大資料…大資料…現如今，人們總是在各種地方以各種方式提到這個詞。然而，萬能的大資料對保險行業究竟有什麼用呢？想象一下：你在無邊無際的資料中挑揀，搜尋并整理你所需要的資訊。這些資料可能來自于保險理算員手寫的筆記、保險欺詐清單、理賠管理系統以及nicb（national insurance crime bureau，國家保險犯罪局）的龐大的資料庫。你真的能夠充分利用這些資料嗎？
在堆積成山的保險理賠中，理算員不可能有時間和精力去對每一個理賠查閱上面提到的所有資料。這樣，他便很有可能遺漏某些重要資訊，進而無法做出最優的判斷。事實上，理算員在很大程度上是根據自己的經驗、直覺以及手頭有限的資訊對各個理賠申請做出結論的。
正因為如此，大資料分析技術在保險行業中的地位便越來越重要。與傳統保險理算一起，大資料分析可以通過分析，将需要仔細分析、提前處理之類的理賠申請标記出來。
這裡，大資料分析可以從六個方面充分展現自己的價值：
欺詐：有十分之一的理賠申請存在欺詐的成分。那麼，如何在巨額賠付生效前發現這些欺詐行為呢？市場上，針對欺詐行為的解決方案多數是基于政策的，然而不幸的是，欺詐者想要繞過這些政策，甚至利用這些政策中的漏洞，實在是太容易了。但是，預測分析（predictive analysis）理論則可以通過對政策、模型、文本挖掘、資料庫以及異常報告的綜合應用，在理賠申請的各個環節更快、更有效地甄别欺詐行為。
代位求償權（subrogation）：保險公司大部分能夠申請代位求償的機會都因為那龐大的資料量而憑白喪失了。申請代位求償的資料往往能夠從警方的記錄、理算員的筆記以及醫療記錄中找到。文本分析方法能夠在這些淩亂的資料中搜尋并找出與案例有關的相應章節。通過更早的抓住申請代位求償的機會，保險公司能夠讓自己的損失最大程度上地收回。
賠付：為了降低成本并且保證公平性，保險公司往往采取類似快捷賠付的方式即時對賠付申請進行賠付。但是，對于所有的申請都選擇“随申随賠”很可能會導緻保險公司賠錢過多。當一個保險公司見識到某些自然災害後如潮水湧出的房屋損壞險賠付時，他便會對即時賠付方式産生的問題深有體會。通過分析理賠申請以及理賠申請的曆史記錄，保險公司可以優化即時賠付的限額。大資料分析同時還可以将理賠的審理周期縮短、提升客戶滿意度并且降低人工成本。同時，這樣的分析還可以應用于如租車險等類似的險種，有效降低成本。
賠款準備金：當一個理賠申請遞交時，保險公司根本無法預測這個理賠的金額以及處理時間。但是，準确的賠款準備金以及理賠預期則是必須的，特别是針對那些長線賠付案例，例如債務和工傷賠償。大資料分析可以通過與類似賠付案例比較，精确地計算損失準備金。在這個賠付案例的資料更新之後，保險公司可以對損失準備金進行重新評估，用于對今後類似的索賠案件進行分析。
配置設定：在理想情況下，保險公司應當讓最有經驗的理算員處理最複雜、最棘手的理賠申請。但是，理賠申請的初期評估是根據有限資料進行的，這便導緻了保險理賠的高重評估率，延長了賠付審理的時間，降低客戶滿意度。資料挖掘技術可以通過對損失的類型進行分類，并對各個理賠申請進行評分，進而将申請派發給最合适的理算員。在某些特殊情況下，理賠申請甚至可以被自動處理并賠付。
訴訟：保險公司的損失調用費用比率（loss adjustment expense ratio）中的很大一部分都被用在了對争議賠付的訴訟之中。保險公司可以通過大資料分析方法計算一個訴訟傾向評分，進而猜測哪些理賠申請最容易進入訴訟流程。對于那些最容易進入訴訟流程的理賠案件，保險公司可以派更加資深的理算員對其進行處理，進而保證公司能夠以最低的價格最快地對這些申請進行賠付。是以，究竟是為什麼要讓大資料分析進入到保險公司的理賠處理流程之中呢？是因為當保險逐漸變成商品的時候，保險公司便更加需要将自己與同行業的競争對手區分開來。通過對理賠進行中的各個環節加入大資料分析，投資的收益将會随着成本的降低而顯著增加。要知道，對于一個總資産十億美元的保險公司來說，每降低1%的賠付率最終給公司帶來的直接收益将高達七百萬美元。
原文釋出時間為：2015-05-27
本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“bigdatadigest”微信公衆号