消费者数据在预测死亡风险中的应用

本文探讨了消费者数据在预测死亡风险中的应用价值。首先定义了消费者数据，并举例说明其在保险行业的应用，如生活方式数据、购买历史、个人财务属性和人口统计信息等。接着回顾了预测死亡率的关键数据类型，包括处方历史、医疗索赔、信用数据等，并指出消费者数据因无法与个人唯一关联，不适用于核保和定价，但可用于预测死亡率。

研究概述部分介绍了研究方法，通过比较包含和不包含消费者数据的多种预测模型，评估其预测性能。数据集涵盖2016至2020年约2100万人，其中34.2万人有死亡记录。研究发现，消费者数据虽然覆盖面较低（72.1%），但与其他数据源结合时能提升预测能力。

单数据源模型结果显示，消费者数据在区分死亡率方面表现优于处方数据，但覆盖面不及信用数据。组合模型分析表明，加入消费者数据可显著提升模型性能指标（如AUC、Brier分数等），且数据覆盖面增加约5%。特征重要性分析显示，“破产记录”、“搬家频率”和“使用可穿戴设备管理健康”等消费者特征对预测有重要贡献。

结论指出，消费者数据能有效分层死亡风险，其预测性能与处方、医疗、信用等数据相当，适用于营销和保单管理场景，但因其非FCRA合规性，不适用于核保。