一、项目背景及目标

项目背景

保险行业存在客户不如实告知（如隐瞒多家投保、既往理赔）的普遍痛点，存在逆向选择风险。传统依赖人工告知的核保模式存在滞后性与盲区，亟需通过行业级数据共享实现风险前置化管理。中银保信平台汇聚全行业健康险/意外险数据，是解决信息不对称的关键基础设施。

财信人寿在核保与理赔环节因客户信息隐匿导致的高风险保单渗漏与超额赔付的案件频发，因信息隐匿导致的高风险案件平均每年300余件，总计赔付金额为700余万元，单案最高赔付金额50余万元。此外，原有风控手段被动低效，如前置调查成本大，周期长，信息片面，不利于公司总体数字化转型的目标。

二、创新点

1.业务创新点

全流程嵌入式风控：首次将同业筛查深度嵌入核保、保全、理赔全业务链条，实现风险实时预警。

多维度风险穿透：整合承保、理赔、保额、频次等20+项指标，构建覆盖“健康险+意外险+寿险”的综合风险画像。

主动+被动双模式：除业务自动触发外，支持核赔人员主动发起风险扫描，打破传统被动风控模式局限。

全渠道无感覆盖：兼容线上线下全场景，用户无需额外操作即可完成筛查，服务无缝衔接。

闭环管理机制：阳性结果直接关联保单号/案件号，驱动核保结论调整或理赔调查，形成决策闭环。

2.技术创新点

“高内聚，低耦合”设计落地：支持新契约、保全、理赔等多个业务场景的标准化接入。遵循“极简入参+结构化出参”的原则，极大降低业务功能嵌入带来的对接复杂度和成本。

全链路配置化功能实现：准入规则校验、接口调用、阳性值解析、话术生成等关键功能均采用可配置化设计，90%的变更无需研发介入，极大增强了后期维护及更新的时效性和灵活度。

三、项目技术方案

1.业务模式

核心逻辑：实时调用合规行业数据 + 智能规则引擎 + 人机协同决策。

作为商业保险公司，财信人寿意健险智控平台项目的核心目标是在核保与核赔（两核）环节构建起基于行业级数据的实时智能风控能力，从而实现风险精准识别、运营效率提升和赔付成本的有效压降。

项目的业务运作方式是：在核保（新契约、保全）或核赔案件处理过程中，通过系统实时调用中银保信提供的、经过隐私计算技术合规处理的行业大数据接口。数据接口整合了客户在全行业的承保记录、保额累积、拒保拒赔历史、理赔纠纷乃至医疗发票等关键信息，打破了单一公司数据孤岛的限制。基于这些多维度数据，构建并持续优化智能规则引擎，根据具体业务场景（如核保百万医疗险或理赔短期意外险）、保额高低、赔付金额阈值等因素，动态配置筛查策略和匹配规则。系统将自动化地对高风险信号（如跨公司重复投保高保额、历史理赔纠纷频发、医疗票据异常等）进行实时预警，提示风控人员重点关注；同时，风控人员可基于系统提示，结合公司内部数据，进行高效的人机协同交叉验证，最终形成更准确、更审慎的承保结论或理赔决定。这种模式使商业保险公司能够主动、精准地识别出传统手段难以发现的未如实告知、逆选择投保和欺诈性理赔等高隐蔽性风险，将有限的风控调查资源精准投放到最可疑的案件上，显著提升调查效率与命中率。

2.商业模式

核心逻辑：支付服务成本 -> 获取降低超额赔付损失 + 提升运营效率的收益 -> 实现正向ROI和可持续竞争优势。

该项目是一项“以可控成本投入换取显著风控效益和业务价值提升的战略性投资”。核心价值获取在于“通过精准风险管控直接降低不合理赔付损失、提升运营效率、间接节约成本、并增强业务合规性与市场竞争力”。 虽然接入和使用该服务会产生成本（可能包括按调用量支付的数据服务费、系统对接及规则配置的初期投入、以及持续的运维费用），但商业模式的核心在于其带来的“正向投资回报率（ROI）”。项目通过源头拦截高风险业务和欺诈赔付，能显著压降意健险业务中因道德风险和逆选择导致的超额赔付，这部分节省下来的赔付成本是项目价值最直接的体现。同时，自动化预警和智能筛查大幅减少了低价值的人工排查工作量，缩短了核保核赔周期，提升了客户体验和运营效率，释放的人力可以投入到更复杂的风险评估或客户服务中，实现间接成本节约。更重要的是，依托行业数据构建的“风控护城河”使我们能更精准地定价和承保，降低整体业务风险敞口，提升承保利润水平，并在市场竞争中展现出更强的风险管理能力，吸引更优质的客户。因此，该项目的商业模式本质是“用可量化的服务成本（主要是数据调用费）置换难以量化的风险损失和低效运营成本，并通过规模效应（业务量越大，筛查价值越大）和技术杠杆（规则引擎的复用性）持续放大收益”。其成功依赖于我们能否有效整合内外部数据与流程，持续优化规则引擎以保持高精准度，并最终通过降低赔付率、提升效率等硬指标验证其商业价值，确保投入产出比持续为正，从而巩固我们在意健险领域数据驱动的核心风控竞争力。

3.技术方案

技术架构设计主要以“高效、智能、可扩展、闭环管理”为原则，旨在构建一个能够实时响应业务需求、精准处理风控筛查、并持续优化自身能力的系统。其架构本质上是一个“分层解耦、服务协同、数据驱动的实时风控决策流水线”。

核心设计思路：

前端智能化与敏捷化： 个险核心系统作为统一入口和决策大脑，通过动态规则引擎和智能调度，实现业务请求的灵活接入、预处理与路由，并支持业务策略的即时调整。

中台化服务与安全协同：BI大数据平台作为中台层，专注处理与外部数据源（中银保信）的复杂、安全的交互，屏蔽外部系统细节，提供标准化的风筛服务。

数据价值深度挖掘：对原始风筛结果进行智能解析和标签化，将数据转化为可操作的业务知识。

决策自动化闭环：规则引擎根据风险标签自动化驱动业务流程，实现风控能力的直接落地和效率提升。

数据驱动与持续优化：利用Kafka实现关键数据异步同步和解耦，完整记录调用历史，并通过BI进行多维度深度分析，为规则优化、策略调整和效能评估提供坚实的数据基础，形成自我完善的闭环系统。

松耦合高可用：通过分层设计（核心业务层、数据服务层、外部接口层）、消息队列解耦、热更新机制等，保证了系统的可扩展性、可维护性和高可用性。

具体实现方案：

个险核心系统：扮演着业务入口与决策中枢的双重角色。首先，它实现了“动态规则校验”，采用高性能规则引擎策略，将复杂的风险准入规则进行集中化管理。关键在于支持规则的“热更新”能力，这意味着业务策略的调整（如调整风险阈值、新增风险因子）无需停机发布即可即时生效，极大地提升了业务响应速度和灵活性，满足了保险业务快速变化的风控需求。其次，它提供了“智能接口调度”功能，对外封装了一个统一的风筛服务入口。这个入口不仅能接收来自不同业务场景（核保、理赔）的请求，更能自动分析请求的具体场景特征（如产品类型、保额范围），并据此智能地路由和调用后端不同的服务模块，特别是BI大数据平台。这种设计抽象了业务复杂性，使得前端业务系统无需关心底层风筛的实现细节，同时调度逻辑本身也支持热更新，保持了架构的敏捷性。

BI大数据平台：架构的“数据处理与外部协同层”。它接收来自个险核心（以及可能的前置核心）的风筛请求，其核心职责是“数据转发”。作为内部系统与外部权威数据源（中银保信）之间的“安全代理与协议转换枢纽”。它负责将内部请求格式转换为中银保信系统要求的接口规范，发起风险筛查调用，并实时接收和初步处理返回的结果。这层设计有效地隔离了内部核心系统与外部系统的直接耦合，增强了系统的稳定性和安全性，也便于未来对接其他外部数据源。 风筛结果返回后，处理流程再次回到“个险核心”进行深度加工，即“阳性值智能解析”。原始返回的数据往往是结构化的代码或数值。个险核心基于预先配置好的解析规则和标准话术模板，对这些原始结果进行智能化的解读与标签化。例如，将特定的风险代码映射为业务人员易于理解的“疑似重复投保高保额”、“历史存在理赔纠纷记录”等明确的风险标签和描述性分析结果。这一步是将原始数据转化为可直接驱动业务决策的、具有明确语义的业务知识的关键环节。

规则引擎系统：基于“阳性值智能解析”输出的结构化风险标签和分析结果，结合预设的业务规则（如“若标签A且保额>X万，则自动拒保”；“若标签B，则转人工核保”），自动决定业务流程的走向。这实现了风险筛查结果到具体业务动作（自动通过、转人工、拒保、触发调查等）的自动化映射，是风控能力落地、提升效率的核心体现。

Kafka：作为高吞吐、分布式的消息队列，被用于“前置核心”与“个险核心”之间的异步数据同步，确保关键业务数据（如调用请求、结果快照）在系统间可靠、高效地传递，并解耦系统间的直接依赖。所有的风筛接口调用记录，无论结果如何，都完整落地存储到个险核心数据库中，形成审计追踪和历史记录。更重要的是，BI大数据平台充分利用这些沉淀下来的海量调用历史数据，在数十个维度（如客户画像维度、风险标签分布、产品线风险对比、调用成功率与耗时分析、规则命中率分析等）进行详尽的数据分布统计与深度分析。这些分析结果是驱动规则持续优化、策略动态调整、数据使用效能评估的核心依据，形成了从“数据采集->风险筛查->决策执行->效果反馈->规则优化”的完整闭环，使得整个风控体系具备自我学习和演进的能力。

业务逻辑与系统交互图

四、项目过程管理

2024年07月：项目启动，完成可行性研究与立项

2024年09月：完成整体需求分析，确认主系统和关联系统功能分布设计

2024年10月：进入开发实施阶段，同步启动测试案例设计

2024年12月：完成功能开发及本地测试，形成初步上线方案

2025年01月：完成功能测试及代码评审工作，提交用户验收。同时确立上线方案，建立版本发布清单。

2025年03月：完成用户验收，发布上线，同步运行生产监控。

2025年03~至今：持续追踪数据表现。根据调用数据统计情况持续改进增强。

五、运营情况

1）推广情况：

全线推广：项目历经超2个月的联调测试，于2025年3月上旬全线覆盖新契约、保全与理赔流程。

用户覆盖：实现核保/理赔作业人员100%培训，上线以来系统月均查询量约4600次，阳性命中率约7%。

2）系统运行：

安全合规：客户信息有授权，业务场景真实性，100%操作留痕。

稳定性：接口可用率100%，平均响应时间246毫秒 ，故障率低于0.01%。

六、项目成效

1.经济效益深度赋能  

风险防控质变：建立行业数据驱动的主动防御体系，彻底扭转依赖客户告知的被动局面，截至项目上线至今，识别核保阳性保单200余件。通过实时拦截高风险投保与理赔案件，显著遏制超额承保与欺诈赔付，高风险欺诈嫌疑案件识别件数40余件，累计减损金额58万余元，为公司筑牢风险堤坝。

运营效能跃升： 核保决策从经验判断转向数据辅助精准研判，大幅压缩人工核验链条，节省作业人力1人/月，作业效率提升23%；理赔调查依托阳性指标精准定位疑点，实现调查资源优化配置，节省调查人力1人/月,调查反馈周期缩短18%。

成本结构优化：通过内化中银保信数据能力，减少对外部商业数据的依赖，未来预计在4个场景扩充数据应用，构建可持续的风控成本优势。

2.社会效益多维显现  

行业生态共建：推动行业风险信息共享机制成熟，为跨公司欺诈联防提供实践范本。

消费者权益升级：通过精准识别风险差异，提升保障公平性；核保结论透明化减少纠纷，增强客户信任。

监管合规引领：满足监管对风险穿透管理的要求，强化合规经营，维护公司市场声誉。

七、经验总结

本项目不仅实现公司风控能力的代际升级，更通过行业数据共享实践，推动保险业从“单点防御”向“生态联防”转型，为行业高质量发展贡献核心基础设施级解决方案，具体体现在以下3个方面：

1）风控模式重构： 验证“业务触发+主动扫描”双轨制风控路径的有效性，将数据筛查深度嵌入业务流程，实现风险早识别、早干预。

2）技术业务融合：通过业务+技术双轮驱动机制，确保系统设计贴合实际作业场景（如主动查询一键触达），破解技术工具与用户需求脱节难题。

3）动态风控韧性：建立风险筛查准入条件弹性调整机制（如产品类型、适配风险保额可调整），确保风控尺度与业务发展动态平衡。