王国宏

摘 要：人身保险核保理赔问题是目前中国国内保险行业继续解决的一个问题。随着计算机领域技术的不断开发与运用，大数据逐渐应用于保险行业。利用大数据搭建后台数据库，建立人身保险核保理赔模型，解决人身保险理赔问题，进一步完善保险行业的外部环境，促进保险市场发展。大数据建模技术应用于人身保险理赔领域，对于促进我国保险产业的发展具有非常重要的意义。

关键词：大数据建模;人身保险;核保理赔;保险市场

大数据时代的来临，使保险行业迎来了新的生命力。大数据建模技术使得保险公司能够更好地进行风险规避，保险行业的后台数据库中存有完善的用户个人信息，利用大数据建模技术将用户信息进行分析，从而筛选更优化的解决方案，从而提高人身核保理赔效率，为保险公司创造更大的利润价值。

一、人身保险核保理赔中大数据应用先天优势

再过去的保险行业作过程中，保险行业需要将保单分批保存，即使计算机普及后，对于投保人的核保理赔过程也是相当复杂，无法在较快时问内完成数据的调出，而核保和理赔每天都在发生，保险公司的资金输入输出最主要就是通过这两个过程来完成，而大数据的应用将投保人信息模型建立在计算机内部的存储系统中，通过面向对象的过程，将信息以人为单位模型进行结构化保存，通过将部分信息进行外部共享，是保险公司的其他部门可以接触到更庞大的信息，极大地简化了人身保险核保理赔的全过程。

人身保险核保理赔目前已经在进行不断地运用大数据进行开发，不断优化内部存储结构，开发内外数据互通技术，将保单管理与经营管理分开进行。例如：人身保险核保理赔相关后台技术部门通过内外数据互通，在销售过程、理赔过程、核保过程等几项较为关键的过程中运用大数据建立有效的规划模型，提升投保决策团队的科学选择性，帮助客户选择合适的保险进行投保，通过大数据模型，科学地进行风险规避，为公司赢得更大的利润与业界的竞争力，通过后台对于数据的维护与更新，进行实时监控市场信息，根据最新数据进行商业计划调整。通过大数据建模技术，将理赔过程中的受理、勘察、判定、损失鉴定以最快的速度上传公司共享数据界面，以便核保部门做到快速、准确、合理处理，充分做到让客户满意。

通过对客户的信息进行对象模型建立，以及建立的数据共享平台，上传后台数据库作为公司共享信息，以便在未来客户进行保险更新，根据客户的相关信息推荐公司内其他保险，扩大公司收益。

二、大数据提升核保理赔效率

在核保和理赔过程中，保险公司付出的最大成本点是人工成本，国内保险公司通常采用“免体检与收样检测”的核保方式。例如：国内常见的健康保险，保险公司为了进行有效的风险规避，通常采用体检和人工核保两种方式，但是人工核保方式的成本费用相对于体检的较高。国内多数人寿保险公司通常对被保险人的年龄、健康状况、保额、被保险人保险等级等因素的判断，确定客户是否需要进行体检，而这种传统的核保方式通常伴随着保险公司派去客户方的核保人的主观判断，在一定情况下不能够从多方面进行客观了解情况，不能做到有效风险规避，而体检的身体状况在正常范围之内的情况居多，体检义耗费部分费用。这使得保险公司的支出增大。大数据建模技术在核保过程中的应用使得保险公司对于投保单进行核保规则校验后，运用自动核保预测模型评分、出险预测评分、拒保预测评分、非标预测评分等多个评分标准，对客户判断，通过建立健康保险预测模型，精确防范风险，提高客户的满意度以及客户的体验，为保险公司节约资金。

国内不少走在大数据建模技术应用前列的保险公司，对于风险预测有一套完备的体系，这些公司的后台数据库中存有大量的客户信息，计算机算法对所涉及的客户信息进行处理与建模，形成公司内独有的出险预测模型，拒保预测模型，非标预测模型等多种模型，在对新客户进行核保的初期阶段有效提高核保效率，通过将与客户投保有关的一系列附带信息进行关联，建立以客户为中心的数据库，再将其与公司共享数据相连，建立有效的风险预测机制。

通过将客户保单信息录入的方法，形成规模庞大的数据累积，将数据进行一体化建设，通过运用后台数据进行不断的模型测试，建立有效、可行、可信、高效率的大数据模型，提高核保理赔效率。

三、大数据应用优化模型算法

通过大数据技术，可以有效地进行模型自主学习，将新客户自动融入模型数据库中，提高判断准确性。

例如：通常的模型算法，主要通过对于客户个人进行分析，根据之前数据库中存在的数据处理所得到的信息，将客户回归于已存在模型，进行判断，这种算法对于保险公司的工作人员是非常实用的，易于工作人员进行判断与理解。但是经济與人民生活水平的提高，使得影响人身健康的因素增多，传统的算法以及后台模型已经不适用。但是基于大数据而诞生的以Python和JavaScript为主的人工智能学习模型的诞生，使得新模型的预测效果得到大幅度改善，通过建立决策树以及后台神经网络、支持向量机随机森林，使得核保理赔过程能够有效检测出模型因子之间复杂的结构关系，而且具有较高的模型算法稳定性。中国国内大多数保险公司对于核保理赔信息量积累的较少，盲目采取大数据建模技术可能会造成过度拟合现象，模型的逻辑结构相对于第一种算法来说，较为复杂，难以植入公司的系统。应当在积累足够模型机判断的数据后，再采用大数据模型技术。绝大多数保险公司采用的还是接受程度较高的广义线性模型，这是一种回归模型的优化版，通过函数之间的数据互通，将白变量的预估与因变量的预估相连，通过其灵活性，提高模型的可操作性。对于人身保险核保理赔过程则义衍生出广义相加模型，通过大数据技术，进一步优化白变量与因变量之问的关系，使得该模型能够对离散型变量进行操作，提高核保理赔过程中模型的应用性。 四、运用大数据进行人身保险建模

人身保险核保理赔模型的建立，是针对客户与后台数据的复杂的分析过程，其中涉及对大数据分析的应用。例如：在进行核保模型建立时，需要提前建立模拟数据库，以便进行模型测试。通过核保人进行经验介绍，将现有数据中关键的白变量信息进行筛选，通过核保人与算法程序员的密切配合，提高模型机在运行过程的效果与交互程度，通过在模拟数据库中进行实验，判断模型的可用性与合理性。在模型建立的过程中，要时刻考虑到未知因素对于模型判断的影响。通过对数据库中已存在信息类型进行汇总去重等方式，人工添加未知因素，充分测试模型的可行性和特殊性。通过对于保单上的婚娴状况、年收入、主险级别、保险期限、机构等级、是否附加意外伤害、是否附加住院津贴等信息的录入，提高大数据模型的预估普遍性。

通过加强部门之间沟通，共享保险经验，彼此之间形成相互依赖的关系，建立大数据下的核保与理赔模型对于核保理赔质量有着重大的意义。 五、总结

当前大数据的背景下，人身保险的保险公司在未来开发的潜力还很大，不断地积累数据，建立保险公司针对自己产品的数据平台，对大数据模型进行测评，更好地适应保险市场的需求变化。利用人工智能，将人工输入变成计算机主动学习，节省出更多的时间，提高单位时问内核保与理赔的效率。不断优化大数据模型算法，从而满足客户的投保需求，让大数据模型为公司赢得更好的市场竞争力。

参考文献：

[1]杨拯，鞠芳.大数据建模技术在人身保险反欺诈领域的应用路径探析[J].上海保险，2017（3）：34-38.

[2]孙蕴洁，刘甲子.浅谈如何利用大数据提升人身险公司自动核保效率[J].上海保险，2016（11）：31-33，共3页.

[3]刘洋.利用大数据提升AC寿险公司核保能力的研究[D].北京：对外经济贸易大学，2017.