【技术实现步骤摘要】
一种车险理赔风控管理方法及系统
[0001]本专利技术涉及汽车保险理赔风控领域，具体涉及一种车险理赔风控管理方法及系统。
技术介绍
[0002]车险理赔风控管理对车险公司的经营管理至关重要，而风控规则的生成与评价是车险理赔风控管理的核心。但是，现有车险理赔风控管理规则的生成主要依靠规则编写专家的人工积累经验；而规则的评价效果也由人工判断，易受个人经验的限制。导致规则生成周期长、评价准确性难以保证，以及不同专家产出的规则与评价结果差异大等问题。
技术实现思路
[0003]本申请通过提供了一种车险理赔风控管理方法及系统，旨在解决现有技术中车险理赔风控规则生成效率低下与风控评价结果准确性不高的技术问题。
[0004]鉴于上述问题，本申请提供了一种车险理赔风控管理方法及系统。
[0005]本申请公开的第一个方面，提供了一种车险理赔风控管理方法，该方法包括：通过大数据配置风控识别规则集合；交互测试样本数据库，通过风控识别规则集合对测试样本数据库进行测试样本筛选，并依据样本阈值约束构建测试样本集合；通过测试样本集合对风控识别规则集合进行规则的执行测试，并统计执行指标，其中，执行指标包括触发率、检出率和重复率；对执行指标进行极大化的归一化处理，完成执行指标转换；对完成转换的执行指标进行无量纲化处理，构建指标评价集合，其中，指标评价集合中每个指标向量均映射有权重系数；执行指标评价集合的线性加权综合评价，将线性加权综合评价结果满足预设阈值的规则提取，构建规则库；通过规则库进行车险理赔的风控管理。>[0006]本申请公开的另一个方面，提供了一种车险理赔风控管理系统，该系统包括：规则集合配置模块，用于通过大数据配置风控识别规则集合；测试样本筛选模块，用于交互测试样本数据库，通过风控识别规则集合对测试样本数据库进行测试样本筛选，并依据样本阈值约束构建测试样本集合；规则执行测试模块，用于通过测试样本集合对风控识别规则集合进行规则的执行测试，并统计执行指标，其中，执行指标包括触发率、检出率和重复率；执行指标转换模块，用于对执行指标进行极大化的归一化处理，完成执行指标转换；无量纲化处理模块，用于对完成转换的执行指标进行无量纲化处理，构建指标评价集合，其中，指标评价集合中每个指标向量均映射有权重系数；线性加权评价模块，用于执行指标评价集合的线性加权综合评价，将线性加权综合评价结果满足预设阈值的规则提取，构建规则库；理赔风控管理模块，用于通过规则库进行车险理赔的风控管理。
[0007]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：由于采用了通过大数据配置风控识别规则集合；然后利用测试样本数据库和规则集合构建测试样本集合；再通过测试样本集合测试规则执行情况，统计执行指标如触发率、检出率和重复率等；之后对执行指标进行归一化和无量纲化处理，构建指标评价集合，每个
指标对应一权重；最后，通过线性加权综合评价提取有效规则构建规则库；通过该规则库进行车险理赔的风控管理的技术方案，解决了现有技术中车险理赔风控规则生成效率低下与风控评价结果准确性不高的技术问题，达到提高规则生成效率和评价准确性的技术效果。
[0008]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0009]图1为本申请实施例提供了一种车险理赔风控管理方法可能的流程示意图；图2为本申请实施例提供了一种车险理赔风控管理方法中进行测试样本筛选可能的流程示意图；图3为本申请实施例提供了一种车险理赔风控管理方法中构建测试样本集合可能的流程示意图；图4为本申请实施例提供了一种车险理赔风控管理系统可能的结构示意图。
[0010]附图标记说明：规则集合配置模块11，测试样本筛选模块12，规则执行测试模块13，执行指标转换模块14，无量纲化处理模块15，线性加权评价模块16，理赔风控管理模块17。
具体实施方式
[0011]本申请提供的技术方案总体思路如下：本申请实施例提供了一种车险理赔风控管理方法及系统，采用大数据分析和测试样本评价相结合的技术方案，实现了规则的自动生成和量化评价，解决了现有技术中规则定制效率低和评价准确性难以保证的问题，达到了提高规则编写效率和评价准确性的技术效果。
[0012]具体地，首先通过大数据分析自动生成风控识别规则，实现规则的智能化制定；然后采用测试样本验证和评价这些自动生成的规则。在评价过程中，通过规则在测试样本上的执行情况获得执行指标，如触发率、检出率和重复率等。为使这些指标可以进行量化比较，对其进行归一化和无量纲化处理，构建指标评价集合，每个指标赋予一定权重。最后，通过线性加权综合评价方法，综合多个指标得分，选择指标评价结果达到一定阈值的规则，构建最终规则库，再通过构建的规则库进行车险理赔的风控管理。
[0013]在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
[0014]实施例一如图1所示，本申请实施例提供了一种车险理赔风控管理方法，该方法包括：步骤S100：通过大数据配置风控识别规则集合；具体而言，保险公司积累有海量车险理赔历史数据，通过大数据从海量历史数据中提取各类特征指标，如出险原因、出险地点、事故类型、查勘类型、车辆信息、修理厂信息、配件项目、工时项目等。然后，将不同数量和不同类的特征指标进行组合，得到众多规则，组成规则集合。随后，利用可视化的规则编辑器，规则专家对规则集合中的规则进行审核评
判，剔除不符合要求的风控识别规则。同时，规则专家选择不同的逻辑项，即不同的特征指标，通过添加逻辑条件并设定输出结果，编写识别规则，并将其添加到规则集合中。其中，在规则编辑器的界面上提供各种特征指标作为逻辑项，规则专家先选择特征指标，再使用与、或、非等逻辑操作符，将多个特征指标组合，形成一条完整的规则。每条规则都是由经验丰富的规则专家编写，满足规则条件的理赔案例则说明存在一定风险。
[0015]通过大数据采集特征指标，通过组合得到不同规则，并由规则专家进行审核，得到优选的规则集合。同时，规则专家编写规则并添加至规则集合中，对规则集合进行丰富，形成风控识别规则集合，为后续的理赔案例风险识别和控制管理提供基础。
[0016]步骤S200：交互测试样本数据库，通过所述风控识别规则集合对所述测试样本数据库进行测试样本筛选，并依据样本阈值约束构建测试样本集合；具体而言，交互测试样本数据库是指在风险识别过程中收集的历史理赔案例数据，这些数据来自保险公司积累的海量理赔案例数据库。测试样本筛选是指根据预先设定测试样本数量和配置的风控识别规则集合，对这些历史理赔案例数据进行筛选和过滤，得到满足测试条件的测试样本集合，为测试风控识别规则提供基础。其中，每条测试样本包含有样本时间和样本可信度。
[0017]首先，根据测试需求预设测试样本数量和测试样本可信度阈值；同时，获取步本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车险理赔风控管理方法，其特征在于，所述方法包括：通过大数据配置风控识别规则集合；交互测试样本数据库，通过所述风控识别规则集合对所述测试样本数据库进行测试样本筛选，并依据样本阈值约束构建测试样本集合；通过所述测试样本集合对所述风控识别规则集合进行规则的执行测试，并统计执行指标，其中，所述执行指标包括触发率、检出率和重复率；对所述执行指标进行极大化的归一化处理，完成执行指标转换；对完成转换的所述执行指标进行无量纲化处理，构建指标评价集合，其中，所述指标评价集合中每个指标向量均映射有权重系数；执行所述指标评价集合的线性加权综合评价，将线性加权综合评价结果满足预设阈值的规则提取，构建规则库；通过所述规则库进行车险理赔的风控管理。2.如权利要求1所述的方法，其特征在于，所述方法还包括：对所述执行指标进行指标类型识别；对区间型指标进行极大值指标转换，包括：令 ；通过公式进行指标转换，公式如下：；其中，为转化后的极大值指标，为区间型指标的区间取值。3.如权利要求1所述的方法，其特征在于，所述对完成转换的所述执行指标进行无量纲化处理，还包括：通过比例变换法进行无量纲化处理，公式如下：；其中，为无量纲化处理后的执行指标，为初始执行指标。4.如权利要求1所述的方法，其特征在于，所述通过所述风控识别规则集合对所述测试样本数据库进行测试样本筛选，还包括：对于任意风控识别规则，执行所述测试样本数据库内匹配测试样本的时间轴逆序排序；配置单位时长的校验认证关联；
对匹配测试样本进行可信数据提取，获得可信关联因子；通过所述可信关联因子和所述校验认证关联进行时间轴逆序排序后的所述匹配测试样本筛选。5.如权利要求1所述的方法，其特征在于，所述方法还包括：依据所述样本阈值约束对筛选结果进行样本量评价；当样本量不足时，则生成样本扩充指令；基于所述样本扩充指令进行本...
【专利技术属性】
技术研发人员：王辉，王桂元，廖荣华，
申请(专利权)人：凯泰铭科技北京有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。