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
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13