一、项目背景及目标

近年来，随着医疗技术的飞速发展、人口老龄化趋势的加剧，以及健康保障需求的日益增长，医疗险市场呈现出蓬勃发展的态势。然而，与此同时，医疗险业务也面临着更加复杂多变的风险挑战。这些风险不仅来源于传统的核保、理赔等业务场景，也更多的开始来源于疾病发生率、医疗费用变动等内部因素，甚至受到政策法规、市场环境等外部因素的影响。在这样的背景下，构建一个全面、系统、高效的风控系统逐渐成为保险公司需要完成的智能化建设目标。

从政策背景来看，近年来，党中央国务院发布的各项文件都明确指示应当将风险管理关口前移，构建全链条、全方位、全生命周期的风险管理体系，这一要求为保险公司建立全面风控系统提供了有力的政策支持。从技术背景来看，随着科技的进步，大数据、云计算、人工智能等技术的深入应用为保险公司建立全面风控系统提供了技术支撑。

为此，全生命周期风控理念应运而生，它将风险管理贯穿于保险业务的始终，从产品开发、销售、承保、理赔到客户服务等各个环节都进行风险管理。这种理念强调风险管理的连续性和系统性，有助于保险公司全面识别、评估和控制风险。在这样的理念指导下，近年来泰康人寿对此进行了一系列尝试，从承核保到保后的客户经营，从健康管理到智能理赔搭建了一套相对完整的医疗险全生命周期的风控体系，以期在实现风险全面、精准管理的同时，还能优化客户体验、降低运营成本、增强市场竞争力以及推动保险机构的可持续发展。

二、创新点

全生命周期风险管控：从医疗险业务旅程的角度出发，将风控贯穿于承核保、保后客户经营、健康管理以及理赔等各个环节，从而实现了风险的全面、精准管理。

个性化风控：针对不同生命周期、不同客户群体的特点和需求，制定个性化的风控策略，提高风控的针对性和有效性。

前置化风控：风控不再局限于传统的核保理赔业务，而是包括使用大数据模型，预测客户可能的健康风险，从而提前进行疾病预防控制，并最终降低赔付。

先进技术应用：引入大数据、人工智能等先进技术，构建高效、精准的风控算法模型，提高风险识别的准确性和效率。

风险预警与管控：通过构建风险预警系统，实现对潜在风险的实时监控和预警，及时采取有效措施进行管控，降低风险损失率。

三、项目技术方案

首先围绕医疗险特点和业务旅程，划分不同的生命周期，进而从不同周期中寻找潜在的风险点，然后分别进行风险管理。通过分析医疗险业务旅程，泰康人寿将风控周期划分为承核保期、保后的客户经营期和理赔期三大阶段。详见图1。

图1 医疗险客户生命周期和风控模型概览

对于承核保期，主要面临信息不对称和欺诈风险。通过对不同险类的医疗险分别建模，应用NLP技术解析健告、理赔、医疗等文本数据，建立基于循环神经网络的自核模型，大大减少了人工核保的成本，提高了自核率、运营效率和客户满意度。对于保后的客户经营期，面临来自各方面的风险，例如退保、续保、投诉和财务状况变化风险。医疗险作为一种特殊险类，还需要面临客户健康状况变化风险。全周期风控系统建立客户画像平台，并引入糖尿病监测模型，使用XGBoost算法评估无糖尿病病史的客户患糖尿病的风险，进而通过健康管理，降低患者的医疗支出和赔付风险，同时还能增加客户的粘稠度和忠诚度。在理赔期间，需要面临异常医疗费用和欺诈风险，全周期风控系统基于大数定律建立医疗费用合理值模型，自动评估一个理赔案件的医疗费用是否合理，同时还基于高斯分布改进的异常监测模型评估各医院、各机构风险，有助于公司及时发现和处理欺诈行为，降低赔付支出。

此外，全周期风控系统对接了公司规则引擎、各大业务系统、手机APP，建立风险监测平台，将客户标签、模型结果实时展示给业务人员和代理人，从而极大提高了风险管控能力、运营效率和准确度。

四、项目过程管理

本项目过程可分为以下六个阶段：

1. 需求分析与设计（2023.1-2023.2）

梳理医疗险客户业务旅程，划分生命周期，对各阶段风控场景和需求进行深入分析。

2.解决方案设计（2023.2-2023.3）

设计各阶段风控体系架构和算法模型，制定详细的方案计划书。

3.模型开发（2023.3-2023.9）

按照设计文档进行算法模型的开发和测试。针对承核保开发不同医疗险类的自核模型，针对保后客户经营开发各类风险标签、加保模型、退保模型、投诉模型，针对健康管理开发糖尿病风险预测模型、心血管疾病风险预测模型，针对智能理赔开发医疗费用合理值模型、异常监测模型等。

4.测试验证（2023.9）

对开发完成的风控算法模型进行测试，修正测试中发现的问题和缺陷，对系统进行压力测试和性能测试。

5.部署与上线（2023.10）

将开发完成的风控模型部署到生产环境，制定应急预案，确保系统的顺利运行。

6.运营与维护（2023.10至今）

对系统进行持续的监控和维护，收集和分析系统运行数据，不断优化风控算法模型，及时响应和处理业务人员反馈的各种问题。

五、运营情况

自项目上线以来，全周期风控系统各个模型在验证中均表现出了优秀的效果：承核保阶段的多个医疗险自核模型在医疗险核保流程中提供智能支持，模型准确率均在90%以上；退保模型筛选出的保单退保率是正常状态下的7倍；糖尿病风险预测模型筛选的客户糖尿病发病率是正常状态下的4倍；医疗费用合理值模型、加保模型也在各业务系统、可视化平台得到了实际应用。

六、项目成效

1.经济效益

承核保三个医疗险模型目前累计调用超过24万次，按目前智能决策效果、试点应用范围以及后续推进计划预估，未来可在当前自核率基础上提高２个百分点，每年降低上百万人工作业成本。对糖尿病风险预测模型下发的客户进行干预，根据目前的干预效率，预计将减小1200万赔付支出。

2.社会效益

保司打造全周期风控系统具有多方面的社会效益。首先，这一系统能够提高保险公司的风险管理能力和运营效率，降低赔付风险，提高盈利能力。其次，通过保后的客户经营，例如健康管理等服务，保险公司能够为客户提供更优质、更个性化的服务，提高客户满意度和忠诚度。最后，全周期风控系统还有助于促进医疗险市场的健康发展，推动行业创新和进步。

七、经验总结

首先，明确风险管理的全生命周期视角。通过项目，我们明确认识到风险管理贯穿于保险业务的始终，从产品开发、销售、承保、理赔到客户服务等各个环节都需要进行风险管理。这种全生命周期的风险管理视角有助于保险公司全面识别、评估和控制风险。

其次，风控模型的研发要服务于实际业务需求。风控模型不仅仅是一个技术产品，更是支撑企业稳健发展的重要工具。因此，在研发过程中，必须深入理解业务运营模式和风险特征，确保模型能够精准地识别并控制风险。只有紧密贴合实际业务需要，风控模型才能发挥其最大的价值，为企业的发展保驾护航。

再者，在模型开发时，有明确的目标和具体的规划。要做到这一点，就需要深入理解医疗保险业务的核心风险点，明确风控模型需要解决的问题和预期达到的效果。在明确了目标之后，应制定具体的规划。这包括确定模型开发的阶段、每个阶段的任务和时间表，以及所需的资源。规划应详细到每一步操作，确保对项目的进度和要求有清晰的认识。

最后，风控模型的研发需要紧跟技术的发展。随着大数据、人工智能、机器学习等技术的日新月异，这些先进技术为风控模型的研发提供了强大的工具和手段。通过运用这些技术，可以更加精准地识别潜在风险，提高风险预测的准确性和效率。