大數據在財產保險經營中的應用研究

文/宋美瑤（北京工商大學）

一、引言

保險業是專門經營風險的行業，數據在保險業務的經營中占據重要地位。大數法則是保險公司業務經營中須遵循的原則，保險公司在自身承保能力范圍內，應承保盡可能多的可保風險和標的，并主要根據保險公司內部數據來厘定風險以及確定費率。隨著“大數據”時代的到來，保險公司能夠獲取的數據維度增加。目前，保險業大數據來源包括保險公司內部數據、網絡公開數據、保險行業平臺數據、政府免費開放數據以及第三方大數據（支付數據、征信數據、社交數據等），并且這些數據在“量級”上都迎來了極大的擴充，這無疑給保險業帶來了巨大的挑戰，保險業的傳統數據處理模型已無法滿足處理大量的非結構化的數據的要求，保險業應用大數據技術建立數據處理模型以及大數據平臺的需求尤為迫切。

大數據的規模巨大，類型多樣，伴隨而生的就是快速處理數據的技術，同時數據的規模性和多樣性也導致了數據價值密度的降低。通過對海量數據的深入挖掘和運用，保險公司能夠實現對經營模式、應用實踐的創新。同時，宏觀政策的支持能夠促進大數據技術在財產保險經營中的應用，銀保監會于2020年7月發布《推動財產保險業高質量發展三年行動方案（2020—2022年）》，鼓勵財產保險公司進行數字化轉型，運用保險科技優化風險定價、客戶細分以及提高風控能力等，通過科技賦能促進行業發展。

本文通過對相關文獻的總結歸納，發現當前學界認為大數據能夠提高財產保險經營的效率，并可以有效預測客戶行為以及市場發展。通過比較并分析國際主要保險市場保險科技的發展模式與監管模式，政府應該對專注于某一細分領域的保險科技公司提供政策和資金傾斜，提升保險科技的應用質量和效率（唐金成，2020）。大數據的應用能夠幫助保險企業準確預測保險市場的發展趨勢，以及實時監控市場發展動態，因此可以更精確地描繪目標客戶畫像，了解其消費需求，實現精準營銷（包敏，2018）。利用數據挖掘技術從海量車險用戶數據中精準挖掘出對續保業務開展有利的數據，并據此建立續保率預測模型，可以精確地評估不同客戶的續保意愿，從而實現差異化營銷（李麗紅，2020）。保險精準定價的實現依賴于龐大的數據規模，據此找到顯著的定價模型，并通過機器學習等技術，得到更準確地預測模型，適應環境的變化（郭建，2020）。針對保險欺詐風險，通過建立保險行業數據平臺，實現不同地區和企業間的數據共享，并利用數據挖掘等技術識別風險因素是車險反欺詐的有效手段（刁粵生，2017）。

二、大數據在財產保險經營中的應用

（一）產品設計環節

1.實現精準定價

在大數據背景下，保險公司可以利用多維度數據精準定價，從而實現定價差異化，使保費與風險更加對應。

傳統的車險費率厘定往往采用“從車”的定價模式，無法真實反映造成交通事故的決定性風險因素，并且因為決定費率厘定的風險因素較為單一，保費與風險無法掛鉤，造成車險產品同質化嚴重。而UBI車險采用“從車”與“從人”相結合的定價模式，不但考慮車輛因素，還利用數據采集裝置，收集車主駕駛行為、駕駛時間、車輛行駛路程、道路交通狀況等數據，評估用戶的風險等級并根據其風險等級差異化厘定車險費率。因此，對于超速、疲勞駕駛、急轉彎、急剎車等危險駕駛行為較少、行駛線路較為固定、駕駛時間和里程較少以及在高峰期出行時間較少的客戶，其駕駛風險更低，繳納的保費也較低。UBI車險的定價模式能夠吸引駕駛行為更為安全的優質客戶，而優質客戶出險的概率更低，能夠降低車險公司的賠付成本，從而提升經營效益。

美國The Climate Corporation運用互聯網和大數據開展天氣保險。數據來源越豐富，則意味著越精準的天氣預測，該公司通過全面整合美國國家氣象局數據、各地氣象監測點數據以及各地地質調查的數據，并利用其強大的數據處理能力，根據用戶給定的區域、時間段以及投保的溫度、降雨量范圍和惡劣天氣等條件，自動實現精準定價。對異常天氣預測的精準度提高，有助于提高農民實施農田管理決策的信心。

（二）擴大承保范圍

大數據的應用使原來測量成本高、不可保的風險逐漸變成可保風險，保險公司通過對非結構化的多維度數據進行精準篩選、分類并分析保險消費者的需求、其面臨的風險以及可能遭受的損失，開發在設計上符合消費者需求，在定價上結合場景特性的場景化保險。如基于電商大數據消費行為定價的退貨運費險，保險公司通過分析全面、綜合的用戶數據，針對買賣雙方在電商平臺上的每筆交易進行精準定價。買家退貨率、賣家退貨率、賬戶風險等定價因子實時變動，保險公司運用大數據可以根據實時的風險特征厘定浮動的保險費率，能夠有效降低運費險消費者的道德風險。

（三）營銷環節

在大數據背景下，傳統營銷模式獲客成本高、轉化率低、流失率高等劣勢更為凸顯，而精準營銷能夠有效提高營銷效率，降低營銷成本。運用大數據獲取新客戶，維持現有客戶，挽回潛在流失客戶的精準營銷已成為保險公司的營銷新模式。保險公司運用大數據技術描繪目標客戶畫像，劃分客戶群體，針對其不同需求并根據不同營銷渠道的特點向其精準推送相應的保險產品，實現新客戶的精準獲取。交叉銷售是維持現有客戶以及提高其滿意度的手段，通過收集客戶的購買行為等數據深入挖掘其新需求以及潛在價值，有效增進客戶黏度。針對潛在流失客戶，保險公司通過分析歷史客戶退保數據，判斷影響客戶退保因素并進行分類，建立現有客戶退保預測模型，識別潛在流失客戶，并對于不同退保率的客戶采取相應的補救措施，防止客戶流失。

（四）核保環節

傳統核保流程的核保規則設置不夠精細，核保資料獲取成本高，核保結論高度依賴核保人員的經驗，難以對風險進行精準量化的評估。保險公司運用大數據技術能夠加強核保精度、提高核保效率以及提升核保效能。

在大數據背景下，保險公司能夠通過保險行業的數據共享，計算被保險人投保的所有保險的累計風險保額，了解被保險人是否在其他保險公司的黑名單上。保險人的核保資料不再僅限于被保險人在公司內部的數據，還包括被保險人在其他保險公司的歷史理賠數據、銀行征信數據、社保數據以及其他保險業務關聯機構如修車廠、醫院等機構的數據。數據獲取范圍的擴大加強了核保的精確度，使保險公司能夠量化被保險人的風險程度，提高自動核保的比例，從而釋放人工核保的人力成本，并有效防止保險欺詐。

（五）理賠環節

1.智能定損

大數據技術助力車險理賠系統進入新時代，有效緩解“理賠難”“理賠慢”“理賠手續煩瑣”等難題。平安保險集團金融壹賬通推出的“智能閃賠”覆蓋從報案調查、查勘定損、理算核賠到結案支付的理賠全流程。“智能閃賠”搭建了涵蓋98%的市場車型數據、85%的定損配件數據、維修服務類型數據、車損圖片數據、車險案例數據以及個人信用數據等的地域化數據庫，并利用保險科技實現車物定損與人傷定損的自動化。“智能閃賠”的具體流程為：用戶上傳反映車損情況的照片，由高精度的圖像識別技術判斷車損類型、部件及程度，根據精準到縣市的工時配件價格體系實現自動精準定損。

2.反欺詐

車險欺詐呈現出形式多樣化、手段專業化、犯罪主體團體化三大特征。面對頻發的車險欺詐，傳統風險防控手段存在著人工成本高、欺詐判斷難、道德風險大等劣勢。

在大數據背景下，立體多維度的反欺詐模型能夠篩查出復雜、隱蔽的欺詐風險，提高反欺詐的有效性及效率。傳統的主要依據車險案件信息來判斷欺詐的方式存在高額的后續調查和人工審核的成本，而平安保險集團金融壹賬通正探索“從案＋從人＋從車”的多維度反欺詐體系，通過分析案件數據（報案時間、案發地點、出險地點等）、行為數據（通話記錄、瀏覽記錄、手機號使用記錄等）以及車輛數據（傳感器數據、車輛參數、車身結構等）建立反欺詐模型，大幅度提升欺詐風險識別精準度，降低人工成本。

同時，跨領域多方共建的風控機制可以有效減少由于信息不對稱導致的保險欺詐。通過利用保險公司間信息不互通，被保險人可能多次故意制造保險事故或就同一事故在多家保險公司之間重復索賠。而客戶的信用情況與欺詐概率也被證實在不同情況下具有一定的延續性，個人信用記錄不良的被保險人更有可能參與保險欺詐。因此，多方共建的智能風控平臺可以全方面提升保險經營中的風險管控能力。

三、大數據背景下財產保險經營中存在的問題

（一）“數據孤島”問題突出

當前保險業面臨著將數據在技術上、法律上以及交易規則上公正、合理、合規的共享的挑戰。大數據應用于保險業需要以海量的數據規模作為支撐，尤為重視數據的開放性。保險業在共享內部數據和收集外部數據的過程中面臨著一定的困難，掌握核心數據的一方往往不愿意將數據進行共享，使數據的流動性和開放性受到了限制。因此對于數據信息議價能力較弱的一方來說，通過數據共享來獲得優質數據則變得更加困難。

（二）存在信息泄露或濫用的問題

新技術的使用與用戶隱私保護的需求存在一定的沖突，隨著保險科技的快速發展，保險消費者在各環節或業務場景下產生的大量數據將被互聯網應用后臺自動讀取，一旦保險公司收集到的有關于用戶個人隱私的信息由于公司自身管理問題或網絡安全問題而泄露，消費者的權益就會受到侵害。除此之外，能夠輕易收集到海量用戶數據的大型保險公司還存在著濫用用戶數據的可能，即為了獲取新用戶或鼓勵續保在制定費率時對老用戶實施不公正對待，從而導致用戶對新技術的應用產生不信任感，對保險科技的發展產生負面影響。

（三）缺乏復合型人才

保險業從業人員對科技環境的適應程度越高，大數據就越能發揮優勢。在實踐中，保險業對于掌握底層技術和保險經營規則的復合型人才的需求量激增，但保險業絕大多數從業者或行業監管者仍處于被動接受的狀態，大數據等保險科技在保險經營中的應用和維護多以外包模式為主，科技的研發創新常常置于保險業主體之外，使得僅僅掌握大數據等底層技術的IT人員設計的算法與模型可能無法在實際應用中直擊行業痛點。

四、大數據背景下財產保險經營的發展對策

（一）由監管機構推動數據共享平臺的建立

銀保監會等監管機構需推動科技賦能后的保險行業數據共享平臺的建設，通過官方平臺對保險業內部數據以及來自其他機構的外部數據整合，實現數據互聯互通，在法律基礎上明確投保人、被保險人以及數據使用方的數據所有權和使用權的歸屬，并根據數據的隱私程度及用途設置不同的等級，對數據的使用流程進行規范，使保險公司僅能在授權范圍內使用數據。數據共享平臺使得非敏感個人信息在行業間充分共享，消除市場壁壘，減少大型企業利用其壟斷地位濫用數據進行“殺熟”的行為。

（二）加強信息安全管理

保險公司應約束后臺強行收集未經授權信息的行為，并聘請專業人員定時升級和維護數據庫，對員工普及數據安全教育，維護信息安全，防止保險消費者隱私信息泄露。同時，在數據共享平臺進行數據交換的過程中，數據共享平臺應對與用戶隱私相關的信息采取不可逆的加密形式，在隱去私密信息的同時又能一對一匹配行為和特征。

（三）推進“產學研”深度融合，加大復合型人才的引進力度

“產學研”融合可以采用共建實體方式，由高校、科研機構和保險公司共同建立技術轉化平臺，開展基礎性的理論和應用研究以及高技術領域的前沿創新研究，發揮高校和科研機構的科研創新能力以及保險公司的行業優勢，協同促進“產學研”深度融合。同時，“產學研”深度融合需要政策的支持，政府應給予高校、科研機構、企業激勵性的政策支持，提高“產學研”融合的積極性。保險公司還應加大優秀IT技術人才的引進力度，組織關于保險經營規則、業務模式等內容培訓，提升技術人才的保險專業素養，使其設計出的算法和建立的模型能夠直擊行業痛點。