目标成为健康险定价、理赔标杆，璞映智能的路还有多远？| 爱分析访谈
健康险是过去几年保险行业的宠儿，利好政策频出，保费规模激增。但与发达国家相比，国内健康险的定价、理赔等环节仍存在诸多痛点。
面对这一情况，璞映智能从健康险理赔自动理算切入，着手解决行业痛点，为保险公司提升运营效率。未来璞映的业务将逐步覆盖理赔全流程，并逐步向前端核保、定价拓展。
获取EIS核心系统源代码，璞映致力于本土化落地
从出身来讲，璞映是一家合资公司，股东方之一的EIS Group来自美国，是全球知名新兴保险核心系统提供商，客户包括利宝、AIG等知名保险公司。
璞映用合资公司30%的股份，换取了EIS在大中华、新加坡区域的核心系统源代码和知识产权。双方在研发上进行共同投入，共用苏州120人的研发中心。
得到EIS的助力，璞映在研发环节省下了不少力气。根据璞映创始人王作梁介绍，璞映当前发布的自动理算引擎正是基于EIS核心系统，对其理赔模块的规则引擎进行二次开发而来。
引擎可以二次开发，但核心的底层规则库需要璞映自己搭建。
规则库包括保单数据、社保目录、疾病目录、药品目录以及疾病和药品之间的关联关系等。相对而言，规则的积累是一个苦活，如社保目录等需要在全国不同地级市进行收集，再由专家团队编写到规则库中。除此之外，璞映智能还有4人技术团队，利用机器学习增加规则之间的关联关系。
从自动理算切入保险行业，向理赔服务全流程拓展
目前璞映智能通过SaaS，为保险公司提供自动理算服务，同时也赋能经代、传统TPA等。目前已签约客户包括泰康在线、众安保险、豆包网、保险极客。
用户向保险公司发起理赔请求上传医疗票据，璞映会从用户上传的影像件中提取约70个字段的数据，输入自动理算引擎并向保险公司输出理赔结果。
在整个流程中，主要两部分需要人工介入：第一，受限于目前OCR识别率，票据数据的提取和录入主要依赖于人工，OCR只能起到定位辅助的作用。目前一部分录入工作会进行外包，另一部分由璞映自己的团队完成。
第二，为了满足保险公司得风控要求，10%-20%的高风险理赔案需要专家团队介入，进行人工复核，而80%-90%的理赔案能够实现自动理算。
预计今年8月，璞映将发布理赔反欺诈引擎。相比于自动理算引擎对底层规则库的依赖，反欺诈需要在此基础上接入大量的外部数据，如医疗数据、购药数据等，来解决验真性与用药合理性问题。
除了自动理算和理赔反欺诈业务之外，目前璞映正在和保险公司联合，计划在1-2个地级市试点30分钟快赔，目标将用户上传单据到理赔放款的周期缩短至30分钟之内。
王作梁表示，未来璞映将提供健康险得核保、核赔反欺诈，智能控费，定价等各类保险SaaS业务，其他险种人伤的理赔业务也将逐步覆盖。在业务扩展的过程中，理赔服务积累下的数据将至关重要。有了数据的不断积累，才能进一步完善核保、定价的模型。另一方面，璞映也可以为保险公司提供数据分析服务，提升其运营效率。
目前璞映智能月处理理赔案数量过万，2018年预期全年处理案件数达300万。
近期，爱分析对璞映智能创始人、董事长王作梁进行了访谈，王作梁是一名连续创业者，曾于在线教育、新车电商等领域两次创业。
访谈中王作梁就国内健康险理赔发展趋势及璞映的业务、战略进行了阐述，摘选部分内容如下。
国内保险智能理赔需求强，璞映当前致力于提升理赔效率
爱分析：EIS Group之前在国内有什么业务？
王作梁：之前在国内没有，它全球目前大概有30多个保险集团在用它的系统，包括美亚、AIG等等，客户分布在美国本土、加拿大、在新西兰、澳大利亚和日本等地。中国是我们独家合作之后，才开展业务。
爱分析：EIS的核心系统包括哪些部分？
王作梁：核心系统主要是保单、计费、CRM、理赔四大模块。还有其它几百个小的模块，包括代理人管理等。
爱分析：核心系统服务之外，EIS在全球范围会提供理赔反欺诈等业务吗？
王作梁：不提供。EIS目前是全球第三大的核心系统提供商，它的第一个客户是美国排名前三的车险公司CSAA，从那时候开始，一直提供核心系统服务，收取部署费用及每年的License费。
爱分析： EIS为什么不做理赔反欺诈业务？
王作梁：国外的健康险反欺诈是一个很好的市场，但理赔大部分是保险公司，或者PBM（药品福利管理）在做，提供第三方服务的供应商很少。美国保险的报销要用户自己填数据，而不是上传发票，对于自己填写的数据是要保证真实性，否则会引发官司。所以在美国没有智能理赔这个市场，但在中国这个市场很大。
爱分析：EIS的核心系统对璞映智能的开发中起到了哪些作用？
王作梁：我们的自动化理算，实际上是基于EIS的理赔模块进行二次开发。EIS得系统底层就是规则引擎，上面搭载了四大核心模块和其他几百个模块。包括我们的五分钟配置的能力，也是脱胎于EIS的产品工厂，把保险公司要发布的产品全部进行可视化配置等等。
其实我们现在所有对外开放的，就是引擎的底层核心。
爱分析：璞映为什么选择从健康险行业起步？
王作梁：车险产品标准化程度高，理赔方面以人力为主而不需要规则引擎，这不是我们的优势。
相比于竞争激烈的车险，健康险正在快速发展当中。而目前健康险在定价和理赔方面，缺少一个标杆。我们希望通过大量数据积累，不断改进模型，逐渐成为标杆型企业。
爱分析：自动理算改善了哪些行业痛点？
王作梁：第一，效率的提升。传统的TPA的理算周期平均五个工作日，用户可能要2-3个月的时间拿到赔付的钱，用户体验很差。而我们目前能将周期缩短到1天之内，既降低了保险公司的成本，又提升了用户体验。
第二，对保险公司人力要求降低。健康险的赔付，是有波峰波谷的。每年11月到第二年1月份是健康险赔付的高峰期，而5、6月是波谷，理赔案数量差异能达到3-5倍甚至10倍。这对保险公司的人员要求很高，而璞映的自动化理赔服务就可以将人员要求降低很多，提升服务质量。
爱分析：理赔反欺诈业务包括方面？
王作梁：反欺诈包括两个不同的方面：第一，通过基本规则检验理赔案的真实性；第二，我们会完善病理图谱，监测不同疾病在不同地区不同时期的用药、治疗方案合理性，以此来判断理赔金额合理性，类似美国PBM的模式。
爱分析：30分钟快赔如何落地？
王作梁：有两种不同解决方案：第一种，我们来垫付；第二种，双方成立托管账户。
通过理赔业务积累多方数据，未来在保险、医疗领域发挥价值
爱分析：理赔引擎如何与保险公司对接？
王作梁：跟保险公司API对接。相比传统的TPA，我们有两点优势：第一，与保险公司产品对接快。保险公司相关人员通过我们的可视化后，可以在五分钟完成一个产品的理赔模块，而传统的TPA平均要两个月。第二，自动理算。通过我们的引擎，能够实现80%-90%案件的自动理算，取决于保险公司的风控要求。剩下的有疑点的案件需要进行人工的复审。
爱分析：需要保险公司开放哪些数据？
王作梁：保险公司需要开放保单数据。此外，用户在保险公司进行理赔的时候，会给保险公司授权，去调查相应诊疗的情况。如果涉及用户的报销发票有严重问题，或者金额较大的，我们会用到用户的授权，去调取医院的数据，为理赔做佐证。
爱分析：璞映需要借助哪些外部数据？
王作梁：第一，各地的社保分录，全国384个地级市，目前我们已经收录了208个。因为某些地级市并未公开他们信息，所以要去当地实地去收集。
第二，医疗数据。目前医保报销主要根据用户上传的发票中的数据进行理算，存在两个问题：第一，数据采集录入需要时间和大量人工成本；第二，缺少验真的过程。
我们现在通过渠道，正在打通各地医疗数据。未来我们希望不再需要人工录入数据，而是直接从医疗体系调取数据。这样能解决上面的两个问题。
此外，医保的反欺诈是根据当次的就诊行为，对它的准确性和诊疗方案的合理性进行检测，所以需要大量的数据。而医疗系统的数据是最原始、最真实的。
爱分析：医疗数据如何调取？
王作梁：一部分地方可以通过系统能解决，我们通过渠道接入了4000多家医院，经过用户授权调取数据。但现在目前还不能覆盖全国，仍在不断推进中。
爱分析：能否实时调取数据？
王作梁：不会，基本要隔天。医疗数据是结果数据，根据不同地级市的规定，会隔一段时间，比如数小时或者一天，进行同步。
爱分析：客户上传的票据影像件数据如何录入？
王作梁：我们有在用OCR，但OCR的并不能完全替代人工。因为医疗票据的识别相对困难，目前我们的OCR识别准确率在80%左右，这也是市场上能达到的最高识别率。
目前标准字段采集是通过OCR来采集，剩下的部分是人工录入。OCR能提高人工录入30%的效率，而人工录入一部分我们自己做，一部分外包。
爱分析：目前处理的理赔案数量？
王作梁：一个月过万的理赔案，目前几个大客户还在走合同流程。
爱分析：沉淀下来的数据有哪些商业价值？
王作梁：我们会通过模型测算，为保险公司作为决策支撑，提供优化服务。
爱分析：长期来看，璞映如何自我定位？
王作梁：目前我们的定位是：基于保险核心系统的SaaS服务提供商。未来通过技术优势和数据积累，希望能够在医疗健康领域有所作为。我们希望未来能够成为PBM。
爱分析：短期内璞映智能健康险会集中在健康险领域吗？
王作梁：医疗、人伤相关的保险我们都会涉及。包括健康险、重疾险、百万医疗等。接下来会涉及到车险的人伤部分，因为医疗相关的逻辑都是相似的。
爱分析：未来璞映会为保险公司提供核心系统吗？
王作梁：我们主营是以核心系统为基础，为保险行业提供包括智能理赔在内的Saas服务。
