注：系统角色 借款客户：指使用本系统中的前台借款端app，进行借款的人员 后台用户：指使用本系统中的后台管理端app，进行运营、管理的人员 产品经理 技术运维人员 系统超级管理员 运营人员 风控 客服 催收 行方接口人 资金方接口人 流程审核决策人 数据分析 1.产品功能 申请借款（进件） 借款客户可通过客户端页面注册，录入信息，发起借款。记录借款客户进件流程每一个节点状态，可进行节点重试。 借款客户查询借款、还款等信息 借款客户可通过客户端页面登录并查询相关信息，如当前借款申请的审批进度，借款合同，历史借款还款记录等。 进件管理 运营人员可通过管理后台对借款进件进行查询、搜索、补录资料等操作。 风控审核 系统后台能够以自动或人工形式完成对借款进行的风控审核。 借款客户管理 运营人员可通过管理后台对借款客户进行查询、搜索等操作。 贷中、贷后信用跟踪与回流 系统可对借款客户的还款情况进行持续跟踪，分流出信用良好的用户，以供回流行方。 资金方管理 对于商务上对接的资金提供方，运营人员可通过管理后台对资金方进行添加、删除、冻结等相关管理操作。 贷款产品管理 运营人员能够.... 有更新！ 贷超平台系统设计 系统设计
数据平台建设文档V2.0 数据平台建设文档V2.0 概述 数据平台的主要职责是对我司既有业务进行沉淀，并赋能新业务，是实现既有业务数据转化应用于新业务的支撑性平台。 通过既往业务的积累，新业务的接入，数据形式会愈加复杂、对齐难度越来越大。在业务上拥有急需数据赋能的新业务，在数据上拥有需要提升数据价值的历史数据，数据平台的建设在我司未来的信息技术发展道路上将是重要的一环。 通过数据挖掘，分析数据的规律、剖析过去、分析现在、预测未来，通过数据平台高效利用数据、建立数据驱动企业决策、构建高效智慧运营业务，将是数据平台在未来的重任。 背景 数据现状 在我司过去的发展历程中，已经积累了大量的数据，并且数据量还在进行有规律的增长。其中包括既有业务的数据增长，以及新业务接入带来的数据汇入。 我司数据目前存在非机构化与结构化两种数据形式，非结构化数据占到所有数据的九成以上，由此可见，从非结构化数据中挖掘出数据关系，形成易读易用，具有规律的数据，是目前数据平台将要完成的重要任务。 在过去的业务数据中，我司的业务涵盖了很多领域，包括保险、金融、互联网、呼叫业务等多个业务方向。其.... 有更新！ 数据中台设计--私 大数据
前言 之前都默默的写nginx.conf,现在可以说是后台直接一键配置了。这么好用的工具不能错过。接下来分几步大致讲解使用ngxin-proxy-manager的流程。 快速启动 在我的服务器内，基本所有的服务都是使用docker启动的，nginx也不例外，所启动的服务与nginx处于同一个networks下，这样即不用暴露端口，又可以保证服务的正常运行。 docker-compose.yaml: version: '3.7' services: nginx-proxy-manager: image: jlesage/nginx-proxy-manager:latest container_name: nginx-proxy-manager restart: always expose: - 8181 ports: - 80:8080 - 443:4443 environment: TZ: Asia/Shanghai volumes: - ./volumes/nginx-proxy-manager:/config:rw - /var/run/docker.sock:/docker.so.... Nginx-Manager使用 Docker
贷超平台调研分析 贷超平台定义 “贷款超市”一词是对行业内的人说的，简单的理解类似于手机上的应用商店，是一个通过“应用商店”下载注册贷款软件，给其他现金贷平台导量的平台。换句话说，贷款超市是连接贷款用户与现金贷平台的产品，所有业务都是基于这个关系。 贷超需求分解 用户侧 对于用户来说，根本目的就是借到钱，单一的贷款软件不一定能满足快速借到钱的需求，还具有审核不通过、还款利率高于诉求等风险。借助贷款超市这个超级贷款信息入口，借款用户可以在一个平台上发现更多的贷款软件，从而提高自己贷款成功的概率。 资金方侧 获客成本降低，节省自己去找寻渠道做营销，节省高额营销费用，通过贷超平台统一的社交联盟广告进行推广。 贷超平台是资质不全的现金贷公司获客的重要渠道(需要分析是否合规) 产品侧 产品结构简单，介绍贷款金额、利率，提供还款估算，介绍申请条件和申请流程，客户源直接引导至资金方的贷款入口，容易复制，没有太大产品开发难度。 产品形式： １．按照贷款金额分大额小额 ２．按照贷款条件分身份证贷、芝麻分贷 ３．按照人群分工薪贷、白领贷、学生贷(已禁止) ４．放贷速度，开放的放款口子 贷款超市具体分析 ..... 之前进行过的贷超平台调研分析 贷超平台
前言 知识可以简化为三元组关系对，<实体(主语) , 关系, 实体(宾语)>。因此知识抽取分为两大部分，实体识别和关系抽取。 本篇文章是公司算法同事整理，方便日后持续学习。 一、命名实体识别（NER） NER又称作专名识别，是自然语言处理中的一项基础任务，应用范围非常广泛。命名实体一般指的是文本中具有特定意义或者指代性强的实体，通常包括人名、地名、组织机构名、日期时间、专有名词等。NER系统就是从非结构化的输入文本中抽取出上述实体，并且可以按照业务需求识别出更多类别的实体， 比如产品名称、型号、价格等。因此实体这个概念可以很广，只要是业务需要的特殊文本片段都可以称为实体。 学术上NER所涉及的命名实体一般包括3大类（实体类，时间类，数字类）和7小类（人名、地名、组织机构名、时间、日期、货币、百分比）。实际应用中，NER模型通常只要识别出人名、地名、组织机构名、日期时间即可，一些系统还会给出专有名词结果（比如缩写、会议名、产品名等）。货币、百分比等数字类实体可通过正则搞定。另外，在一些应用场景下会给出特定领域内的实体，如书名、歌曲名、期刊名等。 NER是NLP中一项基础性关..... NLP前世今生 NLP
Symoon