基于大數據征信的保險行業發展研究

【摘要】近年來，以大數據為代表的數字化技術的發展，正在加速影響著保險行業的日常運作，特別是各種移動終端的運用使得保險公司能實時、準確地掌握保險標的的風險狀況，從而徹底顛覆保險經營方式。本文主要概述了目前保險行業發展瓶頸，并結合大數據征信在保險行業應用的優勢，為保險行業的發展提供可行性建議。

【關鍵詞】大數據 征信 保險

一、保險行業發展瓶頸

（一）保險業務發展瓶頸

1.市場集中度過高，競爭力不足。截止2015年底，全國保險集團公司、財險公司、壽險公司和再保險公司共146家。市場價值最高的前三大保險公司（或集團）的市場集中度為34.3%，前十大保險公司的市場集中度為64.6%，行業整體競爭度不足。

2.產品結構單一，創新能力不足。我國大多數保險公司的產品都是照搬國外保險公司開發的險種，與我國的國情并不完全相適應。同時，各家保險公司主要產品涉及重理財、輕保障類，除了名字不同，保險品種結構雷同，費率設計，保險范圍、條款設計都大同小異。產品往往沒有特色，也缺乏系列性及差異性，不能很好地適應不同消費者不同層次的需求。

（二）保險營銷渠道瓶頸

1.個人營銷效率低下。隨著我國保險業務的不斷擴展，個人營銷員隊伍也不斷壯大，個人代理人制度自身的缺陷也不斷暴露。營銷員與保險公司簽訂的是勞務代理關系，社會地位低下，為了獲得高額的收入，盲目夸大保險產品的優點，從而誘導投保人購買不實用的產品。

2.廣告營銷效果不明顯。廣告營銷主要是通過如廣告牌、電視等互聯網媒體渠道進行宣傳。各家保險公司都紛紛在媒體網站或廣告牌上不惜成本的大力宣傳本公司的保險產品，大部分客戶對保險產品并不熟悉。若該客戶沒有相關需求，頻繁的短信、電話騷擾容易讓客戶產生質疑與反感；即使客戶有相關需求，也被眼花繚亂的保險產品種類所迷糊，不知如何選擇。

（三）保險行業信用瓶頸

1.整體素質不高，夸大保險責任。自2015年8月保監會取消各地的保險代理人資格準入之后，保險公司增員進入快車道。截止2016年第一季度末，中國保險營銷員的數量突破了710萬人，比2015年10月末的505萬人增長了41%。保險營銷員的快速增長，必然會拉低保險營銷員的整體素質，盲目夸大保險責任、高手續費、高返還等不正當競爭也時有發生。

2.保險欺詐行為日益突出。第一，先出險，后投保。先出險，后投保是指投保人在被保險人出險之后再進行投保，一種典型的惡性騙保行為，嚴重損害了保險公司的利益。一般情況下，被保險人出險之后由醫院或醫生修改出險、就診時間，在保險合同生效之后，向保險人提出理賠要求。由于投保時間與出險時間之間的時間間隔較短，保險公司對這種欺詐行為往往難以辨別，導致其在后期的保險理賠中出現較大的支出。

第二，冒名頂替，騙取保險金。相對于發達國家，我國居民的投保密度仍然不高，在一個家庭或單位中，往往只有一部分人參加保險。一旦未投保的人發生事故，未參保人員借用參保人員的名義，冒名頂替騙取保險金。此類欺詐在健康險中最為常見，如非參保患者以其他參保人員身份在定點醫療機構就醫，包括門急診、住院、加床等，并已向社保經辦部門申報費用結算或辦理醫保確認手續。

第三，無中生有慌稱保險事故。這種保險欺詐常跟醫院聯系在一起。被保險人在購買保險后，明明沒有生病住院，卻通過跟醫院的醫生合作（或收買醫院相關科室人員），讓醫生提供虛假病例、辦理虛假住院手續，慌報和開出手術醫療費及住院費的單據，騙取保險金，從而造成保險公司的經濟損失。

第四，故意制造保險事故。投保人、被保險人或受益人以虛構保險標的、故意制造保險事故，向保險人提出索賠或給付請求的行為。此種欺詐行為通常在車險中發生，投保人與汽車4S店、交警隊有關人員進行團伙作案，故意制造保險事故，以舊換新或騙取維修費用。導致的直接后果是保險公司賠付成本上升，而引起的間接后果是保險公司在后期產品設計的過程中提高保險費用，損害所有投保人的正當權益。

二、大數據征信在保險行業應用的優勢

（一）精準營銷，降低保險業務成本

1.大數據調研，準確市場定位。隨著大數據時代的來臨，基于不僅可以借助信息采集和數據挖掘技術能給行業研究人員提供足夠的樣本量和數據信息，而且還可以對原始數據及時更新，為保險公司的市場規模開發以及品牌的個性化定位，提出更好的解決問題的方案和建議，提高企業品牌市場定位的行業接受度、滿意度。

2.大數據分析，精準客戶營銷。第一，精準營銷。相比保險公司以往常見的掃樓、陌生拜訪、陪同拜訪的傳統營銷方式，取而代之的是利用數據分析得出潛在客戶的精準營銷。根據客戶的收入狀況、消費記錄、風險偏好，建立完整的客戶數據圖譜，應用大數據技術智能化分析細分客戶的需求，實施精準化、有針對性的產品及服務推薦。

第二，交叉營銷。基于大數據對保險公司、銀行等金融機構現有的客戶資源進行統計分析，對其需求特點開展交叉營銷，從而降低保險公司的營銷成本，提高營銷效率。例如以短險客戶開發長險業務，以法人業務開發自然人業務，以財壽險客戶進行交叉銷售等。

（二）信息共享，降低信息不對稱性風險

1.建立投保人、被保險人信息庫，減少反欺詐行為。將投保人或被保險人的基本信息納入征信系統，建立個人信息資料庫。可以通過投保人、被保險人和征信系統采集的信息主體基本身份信息相互驗證，避免保險欺詐行為的發生。同時，拓寬了基本信息更新渠道，進一步提高基本信息的數據質量，降低信息不對稱性風險。

2.建立保險從業人員信息庫，減少失信行為。建立保險從業人員信息庫，包括保險代理人、高級管理人員等信息。將從業人員的基本信息、從業經驗、違法違規行為信息納入征信系統，建立個人信息資料庫。通過與征信系統建立信息共享機制，為保險公司在人員招聘、績效考核提供決策參考。同時，也有利于投保人在保險人營銷產品時進行信息真偽判斷，改善行業的整體信用形象。

（三）跟蹤管理，提高經營效率

1.動態監測。通過征信系統對保險公司現有客戶資料信息進行跟蹤調查，包括投保信息、身體狀況、收入狀況等信息。運用大數據模型對保險客戶進行實時動態監測，對可能發生的險情，及時預警，降低保險風險損失。例如，通過醫院就診信息，對被保險人的身體狀況進行檢測，向保險公司、投保人以及被保險人發出預警信息，避免被投保人的病情惡化，進而給保險公司帶來風險損失。

2.理賠跟蹤。保險理賠尤其是理賠時效、理賠金額、理賠程序等對客戶滿意度、保險公司賠付決策、保險公司盈利能力都具有重大影響。首先，將保險標的出險信息及時納入征信系統，可以縮短保險公司調查流程，降低調查成本；其次，通過征信系統審批能夠有效防止重復索賠事件的發生；最后，通過對保險公司的理賠速度和質量，以及客戶滿意度進行調查，可以對保險公司進行綜合排序，發現問題，及時反饋，提高保險行業的經營效率。

3.反欺詐檢驗。征信系統與銀行、保險公司等多家金融機構共享客戶欺詐信息，擁有反欺詐征信平臺。涵蓋了黑名單比對、歷史比對、邏輯校驗、外部數據校驗等類型的反欺詐檢驗，同時支持用戶自定義反欺詐規則，從而協助理賠人員高效的偵破欺詐案件，提高保險公司經營效益。

三、保險征信服務及產品

（一）保前征信服務及產品

1.精準營銷。第一，市場圖譜。基于工商管理部門數據、行業管理部門統計數據等對當前保險區域市場進行調研，整理出當前區域保險公司的種類、規模、產品與服務種類，為保險公司的市場定位和深入發展提供決策化依據。

第二，客戶關聯分析圖譜。通過專門的數據調研和采集獲得，對客戶的基本信息、家庭狀況、收入狀況、消費能力、消費特點、還款履約能力、公安信息等全方位、多維度信息進行關聯分析，形成360度用戶畫像。根據不同的消費客體提供有差異化產品和服務、實現精準營銷。同時，基于對客戶的消費狀況，為保險公司進行交叉營銷、深入營銷提供決策分析。

2.保險人員信用報告。第一，保險從業人員信用報告。保險公司基于大數據征信系統對保險從業人員進行信用評分，從而對其準入資格進行審查。保險從業人員信用報告包括保險代理人員業績數據、性別、年齡、通訊地址、聯系方式以及更換頻率、入司前工作年限、其它保險公司經驗等信息，行政處罰信息、法院信息等公共信息以及信用報告查詢記錄信息。

第二，客戶信用報告。在投保人進行投保時，利用征信系統審查客戶的資格審查，進而對向保險公司出示客戶信用報告。一是投保人的資格審查。二是被保險人的資格審查。為防范一些有不良信用的社會人員進行欺詐行為，騙取保費收入，保險公司應該對投保人以及被保險人的信用背景調查。投保人本人證到征信系統打印個人信用報告并反饋給保險公司，個人信用報告應該包括：一般的銀行版信用報告內容、被投保人的身體狀況、就診信息、違法違規記錄等信息。由公司全面審慎評估做出是否簽約的決定，有效防范了先出險，后投保現象的發生。

（二）保中征信服務及產品

1.行為評分。行為評分指征信公司通過大數據對投保人或被保險人個人信用活躍度、履約能力、信用歷史、身份特質、身體狀況、信用消費能力等信息進行統計分析，利用先進的挖掘技術、方法和工具，建立數學模型，預測預測未來一段時間內投保人或被投保人發生風險的可性。該行為評分從0分到100分，每個分數代表一個風險概率，分數越高代表風險越低。

2.客戶流失預警。通過征信系統對保險公司客戶的跟蹤管理，包括運用大數據技術分析客戶對保險產品細節增加的質疑情況，客戶投訴與否情況、客戶有無退保情況、客戶是否有買競爭者的保險產品情況，進而得出客戶的滿意度和忠誠度，及時向保險公司發出客戶流失預警。

（三）保后征信服務及產品

1.保險理賠報告。在大數據時代，保險公司通過征信系統的公共信息實時獲得客戶的出險信息，并及時主動聯系保險客戶提供理賠等服務，在客戶沒有向保險公司提出理賠申請之前，主動向客戶提供便捷的理賠服務。

2.申請反欺詐服務。保險市場與征信系統建立誠信網絡和信息共享平臺，共享“欺詐理賠案件資料庫”。該網絡通過在投保和理賠兩個環節進行審查，根據索賠人的年齡、事故類型、涉及的交通工具類型以及醫療處理頻率等評級，依據評級得分高低來確認該索賠是否有欺詐成分。

參考文獻

[1]楊澤云.基于大數據的保險產品創新[J].金融創新，2015，（08）：30-32.

[2]尹會巖.論大數據對中國保險業的影響[J].金融創新，2015，（02）：43-46.

[3]張新宇.保險大數據的探索與實踐[J].中國金融電腦，2015，（04）：15-19.

[4]郝彬凱.保險營銷渠道創新探究—基于保險微信營銷現狀及其前景的調查[J].時代金融，2015，（03）：30-33.

[5]袁幕琴.保險欺詐與大數據時代下的防范對策[J].金融與經濟，2015，（07）：77-80.

作者簡介：周大林（1992-），男，漢族，安徽合肥人，就讀于安徽大學，研究方向：金融機構經營管理。