一种基于AI模型的多源数据规整与征信报告生成方法及系统与流程

本发明涉及数据处理，尤其涉及一种基于ai模型的多源数据规整与征信报告生成方法及系统。

背景技术：

1、在供应链金融业务中，金融机构为供应链上下游的企业提供融资服务，是支持实体经济发展的重要手段。在贷款发放后，金融机构需要对融资企业的经营状况进行持续的贷后管理，以监控和防范信用风险。

2、目前，贷后管理中常见的征信数据更新方式是周期性的。例如，金融机构会按照固定的周期重新采集融资企业的财务数据、交易流水、公开征信记录等，然后由风控模型或人工进行全面分析，生成一份综合性的征信报告。这种方式在企业经营状态相对稳定的情况下能够起到一定的监控作用。

3、然而，供应链业务具有高度的动态性和关联性。例如，作为核心企业的下游供应商，其经营状况与核心企业的订单密切相关。当核心企业因市场变化调整生产计划，突然取消了对某供应商的一批采购订单时，这一“订单取消”事件会直接影响该供应商未来的销售收入、对应的应收账款以及相关的合同履约状态。

4、现有技术在此类场景下存在明显不足。首先，征信报告的更新是基于固定周期的，而非由关键业务事件触发，导致风险监控滞后，当订单取消事件发生时，系统无法立即响应，必须等到下一个报告周期才能发现数据变化；其次，多源数据之间缺少业务层面的关联，订单数据、合同数据、资金结算数据通常存储在不同的异构系统中，当一个订单发生变化时，难以自动、快速地定位到其关联的合同、履约记录和应收账款，导致数据整理工作效率低下且容易遗漏；最后，生成的征信报告通常是全面但缺乏针对性的，无法清晰地揭示“某一特定业务变化事件导致了哪些信用相关数据的具体变动”，给风险分析人员带来了额外的解读负担。

技术实现思路

1、为此，本发明提供一种基于ai模型的多源数据规整与征信报告生成方法及系统，用以通过识别业务变化事件并基于事件影响路径以对多源征信数据进行事件维度规整，克服现有技术中由于固定周期更新数据且多源异构数据分散关联性弱导致的风险识别滞后以及征信报告缺乏针对性的问题。

2、为实现上述目的，本发明提供一种基于ai模型的多源数据规整与征信报告生成方法，包括：

3、获取目标企业在多个异构业务数据源中的业务状态数据，形成多源业务数据集合，其中，业务状态数据至少包括订单状态数据、合同执行数据、履约状态数据以及资金结算状态数据；

4、提取所述多源业务数据集合中反映业务状态变化的时间序列数据，并输入至预设业务事件识别模型，以识别目标企业对应的业务变化事件；

5、基于所述业务变化事件中的事件实体标识，根据预设供应链业务关系图谱，按照与业务变化事件对应的业务关联关系进行路径追踪，确定事件影响路径，并根据事件影响路径确定与业务变化事件对应的关联业务对象；

6、根据所述业务变化事件的事件类型、所述事件影响路径以及所述关联业务对象，从所述多源业务数据集合中确定对应的征信数据调用范围，并提取征信数据调用范围内的业务数据，得到事件关联征信数据；

7、对所述事件关联征信数据进行事件维度规整，得到事件规整征信数据包，其中，事件维度规整包括根据所述业务变化事件的发生时间对关联数据进行时间排列，以及根据所述关联业务对象对来源于不同数据源的主体进行统一映射；

8、根据所述事件规整征信数据包生成呈现业务变化事件影响的动态征信报告。

9、进一步地，所述预设业务事件识别模型为基于时间序列的机器学习模型，所述模型通过对包括订单数量、订单金额、交付数量以及回款金额中至少一种的历史业务状态序列进行训练而获得，并用于根据输入的目标企业的业务状态时间序列输出业务变化事件的事件类型、事件发生时间以及事件实体标识。

10、进一步地，所述业务变化事件包括：订单取消事件、订单减少事件、履约异常事件或回款异常事件。

11、进一步地，所述预设供应链业务关系图谱包括企业节点、订单节点、合同节点、产品节点、履约节点以及资金节点，不同节点之间通过企业关联关系、订单合同关系、合同履约关系以及履约结算关系建立连接。

12、进一步地，所述确定事件影响路径的过程包括：以所述业务变化事件中的事件实体标识对应的业务对象作为起始节点，在所述预设供应链业务关系图谱中，按照与所述业务变化事件对应的业务关联关系，对所述订单节点、所述合同节点、所述履约节点以及所述资金节点进行路径追踪。

13、进一步地，所述确定并提取对应的征信数据调用范围的过程包括：当所述业务变化事件为订单取消事件时，调用与所述订单关联的未执行订单数据、合同剩余金额数据以及未结算账款数据，当所述业务变化事件为履约异常事件时，调用与所述订单关联的历史交付记录以及合同履约状态数据，当所述业务变化事件为回款异常事件时，调用与所述回款异常事件关联的应收账款明细、历史回款流水以及合同约定付款期限数据。

14、进一步地，所述事件维度规整包括：以所述业务变化事件的发生时间作为时间基准，对所述事件关联征信数据进行时间排列，以形成事件发生前的数据序列和事件发生后的数据序列，以及，根据所述关联业务对象对应的企业统一编码或主体映射关系，将来源于不同数据源的相同企业主体统一映射为同一业务主体。

15、进一步地，所述动态征信报告包括：所述业务变化事件的类型和发生时间、受影响的业务范围描述以及关键数据的变化对比分析。

16、进一步地，所述动态征信报告进一步包括事件影响拓扑图，其中，事件影响拓扑图通过可视化方式呈现由所述业务变化事件触发的、在所述订单节点、所述合同节点、所述履约节点以及所述资金节点之间传导的事件影响链。

17、另一方面，本发明提供一种基于ai模型的多源数据规整与征信报告生成系统包括：

18、数据采集模块，其用以获取目标企业在多个异构业务数据源中的业务状态数据，形成多源业务数据集合，其中，业务状态数据至少包括订单状态数据、合同执行数据、履约状态数据以及资金结算状态数据；

19、事件识别模块，其用以提取所述多源业务数据集合中反映业务状态变化的时间序列数据，并输入至预设业务事件识别模型，以识别目标企业对应的业务变化事件；

20、路径生成模块，其用以基于所述业务变化事件中的事件实体标识，根据预设供应链业务关系图谱，按照与业务变化事件对应的业务关联关系进行路径追踪，确定事件影响路径，并根据事件影响路径确定与业务变化事件对应的关联业务对象；

21、范围确定模块，其用以根据所述业务变化事件的事件类型、所述事件影响路径以及所述关联业务对象，从所述多源业务数据集合中确定对应的征信数据调用范围，并提取征信数据调用范围内的业务数据，得到事件关联征信数据；

22、数据规整模块，其用以对所述事件关联征信数据进行事件维度规整，得到事件规整征信数据包，其中，事件维度规整包括根据所述业务变化事件的发生时间对关联数据进行时间排列，以及根据所述关联业务对象对来源于不同数据源的主体进行统一映射；

23、报告生成模块，其用以根据所述事件规整征信数据包生成呈现业务变化事件影响的动态征信报告。

24、与现有技术相比，本发明的有益效果在于，本发明针对供应链业务状态动态波动且数据分散孤立的特性，通过集中采集多源异构业务状态数据以构建数据基础，进而利用预设业务事件识别模型从时间序列数据中精准捕捉状态变迁事件，实现了从被动全量处理到主动事件触发的机制转换，进而为明确孤立事件在复杂业务网络中的影响范围，以事件实体标识在预设供应链业务关系图谱中进行路径追踪，将孤立事件扩展为受影响的业务对象网络；随后根据事件类型和关联对象动态提取强相关征信数据，避免了无关数据的冗余处理；进一步地，围绕事件发生时间对多源异构数据进行时间排列和主体统一映射的规整处理，确保数据在时间轴和主体维度上的一致性与可用性；最终基于规整数据包生成聚焦事件影响的动态征信报告，由此，实现事件驱动的按需数据规整与报告生成，有效克服了传统周期性模式响应滞后以及数据关联性弱导致报告缺乏针对性的技术问题，为供应链金融贷后风险管理提供了时效性与针对性兼备的决策支持。