[发明专利]一种基于机器学习的质保产品的风险可视化工具

说明书

本发明涉及一种基于机器学习的质保产品的风险可视化工具产出方法，包括数据处理步骤、算法拟合步骤、可视化风控看板步骤、呈现准备金可视化视图看板步骤、呈现关键指标数据看板步骤。本发明提出一套基于机器学习算法和多个规则模型的组合进行可视化的呈现，通过智能数据可视化工具，大幅提高质保产品的可读性，并通过云计算技术，大幅的降低人工参与程度，有效降低时间成本。

技术领域

本发明属于可视化技术领域，具体涉及一种基于机器学习的质保产品的风险可视化工具。

背景技术

目前针对延保类产品的风控体系主要是利用传统精算流程来计算，计算过程复杂，流程长，目前此流程主要以excel表格手动计算，业内没见到过其他类似可视化的呈现方法相对，即可视化类型的呈现不足。具体来说，传统精算流程长且复杂，导致时间成本高，目前没其他方法避免时间成本，特别是传统精算流程无法呈现以时间为维度的数据可视化效果和相关的关键指标的呈现。

发明内容

本发明针对此问题，本发明第一方面提供了一种基于机器学习的质保产品的风险可视化工具产出方法，包括如下步骤：

S1质保期内产品理赔数据处理步骤；

S2以机器学习模型算法拟合步骤；所述以机器学习模型算法拟合步骤包括：以非线性回归的形态对质保期内产品理赔数据进行拟合评估和可靠性的分析，通过机器学习算法工具R，根据数据不同的情况，进行非线性模型的拟合并产出预计风险情况，所述风险情况包括赔付、损坏概率；

S3根据S2步骤处理结果进行可视化呈现，生成可视化风控看板步骤；

S4根据S2步骤处理结果进行可视化呈现，生成准备金可视化视图看板步骤；

优选的是，还包括生成关键指标数据看板步骤。

本发明的第二方面提供了一种基于机器学习的质保产品的风险可视化工具，所述风险可视化工具包括至少一个处理器；以及存储器，其存储有指令，当通过至少一个处理器来执行该指令时，实施按照前述的方法的步骤。

本发明的有益效果在于：本发明提出一套基于机器学习算法和多个规则模型的组合进行可视化的呈现，通过智能数据可视化工具，大幅提高质保产品的可读性，并通过云计算技术，大幅的降低人工参与程度，有效降低时间成本。

附图说明

图1质保产品的风险可视化工具产出方法流程图；

图2赔付预测图；

图3base层被配置方法流程图；

图4质保产品的风险可视化工具硬件拓扑图；

图5准备金预测报表；

图6可视化引擎计算流程/系统架构-base层；

图7可视化引擎计算流程/系统架构-汇报体系层。

具体实施方式

以下实施例进一步说明本发明的内容，但不应理解为对本发明的限制。在不背离本发明精神和实质的情况下，对本发明方法、步骤或条件所作的修改或替换，均属于本发明的范围。

术语解释：

延保类产品以汽车延保保险为例，汽车延保保险是指保险公司收取一定费用,在厂家质保期满后对车辆提供质保服务、延长保修业务。

参考图1所示，一些实施例的基于机器学习的质保产品的风险可视化工具产出方法，包括如下步骤：

S1质保期内产品理赔数据处理步骤；