保险公司风险管理是保险公司以价值最大化为目标，对公司各种风险进行识别、衡量及管理的方法和过程。在新监管“偿二代“、公司战略、互联网金融多重因素推动下，以及大数据技术在企业风险管理(ERM)的多个方面:定量、差异分析、预测提升、行业共同发展的巨大应用前景，催生了寿险行业对大数据风险管理的需求。　　本文研究探索了大数据技术在寿险风险管理中的应用方法与模式。从风险的基本概念、可计量性、管理的定义入手，结合‘偿二代’监管要素中的三大支柱理论，分析总结出了保险风险管理的量化发展趋势。从行业监管要求、公司的风险管理方式、公司的重点风险问题三个角度，指出了应用新技术在寿险行业风险管理研究的问题与痛点。大数据技术与寿险风险管理有着深刻的创新基础和内在联系，也对行业、组织、资源、技术能力、安全提出全新挑战。因此，本文研究提出了一套大数据寿险风险管理指导方法，并用该方法设计了包括风险识别、评估应对、效果评价三个步骤的大数据风险管理模式。风险管理模式覆盖了如何确立风险库、评审风险价值、建立大数据风控实验室等具体操作问题，还包括了应用大数据所必需的组织、环境、技术，观念、制度五大企业管理创新点。风险管理模式凸显了大数据风险管理有别于传统风控的四个特点:因子的不确定性、持续的机器学习过程、非样本数据、因子关联性。大数据应用效果在数据本身、数据技能、数据思维三个维度需满足的先决条件。通过阳光人寿的业务实践，对风险管理的直接价值进行了定量分析，提出了包含直接损失、间接损失、费用支出、机会成本四个主要元素的风控效果评估基本公式。案例中拆解了风控模式的构成，提供了一条从组织形式、制度规范到数据资源、平台化建设的可实施路径，讲述了建立风险选择机制、量化规则、识别机制、监控策略、应对手段、评估标准的过程、难点、和具体方法。案例分析总结出了企业管理创新所需解决的如何调整组织架构、应用行业及外部数据、建设企业大数据能力等问题。重点剖析了核保、理赔、异常交易、销售、续期、保全等六个业务场景的大数据风险管理应用案例的需求、解决方案、和价值评估。定性分析了大数据在风险管理水平和企业管理创新两个维度上的价值，肯定了大数据技术在风险管理应用上的巨大前景。