基于业务办理数据进行风险分析的方法及系统技术方案

本发明专利技术提出了一种基于业务办理数据进行风险分析的方法及系统，涉及金融数据分析处理技术领域，该方法包括：根据所述多维度数据对业务类别进行聚类分析，将业务类别集合划分为多个业务类别子集合；获取预定区域内各个银行网点的业务办理数据，确定各个银行网点对应的业务类别向量、风险类别向量、主要风险类别；对预定区域内的银行网点进行聚类分析，得到多个银行网点子集合；根据各个银行网点子集合中柜员处理业务时的业务办理数据，确定各个业务类别的业务办理时长，得到各个业务类别的业务办理时长的概率密度函数；银行网点实时获取柜员办理业务时的业务办理数据，根据各个业务类别的业务办理时长的概率密度函数，对业务办理数据进行风险分析。据进行风险分析。据进行风险分析。

【技术实现步骤摘要】
基于业务办理数据进行风险分析的方法及系统


[0001]本专利技术涉及金融数据分析处理
，尤指一种基于业务办理数据进行风险分析的方法及系统。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]随着金融行业的不断发展，各家银行的市场竞争日趋激烈。各家银行都会在网点安排很多从事柜面工作的柜员，由柜员在银行前台业务系统上进行操作来为客户办理各种业务。但是，银行柜员在给客户办理业务时，由于能够操作或者接触到客户的重要信息和数据，往往存在一定的风险。
[0004]对此，亟需一种可以对柜员办理业务进行风险分析的技术方案。

技术实现思路

[0005]为解决现有技术存在的问题，本专利技术提出了一种基于业务办理数据进行风险分析的方法及系统。本专利技术通过数据分析可以发现柜员的异常办理行为，进而在一定程度上减少了风险的发生。
[0006]在本专利技术实施例的第一方面，提出了一种基于业务办理数据进行风险分析的方法，包括：
[0007]获取银行网点的业务类别集合中各个业务类别的多维度数据，根据所述多维度数据对业务类别进行聚类分析，将业务类别集合划分为多个业务类别子集合；
[0008]获取预定区域内各个银行网点的业务办理数据，确定各个银行网点对应的业务类别向量、风险类别向量、主要风险类别；其中，业务类别向量的分量和业务类别子集合一一对应；
[0009]根据各个银行网点对应的业务类别向量、风险类别向量、主要风险类别，对预定区域内的银行网点进行聚类分析，得到多个银行网点子集合；
[0010]根据各个银行网点子集合中柜员处理业务时的业务办理数据，确定各个业务类别的业务办理时长，得到各个业务类别的业务办理时长的概率密度函数；
[0011]银行网点实时获取柜员办理业务时的业务办理数据，根据各个业务类别的业务办理时长的概率密度函数，对业务办理数据进行风险分析，将存在风险的业务办理数据存储到银行网点的区块链节点中，并上传到银行服务器，向柜员发送风险提示信息，接收该柜员的数字签名的反馈信息，将所述反馈信息存储到区块链中。
[0012]在本专利技术实施例的第二方面，提出了一种基于业务办理数据进行风险分析的系统，包括：
[0013]业务类别聚类分析模块，用于获取银行网点的业务类别集合中各个业务类别的多维度数据，根据所述多维度数据对业务类别进行聚类分析，将业务类别集合划分为多个业
务类别子集合；
[0014]业务办理数据分析模块，用于获取预定区域内各个银行网点的业务办理数据，确定各个银行网点对应的业务类别向量、风险类别向量、主要风险类别；其中，业务类别向量的分量和业务类别子集合一一对应；
[0015]银行网点聚类分析模块，用于根据各个银行网点对应的业务类别向量、风险类别向量、主要风险类别，对预定区域内的银行网点进行聚类分析，得到多个银行网点子集合；
[0016]概率密度函数确定模块，用于根据各个银行网点子集合中柜员处理业务时的业务办理数据，确定各个业务类别的业务办理时长，得到各个业务类别的业务办理时长的概率密度函数；
[0017]风险分析模块，用于通过银行网点实时获取柜员办理业务时的业务办理数据，根据各个业务类别的业务办理时长的概率密度函数，对业务办理数据进行风险分析，将存在风险的业务办理数据存储到银行网点的区块链节点中，并上传到银行服务器，向柜员发送风险提示信息，接收该柜员的数字签名的反馈信息，将所述反馈信息存储到区块链中。
[0018]在本专利技术实施例的第三方面，提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现基于业务办理数据进行风险分析的方法。
[0019]在本专利技术实施例的第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现基于业务办理数据进行风险分析的方法。
[0020]在本专利技术实施例的第五方面，提出了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现基于业务办理数据进行风险分析的方法。
[0021]本专利技术提出的基于业务办理数据进行风险分析的方法及系统通过对业务类别进行聚类分析，将业务类别集合划分为多个业务类别子集合，对预定区域内各个银行网点的业务办理数据进行分析，确定各个银行网点对应的业务类别向量、风险类别向量、主要风险类别，并根据各个银行网点对应的业务类别向量、风险类别向量、主要风险类别，对预定区域内的银行网点进行聚类分析，得到多个银行网点子集合，进而根据各个银行网点子集合中柜员处理业务时的业务办理数据，确定各个业务类别的业务办理时长，得到各个业务类别的业务办理时长的概率密度函数；通过银行网点实时获取柜员办理业务时的业务办理数据，根据各个业务类别的业务办理时长的概率密度函数，对业务办理数据进行风险分析，将存在风险的业务办理数据存储到银行网点的区块链节点中，并上传到银行服务器，向柜员发送风险提示信息，接收该柜员的数字签名的反馈信息，将所述反馈信息存储到区块链中，以此来发现柜员的异常办理行为，在一定程度上减少风险的发生，提高银行业务办理时的安全性。
附图说明
[0022]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0023]图1是本专利技术一实施例的基于业务办理数据进行风险分析的方法流程示意图。
[0024]图2是本专利技术另一实施例的基于业务办理数据进行风险分析的方法流程示意图。
[0025]图3是本专利技术一具体实施例的分析业务办理数据的流程示意图。
[0026]图4是本专利技术一具体实施例的对银行网点进行聚类分析的流程示意图。
[0027]图5是本专利技术一具体实施例的确定概率密度函数的流程示意图。
[0028]图6是本专利技术一具体实施例的实时分析业务办理数据的风险的流程示意图。
[0029]图7是本专利技术一具体实施例的每日停止营业后分析业务办理数据的风险的流程示意图。
[0030]图8是本专利技术一实施例的基于业务办理数据进行风险分析的系统架构示意图。
[0031]图9是本专利技术一实施例的计算机设备结构示意图。
具体实施方式
[0032]下面将参考若干示例性实施方式来描述本专利技术的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本专利技术，而并非以任何方式限制本专利技术的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
[0033]本领域技术人员知道，本专利技术的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于业务办理数据进行风险分析的方法，其特征在于，包括：获取银行网点的业务类别集合中各个业务类别的多维度数据，根据所述多维度数据对业务类别进行聚类分析，将业务类别集合划分为多个业务类别子集合；获取预定区域内各个银行网点的业务办理数据，确定各个银行网点对应的业务类别向量、风险类别向量、主要风险类别；其中，业务类别向量的分量和业务类别子集合一一对应；根据各个银行网点对应的业务类别向量、风险类别向量、主要风险类别，对预定区域内的银行网点进行聚类分析，得到多个银行网点子集合；根据各个银行网点子集合中柜员处理业务时的业务办理数据，确定各个业务类别的业务办理时长，得到各个业务类别的业务办理时长的概率密度函数；银行网点实时获取柜员办理业务时的业务办理数据，根据各个业务类别的业务办理时长的概率密度函数，对业务办理数据进行风险分析，将存在风险的业务办理数据存储到银行网点的区块链节点中，并上传到银行服务器，向柜员发送风险提示信息，接收该柜员的数字签名的反馈信息，将所述反馈信息存储到区块链中。2.根据权利要求1所述的方法，其特征在于，还包括：在每日银行网点停止营业后，由银行服务器对当天所有银行网点的所有柜员的业务办理数据进行风险分析，确定各个柜员和各个业务类别的风险，将存在风险的业务办理数据存储到银行服务器的区块链节点中，向柜员发送风险提示信息，接收该柜员的数字签名的反馈信息，将所述反馈信息存储到区块链中。3.根据权利要求1所述的方法，其特征在于，获取预定区域内各个银行网点的业务办理数据，确定各个银行网点对应的业务类别向量、风险类别向量、主要风险类别，包括：对于预定区域内各个银行网点，根据对应的历史业务数据，确定所有业务办理数据中业务归属于各个业务类别子集合的业务办理数据，设置该银行网点的业务类别向量；其中，所述业务类别向量的长度等于业务类别子集合的元素个数，业务类别向量的分量和业务类别子集合一一对应，分量的值等于该银行网点的业务办理数据中业务类别归属于该分量对应的业务类别子集合的业务量；根据各个银行网点的历史业务数据中的风险数据，确定该银行网点的风险类别和该银行网点关于各个风险类别的风险概率，设置该银行网点的风险类别向量；其中，风险类别向量的长度等于银行网点的风险类别的个数，风险类别向量的分量和各个风险类别一一对应，且分量的值设置为该银行网点关于该分量对应的风险类别的风险概率；计算所述风险概率和对应的预设阈值的差值，将差值最大的风险类别作为所述银行网点的主要风险类别。4.根据权利要求3所述的方法，其特征在于，根据各个银行网点对应的业务类别向量、风险类别向量、主要风险类别，对预定区域内的银行网点进行聚类分析，得到多个银行网点子集合，包括：根据业务类别向量的欧式距离，确定业务类别向量对应的距离函数；根据风险类别向量的欧式距离，确定风险类别向量对应的距离函数；根据业务类别向量对应的距离函数及风险类别向量对应的距离函数，确定银行网点对应的距离函数；根据确定的银行网点对应的距离函数，对预定区域内的银行网点进行聚类，获得多个
银行网点子集合。5.根据权利要求1所述的方法，其特征在于，银行网点实时获取柜员办理业务时的业务办理数据，根据各个业务类别的业务办理时长的概率密度函数，对业务办理数据进行风险分析，将存在风险的业务办理数据存储到银行网点的区块链节点中，并上传到银行服务器，向柜员发送风险提示信息，接收该柜员的数字签名的反馈信息，将所述反馈信息存储到区块链中，包括：依据实时获取的柜员办理业务时的业务办理数据，确定柜员办理的业务类别和对应的办理业务时长；所述银行网点将该业务类别和该办理业务时长发送到银行服务器，由所述银行服务器依据该业务类别的业务办理时长的概率密度函数和该办理业务时长，确定该业务办理数据对应的概率；其中，如果概率小于设定阈值，判定为有风险，否则为无风险。6.根据权利要求1所述的方法，其特征在于，根据各个银行网点子集合中柜员处理业务时的业务办理数据，确定各个业务类别的业务办理时长，得到各个业务类别的业务办理时长的概率密度函数，包括：当业务办理数据的数据量大于预设阈值时，确定业务办理数据对应的业务类别的业务办理时长的概率密度函数；对于各个业务类别，根据该业务类别的业务办理时长的概率密度函数，确定该业务类别对应的置信区间；当银行网点处理的业务量大于阈值时，银行服务器将各个业务类别对应的置信区间加密，并下发到该银行网点；银行网点依据实时获取的柜员办理业务时的业务办理数据，确定柜员办理的业务类别和对应的办理业务时长；如果该银行网点存储有该业务类别的置信区间，根据该置信区间确定该柜员的业务办理是否存在风险，如果该办理业务时长不位于该置信区间内，则判定为有风险，否则为无风险；如果该银行网点没有存储该业务类别的置信区间，该银行网点将该业务类别和该办理业务时长发送到银行服务器，由所述银行服务器依据该业务类别的业务办理时长的概率密度函数和该办理业务时长，确定该业务办理数据对应的概率；其中，如果概率小于设定阈值，判定为有风险，否则为无风险。7.根据权利要求2所述的方法，其特征在于，在每日银行网点停止营业后，由银行服务器对当天所有银行网点的所有柜员的业务办理数据进行风险分析，确定各个柜员和各个业务类别的风险，将存在风险的业务办理数据存储到银行服务器的区块链节点中，向柜员发送风险提示信息，接收该柜员的数字签名的反馈信息，将所述反馈信息存储到区块链中，包括：获取柜员办理业务时的业务办理时长，根据业务办理时长及各个业务类别的业务办理时长的概率密度函数，确定该柜员的在办理各个业务类别的业务时所对应的业务办理时长的概率；其中，将办理业务中业务办理时长的概率小于设定阈值的多个业务办理数据上传到区块链，向柜员发送风险提示信息，接收该柜员的数字签名的反馈信息；获取各个业务类别的业务办理数据，筛选出业务办理时长的概率最小的业务办理数
...

【专利技术属性】
技术研发人员：朱江波，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：