1. 课程导入

欢迎进入《保险核保评分与人工审核分流实战》。在正式进入模型、规则与系统实现之前，本章先解决三个问题：这门课到底要学什么、为什么值得学、以及它在真实业务中长什么样。核保不是简单的“通过/拒绝”按钮，而是在有限时间、有限信息与有限人力下，对风险进行分层、定价与流转决策。评分与分流，正是把这种决策从个人经验转化为可复用、可监控、可迭代的工程能力。

一、学习目标：学完你能做什么

本课程面向核保、风控、产品、数据与运营岗位，目标不是让你背公式，而是让你能独立设计并落地一条“评分—阈值—分流—反馈”的闭环链路。具体包括：

• 理解评分本质：区分风险评分、欺诈评分与优先级评分，明确各自在核保中的位置与边界。
• 掌握分流逻辑：能根据分数区间、规则命中与业务容量，设计自动通过、人工审核、补充资料与拒保的流转路径。
• 会看关键指标：理解通过率、人工率、命中率、误杀率、漏放率与审核时效之间的权衡关系。
• 能复盘调优：通过样本回溯与阈值调整，持续优化分流效果，而不是一次性上线后放任不管。

二、核心原理：评分与分流的关系

评分与分流不是两个独立动作，而是同一决策链上的前后环节。评分负责把多维信息压缩成一个或一组可比较的数值；分流负责根据这些数值与业务约束，决定案件走哪条通道。可以把它理解为“先量化风险，再分配注意力”。

在真实系统中，评分通常不是单一模型输出，而是“规则分 + 模型分 + 名单分”的组合。规则分处理硬性条件与监管要求，模型分处理统计规律，名单分处理已知高风险主体。三者叠加后，再结合渠道、险种、保额与地区等维度，形成最终分流建议。

三、方法流程：一条可落地的分流链路

下面给出一个通用的分流流程框架，后续章节会逐层展开。你可以把它当作“最小可行闭环”，先跑通再优化。

1. 数据接入：整合投保单、健康告知、历史理赔、外部名单与渠道标签。
2. 特征加工：将原始字段转化为评分可用的变量，如年龄分段、职业风险等级、保额收入比。
3. 评分计算：规则分与模型分加权求和，输出 0–100 或 300–850 区间的综合分。
4. 阈值切分：根据业务目标设定低、中、高区间，并预留人工容量缓冲。
5. 分流执行：低分自动通过，中分进入人工审核队列，高分触发补充资料或拒保。
6. 结果回写：人工审核结论回流至样本库，用于监控与调优。

四、实战场景：三个典型分流案例

场景一：健康险线上投保。 一位 35 岁用户，职业为程序员，保额 50 万，健康告知无异常。评分 22 分，落入低风险区间，系统自动通过，耗时 3 秒。人工审核资源被释放给更复杂的案件。

场景二：寿险高保额申请。 一位 52 岁用户，保额 300 万，有高血压病史但控制良好。评分 68 分，落入中风险区间，进入人工审核。核保员调阅体检报告后，决定加费承保。若没有评分分流，这类案件可能被直接拒保或遗漏风险。

场景三：渠道集中投保异常。 某渠道短时间内提交 20 单，投保人年龄相近、职业相同、保额一致。评分引擎命中“聚集性投保”规则，综合分升至 85 分，全部转入人工审核，最终发现存在代理误导嫌疑。评分不仅看个体，也看群体模式。

五、常见误区与复盘要点

• 误区二：只调阈值不看样本。 阈值调整必须基于回溯样本与业务目标，否则容易造成误杀或漏放。
• 误区三：忽略人工审核容量。 如果中风险区间过大，人工队列会积压，反而拖慢整体时效。
• 误区四：上线后不监控。 评分卡会随客群与渠道变化而漂移，需要定期监控分数分布与分流比例。

复盘时建议关注四个核心问题：低风险区间是否真的低风险？中风险区间的人工结论是否集中在某几类特征？高风险拦截是否存在误杀？整体人工率是否在团队可承受范围内？把这些问题回答清楚，评分与分流才算真正跑通。

# 分流监控示例指标（伪代码）
auto_pass_rate   = auto_pass / total
manual_rate      = manual_review / total
hit_rate         = manual_reject / manual_review
false_kill_rate  = manual_pass_low_risk / manual_review
miss_rate        = auto_pass_high_risk / auto_pass
sla_hours        = avg(manual_finish_time - manual_start_time)