CN109658145A - 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 PDF

Info

Publication number
CN109658145A
CN109658145A CN201811529380.2A CN201811529380A CN109658145A CN 109658145 A CN109658145 A CN 109658145A CN 201811529380 A CN201811529380 A CN 201811529380A CN 109658145 A CN109658145 A CN 109658145A
Authority
CN
China
Prior art keywords
special medicine
medicine
special
insurance
risk premium
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
Application number
CN201811529380.2A
Other languages
English (en)
Inventor
李云峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Ping An Medical Health Technology Service Co Ltd
Original Assignee
Ping An Medical and Healthcare Management Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Medical and Healthcare Management Co Ltd filed Critical Ping An Medical and Healthcare Management Co Ltd
Priority to CN201811529380.2A priority Critical patent/CN109658145A/zh
Publication of CN109658145A publication Critical patent/CN109658145A/zh
Pending legal-status Critical Current

Links

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
    • G06Q30/0283—Price estimation or determination
    • 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)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Technology Law (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (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，在接收到定价请求时，获取保险计划中各特药的特药人均年费用；根据各特药的特药人均年费用和赔付方案测算各特药的预计人均年赔付；根据各特药的预计人均年赔付、适用症发病率测算各特药的特药风险保费；根据各特药的用药特征和各特药的特药风险保费测算特药保险计划的年风险保费；根据年风险保费和预设运营方案测算特药保险计划的人均年毛保费。本发明结合特药费用、用药率、用药特征、运营成本等多个影响因素计算特药保险计划的毛保费，以大数据分析处理的方式对特药保险计划进行定价，从而更全面地考虑了特药保险计划价格影响因素，提高了定价的合理性和准确性。

Description

基于大数据的保险定价方法、装置、设备及可读存储介质
技术领域
本发明涉及大数据技术领域，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，如培唑帕尼(维全特)、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，提供特药保险计划；其中特药保险计划包括针对某一种疾病的保险计划，这种针对疾病的保险计划将适用症相同的多种特药列入报销范围，例如肾细胞癌(RCC)特药保险计划的报销特药包括培唑帕尼(维全特)、苹果酸舒尼替尼(索坦)、阿昔替尼(英立达)等。而在目前对于这种针对某种疾病的特药保险计划进行定价时，主要是由专家进行人工分析和确定，这种定价方法效率低，人为因素大，这降低了特药保险计划定价的准确性。
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，根据所述定价请求确定所述特药保险计划所包括的特药组合，并分别获取所述特药组合中各特药的特药人均年费用，其中所述特药组合至少包括两种特药；
获取所述特药保险计划的赔付方案，并根据所述各特药的特药人均年费用和所述赔付方案测算所述各特药的预计人均年赔付；
获取所述各特药的适用症发病率，并根据所述预计人均年赔付、所述适用症发病率测算所述各特药的特药风险保费；
获取所述各特药的用药特征，并根据所述各特药的用药特征和所述各特药的特药风险保费测算所述特药保险计划的年风险保费；
根据所述年风险保费和预设运营方案测算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：
第一获取模块，用于在接收到特药保险计划的定价请求时，根据所述定价请求确定所述特药保险计划所包括的特药组合，并分别获取所述特药组合中各特药的特药人均年费用，其中所述特药组合至少包括两种特药；
第二获取模块，用于获取所述特药保险计划的赔付方案，并根据所述各特药的特药人均年费用和所述赔付方案测算所述各特药的预计人均年赔付；
第三获取模块，用于获取所述各特药的适用症发病率，并根据所述预计人均年赔付、所述适用症发病率测算所述各特药的特药风险保费；
第四获取模块，用于获取所述各特药的用药特征，并根据所述各特药的用药特征和所述各特药的特药风险保费测算所述特药保险计划的年风险保费；
第五获取模块，用于根据所述年风险保费和预设运营方案测算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。
本发明结合特药使用费用、适用症发病率、不同特药的用药特征(用药关系)、运营成本等多个影响因素计算特药保险计划的毛保费，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使用特征，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以下步骤：
步骤S10，在接收到特药保险计划的定价请求时，根据所述定价请求确定所述特药保险计划所包括的特药组合，并分别获取所述特药组合中各特药的特药人均年费用，其中所述特药组合至少包括两种特药；
目前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，提供特药保险计划；其中特药保险计划包括针对某一种疾病的保险计划，这种针对疾病的保险计划将适用症相同的多种特药列入报销范围，例如肾细胞癌(RCC)特药保险计划的报销特药包括培唑帕尼(维全特)、苹果酸舒尼替尼(索坦)、阿昔替尼(英立达)等。而目前在对这种针对某种疾病的特药保险计划进行定价时，目前主要由专家进行人工分析和确定，这种定价方法效率低，人为因素大，这降低了特药保险计划定价的准确性。对此，本实施例中提出一种基于大数据的保险定价方法，结合特药使用费用、疾病发病率、特药用药特征(多种特药的用药关系)、运营成本等多个影响因素计算特药保险计划的毛保费，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，有利于降低保险计划的运营成本。
本实施列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；而对于需要进行定价的特药保险计划所针对的疾病，则以肾细胞癌(RCC)为例进行说明；其中，肾细胞癌(RCC)起源于肾实质泌尿小管上皮系统的恶性肿瘤(又称肾腺癌、肾癌等)，占肾脏恶性肿瘤的80％-90％，用于肾细胞癌治疗的特效药物包括培唑帕尼(维全特)、苹果酸舒尼替尼(索坦)、阿昔替尼(英立达)等。本实施列中，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组合，即本次保险计划的可报销的特药种类，其中该特药组合中至少包括两种特药，例如包括培唑帕尼(维全特)、苹果酸舒尼替尼(索坦)两种特药。其中，对于该特药组合的获取，可以是定价服务器在接收到该定价请求时根据该定价请求中的适用症种类标识确定可选特药种类，然后向定价终端发送组合询问信息，该组合询问信息中即包括有上述的可选特药种类，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选择要特药组合)并发送至定价服务器；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的特药组合信息，由定价终端将该特药组合添加至定价请求中一起发送至定价服务器。
定价服务器在确定特药组合时，将要获取该特药组合中各特药的费用情况，即分别购买各特药的费用情况；对于该费用情况，考虑到特药疗程、使用方法等因素，本实施列中以人均年费用进行表征，例如培唑帕尼的特药人均年费用和苹果酸舒尼替尼的特药人均年费用等。对于各特药的特药人均年费用，可以是通过各特药各自的说明书信息计算得到，该说明书信息包括有使用方法(服用方法)、说明书单价；为描述方便，通过说明书信息计算得到的人均年费用可称为“说明书人均年费用”。具体的，定价服务器首先将会获取特药的说明书信息，该说明书信息中包括说明书单价、疗程用量(盒)、疗程时长(月)等，例如培唑帕尼每盒价格为11700元，每个疗程用量4盒，每个疗程1个月；一年按12个月算，则培唑帕尼的说明书人均年费用为
说明书人均年费用＝说明书单价*(疗程用量*12/疗程时长)＝561600元
对于各特药的人均年费用，还可以参考其它已知城市的历史数据进行确定；为描述方便，这种根据历史数据用确定的人均年费用可称为“历史人均年费用”；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特药的适用症发病率和/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，本实施列中是参考了与被保人所在的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。具体的，定价服务器首先需要确定特药保险计划对应投保人所在的目标城市，对于该目标城市的确定过程，可以与上述特药组合的获取过程类似，此处不再赘述。定价服务器在确定目标城市时，将会获取目标城市的城市属性信息(或称为城市特征信息)，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。定价服务器在得到目标城市的城市属性信息时，将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在该样本城市的历史人均年费用数据。
进一步的，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，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)；该历史药物费用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。
当然，对于上述通过历史数据得出的历史人均年费用、和通过说明书信息得到的说明书人均年费用，都属于经验范畴和/或预测范畴的得到的数据，因此可统称为预测人均年费用；为了使得后续计算结果能够符合实际情况，还可以引入预设的费用附加风险因子(费用附加风险因子大于或等于零)、时间趋势因子(时间趋势因子大于或等于零)，以表征下一保险周期可能带来的风险情况(如表征货币通胀、药物价格变化等)，从而对预测人均年费用进行调整(或修正)，从而得到特药人均年费用；具体的，可根据上述预测人均年费用(历史人均年费用或说明书人均年费用)以及费用附加风险因子、时间趋势因子，计算特药人均年费用，即：
特药人均年费用＝预测人均年费用*(1+费用附加风险因子)*(1+时间趋势因子)。
步骤S20，获取所述特药保险计划的赔付方案，并根据所述各特药的特药人均年费用和所述赔付方案测算所述各特药的预计人均年赔付；
本实施例中，定价服务器在进行定价时，还需要获取特药保险计划的赔付方案，该赔付方案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
支出金额(万) 赔付比例
不超过1万的 95％
超过1万至3万的部分 95％
超过3万至5万的部分 95％
超过5万的部分 95％
当确定被保人在发生赔付事件时的事件支出(购买培唑帕尼的支出)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；而对于不同种类的特药，可以具有不同的赔付方案。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。
本实施例中，定价服务器在得到各特药的特药人均年费用和赔付方案时，即可根据该特药人均年费用和赔付方案测算各特药的预计人均年赔付(即被保人年度特药支出为特药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，而培唑帕尼的特药人均年费用为561600元，则
预计人均年赔付＝(10000-0)*0.95+(30000-10000)*0.95+(50000-30000)*0.95+(561600-50000)*0.95＝533520(元)。
步骤S30，获取所述各特药的适用症发病率，并根据所述预计人均年赔付、所述适用症发病率测算所述各特药的特药风险保费；
本实施例中，服务器在得到各特药的预计人均年赔付时，可根据各特药的预计人均年赔付测算各特药的特药风险保费；对于特药风险保费，是指正好用以支付赔款的金额；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，即被保人使用各特药的概率。该概率可根据各特药的适用症发病率(肾细胞癌的发病率)确定，也即根据预计人均年赔付、适用症发病率获取各特药的特药风险保费，即：
特药风险保费＝预计人均赔付*适用症发病率
其中，对于适用症发病率，也可以是根据参考城市的疾病记录和用药记录得到的；其中疾病记录包括肾细胞癌发病率等；当然，对于适用症发病率和特药使用率，也可以定价服务器从相关药品商城网站、疾病百科网站等站点查询(或通过爬虫技术等其它手段)得到。
步骤S40，获取所述各特药的用药特征，并根据所述各特药的用药特征和所述各特药的特药风险保费测算所述特药保险计划的年风险保费；
本实施例中，定价在得到各特药的特药风险保费时，即可根据各特药的特药风险保费进一步获取特药保险计划的年风险保费。值得说明的是，对于特药组合中的不同特药，其可能是用于治疗同一适用症不同阶段、或是不同形式的治疗，具有各自的用药特征，例如培唑帕尼、苹果酸舒尼替尼、阿昔替尼均为治疗肾细胞癌的特药，而培唑帕尼片用于晚期肾细胞癌的治疗，苹果酸舒尼替尼片用于晚期不能手术的肾细胞癌的治疗，阿昔替尼用于既往接受过一种酪氨酸激酶抑制剂或细胞因子治疗失败的进展期肾癌的治疗；这些特药在实际使用过程中，两两特药之间可能具有可同时兼容用药(即两种特药在同一周期内可能会同时使用)、或不可兼容用药(即两种特药在同一周期内不可能会同时使用)的用药特征关系。基于上述原因，本实施例的定价服务器在进行保险定价时，还将要获取到特药组合中各特药的用药特征，该用药特征可是从说明书信息中获得，包括用药阶段、兼容药物、冲突药物等内容；然后定价服务器会根据各特药的用药特征，确定特药组合中各特药之间的用药关系，并根据该用药关系和各特药的特药风险保费获取所述特药保险计划的年风险保费。其中，该用药关系可以包括可同时兼容用药和不可同时兼容用药；若两种特药之间可同时兼容用药，则说明被保人可能会同时购买两种特药，此时为了避免亏损，年风险保费的确定需要同时考虑两种特药的费用赔付风险；而若两者之间不可同时兼容用药，则说明被保人至多会购买其中的一种特药，此时为了避免定价过高，年风险保费的确定只需考虑其中风险费用较高的一种特药的费用赔付风险。
可选地，当特药保险计划的特药组合包括第一特药A和第二特药B两种特药时，定价服务器在计算该特药保险计划的年风险保费过程中，首先将会获取A的第一特药风险保费RA和B的第二特药风险保费RB，并获取A和B的用药特征，然后根据A和B的用药特征判断A和B在预设周期内是否可同时兼容用药；如果A和B在预设周期内可同时兼容用药，则说明被保人可能会同时购买两种特药，此时定价服务器将计算RA和RB的风险保费和作为该特药保险计划的年风险保费R，也即R＝RA+RB；而如果A和B在预设周期内不可同时兼容用药，则说明被保人最多可能会同时购买其中的一种特药，此时定价服务器会将RA和RB进行比较，并将其中的较大者作为该特药保险计划的年风险保费R，也即R＝max(RA,RB)。
可选地，当特药保险计划的特药组合包括第一特药A、第二特药B和第三特药C三种特药时，定价服务器在计算该特药保险计划的年风险保费过程，首先将获取A的第一特药风险保费RA、B的第二特药风险保费RB和C的第三特药风险保费RC，然后获取A、B和C的用药特征，并根据A、B和C的用药特征判断三者之间的兼容用药关系；值得说明是，在判断兼容用药关系时，是通过两两判断的方式进行。如果三者之间两两均可同时兼容用药，则可将三者的特药风险保费和作为特药保险计划的年风险保费R，也即R＝RA+RB+RC；而如果三者之间不存在可同时兼容用药的关系(三者两两互斥)，则可将三者各自的特药风险保费中的最大者作为特药保险计划的年风险保费R，也即R＝(RA,RB,RC)；而如果三者之间既有可同时兼容用药的关系、又有不可同时兼容用药的关系，则需要根据具体情况进行确定。
例如，如果A和B在预设周期内可同时兼容用药，且A和C在预设周期内不可同时兼容用药、B和C在预设周期内不可同时兼容用药，则说明A、B、C三种特药之间既有兼容又有互斥的关系；此时定价服务器将计算RA和RB的风险保费和RAB(RAB＝RA+RB)，然后将RAB和RC进行比较，将其中的较大风险保费作为特药保险计划的年风险保费R，也即R＝max(RA+RB,RC)。
又例如，如果A和C在预设周期内可同时兼容用药、B和C在预设周期内可同时兼容用药，且A和B在预设周期内不可同时兼容用药，则此时可先确定RA和RB之间的较大风险保费max(RA,RB)，然后计算该max(RA,RB)与RC之和作为特药保险计划的年风险保费R，也即R＝[max(RA,RB)]+RC。
当然，在实际中，特药保险计划的特药组合还可能包括四种以上(此处“以上”包括本数，下同)的特药，此时定价服务器可基于类似的方式获取特药保险计划的年风险保费，此处不再赘述。
步骤S50，根据所述年风险保费和预设运营方案测算所述特药保险计划的人均年毛保费。
本实施例中，当得到年风险保费时，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。
本实施列中，定价服务器在得到特药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(如特药种类、赔付方案)、数据来源(如历史数据)、中间数据(如特药人均年费用、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，根据所述定价请求确定所述特药保险计划所包括的特药组合，并分别获取所述特药组合中各特药的特药人均年费用，其中所述特药组合至少包括两种特药；获取所述特药保险计划的赔付方案，并根据所述各特药的特药人均年费用和所述赔付方案测算所述各特药的预计人均年赔付；获取所述各特药的适用症发病率，并根据所述预计人均年赔付、所述适用症发病率测算所述各特药的特药风险保费；获取根据所述各特药的用药特征，并根据所述各特药的用药特征和所述各特药的特药风险保费测算所述特药保险计划的年风险保费；根据所述年风险保费和预设运营方案测算所述特药保险计划的人均年毛保费。通过以上方式，本实施例结合特药使用费用、适用症发病率、不同特药的用药特征(用药关系)、运营成本等多个影响因素计算特药保险计划的毛保费，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使用特征，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：
第一获取模块10，用于在接收到特药保险计划的定价请求时，根据所述定价请求确定所述特药保险计划所包括的特药组合，并分别获取所述特药组合中各特药的特药人均年费用，其中所述特药组合至少包括两种特药；
第二获取模块20，用于获取所述特药保险计划的赔付方案，并根据所述各特药的特药人均年费用和所述赔付方案测算所述各特药的预计人均年赔付；
第三获取模块30，用于获取所述各特药的适用症发病率，并根据所述预计人均年赔付、所述适用症发病率测算所述各特药的特药风险保费；
第四获取模块40，用于获取所述各特药的用药特征，并根据所述各特药的用药特征和所述各特药的特药风险保费测算所述特药保险计划的年风险保费；
第五获取模块50，用于根据所述年风险保费和预设运营方案测算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，所述特药组合包括第一特药和第二特药两种特药，
所述第四获取模块40，包括：
第一判断单元，用于根据所述各特药的用药特征判断所述第一特药和所述第二特药在预设周期内是否可同时兼容用药；
第一获取单元，用于若所述第一特药和所述第二特药在所述预设周期内可同时兼容用药，则计算所述第一特药的第一特药风险保费与所述第二特药的第二特药风险保费的风险保费和作为所述特药保险计划的年风险保费；
第二获取单元，用于若所述第一特药和所述第二特药在所述预设周期内不可同时兼容用药，则将所述第一特药的第一特药风险保费与所述第二特药的第二特药风险保费之中的较大风险保费作为所述特药保险计划的年风险保费。
进一步的，所述特药组合包括第一特药、第二特药和第三特药三种特药，
所述第四获取模块40，包括：
第二判断单元，用于根据所述各特药的用药特征判断所述第一特药、所述第二特药和所述第三特药在预设周期内的兼容用药关系；
第三获取单元，用于若所述第一特药和所述第二特药在所述预设周期内可同时兼容用药，且所述第一特药和所述第三特药在所述预设周期内不可同时兼容用药、所述第二特药和所述第三特药在所述预设周期内不可同时兼容用药，则计算所述第一特药的第一特药风险保费与所述第二特药的第二特药风险保费的第一风险保费和，并将所述第一风险保费和与所述第三特药的第三特药风险保费之中的第一较大风险保费作为所述特药保险计划的年风险保费；
进一步的，所述第四获取模块40，还包括：
第四获取单元，用于若所述第一特药和所述第三特药在所述预设周期内可同时兼容用药、所述第二特药和所述第三特药在所述预设周期内可同时兼容用药，且所述第一特药和所述第二特药在所述预设周期内不可同时兼容用药，则确定所述第一特药的第一特药风险保费与所述第二特药的第二特药风险保费之中的第二较大风险保费，并计算所述第二较大风险保费与所述第三特药的第三特药风险保费的第二风险保费和作为所述特药保险计划的年风险保费。
进一步的，所述第一获取模块10，包括：
费用获取单元，用于分获取所述各特药对应的说明书信息，根据所述说明书信息计算所述各特药的特药人均年费用；或，
用于确定所述特药保险计划对应被保人所在的目标城市，并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，以获取所述各特药在所述参考城市的特药人均年费用。
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，
所述第五获取模块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。
进一步的，所述基于大数据的保险定价装置还包括：
报告生成模块，用于获取预设报告模板，并根据定价过程的定价数据和所述预设报告模板生成对应的定价报告。
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，实现如上述的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，根据所述定价请求确定所述特药保险计划所包括的特药组合，并分别获取所述特药组合中各特药的特药人均年费用，其中所述特药组合至少包括两种特药；
获取所述特药保险计划的赔付方案，并根据所述各特药的特药人均年费用和所述赔付方案测算所述各特药的预计人均年赔付；
获取所述各特药的适用症发病率，并根据所述预计人均年赔付、所述适用症发病率测算所述各特药的特药风险保费；
获取所述各特药的用药特征，并根据所述各特药的用药特征和所述各特药的特药风险保费测算所述特药保险计划的年风险保费；
根据所述年风险保费和预设运营方案测算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，所述特药组合包括第一特药和第二特药两种特药，
所述根据所述各特药的用药特征和所述各特药的特药风险保费测算所述特药保险计划的年风险保费的步骤包括：
根据所述各特药的用药特征判断所述第一特药和所述第二特药在预设周期内是否可同时兼容用药；
若所述第一特药和所述第二特药在所述预设周期内可同时兼容用药，则计算所述第一特药的第一特药风险保费与所述第二特药的第二特药风险保费的风险保费和作为所述特药保险计划的年风险保费；
若所述第一特药和所述第二特药在所述预设周期内不可同时兼容用药，则将所述第一特药的第一特药风险保费与所述第二特药的第二特药风险保费之中的较大风险保费作为所述特药保险计划的年风险保费。
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，所述特药组合包括第一特药、第二特药和第三特药三种特药，
所述根据所述各特药的用药特征和所述各特药的特药风险保费测算所述特药保险计划的年风险保费的步骤包括：
根据所述各特药的用药特征判断所述第一特药、所述第二特药和所述第三特药在预设周期内的兼容用药关系；
若所述第一特药和所述第二特药在所述预设周期内可同时兼容用药，且所述第一特药和所述第三特药在所述预设周期内不可同时兼容用药、所述第二特药和所述第三特药在所述预设周期内不可同时兼容用药，则计算所述第一特药的第一特药风险保费与所述第二特药的第二特药风险保费的第一风险保费和，并将所述第一风险保费和与所述第三特药的第三特药风险保费之中的第一较大风险保费作为所述特药保险计划的年风险保费。
4.如权利要求3所述的基于大数据的保险定价方法，其特征在于，所述根据所述各特药的用药特征判断所述第一特药、所述第二特药和所述第三特药在预设周期内的兼容用药关系的步骤之后，还包括：
若所述第一特药和所述第三特药在所述预设周期内可同时兼容用药、所述第二特药和所述第三特药在所述预设周期内可同时兼容用药，且所述第一特药和所述第二特药在所述预设周期内不可同时兼容用药，则确定所述第一特药的第一特药风险保费与所述第二特药的第二特药风险保费之中的第二较大风险保费，并计算所述第二较大风险保费与所述第三特药的第三特药风险保费的第二风险保费和作为所述特药保险计划的年风险保费。
5.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，所述分别获取所述特药组合中各特药的特药人均年费用的步骤包括：
分获取所述各特药对应的说明书信息，根据所述说明书信息计算所述各特药的特药人均年费用；
或，确定所述特药保险计划对应被保人所在的目标城市，并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，以获取所述各特药在所述参考城市的特药人均年费用。
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测算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。
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之后，还包括：
获取预设报告模板，并根据定价过程的定价数据和所述预设报告模板生成对应的定价报告。
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：
第一获取模块，用于在接收到特药保险计划的定价请求时，根据所述定价请求确定所述特药保险计划所包括的特药组合，并分别获取所述特药组合中各特药的特药人均年费用，其中所述特药组合至少包括两种特药；
第二获取模块，用于获取所述特药保险计划的赔付方案，并根据所述各特药的特药人均年费用和所述赔付方案测算所述各特药的预计人均年赔付；
第三获取模块，用于获取所述各特药的适用症发病率，并根据所述预计人均年赔付、所述适用症发病率测算所述各特药的特药风险保费；
第四获取模块，用于获取所述各特药的用药特征，并根据所述各特药的用药特征和所述各特药的特药风险保费测算所述特药保险计划的年风险保费；
第五获取模块，用于根据所述年风险保费和预设运营方案测算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。
CN201811529380.2A 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 Pending CN109658145A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811529380.2A CN109658145A (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
CN201811529380.2A CN109658145A (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
CN109658145A true CN109658145A (zh) 2019-04-19

Family

ID=66114213

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811529380.2A Pending CN109658145A (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) CN109658145A (zh)

Similar Documents

Publication Publication Date Title
Lin Managing the risks of equity crowdfunding: lessons from China
Nguyen et al. The financial protection effect of Ghana National Health Insurance Scheme: evidence from a study in two rural districts
Azzopardi Muscat et al. Malta: health system review
CN109615536A (zh) 基于ocr技术的保险理赔方法、装置、设备及可读存储介质
US10650468B2 (en) Systems and methods for automated matching and conversion of term life insurance policies
Nandi et al. Using an equity-based framework for evaluating publicly funded health insurance programmes as an instrument of UHC in Chhattisgarh State, India
Mestre-Ferrandiz et al. Multi-indication pricing: nice in theory but can it work in practice?
Maluka et al. Implementation of Community Health Fund in Tanzania: why do some districts perform better than others?
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
Azzopardi-Muscat et al. Health systems in transition
Muscat et al. Malta: Health system review.
Ustaoğlu Public awareness, understanding and attitudes towards interest-free insurance (Takaful) services evaluation by education level: survey based on empirical analysis for Turkey
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
Yeung et al. Paying for cures: how can we afford it? Managed care pharmacy stakeholder perceptions of policy options to address affordability of prescription drugs
CN109658145A (zh) 基于大数据的保险定价方法、装置、设备及可读存储介质
Bennett et al. Estimating uncompensated care charges at rural hospital emergency departments
Teo et al. Myanmar health financing system assessment
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
Tomini et al. Can people afford to pay for health care?: new evidence on financial protection in Albania
Jakab et al. Can people afford to pay for health care? New evidence on financial protection in Kyrgyzstan
CN109658144A (zh) 特药保险计划的定价方法、装置、设备及可读存储介质
Kamara et al. Strategic Purchasing of Health Services in Sierra Leone
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
Colton et al. Commissions of audit in Australia: health system privatisation directives and civil conscription protections
Abbott Prosecuting Excessive Pricing of Pharmaceuticals under Competition Law: Evolutionary Development

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: 20190419

RJ01 Rejection of invention patent application after publication