史 程 泰康人壽總公司運(yùn)營(yíng)中心

通過(guò)模型訓(xùn)練讓機(jī)器智能化，實(shí)現(xiàn)流程的線上化、數(shù)字化，代替線下流程，減少人工，降低成本，提高效率，其巨大的優(yōu)勢(shì)和巨大的商業(yè)價(jià)值促使各行各業(yè)的投保公司，積極開始建設(shè)屬于自己的大數(shù)據(jù)應(yīng)用及人工智能體系，尤以阿里巴巴、騰訊、美團(tuán)、滴滴、360等擁有明顯大數(shù)據(jù)資源優(yōu)勢(shì)的頭部互聯(lián)網(wǎng)企業(yè)為代表。當(dāng)前，區(qū)塊鏈、人臉識(shí)別、OCR、NLP、RPA、精準(zhǔn)預(yù)測(cè)模型等基于大數(shù)據(jù)技術(shù)的商業(yè)化運(yùn)用，已經(jīng)逐步成熟，作為對(duì)數(shù)據(jù)極為敏感的金融領(lǐng)域，大數(shù)據(jù)所能帶來(lái)的巨大價(jià)值，無(wú)用多言，所有金融類頭部公司，無(wú)不把數(shù)字化、線上化、智能化作為開始顛覆傳統(tǒng)的商業(yè)及實(shí)現(xiàn)運(yùn)營(yíng)管理模式再造的開端。大數(shù)據(jù)推動(dòng)的產(chǎn)業(yè)升級(jí)和流程變革帶來(lái)的巨大競(jìng)爭(zhēng)壓力，迫使對(duì)數(shù)據(jù)高度敏感的保險(xiǎn)、銀行、信托等金融機(jī)構(gòu)必須流程重塑，轉(zhuǎn)型升級(jí)，在業(yè)務(wù)全流程積極引大數(shù)據(jù)和人工智能技術(shù)，實(shí)現(xiàn)傳統(tǒng)線下業(yè)務(wù)員流程和大數(shù)據(jù)的高度結(jié)合與平衡。通過(guò)構(gòu)建精準(zhǔn)的大數(shù)據(jù)風(fēng)險(xiǎn)預(yù)測(cè)模型，對(duì)于在業(yè)務(wù)中存在巨大信息不對(duì)稱，經(jīng)營(yíng)風(fēng)險(xiǎn)的保險(xiǎn)行業(yè)來(lái)說(shuō)，便成了一個(gè)極具吸引力的打造公司核心實(shí)力的關(guān)鍵切入點(diǎn)。

從人身保險(xiǎn)和財(cái)產(chǎn)保險(xiǎn)的整體應(yīng)用來(lái)看，由于財(cái)產(chǎn)險(xiǎn)，特別是車險(xiǎn)的自身特點(diǎn)，更容易實(shí)現(xiàn)底層數(shù)據(jù)的標(biāo)準(zhǔn)化，同時(shí)車險(xiǎn)行業(yè)的承保、理賠信息的整合和共享程度更好，建設(shè)也更早一些，所以財(cái)產(chǎn)險(xiǎn)領(lǐng)域，特別是車險(xiǎn)在大數(shù)據(jù)風(fēng)險(xiǎn)識(shí)別模型的應(yīng)用上要較為領(lǐng)先。2016年“全國(guó)車險(xiǎn)反欺詐信息系統(tǒng)”正式上線，面向各市場(chǎng)主體提供保險(xiǎn)欺詐線索識(shí)別和風(fēng)險(xiǎn)預(yù)警功能，初步實(shí)現(xiàn)了行業(yè)車險(xiǎn)欺詐信息的交互共享。車險(xiǎn)基于大數(shù)據(jù)的風(fēng)險(xiǎn)管控和反欺詐效果凸顯。而人身保險(xiǎn)以人的健康和壽命作為對(duì)象，其經(jīng)營(yíng)的風(fēng)險(xiǎn)更加復(fù)雜多樣，健康信息的存在巨大的不對(duì)稱性，逆選擇和道德風(fēng)險(xiǎn)極高，同時(shí)，我國(guó)的公民個(gè)人信息管理較為分散，數(shù)據(jù)呈現(xiàn)碎片化，尤其是公民健康數(shù)據(jù)和醫(yī)療數(shù)據(jù)雖然近些年已經(jīng)取得了巨大的進(jìn)展，但底層數(shù)據(jù)依然標(biāo)準(zhǔn)化程度較低，分布較散，非常不利于數(shù)據(jù)分析和智能化技術(shù)的應(yīng)用，大數(shù)據(jù)分析技術(shù)雖然能夠?qū)崿F(xiàn)一定程度的從非結(jié)構(gòu)化數(shù)據(jù)中提取關(guān)鍵信息。但很多欺詐的關(guān)鍵信息都是主觀性較強(qiáng)的非結(jié)構(gòu)化數(shù)據(jù)，比如第三方鑒定報(bào)告，無(wú)法實(shí)現(xiàn)批量分析。大數(shù)據(jù)分析在人身保險(xiǎn)風(fēng)險(xiǎn)管控領(lǐng)域的應(yīng)用還比較滯后。

保險(xiǎn)公司可以整合、打通、搭建一個(gè)集合內(nèi)外部數(shù)據(jù)的集市，實(shí)現(xiàn)數(shù)據(jù)字段的標(biāo)準(zhǔn)化，數(shù)據(jù)輸出的模塊化，通過(guò)不同模塊的組合，適應(yīng)多種場(chǎng)景的應(yīng)用。一個(gè)數(shù)據(jù)豐富，維度多樣的系統(tǒng)可以提升偶發(fā)、新發(fā)的欺詐行為和案件的識(shí)別概率。風(fēng)險(xiǎn)預(yù)測(cè)模型等技術(shù)可以批量深入分析欺詐實(shí)例，通過(guò)篩選欺詐風(fēng)險(xiǎn)因子，進(jìn)一步迭代優(yōu)化風(fēng)險(xiǎn)識(shí)別模型，提升模型的準(zhǔn)確性。大數(shù)據(jù)解決方案可以幫助建立覆蓋保單全生命流程的風(fēng)險(xiǎn)管控體系，幫助企業(yè)審視全流程風(fēng)險(xiǎn)，逐步實(shí)現(xiàn)風(fēng)險(xiǎn)管控前端化，改善客戶感受，降低風(fēng)控成本。通過(guò)組織內(nèi)部信息的有效打通和關(guān)聯(lián)，全流程視角能夠獲得更好的欺詐檢測(cè)效果。保險(xiǎn)欺詐可以載多個(gè)流程節(jié)點(diǎn)同時(shí)發(fā)生：承保、理賠、調(diào)查、續(xù)期、保全或者與員工行為相關(guān)的欺詐或外部欺詐。一個(gè)整合了內(nèi)外部數(shù)據(jù)源的風(fēng)險(xiǎn)識(shí)別模型可以起到更好的風(fēng)險(xiǎn)預(yù)測(cè)功能。

保險(xiǎn)公司能夠?qū)⒁延械膬?nèi)部數(shù)據(jù)和引入的外部數(shù)據(jù)相結(jié)合，尋找影響保險(xiǎn)欺詐最為顯著的因素及這些因素的權(quán)重和取值區(qū)間，建立預(yù)測(cè)模型，快速的進(jìn)行欺詐案件分類和調(diào)查審核流程管控，并為理賠調(diào)查人員的調(diào)查方向提供線索，讓理賠審核人員根據(jù)欺詐風(fēng)險(xiǎn)評(píng)分的高低迅速審核處理賠案件，極大提高理賠的時(shí)效性，同時(shí)，通過(guò)大數(shù)據(jù)技術(shù)給線下調(diào)查人員提供明確的調(diào)查方向和線索，避免調(diào)查人員完全依靠個(gè)人主觀經(jīng)驗(yàn)判斷風(fēng)險(xiǎn)，實(shí)現(xiàn)精準(zhǔn)發(fā)起調(diào)查任務(wù)，指導(dǎo)調(diào)查人員獲取異常記錄。這種方式可以極大地提高欺詐風(fēng)險(xiǎn)識(shí)別的準(zhǔn)確性和效率，同時(shí)還可以為保險(xiǎn)公司節(jié)省大量的人力成本。筆者供職的泰康人壽作為國(guó)內(nèi)的頭部險(xiǎn)企，在人身險(xiǎn)領(lǐng)域一直積極嘗試及推動(dòng)大數(shù)據(jù)分析建模及機(jī)器學(xué)習(xí)。

一、前端認(rèn)知核保

泰康人壽開發(fā)的認(rèn)知核保系統(tǒng)，將人工智能與醫(yī)學(xué)知識(shí)、保險(xiǎn)業(yè)務(wù)緊密結(jié)合，打造AI體檢數(shù)據(jù)采集引擎和AI核保決策引擎，使核保更便捷，風(fēng)控更有效。體檢數(shù)據(jù)采集疫情以客戶體檢報(bào)告影像為輸入，自動(dòng)定位、識(shí)別健康數(shù)據(jù)，依據(jù)自然語(yǔ)言和醫(yī)學(xué)語(yǔ)義使其結(jié)構(gòu)化，自動(dòng)識(shí)別異常體檢項(xiàng)目；核保決策引擎構(gòu)建可解釋算法模型，預(yù)測(cè)客戶健康風(fēng)險(xiǎn)，并且結(jié)合投保產(chǎn)品特征評(píng)估承包風(fēng)險(xiǎn)，輸出核保結(jié)論解釋。該核保系統(tǒng)支持超過(guò)10類常見疾病患病風(fēng)險(xiǎn)的預(yù)測(cè)，準(zhǔn)確率近80%，同時(shí)也將核保環(huán)節(jié)人工審核的效率提升超過(guò)25%。

二、客戶風(fēng)險(xiǎn)信息平臺(tái)

兩核風(fēng)控是壽險(xiǎn)行業(yè)最重要的風(fēng)控環(huán)節(jié)之一，但實(shí)際工作中存在著大量簡(jiǎn)單重復(fù)性操作步驟，如跨系統(tǒng)數(shù)據(jù)查詢時(shí)的信息復(fù)制與填充，日常格式化數(shù)據(jù)報(bào)表的制作等，消耗了大量的工作時(shí)間。隨著近年來(lái)外部數(shù)據(jù)平臺(tái)的陸續(xù)接入，已有全國(guó)同業(yè)的兩核風(fēng)險(xiǎn)數(shù)據(jù)、覆蓋十余省的醫(yī)療數(shù)據(jù)模型等客戶風(fēng)險(xiǎn)信息數(shù)據(jù)實(shí)現(xiàn)了遠(yuǎn)程線上查詢，為兩核風(fēng)控提供了更快速、更全面的審核依據(jù)。但在實(shí)際工作中，外部數(shù)據(jù)模型查詢面臨著查詢?nèi)肟诜稚?、檢索條件復(fù)雜等多種問(wèn)題。為解決上述問(wèn)題，高效利用醫(yī)療大數(shù)據(jù)資源，進(jìn)一步提升兩核環(huán)節(jié)線上化、智能化水平，泰康人壽利用機(jī)器人流程自動(dòng)化與人工智能技術(shù)，建設(shè)了服務(wù)于兩核風(fēng)控的“客戶風(fēng)險(xiǎn)信息平臺(tái)”，實(shí)現(xiàn)統(tǒng)一、便捷的風(fēng)險(xiǎn)模型數(shù)據(jù)查詢。極大提升了兩核效率，優(yōu)化了兩核人員的使用體驗(yàn)。

三、兩核大數(shù)據(jù)模型

泰康人壽持續(xù)探索新技術(shù)、新科技在保險(xiǎn)領(lǐng)域的應(yīng)用，在行業(yè)中率先將大數(shù)據(jù)與人工智能技術(shù)應(yīng)用于兩核風(fēng)控板塊，開發(fā)了兩核大數(shù)據(jù)模型、反欺詐模型、內(nèi)部審計(jì)模型等多個(gè)應(yīng)用于核保、理賠、調(diào)查板塊風(fēng)控工具，在應(yīng)用中發(fā)揮了良好效果，更加有力地捍衛(wèi)了公司和客戶的利益。

大數(shù)據(jù)模型是利用既往積累的大量數(shù)據(jù)信息對(duì)未知結(jié)果進(jìn)行預(yù)測(cè)的方式，建模過(guò)程主要包含數(shù)據(jù)標(biāo)準(zhǔn)化，建立數(shù)據(jù)庫(kù)，確定目標(biāo)結(jié)果，篩選相關(guān)因子，生成模型，模型自主學(xué)習(xí)優(yōu)化等。其中生成模型的過(guò)程需要使用大數(shù)據(jù)算法，這也是大數(shù)據(jù)建模最關(guān)鍵的環(huán)節(jié)之一。

目前成熟的大數(shù)據(jù)算法有很多種，例如：決策樹算法、隨機(jī)森林算法、邏輯回歸、樸素貝葉斯等。每次建模需根據(jù)數(shù)據(jù)字段類型、數(shù)據(jù)字段數(shù)量、目標(biāo)結(jié)果等因素選擇適合的算法，以達(dá)到最優(yōu)的預(yù)測(cè)結(jié)果。

兩核風(fēng)控板塊應(yīng)用有以下幾種大數(shù)據(jù)模型：

(一)兩核大數(shù)據(jù)模型：根據(jù)大量核保、理賠信息，選取10余項(xiàng)投保、理賠時(shí)的關(guān)鍵字段，使用邏輯回歸算法預(yù)測(cè)核保、理賠結(jié)果的模型應(yīng)用。用于識(shí)別客戶風(fēng)險(xiǎn)等級(jí)，具有核保階段高風(fēng)險(xiǎn)客戶攔截，核保階段低風(fēng)險(xiǎn)客戶無(wú)需體檢，理賠階段高風(fēng)險(xiǎn)客戶攔截等多種應(yīng)用場(chǎng)景，減少人工審核量，降低體檢成本的同時(shí)抵御客戶風(fēng)險(xiǎn)。

(二)反欺詐模型：使用XGBoost算法在承保后出險(xiǎn)前階段識(shí)別已承?？蛻舻钠墼p風(fēng)險(xiǎn)，具有不影響業(yè)務(wù)承保，時(shí)效要求寬松，全流程持續(xù)風(fēng)控等優(yōu)秀。該模型應(yīng)用后有效提高了提調(diào)精度，提升了工作效果。

(三)審計(jì)模型：為防范內(nèi)部人員風(fēng)險(xiǎn)建立的審計(jì)模型，根據(jù)工作行為記錄識(shí)別個(gè)人及案件違規(guī)風(fēng)險(xiǎn)。

保險(xiǎn)行業(yè)發(fā)展迅速，保費(fèi)規(guī)模不斷擴(kuò)大，隨著“保險(xiǎn)姓保”的政策逐漸落地，保障性產(chǎn)品，健康險(xiǎn)的增加速度迅猛，保險(xiǎn)欺詐及各種濫用、套利問(wèn)題，在信息非對(duì)稱化下保不斷地?cái)U(kuò)大，在大數(shù)據(jù)技術(shù)的支撐下，互聯(lián)網(wǎng)保險(xiǎn)市場(chǎng)的發(fā)展?jié)摿Σ粩啾环糯?，保險(xiǎn)欺詐的風(fēng)險(xiǎn)敞口成倍放大。保險(xiǎn)反欺詐一直都是保險(xiǎn)公司關(guān)注的重點(diǎn)，很多公司在大數(shù)據(jù)及人工智能的應(yīng)用也進(jìn)行了嘗試。例如平安集團(tuán)、弘康人壽等保險(xiǎn)公司利用只能圖像技術(shù)進(jìn)行人臉識(shí)別實(shí)現(xiàn)更快數(shù)投保，防范風(fēng)險(xiǎn)騙保等行為，螞蟻金服同樣利用智能圖像技術(shù)推出了車險(xiǎn)理賠輔助工具定損寶，幫助保險(xiǎn)公司快速處理車輛理賠定損，避免虛假理賠。同時(shí)各大保險(xiǎn)公司都在利用人工智能的學(xué)習(xí)算法分析自身現(xiàn)有數(shù)據(jù)或結(jié)合醫(yī)療、交通及公安等各類大型數(shù)據(jù)源進(jìn)行欺詐理賠的識(shí)別，進(jìn)而形成否符合自身特點(diǎn)的動(dòng)態(tài)反欺詐模型，加大對(duì)欺詐案件的防空力度。其中保險(xiǎn)業(yè)大數(shù)據(jù)一般有以下幾個(gè)來(lái)源：

一是保險(xiǎn)公司自身建立數(shù)據(jù)庫(kù)。保險(xiǎn)公司的數(shù)據(jù)庫(kù)是自身經(jīng)營(yíng)的歷史和現(xiàn)實(shí)的記錄，主要針對(duì)的是自有客戶、準(zhǔn)客戶和已流失客戶的承保和理賠信息，以及公司產(chǎn)品設(shè)計(jì)信息、保險(xiǎn)標(biāo)的風(fēng)險(xiǎn)查勘信息、出險(xiǎn)記錄、防災(zāi)防損記錄和客戶服務(wù)等信息。這些信息除了監(jiān)管部門要求上報(bào)的以外，都是保險(xiǎn)公司內(nèi)部使用的，屬于商業(yè)秘密，具有較強(qiáng)的封閉性、專業(yè)性和秘密性。保險(xiǎn)公司可以通過(guò)數(shù)據(jù)挖掘和分析等方式，對(duì)自身數(shù)據(jù)庫(kù)信息進(jìn)行充分利用。

二是保險(xiǎn)行業(yè)自主建立數(shù)據(jù)庫(kù)。為加強(qiáng)保險(xiǎn)行業(yè)信息共享，經(jīng)國(guó)務(wù)院批準(zhǔn)，由中國(guó)保監(jiān)會(huì)依法實(shí)施管理，2018年6月意健險(xiǎn)風(fēng)險(xiǎn)管理系統(tǒng)試運(yùn)行，7月正式向行業(yè)推出“守護(hù)者”系列數(shù)據(jù)服務(wù)，一期產(chǎn)品包含4款數(shù)據(jù)產(chǎn)品，8個(gè)應(yīng)用場(chǎng)景2020年意健險(xiǎn)風(fēng)險(xiǎn)管理系統(tǒng)二期產(chǎn)品，包含6款數(shù)據(jù)產(chǎn)品，7大類場(chǎng)景，協(xié)助保險(xiǎn)公司管控風(fēng)險(xiǎn)、提高效率、降低成本、改善服務(wù)。

三是與第三方合作利用大數(shù)據(jù)。隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展，線上線下的不斷融合，出現(xiàn)了一大批掌握巨量信息的平臺(tái)機(jī)構(gòu)，如阿里、騰訊、百度等。同時(shí)，也催生了需要信息的公司與這些平臺(tái)合作的機(jī)會(huì)。

科技改變?nèi)祟惿?，大?shù)據(jù)及人工智能技術(shù)的應(yīng)用對(duì)各行各業(yè)產(chǎn)生了顛覆性的深遠(yuǎn)的影響。當(dāng)前，大數(shù)據(jù)技術(shù)，智能化、區(qū)塊鏈等在保險(xiǎn)行業(yè)的應(yīng)用日益廣泛，逐漸形成新的保險(xiǎn)體系。通過(guò)新科技技術(shù)與保險(xiǎn)行業(yè)的融合，改善傳統(tǒng)保險(xiǎn)的服務(wù)模式，保險(xiǎn)行業(yè)同時(shí)也能夠不斷推出符合時(shí)代要求的產(chǎn)品與服務(wù)，降低企業(yè)成本，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)?！?/p>