孫蘊(yùn)潔　劉甲子　安永（中國(guó)）企業(yè)咨詢有限公司

淺談如何利用大數(shù)據(jù)提升人身險(xiǎn)公司自動(dòng)核保效率

孫蘊(yùn)潔劉甲子安永（中國(guó)）企業(yè)咨詢有限公司

自2008年全球金融危機(jī)以來(lái)，各國(guó)進(jìn)入了低利率時(shí)代。在當(dāng)前的低利率環(huán)境下，人身險(xiǎn)公司銷售長(zhǎng)期儲(chǔ)蓄型產(chǎn)品會(huì)承擔(dān)較大的利率風(fēng)險(xiǎn)。為了追求穩(wěn)定的利潤(rùn)，越來(lái)越多的公司轉(zhuǎn)而銷售更多的保障型產(chǎn)品。然而此類產(chǎn)品利潤(rùn)較為微薄，保險(xiǎn)公司在降低產(chǎn)品價(jià)格爭(zhēng)奪市場(chǎng)的同時(shí)需守住死差益底線以保證預(yù)期利潤(rùn)。因此提升風(fēng)險(xiǎn)識(shí)別能力將成為保險(xiǎn)公司競(jìng)爭(zhēng)的重要手段，而在此過(guò)程中，大數(shù)據(jù)應(yīng)用或?qū)⒊蔀橥粐P(guān)鍵。

以人教版高中地理必修3第二章的《荒漠化的防治──以我國(guó)西北地區(qū)為例》為例，在教學(xué)過(guò)程中，筆者就要通過(guò)糧食危機(jī)入手，通過(guò)糧食危機(jī)引入到西北地區(qū)荒漠化，再將大氣變化、水循環(huán)與水資源切入到荒漠化的防治中，整個(gè)教學(xué)過(guò)程跳出了教材的“規(guī)定動(dòng)作”。而是以更綜合的資源入水，通過(guò)資源的合理運(yùn)用到持續(xù)發(fā)展來(lái)創(chuàng)新教學(xué)過(guò)程。這樣一來(lái)，不僅教學(xué)過(guò)程言之有物，使學(xué)生學(xué)習(xí)起來(lái)易于接受，而且使單一的知識(shí)變成對(duì)過(guò)往知識(shí)的綜合運(yùn)用，促進(jìn)了學(xué)生綜合思維的培養(yǎng)。

一、保險(xiǎn)公司大數(shù)據(jù)應(yīng)用有先天優(yōu)勢(shì)

大數(shù)據(jù)時(shí)代已經(jīng)降臨，在商業(yè)、經(jīng)濟(jì)及其他領(lǐng)域中，決策將日益基于數(shù)據(jù)和分析而做出，而并非基于經(jīng)驗(yàn)和直覺(jué)。保險(xiǎn)行業(yè)擁有令人羨慕的數(shù)據(jù)數(shù)量和種類，在大數(shù)據(jù)時(shí)代具有先天優(yōu)勢(shì)。如何有效運(yùn)用大數(shù)據(jù)分析尋找創(chuàng)新商業(yè)解決方案，從而為公司增加價(jià)值，將是保險(xiǎn)公司實(shí)現(xiàn)差異化經(jīng)營(yíng)的一個(gè)重要手段。

由于存在的種種問(wèn)題，以及各種因素的制約，高?？?jī)效考核的科學(xué)性、規(guī)范性、客觀性都存在一定欠缺，因此，無(wú)法得到讓人們信服的績(jī)效評(píng)價(jià)結(jié)果?？陀^地說(shuō)，現(xiàn)階段高校財(cái)務(wù)人員績(jī)效評(píng)價(jià)工作仍處探索階段，在具體操作過(guò)程中，應(yīng)當(dāng)要完善績(jī)效評(píng)價(jià)體系，并且要對(duì)其進(jìn)行規(guī)范，使其作用可以得到合理發(fā)揮。

過(guò)去，保險(xiǎn)公司雖然擁有一定體量的內(nèi)部數(shù)據(jù)，但數(shù)據(jù)質(zhì)量往往參差不齊，并且大部分?jǐn)?shù)據(jù)并未被分析使用，大數(shù)據(jù)分析的價(jià)值尚未被挖掘。隨著大數(shù)據(jù)時(shí)代的到來(lái)，保險(xiǎn)公司不僅可以收集儲(chǔ)存更多的內(nèi)部數(shù)據(jù)，信息的透明化使得保險(xiǎn)公司可接觸到更為龐大的外部數(shù)據(jù)。在數(shù)據(jù)體量大幅增長(zhǎng)的同時(shí)，數(shù)據(jù)質(zhì)量也將有顯著的提升，越來(lái)越多結(jié)構(gòu)化的內(nèi)部與外部數(shù)據(jù)將為大數(shù)據(jù)分析搭建廣闊的舞臺(tái)。

就模型算法而言，預(yù)測(cè)模型主要由回歸預(yù)測(cè)模型以及機(jī)器學(xué)習(xí)預(yù)測(cè)模型組成。前者較后者的優(yōu)勢(shì)在于可解釋性強(qiáng)、易于業(yè)務(wù)人員理解。但是在高質(zhì)量的大數(shù)據(jù)環(huán)境下，后者的預(yù)測(cè)效果通常較好。對(duì)于中國(guó)保險(xiǎn)行業(yè)目前的發(fā)展現(xiàn)狀來(lái)講，尤其是在壽險(xiǎn)/健康險(xiǎn)領(lǐng)域，核保、理賠以及定價(jià)的數(shù)據(jù)累積量尚未達(dá)到高質(zhì)量的大數(shù)據(jù)級(jí)別，與互聯(lián)網(wǎng)行業(yè)的大數(shù)據(jù)不可同日而語(yǔ)。使用回歸模型是壽險(xiǎn)/健康險(xiǎn)自動(dòng)核保較為合適的起點(diǎn)。

從數(shù)據(jù)分析的經(jīng)驗(yàn)來(lái)看，保單相關(guān)信息（保額、保障范圍等）、投保人相關(guān)信息（是否新客戶）、被保險(xiǎn)人相關(guān)信息（收入水平、婚姻狀況等）、代理人相關(guān)信息（機(jī)構(gòu)等級(jí)、職級(jí)等）均在壽險(xiǎn)/健康險(xiǎn)自動(dòng)核保預(yù)測(cè)模型中呈現(xiàn)出一定的顯著性。

?圖1　保險(xiǎn)公司未來(lái)決策將基于更多的數(shù)據(jù)分析

隨后，通過(guò)對(duì)訓(xùn)練數(shù)據(jù)集的一維分析并將數(shù)據(jù)以可視化方式呈現(xiàn)，初步分析備選自變量與因變量的關(guān)系，納入預(yù)測(cè)模型中進(jìn)行擬合。在模型算法上，使用邏輯回歸模型，對(duì)風(fēng)險(xiǎn)發(fā)生的概率（因變量= 1）進(jìn)行評(píng)估，并通過(guò)自變量篩選和模型比較以確定最優(yōu)的自動(dòng)核保預(yù)測(cè)模型。最后模型檢驗(yàn)有助于了解預(yù)測(cè)模型的準(zhǔn)確性。

從小學(xué)數(shù)學(xué)教育信息化的角度來(lái)分析，想要在教學(xué)工作中取得理想的成績(jī)，應(yīng)完善信息化知識(shí)的展現(xiàn)模式，這對(duì)于今后教育工作的拓展和實(shí)踐，都能夠產(chǎn)生良好的效果。如我們可以通過(guò)多媒體技術(shù)，對(duì)小學(xué)數(shù)學(xué)知識(shí)做出動(dòng)態(tài)展現(xiàn)，一方面加強(qiáng)小學(xué)生的學(xué)習(xí)興趣，另一方面在數(shù)學(xué)知識(shí)的記憶方面獲得良好的提升。尤其是在幾何知識(shí)的學(xué)習(xí)方面，小學(xué)的內(nèi)容是基礎(chǔ)內(nèi)容，通過(guò)多媒體來(lái)進(jìn)行學(xué)習(xí)，能夠促使小學(xué)生的空間思維得到良好的培養(yǎng)，在學(xué)習(xí)和運(yùn)用知識(shí)的過(guò)程中，不斷取得更好的成績(jī)，在小學(xué)生的特長(zhǎng)發(fā)揮以及日后復(fù)習(xí)方面，均能夠奠定堅(jiān)實(shí)的基礎(chǔ)。

?圖2　保險(xiǎn)公司各個(gè)經(jīng)營(yíng)環(huán)節(jié)均可運(yùn)用大數(shù)據(jù)分析技術(shù)

二、運(yùn)用大數(shù)據(jù)提升核保效率的案例分析

因此，利用大數(shù)據(jù)分析技術(shù)，建立壽險(xiǎn)/健康險(xiǎn)自動(dòng)核保預(yù)測(cè)模型，精確防范逆選擇風(fēng)險(xiǎn)，提高免體檢保額，增強(qiáng)客戶體驗(yàn)，是人身險(xiǎn)公司未來(lái)實(shí)現(xiàn)差異化經(jīng)營(yíng)的一個(gè)行之有效的手段。

?圖3　大數(shù)據(jù)分析技術(shù)應(yīng)用于壽險(xiǎn)/健康險(xiǎn)核保中的場(chǎng)景

對(duì)于數(shù)據(jù)累積較為豐富的壽險(xiǎn)公司而言，通過(guò)對(duì)歷史數(shù)據(jù)的分析，可以建立不同類型的高風(fēng)險(xiǎn)預(yù)測(cè)模型，例如早期出險(xiǎn)模型、拒保預(yù)測(cè)模型以及非標(biāo)體預(yù)測(cè)模型。通過(guò)充分挖掘投保人、被保險(xiǎn)人、代理人、機(jī)構(gòu)的各類信息，高風(fēng)險(xiǎn)人群的特征得以刻畫(huà)。將這些預(yù)測(cè)模型的預(yù)測(cè)結(jié)果轉(zhuǎn)換成風(fēng)險(xiǎn)評(píng)分納入現(xiàn)有自動(dòng)核保規(guī)則，將有效提高保險(xiǎn)公司的風(fēng)險(xiǎn)識(shí)別能力。當(dāng)然，要實(shí)現(xiàn)這一目標(biāo)，離不開(kāi)大量歷史數(shù)據(jù)的累積、先進(jìn)預(yù)測(cè)模型的開(kāi)發(fā)，以及數(shù)字及一體化核保理賠系統(tǒng)的建設(shè)。

三、大數(shù)據(jù)分析應(yīng)用于壽險(xiǎn)/健康險(xiǎn)自動(dòng)核保的模型算法

靠業(yè)余時(shí)間“爬格子”是件很辛苦的事情，因此，過(guò)去我很少參加文學(xué)方面的社會(huì)活動(dòng)，湖北省作家協(xié)會(huì)每年春節(jié)前開(kāi)一次茶話會(huì)，有一次我的車(chē)開(kāi)到長(zhǎng)江大橋上被書(shū)記叫回來(lái)。我一向認(rèn)為，作家拿作品“說(shuō)話”就行了，別的都不重要。尤其是在雜文創(chuàng)作方面，幾十年中除了參加過(guò)河北的雜文報(bào)刊召集的三次會(huì)議，我與雜文界沒(méi)有其他“面對(duì)面”的交往，可謂埋頭寫(xiě)作，孤軍奮戰(zhàn)。

?表不同核保模型算法的優(yōu)缺點(diǎn)比較

由于廣義線性模型結(jié)構(gòu)的靈活性，因此在精算以及量化分析領(lǐng)域具有很高的適用性。無(wú)論是預(yù)測(cè)欺詐事件的邏輯回歸模型，還是車(chē)險(xiǎn)定價(jià)中的頻率預(yù)測(cè)模型、案均預(yù)測(cè)模型、純風(fēng)險(xiǎn)保費(fèi)預(yù)測(cè)模型，都是廣義線性模型的一種具體實(shí)現(xiàn)。

廣義線性模型是一種靈活性很高的模型，是線性回歸模型的延伸。不同于在線性回歸模型中因變量需服從正態(tài)分布，廣義線性模型的因變量可服從指數(shù)分布族的任何分布（包括normal,binomial, Poisson,gamma,negative binomial,Tweedie等）。且因變量的期望值并不局限于自變量的線性預(yù)測(cè)值，而是通過(guò)聯(lián)接函數(shù)使自變量的線性預(yù)測(cè)值對(duì)因變量的期望值產(chǎn)生影響。該聯(lián)接函數(shù)的結(jié)構(gòu)也非常多元化，如恒等、對(duì)數(shù)、Logit等都可以作為聯(lián)接函數(shù)。

在回歸模型中，廣義線性模型（Generalized Linear Model,GLM）是財(cái)產(chǎn)險(xiǎn)公司目前在車(chē)險(xiǎn)定價(jià)等量化分析工作中的主要方法。由于廣義線性模型在保險(xiǎn)業(yè)的使用歷史較長(zhǎng)，接受程度較高，并且了解相關(guān)模型技術(shù)的從業(yè)人員較為廣泛，使其成為壽險(xiǎn)/健康險(xiǎn)的核保建模的首選算法。

除了廣義線性模型以外，還有一種適合于壽險(xiǎn)/健康險(xiǎn)自動(dòng)核保模型的回歸模型是廣義相加模型（Generalized Additive Model, GAM）。廣義相加模型是在廣義線性模型基礎(chǔ)上的更進(jìn)一步拓展，其因變量和廣義線性模型一樣可為指數(shù)分布族的任何分布。廣義相加模型不同于廣義線性模型之處在于其自變量與因變量的關(guān)系。廣義線性模型要求自變量與因變量的期望值之間的關(guān)系是線性的，而廣義相加模型自變量與因變量之間的關(guān)系可以是任意光滑的曲線或曲面（一般要求二階可導(dǎo)），并通過(guò)懲罰系數(shù)控制曲線或曲面的平滑度。

以常見(jiàn)的壽險(xiǎn)/健康險(xiǎn)核保為例，為防范逆選擇風(fēng)險(xiǎn)，傳統(tǒng)核保手段包括體檢以及人工核保。由于人工成本較高，人身險(xiǎn)公司運(yùn)用自動(dòng)核保結(jié)合“免體檢額+抽檢”的核保方式較為常見(jiàn)。但是，目前業(yè)界使用的自動(dòng)核保規(guī)則往往只使用保額、被保險(xiǎn)人年齡、機(jī)構(gòu)等級(jí)、健康告知等少量因素判斷客戶是否需要體檢，且判別標(biāo)準(zhǔn)較為主觀，沒(méi)有對(duì)風(fēng)險(xiǎn)進(jìn)行更精確的多維度量化分析。從歷史經(jīng)驗(yàn)來(lái)看，整體體檢結(jié)果陽(yáng)性比例偏低，體檢效率較差。且隨著社會(huì)經(jīng)濟(jì)的發(fā)展，免體檢保額逐漸不適應(yīng)民眾整體收入水平的提高，客戶投保體驗(yàn)效果有待改善。

廣義線性模型更多地適用于自變量為離散變量的情況。當(dāng)自變量是連續(xù)變量并且與因變量之間存在非線性相關(guān)關(guān)系，或者多個(gè)自變量之間存在復(fù)雜的自相關(guān)與交互作用時(shí)，廣義線性模型的擬合效果并不好，往往只能通過(guò)對(duì)連續(xù)變量分段，將其轉(zhuǎn)化為離散變量處理，模型擬合結(jié)果較為粗糙。在這些情況下，廣義相加模型更能發(fā)揮其優(yōu)勢(shì)。SAS、R等統(tǒng)計(jì)軟件均可支持廣義線性模型和廣義相加模型的擬合。

四、壽險(xiǎn)/健康險(xiǎn)自動(dòng)核保預(yù)測(cè)模型如何建模

在壽險(xiǎn)/健康險(xiǎn)自動(dòng)核保預(yù)測(cè)模型建模的過(guò)程中，首先需要明確因變量，如模型擬對(duì)早期出險(xiǎn)進(jìn)行預(yù)測(cè)，則需在訓(xùn)練數(shù)據(jù)集中挑選出早期出險(xiǎn)的記錄做出標(biāo)記。然后根據(jù)核保經(jīng)驗(yàn)，結(jié)合現(xiàn)有數(shù)據(jù)，選取備選自變量及可能存在的交互作用。在這一過(guò)程中，核保人的核保經(jīng)驗(yàn)尤為重要，將大大提高模型擬合的效率及結(jié)果的合理性和可解釋性。在數(shù)據(jù)允許的情況下，也不妨嘗試一些傳統(tǒng)核保中未曾考慮的因素，例如在交叉銷售時(shí)，可將其他險(xiǎn)種的一些核保/定價(jià)因素作為壽險(xiǎn)/健康險(xiǎn)核保的備選自變量進(jìn)行考慮。

從保險(xiǎn)行業(yè)來(lái)看，財(cái)產(chǎn)險(xiǎn)公司在大數(shù)據(jù)應(yīng)用方面走在較為前端，最廣為人知的應(yīng)用即為商業(yè)車(chē)險(xiǎn)定價(jià)及核保。反觀人身險(xiǎn)公司對(duì)于大數(shù)據(jù)的應(yīng)用，目前尚停留在較為初級(jí)的階段，尤其是對(duì)于保單層面的各類大數(shù)據(jù)分析，有巨大發(fā)展?jié)摿ΑＨ松黼U(xiǎn)公司通過(guò)深挖內(nèi)部與外部數(shù)據(jù)，在銷售、承保、定價(jià)、理賠等各個(gè)環(huán)節(jié)應(yīng)用大數(shù)據(jù)技術(shù)建立精準(zhǔn)的商業(yè)預(yù)測(cè)模型，可提升人身險(xiǎn)公司商業(yè)決策的科學(xué)性，使公司在未來(lái)市場(chǎng)變革中保持核心競(jìng)爭(zhēng)力。圖2為保險(xiǎn)公司經(jīng)營(yíng)中可運(yùn)用大數(shù)據(jù)分析技術(shù)的各個(gè)環(huán)節(jié)示例。

①?gòu)垹q:《慶?！拔逡弧眹?guó)際勞動(dòng)節(jié)暨表彰全國(guó)勞動(dòng)模范和先進(jìn)工作者大會(huì)隆重舉行》，《人民日?qǐng)?bào)》2015年4月29日。

?圖4　壽險(xiǎn)/健康險(xiǎn)自動(dòng)核保預(yù)測(cè)模型中的建模因子

將自動(dòng)核保預(yù)測(cè)模型植入到原自動(dòng)核保系統(tǒng)，系統(tǒng)優(yōu)化后可達(dá)到如下效果：

?免體檢保額普遍提高；

?整體體檢率有所下降；

廣東省城市對(duì)于旅游行業(yè)也較為關(guān)注，廣東省旅游效率總計(jì)數(shù)有效城市個(gè)數(shù)已經(jīng)高達(dá)總數(shù)的半數(shù)之上，各個(gè)城市的旅游資金與人力投入逐漸增加，地方政府對(duì)于旅游行業(yè)較為支持，投入了大量的資金。但是，旅游資源投入具有時(shí)滯性的特征，無(wú)法在短時(shí)期中實(shí)現(xiàn)效益增長(zhǎng)，而過(guò)度投資以及跟風(fēng)投資也會(huì)導(dǎo)致出現(xiàn)投入冗余的問(wèn)題，這樣也就會(huì)造成旅游經(jīng)濟(jì)無(wú)效率城市數(shù)量增加。但是，整體上來(lái)說(shuō)，城市旅游效率在近些年存在顯著的局域集群發(fā)展趨勢(shì)。

?在保持人工核保比例基本不變的前提下，體檢效率提高至少5倍以上。

五、結(jié)論

由上可見(jiàn)，大數(shù)據(jù)分析可運(yùn)用于人身險(xiǎn)公司經(jīng)營(yíng)管理中的各個(gè)環(huán)節(jié)。在大數(shù)據(jù)的時(shí)代，要想利用大數(shù)據(jù)為公司保駕護(hù)航并且創(chuàng)造價(jià)值，首先需要從構(gòu)建一體化的信息系統(tǒng)技術(shù)平臺(tái)做起。在此基礎(chǔ)上，對(duì)數(shù)據(jù)進(jìn)行的采集、累積和整合，將成為公司重要的核心技術(shù)資產(chǎn)。最后，日益更新迭代的數(shù)據(jù)分析模型和可視化技術(shù)使得大數(shù)據(jù)分析觸手可及。