论文部分内容阅读
摘 要：保险公司的车险经营数据目前主要运用于业务统计、绩效考核和内部审计等，偏重自身经营发展和业务管理方面。在这些浩瀚的投保、出险、赔付及客户信息中，存在大量针对市场主客体及社会评估的挖掘空间。而车辆的数据挖掘技术，不仅可以服务于公司内部风险管理和营销场景，也能服务于车辆制造商、客户自身风险管理。数据挖掘技术还有很多的社会价值，通过车辆区域风险地图的建设，服务社会安全治理和防灾防损机制的建设。
关键词：车辆保险 数据挖掘 技术应用 客户获取 风险地图
目前，保险公司针对车辆数据的应用，重点在于通过对不同的品牌型号、使用年限对车辆的出险和赔付情况进行挖掘，属于风险从车因素的分析，服务于保险公司核保政策的制定。随着保险大数据技术的成熟，车辆保险数据挖掘技术可以向更广的空间延展。
一、车辆保险数据挖掘，服务保险与车商的价值合作
站在社会的角度上看，车险的理赔数据除了可以影响保险公司的承保政策，还具有面向消费者的车辆风险因素视角。对于汽车消费者来说，使用车辆的财产损失是容易补偿的，而心理上最重视的是车上安全。如果形成车上人员的出险率比较，将成为消费者敏感数据，可以用于险企与汽车制造商合作的一项价值点。目前可行的做法有两种。
1.分析车辆事故的分布纬度。筛选出投保车上人员附加险别的承保数据，分品牌型号、安全配置种类、年限，出险驾驶员的年龄、驾龄为维度，车上司乘损失次数、金额等级、死亡量等为度量值，观察事故的分布情况，通过车辆事故分布分析，完善汽车厂商数据库。本项分析会存在一定的采样损失。一是只能分析投保了车上人员的保单，降低了采样率；二是只有残亡损失较准确，对于有医疗费用损失的事故，但本车无责且有责车辆非公司承保，单个保险公司获取不到完整损失信息。
2.描绘不同车型下的人身危险视图。从较为广泛的三责赔付数据中，比较多车事故的人伤与品牌型号、责任比例的关系。即筛选撞车事故赔付数据，提取人伤等级、事故相關车辆的责任、品牌信息，形成对车辆品牌型号在各种事故形态下的人身危险视图。本项分析的数据采样损失更大一些。因为非本公司承保的对方车辆，普遍未采集车辆信息。目前只有适合市场占有率较高的大型车险公司，针对双方为同一公司承保车辆开展分析。
二、车辆数据挖掘技术服务客户获取的区域性划分
城市是地域经济运行的枢纽，省、自治区下的地、市、州经济水平相差悬殊。应当改进就行政层级分析市场的做法，调整为对全国的城市依据经济水平区分等级，依靠经济与社会水平来评价市域市场环境。主要采集两方面的数据。一是外部宏观数据。以国民生产总值、人口、面积、人均国民生产总值、车辆保有量、车辆类别构成为依据。二是公司内部数据。可开展一些区域性业务分析，依据业务占比、人均指标进行地域评价。如承保家用车辆的高价车占比、低价车占比，营业货车占比，人均两险保费、平均家财保额等，辅助确定城市的保险市场潜力水平。通过指标评定，使各区域的机构负责人有合理的对比目标，结合自己公司的经营优势，参考同类的机构来分析运营情况，而不是简单地拿地域相邻、规模相近的习惯性目标来分析决策。城市的分级能让各个分支更清楚当地的市场特征、找到合适的借鉴对象、发现自身特长与短版、改进业务管理习惯。
三、车辆数据挖掘技术服务社会环境的改善
1.区位车辆风险地图服务社会安全治理和防灾防损建设。保险公司通过对车辆事故进行区位、路段、分析，描绘不同路段、区域车辆风险地图，提示相关部门和车主，在某些特定区域尤其注意交通安全。
2.特定群体的损害统计。如无对方车辆情况下的三责伤亡事故，代表了人车的交通安全冲突，特别是70岁以上老人、14岁以下儿童，如果特定地点、时间，存在看护不当或多发事故，可发挥公共安全主动性，进行警示或参与防护建设。
3.统计巨灾与人为原因关系。如发生洪水、冰雹等灾害时，既要分析主要出现的损失类别，如三责、人伤、玻璃、车辆部位等；也要分析具体的原因，如灾害直接损失，或道路湿滑、其他物品坠落、倾覆、直接水淹等分类。通过这些数据挖掘的应用，系统性指导社会防灾、救灾流程和防灾防损机制的建设。
四、车辆保险数据挖掘技术服务产品推荐与优化
服务保险公司建立客户消费偏好分析模型。财产保险公司可以结合车辆、家财、两险及合作机构的消费信息，形成宏观的消费偏向模型，为个体客户提供保障建议。将不同的客户性别年龄分类，参考群体投保车辆的价值、家财地址的评估单价、投保两险被保险人个数等资产水平分类，分析各类人群在消费车险、家财、意外险、长期人身险时的保障偏好。这个模型，可用于公司及商业伙伴向客户做有针对性的营销建议。
五、依托数据资源，挖掘既有产品的内在价值，优于开发新风险产品
以家用车商业三责的物损与人伤分析作为案例。在现场数据中，将R公司在中心城市的家用车商业三责人伤进行了专项分析。近一年来，商业三责险承保情况如下表。
从理赔角度看，三责人伤的理赔9545件，其中商业三责人伤损失超出50万限额6件，共超额145万元。商业三责人伤损失超出100万限额1件，超额25万元，人伤报损137万元。假设将家用车商业三责险拆分保额，对投保达到50万或100万限额的客户，赠送500万人伤损失限额。对产品的内在价值，即客户心理将产生很有利的影响。同时人伤责任的道德风险低，对保险公司核保影响较小。根据前面的测算，60多万投保限额低于50万的客户，只要有1%的客户调升限额至50万，即可覆盖掉赠送人伤500万限额产生的多赔损失。对于投保100万以上限额的客户，即使客户因此而降额投保，对保费收入影响也可忽略。
六、保险公司经营车险的建议
1.加强对事故整体信息的采集能力。例如事故对方车辆非本公司承保时，亦应图像化获取对方车辆和人员资料，随后由后援人员格式化采集录入。
2.加强组织，对事故信息数字化。利用GIS技术，格式化出险地点以利于分类，将口头描述、现场地图定位等地址数据源进行格式化整理。对现场拓扑图进行编码化录入，即对车辆方位、道路状态、车上人员所在座位都进行编码化录入，以利于在安全与防损方面形成数据沉淀。
3.加强保险业内部的数据交流，争取建设互换与共享的数据平台。如前所述，在事故的安全分析中，保险公司间的案件信息共享，可以大大改进风险评估的准确性，也有利于保险公司之间防范风险、合理分摊事故损失。
4.关注政府与行业信息公开与共享途径，拓展数据来源。各种社会数据资源在保险企业的客户分析、经营定位、费率市场化、赔案稽查方面都将有革命性的意义。这些数据包括公民及法人身份、社保、纳税、征集、旅行行程、消费等，也包括车辆的登记、违章、行驶卡口记录、汽车消费等信息。保险企业进一步改进自身的数据积淀，开展外部数据交换采集，将使保险企业在社会和市场上取得更主动的地位。
参考文献：
[1]王和著《大数据时代保险变革研究》中国金融出版社，2014年9月，53-54.
[2]Kevin Kelly著 周峰、董理等译《必然》电子工业出版社，2016年1月，156-157.
[3]林杨《我国机动车辆保险效率分析-基于DEA模型方法》 金融经济，2013年5月.
[4]周卫东《论经营机动车辆保险的风险防范》保险研究，2004年3月.
关键词：车辆保险 数据挖掘 技术应用 客户获取 风险地图
目前，保险公司针对车辆数据的应用，重点在于通过对不同的品牌型号、使用年限对车辆的出险和赔付情况进行挖掘，属于风险从车因素的分析，服务于保险公司核保政策的制定。随着保险大数据技术的成熟，车辆保险数据挖掘技术可以向更广的空间延展。
一、车辆保险数据挖掘，服务保险与车商的价值合作
站在社会的角度上看，车险的理赔数据除了可以影响保险公司的承保政策，还具有面向消费者的车辆风险因素视角。对于汽车消费者来说，使用车辆的财产损失是容易补偿的，而心理上最重视的是车上安全。如果形成车上人员的出险率比较，将成为消费者敏感数据，可以用于险企与汽车制造商合作的一项价值点。目前可行的做法有两种。
1.分析车辆事故的分布纬度。筛选出投保车上人员附加险别的承保数据，分品牌型号、安全配置种类、年限，出险驾驶员的年龄、驾龄为维度，车上司乘损失次数、金额等级、死亡量等为度量值，观察事故的分布情况，通过车辆事故分布分析，完善汽车厂商数据库。本项分析会存在一定的采样损失。一是只能分析投保了车上人员的保单，降低了采样率；二是只有残亡损失较准确，对于有医疗费用损失的事故，但本车无责且有责车辆非公司承保，单个保险公司获取不到完整损失信息。
2.描绘不同车型下的人身危险视图。从较为广泛的三责赔付数据中，比较多车事故的人伤与品牌型号、责任比例的关系。即筛选撞车事故赔付数据，提取人伤等级、事故相關车辆的责任、品牌信息，形成对车辆品牌型号在各种事故形态下的人身危险视图。本项分析的数据采样损失更大一些。因为非本公司承保的对方车辆，普遍未采集车辆信息。目前只有适合市场占有率较高的大型车险公司，针对双方为同一公司承保车辆开展分析。
二、车辆数据挖掘技术服务客户获取的区域性划分
城市是地域经济运行的枢纽，省、自治区下的地、市、州经济水平相差悬殊。应当改进就行政层级分析市场的做法，调整为对全国的城市依据经济水平区分等级，依靠经济与社会水平来评价市域市场环境。主要采集两方面的数据。一是外部宏观数据。以国民生产总值、人口、面积、人均国民生产总值、车辆保有量、车辆类别构成为依据。二是公司内部数据。可开展一些区域性业务分析，依据业务占比、人均指标进行地域评价。如承保家用车辆的高价车占比、低价车占比，营业货车占比，人均两险保费、平均家财保额等，辅助确定城市的保险市场潜力水平。通过指标评定，使各区域的机构负责人有合理的对比目标，结合自己公司的经营优势，参考同类的机构来分析运营情况，而不是简单地拿地域相邻、规模相近的习惯性目标来分析决策。城市的分级能让各个分支更清楚当地的市场特征、找到合适的借鉴对象、发现自身特长与短版、改进业务管理习惯。
三、车辆数据挖掘技术服务社会环境的改善
1.区位车辆风险地图服务社会安全治理和防灾防损建设。保险公司通过对车辆事故进行区位、路段、分析，描绘不同路段、区域车辆风险地图，提示相关部门和车主，在某些特定区域尤其注意交通安全。
2.特定群体的损害统计。如无对方车辆情况下的三责伤亡事故，代表了人车的交通安全冲突，特别是70岁以上老人、14岁以下儿童，如果特定地点、时间，存在看护不当或多发事故，可发挥公共安全主动性，进行警示或参与防护建设。
3.统计巨灾与人为原因关系。如发生洪水、冰雹等灾害时，既要分析主要出现的损失类别，如三责、人伤、玻璃、车辆部位等；也要分析具体的原因，如灾害直接损失，或道路湿滑、其他物品坠落、倾覆、直接水淹等分类。通过这些数据挖掘的应用，系统性指导社会防灾、救灾流程和防灾防损机制的建设。
四、车辆保险数据挖掘技术服务产品推荐与优化
服务保险公司建立客户消费偏好分析模型。财产保险公司可以结合车辆、家财、两险及合作机构的消费信息，形成宏观的消费偏向模型，为个体客户提供保障建议。将不同的客户性别年龄分类，参考群体投保车辆的价值、家财地址的评估单价、投保两险被保险人个数等资产水平分类，分析各类人群在消费车险、家财、意外险、长期人身险时的保障偏好。这个模型，可用于公司及商业伙伴向客户做有针对性的营销建议。
五、依托数据资源，挖掘既有产品的内在价值，优于开发新风险产品
以家用车商业三责的物损与人伤分析作为案例。在现场数据中，将R公司在中心城市的家用车商业三责人伤进行了专项分析。近一年来，商业三责险承保情况如下表。
从理赔角度看，三责人伤的理赔9545件，其中商业三责人伤损失超出50万限额6件，共超额145万元。商业三责人伤损失超出100万限额1件，超额25万元，人伤报损137万元。假设将家用车商业三责险拆分保额，对投保达到50万或100万限额的客户，赠送500万人伤损失限额。对产品的内在价值，即客户心理将产生很有利的影响。同时人伤责任的道德风险低，对保险公司核保影响较小。根据前面的测算，60多万投保限额低于50万的客户，只要有1%的客户调升限额至50万，即可覆盖掉赠送人伤500万限额产生的多赔损失。对于投保100万以上限额的客户，即使客户因此而降额投保，对保费收入影响也可忽略。
六、保险公司经营车险的建议
1.加强对事故整体信息的采集能力。例如事故对方车辆非本公司承保时，亦应图像化获取对方车辆和人员资料，随后由后援人员格式化采集录入。
2.加强组织，对事故信息数字化。利用GIS技术，格式化出险地点以利于分类，将口头描述、现场地图定位等地址数据源进行格式化整理。对现场拓扑图进行编码化录入，即对车辆方位、道路状态、车上人员所在座位都进行编码化录入，以利于在安全与防损方面形成数据沉淀。
3.加强保险业内部的数据交流，争取建设互换与共享的数据平台。如前所述，在事故的安全分析中，保险公司间的案件信息共享，可以大大改进风险评估的准确性，也有利于保险公司之间防范风险、合理分摊事故损失。
4.关注政府与行业信息公开与共享途径，拓展数据来源。各种社会数据资源在保险企业的客户分析、经营定位、费率市场化、赔案稽查方面都将有革命性的意义。这些数据包括公民及法人身份、社保、纳税、征集、旅行行程、消费等，也包括车辆的登记、违章、行驶卡口记录、汽车消费等信息。保险企业进一步改进自身的数据积淀，开展外部数据交换采集，将使保险企业在社会和市场上取得更主动的地位。
参考文献：
[1]王和著《大数据时代保险变革研究》中国金融出版社，2014年9月，53-54.
[2]Kevin Kelly著 周峰、董理等译《必然》电子工业出版社，2016年1月，156-157.
[3]林杨《我国机动车辆保险效率分析-基于DEA模型方法》 金融经济，2013年5月.
[4]周卫东《论经营机动车辆保险的风险防范》保险研究，2004年3月.