CN118229435B - 一种保险数据的风险分析方法及系统 - Google Patents

Abstract

本发明公开了一种保险数据的风险分析方法及系统，涉及数据分析技术领域，包括根据历史客户的投保信息和保单信息构建客户画像，并建立投保信息和保单信息之间的第一映射关系；采集实时信息，并提取所述实时信息中的元数据，生成元数据集，建立客户画像与元数据集之间的第二映射关系，根据第二映射关系获取客户方风险信息；将目标客户的投保信息和保单信息输入第一映射关系进行匹配，获取目标客户保险产品构成缺陷。能够根据新客户的年龄、性别、职业、户籍地址、居住地址、生活习惯、通勤方式信息进行运算得到客户方风险信息和保障方风险信息，进行深入分析，然后匹配相关保险产品，并进行推荐。

Description

一种保险数据的风险分析方法及系统

技术领域

本发明涉及数据分析技术领域，尤其涉及一种保险数据的风险分析方法及系统。

背景技术

保险的主要作用是在被保险人发生意外或疾病时，为被保险人提供经济保障。随着生活水平的不断提高，购买保险产品的用户越来越多，可选择的保险产品也越来越来多。业务员通常会通过电话、短信、电子邮件和面谈等方式主动向用户推荐保险产品。若业务员盲目向用户推荐保险产品，不仅会浪费人力物力，还会引起用户的不满。由此可见，如何确定推荐给用户的保险产品是值得考虑的问题。

目前，通常是由业务员凭借自身经验根据已有的用户数据，确定推荐的保险产品，但是该种推荐方式受限于业务员的自身经验，导致所确定的保险产品不一定适应于相应用户，即导致保险产品的推荐准确度低，难以针对客户本身的风险和保单信息的结构性风险对客户用进行推荐，业务员需要耗费大量的时间对客户信息和保单信息的结构性风险进行分析以确定推荐的保险产品，费时费力，推荐率低。

发明内容

本发明解决的技术问题是：现有的保险推荐方式受限于业务员的自身经验，导致所确定的保险产品不一定适应于相应用户，即导致保险产品的推荐准确度低，难以针对客户本身的风险和保单信息的结构性风险对客户用进行推荐，业务员需要耗费大量的时间对客户信息和保单信息的结构性风险进行分析以确定推荐的保险产品，费时费力，推荐率低。

为解决上述技术问题，本发明提供如下技术方案：一种保险数据的风险分析方法，包括：根据历史客户的投保信息和保单信息构建客户画像，并建立投保信息和保单信息之间的第一映射关系；采集实时信息，并提取所述实时信息中的元数据，生成元数据集，建立客户画像与元数据集之间的第二映射关系，根据第二映射关系获取客户方风险信息；将目标客户的投保信息和保单信息输入第一映射关系进行匹配，获取目标客户保险产品构成缺陷，将所述构成缺陷作为保障方风险信息，基于所述客户方风险信息和保障方风险信息匹配相关保险产品，并进行推荐。

作为本发明所述的保险数据的风险分析方法的一种优选方案，其中：所述投保信息包括保险产品名称、保险单编号、保险单生效日、投保人姓名、被保险人姓名、年龄、性别、职业、户籍地址、居住地址、生活习惯和通勤方式信息；

保单信息包括保险内容、保额、保费和保障时间；

将历史客户的投保信息和保单信息作为客户画像。

作为本发明所述的保险数据的风险分析方法的一种优选方案，其中：获取历史客户的投保信息和保单信息；

分别提取所述历史客户的投保信息和保单信息的关键词；

利用第一哈希函数对历史客户的投保信息的关键词和保单信息的关键词进行映射，建立历史客户的投保信息和保单信息之间的第一映射关系。

作为本发明所述的保险数据的风险分析方法的一种优选方案，其中：所述实时信息来源于新闻网站、医院网站、交通网站和金融网站；

提取新闻网站、医院网站、交通网站和金融网站中的人员信息、意外事件信息、病例信息、交通事故信息和理财产品信息，其中人员信息分别与意外事件信息、病例信息、交通事故信息和理财产品信息绑定；

其中人员信息的元数据包括姓名、年龄、性别、职业、户籍地址、居住地址、生活习惯和通勤方式；

意外事件信息的元数据包括意外事件信息中的人员信息和事件种类；

病例信息的元数据包括病例中的人员信息和生病类型；

交通事故信息的元数据包括交通事故中的人员信息和事故类型；

理财产品信息的元数据包括理财产品信息中的人员信息和产品信息。

作为本发明所述的保险数据的风险分析方法的一种优选方案，其中：利用第二哈希函数对客户画像中的关键词与元数据集的关键词进行映射建立第二映射关系，将所述第二映射关系作为客户方风险信息；

将客户画像中的关键词包括年龄、性别、职业、户籍地址、居住地址、生活习惯、通勤方式信息作为第二哈希函数的输入关键词；

将意外事件信息、病例信息、交通事故信息和理财产品信息中的元数据，作为第二哈希函数输出的散列地址；

将第二哈希函数的输入关键词输入第二哈希函数后，输出第二哈希函数的散列地址作为客户方风险信息。

作为本发明所述的保险数据的风险分析方法的一种优选方案，其中：将所述客户画像中的保险产品名称、保险单编号、保险单生效日、投保人姓名、被保险人姓名、年龄、性别、职业、户籍地址、居住地址、生活习惯和通勤方式信息作为第一哈希函数的输入关键词，将保险内容、保额、保费和保障时间作为第一哈希函数输出的散列地址；

将第一哈希函数的输入关键词输入第一哈希函数中，输出第一哈希函数的散列地址，根据第一哈希函数的散列地址对保单信息进行反选，筛选后的保单信息为目标客户保险产品构成缺陷，将所述构成缺陷作为保障方风险信息；

将所述客户方风险信息和保障方风险信息作为筛选条件,并根据所述筛选条件从保险产品数据库中查找出满足该筛选条件的保险产品，进行推荐。

作为本发明所述的保险数据的风险分析系统的一种优选方案，其中：包括数据采集模块、第一分析模块、第二分析模块和保险产品推荐模块；

所述数据采集模块用于采集历史客户的投保信息和保单信息，以及实时信息；

所述第一分析模块用于构建投保信息和保单信息之间的第一映射关系，获取保障方风险信息；

所述第二分析模块用于构建客户画像与元数据集之间的第二映射关系，获取客户方风险信息；

所述保险产品推荐模块用于根据所述客户方风险信息和保障方风险信息匹配相关保险产品，并进行推荐。

作为本发明所述的保险数据的风险分析系统的一种优选方案，其中：所述数据采集模块包括第一采集单元、第二采集单元和数据合并单元；

所述第一采集单元用于采集保险公司内部的历史客户的投保信息和保单信息数据，并提取历史客户的投保信息和保单信息数据的元数据；

所述第二采集单元用于采集新闻网站、医院网站、交通网站和金融网站中的人员信息、意外事件信息、病例信息、交通事故信息和理财产品信息，并提取新闻网站、医院网站、交通网站和金融网站中的人员信息、意外事件信息、病例信息、交通事故信息和理财产品信息的元数据；

数据合并单元用于将第一采集单元提取的元数据和第二采集单元提取的元数据重新整理格式，并分别与第一采集单元和第二采集单元提取的历史元数据进行合并，进行元数据更新。

作为本发明所述的保险数据的风险分析系统的一种优选方案，其中：所述第一分析模块包括第一输入单元、第一哈希函数和第一输出单元；

所述第一输入单元用于输入所述客户画像中的关键词，其包括保险产品名称、保险单编号、保险单生效日、投保人姓名、被保险人姓名、年龄、性别、职业、户籍地址、居住地址、生活习惯和通勤方式信息，输入至第一哈希函数，第一哈希函数经过运算后通过第一输出单元输出第一哈希函数的散列地址，其包括保险内容、保额、保费和保障时间；

所述第二分析模块包括第二输入单元、第二哈希函数和第二输出单元；

所述第二输入单元客户画像中的关键词，其包括年龄、性别、职业、户籍地址、居住地址、生活习惯、通勤方式信息，输入至第二哈希函数，第二哈希函数经过后通过第二输出单元输出第二哈希函数散列地址，其包括意外事件信息、病例信息、交通事故信息和理财产品信息中的元数据。

作为本发明所述的保险数据的风险分析系统的一种优选方案，其中：所述保险产品推荐模块包括匹配单元和计算推荐单元；

所述匹配单元用于将所述客户方风险信息和保障方风险信息作为筛选条件,并根据所述筛选条件从保险产品数据库中查找出满足该筛选条件的保险产品；

所述计算推荐单元用于分别计算各个保险产品的购买率，根据保险产品的购买率推荐保险产品。

本发明的有益效果：无需受限于业务员的自身经验，能够根据新客户的年龄、性别、职业、户籍地址、居住地址、生活习惯、通勤方式信息进行运算得到客户方风险信息和保障方风险信息，能够针对客户本身的风险和保单信息的风险进行深入分析，匹配并推荐相关保险产品，有利于提高准确度，并降低业务员的劳动强度，提高业务员的工作效率和推荐率。

附图说明

图1为本发明一个实施例提供的一种保险数据的风险分析方法及系统的基本流程示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。

实施例1

参照图1，为本发明的一个实施例，提供了一种保险数据的风险分析方法，包括：

步骤1：根据历史客户的投保信息和保单信息构建客户画像，并建立投保信息和保单信息之间的第一映射关系；

步骤2：采集实时信息，并提取实时信息中的元数据，生成元数据集，建立客户画像与元数据集之间的第二映射关系，根据第二映射关系获取客户方风险信息；

步骤3：将目标客户的投保信息和保单信息输入第一映射关系进行匹配，获取目标客户保险产品构成缺陷，将构成缺陷作为保障方风险信息，基于客户方风险信息和保障方风险信息匹配相关保险产品，并进行推荐。

投保信息包括保险产品名称、保险单编号、保险单生效日、投保人姓名、被保险人姓名、年龄、性别、职业、户籍地址、居住地址、生活习惯和通勤方式信息；

保单信息包括保险内容、保额、保费和保障时间；

将历史客户的投保信息和保单信息作为客户画像。

通过历史客户的投保信息和保单信息构建客户画像，能够对历史客户购买过的保险种类和购买的次数进行统计，通过第一映射关系，能够反应出根据历史客户的投保信息中，能够体现不同被保险人的年龄、性别、职业、户籍地址、居住地址、生活习惯和通勤方式购买的保单信息的偏好。

将新客户的年龄、性别、职业、户籍地址、居住地址、生活习惯和通勤方式信息输入第一映射关系，得到的保单信息，就是该类型客户理论上应该购买的所有保险产品，全部购买表示保单组合可以覆盖全部风险，将新客户已经购买的保险产品的保单信息与第一映射关系得到的保单信息比较，新客户所缺失的保单信息，新客户缺失部分的保单信息不能对新客户进行保护，存在风险也就是新客户保险产品的构成缺陷，也就是保障方风险信息。

第二映射关系用于反映各种意外事件信息、病例信息、交通事故信息和理财产品信息与当事人的关系，也就是根据当事人的年龄、性别、职业、户籍地址、居住地址、生活习惯和通勤方式信息与对应意外事件信息、病例信息、交通事故信息和理财产品信息相联系，对应意外事件信息、病例信息、交通事故信息和理财产品信息中任一一项发生次数越多，表示风险越大，能够反应新客户与意外事件信息、病例信息、交通事故信息和理财产品信息之间的风险，也就是客户方风险信息。

无需受限于业务员的自身经验，能够根据新客户的年龄、性别、职业、户籍地址、居住地址、生活习惯、通勤方式信息进行运算得到客户方风险信息和保障方风险信息，然后匹配相关保险产品，并进行推荐，能够针对客户本身的风险和保单信息的风险进行深入分析，并推荐相关保险产品，有利于提高准确度，并降低业务员的劳动强度，提高业务员的工作效率和推荐率。

获取历史客户的投保信息和保单信息；

分别提取历史客户的投保信息和保单信息的关键词；

利用第一哈希函数对历史客户的投保信息的关键词和保单信息的关键词进行映射，建立历史客户的投保信息和保单信息之间的第一映射关系。

实时信息来源于新闻网站、医院网站、交通网站和金融网站；

提取新闻网站、医院网站、交通网站和金融网站中的人员信息、意外事件信息、病例信息、交通事故信息和理财产品信息，其中人员信息分别与意外事件信息、病例信息、交通事故信息和理财产品信息绑定；

其中人员信息的元数据包括姓名、年龄、性别、职业、户籍地址、居住地址、生活习惯和通勤方式；

意外事件信息的元数据包括意外事件信息中的人员信息和事件种类；

病例信息的元数据包括病例中的人员信息和生病类型；

交通事故信息的元数据包括交通事故中的人员信息和事故类型；

理财产品信息的元数据包括理财产品信息中的人员信息和产品信息。

利用第二哈希函数对客户画像中的关键词与元数据集的关键词进行映射建立第二映射关系，将第二映射关系作为客户方风险信息；

将客户画像中的关键词包括年龄、性别、职业、户籍地址、居住地址、生活习惯、通勤方式信息作为第二哈希函数的输入关键词；

将意外事件信息、病例信息、交通事故信息和理财产品信息中的元数据，作为第二哈希函数输出的散列地址；

将第二哈希函数的输入关键词输入第二哈希函数后，输出第二哈希函数的散列地址作为客户方风险信息。

将客户画像中的保险产品名称、保险单编号、保险单生效日、投保人姓名、被保险人姓名、年龄、性别、职业、户籍地址、居住地址、生活习惯和通勤方式信息作为第一哈希函数的输入关键词，将保险内容、保额、保费和保障时间作为第一哈希函数输出的散列地址；

将第一哈希函数的输入关键词输入第一哈希函数中，输出第一哈希函数的散列地址，根据第一哈希函数的散列地址对保单信息进行反选，筛选后的保单信息为目标客户保险产品构成缺陷，将构成缺陷作为保障方风险信息；

将客户方风险信息和保障方风险信息作为筛选条件,并根据筛选条件从保险产品数据库中查找出满足该筛选条件的保险产品，进行推荐。

无需受限于业务员的自身经验，能够根据新客户的年龄、性别、职业、户籍地址、居住地址、生活习惯、通勤方式信息进行运算得到客户方风险信息和保障方风险信息，能够针对客户本身的风险和保单信息的风险进行深入分析，匹配并推荐相关保险产品，有利于提高准确度，并降低业务员的劳动强度，提高业务员的工作效率和推荐率。

实施例2

为本发明另一个实施例，该实施例不同于第一个实施例的是，提供了一种保险数据的风险分析系统，包括数据采集模块、第一分析模块、第二分析模块和保险产品推荐模块；

数据采集模块用于采集历史客户的投保信息和保单信息，以及实时信息；

第一分析模块用于构建投保信息和保单信息之间的第一映射关系，获取保障方风险信息；

第二分析模块用于构建客户画像与元数据集之间的第二映射关系，获取客户方风险信息；

保险产品推荐模块用于根据客户方风险信息和保障方风险信息匹配相关保险产品，并进行推荐。

数据采集模块包括第一采集单元、第二采集单元和数据合并单元；

第一采集单元用于采集保险公司内部的历史客户的投保信息和保单信息数据，并提取历史客户的投保信息和保单信息数据的元数据；第一采集单元通过ICR智能信息提取历史客户的投保信息和保单信息数据的元数据。

第二采集单元用于采集新闻网站、医院网站、交通网站和金融网站中的人员信息、意外事件信息、病例信息、交通事故信息和理财产品信息，并提取新闻网站、医院网站、交通网站和金融网站中的人员信息、意外事件信息、病例信息、交通事故信息和理财产品信息的元数据；第二采集单元通过HOOK实时采集新闻网站、医院网站、交通网站和金融网站的数据。保证数据来源的真实性和及时性，并通过ICR智能信息提取自动提取新闻网站、医院网站、交通网站和金融网站中的实时技术元数据。

数据合并单元用于将第一采集单元提取的元数据和第二采集单元提取的元数据重新整理格式，并分别与第一采集单元和第二采集单元提取的历史元数据进行合并，进行元数据更新。根据增加元数据的数据量，有利于根据市场变化进行调整，提高本系统的适应性。

第一分析模块包括第一输入单元、第一哈希函数和第一输出单元；

第一输入单元用于输入客户画像中的关键词，其包括保险产品名称、保险单编号、保险单生效日、投保人姓名、被保险人姓名、年龄、性别、职业、户籍地址、居住地址、生活习惯和通勤方式信息，输入至第一哈希函数，第一哈希函数经过运算后通过第一输出单元输出第一哈希函数的散列地址，其包括保险内容、保额、保费和保障时间；

第二分析模块包括第二输入单元、第二哈希函数和第二输出单元；

第二输入单元客户画像中的关键词，其包括年龄、性别、职业、户籍地址、居住地址、生活习惯、通勤方式信息，输入至第二哈希函数，第二哈希函数经过后通过第二输出单元输出第二哈希函数散列地址，其包括意外事件信息、病例信息、交通事故信息和理财产品信息中的元数据。

保险产品推荐模块包括匹配单元和计算推荐单元；

匹配单元用于将客户方风险信息和保障方风险信息作为筛选条件,并根据筛选条件从保险产品数据库中查找出满足该筛选条件的保险产品；

计算推荐单元用于分别计算各个保险产品的购买率，根据保险产品的购买率推荐保险产品。

无需受限于业务员的自身经验，能够根据新客户的年龄、性别、职业、户籍地址、居住地址、生活习惯、通勤方式信息进行运算得到客户方风险信息和保障方风险信息，能够针对客户本身的风险和保单信息的风险进行深入分析，匹配并推荐相关保险产品，有利于提高准确度，并降低业务员的劳动强度，提高业务员的工作效率和推荐率。

应当认识到，本发明的实施例可以由计算机硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种保险数据的风险分析方法，其特征在于，包括：

根据历史客户的投保信息和保单信息构建客户画像，并建立投保信息和保单信息之间的第一映射关系；

采集实时信息，并提取所述实时信息中的元数据，生成元数据集，建立客户画像与元数据集之间的第二映射关系，根据第二映射关系获取客户方风险信息；

将目标客户的投保信息和保单信息输入第一映射关系进行匹配，获取目标客户保险产品构成缺陷，将所述构成缺陷作为保障方风险信息，基于所述客户方风险信息和保障方风险信息匹配相关保险产品，并进行推荐；

所述实时信息来源于新闻网站、医院网站、交通网站和金融网站；

提取新闻网站、医院网站、交通网站和金融网站中的人员信息、意外事件信息、病例信息、交通事故信息和理财产品信息，其中人员信息分别与意外事件信息、病例信息、交通事故信息和理财产品信息绑定；

其中人员信息的元数据包括姓名、年龄、性别、职业、户籍地址、居住地址、生活习惯和通勤方式；

意外事件信息的元数据包括意外事件信息中的人员信息和事件种类；

病例信息的元数据包括病例中的人员信息和生病类型；

交通事故信息的元数据包括交通事故中的人员信息和事故类型；

理财产品信息的元数据包括理财产品信息中的人员信息和产品信息；

将新客户的年龄、性别、职业、户籍地址、居住地址、生活习惯和通勤方式信息输入第一映射关系，得到的保单信息，所述保单信息为该类型客户理论上应该购买的所有保险产品，全部购买表示保单组合覆盖全部风险，将新客户已经购买的保险产品的保单信息与第一映射关系得到的保单信息比较，新客户所缺失的保单信息，存在的风险为新客户保险产品的构成缺陷。

2.如权利要求1所述的保险数据的风险分析方法，其特征在于：

所述投保信息包括保险产品名称、保险单编号、保险单生效日、投保人姓名、被保险人姓名、年龄、性别、职业、户籍地址、居住地址、生活习惯和通勤方式信息；

保单信息包括保险内容、保额、保费和保障时间；

将历史客户的投保信息和保单信息作为客户画像。

3.如权利要求2所述的保险数据的风险分析方法，其特征在于：

获取历史客户的投保信息和保单信息；

分别提取所述历史客户的投保信息和保单信息的关键词；

利用第一哈希函数对历史客户的投保信息的关键词和保单信息的关键词进行映射，建立历史客户的投保信息和保单信息之间的第一映射关系。

4.如权利要求3所述的保险数据的风险分析方法，其特征在于：

利用第二哈希函数对客户画像中的关键词与元数据集的关键词进行映射建立第二映射关系，将所述第二映射关系作为客户方风险信息；

将客户画像中的关键词包括年龄、性别、职业、户籍地址、居住地址、生活习惯、通勤方式信息作为第二哈希函数的输入关键词；

将意外事件信息、病例信息、交通事故信息和理财产品信息中的元数据，作为第二哈希函数输出的散列地址；

将第二哈希函数的输入关键词输入第二哈希函数后，输出第二哈希函数的散列地址作为客户方风险信息。

5.如权利要求4所述的保险数据的风险分析方法，其特征在于：

将所述客户画像中的保险产品名称、保险单编号、保险单生效日、投保人姓名、被保险人姓名、年龄、性别、职业、户籍地址、居住地址、生活习惯和通勤方式信息作为第一哈希函数的输入关键词，将保险内容、保额、保费和保障时间作为第一哈希函数输出的散列地址；

将第一哈希函数的输入关键词输入第一哈希函数中，输出第一哈希函数的散列地址，根据第一哈希函数的散列地址对保单信息进行反选，筛选后的保单信息为目标客户保险产品构成缺陷，将所述构成缺陷作为保障方风险信息；

将所述客户方风险信息和保障方风险信息作为筛选条件,并根据所述筛选条件从保险产品数据库中查找出满足该筛选条件的保险产品，进行推荐。

6.一种保险数据的风险分析系统，包括如权利要求1-5任一所述的方法，其特征在于，包括数据采集模块、第一分析模块、第二分析模块和保险产品推荐模块；

所述数据采集模块用于采集历史客户的投保信息和保单信息，以及实时信息；

所述第一分析模块用于构建投保信息和保单信息之间的第一映射关系，获取保障方风险信息；

所述第二分析模块用于构建客户画像与元数据集之间的第二映射关系，获取客户方风险信息；

所述保险产品推荐模块用于根据所述客户方风险信息和保障方风险信息匹配相关保险产品，并进行推荐。

7.如权利要求6所述的保险数据的风险分析系统，其特征在于：

所述数据采集模块包括第一采集单元、第二采集单元和数据合并单元；

所述第一采集单元用于采集保险公司内部的历史客户的投保信息和保单信息数据，并提取历史客户的投保信息和保单信息数据的元数据；

所述第二采集单元用于采集新闻网站、医院网站、交通网站和金融网站中的人员信息、意外事件信息、病例信息、交通事故信息和理财产品信息，并提取新闻网站、医院网站、交通网站和金融网站中的人员信息、意外事件信息、病例信息、交通事故信息和理财产品信息的元数据；

数据合并单元用于将第一采集单元提取的元数据和第二采集单元提取的元数据重新整理格式，并分别与第一采集单元和第二采集单元提取的历史元数据进行合并，进行元数据更新。

8.如权利要求7所述的保险数据的风险分析系统，其特征在于：

所述第一分析模块包括第一输入单元、第一哈希函数和第一输出单元；

所述第一输入单元用于输入所述客户画像中的关键词，其包括保险产品名称、保险单编号、保险单生效日、投保人姓名、被保险人姓名、年龄、性别、职业、户籍地址、居住地址、生活习惯和通勤方式信息，输入至第一哈希函数，第一哈希函数经过运算后通过第一输出单元输出第一哈希函数的散列地址，其包括保险内容、保额、保费和保障时间；

所述第二分析模块包括第二输入单元、第二哈希函数和第二输出单元；

所述第二输入单元客户画像中的关键词，其包括年龄、性别、职业、户籍地址、居住地址、生活习惯、通勤方式信息，输入至第二哈希函数，第二哈希函数经过后通过第二输出单元输出第二哈希函数散列地址，其包括意外事件信息、病例信息、交通事故信息和理财产品信息中的元数据。

9.如权利要求8所述的保险数据的风险分析系统，其特征在于：

所述保险产品推荐模块包括匹配单元和计算推荐单元；

所述匹配单元用于将所述客户方风险信息和保障方风险信息作为筛选条件,并根据所述筛选条件从保险产品数据库中查找出满足该筛选条件的保险产品；

所述计算推荐单元用于分别计算各个保险产品的购买率，根据保险产品的购买率推荐保险产品。