京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据助推健康险驶上快速路
随着我国经济发展进入新常态,天生逐利的资本都在积极探寻下一个“风口”。鉴于我国生活水平的不断提升,民众对健康险产品的需求将逐渐增大;而大数据技术运用的日益成熟,也将为社会方方面面带来或大或小的变化。于是各路资本闻风而来,希望占据健康险和大数据“风口”的一席之地。那么,当健康险遇到大数据,又会碰撞出什么火花?
健康险的发展之迅猛是业内外有目共睹的。保监会最新统计数据显示,今年前7个月,健康险业务原保险保费收入2743.89亿元,同比大幅增长94.05%,十分亮眼。同时,健康险原保费收入占整个保险业原保费收入的比例,也由去年底的9.93%升至今年前7个月的13.17%。

根据川财证券发布的研报,预计到2020年,我国大健康产业规模将达8万亿元。健康险市场将进入全面增长,基本医疗保险制度缺陷为商业健康险创造了巨大空间,预计到2020年,商业健康保险保费有望达到5000亿元至7000亿元,与财险、寿险成为并列的三大业务板块,年均复合增长率22%。而波士顿咨询集团和慕尼黑再保险公司则估计,按保费计算,到2020年,我国健康险市场规模将会达到1.1万亿元,较去年的2400亿元翻两番。
不过,要搭乘上商业健康险发展的快车,还面临一些实际阻碍。清华大学经济管理学院教授、中国保险与风险管理研究中心主任陈秉正表示,我国健康险业发展仅30余年,相对于人体健康变化的周期而言显得短暂,在疾病发生率、医疗费用支出率、平均余命等历史资料积累方面显得不足,数据基础薄弱。国家层面的人口健康数据应用平台处于论证阶段,省级层面的健康信息平台在陆续建设中,但仅限于卫生系统内部使用,保险业没有全行业共享的信息数据系统,与保单相关的大量医疗信息只记录在病历和赔付档案里,因此数据利用率低。
这一系列数据运用的问题导致健康险产品设计不够科学、定价不太精准、获客遇困难、医疗费用难管理、道德风险和骗保现象时有发生,直接影响了我国健康险的经营和发展。
“必须在合适的位置、在合适的时间、跟合适的人、推荐合适的健康险产品。”北京大数医达科技有限公司创始人邓侃指出,在不同时机,用户的诉求是不同的。
购买健康险的最佳时机是用户有征兆可能会患病的时候,而不是已经患病了以后。没有患病的恐惧,用户就不会有强大动机去买健康险。由于用户猜测可能会患病的时候,一般会进行医疗咨询,因此用户咨询的时候就是推荐保险的“合适的时间”。而医疗咨询最方便的方式就是在网上咨询,所以在移动互联网大流量的入口提供免费医疗咨询,顺势推荐健康险,就把握住了“合适的位置”。
邓侃直言,大数据能够提供医疗咨询,并借此收集用户的健康状况和病情,从而精准推荐健康险,向“合适的人”推荐“合适的健康险产品”。
医疗大数据最重要的数据来源是医院的病历。通过对病历做数据挖掘,可以整理出体征、症状、化验指标、影像检查标志物与疾病之间的关联关系,还有与药品和手术等治疗手段之间的关联关系,用于医疗咨询,并且能够基于患者的体征和症状,核对诊断过程中所做的化验和检查,实现诊断和治疗全过程的核保。
相关资料显示,国外在医疗大数据方面成就比较突出的三个企业,第一个是IBM Dr Watson,其计划在癌症领域针对某几个疾病,收集高质量的病历,并对它们进行数据挖掘,同时对相关论文做智能语义分析,双管齐下细分这几个疾病的病程,更精细地推荐各种治疗方案;第二个是Google旗下的DeepMind,该公司跟英国卫生部合作收集了全英国170万份病历,针对常见病,研发家庭医生电脑助手,实现常见病的标准化诊断和治疗;第三个是Flatiron Healthcare,它的主业是从全球各地收集病历,目前首要目标是收集癌症病历,由于各地医院的病历格式不统一、语义用词不规范,所以计划把全球的病历烫平整理,实现全球病历的互联互通。
我国的大数据应用领域也在逐渐发展,并且受到各路资本的追捧,金融大数据服务企业广东万丈金数日前宣布完成B轮融资,在短短一年内两次被资本市场所认可。在成立5年多的时间里,万丈金数已经打造出“数据+技术+服务”的大数据融合应用闭环。以企业级数据管理平台(E-DMP)为核心,打通企业内部和外部数据,线上和线下数据,PC端和移动端数据;通过万丈金数云平台及完善的用户行为采集分析体系,实现企业大数据循环动态增长。通过完整的大数据循环自生系统,帮助金融企业实现更精准的获客、更智慧的数据运营、更强大的数据管理。
截至目前,我国已经有不少初显成效的健康险大数据运用案例。太保安联健康通过与阿里健康合作,将后者的大数据、风控引擎和人脸识别防作弊等技术融入理赔环节,形成行业控费的双保险安全体系。众安保险在健康险产品上连接了相应的服务,与筛查检测机构合作,用来识别风险;与健康管理相关平台开展合作,开发“糖小贝”产品;与可穿戴式设备合作,推出“步步保”产品,鼓励用户用走路步数换取保费,帮助用户管理自己的健康;联合芝麻信用,提升医疗保险理赔响应速度等。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18