商业保险的大数据应用调查 金融业23%的人将被AI取代

“数字化、大数据将是行业发展的关键词，技术趋势正在不断深入影响保险的价值链。”安联全球企业及特殊风险公司董事会成员兼首席运营官Bettina Dietsche日前接受记者专访时表示。

科技的赋能快速而深刻地改变保险行业，保监会原副主席周延礼曾多次强调科技对于保险行业的重要性。他认为：科技是保险业转型发展的核心竞争力。当前，经济发展进入新常态，保险业高投入、高速度的粗放式增长已经难以为继，保险科技将成为今后保险业转型发展的核心竞争力。而从保险科技对保险业的影响看，大数据是核心资源，掌握大数据就掌握了客户、掌握了产品开发，就可以赢得市场。

三大应用：营销、风控、增值业务

目前，大数据在保险行业已得到了较为广泛的应用，慧择保险网用户价值管理总监彭旎旎在接受21世纪经济报道记者采访时表示，大数据在保险领域的应用主要集中在三个方面：精准营销，风险控制以及增值业务开发。

精准营销，即运用大数据相关的分析挖掘手段，识别及预测用户的潜在需求和消费过程的痛点，在此基础上精准推荐甚至定制适合不同类型用户的保险组合方案，从而帮助用户以更少的成本、精力和沟通成本选择到好的保险产品，同时也提高了公司自身的运作效率。目前多见于拥有上亿级别用户的互联网保险公司。

其次，风险控制包括基于保险业务相关历史数据的风险规避，以及核保中的反欺诈与图像识别。大数据不仅能快速便捷地让用户作出投保决策，同时也能有效识别“羊毛党”或不良动机用户，降低逆选择及恶意骗保给保险公司带来的风险。

增值业务开发主要是指基于用户行为数据设计更加关注用户全生命周期价值的保险产品。

Bettina也认为大数据对于未来的保险行业至关重要。她判断未来的保险蓝图是：数据主导的风险分析及外部数据的使用，将极大改变核保方式；理赔处理将依赖数字化工具和预测性分析，某些产品甚至能靠物联网工具及数据加工直接报案；集成数据架构及数字化支持工具也将彻底代替大部分重复性的手工任务，并提供全面的洞察以帮助决策。

Bettina判断随着大数据、人工智能等科技手段的广泛应用，将使企业的人力现状出现大幅改变，其中16%的岗位将为人工智能取代，具体到金融行业，这个数字则上升到23%。

“比如核保和理赔人员。过去核保和理赔工作很多都是以纸张为主，靠收集数据而不是翻译数据，大部分都是手工操作，所使用的工具多是孤立的，而非互联的。随着新技术未来在理赔与核保领域的运用，这个情况将有所改变。我们可以利用数据进行预测性建模，自动化流程。最终意味着工作方式将有所变化。

三个风险：数据不全、频次低、安全隐患

大数据在车险领域的应用最为彻底。众诚保险的相关负责人在接受21世纪经济报道记者采访时就表示：早在2016年众诚就与广汽研究院及三方车联网数据公司达成合作共识，致力于共同探讨利用大数据技术，通过车主驾驶行为数据收集与分析，致力于费率因子研究。

目前，广汽传祺所有车型高配版及新能源车型在出厂前均装载TBOX车联网设备，一方面有利于优化车主的用车体验，另一方面也有利于对车况和驾驶行为数据进行采集。后续众诚保险将从客户的驾驶习惯、驾驶经验和风险取向等角度深入研究精准分析车辆使用中与人相关的风险因子，制订更精准合理的费率和风险管理方案，同时推动积极研发基于车主驾驶行为定价的UBI产品等，为客户打造更个性化、更科学的用车风险管理方案。

“基于大数据分析出的保险，一是可以避免一刀切，一些驾驶行为或者习惯好且车况好的车主可以减少保险费用；另一方面也可以帮保险公司甄选优质客户。”华南一家保险公司的负责人表示。

平安产险去年末也在今年初首推车险信任赔服务，通过人工智能和大数据计算，为“安全驾驶”的车主提供车险理赔信任额度，客户可在额度内自主理赔，减少保险公司的人工干预。

平安财险副总经理兼首席运营官朱友刚接受21世纪经济报道记者专访时表示：“传统的理赔模式基于风险审核，包括查勘、定损、核赔、复勘、收单等流程，单个案件平均产生5.18个人工作业流程，需要与客户反复沟通8次左右。信任赔则是结合平安产险4300万车主大数据，搭建智能理赔信用模型，同时借助图片定损、OCR文字识别、生物识别等技术，为每位客户配置理赔信任额度，额度内的理赔款，由客户自主操作赔付，全程将不再产生理赔人工审核作业，将客户在理赔中的繁琐缩减为零。”

而理赔的根据则是大数据。朱友刚表示，“开车时打开好车主APP，驾驶习惯就会被记录下来，包括车主的转弯、刹车、变道、加速等一系列动作形成的数据，生成车主的驾驶行为模型。平安财险再根据模型给车主评分，即形成相应的信用额度。”

虽然互联网技术的发展，给传统思维下的风险防控带来了巨大的挑战，但任何新技术的进步都是双刃剑。

一家中型保险公司的IT负责人表示：首先，是数据不全。从保险的数据现状来看，虽然不少公司都经历了二十多年的发展，也积累了不少数据，但是由于业务重心的问题，数据质量并不高，难以直接加工使用。其次，数据频次较低，不少险种一年才发生一次，难以提炼富有价值的信息。

此外即使数据库足够丰富，是否有有效的IT技术进行建模，如对客户进行精准的画像，以进行产品营销、持续营销，以及后续费服务等等。

第三，大数据分析过程中，要特别注意数据安全和客户信息的保密管理。