CN115345533A - 订单数据处理方法、装置、设备及存储介质 - Google Patents

订单数据处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115345533A
CN115345533A CN202211283209.4A CN202211283209A CN115345533A CN 115345533 A CN115345533 A CN 115345533A CN 202211283209 A CN202211283209 A CN 202211283209A CN 115345533 A CN115345533 A CN 115345533A
Authority
CN
China
Prior art keywords
risk
order data
processing strategy
stage
data
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
Application number
CN202211283209.4A
Other languages
English (en)
Other versions
CN115345533B (zh
Inventor
谭飞
鲁晋
张作裕
张震
何炜龙
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.)
Ali Health Technology Hangzhou Co ltd
Original Assignee
Ali Health Technology Hangzhou Co ltd
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 Ali Health Technology Hangzhou Co ltd filed Critical Ali Health Technology Hangzhou Co ltd
Priority to CN202211283209.4A priority Critical patent/CN115345533B/zh
Publication of CN115345533A publication Critical patent/CN115345533A/zh
Application granted granted Critical
Publication of CN115345533B publication Critical patent/CN115345533B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Medical Informatics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Medicinal Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本说明书实施方式提供了一种订单数据处理方法、装置、设备及存储介质，其包括：获取所述订单数据被识别出的风险点数据集；其中，所述风险点数据集包括表示所述订单数据存在的风险的风险点数据；将所述风险点数据集中的风险点数据与所述订单数据所处流程阶段对应的预设风险处理策略集进行匹配，得出目标风险处理策略；其中，所述预设风险处理策略集包括至少一个风险处理策略和与风险处理策略对应的处置方式；其中，不同流程阶段对应的预设风险处理策略集包括至少部分不同的风险处理策略；针对所述订单数据执行所述目标风险处理策略对应的处置方式。该方法实现对各个流程阶段识别到的风险点进行有针对性的处置，提升了风险处置的效率。

Description

订单数据处理方法、装置、设备及存储介质
技术领域
本说明书中实施方式关于风险处置的技术领域，具体涉及一种订单数据处理方法、装置、设备及存储介质。
背景技术
互联网医疗，是互联网与医疗行业的结合，其包括了以互联网为载体和技术手段的健康教育、医疗信息查询、电子健康档案、疾病风险评估、在线疾病咨询、电子处方、远程会诊、及远程治疗和康复等多种形式的健康医疗服务。
一个订单数据在电子商务平台的各个流程阶段流转过程中可能会存在一些风险。现有技术中，已经通过技术手段针对订单数据的风险点进行识别得到风险点数据，并可以对应每个风险点数据设置处置手段。由于在不同流程阶段识别出的相同风险点可能会有不同的处置需求，而现有技术中，直接对应风险点数据绑定了处置手段，难以满足不同流程阶段的需求。
发明内容
有鉴于此，本说明书多个实施方式致力于提供一种订单数据处理方法、装置及计算机可读存储介质，以实现针对订单数据存在的风险采取更加适当的处置措施。
本说明书中多个实施方式提供一种订单数据处理方法，包括：在所述订单数据于多个流程阶段流转的过程中，获取所述订单数据被识别出的风险点数据集；其中，所述风险点数据集包括表示所述订单数据存在的风险的风险点数据；将所述风险点数据集中的风险点数据与所述订单数据所处流程阶段对应的预设风险处理策略集进行匹配，得出目标风险处理策略；其中，所述预设风险处理策略集包括至少一个风险处理策略和与风险处理策略对应的处置方式；其中，不同流程阶段对应的预设风险处理策略集包括至少部分不同的风险处理策略；针对所述订单数据执行所述目标风险处理策略对应的处置方式。
本说明书的一个实施方式提供一种订单数据处理装置，包括：获取单元，用于在所述订单数据于多个流程阶段流转的过程中，获取所述订单数据被识别出的风险点数据集；其中，所述风险点数据集包括表示所述订单数据存在的风险的风险点数据；匹配单元，用于将所述风险点数据集中的风险点数据与所述订单数据所处流程阶段对应的预设风险处理策略集进行匹配，得出目标风险处理策略；其中，所述预设风险处理策略集包括至少一个风险处理策略和与风险处理策略对应的处置方式；其中，不同流程阶段对应的预设风险处理策略集包括至少部分不同的风险处理策略；处置单元，用于针对所述订单数据执行所述目标风险处理策略对应的处置方式。
本说明书的一个实施方式提供一种电子设备，包括：存储器，以及与所述存储器通信连接的一个或多个处理器；所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行，以使所述一个或多个处理器实现上述的方法。
本说明书的一个实施方式提供一种计算机可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。
本说明书提供的多个实施方式，通过针对订单任务的不同流程阶段设置对应于该阶段的风险处理策略集，再将识别到的风险点数据集与该流程阶段相对应的风险处理策略集进行匹配，根据匹配到目标风险处理策略对应的处置方式来进行风险的处置，实现针对订单数据存在的风险采取更加适当的处置措施。
附图说明
图1为本说明书的一个实施方式提供的场景示例中诊前环节信息采集的示例图。
图2为本说明书的一个实施方式提供的场景示例中预设风险处理策略集的示例图。
图3为本说明书的一个实施方式提供的一种订单数据处理方法的应用环境示意图。
图4为本说明书的一个实施方式提供的一种订单数据处理方法的流程示意图。
图5为本说明书的一个实施方式提供的一种订单数据处理装置的框图。
图6为本说明书的一个实施方式提供的一种电子设备的框图。
具体实施方式
概述
在相关技术中，互联网诊疗可以是医疗机构的医务人员通过互联网的技术手段，满足患者的复诊开方、用药需求、疾病咨询等对医疗健康服务的需要。
在互联网诊疗的过程中可能存在一些风险事项。风险可以理解为为一种结果的不确定性。该种不确定性也分程度，导致负面结果的可能性的程度越高，意味着风险等级越高，也意味着越可能带来负面影响。可以采取技术手段对互联网诊疗的过程中存在的风险进行识别得到风险点数据。风险点数据可以表示为可能导致不良后果的事项。进而可以，针对性的处置。具体的，例如，一些事项可能会违反互联网诊疗相关法律法规、潜在有损害患医双方或互联网诊疗服务平台的情况，需要识别出这些风险，如此才可以进一步针对性的设置处置措施。
在具体的互联网的诊疗过程中往往是分阶段分业务场景的，一般按照诊疗流程先后顺序可以划分为诊前、诊中、诊后三个业务场景或者说这三个阶段。在诊前阶段，对于患者购买处方药情形，平台需要患者详细提供相应的信息进行资格审核，因为按照有关政策规定，在确保电子处方来源真实可靠的前提下，允许网络销售除国家实行特殊管理的药品以外的处方药。因此，在诊前阶段需要患者提供详细的信息以此证明其具有购买处方药的资格，若是患者没有提供相应的信息或者说遗漏了关键的信息，但是平台对其销售了处方药，这将给平台以及患者带来极大的风险。在诊中阶段，医生需要详细的询问并且了解患者的过往病例、当下出现的症状情况，再谨慎的判断当下的症状情况是否适宜开出处方单。若是没有详细了解患者的情况便随意开出处方单，这将给平台以及患者带来极大风险。在诊后阶段，医生已经提供了完整的诊疗服务，但是在诊疗服务过程中可能存在没有识别到的风险，即便医生完成了诊疗服务，依然会给平台和患者带来风险。例如，患者在整个诊疗服务的过程均未提供收件地址，处方药可能无法及时送到患者手中。所以在整个互联网诊疗的过程中，需要对存在的风险进行识别，并且执行相应的处置。
在一个完整的互联网诊疗过程中，可能涉及的风险是多样的，不仅多样，而且会随着患者或者医生的操作而进行动态变化。在一些情况下，被识别到的相同的风险点数据在不同的阶段其需要处置的重要性也不完全一样。因此，在现有技术中，针对具体识别到风险点数据进行处理的方式缺乏针对性，因此往往造成处置手段不适当的技术问题。
因此，有必要提供一种可以在不同的流程阶段针对识别到的风险点数据进行一个有针对性的处置的方法，解决目前风险点数据处置手段不适当的技术问题。帮助医生提升风险处置的效率，从而提升诊疗服务的质量和效率，从而提高患者对于互联网诊疗服务的满意度。
本说明书实施方式通过针对订单任务的不同流程阶段设置对应于该阶段的风险处理策略集，再将识别到的风险点数据集与该流程阶段相对应的风险处理策略集进行匹配，根据匹配到目标风险处理策略对应的处置方式来进行风险的处置，用以解决现有技术当中无法根据识别到的风险点数据集进行有针对性处置的技术问题。
场景示例
本说明书中提供一种订单数据处理系统的应用场景示例。该订单数据处理系统包括客户端和互联网诊疗平台的服务器。
在本场景示例中，一位患有慢性病的患者可以使用用户账户登录客户端，得到互联网诊疗服务。相应的，医生可以使用医生账户登录客户端，提供互联网诊疗服务，专家可以使用评审账户登录客户端，来对诊疗服务进行评审。在本场景示例中，该慢性病可以是高血压、高血糖、高血脂还可以是一些呼吸系统的疾病等等。客户端可以是web网页的形式也可以智能手机或者平板上安装的APP。患者可以操作客户端进行在线医疗咨询和药物的购买。
在本场景示例中，该患者注册用户账户，通过APP登录进入一个配置有本说明书提供的订单数据处理方法的互联网诊疗平台中。在APP客户端中，患者下达了一个处方药购买的订单，并且提供了个人的基本信息。APP客户端根据该订单和患者的个人基本信息生成了订单数据并且发送至互联网诊疗平台的服务器当中。服务器中配置的风险点识别规则将对接收的订单数据进行风险识别得到风险点数据。服务器中还设置有对应于不同流程阶段的预设风险处理策略集，通过该预设风险处理策略集与对应流程阶段的风险点数据进行匹配，得到目标风险处理策略，服务器根据该目标风险处理策略对应的处置方式向用户账户以及医生账户的客户端发出相应的提示信息，或者禁止医生账户的客户端的某些功能。
如图1所示，患者可以将以往的病例单或者其他的一些医疗信息单通过拍照上传到平台的服务器中，服务器中可以配置一些图像信息的结构化提取方法或者模型来提取表单中的相关信息，比如，患者的年龄、性别；患者的基本的生理参数，比如，身高、体重、血压、血糖等。患者也可以直接在APP的提供信息采集表单中进行填写，实现患者信息的采集。
在诊前阶段，针对该客户端发送的订单数据，服务器接收到后执行如下的处理过程。服务器中预先配置的风险点识别规则会对订单数据进行识别用以发现其中可能存在的风险点，该预先配置的风险点识别规则是一种底层的识别规则，具体规则数量多达几十万条，用于对各个阶段的风险点进行识别。被识别出来的风险点可以通过风险点数据表示，多个风险点数据组成风险点数据集。具体如表1所示。
表1
Figure 615368DEST_PATH_IMAGE001
服务器中配置的预设风险处理策略集与上述的风险点数据集进行匹配，其中，预设风险处理策略集可以如图2所示，是分阶段的进行设置的，不同的阶段具有不同的风险处理策略集。在不同的风险处理策略集中可以设定多个子集。比如，第一预设风险处理策略子集和第二预设风险子集，其中，这个第一预设风险处理策略子集中的风险处理策略的风险等级要高于第二预设风险子集。在本场景示例中，风险等级可以定义为对于风险点的处置的重要程度，或者定义为对于风险点的处置的急迫程度等等。还可以人为的进行灵活的自定义。
在本场景示例中，预设风险处理策略集与上述的风险点数据集进行匹配的具体过程可以为如下过程。在该诊前风险处理策略集中，其中第一预设风险处理策略子集中设置有一个风险处理策略，该策略为了方便表述定义为第一策略，第二预设风险处理策略子集中同样设置有一个风险处理策略，该策略为了方便表述定义为第二策略。每个策略的成立均具有对应的成立条件。可以由一个成立条件也可以由多个成立条件构成的规则逻辑。例如，可以通过&(与)、|(或)的逻辑符号将多个成立条件进行连接以表示执行逻辑。从而最终确定当前的策略是否命中。例如，第一策略的成立条件为：患者具有强烈腹痛的症状，该第一策略对应的处置方式为建议患者线下就诊并且中止诊疗流程；第二策略的成立条件为：条件1（患者的血压超出正常区间）&条件2（患者未提供年龄和体重数据），该第二策略的处置方式为引导患者进行信息补充。例如，将表1中的风险点数据集与第一策略和第二策略进行匹配，第一策略没有命中，但是第二策略命中了，因此，服务器向用户账户的客户端发出提示信息，用于提示患者补充年龄和体重数据，以及提示患者补充当天是否有服用过降压药的信息。患者通过用户端接收到该提示信息之后，通过客户端补充相应的信息。客户端对该信息进行采集得到补充的订单数据并且将该订单数据发送至服务器中。服务器接收到该订单数据之后，会再进行一次风险识别形成得到风险点数据集。并且针对该风险点数据集再执行与诊前风险识别规则的匹配。若是没有策略命中了，相应的也就没有处置措施了，流程可以进入到下一阶段。
在诊中环节，医生通过医生账户登录客户端与登录了用户账户的患者进行病情交流，相应的，交流的信息都被客户端进行提取形成订单数据发送至服务器中进行风险识别，得到对应于该阶段的风险点数据集。服务器中配置的诊中风险处理策略集对该阶段的风险点数据集进行匹配。在该诊中风险处理策略集中同样可以设定第一预设风险处理策略子集和第二预设风险处理策略子集。该第一预设风险处理策略子集中同样可以设置有一个风险处理策略。比如，这个风险处理策略的成立条件为：患者对期望购买的药物过敏。该预设风险处理策略对应的处置方式为禁止线上开方。在该阶段的风险点数据集中存在风险点数据为“患者对期望购买的药物过敏”。因此，服务器在进行匹配时，该第一预设风险处理策略子集命中。服务器根据处置方式将医生账户客户端上的线上开方的功能禁止。例如，服务器可以向医生账户的客户端发送指令，关闭医生账户线上开方的权限。服务器还可以向医生账户的客户端发出风险提示信息，医生接收到该信息后通过客户端向患者说明情况，结束诊疗。相应的，该阶段医生与患者在客户端进行交流信息，医生在客户端进行的具体操作都被客户端提取形成订单数据发送至服务器之中。
在诊后阶段，服务器针对诊中阶段得到的订单数据进行风险识别得到风险点数据集，再使用已经配置的诊后风险处理策略集对该风险点数据集进行匹配。在该诊后风险处理策略集中同样可以设定第一预设风险处理策略子集和第二预设风险处理策略子集。该第一预设风险处理策略子集和第二预设风险处理策略子集中同样可以设置有一个风险处理策略。例如，在第一预设风险处理策略子集中的预设风险处理策略的成立条件为:已开出处方单但是没有进行实名核对。第二预设风险处理策略子集中的预设风险处理策略的成立条件为:对于处方药未详细说明副作用，该预设风险处理策略对应的处置方式为将此次诊疗服务的订单数据和风险点数据送入待抽审队列中。服务器进行匹配，第二预设风险处理策略子集中的预设风险处理策略被命中。则服务器将执行相应的处置方式。专家通过评审账户登录客户端，通过客户端向服务器发送抽取订单数据和风险点数据的请求。本次诊疗服务的订单数据和风险点数据被抽中，则服务器将订单数据和风险点数据发送至评审账户中，专家对其进行评审发现，本次并没有问题，则通过客户端向服务器发出指令。服务器收到指令可以对诊后风险处理策略集中的第二预设风险处理策略子集进行优化。
综上所述，本场景示例是以诊前阶段进行具体举列说明，在其他的流程阶段，对于风险点的识别以形成风险点数据集的过程，设置对应于该阶段的风险处理策略集的过程，将风险处理策略集划分成多个子集的过程，具体构建某个策略成立的过程，将策略集与风险点数据集进行识别的过程，以及更具体具体命中的策略对风险处置的过程，与本场景示例是相似的，因此，在本场景示例中不在进行重复描述。
系统架构
如图3所示，本说明书实施方式提供一种订单数据处理系统，该订单数据处理系统可以包括客户端和服务器。服务器可以是具有一定运算处理能力的电子设备。比如服务器可以为分布式系统的服务器，可以是具有多个处理器、存储器、网络通信模块等协同运作的系统。服务器也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。服务器也可以是为若干服务器形成的服务器集群。或者，随着科学技术的发展，服务器还可以是能够实现说明书实施方式相应功能的新的技术手段。例如，可以是基于量子计算实现的新形态的“服务器”。
在本说明书实施方式中，客户端可以是具有网络访问能力的电子设备。具体的，例如，客户端可以是台式电脑、平板电脑、笔记本电脑、智能手机、数字助理、导购终端、电视机、等。或者，客户端也可以为能够运行于所述电子设备中的软件。在本说明书实施方式中，可以使用客户端来获取患者信息。
网络可以是任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。一个或多个网络可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
订单数据处理系统还可以包括一个或多个数据库。在本说明书实施方式中，这些数据库可以用于存储订单数据、风险点数据集、风险处理策略以及对应的处置方式。数据库可以驻留在各种位置。例如，由服务器使用的数据库可以在服务器本地，或者可以远离服务器且可以经由基于网络或专用的连接与服务器通信。数据库可以是不同的类型。在某些实施例中，由服务器使用的数据库可以为关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
示例的方法
如图4所示，本说明书的一个实施方式提供一种订单数据处理方法。所述订单数据处理方法可以应用于服务器。所述方法可以包括以下步骤。
步骤S101：在所述订单数据于多个流程阶段流转的过程中，获取所述订单数据被识别出的风险点数据集；其中，所述风险点数据集包括表示所述订单数据存在的风险的风险点数据。
在一些情况下，在一个订单数据的各个流程阶段中均可能存在风险。因此，需要对存在的风险进行识别，可以通过一些现有的风险识别规则进行识别得到相应的风险数据，通过风险点数据可以构建相应的风险点数据集。
在本实施方式中，订单数据可以用于表示用户下达的购买产品的订单。具体的，例如，在一些实施方式中，订单数据可以表示为医疗订单数据，或者保险订单数据，还可以表示为理财产品订单数据。在一些实施方式中，当订单数据表示为医疗订单数据时，具体的，订单数据可以包括：患者提供自身信息。例如，身高，体重，血压血糖，症状详情等等。订单数据还可以包括：医生提出的问询信息，医生开出的电子处方等等。在一些实施方式中，当订单数据表示为保险订单数据时，具体的，订单数据可以包括：投保人提供的自身信息。例如，年龄，身体状况，是否得到重疾病，投保人欲购买的保险类别等等。订单数据还可以包括：保险代理人提出的问询信息，保险代理人给出的购买建议等等。在一些实施方式中，当订单数据表示为理财产品订单数据时，具体的，订单数据可以包括：用户咨询的理财产品的种类，对应的预期收益，用户实际签订的理财业务合同等等。订单数据还可以包括：理财顾问作出的反馈，以及推荐的理财种类以及承诺的预期收益等等。
在本实施方式中，流程阶段可以表示为订单从生成至被处理完成的各个阶段。例如，在一些实施方式中，当订单数据为医疗订单数据时，其对应的流程阶段就可以包括：诊前阶段、诊中阶段和诊后阶段。诊前阶段包括接收到所述药品订单数据至所述药品订单数据被医生账户处理之前的阶段。诊中阶段包括医生账户为所述订单数据开具处方单的阶段。诊后阶段包括所述药品订单数据被开具处方单之后的阶段。在一些实施方式中，当订单数据为保险订单数据时。其对应的流程阶段就可以包括：售前阶段、售中阶段和理赔阶段。售前阶段是投保人咨询各种保险险种至具体签订保险合同的阶段。售中阶段是保险人签订了保险合同至理赔的阶段。理赔阶段为执行理赔的阶段。在一些实施方式中，当订单数据为理财订单数据时，也可以按照理财业务的性质划分为多个阶段。
在本实施方式中，风险点数据集可以表示为风险点数据的集合。风险点数据可以表示为通过风险识别规则对订单数据进行识别处理之后得到的表述风险的数据。
在一些实施方式中，当订单数据为医疗订单数据时，风险点数据可以表示医疗业务风险。比如，一个孕妇准备购买的药品并不宜孕妇服用。风险点数据还可以表示为信息风险。比如，患者向医生提供了自己手机号，具体的家庭住址，工作等等与诊疗无关的个人隐私信息，这将会造成个人隐私信息的泄露。风险点数据还可以表示法律风险，比如，未全面采集患者的信息，向其销售了处方药等等。在一些实施方式中，当订单数据为保险订单数据时，风险可以表示未全面采集投保人的健康状况，但是向其销售了重疾险产品的情况。在一些实施方式中，当订单数据为理财订单数据时，风险点数据还可以表示理财销售人员为了成单，向客户夸大了收益的情况。
在本实施方式中，识别表示为基于一些现有的风险识别规则来对上述的风险点数据集进行判别的操作。也即是，订单数据与风险识别规则进行匹配操作，匹配成功时，便可以确定一条风险点数据。
步骤S102：将所述风险点数据集中的风险点数据与所述订单数据所处流程阶段对应的预设风险处理策略集进行匹配，得出目标风险处理策略；其中，所述预设风险处理策略集包括至少一个风险处理策略和与风险处理策略对应的处置方式；其中，不同流程阶段对应的预设风险处理策略集包括至少部分不同的风险处理策略。
在本实施方式中，预设风险处理策略集可以为多个风险处理策略的集合。每个风险处理策略还可以有对应的处置方式。每个风险处理策略可以由一个成立条件或者多个成立条件的逻辑组合。对于每一个成立条件可以由条件编号、左变量、操作符、右变量四部分构成。比如，“风险分类-诊疗资质/开方权限-风险等级”。对于逻辑组合可以包括：通过&(与)、|(或)、英文括号将规则详情中的各条件序号连接以表示执行逻辑，从而最终确定当前风险处理策略是否命中。如“1&2&(3|4)”，表示条件1和2同时成立、且条件3或条件4其中有一个成立时，整条风险处理策略被命中。
在本实施方式中，预设风险处理策略集是对应于具体的流程阶段进行设置的。相应的，不同流程阶段的预设风险处理策略集中的具体风险处理策略也是对应该流程阶段进行设置的。例如，在一些实施方式中，当订单数据为医疗订单数据时，在具体设置诊前风险处理策略集时，主要考虑筛查不适宜在互联网服务平台进行诊疗的情形。对于出现该种情形需要及时引导患者进行线下就诊，以免耽搁治疗。在具体设置诊中风险处理策略集时，主要考虑的是用于辅助医生完成现场诊疗。若发现诊疗过程中存在的风险点，则给予医生提示。在具体设置诊后风险处理策略集时，主要用于识别存在风险的历史诊疗服务。对违规诊疗的医生进行处罚和优化相关策略。在一些实施方式中，当订单数据为保险订单数据时，在具体设置售前阶段的风险处理策略集时，主要考虑的是投保人是否具有不适宜投保的情形。比如年龄过大，或者曾经得过重大疾病，尚未痊愈的情形。在售中阶段主要的考虑的是，投保资料的审查用以发现其中的不符合项。在理赔阶段主要考虑的是，客户提供的需要理赔的情形是否真实，是否存在骗保的情形。在一些实施方式中，当订单数据为理财订单数据时，也可以根据该业务在不同场景下不同的侧重点来设置对应的风险处理策略集。
在本实施实施方式中，可以将各个流程阶段的预设风险处理策略集划分成多个子集。不同的子集代表的重要程度或者风险等级或者说处置急迫性不同。比如，可以将各个流程阶段的预设风险处理策略集划分为两个子集。其中一个表示高重要度或者高风险等级的子集。另外一个表示中重要度或者中风险等级的子集。
在本实施方式中，针对上述的处置方式，可以是在一个流程阶段下的预设风险处理策略集中，每一个预设风险处理策略均具有对应的处置方式。也可以是一个流程阶段下的预设风险处理策略集只有一个对应的处置方式，该预设风险处理策略集下的各个预设风险处理策略均与该处置方式相对应。还可以是，在一个流程阶段下的预设风险处理策略集中的子集均具有一个处置方式，该子集中的各个策略均与该处置方式相对应。
在本实施方式中，匹配可以是判断风险点数据是否命中了预设风险处理策略集中的风险处理策略。所述的命中可以是风险点数据满足了某一风险处理策略的成立条件或者成立条件的逻辑组合。
在本实施方式中，可以采用如下的匹配方式：将一流程阶段下的预设风险处理策略集中的各个风险处理策略在风险点数据集中进行遍历，命中一个风险处理策略则记录一个风险处理策略。也可以采用如下的匹配方式：先将一流程阶段下的预设风险处理策略集中的高风险等级的子集与风险点数据集进行匹配，一旦匹配成功则立即结束。该一旦匹配成功可以理解为匹配到一条风险处理策略即是成功，或者将该子集中的风险处理策略全部匹配完毕，得到至少一条匹配成功的风险处理策略。或者全部匹配完成发现没有匹配到，则再与中风险等级的子集进行匹配。在一些实施方式中，可以采用如下的匹配方式：通过一个AI模型执行匹配度的操作。具体可以是:在训练阶段，以预先准备好的风险点数据和预设风险处理策略集做为训练集来对AI模型进行无监督训练，该AI模型可以采用机器学习的分类模型，还可以采用深度学习模型。在匹配阶段，将所述风险点数据集中的风险点数据输入该AI模型之中获取输出。AI模型的输出有二种。其中，第一种输出没有匹配中的标识，第二种输出具体匹配到的风险处理策略。
步骤S103：针对所述订单数据执行所述目标风险处理策略对应的处置方式。
在本实施方式中，所述的目标风险处理策略可以是一个风险处理策略。也可以是若干个风险处理策略。所述的处置方式可以是一个风险处理策略对应一个处置方式。还可以是若干个风险处理策略对应同样的处置方式。
在本实施方式中，当所述的订单数据为医疗订单数据时，处置方式可以由处置对象、处置类型和具体项目三部分组成。具体的说，处置对象具体是指后续处置动作的执行者，包括患者、医务人员、平台管理员等。处置类型具体是指后续处置动作的分类，包括禁止继续、补充操作等。具体项目具体是指后续处置动作的具体事项，例如线上诊疗、上传资料、填写依据等。
在本实施方式中，当所述的订单数据为保险订单数据时，处置方式同样可以由处置对象、处置类型和具体项目三部分组成。具体的说，在该种情况下，处置对象可以是投保人、保险代理人、平台管理者。处置类型可以是结束订单、补充信息。具体项目可以是执行理赔，上传证据等。
本实施方式中，考虑到订单任务的不同流程阶段识别到的风险点数据不同，因此在订单任务的不同流程阶段设置对应于该阶段的预设风险处理策略集，将不同阶段识别到的风险点数据与对应该阶段的预设风险处理策略集进行匹配，以匹配到的目标风险处理策略对应的处置方式来进行风险的处置。此种方式使得在各个流程阶段进行风险处置时，处置的手段更加的适当，也更加的准确，从而提升了风险处置的效率。
在一些实施方式中，在所述订单数据于多个流程阶段流转的过程中，采用相同的风险点识别规则针对所述订单数据执行识别，得到所述订单数据的风险点数据集。在所述订单数据于多个流程阶段流转的过程中，采用相同的风险点识别规则针对所述订单数据执行识别，得到所述订单数据的风险点数据集。
在一些情况下，订单数据在不同的流程阶段其存在的风险点数据是不同的，从控制风险的角度出发，应当是充分去识别各个流程阶段的风险点数据，可以是基于一个全面的风险现状执行对应的决策，这种决策才更加合理。在一些方案中，在靠前的流程阶段采用比较多的风险识别规则进行识别，在后续的流程阶段采用比较少的风险识别规则进行识别，这样会造成识别的风险点不充分。因此，本说明书实施方式可以在各个流程阶段中均采用相同的风险点识别规则针对所述订单数据执行识别，解决了现有技术当中订单数据在不同的流程阶段识别到的风险点数据不全的技术问题。相应的，本说明书实施方式，可以在各个流程阶段使用统一的风险点识别规则进行风险点数据的识别，识别到的风险点数据是最全面的。针对最全面的风险点数据进行风险处置，风险处置的效果更好。
所述的风险点识别规则为对订单数据进行识别从而判断是否是风险点数据的规则。在一些实施方式中，所述的风险点识别规则可以包括判断条件和对应的风险点识别结果，判断条件可以是一些具体的判断条件，也可以是判断条件的正则表达式。若判断条件不成立，则风险点识别结果为不存在风险。若判断条件成立，则风险点识别结果可以包括风险类别、具体风险和重要程度。例如，在针对一个药品订单数据采用风险点识别规则进行识别，其中，一个判断条件可以设置为：患者血压数值超过设定的阈值。相应的，若该判断条件成立，则风险点识别结果可以包括：风险类别为业务风险、患者的血压超出正常区间，重要程度高。
所述的采用相同的风险点识别规则对所述订单数据执行识别，该相同的可以表示在各个流程阶段，使用统一的风险点识别规则来对订单数据进行识别，不因为订单数据的变化，而减少或者改变风险点识别规则。
在一些实施方式中，所述流程阶段对应的预设风险处理策略集包括第一预设风险处理策略子集和第二预设风险处理策略子集；其中，所述第一预设风险处理策略子集包括的风险处理策略的风险等级高于所述第二预设风险处理策略子集包括的风险处理策略的风险等级；所述将所述风险点数据集中的风险点数据与所述订单数据所处流程阶段对应的预设风险处理策略集进行匹配，得出目标风险处理策略，可以包括：在将所述订单数据与所述第一预设风险处理策略子集匹配失败的情况下，才将所述订单数据与所述第二预设风险处理策略子集匹配。
在一些情况下，当预设风险处理策略集中包含的风险处理策略比较多时，或者识别到的风险点数据比较多时，在执行风险点数据与预设风险处理策略集匹配的操作时，可能需要耗费的计算资源和计算时间比较多。考虑到匹配操作的及时性，可以按照风险等级将所述预设风险处理策略集划分为第一预设风险处理策略子集和第二预设风险处理策略子集，优先对风险等级高的第一预设风险处理策略子集执行匹配。通过对匹配方式进行改进，用以解决进行匹配操作时，占用计算资源和计算时间多的技术问题。相应的，这种方法可以很好的节省计算资源和计算时间，可以很好的提升匹配的效率。具有实际应用价值。
所述的风险等级可以表示为风险的不确定性程度。不确定性程度越高，风险等级也越高。所述的第一预设风险处理策略子集包括的风险处理策略的风险等级高于所述第二预设风险处理策略子集包括的风险处理策略的风险等级。可以是第一预设风险处理策略子集中任一风险处理策略的风险等级均高于第二预设风险处理策略子集中任一风险处理策略的风险等级。还可以是第一预设风险处理策略子集中各个风险处理策略的平均风险等级高于第二预设风险处理策略子集中各个风险处理策略的平均风险等级。
所述将所述风险点数据集中的风险点数据与所述订单数据所处流程阶段对应的预设风险处理策略集进行匹配。该匹配的具体方式可以是先遍历第一预设风险处理策略子集中各个风险处理策略。若失败，则遍历第二预设风险处理策略子集。还可以是先与第一预设风险处理策略子集进行匹配，一旦匹配其中一个风险处理策略，则停止匹配操作，执行该风险处理策略的对应的处置方式等等。
在一些实施方式中，所述订单数据为药品订单数据；针对所述订单数据执行所述目标风险处理策略对应的处置方式，可以包括：在所述药品订单数据与所述第二预设风险处理策略子集匹配成功的情况下，执行的处置方式包括：提示用户账户针对所述药品订单数据补充信息，以及根据风险点识别规则针对所述补充信息识别风险点数据。
在一些情况下，药品订单数据存在风险仅仅是因为用户遗漏了某些信息导致的。该种情况并不必然导致整个药品订单的结束，因此，可以将该种风险筛选出来并且执行相应的处置。采用所述的第一预设风险处理策略子集和第二预设风险处理策略子集对所述药品订单数据对应的风险点数据进行匹配，若第一预设风险处理策略子集匹配中了，说明该药品订单数据的风险等级高，可以采用中止药品订单数据处理这种处置方式，以降低风险等级。若是第一预设风险处理策略子集没有匹配成功，而第二预设风险处理策略子集匹配成功了，说明该药品订单数据的风险等级不那么高，在这种情况下让客户补充相关信息后重新使用风险点识别规则进行识别，这种有针对性的处理方式，大大提高了风险处置的效率，具有实际应用的价值。
所述的药品订单数据表示为具体针对药品的订单数据。所述的用户账户表示为用户也即是患者登录的账户。所述的补充信息表示为被风险识别规则识别出的缺失信息。例如，患者遗漏了血压数据，是否对期望购买药物过敏的信息等等。这些信息都可以是补充信息。提示用户账户针对所述药品订单数据补充信息，可以是服务器向登录了用户账户的客户端发出警报消息，用以提醒用户补充信息。当用户执行了补充信息的操作之后，再根据风险点识别规则针对所述补充信息识别风险点数据，以防止用户仍然没有完全信息。
在一些实施方式中，所述订单数据为药品订单数据；所述流程阶段包括诊前阶段；所述诊前阶段包括接收到所述药品订单数据至所述药品订单数据被医生账户处理之前的阶段；所述针对所述订单数据执行所述目标风险处理策略对应的处置方式，可以包括：在所述诊前阶段中，所述药品订单数据与所述诊前阶段的第一预设风险处理策略子集匹配成功的情况下，执行的处置方式包括：终止所述药品订单数据的处理，并向所述药品订单数据对应的用户账户发出提示信息；其中，所述提示信息至少表示建议线下就诊。
在一些情况下，当药品订单数据处于诊前阶段时，在设置对应的预设风险处理策略集时，需要考虑到该阶段存在的特殊性。比如，在诊前阶段需要筛查出患者希望治疗问诊的疾病，若该种疾病不适宜在线上进行就诊，那么必须得及时给患者进行提示，让患者进行线下就诊以防止耽误治疗。因此，对于这种情况在诊前阶段就需要被发现，就可以设置对应的预设风险处理策略集和相应的子集，将符合该种情况的设置为第一预设风险处理策略子集。一旦该第一预设风险处理策略子集匹配成功，则服务器向用户账户的客户端发出上述的提示信息。
该种方法，结合了药品订单数据在诊前阶段的特殊性，根据该特殊性有针对性的设置了预设风险处理策略的子集，提升了诊前阶段风险处置的效率。
所述的提示信息包括建议线下就诊，还可以包括描述风险点数据的信息。例如，向用户账户的客户端发出一个说明患者不适宜服用某款药物的信息，并且该信息还可以包括相应的医学诊断理由。
在一些实施方式中，所述订单数据为药品订单数据；所述流程阶段包括诊中阶段；其中，所述诊中阶段包括医生账户为所述订单数据开具处方单的阶段；所述针对所述订单数据执行所述目标风险处理策略对应的处置方式，可以包括：在所述诊中阶段中，在所述订单数据与所述诊中阶段的第一预设风险处理策略子集匹配成功的情况下，执行的处置方式包括：禁止医生账户针对所述订单数据的开具处方单功能。
在一些情况下，当药品订单数据处于诊中阶段时，在设置对应的预设风险处理策略集时，同样需要考虑到该阶段存在的特殊性，在该阶段已经获取到了患者的基本状况，医生需要与患者进行交流来获取病情描述，再基于自己的职业判断，是否事宜开出处方单。因此，在该阶段，需要辅助医生完成线上诊疗，辅助医生开出处方单。若发现诊疗过程中存在的风险点，则及时给予医生进行提示。该方法结合了药品订单数据在诊中阶段的特殊性，有针对性的在该阶段设置预设风险处理策略集，帮助医生提升风险处置的效率并且也减少了因风险治理造成对业务的不必要的干扰，提升了药品订单数据在该诊中阶段处置时的准确性和适当性。
所述的禁止医生账户针对所述订单数据的开具处方单功能，可以采用多种形式。例如，服务器向医生账户的客户端发出指令，该指令用于禁止医生账户的开具处方单的权限，或者，将医生账户开具处方单的按钮隐藏等等。
若禁止了医生账户针对所述订单数据的开具处方单功能之后，可以进一步判断是否进行继续问诊。若患者选择不继续问诊，则中止诊疗流程。，若诊中阶段的第一预设风险处理策略子集匹配失败，则与第二预设风险处理策略子集进行匹配。若匹配成功，则执行处置方式。该处置方式可以是提示医生账户补充依据信息，这个依据信息可以是开出处方单的依据信息。医生补充了依据信息之后，针对该补充的依据信息再执行风险点数据的识别。
在一些实施方式中，所述订单数据为药品订单数据；所述流程阶段包括诊后阶段；其中，所述诊后阶段包括所述药品订单数据被开具处方单之后的阶段；所述针对所述订单数据执行所述目标风险处理策略对应的处置方式，可以包括：在所述诊后阶段中，将所述药品订单数据与所述诊后阶段的第一预设风险处理策略子集匹配成功的情况下，执行的处置方式包括：将所述药品订单数据和所述风险点数据发送给评审账户；根据所述评审账户反馈的评审结果，优化所述风险点数据涉及的风险处理策略。
在一些情况下，当药品订单数据处于诊后阶段时，医生提供的诊疗的服务已经结束了，但是不意味着整个诊疗的过程已经结束。在诊后阶段医生提供的诊疗服务进行评审是非常有必要的。可以对相关医生进行警示，提升其服务水平和质量，减少下次诊疗服务再出现同样的问题，并且可以对预设风险处理策略集进行优化，提升风险处置的效率和针对性，进而提升客户的体验水平。
所述的评审账户为评审专家登录的账户。评审专家可以对药品订单数据和风险点数据进行评审，来发现医生的诊疗服务是否适当，并且给出相应的评价。当与第一预设风险处理策略子集匹配成功了，说明医生提供的诊疗服务可能存在不合规的地方，或者，在诊前阶段需要采取的处理方式没有得到很好的执行。因此，需要进行评审。若评审发现医生的诊疗服务合规，则说明该流程阶段的第一预设风险处理策略子集设置的有问题。评审专家通过评审账户向服务器中发出评审结果。服务器收到该评审结果之后可以优化风险点数据涉及的风险处理策略。若评审发现，医生的诊疗服务确实存在不合规的地方。例如，没有询问对某种药物过敏，即开出处方药。同样的，评审专家通过评审账户向服务器中发出评审结果。服务器根据该评审结果扣除医生的质量分数。在与第一预设风险处理策略子集匹配失败的情况下，可以与第二预设风险处理策略子集进行匹配，若匹配中，则将该药品订单数据列入需要专家评审的待抽审队列中，被抽中则进行专家评审，没有抽中，则风险处置结束。
如图5所示，本说明书的一个实施方式还提供一种订单数据处理装置。所述订单数据装置可以包括获取单元，用于在所述订单数据于多个流程阶段流转的过程中，获取所述订单数据被识别出的风险点数据集；其中，所述风险点数据集包括表示所述订单数据存在的风险的风险点数据；匹配单元，用于将所述风险点数据集中的风险点数据与所述订单数据所处流程阶段对应的预设风险处理策略集进行匹配，得出目标风险处理策略；其中，所述预设风险处理策略集包括至少一个风险处理策略和与风险处理策略对应的处置方式；其中，不同流程阶段对应的预设风险处理策略集包括至少部分不同的风险处理策略；处置单元，用于针对所述订单数据执行所述目标风险处理策略对应的处置方式。
如图6所示，本说明书实施方式还提供一种电子设备，该电子设备可以是智能手机、平板电脑、电子书等能够运行应用程序的电子设备。本实施方式中的电子设备可以包括一个或多个如下部件：处理器、网络接口、内存、非易失性存储器以及一个或多个应用程序，其中一个或多个应用程序可以被存储在非易失性存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于执行如前述方法实施例所描述的方法。
本说明书实施方式还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机执行时使得，该计算机执行上述任一实施方式中的订单数据处理方法。
本说明书实施方式还提供一种包含指令的计算机程序产品，该指令被计算机执行时使得计算机执行上述任一实施方式中的订单数据处理方法。
可以理解，本文中的具体的例子只是为了帮助本领域技术人员更好地理解本说明书实施方式，而非限制本发明的范围。
可以理解，在本说明书中的各种实施方式中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本说明书实施方式的实施过程构成任何限定。
可以理解，本说明书中描述的各种实施方式，既可以单独实施，也可以组合实施，本说明书实施方式对此并不限定。
除非另有说明，本说明书实施方式所使用的所有技术和科学术语与本说明书的技术领域的技术人员通常理解的含义相同。本说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在限制本说明书的范围。本说明书所使用的术语“和/或”包括一个或多个相关的所列项的任意的和所有的组合。在本说明书实施方式和所附权利要求书中所使用的单数形式的“一种”、“上述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
可以理解，本说明书实施方式的处理器可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施方式的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列(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。可以实现或者执行本说明书实施方式中的公开的各方法、步骤及逻辑框图。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。结合本说明书实施方式所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
可以理解，本说明书实施方式中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasablePROM，EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本领域普通技术人员可以意识到，结合本文中所公开的实施方式描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本说明书的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施方式中的对应过程，在此不再赘述。
在本说明书所提供的几个实施方式中，应所述理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外，在本说明书各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本说明书的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本说明书各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本说明书的具体实施方式，但本发明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说明书揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本说明书的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种订单数据处理方法，其特征在于，包括：
在所述订单数据于多个流程阶段流转的过程中，获取所述订单数据被识别出的风险点数据集；其中，所述风险点数据集包括表示所述订单数据存在的风险的风险点数据；
将所述风险点数据集中的风险点数据与所述订单数据所处流程阶段对应的预设风险处理策略集进行匹配，得出目标风险处理策略；其中，所述预设风险处理策略集包括至少一个风险处理策略和与风险处理策略对应的处置方式；其中，不同流程阶段对应的预设风险处理策略集包括至少部分不同的风险处理策略；
针对所述订单数据执行所述目标风险处理策略对应的处置方式。
2.根据权利要求1所述的方法，其特征在于，所述在所述订单数据于多个流程阶段流转的过程中，获取所述订单数据被识别出的风险点数据集的步骤，包括：
在所述订单数据于多个流程阶段流转的过程中，采用相同的风险点识别规则针对所述订单数据执行识别，得到所述订单数据的风险点数据集。
3.根据权利要求1所述的方法，其特征在于，所述流程阶段对应的预设风险处理策略集包括第一预设风险处理策略子集和第二预设风险处理策略子集；其中，所述第一预设风险处理策略子集包括的风险处理策略的风险等级高于所述第二预设风险处理策略子集包括的风险处理策略的风险等级；所述将所述风险点数据集中的风险点数据与所述订单数据所处流程阶段对应的预设风险处理策略集进行匹配，得出目标风险处理策略的步骤，包括：
在将所述订单数据与所述第一预设风险处理策略子集匹配失败的情况下，才将所述订单数据与所述第二预设风险处理策略子集匹配。
4.根据权利要求3所述的方法，其特征在于，所述订单数据为药品订单数据；针对所述订单数据执行所述目标风险处理策略对应的处置方式，包括：
在所述药品订单数据与所述第二预设风险处理策略子集匹配成功的情况下，执行的处置方式包括：提示用户账户针对所述药品订单数据补充信息，以及根据风险点识别规则针对所述补充信息识别风险点数据。
5.根据权利要求3所述的方法，其特征在于，所述订单数据为药品订单数据；所述流程阶段包括诊前阶段；所述诊前阶段包括接收到所述药品订单数据至所述药品订单数据被医生账户处理之前的阶段；所述针对所述订单数据执行所述目标风险处理策略对应的处置方式的步骤，包括：
在所述诊前阶段中，所述药品订单数据与所述诊前阶段的第一预设风险处理策略子集匹配成功的情况下，执行的处置方式包括：终止所述药品订单数据的处理，并向所述药品订单数据对应的用户账户发出提示信息；其中，所述提示信息至少表示建议线下就诊。
6.根据权利要求3所述的方法，其特征在于，所述订单数据为药品订单数据；所述流程阶段包括诊中阶段；其中，所述诊中阶段包括医生账户为所述订单数据开具处方单的阶段；所述针对所述订单数据执行所述目标风险处理策略对应的处置方式的步骤，包括：
在所述诊中阶段中，在所述订单数据与所述诊中阶段的第一预设风险处理策略子集匹配成功的情况下，执行的处置方式包括：禁止医生账户针对所述订单数据的开具处方单功能。
7.根据权利要求3所述的方法，其特征在于，所述订单数据为药品订单数据；所述流程阶段包括诊后阶段；其中，所述诊后阶段包括所述药品订单数据被开具处方单之后的阶段；所述针对所述订单数据执行所述目标风险处理策略对应的处置方式的步骤，包括：
在所述诊后阶段中，将所述药品订单数据与所述诊后阶段的第一预设风险处理策略子集匹配成功的情况下，执行的处置方式包括：将所述药品订单数据和所述风险点数据发送给评审账户；
根据所述评审账户反馈的评审结果，优化所述风险点数据涉及的风险处理策略。
8.一种订单数据处理装置，其特征在于，包括：
获取单元，用于在所述订单数据于多个流程阶段流转的过程中，获取所述订单数据被识别出的风险点数据集；其中，所述风险点数据集包括表示所述订单数据存在的风险的风险点数据；
匹配单元，用于将所述风险点数据集中的风险点数据与所述订单数据所处流程阶段对应的预设风险处理策略集进行匹配，得出目标风险处理策略；其中，所述预设风险处理策略集包括至少一个风险处理策略和与风险处理策略对应的处置方式；其中，不同流程阶段对应的预设风险处理策略集包括至少部分不同的风险处理策略；
处置单元，用于针对所述订单数据执行所述目标风险处理策略对应的处置方式。
9.一种电子设备，其特征在于，包括：
存储器，以及与所述存储器通信连接的一个或多个处理器；
所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行，以使所述一个或多个处理器实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，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。
CN202211283209.4A 2022-10-20 2022-10-20 订单数据处理方法、装置、设备及存储介质 Active CN115345533B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211283209.4A CN115345533B (zh) 2022-10-20 2022-10-20 订单数据处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211283209.4A CN115345533B (zh) 2022-10-20 2022-10-20 订单数据处理方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115345533A true CN115345533A (zh) 2022-11-15
CN115345533B CN115345533B (zh) 2023-03-24

Family

ID=83957357

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211283209.4A Active CN115345533B (zh) 2022-10-20 2022-10-20 订单数据处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115345533B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116578845A (zh) * 2023-07-14 2023-08-11 杭州小策科技有限公司 一种批量标识数据学习的风险识别方法及系统
CN117350547A (zh) * 2023-11-14 2024-01-05 深圳市明心数智科技有限公司 订单的风险处理方案确定方法、装置、设备及存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006102422A2 (en) * 2005-03-22 2006-09-28 Credit Suisse Securities (Usa) Llc Variable product reinsurance
CN107123031A (zh) * 2017-05-02 2017-09-01 深圳乐信软件技术有限公司 一种订单处理方法及装置
CN109741065A (zh) * 2019-01-28 2019-05-10 广州虎牙信息科技有限公司 一种支付风险识别方法、装置、设备及存储介质
CN110147967A (zh) * 2019-05-28 2019-08-20 阿里巴巴集团控股有限公司 风险防控方法及装置
US20200042906A1 (en) * 2018-08-01 2020-02-06 International Business Machines Corporation Determining sectors of a track to stage into cache using a machine learning module
CN111798241A (zh) * 2020-05-18 2020-10-20 北京三快在线科技有限公司 交易数据处理方法、装置、电子设备及可读存储介质
CN112418578A (zh) * 2019-08-22 2021-02-26 贝壳技术有限公司 一种业务风险预警方法、电子设备及存储介质
CN112466454A (zh) * 2021-01-22 2021-03-09 阿里健康科技(杭州)有限公司 一种开方数据处理方法和装置
CN112819476A (zh) * 2021-02-25 2021-05-18 北京互金新融科技有限公司 风险识别方法、装置、非易失性存储介质和处理器
CN113313337A (zh) * 2020-10-10 2021-08-27 国网冀北电力有限公司物资分公司 物资管理智能风控系统及管理方法
CN113888181A (zh) * 2021-10-25 2022-01-04 支付宝(杭州)信息技术有限公司 业务处理及其风险检测策略体系的构建方法、装置及设备
CN114581066A (zh) * 2022-05-05 2022-06-03 阿里健康科技(杭州)有限公司 医疗订单处理方法、装置、计算机设备和存储介质
CN115019980A (zh) * 2022-08-08 2022-09-06 阿里健康科技(杭州)有限公司 一种问诊数据处理方法和装置、用户终端和服务器
CN115187071A (zh) * 2022-07-12 2022-10-14 深圳依时货拉拉科技有限公司 订单风险识别方法、装置、计算机设备及可读存储介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006102422A2 (en) * 2005-03-22 2006-09-28 Credit Suisse Securities (Usa) Llc Variable product reinsurance
CN107123031A (zh) * 2017-05-02 2017-09-01 深圳乐信软件技术有限公司 一种订单处理方法及装置
US20200042906A1 (en) * 2018-08-01 2020-02-06 International Business Machines Corporation Determining sectors of a track to stage into cache using a machine learning module
CN109741065A (zh) * 2019-01-28 2019-05-10 广州虎牙信息科技有限公司 一种支付风险识别方法、装置、设备及存储介质
CN110147967A (zh) * 2019-05-28 2019-08-20 阿里巴巴集团控股有限公司 风险防控方法及装置
CN112418578A (zh) * 2019-08-22 2021-02-26 贝壳技术有限公司 一种业务风险预警方法、电子设备及存储介质
CN111798241A (zh) * 2020-05-18 2020-10-20 北京三快在线科技有限公司 交易数据处理方法、装置、电子设备及可读存储介质
CN113313337A (zh) * 2020-10-10 2021-08-27 国网冀北电力有限公司物资分公司 物资管理智能风控系统及管理方法
CN112466454A (zh) * 2021-01-22 2021-03-09 阿里健康科技(杭州)有限公司 一种开方数据处理方法和装置
CN112819476A (zh) * 2021-02-25 2021-05-18 北京互金新融科技有限公司 风险识别方法、装置、非易失性存储介质和处理器
CN113888181A (zh) * 2021-10-25 2022-01-04 支付宝(杭州)信息技术有限公司 业务处理及其风险检测策略体系的构建方法、装置及设备
CN114581066A (zh) * 2022-05-05 2022-06-03 阿里健康科技(杭州)有限公司 医疗订单处理方法、装置、计算机设备和存储介质
CN115187071A (zh) * 2022-07-12 2022-10-14 深圳依时货拉拉科技有限公司 订单风险识别方法、装置、计算机设备及可读存储介质
CN115019980A (zh) * 2022-08-08 2022-09-06 阿里健康科技(杭州)有限公司 一种问诊数据处理方法和装置、用户终端和服务器

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
RICHARD KRAUDE，SRIRAM NARAYANAN，SRINIVAS TALLURI: "Evaluating the performance of supply chain risk mitigation strategies using network data envelopment analysis", 《EUROPEAN JOURNAL OF OPERATIONAL RESEARCH》 *
卞保武: "中小企业ERP项目实施风险及控制方法探索", 《中国管理信息化》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116578845A (zh) * 2023-07-14 2023-08-11 杭州小策科技有限公司 一种批量标识数据学习的风险识别方法及系统
CN116578845B (zh) * 2023-07-14 2023-11-07 杭州小策科技有限公司 一种批量标识数据学习的风险识别方法及系统
CN117350547A (zh) * 2023-11-14 2024-01-05 深圳市明心数智科技有限公司 订单的风险处理方案确定方法、装置、设备及存储介质
CN117350547B (zh) * 2023-11-14 2024-03-26 深圳市明心数智科技有限公司 订单的风险处理方案确定方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN115345533B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
CN115345533B (zh) 订单数据处理方法、装置、设备及存储介质
US10635783B2 (en) Systems and methods for determining patient adherence to a prescribed medication protocol
US20210398675A1 (en) Method and system for medical suggestion search
US20180012244A1 (en) System and method to determine prescription drug benefit eligibility from electronic prescription data streams
CN107292597A (zh) 基于社保卡实现就诊支付的方法、移动终端及存储设备
WO2014031201A2 (en) Method, process and system for disease management using machine learning process and electronic media
WO2019196547A1 (zh) 处理业务的可用资源的方法和装置
US10642957B1 (en) Systems and methods for determining, collecting, and configuring patient intervention screening information from a pharmacy
WO2023035618A1 (zh) 基于自然语言处理的处方生成方法、装置、设备及介质
US20150317743A1 (en) Medicare advantage risk adjustment
WO2018034913A1 (en) Systems and methods for determining and providing a display of a plurality of wellness scores
US20100299156A1 (en) Health care management and patient education systems and methods
US11120894B2 (en) Medical concierge
US11514137B1 (en) Alternative therapy identification system
CN113658676A (zh) 一种基于互联网的认知行为心理健康管理方法及系统
CN113241134A (zh) 在线问诊医生分配方法和系统、存储介质
WO2017052358A1 (en) Comprehensive healthcare system and method for effective management of healthcare services
CN112164450A (zh) 一种医疗服务的签约方法和系统
CN115689834A (zh) 用于互联网诊疗平台的风险识别方法、装置及电子设备
US11842801B2 (en) Systems and methods for guiding traversal through logic series for event chains
US20150370976A1 (en) Systems and Methods for Determining Coverage for Medication or Services Related to Specific Conditions or Levels of Care
WO2013070983A1 (en) System and method for identifying healthcare fraud
KR102595659B1 (ko) 독립법인대리점을 통한 제휴보험사별 보험담보의 심사통과확률 예측시스템
US20240170157A1 (en) Resupply attrition using machine learning
US20240164711A1 (en) Method for improving traditional chinese medicine diagnosis procedures and treatment plans

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