太平洋保險數字化能力建設中心副總經理沙新：太平洋保險行業資料應用

8月29日，上海國資大資料課題啟動儀式暨資料資産技術及金融行業應用沙龍在華東理工大學隆重召開。本次沙龍在上海市國有資産監督管理委員會、上海市經濟和資訊化委員會、上海市科學技術委員會的指導下，由上海市國有資産資訊中心、華東理工大學金融大資料研究中心、上海計算機軟體技術開發中心聯合主辦，暢享網作為媒體支援，有逾200位專家、學者、企業代表等彙聚一堂，共同探讨國資大資料的應用發展。

本文為太平洋保險數字化能力建設中心副總經理沙新所做的主題分享《太平洋保險行業資料應用》，由暢享網整理。

對保險行業大資料趨勢的了解

金融領域在發展大資料的能力方面，其實有天然的優勢，因為受行業的特性影響，金融領域有大量高價值的客戶資料。在開展業務的過程中，其實對客戶的身份、資産負債，以及他交易的資料都有一些典型的應用場景。大家通常把金融大資料的應用領域分為四個方面，這是比較常見的一種分法。

一是客戶資料的挖掘，是一些基礎，主要是客戶的畫像、分群，為後面業務場景做準備。

二是營銷，個性化推薦。基于客戶的生命周期進行一些合适産品的推薦營銷和銷售。

三是對銀行或者保險來說很重要的是風險管控，風險是一個非常重要的大資料應用領域，無論是在貸前信用的評估還是貸後的追償都有廣闊的應用場景。

四在營運方面，包括客戶體驗，數字化終端的體驗，包括各個管道之間的對比分析。

在發展大資料能力方面，銀行是一個領軍者。銀行各個主要的業務版塊，無論是個人零售的銀行還是公司銀行，還是針對資産管理和财富管理等方面，都有很多用大資料應用的地方，主要是通過深入了解客戶的一些特征來挖掘客戶的針對性價值主張，包括來提升銀行本身的風險管理能力。對于個人信貸來說，這是一個相對比較成熟的大資料應用場景，通過個人的資訊，持卡的一些資訊，他家庭的情況，以及他正在發生交易的行為模式，通過一些規則引擎來發現其中的一些風險點，或者一些欺詐的可能。其實大資料的技術無非就是在這些成千上萬的弱變量中找到中間的關系，能夠找到影響我們來判斷客戶好壞的強變量的過程，是以來更加精準綜合的評估個人的信用。大資料在銀行領域比保險要更靠前一點，走得更早更遠一些。

對于保險行業來說，保險行業的動作稍顯遲疑，剛才也提到了Gartner對于數字技術在保險行業的分析，這是2016年的一個圖，我們縱向看它是一個所謂的曝光度，叫炒作度也可以。所謂技術的成熟度曲線，縱坐标是曝光的程度，橫坐标是技術在未來成熟所需要的時間。通常是這樣一個曲線，剛開始處于起初炒作到瘋狂炒作的頂點，接下來會有泡沫破碎期，接下來才會有逐漸赢回信任和生産的過程。大資料的保險行業應用相對來說用的比較多是精準營銷，主要是基于保險購買的行為，包括理賠的行為，以及網際網路行為的一些畫像來做一些，反映出他的人生階段，他的家庭情況、經濟能力、風險水準、風險偏好等等，做精準化的營銷，就是合适的管道、合适的人在合适的時間推薦合适的産品，以提升保險活動的響應率，以及縮減營銷的成本和提升保單的人均消費，同時還要改善數字化終端的客戶體驗。

2015年中國保險業協會向19家保險公司做調研，主要結果是大資料對保險公司的影響有兩個層面：演化和突變。這對其他行業也是類似的，對保險行業是對保險價值鍊的更新和改造，在改良方面：常見的就是一些精準營銷，流失客戶的一些預警，這是傳統的一些通過大資料做改良的手法。另外要改革，就是要突破所謂行業的邊界，創新新的業務模式，比如車聯網、智能家居都将影響産險、家财險在這些領域的産品定價和銷售模式。

說到大資料，就不能不說人工智能，人工智能在這幾年非常的火，對于保險行業來說，人工智能的沖擊力是相當大的，尤其是越往後，甚至有些颠覆性的影響，保險公司對人工智能的研究，或者說未來人工智能對保險業的影響判斷是深深的危機感。比如在2017年1月份日本的一家壽險巨頭用人工智能替代一部分理賠稽核理算的環節，由于人工智能的引入，可以替代前一個人的一大部分，将省掉将近一個人，這樣造成的後果就是，不光是提升了理賠的時效，同樣是節約了成本，他們家裁掉30%做理賠的部門員工。一般對于壽險和健康險來說，要培養一個比較優秀的理财稽核員非常長的時間，因為需要保險的知識，同時還要有豐富醫學方面的知識，健康險的核賠非常複雜，因為很多疾病是非常多樣的，需要從這個疾病跟保險的條款之中最後來确認，到底應該賠多少，這是非常有專業性，非常靠經驗的過程，人工智能在這方面做了替代。

最近在車險方面，國内螞蟻金服推出了定損保，通過圖象的識别加上深度學習的能力替代人工的定損，這樣能夠提速整個過程。因為本來可能需要一天或者幾天時間，現在隻要幾秒鐘就能完成。人工智能對于保險行業的觸動非常大。人工智能我覺得是跟大資料密不可分的，非要給一個等式，我覺得對于大資料加上強大的計算能力就是人工智能。既然今天的課題主要是聚焦在大資料，我還是回到大資料的主題。

全球保險業在大資料應用領域的成功案例

全球保險業在大資料應用領域有很多成功的案例，這裡面我們看到，雖然例子很多，但其實它都聚焦在兩個環節，也就是客戶跟保險公司接觸最緊密的兩個環節，一個在承保的環節，一個是理賠的環節。因為客戶，對保險公司來說，大資料對保險公司有一點尴尬的在于客戶跟保險公司接觸的頻率不多，不像銀行、券商，很多隻有在投保、理賠的時候找我們，中間我們的互動是沒有的。是以我們很多的應用聚焦在這兩個客戶關鍵旅程上，雖然客戶從他擷取資訊到投保中間的理賠、投訴等等，會有9到10個我們認為的關鍵旅程，承保和理賠是最關鍵的環節，是以大資料方面的應用聚焦在這兩個領域。

舉其中一個例子，英傑華是英國最大的保險公司，有300年的曆史，在全球也排第五。他有很多成功的案例，他在客戶資料360度上的應用，從客戶挽留，我們常用的客戶流失預警，客戶的反欺詐，客戶的投訴，如何通過更多的行為軌迹和這種模式了解客戶投訴的本質包括預判，也是保險銷售非常關鍵的環節，交叉銷售對于保險公司來說是非常重要的領域。他通過客戶的線上線下的資料，從郵件、網站、門店、電話中心、管道合作，以及在網上的一些互動日志把它彙聚到一起，還原客戶在他的行為軌迹，通過大資料的模式進行提前的行動，主要用于銷售和防欺詐方面取得了不錯的效果。

對于國内來說，随着車險的費率市場化的改革，越來越多的保險公司都在嘗試車險差異化定價的模型。原來在國内的車險更多從車的因素，也就是車的車價、車牌、年數等，對你車險的定價進行計算，人的因素比較少。對于大資料在車險定價，基于使用場景來說，更多不僅看車，同時還看人，還要看車經常開的路，從車、人、路三個角度來進行全方位的資料分析和挖掘、定價。從客戶駕駛的行為、你的習慣、偏好、思維模式、行為模式建立以人為主的定價模型。平安聯合衆安，推出了新型車險，主要通過跟車聯網公司O2O的合作，基于客戶的行為，基于客戶網際網路的行為，進行車險的定價和服務的推送。保險公司加上車聯網的公司通過線上線下高度融合，同時根據網際網路資料和客戶行為資料進行多因子的定價，進行這方面的嘗試。但随着未來無人駕駛逐漸進入平常百姓家，從人的因素又被改變，接下來從車、路，更多從算法，不同無人駕駛的算法進行定價，對保險公司的精算大資料不斷提出新的挑戰課題。

太平洋保險的大資料建設思路

對于太平洋保險在大資料建設方面我自己總結了一下頂層設計的思路，太平洋保險過去五年我們緻力于以客戶需求為導向的轉型。過去保險更多以産品為主，無論你是誰都賣一個産品。接下來如何進行個性化的産品定價和産品推薦，一直是我們緻力于改變、努力的方向。從今年開始太平洋保險推動數字太保的建設，從數字的體驗、供給、生态方面。數字型驗就是直達、簡單。在數字供給方面，我們希望從産品的需求，到銷售服務實作前背景的融合和端到端互動的數字化體驗再造。在生态方面，我們是希望能夠培養數字化的思維，加強數字化的決策。因為我們太保一共有6個專業資公司，産險、壽險、資産管理、健康、農險等等，我們有10萬的員工，有80萬左右的營銷員，這裡面是個龐大的隊伍，如何來進行內建和協同，是我們集團很重要的一個課題。這幾年我們也一直在建設太保的大資料平台，從應用到探索的平台建設。以及能夠在應用之上的多種應用平台，後面會有案例跟大家做一些分享。

回到前面，對于集團的，因為大資料就是要找到應用場景，找到需求，同時要管控風險。我們對大資料在應用方面其實是五塊分布，基礎就是客戶資料的洞見分析，另外對于産品的創新。另外兩個，一個是銷售，一個是營運，最後是風險管控，是以我們應用創新的試點探索也是基于這五個方向展開的。

第一、在洞見客戶需求方面，我們是希望通過整合客戶資料來源，我們建立集團統一的客戶資料，客戶的視圖，利用大資料分析、感覺，客戶的全方位需求加深對客戶的了解，這是非常基礎的工作。

第二、是産品的創新，保險基于大數法則，原來更多是基于一

本文出處：暢享網

本文來自雲栖社群合作夥伴暢享網，了解相關資訊可以關注vsharing.com網站。