[发明专利]企业评分模型构建方法、企业评分方法和装置

说明书

本发明提供了一种企业评分模型构建方法、企业评分方法和装置，该企业评分模型构建方法可包括：获取同类企业的画像数据以及经营数据，对画像数据和经营数据进行降维处理，从降维的结果中，选择入模指标；对入模指标进行分类，构建类指标；针对类指标，执行：根据类指标包含的入模指标之间的重要关系，确定判断矩阵；对判断矩阵进行归一化处理，确定判断矩阵对应的判断矩阵权重数据集；利用方差法，计算类指标对应的方差权重数据集；根据判断矩阵权重数据集和方差权重数据集，计算入模指标权重。本发明提供的方案大大减少了人为干扰或者主观因素影响，从而有效地提高评分准确性。

技术领域

本发明涉及大数据分析技术领域，特别涉及一种企业评分模型构建方法、企业评分方法和装置。

背景技术

企业是金融机构如银行非常重要的前端获客渠道，利用大数据技术对企业进行综合评分，可以帮助金融机构挑选出优秀的企业，同时也可以帮助金融机构在对企业信贷过程中建立优质的风控体系。

目前，对企业进行综合评分的方式主要是，采集企业的几个指标，为这些指标人为地分配相应的权重和得分规则，按照人为分配的权重和得分规则计算企业分数。现有的这种综合评分的方式，由于人为干扰或者主观因素影响，往往造成评分准确性较低。

发明内容

本发明实施例提供了一种企业评分模型构建方法、企业评分方法和装置，大大减少了人为干扰或者主观因素影响，从而有效地提高评分准确性。

一种企业评分模型构建方法，获取同类企业的画像数据以及经营数据，还包括：

对所述画像数据和所述经营数据进行降维处理，从降维的结果中，选择至少两个入模指标；

对所述至少两个入模指标进行分类，构建至少一个类指标；

针对每一个类指标，执行：

根据所述类指标包含的所述入模指标之间的重要关系，确定判断矩阵；

对所述判断矩阵进行归一化处理，确定所述判断矩阵对应的判断矩阵权重数据集，所述判断矩阵权重数据集，包括：所述类指标包含的各个入模指标对应的判断矩阵权重；

利用方差法，计算所述类指标对应的方差权重数据集，所述类指标对应的方差权重数据集，包括：所述类指标包含的各个入模指标对应的方差权重；

根据所述判断矩阵权重数据集和所述方差权重数据集，计算所述入模指标权重。

优选地，上述企业评分模型构建方法，进一步包括：绘制层次结构图，其中，所述层次结构图包括：总目标层、子目标层和方案层；

所述对所述至少两个入模指标进行分类，构建至少一个类指标，包括：

接收外部定义的总目标层和子目标层；

按照所述入模指标与所述子目标层的相关性，将所述至少两个入模指标填充到所述方案层；

确定定义的所述子目标层为所述类指标。

优选地，上述企业评分模型构建方法，进一步包括：

采用幂函数映射，预处理所述画像数据和所述经营数据；

采用线性映射函数，将预处理后的所述画像数据和预处理后的所述经营数据中分布平稳的数据段映射在0～100之间，确定所述分布平稳的数据段的分数；

采用sigmoid映射函数，将预处理后的所述画像数据和预处理后的所述经营数据中存在波峰的数据段映射在0～100之间，确定所述存在波峰的数据段的分数；

所述利用方差法，计算所述类指标对应的方差权重数据集，包括：