CN113434562A - 生存调查筛选方法、装置、计算机设备和存储介质 - Google Patents
生存调查筛选方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113434562A CN113434562A CN202110738438.XA CN202110738438A CN113434562A CN 113434562 A CN113434562 A CN 113434562A CN 202110738438 A CN202110738438 A CN 202110738438A CN 113434562 A CN113434562 A CN 113434562A
- Authority
- CN
- China
- Prior art keywords
- survival
- user
- coefficient
- acquiring
- different
- 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
- 230000004083 survival effect Effects 0.000 title claims abstract description 298
- 238000011835 investigation Methods 0.000 title claims abstract description 71
- 238000012216 screening Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 208000028571 Occupational disease Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及大数据处理技术领域,提供一种生存调查筛选方法、装置、计算机设备和存储介质,获取用户生存特征信息;根据用户生存特征信息,获取用户对应的不同维度身故概率系数;进而根据身故概率系数,获取用户的生存系数;筛选生存系数达到预设阈值对应的生存调查。整个过程中,通过获取用户对应的不同维度身故概率系数,准确评估用户的生存系数,筛选生存系数达到预设阈值的用户才发起生存调查,合理且有效实现生存调查筛选,支持后续高效且高产投比的生存调查。
Description
技术领域
本申请涉及大数据处理技术领域,特别是涉及一种生存调查筛选方法、装置、计算机设备和存储介质。
背景技术
对于生存金领取的保险产品,在客户身故后保险责任即终止,保险公司不再需要给客户定期支付生存金;保险公司获取哪些客户已经身故,一般采用定期将所有还在生存领取的客户,批量调用公安部查询接口的方式,对于查询到已身故的客户,则操作身故止付处理。
上述这种依赖公安部数据库批量查询模式存在一些不足:每次查询所有客户,由于公安接口按调用量收费,会产生比较大的成本,而实际身故的客户占比非常低,会造成同一个客户反复查询,无法更精准的进行生存调查,整体生存调查的投产比较低。
可见,传统技术中并未对生存调查进行合理筛选,大量生存调查被重复查询导致生存调查效率低下且产投比较低。因此,目前急需一种合理的生存调查筛选方案,提高生存调查效率与产投比。
发明内容
基于此,有必要针对上述技术问题,提供一种合理的生存调查筛选方法、装置、计算机设备和存储介质。
一种生存调查筛选方法,方法包括:
获取用户生存特征信息;
根据用户生存特征信息,获取用户对应的不同维度身故概率系数;
根据不同维度身故概率系数,获取用户的生存系数;
筛选生存系数达到预设阈值对应的生存调查。
在其中一个实施例中,根据用户生存特征信息,获取用户对应的不同维度身故概率系数包括:
获取预设不同维度生存特征与身故概率系数对应关系;
根据用户生存特征信息以及预设不同维度生存特征与身故概率系数对应关系,获取用户对应的不同维度身故概率系数。
在其中一个实施例中,获取预设不同维度生存特征与身故概率系数对应关系包括:
获取历史生存调查数据;
根据历史生存调查数据,分析不同职业对应的身故概率系数、既往赔付责任对应的身故概率系数以及性别-年龄对应的身故概率系数。
在其中一个实施例中,根据不同维度身故概率系数,获取用户的生存系数之前,还包括:
获取用户年化领取保金维度的第一补偿系数以及生存调查最低概率的第二补偿系数;
根据不同维度身故概率系数,获取用户的生存系数包括:
根据不同维度身故概率系数以及第一补偿系数与第二补偿系数,得到用户的生存系数。
在其中一个实施例中,获取用户年化领取保金维度的第一补偿系数包括:
查询用户年化领取保金以及用户年化领取保金总额;
根据用户年化领取保金与用户年化领取保金总额,获取用户年化领取保金维度的第一补偿系数。
在其中一个实施例中,获取生存调查最低概率的第二补偿系数包括:
查询距离最近一次生存调查的时间;
获取预设用户生存调查最大间隔时间;
计算用户距离最近一次生存调查的时间与预设用户生存调查最大间隔时间的比值,得到生存调查最低概率的第二补偿系数。
在其中一个实施例中,不同维度包括职业维度、既往赔付责任维度以及性别-年龄维度;
根据不同维度身故概率系数,获取用户的生存系数包括:
获取职业维度身故概率系数、既往赔付责任维度身故概率系数、性别-年龄维度身故概率系数以及第一补偿系数中的最大值与平均值;
计算第二补偿系数、最大值以及平均值之和,得到用户的生存系数。
一种生存调查筛选装置,装置包括:
特征获取模块,用于获取用户生存特征信息;
维度分析模块,用于根据用户生存特征信息,获取用户对应的不同维度身故概率系数;
生存系数获取模块,用于根据不同维度身故概率系数,获取用户的生存系数;
筛选模块,用于筛选生存系数达到预设阈值对应的生存调查。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取用户生存特征信息;
根据用户生存特征信息,获取用户对应的不同维度身故概率系数;
根据不同维度身故概率系数,获取用户的生存系数;
筛选生存系数达到预设阈值对应的生存调查。
一种计算机可读存储介质,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:
获取用户生存特征信息;
根据用户生存特征信息,获取用户对应的不同维度身故概率系数;
根据不同维度身故概率系数,获取用户的生存系数;
筛选生存系数达到预设阈值对应的生存调查。
上述生存调查筛选方法、装置、计算机设备和存储介质,获取用户生存特征信息;根据用户生存特征信息,获取用户对应的不同维度身故概率系数;进而根据身故概率系数,获取用户的生存系数;筛选生存系数达到预设阈值对应的生存调查。整个过程中,通过获取用户对应的不同维度身故概率系数,准确评估用户的生存系数,筛选生存系数达到预设阈值的用户才发起生存调查,合理且有效实现生存调查筛选,支持后续高效且高产投比的生存调查。
附图说明
图1为一个实施例中生存调查筛选方法的应用环境图;
图2为一个实施例中生存调查筛选方法的流程示意图;
图3为另一个实施例中生存调查筛选方法的流程示意图;
图4为一个实施例中生存调查筛选装置的结构框图;
图5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。
本申请提供的生存调查筛选方法,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进行通信。终端102发起生存调查请求至服务器104,服务器104获取用户生存特征信息;根据用户生存特征信息,获取用户对应的不同维度身故概率系数;进而根据身故概率系数,获取用户的生存系数;筛选生存系数达到预设阈值对应的生存调查。服务器104进一步的可以根据筛选后的数据发起用户生存调查,反馈用户生存调查结果给到终端102。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,提供了一种生存调查筛选方法,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:
S200:获取用户生存特征信息。
用户生存特征信息是指与用户生存特征相关的信息。具体是指影响用户生存概率的特征信息,其具体可以包括多个维度的信息,例如可以包括用户职业、用户年龄、用户性别以及用户在历史投保中触发的既往赔付责任等维度信息。用户生存特征信息具体可以是由用户填写上传至服务器,其还可以是用户在投保建档/维护过程中更新存储于服务器数据库中的,随着时间推移用户生存特征信息被逐笔记录在服务器数据库中,当需要进行生存调查筛选时,直接基于用户身份标识来查询获取用户生存特征信息。用户身份标识具体是指验证用户唯一身份的标识信息,其具体可以为用户身份证号码。
S400:根据用户生存特征信息,获取用户对应的不同维度身故概率系数。
用户生存特征描绘出用户的生存特征,通过分析用户生存特征信息来获取用户对应的不同维度身故概率系数。不同维度身故概率系数是指在不同维度下评估用户发生身故的概率系数。不同维度具体是指与用户生存特征信息维度对应的维度,即用户生存特征信息中包含的数据维度越多,这里获取的用户身故概率系数维度也就越多。具体来说,用户对应的不同维度身故概率系数包括不同职业对应的身故概率系数、既往赔付责任对应的身故概率系数以及性别-年龄对应的身故概率系数。
S600:根据不同维度身故概率系数,获取用户的生存系数。
通过分析不同维度身故概率系数可以得出用户生存系数。具体来说,可以采用常规生存调查的方式、并根据不同维度身故概率系数,来获取用户的生存系数。
S800:筛选生存系数达到预设阈值对应的生存调查。
预设阈值是预先设定的生存系数的阈值。具体来说预设阈值可以通过“试错”和“动态优化”的方式来确定,采用一些样本数据来确定合适值,当基于样本数据发现预设阈值较小时,则提高预设阈值;当基于样本数据发现预设阈值较大时,则减小预设阈值。预设阈值较大与较小可以通过验证设置的预设阈值是否符合筛选期望来判定,若筛选出的生存调查存在较多重复的无效的生存调查,则表明预设阈值较小,此时需要提高预设阈值,即提高筛选门槛;若筛选出的生存调查存在较多遗漏,则表明预设阈值较大,此时需要减小预设阈值。通过上述方式筛选生存调查之后,可以将一些不必要的生存调查剔除,支持后续高效且高产投比的生存调查。
上述生存调查筛选方法,获取用户生存特征信息;根据用户生存特征信息,获取用户对应的不同维度身故概率系数;进而根据身故概率系数,获取用户的生存系数;筛选生存系数达到预设阈值对应的生存调查。整个过程中,通过获取用户对应的不同维度身故概率系数,准确评估用户的生存系数,筛选生存系数达到预设阈值的用户才发起生存调查,合理且有效实现生存调查筛选,支持后续高效且高产投比的生存调查。
如图3所示,在其中一个实施例中,S400包括:
S420:获取预设不同维度生存特征与身故概率系数对应关系;
S440:根据用户生存特征信息以及预设不同维度生存特征与身故概率系数对应关系,获取用户对应的不同维度身故概率系数。
预设不同维度生存特征与身故概率系数对应关系是预先构建的对应关系,其具体表征生存特征与身故概率之间的关系,其具体可以通过分析历史数据的方式来确定。具体来说,可以采用大数据方式来分析历史生存调查数据,进而得到预设不同维度生存特征与身故概率系数对应关系。
在其中一个实施例中,获取预设不同维度生存特征与身故概率系数对应关系包括:
获取历史生存调查数据;根据历史生存调查数据,分析不同职业对应的身故概率系数、既往赔付责任对应的身故概率系数以及性别-年龄对应的身故概率系数。
历史生存调查数据是指在历史记录中进行生存调查的数据。例如保险公司在过去一年内进行生存调查的数据。在该生存调查数据中主要包括生存调查对象(用户)、生存调查成功与否(是否已经身故)、用户职业、年龄、性别、用户对应的领取金系数、若确定已发生身故下,用户对应的赔付责任,该赔付责任主要是指用户在发生保险理赔赔付时所赔付的责任,这个责任具体是基于身故事件对应的划分的,例如若为医疗疾病导致的,则可以分普通门诊、重症疾病等。
对历史生存调查数据进行深入大数据分析,我们首先筛选得到生存调查有效对应的数据,即在历史记录中生存调查发现用户已身故对应的数据。基于这部分数据进一步分析,已身故用户对应的职业、既往赔付责任、已身故用户性别与年龄。例如基于历史生存调查数据获知已身故用户1、其职业属于教师、既往赔付责任为普通门诊、用户为50岁、男性;已身故用户2、职业属于采矿工人、既往赔付责任为职业病导致的重疾、用户为60岁、男性;已身故用户3、职业属于医生、既往赔付责任为普通门诊,用户为55岁、女性。
基于上述分析出已身故用户对应的职业、既往赔付责任、性别以及年龄维度的数据进一步分析出职业对应的身故系数、既往赔付责任对应的系数以及性别-年龄段对应的身故系数。具体来说,可以采集足够数量的样本(为了确保准确,这个样本量需要较大),按照标准(国标)的职业类别划分准则,计算不同职业对应的身故比例,该比例即为身故系数,另外基于样本数据还统计出不同赔付责任对应的身故概率,即得到既往赔付责任与身故概率系数。针对性别-年龄这里特殊一点由于性别与年龄两个维度都与身故概率存在相关性,在这里可以基于不同的性别划设不同的年龄区间,再基于样本数据计算得到不同性别-年龄区间对应的身故概率,从而得到性别-年龄对应的身故系数。例如按照男性0~10岁、10~18岁、18~30岁、30~60岁、60~75岁、75~80岁、80~85岁、85~90岁、90岁~以上作为年龄区间。针对女性按照0~10岁、10~18岁、18~30岁、30~55岁、55~75岁、75~80岁、80~85岁、85~90岁、90岁~的区间划分。需要注意的是,上述年龄区间的划分可以根据实际情况的进行调整,一般来说,可以基于人口寿命曲线对应划分多个区间。
在其中一个实施例中,根据不同维度身故概率系数,获取用户的生存系数之前,还包括:获取用户年化领取保金维度的第一补偿系数以及生存调查最低概率的第二补偿系数;根据不同维度身故概率系数,获取用户的生存系数包括:根据不同维度身故概率系数以及第一补偿系数与第二补偿系数,得到用户的生存系数。
由于用户领取金额越高,未及时身故止付对公司的潜在风险越大,针对这类用户需要重点关注,给予更多的生存调查机会,因此,在这里针对这个维度数据进行补偿。具体来说,获取用户年化领取保金维度的第一补偿系数包括:查询用户年化领取保金以及用户年化领取保金总额;根据用户年化领取保金与用户年化领取保金总额,获取用户年化领取保金维度的第一补偿系数。获取用户年化领取金,将年化领取金与年化领取金对应关注度阈值比较,得到一个比值,若该比值大于1,则表明用户对应较大的年化领取金,需要重点关注,上述关注阈值是基于实际情况预先设置的,其具体可以是针对每个用户的平均值,或者是保险公司内部设置风险管控对应的值,其具体可以为10000。
最近一次生存调查是指用户距离当前时刻最近一次生存调查,为了满足最基础的一段时间内用户必定被调查一次需要设置该补偿系数。具体来说,获取生存调查最低概率的第二补偿系数包括:查询距离最近一次生存调查的时间;获取预设用户生存调查最大间隔时间;计算用户距离最近一次生存调查的时间与预设用户生存调查最大间隔时间的比值,得到生存调查最低概率的第二补偿系数。一般而言,需要确保用户在每6个月调查一次,即将用户最近一次生存调查与当前月度/6,若用户最近一次生存调查距离当前已经超过6个月,则该对应的补偿系数即会大于1。
在本实施例中,除了上述的不同维度身故概率系数之外,还增加了第一补偿系数和第二补偿系数来得到用户的生存系数。其中第一补偿系数主要是考虑用户领取金额越高,未及时身故止付对公司的潜在风险越大,针对这类用户需要重点关注,给予更多的生存调查机会;第二补偿次数是一种类似“兜底”的补偿系数,即为了确保用户需要在一段时间内定被调查一次。通过上述第一补偿系数以及第二补偿系数,实现从领取保金以及一段时间内至少被调查一次两个方面进一步确定用户生存系数,可以更加准确、全面获取用户生存系数,从而提高后续生存调查筛选的准确性与合理性。
在其中一个实施例中,不同维度包括职业维度、既往赔付责任维度以及性别-年龄维度;根据不同维度身故概率系数,获取用户的生存系数包括:
获取职业维度身故概率系数、既往赔付责任维度身故概率系数、性别-年龄维度身故概率系数以及第一补偿系数中的最大值与平均值;计算第二补偿系数、最大值以及平均值之和,得到用户的生存系数。
获取职业维度身故概率系数A、既往赔付责任维度身故概率系数B、性别-年龄维度身故概率系数C以及第一补偿系数D,计算{A、B、C、D}的最大值Max以及平均值avg,再计算第二补偿系数E、最大值Max以及平均值之后,得到最终用户的生存系数。即生存系数=E+Max{A、B、C、D}+avg{A、B、C、D}。上述生存系数计算公式具体基于常规生存调查的逻辑构建的,具体来说,该公式主要基于保险公司内部能够获取到的数据,评估与身故关系,考虑了几个方面:1、客户某个系数很高,则身故概率大应优先;2、平均系数代表了客户整体的一个身故概率;3、即使客户概率不高,也应在一段时间后调查身故情况;综合来评估客户的身故概率。
为进一步详细说明本申请生存调查筛选方法,下面将采用实例说明。
假设当前需要针对用户A进行生存调查筛选,整个生存调查筛选方案包括以下步骤:
1、获取用户A的生存特征信息,其具体包括职业为教师、既往赔付责任为普通门诊以及性别-年龄为男性-40岁;
2、通过查询预设对应关系得到职业为教师-身故概率系数为0.32、既往赔付责任为普通门诊-身故概率系数0.25以及性别-年龄为男性-40岁-身故概率系数0.43;
3、进一步分析得到用户A年化领取保金维度的第一补偿系数为0.4;用户A距离上一次生存调查为3个月,其对应的生存调查最低概率的第二补偿系数为0.5;
4、计算得到用户A的生存系数=0.5+Max{0.32、0.25、0.43、0.4}+avg{0.32、0.25、0.43、0.4}=1.28;
5、获取预设阈值为1.2,用户的生存系数达到了预设阈值,确定用户A需要进行生存调查。
应该理解的是,虽然上述各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,上述各流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
如图4所示,本申请还提供一种生存调查筛选装置,装置包括:
特征获取模块200,用于获取用户生存特征信息;
维度分析模块400,用于根据用户生存特征信息,获取用户对应的不同维度身故概率系数;
生存系数获取模块600,用于根据不同维度身故概率系数,获取用户的生存系数;
筛选模块800,用于筛选生存系数达到预设阈值对应的生存调查。
上述生存调查筛选装置,获取用户生存特征信息;根据用户生存特征信息,获取用户对应的不同维度身故概率系数;进而根据身故概率系数,获取用户的生存系数;筛选生存系数达到预设阈值对应的生存调查。整个过程中,通过获取用户对应的不同维度身故概率系数,准确评估用户的生存系数,筛选生存系数达到预设阈值的用户才发起生存调查,合理且有效实现生存调查筛选,支持后续高效且高产投比的生存调查。
在其中一个实施例中,维度分析模块400还用于获取预设不同维度生存特征与身故概率系数对应关系;根据用户生存特征信息以及预设不同维度生存特征与身故概率系数对应关系,获取用户对应的不同维度身故概率系数。
在其中一个实施例中,维度分析模块400还用于获取历史生存调查数据;根据历史生存调查数据,分析不同职业对应的身故概率系数、既往赔付责任对应的身故概率系数以及性别-年龄对应的身故概率系数。
在其中一个实施例中,生存系数获取模块600还用于获取用户年化领取保金维度的第一补偿系数以及生存调查最低概率的第二补偿系数;根据不同维度身故概率系数以及第一补偿系数与第二补偿系数,得到用户的生存系数。
在其中一个实施例中,生存系数获取模块600还用于查询用户年化领取保金以及用户年化领取保金总额;根据用户年化领取保金与用户年化领取保金总额,获取用户年化领取保金维度的第一补偿系数。
在其中一个实施例中,生存系数获取模块600还用于查询距离最近一次生存调查的时间;获取预设用户生存调查最大间隔时间;计算用户距离最近一次生存调查的时间与预设用户生存调查最大间隔时间的比值,得到生存调查最低概率的第二补偿系数。
在其中一个实施例中,不同维度包括职业维度、既往赔付责任维度以及性别-年龄维度;生存系数获取模块600还用于获取职业维度身故概率系数、既往赔付责任维度身故概率系数、性别-年龄维度身故概率系数以及第一补偿系数中的最大值与平均值;计算第二补偿系数、最大值以及平均值之和,得到用户的生存系数。
关于生存调查筛选装置的具体实施例可以参见上文中对于生存调查筛选方法的实施例,在此不再赘述。上述生存调查筛选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5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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预设阈值数据以及历史生存调查等数据。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生存调查筛选方法。
本领域技术人员可以理解,图5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,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取用户生存特征信息;
根据用户生存特征信息,获取用户对应的不同维度身故概率系数;
根据不同维度身故概率系数,获取用户的生存系数;
筛选生存系数达到预设阈值对应的生存调查。
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:
获取预设不同维度生存特征与身故概率系数对应关系;根据用户生存特征信息以及预设不同维度生存特征与身故概率系数对应关系,获取用户对应的不同维度身故概率系数。
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:
获取历史生存调查数据;根据历史生存调查数据,分析不同职业对应的身故概率系数、既往赔付责任对应的身故概率系数以及性别-年龄对应的身故概率系数。
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:
获取用户年化领取保金维度的第一补偿系数以及生存调查最低概率的第二补偿系数;根据不同维度身故概率系数以及第一补偿系数与第二补偿系数,得到用户的生存系数。
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:
查询用户年化领取保金以及用户年化领取保金总额;根据用户年化领取保金与用户年化领取保金总额,获取用户年化领取保金维度的第一补偿系数。
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:
查询距离最近一次生存调查的时间;获取预设用户生存调查最大间隔时间;计算用户距离最近一次生存调查的时间与预设用户生存调查最大间隔时间的比值,得到生存调查最低概率的第二补偿系数。
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;
根据不同维度身故概率系数,获取用户的生存系数包括:获取职业维度身故概率系数、既往赔付责任维度身故概率系数、性别-年龄维度身故概率系数以及第一补偿系数中的最大值与平均值;计算第二补偿系数、最大值以及平均值之和,得到用户的生存系数。
在一个实施例中,提供了一种计算机可读存储介质,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:
获取用户生存特征信息;
根据用户生存特征信息,获取用户对应的不同维度身故概率系数;
根据不同维度身故概率系数,获取用户的生存系数;
筛选生存系数达到预设阈值对应的生存调查。
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:
获取预设不同维度生存特征与身故概率系数对应关系;根据用户生存特征信息以及预设不同维度生存特征与身故概率系数对应关系,获取用户对应的不同维度身故概率系数。
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:
获取历史生存调查数据;根据历史生存调查数据,分析不同职业对应的身故概率系数、既往赔付责任对应的身故概率系数以及性别-年龄对应的身故概率系数。
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:
获取用户年化领取保金维度的第一补偿系数以及生存调查最低概率的第二补偿系数;根据不同维度身故概率系数以及第一补偿系数与第二补偿系数,得到用户的生存系数。
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:
查询用户年化领取保金以及用户年化领取保金总额;根据用户年化领取保金与用户年化领取保金总额,获取用户年化领取保金维度的第一补偿系数。
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:
查询距离最近一次生存调查的时间;获取预设用户生存调查最大间隔时间;计算用户距离最近一次生存调查的时间与预设用户生存调查最大间隔时间的比值,得到生存调查最低概率的第二补偿系数。
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;
根据不同维度身故概率系数,获取用户的生存系数包括:获取职业维度身故概率系数、既往赔付责任维度身故概率系数、性别-年龄维度身故概率系数以及第一补偿系数中的最大值与平均值;计算第二补偿系数、最大值以及平均值之和,得到用户的生存系数。
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,上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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)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)
1.一种生存调查筛选方法,其特征在于,所述方法包括:
获取用户生存特征信息;
根据所述用户生存特征信息,获取用户对应的不同维度身故概率系数;
根据所述不同维度身故概率系数,获取用户的生存系数;
筛选生存系数达到预设阈值对应的生存调查。
2.根据权利要求1所述的方法,其特征在于,所述根据所述用户生存特征信息,获取用户对应的不同维度身故概率系数包括:
获取预设不同维度生存特征与身故概率系数对应关系;
根据所述用户生存特征信息以及所述预设不同维度生存特征与身故概率系数对应关系,获取用户对应的不同维度身故概率系数。
3.根据权利要求2所述的方法,其特征在于,所述获取预设不同维度生存特征与身故概率系数对应关系包括:
获取历史生存调查数据;
根据所述历史生存调查数据,分析不同职业对应的身故概率系数、既往赔付责任对应的身故概率系数以及性别-年龄对应的身故概率系数。
4.根据权利要求1所述的方法,其特征在于,所述根据所述不同维度身故概率系数,获取用户的生存系数之前,还包括:
获取用户年化领取保金维度的第一补偿系数以及生存调查最低概率的第二补偿系数;
所述根据所述不同维度身故概率系数,获取用户的生存系数包括:
根据所述不同维度身故概率系数以及所述第一补偿系数与所述第二补偿系数,得到用户的生存系数。
5.根据权利要求4所述的方法,其特征在于,获取用户年化领取保金维度的第一补偿系数包括:
查询用户年化领取保金以及用户年化领取保金总额;
根据所述用户年化领取保金与所述用户年化领取保金总额,获取用户年化领取保金维度的第一补偿系数。
6.根据权利要求4所述的方法,其特征在于,获取生存调查最低概率的第二补偿系数包括:
查询距离最近一次生存调查的时间;
获取预设用户生存调查最大间隔时间;
计算用户距离最近一次生存调查的时间与预设用户生存调查最大间隔时间的比值,得到生存调查最低概率的第二补偿系数。
7.根据权利要求4所述的方法,其特征在于,不同维度包括职业维度、既往赔付责任维度以及性别-年龄维度;
所述根据所述不同维度身故概率系数,获取用户的生存系数包括:
获取职业维度身故概率系数、既往赔付责任维度身故概率系数、性别-年龄维度身故概率系数以及第一补偿系数中的最大值与平均值;
计算所述第二补偿系数、所述最大值以及所述平均值之和,得到用户的生存系数。
8.一种生存调查筛选装置,其特征在于,所述装置包括:
特征获取模块,用于获取用户生存特征信息;
维度分析模块,用于根据所述用户生存特征信息,获取用户对应的不同维度身故概率系数;
生存系数获取模块,用于根据所述不同维度身故概率系数,获取用户的生存系数;
筛选模块,用于筛选生存系数达到预设阈值对应的生存调查。
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7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110738438.XA CN113434562A (zh) | 2021-06-30 | 2021-06-30 | 生存调查筛选方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110738438.XA CN113434562A (zh) | 2021-06-30 | 2021-06-30 | 生存调查筛选方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113434562A true CN113434562A (zh) | 2021-09-24 |
Family
ID=77758156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110738438.XA Pending CN113434562A (zh) | 2021-06-30 | 2021-06-30 | 生存调查筛选方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113434562A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876633A (zh) * | 2018-06-11 | 2018-11-23 | 中国平安人寿保险股份有限公司 | 外国人保单的核保处理方法、装置、计算机设备和存储介质 |
CN110321350A (zh) * | 2019-06-21 | 2019-10-11 | 山东大学 | 一种基于数据修复和主动学习验证的生存认证方法及系统 |
CN112509659A (zh) * | 2020-11-27 | 2021-03-16 | 北京市肿瘤防治研究所 | 基于医保与死因监测数据的肿瘤患者生存监测方法及装置 |
CN112651721A (zh) * | 2021-01-08 | 2021-04-13 | 泰康保险集团股份有限公司 | 保险业务处理方法、装置、存储介质与电子设备 |
CN112767178A (zh) * | 2020-12-31 | 2021-05-07 | 平安养老保险股份有限公司 | 生存状态监测方法、装置、计算机设备及存储介质 |
-
2021
- 2021-06-30 CN CN202110738438.XA patent/CN113434562A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876633A (zh) * | 2018-06-11 | 2018-11-23 | 中国平安人寿保险股份有限公司 | 外国人保单的核保处理方法、装置、计算机设备和存储介质 |
CN110321350A (zh) * | 2019-06-21 | 2019-10-11 | 山东大学 | 一种基于数据修复和主动学习验证的生存认证方法及系统 |
CN112509659A (zh) * | 2020-11-27 | 2021-03-16 | 北京市肿瘤防治研究所 | 基于医保与死因监测数据的肿瘤患者生存监测方法及装置 |
CN112767178A (zh) * | 2020-12-31 | 2021-05-07 | 平安养老保险股份有限公司 | 生存状态监测方法、装置、计算机设备及存储介质 |
CN112651721A (zh) * | 2021-01-08 | 2021-04-13 | 泰康保险集团股份有限公司 | 保险业务处理方法、装置、存储介质与电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109767322B (zh) | 基于大数据的可疑交易分析方法、装置和计算机设备 | |
US9818118B2 (en) | Transaction aggregator | |
US20210182959A1 (en) | Systems and methods for cross-platform batch data processing | |
CN110363387A (zh) | 基于大数据的画像分析方法、装置、计算机设备及存储介质 | |
US20050080821A1 (en) | System and method for managing collections accounts | |
US11823276B2 (en) | Resource allocation | |
JP2014225175A (ja) | データ分析装置及び保健事業支援方法 | |
CN110503564B (zh) | 基于大数据的保全案件处理方法、系统、设备及存储介质 | |
JP6559744B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN110728301A (zh) | 一种个人用户的信用评分方法、装置、终端及存储介质 | |
US20210326995A1 (en) | Claim settlement anti-fraud method, apparatus, device, and storage medium based on graph computation technology | |
CN109767226A (zh) | 基于大数据的可疑交易统计视图生成方法和装置 | |
Lu | Broken-heart, common life, heterogeneity: Analyzing the spousal mortality dependence | |
CN113837584B (zh) | 业务处理系统和基于业务处理系统的异常数据处理方法 | |
CN115238815A (zh) | 异常交易数据获取方法、装置、设备、介质和程序产品 | |
CN116739722B (zh) | 一种基于风险评估的融资租赁报价方法及系统 | |
CN113434562A (zh) | 生存调查筛选方法、装置、计算机设备和存储介质 | |
US20230359941A1 (en) | System and method for efficient transformation prediction in a data analytics prediction model pipeline | |
CN107545347B (zh) | 用于防控风险的属性确定方法、装置及服务器 | |
CN114612220A (zh) | 风控策略调整方法、装置、电子设备以及存储介质 | |
US11301930B1 (en) | Systems and methods for integrating, aggregating and utilizing data from a plurality of data sources | |
US20210391048A1 (en) | Care plan assignment based on clustering | |
CN114495137A (zh) | 票据异常检测模型生成方法与票据异常检测方法 | |
WO2020119105A1 (zh) | 基于大数据的支付超量识别方法、设备、存储介质及装置 | |
US20140278752A1 (en) | System and method for identifying potential mergers and acquisitions |
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: 20210924 |