(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211016471.2 (22)申请日 2022.08.24 (71)申请人 天元大数据信用管理有限公司 地址 250100 山东省济南市高新区浪潮路 1036号浪潮科技园S01楼 23层 (72)发明人 米俊达　崔乐乐　尹盼盼　 (74)专利代理 机构 济南信达专利事务所有限公 司 37100 专利代理师 孙园园 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 10/10(2012.01) G06Q 10/06(2012.01) (54)发明名称 基于贷后预警模型的贷后预警平台及方法 (57)摘要 本发明公开了基于贷后预警模型的贷后预 警平台及方法， 属于信息技术管理技术领域， 本 发明要解决的技术问题为如何实现客户风险等 级的分级分类， 并针对性的制定贷后方案， 降低 银行贷后管 理成本的同事， 提升客户经理人均管 户， 采用的技术方案为： 该贷后预警平台包括基 础设施层以及应用层， 基础设施层包括数据后台 的各类数据存储服务器、 消息服务器、 模型计算 服务器、 磁盘阵列存储器、 Web应用服务器以及网 络通信设备； 该贷后预警平台接入 大数据需要建 设数据库服务器集群， 提供企业预警类相关数 据， 并结合业务数据库和消息服务器共同汇入模 型计算服务器中， 通过模型计算服务器 分别为应 用服务器提供贷后预警模型决策结果与应用 支 持。 权利要求书4页 说明书12页 附图2页 CN 115393036 A 2022.11.25 CN 115393036 A 1.一种基于贷后预警模型的贷后预警平台， 其特征在于， 该贷后预警平台包括基础设 施层以及应用层， 基础设施层包括数据后台的各类数据存储服务器、 消息服务器、 模型计算 服务器、 磁盘阵列存储器、 Web应用服务器以及网络通信设备； 该贷后预警平台接入大数据 需要建设数据库服务器集群， 提供企业预警类相关数据， 并结合业务数据库和消息服务器 共同汇入模型计算服务器中， 通过模型计算服务器分别为应用服务器提供贷后预警模型决 策结果与应用支持； 应用层基于三层体系架构， 以通讯和计算机中间件技术为核心， 采用B/S体系架构， 基 于JavaEE框架， 遵守J2E E规范进行建 设和开发。 2.根据权利要求1所述的基于贷后预警模型的贷后预警平台， 其特征在于， 该贷后预警 平台的整个信息安全防护体系嫁接在浪潮云应用服务器， 浪潮云应用服务器包括云操作系 统、 云安全管理平台、 网络节点、 存储节点以及若干计算机节点， 计算机节点上暗账虚拟机 安全套件， 虚拟 机安全套件安装于各个计算机节 点， 充当安全代理； 云安全管 理平台作为管 理节点部署于单独的物理节点。 3.根据权利要求1所述的基于贷后预警模型的贷后预警平台， 其特征在于， 该贷后预警 平台具有如下功能； ①、 业务分类管理： 按整体业务开展情况设定不同的业务分类， 企业在导入时， 选择该 企业所归属业 务分类； ②、 企业入库模板配置： 对企业入库时需要录入的企业信息进行配置； ③、 报告模板配置： 对定期检查报告、 不定期检查报告、 重点检查报告以及任务类预警 界面所需要业 务人员填写内容进行配置； ④、 预警等级配置： 默认配置预警等级为 “任务类”及“知悉类”两种； ⑤、 周期性模型配置： 针对不同业 务分类配置不同任务 生成周期； ⑥、 企业监控模型： 从 “默认监控规则库 ”中选择系统监控规则进行配置， 包括当前监控 规则状态及监控规则阈值/等级内容； ⑦、 企业批量 导入： 供业 务人员批量 导入待投后管理的企业使用； ⑧、 企业入库审批： 根据用户权限及审批流程设置， 上级业务管理人员对批量导入的信 息及单户新增的企业进行入库审批； ⑨、 企业入库接口： 提供企业入库接口， 供后续审批系统直接调用接口完成企业自动入 库； ⑩、 任务待办查看： 企业产生的定期检查任务， 将自动下发至企业归属客户经理任务列 表； 一键归档申请： 通过业务详情查询， 查询到需要归档的企业， 确认各类信息无误后， 即可发起归档申请； 材料归档审批： 归档申请提交后， 由上级对 归档申请进行审批； 系统管理： 为满足金融组织架构要求， 采用 “多租户”建设方式， 各下属公司间通过 系统权限管理完成业 务“逻辑隔离； 审批流程配置： 集 团管理员对任务、 归档审批流程进行配置， 选择对应工作是否开 启审批节点。权　利　要　求　书 1/4 页 2 CN 115393036 A 24.根据权利要求3所述的基于贷后预警模型的贷后预警平台， 其特征在于， 周期性模型 配置具体如下： 业务人员选择新增周期性模型规则配置； 选择需要新增监控的业 务类型； 填写该业 务类型的监控周期， 监控频率包括天、 月。 5.一种基于贷后预警模型的贷后预警方法， 其特 征在于， 该 方法具体如下： 企业大数据对接： 通过对接行业内的企业征信大数据， 完成对企业信贷服务指标的监 测； 数据传输： 采用组合加密方式实现数据加密以及加密 传输； 建设指标层数据库： 融合策略与算法， 基于外部征信数据形成的企业标准mysql标准 库， 建立覆盖三级体系的指标库； 并在指标库基础上抽取信用特征集， 建立样本抽取逻辑从 海量企业中抽取训练样本建立样本库， 基于抽取 的信用特征集、 训练样本集并基于机器学 习、 人工智能及大数据的建模技术构建信用评分模型， 通过评分转换方法形成最终的企业 信用评价结果， 基于训练所 得企业信用评分模型 预测新企业的企业信用评分及信用等级。 6.根据权利要求5所述的基于贷后预警模型的贷后预警方法， 其特征在于， 企业大数据 对接的数据项通过天眼查、 企查 查、 凭安征信及天元 征信获取。 7.根据权利要求5或6所述的基于贷后预警模型的贷后预警方法， 其特征在于， 企业大 数据对接是采用数据服务接口的模式， 通过API调用的方式获取数据JSON样例， 再对JSON样 例数据进行解析， 实现对企业贷后监测数据的系统性接入。 8.根据权利要求7所述的基于贷后预警模型的贷后预警方法， 其特征在于， 企业大数据 接入内容包括： (1)、 被执行人： 通过公司名称获取是否存在被执行人信息， 被执行人信息包括执行法 院、 案件内容、 执 行标的、 被执 行人名称以及组织机构代码； (2)、 失信被执行人： 通过公司名称判定企业失信情况， 企业失信情况包括失信人名称、 组织机构代码、 履行情况以及失信行为具体情形； (3)、 限制高消费： 通过公司名称获取限制消费令信息， 限制消费令信息包括执行法院、 案件内容以及被执 行人名称； (4)、 法院判决未履行： 通过公司名称获取执行信息， 执行信息包括执行法院、 案件内 容、 被执行人名称、 执 行标的及未履行 金额信息； (5)、 企业失信情况： 通过公司名称判定企业失信情况， 企业失信情况包括失信人名称、 组织机构代码、 履行情况及失信行为具体情形 的字段的详细信息， 并通过失信人履行情况 判断是否履行； (6)、 经营状态： 通过公司名称获取企业基本信息， 企业基本信息包括人员规模、 经营开 始时间、 注册 号、 注册资本、 登记机关、 注册 地址、 行业、 核准时间、 纳税 人识别号、 经营范围、 组织机构代码、 企业状态、 成立日期、 法人、 经营结束时间、 实收注册资金、 企业类型、 统一社 会信用代码、 吊销日期、 吊销原因、 注销日期及注销原因； (7)、 成立时长： 通过企业基本信息接口一并查询经营状态、 成立市场、 机构类型、 限制 行业及注 册登记地信息； (8)、 法人持股比例： 通过公司名称获取企业股东信息， 企业股东信息包括股东名、 出资权　利　要　求　书 2/4 页 3 CN 115393036 A 3