一种基于决策树分箱与逻辑回归的保险业务员智能筛选方法与流程

本发明涉及数据处理与智能评估，尤其是涉及一种基于决策树分箱与逻辑回归的保险业务员智能筛选方法。

背景技术：

1、保险公司业务员作为直接面向客户的销售群体，其业务能力与业绩表现直接关系到公司的市场竞争力与盈利能力，因此在招聘过程中对候选人进行精准筛选至关重要。然而，当前保险行业的传统招聘模式存在诸多难以克服的弊端，严重制约了招聘质量与效率。

2、在简历筛选环节，随着保险行业的快速发展，应聘人数激增，招募人员往往需要在短时间内处理成百上千份简历。传统人工筛选不仅耗时费力，更关键的是难以从海量信息中精准识别对业务员业绩有显著影响的核心要素。例如，同样拥有销售经验的候选人，其过往销售产品类型、客户群体与保险业务的匹配度差异，会直接影响后续业绩表现，但人工筛选难以对此进行量化分析，常常导致具备高潜力的候选人被遗漏，或不符合岗位需求的候选人进入后续环节。在性格测试阶段，现有性格测试工具多为通用版本，未针对保险业务员岗位特性进行定制化设计。保险销售工作具有高压力、高沟通频率、长周期跟进等特点，要求从业者具备极强的抗压韧性、共情能力与长期服务意识，但通用性格测试的评价维度与评分标准无法与这些岗位核心需求直接关联。测试结果往往仅能反映候选人的一般性性格特征，缺乏与保险业绩指标的映射关系，导致面试官难以据此判断候选人是否适配岗位。在面试评价阶段，不同面试官基于个人经验形成的评价标准存在显著差异：有的面试官更看重候选人的口才表现，有的则侧重其抗压能力，缺乏统一的评价框架。这种不一致性使得评价结果失去可比性，同一候选人可能因面对不同面试官而得到截然不同的评价。同时，面试过程中面试官的直觉判断往往占据主导地位，缺乏对业绩关联因素的系统性考量，进一步降低了筛选的准确性。此外，上述三个阶段的筛选过程相互割裂，简历筛选、性格测试与面试评价的结果无法形成有效联动与综合分析，难以构建候选人的完整能力画像。这种碎片化的评估方式，使得保险公司在招聘中难以实现对候选人业绩潜力的精准预测，导致招聘成本居高不下，且招聘质量波动较大。

3、综上所述，现有保险业务员招聘筛选方法存在技术缺陷：简历筛选中缺乏对海量信息中业绩关联因素的量化分析手段；性格测试的评价维度无法与保险业务员岗位核心需求及业绩指标建立映射关系；面试评价缺乏统一的量化评估框架，评价标准因人而异；三阶段评估数据相互割裂，无法形成联合分析。因此，如何对候选人在简历筛选、性格测试与面试评价全流程中的多源异构数据进行统一量化处理，并构建一个可解释、标准化的评估模型以实现对候选人业绩潜力的精准预测，是需要解决的技术问题。

技术实现思路

1、本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于决策树分箱与逻辑回归的保险业务员智能筛选方法，通过采用cart决策树对每一连续型特征独立执行以基尼系数最小化为准则、样本量占比为硬约束的单变量自动分箱，并结合iv值量化筛选与vif共线性检测，使特征分箱边界和筛选标准完全由数据驱动，无需人工经验干预，从而消除了传统方法中主观设定分段阈值带来的偏差，实现了对海量候选人信息中业绩关联因素的客观、精准量化提取。

2、本发明的目的可以通过以下技术方案来实现：

3、根据本发明的一个方面，提供了一种基于决策树分箱与逻辑回归的保险业务员智能筛选方法，具体步骤包括：

4、s1、采集历史数据集，所述历史数据集包含已入职保险业务员的简历信息数据、性格测试数据、面试评价数据和对应的入职后产能标签；对所述历史数据集进行预处理，生成标准化特征矩阵；

5、s2、采用cart分类决策树算法对所述标准化特征矩阵中的各连续型特征分别执行单变量自动分箱，将各连续型特征的取值划分为若干个分箱区间，并计算各分箱区间的产能分布统计量，生成各特征的分箱数据表；

6、s3、基于所述分箱数据表计算各特征的信息价值，根据信息价值从所述标准化特征矩阵中筛选出关键特征；对所述关键特征进行证据权重编码，将各关键特征的各分箱区间转换为证据权重值；

7、s4、以证据权重编码后的关键特征为自变量，以所述产能标签为因变量，训练逻辑回归模型，得到各关键特征的回归系数；根据所述逻辑回归模型的回归系数，将各关键特征的不同分箱区间映射为相应的评分卡分值，建立评分卡；

8、s5、将待评估候选人的原始数据输入所述评分卡，计算得到所述候选人的各阶段评分及综合评分，作为所述候选人的产能潜力预测结果。

9、进一步地，所述s1中，对所述历史数据集进行预处理的具体步骤包括：

10、逐一计算各特征维度的缺失率，对于缺失率超过80%的特征维度，采用均值插补法进行填充，所述均值插补法为将缺失值替换为该特征在全部有效样本中的平均值；对于缺失率不超过80%的特征维度，保留缺失值并在后续分箱步骤中单独成箱处理；对各连续型特征采用箱线图法检测异常值，对于超出第一四分位数减去1.5倍四分位距至第三四分位数加上1.5倍四分位距范围的值进行截尾处理；将简历信息数据、性格测试数据、面试评价数据按候选人标识进行横向拼接，与对应的产能标签共同构成标准化数据集。

11、进一步地，所述s2中，采用cart分类决策树算法对所述标准化特征矩阵中的各连续型特征分别执行单变量自动分箱的具体步骤包括：

12、对于每一个连续型特征，以当前特征为唯一自变量，以产能标签为目标变量，分别独立训练cart分类决策树，由决策树算法以基尼系数最小化为准则自动生成最优分割边界，将该特征的取值划分为k个互不相交的分箱区间；设定分箱约束条件，包括：单个特征的分箱区间数量k限定为3至5组，且每组样本量不低于总样本量的2%；对于分箱后得到的各分箱区间，计算中间统计量，所述中间统计量包括区间样本量、区间样本占总样本量的比例、区间内高产能样本数、区间内低产能样本数、区间内高产能样本占该区间总样本的比例和区间内低产能样本占该区间总样本的比例；输出包括全部特征的分箱区间划分和各区间产能分布量化数据的全特征分箱数据表。

13、进一步地，所述s3中，基于所述分箱数据表计算各特征的信息价值并根据信息价值筛选关键特征的具体步骤包括：

14、分别统计全量历史数据中高产能样本总数和低产能样本总数；对于第j个特征的第k个分箱区间，根据当前区间内高产能样本数与全量高产能样本总数的比值、当前区间内低产能样本数与全量低产能样本总数的比值，计算当前区间的证据权重值；根据各分箱区间的高产能样本占比与低产能样本占比的差异乘以对应的证据权重值并求和，计算该特征的信息价值；将信息价值大于预设阈值的特征作为候选特征，并对所述候选特征计算方差膨胀因子进行多重共线性检测，将方差膨胀因子大于10的特征剔除，保留剩余特征作为关键特征。

15、进一步地，所述s3中，对所述关键特征进行证据权重编码的具体步骤包括：

16、对于第i个样本的第j个关键特征，根据该特征值落入的分箱区间，将当前特征的原始值替换为该分箱区间对应的证据权重值，全部关键特征编码完成后得到证据权重编码数据集，以所述证据权重编码数据集作为逻辑回归模型的输入。

17、进一步地，所述s4中，将所述证据权重编码数据集按产能标签分层随机划分为训练集和测试集；以训练集中证据权重编码后的各关键特征为自变量，以产能标签为因变量，采用极大似然估计法训练逻辑回归模型，得到截距项和各关键特征的回归系数；采用测试集对训练得到的逻辑回归模型进行评估，计算模型预测结果与实际产能标签的准确率和精确率，并计算受试者工作特征曲线的曲线下面积，当曲线下面积大于等于预设阈值时判定模型具有区分能力；根据逻辑回归模型的截距项和各关键特征的回归系数，结合各关键特征各分箱区间的证据权重值，计算各关键特征各分箱区间对总分的贡献分值；对于简历筛选阶段对应的关键特征集合，将属于当前关键特征集合的各特征贡献分值相加，得到候选人的简历筛选阶段评分；对于性格测试阶段对应的关键特征集合，将属于当前集合的各特征贡献分值相加，得到候选人的性格测试阶段评分；对于面试评价阶段对应的关键特征集合，将属于当前集合的各特征贡献分值相加，得到候选人的面试评价阶段评分；将所述简历筛选阶段评分、性格测试阶段评分和面试评价阶段评分相加，得到候选人的综合评分。

18、进一步地，所述方法还包括闭环验证步骤，所述闭环验证步骤包括：

19、采集通过所述评分卡筛选并入职的新人入职后的实际产能数据，所述实际产能数据包括首年保费收入、首年举绩率；同步提取所述新人在招募阶段的简历筛选阶段评分、性格测试阶段评分、面试评价阶段评分和综合评分，将各阶段评分与实际产能数据按候选人标识一一对应，构建评分-产能对应数据库；计算所述综合评分与首年保费收入之间的相关系数，若相关系数大于预设阈值，则判定模型具有预测能力；按综合评分区间将新人划分为若干评分分层，计算各分层内新人的平均首年保费和平均举绩率，验证各分层之间的产能差异。

20、进一步地，所述方法还包括迭代优化步骤，所述迭代优化步骤包括：

21、当所述相关系数低于预设阈值或业务需求发生变化时，收集新增的候选人原始数据及其入职后的实际产能数据，将新增数据加入所述历史数据集；重新对更新后的历史数据集执行预处理、cart决策树自动分箱、信息价值筛选关键特征、证据权重编码、逻辑回归模型训练和评分卡分值映射步骤，生成更新后的评分卡；将新增的可识别新人潜力的特征维度纳入特征采集范围，在重新执行上述步骤时参与特征筛选和模型训练，更新评分卡的特征集合和分值配置。

22、根据本发明的第二方面，提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现所述的方法。

23、根据本发明的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现所述的方法。

24、与现有技术相比，本发明具有以下有益效果：

25、（1）本发明通过采集简历信息数据、性格测试数据和面试评价数据构成统一的标准化特征矩阵，并采用cart分类决策树算法对标准化特征矩阵中的各连续型特征分别独立执行单变量自动分箱，以基尼系数最小化为准则、样本量占比不低于2%为硬约束条件自动生成各特征的最优分割边界，结合iv值量化筛选和vif共线性检测，使特征分箱过程和筛选标准完全由数据驱动，无需依赖人工经验设定分段阈值和主观判断特征重要性，消除了传统方法中人工分箱边界随意和特征筛选标准不统一的技术缺陷，实现了对海量候选人信息中业绩关联因素的客观、可重复的量化提取，进而使筛选模型能够精准聚焦于真实影响新人产能的核心驱动因素，有效提升了招聘筛选的预测准确性。

26、（2）本发明通过对筛选出的关键特征进行woe编码后输入逻辑回归模型训练，将cart分箱得到的各分箱区间的产能差异信息通过woe值量化保留，再经逻辑回归系数自动映射为各特征各分箱区间对总分的贡献分值，整个评分卡构建过程中从分箱边界确定、特征筛选阈值设定到分值计算全部由算法基于历史数据自动完成，无需人工设置权重或主观调整分值，同时逻辑回归模型的线性结构和woe编码的可追溯性使得每一分值的来源均可沿“分箱区间→woe值→回归系数→贡献分值”的链条逆向追溯至候选人的原始特征取值，既消除了传统面试评价中因面试官个人标准差异导致的评价不一致问题，又解决了黑盒模型无法解释评分依据的缺陷，使面试官能够清晰理解候选人在各维度的得分原因，增强了筛选结果的可信度和可接受度。

27、（3）本发明通过采集经评分卡筛选并入职的新人的实际产能数据，与招募阶段各环节评分构建一一对应的评分与产能数据库，计算综合评分与首年保费收入的相关系数并按评分分层验证各层间产能差异，当相关系数低于阈值或业务需求变化时将新增数据重新执行从cart分箱到评分卡映射的全流程迭代，使模型能够基于客观的产能反馈自动感知筛选效果的衰减并自适应调整分箱边界和特征权重，无需人工重新设计评价标准，解决了传统筛选方法评价标准一旦确定便难以随市场环境和业务需求变化而更新的局限性，使筛选模型能够长期保持与业务实际的匹配度，持续为保险公司稳定输送具有高产能潜力的业务人才。