本发明涉及金融风险，特别是涉及一种基于大数据的企业征信风险预测系统及方法。
背景技术：
1、在当今数字化时代，大数据技术的快速发展深刻改变了金融行业的运营方式和业务模式。大数据不仅为各行各业带来前所未有的机遇，也引发了一系列新的挑战。在金融领域，企业信贷、企业投资，作为金融服务领域中至关重要的一环，也深受大数据技术的影响，金融机构信贷资产规模和客户数量逐年攀升，企业、工厂信贷客户数量成倍增长，大数据这一技术的应用逐渐成为提高效率、降低风险的关键工具。
2、现阶段金融机构是通过大数据获取客户企业的注册成本、司法信息、经营信息、经营风险等基础信息，把传统的纸质信息转成数字信息，同时，评估模型结合上述数字信息对客户企业进行评估，根据评估结果判定客户企业的变现能力和偿还能力，大大减轻了金融机构对客户企业信息的收集工作和征信评估工作，从而提高金融机构的工作效率。
3、但是现有的企业征信评估方法存在一些不足之处，仅限于收集客户企业的注册成本、司法信息、经营信息、经营风险等历史信息，基于上述历史信息对客户企业进行征信评估，导致评估结果片面，难以全面了解客户企业当前的真实信用状况。
4、同时，征信评估只能反应客户企业历史的征信好坏，无法预判客户企业未来的发展情况和征信情况，从而造成金融机构在风险管理中面临一系列问题。
技术实现思路
1、本发明的目的是提供一种基于大数据的企业征信风险预测系统及方法，能够预判未来客户企业新项目的可行度、未来发展情况，提高企业客户征信评估结果的准确性和可靠性，从而降低金融机构工作风险。
2、一种基于大数据的企业征信风险预测系统，包括原始数据层、数据标准层、数据融合层，其中，数据标准层从原始数据层中获取原始数据，并对该原始数据进行处理，获得标准数据，并将该标准数据发送至数据融合层，该数据融合层对所有标准数据进行融合分类处理，将所述标准数据分为至少一种类别；其关键在于，还设置有mpp数据服务层，该mpp数据服务层内设置有企业项目综合评价模块、企业征信综合评价模块和企业项目征信评价模块；
3、其中，企业项目综合评价模块中设置有企业项目综合评价数字模型，该企业项目综合评价数字模型输出企业项目综合评价结果x；
4、企业征信综合评价模块中设置有企业征信综合评价数字模型，该企业征信综合评价数字模型输出企业征信综合评价结果z；
5、企业项目征信评价模块中设置有企业项目征信评价数字模型，该企业项目征信评价数字模型根据企业项目综合评价结果x和企业征信综合评价结果z输出企业项目征信评价结果y。
6、通过上述结构，一种基于大数据的企业征信风险预测系统能够根据客户企业的历史项目以及企业征信情况，推断该客户企业待启动新项目的可行度和未来的发展情况，从而提高企业进行项目征信评估的准确性。
7、进一步的，所述原始数据层包括数据源，该数据源将所述原始数据发送至缓冲层，该缓冲层再将所述原始数据传输至所述数据标准层。
8、进一步的，所述数据标准层内设置有数据处理模块，该数据处理模块包括预处理单元和质量检验单元；
9、其中，预处理单元获取所述原始数据，并对所述原始数据进行去空格处理和去特殊值处理，获得预处理数据；
10、质量检验单元连接有人工介入单元，所述质量检验单元对所述预处理数据进行检验，将不合格的预处理数据发送至所述人工介入单元进行处理，得到合格的预处理数据。
11、在数据处理模块中增设人工介入单元可以保证所有原始数据都能通过去空格、去特殊值，提高原始数据的准确性，保证后面评估的准确性。
12、进一步的，所述质量检验单元和人工介入单元分别与协议转换单元连接，该协议转换单元对所述预处理数据进行协议转换和统一关联字段，获得所述标准数据，并将所述标准数据发送至所述数据融合层。
13、协议转换单元将所有预处理数据统一为相同格式，便于数据融合层、mpp数据服务层使用。
14、进一步的，所述数据融合层设置有分类模块，在该分类模块中，所有所述标准数据生成唯一标识，所述分类模块通过标识将所有所述标准数据分成所述企业历史项目类数据和企业征信综合类数据；
15、其中，企业历史项目类数据细分为历史项目总数a1、主营业务项目成功数a2、非主营业务项目成功数a3、创新项目成功数a4、每个项目执行周期a5、发明专利数量a6、实用新型专利数量a7、项目平均合同金额a8；
16、企业征信综合类数据细分为企业基本信息c1、企业经营信息c2、经营风险信息c3、司法信息c4。
17、分类模块将所有标准数据按标识进行分类，方便企业项目综合评价模块和企业征信综合评价模块分别从企业历史项目类数据和企业征信综合类数据获取所需运算数据，从而减少企业征信风险预测系统计算量，提高系统的运行速度。
18、进一步的，所述企业项目综合评价模块设置有历史项目评价单元和新项目特征提取单元；
19、其中，历史项目评价单元依据企业历史项目类数据中的标准数据，计算得到企业历史项目评价结果a；
20、所述企业历史项目评价结果a的计算公式为：
21、
22、其中，a为企业历史项目评价结果，a9为历史项目成功率；
23、所述企业历史项目评价结果a包含历史项目总数a1，主营业务项目成功数a2，非主营业务项目成功数a3，创新项目成功数a4，项目执行周期a5，发明专利数量a6，实用新型专利数量a7，项目平均合同金额a8、历史项目成功率a9；
24、新项目特征提取单元从接收新项目标准数据，并在该新项目标准数据中提取新项目的项目特征，输出新项目特征值b，该新项目特征值b包含新项目涉及的技术领域b1、新项目投资金额在企业净资产中的占比b2、新项目投资金额在所有当前开展项目投资金额中的占比b3。
25、进一步的，所述企业项目综合评价数字模型为：
26、
27、其中，x为企业项目综合评价结果,match为查找函数，b1为新项目涉及的技术领域，a为企业历史项目评价结果，b2为新项目投资金额在企业净资产中的占比，b3为新项目投资金额在所有当前开展项目投资金额中的占比，a9为历史项目成功率，w1为新项目涉及的技术领域权重，w2为新项目投资金额在企业净资产中的占比权重，w3为新项目投资金额在所有当前开展项目投资金额中的占比权重，w4为历史项目成功率权重。
28、进一步的，所述企业征信综合评价数字模型为；
29、
30、其中，z为企业征信综合评价结果，c1为企业基本信息，c2为企业经营信息，c3为经营风险信息，c4为司法信息，s1为企业基本信息权重，s2为企业经营信息权重，s3为经营风险信息权重，s4为司法信息权重。
31、进一步的，所述企业项目征信评价数字模型为：
32、
33、其中，y为企业项目征信评价结果，x为企业项目综合评价结果，z为企业征信综合评价结果，q1为企业项目综合评价结果权重，q2为企业征信综合评价结果权重。
34、一种基于大数据的企业征信风险预测方法，其关键在于，包括以下步骤：
35、s1：数据处理模块从数据源中获取原始数据进行处理校验，生成标准数据，并发送至分类模块；
36、s11：预处理单元对所述原始数据进行去空格处理和去特殊值处理，获得预处理数据，并将该预处理数据发送至质量检验单元；
37、s12：质量检验单元对预处理数据进行质量校验，
38、当预处理数据校验合格，质量检验单元将合格的预处理数据发送至协议转换单元；
39、当预处理数据校验不合格，质量检验单元将不合格的预处理数据发送至人工介入单元；
40、s13：人工介入单元对不合格的预处理数据进行人工处理，得到合格的预处理数据，并将合格的预处理数据发送至协议转换单元；
41、s14：协议转换单元对预处理数据进行协议转换和统一关联字段，得到标准数据，并将该标准数据发送至分类模块；
42、s2：分类模块对所有标准数据进行处理，使所有标准数据生成唯一标识，分类模块通过该标识将所有所述标准数据分成企业历史项目类数据和企业征信综合类数据；
43、s3：企业项目综合评价模块根据企业历史项目类数据，输出企业项目综合评价结果，并将该企业项目综合评价结果发送至企业项目征信评价模块；
44、s31：历史项目评价单元依据企业历史项目类数据中的标准数据，输出企业历史项目评价结果；
45、s32：新项目特征提取单元接收新项目标准数据，并从该新项目标准数据中提取新项目的项目特征，输出新项目特征值；
46、s33：企业项目综合评价数字模型依据企业历史项目评价结果和新项目特征值输出企业项目综合评价结果；
47、s4：企业征信综合评价模块根据企业征信综合类数据中的标准数据，输出企业征信综合评价结果，并将该企业征信综合评价结果发送至企业项目征信评价模块；
48、s5：企业项目征信评价模块根据企业项目综合评价结果和企业征信综合评价结果，输出企业项目征信评价结果。
49、有益效果：本发明在传统的征信评估上增加了项目评估，项目评估以历史项目数据为主，以新项目和当前项目信息为辅，从而预判客户企业新项目的可行度、未来发展情况等，再结合客户企业的征信评估结果，全方面对客户企业进行评估，提高评估结果准确性和可靠性，从而降低金融机构工作风险。
1.一种基于大数据的企业征信风险预测系统，包括原始数据层、数据标准层、数据融合层，其中，数据标准层从原始数据层中获取原始数据，并对该原始数据进行处理，获得标准数据，并将该标准数据发送至数据融合层，该数据融合层对所有标准数据进行融合分类处理，将所述标准数据分为至少一种类别；其特征在于，还设置有mpp数据服务层，该mpp数据服务层内设置有企业项目综合评价模块、企业征信综合评价模块和企业项目征信评价模块；
2.根据权利要求1所述一种基于大数据的企业征信风险预测系统，其特征在于，
3.根据权利要求1所述一种基于大数据的企业征信风险预测系统，其特征在于，
4.根据权利要求3所述一种基于大数据的企业征信风险预测系统，其特征在于，
5.根据权利要求1所述一种基于大数据的企业征信风险预测系统，其特征在于，
6.根据权利要求1所述一种基于大数据的企业征信风险预测系统，其特征在于，
7.根据权利要求1所述一种基于大数据的企业征信风险预测系统，其特征在于，
8.根据权利要求1所述一种基于大数据的企业征信风险预测系统，其特征在于，
9.根据权利要求1所述一种基于大数据的企业征信风险预测系统，其特征在于，
10.一种如权利要求1～9中任一项基于大数据的企业征信风险预测方法，其特征在于，包括以下步骤：
