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
在数据分析、机器学习的实操场景中,聚类分析与主成分分析(PCA)是两种高频使用的统计与数据处理方法。二者常被用于数据预处理 ...
2026-02-24在聚类分析的实操场景中,K-Means算法因其简单高效、易落地的特点,成为处理无监督分类问题的首选工具——无论是用户画像分层、 ...
2026-02-24数字化浪潮下,数据已成为企业核心竞争力,“用数据说话、用数据决策”成为企业发展的核心逻辑。CDA(Certified Data Analyst) ...
2026-02-24CDA一级知识点汇总手册 第五章 业务数据的特征、处理与透视分析考点52:业务数据分析基础考点53:输入和资源需求考点54:业务数 ...
2026-02-23CDA一级知识点汇总手册 第四章 战略与业务数据分析考点43:战略数据分析基础考点44:表格结构数据的使用考点45:输入数据和资源 ...
2026-02-22CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16在数据分析、业务决策、科学研究等领域,统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中,SELECT * 与 SELECT 字段1, 字段2,...(指定个别字段)是最常用的两种查询方式。很多开发者在日常开发中,为了 ...
2026-02-14对CDA(Certified Data Analyst)数据分析师而言,数据分析的核心不是孤立解读单个指标数值,而是构建一套科学、完整、贴合业务 ...
2026-02-14在Power BI实操中,函数是实现数据清洗、建模计算、可视化呈现的核心工具——无论是简单的数据筛选、异常值处理,还是复杂的度量 ...
2026-02-13在互联网运营、产品迭代、用户增长等工作中,“留存率”是衡量产品核心价值、用户粘性的核心指标——而次日留存率,作为留存率体 ...
2026-02-13对CDA(Certified Data Analyst)数据分析师而言,指标是贯穿工作全流程的核心载体,更是连接原始数据与业务洞察的关键桥梁。CDA ...
2026-02-13在机器学习建模实操中,“特征选择”是提升模型性能、简化模型复杂度、解读数据逻辑的核心步骤——而随机森林(Random Forest) ...
2026-02-12在MySQL数据查询实操中,按日期分组统计是高频需求——比如统计每日用户登录量、每日订单量、每日销售额,需要按日期分组展示, ...
2026-02-12对CDA(Certified Data Analyst)数据分析师而言,描述性统计是贯穿实操全流程的核心基础,更是从“原始数据”到“初步洞察”的 ...
2026-02-12备考CDA的小伙伴,专属宠粉福利来啦! 不用拼运气抽奖,不用复杂操作,只要转发CDA真题海报到朋友圈集赞,就能免费抱走实用好礼 ...
2026-02-11在数据科学、机器学习实操中,Anaconda是必备工具——它集成了Python解释器、conda包管理器,能快速搭建独立的虚拟环境,便捷安 ...
2026-02-11在Tableau数据可视化实操中,多表连接是高频操作——无论是将“产品表”与“销量表”连接分析产品销量,还是将“用户表”与“消 ...
2026-02-11