CN106022928A - 一种数据处理方法及装置 - Google Patents

一种数据处理方法及装置 Download PDF

Info

Publication number
CN106022928A
CN106022928A CN201610356195.2A CN201610356195A CN106022928A CN 106022928 A CN106022928 A CN 106022928A CN 201610356195 A CN201610356195 A CN 201610356195A CN 106022928 A CN106022928 A CN 106022928A
Authority
CN
China
Prior art keywords
car owner
owner user
data
described car
internet
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
Application number
CN201610356195.2A
Other languages
English (en)
Inventor
傅桔选
洪桃李
刘嘉
施明
钱波
曾娟
谢颖
施雯洁
周腾骏
杨凡
王林波
张建俊
易景喜
郭木军
郑好
肖丹
郑湛波
董赞
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.)
Tenpay Payment Technology Co Ltd
Original Assignee
Tenpay Payment 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 Tenpay Payment Technology Co Ltd filed Critical Tenpay Payment Technology Co Ltd
Priority to CN201610356195.2A priority Critical patent/CN106022928A/zh
Publication of CN106022928A publication Critical patent/CN106022928A/zh
Pending 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

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

本发明实施例提供一种数据处理方法及装置，其中的方法可包括：接收终端发送的基本信息；根据所述车主用户的标识查询车主用户的互联网特征数据；根据所述车主用户的互联网特征数据按照预置运算模型计算所述车主用户的折算系数；发送查询消息，所述查询消息中携带所述车主用户的基本信息及折算系数，并接收响应所述查询消息返回的第二价格，所述第二价格是根据所述车主用户的基本信息生成车险方案和第一价格，并根据所述折算系数对所述第一价格进行折扣处理形成的；将所述车险方案及所述第二价格发送至终端进行输出。本发明能够从多维度全面地评估车主用户的驾驶风险，评估准确率较高。

Description

一种数据处理方法及装置
技术领域
本发明涉及互联网技术领域，具体涉及数据处理技术领域，尤其涉及一种数据处理方法及装置。
背景技术
随着互联网技术的发展，互联多车险业务应运而生。互联网车险业务是指车主用户可以通过互联网向保险公司投保车险方案，相对于传统的线下保险方案，互联网车险业务更为便捷。车主用户的驾驶风险是互联网车险业务的一个重要指标，驾驶风险通常是由保险赔付率来表征。现有技术中，为了更稳定地反映车主用户的驾驶风险以及更接近于车主用户的真实情况，避免车主用户的驾驶风险受到短期行为或者异常事件的影响，保险赔付率通常是基于车主用户过去几年(例如3年、5年)的投保和理赔经验数据来计算，由于车主用户的年龄阅历或驾驶技术的提升，这种从历史保险赔付数据的维度来预估保险赔付率的方式存在准确率较低的问题。
发明内容
本发明实施例提供一种数据处理方法及装置，能够从多维度全面地评估车主用户的驾驶风险，评估准确率较高。
本发明实施例第一方面提供一种数据处理方法，可包括：
接收终端发送的基本信息，所述基本信息包括：车主用户的标识及车辆信息；
根据所述车主用户的标识查询车主用户的互联网特征数据，所述互联网特征数据包括车主用户的身份特质数据、车主用户的社交数据以及车主用户的支付数据中的至少一种，所述车主用户的身份特质数据用于表征所述车主用户的身份属性，所述车主用户的社交数据用于表征所述车主用户的社交属性和社交行为，所述车主用户的支付数据用于表征所述车主用户的支付属性和支付行为；
根据所述车主用户的互联网特征数据按照预置运算模型计算所述车主用户的折算系数，所述车主用户的折算系数用于表征所述车主用户的驾驶风险；
发送查询消息，所述查询消息中携带所述车主用户的基本信息及折算系数，并接收响应所述查询消息返回的第二价格，所述第二价格是根据所述车主用户的基本信息生成车险方案和第一价格，并根据所述折算系数对所述第一价格进行折扣处理形成的；
将所述车险方案及所述第二价格发送至终端进行输出。
优选地，所述将所述车险方案及所述第二价格发送至终端进行输出之后，还包括：
接收终端发起的投保请求，所述投保请求中携带支付信息及所确认投保的车险方案；
根据所确认投保的车险方案获取车险保单，并根据所述支付信息对所述车险保单进行支付处理；
若支付处理成功，生成车险合同，并将所述车险合同返回至所述终端以提示投保成功。
优选地，所述车主用户的标识包括以下标识中的至少一种：所述车主用户的身份证信息、所述车主用户的驾驶证信息、以及用于唯一标识所述车主用户的互联网标识；
所述车辆信息包括：车牌号码、车架号码，以及车辆发动机信息中的至少一种。
优选地，所述车主用户的身份特质数据包括：所述车主用户的年龄、性别、学历中的至少一种；
所述车主用户的社交数据包括社交属性数据和社交行为数据，其中，所述社交属性数据包括：社交好友的数量和/或参与的社交群组的数量；所述社交行为数据包括：收发电子红包的行为数据、社交应用为活跃情况数据和经常活跃环境数据中的至少一种；
所述车主用户的支付数据包括支付属性数据和支付行为数据，其中，所述支付属性数据包括：绑定的银行卡数据和/或是否实名认证；所述支付行为数据包括：支付习惯数据和/或互联网理财行为数据。
优选地，所述根据所述车主用户的标识查询车主用户的互联网特征数据，包括：
根据所述车主用户的标识查询所述车主用户所参与的至少一个互联网应用程序；
从所述至少一个互联网应用程序的用户数据库中读取所述车主用户的互联网特征数据。
优选地，所述预置运算模型为广义线性模型；所述根据所述车主用户的互联网特征数据按照预置运算模型计算所述车主用户的折算系数，包括：
对所述车主用户的互联网特征数据进行离散化分组处理；
将离散化分组处理后的所述车主用户的互联网特征数据确定为运算因子；
将所述运算因子代入至所述广义线性模型中计算所述车主用户的保险赔付率；
按照预置的保险赔付率与折算系数的对应关系，根据所述车主用户的保险赔付率确定所述车主用户的折算系数。
本发明实施例第二方面提供一种数据处理装置，可包括：
信息接收单元，用于接收终端发送的基本信息，所述基本信息包括：车主用户的标识及车辆信息；
获取单元，用于根据所述车主用户的标识查询车主用户的互联网特征数据，所述互联网特征数据包括车主用户的身份特质数据、车主用户的社交数据以及车主用户的支付数据中的至少一种，所述车主用户的身份特质数据用于表征所述车主用户的身份属性，所述车主用户的社交数据用于表征所述车主用户的社交属性和社交行为，所述车主用户的支付数据用于表征所述车主用户的支付属性和支付行为；
计算单元，用于根据所述车主用户的互联网特征数据按照预置运算模型计算所述车主用户的折算系数，所述车主用户的折算系数用于表征所述车主用户的驾驶风险；
查询单元，用于发送查询消息，所述查询消息中携带所述车主用户的基本信息及折算系数，并接收响应所述查询消息返回的第二价格，所述第二价格是根据所述车主用户的基本信息生成车险方案和第一价格，并根据所述折算系数对所述第一价格进行折扣处理形成的；
输出单元，用于将所述车险方案及所述第二价格发送至终端进行输出。
优选地，所述装置还包括：
请求接收单元，用于接收终端发起的投保请求，所述投保请求中携带支付信息及所确认投保的车险方案；
投保处理单元，用于根据所确认投保的车险方案获取车险保单，并根据所述支付信息对所述车险保单进行支付处理；
通知单元，用于若支付处理成功，生成车险合同，并将所述车险合同返回至所述终端以提示投保成功。
优选地，所述获取单元包括：
应用程序查询单元，用于根据所述车主用户的标识查询所述车主用户所参与的至少一个互联网应用程序；
特征数据读取单元，用于从所述至少一个互联网应用程序的用户数据库中读取所述车主用户的互联网特征数据。
优选地，所述预置运算模型为广义线性模型；所述计算单元包括：
分组处理单元，用于对所述车主用户的互联网特征数据进行离散化分组处理；
运算因子确定单元，用于将离散化分组处理后的所述车主用户的互联网特征数据确定为运算因子；
赔付计算单元，用于将所述运算因子代入至所述广义线性模型中计算所述车主用户的保险赔付率；
折算系数确定单元，用于按照预置的保险赔付率与折算系数的对应关系，根据所述车主用户的保险赔付率确定所述车主用户的折算系数。
本发明实施例中，可根据终端发送的车主用户的基本信息来查询车主用户的互联网特征数据，所述互联网特征数据包括车主用户的身份特质数据、车主用户的社交数据以及车主用户的支付数据中的至少一种；利用多维度的互联网特征数据来计算车主用户的折算系数，该折算系数能够全面、准确地反映车主用的驾驶风险；进一步，可查询到适合车主用户的车险方案及第一价格，并可根据折算系数对第一价格进行折扣处理获得相对优惠的第二价格；通过本发明实施例的方案，既能够甄别不同驾驶风险的客户，有利于控制保险公司的成本；又能够为车主用户争取保险优惠，有利于促进互联网用户的参保热度；同时提升数据处理的效率，提升互联网保险业务的处理效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种数据处理系统的结构示意图；
图2为本发明实施例提供的一种数据处理方法的流程图；
图3a为本发明实施例提供的一种互联网车险的服务页面的一个示意图；
图3b为车主用户的保险赔付率与车主用户的社交好友的数量的相关性示意图；
图3c为车主用户的保险赔付率与车主用户参与的社交群组的数量的相关性示意图；
图3d为本发明实施例提供的一种互联网车险的服务页面的另一个示意图；
图3e为本发明实施例提供的一种互联网车险的服务页面的又一个示意图；
图4为本发明实施例提供的一种处理服务器的结构示意图；
图5为本发明实施例提供的一种数据处理装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例可以应用于互联网车险业务场景中，具体可根据终端发送的车主用户的基本信息来查询车主用户的互联网特征数据，所述互联网特征数据包括车主用户的身份特质数据、车主用户的社交数据以及车主用户的支付数据中的至少一种；利用多维度的互联网特征数据来计算车主用户的折算系数，该折算系数能够全面、准确地反映车主用的驾驶风险；进一步，可查询到适合车主用户的车险方案及第一价格，并可根据折算系数对第一价格进行折扣处理获得相对优惠的第二价格；通过本发明实施例的方案，既能够甄别不同驾驶风险的客户，有利于控制保险公司的成本；又能够为车主用户争取保险优惠，有利于促进互联网用户的参保热度；同时提升数据处理的效率，提升互联网保险业务的处理效率。需要说明的是，“第一价格”指折扣处理前车险方案对应的价格，“第二价格”指折扣处理后车险方案对应的价格；在实际应用中，“第一价格”可以指按照保险收费标准为所述车险方案所计算得到的标准价格；“第二价格”是指按照折算系数在第一价格的基础上进行折扣计算获得折扣价格；那么，除特别说明外，本发明后续实施例中，“第一价格”以“标准价格”为例进行说明，“第二价格”以“折扣价格”为例进行说明。
基于上述描述，本发明实施例公开了一种数据处理系统，请参见图1，该系统包括：至少一个终端，处理服务器以及第三方服务器。其中，终端可以为笔记本电脑、手机、PAD(平板电脑)、车载终端等设备。终端中可以安装并运行至少一个互联网应用程序，该互联网应用程序可包括但不限于：即时通信应用程序、SNS(Social Networking Services，社会性网络服务)应用程序等等。处理服务器可以是一个独立服务设备，或者是由多个独立服务设备共同构成的集群服务设备。第三方服务器是指由保险公司所提供的、能够为互联网终端侧的用户处理互联网保险业务的设备，此处，互联网保险业务可包括但不限于：提供保险方案、管理保单元和保险合同、计算保费额度等等。
在图1所示的系统中，终端、处理服务器及第三方服务器可以相互交互，为终端侧的用户实现互联网车险业务流程，具体参见如下A1)-A7)：
A1)、终端侧的用户可以通过终端向处理服务器发送基本信息，所述基本信息包括：车主用户的标识及车辆信息；此处，车主用户的标识可以包括但不限于：车主用户的身份证信息、车主用户的驾驶证信息、以及用于唯一标识该车主用户的互联网标识(如SNS标识、即时通信应用标识、email、手机号等等)；车辆信息可包括但不限于：车牌号码、车架号、车辆发动机信息等等。
A2)、处理服务器在接收到终端发送的基本信息之后，可以根据车主用户的标识查询该车主用户的互联网特征数据。具体实现中，车主用户可以通过终端使用各种互联网应用程序，因此，车主用户在各互联网应用程序中均会产生相应的特征数据，那么优选地，处理服务器可以根据车主用户的标识查询车主用户所参与的至少一个互联网应用程序，然后从这些互联网应用程序的用户数据库中读取该车主用户的特征数据。所述互联网特征数据可包括：车主用户的身份特质数据(如、年龄、性别、学历等等)、车主用户的社交数据(如好友数量、参与社交群组的数量、社交应用活跃情况数据、社交行为数据等等)以及车主用户的支付数据(如互联网支付习惯数据、互联网理财行为数据、是否实名认证等等)。
A3)、处理服务器可按照预置运算模型，结合车主用户的互联网特征数据计算车主用户的折算系数；此处，预置运算模型优选可以为广义线性模型。折算系数用于表征车主用户的驾驶风险，折算系数越高，表明车主用户的驾驶风险越高，行驶安全度越低，越容易出现保险赔付情况；反之，折算系数越低，表明车主用户的驾驶风险越低，行驶安全度越高，越不容易出现保险赔付情况。
A4)、处理服务器可向第三方服务器发送查询消息，该查询消息中携带终端所发送的基本信息，以及处理服务器计算获得的车主用户的折算系数。此处，查询消息用于向第三方服务器请求查询适合该车主用户的车险方案及车险报价。
A5)、第三方服务器根据基本信息生成适合车主用户的车险方案及标准价格，此处的车险方案包含车险种类(如机动车损失保险、第三者责任保险、司机座位责任保险等等)、保险范围(如保险时限、保险内容等等)及免责信息(如在什么情况下不予赔付等)等等；标准价格是指第三方服务器按照保险收费标准为所述车险方案所计算得到的价格；进一步，第三方服务器根据该车主用户的折算系数在标准价格的基础上进行折扣计算，获得所述车险方案的折扣价格。具体实现中，第三方服务器可预先与处理服务器进行协商得到如下对照表：
表一：安行对照表
预计赔付率分段 折算系数 折扣比例
[m1，m2) y1 z1
[m2，m3) y2 z2
[m3，m4) y3 z3
[m4，m5) y4 z4
[m5，m6) y5 z5
[m6，m7) y6 z6
[m7，m8) y7 z7
[m8，+∞) y8 z8
上述表一中，0％≤mj≤100.3％(其中，j＝1,2,...8)，每个分段的取值可以根据实际需要进行设定，并且mj的取值随j的增大而增大。0.70≤yj≤1，并且yj的取值随j的增大而增大。0％≤zj≤30％，并且zj的取值随j的增大而减小。例如：m1＝0％，m2＝53.1％，m3＝56.6％，则上述表一中第一个赔付率分段可以为[53.1％，56.6％)，对应的折算系数为y1＝0.70，折扣比例为z1＝30％。上述表一中第一个赔付率分段可以为[53.1％，56.6％)，对应的折算系数为y2＝0.71，折扣比例为z1＝28％。
需要说明的是，折扣比例是保险公司在标准价格的基础上，依据折算系数所给出的折扣力度，例如：某款车险方案的标准价格为100RMB(人民币)，若车主用户的折算系数为0.70，该车主用户可获得30.00％的折扣比例，从而可以70RMB的折扣价格投保该车险方案；若车主用户的折算系数为0.80，该车主用户可获得20.00％的折扣比例，从而可以80RMB的折扣价格投保该车险方案。通过上述表一可知，折算系数与保险赔付率存在一定的对应关系，具体为：折算系数越低，保险赔付率越低；而折算系数越高，保险赔付率越高。进一步可见，折算系数与折扣比例存在一定的对应关系，具体为：折算系数越低，折扣比例越高；而折算系数越高，折扣比例越低。处理服务器与第三方服务器协商之后形成的上述表一中，依据保险赔付率及折算系数对互联网用户进行了细致分级，这样的细致分组方式既能够帮助保险公司甄别不同驾驶风险的客户，有利于控制保险公司的成本；又能够为车主用户争取保险优惠，有利于促进互联网用户的参保热度。
A6)、第三方服务器将车险方案与折扣价格反馈给处理服务器，处理服务器将车险方案与折扣价格返回至终端进行输出。这样，终端侧的车主用户能够了解适合自己的车险方案，获知自己的折算系数，并且能够获知自己能够获得的价格优惠。
A7)、如果车主用户在了解了适合自己的车险方案之后，可通过终端向处理服务器发起投保请求，所述投保请求中携带支付信息及所确认投保的车险方案。此处，支付信息是指用于进行支付的电子账户，此处的电子账户可包括但不限于：电子银行账户、电子金融账户、电子信用账户等等；那么，处理服务器根据投保请求通知第三方服务器生成车险保单，并根据支付信息对车险保单进行支付处理，此时，支付处理的过程可包括：从支付信息所描述的电子账户中扣除折扣价格对应的电子资源额度。在支付处理成功之后通知所述第三方服务器出保(即生成最终的车险合同)，待第三方服务器确认出保成功后，将车险合同返回给终端以提示车主用户投保成功，并方便车主用户查询和浏览车险合同。
通过上述A1)-A7)所示的处理流程，本发明实施例的数据处理系统可实现互联网车险业务，既能够甄别不同驾驶风险的客户，有利于控制保险公司的成本；又能够为车主用户争取保险优惠，有利于促进互联网用户的参保热度；同时通过终端、处理服务器、第三方服务器之间的交互，提升数据处理的效率，提升互联网保险业务的处理效率。
为了保证数据处理的安全性，图1所示的系统在上述A1)-A7)所示的处理流程中采取了严格的安全防御措施，具体请参见如下B1)-B5)：
B1)、Https(Hyper Text Transfer Protocol over Secure Socket Layer，安全套接字层超文本传输协议)协议通讯。具体实现中，处理服务器与第三方服务器之间的交互流程均后台进行，处理服务器与第三方服务器之间采用Https协议通讯，发送端采用公钥对所传输的内容进行加密，而接收端采用私钥对所传输的内容进行解密。
B2)、参数验签。具体实现中，保险公司在处理服务器侧申请唯一key(密钥)，处理服务器与第三方服务器之间约定加密算法，该加密算法可包括但不限于MD5(Message Digest Algorithm 5，消息摘要算法第5版)、SHA(Secure HashAlgorithm，安全哈希算法)1、SHA256、HMAC(Hash-based Message AuthenticationCode，哈希运算消息认证码)等算法，并约定使用该唯一key作为密钥参与验签。那么，在处理服务器与第三方服务器之间进行交互时，基于约定的加密算法采用该唯一key对交互的内容密验签，进一步保证交互安全性。
B3)、为保护车主用户的敏感信息，处理服务器可对这些敏感信息采用des(Data Encryption Standard，数据加密标准)进行加密存储。此处，敏感信息包括但不限于：身份证信息、驾驶证信息、互联网标识、车架号、车牌号码等信息。
B4)、为避免非法车辆进行车险方案的投保，可增加黑名单机制。在黑名单中记录非法车主用户的标识及对应的车辆信息，当非法车辆或非法车主通过终端向处理服务器发送基本信息之后，在执行上述A2)-A7)之前，可首先采用黑名单机制对该非法车辆或非法车主的基本信息进行拦截，以保障数据处理的安全性。
B5)、为防止黑客攻击，针对终端与处理服务器之间的互联网连接设置防XSS(Cross Site Scripting，跨站脚本攻击)攻击、CSRF(Cross-site request forgery，跨站请求伪造)攻击、爬虫攻击等的处理策略，若终端与处理服务器在交互过程中受到对应攻击时可按照处理策略及时处理，保证终端与处理服务器之间的交互安全。
本发明实施例的数据处理系统，可根据终端发送的车主用户的基本信息来查询车主用户的互联网特征数据，所述互联网特征数据包括车主用户的身份特质数据、车主用户的社交数据以及车主用户的支付数据中的至少一种；利用多维度的互联网特征数据来计算车主用户的折算系数，该折算系数能够全面、准确地反映车主用的驾驶风险；进一步，可查询到适合车主用户的车险方案，并可根据折算系数获得相对优惠的折扣价格；通过本发明实施例的方案，既能够甄别不同驾驶风险的客户，有利于控制保险公司的成本；又能够为车主用户争取保险优惠，有利于促进互联网用户的参保热度；同时提升数据处理的效率，提升互联网保险业务的处理效率。
基于上述描述，本发明实施例还公开了一种数据处理方法，该方法可以是由图1所示系统中的处理服务器所执行，请参见图2，该方法可包括以下步骤S101-步骤S104。
S101，接收终端发送的基本信息，所述基本信息包括：车主用户的标识及车辆信息。
处理服务器可以提供互联网车险的服务页面，该互联网车险的服务页面是指在实现互联网车险业务过程中用于人机交互的页面，该互联网车险的服务页面可以是一个H5(Hyper Text Markup Language 5，第5代超级文本标记语言)页面；处理服务器可将该互联网车险的服务页面发送至终端进行输出。在一种可行的实施方式中，处理服务器可以在互联网应用中为互联网车险服务功能注册公众服务帐号，当用户在终端的互联网应用关注该公众服务帐号时，终端从处理服务器拉取互联网车险的服务页面，并在该公众服务帐号对应的终端界面中显示互联网车险的服务页面。在另一种可行的实施方式中，用户可以通过各种方式获得互联网车险的服务页面的链接地址，例如：用户可以从论坛、网站、或者其他用户通过即时通信应用程序、SNS应用程序所分享的消息中获得互联网车险的服务页面的链接地址。用户根据该互联网车险的服务页面的链接地址在终端的浏览器中请求该服务页面时，终端从处理服务器拉取并显示互联网车险的服务页面。本发明实施例提供了一种互联网车险的服务页面，请一并参见图3a，在图3a所示的服务页面中，用户可以输入基本信息，当需要互联网车险业务时，由终端将所输入的基本信息发送至处理服务器。
具体实现中可选地，在执行步骤S101之后，执行步骤S102之前，处理服务器还可执行如下步骤S100：
S100，判断所述车主用户的标识是否为预置黑名单中的用户标识，或者，判断所述车辆信息是否为预置黑名单中的车辆信息。
为避免非法车辆进行车险方案的投保，本发明实施例中，处理服务器可增加黑名单机制，在黑名单中记录非法车主用户的标识及对应的车辆信息，那么，在执行步骤S101接收到终端发送的基本信息之后，处理服务器可以执行步骤S100判断该基本信息是否描述了非法车辆的信息，或者是否属于非法车主的基本信息。此处，可将接收到的基本信息与黑名单进行比对，如果发现车主用户的标识属于黑名单中的用户标识，那么可确定该基本信息属于非法车主；如果发现车辆信息属于黑名单中的车辆信息，那么可确定属于非法车辆。如果二者均判断为否，即表明基本信息属于合法车辆或合法车主，则转入执行步骤S102。可以理解的是，本实施例采用黑名单机制对该非法车辆或非法车主的基本信息进行拦截，可以保障后续数据处理的安全性。
S102，根据所述车主用户的标识查询车主用户的互联网特征数据，所述互联网特征数据包括车主用户的身份特质数据、车主用户的社交数据以及车主用户的支付数据中的至少一种。
所述车主用户的身份特质数据用于表征所述车主用户的身份属性，所述车主用户的身份特质数据包括但不限于：所述车主用户的年龄、性别、学历等数据。所述车主用户的社交数据用于表征所述车主用户的社交属性和社交行为，所述车主用户的社交数据包括社交属性数据和社交行为数据，其中，所述社交属性数据包括但不限于：社交好友的数量、参与的社交群组的数量等等；所述社交行为数据包括但不限于：收发电子红包的行为数据、社交应用为活跃情况数据、经常活跃环境数据等等。所述车主用户的支付数据用于表征所述车主用户的支付属性和支付行为，所述车主用户的支付数据包括支付属性数据和支付行为数据，其中，所述支付属性数据包括但不限于：绑定的银行卡数据、是否实名认证等等；所述支付行为数据包括但不限于：支付习惯数据、互联网理财行为数据等等。
处理服务器在执行步骤S102的过程中，具体执行如下步骤s11-s12：
s11，根据所述车主用户的标识查询所述车主用户所参与的至少一个互联网应用程序。
s12，从所述至少一个互联网应用程序的用户数据库中读取所述车主用户的互联网特征数据。
步骤s11-s12中，车主用户可以通过终端使用各种互联网应用程序，因此，车主用户在各互联网应用程序中均会产生相应的特征数据，那么优选地，处理服务器可以根据车主用户的标识查询车主用户所参与的至少一个互联网应用程序，然后从这些互联网应用程序的用户数据库中读取该车主用户的特征数据。
S103，根据所述车主用户的互联网特征数据按照预置运算模型计算所述车主用户的折算系数，所述车主用户的折算系数用于表征所述车主用户的驾驶风险。
在车险建模领域中，“从人(即车主用户)”的角度对驾驶风险进行评估，评估结果可以使用保险赔付率来表示，保险赔付率是指由于驾驶风险产生交通事故而进行保险赔付的概率；也就是说，采用预置运算模型的目的是要计算保险赔付率。现有技术中，为了更稳定地反映车主用户的驾驶风险以及更接近于车主用户的真实情况，避免车主用户的驾驶风险受到短期行为或者异常事件的影响，保险赔付率通常是基于车主用户过去几年(例如3年、5年)的投保和理赔经验数据来计算，现有这种以历史保险赔付数据来预估保险赔付率的方式存在准确率较低的问题。
本发明实施例中，由于车主用户的互联网特征数据涵盖了车主用户的背景、驾驶习惯、生活习惯、性格偏好、人脉关系以及行驶环境等数据，这些数据对于车主用户的驾驶风险都有着直接或者间接的影响，因此，这些数据的直接或者间接的量化指标，也与用户的驾驶风险(保险赔付率)有着强相关性；请一并参见图3b和图3c，从图3b可以看出，车主用户的保险赔付率与该车主用户的社交好友的数量呈正相关关系，社交好友数量越多，保险赔付率越高，驾驶风险越高。从图3c可以看出，车主用户的保险赔付率与该车主用户参与的社交群组数量呈负相关关系，参与的社交群组数量越多，保险赔付率越低，驾驶风险越低。因此，本发明实施例基于车主用户的互联网特征数据作为运算因子，优选应用广义线性模型(General Linear Model)对车主用户的保险赔付率进行拟合，计算准确率较高，最后转换为折算系数，可直观地反映车主用户的驾驶风险。
具体实现中，处理服务器在执行步骤S103的过程中，具体执行如下步骤s21-s24：
s21，对所述车主用户的互联网特征数据进行离散化分组处理。
由于所获得的车主用户的互联网特征数据可能是连续型的数据，直接使用这些连续型数据建模可能会平滑掉经验数据中的一些重要影响因素，为了避免该情况，同时也为简化运算模型，降低过拟合的风险，提升运算模型的表达能力，在使用车主用户的互联网特征数据进行分析建模之前，会先对这些互联网特征数据进行离散化分组处理。步骤s21中，在进行离散化分组处理的过程中需要注意：
①分组的区间应该比较小，同时保证每个区间包含足够多的数据；例如：将车主用户所参与的社交群组数量这个连续型特征数据进行离散化分组处理时，某些社交群组的成员数量比较多，而某些社交群组的成员数量比较少，分布很不均匀，为了保证每个社交群组都有足够数量的成员，就需要把若干个社交群组合并在一起。
②互联网特征数据之间会存在交互影响的情况，也即某个互联网特征数据对保险赔付率的影响作用随着另一个互联网特征数据而变化，这时候需要将互联网特征数据相联合加以解决，例如：年龄和性别这两个互联网特征数据之间就存在交互影响，在离散化分组处理过程中，可以将“性别*年龄”相联合再进行分组处理，例如分组如下“男性，18<＝年龄<25”、“男性，25<＝年龄<30”、“女性，18<＝年龄<25”、“女性，25<＝年龄<30”等。
s22，将离散化分组处理后的所述车主用户的互联网特征数据确定为运算因子。
s23，将所述运算因子代入至所述广义线性模型中计算所述车主用户的保险赔付率。
车险数据常常具有以下特征：显示出非常值方差的趋势，用于描述索赔频率和索赔强度等的数据分布往往具有厚重的右尾；目标变量(即保险赔付率)不局限于对运算因子的线性依赖。而广义线性模型的特点在于：假设目标变量来自于指数族分布，其方差随着均值而变化，目标变量的方差是其均值的函数，运算因子通过线性相加关系对目标变量的期望值的某种变化产生影响。这一特点非常适合于车险数据，因此，本发明实施例优选采用广义线性模型，以保险赔付率为目标变量，以离散化分组处理后获得的互联网特征数据作为运算因子。
步骤s22-s23中，广义线性模型主要包含以下几个方面的内容：
①随机成分(random component)。根据经验选择分布类型可以有效改进广义线性模型的拟合效果，具体地：如果目标变量的方差为常数，可以选择正态分布；如果目标变量的方差等于其均值，可以使用泊松分布。互联网车险领域中，保险赔付率的分布更加接近于Tweedie分布，因此本发明实施例优选使用Tweedie分布来拟合保险赔付率，可以提升拟合效果。在Tweedie分布中，保险赔付率的均值和方差存在如下的结构关系：
v(u)＝up (1)
上述公式(1)中，v(u)表示保险赔付率的方差。u表示保险赔付率的均值。p为随机数。当p取不同值时，对应不同的分布类，如表二所示：
表二：Tweedie分布类
p的取值 分布类型 支集 分布名称
p<0 连续型 实数 —
p＝0 连续型 实数 正态分布
0<p<1 不存在 — —
p＝1 离散型 自然数 泊松分布
1<p<2 混合型 非负实数 复合泊松分布
p＝2 连续型 正实数 伽玛分布
2<p<3 连续型 正实数 —
p＝3 连续型 正实数 逆高斯分布
p>3 连续型 正实数 —
通过上述表二可知，随机数p的取值会直接影响Tweedid分布类。当1<p<2时对应复合泊松分布，在此分布类时可在广义线性模型的框架下可以完成保险赔付率的估计，而不用分别考虑损失频率和损失强度对预估准确度的影响。
②系统成分(systematic component)：互联网特征数据的线性组合。一般地，可加入一个抵销项(offset term)来反映某互联网特征数据X以外的其他因素的影响，具体如下：
ηi＝Xiβ+ξi (2)
上述公式(2)中，i为正整数。η表示线性预测向量。β表示模型的参数向量。ξ表示抵销项向量。
③连接函数(link function)：连接函数建立了随机成分与系统成分之间的特定关系，广义线性模型对保险赔付率的预测值并不直接等于互联网特征数据的线性组合，而是该线性组合的一个函数变换形式。具体地，连接函数可表示如下：
η＝lnμ (3)
上述公式(3)中，η表示线性预测向量。μ表示保险赔付率的期望值。公式(3)所示的连接函数可以保证保险赔付率的均值的预测值为正数，然后可使用最大似然法对模型的运算因子的参数进行估计，求得各个运算因子的参数值。
下面以一个具体实例详细说明保险赔付率的计算过程：
假设模型包含“性别*年龄”、社交好友的数量、参与的社交群组的数量三个运算因子，基于模型对运算因子的参数值进行估计，会得到表三所示的结果：
表三：运算因子的参数估计值
如前所述，保险赔付率y与运算因子的线性组合之间的连接函数是ln()，也即广义线性模型方程为：
ln y = - 0.342 + 0.135 A 1 a - 0.051 A 1 c - 0.223 A 1 d - 0.18 A 1 f - 0.062 A 1 g - 0.134 A 1 h - 0.151 A 1 i - 0.217 A 1 j - 0.262 A 1 k - 0.308 A 1 l - 0.036 A 2 a + 0.039 A 2 c + 0.049 A 2 d + 0.082 A 2 e + 0.131 A 2 f + 0.035 A 2 g + 0.182 A 3 d + 0.095 A 3 b - - - ( 4 )
假如某车主用户的互联网特征数据包括：年龄性别为男性25岁；社交好友的数量为50；参与的社交群组的数量为3个。那么，参照上述表三可知，该互联网特征数据对应的运算因子的系数值分别为0.000、-0.036以及0.095，代入上面的公式(4)可计算保险赔付率如下：
y＝e-0.342*e0.000*e-0.036*e0.095＝0.710*1.000*0.965*1.100≈0.754 (5)
通过上述公式(5)计算得到该车主用户的保险赔付率是0.754。
s24，按照预置的保险赔付率与折算系数的对应关系，根据所述车主用户的保险赔付率确定所述车主用户的折算系数。
如前述，折算系数与保险赔付率存在一定的对应关系，具体为：折算系数越低，保险赔付率越低；而折算系数越高，保险赔付率越高。预置的保险赔付率与折算系数之间的对应关系可参见上述表一，在依据广义线性模型计算得到车主用户的保险赔付率之后，进一步可确定车主用户的折算系数。按照步骤s22-s23中所示例子，某车主用户的保险赔付率为0.754(75.4％)，假设按照表一该保险赔付率属于[74.8％，76.7％)的分段中，对应的折算系数为0.90，则该车主用户的折算系数为0.90。
需要说明的是，处理服务器在执行上述步骤s21-s24计算车主用户的折算系数的过程中，可在终端侧的互联网车险的服务页面中显示计算进度以及计算获得的折算系数。请一并参见图3d，在互联网车险的服务页面中，通过ICON(一种图标格式)加数字的方式表示计算方式，让车主用户能够感受到计算过程，促使车主用户对车险方案产生兴趣。请一并参见图3e，在互联网车险的服务页面中，用仪表盘及系数的方式，呈现折算系数，让车主用户直观的感受到自己的驾驶风险以及可获得的折扣优惠。
S104，发送查询消息，所述查询消息中携带所述车主用户的基本信息及折算系数，并接收响应所述查询消息返回的折扣价格，所述折扣价格是根据所述车主用户的基本信息生成车险方案和标准价格，并根据所述折算系数对所述标准价格进行折扣处理形成的。
其中，所述查询消息用于向第三方服务器请求查询适合该车主用户的车险方案及车险报价。第三方服务器根据基本信息可生成适合车主用户的车险方案及标准价格，此处的车险方案包含车险种类、保险范围及免责信息等等；其中，车险种类可包括但不限于：机动车损失保险、第三者责任保险、司机座位责任保险等等。保险范围规定了保险时限、保险内容等等。免责信息描述了如在什么情况下不予赔付等信息。标准价格是指第三方服务器按照保险收费标准为所述车险方案所计算得到的价格；进一步，第三方服务器可以参见上述表一，根据该车主用户的折算系数确定折扣比例，并在标准价格的基础上进行按照折扣比例进行折扣计算，获得所述车险方案的折扣价格。按照步骤s24所示例子，假设某车主用户的折算系数为0.90，其对应的折扣比例为10.00％，若标准价格为100RMB，那么，该车主用户的折扣价格为90RMB。
S105，将所述车险方案及所述折扣价格发送至终端进行输出。这样，终端侧的车主用户能够了解适合自己的车险方案，获知自己的折算系数，并且能够获知自己能够获得的价格优惠。
可选地，处理服务器在执行步骤S105之后，还可执行如下步骤S106-S108：
S106，接收终端发起的投保请求，所述投保请求中携带支付信息及所确认投保的车险方案。
S107，根据所确认投保的车险方案获取车险保单，并根据所述支付信息对所述车险保单进行支付处理。
S108，若支付处理成功，生成车险合同，并将所述车险合同返回至所述终端以提示投保成功。
步骤S106-S108描述了车主用户对车险方案的投保流程，车主用户通过步骤S105了解到适合自己的车险方案之后，如果想要针对该车险方案进行投保，可通过终端向处理服务器发起投保请求，所述投保请求中携带支付信息及所确认投保的车险方案。此处，支付信息是指用于进行支付的电子账户，此处的电子账户可包括但不限于：电子银行账户、电子金融账户、电子信用账户等等；那么，处理服务器根据投保请求通知第三方服务器生成车险保单，并根据支付信息对车险保单进行支付处理，此时，支付处理的过程可包括：从支付信息所描述的电子账户中扣除折扣价格对应的电子资源额度。在支付处理成功之后通知所述第三方服务器出保(即生成最终的车险合同)，待第三方服务器确认出保成功后，将车险合同返回给终端以提示车主用户投保成功，并方便车主用户查询和浏览车险合同。
需要说明的是，由于保险公司的每款保险产品的价格均受保险监督管理委员会(简称保监会)的监管，因此车险最终的投保价格不得低于保监会设定的监管下限价格，也就是说，本发明实施例中，如果折扣价格高于监管下限价格，那么，车主用户可按照折扣价格进行车险投保；如果折扣价格低于监管下限价格，那么，车主用户按照监管下限价格进行车险投保，而处理服务器可以采用其他方式将折扣价格与监管下限价格之间的价格差补偿给车主用户，此处的其他方式可包括但不限于：由保险公司以外的其他提供商向车主用户发放虚拟物品等等。
本发明实施例的数据处理方法，可根据终端发送的车主用户的基本信息来查询车主用户的互联网特征数据，所述互联网特征数据包括车主用户的身份特质数据、车主用户的社交数据以及车主用户的支付数据中的至少一种；利用多维度的互联网特征数据来计算车主用户的折算系数，该折算系数能够全面、准确地反映车主用的驾驶风险；进一步，可查询到适合车主用户的车险方案，并可根据折算系数获得相对优惠的折扣价格；通过本发明实施例的方案，既能够甄别不同驾驶风险的客户，有利于控制保险公司的成本；又能够为车主用户争取保险优惠，有利于促进互联网用户的参保热度；同时提升数据处理的效率，提升互联网保险业务的处理效率。
基于上述实施例所示的数据处理系统及数据处理方法，本发明实施例还提供了一种处理服务器，该处理服务器可以是图1所示的处理服务器，可用于执行上述图2-图3所示方法流程的相应步骤。请参见图4，该处理服务器的内部结构可包括但不限于：处理器、网络接口及存储器。其中，服务器内的处理器、网络接口及存储器可通过总线或其他方式连接，在本发明实施例所示图4中以通过总线连接为例。
其中，处理器(或称CPU(Central Processing Unit，中央处理器))是服务器的计算核心以及控制核心。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI、移动通信接口等)。存储器(Memory)是服务器中的记忆设备，用于存放程序和数据。可以理解的是，此处的存储器可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器；可选的还可以是至少一个位于远离前述处理器的存储装置。存储器提供存储空间，该存储空间存储了服务器的操作系统，可包括但不限于：Windows系统(一种操作系统)、Linux(一种操作系统)系统等等，本发明对此并不作限定。存储器的存储空间还存储了数据处理装置。
在本发明实施例中，处理服务器通过运行存储器中的数据处理装置来执行上述图2-图3所示方法流程的相应步骤。请一并参见图5，在数据处理过程中，该装置运行如下单元：
信息接收单元101，用于接收终端发送的基本信息，所述基本信息包括：车主用户的标识及车辆信息。
获取单元102，用于根据所述车主用户的标识查询车主用户的互联网特征数据，所述互联网特征数据包括车主用户的身份特质数据、车主用户的社交数据以及车主用户的支付数据中的至少一种，所述车主用户的身份特质数据用于表征所述车主用户的身份属性，所述车主用户的社交数据用于表征所述车主用户的社交属性和社交行为，所述车主用户的支付数据用于表征所述车主用户的支付属性和支付行为。
计算单元103，用于根据所述车主用户的互联网特征数据按照预置运算模型计算所述车主用户的折算系数。
查询单元104，用于用于发送查询消息，所述查询消息中携带所述车主用户的基本信息及折算系数，并接收响应所述查询消息返回的折扣价格，所述折扣价格是根据所述车主用户的基本信息生成车险方案和标准价格，并根据所述折算系数对所述标准价格进行折扣处理形成的。
输出单元105，用于将所述车险方案及所述折扣价格发送至终端进行输出。
具体实现中可选地，该装置还运行如下单元：
请求接收单元106，用于接收终端发起的投保请求，所述投保请求中携带支付信息及所确认投保的车险方案。
投保处理单元107，用于根据所确认投保的车险方案获取车险保单，并根据所述支付信息对所述车险保单进行支付处理。
通知单元108，用于若支付处理成功，生成车险合同，并将所述车险合同返回至所述终端以提示投保成功。
具体实现中，所述车主用户的标识包括以下标识中的至少一种：所述车主用户的身份证信息、所述车主用户的驾驶证信息、以及用于唯一标识所述车主用户的互联网标识；所述车辆信息包括：车牌号码、车架号码，以及车辆发动机信息中的至少一种。
具体实现中，所述车主用户的身份特质数据包括：所述车主用户的年龄、性别、学历中的至少一种数据；
所述车主用户的社交数据包括社交属性数据和社交行为数据，其中，所述社交属性数据包括：社交好友的数量和/或参与的社交群组的数量；所述社交行为数据包括：收发电子红包的行为数据、社交应用为活跃情况数据和经常活跃环境数据中的至少一种；
所述车主用户的支付数据包括支付属性数据和支付行为数据，其中，所述支付属性数据包括：绑定的银行卡数据和/或是否实名认证；所述支付行为数据包括：支付习惯数据和/或互联网理财行为数据。
具体实现中，该装置在运行所述获取单元102的过程中，具体运行如下单元：
应用程序查询单元1001，用于根据所述车主用户的标识查询所述车主用户所参与的至少一个互联网应用程序。
特征数据读取单元1002，用于从所述至少一个互联网应用程序的用户数据库中读取所述车主用户的互联网特征数据。
具体实现中优选地，所述预置运算模型为广义线性模型；该装置在运行所述计算单元103的过程中，具体运行如下单元：
分组处理单元2001，用于对所述车主用户的互联网特征数据进行离散化分组处理。
运算因子确定单元2002，用于将离散化分组处理后的所述车主用户的互联网特征数据确定为运算因子。
赔付计算单元2003，用于将所述运算因子代入至所述广义线性模型中计算所述车主用户的保险赔付率。
折算系数确定单元2004，用于按照预置的保险赔付率与折算系数的对应关系，根据所述车主用户的保险赔付率确定所述车主用户的折算系数。
具体实现中优选地，该装置还运行如下单元：
判断单元109，用于判断所述车主用户的标识是否为预置黑名单中的用户标识，或者，判断所述车辆信息是否为预置黑名单中的车辆信息；若否，通知所述获取单元根据所述车主用户的标识查询车主用户的互联网特征数据。
由于处理服务器通过运行图5所示的数据处理装置来执行图2-图3所示的数据处理方法，因此，图5所示的数据处理装置的各单元的功能可参见图2-图3所示的数据处理方法的各步骤的相关描述，在此不赘述。
与方法同理，本发明实施例的数据处理装置及处理服务器，可根据终端发送的车主用户的基本信息来查询车主用户的互联网特征数据，所述互联网特征数据包括车主用户的身份特质数据、车主用户的社交数据以及车主用户的支付数据中的至少一种；利用多维度的互联网特征数据来计算车主用户的折算系数，该折算系数能够全面、准确地反映车主用的驾驶风险；进一步，可查询到适合车主用户的车险方案，并可根据折算系数获得相对优惠的折扣价格；通过本发明实施例的方案，既能够甄别不同驾驶风险的客户，有利于控制保险公司的成本；又能够为车主用户争取保险优惠，有利于促进互联网用户的参保热度；同时提升数据处理的效率，提升互联网保险业务的处理效率。
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，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种数据处理方法，其特征在于，包括：
接收终端发送的基本信息，所述基本信息包括：车主用户的标识及车辆信息；
根据所述车主用户的标识查询车主用户的互联网特征数据，所述互联网特征数据包括车主用户的身份特质数据、车主用户的社交数据以及车主用户的支付数据中的至少一种，所述车主用户的身份特质数据用于表征所述车主用户的身份属性，所述车主用户的社交数据用于表征所述车主用户的社交属性和社交行为，所述车主用户的支付数据用于表征所述车主用户的支付属性和支付行为；
根据所述车主用户的互联网特征数据按照预置运算模型计算所述车主用户的折算系数，所述车主用户的折算系数用于表征所述车主用户的驾驶风险；
发送查询消息，所述查询消息中携带所述车主用户的基本信息及折算系数，并接收响应所述查询消息返回的第二价格，所述第二价格是根据所述车主用户的基本信息生成车险方案和第一价格，并根据所述折算系数对所述第一价格进行折扣处理形成的；
将所述车险方案及所述第二价格发送至终端进行输出。
2.如权利要求1所述的方法，其特征在于，所述将所述车险方案及所述第二价格发送至终端进行输出之后，还包括：
接收终端发起的投保请求，所述投保请求中携带支付信息及所确认投保的车险方案；
根据所确认投保的车险方案获取车险保单，并根据所述支付信息对所述车险保单进行支付处理；
若支付处理成功，生成车险合同，并将所述车险合同返回至所述终端以提示投保成功。
3.如权利要求1所述的方法，其特征在于，所述车主用户的标识包括以下标识中的至少一种：所述车主用户的身份证信息、所述车主用户的驾驶证信息、以及用于唯一标识所述车主用户的互联网标识；
所述车辆信息包括：车牌号码、车架号码，以及车辆发动机信息中的至少一种。
4.如权利要求1所述的方法，其特征在于，所述车主用户的身份特质数据包括：所述车主用户的年龄、性别、学历中的至少一种；
所述车主用户的社交数据包括社交属性数据和社交行为数据，其中，所述社交属性数据包括：社交好友的数量和/或参与的社交群组的数量；所述社交行为数据包括：收发电子红包的行为数据、社交应用为活跃情况数据和经常活跃环境数据中的至少一种；
所述车主用户的支付数据包括支付属性数据和支付行为数据，其中，所述支付属性数据包括：绑定的银行卡数据和/或是否实名认证；所述支付行为数据包括：支付习惯数据和/或互联网理财行为数据。
5.如权利要求1-4任一项所述的方法，其特征在于，所述根据所述车主用户的标识查询车主用户的互联网特征数据，包括：
根据所述车主用户的标识查询所述车主用户所参与的至少一个互联网应用程序；
从所述至少一个互联网应用程序的用户数据库中读取所述车主用户的互联网特征数据。
6.如权利要求5所述的方法，其特征在于，所述预置运算模型为广义线性模型；所述根据所述车主用户的互联网特征数据按照预置运算模型计算所述车主用户的折算系数，包括：
对所述车主用户的互联网特征数据进行离散化分组处理；
将离散化分组处理后的所述车主用户的互联网特征数据确定为运算因子；
将所述运算因子代入至所述广义线性模型中计算所述车主用户的保险赔付率；
按照预置的保险赔付率与折算系数的对应关系，根据所述车主用户的保险赔付率确定所述车主用户的折算系数。
7.一种数据处理装置，其特征在于，包括：
信息接收单元，用于接收终端发送的基本信息，所述基本信息包括：车主用户的标识及车辆信息；
获取单元，用于根据所述车主用户的标识查询车主用户的互联网特征数据，所述互联网特征数据包括车主用户的身份特质数据、车主用户的社交数据以及车主用户的支付数据中的至少一种，所述车主用户的身份特质数据用于表征所述车主用户的身份属性，所述车主用户的社交数据用于表征所述车主用户的社交属性和社交行为，所述车主用户的支付数据用于表征所述车主用户的支付属性和支付行为；
计算单元，用于根据所述车主用户的互联网特征数据按照预置运算模型计算所述车主用户的折算系数，所述车主用户的折算系数用于表征所述车主用户的驾驶风险；
查询单元，用于发送查询消息，所述查询消息中携带所述车主用户的基本信息及折算系数，并接收响应所述查询消息返回的第二价格，所述第二价格是根据所述车主用户的基本信息生成车险方案和第一价格，并根据所述折算系数对所述第一价格进行折扣处理形成的；
输出单元，用于将所述车险方案及所述第二价格发送至终端进行输出。
8.如权利要求7所述的装置，其特征在于，还包括：
请求接收单元，用于接收终端发起的投保请求，所述投保请求中携带支付信息及所确认投保的车险方案；
投保处理单元，用于根据所确认投保的车险方案获取车险保单，并根据所述支付信息对所述车险保单进行支付处理；
通知单元，用于若支付处理成功，生成车险合同，并将所述车险合同返回至所述终端以提示投保成功。
9.如权利要求7或8所述的装置，其特征在于，所述获取单元包括：
应用程序查询单元，用于根据所述车主用户的标识查询所述车主用户所参与的至少一个互联网应用程序；
特征数据读取单元，用于从所述至少一个互联网应用程序的用户数据库中读取所述车主用户的互联网特征数据。
10.如权利要求9所述的装置，其特征在于，所述预置运算模型为广义线性模型；所述计算单元包括：
分组处理单元，用于对所述车主用户的互联网特征数据进行离散化分组处理；
运算因子确定单元，用于将离散化分组处理后的所述车主用户的互联网特征数据确定为运算因子；
赔付计算单元，用于将所述运算因子代入至所述广义线性模型中计算所述车主用户的保险赔付率；
折算系数确定单元，用于按照预置的保险赔付率与折算系数的对应关系，根据所述车主用户的保险赔付率确定所述车主用户的折算系数。
CN201610356195.2A 2016-05-25 2016-05-25 一种数据处理方法及装置 Pending CN106022928A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610356195.2A CN106022928A (zh) 2016-05-25 2016-05-25 一种数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610356195.2A CN106022928A (zh) 2016-05-25 2016-05-25 一种数据处理方法及装置

Publications (1)

Publication Number Publication Date
CN106022928A true CN106022928A (zh) 2016-10-12

Family

ID=57093742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610356195.2A Pending CN106022928A (zh) 2016-05-25 2016-05-25 一种数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN106022928A (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106780046A (zh) * 2016-11-22 2017-05-31 中国平安财产保险股份有限公司 一种车险客户理赔服务的分类处理方法及系统
CN107909485A (zh) * 2017-10-20 2018-04-13 平安科技（深圳）有限公司 基于无理赔的优惠数据生成方法及装置
CN108022170A (zh) * 2017-12-06 2018-05-11 中国平安财产保险股份有限公司 续保处理方法、装置、计算机设备及存储介质
CN108320232A (zh) * 2018-02-02 2018-07-24 斑马网络技术有限公司 行车保险项目生成系统及方法
CN108615196A (zh) * 2016-12-14 2018-10-02 平安科技（深圳）有限公司 保单批文生成方法和装置
CN108615197A (zh) * 2018-06-06 2018-10-02 成都中通信通科技有限公司 一种车险综合管理方服务系统
CN108985947A (zh) * 2018-06-19 2018-12-11 上海博泰悦臻电子设备制造有限公司 基于车辆事故发生概率的车辆保险缴费方法及系统
CN109308416A (zh) * 2017-07-26 2019-02-05 财付通支付科技有限公司 业务服务数据处理方法、装置、系统、存储介质和设备
CN109767344A (zh) * 2018-12-14 2019-05-17 中国平安财产保险股份有限公司 车险业务处理方法、装置、计算机设备和存储介质
CN109767069A (zh) * 2018-12-14 2019-05-17 中国平安财产保险股份有限公司 车辆产品推荐方法、装置、计算机设备和存储介质
CN110163760A (zh) * 2018-02-13 2019-08-23 北京嘀嘀无限科技发展有限公司 数据处理方法、装置、服务器和计算机可读存储介质
CN110163759A (zh) * 2018-02-12 2019-08-23 北京直通万连科技有限公司 一种车险方案生成方法
TWI672658B (zh) * 2018-06-22 2019-09-21 台灣人壽保險股份有限公司 優惠提示方法及投保作業系統
CN110517153A (zh) * 2019-07-08 2019-11-29 中国平安财产保险股份有限公司 信息生成方法、装置、计算机设备及可读存储介质
CN110717834A (zh) * 2019-08-14 2020-01-21 中国平安人寿保险股份有限公司 基于大数据的数据处理方法和装置
CN112927090A (zh) * 2016-12-19 2021-06-08 创新先进技术有限公司 业务订单数据的生成方法及装置
CN113837837A (zh) * 2021-09-23 2021-12-24 蚂蚁胜信(上海)信息技术有限公司 数据处理方法及装置
US11244402B2 (en) 2017-06-30 2022-02-08 Advanced New Technologies Co., Ltd. Prediction algorithm based attribute data processing

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102332142A (zh) * 2011-07-22 2012-01-25 大连亿创天地科技发展有限公司 一种在线投保推荐方法及系统
CN103942853A (zh) * 2014-05-04 2014-07-23 青岛中瑞汽车服务有限公司 基于lbs数据库的汽车信息采集装置和风险分析方法
CN104318477A (zh) * 2014-11-11 2015-01-28 西红柿科技（武汉）有限公司 一种基于大数据的车辆保险评估的方法
CN104618415A (zh) * 2014-03-13 2015-05-13 腾讯科技（深圳）有限公司 信用账户创建方法、装置及系统
CN105184872A (zh) * 2015-09-02 2015-12-23 郁佳敏 基于机器视觉的汽车保险费电子计价器
CN105374211A (zh) * 2015-12-09 2016-03-02 敏驰信息科技（上海）有限公司 基于多源数据计算驾驶风险与辅助车险定价的系统及方法
CN105488046A (zh) * 2014-09-16 2016-04-13 钛马信息网络技术有限公司 基于车辆保险业务的大数据分析系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102332142A (zh) * 2011-07-22 2012-01-25 大连亿创天地科技发展有限公司 一种在线投保推荐方法及系统
CN104618415A (zh) * 2014-03-13 2015-05-13 腾讯科技（深圳）有限公司 信用账户创建方法、装置及系统
CN103942853A (zh) * 2014-05-04 2014-07-23 青岛中瑞汽车服务有限公司 基于lbs数据库的汽车信息采集装置和风险分析方法
CN105488046A (zh) * 2014-09-16 2016-04-13 钛马信息网络技术有限公司 基于车辆保险业务的大数据分析系统
CN104318477A (zh) * 2014-11-11 2015-01-28 西红柿科技（武汉）有限公司 一种基于大数据的车辆保险评估的方法
CN105184872A (zh) * 2015-09-02 2015-12-23 郁佳敏 基于机器视觉的汽车保险费电子计价器
CN105374211A (zh) * 2015-12-09 2016-03-02 敏驰信息科技（上海）有限公司 基于多源数据计算驾驶风险与辅助车险定价的系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
谭四进: "广义线性模型在机动车辆保险费率厘定中的应用研究", 《中国优秀硕士学位论文全文数据库（电子期刊）经济与管理科学辑》 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106780046A (zh) * 2016-11-22 2017-05-31 中国平安财产保险股份有限公司 一种车险客户理赔服务的分类处理方法及系统
CN108615196A (zh) * 2016-12-14 2018-10-02 平安科技（深圳）有限公司 保单批文生成方法和装置
CN112927090A (zh) * 2016-12-19 2021-06-08 创新先进技术有限公司 业务订单数据的生成方法及装置
US11244402B2 (en) 2017-06-30 2022-02-08 Advanced New Technologies Co., Ltd. Prediction algorithm based attribute data processing
CN109308416A (zh) * 2017-07-26 2019-02-05 财付通支付科技有限公司 业务服务数据处理方法、装置、系统、存储介质和设备
CN107909485A (zh) * 2017-10-20 2018-04-13 平安科技（深圳）有限公司 基于无理赔的优惠数据生成方法及装置
CN107909485B (zh) * 2017-10-20 2020-02-14 平安科技（深圳）有限公司 基于无理赔的优惠数据生成方法、装置及计算机可读介质
WO2019075972A1 (zh) * 2017-10-20 2019-04-25 平安科技（深圳）有限公司 基于无理赔的优惠数据生成方法及装置
CN108022170A (zh) * 2017-12-06 2018-05-11 中国平安财产保险股份有限公司 续保处理方法、装置、计算机设备及存储介质
CN108320232A (zh) * 2018-02-02 2018-07-24 斑马网络技术有限公司 行车保险项目生成系统及方法
CN110163759A (zh) * 2018-02-12 2019-08-23 北京直通万连科技有限公司 一种车险方案生成方法
CN110163760A (zh) * 2018-02-13 2019-08-23 北京嘀嘀无限科技发展有限公司 数据处理方法、装置、服务器和计算机可读存储介质
CN108615197A (zh) * 2018-06-06 2018-10-02 成都中通信通科技有限公司 一种车险综合管理方服务系统
CN108985947A (zh) * 2018-06-19 2018-12-11 上海博泰悦臻电子设备制造有限公司 基于车辆事故发生概率的车辆保险缴费方法及系统
TWI672658B (zh) * 2018-06-22 2019-09-21 台灣人壽保險股份有限公司 優惠提示方法及投保作業系統
CN109767069A (zh) * 2018-12-14 2019-05-17 中国平安财产保险股份有限公司 车辆产品推荐方法、装置、计算机设备和存储介质
CN109767344A (zh) * 2018-12-14 2019-05-17 中国平安财产保险股份有限公司 车险业务处理方法、装置、计算机设备和存储介质
CN109767344B (zh) * 2018-12-14 2024-06-28 中国平安财产保险股份有限公司 车险业务处理方法、装置、计算机设备和存储介质
CN110517153A (zh) * 2019-07-08 2019-11-29 中国平安财产保险股份有限公司 信息生成方法、装置、计算机设备及可读存储介质
CN110517153B (zh) * 2019-07-08 2024-04-02 中国平安财产保险股份有限公司 信息生成方法、装置、计算机设备及可读存储介质
CN110717834A (zh) * 2019-08-14 2020-01-21 中国平安人寿保险股份有限公司 基于大数据的数据处理方法和装置
CN113837837A (zh) * 2021-09-23 2021-12-24 蚂蚁胜信(上海)信息技术有限公司 数据处理方法及装置

Similar Documents

Publication Publication Date Title
CN106022928A (zh) 一种数据处理方法及装置
US20240012906A1 (en) Data breach system and method
US20080301055A1 (en) unified platform for reputation and secure transactions
WO2020051154A1 (en) Authenticated access and aggregation database platform
US20200238847A1 (en) System to prioritize power delivery from a charging station to electric vehicle
US20120191600A1 (en) Method and system for payment of charges associated with charging an electric vehicle
CA3073714C (en) Method and system for identifying potential fraud activity in a tax return preparation system to trigger an identity verification challenge through the tax return preparation system
CN110648243A (zh) 一种数据处理方法、装置、计算机设备及存储介质
CN107798536A (zh) 信用额度处理方法和装置
Yoo et al. A study for efficiency improvement of used car trading based on a public blockchain
CN113065960A (zh) 一种基于区块链的交易系统
CN108492071A (zh) 一种基于区块链的快递信息处理方法及装置
Xu et al. An intelligent scheduling access privacy protection model of electric vehicle based on 5G‐V2X
CN114757497A (zh) 科技企业技术增信方法及其装置、设备、介质
Yang et al. A double-chain blockchain with economic attributes and network constraints of prosumer transactions
CN110245959A (zh) 针对性请求的处理方法和装置
CN105809548A (zh) 控制自助卡结算的方法和系统
JP2020098491A (ja) 注文決済装置、コンピュータプログラム及び注文決済方法
WO2020077613A1 (zh) 基于区块链交易平台的交易支付系统和方法
CN113610536B (zh) 交易拒绝用户的用户策略分配方法、装置及电子设备
CN113781247A (zh) 协议数据推荐方法、装置、计算机设备及存储介质
Cheong E-commerce in free trade agreements and the Trans-Pacific Partnership
CN111080451A (zh) 合约执行处理方法以及装置
CN109065136A (zh) 基于区块链的移动医疗信息管理方法及装置
CN110874722A (zh) 一种电力交易平台和方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20161012