保险业大数据：从风险预判到风险解释

        “大数据的本质是要解决预测问题，保险业经营的核心也是基于预测，是预测风险。所以大数据时代对于保险业来讲，既是机遇，更是挑战。”这是人保财险执行副总裁王和对于大数据之于保险业的意义理解。

　　目前，保险业正日益被呈几何级数增长的海量信息包围，它们来自业务数据、财务数据，以及保险网销、电销渠道积蓄的大量视频、语音、图片、网络日志信息等非结构性数据。经过多年发展，这一数据量已达到100TB以上级别。在数据采集来源多元化，数据存储成本直线下降的背景下，保险企业对大数据的分析、掌控能力，成为支撑科学决策及服务创新，构建企业核心竞争力的关键。大数据分析与管理逐渐成为保险信息化建设进程中，与核心业务系统建设、渠道建设和前置系统建设同等重要的领域之一。

　　因此，如何正确地实施大数据项目，认清技术差距，做好IT储备，提炼战略价值，无疑是大中型保险机构IT高管着眼未来的共同焦点。

　　挖掘数据背后双赢价值

　　“保费的定价基于大数法则，是基于一个人的性别、年龄、职业等，及与风险具有的相关性，作为保险产品定价的因素。保险行业的典型特征可以理解为通过数据来对风险进行一个预判，保险经营的核心也是基于预测。”王和表示。

　　这就不难理解保险业对于数据信息及数据分析结果的紧密依赖性。但目前保险业传统且普遍的做法是通过对保险用户行为的研究分析，如所购险种、过往出险率及风险偏好等信息，采用抽样调查方法加以分析，最后得出结论。由于样本抽取存在的随机性，基于此确定的保费价格其实并不一定适用于所有投保用户。

　　举个简单例子，在车险领域，保费定价因素——性别、年龄、职业完全相同的三个人，开车的风险一样么?一定不同。因为每个人所购车辆价格不同、使用年限不同，驾车人的技术、行为特征、厌憎爱好均不相同;而在家庭单位中，不同家庭成员对首辆车和第二辆车使用的频次也不尽相同。保险机构试想用同一种定价机制去面向市场，很可能影响用户接受度，导致用户流失。

　　换个角度，如果保险机构通过提供车载信息服务的方式，在不涉及敏感信息泄露的前提下，在投保车辆中内置传感器和黑盒，更精准地掌握投保车辆的车速、车况，一般行驶路段、行驶里程等，这样保险机构对车主行为习惯和实际风险发生也了解得更为详细，风险范围就会越窄，那么基于不同风险范围区别保险费率的可能性也会越大，这也是投保用户和保险机构能够获得双赢局面的原因。

　　大数据给了保险行业一个机会，让从基于“样本”数据分析到基于“全量”数据来认识并解释风险变为可能。

　　在引入数据挖掘技术方面，平安集团的步子迈得很大。2013年1月，平安集团携手百度，成立联合项目组，欲借助百度的渠道、技术优势及平安自身的金融领域精准用户数据资源，尝试研究车险用户基于互联网的行为模式，来定制营销策略、实行产品创新。

　　“我们现在所面临的，是一场现代科技与传统金融业之间的竞赛，谁跑得快谁就赢。” 中国平安保险董事长兼CEO马明哲指出，为了跑赢，平安必须引进最前沿的技术。“日前推出的百度网页应用‘2013全新车险计算器’就是中国平安与百度合作的成果之一。”

　　毫无疑问，百度在大数据技术方面优势明显，与百度的合作，将帮助平安面对互联网企业对金融行业的渗透和挑战，建立自己的核心竞争优势。

　　探索保险业大数据行动纲领

　　这也是困扰很多保险IT高管的核心问题：如何合理控制并有效利用多年积累的大量丰富数据信息?

　　“泰康的电商网站上，每天会积累上百T数据，但抽取数据和建模的时间非常有限。如何对这些互联网访问痕迹进行有效分析，我们传统的检索和建模方式显然已经不再适用。” 泰康人寿保险股份有限公司IT副总经理方远近表示。类似的困惑也被前海人寿副总经理曾海燕提及：“无论是内部系统，还是网销平台，来自不同平台的数据彼此间有重复也有交叉，这种多样性对我们的数据分析会有更多挑战，我们如何处理这些数据，如何对数据进行有效的取舍与筛选，这对保险公司也是一个挑战。”

　　保险机构内部来自业务和IT的矛盾一直存在。业务部门通过各种渠道收集到用户信息，但却缺乏对数据分析的专业技能;IT部门能够基于来自不同平台的既有实事数据做一些统计分析，形成标准报表，但对高度变化的数据却缺乏采集、分析的技术支撑。

　　在美国，购买汽车保险的价格与投保者拥有汽车的价格、性能、每天行驶里程、驾驶记录、驾龄，以及投保者本人的年龄、婚姻状态、居住地、名下汽车数量等若干因素来决定。但在国内保险行业，对这些变量信息的统计还十分困难。

　　但这也是大数据的长处所在。 “如果对大数据进行定义，我们可以总结为四个‘V’，即数量、速度、多样性和真实性。”王和认为：“其中大数据的真实性特征非常重要。”

　　这些真实的数据信息可能存在于保险机构内部已有的业务系统或数据平台中，也可能以文字、图片、视频等形式存于外部系统中。“谁能将内外部数据有效整合起来，根据数据背后的价值将它转化成商业模式，并付诸于实施，谁就会成为保险业未来的赢家。”王和表示。

　　“这就存在一个问题，数据需要经过加工整理才能变成信息，而单纯依靠信息做不了决策，需要有效的数据挖掘机制。” 中银保险有限公司信息技术部副总经理赵爱忠表示。“大数据时代，我们要学会放弃大数据，实际就是区分信息的有效性，对无用信息进行舍弃。” 阳光人寿副总裁张亚楠也表达相似的观点。

　　因为对于不同数据平台而言，流数据、大数据、数据仓库的数据处理，他们各自处理的数据量和时效性要求各不相同。而它们之间既有重复交叉的部分，又有各自不同的定位。大数据挑战的不仅仅是企业的存储架构，更重要的是将引起数据仓库、数据挖掘、商业智能等应用的连锁反应。

　　思科曾在18个国家针对1800名IT专业人员发起大数据应用实施的调查。其中四分之一的受访者表示，他们相关技术人才来管理大数据项目，36%的受访者则认为他们目前还缺少相关技术和解决方案。

　　聚焦到保险行业，大数据应用从探索到实施也势必存在一些障碍。

　　优化技术、人才及安全机制

　　“保险业应对大数据时代应该未雨绸缪，要解决三方面问题。”王和指出：“首先，保险业要形成基于大数据的思维模式，要在大数据框架之下思考面向客户的服务、产品创新。”

　　在国外有这样一个典型案例。一个美国高中女生接到一份关于婴儿用品的促销广告，父亲得知勃然大怒，指责商家无良。两周之后，他才确认了女儿怀孕的实事，而商家却通过收集该女生在超市购买的相关商品信息，基于对后台大数据的挖掘和比对，提前做出了准确判断，筛出潜在客户，实现了精准营销。

　　对此，王和指出保险业应对大数据的第二个核心准备——人才问题。“大数据时代是‘得人才者得天下’。数据是保险公司的核心资源，因此保险公司对数据人才的培养也十分必要。数据人才的关键能力是什么?是观察力和想象力。他能够观察并挖掘出某一社会现象背后的数据结构，并能够把数据结构和逻辑整合成新的商业模式。”他表示。

　　“第三点是数据获取能力的培养。”王和强调，“保险机构要明确数据在哪里，通过哪些渠道和方式能够获得，并要构建这些数据之间的关系。在数据关系规律性的背后挖掘商业模式。”

　　在曾海燕看来，保险公司要实现大数据应用还面临三个障碍。“一是业务部门和技术部门的创新整合能力需要加强，要考虑如何收集有价值的用户信息，如客户资产状况、行为偏好等;二是大数据项目的实施需要公司宏观的战略引导，需要自上而下的执行力来推进;三是数据多样性对目前存储架构以及信息安全控制会产生很多挑战。”

　　正德人寿副总裁兼首席信息官裴兆旭担心的则是在新的网络环境下，保险机构传统的面向交易的系统存在的不适应性问题。“保险公司从交易型系统转向联合型系统，需要找准何时的时机。大数据可能是一个契机。”

　　数据大时代，IT和应用之间是合作共赢的局面。对于大数据平台的建设，保险机构也不能过热地追求，而要关注大数据技术应用的场景，分析大数据的实际效益。而在做平台规划时，要充分考虑与现有数据架构的关系，同时更要重视来自业务部门的数据挖掘、分析的现实需求，这必然是一个循序渐进的过程。

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。