S4E06 平安健康保险：大数据平台为健康保险增值

大数据、云计算、人工智能等技术已经不是互联网企业才会谈论的话题，保险行业对此抱以极大的兴趣，并已经付诸实践。本期将为您带来“科技赋能保险价值链”第六讲，大数据平台为健康保险增值。本期分享的内容主要是平安健康保险股份有限公司副总经理阿兰·佩德尔的观点。 阿兰·佩德尔先生是有全球经验的精算师，来中国之前，他关注的领域是医疗与健康管理产品的研发创新和战略，现在他的工作重心放在平安健康险引进以及落地 健康保险领域的先进的预测分析技术，发展创新的商业实践，支持风险管理等等。 阿兰·佩德尔先生认为，在中国，保险公司能够获得很多数据，这是在其他国家所没有的优势，但是这些数据多且混乱，来源庞杂，而且数据彼此之间不互通，与保险公司的需求不一定能匹配，也没有持续的健康方面的参数，所以需要一个好的分析平台。平安健康大数据平台就是在此背景下诞生的，它运用AI及大数据技术，对数据进行清洗和整理，将有用的信息提取出来，以标准化的形式呈现，并且以技术反哺，使得数据的输入端也更加标准化，形成一个良性循环。 平安健康大数据平台结构上可以分为五个部分：数据清洗（DataClean）、充实（Enrich）、产品构建（ProductBuilder）、高级建模（AdvancedModeling）和洞察（Insight）。第一部分，DataClean包括临床自然语言处理、SCLP自动ICD填充工具以及基于中文的诊断、药品和程序的编码库等工具，它是信息的分类整合。 第二部分，Enrich是指运用DEG、ACG、DRG、ClinicalInsight等分组工具和临床分析方法对信息进行再加工。 第三部分，ProductBuilder是指产品创意的实时测试。 第四部分，AdvancedModeling包括预测模型和定价模型两部分，前者利用机器学习模型（GBM）可以预测理赔，后者将GBM模型转化为主要定价因子。 第五部分，Insight则是指推出新的定价因子、新产品设计，提高医院效率，理赔和防范风险等价值洞察工具。 比如两个不同的医院，两个不同的城市，其信息的类型是完全不同的，有一些可以组成曲线，有一些是索赔的数据信息。通过不断学习、提高能力，将信息整合的流程自动化，可以用标准化的方式把这些信息直接输入到系统当中。平安健康大数据平台也可以根据临床信息生成客户画像，用客户标签更好地完善对于客户的描述。 平安设立了一个预测的模型，对慢性病进行一些预测。利用这个模型可以对人们的活动信息，包括体育活动或者是用户信息，进行分析、评级，产生一些分数，进一步预测这些人未来会不会患心血管以及糖尿病等疾病。 大数据技术帮助我们描绘了未来的蓝图。比如我们选取健康状况相似的人群，通过追踪他们的消费行为、运动的状况，模型显示未来人们的医疗成本会因为消费行为的不同而产生很大的差异。这种预测将来会非常有用，因为可以对整个人群进行很好地预测，通过社交行为来预测他的医疗成本的变化，随着更多的社会、社交的信息搜集，预测将得到极大的完善。 本期《财资一家·有声杂志》分享的大数据平台为健康保险增值就是这些内容，感谢阿兰·佩德尔先生、泽为咨询和《财资中国•财富风尚》杂志的支持。更多内容大家可以从杂志当中查阅。 如果您有想听到的内容，或者对我们的栏目有建议或意见，欢迎留言评论与我们互动。