一定要关注智能风控,投保健康险应做好
分类:保险

图片 1

图片 2

近日,保险科技公司上海栈略数据技术有限公司宣布完成近亿元B轮融资。本轮融资由领沨资本领投,拍拍贷等投资方跟投,山景资本作为独家财务顾问。 栈略数据是一家专注于健康险风控领域的科技公司。服务于保险支付方,为商业保险公司和保险中介等合作伙伴提供企业级大数据风控解决方案。创始团队成员来自硅谷一线科技公司,核心团队由技术专家、保险业务专家及医疗专家组成。 栈略数据于2016年成立后即获来自高榕资本、富慕资产和硅谷投资人郭威的天使轮投资,2017年公司又完成DCM、普华资本、丹华资本、奇虎中财、高榕资本和富慕资产参与的A轮投资。公司目前拥有北京和上海双总部,同时在南京、杭州、成都、长沙、广州、深圳等地设有分支机构。据悉,2019年栈略数据国际总部已于香港成立,着手重点布局亚洲市场。 领沨资本创始合伙人马宁表示:“领沨资本认为健康医疗保险业务在中国渗透率低,发展前景广阔,但多年来的痛点是保险公司无法控制赔付费用和风险,缺失数据,大多数医疗保险公司处于亏损状态。栈略数据利用人工智能、大数据等技术,从帮助商保公司反欺诈、控费及设计产品等方面切入,切实解决行业痛点,而且团队优秀,有很强的执行力。” 拍拍贷CEO张俊也表示:“目前中国健康险市场密度和深度远低于成熟市场,有持续增长红利和广阔发展空间。健康险在高速发展的同时,由于数据和风险模型的缺失,欺诈行为无法被及时有效识别,赔付率高居不下。栈略数据团队对技术和医疗健康产业都有很深理解,他们通过智能风控帮助商保公司进行多维度分析和决策,有效促进了行业的良性发展。” 近年来,监管部门接连下发多项保险行业相关指导意见和政策,从原来的“促增长”逐渐转向“严监管”, 在此过程中,众多险企由于转型面临偿付能力承压。同时,为防范和化解保险欺诈风险,自2018年保险监管层印发《反保险欺诈指引》以来,监管层正逐步构建保险行业欺诈风险管理规范和反欺诈技术标准。当前已是考验险企资本实力和经营能力的关键时刻,保险风控能力已成为各险企核心竞争力指标之一。 在互联网巨头、实业巨头争先涌入的保险科技热潮中,成立仅三年的栈略数据异军突起,以风控角度切入,效率及成长速度超越诸多背靠资本巨鳄的保险科技公司。而在美国创新型保险科技企业中,也出现了一些通过大数据和人工智能技术有效控制医疗支出,提升医疗服务的独角兽创业公司,比如Clover Health,Collective Health等,这对中国商业健康险颇具启发性。 不同于其他泛金融领域的风控服务商,栈略数据定位于垂直赛道,深耕健康险领域,运用数字技术及人工智能服务保险支付方。独创式“数字化健康险风控闭环”模式,有效协同政策性医疗保险和商业健康险的数据融合,打通产品设计、核保、理赔、客服等运营环节,在产品整个生命周期中实现联合动态风控,为产品设计、合理化定价、精细化运营提供数字化赋能。 目前,栈略数据已就风控业务与多家保险公司开展合作,包括中国人寿、中国人保、中国太平、太平洋保险、中华联合保险、中国大地保险、汉诺威再保险等机构。在过去三年里,栈略数据的产品服务已获诸多业内认可。栈略数据已成为LIMRA(国际寿险营销研究协会)特别附属会员及《中国社会保障杂志》理事单位。2019年,栈略数据先后获得InsurStar50 — 2018年中国保险科技50强,清华五道口金融科技研究院主办的 “2018年全球金融科技创业大赛十强”,分子实验室颁发的“2019中国保险科技创新20强”等诸多荣誉。 本轮融资后,栈略数据将加速其在全国的业务扩张与战略布局,并进一步开展与保险上下游机构的合作,巩固其在健康险风控领域的领先地位。

日前,保险保障基金发布了《2019中国保险业风险评估报告》。报告指出,国内健康险市场非理性竞争趋势显现,给险企带来多种风险。尽管该报告主要反映当前健康险市场一些乱象,但也为消费者敲响了警钟。业内人士指出,健康险该怎么买?挑选什么样的产品?选择哪类保险公司?这些都需要投保人提前做好“功课”。

健康险的火热亦带动着整个产业链后端的繁荣,打开繁荣之门之后,是一幅全链条繁荣的火热生产车间。

2019年1月5日,“2019慧保天下保险大会—通往理性繁荣之路”今日在京召开。小雨伞保险董事长徐瀚发表题为《智能风控在互联网健康险的应用》的演讲。

图片 3

风控、核保、理赔,保险细分赛道日渐繁荣,健康险的整体繁荣为第三方技术公司的出现和发展提供了土壤,第三方技术公司对于健康险公司的发展意义重大,从最基础部分的IT系统规划与实施,保险产品设计阶段的市场调研、数据支持,产品和渠道管理,客户关系维护;到核保、核赔两核业务,医疗服务网络的搭建,快赔直赔体系建立;以及日常健康咨询需求应答、健康管理等,都需要第三方的参与。更有科技内核、更有效、更能反哺B端的服务正成为赛道里跑赢其他对手的关键因素。

徐瀚指出,互联网保险在2017年、2018年从总盘子上看是滞涨的局面。不过,有一个险种很繁荣,健康险销售有亮眼表现,2017年整个翻倍,2018年数字增长也很亮眼。这一健康险数字的增长,将带给我们平台需要讨论的一个问题,互联网平台和保险公司是唇齿相依的关系。如果一个产品仅仅是平台赚钱了,保险公司是亏损的,对不起,这个好的产品一定不会长久的。如果想把好产品持续提供给对的人,一定要关注一件事情,就是智能风控在健康险中的应用,只有在前端做好了守门员,才能做到把好的保险卖给对的人。

投保健康险有讲究

9月4日,栈略数据首席运营官郝磊在《今日保》主办的第二届“中国健康保险与健康产业发展论坛”上,以“医疗健康险大数据风控实践实例”为主题,从业务一线的案例实践拆解了大数据风控究竟能给健康险带来哪些价值。

对于大数据风控发展,徐瀚着重阐述了三点:第一,已经不是随机样本了,而是全量数据;第二,不是精确性,而是混杂性;第三,不是因果关系,而是相关关系。

近几年,投保健康险已成为不少消费者的首要选择,考虑到不断攀升的重疾发生率,保险正成为人们抵御健康风险的利器。

以下为郝磊在“第二届“中国健康保险与健康产业发展论坛”上的演讲实录:

小雨伞保险董事长徐瀚

不过,伴随着健康险业务的高速增长,一些行业乱象也逐渐显现。上述报告指出,健康险正面临多重挑战:一是重疾险市场非理性竞争趋势显现,激进的产品定价叠加部分重疾发生率变化、赔付支出攀升,加大经营亏损风险隐患。二是核保和核赔两端面临的逆选择风险和欺诈风险增大。三是健康险产品同质化现象严重、细分市场针对性不足、产品供需结构不匹配、经营能力和服务能力欠缺,为未来赔付埋下了风险隐患。

我将为大家分享一些来自我司在健康险风控领域的应用实例。我们公司栈略数据,主要从事医疗健康险风控理赔业务。主要分为社保和商保两条业务线:社保业务线,我们与各地的医保经办机构、保险公司等一起合作,提供医保基金风控、经办管理等相应的服务;商保业务线,我们提供健康险的理赔全流程服务,包括从数据采集、报案,理赔风控,自动化理算到最后的结案,以及提供智能风控系统。

以下为演讲实录:

业内专家表示,消费者必须要了解一些健康险的“坑点”,这样才不会被轻易忽悠。比如,医疗保险是为保险合同约定的医疗费用支出提供保障的保险。医疗保险按照保险金的给付性质,分为费用补偿型医疗保险和定额给付型医疗保险,而费用补偿型医疗保险的给付金额不得超过被保险人实际发生的医疗费用金额。“也就是说,费用补偿型医疗保险应遵循补偿原则,不论被保险人投保了几份医疗保险,医疗费用只能报销一次,这样可以防止道德风险的发生,同时防止被保险人因保险而获取不当利益。”

目前高速发展的健康险,其行业痛点集中在风险管控环节。众所周知,健康险理赔是一个较长的流程链条,对于保险公司而言,存在着人工投入大、效率低、理赔欺诈严重、经验迭代慢等问题。能否高效识别理赔工作中的风险点、及时发现高风险行为是控制赔付率和赔付金额的关键。

徐瀚:

又如,疾病保险包括重疾险,通常是定额给付的,与被保险人实际医疗费用支出金额并无直接关联。因此,重疾险是确诊即赔付,可以重复获赔。如果投保人购买多份重疾险,一旦被确诊为某种重大疾病,即便在不同公司投了保,只要所患重疾是保单上载明的,而且病情符合赔付标准,就可以同时获得多家保险公司的赔偿。不过,多买几份重疾险也意味着要增加经济负担,因此投保人应该按需购买。

1

各位朋友大家下午好!首先要感谢胡琼老师给我们舞台,这样的头脑盛筵讨论保险的商业逻辑。我今天演讲的题目是“智能风控在互联网健康险的应用”,小雨伞保险是2015年成立的,我们是聚焦于人身健康险,用互联网科技手段提供定制加精选保险产品给用户的一个互联网平台。好的保险卖给对的人,其实在我们的实践下来是一件非常困难的事,我们在这两年都看到了,中国健康险的盈利情况并不乐观,我借用胡琼老师的关键词,理性和繁荣。大家都觉得互联网保险是非常热门的词汇,在2013年到2016年时,互联网增长速度非常快,因为我整个人也有感受到,2017年整体互联网产生的保费比2016年有所下降,同时2018年的数字还没有出来,但估计即便有增长也是个位数增长,整体行业在2017年、2018年在总盘子上看是滞涨的局面。

另外,消费者在购买人身保险产品时,需要如实告知健康状况,不轻信销售误导,避免在发生保险事故后出现理赔纠纷,以维护自身合法权益。保险机构主要采用书面方式询问被保险人健康状况。保险消费者需要客观填写健康状况问卷等,如确因时间久远等记不清某些健康情况,应及时查询就诊记录、诊断报告等相关诊疗资料,避免因健康状况告知不准确而影响保险合同效力。

-Insurance Today-

中间有一点值得庆幸,这就是另外一个词“繁荣”。有一个险种很繁荣,健康险销售有亮眼表现,2017年整个翻倍,2018年数字增长也很亮眼。这一健康险数字的增长,将带给我们这个平台需要讨论的一个问题,互联网平台和保险公司是唇齿相依的关系,如果一个产品仅仅是平台赚钱了,保险公司是亏损的,对不起这个好的产品一定不会长久的。如果想把好产品持续提供给对的人,一定要关注一件事情,就是智能风控在健康险中的应用,只有在前端做好了守门员,才能做到把好的保险卖给对的人。下面我开始我的演讲。

图片 4

风控实践—图谱、基线、标签和反欺诈

我今天分为四个部分:一是互联网保险的风控缺失;二是大数据和智能风控的发展趋势;三是健康险的一些应用模式;四是啄木鸟PICUS。

选择险企主要看服务

栈略数据具体是如何做健康险和社保业务风控理赔?

一、互联网平台的风控缺失

那么,选择哪类保险公司比较好,是大险企还是小险企?对此,上述专家表示,消费者应该注意保险公司的一些细节,比如,可以看监管部门公布的投诉处理考评表。人身保险公司投诉量考评兼顾各保险公司渠道构成、产品结构、业务规模等差异性特点,分设亿元保费投诉量、万张保单投诉量、万人次投诉量三个指标,并且统计了包括投诉处理及时率、撤诉率、越级投诉率、重大群体事件、违法违规案件、负面舆论等多个方面。

首先,我们从风控的基础知识图谱、医疗数据基线讲起。栈略数据医学团队通过公开渠道整理归纳了40万条医保“三目录”,20万药品信息,涵盖适应症、禁忌症、用法用量、配伍、用药安全等170万条规则明细信息。我们将理赔数据进行分析,得到以下的医疗数据图谱,将大数据归一到一起,观察数据的形态。通过BI工具反应一个保险公司理赔的发病率情况、理赔的分布情况。

我们看两个案例,第一个是关于张轶凡的泰国杀妻案。一位天津男子购买了10多份保险,约3000多万的保额,在泰国杀害了自己的妻子。这个案件最后被警方破获了,但这个案件里缺失了什么?

上述专家还表示,对消费者来说,投保重疾险应先看产品,选择哪家公司并不重要;而购买医疗保险,尤其是高端医疗,则应该先看公司,再看产品。“重疾险是一次性赔付,对于这种产品,保险公司只要确认投保人购买时合规,就会赔付,大小公司都一样。对于医疗险来说,理赔时需要依据医院出具的医疗费用发票确定损失金额,这中间的过程比较长,频次高,这就要考验保险公司的服务能力,因此,选择公司也是有讲究的。”

通过知识图谱,可以从疾病人群、药品信息、诊疗费用、就诊分布等角度切入,洞悉疾病演化的整个生理周期。以糖尿病为例,可分析出不同阶段的糖尿病人群画像,掌握糖尿病患者演化周期及并发症的种类和概率。当理赔案件导入风控系统后,数据解析参保人/被保险人的就诊行为,从花费金额、诊疗数量、就诊频次、用药数量、就诊医院数量多维度筛出异常案件,并对输出结果进行标签标注和风险评估。同时,系统支持核赔专家根据经验自定义创建规则,有效地将机器学习融合专家经验,有利于智能沉淀和模型优化。

首先张轶凡的案件调查发现,这个人有多头借贷的情况出现,他在多家互联网平台上出现了借钱不还钱的记录。这里涉及到风控里的多头借贷的分值卡的异常。第二,他在十多家保险投保了3000多万的保险,媒体也打出了投保清单,相信很多互联网保险的朋友也看到了自己的平台在这里面,心里可能不好过,他存在多头投保的行为。同时中国《保险法》规定,以死亡为给付的保险合同一定要经过被保险人的认可,无论金额多少,但我想张轶凡的妻子一定不知道她被投了3000万的保险,因为如果她的妻子知情的话可能会得到一些蛛丝马迹,可能这个生命也会得到保存。第三,续期缴费能力的峰值的异常,就是在各种借贷活动中没有如期还款的责任。从这个案件暴露出了几个互联网风控的缺失。

除了保险产品和险企服务,购买健康险还要注意几个常识,比如,购买健康险要趁早。由于健康险需要进行健康告知和核保,如果投保人生病后再去买,保险公司肯定不会卖给你。另外,医疗险性价比较高,有一定经济条件的家庭,可以为每个成员配备,但对于重疾险一类的健康险,一定要先给家里的“顶梁柱”配备,然后再考虑孩子和其他人员。

在系统界面里,我们以几何图形来表达某种病症的疾病图谱。比如,圆形代表和冠心病相关的疾病图谱,所有和冠心病相关疾病的用线连基础,线越粗关联度越大,圆形颜色越深说明疾病发病率越高,每个疾病下面有男女、患者群体费用和住院情况。

第二个案件堪比“谍战片”。这是无锡的一家民营医院的医生高健业在5-9月期间购买了总额790万的重大疾病保险,同时他用化名高飞就诊隐瞒了就诊记录,因为用同一个名字去就诊可能会被保险公司发现从而拒保。他在投保后犹豫期刚刚过后,即以患了甲状腺乳头状癌为由申请索赔。但他的索赔引起了保险公司的注意,发现它确实有不正常的案例出现。在调查过程中,用大数据风控手段调取了无锡地区约3万份的B超报告,发现了有高飞其人和高建业整个模型完全吻合,这个事情就是用大数据的手段发现了骗保的案例。

接下来,我们会运用一些大数据算法,进行异常检测,筛选出就医逻辑和就诊轨迹和同级别患者出入较大的案件,随后核赔人员根据机器输出结果进行标签标注和风险评估。另外,系统支持核赔人员对理赔案件设置权重,每个保险公司可根据自己的业务情况、承保团体情况、渠道情况来设置关爱偏好,比如我想住三级医院、二级医院情况,或者不想看到老年人的情况,或年青人的情况,甚至不想看到哪个团体通过设置来调整权重。对于经验丰富的核赔专家,我们的系统前台也提供了一个工具,让核赔专家根据自己的偏好创建规则。

这两个案例非常知名,同时这是我们看到的案例,我们小雨伞几年从业中,发现更多精妙度没有那么高,但更加离奇的理赔案件。比如,我们曾发现一位用户用手画的一张医疗发票来投保,我们发现这个画的程度非常高,这一幅画也值很多钱。

在我们常见的产品形态里,我们会提供给保险公司风控审阅界面和相关运营管理工具,帮助保险公司将过程管理提升到数字管理,提供数字看板给相关管理者,了解整个核赔情况,数据质检及问题件处理情况,理算过程等。

这是我们看到的中国大量理赔的缺失,这种缺失体现在哪儿?

2

羊毛党:小雨伞早期做过一些高频的互动保险产品,我们发现中国的互联网存在了大量的羊毛党,只要有红包就有各种各样的工具来刷单。恶意投保和虚假投保:刚才的案例中都看到了。合同欺诈:同时还有很多高额风险,我们看到了3000万等过千万的高额保险出现的道德风险。健康风险:患病后进行逆选择。续期风险:这是很多寿险的痛,第一年买了保险,第二年不来买了,存在的虚假刷单的风险。互联网的风险大概有这么多,我们进行展示,方便进入主题的讨论。

-Insurance Today-

传统的风险维度不足以反馈这个世界的复杂性了。传统的欺诈案,由于它的样本不足信,没有办法发现群体的欺诈,我们看到好人分散,坏人扎堆的模型,好人的模型是分散的,但坏人的各种特征是扎堆的。比如欠钱不还的是一堆人,有这样的模型存在。

案例分享

过去的保险是样本精算的时代,但大数据时代变成了一个全量的数据。

下面我给大家分享一些有意思的案例。

二、个人对大数据风控发展的几点意见和总结

案例1:伪造病历。

1.已经不是随机样本了,而是全量数据。我们以一些大家都知道的案例方便大家理解。乔布斯是世界上第一个对自身所有的DNA和肿瘤DNA进行排序的人,他花几十万美金把自己的DNA和所有的肿瘤DNA进行了一对一的排比,得到了包括整个基因数码的全部的档案,当然可以说他是有钱任性,也可以说他为自己的生命做了很多的努力,这个案例失败了,他没有把自己救下来,但仍然给他赢得了很多的生命,如果不是他随时对比换药的做法,可能他的生命更早会结束。所以,在所有的发展中不是随机数据了,一定要想办法获得越全越好的数据,这是第一个发现。

伪造病历行为,体现在就诊轨迹雷同,呈现出批量同病症患者同天入院、出院的迹象。

2.不是精确性,而是混杂性。这里面有一个Hadoop的案例,在如果互联网世界每年新增的数据要怎么拿走呢?我不是说全部的,而是新增的,你要准备520亿的320G的硬盘才能把过去一年的数据都拷走,你想精确一个数据在大数据的时代是不正确和不理性的,我们要做的是混杂性,我们对人群进行简单的区分,比如这个人可能是有借贷行为不还,他也许是一个好人,也许你会错杀一个好人,你错杀了10%的好人,没关系,因为你只需要发现一个人群,不要做到全部,不需要把所有的事情做到精确,只需要把人群进行划分。这个Hadoop就特别流行,大家下去可以把这个概念看一下,它是分布式的存储,我们不要追求精准性,而只是把人群进行区分。在我们需要取舍的时候,也许10%的人群是我们错杀的人群,但没有关系,只要你把人群区分好了以后,我们就可以做到它的一个相对精准性。

案例2:伪造处方。

3.不是因果关系,而是相关关系。这是美国一个叫塔吉特的商场,它做了一个很有趣的实验,它发现女性购买不加香料的化妆品时可以断定这位女性已经怀孕了。有一个爸爸,一家商场给他的女儿寄了很多的婴儿床和婴儿服,这个爸爸很生气,打电话骂商场。但过几天后,他打电话给商场经理道歉,确实发现他的女儿怀孕了。通过购买没有香精的化妆品来引致她怀孕这件事不是那么准确,但给出了相关性的提示,我们要的不是因果关系,而是相关关系,就这件事情我给你提供一个可能性,至于你想怎么做是你的事,你信也好,不信也好,我只是提供相关性。

某被保险人上传了30号的门诊处方,进行了一次保险索赔;第二次他把这个处方PS了一下,改成了31号又一次申请理赔。

整个智能风控的发展经历了这么几个阶段。从核身,把三要素、四要素,到信用评级、决策引擎和复杂的网络机器学习,刚才我说到数据太庞大,如果你不通过机器学习是无法获得全量的数据的。

案例3:既往症。

李彦宏的一句话,这里简单引用一下,“中国人更开放,愿用隐私换效率。”在中国大数据的获取比你想想的要简单很多。

保险公司最为常见的,分析既往症的规则。根据栈略数据自建的医学知识图谱,我们能计算出患有某个病症的被保人经历多长的时间发展到今天的程度,对比他的健康告知就可以推断出他是否有隐瞒既往症的行为。

三、智能风控的应用

案例4:挂床住院、套取津贴。

这是金融行业的一些案例,主要是信贷和反欺诈,P2P在智能风控已经应用的很详尽了。证券业去年抓了很多的关联交易,全部都是用智能风控的手段抓出来的。保险业的案例,AVIVA利用信用报告和顾客的市场分析来替代传统保险公司使用顾客的血液尿液,它用了顾客的其他数据替代了这些检验数据,原理是不要精确性和只要混杂性,通过一些行为数据来提供整体平台的混杂性。

在一些人伤案件中,我们发现一些被保险人经常赖着不出院。我们分析出案件的2个不合理因素:第一,同一地区、同一年龄治疗外伤的出院时间是20天左右,而被保人住了63天;第二,他一共用了21天药品,却住了60多天院,肯定是个不合理行为。将所有风险因素总结到一起,为保险公司输出总的风险评分模型。

这是现阶段的一能风控的问题和对策。我们互联网健康的一些应用模式,在互联网里最重要的有几个:客户画像的构建,小数据人格的分析、性格爱好、疾病风险的预测模型。这是小雨伞自己的一个量化风险数据模型,从上而下的业务目标驱动,从下而上是数据驱动。我们通过评分卡的开发,从底层接入数据,通过评分机制给出,给出一些策略监控意见。

由这些风险实例我们了解到健康险反欺诈的一些大数据手段,随着技术的不断深入,我们将有机会探索到健康险理赔端更丰富的数据内涵。精准识别风险,打击医疗欺诈行为,其实是对公正医疗秩序的维护。我们每个人都期待着更加公平可及的医疗保障,希望与在座的医疗健康界同仁,共同努力,谢谢!

四、简单介绍一下啄木鸟的PICUS的系统

论坛回顾

PICUS系统,主要来自于几个:敏捷作业、迭代、核保和识别,分别取这几个英语单词的开头。

一位原保监会退休副主席的箴言:如何发展健康保险,服务健康中国战略

我们是通过如上的策略集和数据库的数据,进行了核身、反欺诈、健康模型的建立。这里稍微讲一下,在我们的系统和别的系统的不同之处。第一,我们是自定义策略流,因为互联网平台要跟中国多家保险公司合作的,所以,我们自定义策略流可以自动配比在所有保险公司的风控系统上,每一家保险公司的系统都不同,我们自定义策略,只要你配上去就可以配套使用。还有我们的两个决策:一是交叉决策集,在我们整个做完以后,通过我们的评分卡给每个用户一个分值,进行交叉决策;二是给出一个可以投保的额度建议,这就是啄木鸟风控计划。

一位前保监会官员5000言阐述:健康险市场十大发展观点辨析

感谢大家的聆听,谢谢。

一家世界500强企业的大健康生态闭环与健康管理新模式

从4亿到36亿,一家中小险企总裁的爆款健康险思维

腾讯微保的犀利反思:什么才是健康险的硬核价值

重疾险25年演进:一家再保险巨头眼中的三大突围路径

本文首发于微信公众号:今日保。文章内容属作者个人观点,不代表和讯网立场。投资者据此操作,风险请自担。

本文由新萄京娱乐网址发布于保险,转载请注明出处:一定要关注智能风控,投保健康险应做好

上一篇:中华联合财险收155万元最大罚单,9月保险业罚款 下一篇:没有了
猜你喜欢
热门排行
精彩图文