
在未来,我们每天需要交多少医疗保险,可能会由自己手腕上配带的智能设备来决定。听起来是不是有点夸张?但目前的确有这样的趋势。美国医疗领域的专家近日告诉 Forbes,随着健康类可穿戴设备可以更实时、更详尽地获取我们的健康信息,以及与身体有关的各项数据。以后,像 Fitbit 手环、Jawbone Up 智能腕带这样的可穿戴设备或许还能“测量”出你需要交多少医疗保险费。
研究机构 Endeaver 今年年初的数据显示,目前在美国只有 20% 的人拥有智能可穿戴设备,这样看来可穿戴设备并未成为主流。不过,皮尤研究中心则预测,未来 10 年,可穿戴设备将会逐渐普及。到时候会涌现出大量的健康类设备,追踪我们的运动情况、测量我们的呼吸和心率等,并通过相应的APP,提前告诉我们是否压力过大或者是否有生病迹象。
在未来,公司可以根据可穿戴设备上的健康数据信息,判断员工的健康状况。并以此为依据为坚持健康习惯的员工购买保险作为奖励;对生活习惯不健康的员工进行一定的惩罚。有了具体的健康数据,公司可以更好地做出判断,从而更好地推行“员工健康计划”。随着医疗保险费用的逐渐增长,像 Fitbit 这样的健康类可穿戴设备公司或许能将市场投放在医疗保险领域,或者将各公司的老板作为销售对象。
健康类可穿戴设备拥有强大的数据监控能力,不仅能为医生提供更详细的身体健康数据,还能将数据卖给像联合健康集团(United Health) 、哈门那公司(Humana Group) 、安泰(Aetna)等类似的医疗保险公司,或者是自我投保的企业雇主。他们可以利用这些数据对投保人进行评估。Forbes 健康版资深作家 Matthew Herper 说,未来十年,健康追踪设备可能会从个人消费市场扩展到医疗保险领域,甚至有可能颠覆现有的医疗保险赔付模式。
一些涉足健康领域的科技企业老板说,现在,很多保险公司都开始在为如何得到健康追踪设备获取的健康数据而发愁。去年,跑步记录器 Runtastic 的创始人Florian Gschwandtner 曾与多家美国和澳大利亚的保险公司进行过商谈。后来他发现,这些保险公司并不是想寻求合作,而是想向他们学习如何追踪用户健康信息。
普华永道医疗保健领域分析师 Kelly Barnes 非常看好健康追踪设备的前景。她说,这些设备追踪到的信息对保险公司来说非常有用。他坚信 “用不了多久,健康追踪设备就会‘进驻’医疗保险领域”。
其实,在美国将智能设备用于保险评估已有先例。保险公司 Progressive 曾推出 Snapshot 计划,该公司为购买车险的用户提供一个可以追踪驾车状况的设备,Progressive 根据设备追踪的数据可以了解投保车主一个月的驾驶状况,能保证安全驾驶的车主在购买车险时可以享受一定的折扣。
Barnes 认为,上述这种方式也可以用于医疗保险领域。Barnes 说,现在常见的疾病像糖尿病、肥胖症等是医保费用的大头,而这些疾病又大都是由不良健康习惯引起的。如果将健康类可穿戴设备用于医疗保险领域,应该也可以像汽车投保那样:如果能保持良好的健康状况(即所反映的健康数据良好),投保人就能以折扣价购买医疗保险。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29