1. 课程导论与背景
1.1 精算坏样本的定义
在保险精算与风控领域，“坏样本”是指最终给保险公司带来实际经济损失或显著高于预期赔付率的保单、理赔案件或投保行为。精算坏样本的识别是风险定价、核保策略与准备金评估的基础。
| 坏样本类型 | 定义 | 典型场景 |
|---|---|---|
| 理赔型坏样本 | 出险后赔付金额远超预期保费贡献的保单 | 车险高额人伤案件、健康险重疾理赔 |
| 欺诈型坏样本 | 投保人或第三方故意制造或夸大损失 | 虚假事故、医疗骗保、团伙欺诈 |
| 逆选择型坏样本 | 投保人利用信息不对称选择高概率出险 | 带病投保、高风险职业隐瞒 |
| 长尾型坏样本 | 赔付周期长、最终赔付率持续恶化的案件 | 责任险、意外险的延迟报案 |
精算视角： 坏样本的判定不是静态的。同一张保单在承保时可能属于优质样本，但出险后若触发欺诈规则或赔付率超过阈值，则实时转化为坏样本。本课程的核心就是捕捉这种“动态归因”。
1.2 归因分析在保险风控中的价值
归因分析的目标是回答“为什么这个样本变坏了”。在保险业务中，归因分析直接驱动以下决策：
- 定价校准： 识别导致亏损的风险因子（如年龄、车型、地区），调整费率表。
- 核保规则优化： 发现逆选择特征，更新自动核保通过/拒绝规则。
- 反欺诈策略： 定位欺诈团伙的共性行为模式，提升欺诈识别率。
- 准备金评估： 对长尾坏样本进行早期预警，合理计提未决赔款准备金。
核心价值： 从“事后统计”转向“事中干预”。传统批处理归因需要 T+1 甚至 T+7 才能输出结果，而实时归因可以在理赔录入、核保决策的秒级窗口内给出风险提示，直接阻断坏样本的进一步恶化。
1.3 实时处理与传统批处理的对比
传统精算归因依赖离线批处理（Hive/Spark SQL），通常以天或小时为周期运行。随着保险业务线上化、理赔时效要求提高，批处理模式在以下场景中暴露出明显短板：
| 对比维度 | 传统批处理 | Flink 实时处理 |
|---|---|---|
| 延迟 | T+1 至 T+7，无法在出险窗口内干预 | 秒级至分钟级，支持事中阻断 |
| 数据源 | 离线 Hive 表、静态 CSV | Kafka 流、CDC 日志、实时 API |
| 归因粒度 | 聚合到保单/客户维度，丢失时序细节 | 事件级归因，保留完整行为序列 |
| 规则更新 | 需重启任务或重跑分区 | 动态规则热加载，无需停机 |
| 计算模型 | 批式 MapReduce，状态管理弱 | 有状态流计算，支持精确一次语义 |
| 典型场景 | 月度赔付率报表、年度费率调整 | 实时欺诈拦截、动态核保决策 |
注意： 实时处理并非完全替代批处理。在精算准备金评估、长期赔付趋势分析等场景中，批处理仍然具有不可替代的统计稳定性。本课程聚焦于“实时归因”这一增量能力，与现有批处理体系形成互补。
1.4 本课程的技术栈与学习路径
本课程将围绕以下技术栈展开，帮助学员从零搭建一套生产级的精算坏样本实时归因系统：
- Flink SQL & DataStream API： 核心计算引擎，处理实时归因逻辑。
- Kafka： 实时数据总线，接入理赔、核保、承保等业务流。
- HBase / Redis： 实时状态存储，维护保单维度的累计赔付率、风险画像。
- 规则引擎（Drools / Flink CEP）： 动态归因规则匹配与复杂事件处理。
- Prometheus + Grafana： 实时监控归因结果与系统延迟。
前置要求： 学员需具备基础的 SQL 能力、Java 或 Scala 编程基础，了解保险精算的基本概念（赔付率、损失率、风险因子）。本课程不要求深入的机器学习背景，但会涉及简单的统计归因模型。