CN109509032A - 基于大数据的保险定价方法、装置、设备及可读存储介质 - Google Patents
基于大数据的保险定价方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN109509032A CN109509032A CN201811529453.8A CN201811529453A CN109509032A CN 109509032 A CN109509032 A CN 109509032A CN 201811529453 A CN201811529453 A CN 201811529453A CN 109509032 A CN109509032 A CN 109509032A
- Authority
- CN
- China
- Prior art keywords
- per capita
- insurance
- special medicine
- city
- annual cost
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 239000003814 drug Substances 0.000 claims abstract description 154
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 56
- 201000010099 disease Diseases 0.000 claims abstract description 49
- 229940079593 drug Drugs 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 5
- 238000007405 data analysis Methods 0.000 abstract description 4
- 229940120638 avastin Drugs 0.000 description 25
- 238000002347 injection Methods 0.000 description 25
- 239000007924 injection Substances 0.000 description 25
- 238000007726 management method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 206010009944 Colon cancer Diseases 0.000 description 2
- 208000001333 Colorectal Neoplasms Diseases 0.000 description 2
- GHASVSINZRGABV-UHFFFAOYSA-N Fluorouracil Chemical compound FC1=CNC(=O)NC1=O GHASVSINZRGABV-UHFFFAOYSA-N 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 235000014676 Phragmites communis Nutrition 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 201000010989 colorectal carcinoma Diseases 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000001394 metastastic effect Effects 0.000 description 2
- 206010061289 metastatic neoplasm Diseases 0.000 description 2
- 235000015170 shellfish Nutrition 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 229960002949 fluorouracil Drugs 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种基于大数据的保险定价方法、设备、装置及可读存储介质，通过参考与目标城市相似的参考城市的具体特药情况，结合特药使用费用、适用症发病率、运营成本等多个影响因素计算特药保险计划的毛保费，并在定价过程中通过理论计算的方式对历史数据的可信性进行检验，从而以大数据分析处理的方式对特药保险计划进行了定价，从而更全面地考虑了特药保险计划价格影响因素，使得定价结果能够更符合保险机构的真实运营状况和特药的市场需求，提高了定价的合理性和准确性，还有利于降低保险计划的运营成本。
Description
技术领域
本发明涉及大数据领域，尤其涉及一种基于大数据的保险定价方法、装置、设备及可读存储介质。
背景技术
随着医学技术的发展，市场上特药(针对某一疾病进行特殊治疗，具有高科学含量，技术难度高的药品)逐渐增多，如贝伐珠单抗注射液(安维汀)、芦可替尼片(捷恪卫)等；但市场上的特药价格较为昂贵。为了减轻患者负担，一些保险机构提出将特药的医药费用纳入至保险报销范围内。目前在对这些特药保险计划进行定价时，主要是由专家进行人工分析定价，但这种定价方法人为因素大，定价结果容易受到个人的影响，定价的准确性有待提高。
发明内容
本发明的主要目的在于提供一种基于大数据的保险定价方法、装置、设备及可读存储介质，旨在提高特药保险定价的准确性。
为实现上述目的，本发明提供一种基于大数据的保险定价方法，所述基于大数据的保险定价方法包括：
在接收到特药保险计划的定价请求时，确定所述特药保险计划对应被保人所在的目标城市和所述特药保险计划对应的保险特药，并获取所述保险特药的说明书信息和所述特药保险计划的赔付方案；
基于预设相似城市模型在城市数据库中确定所述目标城市的参考城市，并获取所述保险特药在所述参考城市的历史人均年费用和适用症历史发病率；
根据所述说明书信息计算理论人均年费用，并根据所述理论人均年费用判断所述历史人均年费用是否可信；
若所述历史人均年费用可信，则根据所述历史人均年费用和所述赔付方案获取所述特药的预计人均年赔付，并根据所述预计人均年赔付和所述适用症发病率获取所述保险特药的年风险保费；
根据所述年风险保费和预设运营方案获取所述特药保险计划的人均年毛保费。
此外，为实现上述目的，本发明还提供一种基于大数据的保险定价装置，所述基于大数据的保险定价装置包括：
特药确定模块，用于在接收到特药保险计划的定价请求时，确定所述特药保险计划对应被保人所在的目标城市和所述特药保险计划对应的保险特药，并获取所述保险特药的说明书信息和所述特药保险计划的赔付方案；
城市确定模块，用于基于预设相似城市模型在城市数据库中确定所述目标城市的参考城市，并获取所述保险特药在所述参考城市的历史人均年费用和适用症历史发病率；
费用判断模块，用于根据所述说明书信息计算理论人均年费用，并根据所述理论人均年费用判断所述历史人均年费用是否可信；
第一获取模块，用于若所述历史人均年费用可信，则根据所述历史人均年费用和所述赔付方案获取所述特药的预计人均年赔付，并根据所述预计人均年赔付和所述适用症发病率获取所述保险特药的年风险保费；
第二获取模块，用于根据所述年风险保费和预设运营方案获取所述特药保险计划的人均年毛保费。
此外，为实现上述目的，本发明还提供一种基于大数据的保险定价设备，所述基于大数据的保险定价设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的保险定价程序，其中所述保险定价程序被所述处理器执行时，实现如上述的基于大数据的保险定价方法的步骤。
此外，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质上存储有保险定价程序，其中所述保险定价程序被处理器执行时，实现如上述的基于大数据的保险定价方法的步骤。
本发明通过参考与目标城市相似的参考城市的具体特药情况，结合特药使用费用、疾病用药率、运营成本等多个影响因素计算特药保险计划的毛保费，并在定价过程中通过理论计算的方式对历史数据的可信性进行检验，从而以大数据分析处理的方式对特药保险计划进行了定价，从而更全面地考虑了特药保险计划价格影响因素，使得定价结果能够更符合保险机构的真实运营状况和特药的市场需求，提高了定价的合理性和准确性，还有利于降低保险计划的运营成本。
附图说明
图1为本发明实施例方案中涉及的基于大数据的保险定价设备的硬件结构示意图；
图2为本发明基于大数据的保险定价方法第一实施例的流程示意图；
图3为本发明基于大数据的保险定价装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例涉及的基于大数据的保险定价方法主要应用于基于大数据的保险定价设备，该基于大数据的保险定价设备可以是个人计算机(personal computer，PC)、笔记本电脑、服务器等具有数据处理功能的设备。
参照图1，图1为本发明实施例方案中涉及的基于大数据的保险定价设备的硬件结构示意图。本发明实施例中，基于大数据的保险定价设备可以包括处理器1001(例如中央处理器Central Processing Unit，CPU)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)；网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity，WI-FI接口)；存储器1005可以是高速随机存取存储器(random access memory，RAM)，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的硬件结构并不构成对本发明的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
继续参照图1，图1中作为一种计算机可读存储介质的存储器1005可以包括操作系统、网络通信模块以及保险定价程序。在图1中，网络通信模块可用于连接定价终端，与定价终端进行数据通信；而处理器1001可以调用存储器1005中存储的保险定价程序，并执行本发明实施例提供的基于大数据的保险定价方法。
本发明实施例提供了一种基于大数据的保险定价方法。
参照图2，图2为本发明基于大数据的保险定价方法第一实施例的流程示意图。
本实施例中，所述基于大数据的保险定价方法包括：
步骤S10，在接收到特药保险计划的定价请求时，确定所述特药保险计划对应被保人所在的目标城市和所述特药保险计划对应的保险特药，并获取所述保险特药的说明书信息和赔付方案；
随着医学技术的发展，市场上特药(针对某一疾病进行特殊治疗，具有高科学含量，技术难度高的药品)逐渐增多，如贝伐珠单抗注射液(安维汀)、芦可替尼片(捷恪卫)等；但市场上的特药价格较为昂贵。为了减轻患者负担，一些保险机构提出以将特药的医药费用纳入至保险报销范围内；而在目前对特药保险计划进行定价时，主要由专家进行人工分析和确定，而这定价人为因素大，容易受到个人的影响，定价的准确性有待提高。对此，本实施了中提出一种基于大数据的保险定价方法，通过参考与目标城市相似的参考城市的具体特药情况，结合特药使用费用、适用症发病率、运营成本等多个影响因素计算特药保险计划的毛保费，并在定价过程中通过理论计算的方式对历史数据的可信性进行检验，从而以大数据分析处理的方式对特药保险计划进行了定价，更全面地考虑了特药保险计划价格影响因素，使得定价结果能够更符合保险机构的真实运营状况和特药的市场需求，提高了定价的合理性和准确性，还有利于降低保险计划的运营成本。
本实施例中的基于大数据的保险定价方法是由基于大数据的保险定价设备实现的，该基于大数据的保险定价设备以定价服务器为例进行说明；而对于该特药保险计划所针对的特药对象，则以贝伐珠单抗注射液(安维汀)进行说明；其中，贝伐珠单抗注射液(安维汀)是一种用于以联合5-氟尿嘧啶为基础化疗的转移性结直肠癌的治疗药品(注射剂)。本实施例中，保险机构的定价人员在需要对特药保险计划进行定价时，可在定价终端(如个人电脑PC、笔记本电脑、手机、平板电脑等)上进行信贷操作，定价终端则根据定价人员的操作向定价服务器发送对应的特药保险计划的定价请求。
定价服务器在接收到该定价请求时，首先需要确定本次定价过程所针对的特药种类、以及该特药保险计划的销售区域；其中该销售区域在本实施例中是以“城市”作为一个标准的计算区域，为描述方便，在后续描述中该特药保险计划的销售区域以“目标城市”进行说明。
对于定价过程所针对的特药种类、以及目标城市，可以是服务器在接收到该定价请求时向定价终端发送询问信息，以使定价人员根据该询问信息在定价终端中手动录入对应的回复内容(或者是通过选择菜单选项的方式)并发送至服务器；当然也可以是定价人员在通过定价终端进行操作时直接手动录入相关内容，由定价终端将该特药种类和目标城市添加至定价请求中一起发送至服务器。
本实施例中，定价服务器在确定目标城市和保险特药时，还将获取该保险特药的说明书信息以及特药保险计划的赔付方案。其中，该说明书信息可以包括特药使用方法(服用方法)、说明书指导单价等，使用方法又可以包括疗程用量(支/盒)，疗程时长(周/月)等，例如贝伐珠单抗注射液的说明书信息包括每支价格为5398元，每个疗程用量3支，每个疗程2周。对于该说明书信息，可以是定价服务器通过爬虫技术或其它手段从相关的网页中(如网络药品商城、百科等)爬取得到药物说明书信息，并预先建立说明书库，然后定价服务器再从该说明书库中查询(特药)的说明书信息。而特药保险计划的赔付方案则为发生赔付事件时保险机构的赔付标准和说明(或计划、金额等)。例如，赔付方案包括赔付比例表，具体如下表1所示
表1赔付比例表
当确定被保人在发生赔付事件时的事件支出(购买贝伐珠单抗注射液的支出)时，定价服务器即可根据该支出及上述赔付比例表计算赔付金额。当然，在具体实施中，赔付方案可以是以其它方式进行表示。对于该赔付方案，可以是由定价人员通过定价终端触发定价请求时输入并发送至定价服务器，也可以是预先存储在定价服务器中的。
步骤S20，基于预设相似城市模型在城市数据库中确定所述目标城市的参考城市，并获取所述保险特药在所述参考城市的历史人均年费用和适用症历史发病率；
本实施例中，定价服务器进行定价时，还需要确定特药保险计划中的特药的费用情况，即购买贝伐珠单抗注射液的费用情况；对于该费用情况，考虑到特药疗程、使用方法等因素，本实施例中以人均年费用进行表征，即贝伐珠单抗注射液的适用症患者每人每年为购买贝伐珠单抗注射液的支出。对于该贝伐珠单抗注射液的人均年费用，本实施例中是参考了其它城市的已知城市历史数据进行确定；又由于不同城市的气候、地形、消费水平等属性都有所区别，而这些属性又可能会对贝伐珠单抗注射液的适用症发病率和/或人均年费用等数据产生影响，因此为了保证其数据的准确性，本实施例中是参考了与目标城市具有相似城市属性的参考城市的相关数据进行确定。其中，对于该城市属性，可以是通过多个纬度进行定义，例如可以包括经纬度、气候、地形、消费水平(一定时期该城市居民用于满足自身日常生活费用各项支出的总和)、人群特征(人口数量)等。本实施例中，定价服务器在确定目标城市时，可进一步确定目标城市的相关城市属性信息，然后基于预设相似城市模型在城市数据库中确定该目标城市的参考城市；其中，城市数据库中包括有至少两个样本城市、以及每个样本城市各自的样本属性(即样本城市的城市属性，为描述方便，称为“样本属性”)，当然，城市数据库中还包括特药贝伐珠单抗注射液在该样本城市的历史人均年费用数据。
可选地，由于属性本身特点的影响，对于城市的属性值(即元素)可以统一用数字字符进行表示(当然对于不同类型的属性值，数值范围可以有所区别)，对于不同类型的属性值，不同的数值范围则可以代表不同的特征，如此可提高城市属性的表现精度，例如对于气候而言，11-20为亚热带气候，21-30为温带气候，31-40为寒带气候；其中若某个城市的属性值越逼近某个数值范围的下限或上限，则可认为该城市的属性越与另一数值段的属性相似，例如，气候属性值为21的城市A，虽然属于温带气候，但也可认为较趋向与亚热带气候；此外，若两个城市某类属性值相差越大，则可认为两个城市在该属性上相差越大并结合相关的差异度算法计算城市之间的差异度，进一步提高城市相似性分析的准确性。具体的，城市数据库包括至少两个样本城市、及各样本城市各自的样本属性组，每个样本属性组至少包括两个元素，且每个元素形式均为数值；定价服务器获取确定目标城市时，还需要获取获取目标城市上述5个属性的属性信息，然后根据各属性的字符类型以及各属性类型的字符含义，将该属性转译为对应的数值型属性元素，从而得到目标属性组，该目标属性组中具有与各样本属性组同样数量和类型的元素(即目标属性组包括相同类型和数量的属性数据)；然后定价服务器分别将目标城市的目标属性组与其它各样本城市的样本属性组代入至预设差异度公式中计算目标属性组与样本属性组的属性差异度，并以该属性差异度来表征目标城市与样本城市差异，属性差异度越小，目标城市与样本城市差异越小，也即两者越相似，定价服务器可将属性差异度最小的样本城市作为参考城市。而预设的差异度公式可以为：
其中，V1为目标属性组，V2为所述样本属性组，d(V1,V2)为目标属性组与样本属性组的差异度；
v1i为所述目标属性组的第i个元素，v2i为所述样本属性组的第i个元素元素，i＞0。
当然，对于上述差异度公式，是将所有的所有属性元素赋予了同样的计算比重(比重均为1)；而在实际中，对于不同的属性元素，也可以根据实际情况设置不同的计算比重，以表征其对城市相似性分析的影响程度，从而使得该分析能够更贴合实际的需要。
本实施例中，定价服务器在确定目标城市的参考城市时，将会获取参考城市的历史药物费用(历史数据)和特药的适用症的适用症历史发病率(如转移性结直肠癌2015年在参考城市的发病率)。对于上述的历史药物费用和适用症历史发病率可以是在定价服务器与参考城市中的医院系统(或医药系统)连接并获取得到，该历史药物费用包括参考城市中各特药的某一年度(或最近一年)的历史年度总费用、用药人数；根据该历史年度总费用、用药人数可计算得到参考城市中各特药的历史人均年费用，也即：
历史人均年费用＝历史年度总费用/使用人数。
步骤S30，根据所述说明书信息计算理论人均年费用，并根据所述理论人均年费用判断所述历史人均年费用是否可信；
本实施例中，在获取参考城市的历史人均年费用时，考虑到在实际中可能存在有过度医疗服务(如未按规范使用贝伐珠单抗注射液)和违规欺诈行为(如冒名代购、转卖等)，这些行为将导致贝伐珠单抗注射液的用药量异常，也就导致历史人均年费用不能真实反映患者正常使用贝伐珠单抗注射液的支出，从而导致后续定价计算与真实情况出现偏差，影响了定价的准确性。对此，定价服务器在确定参考城市后，还可以进一步判断参考城市的相关历史数据是否可信。具体的，定价服务器获取特药在参考城市的历史人均年费用后，将会根据说明书信息计算理论人均年费用，并根据该理论人均年费用来判断该历史人均年费用是否可行。
具体的，说明书信息可以包括特药使用方法(服用方法)、说明书指导单价等，使用方法又可以包括疗程用量(支/盒)，疗程时长(周/月)等，例如贝伐珠单抗注射液的说明书信息包括每支价格为5398元，每个疗程用量3支，每个疗程2周；根据该说明书信息中的特药使用方法，假设一年按52周算，则计算得到贝伐珠单抗注射液的理论人均年用量为理论人均年用量＝疗程用量*52/疗程时长＝78支。
在得到理论人均年用量时，即可根据该理论人均年用量和说明书信息中的说明书指导单价计算得到理论人均年费用，即
理论人均年费用＝理论人均年用量*说明书指导单价
本实施例中，在得到理论人均年费用时，定价服务器将计算理论人均年费用和历史人均年费用的费用差，并判断该费用差是否在预设可信范围内，以判断历史人均年费用是否可信；如果两者的费用差在预设可信范围内，则可认为该历史人均年费用是可信的，此时可使用该历史人均年费用进行下一步的定价计算；而如果两者的费用差不在预设可信范围内，则可认为该历史人均年费用是不可信的，此时定价服务器会舍弃该历史人均年费用，并重新基于预设相似城市模型在城市数据库中确定所述目标城市的参考城市；为了与第一次确定的参考城市进行区别，重新确定的参考城市可称为二次参考城市，并获取保险特药在该二次参考城市的二次历史人均年费用和二次适用症历史发病率，然后再次进行历史数据可信性的判断，直至得到可信的历史人均年费用。
值得说明的是，关于说明书信息，定价服务器在爬取说明书信息时，可以是从多个不同的网站源获取说明书信息的，即获取到的是多源说明书信息，此时定价服务器需要在这些多源说明信息中确定出一个目标说明书信息用以计算理论人均年费。而该目标说明书信息可以是根据说明书信息的更新时间确定的，也即根据数据新鲜度确定目标说明书信息。具体的，定价服务器在获取到多源说明书信息时，还将要确定各源说明书信息的更新时间(或说明书信息上架时间)，然后定价服务器会将各源说明书信息中的信息更新时间进行对比，将信息更新时间最接近当前时间的说明书信息作为目标说明书信息，用以进行理论人均年费用的计算。
再进一步的，对于这些多源说明书信息，还可以是从网站源的可信度或业界认可度出发从中确定一个说明书信息；而对于网站源的可信度或业务认可度，则可以通过网站流量(用户浏览、访问次数)进行表征。具体的，定价服务器在从网站源获取多源说明书信息的同时，还将获取各网站源在预设时间段(如一周内、一个月内等)的网站流量；然后定价服务器会将各网站源的网络流量进行对比，将网络流量最大的网站源确定为目标网站源，并将该目标网站源的说明书信息作为目标说明书信息，用以进行理论人均年费用的计算。
当然，对于多源说明书信息的选择，还可以是将上述两种方式进行结合，例如将各源说明书信息对应的信息更新时间和网站流量转译为对应的新鲜度分值和认可度分值，然后将两个分值加权相加，得到信息准确度评分，再用信息准确度评分最高的说明书信息进行人均年费用的计算；又或者是采用其它的选择规则，以在多源说明书信息中确定目标说明书信息。
步骤S40，若所述历史人均年费用可信，则根据所述历史人均年费用和所述赔付方案获取所述特药的预计人均年赔付，并根据所述预计人均年赔付和所述适用症历史发病率获取所述保险特药的年风险保费；
本实施例中，若历史人均年费用可信，定价服务器即可根据该人均年费用和步骤S10获得的赔付方案获取贝伐珠单抗注射液的预计人均年赔付(即被保人年度支出为人均年费用时可得到的年赔付额)。例如，对于赔付方案，可以包括如上述表1所示的赔付比例表，而贝伐珠单抗注射液的人均年费用为421044元，则
预计人均赔付＝(10000-0)*0.95+(30000-10000)*0.95+(50000-30000)*0.95+(421044-50000)*0.95＝399991.8(元)。
本实施例中，定价服务器在得到贝伐珠单抗注射液的预计人均赔付时，可根据贝伐珠单抗注射液的预计人均赔付计算特药保险计划的风险保费；对于风险保费，是指正好用以支付赔款；而对于上述的预计人均年赔付，是发生赔付事件被保人支出人均年费用时所要支付的金额，若要计算风险保费，还需要先获取赔付事件发生的概率，即被保人使用贝伐珠单抗注射液的概率。该概率可根据贝伐珠单抗注射液的适用症历史发病率(步骤S10获得)确定，也即可根据预计人均年赔付、适用症发病率获取保险特药的年风险保费，即：
年风险保费＝预计人均年赔付*适用症历史发病率
步骤S50，根据所述年风险保费和预设运营方案获取所述特药保险计划的人均年毛保费。
本实施例中，当计算得到年风险保费时，即得到了保险特药计划在被保人赔付方面的支出数据，而对于特药保险计划定价，还需要考虑保险机构的运营支出和利润等因素。具体的，定价服务器还需要获取预设运营方案，根据预设运营方案和年风险保费获得特药保险计划的人均年毛保费；该预设运营方案可以是预先设置在财务系统或业务系统中的数据，也可以是定价人员在通过定价终端发送定价请求时即时录入并发送至定价服务器的。其中，预设运营方案可以包括预设人均运营成本、预设税费比例、和预设利润率；人均运营成本为每个被保人提供保险服务时的运营成本(包括系统费用、人力成本等)；预设税费比例为保费的纳税比例；预设利润率则表征保险机构预计的利润情况。在得到年风险保费、预设人均运营成本、预设税费比例和预设利润率时，定价服务器可将其带入至预设毛保费公式中，计算得到特药保险计划的人均年毛保费，预设毛保费公式为：
其中，F为所述人均年毛保费；
R为所述年风险保费，R＞0；
C为所述预设人均运营成本，C＞0；
T为所述预设税费比例，0＜T＜1；
pr为所述预设利润率，0＜pr＜1。
本实施例中，定价服务器在计算得到贝伐珠单抗注射液保险计划的人均年毛保费时，可将该人均年毛保费反馈至对应的定价终端(或投保人终端)，以使得定价人员根据该毛保费进行报价(或使得投保人进行缴费)。
进一步的，定价服务器在得到特药保险计划的人均年毛保费之后，还可以生成对应的定价报告，以供相关人员进行查看。具体的，定价服务器中预先存储有报告模板；定价服务器在定价的过程中会将相关的定价数据进行记录；其中定价数据包括输入数据(如目标城市、特药种类)、数据来源(如参考城市)、中间数据(如历史人均年费用、预计人均年赔付)和输出数据(如人均年毛保费)进行记录；在定价完成时，定价服务器将提取该报告模板，并将这些数据填充至报告模板中，得到定价报告，并将该定价报告进行存储，或是将该定价报告发送至定价终端，又或者时将该定价报告发送至相关的业务安全终端，以供相关的业务安全人员对业务安全进行监控
本实施例中，在接收到特药保险计划的定价请求时，确定所述特药保险计划对应被保人所在的目标城市和所述特药保险计划对应的保险特药，并获取所述保险特药的说明书信息和所述特药保险计划的赔付方案；基于预设相似城市模型在城市数据库中确定所述目标城市的参考城市，并获取所述保险特药在所述参考城市的历史人均年费用和适用症历史发病率；根据所述说明书信息计算理论人均年费用，并根据所述理论人均年费用判断所述历史人均年费用是否可信；若所述历史人均年费用可信，则根据所述历史人均年费用和所述赔付方案获取所述特药的预计人均年赔付，并根据所述预计人均年赔付和所述适用症历史发病率获取所述保险特药的年风险保费；根据所述年风险保费和预设运营方案获取所述特药保险计划的人均年毛保费。通过以上方式，本实施例通过参考与目标城市相似的参考城市的具体特药情况，结合特药使用费用、适用症发病率、运营成本等多个影响因素计算特药保险计划的毛保费，并在定价过程中通过理论计算的方式对历史数据的可信性进行检验，从而以大数据分析处理的方式对特药保险计划进行了定价，更全面地考虑了特药保险计划价格影响因素，使得定价结果能够更符合保险机构的真实运营状况和特药的市场需求，提高了定价的合理性和准确性，还有利于降低保险计划的运营成本。
此外，本发明实施例还提供一种基于大数据的保险定价装置。
参照图3，图3为本发明基于大数据的保险定价装置第一实施例的功能模块示意图。
本实施例中，所述基于大数据的保险定价装置包括：
特药确定模块10，用于在接收到特药保险计划的定价请求时，确定所述特药保险计划对应被保人所在的目标城市和所述特药保险计划对应的保险特药，并获取所述保险特药的说明书信息和所述特药保险计划的赔付方案；
城市确定模块20，用于基于预设相似城市模型在城市数据库中确定所述目标城市的参考城市，并获取所述保险特药在所述参考城市的历史人均年费用和适用症历史发病率；
费用判断模块30，用于根据所述说明书信息计算理论人均年费用，并根据所述理论人均年费用判断所述历史人均年费用是否可信；
第一获取模块40，用于若所述历史人均年费用可信，则根据所述历史人均年费用和所述赔付方案获取所述特药的预计人均年赔付，并根据所述预计人均年赔付和所述适用症历史发病率获取所述保险特药的年风险保费；
第二获取模块50，用于根据所述年风险保费和预设运营方案获取所述特药保险计划的人均年毛保费。
其中，上述基于大数据的保险定价装置的各虚拟功能模块存储于图1所示基于大数据的保险定价设备的存储器1005中，用于实现保险定价程序的所有功能；各模块被处理器1001执行时，可实现特药保险计划的智能定价功能。
进一步的，所述说明书信息包括说明书指导单价和特药使用方法，
所述费用判断模块30包括：
理论计算单元，用据所述特药使用方法获取特药理论年用量，并根据所述说明书指导单价和所述特药理论年用量计算理论人均年费用；
费用判断单元，用于计算所述理论人均年费用和所述历史人均年费用的费用差，并判断所述费用差是否在预设可信范围内，以判断所述历史人均年费用是否可信。
进一步的，所述城市确定模块20，还用于若所述历史人均年费用不可信，则基于所述预设相似城市模型在城市数据库中确定所述目标城市的二次参考城市，并获取所述保险特药在所述二次参考城市的二次历史人均年费用和二次适用症历史发病率。
进一步的，所述城市数据库包括至少两个样本城市及各样本城市各自对应的样本属性组，所述样本属性组至少包括两个元素，所述样本属性组的元素形式为数值，
所述城市确定模块20包括：
信息转译单元，用于获取所述目标城市的城市属性信息，并根据预设转译规则将所述城市属性信息转译为对应的目标属性组，其中所述目标属性组与所述样本属性组具有相同数量的元素，所述目标属性组的元素形式为数值；
差异度计算单元，用于根据预设差异度公式分别计算所述目标属性组与各样本属性组的属性差异度，并根据所述属性差异度在所述样本城市中确定参考城市。
进一步的，所述预设差异度公式为：
其中，V1为所述目标属性组，V2为所述样本属性组；
d(V1,V2)为所述目标属性组与所述样本属性组的属性差异度；
v1i为所述目标属性组的第i个元素，v2i为所述样本属性组的第i个元素，i＞0。
进一步的，所述说明书信息包括多源说明书信息，
所述费用判断模块30包括：
目标确定单元，用于确定所述多源说明书信息中各源说明书信息的信息更新时间，并根据所述信息更新时间在所述多源说明书信息中确定目标说明书信息，以根据所述目标说明书信息计算理论人均年费用；
或，用于获取所述多源说明书信息中各源说明书信息对应源站点在预设统计周期的站点访问量，并根据所述站点访问量在所述多源说明书信息中确定目标说明书信息，以根据所述目标说明书信息计算理论人均年费用。
进一步的，所述预设运营方案包括预设人均运营成本、预设税费比例和预设利润率，
第二获取模块50，具体用于根据所述年风险保费、所述预设人均运营成本、所述预设税费比例、所述预设利润率和预设毛保费公式计算得到所述特药保险计划的人均年毛保费，其中所述预设毛保费公式为：
其中，F为所述人均年毛保费；
R为所述年风险保费，R＞0；
C为所述预设人均运营成本，C＞0；
T为所述预设税费比例，0＜T＜1；
pr为所述预设利润率，0＜pr＜1。
其中，上述基于大数据的保险定价装置中各个模块的功能实现与上述基于大数据的保险定价方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
此外，本发明实施例还提供一种可读存储介质。
本发明可读存储介质上存储有保险定价程序，其中所述保险定价程序被处理器执行时，实现如上述基于大数据的保险定价方法的步骤。
其中，保险定价程序被执行时所实现的方法可参照本发明基于大数据的保险定价方法的各个实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于大数据的保险定价方法，其特征在于，所述基于大数据的保险定价方法包括：
在接收到特药保险计划的定价请求时，确定所述特药保险计划对应被保人所在的目标城市和所述特药保险计划对应的保险特药，并获取所述保险特药的说明书信息和所述特药保险计划的赔付方案；
基于预设相似城市模型在城市数据库中确定所述目标城市的参考城市，并获取所述保险特药在所述参考城市的历史人均年费用和适用症历史发病率；
根据所述说明书信息计算理论人均年费用，并根据所述理论人均年费用判断所述历史人均年费用是否可信；
若所述历史人均年费用可信，则根据所述历史人均年费用和所述赔付方案获取所述特药的预计人均年赔付，并根据所述预计人均年赔付和所述适用症历史发病率获取所述保险特药的年风险保费；
根据所述年风险保费和预设运营方案获取所述特药保险计划的人均年毛保费。
2.如权利要求1所述的基于大数据的保险定价方法，其特征在于，所述说明书信息包括说明书指导单价和特药使用方法，
所述根据所述说明书信息计算理论人均年费用，并根据所述理论人均年费用判断所述历史人均年费用是否可信的步骤包括：
根据所述特药使用方法获取特药理论年用量，并根据所述说明书指导单价和所述特药理论年用量计算理论人均年费用；
计算所述理论人均年费用和所述历史人均年费用的费用差，并判断所述费用差是否在预设可信范围内，以判断所述历史人均年费用是否可信。
3.如权利要求1所述的基于大数据的保险定价方法，其特征在于，所述根据所述说明书信息计算理论人均年费用，并根据所述理论人均年费用判断所述历史人均年费用是否可信的步骤之后，还包括：
若所述历史人均年费用不可信，则基于所述预设相似城市模型在城市数据库中确定所述目标城市的二次参考城市，并获取所述保险特药在所述二次参考城市的二次历史人均年费用和二次适用症历史发病率。
4.如权利要求1所述的基于大数据的保险定价方法，其特征在于，所述城市数据库包括至少两个样本城市及各样本城市各自对应的样本属性组，所述样本属性组至少包括两个元素，所述样本属性组的元素形式为数值，
所述基于预设相似城市模型在城市数据库中确定所述目标城市的参考城市的步骤包括：
获取所述目标城市的城市属性信息，并根据预设转译规则将所述城市属性信息转译为对应的目标属性组，其中所述目标属性组与所述样本属性组具有相同数量的元素，所述目标属性组的元素形式为数值；
根据预设差异度公式分别计算所述目标属性组与各样本属性组的属性差异度，并根据所述属性差异度在所述样本城市中确定参考城市。
5.如权利要求4所述的基于大数据的保险定价方法，其特征在于，所述预设差异度公式为：
其中，V1为所述目标属性组，V2为所述样本属性组；
d(V1,V2)为所述目标属性组与所述样本属性组的属性差异度；
v1i为所述目标属性组的第i个元素，v2i为所述样本属性组的第i个元素，i＞0。
6.如权利要求1所述的基于大数据的保险定价方法，其特征在于，所述说明书信息包括多源说明书信息，
所述根据所述说明书信息计算理论人均年费用的步骤包括：
确定所述多源说明书信息中各源说明书信息的信息更新时间，并根据所述信息更新时间在所述多源说明书信息中确定目标说明书信息，以根据所述目标说明书信息计算理论人均年费用；
或，获取所述多源说明书信息中各源说明书信息对应源站点在预设统计周期的站点访问量，并根据所述站点访问量在所述多源说明书信息中确定目标说明书信息，以根据所述目标说明书信息计算理论人均年费用。
7.如权利要求1至6中任一项所述的基于大数据的保险定价方法，其特征在于，所述预设运营方案包括预设人均运营成本、预设税费比例和预设利润率，
所述根据所述年风险保费和预设运营方案获取所述特药保险计划的人均年毛保费的步骤包括：
根据所述年风险保费、所述预设人均运营成本、所述预设税费比例、所述预设利润率和预设毛保费公式计算得到所述特药保险计划的人均年毛保费，其中所述预设毛保费公式为：
其中，F为所述人均年毛保费；
R为所述年风险保费，R＞0；
C为所述预设人均运营成本，C＞0；
T为所述预设税费比例，0＜T＜1；
pr为所述预设利润率，0＜pr＜1。
8.一种基于大数据的保险定价装置，其特征在于，所述基于大数据的保险定价装置包括：
特药确定模块，用于在接收到特药保险计划的定价请求时，确定所述特药保险计划对应被保人所在的目标城市和所述特药保险计划对应的保险特药，并获取所述保险特药的说明书信息和所述特药保险计划的赔付方案；
城市确定模块，用于基于预设相似城市模型在城市数据库中确定所述目标城市的参考城市，并获取所述保险特药在所述参考城市的历史人均年费用和适用症历史发病率；
费用判断模块，用于根据所述说明书信息计算理论人均年费用，并根据所述理论人均年费用判断所述历史人均年费用是否可信；
第一获取模块，用于若所述历史人均年费用可信，则根据所述历史人均年费用和所述赔付方案获取所述特药的预计人均年赔付，并根据所述预计人均年赔付和所述适用症发病率获取所述保险特药的年风险保费；
第二获取模块，用于根据所述年风险保费和预设运营方案获取所述特药保险计划的人均年毛保费。
9.一种基于大数据的保险定价设备，其特征在于，所述基于大数据的保险定价设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的保险定价程序，其中所述保险定价程序被所述处理器执行时，实现如权利要求1至7中任一项所述的基于大数据的保险定价方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有保险定价程序，其中所述保险定价程序被处理器执行时，实现如权利要求1至7中任一项所述的基于大数据的保险定价方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811529453.8A CN109509032A (zh) | 2018-12-13 | 2018-12-13 | 基于大数据的保险定价方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811529453.8A CN109509032A (zh) | 2018-12-13 | 2018-12-13 | 基于大数据的保险定价方法、装置、设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109509032A true CN109509032A (zh) | 2019-03-22 |
Family
ID=65753462
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811529453.8A Pending CN109509032A (zh) | 2018-12-13 | 2018-12-13 | 基于大数据的保险定价方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109509032A (zh) |
-
2018
- 2018-12-13 CN CN201811529453.8A patent/CN109509032A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20240046391A1 (en) | Methods and system for managing intellectual property using a blockchain | |
| US20190318433A1 (en) | Real estate marketplace method and system | |
| US20150254754A1 (en) | Methods and apparatuses for consumer evaluation of insurance options | |
| KR20180113728A (ko) | 의뢰인과 전문가 간의 매칭서비스방법 및 매칭 시스템 | |
| US20200380481A1 (en) | Autonomous bill pay bot with automatic social overdraft protection | |
| US20160321412A1 (en) | Cost, Quality and Distance Based Method and System for Health Care Referrals | |
| US20200126137A1 (en) | Pre-service client navigation | |
| Atamer | Why judicial control of price terms in consumer contracts might not always be the right answer–insights from behavioural law and economics | |
| CN109685557A (zh) | 基于大数据的保险定价方法、装置、设备及可读存储介质 | |
| Alkhatib et al. | The six Delta platform for outcome-based contracting for pharmaceuticals | |
| Henderson et al. | Hospital And Regional Characteristics Associated With Emergency Department Facility Fee Cash Pricing: Study examines hospital and regional characteristics associated with emergency department facility fee cash pricing. | |
| US11636475B1 (en) | Predicting and making payments via preferred payment methods | |
| Ehlert et al. | Overcoming resistance against managed care–insights from a bargaining model | |
| Kabaniha et al. | Global healthcare financing: Economics, methods, and strategies for sustainable healthcare | |
| US11955215B2 (en) | Data processing system for processing network data records transmitted from remote, distributed terminal devices | |
| Wang et al. | Strategic priority-purchasing and joining rules in a retrial queue | |
| US20150095186A1 (en) | Flexible spending account provision system | |
| Shen et al. | How ready was the US vaccination infrastructure and network of immunization information systems for COVID-19 vaccination campaigns: Recommendations to strengthen the routine vaccination program and prepare for the next pandemic | |
| Petrou | Pharmacoeconomics in the years of crisis: a solution or just a resolution? A Cyprus perspective | |
| US11748420B1 (en) | Optimizing display of disclosure based on prior interactions | |
| CN109636638A (zh) | 基于大数据的保险定价方法、装置、设备及可读存储介质 | |
| CN109934701A (zh) | 一种股权质押的风险评估方法和装置 | |
| CN109509032A (zh) | 基于大数据的保险定价方法、装置、设备及可读存储介质 | |
| Hassanain et al. | Freedom, Peace, and Justice: A new paradigm for the Sudanese health system after Sudan's 2019 Uprising | |
| CN109658263A (zh) | 基于大数据的保险定价方法、装置、设备及可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220525 Address after: 518000 China Aviation Center 2901, No. 1018, Huafu Road, Huahang community, Huaqiang North Street, Futian District, Shenzhen, Guangdong Province Applicant after: Shenzhen Ping An medical and Health Technology Service Co.,Ltd. Address before: Room 12G, Block H, 666 Beijing East Road, Huangpu District, Shanghai 200000 Applicant before: PING AN MEDICAL AND HEALTHCARE MANAGEMENT Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190322 |
|
| RJ01 | Rejection of invention patent application after publication |