早在数年前，保险巨头人寿、平安、阳光等便开始投资医院等医疗产业，打造健康管理体系，其中平安手笔最大，布局最为完整，已形成完整的大健康产业链。
平安的场景主要包括平安好医生和万家医疗两部分。平安好医生是自建场景，属于在线健康管理、医疗服务平台，底注册用户超1.3亿人。万家医疗则是整合线下基层医疗机构，目前全国约有20万家基层医疗机构，而截至底，万家医疗上线的诊所超1.6万家。
数据上，平安具有医疗云平台——平安健康云，通过与体系内的平安保险集团合作，平安健康险能获取海量的用户数据，据此建立用户健康医疗档案。
以上，可以发现科技保险公司与传统保险迥异，大特保构建场景、数据加服务的大健康生态是未来的发展战略，目前初具雏形。通过大健康生态，大特保有机会重构健康险产业链，改变健康险的产品设计、定价、理赔等环节。对标平安大健康体系，我们认为大特保未来发展的关键是场景获取和数据积累能力。
近日，爱分析对大特保首席精算师成燕秋进行了访谈，现摘取部分访谈内容如下。
爱分析：如何获得医疗相关数据？
成燕秋：除了刚才讲到的健康数据以及血糖、体重等相关数据外，我们也在跟爱康体检进行合作，经用户提交和授权，我们帮助用户做体检报告解读，是比较客观、全面的评估，并且与后续的健康管理和保障进行联动和综合服务。
另外，我们现在跟合作的医院在核保环节已经打通，能够进行数据的交互。比如用户在我们合作医院有过检查、就诊记录，我们能直接判断其是不是有既往病症，如果有的话是否影响投保，这个过程也是帮助用户筛选风险，避免后续理赔不到。这些数据对于未来带病人群的产品研发将是非常有意义的。
爱分析：对用户的健康管理能起到哪些作用？
成燕秋：主要还是控费，控制保险风险的发生。保险公司提供保险，当然希望不发生理赔，最直接的做法就是让客户不生病、不去医院，这是保险公司和用户诉求的一致性。像很多慢病人群通过合适的健康管理不会进入并发症阶段，可以很好的延长病程。降赔付率是我们商业模式的一个基础。
爱分析：如何筛选赔付率更低的用户？
成燕秋：一开始数据比较少的时候，会重点通过一些常识性数据筛选。比如用户年轻，我们认为医疗成本会比较低；大城市医院信用级别较高的，可用医疗数据进行筛选。
现在，通过自有数据和与复星、百度大数据的合作，对已有数据人群做标签，可细分到50-60个维度进行分析。通过分析具有哪些标签用户理赔率较低，可以根据这些标签再去拉新。同时维度的增加也有利于为用户精准推荐保险，降低购买门槛。
爱分析：核心维度有哪些？
成燕秋：核心数据还是年龄、职业、体征数据、所处人生阶段（婚育、家庭情况）等，体征数据相关性最强，但也比较难拿到。会通过标签去做二次分析推断，判断用户是不是属于风险偏低的人群。
爱分析：不同产品模型的底层逻辑会有较大差别么？
成燕秋：大的分类基本可以分为重疾险、医疗险，二者差别还是很大的。重疾险、医疗险下面小的分类，也会为标签赋予一定的权重，细化程度取决于现有数据量。
爱分析：保证赔付率相对稳定需要多大的数据量验证？
成燕秋：我们认为超过10万件后，会有一个比较稳定的发生率。
爱分析：大特保已经与一些医院开展了合作，理赔环节能否打通？
成燕秋：我们现在大部分还是事后理赔，500元以下可以线上快速理赔，超出之后还是需要详细的核赔。跟医院的合作主要是发票验证、医疗费用确认等，还做不到用户出院就能收到赔付。
爱分析：如何构建用户账户体系？
成燕秋：目前用户通过个人账户，可以做保单管理；用户也可以输入在其他平台购买的保单，我们为他做综合的评估。如果用户保额不足，也会提示他加保。
未来我们希望用户账户里面既包含保险产品又包含健康管理产品，还能包括他的医疗服务数据，这样他可以查自己的健康管理情况，这是我们希望做的。融合健康因素的账户体系需要比较长的过程，要看整个健康体系打通的进度。
本文经授权发布，版权归原作者所有；内容为作者独立观点，不代表亿欧立场。如需转载请联系原作者。
如果觉得《大特保：场景+数据 构建大健康生态圈》对你有帮助，请点赞、收藏，并留下你的观点哦！
