本发明专利技术公开了一种催收款案件分配方法和系统，是为了解决因无法将催收订单与催收处理对象进行最优匹配，进而更好的进行业务单的分配，而导致的催收资源浪费、回款效率低下、合规管控不足等问题；基于时间标签的业务单管理能够有效进行逾期前逾期后的分时段处理，设置多轮提醒，提高催收效果；通过训练好的神经网络模型进行案件分流处理，训练好的神经网络模型给出每个超期业务单被不同业务单处理成员成功处理的成功率，能够精准的进行业务订单的分配；基于多个业务单处理成员对业务单的处理的成功率和当前待处理订单的数量以及两个处理成员成功率的差值进行业务单的分配，能够平衡成功率和处理效率，增加了催收订单的整体回款效能。效能。效能。
【技术实现步骤摘要】
一种催收款案件分配方法、系统以及计算机可读存储介质
[0001]本专利技术涉及软件开发和金融业务管理
，具体涉及一种催收款案件分配方法和系统。
技术介绍
[0002]现有的银行、信用卡中心和贷款公司都有针对临近还款期限用户和逾期还款用户进行提醒和催收款的需求，常规方法是根据工作经验或随机的进行催收业务单的分配，此种方法不能有效的对不用的催收业务进行分别管理，分配和识别的效率低，不同催收工作人员对不同的催收情况的成功率是不同的，随机匹配或无法精准匹配会导致催收效率和成功率较低；现有的常规的案件分配方式虽然能基于案件和业务员进行匹配，但是未能考虑业务员的工作类型，也未能考虑业务员的工作量与工作效率，从而整体上造成催收效率和成功率的低下。
[0003]如何提高业务单的分配效率和业务单处理的成功率，是需要关注的问题。
技术实现思路
[0004]为了解决上述催收服务过程中遇到的效率低下的问题，现提出一种催收款案件分配方法和系统。能够通过训练好的神经网络模型对待催收的业务单进行处理，得到最佳处理对象，从而对不同类型催收业务单分配不同公司催收员，有效提高催收业务的效率和成功率。
[0005]一种催收款案件分配方法，所述方法包括如下步骤：S1：通过催收款案件数据库汇总多家催收代理公司分别从不同客户类型处接受的多个待催收案件，形成对应业务单，所述业务单为可能预期案件，对业务单进行统一数据清洗编码，并进行时间打标；S2：对已进行时间打标的业务单，在初步管理平台中进行时间标签监控，并对临近截止还款日期不同时间阈值业务单对应客户进行相应类型还款提醒；对超期业务单，修改对应时间标签，并将相关业务单发送给案件流转分配平台；S3：案件流转分配平台接收超期业务单，并基于训练好的神经网络模型进行案件分流处理，训练好的神经网络模型给出每个超期业务单被不同业务单处理成员成功处理的成功率，并将超期业务单分派给排名第一业务单处理成员；S4：接收超期业务单的业务单处理成员进行相应催收业务处理，并将处理过程数据上传催收款案件数据库。
[0006]其中步骤S2中对临近截止还款日期不同时间阈值业务单对应客户进行相应类型还款提醒，包括：对临近截止还款日期第一时间阈值业务单对应客户进行第一类型还款提醒；对临近截止还款日期第二时间阈值业务单对应客户进行第二类型还款提醒；其中，第一时间阈值大于第二时间阈值；还款提醒类型包括：短信、邮件、电话和智能语音。
[0007]其中时间打标用于标记催收业务单与还款日的时间关系，时间打标可包含：临近还款日、还款日当天、超期。
[0008]其中客户类型包括：银行、信用卡中心和贷款公司。
[0009]基于训练好的神经网络模型进行案件分流处理，具体包括：在催收款案件数据库中收集不同业务单处理成员历史超期业务单处理数据构成正负样本作为神经网络输入，神经网络输出为每个业务单处理成员成功率；并利用验证样本进行神经网络验证得到训练好的神经网络模型；然后基于训练好的神经网络模型进行超期业务单的预测分析，得出当前超期案件每个业务单处理成员的成功率，将超期业务单分派给排名第一业务单处理成员；样本数据包含案件数据、最近催收情况、历史逾期情况。
[0010]其中，案件数据包括：年龄、性别、学历、工作、家庭情况、收入情况、逾期金额、逾期阶段；最近催收情况包括：最近催收状态、最近承诺还款、最近还款数据、最近催回率；历史逾期情况包括：首次逾期、历史逾期次数、历史逾期天数、历史催收措施、催收次数。
[0011]进一步包括，监测各业务单处理成员待处理业务单数量，当成功率排名第一业务单处理成员待处理数量超过第一阈值并且排名第二业务单处理成员待处理数量未超过第一阈值时，比较排名第一和第二业务单处理成员当前业务单处理成功率差值，当差值小于第二阈值，将超期业务单发送给第二业务单处理成员处理，当差值大于等于第二阈值，将超期业务单发送给第一业务单处理成员处理。
[0012]其中不同业务单处理成员包括：委托机构、下属分公司/小组、独立催收员；业务单处理成员催收方式包括：短信、邮箱、电话、上门、诉讼。
[0013]一种催收款案件分配系统，所述系统包括：催收款案件数据库、初步管理平台和案件流传分配平台；其中所述催收款案件数据库汇总多家催收代理公司分别从不同客户类型处接受的多个待催收案件，形成对应业务单，所述业务单为可能预期案件，对业务单进行统一数据清洗编码，并进行时间打标；所述初步管理平台，对已进行时间打标的业务单，在初步管理平台中进行时间标签监控，并对临近截止还款日期不同时间阈值业务单对应客户进行相应类型还款提醒；对超期业务单，修改对应时间标签，并将相关业务单发送给案件流转分配平台；所述案件流转分配平台接收超期业务单，并基于训练好的神经网络模型进行案件分流处理，训练好的神经网络模型给出每个超期业务单被不同业务单处理成员成功处理的成功率，并将超期业务单分派给排名第一业务单处理成员；各业务单处理平台接收超期业单进行相应催收业务处理，并将处理过程数据上传催收款案件数据库。
[0014]初步管理平台对临近截止还款日期不同时间阈值业务单对应客户进行相应类型还款提醒，包括：对临近截止还款日期第一时间阈值业务单对应客户进行第一类型还款提醒；对临近截止还款日期第二时间阈值业务单对应客户进行第二类型还款提醒；其中，第一时间阈值大于第二时间阈值；还款提醒类型包括：短信、邮件、电话和智能语音。
[0015]时间打标用于标记催收业务单与还款日的时间关系，时间打标可包含：临近还款日、还款日当天、超期。
[0016]其中，客户类型包括：银行、信用卡中心和贷款公司。
[0017]案件流转分配平台，基于训练好的神经网络模型进行案件分流处理，具体包括：在催收款案件数据库中收集不同业务单处理成员历史超期业务单处理数据构成正负样本作为神经网络输入，神经网络输出为每个业务单处理成员成功率；并利用验证样本进行神经网络验证得到训练好的神经网络模型；然后基于训练好的神经网络模型进行超期业务单的预测分析，得出当前超期案件每个业务单处理成员的成功率，将超期业务单分派给排名第一业务单处理成员；样本数据包含案件数据、最近催收情况、历史逾期情况。
[0018]其中，案件数据包括：年龄、性别、学历、工作、家庭情况、收入情况、逾期金额、逾期阶段；最近催收情况包括：最近催收状态、最近承诺还款、最近还款数据、最近催回率；历史逾期情况包括：首次逾期、历史逾期次数、历史逾期天数、历史催收措施、催收次数。
[0019]案件流传分配平台，进一步包括，监测各业务单处理成员待处理业务单数量，当成功率排名第一业务单处理成员待处理数量超过第一阈值并且排名第二业务单处理成员待处理数量未超过第一阈值时，比较排名第一和第二业务单处理成员当前业务单处理成功率差值，当差值小于第二阈值，将超期业务单发送给第二业务单处理成员处理，当差值大于等于第二阈值，将超期业务单发送给第一业务单处理成员处理。
[0020]其中不同业务单处理成员包括：委托机构、下属分公司/小本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种催收款案件分配方法，所述方法包括如下步骤：S1：通过催收款案件数据库汇总多家催收代理公司分别从不同客户类型处接受的多个待催收案件，形成对应业务单，所述业务单为可能逾期案件，对业务单进行统一数据清洗编码，并进行时间打标；S2：对已进行时间打标的业务单，在初步管理平台中进行时间标签监控，并对临近截止还款日期不同时间阈值业务单对应客户进行相应类型还款提醒；对超期业务单，修改对应时间标签，并将相关业务单发送给案件流转分配平台；S3：案件流转分配平台接收超期业务单，并基于训练好的神经网络模型进行案件分流处理，训练好的神经网络模型给出每个超期业务单被不同业务单处理成员成功处理的成功率，并将超期业务单分派给排名第一业务单处理成员；S4：接收超期业务单的业务单处理成员进行相应催收业务处理，并将处理过程数据上传催收款案件数据库。2.如权利要求1所述的方法，所述步骤S2中对临近截止还款日期不同时间阈值业务单对应客户进行相应类型还款提醒，包括：对临近截止还款日期第一时间阈值业务单对应客户进行第一类型还款提醒；对临近截止还款日期第二时间阈值业务单对应客户进行第二类型还款提醒；其中，第一时间阈值大于第二时间阈值；还款提醒类型包括：短信、邮件、电话和智能语音。3.如权利要求1所述的方法，所述时间打标用于标记催收业务单与还款日的时间关系，时间打标可包含：临近还款日、还款日当天、超期。4.如权利要求1所述的方法，其中，所述客户类型包括：银行、信用卡中心和贷款公司。5.如权利要求1所述的方法，所述步骤S3中，基于训练好的神经网络模型进行案件分流处理，具体包括：在催收款案件数据库中收集不同业务单处理成员历史超期业务单处理数据构成正负样本作为神经网络输入，神经网络输出...
【专利技术属性】
技术研发人员：马荣，
申请(专利权)人：杭州度言软件有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。