How to Model an Insurance Policy Without Joining Dozens of Tables
TL;DR · AI 摘要
How to Model an Insurance Policy Without Joining Dozens of Tables MongoDB Ask an underwriter to describe a policy, and y...
核心要点
- 主题聚焦:How to Model an Insurance Policy Without Joining
- 来源:MongoDB Blog,建议结合原文判断细节。
- AI 分析暂不可用,本条为保底评分与摘要。
如何在不连接数十张表的情况下建模保险保单 | MongoDB
让核保人描述一份保单,你会得到一个连贯的答案:这是客户针对汽车或房屋的合同,包含若干保障条款,每个条款都有保额和免赔额,并附有自签发以来每次变更的历史记录。一份保单——由多个部分组成。众多部分。
现在向你的数据库提出同样的问题。在大多数保险核心系统中,这份单一的保单会被拆分到数十张关系表中:一张用于保障条款,一张用于车辆信息,一张用于被保险人,一张用于附加条款,还有一张用于计费计划。每次页面加载时,系统都需要通过重新连接这些表来重组保单。每次产品变更时,多个表都需要修改。当Manulife重建其保单服务平台时,其首席架构师描述了用每份保单对应一个文档替代500多张核心表的过程,并报告新系统获得了开发人员压倒性的好评。
这种差距——业务视角中对保单的理解方式与数据库存储方式之间的差距——正是MongoDB等文档数据库要解决的核心问题。本文将解释在做出这一转变时最重要的设计决策是什么,以及为什么这既是技术决策也是保险行业决策。
一条规则主导一切
文档数据库将记录存储为嵌套结构,更接近文件夹而非电子表格行。一份保单文档可以将保障条款、车辆信息、相关方信息和事件历史全部包含在自身内部。诱惑是直接将旧的关系表结构图复制到这种新形式中。但这是错误的直觉。
核心理念是围绕业务如何使用数据来建模,而非围绕实体在图表中的外观。具体来说,这意味着要围绕保单生命周期(报价、核保、签发、计费、批改、续保、注销、理赔)进行设计,并在每个阶段询问:哪些数据会被一起读取和写入?
一旦提出这个问题,所有设计选择都归结为一个决策:是嵌入还是引用。
嵌入或引用:关键决策
对于任何两个相关数据,你有两种选择。将其中一个嵌入到另一个中,使它们存在于同一文档内。或者通过引用关联,仅存储一个标识符指向另一个独立文档,就像关系型数据库的外键一样。
这个决策可以简化为两个基本原则:
- 嵌入那些属于某事物且始终与之一起读取的数据。
- 引用那些具有独立生命周期或在多个记录间共享的数据。
将这一原则应用于保单,答案自然浮现。保障条款应嵌入保单内部。没有人会脱离保单单独查找碰撞保障信息。被保险车辆应嵌入保单内部——事件历史也是如此,因为批改或注销脱离合同本身毫无意义。以文档形式呈现,看起来如下:
未格式化代码片段
{
"policyNumber": "PAP-IL-2026-0004821",
"status": "ACTIVE",
"coverages": [
{
"code": "LIAB_BI",
"limit": 100000,
"deductible": 0
},
{
"code": "COLL",
"limit": null,
"deductible": 500
}
],
"insurableObjects": [
{
"objectType": "VEHICLE",
"vin": "1HGBH41JXMN109186"
}
],
"events": [
{
"type": "ISSUED",
"at": "2026-01-01"
},
{
"type": "ENDORSEMENT",
"at": "2026-05-14",
"change": "added_driver"
}
]
}行业内的任何人都能阅读这段内容。它看起来就像一份保单本身。
该主张遵循相同的逻辑,其收益是财务团队会欣赏的。索赔的准备金和支付应包含在索赔文档中。由于单个文档始终以原子方式写入,因此发布准备金并更新索赔总额将变为一个操作,要么完全成功,要么根本不会发生。账簿与索赔之间不会出现意见不一致的窗口。
现在让我们看看测试的另一面。客户的保单不应嵌入客户记录中。保单体积庞大,经常变更,且几乎总是通过保单号而非客户记录进行查询。相反,应将保单存储在自己的集合中,并让每份保单通过ID引用其客户。索赔也不应嵌入保单中,因为一个索赔可能在生成它的保单失效后仍然存在:已取消的保单仍可能有未结案的索赔。应将索赔单独存储,每份索赔通过ID引用其所属的保单。
销售保单的代理和保单所涉及的产品也应通过引用而非嵌入的方式关联,这里的原因是操作层面的。成千上万的保单可能共享同一个代理和产品。如果嵌入代理的详细信息,当他们的许可证号码变更时,需要更新他们名下所有保单。将产品目录作为单一的、版本化的权威来源,让保单仅存储与之绑定的保障条款的某个时间点快照。
两场考验设计的风暴
保险行业以其他行业难以企及的方式对数据模型进行压力测试:灾难事件。
飓风索赔
大多数汽车和财产索赔的附加文件(如照片、估价单或警方报告)少于10个。将它们嵌入索赔文档是可行的。但飓风后的重大损失索赔可能积累60个或更多的附加文件。MongoDB对每个文档有严格的16MB大小限制,即使远低于此限制,少数膨胀的索赔文档也会显著减慢加载它们的每个页面速度。
错误的解决方案是将所有索赔文档移动到一个单独的集合中“以防万一”,这会为1%的特殊情况牺牲99%的常规情况。正确的解决方案是MongoDB工程师称为“离群值模式”的方法:默认嵌入,当索赔超过某个阈值时,触发溢出标志并将多余内容存储到侧边集合。该设计服务于常见场景,并明确处理异常情况。
以下是飓风索赔的实现方式。当索赔超过阈值时,应用程序设置标志并将额外文档移动到侧边集合,使索赔记录保持精简:
{ "claimNumber": "CLM-IL-2026-0031908", "attachmentsOverflow": true, "attachmentCount": 63 }
野火数据激增
当数据库超出单台服务器容量时,MongoDB会将其拆分到多台服务器上,一个名为分片键的字段决定每条记录存储在哪台服务器上。似乎合理的是按灾难事件(CAT)编码对索赔进行分片,因为CAT仪表板会通过该编码进行查询。这是一个陷阱。在野火活跃期间,连续数天的每个新索赔都共享同一个CAT编码,导致所有新索赔都路由到同一台服务器——这正是数据摄入吞吐量最关键的时候。使用索赔编号的哈希分片键可均匀分布新索赔,并将CAT编码作为仪表板的普通索引。
这两个案例传达了相同的教训:数据模型决定了操作弹性,这一决策早在风暴来临之前就已确定。
从第一天起应采用的三种模式
除了嵌入与引用规则之外,还有三种设计模式需要采用:
- 计算总和。在保单中存储“已发生总额”和“已支付总额”,而不是每次读取时重新计算准备金和付款。保单详情是公司最繁忙的屏幕之一;不要让它做数学运算。
- 模式版本控制。为每份保单和每个索赔标注版本号。保险记录在监管保留和诉讼发现的背景下可能保存数十年,而你的文档结构在这段时间内会发生变化。如果没有版本标记,这种变化将演变为审计问题,而不仅仅是技术问题。据报道,Travelers Insurance在摆脱僵化的传统关系模型后,将模式变更的三日等待时间消除;版本控制正是让这种灵活性变得安全的关键。
- 仅追加历史记录。保单事件、索赔活动,以及越来越多的自动化核保或欺诈筛查代理的逐步决策过程,应仅允许添加,而不能编辑或删除。在大多数行业中,这是良好的实践;在保险领域,这是合规要求。随着监管机构关注AI驱动的决策,可审计的自动化系统决策过程和原因记录,将决定审查是快速还是漫长。
对你的意义
这些并不需要你的工程师放弃已有的知识。多文档事务仍适用于需要的场景,例如将申请绑定到保单。变化在于起始问题。问题不再是“实体是什么以及它们如何关联?”,而是“业务在读写时一起处理什么,以及哪些内容会自行变化?”
将始终一起读取的内容保持在一起。将独立存在、自行演化的内容分离。明确规划异常值和流量高峰。这些做好后,数据库最终将像你的核保人员一样描述保单。
###### 下一步
了解MongoDB如何通过保险参考架构的AI代理上下文层,为AI驱动的核保和索赔提供单一、可审计的业务对象。
探索MongoDB如何帮助保险公司实现现代化,从财产与责任险到再保险。
参考文献:1. 为什么领先保险公司Manulife放弃SQL选择MongoDB 2. Travelers Insurance通过MongoDB加速业务从需求到生产的过程