基于大数据的数据库和算法的保险精准风控、管理、智慧客服及营销系统技术方案

本发明专利技术涉及风控管理技术领域，具体地说，涉及基于大数据的数据库和算法的保险精准风控、管理、智慧客服及营销系统。包括技术支持单元、数据模型单元、用户管理单元、风控管理单元和安全应用单元；技术支持单元用于提供支持系统运行的各种智能技术；数据模型单元用于搭建风险预测模型并学习；用户管理单元用于对用户人员进行管理；风控管理单元用于对各类风险因素进行识别并控制管理；安全应用单元用于对保险业务进行安全管理。本发明专利技术设计打破信息孤岛，可以有效降低人员行为的风险；同时可以快速识别预测不同险种中的风险类型以便控制决策；另外可以降低风控成本、提高风控效果，可以提升风控效率、简化风控流程、降低风险隐患，可以能够有效保障投保用户及保险公司双方的利益。益。益。

【技术实现步骤摘要】
基于大数据的数据库和算法的保险精准风控、管理、智慧客服及营销系统


[0001]本专利技术涉及风控管理
，具体地说，涉及基于大数据的数据库和算法的保险精准风控、管理、智慧客服及营销系统。

技术介绍

[0002]保险是社会经济保障制度的重要组成部分，随着社会经济的不断发展和人们保障意识的不断提高，保险业务涵盖的范围也也越来越广，在此过程中，作为保险的核心，保险风控管理也称为该行业发展过程中最关键的议题。当前保险行业风控管理面临三个方面的难点：第一，保险欺诈行为频发且日益专业化；第二，核保核赔等风险管理仍主要依赖人工经验进行，成本高且效果差；第三，保险公司及行业数据分散破碎，存在信息孤岛，数据质量低，无法有效支撑风险管理的需求。保险行业风控的发展经历了传统风控、数字风控，并逐渐转型到智能风控阶段。为了解决上述问题，保险公司需要引入人工智能、区块链等技术，来实现从数字化、立体化、前置化和智能化四个方面来优化智能风控的管控模式。但是，因保险业务广泛、险种多、风险类型多，导致无法全面地快速进行风险识别和控制，而目前也没有涵盖多险种的保险风控管理系统。

技术实现思路

[0003]本专利技术的目的在于提供了基于大数据的数据库和算法的保险精准风控、管理、智慧客服及营销系统，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述技术问题的解决，本专利技术的目的之一在于，提供了基于大数据的数据库和算法的保险精准风控、管理、智慧客服及营销系统，包括
[0005]技术支持单元、数据模型单元、用户管理单元、风控管理单元和安全应用单元；所述技术支持单元的信号输出端与所述数据模型单元的信号输入端连接，所述数据模型单元的信号输出端与所述用户管理单元的信号输入端连接，所述用户管理单元的信号输出端与所述风控管理单元的信号输入端连接，所述风控管理单元的信号输出端与所述安全应用单元的信号输入端连接；所述技术支持单元用于提供支持系统运行的各种智能技术；所述数据模型单元用于依据大数据并以BP神经网络预测算法为基础搭建风险预测模型并进行深度学习；所述用户管理单元用于对保险业务全流程中能涉及到的用户人员进行管理以降低用户行为带来的业务风险；所述风控管理单元用于对保险业务流程中可能存在的各类风险因素进行识别并控制管理；所述安全应用单元用于对保险业务进行安全管理并完善系统的应用功能；
[0006]所述技术支持单元包括生物识别模块、大数据模块、人工智能模块、三方云系统模块和区块链模块；
[0007]所述数据模型单元包括数据处理模块、模型搭建模块、算法训练模块和机器学习模块；
[0008]所述用户管理单元包括客户视图模块、增员管理模块、活动培训模块和智慧客服模块；
[0009]所述风控管理单元包括代理品质模块、寿险核保模块、车险理赔模块、财险识别模块和信贷智控模块；
[0010]所述安全应用单元包括行为识别模块、素质评级模块、风险评估模块和综合报告模块。
[0011]作为本技术方案的进一步改进，所述生物识别模块、所述大数据模块、所述人工智能模块、所述三方云系统模块与所述区块链模块并列运行；所述生物识别模块用于通过多种生物识别技术来准确验证投保用户的身份信息及用于安全驾驶情况的取证；所述大数据模块用于通过多方来源获取多维度的用户信息数据并存储于云端以便调用；所述人工智能模块用于通过人工智能及智能学习的技术来提高保险业务流程中的营销、经营、客服、风控等管理；所述三方云系统模块用于通过云端与第三方的监管部门、行业协会及服务商等管理系统进行连接；所述区块链模块用于通过区块链技术来对保险业务关联的行业信息进行区块管理并保障交易安全。
[0012]其中，生物识别的内容包括但不限于人脸识别、声音识别、指纹识别、微表情识别管理等。
[0013]其中，人工智能技术包括但不限于AI图片识别、机器学习、机器人等。
[0014]其中，第三方云服务管理系统包括但不限于金融云、医疗云、政府云、企业云等。
[0015]其中，通过区块管理技术管理的与保险业务相关的行业信息包括但不限于资产交易、医疗健康、数字货币、融资/贷款等。
[0016]作为本技术方案的进一步改进，所述数据处理模块的信号输出端与所述模型搭建模块的信号输入端连接，所述模型搭建模块的信号输出端与所述算法训练模块的信号输入端连接，所述算法训练模块的信号输出端与所述机器学习模块的信号输入端连接；所述数据处理模块用于通过多维度数据采集途径获取海量与保险业务相关的数据信息并对数据进行去重、存储、统析及划分处理；所述模型搭建模块用于以BP神经网络算法为基础，根据保险的险种分别搭建对应的风险预测模型；所述算法训练模块用于按照一定的流程步骤对预测模型进行算法训练；所述机器学习模块用于通过机器学习来完善预测算法以提高预测的准确度。
[0017]作为本技术方案的进一步改进，所述数据处理模块包括采集清洗模块、分类存储模块、统计分析模块和数集划分模块；所述采集清洗模块的信号输出端与所述分类存储模块的信号输入端连接，所述分类存储模块的信号输出端与所述统计分析模块的信号输入端连接，所述统计分析模块的信号输出端与所述数集划分模块的信号输入端连接；所述采集清洗模块用于从企业内部的存量数据、网上公开的云数据库及第三方可靠数据平台获取保险业务相关用户的数据并对数据进行清洗操作；所述分类存储模块用于对海量的数据进行分类归纳并分布存储；所述统计分析模块用于对相关数据进行统计及分析；所述数集划分模块用于按照模型训练的需求随机从数据库中抽取部分数据并按一定比例划分为训练数集和测试数集。
[0018]其中，用户数据包括投保用户信息和保险代理用户信息，投保用户信息包括但不限于身份信息、信用信息、健康情况、驾驶信息、资产信息、往期贷款信息、往期投保情况等；
保险代理用户信息包括但不限于身份信息、家庭情况、教育情况、信用信息、从业情况等。
[0019]作为本技术方案的进一步改进，所述采集清洗模块中，数据清洗采用KMP字符串匹配算法，该算法流程中需引入模式的前缀函数π，其函数计算表达式如下：
[0020]π[q]＝max{k：k＜q and P
k
→
P
q
}；
[0021]其中，π[q]代表当前字符串P中最长的共同前缀后缀的长度，P
k
为字符串P前k个字符组成字符串。
[0022]其中，π包含有模式与其自身的位移进行匹配的信息，这些信息可用于避免在朴素的字符串匹配算法中对无用位移进行测试。
[0023]作为本技术方案的进一步改进，所述算法训练模块的训练步骤如下：
[0024]Step1、网络初始化：给各连接权值分别赋一个区间(
‑
1，1)内的随机数，设定误差函数e，给定计算精度值ε和最大学习次数M；
[0025]Step2、随机选取第k个输入样本及对应期望输出：
[0026]d
o
(k)＝(d1(k)，d2(k)，...，d本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据的数据库和算法的保险精准风控、管理、智慧客服及营销系统，其特征在于：包括技术支持单元(100)、数据模型单元(200)、用户管理单元(300)、风控管理单元(400)和安全应用单元(500)；所述技术支持单元(100)的信号输出端与所述数据模型单元(200)的信号输入端连接，所述数据模型单元(200)的信号输出端与所述用户管理单元(300)的信号输入端连接，所述用户管理单元(300)的信号输出端与所述风控管理单元(400)的信号输入端连接，所述风控管理单元(400)的信号输出端与所述安全应用单元(500)的信号输入端连接；所述技术支持单元(100)用于提供支持系统运行的各种智能技术；所述数据模型单元(200)用于依据大数据并以BP神经网络预测算法为基础搭建风险预测模型并进行深度学习；所述用户管理单元(300)用于对保险业务全流程中能涉及到的用户人员进行管理以降低用户行为带来的业务风险；所述风控管理单元(400)用于对保险业务流程中可能存在的各类风险因素进行识别并控制管理；所述安全应用单元(500)用于对保险业务进行安全管理并完善系统的应用功能；所述技术支持单元(100)包括生物识别模块(101)、大数据模块(102)、人工智能模块(103)、三方云系统模块(104)和区块链模块(105)；所述数据模型单元(200)包括数据处理模块(201)、模型搭建模块(202)、算法训练模块(203)和机器学习模块(204)；所述用户管理单元(300)包括客户视图模块(301)、增员管理模块(302)、活动培训模块(303)和智慧客服模块(304)；所述风控管理单元(400)包括代理品质模块(401)、寿险核保模块(402)、车险理赔模块(403)、财险识别模块(404)和信贷智控模块(405)；所述安全应用单元(500)包括行为识别模块(501)、素质评级模块(502)、风险评估模块(503)和综合报告模块(504)。2.根据权利要求1所述的基于大数据的数据库和算法的保险精准风控、管理、智慧客服及营销系统，其特征在于：所述生物识别模块(101)、所述大数据模块(102)、所述人工智能模块(103)、所述三方云系统模块(104)与所述区块链模块(105)并列运行；所述生物识别模块(101)用于通过多种生物识别技术来准确验证投保用户的身份信息及用于安全驾驶情况的取证；所述大数据模块(102)用于通过多方来源获取多维度的用户信息数据并存储于云端以便调用；所述人工智能模块(103)用于通过人工智能及智能学习的技术来提高保险业务流程中的营销、经营、客服、风控等管理；所述三方云系统模块(104)用于通过云端与第三方的监管部门、行业协会及服务商等管理系统进行连接；所述区块链模块(105)用于通过区块链技术来对保险业务关联的行业信息进行区块管理并保障交易安全。3.根据权利要求1所述的基于大数据的数据库和算法的保险精准风控、管理、智慧客服及营销系统，其特征在于：所述数据处理模块(201)的信号输出端与所述模型搭建模块(202)的信号输入端连接，所述模型搭建模块(202)的信号输出端与所述算法训练模块(203)的信号输入端连接，所述算法训练模块(203)的信号输出端与所述机器学习模块(204)的信号输入端连接；所述数据处理模块(201)用于通过多维度数据采集途径获取海量与保险业务相关的数据信息并对数据进行去重、存储、统析及划分处理；所述模型搭建模块(202)用于以BP神经网络算法为基础，根据保险的险种分别搭建对应的风险预测模型；所述
算法训练模块(203)用于按照一定的流程步骤对预测模型进行算法训练；所述机器学习模块(204)用于通过机器学习来完善预测算法以提高预测的准确度；通过粒子群算法对所述模型搭建模块(202)采用的BP神经网络的初始权值和阈值进行优化。4.根据权利要求3所述的基于大数据的数据库和算法的保险精准风控、管理、智慧客服及营销系统，其特征在于：所述数据处理模块(201)包括采集清洗模块(2011)、分类存储模块(2012)、统计分析模块(2013)和数集划分模块(2014)；所述采集清洗模块(2011)的信号输出端与所述分类存储模块(2012)的信号输入端连接，所述分类存储模块(2012)的信号输出端与所述统计分析模块(2013)的信号输入端连接，所述统计分析模块(2013)的信号输出端与所述数集划分模块(2014)的信号输入端连接；所述采集清洗模块(2011)用于从企业内部的存量数据、网上公开的云数据库及第三方可靠数据平台获取保险业务相关用户的数据并对数据进行清洗操作；所述分类存储模块(2012)用于对海量的数据进行分类归纳并分布存储；所述统计分析模块(2013)用于对相关数据进行统计及分析；所述数集划分模块(2014)用于按照模型训练的需求随机从数据库中抽取部分数据并按一定比例划分为训练数集和测试数集。5.根据权利要求4所述的基于大数据的数据库和算法的保险精准风控、管理、智慧客服及营销系统，其特征在于：所述采集清洗模块(2011)中，数据清洗采用KMP字符串匹配算法，该算法流程中需引入模式的前缀函数π，其函数计算表达式如下：π[q]＝max{k:k<q and P
k
→
P
q
}；其中，π[q]代表当前字符串P中最长的共同前缀后缀的长度，P
k
为字符串P前k个字符组成字符串。6.根据权利要求3所述的基于大数据的数据库和算法的保险精准风控、管理、智慧客服及营销系统，其特征在于：所述算法训练模块(203)的训练步骤如下：Step1、网络初始化：给各连接权值分别赋一个区间(
‑
1,1)内...

【专利技术属性】
技术研发人员：罗忠明，
申请(专利权)人：罗忠明，
类型：发明
国别省市：