CN109325869A - 用户投保风险评估方法、装置、计算机设备和存储介质 - Google Patents
用户投保风险评估方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109325869A CN109325869A CN201811052315.5A CN201811052315A CN109325869A CN 109325869 A CN109325869 A CN 109325869A CN 201811052315 A CN201811052315 A CN 201811052315A CN 109325869 A CN109325869 A CN 109325869A
- Authority
- CN
- China
- Prior art keywords
- risk
- user
- data
- air control
- factor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000000284 extract Substances 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 239000000047 product Substances 0.000 description 35
- 201000010099 disease Diseases 0.000 description 28
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 28
- 238000012502 risk assessment Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013316 zoning Methods 0.000 description 2
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 241000208125 Nicotiana Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 201000007270 liver cancer Diseases 0.000 description 1
- 208000014018 liver neoplasm Diseases 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 210000001685 thyroid gland Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及大数据处理领域，特别涉及一种投保风险评估方法、装置、计算机设备和存储介质。所述方法包括：获取用户投保问卷数据，从用户投保问卷数据中提取选项数据、用户实际年龄和用户区域；根据选项数据计算预设风控指标的相对风险因子；获取全国医保数据及与用户区域对应的区域医保数据；根据相对风险因子、全国医保数据和区域医保数据计算预设风控指标的区域潜在费用增值和个人潜在费用增值；根据区域潜在费用增值和个人潜在费用增值计算用户风险年龄；根据用户实际年龄和用户风险年龄计算用户的第一投保风险。采用本方法能够提高用户投保风险评估效果。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种用户投保风险评估方法、装置、计算机设备和存储介质。
背景技术
用户在对人身类保险投保时，保险公司通常需要根据用户的健康情况、身体素质等信息对用户的投保风险进行评估。
目前，保险公司在对用户的投保风险评估时，评估的数据来源比较单一，一般情况下主要是根据用户体检信息中的检查指标来对用户的投保风险进行评估。但是，用户的体检信息具有局限性，无法综合评估用户整体的投保风险情况，评估效果较差。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高用户投保风险评估效果的用户投保风险评估方法、装置、计算机设备和存储介质。
一种用户投保风险评估方法，所述方法包括：
获取用户投保问卷数据，从所述用户投保问卷数据中提取选项数据、用户实际年龄和用户区域；
根据所述选项数据计算预设风控指标的相对风险因子；
获取全国医保数据及与所述用户区域对应的区域医保数据；
根据所述相对风险因子、所述全国医保数据和所述区域医保数据计算所述预设风控指标的区域潜在费用增值和个人潜在费用增值；
根据所述区域潜在费用增值和所述个人潜在费用增值计算用户风险年龄；
根据所述用户实际年龄和所述用户风险年龄计算所述用户的第一投保风险。
在其中一个实施例中，所述根据所述选项数据计算预设风控指标的相对风险因子，包括：
获取风控因素，从所述选项数据中查找与各风控因素对应的问题选项；
获取所述问题选项和所述预设风控指标对应的因素风险得分；
根据所述因素风险得分评定各风控因素的风险等级，并查找与所述风险等级对应的因素风险系数；
根据各风控因素对应的因素风险系数计算所述预设风控指标的相对风险因子。
在其中一个实施例中，所述根据所述相对风险因子、所述全国医保数据和所述区域医保数据计算所述预设风控指标的区域潜在费用增值和个人潜在费用增值，包括：
从所述全国医保数据中统计出所述预设风控指标对应的全国风险指数和全国平均花费；
从所述区域医保数据中统计出所述预设风控指标对应的区域风险指数和区域平均花费；
根据所述全国风险指数、所述区域风险指数和所述全国平均花费计算出区域潜在费用增值；
根据所述相对风险因子、所述区域风险指数和所述全国平均花费计算出个人潜在费用增值。
在其中一个实施例中，所述根据所述区域潜在费用增值和所述个人潜在费用增值计算用户风险年龄，包括：
将所述区域潜在费用增值输入预设风险年龄评估模型得到区域风险年龄；
将所述个人潜在费用增值输入所述预设风险年龄评估模型得到个人风险年龄；
根据所述区域风险年龄和所述个人风险年龄计算用户风险年龄。
在其中一个实施例中，所述方法还包括：
接收用户终端发送的用户投保数据，从所述用户投保数据中提取产品代码和用户标识；
查找所述产品代码对应的第一风控指标；
查找与所述第一风控指标和所述用户标识对应的第二投保风险，并查找所述产品代码对应的承保条件；
判断查找到的所述第二投保风险判断是否满足所述承保条件；
当所述第二投保风险不满足所述承保条件时，生成拒保通知并发送给所述用户终端。
在其中一个实施例中，还包括：当所述第二投保风险满足所述承保条件时，从所述用户投保数据中提取基础保费数值；
根据所述第二投保风险计算调整保费数值；
根据所述基础保费数值和所述调整保费数值得到承保保费数值，并将所述承保保费数值返回给所述用户终端。
一种投保风险评估装置，所述装置包括：
问卷数据获取模块，用于获取用户投保问卷数据，从所述用户投保问卷数据中提取选项数据、用户实际年龄和用户区域；
风险因子计算模块，用于根据所述选项数据计算预设风控指标的相对风险因子；
医保数据获取模块，用于获取全国医保数据及与所述用户区域对应的区域医保数据；
潜在增值计算模块，用于根据所述相对风险因子、所述全国医保数据和所述区域医保数据计算所述预设风控指标的区域潜在费用增值和个人潜在费用增值；
风险年龄计算模块，用于根据所述区域潜在费用增值和所述个人潜在费用增值计算用户风险年龄；
第一风险计算模块，用于根据所述用户实际年龄和所述用户风险年龄计算所述用户的第一投保风险。
在其中一个实施例中，风险因子计算模块包括：
选项查找模块，用于获取风控因素，从所述选项数据中查找与各风控因素对应的问题选项；
得分获取模块，用于获取所述问题选项和所述预设风控指标对应的因素风险得分；
风险系数获取模块，用于根据所述因素风险得分评定各风控因素的风险等级，并查找与所述风险等级对应的因素风险系数；
因子获得模块，用于根据各风控因素对应的因素风险系数计算所述预设风控指标的相对风险因子。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
上述用户投保风险评估方法、装置、计算机设备和存储介质，获取全国的医保数据和用户所在区域的医保数据，对医保数据进行数据提取，再根据提取的数据和计算出的相对风险因子计算出各风控指标的潜在花费增长，将潜在花费增长换算成用户相对于实际年龄的风险年龄增值，最后根据用户实际年龄和用户风险年龄计算出用户的投保风险，计算出的投保风险综合考虑了根据问卷数据所获得的用户个人因素对每种风控指标的影响所导致的用户个人风险年龄的增值，以及用户所在区域相对于全国的风险年龄的增值，使得投保风险的评估更加全面、准确。
附图说明
图1为一个实施例中投保风险评估方法的应用场景图；
图2为一个实施例中投保风险评估方法的流程示意图；
图3为另一个实施例中投保风险评估方法的流程示意图；
图4为一个实施例中投保风险评估装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的投保风险评估方法，可以应用于如图1所示的应用环境中。其中，终端与服务器通过网络进行通信。终端向服务器发送用户投保问卷数据，服务器接收到用户投保问卷数据后，从用户投保问卷数据中提取选项数据、用户实际年龄和用户区域，根据选项数据计算预设风控指标的相对风险因子。服务器获取全国医保数据及与用户区域对应的区域医保数据，根据相对风险因子、全国医保数据和区域医保数据计算预设风控指标的区域潜在费用增值和个人潜在费用增值，根据区域潜在费用增值和个人潜在费用增值计算用户风险年龄；根据用户实际年龄和用户风险年龄计算用户的第一投保风险，服务器可以将计算出的第一投保风险返回给终端。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种投保风险评估方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤210，获取用户投保问卷数据，从用户投保问卷数据中提取选项数据、用户实际年龄和用户区域。
投保用户可以在个人终端、保险公司的柜台终端、用户终端或者其他终端设备上填写用户投保问卷。用户投保问卷可以包括用户个人信息采集部分和保险公司根据需要了解用户的多个预设风控指标设置的问卷问题。用户个人信息采集部分的内容可以包括用户姓名、用户年龄、居住城市等信息。保险公司需要了解的预设风控指标可以包括用户欲投保的保险产品所涉及的疾病或病种的相关指标，预设风控指标根据用户所投保产品的可保疾病范围进行设定。
在本实施例中，每个问卷问题设置有固定的选项答案，问卷问题可以为单项选择问题，也可以为多项选择问题。用户填写完用户投保问卷并提交后，终端获取用户填写的问卷数据，并将用户投保问卷数据发送给服务器。
服务器接收终端发送的用户投保问卷数据后，从用户投保问卷数据中提取出各问卷问题用户所提交的问题选项数据，并从投保问卷的用户个人信息采集部分提取出用户的实际年龄和用户区域，当用户填写的为出生日期时，将出生日期转换为用户实际年龄。用户区域可以为用户所在的省、市、区、县等行政区域。
步骤220，根据选项数据计算预设风控指标的相对风险因子。
工作人员在设计用户投保问卷数据时，对风控指标设定有多个风控因素，针对每个风控因素设置有相应的问卷问题。服务器将提取出的选项数据按照风控因素进行分类，并查找提取出的各问题选项对应的风险得分，进而统计出各风控因素所对应问卷问题的总的风险得分。根据各风控因素自身的风险属性和计算出的总的风险得分计算出预设风控指标的相对风险因子。
步骤230，获取全国医保数据及与用户区域对应的区域医保数据。
服务器事先存储有各种疾病和病种的全国医保数据，服务器获取预设风控指标对应的疾病编号，从全国医保数据中查找与疾病编号对应的全国医保数据，全国医保数据中至少包括针对疾病编号对应疾病为各用户提供的医保费用数据。服务器从全国医保数据中查找与用户区域对应的用户所在区域的医保数据。
步骤240，根据相对风险因子、全国医保数据和区域医保数据计算预设风控指标的区域潜在费用增值和个人潜在费用增值。
服务器从全国医保数据中提取出预设风控指标对应疾病的医保花费信息，从区域医保数据中农提取出预设风控指标对应疾病的用户所在区域的医保花费信息，相对风险因子能够反映出用户针对预设风控指标的潜在风险情况。服务器获取预设的预设风控指标的区域潜在费用增值计算规则和个人潜在费用增值计算规则。区域潜在费用增值为预设风控指标对应疾病或病种在用户所在区域的医保花费的预测增长值，个人潜在费用增值为预设风控指标对应疾病或病种的用户个人的医保花费的预测增长值。
服务器根据预设的区域潜在费用增值计算规则、相对风险因子、提取出的全国医保数据和区域医保数据计算出用户所在区域的区域潜在费用增值，根据预设的个人潜在费用增值计算规则、相对风险因子、提取出的全国医保数据和区域医保数据计算出用户个人的个人潜在费用增值。
步骤250，根据区域潜在费用增值和个人潜在费用增值计算用户风险年龄。
用户风险年龄是与预设风控指标对应疾病或病种的潜在花费增值对应的用户年龄的增值，用户风险年龄与潜在花费增值成正相关关系。潜在花费增值可以为正值、零或负值，用户风险年龄也可能为正值、零或负值。
服务器获取预设的用户风险年龄的计算逻辑，将计算出的区域潜在费用增值和个人潜在费用增值代入预设用户风险年龄计算逻辑进行计算，并输出用户风险年龄。
步骤260，根据用户实际年龄和用户风险年龄计算用户的第一投保风险。
第一投保风险用来评估该用户投保保险产品所存在的潜在医保花费相对于所用投保用户平均潜在医保花费的潜在风险增值情况。服务器获取第一投保风险的预设计算规则，根据用户实际年龄、用户风险年龄和第一投保风险预设计算规则计算出用户的第一投保风险。
在本实施例中，服务器获取全国的医保数据和用户所在区域的医保数据，对医保数据进行数据提取，再根据提取的数据和计算出的相对风险因子计算出各风控指标的潜在花费增长，将潜在花费增长换算成用户相对于实际年龄的风险年龄增值，最后根据用户实际年龄和用户风险年龄计算出用户的投保风险。计算出的投保风险综合考虑了根据问卷数据所获得的用户个人因素对每种风控指标的影响所导致的用户个人风险年龄的增值，以及用户所在区域相对于全国的风险年龄的增值，使得投保风险的评估更加全面、准确。
在一个实施例中，根据选项数据计算预设风控指标的相对风险因子，包括：获取风控因素，从选项数据中查找与各风控因素对应的问题选项；获取问题选项和预设风控指标对应的因素风险得分；根据因素风险得分评定各风控因素的风险等级，并查找与风险等级对应的因素风险系数；根据各风控因素对应的因素风险系数计算预设风控指标的相对风险因子。
服务器获取问卷编号，查找与问卷编号对应的风控因素。在本实施例中，风控因素可以包括身体质量指数(BMI)、膳食营养、运动情况、吸烟情况、饮酒情况、压力程度和家庭病史情况等因素，在其他实施例中，也可以根据具体的风控需求进行设置。针对不同的风控因素设置相应的问卷问题，每个问卷问题可以设置有多个答案选项，不同的答案选项对应于相应的选项得分。例如，家庭病史风险因素设置的问卷问题可以为：直系亲属是否患有或曾患有糖尿病、直系亲属是否患有或曾患有高血压等。不同的保险产品需要进行风控的风控指标也可能不同，预设风控指标的数量可以为一个或者多个。例如，预先风控指标可以为糖尿病、高血压、中风、心脏病、心肌梗死、肺癌、消化道恶性肿瘤、肝癌或甲状腺恶性肿瘤等。每个用户投保问卷针对一个预设风控指标设计，但是不同的用户投保问卷出可能存在相同的问卷问题，需要说明的是，由于预设风控指标不同，不同投保问卷的同一问卷问题的问题选项得分可能不同。
服务器获取风控因素后，从用户提交的选项数据中查找与各风控因素对应的问题选项，获取预设风控指标对应的选项风险得分表，选项风险得分表中存储了各问卷问题的问题选项与因素风险得分的对应关系，服务器从选项风险得分表中查找与问题选项对应的因素风险得分，并将各风控因素对应的所有问卷问题的因素风险得分进行累加，根据累加后的因素风险得分评定对应风控因素的风险等级。例如，可以将风险等级设定为高风险等级、中风险等级、低风险等级、零风险等级等。不同的风险等级对应于不同的因素风险系数，服务器查找与评定出的风险等级对应的因素风险系数。
服务器将预设风控指标对应的所有风控因素求得的因素风险系数进行处理得到预设风控指标的相对风险因子。例如，当预设风控指标对应设置有7个风控因素时，可以求得7个因素风险系数，对7个因素风险系数进行累加、累乘或其他组合计算方式可以得到相对风险因子。
在本实施例中，将问卷问题及问题选项的得分根据风控因素进行细分，并对不同的风控因素设置不同的风险划分等级及风险系数，可以更加精确地计算预设风控指标的相对风险因子。
在一个实施例中，根据相对风险因子、全国医保数据和区域医保数据计算预设风控指标的区域潜在费用增值和个人潜在费用增值，包括：从全国医保数据中统计出预设风控指标对应的全国风险指数和全国平均花费；从区域医保数据中统计出预设风控指标对应的区域风险指数和区域平均花费；根据全国风险指数、区域风险指数和全国平均花费计算出区域潜在费用增值；根据相对风险因子、区域风险指数和全国平均花费计算出个人潜在费用增值。
在本实施例中，全国风险指数是指预设风控指标对应的疾病或病种在预设时间范围内的医保报销人数占全国总人数的比例，全国平均花费为预设时间范围内预设风控指标对应的疾病或病种的全国医保报销用户的平均医保花费数值。服务器从全国医保数据中统计出全国风险指数和全国平均花费。
区域风险指数是指预设风控指标对应的疾病或病种在预设时间范围内的用户所在区域的医保报销人数占用户所在区域总人数的比例，区域平均花费为预设时间范围内预设风控指标对应的疾病或病种的用户所在区域的医保报销用户的平均医保花费数值。服务器从区域医保数据中统计出区域风险指数和区域平均花费。
服务器将全国风险指数、区域风险指数和全国平均花费输入公式(1)计算出各预设风控指标的区域潜在费用增值。区域潜在费用增值反映了预设风控指标对应的疾病或病种的用户所在区域的医保花费相对与全国医保花费的增值水平。
ΔS＝(QS-QT)×Fmean (1)
其中，ΔS为区域潜在费用增值，QS为区域风险指数，QT为全国风险指数，Fmean为全国平均花费。
服务器将相对风险因子、区域风险指数和全国平均花费输入公式(2)计算出各预设风控指标的个人潜在费用增值。个人潜在费用增值反映了根据个人因素计算出的相对风险因子及用户所在区域对用户的医保花费可能带来的潜在增值。
ΔP＝(R-1)×QS×Fmean (2)
其中，ΔP为个人潜在费用增值，R为相对风险因子。
在一个实施例中，根据区域潜在费用增值和个人潜在费用增值计算用户风险年龄，包括：将区域潜在费用增值输入预设风险年龄评估模型得到区域风险年龄；将个人潜在费用增值输入预设风险年龄评估模型得到个人风险年龄；根据区域风险年龄和个人风险年龄计算用户风险年龄。
在本实施例中，采用相同的风险年龄评估模型对区域风险年龄和个人风险年龄进行预测，具体的预设风险年龄评估模型请参照公式(3)。
y＝ax6+bx5+cx4+dx3+ex2+fx+g (3)
其中，y为风险年龄，x为潜在费用增值，a、b、c、d、e、f和g为相关系数，相关系数由工作人员根据具体的预设风控指标进行设定。在计算区域风险年龄时和计算个人风险年龄时的相关系数可以不同。在一个实施例中，相关系数与用户的个人信息如性别、年龄等一一对应的，服务器在风险年龄时，获取与用户个人信息、风险年龄类别及预设风控指标对应的相关系数。
具体地，在计算区域风险年龄时x为区域潜在风险增值，y为区域风险年龄；在计算个人风险年龄时x为个人潜在费用增值，y为个人风险年龄。区域风险年龄和个人风险年龄均有可能是正数值、零或负数值。服务器将区域风险年龄与个人风险年龄相加得到用户风险年龄。
在一个实施例中，如图3所示，投保风险评估方法还包括：
步骤262，接收用户终端发送的用户投保数据，从用户投保数据中提取产品代码和用户标识。
用户可以通过终端购买保险产品，终端获取用户的投保数据并发送给服务器，服务器接收终端发送的用户投保数据。用户投保数据中可以包括用户所投保保险产品的产品代码、用户标识、用户的投保期限、投保人个人信息及被保人个人信息等。其中，产品代码用于对保险产品进行唯一标识，用户标识用于对用户进行唯一标识。服务器从用户投保数据中提取出产品代码和用户标识。
步骤264，查找产品代码对应的第一风控指标。
因不同的保险产品的可保范围不同，保险产品所预先设定的风控指标也不相同，服务器查找与产品代码对应的第一风控指标。
步骤266，查找与第一风控指标和用户标识对应的第二投保风险，并查找产品代码对应的承保条件。
服务器查找是否存在与用户标识、第一风控指标对应的已计算出的第二投保风险，当没有查找到第二投保风险时，查找与第一风控指标对应的用户投保问卷，将查找到的用户投保问卷发送给终端。
当服务器查找到第二投保风险时，服务器查找产品代码对应的承保条件，承保条件可以包括能够进行产品承保的用户投保风险的取值范围。
步骤268，判断查找到的第二投保风险判断是否满足承保条件。
服务器查找第二投保风险对应的取值范围，并判断查找到的取值范围是否在承保条件的取值范围内。
步骤270，当第二投保风险不满足承保条件时，生成拒保通知并发送给用户终端。
当服务器判断出第二投保风险不满足承保条件时，生成拒保通知并发送给用户终端。在其他实施例中，服务器也可以根据对用户投保问卷数据进行分析，查找与用户问卷信息匹配的保障类的保险产品，根据查找到的保险产品生成产品推荐方案，将产品推荐方案发送给用户终端。
在一个实施例中，如图3所示，投保风险评估方法还包括：
步骤272，当第二投保风险满足承保条件时，从用户投保数据中提取基础保费数值。
服务器判定第二投保风险的取值范围不在承保条件的取值范围内时，服务从用户投保数据中提取出基础保费数值。基础保费数值是该保险产品的与用户投保时间对应的保费数值。
步骤274，根据第二投保风险计算调整保费数值。
服务器查找与产品代码对应保费调整对照表，保费调整对照表中存储了投保风险的取值范围与调整保费数值的对应关系。服务器从保费调整对照表中查找与第二投保风险对应的调整保费数值。当第二投保风险是正数取值时，对应的调整保费数值是负数取值，当第二投保风险是负数取值时，对应的调整保费数值是正数取值。则既可能上调用户的投保保费，也可能下调用户的投保保费。
步骤276，根据基础保费数值和调整保费数值得到承保保费数值，并将承保保费数值返回给用户终端。
服务器对基础保费数值和调整保费数值求和计算得到承保保费数值，承保费数值为实际向用户收取的保费数值。
在本实施例中，根据用户的投保费用对用户的承保保费数值进行调整，可以适当降低投保风险较小的用户的保费数值，提高用户的投保积极性，适当提升投保风险较大的用户的保费数值，能够降低保险公司的承保风险。
应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种投保风险评估装置，包括：问卷数据获取模块410、风险因子计算模块420、医保数据获取模块430、潜在增值计算模块440、风险年龄计算模块450和第一风险计算模块460，其中：
问卷数据获取模块410，用于获取用户投保问卷数据，从用户投保问卷数据中提取选项数据、用户实际年龄和用户区域。
风险因子计算模块420，用于根据选项数据计算预设风控指标的相对风险因子。
医保数据获取模块430，用于获取全国医保数据及与用户区域对应的区域医保数据。
潜在增值计算模块440，用于根据相对风险因子、全国医保数据和区域医保数据计算预设风控指标的区域潜在费用增值和个人潜在费用增值。
风险年龄计算模块450，用于根据区域潜在费用增值和个人潜在费用增值计算用户风险年龄。
第一风险计算模块460，用于根据用户实际年龄和用户风险年龄计算用户的第一投保风险。
在一个实施例中，风险因子计算模块420可以包括：
选项查找模块，用于获取风控因素，从选项数据中查找与各风控因素对应的问题选项。
得分获取模块，用于获取问题选项和预设风控指标对应的因素风险得分。
风险系数获取模块，用于根据因素风险得分评定各风控因素的风险等级，并查找与风险等级对应的因素风险系数。
因子获得模块，用于根据各风控因素对应的因素风险系数计算预设风控指标的相对风险因子。
在一个实施例中，潜在增值计算模块440可以包括：
第一统计模块，用于从全国医保数据中统计出预设风控指标对应的全国风险指数和全国平均花费。
第二统计模块，用于从区域医保数据中统计出预设风控指标对应的区域风险指数和区域平均花费。
区域增值计算模块，用于根据全国风险指数、区域风险指数和全国平均花费计算出区域潜在费用增值。
个人增值计算模块，用于根据相对风险因子、区域风险指数和全国平均花费计算出个人潜在费用增值。
在一个实施例中，风险年龄计算模块450可以包括：
区域年龄计算模块，用于将区域潜在费用增值输入预设风险年龄评估模型得到区域风险年龄。
个人年龄计算模块，用于将个人潜在费用增值输入预设风险年龄评估模型得到个人风险年龄。
年龄累加模块，用于根据区域风险年龄和个人风险年龄计算用户风险年龄。
在一个实施例中，投保风险评估装置还可以包括：
投保数据接收模块，用于接收用户终端发送的用户投保数据，从用户投保数据中提取产品代码和用户标识。
第一指标查找模块，用于查找产品代码对应的第一风控指标。
承保条件查找模块，用于查找与第一风控指标和用户标识对应的第二投保风险，并查找产品代码对应的承保条件。
条件判断模块，用于判断查找到的第二投保风险判断是否满足承保条件。
拒保通知生成模块，用于当第二投保风险不满足承保条件时，生成拒保通知并发送给用户终端。
在一个实施例中，投保风险评估装置还可以包括：
保费数值提取模块，用于当第二投保风险满足承保条件时，从用户投保数据中提取基础保费数值。
调整数值计算模块，用于根据第二投保风险计算调整保费数值。
承保数值计算模块，用于根据基础保费数值和调整保费数值得到承保保费数值，并将承保保费数值返回给用户终端。
关于投保风险评估装置的具体限定可以参见上文中对于投保风险评估方法的限定，在此不再赘述。上述投保风险评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储投保风险评估相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种投保风险评估方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取用户投保问卷数据，从用户投保问卷数据中提取选项数据、用户实际年龄和用户区域；根据选项数据计算预设风控指标的相对风险因子；获取全国医保数据及与用户区域对应的区域医保数据；根据相对风险因子、全国医保数据和区域医保数据计算预设风控指标的区域潜在费用增值和个人潜在费用增值；根据区域潜在费用增值和个人潜在费用增值计算用户风险年龄；根据用户实际年龄和用户风险年龄计算用户的第一投保风险。
在一个实施例中，处理器执行计算机程序时实现根据所述选项数据计算预设风控指标的相对风险因子的步骤时还用于：获取风控因素，从选项数据中查找与各风控因素对应的问题选项；获取问题选项和预设风控指标对应的因素风险得分；根据因素风险得分评定各风控因素的风险等级，并查找与风险等级对应的因素风险系数；根据各风控因素对应的因素风险系数计算预设风控指标的相对风险因子。
在一个实施例中，处理器执行计算机程序时实现根据所述相对风险因子、所述全国医保数据和所述区域医保数据计算所述预设风控指标的区域潜在费用增值和个人潜在费用增值的步骤还用于：从全国医保数据中统计出预设风控指标对应的全国风险指数和全国平均花费；从区域医保数据中统计出预设风控指标对应的区域风险指数和区域平均花费；根据全国风险指数、区域风险指数和全国平均花费计算出区域潜在费用增值；根据相对风险因子、区域风险指数和全国平均花费计算出个人潜在费用增值。
在一个实施例中，处理器执行计算机程序时实现根据区域潜在费用增值和个人潜在费用增值计算用户风险年龄的步骤时还用于：将区域潜在费用增值输入预设风险年龄评估模型得到区域风险年龄；将个人潜在费用增值输入预设风险年龄评估模型得到个人风险年龄；根据区域风险年龄和个人风险年龄计算用户风险年龄。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：接收用户终端发送的用户投保数据，从用户投保数据中提取产品代码和用户标识；查找产品代码对应的第一风控指标；查找与第一风控指标和用户标识对应的第二投保风险，并查找产品代码对应的承保条件；判断查找到的第二投保风险判断是否满足承保条件；当第二投保风险不满足承保条件时，生成拒保通知并发送给用户终端。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：当第二投保风险满足承保条件时，从用户投保数据中提取基础保费数值；根据第二投保风险计算调整保费数值；根据基础保费数值和调整保费数值得到承保保费数值，并将承保保费数值返回给用户终端。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取用户投保问卷数据，从用户投保问卷数据中提取选项数据、用户实际年龄和用户区域；根据选项数据计算预设风控指标的相对风险因子；获取全国医保数据及与用户区域对应的区域医保数据；根据相对风险因子、全国医保数据和区域医保数据计算预设风控指标的区域潜在费用增值和个人潜在费用增值；根据区域潜在费用增值和个人潜在费用增值计算用户风险年龄；根据用户实际年龄和用户风险年龄计算用户的第一投保风险。
在一个实施例中，计算机程序被处理器执行时实现根据所述选项数据计算预设风控指标的相对风险因子的步骤时还用于：获取风控因素，从选项数据中查找与各风控因素对应的问题选项；获取问题选项和预设风控指标对应的因素风险得分；根据因素风险得分评定各风控因素的风险等级，并查找与风险等级对应的因素风险系数；根据各风控因素对应的因素风险系数计算预设风控指标的相对风险因子。
在一个实施例中，计算机程序被处理器执行实现根据所述相对风险因子、所述全国医保数据和所述区域医保数据计算所述预设风控指标的区域潜在费用增值和个人潜在费用增值的步骤还用于：从全国医保数据中统计出预设风控指标对应的全国风险指数和全国平均花费；从区域医保数据中统计出预设风控指标对应的区域风险指数和区域平均花费；根据全国风险指数、区域风险指数和全国平均花费计算出区域潜在费用增值；根据相对风险因子、区域风险指数和全国平均花费计算出个人潜在费用增值。
在一个实施例中，计算机程序被处理器执行时实现根据区域潜在费用增值和个人潜在费用增值计算用户风险年龄的步骤时还用于：将区域潜在费用增值输入预设风险年龄评估模型得到区域风险年龄；将个人潜在费用增值输入预设风险年龄评估模型得到个人风险年龄；根据区域风险年龄和个人风险年龄计算用户风险年龄。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：接收用户终端发送的用户投保数据，从用户投保数据中提取产品代码和用户标识；查找产品代码对应的第一风控指标；查找与第一风控指标和用户标识对应的第二投保风险，并查找产品代码对应的承保条件；判断查找到的第二投保风险判断是否满足承保条件；当第二投保风险不满足承保条件时，生成拒保通知并发送给用户终端。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当第二投保风险满足承保条件时，从用户投保数据中提取基础保费数值；根据第二投保风险计算调整保费数值；根据基础保费数值和调整保费数值得到承保保费数值，并将承保保费数值返回给用户终端。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种投保风险评估方法，所述方法包括：
获取用户投保问卷数据，从所述用户投保问卷数据中提取选项数据、用户实际年龄和用户区域；
根据所述选项数据计算预设风控指标的相对风险因子；
获取全国医保数据及与所述用户区域对应的区域医保数据；
根据所述相对风险因子、所述全国医保数据和所述区域医保数据计算所述预设风控指标的区域潜在费用增值和个人潜在费用增值；
根据所述区域潜在费用增值和所述个人潜在费用增值计算用户风险年龄；
根据所述用户实际年龄和所述用户风险年龄计算所述用户的第一投保风险。
2.根据权利要求1所述的方法，其特征在于，所述根据所述选项数据计算预设风控指标的相对风险因子，包括：
获取风控因素，从所述选项数据中查找与各风控因素对应的问题选项；
获取所述问题选项和所述预设风控指标对应的因素风险得分；
根据所述因素风险得分评定各风控因素的风险等级，并查找与所述风险等级对应的因素风险系数；
根据各风控因素对应的因素风险系数计算所述预设风控指标的相对风险因子。
3.根据权利要求1所述的方法，其特征在于，所述根据所述相对风险因子、所述全国医保数据和所述区域医保数据计算所述预设风控指标的区域潜在费用增值和个人潜在费用增值，包括：
从所述全国医保数据中统计出所述预设风控指标对应的全国风险指数和全国平均花费；
从所述区域医保数据中统计出所述预设风控指标对应的区域风险指数和区域平均花费；
根据所述全国风险指数、所述区域风险指数和所述全国平均花费计算出区域潜在费用增值；
根据所述相对风险因子、所述区域风险指数和所述全国平均花费计算出个人潜在费用增值。
4.根据权利要求1所述的方法，其特征在于，所述根据所述区域潜在费用增值和所述个人潜在费用增值计算用户风险年龄，包括：
将所述区域潜在费用增值输入预设风险年龄评估模型得到区域风险年龄；
将所述个人潜在费用增值输入所述预设风险年龄评估模型得到个人风险年龄；
根据所述区域风险年龄和所述个人风险年龄计算用户风险年龄。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
接收用户终端发送的用户投保数据，从所述用户投保数据中提取产品代码和用户标识；
查找所述产品代码对应的第一风控指标；
查找与所述第一风控指标和所述用户标识对应的第二投保风险，并查找所述产品代码对应的承保条件；
判断查找到的所述第二投保风险判断是否满足所述承保条件；
当所述第二投保风险不满足所述承保条件时，生成拒保通知并发送给所述用户终端。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
当所述第二投保风险满足所述承保条件时，从所述用户投保数据中提取基础保费数值；
根据所述第二投保风险计算调整保费数值；
根据所述基础保费数值和所述调整保费数值得到承保保费数值，并将所述承保保费数值返回给所述用户终端。
7.一种投保风险评估装置，其特征在于，所述装置包括：
问卷数据获取模块，用于获取用户投保问卷数据，从所述用户投保问卷数据中提取选项数据、用户实际年龄和用户区域；
风险因子计算模块，用于根据所述选项数据计算预设风控指标的相对风险因子；
医保数据获取模块，用于获取全国医保数据及与所述用户区域对应的区域医保数据；
潜在增值计算模块，用于根据所述相对风险因子、所述全国医保数据和所述区域医保数据计算所述预设风控指标的区域潜在费用增值和个人潜在费用增值；
风险年龄计算模块，用于根据所述区域潜在费用增值和所述个人潜在费用增值计算用户风险年龄；
第一风险计算模块，用于根据所述用户实际年龄和所述用户风险年龄计算所述用户的第一投保风险。
8.根据权利要求7所述的装置，其特征在于，所述风险因子计算模块包括：
选项查找模块，用于获取风控因素，从所述选项数据中查找与各风控因素对应的问题选项；
得分获取模块，用于获取所述问题选项和所述预设风控指标对应的因素风险得分；
风险系数获取模块，用于根据所述因素风险得分评定各风控因素的风险等级，并查找与所述风险等级对应的因素风险系数；
因子获得模块，用于根据各风控因素对应的因素风险系数计算所述预设风控指标的相对风险因子。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811052315.5A CN109325869A (zh) | 2018-09-10 | 2018-09-10 | 用户投保风险评估方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811052315.5A CN109325869A (zh) | 2018-09-10 | 2018-09-10 | 用户投保风险评估方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109325869A true CN109325869A (zh) | 2019-02-12 |
Family
ID=65264922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811052315.5A Pending CN109325869A (zh) | 2018-09-10 | 2018-09-10 | 用户投保风险评估方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109325869A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110335060A (zh) * | 2019-05-20 | 2019-10-15 | 微民保险代理有限公司 | 产品信息推送方法、装置、存储介质和计算机设备 |
| CN110458715A (zh) * | 2019-07-05 | 2019-11-15 | 中国平安财产保险股份有限公司 | 风险评分方法、装置及计算机可读存储介质 |
| CN111008322A (zh) * | 2019-11-27 | 2020-04-14 | 广州快决测信息科技有限公司 | 一种自动识别有效数据采集模块的方法和系统 |
| CN111179102A (zh) * | 2019-12-25 | 2020-05-19 | 北京亚信数据有限公司 | 医疗保险核保风控方法、装置及存储介质 |
| CN113688133A (zh) * | 2021-08-23 | 2021-11-23 | 泰康保险集团股份有限公司 | 基于合规计算的数据处理方法、系统、装置、介质及设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2595374A1 (en) * | 2007-07-31 | 2009-01-31 | Catherine J. Dineen | Apparatus, system and method for guaranteed term multi-trip emergency travel medical coverage |
| CN107767186A (zh) * | 2017-11-07 | 2018-03-06 | 泰康保险集团股份有限公司 | 健康险定价方法与装置 |
| CN107967948A (zh) * | 2017-12-07 | 2018-04-27 | 泰康保险集团股份有限公司 | 医疗大数据分析方法与装置 |
| CN108053324A (zh) * | 2017-11-28 | 2018-05-18 | 平安养老保险股份有限公司 | 保险核保方法、装置、计算机设备及存储介质 |
| CN109544357A (zh) * | 2018-10-25 | 2019-03-29 | 平安科技（深圳）有限公司 | 基于医保数据的数据处理方法及装置 |
-
2018
- 2018-09-10 CN CN201811052315.5A patent/CN109325869A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2595374A1 (en) * | 2007-07-31 | 2009-01-31 | Catherine J. Dineen | Apparatus, system and method for guaranteed term multi-trip emergency travel medical coverage |
| CN107767186A (zh) * | 2017-11-07 | 2018-03-06 | 泰康保险集团股份有限公司 | 健康险定价方法与装置 |
| CN108053324A (zh) * | 2017-11-28 | 2018-05-18 | 平安养老保险股份有限公司 | 保险核保方法、装置、计算机设备及存储介质 |
| CN107967948A (zh) * | 2017-12-07 | 2018-04-27 | 泰康保险集团股份有限公司 | 医疗大数据分析方法与装置 |
| CN109544357A (zh) * | 2018-10-25 | 2019-03-29 | 平安科技（深圳）有限公司 | 基于医保数据的数据处理方法及装置 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110335060A (zh) * | 2019-05-20 | 2019-10-15 | 微民保险代理有限公司 | 产品信息推送方法、装置、存储介质和计算机设备 |
| CN110458715A (zh) * | 2019-07-05 | 2019-11-15 | 中国平安财产保险股份有限公司 | 风险评分方法、装置及计算机可读存储介质 |
| CN110458715B (zh) * | 2019-07-05 | 2023-12-08 | 中国平安财产保险股份有限公司 | 风险评分方法、装置及计算机可读存储介质 |
| CN111008322A (zh) * | 2019-11-27 | 2020-04-14 | 广州快决测信息科技有限公司 | 一种自动识别有效数据采集模块的方法和系统 |
| CN111008322B (zh) * | 2019-11-27 | 2020-10-30 | 广州快决测信息科技有限公司 | 一种自动识别有效数据采集模块的方法和系统 |
| CN111179102A (zh) * | 2019-12-25 | 2020-05-19 | 北京亚信数据有限公司 | 医疗保险核保风控方法、装置及存储介质 |
| CN111179102B (zh) * | 2019-12-25 | 2023-10-03 | 北京亚信数据有限公司 | 医疗保险核保风控方法、装置及存储介质 |
| CN113688133A (zh) * | 2021-08-23 | 2021-11-23 | 泰康保险集团股份有限公司 | 基于合规计算的数据处理方法、系统、装置、介质及设备 |
| CN113688133B (zh) * | 2021-08-23 | 2024-01-05 | 泰康保险集团股份有限公司 | 基于合规计算的数据处理方法、系统、装置、介质及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109325869A (zh) | 用户投保风险评估方法、装置、计算机设备和存储介质 | |
| Özgen Narcı et al. | Financial catastrophe and poverty impacts of out-of-pocket health payments in Turkey | |
| US20170286608A1 (en) | System and method for evidence based differential analysis and incentives based healthcare policy | |
| US20200258604A1 (en) | Systems and methods for customized annotation of medical information | |
| CN109461482A (zh) | 健康计划生成方法、装置、计算机设备和存储介质 | |
| CN109545317A (zh) | 基于住院预测模型判定住院行为的方法及相关产品 | |
| CN109256206A (zh) | 问诊数据处理方法、装置、计算机设备和存储介质 | |
| CN108921707A (zh) | 核保处理方法、装置、计算机设备和存储介质 | |
| CN109118376A (zh) | 医疗保险保费定价方法、装置、计算机设备和存储介质 | |
| CN109522400A (zh) | 核保方法、装置、计算机设备和存储介质 | |
| Schmerler | Medical tourism in Germany | |
| CN109377388A (zh) | 医保投保方法、装置、计算机设备和存储介质 | |
| CN109325868A (zh) | 问卷数据处理方法、装置、计算机设备和存储介质 | |
| Bocoum et al. | The health care burden in rural Burkina Faso: consequences and implications for insurance design | |
| Bhowmik et al. | Economic burden of skeletal-related events in patients with multiple myeloma: analysis of US commercial claims database | |
| US20150134594A1 (en) | Systems and methods for medical information data warehouse management | |
| Yu et al. | Physician pricing behavior: Evidence from an Australian experiment | |
| CN109360110B (zh) | 自动理算方法、装置、计算机设备和存储介质 | |
| Ogino et al. | Current treatment status and medical cost for multiple sclerosis based on analysis of a Japanese claims database | |
| US20180107995A1 (en) | Personalized Out-of-Pocket Cost for Healthcare Service Bundles | |
| Lotfi et al. | Asymmetric information in Iranian’s health insurance market: Testing of adverse selection and moral hazard | |
| CN109472709A (zh) | 保险价格计算方法、装置、计算机设备和存储介质 | |
| CN109064344A (zh) | 客户价值排名方法、装置、计算机设备及存储介质 | |
| CN109543904A (zh) | 医疗数据预测方法、装置、计算机设备和存储介质 | |
| CN109493975A (zh) | 基于xgboost模型的慢性病复发预测方法、装置和计算机设备 |
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 |