CN116051296B - 基于标准化保险数据的客户评价分析方法及*** - Google Patents
基于标准化保险数据的客户评价分析方法及*** Download PDFInfo
- Publication number
- CN116051296B CN116051296B CN202211697434.2A CN202211697434A CN116051296B CN 116051296 B CN116051296 B CN 116051296B CN 202211697434 A CN202211697434 A CN 202211697434A CN 116051296 B CN116051296 B CN 116051296B
- Authority
- CN
- China
- Prior art keywords
- service
- insurance
- standardized
- data
- evaluation
- 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.)
- Active
Links
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种基于标准化保险数据的客户评价分析方法及***,涉及数据处理技术领域,主要目的在于解决现有基于保险数据的客户评价分析效率低的问题。主要包括:获取业务方的保险数据,并基于用户对象维度对所述保险数据进行标准化处理,得到不同用户对应的标准化保险数据;基于预设业务评估规则对所述标准化保险数据进行评估,得到与所述标准化保险数据对应的业务评估结果;基于已完成模型训练的业务特征预测模型对所述标准化保险数据、所述业务评估结果进行预测处理,得到所述保险数据的业务预测结果,所述业务特征预测模型为对标准化保险训练数据、业务评估训练数据进行业务筛选后完成训练的。
Description
技术领域
本发明涉及一种数据处理技术领域,特别是涉及一种基于标准化保险数据的客户评价分析方法及***。
背景技术
随着大数据处理技术的逐步发展,在各业务领域中,为了数据的安全性,通常需要进行数据风险的评估,以确保业务正常的运行。尤其是在保险领域中,数据风险过大会严重影响保险业务的运行,从而会限制保险业务与其他金融领域业务的联合服务。
目前,现有一个企业方的保险数据仅为该企业方公司业务提供数据服务,如保险数据仅针对保险风控业务进行处理,但是,固有应用场景下的业务数据无法满足企业方在不同应用场景下的风控处理需求,降低了保险数据的客户评价分析效率。
发明内容
有鉴于此,本发明提供一种基于标准化保险数据的客户评价分析方法及***,主要目的在于解决现有保险数据的客户评价分析效率低的问题。
依据本发明一个方面,提供了一种基于标准化保险数据的客户评价分析方法,包括:
获取业务方的保险数据,并基于用户对象维度对所述保险数据进行标准化处理,得到不同用户对应的标准化保险数据;
基于预设业务评估规则对所述标准化保险数据进行评估,得到与所述标准化保险数据对应的业务评估结果;
基于已完成模型训练的业务特征预测模型对所述标准化保险数据、所述业务评估结果进行预测处理,得到所述保险数据的业务预测结果,所述业务特征预测模型为对标准化保险训练数据、业务评估训练数据进行业务筛选后完成训练的。
进一步地,所述基于已完成模型训练的业务特征预测模型对所述标准化保险数据、所述业务评估结果进行预测处理,得到所述保险数据的业务预测结果之前,所述方法还包括:
获取标准化保险训练数据、业务评估训练数据,所述标准化保险训练数据为基于所述用户对象维度进行标准化处理得到的,所述业务评估训练数据为基于所述预设业务评估规则对所述标准化保险训练数据进行评估得到的;
确定与保险业务目标对应的分类树模型,并基于所述准化保险训练数据、所述业务评估训练数据对所述分类树模型进行模型训练;
当所述分类树模型的训练评估参数匹配预设评估阈值,则确定所述分类树模型完成模型训练,得到业务特征预测模型。
进一步地,所述基于所述准化保险训练数据、所述业务评估训练数据对所述分类树模型进行模型训练之前,所述方法还包括:
分别确定与所述标准化保险训练数据、所述业务评估训练数据匹配的缺失值、相关性分析值,并按照所述缺失值、所述相关性分析值对所述标准化保险训练数据、所述业务评估训练数据进行特征筛选,得到待评估的所述标准化保险训练数据、所述业务评估训练数据;
基于决策树模型对待评估的所述标准化保险训练数据、所述业务评估训练数据进行重要性评估,并根据得到的重要性评估结果确定待进行模型训练的准化保险训练数据、业务评估训练数据。
进一步地,所述基于预设业务评估规则对所述标准化保险数据进行评估,得到与所述标准化保险数据对应的业务评估结果包括:
按照所述标准化保险数据的业务标签确定预设业务评估规则中的至少一个评估子规则,所述评估子规则与所述业务标签中的业务标签相匹配;
按照所述评估子规则对所述标准化保险数据进行评估,得到业务评估结果。
进一步地,所述按照所述评估子规则对所述标准化保险数据进行评估,得到业务评估结果包括:
确定与所述业务标签匹配的重要性权重值;
通过所述评估子规则对所述标准化保险数据进行评估,得到参照业务评估结果,并按照所述重要性权重值对所述参展业务评估结果进行加权汇总,得到业务评估结果。
进一步地,所述获取业务方的保险数据,并基于用户对象维度对所述保险数据进行标准化处理,得到不同用户对应的标准化保险数据包括:
按照业务方的不同保险业务场景需求筛选保险数据,所述保险业务场景需求包括保险险种、保险时间、保险规模、保险状态、保险价值、保险角色中至少一项;
按照用户对象维度对所述保险数据进行汇总排序,并对汇总排序后的所述保险数据进行特征标记,得到带有业务标签的标准化保险数据。
进一步地,所述方法还包括:
获取与所述业务方匹配的编码规则,并基于所述编码规则对所述业务方的身份标识码进行编码,得到身份唯一化标识,所述编码规则用于对所述身份信息中的标识码进行唯一化编译,所述身份唯一化标识中不同位置标识码用于表示所述第一业务方的机构类型、地区位置、部门信息、机构名称中至少一项;
若所述身份唯一化标识匹配业务处理权限,则将所述业务预测结果发送至所述业务方。
依据本发明另一个方面,提供了一种基于标准化保险数据的客户评价分析***,包括:
获取模块,用于获取业务方的保险数据,并基于用户对象维度对所述保险数据进行标准化处理,得到不同用户对应的标准化保险数据;
评估模块,用于基于预设业务评估规则对所述标准化保险数据进行评估,得到与所述标准化保险数据对应的业务评估结果;
处理模块,用于基于已完成模型训练的业务特征预测模型对所述标准化保险数据、所述业务评估结果进行预测处理,得到所述保险数据的业务预测结果,所述业务特征预测模型为对标准化保险训练数据、业务评估训练数据进行业务筛选后完成训练的。
进一步地,所述***还包括:确定模块,训练模块,
所述获取模块,用于获取标准化保险训练数据、业务评估训练数据,所述标准化保险训练数据为基于所述用户对象维度进行标准化处理得到的,所述业务评估训练数据为基于所述预设业务评估规则对所述标准化保险训练数据进行评估得到的;
所述确定模块,用于确定与保险业务目标对应的分类树模型,并基于所述准化保险训练数据、所述业务评估训练数据对所述分类树模型进行模型训练;
所述训练模块,用于当所述分类树模型的训练评估参数匹配预设评估阈值,则确定所述分类树模型完成模型训练,得到业务特征预测模型。
进一步地,
所述确定模块,还用于分别确定与所述标准化保险训练数据、所述业务评估训练数据匹配的缺失值、相关性分析值,并按照所述缺失值、所述相关性分析值对所述标准化保险训练数据、所述业务评估训练数据进行特征筛选,得到待评估的所述标准化保险训练数据、所述业务评估训练数据;基于决策树模型对待评估的所述标准化保险训练数据、所述业务评估训练数据进行重要性评估,并根据得到的重要性评估结果确定待进行模型训练的准化保险训练数据、业务评估训练数据。
进一步地,所述确定模块,具体用于按照所述标准化保险数据的业务标签确定预设业务评估规则中的至少一个评估子规则,所述评估子规则与所述业务标签中的业务标签相匹配;按照所述评估子规则对所述标准化保险数据进行评估,得到业务评估结果。
进一步地,所述评估模块,具体用于确定与所述业务标签匹配的重要性权重值;通过所述评估子规则对所述标准化保险数据进行评估,得到参照业务评估结果,并按照所述重要性权重值对所述参展业务评估结果进行加权汇总,得到业务评估结果。
进一步地,所述获取模块,具体用于按照业务方的不同保险业务场景需求筛选保险数据,所述保险业务场景需求包括保险险种、保险时间、保险规模、保险状态、保险价值、保险角色中至少一项;按照用户对象维度对所述保险数据进行汇总排序,并对汇总排序后的所述保险数据进行特征标记,得到带有业务标签的标准化保险数据。
进一步地,所述***还包括:
编码模块,用于获取与所述业务方匹配的编码规则,并基于所述编码规则对所述业务方的身份标识码进行编码,得到身份唯一化标识,所述编码规则用于对所述身份信息中的标识码进行唯一化编译,所述身份唯一化标识中不同位置标识码用于表示所述第一业务方的机构类型、地区位置、部门信息、机构名称中至少一项;
发送模块,用于若所述身份唯一化标识匹配业务处理权限,则将所述业务预测结果发送至所述业务方。
根据本发明的又一方面,提供了一种存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述基于标准化保险数据的客户评价分析方法对应的操作。
根据本发明的再一方面,提供了一种计算机设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述基于标准化保险数据的客户评价分析方法对应的操作。
借由上述技术方案,本发明实施例提供的技术方案至少具有下列优点:
本发明提供了一种基于标准化保险数据的客户评价分析方法及***,与现有技术相比,本发明实施例通过获取业务方的保险数据,并基于用户对象维度对所述保险数据进行标准化处理,得到不同用户对应的标准化保险数据;基于预设业务评估规则对所述标准化保险数据进行评估,得到与所述标准化保险数据对应的业务评估结果;基于已完成模型训练的业务特征预测模型对所述标准化保险数据、所述业务评估结果进行预测处理,得到所述保险数据的业务预测结果,所述业务特征预测模型为对标准化保险训练数据、业务评估训练数据进行业务筛选后完成训练的,以实现不同保险业务的风险评估目的,有效通过标准化保险数据满足不同业务方在不同应用场景下的风控处理需求,大大提高了保险数据的风控风险评估的准确性,提高了保险数据的客户评价分析效率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种基于标准化保险数据的客户评价分析方法流程图;
图2示出了本发明实施例提供的另一种基于标准化保险数据的客户评价分析方法流程图;
图3示出了本发明实施例提供的又一种基于标准化保险数据的客户评价分析方法流程图;
图4示出了本发明实施例提供的一种基于标准化保险数据的客户评价分析***组成框图;
图5示出了本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
针对一个企业方的业务数据仅为该企业方公司业务提供数据服务,如保险数据仅针对保险风控业务进行处理,但是,固有应用场景下的业务数据无法满足企业方在不同应用场景下的风控处理需求,降低了业务数据的客户评价分析效率,本发明实施例提供了一种基于标准化保险数据的客户评价分析方法,如图1所示,该方法包括:
101、获取业务方的保险数据,并基于用户对象维度对所述保险数据进行标准化处理,得到不同用户对应的标准化保险数据。
本发明实施例中,业务方为需要进行保险数据处理的各种银行、金融企业方等,对应的,保险数据包括但不限于不同保险产品的个人资产标的物、社会活动行为、动产/不动产价值、产品选择偏好等数据,当前执行端可以预先存储有不同业务方所对应的保险数据,或当前执行端从业务方的业务***中调取保险数据,本发明实施例不做具体限定。另外,为了提高对基于标准化保险数据的客户评价分析快速性、准确性,即基于用户对象维度对保险数据进行标准化处理,得到以用户为单位的标准化保险数据。其中,用户对象维度用于表征以用户为对象的单位维度,从而进行标准化处理,得到的以个人用户为维度的汇总统计的标准化保险数据。例如,通过各个用户购买的险种作为条件对保险数据进行筛选,选取符合银行业务应用场景的保单数据集P=(p1,p2,....,pn),pi为第i个保单数据,以个人用户为维度汇总统计不同条件下的保费、保额、现金价值等用户数据集U=(UA,UB,UC,....))。例如,UA为个人名下的总累计保费金额,UA=(U1 A,U2 A,...Ui A),Ui A为第i类险种的个人名下累计保费金额,从而进行排序汇通,得到个人用户不同险种的标准化保险数据集U'。
需要说明的是,为了确保用户间的可比性以及模型分析处理的准确性,在标准化过程中,不同类型数据可以采用不同的标准化形式进行处理。具体的,对于保额类型数据,标准化处理可以采取分位数方式进行,即对于给定保额,确定在全库数据中的相对位置,以百分比的形式进行体现,本发明实施例不做具体限定。对于其他描述类型数据,如职业稳定性相关变量,标准化可以采取离散化方式进行,即对于给定变量进行分箱操作,确定变量数值所在箱的箱名。进而,经标准化处理后,原始的保险数据被转化为与业务需求相关的标签数据集。
102、基于预设业务评估规则对所述标准化保险数据进行评估,得到与所述标准化保险数据对应的业务评估结果。
对于本发明实施例中,预设业务评估规则为预先按照专家经验归纳配置的,包括但不限于可配置参数以及与或非关系组成的评估规则,从而对标准化保险数据进行评估,从而得到按照此预设业务评估规则进行评估的业务评估结果。例如,预设业务评估规则为信贷风险评估规则,标准化后的标签数据集可分为职业稳定性、总保险资产、长期保险保障、个人信贷风险因子、车辆价值评估以及可折现保险价值六大类别,根据信贷风险评估规则对每一类别下的标签数据进行整合判断,例如是否超过信贷风险阈值,从而形成该类别下的综合评分,此时,对于信贷风险评估规则中的信贷封信阈值为预先进行配置,即业务评估结果可以通过评估分值进行表现,本发明实施例不做具体限定。
需要说明的是,由于预设业务评估规则用于表征对标准化保险数据进行评估的方法,包括但不限于配置参数、与或非逻辑判断,因此,在构建预设业务评估规则时,可以将标准化保险数据与评估维度进行匹配,从而得到具体的评估规则。例如,标准化保险数据为保险数据排序统计后的险种a的保险用户、保险时间,此时,与评估维度中的职业维度、风险因子匹配,则构建的评估规则可以为针对保险用户进行执业维度的与或非逻辑的判断,确定是否具有评估风险,还可以为针对保险时间进行风险因子的参数配置的,确定保险时间是否超过配置参数,确定评估风险等,本发明实施例不做具体限定。
103、基于已完成模型训练的业务特征预测模型对所述标准化保险数据、所述业务评估结果进行预测处理,得到所述保险数据的业务预测结果。
本发明实施例中,当得到业务评估结果后,结合步骤101中的标准化保险数据作为已完成模型训练的业务特征预测模型的模型输入进行预测处理,从而实现基于智能学习模型进行预测业务特征的目的。其中,所述业务特征预测模型为对标准化保险训练数据、业务评估训练数据进行业务筛选后完成训练的,即在对模型进行训练时,需要按照不同意业务的分析需求确定模型参数等变量,从而使得模型在训练学习过程中更加满足不同的业务特征预测需求。
需要说明的是的,当基于业务特征预测模型进行预测处理后,得到的业务预测结果通过***接口反馈给业务方,以便业务方基于此业务预测结果对保险数据进行处理,大大提高了基于标准化保险数据的客户评价分析准确性以及效率。
在另一个本发明实施例中,为了进一步限定及说明,如图2所示,步骤基于已完成模型训练的业务特征预测模型对所述标准化保险数据、所述业务评估结果进行预测处理,得到所述保险数据的业务预测结果之前,所述方法还包括:
201、获取标准化保险训练数据、业务评估训练数据;
202、确定与保险业务目标对应的分类树模型,并基于所述准化保险训练数据、所述业务评估训练数据对所述分类树模型进行模型训练;
203、当所述分类树模型的训练评估参数匹配预设评估阈值,则确定所述分类树模型完成模型训练,得到业务特征预测模型。
为了基于已完成模型训练的业务特征预测模型对标准化保险数据、业务评估结果进行预测处理,本发明实施例中,预先对构建的分类树模型进行训练,从而得到满足业务需求的业务特征预测模型。具体的,当前执行端可以直接获取存储在本地的标准化保险训练数据以及业务评估训练数据,所标记的用于训练的业务预测结果可以通过预测分值进行体现,本发明实施例不做具体限定。另外,所述标准化保险训练数据为基于所述用户对象维度进行标准化处理得到的,所述业务评估训练数据为基于所述预设业务评估规则对所述标准化保险训练数据进行评估得到的,即首先对作为训练数据的保险数据进行标准化处理,得到标准化保险训练数据,然后基于预设业务评估规则对标准化保险训练数据进行评估得到业务评估训练数据,从而基于标准化保险训练数据、业务评估训练数据对分类树模型进行训练。其中,分类树模型采用树型结构的分类模型,优选为极度梯度提升树XGBoost(eXtreme Gradient Boosting),此时,可以基于不同的保险业务目标确定分类树模型的具体的树结构或模型参数等,本发明实施例不做具体限定。
需要说明的是,为了使训练的业务特征预测模型更符合不同的保险业务需求,在基于训练数据对分类树模型进行训练过程中,实时获取分类树模型的训练评估参数,以便与预设评估阈值进行匹配。其中,训练评估参数包括预测能力参数IV、区分度评估指标KS、稳定度指标PSI,IV用于表征一个变量的预测能力参数,KS用于表征好坏样本累计分布之间的差值,PSI(population stability index)用于表征模型稳定性,本实施例对IV、KS、PSI的计算方式不做具体限定。当分类树模型的训练评估参数匹配预设评估阈值,则确定分类树模型完成模型训练,得到业务特征预测模型,其中,针对不同的保险评估业务中,所配置的预设评估阈值不同,例如,对于信贷风险评估业务,三项指标应达到IV>0.2,KS>0.25,PSI<0.1,作为预设评估阈值,如果当所述分类树模型的训练评估参数未匹配预设评估阈值,需要重复前两步骤,重新进行模型训练优化,直至完成模型训练。
在另一个本发明实施例中,为了进一步限定及说明,如图3所示,步骤基于所述准化保险训练数据、所述业务评估训练数据对所述分类树模型进行模型训练之前,所述方法还包括:
301、分别确定与所述标准化保险训练数据、所述业务评估训练数据匹配的缺失值、相关性分析值,并按照所述缺失值、所述相关性分析值对所述标准化保险训练数据、所述业务评估训练数据进行特征筛选,得到待评估的所述标准化保险训练数据、所述业务评估训练数据;
302、基于决策树模型对待评估的所述标准化保险训练数据、所述业务评估训练数据进行重要性评估,并根据得到的重要性评估结果确定待进行模型训练的准化保险训练数据、业务评估训练数据。
为了提高模型的训练精度、有效性,在进行模型训练之前,预先确定标准化保险数据、业务评估训练数据的缺失值、相关性分析值,以对标准化保险训练数据、业务评估训练数据进行特征筛选,进行一次预评估。其中,标准化保险训练数据、业务评估训练数据由于包含自变量和因变量两个部分,自变量为包含标准化保险训练数据以及业务评估训练数据的变量集,因变量由业务分析需求决定,例如,在银行信贷风险评估中,因变量为个人客户在指定观察期内的违约情况(是或否),在给定自变量和因变量后,确定为初始变量集F,需要模型训练前的预处理,即按照缺失值、相关性分析值对标准化保险训练数据、业务评估训练数据进行特征筛选,从而得到待评估的所述标准化保险训练数据、所述业务评估训练数据。具体的,决策树模型为对标准化保险训练数据、业务评估训练数据进行重要性评估的树结构分类模型,优选为LightGBM(Light Gradient Boosting Machine),LightGBM模型可以通过GBDT算法框架,从而根据得到的重要性评估结果确定待进行模型训练的准化保险训练数据、业务评估训练数据,本发明实施例不做具体限定。
需要说明的是,在对作为初始变量集F的标准化保险数据或业务评估训练数据进行筛选过程中,可以通过删除缺失值占比过高(如缺失大于50%)的变量、删除相互相关性过大(如变量间相关系数高于0.8则舍弃缺失值更高的变量)的变量、删除与因变量相关性过小(如与因变量相关性在0.3以下)的变量、删除IV值过低(如IV值小于0.02则表明无预测能力)的变量、对剩余变量进行分箱处理等方法,得到待进行评估训练数据集F'。然后基于决策树模型对待评估的对包含筛选后标准化保险训练数据、业务评估训练数据的评估训练数据集F'进行重要性评估,利用IV值、卡方检验等方法筛选出符合建模目标的有效变量数据集F”,以通过F”数据集中的标准化保险训练数据、业务评估训练数据进行模型训练,本发明实施例不做具体限定。
在另一个本发明实施例中,为了进一步限定及说明,步骤基于预设业务评估规则对所述标准化保险数据进行评估,得到与所述标准化保险数据对应的业务评估结果包括:
按照所述标准化保险数据的业务标签确定预设业务评估规则中的至少一个评估子规则;
按照所述评估子规则对所述标准化保险数据进行评估,得到业务评估结果。
为了提高信息密度,从而提高基于业务评估结果进行风险评估业务的准确性、有效性,在基于预设业务评估规则对标准化保险数据进行评估时,具体的,按照所述标准化保险数据的业务标签确定预设业务评估规则中的至少一个评估子规则,以按照评估子规则对标准化保险数据进行评估,得到业务评估结果。其中,所述评估子规则与所述业务标签中的业务标签相匹配,即首先识别标准化保险数据中的业务标签,例如,标准化保险数据的标签可以包括职业稳定性、总保险资产、长期保险保障、个人信贷风险因子、车辆价值评估以及可折现保险价值六大类别,从而从预设业务评估规则中匹配到至少一个评估子规则,以按照匹配的评估子规则进行评估得到业务评估结果。另外,不同的评估子规则为风险评估开发人员预先进行配置的,在进行评估过程中,由于评估子模型可以为基于不同的风险评估特征与不同的与、或、非逻辑关系进行构建,因此,可以基于数值化方式体现业务评估结果,例如,利用个人信贷风险因子评估子规则对标准化保险数据进行评估,得到业务评估结果为1,则说明评估无风险,得到业务评估结果为0,则说明评估存在风险,本发明实施例不做具体限定。
在另一个本发明实施例中,为了进一步限定及说明,步骤按照所述评估子规则对所述标准化保险数据进行评估,得到业务评估结果包括:
确定与所述业务标签匹配的重要性权重值;
通过所述评估子规则对所述标准化保险数据进行评估,得到参照业务评估结果,并按照所述重要性权重值对所述参展业务评估结果进行加权汇总,得到业务评估结果。
为了提高业务评估结果的评估准确性,在进行评估时,通过引入重要性权重值来提高评估的有效性,具体的,首先确定业务标签的重要性权重值,从而在基于评估子规则对标准化保险数据进行评估时,结合重要性权重值进行加权汇总,得到最终的业务评估结果。其中,重要性权重值为基于不同风险评估需求进行预先配置的,如0-10之间的数值,本发明实施例不做具体限定。例如,在信贷风险评估需求下,六大类别的业务标签包括:职业稳定性、总保险资产、长期保险保障、个人信贷风险因子、车辆价值评估以及可折现保险价值,预先配置的重要性权重值分别为3、3、1、2、3、1,基于此重要性权重值,对六类业务标签的参照业务评估分值进行加权汇总,得到每位个人客户的个人价值评分,本发明实施例不做具体限定。
例如,标准化保险数据集U',按职业、可折现价值、长期保障、风险因子等多个业务标签维度,对标准化保险数据按保险进行分类U'=(k,r,...,h),其中,k代表客户保险资产的可折现价值,表示为k=(UW A,UW D)。为了向银行信贷风控、高净值客群筛选等多种业务场景进行风险评估,业务评价规则为L=(L1,L2,...,Li),Li为场景i的业务评价规则,例如当(ki>a)且(hi<b)时,Li=s,当(ki>a)且(hi>b)时Li=j否则Li=t,a、b为可配置参数,s、t、j为预先配置的分值,可由银行根据业务目标的权重设置,本发明实施例不做具体限定。
在另一个本发明实施例中,为了进一步限定及说明,步骤获取业务方的保险数据,并基于用户对象维度对所述保险数据进行标准化处理,得到不同用户对应的标准化保险数据包括:
按照业务方的不同保险业务场景需求筛选保险数据;
按照用户对象维度对所述保险数据进行汇总排序,并对汇总排序后的所述保险数据进行特征标记,得到带有业务标签的标准化保险数据。
为了满足不同业务方对保险数据的风控评估处理需求,在标准化处理时,首先按照业务方的不同保险业务场景需求筛选保险数据,此时,所述保险业务场景需求包括保险险种、保险时间、保险规模、保险状态、保险价值、保险角色中至少一项,可以基于业务方的选取进行确定,从而筛选出匹配的保险数据。当筛选全部的保险数据后,按照用户对象维度,如每个购买保险的客户角度对保险数据进行汇总排序,得到以每个客户用户为维度的保险数据。进而,为了基于业务标签的标准化保险数据进行风险评估等规则判断,对汇总排序后的保险数据进行特征标记,得到带有业务标签的标准化保险数据。例如,得到个人用户不同险种的标准化保险数据集U'后,按照职业稳定性、总保险资产、长期保险保障、个人信贷风险因子、车辆价值评估以及可折现保险价值对标准化保险数据集U'中的数据进行标记,本发明实施例不做具体限定。
在另一个本发明实施例中,为了进一步限定及说明,步骤还包括:
获取与所述业务方匹配的编码规则,并基于所述编码规则对所述业务方的身份标识码进行编码,得到身份唯一化标识;
若所述身份唯一化标识匹配业务处理权限,则将所述业务预测结果发送至所述业务方。
为了确保业务方的数据安全性,还可以对业务方的身份标识进行编码,以进行业务处理权限的验证。其中,所述编码规则用于对所述身份信息中的标识码进行唯一化编译,所述身份唯一化标识中不同位置标识码用于表示所述第一业务方的机构类型、地区位置、部门信息、机构名称中至少一项,本发明实施例不做具体限定。此时,编码处理即为将身份标识码中的具体内容,编译为统一形式的数字标识,以作为身份唯一化标识进行权限判断。其中,不同业务方的编码规则相同,从而将不同身份标识码进行编码,得到统一行使的身份唯一化标识。例如,某银行机构按照编码规则进行编码后的得到唯一化标识为A0000H000000+ASVD000000,其中,第一部分中第一位为机构种类代码,第二至五位为防重复标识,第六位为机构小类代码,第二部分中前四位为名称缩写,五、六位为防重复标识。
需要说明的是,由于编码规则为标识码数据进行标识唯一化编译的方法,具体的,将机构类型、地区位置、部门信息、机构名称中至少一项编辑的位置、编辑的标识符合等可以预先进行灵活配置,本发明实施例不做具体限定,以基于编译后的身份唯一化标识,作为业务处理权限的判断依据。当身份唯一化标识匹配业务处理权限,则将业务预测结果发送至业务方,以便业务方进行处理。其中,业务处理权限为预先进行配置的不同业务方所需的权限验证标识,从而进行权限验证,本发明实施例不做具体限定。
本发明实施例提供了一种基于标准化保险数据的客户评价分析方法,与现有技术相比,本发明实施例通过获取业务方的保险数据,并基于用户对象维度对所述保险数据进行标准化处理,得到不同用户对应的标准化保险数据;基于预设业务评估规则对所述标准化保险数据进行评估,得到与所述标准化保险数据对应的业务评估结果;基于已完成模型训练的业务特征预测模型对所述标准化保险数据、所述业务评估结果进行预测处理,得到所述保险数据的业务预测结果,所述业务特征预测模型为对标准化保险训练数据、业务评估训练数据进行业务筛选后完成训练的,以实现不同保险业务的风险评估目的,有效通过标准化保险数据满足不同业务方在不同应用场景下的风控处理需求,大大提高了保险数据的风控风险评估的准确性,提高了保险数据的多样性处理效率。
进一步的,作为对上述图1所示方法的实现,本发明实施例提供了一种基于标准化保险数据的客户评价分析***,如图4所示,该***包括:
获取模块41,用于获取业务方的保险数据,并基于用户对象维度对所述保险数据进行标准化处理,得到不同用户对应的标准化保险数据;
评估模块42,用于基于预设业务评估规则对所述标准化保险数据进行评估,得到与所述标准化保险数据对应的业务评估结果;
处理模块43,用于基于已完成模型训练的业务特征预测模型对所述标准化保险数据、所述业务评估结果进行预测处理,得到所述保险数据的业务预测结果,所述业务特征预测模型为对标准化保险训练数据、业务评估训练数据进行业务筛选后完成训练的。
进一步地,所述***还包括:确定模块,训练模块,
所述获取模块,用于获取标准化保险训练数据、业务评估训练数据,所述标准化保险训练数据为基于所述用户对象维度进行标准化处理得到的,所述业务评估训练数据为基于所述预设业务评估规则对所述标准化保险训练数据进行评估得到的;
所述确定模块,用于确定与保险业务目标对应的分类树模型,并基于所述准化保险训练数据、所述业务评估训练数据对所述分类树模型进行模型训练;
所述训练模块,用于当所述分类树模型的训练评估参数匹配预设评估阈值,则确定所述分类树模型完成模型训练,得到业务特征预测模型。
进一步地,
所述确定模块,还用于分别确定与所述标准化保险训练数据、所述业务评估训练数据匹配的缺失值、相关性分析值,并按照所述缺失值、所述相关性分析值对所述标准化保险训练数据、所述业务评估训练数据进行特征筛选,得到待评估的所述标准化保险训练数据、所述业务评估训练数据;基于决策树模型对待评估的所述标准化保险训练数据、所述业务评估训练数据进行重要性评估,并根据得到的重要性评估结果确定待进行模型训练的准化保险训练数据、业务评估训练数据。
进一步地,所述确定模块,具体用于按照所述标准化保险数据的业务标签确定预设业务评估规则中的至少一个评估子规则,所述评估子规则与所述业务标签中的业务标签相匹配;按照所述评估子规则对所述标准化保险数据进行评估,得到业务评估结果。
进一步地,所述评估模块,具体用于确定与所述业务标签匹配的重要性权重值;通过所述评估子规则对所述标准化保险数据进行评估,得到参照业务评估结果,并按照所述重要性权重值对所述参展业务评估结果进行加权汇总,得到业务评估结果。
进一步地,所述获取模块,具体用于按照业务方的不同保险业务场景需求筛选保险数据,所述保险业务场景需求包括保险险种、保险时间、保险规模、保险状态、保险价值、保险角色中至少一项;按照用户对象维度对所述保险数据进行汇总排序,并对汇总排序后的所述保险数据进行特征标记,得到带有业务标签的标准化保险数据。
进一步地,所述***还包括:
编码模块,用于获取与所述业务方匹配的编码规则,并基于所述编码规则对所述业务方的身份标识码进行编码,得到身份唯一化标识,所述编码规则用于对所述身份信息中的标识码进行唯一化编译,所述身份唯一化标识中不同位置标识码用于表示所述第一业务方的机构类型、地区位置、部门信息、机构名称中至少一项;
发送模块,用于若所述身份唯一化标识匹配业务处理权限,则将所述业务预测结果发送至所述业务方。
本发明提供了一种基于标准化保险数据的客户评价分析***,与现有技术相比,本发明实施例通过获取业务方的保险数据,并基于用户对象维度对所述保险数据进行标准化处理,得到不同用户对应的标准化保险数据;基于预设业务评估规则对所述标准化保险数据进行评估,得到与所述标准化保险数据对应的业务评估结果;基于已完成模型训练的业务特征预测模型对所述标准化保险数据、所述业务评估结果进行预测处理,得到所述保险数据的业务预测结果,所述业务特征预测模型为对标准化保险训练数据、业务评估训练数据进行业务筛选后完成训练的,以实现不同保险业务的风险评估目的,有效通过标准化保险数据满足不同业务方在不同应用场景下的风控处理需求,大大提高了保险数据的风控风险评估的准确性,提高了保险数据的多样性处理效率。
根据本发明一个实施例提供了一种存储介质,所述存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的基于标准化保险数据的客户评价分析方法。
图5示出了根据本发明一个实施例提供的一种计算机设备的结构示意图,本发明具体实施例并不对计算机设备的具体实现做限定。
如图5所示,该计算机设备可以包括:处理器(processor)502、通信接口(Communications Interface)504、存储器(memory)506、以及通信总线508。
其中:处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。
通信接口504,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器502,用于执行程序510,具体可以执行上述基于标准化保险数据的客户评价分析方法实施例中的相关步骤。
具体地,程序510可以包括程序代码,该程序代码包括计算机操作指令。
处理器502可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。计算机设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器506,用于存放程序510。存储器506可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行以下操作:
获取业务方的保险数据,并基于用户对象维度对所述保险数据进行标准化处理,得到不同用户对应的标准化保险数据;
基于预设业务评估规则对所述标准化保险数据进行评估,得到与所述标准化保险数据对应的业务评估结果;
基于已完成模型训练的业务特征预测模型对所述标准化保险数据、所述业务评估结果进行预测处理,得到所述保险数据的业务预测结果,所述业务特征预测模型为对标准化保险训练数据、业务评估训练数据进行业务筛选后完成训练的。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算***来实现,它们可以集中在单个的计算***上,或者分布在多个计算***所组成的网络上,可选地,它们可以用计算***可执行的程序代码来实现,从而,可以将它们存储在存储***中由计算***来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (7)
1.一种基于标准化保险数据的客户评价分析方法,其特征在于,包括:
获取业务方的保险数据,并基于用户对象维度对所述保险数据进行标准化处理,得到不同用户对应的标准化保险数据;
基于预设业务评估规则对所述标准化保险数据进行评估,得到与所述标准化保险数据对应的业务评估结果;
基于已完成模型训练的业务特征预测模型对所述标准化保险数据、所述业务评估结果进行预测处理,得到所述保险数据的业务预测结果,所述业务特征预测模型为对标准化保险训练数据、业务评估训练数据进行业务筛选后完成训练的;
其中,所述基于已完成模型训练的业务特征预测模型对所述标准化保险数据、所述业务评估结果进行预测处理,得到所述保险数据的业务预测结果之前,所述方法还包括:
获取标准化保险训练数据、业务评估训练数据,所述标准化保险训练数据为基于所述用户对象维度进行标准化处理得到的,所述业务评估训练数据为基于所述预设业务评估规则对所述标准化保险训练数据进行评估得到的;
确定与保险业务目标对应的分类树模型,并基于所述准化保险训练数据、所述业务评估训练数据对所述分类树模型进行模型训练;
当所述分类树模型的训练评估参数匹配预设评估阈值,则确定所述分类树模型完成模型训练,得到业务特征预测模型;
所述基于预设业务评估规则对所述标准化保险数据进行评估,得到与所述标准化保险数据对应的业务评估结果包括:
按照所述标准化保险数据的业务标签确定预设业务评估规则中的至少一个评估子规则,所述评估子规则与所述业务标签中的业务标签相匹配;
按照所述评估子规则对所述标准化保险数据进行评估,得到业务评估结果;
所述按照所述评估子规则对所述标准化保险数据进行评估,得到业务评估结果包括:
确定与所述业务标签匹配的重要性权重值;
通过所述评估子规则对所述标准化保险数据进行评估,得到参照业务评估结果,并按照所述重要性权重值对所述参照业务评估结果进行加权汇总,得到业务评估结果。
2.根据权利要求1所述的方法,其特征在于,所述基于所述准化保险训练数据、所述业务评估训练数据对所述分类树模型进行模型训练之前,所述方法还包括:
分别确定与所述标准化保险训练数据、所述业务评估训练数据匹配的缺失值、相关性分析值,并按照所述缺失值、所述相关性分析值对所述标准化保险训练数据、所述业务评估训练数据进行特征筛选,得到待评估的所述标准化保险训练数据、所述业务评估训练数据;
基于决策树模型对待评估的所述标准化保险训练数据、所述业务评估训练数据进行重要性评估,并根据得到的重要性评估结果确定待进行模型训练的准化保险训练数据、业务评估训练数据。
3.根据权利要求1所述的方法,其特征在于,所述获取业务方的保险数据,并基于用户对象维度对所述保险数据进行标准化处理,得到不同用户对应的标准化保险数据包括:
按照业务方的不同保险业务场景需求筛选保险数据,所述保险业务场景需求包括保险险种、保险时间、保险规模、保险状态、保险价值、保险角色中至少一项;
按照用户对象维度对所述保险数据进行汇总排序,并对汇总排序后的所述保险数据进行特征标记,得到带有业务标签的标准化保险数据。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
获取与所述业务方匹配的编码规则,并基于所述编码规则对所述业务方的身份标识码进行编码,得到身份唯一化标识,所述编码规则用于对身份信息中的标识码进行唯一化编译,所述身份唯一化标识中不同位置标识码用于表示第一业务方的机构类型、地区位置、部门信息、机构名称中至少一项;
若所述身份唯一化标识匹配业务处理权限,则将所述业务预测结果发送至所述业务方。
5.一种基于标准化保险数据的客户评价分析***,其特征在于,包括:
获取模块,用于获取业务方的保险数据,并基于用户对象维度对所述保险数据进行标准化处理,得到不同用户对应的标准化保险数据;
评估模块,用于基于预设业务评估规则对所述标准化保险数据进行评估,得到与所述标准化保险数据对应的业务评估结果;
处理模块,用于基于已完成模型训练的业务特征预测模型对所述标准化保险数据、所述业务评估结果进行预测处理,得到所述保险数据的业务预测结果,所述业务特征预测模型为对标准化保险训练数据、业务评估训练数据进行业务筛选后完成训练的;
所述***还包括:确定模块,训练模块,
所述获取模块,用于获取标准化保险训练数据、业务评估训练数据,所述标准化保险训练数据为基于所述用户对象维度进行标准化处理得到的,所述业务评估训练数据为基于所述预设业务评估规则对所述标准化保险训练数据进行评估得到的;
所述确定模块,用于确定与保险业务目标对应的分类树模型,并基于所述准化保险训练数据、所述业务评估训练数据对所述分类树模型进行模型训练;
所述训练模块,用于当所述分类树模型的训练评估参数匹配预设评估阈值,则确定所述分类树模型完成模型训练,得到业务特征预测模型;
所述确定模块,具体用于按照所述标准化保险数据的业务标签确定预设业务评估规则中的至少一个评估子规则,所述评估子规则与所述业务标签中的业务标签相匹配;按照所述评估子规则对所述标准化保险数据进行评估,得到业务评估结果;
所述评估模块,具体用于确定与所述业务标签匹配的重要性权重值;通过所述评估子规则对所述标准化保险数据进行评估,得到参照业务评估结果,并按照所述重要性权重值对所述参照业务评估结果进行加权汇总,得到业务评估结果。
6.一种存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-4中任一项所述的基于标准化保险数据的客户评价分析方法对应的操作。
7.一种计算机设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-4中任一项所述的基于标准化保险数据的客户评价分析方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211697434.2A CN116051296B (zh) | 2022-12-28 | 2022-12-28 | 基于标准化保险数据的客户评价分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211697434.2A CN116051296B (zh) | 2022-12-28 | 2022-12-28 | 基于标准化保险数据的客户评价分析方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116051296A CN116051296A (zh) | 2023-05-02 |
CN116051296B true CN116051296B (zh) | 2023-09-29 |
Family
ID=86112796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211697434.2A Active CN116051296B (zh) | 2022-12-28 | 2022-12-28 | 基于标准化保险数据的客户评价分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116051296B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108549973A (zh) * | 2018-03-22 | 2018-09-18 | 中国平安人寿保险股份有限公司 | 识别模型构建及评估的方法、装置、存储介质及终端 |
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 |
CN111951097A (zh) * | 2020-08-12 | 2020-11-17 | 深圳微众信用科技股份有限公司 | 企业信用风险评估方法、装置、设备及存储介质 |
CN112396108A (zh) * | 2020-11-19 | 2021-02-23 | 腾讯科技(深圳)有限公司 | 业务数据评估方法、装置、设备及计算机可读存储介质 |
CN112464970A (zh) * | 2019-09-09 | 2021-03-09 | ***通信集团浙江有限公司 | 区域价值评估模型处理方法、装置及计算设备 |
CN113254510A (zh) * | 2021-07-06 | 2021-08-13 | 平安科技(深圳)有限公司 | 业务风险客群的识别方法、装置、设备及存储介质 |
CN113283582A (zh) * | 2021-05-18 | 2021-08-20 | 广州致景信息科技有限公司 | 纺织行业金融损失预测方法、装置、存储介质及处理器 |
CN113971527A (zh) * | 2021-10-28 | 2022-01-25 | 平安医疗健康管理股份有限公司 | 基于机器学习的数据风险评估方法及装置 |
CN114240633A (zh) * | 2021-12-21 | 2022-03-25 | 深圳前海微众银行股份有限公司 | 信贷风险评估方法、***、终端设备及存储介质 |
CN114612251A (zh) * | 2022-03-14 | 2022-06-10 | 平安科技(深圳)有限公司 | 风险评估方法、装置、设备及存储介质 |
WO2022121217A1 (zh) * | 2020-12-07 | 2022-06-16 | 平安科技(深圳)有限公司 | 额度预测方法、设备及计算机可读存储介质 |
CN114861989A (zh) * | 2022-04-15 | 2022-08-05 | 阳光保险集团股份有限公司 | 一种加保业务的预测方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120290330A1 (en) * | 2011-05-09 | 2012-11-15 | Hartford Fire Insurance Company | System and method for web-based industrial classification |
US11461648B2 (en) * | 2020-03-04 | 2022-10-04 | International Business Machines Corporation | Standardizing disparate data points |
-
2022
- 2022-12-28 CN CN202211697434.2A patent/CN116051296B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108549973A (zh) * | 2018-03-22 | 2018-09-18 | 中国平安人寿保险股份有限公司 | 识别模型构建及评估的方法、装置、存储介质及终端 |
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 |
WO2019218751A1 (zh) * | 2018-05-16 | 2019-11-21 | 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 |
CN112464970A (zh) * | 2019-09-09 | 2021-03-09 | ***通信集团浙江有限公司 | 区域价值评估模型处理方法、装置及计算设备 |
CN111951097A (zh) * | 2020-08-12 | 2020-11-17 | 深圳微众信用科技股份有限公司 | 企业信用风险评估方法、装置、设备及存储介质 |
CN112396108A (zh) * | 2020-11-19 | 2021-02-23 | 腾讯科技(深圳)有限公司 | 业务数据评估方法、装置、设备及计算机可读存储介质 |
WO2022121217A1 (zh) * | 2020-12-07 | 2022-06-16 | 平安科技(深圳)有限公司 | 额度预测方法、设备及计算机可读存储介质 |
CN113283582A (zh) * | 2021-05-18 | 2021-08-20 | 广州致景信息科技有限公司 | 纺织行业金融损失预测方法、装置、存储介质及处理器 |
CN113254510A (zh) * | 2021-07-06 | 2021-08-13 | 平安科技(深圳)有限公司 | 业务风险客群的识别方法、装置、设备及存储介质 |
CN113971527A (zh) * | 2021-10-28 | 2022-01-25 | 平安医疗健康管理股份有限公司 | 基于机器学习的数据风险评估方法及装置 |
CN114240633A (zh) * | 2021-12-21 | 2022-03-25 | 深圳前海微众银行股份有限公司 | 信贷风险评估方法、***、终端设备及存储介质 |
CN114612251A (zh) * | 2022-03-14 | 2022-06-10 | 平安科技(深圳)有限公司 | 风险评估方法、装置、设备及存储介质 |
CN114861989A (zh) * | 2022-04-15 | 2022-08-05 | 阳光保险集团股份有限公司 | 一种加保业务的预测方法及装置 |
Non-Patent Citations (1)
Title |
---|
"Logistic 与分类树模型变量筛选的比较";谢远涛等;《统计与信息论坛》;96-101 * |
Also Published As
Publication number | Publication date |
---|---|
CN116051296A (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111291816B (zh) | 针对用户分类模型进行特征处理的方法及装置 | |
CN111861716B (zh) | 一种基于软件***的贷中监控预警等级生成方法 | |
CN114265967B (zh) | 一种敏感数据安全等级标注方法及装置 | |
CN112990386B (zh) | 用户价值聚类方法、装置、计算机设备和存储介质 | |
CN113095927A (zh) | 一种反洗钱可疑交易识别方法及设备 | |
CN112700324A (zh) | 基于CatBoost与受限玻尔兹曼机结合的用户借贷违约预测方法 | |
CN112950347B (zh) | 资源数据处理的优化方法及装置、存储介质、终端 | |
CN110688536A (zh) | 一种标签预测方法、装置、设备和存储介质 | |
CN110728301A (zh) | 一种个人用户的信用评分方法、装置、终端及存储介质 | |
CN114418175A (zh) | 一种人员管理方法、装置、电子设备及存储介质 | |
CN112990989B (zh) | 价值预测模型输入数据生成方法、装置、设备和介质 | |
CN109146667B (zh) | 一种基于量化统计的外部接口综合应用模型的构建方法 | |
CN111210332A (zh) | 贷后管理策略生成方法、装置及电子设备 | |
CN112035775B (zh) | 基于随机森林模型的用户识别方法、装置和计算机设备 | |
CN116051296B (zh) | 基于标准化保险数据的客户评价分析方法及*** | |
CN116385151A (zh) | 基于大数据进行风险评级预测的方法及计算设备 | |
CN115809930A (zh) | 基于数据融合匹配的反欺诈分析方法、装置、设备及介质 | |
CN113269179B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN115564591A (zh) | 一种融资产品的确定方法及相关设备 | |
CN114626940A (zh) | 数据分析方法、装置及电子设备 | |
CN110570301B (zh) | 风险识别方法、装置、设备及介质 | |
CN118333739A (zh) | 构建零***风险预测模型的方法和零售信贷业务Scoremult模型 | |
KR100686466B1 (ko) | 자산 평가 제공 방법 및 시스템과, 수익성에 대한 안정성 분석 제공 시스템 | |
CN118071483A (zh) | 构建零***风险预测模型的方法和个人信贷业务Scorepsi模型 | |
CN117994016A (zh) | 构建零***风险预测模型的方法和消费信贷业务Scorebeta模型 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |