CN109919784A - 保单处理方法、装置、计算机设备及计算机可读存储介质 - Google Patents

Abstract

本发明实施例提供了一种保单处理方法、装置、计算机设备及计算机可读存储介质，其中，该方法包括：获取投保规则，其中，所述投保规则包括根据医疗机构的医疗数据确定的拒保条件；从医疗机构获取客户的医疗信息；将所述客户的医疗信息与所述投保规则进行匹配，当所述客户的医疗信息包括所述拒保条件时，确定所述客户的保单核保失败。该方案有利于提高保单处理结果的准确性、合理性，还有利于降低风险。

Description

保单处理方法、装置、计算机设备及计算机可读存储介质

技术领域

本发明涉及数据处理技术领域，特别涉及一种保单处理方法、装置、计算机设备及计算机可读存储介质。

背景技术

目前，保险公司推出各种各样的健康险产品，针对不同产品并根据其特点制订出合理、准确和具有市场竞争力的价格是健康保险业务经营的基础，因此，建立并随时修正恰当的健康保险费率和费率表是健康保险精算中最传统的工作。保险产品设计人员需要对所覆盖的出险病种的一定期限后的出险率进行评估，并需要制定承保条件，对特定人群和体检指标的客户进行拒保或者差异化定价。目前承保条件制定通常是依靠经验或者保险公司自己掌握的数据，这样增加了产品设计的难度，且由于一些经验误差的存在增大了保险产品风险。

例如：在防范逆选择风险方面，98％以上的客户仍然以本人书面告知健康状况为主，现有险企针对投保客户的风险识别则依据被保险人的书面健康告知，由于健康告知与被保险人有直接的利益，如身体不健康时会加费或者拒保，所以，按照真实情况进行告知的客户较少，绝大多数均隐瞒真实的健康状况，使得书面告知不准确，进而导致险企由于缺乏数据支持，信息不对称，无法识别个人风险，险企控制逆选择风险难度大，风险成本大于收益，造成经营上的困难。也由于无法识别个人风险使得无法实现对个体定价，所以只能根据所有人的大数法则进行定价，这相当于健康人群为不健康人群承担了较多保费。也由于道德风险的客户的存在，险企也据此提高了保费，这样就对健康人群造成了损害，抬高了进入保险的门槛。

还例如，现有技术中的一种智能核保方法包括：接收前端发送的体检报告，所述体检报告与体检函相对应，所述体检函根据待体检投保单来生成；获取所述体检报告中的体检信息以及所述待体检投保单中的险种；根据所述险种获取所述体检信息对应的评点规则；将所述体检信息与所述评点规则进行比对，根据比对结果对所述待体检投保单生成核保决定。采用本方法针对下发过体检函的投保单能够有效提高核保效率。

该方法中获取的所述体检信息对应的评点规则，这些规则实践中往往会根据经验来制定。

又例如，现有技术还提供了一种基于医学大数据的保险精算方法和系统，将参保人员的体征信息和医疗信息作为参考数据计算参保人员的疾病风险概率，将疾病风险概率作为其中一个保险因子参与保险精算创建保险产品，降低了保险产品的输出风险。

但是，参保人员的体征信息和医疗信息的数据在数量上非常有限，仅基于参保人员的体征信息和医疗信息就最终得到保险产品，合理性不足。

发明内容

本发明实施例提供了一种保单处理方法，以解决现有技术中在处理保单时由于数据不足或依据经验导致存在不合理、风险大的技术问题。该方法包括：

获取投保规则，其中，所述投保规则包括根据医疗机构的医疗数据确定的拒保条件；

从医疗机构获取客户的医疗信息；

将所述客户的医疗信息与所述投保规则进行匹配，当所述客户的医疗信息包括所述拒保条件时，确定所述客户的保单核保失败。

本发明实施例还提供了一种保单处理装置，以解决现有技术中在处理保单时由于数据不足或依据经验导致存在不合理、风险大的技术问题。该装置包括：

规则获取模块，用于获取投保规则，其中，所述投保规则包括根据医疗机构的医疗数据确定的拒保条件；

医疗信息获取模块，用于从医疗机构获取客户的医疗信息；

保单处理模块，用于将所述客户的医疗信息与所述投保规则进行匹配，当所述客户的医疗信息包括所述拒保条件时，确定所述客户的保单核保失败。

本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意的保单处理方法，以解决现有技术中在处理保单时由于数据不足或依据经验导致存在不合理、风险大的技术问题。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意的保单处理方法的计算机程序，以解决现有技术中在处理保单时由于数据不足或依据经验导致存在不合理、风险大的技术问题。

在本发明实施例中，提出了根据医疗机构的医疗数据来确定投保规则中的拒保条件，医疗机构的医疗数据可以是医院HIS(Hospital Information System，医院信息系统)数据、体检中心体检数据、社保数据等等，由于机构的医疗数据相对于经验而言，具备充足的大数据基础，有利于提高投保规则的合理性、有效性，进而有利于降低保单处理的风险性；此外，在保单处理过程中，从医疗机构获取客户的医疗信息，并基于获得的医疗信息与投保规则进行匹配，来确定保单的处理结果，由于直接基于从医疗机构获取客户的医疗信息来进行保单处理，避免出现隐瞒健康状况导致的信息不对称等问题。本申请的保单处理是基于真实、准确的客户医疗信息和合理、有效的投保规则而进行的自动数据处理过程，有利于提高保单处理结果的准确性、合理性，还有利于降低风险。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：

图1是本发明实施例提供的一种保单处理方法的流程图；

图2是本发明实施例提供的一种具体的实施上述保单处理方法的流程图；

图3是本发明实施例提供的一种计算机设备的结构框图；

图4是本发明实施例提供的一种保单处理装置的结构框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。

在本发明实施例中，提供了一种保单处理方法，如图1所示，该方法包括：

步骤102：获取投保规则，其中，所述投保规则包括根据医疗机构的医疗数据确定的拒保条件；

步骤104：从医疗机构获取客户的医疗信息；

步骤106：将所述客户的医疗信息与所述投保规则进行匹配，当所述客户的医疗信息包括所述拒保条件时，确定所述客户的保单核保(核保一般是指保险核保，保险核保是指对投保的标的信息全面掌握、核实的基础上，对可保风险进行评判与分类，进而决定是否承保、以什么样的条件承保的过程)失败，即此时对该客户的保单拒保。

由图1所示的流程可知，在本发明实施例中，提出了根据医疗机构的医疗数据来确定投保规则中的拒保条件，医疗机构的医疗数据可以是医院HIS数据、体检中心体检数据、社保数据等等，由于机构的医疗数据相对于经验而言，具备充足的大数据基础，有利于提高投保规则的合理性、有效性，进而有利于降低保单处理的风险性；此外，在保单处理过程中，从医疗机构获取客户的医疗信息，并基于获得的医疗信息与投保规则进行匹配，来确定保单的处理结果，由于直接基于从医疗机构获取客户的医疗信息来进行保单处理，避免出现隐瞒健康状况导致的信息不对称等问题。本申请的保单处理是基于真实、准确的客户医疗信息和合理、有效的投保规则而进行的自动数据处理过程，有利于提高保单处理结果的准确性、合理性，还有利于降低风险。

具体实施时，上述保单处理方法可以用于健康险的保单处理。健康险是健康保险的中文简称，是指保险公司通过疾病保险、医疗保险、失能收入损失保险和护理保险等方式对因健康原因导致的损失给付保险金的保险。

具体实施时，上述医疗机构的医疗数据可以包括医院HIS数据、体检中心体检数据、社保数据以及保险理赔数据等等。具体的，上述医疗数据包括有人群属性信息、指标病症以及病种，人群属性信息可以包括性别、年龄、行业、地域等自然人群属性信息；指标病症可以包括体重指数、血压、血糖等各种体检指标数据，指标病症还可以包括甲状腺有肿块等各种症状数据；病种可以包括肥胖、高血压、高血脂、甲状腺结节等疾病诊断数据。

具体实施时，基于上述医疗机构的医疗数据这样充足的大数据基础，在本实施例中，提供了一种基于大数据分析合理、风险低的投保规则的方式。

首先，基于大数据分析承保条件和拒保条件，例如，根据医疗机构的医疗数据，分析出多个数据组，每个数据组包括人群属性信息、指标病症以及病种；即不同人群属性信息、不同指标病症以及不同病种组合成不同的数据组，例如，如下表1所示，40岁男性、甲状腺功能异常以及甲状腺癌组成一个数据组1，40岁男性、同时具有甲状腺结节和甲状腺包块，以及甲状腺癌组成另一个数据组2；

表1

数据组编号	人群属性信息	指标病症	病种
				1	40岁男性	甲状腺功能异常	甲状腺癌
2	40岁男性	甲状腺结节、甲状腺包块	甲状腺癌

针对每个数据组，在该数据组的人群属性信息和指标病症的情况下，计算在预设年限内该数据组的病种发生的概率；例如，针对上述数据组1，甲状腺功能异常的40岁男性，在5年内被诊断为甲状腺癌的概率为3％，针对上述数据组2，具有甲状腺结节和甲状腺包块的40岁男性，在5年内被诊断为甲状腺癌的概率为10％。具体的，可以采用BI(BusinessIntelligence，商务智能)技术来分析数据组并计算各数据组的概率，BI是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确地提供报表并提出决策依据，帮助企业做出明智的业务经营决策。

针对各个数据组，将概率大于预设阈值的数据组确定为拒保条件，将概率小于预设阈值的数据组确定为承保条件。预设阈值的大小可以根据具体情况来确定，例如，预设阈值为5％，则上述数据组1对应的概率3％小于5％，则数据组1确定为承保条件；上述数据组2对应的概率10％大于5％，则数据组2确定为拒保条件。

其次，在分析出承保条件和拒保条件后，则可以根据保险覆盖病种和保障年限确定出投保规则，例如，接收输入的保险覆盖病种和保障年限；例如，保险覆盖病种为甲状腺癌，保障年限为5年；

将所述保险覆盖病种和所述保障年限与各数据组匹配，将同时包含所述保险覆盖病种和所述保障年限的拒保条件以及同时包含所述保险覆盖病种和所述保障年限的承保条件组成所述投保规则。例如，具体的，将甲状腺癌和5年与各数据组的信息进行匹配，属于拒保条件的上述数据组2同时包含甲状腺癌和5年，属于承保条件的上述数据组1同时包含甲状腺癌和5年，此时，将上述数据组1和上述数据组2的内容组成投保规则。

具体实施时，在确定出投保规则后，可以将投保规则展示给保险机构，以实现将确定的投保规则推荐给保险机构，为了满足不同的需要，还可以根据保险机构的选择确定出符合保险机构需求的个性化的投保规则，例如，接收选择指令；在同时包含所述保险覆盖病种和所述保障年限的拒保条件中，确定所述选择指令选中的拒保条件；在同时包含所述保险覆盖病种和所述保障年限的承保条件中，确定所述选择指令选中的承保条件；将选中的拒保条件和选中的承保条件组成投保规则。

具体实施时，确定出投保规则之后，就可以基于投保规则来处理保单，例如，可以将投保规则部署在核保引擎中，核保引擎将客户的医疗信息与投保规则进行匹配，当客户的医疗信息包括投保规则中的拒保条件时，确定该客户的保单核保失败，依此结果可以对该客户拒保；当客户的医疗信息不包括投保规则中的拒保条件时，确定该客户的保单核保成功，依此结果可以对该客户承保。

具体实施时，获取客户的医疗信息的医疗机构可以是医院、体检中心、社保机构等，客户的医疗信息也包括客户的人群属性信息、病症以及诊断疾病等信息。

具体实施时，为了进一步降低保单处理的风险，在本实施例中，还可以根据所述投保规则中承保条件对应的概率，计算所述投保规则的出险率，即可以得到依据该投保规则承保的保险的出险率，该出险率可以作为保险机构衡量风险的依据。其中，出险率(riskprobability)亦称“出险概率”，指在一定时期内(通常为1年)一定数量的危险单位中可能出险的机率或平均出险频率，以百分数或千分数来表示。例如，针对上述数据组1，甲状腺功能异常的40岁男性，在5年内被诊断为甲状腺癌的概率为3％，当以数据组1为承保条件组成投保规则时，则该投保规则的出险率为3％。

以下结合图2来详细描述实施上述保单处理方法的流程，如图2所示，该流程包括：

步骤201：从医疗数据机构的数据库(包含医院HIS数据、体检中心体检数据、社保数据、保险理赔数据等)获取医疗数据，该医疗数据包括人群属性信息、指标病症以及病种等数据，将获取的医疗数据保存在BI分析模块中；

步骤202：BI分析模块基于获取的医疗数据分析出多个数据组，并针对每个数据组，在该数据组的人群属性信息和指标病症的情况下，计算在预设年限内该数据组的病种发生的概率，进而根据预设阈值，分别确定出属于拒保条件的数据组和属于承保条件的数据组，将各数据组按照概率从大到小进行排序并存储在投保规则推荐模块中；

步骤203：投保规则推荐模块接收保险结构输入的保险覆盖病种及保障年限；

步骤204：投保规则推荐模块根据输入的保险覆盖病种及保障年限，将同时包含保险覆盖病种和保障年限的拒保条件以及同时包含保险覆盖病种和保障年限的承保条件组成投保规则，将确定出的投保规则输出，推荐给保险机构Web端；

步骤205：接收保险机构输入的选择指令，根据选择指令在推荐的投保规则中选定部分规则作为投保规则，将投保规则发给出险率计算模块；

步骤206：出险率计算模块从BI分析模块请求获取投保规则中承保条件对应的概率；

步骤207：BI分析模块返回给出险率计算模块所请求数据；

步骤208：出险率计算模块根据投保规则中承保条件对应的概率，计算投保规则的出险率，将出险率结果返回给保险机构Web端；

步骤209：将核保规则部署到医疗数据机构的核保引擎中，核保引擎将客户的医疗信息与投保规则进行匹配，当客户的医疗信息包括投保规则中的拒保条件时，确定该客户的保单核保失败，依此结果可以对该客户拒保；当客户的医疗信息不包括投保规则中的拒保条件时，确定该客户的保单核保成功，依此结果可以对该客户承保。

在本实施例中，还提供了一种计算机设备，如图3所示，包括存储器302、处理器304及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意的保单处理方法。

在本实施例中，还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意的保单处理方法的计算机程序。

基于同一发明构思，本发明实施例中还提供了一种保单处理装置，如下面的实施例所述。由于保单处理装置解决问题的原理与保单处理方法相似，因此保单处理装置的实施可以参见保单处理方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图4是本发明实施例的保单处理装置的一种结构框图，如图4所示，该装置包括：

规则获取模块402，用于获取投保规则，其中，所述投保规则包括根据医疗机构的医疗数据确定的拒保条件；

医疗信息获取模块404，用于从医疗机构获取客户的医疗信息；

保单处理模块406，用于将所述客户的医疗信息与所述投保规则进行匹配，当所述客户的医疗信息包括所述拒保条件时，确定所述客户的保单核保失败。

在一个实施例中，还包括：

数据分析模块，用于在获取投保规则之前，根据医疗机构的医疗数据，分析出多个数据组，每个数据组包括人群属性信息、指标病症以及病种；

概率计算模块，用于针对每个数据组，在该数据组的人群属性信息和指标病症的情况下，计算在预设年限内该数据组的病种发生的概率；

确定模块，用于针对各个数据组，将概率大于预设阈值的数据组确定为拒保条件，将概率小于预设阈值的数据组确定为承保条件。

在一个实施例中，还包括：

数据接收模块，用于接收输入的保险覆盖病种和保障年限；

投保规则生成模块，用于将所述保险覆盖病种和所述保障年限与各数据组匹配，将同时包含所述保险覆盖病种和所述保障年限的拒保条件以及同时包含所述保险覆盖病种和所述保障年限的承保条件组成所述投保规则。

在一个实施例中，所述投保规则生成模块，包括：

指令接收单元，用于接收选择指令；

投保规则生成单元，用于在同时包含所述保险覆盖病种和所述保障年限的拒保条件中，确定所述选择指令选中的拒保条件；在同时包含所述保险覆盖病种和所述保障年限的承保条件中，确定所述选择指令选中的承保条件；将选中的拒保条件和选中的承保条件组成所述投保规则。

在一个实施例中，还包括：

出险率计算模块，用于根据所述投保规则中承保条件对应的概率，计算所述投保规则的出险率。

在另外一个实施例中，还提供了一种软件，该软件用于执行上述实施例及优选实施方式中描述的技术方案。

在另外一个实施例中，还提供了一种存储介质，该存储介质中存储有上述软件，该存储介质包括但不限于：光盘、软盘、硬盘、可擦写存储器等。

本发明实施例实现了如下技术效果：提出了根据医疗机构的医疗数据来确定投保规则中的拒保条件，医疗机构的医疗数据可以是医院HIS数据、体检中心体检数据、社保数据等等，由于机构的医疗数据相对于经验而言，具备充足的大数据基础，有利于提高投保规则的合理性、有效性，进而有利于降低保单处理的风险性；此外，在保单处理过程中，从医疗机构获取客户的医疗信息，并基于获得的医疗信息与投保规则进行匹配，来确定保单的处理结果，由于直接基于从医疗机构获取客户的医疗信息来进行保单处理，避免出现隐瞒健康状况导致的信息不对称等问题。本申请的保单处理是基于真实、准确的客户医疗信息和合理、有效的投保规则而进行的自动数据处理过程，有利于提高保单处理结果的准确性、合理性，还有利于降低风险。

显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种保单处理方法，其特征在于，包括：

获取投保规则，其中，所述投保规则包括根据医疗机构的医疗数据确定的拒保条件；

从医疗机构获取客户的医疗信息；

将所述客户的医疗信息与所述投保规则进行匹配，当所述客户的医疗信息包括所述拒保条件时，确定所述客户的保单核保失败。

2.如权利要求1所述的保单处理方法，其特征在于，还包括：

在获取投保规则之前，根据医疗机构的医疗数据，分析出多个数据组，每个数据组包括人群属性信息、指标病症以及病种；

针对每个数据组，在该数据组的人群属性信息和指标病症的情况下，计算在预设年限内该数据组的病种发生的概率；

针对各个数据组，将概率大于预设阈值的数据组确定为拒保条件，将概率小于预设阈值的数据组确定为承保条件。

3.如权利要求2所述的保单处理方法，其特征在于，还包括：

接收输入的保险覆盖病种和保障年限；

将所述保险覆盖病种和所述保障年限与各数据组匹配，将同时包含所述保险覆盖病种和所述保障年限的拒保条件以及同时包含所述保险覆盖病种和所述保障年限的承保条件组成所述投保规则。

4.如权利要求3所述的保单处理方法，其特征在于，将同时包含所述保险覆盖病种和所述保障年限的拒保条件以及同时包含所述保险覆盖病种和所述保障年限的承保条件组成所述投保规则，包括：

接收选择指令；

在同时包含所述保险覆盖病种和所述保障年限的拒保条件中，确定所述选择指令选中的拒保条件；

在同时包含所述保险覆盖病种和所述保障年限的承保条件中，确定所述选择指令选中的承保条件；

将选中的拒保条件和选中的承保条件组成所述投保规则。

5.如权利要求3至4中任一项所述的保单处理方法，其特征在于，还包括：

根据所述投保规则中承保条件对应的概率，计算所述投保规则的出险率。

6.一种保单处理装置，其特征在于，包括：

规则获取模块，用于获取投保规则，其中，所述投保规则包括根据医疗机构的医疗数据确定的拒保条件；

医疗信息获取模块，用于从医疗机构获取客户的医疗信息；

保单处理模块，用于将所述客户的医疗信息与所述投保规则进行匹配，当所述客户的医疗信息包括所述拒保条件时，确定所述客户的保单核保失败。

7.如权利要求6所述的保单处理装置，其特征在于，还包括：

数据分析模块，用于在获取投保规则之前，根据医疗机构的医疗数据，分析出多个数据组，每个数据组包括人群属性信息、指标病症以及病种；

概率计算模块，用于针对每个数据组，在该数据组的人群属性信息和指标病症的情况下，计算在预设年限内该数据组的病种发生的概率；

确定模块，用于针对各个数据组，将概率大于预设阈值的数据组确定为拒保条件，将概率小于预设阈值的数据组确定为承保条件。

8.如权利要求7所述的保单处理装置，其特征在于，还包括：

数据接收模块，用于接收输入的保险覆盖病种和保障年限；

投保规则生成模块，用于将所述保险覆盖病种和所述保障年限与各数据组匹配，将同时包含所述保险覆盖病种和所述保障年限的拒保条件以及同时包含所述保险覆盖病种和所述保障年限的承保条件组成所述投保规则。

9.如权利要求8所述的保单处理装置，其特征在于，所述投保规则生成模块，包括：

指令接收单元，用于接收选择指令；

投保规则生成单元，用于在同时包含所述保险覆盖病种和所述保障年限的拒保条件中，确定所述选择指令选中的拒保条件；在同时包含所述保险覆盖病种和所述保障年限的承保条件中，确定所述选择指令选中的承保条件；将选中的拒保条件和选中的承保条件组成所述投保规则。

10.如权利要求8至9中任一项所述的保单处理装置，其特征在于，还包括：

出险率计算模块，用于根据所述投保规则中承保条件对应的概率，计算所述投保规则的出险率。

11.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的保单处理方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至5中任一项所述的保单处理方法的计算机程序。