CN117764534A - 数据分析方法、装置、计算机设备及存储介质 - Google Patents
数据分析方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117764534A CN117764534A CN202410038776.6A CN202410038776A CN117764534A CN 117764534 A CN117764534 A CN 117764534A CN 202410038776 A CN202410038776 A CN 202410038776A CN 117764534 A CN117764534 A CN 117764534A
- Authority
- CN
- China
- Prior art keywords
- survey
- target
- weight data
- data
- data analysis
- 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
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000007405 data analysis Methods 0.000 title claims abstract description 71
- 238000012545 processing Methods 0.000 claims abstract description 90
- 238000012550 audit Methods 0.000 claims abstract description 31
- 230000001960 triggered effect Effects 0.000 claims abstract description 13
- 238000011835 investigation Methods 0.000 claims description 34
- 238000004891 communication Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 28
- 238000012216 screening Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 18
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 241000282898 Sus scrofa Species 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000006735 deficit Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 241000283690 Bos taurus Species 0.000 description 3
- 241001494479 Pecora Species 0.000 description 3
- 241000282887 Suidae Species 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请属于人工智能领域与金融科技领域，涉及一种数据分析方法，包括：接收用户触发的养殖险理赔请求；基于出险地点信息生成对应的查勘处理任务并推送给查勘员；获取查勘员在客户端上录入的与指定标的对应的查勘照片与体重数据；若查勘照片符合拍摄标准，基于体重预测模型对查勘照片进行预测处理，生成与指定标的对应的预测体重数据；对预测体重数据与体重数据进行数据分析，生成与指定标的对应的审核结果。本申请还提供一种数据分析装置、计算机设备及存储介质。此外，本申请的审核结果可存储于区块链中。本申请可应用于金融领域的理赔数据审核场景，有效地提高了对于指定标的对应的体重数据的审核处理效率，保证了生成的审核结果的准确性。
Description
技术领域
本申请涉及人工智能开发技术领域与金融科技领域，尤其涉及数据分析方法、装置、计算机设备及存储介质。
背景技术
在农业险理赔领域，保险企业的养殖险出险的案件量在所有险种里面占比较大，其中一些常见的牲畜，例如猪、牛、羊等的险种出险比较频繁，养殖险的查勘员需现场对出险标的查勘拍照，并对此类案件进行拍照上传相关标的对应的照片，然后进行相关标的体重数据上传。
在农业险中养殖险的查勘定损过程中，出险标的重量可能存在人为误差，赔付重量和实际重量可能存在不符的情况，因而后续审核人员需要对查勘员上传的标的对应的照片与体重数据进行审核，并进行相应的赔付处理。然而，现有的对查勘员上传的标的对应的照片与体重数据进行审核的方式，审核人员很难通过肉眼识别出现场查勘的标的照片是否与真实情况存在实际误差，仅凭个人经验来完成标的对应的体重数据的审核，导致对于标的对应的体重数据的审核的准确性较低，且审核效率也较低。
发明内容
本申请实施例的目的在于提出一种数据分析方法、装置、计算机设备及存储介质，以解决现有的对查勘员上传的标的对应的照片与体重数据进行审核的方式，审核人员仅凭个人经验来完成标的对应的体重数据的审核，导致对于标的对应的体重数据的审核的准确性较低，且审核效率也较低的技术问题。
为了解决上述技术问题，本申请实施例提供一种数据分析方法，采用了如下所述的技术方案：
接收用户触发的养殖险理赔请求；其中，所述养殖险理赔请求携带有出险地点信息；
基于所述出险地点信息生成对应的查勘处理任务，并将所述查勘处理任务推送给对应的查勘员；
获取所述查勘员在执行所述查勘处理任务的过程中，在预设的客户端上录入的与指定标的对应的查勘照片；
判断所述查勘照片是否符合预设的拍摄标准；
若所述查勘照片符合所述拍摄标准，基于预设的体重预测模型对所述查勘照片进行预测处理，生成与所述指定标的对应的预测体重数据；
获取所述查勘员在所述客户端上输入的与所述指定标的对应的体重数据；
对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果。
进一步的，所述对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果的步骤，具体包括：
获取预设的数值范围区间；
计算所述预测体重数据与所述体重数据之间的差值绝对值；
判断所述差值绝对值是否处于所述数值范围区间内；
若是，生成与所述指定标的对应的审核通过的第一审核结果；
若否，生成与所述指定标的对应的审核未通过的第二审核结果。
进一步的，在所述对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果的步骤之后，还包括：
若所述审核结果为审核通过，则获取预设的定损计算公式；
基于所述定损计算公式对所述体重数据进行计算处理，生成与所述指定标的对应的定损数值；
构建所述指定标的与所述定损数值之间的数据关联关系；
基于所述数据关联关系，对所述定损数值进行存储处理。
进一步的，在所述对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果的步骤之后，还包括：
若所述审核结果为审核未通过，生成与所述查勘员以及所述指定标对应的预警信息；
获取目标审核人员的第一通讯信息；
基于所述第一通讯信息，将所述预警信息发送给所述目标审核人员。
进一步的，在所述获取所述查勘员在执行所述查勘处理任务的过程中，在预设的客户端上录入的与指定标的对应的查勘照片的步骤之后，还包括：
获取在所述客户端中录入的所有业务图片；
判断在所有所述业务图片中是否存在重复图片；
若是，从所有所述业务图片中筛选出所述重复图片；
对所述重复图片进行去重处理。
进一步的，所述从所有所述业务图片中筛选出所述重复图片的步骤，具体包括：
调用预设的目标相似度算法；
基于所述目标相似度算法，对所有所述业务图片中的两两之间的图片进行相似度计算，得到对应的相似度结果；
从所有所述相似度结果中筛选大于预设的相似度阈值的目标相似度结果；
从所有所述业务图片中获取与所述目标相似度结果对应的目标图片；
将所述目标图片作为所述重复图片。
进一步的，在所述判断所述查勘照片是否符合预设的拍摄标准的步骤之后，还包括：
若所述查勘照片不符合所述拍摄标准，获取与所述指定标的对应的指定品种类别；
获取与所述指定品种类别对应的指定拍摄提示信息；
获取所述查勘员的第二通讯信息；
基于所述第二通讯信息，将所述指定拍摄提醒信息发送给所述查勘员。
为了解决上述技术问题，本申请实施例还提供一种数据分析装置，采用了如下所述的技术方案：
接收模块，用于接收用户触发的养殖险理赔请求；其中，所述养殖险理赔请求携带有出险地点信息；
推送模块，用于基于所述出险地点信息生成对应的查勘处理任务，并将所述查勘处理任务推送给对应的查勘员；
第一获取模块，用于获取所述查勘员在执行所述查勘处理任务的过程中，在预设的客户端上录入的与指定标的对应的查勘照片；
第一判断模块，用于判断所述查勘照片是否符合预设的拍摄标准；
预测模块，用于若所述查勘照片符合所述拍摄标准，基于预设的体重预测模型对所述查勘照片进行预测处理，生成与所述指定标的对应的预测体重数据；
第二获取模块，用于获取所述查勘员在所述客户端上输入的与所述指定标的对应的体重数据；
分析模块，用于对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
接收用户触发的养殖险理赔请求；其中，所述养殖险理赔请求携带有出险地点信息；
基于所述出险地点信息生成对应的查勘处理任务，并将所述查勘处理任务推送给对应的查勘员；
获取所述查勘员在执行所述查勘处理任务的过程中，在预设的客户端上录入的与指定标的对应的查勘照片；
判断所述查勘照片是否符合预设的拍摄标准；
若所述查勘照片符合所述拍摄标准，基于预设的体重预测模型对所述查勘照片进行预测处理，生成与所述指定标的对应的预测体重数据；
获取所述查勘员在所述客户端上输入的与所述指定标的对应的体重数据；
对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果。
为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
接收用户触发的养殖险理赔请求；其中，所述养殖险理赔请求携带有出险地点信息；
基于所述出险地点信息生成对应的查勘处理任务，并将所述查勘处理任务推送给对应的查勘员；
获取所述查勘员在执行所述查勘处理任务的过程中，在预设的客户端上录入的与指定标的对应的查勘照片；
判断所述查勘照片是否符合预设的拍摄标准；
若所述查勘照片符合所述拍摄标准，基于预设的体重预测模型对所述查勘照片进行预测处理，生成与所述指定标的对应的预测体重数据；
获取所述查勘员在所述客户端上输入的与所述指定标的对应的体重数据；
对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果。
与现有技术相比，本申请实施例主要有以下有益效果：
本申请实施例在接收到用户触发的养殖险理赔请求后，基于所述出险地点信息生成对应的查勘处理任务，并将所述查勘处理任务推送给对应的查勘员；然后获取所述查勘员在执行所述查勘处理任务的过程中，在预设的客户端上录入的与指定标的对应的查勘照片；之后判断所述查勘照片是否符合预设的拍摄标准；若所述查勘照片符合所述拍摄标准，基于预设的体重预测模型对所述查勘照片进行预测处理，生成与所述指定标的对应的预测体重数据；后续获取所述查勘员在所述客户端上输入的与所述指定标的对应的体重数据；最后对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果。本申请实施例在所述查勘员在执行所述查勘处理任务的过程中，如果检测到接收到的查勘员在预设的客户端上录入的与指定标的对应的查勘照片符合预设的拍摄标准，则会智能地基于预设的体重预测模型对所述查勘照片进行预测处理，生成与所述指定标的对应的预测体重数据，进而会自动对所述预测体重数据与查勘员在所述客户端上输入的与所述指定标的对应的体重数据进行数据分析，以实现快速准确地生成与所述指定标的对应的审核结果，从而可以降低查勘员出现的人为误差，有效地提高了对于指定标的对应的体重数据的审核处理效率，保证了生成的审核结果的准确性，有利于降低养殖险理赔案件的赔付风险，提高养殖险理赔案件的线上赔付的准确率。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，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是本申请可以应用于其中的示例性系统架构图；
图2根据本申请的数据分析方法的一个实施例的流程图；
图3是根据本申请的数据分析装置的一个实施例的结构示意图；
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的数据分析方法一般由服务器/终端设备执行，相应地，数据分析装置一般设置于服务器/终端设备中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的数据分析方法的一个实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。本申请实施例提供的数据分析方法能够应用于任意一种需要进行养殖险的理赔数据审核的场景中，则该数据分析方法能够应用于这些场景的产品中，例如，金融保险领域中的养殖险的理赔数据审核。所述的数据分析方法，包括以下步骤：
步骤S201，接收用户触发的养殖险理赔请求；其中，所述养殖险理赔请求携带有出险地点信息。
在本实施例中，数据分析方法运行于其上的电子设备(例如图1所示的服务器/终端设备)，可以通过有线连接方式或者无线连接方式获取养殖险理赔请求。需要指出的是，上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。上述数据分析方法的执行主体具体可为保险理赔系统。上述用户可为农户，用户可通过对保险理赔系统对应的理赔客户端中的养殖险理赔申请按钮进行点击，以完成养殖险理赔请求的触发。上述出险地点信息为用户饲养需要进行理赔的标的所对应的位置信息。
步骤S202，基于所述出险地点信息生成对应的查勘处理任务，并将所述查勘处理任务推送给对应的查勘员。
在本实施例中，可通过从养殖险理赔请求中提取出上述出险地点信息，并将所述出险地点信息填充至预设的查勘处理任务模板内以生成相应的查勘处理任务。其中，上述查勘处理任务模板为根据实际的生成理赔查勘任务的业务需求所构建的模板文件。上述查勘员为预先安排的需要到与所述养殖险理赔请求中携带的出险地点信息的出险地点进行现场查勘或无害化查勘的人员。
步骤S203，获取所述查勘员在执行所述查勘处理任务的过程中，在预设的客户端上录入的与指定标的对应的查勘照片。
在本实施例中，查勘员在执行所述查勘处理任务的过程中，需要使用客户端完成线上查勘，查勘员需根据客户端上的照片上传引导来上传与用户需要进行理赔的标的对应的查勘照片。其中，上述客户端可为农保客户端。
步骤S204，判断所述查勘照片是否符合预设的拍摄标准。
在本实施例中，对于不同品种类别的标的，例如猪类、牛类、羊类等，预先会根据实际的理赔处理需求生成有用于对各种品种类别进行现场拍摄的查勘图片的拍摄标准。
步骤S205，若所述查勘照片符合所述拍摄标准，基于预设的体重预测模型对所述查勘照片进行预测处理，生成与所述指定标的对应的预测体重数据。
在本实施例中，可通过对查勘照片进行图像处理，得到与所述指定标的对应的背部图像数据；然后将所述背部图像数据输入上述体重预测模型内，得到所述体重预测模型输出的与所述指定标的对应的预测体重数据；其中，上述指定标的具体可为猪类标的。所述体重预测模型为采用所述指定标的的背部图像样本与所述指定标的的背部图像样本对应的体重训练得到的模型。另外，还可以根据AI智能图像识别技术，识别计算得到指定标的对应的体长、体重信息。AI智能图像识别是一种依据图像中物体的形态特征，对物体的信息进行自动识别归类技术，结合深度学习AI算法，大数据分析，能够更加精准的检测和识别物体的特征，不会因为图像重复而重复识别计算，极大的提高了图像物体的识别准确度。基于AI智能图像识别技术在农业险查勘上的实践，是结合当前主流的技术，在农业险查勘上成功的实践，打破了传统保险传统查勘思维，助力农业险在理赔领域提供更高效、更准确、风险更小的理赔服务，既减少了理赔从报案到赔付的时间，同时也让审批人员有参考点，提升审批效率，有效的减少了赔付风险，通过引入AI智能图像识别技术，为保险企业降低了人力成本。
步骤S206，获取所述查勘员在所述客户端上输入的与所述指定标的对应的体重数据。
在本实施例中，查勘员可通过在出险地点进行对于指定标的的称重测量处理，并在客户端上输入的与指定标的对应的体重数据。
步骤S207，对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果。
在本实施例中，上述对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。
本申请在接收到用户触发的养殖险理赔请求后，基于所述出险地点信息生成对应的查勘处理任务，并将所述查勘处理任务推送给对应的查勘员；然后获取所述查勘员在执行所述查勘处理任务的过程中，在预设的客户端上录入的与指定标的对应的查勘照片；之后判断所述查勘照片是否符合预设的拍摄标准；若所述查勘照片符合所述拍摄标准，基于预设的体重预测模型对所述查勘照片进行预测处理，生成与所述指定标的对应的预测体重数据；后续获取所述查勘员在所述客户端上输入的与所述指定标的对应的体重数据；最后对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果。本申请在所述查勘员在执行所述查勘处理任务的过程中，如果检测到接收到的查勘员在预设的客户端上录入的与指定标的对应的查勘照片符合预设的拍摄标准，则会智能地基于预设的体重预测模型对所述查勘照片进行预测处理，生成与所述指定标的对应的预测体重数据，进而会自动对所述预测体重数据与查勘员在所述客户端上输入的与所述指定标的对应的体重数据进行数据分析，以实现快速准确地生成与所述指定标的对应的审核结果，从而可以降低查勘员出现的人为误差，有效地提高了对于指定标的对应的体重数据的审核处理效率，保证了生成的审核结果的准确性，有利于降低养殖险理赔案件的赔付风险，提高养殖险理赔案件的线上赔付的准确率。
在一些可选的实现方式中，步骤S207包括以下步骤：
获取预设的数值范围区间。
在本实施例中，对于上述数值范围区间的取值不做具体限定，可根据实际的理赔数据审核需求进行设置，例如可设为-2至2。
计算所述预测体重数据与所述体重数据之间的差值绝对值。
在本实施例中，可通过对所述预测体重数据与所述体重数据进行差值计算处理，以得到所述预测体重数据与所述体重数据之间的差值绝对值。
判断所述差值绝对值是否处于所述数值范围区间内。
若是，生成与所述指定标的对应的审核通过的第一审核结果。
在本实施例中，如果与所述指定标的对应的预测体重数据与体重数据之间的差值绝对值处于所述数值范围区间内，则判定查勘员在所述客户端上输入的体重数据为准确的数据，并会生成与所述指定标的对应的审核通过的第一审核结果。
若否，生成与所述指定标的对应的审核未通过的第二审核结果。
在本实施例中，如果与所述指定标的对应的预测体重数据与体重数据之间的差值绝对值不处于所述数值范围区间内，则判定查勘员在所述客户端上输入的体重数据为不准确的存在较大误差的数据，并会生成与所述指定标的对应的审核未通过的第二审核结果。
本申请通过获取预设的数值范围区间；然后计算所述预测体重数据与所述体重数据之间的差值绝对值；后判断所述差值绝对值是否处于所述数值范围区间内；若是，生成与所述指定标的对应的审核通过的第一审核结果；若否，生成与所述指定标的对应的审核未通过的第二审核结果。本申请通过计算所述预测体重数据与所述体重数据之间的差值绝对值，然后使用差值绝对值与所述数值范围区间进行数据比较，进而根据得到的数据比较结果来快速准确地生成与所述指定标的对应的审核结果，提高了对于指定标的体重数据的审核的处理效率，保证了生成的指定标的对应的审核结果的准确性。
在本实施例的一些可选的实现方式中，在步骤S207之后，上述电子设备还可以执行以下步骤：
若所述审核结果为审核通过，则获取预设的定损计算公式。
在本实施例中，上述定损计算公式为根据实际的定损计算的业务需求预先构建的公式。
基于所述定损计算公式对所述体重数据进行计算处理，生成与所述指定标的对应的定损数值。
在本实施例中，可通过将所述体重数据代入至该定损计算公式内，以生成与所述指定标的对应的定损数值。
构建所述指定标的与所述定损数值之间的数据关联关系。
在本实施例中，上述数据关联关系是指构建所述指定标的与所述定损数值之间的对应关系。
基于所述数据关联关系，对所述定损数值进行存储处理。
在本实施例中，对于上述定损数值的存储方式不做具体限定，例如可采用区块链存储、网盘存储、本地数据库存储等等。
本申请若检测到所述审核结果为审核通过，则获取预设的定损计算公式；然后基于所述定损计算公式对所述体重数据进行计算处理，生成与所述指定标的对应的定损数值；之后构建所述指定标的与所述定损数值之间的数据关联关系；后续基于所述数据关联关系，对所述定损数值进行存储处理。本申请在对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果后，如果检测出所述审核结果为审核通过，还会智能地使用预设的定损计算公式对所述体重数据进行计算处理，生成与所述指定标的对应的定损数值，以实现快速自动地与所述指定标的对应的定损数值，从而无需再通过人工计算指定标的对应的定损数值，减少了计算定损数值的处理工作量，提高了定损数值的计算效率，保证了生成的定损数值的准确性。另外，还会根据所述指定标的与所述定损数值之间的数据关联关系，对所述定损数值进行存储处理，以确保生成的定损数值的数据安全性，提高了定损数值的存储智能性。
在一些可选的实现方式中，在步骤S207之后，上述电子设备还可以执行以下步骤：
若所述审核结果为审核未通过，生成与所述查勘员以及所述指定标对应的预警信息。
在本实施例中，可通过将所述查勘员以及所述指定标填充至预设的预警信息模板内的相应位置处，以生成相应的预警信息。其中，上述预警信息模板为根据实际的与查勘员的数据上传有误的预警提醒的业务需求构建生成的，对于该预警信息模板的内容不做限定。
获取目标审核人员的第一通讯信息。
在本实施例中，目标处理人员可为保险企业的理赔审核人员。上述第一通讯信息可包括邮件地址或电话号码。
基于所述第一通讯信息，将所述预警信息发送给所述目标审核人员。
在本实施例中，可根据所述第一通讯信息，将所述预警信息发送给所述目标审核人员对应的通讯终端。
本申请若检测到所述审核结果为审核未通过，生成与所述查勘员以及所述指定标对应的预警信息；然后获取目标审核人员的第一通讯信息；后续基于所述第一通讯信息，将所述预警信息发送给所述目标审核人员。
本申请对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果后，如果检测出所述审核结果为审核未通过，还会智能地生成与所述查勘员以及所述指定标对应的预警信息，进而根据目标审核人员的第一通讯信息，将所述预警信息发送给所述目标审核人员，以便目标审核人员能够根据得到的预警信息来及时对养殖险理赔请求以及查勘员进行风险排查，并进行后续的应对措施，有利于提高目标审核人员的工作效率与工作体验，进而降低理赔处理的人为误差，降低养殖险理赔案件的赔付风险。
在一些可选的实现方式中，在步骤S203之后，上述电子设备还可以执行以下步骤：
获取在所述客户端中录入的所有业务图片。
在本实施例中，在查勘员进行查勘处理任务时，会将后续进行理赔处理所需的业务数据上传至客户端内。
判断在所有所述业务图片中是否存在重复图片。
在本实施例中，上述判断在所有所述业务图片中是否存在重复图片的过程可参照后续的从所有所述业务图片中筛选出所述重复图片的处理过程，在此不做过多阐述。
若是，从所有所述业务图片中筛选出所述重复图片。
在本实施例中，上述从所有所述业务图片中筛选出所述重复图片的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。
对所述重复图片进行去重处理。
在本实施例中，通过对所述重复图片进行去重处理，可以有效避免重复照片多次上传的现象，从而提升理赔案件查勘效率，并能降低客户端的存储空间。
本申请通过获取在所述客户端中录入的所有业务图片；然后判断在所有所述业务图片中是否存在重复图片；若是，从所有所述业务图片中筛选出所述重复图片；后续对所述重复图片进行去重处理。本申请通过对所述客户端中录入的所有业务图片进行重复图片检测，如果检测到业务图片中存在重复图片，则会智能地对所述重复图片进行去重处理，以有效避免重复照片多次上传的现象，从而提升理赔案件查勘效率，并能有助于降低客户端的存储空间。
在本实施例的一些可选的实现方式中，所述从所有所述业务图片中筛选出所述重复图片，包括以下步骤：
调用预设的目标相似度算法。
在本实施例中，上述目标相似度算法可包括余弦相似度、皮尔森相关系数、Jaccard相似系数、Tanimoto系数等中的任意一种。
基于所述目标相似度算法，对所有所述业务图片中的两两之间的图片进行相似度计算，得到对应的相似度结果。
从所有所述相似度结果中筛选大于预设的相似度阈值的目标相似度结果。
在本实施例中，对于上述相似度阈值的取值不做具体限定，可根据实际的相似判断的需求进行设置，例如可设为0.95。
从所有所述业务图片中获取与所述目标相似度结果对应的目标图片。
将所述目标图片作为所述重复图片。
本申请通过调用预设的目标相似度算法；然后基于所述目标相似度算法，对所有所述业务图片中的两两之间的图片进行相似度计算，得到对应的相似度结果；之后从所有所述相似度结果中筛选大于预设的相似度阈值的目标相似度结果；后续从所有所述业务图片中获取与所述目标相似度结果对应的目标图片，并将所述目标图片作为所述重复图片。本申请通过调用预设的目标相似度算法对所有所述业务图片进行相似度计算，进而根据得到的相似度结果与预设的相似度阈值进行数据分析，从而可以根据得到的数据分析结果来实现快速准确地从所有所述业务图片中筛选出重复图片，提高了重复图片的获取效率与获取准确性。
在本实施例的一些可选的实现方式中，在步骤S204之后，上述电子设备还可以执行以下步骤：
若所述查勘照片不符合所述拍摄标准，获取与所述指定标的对应的指定品种类别。
在本实施例中，在猪类标的所对应的理赔业务处理的应用场景下，如果指定标的为杜洛克、小香猪、博白等品种的猪，则该指定标的对应的指定品种类别为猪类。
获取与所述指定品种类别对应的指定拍摄提示信息。
在本实施例中，对于不同品种类别的标的，例如猪类、牛类、羊类等，预先会根据实际的理赔处理需求生成有用于对各种品种类别进行现场拍摄的拍摄提示信息。示例性的，如果指定品种类别为猪类，则对应的拍摄提示信息包括：需要拍摄猪体耳标号照片，猪体全身照片，且每个猪体耳标号对应一个查勘全身照片。
获取所述查勘员的第二通讯信息。
在本实施例中，上述第二通讯信息包括邮件地址或电话号码。
基于所述第一通讯信息，将所述预警信息发送给所述目标审核人员。
基于所述第二通讯信息，将所述指定拍摄提醒信息发送给所述查勘员。
在本实施例中，可根据所述第二通讯信息，将所述预警信息发送给所述查勘员对应的通讯终端。
本申请若检测出所述查勘照片不符合所述拍摄标准，获取与所述指定标的对应的指定品种类别；然后获取与所述指定品种类别对应的指定拍摄提示信息；之后获取所述查勘员的第二通讯信息；后续基于所述第二通讯信息，将所述指定拍摄提醒信息发送给所述查勘员。本申请在检测到所述查勘照片不符合所述拍摄标准时，会智能地根据与所述指定标的对应的指定品种类别来获取相应的指定拍摄提示信息，并基于所述查勘员的第二通讯信息，将所述指定拍摄提醒信息发送给所述查勘员，以便通过指定拍摄提醒信息来辅助查勘员来进行对于指定标的所匹配的正确的拍摄处理，从而确保查勘员在客户端上录入的与指定标的对应的查勘照片的准确性，有利于保障查勘员的拍摄处理的顺利进行，进而提高查勘员的工作效率与工作体验。
应理解，上述实施例中各步骤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，而不应对本发明实施例的实施过程构成任何限定。
需要强调的是，为进一步保证上述预测体重数据的私密和安全性，上述预测体重数据还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本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。
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，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一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，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3，作为对上述图2所示方法的实现，本申请提供了一种数据分析装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图3所示，本实施例所述的数据分析装置300包括：接收模块301、推送模块302、第一获取模块303、第一判断模块304、预测模块305、第二获取模块306以及分析模块307。其中：
接收模块301，用于接收用户触发的养殖险理赔请求；其中，所述养殖险理赔请求携带有出险地点信息；
推送模块302，用于基于所述出险地点信息生成对应的查勘处理任务，并将所述查勘处理任务推送给对应的查勘员；
第一获取模块303，用于获取所述查勘员在执行所述查勘处理任务的过程中，在预设的客户端上录入的与指定标的对应的查勘照片；
第一判断模块304，用于判断所述查勘照片是否符合预设的拍摄标准；
预测模块305，用于若所述查勘照片符合所述拍摄标准，基于预设的体重预测模型对所述查勘照片进行预测处理，生成与所述指定标的对应的预测体重数据；
第二获取模块306，用于获取所述查勘员在所述客户端上输入的与所述指定标的对应的体重数据；
分析模块307，用于对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的数据分析方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中，分析模块307包括：
第一获取子模块，用于获取预设的数值范围区间；
第一计算子模块，用于计算所述预测体重数据与所述体重数据之间的差值绝对值；
判断子模块，用于判断所述差值绝对值是否处于所述数值范围区间内；
第一生成子模块，用于若是，生成与所述指定标的对应的审核通过的第一审核结果；
第二生成子模块，用于若否，生成与所述指定标的对应的审核未通过的第二审核结果。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的数据分析方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中,数据分析装置还包括：
第三获取模块，用于若所述审核结果为审核通过，则获取预设的定损计算公式；
第一生成模块，用于基于所述定损计算公式对所述体重数据进行计算处理，生成与所述指定标的对应的定损数值；
构建模块，用于构建所述指定标的与所述定损数值之间的数据关联关系；
存储模块，用于基于所述数据关联关系，对所述定损数值进行存储处理。
本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的数据分析方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中，数据分析装置还包括：
第二生成模块，用于若所述审核结果为审核未通过，生成与所述查勘员以及所述指定标对应的预警信息；
第四获取模块，用于获取目标审核人员的第一通讯信息；
第一发送模块，用于基于所述第一通讯信息，将所述预警信息发送给所述目标审核人员。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的数据分析方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中，数据分析装置还包括：
第五获取模块，用于获取在所述客户端中录入的所有业务图片；
第二判断模块，用于判断在所有所述业务图片中是否存在重复图片；
筛选模块，用于若是，从所有所述业务图片中筛选出所述重复图片；
去重模块，用于对所述重复图片进行去重处理。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的数据分析方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中，筛选模块包括：
调用子模块，用于调用预设的目标相似度算法；
第二计算子模块，用于基于所述目标相似度算法，对所有所述业务图片中的两两之间的图片进行相似度计算，得到对应的相似度结果；
筛选子模块，用于从所有所述相似度结果中筛选大于预设的相似度阈值的目标相似度结果；
第二获取子模块，用于从所有所述业务图片中获取与所述目标相似度结果对应的目标图片；
确定子模块，用于将所述目标图片作为所述重复图片。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的数据分析方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中，数据分析装置还包括：
第六获取模块，用于若所述查勘照片不符合所述拍摄标准，获取与所述指定标的对应的指定品种类别；
第七获取模块，用于获取与所述指定品种类别对应的指定拍摄提示信息；
第八获取模块，用于获取所述查勘员的第二通讯信息；
第二获取模块，用于基于所述第二通讯信息，将所述指定拍摄提醒信息发送给所述查勘员。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的数据分析方法的步骤一一对应，在此不再赘述。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图4，图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件41-43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如数据分析方法的计算机可读指令等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据，例如运行所述数据分析方法的计算机可读指令。
所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
与现有技术相比，本申请实施例主要有以下有益效果：
本申请实施例中，在接收到用户触发的养殖险理赔请求后，基于所述出险地点信息生成对应的查勘处理任务，并将所述查勘处理任务推送给对应的查勘员；然后获取所述查勘员在执行所述查勘处理任务的过程中，在预设的客户端上录入的与指定标的对应的查勘照片；之后判断所述查勘照片是否符合预设的拍摄标准；若所述查勘照片符合所述拍摄标准，基于预设的体重预测模型对所述查勘照片进行预测处理，生成与所述指定标的对应的预测体重数据；后续获取所述查勘员在所述客户端上输入的与所述指定标的对应的体重数据；最后对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果。本申请实施例在所述查勘员在执行所述查勘处理任务的过程中，如果检测到接收到的查勘员在预设的客户端上录入的与指定标的对应的查勘照片符合预设的拍摄标准，则会智能地基于预设的体重预测模型对所述查勘照片进行预测处理，生成与所述指定标的对应的预测体重数据，进而会自动对所述预测体重数据与查勘员在所述客户端上输入的与所述指定标的对应的体重数据进行数据分析，以实现快速准确地生成与所述指定标的对应的审核结果，从而可以降低查勘员出现的人为误差，有效地提高了对于指定标的对应的体重数据的审核处理效率，保证了生成的审核结果的准确性，有利于降低养殖险理赔案件的赔付风险，提高养殖险理赔案件的线上赔付的准确率。
本申请还提供了另一种实施方式，即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可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的数据分析方法的步骤。
与现有技术相比，本申请实施例主要有以下有益效果：
本申请实施例中，在接收到用户触发的养殖险理赔请求后，基于所述出险地点信息生成对应的查勘处理任务，并将所述查勘处理任务推送给对应的查勘员；然后获取所述查勘员在执行所述查勘处理任务的过程中，在预设的客户端上录入的与指定标的对应的查勘照片；之后判断所述查勘照片是否符合预设的拍摄标准；若所述查勘照片符合所述拍摄标准，基于预设的体重预测模型对所述查勘照片进行预测处理，生成与所述指定标的对应的预测体重数据；后续获取所述查勘员在所述客户端上输入的与所述指定标的对应的体重数据；最后对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果。本申请实施例在所述查勘员在执行所述查勘处理任务的过程中，如果检测到接收到的查勘员在预设的客户端上录入的与指定标的对应的查勘照片符合预设的拍摄标准，则会智能地基于预设的体重预测模型对所述查勘照片进行预测处理，生成与所述指定标的对应的预测体重数据，进而会自动对所述预测体重数据与查勘员在所述客户端上输入的与所述指定标的对应的体重数据进行数据分析，以实现快速准确地生成与所述指定标的对应的审核结果，从而可以降低查勘员出现的人为误差，有效地提高了对于指定标的对应的体重数据的审核处理效率，保证了生成的审核结果的准确性，有利于降低养殖险理赔案件的赔付风险，提高养殖险理赔案件的线上赔付的准确率。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。
Claims (10)
1.一种数据分析方法，其特征在于，包括下述步骤：
接收用户触发的养殖险理赔请求；其中，所述养殖险理赔请求携带有出险地点信息；
基于所述出险地点信息生成对应的查勘处理任务，并将所述查勘处理任务推送给对应的查勘员；
获取所述查勘员在执行所述查勘处理任务的过程中，在预设的客户端上录入的与指定标的对应的查勘照片；
判断所述查勘照片是否符合预设的拍摄标准；
若所述查勘照片符合所述拍摄标准，基于预设的体重预测模型对所述查勘照片进行预测处理，生成与所述指定标的对应的预测体重数据；
获取所述查勘员在所述客户端上输入的与所述指定标的对应的体重数据；
对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果。
2.根据权利要求1所述的数据分析方法，其特征在于，所述对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果的步骤，具体包括：
获取预设的数值范围区间；
计算所述预测体重数据与所述体重数据之间的差值绝对值；
判断所述差值绝对值是否处于所述数值范围区间内；
若是，生成与所述指定标的对应的审核通过的第一审核结果；
若否，生成与所述指定标的对应的审核未通过的第二审核结果。
3.根据权利要求1所述的数据分析方法，其特征在于，在所述对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果的步骤之后，还包括：
若所述审核结果为审核通过，则获取预设的定损计算公式；
基于所述定损计算公式对所述体重数据进行计算处理，生成与所述指定标的对应的定损数值；
构建所述指定标的与所述定损数值之间的数据关联关系；
基于所述数据关联关系，对所述定损数值进行存储处理。
4.根据权利要求1所述的数据分析方法，其特征在于，在所述对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果的步骤之后，还包括：
若所述审核结果为审核未通过，生成与所述查勘员以及所述指定标对应的预警信息；
获取目标审核人员的第一通讯信息；
基于所述第一通讯信息，将所述预警信息发送给所述目标审核人员。
5.根据权利要求1所述的数据分析方法，其特征在于，在所述获取所述查勘员在执行所述查勘处理任务的过程中，在预设的客户端上录入的与指定标的对应的查勘照片的步骤之后，还包括：
获取在所述客户端中录入的所有业务图片；
判断在所有所述业务图片中是否存在重复图片；
若是，从所有所述业务图片中筛选出所述重复图片；
对所述重复图片进行去重处理。
6.根据权利要求5所述的数据分析方法，其特征在于，所述从所有所述业务图片中筛选出所述重复图片的步骤，具体包括：
调用预设的目标相似度算法；
基于所述目标相似度算法，对所有所述业务图片中的两两之间的图片进行相似度计算，得到对应的相似度结果；
从所有所述相似度结果中筛选大于预设的相似度阈值的目标相似度结果；
从所有所述业务图片中获取与所述目标相似度结果对应的目标图片；
将所述目标图片作为所述重复图片。
7.根据权利要求1所述的数据分析方法，其特征在于，在所述判断所述查勘照片是否符合预设的拍摄标准的步骤之后，还包括：
若所述查勘照片不符合所述拍摄标准，获取与所述指定标的对应的指定品种类别；
获取与所述指定品种类别对应的指定拍摄提示信息；
获取所述查勘员的第二通讯信息；
基于所述第二通讯信息，将所述指定拍摄提醒信息发送给所述查勘员。
8.一种数据分析装置，其特征在于，包括：
接收模块，用于接收用户触发的养殖险理赔请求；其中，所述养殖险理赔请求携带有出险地点信息；
推送模块，用于基于所述出险地点信息生成对应的查勘处理任务，并将所述查勘处理任务推送给对应的查勘员；
第一获取模块，用于获取所述查勘员在执行所述查勘处理任务的过程中，在预设的客户端上录入的与指定标的对应的查勘照片；
第一判断模块，用于判断所述查勘照片是否符合预设的拍摄标准；
预测模块，用于若所述查勘照片符合所述拍摄标准，基于预设的体重预测模型对所述查勘照片进行预测处理，生成与所述指定标的对应的预测体重数据；
第二获取模块，用于获取所述查勘员在所述客户端上输入的与所述指定标的对应的体重数据；
分析模块，用于对所述预测体重数据与所述体重数据进行数据分析，生成与所述指定标的对应的审核结果。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的数据分析方法的步骤。
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上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的数据分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410038776.6A CN117764534A (zh) | 2024-01-09 | 2024-01-09 | 数据分析方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410038776.6A CN117764534A (zh) | 2024-01-09 | 2024-01-09 | 数据分析方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117764534A true CN117764534A (zh) | 2024-03-26 |
Family
ID=90312581
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410038776.6A Pending CN117764534A (zh) | 2024-01-09 | 2024-01-09 | 数据分析方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117764534A (zh) |
-
2024
- 2024-01-09 CN CN202410038776.6A patent/CN117764534A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112863683B (zh) | 基于人工智能的病历质控方法、装置、计算机设备及存储介质 | |
| CN109976997B (zh) | 测试方法和装置 | |
| CN108228428B (zh) | 用于输出信息的方法和装置 | |
| CN111598122B (zh) | 数据校验方法、装置、电子设备和存储介质 | |
| CN114428677B (zh) | 任务处理方法、处理装置、电子设备及存储介质 | |
| CN112613569A (zh) | 图像识别方法、图像分类模型的训练方法及装置 | |
| CN110688536A (zh) | 一种标签预测方法、装置、设备和存储介质 | |
| CN115237724A (zh) | 基于人工智能的数据监控方法、装置、设备及存储介质 | |
| CN116453125A (zh) | 基于人工智能的数据录入方法、装置、设备及存储介质 | |
| CN115757075A (zh) | 任务异常检测方法、装置、计算机设备及存储介质 | |
| CN115936895A (zh) | 基于人工智能的风险评估方法、装置、设备及存储介质 | |
| CN114241411B (zh) | 基于目标检测的计数模型处理方法、装置及计算机设备 | |
| CN111383768B (zh) | 医疗数据回归分析方法、装置、电子设备及计算机可读介质 | |
| CN114092031A (zh) | 工程文件数据清标系统 | |
| CN117875320A (zh) | 基于人工智能的数据处理方法、装置、设备及存储介质 | |
| CN113177701A (zh) | 一种用户信用评估方法和装置 | |
| CN117114901A (zh) | 基于人工智能的投保数据处理方法、装置、设备及介质 | |
| CN116681045A (zh) | 报表生成方法、装置、计算机设备及存储介质 | |
| CN116703466A (zh) | 基于改进灰狼算法的系统访问量预测方法及其相关设备 | |
| CN117764534A (zh) | 数据分析方法、装置、计算机设备及存储介质 | |
| CN113780855A (zh) | 医疗机构监管方法、装置、计算机设备及存储介质 | |
| CN111125272B (zh) | 一种区域特征获取方法、装置、计算机设备及介质 | |
| CN117787723A (zh) | 基于人工智能的数据预测方法、装置、设备及存储介质 | |
| CN117132409A (zh) | 基于人工智能的核保数据处理方法、装置、设备及介质 | |
| CN113111168B (zh) | 基于深度学习模型接处警文本户籍地信息提取方法和装置 |
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 |