System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机,尤其涉及一种评估保险行业销售人员风险的系统和方法。
技术介绍
1、当前,在国内保险行业的销售代理人数目庞大,负责招聘的工作人员每天需处理数以百计的求职简历,且销售人员的风险等级评估完全依赖于人工操作,更为严重的是,由于缺乏销售人员持续管控系统,一些曾经涉及风险的人员资料容易遗失,且信息不共享,这导致了这些人员有可能重新进入公司,对他们无法进行有效的排查和管理。
2、现有技术提供的一些方法存在以下弊端:
3、1、效率低下且准确性差:依赖人工评估风险等级,无法保证评估的准确性和一致性,同时也大大降低了处理速度。
4、2、风险人员管理缺失:无法有效阻止风险人员的二次进入,增加了企业的运营风险。
5、3、缺乏数据利用:未充分利用数据进行深度分析和学习,限制了对风险的全面评估。
技术实现思路
1、本专利技术的目的是为了解决现有技术中存在的缺点,而提出的一种评估保险行业销售人员风险的系统和方法。
2、为实现上述目的,本专利技术采用了如下技术方案:一种评估保险行业销售人员风险的系统,包括:数据采集模块、数据预处理模块、风险识别模块、校对模块、优化模块。
3、其中,所述数据采集模块用于采集为与销售人员相关的数据,形成数据集表;
4、所述数据采集模块包括企业内部数据采集单元和外部数据采集单元;
5、所述企业内部数据采集单元采集销售人员的基本信息,包括个人信息、销售数据、销售历史、绩效
6、所述外部数据采集单元采集国家级依法公开的信息,包括失信被执行人、限制消费人员、被执行人信息;
7、所述数据预处理模块用于对所述数据采集模块采集的数据进行预处理,包括数据清洗单元、缺失值处理单元、数据转换单元;
8、所述风险识别模块,将数据集表中的数据作为训练数据,构建风险识别模型,来检测销售人员是否为高风险人员;
9、所述校对模块,用于对所述风险识别模块检测为高风险销售人员进行校验;
10、所述优化模块,将所述校对模块校验为合格的销售人员的信息,以及所述风险识别模块检测出的不是高风险销售人员的信息,反馈回所述风险识别模块中,对风险识别模型进行再训练调整,不断优化,提高系统的准确性。
11、进一步地,所述个人信息包括:性别、年龄分段、学历、工作年限、市级代码、入职渠道、风险等级;
12、所述风险等级为事先人为定义好的,包括正常和较高两种级别。
13、进一步地,所述缺失值处理单元确定数据集表中缺失的数据,对于数值类型的列用“0”填充,对于风险等级的列用“正常”填充。
14、进一步地,所述数据转换单元对性别、年龄分段、学历、工作年限、市级代码、入职渠道、失信被执行人、限制消费人员、被执行人信息、风险等级进行标签编码,转换成数值表示,对数值型特征进行标准化或归一化。
15、进一步地,所述风险识别模块将数据集表的数据集划分为训练集和测试集,通过使用flaml库中的automl功能,自动选择和训练最适合数据集表的机器学习模型;
16、进一步地,所述校对模块为人工校验,组织具备相关知识和经验的团队执行人工校验工作,建立标准化的分析流程;包括分析个体的基本情况和历史记录,比较模型预测的结果和个体实际情况,记录每个样本的校验结果,并收集反馈。
17、本专利技术的该系统,通过所述数据采集模块采集多维度数据,包括企业内部数据和外部数据,确保构建风险识别模型数据来源的全面性和准确性;所述数据预处理模块对采集的数据进行特征选择和数据预处理,处理好的数据传递给所述风险识别模块构建风险识别模型,通过风险识别模型检测销售人员的风险性。本专利技术的该系统中,加入所述校对模块对所述风险识别模块的检测结果进行人工校验,进一步确保系统的准确性和可靠性。所述优化模块将所述校对模块的检验结果反馈回风险识别模型中,是模型不断优化调整,提高准确性。
18、一种评估保险行业销售人员风险的方法,包括以下步骤:
19、s1、采集与销售人员相关的数据,形成数据集表;
20、所述与销售人员相关的数据包括企业内部数据和外部数据;
21、所述企业内部数据为销售人员的基本信息,包括个人信息、销售数据、销售历史、绩效指标、培训记录;
22、所述外部数据为国家级依法公开的信息,包括失信被执行人、限制消费人员、被执行人信息;
23、所述个人信息包括:性别、年龄分段、学历、工作年限、市级代码、入职渠道、风险等级;
24、所述风险等级为事先人为定义好的,包括正常和较高两种级别;
25、所述数据集表的最后一列为风险等级;
26、s2、对数据集表中的数据进行特征选择和数据预处理,确定特征集,并划分出训练风险识别模型的训练集和测试集;
27、s3、根据划分的训练集和测试集,采用机器学习算法完成风险识别模型的训练;
28、具体的,使用flaml库中的automl功能,自动选择和训练最适合的机器学习模型为风险识别模型;
29、s4、利用训练后的风险识别模型对销售人员的风险性进行评估;
30、s5、对风险识别模型的评估结果进行人工校验。
31、进一步地,步骤s2具体包括以下子步骤:
32、s21、数据预处理:数值特征列中的缺失值用“0”填充,风险等级列中的缺失值用“正常”填充;
33、s22、指定需要进行标签编码的列的列名,包括:性别、年龄分段、学历、工作年限、市级代码、入职渠道、失信被执行人、限制消费人员、被执行人信息、风险等级;调用函数train_label对指定列进行标签编码,并替换原始数据;其中,风险等级列中,正常为1,较高为0;
34、s23、选择特征列:从经过标签编码后的数据集表中选择除最后一列风险等级之外的列作为特征列,并转换为列表格式;
35、s24、划分训练集和测试集:将经过特征选择后的特征列和最后一列风险等级作为参数进行划分;其中,风险等级为较高的数据,和风险等级为正常的数据,分别随机选择一半作为训练集和测试集。
36、进一步地,步骤s4中,风险识别模型根据输入的销售人员的特征集数据,输出该销售人员的风险等级,从而判断是否为高风险人员;具体包括以下子步骤:
37、s41、若输出的风险等级为0,则风险识别模型判断为高风险人员,进入步骤s5;
38、s42、若输出的风险等级为1,风险识别模型判断为不是高风险人员,进入步骤s43;
39、s43、将检测结果反馈给风险识别模型进行优化。
40、进一步地,步骤s5,通过组织具备相关知识和经验的团队执行人工校验工作,建立标准化的分析流程;包括分析个体的基本情况和历史记录,比较模型预测的结果和个体实际情况,记录每个样本的校验结果;
41本文档来自技高网...
【技术保护点】
1.一种评估保险行业销售人员风险的系统,其特征在于:包括数据采集模块、数据预处理模块、风险识别模块、校对模块、优化模块;
2.如权利要求1所述的评估保险行业销售人员风险的系统,其特征在于:所述个人信息包括:性别、年龄分段、学历、工作年限、市级代码、入职渠道、风险等级;
3.如权利要求2所述的评估保险行业销售人员风险的系统,其特征在于:所述缺失值处理单元确定数据集表中缺失的数据,对于数值类型的列用“0”填充,对于风险等级的列用“正常”填充。
4.如权利要求3所述的评估保险行业销售人员风险的系统,其特征在于:所述数据转换单元对性别、年龄分段、学历、工作年限、市级代码、入职渠道、失信被执行人、限制消费人员、被执行人信息、风险等级进行标签编码,转换成数值表示,对数值型特征进行标准化或归一化。
5.如权利要求4所述的评估保险行业销售人员风险的系统,其特征在于:所述风险识别模块将数据集表的数据集划分为训练集和测试集,通过使用FLAML库中的AutoML功能,自动选择和训练最适合数据集表的机器学习模型。
6.如权利要求5所述的评估保险
7.一种评估保险行业销售人员风险的方法,适用于权利要求1-6所述的评估保险行业销售人员风险的系统,其特征在于,包括以下步骤:
8.如权利要求7所述的评估保险行业销售人员风险的方法,其特征在于:步骤S2具体包括以下子步骤:
9.如权利要求8所述的评估保险行业销售人员风险的方法,其特征在于:步骤S4中,风险识别模型根据输入的销售人员的特征集数据,输出该销售人员的风险等级,从而判断是否为高风险人员;具体包括以下子步骤:
10.如权利要求9所述的评估保险行业销售人员风险的方法,其特征在于:步骤S5,通过组织具备相关知识和经验的团队执行人工校验工作,建立标准化的分析流程;包括分析个体的基本情况和历史记录,比较模型预测的结果和个体实际情况,记录每个样本的校验结果;
...【技术特征摘要】
1.一种评估保险行业销售人员风险的系统,其特征在于:包括数据采集模块、数据预处理模块、风险识别模块、校对模块、优化模块;
2.如权利要求1所述的评估保险行业销售人员风险的系统,其特征在于:所述个人信息包括:性别、年龄分段、学历、工作年限、市级代码、入职渠道、风险等级;
3.如权利要求2所述的评估保险行业销售人员风险的系统,其特征在于:所述缺失值处理单元确定数据集表中缺失的数据,对于数值类型的列用“0”填充,对于风险等级的列用“正常”填充。
4.如权利要求3所述的评估保险行业销售人员风险的系统,其特征在于:所述数据转换单元对性别、年龄分段、学历、工作年限、市级代码、入职渠道、失信被执行人、限制消费人员、被执行人信息、风险等级进行标签编码,转换成数值表示,对数值型特征进行标准化或归一化。
5.如权利要求4所述的评估保险行业销售人员风险的系统,其特征在于:所述风险识别模块将数据集表的数据集划分为训练集和测试集,通过使用flaml库中的automl功能,自动选择和训练最适合数据集表的机器学习模型。
6....
【专利技术属性】
技术研发人员:马群,徐杰,李毅,
申请(专利权)人:中国人寿保险股份有限公司江苏省分公司,
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。