风险评估方法和装置与流程

1.本公开涉及数据处理技术领域，具体涉及一种风险评估方法和装置。


背景技术：

2.相对于大企业而言，较小规模的企业(比如营业收入小于1000万，企业人数小于50人的小微企业)的企业注册资本低、公开信息少且抵押物少，金融机构不经过实地走访很难获得其经营行为数据，也就很难精准评估其信用状况，从而增加了金融机构的放贷风险，造成金融机构不愿放贷给这些企业的现状。因此，较小规模的企业存在信用贷款难的问题。


技术实现要素：

3.有鉴于此，本公开提供一种风险评估方法和装置，以提高较小规模的企业的风险评估的精准度，进而降低企业信用贷款的难度。
4.第一方面，提供一种风险评估方法，该方法基于区块链系统对企业的信用进行风险评估，该区块链系统包括企业和金融机构各自对应的区块链节点，该方法包括：从区块链系统接收企业的企业相关数据，企业相关数据包括企业的管理信息系统上传至区块链系统的数据；根据企业相关数据，对企业的信用进行风险评估，以确定风险评估的评估结果；将风险评估的评估结果上传至区块链系统，供金融机构调用。
5.第二方面，提供一种风险评估装置，该装置基于区块链系统对企业的信用进行风险评估，该区块链系统包括企业和金融机构各自对应的区块链节点，该装置包括：接收模块，被配置为从区块链系统接收企业的企业相关数据，企业相关数据包括企业的管理信息系统上传至区块链系统的数据；评估模块，被配置为根据企业相关数据，对企业的信用进行风险评估，以确定风险评估的评估结果；上传模块，被配置为将风险评估的评估结果上传至区块链系统，供金融机构调用。
6.第三方面，提供一种计算机可读存储介质，该存储介质存储有指令，当该指令被执行时，能够实现上述第一方面所提及的方法。
7.第四方面，提供一种计算机程序产品，包括指令，当该指令被执行时，能够实现上述第一方面所提及的方法。
8.第五方面，提供一种风险评估装置，该装置包括处理器和用于存储计算机可执行指令的存储器，该处理器用于执行该计算机可执行指令，以实现上述第一方面所提及的方法。
9.本公开实施例提供了一种风险评估方案，能够从企业的管理信息系统采集丰富的企业相关数据，并借助区块链系统提高了企业相关数据的可靠性，使得基于企业相关数据进行风险评估得到的评估结果具有较高的精准度，进而降低了金融机构的放贷风险，降低了企业的信用贷款难度。
附图说明
10.图1所示为本公开一实施例提供的风险评估系统的系统架构示意图。
11.图2所示为本公开一实施例提供的风险评估方法的流程示意图。
12.图3所示为本公开一实施例提供的确定风险评估的评估结果的流程示意图。
13.图4所示为本公开另一实施例提供的确定风险评估的评估结果的流程示意图。
14.图5所示为本公开一实施例提供的风险评估模型的结构示意图。
15.图6所示为本公开一实施例提供的风险评估装置的结构示意图。
16.图7所示为本公开另一实施例提供的风险评估装置的结构示意图。
17.图8所示为本公开又一实施例提供的风险评估装置的结构示意图。
具体实施方式
18.下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本公开一部分实施例，而不是全部的实施例。
19.本公开的实施例提供的风险评估方法不仅适用于小微企业，也适用于因公开信息少而存在贷款难问题的其它类型的企业。下面的实施例主要以小微企业为例进行说明。
20.小微企业是小型企业、微型企业、家庭作坊式企业的统称。不同行业对于小微企业的划分标准可以不同，例如，对于农、林、牧、渔业来说，营业收入50万元及以上的为小型企业，营业收入50万元以下的为微型企业，而对于工业来说，从业人员20人及以上，且营业收入300万元及以上的为小型企业，从业人员20人以下或营业收入300万元以下的为微型企业，等等，本公开的实施例对于小微企业的划分标准不作限定。
21.企业信用贷款的核心在于，如何对请求贷款的企业的信用状况进行精准评估。由于大企业(即较大规模的企业)具有企业注册资本高、公开信息多且抵押物多等诸多优势，且具有经审计的财务报表和丰富的征信记录，所以针对大企业的贷款风险评估容易实现。因此，传统的信用类贷款产品也大多面向大中型企业开放。相比之下，因小微企业(即较小规模的企业)具有企业注册资本低、公开信息少且抵押物少等诸多劣势，使得金融机构难以准确评估其信用状况，进而导致了小微企业信用贷款难的问题。
22.针对小微企业，金融机构可以考虑采用基于供应链的金融贷款业务，以便利用供应链核心企业的信用对其进行背书。然而，此种方式仅能覆盖少量的小微企业，更多的小微企业的经营行为信息，不经实地走访，很难被正确度量。由此可见，如何让金融机构获得小微企业的丰富、可靠的企业相关数据是目前面临的难点。
23.企业的管理信息系统是企业进行信息的收集、传输、加工、储存、更新、拓展和维护的系统。管理信息系统可以是企业资源计划(enterprise resource planning，erp)系统，也可以是如产品数据管理(product data management，pdm)系统等其他类型的管理信息系统。该管理信息系统可以负责对企业的物流、资金流、信息流进行全面的一体化管理，例如，供应链、销售与市场、财务、生产控制等多个方向的管理。由此可见，管理信息系统可以提供丰富的企业相关数据，如果能够有效利用管理信息系统尤其是erp系统中的企业相关数据来评估企业信用状况，将能够极大丰富用于评估企业信用的信息来源。然而，这些数据毕竟是由企业自身提供的，如何保证这些数据的安全性和可靠性也是需要考虑的问题。
24.本公开的实施例提及的企业相关数据包括用于对企业的信用进行评估的、与企业
经营行为相关的信息。由于与企业经营行为相关的信息种类繁多，因此，能否对这些信息进行合理的分析决定了评估结果的精准度。
25.为了解决上述问题，本公开实施例提供一种风险评估方法和装置，通过将企业的管理信息系统采集的企业相关数据(如企业的日常经营行为数据)上传至区块链系统，并且从多个维度对企业的信用状况进行合理刻画，能够将企业的经营行为转变为可量化的信用资产，进而提高对企业的风险评估的精准度。
26.下面结合图1对本公开实施例提供的风险评估系统的系统架构进行举例说明。
27.如图1所示，本公开实施例提供的风险评估系统可以包括区块链系统110以及与区块链系统110通信连接的公有云120。
28.区块链系统110可以包括企业101、政府机构102以及金融机构103各自对应的区块链节点。
29.企业101、政府机构102和/或金融机构103可以将数据写入区块链系统110中，也可以从区块链系统110读取数据。例如，企业101、政府机构102和/或金融机构103可以将与企业101相关的数据(即企业相关数据)写入区块链系统110。然后，可以利用公有云120中的风险评估模型121对企业101进行风险评估。在得到风险评估的评估结果之后，可以将该评估结果上链，供企业101、政府机构102和/或金融机构103调用。例如，企业101可以调用企业101自身的评估结果，以对自身所处的风险水平有更全面地认知，并及时做出调整；政府机构102可以调用企业101的评估结果，以便政府机构102对所辖企业的风险变化情况进行监控，对风险把控良好的企业进行政策支持，对风险上升的企业提供法律支持和政策关怀；金融机构103可以调用企业101的评估结果，以辅助金融机构的风险管理人员进行风险洞察与判断，对风险把控良好的企业开展额度更高，利率更优惠的企业贷款服务。
30.示例性地，企业101指的是有信用贷款需求的小微企业。如果企业101的数量为多个，那么，该多个企业101可以为多个不同的小微企业的节点，以便该风险评估系统能够对多个不同的企业进行风险评估。或者，该多个企业101既包括一个或若干个小微企业的节点，又包括这些小微企业对应的供应链企业的节点，以便进一步基于供应链企业提供的数据提高对小微企业风险评估的精准度。
31.示例性地，政府机构102指的是能够提供与小微企业相关的政府数据的机构，以便风险评估系统基于多维度的政府数据更精准地评估其风险。比如，政府数据包括税务数据、电网数据、水网数据、公积金数据和社保数据中的至少一种，对应地，政府机构102可以包括税务机构、电网机构、水网机构、公积金机构和社保机构中的至少一种。
32.示例性地，金融机构103指的是有意愿向小微企业提供信用贷款服务的机构，以便风险评估系统为该金融机构提供针对小微企业的、可信度高且精准的风险评估信息。同样地，金融机构103的数量不局限于一个，亦可以为多个。
33.公有云120(云中可以设置云端服务器)上部署有预先训练好的风险评估模型121，风险评估模型121能够根据从区块链系统110读取的数据进行风险评估操作，并将评估结果(即模型输出的结果)上传至区块链系统110，以供各个节点按需调取。或者，在一些实施例中，预先训练好的风险评估模型121亦可以部署到本地服务器中，然后再上传至区块链系统或者通过公有云120上传至区块链系统110。
34.本公开实施例借助区块链系统的多方共识机制极大保障了各节点写入和/或读取
的企业相关数据的可靠性和可信度，在此基础上，借助基于人工智能技术的风险评估模型实现了对企业(尤其是小微企业)的信用风险的合理刻画，实现了将企业的经营行为转变为可量化的信用资产的目的。
35.在一些实施例中，区块链系统110还可以包括技术服务商对应的节点。技术服务商可以提供信息或情报服务。例如，该技术服务商可以搜集并向区块链系统110上传与小微企业相关的互联网舆情等不定期或偶发数据(即下述实施例提及的消息面数据)。如此设置，能够进一步丰富用于评估企业信用的信息来源，从而提高对企业的风险评估的精准度。
36.此外，示例性地，区块链系统110亦可以不包括政府机构102对应的节点，对应地，政府机构102上传的政府数据可借助其他节点(比如技术服务商节点)上传或者由企业自己上传。
37.下面结合图2至图5详细介绍本公开实施例提及的风险评估方法。
38.图2所示为本公开一实施例提供的风险评估方法的流程示意图。例如，该方法可以由服务器或其他类型的具有数据处理功能的电子设备执行。如图2所示，本公开实施例提供的风险评估方法包括如下步骤。
39.步骤s210，从区块链系统接收企业的企业相关数据。
40.企业相关数据可以包括企业的管理信息系统。可选地，企业相关数据还可以包括政府机构上传至区块链系统的数据。
41.在本公开一实施例中，可以在企业的erp系统中插入具有数据采集功能和反欺诈功能的数据采集模块，以借助数据采集模块实现校验erp系统中的数据并将校验合格后的数据上传至区块链系统的目的。该数据采集模块可以通过应用程序接口(application programming interface，api)读取erp系统中的数据，并将erp数据上传至区块链系统110。
42.可选地，数据采集模块的反欺诈功能可以基于多方校验验证和/或耦合性校验验证实现。多方校验验证指的是针对不同节点上传的同种数据，将这些数据放到一起进行多维度比对，以确保数据的真实性。比如，针对企业的财务数据，不仅企业节点会上传，而且工商机构节点和税务机构节点(即政府节点)也会上传，那么，可将企业节点、工商机构节点和税务机构节点上传的财务数据进行比对，以确保数据的真实性。例如，如果企业节点、工商机构节点和税务机构节点上传的账务数据均相同时，则确认数据的真实性。耦合性校验验证指的是将节点上传的当前数据与对应的同种历史数据进行对比验证，根据节点上传的当前数据与对应的同种历史数据差异来确认验证当前数据的真实性和合理性，例如，如果当前数据与同种历史数据之间的欧氏距离超过预设阈值，则认为当前数据不真实。
43.步骤s220，根据企业相关数据，对企业的信用进行风险评估，以确定风险评估的评估结果。
44.作为一个示例，可以直接将企业相关数据输入预先建立的风险评估模型，以对企业的信用进行风险评估，得到评估结果。
45.作为另一示例，可以将企业相关数据划分成不同类型的数据，然后利用不同的风险评估方式(如不同的风险评估模型)对不同类型的数据进行风险评估，并综合多种风险评估手段的分析结果得出最终的评估结果。后文会结合具体的实施例对该实现方式进行详细描述，此处暂不详述。
46.步骤s230，将风险评估的评估结果上传至区块链系统，供金融机构调用。
47.例如，金融机构可以调用企业的评估结果，以辅助金融机构的风险管理人员进行风险洞察与判断，对风险把控良好的企业开展额度更高，利率更优惠的企业贷款服务。
48.可选地，在一些实施例中，该评估结果还可以供企业和/或政府机构调用。企业可以调用企业自身的评估结果，以对自身所处的风险水平有更全面地认知，并及时做出调整。政府机构可以调用企业的评估结果，以便政府机构对所辖企业的风险变化情况进行监控，对风险把控良好的企业进行政策支持，对风险上升的企业提供法律支持和政策关怀。
49.本公开实施例提供了一种风险评估方案，能够从企业的管理信息系统采集丰富的企业相关数据，并借助区块链系统提高了企业相关数据的可靠性，使得基于企业相关数据进行风险评估得到的评估结果具有较高的精准度，进而降低了金融机构的放贷风险，降低了企业的信用贷款难度。
50.风险评估模型对企业相关数据的处理和分析方式很大程度上影响了风险评估模型得到的评估结果的准确性。下面给出一种优选的实现方式。
51.在经济领域中，通常会采用基本面、技术面和消息面的分析方法来预测证券价格的走势。本公开的实施例将上述分析方法应用于对小微企业进行信用评估的方案中。本公开实施例提及的基本面、技术面和消息面分析方法，考虑到小微企业信用评估的特点，对于基本面数据、技术面数据和消息面数据及相关分析方法进行重新定义，使得该分析方法能够很好地应用在信用评估的场景下。
52.如图3所示，在步骤s310，根据企业相关数据，对企业进行信用分析，得到信用分析结果。该信用分析可以包括基本面分析、技术面分析和消息面分析中的至少一种。例如，基本面分析可以包括对企业相关数据中包含的较少发生改变的基础数据(如企业的注册数据)或更新周期较长的数据(如企业年报数据)进行分析，技术面分析包括对企业相关数据中包含的经常发生动态变化的数据(如企业的日常经营行为数据)进行分析，消息面分析包括对企业相关数据中包含的偶发数据(如企业的司法涉诉数据)进行分析。
53.步骤s320，根据信用分析结果，确定风险评估的评估结果。
54.由于企业相关数据是丰富且多样的，根据数据的不同特点，分别采取不同类型的分析方式，能够极大提高分析效率和分析精准度，进而提高了风险评估的精准度。
55.下面结合图4举例说明信用分析的具体实现方式。
56.如图4所示，在步骤s410，根据企业相关数据中的基本面数据对企业进行基本面分析。
57.示例性地，基本面数据可以包括企业相关数据中的固定不变和/或更新周期大于预设周期的数据。比如，基本面数据包括企业的以下数据中的至少一种：企业基础数据和以年为粒度更新的数据(即更新周期大于季粒度周期的数据)。更具体地，企业基础数据可以包括注册地数据、注册时间数据、注册资本数据、所属行业数据、企业人数数据、股东构成数据和高管构成数据中的至少一种，以年为粒度更新的数据可以为企业年粒度数据(即企业年报等)。
58.示例性地，步骤s410中，可以利用数学模型对企业相关数据中的基本面数据进行基本面分析。该数学模型可以是线性模型或非线性模型，例如，可以是逻辑回归模型、决策树模型，或者，也可以是基于树模型的集成学习算法。
59.步骤s420，根据企业相关数据中的技术面数据对企业进行技术面分析。
60.示例性地，技术面数据可以包括企业相关数据中的更新周期不大于预设周期的数据，比如，更新周期不大于季粒度周期的数据。更具体地，更新周期不大于预设周期的数据包括企业的以下数据中的至少一种：以日为粒度更新的数据、以周为粒度更新的数据、以月为粒度更新的数据、管理信息系统的经营明细数据、税务数据、发票数据、水电数据以及企业主的个人信贷数据。
61.示例性地，步骤s420中，可以采用时间序列模型建模的方式(包括但不限于循环神经网络(recurrent neural network，rnn)、长短期记忆网络(long
‑
short term memory，lstm)、隐马尔可夫模型(hidden markov model，hmm)、transformer模型、bert模型的方法)，构建技术面分析模块，以实现基于现有数据对企业的下一阶段进行技术面评分的目的。
62.步骤s430，根据企业相关数据中的消息面数据对企业进行消息面分析。
63.示例性地，消息面数据包括企业的不定期产生的数据。更具体地，不定期产生的数据包括企业的以下数据中的至少一种：司法涉诉数据、行政奖励与处罚数据以及互联网舆情数据。
64.示例性地，步骤s430中，可以采用自然语言处理(natural language processing，nlp)技术对互联网舆情、司法涉诉案由、行政处罚与奖励信息进行消息提取，分析所提取的消息对企业还款能力的正负面影响程度，进而给出相应的消息面评分(又称消息面修正分)。
65.由此可见，针对不同类型和特点的数据，本公开实施例分别采用了不同的分析方式进行分析，进而充分利用了各个类型数据的优势，得到了更能够精准表征该企业的实际信用状况的风险评估结果。
66.需要说明的是，上述提及的步骤s410、s420和s430，并非一定要全部执行，要执行的步骤以及各个步骤的执行顺序可根据实际情况确定。比如，可以仅执行步骤s410和s420，步骤s410和s420可以同步执行，也可先后执行。
67.下面结合图5，对风险评估模型的结构和各个评估方式单元进行更为详细的举例说明。
68.如图5所示，本公开实施例提供的风险评估模型500包括基本面分析单元510、技术面分析单元520、消息面分析单元530和评估单元540，并且，基本面分析单元510、技术面分析单元520和消息面分析单元530分别通信连接至评估单元540。
69.具体而言，基本面分析单元510可用于执行图4所示实施例中的步骤s410；技术面分析单元520可用于执行图4所示实施例中的步骤s420；消息面分析单元530可用于执行图4所示实施例中的步骤s430。
70.此外，评估单元540用于基于基本面分析单元510得出的基本面分析结果、技术面分析单元520得出的技术面分析结果和消息面分析单元530得出的消息面分析结果确定企业(又称为待评估企业)的风险评估的评估结果。
71.比如，更进一步地，评估单元540用于基于基本面分析单元510得出的基本面评分s1、技术面分析单元520得出的技术面评分s2和消息面分析单元530得出的消息面修正分s3确定企业的信用评估分w(即风险评估的评估结果)。其中，信用评估分w可基于下述公式(1)确定。
72.w＝w1*s1 w2*s2 w3*s3ꢀꢀ
(1)
73.在公式(1)中，w1表征基本面评分s1对应的权重参数，w2表征技术面评分s2对应的权重参数，w3表征消息面修正分s3对应的权重参数。示例性地，w1、w2和w3的值是在风险评估模型500的模型训练过程中确定的。
74.下面举例说明风险评估模型500的训练样本数据构造过程和模型训练过程。
75.示例性地，训练样本数据构造过程包括：首先选定企业样本，并确定在预设历史时间区间内，企业样本的企业相关数据，然后基于预设时间节点，将企业相关数据划分为观察期数据和表现期数据，继而基于观察期数据确定训练集，并基于表现期数据确定至少一个验证集，最后根据上述训练集和至少一个验证集确定训练样本数据。
76.举例说明，首先选定小微企业a作为企业样本，当前时间为2021年4月1日，并确定在2020年12月1日至2021年3月31日这一时间区间(即预设历史时间区间)的企业相关数据，即滑动时间窗口为4个月。然后，以2021年1月31日作为观察节点(即预设时间节点)，将2020年12月1日至2021年1月31日这一时间区间确定为观察期，将该观察期对应的企业相关数据确定为观察期数据；将2020年2月1日至2021年3月31日这一时间区间确定为表现期，将该表现期对应的企业相关数据确定为表现期数据。继而，根据上述观察期数据和上述表现期数据确定训练集和至少一个验证集，以完成训练样本数据的构造过程。
77.更进一步地，在本公开另一实施例中，基于表现期数据确定两个验证集，即第一验证集和第二验证集，其中，第二验证集又称为oot(out of time)集。续接上一实施例，基于2020年2月1日至2021年2月28日这一时间区间的企业相关数据确定第一验证集，基于2020年3月1日至2021年3月31日这一时间区间的企业相关数据确定第二验证集。如此设置，更有利于避免训练过程中出现过拟合的问题，从而提高训练得到的风险评估模型的稳定性。
78.示例性地，模型训练过程包括：构建初始风险评估模型，然后基于上述实施例确定的训练样本数据训练初始风险评估模型，调整初始风险评估模型的模型参数，以得到最终的风险评估模型。
79.在本公开一实施例中，还提供一种小微企业的风险评估方法，该方法包括：确定待评估小微企业的基本面数据、技术面数据和消息面数据；利用风险评估模型，基于基本面数据、技术面数据和消息面数据对待评估小微企业进行风险评估操作，得到待评估小微企业的评估结果。
80.在本公开一实施例中，还提供一种风险评估模型，该模型包括：分析模块，用于基于待评估小微企业的基本面数据、技术面数据和消息面数据确定待评估小微企业的基本面评估信息、技术面评估信息和消息面评估信息；评估模块，用于基于基本面评估信息、技术面评估信息和消息面评估信息确定待评估小微企业的评估结果。
81.上文结合图2至图5，详细描述了本公开的方法实施例，下面结合图6至图8，详细描述本公开的装置实施例。此外，应理解，方法实施例的描述与装置实施例的描述相互对应，因此，未详细描述的部分可以参见前面方法实施例。
82.图6所示为本公开一实施例提供的风险评估装置的结构示意图。如图6所示，本公开实施例提供的风险评估装置600包括：接收模块610、评估模块620和上传模块630。
83.接收模块610被配置为从区块链系统上接收企业的企业相关数据，企业相关数据包括企业的管理信息系统上传至区块链的数据。
84.评估模块620被配置为根据企业相关数据，对企业的信用进行风险评估，以确定风险评估的评估结果。
85.上传模块630被配置为将风险评估的评估结果上传至区块链系统，供金融机构调用。
86.图7所示为本公开另一实施例提供的风险评估装置的结构示意图。在图6所示实施例基础上延伸出图7所示实施例，下面着重叙述图7所示实施例与图6所示实施例的不同之处，相同之处不再赘述。
87.如图7所示，在本公开实施例中，评估模块620包括：
88.信用分析单元710，被配置为根据企业相关数据，对企业进行信用分析，得到信用分析结果；
89.评估单元720，被配置为根据信用分析结果，确定风险评估的评估结果。
90.在本公开一实施例中，信用分析单元710还可以被配置为根据企业相关数据中的基本面数据对企业进行基本面分析，并根据企业相关数据中的技术面数据对企业进行技术面分析，继而根据企业相关数据中的消息面数据对企业进行消息面分析，以得到信用分析结果。
91.在本公开一实施例中，信用分析单元710还可以被配置为根据企业相关数据中的基本面数据，通过线性模型或非线性模型，对企业进行基本面分析，根据企业相关数据中的技术面数据，通过时间序列模型，对企业进行技术面分析，继而根据企业相关数据中的消息面数据，通过自然语言处理模型，对企业进行消息面分析，以得到信用分析结果。
92.根据本公开的实施例，信用分析单元710进一步被配置为根据企业相关数据中的基本面数据对企业进行基本面分析；和/或，根据企业相关数据中的技术面数据对企业进行技术面分析；和/或，根据企业相关数据中的消息面数据对企业进行消息面分析；基本面数据包括企业相关数据中的固定不变和/或更新周期大于预设周期的数据，技术面数据包括企业相关数据中的更新周期不大于预设周期的数据，消息面数据包括企业的不定期产生的数据。
93.根据本公开的实施例，基本面数据包括企业的以下数据中的至少一种：企业基础数据以及以年为粒度更新的数据；和/或，技术面数据包括企业的以下数据中的至少一种：以日为粒度更新的数据、以周为粒度更新的数据、以月为粒度更新的数据、管理信息系统的经营明细数据、税务数据、发票数据、水电数据以及企业主的个人信贷数据；和/或，消息面数据包括企业的以下数据中的至少一种：司法涉诉数据、行政奖励与处罚数据以及互联网舆情数据。
94.根据本公开的实施例，信用分析单元710进一步被配置为根据企业相关数据中的基本面数据，通过线性模型或非线性模型，对企业进行基本面分析。
95.根据本公开的实施例，信用分析单元710进一步被配置为根据企业相关数据中的技术面数据，通过时间序列模型，对企业进行技术面分析。
96.根据本公开的实施例，信用分析单元710进一步被配置为根据企业相关数据中的消息面数据，通过自然语言处理模型，对企业进行消息面分析。
97.根据本公开的实施例，区块链系统中存储的企业相关数据是由具有反欺诈功能和/或加密功能的数据采集模块上传的。
98.根据本公开的实施例，管理信息系统为企业资源计划erp系统，企业相关数据为erp数据。
99.根据本公开的实施例，风险评估为针对小微企业的贷款风险评估。
100.图8所示为本公开又一实施例提供的风险评估装置的结构示意图。图8所示的风险评估装置800(该装置800具体可以是一种计算机设备)包括存储器801、处理器802、通信接口803以及总线804。其中，存储器801、处理器802、通信接口803通过总线804实现彼此之间的通信连接。
101.存储器801可以是只读存储器(read only memory，rom)，静态存储设备，动态存储设备或者随机存取存储器(random access memory，ram)。存储器801可以存储程序，当存储器801中存储的程序被处理器802执行时，处理器802和通信接口803用于执行本公开实施例的风险评估方法的各个步骤。
102.处理器802可以采用通用的中央处理器(central processing unit，cpu)，微处理器，应用专用集成电路(application specific integrated circuit，asic)，图形处理器(graphics processing unit，gpu)或者一个或多个集成电路，用于执行相关程序，以实现本公开实施例的风险评估装置中的单元所需执行的功能。
103.处理器802还可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，本公开的风险评估方法的各个步骤可以通过处理器802中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器802还可以是通用处理器、数字信号处理器(digital signal processing，dsp)、专用集成电路(asic)、现场可编程门阵列(field programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本公开实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器801，处理器802读取存储器801中的信息，结合其硬件完成本公开实施例的风险评估装置中包括的单元所需执行的功能，或者执行本公开方法实施例的风险评估方法。
104.通信接口803使用例如但不限于收发器一类的收发装置，来实现装置800与其他设备或通信网络之间的通信。例如，可以通过通信接口803获取企业相关数据。
105.总线804可包括在装置800各个部件(例如，存储器801、处理器802、通信接口803)之间传送信息的通路。
106.应理解，风险评估装置600中的评估模块620可以相当于处理器802。
107.应注意，尽管图8所示的装置800仅仅示出了存储器、处理器、通信接口，但是在具体实现过程中，本领域的技术人员应当理解，装置800还包括实现正常运行所必须的其他器件。同时，根据具体需要，本领域的技术人员应当理解，装置800还可包括实现其他附加功能的硬件器件。此外，本领域的技术人员应当理解，装置800也可仅仅包括实现本公开实施例所必须的器件，而不必包括图8中所示的全部器件。
108.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟
以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。
109.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
110.在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
111.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
112.另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
113.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
114.以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以所述权利要求的保护范围为准。