申请/专利权人：民生证券股份有限公司

申请日：2023-12-26

公开（公告）日：2024-03-26

公开（公告）号：CN117762900A

主分类号：G06F16/21

分类号：G06F16/21;G06F16/27;G06F16/28;G06F16/22;G06Q40/06

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本申请属于大数据技术领域，具体涉及一种可提高发行人风险筛查系统计算性能的数据建模方法，包括以下步骤：S1、数据需求分析，明确工商企业数据的数据对象关系和理清风险筛查路径；S2、数据架构选型，S3、数据模型建设，先进行传统星型维度模型建设，然后进行高耦合数据模型建设；在高耦合数据模型建设完成后，根据使用场景再建模，最后结合HTAP数据库特点进行表结构优化。发明提供的数据模型建设方法，是使用HTAP架构数据库Greenplum以及该数据库提供的复杂嵌套数据结构，并与数据仓库传统星型维度模型建设理论融合创新的新型的建模方法，该建模方法应用在发行风险筛查场景项目中，可以快速查询关联方企业，并快速计算关联方企业的相关风险数据。

主权项：1.一种可提高发行人风险筛查系统计算性能的数据建模方法，包括以下步骤：S1、数据需求分析数据需求分析完成两个工作，明确工商企业数据的数据对象关系和理清风险筛查路径；S2、数据架构选型按照以下两个原则进行数据架构的选择：一方面需要是混合型新型数据库架构，另一方面需要支持复杂嵌套或半结构化数据结构；S3、数据模型建设包括传统星型维度模型建设过程和高耦合数据模型建设过程；其中传统星型维度模型建设过程包括如下步骤：a.定义主数据，确定企业基础信息为主要数据对象，股东、董监高、年报为主数据附属对象；b.合并同主题数据，将企业基础信息、股东、董监高、年报等同一类主数据附属对象的多张数据库表合并；c.模型冗余设计，根据业务使用过程的特点，额外在数据处理过程中加入便于提升性能的字段；在高耦合数据模型建设过程中，将1对N数据关系，通过二进制JSON数据结构和列式存储相结合的思路，打造更加便于查询和计算的复合数据对象；在高耦合数据模型建设完成后，根据使用场景再建模，使用场景的再建模方法是将在查询过程中较为复杂的计算过程移至建模后的离线计算过程中，表结构通过增加所需的字段来完成查询的直接获取；针对不同的使用场景，结合HTAP数据库特点进行表结构优化。

全文数据：

权利要求：

百度查询： 民生证券股份有限公司 一种可提高发行人风险筛查系统计算性能的数据建模方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD