一种金融大数据管理系统及方法技术方案

本发明专利技术公开了一种金融大数据管理系统及方法，涉及金融数据管理技术领域，包括步骤S100：通过向各用户申请授权的行为对各用户在各线上渠道产生的金融交易记录进行采集存储；步骤S200：对各第一类特征用户进行第一用户画像标签值的计算；对各第二类特征用户进行第一用户画像标签值的计算；步骤S300：分别对第一特征用户集和第二特征用户集内各特征用户，进行金融交易结构比值分析；步骤S400：分别对第一特征用户集和第二特征用户集内各特征用户捕捉当金融交易结构比值浮动变化最小时对应的单位采集周期；步骤S500：分别获取各特征用户在各最终单位采集周期下呈现的金融交易结构比值，得到第二用户画像标签值。得到第二用户画像标签值。得到第二用户画像标签值。

【技术实现步骤摘要】
一种金融大数据管理系统及方法


[0001]本专利技术涉及金融数据管理
，具体为一种金融大数据管理系统及方法。

技术介绍

[0002]金融大数据的涵盖范围及其广泛，对于个人而言，每个人在金融诉求上的习惯是不一样的，金融公司所提供的产品服务需要不断迭代，以迎合或者满足客户的需求；因此用户金融画像的生成是必不可少的，且，若个人对自己的金融画像存在认知，有利于个人对自己的金融诉求进行科学把握；金融企业借助于用户的金融画像，可以了解客户、改进产品迎合客户习惯。

技术实现思路

[0003]本专利技术的目的在于提供一种金融大数据管理系统及方法，以解决上述
技术介绍
中提出的问题。
[0004]为了解决上述技术问题，本专利技术提供如下技术方案：一种金融大数据管理方法，管理方法包括：步骤S100：用户在管理系统的用户登陆页面内，通过填写个人身份信息，完成身份认证后获得个人账号；通过向各用户申请授权的行为，管理系统对各用户在各线上渠道产生的金融交易记录进行采集存储；步骤S200：设置初始单位采集周期 ，分别对各用户在采集周期内产生的金融交易记录进行信息梳理，基于各用户在采集周期内的金融交易记录采集情况，对用户进行类别划分，得到第一特征用户集、第二特征用户集；基于第一特征用户集内各第一类特征用户在采集周期内产生的金融交易记录信息，对各第一类特征用户进行第一用户画像标签值的计算；基于第二特征用户集内各第二类特征用户在采集周期内的金融交易采集情况，对采集周期进行调整，得到调整后的采集周期，对各第二类特征用户进行第一用户画像标签值的计算；步骤S300：分别对第一特征用户集和第二特征用户集内各特征用户进行金融交易结构比值分析；金融交易结构比值是指由用户在不同类别金融交易产品上，产生的不同对应金融交易数额之间所构成的比值；步骤S400：分别对第一特征用户集和第二特征用户集内各特征用户，分别进行单位采集周期的动态范围调整，捕捉当金融交易结构比值浮动变化最小时对应的单位采集周期，将单位采集周期作为各特征用户的最终单位采集周期；步骤S500：分别获取各特征用户在各最终单位采集周期下呈现的金融交易结构比值；将各特征用户在各最终单位采集周期下呈现的金融交易结构比值作为各特征用户在各最终单位采集周期中呈现的第二用户画像标签值。
[0005]进一步的，步骤S100包括：
步骤S101：设置采集周期，分别采集各用户在采集周期内产生的所有金融交易记录，分别对各用户累计在采集周期内产生的金融交易记录总条数，设置记录条阈值；步骤S102：若累计某用户在采集周期内产生的金融交易记录总条数大于或等于记录条阈值，将某用户划为第一类特征用户，汇集所有第一类特征用户得到第一特征用户集；分别对各第一类特征用户计算第一用户画像标签值；其中，表示各第一类特征用户在采集周期内实际产生的金融交易记录总条数；表示各第一类特征用户在中累计的金融交易数额；步骤S103：若累计某用户在采集周期内产生的金融交易记录总条数小于记录条阈值，将某用户划为第二类特征用户，汇集所有第二类特征用户，得到第二特征用户集；在第二特征用户集中，以记录条阈值为筛选条件，分别捕捉当各第二类特征用户的金融交易记录总条数大于或等于记录条阈值时，各第二类特征用户对应的最短采集时间周期；在所有第二类特征用户对应的最短采集时间周期中，筛选出最小值；步骤S104：分别对各第二类特征用户累计在最小值内产生的金融交易记录总条数；分别对各第二类特征用户计算第一用户画像标签值；其中，表示各第二类特征用户在中累计的金融交易数额；上述对各特征用户计算的第一用户画像值，反映的是用户在金融诉求上的频繁程度；对于诉求不频繁的用户，通过改变数据采集周期，使得采集到的金融交易记录在采集周期内具备个人金融诉求特征。
[0006]进一步的，步骤S200包括：步骤S201：将采集周期作为对第一类特征用户集内各第一类特征用户进行金融交易记录采集的初始单位采集周期；将最小值作为对第二类特征用户集内各第二类特征用户进行金融交易记录采集的初始单位采集周期；步骤S202：分别对各第一类特征用户，每间隔初始单位采集周期，循环进行次数据采集，分别对各第二类特征用户，每间隔初始单位采集周期，循环进行次数据采集，每一次单位周期采集对应得到一个金融交易记录集合；步骤S203：分别对每个特征用户，在每一个金融交易记录集合中所涉及的金融交
易产品类别进行提取，并对各类别金融交易产品所对应的总金融数额进行汇总，得到对应每一个金融交易记录集合的金融交易结构比值：；其中，分别表示第1、2、、h种不同类别的金融交易产品；、、、分别表示特征用户对应在种类金融交易产品上的金融数额占比值。
[0007]进一步的，步骤S300包括：步骤S301：对第一特征用户集内各第一类特征用户，设置单位采集周期的单位浮动值，各第一类特征用户的单位采集周期的浮动区间T1为：；分别对各第一类特征用户逐个采用浮动区间T1内各单位采集周期进行次数据循环采集，分别得到对应每一种单位采集周期的个金融交易结构比值；步骤S302：对第二特征用户集内各第二类特征用户，设置单位采集周期的单位浮动值，各第二类特征用户的单位采集周期的浮动区间T2为：；分别对各第二类特征用户逐个采用浮动区间T2内各单位采集周期进行次数据循环采集，分别得到对应每一种单位采集周期的个金融交易结构比值；步骤S303：分别对各特征用户，在每两个相邻单位采集周期对应的金融交易结构比值之间进行结构偏差比对，得到每两个相邻金融交易结构比值之间的结构偏差集合；结构偏差集合内各结构偏差，为两个金融交易结构比值之间在偏差种类项上呈现的金融数额占比值偏差，或者两个金融交易结构比值之间在相同种类项上呈现的金融数额占比值偏差；各第一类特征用户采用每一种单位采集周期对应得到个结构偏差集合；各第二类特征用户采用每一种单位采集周期得到个结构偏差集合；上述，对各特征用户进行采集周期的动态调整，是为了考虑不同用户的金融交易习惯是不同的，金融交易存在的惯性周期也是不同的，对不同用户进行最佳匹配的采集周期分析，有利于最终得到的用户画像更加的精准。
[0008]进一步的，步骤S300包括：步骤S311：分别将各第一类特征用户，在每一种单位采集周期下对应得到的个结构偏差集合，按照比对次序进行排列，得到由各第一类特征用户个结构偏差集合构成的结构偏差集合序列： 其中，分别对应表示在相邻第1、2个；第2、3个；第、个金融交易结构比值之间存在的第1、2、、个结构偏差集合；步骤S312：分别各第二类特征用户，在每一种单位采集周期下对应得到的个结构偏差集合，按照次序进行排列，得到由各第二类特征用户个结构偏差集合构成的结构
偏差集合序列： 其中，分别对应表示在相邻第1、2个；第2、3个；第、个金融交易结构比值之间存在的第1、2、、个结构偏差集合；进一步的，步骤S400包括：步骤S401：分别对每一特征用户在每一种单位采集周期下得到的结构偏差集合序列进行信息排查；选取在所有结构偏差集合序列中，各结构偏差集合之间的平均偏差值最小的结构偏差集合序列作为目标序列；平均偏差值包括平均本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种金融大数据管理方法，其特征在于，所述管理方法包括：步骤S100：用户在管理系统的用户登陆页面内，通过填写个人身份信息，完成身份认证后获得个人账号；通过向各用户申请授权的行为，所述管理系统对各用户在各线上渠道产生的金融交易记录进行采集存储；步骤S200：设置初始单位采集周期 ，分别对各用户在采集周期内产生的金融交易记录进行信息梳理，基于各用户在所述采集周期内的金融交易记录采集情况，对用户进行类别划分，得到第一特征用户集、第二特征用户集；基于第一特征用户集内各第一类特征用户在采集周期内产生的金融交易记录信息，对所述各第一类特征用户进行第一用户画像标签值的计算；基于第二特征用户集内各第二类特征用户在采集周期内的金融交易采集情况，对所述采集周期进行调整，得到调整后的采集周期，对所述各第二类特征用户进行第一用户画像标签值的计算；步骤S300：分别对第一特征用户集和第二特征用户集内各特征用户进行金融交易结构比值分析；所述金融交易结构比值是指由用户在不同类别金融交易产品上，产生的不同对应金融交易数额之间所构成的比值；步骤S400：分别对第一特征用户集和第二特征用户集内各特征用户，分别进行单位采集周期的动态范围调整，捕捉当金融交易结构比值浮动变化最小时对应的单位采集周期，将所述单位采集周期作为各特征用户的最终单位采集周期；步骤S500：分别获取各特征用户在各最终单位采集周期下呈现的金融交易结构比值；将各特征用户在各最终单位采集周期下呈现的金融交易结构比值作为各特征用户在各最终单位采集周期中呈现的第二用户画像标签值。2.根据权利要求1所述的一种金融大数据管理方法，其特征在于，所述步骤S100包括：步骤S101：设置采集周期 ，分别采集各用户在所述采集周期内产生的所有金融交易记录，分别对各用户累计在所述采集周期内产生的金融交易记录总条数，设置记录条阈值；步骤S102：若累计某用户在所述采集周期内产生的金融交易记录总条数大于或等于所述记录条阈值，将所述某用户划为第一类特征用户，汇集所有第一类特征用户得到第一特征用户集；分别对各所述第一类特征用户计算第一用户画像标签值；其中，表示各所述第一类特征用户在采集周期内实际产生的金融交易记录总条数；表示各所述第一类特征用户在中累计的金融交易数额；步骤S103：若累计某用户在所述采集周期内产生的金融交易记录总条数小于所述记录条阈值，将所述某用户划为第二类特征用户，汇集所有第二类特征用户，得到第二特
征用户集；在所述第二特征用户集中，以所述记录条阈值为筛选条件，分别捕捉当各所述第二类特征用户的金融交易记录总条数大于或等于所述记录条阈值时，各所述第二类特征用户对应的最短采集时间周期；在所有第二类特征用户对应的最短采集时间周期中，筛选出最小值；步骤S104：分别对各第二类特征用户累计在最小值内产生的金融交易记录总条数；分别对所述各第二类特征用户计算第一用户画像标签值；其中，表示所述各第二类特征用户在中累计的金融交易数额。3.根据权利要求2所述的一种金融大数据管理方法，其特征在于，所述步骤S200包括：步骤S201：将采集周期作为对第一类特征用户集内各第一类特征用户进行金融交易记录采集的初始单位采集周期；将最小值作为对第二类特征用户集内各第二类特征用户进行金融交易记录采集的初始单位采集周期；步骤S202：分别对各第一类特征用户，每间隔初始单位采集周期，循环进行次数据采集，分别对各第二类特征用户，每间隔初始单位采集周期，循环进行次数据采集，每一次单位周期采集对应得到一个金融交易记录集合；步骤S203：分别对每个特征用户，在每一个金融交易记录集合中所涉及的金融交易产品类别进行提取，并对各类别金融交易产品所对应的总金融数额进行汇总，得到对应每一个金融交易记录集合的金融交易结构比值：；其中，分别表示第1、2、、h种不同类别的金融交易产品；、、、分别表示特征用户对应在种类金融交易产品上的金融数额占比值。4.根据权利要求3所述的一种金融大数据管理方法，其特征在于，所述步骤S300包括：步骤S301：对第一特征用户集内各第一类特征用户，设置单位采集周期的单位浮动值，各所述第一特征用户的单位采集周期的浮动区间T1为：；分别对各第一类特征用户逐个采用...

【专利技术属性】
技术研发人员：周维，石金龙，王龙培，
申请(专利权)人：深圳前海橙色魔方信息技术有限公司，
类型：发明
国别省市：