# Analyzing New Energy Trucks

> 分析新能源货车保险业务数据，识别高风险机构和业务类型。在处理新能源货车承保数据、风险评估报告或制定承保策略时使用。

- Skill: `diegosouzapw/analyzing-new-energy-trucks` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add diegosouzapw/analyzing-new-energy-trucks`
- Raw SKILL.md: https://api.skillmd.com/api/skills/diegosouzapw/analyzing-new-energy-trucks/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: diegosouzapw (https://skillmd.com/u/diegosouzapw)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/diegosouzapw/analyzing-new-energy-trucks

---


# 新能源货车保险分析

## 核心功能

专项分析新能源货车（`is_new_energy_vehicle=True` 且 `business_type_category` 包含"货车"）的保险业务表现：

- ✅ 多周趋势分析（赔付率、保费规模、案均赔款）
- ✅ 机构风险评级（按赔付率分档）
- ✅ 业务类型深度钻取（车型、险别、续保状态）
- ✅ 异常波动检测（单周暴涨、连续恶化）

## 立即使用

```python
# 快速分析流程
from analyze_new_energy_trucks import NewEnergyTruckAnalyzer

analyzer = NewEnergyTruckAnalyzer(
    data_folder="2025年保单",
    start_week=28,
    end_week=43
)

# 加载数据
available_weeks, missing_weeks = analyzer.load_data()

# 计算指标
weekly_kpis = analyzer.calculate_weekly_kpis()

# 分析区域
regional_analysis = analyzer.analyze_regional_performance()

# 生成报告
report = analyzer.generate_report(
    weekly_kpis,
    regional_analysis,
    business_analysis,
    trend_analysis,
    problem_weeks
)
```

## 关键指标阈值

| 指标 | 良好 | 关注 | 预警 | 高危 |
|-----|------|------|------|------|
| 赔付率 | <60% | 60-70% | 70-80% | >80% |
| 出险率 | <25% | 25-50% | 50-100% | >100% |
| 边际贡献率 | >8% | 4-8% | 0-4% | <0% |
| 案均赔款 | <5k | 5k-8k | 8k-10k | >10k |

## 分析维度

### 1. 时间趋势分析

**关键指标周度跟踪**:
- 赔付率走势（累计值）
- 保费规模增长（周度对比）
- 案均赔款波动（检测突增）
- 出险率变化（风险暴露）

**异常检测规则**:
```python
# 单周暴涨
if current_loss_ratio > prev_loss_ratio * 1.15:
    alert("赔付率单周暴涨>15%")

# 案均突增
if current_avg_claim > period_avg * 1.5:
    alert("案均赔款异常")
```

### 2. 区域风险评估

**机构分档**:
- 🟢 低风险: 赔付率 < 70%
- 🟡 中风险: 赔付率 70-80%
- 🟠 高风险: 赔付率 80-100%
- 🔴 极危: 赔付率 > 100%

**重点关注条件**:
- 赔付率 > 80% 且保费规模 > 50万
- 连续3周赔付率恶化
- 边际贡献率 < -30%

### 3. 业务类型钻取

**车型分类**:
- 2吨以下营业货车（主力业务）
- 2-10吨营业货车
- 10吨以上营业货车
- 非营业货车

**险别结构**:
- 主全险（组合险）
- 交三险（交强险第三者）
- 单独险别

## 输出报告结构

```markdown
# 新能源货车分析报告 - {年份}第{X-Y}周

## 一、执行摘要
### 核心结论
### 关键指标

## 二、趋势分析
### 分析周期表现
### 核心发现
### 各周详细指标

## 三、异常周次识别
### 第X周 - [问题描述]

## 四、区域表现分析
### 各机构业务表现
### 高风险机构清单

## 五、战略建议与行动计划
### 🚨 立即行动（24小时内）
### ⏰ 本周内完成（7天）
### 📊 中期优化（1个月内）
### 🎯 长期战略（3个月内）

## 附录：分析说明
```

## 实用脚本

### 快速执行分析

```bash
# 运行分析脚本
python3 analyze_new_energy_trucks.py

# 自定义周期
# 修改脚本中的 START_WEEK 和 END_WEEK 变量
```

### 数据质量检查

```bash
# 检查新能源货车数据量
grep -c "True.*货车" 2025年保单/2025保单第*周*.csv

# 验证数据完整性
ls 2025年保单/2025保单第{28..43}周*.csv 2>/dev/null | wc -l
```

## 常见问题

### Q1: 赔付率超过100%正常吗？

**A**: 对于新能源货车，这是常见现象，原因包括：
- 电池更换成本高（占车价30-40%）
- 充电基础设施不完善导致事故增多
- 维修网络稀缺，修理成本高
- 技术不成熟，故障率高

### Q2: 如何识别电池相关理赔？

**A**: 简化识别方法：
```python
# 使用案均赔款作为代理指标
battery_related = df[df['reported_claim_payment_yuan'] > 50000]
# 大于5万元的理赔很可能涉及电池
```

### Q3: 缺失周次如何处理？

**A**: 脚本自动处理：
- 跳过缺失周次
- 在报告中标注
- 不影响其他周次分析

### Q4: 如何对比传统货车？

**A**: 需要单独分析传统货车数据：
```python
# 筛选传统货车
traditional_trucks = df[
    (df['is_new_energy_vehicle'] == False) &
    (df['business_type_category'].str.contains('货车'))
]
```

## 风险识别规则

### 立即警报条件

```python
# 机构级别
if loss_ratio > 150:
    trigger_alert("极危：机构赔付率>150%")

# 周度波动
if week_over_week_change > 50:
    trigger_alert("警告：单周赔付率暴涨>50%")

# 业务质量
if claim_frequency > 100:
    trigger_alert("关注：出险率>100%，多次出险")
```

### 监控指标清单

- [ ] 赔付率 > 80%
- [ ] 出险率 > 100%
- [ ] 案均赔款 > 10,000元
- [ ] 边际贡献率 < 0%
- [ ] 单周赔付率增幅 > 20%
- [ ] 连续3周恶化趋势

## 参考资源

详细参考文档：
- `reference/kpi_definitions.md` - KPI定义和计算公式
- `reference/risk_thresholds.md` - 风险阈值标准
- `reference/new_energy_insights.md` - 新能源车险行业洞察

工具脚本：
- `scripts/analyze_new_energy_trucks.py` - 主分析脚本
- `scripts/data_validator.py` - 数据验证工具

## 更新日志

- v1.0 (2025-11-04): 初始版本
  - 基础分析框架
  - 周度趋势跟踪
  - 区域风险评估
  - 自动报告生成