[发明专利]数据分析方法、装置、计算机设备及存储介质

说明书

本发明公开了数据分析方法、装置、计算机设备及存储介质，属于金融领域。本发明提供的确定反欺诈变量的方法、装置、计算机设备及存储介质，基于标记的交易事件(即：发生真实欺诈行为的交易事件)对规则变量进行筛选，筛选出与真实欺诈的交易事件相关度高的规则变量；再将规则变量数组配置于案件规则中进行匹配，从而获取对于审批交易事件过程中识别真实欺诈的事件覆盖率高的规则变量的目标阈值，实现提高信用卡欺诈事件审批精准度和覆盖率的目的，降低信用卡欺诈事件。

技术领域

本发明涉及金融领域，尤其涉及数据分析方法、装置、计算机设备及存储介质。

背景技术

由于使用信用卡消费便捷的特点以及消费环境的改善，越来越多的地方支持信用卡支付，信用卡得到广泛普及，随之而来的是信用卡欺诈事件不断发生。信用卡欺诈事件中发生的主要原因，通常是由于银行客户端对客户申请信用卡的交易审批精准度出现问题(审批精准度低)。目前银行客户端主要利用反交易欺诈的业务策略规则引擎对信用卡的交易数据进行审批，通常采用反交易欺诈的业务策略规则引擎实现，而业务策略规则引擎规则是由众多的信用卡交易数据的构造变量来进行配置完成。然而由于，信用卡交易场景丰富，变量繁杂，业务策略规则引擎在审批过程无法滤除干扰数据因此导致交易数据的审批精度差，因此无法有效的避免信用卡的交易审批精度低，致使信用卡欺诈事件不断的发生。

发明内容

针对现有的信用卡审批精度差的问题，现提供一种可降低信用卡欺诈事件，可提高审批分析审批信用卡欺诈事件的精准度和覆盖率的数据分析方法、装置、计算机设备及存储介质。

为实现上述目的，本发明提供一种数据分析方法，提供第一存储单元用于存储规则变量，所述规则变量配置于案件规则中，根据所述案件规则进行交易事件的欺诈预测，还提供第二存储单元用于存储预设交易事件数据，所述预设交易事件包括标记的交易事件，每一所述交易事件数据对应一组规则变量；

所述方法包括下述步骤：

S1.基于所述第二存储单元中存储的所述标记的交易事件对所述第一存储单元中的所述规则变量进行筛选，获取与欺诈案件对应的规则变量数组；

S2.将所述规则变量数组配置于所述案件规则中，对所述交易事件数据进行欺诈预测分析，获取每一规则变量的目标阈值；

S3.基于所述规则变量的目标阈值配置评分模型，通过所述评分模型对待分析交易事件进行分析判断该事件是否为欺诈事件，并输出分析结果；

S4.获取待分析交易事件数据，采用所述评分模型对所述待分析交易事件数据进行筛选预处理判断所述待分析交易事件数据是否异常；

S5.当所述待分析交易事件数据为异常数据时，通过所述案件规则对所述待分析数据进行分析生成分析结果。

优选的，所述预设交易事件为经所述案件规则进行欺诈预测的交易事件，所述标记的交易事件为真实欺诈的交易事件。

优选的，所述预设交易事件为在进行货币交易时生成的交易信息，所述交易信息包括：交易金额、交易地址、交易持续时间、交易状态、支付方账户信息和收款方账户信息。

优选的，所述步骤S1基于所述标记的交易事件对所述规则变量进行筛选，获取与欺诈案件对应的规则变量数组，包括：

根据每一规则变量与对应的交易事件的相关度对所述规则变量进行相关度评分，将所有的所述标记的交易事件中对应的规则变量进行聚合，依据每一所述规则变量的相关度评分由大到小进行排序，将相关度评分大于预设阈值的规则变量构成的集合作为规则变量数组。

优选的，采用归一算法获取与所述标记的交易事件关联的规则变量数组。

优选的，所述步骤S2将所述规则变量数组配置于所述案件规则中，对所述交易事件数据进行欺诈预测分析，获取每一规则变量的目标阈值，包括：