1.一种业务数据处理方法，其特征在于，包括：

获取业务单据的属性指标数据；所述属性指标数据包括保单关键信息、保单的基本信息、业务员信息、投保人信息及投保人与公司交互动作信息；

对所述业务单据的保单关键信息、保单的基本信息、业务员信息、投保人信息及投保人与公司交互动作信息进行分析和整理，获取所述业务单据的若干字段变量；

以第一计算规则，对所述业务单据的若干字段变量进行初步筛选，得到初步筛选后的变量；所述第一计算规则包括计算所述属性指标数据的最大值、最小值、计算平均偏差或标准偏差；

对初步筛选后的变量，以第二计算规则，计算每一变量的信息值IV，所述IV为反映每一变量的预测能力的指标；所述第二计算规则包括将变量WOE编码方式离散化之后，根据公式计算IVi，对IVi求和得到IV；其中，#Bi为各个离散化区间自变量中为流失保单的样本量，#Bt为自变量中为流失保单的样本量，#Gi为各个离散化区间自变量中为正常交费保单的样本量，#Gt为自变量中为正常交费保单的样本量；

获取IV大于或等于预设阈值的变量作为模型变量；

将提取的所述模型变量输入预先建立的业务流失预测模型，得到对应业务单据的业务流失估计分值。

2.根据权利要求1所述的方法，其特征在于，还包括：

根据所述业务单据的业务流失估计分值，获取所述业务单据的流失影响因素，所述流失影响因素至少包括一种属性指标数据；

根据所述业务单据的流失影响因素获取相应的攻关策略；

将所述业务单据的业务流失估计分值、流失影响因素以及相应的攻关策略，推送给相关业务人员。

3.根据权利要求1所述的方法，其特征在于，所述获取IV大于或等于预设阈值的变量作为模型变量的步骤之后还包括：对获取的模型变量进行相关性检验，获取具有相关性的变量组中IV最大的模型变量作为最终的模型变量。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述获取业务单据的属性指标数据的步骤之前还包括：构建所述业务流失预测模型，具体包括：

获取样本业务单据的属性指标数据；

对所述样本业务单据的属性指标数据进行分析，从中提取样本模型变量；

获取所述样本业务单据的业务流失估计分值；

根据所述样本模型变量，以及所述样本业务单据的业务流失估计分值，建立业务流失预测模型。

5.根据权利要求4所述的方法，其特征在于，还包括：

对所述业务流失预测模型进行验证。

6.一种业务数据处理装置，其特征在于，包括：

数据获取模块，用于获取业务单据的属性指标数据；所述属性指标数据包括保单关键信息、保单的基本信息、业务员信息、投保人信息及投保人与公司交互动作信息；

分析提取模块，用于对所述业务单据的保单关键信息、保单的基本信息、业务员信息、投保人信息及投保人与公司交互动作信息进行分析和整理，获取所述业务单据的若干字段变量；以第一计算规则，对所述业务单据的若干字段变量进行初步筛选，得到初步筛选后的变量；所述第一计算规则包括计算所述属性指标数据的最大值、最小值、计算平均偏差或标准偏差；对初步筛选后的变量，以第二计算规则，计算每一变量的信息值IV，所述IV为反映每一变量的预测能力的指标；获取IV大于或等于预设阈值的变量作为模型变量；所述第二计算规则包括将变量WOE编码方式离散化之后，根据公式 计算IVi，对IVi求和得到IV；其中，#Bi为各个离散 化区间自变量中为流失保单的样本量，#Bt为自变量中为流失保单的样本量，#Gi为各个离散化区间自变量中为正常交费保单的样本量，#Gt为自变量中为正常交费保单的样本量；

处理模块，用于将提取的所述模型变量输入预先建立的业务流失预测模型，得到对应业务单据的业务流失估计分值。

7.根据权利要求6所述的装置，其特征在于，还包括：

策略推送模块，用于根据所述业务单据的业务流失估计分值，获取所述业务单据的流失影响因素，所述流失影响因素至少包括一种属性指标数据；根据所述业务单据的流失影响因素获取相应的攻关策略；将所述业务单据的业务流失估计分值、流失影响因素以及相应的攻关策略，推送给相关业务人员。

8.根据权利要求6所述的装置，其特征在于，

所述分析提取模块，进一步还用于对获取的模型变量进行相关性检验，获取具有相关性的变量组中IV最大的模型变量作为最终的模型变量。

9.根据权利要求6、7或8所述的装置，其特征在于，还包括：模型构建模块，用于构建所述业务流失预测模型，具体用于：

获取样本业务单据的属性指标数据；对所述样本业务单据的属性指标数据进行分析，从中提取样本模型变量；获取所述样本业务单据的业务流失估计分值；根据所述样本模型变量，以及所述样本业务单据的业务流失估计分值，建立业务流失预测模型；

模型验证模块，用于对所述业务流失预测模型进行验证。