TWM607439U

TWM607439U - 投資型保單檢核系統

Info

Publication number: TWM607439U
Application number: TW109211479U
Authority: TW
Inventors: 林宜平; 陳姿穎; 陳薪卉; 江兆峰; 家碩秦; 柯沛瑜
Original assignee: 南山人壽保險股份有限公司
Priority date: 2020-09-02
Filing date: 2020-09-02
Publication date: 2021-02-11

Abstract

本創作提供一種投資型保單檢核系統，包含：保單資料庫，用以儲存複數筆保單資料；擷取單元，電性連接保單資料庫，用以從保單資料庫的保單資料擷取保單歷史資料、繳費資料和費用資料；模型建立單元，電性連接擷取單元，建立檢核模型，其中，檢核模型係根據費用資料、繳費資料及保單歷史資料建立；比對單元，電性連接模型建立單元，基於檢核模型針對費用資料產生檢核輸出資料。

Description

投資型保單檢核系統

本創作涉及一種投資型保單檢核系統，特別是一種透過統計方式檢核投資型保單費用收取的系統。

投資型保單是一種結合投資與保險的商品，具有保險保障與投資理財的雙重功能，但也因此投資型保單的相關費用構成較傳統保單來得複雜。一般常見的投資型保單費用係由保費費用、保障費用、超額保費等所組成，而各類型的投資型保單有其所屬的費用收取標準。保費費用會因目標保費/超額保費的級距設定而在費率上有所差異，至於保障費用則會隨著被保險人的性別、年齡而有不同的費率。由於投資型保單琳瑯滿目，自然衍生出多樣的保費費用、保障費用收取標準。

承上所述，當保險業者持續推出更多樣的投資型保單，也同時需要檢核這些投資型保單是否費用收取錯誤，以保障客戶權益。而實務上，投資型保單的費用收取標準由其業務規則所影響，若要就每一類型的投資型保單分別建立出考慮各種業務規則的保單檢核系統，必須設計複雜的測試條件，故需耗費高昂的建置與測試成本以及大量人力成本。要是因軟體測試完整度不足，反而造成更多的財務損失甚至影響企業名譽。因此建立一套能對各類投資型保單的泛用型檢核系統，乃是目前保險業界經營投資型保險業務所要解決的問題。

為了解決上述問題，本創作提供一種投資型保單檢核系統係運作於電腦主機內，運用隨機森林迴歸模型（Random Forest）導入大量保單資料整理出費用資料、繳費資料及保單歷史資料之間的標準關係，透過統計方式找出異常保單的保費費用、保障費用的數值區間，藉此判斷費用收取有誤的保單。

為了達成上述目的，本創作提供之投資型保單檢核系統，包含：保單資料庫，用以儲存複數筆保單資料；擷取單元，電性連接保單資料庫，用以從保單資料庫的保單資料擷取保單歷史資料、繳費資料和費用資料；模型建立單元，電性連接擷取單元，建立檢核模型，其中，檢核模型係根據費用資料、繳費資料及保單歷史資料建立；比對單元，電性連接模型建立單元，基於檢核模型針對費用資料產生檢核輸出資料。

依據本創作之另一實施例，保單歷史資料為年齡、性別、商品代碼、保險金額之一或多者。

依據本創作之另一實施例，費用資料為保費費用或保障費用。

依據本創作之另一實施例，繳費資料為繳費時間、繳費金額、繳費次數之一或多者。

依據本創作之另一實施例，保單歷史資料、繳費資料和費用資料可分別互相對應。

依據本創作之另一實施例，檢核模型為隨機森林迴歸模型。

依據本創作之另一實施例，模型建立單元依據費用資料、繳費資料及保單歷史資料得到費用資料、繳費資料及保單歷史資料之間的標準關係。

依據本創作之另一實施例，模型建立單元係利用機器學習修正檢核模型。

依據本創作之另一實施例，比對單元可透過隨機森林迴歸模型產生標準值組合。

依據本創作之另一實施例，檢核輸出資料係比對單元根據標準值組合、至少一相對於標準值組合之設定公差與費用資料比對而產生。

本創作提供之投資型保單檢核系統，應用迴歸模型搭配機器學習，透過統計方式進行投資型保單資料的簡單檢核，不需針對每一類型的投資型保單建置一套考慮各種業務規則的檢核系統，亦即不用設計複雜的測試條件（例如投資型保單中，各類型商品都其所屬的費用收取標準，像是保費費用會因目標保費/超額保費的級距設定而在費率上有所差異，至於保障費用則會隨著被保險人的性別、年齡而有不同的費率），不需挹注大量測試人力，可以在短時間內篩選出疑似保費費用、保障費用收取有誤的保單。

以下，就實施本創作之各種實施形態來加以說明。請參照隨附的圖式，並參考其對應的說明。

圖1係顯示本創作之投資型保單檢核系統的概略結構方塊圖，本實施例之投資型保單檢核系統100係運作於一電腦主機內，其包含：一保單資料庫101、一擷取單元102、一模型建立單元103以及一比對單元104。

該保單資料庫101係用以儲存複數筆保單資料，又該保單資料包含一保單歷史資料、一繳費資料和一費用資料。其中，該保單歷史資料為被保險人的年齡、性別、商品代碼、保險金額之一或多者，該繳費資料為一繳費時間、一繳費金額、一繳費次數之一或多者，該費用資料為一保費費用或一保障費用。該保費費用是投資型保單客戶繳交保費時保險公司收取的行政管理費，用以支付保險公司銷售及管理保單的行政作業成本。該保障費用是投資型保單用以支付壽險保障的衍生成本，其會因被保險人的年齡而變動。

該擷取單元102電性連接該保單資料庫101，用以從該保單資料庫101的該等保單資料擷取該保單歷史資料、該繳費資料和該費用資料。在本實施例中，該擷取單元102從該保單資料庫101導入該等保單資料，進而從該等保單資料擷取出該保單歷史資料、該繳費資料和該費用資料，並傳送至該模型建立單元103。

該模型建立單元103電性連接該擷取單元102，用以根據該擷取單元102傳送的該費用資料、該繳費資料及該保單歷史資料建立一檢核模型。另外，該模型建立單元103依據該費用資料、該繳費資料及該保單歷史資料得到該費用資料、該繳費資料及該保單歷史資料之間的一標準關係。該標準關係為該些資料之間的影響關聯，例如被保險人的年齡或性別會影響所收取的保障費用。

在本實施例中，以迴歸分析的方式建立該檢核模型，該檢核模型為隨機森林迴歸模型。具體地說，迴歸分析為模擬多個變數之間的關係，由所提供的被保險人年齡、性別、商品代碼、保險金額等等（自變數）來估計保障費用、保費費用（應變數）的條件期望。以保障費用為例，迴歸模型先找出能保障費用（應變數）的影響因子（自變數），包含被保險人的年齡、性別、保單金額是否加費、保單金額是否折扣…等，並得出保障費用與該些因子之間的對應關係。另外，該模型建立單元103可由機器學習（Machine Learning）迭代修正該隨機森林迴歸模型，尤其是非監督式（Unsupervised）機器學習迭代修正該隨機森林迴歸模型。

該比對單元104電性連接該模型建立單元103，基於該檢核模型針對該費用資料產生一檢核輸出資料，其中，該比對單元104可透過該隨機森林迴歸模型產生一標準值組合。接著請參照圖2A及圖2B，圖2A係顯示本創作之檢核輸出資料的示意圖，圖2B係顯示本創作之圖2A示意圖之部分放大圖。在本實施例中的投資型保單，就被保險人的年齡所應收取保障費用產生的標準值組合203為一組弧線。

該比對單元104可根據不同投資型保單的特性設定公差，進一步產生上邊界202（標準值組合往上平移一個公差）及下邊界204（標準值組合往下平移一個公差），接著根據該標準值組合、相對於該標準值組合所設定之公差與該費用資料比對而產生該檢核輸出資料。而若於公差之外的保單（例如圖2A中的離群值201），則將其視為可疑保單，可進一步由檢核人員再檢查該些保單的費用資料正確性。

綜上所述，本創作提供之投資型保單檢核系統以迴歸分析搭配非監督式機器學習，透過統計方式進行檢核。首先導入保單資料庫現有的投資型保單，擷取出迴歸分析所需的變數並進行迴歸分析，接著建立檢核模型（隨機森林迴歸模型），進而產生該檢核模型的標準值組合以及根據不同投資型保單的特性設定公差，最後根據該標準值組合、相對於該標準值所設定之至少一公差與所欲檢核的費用資料比對，產生檢核輸出資料，從中檢視疑似費用收取有誤的保單。當保險從業人員進行投資型保單檢核時，不需額外建置一套考慮各種業務規則的檢核系統，可大幅降低進行投資型保單檢核時的時間與成本。

以上所述僅為本創作的較佳具體實施例，其並不用以限制本創作，凡在本創作的精神和原則之內，所作的任何修改、等同拆換、改進等，均應包含在本創作的保護範圍之內。

100:投資型保單檢核系統 101:保單資料庫 102:擷取單元 103:模型建立單元 104:比對單元 201:離群值 202:上邊界 203:標準值組合 204:下邊界

本創作之其他的特徵及功效，將於參照圖式的實施方式中清楚地呈現，其中：圖1係顯示本創作之投資型保單檢核系統的概略結構方塊圖。圖2A係顯示本創作之投資型保單檢核系統之檢核輸出資料的示意圖。圖2B係顯示本創作之投資型保單檢核系統之圖2A示意圖的部分放大圖。

100:投資型保單檢核系統

101:保單資料庫

102:擷取單元

103:模型建立單元

104:比對單元

Claims

一種投資型保單檢核系統，包含：一保單資料庫，用以儲存複數筆保單資料；一擷取單元，電性連接該保單資料庫，用以從該保單資料庫的該等保單資料擷取一保單歷史資料、一繳費資料和一費用資料；一模型建立單元，電性連接該擷取單元，建立一檢核模型，其中，該檢核模型係根據該費用資料、該繳費資料及該保單歷史資料建立；一比對單元，電性連接該模型建立單元，基於該檢核模型針對該費用資料產生一檢核輸出資料。
如請求項1所述之投資型保單檢核系統，其中該保單歷史資料為一年齡、一性別、一商品代碼、一保險金額之一或多者。
如請求項1所述之投資型保單檢核系統，其中該費用資料為一保費費用或一保障費用。
如請求項1所述之投資型保單檢核系統，其中該繳費資料為一繳費時間、一繳費金額、一繳費次數之一或多者。
如請求項1所述之投資型保單檢核系統，其中該保單歷史資料、該繳費資料和該費用資料可分別互相對應。
如請求項1所述之投資型保單檢核系統，其中該檢核模型為一隨機森林迴歸模型。
如請求項6所述之投資型保單檢核系統，其中該模型建立單元依據該費用資料、該繳費資料及該保單歷史資料得到該費用資料、該繳費資料及該保單歷史資料之間的一標準關係。
如請求項7所述之投資型保單檢核系統，其中該模型建立單元係利用機器學習修正該檢核模型。
如請求項8所述之投資型保單檢核系統，其中該比對單元可透過該隨機森林迴歸模型產生一標準值組合。
如請求項9所述之投資型保單檢核系統，其中該檢核輸出資料係該比對單元根據該標準值組合、相對於該標準值組合所設定之至少一公差與該費用資料比對而產生。