A. 保险业三渠道让大数据红利变现
保险业三渠道让大数据红利变现
大数据时代，数据的价值究竟体现在哪里？保险公司正在用自己的探索给出答案。
据了解，泰康人寿、新华电商等，已率先开启与以BAT（网络、阿里、腾讯）为首的互联网巨头公司的数据合作，最普遍的就是将已有的保险客户数据与互联网公司的大数据进行匹配，完善保险客户的画像。同时，来自阿里金融保险事业部负责人的信息是，多家保险公司对其掌握的客户大数据表现出兴趣。
经过这些尝试，保险电商公司进行了更为有的放矢的后续操作，并初步尝到了“甜头”，不仅在营销环节，也在风控环节上。这些成果已包括，精准营销让广告投放的点击率提高360%以上，发现客户的赔付率与其芝麻信用呈现负相关关系，甚至建立骗保风险预估模型。
这仅是开始，新华电商副总裁杨亿认为，大数据将再造保险业价值链，涵盖从产品研发到营销、到理赔管理、再到资产管理的几乎全部环节。
数据与数据融合
互联网创新业务在业内处于领先地位的泰康人寿，对数据有明确定位，其董事长陈东升在2011年就提出“让数据产生红利”的方向。对于大数据，泰康总裁刘经纶认为主要有四大特征：首先是数据体量巨大，第二是数据类型繁多，第三是价值密度偏低，第四是处理的速度更快。
传统保险模式运作下，保险公司评估消费者的风险因素只有性别、年龄等简单维度，这也导致部分保险产品定价保守，且产品同质化。而在大数据时代，风险特征的描述数据极大丰富，保险公司可以通过大数据摸索更全面的风险特征，产品细分和个性化设计成为可能，并精细化风险管理和成本管控。
保险公司对于数据有本能的诉求，但简单获取数据违背商业原则，因此对数据的利用一般并不来自直接共享，而是与拥有用户大数据的互联网巨头公司之间进行数据合作，这在业内已经有了典型。
泰康人寿创新事业部业务发展部总经理毕海在今年6月份举行的第二届互联网大数据与精算创新论坛上表示，正在加深与腾讯、阿里等互联网巨头进行数据方面的合作。
近日也从新华保险的全资电商子公司新华世纪电子商务有限公司（下称“新华电商”）了解到，其正在与网络大数据合作；“大数据工场”是新华电商的三大定位之一。
同时，来自阿里金融保险事业部负责人的信息是，多家保险公司对其掌握的客户大数据表现出兴趣。
就数据合作而言，保险业与互联网公司，前者以客户获取、客户维护、客户风险评估为核心诉求，而后者的大数据在用户理解和用户洞察方面有核心优势，双方的业务结合点贯穿从营销到产品研发、再到理赔管理的全流程。
“引流”效果明显
在营销阶段，通过大数据方案，保险电商的交叉销售准确率得到提升。
通过与拥有海量客户社交数据及交易数据的互联网巨头进行大数据合作，泰康人寿的互联网创新产品正在朝精准定价的方向迈进，其从多维的甚至相对混乱的数据中进行筛查，决定保险产品是不是展现在用户面前，也就是实现精准营销。
做到这步很初级，互联网用户可能多少也都已有体会，经常在浏览网页时被推动自己关心或感兴趣的产品，但这点已很重要。
大数据+精准营销，已经被新华电商的一个案例证明，非常有效；至少在“引流”的作用上，精准营销有明显作用。毕竟，互联网业务关注的“流量”、“频率”、“价值的转换”三大要素中，“流量”为首。
已与网络大数据进行合作的新华电商，通过这种合作将保险客户的数据维度进一步丰富，让客户更立体，进一步确定出是谁在买保险，在买哪类保险，他们有什么特征。而事实也证明，这样的尝试已经初步体现出积极效益。
新华电商副总裁杨亿在日前召开的网络世界2015大会上介绍，其在和某大型保险公司的合作中，运用相关模型挖掘成功购买保险产品的高价值客户，分析高价值客户的客群特征，包括基本用户画像和上网行为等，并依此在全网扩充目标客群，最后做在线精准营销的广告投放。上线后的真实效果是，实验组广告点击率比对照组提升了361%。
杨亿称，这说明向同样规模的人群展示广告，经过大数据+精准营销，可以找到更多真正对保险感兴趣的目标客户，促成更多点击与转化。
发挥征信作用
大数据给保险电商的“甜头”没有止步于营销环节。对于以风控为核心竞争力的保险业来说，在理赔管理环节中，如何进一步发挥大数据价值也是重要课题。目前的尝试结果表明，在理赔管理中，大数据可以发挥保险征信的作用。
新华电商将网络对用户的大数据画像和新华保险的真实拒保数据进行融合，通过进行黑名单过滤、重大风险识别以及虚假信息挖掘，建立骗保风险预估模型，提升公司整体业务风险管理能力。
再比如，泰康既有的与阿里数据合作的一个结果表明，对客户的赔付率与其芝麻信用负相关。因此，具有明确数值的芝麻信用可以为其定义客户风险特征提供重要参考。
不仅如此，展望未来，杨亿称，大数据将再造保险价值链。
除了将对除了前述的营销阶段、理赔管理环节产生影响之外，其还将影响到产品研发和资产管理等重要环节。比如，在产品开发阶段，大数据助于预测出险概率、优化定价体系、并采集健康数据用于寿险价值链。
以上是小编为大家分享的关于保险业三渠道让大数据红利变现的相关内容，更多信息可以关注环球青藤分享更多干货
B. 大数据给银行业、保险业、证券业、征信业分别带来了哪些大变革
去给银行业保险也挣钱也真心也分别带来了非常大的变化这些业务都根据咱数据来发展他不来的。
C. “大数据”的保险业应用主题
“大数据”的保险业应用主题_数据分析师考试
在数据应用呈现爆炸式发展的时代，不能把握“大数据”商机、引领潮流的保险企业，将可能逐渐丧失市场竞争力。
“大数据”是依托新的数据处理技术，对海量、高速增长、多样化的结构和非结构数据进行加工挖掘，找寻数据背后的规律，以提高分析决策能力、优化流程和科学配置资源的管理工具。
“大数据”正在向经济、社会、科学、文体及公共卫生等多个领域快速渗透。在网络技术、移动互联、云计算等新技术和金融市场化改革的双驱动下，金融与互联网、各金融板块之间的界限和壁垒被冲破，市场的游戏规则发生了深刻变化，谁掌握了数据，谁就掌握了竞争的制高点。
现代保险服务业要在经济“新常态”中研究和实施“大数据”战略，关键要找准大数据在保险业的应用场景、应用主题和应用策略。
助力保险费率市场化
保险作为一种风险转移和管理工具，是一种社会群体之间的风险救助机制。保险产品机理主要是遵循统计学范畴的“大数法则”，基于历史风险发生和损失的数据进行分析和预测，在重复随机现象中找出“必然”规律，依靠精算技术实施产品定价、建立财务运行机制。有些观点认为大数据颠覆了“大数法则”，实际上，虽然两者都是在“大量”数据基础上进行风险和财务预测，但在保险产品定价机制中的作用基点是完全不同的。
“大数法则”是保险定价的根本法则，特别是针对车险、寿险、健康等关系社会公众利益的领域，必须依托“大数法则”确保行业基准纯风险损失率厘定的公平性、充足性和安全性。也就是说，“大数法则”是保险运行管理的数理逻辑，是保险业不可动摇的理论和定价基础。而“大数据”主要发挥保险定价的辅助作用，特别是采集和获取客户行为、交易的网络数据进行关联分析，找寻数据背后风险与成本、收益的匹配规律，推动保险公司客户细分化、责任碎片化、产品定制化，优化精算定价模型，主要基于附加费率建立科学、有效的保险费率浮动机制和差别化定价机制。
因此，“大数据”并没有颠覆“大数法则”，而是对保险费率市场化形成机制的重要优化和改进，是一种以新技术为依托、更加精细化的风险管理辅助工具。
目前，新一轮保险费率形成机制改革步伐明显加快，非车险、意外险、投资连结险、普通型寿险、万能险等已经相继放开，商业车险、分红险市场化改革也即将发令放行，更多的产品定价权和选择权将交给市场。科学、有效的费率形成机制是市场化改革成功的关键。应全面构造以“大数法则”为基础的基准费率和以“大数据”技术为辅助的附加费率和产品创新机制。
一方面，保险监管部门应主导构建公开公正的保险基准费率形成机制，建立保险基准费率定期测算和发布机制，特别是借鉴国际上的成熟经验和模式，设立独立的保险费率厘定机构，形成主要保险产品的定价参照基准体系。另一方面，要鼓励保险企业在遵循基准费率的同时，发挥大数据在保险产品区域化、差别化、个性化的创新支撑作用，处理好产品创新与风险、成本、收益的关系。
驱动新一轮转型发展
自改革开放以来，保险市场保费和资产规模迅速扩张，却难以逃脱产品同质化、“跑马圈地”、价格恶性竞争、服务体验差的外部诟病，归根到底还是源于“以产品为中心”的粗放式发展模式。由于保险企业数据维度、质量、可利用度和处理能力不足，向“以客户为中心”的集约化管理模式转型“常提却难新”。
伴随金融综合化、保险集团化、渠道多元化发展，特别是电销、第三方电商、移动互联等新渠道的兴起，保险数据的历史积累、采集维度、关联分析与实践应用日益成熟，由于大数据有利于提升保险企业对客户行为特征、风险和产品偏好的分析能力，为保险企业客户关系管理、风险识别与定价、营销策略分析、理赔欺诈风险防控提供了新的驱动力，成为保险业新一轮转型发展的“利器”。
因此，保险企业应找准大数据在经营管理中的应用场景，着力解决制约转型发展的关键环节。
一是加强数据资源内外部整合。加强集团内部、各渠道、各产品线的数据整合利用，积极采集全面反映客户行为特征和交易偏好的移动互联、社交媒体、电商、地理位置、OBD等线上数据，引入身份、信用、车辆、驾驶行为等线下数据，为大数据技术应用建立现实基础。
二是构建完整的客户数据图谱。依托数据挖掘技术，推进客户需求分析和客户群组细分，在集团或公司内部建立客户虚拟账户，丰富客户全景视图，加强客户挽留与个性化推荐，促进客户的获取率、留存率和持续率。构建完善的客户自助服务体系，改善客户体验、提升客户忠诚度、提高客户整体价值。
三是提升数据发现和决策能力。重点提升对非结构化数据的存储、加工和分析能力。围绕交叉和二次销售、精准营销、代理人甄选和流失预警，加强数据分析和快速响应，整合昂贵的渠道资源，提升销售渠道价值。通过理赔洞见分析、反欺诈关联分析，提升成本精细化管理、精准打击欺诈行为。
四是加强数据架构规划。引入新的大数据分析工具和存储技术，提高对语音、视频、图片、网络日志等非结构化数据的分析处理能力，对信息模型、主辅数据源以及数据集成架构进行前瞻性设计，加强主数据和元数据管理，推动信息数据的逻辑整合。提高自身数据质量，注重数据全生命周期管理。
开创“数据治理”新模式
在保险资金运用和费率市场化加快推进的背景下，按照保监会“放开前端、管住后端”的市场化改革思路，市场化的“新常态”使传统的文件出台、现场检查、行政处罚等保险市场治理手段难以奏效，滞后的监管技术手段将无助于有效防控区域性和系统性风险，客观上要求保险监管部门从依靠行政手段向依靠“数据手段”治理市场转变：
一是从场外交易向场内交易转变。通过建立保险产品交易、中介交易和资产交易的交易场所和信息平台，促进保险交易的透明化、规则化和信息对称化；二是从监管信息统计与非现场监管向保单登记管理转变。市场和风险的快速变化，促使保险监管从依靠时滞的统计数据和局部的样本数据，向保单级的全量数据和实时的生产数据演变；三是由条款费率静态审批管理向基准费率测算常态化转变。定价权逐步交给市场后，产品创新必然层出不穷，基准费率常态监测、回溯分析和定期测算是产品监管和风险控制的必然要求。
基于上述行业转型发展和市场治理需求，应从提高行业核心竞争力和抗风险能力的高度，科学规划行业大数据体系。
一是全面推进行业信息共享与应用。在客户隐私保护和数据安全的前提下，建立行业中央集成数据仓库，打破企业之间的数据孤岛，将分散在各保险机构的数据，按照客户、保单、业务等多个主题进行采集、存储和有限共享，充分释放数据共享在规范市场行为、反保险欺诈、提升定价能力、促进精细化管理等方面的内在价值。
二是主动与外部数据交互应用。拓宽行业整体数据维度，依托行业数据共享的平台优势，积极引入公安、气象、医疗、教育、信用、移动通信等外部数据，主动与交管、税务、经侦、社保、征信等公共管理部门进行数据交互，发挥外部数据在行业内部治理中的独特作用，依托共享平台有效延伸保险参与社会治理的范围和触点。
三是研究制定行业大数据战略和设施框架。完善信息共享平台和保单登记制度等相关法律法规，为行业大数据战略实施建立良好的政策环境。加强行业数据标准建设，规范统一共享接口标准，提高数据整体质量；不断优化共享数据库的采集、存储、处理与结果应用的流程和技术，研究建立行业数据分析框架和模型，依托数据挖掘、云计算平台、虚拟化技术，支持海量、多结构类型、高频度的大数据处理。加强行业信息共享的安全体系建设，保障保险机构与共享信息关联生产的连续性、安全性和稳定性。
以上是小编为大家分享的关于“大数据”的保险业应用主题的相关内容，更多信息可以关注环球青藤分享更多干货
D. 大数据如何助力保险企业精准获客
随着保险行业的普及和人口红利的消失，保险的获客越来越难，且获客不精准、成本高。怎么找到精准客户是关键，针对金融行业的营销问题，行业内也有很多专业的数据智能营销解决方案，例如MobTech有一整套完整的保客运营流程：特征筛选、定制模型、营销触达、事件触发。首先，特征筛选——消费金融公司提供具有业务意义的正负样本，通过MobTech智熵AI实验室智能挖掘有效特征；定制模型——以KS、AUC、IV值或其他相关参考指标作为依据，根据关联特征定制事件触发模型；营销触达：某消费金融公司撞库匹配目标客群，并推送营销；事件触达——当存量用户达到标准时，将满足条件的数据导入环境中，支持三方云服务平台；并通过这样的循环不断优化模型搭建，挖掘存量用户的价值。更多详情可以上官网进行查询和了解Demo案例。
E. 工业大数据大有可为，浅谈制造业7大应用场景
工业大数据应用将带来工业企业创新和变革的新时代。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析，信息技术和全球工业系统正在深入融合，给全球工业带来深刻的变革，创新企业的研发、生产、运营、营销和管理方式。这些创新不同行业的工业企业带来了更快的速度、更高的效率和更高的洞察力。工业大数据的典型应用包括产品创新、产品故障诊断与预测、工业生产线物联网分析、工业企业供应链优化和产品精准营销等诸多方面。本文我们讲就工业大数据在制造企业的应用场景进行逐一梳理。
一、加速产品创新
客户与工业企业之间的交互和交易行为将产生大量数据，挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，为产品创新作出贡献。福特公司是这方面的表率，他们将大数据技术应用到了福特福克斯电动车的产品创新和优化中，这款车成为了一款名副其实的“大数据电动车”。第一代福特福克斯电动车在驾驶和停车时产生大量数据。在行驶中，司机持续地更新车辆的加速度、刹车、电池充电和位置信息。这对于司机很有用，但数据也传回福特工程师那里，以了解客户的驾驶习惯，包括如何、何时以及何处充电。即使车辆处于静止状态，它也会持续将车辆胎压和电池系统的数据传送给最近的智能电话。
这种以客户为中心的大数据应用场景具有多方面的好处，因为大数据实现了宝贵的新型产品创新和协作方式。司机获得有用的最新信息，而位于底特律的工程师汇总关于驾驶行为的信息，以了解客户，制订产品改进计划，并实施新产品创新。而且，电力公司和其他第三方供应商也可以分析数百万英里的驾驶数据，以决定在何处建立新的充电站，以及如何防止脆弱的电网超负荷运转。
二、设备故障分析及预测
在制造业生产线上，工业生产设备都会受到持续的振动和冲击，这导致设备材料和零件的磨损老化，从而导致工业设备容易产生故障，而当人们意识到故障时，可能已经产生了很多不良品，甚至整个工业设备已经奔溃停机，从而造成巨大的损失。
如果能在故障发生之前进行故障预测，提前维修更换即将出现问题的零部件，这样就可以提高工业设备的寿命以及避免某个设备突然出现故障对整个工业生产带来严重的影响。随着工业4.0的到来，智能工厂的工业设备都配上了各种感应器，采集其振动、温度、电流、电压等数据显得轻而易举，通过分析这些实时的传感数据，对工业设备进行故障预测将是一种行之有效的措施。
因此设备故障预测方案成为了制造行业所青睐的解决方案，其具备的核心功能有：
1、故障超前预警，减少设备停机时间；
2、分析结果实时推送，减少人工成本；
3、适用于企业各种类型的设备，通用性强。
三、工业物联网生产线的大数据应用
现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、振动和噪声。因为每隔几秒就收集一次数据，利用这些数据可以实现很多形式的分析，包括设备诊断、用电量分析、能耗分析、质量事故分析(包括违反生产规定、零部件故障)等。
首先，在生产工艺改进方面，在生产过程中使用这些大数据，就能分析整个生产流程，了解每个环节是如何执行的。一旦有某个流程偏离了标准工艺，就会产生一个报警信号，能更快速地发现错误或者瓶颈所在，也就能更容易解决问题。利用大数据技术，还可以对工业产品的生产过程建立虚拟模型，仿真并优化生产流程，当所有流程和绩效数据都能在系统中重建时，这种透明度将有助于制造商改进其生产流程。再如，在能耗分析方面，在设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情形，由此便可在生产过程中优化能源的消耗，对所有流程进行分析将会大大降低能耗。
四、产品销售预测与需求管理
近年来，保险业加速了数字化进程，大数据与保险营销深度融合，成为现代化保险营销的重要武器。慧都大数据助力保险行业精准营销，并成功帮助中意人寿保险有限公司更好地服务客户和发挥忠诚客户，提高销售效率及客户复购率。
五、工业供应链的分析与优化
当前，大数据分析已经是很多电子商务企业提升供应链竞争力的重要手段。例如，电子商务企业京东商城，通过大数据提前分析和预测各地商品需求量，从而提高配送和仓储的效能，保证了次日货到的客户体验。RFID等产品电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据，利用这些数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。
六、生产计划与排程
制造业面对多品种小批量的生产模式，数据的精细化自动及时方便的采集(MES/DCS)及多变性导致数据剧烈增大，再加上十几年的信息化的 历史 数据，对于需要快速响应的APS来说，是一个巨大的挑战。大数据可以给予我们更详细的数据信息，发现 历史 预测与实际的偏差概率，考虑产能约束、人员技能约束、物料可用约束、工装模具约束，通过智能的优化算法，制定预计划排产，并监控计划与现场实际的偏差，动态的调整计划排产。帮我们规避“画像”的缺陷，直接将群体特征直接强加给个体(工作中心数据直接改变为具体一个设备、人员、模具等数据)。通过数据的关联分析并监控它，我们就能计划未来。
七、生产质量分析与预测
在工业生产中，设备失效、人员疏忽、参数异常、原材料差异、环境波动等因素而导致质量偏离，引起质量等级的缺陷和损失非常巨大。工艺流程复杂的大型制造业，如钢铁、 汽车 、电子、服装等行业，信息数据孤岛凸显，导致质量问题频发，尤其需要“及时发现和预测异常，迅速控制和分析质量异常的原因，进行生产过程改进，稳定生产过程，减少产品质量波动”。
生产质量分析，从工厂订单下单-订单生产-流入市场， 针对整个生产链进行全面的质量分析。其中，打通质量和人、机、料、法、环等数据，各生产数据环环相扣，聚焦质量管理的全量数据分析，帮助企业快速 探索 缺陷根本原因。
1、打通质量和人、机、料、法、环，对影响质量的全量数据进行交互分析， 探索 相互关系，挖掘数据背后的真实原因，获取结果“是什么”，回答“为什么”。
2、将传统的静态汇报模式，改为交互式动态会议，随时随地可以组织生产、质量相关专题会议。通过对维度展示生产和质量KPI，实时预警、掌握产线运营状况。
3、简单易上手的质量分析工具，员工只需对数据进行选取、拖曳，自助灵活地达成期望的数据结果。
4、摒弃以往静态的数据报表，整合多个业务系统数据，多场景数据大屏，自适应多屏，进行综合展示分析，让决策更清晰。
————————————————
F. 保险行业大数据应用
5月27日，由《中国保险报》主办的“保险业大数据应用系列沙龙”第二期活动在广州举行。与会人士针对保险业如何应用大数据“洞察客户”的主题进行探讨。
近年来，保险业大数据应用已经深入到各个业务条线，在利用大数据洞察客户方面，各家保险机构都有不同程度的探索。不过，在具体的探索实践中，行业也存在痛点。例如如何挖掘客户、挖潜客户，乃至令客户资源在公司内部的各个业务条线得到共享。
沙龙环节
亚太财险互联网产品总监万鹏
中小保险公司更加应该应用关注大数据的使用
我个人认为，现在保险业围绕着数据方面存在的几个误区。例如，香港地区700万人的一个城市，现在财产保险公司是110家，咱们大陆不到80家。那么多的大陆人去买香港保险，因为是产品有特色，为什么产品有特色，是对数据进行了分析以后，精准地进行了相应的营销，或者是一个推广。那么我个人认为互联网从保险公司的角度，应该真正地体现价值，就是从茫茫的人海中筛选出来你想要的客户，然后给他适合他需要的产品，这个产品不一定是便宜的。
在我们保险公司可能还没想明白，或者是准备行动的时候，跟我们相关关联密切的保险中介已经是有相当一批在积极地行动之中，包括数据应用，包括手机移动端的APP的完善，包括小闭环的生态圈，网上商城，积分兑换，发红包等等，比很多保险公司玩得还嗨，这个希望引起或者倒逼我们保险公司的人要想得出来。
最后的落脚点，就是解决之道，保险业的解决之道是什么？我认为，就像我正在做的一件事情叫做搭建数据共享联盟，而且在现在时代下，我认为中小保险公司更加应该关注大数据的使用。
扩展阅读：【保险】怎么买，哪个好，手把手教你避开保险的这些"坑"