CN114048230A - 业务数据处理方法、装置、设备及存储介质 - Google Patents
业务数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114048230A CN114048230A CN202111434097.3A CN202111434097A CN114048230A CN 114048230 A CN114048230 A CN 114048230A CN 202111434097 A CN202111434097 A CN 202111434097A CN 114048230 A CN114048230 A CN 114048230A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- field
- service data
- service
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 41
- 230000008014 freezing Effects 0.000 claims abstract description 37
- 238000007710 freezing Methods 0.000 claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 230000003213 activating effect Effects 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 23
- 238000013506 data mapping Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000004913 activation Effects 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 12
- 238000013523 data management Methods 0.000 claims description 11
- 238000013075 data extraction Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000008520 organization Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013524 data verification Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013479 data entry Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 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
- G06F16/2453—Query optimisation
- G06F16/24534—Query rewriting; Transformation
- G06F16/24535—Query rewriting; Transformation of sub-queries or views
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (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
本申请涉及数据处理领域,具体公开了一种业务数据处理方法,其特征在于,包括:获取包含预设的数据标签的业务数据,根据数据标签将业务数据保存至对应的存储数据库;获取时间区间,根据时间区间激活冻结指令;获取目标数据标签,根据时间区间和目标数据标签,从业务数据中获取目标业务数据;根据预设的数据处理算法,计算目标业务数据对应的目标字段;获取目标业务数据对应的保单金额数据,根据保单金额数据生成匹配字段;校验目标字段和匹配字段,在校验结果通过时,撤销冻结指令,并将目标字段、匹配字段保存至与业务数据对应的存储数据库;最终生成公开报表。
Description
技术领域
本申请涉及数据处理领域,尤其涉及一种业务数据处理方法、装置、设备及存储介质。
背景技术
保险企业需要对外披露自身财务状况,例如披露保险业务的准备金,现有的财务系统的数据处理方法是将保险的保单数据按照120个进展期进行展开,再将展开后的数据进行计算累加,所需保存的数据量增加了120倍,并且由于监管部门需要对相关数据进行核算稽查,在数据存储期间,展开后形成的庞大的数据量会增加高额的存储成本,其次,还会导致计算逻辑复杂,对于精算师以及IT开发人员会有明显的研发困难。因此亟需提供一种业务数据处理方法以解决该问题。
发明内容
本申请提供了一种业务数据处理方法、装置、设备及存储介质,
第一方面,本申请提供一种业务数据处理方法,所述方法包括:
获取包含预设的数据标签的业务数据,根据所述数据标签将所述业务数据保存至对应的存储数据库;
获取时间区间,根据所述时间区间激活冻结指令,所述冻结指令用于限制业务系统的业务数据管理权限;
获取目标数据标签,根据所述时间区间和目标数据标签,从所述业务数据中获取目标业务数据;
根据预设的数据处理算法,计算所述目标业务数据对应的目标字段;
获取所述目标业务数据对应的保单金额数据,根据所述保单金额数据生成匹配字段;
校验所述目标字段和所述匹配字段,在校验结果通过时,撤销所述冻结指令,并将所述目标字段、所述匹配字段保存至与所述业务数据对应的所述存储数据库;
根据所述业务数据、所述目标字段和所述匹配字段生成公开报表。
第二方面,本申请还提供了一种业务数据处理装置,所述业务数据处理装置包括:数据映射模块301、权限控制模块302、数据提取模块303、数据计量模块304、金额汇总模块305、结果校验模块306,报表生成307;
数据映射模块,用于获取包含预设的数据标签的业务数据,根据所述数据标签将所述业务数据保存至对应的存储数据库;
权限控制模块,用于获取时间区间,根据所述时间区间激活冻结指令,所述冻结指令用于限制业务系统的业务数据管理权限;
数据提取模块,用于获取目标数据标签,根据所述时间区间和目标数据标签,从所述业务数据中获取目标业务数据;
数据计量模块,用于根据预设的数据处理算法,计算所述目标业务数据对应的目标字段;
金额汇总模块,用于获取所述目标业务数据对应的保单金额数据,根据所述保单金额数据生成匹配字段;
结果校验模块,用于校验所述目标字段和所述匹配字段,在校验结果通过时,撤销所述冻结指令,并将所述目标字段、所述匹配字段保存至与所述业务数据对应的所述存储数据库;
报表生成模块,用于根据所述业务数据、所述目标字段和所述匹配字段生成公开报表。
第三方面,本申请还提供了一种计算机设备,所述计算机设备包括存储器和处理器;所述存储器用于存储计算机程序;所述处理器,用于执行所述计算机程序并在执行所述计算机程序时实现如本申请实施例中提供的任意一种业务数据处理方法。
第四方面,本申请还提供了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使所述处理器实现如本申请实施例中提供的任意一种业务数据处理方法。
本申请公开了一种业务数据处理方法、装置、设备及存储介质,该业务数据处理方法包括:获取包含预设的数据标签的业务数据,根据数据标签将业务数据保存至对应的存储数据库;获取时间区间,根据时间区间激活冻结指令,冻结指令用于限制业务系统的业务数据管理权限;获取目标数据标签,根据时间区间和目标数据标签,从业务数据中获取目标数据;根据预设的数据处理算法,计算目标业务数据对应的目标字段;获取目标业务数据对应的保单金额数据,根据保单金额数据生成匹配字段;校验目标字段和匹配字段,在校验结果通过时,撤销冻结指令,并将目标字段、匹配字段保存至与业务数据对应的存储数据库;根据业务数据、目标字段和匹配字段生成公开报表。通过上述的业务数据处理方法,从业务数据中分离出目标业务数据,根据预设的算法计算目标业务数据,生成用于完成数据核验入库和系统权限控制的目标字段和匹配字段,在不展开保单数据的情况下,实现公开报表数据的自动获取、自动结算。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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。
图1是本申请实施例提供的一种业务数据处理方法的应用场景框图;
图2是本申请实施例提供的一种业务数据处理系统的示意性框图;
图3是本申请实施例提供的一种业务数据处理法的示意流程图;
图4是本申请实施例提供的一种业务数据处理装置的示意性框图;
图5是本申请实施例提供的一种计算机设备的结构示意性框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。
应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
为了在不展开保单数据的情况下,实现公开报表数据的自动获取、自动结算,减少保险数据的存储量,简化数据处理的程序开发架构,本申请提供了一种业务数据处理方法、装置、设备及存储介质。
下面结合结合附图,对本申请的实施例作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参阅图1,图1示出了本申请实施例提供的一种业务数据处理方法的具体应用场景图。如图1所示,该确定方法可以应用于服务器中,具体地应用于业务数据服务器和公开数据服务器,其中,公开数据服务器用于存储需要公开的业务数据和生成公开报表,业务数据服务器从包括终端a和终端b的多个终端中获取业务数据,该终端可以是手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备。
为了更详细地介绍用于请参阅图2,图2示出了本申请实施例提供的一种业务数据处理系统的示意性框图。如图2所示,该业务数据处理系统100包括业务系统11、数据平台12和披露系统13,业务系统11包括一个或多个业务数据库,可以将业务数据存储于业务数据库中。数据平台12包括精算平台、计量平台和一个或多个存储数据库,可以从业务系统12中获取业务数据,并保存至存储数据库中,精算平台和计量平台存储着多种计算程序,可以对获取业务数据进行精算和计量,生成用于公开披露的数据或报表,披露系统13用于输出数据平台12生成的用于公开披露的数据或报表。
需要说明的是,本申请提供的业务数据处理方法可以应用于数据平台12,还需要说明的是,该数据平台12可以是独立于业务系统11的设备,也可以是业务系统11的部分设备。
需要说明的是,本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
请参阅图3,请参阅图3,图3是本申请实施例提供的一种业务数据处理方法的示意流程图。该业务数据处理方法利用预设的算法完成数据核验入库和系统权限控制,能够在不展开保单数据的情况下,实现公开报表数据的自动获取、自动结算。
如图3所示,该业务数据处理方法,具体包括:步骤S101至步骤S106。
S101、获取包含预设的数据标签的业务数据,根据数据标签将业务数据保存至对应的存储数据库。
需要说明的是,业务数据在入库时绑定了具体的数据标签,根据数据标签,可快速提取所需的业务数据。
具体地,采用大数据处理技术中的采集技术或数据映射的方式,提取绑定预设的数据标签的业务数据,将业务数据库中的业务数据发送并存储至匹配对应数据标签的存储数据库中。
在一些实施例中,根据数据标签,在业务数据库和存储数据库间创建数据映射关系;根据数据映射关系确定业务数据库中待发送的业务数据,并将待发送的业务数据发送给存储数据库;根据数据标签将待发送的业务数据保存至对应的存储数据库。
示例性的,预设的数据标签可以是保单号,根据保单号设置的数据映射关系,获取业务数据库中的全部保单号数据,并发送至存储数据库,将保单号数据保存至保单号对应的存储数据库。
需要说明的是,数据映射(Data Mapping):给定两个数据模型,在模型之间建立起数据元素的对应关系,将这一过程称为数据映射。数据映射是很多数据集成任务的第一步,例如:数据迁移(data migration)、数据清洗(data cleaning)、数据集成、语义网构造、p2p信息系统。
在业务数据迁移之前,依据项目的开发需求,获取预先设置的数据标签,根据每个预先设置的数据标签在数据平台上创建对应的一个存储数据库,形成存储数据库集合,预设的数据标签包括保单号、保单金额、保险周期、预测赔付率、折现因子、合同组、保险渠道和保险险种。
在一些实施例中,可以基于成本和性能来设计存储数据库的存储系统,通常采用多层不同性价比的存储器件组成存储层次结构。
在一些实施例中,还可以从提高系统的运算性能的角度来设计存储数据库的存储系统,可以通过分析数据标签的应用频率,识别热点数据标签的数据并对其进行缓存或预取,通过高效的缓存预取算法和合理的缓存容量配比,以提高访问性能。
在一些实施例中,还可以从降低成本的角度来设计存储数据库的存储系统,将访问频率低的冷数据迁移到低速廉价存储设备上,可以在小幅牺牲系统整体性能的基础上,大幅降低系统的构建成本和能耗。
S102、获取时间区间,根据时间区间激活冻结指令,冻结指令用于限制业务系统的业务数据管理权限。
具体地,在获取时间区间之前,获取预先创建的冻结指令,该冻结指令用于限制业务系统的业务数据管理权限,接收用户设置的需要进行数据结算的时间区间,根据该时间区间设置冻结指令的激活日期。
在一些实施例中,获取用户设置的时间区间,时间区间包括开始日期和结束日期,根据结束日期确定冻结指令的激活日期,根据激活日期激活冻结指令,例如,可以将结束日期设置为冻结指令的激活日期;还可以在结束日期的基础上增加延后期限,以生成激活日期,在激活日期激活冻结指令。
在一些实施例中,冻结指令用于限制业务数据库的数据管理权限,数据管理权限包括数据读取权限和数据录入权限,当激活了冻结指令时,相关业务人员在业务数据库的数据录入权限和数据读取权限将会受到限制,包括:信息录入权限部分关闭、信息读取权限部分关闭、信息录入权限全部关闭、信息读取权限全部关闭。
在一些实施例中,除了时间区间,还可以根据具体的机构名、地区和业务组等数据标签优化冻结指令,从而细化和丰富本申请实施例提供的业务数据处理系统的功能,例如根据时间区间和机构名优化冻结指令,用于总部机构管理下属机构的结算关账管理;还可以根据时间区间和地区名优化冻结指令,用于总部机构对下属机构进行基于地区的区域性管理。
S013、获取目标数据标签,根据时间区间和目标数据标签,从业务数据中获取目标业务数据。
具体地,根据时间区间,获取在时间区间内达成的业务数据,并根据预设的目标数据标签获取业务数据中包含的目标业务数据。
在一些实施例中,预设的目标数据标签包括:保单号,保单生成时间,保单金额,保险周期、预测赔付率和折现因子。
需要说明的是,本申请实施例中获取的目标业务数据仅仅是为了完成数据核验入库的过程,目标业务数据之外的业务数据还能够用于进行多种数据计算,例如,数据变动分析。
S104、根据预设的数据处理算法,计算目标业务数据对应的目标字段。
具体地,通过预设的数据处理算法计算包括保单金额数据,保险周期数据、预测赔付率数据和折现因子数据等目标业务数据,生成对应的目标字段。
需要说明的是,目标字段可以是未到期准备金的数额,折现因子数据的计算公式为:
其中,r可以是月度的十年期国债利率、月度的银行拆借利率、月度的存款利率,T为预期赔付的年限,具体为赔付日期减去保单生成日期的年度差加1,例如,2020年生成的保单,2021年进行赔付,则T=2021-2020+1=2。
该预设的数据处理算法为:
X=RATTOB/RATTOA*A;
其中X为目标字段,A为第一字段,RATTOA为第二字段,RATTOB为第三字段。
第一字段、第二字段和第三字段的计算公式如下:
其中M1为第一保单金额,M2为第二保单金额,M3为第三保单金额n为保险周期的月度的数量,P为预测赔付率数据,Ni为折现因子数据。
这样,保存至数据库的业务数据仅需要包括上述类型的保单数据即可计算得到目标字段,无需再按照120个进展期对保单数据进行展开后保存,系统的数据存储量约减少了120倍,数据的引用结构也更简单了,既减少了存储成本的压力,也简化了程序开发的难度。
在一些实施例中,该预设的数据处理算法还包括:
其中,Y1是第二目标字段,Y0是已计算的赔付金额。
第二套数据处理算法中,根据不同事故期的赔付金额的内在逻辑关系,达到计算一期事故期赔付,生成相应的赔付金额配置表,推算出其他事故期赔付之间的关系如此我们只需要计算出一期赔付金额Y0,就能根据以上关系推出下一个事故期需要赔付的赔付金额Y1。这样,减少节省系统的运算量,提高结算的速度。
需要说明的是,按照平均每张保单期限约为10.5个月,不同事故期的赔付金额的内在逻辑关系包括:1、在同一个下同个维度下的赔付pattern保持不变,变的是折现因子;2、每个事故期累积已赚的金额可知。这样,在一个保单的事故期内,计算出第一个赔付金额,可根据第一个赔付金额推荐出后面10个事故期的赔付金额,以使系统能够更快完成月结。
S105、获取目标业务数据对应的保单金额数据,根据保单金额数据生成匹配字段。
需要说明的是,在保单期间,保单金额数据到账后成为已赚金额,匹配字段是预测的准备金赔付数额,例如,匹配字段可以设置为已赚金额的汇总值与预设常数的乘积。
具体地,根据时间区间,获取目标业务数据中对应时间区间的保单金额数据,累加计算保单金额数据,生成已赚金额的汇总值,根据已赚金额的汇总值生成匹配字段。
在一些实施例中,累加时间区间内生成的保单的保单金额数据,得到汇总金额,计算汇总金额与预设常数的乘积,生成匹配字段。
示例性的,根据历史业务数据,计算得到已赚金额和赔付金额的线性关系得到斜率值,将该斜率值设置为预设的常数,再将预设的常数乘以当前已赚金额得到匹配字段。
在另一些实施例中,匹配字段的计算方法还包括:根据不同保险产品的风险评级、违约概率、违约损失率、违约风险暴露、相关性和有效期限等数据进行设计评估算法,根据该评估算法计算相应数据生成匹配字段。
S106、校验目标字段和所述匹配字段,在校验结果通过时,撤销冻结指令,并将目标字段、匹配字段保存至与业务数据对应的存储数据库。
在校验之前,还需要设置匹配度阈值,匹配度是匹配字段除以目标字段的百分比。
具体地,获取目标字段和匹配字段,计算目标字段和匹配字段的匹配度,在匹配度大于或等于匹配度阈值时,则判定目标字段和所述匹配字段校验成功,例如,将匹配度阈值设置为90%,目标字段的计算值为10亿,匹配字段的计算值为9.5亿,则两者的匹配度为95%,因为95%>90%,所以系统的校验结果为通过。校验通过后,撤销冻结指令,将将目标字段、匹配字段保存至与业务数据对应的存储数据库。
在一些实施例中,在校验结果为不通过时,生成并输出警告提示信息以提示人工核验,并删除目标字段、匹配字段和存储数据库中的业务数据。
示例性的,根据目标字段和匹配字段得到的匹配度为85%,匹配度阈值设置为90%,因为85%<90%,判定目标字段和匹配字段校验失败,则输出警告提示信息,用户可以根据警告提示信息对业务数据进行核验,检查业务数据的正确性,例如,检验发现业务数据存在作假,则删除作假的业务数据、对应的目标字段和匹配字段,在纠正相关的业务数据后再重新进行结算。
S107、根据业务数据、目标字段和匹配字段生成公开报表。
具体的,根据公开报表的类型,有选择性地从业务数据、目标字段和匹配字段中提取数据,提取的数据进行再加工后生成公开报表。
需要说明的是,公开报表包括静态数据报表和动态数据报表。静态数据报表为:数据都是已经定义好的,静态的,不能动态变化的报表,例如,Excel报表和word报表。动态数据报表为:具有专用的报表结构来动态的加载数据,同时实现报表格式的多样化,有效的展示数据信息的报表,例如,财务上的现金流量表、财务状况变动表等。
请参阅图4,图4是本申请的实施例还提供一种业务数据处理装置的示意性框图,该业务数据处理装置300用于执行前述的业务数据处理方法。其中,该业务数据处理装置可以配置于服务器中。
其中,服务器可以为独立的服务器,也可以为服务器集群,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)以及大数据和人工智能平台等基础云计算服务的云服务器。
如图4所示,业务数据处理装置300包括:数据映射模块301、权限控制模块302、数据提取模块303、数据计量模块304、金额汇总模块305、结果校验模块306,报表生成307。
数据映射模块301,用于获取包含预设的数据标签的业务数据,根据数据标签将业务数据保存至对应的存储数据库。
在一些实施例中,预设的数据标签包括:保单号、保单金额、保险周期、预测赔付率、折现因子、合同组、保险渠道和保险险种。
在一些实施例中,数据映射模块301具体用于:
根据所述数据标签,在业务数据库和所述存储数据库间创建数据映射关系;
根据所述数据映射关系确定所述业务数据库中待发送的业务数据,并将所述待发送的业务数据发送给所述存储数据库;
根据所述数据标签将所述待发送的业务数据保存至对应的所述存储数据库。
权限控制模块302,用于获取时间区间,根据时间区间激活冻结指令,冻结指令用于限制业务系统的业务数据管理权限。
在一些实施例中,权限控制模块302具体用于获取用户设置的时间区间,时间区间包括开始日期和结束日期,根据结束日期确定冻结指令的激活日期,根据激活日期激活冻结指令。
数据提取模块303,用于获取目标数据标签,根据时间区间和目标数据标签,从业务数据中获取目标业务数据。
数据计量模块304,用于根据预设的数据处理算法,计算目标业务数据对应的目标字段。
在一些实施例中,目标业务数据包括:保单金额数据,保险周期数据、预测赔付率数据和折现因子数据,折现因子数据的计算公式为:
其中,r可以是月度的十年期国债利率、月度的银行拆借利率、月度的存款利率,T为预期赔付的年限,具体为赔付日期减去保单生成日期的年度差加1,例如,2020年生成的保单,2021年进行赔付,则T=2021-2020+1=2。
预设的数据处理算法为:
X=RATTOB/RATTOA*A;
其中X为目标字段,A为第一字段,RATTOA为第二字段,RATTOB为第三字段,第一字段、第二字段和第三字段的计算公式如下:
其中M1为第一保单金额,M2为第二保单金额,M3为第三保单金额,n为保险周期的月度的数量,P为预测赔付率数据,Ni为折现因子数据。
金额汇总模块305,用于获取目标业务数据对应的保单金额数据,根据保单金额数据生成匹配字段。
在一些实施例中,金额汇总模块305具体用于累加时间区间内生成的保单的保单金额数据,得到汇总金额,计算汇总金额与预设常数的乘积,生成匹配字段。
结果校验模块306,用于校验目标字段和匹配字段,在校验结果通过时,撤销冻结指令,并将目标字段、匹配字段保存至与业务数据对应的存储数据库。
在一些实施例中,结果校验模块306还用于在校验结果不通过时,生成并输出警告提示信息以提示人工核验,并删除目标字段、匹配字段和存储数据库中的业务数据。
报表生成模块307,用于根据业务数据、目标字段和匹配字段生成公开报表。
需要说明的是,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的模型训练装置和各模块的具体工作过程,可以参考前述业务数据处理方法实施例中的对应过程,在此不再赘述。
上述的业务数据处理装置可以实现为一种计算机程序的形式,该计算机程序可以在如图5所示的计算机设备上运行。
请参阅图5,图5是本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以是服务器或终端。
参阅图5,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,存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令,该程序指令被执行时,可使得处理器执行本申请实施例提供的任意一种业务数据处理方法。
处理器用于提供计算和控制能力,支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境,该计算机程序被处理器执行时,可使得处理器执行本申请实施例提供的任意一种业务数据处理方法。
该网络接口用于进行网络通信,如发送分配的任务等。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。
应当理解的是,处理器可以是中央处理单元(Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
示例性的,在一个实施例中,处理器用于运行存储在存储器中的计算机程序,以实现如下步骤:
获取包含预设的数据标签的业务数据,根据数据标签将业务数据保存至对应的存储数据库;
获取时间区间,根据时间区间激活冻结指令,冻结指令用于限制业务系统的业务数据管理权限;
获取目标数据标签,根据时间区间和目标数据标签,从业务数据中获取目标业务数据;
根据预设的数据处理算法,计算目标业务数据对应的目标字段;
获取目标业务数据对应的保单金额数据,根据保单金额数据生成匹配字段;
校验目标字段和匹配字段,在校验结果通过时,撤销冻结指令,并将目标字段、匹配字段保存至与业务数据对应的存储数据库;
根据业务数据、目标字段和匹配字段生成公开报表。
在一些实施例中,处理器还具体用于实现:
在校验结果不通过时,生成并输出警告提示信息以提示人工核验;
删除目标字段、匹配字段和存储数据库中的业务数据。
在一些实施例中,处理器在用于实现根据数据标签将业务数据保存至对应的数据平台上的存储数据库时,还具体用于实现:
根据所述数据标签,在业务数据库和所述存储数据库间创建数据映射关系;
根据所述数据映射关系确定所述业务数据库中待发送的业务数据,并将所述待发送的业务数据发送给所述存储数据库;
根据所述数据标签将所述待发送的业务数据保存至对应的所述存储数据库。
在一些实施例中,处理器在用于实现获取时间区间,根据时间区间确定冻结指令的激活日期时,还具体用于实现:
获取用户设置的时间区间,时间区间包括开始日期和结束日期;
根据结束日期确定冻结指令的激活日期,根据激活日期激活冻结指令。
在一些实施例中,处理器在用于实现获取目标业务数据对应的保单金额数据,根据保单金额数据确定匹配字段时,还具体用于实现:
累加时间区间内生成的保单的保单金额数据,得到汇总金额;
计算汇总金额与预设常数的乘积,生成匹配字段。
本申请的实施例中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,所述计算机程序中包括程序指令,所述处理器执行所述程序指令,实现本申请实施例提供的任一项业务数据处理方法。
其中,所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元,例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备,例如所述计算机设备上配备的插接式硬盘、智能存储卡(SmartMedia Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种业务数据处理方法,其特征在于,所述方法包括:
获取包含预设的数据标签的业务数据,根据所述数据标签将所述业务数据保存至对应的存储数据库;
获取时间区间,根据所述时间区间激活冻结指令,所述冻结指令用于限制业务系统的业务数据管理权限;
获取目标数据标签,根据所述时间区间和目标数据标签,从所述业务数据中获取目标业务数据;
根据预设的数据处理算法,计算所述目标业务数据对应的目标字段;
获取所述目标业务数据对应的保单金额数据,根据所述保单金额数据生成匹配字段;
校验所述目标字段和所述匹配字段,在校验结果通过时,撤销所述冻结指令,并将所述目标字段、所述匹配字段保存至与所述业务数据对应的所述存储数据库;
根据所述业务数据、所述目标字段和所述匹配字段生成公开报表。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述校验结果不通过时,生成并输出警告提示信息以提示人工核验;
删除所述目标字段、所述匹配字段和所述存储数据库中的所述业务数据。
3.根据权利要求1所述的方法,其特征在于,所述根据所述数据标签将所述业务数据保存至对应的存储数据库,包括:
根据所述数据标签,在业务数据库和所述存储数据库间创建数据映射关系;
根据所述数据映射关系确定所述业务数据库中待发送的业务数据,并将所述待发送的业务数据发送给所述存储数据库;
根据所述数据标签将所述待发送的业务数据保存至对应的所述存储数据库。
4.根据权利要求1所述的方法,其特征在于,所述获取时间区间,根据所述时间区间激活冻结指令,包括:
获取用户设置的所述时间区间,所述时间区间包括结束日期;
根据所述结束日期确定冻结指令的激活日期,根据所述激活日期激活所述冻结指令。
5.根据权利要求1所述的方法,其特征在于,所述根据预设的数据处理算法,计算所述目标业务数据对应的目标字段,包括:
所述目标业务数据包括:保单金额数据,保险周期数据、预测赔付率数据和折现因子数据,所述折现因子数据的计算公式为:
其中,r包括月度的十年期国债利率,T为预期赔付的年限;
所述预设的数据处理算法为:
X=RATTOB/RATTOA*A;
其中X为目标字段,A为第一字段,RATTOA为第二字段,RATTOB为第三字段,所述第一字段、所述第二字段和所述第三字段的计算公式如下:
其中M1为第一保单金额,M2为第二保单金额,M3为第三保单金额,n为所述保险周期的月度的数量,P为所述预测赔付率数据,Ni为所述折现因子数据。
6.根据权利要求1所述的方法,其特征在于,所述获取所述目标业务数据对应的保单金额数据,根据所述保单金额数据生成匹配字段,包括:
累加所述时间区间内生成的保单的保单金额,得到汇总金额;
计算所述汇总金额与预设常数的乘积,生成匹配字段。
7.根据权利要求1所述的方法,其特征在于,所述预设的数据标签包括:保单号、保单金额、保险周期、预测赔付率、折现因子、合同组、保险渠道和保险险种。
8.一种业务数据处理装置,其特征在于,包括:
数据映射模块,用于获取包含预设的数据标签的业务数据,根据所述数据标签将所述业务数据保存至对应的存储数据库;
权限控制模块,用于获取时间区间,根据所述时间区间激活冻结指令,所述冻结指令用于限制业务系统的业务数据管理权限;
数据提取模块,用于获取目标数据标签,根据所述时间区间和目标数据标签,从所述业务数据中获取目标业务数据;
数据计量模块,用于根据预设的数据处理算法,计算所述目标业务数据对应的目标字段;
金额汇总模块,用于获取所述目标业务数据对应的保单金额数据,根据所述保单金额数据生成匹配字段;
结果校验模块,用于校验所述目标字段和所述匹配字段,在校验结果通过时,撤销所述冻结指令,并将所述目标字段、所述匹配字段保存至与所述业务数据对应的所述存储数据库;
报表生成模块,用于根据所述业务数据、所述目标字段和所述匹配字段生成公开报表。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器;
所述存储器用于存储计算机程序;
所述处理器,用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至7中任一项所述的业务数据处理方法。
10.一种计算机可读存储介质,其特征在于,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使所述处理器实现如权利要求1至7中任一项所述的业务数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111434097.3A CN114048230B (zh) | 2021-11-29 | 2021-11-29 | 业务数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111434097.3A CN114048230B (zh) | 2021-11-29 | 2021-11-29 | 业务数据处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114048230A true CN114048230A (zh) | 2022-02-15 |
CN114048230B CN114048230B (zh) | 2024-05-07 |
Family
ID=80211725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111434097.3A Active CN114048230B (zh) | 2021-11-29 | 2021-11-29 | 业务数据处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114048230B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112035355A (zh) * | 2020-08-28 | 2020-12-04 | 中国平安财产保险股份有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
CN112597481A (zh) * | 2020-12-29 | 2021-04-02 | 平安银行股份有限公司 | 敏感数据访问方法、装置、计算机设备及存储介质 |
CN113111179A (zh) * | 2021-03-09 | 2021-07-13 | 智慧芽信息科技(苏州)有限公司 | 文件的分类处理方法、装置、服务器及系统 |
CN113191906A (zh) * | 2021-05-26 | 2021-07-30 | 中国建设银行股份有限公司 | 业务数据的处理方法、装置、电子设备和存储介质 |
-
2021
- 2021-11-29 CN CN202111434097.3A patent/CN114048230B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112035355A (zh) * | 2020-08-28 | 2020-12-04 | 中国平安财产保险股份有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
CN112597481A (zh) * | 2020-12-29 | 2021-04-02 | 平安银行股份有限公司 | 敏感数据访问方法、装置、计算机设备及存储介质 |
CN113111179A (zh) * | 2021-03-09 | 2021-07-13 | 智慧芽信息科技(苏州)有限公司 | 文件的分类处理方法、装置、服务器及系统 |
CN113191906A (zh) * | 2021-05-26 | 2021-07-30 | 中国建设银行股份有限公司 | 业务数据的处理方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114048230B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11210673B2 (en) | Transaction feature generation | |
US20110153536A1 (en) | Computer-Implemented Systems And Methods For Dynamic Model Switching Simulation Of Risk Factors | |
CN111612040B (zh) | 基于孤立森林算法的财务数据异常检测方法及相关装置 | |
CN111752944B (zh) | 数据分摊方法、装置、计算机设备及存储介质 | |
CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
CN112163962A (zh) | 一种模型训练和业务风控的方法及装置 | |
Freitas et al. | Point processes of non stationary sequences generated by sequential and random dynamical systems | |
CN112241433A (zh) | 产品的演示方法、装置、计算机设备及存储介质 | |
CN114048230B (zh) | 业务数据处理方法、装置、设备及存储介质 | |
Liu et al. | Network centrality and credit risk: A comprehensive analysis of peer-to-peer lending dynamics | |
CN114662794A (zh) | 企业违约风险的预测方法、装置、设备及存储介质 | |
CN113487407A (zh) | 数据处理方法、装置及电子设备 | |
US11941412B1 (en) | Computer software program modularization and personalization | |
CN115129761B (zh) | 基于Redis实现窗口实时计算的方法、系统和设备 | |
CN113240472B (zh) | 理财产品推荐方法、电子设备及存储介质 | |
CN110442587B (zh) | 业务信息升级方法及终端设备 | |
Ashofteh | Big data for credit risk analysis: Efficient machine learning models using pyspark | |
Mencer et al. | Finding the right level of abstraction for minimizing operational expenditure | |
Ye | An Evaluation on Using Coarse-grained Events in an Event Sourcing Context and its Effects Compared to Fine-grained Events | |
US20230196185A1 (en) | Generating and maintaining a feature family repository of machine learning features | |
Gaspar et al. | Quadratic models for portfolio credit risk with shot-noise effects | |
Yousfi | Detection of recurring behavior in banking data | |
CN114328271A (zh) | 测试方法、装置、设备及存储介质 | |
Rudnichenko et al. | Intelligent System for Processing and Forecasting Financial Assets and Risks | |
CN117291693A (zh) | 基于人工智能的策略生成方法、装置、设备及存储介质 |
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 |