信贷尽调客户画像自动化生成

概述

本技能自动化解析信贷尽调客户资料压缩包，生成标准化客户画像Excel报表。

输入为一个 ZIP 压缩包（内含 PDF/XLSX/JPG 等尽调资料），

输出为按照尹伯群征信统计表格式生成的 5 Sheet Excel 报表。

核心原则

• 严格遵循版式：禁止自由改版式、禁止缺统计项
• 数据准确性优先：所有数字必须交叉核验
• XLSX 优先：对私流水、开票数据等若有 XLSX 版本，优先使用
• 扫描件标注：无法提取文字时标注待OCR

执行流程

第一步：接收输入并解压 ZIP

使用 scripts/zip_extract.py 正确解压 GBK 编码的 ZIP 文件。

from scripts.zip_extract import extract_zip_with_gbk
extract_zip_with_gbk(zip_path, output_dir)

解压完成后列出所有文件并按类型分类。

第二步：安装依赖

PYTHON="C:/Users/Administrator/.workbuddy/binaries/python/versions/3.13.12/python.exe"
$PYTHON -m venv C:/Users/Administrator/.workbuddy/binaries/python/envs/default
C:/Users/Administrator/.workbuddy/binaries/python/envs/default/Scripts/pip.exe install openpyxl pdfplumber pandas

第三步：解析文件

按优先级解析：

1. 客户信息统计表 XLSX（最高优先级）- 直接读取，通常包含多个Sheet
2. 对公银行流水 - 参考 references/bank_parsing_rules.md
3. 对私银行流水 - XLSX优先，其次PDF
4. 企业信用报告 - pdfplumber提取，关注关注类/不良类
5. 个人信用报告 - 非扫描件可提取，扫描件标注待OCR
6. 开票数据 - 从XLSX提取24个月数据
7. 房产信息 - 从PDF/图片提取

第四步：生成 Excel 报表

生成文件：姓名_公司名_尽调画像_YYYYMMDD.xlsx

严格按照尹伯群征信统计表格式，包含5个Sheet：

• Sheet1 尽调画像总表：基本信息、房产、流水汇总、贷款、信用卡、担保、负债、征信、风险提示
• Sheet2 对公流水月度汇总：按月度统计各银行借贷方
• Sheet3 对私流水月度汇总：按月度统计各银行收支
• Sheet4 开票经营数据：24个月数据+前十大下游
• Sheet5 企业征信详情：授信、担保、风险分类

第五步：数据核验

参考 references/verification_rules.md：

• L1：原始数据对照（银行汇总vs解析结果）
• L2：交叉验证（流水vs开票、流水vs征信）
• L3：异常标记（同名互转、法股互转等）

第六步：输出与汇报

使用 open_result_view 展示Excel文件，并按格式汇报核心数据和风险提示。

流水规则过滤（可选）

当用户明确请求时，应用5条剔除规则：

| 规则 | 说明 |

|------|------|

| ①同名互转 | 同一客户名下账户互转 |

| ②法/股互转 | 法人/股东与公司对公账户互转 |

| ③当日对倒 | 同日同金额进出 |

| ④关联闭环 | 资金经多账户后回流 |

| ⑤金融借款 | 来自金融平台的借款 |

使用 scripts/filter_flow.py 实现过滤逻辑。

输出过滤后Excel（3个Sheet）：剔除明细、有效流水、过滤统计。

常见问题

| 问题 | 解决方案 |

|------|----------|

| ZIP文件名乱码 | 使用scripts/zip_extract.py正确解码GBK |

| 光大银行PDF文字重复 | 用itertools.groupby去重 |

| 中信银行列偏移 | debit用row[6]、credit用row[7] |

| openpyxl合并单元格报错 | 先赋值再调用merge_cells |

技术栈

| 用途 | 工具 |

|------|------|

| ZIP解压 | Python zipfile + cp437/gbk解码 |

| PDF解析 | pdfplumber |

| Excel读写 | openpyxl |

| 数据处理 | pandas |

| OCR | pytesseract（需先安装Tesseract） |