CN111967999A - 调查处理方法、装置、计算机设备和存储介质 - Google Patents
调查处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111967999A CN111967999A CN202010880983.8A CN202010880983A CN111967999A CN 111967999 A CN111967999 A CN 111967999A CN 202010880983 A CN202010880983 A CN 202010880983A CN 111967999 A CN111967999 A CN 111967999A
- Authority
- CN
- China
- Prior art keywords
- case
- survey
- investigation
- risk
- calling
- 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
- 238000011835 investigation Methods 0.000 title claims abstract description 208
- 238000003672 processing method Methods 0.000 title abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000012986 modification Methods 0.000 claims abstract description 13
- 230000004048 modification Effects 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 20
- 238000012502 risk assessment Methods 0.000 claims description 18
- 238000013210 evaluation model Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 7
- 238000012550 audit Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 201000008383 nephritis Diseases 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种人工智能,提供一种调查处理方法、装置、计算机设备和存储介质。该方法包括:当获取到理赔请求时,解析理赔案件信息,获取理赔案件的风险画像标签;根据所述理赔案件的风险画像标签,创建提调事件,生成调查案件;根据所述理赔案件信息,为调查案件中各提调事件设置调查因素,生成各提调事项对应的调查计划;当所有的调查计划执行完成时,根据调查计划的执行时间以及调查因素,生成所述理赔案件的初步调查报告;接收对所述初步调查报告的修改,得到理赔案件的最终调查报告。采用该方法调查人员无需花费大量时间制定计划和撰写报告,提高了调查效率和理赔效率。
Description
技术领域
本申请涉及互联网技术领域,特别是涉及一种调查处理方法、装置、计算机设备和存储介质。
背景技术
随着人们对保险的重视,越来越多的人有保险购买需求,相应的,保险理赔也随之增加。保险理赔是指在保险标的发生保险事故而使被保险人财产受到损失或人身生命受到损害时,或保单约定的其它保险事故出险而需要给付保险金时,保险公司根据合同规定,履行赔偿或给付责任的行为,是直接体现保险职能和履行保险责任的工作。调查是保险理赔的一个重要过程,保险理赔调查是指案件处理人员结合保险条款及事故发生经过,在案件处理过程中,为进一步理清事实、确定保险责任,而进行的调查走访、搜集证据资料等理赔工作。因此,调查的效率往往也决定了理赔的效率。
传统的调查方式中,调查人员在接收到调查任务后,需要花费大量时间制作调查计划,撰写调查报告,导致调查周期长,调查效率低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高调查效率的调查处理方法、装置、计算机设备和存储介质。
一种调查处理方法,所述方法包括:
当获取到理赔请求时,解析理赔案件信息,获取理赔案件的风险画像标签;
根据所述理赔案件的风险画像标签,创建提调事件,生成调查案件;
根据所述理赔案件信息,为所述调查案件中各提调事件设置调查因素,生成各提调事项对应的调查计划;
当所述调查计划执行完成时,根据调查计划的执行时间以及调查因素,生成所述理赔案件的初步调查报告;
接收对所述初步调查报告的修改,得到所述理赔案件的最终调查报告。
在其中一个实施例中,解析理赔案件信息,获取理赔案件的风险画像标签,包括:
将所述理赔案件信息输入预先训练好的理赔风险评估模型,通过所述理赔风险评估模型识别所述理赔案件信息中的风险内容,输出所述理赔案件的风险画像标签。
在其中一个实施例中,根据所述理赔案件的风险画像标签,创建提调事件,生成调查案件,包括:
获取所述理赔案件的涉案险种;
根据所述风险画像标签与各险种提调事件的映射关系,确定所述涉案险种的所述风险画像标签所对应的提调事件;
根据所述提调事件创建所述理赔案件对应的调查案件。
在其中一个实施例中,训练所述理赔风险评估模型的方式包括:
查询历史理赔案件,将历史理赔案件中具有风险点标记的理赔案件作为正样本,获取正样本理赔案件的风险点标柱;
将历史理赔案件中不具有风险点标记的理赔案件作为负样本;
根据所述正样本和所述负样本,得到训练样本集;
根据所述训练样本集对语义模型进行训练,得到训练好的所述理赔风险评估模型。
在其中一个实施例中,所述调查因素包括时间、地点和对象;根据所述理赔案件信息,为所述调查案件中各提调事件设置调查因素,生成各提调事项对应的调查计划,包括:
从所述理赔案件信息中提取与所述提调事件的内容匹配的地点和对象;
根据所述提调事件的调查顺序分配调查时间;
根据所述时间、地点和对象生成各提调事件的调查计划。
在其中一个实施例中,在执行调查计划时,根据定位信息校对实际执行的调查计划与计划执行的调查计划是否一致,若不一致,则生成作业提醒。
在其中一个实施例中,在理赔案件的全部调查计划执行完成后,根据实际执行所述调查计划的调查地点,生成调查人员的作业轨迹,根据所述作业轨迹评估调查人员的作业是否符合规范。
一种调查处理装置,所述装置包括:
风险画像标签模块,用于当获取到理赔请求时,解析理赔案件信息,获取理赔案件的风险画像标签;
调查案件生成模块,用于根据所述理赔案件的风险画像标签,创建提调事件,生成调查案件;
调查计划生成模块,用于根据所述理赔案件信息,为所述调查案件中各提调事件设置调查因素,生成各提调事项对应的调查计划;
调查处理模块,用于当所述调查计划执行完成时,根据调查计划的执行时间以及调查因素,生成初步调查报告;
报告生成模块,用于接收对所述初步调查报告的修改,得到所述理赔案件的最终调查报告。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
当获取到理赔请求时,解析理赔案件信息,获取理赔案件的风险画像标签;
根据所述理赔案件的风险画像标签,创建提调事件,生成调查案件;
根据所述理赔案件信息,为所述调查案件中各提调事件设置调查因素,生成各提调事项对应的调查计划;
当所述调查计划执行完成时,根据调查计划的执行时间以及调查因素,生成所述理赔案件的初步调查报告;
接收对所述初步调查报告的修改,得到所述理赔案件的最终调查报告。
一种计算机存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
当获取到理赔请求时,解析理赔案件信息,获取理赔案件的风险画像标签;
根据所述理赔案件的风险画像标签,创建提调事件,生成调查案件;
根据所述理赔案件信息,为所述调查案件中各提调事件设置调查因素,生成各提调事项对应的调查计划;
当所述调查计划执行完成时,根据调查计划的执行时间以及调查因素,生成所述理赔案件的初步调查报告;
接收对所述初步调查报告的修改,得到所述理赔案件的最终调查报告。
上述调查处理方法、装置、计算机设备和存储介质,在获取到理赔请求时,通过解析理赔案件信息,获取理赔案件的风险画像标签,根据风险画像标签,创建理赔调查的提调事件,生成调查案件,并为调查案件中的各提调事件设置调查因素,生成调查计划,在调查计划完成后,初步生成调查报告,进而以初步调查报告为基础进行修改得到最终调查报告。该方法通过自动根据预先制定的标准生成各调查事项,方便调查人员作业,帮助调查人员一步步规范完成调查计划,并根据调查经过自动形成初步调查报告,调查人员以初步调查报告为基础进行修改即可得到最终调查报告,从而调查人员无需花费大量时间制定计划和撰写报告,提高调查效率和理赔效率。
附图说明
图1为一个实施例中调查处理方法的应用场景图;
图2为一个实施例中调查处理方法的流程示意图;
图3为一个实施例中调查处理装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的调查处理方法,可以应用于如图1所示的应用环境中。其中,调查终端102与服务器104通过网络进行通信,理赔审核终端106与服务器104过网络进行通信。当发生理赔时,理赔人员通过在理赔审核终端106操作审查通过后,服务器104生成调查事件,并将调查事件分配给调查人员处理,调查人员在调查过程中,通过在调查终端102操作反馈调查结果,由服务器生成调查报告。具体地,服务器当获取到理赔请求时,解析理赔案件信息,获取理赔案件的风险画像标签;根据理赔案件的风险画像标签,创建提调事件,生成调查案件;根据理赔案件信息,为调查案件中各提调事件设置调查因素,生成各提调事项对应的调查计划;当调查计划执行完成时,根据调查计划的执行时间以及调查因素,生成理赔案件的初步调查报告;接收对初步调查报告的修改,得到理赔案件的最终调查报告。其中,调查终端102和理赔审核终端106可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种调查处理方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,当获取到理赔请求时,解析理赔案件信息,获取理赔案件的风险画像标签。
理赔请求发生后,***获取理赔案件信息,包括保险购买记录,缴费记录,出险所提供的证明材料等。通过解析理赔案件信息,获取理赔案件的风险画像标签。
风险画像标签是指根据理赔案件信息所分析的该案件所具有的风险点。通常,在保险领域存在固有认为存在风险的事项,即风险点。常见的风险点包括,首年度出险、新保、加保、续保且保额有大幅度调整,续保且连续投保未满两年,虚假材料风险和冒名顶替风险等。理赔审核人员在进行审核时,需要就理赔案件信息进行分析,确认该理赔案件是否存在这些风险点。若存在这些风险点,需要标注出来,由调查人员重要进行调查。
本实施例中,***预先针对每一个险种,都设置的风险画像标签,当获取到新的理赔请求时,根据理赔案件信息,获取理赔案件的风险画像标签。风险画像标签即风险点。根据风险画像标签,即可判定该理赔案件所具有的风险点。
可以理解的是,不同的险种侧重点不同,风险画像标签也不相同。例如,重疾险侧重重大疾病,保额大,风险大,因此,风险画像标签包括首年度出险、新保、加保,续保且保额有大幅度调整等。
一个实施例中,可以由保险审核人员在阅读理赔案件信息后,手动为理赔案件标注风险画像标签。如审核界面列出了所有风险点,保险审核人员根据情况手动选择后,标注理赔案件的风险画像标签。
一个实施例中,由***利用已训练好的赔风险评估模型,为理赔案件标注风险画像标签。该方式无需人工参与,可大幅度提高画像效率。
步骤204,根据理赔案件的风险画像标签,创建提调事件,生成调查案件。
提调事件是指理赔提起的需要调查的内容。针对不同的险种以及不同的风险画像标签,所设置的提调事件不同,***自动根据理赔案件的风险画像标签和理赔险种,罗列需要调查的内容,生成调查案件。
可以理解的是,对于无风险的案件,所对应的提调事件则为常规提调事件。***自动根据理赔案件的理赔险种,罗列常规需要调查的内容,生成调查案件。
即,每个理赔案件都有常规的提调事件,如核实受益人信息及转账授权信息的真实性等。具有风险画像标签的理赔案件的提调事件是在常规的提调事件的基础上,增加了针对风险点进行排查的提调事件。
调查案件与理赔案件对应,调查案件的调查结果是理赔案件的理赔依据。例如,若调查案件所呈现的调查结果为该理赔案件为带病骗保,则对应该理赔案件无需理赔。若调查案件所呈现的调查结果为该理赔案件事实成立,无异常,则对应该理赔案件应当进行正常理赔。
调查案件被分配给调查人员处理,由调查人员根据所罗列提调事件依次进行调查,形成对该理赔案件的调查结论。
其中,风险画像标签与每个险种的提调事件预先建立了映射关系,当确定理赔案件的风险画像标签之后,根据这种映射关系,对应的提调事件,生成调查案件。
具体地,根据理赔案件的风险画像标签,创建提调事件,生成调查案件,包括:获取理赔案件的涉案险种;根据风险画像标签与各险种提调事件的映射关系,确定涉案险种的风险画像标签所对应的提调事件;根据提调事件创建理赔案件对应的调查案件。
其中,涉案险种是理赔客户所购买并出险的保险品种。预先设置有风险画像标签与各险种提调事件的映射关系,***根据风险画像标签,自动匹配该类型的险种的该风险画像标签所对应的提调事件,根据提调事件创建理赔案件对应的调查案件。例如,一个健康险的风险画像标签包括了首年度出险,对应的提调事件为排查病史。
在生成提调事件时,根据理理赔资料,生成该提调事件的风险备注,以对该提调事件的风险情况进行说明。例如,一个健康险的风险画像标签包括了首年度出险,对应的提调事件为排查病史,针对排查病史这一提调事件,根据病史资料备注(病史记录3年前肾炎一阵;病史记录既往在南京某医院因肾炎住院)。
步骤206,根据理赔案件信息,为调查案件中各提调事件设置调查因素,生成各提调事项对应的调查计划。
调查因素是指实现调查所涉及的一些信息,包括但不限于调查地点,调查对象和调查要点,即具体是在去何处,对何事件调查哪些内容。调查地点,调查对象和调查要点构成了调查因素。
具体地,从理赔案件信息中提取与提调事件的内容匹配的地点和对象;根据提调事件的调查顺序分配调查时间;根据时间、地点和对象生成各提调事件的调查计划。
其中,提调事件是指理赔提起的需要调查的内容,则从理赔案件信息中提取与调查内容匹配的地点和对象。其中,匹配可根据关键词进行语义理解进行查找。预先根据提调事件的调查内容设置一些关键词,根据关键词在理赔案件的信息中进行查找候选信息,再对候选信息进行语义理解,分析候选信息是否与提调事件的调查内容匹配。若匹配,则提取地点和对象。例如,一个重疾险的理赔案件的提调事件为出险医疗机构核查,对应的调查内容为去被险人确诊的医疗机构进行核查。对应的关键词包括“确诊”、“医院”等。根据关键词匹配到候选信息可能为病历或医院的检查报告,进一步地,对病历或医院的检查报告进行语义分析,确定是否为与提调事件“出险医疗机构核查”匹配。或匹配,则确定出具病历或检查报告的医院的名称以及科室,得到调查地点和调查对象。
其中,语义分析可以利用预先训练的语义模型。预先对于每一种提调事件分别训练语义理解模型,识别每一个提调事件的调查内容所需的语义特征。
进一步地,根据提调事件的调查顺序分配调查时间,形成各提调事件的调查计划。本实施例中,通过从理赔案件中匹配提取调查因素,自动生成提调事件的调查计划,提高了调查处理效率。
每个提调事件对应一个调查计划,调查计划是指如何实施提调事件的内容,一个提调事件全部的调查因素组成了调查计划,调查计划的名称是固定的,如排查病史的提调事件对应出险医疗机构调查的调查计划。
具体地,为了便于调查人员查看调查计划时,了解理赔案件的实际情况,在显示调查计划同时,还设置调查计划的查看标签,将理赔案件信息中与提调事件的相关的调查内容的案件信息隐藏在查看标签中。当调查人员触发查看标签时,显示与提调事件的相关的调查内容。例如,一个提调事件为出险医疗机构核查,与其相关的案件信息为出险医疗机构的病历或检查报告,将病历或检查报告隐藏在查看标签中,当调查人员触发该查看标签时,即可获取理赔案件与该调查计划相匹配的理赔案件信息。
本实施例中,通过设置查看标签链接调查案件信息,具有极大的便利性,方便调查人员快速了解案件情况。
步骤208,当调查计划执行完成时,根据调查计划的执行时间以及调查因素,生成理赔案件的初步调查报告。
当调查人员在一个调查地点执行完成一项调查计划时,可在终端上操作触发执行完成。调查计划按序排布,当一项调整计划完成后,方可解锁下一个调查计划。当一个调查案件的所有的调查计划执行完成后,根据每个调查计划的执行时间和调查因素,调用预置模板,生成初步调查报告。
在调查计划执行完成后,生成该调查计划的调查日志。调查日志记录了调查计划ID,调查计划执行时间等。当所有的调查计划执行完成后,根据理赔案件所有的调查日志以及调查计划的调查因素,生成初步调查报告。
步骤210,接收对初步调查报告的修改,得到理赔案件的最终调查报告。
初步调查报告包括了每一项调查计划的执行时间、调查地点、调查对象以及调查内容,初步调查报告提供给调查人员一个填写调查报告的基础,在初步调查报告的基础上,调查人员添加调查结论,得到最终的调查报告。
上述的调查处理方法,在获取到理赔请求时,通过解析理赔案件信息,获取理赔案件的风险画像标签,根据风险画像标签,创建理赔调查的提调事件,生成调查案件,并为调查案件中的各提调事件设置调查因素,生成调查计划,在调查计划完成后,初步生成调查报告,进而以初步调查报告为基础进行修改得到最终调查报告。该方法通过自动根据预先制定的标准生成各调查事项,方便调查人员作业,帮助调查人员一步步规范完成调查计划,并根据调查经过自动形成初步调查报告,调查人员以初步调查报告为基础进行修改即可得到最终调查报告,从而调查人员无需花费大量时间制定计划和撰写报告,提高了调查效率和理赔效率。
在另一个实施例中,解析理赔案件信息,获取理赔案件的风险画像标签,包括:将理赔案件信息输入预先训练好的理赔风险评估模型,通过理赔风险评估模型识别理赔案件信息中的风险内容,输出理赔案件的风险画像标签。
具体地,风险评估模型是预先基于人工智能,根据大量历史理赔资料确定的。历史理赔资料已预先标注了理赔案件的风险点,根据风险点设置好风险画像标签类别,通过语义模型(如BERT)训练风险评估模型。语义模型能够很好地理解理赔案件中的语义信息,从而确定理赔案件的风险画像标签。
其中,训练理赔风险评估模型的方式包括:查询历史理赔案件,将历史理赔案件中具有风险点标记的理赔案件作为正样本,获取正样本理赔案件的风险点标柱;将历史理赔案件中不具有风险点标记的理赔案件作为负样本;根据正样本和负样本,得到训练样本集;根据训练样本集对语义模型进行训练,得到训练好的理赔风险评估模型。
具体地,历史理赔案件中已由审核人员在阅读理赔案件信息后,手动为理赔案件标注风险画像标签。通过从大量历史理赔案件中按比例抽取各类型风险画像标签的理赔案件以及无风险画像标签标注的理赔案件。将历史理赔案件中具有风险点标记的理赔案件作为正样本,获取正样本理赔案件的风险点标柱,将历史理赔案件中不具有风险点标记的理赔案件作为负样本;根据正样本和负样本,得到训练样本集。
根据训练样本集对语义模型进行训练,其中,语义模型可以为LSTM或BERT等。利用训练样本集对语义模型训练调参,最终得到训练好的理赔风险评估模型。
通过从历史理赔案件中获取训练样本集,无需大量人工标注,提高了训练效率。
在实际使用过程中,将理赔案件信息输入理赔风险评估模型,利用理赔风险评估模型识别理赔案件信息的特征,识别理赔案件中的风险内容,输出理赔案件的风险画像标签。
本实施例中,通过利用训练好的理赔风险评估模型自动识别理赔案件信息,为理赔案件进行风险画像标签,识别理赔案件的风险点,无需人工查阅理赔信息即可确定风险点,节省了人工分析风险点的时间。
具体地,为了便于审核人员在查看风险点时了解理赔案件的实际情况,在显示风险画像标签的同时,还建立与风险画像标签对应的查看标签,将理赔案件信息中与风险画像标签对应的案件事实隐藏在查看标签中。当审核人员触发查看标签时,显示与风险画像标签对应的案件事实。例如,一个风险画像标签为首年度出险时,可从案件理赔信息中提取与标签对应的案件事实,包括保险购买日期,出险日期,如提取的案件事实包括“客户于2020年1月1日购买意外险,于2020年7月1日出险,符合首年度出险情况。”在显示“首年度出险”这一风险画像标签的同时,设置有查看标签,将该案件事实隐藏在查看标签中,当审核人员触发该查看标签时,即可获取理赔案件与该风险画像标签匹配的实际情况。
本实施例中,通过设置查看标签链接风险画像标签的案件事实,具有极大的便利性,方便理赔人员快速了解案件情况。
在另一个实施例中,在执行调查计划时,根据定位信息校对实际执行的调查计划与计划执行的调查计划是否一致,若不一致,则生成作业提醒。
具体地,一个理赔案件的全部调查计划按序排列,每个调查计划设置有操作控件,操作控件包括“修改”、“执行”和“取消”。其中,当调查人员在执行某个调查计划时,触发“执行”控件,表明正在执行对应的调查计划,即该调查计划为计划执行的调查计划。
如前面所提及的,调查计划具有调查因素调查地点。对于理赔案件来说,有多个调查事项,例如“出险医疗机构核查”、“现场勘察”等。每个调查事项的调查地点是根据理赔案件的涉案地点确定的。当调查人员去往调查地点进行调查时,通过触发“执行”控件,获取计划执行的调查计划。***获取此时调查人员的定位信息,校对调查人员当前所在位置是否与调查计划的调查地点一致。通过对定位进行监控,能够避免调查人员的虚假调查。当实际执行的调查计划与计划执行的调查计划不一致,则生成作业提醒。
作业提醒能够帮助调查人员规范调查作用,实现对调查作业的监控。
在另一个实施例中,在理赔案件的全部调查计划执行完成后,还根据实际执行调查计划的调查地点,生成调查人员的作业轨迹,根据作业轨迹评估调查人员的作业是否符合规范。
具体地,实际执行调查计划时,调查人员在触发“执行”控件,***获取定位地点,将当前定位地点作为实际执行调查计划的调查地点。在全部的调查计划执行完成后,根据实际执行调查计划的调查地点,生成调查人员的作业轨迹,作业轨迹能够反应调查计划的执行地点以及执行顺序。通过对作业轨迹分析作业人员的调查地点与计划调查地点是否一致,还能够分析调查作业调查顺序。因此,通过作业轨迹能够评估调查人员的作业是否符合规范,以规范调查人员的调查行为,提高调查效率。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图3所示,提供了一种调查处理装置,包括:风险画像标签模块302、调查案件生成模块304、调查计划生成模块306、调查处理模块308和报告生成模块310,其中:
风险画像标签模块302,用于当获取到理赔请求时,解析理赔案件信息,获取理赔案件的风险画像标签。
调查案件生成模块304,用于根据理赔案件的风险画像标签,创建提调事件,生成调查案件。
调查计划生成模块306,用于根据理赔案件信息,为调查案件中各提调事件设置调查因素,生成各提调事项对应的调查计划。
调查处理模块308,用于当调查计划执行完成时,根据调查计划的执行时间以及调查因素,生成初步调查报告。
报告生成模块310,用于接收对初步调查报告的修改,得到理赔案件的最终调查报告。
上述调查处理装置,在获取到理赔请求时,通过解析理赔案件信息,获取理赔案件的风险画像标签,根据风险画像标签,创建理赔调查的提调事件,生成调查案件,并为调查案件中的各提调事件设置调查因素,生成调查计划,在调查计划完成后,初步生成调查报告,进而以初步调查报告为基础进行修改得到最终调查报告。该方法通过自动根据预先制定的标准生成各调查事项,方便调查人员作业,帮助调查人员一步步规范完成调查计划,并根据调查经过自动形成初步调查报告,调查人员以初步调查报告为基础进行修改即可得到最终调查报告,从而调查人员无需花费大量时间制定计划和撰写报告,提高了调查效率和理赔效率。
在另一个实施例中,风险画像标签模块,用于将所述理赔案件信息输入预先训练好的理赔风险评估模型,通过所述理赔风险评估模型识别所述理赔案件信息中的风险内容,输出所述理赔案件的风险画像标签。
在另一个实施例中,调查案件生成模块,包括:
险种确定模块,用于获取所述理赔案件的涉案险种。
查找模块,用于根据所述风险画像标签与各险种提调事件的映射关系,确定所述涉案险种的所述风险画像标签所对应的提调事件。
创建模块,用于根据所述提调事件创建所述理赔案件对应的调查案件。
在另一个实施例中,还包括:
样本集获取模块,用于查询历史理赔案件,将历史理赔案件中具有风险点标记的理赔案件作为正样本,获取正样本理赔案件的风险点标柱;将历史理赔案件中不具有风险点标记的理赔案件作为负样本;根据所述正样本和所述负样本,得到训练样本集。
训练模块,用于根据所述训练样本集对语义模型进行训练,得到训练好的所述理赔风险评估模型。
在另一个实施例中,调查因素包括时间、地点和对象。调查计划生成模块,用于从所述理赔案件信息中提取与所述提调事件的内容匹配的地点和对象;根据所述提调事件的调查顺序分配调查时间;根据所述时间、地点和对象生成各提调事件的调查计划。
在另一个实施例中,还包括定位监督模块,用于在执行调查计划时,根据定位信息校对实际执行的调查计划与计划执行的调查计划是否一致,若不一致,则生成作业提醒。
在另一个实施例中,还包括调查轨迹监督模块,用于在理赔案件的全部调查计划执行完成后,根据实际执行所述调查计划的调查地点,生成调查人员的作业轨迹,根据所述作业轨迹评估调查人员的作业是否符合规范。
关于调查处理装置的具体限定可以参见上文中对于调查处理方法的限定,在此不再赘述。上述调查处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储调查处理数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种调查处理方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
当获取到理赔请求时,解析理赔案件信息,获取理赔案件的风险画像标签;
根据理赔案件的风险画像标签,创建提调事件,生成调查案件;
根据理赔案件信息,为调查案件中各提调事件设置调查因素,生成各提调事项对应的调查计划;
当所有的调查计划执行完成时,根据调查计划的执行时间以及调查因素,生成理赔案件的初步调查报告;
接收对初步调查报告的修改,得到理赔案件的最终调查报告。
在其中一个实施例中,解析理赔案件信息,获取理赔案件的风险画像标签,包括:
将理赔案件信息输入预先训练好的理赔风险评估模型,通过理赔风险评估模型识别理赔案件信息中的风险内容,输出理赔案件的风险画像标签。
在其中一个实施例中,根据理赔案件的风险画像标签,创建提调事件,生成调查案件,包括:
获取理赔案件的涉案险种;
根据风险画像标签与各险种提调事件的映射关系,确定涉案险种的风险画像标签所对应的提调事件;
根据提调事件创建理赔案件对应的调查案件。
在其中一个实施例中,训练理赔风险评估模型的方式包括:
查询历史理赔案件,将历史理赔案件中具有风险点标记的理赔案件作为正样本,获取正样本理赔案件的风险点标柱;
将历史理赔案件中不具有风险点标记的理赔案件作为负样本;
根据正样本和负样本,得到训练样本集;
根据训练样本集对语义模型进行训练,得到训练好的理赔风险评估模型。
在其中一个实施例中,调查因素包括时间、地点和对象;根据理赔案件信息,为调查案件中各提调事件设置调查因素,生成各提调事项对应的调查计划,包括:
从理赔案件信息中提取与提调事件的内容匹配的地点和对象;
根据提调事件的调查顺序分配调查时间;
根据所述时间、地点和对象生成各提调事件的调查计划。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:
在执行调查计划时,根据定位信息校对实际执行的调查计划与计划执行的调查计划是否一致,若不一致,则生成作业提醒。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:
在理赔案件的全部调查计划执行完成后,根据实际执行调查计划的调查地点,生成调查人员的作业轨迹,根据作业轨迹评估调查人员的作业是否符合规范。
在一个实施例中,提供了一种计算机存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
当获取到理赔请求时,解析理赔案件信息,获取理赔案件的风险画像标签;
根据理赔案件的风险画像标签,创建提调事件,生成调查案件;
根据理赔案件信息,为调查案件中各提调事件设置调查因素,生成各提调事项对应的调查计划;
当所有的调查计划执行完成时,根据调查计划的执行时间以及调查因素,生成理赔案件的初步调查报告;
接收对初步调查报告的修改,得到理赔案件的最终调查报告。
在其中一个实施例中,解析理赔案件信息,获取理赔案件的风险画像标签,包括:
将理赔案件信息输入预先训练好的理赔风险评估模型,通过理赔风险评估模型识别理赔案件信息中的风险内容,输出理赔案件的风险画像标签。
在其中一个实施例中,根据理赔案件的风险画像标签,创建提调事件,生成调查案件,包括:
获取理赔案件的涉案险种;
根据风险画像标签与各险种提调事件的映射关系,确定涉案险种的风险画像标签所对应的提调事件;
根据提调事件创建理赔案件对应的调查案件。
在其中一个实施例中,训练理赔风险评估模型的方式包括:
查询历史理赔案件,将历史理赔案件中具有风险点标记的理赔案件作为正样本,获取正样本理赔案件的风险点标柱;
将历史理赔案件中不具有风险点标记的理赔案件作为负样本;
根据正样本和负样本,得到训练样本集;
根据训练样本集对语义模型进行训练,得到训练好的理赔风险评估模型。
在其中一个实施例中,调查因素包括时间、地点和对象;根据理赔案件信息,为调查案件中各提调事件设置调查因素,生成各提调事项对应的调查计划,包括:
从理赔案件信息中提取与提调事件的内容匹配的地点和对象;
根据提调事件的调查顺序分配调查时间;
根据所述时间、地点和对象生成各提调事件的调查计划。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:
在执行调查计划时,根据定位信息校对实际执行的调查计划与计划执行的调查计划是否一致,若不一致,则生成作业提醒。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:
在理赔案件的全部调查计划执行完成后,根据实际执行调查计划的调查地点,生成调查人员的作业轨迹,根据作业轨迹评估调查人员的作业是否符合规范。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种调查处理方法,所述方法包括:
当获取到理赔请求时,解析理赔案件信息,获取理赔案件的风险画像标签;
根据所述理赔案件的风险画像标签,创建提调事件,生成调查案件;
根据所述理赔案件信息,为所述调查案件中各提调事件设置调查因素,生成各提调事项对应的调查计划;
当所述调查计划执行完成时,根据调查计划的执行时间以及调查因素,生成所述理赔案件的初步调查报告;
接收对所述初步调查报告的修改,得到所述理赔案件的最终调查报告。
2.根据权利要求1所述的方法,其特征在于,解析理赔案件信息,获取理赔案件的风险画像标签,包括:
将所述理赔案件信息输入预先训练好的理赔风险评估模型,通过所述理赔风险评估模型识别所述理赔案件信息中的风险内容,输出所述理赔案件的风险画像标签。
3.根据权利要求1所述的方法,其特征在于,根据所述理赔案件的风险画像标签,创建提调事件,生成调查案件,包括:
获取所述理赔案件的涉案险种;
根据所述风险画像标签与各险种提调事件的映射关系,确定所述涉案险种的所述风险画像标签所对应的提调事件;
根据所述提调事件创建所述理赔案件对应的调查案件。
4.根据权利要求2所述的方法,其特征在于,训练所述理赔风险评估模型的方式包括:
查询历史理赔案件,将历史理赔案件中具有风险点标记的理赔案件作为正样本,获取正样本理赔案件的风险点标柱;
将历史理赔案件中不具有风险点标记的理赔案件作为负样本;
根据所述正样本和所述负样本,得到训练样本集;
根据所述训练样本集对语义模型进行训练,得到训练好的所述理赔风险评估模型。
5.根据权利要求1所述的方法,其特征在于,所述调查因素包括时间、地点和对象;根据所述理赔案件信息,为所述调查案件中各提调事件设置调查因素,生成各提调事项对应的调查计划,包括:
从所述理赔案件信息中提取与所述提调事件的内容匹配的地点和对象;
根据所述提调事件的调查顺序分配调查时间;
根据所述时间、地点和对象生成各提调事件的调查计划。
6.根据权利要求1所述的方法,其特征在于,在执行调查计划时,根据定位信息校对实际执行的调查计划与计划执行的调查计划是否一致,若不一致,则生成作业提醒。
7.根据权利要求1所述的方法,其特征在于,在理赔案件的全部调查计划执行完成后,根据实际执行所述调查计划的调查地点,生成调查人员的作业轨迹,根据所述作业轨迹评估调查人员的作业是否符合规范。
8.一种调查处理装置,其特征在于,所述装置包括:
风险画像标签模块,用于当获取到理赔请求时,解析理赔案件信息,获取理赔案件的风险画像标签;
调查案件生成模块,用于根据所述理赔案件的风险画像标签,创建提调事件,生成调查案件;
调查计划生成模块,用于根据所述理赔案件信息,为所述调查案件中各提调事件设置调查因素,生成各提调事项对应的调查计划;
调查处理模块,用于当所述调查计划执行完成时,根据调查计划的执行时间以及调查因素,生成初步调查报告;
报告生成模块,用于接收对所述初步调查报告的修改,得到所述理赔案件的最终调查报告。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010880983.8A CN111967999A (zh) | 2020-08-27 | 2020-08-27 | 调查处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010880983.8A CN111967999A (zh) | 2020-08-27 | 2020-08-27 | 调查处理方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111967999A true CN111967999A (zh) | 2020-11-20 |
Family
ID=73399577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010880983.8A Pending CN111967999A (zh) | 2020-08-27 | 2020-08-27 | 调查处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111967999A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507141A (zh) * | 2020-12-01 | 2021-03-16 | 平安医疗健康管理股份有限公司 | 调查任务生成方法、装置、计算机设备及存储介质 |
CN112767180A (zh) * | 2021-01-06 | 2021-05-07 | 大童保险销售服务有限公司 | 生成保险案件公估报告的方法、装置以及存储介质 |
CN114218453A (zh) * | 2021-12-14 | 2022-03-22 | 中国平安财产保险股份有限公司 | 数据展示方法、装置、设备及可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104700183A (zh) * | 2013-12-06 | 2015-06-10 | 大连灵动科技发展有限公司 | 指挥与培训演练***的事故管理方法 |
CN106355319A (zh) * | 2016-08-26 | 2017-01-25 | 南京安全无忧网络科技有限公司 | 一种安全风险评估***和方法 |
CN107909299A (zh) * | 2017-12-11 | 2018-04-13 | 凯泰铭科技(北京)有限公司 | 人伤理赔数据风险检测方法和*** |
CN108335215A (zh) * | 2017-06-26 | 2018-07-27 | 平安科技(深圳)有限公司 | 案件理赔方法、服务器及计算机可读存储介质 |
CN109035030A (zh) * | 2017-06-12 | 2018-12-18 | 平安科技(深圳)有限公司 | 案件调查方法、服务器和计算机可读存储介质 |
CN109410029A (zh) * | 2018-09-04 | 2019-03-01 | 深圳市佰仟金融服务有限公司 | 一种面向金融领域的反欺诈调查方法及*** |
CN109523118A (zh) * | 2018-10-11 | 2019-03-26 | 平安科技(深圳)有限公司 | 风险数据筛选方法、装置、计算机设备和存储介质 |
CN110246032A (zh) * | 2019-06-21 | 2019-09-17 | 深圳前海微众银行股份有限公司 | 贷后风险监控方法、装置及计算机可读存储介质 |
CN110349038A (zh) * | 2019-06-13 | 2019-10-18 | 中国平安人寿保险股份有限公司 | 风险评估模型训练方法和风险评估方法 |
-
2020
- 2020-08-27 CN CN202010880983.8A patent/CN111967999A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104700183A (zh) * | 2013-12-06 | 2015-06-10 | 大连灵动科技发展有限公司 | 指挥与培训演练***的事故管理方法 |
CN106355319A (zh) * | 2016-08-26 | 2017-01-25 | 南京安全无忧网络科技有限公司 | 一种安全风险评估***和方法 |
CN109035030A (zh) * | 2017-06-12 | 2018-12-18 | 平安科技(深圳)有限公司 | 案件调查方法、服务器和计算机可读存储介质 |
CN108335215A (zh) * | 2017-06-26 | 2018-07-27 | 平安科技(深圳)有限公司 | 案件理赔方法、服务器及计算机可读存储介质 |
CN107909299A (zh) * | 2017-12-11 | 2018-04-13 | 凯泰铭科技(北京)有限公司 | 人伤理赔数据风险检测方法和*** |
CN109410029A (zh) * | 2018-09-04 | 2019-03-01 | 深圳市佰仟金融服务有限公司 | 一种面向金融领域的反欺诈调查方法及*** |
CN109523118A (zh) * | 2018-10-11 | 2019-03-26 | 平安科技(深圳)有限公司 | 风险数据筛选方法、装置、计算机设备和存储介质 |
CN110349038A (zh) * | 2019-06-13 | 2019-10-18 | 中国平安人寿保险股份有限公司 | 风险评估模型训练方法和风险评估方法 |
CN110246032A (zh) * | 2019-06-21 | 2019-09-17 | 深圳前海微众银行股份有限公司 | 贷后风险监控方法、装置及计算机可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507141A (zh) * | 2020-12-01 | 2021-03-16 | 平安医疗健康管理股份有限公司 | 调查任务生成方法、装置、计算机设备及存储介质 |
CN112507141B (zh) * | 2020-12-01 | 2024-07-12 | 深圳平安医疗健康科技服务有限公司 | 调查任务生成方法、装置、计算机设备及存储介质 |
CN112767180A (zh) * | 2021-01-06 | 2021-05-07 | 大童保险销售服务有限公司 | 生成保险案件公估报告的方法、装置以及存储介质 |
CN114218453A (zh) * | 2021-12-14 | 2022-03-22 | 中国平安财产保险股份有限公司 | 数据展示方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109543096B (zh) | 数据查询方法、装置、计算机设备和存储介质 | |
US10825099B2 (en) | Dynamic dashboards system and method | |
CN109767322B (zh) | 基于大数据的可疑交易分析方法、装置和计算机设备 | |
US11138561B2 (en) | System and method for data record selection by application of predictive models and velocity analysis | |
WO2021004132A1 (zh) | 异常数据检测方法、装置、计算机设备和存储介质 | |
CN111967999A (zh) | 调查处理方法、装置、计算机设备和存储介质 | |
US8612479B2 (en) | Systems and methods for monitoring and detecting fraudulent uses of business applications | |
US11710203B2 (en) | Apparatus and method for generating title products | |
US9026467B2 (en) | Systems and methods for monitoring and detecting fraudulent uses of business applications | |
CN110729054B (zh) | 异常就诊行为检测方法、装置、计算机设备及存储介质 | |
US9978031B2 (en) | Systems and methods for monitoring and detecting fraudulent uses of business applications | |
US11675750B2 (en) | User generated tag collection system and method | |
CN112036795A (zh) | 药品采购计划的确定方法、装置、设备及存储介质 | |
CN109741035A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN114201090A (zh) | 产品生产异常预警***、方法、计算机设备和存储介质 | |
Raman | Operational risk management in Indian banks in the context of Basel II: A survey of the state of preparedness and challenges in developing the framework | |
CN113177396B (zh) | 报表生成方法、装置、计算机设备和存储介质 | |
CN112669039B (zh) | 基于知识图谱的客户风险管控***及方法 | |
CN112650659B (zh) | 埋点设置方法、装置、计算机设备和存储介质 | |
CN112086175A (zh) | 医疗物价费用监管方法、***、计算机设备及存储介质 | |
CN112836041A (zh) | 人员关系分析方法、装置、设备及存储介质 | |
CN115587898A (zh) | 一种基于云服务的财务数据安全共享方法及*** | |
US20160267602A1 (en) | System for generating historical hail evaluation data | |
CN114819896A (zh) | 一种基于ai的票据管理***、方法及存储介质 | |
CN113572900A (zh) | 外呼测试方法、装置、计算机设备和计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
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: 20201120 |