据源的征信数据信息，并行查询数据源能够提高决策评分的效率，进一步地，对已查询到的各征信数据信息进行模型评分，若所述评分结果满足预设决策结束条件，直接将所述评分结果作为最终的目标评分决策结果，也即，当有的关键数据源的评分过低或发现目标用户的信贷风险比较高时，直接确定所述目标用户的评分结果，而无需继续对其他数据源的结果进行查询，且并行查询数据源能够提高了决策评分的时效性，相比传统方式对多个数据源接口一次全部调用的方式相比，也降低了并行查询产生的征信查询成本。
64.进一步地，参照图2，在本技术的另一实施例中，在所述若所述评分结果不满足预设决策结束条件，则返回执行步骤：在预设强制决策时间内，按照预设查询数量并行查询各所述待查询征信数据源的征信数据信息的步骤之后，所述基于多事件的评分决策方法还包括：
65.步骤b10，若到达所述预设强制决策时间，则确定未查询到的各待查询征信数据源，并将未查询到的待查询征信数据源的征信数据信息设为预设默认值；
66.在本实施例中，若到达所述预设强制决策时间，则确定当前时间未查询到的各待查询征信数据源以及已查询到的各待查询征信数据源，进而将未查询到的待查询征信数据源的征信数据信息设为预设默认值，例如，将未查询到的待查询征信数据源的征信数据信息设置为0。
67.步骤b20，根据已查询到的各征信数据信息以及各所述预设默认值，通过所述模型决策引擎计算模型评分，获得评分结果。
68.在本实施例中，具体地，根据在所述预设强制决策时间内已查询到的各征信数据信息以及各所述预设默认值，将各征信数据信息以及各所述预设默认值输入所述模型决策引擎中，以对所述目标用户进行模型评分，进而获得所述评分结果，从而无需等待全部征信数据源返回后才能进行变量衍生、模型评分计算等操作，也即，当所述预设强制决策时间到达后，即可根据预设强制决策时间内获取到的征信数据信息进行模型评分。
69.进一步地，参照图3，在本技术的另一实施例中，在所述根据已返回的各征信数据信息以及各所述预设默认值，通过所述模型决策引擎计算模型评分，获得评分结果的步骤之后，所述基于多事件的评分决策方法还包括：
70.步骤c10,若到达预设兜底决策时间，则确定在预设兜底决策时间内未查询到的各待查询征信数据源以及已查询到的各待查询征信数据源，其中，所述预设兜底决策时间大
于所述预设强制决策时间；
71.在本实施例中，需要说明的是，考虑到有些数据源信息返回到模型决策引擎的速度较慢，在本技术中，另外设置一个预设兜底决策时间，且所述预设兜底决策时间大于所述预设强制决策时间，例如，预设强制决策时间设置为1个小时，预设兜底决策时间设置为24小时。
72.步骤c20,将在预设兜底决策时间内未查询到的各待查询征信数据源的征信数据信息设为预设默认值；
73.步骤c30,根据在预设兜底决策时间内已查询的各征信数据信息以及各所述预设默认值，通过所述模型决策引擎计算模型评分，获得评分结果。
74.在本实施例中，若到达所述预设兜底决策时间，则确定在预设兜底决策时间内未查询到的各待查询征信数据源，并将在预设兜底决策时间内未查询到的各待查询征信数据源的征信数据信息设为预设默认值，以及获取已查询到的各待查询征信数据源的征信数据信息，进一步地，根据在预设兜底决策时间内已查询的各征信数据信息以及各所述预设默认值，通过所述模型决策引擎计算模型评分，获得所述评分结果。
75.参照图4和图5，图4为本技术基于多事件的评分决策方法在预设强制决策时间内查询到所有待查询征信数据源的序列图，图5为本技术基于多事件的评分决策方法在预设强制决策时间内未查询到所有待查询征信数据源的序列图，其中，业务界面为所述业务系统的前端界面，外部数据源为所述第三方数据源，具体地，当接收到提交评分查询事件，第一批数据源为所述预设数量的待查询征信数据源，通过预先搭建的模型决策引擎向第三方数据源发送第一批数据源对应的数据查询请求，也即发送预设数量的待查询征信数据源的数据查询请求，进而接收通过第三方数据源返回的数据源，进而根据已查询到的数据源对应的征信数据信息，计算模型评分，获得评分结果，若所述评分结果不满足预设决策结束条件，则通过模型决策引擎向第三方数据源发送第二批数据源对应的数据查询请求，在等待接收通过第三方数据源返回的第二批数据源的过程中，若当前时间还未达到所述预设强制决策时间，则继续等待接收第二批数据源，当接收到第二批数据源时，则根据所有已查询到的数据源进行模型评分计算，也即，根据第一批数据源和第二批数据源进行模型评分计算，并将评分结果返回至所述业务系统的前端界面，另外地，若当前时间已经达到所述预设强制决策时间，而第二批数据源还未查询到，则将还未查询到的征信数据源设为预设默认值，进而根据已查询的待查询征信数据源和预设默认值进行模型评分计算，进而将计算获得评分结果返回至业务系统的前端界面，此外，在预设兜底决策时间到达前，模型决策引擎还实时监测第三方数据源是否返回未查询到的待查询征信数据源，进而当到达所述预设兜底决策时间时，将在预设兜底决策时间内未查询到的各待查询征信数据源的征信数据信息设为预设默认值，进而根据在预设兜底决策时间内已查询到的各征信数据信息以及各所述预设默认值，通过所述模型决策引擎计算模型评分，获得评分结果，并将在预设兜底决策时间计算的评分结果返回至业务系统。
76.参照图6，图6是本技术实施例方案涉及的硬件运行环境的基于多事件的评分决策设备结构示意图。
77.如图6所示，该基于多事件的评分决策设备可以包括：处理器1001，例如cpu，存储器1005，通信总线1002。其中，通信总线1002用于实现处理器1001和存储器1005之间的连接
通信。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。
78.可选地，该基于多事件的评分决策设备还可以包括矩形用户接口、网络接口、相机、rf(radio frequency，射频)电路，传感器、音频电路、wifi模块等等。矩形用户接口可以包括显示屏(display)、输入子模块比如键盘(keyboard)，可选矩形用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可包括标准的有线接口、无线接口(如wifi接口)。
79.本领域技术人员可以理解，图6中示出的基于多事件的评分决策设备结构并不构成对基于多事件的评分决策设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
80.如图6所示，作为一种计算机存储介质的存储器1005中可以包括操作装置、网络通信模块以及基于多事件的评分决策程序。操作装置是管理和控制基于多事件的评分决策设备硬件和软件资源的程序，支持基于多事件的评分决策程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信，以及与基于多事件的评分决策装置中其它硬件和软件之间通信。
81.在图6所示的基于多事件的评分决策设备中，处理器1001用于执行存储器1005中存储的基于多事件的评分决策程序，实现上述任一项所述的基于多事件的评分决策方法的步骤。
82.本技术基于多事件的评分决策设备具体实施方式与上述基于多事件的评分决策方法各实施例基本相同，在此不再赘述。
83.此外，请参照图7，图7是本技术基于多事件的评分决策装置的功能模块示意图，本技术还提供一种基于多事件的评分决策装置，所述基于多事件的评分决策装置包括：
84.确定模块，用于获取目标用户的评分查询事件，并确定所述评分查询事件对应的各待查询征信数据源；
85.并行查询模块，用于在预设强制决策时间内，按照预设查询数量并行查询各所述待查询征信数据源的征信数据信息；
86.评分模块，用于若所述预设强制决策时间未达到，则基于已查询到的各征信数据信息，通过预设的模型决策引擎进行模型评分计算，获得评分结果；
87.判断模块，用于若所述评分结果满足预设决策结束条件，则将所述评分结果作为所述目标用户的目标评分决策结果。
88.可选地，所述基于多事件的评分决策装置还用于：
89.若所述评分结果不满足预设决策结束条件，则返回执行步骤：在预设强制决策时间内，按照预设查询数量并行查询各所述待查询征信数据源的征信数据信息。
90.可选地，所述基于多事件的评分决策装置还用于：
91.若到达所述预设强制决策时间，则确定未查询到的各待查询征信数据源，并将未查询到的各待查询征信数据源的征信数据信息设为预设默认值；
92.根据已查询到的各征信数据信息以及各所述预设默认值，通过所述模型决策引擎计算模型评分，获得评分结果。
93.可选地，所述基于多事件的评分决策装置还用于：
94.若到达预设兜底决策时间，则确定在预设兜底决策时间内未查询到的各待查询征信数据源以及已查询到的各待查询征信数据源，其中，所述预设兜底决策时间大于所述预设强制决策时间；
95.将在预设兜底决策时间内未查询到的各待查询征信数据源的征信数据信息设为预设默认值；
96.根据在预设兜底决策时间内已查询到的各征信数据信息以及各所述预设默认值，通过所述模型决策引擎计算模型评分，获得评分结果。
97.可选地，所述确定模块还用于：
98.当检测到所述目标用户的查询指令时，获取目标用户的评分查询事件；
99.基于所述评分查询事件对应的评分场景类型，确定各所述待查询征信数据源。
100.可选地，所述并行查询模块还用于：
101.在各所述待查询征信数据源中选取预设查询数量的目标征信数据源；
102.在预设强制决策时间内，通过所述模型决策引擎并行向第三方数据源发送各所述目标征信数据源的数据查询请求；
103.接收通过所述第三方数据源返回各所述目标征信数据源的征信数据信息。
104.可选地，所述并行查询模块还用于：
105.确定各所述目标征信数据源对应的数据源接口编码；
106.在预设强制决策时间内，基于各所述数据源接口编码，通过所述模型决策引擎并行向第三方数据源发送各所述目标征信数据源的数据查询请求。
107.本技术基于多事件的评分决策装置的具体实施方式与上述基于多事件的评分决策方法各实施例基本相同，在此不再赘述。
108.本技术实施例提供了一种存储介质，所述存储介质为计算机可读存储介质，且所述计算机可读存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述任一项所述的基于多事件的评分决策方法的步骤。
109.本技术计算机可读存储介质具体实施方式与上述基于多事件的评分决策方法各实施例基本相同，在此不再赘述。
110.以上仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利处理范围内。