CN109657852B - 一种基于大数据的保险业务处理方法及系统 - Google Patents

一种基于大数据的保险业务处理方法及系统 Download PDF

Info

Publication number
CN109657852B
CN109657852B CN201811517387.2A CN201811517387A CN109657852B CN 109657852 B CN109657852 B CN 109657852B CN 201811517387 A CN201811517387 A CN 201811517387A CN 109657852 B CN109657852 B CN 109657852B
Authority
CN
China
Prior art keywords
data
evaluation grade
insurance
risk
big data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811517387.2A
Other languages
English (en)
Other versions
CN109657852A (zh
Inventor
黄伟
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.)
Shanghai Baoyun Network Information Service Co ltd
Original Assignee
Shanghai Baoyun Network Information Service 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 Shanghai Baoyun Network Information Service Co ltd filed Critical Shanghai Baoyun Network Information Service Co ltd
Priority to CN201811517387.2A priority Critical patent/CN109657852B/zh
Publication of CN109657852A publication Critical patent/CN109657852A/zh
Application granted granted Critical
Publication of CN109657852B publication Critical patent/CN109657852B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Educational Administration (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明涉及一种基于大数据的保险业务处理方法及系统，其方法包括以下步骤，S1，获取与用户相关联的大数据，并对所述大数据进行分析，得到所述大数据的多项评价等级数据；S2，将多项所述评价等级数据代入到预设的保险风险预测模型中进行计算，得到风险指标；S3，根据所述风险指标推荐出对应的保险项目。本发明一种基于大数据的保险业务处理方法基于大数据的分析，并利用预设的保险风险预测模型中进行风险计算，可以提高风险计算的效率，且风险计算准确率高，风险控制效果良好，有利于保险公司的业务开展。

Description

一种基于大数据的保险业务处理方法及系统
技术领域
本发明涉及保险处理领域，具体涉及一种基于大数据的保险业务处理方法及系统。
背景技术
近些年来，随着居民生活水平的提高，保险行业迅速崛起，依据人生经历不同阶段的不同需要，有着多元化的保险产品，比如：医疗保险、车辆保险、退休保险、资产承传保险等。面对多元化的保险产品，保险公司为了控制风险，必须对参保人员做前期调查，且大多采用问卷调查，并对调查的问卷进行人工分析，参保前期调查费时费力，效率低下，风险控制效果不理想，不利于保险公司的业务开展。
发明内容
本发明所要解决的技术问题是提供一种基于大数据的保险业务处理方法及系统，可以提高风险控制效率和效果。
本发明解决上述技术问题的技术方案如下：一种基于大数据的保险业务处理方法，包括以下步骤，
S1，获取与用户相关联的大数据，并对所述大数据进行分析，得到所述大数据的多项评价等级数据；
S2，将多项所述评价等级数据代入到预设的保险风险预测模型中进行计算，得到风险指标；
S3，根据所述风险指标推荐出对应的保险项目。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述大数据至少包括用户的身份数据、职业数据、健康状态数据和社会行为数据。
进一步，所述S1对所述大数据进行分析的具体步骤为，
根据预设的评价等级分配制度分别对所述用户的身份数据、职业数据、健康状态数据和社会行为数据进行评价等级划分，对应地得到身份评价等级数据、职业评价等级数据、健康评价等级数据和社会行为评价等级数据。
进一步，所述保险风险预测模型具体为，
Pi＝A0Ai+B0Bi+C0Ci+D0Di+X，
其中，Pi为第i种保险业务的风险指标，A0为身份评价等级数据，B0为职业评价等级数据，C0为健康评价等级数据，D0为社会行为评价等级数据，Ai为身份评价等级数据A0在第i种保险业务中对应的权重，Bi为职业评价等级数据B0在第i种保险业务中对应的权重，Ci为健康评价等级数据C0在第i种保险业务中对应的权重，Di为社会行为评价等级数据D0在第i种保险业务中对应的权重，X为预设浮动指标。
进一步，所述Pi为百分制的风险指标，且0≤X≤10。
进一步，当Pi＜60时，过滤到第i种保险业务，当Pi≥60时，推荐出第i种保险业务。
本发明的有益效果是：本发明一种基于大数据的保险业务处理方法基于大数据的分析，并利用预设的保险风险预测模型中进行风险计算，可以提高风险计算的效率，且风险计算准确率高，风险控制效果良好，有利于保险公司的业务开展。
基于上述一种基于大数据的保险业务处理方法，本发明还提供一种基于大数据的保险业务处理系统。
一种基于大数据的保险业务处理系统，包括以下模块，
评价等级数据生成模块，其用于获取与用户相关联的大数据，并对所述大数据进行分析，得到所述大数据的多项评价等级数据；
风险指标生成模块，其用于将多项所述评价等级数据代入到预设的保险风险预测模型中进行计算，得到风险指标；
保险项目推荐模块，其用于根据所述风险指标推荐出对应的保险项目。
本发明的有益效果是：本发明一种基于大数据的保险业务处理系统基于大数据的分析，并利用预设的保险风险预测模型中进行风险计算，可以提高风险计算的效率，且风险计算准确率高，风险控制效果良好，有利于保险公司的业务开展。
附图说明
图1为本发明一种基于大数据的保险业务处理方法的流程图；
图2为本发明一种基于大数据的保险业务处理系统的结构框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，一种基于大数据的保险业务处理方法，包括以下步骤，
S1，获取与用户相关联的大数据，并对所述大数据进行分析，得到所述大数据的多项评价等级数据；
S2，将多项所述评价等级数据代入到预设的保险风险预测模型中进行计算，得到风险指标；
S3，根据所述风险指标推荐出对应的保险项目。
在本具体实施例中：所述大数据至少包括用户的身份数据、职业数据、健康状态数据和社会行为数据。例如，身份数据包括姓名、性别、年龄、出生地址、生活地址、将来可能变更的生活地址等(因生活区域环境的不同，可能会产生生活习惯的改变，因而会潜在影响风险评估)；职业数据包括用户从事的职业情况、出差情况等，健康状态数据包括身体患疾病情况等；社会行为数据包括违法违规处理记录等。
在本具体实施例中：所述S1对所述大数据进行分析的具体步骤为，
根据预设的评价等级分配制度分别对所述用户的身份数据、职业数据、健康状态数据和社会行为数据进行评价等级划分，对应地得到身份评价等级数据、职业评价等级数据、健康评价等级数据和社会行为评价等级数据。
在本具体实施例中：所述保险风险预测模型具体为，
Pi＝A0Ai+B0Bi+C0Ci+D0Di+X，
其中，Pi为第i种保险业务的风险指标，A0为身份评价等级数据，B0为职业评价等级数据，C0为健康评价等级数据，D0为社会行为评价等级数据，Ai为身份评价等级数据A0在第i种保险业务中对应的权重，Bi为职业评价等级数据B0在第i种保险业务中对应的权重，Ci为健康评价等级数据C0在第i种保险业务中对应的权重，Di为社会行为评价等级数据D0在第i种保险业务中对应的权重，X为预设浮动指标。X为预设浮动指标，其是灵活可变的，保险公司可以根据实际情况来调整X的取值，即风险指标可以受到保险公司决策的影响。
在本具体实施例中：所述Pi为百分制的风险指标，且0≤X≤10。
在本具体实施例中：当Pi＜60时，过滤到第i种保险业务，当Pi≥60时，推荐出第i种保险业务。保险业务有多种，例如医疗保险、车辆保险、退休保险、资产承传保险等，在这些大的险种中又可以包含多种小的险种。
本发明一种基于大数据的保险业务处理方法基于大数据的分析，并利用预设的保险风险预测模型中进行风险计算，可以提高风险计算的效率，且风险计算准确率高，风险控制效果良好，有利于保险公司的业务开展。
基于上述一种基于大数据的保险业务处理方法，本发明还提供一种基于大数据的保险业务处理系统。
如图2所示，一种基于大数据的保险业务处理系统，包括以下模块，
评价等级数据生成模块，其用于获取与用户相关联的大数据，并对所述大数据进行分析，得到所述大数据的多项评价等级数据；
风险指标生成模块，其用于将多项所述评价等级数据代入到预设的保险风险预测模型中进行计算，得到风险指标；
保险项目推荐模块，其用于根据所述风险指标推荐出对应的保险项目。
本发明的有益效果是：本发明一种基于大数据的保险业务处理系统基于大数据的分析，并利用预设的保险风险预测模型中进行风险计算，可以提高风险计算的效率，且风险计算准确率高，风险控制效果良好，有利于保险公司的业务开展。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于大数据的保险业务处理方法，其特征在于：包括以下步骤，
S1，获取与用户相关联的大数据，并对所述大数据进行分析，得到所述大数据的多项评价等级数据；
S2，将多项所述评价等级数据代入到预设的保险风险预测模型中进行计算，得到风险指标；
S3，根据所述风险指标推荐出对应的保险项目；
所述大数据至少包括用户的身份数据、职业数据、健康状态数据和社会行为数据；
所述S1对所述大数据进行分析的具体步骤为，
根据预设的评价等级分配制度分别对所述用户的身份数据、职业数据、健康状态数据和社会行为数据进行评价等级划分，对应地得到身份评价等级数据、职业评价等级数据、健康评价等级数据和社会行为评价等级数据；
所述保险风险预测模型具体为，
Pi＝A0Ai+B0Bi+C0Ci+D0Di+X，
其中，Pi为第i种保险业务的风险指标，A0为身份评价等级数据，B0为职业评价等级数据，C0为健康评价等级数据，D0为社会行为评价等级数据，Ai为身份评价等级数据A0在第i种保险业务中对应的权重，Bi为职业评价等级数据B0在第i种保险业务中对应的权重，Ci为健康评价等级数据C0在第i种保险业务中对应的权重，Di为社会行为评价等级数据D0在第i种保险业务中对应的权重，X为预设浮动指标。
2.根据权利要求1所述的一种基于大数据的保险业务处理方法，其特征在于：所述Pi为百分制的风险指标，且0≤X≤10。
3.根据权利要求2所述的一种基于大数据的保险业务处理方法，其特征在于：当Pi＜60时，过滤到第i种保险业务，当Pi≥60时，推荐出第i种保险业务。
4.一种基于大数据的保险业务处理系统，其特征在于：包括以下模块，
评价等级数据生成模块，其用于获取与用户相关联的大数据，并对所述大数据进行分析，得到所述大数据的多项评价等级数据；
风险指标生成模块，其用于将多项所述评价等级数据代入到预设的保险风险预测模型中进行计算，得到风险指标；
保险项目推荐模块，其用于根据所述风险指标推荐出对应的保险项目；
所述大数据至少包括用户的身份数据、职业数据、健康状态数据和社会行为数据；
所述评价等级数据生成模块具体用于，根据预设的评价等级分配制度分别对所述用户的身份数据、职业数据、健康状态数据和社会行为数据进行评价等级划分，对应地得到身份评价等级数据、职业评价等级数据、健康评价等级数据和社会行为评价等级数据；
所述保险风险预测模型具体为，
Pi＝A0Ai+B0Bi+C0Ci+D0Di+X，
其中，Pi为第i种保险业务的风险指标，A0为身份评价等级数据，B0为职业评价等级数据，C0为健康评价等级数据，D0为社会行为评价等级数据，Ai为身份评价等级数据A0在第i种保险业务中对应的权重，Bi为职业评价等级数据B0在第i种保险业务中对应的权重，Ci为健康评价等级数据C0在第i种保险业务中对应的权重，Di为社会行为评价等级数据D0在第i种保险业务中对应的权重，X为预设浮动指标。
CN201811517387.2A 2018-12-12 2018-12-12 一种基于大数据的保险业务处理方法及系统 Active CN109657852B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811517387.2A CN109657852B (zh) 2018-12-12 2018-12-12 一种基于大数据的保险业务处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811517387.2A CN109657852B (zh) 2018-12-12 2018-12-12 一种基于大数据的保险业务处理方法及系统

Publications (2)

Publication Number Publication Date
CN109657852A CN109657852A (zh) 2019-04-19
CN109657852B true CN109657852B (zh) 2023-09-12

Family

ID=66113983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811517387.2A Active CN109657852B (zh) 2018-12-12 2018-12-12 一种基于大数据的保险业务处理方法及系统

Country Status (1)

Country Link
CN (1) CN109657852B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111507852B (zh) * 2020-04-27 2022-08-09 好活（昆山）网络科技有限公司 基于大数据的保险方案的确定方法、装置、介质及设备
CN112766785B (zh) * 2021-01-28 2024-03-15 中国人寿保险股份有限公司上海数据中心 用于保险数据的质量评价方法、系统、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108305178A (zh) * 2018-02-07 2018-07-20 中国平安人寿保险股份有限公司 一种险种销售智能推荐方法、设备及存储介质
CN108665175A (zh) * 2018-05-16 2018-10-16 阿里巴巴集团控股有限公司 一种保险业务风险预测的处理方法、装置及处理设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160012542A1 (en) * 2014-07-11 2016-01-14 The Travelers Indemnity Company Systems, Methods, and Apparatus for Hazard Grade Determination for an Insurance Product

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108305178A (zh) * 2018-02-07 2018-07-20 中国平安人寿保险股份有限公司 一种险种销售智能推荐方法、设备及存储介质
CN108665175A (zh) * 2018-05-16 2018-10-16 阿里巴巴集团控股有限公司 一种保险业务风险预测的处理方法、装置及处理设备

Also Published As

Publication number Publication date
CN109657852A (zh) 2019-04-19

Similar Documents

Publication Publication Date Title
Colombi et al. Determinants of transient and persistent hospital efficiency: The case of Italy
Frees et al. Insurance ratemaking and a Gini index
Tighe et al. Teaching a machine to feel postoperative pain: combining high-dimensional clinical data with machine learning algorithms to forecast acute postoperative pain
Gozalo et al. Hospice enrollment and evaluation of its causal effect on hospitalization of dying nursing home patients
CN108492196A (zh) 通过数据分析推断医疗保险违规行为的风控方法
Carnes et al. Mortality partitions and their relevance to research on senescence
Kjærgaard et al. Forecasting causes of death by using compositional data analysis: the case of cancer deaths
US20140006044A1 (en) System and method for preparing healthcare service bundles
CN110544155A (zh) 用户信用评分的获取方法、获取装置、服务器及存储介质
Chen et al. Claims data-driven modeling of hospital time-to-readmission risk with latent heterogeneity
Gilmour Identification of hospital catchment areas using clustering: an example from the NHS
CN107146160B (zh) 投保客户健康状况分析方法及服务器
CN112990386B (zh) 用户价值聚类方法、装置、计算机设备和存储介质
CN109657852B (zh) 一种基于大数据的保险业务处理方法及系统
CN114399321A (zh) 一种业务系统稳定性分析方法、装置和设备
CN110019774B (zh) 标签分配方法、装置、存储介质及电子装置
Fraixedas et al. Nationally reported metrics can’t adequately guide transformative change in biodiversity policy
Panigrahi et al. Selection-adjusted inference: an application to confidence intervals for cis-eQTL effect sizes
CN114912720A (zh) 基于记忆网络电力负荷预测方法、装置、终端及存储介质
Katharakis et al. SFA vs. DEA for measuring healthcare efficiency: A systematic review
Limon et al. Reliability estimation considering usage rate profile and warranty claims
Brunsdon et al. Predicting participation in higher education: A comparative evaluation of the performance of geodemographic classifications
Kark et al. Peak morphological diversity in an ecotone unveiled in the chukar partridge by a novel Estimator in a Dependent Sample (EDS)
CN113706336B (zh) 风险评估方法、装置、计算机设备和存储介质
CN115081893A (zh) 用户用电数据分析方法、装置、电子设备及可读存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20230817

Address after: Room l227x, 1f, No. 179, Maotai Road, Changning District, Shanghai 200050

Applicant after: Shanghai Baoyun Network Information Service Co.,Ltd.

Address before: Room 1307, 13th Floor, Unit 1, Building 2, No. 722, Middle Section of Yizhou Avenue, Chengdu High tech Zone, China (Sichuan) Pilot Free Trade Zone, Chengdu City, Sichuan Province, 610000

Applicant before: SICHUAN YIXIAOBAO NETWORK TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant