Ⅰ 保險業大數據運用何以「從0到1」
保險業大數據運用何以「從0到1」
眾所周知，保險業正處於科技推動變革的階段，以互聯網、移動社交網路、雲計算和大數據為代表的數字化技術，正加速影響著保險業的日常運作。
「在所有的新技術中，大數據對保險行業的影響最具顛覆性。」波士頓咨詢公司與中保協近日聯合發布的《互聯網+時代，大數據改良與改革中國保險業》指出，一方面，大數據分析將「改良」傳統保險行業的日常運作，這種影響體現在價值鏈的方方面面，以風險評估與定價、交叉銷售、客戶流失管理、理賠欺詐檢測及理賠預防與緩解為重點；另一方面，大數據與互聯網還將「顛覆」傳統的保險業務邊界與商業模式，如基於使用的保險（UBI）以及平台化的生態圈，並帶來大量的跨界競爭與顛覆場景。
事實上，大數據對保險價值鏈的影響體現在方方面面，根據波士頓咨詢的研究，最重要的「改良效應」發生在五個環節，即風險評估與定價、交叉銷售、客戶流失管理、理賠欺詐檢測、理賠預防與緩解。
就風險評估與定價方面而言，在大數據時代，風險特徵的描述被極大豐富，數據資源的獲取也將越發便利。在車險領域，除獲得車型數據、汽車零整比數據、二手車數據以外，險企還使用車載感測設備收集駕駛員行為風險，開發UBI車險；在壽險領域，險企利用可穿戴設備能夠實時監控人體健康情況（運動量、睡眠、心跳等），彌補了生命表對於洞察細分群體的人體健康及生死概率的能力不足。
值得一提的是，對來自互聯網和社交媒體的非結構化數據分析，有助於識別消費者潛在風險。如美國ZestFinance通過對貸款申請人超過1萬條的互聯網數據進行分析，為銀行貸款、信用卡及保險提供高質量的擔保評估，使得違約率比行業平均水平低60%左右。而中國平安相關負責人日前也透露，未來旗下的前海徵信將會聯手保險機構，幫助識別投保人的潛在風險，以進行精準定價、識別欺詐。
而對於最大化客戶價值、促進業務協同的最重要手段，交叉銷售也能在大數據時代被提質增效。鑒於只有細分與洞察客戶，精確了解其關鍵需求，才能大幅提升交叉銷售的准確率。波士頓咨詢公司認為，險企需要建設分析型客戶關系管理平台，以對客戶數據進行統一管理並建立客戶分析模型，發揮共享與集約優勢，避免專業公司各自為戰。而對於業務結構不均衡的集團，更適合由強勢業務帶動弱勢業務發展，如果能夠實現客戶資源跨法律實體共享，至少可以挖掘10%~20%的潛在市場價值。
此外，藉助大數據手段，險企還可以顯著提升反欺詐的准確性和及時性。大數據模型可以自動識別出理賠中可能的欺詐模式、理賠人潛在的欺詐行為以及可能存在的欺詐網路。同時，要確保數據資源，數據越完整、越多樣，則越有可能通過復雜的演算法與分析識別可能的欺詐行為，其中必要的數據包括理賠歷史記錄、保單信息、其他保險公司數據、醫療保險數據、事故統計數據、徵信記錄、犯罪記錄、社交網路數據等。
值得注意的是，雖然險企都非常看重對大數據的應用，但是正如中國平安董事長馬明哲近日在該公司半年報溝通會上所言，「不是人人都有大數據，99%的公司包括互聯網企業擁有的只是信息，還不能說是大數據」。
馬明哲坦言，要在互聯網上判斷一個人的全貌，必須掌握其3600種不同因子的數據，盡管中國平安有20多家金融公司，擁有超過7億用戶的多維度信息和數據，包含幾百個因子，但也是冰山一角而已。所謂大數據，必須有足夠大的量和頻率，要有多樣性，用戶的消費數據、社交數據、日常行為數據等，並且能夠智能互聯、動態分析，否則只是局部的資料而已。
在波士頓咨詢調研的險企中，63%的車險公司已開展車聯網應用，16%已開展平台生態圈實踐。波士頓咨詢指出，相比歐美市場，在中國推廣UBI車險似乎「有些尷尬」，考慮到國內車險整體盈利堪憂，若以更優惠的價值作為切入點，很可能造成更大程度上的行業虧損。除非險企能夠利用車聯網更好地選擇風險、識別理賠欺詐並提供增值服務，追求在綜合成本率和客戶滿意度方面的質量提升。
而對於目前穿戴式設備在健康險中的應用，目前國內險企普遍採取觀望態度，雖然認為可穿戴設備未來發展潛力巨大，但法律風險及倫理風險巨大，亟須相關法律法規進一步完善，因此相比人體健康數據，險企更希望獲得來自醫療、體檢機構的電子病例，用於理賠關聯和產品定價。
不過，當前險企一致看好垂直平台生態圈，認為互聯網時代險企勢必與各行各業開展多項合作、提供一攬子服務，共同構建數字化保險的平台生態圈。對此，波士頓咨詢公司建議，目前生態圈建設難度較大、周期較長，涉及商業模式改良及資源整合等眾多難題，尚需險企勇於投入、耐心求索。
以上是小編為大家分享的關於保險業大數據運用何以「從0到1」的相關內容，更多信息可以關注環球青藤分享更多干貨
Ⅱ 大數據在保險中的實時應用
大數據在保險中的實時應用
幾十年來，保險業一直在努力處理交易和風險管理方面的數據。電信與數據融合的前沿趨勢讓保險公司對客戶行為有了新的認知，而這被稱之為「大數據」。數據具有廣泛性、多樣性的特點，特別是能將傳統的關系型資料庫管理技術推向極致，並且讓人們越來越關注數據管理的新方法。大數據、分析和數據管理齊頭並進；美國1.1萬億美元保險市場的各家公司正在爭先恐後地開展自己的數據分析實踐。
大數據的實時應用案例
大數據技術可以使公司評估非結構化數據由不可行變為可行。這里將介紹一些大數據技術在保險領域的應用案例。
欺詐識別
大數據已經幫助保險人做出了改變。而今他們超越了以索賠為中心和以人為中心的演算法欺詐檢測技術。這些技術側重於分析索賠方、保險供應方和其他的信息來源（例如，同一個被保險人提交了多少份類似的索賠請求），並擴展到防火牆之外的數據源，以便基於外部信息分析（例如隊列分析 - 使用一個人的社交圈子來分析相關個體之間的類似行為），這里考慮到的是一群互相聯系的人而不僅僅是一個人。
在美國，每年健康保險欺詐給保險業帶來大約700億到2600億美元的損失；歐盟也有300億到1000億美元的損失。
欺詐檢測和預防主要通過兩種方法實現：
基於實時數據分析的欺詐審計規則（基於歷史數據的傳統類型）
欺詐預測記分卡（基於實時數據的新類型）
客戶關系管理(CRM)
所有的非結構化數據都可以提供給所有的保險公司，這可以成為「大數據分析」方法的基礎。一些非結構化數據源包括:
客戶線上文檔
如果這些文檔可以被輕松搜索到並且能匯集到企業的數據管理平台，那麼保險公司就可以獲得關於客戶的大量信息，包括對非標准、非結構化的生命健康的醫療報告信息，以及再保險和大型商業財產保險部門的信息。
客戶關懷通話記錄
這些內容包含了客戶來電自由形式的代表性評論，這些評論可以用來進行市場情緒調研，有助於形成策略和付諸實踐，以提高客戶的保留率，減少客戶流失。
點擊流數據
由面向客戶的網站生成，可以分析這些數據，以發現顯示客戶傾向的瀏覽模式，尤其是當與呼叫中心記錄相關的時候，找出那些客戶在網路交互後立即呼叫的例子。
索賠管理
大數據也與索賠管理息息相關：運營商希望在索賠流程期間保存好圖像、視頻和文本標記(例如，來自警察檢查員或拖車司機的汽車保險索賠的文本標記)。結合投保人和受益人幾個實體(受益人、投保人、保險人)的匯總信息對非結構化數據的大數據分析變得尤為重要。
承保
在再保險和大型商業保險部門，大量的支持信息會作為信息提交的一部分(例如，損失歷史、財產計劃、車輛調度和董事的詳細信息)。
大數據技術使保險公司能夠快速地存儲和訪問任何數據，以便他們能夠通過分析來突出異常、某種模式和部分重點——這是人工閱讀文檔時代非常困難的事情。自動化數據管理的能力，以及記錄支持文檔的能力，使保險公司能夠創建風險和客戶檔案，這在整個公司中都是統一可審計的並且能夠提供豐富的分析資料。
Ⅲ 大數據在保險行業的應用有哪些
大數據時代對保險行業的影響還是很大的，比如，你的車輛的違章信息，駕駛習慣，保養信息，駕駛員的駕駛水平，駕齡等等，都可以匯總一起，並分析該車的風險系數。現在的車險購買就是按照這些數據給打的分數，分數越高越便宜。所以，新車險改革以後，每車的費用可能就各不相同。比如一車經常跑長途，另一車只是上班代步，前者費用會比後者高。前者的打分會比後者低不少
Ⅳ 保險行業大數據應用
5月27日，由《中國保險報》主辦的「保險業大數據應用系列沙龍」第二期活動在廣州舉行。與會人士針對保險業如何應用大數據「洞察客戶」的主題進行探討。
近年來，保險業大數據應用已經深入到各個業務條線，在利用大數據洞察客戶方面，各家保險機構都有不同程度的探索。不過，在具體的探索實踐中，行業也存在痛點。例如如何挖掘客戶、挖潛客戶，乃至令客戶資源在公司內部的各個業務條線得到共享。
沙龍環節
亞太財險互聯網產品總監萬鵬
中小保險公司更加應該應用關注大數據的使用
我個人認為，現在保險業圍繞著數據方面存在的幾個誤區。例如，香港地區700萬人的一個城市，現在財產保險公司是110家，咱們大陸不到80家。那麼多的大陸人去買香港保險，因為是產品有特色，為什麼產品有特色，是對數據進行了分析以後，精準地進行了相應的營銷，或者是一個推廣。那麼我個人認為互聯網從保險公司的角度，應該真正地體現價值，就是從茫茫的人海中篩選出來你想要的客戶，然後給他適合他需要的產品，這個產品不一定是便宜的。
在我們保險公司可能還沒想明白，或者是准備行動的時候，跟我們相關關聯密切的保險中介已經是有相當一批在積極地行動之中，包括數據應用，包括手機移動端的APP的完善，包括小閉環的生態圈，網上商城，積分兌換，發紅包等等，比很多保險公司玩得還嗨，這個希望引起或者倒逼我們保險公司的人要想得出來。
最後的落腳點，就是解決之道，保險業的解決之道是什麼？我認為，就像我正在做的一件事情叫做搭建數據共享聯盟，而且在現在時代下，我認為中小保險公司更加應該關注大數據的使用。
擴展閱讀：【保險】怎麼買，哪個好，手把手教你避開保險的這些"坑"
Ⅳ 大數據如何助力保險企業精準獲客
隨著保險行業的普及和人口紅利的消失，保險的獲客越來越難，且獲客不精準、成本高。怎麼找到精準客戶是關鍵，針對金融行業的營銷問題，行業內也有很多專業的數據智能營銷解決方案，例如MobTech有一整套完整的保客運營流程：特徵篩選、定製模型、營銷觸達、事件觸發。首先，特徵篩選——消費金融公司提供具有業務意義的正負樣本，通過MobTech智熵AI實驗室智能挖掘有效特徵；定製模型——以KS、AUC、IV值或其他相關參考指標作為依據，根據關聯特徵定製事件觸發模型；營銷觸達：某消費金融公司撞庫匹配目標客群，並推送營銷；事件觸達——當存量用戶達到標准時，將滿足條件的數據導入環境中，支持三方雲服務平台；並通過這樣的循環不斷優化模型搭建，挖掘存量用戶的價值。更多詳情可以上官網進行查詢和了解Demo案例。
Ⅵ 中國人壽保險大數據主要是幹嘛呢
中國人壽保險大數據主要是提供客戶。
大數據可以根據客戶的實時需求進行分析，從而在適當的時機進行推銷產品。
壽險領域是大數據應用的一個高地。壽險公司的數據信息量非常龐大，上億客戶背後的很多交易數據都是非常全的，包括客戶個人信息、家庭信息、特徵和價值信息等。這么龐大信息資源在以前發揮的作用是比較有限的，現在隨著信息科技的發展，將會有更廣闊的發揮空間。