论文部分内容阅读
摘 要：随着大数据技术的发展，越来越多的保险企业和保险中介等开始使用数据经营，利用大数据帮助重塑组织架构、改造业务和管理流程、提高运营效率、提升风险管控水平、分析市场、找准目标客户、开发产品、降低成本，从而达到事半功倍的效果。本文将分析大数据背景下，保险行业发展所面临的新的形势以及发展的趋势。
关键词：大数据 保险 发展趋势
一、大数据在保险行业中的应用
大数据技术已经深入应用在保险行业的各个环节，主要应用有以下几点：
1、“大数据+人工智能”全面助力保险业务各个环节
从一张保单的生命周期来看，投保、核保、运营、理赔等几个环节都与大数据和人工智能密不可分。
关于投保，随着社会的发展、技术的进步，投保的方式越来越注重便捷和效率，网上的投保和支付比重越来越大。而在互联网上存在大量的黑客恶意攻击、盗卡盗刷、薅羊毛等欺诈风险，如果对这些风险不加以防范，保险公司的系统就有可能遭到攻击瘫痪、客户账户资金受到损失，客户信息遭到泄露，保险公司营销成本被一扫而空，这种情况下对保险公司的技术要求、安全要求也就越来越高。
互联网的黑产呈现的特点是专业化、全网流窜化、传播高速化。为了防范这些黑产的攻击，第一需要专业的技术工具，比如像设备指纹、IP画像、机器行为识别；第二是建立联防联控的机制；第三是搭建风险模型。
其次是核保，此阶段需要对投保人的不良信息进行筛查，对有过欺诈或失信行为的人加以拒保。另外可以训练风险定价模型，对于高风险客户通过提高保费增加欺诈或逆选择客户的成本。
对于运营，这个阶段会存在客户回访的环节，如果用传统的人工拨打电话的方式，成本太高，可以通过智能语音外呼的方式，根据客户的不同情况以及不同的手机在网状态选择拨打方式及话术。
最后是理赔，这个阶段涉及标的（车、房、企业、货物等）状况，案件所涉及的相关人员的信用状况、经济状况、行为偏好、位置轨迹、关系图谱等方方面面的信息。单纯的公司内部数据已经无法满足车险反欺诈的要求，所以必须要对行业内、外部数据做融合，结合这些数据再进行模型训练，通过模型的方式筛查出疑似欺诈的高风险案件，再进行重点审核和调查。
2、大数据智能风控在多种保险业务的应用
车险反欺诈是一个老话题，以前的小剐小蹭随着费率改革报案量越来越少，但理赔渗漏或大额案件欺诈行为仍然是车险的一大顽疾。针对这类问题，从理赔层面可以使用复杂网络的技术来做理赔反作弊分析，将案件相关人员之间的相互勾结进行筛查。另外，还可以将事后调查升级为事前防控，在核保阶段就对一些高风险业务进行一些筛查，一旦发现这笔业务的相关人员涉嫌网络欺诈、失信等行为将按照核保规则将其拒保。
在车险定价方面，在从车的因子的基础上还可以增加从人、从驾驶行为、从位置轨迹的定价因子，做更加精准的定价。在车险市场回归理性的过程中，真正差别化、精准的定价必将成为一个趋势，大数据分析可以发挥的作用会越来越大。
最后是寿险，虽然当前理财型产品的发展受到一些控制，但这部分业务仍然处于较快发展过程中。其实，之所以要对理财型产品进行控制，主要也是为了让客户的实际需求和理财类产品不同的风险状况得到更好的匹配，否则会积累大量的投资风险，对金融稳定性造成不良影响。为此，我们对理财型产品的营销需要做到精准化，而不是通过过度推销积累风险。
3、精准营销及客户画像应用
要进行精准化的营销，首先要对客户做一个多维度、全息的画像。通过对客户的收入状况、行为偏好、风险偏好、风险承受能力等维度的分析，给客户推荐更适合的寿险理财型产品。其次，由于寿险产品相对复杂，从客户最初接触到最终成单往往需要不断得沟通，如何提高沟通效率并且降低成本是我们需要考虑的重要问题，在沟通方式上，可以采取智能外呼、智能投顾机器人的方式，提高效率且降低成本的同时，还能避免人工情绪化的弱点，降低服务门槛。
二、保险行业在大数据及人工智能背景下的发展建议
对于保险行业来讲，从大数据和人工智能两个方面需要关注两个融合，首先是行业的融合，其次是数据的融合。行业的融合具体指，怎么能把保险行业跟大数据和人工智能行业实现有效的融合，这里对保险公司提出了一个挑战，我们怎么样能够利用大数据，以及人工智能的技术，来促进业务的增长。不管是从反欺诈风险防控方面，还是从精准营销获客方面，这对保险公司来说，在行业融合里都有很大的挑战。
1、大数据等科技型公司在保险行业做大数据和人工智能，需要对保险行业有极深的了解，即行业洞察，需要知道保险公司的發展战略是什么，他们的挑战是什么，他们的痛点在哪里；
2、有了行业的洞察之后，还要有针对行业的算法，大数据分析专家需要知道用什么样的模型算法来解决保险公司的问题；
3、数据，这个是实施大数据和人工智能的基础，有这样的数据之后，才能有相应的模型、算法来解决保险公司遇到的情况；
4、团队，实施大数据和人工智能，对团队要求的特质，主要是应对前面三方面挑战的能力，需要既能洞察行业及业务情况，又能利用大数据等技术手段解决行业的难点痛点的综合型的人才。
从整个保险行业来看有两个融合，一是行业的融合，也就是保险公司跟大数据、人工智能创业公司的融合；二是数据的融合，保险公司内部对外部的数据，以及创业公司数据的融合。
三、总结
大数据以及人工智能行业帮助保险公司业务发展前景非常广阔，抓住黄金机遇期成为保险公司实现突围的关键。同时，挑战与机遇并存，最大的挑战就是如何打破数据孤岛，这也是前面提到的行业融合及数据融合最关键的部分，也就是说如果大数据及人工智能能够驱动我们保险公司的发展，一定要打破公司与公司之间数据的孤岛，要打破保险行业跟其他行业之间的数据孤岛，一定要整合保险行业的整个行业资源，加上大数据和人工智能创业公司的模型、算法以及技术资源，实现数据和能力的整合，打破数据孤岛之后才能够真正实施大数据及人工智能战略，能够让保险公司借助所有行业的融合，以及创业公司的人才、技术等各方面的优势，促进整个业务的发展。
参考文献：
[1].蔡小玲. 大数据在保险行业财务管理中应用[J]. 金融经济， 2018（4）：160-161..
关键词：大数据 保险 发展趋势
一、大数据在保险行业中的应用
大数据技术已经深入应用在保险行业的各个环节，主要应用有以下几点：
1、“大数据+人工智能”全面助力保险业务各个环节
从一张保单的生命周期来看，投保、核保、运营、理赔等几个环节都与大数据和人工智能密不可分。
关于投保，随着社会的发展、技术的进步，投保的方式越来越注重便捷和效率，网上的投保和支付比重越来越大。而在互联网上存在大量的黑客恶意攻击、盗卡盗刷、薅羊毛等欺诈风险，如果对这些风险不加以防范，保险公司的系统就有可能遭到攻击瘫痪、客户账户资金受到损失，客户信息遭到泄露，保险公司营销成本被一扫而空，这种情况下对保险公司的技术要求、安全要求也就越来越高。
互联网的黑产呈现的特点是专业化、全网流窜化、传播高速化。为了防范这些黑产的攻击，第一需要专业的技术工具，比如像设备指纹、IP画像、机器行为识别；第二是建立联防联控的机制；第三是搭建风险模型。
其次是核保，此阶段需要对投保人的不良信息进行筛查，对有过欺诈或失信行为的人加以拒保。另外可以训练风险定价模型，对于高风险客户通过提高保费增加欺诈或逆选择客户的成本。
对于运营，这个阶段会存在客户回访的环节，如果用传统的人工拨打电话的方式，成本太高，可以通过智能语音外呼的方式，根据客户的不同情况以及不同的手机在网状态选择拨打方式及话术。
最后是理赔，这个阶段涉及标的（车、房、企业、货物等）状况，案件所涉及的相关人员的信用状况、经济状况、行为偏好、位置轨迹、关系图谱等方方面面的信息。单纯的公司内部数据已经无法满足车险反欺诈的要求，所以必须要对行业内、外部数据做融合，结合这些数据再进行模型训练，通过模型的方式筛查出疑似欺诈的高风险案件，再进行重点审核和调查。
2、大数据智能风控在多种保险业务的应用
车险反欺诈是一个老话题，以前的小剐小蹭随着费率改革报案量越来越少，但理赔渗漏或大额案件欺诈行为仍然是车险的一大顽疾。针对这类问题，从理赔层面可以使用复杂网络的技术来做理赔反作弊分析，将案件相关人员之间的相互勾结进行筛查。另外，还可以将事后调查升级为事前防控，在核保阶段就对一些高风险业务进行一些筛查，一旦发现这笔业务的相关人员涉嫌网络欺诈、失信等行为将按照核保规则将其拒保。
在车险定价方面，在从车的因子的基础上还可以增加从人、从驾驶行为、从位置轨迹的定价因子，做更加精准的定价。在车险市场回归理性的过程中，真正差别化、精准的定价必将成为一个趋势，大数据分析可以发挥的作用会越来越大。
最后是寿险，虽然当前理财型产品的发展受到一些控制，但这部分业务仍然处于较快发展过程中。其实，之所以要对理财型产品进行控制，主要也是为了让客户的实际需求和理财类产品不同的风险状况得到更好的匹配，否则会积累大量的投资风险，对金融稳定性造成不良影响。为此，我们对理财型产品的营销需要做到精准化，而不是通过过度推销积累风险。
3、精准营销及客户画像应用
要进行精准化的营销，首先要对客户做一个多维度、全息的画像。通过对客户的收入状况、行为偏好、风险偏好、风险承受能力等维度的分析，给客户推荐更适合的寿险理财型产品。其次，由于寿险产品相对复杂，从客户最初接触到最终成单往往需要不断得沟通，如何提高沟通效率并且降低成本是我们需要考虑的重要问题，在沟通方式上，可以采取智能外呼、智能投顾机器人的方式，提高效率且降低成本的同时，还能避免人工情绪化的弱点，降低服务门槛。
二、保险行业在大数据及人工智能背景下的发展建议
对于保险行业来讲，从大数据和人工智能两个方面需要关注两个融合，首先是行业的融合，其次是数据的融合。行业的融合具体指，怎么能把保险行业跟大数据和人工智能行业实现有效的融合，这里对保险公司提出了一个挑战，我们怎么样能够利用大数据，以及人工智能的技术，来促进业务的增长。不管是从反欺诈风险防控方面，还是从精准营销获客方面，这对保险公司来说，在行业融合里都有很大的挑战。
1、大数据等科技型公司在保险行业做大数据和人工智能，需要对保险行业有极深的了解，即行业洞察，需要知道保险公司的發展战略是什么，他们的挑战是什么，他们的痛点在哪里；
2、有了行业的洞察之后，还要有针对行业的算法，大数据分析专家需要知道用什么样的模型算法来解决保险公司的问题；
3、数据，这个是实施大数据和人工智能的基础，有这样的数据之后，才能有相应的模型、算法来解决保险公司遇到的情况；
4、团队，实施大数据和人工智能，对团队要求的特质，主要是应对前面三方面挑战的能力，需要既能洞察行业及业务情况，又能利用大数据等技术手段解决行业的难点痛点的综合型的人才。
从整个保险行业来看有两个融合，一是行业的融合，也就是保险公司跟大数据、人工智能创业公司的融合；二是数据的融合，保险公司内部对外部的数据，以及创业公司数据的融合。
三、总结
大数据以及人工智能行业帮助保险公司业务发展前景非常广阔，抓住黄金机遇期成为保险公司实现突围的关键。同时，挑战与机遇并存，最大的挑战就是如何打破数据孤岛，这也是前面提到的行业融合及数据融合最关键的部分，也就是说如果大数据及人工智能能够驱动我们保险公司的发展，一定要打破公司与公司之间数据的孤岛，要打破保险行业跟其他行业之间的数据孤岛，一定要整合保险行业的整个行业资源，加上大数据和人工智能创业公司的模型、算法以及技术资源，实现数据和能力的整合，打破数据孤岛之后才能够真正实施大数据及人工智能战略，能够让保险公司借助所有行业的融合，以及创业公司的人才、技术等各方面的优势，促进整个业务的发展。
参考文献：
[1].蔡小玲. 大数据在保险行业财务管理中应用[J]. 金融经济， 2018（4）：160-161..