1. 课程导入

欢迎进入《保险问卷与健康告知数字化核保实战》。在正式进入问卷设计、健康告知解读与核保规则引擎之前，我们需要先建立一张“全局地图”：数字化核保到底改变了什么，它由哪些核心概念构成，以及本课程将如何带你从业务问题走到可落地的系统能力。本章不涉及复杂算法，而是帮你校准方向，避免后续学习陷入“只懂条款、不懂数据”或“只懂系统、不懂业务”的割裂状态。

一、行业趋势：从人工核保到数据驱动的实时决策

传统核保依赖纸质问卷、人工录入、核保员经验判断，流程长、成本高、一致性差。随着移动投保、智能设备与医疗数据接口的普及，核保正在经历三个明显迁移：

• 从“事后核保”到“实时核保”：投保人填写健康告知的瞬间，系统即可完成风险评分与条件承保建议。
• 从“统一问卷”到“动态问卷”：根据年龄、性别、既往告知项，动态展开后续问题，减少无效填写。
• 从“经验规则”到“规则+模型”双引擎：规则引擎保证可解释与合规，风险模型提升对复杂共病的识别能力。

这三个迁移共同指向一个目标：在合规前提下，用更少的人工干预完成更精准的风险分层。理解这一点，后续所有问卷字段、告知逻辑与核保结论，都将围绕“数据采集—规则判断—结论输出”这条主线展开。

二、核心概念：问卷、健康告知与核保规则的关系

很多初学者容易把“问卷”和“健康告知”混为一谈。实际上，问卷是采集容器，健康告知是法律与医学交叉的询问义务，核保规则是判断逻辑。三者关系可以用下面的结构图来理解：

图中可以看到：问卷承载健康告知，健康告知触发核保规则，规则输出核保结论。任何一环设计不当，都会导致后续判断失真。例如，问卷字段缺失会让规则无法命中；告知表述模糊会让核保员反复回访；规则阈值过严则会造成大量误拒。

三、方法流程：数字化核保的四个关键环节

为了让后续章节有统一语言，我们把数字化核保拆解为四个可操作的环节。每个环节都有明确的输入、处理与输出：

环节	核心任务	典型输入	典型输出
问卷设计	确定字段、题型、跳转逻辑	产品责任、投保规则	结构化问卷模板
健康告知采集	将医学事实转为可判断数据	用户填写、病历文本	标准化告知项
规则引擎判断	匹配规则、计算风险分	告知项、年龄、保额	核保建议与依据
结论与复盘	输出结论、记录轨迹、迭代规则	判断结果、人工复核	承保结论、优化清单

这四个环节不是一次性瀑布，而是持续迭代的闭环。每一次人工复核的差异，都应回流到问卷字段或规则阈值中，形成“采集—判断—反馈—优化”的循环。

四、案例与场景：一个动态问卷的核保路径

假设一位42岁男性投保重疾险，在健康告知中勾选“高血压”。系统不会直接给出拒保，而是触发动态追问：

{
  "question": "是否确诊高血压？",
  "answer": "是",
  "follow_up": [
    "最近一次收缩压/舒张压数值？",
    "是否规律服药？",
    "是否伴有糖尿病、肾病或视网膜病变？"
  ],
  "rule_hint": "血压分级 + 并发症 + 控制情况"
}

如果用户填写“收缩压145，规律服药，无并发症”，规则引擎可能输出“加费承保”；如果填写“收缩压180，未服药，伴肾病”，则可能输出“拒保”或“延期”。同一个“高血压”告知项，因追问数据不同，结论完全不同。这正是数字化核保的价值：把模糊的“有病史”转化为可量化的风险参数。

五、常见误区与复盘

在课程开始前，先列出四个高频误区，后续章节会逐一拆解：

1. 误区一：把健康告知等同于问卷全部。健康告知只是问卷的一部分，问卷还包含身份、财务、职业等信息。
2. 误区二：规则越严越安全。过严规则会误伤标准体，导致投保体验下降与转化率流失。
3. 误区三：只关注结论，不记录依据。没有判断轨迹，后续复核与监管审计都会陷入被动。
4. 误区四：一次设计，长期不变。疾病谱、药品与核保医学都在更新，规则需要定期复盘。

六、学习目标与课程框架

完成本课程后，你应能够：

• 独立设计一份符合产品责任与合规要求的数字化问卷；
• 将健康告知文本转化为结构化、可判断的告知项；
• 编写并调试基础核保规则，理解规则优先级与冲突处理；
• 通过日志与复盘数据持续优化核保通过率与准确性。

课程整体分为六个模块：导入与概念、问卷设计实战、健康告知结构化、核保规则引擎、系统集成与日志、复盘与迭代。本章作为第1章，已经为你建立了“问卷—告知—规则—结论”的主线认知。接下来，我们将从问卷字段设计开始，逐步进入可操作的实战环节。