越来越多的创业公司看到了C端收费的难度，转攻保险公司，试图以帮助保险公司降低风险、节省费用为出发点，让保险公司最终掏钱。在转型路上比较多的有两类公司，一种是以数据为出发点，通过分析和模型来评估风险；另一种则是慢病管理，希望从疾病入手，影响治疗流程和效果，最终达到控费效果。
这两类公司面临的共同问题有两个。一是操作模式个性化程度较高，意味着操作成本会变高，而适应人群有限。二是对支付方来说，直接经济效益并不明确。
那么，支付方到底愿意为什么样的模式服务？美国市场是否有成熟经验可以借鉴？而在中国这个
医疗保险尚未真正开始发展的市场，保险还未出现量的飞跃，怎么能够支撑起后续嫁接的服务？目前现阶段市场条件下，什么才是有可能和保险公司契合的模式？
一、数据分析
对于购买者来说，保险的本质仍然是保障，数据分析和疾病干预更多是保险公司端处于营销、费用控制目的所进行的项目，是一种服务的辅助手段，在缺乏优质保障和会员基数的情况下，靠数据分析作为噱头并不能直接带来用户对保障的接受度，进而做大量。
如果数据分析作为单独的第三方服务，想要卖给保险公司，则面临这样几个尴尬之处。首先，用户数据尤其是疾病数据是保险公司的核心资产，通过第三方去分析的安全性低，不是首选方式。其次，数据分析得出的结果，比如高风险人群以及风险点，必须转化为后续的行动，这种行动涉及到结合临床治疗的服务，比如健康跟踪和意见，专业的疾病控制计划，用药干预等。这些项目的涉及需要极其专业的医学能力，以及和医院、医生结合的通道，尤其是通道并不容易建立。
即便保险公司愿意向第三方公开自己会员的疾病数据（事实上这种可能性很小），数据的提示性效应也很难转化为直接的行动。因为这种数据风险模型大多都是将用户归类，分为某些病种，风险高低等，而后期的直接干预仍然有赖于设计专业的疾病管理项目。这是一整套流程设计，比如对心脏病康复者的干预，涉及到和出院的衔接，让护士通过电话询问病人，配合远程跟踪手段，定期回访，追踪用药并评估风险，和医院合作提供紧急反应通道等。这需要非常专业的医疗运营团队去做，而且个性化程度较高，投入并不低，很难单独支撑一个创业模式产生盈利。
事实上，用户大都是短视的，他们对购买保险的考虑是保障范围，能够为他们覆盖多少过去可能需要自费的部分，他们更关心多少处方药现在被保险计划包含，而不会去考量疾病干预能为他们治疗糖尿病省多少钱。
