随着近年来中国保险业的蓬勃发展，人均保单数也呈上升趋势。尤其90后进入婚育高峰期使得这批人群逐渐成为保险消费主力。根据90后保险大数据报告，90后人均持有5张保单，远高于此前平均水平。人均保单数量的提升使得一些问题逐渐暴露：
现在智能手机已经普及，纸质保单直接拍照上传，电子保单手机截屏就可以。让用户以最少最简单的操作完成数据的上传。
我们自主研发的针对保单的OCR识别系统，可支持140多家保险公司的5000多种保单类型，识别准确性高，可识别元素字段达到30多个，可多维度存储有效信息，为保单报告生成提供多维度的信息。
截止到现在保险数据库共拆解15000多个保险险种，最多每个险种拆解维度达到67个，底层数据可支持各类业务的数据需求，例如：保单托管、保险对比、计划书生成等各类场景。
根据OCR识别的用户保单信息，将用户的险种信息与保险数据库的产品一一对应，通过不同的险种类型，和用户年龄性别，调用不同的运算模型，从而得出计算结果。
根据费率运算模型，计算用户年缴保费，总保费，保费占比。
根据险种类型和用户年龄性别，计算得出，各类保障额度。
例如：
根据用户年龄性别，和险种信息，计算得出保障期间对比图，如下：
根据用户年龄，性别和投保的险种信息，计算得出用户的缺口信息，如下：
根据用户年龄性别和险种信息，将每张保单关键信息都明明白白的展示在客户面前，如下：
根据计算结果，生成托管报告，将重要信息以清晰明了的方式展示给用户，使用户能够一目了然的查看想看的信息。即时生成的文档也利于用户保存。
数字化——数据化——智能化，这是所有智能产品的必备演化路径，无法逾越，保单托管要想摆脱手工处理，必须先实现保险产品的数字化，首先要获取信息不同的保险类型获取哪些信息，哪些是通用的，哪些是个性的，哪些是必填，哪些是选填，必须对保险产品和保险行业充分了解和熟悉，才能完成不同公司的不同险种的模型定制。如何表达信息，能够让信息得到充分的利用。如何设计信息的存储结构，对应后续的信息的传输至关重要。
当数字化积累达到一定程度，就会形成数据化，数字化是死的，是一个个文本、字段、数字、编码的定义统一。而数据化是活的，当超过两万个保险产品被数字化后，数据化的能力就会显示出来。数字之间的趋势变得一目了然，这些数据就可以为后续的数字进行定义和纠偏，并且不断的完善模型。交叉验证提高准确性。
保险的本质是对冲整个家庭风险。并不是保障个人免于风险。所有保单托管只有以家庭为单位托管才有意义。家庭中的人际关系可以把整个家庭连接到一张托管报告上，投保人、被保人、受益人之间的关系才能一目了然。家庭保单整理通常从：“交钱”、“领钱”、“赔钱”、“留钱”这四个维度进行。家庭一共买过多少份保单？每年交多少钱？每份保单何时交费？这些保单分别是哪家保险公司的？分别使用哪些银行账户缴费？谁能领钱，多少岁开始领，能领多少？一般家庭推荐保障计划包含意外险、重疾险、医疗险、寿险。按计划购买、配置了相应产品后，需要明晰各险种都有多少保障？ 也就是能赔多少？
排版美观和即时生成直接本来是矛盾的，只有经过不断优化，不断调试才能使得生成的pdf可读性更高，不出现表格太长分页展示，缺少表头、表格内文本溢出表格，颜色失真、偏僻字字体不一致等现象。并且可以实现添加保单，重新生成可自动添加最新保单信息。pdf可转发可下载。方便客户留存。
现在有一些保险公司有在做保单托管，但是只支持自家产品，但是对于用户来说，保单可能来自多家保险公司，把保单托管在不同的渠道中就起不到托管的作用了。针对这个情况，必须有能够无边界托管所有保险公司的所有产品才能满足客户需求。这就需要底层数据库要全，更新要快。科技赋能，服务妥帖，这才是用户想要的。
老张，人人都是产品经理专栏作家。AI产品经理，专注于自然语言处理和图像识别领域。现智能保险创业公司合伙人，希望与人工智能领域创业者多多交流。
本文原创发布于人人都是产品经理，未经许可，禁止转载
题图来自 Unsplash，基于 CC0 协议
关注微信
