理赔流程的确定方法、装置及电子设备

技术领域

本发明涉及保险理赔技术领域，尤其是涉及一种理赔流程的确定方法、装置及电子设备。

背景技术

保险理赔是指在保险标的发生保险事故而使被保险人财产受到损失或人身生命受到损害时，或保单约定的其它保险事故出现而需要给付保险金时，保险公司根据合同规定，履行赔偿或给付责任的行为，是直接体现保险职能和履行保险责任的工作。保险理赔流程一般分成多个不同的理赔流程环节节点。目前，当客户委托保险公司处理理赔案件时，保险公司根据不同险类配置固定的流程模板(直接取数据库配置信息)，走固定的理赔流程，实现不同险类固定的理赔业务流程处理，然而这种方式不能根据理赔案件的差异化信息(比如出险次数、出险原因、渠道类型、保单类型、涉及人伤、费用，报损金额不同等)动态的调整业务流程，导致理赔流程单一，灵活性较差。

发明内容

本发明的目的在于提供理赔流程的确定方法、装置及电子设备，以动态调整理赔流程，增强了理赔流程的灵活性，避免了理赔流程的单一。

本发明提供的一种理赔流程的确定方法，包括：获取理赔案件信息对应的json报文；其中，json报文包括多个决策因子；对json报文进行模型转换，得到多个决策因子分别对应的取值路径；基于多个取值路径，得到多个决策因子分别对应的因子值；基于多个决策因子分别对应的因子值，决策出理赔流程的下一环节节点。

进一步的，获取理赔案件信息对应的json报文的步骤包括：接收客户终端发送的理赔请求，其中理赔请求携带有理赔案件信息；对理赔案件信息进行数据转换，得到该理赔案件信息对应的json报文。

进一步的，对json报文进行模型转换，得到多个决策因子分别对应的取值路径的步骤包括：调用前置拦截器，对json报文进行校验，得到校验结果；基于校验结果，判断是否需要调整json报文；如果不需要调整json报文，则判断json报文是否满足流程调度条件；如果满足，则对json报文进行模型转换，得到多个决策因子分别对应的取值路径。

进一步的，对json报文进行模型转换，得到多个决策因子分别对应的取值路径的步骤包括：基于json报文，建立决策因子模型；其中，决策因子模型中包含json报文中的多个决策因子分别对应的存储路径；基于json报文和预先定义的模型配置信息，生成流程模型；其中，流程模型包含json报文中的多个决策因子分别对应的取值路径；每个决策因子对应的取值路径与该决策因子对应的存储路径相同。

进一步的，基于多个决策因子分别对应的因子值，决策出理赔流程的下一环节节点的步骤包括：基于决策因子模型，建立决策项模型；基于决策项模型和多个决策因子分别对应的因子值，决策出理赔流程的下一环节节点。

进一步的，json报文中的多个决策因子还包括执行标识和处理标识；基于决策项模型和多个决策因子分别对应的因子值，决策出理赔流程的下一环节节点之后的步骤还包括：根据执行标识和处理标识，执行理赔流程的下一环节节点。

进一步的，根据执行标识和处理标识，执行理赔流程的下一环节节点的步骤包括：根据执行标识，决策出下一环节节点是否自动执行；如果节点自动执行，判断是立即执行还是定时执行；如果立即执行，则填充默认数据；其中，默认数据包括：默认处理人，当前时间；如果定时执行，则执行定时任务，填充默认数据；基于默认数据，执行下一环节节点；如果节点人工执行，则根据处理标识，决策出下一环节节点对应的处理人或处理团队，以生成待处理任务；基于处理任务，执行下一环节节点。

本发明提供的一种理赔流程的确定装置，包括：第一获取模块，用于获取理赔案件信息对应的json报文；其中，json报文包括多个决策因子；转换模块，用于对json报文进行模型转换，得到多个决策因子分别对应的取值路径；第二获取模块，用于基于多个取值路径，得到多个决策因子分别对应的因子值；决策模块，用于基于多个决策因子分别对应的因子值，决策出理赔流程的下一环节节点。

本发明提供的一种电子设备，包括存储器、处理器，存储器上存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一项的方法。

本发明提供的一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述任一项的方法。

本发明提供的一种理赔流程的确定方法、装置及电子设备，方法包括：获取理赔案件信息对应的json报文；其中，json报文包括多个决策因子；对json报文进行模型转换，得到多个决策因子分别对应的取值路径；基于多个取值路径，得到多个决策因子分别对应的因子值；基于多个决策因子分别对应的因子值，决策出理赔流程的下一环节节点。该方式中，根据json报文进行模型转换后得到的取值路径，得到json报文包括的多个决策因子分别对应的因子值，以决策出理赔流程的下一环节节点，可以根据json报文包括的多个决策因子分别对应的因子值随时调整下一环节节点，从而可以动态调整理赔流程，增强了理赔流程的灵活性，避免了理赔流程的单一。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术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方式，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为本发明实施例提供的一种理赔流程的确定方法的流程图；

图2为本发明实施例提供的一种json报文示意图；

图3a为本发明实施例提供的一种流程模型的转换过程示意图；

图3b为本发明实施例提供的另一种流程模型的转换过程示意图；

图4为本发明实施例提供的另一种理赔流程的确定方法的流程图；

图5为本发明实施例提供的一种得到多个决策因子分别对应的取值路径的流程图；

图6为本发明实施例提供的一种决策因子模型示意图；

图7为本发明实施例提供的一种决策项模型示意图；

图8为本发明实施例提供的一种下一环节节点决策示意图；

图9为本发明实施例提供的一种生成下一环节节点的流程图；

图10为本发明实施例提供的另一种生成下一环节节点的流程图；

图11为本发明实施例提供的一种理赔流程的确定装置的结构示意图；

图12为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合实施例对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

目前，保险理赔流程一般分成多个不同的理赔流程环节节点，现有的理赔流程，一般根据不同险类配置固定的流程模板(直接取数据库配置信息)，走固定的理赔流程，实现不同险类固定的理赔业务流程处理。

现有的技术主要存在以下缺点：

固定的流程模板对应的流程单一，对理赔案件的管理较弱；

另外，由于走固定的流程模板，所以理赔流程的环节节点是固定的，不能根据理赔案件的差异化信息(比如出险次数、出险原因、渠道类型、保单类型、涉及人伤、费用，报损金额不同等)动态调整确定下一环节节点，导致理赔流程自动化程度不高，灵活性较差。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种理赔流程的确定方法进行详细介绍；如图1所示，该方法包括如下步骤：

步骤S102，获取理赔案件信息对应的json报文；其中，json报文包括多个决策因子。

在具体实现过程中，上述理赔案件信息(相当于差异化信息填写的表单数据)可以包括保单号、投保人、被保险人、险种、险类、查勘金额、人伤标识、节点名称(流程节点)等，在实际实现时，可以根据节点名称了解到流程的当前环节节点，然后根据案件类型确定当前环节节点对应的差异化信息，比如，当前环节节点如果为查勘，则差异化信息包括查勘金额、人伤标识，查勘费标识,流程节点(查勘)，然后根据该差异化信息，获取对应的json报文，其中，json报文包括多个决策因子(相当于当前环节节点对应的差异化信息)，具体参见图2所示的一种json报文示意图。

步骤S104，对json报文进行模型转换，得到多个决策因子分别对应的取值路径。

在具体实现过程中，可以对json报文进行模型转换，转换为流程模型(业务模型)workFlowModel，其中流程模型的字段与json报文的字段一致，(流程模型的属性信息和json报文包括的多个决策因子一致)，具体的，参见图3a所示的一种流程模型的转换过程示意图，假设json报文对应为事故者信息估损金额信息，转换后对应的流程模型的名称则为事故者信息估损金额信息，其中该流程模型的存储信息存储了多个决策因子分别对应的取值路径(从业务模型中取多个决策因子的因子值的路径)。

步骤S106，基于多个取值路径，得到多个决策因子分别对应的因子值。

在具体实现过程中，仍以当前环节为查勘为例，对应的流程模型名称为查勘报告信息(查勘业务模型)，查勘业务模型中的决策因子(属性信息)包括查勘金额、人伤标识，查勘费标识,节点名称(查勘)，然后根据这些决策因子的取值路径，得到多个决策因子分别对应的因子值。

步骤S108，基于多个决策因子分别对应的因子值，决策出理赔流程的下一环节节点。

在实际实现时，多个决策因子分别对应的因子值可以构成一个因子值组合，不同的因子值组合对应不同的下一环节节点，具体的，根据多个决策因子分别对应的因子值构成的一个因子值组合，可以决策出该因子值组合对应的理赔流程的下一环节节点。

上述理赔流程的确定方法，包括获取理赔案件信息对应的json报文；其中，json报文包括多个决策因子；对json报文进行模型转换，得到多个决策因子分别对应的取值路径；基于多个取值路径，得到多个决策因子分别对应的因子值；基于多个决策因子分别对应的因子值，决策出理赔流程的下一环节节点。该方式中，根据json报文进行模型转换后得到的取值路径，得到json报文包括的多个决策因子分别对应的因子值，以决策出理赔流程的下一环节节点，可以根据json报文包括的多个决策因子分别对应的因子值随时调整下一环节节点，从而可以动态调整理赔流程，增强了理赔流程的灵活性，避免了理赔流程的单一。

本发明实施例还提供了另一种理赔流程的确定方法，该方法在上述实施例方法的基础上实现；如图4所示，该方法包括如下步骤：

步骤S202，接收客户终端发送的理赔请求，其中理赔请求携带有理赔案件信息。

步骤S204，对理赔案件信息进行数据转换，得到该理赔案件信息对应的json报文。

在具体实现过程中，参见图5所示的一种得到多个决策因子分别对应的取值路径的流程图，首先接收客户终端发送的理赔请求，其中，理赔请求携带有用户填写的相关表单数据(相当于理赔案件信息)。当案件流转进来，系统将接收到的案件信息转换为json报文。

步骤S206，调用前置拦截器，对json报文进行校验，得到校验结果。

实际实现时，该json报文经过模型驱动时，对报文进行模型转换，转换得到流程模型(通过配置得到字段与报文字段一致的流程模型)，一般情况下，在对报文进行模型转换前可以进行前置拦截操作，可以调用前置拦截器，在前置拦截里进行json报文数据的校验、规则处理、报文的再次调整处理等操作。

步骤S208，基于校验结果，判断是否需要调整json报文。

步骤S210，如果不需要调整json报文，则判断json报文是否满足流程调度条件。

步骤S212，如果满足，对json报文进行模型转换，得到多个决策因子分别对应的取值路径。

具体的，理赔请求携带的用户填写的相关表单数据(后台数据库表的字段)与报文中的字段(json报文数据)存在一定的映射关系，字段通常是一致的，如果json报文数据与表单数据不一致，则需要根据表单数据调整json报文，使新的json报文数据与表单数据保持一致；如果json报文数据与表单数据一致，则在前置拦截器里还可以进行流程合规判断，判断json报文数据是否满足流程调度条件(找下一环节节点的任务处理人需要满足一些条件，如承保信息、出险信息等)。如果满足，则对json报文进行模型转换，得到多个决策因子分别对应的取值路径。

该步骤S212具体可以通过以下步骤一至步骤二实现：

步骤一：基于json报文，建立决策因子模型；其中，决策因子模型中包含json报文中的多个决策因子分别对应的存储路径；

为了更好的理解上述实施例，以流程节点(当前环节节点)为查勘举例，则需要关注决定流程下一环节节点的关键因素有：查勘界面录入的损失金额在哪个区间(查勘金额)、是否录入人伤信息(人伤标识)、是否录入查勘费(查勘费标识)等，每个案件录入的这些信息不同，则查勘提交后生成的节点(对应流程下一环节节点)就不同。为处理这些差异化信息(查勘环节对应的json报文包括的所有决策因子)，建立了决策因子模型，参见图6所示的一种决策因子模型示意图，该模型有因子代码(对应下述查勘业务模型里面的属性信息字段)、因子顺序(决策执行顺序)、因子值(具体业务的表单数据)、因子名称(因子代码对应的中文名称)、因子导出位置(导出到EXCEL表格所在的位置)、因子类型(定义因子的数据类型)、因子表达式(定义json报文中的决策因子对应的因子值的存储路径)。

步骤二：基于json报文和预先定义的模型配置信息，生成流程模型；其中，流程模型包含json报文中的多个决策因子分别对应的取值路径；每个决策因子对应的取值路径与该决策因子对应的存储路径相同。

实际实现时，仍参见图3b所示的另一种流程模型的转换过程示意图，假设json报文数据为查勘报告信息(当前流程节点为查勘)，则在非车理赔基础模型中选择查勘报告信息，从预先定义的模型配置信息(属性信息)中选择多个目标属性信息(与基于json报文数据中的所有决策因子建立的决策因子模型中的信息相同)，得到查勘业务模型(相当于上述流程模型)，该查勘业务模型的存储信息中存储有多个目标属性信息分别对应的决策因子的取值路径(从模型取因子值的路径，与报文中的决策因子对应的因子值的存储路径相同)，以图2中的报文为例：用$.modelMeta.nodeType就能取到图2报文中决策因子nodeType(节点名称)的值check。

在具体实现过程中，仍参见图5所示的一种得到多个决策因子分别对应的取值路径的流程图，生成流程模型。

具体的，流程模型上的字段与报文中的字段(json报文数据)通常是一致的，或者流程模型上的字段比报文中的字段(json报文数据)要多，如果流程模型上需要的字段json报文数据没有，则需要在前置拦截器对json报文进行特殊处理，转换为流程模型中的字段(比如理赔总金额＝费用+赔款金额，理赔总金额就是特殊处理计算的)，这样，流程模型数据就满足流程决策需要的数据，进行下一步的操作。

步骤S214，基于多个取值路径，得到多个决策因子分别对应的因子值。

步骤S216，基于决策因子模型，建立决策项模型。

步骤S218，基于决策项模型和多个决策因子分别对应的因子值，决策出理赔流程的下一环节节点。

具体实现时，根据决策因子模型中定义的因子值，还可以建立决策项模型(参见图7所示的一种决策项模型示意图)，该模型有类型、代码(类型和代码决策表内部定义参数，无具体业务含义)、名称(模型路径对应的具体名称)、条件(决策因子的具体值)、值(最终决策结果)，最后一列“值”是以笛卡尔积的运算方式，将每个因子类型的因子值出现情况都列举出来，每一种组合都对应一个决策值，该决策值对应查勘提交后生成的下一环节节点是哪一个。

具体的，参见图8所示的一种下一环节节点决策示意图，查勘提交后，通过决策项模型进行决策，得到决策结果，其中，查勘json报文对应的决策因子模型中的决策因子及其因子值如下所示：

查勘金额:[0-10000)～0～查勘；[100000-100000000]～100000～查勘审核；

人伤标识:0-否；1-是；

查勘费标识：0-否；1-是

任务环节标识(节点名称):check-查勘。

决策项模型中的各个值对应的决策结果(下一环节节点)如下所示：

100000以内并且人伤标识为0并且查勘费标识为0并且任务环节标识为check，则下一环节节点：立案(对应决策项模型中的值为5-claim)；

100000以上并且人伤标识为0并且查勘费标识为0并且任务环节标识为check，则下一环节节点：查勘审核(对应决策项模型中的值为29-checs)。

在实际实现时，保存流程模型后，可以执行流程监听器，在监听器里可进行其他业务需求的处理，譬如当前进行流程流转的处理。

其中，流程流转里可以进行流程调度，通过理赔流程的当前环节节点对应的json报文里的决策因子进行决策出下一环节节点，然后进行更新当前环节节点状态，并创建流程的下一环节节点，再判断是否自动流程，如果为自动流程，将进行组装下一环节节点的报文数据，然后进入下一流程调度，具体参见图9所示的一种生成下一环节节点的流程图。

为了更好的理解上述实施例，参见图10所示的另一种生成下一环节节点的流程图，首先进入决策1，寻找对应的业务处理流程(业务场景编号)，具体的，如果保存的流程模型没有对应的flowID(流程编号)，也就是当前json报文数据对应的理赔案件没有经历过任何环节节点(之前没有被处理过)，则创建对应的flowID，走默认跑道(默认的业务场景)；其中，默认跑道有对应的跑道编号(业务场景编号)；如果流程模型有对应的flowID，则获取对应的跑道编号，进入决策2，判断nodetype(对应为流程节点，实际上也就是当前环节节点)是否为空，如果流程节点为空，则取跑道编号为默认跑道对应的跑道编号，实际场景为该理赔案件刚流入到理赔系统，此时系统还没有记录该案件的数据，还没有流程节点时，则取默认跑道第一个节点，作为下一环节节点，如果流程节点不为空，也就是存在当前环节节点，则需要生成下一环节节点，实际实现时，可以根据跑道编号、流程节点(对应报文中的决策因子、流程模型中的属性信息)生成下一环节节点。

步骤S220，根据执行标识和处理标识，执行所述理赔流程的下一环节节点。

该步骤S220具体通过以下步骤三至步骤五实现：

步骤三：根据执行标识，决策出所述下一环节节点是否自动执行。

步骤四：如果所述节点自动执行，判断是立即执行还是定时执行；如果立即执行，则填充默认数据；其中，所述默认数据包括：默认处理人，当前时间；如果定时执行，则执行定时任务，填充默认数据；基于所述默认数据，执行下一环节节点。

步骤五：如果所述节点人工执行，则根据处理标识，决策出所述下一环节节点对应的处理人或处理团队，以生成待处理任务；基于所述处理任务，执行下一环节节点。

实际实现时，仍参见图10所示的另一种生成下一环节节点的流程图，执行标识和处理标识为json报文中的决策因子，均存在于json报文中，可以通过决策3和决策4来执行下一环节节点，具体的，获取下一流程环节节点后，进入决策3，得到执行标识的决策结果，其中，如果执行标识为0，则对应的决策结果为下一环节节点自动执行；如果执行标识为1，则对应的决策结果为下一环节节点人工执行；

如果通过决策3，决策出下一环节节点自动执行，则进一步判断该节点是立即执行还是定时执行；如果立即执行，则填充默认数据(默认处理人，当前时间等)，进入下一环节节点页面，再继续从步骤S202开始，执行所有步骤(相当于执行下一环节节点)；如果定时执行，则定时任务触发，然后填充默认数据，进入下一环节节点页面，再继续从步骤S202开始，执行所有步骤(相当于执行下一环节节点)，需要说明的是，定时任务触发后，执行定时任务用来监控是否有超时未生成的节点(下一环节节点有没有根据设定的时间按时生成)，若有，则填充默认数据后，生成业务数据，同时生成下一环节节点。

如果通过决策3，决策出下一环节节点人工执行，则进入决策4，得到处理标识的决策结果，其中，如果执行标识为0，则对应的决策结果为下一环节节点的代理人；如果执行标识为1，则对应的决策结果为下一环节节点的权限组(团队)；

如果通过决策4，决策出下一环节节点的代理人，则在代理人相关工号下生成待处理任务，任务提交后，进入下一环节节点页面，再继续从步骤S202开始，执行所有步骤。

如果通过决策4，决策出下一环节节点的权限组，则根据权限组对应的权限规则(权限组中的各个代理人能够处理的业务范围)找到具体代理人，比如下一环节节点是查勘，则要根据权限规则找到查勘业务对应的具体代理人，如果交给处理立案业务的代理人，下一环节节点将无法被执行，在代理人相关工号下生成待处理任务(可以有多个)，任务提交后，进入下一环节节点页面，再继续从步骤S202开始，执行所有步骤。

上述理赔流程的确定方法，包括基于json报文，建立决策因子模型；其中，决策因子模型中包含json报文中的多个决策因子分别对应的存储路径；基于json报文和预先定义的模型配置信息，生成流程模型；其中，流程模型包含json报文中的多个决策因子分别对应的取值路径；基于多个取值路径，得到多个决策因子分别对应的因子值；基于决策因子模型，建立决策项模型；基于决策项模型和多个决策因子分别对应的因子值，决策出理赔流程的下一环节节点。该方式中，可以根据json报文配置决策因子模型，继而配置流程模型和决策项模型，这些模型均可以根据不同的json报文而随时调整，以调整赔流程的下一环节节点，从而动态调整理赔流程，增强了理赔流程的灵活性，避免了理赔流程的单一。

本发明实施例还提供了一种理赔流程的确定装置，如图11所示，装置包括：第一获取模块30，用于获取理赔案件信息对应的json报文；其中，json报文包括多个决策因子；转换模块31，用于对json报文进行模型转换，得到多个决策因子分别对应的取值路径；第二获取模块32，用于基于多个取值路径，得到多个决策因子分别对应的因子值；决策模块33，用于基于多个决策因子分别对应的因子值，决策出理赔流程的下一环节节点。

上述理赔流程的确定装置，包括获取理赔案件信息对应的json报文；其中，json报文包括多个决策因子；对json报文进行模型转换，得到多个决策因子分别对应的取值路径；基于多个取值路径，得到多个决策因子分别对应的因子值；基于多个决策因子分别对应的因子值，决策出理赔流程的下一环节节点。该装置，根据json报文进行模型转换后得到的取值路径，得到json报文包括的多个决策因子分别对应的因子值，以决策出理赔流程的下一环节节点，可以根据json报文包括的多个决策因子分别对应的因子值随时调整下一环节节点，从而可以动态调整理赔流程，增强了理赔流程的灵活性，避免了理赔流程的单一。

进一步的，第一获取模块还用于：接收客户终端发送的理赔请求，其中理赔请求携带有理赔案件信息；对理赔案件信息进行数据转换，得到该理赔案件信息对应的json报文。

进一步的，转换模块还用于：调用前置拦截器，对json报文进行校验，得到校验结果；基于校验结果，判断是否需要调整json报文；如果不需要调整json报文，则判断json报文是否满足流程调度条件；如果满足，对json报文进行模型转换，得到多个决策因子分别对应的取值路径。

进一步的，转换模块还用于：基于json报文，建立决策因子模型；其中，决策因子模型中包含json报文中的多个决策因子分别对应的存储路径；基于json报文和预先定义的模型配置信息，生成流程模型；其中，流程模型包含json报文中的多个决策因子分别对应的取值路径；每个决策因子对应的取值路径与该决策因子对应的存储路径相同。

进一步的，决策模块还用于：基于决策因子模型，建立决策项模型；基于决策项模型和多个决策因子分别对应的因子值，决策出理赔流程的下一环节节点。

进一步的，json报文中的多个决策因子还包括执行标识和处理标识；理赔流程的确定装置还用于：根据执行标识和处理标识，执行理赔流程的下一环节节点。

进一步的，理赔流程的确定装置还用于：根据执行标识，决策出下一环节节点是否自动执行；如果节点自动执行，判断是立即执行还是定时执行；如果立即执行，则填充默认数据；其中，默认数据包括：默认处理人，当前时间；如果定时执行，则执行定时任务，填充默认数据；基于默认数据，执行下一环节节点；如果节点人工执行，则根据处理标识，决策出下一环节节点对应的处理人或处理团队，以生成待处理任务；基于处理任务，执行下一环节节点。

本发明实施例所提供的理赔流程的确定装置，其实现原理及产生的技术效果和前述理赔流程的确定方法实施例相同，理赔流程的确定装置实施例部分，可参考前述理赔流程的确定方法实施例中相应内容。

本发明实施例还提供了一种电子设备，参见图12所示，该电子设备包括处理器130和存储器131，该存储器131存储有能够被处理器130执行的机器可执行指令，该处理器130执行机器可执行指令以实现上述理赔流程的确定方法。

进一步地，图12所示的电子设备还包括总线132和通信接口133，处理器130、通信接口133和存储器131通过总线132连接。

其中，存储器131可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口133(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。总线132可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图12中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

处理器130可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器130中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器130可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processor，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。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。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器131，处理器130读取存储器131中的信息，结合其硬件完成前述实施例的方法的步骤。

本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令在被处理器调用和执行时，该计算机可执行指令促使处理器实现上述理赔流程的确定方法，具体实现可参见方法实施例，在此不再赘述。

本发明实施例所提供的理赔流程的确定方法、装置及电子设备，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。