CN105844093A - 基于社交数据的保险精算系统及方法 - Google Patents

基于社交数据的保险精算系统及方法 Download PDF

Info

Publication number
CN105844093A
CN105844093A CN201610163964.7A CN201610163964A CN105844093A CN 105844093 A CN105844093 A CN 105844093A CN 201610163964 A CN201610163964 A CN 201610163964A CN 105844093 A CN105844093 A CN 105844093A
Authority
CN
China
Prior art keywords
social data
social
data
date
health 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.)
Withdrawn
Application number
CN201610163964.7A
Other languages
English (en)
Inventor
张贯京
陈兴明
高伟明
李慧玲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Front Haikang Qi Yuan Science And Technology Ltd Of Shenzhen
Shenzhen Qianhai AnyCheck Information Technology Co Ltd
Original Assignee
Front Haikang Qi Yuan Science And Technology Ltd Of Shenzhen
Shenzhen Qianhai AnyCheck Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Front Haikang Qi Yuan Science And Technology Ltd Of Shenzhen, Shenzhen Qianhai AnyCheck Information Technology Co Ltd filed Critical Front Haikang Qi Yuan Science And Technology Ltd Of Shenzhen
Priority to CN201610163964.7A priority Critical patent/CN105844093A/zh
Publication of CN105844093A publication Critical patent/CN105844093A/zh
Priority to PCT/CN2016/105115 priority patent/WO2017161895A1/zh
Withdrawn legal-status Critical Current

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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Technology Law (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Public Health (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

基于社交数据的保险精算系统及方法。本发明提供一种基于社交数据的健康险精算方法，该方法包括：按照日期对社交数据分类；从分类的社交数据中提取一日期对应的社交数据；当该日期对应的社交数据中的地理位置信息是医疗机构所在地时，生成一个看病标记，及当该日期对应的社交数据中包括健身数据时，生成一个健身标记；当所述分类的社交数据全部提取时，计算所述看病标记的数量，以获得第一风险比例，计算所述健身标记的数量，以获得第二风险比例；根据所述第一风险率、第二风险率及预设的健康险精算算法计算出该用户的健康险保费。实施本发明能够通过用户的社交数据动态调整健康险保费，降低了健康险的风险，提高了保险公司的盈利能力。

Description

基于社交数据的保险精算系统及方法
技术领域
本发明涉及保险精算领域，尤其涉及一种基于社交数据的保险精算系统及方法。
背景技术
近年来随着互联网、云计算、移动通信和物联网等技术的迅猛发展，无所不在的移动设备、RFID、无线传感器每分每秒都在产生数据，数以亿计用户的互联网服务时时刻刻在产生巨量的交互，要处理的数据量巨大，数据一直都在以每年50％的速度增长，而业务需求和竞争压力对数据处理的实时性、有效性又提出了更高要求，传统的常规技术手段根本无法应付，因此，大数据技术(Big Data)成为近来的一个技术热点，引起了广泛的重视。
通过大数据技术可以加速保险精算的风险预测：借助于不断增长的私密和公开用户信息，大数据技术帮助人们从大体量、高复杂的社交数据中提取价值。
然而，现阶段的保险精算系统在针对医疗数据进行分析处理时，并没有考虑用户使用社交平台所产生的社交数据，在网络大数据时代，增加了保险公司的风险。
发明内容
本发明的主要目的在于提供一种基于社交数据的保险精算系统及方法，旨在解决现有保险精算系统中没有基于社交数据进行保险精算的技术问题。
为实现上述目的，本发明提供了一种基于社交数据的保险精算系统，运行于数据中心，所述数据中心通过网络与社交平台连接，所述社交平台通过所述网络与客户端连接，该系统包括：
获取模块，用于从社交平台获取用户使用客户端时所产生的社交数据，所述社交数据包括日期及地理位置信息；
分类模块，用于按照日期对所述社交数据分类；
提取模块，用于从分类的社交数据中提取一日期对应的社交数据；
生成模块，用于当该日期对应的社交数据中的地理位置信息是医疗机构所在地时，生成一个看病标记，及当该日期对应的社交数据中包括健身数据时，生成一个健身标记；
计算模块，用于当所述分类的社交数据全部提取时，计算所述看病标记的数量，以获得第一风险比例，计算所述健身标记的数量，以获得第二风险比例；及
所述计算模块，还用于根据所述第一风险率、第二风险率及预设的健康险精算算法计算出该用户的健康险保费。
优选的，所述社交数据包括用户姓名、社交账号、联系方式、年龄、性别、日期、地理位置信息及社交内容信息。
优选的，所述第一风险比例的计算公式为：P1＝M1/N1，所述第二风险比例的计算公式为：P2＝M2/N2，其中，P1为第一风险率，M1为看病标记的数量，P2为第二风险率，M2为健身标记的数量，所述N1及N2均为该用户的社交数据中最早日期至最晚日期之间的总天数。
优选的，所述预设的健康险精算算法采用如下公式：S＝A+B+C+D，A＝A1×(3+P1-P2)×A2×A3，A2＝1+A21，其中，S为健康险保费、A为医药补偿费、B为预防保健费、C为管理费、D为储备金、A1为医药费基线数据、A2为保险因子、A3为补偿比、P1为第一风险率、P2为第二风险率，所述公式中的参数B、C、D、A1及A3为固定值，A21为医疗服务利用的增加率。
优选的，所述预设的健康险精算算法采用如下公式：Z＝X+k1×P1-k2×P2，其中，Z为健康险保费，X为保险公司设定的标准保费，P1为第一风险率，P1为第二风险率，k1及k2为常数。
另一方面，本发明还提供一种基于社交数据的健康险精算方法，应用于数据中心，所述数据中心通过网络与社交平台连接，所述社交平台通过所述网络与客户端连接，该方法包括：
从社交平台获取用户使用客户端时所产生的社交数据，所述社交数据包括日期及地理位置信息；
按照日期对所述社交数据分类；
从分类的社交数据中提取一日期对应的社交数据；
当该日期对应的社交数据中的地理位置信息是医疗机构所在地时，生成一个看病标记，及当该日期对应的社交数据中包括健身数据时，生成一个健身标记；
当所述分类的社交数据全部提取时，计算所述看病标记的数量，以获得第一风险比例，计算所述健身标记的数量，以获得第二风险比例；及
根据所述第一风险率、第二风险率及预设的健康险精算算法计算出该用户的健康险保费。
优选的，所述社交数据包括用户姓名、社交账号、联系方式、年龄、性别、日期、地理位置信息及社交内容信息。
优选的，所述第一风险比例的计算公式为：P1＝M1/N1，所述第二风险比例的计算公式为：P2＝M2/N2，其中，P1为第一风险率，M1为看病标记的数量，P2为第二风险率，M2为健身标记的数量，所述N1及N2均为该用户的社交数据中最早日期至最晚日期之间的总天数。
优选的，所述预设的健康险精算算法采用如下公式：S＝A+B+C+D，A＝A1×(3+P1-P2)×A2×A3，A2＝1+A21，其中，S为健康险保费、A为医药补偿费、B为预防保健费、C为管理费、D为储备金、A1为医药费基线数据、A2为保险因子、A3为补偿比、P1为第一风险率、P2为第二风险率，所述公式中的参数B、C、D、A1及A3为固定值，A21为医疗服务利用的增加率。
优选的，所述预设的健康险精算算法采用如下公式：Z＝X+k1×P1-k2×P2，其中，Z为健康险保费，X为保险公司设定的标准保费，P1为第一风险率，P1为第二风险率，k1及k2为常数。
本发明采用上述技术方案，带来的技术效果为：本发明所述基于社交数据的保险精算系统及方法，结合用户社交数据了解用户去医疗机构的次数及用户去健身的次数，并根据用户去医疗机构的次数及用户去健身的次数相应地调整健康险的保费，降低了健康险的风险，提高了保险公司的盈利能力。
附图说明
图1是本发明基于社交数据的保险精算系统的应用环境示意图；
图2是本发明基于社交数据的保险精算系统的优选实施例的功能模块图；
图3是本发明基于社交数据的健康险精算方法的优选实施例的流程图。
本发明目的的实现、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
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对本发明的具体实施方式、结构、特征及其功效，详细说明如下。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。
参照图1所示，图1是本发明基于社交数据的保险精算系统的应用环境示意图。
本发明中的基于社交数据的保险精算系统20运行于数据中心2。所述数据中心2通过网络3与社交平台5连接。
所述社交平台5还通过网络3与一个或多个客户端4(图1中以三个为例进行说明)通信连接。
所述社交平台5用于提供社交服务，并记录用户通过所述客户端4登陆所述社交平台5时所产生的社交数据。具体的说，所述客户端4登录到所述社交平台5，并上传社交数据至社交平台5。
所述社交数据包括，但不限于，用户姓名、社交账号、联系方式、年龄、性别、日期、地理位置信息、社交内容信息(例如，用户发的图片、文章的点评等信息)及/或健身数据(例如，体重、身高、健身开始时间、健身结束时间、健身里程、健身所在区域、健身场所名称、健身项目、心率及健身步数等信息)等。所述社交平台5可以是，但不限于，电子布告栏(Bulletin BoardSystem，BBS)，即时通信平台(如，微信)、微博、人人网、同学录网站等各种类型的社交平台5。
所述社交平台5提供数据导入接口(例如，应用程序接口，ApplicationProgram Interface，API)，接入该API接口的设备或系统都可以从所述社交平台5中获取用户通过客户端4所产生的社交数据。所述数据中心2在所述社交平台5授权的基础上(即授权接入所述社交平台5提供的API接口)获取所述社交数据，并对所述社交数据进行解析。
所述网络3可以是有线通讯网络或无线通讯网络。所述网络3优选为无线通讯网络，包括但不限于，GSM网络、GPRS网络、CDMA网络、TD-SCDMA网络、WiMAX网络、TD-LTE网络、FDD-LTE网络等无线传输网络。
此外，所述数据中心2通过网络3与所述客户端4连接。需要说明的是，所述数据中心2是云平台或云平台中的某一台服务器，通过数据中心2的数据传输能力及数据存储能力，可以更好地管理及/或协助与该数据中心2连接的客户端4，有利于了解用户通过所述客户端4所产生的社交数据。
所述客户端4可以是，但不限于，智能手机、平板电脑、笔记本电脑、台式电脑等其它任意合适的具有网络连接功能的电子设备。
参照图2所示，是本发明基于社交数据的保险精算系统的优选实施例的功能模块图。在本实施例中，所述基于社交数据的保险精算系统20应用于数据中心2。该数据中心2包括，但不仅限于，基于社交数据的保险精算系统20、存储单元22、处理单元24及通讯单元26。
所述的存储单元22可以为一种只读存储单元ROM，电可擦写存储单元EEPROM、快闪存储单元FLASH或固体硬盘等。
所述的处理单元24可以为一种中央处理器(Central Processing Unit，CPU)、微控制器(MCU)、数据处理芯片、或者具有数据处理功能的信息处理单元。
所述的通讯单元26为一种具有远程无线通讯功能的无线通讯接口，例如，支持GSM、GPRS、WCDMA、CDMA、TD-SCDMA、WiMAX、TD-LTE、FDD-LTE等通讯技术的通讯接口。
所述基于社交数据的保险精算系统20包括，但不局限于，获取模块200、分类模块210、提取模块220、判断模块230、生成模块240及计算模块250，本发明所称的模块是指一种能够被所述数据中心2的处理单元24执行并且能够完成固定功能的一系列计算机程序指令段，其存储在所述数据中心2的存储单元22中。
所述获取模块200用于从社交平台5获取用户使用客户端4时所产生的社交数据。
具体而言，所述社交平台5提供API接口，接入该API接口的设备或系统都可以从所述社交平台5中获取所述社交数据。所述获取模块200调用所述社交平台5提供的API接口以获取所述社交数据。
需要说明的是，由于所述社交数据属于隐私信息，为了确保信息安全，所述社交数据发送给数据中心2时，会通过加解密算法(例如，MD5加解密算法、RSA加解密算法、DES加解密算法、DSA加解密算法、AES加解密算法等)先对社交数据进行加密处理，之后传输给所述数据中心2。
所述分类模块210用于按照日期对所述社交数据分类。具体而言，由于所述社交数据中包括日期，所述提取模块220提取所述社交数据中的日期，并根据日期对所述社交数据进行分类。分类之后的社交数据按照日期形成多笔社交数据，例如，1月1日的社交数据，1月2日的社交数据等等。用户通过日期可以提取出该日期对应的社交数据。
所述提取模块220用于从分类的社交数据中提取一日期对应的社交数据。在本实施例中，所述提取模块220按照日期顺序(例如，从1月1日至12月31日)提取日期对应的社交数据。
所述判断模块230用于判断该日期对应的社交数据中的地理位置信息是否为医疗机构所在地。
所述生成模块240用于当该日期对应的社交数据中的地理位置信息为医疗机构所在地，生成一个看病标记，该看病标记表明用户在该日期看病。
所述判断模块230还用于当该日期对应的社交数据中的地理位置信息不是医疗机构所在地，判断该日期对应的社交数据中是否包括健身数据。所述判断模块230通过预设的健身关键字(例如，“健身”、“锻炼”、“跑步”、“游泳”及各种健身软件的名称等关键字)在所述社交数据中检索，若所述社交数据中存在预设的健身关键字，则认定所述社交数据中包括健身数据。
所述生成模块240还用于当该日期对应的社交数据中包括健身数据，生成一个健身标记，该健身标记表明用户在该日期健身。
所述判断模块230还用于当该日期对应的社交数据中不包括健身数据，判断所述分类的社交数据是否全部提取。
所述计算模块250用于当所述分类的社交数据全部提取时，计算所述看病标记的数量，以获得第一风险比例。所述第一风险比例的计算公式为：P1＝M1/N1，其中，P1为第二风险率，M1为看病标记的数量，所述N1为该用户的社交数据中最早日期至最晚日期之间的总天数，例如，社交数据中最早日期为2015年1月1日，最晚日期为2016年1月4日，则N1的值为370。
所述计算模块250还用于计算所述健身标记的数量，以获得第二风险比例。所述第二风险比例的计算公式为：P2＝M2/N2，其中，P2为第二风险率，M2为健身标记的数量，所述N2为该用户的社交数据中最早日期至最晚日期之间的总天数，例如，社交数据中最早日期为2015年1月1日，最晚日期为2016年1月4日，则N2的值为370。
所述计算模块250还用于根据所述第一风险率、第二风险率及预设的健康险精算算法计算出该用户的健康险保费。所述预设的健康险精算算法包括如下公式：S＝A+B+C+D，A＝A1×(3+P1-P2)×A2×A3；其中，S为健康险保费、A为医药补偿费、B为预防保健费、C为管理费(即保险公司管理健康险的管理费)、D为储备金、A1为医药费基线数据、A2为保险因子、A3为补偿比，P1为第一风险率，P2为第二风险率。其中，所述公式中的参数B、C、D、A1及A3为固定值。保险因子是参保人对医疗服务利用的增加程度，其计算公式为A2＝1+A21，A21为医疗服务利用的增加率(即连续两年医疗机构就诊人数的差值与医疗机构最大负荷就诊人数之间的比例)。
从上述公式可知，第一风险率越高，在其它条件相同的情况下，意味着发生保险赔付的可能性越高，也意味着健康险保费的增加，也就是说，用户去医疗机构的次数越多，健康险保费越高。反之，第一风险率越低，在其它条件相同的情况下，意味着发生保险赔付的可能性减少，也意味着健康险保费的降低，也就是说，用户去医疗机构的次数越少，健康险保费越低。
相应地，第二风险率越低，在其它条件相同的情况下，意味着发生保险赔付的可能性越高，也意味着健康险保费的增加，也就是说，用户健身的次数越少，健康险保费越高。反之，第二风险率越高，在其它条件相同的情况下，意味着发生保险赔付的可能性减少，也意味着健康险保费的降低，也就是说，用户健身的次数越多，健康险保费越低。
所述预设的健康险精算算法包括如下公式：Z＝X+k1×P1-k2×P2，其中，Z为健康险保费，X为保险公司设定的标准保费，P1为第一风险率，P2为第二风险率，k1及K2为常数。需要说明的是，所述标准保费的计算方式为现有的，在此不再赘述。
此外，上述健康险精算算法仅仅是举例说明，本发明中的所述健康险精算算法还可以是其它现有的包含第二风险率的保险精算算法。
参照图3所示，是本发明基于社交数据的健康险精算方法的优选实施例的流程图。结合图2所示，在本实施例中，所述的基于社交数据的健康险精算方法应用于数据中心2，该方法包括以下步骤：
步骤S10：所述获取模块200从社交平台5获取用户使用客户端4时所产生的社交数据。
具体而言，所述社交平台5提供API接口，接入该API接口的设备或系统都可以从所述社交平台5中获取所述社交数据。所述获取模块200调用所述社交平台5提供的API接口以获取所述社交数据。
需要说明的是，由于所述社交数据属于隐私信息，为了确保信息安全，所述社交数据发送给数据中心2时，会通过加解密算法(例如，MD5加解密算法、RSA加解密算法、DES加解密算法、DSA加解密算法、AES加解密算法等)先对社交数据进行加密处理，之后传输给所述数据中心2。
步骤S11：所述分类模块210按照日期对所述社交数据分类。具体而言，由于所述社交数据中包括日期，所述提取模块220提取所述社交数据中的日期，并根据日期对所述社交数据进行分类。分类之后的社交数据按照日期形成多笔社交数据，例如，1月1日的社交数据，1月2日的社交数据等等。用户通过日期可以提取出该日期对应的社交数据。
步骤S12：所述提取模块220从分类的社交数据中提取一日期对应的社交数据。在本实施例中，所述提取模块220按照日期顺序(例如，从1月1日至12月31日)提取日期对应的社交数据。
步骤S13：所述判断模块230判断该日期对应的社交数据中的地理位置信息是否为医疗机构所在地。当该日期对应的社交数据中的地理位置信息为医疗机构所在地，流程进入步骤S14。否则，当该日期对应的社交数据中的地理位置信息不是医疗机构所在地，流程进入步骤S15。
步骤S14：所述生成模块240生成一个看病标记，该看病标记表明用户在该日期看病。
步骤S15：所述判断模块230判断该日期对应的社交数据中是否包括健身数据。所述判断模块230通过预设的健身关键字(例如，“健身”、“锻炼”、“跑步”、“游泳”及各种健身软件的名称等关键字)在所述社交数据中检索，若所述社交数据中存在预设的健身关键字，则认定所述社交数据中包括健身数据。当该日期对应的社交数据中包括健身数据，流程进入步骤S16。否则，当该日期对应的社交数据中不包括健身数据，流程进入步骤S17。
步骤S16：所述生成模块240生成一个健身标记，该健身标记表明用户在该日期健身。
步骤S17：所述判断模块230判断所述分类的社交数据是否全部提取。当所述分类的社交数据全部提取，流程进入步骤S18。否则，所述分类的社交数据没有全部提取，流程返回步骤S12。
步骤S18：所述计算模块250计算所述看病标记的数量，以获得第一风险比例。所述第一风险比例的计算公式为：P1＝M1/N1，其中，P1为第二风险率，M1为看病标记的数量，所述N1为该用户的社交数据中最早日期至最晚日期之间的总天数，例如，社交数据中最早日期为2015年1月1日，最晚日期为2016年1月4日，则N1的值为370。
步骤S19：所述计算模块250计算所述健身标记的数量，以获得第二风险比例。所述第二风险比例的计算公式为：P2＝M2/N2，其中，P2为第二风险率，M2为健身标记的数量，所述N2为该用户的社交数据中最早日期至最晚日期之间的总天数，例如，社交数据中最早日期为2015年1月1日，最晚日期为2016年1月4日，则N2的值为370。
步骤S20：所述计算模块250根据所述第一风险率、第二风险率及预设的健康险精算算法计算出该用户的健康险保费。所述预设的健康险精算算法包括如下公式：S＝A+B+C+D，A＝A1×(3+P1-P2)×A2×A3；其中，S为健康险保费、A为医药补偿费、B为预防保健费、C为管理费(即保险公司管理健康险的管理费)、D为储备金、A1为医药费基线数据、A2为保险因子、A3为补偿比，P1为第一风险率，P2为第二风险率。其中，所述公式中的参数B、C、D、A1及A3为固定值。保险因子是参保人对医疗服务利用的增加程度，其计算公式为A2＝1+A21，A21为医疗服务利用的增加率(即连续两年医疗机构就诊人数的差值与医疗机构最大负荷就诊人数之间的比例)。
从上述公式可知，第一风险率越高，在其它条件相同的情况下，意味着发生保险赔付的可能性越高，也意味着健康险保费的增加，也就是说，用户去医疗机构的次数越多，健康险保费越高。反之，第一风险率越低，在其它条件相同的情况下，意味着发生保险赔付的可能性减少，也意味着健康险保费的降低，也就是说，用户去医疗机构的次数越少，健康险保费越低。
相应地，第二风险率越低，在其它条件相同的情况下，意味着发生保险赔付的可能性越高，也意味着健康险保费的增加，也就是说，用户健身的次数越少，健康险保费越高。反之，第二风险率越高，在其它条件相同的情况下，意味着发生保险赔付的可能性减少，也意味着健康险保费的降低，也就是说，用户健身的次数越多，健康险保费越低。
所述预设的健康险精算算法包括如下公式：Z＝X+k1×P1-k2×P2，其中，Z为健康险保费，X为保险公司设定的标准保费，P1为第一风险率，P2为第二风险率，k1及K2为常数。需要说明的是，所述标准保费的计算方式为现有的，在此不再赘述。
此外，上述健康险精算算法仅仅是举例说明，本发明中的所述健康险精算算法还可以是其它现有的包含第二风险率的保险精算算法。
需要说明的是，所述流程图中的步骤顺序并不是固定的，在其它实施例中，所述步骤顺序可以调整，例如，先执行步骤S15及步骤S16，之后执行步骤S13及步骤S14；而步骤S18及步骤S19可以合并，也可以调换顺序，例如，先执行步骤S19，之后执行步骤S18。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，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，或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)

1.一种基于社交数据的保险精算系统，运行于数据中心，其特征在于，所述数据中心通过网络与社交平台连接，所述社交平台通过所述网络与客户端连接，该系统包括：
获取模块，用于从社交平台获取用户使用客户端时所产生的社交数据，所述社交数据包括日期及地理位置信息；
分类模块，用于按照日期对所述社交数据分类；
提取模块，用于从分类的社交数据中提取一日期对应的社交数据；
生成模块，用于当该日期对应的社交数据中的地理位置信息是医疗机构所在地时，生成一个看病标记，及当该日期对应的社交数据中包括健身数据时，生成一个健身标记；
计算模块，用于当所述分类的社交数据全部提取时，计算所述看病标记的数量，以获得第一风险比例，计算所述健身标记的数量，以获得第二风险比例；及
所述计算模块，还用于根据所述第一风险率、第二风险率及预设的健康险精算算法计算出该用户的健康险保费。
2.如权利要求1所述的基于社交数据的保险精算系统，其特征在于，所述社交数据还包括用户姓名、社交账号、联系方式、年龄、性别及社交内容信息。
3.如权利要求1所述的基于社交数据的保险精算系统，其特征在于，所述第一风险比例的计算公式为：P1＝M1/N1，所述第二风险比例的计算公式为：P2＝M2/N2，其中，P1为第一风险率，M1为看病标记的数量，P2为第二风险率，M2为健身标记的数量，所述N1及N2均为该用户的社交数据中最早日期至最晚日期之间的总天数。
4.如权利要求3所述的基于社交数据的保险精算系统，其特征在于，所述预设的健康险精算算法采用如下公式：S＝A+B+C+D，A＝A1×(3+P1-P2)×A2×A3，A2＝1+A21，其中，S为健康险保费、A为医药补偿费、B为预防保健费、C为管理费、D为储备金、A1为医药费基线数据、A2为保险因子、A3为补偿比、P1为第一风险率、P2为第二风险率，所述公式中的参数B、C、D、A1及A3为固定值，A21为医疗服务利用的增加率。
5.如权利要求3所述的基于社交数据的保险精算系统，其特征在于，所述预设的健康险精算算法采用如下公式：Z＝X+k1×P1-k2×P2，其中，Z为健康险保费，X为保险公司设定的标准保费，P1为第一风险率，P1为第二风险率，k1及k2为常数。
6.一种基于社交数据的健康险精算方法，应用于数据中心，其特征在于，所述数据中心通过网络与社交平台连接，所述社交平台通过所述网络与客户端连接，该方法包括：
从社交平台获取用户使用客户端时所产生的社交数据，所述社交数据包括日期及地理位置信息；
按照日期对所述社交数据分类；
从分类的社交数据中提取一日期对应的社交数据；
当该日期对应的社交数据中的地理位置信息是医疗机构所在地时，生成一个看病标记，及当该日期对应的社交数据中包括健身数据时，生成一个健身标记；
当所述分类的社交数据全部提取时，计算所述看病标记的数量，以获得第一风险比例，计算所述健身标记的数量，以获得第二风险比例；及
根据所述第一风险率、第二风险率及预设的健康险精算算法计算出该用户的健康险保费。
7.如权利要求6所述的基于社交数据的健康险精算方法，其特征在于，所述社交数据还包括用户姓名、社交账号、联系方式、年龄、性别及社交内容信息。
8.如权利要求6所述的基于社交数据的健康险精算方法，其特征在于，所述第一风险比例的计算公式为：P1＝M1/N1，所述第二风险比例的计算公式为：P2＝M2/N2，其中，P1为第一风险率，M1为看病标记的数量，P2为第二风险率，M2为健身标记的数量，所述N1及N2均为该用户的社交数据中最早日期至最晚日期之间的总天数。
9.如权利要求8所述的基于社交数据的健康险精算方法，其特征在于，所述预设的健康险精算算法采用如下公式：S＝A+B+C+D，A＝A1×(3+P1-P2)×A2×A3，A2＝1+A21，其中，S为健康险保费、A为医药补偿费、B为预防保健费、C为管理费、D为储备金、A1为医药费基线数据、A2为保险因子、A3为补偿比、P1为第一风险率、P2为第二风险率，所述公式中的参数B、C、D、A1及A3为固定值，A21为医疗服务利用的增加率。
10.如权利要求8所述的基于社交数据的健康险精算方法，其特征在于，所述预设的健康险精算算法采用如下公式：Z＝X+k1×P1-k2×P2，其中，Z为健康险保费，X为保险公司设定的标准保费，P1为第一风险率，P1为第二风险率，k1及k2为常数。
CN201610163964.7A 2016-03-19 2016-03-19 基于社交数据的保险精算系统及方法 Withdrawn CN105844093A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201610163964.7A CN105844093A (zh) 2016-03-19 2016-03-19 基于社交数据的保险精算系统及方法
PCT/CN2016/105115 WO2017161895A1 (zh) 2016-03-19 2016-11-08 基于社交数据的保险精算系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610163964.7A CN105844093A (zh) 2016-03-19 2016-03-19 基于社交数据的保险精算系统及方法

Publications (1)

Publication Number Publication Date
CN105844093A true CN105844093A (zh) 2016-08-10

Family

ID=56587697

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610163964.7A Withdrawn CN105844093A (zh) 2016-03-19 2016-03-19 基于社交数据的保险精算系统及方法

Country Status (2)

Country Link
CN (1) CN105844093A (zh)
WO (1) WO2017161895A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017161896A1 (zh) * 2016-03-19 2017-09-28 深圳市前海安测信息技术有限公司 基于健身数据的健康险精算系统及方法
WO2017161895A1 (zh) * 2016-03-19 2017-09-28 深圳市前海安测信息技术有限公司 基于社交数据的保险精算系统及方法
CN109035034A (zh) * 2018-06-12 2018-12-18 昆明理工大学 一种基于支付数据的健康保险精算系统与方法
CN109636640A (zh) * 2018-12-13 2019-04-16 平安医疗健康管理股份有限公司 参保药品的报销方法、装置、设备及存储介质
CN109859844A (zh) * 2018-12-26 2019-06-07 江苏恒宝智能系统技术有限公司 一种可穿戴设备、人体健康险预测系统及预测方法
CN111192684A (zh) * 2019-11-25 2020-05-22 泰康保险集团股份有限公司 一种健康数据处理的方法及装置、电子设备、存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101027689A (zh) * 2004-07-26 2007-08-29 发现控股有限公司 用于精确计算医疗保险计划中投保人的折扣的数据处理系统及其方法
CN1758281A (zh) * 2005-10-13 2006-04-12 徐汇丰 人寿保险公司对保险标的风险评估数据库系统
US20110040582A1 (en) * 2009-08-17 2011-02-17 Kieran Mullins Online system and method of insurance underwriting
KR20130113893A (ko) * 2012-04-08 2013-10-16 삼성전자주식회사 사용자 맞춤형 건강 관리를 수행하는 사용자 단말 장치 및 건강 관리 시스템과 그 방법
CN105844093A (zh) * 2016-03-19 2016-08-10 深圳市前海安测信息技术有限公司 基于社交数据的保险精算系统及方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017161896A1 (zh) * 2016-03-19 2017-09-28 深圳市前海安测信息技术有限公司 基于健身数据的健康险精算系统及方法
WO2017161895A1 (zh) * 2016-03-19 2017-09-28 深圳市前海安测信息技术有限公司 基于社交数据的保险精算系统及方法
CN109035034A (zh) * 2018-06-12 2018-12-18 昆明理工大学 一种基于支付数据的健康保险精算系统与方法
CN109636640A (zh) * 2018-12-13 2019-04-16 平安医疗健康管理股份有限公司 参保药品的报销方法、装置、设备及存储介质
CN109859844A (zh) * 2018-12-26 2019-06-07 江苏恒宝智能系统技术有限公司 一种可穿戴设备、人体健康险预测系统及预测方法
CN111192684A (zh) * 2019-11-25 2020-05-22 泰康保险集团股份有限公司 一种健康数据处理的方法及装置、电子设备、存储介质

Also Published As

Publication number Publication date
WO2017161895A1 (zh) 2017-09-28

Similar Documents

Publication Publication Date Title
CN105844093A (zh) 基于社交数据的保险精算系统及方法
CN105844529A (zh) 基于健身数据的健康险精算系统及方法
CN104182694B (zh) 隐私保护型数据提供系统
Luo et al. Two‐Step Optimization for Spatial Accessibility Improvement: A Case Study of Health Care Planning in Rural China
Arroyo et al. Racial/ethnic and socioeconomic disparities in total knee arthroplasty 30-and 90-day readmissions: a multi-payer and multistate analysis, 2007–2014
CN109345398A (zh) 基于客户特征的分单方法、装置及存储介质
Khlopas et al. Neighborhood socioeconomic disadvantages associated with prolonged lengths of stay, nonhome discharges, and 90-day readmissions after total knee arthroplasty
CN106126965A (zh) 一种体检筛查项目建立方法及筛查项目建立系统
CN112287244A (zh) 基于联邦学习的产品推荐方法、装置、计算机设备及介质
CN107301616A (zh) 企业客户健康体检管理系统及方法
CN109670962A (zh) 基于大数据的理财产品推送方法、装置、设备及存储介质
WO2017161897A1 (zh) 基于健康管理的保险精算方法和系统
CN109524083A (zh) 基于医疗大数据监测辅助用药合理性的方法及相关产品
US20160188819A1 (en) Medical claims lead summary report generation
US20190362828A1 (en) Systems and methods for electronic prescriptions
CN105809552A (zh) 基于搜索关键字的保险精算系统及方法
CN106952020A (zh) 医疗信息化基于网页的医生评级推荐系统及方法
Huckfeldt et al. Medicare payment reform and provider entry and exit in the post‐acute care market
Gresenz et al. Opportunities and challenges in supply‐side simulation: Physician‐based models
Forde et al. Cost-effectiveness of primary debulking surgery when compared to neoadjuvant chemotherapy in the management of stage IIIC and IV epithelial ovarian cancer
CN104346341A (zh) 一种实现数据与相关事件关联的方法及装置
CN105354665A (zh) 在移动医疗系统中更符合患者需求的医生绩效评估方法
CN113780457B (zh) 中医资源消耗的异常检测方法、装置、设备及介质
Teusink et al. Cost analysis in shoulder arthroplasty surgery
CN113781247B (zh) 协议数据推荐方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20160810

WW01 Invention patent application withdrawn after publication