本發(fā)明涉及一種基于大數(shù)據(jù)智能風(fēng)控的小額貸款系統(tǒng)及方法，屬于互聯(lián)網(wǎng)金融技術(shù)領(lǐng)域。

背景技術(shù)：

互聯(lián)網(wǎng)金融是傳統(tǒng)金融機構(gòu)與互聯(lián)網(wǎng)企業(yè)利用互聯(lián)網(wǎng)技術(shù)和信息通信技術(shù)實現(xiàn)資金融通、支付、投資和信息中介服務(wù)的新型金融業(yè)務(wù)模式。互聯(lián)網(wǎng)與金融深度融合是大勢所趨，將對金融產(chǎn)品、業(yè)務(wù)、組織和服務(wù)等方面產(chǎn)生更加深刻的影響?；ヂ?lián)網(wǎng)金融對促進小微企業(yè)發(fā)展和擴大就業(yè)發(fā)揮了現(xiàn)有金融機構(gòu)難以替代的積極作用，為大眾創(chuàng)業(yè)、萬眾創(chuàng)新打開了大門。

小額貸款是以個人或企業(yè)為核心的綜合消費貸款，貸款的金額一般為1000元以上，20萬元以下。目前我國的小額貸款存在以下問題：

第一、小額貸款缺少最終償還的保障機制，小額貸款的借款者一般是創(chuàng)業(yè)者，且多為資金匱乏者，如果創(chuàng)業(yè)成功，他愿意歸還貸款，可是如果創(chuàng)業(yè)失敗，資金損失，貸款者的利益就難以保障；

第二、小額貸款運作成本過高。小額貸款屬于零售貸款，一個貸款員最多營銷一二百筆貸款，但是金額卻僅僅是幾百萬，這和批發(fā)貸款的規(guī)模效應(yīng)是無法比的，相對的成本也高。同樣是一個億的貸款，如果貸款給大企業(yè)，只需要一個客戶經(jīng)理就可以辦理，而辦理小額貸款可能要幾千筆業(yè)務(wù)量，光客戶經(jīng)理就需要十幾個，人力物力成本過高；

第三、整個社會的誠信體制缺失，小額貸款絕大部分依靠的是信用擔(dān)保，騙取貸款的惡意行為時有發(fā)生。

可以看出目前小額貸款還是存在較大的風(fēng)險，現(xiàn)有的風(fēng)險控制方法一般是采用線下人工審核，不僅速度慢，而且人為審核容易出現(xiàn)錯誤，審核不夠全面，數(shù)據(jù)審核范圍窄，不能做出合理準(zhǔn)確的風(fēng)險預(yù)判，因此需要對小額貸款地風(fēng)險控制問題進行解決。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種基于大數(shù)據(jù)智能風(fēng)控的小額貸款系統(tǒng)及方法，審核速度快，數(shù)據(jù)審核全面，風(fēng)險預(yù)判準(zhǔn)確性高，有效的降低小額貸款風(fēng)險。

為實現(xiàn)上述目的，本發(fā)明提供一種基于大數(shù)據(jù)智能風(fēng)控的小額貸款系統(tǒng)，所述小額貸款系統(tǒng)包括后臺管理服務(wù)器，所述后臺管理服務(wù)器包括前端接入系統(tǒng)、大數(shù)據(jù)風(fēng)控系統(tǒng)、貸款業(yè)務(wù)系統(tǒng)；

所述前端接入系統(tǒng)包括后臺管理系統(tǒng)接入模塊、官網(wǎng)接入模塊、終端接入模塊、第三方推件接入模塊；所述后臺管理系統(tǒng)接入模塊用于實現(xiàn)對所述小額貸款系統(tǒng)的業(yè)務(wù)管理；所述官網(wǎng)接入模塊用于實現(xiàn)所述小額貸款系統(tǒng)與官方網(wǎng)站之間的數(shù)據(jù)對接；所述終端接入模塊用于實現(xiàn)所述小額貸款系統(tǒng)與智能終端之間的數(shù)據(jù)對接；所述第三方推件接入模塊用于實現(xiàn)所述小額貸款系統(tǒng)與第三方推薦平臺之間的數(shù)據(jù)對接；

所述大數(shù)據(jù)風(fēng)控系統(tǒng)包括數(shù)據(jù)采集模塊、風(fēng)控引擎模塊、模型訓(xùn)練模塊、信用評估模塊；所述數(shù)據(jù)采集模塊用于收集用戶數(shù)據(jù)信息并進行數(shù)據(jù)預(yù)處理；所述風(fēng)控引擎模塊利用基于隨機森林算法的反欺詐模型進行反欺詐決策；所述模型訓(xùn)練模塊用于通過至少2個樣本集的運行對反欺詐模型進行模型優(yōu)化；所述信用評估模塊利用邏輯回歸算法對用戶信用進行得分評估；

所述貸款業(yè)務(wù)系統(tǒng)包括風(fēng)控管理模塊；所述風(fēng)控管理模塊通過大數(shù)據(jù)風(fēng)控系統(tǒng)對所述小額貸款系統(tǒng)進行風(fēng)控管理。

如上所述的一種基于大數(shù)據(jù)智能風(fēng)控的小額貸款系統(tǒng)，所述前端接入系統(tǒng)還包括微信接入模塊，所述微信接入模塊用于實現(xiàn)所述小額貸款系統(tǒng)與微信平臺的數(shù)據(jù)對接，用戶通過微信客戶端實現(xiàn)小額貸款系統(tǒng)的數(shù)據(jù)訪問。

如上所述的一種基于大數(shù)據(jù)智能風(fēng)控的小額貸款系統(tǒng)，所述數(shù)據(jù)采集模塊收集的用戶信息包括常規(guī)數(shù)據(jù)、實時數(shù)據(jù)，數(shù)據(jù)采集模塊通過spark通用并行計算框架實現(xiàn)分布式計算。spark是專為大規(guī)模數(shù)據(jù)處理而設(shè)計的快速通用的計算引擎，通過在spark上構(gòu)建處理stream數(shù)據(jù)的框架，將stream數(shù)據(jù)分成小的時間片斷，以類似batch批量處理的方式來處理這小部分?jǐn)?shù)據(jù)。

進一步，所述常規(guī)數(shù)據(jù)包括身份信息、歷史征信報告、個人教育、居住信息，數(shù)據(jù)采集模塊利用map-reduce原理實現(xiàn)常規(guī)數(shù)據(jù)etl處理。map-reduce是由google在2004年提出的大數(shù)據(jù)并行編程架構(gòu)，分為map(映射)和reduce(化簡)兩個步驟，因此得名，它隱藏并行化、容錯、數(shù)據(jù)分布、負(fù)載均衡等細(xì)節(jié)，可以搭建在普通pc上，程序員可以很方便完成大數(shù)據(jù)并行編程。etl是英文extract-transform-load的縮寫，用來描述將數(shù)據(jù)從來源端經(jīng)過抽取(extract)、轉(zhuǎn)換(transform)、加載(load)至目的端的過程。etl是構(gòu)建數(shù)據(jù)倉庫的重要一環(huán)，用戶從數(shù)據(jù)源抽取出所需的數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗,最終按照預(yù)先定義好的數(shù)據(jù)倉庫模型，將數(shù)據(jù)加載到數(shù)據(jù)倉庫中去。

進一步，所述實時數(shù)據(jù)包括人臉識別、定位，數(shù)據(jù)采集模塊采用消息隊列kafka和流計算框架storm處理實時數(shù)據(jù)。kafka是一種高吞吐量的分布式發(fā)布訂閱消息系統(tǒng)，它可以處理消費者規(guī)模的網(wǎng)站中的所有動作流數(shù)據(jù)，這種動作(網(wǎng)頁瀏覽，搜索和其他用戶的行動)是在現(xiàn)代網(wǎng)絡(luò)上的許多社會功能的一個關(guān)鍵因素，這些數(shù)據(jù)通常是由于吞吐量的要求而通過處理日志和日志聚合來解決，對于像hadoop的一樣的日志數(shù)據(jù)和離線分析系統(tǒng)，但又要求實時處理的限制，這是一個可行的解決方案。kafka的目的是通過hadoop的并行加載機制來統(tǒng)一線上和離線的消息處理，也是為了通過集群來提供實時的消費。storm是個實時的、分布式以及具備高容錯的計算系統(tǒng)，同hadoop一樣storm也可以處理大批量的數(shù)據(jù)，然而storm在保證高可靠性的前提下還可以讓處理進行的更加實時。storm同樣還具備容錯和分布計算特性，從而使storm可以擴展到不同的機器上進行大批量的數(shù)據(jù)處理。

如上所述的一種基于大數(shù)據(jù)智能風(fēng)控的小額貸款系統(tǒng)，所述隨機森林算法包括至少一個決策樹，每個決策樹隨機采樣一組用戶的特征，在每個節(jié)點判斷某一個用戶特征和欺詐的關(guān)聯(lián)度并對對每個用戶做出欺詐結(jié)果決策。

如上所述的一種基于大數(shù)據(jù)智能風(fēng)控的小額貸款系統(tǒng)，所述邏輯回歸算法通過后臺管理服務(wù)器積累的用戶歷史數(shù)據(jù)得出用戶還款能力概率和還款意愿概率，所述還款能力概率通過用戶的收入資產(chǎn)情況得出，所述還款意愿概率通過用戶逾期還款、違約違法情況得出。

本發(fā)明還提供一種基于大數(shù)據(jù)智能風(fēng)控的小額貸款方法，所述小額貸款方法采用上述的小額貸款系統(tǒng)，所述小額貸款方法包括以下步驟：

貸款用戶提出貸款業(yè)務(wù)申請，對貸款用戶的用戶信息進行采集；

生成訂單利用基于隨機森林算法的反欺詐模型進行反欺詐決策；

對于通過反欺詐模型驗證的用戶，利用邏輯回歸算法對用戶信用進行得分評估；

根據(jù)用戶信用評估得分進行線性擬合，得出用戶最終貸款額度。

本發(fā)明具有如下優(yōu)點：以海量數(shù)據(jù)為基礎(chǔ)，結(jié)合人臉識別技術(shù)，實現(xiàn)多維度識別用戶信息的真實性，發(fā)現(xiàn)與規(guī)避潛在的欺詐風(fēng)險，采用了隨機森林的算法實現(xiàn)了反欺詐決策，采用了邏輯回歸的方法得出還款意愿和還款能力評分。大規(guī)模數(shù)據(jù)可實現(xiàn)快速建模，應(yīng)用廣義線性模型和深度學(xué)習(xí)，找出數(shù)據(jù)中隱含復(fù)雜非線性關(guān)系，根據(jù)實際應(yīng)用場景，通過機器學(xué)習(xí)等技術(shù)訓(xùn)練多個模型，多維度描繪用戶畫像。本發(fā)明整體審核速度快，數(shù)據(jù)審核全面，風(fēng)險預(yù)判準(zhǔn)確性高，有效的降低小額貸款風(fēng)險。

附圖說明

圖1為基于大數(shù)據(jù)智能風(fēng)控的小額貸款系統(tǒng)架構(gòu)示意圖；

圖2為基于大數(shù)據(jù)智能風(fēng)控的小額貸款方法流程圖；

圖3為基于大數(shù)據(jù)智能風(fēng)控的小額貸款系統(tǒng)處理流程。

具體實施方式

以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。

如圖1所示，一種基于大數(shù)據(jù)智能風(fēng)控的小額貸款系統(tǒng)，小額貸款系統(tǒng)包括后臺管理服務(wù)器，后臺管理服務(wù)器包括前端接入系統(tǒng)1、大數(shù)據(jù)風(fēng)控系統(tǒng)2、貸款業(yè)務(wù)系統(tǒng)3；

前端接入系統(tǒng)1包括后臺管理系統(tǒng)接入模塊101、官網(wǎng)接入模塊102、終端接入模塊103、第三方推件接入模塊104；后臺管理系統(tǒng)接入模塊101用于實現(xiàn)對小額貸款系統(tǒng)的業(yè)務(wù)管理；官網(wǎng)接入模塊102用于實現(xiàn)小額貸款系統(tǒng)與官方網(wǎng)站之間的數(shù)據(jù)對接；終端接入模塊103用于實現(xiàn)小額貸款系統(tǒng)與智能終端之間的數(shù)據(jù)對接；第三方推件接入模塊104用于實現(xiàn)小額貸款系統(tǒng)與第三方推薦平臺之間的數(shù)據(jù)對接；

大數(shù)據(jù)風(fēng)控系統(tǒng)2包括數(shù)據(jù)采集模塊201、風(fēng)控引擎模塊202、模型訓(xùn)練模塊203、信用評估模塊204；數(shù)據(jù)采集模塊201用于收集用戶數(shù)據(jù)信息并進行數(shù)據(jù)預(yù)處理；風(fēng)控引擎模塊202利用基于隨機森林算法的反欺詐模型進行反欺詐決策；模型訓(xùn)練模塊203用于通過至少2個樣本集的運行對反欺詐模型進行模型優(yōu)化；信用評估模塊204利用邏輯回歸算法對用戶信用進行得分評估；

貸款業(yè)務(wù)系統(tǒng)3包括風(fēng)控管理模塊301；風(fēng)控管理模塊301通過大數(shù)據(jù)風(fēng)控系統(tǒng)2對小額貸款系統(tǒng)進行風(fēng)控管理。

基于大數(shù)據(jù)智能風(fēng)控的小額貸款系統(tǒng)的一個實施例中，前端接入系統(tǒng)1還包括微信接入模塊105，微信接入模塊105用于實現(xiàn)小額貸款系統(tǒng)與微信平臺的數(shù)據(jù)對接，用戶通過微信客戶端實現(xiàn)小額貸款系統(tǒng)的數(shù)據(jù)訪問。

數(shù)據(jù)采集模塊201收集的用戶信息包括常規(guī)數(shù)據(jù)、實時數(shù)據(jù)，數(shù)據(jù)采集模塊201通過spark通用并行計算框架實現(xiàn)分布式計算。spark是專為大規(guī)模數(shù)據(jù)處理而設(shè)計的快速通用的計算引擎，通過在spark上構(gòu)建處理stream數(shù)據(jù)的框架，將stream數(shù)據(jù)分成小的時間片斷，以類似batch批量處理的方式來處理這小部分?jǐn)?shù)據(jù)。

進一步，常規(guī)數(shù)據(jù)包括身份信息、歷史征信報告、個人教育、居住信息，數(shù)據(jù)采集模塊201利用map-reduce原理實現(xiàn)常規(guī)數(shù)據(jù)etl處理。map-reduce是由google在2004年提出的大數(shù)據(jù)并行編程架構(gòu)，分為map(映射)和reduce(化簡)兩個步驟，因此得名，它隱藏并行化、容錯、數(shù)據(jù)分布、負(fù)載均衡等細(xì)節(jié)，可以搭建在普通pc上，程序員可以很方便完成大數(shù)據(jù)并行編程。etl是英文extract-transform-load的縮寫，用來描述將數(shù)據(jù)從來源端經(jīng)過抽取(extract)、轉(zhuǎn)換(transform)、加載(load)至目的端的過程。etl是構(gòu)建數(shù)據(jù)倉庫的重要一環(huán)，用戶從數(shù)據(jù)源抽取出所需的數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗,最終按照預(yù)先定義好的數(shù)據(jù)倉庫模型，將數(shù)據(jù)加載到數(shù)據(jù)倉庫中去。

進一步，實時數(shù)據(jù)包括人臉識別、定位，數(shù)據(jù)采集模塊201采用消息隊列kafka和流計算框架storm處理實時數(shù)據(jù)。kafka是一種高吞吐量的分布式發(fā)布訂閱消息系統(tǒng)，它可以處理消費者規(guī)模的網(wǎng)站中的所有動作流數(shù)據(jù)，這種動作(網(wǎng)頁瀏覽，搜索和其他用戶的行動)是在現(xiàn)代網(wǎng)絡(luò)上的許多社會功能的一個關(guān)鍵因素，這些數(shù)據(jù)通常是由于吞吐量的要求而通過處理日志和日志聚合來解決，對于像hadoop的一樣的日志數(shù)據(jù)和離線分析系統(tǒng)，但又要求實時處理的限制，這是一個可行的解決方案。kafka的目的是通過hadoop的并行加載機制來統(tǒng)一線上和離線的消息處理，也是為了通過集群來提供實時的消費。storm是個實時的、分布式以及具備高容錯的計算系統(tǒng)，同hadoop一樣storm也可以處理大批量的數(shù)據(jù)，然而storm在保證高可靠性的前提下還可以讓處理進行的更加實時。storm同樣還具備容錯和分布計算特性，從而使storm可以擴展到不同的機器上進行大批量的數(shù)據(jù)處理。

隨機森林算法包括至少一個決策樹，每個決策樹隨機采樣一組用戶的特征，在每個節(jié)點判斷某一個用戶特征和欺詐的關(guān)聯(lián)度并對對每個用戶做出欺詐結(jié)果決策。邏輯回歸算法通過后臺管理服務(wù)器積累的用戶歷史數(shù)據(jù)得出用戶還款能力概率和還款意愿概率，還款能力概率通過用戶的收入資產(chǎn)情況得出，還款意愿概率通過用戶逾期還款、違約違法情況得出。

如圖2所示，本發(fā)明還提供一種基于大數(shù)據(jù)智能風(fēng)控的小額貸款方法，小額貸款方法采用上述的小額貸款系統(tǒng)，小額貸款方法包括以下步驟：

s1：貸款用戶提出貸款業(yè)務(wù)申請，對貸款用戶的用戶信息進行采集；

s2：生成訂單利用基于隨機森林算法的反欺詐模型進行反欺詐決策；

s3：對于通過反欺詐模型驗證的用戶，利用邏輯回歸算法對用戶信用進行得分評估；

s4：根據(jù)用戶信用評估得分進行線性擬合，得出用戶最終貸款額度。

如圖3所示，結(jié)合本發(fā)明用于消費品的小額貸款的完整處理流程：

消費場景：用戶瀏覽虛擬消費場景進行個人消費；

客源獲?。和ㄟ^客戶端、第三方推件進行客源獲??；

數(shù)據(jù)采集評估：利用本發(fā)明進行用戶數(shù)據(jù)采集評估；

貸款申請：對用戶貸款訂單進行錄入；

審批：利用本發(fā)明進行審批；

簽約：生成合同，進行簽約；

放款：發(fā)出支付指令，自動過賬；

貸后跟蹤：定期跟蹤，進行還款提醒；

還款：通過手機客戶端進行還款；

逾期催收：對逾期還款用戶進行內(nèi)部催收、委外催收或司法追償。

本發(fā)明以海量數(shù)據(jù)為基礎(chǔ)，結(jié)合人臉識別技術(shù)，實現(xiàn)多維度識別用戶信息的真實性，發(fā)現(xiàn)與規(guī)避潛在的欺詐風(fēng)險，采用了隨機森林的算法實現(xiàn)了反欺詐決策，采用了邏輯回歸的方法得出還款意愿和還款能力評分。大規(guī)模數(shù)據(jù)可實現(xiàn)快速建模，應(yīng)用廣義線性模型和深度學(xué)習(xí)，找出數(shù)據(jù)中隱含復(fù)雜非線性關(guān)系，根據(jù)實際應(yīng)用場景，通過機器學(xué)習(xí)等技術(shù)訓(xùn)練多個模型，多維度描繪用戶畫像。本發(fā)明整體審核速度快，數(shù)據(jù)審核全面，風(fēng)險預(yù)判準(zhǔn)確性高，有效的降低小額貸款風(fēng)險。

雖然，上文中已經(jīng)用一般性說明及具體實施例對本發(fā)明作了詳盡的描述，但在本發(fā)明基礎(chǔ)上，可以對之作一些修改或改進，這對本領(lǐng)域技術(shù)人員而言是顯而易見的。因此，在不偏離本發(fā)明精神的基礎(chǔ)上所做的這些修改或改進，均屬于本發(fā)明要求保護的范圍。