小雨伞保险董事长  徐瀚

小雨伞保险成立于2015年，是一个聚焦健康险的互联网平台，旨在用互联网科技手段为用户提供定制加精选的保险产品。

这两年中国健康险的盈利情况并不乐观，互联网保费增长也出现滞涨局面，庆幸的是互联网健康险销售十分“繁荣”，2017年同比翻倍，2018年增速也表现亮眼。

把好的保险持续提供给对的人，在实践中其实是一件比较困难的事情，一定要关注智能风控在健康险中的应用，只有前端做好了守门员，才能把好的保险卖给对的人。

演讲分为四个部分：一是互联网保险的风控缺失；二是大数据和智能风控的发展趋势；三是健康险的一些应用模式；四是小雨伞研发的啄木鸟PICUS系统。

互联网平台的风控缺失

以下两个案例暴露了互联网平台的风控缺失。

第一个是张轶凡泰国杀妻案。天津男子购买了10多份保险，约3000多万的保额，在泰国杀害了自己的妻子，最后案件被警方破获。案件调查发现：一是他在多家互联网平台上借钱，有多头借贷的情况出现，多头借贷的分值卡出现异常；二是存在多头投保的行为；三是《保险法》规定，以死亡为给付的保险合同一定要经过被保险人的认可，他的妻子应该不知情。四是在各种借贷活动中没有如期还款，续期缴费能力的峰值的异常。

第二个案件堪比“谍战片”。无锡一家民营医院的医生高健业在2016年5月-9月期间购买了总额790万的重大疾病保险，与此同时他化名高飞进行就诊并隐瞒了就诊记录，避免用真实名字就诊可能会被保险公司发现从而拒赔。高健业在投保后等待期刚刚过后，即以罹患甲状腺乳头状癌为由在多家公司申请索赔。该索赔引起保险公司的关注，并发现情况确实不正常。保险公司在调查过程中，用大数据风控手段调取了无锡地区约3万份B超报告，发现了高飞和高建业的病情发展模型完全吻合，从而发现了该起骗保案件。

这两个案例非常知名，同时小雨伞这几年从业中，发现更多精妙度没有那么高，但更加离奇的理赔案件。比如，曾发现一位用户用手画的一张医疗发票来理赔，画的逼真程度非常高。

互联网风控的缺失，主要体现在哪儿？

羊毛党：小雨伞早期做过一些高频的互动保险产品，发现大量刷单情况，只要有红包就有各种各样的工具来刷单。恶意投保和虚假投保以及，刚才案例体现的合同欺诈。

投保高额保险出现的道德风险。对于正常高额客户，由于风控缺失，缺乏好的互联网核保交互体验。

患病后进行逆选择投保。

这是很多寿险的痛，第一年买了保险，第二年不买了，续期有问题，同时存在虚假刷单的风险。

传统的风险维度已经不足以反馈这个世界的复杂性，传统的欺诈案，由于样本不足，没有办法发现群体欺诈。在群体欺诈中，好人的模型是分散的，但坏人的特征是扎堆的。过去的保险是样本精算的时代，大数据时代变成了全量数据。

大数据和智能风控发展的几点总结

大数据时代带来的思维变革有几个方面：

史蒂夫·乔布斯在与癌症斗争的过程中，成为世界上第一个对自身所有DNA和肿瘤DNA进行排序的人。他支付了高达几十万美元的费用。他得到的不是一个只有一系列标记的样本，他得到了包括整个基因密码的数据文档。对于一个普通的癌症患者，医生只能期望她的DNA排列同试验中使用的样本足够相似。但是，史蒂夫·乔布斯的医生们能够基于乔布斯的特定基因组成，按所需效果用药。如果癌症病变导致药物失效，医生可以及时更换另一种药。

乔布斯开玩笑说：“我要么是第一个通过这种方式战胜癌症的人，要么就是最后一个因为这种方式死于癌症的人。”虽然他的愿望都没有实现，但是这种获得所有数据而不仅是样本的方法还是将他的生命延长了好几年。

这一点可以以Hadoop为例。互联网世界每年新增的数据，要准备520亿的320G的硬盘才能把过去一年的数据都拷走。想精确化一个数据在目前来说是很有难度的，目前的技术可以做到简单的区分。比如这个人有借贷逾期行为，将他列为坏人，但他也许是一个好人，这就存在误判的可能，这种做法可能会误判一小部分好人，但可以相对精准的定义一个人群。

Hadoop是分布式的存储，它的输出结果没有关系型数据库输出结果那么精确，它不能用于卫星发射、开具银行账户明细这种精确度要求很高的任务。但对于不要求极端精确的任务，它就比其他系统运行得快很多，比如说把顾客分群。

这是美国一个叫塔吉特的商场，它做了一个很有趣的实验，一个男人冲进了一家位于明尼阿波利斯市郊的塔吉特商店，要求经理出来见他。他气愤地说：“我女儿还是高中生，你们却给她邮寄婴儿服和婴儿床的优惠券，你们是在鼓励她怀孕吗？”而当几天后，经理打电话向这个男人致歉时，这个男人的语气变得平和起来。他说：“我跟我的女儿谈过了，她的预产期是8月份，是我完全没有意识到这个事情的发生，应该说抱歉的人是我。”

原因是塔吉特公司根据消费记录下预测一个女性会在什么时候怀孕。塔吉特公司注意到， 登记簿上的妇女会在怀孕大概第三个月的时候买很多无香乳液。几个月之后，她们会买一些营养品，比如镁、钙、锌。公司最终找出了大概20多种关联物，这些关联物可以给顾客进行“怀孕 趋势”评分。

通过购买没有香精的化妆品来预测她怀孕这件事不是那么准确，但给出了相关性的提示，我们要的不是因果关系，而是相关关系，就这件事情提供一个可能性。

智能风控的应用

智能风控在银行业和P2P的案例，主要是信贷和反欺诈。

证券业去年是用智能风控手段抓出了很多关联交易。海外保险业也有很多案例，AVIVA利用信用报告和顾客的市场分析，来替代传统保险公司使用顾客的血液和尿液分析检验数据，通过分析结果找出更有可能患高血压、糖尿病和抑郁症的人。用来分析的数据包括好几百种生活方式的数据，比如爱好、常浏览的网站、常看的节目、收入估计等。原理是不要精确性和只要混杂性，通过一些行为数据来发现健康隐患。国内的包括众安科技的智能理赔智能核保服务和小雨伞的啄木鸟风控实验室。

现阶段的智能风控的问题主要包括刷单、金融信用与社会信用的相关性不确定、大数据对于“黑天鹅”事件的滞后性。互联网健康最重要的几个模型：客户画像构建，小数据人格分析、性格爱好、疾病风险预测模型等，应用复杂网络和机器学习后，模型可以实现互联网健康险的智能风控和模型自迭代。

小雨伞啄木鸟PICUS系统

PICUS是小雨伞的智能风控模型，从上而下是业务目标驱动，从下而上是数据驱动。从底层接入数据，通过评分卡的开发，通过评分机制给出一些策略监控意见。

为什么叫PICUS系统，主要来自于几个：敏捷作业和迭代（P）、复杂网络智能学习（I）、全流程控制（C）、核保知识和识别（U）、判断与分组（S），分别取这几个英语单词的开头。

通过策略集和数据库的数据，建立核身、反欺诈及健康模型。

PICUS系统的独有优势：第一，自定义策略流，因为互联网平台要跟多家保险公司合作，每一家保险公司的规则都不同，自定义策略流可以部署在保险公司自家的线上核保前端，配上去就可适配使用。第二，啄木鸟风控计划，包含两个决策，一是交叉决策集，在整个做完以后，通过评分卡给每个用户一个分值，进行交叉决策；二是给出可投保的额度建议。

以上是我对保险中智能风控应用的看法，希望未来大数据技术可以做到越来越精准，也希望小雨伞PICUS系统能在这个领域中为行业效率提升尽一份力。

< END >