CN112581295B - 基于字段拆分的产品数据处理方法、装置、设备和介质 - Google Patents

基于字段拆分的产品数据处理方法、装置、设备和介质 Download PDF

Info

Publication number
CN112581295B
CN112581295B CN202011475736.6A CN202011475736A CN112581295B CN 112581295 B CN112581295 B CN 112581295B CN 202011475736 A CN202011475736 A CN 202011475736A CN 112581295 B CN112581295 B CN 112581295B
Authority
CN
China
Prior art keywords
product
data
product data
acquiring
field
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.)
Active
Application number
CN202011475736.6A
Other languages
English (en)
Other versions
CN112581295A (zh
Inventor
杨顺
陆锦花
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Pension Insurance Corp
Original Assignee
Ping An Pension Insurance Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Pension Insurance Corp filed Critical Ping An Pension Insurance Corp
Priority to CN202011475736.6A priority Critical patent/CN112581295B/zh
Publication of CN112581295A publication Critical patent/CN112581295A/zh
Application granted granted Critical
Publication of CN112581295B publication Critical patent/CN112581295B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/2455—Query execution
    • 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
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G06F16/275—Synchronous replication
    • 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
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Technology Law (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及人工智能领域，尤其是一种基于字段拆分的产品数据处理方法、装置、设备和介质，包括：接收产品数据处理请求；获取与产品数据处理请求对应的产品形态，产品形态是预先根据产品历史理赔数据进行聚类的得到的；获取产品形态对应的字段，根据产品形态对字段进行拆分；基于拆分后的字段从可查询数据库获取至少两组对应的产品数据，可查询数据库存储有基于增量数据同步的实时数据；根据所生成的产品数据的组数获取对应数量的线程，并将产品数据分配至线程中，以分别在线程中通过发生率模型对产品数据进行处理。此外，本申请还涉及区块链技术，产品数据可存储于区块链中。采用本方法能够提高准确性和效率。

Description

基于字段拆分的产品数据处理方法、装置、设备和介质
技术领域
本申请涉及人工智能技术领域，特别是涉及一种基于字段拆分的产品数据处理方法、装置、设备和介质。
背景技术
随着保险以及计算机技术的发展，保险的销售方式越来越多，这对保险机构核价效率、定价准确度要求越来越高。
传统地，保险公司在对客户进行保险报价的时候，需要后台业务员根据保险的类型等去收集对应的数据，然后再根据收集来的数据进行计算等得到保险报价。
但是这样的方式，业务员是获取到其手动能收集的数据，然后进行统一计算，给出一个报价，但是这种报价并未考虑到用户的不同，使得报价不准确。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高处理效率以及价格计算准确性的基于发生率法的产品价格方法、装置、设备和介质。
一种基于字段拆分的产品数据处理方法，所述方法包括：
接收产品数据处理请求，所述产品数据处理请求携带有产品标识；
获取与所述产品标识对应的产品形态，所述产品形态是预先根据产品历史理赔数据进行聚类的得到的；
获取所述产品形态对应的字段，根据所述产品形态对所述字段进行拆分；
基于拆分后的字段从可查询数据库获取至少两组对应的产品数据，所述可查询数据库存储有基于增量数据同步的实时数据；
根据所生成的产品数据的组数获取对应数量的线程，并将所述产品数据分配至所述线程中，以分别在所述线程中通过发生率模型对所述产品数据进行处理。
在其中一个实施例中，所述产品形态的生成方式包括：
根据产品标识对可查询数据库中的产品数据进行分组；
读取各个所述分组中的产品数据的初始字段；
分别对各个初始字段中具有理赔记录的产品数据进行聚类以是以确定第一分类，并分别对初始字段中无理赔记录的产品数据进行聚类以确定第二分类；
将所述第一分类和所述第二分类进行比较以获取非重叠分类，并基于所述非重叠分类得到产品形态。
在其中一个实施例中，所述从可查询数据库获取至少两组对应的产品数据，包括：
获取拆分后的字段的产品标识对应的产品方案；
判断所述产品方案的查询频率是否大于所述可查询数据库中的设置频率，其中所述设置频率是所述可查询数据库实时统计所述产品方案对应的访问频率，并基于所述访问频率对应的产品方案的产品数据的大小以及所述可查询数据中的数据存储空间所确定的最优频率阈值；
若是，则基于拆分后的字段从所述可查询数据库中的高频数据存储空间获取至少两组对应的产品数据，否则基于拆分后的字段从所述可查询数据库中的低频数据存储空间获取至少两组对应的产品数据。
在其中一个实施例中，所述基于拆分后的字段从可查询数据库获取至少两组对应的产品数据之后，还包括：
判断所述产品数据的时间范围是否满足时间条件；
若是，则统计时间范围满足时间条件的产品数据的数量是否满足数量条件；
若是，则继续通过发生率模型分别对所述产品数据进行处理。
在其中一个实施例中，所述统计时间范围满足时间条件的产品数据的数量是否满足数量条件之后，还包括：
若统计时间范围满足时间条件的产品数据的数量不满足数量条件或者是所述产品数据的时间范围不满足时间条件，则获取预先设置的数据优先级；
根据所述数据优先级继续基于拆分后的字段从可查询数据库获取至少两组对应的产品数据。
在其中一个实施例中，所述方法还包括：
当基于拆分后的字段从可查询数据库未获取至少两组对应的产品数据，则向权限高于当前权限的组织发送数据范围获取请求；
接收所述组织返回的与所述产品数据处理请求对应的产品数据。
在其中一个实施例中，所述基于拆分后的字段从可查询数据库获取至少两组对应的产品数据之前，还包括：
显示与匹配的产品标识对应的历史数据；
从所述历史数据中提取预设字段的值，并根据所提取的预设字段的值计算产品状态；
获取与所述产品状态对应的升级方案；
所述通过发生率模型对所述产品数据进行处理，包括：
通过发生率模型按照所述升级方案对所述产品数据进行处理。
一种基于字段拆分的产品数据处理装置，所述装置包括：
请求接收模块，用于接收产品数据处理请求，所述产品数据处理请求携带有产品标识；
形态获取模块，用于获取与所述产品标识对应的产品形态，所述产品形态是预先根据产品历史理赔数据进行聚类的得到的；
拆分模块，用于获取所述产品形态对应的字段，根据所述产品形态对所述字段进行拆分；
数据获取模块，用于基于拆分后的字段从可查询数据库获取至少两组对应的产品数据，所述可查询数据库存储有基于增量数据同步的实时数据；
价格计算模块，用于根据所生成的产品数据的组数获取对应数量的线程，并将所述产品数据分配至所述线程中，以分别在所述线程中通过发生率模型对所述产品数据进行处理。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
上述基于发生率法的产品价格方法、装置、设备和介质，其中可查询数据库中是基于增量数据同步的实时数据，由于增量数据同步，所以保证了数据的实时性，进而保证了用于计算产品价格的产品数据是实时的，这样数据是准确的，从而所计算得到的产品价格也是准确的，此外根据产品形态对产品的对应字段进行了拆分，从而使得分产品形态进行产品价格的计算，使得产品价格的计算与产品形态相关，以区分不同的用户，这样计算得到的产品价格更加准确，此外分线程处理也提高了处理的效率。
附图说明
图1为一个实施例中基于发生率法的产品价格方法的应用场景图；
图2为一个实施例中基于发生率法的产品价格方法的流程示意图；
图3为一个实施例中基于发生率法的产品价格装置的结构框图；
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的基于字段拆分的产品数据处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。其中终端102向服务器104发送价格计算请求，从而服务器104获取与产品标识对应的产品形态，产品形态是预先根据产品历史理赔数据进行聚类的得到的，然后获取产品形态对应的字段，根据产品形态对字段进行拆分，这样基于拆分后的字段从可查询数据库获取至少两组对应的产品数据，可查询数据库存储有基于增量数据同步的实时数据。最终服务器104根据所生成的产品数据的组数获取对应数量的线程，并将产品数据分配至线程中，以分别在线程中通过发生率模型对产品数据进行处理。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种基于字段拆分的产品数据处理方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
S202：接收产品数据处理请求，产品数据处理请求携带有产品标识。
具体地，价格计算请求是终端发送给服务器的，该价格计算请求携带有产品标识，其中该产品标识可以是根据业务员输入至终端的产品信息生成的，例如客户信息、方案、费用信息以及核价信息等。即业务员在终端的界面上输入产品信息，从而终端将产品信息发送给服务器，服务器根据该产品信息为产品生成产品标识，以用于表示本次价格计算操作。
S204：获取与产品标识对应的产品形态，产品形态是预先根据产品历史理赔数据进行聚类的得到的。
具体地，服务器在接收到产品数据处理请求后，首先根据该产品标识进行查询以确定产品的对应的组合险，然后再根据该组合险确定产品形态。
其中产品形态可以是预先进行计算得到的，其用于表征不同的分段所对应的本产品的理赔信息等。
具体地，服务器可以预先根据产品标识来确定对应的组合险，并获取该组合险对应的聚类结果。例如某个字段为年龄字段，对存在理赔记录的产品数据进行聚类，所得到的聚类结果为理赔的基本集中在50-59以及70-79两个年龄档，则可以基于该聚类结果生成产品形态，即生成存在3档分段的产品形态，包括50-59、60-69以及70-79三档年龄段。其中进行聚类的方式可以包括k-mean聚类以及两步聚类等。
S206：获取产品形态对应的字段，根据产品形态对字段进行拆分。
具体地，字段是根据产品形态所得到的，其中字段可以包括年龄、性别、职业、有无医保、保额、免赔额、赔付比例等，并可以根据评估需要进行拆分。
对产品的拆分是根据产品形态对对应字段的拆分，例如一个产品，产品形态是年龄字段50-80岁，这次定价拆分成50-59、60-69、70-79三档进行报价，即产品形态被划分成了分段报价。
S208：基于拆分后的字段从可查询数据库获取至少两组对应的产品数据，可查询数据库存储有基于增量数据同步的实时数据。
具体地，可查询数据库是支持查询处理的数据库，例如yellowbrick(mpp)，服务器将产品、平台、运营、费用相关的所有增量基础数据同步导入Yellowbrick库，在每个同步时效的同步时间段跑批完成导入，在同步时效的其他时间段即可查询最新数据。
其中Yellowbrick库，也即可查询数据库根据不同字段的计算公式、分段要求进行数据加工计算，且支持查询。例如可查询数据库结合历史基础数据对所述增量基础数据进行处理后得到预设维度的字段信息，其中对数据进行处理的过程可以是根据预设的计算公式和分段要求进行的，在此不做具体的限定。这样采用Yellowbrick这一新兴mpp架构数据库，同步时效的预设时间段跑批，其他时间段BI工具直连查询，避免了海量结果数据同步，提高了整体时效。且从清单报表到BI报表，支持亿万级数据运算，且即时出数，无需等待，大大提升数据分析效率。
这样基于可查询数据库可以获取到实时产品数据，保证了数据的实时性。
此外，服务器可以基于拆分后的字段生成对应的评估分档号，这样每个评估分档号对应一组产品数据，从而最后可以通过评估分档号来确定每组产品数据对应的产品价格等。其中，服务器还根据评估分档号，对接发生率报表数据，将对应的评估范围的年龄、性别、职业、保额等160多个字段对应的基础数据，整理至发生率法后台计算中。整理的逻辑是获取以下对应字段的内容：评估分档号、分保单生效年度、各险种对应的暴露人数、发生率、人均赔款，并自动生成评估分档号下各险种最终的发生率平均值、最高值、核保修改值界面。
S210：根据所生成的产品数据的组数获取对应数量的线程，并将产品数据分配至线程中，以分别在线程中通过发生率模型对产品数据进行处理。
具体地，发生率模型是对接的底层数据，包含了业务全流程字段分析，系统可以根据产品代码、询报价、保单号、以及对应业务的年龄、性别、职业等全流程字段范围限制等完成评估数据筛选，此外发生率法主要基于同一类别业务既往经验数据预测业务满期赔付，系统植入有效数据限制规则，并植入数据使用优先级，确保最终得出合理评估。
具体地，在本实施例中，服务器选择发生率模型来进行计算得到产品价格。发生率法是保险机构根据同类产品、客户或业务类型险种既往经验发生率、人均赔款，结合费用政策，预估下年赔付及品质的方法。该方法的关键点是如何快速取得同类经验数据，这里的类别可以是地区、职业、年龄、性别、有无医保、病种、新续保、保额、出险原因、出险时间、账单金额、理赔金额等与产品、客户、业务紧密相关的维度类别，并根据所有维度及计算规则，完成快速定价。
其次，为了保证计算的效率，可以通过多线程的方式进行，即根据产品数据的组数来获取对应数量的线程，从而将产品数据分配至该些线程中，以使得每个线程处理一组产品数据，从而保证了计算的效率。
此处以发生率模型为例进行说明，服务器获取到产品数据，然后根据发生率模型的预设公式来计算得到人均赔款合计平均值、人均赔款合计最高值、发生率合计平均值、发生率合计最高值以及人均成本预估等，然后根据人均成本预估计算得到产品价格。其中：
人均赔款合计平均值＝(各组合险\保单号\询价号下)同险种同保额同职业类别同最大最小投保年龄性别被保险人家庭被保险人人数对应合计累计赔款之和/各组合险\保单号\询价号下各险种对应累计额出险人次之和。
人均赔款合计最高值＝MAX((各组合险\保单号\询价号下)同险种同保额同职业类别同最大最小投保年龄性别被保险人家庭被保险人人数对应人均赔款)。
发生率合计平均值＝(各组合险\保单号\询价号下)同险种同保额同职业类别同最大最小投保年龄性别被保险人家庭被保险人人数对应合计累计发生人次之和/各组合险\保单号\询价号下各险种对应累计暴露人数之和。
发生率合计最高值＝MAX((各组合险\保单号\询价号下)同险种同保额同职业类别同最大最小投保年龄性别被保险人家庭被保险人人数对应总发生率)。
服务器对于平均值、最高值、核保调整值、最终实际赔付值四套数据进行记录，并定期检视，通过对比不同场景的取值合理性，最终确认不同场景的取值逻辑，即服务器定期判断四个取值的大小，然后获取到当前待投保地区，并根据当前待投保地区的情况来确定四个取值哪个较为合理，以确定其中一个取值作为保险价格计算的参照标准。
上述基于发生率法的产品价格方法，其中可查询数据库中是基于增量数据同步的实时数据，由于增量数据同步，所以保证了数据的实时性，进而保证了用于计算产品价格的产品数据是实时的，这样数据是准确的，从而所计算得到的产品价格也是准确的，此外根据产品形态对产品的对应字段进行了拆分，从而使得分产品形态进行产品价格的计算，使得产品价格的计算与产品形态相关，以区分不同的用户，这样计算得到的产品价格更加准确，此外分线程处理也提高了处理的效率。
在其中一个实施例中，产品形态的生成方式包括：根据产品标识对可查询数据库中的产品数据进行分组；读取各个分组中的产品数据的初始字段；分别对各个初始字段中具有理赔记录的产品数据进行聚类以是以确定第一分类，并分别对初始字段中无理赔记录的产品数据进行聚类以确定第二分类；将第一分类和第二分类进行比较以获取非重叠分类，并基于非重叠分类得到产品形态。
具体地，初始字段可以包括年龄、性别、职业、有无医保、保额、免赔额、赔付比例等，在本实施例中以年龄字段为例进行说明。
服务器首先根据产品标识对产品数据进行分组，即一个产品的数据对应一组。然后基于初始字段对每个类型的产品数据进行聚类，例如年龄字段，对存在理赔记录的产品数据进行聚类，所得到的聚类结果为理赔的基本集中在50-59以及70-79两个年龄档，对不存在理赔记录的产品数据进行聚类其得到的聚类结果为58-72，因此将第一分类和第二分类进行比较以获取非重叠分类，即50-57、58-72以及73-79三个分类，非重叠分类即两个部分的数值不相互重叠的部分，这样基于不相互重叠的部分以及相互重叠的部分得到了整个字段的取值范围，然后基于不相互重叠的部分得到产品形态，相互重叠的部分则单独形成一个形态，这样总共得到的形态可以包括相互重叠部分的一个形态，以及不相互重叠的部分的多个形态，如上例中综合该两个聚类结果可以得到产品形态为50-57、58-72以及73-79，从而可以有针对性地对产品进行分组计算，提高价格计算的准确性。
上述实施例中，根据是否存在理赔对产品数据进行聚类，从而获得产品形态，进而为后续的产品价格的分档计算奠定基础，从而保证了价格的准确性。
在其中一个实施例中，从可查询数据库获取至少两组对应的产品数据，包括：获取拆分后的字段的产品标识对应的产品方案；判断产品方案的查询频率是否大于可查询数据库中的设置频率，其中设置频率是可查询数据库实时统计产品方案对应的访问频率，并基于访问频率对应的产品方案的产品数据的大小以及可查询数据中的数据存储空间所确定的最优频率阈值；若是，则基于拆分后的字段从可查询数据库中的高频数据存储空间获取至少两组对应的产品数据，否则基于拆分后的字段从可查询数据库中的低频数据存储空间获取至少两组对应的产品数据。
具体地，产品方案是一个产品所对应的各个字段的总和，其包括了产品的完整的历史数据。
设置频率是可查询数据库实时统计产品方案对应的访问频率，并基于访问频率对应的产品方案的产品数据的大小以及可查询数据中的数据存储空间所确定的最优频率阈值，即首先可查询数据库实时统计每个产品方案对应的访问频率，然后计算该产品方案对应的产品数据所需要的存储空间的大小，再基于可查询数据中的数据存储空间，即高频数据存储空间的大小，确定所能存储至高频数据存储空间的产品方案的数量，其中访问频率高的产品方案优先存储至高频数据存储空间，这样在高频数据存储空间的大小和产品方案对应的产品数据所需要的存储空间的大小大致相等时，该产品方案对应的访问频率即为设置频率。
其中，在本实施例中，在访问频率确定的前提下，该设置频率越小，则高频数据存储空间越大，设置频率最小为0，即该可查询数据库中存储的都是高频访问数据，反之，若设置频率越大，则高频数据存储空间的数据量越小，设置频率等于可查询数据库的最大访问频率时，高频数据存储空间为空。因此该设置频率的范围为大于等于0，小于等于可查询数据库的最大访问频率。
上述实施例中，由于在计算价格的时候，通常是一段时间内重复计算，但是所使用的数据是原始数据，即原始数据保持不变，因此该原始数据会持续被访问，为了保证访问效率，服务器基于访问频率将高频访问数据存储至高频数据存储空间，这样下一次访问该些数据时，则可以在高频数据存储空间进行获取，提高了效率。
在其中一个实施例中，基于拆分后的字段从可查询数据库获取至少两组对应的产品数据之后，还包括：判断产品数据的时间范围是否满足时间条件；若是，则统计时间范围满足时间条件的产品数据的数量是否满足数量条件；若是，则继续通过发生率模型分别对产品数据进行处理。
具体地，时间条件是指以截至当前向前推算保单已满期N，例如18个月，数量条件则是与类型有关，类型分为定额给付类险种和医疗费用类险种，其中，定额给付类险种暴露人数必须大于等于M。例如10000人、医疗费用类险种暴露人数必须大于等于z，例如5000人。
上述实施例中，服务器预先对产品数据进行校验，从而保证了用于模型计算的价格数据是准确的，进而保证了所计算的几个是准确的。
在其中一个实施例中，统计时间范围满足时间条件的产品数据的数量是否满足数量条件之后，还包括：若统计时间范围满足时间条件的产品数据的数量不满足数量条件或者是产品数据的时间范围不满足时间条件，则获取预先设置的数据优先级；根据数据优先级继续基于拆分后的字段从可查询数据库获取至少两组对应的产品数据。
具体地，数据优先级是预先设置的，例如其可以为：第一优先级：原产品、询价、保单号历年各险种对应赔付数据。第二优先级：原产品、批量询价、批量保单历年合计各险种对应赔付数据。第三优先级：机构同业务类型、同产品范围(年龄、职业类别、性别)、评估险种对应历年各险种对应赔付数据。第四优先级：机构同业务类型、不同产品范围(年龄、职业类别、性别)、评估险种对应历年各险种对应赔付数据+对应业务类型、不同产品范围赔付数据调整因子。以下数据须通过机构核保转总部核保进行审批的前提下方可完成判断是否使用，第五优先级：总部同业务类型、同产品范围(年龄、职业类别、性别)、评估险种对应历年各险种对应赔付数据。第六优先级：总部同业务类型、不同产品范围(年龄、职业类别、性别)、评估险种对应历年各险种对应赔付数据+对应业务类型、不同产品范围赔付数据调整因子。
上述实施例中，为了保证价格计算可以顺利进行，对数据设置了优先级，从而即时没有相对应的数据，还可以从总部或者是类似产品对应的数据中获取到产品数据。
在其中一个实施例中，上述的基于字段拆分的产品数据处理方法还包括：当基于拆分后的字段从可查询数据库未获取至少两组对应的产品数据，则向权限高于当前权限的组织发送数据范围获取请求；接收组织返回的与产品数据处理请求对应的产品数据。
具体地，此处设置权限管理，即某个机构的以往未设置类似的产品，则在进行查询的时候，不能查询到对应的数据范围，因此则向权限高于当前权限的组织发送数据范围获取请求，例如以分公司-集团为例，若是分公司未查询到对应的数据范围，则向集团发送数据范围获取请求，以便于获取到对应的数据范围，其中集团在获取对应的数据的时候，可以根据询价信息进行匹配，并根据当前权限的组织所在的地理位置等进行进一步地筛选，以得到符合要求的产品方案，并获取到产品方案对应的所有的历史数据作为询价信息对应的数据范围。
上述实施例中，机构仅有机构权限，机构上报总部，总部可根据核保政策授权机构总部权限。
在其中一个实施例中，基于拆分后的字段从可查询数据库获取至少两组对应的产品数据之前，还包括：显示与匹配的产品标识对应的历史数据；从历史数据中提取预设字段的值，并根据所提取的预设字段的值计算产品状态获取与产品状态对应的升级方案；通过发生率模型对产品数据进行处理，包括：通过发生率模型按照升级方案对产品数据进行处理。
具体地，历史数据可以包括产品方案对应的既往赔付数据，例如COR、保费分摊、费用等，其中预设字段包括保单综合赔付率、综合费用率和综合成本率：赔付率是指赔款/保费；费用率分为直接费用率(佣金、手续费比例等)、间接费用率(营运成本等)；综合成本率＝综合赔付率+综合费用率。服务器通过预设字段的值计算得到产品状态，例如业务品质。例如产品的综合成本率(COR)越来越低，也就是说品质变好了，意味着有空间进行升级方案，可以适当增加一些方案。且在方案进行升级后，在计算产品价格的时候，则根据升级后的产品方案进行计算。
此外，系统植入产品迭代关系、险种迭代关系，对应产品、保单、险种的数据得以直接进行梳理转换汇总例如意外医疗险种为P0210，根据需要调整得到意外医疗险种条款P221701-03,产品数据使用的条款是老条款P0210的数据，但是在做最终报价的时候需要使用新条款P221701-03。那么后台就会记录：P0210替换P221701-03。
当有以上情况出现时，在计算产品价格的时候，则会将P0210成本转化为P221701-03的成本，并根据新条款对应的佣金提奖比例进行综合成本率的计算。
上述实施例中，充分考虑到了产品方案的迭代，保证了产品价格计算的准确性。
需要强调的是，为进一步保证上述产品形态、产品数据以及产品价格的私密和安全性，产品形态、产品数据以及产品价格的至少一个存储于一区块链的节点中。
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图3所示，提供了一种基于字段拆分的产品数据处理装置，包括：请求接收模块100、形态获取模块200、拆分模块300、数据获取模块400和价格计算模块500，其中：
请求接收模块100，用于接收产品数据处理请求，产品数据处理请求携带有产品标识；
形态获取模块200，用于获取与产品标识对应的产品形态，产品形态是预先根据产品历史理赔数据进行聚类的得到的；
拆分模块300，用于获取产品形态对应的字段，根据产品形态对字段进行拆分；
数据获取模块400，用于基于拆分后的字段从可查询数据库获取至少两组对应的产品数据，可查询数据库存储有基于增量数据同步的实时数据；
价格计算模块500，用于根据所生成的产品数据的组数获取对应数量的线程，并将产品数据分配至线程中，以分别在线程中通过发生率模型对产品数据进行处理。
在其中一个实施例中，上述的基于字段拆分的产品数据处理装置可以包括：
分组模块，用于根据产品标识对可查询数据库中的产品数据进行分组；
读取模块，用于读取各个分组中的产品数据的初始字段；
聚类模块，用于分别对各个初始字段中具有理赔记录的产品数据进行聚类以是以确定第一分类，并分别对初始字段中无理赔记录的产品数据进行聚类以确定第二分类；
形态计算模块，用于将第一分类和第二分类进行比较以获取非重叠分类，并基于非重叠分类得到产品形态。
在其中一个实施例中，上述数据获取模块400包括：
方案获取单元，用于获取拆分后的字段的产品标识对应的产品方案；
查询单元，用于判断所述产品方案的查询频率是否大于所述可查询数据库中的设置频率，其中所述设置频率是所述可查询数据库实时统计所述产品方案对应的访问频率，并基于所述访问频率对应的产品方案的产品数据的大小以及所述可查询数据中的数据存储空间所确定的最优频率阈值；若是，则基于拆分后的字段从所述可查询数据库中的高频数据存储空间获取至少两组对应的产品数据，否则基于拆分后的字段从所述可查询数据库中的低频数据存储空间获取至少两组对应的产品数据。
在其中一个实施例中，上述的基于字段拆分的产品数据处理装置可以包括：
第一判断模块，用于判断产品数据的时间范围是否满足时间条件；
第二判断模块，用于若是，则统计时间范围满足时间条件的产品数据的数量是否满足数量条件；若是，则继续通过发生率模型分别对产品数据进行处理。
在其中一个实施例中，上述的基于字段拆分的产品数据处理装置可以包括：
优先级获取模块，用于若统计时间范围满足时间条件的产品数据的数量不满足数量条件或者是产品数据的时间范围不满足时间条件，则获取预先设置的数据优先级；根据数据优先级继续基于拆分后的字段从可查询数据库获取至少两组对应的产品数据。
在其中一个实施例中，上述的基于字段拆分的产品数据处理装置可以包括：
发送模块，用于当基于拆分后的字段从可查询数据库未获取至少两组对应的产品数据，则向权限高于当前权限的组织发送数据范围获取请求；
数据接收模块，用于接收组织返回的与产品数据处理请求对应的产品数据。
在其中一个实施例中，上述的基于字段拆分的产品数据处理装置可以包括：
显示模块，用于显示与匹配的产品标识对应的历史数据；
状态计算模块，用于从历史数据中提取预设字段的值，并根据所提取的预设字段的值计算产品状态；
方案获取模块，用于获取与产品状态对应的升级方案；
上述价格计算模块500还用于通过发生率模型按照升级方案对产品数据进行处理。
关于基于字段拆分的产品数据处理装置的具体限定可以参见上文中对于基于字段拆分的产品数据处理方法的限定，在此不再赘述。上述基于字段拆分的产品数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储产品价格。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于字段拆分的产品数据处理方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：接收产品数据处理请求，产品数据处理请求携带有产品标识；获取与产品标识对应的产品形态，产品形态是预先根据产品历史理赔数据进行聚类的得到的；获取产品形态对应的字段，根据产品形态对字段进行拆分；基于拆分后的字段从可查询数据库获取至少两组对应的产品数据，可查询数据库存储有基于增量数据同步的实时数据；根据所生成的产品数据的组数获取对应数量的线程，并将产品数据分配至线程中，以分别在线程中通过发生率模型对产品数据进行处理。
在一个实施例中，处理器执行计算机程序时所涉及的产品形态的生成方式包括：根据产品标识对可查询数据库中的产品数据进行分组；读取各个分组中的产品数据的初始字段；分别对各个初始字段中具有理赔记录的产品数据进行聚类以是以确定第一分类，并分别对初始字段中无理赔记录的产品数据进行聚类以确定第二分类；将第一分类和第二分类进行比较以获取非重叠分类，并基于非重叠分类得到产品形态。
在一个实施例中，处理器执行计算机程序时所涉及的从可查询数据库获取至少两组对应的产品数据，包括：获取拆分后的字段的产品标识对应的产品方案；判断产品方案的查询频率是否大于可查询数据库中的设置频率，其中设置频率是所述可查询数据库实时统计所述产品方案对应的访问频率，并基于访问频率对应的产品方案的产品数据的大小以及可查询数据中的数据存储空间所确定的最优频率阈值；若是，则基于拆分后的字段从可查询数据库中的高频数据存储空间获取至少两组对应的产品数据，否则基于拆分后的字段从可查询数据库中的低频数据存储空间获取至少两组对应的产品数据。
在一个实施例中，处理器执行计算机程序时所实现的基于拆分后的字段从可查询数据库获取至少两组对应的产品数据之后，还包括：判断产品数据的时间范围是否满足时间条件；若是，则统计时间范围满足时间条件的产品数据的数量是否满足数量条件；若是，则继续通过发生率模型分别对产品数据进行处理。
在一个实施例中，处理器执行计算机程序时所实现的统计时间范围满足时间条件的产品数据的数量是否满足数量条件之后，还包括：若统计时间范围满足时间条件的产品数据的数量不满足数量条件或者是产品数据的时间范围不满足时间条件，则获取预先设置的数据优先级；根据数据优先级继续基于拆分后的字段从可查询数据库获取至少两组对应的产品数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：当基于拆分后的字段从可查询数据库未获取至少两组对应的产品数据，则向权限高于当前权限的组织发送数据范围获取请求；接收组织返回的与产品数据处理请求对应的产品数据。
在一个实施例中，处理器执行计算机程序时所实现的基于拆分后的字段从可查询数据库获取至少两组对应的产品数据之前，还包括：显示与匹配的产品标识对应的历史数据；从历史数据中提取预设字段的值，并根据所提取的预设字段的值计算产品状态；获取与产品状态对应的升级方案；处理器执行计算机程序时所实现的通过发生率模型对产品数据进行处理，包括：通过发生率模型按照升级方案对产品数据进行处理。
在一个实施例中，处理器执行计算机程序时所涉及的产品形态、产品数据以及产品价格的至少一个存储于区块链中。
在一个实施例中，提供了一种计算机存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：接收产品数据处理请求，产品数据处理请求携带有产品标识；获取与产品标识对应的产品形态，产品形态是预先根据产品历史理赔数据进行聚类的得到的；获取产品形态对应的字段，根据产品形态对字段进行拆分；基于拆分后的字段从可查询数据库获取至少两组对应的产品数据，可查询数据库存储有基于增量数据同步的实时数据；根据所生成的产品数据的组数获取对应数量的线程，并将产品数据分配至线程中，以分别在线程中通过发生率模型对产品数据进行处理。
在一个实施例中，计算机程序被处理器执行时所涉及的产品形态的生成方式包括：根据产品标识对可查询数据库中的产品数据进行分组；读取各个分组中的产品数据的初始字段；分别对各个初始字段中具有理赔记录的产品数据进行聚类以是以确定第一分类，并分别对初始字段中无理赔记录的产品数据进行聚类以确定第二分类；将第一分类和第二分类进行比较以获取非重叠分类，并基于非重叠分类得到产品形态。
在一个实施例中，计算机程序被处理器执行时所涉及的从可查询数据库获取至少两组对应的产品数据，包括：获取拆分后的字段的产品标识对应的产品方案；判断产品方案的查询频率是否大于可查询数据库中的设置频率，其中设置频率是所述可查询数据库实时统计所述产品方案对应的访问频率，并基于访问频率对应的产品方案的产品数据的大小以及可查询数据中的数据存储空间所确定的最优频率阈值；若是，则基于拆分后的字段从可查询数据库中的高频数据存储空间获取至少两组对应的产品数据，否则基于拆分后的字段从可查询数据库中的低频数据存储空间获取至少两组对应的产品数据。
在一个实施例中，计算机程序被处理器执行时所实现的基于拆分后的字段从可查询数据库获取至少两组对应的产品数据之后，还包括：判断产品数据的时间范围是否满足时间条件；若是，则统计时间范围满足时间条件的产品数据的数量是否满足数量条件；若是，则继续通过发生率模型分别对产品数据进行处理。
在一个实施例中，计算机程序被处理器执行时所实现的统计时间范围满足时间条件的产品数据的数量是否满足数量条件之后，还包括：若统计时间范围满足时间条件的产品数据的数量不满足数量条件或者是产品数据的时间范围不满足时间条件，则获取预先设置的数据优先级；根据数据优先级继续基于拆分后的字段从可查询数据库获取至少两组对应的产品数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当基于拆分后的字段从可查询数据库未获取至少两组对应的产品数据，则向权限高于当前权限的组织发送数据范围获取请求；接收组织返回的与产品数据处理请求对应的产品数据。
在一个实施例中，计算机程序被处理器执行时所实现的基于拆分后的字段从可查询数据库获取至少两组对应的产品数据之前，还包括：显示与匹配的产品标识对应的历史数据；从历史数据中提取预设字段的值，并根据所提取的预设字段的值计算产品状态；获取与产品状态对应的升级方案；计算机程序被处理器执行时所实现的通过发生率模型对产品数据进行处理，包括：通过发生率模型按照升级方案对产品数据进行处理。
在一个实施例中，计算机程序被处理器执行时所涉及的产品形态、产品数据以及产品价格的至少一个存储于区块链中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于字段拆分的产品数据处理方法，所述方法包括：
接收产品数据处理请求，所述产品数据处理请求携带有产品标识；
获取与所述产品标识对应的产品形态，所述产品形态是预先根据产品历史理赔数据进行聚类得到的；
获取所述产品形态对应的字段，根据所述产品形态对所述字段进行拆分；
基于拆分后的字段从可查询数据库获取至少两组对应的产品数据，所述可查询数据库存储有基于增量数据同步的实时数据，所述可查询数据库在每个同步时效的同步时间段跑批完成导入所述增量数据，所述可查询数据库用于结合历史基础数据对增量基础数据进行处理后得到预设维度的字段；根据所生成的产品数据的组数获取对应数量的线程，并将所述产品数据分配至所述线程中，以分别在所述线程中通过发生率模型对所述产品数据进行处理得到产品价格；
所述从可查询数据库获取至少两组对应的产品数据，包括：
获取拆分后的字段的产品标识对应的产品方案；
判断所述产品方案的查询频率是否大于所述可查询数据库中的设置频率，其中所述设置频率是所述可查询数据库实时统计所述产品方案对应的访问频率，并基于所述访问频率对应的产品方案的产品数据的大小以及所述可查询数据中的数据存储空间所确定的最优频率阈值；
若是，则基于拆分后的字段从所述可查询数据库中的高频数据存储空间获取至少两组对应的产品数据，否则基于拆分后的字段从所述可查询数据库中的低频数据存储空间获取至少两组对应的产品数据；
其中，所述产品形态的生成方式包括：
根据产品标识对可查询数据库中的产品数据进行分组；
读取各个所述分组中的产品数据的初始字段；
分别对各个初始字段中具有理赔记录的产品数据进行聚类以确定第一分类，并分别对初始字段中无理赔记录的产品数据进行聚类以确定第二分类；
将所述第一分类和所述第二分类进行比较以获取非重叠分类，并基于所述非重叠分类得到产品形态。
2.根据权利要求1所述的方法，其特征在于，所述基于拆分后的字段从可查询数据库获取至少两组对应的产品数据之后，还包括：
判断所述产品数据的时间范围是否满足时间条件；
若是，则统计时间范围满足时间条件的产品数据的数量是否满足数量条件；
若是，则继续通过发生率模型分别对所述产品数据进行处理。
3.根据权利要求2所述的方法，其特征在于，所述统计时间范围满足时间条件的产品数据的数量是否满足数量条件之后，还包括：
若统计时间范围满足时间条件的产品数据的数量不满足数量条件或者是所述产品数据的时间范围不满足时间条件，则获取预先设置的数据优先级；
根据所述数据优先级继续基于拆分后的字段从可查询数据库获取至少两组对应的产品数据。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当基于拆分后的字段从可查询数据库未获取至少两组对应的产品数据，则向权限高于当前权限的组织发送数据范围获取请求；
接收所述组织返回的与所述产品数据处理请求对应的产品数据。
5.根据权利要求1所述的方法，其特征在于，所述基于拆分后的字段从可查询数据库获取至少两组对应的产品数据之前，还包括：
显示与匹配的产品标识对应的历史数据；
从所述历史数据中提取预设字段的值，并根据所提取的预设字段的值计算产品状态；
获取与所述产品状态对应的升级方案；
所述通过发生率模型对所述产品数据进行处理，包括：
通过发生率模型按照所述升级方案对所述产品数据进行处理。
6.一种基于字段拆分的产品数据处理装置，其特征在于，所述装置包括：
请求接收模块，用于接收产品数据处理请求，所述产品数据处理请求携带有产品标识；
形态获取模块，用于获取与所述产品标识对应的产品形态，所述产品形态是预先根据产品历史理赔数据进行聚类得到的；
拆分模块，用于获取所述产品形态对应的字段，根据所述产品形态对所述字段进行拆分；
数据获取模块，用于基于拆分后的字段从可查询数据库获取至少两组对应的产品数据，所述可查询数据库存储有基于增量数据同步的实时数据，所述可查询数据库在每个同步时效的同步时间段跑批完成导入所述增量数据，所述可查询数据库用于结合历史基础数据对增量基础数据进行处理后得到预设维度的字段；
价格计算模块，用于根据所生成的产品数据的组数获取对应数量的线程，并将所述产品数据分配至所述线程中，以分别在所述线程中通过发生率模型对所述产品数据进行处理得到产品价格；
所述数据获取模块包括：
方案获取单元，用于获取拆分后的字段的产品标识对应的产品方案；
查询单元，用于判断所述产品方案的查询频率是否大于所述可查询数据库中的设置频率，其中所述设置频率是所述可查询数据库实时统计所述产品方案对应的访问频率，并基于所述访问频率对应的产品方案的产品数据的大小以及所述可查询数据中的数据存储空间所确定的最优频率阈值；若是，则基于拆分后的字段从所述可查询数据库中的高频数据存储空间获取至少两组对应的产品数据，否则基于拆分后的字段从所述可查询数据库中的低频数据存储空间获取至少两组对应的产品数据；
其中，所述装置还包括：
分组模块，用于根据产品标识对可查询数据库中的产品数据进行分组；
读取模块，用于读取各个所述分组中的产品数据的初始字段；
聚类模块，用于分别对各个初始字段中具有理赔记录的产品数据进行聚类以确定第一分类，并分别对初始字段中无理赔记录的产品数据进行聚类以确定第二分类；
形态计算模块，用于将所述第一分类和所述第二分类进行比较以获取非重叠分类，并基于所述非重叠分类得到产品形态。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
第一判断模块，用于判断产品数据的时间范围是否满足时间条件；
第二判断模块，用于若是，则统计时间范围满足时间条件的产品数据的数量是否满足数量条件；若是，则继续通过发生率模型分别对产品数据进行处理。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
优先级获取模块，用于若统计时间范围满足时间条件的产品数据的数量不满足数量条件或者是产品数据的时间范围不满足时间条件，则获取预先设置的数据优先级；根据数据优先级继续基于拆分后的字段从可查询数据库获取至少两组对应的产品数据。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
CN202011475736.6A 2020-12-15 2020-12-15 基于字段拆分的产品数据处理方法、装置、设备和介质 Active CN112581295B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011475736.6A CN112581295B (zh) 2020-12-15 2020-12-15 基于字段拆分的产品数据处理方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011475736.6A CN112581295B (zh) 2020-12-15 2020-12-15 基于字段拆分的产品数据处理方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN112581295A CN112581295A (zh) 2021-03-30
CN112581295B true CN112581295B (zh) 2023-09-26

Family

ID=75135027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011475736.6A Active CN112581295B (zh) 2020-12-15 2020-12-15 基于字段拆分的产品数据处理方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN112581295B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113706255A (zh) * 2021-08-31 2021-11-26 中国平安财产保险股份有限公司 业务订单生成方法、装置、服务器及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018014582A1 (zh) * 2016-07-22 2018-01-25 平安科技（深圳）有限公司 保单数据处理方法、装置、服务器和存储介质
CN109472709A (zh) * 2018-05-28 2019-03-15 平安医疗健康管理股份有限公司 保险价格计算方法、装置、计算机设备和存储介质
CN109542890A (zh) * 2018-10-11 2019-03-29 平安科技（深圳）有限公司 数据修改方法、装置、计算机设备及存储介质
CN110111208A (zh) * 2019-04-15 2019-08-09 深圳壹账通智能科技有限公司 保单数据处理方法、装置、计算机设备和存储介质
CN111177129A (zh) * 2019-12-16 2020-05-19 中国平安财产保险股份有限公司 标签体系的构建方法、装置、设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018014582A1 (zh) * 2016-07-22 2018-01-25 平安科技（深圳）有限公司 保单数据处理方法、装置、服务器和存储介质
CN109472709A (zh) * 2018-05-28 2019-03-15 平安医疗健康管理股份有限公司 保险价格计算方法、装置、计算机设备和存储介质
CN109542890A (zh) * 2018-10-11 2019-03-29 平安科技（深圳）有限公司 数据修改方法、装置、计算机设备及存储介质
CN110111208A (zh) * 2019-04-15 2019-08-09 深圳壹账通智能科技有限公司 保单数据处理方法、装置、计算机设备和存储介质
CN111177129A (zh) * 2019-12-16 2020-05-19 中国平安财产保险股份有限公司 标签体系的构建方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112581295A (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
Hillerman et al. Applying clustering and AHP methods for evaluating suspect healthcare claims
US8073729B2 (en) Forecasting discovery costs based on interpolation of historic event patterns
KR102032924B1 (ko) 클라우드 환경에서 개인정보 보호를 지원하는 p2p 중개 보안 시스템
WO2019052219A1 (zh) 医疗保险理赔方法、装置、计算机设备和存储介质
US11783338B2 (en) Systems and methods for outlier detection of transactions
CN112100219B (zh) 基于数据库查询处理的报表生成方法、装置、设备和介质
JP2019519017A (ja) 精算処理方法、精算処理装置、端末機器及び記憶媒体
US20090099865A1 (en) Healthcare provider performance and utilization analytics
CN110322191B (zh) 基于区块链的固定资产管理方法、系统、介质及电子设备
US20160012540A1 (en) Systems and methods for insurance process routing and versioning
CN111737335B (zh) 产品信息集成处理方法、装置、计算机设备和存储介质
US20230177065A1 (en) Feature selection for artificial intelligence in healthcare management
Smalley et al. The impact of hospital boarding on the emergency department waiting room
TW201503029A (zh) 計算企業拖欠帳款機率之技術
CN112581295B (zh) 基于字段拆分的产品数据处理方法、装置、设备和介质
CN111161088A (zh) 票据处理方法、装置和设备
CN111126966A (zh) 票据审核方法、装置、计算机设备和计算机可读存储介质
US10235719B2 (en) Centralized GAAP approach for multidimensional accounting to reduce data volume and data reconciliation processing costs
CN111427936B (zh) 报表生成方法、装置、计算机设备和存储介质
CN110544165A (zh) 一种信用风险评分卡创建方法、装置及电子设备
CN112579645B (zh) 基于方案索引的产品数据查询方法、装置、设备和介质
CN112734352A (zh) 一种基于数据维度的单据审核方法和装置
US20230171202A1 (en) System and method for performing assessment of electronic resources stored in a distributed network
US11989774B1 (en) Systems and methods for providing digital trusted data
WO2022193415A1 (zh) 数据生成方法、装置、计算机设备和存储介质

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