CN111652614A - 数据处理系统、数据处理方法及装置 - Google Patents

数据处理系统、数据处理方法及装置 Download PDF

Info

Publication number
CN111652614A
CN111652614A CN202010484340.1A CN202010484340A CN111652614A CN 111652614 A CN111652614 A CN 111652614A CN 202010484340 A CN202010484340 A CN 202010484340A CN 111652614 A CN111652614 A CN 111652614A
Authority
CN
China
Prior art keywords
execution
guarantee contract
amount
risk guarantee
period
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.)
Granted
Application number
CN202010484340.1A
Other languages
English (en)
Other versions
CN111652614B (zh
Inventor
周国平
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.)
Taikang Insurance Group Co Ltd
Taikang Online Property Insurance Co Ltd
Original Assignee
Taikang Insurance Group Co Ltd
Taikang Online Property Insurance 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 Taikang Insurance Group Co Ltd, Taikang Online Property Insurance Co Ltd filed Critical Taikang Insurance Group Co Ltd
Priority to CN202010484340.1A priority Critical patent/CN111652614B/zh
Publication of CN111652614A publication Critical patent/CN111652614A/zh
Application granted granted Critical
Publication of CN111652614B publication Critical patent/CN111652614B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
    • G06Q20/3821—Electronic credentials
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Technology Law (AREA)
  • Development Economics (AREA)
  • Computer Security & Cryptography (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本公开涉及数据处理技术领域，具体涉及数据处理系统、方法和装置、存储介质及电子终端。所述系统包括：数据采集系统，用于响应于一终端的数据处理请求，调用目标数据处理接口以获取目标类型的历史风险保障契约凭证数据；评估系统，用于提取各统计周期内归属各执行周期的风险保障契约累计执行数额，并计算各统计周期内相邻执行周期的风险保障契约累计执行数额差值；根据各统计周期内相邻执行周期的风险保障契约累计执行数额差值获取各执行周期的风险保障契约执行数额的增长率；基于所述各执行周期的执行数额的增长率生成评估结果；展示系统，用于接收并展示所述评估结果。本公开的系统可以基于历史数据自动生成赔付率评估结果并进行展示。

Description

数据处理系统、数据处理方法及装置
技术领域
本公开涉及数据处理技术领域，具体涉及一种数据处理系统、一种数据处理方法、一种数据处理装置、一种存储介质以及一种电子终端。
背景技术
随着计算机技术的快速发展，人们的日常生活在各行各业中都产生了海量的数据。例如：金融领域、通信领域以及即时通讯等领域。通过对数据进行梳理，可以对已发生的事件进行统计，并对部分事件的未来发展进行准确的预测。例如，对用户购物行为进行预测，在通信领域对数据流量进行预测，等等。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此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
本公开的目的在于提供一种数据处理系统、一种数据处理方法、一种数据处理装置、一种存储介质以及一种电子终端，实现对赔付率的准确评估，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一个或者多个问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的第一方面，提供一种数据处理系统，包括：
数据采集系统，用于响应于一终端的数据处理请求，调用目标数据处理接口以获取目标类型的历史风险保障契约凭证数据；其中，所述历史风险保障契约凭证数据包括连续多个统计周期内的风险保障契约凭证数据；
评估系统，用于提取各统计周期内归属各执行周期的风险保障契约累计执行数额，并计算各统计周期内相邻执行周期的风险保障契约累计执行数额差值；根据各统计周期内相邻执行周期的风险保障契约累计执行数额差值获取各执行周期的风险保障契约执行数额的增长率；以及基于所述各执行周期的执行数额的增长率生成评估结果；
展示系统，用于接收并展示所述评估结果。
在本公开的一种示例性实施例中，所述评估系统包括：平均增长率计算模块，用于在获取各执行周期的风险保障契约执行数额的增长率后，根据各执行周期的风险保障契约执行数额的增长率计算各执行周期在各统计周期内的风险保障契约执行数额的平均增长率，以用于将所述平均增长率作为所述评估结果。
在本公开的一种示例性实施例中，所述评估系统还包括：原始数额参数采集模块，用于在获取各执行周期的风险保障契约执行数额的增长率时，识别所述历史风险保障契约凭证数据，以获取各所述统计周期内历史风险保障契约对应的原始数额；第一已收纳数额参数统计模块，用于基于各所述统计周期内历史风险保障契约对应的原始数额确定各统计周期内所述风险保障契约对应的已收纳数额；第二已收纳数额参数统计模块，用于根据各统计周期内对应的已收纳数额确定各统计周期内各所述执行周期对应的所述风险保障契约已收纳数额；增长率计算模块，用于计算各统计周期内相邻的所述执行周期对应的所述风险保障契约已收纳数额的增长率；以及评估模块，用于基于所述执行周期对应的所述风险保障契约已收纳数额的增长率与所述各执行周期的执行数额的增长率生成评估结果，并展示所述评估结果。
在本公开的一种示例性实施例中，所述风险保障契约包括已完成风险保障契约和未完成风险保障契约。
在本公开的一种示例性实施例中，所述评估结果生成模块包括：第一预测单元，用于基于所述所述风险保障契约已收纳数额的增长率预测所述未完成风险保障契约在对应的执行周期内的收纳数额；以及第二预测单元，用于基于所述所述风险保障契约执行数额的增长率预测所述未完成风险保障契约在对应的执行周期内的执行数额；评估结果生成单元，用于根据风险保障契约各所述执行周期对应的收纳数额和执行数额生成评估结果。
在本公开的一种示例性实施例中，所述系统还包括：数据更新系统，用于基于所述评估结果，根据预设规则生成所述风险保障契约原始数额的更新数据，并通过所述展示系统展示所述更新数据。
根据本公开的第二方面，提供一种数据处理方法，包括：
响应于一业务系统的数据处理请求，调用目标数据处理接口以获取目标类型的历史风险保障契约凭证数据；其中，所述历史风险保障契约凭证数据包括连续多个统计周期内的风险保障契约凭证数据；
提取各统计周期内归属各执行周期的风险保障契约累计执行数额，并计算各统计周期内相邻执行周期的风险保障契约累计执行数额差值；
根据各统计周期内相邻执行周期的风险保障契约累计执行数额差值获取各执行周期的风险保障契约执行数额的增长率；
基于所述各执行周期的执行数额的增长率生成评估结果，并展示所述评估结果。
根据本公开的第三方面，提供一种数据处理装置，包括：
数据获取模块，用于响应于一业务系统的数据处理请求，调用目标数据处理接口以获取目标类型的历史风险保障契约凭证数据；其中，所述历史风险保障契约凭证数据包括连续多个统计周期内的风险保障契约凭证数据；
累计执行数额差值计算模块，用于提取各统计周期内归属各执行周期的风险保障契约累计执行数额，并计算各统计周期内相邻执行周期的风险保障契约累计执行数额差值；
执行数额增长率计算模块，用于根据各统计周期内相邻执行周期的风险保障契约累计执行数额差值获取各执行周期的风险保障契约执行数额的增长率；
评估结果展示模块，用于基于所述各执行周期的执行数额的增长率生成评估结果，并展示所述评估结果。
根据本公开的第四方面，提供一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的数据处理方法。
根据本公开的第五方面，提供一种电子终端，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行上述的数据处理方法。
本公开的一种实施例所提供的系统，通过利用数据采集系统获取目标类型的历史风险保障契约凭证数据，并对其进行统计和计算，利用评估系统可以准确的获取各执行周期的风险保障契约执行数额的增长率，进而获取准确的评估结果。实现通过对历史数据的统计、计算，可以自动赔付率赔付率生成评估结果。实现基于数据统计的赔付率评估。
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和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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示意性示出本公开示例性实施例中一种数据处理方法的流程示意图；
图2示意性示出本公开示例性实施例中一种数据处理方法的流程示意图；
图3示意性示出本公开示例性实施例中指定时间段内历史保单赔款数据示意图；
图4示意性示出本公开示例性实施例中各承保月累计保单在M0-M12周期上的总赔款示意图；
图5示意性示出本公开示例性实施例中12个承包月累计保单在M1-M12的赔款分布示意图；
图6示意性示出本公开示例性实施例中的累计赔付分布示意图；
图7示意性示出本公开示例性实施例中的各理赔期赔付率对比分布图；
图8示意性示出本公开示例性实施例中的赔付率差值分布示意图；
图9示意性示出本公开示例性实施例中一种数据处理装置的组成示意图；
图10示意性示出本公开示例性实施例中一种数据处理系统的架构示意图；
图11示意性示出本公开示例性实施例中一种数据处理系统的组成示意图；
图12示意性示出本公开示例性实施例中一种电子设备的组成示意图；
图13示意性示出本公开示例性实施例中一种程序产品的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。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方式中。
赔付率是指保险公司赔款支出与保费收入之间对比关系。现有技术中，一般通过当前保单信息、理赔等数据对保险赔付支出进行计算。由于当年生效保单发生的总赔款的全部决案要远远滞后于当年签单保费的统计，造成赔款这一最主要的变动成本无法在会计年度内及时完整的体现。尤其对于短期险的赔付率的预测，缺乏有效的预测方法。
赔付率作为保险公司赔付状况的真实体现，它的本质是保险公司赔款支出与保费收入之间对比关系。总的来看，赔付率指标可以分为简单赔付率、满期赔付率、历年制赔付率和综合赔付率等四类指标。具体详如下：
1.简单赔付率
计算公式：简单赔付率＝(已决赔款+未决赔款)/保费收入*100％
公式含义：反映统计区间内赔款与保费收入的简单比例关系；能从一定程度上反映公司未来现金流动情况。
2.满期赔付率
计算公式：满期赔付率＝承保年度生效保单项下的(已决赔款+未决赔款)/承保年度生效保单项下的满期保费*100％
公式含义：反映统计区间内已赚保费与其对应的赔款的匹配关系，是承保年度满期赔付率。
3.历年制赔付率
计算公式：历年制赔付率＝(当期已决赔款+期末未决赔付款-期初未决赔款)/(当期保费收入-期末未满期保费+期初末未满期保费)*100％
公式含义：反映统计区间内已赚保费与统计区间内发生的赔款之间的匹配关系；也叫事故年度制满期赔付率。
4.综合赔付率
计算公式：赔款支出＝(本年度已决赔款+净未决赔款准备金提转差+分保赔款支出-摊分保赔款-追偿款收入)/(当期保费收入-分出保费+分入保费-未到期准备金提转差)*100％
公式含义：考虑再保因素影响后反映统计区间内以红钻保费与赔款之间相互的匹配关系。
综合赔付率一般是根据保险公司利润表中相关指标进行计算而得，是考虑再保、精算等因素的综合性指标。赔付率大小是业务质量的必然反映，赔付率低说明客户质量好，赔付率高说明客户质量差。所以，如何预测赔付率已成为保险行业的一大课题。然而，由于行业的特点，每个保险公司在会计年度都无法准确的核算出当年经营的真实成本。其原因是当年生效保单发生的总赔款的全部决案要远远滞后于当年签单保费的统计，造成赔款这一最主要的变动成本无法在会计年度内及时完整的体现。尤其对于短期险的赔付率的预测，暂时没有明确的预测方式方法。
本示例实施方式中首先提供了一种数据处理系统，基于数据统计结果对赔付率变化进行准确的评估。
本示例的实施方式中提供了一种基于数据统计的数据处理系统，可以应用于对赔付率的评估和预测，具体可以包括：数据采集系统、评估系统和展示系统。具体来说，参考图10所示，为数据处理系统1000网络架构示意图，其可以包括：服务器端1010和用户终端1020。通过服务器端和用户终端协作实现基于数据统计的赔付率评估。其中，用户终端可以是笔记本电脑、手机或平板电脑等智能终端设备。
参考图11所示，其中，服务器端1010可以配置有数据采集系统1001、评估系统1002。用户终端1020可以配置有展示系统1003。其中，
数据采集系统1001可以用于响应于一终端的数据处理请求，调用目标数据处理接口以获取目标类型的历史风险保障契约凭证数据；其中，所述历史风险保障契约凭证数据包括连续多个统计周期内的风险保障契约凭证数据。
评估系统1002可以用于提取各统计周期内归属各执行周期的风险保障契约累计执行数额，并计算各统计周期内相邻执行周期的风险保障契约累计执行数额差值；根据各统计周期内相邻执行周期的风险保障契约累计执行数额差值获取各执行周期的风险保障契约执行数额的增长率；以及基于所述各执行周期的执行数额的增长率生成评估结果。
展示系统1003可以用于在终端侧接收并展示所述评估结果。举例来说，服务器端在生成评估结果后，便可以将其反馈至终端设备，使得终端设备在接收到评估结果后，在交互界面中自动展示该评估结果。
本示例实施方式中，上述的评估系统可以包括：平均增长率计算模块，用于在获取各执行周期的风险保障契约执行数额的增长率后，根据各执行周期的风险保障契约执行数额的增长率计算各执行周期在各统计周期内的风险保障契约执行数额的平均增长率，以用于将所述平均增长率作为所述评估结果。
本示例实施方式中，上述的评估系统还可以包括：
原始数额参数采集模块，用于在获取各执行周期的风险保障契约执行数额的增长率时，识别所述历史风险保障契约凭证数据，以获取各所述统计周期内历史风险保障契约对应的原始数额；
第一已收纳数额参数统计模块，用于基于各所述统计周期内历史风险保障契约对应的原始数额确定各统计周期内所述风险保障契约对应的已收纳数额；
第二已收纳数额参数统计模块，用于根据各统计周期内对应的已收纳数额确定各统计周期内各所述执行周期对应的所述风险保障契约已收纳数额；
增长率计算模块，用于计算各统计周期内相邻的所述执行周期对应的所述风险保障契约已收纳数额的增长率；以及
评估模块，用于基于所述执行周期对应的所述风险保障契约已收纳数额的增长率与所述各执行周期的执行数额的增长率生成评估结果。
本示例实施方式中，所述风险保障契约包括已完成风险保障契约和未完成风险保障契约。
本示例实施方式中，上述的评估结果生成模块可以包括：
第一预测单元，用于基于所述所述风险保障契约已收纳数额的增长率预测所述未完成风险保障契约在对应的执行周期内的收纳数额；以及
第二预测单元，用于基于所述所述风险保障契约执行数额的增长率预测所述未完成风险保障契约在对应的执行周期内的执行数额；
评估结果生成单元，用于根据风险保障契约各所述执行周期对应的收纳数额和执行数额生成评估结果。
本示例实施方式中，上述的数据处理系统还可以包括：
数据更新系统，用于基于所述评估结果，根据预设规则生成所述风险保障契约原始数额的更新数据，并通过所述展示系统展示所述更新数据。
通过利用服务器和用户终端协作的方式，对保险公司的相关数据进行统计，从而对赔付率进行准确的预测。
对应于上述的数据处理系统，本示例实施方式中还提供了一种数据处理方法。以下通过数据处理方法对上述的数据处理系统中各系统、模块的具体细节进行详细描述。参考图1中所示，上述的数据处理方法可以包括以下步骤：
步骤S11，响应于一业务系统的数据处理请求，调用目标数据处理接口以获取目标类型的历史风险保障契约凭证数据；其中，所述历史风险保障契约凭证数据包括连续多个统计周期内的风险保障契约凭证数据；
步骤S12，提取各统计周期内归属各执行周期的风险保障契约累计执行数额，并计算各统计周期内相邻执行周期的风险保障契约累计执行数额差值；
步骤S13，根据各统计周期内相邻执行周期的风险保障契约累计执行数额差值获取各执行周期的风险保障契约执行数额的增长率；
步骤S14，基于所述各执行周期的执行数额的增长率生成评估结果，并展示所述评估结果。
本示例实施方式所提供的数据处理方法，通过获取目标类型的历史风险保障契约凭证数据，并对其进行统计和计算，可以准确的获取各执行周期的风险保障契约执行数额的增长率，进而获取准确的评估结果。实现基于历史数据自动生成评估结果，进而实现基于数据统计对赔付率进行准确评估。
下面，将结合附图及实施例对本示例实施方式中的上述的数据处理方法中各个步骤进行更详细的说明。
步骤S11，响应于一业务系统的数据处理请求，调用目标数据处理接口以获取历史风险保障契约凭证数据；其中，所述历史风险保障契约凭证数据包括连续多个统计周期内的风险保障契约凭证数据。
本示例实施方式中，对应于上述的数据采集系统，可以包括一数据统计服务器；数据统计服务器可以与一业务服务器建立通讯联系，可以接收来自于业务服务器中业务系统的数据处理请求，并根据该数据处理请求调用数据处理接口来获取指定类型的历史风险保障契约凭证数据。举例来说，用户可以通过智能终端设备向业务服务器发送数据处理请求，业务服务器根据来自用户终端的数据处理请求生成针对数据统计服务器的数据处理请求。数据处理请求可以包括数据类型和时间信息。例如，上述的历史风险保障契约凭证数据可以指定险种类型的保单数据。时间信息可以是指定时间段内的保单数据。用户可以根据数据类型和时间信息来限定需要进行统计的指定时间内的保单类型。例如，2018年1月-12月的某短期险种。
本示例实施方式中，数据统计服务器可以根据数据处理请求向目标数据库中提取相关的历史保单数据。例如，风险保障契约凭证数据可以是保单数据，例如提取2018年1月-12月的某短期险种的保单数据，该短期险种可以是将一个月份作为一个统计周期，即一个承保月。通过统计历史12个承保月的保单来进行赔付率的预测。
步骤S12，提取各统计周期内归属各执行周期的风险保障契约累计执行数额，并计算各统计周期内相邻执行周期的风险保障契约累计执行数额差值。
本示例实施方式中，对应于上述的评估系统，可以预先确定待统计险种的理赔周期，进行确定执行周期。例如，指定险中的理赔周期为12个月，则执行周期包括M1、M2、……M11、M12。各理赔周期内的赔款作为各执行周期的风险保障契约累计执行数额。
基于提取的历史数据，统计历史12个承包月的保单在各理赔期M0、M1、M2、...、M12上的累计赔付金额Di n。根据各理赔期的累计赔付金额可以计算各承包月内各相邻理赔期的赔付金额差额。
步骤S13，根据各统计周期内相邻执行周期的风险保障契约累计执行数额差值获取各执行周期的风险保障契约执行数额的增长率。
本示例实施方式中，基于上一步骤中的统计结果，可以计算出相邻理赔期的赔款增长率Vn。公式可以包括：
Vn＝Di n/Di n-1；其中，n＝2、3、……12。Di n表示第i个承保月在第n个理赔期的累计赔付金额。
步骤S14，基于所述各执行周期的执行数额的增长率生成评估结果，并展示所述评估结果。
本示例实施方式中，服务器端在生成评估结果后，便可以发送至用户终端，以便于自动在用户终端的交互界面中进行展示。举例来说，用户终端可以是配置有显示器的电脑、手机或平板等智能终端设备。
具体来说，根据上述步骤的统计结果，便可以生成对应的评估结果，将该结果发送至业务服务器。再由业务服务器反馈至用户终端。
基于上述内容，在本公开的其他示例性实施方式中，还可以根据各执行周期的风险保障契约执行数额的增长率计算各执行周期在各统计周期内的风险保障契约执行数额的平均增长率，以用于将所述平均增长率作为所述评估结果。
具体来说，公式可以包括：
Figure BDA0002518440330000101
借助各理赔期的平均赔款增长率，便可以预测未知理赔周期的赔款。
在本公开的其他示例性实施方式中，还可以通过统计保费和赔款对赔付率进行预测。具体来说，获取各执行周期的风险保障契约执行数额的增长率时，参考图2所示，上述的方法还可以包括：
步骤S21，识别所述历史风险保障契约凭证数据，以获取各所述统计周期内历史风险保障契约对应的原始数额；
步骤S22，基于各所述统计周期内历史风险保障契约对应的原始数额确定各统计周期内所述风险保障契约对应的已收纳数额；
步骤S23，根据各统计周期内对应的已收纳数额确定各统计周期内各所述执行周期对应的所述风险保障契约已收纳数额；
步骤S24，计算各统计周期内相邻的所述执行周期对应的所述风险保障契约已收纳数额的增长率；以及
步骤S25，基于所述执行周期对应的所述风险保障契约已收纳数额的增长率与所述各执行周期的执行数额的增长率生成评估结果，并展示所述评估结果。
本示例实施方式中，可以首先统计出历史各承包月在各理赔周期M1、M2、...、M12理赔上的赔款d1、d2、dn、……d12。从而可以根据各执行周期内的累计执行数额统计相邻执行周期之间的风险保障契约累计执行数额差值。例如，可以利用上月的赔款加上当月的赔款求得横向累计赔款Dn。例如D1＝d1；D2＝D1+d1；……；Dn＝Dn-1+dn；……；D12＝D11+d12。
基于上一步骤中的统计结果，可以计算出各承包月保单在相邻理赔期的理赔金额的增长率Vn。公式可以包括：
Vn＝Dn/Dn-1；其中，n＝2、3、……12。
同时，可以统计出历史各承保月保单的原始保费Pn，作为各所述统计周期内历史风险保障契约对应的原始数额。进而计算出各承保月的已赚保费qn，作为各统计周期内所述风险保障契约对应的已收纳数额。其中，qn＝Pn/12。继而统计历史各承保月在各理赔期的横向累计已赚保费，p1＝qn；p2＝p1+q2；……；pn＝pn-1+qn。
基于上述统计结果，计算出各承保月保单在相邻理赔期Mn/Mn-1的保费的增长率Un。其中，Un＝pn/pn-1；其中，n＝2,3,...,12。
基于上述统计出的赔款和保费的增长率，预测出未满期保单在未过的保单期/理赔期的保费Hn和赔款Tn。其中；
Hn＝Hn-1*Un
Tn＝Tn-1*Vn
基于上述统计结果，计算赔款的保费的增长率，公式可以包括：
Zn＝Tn/Hn
举例来说，若目标类型的风险保障契约为1年期的短险，保障期为12个月，赔付有效期是18个月，所以对于赔付率的预测需先分别预测各承保月的保单在M0、M1、M2、.....M11、M12理赔期的总赔款、总保费后，从而计算出各承保月各理赔期的赔付率。
例如，参考图3所示，2017年12个月的保单分别在M0-M12周期上的表现，赔款在M3-M9这一周期赔款较高，M1、M2、M3为保单的等待期，赔款的表现不是很高，但是在M9-M12的表现呈下降趋势。参考图4所示，短期险的保单的理赔周期为18个月，累计赔款在M0-M12周期范围内保持对数式上升趋势，从M12以后基本保持不变。
基于上述实施例的方法训练赔付率评估模型，利用该评估模型执行上述的评估方法。参考图5、6所示，模型上线前后12个月的纵向累计赔款基本差异不是很明显，但是纵横累计赔款差异较明显，从M3开始模型上线后的赔款略低于模型上线前的赔款。随着理赔期的延生，模型上线前后的总赔款的差异越来越大。
按照综合赔付率的计算口径(综合赔付率＝(已决赔款+未决赔款)/已赚保费)，对比模型上线前后各承保月保单在M0-M12理赔期上的赔付率。
参考图7所示：业务模型上线后的赔付率略低于模型上线前的赔付率，在M3之前模型对赔付率的效果并不是很明显，但是在M5周期开始，效果越来越明显基本保持在0.65％左右。
例如，相关业务指标以及各业务指标之间的如下：
a)第I月的保单在第k个保单周期的已赚保费＝第I月的原始保费*k/12(其中k为已过保单周期，k＝1,2,3,...,12)
b)总赔款＝赔款人数*人均赔款＝已赚保费*赔付率
c)拒保率＝拒保人数/承保客户数
d)综合发生率＝出险人数/承保人数
e)拒保客户发生率＝拒保客户中的出险人数/拒保人数
f)综合赔款＝核保通过客户人数*核保通过客户的发生率*好客户人均赔款+拒保客户人数*拒保客户的发生率*拒保客户的人均赔款
g)已赚保费＝[min(统计日期,终保日期)-起保日期]/(终保日期-起保日期)*保费
h)模型上线后的赔付率＝(综合赔款-拒保客户总赔款)/(总已赚保费-拒保客户已赚保费)。
参考表1和表2所示，分别为模型上线前后的历史赔款和历史保费，汇总获取的增长系数统计表，对于后期的预测都需要借助下表的系数进行预测。
Figure BDA0002518440330000131
表1
Figure BDA0002518440330000132
表2
其中保费的年增长率为1.08，保费平均月增长率为1.06。
(1)根据上述的增长系数表预测2018年各承保月的赔付率。
各理赔期赔款的预测公式如下：
Figure BDA0002518440330000133
其中，Di n表示第i个承包月在第n个承保月的理赔金额；rate表示Mn理赔月的赔款相对于Mn-1理赔月赔款的增长率。
各承保期的保费的预测公式如下：
Figure BDA0002518440330000141
其中，Pi n表示第i个承包月在第n个承保月的理赔金额；rate表示Pn理赔月的赔款相对于Pn-1理赔月赔款的增长率(即进展因子)。
各承保期各理赔期的赔付率计算公式如下：
Figure BDA0002518440330000142
其中，Lri n表示表示第i个承保月在第n个理赔期的赔付率。
根据以上的计算公式可以预测出模型上线前后的赔付率，详情如下表:
Figure BDA0002518440330000143
表3模型上线前的赔付率分布
Figure BDA0002518440330000144
表4模型上线后的赔付率分布
通过对比模型上线前后的赔付率(如表4和表5所示)，用模型上线前的赔付率减去模型上线后的赔付率便可以得到，业务模型对赔付率的影响，具体参见图8所示。
本示例实施方式中，举例来说，利用保费和赔款预测赔付率。例如，针对目标险种产品2017年的已赚赔款、人均赔款、拒保客户(坏客户)、核保通过客户(好客户)的承保占比以及拒保率等指标共同来预测2018年的赔付率。
假设住院保产品2017年的承保人数为a人,综合出险率为b％,综合人均赔款为t元/人，人均保费为p元/人。
则拒保客户数为0.025a人，拒保出险率为2.0532*b％，拒保人均赔款为2.157*t元/人，拒保人均保费为0.013*p元/人。
观察期为2019年1月1日，从观察期来看，2017年的保单都已经满期(即已过保单月为12)，则目前我们先来预测一下模型上线前后的满期赔付率的变化情况。
根据公式
Figure BDA0002518440330000151
可以计算出：
则2017年7月-2017年12月的模型上线前的赔付率
pr1＝abt/ap＝bt/p
根据公式(b)、(c)、(d)三式：
Figure BDA0002518440330000153
拒保出险率＝2.053*综合出险率 (c)
拒保人均赔款＝2.157*综合人均赔款 (d)
根据公式(b)、(c)、(d)三式可以获取：
Figure BDA0002518440330000161
则2017年7月-2017年12月的模型上线前的赔付率
pr2＝(abt-0.025a*2.0532b*2.157t)/(ap-0.025a*0.013p)＝88.96％pr1
通过对比模型上线前后的赔付率可以用赔付率差值来评估：
△pr1＝pr1-pr2＝11.04％(bt/p)
接下来，对2018年1月-2018年6月这一时间段，模型上线前后的赔付率进行预测，在预测之前先来分析汇总，2017年7月-2017年12月的承保人数、人均保费、人均赔款以及出险率等重要指标的变化率系数。
Figure BDA0002518440330000162
表4赔付率预测的指标系数汇总
通过上面的的指标系数可以得到预测指标系数，如下表：
Figure BDA0002518440330000163
表5赔付率预测系数汇总
根据以上的指标和公式(e)式可以得到，2018年1月-2018年6月模型上线前的赔付率：
pr3＝(1.063a*0.959b*0.97t)/(1.063a*1.021p)＝91.15％pr1
根据以上的指标和(e)式可以得到，2018年1月-2018年6月模型上线前的赔付率：
pr4＝58.42％pr1
通过对比模型上线前后的赔付率可以用赔付率差值来评估：
△pr2＝pr3-pr4＝32.73％(bt/p)
通过上面的验证结果，可以得知：若不受其他因素的影响，核保模型对赔付率的影响会越来越明显；且在不考虑其他因素的情况下，赔付率主要由(bt/p)决定，即由(出险率*人均赔款/人居保费)和增长系数一起来决定的。
需要注意的是，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。
进一步的，参考图9所示，本示例的实施方式中还提供了基于数据统计的赔付率评估装置90，包括：数据获取模块901、累计执行数额差值计算模块902、执行数额增长率计算模块903以及评估结果展示模块904。其中：
所述数据获取模块901可以用于响应于一业务系统的数据处理请求，调用目标数据处理接口以获取目标类型的历史风险保障契约凭证数据；其中，所述历史风险保障契约凭证数据包括连续多个统计周期内的风险保障契约凭证数据。
所述累计执行数额差值计算模块902可以用于提取各统计周期内归属各执行周期的风险保障契约累计执行数额，并计算各统计周期内相邻执行周期的风险保障契约累计执行数额差值。
所述执行数额增长率计算模块903可以用于根据各统计周期内相邻执行周期的风险保障契约累计执行数额差值获取各执行周期的风险保障契约执行数额的增长率。
所述评估结果展示模块904可以用于基于所述各执行周期的执行数额的增长率生成评估结果，并展示所述评估结果。
上述的基于数据统计的赔付率评估装置90中各模块的具体细节已经在对应的基于数据统计的赔付率评估方法中进行了详细的描述，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。
在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图12来描述根据本发明的这种实施方式的电子设备500。图12显示的电子设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图12所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图1中所示方法。
存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。
存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器560通过总线530与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
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、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图13所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品60，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
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。
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。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (10)

1.一种数据处理系统，其特征在于，包括：
数据采集系统，用于响应于一终端的数据处理请求，调用目标数据处理接口以获取目标类型的历史风险保障契约凭证数据；其中，所述历史风险保障契约凭证数据包括连续多个统计周期内的风险保障契约凭证数据；
评估系统，用于提取各统计周期内归属各执行周期的风险保障契约累计执行数额，并计算各统计周期内相邻执行周期的风险保障契约累计执行数额差值；根据各统计周期内相邻执行周期的风险保障契约累计执行数额差值获取各执行周期的风险保障契约执行数额的增长率；以及基于所述各执行周期的执行数额的增长率生成评估结果；
展示系统，用于接收并展示所述评估结果。
2.根据权利要求1所述的系统，其特征在于，所述评估系统包括：
平均增长率计算模块，用于在获取各执行周期的风险保障契约执行数额的增长率后，根据各执行周期的风险保障契约执行数额的增长率计算各执行周期在各统计周期内的风险保障契约执行数额的平均增长率，以用于将所述平均增长率作为所述评估结果。
3.根据权利要求1或2所述的系统，其特征在于，所述评估系统还包括：
原始数额参数采集模块，用于在获取各执行周期的风险保障契约执行数额的增长率时，识别所述历史风险保障契约凭证数据，以获取各所述统计周期内历史风险保障契约对应的原始数额；
第一已收纳数额参数统计模块，用于基于各所述统计周期内历史风险保障契约对应的原始数额确定各统计周期内所述风险保障契约对应的已收纳数额；
第二已收纳数额参数统计模块，用于根据各统计周期内对应的已收纳数额确定各统计周期内各所述执行周期对应的所述风险保障契约已收纳数额；
增长率计算模块，用于计算各统计周期内相邻的所述执行周期对应的所述风险保障契约已收纳数额的增长率；以及
评估模块，用于基于所述执行周期对应的所述风险保障契约已收纳数额的增长率与所述各执行周期的执行数额的增长率生成评估结果。
4.根据权利要求3所述的系统，其特征在于，所述风险保障契约包括已完成风险保障契约和未完成风险保障契约。
5.根据权利要求4所述的系统，其特征在于，所述评估结果生成模块包括：
第一预测单元，用于基于所述所述风险保障契约已收纳数额的增长率预测所述未完成风险保障契约在对应的执行周期内的收纳数额；以及
第二预测单元，用于基于所述所述风险保障契约执行数额的增长率预测所述未完成风险保障契约在对应的执行周期内的执行数额；
评估结果生成单元，用于根据风险保障契约各所述执行周期对应的收纳数额和执行数额生成评估结果。
6.根据权利要求1所述的系统，其特征在于，所述系统还包括：
数据更新系统，用于基于所述评估结果，根据预设规则生成所述风险保障契约原始数额的更新数据，并通过所述展示系统展示所述更新数据。
7.一种数据处理方法，其特征在于，包括：
响应于一业务系统的数据处理请求，调用目标数据处理接口以获取目标类型的历史风险保障契约凭证数据；其中，所述历史风险保障契约凭证数据包括连续多个统计周期内的风险保障契约凭证数据；
提取各统计周期内归属各执行周期的风险保障契约累计执行数额，并计算各统计周期内相邻执行周期的风险保障契约累计执行数额差值；
根据各统计周期内相邻执行周期的风险保障契约累计执行数额差值获取各执行周期的风险保障契约执行数额的增长率；
基于所述各执行周期的执行数额的增长率生成评估结果，并展示所述评估结果。
8.一种数据处理装置，其特征在于，包括：
数据获取模块，用于响应于一业务系统的数据处理请求，调用目标数据处理接口以获取目标类型的历史风险保障契约凭证数据；其中，所述历史风险保障契约凭证数据包括连续多个统计周期内的风险保障契约凭证数据；
累计执行数额差值计算模块，用于提取各统计周期内归属各执行周期的风险保障契约累计执行数额，并计算各统计周期内相邻执行周期的风险保障契约累计执行数额差值；
执行数额增长率计算模块，用于根据各统计周期内相邻执行周期的风险保障契约累计执行数额差值获取各执行周期的风险保障契约执行数额的增长率；
评估结果展示模块，用于基于所述各执行周期的执行数额的增长率生成评估结果，并展示所述评估结果。
9.一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现根据权利要求7所述的数据处理方法。
10.一种电子终端，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求7所述的数据处理方法。
CN202010484340.1A 2020-06-01 2020-06-01 数据处理系统、数据处理方法及装置 Active CN111652614B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010484340.1A CN111652614B (zh) 2020-06-01 2020-06-01 数据处理系统、数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010484340.1A CN111652614B (zh) 2020-06-01 2020-06-01 数据处理系统、数据处理方法及装置

Publications (2)

Publication Number Publication Date
CN111652614A true CN111652614A (zh) 2020-09-11
CN111652614B CN111652614B (zh) 2023-08-22

Family

ID=72343035

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010484340.1A Active CN111652614B (zh) 2020-06-01 2020-06-01 数据处理系统、数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN111652614B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862622A (zh) * 2021-03-03 2021-05-28 泰康保险集团股份有限公司 数据处理系统及方法、存储介质及电子终端

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7392201B1 (en) * 2000-11-15 2008-06-24 Trurisk, Llc Insurance claim forecasting system
US20100179841A1 (en) * 2005-05-04 2010-07-15 Guard Insurance Group System and method for determining a cost of insurance based upon monitoring, collecting and communicating data representative of a risk's payroll characteristics
CN106897935A (zh) * 2017-02-27 2017-06-27 上海源烁信息科技有限公司 一种职工医疗保险基金支出平衡算法及模型
CN107767009A (zh) * 2017-06-29 2018-03-06 平安医疗健康管理股份有限公司 医疗保险基金精算预测方法及装置
CN107909299A (zh) * 2017-12-11 2018-04-13 凯泰铭科技（北京）有限公司 人伤理赔数据风险检测方法和系统
CN108335216A (zh) * 2018-01-12 2018-07-27 中国平安人寿保险股份有限公司 一种保险风险评估方法、装置、终端设备及存储介质
CN109285075A (zh) * 2017-07-19 2019-01-29 腾讯科技（深圳）有限公司 一种理赔风险评估方法、装置及服务器
CN109472706A (zh) * 2018-09-26 2019-03-15 平安健康保险股份有限公司 理赔风控方法、装置、计算机设备和存储介质
CN109685557A (zh) * 2018-12-13 2019-04-26 平安医疗健康管理股份有限公司 基于大数据的保险定价方法、装置、设备及可读存储介质
CN109784586A (zh) * 2019-03-07 2019-05-21 上海赢科信息技术有限公司 车险的出险情况的预测方法及系统
CN109886819A (zh) * 2019-01-16 2019-06-14 平安科技（深圳）有限公司 保险赔付支出的预测方法、电子装置及存储介质
CN110060020A (zh) * 2019-02-26 2019-07-26 阿里巴巴集团控股有限公司 项目费用预测方法以及装置
CN110136011A (zh) * 2019-05-09 2019-08-16 泰康保险集团股份有限公司 保险智能报价方法、装置、介质及电子设备
CN110599353A (zh) * 2018-06-13 2019-12-20 百度在线网络技术（北京）有限公司 一种车辆出险和赔付率预测方法、装置、设备及介质
CN110942319A (zh) * 2019-11-20 2020-03-31 万力轮胎股份有限公司 一种产品理赔数据建模分析与预测的方法及装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7392201B1 (en) * 2000-11-15 2008-06-24 Trurisk, Llc Insurance claim forecasting system
US20100179841A1 (en) * 2005-05-04 2010-07-15 Guard Insurance Group System and method for determining a cost of insurance based upon monitoring, collecting and communicating data representative of a risk's payroll characteristics
CN106897935A (zh) * 2017-02-27 2017-06-27 上海源烁信息科技有限公司 一种职工医疗保险基金支出平衡算法及模型
CN107767009A (zh) * 2017-06-29 2018-03-06 平安医疗健康管理股份有限公司 医疗保险基金精算预测方法及装置
CN109285075A (zh) * 2017-07-19 2019-01-29 腾讯科技（深圳）有限公司 一种理赔风险评估方法、装置及服务器
CN107909299A (zh) * 2017-12-11 2018-04-13 凯泰铭科技（北京）有限公司 人伤理赔数据风险检测方法和系统
CN108335216A (zh) * 2018-01-12 2018-07-27 中国平安人寿保险股份有限公司 一种保险风险评估方法、装置、终端设备及存储介质
CN110599353A (zh) * 2018-06-13 2019-12-20 百度在线网络技术（北京）有限公司 一种车辆出险和赔付率预测方法、装置、设备及介质
CN109472706A (zh) * 2018-09-26 2019-03-15 平安健康保险股份有限公司 理赔风控方法、装置、计算机设备和存储介质
CN109685557A (zh) * 2018-12-13 2019-04-26 平安医疗健康管理股份有限公司 基于大数据的保险定价方法、装置、设备及可读存储介质
CN109886819A (zh) * 2019-01-16 2019-06-14 平安科技（深圳）有限公司 保险赔付支出的预测方法、电子装置及存储介质
CN110060020A (zh) * 2019-02-26 2019-07-26 阿里巴巴集团控股有限公司 项目费用预测方法以及装置
CN109784586A (zh) * 2019-03-07 2019-05-21 上海赢科信息技术有限公司 车险的出险情况的预测方法及系统
CN110136011A (zh) * 2019-05-09 2019-08-16 泰康保险集团股份有限公司 保险智能报价方法、装置、介质及电子设备
CN110942319A (zh) * 2019-11-20 2020-03-31 万力轮胎股份有限公司 一种产品理赔数据建模分析与预测的方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862622A (zh) * 2021-03-03 2021-05-28 泰康保险集团股份有限公司 数据处理系统及方法、存储介质及电子终端

Also Published As

Publication number Publication date
CN111652614B (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
US8706599B1 (en) System and method of generating investment criteria for an investment vehicle that includes a pool of escrow deposits from a plurality of merger and acquisition transactions
Hardin III et al. REIT dividend determinants: excess dividends and capital markets
US7848978B2 (en) Enhanced transaction resolution techniques
Khurana et al. Debt maturity structure and accounting conservatism
US20160092994A1 (en) Computer program, method, and system for determining how a tax event affects a taxpayer's tax refund or tax owed
US20140324731A1 (en) System and method for resolving transactions with lump sum payment capabilities
US8423435B1 (en) Payroll withholding for debt management
WO2011087911A2 (en) System and method for resolving transaction with variable offer parameter selection capabilities
US20110178860A1 (en) System and method for resolving transactions employing goal seeking attributes
US20100030583A1 (en) Apparatus, systems and methods for providing investment performance enhanced life insurance products
JP6194434B1 (ja) 情報処理装置、情報処理方法及びプログラム
CN106910129B (zh) 资产数据的处理方法、客户端及服务器
US20120030082A1 (en) Predictive modeling for debt protection/cancellation
Caplin et al. Is the FHA Creating Sustainable Homeownership?
CN111144627A (zh) 用户逾期还款预测方法、装置及电子设备
US8019677B1 (en) Convertible home-equity based financial product
CN111652614A (zh) 数据处理系统、数据处理方法及装置
US20110178859A1 (en) System and method for resolving transactions employing optional benefit offers
CN111754329A (zh) 一种贷款利息结算方法、装置、电子设备和存储介质
CN111178592A (zh) 资源的逾期占用预测方法、装置及电子设备
Misch et al. Nowcashing: Using Daily Fiscal Data for Real-Time Macroeconomic Analysis
Mura Reconciling competing reporting objectives through deferred tax accounts: Evidence on private Italian firms
CN113962817A (zh) 异常人员识别方法及装置、电子设备和存储介质
US20160092982A1 (en) Systems and methods for improved loan reset and related processing
CN110909294A (zh) 数据处理的方法和装置

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
GR01 Patent grant
GR01 Patent grant