业务数据处理方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种业务数据处理方法、装置、计算机设备和存储介质。涉及智能决策领域。所述方法包括：确定业务申请对应的业务主体，获取所述业务主体对应的风险决策树；从所述风险决策树中有序提取风险决策变量，获取每个所述风险决策变量对应的数据源；将排序在首位的所述风险决策变量对应的数据源输入至所述风险决策树中，得到首位决策规则的命中结果，所述命中结果为规则命中和规则未命中；将下一个所述风险决策变量对应的数据源输入至所述风险决策树中，直至得到的所述命中结果为规则命中，输出决策结果。采用本方法能够提高风控校验效率。

【技术实现步骤摘要】
业务数据处理方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种业务数据处理方法、装置、计算机设备和存储介质。
技术介绍
随着计算机和互联网技术的迅速发展，很多业务都可以在网络上进行，给用户带来了极大的便利。与此同时，业务提供商也承担了很多的风险，如果业务请求是恶意的，若业务提供商在没有防范措施的情况下直接接受这些用户的业务，可能遭受损失。为了减少风险，业务提供商可以针对当前用户的当前业务进行风险决策，决策结果通常为接受或者拒绝，进而可以相应地根据决策结果接受或者拒绝当前业务。传统的风险决策时，开发工程师编写规则代码，在代码层面定义规则模型，然后使用规则模型校验业务请求，规则校验时需要获取所有规则对应的校验数据，且规模模型将所有规则全部校验完成才能得到校验结果，故，传统的风险决策方式存在风控校验效率低，风控校验耗时大的缺陷。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高风控校验效率的业务数据处理方法、装置、计算机设备和存储介质。一种业务数据处理方法，所述方法包括：确定业务申请对应的业务主体，获取所述业务主体对应的风险决策树；从所述风险决策树中有序提取风险决策变量，获取每个所述风险决策变量对应的数据源；将排序在首位的所述风险决策变量对应的数据源输入至所述风险决策树中，得到首位决策规则的命中结果，所述命中结果为规则命中和规则未命中；将下一个所述风险决策变量对应的数据源输入至所述风险决策树中直至所述命中结果为规则命中，得到决策结果。在一个实施例中，在所述确定业务申请对应的业务主体，获取所述业务主体对应的风险决策树之前，还包括：获取所述业务主体对应的存量数据，所述存量数据包括内部历史数据和外部历史数据；从所述内部历史数据中确定第一风险决策变量，从所述外部历史数据中确定第二风险决策变量；接收规则配置界面提交的变量配置信息，根据所述变量配置信息生成每个风险决策变量对应的决策规则；连接所述决策规则生成风险决策树，其中，所述第一风险决策变量对应的所述决策规则位于所述风险决策树的上游，所述第二风险决策变量对应的所述决策规则位于所述风险决策树的下游。在一个实施例中，所述从所述风险决策树中有序提取风险决策变量，获取每个所述风险决策变量对应的数据源，包括：从所述风险决策树中提取风险决策变量，所述风险决策变量包括所述第一风险决策变量和所述第二风险决策变量；获取所述第一风险决策变量对应的数据源；若所述第一风险决策变量对应的数据源未被所述风险决策树命中，则获取所述第二风险决策变量对应的数据源。在一个实施例中，所述连接所述决策规则生成风险决策树，包括：获取预先定义的风险决策变量的组合关系；根据所述组合关系组合所述风险决策变量对应的决策规则；有序连接组合后的所述决策规则，生成风险决策树。在一个实施例中，在所述有序连接所述决策规则生成风险决策树之后，还包括：获取所述业务主体对应的正负样本；基于所述风险决策树对所述正负样本进行风险预判，得到风险预判结果；计算所述风险预判结果与所述正负样本的正负属性的匹配度；若匹配度小于设定阈值，获取所述误判样本对应所述风险决策树的误判规则节点。在一个实施例中，所述方法还包括：监控风险因子，所述风险因子为预先为所述业务主体配置的热词集合对应的热词舆情信息；若所述热词舆情信息的趋势变化达到设定阈值，则生成业务主体风险告警，基于所述风险告警对所述业务主体对应的所述风险决策树进行调整。一种业务数据处理装置，所述装置包括：风险决策树获取模块，用于确定业务申请对应的业务主体，获取所述业务主体对应的风险决策树；数据源提取模块，用于从所述风险决策树中有序提取风险决策变量，获取每个所述风险决策变量对应的数据源；决策模块，用于将排序在首位的所述风险决策变量对应的数据源输入至所述风险决策树中，得到首位决策规则的命中结果，所述命中结果为规则命中和规则未命中；决策结果输出模块，用于将下一个所述风险决策变量对应的数据源输入至所述风险决策树中直至所述命中结果为规则命中，得到决策结果。在一个实施例中，所述装置还包括：存量数据获取模块，用于获取所述业务主体对应的存量数据，所述存量数据包括内部历史数据和外部历史数据；风险决策变量确定模块，用于从所述内部历史数据中确定第一风险决策变量，从所述外部历史数据中确定第二风险决策变量；决策规则生成模块，用于接收规则配置界面提交的变量配置信息，根据所述变量配置信息生成每个风险决策变量对应的决策规则；风险决策树生成模块，用于连接所述决策规则生成风险决策树，其中，所述第一风险决策变量对应的所述决策规则位于所述风险决策树的上游，所述第二风险决策变量对应的所述决策规则位于所述风险决策树的下游。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述所述方法的步骤。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执行时实现上述所述的方法的步骤。上述业务数据处理方法、装置、计算机设备和存储介质，用于风控决策的风险决策树中的决策规则是基于风险决策变量的规则，在通过风险决策树进行风险校验前先获取每个风险决策变量对应的数据源，使得风险决策树能够直接对数据源实施规则校验，而无需再做其他数据处理，且风险决策树采用规则命中即退出的校验方式，无需校验所有规则，因此，风控校验的效率得到了明显的提高。附图说明图1为一个实施例中业务数据处理方法的应用场景图；图2为一个实施例中业务数据处理方法的流程示意图；图3为一个实施例中风险决策树原理示意图；图4为一个实施例中风险决策树生成所涉及的流程示意图；图5为一个实施例中风险决策调控所涉及的流程示意图；图6为一个实施例中业务数据处理装置的结构框图；图7为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的业务数据处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。终端102向服务器104发送业务申请，服务器104通过风险决策树对业务申请进行风险决策，判断当前也是是否是风险业务，并拒绝风险业务。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个实施例中，如图2所示，提供了一种业务数据处理方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：步骤202，确定业务申请对应的业务主体，获取业务主体对应的风险决策树。可以按照金融机构的金融产品或者金融产品分类划分业务主体，不同的金融产品作为不同的业务主体或者不同的金融产品分类作为不同的业务主体。还可以根据业务申请人划分业务主体，不同的业务申请人作为不同的业务主体。如将企业A作为一个业务主体，企业B作为另一个金融主体。划分业务主体后，预先定义每个业务主体对应的风险决策树。风险决策树是由至少两个风险决策规则有序连接形成的规则流，其中每一个风险决策规则对应一个风险决策变量。以业务主体为贷款为例，其对本文档来自技高网...

【技术保护点】
1.一种业务数据处理方法，所述方法包括：确定业务申请对应的业务主体，获取所述业务主体对应的风险决策树；从所述风险决策树中有序提取风险决策变量，获取每个所述风险决策变量对应的数据源；将排序在首位的所述风险决策变量对应的数据源输入至所述风险决策树中，得到首位决策规则的命中结果，所述命中结果为规则命中和规则未命中；将下一个所述风险决策变量对应的数据源输入至所述风险决策树中，直至得到的所述命中结果为规则命中，输出决策结果。

【技术特征摘要】
1.一种业务数据处理方法，所述方法包括：确定业务申请对应的业务主体，获取所述业务主体对应的风险决策树；从所述风险决策树中有序提取风险决策变量，获取每个所述风险决策变量对应的数据源；将排序在首位的所述风险决策变量对应的数据源输入至所述风险决策树中，得到首位决策规则的命中结果，所述命中结果为规则命中和规则未命中；将下一个所述风险决策变量对应的数据源输入至所述风险决策树中，直至得到的所述命中结果为规则命中，输出决策结果。2.根据权利要求1所述的方法，其特征在于，在所述确定业务申请对应的业务主体，获取所述业务主体对应的风险决策树之前，还包括：获取所述业务主体对应的存量数据，所述存量数据包括内部历史数据和外部历史数据；从所述内部历史数据中确定第一风险决策变量，从所述外部历史数据中确定第二风险决策变量；接收规则配置界面提交的变量配置信息，根据所述变量配置信息生成每个风险决策变量对应的决策规则；连接所述决策规则生成风险决策树，其中，所述第一风险决策变量对应的所述决策规则位于所述风险决策树的上游，所述第二风险决策变量对应的所述决策规则位于所述风险决策树的下游。3.根据权利要求2所述的方法，其特征在于，所述从所述风险决策树中有序提取风险决策变量，获取每个所述风险决策变量对应的数据源，包括：从所述风险决策树中有序提取风险决策变量，所述风险决策变量包括所述第一风险决策变量和所述第二风险决策变量；获取所述第一风险决策变量对应的数据源；若所述第一风险决策变量对应的数据源未被所述风险决策树命中，则获取所述第二风险决策变量对应的数据源。4.根据权利要求2所述的方法，其特征在于，所述连接所述决策规则生成风险决策树，包括：获取预先定义的风险决策变量的组合关系；根据所述组合关系组合所述风险决策变量对应的决策规则；有序连接组合后的所述决策规则，生成风险决策树。5.根据权利要求1-4任一项所述的方法，其特征在于，在所述有序连接所述决策规则生成风险决策树之后，还包括：获取所述业务主体对应的正负样本；基于所述风险决策树对所述正负样本进行风险预判，得到风险预判结果；计算...

【专利技术属性】
技术研发人员：吴绍培，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44