CN112085609A - 一种保险服务数据处理方法及装置 - Google Patents
一种保险服务数据处理方法及装置 Download PDFInfo
- Publication number
- CN112085609A CN112085609A CN202010890052.6A CN202010890052A CN112085609A CN 112085609 A CN112085609 A CN 112085609A CN 202010890052 A CN202010890052 A CN 202010890052A CN 112085609 A CN112085609 A CN 112085609A
- Authority
- CN
- China
- Prior art keywords
- charging
- user
- data
- guarantee
- insurance
- 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
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种保险服务数据处理方法及装置,其中方法包括:获取用户的身份标识以及用户当前充能的第一充能数据;根据身份标识查询用户的第一保单数据;其中,第一保单数据为用户充能时进行更新的保单数据;根据第一充能数据与预设的转换方法,获得充能保额;根据充能保额和第一保单数据,获得第二保额。由于充能保额的生成是基于第一充能数据确定的,不会产生人工判断和作业,保证了充能保额确定的准确性和低风险性;由于每个用户的第一充能数据存在着差异,因此可实现个性化的进行保额的叠加,保证充能保额有效的分配给真实需要的用户,代替了人工分配,提高了保额的匹配效率,并且降了保额服务数据处理的风险。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种保险服务数据处理方法及装置。
背景技术
保额即为保险金额,在用户购买保险且出险后保险公司需要赔付的金额。现随着社会经济的发展,人们对保险需求逐渐旺盛。越来越多的人开始进行保险配置,以保障自身、家人或资产的安全。但是,目前的保险公司的保险保额处理方法基本上是人工进行验算和规定,然后为用户确定保额。这种处理方式极不智能化,并且极易出现操作漏洞,在某些实际应用的场景中也难以根据用户的实际情况为用户进行保额分配。
因此,目前的保额处理方法存在着高风险,并且无法针对特定的用户进行自动化的适应性匹配保额。
发明内容
鉴于上述问题,本发明提出了一种保险服务数据处理方法及装置,提高了保额的匹配效率,并且降了保额服务数据处理的风险。
第一方面,本申请通过本申请的一实施例提供如下技术方案:
一种保险服务数据处理方法,包括:
获取用户的身份标识以及所述用户当前充能的第一充能数据;
根据所述身份标识查询所述用户的第一保单数据;其中,所述第一保单数据为用户充能时进行更新的保单数据;
根据所述第一充能数据与预设的转换方法,获得充能保额;
根据所述充能保额和所述第一保单数据,获得第二保额。
可选的,所述第一充能数据包括:充能时间间隔;所述根据所述第一充能数据与预设的转换方法,获得充能保额,包括:
基于Y=kX-mt,获取充能保额;其中,Y为充能保额,k为保额换算系数,X为充能量,m为保额衰减系数,t为充能时间间隔。
可选的,所述根据所述充能保额和所述第一保单数据,获得第二保额,包括:
根据所述用户身份标识查询所述用户的第二保单数据,获得所述用户投保的保险种类;其中,所述第二保单数据为所述第一保单数据之外的所有保单数据;
当所述保险种类的数量等于0时,对所述第一保单数据中的第一保额叠加部分所述充能保额,获得第二保额;
当所述保险种类的数量大于等于1时,对所述第一保单数据中的第一保额叠加全部所述充能保额,获得第二保额。
可选的,所述根据所述充能保额和所述第一保单数据,获得第二保额之前,还包括风险判断步骤,所述风险判断包括:
根据所述身份标识查询所述用户在预设时间段内的历史充能坐标,以及每个所述历史充能坐标对应的充能次数;
根据所述历史充能坐标进行聚类,确定所述历史充能坐标的聚类中心;
基于所述聚类中心与所述历史充能坐标,确定所述用户的充能位置风险值;
若所述充能位置风险值小于预设的第一风险阈值,和/或距离所述聚类中心最远的3个所述历史充能坐标中包括充能次数大于等于2的所述历史充能坐标,则确定所述用户无风险;
其中,当确定所述用户无风险时,执行所述根据所述充能保额和所述第一保单数据,获得第二保额。
可选的,所述基于所述聚类中心与所述历史充能坐标,确定所述用户的充能位置风险值,包括:
可选的,所述风险判断还包括:
根据所述身份标识查询所述用户在预设时间段内的历史充能量;
判断所述预设时间段内的历史充能量之和是否小于预设的充能阈值;
若是,则确定所述用户无风险;
其中,当确定所述用户无风险时,执行所述根据所述充能保额和所述第一保单数据,获得第二保额。
可选的,所述根据所述充能保额和所述第一保单数据,获得第二保额之后,还包括:
将所述第二保额同步至保险服务平台,所述保险服务平台用于将所述第二保额更新至所述第一保单数据,以获得第三保单数据。
第二方面,基于同一发明构思,本申请通过本申请的一实施例提供如下技术方案:
一种保险服务数据处理方法装置,包括:
获取模块,用于获取用户的身份标识以及所述用户当前充能的第一充能数据;
查询模块,用于根据所述身份标识查询所述用户的第一保单数据;其中,所述第一保单数据为用户充能时进行更新的保单数据;
转换模块,用于根据所述第一充能数据与预设的转换方法,获得充能保额;
调整模块,用于根据所述充能保额和所述第一保单数据,获得第二保额。
可选的,所述第一充能数据包括:充能时间间隔;所述转换模块,还用于:
基于Y=kX-mt,获取充能保额;其中,Y为充能保额,k为保额换算系数,X为充能量,m为保额衰减系数,t为充能时间间隔。
第三方面,基于同一发明构思,本申请通过本申请的一实施例提供如下技术方案:
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一方面中任一项所述方法的步骤。
本发明实施例中提供的一种保险服务数据处理方法及装置,通过获取用户的身份标识以及用户当前充能的第一充能数据;根据身份标识查询用户的第一保单数据;其中,第一保单数据为用户充能时进行更新的保单数据;根据第一充能数据与预设的转换方法,获得充能保额;根据充能保额和所述第一保单数据,获得第二保额。由于充能保额的生成是基于第一充能数据确定的,不会产生人工判断和作业,保证了充能保额确定的准确性和低风险性;同时,由于每个用户的第一充能数据存在着差异,因此可实现个性化的进行保额的叠加,保证充能保额有效的分配给真实需要的用户,代替了人工分配,提高了保额的匹配效率,并且降了保额服务数据处理的风险。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明第一实施例提供的一种保险服务数据处理方法的流程图;
图2示出了本发明第一实施例中一种风险判断方式的步骤流程图;
图3示出了本发明第一实施例中另一种风险判断方式的步骤流程图;
图4示出了本发明第二实施例提供的一种保险服务数据处理方法装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
第一实施例
请参见图1,本实施例示出了一种保险服务数据处理方法的流程图。该方法可以应用于充能服务平台,例如充电桩平台,汽车加油平台,或其二者整合的平台。具体的,所述保险服务数据处理方法,包括:
步骤S10:获取用户的身份标识以及所述用户当前充能的第一充能数据;
步骤S20:根据所述身份标识查询所述用户的第一保单数据;
步骤S30:根据所述第一充能数据与预设的转换方法,获得充能保额;
步骤S40:根据所述充能保额和所述第一保单数据,获得第二保额。
需要说明的是,在本实施中所述的充能表示充电、加油或其他能源补给方式,例如电动汽车进行充电,或燃油汽车进行加油。
在步骤S10中,用户的身份标识可为用户注册时的唯一ID(Identity document,身份证标识号)、用户的身份证号、用户的唯一二维码、等等。用户的身份标识可存放在充能服务平台的服务器中,也可存放在保险服务平台的数据库服务器中,保险服务平台可为保险供应商。例如,当用户使用手机端的充能服务平台的应用程序进行充能付款时,就可对应查询获取用户的身份标识以及当前充能的第一充能数据。
第一充能数据可包括充能的类型、充能的时间、充能的地点、充能的单价、充能量、充能时间间隔、等等。充能的类型例如为:普通充电、快速充电、添加92#汽油、添加95#汽油等等。
步骤S20:根据所述身份标识查询所述用户的第一保单数据。
在步骤S20中,第一保单数据为充能服务平台为用户在充能后生成的最新的保单数据,其中包含第一保额以及用户信息;第一保额为最新的保险额度。并且第一保单数据为用户与充能相关联的保单数据。在保险服务供应商的数据库服务器中存放,并且第一保单数据与用户的身份标识一一对应。当获知用户的身份标识时,就可查询得到用户所对应的第一保单数据,然后提取第一保单数据中包含的第一保额。第一保单数据为用户上一次充能后获得的保单数据。
步骤S30:根据所述第一充能数据与预设的转换方法,获得充能保额。
在步骤S30中,不同的用户对应于不同的充能数据,不同的充能数据反应了用户的不同需求以及用户对应的不同风险。因此,通过第一充能数据与预设的转换方法就可适应性的确定充能保额。充能保额为保额的调整值。这样获得的充能保额可有针对性的为用户配置保额,同时避免恶意保险叠加的风险。
进一步的,在本实施中可通过第一充能数据中的充能量确定充能保额。具体的,基于Y=kX,获取充能保额;其中,Y为充能保额,k为保额换算系数,X为充能量。k值可根据用户的不同而进行不同的预设。在本实施例中,可基于用户的历史充能量,对用户划分不同的等级。历史加油量越大用户的等级越高。同时,为了避免用户的累积效应,以及被多个恶意用户使用同一个账号进行刷单充能。可将历史充能量限定在预设时间段内,这样用户的历史充能数据就会被不断的刷新,从而降低平台遭受的用户刷单风险。预设时间段可为1个月、2个月、30天、40天、等等。
比如,当预设时间段为1个月时,充能的类型为添加92#汽油,某一用户在上一个月的充能量对应的金额在0~1000元时,可将保额换算系数确定为1;另一用户在上一个月的充能量对应的金额在1000-2000元时,可将保额换算系数确定为1.5;又一用户在上一个月的充能量对应的金额大于2000元时,可将保额换算系数确定为2,这样就可避免用户进行刷单。同时上述分割方式可将不同类型的用户进行区分,例如,普通轿车用户、出租车/网约车用户以及物流小货车用户、等等;其中,0~1000元时,对应普通轿车用户,1000元以上时对应出租车/网约车用户和/或物流小货车用户。普通轿车用户相对于出租车/网约车用户和物流小货车用户,这样就可精确的为不同的用户进行保额叠加,将充能保额分配给更需要的用户,保证精准匹配,降低获取充能保额的风险。
进一步的,在本实施例中为了进一步对风险用户进行识别,通过对充能保额进行衰减匹配。具体的,基于充能时间间隔衰减获取充能保额,这样可对不经常出行的用户减少保额的分配,利于将保额分配给更加需要的用户,提高了资源分配的效率。充能保额的获取方式如下:
基于Y=kX-mt,获取充能保额;其中,Y为充能保额,k为保额换算系数,X为充能量,m为保额衰减系数,t为充能时间间隔。需要说明的是,充能保额的衰减量应当小于等于基础额度,其中,kX可看作基础额度。例如,当某一用户在间隔2个月后进行充能,此时,保额的衰减量为60*m。若m为5元/天,则衰减量为300元。当某一用户充能次数减少说明其出行的概率减少,其面临的出行风险降低,这时候就可将保额更多的匹配给充能次数多、充能量大的用户,实现充能保额的均衡分配。
步骤S40:根据所述充能保额和所述第一保单数据,获得第二保额。
在步骤S40中,即根据充能保额对第一保单数据进行调整,具体的可调整第一保单数据中的第一保额,例如对第一保额进行增加,具体可为第一保额和充能保额直接相加。另外,也可对充能保额进行比例缩小或放大,然后进行累加。在本实施例中还可通过对用户的在保的保险种类进行风险识别,具体如下:
步骤S41:根据所述用户身份标识查询所述用户的第二保单数据,获得所述用户投保的保险种类;其中,所述第二保单数据为所述第一保单数据之外的所有保单数据。
第二保单数据可存放在保险企业的数据库服务器中。查询第二保单数据的过程可参照查询第一保单数据的说明,不再赘述。保险种类可包括但不限于,财产险、人寿险、意外险、等等。当用户无其他保险种类时,可判断用户为不注重风险的不活跃用户,此时用户本身所存在的风险较高,可确定步骤S42的执行过程;当用户具有多个保险种类时,可判断用户为注重风险的活跃用户,此时用户本身所存在的风险较低,可确定步骤S43的执行过程。
步骤S42:当所述保险种类的数量等于0时,对所述第一保单数据中的第一保额叠加部分所述充能保额,获得第二保额。其中,叠加部分充能保额表示将充能保额的50%、70%或90%累加到第一保额上,获得第二保额。
步骤S43:当所述保险种类的数量大于等于1时,对所述第一保单数据中的第一保额叠加全部所述充能保额,获得第二保额。其中,叠加全部充能保额表示将充能保额的100%累加到第一保额上,获得第二保额。
此外,如图2所示,在本实施例中还提供了如下的风险判断方式,在步骤S40之前还包括风险判断步骤,所述风险判断包括:
步骤S401:根据所述身份标识查询所述用户在预设时间段内的历史充能坐标,以及每个所述历史充能坐标对应的充能次数。
步骤S402:根据所述历史充能坐标进行聚类,确定所述历史充能坐标的聚类中心。通过寻找聚类中心可以确定用户较为常用的坐标位置,例如某一用户经常性活动的地点为城市A,那么其聚类中心大概率应当在城市A的范围内。
步骤S403:基于所述聚类中心与所述历史充能坐标,确定所述用户的充能位置风险值。其中,可根据历史充能坐标与聚类中心的距离来确定用户的充能位置风险值。例如,当用户的充能地点越远越零散,则说明用户的充能地点具有较高的风险;当用户的充能地点范围越小越集中,则说明用户的充能地点具有较低的风险。具体的,步骤S403包括:
步骤S403a:根据确定所述用户的充能位置风险值;其中,F为所述充能位置风险值,v为所述聚类中心的坐标,an为所述历史充能坐标。在评估用户的充能地点的风险时,考虑到了所有的历史充能坐标与聚类中心的距离。得到的风险值为综合状态下的风险值,更加准确。
若当聚类中心为多个的时候,聚类中心的数量应当小于等于4,避免过多的聚类中心导致历史充能坐标在聚类后无法准确的表达风险信息。那么以每个类别为单位计算一个充能位置风险值。最后F取其中的最大值。本实施例中,聚类的方法可采用K-means(k-meansclustering algorithm,k均值聚类算法)算法完成。
步骤S404:若所述充能位置风险值小于预设的第一风险阈值,和/或距离所述聚类中心最远的3个所述历史充能坐标中包括充能次数大于等于2的所述历史充能坐标,则确定所述用户无风险;其中,当确定所述用户无风险时,执行所述根据所述充能保额和所述第一保单数据,获得第二保额。
在步骤S404中,由于存在着某些用户不在同一片区域活动,但是该用户又是低风险的用户。按照步骤S403中的方式确定的风险值将不完全适合此类用户,例如,当一用户为物流工作人员,长期在多个省市进行运输工作,该用户的活动范围为一条或多条较长的线路,此时的充能坐标均分布在该条线路上。而不存在较为集中的历史充能坐标的区域。若依旧依据聚类中心的方式对这类长距离路线的用户进行风险判断那么将会失真,因此,本实施例中加入第二种判断条件,来降低失真的概率。即若存在距离所述聚类中心最远的3个所述历史充能坐标中含有充能次数大于等于2的所述历史充能坐标时,确定该用户为无风险的用户,因为当某个用户长期活动与某条线路时,在距离聚类中心最远的三个历史充能坐标中一般均包含有充能次数大于等于2的历史充能坐标。当然也存在真实的无风险用户仅仅去过某一条线路旅游,然后仅进行了一次充能;但是,这种情况是极少的,在本实施例中可以进行忽略。
通过上述的风险判断,可以识别出一个身份标识是否存在被盗用或恶意进行累计充能保额的行为。进而,取消本次充能保额的累积,降低平台风险。
进一步的,请参阅图3,本实施例中的风险判断还包括:
步骤S401b:根据所述身份标识查询所述用户在预设时间段内的历史充能量;
步骤S402b:判断所述预设时间段内的历史充能量之和是否小于预设的充能阈值;
步骤S403b:若是,则确定所述用户无风险;其中,当确定所述用户无风险时,执行所述根据所述充能保额和所述第一保单数据,获得第二保额。
在步骤S401b-S403b中,充能阈值应当设置为一个较大的值。例如,对于燃油车用户而言,历史充能量之和对应的消费金额大于10000元(10000元对应于充能阈值的)时,存在着多个用户共用一个账号(一个身份标识)的可能性,存在极高的刷单风险。若为电动汽车用户,可设置消费金额3000元对应的充能阈值。通过上述方法可在累加充能保额的时候识别出一账号多用的风险,降低了平台风险。
最后,在完成充能保额的叠加后,可对充能平台和保险企业的数据库服务器进行数据同步,保证对保单数据进行有效的更新。具体的,将第二保额同步至保险服务平台,保险服务平台用于将第二保额更新至第一保单数据,以获得第三保单数据,即保险企业的数据库服务器中的第一保单数据更新为第三保单数据,第三保单数据中的保额为第二保额。
综上所述,本实施例中提供的一种保险服务数据处理方法,获取用户的身份标识以及用户当前充能的第一充能数据;根据身份标识查询用户的第一保单数据;其中,第一保单数据为用户充能时进行更新的保单数据;根据第一充能数据与预设的转换方法,获得充能保额;根据充能保额对第一保单数据进行调整,获得第二保额。由于充能保额的生成是基于第一充能数据确定的,不会产生人工判断和作业,保证了充能保额确定的准确性和低风险性;同时,由于每个用户的第一充能数据存在着差异,因此可实现个性化的进行保额的叠加,保证充能保额有效的分配给真实需要的用户,代替了人工分配,提高了保额的匹配效率,并且降了保额服务数据处理的风险。
第二实施例
请参阅图4,基于同一发明构思,本发明第二实施例提供了一种保险服务数据处理方法装置300。图4示出了本发明第二实施例提供的一种保险服务数据处理方法装置300的结构示意图。
所述保险服务数据处理方法装置300,包括:
一种保险服务数据处理方法装置,包括:
获取模块301,用于获取用户的身份标识以及所述用户当前充能的第一充能数据;
查询模块302,用于根据所述身份标识查询所述用户的第一保单数据;其中,所述第一保单数据为用户充能时进行更新的保单数据;
转换模块303,用于根据所述第一充能数据与预设的转换方法,获得充能保额;
调整模块304,用于根据所述充能保额和所述第一保单数据,获得第二保额。
作为一种可选的实施方式,所述第一充能数据包括:充能时间间隔;所述转换模块,还用于:
基于Y=kX-mt,获取充能保额;其中,Y为充能保额,k为保额换算系数,X为充能量,m为保额衰减系数,t为充能时间间隔。
需要说明的是,本发明实施例所提供的装置300,其具体实现及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明提供的装置集成的功能模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例的方法中的全部或部分流程,也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计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种保险服务数据处理方法,其特征在于,包括:
获取用户的身份标识以及所述用户当前充能的第一充能数据;
根据所述身份标识查询所述用户的第一保单数据;
根据所述第一充能数据与预设的转换方法,获得充能保额;
根据所述充能保额和所述第一保单数据,获得第二保额。
2.根据权利要求1所述的方法,其特征在于,所述第一充能数据包括:充能时间间隔;所述根据所述第一充能数据与预设的转换方法,获得充能保额,包括:
基于Y=kX-mt,获取充能保额;其中,Y为充能保额,k为保额换算系数,X为充能量,m为保额衰减系数,t为充能时间间隔。
3.根据权利要求1所述的方法,其特征在于,所述根据所述充能保额和所述第一保单数据,获得第二保额,包括:
根据所述用户身份标识查询所述用户的第二保单数据,获得所述用户投保的保险种类;其中,所述第二保单数据为所述第一保单数据之外的所有保单数据;
当所述保险种类的数量等于0时,对所述第一保单数据中的第一保额叠加部分所述充能保额,获得第二保额;
当所述保险种类的数量大于等于1时,对所述第一保单数据中的第一保额叠加全部所述充能保额,获得第二保额。
4.根据权利要求1所述的方法,其特征在于,所述根据所述充能保额和所述第一保单数据,获得第二保额之前,还包括风险判断步骤,所述风险判断包括:
根据所述身份标识查询所述用户在预设时间段内的历史充能坐标,以及每个所述历史充能坐标对应的充能次数;
根据所述历史充能坐标进行聚类,确定所述历史充能坐标的聚类中心;
基于所述聚类中心与所述历史充能坐标,确定所述用户的充能位置风险值;
若所述充能位置风险值小于预设的第一风险阈值,和/或距离所述聚类中心最远的3个所述历史充能坐标中包括充能次数大于等于2的所述历史充能坐标,则确定所述用户无风险;
其中,当确定所述用户无风险时,执行所述根据所述充能保额和所述第一保单数据,获得第二保额。
6.根据权利要求4所述的方法,其特征在于,所述风险判断还包括:
根据所述身份标识查询所述用户在预设时间段内的历史充能量;
判断所述预设时间段内的历史充能量之和是否小于预设的充能阈值;
若是,则确定所述用户无风险;
其中,当确定所述用户无风险时,执行所述根据所述充能保额和所述第一保单数据,获得第二保额。
7.根据权利要求1所述的方法,其特征在于,所述根据所述充能保额和所述第一保单数据,获得第二保额之后,还包括:
将所述第二保额同步至保险服务平台,所述保险服务平台用于将所述第二保额更新至所述第一保单数据,以获得第三保单数据。
8.一种保险服务数据处理方法装置,其特征在于,包括:
获取模块,用于获取用户的身份标识以及所述用户当前充能的第一充能数据;
查询模块,用于根据所述身份标识查询所述用户的第一保单数据;其中,所述第一保单数据为用户充能时进行更新的保单数据;
转换模块,用于根据所述第一充能数据与预设的转换方法,获得充能保额;
调整模块,用于根据所述充能保额和所述第一保单数据,获得第二保额。
9.根据权利要求8所述的装置,其特征在于,所述第一充能数据包括:充能时间间隔;所述转换模块,还用于:
基于Y=kX-mt,获取充能保额;其中,Y为充能保额,k为保额换算系数,X为充能量,m为保额衰减系数,t为充能时间间隔。
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,该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010890052.6A CN112085609A (zh) | 2020-08-28 | 2020-08-28 | 一种保险服务数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010890052.6A CN112085609A (zh) | 2020-08-28 | 2020-08-28 | 一种保险服务数据处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112085609A true CN112085609A (zh) | 2020-12-15 |
Family
ID=73728947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010890052.6A Pending CN112085609A (zh) | 2020-08-28 | 2020-08-28 | 一种保险服务数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112085609A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484824A (zh) * | 2014-12-25 | 2015-04-01 | 上海亿保健康管理有限公司 | 消费数据转换成自动理赔信息的系统及其方法 |
US20180082229A1 (en) * | 2015-05-13 | 2018-03-22 | Alibaba Group Holding Limited | Risk identification based on historical behavioral data |
CN109242261A (zh) * | 2018-08-14 | 2019-01-18 | 中国平安人寿保险股份有限公司 | 基于大数据评估保全风险的方法及终端设备 |
CN110827155A (zh) * | 2019-11-04 | 2020-02-21 | 泰康保险集团股份有限公司 | 信息处理方法、装置、电子设备及存储介质 |
-
2020
- 2020-08-28 CN CN202010890052.6A patent/CN112085609A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484824A (zh) * | 2014-12-25 | 2015-04-01 | 上海亿保健康管理有限公司 | 消费数据转换成自动理赔信息的系统及其方法 |
US20180082229A1 (en) * | 2015-05-13 | 2018-03-22 | Alibaba Group Holding Limited | Risk identification based on historical behavioral data |
CN109242261A (zh) * | 2018-08-14 | 2019-01-18 | 中国平安人寿保险股份有限公司 | 基于大数据评估保全风险的方法及终端设备 |
CN110827155A (zh) * | 2019-11-04 | 2020-02-21 | 泰康保险集团股份有限公司 | 信息处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11748330B2 (en) | Systems and methods for analyzing vehicle sensor data via a blockchain | |
US9576291B2 (en) | Method and system for detection of a fuel card usage exception | |
CN108537582B (zh) | 一种数据处理方法及装置 | |
US20070136162A1 (en) | Methods and systems for providing a purchase package for a vehicle | |
US20180189764A1 (en) | Dynamic risk assessment and peer-to-peer transaction system and method | |
KR102291049B1 (ko) | 스마트기기를 통한 차량 정비소 연동 차량 관리방법 | |
US20200126069A1 (en) | Data processing method, apparatus and device | |
US20140181007A1 (en) | Trademark reservation system | |
KR101864006B1 (ko) | 대출 서비스 제공 방법 및 이를 실행하는 서버 | |
CN110992111B (zh) | 基于大数据的投保人用户画像挖掘方法 | |
US20100228664A1 (en) | Identity validation for financial transactions | |
US20150324807A1 (en) | Carbon emissions credits system | |
CN113888312A (zh) | 确定业务额度的方法、装置、电子设备及介质 | |
CN114742633A (zh) | 一种车辆管理方法、装置、电子设备及计算机存储介质 | |
US20150161742A1 (en) | Automatic determination of vehicle information based on transaction information | |
CN111612493B (zh) | 一种用户分群方法及装置 | |
CN112085609A (zh) | 一种保险服务数据处理方法及装置 | |
US8756134B2 (en) | Method of providing insurance information | |
CN112053087A (zh) | 投诉工单的处理方法、装置、设备及存储介质 | |
CN117828449B (zh) | 一种基于云计算的跨境电商用户画像数据处理方法及系统 | |
Boyd | SOUTH CAROLINA LAW REVIEW | |
KR20230164456A (ko) | 공유 기반 스마트 주차 관리 시스템 | |
Steward et al. | Requesting an Exemption from Standard Compliance | |
CN117557329A (zh) | 订单处理方法、装置、存储介质和计算机设备 | |
CN117522560A (zh) | 一种识别信用卡不合规异地交易的方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230414 Address after: No. 1-105, Zhuboyuan Road, Lingfeng Street, Anji County, Huzhou City, Zhejiang Province, 313300 (within Anji Bamboo Expo Park Co., Ltd.) (self declared) Applicant after: Zhejiang Anji Nengqi Technology Co.,Ltd. Address before: 100020 unit 3805-3815, 38 / F, building 8, 91 Jianguo Road, Chaoyang District, Beijing Applicant before: CHEZHUBANG (BEIJING) TECHNOLOGY Co.,Ltd. |