费用数据智能决策方法、服务器及计算机可读存储介质技术

本发明专利技术涉及一种数据分析技术，揭露了一种费用数据智能决策方法，该方法包括：利用大数据技术对历史费用数据进行收集，并按预设维度进行汇总；实时记录决策相关硬性要求；根据汇总后的数据和最新的所述硬性要求，采用python非线性规划算法计算出目标费用的最优化费用率；根据所述最优化费用率和预设公式计算预估目标费用；根据所述预估目标费用生成未来预设时段内的费用决策。本发明专利技术还提供一种服务器及计算机可读存储介质。本发明专利技术提供的费用数据智能决策方法、服务器及计算机可读存储介质能够节省人力和时间成本，快速制定智能费用决策。

【技术实现步骤摘要】
费用数据智能决策方法、服务器及计算机可读存储介质
本专利技术涉及数据分析
，尤其涉及一种费用数据智能决策方法、服务器及计算机可读存储介质。
技术介绍
目前，在各行业实际应用中，经常需要根据历史数据进行费用计算，并基于计算结果进行相应决策。但是，现有的计算和决策方式可能需要依靠大量的人工计算和分析，且耗费较高的时间成本，准确性和效率均不理想。而且，当出现某些要求或环境变化时，无法快速响应该变化，制定新的决策。例如，在保险行业，车险业务是产险业务中非常重要的一个部分，目前车险业务主要面临如下多个方面的危机：监管机构愈发严格的监管，导致各家保险公司的对于车险保费的定价话语权越来越小；几年来国内新车销量连续下滑，据中国汽车协会预测2019年中国车市全年下滑预计达到8个百分比，2020年至2021年仍将继续下滑，直到2022年才可能恢复增长；由于车险业务对于新车销量是比较敏感，新增用户减少了，要想保持利润就必须在存量用户中竞争，导致各保险公司间的竞争更加激烈。传统的业务体系中，对各个机构新一年的销售费用计算，需要大量的人力来进行复杂的人工计算分析。同时，一旦某个机构有了监管要求，也需要快速制定新的策略来应对。以上情况都会产生大量的人力成本和时间成本，造成运营成本居高不下。因此，如何节省人力和时间成本，快速进行数据计算分析，以智能制定决策，并随时根据要求变化进行修改，方便地制定新的决策，已经成为一个亟待解决的技术问题。
技术实现思路
有鉴于此，本专利技术提出一种费用数据智能决策方法、服务器及计算机可读存储介质，以解决至少一个上述技术问题。首先，为实现上述目的，本专利技术提出一种费用数据智能决策方法，该方法包括步骤：利用大数据技术对历史费用数据进行收集，并按预设维度进行汇总；实时记录决策相关硬性要求；根据汇总后的数据和最新的所述硬性要求，采用python非线性规划算法计算出目标费用的最优化费用率；根据所述最优化费用率和预设公式计算预估目标费用；及根据所述预估目标费用生成未来预设时段内的费用决策。可选地，该方法在计算出所述预估目标费用之后还包括步骤：通过预演判断预估结果是否需要进行调整；当判断出预估结果需要调整时，通过人工或智能方式对所述预估目标费用进行个性化调整。可选地，所述硬性要求为监管部门对所述目标费用的监管要求。可选地，在所述根据汇总后的数据和最新的所述硬性要求，采用python非线性规划算法计算出目标费用的最优化费用率的步骤中，所述python非线性规划算法为scipy.optimize.minimize局部非线性最优化算法，所述费用率为所述目标费用在总费用中的占比。可选地，所述目标费用为保险的保费或销售费用。可选地，所述根据所述最优化费用率和预设公式计算预估目标费用的步骤包括：根据公式y＝b/(1+e^(-a*x))-0.5b+c计算保费变化系数，其中a、b、c为每个机构的询签曲线的参数，x为所述最优化费用率，y为所述保费变化系数；将所述保费变化系数y和现状保费相乘，计算出下一时段预估保费，其中，所述现状保费为当前时段的总保费；通过预估保费*预估费用率得到预估销售费用，所述预估费用率为所述最优化费用率。可选地，所述调整包括调整所述预估目标费用或者所述最优化费用率。可选地，当所述调整为调整所述最优化费用率时，该方法还包括步骤：在每次调整之后，根据调整后的最优化费用率重新计算所述预估目标费用。此外，为实现上述目的，本专利技术还提供一种服务器，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的费用数据智能决策系统，所述费用数据智能决策系统被所述处理器执行时实现如上述的费用数据智能决策方法的步骤。进一步地，为实现上述目的，本专利技术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费用数据智能决策系统，所述费用数据智能决策系统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费用数据智能决策方法的步骤。相较于现有技术，本专利技术所提出的费用数据智能决策方法、服务器及计算机可读存储介质，可以根据机构的历史大数据信息，自动为机构制定合理的目标费用和费用决策，让机构能在不触发监管的情况下达到预期的费用目标(业绩目标)。同时，由于预估目标费用是自动计算出的，无需人工手动计算，节省了大量人力和时间成本。即使监管的硬性要求有变化，也能快速的得到计算结果，制定出新的费用决策，下发给机构执行，效率更高。附图说明图1是本专利技术服务器一可选的硬件架构的示意图；图2是本专利技术费用数据智能决策系统第一实施例的程序模块示意图；图3是本专利技术费用数据智能决策系统第二实施例的程序模块示意图；图4是本专利技术费用数据智能决策方法第一实施例的流程示意图；图5是本专利技术费用数据智能决策方法第二实施例的流程示意图；本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。需要说明的是，在本专利技术中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。参阅图1所示，是本专利技术服务器2一可选的硬件架构的示意图。本实施例中，所述服务器2可包括，但不仅限于，可通过系统总线相互通信连接存储器11、处理器12、网络接口13。需要指出的是，图1仅示出了具有组件11-13的服务器2，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，所述服务器2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器等计算设备，该服务器2可以是独立的服务器，也可以是多个服务器所组成的服务器集群。所述存储器11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11可以是所述服务器2的内部存储单元，例如该服务器2的硬盘或内存。在另一些实施例中，所述存储器11也可以是所述服务器2的本文档来自技高网...

【技术保护点】
1.一种费用数据智能决策方法，其特征在于，所述方法包括步骤：/n利用大数据技术对历史费用数据进行收集，并按预设维度进行汇总；/n实时记录决策相关硬性要求；/n根据汇总后的数据和最新的所述硬性要求，采用python非线性规划算法计算出目标费用的最优化费用率；/n根据所述最优化费用率和预设公式计算预估目标费用；及/n根据所述预估目标费用生成未来预设时段内的费用决策。/n

【技术特征摘要】
1.一种费用数据智能决策方法，其特征在于，所述方法包括步骤：
利用大数据技术对历史费用数据进行收集，并按预设维度进行汇总；
实时记录决策相关硬性要求；
根据汇总后的数据和最新的所述硬性要求，采用python非线性规划算法计算出目标费用的最优化费用率；
根据所述最优化费用率和预设公式计算预估目标费用；及
根据所述预估目标费用生成未来预设时段内的费用决策。


2.如权利要求1所述的费用数据智能决策方法，其特征在于，该方法在计算出所述预估目标费用之后还包括步骤：
通过预演判断预估结果是否需要进行调整；
当判断出预估结果需要调整时，通过人工或智能方式对所述预估目标费用进行个性化调整。


3.如权利要求1或2所述的费用数据智能决策方法，其特征在于，所述硬性要求为监管部门对所述目标费用的监管要求。


4.如权利要求1或2所述的费用数据智能决策方法，其特征在于，在所述根据汇总后的数据和最新的所述硬性要求，采用python非线性规划算法计算出目标费用的最优化费用率的步骤中，所述python非线性规划算法为scipy.optimize.minimize局部非线性最优化算法，所述费用率为所述目标费用在总费用中的占比。


5.如权利要求1或2所述的费用数据智能决策方法，其特征在于，所述目标费用为保险的保费或销售费用。


6.如权利要求5所述的费用...

【专利技术属性】
技术研发人员：范晓波，陈真，汪海祥，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：广东;44