本技术涉及物流数据处理,具体涉及一种物流对象的风险等级确定方法,及其相关装置。
背景技术:
1、随着电商平台的飞速发展,快递行业用户数量激增,其中目标物流对象数量占比颇大,贡献营业收入占比很高,因此做好目标物流对象的风险管控问题对企业的发展至关重要。
2、在目标物流对象的风险管控当中,应收的结算各环节中存在很多的风险,这其中主要包括合规、欺诈、违约等三类风险,根据这三类风险衍生出许多目标物流对象相关指标,这些指标存在多且零散的特征,无法整体和准确地体现目标物流对象的风险程度。
3、因此,如何整体和准确的对物流对象的风险等级进行确定,是当前物流数据处理技术领域继续解决的技术问题。
技术实现思路
1、本技术提供一种物流对象的风险等级确定方法,及其相关装置,旨在解决如何整体和准确的对物流对象的风险等级进行确定的技术问题。
2、一方面,本技术提供物流对象的风险等级确定方法,所述方法包括:
3、获取目标物流对象的多个业务风险指标信息中各业务风险指标信息对应的多个风险因子数据;
4、对所述多个风险因子数据的分布状态进行转换,得到转化后的多个第一风险因子数据;
5、基于所述多个第一风险因子数据,确定所述目标物流对象的各业务风险指标信息的评价参数;
6、基于所述各业务风险指标信息的评价参数,确定所述目标物流对象的评价参数;
7、基于所述目标物流对象的评价参数,确定所述目标物流对象的风险等级。
8、在本技术一种可能的实现方式中,所述获取目标物流对象的多个业务风险指标信息中各业务风险指标信息对应的多个风险因子数据,包括:
9、获取物流对象群中各物流对象的多个业务风险指标信息;
10、基于所述多个业务风险指标信息,从所述物流对象群中确定符合预设异常要求的目标物流对象;
11、统计所述目标物流对象的多个业务风险指标信息中各业务风险指标信息对应的多个风险因子数据。
12、在本技术一种可能的实现方式中,所述获取物流对象群中各物流对象的多个业务风险指标信息,包括:
13、获取所述物流对象群的业务特征属性,所述业务特征属性为所述物流对象群所办理的业务类型;
14、基于物流对象群的业务特征属性,确定所述物流对象群中各物流对象的多个业务风险指标信息。
15、在本技术一种可能的实现方式中,所述基于所述多个业务风险指标信息,从所述物流对象群中确定符合预设异常要求的目标物流对象,包括:
16、基于预设的箱型图和预设的专家策略,确定所述多个业务风险指标信息中各业务风险指标信息对应的风险指标异常阈值;
17、基于所述多个业务风险指标信息中各业务风险指标信息,和与所述各业务风险指标信息对应的风险指标异常阈值,从所述物流对象群中确定符合预设异常要求的目标物流对象。
18、在本技术一种可能的实现方式中,所述基于所述多个第一风险因子数据,确定所述目标物流对象的各业务风险指标信息的评价参数,包括:
19、对所述多个第一风险因子数据进行归一化处理,得到处理后的多个第二风险因子数据;
20、基于客观赋权法,确定所述多个第二风险因子数据中各风险因子数据的权重;
21、根据所述多个第二风险因子数据中各风险因子数据的权重,确定所述目标物流对象的各业务风险指标信息的评价参数。
22、在本技术一种可能的实现方式中,所述基于所述各业务风险指标信息的评价参数,确定所述目标物流对象的评价参数,包括:
23、确定所述目标物流对象的各业务风险指标信息的权重;
24、根据所述各业务风险指标信息的评价参数和所述各业务风险指标信息的权重,确定所述目标物流对象的评价参数。
25、在本技术一种可能的实现方式中,所述基于所述目标物流对象的评价参数,确定所述目标物流对象的风险等级,包括:
26、对所述目标物流对象的评价参数进行聚类分析,得到所述目标物流对象的评分得分参数对应的聚类类别;
27、基于所述聚类类别,确定所述目标物流对象的风险等级。
28、在本技术一种可能的实现方式中,所述对所述多个风险因子数据的分布状态进行转换,得到转化后的多个第一风险因子数据,包括:
29、获取所述多个风险因子数据中分布状态为偏态的目标风险因子数据;
30、将所述目标风险因子数据的分布状态转换为正态分布状态,得到转化后的多个第一风险因子数据。
31、另一方面,本技术提供一种物流对象的风险等级确定装置,所述装置包括:
32、第一获取单元,用于获取目标物流对象的多个业务风险指标信息中各业务风险指标信息对应的多个风险因子数据;
33、第一转换单元,用于对所述多个风险因子数据的分布状态进行转换,得到转化后的多个第一风险因子数据;
34、第一确定单元,用于基于所述多个第一风险因子数据,确定所述目标物流对象的各业务风险指标信息的评价参数;
35、第二确定单元,用于基于所述各业务风险指标信息的评价参数,确定所述目标物流对象的评价参数;
36、第三确定单元,用于基于所述目标物流对象的评价参数,确定所述目标物流对象的风险等级。
37、在本技术一种可能的实现方式中,所述第一获取单元,具体包括:
38、第二获取单元,用于获取物流对象群中各物流对象的多个业务风险指标信息;
39、第四确定单元,用于基于所述多个业务风险指标信息,从所述物流对象群中确定符合预设异常要求的目标物流对象;
40、第一统计单元,用于统计所述目标物流对象的多个业务风险指标信息中各业务风险指标信息对应的多个风险因子数据。
41、在本技术一种可能的实现方式中,所述第二获取单元,具体用于:
42、获取所述物流对象群的业务特征属性,所述业务特征属性为所述物流对象群所办理的业务类型;
43、基于物流对象群的业务特征属性,确定所述物流对象群中各物流对象的多个业务风险指标信息。
44、在本技术一种可能的实现方式中,所述第四确定单元,具体用于包括:
45、基于预设的箱型图和预设的专家策略,确定所述多个业务风险指标信息中各业务风险指标信息对应的风险指标异常阈值;
46、基于所述多个业务风险指标信息中各业务风险指标信息,和与所述各业务风险指标信息对应的风险指标异常阈值,从所述物流对象群中确定符合预设异常要求的目标物流对象。
47、在本技术一种可能的实现方式中,所述第一确定单元,具体用于:
48、对所述多个第一风险因子数据进行归一化处理,得到处理后的多个第二风险因子数据;
49、基于客观赋权法,确定所述多个第二风险因子数据中各风险因子数据的权重;
50、根据所述多个第二风险因子数据中各风险因子数据的权重,确定所述目标物流对象的各业务风险指标信息的评价参数。
51、在本技术一种可能的实现方式中,所述第二确定单元,具体用于:
52、确定所述目标物流对象的各业务风险指标信息的权重;
53、根据所述各业务风险指标信息的评价参数和所述各业务风险指标信息的权重,确定所述目标物流对象的评价参数。
54、在本技术一种可能的实现方式中,所述第三确定单元,具体用于:
55、对所述目标物流对象的评价参数进行聚类分析,得到所述目标物流对象的评分得分参数对应的聚类类别;
56、基于所述聚类类别,确定所述目标物流对象的风险等级。
57、在本技术一种可能的实现方式中,所述第一转换单元,具体用于:
58、获取所述多个风险因子数据中分布状态为偏态的目标风险因子数据;
59、将所述目标风险因子数据的分布状态转换为正态分布状态,得到转化后的多个第一风险因子数据。
60、另一方面,本技术还提供一种计算机设备,所述计算机设备包括:
61、一个或多个处理器;
62、存储器;以及
63、一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现所述的物流对象的风险等级确定方法。
64、另一方面,本技术还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行所述的物流对象的风险等级确定方法中的步骤。
65、本技术提供的物流对象的风险等级确定方法,包括:获取目标物流对象的多个业务风险指标信息中各业务风险指标信息对应的多个风险因子数据;对多个风险因子数据的分布状态进行转换,得到转化后的多个第一风险因子数据;基于多个第一风险因子数据,确定目标物流对象的各业务风险指标信息的评价参数;基于各业务风险指标信息的评价参数,确定目标物流对象的评价参数;基于目标物流对象的评价参数,确定目标物流对象的风险等级。相较于传统方法,在无法整体和准确地体现目标物流对象的风险程度的背景下,本技术创造性地提出通过对多个风险因子数据的分布状态进行转换,使得后续在应用转化后的数据进行评价时结果更为准确,有效提高了对物流对象的风险等级进行确定的准确性。