一、大数据赋能健康险的背景

　　大数据通常是指规模大到可承受的时间范围内，现有传统数据处理工具无法收集、存储、管理和分析的数据集合，具有数据规模海量、价值密度低、动态流转、结构类型多样等特征。大数据技术自本世纪初开始被逐步运用于健康险业务中，在后续发展过程中，技术更新迭代，其适用领域也得到进一步延展。近年来，伴随着健康险大力发展和市场竞争加剧，健康数据的获取、处理和分析日趋重要，我国保险公司对于大数据技术日益重视。部分头部保险企业已经打造了自己的大数据团队，力求精细化管理。中小保险公司也在逐渐加大相关方面的投入。

　　二、大数据对健康险的价值

　　（一）有利于精准定价

　　保险定价主要基于既往经验和参照其它国家/地区/公司的同类业务经验。就数据量而言，大数据可以使定价数据更贴合真实经验水平，提升定价准确性。就数据维度而言，除既往经常使用的性别、年龄、地区、发生率等信息，大数据还能进一步引入更多与被保险人健康状况息息相关的信息，供保险企业定价人员分析使用，进一步完善定价过程，优化定价水平。

　　（二）服务产品创新

　　一方面，长期护理保险和失能保险等产品囿于缺乏统计数据，在产品形态设计和定价方面遇到了一定阻碍。通过丰富样本数据，大数据有助于改善此类产品的开发困境，进而缓解该类产品“叫好不叫座”的尴尬境遇。另一方面，大数据有助于产品形态向定制化方向发展。通过引入并分析被保险人的个体健康数据，如心率水平、睡眠情况、饮食状况、家族病史等，进而测算出精确到每一被保险人的各类疾病罹患概率和平均诊疗费用，从价格和形态上打造专属化、个性化产品。

　　（三）强化营销能力

　　大数据技术基于已有的数据库建立预测模型，在精准获取新客户方面增加触达广度。并通过对客户的收入数据、消费数据、业务订单数据、客户行为数据等进行分析，确定客户的需求偏好，定制客户标签，对客户进行多维度、立体化的画像分析。为潜在客户提供个性化的营销手段，把对客户吸引力较强的保险产品展现在客户面前。

　　对于存量客户，大数据也可通过分析客户现存保单信息、经济能力和健康状况，筛选出客户可能的退保的原因，定位出易退保客户，从而有针对性的做出调整方案，改善存量客户的续保情况，减少脱退。

　　（四）加强风险管理

　　通过与可穿戴设备等物联网技术的结合，大数据可以更好的协助保险公司了解和观测客户日常健康状况及波动，预防疾病发生。当察觉到客户身体健康指标出现异常时，可对用户进行预警并提供解决建议。当客户出现疾病或发生意外时，可通过一键报警功能及时报案。从源头上降低风险发生概率。此外，基于大数据建立的风控模型也能帮助保险公司筛选存在道德风险和逆选择的客户，对于恶意骗保、退保等情况也能起到排查作用。从全流程提升保险公司的风险管理水平。

　　（五）降本增效

　　在大数据的支持下，并借由人工智能技术、人脸识别、OCR等科技手段辅助，可帮助保险公司实现核保核赔、客户咨询、保单保全等方面的去人工化及至全自动化。在帮助保险公司减少人力成本的同时，也有助于保险公司提升服务时效和内部运营管理效率。以2021年部分保险公司披露的理赔报告来看，在大数据等技术的支持下，多家头部寿险公司平均理赔时效有44%-84%不等的提升。

　　（六）优化客户体验

　　在前述方面下，大数据可以作用于健康险的各个环节，在优化保险公司内部管控的同时，也在潜移默化中提升了客户体验：推送给客户的是其更感兴趣的更适配的产品，其购买产品时流程较之前便捷迅速，在投保后提供日常健康监控和建议，如出险也能得到更好的照护和更快捷的赔付，全方位优化了客户体验，实现双赢。

　　三、大数据赋能健康险的问题

　　（一）数据基础薄弱

　　大数据在健康险中发挥效应的大小与健康险数据的数据量、字段数量和规整程度存在高度相关性。在我国保险行业，数据垄断与割裂严重，难以形成健康大数据闭环，制约了大数据在健康险上的应用与发展。

　　行业内部而言，各保险公司间不愿意公开或共享数据，导致保险行业的整体数据分散在诸多保险公司内，无法聚合形成有效的大数据集合，形成“数据孤岛”的格局。且数据垄断严重。数据主要掌握在大型保险公司，但其较少试水模式上的根本创新，一般用作运营效率和客户黏性提升，对大数据在健康险领域中的核心变革创新推动作用有限。虽然中小型保险公司具有利用大数据实现变革创新而突围市场的强烈意愿，但其数据量有限，难以充分发挥数据价值。

　　行业外部而言，医疗机构握有大量医疗数据，其中包含诸多保险企业关心的重点数据。但与医疗机构相比，保险企业话语权严重不足，能接触到的数据源和数据量受限较大。加之医疗数据的标准化低，标签数据孤立不共享，与保险公司期望的数据质量存在一定差距，无法构建理想的客户信息图谱。

　　（二）数据技术有待提升

　　大数据关键技术包括大采集、预处理、存储及管理、分析及挖掘、展现和应用。另外，大数据具有多样化性，采集的数据格式包含结构化数据、半结构化数据和非结构化数据。结构化数据指由明确定义的数据类型组成，比如文字、数字等，易于搜索识别的数据，但是这种单一的文本形式已经不再是数据的主要类型。更多的是非结构化数据。如何存储、整合和处理这些非结构化数据已成为保险公司有效利用大数据技术的难题。

　　整体来看，绝大多数经营健康险的公司没有对内部数据进行充分挖掘、对外部数据进行充分整合，也没有对数据进行深入的处理进而获取数据背后的深层价值，加之现在的大数据整合技术还不成熟，保险行业整体欠缺有效挖掘整合数据的能力，限制了大数据技术在保险业的应用。

　　（三）存在监管障碍

　　据《健康保险管理办法》第三章第十八条，除家族遗传病史之外，保险公司不得基于被保险人其他遗传信息、基因检测资料进行区别定价。对大数据的数据源和应用场景进行了约束。《个人信息安全法》更是出台诸多对个人信息获取和使用的限制，加之各企业对该法案法条理解存在差异，造成保险行业在数据获取、传递等过程中出现了大量信息差，进一步影响了大数据技术的应用拓展。

　　（四）信息技术系统支持不足

　　大数据技术投入使用的前提是有完备的数据库、数据应用系统等支撑。相比其它金融行业，保险行业在系统建设和数据支持方面整体处于相对落后的状态。部分公司只有核心系统，缺乏足够的支持数据处理分析的作业平台。系统相对较完善的业内头部公司，目前数据处理能力也较为有限，经常出现业务需求导致系统崩溃或无法完备准确处理需求的情况。

　　四、基于中再寿险实践的解决方案

　　面对上述诸多痛点，中国人寿再保险有限责任公司（下文简称“中再寿险”）在实践中，做出了如下举措：

　　（一）产业融合新赛道拓展数据源

　　中再寿险在传统业务外，开启产业融合新赛道，通过惠民保等业务，加强与各地政府、医保局、医疗机构对话，在多个项目上展开深度合作，并可从中获取维度更加丰富，更为全面的医疗数据，对于拓宽数据源，提升数据质量，强化大数据技术基础起到了重要的支撑作用。

　　（二）汇集多方数据，消除“数据孤岛”

　　中再寿险借助自己的业务性质和行业地位，汇集了国内外海量直保和再保公司的数据。通过将多方数据进行处理、整合、汇总、交叉对比和分析，成功构建专属于寿再自身的大数据库，用于产品定价、产品开发、经验分析等多个方面，大幅优化了业务管控质量。

　　（三）大力建设信息技术系统

　　中再寿险针对自身的数据需求，结合业内先进的数据库技术，打造了寿再独有的数据平台群。在获取数据后，通过数据系统将多样化、非标准化的海量数据快速处理为规整的数据，纳入历史全量数据库，丰富数据储备，支持数据分析和业务需求。并借由数据中台将数据以高度可视化和结构化的形式呈现，便于日常查询。通过强化大数据技术应用基础，构建数据、产品、服务、运营四位一体的健康险发展新模式。

　　大数据赋能健康险，已成为保险公司完善产品设计，加强风险管控，优化客户体验的重要发力点。想要充分发挥大数据在其中的作用，需要以足量数据为基石，以成熟的数据技术为支撑，以健全的数据系统为载体，把数据从信息陈列转化为能有效服务业务的分析成果，从而提升险企的运营效率，并为客户提供更适配的保障方案，进一步扩大健康险的覆盖率和影响力。