“数”据天下，“模”力四射

大数据正以前所未有的速度、广度和深度助力推动金融保险行业发展，带来企业经营模式转变，驱动着行业变革，延伸出新的机遇和挑战。

核保、核赔作为保险寿险公司把控风险的进出口，是其运营风险管理的核心，是险企保持长期、稳定经营的核心竞争力。合众人寿十多年来已积累17万标赔理赔案件、近万件长险短期出险案件，在公司跨越式发展的背景下，提高风险识别的精准度已成为必然需求。

该如何以科学的手段来准确地评估、管理和控制风险，这就需要——

合众人寿通过公司10年积累的保单承保、理赔等自有数据，设置核保大数据项目，建立基础核保模型，并引用健康、财务、征信等外部数据增加模型的精准度，做到精准核保。

核保大数据项目下设内部模型和外部模型。

内部模型基于保单维度、业务员维度、客户维度等相关200多个核保字段宽表，在符合实际业务逻辑的前提下，加入了核保人员业务经验的考量，最终达到了统计意义层面的最优化。

内部模型范围囊括寿险、重疾险、医疗险、意外险；以寿险为例，如下是核保模型对核保风险识别率提升的基础模型效果曲线图：

识别率：自核引擎/模型识别的长险短出数/总长险短出数；

上述验证采用2012年1月至2015年6月的数据：

模型验证1：保持人工核保率不变，模型可将长险短出识别率提升58%；

模型验证2：保持识别率不变，模型可将人工核保率降低33.05%。

外部模型在保单抗辩期内，能够减少长险短期出险的情况，降低长险短期出险率，同时对业务员形成威慑作用。外部数据模型基于征信、金融不良记录、黑名单、体检医疗记录、学历等有效数据，包括的风险有财务类风险、行为类风险、健康类风险和信用类风险；考虑到实施的可行性及核保落地情况，预计仅对其中的健康类风险进行更深入的风险评估（如下发契调件等）。

外部模型暂定使用在承保后调查流程中，在系统中通过条件抽取承保时间在两年的保单为目标保单，此部分目标保单需先进行内部模型评分；内部模型评分高的部分进行外部模型的校验，校验评分高，且存在健康字段返回的部分，则进入人工核保；人工核保下发契调问题件，核实阳性信息；若调查存在阳性信息，则通过“核保转保全”的方式，进行保全补充告知。

无论是老式的规则引擎，还是核保大数据模型或者后续上线的外部模型或外部数据引用，均是核保基于大数据作出核保决定的一个辅助性工具，所有的核保决定的下发，务必是在取得确凿证据的前提下进行的。