在保险行业，医疗数据的应用被视为提升核保和理赔效率、控制风险的关键手段。然而，如何有效整合医疗数据并将其应用于保险业务，仍然是一个充满挑战的课题。本文通过分析一家医疗信息化公司子公司趣某网的业务案例，深入探讨了医疗数据在保险行业中的应用模式、面临的挑战以及失败的原因。

一、背景介绍

公司背景

趣某网是上海某医疗信息化公司的子公司，有 ToC 和 ToB 两个方向的业务。ToC 主要是挂号、陪诊等业务；ToB 端主要是为保险公司以及 TPA 企业提供在线的医疗数据服务。18 年毕业，走出校门的第一份工作是在趣某网保险事业部负责 ToB 端的业务，刚开始负责核保业务系统，后来因为同事离职同时负责核保以及理赔两个系统的产品工作。

PS: 19 年离职（发不出工资），现在公司基本上快嘎了，资金链断了。

业务背景

1）保险公司的盈利模式

保费收入并非保险公司的主要利润来源，其真正的盈利方式主要体现在以下几个方面：

（1）利差收益解析

保险产品的定价利率，例如3.5%的预定利率，是保险公司制定保费时所依据的利率。然而，在实际运营中，保险公司将收到的保费进行投资所获得的回报率可能会高于或低于预期。这种回报率与定价利率之间的差异，即构成了利差。例如，若实际投资回报率为4%，则利差为4%减去3.5%，即0.5%，这称为利差益；反之，则为利差损。

需要注意的是：健康险一般都是短期，所以利差对健康险公司盈利影响有限。

（2）死差收益解析

死差，简而言之，就是实际死亡人数与预期死亡人数之间的差异所导致的损益。针对不同的险种含义不同，更广义的解释：保险公司实际赔付的成本低于预期，从而获得额外收益。例如，保险公司设计重疾险时假设了癌症的发病率是 10 万分之一，但买保险的客户实际发生率是二十万分之一，则保险公司就赚了。

值得注意的是，由于各家保险公司在制定寿险及重疾险产品时，都会参考行业多年的庞大数据来预估发病率和死亡率，因此死差通常不会出现显著差异。

（3）费差收益解析

费差收益来源于实际费用小于预估费用时的节省。在产品设计阶段，保险公司会预估一定的费用率，如设定为保费的10%。若实际运营过程中，所花费的费用低于这一预估值，那么节省下来的部分就构成了费差收益。

2）核保与理赔

核保是第一道利润防线，核心目的是为了控制死差收益。通过排除高风险个体能够减少日后的理赔概率；通过差异化定价实现风险与保费的匹配，简而言之就是多收钱。

风险筛选：通过排除高风险个体（如患癌人群投保重疾险），阻断带病投保等行为，将赔付率控制在精算模型范围内。差异化定价：根据风险等级实施浮动费率（如健康体享标准费率，吸烟体加费30%），实现风险与保费匹配。

核保时：需要投保人的各类数据例如健康信息、财务信息、行为信息，其中医疗相关数据包括在特定区域（出生地、上学地、工作地）内医院的就诊记录，主要是就诊医院、就诊时间、诊断信息。

理赔是最后一道风险闸门，核心目的也是为了控制死差收益，严格的理赔审核可以获知真实发生概率，调整保险的定价和设计，还可以减少不必要的理赔。

• 防范道德风险：通过严格审核避免投保人或第三方故意制造保险事故（如虚假医疗费用、伪造事故等）。识别带病投保、隐瞒既往病史等行为，防止高风险人群通过理赔套利。
• 减少不合理赔付：剔除不符合条款的索赔（如免责条款、非必要医疗项目），降低赔付成本。

理赔时：会先核实理赔人保单的效力、投保信息是否真实，责任认定、以及是否符合保险的免责条款，如果都没问题，需要核实就诊信息和费用完整性、真实合理性，需要的医疗数据包括就诊时间、费用明细（包含医保信息）、诊断信息、检验检查信息，以及是否多方报销等。

理赔太严格容易增加保单的管理费用，并且容易影响保险公司口碑从而影响保险产品的销售，容易遭投保人投诉。

总结：核保和理赔对于保险公司有直接和明显的业务价值和经济价值，同时都需要医疗数据。

产品介绍

趣某网有很多医院的资源，结合保险公司的核保和理赔业务，分别提供了智能核保、智能理赔系统，核心的价值在于帮助保险公司控制死差和费差：

• 为保险公司快速提供真实、高质量的医疗数据，降低核保和理赔的风险。
• 提高保险公司核保和理赔的效率，节省人工费用，理赔环节的速度可以提高满意度。

为了打消医院的数据安全和合规性顾虑，和医院签约并承诺保护数据安全和防止泄露等等，有些还涉及到和医院利益分配等问题。

公司开发了医院+平台，对接很多医院的信息系统获取患者数据（对外宣称是 1000+医院），并在标签 1 流程提高医院数据的质量，同时监测各医院对外服务接口的健康状态。

数据质量：由保险事业部制定数据标准（定期更新），负责对接医院系统的实施同事提供该院门诊和住院少量患者的真实就诊数据图片和文件，保险事业部安排专人通过系统获取患者的数据与原件进行比对，有问题则反馈给实施同事更正。刚进入公司先做了 1-2 个月数据质量审核工作熟悉业务，后面深刻意识到医院的重要性，做了很多提高数据质量、医院服务稳定性的工作。

对外服务形式：提供 2 种服务方式，提供网页端可以人工查询患者的医疗数据，或者是对接 API 接口，获取相关数据，主要是 API 服务。

同时搭建了管理后台，主要目的：

• 用于管理客户：客户信息以及客户拥有查询权限的医院；
• 查看客户的业务情况，例如有效收费次数。主要是核对费用。
• 医院数据的特殊处理：有些医院的数据很特殊，需要在我们这边进行第二步预处理，维护数据处理规则。
• 为了应对每家保司对于数据的特殊要求，需要新增很多客户数据的配置和管理。

付费方：主要是保险公司以及为保险公司提供核保和理赔服务的第三方 TPA 公司，收费方式也比较多样不断调整，核保主要是按照查询医院的次数进行收费，理赔有些是按照案件量进行收费，有些是按照指定单个医院包年费用。

案例分析

整个业务模式初看挺合理，提供有价值的产品，帮客户解决有价值的问题，产品真实有效，客户意愿付费，市面上当时主要的保险公司都和公司签约对接了系统，但使用很低频。

为什么最终会失败呢？问题出在哪？

问题 1：管理方面，融资后团队快速扩张，产品线非常多，还有直赔业务、开发中的保险引擎等等，资源分散不聚焦。

问题 2：医院端推广策略问题，多数商保就医理赔都是发生在发达地区大三甲医院，而趣医对接的医院里面大多数（ 80%以上）都是县医院。核保业务医院范围更多，包含几千家亳州区域医联体的数据（数据完全没法用）纯属凑数，与保险公司的需求不匹配。

可能的原因：公司短期更看重数量（可能是因为融资的因素），县级医院更容易推广，哪怕牺牲了长远的发展，有点饮鸩止渴。

问题 3：需要足够多的三甲医院接入才有价值。保险公司实际可用数据有限，平台对业务的覆盖率不足，难以形成规模效应。保险公司仍需依赖传统方式处理大部分案件，平台仅能辅助少量边缘业务，无法实质性替代原有流程，导致付费意愿下降。

问题 4：销售推广医院的成本很高，系统对接医院的成本也很高，但医院可能因为各种原因随时断开服务，导致服务不稳定进一步降低了保险公司的信任和使用频率。

一边是高昂的成本，一边是因为三甲医院数量和质量问题导致保险公司低频的使用，恶性循环，最终导致了商业上的失败。

总结

商业模式要想成立，除了政策方面的支持和允许，还需要强大医院端的推广和关系维护能力，集中精力在部分大城市覆盖足够多的三甲医院，覆盖保险公司的大多数理赔案件发生医院，然后再逐步推广更多的大城市三甲医院。

三甲医院数量，即规模是产品最大的护城河。