0
| 本文作者： 老王 | 2017-05-24 18:20 |
AI掘金志（公眾號）：雷鋒網旗下只專注于報道AI商業(yè)化與落地的垂直內容頻道。助力“AI技術輸出者”尋找商業(yè)潛力大的落地場景，服務“AI技術消費者”選擇適合自身的技術供應商。
AI掘金志主要推送兩類文章：
1.深入挖掘AI公司與傳統(tǒng)機構的合作案例。
2.剖析各地醫(yī)院、銀行、制造企業(yè)、零售商、政府部門等傳統(tǒng)機構對AI的需求與實際應用情況。
數(shù)據(jù)顯示，2016年的健康保險市場是2015年的4.8倍，隨著老齡化政策的逐步放開以及消費升級，預計到2020年整個健康保險市場高達9000億。
保險以營銷為導向，因此整個行業(yè)的IT基礎比較薄弱。單純做大數(shù)據(jù)分析對普通的保險公司來說就已經較為吃力，而且營銷合同數(shù)量一多后就存在壓跨系統(tǒng)的風險。拋開IT基礎薄弱不談，如果保險公司想直接跨入到人工智能階段，要解決問題更多。
保險的一大痛點是不少群體認為保險價格太貴，其中重要原因出于線下代理人層級過多問題，目前國內擁有 737萬的代理人。
如果可以用AI替代大量代理人，相應的，保險價格也會隨之下降。除此之外，還可通過用人工智能去提升營銷的精準度，減少溝通時的誤判和銷售誤導。
平安集團在保險行業(yè)的解決方案是跳過中介流程，在APP端進行投保交費、保單咨詢、保單服務、理賠、給付等流程。而這些流程中也相應的集成了人臉識別、OCR、指紋識別、語音識別、電子簽名等技術，用于業(yè)務辦理與投保信息的錄入。
平安健康險北京分公司副總經理張守春向雷鋒網介紹到，平安集團所有業(yè)務背后的IT和算法都是由平安科技支持，而且近些年在數(shù)據(jù)結構化和多維數(shù)據(jù)之間的互聯(lián)互通上投入較多。
其中，AI在保險中的應用主要體現(xiàn)在理賠流程的反欺詐和風控，反欺詐可以找到欺詐線索，發(fā)現(xiàn)欺詐嫌疑，控制風險。數(shù)據(jù)統(tǒng)計，相比傳統(tǒng)保單的審核檢出率，平安科技的“平安腦”識別準確率和業(yè)務效率提升近4倍，并且在一年以來已識破多起“騙?！毙袨?，預防20多億元的資金流失。
平安保險業(yè)務背后的AI支持
雷鋒網了解到，此前由于平安集團業(yè)務線較長，使得數(shù)據(jù)存儲和管理很分散，缺乏關聯(lián)。這時候即便有數(shù)據(jù)，也很難發(fā)揮它的價值。
比如識別欺詐時，非關聯(lián)數(shù)據(jù)很難甚至無法發(fā)揮邏輯分析的作用。
于是平安科技在2013年前后就著手數(shù)據(jù)集中，通過清洗、整合等，對底層數(shù)據(jù)進行綜合應用。幾乎用了將近一年的時間來打通各機構、業(yè)務子公司，將數(shù)據(jù)整合在同一個平臺做清洗、整合、分析等工作，并開始對數(shù)據(jù)進行深入挖掘。
平安科技大數(shù)據(jù)首席總監(jiān)肖京博士曾在公開場合提到平安科技數(shù)據(jù)挖掘的價值體現(xiàn)在三個階段：
第一個階段是業(yè)務規(guī)則和業(yè)務經驗，主要是在信息數(shù)據(jù)層面不吻合時，能夠幫助業(yè)務部門及時應對。
第二階段是商務智能，尋找到數(shù)據(jù)之間的關聯(lián)性，對用戶按照數(shù)據(jù)特征進行分類處理，適用于特征明顯的客戶群體中。
第三階段是服務長尾用戶階段。數(shù)據(jù)量大時要著重考慮特征不是很明顯的用戶。如果長尾用戶有很多特征，但沒有與業(yè)務目標強相關的明顯特征，則需做個性化的方法服務。
其中把大數(shù)據(jù)用于信用風險評估一般需要滿足三個條件：
一是明確評分建模的方法論、過程和數(shù)據(jù)。
二是準確建立模型，對不同風險狀況的人群有區(qū)分能力和排序能力;
三是數(shù)據(jù)、方法和模型在不同人群和時間跨度上是穩(wěn)定的。
目前，平安科技已經擁有GPU集群，并在深度學習方向深耕，可以自行對各種結構化、非結構化的數(shù)據(jù)進行分類管理，同時在可視化系統(tǒng)和用戶畫像、產品畫像上均已趨于成熟。
平安健康險北京分公司副總經理張守春向雷鋒網介紹到，平安健康保險正朝著人工智能方向發(fā)展，商業(yè)健康險講究的是AI在操作端的可操作性，平安健康保險在核保和理賠這兩端會有使用AI技術。
一方面是產品的設計和承保，另一方面是賠款的支付。兩端關系到整個商業(yè)健康險公司發(fā)展的命脈。
首先在核保端，互聯(lián)網保險產品雖然突破了種種限制，使得操作更加便利，但因為沒有和保險公司代理的基礎，造成核保很直接的結果。
“客戶在投保過程當中只有一個單獨的個人健康告知，在選項中只選擇“是的”后，整個投保行為就終止了。這種核保方式直接屏蔽掉了很多健康狀況沒有那么差，也是應該是平安健康險客戶的群體?！?/p>
為此，平安健康險通過智能核保的方式，利用百萬級數(shù)據(jù)，在發(fā)生過理賠的數(shù)據(jù)中篩選出哪些疾病可能是弱風險的，從而把這些疾病進行歸類，然后讓新客戶在投保過程中進行提問。
“如果客戶在個人核保中有一部分選擇“是的”情況下，那么我們進入到下一個層面，在下一個層面對他選擇的“是的”問題再進行第二次篩選，然后給它提供更精確的核保結論，而不像以往一個核保結論承保或者是不承保?！?/p>
現(xiàn)在可能有承保或者是加費承?；蛘呤蔷鼙＃踔料乱徊娇赡苡小敖蒂M承?！?。對個人客戶而言更加個性化。他在投保時可選擇的空間也更多，最主要的是把更多的弱風險的客戶納入受眾。
隨后，張守春講到AI在健康保險理賠端的實際應用：
“風險控制非常重要，而且醫(yī)療費用很多取決于主觀的意愿性，比如客戶以往看牙科次數(shù)比較少，但買了保險后內心會促使你多去看牙，客戶讓親朋好友用他的保險看病的現(xiàn)象也層出不窮?；谶@樣，我們在理賠端又加了一個變量：在工作日就診比例?！?/p>
“通常企業(yè)客戶在工作日就診的比例應該很低才對，為此，我們與企業(yè)客戶的部分人事信息保持互通，加了變量后就能篩選出是不是它本人就醫(yī)，以及他在就醫(yī)時是不是請了病假”
“雖然這是一個很小的變量，但其實對于企業(yè)團體客戶的運營維護很有幫助，隨著它的數(shù)據(jù)量逐漸增大，模塊、模型以及信息處理能力也會更強更復雜，這時候風控的力度也隨之變強?！?/p>
為了更全面地打通健康保險與醫(yī)療的流程，平安科技在近一年開始利用AI進行健康預警，識別保險客戶潛在的疾病風險，預測發(fā)病的概率。當智能系統(tǒng)判別出客戶可能是潛在病人時，能夠提前采取輔助手段進行健康管理指導，提醒客戶檢查。
在具體執(zhí)行層面，平安科技收集客戶多方的數(shù)據(jù)來進行判別，其中包括顧客的保險購買數(shù)據(jù)、病例、體檢報告、生活習慣，以及與金融、生活場景相關的數(shù)據(jù)，還包括天氣情況、地區(qū)性特殊多發(fā)癥情況，綜合分析與預測。目前平安科技也正在和政府及各級衛(wèi)計委合作，如預測流感概率，對腫瘤、慢病、高血壓、糖尿病等。
在醫(yī)療基金管理與風控方面，利用數(shù)據(jù)挖掘以及機器學習識別高風險騙保行為。
在精準醫(yī)療方面，基于對臨床、基因、生活數(shù)據(jù)的分析，輔助精準醫(yī)療并且提供臨床決策支持。
在電子健康檔案方面，構建疾病、藥品、癥狀、治療等醫(yī)療健康知識庫，實現(xiàn)智能醫(yī)患匹配、分診導診。
張守春談到，平安健康險采用AI最大的兩個用途是開源、節(jié)流。
開源是讓更多的用戶變成客戶。由原來一體化的費率變成更個性化的費用，有統(tǒng)一的承保方式，變成多樣的承保方式，這是開源。
在節(jié)流方面，讓原來沒有深度管控的理賠風險，通過人工智能把不必要的醫(yī)療費用盡可能減少，以便更多地服務于真正需要醫(yī)療風險補償?shù)目蛻簟?/p>
通俗講開源是擴大銷售面，節(jié)流是節(jié)省理賠費用。
最后，在談到AI的效果如何時，張守春說道：
“在AI加持下，去年平安健康保險的爆款產品'平安e生保'一年銷售額大概一個多億，今年前兩個月就賣了一個億?！?/p>
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
