淺談如何利用大數據提升人身險公司自動核保效率

孫蘊潔　劉甲子　安永（中國）企業咨詢有限公司

淺談如何利用大數據提升人身險公司自動核保效率

孫蘊潔劉甲子安永（中國）企業咨詢有限公司

自2008年全球金融危機以來，各國進入了低利率時代。在當前的低利率環境下，人身險公司銷售長期儲蓄型產品會承擔較大的利率風險。為了追求穩定的利潤，越來越多的公司轉而銷售更多的保障型產品。然而此類產品利潤較為微薄，保險公司在降低產品價格爭奪市場的同時需守住死差益底線以保證預期利潤。因此提升風險識別能力將成為保險公司競爭的重要手段，而在此過程中，大數據應用或將成為突圍關鍵。

以人教版高中地理必修3第二章的《荒漠化的防治──以我國西北地區為例》為例，在教學過程中，筆者就要通過糧食危機入手，通過糧食危機引入到西北地區荒漠化，再將大氣變化、水循環與水資源切入到荒漠化的防治中，整個教學過程跳出了教材的“規定動作”。而是以更綜合的資源入水，通過資源的合理運用到持續發展來創新教學過程。這樣一來，不僅教學過程言之有物，使學生學習起來易于接受，而且使單一的知識變成對過往知識的綜合運用，促進了學生綜合思維的培養。

一、保險公司大數據應用有先天優勢

大數據時代已經降臨，在商業、經濟及其他領域中，決策將日益基于數據和分析而做出，而并非基于經驗和直覺。保險行業擁有令人羨慕的數據數量和種類，在大數據時代具有先天優勢。如何有效運用大數據分析尋找創新商業解決方案，從而為公司增加價值，將是保險公司實現差異化經營的一個重要手段。

由于存在的種種問題，以及各種因素的制約，高校績效考核的科學性、規范性、客觀性都存在一定欠缺，因此，無法得到讓人們信服的績效評價結果。客觀地說，現階段高校財務人員績效評價工作仍處探索階段，在具體操作過程中，應當要完善績效評價體系，并且要對其進行規范，使其作用可以得到合理發揮。

過去，保險公司雖然擁有一定體量的內部數據，但數據質量往往參差不齊，并且大部分數據并未被分析使用，大數據分析的價值尚未被挖掘。隨著大數據時代的到來，保險公司不僅可以收集儲存更多的內部數據，信息的透明化使得保險公司可接觸到更為龐大的外部數據。在數據體量大幅增長的同時，數據質量也將有顯著的提升，越來越多結構化的內部與外部數據將為大數據分析搭建廣闊的舞臺。

就模型算法而言，預測模型主要由回歸預測模型以及機器學習預測模型組成。前者較后者的優勢在于可解釋性強、易于業務人員理解。但是在高質量的大數據環境下，后者的預測效果通常較好。對于中國保險行業目前的發展現狀來講，尤其是在壽險/健康險領域，核保、理賠以及定價的數據累積量尚未達到高質量的大數據級別，與互聯網行業的大數據不可同日而語。使用回歸模型是壽險/健康險自動核保較為合適的起點。

從數據分析的經驗來看，保單相關信息（保額、保障范圍等）、投保人相關信息（是否新客戶）、被保險人相關信息（收入水平、婚姻狀況等）、代理人相關信息（機構等級、職級等）均在壽險/健康險自動核保預測模型中呈現出一定的顯著性。

?圖1　保險公司未來決策將基于更多的數據分析

隨后，通過對訓練數據集的一維分析并將數據以可視化方式呈現，初步分析備選自變量與因變量的關系，納入預測模型中進行擬合。在模型算法上，使用邏輯回歸模型，對風險發生的概率（因變量= 1）進行評估，并通過自變量篩選和模型比較以確定最優的自動核保預測模型。最后模型檢驗有助于了解預測模型的準確性。

從小學數學教育信息化的角度來分析，想要在教學工作中取得理想的成績，應完善信息化知識的展現模式，這對于今后教育工作的拓展和實踐，都能夠產生良好的效果。如我們可以通過多媒體技術，對小學數學知識做出動態展現，一方面加強小學生的學習興趣，另一方面在數學知識的記憶方面獲得良好的提升。尤其是在幾何知識的學習方面，小學的內容是基礎內容，通過多媒體來進行學習，能夠促使小學生的空間思維得到良好的培養，在學習和運用知識的過程中，不斷取得更好的成績，在小學生的特長發揮以及日后復習方面，均能夠奠定堅實的基礎。

?圖2　保險公司各個經營環節均可運用大數據分析技術

二、運用大數據提升核保效率的案例分析

因此，利用大數據分析技術，建立壽險/健康險自動核保預測模型，精確防范逆選擇風險，提高免體檢保額，增強客戶體驗，是人身險公司未來實現差異化經營的一個行之有效的手段。

?圖3　大數據分析技術應用于壽險/健康險核保中的場景

對于數據累積較為豐富的壽險公司而言，通過對歷史數據的分析，可以建立不同類型的高風險預測模型，例如早期出險模型、拒保預測模型以及非標體預測模型。通過充分挖掘投保人、被保險人、代理人、機構的各類信息，高風險人群的特征得以刻畫。將這些預測模型的預測結果轉換成風險評分納入現有自動核保規則，將有效提高保險公司的風險識別能力。當然，要實現這一目標，離不開大量歷史數據的累積、先進預測模型的開發，以及數字及一體化核保理賠系統的建設。

三、大數據分析應用于壽險/健康險自動核保的模型算法

靠業余時間“爬格子”是件很辛苦的事情，因此，過去我很少參加文學方面的社會活動，湖北省作家協會每年春節前開一次茶話會，有一次我的車開到長江大橋上被書記叫回來。我一向認為，作家拿作品“說話”就行了，別的都不重要。尤其是在雜文創作方面，幾十年中除了參加過河北的雜文報刊召集的三次會議，我與雜文界沒有其他“面對面”的交往，可謂埋頭寫作，孤軍奮戰。

?表不同核保模型算法的優缺點比較

由于廣義線性模型結構的靈活性，因此在精算以及量化分析領域具有很高的適用性。無論是預測欺詐事件的邏輯回歸模型，還是車險定價中的頻率預測模型、案均預測模型、純風險保費預測模型，都是廣義線性模型的一種具體實現。

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分布，廣義線性模型的因變量可服從指數分布族的任何分布（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測值，而是通過聯接函數使自變量的線性預測值對因變量的期望值產生影響。該聯接函數的結構也非常多元化，如恒等、對數、Logit等都可以作為聯接函數。

在回歸模型中，廣義線性模型（Generalized Linear Model,GLM）是財產險公司目前在車險定價等量化分析工作中的主要方法。由于廣義線性模型在保險業的使用歷史較長，接受程度較高，并且了解相關模型技術的從業人員較為廣泛，使其成為壽險/健康險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/健康險自動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上的更進一步拓展，其因變量和廣義線性模型一樣可為指數分布族的任何分布。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系。廣義線性模型要求自變量與因變量的期望值之間的關系是線性的，而廣義相加模型自變量與因變量之間的關系可以是任意光滑的曲線或曲面（一般要求二階可導），并通過懲罰系數控制曲線或曲面的平滑度。

以常見的壽險/健康險核保為例，為防范逆選擇風險，傳統核保手段包括體檢以及人工核保。由于人工成本較高，人身險公司運用自動核保結合“免體檢額+抽檢”的核保方式較為常見。但是，目前業界使用的自動核保規則往往只使用保額、被保險人年齡、機構等級、健康告知等少量因素判斷客戶是否需要體檢，且判別標準較為主觀，沒有對風險進行更精確的多維度量化分析。從歷史經驗來看，整體體檢結果陽性比例偏低，體檢效率較差。且隨著社會經濟的發展，免體檢保額逐漸不適應民眾整體收入水平的提高，客戶投保體驗效果有待改善。

廣義線性模型更多地適用于自變量為離散變量的情況。當自變量是連續變量并且與因變量之間存在非線性相關關系，或者多個自變量之間存在復雜的自相關與交互作用時，廣義線性模型的擬合效果并不好，往往只能通過對連續變量分段，將其轉化為離散變量處理，模型擬合結果較為粗糙。在這些情況下，廣義相加模型更能發揮其優勢。SAS、R等統計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/健康險自動核保預測模型如何建模

在壽險/健康險自動核保預測模型建模的過程中，首先需要明確因變量，如模型擬對早期出險進行預測，則需在訓練數據集中挑選出早期出險的記錄做出標記。然后根據核保經驗，結合現有數據，選取備選自變量及可能存在的交互作用。在這一過程中，核保人的核保經驗尤為重要，將大大提高模型擬合的效率及結果的合理性和可解釋性。在數據允許的情況下，也不妨嘗試一些傳統核保中未曾考慮的因素，例如在交叉銷售時，可將其他險種的一些核保/定價因素作為壽險/健康險核保的備選自變量進行考慮。

從保險行業來看，財產險公司在大數據應用方面走在較為前端，最廣為人知的應用即為商業車險定價及核保。反觀人身險公司對于大數據的應用，目前尚停留在較為初級的階段，尤其是對于保單層面的各類大數據分析，有巨大發展潛力。人身險公司通過深挖內部與外部數據，在銷售、承保、定價、理賠等各個環節應用大數據技術建立精準的商業預測模型，可提升人身險公司商業決策的科學性，使公司在未來市場變革中保持核心競爭力。圖2為保險公司經營中可運用大數據分析技術的各個環節示例。

①張爍:《慶祝“五一”國際勞動節暨表彰全國勞動模范和先進工作者大會隆重舉行》，《人民日報》2015年4月29日。

?圖4　壽險/健康險自動核保預測模型中的建模因子

將自動核保預測模型植入到原自動核保系統，系統優化后可達到如下效果：

?免體檢保額普遍提高；

?整體體檢率有所下降；

廣東省城市對于旅游行業也較為關注，廣東省旅游效率總計數有效城市個數已經高達總數的半數之上，各個城市的旅游資金與人力投入逐漸增加，地方政府對于旅游行業較為支持，投入了大量的資金。但是，旅游資源投入具有時滯性的特征，無法在短時期中實現效益增長，而過度投資以及跟風投資也會導致出現投入冗余的問題，這樣也就會造成旅游經濟無效率城市數量增加。但是，整體上來說，城市旅游效率在近些年存在顯著的局域集群發展趨勢。

?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、結論

由上可見，大數據分析可運用于人身險公司經營管理中的各個環節。在大數據的時代，要想利用大數據為公司保駕護航并且創造價值，首先需要從構建一體化的信息系統技術平臺做起。在此基礎上，對數據進行的采集、累積和整合，將成為公司重要的核心技術資產。最后，日益更新迭代的數據分析模型和可視化技術使得大數據分析觸手可及。