保险科技技术发展趋势系列报告：大数据应用有两大重要意义

　　作为保险科技的重要组成部分，大数据技术是人工智能、云计算、区块链等保险科技前沿技术的数据来源和底层支撑，亦是推动保险行业发展的重要基础设施。数据挖掘等大数据技术可以将生活中海量、复杂、多源的非结构化数据转化为机器可识别的结构化数据，从而为保险科技领域的其他技术提供了能够被研究分析的数据信息。当前，大数据在我国保险业的主要应用包括险种创新和精细化定价、基于客户画像的精准营销、健康长期的客户服务管理体系以及大数据智能风控。

　　当前，大数据在我国保险业的应用有两大重要意义：一是依托全量数据，形成精准化产品与服务；二是深入挖掘数据，创新险种，拓宽可保边界。

　　一，依托全量数据，形成精准化产品与服务。大数据技术革新了人们对数据的使用认知，使人们直接使用全量数据进行精准化分析成为可能，而不再局限于以抽样数据推测整体规律。通过对全量数据而非抽样数据的分析，大数据技术在保险公司的流程优化、产品设计、精算定价、客户服务和营销推广等诸多方面不仅仅提供了更加精准的数据分析结果，更提供了全新的视角和思路，如借助大数据丰富多维的数据特征，建立更全面清晰的客户画像。诸多保险公司已在交叉营销、客户服务等方面取得了良好效果。

　　二，深入挖掘数据，创新险种，拓宽可保边界。通过对更多丰富场景内数据的分析和挖掘，保险公司得以开发更多、更丰富的保险产品，如建立在对气象数据分析结果基础上的气象保险、基于可穿戴设备记录的运动数据开发的面向健康管理的医疗保险，以及建立在海量网络浏览和购物行为数据分析基础上的退货运费险等产品。

　　图1 大数据赋能保险业务全流程及大数据生态建设

　　数据来源：中国保险与养老金研究中心

　　大数据在保险业的应用能够赋能保险业务全流程。保险经营的数理基础是大数法则。比如在产品设计环节，保险公司对可保风险的确定，需要以大量相似的、同质的风险标的数据作为基础；在产品定价环节，保险公司对风险的定价，依靠的是将同类风险标的以大数据技术进行测算、评估。从保险产品设计起始，到产品定价、营销、承保、理赔、风控、客户服务，乃至技术保障等各个环节都离不开大数据的支撑。因此，大数据的使用对保险业务流程产生的价值提升十分重要。以泰康为例，泰康集团利用大数据技术赋能业务全流程，助力精细化管理，实现降本增效。泰康集团在医保支付控费方面，采集12城医保数据推广铜川控费模型；在寿险营销方面，分析2895万名老客户的保障缺口，促成107万老客户加保；在智能两核方面，利用大数据技术核保中端医疗案件45万件；在大数据智能风控方面，拥有全险种9大风控模型，核保风险评估86万次。

　　大数据在保险业的应用除了对保险业务价值链的赋能，还体现在对大数据生态环境的建设。其主要举措是搭建数据平台，与外部数据源在一定范围内形成联通，合力构建大数据生态环境。现阶段，保险业把数字资产作为最重要的资产、数据技术作为信息管理最重要的工具、数据库作为行业基础性战略资源储备。保险数据资源价值凸显并不断释放，保险业正持续夯实统一、安全的数据基础，用新技术创造新的商业价值。上海保交所及中银保信在大数据生态建设方面都有相应举措。上海保交所致力于健康险大数据平台的建设工作，积极推动保险行业与医疗、健康、养老等数据信息中心互联互通。2018年10月，上海保交所与上海市卫健委正式签约合作协议，共同推进上海健康保险交易中心建设。中银保信是我国保险行业大数据领域信息共享平台的建设者，由最初的单一车险平台，发展为10余个平台和100多个系统组成的信息共享格局，累计登记保单400多亿张，基本覆盖所有保险公司、所有险种，整合约11亿消费者主数据、约3亿车辆主数据，成为行业数据基地和内外信息交互枢纽。

　　图2 大数据赋能保险业务全流程

　　数据来源：中国保险与养老金研究中心

　　在保险业务全流程方面，大数据的应用又具体体现在产品、营销、两核、客户服务、风控反欺诈等五个维度。

　　大数据在产品环节的应用主要包括险种创新和精细化定价。一是险种创新，保险公司通过利用大数据技术对风险进行精细化预测，从而开发出基于不同业务场景的创新型险种，实现产品的个性化定制与创新。大数据在产品设计环节的应用主要以互联网场景化保险为代表，主要包括航延险、酒店退订险、退货运费险、宠物责任险等。大数据技术在场景化保险产品的创新方面已经做出了一定成果，例如，阳光保险推出的基于运动步数的健康险产品“悦动保”。二是精细化定价，保险公司通过利用大数据技术分析全量数据以实现更准确的产品定价。不同于传统定价和设计方法对抽样样本的数据分析，大数据技术的应用使产品开发人员实现了对全量数据样本的数据分析，根据更完整的数据表现进行更全面的风险评估，从而开发出更符合市场需要的保险产品和保险费率。例如，泰康集团推出团险大数据自动化报价，为企业客户定制的个性化团险生命表涉及5大类18个险种，截至目前，为9783个企业客户提供智能定价，真正实现了“千企千价”。

　　大数据在营销环节的应用主要包括客户画像、多险种交叉销售、代理人营销赋能等三个维度。一是利用大数据构建立体化客户画像。保险公司通过对客户的包括身份信息、生理自然信息、社会关系信息和特征偏好信息在内的海量行为数据进行大数据建模分析，以区别客户的需求特征，对客户进行分群，进而设计差异化的保险产品与服务。例如，大地保险通过上线客户画像平台，360度刻画用户特征，包含3大类维度、200多项标签，帮助保险公司实现个性化推荐、精准营销和精准服务。二是利用大数据进行多险种交叉销售。多险种交叉销售能够很好地缓解险企与客户接触频次低的问题，有助于增强客户粘性。例如，大地保险针对车险用户进行非车险交叉销售，通过大数据建模精准洞察存量车险客户的非车险需求，进而由业务员向识别出的健康险高需求客户重点推荐相关健康险产品，向个贷险高需求客户推荐个贷险产品。三是利用大数据实现代理人营销赋能，包括代理人团队管理和智能工具的营销辅助。代理人团队管理是指，通过大数据技术对代理人个人信息及销售数据等海量相关数据的获取，对代理人进行有针对性的甄选、面试、培训等管理，以提高代理人队伍留存率。智能营销辅助是指，保险公司通过为代理人提供基于大数据技术的手机APP等代理人销售工具，为代理人的营销行为进行赋能，提升代理人移动展业能力以及营销效率。

　　图3 大数据在保险营销中的应用——立体化客户画像

　　数据来源：中国银行(行情601988,诊股)保险报，中关村(行情000931,诊股)互联网金融研究院，中国保险与养老金研究中心

　　大数据在核保核赔环节的应用主要包括利用险企内外部数据信息建立风险预测模型、建立反欺诈数据库以及建立车后生态圈。一是建立风险预测模型，结合保险公司内外部数据信息，对客户进行早期异常值检验，如在健康险领域利用大数据技术对医疗险数据平台中的海量医疗数据进行数据分析与挖掘以实现疾病预测。二是行业间合作建立反欺诈数据库，整合保险公司的各个部门、第三方平台、网络和通讯运营商等平台并构建基于大数据的反欺诈网络。三是保险机构利用大数据技术与汽车修理行业合作构建车后生态圈，以获取每辆汽车的维修、保养情况数据，避免客户从保险中不当得利，防止保险欺诈。例如，平安的金融壹账通应用大数据技术推出车险理赔平台“智能闪赔”，包括5个物定损数据库、12个人伤定损数据库以及黑名单数据库等在内的千万级车理赔标准数据与模型库，可实现一厂一价，使定损环节风险管控更加精准。

　　大数据在客户服务方面的具体应用主要体现为对客户的分群经营和构建基于移动APP的新型客户体系。保险公司通过对客户的分群经营，实现对不同群体客户千人千面的精准推荐，高效触达具有不同需求特征的客户。此外，通过手机APP等新型客户体系，增加了客户的使用时长，使保险公司有充足的数据支持对客户的知识图谱构建、健康状况管理分析等，从短期的售前咨询向长期的客户管理转变，形成一种高效健康的发展模式。例如，大地保险推出了星级权益体系及VIP管家体系。大地保险基于大数据分析建立了新型客户体系，对个人客户和团体客户分别采用星级权益体系及VIP管家体系，覆盖包含直升机救援、高铁贵宾厅权益、重疾绿色通道等30多项增值服务，有效加强了客户互动，提升了客户粘性。大地保险的新型客户体系建立以来，实现超过72%的核心优质享权客户占比，230多项线上化服务，100多次月均线上化活动/推文，以及29%以上的月均活跃率。

　　大数据在智能风控领域的核心应用是基于智能算法的大数据风控模型。从业务流程上看，大数据风控的应用主要体现在投保前的风险排查、承保中的风险管控以及理赔时的风险识别和反欺诈。在投保环节，可以利用大数据搭建风险评估模型，筛查高风险客户，对其采用拒保或者提高保费的方式区别对待。在承保运营环节，可以利用大数据风控对保险客户的动态跟踪反馈，定期对承保中客户信息进行维护，更新客户风险指数。在理赔环节，大数据风控首先通过构建模型的方式筛查出疑似欺诈的高风险案件，然后再人工介入进行重点审核和调查，减少人工现场查勘误差，提高查勘效率。从险种上看，大数据风控的典型应用包括互联网场景下的健康险、意外险以及车险的风险定价及反欺诈。互联网场景下的健康险、意外险的很多产品因其投保条件宽松，很容易出现投保人逆向选择风险及欺诈风险，而大数据风控模型可以从多维度筛查客户不良信息，及时发现高风险投保客户，避免欺诈行为的发生。在车险领域，大数据风控在车险定价上增加从车、从人、从驾驶行为、从位置轨迹的定价因子以实现更加精准的定价。同时，保险公司在理赔端利用复杂的网络技术进行理赔反作弊分析，以减少欺诈案件的发生。