分子封面 | 脚踏实地，用心做好保险业的扫地僧和摆渡人
从服务积累数据，然后去挖掘，探索到底什么对于我们的客户来说是有效的，再去付出实践，整体进行一个良性的循环，不断优化自身，完善我们的服务。
本文节选自东大保险经纪董事长沈磊先生在2020分子乌镇保险科技大会的精彩分享，题目为：脚踏实地, 用心做好保险业的扫地僧和摆渡人。
大家好，其实这个舞台我已经梦想了很久，今年也是第三年参加分子举办的活动。
三这个数字很奇妙，道德经里说：道生一，一生二，二生三，三生万物。
如同我见证着分子一步步走来，从几百人到现在的规模，一路见证着它在整个行业的影响力逐步提升，被大家所认可、追随。
我今天的分享是脚踏实地, 用心做好保险业的扫地僧和摆渡人。
为什么有一个这样的题目呢？
其实这个命题是刘杨抛出来的，他觉得我们应该和大家说说，我们到底干了些什么。
脚踏实地，其实就是我们近几年来对保险科技持续探索的一个状态，扫地僧和摆渡人，则是我们对当下的东大在整个保险行业中的一个定位。
2015年我接手了东大保险经纪，在这之前东大是一家非常传统的保险中介公司。
那么这五年我们做了些什么呢？
我们在保险科技的探索中找到了一个方向，开始在这些细分领域投入时间和技术成本。
在这里，和大家分享一下我们近几年在健康保险领域和公司团险方面的收获。
2018年我们技术研发成功后，取名Rule-AI系统，在2019年1月1日，正式开始对团险进行线上理赔服务。
截止至2020年8月31日，东大已经提供了21个月的健康险理赔服务，为2300+企业客户提供服务，共涉及3400+个保障计划，服务人数达到65万+人，处理理赔案件42万+件……
我们抓取了其中有关牙齿的案件数据进行了研究，42万+的案件中，27802个案件数据与牙有关，涉及52个城市的406家医院，口腔医院占比12.18%，综合医院占比87.82%，有1137个医生共进行了61457次问诊。
被保险人就诊都是选择去二级或者三级医院，很少有去私人诊所或是其它，这说明了客户对于我们保单的理解是很充分的，整个治疗费跟我们常见的其他疾病是相反的，齿科疾病里治疗费占到了50%，其他常见疾病治疗费仅占到20%。
按常规的推断来讲，我们本以为二级、三级医院应该是会便宜的，每一次齿科上的服务平均价格只有178元，它并不是说非常贵。
这些案件申请金额为2230多万，而按照保单规则实际赔付825多万，获赔率约为30%，数据显示我们的保单供给和客户实际需求是有巨大差距的。
那我们是不是可以通过数据挖掘找到客户的实际需求，我们去提供这样的保险保障产品或服务呢？这是我的一个思考。
团险产品针对齿科疾病增加私立医院、诊所，是不是一定会增加赔付成本？
我们从拒赔的案件里面去找原因，主要原因是医院没找对，客户去了一级医院或者私立医院。
牙疼不是病，疼起来却要人命，但二、三级医院周末却是不提供齿科诊疗的。所以如果上班族在周末去就诊，真的很难找到保险条款认可的医院。
这时逻辑又倒过来了：如果我得了牙周病，我在去进行就医的时候，医生说洗牙就能解决这个牙周病。
所以说我们保险的补偿是事后的补偿，但在之前的健康预防是没有被覆盖的，这也是另外的一个问题，我们是否能把我们的商业保险，向前再延展，特别是在细分的疾病领域，用新的一种方式，让我们的客户提高服务体验。
那我们做了些什么，我们直接把我们的数据模拟成：如果把这些就诊全部放到私立医院、私立诊所，它会是什么样的一个结果？是不是一定会增加赔付成本？
总体的索赔金额明显降低，即客户的实际支出得到减少，索赔金额降低近300万，客户的获赔率提高了10%，自然客户的满意度明显提高。
现实的情况是，医生少、医院少，而由于保险规则的限制了客户对保单服务的体验。
这是数据告诉我们的，所有我们才可以去做这样的推测，但在一开始的时候很少会有保险公司敢去这样破例，同意扩展私人诊所、一级医院或者社区服务中心。
这里我抛出一个概念，中国的管理式医疗的模式，会不会是和国外一样呢？国外左边是保险，右边是医院，下面是医生。
那我觉得会不会中国的模式是由保险公司提供产品，医生和医院它是一个提供医疗服务的整体，然后会出现一些MGA或TPA的公司，由MGA、TPA去进行一个风控或是数据挖掘等服务的供给，包括健康管理的集中采购。
目前健康行业十分的热门，很多人都想进入这个行业，那其实大家在做这个东西的时候，模式是非常重要的，在这里我觉得，中国会走一条自己路，不会一味的照搬国外的模式。
Rule-AI三大模块：CCS智能影像审核、ICOR智能数据采集、ICS智能理算。
CCS智能影像审核：它就是把保单的责任和保单需要的材料进行一些匹配，这样可以减少人工的投入。
影像进来之后会自动进行识别和分类和校对，再对没有提交完整的客户提醒补充，缩短了整个审核流程需要的时间。
我们现在一天可以处理110万件的智能初审，并且产能还会随着机器的学习积累不断提高。
ICOR智能数据采集：我们积累了574.3万药品数据，37.3万诊疗项目数据，73,859家医院数据，这是我们通过一张张发票积累的数据。
ICS智能理算：对于保单要进行解析，我们有109项的逻辑规则，ICOR把数据抽出来以后，把病与药之间的关联（什么病吃什么药，什么药能够治疗什么病），在之前通过机器学习已经形成了一种常规的逻辑规则库，现在有1200+种疾病我们是不需要进行人工干预的，然后每天的药量等一些详细信息都会在赔付日记里面做记录、控制。
目前这个产能还是让我很满意的：3500件/日起步，一组人（4名员工），在我们测试的时候，准备了大概3万起案件，最终定格在12742件/日，这是我们的日产能。
这里也给大家讲讲我们的案例，同样我们也有自己开发的Saas系统。
集团公司执行员工保险福利项目，20余家子公司EB项目预算额度各不相同，员工对于保险产品个性化、保险服务线上化、理赔时效高速化等方面有强烈的要求。
多层级账号，设定账号权限，便于集团统一管理，子公司灵活使用；
实时展现各子公司承保数据与赔付情况、按各类维度了解赔付数据；
加入员工自购，合理控赔等方式，减少或避免企业成本的大幅变化。
Rule-AI + 员工福利Saas平台 + C端的客户服务平台
关于赔案目前我们系统内最快的记录是6秒钟，平均来说是一天，因为我们主动的把我们的结案时间调整在24小时后，因为快慢的差异会让客户服务的品质方面有所波动。
后面还有一些有趣的数据解读，篇幅较长这里就不进行详细解说了，有兴趣的小伙伴们可以点击下面的视频查看完整的演讲。
通过以上这些实践，我们总结出一个方法：从服务积累数据，然后去挖掘，探索到底什么对于我们的客户来说是有效的，再去付出实践，整体进行一个良性的循环，不断优化自身，完善我们的服务。
风控需要做很多做前端识别的准备，什么样的人可以进到保障里面来，或者说每天赔的钱到底合不合理，这都是风控。
服务就是你要对于客户有感知，通过数据的挖掘知道客户实际需要的是什么。
保险作为支付去连接很多的服务，或者说以支付为中心去建立一个新的生态，这应该是一个共识。
这个生态很大，所以我们先用自己的客户做了实验，在积累了一定的经验之后，我们更愿意和大家一起分享这些能力。
整个生态里的参与方非常非常多，所以我觉得大家应该一起去建设、去尝试，包括我前面说的健康预防相关的等等。
“一生二，二生三，三生万物”说的是大道本身意味着事物在它们的斗争当中、在它们的矛盾当中、在发展当中，出现新的东西、新的可能。
科技和数据的出现，给传统的保险行业带来了重大变革。疫情之下，保险行业的线上化和智能化进程都在加速。
在保险业不断发展的今天，一起为大家、为社会做更有 “温度”的保险服务。
