陈铭豪，曹斯蔚

（1.浙江财经大学，浙江 杭州 310018；2.中国人民大学 财政金融学院，北京 100872）

一、引言

（一）大数据时代的背景简析

大数据（Big Data）即巨量资料，指所涉及的资料量规模巨大到无法通过主流软件工具在合理时间内完成撷取、管理、处理，并整理成为能帮助企业做出更适当经营决策的资讯（李学龙和龚海刚，2015）［1］。伴随着全世界信息技术的发展和网络的普及，各行业产生的结构化、半结构化的数据量呈指数级增长态势。国际数据公司（IDC）的监测数据显示：全球大数据储量从2013年的4.3ZB 增长至2020年的44ZB，到2030年将会达到2 500ZB；2020-2024年，全球大数据市场规模将保持10.4%的复合增长率，预计在2024年达到2 983亿美元（王元卓等，2013）［2］。我国正处于大数据时代（邬贺铨，2013）［3］。我国是人口大国和制造业大国，数据产生的能力巨大，大数据资源丰富，各行业的数据资源采集、应用能力正不断提升。2020年，我国数据总量达到8 000EB（1018），占全球数据总量的21%，是名列前茅的数据资源大国和全球数据中心①。十八届五中全会已将大数据上升为我国的国家战略。工信部于2021年11月发布了《“十四五”大数据产业发展规划》，提出了“加快培育数据要素市场、发挥大数据特性优势、筑牢数据安全保障防线”等六项重点任务，进一步规范并推动我国数据产业链的形成及整个数据产业生态的构建（刘智慧和张泉灵，2013）［4］。庞大的数据储量已远远超出了传统技术的处理上限，从而导致大量数据仍处于待开发的状态。同时，以人工智能、物联网、区块链等为代表的第三次信息技术革命席卷全球，为海量数据的提取和分析提供了新的技术手段，并拓展了数据的应用场景（张巍巍和吴恒亮，2021）［5］。在金融行业，银行、保险公司等金融机构对客户在本公司留存的海量信息进行数据挖掘，并依据客户的消费习惯、地理位置、消费时间等因素，有针对性地为客户提供金融产品（黄守坤，2003）［6］。“大数据＋保险”已经成为了一种极有应用前景的新兴保险科技（曹斯蔚，2020）［7］，保单理赔与区块链技术相互结合，极大简化了理赔的流程，提升了客户的体验。

（二）新形势之下我国人身保险业务的反欺诈机制分析

近年来，我国保险业呈现快速发展的态势，保费规模从2010年的1.43 万亿元增长至2021年的4.49 万亿元，复合增长率高达12%。我国也一跃成为了全球第二大保险市场。然而，疫情发生后，全国保费收入增长呈现疲软态势，代理退保、电销撬单、保险金诈骗等恶性事件频发严重影响了保险业正常有序的发展，各大险企亦从前期重视营销逐步转向“营销与风控两手抓”的局面。人身保险业务反欺诈机制是管控风险的最重要环节之一，机制建设的优化和创新逐渐被提上了议程。

（三）在人身保险业务反欺诈机制中应用大数据的理论研究进展

近年来，国内学者对大数据赋能保险反欺诈展开了全面、系统的研究。李玉泉和乔石（2021）［8］提出，以大数据打破信息壁垒，建立跨行业的反保险欺诈协作机制。唐金成等（2021）［9］建议，利用“大数据＋区块链”技术，依托公共大数据平台和健康医疗平台精准掌控客户信息，为反保险欺诈工作提供佐证。周晓楠等（2020）［10］运用图数据库方法，深入探索、分析和验证了其在识别重大疾病保险团伙式欺诈中的应用可行性。朱林（2021）［11］认为，可以从数据管理、综合查询、对比分析、黑名单管理等多个维度设计人寿保险反欺诈系统，从而增强险企反欺诈能力。黄立强等（2020）［12］对医疗保险反欺诈领域的机器学习经典算法进行了详尽介绍，列举了机器学习在医疗保险反欺诈领域的局限性，提出了优化机器学习技术、强化数据信息监管等一系列改善举措。

综上所述，国内学者更关注大数据科技对于全行业反保险欺诈工作的促进作用（朱孟骅，2009［13］；李秀芳等，2019［14］），还偏好基于经济学原理分析保险欺诈过程中利益相关人之间的互动博弈关系（叶正祥和秦诗立，2002［15］；边文霞，2004［16］；刘喜华和金加林，2004［17］；刘喜 华等，2004［18］），而较少剖析大数据对优化和创新人身保险业务反欺诈机制的价值。另外，其更倾向于从信息技术层面探讨大数据对于反保险欺诈工作的意义，而较少从实际业务中探究如何构建“大数据＋反保险欺诈”的新体系。总体上，已有研究更偏重理论分析，应用性稍弱。本文拟对此进行突破，提出更具现实性、实操性的改进、优化和创新方案，重点关注大数据在人身险反欺诈领域的实际应用情况，并从当前国内人身险核保核赔业务的流程、“痛点”入手，探讨如何构建以大数据为核心、全行业联动治理的人身险业务反欺诈机制。

二、我国人身险业务反欺诈机制现状及存在的问题分析

（一）新形势下的人身险业务反欺诈现状分析

1.日益严峻的保险反欺诈形势

现阶段，人身保险欺诈成为少数不法分子眼中的牟利捷径，人身保险反欺诈形势日益严峻。以北京市为例，近三年，北京银保监局共指导破获了超过200 件保险诈骗案件，成功打掉犯罪团伙51 个，抓获犯罪嫌疑人216 名，涉案金额高达4 946.35 万元。此外，保险欺诈正从传统的个人骗保向团伙作案演变，作案人员也从单个投保人或被保险人逐渐向医院、投保人、被保险人、代理人、公司内勤人员内外联合犯案变化。这给反欺诈工作带来了极大的挑战。2021年，安徽省亳州市谯城区人民法院公开审判了一起作案时间长达两年的团伙诈骗保险金的案件，当地一名医生利用职务便利伪造病历，协助客户实施多次骗保行为，并成功诈骗获取300万余元保险理赔金。经法院最终审理，此案累计涉案金额超过800万元，涉及12家大中型保险公司共计47张人身险保单。

面对如此严峻的保险欺诈形势，国内大多数险企虽已组建了专门的反保险欺诈队伍，以识别和侦破保险欺诈行为，但依旧难以遏制保险欺诈日益恶化的总体发展态势。国内某大型寿险公司的内部数据显示，该险企虽拥有近1 000 人的查勘队伍以及国内领先的反欺诈模式和系统，但每年因无法识别或无法破获的保险欺诈案件而导致的保险金渗漏金额依旧高达8 亿元。面对来势汹汹的保险欺诈乱象，如何识别和侦破保险欺诈案件，筑牢险企风控防线，是当前险企亟须解决的难题。

2.大数据技术在我国人身险业务反欺诈工作中的应用

我国将大数据技术应用于人身险业务反欺诈机制的具体实践工作仍然处于起步阶段，存在着信息不对称、人员不足、科技水平相对滞后等亟待解决的问题。近年来，为了强化全社会反保险欺诈的能力，我国于2013年成立了中国银行保险信息技术管理有限公司（简称中国银保信），初步建立了全国统一的银行业、保险业信息共享系统，在一定程度上打破了信息壁垒。此外，各级地方政府也正在积极地探索大数据在反保险欺诈领域乃至整个保险行业的应用方案。2019年9月，宁波市政府与上海保交所共同成立了“数字健康保险交易示范性平台”，在一定范围内实现了医疗、保险、健康等数据的互联互通，提高了核保核赔效率。中国银保信的银行保险信息共享系统、数字健康保险交易示范平台为我国在大数据与反保险欺诈业务结合方面做出了重要尝试。

（二）存在的问题

1.数据化程度低且严重依赖人工经验

当前，国内保险欺诈案件的识别、侦破工作依赖查勘人员的办案经验。当查勘人员承接疑似保险欺诈案件时，查勘人员首先会对整个案件的出险时间、报案信息等案情进行综合研判，进而制定相应的调查方案，并依据方案搜集相关证据以还原保险事故的真相，确保投保单核保结论、保单理赔结论的公正性。但不管是案件处理前的研判分析，还是案件处理过程中的数据资料收集工作，大多由查勘人员根据个人历史经验自行完成。在案件研判和方案制定阶段，考虑到保险欺诈行为的复杂性，倘若仅依赖查勘人员的历史经验开展相关工作，难免会出现思考不全面等弊端。在案件处理阶段，如果仅凭查勘人员手工搜集来获取资料信息，那么不仅影响案件调查效率，同时也极易导致案件的证据因查勘人员未能及时介入而灭失，进而影响案件调查的质量。

2.明显的信息壁垒加大了证据获取的难度

反欺诈业务能否顺利开展，大体取决于查勘人员技能是否完备、获取信息的途径是否通畅、公司对整体的经营策略与方向是否重视等多个因素，而其中的信息获取途径是否通畅将直接影响保险反欺诈的成效（李秀芬，2001）［19］。假使险企配备了专业的查勘队伍，而缺少获取信息证据的途径，那么反欺诈工作也只能沦为纸上谈兵，无法解决实际问题。

在保险实务中，反欺诈工作长期受到信息壁垒的困扰，详尽的案件侦破思路和工作计划时常因相关方不愿提供相应的证据信息而不得不搁置或调整，从而无形地增加了人力成本，并对案件侦破的进度与效果造成了负面影响。信息壁垒在反欺诈工作中主要体现在以下两个方面。

一是险企内部缺少稳定的信息沟通渠道。在大型保险集团内部，各子公司保持相对独立的运作模式，经济利益关系相对较少，在一定程度上缺少相互沟通的意愿和动机；而各子公司内部较为严格的客户信息保密制度，无疑进一步削弱了子公司间交换信息的可能性。此外，受经营策略等诸多因素影响，对于同一个客户，每个子公司所获取到的信息内容不尽相同，对客户的认知均具有一定的局限性，倘若客户在其中一个子公司申请理赔，那么仅仅基于客户在该子公司留存的信息而作出的反欺诈方案、理赔决定均可能存在较大的偏差。在实际业务中，除重特大理赔案件以外，保险集团内部的子公司大多只能依靠客户在本公司留存的信息制定相应的反欺诈方案，难以跨子公司检索获取客户其他相关信息。有限的信息或资料不仅对反欺诈工作的最终效果造成了极大的负面影响，还给诈骗分子留下了作案的空间，助长了保险欺诈的态势，进一步增加了识别和侦破保险欺诈的难度。

二是险企外部缺乏有效的信息获取途径。数字经济下的数据安全风险与日俱增。数据泄露、数据滥用等安全事件频发，个人信息泄露情况较为严重（张新宝，2015）［20］。为了整治信息泄露乱象和保护个人信息安全，我国于2021年9月和11月先后实施《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》等一系列法律法规，对收集、使用、加工、传输个人信息等相关内容做出了较为严格的规定。在个人信息监管日益趋严的背景下，险企获取外部数据的难度加大。第一，险企间信息交换的意愿进一步降低；第二，险企获取外部医疗数据的成本也进一步增加。尽管客户在投保前已与险企签署了“客户信息授权书”，明确授权险企可在有限范围内搜集和获取客户的个人信息，以确保保单承保和理赔工作的正常开展，但仍有相当数量的医院、医保平台等第三方机构不希望保险公司前去调取客户的相关资料信息，以最大限度地避免潜在的信息安全风险和客户投诉风险（夏宏等，2007）［21］。缺少了客户关键信息的支持与佐证，查勘人员难以识别和破获保险欺诈案件，也无法向核保人员、理赔人员提供足够的审核依据，从而导致了保险欺诈事件的发生。

3.反保险欺诈人员供求矛盾突出

当前，我国初步构建了以险企为主体、第三方公估公司和调查公司为辅的反保险欺诈体系，但人才缺口仍然较大，从事反保险欺诈工作的查勘人员数量远远无法满足社会需要。以国内某大型寿险公司为例，该险企的反保险欺诈产能标准约为80，即在效用最大化的前提下，一个普通的人身险调查人每个月大约可处理80 个反保险欺诈案件。然而，自2017年以来，随着保险欺诈受理案件量的攀升，截至2021年末，该险企全国调查查勘产能已经逼近150，是产能标准的近两倍（见图1）。繁重的查勘任务极易引发查勘人员疲惫乃至消极怠工现象，从而直接影响到反欺诈业务的效率和质量。

图1 某大型寿险公司2017-2021年调查案件量及产能情况（单位：件）

此外，互联网保险业务的蓬勃发展进一步加剧了反欺诈人才的供需矛盾。一方面，互联网保险业务的投保、理赔流程大多为线上完成，审核流程简易且条件相对宽松（曹斯蔚，2019）［22］。因此，其逐渐成为了保险诈骗活动的高发区域。另一方面，互联网保险经纪平台大多缺少独立的查勘队伍，无法独立从事反欺诈业务，相对薄弱的反保险欺诈能力也给诈骗活动留下了牟利空间。

4.反保险欺诈机制的信息传递效率较低

国内大型寿险企业内部大多已分设了专门从事反保险欺诈工作的三类岗位，分别为一线查勘人员、查勘管理人员以及数据开发团队。不同岗位的人员各司其职，共同推进和落实反保险欺诈工作。一线查勘人员是处理保险欺诈业务的“主力军”，主要负责辖区内案件的分析和执行。查勘管理人员与数据开发人员同属“幕后角色”，一般不直接参与实际案件的处置。其中，查勘管理人员承担着规划查勘业务发展方向、管理一线查勘人员等职责；数据开发团队负责为查勘管理人员提供数据及系统开发支持，以确保查勘业务项目的落地。

在劳动专业化、精细化分工日趋显著的背景下，查勘管理人员擅长从宏观层面对查勘业务进行数据分析与项目管理，缺乏对代码语言、数据运行的底层逻辑的了解；而数据开发团队则精于代码编写与数据库运维，但对于数据的业务应用场景等了解极为有限。因此，双方在共同推进查勘数字化项目的过程中，不得不在相互沟通上耗费大量的时间和精力，以确保双方对项目的预期效果、运行规则等达成一致意见，无形中延缓了查勘业务应用新兴科技的进度。

三、我国反保险欺诈机制应用大数据技术可能面临的挑战

（一）客户信息安全问题

当前，我国的反保险欺诈业务对于客户信息的收集程度较低，信息内容均未超过客户事先授权的范畴。倘若在反保险欺诈业务中应用大数据技术，那么将可能引发客户信息安全的问题。在经济利益的驱动下，险企可能会利用大数据技术，在未经本人同意的情况下搜集超出反欺诈业务范畴的客户信息数据，从而侵犯客户的隐私权，甚至引发客户信息泄露犯罪。

（二）数据质量问题

大部分数据属于人们在现代信息技术平台从事某些活动所产生的副产品，因此其信息来源、构成形态呈现多元化的特点，进而给数据使用者甄别数据的真伪带来了极大的挑战。而同一指标数据在不同时点、不同区域均可能出现不同的结果。如何选取数据统计样本以服务反保险欺诈业务，可能会对基于海量数据而作出的反欺诈分析与决策行为造成影响。

（三）数据监管问题

现今数据的爆炸性增长远远超过了传统数据监管的范畴，国内对于海量数据的采集、使用与共享等方面的监管仍然存在一定程度的缺失。同时，数据生命周期的每个阶段可能涉及多个主体，数据权利的归属也较为复杂。因此，监管部门维护数据主体合法权益的成本相对较高，也难以落实对违规使用数据相关方的追责工作。就反保险欺诈而言，数据监管的缺失容易引发企业滥用客户信息的现象，加剧公众对于个人信息隐私的担忧。

四、先进经验借鉴

（一）具体的实践案例

1.美国

自20世纪90年代以来，全美1 000多家保险公司、汽车租赁公司、汽车停车场以及公共运输管理部门共同组建了全美反保险欺诈办公署（简称NICB），以统筹处理全国保险欺诈类案件。

为了进一步提高反保险欺诈的效率和效果，NICB于1995年开发了名为NICE eyeQ 的保险欺诈数据库。该数据库收录、汇总了源自NICB组织成员的共计3.5 亿条保险索赔相关信息，并对组织成员开放使用。此外，NICB也采用了“神经网络”技术对海量数据进行提取分析，通过对历史理赔客户的医疗方式、医疗频率、客户索赔频率等多个维度的综合判断，总结保险欺诈的特征规律，以辅助反欺诈人员的日常调查工作。

2.澳大利亚

为应对保险欺诈行为，澳大利亚社保经办局成立了专门的反保险欺诈部门，其下设信息数据处理中心。由于信息数据处理中心与澳大利亚海关、税务、银行等系统对接，社保经办局下设的反保险欺诈部门可获取到客户海量的数据信息。这确保了反欺诈工作的开展拥有足量且全面的数据基础。同时，为了避免海量数据影响到案件处理效率，反欺诈部门成立了数据挖掘小组，利用相关模型对数据进行筛选处理，初步识别了有效数据和无效数据，并将有效数据交由反欺诈部门的相关人员进行审查处理。

（二）可借鉴的经验总结

综上，在运用大数据服务反保险欺诈机制方面，这些反保险欺诈工作起步相对较早的地区的实践案例提供了较为丰富的可借鉴经验。具体可总结为以下几点。

一是由政府部门牵头，设立和构建中心化的数据平台中心，比如美国的全美反保险欺诈办公署（NICB）、澳大利亚的社保经办局反保险欺诈部门信息数据处理中心。

二是需要行政部门的强有力介入和行业自律组织的专业化协助。例如，全美反保险欺诈办公署（NICB）背后有美国公共运输管理部门的支撑和全美1 000多家保险公司、汽车租赁公司、汽车停车场的共同助力；澳大利亚的反保险欺诈部门信息数据处理中心由社保经办局直接设立。

三是既需要强调反欺诈大数据的信息共享，又必须对具体流程进行标准化设计。其中，美国的NICE eyeQ 保险欺诈数据库对NICB 组织成员开放使用，对历史理赔客户的医疗方式、医疗频率、客户索赔频率等多个维度的数据进行综合化判断；澳大利亚的保险犯罪统计资料库旨在实现反欺诈信息数据在海关、税务、银行等多部门共享，成立相关数据挖掘小组对有效数据进行筛选、识别和审查处理。

五、大数据时代我国反保险欺诈机制创新建议

接下来，本文尝试从保险公司、保险经纪公司、国家三个层面，立足于大数据时代，并试图将大数据和区块链等相关保险新兴科技相融合，探讨构建我国新型人身险业务反欺诈机制的现实路径。

（一）保险公司层面的政策建议

1.建立共享数据库打破内部数据壁垒

针对大型保险集团内部普遍存在的信息壁垒现象，集团总部需牵头各子公司共同搭建“反保险欺诈”共享数据库，实现内部数据的流通。当疑似保险欺诈案件发生时，一线调查人员可通过动态密码等方式，登录该平台获取客户在各子公司留存的信息，比如，客户在不同子公司购买的保单明细、历史理赔情况、历史核保记录等，从而对客户形成相对全面的认知，进而提升案件的研判效率和质量（见图2）。

图2 共享数据库运作流程图

2.严格把关核保、核赔两大端口，调整经营思路并建立数字化智能平台

尽管险企日益重视风控体系建设，但受公司经营导向等相关因素的影响，保险业务“宽进严出”的局面并没有从根本上发生改变。在实务操作中，险企的核保流程总体相对简易，从而导致未能在“入口”对保险金欺诈风险进行严格、有效地把控。而从核保端渗入的潜在欺诈风险，直接加大了理赔查勘乃至整个理赔环节的压力。一方面，大量疑似欺诈案件量给正常的理赔作业、查勘作业造成了负担，严重分散了理赔及查勘人员的精力，从而对理赔业务的正常开展造成影响；另一方面，受保险合同“两年不可抗辩条款”的影响，对于合同成立超过两年的保单，保险公司即便发现了客户存在未如实告知等情况，其拒赔或保单解约的难度也相对较大。由于核保、查勘、理赔的全流程间相互影响、相互制约，险企不应以割裂的视角看待反保险欺诈业务，而应使用全流程的视野去搭建反保险欺诈机制。单纯的理赔查勘工作并不能完全阻滞欺诈风险，只有核保、查勘、理赔三方联动才能发挥“1＋1＋1＞3”的效果。

一是在核保端构建大数据画像平台，实现客户风险评级。在传统的核保模式下，核保系统的规则库会对客户的投保单进行风险初筛。低风险的投保单将由系统自动审核通过，中高风险的保单会进入人工审核环节，由核保人根据客户的投保告知事项、既往史等因素综合评估客户的风险程度，从而出具相应的核保决定（见图3）。现有的核保模式主要存在以下两个不足之处。其一，受核保人经验、审核尺度等综合因素的影响，不同核保人对于同一张投保单的审核结论可能并非完全一致，从而可能引发客户投诉风险。其二，核保规则引擎是基于传统核保经验搭建的，且仅能对单一的风险因子（如客户既往病史）进行判断，无法实现对客户的投保风险进行动态的综合评估，容易导致风险渗漏现象的发生。

图3 传统核保流程简易图

二是在理赔端搭建智能查勘平台，智能识别诈赔风险。理赔端作为核保核赔的最终环节，一方面，承担着依照保险责任条款给付保险金，履行社会责任和提升险企美誉度的职责；另一方面，也是反保险欺诈的最后防线。在理赔环节中，保险事故信息的获取能力将直接影响理赔审核的准确性。在当前理赔查勘人力不足的背景下，以提升现有查勘人员的工作效率和质量为核心，依托大数据等相关技术搭建智能查勘平台，无疑是个较好的选择。智能查勘平台需具备以下几点功能。

（1）智能生成调查重点。当客户进行理赔报案时，查勘平台将根据客户留存的基础信息，在前端提示查勘人员需重点关注的风险点、查勘方向等。在实现该功能前，险企需提前做好以下准备工作。首先，在理赔环节，对相关理赔字段进行标准化的建制工作，确保字段信息及定义的唯一性；其次，需将理赔环节的字段与核保环节“大数据客户画像平台”的标签进行联系和整合，以确保“大数据客户画像平台”可作为理赔系统智能决策的信息来源；最后，险企需对海量的已结理赔案件信息进行数据挖掘，构建涵盖险种类型、理赔报案次数、赔付次数等海量因子的风险体系，并动态计算不同因子组合后的理赔赔付率、查勘减损情况，生成不同查勘手段对于不同类型理赔案件的查勘减损数据。当客户在前端进行理赔报案时，其报案信息（如事故类型、报案地点）将以数据标签的方式进入理赔系统。理赔系统再通过“大数据客户画像平台”“历史理赔案件的数据”以及客户的报案信息进行集中整理，对客户进行风险评估，生成客户的风险评分、理赔查勘重点和方向，指导和辅助一线查勘人员对理赔案件的研判工作，缩短人工研判案件的时长。

（2）智能分析一线调查人员的轨迹，确保查勘工作的真实性和及时性。与大多数的保险内勤不同，一线查勘人员长期外出作业，在职场工作的时间较少。因此，上级主管往往难以了解查勘人员是否抵达保险事故现场，其拍摄的事故照片是否真实等相关细节，从而增加了上级主管对案件进度的把控难度，影响案件侦破效率和质量。同时，对于突发性的高坠、溺亡等重特大保险事故，上级主管可能会因无法获悉一线查勘人员的实时位置，而无法即刻调配人员前往事故现场。针对上述“痛点”，险企可在一线查勘人员的手机端开发、植入带有定位功能的“移动查勘系统”，在有限的范围内收集查勘人员的定位信息，确保主管实时了解查勘进度。

（3）在理赔端，建立查勘人员数字化看板，定期管控查勘人员的办案质量。险企可对海量的历史查勘记录进行数据分析，建立包括入司年限、各类型案件的查勘平均时长、保险事故地点等标签的查勘人员数字画像，并结合公司的经营战略方向，对单一或组合标签下的指标数据设置正常值。倘若一线查勘员的查勘时长、查勘拒付等数据低于或高于系统设置的正常值，系统将触发邮件提醒其上级主管，便于主管及时辅导一线查勘人员作业，提升查勘质量和效率。

3.实施“大数据＋反保险欺诈”复合型职业人才的产教联盟校企联合培养模式

近年来，我国加快了职业教育体系的建设步伐，大力发展职业技术教育。2022年4月20日，全国十三届人大常委会正式表决通过新修订的《中华人民共和国职业教育法》，明确了职业教育是与普通教育具有同等重要地位的教育层级，需着力提升职业教育认可度，深化产教融合、校企合作，完善职业教育保障制度和措施，更好地推动职业教育高质量发展②。在此背景下，有条件的险企可与高校共同建立校企合作机制，试点开展“大数据＋反保险欺诈”联合教育工作。联合培养模式要充分发挥出企业在反保险欺诈实务领域、高校在保险理论创新方面的优势，设计和构建好符合企业实际用人需要的课程教学体系。此外，为了进一步减少企业查勘管理人员与数据开发人员的沟通成本，高校应主动吸纳、总结保险行业内龙头企业在大数据应用和反保险欺诈方面的实务经验，在校内开设一系列“大数据＋反保险欺诈”的交叉课程，以培养“既懂技术，又懂业务”的复合型人才。

（二）保险经纪公司层面的政策建议

保险经纪公司应加强与科技公司的合作，共同构建“反保险欺诈数据平台”。与保险公司相比，保险经纪公司在反欺诈方面有三大差异：一是反保险欺诈能力总体相对较弱，查勘人员素质参差不齐；二是受技术水平的限制，大多数保险经纪公司无法独立构建“大数据平台”，以支持本公司反欺诈业务的发展；三是保险经纪公司的欺诈案件量总体较少，独立构建“大数据＋反欺诈”体系的经济成本相对较高。针对以上“痛点”，保险经纪公司前期可谋求与科技公司合作，通过技术引进、科技人员外包等方式，依托科技公司的先进技术对本公司海量的核保、核赔数据开展数据挖掘工作，以确保在经济效益最大化的前提下发挥大数据对反欺诈工作的指导价值。后期可根据欺诈案件量的增长情况、公司的经营收益和未来规划等具体情况，再决定是否招募或自行培养大数据人才，独立搭建以大数据为核心的“反保险欺诈数据平台”。

（三）政府层面的政策建议

1.利用区块链技术搭建保险大数据平台以打破反欺诈信息壁垒

区块链技术是一种全新的分布式基础架构与计算范式，可以利用块链式数据结构验证和存储数据，也能利用分布式的节点共识算法生成和更新数据，还可以利用密码学保证数据传输和访问的安全，以及进一步利用由自动化脚本代码组成的智能合约来编程和操作数据，具有去中心化、不可篡改、加密性强等优良特性。在客户信息安全风险日益严峻的背景下，利用区块链构建行业内保险大数据平台无疑是打破保险欺诈信息壁垒，降低查勘成本的有效方式。结合我国实际情况，构建行业的保险大数据平台需注意以下的几个事项。

一是建立由政府主导、各方共同参与的数据共享机制。由于险企间的竞争关系以及差异化的客户信息保密政策，单一险企缺乏足够的号召力去主导和建立行业的大数据平台。因此，政府需牵头构建保险大数据平台。一方面，对内积极打通卫健委、社保局、海关等信息渠道；另一方面，利用政府的公信力与国内各大医院、险企签署客户信息共享与保密协议，逐步构建以反保险欺诈为核心，涵盖各社会主体的大数据平台。在该平台下，客户在政府机关、医院、险企等进行的每一项行为数据信息，均以“数据块”的方式分散记录和存储在各节点（本地数据库）。而各节点利用已知算法去验证和交易用户状态，以确保数据信息的准确性。当客户投保或者出险时，包括各大险企在内的数据提供方可利用“公共密钥”，在有限范围内获取客户在本地记录和储存的其他相关信息，以全面了解客户的历史住院情况、基本生活轨迹、是否存在重复理赔或者投保等情况。这可为识别潜在的保险欺诈行为和侦破保险欺诈案件尽可能多地提供信息。

二是利用智能合约简化理赔流程，缓解反保险欺诈工作的产能压力。在当前反欺诈人才短缺、保险欺诈案件数量居高不下且欺诈手段日益高超的背景下，如何缓解一线查勘人员的产能压力、提高案件调查质量是长期困扰各大险企的难题。随着后疫情时代的来临，保险市场新单业务量、续期业务量增长疲软。对于企业而言，大规模招聘或培训反欺诈人才并非缓解查勘压力最经济、最有效的方法。企业可依托大数据、区块链技术，建立智能化的保险合同，以实现中低风险案件自动审核与赔付，从而减少查勘案件量的下发。与传统保险合同相比，智能化的保险合同可依据“区块链”上的各节点返回更安全、有效的数据，“自主”决定是否发起保险金理赔流程，而无需客户或理赔人员参与。此外，由于保险合约通常存储和执行在“区块链”的各节点之上，极大地降低了人为恶意篡改数据的可能性，可确保保险理赔结果的准确性。

2.加强大数据安全监管体系建设以杜绝客户信息泄露风险

首先，行政部门需加强对数据提供方的监管，定期审查、监管数据提供方对外共享的信息字段是否为反欺诈工作范畴。在必要的情况下，监管部门可要求数据提供主体对其提供字段信息的应用场景、应用对象等作出解释和说明。其次，政府需强化对数据使用主体的监管，在规则上，严格按照“个人信息采集最小化”的标准。此外，政府还要规定保险公司等数据使用方对共享数据的使用界限做出说明，以杜绝过度采集个人信息的违法、违规行为。最后，政府需对共享数据使用情况的监管实行日常化管理，以保证数据的发布和采集流程合规、合法。

［注 释］

①“我国大数据发展现状与未来趋势”，搜狐网网站（https：//www.sohu.com/a/351584942_488166）。

②中华人民共和国教育部《中华人民共和国职业教育法》，http：//www.moe.gov.cn。