前言:想要寫出一篇引人入勝的文章?我們特意為您整理了大數(shù)據(jù)與AI技術(shù)實(shí)現(xiàn)保險(xiǎn)精準(zhǔn)定價(jià)研究范文,希望能給你帶來靈感和參考,敬請閱讀。
摘要:介紹了保險(xiǎn)行業(yè)的大數(shù)據(jù)特征,對利用大數(shù)據(jù)與ai技術(shù)相結(jié)合實(shí)現(xiàn)對車險(xiǎn)、航延險(xiǎn)、健康險(xiǎn)、家財(cái)險(xiǎn)四類保險(xiǎn)的精準(zhǔn)定價(jià)進(jìn)行了研究,以期對保險(xiǎn)行業(yè)在精準(zhǔn)定價(jià)方面拋磚引玉,解決保險(xiǎn)行業(yè)保險(xiǎn)定價(jià)不準(zhǔn)的問題,保證保險(xiǎn)公司在正常收入的前提下最大化消費(fèi)者利益,以進(jìn)一步促進(jìn)保險(xiǎn)業(yè)的發(fā)展。
關(guān)鍵詞:大數(shù)據(jù);AI;保險(xiǎn);保險(xiǎn)定價(jià)
隨著社會的不斷發(fā)展,風(fēng)險(xiǎn)意識已經(jīng)深入人心,保險(xiǎn)成了保障人民生活的必需品。據(jù)中國銀行保險(xiǎn)監(jiān)督管理委員會的數(shù)據(jù)顯示,僅2020年3月份,全國財(cái)產(chǎn)險(xiǎn)保費(fèi)收入2962億元,壽險(xiǎn)保費(fèi)收入10798億元,意外險(xiǎn)保費(fèi)收入295億元,健康險(xiǎn)保費(fèi)收入2641億元,合計(jì)16695億元?,F(xiàn)有保險(xiǎn)控股公司10家、財(cái)產(chǎn)保險(xiǎn)公司60家、人壽保險(xiǎn)公司71家、再保險(xiǎn)公司8家、資產(chǎn)管理公司11家,全國做過保險(xiǎn)人的人員數(shù)量超5000萬。面對如此龐大的市場規(guī)模及行業(yè)競爭,誰將是保險(xiǎn)行業(yè)的下一個(gè)“獨(dú)角獸”,保費(fèi)的精準(zhǔn)化定價(jià)將是市場競爭核心價(jià)值的體現(xiàn)。保險(xiǎn)定價(jià)在保險(xiǎn)行業(yè)中是一個(gè)相當(dāng)復(fù)雜而重要的過程,傳統(tǒng)中保險(xiǎn)價(jià)格都是由“成本加成”的方法確定的,即對風(fēng)險(xiǎn)溢價(jià)的精算評估,包含直接成本、間接成本以及利潤增值。但此定價(jià)方式的弊端也尤為明顯:①定價(jià)周期過長,投入人力成本很高;②定價(jià)方式不夠靈活,對于所有客戶實(shí)行統(tǒng)一定價(jià);③風(fēng)險(xiǎn)識別能力低,致使賠付率升高。無論定價(jià)是過高還是過低,其最終結(jié)果都是一樣的:影響保險(xiǎn)公司收入,導(dǎo)致利潤下降甚至虧損。如何實(shí)現(xiàn)保險(xiǎn)的精準(zhǔn)定價(jià),既能以較低的價(jià)格吸引優(yōu)質(zhì)客戶投保,又能針對風(fēng)險(xiǎn)較高的保單給出合理的價(jià)格,來降低承保風(fēng)險(xiǎn)和賠付率。通過大數(shù)據(jù)結(jié)合AI智能算法,將有效的解決保費(fèi)的精準(zhǔn)化定價(jià)問題,并將保險(xiǎn)行業(yè)帶入新風(fēng)口“大數(shù)據(jù)+”模式,以實(shí)現(xiàn)消費(fèi)者以及保險(xiǎn)公司兩者之間在利益均衡的前提下雙方利益最大化。
1保險(xiǎn)行業(yè)的大數(shù)據(jù)特征
大數(shù)據(jù)(bigdata),就是具備4V(Volume,Vari-ty,Velocity,Value)特征的數(shù)據(jù)。
1.1規(guī)模性
(Volume)2020年3月,中國銀行保險(xiǎn)監(jiān)督管理委員會的數(shù)據(jù)就能展現(xiàn)保險(xiǎn)行業(yè)在交易額、交易單量、保險(xiǎn)公司數(shù)量、參與人數(shù)等多個(gè)維度的規(guī)模性均達(dá)到要求數(shù)據(jù)量級。1.2多樣性(Varity)在保險(xiǎn)行業(yè)開展業(yè)務(wù)過程中,會錄入數(shù)據(jù)庫相關(guān)的業(yè)務(wù)數(shù)據(jù),如客戶的基本資料,除此之外還會產(chǎn)生附加數(shù)據(jù),如電話銷售的錄音、定損時(shí)的照片或者視頻等多種形式的數(shù)據(jù),符合多樣性的要求。
1.3高速性
(Velocity)通過壽險(xiǎn)公司數(shù)據(jù)取樣,電銷銷售如果有3萬,每天要打8h電話,按照3min~5min產(chǎn)生1M音頻文件算,每秒鐘大約300M的音頻,一天就是24T,完全符合高速性的要求。1.4價(jià)值性(Value)保險(xiǎn)公司具有大量客戶的真實(shí)信息:如身份證、家庭住址、家庭成員、收入情況、就業(yè)情況、出險(xiǎn)情況、存款情況等,均具有很高的數(shù)據(jù)價(jià)值性,當(dāng)然在挖掘數(shù)據(jù)價(jià)值的同時(shí)要兼顧道德底線。根據(jù)大數(shù)據(jù)特征,對照保險(xiǎn)行業(yè)的數(shù)據(jù),可看出保險(xiǎn)行業(yè)具有大數(shù)據(jù)的相關(guān)特征。利用大數(shù)據(jù)技術(shù)解決保險(xiǎn)行業(yè)相關(guān)問題是可行的,并將有利于促進(jìn)保險(xiǎn)業(yè)的發(fā)展。
2借力新技術(shù)實(shí)現(xiàn)保險(xiǎn)精準(zhǔn)定價(jià)
當(dāng)獲取到大量數(shù)據(jù)后,如何快速、準(zhǔn)確的分析數(shù)據(jù)、得出結(jié)論?這需要將大數(shù)據(jù)技術(shù)與AI智能算法相結(jié)合,兩種技術(shù)共同解決保費(fèi)的精準(zhǔn)化定價(jià)問題。下面將分別就車險(xiǎn)、航延險(xiǎn)、健康險(xiǎn)、家財(cái)險(xiǎn)的實(shí)際業(yè)務(wù)模式,闡述如何結(jié)合大數(shù)據(jù)及AI技術(shù)實(shí)現(xiàn)保費(fèi)的精準(zhǔn)化定價(jià)。
2.1車險(xiǎn)采用
UBI車險(xiǎn)模式,是一種基于駕駛行為來制定保費(fèi)的車險(xiǎn)。可通過車聯(lián)網(wǎng)、智能手機(jī)和OBD(汽車故障診斷的檢測系統(tǒng))、行車記錄儀等聯(lián)網(wǎng)設(shè)備綜合記錄車主的駕駛習(xí)慣、駕駛時(shí)間、行駛地點(diǎn)、實(shí)時(shí)速度、急加速、急減速、急轉(zhuǎn)彎、車輛信息、居住地區(qū)、違章、出險(xiǎn)等信息。將上述數(shù)據(jù)標(biāo)準(zhǔn)化后,歸結(jié)為計(jì)值類變量、平均值類變量、標(biāo)準(zhǔn)差類變量、極值類變量與比例類變量,采用Logistic回歸對數(shù)據(jù)進(jìn)行建模分析,通過極大似然估計(jì)對參數(shù)進(jìn)行求解,之后對參數(shù)顯著性進(jìn)行檢驗(yàn)。模型通過檢驗(yàn)后,結(jié)合AI智能算法,不斷地提高模型的顯著性,最終建立駕駛行為評分模型和UBI車輛定價(jià)模型,應(yīng)用于車險(xiǎn)保費(fèi)的精準(zhǔn)定價(jià)中,鼓勵(lì)車主建立良好的駕駛習(xí)慣以獲得更實(shí)惠的報(bào)價(jià)。以大數(shù)據(jù)作為數(shù)據(jù)支撐,使用AI機(jī)器人與真人相互配合,在前期審核、報(bào)價(jià)、自主批改等流程可以快速作出響應(yīng),據(jù)眾安保險(xiǎn)測算,在大數(shù)據(jù)與AI的結(jié)合下,從報(bào)價(jià)到投保的整體轉(zhuǎn)化率由14%提升至20%。保險(xiǎn)公司可以主動(dòng)選擇低風(fēng)險(xiǎn)駕駛者,降低理賠賠付率并主動(dòng)預(yù)防理賠事故的發(fā)生,另外,提供差異化的產(chǎn)品與服務(wù)有助于保險(xiǎn)公司打造特色服務(wù),獲取增值收益。UBI車險(xiǎn)系統(tǒng)生態(tài)圈,如圖1所示。
2.2航延險(xiǎn)
是屬于一種非物質(zhì)損失的風(fēng)險(xiǎn)投保,當(dāng)航班沒有按照原定計(jì)劃執(zhí)行時(shí),投保人可根據(jù)保險(xiǎn)合同的規(guī)定,向保險(xiǎn)公司發(fā)起索賠的商業(yè)保險(xiǎn)行為。由于該險(xiǎn)種是由時(shí)間延遲而導(dǎo)致的經(jīng)濟(jì)損失,無法以具體的實(shí)物損失進(jìn)行估計(jì),因此航延險(xiǎn)的保險(xiǎn)定價(jià)也成了一個(gè)難題。2011年~2016年我國保險(xiǎn)公司航延險(xiǎn)的保費(fèi)收入增長近46倍,航延險(xiǎn)又成了各保險(xiǎn)公司的必爭之地?!笆袌龊艽螅▋r(jià)很難”如何破解這一困境?可以通過大數(shù)據(jù)及AI技術(shù),有效地解決這一難題。在海量的歷史航班數(shù)據(jù)中,通過非線性特征、時(shí)間序列特征、非線性回歸、模式識別,并結(jié)合AI的深度學(xué)習(xí)能力,提取影響航班延誤的有效因素,建立多維度的航班延誤預(yù)測模型。通過保險(xiǎn)公司體制內(nèi)的大量數(shù)據(jù),結(jié)合AI技術(shù),形成投保人的用戶畫像。通過航班延誤預(yù)測模型和用戶畫像,建立精準(zhǔn)的航延險(xiǎn)定價(jià)模型,來有效地解決非物質(zhì)損失險(xiǎn)種航延險(xiǎn)的定價(jià)難題。
2.3健康險(xiǎn)
生活環(huán)境的惡化、老齡化加速、生活質(zhì)量的提升和消費(fèi)觀念轉(zhuǎn)變的因素影響,國人對于健康也日趨重視,健康險(xiǎn)的投保人數(shù)也逐年增加。如何做到準(zhǔn)確合理的保費(fèi)定價(jià)?可通過人們的穿戴設(shè)備獲取投保人的歷史心跳、心率、血壓、睡眠、運(yùn)動(dòng)、久坐、身高、體重、經(jīng)常出沒地區(qū)及周邊空氣質(zhì)量,通過醫(yī)療機(jī)構(gòu)獲取投保人的身體健康報(bào)告、治療情況及遺傳病史,然后基于龐大的用戶數(shù)據(jù),參考類似用戶畫像的群體,再利用大數(shù)據(jù)及AI技術(shù),建立健康評測模型,形成投保人健康檔案,并結(jié)合實(shí)時(shí)數(shù)據(jù),準(zhǔn)確計(jì)算出健康險(xiǎn)的保費(fèi)價(jià)格。既能貼合投保人的心理價(jià)位,又能有效地降低理賠賠付率及保險(xiǎn)公司運(yùn)營成本。
2.4家財(cái)險(xiǎn)
隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展,萬物互聯(lián)已經(jīng)深入各行各業(yè),尤其在居家環(huán)境中更尤為突出。通過房屋中的智能設(shè)備,獲取用電情況、用水情況、用燃?xì)馇闆r、電器使用年限、屋內(nèi)空氣質(zhì)量、設(shè)備巡檢記錄,通過互聯(lián)網(wǎng)獲取小區(qū)所在地的歷年天氣記錄、天氣預(yù)報(bào)、治安、物業(yè)等數(shù)據(jù)。結(jié)合大數(shù)據(jù)及AI技術(shù),建立房屋安全測評模型,并生成相應(yīng)的房屋檔案,一房一檔,準(zhǔn)確評估承保風(fēng)險(xiǎn),精確計(jì)算保險(xiǎn)保費(fèi),錄入房屋坐落地址后,就能夠迅速地提供出相對應(yīng)的保費(fèi)價(jià)格。房屋中的智能設(shè)備,可以做到“事前評估算保費(fèi),事中預(yù)防范風(fēng)險(xiǎn),事后追溯留證據(jù)”,保證投保人及保險(xiǎn)公司的合法利益。在商業(yè)險(xiǎn)中,中小型保險(xiǎn)公司市場利潤空間往往較小,但是擁有巨大的增長潛力。據(jù)IBM商業(yè)價(jià)值研究院的數(shù)據(jù)顯示:市場規(guī)模預(yù)計(jì)將從2018年的59億美元增長到2023年的98億美元,通過大數(shù)據(jù)與AI技術(shù)得出的保費(fèi)定價(jià)模型,可為這些細(xì)分市場帶來10%的額外收入,精準(zhǔn)定價(jià)最多可減少5%的銷售成本。因此中小型保險(xiǎn)公司能夠更輕松地進(jìn)入這些客戶細(xì)分市場,使保險(xiǎn)公司在細(xì)分市場中實(shí)現(xiàn)顯著的經(jīng)濟(jì)效益。大數(shù)據(jù)與AI技術(shù)的融合,實(shí)現(xiàn)了實(shí)時(shí)準(zhǔn)確的保費(fèi)定價(jià),能夠精準(zhǔn)地識別優(yōu)質(zhì)客戶,避免客戶流失;縮短保險(xiǎn)定價(jià)周期,提升品牌競爭力;減少人工投入,降低運(yùn)營成本;風(fēng)險(xiǎn)識別,降低保險(xiǎn)賠付率;通過結(jié)合當(dāng)時(shí)當(dāng)?shù)氐慕?jīng)濟(jì)形式及政策環(huán)境,動(dòng)態(tài)的調(diào)整定價(jià)模型,以適應(yīng)相關(guān)監(jiān)管要求,進(jìn)一步降低公司運(yùn)營維護(hù)成本。
3結(jié)束語
大數(shù)據(jù)和AI技術(shù),之所以能夠快速準(zhǔn)確的實(shí)現(xiàn)保費(fèi)定價(jià),主要原因有:①以龐大的數(shù)據(jù)規(guī)模作為支撐,進(jìn)行數(shù)據(jù)挖掘分析;②尋找顯著的定價(jià)模型,并通過AI的深度學(xué)習(xí)及強(qiáng)化學(xué)習(xí)的能力,得到更強(qiáng)大的預(yù)測模型,可以產(chǎn)生良好的預(yù)測結(jié)果,提供了更快的學(xué)習(xí)機(jī)制,并且更適應(yīng)環(huán)境的變化。通過利用大數(shù)據(jù)、AI等高新技術(shù),保險(xiǎn)人一直致力于在保險(xiǎn)行業(yè)業(yè)務(wù)數(shù)據(jù)的基礎(chǔ)上,研究如何將數(shù)據(jù)轉(zhuǎn)化為服務(wù),讓數(shù)據(jù)為承保的公司服務(wù),為投保的客戶服務(wù),同時(shí)為整個(gè)保險(xiǎn)行業(yè)以及為全社會服務(wù)。
[參考文獻(xiàn)]
[1]王彤,黃明明.發(fā)揮優(yōu)勢補(bǔ)足短板—河南太平洋產(chǎn)險(xiǎn)以創(chuàng)新助農(nóng)業(yè)高質(zhì)量發(fā)展[N].中國銀行保險(xiǎn)報(bào),2020-06-24.
[2]曹策.我國互聯(lián)網(wǎng)保險(xiǎn)產(chǎn)品的發(fā)展研究[J].現(xiàn)代商業(yè),2020,(17):123~125.
[3]龔夢雪.?dāng)?shù)字時(shí)代保險(xiǎn)產(chǎn)品服務(wù)營銷策略研究[J].中國市場,2020,(17):128~132.
[4]潘秋君,李文如,劉曉華.保險(xiǎn)科技如何推動(dòng)保險(xiǎn)業(yè)的轉(zhuǎn)型升級和質(zhì)量變革[J].中外企業(yè)家,2020,(17):75.
[5]何倩.探討新時(shí)期大數(shù)據(jù)分析在醫(yī)院醫(yī)保管理中的具體運(yùn)用[J].中國衛(wèi)生標(biāo)準(zhǔn)管理,2020,11(11):1~3.
[6]陳祺琦.大數(shù)據(jù)分析在保險(xiǎn)行業(yè)中的應(yīng)用[J].電子世界,2020,(10):36~38.
[7]蔣才芳.人壽保險(xiǎn)行業(yè)市場結(jié)構(gòu)與效率研究[D].長沙:湖南大學(xué),2015.
作者:郭建 單位:對外經(jīng)濟(jì)貿(mào)易大學(xué)