CN112534456A - 一种保护计划及保修数据分析的系统及方法 - Google Patents

Abstract

本发明描述了服务器的不同示例和基于保修分析提供可操作的见解的方法，这些见解与客户使用电子设备时使用的保护装置有关。在某些情况下，所述方法包括：在服务器上从用户设备接收电子查询；在服务器上从多维数据结构访问风险概况数据和测试数据中的至少一个，其中风险概况数据和测试数据中的至少一个包括响应电子查询所需的数据；在服务器上使用所访问的数据确定对电子查询的响应；一种从服务器向用户设备发送电子信息的电子信息，所述电子信息包括用于回答电子查询的数据。

Description

一种保护计划及保修数据分析的系统及方法

相关申请的交叉引用

本申请主张2018年6月1日提交的美国临时专利申请第62/679,099号，第62/679,099号的内容通过引用整体并入本文。

技术领域

本文描述了至少一个实施例，所述实施例一般涉及电子数据处理，特别是涉及使用包括人工智能(例如数据挖掘/机器学习)在内的各种技术的面向电子数据(包括数据仓库、数据集市、OLAP数据立方)的处理，所述方法可用于执行包括确定和提供便携式电子设备的使用的保护计划和保修信息在内的各种动作。

背景技术

便携式电子设备，如移动电话、智能手机和各种便携式个人计算设备，例如个人数字助理(PDA)、电子书阅读器、视频游戏机等，在全球范围内已经变得无处不在。由于这些设备的便携性，为了保护这些便携式电子设备，使其免受物理损害(例如，免受撞击、划伤、跌落等)，保护装置如保护壳和屏幕保护器(仅举几例)也变得很普遍。

参照图1，保护电子设备10不受损害的广泛使用但廉价的解决方案是使用保护罩，也通常称为保护壳12。这些保护壳可以用不同的尺寸和各种不同的材料(例如，硅胶、皮革、塑料、凝胶等)制造，它们可以基本上是刚性的或至少部分可变形的(例如，柔性及/或可拉伸的)。这些保护壳不是电子设备的永久性附加物，可以拆卸。

虽然保护壳为电子设备的后部、边缘及角落提供了保护，但当涉及到保护电子设备的前部(包括显示屏幕)时，保护壳通常会有不足。现在参考图2A-2C，屏幕保护膜22是一种额外的材料片，通常由使用纳米技术的塑料，例如，聚对苯二甲酸乙二醇酯(PET)和热塑性聚氨酯(TPU)、钢化玻璃或液态玻璃(硅基涂层)制成，可以附着到电子设备10的前部，以对电子设备10的屏幕10s提供保护，防止物理损伤(例如，划痕)。

保护装置制造商与担保人合作或单独对其产品进行认证，对至少使用了一种保护装置(例如，保护壳和/或屏幕保护膜)的电子设备提供担保。例如，在电子设备因自由落体(即电子设备掉落)或意外接触(即电子设备被击中)而受损的情况下，如果在损害发生时电子设备上安装了一个或多个保护装置，则承诺对客户的损害补救给予全部或部分赔偿。

为了使保修服务提供商和客户(即电子设备所有人/用户)都受益，保修保险政策(例如，有限或终身保修)和定价可根据针对特定客户、电子设备和保护装置签发的保单的预期终身成本而有所不同。否则，如果对所有客户使用统一的保单和定价，那么就会导致低风险客户被多收钱，而高风险客户被少收钱。这样，市场的反应就是，高风险客户会因为收费过低而增加，而低风险客户会因为收费过高而减少。为了保持竞争力，保修服务提供者可以尝试重新调整保修政策和定价，以解决高风险客户收费过低和低风险客户收费过高的问题。然而，对每个客户适当地调整和提供这种政策是很困难的，因为必须确定和适当地分析各种因素，目前还没有已知的技术。

发明内容

在一个广泛的方面，根据本文的教导，提供了一种计算机实现的方法，用于基于与客户将保护装置与电子设备一起使用有关的保修分析来提供可操作的见解，所述方法包括：在一服务器上从一用户设备接收一电子查询；在所述服务器上从多维数据结构中对风险概况数据以及测试数据中的至少一个进行访问，其中所述风险概况数据以及所述测试数据的至少一个包括响应所述电子查询所需的数据；在所述服务器上，使用访问的数据确定对所述电子查询的响应；以及从所述服务器向所述用户设备发送一电子信息，所述电子信息包括用于回答所述电子查询的数据。

在至少一个实施例中，所述方法包括对客户风险概况数据、客户集群数据、电子申报分布数据、保护装置风险概况数据、电子风险概况数据、及用于至少一个风险概况数据的软件应用程序风险概况数据中的少一个进行检索。

在至少一个实施例中，所述方法包括对电子设备可用性测试数据以及软件应用程序可用性测试数据中的至少一个进行检索。

在至少一个实施例中，所述方法包括在所述服务器上根据所述保护装置风险概况数据、电子设备可用性数据以及软件应用程序可用性数据中的至少一项生成电子反馈，并将所述电子信息中的所述电子反馈发送给所述用户设备。

在至少一个实施例中，所述方法包括在所述服务器上根据电子设备可用性测试数据以及软件应用程序可用性测试数据中的至少一个生成一电子通知，并将所述电子信息中的所述电子通知发送给所述用户设备。

在至少一个实施例中，所述方法包括在所述服务器上根据电子申报分布数据和保护装置风险概况数据生成一电子推荐；以及在所述电子信息中将所述电子推荐发送到所述用户设备。

在至少一个实施例中，所述方法包括沿着所述多维数据结构的不同维度来存储客户数据、保修数据、保护装置数据、电子设备数据、软件应用程序数据、时间数据以及地理数据，并且在数据存储中对事件数据及电子申报数据进行存储。

在至少一个实施例中，所述方法包括将在线分析处理(online analyticalprocessing,OLAP)应用到所述多维结构以生成一客户OLAP数据立方体，所述客户OLAP数据立方体包括客户风险概况数据、客户集群数据以及电子申报分布数据。

在至少一个实施例中，所述方法包括将在线分析处理(OLAP)应用到所述多维结构以生成一保护装置OLAP数据立方体，所述保护装置OLAP数据立方体包含保护装置风险概况数据。

在至少一个实施例中，所述方法包括将在线分析处理(OLAP)应用到所述多维结构以生成一电子设备OLAP数据立方体，所述电子设备OLAP数据立方体包括电子设备风险概况数据以及与电子设备可用性测试相关的数据。

在至少一个实施例中，所述方法包括将在线分析处理(OLAP)应用到所述多维结构以生成一软件应用程序OLAP数据立方体，所述软件应用程序OLAP数据立方体包括软件应用程序风险概况数据以及与软件应用程序可用性测试相关的数据。

在至少一个实施例中，所述方法包括在所述服务器上通过以下步骤确定一客户分类器：从所述客户OLAP数据立方体中提取一客户记录，以检索一给定客户的申报历史记录；根据所述申报历史记录确定一高风险标签或一低风险标签是否适用于所述给定客户；使用确定的风险标签来更新所述给定客户的客户记录；使用确定的多个标签生成多个训练样本；在所述客户OLAP数据立方体中对每一个客户重复进行抓取、确定、更新及生成的步骤；使用所述训练样本来训练一客户分类器；以及将所述客户分类器存储在所述数据存储中。

在至少一个实施例中，所述方法包括在所述服务器上通过以下步骤确定一给定客户风险概况：接收一客户身份证号；使用所述客户身份证号从所述客户OLAP数据立方体中提取一客户记录；通过将一客户分类器应用到来自所述给定客户的客户记录的一个或多个数据属性，来预测所述给定客户的客户风险概况；以及将预测的客户风险概况存储在所述给定客户的客户记录中。

在至少一个实施例中，所述方法包括在所述服务器上通过以下步骤确定一客户集群：从所述客户OLAP数据立方体中提取一给定客户的一客户记录；使用所提取的客户记录中的数据为所述给定客户构建一个多元时间序列；在所述客户OLAP数据立方体中为每一个客户重复进行提取及构建；获得独特的一对多元时间序列；从独特的一对多元时间序列中确定一成对相似度评分；存储确定的成对相似度评分；对每一个独特的一对多元时间序列重复进行提取、确定及存储；以及从存储的成对相似度评分中生成多个客户集群。

在至少一个实施例中，所述方法包括在所述服务器上通过以下步骤预测一给定客户的数据：接收一客户身份证号；使用所述客户身份证号从所述客户OLAP数据立方体中提取一客户记录；定位对应于所述给定客户的一客户集群；以及使用来自所定位的客户集群的质心的多个数据属性来预测所述给定客户的数据。

在至少一个实施例中，所述方法包括在所述服务器上通过确定一给定时间段内多个特定地理位置的高风险概况与低风险概况：使用来自所述客户OLAP数据立方体的数据创建多个时间段的多个地图；从所述数据存储的所述电子申报数据中提取一电子申报；确定所述电子申报的一地理编码以及一时间间隔；查找所述电子申报的时间间隔的地图，并且呈现所述电子申报的地理编码；以及对每一个电子申报重复进行提取、确定及查找。

在至少一个实施例中，所述方法包括在所述服务器上通过以下步骤为所述电子申报生成多个区域集群：选择一地理区域；从所述数据存储中提取有关所述地理区域的数据；对所述数据存储中存储的数据的所有地理区域重复进行选择及抓取；对一个独特的一对的地理区域提取数据；确定所述独特的一对地理区域的一成对相似度评分；将所述成对相似度评分存储在所述数据存储中；对每一个独特的一对地理区域重复进行提取、确定及存储；以及从存储的成对相似度评分中生成多个区域集群。

在至少一个实施例中，所述方法包括在所述服务器上通过以下步骤基于已知的多个地理区域来确定新的未见过的多个地理区域的保修及定价策略基线：接收一新地理区域的一身份证号；提取有关所述新地理区域的数据；使用所提取的数据及来自多个集群区域的多个质心的数据来定位与新地理区域相对应的一区域集群；以及使用来自所定位的区域集群的一质心的数据来确定保修及定价策略基线。

在至少一个实施例中，所述方法包括：对于一给定电子设备检索所述电子设备风险概况数据以及与电子设备可用性测试相关的数据；确定在一特定时间段内涉及所述给定电子设备的多个事件；确定所述多个事件发生时使用的设备的多个用户接口特性；在使用时将所述给定电子设备归类为高风险或低风险；以及生成电子报告，所述电子报告包括在所述多个事件期间使用的用户接口特性以及所述给定电子设备的风险分类。

在至少一个实施例中，所述方法包括：检索一给定电子设备的所述电子设备风险概况；以及向所述客户发送带有一警告的电子通知，所述警告是使用所述给定电子设备及/或电子设备的一个或多个特定功能会增加发生一损坏事件的可能性。

在至少一个实施例中，所述方法包括：检索软件应用程序风险概况数据以及与软件应用程序可用性测试相关的数据；在一事件发生前，确定客户与给定软件应用程序的近期互动；以及生成电子报告，所述电子报告包括与给定软件应用程序的近期互动以及给定软件应用程序风险概况数据。

在至少一个实施例中，所述方法包括：检索一给定软件应用程序的软件应用程序风险概况数据；以及向客户发送带有一警告的电子通知，所述警告是使用给定软件应用程序会增加发生一损坏事件的可能性。

在另一个广义方面，根据本文的教示，提供一种服务器的至少一个实施例，用于提供与一客户使用一电子设备的保护装置相关的基于保修分析的可操作的见解，其中所述服务器包括：一通信单元，用于与至少一个用户设备进行电子通信；一数据存储，被配置为存储用于执行保修分析的多个程序指令，而且数据包含OLAP数据立方体、多维数据结构及操作数据；以及一处理单元，所述处理单元在操作上耦合到所述通信单元和所述数据存储，而且所述处理单元具有至少一个处理器，所述处理器配置为：接收来自至少一个用户设备的一电子查询；从多维数据结构中访问风险概况数据及测试数据中的至少一种，其中所述风险概况数据及测试数据中的至少一种包括响应所述电子查询所需的数据；通过执行用于保修分析的多个程序指令来处理被访问的数据，以确定对所述电子查询的响应；以及向所述至少一个用户设备发送一电子信息，所述电子信息包括用于回答所述电子查询的数据。

在至少一个实施例中，所述处理单元还被配置为执行根据本文教示所述的任何一种或多种方法。

在另一个广义方面，根据本文的教示，提供了一种计算机可读介质的至少一个实施例，所述计算机可读介质包括多个指令，当在一处理单元上执行时，所述多个指令使所述处理单元实现一种方法，所述方法用于基于保护装置与电子设备一起使用有关的保修分析来提供可操作的见解，其中所述方法根据本文教导描述的任何一种或多种方法进行定义。

本申请的其他特征及优点将从以下与附图一起采取的详细描述中变得明显。然而，应当理解的是，详细描述和具体实例虽然指示了本申请的优选实施例，但仅以说明的方式给出，因为在本申请的精神和范围内的各种变化和修改将从本详细描述中对本领域的熟练人员变得明显。

附图说明

为了更好地理解本文描述的各种实施例，并且为了更清楚地显示如何将这些不同的实施例进行实施，将以举例的方式参考附图，附图显示了至少一个实施例，并且现在对其进行描述。这些图样并不是要限制本文所述的教导的范围。

图1是应用于电子设备的保护壳的一示例的视图，本示例中的电子设备是智能手机。

图2A至图2C是应用于电子设备的屏幕保护壳的透视图、侧视图及放大侧视图，本示例中的电子设备是智能手机。

图3A是用于处理多维电子数据以确定及提供用于便携式电子设备的保护计划及保修信息的服务器的一实施例的框图。

图3B是示出图3A的服务器使用的多维数据结构的数据组件的示例性实施例的图。

图4A是显示利用包括数据挖掘及机器学习技术在内的人工智能(AI)的多维数据(即OLAP数据立方体)上的各种分析方法得出关于客户、电子设备、保护装置及软件应用程序概况的可操作性洞察力的示例性实施例的图。

图4B是可由图3A的服务器使用的分层软件架构的实施例的图。

图5A是用于训练一时空客户分类器的方法的一实施例的流程图。

图5B是用于预测客户的时空风险概况的方法的一实施例的流程图。

图6A是客户集群方法的一实施例的流程图。

图6B是用于预测新客户的未知风险概况数据或更新现有客户的风险概况数据的一示例的流程图。

图7是显示美国两个示例城市在每个月时间间隔内的归一化电子申报分布的示例的图，其中电子申报的数量由每个城市的客户数量归一化。

图8是用于在地理地图中呈现每个时间间隔(例如，每月)的电子申报的地理编码的方法的一实施例的流程图。

图9是用于生成电子申报的区域集群的方法的一示例性实施例的流程图。

图10是用于基于类似区域集群中的区域来确定新的未见过的区域的保修及定价策略基线的方法的一实施例的流程图。

本文所述实施例的进一步方面和特征将从与附图一起采取的以下描述中出现。

具体实施方式

下面将描述根据本文教导的各种实施例，以提供所要求的主题事项的至少一个实施例。此处描述的任何实施例均不限制任何所要求的主题事项。所要求的主题事项不限于具有以下所述的任何一种装置、系统或方法的所有特征的装置、系统或方法，也不限于本文所述的多种或所有装置、系统或方法的共同特征。有可能存在本文描述的装置、系统或方法，该装置、系统或方法不是任何权利要求的主题事项的实施例。本文件中描述的任何未在本文件中提出权利要求的主题事项可能是另一保护性文书的主题事项，例如，持续专利申请，申请人、发明人或所有人不打算通过在本文件中披露这些主题事项而放弃、否认或将其奉献给公众。

可以理解的是，为了说明的简单性和明确性，在认为适当的情况下，参考数字可以在图中重复以表示相应的或类似的元素。此外，为了提供对本文描述的实施例的彻底理解，列出了许多具体细节。然而，本领域普通技术人员将理解，这里描述的实施例可以在没有这些具体细节的情况下实施。在其它情况下，众所周知的方法、程序和组件没有被详细描述，以便不模糊本文描述的实施例。另外，不认为该描述限制了本文描述的实施例的范围。

还应注意的是，本文中使用的术语“耦合”或“联接”可以具有几种不同的含义，这取决于使用这些术语的上下文。例如，这些术语可以具有机械的或电气的内涵，例如表示两个组件或设备可以彼此直接连接，或者根据特定的上下文通过一个或多个中间组件或设备通过电信号、电连接或机械组件彼此连接。

还应注意的是，如本文所使用的，“和/或”一词意在表示包容或。也就是说，“X和/或Y”意指例如X或Y或两者。作为另一个例子，“X、Y和/或Z”意指X或Y或Z或其任何组合。

应当注意的是，本文使用的诸如“基本上”、“大约”和“近乎”等程度术语是指被修饰术语的合理偏离量，从而使最终结果没有显着改变。这些度数术语也可被解释为包括被修改术语的偏差，例如1％、2％、5％或10％，如果该偏差不否定其修改的术语的含义。

此外，本文通过端点对数字范围的复述包括归入该范围的所有数字和分数(例如，1至包括1、1.5、2、2.75、3、3.90、4和5)。还应理解的是，所有数字和其分数都被推定为由术语“约”所修饰，该术语是指如果最终结果没有显着改变，例如1％、2％、5％或10％，则至多是所参考的数字的一定量的变化。

根据本文教义描述的装置或方法的至少一部分实例可以作为硬件或软件的组合来实施。例如，本文所述的部分实施例可以通过使用一个或多个计算机程序来实现，该程序在一个或多个可编程设备上执行，该设备包括至少一个处理组件，以及至少一个数据存储组件(包括易失性和非易失性存储器中的至少一个)。这些设备还可以具有至少一个输入设备(例如，触摸屏等)和至少一个输出设备(例如，显示屏幕、打印机、无线无线电等)，这取决于设备的性质。

还应注意的是，可能有一些用于实现本文所述的至少部分实施例的元素，这些元素可以通过以高级程序语言(如面向对象编程)编写的软件来实现。程序代码可以用C、C++或任何其他合适的编程语言编写，并且可以包括模块或类，这对于那些熟悉面向对象编程的人来说是已知的。另外，或者除此之外，通过软件实现的这些元素中的一些可以根据需要用汇编语言、机器语言或固件来编写。

用于实现本文所述的至少一个实施例的至少一些软件程序可以存储在存储介质(例如，计算机可读介质，如但不限于ROM、磁盘、光盘)或可由可编程设备读取的装置上。当由可编程设备读取时，软件程序代码将可编程设备配置为以新的、特定的和预定义的方式操作，以执行本文所述的至少一种方法。

此外，与本文描述的实施例的系统和方法相关联的至少一些程序可以能够在计算机程序产品中分发，该计算机程序产品包括计算机可读介质，该计算机可读介质带有用于一个或多个处理器的计算机可用指令，例如程序代码。该程序代码可以在制造过程中预先安装和嵌入，和/或可以在以后作为已经部署的计算系统的更新安装。介质可以以各种形式提供，包括非暂时性形式，例如但不限于一个或多个磁盘、光盘、磁带、芯片以及磁性和电子存储。在其他实施例中，介质可以是短暂性的，例如但不限于有线传输、卫星传输、互联网传输(例如下载)、媒体、数字和模拟信号等。计算机可使用的指令也可以是各种格式的，包括编译的和非编译的代码。

此外，应当注意的是，参考图仅是为了提供各种示例性硬件和软件方法如何根据本文的教义操作的示例，而绝不应当被认为是限制了所要求的主题的范围。例如，尽管图1至图2C示出了一个示例电子设备，其为智能手机，但所要求的主题的范围包括本文教导适用的所有电子设备。

客户使用来自特定制造商的特定保护装置，例如外壳12或保护罩22(在图1至图2C中)，所述制造商的产品由已发布的保证书认证。保护装置12和电子设备10可用于提供某些数据，这些数据随后使用各种分析技术进行处理，以提供各种可操作的见解。例如，电子设备10和/或保护壳12都可以提供当电子设备10跌落时收集的跌落数据。保护壳12和/或电子设备10可以具有能够提供跌落数据的各种传感器，其中传感器包括但不限于麦克风、接近传感器、光传感器、压力传感器和加速度计。该跌落数据可以被分析以识别电子设备10在被跌落时是否被保护壳12保护。捕获的跌落数据可以被发送到服务器(例如图3A中的服务器100，其提供保修分析和可操作的见解)，并使用数据结构(例如作为操作数据116)存储。除了跌落数据之外，关于电子设备的数据，例如设备制造商、设备类型(即智能手机、笔记本电脑等)、设备品牌以及关于不同保护壳的数据，例如但不限于保护壳材料、保护壳厚度和冲击等级，也可以发送到服务器100，以便与每个用户的操作数据116一样存储在数据库中。

电子设备的已签发的保修政策的预期成本通常作为若干变量的函数来确定，例如电子设备和保护装置的类型、制造(即制造商)、型号和年份。然而，该成本还将取决于使用电子设备的客户是否更有可能损坏电子设备，这可以使用不同的变量，以及某些分析技术，包括根据本文教导的人工智能(例如数据挖掘/机器学习)导向方法来确定。例如，在电子设备上附加了低质量的保护器具并且在危险环境中(例如工业工作环境)使用电子设备的客户可以被认为是高风险客户，然后，已发布的保修政策可以考虑到这一点，以收取适当的定价和/或向客户提供可操作的建议，例如购买高质量(即低风险)的保护器具，以降低损坏的风险，这也将降低保修的定价。

作为另一个例子，根据本文的教导，可能对已签发的保单产生影响的另一个有趣的变量可能是客户可能在电子设备上使用的软件程序，通常称为并在下文中称为“软件应用程序”。例如，如果软件应用程序的用户接口(User Interface,UI)设计不方便或繁琐，可能会增加客户在使用所述软件应用程序时摔坏电子设备的风险，从而有可能损坏电子设备。因此，在这种情况下，如果客户经常使用所述特定软件应用程序，则可认为客户是高风险客户。

在某些实施例中，还有其他变量可用于确定客户的风险水平，从而确定保修的预期成本。这两个值的确定在数学上是复杂的。因此，在另一个方面，提供了具有复杂计算能力的硬件、数据仓库结构以及方法，这些硬件、数据仓库结构以及方法能够以有效的方式执行根据本教导确定的计算，以便确定针对低风险和高风险客户的不同的保修保险政策和定价，并为各方提供可操作的见解。例如，客户的长期和短期历史事件和电子申报构成了大量的数据，这些数据无法缩减到一个简单的平台上，也无法由人进行处理。此外，对于人类来说，别说是简单的统计分析了，要找到往往隐藏在数据内部的模式和相关性是非常困难的。因此，可以使用本文所述的更强大的方法来进行这种分析。

现在参考图3A，其中显示了一服务器100的一个实施例，所述服务器100可由包括客户120a至120b在内的各种用户访问，这些用户可使用不同的设备122a至122n通过通信网络150(例如互联网)与服务器100通信。用户还包括保证人140和第三方144，他们也可以分别使用其设备146和142通过通信网络150与服务器100通信。客户如客户120n也可以通过使用电子设备122n向权证人的设备142发送电子债权，直接与权证人140对应。在创建电子申报时，客户120n可以咨询“维修服务技术人员”，所述技术人员可以检查损坏的设备，并提供损坏规格的数据(即数据的类型和严重程度)，并估算维修费用。

客户120a至120n在购买一保护装置并将所述保护装置安装在电子设备上时，可与服务器100进行互动。这种互动涉及客户在服务器100上登记和输入关于其本人、其电子设备和保护装置的数据。这可以通过由服务器100提供的一个或多个用户接口104来完成。输入的数据作为操作数据116的一部分存储在数据存储器108中。

虽然所述设备122a至122n可以是不同类型的设备(即笔记本电脑、平板电脑、智能手机等)，但它们一般具有类似的主要组件，允许客户120a至120n与服务器110通信。此外，设备142和146可以具有类似的主要组件。因此，为了说明的目的，将讨论设备120n的组件，但应当理解，这些组件也一般适用于设备120a、120b、142和146。装置120n包括处理器130、输入装置132、存储器134、显示器136和通信装置138。电子设备122n可包括操作所需的进一步组件，如本领域技术人员所熟知的那样，如电源装置(未示出)，该电源装置可以是任何合适的电源，为装置122n的各个组件提供电力，如电源适配器或可充电电池组。

所述处理器130可以是标准的处理器，其控制所述设备122n的操作，并在执行某些程序时成为特定的处理设备，以使其能够向所述设备142提交电子申报，并与服务器100互动。所述存储器单元132一般包括RAM和ROM，并且用于存储操作系统和程序，这是本技术领域的熟练人员通常知道的。例如，操作系统为所述设备122n提供各种基本操作程序。所述程序222包括各种用户程序，以便客户120n可以与其他设备如所述设备122n和所述服务器100互动。

根据所述设备122n的设备类型，所述输入设备134可以是触摸屏、触摸板、键盘、鼠标等中的至少一种。另外，所述输入设备132可以是与应用编程接口(ApplicationProgramming Interface,API)或基于网络的应用程序一起使用的图形用户接口，以便所述客户120b可以提供输入数据并从其他电子设备接收数据或电子信息，例如权证人的所述通信电子设备142或所述服务器100。

所述显示屏136可以是根据所述设备122n的配置而提供视觉信息的任何合适的显示屏。例如，所述显示器136可以是适合于笔记本电脑、平板电脑或手持设备的显示器，例如基于LCD的显示器等。所述通信设备138可以是标准网络适配器和/或无线收发器，其根据诸如IEEE 802.11a、802.11b、25802.11g或802.11n等标准利用CDMA、GSM、GPRS或蓝牙协议进行通信。通信设备138可以为处理器130提供与其他设备或计算机通信的方式。

所述服务器100接收不同实体组的各种查询，例如客户120a-120n、保证人140和第三方144。下面将进一步详细描述服务器100与各组实体之间的一般互动。所述服务器100一般包括一处理单元102、一用户接口104、一通信单元106和一数据存储108。所述数据存储108存储了用于实施各种程序和提供某些功能的各种计算机指令。所述数据存储108还存储由所述服务器用于执行分析和向与服务器100互动的实体提供可操作的见解的数据。例如，所述数据存储108可以存储用于各种保证分析110的程序指令，并且所述数据存储108可以存储各种数据，包括多个OLAP数据立方体112、一个多维数据结构114和操作数据116。另外，或者除此之外，还可以采用其他数据存储来存储数据，这些数据存储可以远离所述服务器100。

所述处理单元102控制所述服务器100的操作，并且可以包括一个或多个合适的处理器，这些处理器可以根据所述服务器100的配置、目的和要求提供足够的处理能力，如本领域技术人员所知。例如，所述处理单元102可以包括高性能处理器，所述处理器在执行用于执行保修分析的程序指令时成为特定用途处理器。在替代实施例中，所述处理单元102可以包括一个以上的处理器，每个处理器被配置为执行不同的专用任务。在替代实施例中，还可以使用专用硬件来提供由所述处理单元102提供的一些功能。

所述处理器单元102还可以执行用于生成各种图形用户接口(graphical userinterface,GUI)引擎的程序指令，所述GUI构成所述用户接口104。各种实体(客户120a-120n、保证人140和第三方144)可以与所述用户接口104互动，以提供输入数据并向所述服务器100输入电子查询以执行各种分析。所述用户接口104可以将分析结果发送到进行电子查询的所述设备122a-122n、142和/或146，以便在那里显示。另外，或者除此之外，所述通信单元106可以发送任何电子通知、电子推荐、分析报告和广告，这些都可能是由于电子查询的结果而产生的。

所述数据存储108存储了用于操作系统的各种程序指令、用于保修分析110的某些分析应用以及前面提到的数据。分析应用程序包括程序代码，当执行时，所述程序代码将所述处理器单元102配置为以特定方式操作，以实现所述服务器100的各种功能和工具。所述数据存储108可以包括RAM、ROM、一个或多个硬盘驱动器、一个或多个闪存驱动器或其他一些合适的数据存储组件，例如磁盘驱动器等。

所述服务器100可以根据客户的风险状况以及其电子设备和保护产品的风险状况来确定特定客户的定价数据和保修计划选择。所述客户120a至120n还可以从所述服务器100接收电子推荐、电子通知和电子广告中的至少一种。用于确定这些不同的数据项并提供这些不同的建议的方法包括但不限于例如向客户提供保修计划和/或保护装置，以及提供其他建议、通知和电子广告的方法将在本文中进一步详细描述。

所述担保人140可以与服务器100互动以利用所述服务器100提供的各种分析工具，例如担保分析。例如，所述担保人140可以通过与顶层的担保分析软件工具110、356进行互动，来接收关于一个或多个客户、保护装置、电子设备和软件应用程序的风险概况的数据集市(即图表和报告)。服务器100所采用的软件架构的描述。然后，所述担保人140可以使用来自一个或多个分析工具的分析数据来做出一些决定或制定计划，例如确定要对哪些地理区域和/或保护装置进行评估，提供担保。应该注意的是所述担保人140也可以称为担保公司，第三方管理员或承销商。

所述第三方146包括但不限于保护装置制造商、电子设备制造商、软件应用程序开发商和广告商。所述第三方可以向所述服务器100订阅/注册其产品，以便接收本文所述的各种分析反馈。例如，保护装置制造商，可以向所述服务器100订阅其屏幕保护器产品，并接收分析反馈，如但不限于：(1)哪些保护产品能够将电子设备从某些类型的事件中拯救出来；(2)保护装置的哪些部分存在缺陷，无法将所述电子设备从某些类型的损害中拯救出来。(3)某些防护产品的受欢迎程度；(4)通过考虑在使用防护产品时所述电子设备发生的任何损坏，有多少用户对某些防护产品感到满意；(4)关于购买某些防护产品的客户的人口统计信息的一些统计，可以用来提供推荐目的。可以通过接收用户的电子查询，分析从某些数据集如电子设备OLAP数据立方体306、保护装置OLAP数据立方体304和软件应用程序OLAP数据立方体308中提取的数据以解决所述查询，然后向用户提供与用户电子查询相关的分析反馈和可操作的见解。分析反馈可以通过电子通知的方式提供，例如，所述服务器100可以通过电子邮件向制造商发送报告，或者通过网站(例如网络应用)发送报告。

现在参考图3B，其中显示的是一个多维数据结构200，所述结构将关于变量“客户”202、“保修”204、“保护装置”206、“电子设备”208和“软件应用”210的数据组织为其维度，并在“时间”和“地理”维度内表达这些变量之间的关系。所述多维数据结构200内的每个单元格包含与沿其每个维度的元素相关的汇总数据。所述多维数据结构200用于混合多个维度，包括动态信息，例如由保护装置收集的跌落数据和其他更稳定或缓慢变化的数据，例如客户的人口统计数据。

所述多维数据结构200可以被分解为数据立方体，数据立方体能够存储保修相关数据，并用于在每个立方体的数据范围内访问保修数据(图4A和图4B所示为立方体的例子)。即使当数据被操作时，仍然易于访问，并继续构成紧凑的数据库格式，数据仍然保持相互关联。例如，如果所述操作数据116发生任何更新，那么数据仓库(即多维数据结构200)将自动更新。例如，如果一个现有的客户改变了他们的位置，那么这个变化会自动反映在数据仓库中，而不需要任何设计上的改变。多维数据结构是在线分析处理(OLAP)应用背后的分析数据库的事实标准。然而，所述多维数据结构200已经被配置为具有某些维度的数据，用于解决本文遇到的技术挑战。

在另一个方面，根据本文的教导，AI支持的方法(即数据挖掘和机器学习算法。例如在图5A、图5B、图6A、图6B、图9和图10中分别为方法400、方法450、方法500、方法600、方法700和方法750)可以使用原始数据(如可操作数据116)，在此基础上应用ETL来构建多维数据结构200，从所述结构中可以生成OLAP数据立方体，并且可以创建数据模型以快速生成关于不同维度变量的复杂分析查询的答案，比如：保修政策、保护装置、电子设备、软件应用程序和客户，包括但不限于针对客户及其承载特定软件应用程序并受保护装置保护的电子设备的已签发政策的预期成本。

就“客户”维度202而言，多维数据结构200和根据教义描述的至少一种方法可用于提供关于客户的数据驱动决策和可操作的见解，包括通过生成客户风险概况来确定高风险客户与低风险客户。在至少一个实施例中，这可以使用方法400和方法450(参见图5A和图5B)来完成。此外，多维数据结构和根据本文教义描述的方法中的至少一种可以用于获得客户关于她的每个电子设备在一定时间段内的档案使用模式，并向客户提供特定保护器具的个性化建议(例如通过从她的事件的时空分布确定的客户的多元时间序列)。这对客户来说具有很高的价值，因为它节省了在保护壳、屏幕保护器和保修计划的无数选项和选择中找到保护她的电子设备的最佳适合的时间和精力。例如，这可以通过使用图6A的方法500和保护装置风险概况316来实现。此外，通过剖析每个客户关于每个设备的使用模式，本文所述的数据分析框架允许设备制造商执行可导致开发新的保护装置的未来规划。

就“保护装置”和“电子设备”维度206和208而言，多维数据结构200和根据本教义描述的至少一种方法可用于允许制造商识别高风险产品。此外，制造商能够执行未来规划和市场分析，这能够为公司以及个人使用的不同电子设备和保护装置提供额外的销售机会。例如，这可以通过获得所述保护装置风险概况316和电子设备可用性测试320并使用所述反馈模块328产生反馈来实现。

就“软件应用”维度210而言，所述多维数据结构200和根据本教示描述的至少一种方法可被软件应用程序开发者用于设计软件应用程序的便捷的用户接口(即便捷的Uls是更容易使用的Uls，在使用软件应用程序时不会增加电子设备被掉落或其他损坏的风险)。例如，基于记录的潜在损坏事件的历史数据(可以存储在事件数据库中)，例如电子设备掉落或被击中的时间和地点以及在事件发生的同时使用的软件应用程序的软件应用程序数据，所述多维数据结构200和根据本文教导描述的至少一种方法能够确定并提供关于高风险软件应用程序的反馈，即，其不良用户接口设计增加了潜在损坏事件(例如，掉落)风险的软件应用程序。例如，可以使用图4A中所示的软件应用程序风险概况322和软件应用程序可用性测试324来实现。

再次参考图3B，时间维度212用于在时间内的任何历史数据分析被分解为时间间隔的层次，例如，每小时、每天、每周、每月和/或每年。例如，时间维度212可用于存储来自监控和跟踪客户在其电子设备上使用保护器具的数据，或存储在一定时间段内如每天、每周或更高层次的时间段如每月或每年提交的电子申报的数据。

所述地理维度214与时间维度212一起可用于执行时空数据分析。例如，地理维度214可用于收集数据，以监测和跟踪客户在事件发生的不同地理位置内对其电子设备上的保护装置的使用情况，例如，该地理位置包括但不限于一个城镇、一个城市或一个国家。

所述客户维度202包括关于客户的人口统计学数据，例如，但不限于年龄、性别、职业和教育水平。人口统计学数据可以在客户最初对其购买的保护装置进行在线注册时收集，例如，可以在所述服务器100提供的网站或其他数据输入方式中进行。

所述保修维度204包括关于保修政策的数据，例如但不限于覆盖期、保修条款和保修条件，以及关于一个或多个保修人的数据，例如但不限于名称和地址。例如保修条款和条件可以是1年意外损坏方案，免赔额为50美元，涵盖电子设备上的任何意外或水渍损坏。另一个例子，可能是1年的意外损坏方案，只覆盖300美元以内的屏幕破坏，免赔额为0美元。保修政策的保修数据可以由保修人提供并添加到所述数据存储108中。每当改变保修政策或添加新的保修政策时，可以更新保修维度的数据存储108。

所述保护装置维度206包括关于保护装置的数据，例如，但不限于，制造商、设备材料、设备尺寸和设备颜色。当客户最初执行其保护装置的在线注册时，例如在服务器100提供的网站上，可以提供保护装置数据。例如，每当客户将新的保护装置放在电子设备上时，使用保护装置的客户可以必须在电子设备上注册一个标签。所述标签可以包含关于保护装置的数据，例如设备类型品牌等。

所述电子设备维度208包括关于客户使用其购买的保护装置的电子设备的数据。例如，电子设备数据可以包括各种数据，例如但不限于制造商名称、无线运营商名称、设备类型、设备型号、设备颜色和设备尺寸。电子设备数据可以在客户最初执行其保护装置的在线注册时提供，例如，在由所述服务器100提供的网站上提供。

所述软件应用程序维度210包括关于软件应用程序的数据，包括但不限于名称、版本和运行平台等，例如，在电子设备被丢弃时正在使用。所述数据可以在客户在所述服务器100提供的网站注册电子设备后自动提供。

上述维度可以由所述多维数据结构200中的其他维度相互关联，包括事实数据，如但不限于事件数据和申报数据。

来自事件数据库的所述事件数据216是关于潜在的损坏事件的数据，例如，但不限于，设备撞击、设备划伤、设备掉落、事件的位置、事件的时间以及在事件之前刚刚使用的软件应用程序。例如，事件的实例可以是。“约翰今天(2019年1月1日)在他位于43.6597136°N(纬度)，-79.3797687°W(经度)，多伦多，ON.，加拿大的工作岗位上，用MessageApp发送信息时，掉了他的iPhone6S。目前，他的手机因使用ProtectCo公司的InvisibleShield作为屏幕保护器而获得了WarrantyCo公司的1年有限保修。”

根据事件的类型，自动或手动记录不同的数据项以指定事件的相关细节。例如，在跌落事件中，内置传感器可以提供感官数据，例如但不限于运动(例如来自加速度计)和/或方向(例如来自陀螺仪)，包括跌落的高度和角度，以及在跌落结束时电子设备的表面是否向下/向上定向。关于表面类型的数据可以由用户手动提供。此外，可以自动记录客户在电子设备跌落之前与软件应用程序的近期互动，这可以使用现成的软件(例如www.appsee.com)来完成。作为另一个例子，当电子设备的屏幕上发生划痕事件时，可以使用已知技术手动或自动记录划痕的长度和深度。例如，对于与电子设备一起使用的保护壳，可以推断，当电子设备的一部分击中表面(例如，角落)时，电子设备的方向与角落事件中的损坏量之间存在很强的相关性。

所述事件数据216从客户的设备发送到所述服务器100；事件数据可以是电子申报的一部分，也可以与电子申报分开。所述事件数据216可以由正在客户的设备上执行的事件监控软件应用程序自动收集。事件监控软件应用程序可以在客户最初向所述服务器100注册其保护装置时在客户的设备上安装。可以挖掘和分析所述事件数据216，以生成客户、保护装置、电子设备和软件应用程序中的一个或多个的风险和使用概况。

所述申报数据218包括客户为更换、修理和/或补偿其损坏的电子设备而提交的保修申报电子交易的数据项。因此，申报数据218也是从客户的设备发送到所述服务器100的电子申报的一部分。申报数据218与事件数据216不同，因为事件不一定要关联申报。例如，客户今天可能从1m的高度掉下他们的电子设备，并且没有损坏，因此这是一个没有电子申报的事件。然而，如果在此事件中电子设备发生了一些损坏，例如玻璃破碎，则可能存在相关的电子申报，客户可以通过所述服务器100的所述用户接口104在线提出包括修理设备的费用的电子申报。例如，保修申报电子交易的实例可以是。“约翰已经提交了关于他的手机玻璃破碎的申报，在2019年1月2日，提交了所需的文件。保修商确认了该申报，并全额支付了维修费用。”所述申报数据218中可能包括的数据项包括但不限于损坏规格，例如损坏模式(例如，碎裂或小裂纹)和修复损坏的费用。

基于所述多维数据结构200的各个维度中的可用数据和事实数据(即事件数据216和申报数据218)，根据本文的教导，可以执行人工智能支持的数据分析，以提供一个或多个方面的历史、当前和预测性观点。1)客户，2)电子设备，3)保护装置，以及4)软件应用程序。为此，参照图4A，可以从所述多维数据结构200生成称为OLAP数据立方体的较小数据结构。OLAP数据立方体可以被填充与各种数据概况相关的数据，这些数据概况可以通过称为“提取-转换-加载”(ETL)的过程为电子申报的各个方面创建。ETL工具可由各种软件包提供，包括但不限于Microsoft SQL Server数据库软件的SQL Server集成服务(SSIS)和/或OracleWarehouse Builder(OWB)。使用ETL工具可以促进从所述多维数据结构200到各种OLAP数据立方体的广泛的数据迁移任务。

OLAP数据立方体是所述多维数据结构200的数据元素，其数据维数减少。所有OLAP数据立方体的集合构成所述多维数据结构200。在本文所述的至少一个实施例中，OLAP数据立方体包括客户OLAP数据立方体302、保护装置OLAP数据立方体304、电子设备OLAP数据立方体306和软件应用程序OLAP数据立方体308。所有的OLAP数据立方体302至308都可以访问所述多维数据结构200的各种维度、事件数据216和申报数据218。OLAP数据立方体302至308可用于提供各种分析数据，包括客户风险概况310、客户集群数据312、区域集群数据313、申报分布数据314、保护装置风险概况数据316、电子设备风险概况数据318和软件应用程序风险概况数据322中的一个或多个，以及与电子设备可用性测试320、和软件应用程序可用性测试324相关的数据。这些分析数据包括不同类型的相关信息，例如，所述申报分布314是客户电子申报的时空分布。

然后，至少一些分析数据310至324可被用作各种分析报告模块的输入，这些模块向提交了请求从所述服务器100提供特定分析数据的用户电子查询的特定用户(例如客户、权证人等)提供电子信息。在至少一个实施例中，分析报告模块包括推荐模块326、反馈模块328和通知模块330中的至少一个。可以向所述模块326、模块328和模块330提供两个或多个输入，因为它们是在预定义的项目集上运行的，而不管它们的类型如何。例如，所述推荐模块326可以接收一组数据项(例如，保护壳、电子设备、屏幕保护器等)和一组目标(例如，客户)，然后将数据项作为推荐广播给目标。因此，在本文的至少一个实施例中，可以通过混合多个数据维度，包括保护装置收集的动态数据和客户的人口统计数据，为用户提供更可靠和可定制的推荐。

例如，为了向属于同一群组成员的客户推荐低风险的保护装置，所述推荐模块326可以向主要活动在陆地表面以上的客户推荐来自特定制造商的防护壳，并且该防护壳已被识别为降低风险或对于其成员平均处于陆地表面以上类似高度的客户群组来说是低风险的。

此外，在至少一个实施例中，可由所述反馈模块328提供的电子反馈的一些例子包括向软件应用程序开发者提供电子信息，即由于分析以前的电子诉求，在使用特定软件应用程序时可能发生电子设备损坏的风险增加。可由所述通知模块330提供的电子通知的一些示例包括向所述电子设备的用户提供警告，即当所述电子设备正在运行某些应用程序或正在提供某些功能时，掉落或损坏电子设备的风险更高。这可以通过分析软件应用程序数据210来确定，所述数据以特定软件应用程序在事件发生时执行的次数的百分比为单位，并将其与阈值进行比较。所述阈值可以通过比较其他软件应用程序在事件发生时被执行的次数的百分比或从表明所述软件应用程序在事件期间执行的发生具有统计学意义的统计分布来统计确定。

在至少一个实施例中，所述推荐模块326可以提供一个客户的申报分布数据314和保护装置风险概况数据326中的至少一个，以便所述推荐模块326可以根据电子设备或保护装置风险概况数据与客户的人口统计信息之间的关联性，向拥有保护装置的电子设备的客户提供该客户可以购买的保护装置的推荐。例如，根据地理区域(如多伦多)和时间(如夏季或秋季)，可以找到每个电子设备的低风险概况保护装置。然后，根据客户的地区和时间间隔，在进行上述分析后，所述推荐模块326可以向客户推荐购买哪种产品。这一点是有利的，因为由于有大量的保护装置和保护计划可用于保护电子设备，客户对众多的可用选择感到无所适从。由于客户检查所有这些选项的时间有限，因此所述推荐模块326可以发挥重要作用，根据客户的特定情况(即风险状况，和人口统计学)向客户独特地呈现特定产品。

在另一种情况下并且在至少一个示例中体现，至少一项保护装置风险概括数据326，所述电子设备可用性测试320和软件应用程序可用性测试324可以被提供给所述反馈模块328，以便提供电子反馈，告知哪些保护装置、电子设备和软件应用程序是低风险/高风险的。所述电子反馈可以提供给保护装置制造商，电子设备制造商和软件应用程序开发人员，以便他们可以使用反馈来重新设计他们的高风险产品，使其更坚固，使用方便，并减少客户使用风险。

在另一种情况下并且在至少一个示例中体现，至少涉及一项电子设备可用性测试320和软件应用程序可用性测试324的相关数据可以提供给所述通知模块330，当客户正在使用其电子设备或软件应用程序的时候，它可以向客户提供电子通知，并告知他们有关风险的信息。

参照图4B中显示的是一个多层软件架构350，可以被所述服务器100使用。如图所示，底部层352包括多维数据结构或数据仓库200为了存储各种数据维度以及事件和案例事实数据。例如，一些文件(如excel表格和/或word文档)可能是生成的数据不一定存储在所述多维数据结构中200，但在另一个数据库中。例如，客户可能上传一些她的电子设备损坏的证据。所述多维数据结构200通过提取，转换，来自组织内各种来源的负载(ETL)流程30是基于在操作级别获得的操作数据258，例如，客户注册数据库和产品注册数据库中的至少一个，以及文件和/或人工申报报告中的至少一个，等等。通过执行ETL过程，将数据提取并转换为格式或适于查询和分析的结构，然后可以将数据加载到数据仓库200中。例如，该转换可以包括转换作为图像的word文档的扫描版本。以表格形式显示数据，或分析显示损坏和使用指示损坏严重程度的统计数据保存结果。ETL过程利用分段存储并应用一系列规则或函数在加载之前对提取的数据进行处理。例如，这可能包括查询不同部分的业务数据116，查找新数据，更新所存储的数据要包括新数据，并删除可能关于客户、电子设备、保护装置、保修政策和/或软件应用程序的数据，以创建历史记录或跟踪这些实体。

在所述中间层354中，OLAP多维数据立方体是来自多维数据结构200的各个方面，这些数据可用于提供可用于提供电子数据的预测分析建议，电子反馈和电子通知。例如，在至少一个示例实施例中，根据本文所述，至少有一个客户OLAP数据立方体302、一个保护装置OLAP数据立方体304，一个电子设备数据立方体和一个软件应用程序数据立方体308。OLAP多维数据立方体提供层次结构维度导致概念上简单的操作为了促进在顶层中执行的各种分析在提高效率(即准确性)和由于以下方面的多维性质，提高了性能(即速度)数据结构，而不是表格(平面)数据结构。例如，对客户OLAP数据执行“向下/向上”OLAP操作多维数据立方体302允许在数据级别之间进行导航，范围从最概括(即上或更高级别)到最详细(即下或更低)，在不同的地理区域内，在一定的时间间隔内与客户有关位置。例如，这可能涉及但不限于确定客户/保护装置，电子设备/移动设备的百分比低风险/高风险的应用程序，平均电子申报费用是多少在像去年这样的特定时间段内。

前面提到的层352和354用于填充数据优化的数据结构，可用于进一步复杂的顶级356的机器学习/数据挖掘算法。不同的机器学习方法，例如但不限于强化学习和深度学习可能会使用到。所述顶层256包含一个或多个用于执行分析和商业智能的查询和报告工具，例如但不限于创建客户风险概况，保护装置风险概况，电子设备风险概况和软件应用程序风险概况中的一个或多个，为电子设备和软件应用程序的至少一种生成可用性测试报告，以及至少为客户和地区之一应用集群技术，仅举几例。在所述顶层356中，可以根据报告，图例，图表，电子通知信息(例如来自通知模块330)，电子推荐信息(例如来自推荐模块326)和/或电子反馈信息(例如来自通知模块330)。

再次参照图4A，在至少一实施例中，所述客户OLAP数据多维立方体302可以包括但不限于至少一个的：i)时空(spatio-temporal)客户风险概况数据310，可以指出高风险和低风险的客户在一个地区的基础上(可以例如通过采用图5B中的方法450来完成)，ii)时空客户集群数据312，可用于预测尚未观察到的数据。根据其他已知客户给定的客户(可以例如通过采用图6B中的方法550来完成)以及iii)用于各种客户的电子申报的时空电子申报分配数据314可以使用每隔一定时间间隔对某些区域执行至少一项前向计划(例如通过采用图8中的方法600来完成)，并为新地理区域所有时间间隔的保修和定价政策(可以分别使用图9和10中的方法700和750来完成)。

所述客户风险概况数据310可以用于将每个客户“分类”为提交电子申报的风险的低风险类别或高风险类别。利用客户集群数据312对相似点进行分组客户(即拥有类似数据的用户客户，例如至少有一个类似的人口统计数据、类似的电子设备数据、类似的保修数据、类似的跌落模式和类似的风险概况数据)。所述客户集群数据312可用于执行某些分析，如查找设备跌落模式和用户统计特征之间的相关性。为例如通过分析客户集群，可以确定是否拥有相似人口统计数据和相似设备投放模式的客户才是分组在一个或多个集群或不。如果是这样，则可以推断出人口统计数据和跌落模式数据之间可能存在相关性。例如，“男性更经常掉电话”可能是发现之一。在至少一实施例中，客户风险概况数据310可以用于确定从客户风险概况310到图4A中的客户集群312的客户集群数据312(由虚线链接示出)的方法的输入。例如，为了确定客户集群，对相似的客户进行分组，并且给定相似性的一个因素客户集群可能具有相同的客户风险概况。

现在参照图5A，其中显示出了用于建立时空的客户风险概况的方法400。所述方法400可以由所述服务器100的处理单元102执行。为了建立一个时空的客户风险概况，在动作402，所述事件数据为一个给定客户在多维数据结构200以及关于给定客户的数据，电子设备，保护装置以及保修的数据是从客户OLAP多维数据立方体302中的客户记录中提取。在动作404中，检索客户的电子申报历史以提取为其创建客户风险概况的特定时间间隔(随着时间的推移，客户可能会有许多电子申报)。在动作406中，是用来确定所述给定客户是定位高风险客户还是低风险客户。这可以通过确定所述给定客户在特定时间间隔范围内(例如，一个月、一个季度或一年)提交的电子申报的总成本，并对确定的总成本施加阈值来实现。这个阈值可以根据历史数据确定。接下来，如果将总成本与阈值进行比较表明给定客户是高风险客户，那么在动作408中，客户记录会被更新并加上“高风险”的标签。或者，如果总成本与阈值的比较表明所述给定客户是低风险客户，那么在动作410中，客户记录将被更新并加上“低风险”的标签。例如，阈值为70美元时，第一个客户如果每月有10次申报，平均价值为100美元，就可能被认为是高风险客户，而第二个客户每月只有2次申报，平均价值为50美元。在动作412中，更新的客户记录在客户OLAP数据立方体302。在动作414中，标记的客户记录也被添加到培训样本中。在动作416中，确定是否还有其他客户要处理。如果在动作416中，所述确定如果为是，则所述方法400返回动作402。所述416为否，则所述方法400进行到动作418，作为训练分类器。在动作418中，一个布尔(Boolean)分类器并将其保存为客户分类器320。例如，分类器的某些输入功能可能是以下至少一项：电子申报数据，例如总成本和申报数量，以及活动历史记录。

当一个客户分类器生成后，风险未知的新客户或风险未知的现有客户的风险概况个人资料需要更新可能可以预测到，使用培训过的客户分类器420将客户分类为相互属于两个中的一个专属高风险和低风险等级。这可以使用图5B所示的方法450来完成。所述方法450可由所述服务器100的处理单元102执行。客户风险预测方法450可被保修服务提供商用于根据预测的风险概况为新客户或现有客户确定政策和定价调整。

例如，保险公司可能会查看客户的风险概况，并注意到一些客户可能更容易发生事故，并可能在一段时间内提交许多申报，而这些申报与其他客户相比高于正常水平。这可以用“严重程度”来衡量，“严重程度”是指与每个电子申报相关的成本，“频率”是指电子申报发生的频率。这可能会影响分配这些用户的组的成本；然而，根据本文所述的数据和分析，可以过滤掉那些为项目花费更多钱的客户，收取更高的费用，同时保持项目对集团中的客户公平，使总成本更符合每个客户的风险概况。

参照图5B，所述客户风险预测方法450涉及在动作452中为新客户或现有客户身份证号。所述方法400可由所述服务器100的处理单元102执行。所述方法450涉及从客户OLAP数据立方体302在动作454提取客户的记录。所述方法450使用来自客户记录的某些数据作为客户分类器420的输入来预测客户的风险概况。然后，在动作458预测的客户风险概况存储在客户OLAP数据立方体302中。例如，在至少一实施例中，客户的风险概况可能包括一个布尔值(即低对高)，并且给定的某些输入参数可能是动态确定的(作为一个函数)，或者风险级别可能是持久的。或者，或除此之外，在至少一个实施例中，客户的风险概况可包括客户在不同时间间隔内的风险水平的历史记录。例如，如果分析是按月进行的，在一年的时间段内，一个客户有12个值，每个值显示客户在给定月份的风险级别。

参考图6A，其中所示为用于在客户集群中分组类似客户的方法500的示例实施例。所述方法500可由所述服务器100的处理单元102执行。相似性的概念基于但不限于某些事件的时空分布，这些事件可以表示为多元时间序列。事件是指涉及电子设备的事故的发生，其中电子设备可能因跌落或划伤而损坏，可能已进行或尚未进行损害赔偿的电子申报。在动作502中，从所述客户OLAP数据立方体302提取客户的记录。在动作504中，基于事件的时空分布来生成客户的多元时间序列。例如，在每个时间间隔，客户的数据记录形成一个向量值(即变量/属性)，例如，一系列事件，一系列电子申报，等等。将这些向量值按不同的时间间隔叠加起来，就得到了一个多元时间序列。如果只考虑一个变量，例如跌落次数，那么一个单变量时间序列可以表示客户在一段时间内的跌落模式(需要注意的是，根据相关变量，这里描述的其他多元和单变量时间序列也可以以相同的方式生成)。在动作506中，所述方法500确定是否还有任何其他客户记录要处理。如果在动作506处的确定为是，则所述方法500进行至动作502。如果在动作506的确定为否，则所述方法500进行至动作508。

在动作508中，从动作504生成的各种多元时间序列数据获得一对独特的时间序列数据。在动作510中，在该对时间序列数据上确定成对的客户间相似度。这可以通过使用多元时间序列相似性度量，例如在识别基于时间(历时性)的主题的社区中采用的度量[1]，通过采用建议的神经嵌入技术[2]或通过采用向量余弦相似性度量来完成。一旦为当前时间序列数据对确定了相似度分数，则在动作512处存储相似度分数。然后，所述方法500进行到动作514，在此确定是否存在另一对独特的时间序列数据。如果在动作514的确定为是，则所述方法500进行到动作508。如果在动作514的确定为否，则所述方法500进行到动作516，在此执行客户分类。在客户分类期间，将具有类似时空事件模式(如时间序列数据所示)的客户分组为一个分类。可以使用各种技术来检测集群，例如但不限于，可以使用重叠集群算法，例如高斯混合模型[3]，或可以使用非重叠集群方法，例如kmeans方法[4]或Louvain方法[5]。

参照图6B，其中显示出使用由所述方法500生成的客户集群来预测关于给定客户的未知数据的方法550。所述方法550可以由所述服务器100的处理单元102执行。未知和/或尚未实现。所述给定客户的可观察数据(例如人口统计数据(即年龄，性别)和/或风险水平估计)基于与所述给定客户共享同一社区(即集群)的其他客户的已知数据。例如，所述方法500可能能够预测在相应事件实际发生之前给定客户的时间(即，客户提交电子申报的日期)和即将到来的电子申报的成本。

所述方法550从动作552开始，在这里，为将要预测数据的给定客户接收客户身份证号。在动作554中，从客户OLAP数据立方体302检索客户的数据记录。在动作556中，为给定的客户确定来自客户集群数据518的客户集群。这可以根据一个新集群的数据和基于给定阈值的每个集群的质心之间的相似性来确定。给定的新客户与所有客户集群的中心的相似性决定了新客户属于哪个群。相似度可以使用集群方法所使用的相同的相似度度量来确定，以便对相似的客户进行分组。客户的未知数据可以在动作558被预测。例如，新客户的未知数据可以通过对新客户进行分组的集群质心的值来估计。例如，如果不知道性别但集群的质心表示“男性”，那么可以是预测新客户为“男性”。

由所述方法550生成的预测数据可以用于提前计划。例如，担保人可以使用所述方法550预测其客户的未来流失率，然后，担保人可以给被预测为最有可能不续签其担保的客户一些促销活动以降低客户流失率。在另一示例中，由所述方法550生成的预测数据可以用于确定哪些电子广告可以被发送给某些客户。例如，如果新顾客是“男性”，则可以将男性的电子广告发送给新客户。

发明者已经确定，客户申报数据偏重于位置(如空间)和时间(如时间)数据，如图7所示，其中电子申报的数量由三个美国城市的客户数量标准化，并在每个月的时间间隔呈现。如所见，在接近年底时，收到的电子申报有一种日益增长的时间趋势，随后所有样本城市在明年初出现下降。此外，不同城市每月电子申报的分布也不同。正如所看到的，“玛丽埃塔(Marietta)”在5月是高风险城市，在12月是低风险城市，而“亚特兰大(Atlanta)”表现出相反的行为，即亚特兰大在5月是低风险城市，在12月是高风险城市。

在另一方面，根据本文的教示，存在至少一个实施例，其可以通过建立地理和时间分布来指示给定时间段内(例如给定年份内)的某些位置的高风险与低风险概况并以电子申报结尾的事件。例如，此数据可用于创建地理时间OLAP数据立方体。例如，大城市的街道和人行道由坚硬的表面(例如水泥或沥青)显示出更高的设备损坏事件发生率和/或平均更高的损坏严重度，这可能导致更高数量的设备损坏事件。电子申报和相关的保修费用，因此，在一年的特定时期内，与同一地区的农村相比，电子申报的数量更高一段的时间。这些分析不仅可以帮助保修服务提供商根据地点(例如，地区，城市或国家)和一年中的时间来调整其政策和定价，而且还可以用于向由低风险地区搬到高风险地区的客户提供电子通知。

参考图8，其中显示了在给定时间内特定地理位置的高风险与低风险概括的方法600。所述方法600可由所述服务器100的处理单元102执行。在动作602中，所述方法600从客户OLAP数据立方体302检索电子申报，并为每个时间间隔创建一个映射。地图可以是二维地形图，可以通过将检索到的数据提供给绘图工具而创建。接下来，在动作604中，所述方法600为电子申报提取记录数据。在动作606中，利用所述方法600然后找到与电子申报位置对应的地理坐标，称为地理代码，其中包括纬度和经度，可以使用诸如此类的地图API获得如谷歌地图。在动作608中，所述方法600确定电子申报的时间间隔(即电子申报被提交的时间戳)。在动作610中，所述方法600将电子申报的地理代码显示在相应时间段的地理地图中(例如在某个月)并在每个时间间隔中突出高风险(或低风险)区域。在动作612中，要确定是否有其它电子记录需要处理。如果动作612所做的决定为是，那么所述方法600继续执行动作604。否则，如果动作612的判定为否，则所述方法600结束。最终结果是一个或多个地图显示相应时间间隔的地理分布电子申报。

在根据本文的教示的至少一个实施例中，可以执行所述方法700和750以一年中的每个时间间隔为新的未见过的区域(没有客户先前使用所述服务器100订阅的地理区域)。参照图9和10。所述方法700和750可以由所述服务器100的处理单元102执行。

参考图9，在动作702中，所述方法700选择一个已知的地理位置，并从所述多维数据结构200的地理维度中提取关于动作704中选定地理区域的数据。在动作706中，所述方法700决定是否有应当收集数据的其它地理区域。如果动作706的决定为是，那么所述方法700进行至动作702。否则，如果动作706的判定为否，那么所述方法700将进行到动作708，其中所述方法700将获得一个独特的区域对的数据。通过添加时间维度的相关数据，可以将所述数据转换为多元时间序列。然后，在动作710中，所述方法700根据一个地区的数据(如人口、生活成本等)确定了所述地区的成对相似度，并将结果存储在成对相似度评分记录712中。可以使用适当的方法确定成对相似度，如在[1]或[2]中讨论的方法，或通过使用向量余弦相似度度量。在动作714中，所述方法700确定对于独特的区域对是否存在任何数据。如果在动作714的确定为是，则所述方法700进行至动作708。否则，如果在动作714的确定为否，则所述方法700进行至动作718，其中，所述方法700基于相似性区域的相似性将相似区域分组为集群区域。基于相似性得分的区域数据记录区域集群720并将其存储在区域集群数据313中。因此，区域集群数据313包括关于每个不同集群的质心的属性或变量以及每个集群的成员资格的数据。可以使用重叠集群算法，例如但不限于高斯混合模型[3]，或通过使用非重叠集群方法，例如但不限于k-means方法[4]或Louvain方法[5]来执行动作718的集群。

参照图10，在另一方面，所述方法750可以用于找到新的未见过的区域的最近的区域集群，这可以使用相似性度量来完成，以便确定可以向担保人推荐的担保和定价策略基线。基于同一集群区域中已知地理区域的新的未见过的地理区域。在动作752中，所述方法700接收用于新区域的身份证号用以为其提供数据分析。在动作754中，所述方法提取关于新地理区域的数据，其中所述数据可以包括地理位置，人口，生活成本等。在动作756中，所述方法700确定的区域集群数据720找到与新地理区域相对应的集群区域。这可以通过确定新区域的数据与现有星团的中心的相似性来实现。集群的质心是最能代表集群的整体属性/特征的成员。在动作756中，所述方法700确定并提供策略基线。可以将策略基线提供给想要针对诸如城市之类的新区域生成保修政策的保修人140，所述保修政策最初可以被设置为与具有以下内容的已经覆盖的城市的保修计划和定价相同：新区域的相似特征。换句话说，如果新区域的度量标准位于集群区域X内，则集群区域X的质心将具有代表具有集群区域X的所有城市的保修政策的策略。然后可以选择集群区域X的质心作为新区域的基线策略。如果没有这些分析，担保人将不得不开始从头开始确定新地区的担保政策，或者必须参考竞争对手公司的担保政策。但是，通过这些分析，担保人可以从已经在类似城市成功部署的策略开始，并成为所述城市的最佳实践。

关于所述保护装置OLAP数据立方体304，根据本文的教示的至少一个实施例可以用于使用数据立方体304执行各种功能，包括但不限于确定设备损坏之间的时空相关性在应用每个保护装置时发生的事件以及使所述服务器100能够进行以下操作的相应电子申报：i)指示高风险与低风险保护，例如，通过使用图11中所示的方法800，ii)按顺序向制造商提供电子反馈，以提高保护装置的质量，并且iii)向客户提供保护装置的推荐。例如，基于所获得的关于当事件和/或电子申报发生时客户如何使用电子设备的数据，可以生成统计数据以显示电子设备的哪些功能和/或结构方面更有可能在电子设备损坏的情况下发生。可以利用相应的统计分析来执行这些分析，以确定电子设备的功能和/或结构方面是否在统计上对事件期间的损坏有重大影响。然后可以生成相应的电子报告，并以电子方式发送给设备制造商，后者可以识别和重新设计设备的结构和/或功能方面，发现在统计上会导致更多事件损坏电子设备，从而改进电子设备的安全性。

在本文描述的至少一个实施例中，给定的保护装置可以与从申报分布数据314获得的客户的电子申报的时空分布相关联，并获得发生设备损坏事件时的各个实例。同时将保护装置应用于电子设备。所述实施例的一个示例方面是基于设备损坏事件的时空分布以及事件说明和申报成本来指出高风险与低风险保护。当没有电子申报，高成本的电子申报很少或有电子申报时，保护装置(例如保护壳)被认为是用于电子设备(例如智能手机)的低风险保护装置。在大部分和/或长时间内(例如，一年)从某些类型的表面(例如，硬表面)上的某个高度(例如，1米)掉落事件的几种低成本电子申报所有地理区域。因此，可以针对每个不同地理区域(例如，城市、城镇、省、国家等)在一定时间间隔(例如，对于学校学期、几个月、几周、一周中的某些天、周末、季度等)识别高(低)风险的保护装置。

在本文所述的至少一个实施例中，当将所述保护装置应用于电子设备时，包括损坏规格和严重性的电子申报可以与相应事件相关。这种相关性可用于为保护装置制造商生成关于使用保护装置的电子设备的事故损伤频率的反馈报告。所述反馈报告可以通过反馈模块328来提供关于等事件的详细信息，包括但不限于，一个设备的跌落高度，损害等电子设备的数据损失的严重程度(这可能是根据预定的范围定义如低、中、高)和/或修理费用。例如，本文描述的至少一个实施例可以向制造商提供关于其保护性情况的反馈报告，其中所述报告指示制造商的保护性情况为当电子设备的一个边缘碰到表面时，可以保护电子设备免受高度为1米的设备掉落事件的侵害，但是当电子设备的正面位于1米的高度时，保护壳表面无法保护电子设备免受设备掉落的影响。可以为制造商提供每个保护装置生成所述反馈报告。然后，制造商可以使用反馈报告中的数据来重新设计保护装置的某些方面，以提高其性能。

在本文所述的至少一个实施例中，返回参考用于执行客户集群的方法500(参见图6A)，可以针对每个客户集群，即针对每个客户集群，识别高风险与低风险保护装置。这可以通过将所述保护装置的数据与申报分布数据314中的电子申报的时空分布相关联以找到当保护装置应用于集群成员518的电子设备上时设备坏事件的实例来完成。这样，可以训练所述推荐模块326所使用的推荐器系统，以便向与给定客户集群中的客户相似的客户推荐给定客户集群的低风险保护装置(这可以基于使用以下一种：本文所述的相似性指标)。例如，在这样的实施例中，所述推荐模块326可以从特定制造商向主要活动在陆地表面以上的顾客(例如，登山者或建筑工人)推荐给定的保护壳，因为给定的保护壳被识别为低的。成员平均掉落事件的平均高度至少为10米的客户集群的风险，尽管所述客户集群的成员有很多至少10米的高度掉落，但很少有高成本的电子申报，只有几个低成本的电子申报或没有电子申报。

在本文描述的至少一个实施例中，基于来自所述保护装置OLAP 304的数据，一个广告选择器代表制造商或零售商提供有关保护装置的个性化或有针对性的广告/报价(例如优惠券)。参考用于生成客户集群的方法500(见图6A)，所述保护装置OLAP 304可以使用客户集群518执行对客户的广告/报价的选择、识别、生成、调整、优先级排序和个性化的至少一项操作。例如，在至少一个实施例中，顾客对移动广告的响应，例如点击率(即，点击特定广告的顾客与呈现该特定广告的总顾客数之比)，可以进一步收集持续时间(即，客户花费在观看特定广告上的时间)和购买率(例如，US20090216579A1中所述或使用其他技术获得的购买率)，以确定指定广告和/或的成功增强客户集群518。值得注意的是，目标广告和保护装置推荐是两种不同类型推荐的示例，可以包含在可以发送给所述服务器100用户的相同或单独电子信息中。在定向广告中，广告选择者通过特定的广告找到正确的目标顾客，以及顾客对他们的看法，这些顾客可能是关于任何产品的。相反，所述推荐模块326可以推荐适当的保护装置，其他关于客户的给定数据，如人口统计、位置、教育等。

关于所述电子设备OLAP数据立方体306，本文描述的至少一个实施例可以对来自立方体306的数据执行各种分析，例如但不限于以下至少一项：i)确定时空电子设备风险概况318可用于确定特定电子设备是否易受损坏的每个电子设备，以及ii)对每个电子设备执行可用性测试以确定电子设备可用性测试320，以通过所述反馈模块328向电子设备制造商提供反馈。

例如，在至少一个实施例中，每个电子设备可以与事件的时空分布(来自事件数据库)和电子声明的单独的时空分布(来自声明数据库)相关联以获得相关数据。然后可以利用相关数据来指示给定的电子设备是高风险还是低风险设备。然后所述数据可以添加到电子设备风险概况318。例如，如果在大多数和/或地理区域中没有应用保护装置的情况下，在一定时间段(例如，一年)内，在特定类型的表面(例如，硬表面)上的特定高度(例如，1米)处没有电子申报，很少有高成本的电子申报，或者有几个低成本的电子申报，则电子设备(例如，iPhone 6S)可以被分类为低风险设备。否则，所述电子设备可归类为高风险设备。可以根据不同的时间间隔(例如，每个学期、每个季度、每六个月或每年)和/或不同的地理区域(例如，城市、城镇、省或国家)识别高风险(低)的电子设备。

在另一方面，在本文所述的至少一个实施例中，可以识别电子设备和保护装置之间的因果依赖关系，以表明在电子设备上应用保护装置是否对所述电子设备的风险水平产生影响。根据此处的教示，如果使用保护装置改变了电子设备的风险从高风险到低风险，则所述电子设备被发现是因果地依赖于保护装置。例如，因果关系的格兰杰概念(即G因果关系)[6]可以用来识别电子设备和保护装置之间的因果关系。

在本文所述的至少一个实施例中，所述电子设备可用性测试可以与各种事件相关联，以便生成所述电子设备可用性测试322。可用性测试是从客户的角度来衡量使用电子设备的方便程度。所述电子设备可被分类或识别为可用的，如果在某一时间段(例如，一年)期间顾客正在使用电子设备的不同功能时，没有或很少发生事件(例如，设备掉落或设备划伤)，即与阈值相比。功能包括但不限于例如通过按下音量增大按钮来降低铃声声音。可用性测试可以针对每个电子设备的一系列所需功能进行，例如，每个用户点击不同的按钮进行测试如主屏键、音量增大、音量减小或侧键。UI特性可能会在用户的设备掉落或设备遭到其它损坏事件发生时捕获并发送到所述服务器100并用于可用性测试。所述实施例能够通知客户和/或制造商关于其电子设备的可用性。

例如，当客户正在使用所述电子设备时，基于所述电子设备的风险，所述服务器100的通知模块330向客户发送警告通知，即使用所述电子设备和/或所述电子设备的一个或多个特定功能可能增加发生损坏事件的可能性，如掉落。电子通知允许客户采取预防措施，例如，用两只手握住电子设备。

在另一个例子中，制造商可以访问所述服务器100来访问其电子设备的风险概况。如果他们的一个电子设备被标记为高风险，所述电子设备制造商可以找出所述电子设备的哪个部分和/或所述电子设备的哪些功能增加了损坏事件发生的可能性。例如，一个电子设备可能被标记为高风险，因为客户很难仅用一只手激活该电子设备的某个功能(例如，增加/减少音量)，因此，根据电子设备和事件数据之间的相关性研究(相关性研究是由所述服务器100的分析应用程序执行的)，可能会发生如跌落等损坏事件。因此，所述电子设备制造商可以重新设计电子设备，并与所述服务器互动，以执行进一步的分析，以确定更改是否使电子设备更容易使用(即更有用)，并降低电子设备的风险。用户可以更容易地与电子设备互动，在使用电子设备时发生损坏事件的可能性大大降低。

作为另一个示例，在本文所述的至少一个实施例中，顶部的N(例如，N是整数，如1、2、5或10)自动记录客户在事件发生前使用的电子设备的最新功能(即设备掉落、设备击中、设备擦除)，以启用电子设备可用性测试。

关于软件应用程序OLAP数据立方体308，本文所述的至少一个实施例可用于提供各种功能，如但不限于：为一个或多个选定的软件应用程序生成软件应用程序风险概况数据322，所述数据可用于表明与其中一个选定的软件应用程序互动的客户是否会增加发生损坏事件(如设备掉落)的概率，从而表明所述软件应用程序是高风险还是低风险的软件应用程序,和ii)对一个或多个选定的软件应用程序进行可用性测试，以获得软件应用程序可用性测试324，所述测试为移动应用程序开发人员提供反馈，以提高其应用程序的可用性。例如，不同软件应用程序的可用性可以通过跟踪客户在掉落电子设备时正在与之互动的软件应用程序来评估。

例如，在至少一个实施例中，软件应用程序的可用性测试可能与事件数据相关。可用性测试是从客户的角度来衡量使用软件应用程序的方便程度。最新的用户与软件应用程序的互动是在跌落或其他损坏事件被自动记录之前(例如，通过www.appsee.com提供的工具)，以启用移动应用程序可用性测试。与软件应用程序的互动包括但不限于用户在软件应用程序UI的各个部分上点击、双击、拖动、滑动、捏、展开、按压、旋转，或执行这些动作的任何组合。如果一个软件应用程序被一个或多个客户使用时，在一段时间内(例如一年)没有或只有很少的事件(如设备掉落、设备刮擦和设备被外物击中)，则所述软件应用程序可被归类为可用的，则风险较低。每个软件应用程序和事件都可以被视为两个变量，相关研究(例如使用皮尔逊系数)和/或因果研究可以用来确定软件应用程序和事件之间是否存在相关性或因果关系。例如，一个软件应用程序和一个事件之间的强烈因果关系意味着使用软件应用程序会导致一个事件。

因此，在至少一个实施例中，所述通知模块330可用于通过网络上的各种信息传递应用向客户和/或软件应用程序开发者提供电子信息，以将这些软件应用程序的可用性通知这些用户群组。在客户打开软件应用程序时，基于软件应用程序的风险概况，所述通知模块330电子地向客户发送关于与软件应用程序互动的电子警告通知，这可以增加发生损害事件(例如，跌落)的可能性，从而客户采取预防措施，例如，将她的站立姿势改变为坐着或使用双手握住电子设备，以减少发生损害事件的可能性。

另一方面，软件应用程序开发人员可以访问所述服务器100，以访问他们的软件应用程序的风险概况。如果一个给定的软件应用程序被标记为高风险，软件应用程序开发者可以找出所述软件应用程序的哪个部分以及/或与所述软件应用程序的哪些互动会增加发生损坏事件的可能性。例如，给定的软件应用程序可能被标记为高风险，因为客户很难通过仅使用一只手到达软件应用程序的UI的一部分，并且如果他们确实只使用一只手，根据软件应用程序和事件之间的相关性研究，损坏的跌落随之出现。因此，软件应用程序开发人员可以重新设计软件应用程序，并确定软件应用程序的改变是否减少了电子申报，因为设计的改变使得软件应用程序更加可用，并成为低风险应用程序。用户能够更容易地与软件应用程序互动，并且在使用软件应用程序时发生损坏事件的可能性显着降低。

尽管出于说明性目的将本文所述的申请人的教导与各种实施例结合，但并不意图将申请人的教导限于这样的实施例，因为本文所描述的实施例旨在作为示例。相反，在不脱离本文描述的实施例的情况下，本文描述和示出的申请人的教导涵盖了各种替代，修改和等同形式，其总体范围由所附权利要求书限定。

参考资料

[1]H.Fani,E.Bagheri,F.Zarrinkalam,X.Zhao,W.Du，“寻找历时性志同道合的用户”，《计算智能》，第34卷第1期，2017年4月28日，第124-144页。

[2]H.Fani，E。Bagheri，W。Du，“通过神经嵌入进行临时志同道合的用户社区识别”，2017年ACM信息和知识管理会议论文集，第577-586页。

[3]有关高斯混合模型的维基网页(https://en.wikipedia.org/wiki/Mixture_model)，于2019年5月28日访问。

[4]E.Forgy，“多元数据的集群分析：效率与“分类的可解释性”，《生物识别21》(1965年)：第768-780页。

[5]V.D.Blonde！，J.L。Guillaume，R。Lambiotte和E.Lefebvre，“大型网络中社区的快速展开”，《统计力学杂志：理论与实验》，第1卷。2008年10月9日，第1-12页。

[6]C.Grander，“通过计量经济学模型和跨谱方法研究因果关系”，《计量经济学》，1969年，第一卷。37，第3期，第424-438页。

Claims (25)

1.一种计算机实现的方法，用于基于与客户将保护装置与电子设备一起使用有关的保修分析来提供可操作的见解，所述方法包括：

在一服务器上从一用户设备接收一电子查询；

在所述服务器上从多维数据结构中对风险概况数据以及测试数据中的至少一个进行访问，其中所述风险概况数据以及所述测试数据的至少一个包括响应所述电子查询所需的数据；

在所述服务器上，使用访问的数据确定对所述电子查询的响应；以及

从所述服务器向所述用户设备发送一电子信息，所述电子信息包括用于回答所述电子查询的数据。

2.如权利要求1所述的方法，其中：所述方法包括对客户风险概况数据、客户集群数据、电子申报分布数据、保护装置风险概况数据、电子风险概况数据、及用于至少一个风险概况数据的软件应用程序风险概况数据中的少一个进行检索。

3.如权利要求2所述的方法，其中：所述方法包括对电子设备可用性测试数据以及软件应用程序可用性测试数据中的至少一个进行检索。

4.如权利要求3所述的方法，其中：所述方法包括在所述服务器上根据所述保护装置风险概况数据、电子设备可用性数据以及软件应用程序可用性数据中的至少一项生成电子反馈，并将所述电子信息中的所述电子反馈发送给所述用户设备。

5.如上述权利要求3或4所述的方法，其中：所述方法包括在所述服务器上根据电子设备可用性测试数据以及软件应用程序可用性测试数据中的至少一个生成一电子通知，并将所述电子信息中的所述电子通知发送给所述用户设备。

6.如上述权利要求3至5中的任一项所述的方法，其中：所述方法包括在所述服务器上根据电子申报分布数据和保护装置风险概况数据生成一电子推荐；以及在所述电子信息中将所述电子推荐发送到所述用户设备。

7.如权利要求1所述的方法，其中：所述方法包括沿着所述多维数据结构的不同维度来存储客户数据、保修数据、保护装置数据、电子设备数据、软件应用程序数据、时间数据以及地理数据，并且在数据存储中对事件数据及电子申报数据进行存储。

8.如权利要求7所述的方法，其中：所述方法包括将在线分析处理(OLAP)应用到所述多维结构以生成一客户OLAP数据立方体，所述客户OLAP数据立方体包括客户风险概况数据、客户集群数据以及电子申报分布数据。

9.如权利要求7所述的方法，其中：所述方法包括将在线分析处理(OLAP)应用到所述多维结构以生成一保护装置OLAP数据立方体，所述保护装置OLAP数据立方体包含保护装置风险概况数据。

10.如权利要求7所述的方法，其中：所述方法包括将在线分析处理(OLAP)应用到所述多维结构以生成一电子设备OLAP数据立方体，所述电子设备OLAP数据立方体包括电子设备风险概况数据以及与电子设备可用性测试相关的数据。

11.如权利要求7所述的方法，其中：所述方法包括将在线分析处理(OLAP)应用到所述多维结构以生成一软件应用程序OLAP数据立方体，所述软件应用程序OLAP数据立方体包括软件应用程序风险概况数据以及与软件应用程序可用性测试相关的数据。

12.如权利要求8所述的方法，其中：所述方法包括在所述服务器上通过以下步骤确定一客户分类器：

从所述客户OLAP数据立方体中提取一客户记录，以检索一给定客户的申报历史记录；

根据所述申报历史记录确定一高风险标签或一低风险标签是否适用于所述给定客户；

使用确定的风险标签来更新所述给定客户的客户记录；

使用确定的多个标签生成多个训练样本；

在所述客户OLAP数据立方体中对每一个客户重复进行抓取、确定、更新及生成的步骤；

使用所述训练样本来训练一客户分类器；以及

将所述客户分类器存储在所述数据存储中。

13.如权利要求8所述的方法，其中：所述方法包括在所述服务器上通过以下步骤确定一给定客户风险概况：

接收一客户身份证号；

使用所述客户身份证号从所述客户OLAP数据立方体中提取一客户记录；

通过将一客户分类器应用到来自所述给定客户的客户记录的一个或多个数据属性，来预测所述给定客户的客户风险概况；以及

将预测的客户风险概况存储在所述给定客户的客户记录中。

14.如权利要求8所述的方法，其中：所述方法包括在所述服务器上通过以下步骤确定一客户集群：

从所述客户OLAP数据立方体中提取一给定客户的一客户记录；

使用所提取的客户记录中的数据为所述给定客户构建一个多元时间序列；

在所述客户OLAP数据立方体中为每一个客户重复进行提取及构建；

获得独特的一对多元时间序列；

从独特的一对多元时间序列中确定一成对相似度评分；

存储确定的成对相似度评分；

对每一个独特的一对多元时间序列重复进行提取、确定及存储；以及

从存储的成对相似度评分中生成多个客户集群。

15.如权利要求8所述的方法，其中：所述方法包括在所述服务器上通过以下步骤预测一给定客户的数据：

接收一客户身份证号；

使用所述客户身份证号从所述客户OLAP数据立方体中提取一客户记录；

定位对应于所述给定客户的一客户集群；以及

使用来自所定位的客户集群的质心的多个数据属性来预测所述给定客户的数据。

16.如权利要求8所述的方法，其中：所述方法包括在所述服务器上通过确定一给定时间段内多个特定地理位置的高风险概况与低风险概况：

使用来自所述客户OLAP数据立方体的数据创建多个时间段的多个地图；

从所述数据存储的所述电子申报数据中提取一电子申报；

确定所述电子申报的一地理编码以及一时间间隔；

查找所述电子申报的时间间隔的地图，并且呈现所述电子申报的地理编码；以及

对每一个电子申报重复进行提取、确定及查找。

17.如权利要求7所述的方法，其中：所述方法包括在所述服务器上通过以下步骤为所述电子申报生成多个区域集群：

选择一地理区域；

从所述数据存储中提取有关所述地理区域的数据；

对所述数据存储中存储的数据的所有地理区域重复进行选择及抓取；

对一个独特的一对的地理区域提取数据；

确定所述独特的一对地理区域的一成对相似度评分；

将所述成对相似度评分存储在所述数据存储中；

对每一个独特的一对地理区域重复进行提取、确定及存储；以及

从存储的成对相似度评分中生成多个区域集群。

18.如权利要求7所述的方法，其中：所述方法包括在所述服务器上通过以下步骤基于已知的多个地理区域来确定新的未见过的多个地理区域的保修及定价策略基线：

接收一新地理区域的一身份证号；

提取有关所述新地理区域的数据；

使用所提取的数据及来自多个集群区域的多个质心的数据来定位与新地理区域相对应的一区域集群；以及

使用来自所定位的区域集群的一质心的数据来确定保修及定价策略基线。

19.如权利要求10所述的方法，其中：所述方法包括：

对于一给定电子设备检索所述电子设备风险概况数据以及与电子设备可用性测试相关的数据；

确定在一特定时间段内涉及所述给定电子设备的多个事件；

确定所述多个事件发生时使用的设备的多个用户接口特性；

在使用时将所述给定电子设备归类为高风险或低风险；以及

生成电子报告，所述电子报告包括在所述多个事件期间使用的用户接口特性以及所述给定电子设备的风险分类。

20.如权利要求10所述的方法，其中：所述方法包括：

检索一给定电子设备的所述电子设备风险概况；以及

向所述客户发送带有一警告的电子通知，所述警告是使用所述给定电子设备及/或电子设备的一个或多个特定功能会增加发生一损坏事件的可能性。

21.如权利要求11所述的方法，其中：所述方法包括：

检索软件应用程序风险概况数据以及与软件应用程序可用性测试相关的数据；

在一事件发生前，确定客户与给定软件应用程序的近期互动；以及

生成电子报告，所述电子报告包括与给定软件应用程序的近期互动以及给定软件应用程序风险概况数据。

22.如权利要求11所述的方法，其中：所述方法包括：

检索一给定软件应用程序的软件应用程序风险概况数据；以及

向客户发送带有一警告的电子通知，所述警告是使用给定软件应用程序会增加发生一损坏事件的可能性。

23.一种服务器，用于提供与一客户使用一电子设备的保护装置相关的基于保修分析的可操作的见解，其中所述服务器包括：

一通信单元，用于与至少一个用户设备进行电子通信；

一数据存储，被配置为存储用于执行保修分析的多个程序指令，而且数据包含OLAP数据立方体、多维数据结构及操作数据；以及

一处理单元，所述处理单元在操作上耦合到所述通信单元和所述数据存储，而且所述处理单元具有至少一个处理器，所述处理器配置为：

接收来自至少一个用户设备的一电子查询；

从多维数据结构中访问风险概况数据及测试数据中的至少一种，其中所述风险概况数据及测试数据中的至少一种包括响应所述电子查询所需的数据；

通过执行用于保修分析的多个程序指令来处理被访问的数据，以确定对所述电子查询的响应；以及

向所述至少一个用户设备发送一电子信息，所述电子信息包括用于回答所述电子查询的数据。

24.如权利要求19所述的服务器，其中所述处理单元还被配置为执行根据权利要求2至22中任一项所定义的方法。

25.一种计算机可读介质，包括：

多个指令，当在一处理单元上执行时，所述多个指令使所述处理单元实现一种方法，所述方法用于基于保护装置与电子设备一起使用有关的保修分析来提供可操作的见解，其中所述方法是根据上述权利要求1至22的任一项定义的。

Images