“大数据”的保险业应用主题
【摘要】“大数据”的保险业应用主题_数据分析师考试在数据应用呈现爆炸式发展的时代,不能把握“大数据”商机、引领潮流的保险企业,将可能逐渐丧
“大数据”的保险业应用主题_数据分析师考试
在数据应用呈现爆炸式发展的时代,不能把握“大数据”商机、引领潮流的保险企业,将可能逐渐丧失市场竞争力。
“大数据”是依托新的数据处理技术,对海量、高速增长、多样化的结构和非结构数据进行加工挖掘,找寻数据背后的规律,以提高分析决策能力、优化流程和科学配置资源的管理工具。
“大数据”正在向经济、社会、科学、文体及公共卫生等多个领域快速渗透。在网络技术、移动互联、云计算等新技术和金融市场化改革的双驱动下,金融与互联网、各金融板块之间的界限和壁垒被冲破,市场的游戏规则发生了深刻变化,谁掌握了数据,谁就掌握了竞争的制高点。
现代保险服务业要在经济“新常态”中研究和实施“大数据”战略,关键要找准大数据在保险业的应用场景、应用主题和应用策略。
助力保险费率市场化
保险作为一种风险转移和管理工具,是一种社会群体之间的风险救助机制。保险产品机理主要是遵循统计学范畴的“大数法则”,基于历史风险发生和损失的数据进行分析和预测,在重复随机现象中找出“必然”规律,依靠精算技术实施产品定价、建立财务运行机制。有些观点认为大数据颠覆了“大数法则”,实际上,虽然两者都是在“大量”数据基础上进行风险和财务预测,但在保险产品定价机制中的作用基点是完全不同的。
“大数法则”是保险定价的根本法则,特别是针对车险、寿险、健康等关系社会公众利益的领域,必须依托“大数法则”确保行业基准纯风险损失率厘定的公平性、充足性和安全性。也就是说,“大数法则”是保险运行管理的数理逻辑,是保险业不可动摇的理论和定价基础。而“大数据”主要发挥保险定价的辅助作用,特别是采集和获取客户行为、交易的网络数据进行关联分析,找寻数据背后风险与成本、收益的匹配规律,推动保险公司客户细分化、责任碎片化、产品定制化,优化精算定价模型,主要基于附加费率建立科学、有效的保险费率浮动机制和差别化定价机制。
因此,“大数据”并没有颠覆“大数法则”,而是对保险费率市场化形成机制的重要优化和改进,是一种以新技术为依托、更加精细化的风险管理辅助工具。
目前,新一轮保险费率形成机制改革步伐明显加快,非车险、意外险、投资连结险、普通型寿险、万能险等已经相继放开,商业车险、分红险市场化改革也即将发令放行,更多的产品定价权和选择权将交给市场。科学、有效的费率形成机制是市场化改革成功的关键。应全面构造以“大数法则”为基础的基准费率和以“大数据”技术为辅助的附加费率和产品创新机制。
一方面,保险监管部门应主导构建公开公正的保险基准费率形成机制,建立保险基准费率定期测算和发布机制,特别是借鉴国际上的成熟经验和模式,设立独立的保险费率厘定机构,形成主要保险产品的定价参照基准体系。另一方面,要鼓励保险企业在遵循基准费率的同时,发挥大数据在保险产品区域化、差别化、个性化的创新支撑作用,处理好产品创新与风险、成本、收益的关系。
驱动新一轮转型发展
自改革开放以来,保险市场保费和资产规模迅速扩张,却难以逃脱产品同质化、“跑马圈地”、价格恶性竞争、服务体验差的外部诟病,归根到底还是源于“以产品为中心”的粗放式发展模式。由于保险企业数据维度、质量、可利用度和处理能力不足,向“以客户为中心”的集约化管理模式转型“常提却难新”。
伴随金融综合化、保险集团化、渠道多元化发展,特别是电销、第三方电商、移动互联等新渠道的兴起,保险数据的历史积累、采集维度、关联分析与实践应用日益成熟,由于大数据有利于提升保险企业对客户行为特征、风险和产品偏好的分析能力,为保险企业客户关系管理、风险识别与定价、营销策略分析、理赔欺诈风险防控提供了新的驱动力,成为保险业新一轮转型发展的“利器”。
因此,保险企业应找准大数据在经营管理中的应用场景,着力解决制约转型发展的关键环节。
一是加强数据资源内外部整合。加强集团内部、各渠道、各产品线的数据整合利用,积极采集全面反映客户行为特征和交易偏好的移动互联、社交媒体、电商、地理位置、OBD等线上数据,引入身份、信用、车辆、驾驶行为等线下数据,为大数据技术应用建立现实基础。
二是构建完整的客户数据图谱。依托数据挖掘技术,推进客户需求分析和客户群组细分,在集团或公司内部建立客户虚拟账户,丰富客户全景视图,加强客户挽留与个性化推荐,促进客户的获取率、留存率和持续率。构建完善的客户自助服务体系,改善客户体验、提升客户忠诚度、提高客户整体价值。
三是提升数据发现和决策能力。重点提升对非结构化数据的存储、加工和分析能力。围绕交叉和二次销售、精准营销、代理人甄选和流失预警,加强数据分析和快速响应,整合昂贵的渠道资源,提升销售渠道价值。通过理赔洞见分析、反欺诈关联分析,提升成本精细化管理、精准打击欺诈行为。
四是加强数据架构规划。引入新的大数据分析工具和存储技术,提高对语音、视频、图片、网络日志等非结构化数据的分析处理能力,对信息模型、主辅数据源以及数据集成架构进行前瞻性设计,加强主数据和元数据管理,推动信息数据的逻辑整合。提高自身数据质量,注重数据全生命周期管理。
开创“数据治理”新模式
在保险资金运用和费率市场化加快推进的背景下,按照保监会“放开前端、管住后端”的市场化改革思路,市场化的“新常态”使传统的文件出台、现场检查、行政处罚等保险市场治理手段难以奏效,滞后的监管技术手段将无助于有效防控区域性和系统性风险,客观上要求保险监管部门从依靠行政手段向依靠“数据手段”治理市场转变:
一是从场外交易向场内交易转变。通过建立保险产品交易、中介交易和资产交易的交易场所和信息平台,促进保险交易的透明化、规则化和信息对称化;二是从监管信息统计与非现场监管向保单登记管理转变。市场和风险的快速变化,促使保险监管从依靠时滞的统计数据和局部的样本数据,向保单级的全量数据和实时的生产数据演变;三是由条款费率静态审批管理向基准费率测算常态化转变。定价权逐步交给市场后,产品创新必然层出不穷,基准费率常态监测、回溯分析和定期测算是产品监管和风险控制的必然要求。
基于上述行业转型发展和市场治理需求,应从提高行业核心竞争力和抗风险能力的高度,科学规划行业大数据体系。
一是全面推进行业信息共享与应用。在客户隐私保护和数据安全的前提下,建立行业中央集成数据仓库,打破企业之间的数据孤岛,将分散在各保险机构的数据,按照客户、保单、业务等多个主题进行采集、存储和有限共享,充分释放数据共享在规范市场行为、反保险欺诈、提升定价能力、促进精细化管理等方面的内在价值。
二是主动与外部数据交互应用。拓宽行业整体数据维度,依托行业数据共享的平台优势,积极引入公安、气象、医疗、教育、信用、移动通信等外部数据,主动与交管、税务、经侦、社保、征信等公共管理部门进行数据交互,发挥外部数据在行业内部治理中的独特作用,依托共享平台有效延伸保险参与社会治理的范围和触点。
三是研究制定行业大数据战略和设施框架。完善信息共享平台和保单登记制度等相关法律法规,为行业大数据战略实施建立良好的政策环境。加强行业数据标准建设,规范统一共享接口标准,提高数据整体质量;不断优化共享数据库的采集、存储、处理与结果应用的流程和技术,研究建立行业数据分析框架和模型,依托数据挖掘、云计算平台、虚拟化技术,支持海量、多结构类型、高频度的大数据处理。加强行业信息共享的安全体系建设,保障保险机构与共享信息关联生产的连续性、安全性和稳定性。
就业培训申请领取
环球青藤
官方QQ群扫描上方二维码或点击一键加群,免费领取大礼包,加群暗号:青藤。 一键加群
数据分析师相关文章推荐
|数据分析师最新文章推荐
刷题看课 APP下载
免费直播 一键购课
代报名等人工服务
- 1 传统数据和大数据的区别
- 2 数据分析的8种方法都是哪些?
- 3 3大常用的数据分析工具是什么?
- 4 数据分析的具体流程是什么?
- 5 excel中的运算符
- 6 数据分析的作用有哪些?
- 7 电子商务需要分析哪些数据?
- 8 数据分析包括哪些内容?
- 9 rdd是什么?
- 10 数据分析的基本步骤