基于汽车与保险大数据的车辆承保与理赔数据应用研究

张树鹏 刘笃优 刘英男 马欣

摘 要：汽车与保险大数据，依托于汽车行业与保险行业丰富的数据资源，为保险行业车辆承保和车辆理赔提供精准的数据服务，全面支撑保险公司承保业务和定损理赔业务，更好的为保险公司实现降本增效的目的。本文详细介绍了数据如何在承保和理赔中进行应用，深度剖析了数据的应用场景和使用价值。

关键词：汽车与保险大数据 承保 理赔 数据应用

Abstract：Auto and insurance big data， relying on the rich data resources of the auto industry and the insurance industry， provides accurate data services for vehicle underwriting and vehicle claims in the insurance industry， and comprehensively supports insurance companies’ underwriting business and loss assessment and claim settlement business. Insurance companies achieve the purpose of reducing costs and increasing efficiency. This article introduces in detail how data is used in underwriting and claims， and deeply analyzes the application scenarios and usage value of data.

Key words：auto and insurance big data， underwriting， claims， data application

1 汽车与保险大数据概况

汽车与保险大数据，整合了汽车行业与保险行业的核心数据。涉及到的汽车行业数据包括三大类，第一类为车辆生产数据，重点记录了车辆下线时的整车信息，如车架号、车辆型号、发动机号等关键信息。车架号，又称车辆识别代号VIN，是车辆的唯一标识，是汽车制造厂商为了识别而给每一台车指定的唯一一个编码，由17位数字和字母组成，是汽车的“身份证”。车辆型号，又称产品型号、公告型号，是国产汽车对一类车辆指定的由拼音字母和阿拉伯数字组成的编号，国产汽车车辆型号应能表明汽车的厂牌、类型和主要特征参数等。根据现在我国公告的管理政策，车辆型号是国产汽车上市生产前的“准生证”。第二类为行业车型数据，主要是覆盖主流品牌VIN车款数据、车辆型号车款数据（含新车款上市、老车款退市）、车款新车配置数据、车款新车厂商指导价数据、车款新车购置价数据、车款保值率数据等等，行业车型数据构成汽车行业最重要的车型库。第三类为车辆零部件数据，重点记录了车辆的所有零部件信息，如零部件OE编号数据、零部件OE编号价格数据。每个汽车生产厂为方便对零部件进行管理，对每个零部件都采用不同的编号来区别分类和区分，一个OE编号可以精准定位某一类零件，它们具有完全一样的尺寸、功能和材质，同一个OE编号的零件，可以适用在不同车型上[1]。

保险行业数据主要包括两类，一类是承保数据，车辆每年上一次强险，承保时保险公司会记录下如下关键信息，比如VIN、车牌号、发动机号、承保时间、承保省市等等，新车第一次承保还需要记录准确的新车发票价格。承保数据是反映市场变化的最重要的数据，根据第一次承保视为新车销售，可以得到终端销售数据，根据同一个VIN相邻两年承保的车牌号变化，可以得到二手车数据，根据同一个车牌号相邻两年的VIN变化，可以得到换购数据，根据过去一年的承保VIN，可以得到保有量数据等等。另一类是定损理赔数据，事故车车辆出险时，保险公司在定损时需要记录本次事故中车辆需要更换或者维修的零部件OE编号、零部件OE编号的销售价格（含4S店价格和市场价格）和维修零件的工时价格。定损理赔数据，是真实的车辆出险和车辆维修数据，对于汽车行业和保险行业都有很高的应用价值，主机厂可以用该数据计算售后维修客户的流失率，保险公司可以用该数據为日后的事故车定损做数据参考和数据补充。

2 车辆承保和理赔业务场景及数据需求介绍

保险公司在完成承保业务时，承保系统最重要的信息就是车辆信息和车主信息，对于车辆信息而言，保险公司需要对车辆的真实性进行验证，为了后续承保和理赔业务数据的一致性，规避欺诈骗保的风险，保险公司会详细记录车辆的所有重要信息。此时，第三方的车辆数据可以用作数据校验，保证承保端数据的准确性。从而从源头上保证了保险行业数据的准确性，为保险公司车险业务的盈利奠定了基础。保险公司承保所需要的重要车辆信息，如车架号VIN、车辆型号、发动机号、车辆品牌、车身颜色、新车购置价、核定载客数、排量、已行驶里程、行驶证车辆类型、车辆初次登记日期、车辆使用性质等等。

在理赔阶段，保险公司在接到报案之后进行现场勘察，判定是否属于保险责任，车辆事故是否真实。根据车辆损失的部位和程度，完成初步现场定损或者直接到4S店、修理厂、定损中心定损[2]。有的保险公司会在后期进行核价核损，看定损的价格与实际的价格是否合理，最终给出定论完成理赔支付。在理赔阶段，保险公司对于车辆零部件数据和零部件价格数据，有着数据覆盖度广、数据准确度高的要求，核心诉求在于零部件数据可以实现精准解析事故车辆受损部位的零件编号，并提供精准的零件价格（含4S店价格和市场价格）。由于保险公司理赔环节面临着很多的风险，防止错误理赔和骗赔是保险公司理赔业务的最大目标，理赔环节还需要一定的数据（如零件的包含关系、同名零件互斥等）支撑定损系统的反欺诈规则。

3 车辆承保端数据应用

汽车与保险大数据在车辆承保端进行应用时，主要用到了车辆生产数据和基于车辆承保的定制化行业车型数据。车辆承保第一步一般是承保员输入VIN后，在车辆生产数据中进行VIN验真和重要字段预填，验证车辆是否真实存在，验真不止校验VIN，还校验发动机型号、发动机号、车辆型号等其他重要参数。对于验真查不到的车辆，需要拍照并上传车辆行驶证和驾驶证。根据新车承保和旧车承保的不同业务场景，验证下游数据的使用特点也不尽相同。针对不同数据应用业务场景和流程，分如下两种情况展开[3]。

3.1 新车承保数据应用

新车在第一次承保时，在通过VIN验真之后，承保系统会调用行业车型数据，获得VIN的唯一车款，或者根据车辆型号和新车购置发票，由承保员在行业车型库中选择唯一的车款，重点根据新车购置价进行验证，生成保险单。保额完全取决于新车购置价，新能源汽车新车购置价要求以补贴后的价格为准，避免出现低价高赔的欺诈风险。其中，行业车型库数据具有比较高的数据覆盖度和准确度要求，由于数据解析的车款与实际车辆的车款未必完全相同，在车辆承保时，车辆主要配置和新车购置价格需要保持大致一致。行业车型数据也需要实时追踪车市的上市和退市情况，及时更新新车上市信息，动态监测主流地区的新车购置价格。

3.2 旧车承保数据应用

对于非新车承保，在通过VIN验真之后，在获得VIN唯一车款或者根据车辆型号选择唯一车款后，将根据车款进一步获得新车在该地区的新车购置参考价格，同时获得该车款在该地区的保值率。保额一般按照新车第一次承保的发票价每个月6‰进行折旧，但保费的计算涉及到很多保费费率因子的车辆保费计算模型，承保车辆的车龄数据、该车款新车的新车购置参考价格、该车款的保值率以及该车辆在过去一年的理赔端出险数据和赔付率，共同决定了当年的保费。相对于新车承保，旧车承保既用到了原有的汽车行业数据，也需要借助保险行业平台，调用车辆过去的历史理赔出险数据，在经过模型的计算后，最终生成当年的保险单[4]。目前保险行业正在承保端引入零整比的影响[5]，即整车所有的装车配件的价格总和与整车新车指导价格的比值。对于零整比高的车辆，相同的事故相同的备件更换，理赔成本更高。零整比数据基于车辆零部件数据计算得来，相信未来也将成为保费计算模型中的一个费率因子，直接影响车险费率定价。

4 车辆理赔端数据应用

汽车与保险大数据在车辆理赔端进行应用时，重点应用到了车辆零部件数据，车辆理赔端数据颗粒度进一步下探，由承保端整车VIN维度，下探到理赔端零部件OE维度。另外，历史定损理赔数据也可以作为理赔端重要的数据补充。车辆在定损理赔时，数据应用一般分为两步，一步为车型数据，一步为零部件数据。定损的第一步以VIN为输入（或者本保险公司承保车辆输入车牌号），自动确定车款或者手动选择车款，进一步选择零件、确定相关的零部件数据[6]。

4.1 常规定损系统数据应用

在事故车定损过程中，定损员输入事故车（含三者车标的车）VIN，在保险公司核心系统定损系统中确定VIN的车款，或者根据车辆型号选择车款，在碰撞部位快速检索中查找事故需要更换或者维修的零件标准名称，从而得到该车辆碰撞零件的零部件OE编号和OE编号4S店价格或者市场价格，根据该车型该零件在该地区的维修工时和工时单价，确定维修费用。最终，对于4S店和修理厂维修的定损案件，零件费用加维修费用，做为定损的最终出险费用，在经过核价、核损后，生成索赔单。对于低碳外修的情况，由于不涉及零件更换，最终出险费用一般只有工时费用。

由于保险公司在定损理赔时，更关注的是车辆零件的OE编号和OE编号价格，故车辆定型不是定损理赔必须的环节。根据零部件数据底层架构和调取逻辑的不同，在VIN-车款、车款-零件编码、零件编码-零件价格的数据架构中，车辆定型是理赔端数据应用的必须环节。在VIN-零件编码、零件编码-零件价格的数据架构中，定损理赔数据应用可以直接跳过定型环节。无论哪种数据架构，最终的目的都是实现车辆VIN与零件OE编号对应关系的精准解析，只有解析出准确的零件OE编号，才能得到准确的零件价格[7]。

4.2 多定损系统数据应用

对于某些保险公司的多定损系统，大致数据逻辑与常规定损系统相同。不同之处在于，多定损系统需要有一个多系统的系统入口，一般以车辆品牌来区分车辆零件数据供应商。在这样的业务需求中，除上述数据外，还需要VIN解析品牌或者车辆型号解析品牌的数据。在统一的VIN解析品牌数据接口中，根据VIN解析品牌的判断结果，定损系统自动跳转到指定的不同车辆零件数据供应商的定损系统中，调用不同供应商的零部件数据，完成定损环节。有的保险公司还会在核价、核损环节中，使用其他家供应商的零件价格数据进行交叉验证。多定损系统的核心是零部件数据供应商有多家，通過以品牌划分供应商的方式，或者在定损、核价、核损环节中使用不同供应商的零部件数据，达到交叉验证提高数据准确性、降低理赔成本的目的。

5 结语

汽车行业与保险行业的数据融合，大幅度提高了数据应用的维度和深度，在汽车行业、保险行业都有越来越广阔的应用空间。对于保险行业最为关键的承保环节和定损理赔环节，汽车行业数据与保险行业数据互相补充、共同应用，在不同层级的数据维度上满足保险公司的数据使用需求，助力保险公司避免承保欺诈、降低理赔成本，最终破解车险难题。

参考文献：

[1]怀玉.汽车行业大数据应用的前景初探[J].上海汽车，2016（09）：1-2.

[2]李佳.车险万花筒之汽车险种及理赔流程介绍[J].机电信息，2010（15）：49-54.

[3]李欣然，杨杉.大数据分析在保险行业中的应用浅析[J].全国流通经济，2021（12）：141-143.

[4]向世刚.大数据在保险行业的应用研究[D].华中科技大学，2016.

[5]梁慧轩.汽车零整比100指数首发为车险定价提供数据支持[J].上海保险，2016（06）：35-37.

[6]阮斌.浅谈车辆保险理赔[J].时代金融，2013（15）：158.

[7]朱向雷，郭维明，王琰.全球事故车定损估价系统对标分析[J].时代汽车，2016（12）：48-49.

作者简介

张树鹏：（1988—），男，河北人，就职于中国汽车技术研究中心有限公司数据资源中心，中级工程师，硕士。主要研究方向：为汽车行业和保险行业大数据应用，包括整车数据、零部件数据、保险公司承保理赔数据、主机厂售后信息化系统数据等。