Ⅰ 保险业大数据运用何以“从0到1”
保险业大数据运用何以“从0到1”
众所周知，保险业正处于科技推动变革的阶段，以互联网、移动社交网络、云计算和大数据为代表的数字化技术，正加速影响着保险业的日常运作。
“在所有的新技术中，大数据对保险行业的影响最具颠覆性。”波士顿咨询公司与中保协近日联合发布的《互联网+时代，大数据改良与改革中国保险业》指出，一方面，大数据分析将“改良”传统保险行业的日常运作，这种影响体现在价值链的方方面面，以风险评估与定价、交叉销售、客户流失管理、理赔欺诈检测及理赔预防与缓解为重点；另一方面，大数据与互联网还将“颠覆”传统的保险业务边界与商业模式，如基于使用的保险（UBI）以及平台化的生态圈，并带来大量的跨界竞争与颠覆场景。
事实上，大数据对保险价值链的影响体现在方方面面，根据波士顿咨询的研究，最重要的“改良效应”发生在五个环节，即风险评估与定价、交叉销售、客户流失管理、理赔欺诈检测、理赔预防与缓解。
就风险评估与定价方面而言，在大数据时代，风险特征的描述被极大丰富，数据资源的获取也将越发便利。在车险领域，除获得车型数据、汽车零整比数据、二手车数据以外，险企还使用车载传感设备收集驾驶员行为风险，开发UBI车险；在寿险领域，险企利用可穿戴设备能够实时监控人体健康情况（运动量、睡眠、心跳等），弥补了生命表对于洞察细分群体的人体健康及生死概率的能力不足。
值得一提的是，对来自互联网和社交媒体的非结构化数据分析，有助于识别消费者潜在风险。如美国ZestFinance通过对贷款申请人超过1万条的互联网数据进行分析，为银行贷款、信用卡及保险提供高质量的担保评估，使得违约率比行业平均水平低60%左右。而中国平安相关负责人日前也透露，未来旗下的前海征信将会联手保险机构，帮助识别投保人的潜在风险，以进行精准定价、识别欺诈。
而对于最大化客户价值、促进业务协同的最重要手段，交叉销售也能在大数据时代被提质增效。鉴于只有细分与洞察客户，精确了解其关键需求，才能大幅提升交叉销售的准确率。波士顿咨询公司认为，险企需要建设分析型客户关系管理平台，以对客户数据进行统一管理并建立客户分析模型，发挥共享与集约优势，避免专业公司各自为战。而对于业务结构不均衡的集团，更适合由强势业务带动弱势业务发展，如果能够实现客户资源跨法律实体共享，至少可以挖掘10%~20%的潜在市场价值。
此外，借助大数据手段，险企还可以显著提升反欺诈的准确性和及时性。大数据模型可以自动识别出理赔中可能的欺诈模式、理赔人潜在的欺诈行为以及可能存在的欺诈网络。同时，要确保数据资源，数据越完整、越多样，则越有可能通过复杂的算法与分析识别可能的欺诈行为，其中必要的数据包括理赔历史记录、保单信息、其他保险公司数据、医疗保险数据、事故统计数据、征信记录、犯罪记录、社交网络数据等。
值得注意的是，虽然险企都非常看重对大数据的应用，但是正如中国平安董事长马明哲近日在该公司半年报沟通会上所言，“不是人人都有大数据，99%的公司包括互联网企业拥有的只是信息，还不能说是大数据”。
马明哲坦言，要在互联网上判断一个人的全貌，必须掌握其3600种不同因子的数据，尽管中国平安有20多家金融公司，拥有超过7亿用户的多维度信息和数据，包含几百个因子，但也是冰山一角而已。所谓大数据，必须有足够大的量和频率，要有多样性，用户的消费数据、社交数据、日常行为数据等，并且能够智能互联、动态分析，否则只是局部的资料而已。
在波士顿咨询调研的险企中，63%的车险公司已开展车联网应用，16%已开展平台生态圈实践。波士顿咨询指出，相比欧美市场，在中国推广UBI车险似乎“有些尴尬”，考虑到国内车险整体盈利堪忧，若以更优惠的价值作为切入点，很可能造成更大程度上的行业亏损。除非险企能够利用车联网更好地选择风险、识别理赔欺诈并提供增值服务，追求在综合成本率和客户满意度方面的质量提升。
而对于目前穿戴式设备在健康险中的应用，目前国内险企普遍采取观望态度，虽然认为可穿戴设备未来发展潜力巨大，但法律风险及伦理风险巨大，亟须相关法律法规进一步完善，因此相比人体健康数据，险企更希望获得来自医疗、体检机构的电子病例，用于理赔关联和产品定价。
不过，当前险企一致看好垂直平台生态圈，认为互联网时代险企势必与各行各业开展多项合作、提供一揽子服务，共同构建数字化保险的平台生态圈。对此，波士顿咨询公司建议，目前生态圈建设难度较大、周期较长，涉及商业模式改良及资源整合等众多难题，尚需险企勇于投入、耐心求索。
以上是小编为大家分享的关于保险业大数据运用何以“从0到1”的相关内容，更多信息可以关注环球青藤分享更多干货
Ⅱ 大数据在保险中的实时应用
大数据在保险中的实时应用
几十年来，保险业一直在努力处理交易和风险管理方面的数据。电信与数据融合的前沿趋势让保险公司对客户行为有了新的认知，而这被称之为“大数据”。数据具有广泛性、多样性的特点，特别是能将传统的关系型数据库管理技术推向极致，并且让人们越来越关注数据管理的新方法。大数据、分析和数据管理齐头并进；美国1.1万亿美元保险市场的各家公司正在争先恐后地开展自己的数据分析实践。
大数据的实时应用案例
大数据技术可以使公司评估非结构化数据由不可行变为可行。这里将介绍一些大数据技术在保险领域的应用案例。
欺诈识别
大数据已经帮助保险人做出了改变。而今他们超越了以索赔为中心和以人为中心的算法欺诈检测技术。这些技术侧重于分析索赔方、保险供应方和其他的信息来源（例如，同一个被保险人提交了多少份类似的索赔请求），并扩展到防火墙之外的数据源，以便基于外部信息分析（例如队列分析 - 使用一个人的社交圈子来分析相关个体之间的类似行为），这里考虑到的是一群互相联系的人而不仅仅是一个人。
在美国，每年健康保险欺诈给保险业带来大约700亿到2600亿美元的损失；欧盟也有300亿到1000亿美元的损失。
欺诈检测和预防主要通过两种方法实现：
基于实时数据分析的欺诈审计规则（基于历史数据的传统类型）
欺诈预测记分卡（基于实时数据的新类型）
客户关系管理(CRM)
所有的非结构化数据都可以提供给所有的保险公司，这可以成为“大数据分析”方法的基础。一些非结构化数据源包括:
客户线上文档
如果这些文档可以被轻松搜索到并且能汇集到企业的数据管理平台，那么保险公司就可以获得关于客户的大量信息，包括对非标准、非结构化的生命健康的医疗报告信息，以及再保险和大型商业财产保险部门的信息。
客户关怀通话记录
这些内容包含了客户来电自由形式的代表性评论，这些评论可以用来进行市场情绪调研，有助于形成策略和付诸实践，以提高客户的保留率，减少客户流失。
点击流数据
由面向客户的网站生成，可以分析这些数据，以发现显示客户倾向的浏览模式，尤其是当与呼叫中心记录相关的时候，找出那些客户在网络交互后立即呼叫的例子。
索赔管理
大数据也与索赔管理息息相关：运营商希望在索赔流程期间保存好图像、视频和文本标记(例如，来自警察检查员或拖车司机的汽车保险索赔的文本标记)。结合投保人和受益人几个实体(受益人、投保人、保险人)的汇总信息对非结构化数据的大数据分析变得尤为重要。
承保
在再保险和大型商业保险部门，大量的支持信息会作为信息提交的一部分(例如，损失历史、财产计划、车辆调度和董事的详细信息)。
大数据技术使保险公司能够快速地存储和访问任何数据，以便他们能够通过分析来突出异常、某种模式和部分重点——这是人工阅读文档时代非常困难的事情。自动化数据管理的能力，以及记录支持文档的能力，使保险公司能够创建风险和客户档案，这在整个公司中都是统一可审计的并且能够提供丰富的分析资料。
Ⅲ 大数据在保险行业的应用有哪些
大数据时代对保险行业的影响还是很大的，比如，你的车辆的违章信息，驾驶习惯，保养信息，驾驶员的驾驶水平，驾龄等等，都可以汇总一起，并分析该车的风险系数。现在的车险购买就是按照这些数据给打的分数，分数越高越便宜。所以，新车险改革以后，每车的费用可能就各不相同。比如一车经常跑长途，另一车只是上班代步，前者费用会比后者高。前者的打分会比后者低不少
Ⅳ 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"
Ⅳ 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。
Ⅵ 中国人寿保险大数据主要是干嘛呢
中国人寿保险大数据主要是提供客户。
大数据可以根据客户的实时需求进行分析，从而在适当的时机进行推销产品。
寿险领域是大数据应用的一个高地。寿险公司的数据信息量非常庞大，上亿客户背后的很多交易数据都是非常全的，包括客户个人信息、家庭信息、特征和价值信息等。这么庞大信息资源在以前发挥的作用是比较有限的，现在随着信息科技的发展，将会有更广阔的发挥空间。