水滴公司主要收入来源于水滴保业务，水滴保一季度实现首年保费（FYP）44.69亿，同比增长42.7%。累计保险付费用户达到2190万，用户人均首年保费（FYP）为1165元，同比增长32.1%。

高盛此前预期，水滴公司2020年到2023年首年保费(FYP)将有36%的年复合增长。

美银预计水滴公司的保费收入未来三年将实现38％的年均复合增长率。

通常互联网保险公司大约保持20%的增长幅度，以众安为例，今年一季度保费收入增速28%。从一季度财报看，水滴公司首年保费和收入增速均远超行业预期。

一季报显示，该险种贡献的首年保费（FYP）同比增长了132%。热销的保险产品包括水滴百万医疗2021、水滴百万意外2021、水滴百万重疾2021、尊享守护C款保障计划、水滴百万医疗险2021青春版以及融客保A款终身重大疾病保险等。

而就在公布财报的前一天，水滴又宣布与前海再保险股份有限公司在亚健康人群的保障上达成合作。

据了解，此次合作主要围绕带病投保产品展开，在保险产品开发、用户运营、健康管理服务、智能核保、大数据风控等方面进行，同时双方还合作推出了首款非标体人群可投保的重疾险“水滴守护爱重大疾病保险”产品。

世界卫生组织一项全球性调查结果显示，全球75%的人均处于“亚健康”状态。但相当一段时间，他们却面临愿意花钱，却也买不到合适保险的尴尬状况，比如高血压、糖尿病患者，他们是最需要保障的一群人，但是因为健康风险也更为复杂，投保和核保要求更高。

目前我国商业健康险覆盖率不足10%，能够支持非标体和亚健康人群的产品更是稀缺。

近年来，在不断发展的过程中，医疗险重疾险产品的核保要求逐渐放宽，也让更多非标体人群拥有了获得保障的机会。

以往保险行业较少尝试带病投保产品的创新，很大程度上是受限于用户数据的缺失。

健康险产品核保环节十分复杂，传统的人工核保以及初级的智能核保，处理方式缺乏个性化、差异化的评估标准，仅接受标准体客户，很多非标体和带病客户仍然无险可保。

作为一家保险科技公司，水滴通过其网络互助、大病筹款、保险经纪等业务，在线上线下积累了大量医疗相关数据，以及覆盖保险的营销、咨询、购买、理赔、续保等各个环节的保险数据和完善的用户画像。

自建了完善的“CONF”医疗知识图谱，包含用户数据、医疗数据、产品数据等三大数据库，为带病投保保险产品的定制提供了可能，同时能够提升核保和理赔的智能化程度。

此外，水滴还联合保险公司，再保险公司，共同开发覆盖非标体人群的保险产品，可以通过多维度解析用户行为把握风控。 

据悉，前海再保险和水滴保合作开发的首款产品“水滴守护爱重大疾病保险”目前已上线，该产品保障范围包含110种重大疾病、30种中症、45种轻症，重症不分组2次赔付，中症和轻症累计可达6次赔付，恶性肿瘤二次赔付，28天-60周岁人群均可投保。

与常见的重疾险产品不同的是，非标体人群包括高血压、糖尿病、乙肝、高血脂等数十种常见慢性病患者也能投保“水滴守护爱重大疾病保险”。

用户只需要通过线上的智能核保系统告知患病情况，可以实现200多种常见病的自动加费。

通过疾病模型、加费算法、场景优化三大创新，满足了多种疾病、多项异常告知客户的投保需求，每种疾病仅需回答3-6个问题即可完成评估，平均用时不到3分钟，极大提高了亚健康消费者的投保便捷程度。

水滴销售副总裁李佳表示，“我们通过数据可以看到，在水滴保平台咨询过和尝试购买健康险，但因为身体原因无法投保的用户接近千万量级，这是一个非常大的潜在增量市场，需要更多的覆盖非标体和带病体人群的保险产品，而且是合理加费，大部分客户能够承担得起的保险产品。”

据悉，除了这次的前海财险，水滴还联合保险公司推出了多款覆盖慢病人群的医疗险和重疾险，2019年推出的专门针对甲状腺肿瘤疾病的水滴无忧甲状腺保险，有轻度结节也可投保；2021年初，水滴保海也专门针对糖尿病患者定制专属重疾保障“水滴糖保保特定疾病保险”。雷锋网雷锋网

本轮融资是继2020年3月获得中国人寿再保险有限责任公司战略性融资后，镁信健康再度敲定的又一轮战略融资。

融资由蚂蚁科技、上海生物医药基金、创新工场联合领投，华兴新经济基金和北极光创投为本轮跟投方，A轮领投方博远资本、现有股东远毅资本、赛富投资继续加持。

本轮融资之后，镁信健康将获得医疗、健康险和互联网赛道平台性股东支持。

2020年疫情影响下，中国健康险行业保持持续高速增长，“医药+保险”的融合已成为健康险行业发展的新趋势。

镁信健康创立于2017年8月，致力于创新医疗支付服务，运用“互联网+”，打通患者、药企、以及商保公司，推动金融工具与医疗领域的融合，并通过支付、零售、服务，药康付在慢病和特药之间深入打通一条价值链，把药企、药房、商保公司各方都引入其中。

镁信健康的药康付已与50+家药企达成合作，推出药品覆盖高价癌症药物和慢性病特药保障，业务覆盖全国DTP药房网络，遍布400多个城市，惠及上百万患者，每年为患者节省超过10亿元医疗费用，并在此基础上开发包含药品、器械、创新疗法等更全面的健康险创新产品。

此外，自2019年底开始，镁信健康还在多个城市与保险公司陆续推出城市补充医疗保险项目。依托公司股东上海医药和中再寿险提供的持续供药能力和稳定风险管控能力，提升当地市民药品可及性并缓解医疗费用负担。

另外，镁信健康还布局了互联网医院业务，旗下康付互联网医院（又称海南镁信互联网医院）于2020年11月获批执业，是海南博鳌乐城国际医疗旅游先行区独立设置的首家互联网医院。未来，该互联网医院将立足博鳌乐城，利用互联网数字化、智能化优势，对接全球新药品、新疗法、新器械，服务于国内患者。

蚂蚁集团副总裁纪纲表示：“镁信健康以创新支付为锚点，在消费端聚集自费患者需求，在供给端将药企、药房、保司和医院资有效整合衔接，形成‘医药险’三者的商业闭环。引进蚂蚁集团，将有助于镁信健康拓宽互联网医疗产品及服务边界，加速互联网医疗数字化业务布局。”

镁信健康 CEO 张小栋表示：“作为‘互联网+医+药+险’生态模式的创立者，本轮融资围绕创新医疗支付进行核心业务布局，在互联网医疗数字化、产业化等纵深多元领域持续拓展创新业务。未来，镁信健康将从支付方出发，通过赋能药企、药房、保险公司和医疗机构，充分整合产业各方和实现整个医疗场景的链路打通。”

上海生物医药基金总裁刘大伟表示：“伴随‘互联网+医+药+险’增量市场新红利释放，我们持续看好镁信健康在该领域的先行者和领头羊地位，看重镁信健康所处的海量目标赛道、清晰价值主张、强劲业务增长和优秀管理团队。希望镁信能够持续保持创新，通过不断医疗创新支付解决方案，实践价值医疗。”

创新工场董事长兼 CEO 李开复表示：“镁信健康在健康险领域已成为最大药品保险合作方和支付方，先后推出高值药品金融分期业务、疗效保险等多个创新业务。”

博远资本创始合伙人陈鹏辉表示：“我们非常认可镁信的团队和创始人，看好健康险这个赛道的巨大市场潜力。博远作为 A 轮领投方，后续参与了镁信的每轮融资，重要的原因就是镁信在商业模式的迭代创新，产品线的不断丰富上一直走在行业最前面。”雷锋网雷锋网

2020年，“互联网+”医疗迎来了自己的高光时刻。

在供需双方和政策的共同驱动下，互联网+医疗正在逐步进化，从互联网网络问诊，到复诊开药，再到医保、商保支付，以及现在的诊疗线上、线下一体化，正在一步步实现产业生态闭环，使得部分场景下的“医+药+险”全链路在线化模式初步落地。

作为国内首家互联网保险公司，众安保险持续布局大健康生态，在2019年获得互联网医院牌照，今年还正式推出了“众安医管家”服务。

众安医管家可以将众安的医疗和保险能力进行联合，今年7月，双方合作孵化上线了“尊享e生2020（门急诊版）”百万医疗险。

这和以往百万医疗最大差异点在于，用户完成投之后，可以直接通过线上助手，进入到互联网医院，体验线上视频问诊和开药服务，所产生的费用也可以通过保险进行直接报销。这种方式直接改变了传统保险的服务形式，扩展更多用户体会到保险服务，同时也增强了保司和用户的服务互动频率。

以下为黄佩佩演讲全文内容，雷锋网做了不改变原意的编辑：

各位大家好，我是众安互联网医院的负责人黄佩佩，很高兴来到本次公开课，跟大家一起分享、讨论一下大健康生态的构建。

近年来，互联网医疗、线上医药、慢病管理等技术驱动下的健康管理趋势快速升温，我们也在这个阶段成立了众安互联网医院。今天的分享内容主要包括众安的大健康生态和互联网医疗能力两部分。

众安互联网医院生态结构

首先，整个大健康生态，是由保险支付方、健康服务提供方，健康产品提供方，以及健康金融方案提供方构成闭环。

这种结构映射到互联网医院，主要包括：

医疗服务需求方—我们的客户；

医疗服务供给方—我们的诊所医疗机构；

医疗服务提供方—我们的健康管理公司；

医疗服务平台以及医疗服务费用支付方—客户或保司；

这其中，在众安互联网医院自身的能力环节中，我们已将电子病历、电子处方和支付这三个环节打通。

第二部分，我们主要致力于在传统结构上的衍生，发展综合性的医疗生态圈。

这里面首先是传统业务的互联网化，包括诊疗能力和药品服务，将这些传统线下业务进行线上整合，生成电子病历、电子处方、电子支付等等。

其次则是大健康生态的互联网化整合，包括健康管理中心、医院联盟、专科治疗以及健康商城等等，将这一类的大健康生态，进行数据化整合，通过区块链技术对数据进行传输和留存。

在这两者的基础上，通过众安互联网医院业务，就能实现从数据角度进行研发创新服务模式，并进一步优化我们保险的智能核保、核赔等流程。

多平台的整合，多方的接入，多联互动共赢发展的众安互联网医院模式，可以将检验、病理、影像、诊疗、服务、支付，还有器械、耗材、药品等数据进行有机结合。

大家共同为患者、保险客户、自然流量客户、基层医疗机构以及其他合作机构提供一站式就医解决方案。

其实在整个保险行业一直存在一个痛点，就是保险是相对低频的产品，如何让客户与保司建立起紧密的关系，进行强互动，是保险公司在努力探索的。

在这里面，互联网医院的平台角色会越来越重要，我们可以为客户提供健康保障、医疗支持的多项常规服务。

一方面可以使保司提高客户的线上活跃度和转化能力，另一方面还可以使客户体会到更延伸的服务，例如除了保单客户自己，还可以为其他家庭成员提供一站式就医解决方案，从而加深双方的联系。

在这个生态目标下，众安建立了自己的健康管理体系，并建成互联网医院业务。

流量的一部分来源于众安保险生态下的的保险客户，另外一部分则是其他平台的客户。

此外，作为众安保险下面的大健康业务平台，众安保险和众安互联网医院的双向整合也是我们在行业中的竞争优势，通过数据互通，可以将一部分需要医疗服务的保单客户转化给互联网医院，互联网医院又可将健康管理服务和优质资源反哺给众安保险。

在发展过程中，众安互联网医院还能够与医生集团、药品管理公司、健康管理公司以及医院资源进行合作，为患者提供定制化慢病管理服务、肿瘤特药服务、视频问诊、重疾病通等专业医疗能力，和健康管理服务。

打通“医+药+险”新型互联网医疗模式

在传统就医当中，患者往往都会对医疗服务质量打一个问号，其中包括医生是否靠谱？提供的医疗方案是否适合？还需要不需要进行再次的医疗咨询？

此外，面对国内医疗服务能力不均衡的现状，许多医疗能力较弱的地区，还会缺失院后管理环节，没有对其进行妥善的跟踪和随访。

很多患者在就医过程中往往并不充分理解自身的疾病状况，也不知道正确的诊疗路径，什么时候需要什么样的专家，需要怎样治疗方式，最后还有就医费用，就医难、就医贵依然是一个难题，还涉及到过度医疗等问题等。

如何更有效地通过互联网医院业务，解决这些问题，我们在筹建互联网医院之初就在考虑。

我们主要在医疗质量和服务内容两方面，在诊前、诊中和诊后三个环节进行解决。

就诊前，我们会针对病人的疾病特征，进行预问诊，之后才进行分诊，告知客户需要去什么科室，做什么样的检查，避免盲目就医；

在诊中，给予精准的课时安排，提供所适合的指导医生，并进行多方意见整合，形成绿通就医服务；

在诊后，根据客户的场景诉求，提供长期的慢病随访问诊以及慢性病的处方、护理上门、特药配送等互联网化服务能力。

我想重点介绍一下近期上线众安医管家，医管家模式是由一名主责医生，加上4名健康管理师组成，从管理岗到运营岗均具有丰富医疗背景，至少5年以上临床经验。

众安互联网医院目前已经覆盖内外、妇儿、全科以及中医科等几个大型科室，可以满足视频问诊、购药报销、名医预约、检查诊断、术后护理、住院安排、医疗垫付、手术安排等多种医疗场景需求。

覆盖人群包括儿童、中年人以及老年人。可以诊断每一个不同年龄段的客户提供定制化的服务。

对于儿童，我们可以更加关注营养发育、生长发育评估、疫苗注射等等一系列的预防、保健需求；

对于中年人，可以更加关注是否需要减肥、医美、是否需要打玻尿酸等，多样化需求。；

对于老年群体的慢病、健康管理等需求，我们可以通过线上开药、线上配药等方式解决，除了这些，我们还可以为他们提供线下随诊等一系列服务。

此外我们还可以针对不同疾病场景，提供更多适合的方案，例如：

小病场景下，可以通过AI初筛，在医生团队指导下，利用药品派送方式，实现最短时间内得到，最合理的医疗救助。

大病场景下，我们可以提供包括相应时间段内及时安排检查，邀请全国知名医生专家会诊，甚至咨询海外的专家等多种就医解决方案，由我们的医管家对客户进行一站式就医管理。

以实际案例来看，这种就医服务主要包含有5个特点:

第一，随心用，目前视频问诊最快的响应率能够达到一分钟内接起，我们能与客户面对面问诊，由医生为客户提供咨询问诊服务；

第二，安心诊，医疗专家通过远程会诊平台，给客户提供最优治疗解决方案；

第三，放心治，以复旦大学全国百强医院排名为基准，进行资源协调，找到最适合这个疾病的专家和科室，为客户提供相应服务；

第三，舒心养，解决就医方案之后，医管家会持续与客户保持高频互动，提供线上的心理咨询、线下的换药、上门等服务； 

第四，省心赔，通过众安的直赔服务、垫付服务，让客户享受到便捷的保险支付； 

最后，我们会给每一个客户建立电子档案，包括曾经咨询过的问题，做过的检查，家族史和过敏史，都在电子档案当中标注，便于客户在每一次进入时，都能得到最准确、最快速的判断。

众安医管家核心服务能力

目前，我们把众安互联网医院的服务能力主要是分为两部分：

第一部分，主要针对轻症患者，我们目前提供视频问诊、图文问诊、电话问诊、心理疏导等几项互联网化服务能力。

我们会严格按照互联网医院的管理规定，针对150种线上可以诊疗的疾病，进行线上处理，例如，感冒咳嗽等常规疾病，就可以通过线上问诊加药品配送的方式快速救治。

我们目前还针对38种常见的症状例如头痛、乏力、胸闷等问题，匹配出了300多种与疾病对应的流程处方，通过线上医生的诊断，为患者提供相应适合的解决方案。

第二部分，重症。我们的重症服务标准，主要参照国家卫生健康委员会的现行规定开展。

在发生症状和明确疾病的过程中，我们目前已制定出103种首先需要线下辅助检查，再进行线上随访的服务体系。线下诊断完成之后，医管家再针对线下诊断的完成情况，给出解决方案。

在明确疾病和获取方案的过程中，我们也整理出37类检验和检查标准，作为判断依据，及时跟进客户不同的症状，提供不同的诊断建议。

在获取方案和最后的治疗过程当中，我们也建立了一个很强大的资源库，合作的挂号的医院已经覆盖到全国2000多家，住院网络和挂号医院等同，名医二诊的医院也同时做到了1000家以上。

在最后的支付上，我们住院垫付已经覆盖83个主要城市，肿瘤特药方面，我们也可以做到支付83种药品以上的水平。术后康复护理和家庭护理，也已经实现在338个城市的重点人群覆盖。

除了这些，面对突然休克、意识丧失或中毒等77种不能在线上解决的危急重症，我们也已经制定38种对应话术，引导客户进行及时就医，根据病程描述，对客户进行回访和管理。

第三部分，主要是我们的慢病、专病管理服务。

针对中年男性、中年女性高度关注的脱发、肥胖、HPV感染、皮肤损伤等多种问题，我们安排设置了专业的健康内容，定制打卡、营养餐等多种方案。

对于小朋友们的眼科、齿科、生长发育评估，以及过敏、湿疹等问题，我们会定向发送营养、健康儿保科健康管理方案，促进在相应情况之下给小朋友们做骨龄测验、过敏原检测，通过日常管理给到客户最准确、最优质的健康管理服务。

针对老年人和三高人群，日常一部分的工作就是日常用药管理，药量调整，哪一阶段需要续方的，那一阶段需要调整，都可以通过医管家进行一站式服务。

此外，我们会在一期处方快结束时，给客户进行回访，续方以及药品配送，通过我们的管理档案直接落地。

我们希望老年人或者重疾客户，能够通过健康管理，及时干预等措施，保持一个良好的生活方式，良好的用药方式以降低疾病发生率。

第四部分，健康商城服务。

健康商城主要是我们在医疗服务能力的一个衍生，针对客户额外需要买，适合的保健品、药品、按摩仪等商品，我们会把这些产品集中在一起，在健康服务商城里进行上线。

除此之外，针对不同的主题，不同标签的客户，在商场中，我们也会调整不同的服务方式。例如，对于女性，我们会把医疗能力控制在可控的范围内，提供适合的减肥药等等多种解决方案。

第五部分，健康咨询百科

这部分主要更贴近生活，主要分为针对疾病的医生专栏，针对健康群体的健康百科文章专区，针对慢病的慢病管理相关服务和资讯。

这些信息在目前各个场景和互联网的场景下虽然都比较常见，但因为我们本身是互联网医院平台，在平台上累计的每一个客户，我们都会附上相应标签，很容易将这部分客户进行分类，通过定向和大数据分析，给客户推荐最关注、最适用的健康信息类资讯。

众安互联网医院实践案例

最后我们主要介绍一下，我们目前比较典型的几个案例。

2020年7月份，众安保险联合众安互联网医院正式上线了尊享e生2020（门急诊版）。

这和以往的百万医疗险最大的不同，在于我们附加了更多线上化医疗，药品配送和创新服务。

第一，就是我们的投保流程，用户投保之后，可以通过医管家，直接进入到互联网医院的首页，在确认个人健康信息和绑定医生之后，通过视频问诊的方式，直接使用医疗服务，这里面产生的问诊、开药等费用都可以通过众安的互联网医院进行直接报销。

我们目前暂时的药物报销还是以OTC为主，但是我们的报销比例和很多城市的医保相比都有很高的优越性。

这个案例里面，把众安保险和众安互联网医院的能力都做了联合，一方面可以改变传统的保险服务形式，另一方面也改变了传统的图文问诊方式，通过视频问诊，让客户第一时间感受到线上由真实医生为客户提供的服务。

此外在药品服务环节，我们也做了打通，自己亲测是最快能够一小时左右送达，对于有一些需要远程配送，也能够做到隔日送达。

除了刚才做的门诊简单流程梳理，我们背后还有更加深层的部分。

第一，当用户发起咨询时，我们的医管家就会第一时间进行介入。

第二，如果客户有其他一些线下需求，例如挂号等等，都会由我们的医管家进行承接。

第三，我们会根据客户目前情况，开具不同服务诊疗卡，如果客户需要安排住院，就会直接由我们的医生启动住院安排相关链接。

我们这些案例中，最重要的就是服务产品和保险的结合，这是当下行业内的一个创新，借这个机会和大家同步分享。

直播QA

雷锋网：众安互联网医院提供的服务都是基于自建的服务体系吗？还是会采购外部的服务商？

黄佩佩：我们既有自建的，也有外部合作的，因为尺有所短，寸有所长，对于慢病管理服务，是以我们自己的医管家作为载体，利用自己平台的医生加以解决，虽然以自建为主，但是像糖尿病涉及到的血糖仪或者是高血压的血压仪、血压计等的采购，我们还是会通过外部整合的模式解决。

雷锋网：医疗生态构建比较完整，请问运营抓手在哪个部分？核心业务保险作为低频场景，如何导入流量？

黄佩佩：我们运营的抓手分为几个部分，第一部分是我们保险场景的拓展，第二个部分是我们基于互联网医院的平台和流量的抓取。

互联网的保险，从保险到出险，确实是一个相对低频的状态，但健康是和每一个客户都息息相关的，而且是属于一个高频发生的场景。

在健康的基础上，我们通过健康的管理方案，包括我们的咨询、问诊、视频等等，都希望作为一个切入点，能够给客户带来更多的服务。

雷锋网：众安目前的互联网医院的业务主要的科室分布是怎样的？

黄佩佩：目前，我们的互联网医院是以全科为主，覆盖了内外、妇、儿、中医等6个科室，能够在我们的平台上为客户提供一站式的服务。

过去，由于技术手段和数据安全的限制，保险公司的各个系统间无法完成高效的数据交换和沟通，系统间就像一个个孤岛。由于担心部门内部信息共享不当，即便是大型保险公司，内部很多部门仍处于“信息独立”的运营状态中。

孙谷飞曾在世界人工智能大会上呼吁，“保险公司不仅要丰富自身结构化场景数据，更需要加强保险公司间和其他行业的数据交流。数据开放和隐私安全并非悖论，运用联邦学习技术的数据隔离特性和加密机制，能够有效解决不同公司间数据共享和联合建模问题，解决隐私泄露风险。”

目前，为了实现数据价值，众安在内部实行了包含数据管理体系、数据流通体系以及数据价值体系的数据中台战略。

在数据管理层面，数据中台可以对每张数据表进行自动扫描，并和过去积累的近3000多种规则进行比较，自动预警出哪一张表或哪一事业部的数据质量问题，自动发邮件提醒业务部门改正。

在数据流通层面，针对过去把数据安全重心都放在审批中，审批流程非常严，拿到审批特征之后，数据流通风险急剧增高的情况，众安通过数据分发超市，将数据获取、挖掘、分析等流程完全集中在系统之内，提高数据流通的基础上，降低流失风险。

以下为孙谷飞演讲全文内容，医健AI掘金志做了不改变原意的编辑：

大家晚上好，非常荣幸接受雷锋网邀请，今晚给大家做一次分享。我来自于众安保险，目前主要从事众安保险AI、大数据的研究和落地。

数据价值体系的现实困境

数据中台这两年非常火，我今天跟大家分享下我们对这个概念的理解，以及数据中台在众安的实际落地经验，在众安我们是如何保障数据管理、加速数据流通，促进数据价值挖掘。

首先跟大家分享一本书《思考，快与慢》，来自2002年诺贝尔经济学奖获得者丹尼尔·卡尼曼。

这本书把人的思维模式分为两种类型:

第一种是意识快速的自主思维模式，普通人几秒钟就完成的一些判断，比如看一张照片，立马识别照片内容；看一张人脸，立马识别出是谁。

另外一种方式是慢思考，需要数年知识积累，花一定时间去思考。例如工作流程中决策、用户增长、用户营销等行为。

为什么会举这本书作为例子？

主要因为近两年大家都在谈大数据、AI，而其中比较成功的AI应用都属于快思考范畴，比如人脸识别和语音识别等

为什么正常业务中需要花精力思考的智能场景，没有快思考智能发展快？有人觉得背后技术不一样，所以快思考技术发展比慢思考更加成熟，但两者背后都是常见的机器学习算法，产生这种差异的本质问题还是数据。

例如AlphaGo下围棋，机器通过慢思考已经可以超越人类，原因在于围棋运动包括棋盘、棋谱等都已经进行很好地数据化。

但现实中，特别是保险业务，数据并没有被很好地管理起来，背后因为几大困难：

第一，数据资产不清晰。保险业务，本身数据来源非常多样，比如财险数据，从健康到车险、从金融到电商，涉及的数据随着保障的内容不断变化。

另外保险的流程也很多，咨询、承保、理赔、服务等，各个环节都会产生结构不同的数据。另外随着互联网化业务的发展，数据来源多样性和复杂度也在加大，从最早的业务数据，到社交分享数据，用户营销数据，甚至可穿戴数据等，结构化程度非常不一样，既包括传统业务数据，也包含图片、声音等客服数据。

第二，数据孤岛问题。每家公司壮大之后，都可能出现各部门之间数据成烟囱式发展。数据孤岛产生之后，就会忽略数据流通建设。

第三，数据价值挖掘链路较长。例如数据采集，业务系统采集、生成都离不开数据工程师，而数据报表又需要依赖BI同事，价值挖掘由算法同事完成，参与角色非常多、价值链路非常长。

另外，处理数据门槛越来越高，以前数据量在小的时候，对于分析的技术没有要求，下载下来，用Excel也可以完成。现在很多公司每天可能要面对几T、甚至几百T的新增数据，如果想对如此大体量的数据进行分析，就需要非常强大的数据处理能力，相应的技术门槛越来越高，造成数据价值困难重重。

众安的数据中台

这是众安数据中台总体架构，主要分为两大块，应用层和平台工具层：

应用层主要包含两大方向，1.如何利用技术去帮助业务自动化、降低人力依赖，比如智能客服、自动核身等；2.如何利用数据去帮助业务去实时洞悉业务进展、并提供关键决策支持，BI、异常监控、用户画像等等。

接下来，我会重点讲下平台层的内容，通过数据管理体系、流通体系、价值体系三个方面，分享众安内部数据中台经验。

数据管理体系里面，首先重要就是质量问题，任何人，不管是业务还是技术人员，拿到数据之后思考的第一件事情，肯定是拿到的数据准不准，就需要思考数据质量好与坏，如果数据质量差，就会导致垃圾数据进垃圾产品出，不能给业务提供可靠的支持。

众安在数据质量方面怎么做的呢？

第一，众安作为一家金融公司，首先需要满足监管要求，需要把监管对保险行业的数据要求整理成规则。

第二，注意技术维度规范，例如数据命名是否规范，是否符合技术规范要求。

第三，业务需求层面也需要规范，通过业务需求反推现有数据是否满足要求，比如关键字段是否缺失等。

基于以上三个维度，众安内部已经积累3000多个规则，此外这个规则库还在不断的丰富。

但光建立规则还不够，像众安这样数据体量，人工已经很难判断每条数据情况，还需一个平台去帮助我们每天自动去监控数据的质量——数据质量管理平台。平台会对数据中每张表自动扫描，判断是否符合上面规则库中的3000多条规则，并自动统计和预警哪一张表或哪一事业部出现了数据质量问题。

另外，数据质量问题，不光是数据部门的问题，数据部门的主要职责是发现和警示数据问题，但数据产生的源头其实是在业务生产系统中，需要有一个强有力的合作组织去推动数据的治理。

为此，目前众安建立了数据治理委员会，委员会既包括数据部门、也包括业务部门，以及公司的的一些职能部门，比如发展规划部、内审部等。。

数据委员会需要制定一系列公司的规章制度，去保障数据质量问题的治理推进；另外也需要牵头举办定期和不定期的会议，去牵头解决目前难点或者重点数据的问题。

数据质量是一个不断发展，需要不断跟进的问题，具体的解决之道就是，一把尺子（数据质量规则库）、一个平台（数据质量管理平台）、一个组织（数据治理委员会）。

数据管理体系——数据资产盘点（数据地图）

数据管理体系里，第二大内容就是数据资产盘点。

众安数据地图基于众安数据仓库和从各系统获取的的异构数据，分析其中执行关系，做了一个数据管理平台，用一张全景图把每张图血缘关系都罗列出来。

众安通过这样一个平台，将管理累计超过5万多张表，涉及万亿级数据量。其中各张表、各个字段之间的血缘关系通过自动化的方式进行监测维护，将原本散落在不同事业部的所有数据都以资产的形式非常低成本地维护起来。

使得每天报表需求、数据加工需求，从凌晨开始，在数小时之内就可加工完成，在业务上班之前就可以给到一些移动报表或分析报告支持。

数据管理体系——数据资产盘点（指标字典）

数据管理体系第二块是指标字典。

业务一般看数据主要是关键指标，所以指标定义对整个数据管理非常重要。

但是以往大家都是按需出发管理报表，接到一个业务需求，把报表做出来，具体意义并没有统一管理，只有做的人知道，一旦这个人离职，或者报表更新迭代、既往报表基本作废。

如果没有对指标字典进行准确定义，就一定会导致管理层次、业务层次，每个人对业务出现不同解释和定义，指标如果不能统一，报表也就没有任何价值。

目前众安把业务、管理层、BI分析师等所有指标都进行统一管理，搭建平台对所有指标进行溯源，发掘哪些表属于基础指标、哪些属于衍生指标、哪些属于计算指标。

把这些指标在系统里面进行完整记录，从名称到定义，再到来源都管理起来。此外指标还可以动态跟报表联动，改变过去报表是报表，指标是指标，两套系统的情况。

众安在做完指标字典之后，可以自动把字典关联到BI分析报表上，业务看报表过程中可以立马查看背后指标顺序定义方式，把指标系统设置成外链，嵌入到报表系统里。

数据管理体系——数据资产盘点（数据超市）

数据服务资产，还需要统一地方进行管理。

现在数据人员积累了很多数据服务、数据接口，各事业部数据团队之间并不相通，可能造成重复对接以及接口数据的孤岛。因此整个体系需要一个平台或工具，把数据服务化统一管理起来，在众安，整套系统叫做“数据超市”这样做主要有几个好处：

第一，确保可以统一查询，降低成本。例如在安全合规的情况下，事业部可以直接利用其他部门已对接的数据接口，这就不需要重复采购、重复调用，大大降低外部数据接口调用成本。

第二，平台可以提供一些已经开发好的数据服务，别人不需要重复性开发，而且可以统一进行服务扩容、降级、以及多供应商接入，通过简单接口配置就可以将服务接入到新应用场景当中。

每家公司都会接入大量的数据服务，也会积累很多有价值的数据。数据超市就是数据接口服务的一站式服务平台，通过这个接口平台对接的数据服务，平台也会自动帮助各事业部进行自动分账。从而达到减少接口的重复性开发，也最大化地把存量数据协同利用起来，达到降本提效的目的。

数据流通体系——安全流通

流通的最大困难是什么？

假如A事业部，想利用B事业部的数据，第一个问题就是怎么保障数据安全，整个过程需要大量申请，其他事业部也会用安全理由，拒绝这些数据使用。

数据流通体系最重要的就是安全，众安数据安全体系主要包括两方面：数据安全分级和集成数据应用。

众安在数据安全方面，主要做了两件事情：

第一，把已有数据表和数据资产按照监管以及公司的规范，进行安全分级。目前众安有几万张表，每一张表根据数据敏感程度都进行分级，可以分为内部公开或不公开，外部公开不公开等等，根据数据安全等级在权限管理、数据访问，下载也可以进行相应OA流程制定，保证敏感数据进行严格流程审批，安全等级清晰，最大化缩小审批流程路径。

第二，加强数据安全管理，我们以集成系统应用的形式，尽量让数据不要出安全的环境。使得数据在封闭的环境中，就能完成数据的消费。数据审批通过之后，并不是把数据下载下来开放使用，如果这样，前面所有安全措施都会形同虚设，众安以集成系统方式提供数据访问，减少不可控的数据分发。

过去数据审批，往往都是前面审批流程非常严，拿到审批批准之后，数据流通就会变得非常不可控，如果员工主动或者无意操控失误，就一定会造成数据流失，需要保证所有数据都在可控环境之内。

这种可控主要分为几类：

第一，单纯数据服务，可以通过集成数据服务，利用“数据超市”进行发布。例如客服想选择一部分经授权的用户群体进行营销，就可以在名单不出系统的情况下，通过加密等技术，直接由系统数据服务打通营销系统。

第二，如果仅仅拿一份数据做报表，可以在数据不出系统的情况下，建立分析建模可视化环境，而不需要把数据直接导出去。 

另外，我们也支持通过接口的方式，对接各类应用系统。比如，如果我们想进行客户的圈选和投放，可以直接打通数据服务和投放系统，数据不会脱离管控环境。所以说，整个数据加工和消费是在一个受安全管控的闭环环境。

数据流通体系——众相（用户标签系统）

众安2019年我们就承保了70亿张保单，我们如何串联这些保单数据？这些保单数据属于不同产品和不同的险种。其实无论险企内部车险、健康险等各个部门，真正需要流通的就是用户数据，现在互联网化就是从以往产品为中心，转化成用户为中心。

保证用户数据的流通，就要建立用户标签系统，这个用户标签系统主要包括几件事：

第一，从用户层次把不同事业部的用户数据打通，从用户层面把整个公司的操作行为，购买行为打通，沉淀成标签，目前众安内部已经有1000多个标签。我们支持离线和实时标签的圈选，并且能立马得出客户的洞察分析，从而支撑我们基于用户的业务交叉营销和联合风控。

第二，交叉风控。这部分众安也有很好的案例，例如在信用保证保险和健康险之间进行风控，当金融事业部出现一些逾期的客户，又突然来买非常高额的健康险、意外险，这就可能存在欺诈风险。通过类似这样交叉风控手段，每年减少的损失可以达到近千万。

第三，通过用户标签打通客户数据，众安将包括在线、电话、APP、短信等全渠道客户营销数据打通之后，可以做到实时感知，触达用户之前，就可以知道有什么样的诉求。比如在线客服这边，客户问你一个问题，客户又从电话渠道过来的时候，众安能立刻知道他买了什么保单，之前有什么问题，从而可以整体提升服务质量。

这是众安内部众相用户关系系统，可以从用户信息、保险行为、行为偏好、资产状况等标签维度对用户进行刻画，在营销或风控之前，就可以通过标签找到相应客户。

数据价值体系——价值路径

图中所示，这是典型的数据价值的挖掘路径，包括从源数据、清洗报表、到OLAP分析、BI机器建模，最终人工智能优化。基本上分为四个步骤点，

首先通过数据去了解“发生了什么”；

第二，通过数据的分析和洞察，多维分析，就了解“为什么会发生”；

第三，借助算法的力量，如何在未来帮助我们去预测和做提前预警，做到了解“什么时候回发生”；

最后，借助机器学习等算法，帮助我们做到优化，告诉我们“什么是最佳决策”。

一套流程下来，可以发现现有业务问题；BI分析可以知道问题为什么会发生；通过预测建模可以了解问题还会不会发生；通过优化算法，可以知道这些问题需要什么动作解决。

数据洞察平台和机器学习平台

一般在市场上，数据分析平台的产品都是按照数据处理的流程或者某一数据形态来区分的，比如ETL工具、流数据处理、OLAP引擎、报表系统、机器学习系统等，这是一个十分自然的挖掘数据价值的步骤，但是直接采用这些组件的一个缺点就是数据在衔接流转会变得异常复杂与难于管理，比如权限，上下游变动等等。

另一方面，开源社区虽然推出了许多优秀的项目，但是百家争鸣，连一个OLAP分析引擎可能就有若干个，各有特色，没有“silver bullet”（银弹）。

对于众安来说，我们基于开源优秀的组件以及我们在互联网保险与金融科技的最佳实践，自研了一套覆盖整个数据价值挖掘链路的分析平台：集智平台。

这套平台的最大优势就是在一个平台中囊括了数据从数仓到分析产出结果的所有步骤，数据开发、数据分析师、数据科学家在一个统一的平台上对于数据进行加工、分析、建模、可视化。具体来说，集智平台分为2个模块，数据洞察平台与机器学习平台。

数据洞察平台

数据洞察平台主要解决发生什么、为什么发生这两件事情。

传统数据都是看报表，众安已经有这么多报表平台的情况下，为什么还要做数据洞察平台？

首先是为了解决大数据处理速度问题，千万行数据集在业务中是很常见的现象，报表响应可能需要几分钟或几个小时，对业务分析影响非常大，如果可以达到秒级响应，对整个分析思路都是很好的帮助，也是为什么需要大数据处理能力的原因。

此外，现在大数据平台越来越多，隔几个月就会出现一个新的大数据平台，使用门槛越来越高，他们的使用方，业务或BI很难理解大数据平台本身的复杂性，造成使用屏障，需要有一个平台把所有复杂性都封装起来。

数据洞察平台是众安数据分析的基础工具。其最主要的功能有3点。

第一，洞察平台是一个对数据分析师透明的数据查询加速引擎，分析师可以自助式地将数据导入洞察平台，对于亿级的数据进行即席的查询与多维下钻，在技术上我们针对不同的数据形态，采用了不同的数据加速引擎，做了一个可插拔式的架构，可以很快地适应新的开源工具而不需要改造上游数据消费的应用。

第二，我们在洞察平台同时支持了流处理与批处理，并且抽象出了统一的数据模型层，对于分析师来说，不论是近1分钟的数据还是平均30天的数据，都可以在一个模型里进行可视化或者分析。

第三，洞察平台也是一个可视化的系统，可以非常高效地搭建出各种大屏、报表与移动端应用，与业务系统非常简单地进行对接与嵌入。

搭建高效可视化系统

数据洞察平台也是一个可视化的系统。

数据除了辅助提供决策价值以外，还要让业务看到数据。现在业务对数据的需求变得越来越多，搭建这些可视化、实时、离线报表，需要把大型报表嵌入到系统里面，让业务决策可以立马获得数据支持。

现在很少有业务打开报表系统看数据，报表都是BI分析师在看，业务更加关心操纵系统怎样进行业务操作，需要把报表嵌入到他的业务系统当中。

这是众安内部主推的可视化系统案例。这个车点通可视化系统，主要有四点好处：

第一，增加数据可视化程度。不同角色可以通过系统实时看到自己现在保费收入、业务指标、每生成一张保单，数据就会发生变化，所有系统都是移动端，可以做到完全脱离以前报表系统，打开手机查看。

这样的实时展示可以让车险业务部使用人数得到很大扩展，覆盖率达到97%，每天业务看数据的次数也大范围增加，以前一天看一次，现在次数可以增加4次以上。

第二，支持业务多维度实时透视。在全量数据上如何进行任意维度的查询在一般的离线数仓中是很难做到的，往往需要业务重复地提出取数需求。在车点通，业务可以自主地进行透视，这里面整个流程最重要的就是大数据引擎支持，如果一个维度就需要几分钟，就会严重影响用户使用积极性。

第三，把数据问题融入到运营当中。在车点通中，系统会自动把相关问题发送给相关负责人，按照时间点把所有问题变化、改进情况发送给业务进行比较。系统可以对每个问题进行追踪，避免出现遗漏、没有解决的情况。

第四，删除将数据融入到辅助决策。系统可以为业务变化，提供一些趋势分析，适时给业务一些费用调整或预测建议。上线车点通车险业务一站式智慧经营及管控中心，半年时间一线业务人员在车点通内追踪了193个（建议虚化具体数字）目标业务模式，边际成本平均下降建议虚化具体数字

整套流程可以使业务部门通过数据更加了解业务，进行多维度技术分析，通过数据沟通帮助解决业务问题。

机器学习平台

集智平台秉持着BI与AI同一个系统的理念，当我们从数据中知道了历史的状况，我们很自然地就想知道未来的情况并相对应地进行策略地改变，为此众安搭建了机器学习平台。

这个平台主要让机器学习模型落地更加简单。

传统路径需要数据人员和算法工程师先去数仓中找到数据，再编辑到Python环境下运行。经过一系列建模工作之后，再进行封装。

而且算法人员写的代码往往达不到生产级别，需要配备相应开发工程师帮助辅助优化。优化包括DOCKER、做镜像、上线做A\Btest，上线之后还需要定期到生产系统中捞数据，整个流程风险点非常多，过程也非常长。

一套模型从训练到上线，往往需要数据工程师、算法人员、数据开发工程师至少三个角色，约两周时间。

有了机器学习平台之后，算法工程师可以直接在数据应用空间中获取数据，平台自动帮助分配DOCKER资源，保证DOCKER资源最终上线后的一致性，同时保证模型测试阶段和模型上线阶段环境以及数据的一致性。

在整个过程中，平台主要解决几个问题：

第一，帮助算法工程师快速申请资源，快速进行服务化，快速上线，进行数据回流，弥补算法工程师与应用工程师的开发鸿沟；

第二，把建模数据和算法过程保存下来。以往数据资产可能只有数据表，随着算法模型应用和落地越来越多，模型资产也非常重要。包括用了什么算法，使用什么样数据，整个机器学习平台可以起到快速上线和管理模型的作用。 

最后总结一下，众安数据中台三大体系——数据管理体系、数据流通体系以及数据价值体系。

数据中台是什么？他不是单一的系统或平台，实际是一整套管理体系。每家公司进行数据中台建设的时候，也都有不一样的矩阵选择，但本质上都符合一个逻辑，怎样最大化把数据资产管理起来，让数据更好流通，让数据发挥价值。

你会如何评价水滴这家公司？

“创业四年来，水滴几乎每年都会遭遇很大的公关事件，多次被外界、合作方所误解。”在刚刚结束的“水滴保险商城2020全球合作伙伴大会”上，水滴创始人沈鹏说了这么一句话。

在过去的几年里，小凤雅事件、员工和其他平台斗殴，诸如此类社会性话题，像旋涡一样裹挟着水滴，将其置于风暴的中心。

然而，四岁的水滴，已经拥有了自己的人设。

沈鹏表示：“水滴是一家正经的商业公司。公司的愿景虽然包括社会保障和责任，但水滴不是公益机构，水滴筹也不是公益组织，像水滴筹这样的公益属性业务线，都是依靠水滴和保险公司的合作效益来补贴。”

在网络互助潮流下起家，如今的水滴公司已经分为水滴保险商城、水滴互助、水滴筹、水滴公益等多个业务线，其中最主要的效益支撑板块就是水滴保险商城。

去年，整个水滴保险商城就已完成60亿元年化签单保费，截止到今年8月，年化签单保费也达到70亿元，预计年底将超过140亿元。

与之对应，目前已披露2019年报的71家非上市传统人身险公司中，仅有27家保费收入超百亿。仅仅两年时间，水滴保险商城就用“非传统”的方式完成了对前辈们的“致敬”。

1

今年33岁的沈鹏，有一个很多人都羡慕的职场起点。大四时，他加入了美团创业，成为公司的第10号员工；23岁就被升为大区经理，统管北京、天津、山东共400人团队；26岁，跟随王慧文（美团联合创始人、高级副总裁）立项美团外卖，带领团队用一年多时间，把美团外卖做到行业第一。

今天美团市值已经达到2000亿美元，如果这一切都按照传统轨迹发展下去，沈鹏可能走上另一条所有人都羡慕的生活。

然而故事和经历都是说给多数人听的，总有一些人愿意自己探索生命的轨迹。2016年4月，沈鹏离开美团，开始了自己创业之路。

“美团的经历，让我有了尝试的信心”沈鹏表示。

他发现，年轻人虽然透支身体在外面打拼，但大多数人并没有保障自己健康的保险。沈鹏分享了一段真实的经历：在美团的六年里，沈鹏经常遇到同事或者同事家属生病的情况。2015年，一位同事家属生病，沈鹏虽然全面号召筹钱，但实际效率非常低。

抱着想要做一些“更有意义的事情”的想法，他创立了水滴公司，致力于实现更多人的有保可医。

不同于“百度七剑客”或者“阿里十八罗汉”，水滴初创时，九人团队的平均年龄还不到30岁，甚至他们中的绝大多数根本不懂敲代码和开发，第一个前端开发工程师还是会计出身。

沈鹏幽默的说：“图片中离桌前最近的那位小姑娘比胡尧（水滴公司合伙人，水滴筹总经理）早加入一个小时，这位小姑娘是学会计的，在美团从来没有敲过代码。当时她毛遂自荐，表示自己虽然是学会计出身，但最近在跟男朋友学写代码，如果公司给她机会，她非常愿意加入。后来，水滴的第一个开发工程师就到岗了。”

虽然初创团队并非科班出身，甚至其中绝大部分人还没明白将来做的事情是什么，但他们有一个共同的特点，就是信沈鹏这个人。

而沈鹏相信的则是一场新的互联网革命——网络互助。

2

2016年发生了几件大事：滴滴、优步合并，完成了对国内网约车市场的垄断；网络直播元年到来；人工智能技术开始在各个行业爆发；未来给中国企业造成最大麻烦的特朗普竞选成功，成为美国总统。

与此同时，网络互助成为商业风口，大量资本和人才开始涌入，平均每个月就有7家网络互助公司诞生。

水滴公司成立后的天使轮融资就拿到了5千万人民币，IDG资本、腾讯、美团-大众点评、高榕资本、点亮基金、真格基金等多个明星资本注资。

沈鹏表示：“水滴刚成立的时候，很多投资人都频繁约他，希望上来就能拿到一部分份额。”

有了充足资金支撑，水滴在动作上也更加勇敢，广告投放3个月就花了1000万。

与此同时，水滴的用户量也突飞猛进：“水滴互助”上线100天，会员就突破100万，此后会员规模更是达到千万级别，超过了同时期很多互联网金融平台。

就在此时，水滴迎来了自己的第一个至暗时刻。

彼时网络互助行业泥沙俱下，备受质疑。2016年12月，《中国保监会关于开展以网络互助计划形式非法从事保险业务专项整治工作的通知》发布，严肃整治问题平台，《通知》发布后，网络互助迎来了长达一年之久的“冰河期”，也给还处在成长期的水滴公司带来了严重冲击。

回忆这段时期，沈鹏在一次采访中也被主持人张鹏调侃到，“水滴这几年发展很快，跑的这么快是不是把脚都摔骨折了。”

另一方面，2017年A轮融资遇阻之后，水滴开始面临钱荒。此时的水滴，互助规模还不算大，水滴筹刚开始做，水滴保险商城没上线，纵使手里攥着上千万客户，却无法变现，也没有任何收入。

沈鹏表示：“当时，公司有一个很有意思的现象。每天财务有大量资金进出，但却非常缺钱，因为这个钱没有一分属于水滴，都是代收代付。例如病人在平台筹款后，把筹款打给患者；或者用户加了互助后，把钱转给生病的用户，整整两年，我们没有任何商业化营收。”

这个时间点的沈鹏，遇到了“马化腾要卖QQ”的境地。

有人劝沈鹏，水滴可以像国外GoFundMe等众筹平台一样收取服务费，维持平台生存；或者利用手上的用户量做一些当时很赚钱的项目，例如P2P、现金贷等等。

越到迷茫期，越是抉择的分水岭。

沈鹏表示：“那时候水滴确实需要钱，每天我和投资人谈到嗓子沙哑。当时，也有很多赚快钱的选择，但都没有做。我们决策的方式就是和初衷做比较，实现更多人的有保可依。在水滴筹筹款都是经济困难的大病患者。众筹平台收服务费这种方式，对筹款者或捐款者都不太适合。”

真正让水滴迎来转机的就是保险商城的出现，保险商城也让水滴正式拥有商业化能力，推动其直接完成B轮融资。

3

从互助经济到涉水保险，这一步水滴走的并不容易。

“刚开始涉水保险业，我们甚至参加行业会议的资格都没有，许多会议组织方认为我们不是保险公司，参加会议只能以观众名义进场”沈鹏表示。

这一阶段的水滴保险商城，只是一名搬运工，利用互联网平台流量为保险公司现成健康险、百万医疗险做引流。

但对于见过太多因病致贫、因病返贫案例的沈鹏来说，他知道这些传统健康险，这种模式对用户来说保障来的远远不够。

一方面，因为生物制药的飞速发展，很多癌症都变成了慢性病，需要持续服药。但这些创新疗法和创新药的费用却十分高昂。例如，以往肝癌的治疗需要30万-50万的费用，但创新药和创新疗法可能需要一百多万甚至更高，投保用户对赔付的需求变得更高，传统百万医疗的额度已经无法满足。

另一方面，水滴的筹款案例里面，用户得了大病，从基层医院转移到北上广的大三甲是很常见的现象，但传统健康险产品对于异地就医、跨城报销的比例却非常低。

在现有健康险保障力度、保障方式都已经无法满足平台用户需求的情况下，水滴保险商城进入了第二阶段：走一条别人没走过的路。

过去四年，水滴一次次面对公关事件和外界质疑的时候，沈鹏也是这样告诉水滴内部和外界：“自己和水滴是在走一条别人没有走过的路，从来都不怕做错和踩坑，只要坚持下去就没有遗憾。”

为此，水滴开始面向用户的需求，利用互联网保险平台做传统健康险没做的事。

2018年，水滴与当时百万医疗险的首创平台众安在线达成合作。利用渠道优势

，率先在行业内推出按月缴费的新模式，用户每个月只需支付几十块钱的范本和口号被其他险企争相模仿，并进一步降低了用户的购买门槛。

2019年，水滴保险商城联合太平财险推出百万医疗险，涵盖100种重大疾病，拓展国内特需医疗、海外恶性肿瘤医疗保障，质子重离子治疗最高赔付额达600万，根据平台中的用户保障需求和反馈，延伸了健康险保障的广度；

之后，水滴保险商城还联合太平财险，把原有百万医疗险跨城市报销比例，由原来的60%提高至80%，率先满足更多实际场景的保障需求。

打开流量入口后，水滴逐步和更多合作伙伴建立信任，随着一系列健康险爆品产品出现，水滴保险商城也正式进入第三阶段。

沈鹏将这一阶段定义为“寻找创业的边界”，实现更多人的有保可医。

沈鹏表示：“三四线城市里，水滴用户非常集中，用户对健康险需求更大，但真正对口的健康险产品却供给不足。虽然保险巨头20年前就已经进入这些低线城市市场，但它们保险产品的定价，却和一二线城市完全相同，难以符合低线城市的用户需求。”

另一方面，水滴的用户群里，还有大量非健康人群和中老年群体，这部分保险非标人群更需要保障，但是根本没有任何医疗险，可供他们选择。

帮别人铺路的同时，也就逐渐有能力左右这条路的方向，此后，水滴开始利用互联网能力和险企共创新险种。

2019年，水滴联合安心保险推出国内首款专门针对60周岁以上老年人的百万医疗险。

这个产品率先破除行业内的中老年歧视现状，填补2.49亿老年人险种的空白，推出之后就成为行业内的现象级产品。

此外，水滴还与一家国内药企探索肝病患者投保的可能。

沈鹏表示：“保险公司最怕的就是风险难以预测，这家药企在和水滴合作前，找了很多家保险公司，但都难以成行。从水滴的数据分析来看，这部分非健康人群的风险并不高于正常人。目前，我们主动和这家药企设计保险方案，助推这一新险种在保险行业落地。”

在保险能力和商业化趋势日趋明朗之后，2019年6月，水滴举办了自己的第一届保险合作伙伴大会。

会上，水滴保险商城总经理杨光正式发布了水滴开放平台1.0战略“流量+销售”，致力帮助更多险企在平台获取流量、打造场景。会上水滴宣布完成了自己的10亿元人民币C轮融资。

4

这个时候水滴的状态，像极了那个当初还没有离开美团的沈鹏，钱已经不是首要问题，水滴保险商城成为月均完成亿级规模保费的业务型平台，依靠巨额流量，就能完成持续化的保险销售。

但依靠自身场景和微信流量持续支持，成为一家所有人都羡慕的流量平台就足够了么？

在美团的多年工作经历，和四年的创业经历里，沈鹏一直坚信创业是存在边界的，“创业这群人需要明白自己到底想要实现什么，为什么创业，要围绕使命和愿景去发力。”

水滴已经达到自己的边界了么？现在就是水滴的终局了么？未来依靠滚雪球就能IPO了么？

拿到C轮融资之后，沈鹏带着疑问，开始给水滴寻找“老师”，这个老师就是”联合健康”。

联合健康是美国最大的健康保险公司，核心业务分为健康保险业务板块(United Healthcare)和健康产业链板块(Optum)，后者主要包括健康管理、健康信息技术服务以及药品管理等业务。

两个板块具有密切的呼应关系，健康险业务为产业链提供稳定的客户来源，后者则提升保险业务的服务能力，同时加强客户医疗行为的监控、为保险主业控制风险。

而创业四年的水滴，近乎做了同样的事情，从水滴互助到水滴筹，再到水滴保险商城的三级火箭模式，以及下一步大健康领域的开拓，都与联合健康的现有布局非常类似

为此，沈鹏给水滴定义了一个新目标：成为中国版的联合健康，做一家围绕保险保障与大健康的生态公司。

为此，水滴不再局限自己的互联网属性，在今年年初开始成立线下保险经理人团队；

之后，在集中采购等医药行业的趋势下，和默沙东、阿斯利康、正大天晴、泰德制药等药企合作，为水滴筹患者提供一些折扣药品，并在保险商城开辟“好药付”新业务。

水滴和沈鹏开始了自己的再一次转变，这种转变曾发生在美团到水滴、水滴互助到水滴筹、水滴互助到保险商城。

近日，水滴保险商城举办了自己的2020全球合作伙伴大会，会上，总经理杨光正式发布了水滴开放平台2.0战略“渠道+数据+服务+系统”；并宣布拿到2.3亿美元的D轮融资。

杨光表示，2.0战略的目标在于，除了输出渠道流量，水滴将开始提供线上和线下的营销体系，线上运营能力，大数据风控体系，以及数据和医疗服务。

5

在水滴保险商城2020全球合作伙伴大会的最后一个环节，有记者发文沈鹏：“水滴把自己的目标，定义成为中国版的联合健康。美国联合健康2019年全年收入是2400亿美金，约等于2个微软、4个阿里巴巴，168个茅台，您觉得水滴达到这样需要多久。”

在这样大的体量差异下，沈鹏也不知道刚刚成立四年的水滴究竟需要多久，也许是十年，或者更久。

就像十年前刚加入美团的他，不知道自己将掌握全国最大的外卖餐桌；四年前成立水滴的他，不会知道自己将创立一个互助和众筹独角兽。

但他知道，水滴就是要将联合健康模式在中国落地。

现在，水滴合作保险公司和机构已经超过60家，并和更多医院以及药企建立合作的情况下，随着医保政策和互联网环境的改变，未来的水滴，又将如何走下去。雷锋网雷锋网雷锋网

“Stop-loss ”旨在为企业提供风险保护，使其减少灾难和意外的影响。

例如这次新冠肺炎，就导致很多企业遭受重创，员工健康和业务受到双重影响，不确定性因素开始增加。这种情况下，企业就可以选择从外部保险公司购买保险，来减少自身的风险和损失。

根据研究公司S＆P Global Intelligence的数据显示，目前“Stop-loss ”所在的保险市场，规模已经达到200亿美元。

目前，Coefficient已经率先和瑞士再保险集团的商业保险部门（Swiss Re Corporate Solutions）展开合作，在市场上分销“Stop-loss ”服务。

未来Coefficient还会和Alphabet的其他业务部门进行协作，探索“Stop-loss ”的落地，例如在Onduo中，为企业提供糖尿病员工医疗保障，或者和Google Health合作，获取更多医疗数据支持。

目前，Coefficient已经从银湖、淡马锡等投资者获得一些外部投资。

目前，微保平台已经服务上亿的微信用户，自研平台也已经接入36家保险公司，处理超过十亿级别用户会话、千亿级别用户行为。

但微保最开始做保险推荐和获客的时候，也曾经历迷茫试错期。

李羽表示，微保一开始觉得保险推荐和其他互联网领域情况类似，可以很容易上线获得收益，但实际完全不是这么回事。

最开始半年的研发，微保做了三个模型版本升级、15次实验，但只有一次推荐获得收益，效果也仅仅只有1%左右。

这种情况下，微保做了大量分析和行业调研，才一步步找到保险和其他领域推荐的不同，其中差异主要包括SKU规模小、用户认知差、产品复杂且限制多等等。

为了解决SKU规模小、产品复杂的问题，微保引入了组合的概念，将原来单个保险产品做成组合，产品形态上是多个产品组合融合成一种卡片，再辅助一些推荐理由，逐渐让用户产生共鸣，把原来30个保险种类扩展成上千个SKU组合。

针对用户认知差的问题，微保重新定义了问题，从端到端建模更改为意愿度推荐模型，在用户买或不买、点或不点之前，就进行用户认知程度识别，按照认知层级推荐。在认知度模型实验中，这种方法成功对10%的尾部用户点击率造成极大提升。

以下为李羽演讲全文内容，雷锋网做了不改变原意的编辑：

很高兴有这个机会跟大家做些交流，也感谢主办方雷锋网(公众号：雷锋网)。今天我分享的题目是保险科技助力用户增长的实践，我叫李羽，是微保数据智能中心负责人。

微保的出身

首先，介绍一下微保，微保全称是微民保险代理有限公司，由腾讯控股。

腾讯这几年大概投资了几百家公司，其中绝大多数都是投资公司，例如美团和滴滴，但也有少量控股公司，例如QQ音乐、阅文集团，当然微保也是其中之一。微保是在2017年9月，获批的保险代理牌照，并在2018年1月正式上线产品。

微保作为腾讯的控股公司，自然也可以获得很多独家资源支持，例如微信钱包九宫格里保险服务入口就是腾讯对微保的重要支持之一。

在微保成立之前，就曾有很多保险公司希望和腾讯合作，腾讯自身也希望把自己的互联网能力和保险行业做结合，但过去腾讯每个团队都有自己的主营业务，对于保险的理解和使用并不那么深刻。

而微保出现之后，基本上就能解决这个问题。微保作为一个桥梁，一方面可以承载腾讯自身的互联网能力，一方面也可以和保险公司携手一起为用户创造价值。

微保作为腾讯旗下互联网保险服务平台，目标就是基于腾讯生态体系服务C端用户和保险公司。   

我们认为科技的发展有两种驱动方式，一种是热点驱动，一种是需求驱动。

热点驱动类似于为科技而科技，行业首先会出现一些比较热门或比较前沿的技术，随后大家开始跟进前沿技术，再往后才是落地场景的思考。

微保科技成立的第一天，就是致力于用科技创造价值，里面包含几个目标：

首先，用户面向谁；其次，用户有哪些需求点，需要怎样的价值点；之后，针对这些价值点或需求制定解决方案；最后，为解决方案寻找技术，落地实施。

这是微保科技服务C端用户的数字地图。

第一级是保险行业需要解决的问题，例如产品好吗？服务好吗？是否安全？

下一级是具体子问题，例如产品是不是一定很贵？保险这么复杂，需要购买什么样的产品？后续需不需要理赔？针对这些现实问题，微保希望通过科技层面探索解决方案。

再下一级是帮助保险精算师设计更有效、更具有性价比的保险产品，达到风险识别和反欺诈，以及大数据精算定价能力。

这几个环节的问题，都可以通过科技手段解决。

例如，在复杂市场里选择保险产品？就可以通过保险科技帮助用户更快速、更高效找到适配的保险产品。

保险教育层面，也可以通过搜索引擎推荐、知识图谱、智能客服等手段，解决用户购买过程中关于核保和核赔的问题与困惑。

保险赔付疑虑层面，也可以通过保险科技，让服务更直接。微保在这方面已经尝试做智能理赔问诊、保单管家、一键退保等功能。

作为一个保险代理平台，除了面向C端用户，微保还面向再保公司，再保公司的述求集中在两方面，一方面帮保险公司找到更多优质用户，另外一方面帮助驱动用户增长，降低风险成本。

在这种情况下，微保打造一些平台或中台区域，在to B领域跟保险公司合作，例如，个性化的风控平台、BI平台、投放平台等。

综合来看，微保虽然是一个互联网保险公司，但很多情况下，都需要对保险有足够的认知和理解，才可以利用一些互联网、AI技术帮助C端用户选择更好的保险产品，帮助保险公司提升人力效率，做到更精细化的用户运营，同时在这个过程中，也需要运营中台、对话平台、AI语音等技术。

刚才分享的都偏效果和效率，其实整个传统保险投保流程，以及续保流程和用户生命周期管理，都是一个很漫长的过程。

这张图可以看到，具体实现非常复杂，甚至解决方案堆在一起就有几十个格子图。

当然，整个格子图构造核心还是基于腾讯金融云和腾讯公有云等基础设施；在腾讯云之上才是微保Paas层；再往上通过中台或平台服务，降低前端业务开发量，提升研发效率和智能化水平；最顶层则是基于中台和平台构建轻量级业务层，用中台能力快速拼装各种业务，支持服务用户。

保险获客的核心——增长黑客

接下里，从保险获客视角，介绍微保增长黑客的工作。

首先介绍一下增长黑客，增长黑客是一整套体系和方法，近年很多互联网公司都在尝试和研究将增长黑客应用在业务增长层面。

早期尝试增长黑客实践的案例就是 Facebook，以数据为指引的实验方式，系统性在用户在生命周期的各个阶段，寻找当下最具性价比的机会来推动北极星指标（唯一指标）提升，也就是注重通过数据和实验的方式驱动业务，发现业务中的增长点。

具体执行层面，需要横跨市场、产品、工程、设计和数据等团队，把所有人聚在一起，为了共同的目标做实验、想方法，并通过快速迭代的方式达到目标。

我们可以发现，增长黑客需要的数字体系目标分为以下几类：

数字化，通过数据方式甄别业务实际情况，改进策略效果；

实验化，数据比对、核心数据的生成，实验化都是重要的方法；

精细化，技术需要满足用户、运营或产品等不同群体、不同场景和不同策略的精细化诉求，推荐就是精细化的一个重要手段；

平台化和中台化，这部分主要因为增长技术体系构建和实现比较困难、保险业务链条比较长；

例如获客就包括用户购买首单和后续的加购，以及第二年的续保等等，如果里面每个链条、每个场景都做增长和相关技术搭建，那最后整个服务效率和效果一定差异巨大。所以需要很强的平台化或中台化设计，让整个公司健康险产品服务链条统一。

在整个实际实践过程中，还需要注意一些技术之外的问题，例如因为每个业务团队对增长黑客的理解不同，大家对增长的方法论也不是特别熟悉，就需要在磨合过程中，增加一些机制来填补业务方和增长技术之间的空隙。

这是增长黑客的技术体系，主要包含三个层面：

底层是数据中台，主要提供基础和应用能力，包括可视化和多元分析，以及算法和画像能力。

往上是增长平台，可以围绕增长数据化和实验化做一些个性化实验平台、业务平台，以及运营平台。

最顶层是互联网和人工服务场景，互联网场景包括微信场景，运营场景，广告投放场景，人工运营包括售前服务和售后服务。

接下来会重点介绍三点：保险领域的个性化推荐；互联网服务场景的保险领域个性化推荐；人工服务场景和管家智能助手。

前面已经提到实验化是增长体系重要一环，通过实验平台相关工作就可以理解这些工作开展方式，但前面介绍遗留了一个问题，就是整个增长技术体系和真正业务对接过程中存在的缝隙。

关于这个缺口的弥补，微保在实践过程中采用了BP制度，通过BP制度深入和业务紧密绑定起来在一起，弥补业务和增长之间的缺口。

BP的工作核心就是把业务方提出的目标、假设、需求转换成底层中台或平台来承接一些明确技术需求。

目前，微保内部主要有三种BP技术角色：业务分析BP、个性化BP、系统BP。

业务分析BP的核心工作就是发现和评估假设，做专题分析或用户洞察，跟产品和业务方一起讨论，要做哪些优化和优化进展。

个性化BP的核心工作则是把假设转化为可执行的实验，做具体增长策略和实验设计，并配置实验，解读是否有效。

系统BP则是把前面的分析和实验或者有效的策略，固化到系统层面和增长中台。最后增长平台就只需要把系统BP的需求转化成平台方案设计。

右边这张图是使用业务分析BP举例说明BP的工作流程，每个大核心的业务都会有一对一的业务分析BP，深入到产品中跟产品一起讨论需求或假设，再把需求和假设做排期，做相关开发，形成结论反馈到产品层。

健康险用户推荐策略

前面大概介绍了微保增长技术体系，按照刚才的逻辑将展开三个点详细跟大家交流。

推荐技术发展到现在，技术层面和算法层面都已经没有特别大的挑战。

微保一开始也觉得，很容易就可以做一个保险相关推荐，快速上线拿到收益，但实际完全不是这么回事。

最开始，我们一共做了三个模型版本升级，15次实验，但只有一次推荐获得收益，效果大概只有1%左右，整个过程经历了半年的时间。

在这种情况下，微保开始做相关分析和行业调研，半年之后才逐渐找到保险产品推荐和其他领域推荐的差异。差异主要分为以下几类：

第一种差异，SKU规模，电影或资讯领域等其他领域，通常SKU规模比较大，例如电影领域就有几十万候选推荐SKU，而保险领域则少之又少。调研发现，保险行业在售保险产品，甚至还不到1000种。而微保奉行的就是严选和定制策略，能上线的产品更少，大约在三十款左右。

第二种差异，产品复杂度和用户认知。在电影或资讯领域，大家看电影标题或简介就可以很容易理解其中所讲述的故事和含义。而保险领域，因为产品复杂度高和存在大量的条款和计算公式，造成理解保险的时候，对于大多数用户都是很难的一件事情。

第三种差异，产品限制。在电影或者资讯领域，不涉及黄色或者反动，大部分产品都没有太多限制，可以正常做推荐。但保险领域要求非常多，有很多核保规则、地域限制，极大约束推荐过程中的策略生成。

第四种差异，关注频率。资讯大家每天都会关注，但用户即使已经购买保险，也不会经常去看自己的保单，关注频率非常低。

第五种差异，行业经验，电影、资讯、电子产品等行业都非常成熟，网上资料甚至开源代码系统都非常多。但保险领域相对比较匮乏，微保调研了很久，也没有找到适合行业解决方案。

这么多复杂问题情况下，意味着不能再遵循过去的方法和策略，需要提出新的解决方案。

按照增长黑客的方法论，在找到解决方案之前，我们需要做一些假设，以及针对假设做一些实验，验证新的增长思路，假设和猜想是否正确。

我们做了很多关于用户的认知分析。用户首次访问微保之后，前三天付费占比只有不到一半，另外一大半的付费用户是在第4天到第365天才成交，把观察时间拉到更长，前三天成交的比例会进一步的下降。

总结发现，我们的用户有一部分可能很快就买保险，而另一部分可能会过了很久才买，这个分析佐证了用户认知差异的存在：首先，用户准备度差异非常大；其次我们的推荐策略优化方向，还要考虑用户准备度，让用户理解产品、记住微保。

在针对问题做了一系列分析后，我们产生了一些实践思路或者假设，那么我们也通过一系列的实验来验证了这些假设：

第一点，重新定义建模目标，此前我们的工作都是端到端建模，把用户直接扔到模型里面，让模型自己学。

现在我们分开看这个问题，在识别用户买或不买、点或不点之前，就去识别用户认知程度，在认知程度基础上决定推荐策略。建好了认知度模型后，我们针对模型打分尾部10%的用户做了实验，对这些用户不展示产品，而展示一些教育内容或者健康活动。

最终实验下来，我们发现整体保费和转化率并没有没有影响，而最后10%用户点击率又有很大提升，这就证明认知度模型可以比较好的识别出用户对保险的认知度。

第二点，尝试降低产品复杂度，扩展item，引入更多非产品类item。

因为用户的认知差异非常大，并不能为所有用户都推荐高难度的产品，需要循序渐进。所以微保就做了赠险、教育类的文章，发现这比直接给用户看产品更有效。

为此，微保引入组合的概念，把原来单个保险产品做成组合，在产品形态上是一个卡片的形态，那么单个产品用户看起来没有什么感觉，但多个产品组合在一起，再辅助一些推荐理由，就可以逐渐让用户产生共鸣，在引入卡片之后，还可以极大扩展SKU数量，原来30款产品，使用卡片组合之后，可以扩展成上千个SKU组合。

第三点，引入推荐理由元素帮助用户理解，降低推荐产品复杂度，例如卡片标题、产品简介、相关标签。

第四点，降低试错成本。数据驱动或实验驱动本身就非常复杂，一旦实验很慢或试测成本很高，就会导致难以为继。

为此微保采取了两个举措，一方面加强人工规则表达能力，便于引入更多专家经验，其中主要是因为整个行业发展这么多年，在人和人打交道过程中需要更多依靠人工去售卖，而保险专家有更多知识沉淀，这些知识可以通过加强规则表达，跟推荐引擎结合，减少试错成本；

另外一方面，加强实验系统建设，微保最开始阶段整个实验系统都比较笨拙，后续解决实验系统跟保险行业结合的问题之后，产品时间并发度有极大的提升。

举几个推荐实验实例，最左侧是一个健康险相关组合卡片，左边是个性化重疾卡片，可以看到卡片名介绍，底部有卡片文章相关的item，item可以根据用户画像做个性化定制。模型也会帮助专家选择卡片名或卡片介绍的组合，这样卡片上线之后，整体转化率可以提升3.2%。

中间是健康险相关的长期保障卡片，主要实验就是下面底部文章和信息变化。例如用户看过产品，文章就变为什么患了重疾还需要健康保障。如果已经为家人投保，这篇文章就会变为“为什么越早够买终身重疾越划算？”

通过这一系列尝试，长期保障卡片对首页保费提升率造成很大提升，帮助首页产生的保费提升了6%左右，终身重疾转化率提升了77%。

右边是小白用户的案例，我们找了一些认知度低的用户，首先不给他看产品，只在核心位置给他推荐专属福利。

最终目标客群整体点击率提升了23%，用户30天转化率也有大规模的提升。而我们让目标用户记住了微保之后，他们的30天转化率提升了10%。

最后介绍微保推荐系统的整体结构图。底层部分是数据能力层，包括外部联合数据建模专区；

往上是系统层再往上是个性化推荐策略体系，我们把这个体系分为深度场景推荐、多产品推荐以及专家经验推荐。

这样分的本质原因在于，微保本身就是做推荐相关工作的同学还比较少。但微保需要做的推荐场景却非常多，就需要有一部分同学首先服务好一些核心场景，跟场景相关的深度推荐，例如首页场景、投保成功场景；另外一部分同学则专注在通用推荐上，更多推荐场景通过一个通用算法把它满足起来。

很重要的专家推荐场景，则交给专家，把专家知识引入进来，建立一套体系帮助保险专家推荐。

人机辅助智能助手

下一步介绍智能助手怎么辅助提升人工效率和效果，帮助人工做增长工作。

保险产品的复杂性，导致了即使是互联网保险平台，也需要依赖人工客服来解决用户的各种各样的问题，而这些人工客服在互联网场景下服务客户的时候，又面临各种各样的问题。

例如用户可能想要高效和专业的靠谱服务，如果是线下保险代理人在投保过程中，可以根据用户的语态、语速、谈吐、判断需求和对保险的认知程度，并把自己心中之前最好的解决方案给到用户。但互联网保险往往都是隔空服务用户，并不能完整及时的捕获用户的信息。也就很难高效并且合理地给出方案，服务好用户。

怎么去解决这些问题？

微保是通过智能助手来帮助人工客服捕捉用户意图，给出回复建议的。微保的智能助手不是第一天就有一个完整的能力体系的，也是在具体客服、管家服务的支撑工作中，逐渐进行体系化规划，构建工具，让智能助手逐渐可以应用在各个服务环节。

例如接触用户环节、了解需求环节、满足需求环节，数据驱动环节。再下一步，微保会把这些环节所解决的工具或能力沉淀成智能化解决方案。

首先，在了解需求阶段。微保会把用户在全站的行为和留下的数据做成用户画像标签，让客服更好理解用户的对话诉求。

除了用户画像标签，微保还根据用户进线后的一些聊天行为、聊天时间间距抽取关键信息，判断用户形象、对保险了解程度，提高补充需求收集效率。

此次，满足需求阶段。微保会制定一些智能服务助手或智能核保智能理赔方案，给到人工客服，这样用户留下相关信息之后，就可以对他的需求做进一步洞察，例如发现用户服务过程中产生的问题和机会，做产生相应的策略指导。

这张图，从上到下发展展现了微保相关体系的规划，下层有数据，往上是基础技术，再往上是真正提高人效的场景。

这是具体应用场景的截图。

微保目前累计已经服务2千万次保险咨询，帮助客服人员人均服务会话数提升1.5倍。

在人工智能助手服务场景，微保目前还处于打基础、建设基础能力的阶段，还没有完全按照增长方式运作起来，下一步会把之前累积的保险领域增长实践方案跟人工服务场景结合起来，帮助人工服务场景做到数字化和实验化。

最后介绍下微保AB实验系统。

为什么要实验驱动，本质原因是人会犯错误？国外一篇文章统计，普通人判断AB策略好坏的正确率10%~20%，微软5年经验产品经理正确率是30%~40%，谷歌产品经理正确率在33%左右。如何减小犯错误的机会，就需要通过实验驱动的方法。

另外一个原因是，人去判断1%的变化，基本上判断不出来的，但通过实验系统，则比较容易判断其中的变化。增长黑客也是非常强调实验驱动的。

判断1%的变化和提升是不是有价值？如果每天都做1%改进，累计一年就是37倍的提升，但如果每天做负向1%优化，一年下来指标就只剩下原来0.02了。

这是微保实验系统框架，包括面向用户、面向产品经理或者是面向数据分析师，主要界面是实验管理平台。

实验管理平台后端有两个相关子系统做支撑，一个是实验系统后台，实验系统后台包括分流、分桶染色逻辑；另外一个是实验配置逻辑，比较重要的模块就是实验分析。

很多公司可能在实验分析方面投入比较少，但微保的实践过程中发现，实验分析非常重要，因为如果对实验解读不正确，就可能造成很多无用功，这种情况下不如去相信人的经验。

接下来会对微保增长黑客实践过程中遇到的一问题，进行一些回顾。

首先，就是互联网保险领域流量比较小。微保虽然依托腾讯在保险领域流量已经非常大，但跟其它互联网产业比，流量还比较小。

为此，微保主要通过预计算的方式来分层分桶，保证在实验效率和实验效果方面达到平衡。

其次，保险业务流程比较长，实验场景也很多，以推荐为例，已经有28个实验场景接进来。

早期的时候每个场景的上报数据都不一样，给实验科学性和可解读性造成了巨大障碍，因此在这里强调，我们埋点的方案一定要体系化，需要有中台或者平台的视角来看待埋点。

另外业务流程长，需要我们保证用户在多个场景下遇到的实验策略是一致的。如果再某个场景下，给用户说A，到另外一个场景，又给用户说B，就无法让用户形成连贯的体验了。

所以在整个推荐策略中，用户染色策略和用户的实验策略必须全局化，保证全局统一。

再次，保险用户转化周期长。保险和其他商品有很大不同，通常需要设定长周期实验指标，最初，微保曾把精力放在短周期实验指标上，但用户成分或行为发生变化的时候，短期实验效果往往就会发生严重波动。

因此，我们设计了长周期的实验观察指标，也考虑了一些短期行为的长期价值，帮助我们更好的衡量实验。

最后，就是要做到实验结论科学可信，要有实验分析模块，数据出来后，至少要做假设检验。另外在实验结论分析时还要避免辛普森悖论。

作为一种由大量条款文本承载商业价值的服务，数据对于保险行业营销、承保、核保、核赔等多个业务环节的精准化都有重要意义，而且像人工智能、区块链等技术在保险业的发展，也需要大量数据作为基础背书。

但过去，由于技术手段和数据安全的限制，保险公司的各个系统间无法完成高效的数据交换和沟通，系统间就像一个个的孤岛。由于担心部门内部信息共享不当，即便是大型保险公司，内部很多部门仍处于“信息独立”的运营状态中。

这就意味大量有效信息无法被高效率利用，保险公司拥有数据却无法破解数据价值。

众安保险数据智能中心总经理孙谷飞表示：“保险公司不仅要丰富自身结构化场景数据，更需要加强保险公司间和其他行业的数据交流，数据开放和隐私安全并非悖论。新数据形式的快速、实时增长也使我们能够更好地评估新风险及正在出现的风险，从而使我们能够针对特定的需求群体定制保险产品。”

8月12日（周三），雷锋网「医健AI掘金志」邀请到众安保险智能中心负责人孙谷飞，为我们解读“保险新基建”的根基部分——「数据中台赋能未来保险生态」。

但过去几个月，今年的“黑天鹅”事件，让线下销售全面崩盘。银保监会近期数据显示，今年上半年保险业销售额减少近千亿，相比去年近乎于腰斩。

传统线下代理人百万大军均受到重创的情况下，保险公司目光纷纷看向互联网，深耕互联网转型，和互联网平台深入合作。

而互联网的本质就是引流——聚众——转化。

作为腾讯旗下的保险代理平台，微保成立的目标之一就是互联网流量的保险推荐和转化。马化腾曾说:“微保是腾讯搭建互联网+金融生态的重要一环。”

截至2019年12月，成立的两年时间里，微保已拥有超过5500万注册用户，并为超过2500万用户提供保险服务，用户人均保费超过1000元，用户投保复购率高达40%。用户增长速度和投保复购率远超过绝大多数线下险企和保险代理公司。

而在最近的几个月，微保又新增加2500万有效用户，用户增长率超过45%。这背后有怎样的平台连接方法与大数据技术逻辑？又依靠怎样的互联网用户转化和推荐体系？

8月4日（周二），雷锋网「医健AI掘金志」邀请到腾讯微保行业大数据实验室主任李羽，为我们首次解读“保险新基建”的核心一环——保险科技助力用户增长实践。雷锋网雷锋网

但增长的暗面，包含着风控能力不足、利润负增长等多种原生问题。中再产险数据显示，2019年，健康险行业亏损率达到109%，甚至有17家企业的赔付率达到了100%。

如何缓解健康险面临的现实困境，其中的一个解决方法就是智能化转型。

此前，乐约健康CEO付新华曾向雷锋网表示：“健康险行业的大趋势就是科技升级、面向智能化的转型，这次疫情极大地加速了这个趋势。保险行业线上化趋势的改造，将从销售端开始，一直延伸到风控端、理赔服务端等全流程。”

为此，雷锋网《医健AI掘金志》启动「保险新基建——健康险的智能化转型系列公开课」，邀请众多保险大数据、人工智能领域的技术与管理专家，分享科技在保险行业的致胜之道。

在2016中国保险业发展年会上，马云依然不乏金句。在他的演讲中，出现频率最高的词，除了“保险”，就是“大数据”“风控”和“信用”。

AI技术的兴起，点燃了全行业的技术热情。2018年，中国保险学会的《人工智能保险行业运用路线图》指出：AI将在保险业飞速发展，在2020年，行业进入中智能时代，保险行业的人工智能运用率将达75%。

实际上，在经过大量的调研发现，保险行业里大多数场景的AI应用似乎仍不尽如人意。

众安保险数据智能中心总经理孙谷飞表示：“过去，保险公司对AI的态度总是‘拿来主义’，希望AI是一个成熟的技术，拿来就能用，并追求AI完全替代人工完成某个保险流程，但AI的成功落地是一个迭代的过程；另外，在保险领域，AI辅助精细化的运营、定价和风控的能力，这些需求更加大有文章。”

最早的碰壁

面对AI技术，险企并不是后知后觉的一群人。

从2016年开始，包括泰康在线、中国人寿、太保都曾采购过人脸识别、智能客服、智能机器人等早期的保险AI产品。

孙谷飞表示：“在以往AI落地过程中，业务最开始遇到AI，我听到最多的一句话就是：我有一个需求，帮我用AI解决一下。”

但一方面，以目前的AI技术发展，成熟的AI产品一般也需要一个定制、迭代的过程，亦或是保险企业期望过高，导致初代AI产品的落地效果并不理想。

以智能客服为例，众安保险也曾购买第三方公司的智能客服产品，希望在自助投保、保单查询、业务办理等业务中完成多个简单重复场景，减少人力输出。

但实际购买的第三方智能客服解决方案，并不能直接得到业务满意的效果，需要针对众安的业务场景进行大量的语料标注、流程梳理等，甚至还需要一些用户体验层次的产品修改。所以，最终智能客服在一开始的阶段，落地的效果方面往往不尽如意，另外人力上非但没有减少，还需要更多的人力进行运维语料。用户体验层次的修改，第三方公司的响应度也会跟不上业务的需求节奏。

此外，定制化的AI需求，代价很高，并且单个第三方的AI模型交付，往往和业务需求相差甚远。

以碎屏险场景为例，因为单个碎屏险的价格已经很低，面对海量的需求，人工进行校验显然不划算。于是业务部门提出，希望利用AI进行自动审核。

孙谷飞表示：“当时外部AI服务供应商认为这就是一个单纯的图像识别问题，直接用AI模型判断屏幕好坏就可以，由于这个模型是定制化的，所以要价500万。”

但理想与现实还有一段距离。

因为，就单论碎屏险这个场景。核保人员在核保过程中，除了要判断基本的碎屏情况，还需要识别是否存在骗保问题，判断提交的图片是否为本机“现在”的真实情况，还是碎屏前的图片记录。

这些事情，并不是一个简单的AI模型就可以胜任，需要的是一整套风控解决方案。众安的AI解决方案先让业务积累碎屏和完整图像数据，根据业务需求，识别前会在手机屏幕中间，根据手机ID号生成并显示一个身份二维码。

通过让二维码随时间进行刷新，保证图片为投保中的实时图像，最后一步才是碎屏的图像识别，这种方法一并解决了图片时间、手机身份、骗保投保等多个碎屏险业务风控所要解决的问题。

痛则思变

AI落地在众安遇到的困难并不是一个孤例。

以智能保顾为例，从2017年开始，包括多个互联网保险平台，以及泰康、太平洋等险企都做过尝试。车车科技就曾推出阿保保险，太平洋保险推出阿尔法保险。但后来因为效果的原因，智能保顾也很少被险企提及。

孙谷飞表示：“假设险企对AI的期待是100分（完全取代人），而AI的能力峰值是80分，现在大多数场景的保险AI产品，仅仅达到了40到50分。”

在AI产品落地过程中，既有保险业的行业认知问题，也有AI技术的先天局限性。

首先，险企和AI公司的认知壁垒。一方面，因为保险公司对AI了解的不足，会出现提出的需求，并不符合自己的实际状况。

而另一方面，AI公司的算法专家因为不了解保险，经常是屁股决定脑袋，一些保险需求即使不适合AI解决，AI公司还是会为了盈利大包大揽，但实践中经常发现数据匮乏和知识图谱难以建立，最后导致产品难以实现和落地。

孙谷飞表示：“在这种背景下，如果外界AI公司手里只有少量训练数据，而合作的保险企业又不懂AI，这种将不识兵、兵不识将的情况，就很难确保AI产品的效果。”

其次，产品通用化严重。第三方保险AI公司，因为产品化开发和需求迭代周期的原因，往往不会按照一家保险公司的需求，完全定制化开发产品，最明显案例就是NLP语音机器人，一款产品同时服务教育、医疗、保险等多个场景和领域。

但AI即使发展到今天，也完全没有实现‘一招鲜吃遍天’。

在保险领域，因为样本类型的不一样，即使同样任务的模型也需要重新定义问题和训练，例如，身份证OCR模型拿去做发票OCR就需要重新训练。

最后，投入与产出比的不匹配。保险企业往往对AI期望过高，但给予的投入和支持却不足，总想着能一劳永逸，而第三方因为合作模式的原因，产品上线后又没有跟进计划，也就导致大多数AI产品上线后一直没有迭代。

但孙谷飞表示：“如果要真正解决业务问题，AI产品最需要的就是不断投入，在上线后进行多轮迭代，形成数据和业务闭环反馈。”

智能客服现在是每家保险公司必备的产品，但现在大多数保险智能客服，就只是把常见问题设置成FAQ（例如，用户问“我想理赔“，机器应答“请您去APP首页点击理赔，并选择想要理赔的保单”），稍微深入一点的企业也仅仅是按照时间、热度定期更新问答的语料库。

但是，智能客服还可以更进一步，达到80分的水平。孙谷飞表示：“任何用户来到智能客服这个界面，其实不是来寻找“答案“的，而是想来解决他/她的某一个具体问题的。”以众安保险为例，AI部门和业务进一步合作，将保单信息修改、退保、简单咨询等需求优化成问答引导卡片，一旦识别出来用户的意图，就通过流程引导去直接解决用户的问题，在同样的对话框中做好对话服务的“最后一公里”。

保险AI，正确的打开方式

正是由于保险业与技术提供商的天然隔阂，从2018年开始，陆陆续续有险企创建自己的AI部门，为自己的业务需求研发保险AI。

例如，阳光在线研发了慧算智能核算软件，平安推出了AI销售助理和代理人AI培训系统。众安保险也不甘人后，成立了数据智能中心，致力利用数据辅助业务。

孙谷飞表示：“制造一辆车，不用买下整个钢铁厂。对于众安保险，AI的目的并不是为了科研发论文，而是为了解决业务需求。”

因此，众安数据智能中心的主要精力和研发方向，都在于保险细分场景的定制化需求。

首先，在接受业务部门需求之后，数据智能中心会预先判断这个场景是否适合AI解决。

其次，确认AI需求之后，再确认数据情况，保险里面有场景不代表有数据。在有数据的情况下，为了验证可行性，数据智能中心会快速设计一次PoC测试；没有数据也会想办法去解决，比如组织线下人工采集数据，或者是否可以通过算法生成（比如做发票OCR模型），或者设计流程让业务沉淀数据（比如埋点数据）。总之想法让项目设法冷启动起来，这样随着业务的发展和积累，数据的问题自然解决，这也是数据智能中心和第三方技术公司最大的不同。

再次，为需求设计业务目标导向。做任何AI模型，一定要在一开始想好业务的真实需求是什么，最终这个AI模型要怎么用。不能只追求算法模型指标，而忽略了是否解决业务的问题，比如上面说的那个碎屏险的例子，单单碎屏识别模型做的再好，在风控层次也是形同虚设，还需要配套的其他手段和方法证明手机照片的实时性和身份。

最后，产品上线之后，需要长期跟进的反馈机制。随着数据量越来越多，真实场景有更高的复杂性，十分有必要不断跟进模型的表现，对模型进行再训练和更新迭代。但是，如何评判模型表现的好坏，就需要在业务中建立起反馈评判机制。只有不断的在业务过程中，源源不断的收集到新的数据和模型反馈，我们的模型才能越来越好。

据孙谷飞介绍，这种反馈机制包括显性和隐性两种形式，比如在智能客服的应用中，显性机制是在用户提问之后，对机器人服务进行的满意度打分；隐性机制则是，如果转人工比例和人工坐席服务量飙升，则代表机器人服务不能解决用户的问题，机器人模型可能就需要调整。不同的AI场景中，显性和隐性的反馈机制是不同的，需要针对性的设计。

目前，众安保险已经在使用这套方法论在解决实际业务中的各种问题。

结语

保险是一个古老的行业，也是一个强数据驱动的行业。

1662年，英国就开始利用现代统计数据，帮助保险行业计算伦敦居民的寿命概率。

人工智能是一条新的起跑线，原本存在巨大鸿沟的大小保险公司，将站在一个相同的起跑线上，拥抱新科技的公司将更有机会抓住历史机遇。

随着移动物联网、5G、物联网等技术的发展，保险行业所要处理的数据无论从量级、复杂度还是处理速度，都对大数据和AI技术的应用了提出了很高的要求。

虽然，今天的保险AI还没有进入强智能时代，但发展策略却也在变得清晰：根植于保险场景，将AI技术与保险业务紧密结合，将成为不少险企和互联网保险企业都在共同发力的方向。雷锋网雷锋网雷锋网

近年来，作为保险领域最大的盈利市场，车险市场竞争日趋激烈，健康险也被诸多财险公司视为拉动保费增长的新选项。但是财险企业开展健康险业务存在“先天不足”，产品设计及定价、客户触达及获取、业务运营及风险控制等方面相对较薄弱。

据了解，暖哇科技自2017年开始就在健康险科技领域进行深度的探索和实践，并于2018年孵化成立，依托健康险业务能力和领先的数字科技能力，致力于为保险公司及互联网平台提供健康险科技服务闭环。截至目前，暖哇科技已与诚泰保险、天安财险等多家险企达成合作，而此次与前海财的深度合作，是暖哇科技的又一次突破。

此次合作的方向就是为前海财险提供互联网投放及运营管理服务，在线触达用户客群，并提供线上化的核保核赔管理及运营、健康管理等服务。

前海财险市场及科技负责人甘睿表示：“暖哇科技的健康险业务经验，可以帮助前海财险提升互联网健康险业务基础能力。”

暖哇科技CEO卢旻表示：“目前为前海财险提供的互联网项目已经在落地中，此次合作，暖哇科技还将为前海财提供专业的互联网投放及运营管理服务。通过用户客群的在线精准触达和精细化运营策略，实现用户流量和保费规模的新突破。此外，暖哇科技将对用户进行全生命周期的健康管理，包括健康咨询、快速就医、亚健康管理等，提升用户体验。SaaS化的健康险系统预计1-2个月即可上线。”

暖哇科技成立于2018年10月，成立之初，主要致力的方向就是医疗生态与健康险的融合。在逐步打通医疗数据信息壁垒之后，暖哇科技随即为保险公司提供了健康险系统、产品定制、核保、理赔及风控等服务。

此次合作之后，暖哇科技还将为保险公司进一步开展互联网投放、精细化运营、互联网用户精准触达等新服务。