CN108805727A - 用于数据处理的方法及装置 - Google Patents

用于数据处理的方法及装置 Download PDF

Info

Publication number
CN108805727A
CN108805727A CN201810556593.8A CN201810556593A CN108805727A CN 108805727 A CN108805727 A CN 108805727A CN 201810556593 A CN201810556593 A CN 201810556593A CN 108805727 A CN108805727 A CN 108805727A
Authority
CN
China
Prior art keywords
risk
service
predicted value
assumptions
risks
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
CN201810556593.8A
Other languages
English (en)
Inventor
解鹏
张雯
曲以元
黄雪娟
张兴思
曲洪涛
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.)
Beijing Jingdong Financial Technology Holding Co Ltd
Original Assignee
Beijing Jingdong Financial Technology Holding 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 Beijing Jingdong Financial Technology Holding Co Ltd filed Critical Beijing Jingdong Financial Technology Holding Co Ltd
Priority to CN201810556593.8A priority Critical patent/CN108805727A/zh
Publication of CN108805727A publication Critical patent/CN108805727A/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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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

Abstract

本发明公开一种用于数据处理的方法及装置。涉及计算机信息处理领域，该方法包括：基于与服务相关的风险特征建立服务定价模型；利用服务定价模型对以往的风险特征数据进行预测以得到风险因子预测值，对风险因子预测值进行排序并按照预定的分段方式进行分段；以及根据具体业务特点定义各分段的风险等级，并按照预定风险控制策略调整各风险等级的服务费调整系数或针对不同风险客群采取针对性提供服务或拒绝服务措施。本发明所采用分段方法没有人工介入，弥补了传统经验估费依赖精算人员经验的不足，所得结果客观且容易形成统一标准。同时，可根据数据风险分布特点灵活选用等频，等值，基于分布自动分段和基于聚类分段方法之一，提高了方法的灵活性。

Description

用于数据处理的方法及装置
技术领域
本发明涉及计算机信息处理领域，具体而言，涉及一种用于数据处理的方法及装置。
背景技术
与汽车有关的服务是与财产有关的服务的主要组成部分，服务定价长期以来一直为服务提供者和消费者所持续关注。激烈的市场竞争和行业商车费改的推行使得服务提供者差异化精准定价迫在眉睫。
以汽车保险服务和保险公司为例，一方面通过从人、从车、从环境等多个维度数据引入，利用大数据技术不断优化定价模型。另一方面，如何将定价模型输出结果有效的按照风险水平对投保客户进行差异化分级，有针对性的制定差异化的保费策略变得至关重要。针对低风险客群，更低的费率调整系数有助于吸引优质低风险客户投保；对于高风险客群，合理的提高保费系数有助于降低车险公司发生大额赔付的损失，从而降低整体的赔付率。目前，车险公司大多采用的保费调整策略仍十分粗糙，远不能满足行业竞争压力，自身经营发展和消费者诉求。首先，目前保险行业大多采用从车风险分级，国际上汽车风险分级制度综合考虑了车身结构设计、易损零件价格和维修工时三大类因素，其发展已然成熟，而国内发展才刚刚起步，仍有较大差距。其次，车险行业的发展，使得人们越来越多得关注车险发生的另两个重要组成即从人、从环境因素，更全面的维度势必会大幅促进车险分级、投保客群精细化划分，而这方面的工作鲜有报道。再次，目前的车险分级中经验估费仍占据主导地位，且其主观性太强，往往需要精算人员凭经验对大量统计数据报表做出决策，难以形成统一标准。
现有技术中，目前车险风险分级领域两种方案：
1、经验估费：首先根据精算人员经验使用某些先验分级变量对被保险人进行分组，形成若干个相对同质的风险集合，并厘定各组的先验保费；然后在此基础上根据被保险人的经验索赔记录对其每年的续保保费进行调整，形成后验保费。
2、费率调整系数：费率调整系数为无赔款优待系数、交通违法系数、自主核保系数和自主渠道系数之积。根据被保险人上年出险次数，交通违法情况，保险公司销售渠道结构等确定保费调整系数，此系数可作为风险分级依据，而基准保费与保费调整系数相乘可获得最终保费。
现有技术存在以下缺点：
上述第1种方案通过精算人员使用某些先验分类变量进行分组：
缺点一：风险评价主观性太强，往往需要精算人员凭个人经验对大量的统计数据报表分析得到，结果因人而异；
缺点二：单纯依靠若干分类变量进行分组，需要人工对风险因子筛选且所选风险因子有限。而对于车险领域日益增多的从人、从车、从环境因子，这种人工方式适应性不强；
上述第2种方案通过计算费率调整系数进行分组：
缺点一：目前的无赔款优待系数都是基于赔付次数的，而没有考虑赔付案均，而现实中赔付金额往往比赔付次数更能合理地反映风险水平。
缺点二：根据费率调整系数确定风险分级仍旧依靠精算人员主观判断，缺乏统一标准。
因此，需要一种新的用于服务数据处理的方法及装置。
在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此，本发明提供一种用于数据处理的方法及装置，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的问题。
本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。
根据本发明的第一方面，提供一种用于数据处理的方法，其特征在于，包括：
基于与服务相关的风险特征建立服务定价模型；
利用服务定价模型对以往的风险特征数据进行预测以得到风险因子预测值，对风险因子预测值进行排序并按照预定的分段方式进行分段；以及
根据具体的业务特点定义各分段的风险等级，并且按照预定的风险控制策略调整各风险等级的服务费调整系数或针对不同风险客群采取针对性提供服务或拒绝服务措施。
根据本发明的一种示例实施方式，所述方法还包括：
根据新进服务订单经服务定价模型预测得到的风险因子预测值确定所属风险等级及服务费调整系数，将风险因子预测值，服务费调整系数及服务提供者设定的附加费用率合计得到新进服务订单的最终服务费。
根据本发明的一种示例实施方式，其中服务定价模型为广义线性模型或机器学习模型。
根据本发明的一种示例实施方式，其中与服务相关的风险特征包括与被服务人相关的风险特征、与车辆相关的风险特征或与行车环境相关的风险特征中的至少一种。
根据本发明的一种示例实施方式，其中与车辆相关的风险特征包括车身结构设计、易损零件价格和维修工时。
根据本发明的一种示例实施方式，其中预定的分段方式为等频分段、等值分段、基于目标变量分布分段和基于风险因子预测值聚类分段中的一种。
根据本发明的一种示例实施方式，其中按照预定的风险控制策略调整各风险等级的服务费调整系数包括：调整服务费调整系数使得各风险等级的赔付率趋近于相同。
根据本发明的一种示例实施方式，其中调整服务费调整系数使得各风险等级的赔付率趋近于相同包括：降低低风险等级的服务费调整系数以及提高高风险等级的服务费调整系数使得各风险等级的赔付率趋近于相同。
根据本发明的一种示例实施方式，其中利用服务定价模型对以往的风险特征数据进行预测以得到风险因子预测值，对风险因子预测值进行排序并按照预定的分段方式进行分段包括：
利用服务定价模型分别对以往的与被服务人相关的、与车辆相关的和与行车环境相关的风险特征数据进行预测以分别得到从人、从车和从环境风险因子预测值；
分别将从人、从车和从环境风险因子预测值分为a、b和c个分段，其中a、b和c为大于1的整数；以及
将从人、从车和从环境风险因子预测值两两做交叉分析得到a×b、a×c或b×c个分段，或者三者同时做交叉分析得到a×b×c个分段。
根据本发明的一种示例实施方式，所述方法还包括：
对高风险等级的被服务人进行与风险等级相应的针对性提供服务或拒绝服务。
根据本发明的第二方面，提供一种用于数据处理的装置，其特征在于，包括：
建模模块，用于基于与服务相关的风险特征建立服务定价模型；
分段模块，用于利用服务定价模型对以往的风险特征数据进行预测以得到风险因子预测值，对风险因子预测值进行排序并按照预定的分段方式进行分段；以及
定级和调整模块，用于根据具体的业务特点定义各分段的风险等级，并且按照预定的风险控制策略调整各风险等级的服务费调整系数或针对不同风险客群采取针对性提供服务或拒绝服务措施。
根据本发明的一种示例实施方式，所述装置还包括：
服务费确定模块，用于根据新进服务订单经服务定价模型预测得到的风险因子预测值确定所属风险等级及服务费调整系数，将风险因子预测值，服务费调整系数及服务提供者设定的附加费用率合计得到新进服务订单的最终服务费。
根据本发明的第三方面，提供一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任意一项所述的方法。
根据本发明的第四方面，提供一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现上述任意一项所述的方法。
根据本公开的一些示例实施方式，所采用分段方法没有人工介入，弥补了传统经验估费依赖精算人员经验的不足，所得结果客观且容易形成统一标准。
根据本公开的一些示例实施方式，可根据数据风险分布特点灵活选用等频，等值，基于分布自动分段和基于聚类分段方法之一，提高了方法的灵活性。
根据本公开的一些示例实施方式，对于单个模型风险分级，可根据风险分布特点自动划分或聚类得到风险等级，所得分段结果反映了风险分布特点所以更为准确。
根据本公开的一些示例实施方式，通过对从人、从车和从环境多模型预测结果交叉分析，可有效合理地细分风险档位，精确定位不同客群的风险特点，从而提高风险分级的准确性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。
附图说明
通过参照附图详细描述其示例实施例，本发明的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，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示出根据一示例性实施例的一种用于数据处理的方法的流程图。
图2示出四种分段方式的结果图。
图3示出按照预定的风险控制策略调整各风险等级的服务费调整系数后的结果图。
图4示出根据另一示例性实施例的一种用于数据处理的方法的流程图。
图5示出将从人、从车和从环境风险因子预测值做交叉分析的示意图。
图6示出赔付率交叉分析表。
图7示出根据一示例性实施例示出的一种用于数据处理的装置的框图。
图8示出根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本发明将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的，因此不能用于限制本发明的保护范围。
本公开的目的在于提供一种用于数据处理的方法及装置。用于数据处理的方法包括：基于与服务相关的风险特征建立服务定价模型；利用服务定价模型对以往的风险特征数据进行预测以得到风险因子预测值，对风险因子预测值进行排序并按照预定的分段方式进行分段；以及根据具体的业务特点定义各分段的风险等级，并且按照预定的风险控制策略调整各风险等级的服务费调整系数或针对不同风险客群采取针对性提供服务或拒绝服务措施。本发明公开的用于数据处理的方法及装置，所采用分段方法没有人工介入，弥补了传统经验估费依赖精算人员经验的不足，所得结果客观且容易形成统一标准。同时，可根据数据风险分布特点灵活选用等频，等值，基于分布自动分段和基于聚类分段方法之一，提高了方法的灵活性。此外，对于单个模型风险分级，可根据风险分布特点自动划分或聚类得到风险等级，所得分段结果反映了风险分布特点所以更为准确；而通过对从人、从车和从环境多模型预测结果交叉分析，可有效合理地细分风险档位，精确定位不同客群的风险特点，从而提高风险分级的准确性。
下面结合图1-8对本公开的用于数据处理的方法及装置进行具体说明，其中，图1示出根据一示例性实施例的一种用于数据处理的方法的流程图；图2示出四种分段方式的结果图；图3示出按照预定的风险控制策略调整各风险等级的服务费调整系数后的结果图；图4示出根据另一示例性实施例的一种用于数据处理的方法的流程图；图5示出将从人、从车和从环境风险因子预测值做交叉分析的示意图；图6示出赔付率交叉分析表；图7示出根据一示例性实施例示出的一种用于数据处理的装置的框图；图8示出根据一示例性实施例示出的一种电子设备的框图。
其中所述服务例如可以包括汽车保险服务等与汽车有关的服务，但本公开不限于此，所述服务还可以包括其他类型的服务，如互联网服务、无线通信服务或人身/医疗保险服务等。下面以汽车保险服务为例进行具体说明。
首先结合图1-6对本公开的用于数据处理的方法进行具体说明，其中，图1示出根据一示例性实施例的一种用于数据处理的方法的流程图；图2示出四种分段方式的结果图；图3示出按照预定的风险控制策略调整各风险等级的服务费调整系数后的结果图；图4示出根据另一示例性实施例的一种用于数据处理的方法的流程图；图5示出将从人、从车和从环境风险因子预测值做交叉分析的示意图；图6示出赔付率交叉分析表。
图1示出根据一示例性实施例示出的一种用于数据处理的方法的流程图。
如图1所示，在S101，基于与服务相关的风险特征建立服务定价模型。以车险(服务)定价模型为例，包括前期搜集从人、从车、从环境等多维度因子，通过特征选择、特征组合、降维等多种手段进行风险特征挖掘，将挖掘出的特征进行特征处理，用传统的广义线性模型或者机器学习模型对训练集数据进行建模模型进行建模。
根据本发明的一种示例实施方式，其中与车险(服务)相关的风险特征包括与被保险人(被服务人)相关的风险特征、与被车辆相关的风险特征或与行车环境相关的风险特征中的至少一种。
根据本发明的一种示例实施方式，其中与车辆相关的风险特征包括车身结构设计、易损零件价格和维修工时。
在S102，利用车险(服务)定价模型对以往的风险特征数据进行预测以得到风险因子预测值，对风险因子预测值进行排序并按照预定的分段方式进行分段。
根据本发明的一种示例实施方式，其中预定的分段方式为等频分段、等值分段、基于目标变量分布分段和基于风险因子预测值聚类分段中的一种。其中，所述等频分段指将风险因子预测值排序后，按照其数量等分为若干组，组数可为2组～999组，等频分段保证各段内样本量相等；所述等值分段指将风险因子预测值排序后，按照其取值等分为若干组，组数可为2组～999组，等值分段保证各段取值等间距分布；所述基于目标变量分布分段是指将风险因子预测值排序后,按照真实值的分布特点并选取合适的目标函数进行迭代自动分段，其目的使每一段中高低风险分布差异最大化，包括但不限于优化信息值，熵，总能量等迭代自动分组方法，组数可为2组～999组，基于目标变量分布的分段使得分段的信息值最大化；所述基于风险因子预测值聚类自动分段是指将风险因子预测值排序后，使用聚类算法对预测值进行聚类分段方法；包括聚类过程中有无目标变量真实值作为约束两种方式，而对具体的聚类算法不作限制，适用所有聚类算法，组数可为2组～999组，基于风险因子预测值聚类分段使得各分段密度最大。其中附图2为一个分段例子：原始特征为已从小到大排序后的预测风险值的真实取值，等频分段将每4个分为一组，等值分段按200为一组进行划分，基于目标变量分布的自动分段会考虑目标变量的取值分布特点，从而对预测值进行分组；而聚类分组则会自动分为指定的类别数目，并且最大化了类间距离和最小化了类内距离。
上述方法具有通用性：首先基于分布自动分段和基于聚类分段方法适用任何自动分段或聚类算法；其次，建立起的技术方案容易迁移至其他需要进行保费(服务费)差异化定价的领域。
在S103，根据具体的业务特点定义各分段的风险等级，并且按照预定的风险控制策略调整各风险等级的保费(服务费)调整系数或针对不同风险客群采取针对性承保(提供服务)或拒保(拒绝服务)措施。例如将各风险等级赔付率调整趋于一致等。
根据本发明的一种示例实施方式，其中根据具体的业务特点定义各分段的风险等级包括：根据纯风险赔款定义各分段的风险等级，使得低风险等级对应低原始赔付率，高风险等级对应高原始赔付率。
根据本发明的一种示例实施方式，其中按照预定的风险控制策略调整各风险等级的服务费调整系数包括：调整服务费调整系数使得各风险等级的赔付率趋近于相同。
根据本发明的一种示例实施方式，其中调整服务费调整系数使得各风险等级的赔付率趋近于相同包括：降低低风险等级的服务费调整系数以及提高高风险等级的服务费调整系数使得各风险等级的赔付率趋近于相同。
图3所示的表为一个实际例子，图3示出按照预定的风险控制策略调整各风险等级的保费(服务费)调整系数后的结果图。如图3所示，将风险因子预测值按照纯风险赔款等频分为10段，绿色为低风险，红色为高风险。数据呈现出低风险对应原始赔付率低，而高风险对应原始赔付率高特点。倘若保险公司(服务提供者)追求赔付率的一致，则可以通过保费(服务费)乘以调整系数达到其目的，即通过相应降低低风险等级的服务费调整系数以及提高高风险等级的服务费调整系数使得各风险等级的赔付率趋近于相同，表中经过保费(服务费)系数的调整后达到了各风险等级赔付率趋近于60％。
图4示出根据另一示例性实施例的一种用于数据处理的方法的流程图，其中，S401-S403与S101-S103相同，在此不再赘述，下面仅对S404进行说明：
在S404，根据新进保单(服务订单)经车险(服务)定价模型预测得到的风险因子预测值确定所属风险等级及保费(服务费)调整系数，将风险因子预测值，保费(服务费)调整系数及保险公司服务提供者设定的附加费用率合计得到新进保单(服务订单)的最终保费(服务费)。
上述示例实施方式的用于数据处理的方法通过采用等频分段、等值分段、基于分布自动分段和基于风险因子预测值聚类自动分段等分段方法对单个车险(服务)定价模型输出结果进行分组，确定风险级别及对投保客群细分。上述示例实施方式中的基于分布的自动分段指将定价模型预测的目标变量预测值根据目标变量真实值分布特点进行分组，而基于风险因子预测值聚类自动分段涵盖了有无目标变量真实值作为约束的两种方式，且适用于任何聚类算法。进一步的，在以下的如图5、6所示的示例实施方式中，进而通过对多个不同维度的车险(服务)定价模型分别采用前述办法进行分组，再使用交叉分析对风险和客群进行精细划分。其中，图5示出将从人、从车和从环境风险因子预测值做交叉分析的示意图；图6示出赔付率交叉分析表。
根据本发明的一种示例实施方式，其中利用车险(服务)定价模型对以往的风险特征数据进行预测以得到风险因子预测值，对风险因子预测值进行排序并按照预定的分段方式进行分段包括：
利用车险(服务)定价模型分别对以往的与被保险(服务)人相关的、与被车辆相关的和与行车环境相关的风险特征数据进行预测以分别得到从人、从车和从环境风险因子预测值；
分别将从人、从车和从环境风险因子预测值分为a、b和c个分段，其中a、b和c为大于1的整数；以及
将从人、从车和从环境风险因子预测值两两做交叉分析得到a×b、a×c或b×c个分段，或者三者同时做交叉分析得到a×b×c个分段。
图6所示的表为一个实际例子，图6示出赔付率交叉分析表。如图6所示，从人、从车数据分别建模后将保单按照风险分别划分为9档和10档，绿色为低风险，红色为高风险。通过交叉分析可得90档的精细划分结果。然后对已分档数据根据业务特点精细化定义各风险等级，并且按照不同的风控策略调整各等级的保费调整系数，或针对高风险客户(如表中阴影部分)采取相应的有针对性承保或拒保等措施。
下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
图7示出根据一示例性实施例示出的一种用于数据处理的装置的框图。
如图7所示，用于数据处理的装置700可包括建模模块701、分段模块702和定级和调整模块703。
其中，建模模块701用于基于与服务相关的风险特征建立服务定价模型；分段模块702用于利用服务定价模型对以往的风险特征数据进行预测以得到风险因子预测值，对风险因子预测值进行排序并按照预定的分段方式进行分段；定级和调整模块703用于根据具体的业务特点定义各分段的风险等级，并且按照预定的风险控制策略调整各风险等级的服务费调整系数或针对不同风险客群采取针对性提供服务或拒绝服务措施。
根据本发明的一种示例实施方式，所述装置700还包括：
服务费确定模块704，用于根据新进服务订单经服务定价模型预测得到的风险因子预测值确定所属风险等级及服务费调整系数，将风险因子预测值，服务费调整系数及服务提供者设定的附加费用率合计得到新进服务订单的最终服务费。
需要说明的是，上述用于数据处理的装置中各模块的具体细节已经在对应的快速对游戏参与者使用道具的方法中进行了详细描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
作为另一方面，本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的系统中所包含的；也可以是单独存在，而未装配入该系统中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该系统执行时，使得该系统可以执行：基于与服务相关的风险特征建立服务定价模型；利用服务定价模型对以往的风险特征数据进行预测以得到风险因子预测值，对风险因子预测值进行排序并按照预定的分段方式进行分段；以及根据具体的业务特点定义各分段的风险等级，并且按照预定的风险控制策略调整各风险等级的服务费调整系数或针对不同风险客群采取针对性提供服务或拒绝服务措施。
图8示出根据本公开一示例实施方式的电子设备。
如图8所示，电子设备800可包括处理器810、存储器820。另外，根据一实施例，电子设备还可包括发射器及接收器。
处理器810可调用存储器820中存储的指令控制相关操作，如控制发射器和接收器进行信号收发等。根据一实施例，存储器820存储用于处理器810控制以下操作的指令：基于与服务相关的风险特征建立服务定价模型；利用服务定价模型对以往的风险特征数据进行预测以得到风险因子预测值，对风险因子预测值进行排序并按照预定的分段方式进行分段；以及根据具体的业务特点定义各分段的风险等级，并且按照预定的风险控制策略调整各风险等级的服务费调整系数或针对不同风险客群采取针对性提供服务或拒绝服务措施。处理器810可调用存储器820中存储的指令控制相关操作。易于理解，存储器820还可存储用于处理器810控制根据本公开实施例的其他操作的指令，这里不再赘述。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
通过以上的详细描述，本领域的技术人员易于理解，根据本公开实施例的方法、装置具有以下优点中的一个或多个。
根据本公开的一些示例实施方式，所采用分段方法没有人工介入，弥补了传统经验估费依赖精算人员经验的不足，所得结果客观且容易形成统一标准。
根据本公开的一些示例实施方式，可根据数据风险分布特点灵活选用等频，等值，基于分布自动分段和基于聚类分段方法之一，提高了方法的灵活性。
根据本公开的一些示例实施方式，对于单个模型风险分级，可根据风险分布特点自动划分或聚类得到风险等级，所得分段结果反映了风险分布特点所以更为准确。
根据本公开的一些示例实施方式，通过对从人、从车和从环境多模型预测结果交叉分析，可有效合理地细分风险档位，精确定位不同客群的风险特点，从而提高风险分级的准确性。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (14)

1.一种用于数据处理的方法，其特征在于，包括：
基于与服务相关的风险特征建立服务定价模型；
利用服务定价模型对以往的风险特征数据进行预测以得到风险因子预测值，对风险因子预测值进行排序并按照预定的分段方式进行分段；以及
根据具体的业务特点定义各分段的风险等级，并且按照预定的风险控制策略调整各风险等级的服务费调整系数或针对不同风险客群采取针对性提供服务或拒绝服务措施。
2.如权利要求1所述的方法，其特征在于，还包括：
根据新进服务订单经服务定价模型预测得到的风险因子预测值确定所属风险等级及服务费调整系数，将风险因子预测值，服务费调整系数及服务提供者设定的附加费用率合计得到新进服务订单的最终服务费。
3.根据权利要求1所述的方法，其特征在于，其中服务定价模型为广义线性模型或机器学习模型。
4.根据权利要求1所述的方法，其特征在于，其中与服务相关的风险特征包括与被服务人相关的风险特征、与车辆相关的风险特征或与行车环境相关的风险特征中的至少一种。
5.根据权利要求4所述的方法，其特征在于，其中与车辆相关的风险特征包括车身结构设计、易损零件价格和维修工时。
6.根据权利要求1所述的方法，其特征在于，其中预定的分段方式为等频分段、等值分段、基于目标变量分布分段和基于风险因子预测值聚类分段中的一种。
7.如权利要求1所述的方法，其特征在于，其中按照预定的风险控制策略调整各风险等级的服务费调整系数包括：调整服务费调整系数使得各风险等级的赔付率趋近于相同。
8.根据权利要求7所述的方法，其特征在于，其中调整服务费调整系数使得各风险等级的赔付率趋近于相同包括：降低低风险等级的服务费调整系数以及提高高风险等级的服务费调整系数使得各风险等级的赔付率趋近于相同。
9.如权利要求1所述的方法，其特征在于，其中利用服务定价模型对以往的风险特征数据进行预测以得到风险因子预测值，对风险因子预测值进行排序并按照预定的分段方式进行分段包括：
利用服务定价模型分别对以往的与被服务人相关的、与车辆相关的和与行车环境相关的风险特征数据进行预测以分别得到从人、从车和从环境风险因子预测值；
分别将从人、从车和从环境风险因子预测值分为a、b和c个分段，其中a、b和c为大于1的整数；以及
将从人、从车和从环境风险因子预测值两两做交叉分析得到a×b、a×c或b×c个分段，或者三者同时做交叉分析得到a×b×c个分段。
10.如权利要求9所述的方法，其特征在于，还包括：
对高风险等级的被服务人进行与风险等级相应的针对性提供服务或拒绝服务。
11.一种用于数据处理的装置，其特征在于，包括：
建模模块，用于基于与服务相关的风险特征建立服务定价模型；
分段模块，用于利用服务定价模型对以往的风险特征数据进行预测以得到风险因子预测值，对风险因子预测值进行排序并按照预定的分段方式进行分段；以及
定级和调整模块，用于根据具体的业务特点定义各分段的风险等级，并且按照预定的风险控制策略调整各风险等级的服务费调整系数或针对不同风险客群采取针对性提供服务或拒绝服务措施。
12.如权利要求11所述的装置，其特征在于，还包括：
服务费确定模块，用于根据新进服务订单经服务定价模型预测得到的风险因子预测值确定所属风险等级及服务费调整系数，将风险因子预测值，服务费调整系数及服务提供者设定的附加费用率合计得到新进服务订单的最终服务费。
13.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一所述的方法。
14.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-10中任一所述的方法。
CN201810556593.8A 2018-05-31 2018-05-31 用于数据处理的方法及装置 Pending CN108805727A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810556593.8A CN108805727A (zh) 2018-05-31 2018-05-31 用于数据处理的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810556593.8A CN108805727A (zh) 2018-05-31 2018-05-31 用于数据处理的方法及装置

Publications (1)

Publication Number Publication Date
CN108805727A true CN108805727A (zh) 2018-11-13

Family

ID=64090056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810556593.8A Pending CN108805727A (zh) 2018-05-31 2018-05-31 用于数据处理的方法及装置

Country Status (1)

Country Link
CN (1) CN108805727A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109978702A (zh) * 2019-04-18 2019-07-05 太平洋医疗健康管理有限公司 大病商业补充医疗保险赔付率分析方法及系统
CN110009154A (zh) * 2019-04-03 2019-07-12 深圳威狮物流网络科技有限公司 一种退款预测方法、装置、终端设备及存储介质
CN110334482A (zh) * 2019-05-25 2019-10-15 成都理工大学 基于物源活动强度的震后泥石流动态敏感性评价方法
CN110992119A (zh) * 2019-02-21 2020-04-10 北京嘀嘀无限科技发展有限公司 一种对风险订单进行排序的方法和系统
CN111598373A (zh) * 2019-02-21 2020-08-28 北京嘀嘀无限科技发展有限公司 一种抢劫风险防范方法和系统
CN113689301A (zh) * 2021-08-30 2021-11-23 中国平安财产保险股份有限公司 赔付策略的构建方法、装置、设备及存储介质
CN113689083A (zh) * 2021-07-29 2021-11-23 中国银行保险信息技术管理有限公司 新能源车保险风险因子的处理方法、装置及计算机设备

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110992119A (zh) * 2019-02-21 2020-04-10 北京嘀嘀无限科技发展有限公司 一种对风险订单进行排序的方法和系统
CN111598373A (zh) * 2019-02-21 2020-08-28 北京嘀嘀无限科技发展有限公司 一种抢劫风险防范方法和系统
CN110009154A (zh) * 2019-04-03 2019-07-12 深圳威狮物流网络科技有限公司 一种退款预测方法、装置、终端设备及存储介质
CN110009154B (zh) * 2019-04-03 2023-05-30 深圳威狮物流网络科技有限公司 一种退款预测方法、装置、终端设备及存储介质
CN109978702A (zh) * 2019-04-18 2019-07-05 太平洋医疗健康管理有限公司 大病商业补充医疗保险赔付率分析方法及系统
CN110334482A (zh) * 2019-05-25 2019-10-15 成都理工大学 基于物源活动强度的震后泥石流动态敏感性评价方法
CN110334482B (zh) * 2019-05-25 2022-09-13 成都理工大学 基于物源活动强度的震后泥石流动态敏感性评价方法
CN113689083A (zh) * 2021-07-29 2021-11-23 中国银行保险信息技术管理有限公司 新能源车保险风险因子的处理方法、装置及计算机设备
CN113689301A (zh) * 2021-08-30 2021-11-23 中国平安财产保险股份有限公司 赔付策略的构建方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN108805727A (zh) 用于数据处理的方法及装置
US8725541B2 (en) Systems and methods for rating and pricing insurance policies
Sanhueza et al. DEA efficiency for the determination of the electric power distribution added value
Higgins et al. Modelling intervention options to reduce GHG emissions in housing stock—A diffusion approach
Bhattacharyya et al. Technical efficiency of rural water utilities
Welde et al. The efficiency of Norwegian road toll companies
Kulkarni et al. Need-based project prioritization: alternative to cost-benefit analysis
CN107818386A (zh) 电网企业经营利润预测方法
Wu et al. Predicting peak load of bus routes with supply optimization and scaled Shepard interpolation: A newsvendor model
CN104866922A (zh) 一种用户离网的预测方法及装置
Feng et al. An energy performance contracting parameter optimization method based on the response surface method: A case study of a metro in China
CN116205329A (zh) 一种节假日客流量预测方法
Dimitropoulos et al. Is productivity growth in electricity distribution negative? An empirical analysis using Ontario data
Agarwal et al. A model for residential adoption of photovoltaic systems
CN112016977B (zh) 一种用电信息采集方法、系统及电量数据服务器
Arnaldo et al. EUROPEAN AIR NAVIGATION SERVICE PROVIDERS’EFFICIENCY EVALUATION THROUGH DATA ENVELOPMENT ANALYSIS (DEA)
Gerossier et al. A novel method for decomposing electricity feeder load into elementary profiles from customer information
Amdal et al. Operating costs in Norwegian toll companies: a panel data analysis
Boyles Equity and network-level maintenance scheduling
Heshmati Survey of models on demand, customer base-line and demand response and their relationships in the power market
Benetti et al. Transmission pricing: right insights for suitable cost allocation methods
CN115049158A (zh) 城市系统运行状态的预测方法、系统、存储介质及终端
WO2021152894A1 (ja) 意思決定支援システム、意思決定支援方法
CN115187134A (zh) 基于网格的配电网规划方法、装置及终端设备
CN114444782A (zh) 企业资产的管理方法、装置、存储介质及计算机设备

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: 20181113

RJ01 Rejection of invention patent application after publication