CN112488845A - 一种投保客户的筛选方法、装置、电子设备及存储介质 - Google Patents
一种投保客户的筛选方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112488845A CN112488845A CN202011280777.XA CN202011280777A CN112488845A CN 112488845 A CN112488845 A CN 112488845A CN 202011280777 A CN202011280777 A CN 202011280777A CN 112488845 A CN112488845 A CN 112488845A
- Authority
- CN
- China
- Prior art keywords
- policy
- screening
- data
- index table
- customer
- 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
Links
- 238000012216 screening Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 27
- 230000006870 function Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims 2
- 238000004220 aggregation Methods 0.000 claims 2
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 10
- 238000012423 maintenance Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 241000282813 Aepyceros melampus Species 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本说明书一个或多个实施例提供一种投保客户的筛选方法、装置、电子设备及存储介质；所述方法包括：提取现有存量保单中的信息，生成客户指标表和保单指标表；根据预先设定的标签定义，搜索保单指标表，得到符合标签定义的保单数据，生成中间表；整合保单指标表、客户指标表和中间表，生成筛选表；根据预先设定的筛选条件，搜索筛选表，得到符合筛选条件的保单数据；处理符合筛选条件的保单数据，生成销售人员‑商机索引表；将筛选表同步到数据库，将销售人员‑商机索引表推送给客户端，供销售人员查询使用。本方法通过大数据技术丰富完善了每个投保客户的标签属性，统筹规划所有数据，提高了数据二次利用的成功率。
Description
技术领域
本说明书一个或多个实施例涉及保单信息处理技术领域，尤其涉及一种投保客户的筛选方法、装置、电子设备及存储介质。
背景技术
随着经济的发展，人们的保险意识增强，对保险的需求量大增，我国的保险行业也得到了飞速的发展。虽然保险公司的数据库内积累了大量的保单和客户数据，但是对于数据的二次利用一直是一个难点。
现有的解决方案是，仅对数据库内的数据做基础的查询，并根据查询结果对相应数据做二次使用。这个方案有很大的缺点：当数据库中的数据过多时，很容易遗漏查询，相当于直接放弃部分数据；查询得到的数据较为简单片面，难以做到有效的二次利用；当数据过多时，对于数据的统筹规划困难；无法根据现有数据推测未来可能的数据结构与数据类型。
发明内容
有鉴于此，本说明书一个或多个实施例的目的在于提出一种投保客户的筛选方法、装置、电子设备及存储介质，以解决数据的二次利用率低的问题。
基于上述目的，本说明书一个或多个实施例提供了一种投保客户的筛选方法，包括：
提取现有存量保单中的信息，生成客户指标表和保单指标表；
根据预先设定的标签定义，搜索所述保单指标表，得到符合所述标签定义的保单数据，生成中间表；
整合所述保单指标表、所述客户指标表和所述中间表，生成筛选表；
根据预先设定的筛选条件，搜索所述筛选表，得到符合所述筛选条件的保单数据；
处理所述符合所述筛选条件的保单数据，生成销售人员-商机索引表；
将所述筛选表同步到数据库，将所述销售人员-商机索引表推送给客户端，供销售人员查询使用。
基于同一发明构思，本说明书一个或多个实施例还提供了一种投保客户的筛选装置，包括：
标签生成模块，被配置为提取现有存量保单中的信息，生成客户指标表和保单指标表；
标签加工模块，被配置为根据预先设定的标签定义，搜索所述保单指标表，得到符合所述标签定义的保单数据，生成中间表；
标签整合模块，被配置为整合所述保单指标表、所述客户指标表和所述中间表，生成筛选表；
商机筛选模块，被配置为根据预先设定的筛选条件，搜索所述筛选表，得到符合所述筛选条件的保单数据；
商机生成模块，被配置为处理所述符合所述筛选条件的保单数据，生成销售人员-商机索引表；
商机推送模块，被配置为将所述筛选表同步到数据库，将所述销售人员-商机索引表推送给客户端，供销售人员查询使用。
基于同一发明构思，本说明书一个或多个实施例还提供了一种电子设备。包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任意一项所述的方法。
基于同一发明构思，本说明书一个或多个实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任意一项所述的方法。
从上面所述可以看出，本说明书一个或多个实施例提供的一种投保客户的筛选方法、装置、电子设备及存储介质，通过大数据技术提取保单信息生成客户标签和保单标签，并对两种标签进行特定加工整合得到客户新增标签和自定义标签，四种标签自由组合排列，丰富完善了每个投保客户的标签属性，统筹规划所有数据，对符合条件的数据做到了最大程度的二次利用，提高了数据二次利用的成功率。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书一个或多个实施例，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为本说明书一个或多个实施例的投保客户的筛选方法的流程图；
图2为本说明书一个或多个实施例的装置结构示意图；
图3为本说明书一个或多个实施例的电子设备结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
如背景技术部分所述，虽然人们的保险意识增强，对保险的看法有所改观，但是人们购买保险的欲望仍然处在一个较低的水平。即使对于购买过保险的客户，他们的二次投保欲望也不高。在当前保险行业中，如何对数据实现有效的二次利用一直是一个难点。
在现有的技术方案中，仅对数据库内的数据做基础的查询，并根据查询结果对相应数据做二次使用。
但是，现有的技术方案有很大的缺点：当数据库中的数据过多时，很容易遗漏查询，相当于直接放弃部分数据；查询得到的数据较为简单片面，难以做到有效的二次利用；当数据过多时，对于数据的统筹规划困难；无法根据现有数据推测未来可能的数据结构与数据类型。
针对于上述现有技术中存在的问题，本发明通过大数据技术提取保单信息生成客户标签和保单标签，并对两种标签进行特定加工整合得到客户新增标签和自定义标签，四种标签自由组合排列，丰富完善了每个投保客户的标签属性，统筹规划所有数据，对符合条件的数据做到了最大程度的二次利用，提高了数据二次利用的成功率。
以下，通过具体的实施例来详细说明本说明书一个或多个实施例的技术方案。
本说明书一个或多个实施例提供了一种投保客户的筛选方法。参考图1，所述的投保客户的筛选方法，包括以下步骤：
步骤S1、提取现有存量保单中的信息，生成客户指标表和保单指标表。
本实施例中，大数据平台基于保险公司存于其中的现有存量保单，提取保单中的相关客户信息和相关保单信息，组合客户信息生成客户指标表、组合保单信息生成保单指标表。
具体的，客户指标表是以客户为维度、以基础客户标签作为内容的标签组合。基础客户标签包括姓名、性别、年龄、出生日期、婚姻状态、收入、职业、购买保单件数等客户的基本信息。同理，保单指标表是以保单为维度、以基础保单标签作为内容的标签组合。基础保单标签包括险种、保单状态、保费、长短险种等保单的基本信息。
基础客户标签和基础保单标签是对客户数据和保单数据的初步提取结果，而后续的新增客户标签和自定义标签则是对基础客户标签与基础保单标签的特定汇总整合。
作为一个可选的实施例，客户指标表以全量更新的方式加工，更新频率以天为单位。保单指标表以增量更新的方式加工，更新频率以天为单位。每天更新客户指标表和保单指标表，实时新增维护。
步骤S2、根据预先设定的标签定义，搜索所述保单指标表，得到符合所述标签定义的保单数据，生成中间表。
本实施例中，大数据平台根据管理人员提前设定好的新增客户标签定义，搜索保单指标表，提取其中与新增客户标签定义相关联的保单数据，以客户唯一标识PartyId作为分组条件，汇总保单数据，得到新增客户标签，将新增客户标签整合，即得到中间表。
具体的，新增客户标签是保单指标表中客户投保信息的组合体现，包括：保有保单件数、保有长险保单件数、保有短险保单件数、被保人保单件数、被保人理赔距今年限、被保人有效短险保单件数、被保人有效长险保单件数、被保人长险保单数、近1年投保的长期健康险保单数、近1年投保的长险保单数、近1年为本人投保的保单数、近1年为家人(父母、子女、配偶)投保的保单数、近3年投保的长期健康险保单数、近3年投保的长险保单数、近3年为本人投保的保单数、近3年为家人(父母、子女、配偶)投保的保单数、近5年投保的长期健康险保单数、近5年投保的长险保单数、近5年为本人投保的保单数、近5年为家人(父母、子女、配偶)投保的保单数、投保人分红险保单件数、投保人健康险保单件数、投保人普通寿险保单件数、投保人万能险保单件数、投保人为家人购买健康险件数、投保人意外险保单件数、投保人有效短险保单件数、投保人有效长险保单件数、为自己购买健康险件数、第一次购险距观测点年限、第一次购买长险距观察点年限、最近一次购买股份保单距今时长、最近一次投保长险保单距今月份、残疾类保障额度、养老储蓄保额、医疗类保障额度、意外身故保额、重大疾病保额、当前期交保费、购买的有效的分红寿险长险保单累计保费、购买的有效的健康险寿险长险保单累计保费、购买的有效的普通寿险长险保单累计保费、购买的有效的万能寿险长险保单累计保费、购买的有效的意外险寿险保单累计保费、过去五年件均保费、累计实际已交保费、有效分红长险累计保费、投保人最近一次理赔的时间、被保人最近一次理赔的时间、累计理赔金额、最近5年累计理赔金额、留存业务、留存业务给付时间、标准保费、客户等级、购买过的险种代码、所有保单均责任终止日期等。
上述新增客户标签可以在多个维度中对客户进行刻画，方便后续对客户进行筛选工作。
作为一个可选的实施例，大数据平台除了将生成的新增客户标签汇总到中间表，还提供自定义标签的在线编辑维护和加工汇总到中间表中的功能。为降低开发成本和使用成本，自定义标签以HiveSQL的方式实现在线维护。
每个自定义标签由两个部分组成，此处以“长险保单件数”作为自定义标签进行举例：
第一部分为符合“长险保单”条件的保单件数：首先输入固定的HiveSQL语句“sum(if(sales_channel_code＝'PA'and cast(nvl(P_Hd004_Scale_Model_Score,'0')asint)>20,1,0))as P_Hd004_Scale_Model_Score”，然后指定“长险保单件数”为别名，再基于保单指标表，以客户唯一标识PartyId为分组条件汇总统计符合条件的保单件数，最后以别名作为中间表的一列，将统计结果整合到中间表中。当客户有符合“长险保单”这一条件的保单时，统计结果的值大于等于1；当客户没有符合条件的保单时，统计结果的值为0。
第二部分为符合“长险客户”条件的是否逻辑：首先输入固定的HiveSQL语句“casewhen c.P_Hd004_Scale_Model_Score＝0then'0'else'1'end as P_Hd004_Scale_Model_Score”，其中case语句使用的字段名为中间表的列明，然后加工处理第一部分中的统计结果，得到处理结果，最后将处理结果整合到中间表中。当客户购买过长险，即符合“长险客户”条件时，处理结果的值为1；当客户未购买过长险，即不符合“长险客户”条件时，处理结果的值为0。
在第一部分的统计结果和第二部分的处理结果中，有数据为空时，以“null”代替，不得为“”，且统计结果和处理结果的对应数据不可同时为空。
自定义标签功能将新增标签的数据加工周期由以周为单位缩短为以小时为单位，实时新增维护客户标签，当天新增，立即生效，方便灵活且学习成本低。
至此，中间表的数据结构为：以客户为维度的客户标签表，其中包括新增客户标签和自定义标签。即同一个客户只有一条数据，每条数据包含有不同的客户标签。在上述以“长险保单件数”作为自定义标签的例子中，汇总得到的中间表如表1所示：
表1中间表
| 客户唯一标识PartyId | 姓名 | 性别 | 长险保单件数 | 是否长险客户 |
| 987001 | 张三 | 男 | 2 | 1(是) |
| 987002 | 李四 | 男 | 0 | 0(否) |
步骤S3、整合所述保单指标表、所述客户指标表和所述中间表，生成筛选表。
本实施例中，大数据平台使用HiveSQL语言，将保单指标表作为主表，左关联客户指标表和中间表，加工得到筛选表。其中，左关联(Left Join)是以主表为基础左表，返回左表中的所有数据和右表中相关联的联结字段相等的数据，组合而成的新表。
至此，筛选表的数据结构为：以保单为维度的标签表，其中包括基础客户标签、基础保单标签、新增客户标签和自定义标签这四种标签类型。即同一个保单号只有一条数据，每条数据中既包含客户属性，又含有保单属性。可以理解为，筛选表是大数据平台中所有可利用的客户数据与保单数据的集合。以步骤S2中含有“长险保单件数”自定义标签的中间表为例，整合加工得到的筛选表如表2所示：
表2筛选表
步骤S4、根据预先设定的筛选条件，搜索所述筛选表，得到符合所述筛选条件的保单数据。
本实施例中，大数据平台根据管理人员预先设定好的筛选条件，搜索筛选表中的相关标签，得到符合筛选条件的筛选表保单数据。其中，筛选条件与管理人员预先输入的名称、开始时间和结束时间相组合，即可生成“商机”。商机是为了重点开发某一特定属性的客户，而生成的精准营销项目。生成的商机将定义推送到手机端App，以供销售人员实时查询。商机根据生成行为分为固定商机和自定义商机两种，且都具有商机唯一标识ID。
固定商机的特点为筛选条件固定，手机端App的推送方式为系统定时推送，推送频率固定，推送单位为县支。以固定商机“未来七天过生日客户”为例，其筛选条件为出生日期在今日至后七日区间内的客户，系统上午8点定时推送，推送频率为每天推送，推送单位为符合筛选条件的客户所在区县的下属保险营业厅。
作为一个可选的实施例，自定义商机是由各渠道操作人员自由筛选组合筛选表生成的，筛选条件、推送方式、推送频率和推送单位均不固定，可自由定义，灵活多变。以自定义商机“买过长险也买过短险保单的男性客户开发”为例，其筛选条件为“性别：男”、“是否长险客户：1(是)”、“保单类型：S(短险)”这三个条件，以此条件搜索步骤S3中的表2筛选表，即可得到保单号唯一标识为“xxxxxx03”的一行数据。
步骤S5、处理所述符合所述筛选条件的保单数据，生成销售人员-商机索引表。
本实施例中，大数据平台通过使用SQL中的计数(count)函数和聚合(group)函数，处理步骤S4中得到的筛选表保单数据，得到在特定商机下每个销售人员的客户总数数据和客户唯一标识PartyId列表数据。在得到上述客户数据后，大数据平台以HiveSQL的方式加工一个HBase表的外部表，表的主键为“销售人员PID+商机唯一标识ID”，列为该销售人员在该商机中的客户总数和客户唯一标识PartyId列表等信息。整合所有商机下的客户数据，即可得到销售人员-商机索引表。
销售人员-商机索引表筛选出了商机—客户—销售人员这三者之间的关系，并通过表格的方式直观的呈现出来，表格中每一行都是一个商机与一个销售人员的组合。与筛选表相比，销售人员-商机索引表中的数据量少、但是数据精度高，对于后续销售人员的精准营销能够提供更大的帮助。
步骤S6、将所述筛选表同步到数据库，将所述销售人员-商机索引表推送给客户端，供销售人员查询使用。
本实施例中，大数据平台将步骤S5中生成的销售人员-商机索引表通过WebService接口推送给保险公司客户端，销售人员便可以查询自己名下的各类商机和客户信息，从而进行精准营销与重点经营，以此促成新单的生成。
作为一个可选的实施例，大数据平台将步骤S3中生成的筛选表同步到Impala数据库中，以供前台页面通过Java数据库连接(JDBC)进行查询使用。Impala数据库能够查询存储在Hadoop的分布式文件系统(HDFS)和HBase中的PB级大数据，且查询方式灵活多变，开销相对较低。
作为一个可选的实施例，大数据平台根据保单指标表的增量加工时间戳，每天获取新增的保单信息，并以映射归约(MapReduce)的加工方式，结合销售人员-商机索引表，统计计算新增的保单中是否存在符合商机的保单。若保单符合某一商机的筛选条件，则按照长短险的不同维度将该保单的保单数据存放到商机追踪结果表中。在存储保单数据后，将商机追踪结果表同步到数据库中，以供前台页面通过JDBC查询。
商机追踪结果表中明确记载了销售人员二次开发成功的全部保单数据，通过查阅商机追踪结果表，保险公司可以直观的了解到不同商机的成功率与其各自的适应性。在结合商机追踪结果表进行分析后，保险公司就可以对客户在未来的购买行为进行预测，并按照客户的喜好推荐保险，最终提升二次开发的成功率。
由上述实施例可见，本说明书一个或多个实施例提供的一种投保客户的筛选方法、装置、电子设备及存储介质，通过大数据技术提取保单信息生成客户标签和保单标签，并对两种标签进行特定加工整合得到客户新增标签和自定义标签，四种标签自由组合排列，丰富完善了每个投保客户的标签属性，统筹规划所有数据，对符合条件的数据做到了最大程度的二次利用，提高了数据二次利用的成功率。
需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思，本说明书一个或多个实施例还提供了一种投保客户的筛选装置。参考图2，所述的投保客户的筛选装置，包括：
标签生成模块201，被配置为提取现有存量保单中的信息，生成客户指标表和保单指标表；
标签加工模块202，被配置为根据预先设定的标签定义，搜索所述保单指标表，得到符合所述标签定义的保单数据，生成中间表；
标签整合模块203，被配置为整合所述保单指标表、所述客户指标表和所述中间表，生成筛选表；
商机筛选模块204，被配置为根据预先设定的筛选条件，搜索所述筛选表，得到符合所述筛选条件的保单数据；
商机生成模块205，被配置为处理所述符合所述筛选条件的保单数据，生成销售人员-商机索引表；
商机推送模块206，被配置为将所述筛选表同步到数据库，将所述销售人员-商机索引表推送给客户端，供销售人员查询使用。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
基于同一发明构思，本说明书一个或多个实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任意一实施例所述的投保客户的筛选方法。
图3示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
基于同一发明构思，本说明书一个或多个实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任意一实施例所述的投保客户的筛选方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (10)
1.一种投保客户的筛选方法，其特征在于，包括：
提取现有存量保单中的信息，生成客户指标表和保单指标表；
根据预先设定的标签定义，搜索所述保单指标表，得到符合所述标签定义的保单数据，生成中间表；
整合所述保单指标表、所述客户指标表和所述中间表，生成筛选表；
根据预先设定的筛选条件，搜索所述筛选表，得到符合所述筛选条件的保单数据；
处理所述符合所述筛选条件的保单数据，生成销售人员-商机索引表；
将所述筛选表同步到数据库，将所述销售人员-商机索引表推送给客户端，供销售人员查询使用。
2.根据权利要求1所述的投保客户的筛选方法，其特征在于，所述客户指标表，是以客户为维度的基础客户标签的组合；所述基础客户标签包括姓名、年龄、性别、婚姻状态、收入和职业；
所述保单指标表，是以保单为维度的基础保单标签的组合；所述基础保单标签包括险种、保单状态和保费。
3.根据权利要求1所述的投保客户的筛选方法，其特征在于，所述根据预先设定的标签定义，搜索所述保单指标表，得到符合所述标签定义的保单数据，生成中间表，具体包括：
根据新增客户标签的定义，搜索所述保单指标表，得到第一保单数据；
以客户唯一标识作为分组条件，汇总第一保单数据，得到第一统计结果；
根据自定义标签的第一定义，搜索所述保单指标表，得到第二保单数据；
以客户唯一标识作为分组条件，汇总第二保单数据，得到第二统计结果；
根据自定义标签的第二定义，处理所述第二统计结果，得到处理结果；
以客户唯一标识作为分组条件，将所述第一统计结果、所述第二统计结果和所述处理结果整合，得到所述中间表。
4.根据权利要求3所述的投保客户的筛选方法，其特征在于，所述新增客户标签和所述自定义标签，由数据仓库工具的结构化查询语言的相关固定语句所定义。
5.根据权利要求1所述的投保客户的筛选方法，其特征在于，所述筛选表，是以所述保单指标表为主表，左关联所述客户指标表和所述中间表得到的；
所述筛选表，是以保单为维度的，基础客户标签、基础保单标签、新增客户标签和自定义标签的组合。
6.根据权利要求1所述的投保客户的筛选方法，其特征在于，所述根据预先设定的筛选条件，搜索所述筛选表，得到符合所述筛选条件的保单数据，具体包括：
根据固定筛选条件，搜索所述筛选表，得到符合条件的第三保单数据；
根据自定义筛选条件，搜索所述筛选表，得到符合条件的第四保单数据；
将所述第三保单数据和所述第四保单数据作为所述符合所述筛选条件的保单数据。
7.根据权利要求1所述的投保客户的筛选方法，其特征在于，所述处理所述符合所述筛选条件的保单数据，生成销售人员-商机索引表，具体包括：
使用结构化查询语言中的计数函数和聚合函数处理所述第三保单数据，生成固定商机下每个销售人员的客户总数数据和客户列表数据；
使用所述结构化查询语言中的计数函数和聚合函数处理所述第四保单数据，生成自定义商机下每个销售人员的客户总数数据和客户列表数据；
将所述固定商机下每个销售人员的客户总数数据和客户列表数据与所述自定义商机下每个销售人员的客户总数数据和客户列表数据整合，得到所述销售人员-商机索引表。
8.一种投保客户的筛选装置，其特征在于，包括：
标签生成模块，被配置为提取现有存量保单中的信息，生成客户指标表和保单指标表；
标签加工模块，被配置为根据预先设定的标签定义，搜索所述保单指标表，得到符合所述标签定义的保单数据，生成中间表；
标签整合模块，被配置为整合所述保单指标表、所述客户指标表和所述中间表，生成筛选表；
商机筛选模块，被配置为根据预先设定的筛选条件，搜索所述筛选表，得到符合所述筛选条件的保单数据；
商机生成模块，被配置为处理所述符合所述筛选条件的保单数据，生成销售人员-商机索引表；
商机推送模块，被配置为将所述筛选表同步到数据库，将所述销售人员-商机索引表推送给客户端，供销售人员查询使用。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至7任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011280777.XA CN112488845B (zh) | 2020-11-16 | 2020-11-16 | 一种投保客户的筛选方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011280777.XA CN112488845B (zh) | 2020-11-16 | 2020-11-16 | 一种投保客户的筛选方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112488845A true CN112488845A (zh) | 2021-03-12 |
| CN112488845B CN112488845B (zh) | 2024-05-28 |
Family
ID=74930783
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011280777.XA Active CN112488845B (zh) | 2020-11-16 | 2020-11-16 | 一种投保客户的筛选方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112488845B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113111625A (zh) * | 2021-04-30 | 2021-07-13 | 善诊(上海)信息技术有限公司 | 一种医学文本标签生成系统、方法及计算机可读存储介质 |
| CN113268496A (zh) * | 2021-06-03 | 2021-08-17 | 中国农业银行股份有限公司 | 客户名单筛选方法和装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170024446A1 (en) * | 2015-07-21 | 2017-01-26 | Accenture Global Services Limited | Data storage extract, transform and load operations for entity and time-based record generation |
| CN108711110A (zh) * | 2018-08-14 | 2018-10-26 | 中国平安人寿保险股份有限公司 | 保险产品推荐方法、装置、计算机设备和存储介质 |
| CN109299997A (zh) * | 2018-09-03 | 2019-02-01 | 中国平安人寿保险股份有限公司 | 产品推荐方法、装置及计算机可读存储介质 |
| CN109670967A (zh) * | 2018-09-26 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 保险业务处理方法、装置、终端设备及存储介质 |
| CN109711856A (zh) * | 2018-08-17 | 2019-05-03 | 中国平安人寿保险股份有限公司 | 基于大数据的用户分类方法、装置、服务器及存储介质 |
| CN110019559A (zh) * | 2017-12-27 | 2019-07-16 | 航天信息股份有限公司 | 一种数据查询方法和系统 |
| CN110111173A (zh) * | 2019-04-12 | 2019-08-09 | 中国平安人寿保险股份有限公司 | 保险产品推送控制方法、装置、计算机设备及存储介质 |
| CN110992111A (zh) * | 2019-12-17 | 2020-04-10 | 上海德拓信息技术股份有限公司 | 基于大数据的投保人用户画像挖掘方法 |
-
2020
- 2020-11-16 CN CN202011280777.XA patent/CN112488845B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170024446A1 (en) * | 2015-07-21 | 2017-01-26 | Accenture Global Services Limited | Data storage extract, transform and load operations for entity and time-based record generation |
| CN110019559A (zh) * | 2017-12-27 | 2019-07-16 | 航天信息股份有限公司 | 一种数据查询方法和系统 |
| CN108711110A (zh) * | 2018-08-14 | 2018-10-26 | 中国平安人寿保险股份有限公司 | 保险产品推荐方法、装置、计算机设备和存储介质 |
| CN109711856A (zh) * | 2018-08-17 | 2019-05-03 | 中国平安人寿保险股份有限公司 | 基于大数据的用户分类方法、装置、服务器及存储介质 |
| CN109299997A (zh) * | 2018-09-03 | 2019-02-01 | 中国平安人寿保险股份有限公司 | 产品推荐方法、装置及计算机可读存储介质 |
| CN109670967A (zh) * | 2018-09-26 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 保险业务处理方法、装置、终端设备及存储介质 |
| CN110111173A (zh) * | 2019-04-12 | 2019-08-09 | 中国平安人寿保险股份有限公司 | 保险产品推送控制方法、装置、计算机设备及存储介质 |
| CN110992111A (zh) * | 2019-12-17 | 2020-04-10 | 上海德拓信息技术股份有限公司 | 基于大数据的投保人用户画像挖掘方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113111625A (zh) * | 2021-04-30 | 2021-07-13 | 善诊(上海)信息技术有限公司 | 一种医学文本标签生成系统、方法及计算机可读存储介质 |
| CN113268496A (zh) * | 2021-06-03 | 2021-08-17 | 中国农业银行股份有限公司 | 客户名单筛选方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112488845B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107688645B (zh) | 一种保单数据处理方法及终端设备 | |
| US10103953B1 (en) | Methods and systems for analyzing entity performance | |
| US20140288981A1 (en) | Methods and systems for travel-based interactions | |
| CN112488845B (zh) | 一种投保客户的筛选方法、装置、电子设备及存储介质 | |
| US20160246705A1 (en) | Data fabrication based on test requirements | |
| JP6836832B2 (ja) | 会計処理装置、会計処理方法及び会計処理プログラム | |
| CN110119401A (zh) | 用户画像的处理方法、装置、服务器及存储介质 | |
| CN109615172A (zh) | 一种处理考核数据的方法及终端 | |
| CN112559524A (zh) | 一种指标数据库建立方法、装置及存储介质 | |
| Giri et al. | Big data-overview and challenges | |
| CN110135975A (zh) | 一种信贷产品的定制信息发送方法、装置、系统和记录介质 | |
| CN112488854B (zh) | 服务经理个性化推荐方法和相关设备 | |
| Ayvaz et al. | A scalable streaming big data architecture for real-time sentiment analysis | |
| JP2023159414A (ja) | Ａｉを使用したソースコード売買システム | |
| CN112163962A (zh) | 一种模型训练和业务风控的方法及装置 | |
| CN110020118B (zh) | 一种计算用户之间相似度的方法及装置 | |
| US20150213098A1 (en) | Business Rules Influenced Quasi-Cubes with Higher Diligence of Data Optimization | |
| Filipiak et al. | Quantitative analysis of art market using ontologies, named entity recognition and machine learning: A case study | |
| US20190146977A1 (en) | Method and system for persisting data | |
| CN114153860A (zh) | 业务数据管理方法及装置、电子设备、存储介质 | |
| CN114463033A (zh) | 一种数据筛查方法、装置、电子设备、存储介质 | |
| CN109657010B (zh) | 文档处理方法、装置和存储介质 | |
| CN113901046A (zh) | 虚拟维度表构建方法及装置 | |
| WO2021046105A1 (en) | Systems and methods for assigning attribution weights to nodes | |
| CN110442587B (zh) | 业务信息升级方法及终端设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |