大数据建模技术在人身保险反欺诈领域的应用路径解析.pdfVIP

志不强者智不达，言不信者行不果。——墨翟

大数据建模技术在人身保险反欺诈领域的

应用路径解析

一、引言

随着大数据技术的蓬勃发展，尤其是AlphaGo战胜李世石后，又以

Master的身份横扫围棋界，使基于机器学习的大数据建模成为了最

新的技术热点。通过模型训练让机器智能化，代替人工，降低成本，

提高效率和准确率，其众多的优势和巨大的商业价值吸引了各行各业

的商业巨头纷纷开始打造属于自己的人工智能体系，尤以腾讯、阿里、

百度等拥有明显大数据资源优势的互联网企业为代表。目前，人脸识

别、语义识别、无人驾驶、智能风险识别、精准预测模型等基于大数

据的新技术在商业上的应用已经日趋成熟，并通过互联网+迅速辐射

到金融领域，开始重塑甚至颠覆传统的商业及运营管理模式。这种变

革带来的竞争压力迫使银行、保险等金融机构必须快速转型升级，积

极寻求自身业务与大数据和新技术之间的契合点。而通过大数据构建

精准风险预测模型提升风险识别的精准度和效率，对于经营风险的保

险公司来说，便成了一个极具吸引力和价值的切入点。

纵观国内保险行业，目前对于大数据建模技术的应用还处在探索和尝

试阶段。整体来看，财产险领域在精准风险识别模型的应用上要略为

先行一步：一方面是行业信息的整合共享更加到位，2016年底，全

国车险反欺诈信息系统正式上线，面向各市场主体提供保险欺诈线索

识别和风险预警功能，初步实现了行业车险欺诈信息的交互共享;另

志不强者智不达，言不信者行不果。——墨翟

一方面，由于车辆保险的数据标准化程度较高，进行大数据建模的基

础良好，因此国内部分财产险公司在车辆保险后续稽核方面通过构建

大数据风险识别模型辅助稽核，取得了一定的成效。而人身保险以人

的寿命和健康作为对象，其经营的风险更加复杂多样，加之我国公民

信息管理较为碎片化，数据标准化程度低，因此大数据在我国人身保

险风险管控领域的应用还较为滞后，仅有数家保险公司进行了创新尝

试。

本文以大数据建模技术在人身保险反欺诈领域的应用为例，从业务场

景选择、风险特征筛选、数据清洗与整理、建模工具与算法选择、模

型准确性的验证等方面，详细解构了基于Spark计算引擎、采用随

机森林算法构建重大疾病保险核保欺诈风险评估模型的路径，以期对

大数据建模技术在保险风险管控领域的应用提供一定的参考。

二、人身保险大数据建模的基础条件分析

(一)基础数据条件

从1980年我国保险业恢复经营以来，经过30多年的快速发展，到

2016年我国保险业原保险保费收入已达3.10万亿元。三十年来，

人身保险经营领域稳步拓展，险种类型不断丰富，客户群体持续扩充，

国内主要人身保险公司已经积累起了海量的内部数据。尽管保险运营

数据数字化的历史仅二十年左右，规范的高质量数据积累时间大约只

有十余年，但主要人身保险公司的内部数据已经足够丰富。此外，金

融行业的多元融合、金融机构集团化发展、大数据交易市场的兴起，

为人身保险公司提供了外部重要风险数据接入的渠道和机会。虽然大

志不强者智不达，言不信者行不果。——墨翟

部分重要数据都还碎片化地散落在不同领域，但从基本面上看，已经

具备进行反欺诈大数据建模的数据基础。

(二)建模技术条件

基于机器学习的数据建模工作，2010年以前已经在某些特定领域发

挥了巨大作用，如图像识别、自然语言处理等等。2010年以后，随

着大数据概念的兴起，机器学习大