CN113569104A - 一种基于图形数据的数据追踪方法、装置、设备及介质 - Google Patents
一种基于图形数据的数据追踪方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113569104A CN113569104A CN202111133973.9A CN202111133973A CN113569104A CN 113569104 A CN113569104 A CN 113569104A CN 202111133973 A CN202111133973 A CN 202111133973A CN 113569104 A CN113569104 A CN 113569104A
- Authority
- CN
- China
- Prior art keywords
- data
- insurance sales
- tracking
- insurance
- sales channel
- 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
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- 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)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Software 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
本发明公开了一种基于图形数据的数据追踪方法，应用于保险销售渠道链路追踪，包括：构建与任一保险销售渠道全过程数据对应的图形数据库；获取与指定保险销售渠道全过程数据对应的图形数据；基于预设的Cypher对图形数据进行分析得到与指定保险销售渠道对应的预分析数据；构建DEA模型，根据预分析数据通过DEA模型进行分析，得到对应的追踪数据，追踪数据包括指定保险销售渠道的投入产出效率。此外，本发明还公开了一种应用该数据追踪方法的装置、设备及计算机存储介质。本发明通过对保险销售渠道数据进行图形数据化，能够全面对比分析所有保险销售渠道，量化追踪保险销售渠道的每个环节，有效提升数据追踪的准确度和效率。
Description
技术领域
本发明属于数据追踪技术领域，具体基于图形数据实现销售过程中各个渠道的链路追踪操作，尤其涉及一种基于图形数据的数据追踪方法、装置、设备及介质。
背景技术
基于人民健康意识的增加，以及不可预测的意外可能发生，保险成为一种很普遍的投资现象。由于很多保险业务的产生涉及到多种保险销售渠道，例如保险代理人渠道、电话销售渠道、互联网保险渠道等，或者各种渠道的混合，由此导致的问题是在一种保险产品的销售业务中，所涉及的过程比较繁杂，同时对应产生的数据资料也比较多。因此，在保险业务的分析过程中，需要面对繁杂的数据，容易导致对这些数据进行返朔追踪时出现错误，追踪效率也比较低。
发明内容
基于此，有必要针对上述问题，本发明提出一种基于图形数据的数据追踪方法，以提升保险销售渠道的数据追踪效率和准确度。此外，本发明还提出一种基于图形数据的数据追踪方法的装置、设备及存储介质。
第一方面，提供了一种基于图形数据的数据追踪方法，应用于保险销售渠道链路追踪，所述数据追踪方法包括：
构建与任一保险销售渠道全过程数据对应的图形数据库；
获取与指定保险销售渠道全过程数据对应的图形数据，所述图形数据包括与所述图形数据库对应的节点数据、关系数据、关系类型数据、标签数据和属性数据；
基于预设的Cypher对所述图形数据进行分析得到与所述指定保险销售渠道对应的预分析数据；
构建DEA模型，根据所述预分析数据通过所述DEA模型进行分析，得到对应的追踪数据，所述追踪数据包括所述指定保险销售渠道的投入产出效率。
可选地，所述保险销售渠道包括：保险代理渠道、经纪代理渠道、电话销售渠道、银行保险销售渠道和互联网保险渠道；
所述全过程数据包括：一保险产品经过任一保险销售渠道从开始到结束的所有数据。
可选地，所述获取与指定保险销售渠道全过程数据对应的图形数据，包括：
对应任一所述图形数据构建对应的索引，构建包括所有所述索引的表格数据，其中，任一所述索引与所述图形数据一一对应设置。
可选地，所述基于预设的Cypher对所述图形数据进行分析得到与所述指定保险销售渠道对应的预分析数据，包括：
根据所述图形数据确定全过程数据方向关系，所述方向关系指所述全过程数据之间的前后顺序关系；
基于所述方向关系依次遍历所述图形数据中的所有节点数据，获取所述预分析数据。
可选地，构建DEA模型，根据所述预分析数据通过所述DEA模型进行分析，得到对应的追踪数据，包括：
获取与所述指定保险销售渠道对应的投入变量数据和产出变量数据，其中，所述投入变量数据包括手续费、佣金、管理费用、渠道推广费用、资产投入总额，所述产出变量数据指任一保险产品所产生的保费收入；
基于所述投入变量数据和所述产出变量数据确定追踪数据。
可选地，所述获取与所述指定保险销售渠道对应的投入变量数据和产出变量数据，包括：
获取所述指定保险销售渠道的任一分支对应的投入变量数据和产出变量数据；
基于所有分支对应的所述投入变量数据和产品变量数据计算与所述指定保险销售渠道对应的最终效率值和改进值；
基于所述最终效率值和改进值对所述指定保险销售渠道进行优化。
可选地，基于所述最终效率值和改进值对所述指定保险销售确定进行优化，包括：
基于所述最终效率值和改进值计算与所述指定保险销售渠道对应的第一追踪数据；
基于所述最终效率值和改进值计算与所述指定保险销售渠道对应的第二追踪数据；
基于所述第一追踪数据和所述第二追踪数据对所述指定保险销售渠道进行优化操作。
第二方面，本发明实施例提供了一种基于图形数据的数据追踪装置，包括：
数据构建模块，用于构建与任一保险销售渠道全过程数据对应的图形数据库；
数据获取模块，用于获取与指定保险销售渠道对应的图形数据；
模型构建模块，用于构建DEA模型；
数据分析模块，用于基于预设的Cypher对所述图形数据进行分析得到与所述指定保险销售渠道对应的预分析数据，以及根据所述预分析数据通过所述DEA模型进行分析，得到对应的追踪数据。
第三方面，本发明实施例还提供一种基于图形数据的追踪设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一项所述基于图形数据的数据追踪方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述基于图形数据的数据追踪方法的步骤。
实施本发明实施例，将具有如下有益效果：
本发明提出了一种基于图形数据的数据追踪方法、装置、设备及存储介质，首先构建与任一保险销售渠道全过程数据对应的图形数据库；获取与指定保险销售渠道全过程数据对应的图形数据；基于预设的Cypher对所述图形数据进行分析得到与所述指定保险销售渠道对应的预分析数据；构建DEA模型，根据所述预分析数据通过所述DEA模型进行分析，得到对应的追踪数据，所述追踪数据包括所述指定保险销售渠道的投入产出效率。本发明在规范保险销售渠道相关数据的情况下，即构建对应每一保险销售渠道的图形数据后，并将图形数据存储在图形数据库中，由此再通过对图形数据进行追踪分析，能够对保险业务从开始到结束进行全面的分析，有效提升数据的追踪效率和准确度；同时，通过对图形数据进行分析，能够对保险业务从开始到结束每一个过程对应的数据进行分析，获取任一保险业务任一销售渠道的投入产出效率以及改进值，以实现对后续保险销售的优化操作。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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。
其中：
图1为一个实施例中基于图形数据的数据追踪方法的实现流程示意图；
图2为一个实施例中所述预分析数据的获取流程示意图；
图3为一个实施例中所述追踪数据的获取流程示意图；
图4为一个实施例中所述基于图形数据的追踪装置的结构图示意；
图5为一个实施例中基于图形数据的追踪设备的内部结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在保险销售行业中，由于人们可以通过不同的方式购买保险产品，因此任一保险销售都可能涉及到大量的过程数据。在现有技术中，如何获取某一保险销售过程中全部相关数据比较难实现，即在一单保险销售完成后，无法进行数据的溯源，如果出现问题，则可能无法找到对应的问题；同样，也很难基于以往的保险销售记录进行问题查询，无法精准定位出现问题的保险销售环节。
基于上述问题，本发明实施例提供了一种基于图形数据的数据追踪方法，其中，本发明实施例所述的基于图形数据的数据追踪方法的执行主体为能够实现本发明实施例所述的基于图形数据的数据追踪方法的设备，该设备可以包括服务器。
如图1所示，本发明实施例所述的基于图形数据的数据追踪方法，应用于保险销售渠道链路追踪，具体包括：
步骤S10：构建与任一保险销售渠道全过程数据对应的图形数据库。
一般的销售渠道包括保险代理人渠道、经纪代理渠道、电话销售渠道、银行保险渠道、互联网保险渠道等，在实际的保险销售过程中，也可能是上述各种渠道的混合，例如某一保险销售包括电话销售渠道和互联网保险渠道，这时候所有渠道包括的相关数据即为全过程数据，包括：一保险产品经过任一保险销售渠道从开始到结束的所有数据，也就是开始销售到保单期满的所有数据。具体可以包括保险代理渠道数据、经纪代理渠道数据、电话销售渠道数据、银行保险销售渠道数据和互联网保险渠道数据至少一个。
在本发明实施例中，为了对保险销售数据溯源，特对保险销售全过程数据构建对应的图形数据库；其中，图形数据库是使用图结构进行语义查询的数据库，使用节点、边和属性来表示和存储数据。
具体的，在一个实施例中，图形数据库存储信息包括节点、关系、关系类型、标签和属性；其中，每一节点都是独立存在的，且每一节点都具有唯一的ID，以此来保证每一节点存储的数据具有可区别性，便于后续对任一节点相关信息数据的查询。关系是指节点连接起来所使用类型和方向，同样，在实际运用中，每个关系有一个唯一标识ID；关系必须且只有一个关系类型，在实际的保险销售过程中，关系包括上下线渠道关系、销售关系、分销关系等类型。标签是指按照角色、类型对节点分组，其中，拥有相同标签的节点属于同一个分组；实际地，任一节点可以有0个、1个或多个标签。示例性地，标签包括保险公司、保险产品、代理公司、业务员、销售渠道、消费订单等。属性通过一个键值对来表示，用于描述节点或关系的元数据，实际地，节点和关系之间可以有多个属性；在保险销售渠道中，节点属性包括保险公司名称、保险产品名称、保险产品金额、代理公司名称、业务员姓名、业务员职级、销售渠道名称、销售渠道等级等；关系属性包括建立时间、关系名称等。
在一个实施例中，将包含上述节点、关系、关系类型、标签和属性等的图形数据保存在特定的图形数据库中，例如存储在图形数据库Neo4j中。
通过构建与保险销售渠道对应的图形数据库，在将所有保险销售渠道对应数据进行图形化的过程后，能够对任一保险销售渠道的数据进行节点化，从而便于后续进行数据的溯源以及对历史数据的重新阅读和理解。
步骤S20：获取与指定保险销售渠道全过程数据对应的图形数据，所述图形数据包括与所述图形数据库对应的节点数据、关系数据、关系类型数据、标签数据和属性数据。
在一个实施例中，为了历史保险销售数据查询的便捷性，特对应图形数据库中的任一图形数据构建对应的索引，构建包括所有索引的表格数据，其中，任一索引与图形数据一一对应设置。
实际地，通过设置索引对应的表格数据，在获取历史保险销售数据时，只需对表格数据进行搜索，即可确定与索引对应的保险销售渠道数据，从而简化了保险销售渠道的查询过程，提升了保险销售渠道数据的查询效率。
步骤S30：基于预设的Cypher对所述图形数据进行分析得到与所述指定保险销售渠道对应的预分析数据。
在一个实施例中，由于任一保险销售渠道相对应的数据在实际过程中都有一个前后顺序，例如需要先从某一渠道获取客户的联系方式，然后通过电话或互联网等方式与客户进行业务交流，再进行对应的业务办理等过程。具体的，可参阅图2所示，其中，包括如下步骤：
步骤S310：根据所述图形数据确定全过程数据方向关系，所述方向关系指所述全过程数据之间的前后顺序关系。
具体的，在一个实施例中，为清楚了解某一保险销售渠道对应的数据，需要明确此保险销售渠道从开始到结束的全过程数据，为此，本发明基于时间前后对全过程数据进行明确化，即明确该保险销售渠道过程中任一过程数据的发生时间前后，由于任一过程数据均可以作为一个节点处理，这样就可以确定所有过程数据之间的前后顺序关系，即方向关系，从而明确该保险销售渠道所有过程数据之间的前后顺序关系。
步骤S320：基于所述方向关系依次遍历所述图形数据中的所有节点数据，获取所述预分析数据。
在一个实施例中，若需对某一保险销售渠道数据进行效率分析，则需要对该保险销售渠道任一节点的数据进行分析，以确定是否存在影响效率的过程节点，为此，需要对所有节点数据进行遍历分析，得到对应的预分析数据。示例性地，确定某一销售渠道的销售业绩，具体使用Cypher查询语言对Neo4j图形数据库中的图形数据执行如下公式的计算过程，以确定对应销售渠道的销售业绩：
MATCH (a:保险产品)-[*]->(b:销售渠道), (b:销售渠道)-[*]->(c:保单)WHERE 销售渠道.名称="互联网保险销售渠道" RETURN SUM(c.保费)；
若需要查找某保险产品与保单之间的最短销售路径，则可通过Cypher查询语言执行如下公式的计算过程：
MATCH p=shortestPath((XX医疗保险:保险产品{产品名称: "XX医疗保险",保额: '300000 '})-[*]-(医疗保险0123:保单{产品名称:'XX医疗保险',保费: '4500 '})) RETURN p。
本发明的数据追踪方法，通过Cypher查询语言可对任一保险销售渠道的图形数据进行查询，再结合对应的方向关系，实现对该保险销售渠道全链路中各节点的逐一遍历分析，实现对保险销售数据的全链路追踪，能够精确查询每个保险销售渠道对应的节点与相关人员，且由于各节点之间通过设定的方向关系连接，有利于提升分析效率和准确率。
步骤S40：构建DEA模型，根据所述预分析数据通过所述DEA模型进行分析，得到对应的追踪数据，所述追踪数据包括所述指定保险销售渠道的投入产出效率。
在一个实施例中，为了对比分析每一保险销售渠道的投入产出效率，以及针对效率低的保险销售渠道进行优化，特构建DEA模型对步骤S30得到的预分析数据进行进一步的分析，从而得到对应的追踪数据。具体的，如图3所示，包括如下步骤：
步骤S410：获取与所述指定保险销售渠道对应的投入变量数据和产出变量数据。
在一个实施例中，所述投入变量数据包括手续费、佣金、管理费用、渠道推广费用、资产投入总额，所述产出变量数据指任一保险所产生的保费收入。
具体的，在一个实施例中，要获取与指定保险销售渠道对应的投入变量数据和产出变量数据，通过获取所述指定保险销售渠道的任一分支对应的投入变量数据和产出变量数据。
步骤S420：基于所述投入变量数据和所述产出变量数据确定追踪数据。
在一个实施例中，基于一个保险销售渠道中所有分支对应的所述投入变量数据和产品变量数据计算与所述指定保险销售渠道对应的最终效率值和改进值；基于所述最终效率值和改进值对所述指定保险销售渠道进行优化。
进一步地，在基于最终效率值和改进值对所述指定保险销售渠道进行优化过程中，首先基于所述最终效率值和改进值计算与所述指定保险销售渠道对应的第一追踪数据；然后基于所述最终效率值和改进值计算与所述指定保险销售渠道对应的第二追踪数据；最后基于所述第一追踪数据和所述第二追踪数据对所述指定保险销售渠道进行优化操作。
通过将DEA模型应用于各保险销售渠道，从宏观层面整体评价各保险销售网络的投入产出效率；针对低效率的保险销售渠道，再进一步运用DEA模型，分析该销售渠道的分支，得到效率值和改进值，找到影响该销售渠道的环节；基于效率值和改进值，优化低效率的保险销售渠道。
示例性地，该DEA模型为多层次复杂系统评价DEA模型，例如ComD模型，则具体对保险销售渠道以及各分支渠道的分析过程可以是：假设有
个决策单元，其中
表示第
个决策单元的第
个输入指标的第
个底层指标值，
表示第
个决策单元的第
个输出指标的第
个底层指标值，
、
均为正数，则第
个决策单元的模型为：
其中，
为非阿基米德无穷小量，
，
表示第
个输入指标的第
个底层指标的相对权重，
表示第
个输出指标的第
个底层指标的相对权重，
，
，
，
是取值为0、1的参数。
本发明实施例，通过对任一保险销售渠道中所有分支渠道采用DEA模型，例如多层次复杂系统评价DEA模型进行分析，可以得到该保险销售渠道中所有分支渠道的投入产出率，以及影响该保险销售渠道的低效率分支渠道，并得到对应的优化改进值，从而对保险销售渠道进行有效优化操作，以提升后续保险销售的投入产出率，确保每一保险销售的收入最大化。
上述基于图形数据的数据追踪方法，通过构建与任一保险销售渠道全过程数据对应的图形数据库；获取与指定保险销售渠道对应的图形数据，所述图形数据包括与所述图形数据包括与所述图形数据库对应的节点数据、关系数据、关系类型数据、标签数据和属性数据；基于预设的Cypher对所述图形数据进行分析得到与所述指定保险销售渠道对应的预分析数据；构建DEA模型，根据所述预分析数据通过所述DEA模型进行分析，得到对应的追踪数据，所述追踪数据包括所述指定保险销售渠道的投入产出效率。本发明在规范保险销售渠道相关数据的情况下，即构建对应每一保险销售渠道的图形数据后，并将图形数据存储在图形数据库中，由此再通过对图形数据进行追踪分析，有效提升数据的追踪效率和准确度；同时，还可以通过对图形数据进行分析，明确每一保险销售渠道的产出效率、可改善点等，有利于后续对保险销售渠道的优化。
基于同一发明构思，如图4所示，本发明实施例还提供了一种基于图形数据的追踪装置100，具体包括：数据构建模块110，用于构建与任一保险销售渠道全过程数据对应的图形数据库；数据获取模块120，用于获取与指定保险销售渠道对应的图形数据；模型构建模块130，用于构建DEA模型；数据分析模块140，用于基于预设的Cypher对所述图形数据进行分析得到与所述指定保险销售渠道对应的预分析数据，以及根据所述预分析数据通过所述DEA模型进行分析，得到对应的追踪数据。
上述基于图形数据的追踪装置100，首先构建与任一保险销售渠道全过程数据对应的图形数据库；获取与指定保险销售渠道全过程数据对应的图形数据；基于预设的Cypher对所述图形数据进行分析得到与所述指定保险销售渠道对应的预分析数据；构建DEA模型，根据所述预分析数据通过所述DEA模型进行分析，得到对应的追踪数据，所述追踪数据包括所述指定保险销售渠道的投入产出效率。本发明在规范保险销售渠道相关数据的情况下，即构建对应每一保险销售渠道的图形数据后，并将图形数据存储在图形数据库中，由此再通过对图形数据进行追踪分析，有效提升数据的追踪效率和准确度，同时，还可以通过对图形数据进行分析，明确每一保险销售渠道的产出效率、可改善点等，有利于后续对保险销售渠道的优化。
图5示出了一个实施例中基于图形数据的追踪设备的内部结构图。如图5所示，该基于图形数据的追踪设备包括通过系统总线连接的处理器、存储器和通信接口。其中，存储器包括非易失性存储介质和内存储器。该基于图形数据的追踪设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现基于图形数据的数据追踪方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行基于图形数据的数据追踪方法。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基于图形数据的追踪设备的限定，具体的基于图形数据的追踪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，本申请提供的基于图形数据的数据追踪方法可以实现为一种计算机程序的形式，计算机程序可在如图5所示的基于图形数据的追踪设备上运行。基于图形数据的追踪设备的存储器中可存储组成基于图形数据的追踪装置的各个程序模板。比如，数据构建模块110、数据获取模块120、模型构建模块130、数据分析模块140中的一个或多个。
在一个实施例中，提供一种基于图形数据的追踪设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：构建与任一保险销售渠道全过程数据对应的图形数据库；获取与指定保险销售渠道全过程数据对应的图形数据，所述图形数据包括与所述图形数据库对应的节点数据、关系数据、关系类型数据、标签数据和属性数据；基于预设的Cypher对所述图形数据进行分析得到与所述指定保险销售渠道对应的预分析数据；构建DEA模型，根据所述预分析数据通过所述DEA模型进行分析，得到对应的追踪数据，所述追踪数据包括所述指定保险销售渠道的投入产出效率。
上述基于图形数据的追踪设备，首先构建与任一保险销售渠道全过程数据对应的图形数据库；然后获取与指定保险销售渠道全过程数据对应的图形数据，所述图形数据包括与所述图形数据库对应的节点数据、关系数据、关系类型数据、标签数据和属性数据；并基于预设的Cypher对所述图形数据进行分析得到与所述指定保险销售渠道对应的预分析数据；最后构建DEA模型，根据所述预分析数据通过所述DEA模型进行分析，得到对应的追踪数据，所述追踪数据包括所述指定保险销售渠道的投入产出效率。本发明在规范保险销售渠道相关数据的情况下，即构建对应每一保险销售渠道的图形数据后，并将图形数据存储在图形数据库中，由此再通过对图形数据进行追踪分析，有效提升数据的追踪效率和准确度；同时，还可以通过对图形数据进行分析，明确每一保险销售渠道的产出效率、可改善点等，有利于后续对保险销售渠道的优化。
在一个实施例中，所述计算机程序被所述处理器执行时，还用于：对应任一所述图形数据构建对应的索引，构建包括所有所述索引的表格数据，其中，任一所述索引与所述图形数据一一对应设置。
在一个实施例中，所述获取与指定保险销售渠道对应的预分析数据还包括：根据所述图形数据确定全过程数据方向关系，所述方向关系指所述全过程数据之间的前后顺序关系；基于所述方向关系据依次遍历所述图形数据中的所有节点数据，获取所述预分析数据。
在一个实施例中，所述计算机程序被所述处理器执行时，还用于：获取与所述指定保险销售渠道对应的投入变量数据和产出变量数据，其中，所述投入变量数据包括手续费、佣金、管理费用、渠道推广费用、资产投入总额，所述产出变量数据指任一保险所产生的保费收入；基于所述投入变量数据和所述产出变量数据确定追踪数据。
在一个实施例中，所述获取与所述指定保险销售渠道对应的投入变量数据和产出变量数据，包括：获取所述指定保险销售渠道的任一分支对应的投入变量数据和产出变量数据；基于所有分支对应的所述投入变量数据和产品变量数据计算与所述指定保险销售渠道对应的最终效率值和改进值；基于所述最终效率值和改进值对所述指定保险销售渠道进行优化。
在一个实施例中，所述基于所述最终效率值和改进值对所述指定保险销售确定进行优化，包括：基于所述最终效率值和改进值计算与所述指定保险销售渠道对应的第一追踪数据；基于所述最终效率值和改进值计算与所述指定保险销售渠道对应的第二追踪数据；基于所述第一追踪数据和所述第二追踪数据对所述指定保险销售渠道进行优化操作。
在一个实施例中，提出了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：
构建与任一保险销售渠道全过程数据对应的图形数据库；
获取与指定保险销售渠道全过程数据对应的图形数据，所述图形数据包括与所述图形数据库对应的节点数据、关系数据、关系类型数据、标签数据和属性数据；
基于预设的Cypher对所述图形数据进行分析得到与所述指定保险销售渠道对应的预分析数据；
构建DEA模型，根据所述预分析数据通过所述DEA模型进行分析，得到对应的追踪数据，所述追踪数据包括所述指定保险销售渠道的投入产出效率。
本发明在规范保险销售渠道相关数据的情况下，即构建对应每一保险销售渠道的图形数据后，并将图形数据存储在图形数据库中，由此再通过对图形数据进行追踪分析，有效提升数据的追踪效率和准确度；同时，还可以通过对图形数据进行分析，明确每一保险销售渠道的产出效率、可改善点等，有利于后续对保险销售渠道的优化。
在一个实施例中，所述计算机程序被所述处理器执行时，还用于：根据所述图形数据确定全过程数据方向关系，所述方向关系指所述全过程数据之间的前后顺序关系；基于所述方向关系依次遍历所述图形数据中的所有节点数据，获取所述预分析数据。
在一个实施例中，所述计算机程序被所述处理器执行时，还用于：获取与所述指定保险销售渠道对应的投入变量数据和产出变量数据，其中，所述投入变量数据包括手续费、佣金、管理费用、渠道推广费用、资产投入总额，所述产出变量数据指任一保险所产生的保费收入；基于所述投入变量数据和所述产出变量数据确定追踪数据。
在一个实施例中，所述计算机程序被所述处理器执行时，还用于：获取所述指定保险销售渠道的任一分支对应的投入变量数据和产出变量数据；基于所有分支对应的所述投入变量数据和产品变量数据计算与所述指定保险销售渠道对应的最终效率值和改进值；基于所述最终效率值和改进值对所述指定保险销售渠道进行优化。
在一个实施例中，所述基于所述最终效率值和改进值对所述指定保险销售确定进行优化，包括：基于所述最终效率值和改进值计算与所述指定保险销售渠道对应的第一追踪数据；基于所述最终效率值和改进值计算与所述指定保险销售渠道对应的第二追踪数据；基于所述第一追踪数据和所述第二追踪数据对所述指定保险销售渠道进行优化操作。
需要说明的是，上述基于图形数据的数据追踪方法、基于图形数据的追踪装置、基于图形数据的追踪设备及计算机可读存储介质属于一个总的发明构思，基于图形数据的数据追踪方法、基于图形数据的追踪装置、基于图形数据的追踪设备及计算机可读存储介质实施例中的内容可相互适用。
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，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，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本申请专利范围的限制。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)
1.一种基于图形数据的数据追踪方法，应用于保险销售渠道链路追踪，其特征在于，所述数据追踪方法包括：
构建与任一保险销售渠道全过程数据对应的图形数据库；
获取与指定保险销售渠道全过程数据对应的图形数据，所述图形数据包括与所述图形数据库对应的节点数据、关系数据、关系类型数据、标签数据和属性数据；
基于预设的Cypher对所述图形数据进行分析得到与所述指定保险销售渠道对应的预分析数据；
构建DEA模型，根据所述预分析数据通过所述DEA模型进行分析，得到对应的追踪数据，所述追踪数据包括所述指定保险销售渠道的投入产出效率。
2.如权利要求1所述的数据追踪方法，其特征在于，所述保险销售渠道包括：保险代理渠道、经纪代理渠道、电话销售渠道、银行保险销售渠道和互联网保险渠道；
所述全过程数据包括：一保险产品经过任一保险销售渠道从开始到结束的所有数据。
3.如权利要求1所述的数据追踪方法，其特征在于，所述获取与指定保险销售渠道全过程数据对应的图形数据，包括：
对应任一所述图形数据构建对应的索引，构建包括所有所述索引的表格数据，其中，任一所述索引与所述图形数据一一对应设置。
4.如权利要求1所述的数据追踪方法，其特征在于，所述基于预设的Cypher对所述图形数据进行分析得到与所述指定保险销售渠道对应的预分析数据，包括：
根据所述图形数据确定全过程数据方向关系，所述方向关系指所述全过程数据之间的前后顺序关系；
基于所述方向关系依次遍历所述图形数据中的所有节点数据，获取所述预分析数据。
5.如权利要求1-4任一项所述的数据追踪方法，其特征在于，构建DEA模型，根据所述预分析数据通过所述DEA模型进行分析，得到对应的追踪数据，包括：
获取与所述指定保险销售渠道对应的投入变量数据和产出变量数据，其中，所述投入变量数据包括手续费、佣金、管理费用、渠道推广费用、资产投入总额，所述产出变量数据指任一保险产品所产生的保费收入；
基于所述投入变量数据和所述产出变量数据确定追踪数据。
6.如权利要求5所述的数据追踪方法，其特征在于，所述获取与所述指定保险销售渠道对应的投入变量数据和产出变量数据，包括：
获取所述指定保险销售渠道的任一分支对应的投入变量数据和产出变量数据；
基于所有分支对应的所述投入变量数据和产品变量数据计算与所述指定保险销售渠道对应的最终效率值和改进值；
基于所述最终效率值和改进值对所述指定保险销售渠道进行优化。
7.如权利要求6所述的数据追踪方法，其特征在于，所述基于所述最终效率值和改进值对所述指定保险销售确定进行优化，包括：
基于所述最终效率值和改进值计算与所述指定保险销售渠道对应的第一追踪数据；
基于所述最终效率值和改进值计算与所述指定保险销售渠道对应的第二追踪数据；
基于所述第一追踪数据和所述第二追踪数据对所述指定保险销售渠道进行优化操作。
8.一种基于图形数据的数据追踪装置，其特征在于，包括：
数据构建模块，用于构建与任一保险销售渠道全过程数据对应的图形数据库；
数据获取模块，用于获取与指定保险销售渠道对应的图形数据；
模型构建模块，用于构建DEA模型；
数据分析模块，用于基于预设的Cypher所述图形数据进行分析得到与所述指定保险销售渠道对应的预分析数据，以及根据所述预分析数据通过所述DEA模型进行分析，得到对应的追踪数据。
9.一种基于图形数据的数据追踪设备，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至7任一项所述基于图形数据的数据追踪方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于图形数据的数据追踪方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111133973.9A CN113569104A (zh) | 2021-09-27 | 2021-09-27 | 一种基于图形数据的数据追踪方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111133973.9A CN113569104A (zh) | 2021-09-27 | 2021-09-27 | 一种基于图形数据的数据追踪方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113569104A true CN113569104A (zh) | 2021-10-29 |
Family
ID=78174796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111133973.9A Pending CN113569104A (zh) | 2021-09-27 | 2021-09-27 | 一种基于图形数据的数据追踪方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113569104A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050288980A1 (en) * | 2003-12-31 | 2005-12-29 | Feroz Ehsan H | Application of data envelopment analysis in auditing |
| CN107977897A (zh) * | 2017-12-28 | 2018-05-01 | 平安健康保险股份有限公司 | 保险业务数据分析方法、系统及计算机可读存储介质 |
| CN108053129A (zh) * | 2017-12-25 | 2018-05-18 | 杭州七炅信息科技有限公司 | 保险数据分析系统 |
| CN110609904A (zh) * | 2019-09-11 | 2019-12-24 | 深圳众赢维融科技有限公司 | 图数据库数据处理方法、装置、电子设备及存储介质 |
| CN111523003A (zh) * | 2020-04-27 | 2020-08-11 | 北京图特摩斯科技有限公司 | 一种以时序动态图谱为核心的数据应用方法及平台 |
| CN112711711A (zh) * | 2021-01-07 | 2021-04-27 | 泰康保险集团股份有限公司 | 基于知识库的客户营销线索推荐方法及装置 |
| CN112906892A (zh) * | 2021-03-08 | 2021-06-04 | 南京航空航天大学 | 一种基于深度学习与知识图谱的设备故障智能诊断方法 |
-
2021
- 2021-09-27 CN CN202111133973.9A patent/CN113569104A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050288980A1 (en) * | 2003-12-31 | 2005-12-29 | Feroz Ehsan H | Application of data envelopment analysis in auditing |
| CN108053129A (zh) * | 2017-12-25 | 2018-05-18 | 杭州七炅信息科技有限公司 | 保险数据分析系统 |
| CN107977897A (zh) * | 2017-12-28 | 2018-05-01 | 平安健康保险股份有限公司 | 保险业务数据分析方法、系统及计算机可读存储介质 |
| CN110609904A (zh) * | 2019-09-11 | 2019-12-24 | 深圳众赢维融科技有限公司 | 图数据库数据处理方法、装置、电子设备及存储介质 |
| CN111523003A (zh) * | 2020-04-27 | 2020-08-11 | 北京图特摩斯科技有限公司 | 一种以时序动态图谱为核心的数据应用方法及平台 |
| CN112711711A (zh) * | 2021-01-07 | 2021-04-27 | 泰康保险集团股份有限公司 | 基于知识库的客户营销线索推荐方法及装置 |
| CN112906892A (zh) * | 2021-03-08 | 2021-06-04 | 南京航空航天大学 | 一种基于深度学习与知识图谱的设备故障智能诊断方法 |
Non-Patent Citations (1)
| Title |
|---|
| 蒋才芳等: "我国人寿保险公司经营绩效的DEA有效性分析", 《财经理论与实践（双月刊）》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wahyudi et al. | A process pattern model for tackling and improving big data quality | |
| US11023689B1 (en) | Applied artificial intelligence technology for narrative generation using an invocable analysis service with analysis libraries | |
| CN109859052B (zh) | 一种投资策略的智能推荐方法、装置、存储介质和服务器 | |
| US8145518B2 (en) | System and method for finding business transformation opportunities by analyzing series of heat maps by dimension | |
| US11367008B2 (en) | Artificial intelligence techniques for improving efficiency | |
| Klinkmüller et al. | Mining process mining practices: an exploratory characterization of information needs in process analytics | |
| Pai et al. | Benchmarking software development productivity of CMMI level 5 projects | |
| Song et al. | The robust machine availability problem–bin packing under uncertainty | |
| Lutz et al. | Analyzing industry stakeholders using open-source competitive intelligence–a case study in the automotive supply industry | |
| Liu et al. | The use of inside-out and outside-in big data analytics on e-platforms: Performance impacts and heterogeneity analysis | |
| CN112307004B (zh) | 数据治理方法、装置、设备及存储介质 | |
| Diaz-Balteiro et al. | Economics and management of industrial forest plantations | |
| Barb et al. | A statistical study of the relevance of lines of code measures in software projects | |
| Müller et al. | Decision support for IT investment projects: a real option analysis approach based on relaxed assumptions | |
| CN113569104A (zh) | 一种基于图形数据的数据追踪方法、装置、设备及介质 | |
| US20230088044A1 (en) | End-to-end prospecting platform utilizing natural language processing to reverse engineer client lists | |
| Panwar et al. | Technology diffusion model with change in adoption rate and repeat purchases: a case of consumer balking | |
| Fang et al. | The changing returns on IT investment | |
| CN115587170A (zh) | 一种问题项个性化推荐方法、系统及存储介质 | |
| Kovaleva | Assessment of success measures and challenges of the agile project management | |
| CN107203506A (zh) | 一种报表生成方法及装置 | |
| Yaremchuck et al. | Search of similar programs using code metrics and big data-based assessment of software reliability | |
| Bonisoli et al. | Effective plan retrieval in case-based planning for metric-temporal problems | |
| Hutama et al. | BUSINESS INTELLIGENCE MATURITY ASSESSMENT: A CASE STUDY ON AN INDONESIAN AUTOMOTIVE COMPANY | |
| El Alama et al. | Customer Journey Map Discovery Approach |
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: 20211029 |