CN112150296A - 一种信息数据处理和分析方法 - Google Patents
一种信息数据处理和分析方法 Download PDFInfo
- Publication number
- CN112150296A CN112150296A CN201910592302.5A CN201910592302A CN112150296A CN 112150296 A CN112150296 A CN 112150296A CN 201910592302 A CN201910592302 A CN 201910592302A CN 112150296 A CN112150296 A CN 112150296A
- Authority
- CN
- China
- Prior art keywords
- insurance
- risk
- accident
- time interval
- settlement
- 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 19
- 238000012502 risk assessment Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种信息数据处理和分析方法，包括：将理赔服务器进行分类，至少分为财险理赔服务器、寿险理赔服务器和车险理赔服务器三类，接收各类理赔服务器上传的理赔申请数据，对财险理赔服务器上传的理赔申请数据进行大数据风险分析，各财险理赔服务器在接收到携带高风险事故原因、高风险事故地点和高风险保单号对应的保险购买人、保险受益人的理赔申请数据时，生成委派理赔审查员进行取证审查的命令，将命令发送至各理赔服务器终端；可达到优先对携带有高风险事故原因、高风险事故地点、高风险保险购买人以及高风险保险受益人的理赔申请数据所对应的理赔案件进行委派理赔审查员取证审查的目的，有效减小了因骗保案件对保险公司造成的损失。
Description
技术领域
本发明涉及保险理赔处理技术领域，特别是涉及一种信息数据处理和分析方法。
背景技术
随着人们生活水平和知识水平的提高，越来越多的人选择购买保险来抵御因可能的意外对家庭和个人造成的风险。保险的理赔是保险的一个重要环节，保险的理赔中，必然有部分不符合理赔的情况或者理赔程序出错的情况出现，导致不能理赔或者理赔周期长，这就会给人以理赔难的印象，会减小人们对保险公司的信任，再加上部分保险推销工作人员为了提高其业绩，经常采用死缠烂打的方式向客户推销各种保险，导致人们对保险公司的印象更差。所以对保险公司来说，准确、快速理赔是提高其公信力的有效措施，这就要求保险公司必须在接到理赔申请后的一个较短的时间内完成理赔。
对于保险公司来说，每天要面对数以万计的理赔案件，其中难免掺杂有不法分子进行的诈骗理赔案件。为此，各保险公司均设置有理赔审查部门和理赔审查程序，通过程序审查和审查人员取证审查两个方面对理赔案件进行审查，以此来最大化的减小骗保的成功率。但是保险公司的理赔审查人员有限，遇到理赔申请高峰期，很难在短期内对足够多的理赔案件进行人员取证审查，导致骗保的成功率增大，增大了保险公司的损失。因此，如何对申请理赔案件进行风险分析，安排有限的人员去对具有更高诈骗风险的理赔案件进行取证审查是一个亟待解决的问题。
发明内容
本发明的目的在于提供一种信息数据处理和分析方法，对保险公司的申请理赔案件进行风险分析，安排有限的人员去对具有更高诈骗风险的理赔案件进行取证审查，以此来减小因骗保案件对保险公司造成的损失。
本发明是这样实现的：一种信息数据处理和分析方法，包括：将理赔服务器进行分类，至少分为财险理赔服务器、寿险理赔服务器和车险理赔服务器三类；
接收财险理赔服务器上传的理赔申请数据，所述财险理赔服务器上传的理赔申请数据至少包括事故原因、事故地点、保单号和理赔金额，对所述财险理赔服务器上传的理赔申请数据进行大数据风险分析，得到对应的高风险事故原因、高风险事故地点和高风险保单号对应的保险购买人和保险受益人；将所述高风险事故原因、高风险事故地点和高风险保单号对应的保险购买人、保险受益人返回至财险理赔服务器，以使得所述财险理赔服务器在接收到携带所述高风险事故原因、高风险事故地点和高风险保单号对应的保险购买人、保险受益人的理赔申请数据时，生成委派理赔审查员进行取证审查的命令，并将所述命令发送至财险理赔服务器终端；
接收寿险理赔服务器上传的理赔申请数据，所述寿险理赔服务器上传的理赔申请数据至少包括事故原因、事故医院、保单号和理赔金额，对所述寿险理赔服务器上传的理赔申请数据进行大数据风险分析，得到对应的高风险事故原因、高风险事故医院和高风险保单号对应的保险购买人和保险受益人；将所述高风险事故原因、高风险事故医院和高风险保单号对应的保险购买人、保险受益人返回至寿险理赔服务器，以使得所述寿险理赔服务器在接收到携带所述高风险事故原因、高风险事故医院和高风险保单号对应的保险购买人、保险受益人的理赔申请数据时，生成委派理赔审查员进行取证审查的命令，并将所述命令发送至寿险理赔服务器终端；
接收车险理赔服务器上传的理赔申请数据，所述车险理赔服务器上传的理赔申请数据至少包括事故原因、事故地点、保单号和理赔金额，对所述车险理赔服务器上传的理赔申请数据进行大数据风险分析，得到对应的高风险事故原因、高风险事故地点和高风险保单号对应的车牌号、保险购买人和保险受益人；将所述高风险事故原因、高风险事故地点和高风险保单号对应的车牌号、保险购买人、保险受益人返回至车险理赔服务器，以使得所述车险理赔服务器在接收到携带所述高风险事故原因、高风险事故地点和高风险保单号对应的车牌号、保险购买人、保险受益人的理赔申请数据时，生成委派理赔审查员进行取证审查的命令，并将所述命令发送至车险理赔服务器终端。
进一步的，对所接收到的财险理赔服务器上传的理赔申请数据中的事故原因、事故地点和保单号对应的保险购买人、保险受益人进行存档和次数累计，设定第一时间区间和第一时间区间内的第一出险次数，当同一事故原因在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将此类事故原因定义为一级高风险事故原因；当同一事故地点在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个事故地点定义为一级高风险事故地点；当同一保险购买人或保险受益人在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个保险购买人或保险受益人定义为一级高风险保险关联人。
进一步的，设定第二时间区间和第二时间区间内的第二出险次数，所述第二出险次数与第二时间区间的比值大于所述第一出险次数与第一时间区间的比值，当同一事故原因在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将此类事故原因定义为二级高风险事故原因；当同一事故地点在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个事故地点定义为二级高风险事故地点；当同一保险购买人或保险受益人在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个保险购买人或保险受益人定义为二级高风险保险关联人。
进一步的，对所接收到的寿险理赔服务器上传的理赔申请数据中的事故原因、事故医院和保单号对应的保险购买人、保险受益人进行存档和次数累计，设定第一时间区间和第一时间区间内的第一出险次数，当同一事故原因在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将此类事故原因定义为一级高风险事故原因；当同一事故医院在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个事故医院定义为一级高风险事故医院；当同一保险购买人或保险受益人在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个保险购买人或保险受益人定义为一级高风险保险关联人。
进一步的，设定第二时间区间和第二时间区间内的第二出险次数，所述第二出险次数与第二时间区间的比值大于所述第一出险次数与第一时间区间的比值，当同一事故原因在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将此类事故原因定义为二级高风险事故原因；当同一事故医院在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个事故医院定义为二级高风险事故医院；当同一保险购买人或保险受益人在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个保险购买人或保险受益人定义为二级高风险保险关联人。
进一步的，对所接收到的车险理赔服务器上传的理赔申请数据中的事故原因、事故地点和保单号对应的车牌号、保险购买人、保险受益人进行存档和次数累计，设定第一时间区间和第一时间区间内的第一出险次数，当同一事故原因在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将此类事故原因定义为一级高风险事故原因；当同一事故地点在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个事故地点定义为一级高风险事故地点；当同一车牌号在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个车牌号定义为一级高风险车牌号；当同一保险购买人或保险受益人在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个保险购买人或保险受益人定义为一级高风险保险关联人。
进一步的，设定第二时间区间和第二时间区间内的第二出险次数，所述第二出险次数与第二时间区间的比值大于所述第一出险次数与第一时间区间的比值，当同一事故原因在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将此类事故原因定义为二级高风险事故原因；当同一事故地点在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个事故地点定义为二级高风险事故地点；当同一车牌号在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个车牌号定义为二级高险车牌号；当同一保险购买人或保险受益人在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个保险购买人或保险受益人定义为二级高风险保险关联人。
进一步的，设定财险理赔金额，当所接收到的财险理赔服务器上传的理赔申请数据中的理赔金额大于设定的财险理赔金额时，生成委派理赔审查员进行取证审查的命令，并将所述命令发送至财险理赔服务器终端；设定寿险理赔金额，当所接收到的寿险理赔服务器上传的理赔申请数据中的理赔金额大于设定的寿险理赔金额时，生成委派理赔审查员进行取证审查的命令，并将所述命令发送至寿险理赔服务器终端；设定车险理赔金额，当所接收到的车险理赔服务器上传的理赔申请数据中的理赔金额大于设定的车险理赔金额时，生成委派理赔审查员进行取证审查的命令，并将所述命令发送至车险理赔服务器终端。
进一步的，设置高风险人群服务器，将对所述财险理赔服务器、寿险理赔服务器和车险理赔服务器上传的理赔申请数据进行进行大数据风险分析后得到的高风险保单所对应的高风险保险购买人和高风险保险受益人上传至高风险人群服务器，所述高风险人群服务器将接收到的高风险保险购买人和高风险保险受益人汇总后返回至财险理赔服务器、寿险理赔服务器以及车险理赔服务器，以使得所述财险理赔服务器、寿险理赔服务器以及车险理赔服务器在接收到携带高风险人群服务器发送来的高风险保险购买人和高风险保险受益人的理赔申请数据时，生成委派理赔审查员进行取证审查的命令，并将所述命令发送至财险理赔服务器终端。
与现有技术相比，本发明的有益效果是：可达到优先对携带有高风险事故原因、高风险事故地点、高风险保险购买人以及高风险保险受益人的理赔申请数据所对应的理赔案件进行委派理赔审查员取证审查的目的，可更有效的对具有高诈骗风险的理赔案件进行取证审查，有效减小了因骗保案件对保险公司造成的损失。
附图说明
图1是本发明一种信息数据处理和分析方法的流程图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
请参阅图1，本发明实施例中，一种信息数据处理和分析方法，包括：将理赔服务器进行分类，至少分为财险理赔服务器、寿险理赔服务器和车险理赔服务器三类，分别用于上传财险理赔申请数据、寿险理赔申请数据以及车险理赔申请数据；
接收财险理赔服务器上传的理赔申请数据，财险理赔服务器上传的理赔申请数据至少包括事故原因、事故地点、保单号和理赔金额，对财险理赔服务器上传的理赔申请数据进行大数据风险分析，得到对应的高风险事故原因、高风险事故地点和高风险保单号对应的保险购买人和保险受益人；将高风险事故原因、高风险事故地点和高风险保单号对应的保险购买人、保险受益人返回至财险理赔服务器，以使得财险理赔服务器在接收到携带高风险事故原因、高风险事故地点和高风险保单号对应的保险购买人、保险受益人的理赔申请数据时，生成委派理赔审查员进行取证审查的命令，并将命令发送至财险理赔服务器终端；
接收寿险理赔服务器上传的理赔申请数据，寿险理赔服务器上传的理赔申请数据至少包括事故原因、事故医院、保单号和理赔金额，对寿险理赔服务器上传的理赔申请数据进行大数据风险分析，得到对应的高风险事故原因、高风险事故医院和高风险保单号对应的保险购买人和保险受益人；将高风险事故原因、高风险事故医院和高风险保单号对应的保险购买人、保险受益人返回至寿险理赔服务器，以使得寿险理赔服务器在接收到携带高风险事故原因、高风险事故医院和高风险保单号对应的保险购买人、保险受益人的理赔申请数据时，生成委派理赔审查员进行取证审查的命令，并将命令发送至寿险理赔服务器终端；
接收车险理赔服务器上传的理赔申请数据，车险理赔服务器上传的理赔申请数据至少包括事故原因、事故地点、保单号和理赔金额，对车险理赔服务器上传的理赔申请数据进行大数据风险分析，得到对应的高风险事故原因、高风险事故地点和高风险保单号对应的车牌号、保险购买人和保险受益人；将高风险事故原因、高风险事故地点和高风险保单号对应的车牌号、保险购买人、保险受益人返回至车险理赔服务器，以使得车险理赔服务器在接收到携带高风险事故原因、高风险事故地点和高风险保单号对应的车牌号、保险购买人、保险受益人的理赔申请数据时，生成委派理赔审查员进行取证审查的命令，并将命令发送至车险理赔服务器终端。
本发明的工作原理：先对各理赔服务器终端上传的理赔案件数据进行记录和大数据分析，得到高风险事故原因、高风险事故地点、高风险保险购买人以及高风险保险受益人，在理赔申请高峰期时，根据各类理赔服务器终端接收到的委派理赔审查员进行取证审查的命令进行理赔审查员的调度，即可达到优先对携带有高风险事故原因、高风险事故地点、高风险保险购买人以及高风险保险受益人的理赔申请数据所对应的理赔案件进行人员取证审查的目的，这样就可更有效的对具有高诈骗风险的理赔案件进行取证审查，有效减小了因骗保案件对保险公司造成的损失。
本发明实施例中，对所接收到的财险理赔服务器上传的理赔申请数据中的事故原因、事故地点和保单号对应的保险购买人、保险受益人进行存档和次数累计，设定第一时间区间和第一时间区间内的第一出险次数，当同一事故原因在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将此类事故原因定义为一级高风险事故原因；当同一事故地点在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个事故地点定义为一级高风险事故地点；当同一保险购买人或保险受益人在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个保险购买人或保险受益人定义为一级高风险保险关联人；本发明实施例中，还设定有第二时间区间和第二时间区间内的第二出险次数，第二出险次数与第二时间区间的比值大于第一出险次数与第一时间区间的比值，当同一事故原因在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将此类事故原因定义为二级高风险事故原因；当同一事故地点在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个事故地点定义为二级高风险事故地点；当同一保险购买人或保险受益人在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个保险购买人或保险受益人定义为二级高风险保险关联人；当同一时期内携带高风险事故原因、高风险事故地点、高风险保险购买人或者高风险保险受益人的理赔申请数据的财险理赔案件过多时，优先对携带二级高风险事故原因、二级高风险事故地点、二级高风险保险购买人或者二级高风险保险受益人的理赔申请数据的财险理赔案件进行取证审查。
本发明实施例中，对所接收到的寿险理赔服务器上传的理赔申请数据中的事故原因、事故医院和保单号对应的保险购买人、保险受益人进行存档和次数累计，设定第一时间区间和第一时间区间内的第一出险次数，当同一事故原因在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将此类事故原因定义为一级高风险事故原因；当同一事故医院在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个事故医院定义为一级高风险事故医院；当同一保险购买人或保险受益人在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个保险购买人或保险受益人定义为一级高风险保险关联人；本发明实施例中，还设定有第二时间区间和第二时间区间内的第二出险次数，第二出险次数与第二时间区间的比值大于第一出险次数与第一时间区间的比值，当同一事故原因在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将此类事故原因定义为二级高风险事故原因；当同一事故医院在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个事故医院定义为二级高风险事故医院；当同一保险购买人或保险受益人在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个保险购买人或保险受益人定义为二级高风险保险关联人；当同一时期内携带高风险事故原因、高风险事故医院、高风险保险购买人或者高风险保险受益人的理赔申请数据的寿险理赔案件过多时，优先对携带二级高风险事故原因、二级高风险事故医院、二级高风险保险购买人或者二级高风险保险受益人的理赔申请数据的寿险理赔案件进行取证审查。
本发明实施例中，对所接收到的车险理赔服务器上传的理赔申请数据中的事故原因、事故地点和保单号对应的车牌号、保险购买人、保险受益人进行存档和次数累计，设定第一时间区间和第一时间区间内的第一出险次数，当同一事故原因在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将此类事故原因定义为一级高风险事故原因；当同一事故地点在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个事故地点定义为一级高风险事故地点；当同一车牌号在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个车牌号定义为一级高风险车牌号；当同一保险购买人或保险受益人在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个保险购买人或保险受益人定义为一级高风险保险关联人；本发明实施例中，还设定有第二时间区间和第二时间区间内的第二出险次数，第二出险次数与第二时间区间的比值大于第一出险次数与第一时间区间的比值，当同一事故原因在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将此类事故原因定义为二级高风险事故原因；当同一事故地点在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个事故地点定义为二级高风险事故地点；当同一车牌号在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个车牌号定义为二级高险车牌号；当同一保险购买人或保险受益人在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个保险购买人或保险受益人定义为二级高风险保险关联人；当同一时期内携带高风险事故原因、高风险事故地点、高风险车牌号、高风险保险购买人或者高风险保险受益人的理赔申请数据的财险理赔案件过多时，优先对携带二级高风险事故原因、二级高风险事故地点、二级高风险车牌号、二级高风险保险购买人或者二级高风险保险受益人的理赔申请数据的车险理赔案件进行取证审查。
本发明实施例中，设定财险理赔金额，当所接收到的财险理赔服务器上传的理赔申请数据中的理赔金额大于设定的财险理赔金额时，生成委派理赔审查员进行取证审查的命令，并将命令发送至财险理赔服务器终端；设定寿险理赔金额，当所接收到的寿险理赔服务器上传的理赔申请数据中的理赔金额大于设定的寿险理赔金额时，生成委派理赔审查员进行取证审查的命令，并将命令发送至寿险理赔服务器终端；设定车险理赔金额，当所接收到的车险理赔服务器上传的理赔申请数据中的理赔金额大于设定的车险理赔金额时，生成委派理赔审查员进行取证审查的命令，并将命令发送至车险理赔服务器终端；对理赔金额大的理赔案件，优先委派案件审查员进行取证审查，也具有减小保险公司损失的效果。
本发明实施例中，设置高风险人群服务器，将对财险理赔服务器、寿险理赔服务器和车险理赔服务器上传的理赔申请数据进行进行大数据风险分析后得到的高风险保单所对应的高风险保险购买人和高风险保险受益人上传至高风险人群服务器，高风险人群服务器将接收到的高风险保险购买人和高风险保险受益人汇总后返回至财险理赔服务器、寿险理赔服务器以及车险理赔服务器，以使得财险理赔服务器、寿险理赔服务器以及车险理赔服务器在接收到携带高风险人群服务器发送来的高风险保险购买人和高风险保险受益人的理赔申请数据时，生成委派理赔审查员进行取证审查的命令，并将命令发送至财险理赔服务器终端；高风险人群服务器是财险理赔服务器、寿险理赔服务器和车险理赔服务器三者之间进行高风险保险购买人和高风险保险受益人资料共享的桥梁，财险理赔服务器、寿险理赔服务器和车险理赔服务器三者之间实现了高风险保险购买人和高风险保险受益人资料的共享，可更加准确、更加有效的对携带高风险保险购买人和高风险保险受益人的理赔申请数据的财理赔案件进行取证审查。
以上所述仅为本发明的优选实施方式而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (9)
1.一种信息数据处理和分析方法，其特征在于，包括：
将理赔服务器进行分类，至少分为财险理赔服务器、寿险理赔服务器和车险理赔服务器三类；
接收财险理赔服务器上传的理赔申请数据，所述财险理赔服务器上传的理赔申请数据至少包括事故原因、事故地点、保单号和理赔金额，对所述财险理赔服务器上传的理赔申请数据进行大数据风险分析，得到对应的高风险事故原因、高风险事故地点和高风险保单号对应的保险购买人和保险受益人；将所述高风险事故原因、高风险事故地点和高风险保单号对应的保险购买人、保险受益人返回至财险理赔服务器，以使得所述财险理赔服务器在接收到携带所述高风险事故原因、高风险事故地点和高风险保单号对应的保险购买人、保险受益人的理赔申请数据时，生成委派理赔审查员进行取证审查的命令，并将所述命令发送至财险理赔服务器终端；
接收寿险理赔服务器上传的理赔申请数据，所述寿险理赔服务器上传的理赔申请数据至少包括事故原因、事故医院、保单号和理赔金额，对所述寿险理赔服务器上传的理赔申请数据进行大数据风险分析，得到对应的高风险事故原因、高风险事故医院和高风险保单号对应的保险购买人和保险受益人；将所述高风险事故原因、高风险事故医院和高风险保单号对应的保险购买人、保险受益人返回至寿险理赔服务器，以使得所述寿险理赔服务器在接收到携带所述高风险事故原因、高风险事故医院和高风险保单号对应的保险购买人、保险受益人的理赔申请数据时，生成委派理赔审查员进行取证审查的命令，并将所述命令发送至寿险理赔服务器终端；
接收车险理赔服务器上传的理赔申请数据，所述车险理赔服务器上传的理赔申请数据至少包括事故原因、事故地点、保单号和理赔金额，对所述车险理赔服务器上传的理赔申请数据进行大数据风险分析，得到对应的高风险事故原因、高风险事故地点和高风险保单号对应的车牌号、保险购买人和保险受益人；将所述高风险事故原因、高风险事故地点和高风险保单号对应的车牌号、保险购买人、保险受益人返回至车险理赔服务器，以使得所述车险理赔服务器在接收到携带所述高风险事故原因、高风险事故地点和高风险保单号对应的车牌号、保险购买人、保险受益人的理赔申请数据时，生成委派理赔审查员进行取证审查的命令，并将所述命令发送至车险理赔服务器终端。
2.根据权利要求1所述的一种信息数据处理和分析方法，其特征在于，对所接收到的财险理赔服务器上传的理赔申请数据中的事故原因、事故地点和保单号对应的保险购买人、保险受益人进行存档和次数累计，设定第一时间区间和第一时间区间内的第一出险次数，当同一事故原因在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将此类事故原因定义为一级高风险事故原因；当同一事故地点在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个事故地点定义为一级高风险事故地点；当同一保险购买人或保险受益人在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个保险购买人或保险受益人定义为一级高风险保险关联人。
3.根据权利要求2所述的一种信息数据处理和分析方法，其特征在于，设定第二时间区间和第二时间区间内的第二出险次数，所述第二出险次数与第二时间区间的比值大于所述第一出险次数与第一时间区间的比值，当同一事故原因在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将此类事故原因定义为二级高风险事故原因；当同一事故地点在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个事故地点定义为二级高风险事故地点；当同一保险购买人或保险受益人在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个保险购买人或保险受益人定义为二级高风险保险关联人。
4.根据权利要求1所述的一种信息数据处理和分析方法，其特征在于，对所接收到的寿险理赔服务器上传的理赔申请数据中的事故原因、事故医院和保单号对应的保险购买人、保险受益人进行存档和次数累计，设定第一时间区间和第一时间区间内的第一出险次数，当同一事故原因在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将此类事故原因定义为一级高风险事故原因；当同一事故医院在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个事故医院定义为一级高风险事故医院；当同一保险购买人或保险受益人在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个保险购买人或保险受益人定义为一级高风险保险关联人。
5.根据权利要求4所述的一种信息数据处理和分析方法，其特征在于，设定第二时间区间和第二时间区间内的第二出险次数，所述第二出险次数与第二时间区间的比值大于所述第一出险次数与第一时间区间的比值，当同一事故原因在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将此类事故原因定义为二级高风险事故原因；当同一事故医院在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个事故医院定义为二级高风险事故医院；当同一保险购买人或保险受益人在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个保险购买人或保险受益人定义为二级高风险保险关联人。
6.根据权利要求1所述的一种信息数据处理和分析方法，其特征在于，对所接收到的车险理赔服务器上传的理赔申请数据中的事故原因、事故地点和保单号对应的车牌号、保险购买人、保险受益人进行存档和次数累计，设定第一时间区间和第一时间区间内的第一出险次数，当同一事故原因在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将此类事故原因定义为一级高风险事故原因；当同一事故地点在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个事故地点定义为一级高风险事故地点；当同一车牌号在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个车牌号定义为一级高风险车牌号；当同一保险购买人或保险受益人在设定的第一时间区间内累加的出险次数大于设定的第一出险次数时，将这个保险购买人或保险受益人定义为一级高风险保险关联人。
7.根据权利要求6所述的一种信息数据处理和分析方法，其特征在于，设定第二时间区间和第二时间区间内的第二出险次数，所述第二出险次数与第二时间区间的比值大于所述第一出险次数与第一时间区间的比值，当同一事故原因在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将此类事故原因定义为二级高风险事故原因；当同一事故地点在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个事故地点定义为二级高风险事故地点；当同一车牌号在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个车牌号定义为二级高险车牌号；当同一保险购买人或保险受益人在设定的第二时间区间内累加的出险次数大于设定的第二出险次数时，将这个保险购买人或保险受益人定义为二级高风险保险关联人。
8.根据权利要求1所述的一种信息数据处理和分析方法，其特征在于，设定财险理赔金额，当所接收到的财险理赔服务器上传的理赔申请数据中的理赔金额大于设定的财险理赔金额时，生成委派理赔审查员进行取证审查的命令，并将所述命令发送至财险理赔服务器终端；设定寿险理赔金额，当所接收到的寿险理赔服务器上传的理赔申请数据中的理赔金额大于设定的寿险理赔金额时，生成委派理赔审查员进行取证审查的命令，并将所述命令发送至寿险理赔服务器终端；设定车险理赔金额，当所接收到的车险理赔服务器上传的理赔申请数据中的理赔金额大于设定的车险理赔金额时，生成委派理赔审查员进行取证审查的命令，并将所述命令发送至车险理赔服务器终端。
9.根据权利要求1所述的一种信息数据处理和分析方法，其特征在于，设置高风险人群服务器，将对所述财险理赔服务器、寿险理赔服务器和车险理赔服务器上传的理赔申请数据进行进行大数据风险分析后得到的高风险保单所对应的高风险保险购买人和高风险保险受益人上传至高风险人群服务器，所述高风险人群服务器将接收到的高风险保险购买人和高风险保险受益人汇总后返回至财险理赔服务器、寿险理赔服务器以及车险理赔服务器，以使得所述财险理赔服务器、寿险理赔服务器以及车险理赔服务器在接收到携带高风险人群服务器发送来的高风险保险购买人和高风险保险受益人的理赔申请数据时，生成委派理赔审查员进行取证审查的命令，并将所述命令发送至财险理赔服务器终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910592302.5A CN112150296A (zh) | 2019-06-26 | 2019-06-26 | 一种信息数据处理和分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910592302.5A CN112150296A (zh) | 2019-06-26 | 2019-06-26 | 一种信息数据处理和分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112150296A true CN112150296A (zh) | 2020-12-29 |
Family
ID=73891710
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910592302.5A Pending CN112150296A (zh) | 2019-06-26 | 2019-06-26 | 一种信息数据处理和分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112150296A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150039351A1 (en) * | 2013-08-02 | 2015-02-05 | Transamerica Corporation | Categorizing Life Insurance Applicants to Determine Suitable Life Insurance Products |
| KR20150112427A (ko) * | 2014-03-28 | 2015-10-07 | 삼성생명보험주식회사 | 빅데이터를 활용하여 보험정보를 제공하기 위한 방법, 장치 및 컴퓨터-판독가능 매체 |
| CN107123054A (zh) * | 2017-04-07 | 2017-09-01 | 平安科技（深圳）有限公司 | 车险理赔数据分析方法和系统 |
| CN108399574A (zh) * | 2018-02-28 | 2018-08-14 | 泰康保险集团股份有限公司 | 理赔数据获取方法、对接理赔子系统、介质及电子设备 |
| CN108830732A (zh) * | 2018-04-28 | 2018-11-16 | 厦门快商通信息技术有限公司 | 一种基于区块链技术的预防保险欺诈的方法及系统 |
-
2019
- 2019-06-26 CN CN201910592302.5A patent/CN112150296A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150039351A1 (en) * | 2013-08-02 | 2015-02-05 | Transamerica Corporation | Categorizing Life Insurance Applicants to Determine Suitable Life Insurance Products |
| KR20150112427A (ko) * | 2014-03-28 | 2015-10-07 | 삼성생명보험주식회사 | 빅데이터를 활용하여 보험정보를 제공하기 위한 방법, 장치 및 컴퓨터-판독가능 매체 |
| CN107123054A (zh) * | 2017-04-07 | 2017-09-01 | 平安科技（深圳）有限公司 | 车险理赔数据分析方法和系统 |
| CN108399574A (zh) * | 2018-02-28 | 2018-08-14 | 泰康保险集团股份有限公司 | 理赔数据获取方法、对接理赔子系统、介质及电子设备 |
| CN108830732A (zh) * | 2018-04-28 | 2018-11-16 | 厦门快商通信息技术有限公司 | 一种基于区块链技术的预防保险欺诈的方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11049187B2 (en) | Proving ground assisted automated model | |
| Farahmand et al. | Managing vulnerabilities of information systems to security incidents | |
| US20130036038A1 (en) | Financial activity monitoring system | |
| Nguyen | The effectiveness of white‐collar crime enforcement: Evidence from the War on Terror | |
| US20040059592A1 (en) | System and method of contractor risk assessment scoring system (CRASS) using the internet, and computer software | |
| US12100051B2 (en) | Hail data evaluation computer system | |
| CA2421560A1 (en) | Reinsurance and risk management method | |
| CN110782163A (zh) | 企业数据处理方法和装置 | |
| Amankwah et al. | Fraud detection in motor insurance: privacy and data protection concerns under EU Law | |
| Power et al. | Sharing and analyzing data to reduce insurance fraud | |
| CN112150296A (zh) | 一种信息数据处理和分析方法 | |
| Tanimura et al. | The market value and reputational effects from lost confidential information | |
| US20040078330A1 (en) | Method and apparatus for auditing billing accounts | |
| CN112001806A (zh) | 一种基于大数据的信息数据处理和分析方法 | |
| Tucker et al. | Carrying little sticks: Is there a ‘deterrence gap’in employment standards enforcement in Ontario, Canada? | |
| Kennedy | Lies and statistics: Statistical sampling in liability determinations under the False Claims Act | |
| TWM591191U (zh) | 負面新聞監控分析系統 | |
| Hęćka-Sadowska et al. | Operational Cyber Risk in the differing business model of Insurance Companies: the example of Poland | |
| Petrivskyi et al. | Principles and Algorithms for Creating Automated Intelligent Control Systems of Electronic Banking. | |
| US20210398043A1 (en) | Systems and methods for accessing multiple data sources to determine length of licensure | |
| CN118396757A (zh) | 一种针对人伤保险的数智化两核数据管理系统 | |
| CHECK | Broken Records Redux | |
| NWODIMKPA et al. | FORENSIC AUDIT AND ASSET MISAPPROPRIATION CONTROL IN RIVERS STATE CIVIL SERVICE, NIGERIA | |
| Dziel | Determinants of Effective Combating Insurance Fraud within the Green Card System | |
| Eling et al. | Essay I What do we know about cyber risk and cyber risk insurance? |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201229 |