信用风险的监控方法及装置的制造方法
【专利摘要】本发明涉及一种信用风险的监控方法及装置，所述信用风险的监控方法包括：控制服务器与多个业务服务器通信连接后，定时从多个业务服务器获取预定的客户的业务数据；根据预存的业务数据类型与分析规则的映射关系确定所获取的业务数据的分析规则，对所获取的业务数据按照对应的分析规则进行分析，以确定所获取的业务数据是否出现异常；若是，则向预定的终端发送提醒信息，以提醒出现异常的业务数据对应的客户出现信用风险。本发明能够及时、有效地监控客户的信用风险状况，以提前预防可能的信用违约。
【专利说明】
信用风险的监控方法及装置
技术领域
[0001]本发明涉及金融和保险领域，尤其涉及一种信用风险的监控方法及装置。
【背景技术】
[0002]目前，在金融和保险领域，客户在办理相关业务时，金融和保险公司为了规避客户可能的违约风险，通常是在客户提出业务申请时，从相关渠道获取该客户的征信报告，例如，从中国人民银行征信中心获取征信报告，根据征信报告评估该客户的信用风险。
[0003]然而，在客户的业务申请批准后，客户的信用风险状况有可能会出现变化，在一些业务执行过程中，例如在贷款分期还款过程中或寿险保障过程中，这种信用风险状况的变化很大可能会引起客户违约。因此，如何对金融和保险业务执行过程中的信用风险状况进行有效监控，以提前预防可能的信用违约，已经成为一种亟待解决的技术问题。
【发明内容】
[0004]本发明所要解决的技术问题是提供一种信用风险的监控方法及装置。
[0005]本发明解决上述技术问题的技术方案如下:一种信用风险的监控方法，所述信用风险的监控方法包括:
[0006]控制服务器与多个业务服务器通信连接后，定时从多个所述业务服务器获取预定的客户的业务数据；
[0007]根据预存的业务数据类型与分析规则的映射关系确定所获取的业务数据的分析规则，对所获取的业务数据按照对应的分析规则进行分析，以确定所获取的业务数据是否出现异常；
[0008]若是，则向预定的终端发送提醒信息，以提醒出现异常的业务数据对应的客户出现信用风险。
[0009]优选地，所述业务数据类型包括存款业务数据和贷款业务数据，所述对所获取的业务数据按照对应的分析规则进行分析，以确定所获取的业务数据是否出现异常的步骤包括:
[0010]对获取的属于最近NI期还款期限之前的存款业务数据和贷款业务数据按照预设的存贷关系分析规则进行分析，以分析出获取的存款业务数据和贷款业务数据对应的存贷关系特征，其中，所述存贷关系特征包括第一存贷关系特征和第二存贷关系特征，其中，所述NI为正整数；
[0011]若存贷关系特征为第一存贷关系特征，在最近至少一次还款周期内，若还款账户的存款额小于当期应还贷款额，且在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常;或者
[0012]在最近至少一次还款周期内，若还款账户的存款额小于当期应还贷款额，且在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常；
[0013]若存贷关系特征为第二存贷关系特征，在最近至少二次还款周期内，在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常;或者
[0014]在最近N2期还款周期内，累积有至少二次当期还款期限之后才增加存款，同时存款增加额小于2倍的当期应还贷款额，则分析出存贷业务数据异常，其中，所述N2为正整数。
[0015]优选地，所述业务数据类型包括保险业务数据，所述对所获取的业务数据按照对应的分析规则进行分析，以确定所获取的业务数据是否出现异常的步骤包括:
[0016]若医疗门诊数据表明客户患有预设类型疾病，则按照预设的保险购买时间分析规则分析预设类型保险的购买时间点与所述预设类型疾病的发病时间点是否相冲突；
[0017]若所述预设类型保险的购买时间点与所述预设类型疾病的发病时间点相冲突，则分析出保险业务数据异常。
[0018]优选地，所述按照预设的保险购买时间分析规则分析预设类型保险的购买时间点与所述预设类型疾病的发病时间点是否相冲突的步骤包括:
[0019]确定所述预设类型疾病所处的阶段；
[0020]根据预定的预设类型疾病各阶段与发病持续时间范围的映射关系确定所述预设类型疾病在所处的阶段对应的发病持续时间范围；
[0021]根据所述发病持续时间范围获取所述预设类型疾病的最早的可能发病时间点，分析所述最早的可能发病时间点及所述预设类型保险的购买时间点是否相冲突。
[0022]优选地，所述业务数据类型包括信用卡业务数据，所述对所获取的业务数据按照对应的分析规则进行分析，以确定所获取的业务数据是否出现异常的步骤包括:
[0023]若客户在超过预设数量的信用卡机构分别办理了至少一张信用卡，至少有两张信用卡存在取现行为，且存在取现行为的信用卡相互之间的还款期限相隔的天数超过预设天数，则分析出信用卡业务数据异常；
[0024]若客户在至少一家信用卡机构分别办理了至少一张信用卡，最近的预设次数信用卡结算周期内，至少在两个不同的信用卡结算周期内，分别发生过至少一次用名下信用卡取现的行为，且每个信用卡结算周期内的取现累积总额超过预设额度，则分析出信用卡业务数据异常。
[0025]本发明解决上述技术问题的技术方案还如下:一种信用风险的监控装置，所述信用风险的监控装置集成于控制服务器中，所述信用风险的监控装置包括:
[0026]获取模块，用于与多个业务服务器通信连接后，定时从多个所述业务服务器获取预定的客户的业务数据；
[0027]异常分析模块，用于根据预存的业务数据类型与分析规则的映射关系确定所获取的业务数据的分析规则，对所获取的业务数据按照对应的分析规则进行分析，以确定所获取的业务数据是否出现异常；
[0028]提醒模块，用于若是，则向预定的终端发送提醒信息，以提醒出现异常的业务数据对应的客户出现信用风险。
[0029]优选地，所述业务数据类型包括存款业务数据和贷款业务数据，所述异常分析模块包括:
[0030]第一分析单元，用于对获取的属于最近NI期还款期限之前的存款业务数据和贷款业务数据按照预设的存贷关系分析规则进行分析，以分析出获取的存款业务数据和贷款业务数据对应的存贷关系特征，其中，所述存贷关系特征包括第一存贷关系特征和第二存贷关系特征，其中，所述NI为正整数；
[0031 ]第二分析单元，用于若存贷关系特征为第一存贷关系特征，在最近至少一次还款周期内，若还款账户的存款额小于当期应还贷款额，且在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常;或者在最近至少一次还款周期内，若还款账户的存款额小于当期应还贷款额，且在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常；
[0032]第三分析单元，用于若存贷关系特征为第二存贷关系特征，在最近至少二次还款周期内，在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常;或者在最近N2期还款周期内，累积有至少二次当期还款期限之后才增加存款，同时存款增加额小于2倍的当期应还贷款额，则分析出存贷业务数据异常，其中，所述N2为正整数。
[0033]优选地，所述业务数据类型包括保险业务数据，所述异常分析模块包括:
[0034]第四分析单元，用于若医疗门诊数据表明客户患有预设类型疾病，则按照预设的保险购买时间分析规则分析预设类型保险的购买时间点与所述预设类型疾病的发病时间点是否相冲突；
[0035]第五分析单元，用于若所述预设类型保险的购买时间点与所述预设类型疾病的发病时间点相冲突，则分析出保险业务数据异常。
[0036]优选地，所述第四分析单元具体用于确定所述预设类型疾病所处的阶段;根据预定的预设类型疾病各阶段与发病持续时间范围的映射关系确定所述预设类型疾病在所处的阶段对应的发病持续时间范围;根据所述发病持续时间范围获取所述预设类型疾病的最早的可能发病时间点，分析所述最早的可能发病时间点及所述预设类型保险的购买时间点是否相冲突。
[0037]优选地，所述业务数据类型包括信用卡业务数据，所述异常分析模块包括:
[0038]第六分析单元，用于若客户在超过预设数量的信用卡机构分别办理了至少一张信用卡，至少有两张信用卡存在取现行为，且存在取现行为的信用卡相互之间的还款期限相隔的天数超过预设天数，则分析出信用卡业务数据异常；
[0039]第七分析单元，用于若客户在至少一家信用卡机构分别办理了至少一张信用卡，最近的预设次数信用卡结算周期内，至少在两个不同的信用卡结算周期内，分别发生过至少一次用名下信用卡取现的行为，且每个信用卡结算周期内的取现累积总额超过预设额度，则分析出信用卡业务数据异常。
[0040]本发明的有益效果是:本发明从多个业务服务器获取客户的业务数据，获取各业务数据对应的分析规则，通过对应的分析规则对业务数据进行分析来确认业务数据是否出现异常，如果出现异常，则表明客户对于出现异常的业务的处理超出正常的或者预定的范围，然后通过向预定的终端发送提醒信息，来提醒金融或保险的相关人员出现异常的业务数据对应的客户出现信用风险，本发明能够及时、有效地监控客户的信用风险状况，以提前预防可能的信用违约的情况的发生。
【附图说明】
[0041 ]图1为本发明信用风险的监控方法一实施例的流程示意图；
[0042]图2为本发明信用风险的监控装置一实施例的结构示意图。
【具体实施方式】
[0043]以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
[0044]如图1所示，图1为本发明信用风险的监控方法一实施例的流程示意图，该包括以下步骤:
[0045]步骤SI，控制服务器与多个业务服务器通信连接后，定时从多个所述业务服务器获取预定的客户的业务数据；
[0046]本实施例中，业务服务器包括但不限定于银行业务服务器、保险业务服务器、信用卡业务服务器及医院服务器。控制服务器可以分别和这些业务服务器中的一个或者多个建立通信连接。然后控制服务器定时从与其通信连接的业务服务器中获取预定的客户的业务数据，例如，控制服务器每隔24小时从与其通信连接的业务服务器中获取预定的客户的业务数据。
[0047]其中，业务数据包括但不限定于银行贷款数据、人身意外保险数据、寿险、医疗门诊数据、信用卡开卡数量及刷卡数据，控制服务器可以分别获取其中的一种业务数据或者多种业务数据。
[0048]步骤S2，根据预存的业务数据类型与分析规则的映射关系确定所获取的业务数据的分析规则，对所获取的业务数据按照对应的分析规则进行分析，以确定所获取的业务数据是否出现异常；
[0049]本实施例中，控制服务器中预存有业务数据类型与分析规则的映射关系，根据该映射关系，可以找到业务数据类型对应的分析规则，例如银行贷款数据类型对应贷款分析规则，人身意外保险数据类型对应保险分析规则等。在获取业务数据类型对应的分析规则后，可根据该分析规则对预定的客户的业务数据进行分析，例如根据贷款分析规则分析客户的银行贷款数据，根据保险分析规则分析客户的人身意外保险数据等，以确定这些业务数据是否出现异常状况，业务数据出现异常也就是客户对于业务的处理超出正常的或者预定的范围，客户出现信用风险的状况。
[0050]本实施例中，对所获取的业务数据按照对应的分析规则进行分析时，例如可以对业务数据中款额的存取次数、存取额度及存取时间等其中的一个或者多个进行分析，如果其中的一个或者多个超出预定的正常范围，通过综合的判断，可以判断出客户出现信用风险。
[0051]步骤S3，若是，则向预定的终端发送提醒信息，以提醒出现异常的业务数据对应的客户出现信用风险。
[0052]本实施例中，如果预定的客户的业务数据出现异常，则控制服务器向预定的终端发送提醒信息，该预定的终端为金融或保险的相关人员所持有，通过该终端上的提醒信息，金融或保险的相关人员可以获知对应哪个客户出现信用风险。
[0053]其中，提醒信息的格式可以是:“当前时间，身份证号为***的A客户的信用卡取现或者刷卡消费异常，需谨防贷款还款违约”，以提醒该客户出现信用风险，达到对客户的信用风险状况进行有效监控的目的。
[0054]与现有技术相比，本实施例从多个业务服务器获取客户的业务数据，获取各业务数据对应的分析规则，通过对应的分析规则对业务数据进行分析来确认业务数据是否出现异常，如果出现异常，则表明客户对于出现异常的业务的处理超出正常的或者预定的范围，然后通过向预定的终端发送提醒信息，来提醒金融或保险的相关人员出现异常的业务数据对应的客户出现信用风险，本实施例能够及时、有效地监控客户的信用风险状况，以提前预防可能的信用违约的情况的发生。
[0055]在一优选的实施例中，在上述图1的实施例的基础上，业务数据类型包括存款业务数据和贷款业务数据，上述步骤S2中对所获取的业务数据按照对应的分析规则进行分析，以确定所获取的业务数据是否出现异常的步骤包括:
[0056]对获取的属于最近NI期还款期限之前的存款业务数据和贷款业务数据按照预设的存贷关系分析规则进行分析，以分析出获取的存款业务数据和贷款业务数据对应的存贷关系特征，其中，所述存贷关系特征包括第一存贷关系特征和第二存贷关系特征，其中，所述NI为正整数；
[0057]若存贷关系特征为第一存贷关系特征，在最近至少一次还款周期内，若还款账户的存款额小于当期应还贷款额，且在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常;或者
[0058]在最近至少二次还款周期内，若还款账户的存款额小于当期应还贷款额，且在当期还款期限之前或者之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常；
[0059]若存贷关系特征为第二存贷关系特征，在最近至少二次还款周期内，在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常;或者
[0060]在最近N2期还款周期内，累积有至少二次当期还款期限之后才增加存款，同时存款增加额小于2倍的当期应还贷款额，则分析出存贷业务数据异常，其中，所述N2为正整数。
[0061]本实施例中，对于客户的存贷业务，可以通过分析最近的若干期(即以当前时间为基准的过去若干期)还款期限之前的存款业务数据和贷款业务数据来确定所获取的业务数据是否出现异常:如果存贷关系特征为第一存贷关系特征(即客户的还款能力较强)，在最近至少一次还款周期内，若还款账户的存款额小于当期应还贷款额，且在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，表明客户的还款能力下降到一定程度，则分析出存贷业务数据异常;或者若存贷关系特征为第一存贷关系特征，在最近至少一次还款周期内，若还款账户的存款额小于当期应还贷款额，且在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，表明客户的还款能力下降到一定程度，则分析出存贷业务数据异常。
[0062]若存贷关系特征为第二存贷关系特征(即客户的还款能力一般)，在最近至少二次还款周期内，在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，表明客户的还款能力下降到一定程度，则分析出存贷业务数据异常;或者若存贷关系特征为第二存贷关系特征，在最近N2期(N2为正整数)还款周期内，累积有至少二次当期还款期限之后才增加存款，同时存款增加额小于2倍的当期应还贷款额，表明客户的还款能力下降到一定程度，则分析出存贷业务数据异常。
[0063]在一优选的实施例中，在上述图1的实施例的基础上，业务数据类型包括保险业务数据，上述步骤S2中对所获取的业务数据按照对应的分析规则进行分析，以确定所获取的业务数据是否出现异常的步骤包括:
[0064]若医疗门诊数据表明客户患有预设类型疾病，则按照预设的保险购买时间分析规则分析预设类型保险的购买时间点与所述预设类型疾病的发病时间点是否相冲突;若所述预设类型保险的购买时间点与所述预设类型疾病的发病时间点相冲突，则分析出保险业务数据异常。
[0065]本实施例中，若医疗门诊数据表明客户患有预设类型疾病(例如肺癌或者肝癌等)，则按照预设的保险购买时间分析规则分析预设类型保险的购买时间点与该疾病的发病时间点是否相冲突。其中，预设类型保险例如可以是人身意外保险数据和/或寿险等。
[0066]优选地，在按照预设的保险购买时间分析规则分析时，首先确定客户的该疾病所处的阶段，然后根据预先确定的疾病各阶段与发病持续时间范围的映射关系数据，确定该疾病确定的阶段对应的发病持续时间范围，根据确定的发病持续时间范围的极大值(例如，肝癌晚期对应的发病持续时间范围可以为[A天，B天]，B天就是肝癌晚期对应的发病持续时间的极大值)，将该疾病的门诊时间点向前逆推该极大值以确定该疾病的最早的可能发病时间点(例如，肝癌晚期的门诊时间点向前逆推B天以获得肝癌晚期的最早的可能发病时间点)，若确定的可能发病时间点早于预设类型保险的购买时间点，则代表预设类型保险的购买时间点与疾病的发病时间点相冲突，否则，预设类型保险的购买时间点与疾病的发病时间点不冲突。
[0067]本实施例中，如果预设类型保险的购买时间点与该疾病的发病时间点相冲突，则分析出保险业务数据异常。
[0068]在一优选的实施例中，在上述图1的实施例的基础上，业务数据类型包括信用卡业务数据，上述步骤S2中对所获取的业务数据按照对应的分析规则进行分析，以确定所获取的业务数据是否出现异常的步骤包括:
[0069]若客户在超过预设数量的信用卡机构分别办理了至少一张信用卡，至少有两张信用卡存在取现行为，且存在取现行为的信用卡相互之间的还款期限相隔的天数超过预设天数，则分析出信用卡业务数据异常;或者
[0070]若客户在至少一家信用卡机构分别办理了至少一张信用卡，最近的预设次数信用卡结算周期内，至少在两个不同的信用卡结算周期内，分别发生过至少一次用名下信用卡取现的行为，且每个信用卡结算周期内的取现累积总额超过预设额度，则分析出信用卡业务数据异常。
[0071]本实施例中，在对客户的信用卡业务按照对应的分析规则进行分析时，如果客户在超过预设数量(例如5家)的信用卡机构分别办理了至少一张信用卡，至少有两张信用卡存在取现行为，且存在取现行为的信用卡相互之间的还款期限相隔的天数超过预设天数(例如7天)，表明客户当前所需的款额较大，且偿还能力不足，则分析出信用卡业务数据异常。或者如果客户在至少一家信用卡机构分别办理了至少一张信用卡，最近的预设次数信用卡结算周期内(例如3个月信用卡结算周期内)，至少在两个不同的信用卡结算周期内，分别发生过至少一次用名下信用卡取现的行为，且每个信用卡结算周期内的取现累积总额超过预设额度(例如5万)，表明客户当前所需的款额过大，则分析出信用卡业务数据异常。
[0072]如图2所示，图2为本发明信用风险的监控装置一实施例的结构示意图，该信用风险的监控装置可以集成于一控制服务器中，信用风险的监控装置包括:
[0073]获取模块101，用于与多个业务服务器通信连接后，定时从多个所述业务服务器获取预定的客户的业务数据；
[0074]本实施例中，业务服务器包括但不限定于银行业务服务器、保险业务服务器、信用卡业务服务器及医院服务器。控制服务器可以分别和这些业务服务器中的一个或者多个建立通信连接。然后控制服务器定时从与其通信连接的业务服务器中获取预定的客户的业务数据，例如，控制服务器每隔24小时从与其通信连接的业务服务器中获取预定的客户的业务数据，信用风险的监控装置通过控制服务器可以获取这些业务数据。
[0075]其中，业务数据包括但不限定于银行贷款数据、人身意外保险数据、寿险、医疗门诊数据、信用卡开卡数量及刷卡数据，控制服务器可以分别获取其中的一种业务数据或者多种业务数据。
[0076]异常分析模块102，用于根据预存的业务数据类型与分析规则的映射关系确定所获取的业务数据的分析规则，对所获取的业务数据按照对应的分析规则进行分析，以确定所获取的业务数据是否出现异常；
[0077]本实施例中，控制服务器中预存有业务数据类型与分析规则的映射关系，根据该映射关系，可以找到业务数据类型对应的分析规则，例如银行贷款数据类型对应贷款分析规则，人身意外保险数据类型对应保险分析规则等。在获取业务数据类型对应的分析规则后，可根据该分析规则对预定的客户的业务数据进行分析，例如根据贷款分析规则分析客户的银行贷款数据，根据保险分析规则分析客户的人身意外保险数据等，以确定这些业务数据是否出现异常状况，业务数据出现异常也就是客户对于业务的处理超出正常的或者预定的范围，客户出现信用风险的状况。
[0078]本实施例中，对所获取的业务数据按照对应的分析规则进行分析时，例如可以对业务数据中款额的存取次数、存取额度及存取时间等其中的一个或者多个进行分析，如果其中的一个或者多个超出预定的正常范围，通过综合的判断，可以判断出客户出现信用风险。
[0079]提醒模块103，用于若是，则向预定的终端发送提醒信息，以提醒出现异常的业务数据对应的客户出现信用风险。
[0080]本实施例中，如果预定的客户的业务数据出现异常，则控制服务器向预定的终端发送提醒信息，该预定的终端为金融或保险的相关人员所持有，通过该终端上的提醒信息，金融或保险的相关人员可以获知对应哪个客户出现信用风险。
[0081]其中，提醒信息的格式可以是:“当前时间，身份证号为***的A客户的信用卡取现或者刷卡消费异常，需谨防贷款还款违约”，以提醒该客户出现信用风险，达到对客户的信用风险状况进行有效监控的目的。
[0082]在一优选的实施例中，业务数据类型包括存款业务数据和贷款业务数据，在上述图2的实施例的基础上，上述异常分析模块102包括:
[0083]第一分析单元，用于对获取的属于最近NI期还款期限之前的存款业务数据和贷款业务数据按照预设的存贷关系分析规则进行分析，以分析出获取的存款业务数据和贷款业务数据对应的存贷关系特征，其中，所述存贷关系特征包括第一存贷关系特征和第二存贷关系特征，其中，所述NI为正整数；
[0084]第二分析单元，用于若存贷关系特征为第一存贷关系特征，在最近至少一次还款周期内，若还款账户的存款额小于当期应还贷款额，且在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常;或者在最近至少一次还款周期内，若还款账户的存款额小于当期应还贷款额，且在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常；
[0085]第三分析单元，用于若存贷关系特征为第二存贷关系特征，在最近至少二次还款周期内，在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常;或者在最近N2期还款周期内，累积有至少二次当期还款期限之后才增加存款，同时存款增加额小于2倍的当期应还贷款额，则分析出存贷业务数据异常，其中，所述N2为正整数。
[0086]本实施例中，对于客户的存贷业务，可以通过分析最近的若干期(即以当前时间为基准的过去若干期)还款期限之前的存款业务数据和贷款业务数据来确定所获取的业务数据是否出现异常:如果存贷关系特征为第一存贷关系特征(即客户的还款能力较强)，在最近至少一次还款周期内，若还款账户的存款额小于当期应还贷款额，且在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，表明客户的还款能力下降到一定程度，则分析出存贷业务数据异常;或者若存贷关系特征为第一存贷关系特征，在最近至少一次还款周期内，若还款账户的存款额小于当期应还贷款额，且在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，表明客户的还款能力下降到一定程度，则分析出存贷业务数据异常。
[0087]若存贷关系特征为第二存贷关系特征(即客户的还款能力一般)，在最近至少二次还款周期内，在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，表明客户的还款能力下降到一定程度，则分析出存贷业务数据异常;或者若存贷关系特征为第二存贷关系特征，在最近N2期(N2为正整数)还款周期内，累积有至少二次当期还款期限之后才增加存款，同时存款增加额小于2倍的当期应还贷款额，表明客户的还款能力下降到一定程度，则分析出存贷业务数据异常。
[0088]在一优选的实施例中，所述业务数据类型包括保险业务数据，在上述图2的实施例的基础上，所述异常分析模块102包括:
[0089]第四分析单元，用于若医疗门诊数据表明客户患有预设类型疾病，则按照预设的保险购买时间分析规则分析预设类型保险的购买时间点与所述预设类型疾病的发病时间点是否相冲突；
[0090]第五分析单元，用于若所述预设类型保险的购买时间点与所述预设类型疾病的发病时间点相冲突，则分析出保险业务数据异常。
[0091]本实施例中，若医疗门诊数据表明客户患有预设类型疾病(例如肺癌或者肝癌等)，则按照预设的保险购买时间分析规则分析预设类型保险的购买时间点与该疾病的发病时间点是否相冲突。其中，预设类型保险例如可以是人身意外保险数据和/或寿险等。
[0092]优选地，第四分析单元具体用于在按照预设的保险购买时间分析规则分析时，首先确定客户的该疾病所处的阶段，然后根据预先确定的疾病各阶段与发病持续时间范围的映射关系数据，确定该疾病确定的阶段对应的发病持续时间范围，根据确定的发病持续时间范围的极大值(例如，肝癌晚期对应的发病持续时间范围可以为[A天，B天]，B天就是肝癌晚期对应的发病持续时间的极大值)，将该疾病的门诊时间点向前逆推该极大值以确定该疾病的最早的可能发病时间点(例如，肝癌晚期的门诊时间点向前逆推B天以获得肝癌晚期的最早的可能发病时间点)，若确定的可能发病时间点早于预设类型保险的购买时间点，则代表预设类型保险的购买时间点与疾病的发病时间点相冲突，否则，预设类型保险的购买时间点与疾病的发病时间点不冲突。
[0093]本实施例中，如果预设类型保险的购买时间点与该疾病的发病时间点相冲突，则分析出保险业务数据异常。
[0094]在一优选的实施例中，业务数据类型包括信用卡业务数据，所述异常分析模块102包括:
[0095]第六分析单元，用于若客户在超过预设数量的信用卡机构分别办理了至少一张信用卡，至少有两张信用卡存在取现行为，且存在取现行为的信用卡相互之间的还款期限相隔的天数超过预设天数，则分析出信用卡业务数据异常；
[0096]第七分析单元，用于若客户在至少一家信用卡机构分别办理了至少一张信用卡，最近的预设次数信用卡结算周期内，至少在两个不同的信用卡结算周期内，分别发生过至少一次用名下信用卡取现的行为，且每个信用卡结算周期内的取现累积总额超过预设额度，则分析出信用卡业务数据异常。
[0097]本实施例中，在对客户的信用卡业务按照对应的分析规则进行分析时，如果客户在超过预设数量(例如5家)的信用卡机构分别办理了至少一张信用卡，至少有两张信用卡存在取现行为，且存在取现行为的信用卡相互之间的还款期限相隔的天数超过预设天数(例如7天)，表明客户当前所需的款额较大，且偿还能力不足，则分析出信用卡业务数据异常。或者如果客户在至少一家信用卡机构分别办理了至少一张信用卡，最近的预设次数信用卡结算周期内(例如3个月信用卡结算周期内)，至少在两个不同的信用卡结算周期内，分别发生过至少一次用名下信用卡取现的行为，且每个信用卡结算周期内的取现累积总额超过预设额度(例如5万)，表明客户当前所需的款额过大，则分析出信用卡业务数据异常。
[0098]以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1.一种信用风险的监控方法，其特征在于，所述信用风险的监控方法包括: 控制服务器与多个业务服务器通信连接后，定时从多个所述业务服务器获取预定的客户的业务数据； 根据预存的业务数据类型与分析规则的映射关系确定所获取的业务数据的分析规则，对所获取的业务数据按照对应的分析规则进行分析，以确定所获取的业务数据是否出现异常； 若是，则向预定的终端发送提醒信息，以提醒出现异常的业务数据对应的客户出现信用风险。2.根据权利要求1所述信用风险的监控方法，其特征在于，所述业务数据类型包括存款业务数据和贷款业务数据，所述对所获取的业务数据按照对应的分析规则进行分析，以确定所获取的业务数据是否出现异常的步骤包括: 对获取的属于最近NI期还款期限之前的存款业务数据和贷款业务数据按照预设的存贷关系分析规则进行分析，以分析出获取的存款业务数据和贷款业务数据对应的存贷关系特征，其中，所述存贷关系特征包括第一存贷关系特征和第二存贷关系特征，其中，所述NI为正整数； 若存贷关系特征为第一存贷关系特征，在最近至少一次还款周期内，若还款账户的存款额小于当期应还贷款额，且在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常;或者 在最近至少一次还款周期内，若还款账户的存款额小于当期应还贷款额，且在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常； 若存贷关系特征为第二存贷关系特征，在最近至少二次还款周期内，在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常;或者 在最近N2期还款周期内，累积有至少二次当期还款期限之后才增加存款，同时存款增加额小于2倍的当期应还贷款额，则分析出存贷业务数据异常，其中，所述N2为正整数。3.根据权利要求1所述信用风险的监控方法，其特征在于，所述业务数据类型包括保险业务数据，所述对所获取的业务数据按照对应的分析规则进行分析，以确定所获取的业务数据是否出现异常的步骤包括: 若医疗门诊数据表明客户患有预设类型疾病，则按照预设的保险购买时间分析规则分析预设类型保险的购买时间点与所述预设类型疾病的发病时间点是否相冲突； 若所述预设类型保险的购买时间点与所述预设类型疾病的发病时间点相冲突，则分析出保险业务数据异常。4.根据权利要求3所述信用风险的监控方法，其特征在于，所述按照预设的保险购买时间分析规则分析预设类型保险的购买时间点与所述预设类型疾病的发病时间点是否相冲突的步骤包括: 确定所述预设类型疾病所处的阶段； 根据预定的预设类型疾病各阶段与发病持续时间范围的映射关系确定所述预设类型疾病在所处的阶段对应的发病持续时间范围； 根据所述发病持续时间范围获取所述预设类型疾病的最早的可能发病时间点，分析所述最早的可能发病时间点及所述预设类型保险的购买时间点是否相冲突。5.根据权利要求1所述信用风险的监控方法，其特征在于，所述业务数据类型包括信用卡业务数据，所述对所获取的业务数据按照对应的分析规则进行分析，以确定所获取的业务数据是否出现异常的步骤包括: 若客户在超过预设数量的信用卡机构分别办理了至少一张信用卡，至少有两张信用卡存在取现行为，且存在取现行为的信用卡相互之间的还款期限相隔的天数超过预设天数，则分析出信用卡业务数据异常； 若客户在至少一家信用卡机构分别办理了至少一张信用卡，最近的预设次数信用卡结算周期内，至少在两个不同的信用卡结算周期内，分别发生过至少一次用名下信用卡取现的行为，且每个信用卡结算周期内的取现累积总额超过预设额度，则分析出信用卡业务数据异常。6.—种信用风险的监控装置，其特征在于，所述信用风险的监控装置集成于控制服务器中，所述信用风险的监控装置包括: 获取模块，用于与多个业务服务器通信连接后，定时从多个所述业务服务器获取预定的客户的业务数据； 异常分析模块，用于根据预存的业务数据类型与分析规则的映射关系确定所获取的业务数据的分析规则，对所获取的业务数据按照对应的分析规则进行分析，以确定所获取的业务数据是否出现异常； 提醒模块，用于若是，则向预定的终端发送提醒信息，以提醒出现异常的业务数据对应的客户出现信用风险。7.根据权利要求6所述信用风险的监控装置，其特征在于，所述业务数据类型包括存款业务数据和贷款业务数据，所述异常分析模块包括: 第一分析单元，用于对获取的属于最近NI期还款期限之前的存款业务数据和贷款业务数据按照预设的存贷关系分析规则进行分析，以分析出获取的存款业务数据和贷款业务数据对应的存贷关系特征，其中，所述存贷关系特征包括第一存贷关系特征和第二存贷关系特征，其中，所述NI为正整数；第二分析单元，用于若存贷关系特征为第一存贷关系特征，在最近至少一次还款周期内，若还款账户的存款额小于当期应还贷款额，且在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常;或者在最近至少一次还款周期内，若还款账户的存款额小于当期应还贷款额，且在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常； 第三分析单元，用于若存贷关系特征为第二存贷关系特征，在最近至少二次还款周期内，在当期还款期限之后才增加存款，同时存款增加额小于两倍的当期应还贷款额，则分析出存贷业务数据异常;或者在最近N2期还款周期内，累积有至少二次当期还款期限之后才增加存款，同时存款增加额小于2倍的当期应还贷款额，则分析出存贷业务数据异常，其中，所述N2为正整数。8.根据权利要求6所述信用风险的监控装置，其特征在于，所述业务数据类型包括保险业务数据，所述异常分析模块包括: 第四分析单元，用于若医疗门诊数据表明客户患有预设类型疾病，则按照预设的保险购买时间分析规则分析预设类型保险的购买时间点与所述预设类型疾病的发病时间点是否相冲关; 第五分析单元，用于若所述预设类型保险的购买时间点与所述预设类型疾病的发病时间点相冲突，则分析出保险业务数据异常。9.根据权利要求8所述信用风险的监控装置，其特征在于，所述第四分析单元具体用于确定所述预设类型疾病所处的阶段;根据预定的预设类型疾病各阶段与发病持续时间范围的映射关系确定所述预设类型疾病在所处的阶段对应的发病持续时间范围;根据所述发病持续时间范围获取所述预设类型疾病的最早的可能发病时间点，分析所述最早的可能发病时间点及所述预设类型保险的购买时间点是否相冲突。10.根据权利要求6所述信用风险的监控装置，其特征在于，所述业务数据类型包括信用卡业务数据，所述异常分析模块包括: 第六分析单元，用于若客户在超过预设数量的信用卡机构分别办理了至少一张信用卡，至少有两张信用卡存在取现行为，且存在取现行为的信用卡相互之间的还款期限相隔的天数超过预设天数，则分析出信用卡业务数据异常； 第七分析单元，用于若客户在至少一家信用卡机构分别办理了至少一张信用卡，最近的预设次数信用卡结算周期内，至少在两个不同的信用卡结算周期内，分别发生过至少一次用名下信用卡取现的行为，且每个信用卡结算周期内的取现累积总额超过预设额度，则分析出信用卡业务数据异常。
【文档编号】G06Q40/02GK106022657SQ201610474448
【公开日】2016年10月12日
【申请日】2016年6月24日
【发明人】张烨枫
【申请人】深圳前海征信中心股份有限公司