一种贷款系统交易数据自动整合处理方法和装置与流程

计算;推算;计数设备的制造及其应用技术1.本发明涉及计算机信息技术领域：：，具体而言，涉及一种贷款系统交易数据自动整合处理方法和装置。背景技术：：：2.采购贷，是一种为满足核心企业下游经销商日常经营，基于核心企业与经销商交易数据，结合经销商本身信用资质，为经销商提供的信用贷款产品。核心企业与经销商的交易数据，在贷款审批中十分重要，不可或缺。3.目前，对于大多数核心企业，采购交易数据更新比较快，核心企业与银行无系统对接，多采用线下提供，由银行客户经理通过手工导入到业务系统中，在实际操作过程中，线下导入数据存在被篡改的可能，缺乏有效数据安全的防范机制，人工操作不及时、操作失败直接影响客户的额度审批，缺乏有效的异常处理机制。导致客户体验较差，造成贷款客户流失。技术实现要素：4.鉴于上述问题，本发明提供了一种贷款系统交易数据自动整合处理方法和装置，利用规则对经销商数据进行校验，减少了人为干预带来未知风险。5.为解决上述技术问题，本发明采用的技术方案是：一种贷款系统交易数据自动整合处理方法，运行在应用程序侧，包括如下步骤：启动任务，下载交易文件；根据校验规则，对所述交易文件进行校验，获得校验结果；所述校验结果为通过状态时，对交易文件进行解析并整合，生成接口交易报文；将所述接口交易报文发送至风控系统，获得授信结果。6.作为优选方案，所述启动任务，包括：基于pop3协议连接企业端和银行端服务器，定时启动批量任务。7.作为优选方案，所述企业端和银行端服务器之间的网络层上设置有安全机制，所述安全机制包括：防火墙、多种访问控制、白名单和交易文件加密。8.作为优选方案，所述校验规则包括：字段必输校验、字段格式校验和数据有效性校验。9.作为优选方案，所述校验结果包括通过状态、不通过状态和部分通过状态；若为通过状态，则对交易文件进行解析入库；若为不通过状态，则生成导入失败记录；若为部分通过状态，则人工介入修正数据。10.作为优选方案，所述对交易文件进行解析并整合，生成接口交易报文，包括：确定数据范围，新建临时表、主表和历史表；将所述交易文件解析到临时表中，经清洗加工后存入主表；根据贷款授信主调接口的内容，将所述主表数据进行分类整合，组装成接口交易报文。11.作为优选方案，还包括：在获得授信结果之后，将所述主表数据交换至历史表存储。12.作为优选方案，所述临时表包括经销商信息表、经销商采购信息表、核心企业收款账户表、采购贷白名单导入台账表、经销商信息导入异常记录表、经销商采购信息导入异常记录表和核心企业收款账户导入异常记录表；所述主表和历史表的结构相同，均包括模型调用参数组装表。13.作为优选方案，所述风控系统的授信策略包括：根据采购数据判断是否能够授信；针对核心品牌的信用等级进行分级定制授信策略；将采购金额作为参考依据，评定授信额度。14.本发明还提供了一种贷款系统交易数据自动整合处理装置，包括：下载模块，用于启动任务，下载交易文件；校验模块，用于根据校验规则，对所述交易文件进行校验，获得校验结果；报文模块，用于所述校验结果为通过状态时，对交易文件进行解析并整合，生成接口交易报文；授信模块，用于将所述接口交易报文发送至风控系统，获得授信结果。15.与现有技术相比，本发明的有益效果包括：获取核心企业邮件发送的经销商数据，通过批量定时的模式，自动识别邮件内容，并解析成标准的数据模型，自动保存到业务系统中，业务系统处理后，转化成风控系统所需的模型参数，应用到额度审批中。实现了系统自动识别，全程无人工参与，提高了客户体验，保障了审批效率。通过自动化整合和处理经销商进货数据、经销商采购数据，自动化解析的模式替换人工导入流程，对导入成功、部分成功、失败的数据以台账形式进行展示，成功的数据进入模型运算，失败的触发提醒，进行人工修复。整体上减少了人工成本，降低了人为操作风险，提升了业务处理效率。本发明着眼于银行贷款业务系统，基于mysql数据库存储表技术，可以实现数据整合进行前、进行中和进行后的全阶段监控以及异常情况的及时告警，python的应用简单便捷，快速部署，数据的全自动化实现，不需要人工介入降低运维成本。附图说明16.参照附图来说明本发明的公开内容。应当了解，附图仅仅用于说明目的，而并非意在对本发明的保护范围构成限制。在附图中，相同的附图标记用于指代相同的部件。其中：17.图1为本发明实施例中贷款系统交易数据自动整合处理方法的流程示意图；18.图2为本发明实施例中贷款系统交易数据自动整合处理方法的另一流程示意图；19.图3为本发明实施例中下载交易文件的流程示意图；20.图4为本发明实施例中对交易文件进行解析并整合的流程示意图；21.图5为本发明实施例中贷款系统交易数据自动整合处理装置的结构示意图。具体实施方式22.容易理解，根据本发明的技术方案，在不变更本发明实质精神下，本领域的一般技术人员可以提出可相互替换的多种结构方式以及实现方式。因此，以下具体实施方式以及附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限定或限制。23.根据本发明的一实施方式结合图1-4示出。一种贷款系统交易数据自动整合处理方法，运行在应用程序侧，包括如下步骤：24.s101，启动任务，下载交易文件。基于pop3协议连接企业端和银行端服务器，定时启动批量任务。即：使用python实现邮件的自动收取，完成交易文件的自动下载功能。企业端和银行端服务器为邮箱服务器，需要使用poplib.pop3_进行ssl加密，并完成身份认证。25.为满足安全性要求，在企业端和银行端服务器之间的网络层上设置有安全机制，安全机制包括：防火墙、多种访问控制、白名单和交易文件加密。具体如下：26.1)采用防火墙和多种访问控制、安全监控措施，为防止来自外部的攻击，增加白名单机制。进入linux命令行，编辑防火墙规则配置文件iptablesvi/etc/sysconfig/iptables添加白名单，示例：-awhitelist-s**.**.**.**-jaccept，能接收到白名单内ip发送的邮件。27.2)邮件加密传输，发送方加密发送，接收方收到邮件后进行解密处理。发送文件的用户先用接收文件方用户的公钥加密文件，然后发给接收方用户，接收方用户接收到发送方发送的加密文件后，再用自己的私钥打开文件。28.s102，根据校验规则，对交易文件进行校验，获得校验结果。29.其中，校验规则包括：字段必输校验、字段格式校验和数据有效性校验。具体如下所示：30.1、字段必输校验：31.经销商信息，所属渠道、经销商公司全称、统一社会信用代码、法人代表名称、联系人手机号码、核心企业品牌、与采购厂家/品牌是否签署有效合约、与厂家/品牌合作时长(月)字段必输。32.核心企业收款账号信息，核心企业品牌、收款账号户名、收款银行、开户网点、收款账号、行号字段必输。33.采购数据，所属渠道、经销商公司全称、统一社会信用代码、统计月份、月进货额、月退货额、月进货频次必输。34.2、字段格式校验：金额需为大于等于0的数字，且保留两位小数。手机号需为11位数字。统一社会信用代码格式校验。合作时长(月)、进货频次需为正整数。统计月份需为yyyymm格式的日期。经销商公司全称、法人代表名称、开户网点长度不能超过200。35.3、数据有效性校验：开户行号、开户网点需通过联行号的校验。经销商公司全称、统一社会信用代码、法人代表名称需通过工商校验。采购数据中的经销商公司全称、统一社会信用代码必须在经销商信息中存在。采购数据中的采购月份需是近两年内的时间。核心企业收款账号信息中的经销商公司全称、核心企业品牌必须在经销商信息存在。36.其中，校验结果包括通过状态、不通过状态和部分通过状态；若为通过状态，则对交易文件进行解析入库；若为不通过状态，则生成导入失败记录；若为部分通过状态，则人工介入修正数据。37.s103，校验结果为通过状态时，对交易文件进行解析并整合，生成接口交易报文。38.具体的，上述对交易文件进行解析并整合，生成接口交易报文，包括：39.1)确定数据范围，新建临时表、主表和历史表。40.主表具有唯一索引，并确认唯一索引的字段是否存在非空约束，如果不存在，则增加非空约束。临时表和文件的格式保持一致，用于数据的临时保存。41.临时表包括经销商信息表、经销商采购信息表、核心企业收款账户表、采购贷白名单导入台账表、经销商信息导入异常记录表、经销商采购信息导入异常记录表和核心企业收款账户导入异常记录表。主表和历史表的结构相同，均包括模型调用参数组装表。临时表、主表和历史表的表结构如下所示：42.临时表表结构：43.a.经销商信息表，保存经销商公司全称、统一社会信用代码、法人代表名称、联系人手机号码、所属核心企业品牌等经销商公司维度的信息；经销商采购信息表，保存经销商公司按月度统计的月进货额、月退货额、月进货频次等采购数据；核心企业收款账户表，保存核心企业针对经销商公司提供的受托支付的收款账号户名、收款银行、开户网点、收款账号、行号等信息。44.b.采购贷白名单导入台账表，保存白名单文件维度的导入记录，包括数据来源、文件类型(经销商数据、进货数据、账户数据)、导入状态(成功、部分成功、失败)、导入数据条数、源文件存储路径、导入失败原因等信息。45.c.经销商信息导入异常记录表，保存经销商信息每条数据维度的导入异常记录，包括该条经销商信息的完整数据、导入异常的原因、导入的具体时间等信息。46.d.经销商采购信息导入异常记录表，保存经销商采购信息每条数据维度的导入异常记录，包括该条采购信息的完整数据、导入异常的原因、导入的具体时间等信息。47.e.核心企业收款账户导入异常记录表，保存核心企业收款账户每条数据维度的导入异常记录，包括该条收款账户信息的完整数据、导入异常的原因、导入的具体时间等信息。48.主表、历史表结构：49.a.模型调用参数组装表：用户号、证件类型、证件号、手机号码、姓名、申请编号、客户类型、授信类型、地区编码、经销商编号、联系人、联系人手机号码、经销商内部评级、采购厂家/品牌、与采购厂家/品牌是否签署有效合约、与厂家/品牌合作时长(月)、历史欠款次数、历史欠款金额、企业规模、查询原因(企业征信)、近24个月提货金额、近18个月提货金额、近15个月提货金额、近12个月提货金额、近6个月提货金额、近3个月提货金额、近24个月提货次数、近12个月提货次数、近6个月提货次数、近3个月提货次数、近24个月提货月份数、近12个月提货月份数、近6个月提货月份数、近3个月提货月份数、报告复用策略(企业征信)、业务线(企业征信)、关联业务号(企业征信)、授权起始日期(企业征信)、授权结束日期(企业征信)、影像平台url(企业征信)、法人证件类型、法人证件号、法人手机号码、法人姓名、综合信息采集协议、查询原因(个人征信)、报告复用策略、业务线、关联业务号、授权起始日期、授权结束日期、影像平台url。50.2)将交易文件解析到临时表中，经清洗加工后存入主表。51.具体的，将交易文件解析到临时表中，包括：通过springbatch框架功能读取文件，获取待解析的文件路径，从第0行开始读取数据，解析每一行结果存储在实体的映射类中，使用write方法把数据写到数据库对应的表中。52.清洗加工包括：53.a.根据合作月份判断近24、18、15、12、6、3月的提货次数和金额是否正确。举例：如果合作月份为16，那么近24与18的提货次数与提货金额应相同，同时，近24个月的提货金额应大于等于近18、15、12、6、3月份的提货金额，以此类比校验；54.b.校验通过后，在业务受理过程中，根据经销商信息表中的客户基本信息(企业名称、统一社会信用代码等)与业务申请中的企业客户信息进行匹配关联；55.c.关联成功后，将经销商的采购数据(品牌信息、提货信息等)与客户上送的授权信息进行组装，通过经销商与核心企业的合作时长与当前日期做比较，向前推算出合作时间，作为风险参数，落库保存；56.d.同时查询企业的法人代表的个人信息，补全完整后，存入到主表中。57.3)根据贷款授信主调接口的内容，将主表数据进行分类整合，组装成接口交易报文。58.s104，将接口交易报文发送至风控系统，获得授信结果。还包括：在获得授信结果之后，将主表数据交换至历史表存储。59.详细的，将临时表的数据加工整合交换至主表，主表数据按照采购贷授信主调接口的内容，将主表数据按照客户基础信息(客户号、身份证、手机号等)、客户税务数据、客户经销商交易数据进行分类，同时将客户的征信数据进行整合，组装成接口交易报文，发送到风控系统中，完成后，再将主表数据交换至历史表。60.本发明实施例中，上述风控系统的授信策略包括：根据采购数据判断是否能够授信；针对核心品牌的信用等级进行分级定制授信策略；将采购金额作为参考依据，评定授信额度。具体如下所示：61.1、获取采购数据，根据近2年的采购数据判断是否能够进行授信。62.(1)准入条件：63.a.年采购额代表了客户的经营规模，足够大的经营规模是授信的基本条件64.b.采购稳定性代表企业经营的稳定性，对近3个月、6个月、12个月的采购行为分析作为判断采购稳定性的依据，并作为准入标准。65.c.采购额同比与环比代表企业的经营趋势，考虑季节性因素的情况下，对客户近期的采购额环比以及往年同时期采购额的同比分析，作为准入标准。66.(2)判断依据：67.a.2年内采购额波动范围在30％以内，该波动范围根据行业会做加权处理，其中快消行业一般设定为30％；汽车销售行业设定为10％。68.b.采购行为连续，不能出现连续三个月无采购额行为；69.c.采购行为符合行业淡旺季规则，旺季月份明显采购额增加，淡季明显采购额下滑。70.2、针对核心品牌等信用等级进行分级定制授信策略。71.(1)准入规则：72.根据核心品牌行业特性、供应链模式、毛利率等数据，分析其经销商的规模分布，并对针对不同层级的经销商制定不同的授信准入规则。73.(2)策略说明：74.针对不同品牌授信策略进行分级处理，对应不同品牌所在行业，结合信贷行业专家经验判断：根据行业小微类经销商(以下简称经销商)采购额惯例数据，采购额自动授信额度上限分500、300、100、50万元等多个档次；根据经销商利息承受惯例数据，利率在18％-4％间调节；根据品牌行业回款惯例数据，还款期限3-24间调节；根据品牌方对经销商的还款习惯摸底，设置多种不同还款方式，包括利随本清、等额本金、等额本息、按月还息到期还本等75.3、对于采购金额等作为参考依据，评定用户的授信额度。76.(1)根据行业周转率、产品销售周期性、供应链策略等因素评估客户的资金周转率、存货周转率等参数，对客户实际资金需求进行核算，再结合客户征信中获取的实际负债情况给出最后额度。77.(2)授信额度计算：一般采购数据满足采购连续性、行业淡旺季等属性后，并且经销商符合银行准入标准后，标准模式下将按照两年采购额合计值*10％的计算额度，如遇到特殊行业，如采购频率较低，额度较大，则比例上浮，如采购频率较高，额度较小，则比例下浮。78.本发明建立了一种自动化的机制处理大量的采购交易数据并自动整合风险标签调用风险模型，优化人工导入流程，高效率，减少人工成本；解决因采购数据更新不及时，导致企业无法正常获取授信额度的问题。79.参见图5，本发明还提供了一种贷款系统交易数据自动整合处理装置，包括：80.下载模块101，用于启动任务，下载交易文件。81.校验模块102，用于根据校验规则，对交易文件进行校验，获得校验结果。82.报文模块103，用于校验结果为通过状态时，对交易文件进行解析并整合，生成接口交易报文。83.授信模块104，用于将接口交易报文发送至风控系统，获得授信结果。84.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。85.综上所述，本发明的有益效果包括：获取核心企业邮件发送的经销商数据，通过批量定时的模式，自动识别邮件内容，并解析成标准的数据模型，自动保存到业务系统中，业务系统处理后，转化成风控系统所需的模型参数，应用到额度审批中。实现了系统自动识别，全程无人工参与，提高了客户体验，保障了审批效率。通过自动化整合和处理经销商进货数据、经销商采购数据，自动化解析的模式替换人工导入流程，对导入成功、部分成功、失败的数据以台账形式进行展示，成功的数据进入模型运算，失败的触发提醒，进行人工修复。整体上减少了人工成本，降低了人为操作风险，提升了业务处理效率。本发明着眼于银行贷款业务系统，基于mysql数据库存储表技术，可以实现数据整合进行前、进行中和进行后的全阶段监控以及异常情况的及时告警，python的应用简单便捷，快速部署，数据的全自动化实现，不需要人工介入降低运维成本。86.应理解，所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。87.本发明的技术范围不仅仅局限于上述说明中的内容，本领域技术人员可以在不脱离本发明技术思想的前提下，对上述实施例进行多种变形和修改，而这些变形和修改均应当属于本发明的保护范围内。当前第1页12当前第1页12









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!