大数据在财产保险经营中的应用研究

文/宋美瑶（北京工商大学）

一、引言

保险业是专门经营风险的行业，数据在保险业务的经营中占据重要地位。大数法则是保险公司业务经营中须遵循的原则，保险公司在自身承保能力范围内，应承保尽可能多的可保风险和标的，并主要根据保险公司内部数据来厘定风险以及确定费率。随着“大数据”时代的到来，保险公司能够获取的数据维度增加。目前，保险业大数据来源包括保险公司内部数据、网络公开数据、保险行业平台数据、政府免费开放数据以及第三方大数据（支付数据、征信数据、社交数据等），并且这些数据在“量级”上都迎来了极大的扩充，这无疑给保险业带来了巨大的挑战，保险业的传统数据处理模型已无法满足处理大量的非结构化的数据的要求，保险业应用大数据技术建立数据处理模型以及大数据平台的需求尤为迫切。

大数据的规模巨大，类型多样，伴随而生的就是快速处理数据的技术，同时数据的规模性和多样性也导致了数据价值密度的降低。通过对海量数据的深入挖掘和运用，保险公司能够实现对经营模式、应用实践的创新。同时，宏观政策的支持能够促进大数据技术在财产保险经营中的应用，银保监会于2020年7月发布《推动财产保险业高质量发展三年行动方案（2020—2022年）》，鼓励财产保险公司进行数字化转型，运用保险科技优化风险定价、客户细分以及提高风控能力等，通过科技赋能促进行业发展。

本文通过对相关文献的总结归纳，发现当前学界认为大数据能够提高财产保险经营的效率，并可以有效预测客户行为以及市场发展。通过比较并分析国际主要保险市场保险科技的发展模式与监管模式，政府应该对专注于某一细分领域的保险科技公司提供政策和资金倾斜，提升保险科技的应用质量和效率（唐金成，2020）。大数据的应用能够帮助保险企业准确预测保险市场的发展趋势，以及实时监控市场发展动态，因此可以更精确地描绘目标客户画像，了解其消费需求，实现精准营销（包敏，2018）。利用数据挖掘技术从海量车险用户数据中精准挖掘出对续保业务开展有利的数据，并据此建立续保率预测模型，可以精确地评估不同客户的续保意愿，从而实现差异化营销（李丽红，2020）。保险精准定价的实现依赖于庞大的数据规模，据此找到显著的定价模型，并通过机器学习等技术，得到更准确地预测模型，适应环境的变化（郭建，2020）。针对保险欺诈风险，通过建立保险行业数据平台，实现不同地区和企业间的数据共享，并利用数据挖掘等技术识别风险因素是车险反欺诈的有效手段（刁粤生，2017）。

二、大数据在财产保险经营中的应用

（一）产品设计环节

1.实现精准定价

在大数据背景下，保险公司可以利用多维度数据精准定价，从而实现定价差异化，使保费与风险更加对应。

传统的车险费率厘定往往采用“从车”的定价模式，无法真实反映造成交通事故的决定性风险因素，并且因为决定费率厘定的风险因素较为单一，保费与风险无法挂钩，造成车险产品同质化严重。而UBI车险采用“从车”与“从人”相结合的定价模式，不但考虑车辆因素，还利用数据采集装置，收集车主驾驶行为、驾驶时间、车辆行驶路程、道路交通状况等数据，评估用户的风险等级并根据其风险等级差异化厘定车险费率。因此，对于超速、疲劳驾驶、急转弯、急刹车等危险驾驶行为较少、行驶线路较为固定、驾驶时间和里程较少以及在高峰期出行时间较少的客户，其驾驶风险更低，缴纳的保费也较低。UBI车险的定价模式能够吸引驾驶行为更为安全的优质客户，而优质客户出险的概率更低，能够降低车险公司的赔付成本，从而提升经营效益。

美国The Climate Corporation运用互联网和大数据开展天气保险。数据来源越丰富，则意味着越精准的天气预测，该公司通过全面整合美国国家气象局数据、各地气象监测点数据以及各地地质调查的数据，并利用其强大的数据处理能力，根据用户给定的区域、时间段以及投保的温度、降雨量范围和恶劣天气等条件，自动实现精准定价。对异常天气预测的精准度提高，有助于提高农民实施农田管理决策的信心。

（二）扩大承保范围

大数据的应用使原来测量成本高、不可保的风险逐渐变成可保风险，保险公司通过对非结构化的多维度数据进行精准筛选、分类并分析保险消费者的需求、其面临的风险以及可能遭受的损失，开发在设计上符合消费者需求，在定价上结合场景特性的场景化保险。如基于电商大数据消费行为定价的退货运费险，保险公司通过分析全面、综合的用户数据，针对买卖双方在电商平台上的每笔交易进行精准定价。买家退货率、卖家退货率、账户风险等定价因子实时变动，保险公司运用大数据可以根据实时的风险特征厘定浮动的保险费率，能够有效降低运费险消费者的道德风险。

（三）营销环节

在大数据背景下，传统营销模式获客成本高、转化率低、流失率高等劣势更为凸显，而精准营销能够有效提高营销效率，降低营销成本。运用大数据获取新客户，维持现有客户，挽回潜在流失客户的精准营销已成为保险公司的营销新模式。保险公司运用大数据技术描绘目标客户画像，划分客户群体，针对其不同需求并根据不同营销渠道的特点向其精准推送相应的保险产品，实现新客户的精准获取。交叉销售是维持现有客户以及提高其满意度的手段，通过收集客户的购买行为等数据深入挖掘其新需求以及潜在价值，有效增进客户黏度。针对潜在流失客户，保险公司通过分析历史客户退保数据，判断影响客户退保因素并进行分类，建立现有客户退保预测模型，识别潜在流失客户，并对于不同退保率的客户采取相应的补救措施，防止客户流失。

（四）核保环节

传统核保流程的核保规则设置不够精细，核保资料获取成本高，核保结论高度依赖核保人员的经验，难以对风险进行精准量化的评估。保险公司运用大数据技术能够加强核保精度、提高核保效率以及提升核保效能。

在大数据背景下，保险公司能够通过保险行业的数据共享，计算被保险人投保的所有保险的累计风险保额，了解被保险人是否在其他保险公司的黑名单上。保险人的核保资料不再仅限于被保险人在公司内部的数据，还包括被保险人在其他保险公司的历史理赔数据、银行征信数据、社保数据以及其他保险业务关联机构如修车厂、医院等机构的数据。数据获取范围的扩大加强了核保的精确度，使保险公司能够量化被保险人的风险程度，提高自动核保的比例，从而释放人工核保的人力成本，并有效防止保险欺诈。

（五）理赔环节

1.智能定损

大数据技术助力车险理赔系统进入新时代，有效缓解“理赔难”“理赔慢”“理赔手续烦琐”等难题。平安保险集团金融壹账通推出的“智能闪赔”覆盖从报案调查、查勘定损、理算核赔到结案支付的理赔全流程。“智能闪赔”搭建了涵盖98%的市场车型数据、85%的定损配件数据、维修服务类型数据、车损图片数据、车险案例数据以及个人信用数据等的地域化数据库，并利用保险科技实现车物定损与人伤定损的自动化。“智能闪赔”的具体流程为：用户上传反映车损情况的照片，由高精度的图像识别技术判断车损类型、部件及程度，根据精准到县市的工时配件价格体系实现自动精准定损。

2.反欺诈

车险欺诈呈现出形式多样化、手段专业化、犯罪主体团体化三大特征。面对频发的车险欺诈，传统风险防控手段存在着人工成本高、欺诈判断难、道德风险大等劣势。

在大数据背景下，立体多维度的反欺诈模型能够筛查出复杂、隐蔽的欺诈风险，提高反欺诈的有效性及效率。传统的主要依据车险案件信息来判断欺诈的方式存在高额的后续调查和人工审核的成本，而平安保险集团金融壹账通正探索“从案＋从人＋从车”的多维度反欺诈体系，通过分析案件数据（报案时间、案发地点、出险地点等）、行为数据（通话记录、浏览记录、手机号使用记录等）以及车辆数据（传感器数据、车辆参数、车身结构等）建立反欺诈模型，大幅度提升欺诈风险识别精准度，降低人工成本。

同时，跨领域多方共建的风控机制可以有效减少由于信息不对称导致的保险欺诈。通过利用保险公司间信息不互通，被保险人可能多次故意制造保险事故或就同一事故在多家保险公司之间重复索赔。而客户的信用情况与欺诈概率也被证实在不同情况下具有一定的延续性，个人信用记录不良的被保险人更有可能参与保险欺诈。因此，多方共建的智能风控平台可以全方面提升保险经营中的风险管控能力。

三、大数据背景下财产保险经营中存在的问题

（一）“数据孤岛”问题突出

当前保险业面临着将数据在技术上、法律上以及交易规则上公正、合理、合规的共享的挑战。大数据应用于保险业需要以海量的数据规模作为支撑，尤为重视数据的开放性。保险业在共享内部数据和收集外部数据的过程中面临着一定的困难，掌握核心数据的一方往往不愿意将数据进行共享，使数据的流动性和开放性受到了限制。因此对于数据信息议价能力较弱的一方来说，通过数据共享来获得优质数据则变得更加困难。

（二）存在信息泄露或滥用的问题

新技术的使用与用户隐私保护的需求存在一定的冲突，随着保险科技的快速发展，保险消费者在各环节或业务场景下产生的大量数据将被互联网应用后台自动读取，一旦保险公司收集到的有关于用户个人隐私的信息由于公司自身管理问题或网络安全问题而泄露，消费者的权益就会受到侵害。除此之外，能够轻易收集到海量用户数据的大型保险公司还存在着滥用用户数据的可能，即为了获取新用户或鼓励续保在制定费率时对老用户实施不公正对待，从而导致用户对新技术的应用产生不信任感，对保险科技的发展产生负面影响。

（三）缺乏复合型人才

保险业从业人员对科技环境的适应程度越高，大数据就越能发挥优势。在实践中，保险业对于掌握底层技术和保险经营规则的复合型人才的需求量激增，但保险业绝大多数从业者或行业监管者仍处于被动接受的状态，大数据等保险科技在保险经营中的应用和维护多以外包模式为主，科技的研发创新常常置于保险业主体之外，使得仅仅掌握大数据等底层技术的IT人员设计的算法与模型可能无法在实际应用中直击行业痛点。

四、大数据背景下财产保险经营的发展对策

（一）由监管机构推动数据共享平台的建立

银保监会等监管机构需推动科技赋能后的保险行业数据共享平台的建设，通过官方平台对保险业内部数据以及来自其他机构的外部数据整合，实现数据互联互通，在法律基础上明确投保人、被保险人以及数据使用方的数据所有权和使用权的归属，并根据数据的隐私程度及用途设置不同的等级，对数据的使用流程进行规范，使保险公司仅能在授权范围内使用数据。数据共享平台使得非敏感个人信息在行业间充分共享，消除市场壁垒，减少大型企业利用其垄断地位滥用数据进行“杀熟”的行为。

（二）加强信息安全管理

保险公司应约束后台强行收集未经授权信息的行为，并聘请专业人员定时升级和维护数据库，对员工普及数据安全教育，维护信息安全，防止保险消费者隐私信息泄露。同时，在数据共享平台进行数据交换的过程中，数据共享平台应对与用户隐私相关的信息采取不可逆的加密形式，在隐去私密信息的同时又能一对一匹配行为和特征。

（三）推进“产学研”深度融合，加大复合型人才的引进力度

“产学研”融合可以采用共建实体方式，由高校、科研机构和保险公司共同建立技术转化平台，开展基础性的理论和应用研究以及高技术领域的前沿创新研究，发挥高校和科研机构的科研创新能力以及保险公司的行业优势，协同促进“产学研”深度融合。同时，“产学研”深度融合需要政策的支持，政府应给予高校、科研机构、企业激励性的政策支持，提高“产学研”融合的积极性。保险公司还应加大优秀IT技术人才的引进力度，组织关于保险经营规则、业务模式等内容培训，提升技术人才的保险专业素养，使其设计出的算法和建立的模型能够直击行业痛点。