CN106971343A - 保险数据的风险分析方法及*** - Google Patents
保险数据的风险分析方法及*** Download PDFInfo
- Publication number
- CN106971343A CN106971343A CN201610022358.3A CN201610022358A CN106971343A CN 106971343 A CN106971343 A CN 106971343A CN 201610022358 A CN201610022358 A CN 201610022358A CN 106971343 A CN106971343 A CN 106971343A
- Authority
- CN
- China
- Prior art keywords
- data
- assumptions
- risks
- processing links
- insurance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012502 risk assessment Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 276
- 238000004458 analytical method Methods 0.000 claims abstract description 273
- 230000001960 triggered effect Effects 0.000 claims abstract description 14
- 238000013507 mapping Methods 0.000 claims abstract description 12
- 238000012360 testing method Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 19
- 230000000694 effects Effects 0.000 claims description 10
- 230000001151 other effect Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种保险数据的风险分析方法及***,通过根据预设类型理赔数据与保险处理环节的映射关系,确定预设类型的理赔数据对应的保险处理环节及各保险处理环节对应的风险因子;按照预设分析模型的生成规则,基于已发生的各保险处理环节对应的数据,生成保险处理环节对应的预设分析模型;接收针对一个保险处理环节的数据进行风险分析所触发的操作指令,获取待分析保险处理环节对应的数据,基于待分析保险处理环节对应的风险因子和预设分析模型,分析得出对应的风险等级;具有针对不同的保险处理环节采用不同的分析模型进行风险分析的有益效果,提高了保险数据风险分析的准确率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种保险数据的风险分析方法及***。
背景技术
随着科学技术的不断发展和人们生活水平的不断提高,人们对生活质量的要求也越来越高,人们的保险意识也在不断增强。随之而来的,各类保险公司所需处理的用户投保的保险数据量也在不断增多。
目前,大部分保险公司的多个保险处理环节均共用同一个风险评估规则,且进行风险等级评估时,也通常由风险评估人员对某个待评估的保险处理环节的数据,按照预设的评估规则进行人工风险分析。比如,在预设的评估规则中设置理赔额风险评估规则,若一个受理赔的人在预设时间内多次发生理赔额超过预设理赔额阈值的理赔事件,则分析人员将该受理赔的人列入高理赔风险中。这种人工风险评估方式要求风险评估人员具备较高的风险分析知识和风险分析专业技能,且这种人工的风险分析方式分析效率和分析准确率都比较低,需要投入的大量的人力和物力。
发明内容
鉴于以上内容,有必要提供一种保险数据的风险分析方法及***,用以:针对不同的保险处理环节采用不同的分析模型进行风险分析,提高保险数据风险分析的准确率。
本发明公开了一种保险数据的风险分析方法,包括以下步骤:
将预设类型的理赔数据作为风险数据,根据预设类型理赔数据与保险处理环节的映射关系,确定每一种预设类型的理赔数据所分别对应的保险处理环节,并确定各保险处理环节所分别对应的风险因子;
按照预设分析模型的生成规则,基于已发生的各保险处理环节对应的历史数据,生成不同的保险处理环节所分别对应的预设分析模型;其中,所述预设分析模型用于分析各个保险处理环节对应数据的风险等级;
接收针对一个保险处理环节的数据进行风险分析所触发的操作指令,获取待分析保险处理环节对应的数据,基于所述待分析保险处理环节对应的风险因子和预设分析模型,分析得出所述待分析保险处理环节的数据所对应的风险等级。
优选地,所述按照预设分析模型的生成规则,基于已发生的各保险处理环节对应的历史数据,生成不同的保险处理环节所分别对应的预设分析模型,包括:
获取一个保险处理环节对应的已发生的预设数量的历史数据,确定所述保险处理环节对应的风险因子,对获取的所历史数据按确定的所述风险因子进行预处理,获取所述历史数据对应各个确定的所述风险因子的数据;
按照预设分析规则,对所述历史数据进行等级划分,并将不同等级历史数据对应的各个确定的所述风险因子的数据,分别发送到不同的文件夹中;
从各文件夹下分别提取预设比例的各个风险因子数据作为训练数据,对所述预设分析模型进行训练,并将各所述文件夹中剩余的各风险因子数据作为测试数据,测试训练后生成的所述预设分析模型的分类识别效果;
若所述预设分析模型的准确率小于或者等于预设准确率,则增加所述保险处理环节对应的已发生的历史数据的获取数量,重复所述预设分析模型的生成过程,直至生成的预设分析模型的准确率大于所述预设准确率;及/或:
按照预设因子调优规则,对所述保险处理环节对应的风险因子进行删除及/或增加处理,重复所述预设分析模型的生成过程,直至生成的所述预设分析模型的准确率大于所述预设准确率。
优选地,所述预设因子调优规则包括:
确定生成的预设分析模型中各个风险因子对应的权重系数,并找出权重系数最小的风险因子;
从对应的保险处理环节的风险因子中,删除找出的权重系数最小的风险因子;及/或:在对应的所述保险处理环节的风险因子中,新增其他风险因子。
优选地,所述预设因子调优规则包括:
确定生成的预设分析模型中各个风险因子对应的权重系数,并找出权重系数最小的风险因子,获取最小权重系数;
若所述最小权重系数小于预设权重阈值,则将所述权重系数最小的风险因子,从对应的保险处理环节的风险因子中删除;
若所述最小权重系数大于或者等于所述预设权重阈值,则在对应的保险处理环节的风险因子中新增其他风险因子。
优选地,所述接收针对一个保险处理环节的数据进行风险分析所触发的操作指令,获取待分析保险处理环节对应的数据,基于所述待分析保险处理环节对应的风险因子和预设分析模型,分析得出所述待分析保险处理环节的数据所对应的风险等级,包括:
接收用户触发的针对一个保险处理环节对应数据的风险等级分析指令,响应所述风险等级分析指令,获取待分析保险处理环节所对应的待分析数据;
确定所述待分析保险处理环节对应的预设分析模型和风险因子,对所述待分析数据按照确定的所述风险因子进行预处理,得到所述待分析数据对应各个确定的所述风险因子的数据;
将获取的各个确定的所述风险因子的数据,代入所述待分析保险处理环节所对应的预设分析模型中,分析并获取所述待分析数据对应的风险等级。
对应于以上所公开的一种保险数据的风险分析方法,本发明还公开了一种保险数据的风险分析***,包括:
获取模块,用于将预设类型的理赔数据作为风险数据,根据预设类型理赔数据与保险处理环节的映射关系,确定每一种预设类型的理赔数据所分别对应的保险处理环节,并确定各保险处理环节所分别对应的风险因子;
生成模块,用于按照预设分析模型的生成规则,基于已发生的各保险处理环节对应的历史数据,生成不同的保险处理环节所分别对应的预设分析模型;其中,所述预设分析模型用于分析各个保险处理环节对应数据的风险等级;
分析模块,用于接收针对一个保险处理环节的数据进行风险分析所触发的操作指令,获取待分析保险处理环节对应的数据,基于所述待分析保险处理环节对应的风险因子和预设分析模型,分析得出所述待分析保险处理环节的数据所对应的风险等级。
优选地,所述生成模块包括:
获取单元,用于获取一个保险处理环节对应的已发生的预设数量的历史数据,确定所述保险处理环节对应的风险因子,对获取的所历史数据按确定的所述风险因子进行预处理,获取所述历史数据对应各个确定的所述风险因子的数据;
划分单元,用于按照预设分析规则,对所述历史数据进行等级划分,并将不同等级历史数据对应的各个确定的所述风险因子的数据,分别发送到不同的文件夹中;
生成单元,用于从各文件夹下分别提取预设比例的各个风险因子数据作为训练数据,对所述预设分析模型进行训练,并将各所述文件夹中剩余的各风险因子数据作为测试数据,测试训练后生成的所述预设分析模型的分类识别效果;
验证单元,用于:
若所述预设分析模型的准确率小于或者等于预设准确率,则增加所述保险处理环节对应的已发生的历史数据的获取数量,重复所述预设分析模型的生成过程,直至生成的预设分析模型的准确率大于所述预设准确率;及/或:
按照预设因子调优规则,对所述保险处理环节对应的风险因子进行删除及/或增加处理,重复所述预设分析模型的生成过程,直至生成的所述预设分析模型的准确率大于所述预设准确率。
优选地,所述预设因子调优规则包括:
确定生成的预设分析模型中各个风险因子对应的权重系数,并找出权重系数最小的风险因子;
从对应的保险处理环节的风险因子中,删除找出的权重系数最小的风险因子;及/或:在对应的所述保险处理环节的风险因子中,新增其他风险因子。
优选地,所述预设因子调优规则包括:
确定生成的预设分析模型中各个风险因子对应的权重系数,并找出权重系数最小的风险因子,获取最小权重系数;
若所述最小权重系数小于预设权重阈值,则将所述权重系数最小的风险因子,从对应的保险处理环节的风险因子中删除;
若所述最小权重系数大于或者等于所述预设权重阈值,则在对应的保险处理环节的风险因子中新增其他风险因子。
优选地,所述分析模块包括:
接收单元,用于接收用户触发的针对一个保险处理环节对应数据的风险等级分析指令,响应所述风险等级分析指令,获取待分析保险处理环节所对应的待分析数据;
处理单元,用于确定所述待分析保险处理环节对应的预设分析模型和风险因子,对所述待分析数据按照确定的所述风险因子进行预处理,得到所述待分析数据对应各个确定的所述风险因子的数据;
分析单元,用于将获取的各个确定的所述风险因子的数据,代入所述待分析保险处理环节所对应的预设分析模型中,分析并获取所述待分析数据对应的风险等级。
本发明一种保险数据的风险分析方法及***可以达到如下有益效果:
通过将预设类型的理赔数据作为风险数据,根据预设类型理赔数据与保险处理环节的映射关系,确定每一种预设类型的理赔数据所分别对应的保险处理环节,并确定各保险处理环节所分别对应的风险因子;按照预设分析模型的生成规则,基于已发生的各保险处理环节对应的数据,生成不同的保险处理环节所分别对应的预设分析模型;接收用户触发的针对一个保险处理环节对应数据的风险等级分析指令,获取待分析保险处理环节对应的数据,基于所述待分析保险处理环节对应的风险因子和预设分析模型,分析得出所述待分析保险处理环节的数据所对应的风险等级;具有针对不同的保险处理环节采用不同的分析模型进行风险分析的有益效果,提高了保险数据风险分析的准确率;由于整个分析过程无需人工参与,因此提高了保险数据风险分析的效率,节约了人工成本。
附图说明
图1是本发明保险数据的风险分析方法的一种实施方式的流程示意图;
图2是本发明保险数据的风险分析方法中,图1所述实施例中步骤S20的一种实施方式的流程示意图;
图3是本发明保险数据的风险分析方法中,图1所述实施例中步骤S30的一种实施方式的流程示意图;
图4是本发明保险数据的风险分析***的一种实施方式的框图;
图5是本发明保险数据的风险分析***中,图4所述实施例中生成模块70的一种实施方式的框图;
图6是本发明保险数据的风险分析***中,图4所述实施例中分析模块80的一种实施方式的框图。
本发明实施例目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
以下结合说明书附图及具体实施例进一步说明本发明的技术方案。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供了一种保险数据的风险分析方法,用以:针对不同的保险处理环节采用不同的分析模型进行风险分析,提高保险数据风险分析的准确率。如图1所示,本发明保险数据的风险分析方法可以实施为如下描述的步骤S10-S30:
步骤S10、将预设类型的理赔数据作为风险数据,根据预设类型理赔数据与保险处理环节的映射关系,确定每一种预设类型的理赔数据所分别对应的保险处理环节,并确定各保险处理环节所分别对应的风险因子;
本发明实施例中,云服务器将预设类型的理赔数据作为风险数据,对各保险处理环节的风险等级进行分析评估。其中,所描述的预设类型的理赔数据包括但不限于:保险投保数据、保险查勘数据、保险理赔数据等。
云服务器根据预设类型理赔数据与保险处理环节的映射关系,确定出每一种预设类型的理赔数据所分别对应的保险处理环节,同时,确定出每一个保险处理环节所分别对应的风险因子。例如,在一种具体的应用场景中,保险投保数据对应的是保险投保环节,保险查勘数据对应的是报案查勘环节,保险理赔数据对应的是保险理赔环节等。
而每一个保险处理环节所分别对应的风险因子,可以根据各保险处理环节的不同,而选择不同的风险因子;本发明实施例对各保险处理环节所分别对应的风险因子的种类和类型不进行具体限定。例如,保险投保环节对应的风险因子包括但不限于:投保人性别、生活地域、年龄、婚姻状况、职业、保额等;报案查勘环节对应的风险因子包括但不限于:报案时间、报案人性别、报案人预设时长内的报案次数、报案地点、报案人年龄等;保险理赔环节对应的风险因子包括但不限于:受理赔人性别、受理赔人年龄、受理赔人婚姻状况、受理赔人职业、预设时长内的受理赔次数、预设时长内的受理赔平均金额等。
步骤S20、按照预设分析模型的生成规则,基于已发生的各保险处理环节对应的历史数据,生成不同的保险处理环节所分别对应的预设分析模型;其中,所述预设分析模型用于分析各个保险处理环节对应数据的风险等级;
本发明实施例中,云服务器按照预先确定的分析模型的生成规则,对已经发生的不同保险处理环节所分别对应的历史数据,生成不同保险处理环节所分别对应的预设分析模型。基于生成的上述预设分析模型,云服务器可以利用对应的预设分析模型,分析各个保险处理环节对应数据的风险等级。
例如,基于保险投保环节对应的已发生的历史保险投保数据,云服务器生成保险投保环节对应的预设分析模型,该预设分析模型用于分析:保险投保环节对应的投保数据的风险等级;基于报案查勘环节对应的已发生的历史报案查勘数据,云服务器生成报案查勘环节对应的风险等级的预设分析模型,该预设分析模型用于分析:报案查勘环节对应的报案查勘数据的风险等级;基于保险理赔环节对应的已发生的历史理赔数据,生成保险理赔环节对应的预设分析模型,该预设分析模型用于分析:保险理赔环节对应的理赔数据的风险等级。
步骤S30、接收针对一个保险处理环节的数据进行风险分析所触发的操作指令,获取待分析保险处理环节对应的数据,基于所述待分析保险处理环节对应的风险因子和预设分析模型,分析得出所述待分析保险处理环节的数据所对应的风险等级。
云服务器接收到用户触发的针对一个保险处理环节对应数据的风险等级分析指令时,响应该风险等级分析指令,获取该风险等级分析指令所指向的具体保险处理环节。当云服务器得到具体的保险处理环节后,确定该保险处理环节分别对应的风险因子和预设分析模型,将获取的风险因子代入对应的预设分析模型,基于该预设分析模型即可分析得出待分析保险处理环节的数据所对应的风险等级。
在本发明一优选的实施例中,当云服务器获取到待分析保险处理环节的数据所对应的风险等级后,将获取的风险等级与分析的保险处理环节一并显示出来,供分析人员查看;及/或,将获取的风险等级与分析的保险处理环节对应的信息发送至预设终端,从而方便分析人员及时掌握各保险处理环节所对应的具体风险等级。
进一步地,在本发明一优选实施例中,云服务器获取到某保险处理环节的风险等级后,判断获取的上述风险等级是否超过预设等级阈值;当获取的风险等级超出预设等级阈值时,云服务器发送对应的提醒信息,以提醒分析人员对应的保险处理环节的风险等级,便于分析人员及时采取应对措施。
本发明保险数据的风险分析方法通过将预设类型的理赔数据作为风险数据,根据预设类型理赔数据与保险处理环节的映射关系,确定每一种预设类型的理赔数据所分别对应的保险处理环节,并确定各保险处理环节所分别对应的风险因子;按照预设分析模型的生成规则,基于已发生的各保险处理环节对应的数据,生成不同的保险处理环节所分别对应的预设分析模型;接收用户触发的针对一个保险处理环节对应数据的风险等级分析指令,获取待分析保险处理环节对应的数据,基于所述待分析保险处理环节对应的风险因子和预设分析模型,分析得出所述待分析保险处理环节的数据所对应的风险等级;具有针对不同的保险处理环节采用不同的分析模型进行风险分析的有益效果,提高了保险数据风险分析的准确率;由于整个分析过程无需人工参与,因此提高了保险数据风险分析的效率,节约了人工成本。
基于图1所述实施例的描述,本发明保险数据的风险分析方法中,所描述的预设分析模型包括但不限于:支持向量机(Support Vector Machine,SVM)模型。云服务器按照预设分析模型的生成规则,生成各保险处理环节所分别对应的预设分析模型,可以通过图2描述的技术手段来实现。
如图2所示,本发明保险数据的风险分析方法中,图1所述实施例中,“步骤S20、按照预设分析模型的生成规则,基于已发生的各保险处理环节对应的历史数据,生成不同的保险处理环节所分别对应的预设分析模型”,可以实施为如下描述的步骤S210-S240:
步骤S210、获取一个保险处理环节对应的已发生的预设数量的历史数据,确定所述保险处理环节对应的风险因子,对获取的所历史数据按确定的所述风险因子进行预处理,获取所述历史数据对应各个确定的所述风险因子的数据;
本发明实施例中,针对一个保险处理环节,云服务器获取该保险处理环节对应的已经发生的预设数量的历史数据。由于已知了该具体的保险处理环节,因此,即可确定该保险处理环节所对应的风险因子。针对不同的风险因子,云服务器对上述历史数据进行预处理,得到不同的风险因子下所分别对应的风险因子数据。
步骤S220、按照预设分析规则,对所述历史数据进行等级划分,并将不同等级历史数据对应的各个确定的所述风险因子的数据,分别发送到不同的文件夹中;
按照预先确定的针对保险处理环节的历史数据的分析规则,对上述历史数据进行等级划分,得到对应的不同等级的数据;并根据不同等级,将对应的历史数据所分别对应的各个确定的风险因子的数据,分发至不同的文件夹中。
例如,在一个具体的应用场景中,针对保险投保环节对应的历史投保数据,云服务器将利润大于第一阈值且对应的利润率大于第二阈值的历史投保数据,划分为优质投保数据;将利润小于第三阈值且对应的利润率小于第四阈值的历史投保数据,划分为较差投保数据;其他情况为一般投保数据;从而,对应得到等级划分后的数据分别为:优质投保数据、较差投保数据、一般投保数据。在对等级划分后的数据分发至不同的文件夹时,例如,将优质投保数据对应的风险因子数据,分发到第一文件夹里;将一般投保数据对应的风险因子数据,分发到第二文件夹里;将较差投保数据对应的风险因子数据分发到第三文件夹里等。
步骤S230、从各文件夹下分别提取预设比例的各个风险因子数据作为训练数据,对所述预设分析模型进行训练,并将各所述文件夹中剩余的各风险因子数据作为测试数据,测试训练后生成的所述预设分析模型的分类识别效果;
从不同的文件夹下各自提取预设比例(例如70%)的风险因子数据作为训练数据,对预设分析模型进行训练。同时,将各个文件夹中剩余的(例如剩余的30%)各风险因子数据,作为测试数据,从而使用上述测试数据来测试训练后的预设分析模型的分类识别效果。
例如,当使用预设分析模型为SVM模型时,云服务器利用提取的预设比例比如70%的各个风险因子数据,进行SVM模型训练以生成对应的用于分析该保险处理环节对应数据风险等级的SVM模型,利用剩下的比如30%的各个风险因子数据,对生成的SVM模型进行准确性验证。
步骤S240、若所述预设分析模型的准确率小于或者等于预设准确率,则增加所述保险处理环节对应的已发生的历史数据的获取数量,重复所述预设分析模型的生成过程,直至生成的预设分析模型的准确率大于所述预设准确率;及/或:按照预设因子调优规则,对所述保险处理环节对应的风险因子进行删除及/或增加处理,重复所述预设分析模型的生成过程,直至生成的所述预设分析模型的准确率大于所述预设准确率。
例如,若生成的预设分析模型的准确率小于或者等于预设准确率比如99%,则增加该保险处理环节对应的已发生的历史数据的获取数量,重复上述预设分析模型的生成过程,直至生成的预设分析模型的准确率大于所述预设准确率比如99%。及/或:
按照预设因子调优规则,对所述保险处理环节对应的风险因子进行删除及/或增加处理,重复所述预设分析模型的生成过程,直至生成的所述预设分析模型的准确率大于所述预设准确率比如99%。
在本发明一优选的实施例中,所描述的预设因子调优规则包括:
在对应的保险处理环节的风险因子中,新增加其他风险因子。
在本发明一优选的实施例中,所描述的预设因子调优规则包括:
确定生成的预设分析模型中各个风险因子对应的权重系数,并找出权重系数最小的风险因子;从对应的保险处理环节的风险因子中,删除找出的权重系数最小的风险因子;及/或:在对应的所述保险处理环节的风险因子中,新增其他风险因子
在本发明一优选的实施例中,所描述的预设因子调优规则包括:
确定生成的预设分析模型中各个风险因子对应的权重系数,并找出权重系数最小的风险因子,获取最小权重系数;若所述最小权重系数小于预设权重阈值,则将所述权重系数最小的风险因子,从对应的保险处理环节的风险因子中删除;若所述最小权重系数大于或者等于所述预设权重阈值,则在对应的保险处理环节的风险因子中新增其他风险因子。
本发明保险数据的风险分析方法通过获取一个保险处理环节对应的已发生的预设数量的历史数据,确定所述保险处理环节对应的风险因子,对获取的所历史数据按确定的所述风险因子进行预处理,获取所述历史数据对应各个确定的所述风险因子的数据;按照预设分析规则,对所述历史数据进行等级划分,并将不同等级历史数据对应的各个确定的所述风险因子的数据,分别发送到不同的文件夹中;从各文件夹下分别提取预设比例的各个风险因子数据作为训练数据,对所述预设分析模型进行训练,并将各所述文件夹中剩余的各风险因子数据作为测试数据,测试训练后生成的所述预设分析模型的分类识别效果,直至生成的所述预设分析模型的准确率大于所述预设准确率;具有生成不同的保险处理环节所分别对应的预设分析模型的有益效果,避免了所有的保险处理环节均采用同一个分析模型的情况,进一步提高了保险数据风险分析的准确性。
基于图1、图2所述实施例的描述,本发明保险数据的风险分析方法中,云服务器基于触发的操作指令,对相应的保险处理环节的数据进行风险等级分析时,可以采用图3所述实施例描述的技术手段实现。
如图3所示,本发明保险数据的风险分析方法中,图1所述实施例中,“步骤S30、接收针对一个保险处理环节的数据进行风险分析所触发的操作指令,获取待分析保险处理环节对应的数据,基于所述待分析保险处理环节对应的风险因子和预设分析模型,分析得出所述待分析保险处理环节的数据所对应的风险等级”,可以实施为如下描述的步骤S310-S330:
步骤S310、接收用户触发的针对一个保险处理环节对应数据的风险等级分析指令,响应所述风险等级分析指令,获取待分析保险处理环节所对应的待分析数据;
步骤S320、确定所述待分析保险处理环节对应的预设分析模型和风险因子,对所述待分析数据按照确定的所述风险因子进行预处理,得到所述待分析数据对应各个确定的所述风险因子的数据;
步骤S330、将获取的各个确定的所述风险因子的数据,代入所述待分析保险处理环节所对应的预设分析模型中,分析并获取所述待分析数据对应的风险等级。
本发明实施例中,云服务器接收到操作指令可以由用户触发,可以由***在满足一定的触发条件时自动触发,本发明实施例对上述针对一个保险处理环节的数据进行风险分析的操作指令的触发主体,不做具体限定。
云服务器接收到上述风险等级分析指令后,根据所针对的保险处理环节,确定该保险处理环节所适用的预设分析模型,以及该保险处理环节对应的风险因子,对该保险处理环节的待分析数据进行风险等级分析。云服务器将待分析数据按照确定的所述风险因子进行预处理,得到所述待分析数据对应各个确定的所述风险因子的数据,并将得到的风险因子数据代入上述预设分析模型中,即可分析得到上述保险处理环节的数据所对应的风险等级。
本发明保险数据的风险分析方法通过接收用户触发的针对一个保险处理环节对应数据的风险等级分析指令,响应所述风险等级分析指令,获取待分析保险处理环节所对应的待分析数据;确定所述待分析保险处理环节对应的预设分析模型和风险因子,对所述待分析数据按照确定的所述风险因子进行预处理,得到所述待分析数据对应各个确定的所述风险因子的数据;将获取的各个确定的所述风险因子的数据,代入所述待分析保险处理环节所对应的预设分析模型中,分析并获取所述待分析数据对应的风险等级;具有进一步提高数据风险等级分析效率的有益效果。
对应于图1、图2和图3所述实施例提供的一种保险数据的风险分析方法,本发明还提供了一种保险数据的风险分析***。如图4所示,本发明保险数据的风险分析***包括:获取模块60、生成模块70和分析模块80;其中:
获取模块60,用于将预设类型的理赔数据作为风险数据,根据预设类型理赔数据与保险处理环节的映射关系,确定每一种预设类型的理赔数据所分别对应的保险处理环节,并确定各保险处理环节所分别对应的风险因子;
本发明实施例中,获取模块60将预设类型的理赔数据作为风险数据,对各保险处理环节的风险等级进行分析评估。其中,所描述的预设类型的理赔数据包括但不限于:保险投保数据、保险查勘数据、保险理赔数据等。
获取模块60根据预设类型理赔数据与保险处理环节的映射关系,确定出每一种预设类型的理赔数据所分别对应的保险处理环节,同时,确定出每一个保险处理环节所分别对应的风险因子。例如,在一种具体的应用场景中,保险投保数据对应的是保险投保环节,保险查勘数据对应的是报案查勘环节,保险理赔数据对应的是保险理赔环节等。
而每一个保险处理环节所分别对应的风险因子,可以根据各保险处理环节的不同,而选择不同的风险因子;本发明实施例对各保险处理环节所分别对应的风险因子的种类和类型不进行具体限定。例如,保险投保环节对应的风险因子包括但不限于:投保人性别、生活地域、年龄、婚姻状况、职业、保额等;报案查勘环节对应的风险因子包括但不限于:报案时间、报案人性别、报案人预设时长内的报案次数、报案地点、报案人年龄等;保险理赔环节对应的风险因子包括但不限于:受理赔人性别、受理赔人年龄、受理赔人婚姻状况、受理赔人职业、预设时长内的受理赔次数、预设时长内的受理赔平均金额等。
生成模块70,用于按照预设分析模型的生成规则,基于已发生的各保险处理环节对应的历史数据,生成不同的保险处理环节所分别对应的预设分析模型;其中,所述预设分析模型用于分析各个保险处理环节对应数据的风险等级;
本发明实施例中,生成模块70按照预先确定的分析模型的生成规则,对已经发生的不同保险处理环节所分别对应的历史数据,生成不同保险处理环节所分别对应的预设分析模型。基于生成的上述预设分析模型,生成模块70可以利用对应的预设分析模型,分析各个保险处理环节对应数据的风险等级。
例如,基于保险投保环节对应的已发生的历史保险投保数据,生成模块70生成保险投保环节对应的预设分析模型,该预设分析模型用于分析:保险投保环节对应的投保数据的风险等级;基于报案查勘环节对应的已发生的历史报案查勘数据,生成模块70生成报案查勘环节对应的风险等级的预设分析模型,该预设分析模型用于分析:报案查勘环节对应的报案查勘数据的风险等级;基于保险理赔环节对应的已发生的历史理赔数据,生成模块70生成保险理赔环节对应的预设分析模型,该预设分析模型用于分析:保险理赔环节对应的理赔数据的风险等级。
分析模块80,用于接收针对一个保险处理环节的数据进行风险分析所触发的操作指令,获取待分析保险处理环节对应的数据,基于所述待分析保险处理环节对应的风险因子和预设分析模型,分析得出所述待分析保险处理环节的数据所对应的风险等级。
分析模块80接收到用户触发的针对一个保险处理环节对应数据的风险等级分析指令时,响应该风险等级分析指令,获取该风险等级分析指令所指向的具体保险处理环节。当分析模块80得到具体的保险处理环节后,确定该保险处理环节分别对应的风险因子和预设分析模型,将获取的风险因子代入对应的预设分析模型,基于该预设分析模型即可分析得出待分析保险处理环节的数据所对应的风险等级。
在本发明一优选的实施例中,当分析模块80获取到待分析保险处理环节的数据所对应的风险等级后,将获取的风险等级与分析的保险处理环节一并显示出来,供分析人员查看;及/或,将获取的风险等级与分析的保险处理环节对应的信息发送至预设终端,从而方便分析人员及时掌握各保险处理环节所对应的具体风险等级。
进一步地,在本发明一优选实施例中,分析模块80获取到某保险处理环节的风险等级后,判断获取的上述风险等级是否超过预设等级阈值;当获取的风险等级超出预设等级阈值时,分析模块80发送对应的提醒信息,以提醒分析人员对应的保险处理环节的风险等级,便于分析人员及时采取应对措施。
本发明保险数据的风险分析***通过将预设类型的理赔数据作为风险数据,根据预设类型理赔数据与保险处理环节的映射关系,确定每一种预设类型的理赔数据所分别对应的保险处理环节,并确定各保险处理环节所分别对应的风险因子;按照预设分析模型的生成规则,基于已发生的各保险处理环节对应的数据,生成不同的保险处理环节所分别对应的预设分析模型;接收用户触发的针对一个保险处理环节对应数据的风险等级分析指令,获取待分析保险处理环节对应的数据,基于所述待分析保险处理环节对应的风险因子和预设分析模型,分析得出所述待分析保险处理环节的数据所对应的风险等级;具有针对不同的保险处理环节采用不同的分析模型进行风险分析的有益效果,提高了保险数据风险分析的准确率;由于整个分析过程无需人工参与,因此提高了保险数据风险分析的效率,节约了人工成本。
基于图4所述实施例的描述,本发明保险数据的风险分析***中,所描述的预设分析模型包括但不限于:支持向量机模型。
如图5所示,本发明保险数据的风险分析***中,图4所述实施例中的所述生成模块70包括:获取单元701、划分单元702、生成单元703和验证单元704;其中:
获取单元701,用于获取一个保险处理环节对应的已发生的预设数量的历史数据,确定所述保险处理环节对应的风险因子,对获取的所历史数据按确定的所述风险因子进行预处理,获取所述历史数据对应各个确定的所述风险因子的数据;
本发明实施例中,针对一个保险处理环节,获取单元701获取该保险处理环节对应的已经发生的预设数量的历史数据。由于已知了该具体的保险处理环节,因此,即可确定该保险处理环节所对应的风险因子。针对不同的风险因子,获取单元701对上述历史数据进行预处理,得到不同的风险因子下所分别对应的风险因子数据。
划分单元702,用于按照预设分析规则,对所述历史数据进行等级划分,并将不同等级历史数据对应的各个确定的所述风险因子的数据,分别发送到不同的文件夹中;
划分单元702按照预先确定的针对保险处理环节的历史数据的分析规则,对上述历史数据进行等级划分,得到对应的不同等级的数据;并根据不同等级,划分单元702将对应的历史数据所分别对应的各个确定的风险因子的数据,分发至不同的文件夹中。
例如,在一个具体的应用场景中,针对保险投保环节对应的历史投保数据,划分单元702将利润大于第一阈值且对应的利润率大于第二阈值的历史投保数据,划分为优质投保数据;将利润小于第三阈值且对应的利润率小于第四阈值的历史投保数据,划分为较差投保数据;其他情况为一般投保数据;从而,对应得到等级划分后的数据分别为:优质投保数据、较差投保数据、一般投保数据。划分单元702在对等级划分后的数据分发至不同的文件夹时,例如,将优质投保数据对应的风险因子数据,分发到第一文件夹里;将一般投保数据对应的风险因子数据,分发到第二文件夹里;将较差投保数据对应的风险因子数据分发到第三文件夹里等。
生成单元703,用于从各文件夹下分别提取预设比例的各个风险因子数据作为训练数据,对所述预设分析模型进行训练,并将各所述文件夹中剩余的各风险因子数据作为测试数据,测试训练后生成的所述预设分析模型的分类识别效果;
生成单元703从不同的文件夹下各自提取预设比例(例如70%)的风险因子数据作为训练数据,对预设分析模型进行训练。同时,生成单元703将各个文件夹中剩余的(例如剩余的30%)各风险因子数据,作为测试数据,从而使用上述测试数据来测试训练后的预设分析模型的分类识别效果。
例如,当使用预设分析模型为SVM模型时,生成单元703利用提取的预设比例比如70%的各个风险因子数据,进行SVM模型训练以生成对应的用于分析该保险处理环节对应数据风险等级的SVM模型,生成单元703利用剩下的比如30%的各个风险因子数据,对生成的SVM模型进行准确性验证。
验证单元704,用于:
若所述预设分析模型的准确率小于或者等于预设准确率,则增加所述保险处理环节对应的已发生的历史数据的获取数量,重复所述预设分析模型的生成过程,直至生成的预设分析模型的准确率大于所述预设准确率;及/或:按照预设因子调优规则,对所述保险处理环节对应的风险因子进行删除及/或增加处理,重复所述预设分析模型的生成过程,直至生成的所述预设分析模型的准确率大于所述预设准确率。
例如,若生成单元703生成的预设分析模型的准确率小于或者等于预设准确率比如99%,验证单元704则增加该保险处理环节对应的已发生的历史数据的获取数量,重复上述预设分析模型的生成过程,直至生成的预设分析模型的准确率大于所述预设准确率比如99%。及/或:
按照预设因子调优规则,验证单元704对所述保险处理环节对应的风险因子进行删除及/或增加处理,重复所述预设分析模型的生成过程,直至生成的所述预设分析模型的准确率大于所述预设准确率比如99%。
在本发明一优选的实施例中,所描述的预设因子调优规则包括:
在对应的保险处理环节的风险因子中,新增加其他风险因子。
在本发明一优选的实施例中,所描述的预设因子调优规则包括:
验证单元704确定生成的预设分析模型中各个风险因子对应的权重系数,并找出权重系数最小的风险因子;从对应的保险处理环节的风险因子中,删除找出的权重系数最小的风险因子;及/或:在对应的所述保险处理环节的风险因子中,新增其他风险因子
在本发明一优选的实施例中,所描述的预设因子调优规则包括:
验证单元704确定生成的预设分析模型中各个风险因子对应的权重系数,并找出权重系数最小的风险因子,获取最小权重系数;若所述最小权重系数小于预设权重阈值,则将所述权重系数最小的风险因子,从对应的保险处理环节的风险因子中删除;若所述最小权重系数大于或者等于所述预设权重阈值,则在对应的保险处理环节的风险因子中新增其他风险因子。
本发明保险数据的风险分析***通过获取一个保险处理环节对应的已发生的预设数量的历史数据,确定所述保险处理环节对应的风险因子,对获取的所历史数据按确定的所述风险因子进行预处理,获取所述历史数据对应各个确定的所述风险因子的数据;按照预设分析规则,对所述历史数据进行等级划分,并将不同等级历史数据对应的各个确定的所述风险因子的数据,分别发送到不同的文件夹中;从各文件夹下分别提取预设比例的各个风险因子数据作为训练数据,对所述预设分析模型进行训练,并将各所述文件夹中剩余的各风险因子数据作为测试数据,测试训练后生成的所述预设分析模型的分类识别效果,直至生成的所述预设分析模型的准确率大于所述预设准确率;具有生成不同的保险处理环节所分别对应的预设分析模型的有益效果,避免了所有的保险处理环节均采用同一个分析模型的情况,进一步提高了保险数据风险分析的准确性。
基于图4、图5所述实施例的描述,如图6所示,本发明保险数据的风险分析***中,图4所述实施例中,所述分析模块80包括:
接收单元801,用于接收用户触发的针对一个保险处理环节对应数据的风险等级分析指令,响应所述风险等级分析指令,获取待分析保险处理环节所对应的待分析数据;
处理单元802,用于确定所述待分析保险处理环节对应的预设分析模型和风险因子,对所述待分析数据按照确定的所述风险因子进行预处理,得到所述待分析数据对应各个确定的所述风险因子的数据;
分析单元803,用于将获取的各个确定的所述风险因子的数据,代入所述待分析保险处理环节所对应的预设分析模型中,分析并获取所述待分析数据对应的风险等级。
本发明实施例中,接收单元801接收到操作指令可以由用户触发,可以由***在满足一定的触发条件时自动触发,本发明实施例对上述针对一个保险处理环节的数据进行风险分析的操作指令的触发主体,不做具体限定。
接收单元801接收到上述风险等级分析指令后,处理单元802根据所针对的保险处理环节,确定该保险处理环节所适用的预设分析模型,以及该保险处理环节对应的风险因子,分析单元803对该保险处理环节的待分析数据进行风险等级分析。分析单元803将待分析数据按照确定的所述风险因子进行预处理,得到所述待分析数据对应各个确定的所述风险因子的数据,并将得到的风险因子数据代入上述预设分析模型中,即可分析得到上述保险处理环节的数据所对应的风险等级。
本发明保险数据的风险分析***通过接收用户触发的针对一个保险处理环节对应数据的风险等级分析指令,响应所述风险等级分析指令,获取待分析保险处理环节所对应的待分析数据;确定所述待分析保险处理环节对应的预设分析模型和风险因子,对所述待分析数据按照确定的所述风险因子进行预处理,得到所述待分析数据对应各个确定的所述风险因子的数据;将获取的各个确定的所述风险因子的数据,代入所述待分析保险处理环节所对应的预设分析模型中,分析并获取所述待分析数据对应的风险等级;具有进一步提高数据风险等级分析效率的有益效果。
需要说明的是,在本文中,术语“包括”、“包含”或者任何其他带有非排他性涵盖意义的词语,其作用是表明包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述仅为本发明的优选实施例,并非因此限制其专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种保险数据的风险分析方法,其特征在于,包括以下步骤:
将预设类型的理赔数据作为风险数据,根据预设类型理赔数据与保险处理环节的映射关系,确定每一种预设类型的理赔数据所分别对应的保险处理环节,并确定各保险处理环节所分别对应的风险因子;
按照预设分析模型的生成规则,基于已发生的各保险处理环节对应的历史数据,生成不同的保险处理环节所分别对应的预设分析模型;其中,所述预设分析模型用于分析各个保险处理环节对应数据的风险等级;
接收针对一个保险处理环节的数据进行风险分析所触发的操作指令,获取待分析保险处理环节对应的数据,基于所述待分析保险处理环节对应的风险因子和预设分析模型,分析得出所述待分析保险处理环节的数据所对应的风险等级。
2.如权利要求1所述的方法,其特征在于,所述按照预设分析模型的生成规则,基于已发生的各保险处理环节对应的历史数据,生成不同的保险处理环节所分别对应的预设分析模型,包括:
获取一个保险处理环节对应的已发生的预设数量的历史数据,确定所述保险处理环节对应的风险因子,对获取的所历史数据按确定的所述风险因子进行预处理,获取所述历史数据对应各个确定的所述风险因子的数据;
按照预设分析规则,对所述历史数据进行等级划分,并将不同等级历史数据对应的各个确定的所述风险因子的数据,分别发送到不同的文件夹中;
从各文件夹下分别提取预设比例的各个风险因子数据作为训练数据,对所述预设分析模型进行训练,并将各所述文件夹中剩余的各风险因子数据作为测试数据,测试训练后生成的所述预设分析模型的分类识别效果;
若所述预设分析模型的准确率小于或者等于预设准确率,则增加所述保险处理环节对应的已发生的历史数据的获取数量,重复所述预设分析模型的生成过程,直至生成的预设分析模型的准确率大于所述预设准确率;及/或:
按照预设因子调优规则,对所述保险处理环节对应的风险因子进行删除及/或增加处理,重复所述预设分析模型的生成过程,直至生成的所述预设分析模型的准确率大于所述预设准确率。
3.如权利要求2所述的方法,其特征在于,所述预设因子调优规则包括:
确定生成的预设分析模型中各个风险因子对应的权重系数,并找出权重系数最小的风险因子;
从对应的保险处理环节的风险因子中,删除找出的权重系数最小的风险因子;及/或:在对应的所述保险处理环节的风险因子中,新增其他风险因子。
4.如权利要求2所述的方法,其特征在于,所述预设因子调优规则包括:
确定生成的预设分析模型中各个风险因子对应的权重系数,并找出权重系数最小的风险因子,获取最小权重系数;
若所述最小权重系数小于预设权重阈值,则将所述权重系数最小的风险因子,从对应的保险处理环节的风险因子中删除;
若所述最小权重系数大于或者等于所述预设权重阈值,则在对应的保险处理环节的风险因子中新增其他风险因子。
5.如权利要求1至4任一项所述的方法,其特征在于,所述接收针对一个保险处理环节的数据进行风险分析所触发的操作指令,获取待分析保险处理环节对应的数据,基于所述待分析保险处理环节对应的风险因子和预设分析模型,分析得出所述待分析保险处理环节的数据所对应的风险等级,包括:
接收用户触发的针对一个保险处理环节对应数据的风险等级分析指令,响应所述风险等级分析指令,获取待分析保险处理环节所对应的待分析数据;
确定所述待分析保险处理环节对应的预设分析模型和风险因子,对所述待分析数据按照确定的所述风险因子进行预处理,得到所述待分析数据对应各个确定的所述风险因子的数据;
将获取的各个确定的所述风险因子的数据,代入所述待分析保险处理环节所对应的预设分析模型中,分析并获取所述待分析数据对应的风险等级。
6.一种保险数据的风险分析***,其特征在于,包括:
获取模块,用于将预设类型的理赔数据作为风险数据,根据预设类型理赔数据与保险处理环节的映射关系,确定每一种预设类型的理赔数据所分别对应的保险处理环节,并确定各保险处理环节所分别对应的风险因子;
生成模块,用于按照预设分析模型的生成规则,基于已发生的各保险处理环节对应的历史数据,生成不同的保险处理环节所分别对应的预设分析模型;其中,所述预设分析模型用于分析各个保险处理环节对应数据的风险等级;
分析模块,用于接收针对一个保险处理环节的数据进行风险分析所触发的操作指令,获取待分析保险处理环节对应的数据,基于所述待分析保险处理环节对应的风险因子和预设分析模型,分析得出所述待分析保险处理环节的数据所对应的风险等级。
7.如权利要求6所述的***,其特征在于,所述生成模块包括:
获取单元,用于获取一个保险处理环节对应的已发生的预设数量的历史数据,确定所述保险处理环节对应的风险因子,对获取的所历史数据按确定的所述风险因子进行预处理,获取所述历史数据对应各个确定的所述风险因子的数据;
划分单元,用于按照预设分析规则,对所述历史数据进行等级划分,并将不同等级历史数据对应的各个确定的所述风险因子的数据,分别发送到不同的文件夹中;
生成单元,用于从各文件夹下分别提取预设比例的各个风险因子数据作为训练数据,对所述预设分析模型进行训练,并将各所述文件夹中剩余的各风险因子数据作为测试数据,测试训练后生成的所述预设分析模型的分类识别效果;
验证单元,用于:
若所述预设分析模型的准确率小于或者等于预设准确率,则增加所述保险处理环节对应的已发生的历史数据的获取数量,重复所述预设分析模型的生成过程,直至生成的预设分析模型的准确率大于所述预设准确率;及/或:
按照预设因子调优规则,对所述保险处理环节对应的风险因子进行删除及/或增加处理,重复所述预设分析模型的生成过程,直至生成的所述预设分析模型的准确率大于所述预设准确率。
8.如权利要求7所述的***,其特征在于,所述预设因子调优规则包括:
确定生成的预设分析模型中各个风险因子对应的权重系数,并找出权重系数最小的风险因子;
从对应的保险处理环节的风险因子中,删除找出的权重系数最小的风险因子;及/或:在对应的所述保险处理环节的风险因子中,新增其他风险因子。
9.如权利要求7所述的***,其特征在于,所述预设因子调优规则包括:
确定生成的预设分析模型中各个风险因子对应的权重系数,并找出权重系数最小的风险因子,获取最小权重系数;
若所述最小权重系数小于预设权重阈值,则将所述权重系数最小的风险因子,从对应的保险处理环节的风险因子中删除;
若所述最小权重系数大于或者等于所述预设权重阈值,则在对应的保险处理环节的风险因子中新增其他风险因子。
10.如权利要求6至9任一项所述的***,其特征在于,所述分析模块包括:
接收单元,用于接收用户触发的针对一个保险处理环节对应数据的风险等级分析指令,响应所述风险等级分析指令,获取待分析保险处理环节所对应的待分析数据;
处理单元,用于确定所述待分析保险处理环节对应的预设分析模型和风险因子,对所述待分析数据按照确定的所述风险因子进行预处理,得到所述待分析数据对应各个确定的所述风险因子的数据;
分析单元,用于将获取的各个确定的所述风险因子的数据,代入所述待分析保险处理环节所对应的预设分析模型中,分析并获取所述待分析数据对应的风险等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610022358.3A CN106971343A (zh) | 2016-01-13 | 2016-01-13 | 保险数据的风险分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610022358.3A CN106971343A (zh) | 2016-01-13 | 2016-01-13 | 保险数据的风险分析方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106971343A true CN106971343A (zh) | 2017-07-21 |
Family
ID=59335168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610022358.3A Pending CN106971343A (zh) | 2016-01-13 | 2016-01-13 | 保险数据的风险分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106971343A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107424069A (zh) * | 2017-08-17 | 2017-12-01 | 阿里巴巴集团控股有限公司 | 一种风控特征的生成方法、风险监控方法及设备 |
CN107578339A (zh) * | 2017-09-11 | 2018-01-12 | 宁波市众鑫保网络技术有限公司 | 一种保险分析处理的方法及设备 |
CN108090829A (zh) * | 2017-12-21 | 2018-05-29 | 深圳市买买提信息科技有限公司 | 一种数据管理方法、数据管理装置及电子设备 |
CN108256720A (zh) * | 2017-11-07 | 2018-07-06 | 中国平安财产保险股份有限公司 | 一种保险理赔风险评估方法及终端设备 |
CN108665175A (zh) * | 2018-05-16 | 2018-10-16 | 阿里巴巴集团控股有限公司 | 一种保险业务风险预测的处理方法、装置及处理设备 |
CN108694673A (zh) * | 2018-05-16 | 2018-10-23 | 阿里巴巴集团控股有限公司 | 一种保险业务风险预测的处理方法、装置及处理设备 |
CN108734592A (zh) * | 2018-05-11 | 2018-11-02 | 深圳市图灵奇点智能科技有限公司 | 车辆保险业务数据分析方法和*** |
CN109492885A (zh) * | 2018-10-25 | 2019-03-19 | 平安医疗健康管理股份有限公司 | 医保风险项目分析方法装置、终端及可读介质 |
CN113361982A (zh) * | 2021-08-11 | 2021-09-07 | 奇安信科技集团股份有限公司 | 网络安全风险评估方法及装置 |
-
2016
- 2016-01-13 CN CN201610022358.3A patent/CN106971343A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107424069A (zh) * | 2017-08-17 | 2017-12-01 | 阿里巴巴集团控股有限公司 | 一种风控特征的生成方法、风险监控方法及设备 |
CN107424069B (zh) * | 2017-08-17 | 2020-11-17 | 创新先进技术有限公司 | 一种风控特征的生成方法、风险监控方法及设备 |
CN107578339A (zh) * | 2017-09-11 | 2018-01-12 | 宁波市众鑫保网络技术有限公司 | 一种保险分析处理的方法及设备 |
CN108256720A (zh) * | 2017-11-07 | 2018-07-06 | 中国平安财产保险股份有限公司 | 一种保险理赔风险评估方法及终端设备 |
CN108090829A (zh) * | 2017-12-21 | 2018-05-29 | 深圳市买买提信息科技有限公司 | 一种数据管理方法、数据管理装置及电子设备 |
CN108734592A (zh) * | 2018-05-11 | 2018-11-02 | 深圳市图灵奇点智能科技有限公司 | 车辆保险业务数据分析方法和*** |
CN108665175A (zh) * | 2018-05-16 | 2018-10-16 | 阿里巴巴集团控股有限公司 | 一种保险业务风险预测的处理方法、装置及处理设备 |
CN108694673A (zh) * | 2018-05-16 | 2018-10-23 | 阿里巴巴集团控股有限公司 | 一种保险业务风险预测的处理方法、装置及处理设备 |
CN109492885A (zh) * | 2018-10-25 | 2019-03-19 | 平安医疗健康管理股份有限公司 | 医保风险项目分析方法装置、终端及可读介质 |
CN109492885B (zh) * | 2018-10-25 | 2024-02-09 | 平安医疗健康管理股份有限公司 | 医保风险项目分析方法装置、终端及可读介质 |
CN113361982A (zh) * | 2021-08-11 | 2021-09-07 | 奇安信科技集团股份有限公司 | 网络安全风险评估方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106971343A (zh) | 保险数据的风险分析方法及*** | |
CN108932585B (zh) | 一种商户运营管理方法及其设备、存储介质、电子设备 | |
CN107910068A (zh) | 投保用户的健康风险预测方法、装置、设备及存储介质 | |
CN104391860B (zh) | 内容类别检测方法及装置 | |
CN106952162A (zh) | 洗钱风险等级计算方法及*** | |
CN107566358A (zh) | 一种风险预警提示方法、装置、介质及设备 | |
CN107153971A (zh) | 用于识别app推广中设备作弊的方法及装置 | |
CN106557747B (zh) | 识别保险单号码的方法及装置 | |
CN113110207A (zh) | 基于物联网传感器的虫害远程监测方法、***及存储介质 | |
CN114170513B (zh) | 一种草地贪夜蛾的虫情监测方法、***及存储介质 | |
CN107133265A (zh) | 一种识别行为异常用户的方法及装置 | |
CN110991875A (zh) | 一种平台用户质量评估*** | |
CN108229963A (zh) | 用户操作行为的风险识别方法及装置 | |
CN105592008A (zh) | 用户网络行为处理方法及装置 | |
CN106095916A (zh) | 信息推送方法和装置 | |
CN107146160B (zh) | 投保客户健康状况分析方法及服务器 | |
CN108090359A (zh) | 一种应用程序监测方法及应用服务器 | |
CN116362571B (zh) | 一种基于深度学习的多源污染时空特征分析方法及*** | |
CN106971344A (zh) | 保额控制方法和*** | |
CN108229749A (zh) | 基于深度学习的不良购票行为管理方法 | |
CN112163222A (zh) | 一种恶意软件检测方法及装置 | |
CN113298119B (zh) | 机器学习模型的投放策略评估方法、装置及电子设备 | |
CN111784360B (zh) | 一种基于网络链接回溯的反欺诈预测方法及*** | |
CN107832925A (zh) | 互联网内容风险评价方法、装置及服务器 | |
CN109711856B (zh) | 基于大数据的用户分类方法、装置、服务器及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170721 |
|
RJ01 | Rejection of invention patent application after publication |