当前位置:保险 > 正文
太平洋保险数字化能力建设应用案例

  一、对保险行业大数据趋势的理解

  金融领域在发展大数据的能力方面,其实有天然的优势,因为受行业的特性影响,金融领域有大量高价值的客户数据。在开展业务的过程中,其实对客户的身份、资产负债,以及他交易的数据都有一些典型的应用场景。大家通常把金融大数据的应用领域分为四个方面,这是比较常见的一种分法。

  一是客户数据的挖掘,是一些基础,主要是客户的画像、分群,为后面业务场景做准备。

  二是营销,个性化推荐。基于客户的生命周期进行一些合适产品的推荐营销和销售。

  三是对银行或者保险来说很重要的是风险管控,风险是一个非常重要的大数据应用领域,无论是在贷前信用的评估还是贷后的追偿都有广阔的应用场景。

  四在运营方面,包括客户体验,数字化终端的体验,包括各个渠道之间的对比分析。

  在发展大数据能力方面,银行是一个领军者。

  银行各个主要的业务版块,无论是个人零售的银行还是公司银行,还是针对资产管理和财富管理等方面,都有很多用大数据应用的地方,主要是通过深入了解客户的一些特征来挖掘客户的针对性价值主张,包括来提升银行本身的风险管理能力。

  对于个人信贷来说,这是一个相对比较成熟的大数据应用场景,通过个人的信息,持卡的一些信息,他家庭的情况,以及他正在发生交易的行为模式,通过一些规则引擎来发现其中的一些风险点,或者一些欺诈的可能。其实大数据的技术无非就是在这些成千上万的弱变量中找到中间的关系,能够找到影响我们来判断客户好坏的强变量的过程,所以来更加精准综合的评估个人的信用。大数据在银行领域比保险要更靠前一点,走得更早更远一些。

  大数据的保险行业应用相对来说用的比较多是精准营销,主要是基于保险购买的行为,包括理赔的行为,以及互联网行为的一些画像来做一些,反映出他的人生阶段,他的家庭情况、经济能力、风险水平、风险偏好等等,做精准化的营销,就是合适的渠道、合适的人在合适的时间推荐合适的产品,以提升保险活动的响应率,以及缩减营销的成本和提升保单的人均消费,同时还要改善数字化终端的客户体验。

  2015年中国保险业协会向19家保险公司做调研,主要结果是大数据对保险公司的影响有两个层面:演化和突变。这对其他行业也是类似的,对保险行业是对保险价值链的升级和改造,在改良方面:常见的就是一些精准营销,流失客户的一些预警,这是传统的一些通过大数据做改良的手法。另外要改革,就是要突破所谓行业的边界,创新新的业务模式,比如车联网、智能家居都将影响产险、家财险在这些领域的产品定价和销售模式。

  说到大数据,就不能不说人工智能。

  人工智能在这几年非常的火,对于保险行业来说,人工智能的冲击力是相当大的,尤其是越往后,甚至有些颠覆性的影响,保险公司对人工智能的研究,或者说未来人工智能对保险业的影响判断是深深的危机感。

  一般对于寿险和健康险来说,要培养一个比较优秀的理财审核员非常长的时间,因为需要保险的知识,同时还要有丰富医学方面的知识,健康险的核赔非常复杂,因为很多疾病是非常多样的,需要从这个疾病跟保险的条款之中最后来确认,到底应该赔多少,这是非常有专业性,非常靠经验的过程,人工智能在这方面做了替代。

  最近在车险方面,国内蚂蚁金服推出了定损保,通过图象的识别加上深度学习的能力替代人工的定损,这样能够提速整个过程。因为本来可能需要一天或者几天时间,现在只要几秒钟就能完成。人工智能对于保险行业的触动非常大。人工智能我觉得是跟大数据密不可分的,非要给一个等式,我觉得对于大数据加上强大的计算能力就是人工智能。既然今天的课题主要是聚焦在大数据,我还是回到大数据的主题。

  二、全球保险业在大数据应用领域的成功案例

  全球保险业在大数据应用领域有很多成功的案例,这里面我们看到,虽然例子很多,但其实它都聚焦在两个环节,也就是客户跟保险公司接触最紧密的两个环节,一个在承保的环节,一个是理赔的环节。

  因为客户,对保险公司来说,大数据对保险公司有一点尴尬的在于客户跟保险公司接触的频率不多,不像银行、券商,很多只有在投保、理赔的时候找我们,中间我们的交互是没有的。所以我们很多的应用聚焦在这两个客户关键旅程上,虽然客户从他获取信息到投保中间的理赔、投诉等等,会有9到10个我们认为的关键旅程,承保和理赔是最关键的环节,所以大数据方面的应用聚焦在这两个领域。

  对于国内来说,随着车险的费率市场化的改革,越来越多的保险公司都在尝试车险差异化定价的模型。

  原来在国内的车险更多从车的因素,也就是车的车价、车牌、年数等,对你车险的定价进行计算,人的因素比较少。对于大数据在车险定价,基于使用场景来说,更多不仅看车,同时还看人,还要看车经常开的路,从车、人、路三个角度来进行全方位的数据分析和挖掘、定价。

  从客户驾驶的行为、你的习惯、偏好、思维模式、行为模式建立以人为主的定价模型。平安联合众安,推出了新型车险,主要通过跟车联网公司O2O的合作,基于客户的行为,基于客户互联网的行为,进行车险的定价和服务的推送。

  保险公司加上车联网的公司通过线上线下高度融合,同时根据互联网数据和客户行为数据进行多因子的定价,进行这方面的尝试。但随着未来无人驾驶逐渐进入平常百姓家,从人的因素又被改变,接下来从车、路,更多从算法,不同无人驾驶的算法进行定价,对保险公司的精算大数据不断提出新的挑战课题。

  三、太平洋保险的大数据建设思路

  对于太平洋保险在大数据建设方面我自己总结了一下顶层设计的思路,太平洋保险过去五年我们致力于以客户需求为导向的转型。过去保险更多以产品为主,无论你是谁都卖一个产品。接下来如何进行个性化的产品定价和产品推荐,一直是我们致力于改变、努力的方向。

  从今年开始太平洋保险推动数字太保的建设,从数字的体验、供给、生态方面。数字体验就是直达、简单。在数字供给方面,我们希望从产品的需求,到销售服务实现前后台的融合和端到端交互的数字化体验再造。在生态方面,我们是希望能够培养数字化的思维,加强数字化的决策。

  因为大数据就是要找到应用场景,找到需求,同时要管控风险。我们对大数据在应用方面其实是五块分布,基础就是客户数据的洞见分析,另外对于产品的创新。另外两个,一个是销售,一个是运营,最后是风险管控,所以我们应用创新的试点探索也是基于这五个方向展开的。

  第一、在洞见客户需求方面,我们是希望通过整合客户数据来源,我们建立集团统一的客户数据,客户的视图,利用大数据分析、感知,客户的全方位需求加深对客户的了解,这是非常基础的工作。

  第二、是产品的创新,保险基于大数法则,原来更多是基于一些生命周期表,一些精算的模型来对人的寿险产品进行定价,越来越多现在要基于客户的价值和风险的维度在不断的扩充,我刚才说的人工智能之后,很多的因子在以前已经变得不重要,或者已经没有用了。

  第三、新的计算模型要加入更多的客户价值和风险的因子,这一块也是我们很重要的一个领域,如何来优化产品的定价模型,提升产品的竞争力,另外提升销售的产能。通过大数据平台的分析,预测客户在不同阶段的保险需求,而且不能只针对个人,更多还要从家庭的情况进行分析。原来我们更多是通过一些经验,通过营销员对客户的了解,更多我们要变成以客户为维度,大数据支撑的模式转变。

  第四、运营效率集中在两个点,一个是承保,一个是理赔,如何提升运营的效率。通过数据分析发现,一个客户当有过理赔的时候,尤其是有过车险人伤理赔之后,在一个月之内跟他谈人寿保险是非常有效的。

  第五、就是风险的管控,因为保险本身就是来管理风险的,来提升保障的。对我们自身管理的风险管控是重中之重的工作,通过数据的挖掘和智能的监控数据,我们希望形成从规则、指标到模型或者算法三位一体的监控模式。

  四、太平洋保险大数据应用案例

  第一个是客户的寿险ATM,主要是针对市场企划或者营销人员的操作平台。太保有亿级的保单和客户,当他要做客户的企划、营销分析的时候,无论是战略层面分析都是非常困难的。原来做一个分析要周、月,通过客户数据ATM我们将客户建立多层多维度的模型和标签,利用大数据的全文检索,完成标签的批量生成、索引建立以及实时查询的功能,从原来的周进入秒时代。这是16年6月份上线的,通过半年的时间已经产生的保费超过18亿,是有重要意义的大数据产品,同时也获得了保险金融信息化优秀案例一等奖。为什么叫ATM,我们想拿数据就像银行取钱一样简单,不是通过那么漫长的过程,这是它名字的来源。

  另外一个是加保指数模型,对于寿险来说,保险的深度和广度都还远远不足,现在对于中国人来说,人均1张保单多一点,对于我们一个人,人生阶段需要至少9张保单。加保对保险公司来说是非常重要的课题,如何通过有效的资源来发现优秀的,或者优质的客户来提升加保率,有的方法虽然简单,像逻辑回归模型也能够达到比较好的效果。我们通过对于客户未来加保率星级的评估来提升营销员拜访的成功率。

  对于车险来说,整个车险行业赔付率非常高,车险综合成本率在整个行业都是共同面临的难题,因为车出险的频率非常高,如何来预测客户在未来一年内的赔付次数、金额,或者说他的频率,这也是摆在我们对于车险这样一个很重要的话题。我们通过广义线性模型,我们进行了客户的分群,将客户分为高风险的和低风险的,同时我们又配合客户流失预测的模型来针对进行差异化的营销和服务。也就是说将我们的高价值、出险概率低的客户,我们要给他提供更好的服务,对于那些价值情况差,容易出险的客户拒保,这也是车险风险模型的应用。

  太保有80万左右的营销员,每年营销员的进和出量非常大,这是一个行业的特点。如何用大数据找到合适的营销员,或者找到未来能够作为优秀营销员的苗子,同时我们还要用比较小的代价,我们做了一个“慧眼”大数据的模型。通过打分,这里面两个模型,一个是留存,什么样的营销员是优秀的首先有个定义,另外一个是评分。我们通过问卷的形式对全司入职的营销员进行验证,或者说在他入职的时候,我们筛选出未来比较优秀的,可能存在优秀潜质的营销员。从15年4月份开始已经超过300万人通过测评,从中找到非常好的营销员,数据非常大,同时也是不断调整和提升模型,不断提升成功率。

  我们是国资的保险公司,审计对我们来说是非常重要的环节,我们有41家分公司分布在全国各地。如何通过远程的审计提升效率,把有限的审计人员能够事先及时的发现问题,我们也建立数据内审的大数据平台,取得不错的效果。另外是风险合规,我们是通过对风险进行拉网式的监控,通过4层过滤网发现可疑的虚假赔案,或者疑点赔案,这样的案件和人员,也起到了非常巨大的威慑作用。

(文章根据会议演讲整理,略有删减)

相关链接:

作者: 来源:畅享网 发布时间:2018-02-06 09:10:08
 
 
  我要发表留言  查看所有评论
 

*
 限制字数显示剩余字数,最大长度: 500 还剩: 500
用户名:
       尊重网上道德,承担一切因您的行为而直接或间接导致的民事或刑事法律责任