众安孙谷飞:大数据融合保险业务实现“精耕细作”

据中国银保监会数据显示,中国保险业总保费收入在 2018 年攀升至人民币 3.8 万亿元,较 2017 年增长了 3.9%。行业共同关注的问题变为如何进一步挖掘市场潜力,围绕用户优化产品结构。

以用户为核心,险企在销售渠道产品设计、定价及承销、索赔结算、风控等多个环节,对传统保险业进行重塑,作为底层技术的大数据则发挥着关键作用。

业界常用4个V来定义一家企业的大数据发展程度,即volume(数据量)、velocity(速度)、variety(多样性)、value(价值),然而保险公司无论是数据量级、丰富程度,处理速度都与典型互联网企业存在较大差距,还处于数据体系建设初级阶段”。

据记者了解,6月13日由英国《金融时报》举办的第三届中国保险峰会在北京召开。会上,众安数据智能中心负责人孙谷飞指出“数据体系建设离不开五个维度,即数据量级、数据打通、数据文化、数据应用以及数据人才”

保险大数据体系亟待升级

从行业本身的特性来说,保险行业是当前最有潜力通过数据驱动变革的。保险行业属于数据密集型行业,既是数据的收集者也是数据的使用者。该行业以大数据原理为驱动,利用精算来控制风险。然而,相对于电商、搜索、在线广告等互联网公司,保险公司面临的数据问题更加复杂:

1. 保险产品结构复杂。保险的产品是保单,保单结构本身就很复杂,例如重疾险责任范围包含哪些重症/轻症,重疾理赔次数,承保年限等复杂信息。

2. 保险数据维度单一。目前保险公司存储的很多是保单信息和理赔记录等静态数据,缺乏更细粒度、动态的行为数据等,例如用户的实时体征。

3. 保险业务流程长。保险行业很多流程是在线下完成,相较于电商、搜索、在线广告等,保险流程较长,数据存在断点,另外数据、算法模型和业务反馈有时无法形成一个闭环。

总体来说,保险行业数据基础差,数据质量不高,有些数据甚至无法直接使用,比如大量的非结构化的影像数据。

保险行业加持数据大脑实现“精耕细作”

伴随着可穿戴智能设备、物联网、5G等技术的成熟保险公司如果能够有效利用这一趋势,则能提高保险开发定价、保险营销、准备金评估、理赔等多个环节的效率和准确性。

然而,新技术将使现有数据量及维度发生质的变化,带来新的挑战。以2017年双十一为例,业内首家互联网保险公司众安当天的保单数量峰值达到3.2万张/秒,对企业的数据处理速度提出了极高的要求。

围绕保险公司数据化建设,孙谷飞基于数据量级、数据打通、数据文化、数据应用以及数据人才五个维度进行了详细讲解。

数据量级:保险公司要尽可能多的收集不同维度数据,除保单、理赔数据还需要注意留存场景行为数据。作为具有互联网基因的保险公司,众安注重各种场景数据的收集,例如通过大量数据埋点了解用户的实时体征,提供更有针对性的投保建议,提升用户体验。

数据打通:公司内各个版块的数据要打通,避免出现数据孤岛。数据打通的关键是“用户“,成功的互联网公司始终把用户放在第一位,业务都是围绕用户去展开,而传统保险公司更关心业务本身,比如保费和赔付率。众安则为用户标注唯一ID,用户购买不同险种,办理不同业务,都能通过唯一ID识别分析。通过这一举措,众安有效降低了风控难度,促进了业务增长。

数据文化:数据驱动的含义不是做各种BI报表。而是要把数据服务的对象下沉,不仅面对管理层,还要下沉到一线业务人员提供系统化的服务,让智能决策支持像人脑一样做到无时无刻、无处不在。众安为了实现这样的目标,构建了一套完整的数据平台 — 众安数据洞察平台,该平台能够快速支持从传统的报表生成、各个纬度的即席查询,到移动端可视化系统。

数据应用:数据应用的成功,取决于能否形成数据应用的小型业务闭环。以广告推荐、搜索推荐为例,我们能够通过用户是否点击这一返回的数据,就对模型是否有效进行判断。这样基于数据挖掘的模型,才会不断更新迭代。例如众安健康险理赔风控,我们通过数据分析得到的风控规则,在理赔系统中就设计了理赔人员标注风控规则有效性的反馈过程,可以直接对我们规则命中好坏进行一个评估,从而不断优化风控模型。

数据人才:数据体系的关键因素首先是人除精算师、数据分析师外,大数据平台开发工程师和算法专家,甚至数据科学家都至关重要。由于技术栈的原因,只有这些人才掌握处理大数据的能力和方法。众安除去各个事业部门配备业务相关的数据分析师之外,还在不断储备这方面的人才,仅数据智能中心就有一百多位大数据开发、算法工程师和数据科学家。

在当前情况下,以大数据为底层支持的保险科技将承担更大的作用。通过大数据技术,保险产业精耕细作成为可能,也将为保险全流程的诸多痛点提出解决方案,深入保险业态改造。

THE END
分享
二维码

< <上一篇
下一篇>>