医疗保险创新：需要的不仅是数据

在上一波消费金融的浪潮中，互联网创业者涌入普惠金融的广阔市场，利用创新技术为传统金融无法很好服务的用户创造了价值。同样具有万亿级规模金融市场的保险行业，自然也是嗅觉敏锐的创业者的另一战场。

对比数据基础和IT能力都较强的银行业，保险行业显然在系统和数据化上落后了不少。不过，落后也代表着机遇，保险业务特别是健康险的增长空间依旧让创业者们振奋不已。

医疗数据的开放，民营医疗的涌现，国外医疗保险模式的借鉴，都让行业看到中国健康险发展的可能方向—HMO，PPO，管理式医疗，大数据控费等概念受到广泛关注。不过在医疗保险领域的创新，不会是简单的商业模式引进和数据应用创新，而面临的是国内外整个医疗体制和生态的差异。

要尝试回答中国式健康险的路怎么走以及数据在其中扮演的角色，需要先回答两个基本现状问题：

❶ 健康险行业要解决用户什么问题（用户需求）

❷ 解决问题的方法（风险管理）

健康险归属于人身险大类。在我国，人身险主要分为寿险、健康险和意外险。过去5年，虽然传统寿险保费规模已较大，但仍保持了较快的增速，证明了消费者对于人身险金融属性的需求客观存在。保险公司以年金、两全保险、分红险、万能险等产品满足了用户“投资和储蓄”的需求。

中国消费者对健康险的需求受现有医疗费用支付手段的影响很大。不同国家具有不同的医疗费用筹资结构。

在国家福利和社会保险覆盖率较高的国家，如德国和英国，居民自付比例相对较低，财务负担压力相对较小，对商业保险的需求相对不迫切，商业保险覆盖占比较小，主要以补充覆盖（如国家不报销的特殊药品）和高端需求为主。

而在美国，因为政府的保障计划主要针对老年人群体及低收入群体，居民需要通过商业保险覆盖大部分医疗费用。

从目前健康险产品的保费结构也可以部分印证上述观点。目前疾病险（近90%为重疾险）占到了2/3的保费收入，并维持了最高的增速。医疗险中的网红“百万医疗险”有的因为免赔额的设置，其实也是偏保重疾属性，并在营销策略中，强调“低保费，高保额”的概念，通过高杠杆增强保单的价值感。

如果用一个简单的公式来表述用户对于健康险价值的感知：

预期费用差异：类似保险“死差”。消费者对疾病发病率及费用和保险产品设计费率隐含假设的认知不对称。消费者觉得重病风险越高，评估保险产品的时候感觉越有价值。

实际购买力提升：类似批发和零售价差。由于保险作为集采手段，理论上对于医疗服务以及药品供应链具有较大的议价能力，从而购买力强于自费个体。

针对上面两点，目前对于保险公司和创业公司面临的挑战是：

产品差异难突出：针对健康的标准体，在产品设计上对数据的使用相对简单，主要围绕着“降费率增保额”的主线进行同类产品的竞争。针对带病体，次标体的保险开发是医疗健康数据进一步使用的一个方向，但对以患者为中心数据的维度、完整性、连续性、临床解释和经济分析等方面提出了更高的要求。

购买力难二次议价：因为中国医疗以公立体系为主，诊疗行为集中在二级以上大医院。医疗服务及药品的价格基本由国家及地方制定并监管，不论是以前发改委体系的定价还是医保局成立后通过“4+7”带量采购和推行DRG等形成的新付费价格体系，保险公司主要扮演“搭便车”的角色。商业保险公司对公立医疗机构和供应链缺乏二次议价能力，所以类似PPO，PBM等模式无法有效落地。

解决用户需求需要设计对应的产品，以及能支撑产品存续的管理能力。

我们常开玩笑说买保险就是买了一张纸。传统的健康险出险时交付的是单纯的财务补偿—“钱”。实际上这张纸是用户和保险公司的一次财务风险对赌。用户购买的是一个对自己健康的类看跌期权。这时候双方较量围绕着健康风险信息不对称性展开。

而按现代健康险演进的方向，我们更希望保险公司交付给用户的是一项服务—管理被保人健康风险的服务。按主要业务环节拆解来看，保险公司在整个用户生命周期中要处理一系列风险点：

核保定价环节：主要以识别为主。结合医疗和非医数据，建立风控及核保模型，评估投保人的信用风险及健康风险，拒绝有欺诈风险的用户，并给承保用户进行合理的分级定价。

用户管理环节：主要以识别、预测和干预为主。通过收集用户过程健康数据（如定期体检，疾病早筛，问诊咨询），评估预测用户健康风险，并以护理服务等主动手段进行干预，改变其风险函数。

核赔理赔环节：主要以识别和干预为主。通过内外部数据和风控模型识别欺诈行为并进行拒赔。通过临床数据和费用数据识别不合理医疗行为并在事前、事中、事后等不同节点设计和建立干预控制的能力。

上述环节的风险点可分为两大类型：一类是由人主观造成的可分散风险，这类风险应对策略主要是在识别后进行相应的拒保拒赔等决策，以降低损失。另一类是疾病带来的不可分散风险，这类风险需要保险公司具有通过数据和专业经验识别、预测以及干预的能力，通过具有性价比的主动有效投入，来换取更低的发病率和更低的费用支出。

随着业务量的快速增加，人员的团队扩张和专业性难以匹配业务规模，以数据和智能化系统支撑整体风险管理和用户运营是行业共同推进的方向。

健康险创新—数据仅是个开始

随着医疗机构和监管部门对于医疗数据的逐步开放和应用探索，在合规使用的前提下，为健康险在各方面的创新提供了基础。

在风险识别和产品设计方面，多数创业公司正在通过数据聚合及建模帮保险公司提升识别评估风险并做出决策的能力，设计更具有竞争力的差异化产品。

对于医疗机构临床行为的干预，在目前医保和商保均以按项目后付费为主的支付方式下（部分住院及大额支出设置了预授权的控制环节），较难有效实现。一些团队尝试与民营医疗合作，从整个医保体系外切入进行尝试。

而对于用户的健康风险管理，包括创业公司和保险公司在内，都仍在探索。家庭医生的引入，互动式保单的设计等，都希望通过增加与用户的互动频率，增加干预触点，提升被保人健康状态，降低出险概率。

晨山资本一直坚信数据在各行业能发挥的强大变革驱动力。同时，我们也清楚地意识到，在医疗和保险这两个高度复杂和专业的行业，不论是数据基础还是数据应用，中国，甚至包括美国，都还面临着很多落地的挑战。

结合美国Clover Health和Oscar Health等针对不同人群市场的创新健康险公司的实践，从数据分析和运用切入仅仅是开始，还需要具备强有力触达和服务用户的能力，以及影响和控制医疗机构价格和行为的能力，才有机会达到较好的干预效果，实现主动管理降低赔付率的预期。

综合国内现有的医疗和保险行业特征，我们观察到：

医疗健康数据较为分散，保险理赔数据对用户的描述不够全面。整体数据分析和运用的水平还相对初期

保险行业市场份额集中度高，大保险公司优势仍主要在销售渠道，创业公司可以建立专业性上的互补优势。但保险公司决策流程比较长，而且内部机制复杂，不适合短期做颠覆性创新

在重疾险为主的产品结构中，定额给付制作为普遍偿付手段，对健康管理的需求较弱。医疗险产品或类重疾险或中高端补充险，针对非标需求的产品形态需要进一步丰富

社会医疗保险和公立医疗体系依旧是核心，短期不易被商保体系左右。但老龄化带来的支付压力需要商保的介入，医疗体制也会继续深化改革，是个中长期不变的主题

所以在中国健康险创新方向的探索上，看好以下几个主要趋势：

需要极强的复合型团队，除了保险行业的经验，还需要对临床医学及药品经济学等有较强认知，能深刻理解并释放数据的价值，并能整合跨行业的资源

聚焦在核保风控，核赔风控，理赔TPA，直赔网络等环节的能力搭建上的创业公司，会向覆盖产品服务全流程的MGA模式延伸拓展

创业公司协助保险公司开发更具有差异性的保障型产品，且能建立第三方运营的独特价值（如针对非标体的产品及管理服务）

与医疗机构建立更深的业务及利益绑定，共同打造价值医疗的能力，可能依然会是最有效的模式（从窄网络开始可能会是更好的选择）。通过数据更好管理和指导临床路径和医疗效果，避免“过度医疗”和“医疗不足”

▲ 近些年美国在ACO模式上的尝试也证明，当医疗机构更多承担起双边风险时，能够达到医疗效果的提升和整体费用的降低。也有类似Evolent Health这样的公司通过临床经验模型和数据，将价值医疗的行业最佳实践输出给医疗机构

虽然面临着困难和挑战，需要对行业现状有所突破，但我相信数据的智能化运用和由其驱动的服务管理能力一定是帮助医疗保险行业进化的基石。我们也已看到保险公司里诸如平安和泰康通过或连接或自建并购的形式，打造自己的医疗健康生态，提升自己的整体服务能力。

希望晨山能跟更多的创业者一起，为行业创新，为身边每一个家人获得更好的健康保障而努力。