基于查勘员画像的理赔案件分配方法、装置、计算机设备及存储介质与流程

本申请涉及数据处理技术领域，尤其涉及一种基于查勘员画像的理赔案件分配方法、装置、计算机设备及存储介质。

背景技术：

在保险行业中，如车险、财产险等，在需要理赔且需进行实地查勘时，通常是根据查勘员所在的位置来对理赔案件进行分配，如将理赔案件分配给离查勘地点较近的查勘员以进行实地查勘。这种对理赔案件进行分配的方式较为单一，仅考虑几个简单的因素，如位置因素等，并没有考虑到其他诸多影响因素，使得理赔案件的分配存在不合理的地方，耽误理赔进度。同时，保险理赔流程逐渐从线下转到线上处理，每个理赔案件的情况，以及每个查勘员的信息也越来越多的被记录到数据库，这些数据并没有被真正利用起来，以对理赔案件的分配进行优化，造成了数据的浪费。

技术实现要素：

本申请实施例提供一种基于查勘员画像的理赔案件分配方法、装置、计算机设备及存储介质，可公正、合理、高效地对理赔案件进行分配。

第一方面，本申请实施例提供了一种基于查勘员画像的理赔案件分配方法，包括：

获取查勘员的信息和所述查勘员在理赔过程中涉及的理赔记录数据；获取预先设置的查勘员画像所对应的标签；根据所述查勘员的信息和理赔记录数据确定每个标签的标签值；根据所述标签和对应的标签值形成所述查勘员画像；根据所述查勘员画像和预设等级类别范围，将所述查勘员进行分类，以得到所述查勘员的等级类别；若接收到理赔请求，获取所述理赔请求中的理赔标识，所述理赔标识表示所述理赔请求所对应的理赔案件的重要程度；根据所述理赔标识确定一个与所述理赔标识匹配的等级类别；按照预设规则从所确定的等级类别的多个查勘员中确定一个目标查勘员，并将所述理赔请求发送至所述目标查勘员。

第二方面，本发明实施例提供了一种基于查勘员画像的理赔案件分配装置，该基于查勘员画像的理赔案件分配装置包括用于执行上述第一方面所述的方法对应的单元。

第三方面，本发明实施例提供了一种计算机设备，所述计算机设备包括存储器，以及与所述存储器相连的处理器；

所述存储器用于存储计算机程序，所述处理器用于运行所述存储器中存储的计算机程序，以执行上述第一方面所述的方法。

第四方面，本发明实施例提供了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计算机程序，所述计算机程序被处理器执行时，实现上述第一方面所述的方法。

本申请实施例根据查勘员的信息和该查勘员在理赔过程中涉及的理赔记录数据以及预设标签，计算每个标签的标签值，以形成查勘员画像，并根据查勘员画像对查勘员进行分类，以得到查勘员的等级类别，在进行理赔案件分配时，根据理赔案件的标识信息确定一个匹配的等级类别，并从匹配的等级类别中确定一个目标查勘员以将理赔案件分配给该目标查勘员。本申请实施例通过用户画像的方式来对查勘员进行全面的理解和分析，用户画像可以较全面的描述一个查勘员，再根据查勘员画像对查勘员进行分类，使得分类较为准确，再根据分类的等级类别来进行理赔案件的分配，如此，可公正、合理、高效地实现理赔案件的分配，使得当前处理理赔案件的查勘员都是最匹配的查勘员。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的基于查勘员画像的理赔案件分配方法的流程示意图；

图1a是本申请实施例提供的某查勘员工作能力对应的四个标签的标签值；

图2是本申请实施例提供的基于查勘员画像的理赔案件分配方法的子流程示意图；

图3是本申请另一实施例提供的基于查勘员画像的理赔案件分配方法的流程示意图；

图4是本申请实施例提供的基于查勘员画像的理赔案件分配装置的示意性框图；

图5是本申请实施例提供的标签值确定单元的示意性框图；

图6是本申请另一实施例提供的基于查勘员画像的理赔案件分配装置的示意性框图；

图7是本申请实施例提供的计算机设备的示意性框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

图1是本申请实施例提供的基于查勘员画像的理赔案件分配方法的流程示意图。如图1所示，该方法包括s101-s108。

s101，获取查勘员的信息和所述查勘员在理赔过程中涉及的理赔记录数据。

查勘员的信息和查勘员在理赔过程中涉及的理赔记录数据可以保存在数据库中，从数据库中获取；也可以保存在其他终端中，从其他终端中获取等；也可以保存在本机中，在本机中获取。其中，查勘员的信息包括查勘员的基本信息(如查勘员姓名、性别、毕业院校、工作经历、上岗资格等)、性格信息(如耐心程度、积极程度、与同事间的关系好坏等)、行为信息(如信用度、小额贷款、信用卡数量、车贷、房贷、获得驾驶证的类型、获得驾驶证的时间等)等。查勘员在理赔过程中涉及的理赔记录数据包括查勘地点、查勘时间、查勘范围、理赔案件查勘作业各个流程等详细信息。

s102，获取预先设置的查勘员画像所对应的标签。

查勘员画像所对应的标签分为多个层级。如查勘员画像所对应的标签包括查勘员的基本信息、性格特征、行为特征、投诉、服务、工作量、时效、工作质量等。其中，查勘员的基本信息包括机构名称(查勘员所属机构名称)、机构代码、查勘员姓名、性别、户籍、籍贯、地域、最高学历、毕业院校、专业、入司日期、工作经历、上岗资格等标签。性格特征包括耐心程度、积极程度、与同事间的关系好坏等标签。行为特征包括信用度、小额贷款、信用卡数量、车贷、房贷、获得驾驶证的类型、获得驾驶证的时间、实际驾驶的时间、驾驶的频次、是否在实习期、名下是否有车、是否被吊销驾照、色盲、夜盲症、查勘车停驶率、查勘车车均违章、查勘车车辆断网率、查勘车车均加油量、查勘车百公里油耗、查勘车车均车险台次、违章次数等标签。投诉包括投诉量(3a)标签。服务包括nps、nps提升率等标签。工作量包括工作量、改派量、定损案件量、标的定损量、三者定损量等标签。时效包括到勘时长、拍摄时长、查勘完成时长、接派工时长、定损时长、照片上传完成时长、标的定损完成时长、标的车报价停留时长、理赔案件结案率(3a)、自助厂案件处理结案率等标签。工作质量包括车均配件数、保险责任正确率、标准配件使用率、配件外修率、可修复配件更换率、车均配件费、车均工时费、案均理算等待时长、车均定损时长、车均定损等待时长、车均定损处理时长、车均复勘时长、车均复勘审核时长、件数结案率、4s店维修占比(件数)、4s店维修占比(金额)等标签。该以上标签只是例举，以为了方便理解。

查勘员画像所对应的标签可以保存在数据库中，从数据库获取预先设置的查勘员画像所对应的标签；也可以保存在本机的预设目录中，从本机的预设目录中获取预先设置的查勘员画像所对应的标签；也可以保存在其他终端中，从其他终端中获取预先设置的查勘员画像所对应的标签。

s103，根据所述查勘员的信息和理赔记录数据确定每个标签的标签值。

预先设置的查勘员画像所对应的标签中有直接可从数据库中获取对应数据作为标签值的，如机构名称(查勘员所属机构名称)、机构代码、查勘员姓名、性别、最高学历等标签；也有标签是需要通过对应的数据计算出某一个结果的，如理赔案件结案率(3a)、查勘车停驶率等标签。

在一实施例中，如图2所示，步骤s103包括以下步骤s1031-s1034。

s1031，获取每个标签的标签值所对应的确定方式，所述确定方式包括直接获取和公式计算。

每个标签的标签值所对应的确定方式保存在数据库中或者文档中，如数据库中有多个记录，每个记录包括标签名称、标签值确定方式、标签值所对应的字段和标签值的计算公式等信息。

s1032，若标签值所对应的确定方式为直接获取，则从所述查勘员的信息和理赔记录数据中直接获取标签所对应的字段数据作为该标签所对应的标签值。

若标签值所对应的确定方式为直接获取，则获取该标签值所对应的字段，从查勘员的信息和理赔记录数据中获取该字段所对应的数据，将该字段所对应的数据作为该标签所对应的标签值。如对于“信用卡数量”标签，从数据库中获取该标签值所对应的确定方式为直接获取，则获取该标签值所对应的字段，从数据库中获取该标签值所对应的字段所对应的数据，如“5”(5张信用卡)，那么将5作为该标签所对应的数据。

s1033，若标签值所对应的确定方式为公式计算，获取该标签值的计算公式，并从所述查勘员的信息和理赔记录数据中获取所述计算公式中涉及的字段数据。

若标签值所对应的确定方式为公式计算，获取标签值所对应的字段和标签值的计算公式，其中，标签值所对应的字段包括计算公式中所涉及的所有字段，从查勘员的信息和理赔记录数据中获取计算公式中所涉及的所有字段该所对应的数据。如投诉量(3a)标签，所对应的计算公式为：ceiling([责任系数]*[投诉量])。其中，责任系数、投诉量是计算公式中所涉及到的字段，从数据库中获取责任系数、投诉量字段所对应的数据，以计算投诉量(3a)标签的标签值。如理赔案件结案率(3a)标签，所对应的计算为：统计期内已决赔案数量/(统计期初未决赔案案件数量+统计期内立案案件数量)×100％。其中，已决赔案数量、未决赔案案件数量、立案案件数量是计算公式中所涉及到的字段，从数据库中获取统计期内已决赔案数量、统计期初未决赔案案件数量、统计期内立案案件数量分别对应的数据。

s1034，根据所述计算公式和所述计算公式中涉及的字段数据计算该标签的标签值。将计算公式中涉及的字段所对应的数据带入计算公式中以计算该标签所对应的标签值。

该实施例限定了根据每个标签的标签值的确定方式来确定每个标签的标签值。如此，根据不同的方式来确定每个标签的标签值。

s104，根据所述标签和对应的标签值形成所述查勘员画像。

该查勘员画像中包括了每个标签以及每个标签所对应的标签值，也可以只包括一部分的标签和一部分的标签值。如此，查勘员画像可以从某几个方面或者整体来反映一个查勘员的信息，较佳的，查勘员画像从整体来反映一个查勘员的信息。

如查勘员工作能力可以从四个标签来进行衡量：服务、工作量、工作质量、时效，这四个标签可以从对应标签值的计算公式得到，通过计算公式可以得出服务、工作量、工作质量、时效这四个标签所对应的标签值。假设查勘员工作能力中，服务标签占比30％，时效标签占比25％，工作质量标签占比20％，工作量标签占比25％，可以理解地，若工作能力用100分表示，服务标签满分30，时效标签满分25，工作质量标签满分20，工作量标签满分25。将计算出来的服务、工作量、工作质量、时效这四个标签所对应的标签值，进行计算转换，以分别得到该查勘员所对应的服务、工作量、工作质量、时效这四个标签的得分。如对于服务标签来说，根据计算出来的该查勘员的服务标签值与所有查勘员中计算出的服务最高标签值的比值，与服务标签所对应的满分，计算出服务标签的得分。如计算出的该查勘员服务标签为16.5分等。如图1a所示，为计算出的某个查勘员工作能力所对应的四个标签的标签值。其中，浅色的部分是2月份的标签值得分，深色的部分是1月份的标签纸得分。其中，2月份的服务标签为16.5分，时效标签为19分，工作质量标签为13分，工作量标签为23分。需要注意的是，本段中例举的只是一个示例，图1a所示的也只是一个示例。或者也可将查勘员工作能力作为一个标签，计算工作能力标签的标签值，如此可直接获取该标签值。

如查勘员当月平均到堪时效，可以根据该查勘员当月的到堪时长标签值进行统计平均，以得到查勘员当月平均到堪时效。或者将平均到堪时长作为一个标签，直接获取该平均到堪时长标签所对应的标签值。

如查勘员当月结案数据，1日结案量，7日结案量，所有结案量等数据，用件数来表示。

如查勘员当月案件时效数据，如1天结案占比，1-5天结案占比，5-10天结案占比，10天以上结案占比等数据。

如查勘员当月结案金额数据，如0-5k所对应的占比，5k-10k所对应的占比，10k-30k所对应的占比，30k以上所对应的占比等数据。

需要说明的是，以上例举的数据都只是为了说明可以得到的查勘员画像，并不构成对查勘员；l画像的限定。查勘员画像还可以包括更多的数据，如查勘员当月作业数据，包括现场派工量，远程查勘量，直赔量等。

比如，在一实施例中，上述所涉及的所有的数据构成该查勘员画像，如此，该查勘员画像中包括了该查勘员的工作能力，查勘员当月平均到堪时效，查勘员当月结案数据，查勘员当月案件时效数据，查勘员当月结案金额数据，查勘员当月作业数据等；或者，在一实施例中，上述所涉及的部分数据构成该查勘员画像，如该查勘员的工作能力，查勘员当月平均到堪时效，查勘员当月结案数据等。较佳的，上述所涉及的所有的数据构成该查勘员画像。

s105，根据所述查勘员画像，将所述查勘员进行分类，以得到所述查勘员的等级类别。

在一实施例中，可以按照查勘员的工作能力的综合得分来划分查勘员的等级类别。如此，步骤s105包括：获取预设等级类别范围；根据所述查勘员画像中的标签、标签值，以及预先设置的标签因子，计算所述查勘员的综合得分；根据所述查勘员的综合得分和预设等级类别范围，将所述查勘员进行分类，以得到所述查勘员的等级类别。

其中，预设等级类别有不同的设定方式，如将查勘员分为a、b、c...等级，a等级表示该查勘员工作能力最强等；如可按照地域对查勘员进行划分，在每个地域里面再对查勘员进行分级；如可按照查勘员所述机构对查勘员进行划分，在每个机构里面再对查勘员进行分级等。每个预设等级类别都对应有一个范围数值，如a等级的范围数值为[0.9-1]或[90-100]，b等级的范围数值为[0.8-0.9]或[80-90]等。具体的预设等级类别可根据应用场景的不同按照不同的设定方式，每个预设等级类别所对应的范围数据也可根据应用场景的不同而不同。

先获取查勘员工作能力的综合得分的计算公式，根据计算公式中涉及的标签、标签值以及预设设置的标签因子，计算查勘员工作能力的综合得分。如查勘员工作能力的综合得分计算公式为：综合得分＝标签1归一化值*标签因子1+标签2归一化值*标签因子2+标签3归一化值*标签因子3+标签4归一化值*标签因子4.....。其中，标签1归一化值、标签2归一化值、标签3归一化值、标签4归一化值...分别为标签1、标签2、标签3、标签4...的标签值归一化后的值。如标签1为服务，标签2为工作量，标签3为工作质量，标签4为时效等，标签因子分别为0.3，0.25，0.2，0.25等。其中，若标签值本身为[0,1]之间的值，则归一化后的即为本身，也可以理解为无需进行归一化。在其他实施例中，查勘员工作能力的综合得分的计算公式还可以按照其他的方式计算，如标签1为服务，标签2为工作量，标签3为工作质量，标签4为时效，设查勘员的工作能力的综合得分为：综合得分＝标签1的得分+标签2的得分+标签3的得分+标签4的得分。如图1a中的查勘员工作能力所对应的综合得分为：16.5+19+23+13＝71.5。计算出查勘员工作能力的综合得分后，根据查勘员工作能力的综合得分和预设等级类别范围，将查勘员进行分类，以得到查勘员的等级类别，如某个查勘员工作能力的综合得分为0.93，而预设等级类别范围中[0.9-1]对应的等级类别为a，那么该查勘员的等级类别即为a。

在一实施例中，可按照查勘员的平均到堪时效来划分查勘员的等级类别。

在一实施例中，可根据查勘员当月结案数据来划分查勘员的等级类别等。具体地，根据查勘员当月结案数据来划分查勘员的等级类别与按照查勘员的工作能力的综合得分来划分查勘员的等级类别相类似，在此不再赘述。

在其他实施例中，也可以根据其他的数据来划分查勘员的等级类别。

还可以根据上述所有的数据来划分查勘员的等级类别，如根据查勘员工作能力的综合得分，查勘员的平均到堪时效，查勘员当月结案数据等来划分查勘员的等级类别，各个数据按照一定的比例进行计算；或者也可以根据上述部分的数据来划分查勘员的等级类别，如根据查勘员工作能力的综合得分，查勘员的平均到堪时效等来划分查勘员的等级类别。较佳的，根据上述所有的数据来划分查勘员的等级类别。

在一实施例中，步骤s105包括：将所述查勘员画像输入到预设的随机森林模型中，通过预设的随机森林模型对所述查勘员进行分类，以得到所述查勘员的等级类别。其中，查勘员画像包括查勘员所对应的标签和标签值。

在该实施例中，在将所述查勘员画像输入到预设的随机森林模型中之前，所述方法还包括：训练预设的随机森林模型。其中，训练预设的随机森林模型包括：获取当前统计期之前，多个查勘员的训练数据，其中，多个查勘员的训练数据包括查勘员的等级类别以及查勘员的信息和查勘员在理赔过程中涉及的理赔记录数据；通过训练数据训练随机森林，以得到预设的随机森林模型。

s106，若接收到理赔请求，获取所述理赔请求中的理赔标识，所述理赔标识表示所述理赔请求所对应的理赔案件的重要程度。

其中，理赔请求由用户触发，如客户/查勘员等。理赔请求可通过多种方式触发。如客户通过语音的方式进行触发等。其中，理赔请求中包括理赔标识，还包括有理赔请求人、理赔通道来源、理赔涉案金额、理赔地点等信息，若理赔请求人为预设客户，或者理赔通道来源来自于预设通道，或者理赔涉案金额高于预设金额预设案件，那么理赔标识的重要程度为高。其中，预设通道包括转办通道等，转办通道意味着该投诉案件可能涉及到多方交涉。预设客户为特殊客户等，如机构领导人等特殊用户。理赔涉案金额越高，也意味着该理赔案件的重要性越高。重要程度还可以包括普通、较低等。如理赔标识可以用1、2、3...等表示(也可以用其他的标识进行表示)，其中，1表示理赔请求所对应的理赔案件的重要程度最高，2表示重要程度次于1等。

s107，根据所述理赔标识确定一个与所述理赔标识匹配的等级类别。

如将理赔标识中的重要程度最高的和等级类别最高的进行匹配，重要程度次高的和等级类别次高的进行匹配......。如此，根据理赔标识中的重要程度确定一个与匹配标识匹配的等级类别。可以理解为，根据理赔案件的重要程度确定一个匹配的等级类别，以使得重要程度越高的理赔案件匹配越高的等级类别。等级类别越高，意味着查勘员的工作能力越高。

s108，按照预设规则从所确定的等级类别的多个查勘员中确定一个目标查勘员，并将所述理赔请求发送至所述目标查勘员。

如根据理赔地点、所确定的等级类别中的查勘员的案件分配情况等结合来从多个查勘员中确定一个目标查勘员。比如，从所确定的等级类别中的多个查勘员中选择一个离理赔地点近的、当前没有案件或者案件处理快结束、结案金额匹配、结案速度匹配的查勘员，将该查勘员作为目标查勘员，并将理赔请求发送至目标查勘员，以尽快处理该理赔请求所对应的理赔案件。其中，可将理赔请求发送至目标查勘员所在的终端，如手机终端，具体地，如通过短信/微信/邮件等发送，也可以将理赔请求发送至目标查勘员所对应的系统帐户，目标查勘员登录后，即可获得理赔请求的信息；或者既可以发送至目标查勘员所在的终端，同时也将理赔请求发送至目标查勘员所对应的系统帐户。

本申请实施例通过用户画像的方式来对查勘员进行全面的理解和分析，用户画像可以较全面的描述一个查勘员，再根据查勘员画像对查勘员进行分类，使得分类较为准确，再根据分类的等级类别来进行理赔案件的分配，如此，可公正、合理、高效地实现理赔案件的分配，使得当前处理理赔案件的查勘员都是最匹配的查勘员。

在一实施例中，在步骤s104之后，所述方法还包括：若接收到查勘员画像查看请求，根据所述查看请求中的查勘员标识信息查找所述查勘员标识信息所对应的查勘员画像并进行可视化展示。

其中，查看请求中包括有查勘员标识信息，其中，查勘员标识信息可以是该查勘员姓名/编号等信息。通过查看请求可以查看该查勘员画像并将查勘员画像进行可视化展示。如此，通过可视化展示一目了然的清楚查勘员的所有信息，提高了用户的体验。

在一实施例中，在步骤s105之后，所述方法还包括：根据查勘员的等级类别确定查勘员的绩效等级，根据所述查勘员的绩效等级计算所述查勘员的绩效，以实现查勘员的绩效管理。

查勘员画像可以对查勘员进行全面的理解和分析，再根据查勘员画像确定查勘员的等级类别，使得分类更准确，提高分类结果的准确性，如此，提高绩效管理的精度、准确度和效率。

图3是本申请另一实施例提供的基于查勘员画像的理赔案件分配方法的流程示意图。如图3所示，所述方法包括以下步骤s201-s214。该实施例与图1所示的实施例的区别在于：增加了步骤s206-s211。其中，步骤s201-s205、步骤s212-s214与图1所示实施例中的步骤s101-s108一一对应，在此不再赘述。下面将详细描述该实施例与图1所示的实施例的不同之处。

s206，检测是否达到预设时间。

在一实施例中，记录前一次获取查勘员的信息和所述查勘员在理赔过程中涉及的理赔记录数据，并根据所获取的查勘员的信息和所述查勘员在理赔过程中涉及的理赔记录数据确定查勘员画像以及查勘员的等级类别的时间，将所记录的时间加上预设时间间隔，以确定预设时间。如此，可以理解为，按照预设时间间隔来更新查勘员画像和查勘员等级类别。在其他实施例中，检测是否达到预设时间，该预设时间是某个预定的时间，如每个星期的星期一等。如此，可以理解为按照预定的时间来更新查勘员画像和查勘员等级类别。

s207，若达到预设时间，获取所述查勘员的最新信息和在理赔过程中涉及的最新理赔记录数据。从数据库中获取查勘员的最新信息和在理赔过程中涉及的最新理赔记录数据。

s208，将前一次获取的所述查勘员的信息和理赔记录数据与所述查勘员的最新信息和最新理赔记录数据进行比对，以得到更新数据。

其中，更新数据指的是与前一次获取的数据不同的数据。如前一次获取的“车贷”的信息为无，而查勘员最新信息中的“车贷”信息为有，那么更新数据包括“车贷”信息，“车贷”信息为有。如前一次获取的统计期内已决赔案数量为m，而最新理赔记录数据中的统计期内已决赔案数量为n，那么更新数据包括统计期内已决赔案数量，该统计期内已决赔案数量为n。

s209，根据所述更新数据更新与所述更新数据相关的标签的标签值。

如更新数据包括统计期内已决赔案数量，那么与统计期内已决赔案数量相关的标签为理赔案件结案率(3a)，那么根据更新数据中的统计期内已决赔案数量来更新理赔案件结案率(3a)标签的标签值。

s210，根据更新后的标签值来更新所述查勘员画像。

s211，根据更新后的查勘员画像更新所述查勘员的等级类别。

具体地，更新查勘员画像和查勘员的等级类别的方式如上文中的所述，在此不再赘述。

该实施例实现了查勘员画像的更新以及查勘员等级类别的更新，保证了查勘员画像代表的是该查勘员最新的信息，查勘员等级类别也是根据查勘员最新的信息得到的。如此，提高了查勘员画像和查勘员等级类别的准确度。

图4是本申请实施例提供的基于查勘员画像的理赔案件分配装置的示意性框图。该装置包括用于执行上述图1所述的基于查勘员画像的理赔案件分配方法所对应的单元。如图4所示，该基于查勘员画像的理赔案件分配装置100包括数据获取单元101、标签获取单元102、标签值确定单元103、画像确定单元104、分类单元105、请求接收单元106、等级确定单元107以及请求发送单元108。

数据获取单元101，用于获取查勘员的信息和所述查勘员在理赔过程中涉及的理赔记录数据。

标签获取单元102，用于获取预先设置的查勘员画像所对应的标签。

标签值确定单元103，用于根据查勘员的信息和所述理赔记录数据确定每个标签的标签值。

画像确定单元104，用于根据所述标签和对应的标签值形成所述查勘员画像。

分类单元105，用于根据所述查勘员画像将所述查勘员进行分类，以得到所述查勘员的等级类别。

请求接收单元106，用于若接收到理赔请求，获取所述理赔请求中的理赔标识，所述理赔标识表示所述理赔请求所对应的理赔案件的重要程度。

等级确定单元107，用于根据所述理赔标识确定一个与所述理赔标识匹配的等级类别。

请求发送单元108，用于按照预设规则从所确定的等级类别的多个查勘员中确定一个目标查勘员，并将所述理赔请求发送至所述目标查勘员。

在一实施例中，如图5所示，标签值确定单元103包括方式获取单元1031、标签值获取确定单元1032、公式字段获取单元1033以及标签值计算单元1034。

方式获取单元1031，用于获取每个标签的标签值所对应的确定方式，所述确定方式包括直接获取和公式计算。

标签值获取确定单元1032，用于若标签值所对应的确定方式为直接获取，则从所述查勘员的信息和理赔记录数据中直接获取标签所对应的字段数据作为该标签所对应的标签值。

公式字段获取单元1033，用于若标签值所对应的确定方式为公式计算，获取该标签值的计算公式，并从所述查勘员的信息和理赔记录数据中获取所述计算公式中涉及的字段数据。

标签值计算单元1034，用于根据所述计算公式和所述计算公式中涉及的字段数据计算该标签的标签值。

在一实施例中，分类单元105包括等级获取单元、分数计算单元、等级分类单元。其中，等级获取单元，用于获取预设等级类别范围。分数计算单元，用于根据所述查勘员画像中的标签、标签值，以及预先设置的标签因子，计算所述查勘员的综合得分。等级分类单元，用于根据所述查勘员的综合得分和预设等级类别范围，将所述查勘员进行分类，以得到所述查勘员的等级类别。

在一实施例中，分类单元105包括模型分类单元。其中，模型分类单元，用于将所述查勘员画像输入到预设的随机森林模型中，通过预设的随机森林模型对所述查勘员进行分类，以得到所述查勘员的等级类别。在一实施例中，所述装置还包括模型训练单元。该模型训练单元，用于训练预设的随机森林模型。

在一实施例中，所述装置还包括画像查看单元。其中，画像查看单元，用于若接收到查勘员画像查看请求，根据所述查看请求中的查勘员标识信息查找所述查勘员标识信息所对应的查勘员画像并进行可视化展示。

在一实施例中，所述装置还包括：绩效管理单元。其中，绩效管理单元，用于根据查勘员的等级类别确定查勘员的绩效等级，根据所述查勘员的绩效等级计算所述查勘员的绩效，以实现查勘员的绩效管理。

图6是本申请另一实施例提供的基于查勘员画像的理赔案件分配装置的示意性框图。该装置包括用于执行上述图3所述的基于查勘员画像的理赔案件分配方法所对应的单元。如图6所示，该基于查勘员画像的理赔案件分配装置200包括数据获取单元201、标签获取单元202、标签值确定单元203、画像确定单元204、分类单元205、时间检测单元206、更新数据获取单元207、比对单元208、标签值更新单元209、画像更新单元210、分类更新单元211、请求接收单元212、等级确定单元213以及请求发送单元214。该实施例与图4所示的实施例的区别在于：增加了时间检测单元206、更新数据获取单元207、比对单元208、标签值更新单元209、画像更新单元210、分类更新单元211。其他的单元与图4所示的单元一一对应，在此不再赘述。下面将详细描述区别之处。

时间检测单元206，用于检测是否达到预设时间。

更新数据获取单元207，用于若达到预设时间，获取所述查勘员的最新信息和在理赔过程中涉及的最新理赔记录数据。

比对单元208，用于将前一次获取的所述查勘员的信息和理赔记录数据与所述查勘员的最新信息和最新理赔记录数据进行比对，以得到更新数据。

标签值更新单元209，用于根据所述更新数据更新与所述更新数据相关的标签的标签值。

画像更新单元210，用于根据更新后的标签值来更新所述查勘员画像。

分类更新单元211，用于根据更新后的查勘员画像更新所述查勘员的等级类别。

需要说明的是，所属领域的技术人员可以清楚地了解到，上述装置和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。

上述装置可以实现为一种计算机程序的形式，计算机程序可以在如图7所示的计算机设备上运行。

图7为本申请实施例提供的一种计算机设备的示意性框图。该设备为终端等设备，如开发人员所使用的台式计算机、手机、pad等。该设备100包括通过系统总线101连接的处理器102、存储器和网络接口103，其中，存储器可以包括非易失性存储介质104和内存储器105。

该非易失性存储介质104可存储操作系统1041和计算机程序1042。该非易失性存储介质中所存储的计算机程序1042被处理器102执行时，可实现上述终端中所述的基于查勘员画像的理赔案件分配方法。该处理器102用于提供计算和控制能力，支撑整个设备100的运行。该内存储器105为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器102执行时，可使得处理器102执行上述终端中所述的基于查勘员画像的理赔案件分配方法。该网络接口103用于进行网络通信。本领域技术人员可以理解，图中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的设备的限定，具体的设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

其中，所述处理器102用于运行存储在存储器中的计算机程序，以实现上述基于查勘员画像的理赔案件分配方法的任一实施例。

应当理解，在本申请实施例中，所称处理器102可以是中央处理单元(centralprocessingunit，cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(应用程序licationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序可存储于一存储介质中，该存储介质可以为计算机可读存储介质。该计算机程序被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。

因此，本申请还提供了一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，该计算机程序当被处理器执行时实现上述基于查勘员画像的理赔案件分配方法的任一实施例。

所述存储介质可以是u盘、移动硬盘、只读存储器(read-onlymemory，rom)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置、设备和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置、设备和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。