活動(dòng)新聞
在這里，你可以看到聚信立每天發(fā)生的點(diǎn)點(diǎn)滴滴。大數(shù)據(jù)與人工智能在保險(xiǎn)業(yè)的運(yùn)用探討
2019-01-11
保險(xiǎn)是最古老的風(fēng)險(xiǎn)管理方法之一，其核心是對(duì)保險(xiǎn)標(biāo)的發(fā)生損失的概率進(jìn)行預(yù)測(cè)。保險(xiǎn)行業(yè)的誕生與發(fā)展從來(lái)離不開統(tǒng)計(jì)與數(shù)據(jù)，大數(shù)據(jù)為保險(xiǎn)行業(yè)帶來(lái)了新的發(fā)展契機(jī)，同時(shí)人工智能技術(shù)的日益完善也推動(dòng)著保險(xiǎn)業(yè)的飛速發(fā)展。
有資料預(yù)測(cè)，到2023年，全球保險(xiǎn)大數(shù)據(jù)分析市場(chǎng)將增長(zhǎng)到119.6億美元，實(shí)現(xiàn)12.5%的年復(fù)增長(zhǎng)率。中國(guó)擁有龐大的保險(xiǎn)市場(chǎng)和活躍的新技術(shù)應(yīng)用率，預(yù)計(jì)將成為全球增長(zhǎng)最快的保險(xiǎn)大數(shù)據(jù)分析市場(chǎng)之一。
在保險(xiǎn)大數(shù)據(jù)時(shí)代，如何運(yùn)用大數(shù)據(jù)與人工智能技術(shù)驅(qū)動(dòng)保險(xiǎn)業(yè)務(wù)優(yōu)化升級(jí)，最大化保險(xiǎn)公司數(shù)據(jù)資產(chǎn)的價(jià)值依然是巨大挑戰(zhàn)。
2019年1月9-10日，中國(guó)保險(xiǎn)大數(shù)據(jù)分析與人工智能創(chuàng)新峰會(huì)在浦東世紀(jì)皇冠假日酒店召開。聚信立作為大數(shù)據(jù)行業(yè)的標(biāo)桿企業(yè)，受邀參加此次活動(dòng)，聚信立創(chuàng)始人兼CEO羅皓先生參與此次的圓桌討論并發(fā)表觀點(diǎn)。
1、大數(shù)據(jù)和人工智能對(duì)保險(xiǎn)產(chǎn)生的最大影響在哪里？
過(guò)去幾年里，我們一直在探索如何將互聯(lián)網(wǎng)上的用戶行為數(shù)據(jù)運(yùn)用到保險(xiǎn)行業(yè)。個(gè)人認(rèn)為，我們可以從獲客、核保和理賠三個(gè)方面來(lái)實(shí)現(xiàn)保險(xiǎn)行業(yè)的value chain。
我們都知道保險(xiǎn)相對(duì)于其他行業(yè)來(lái)說(shuō)，算不上高頻消費(fèi)；而且保險(xiǎn)購(gòu)買行為的發(fā)生非常依賴于場(chǎng)景，大概率都是在場(chǎng)景中完成的，所以我們需要很好地洞悉這種場(chǎng)景，用數(shù)據(jù)內(nèi)在價(jià)值有力地幫助保險(xiǎn)公司獲取客戶。
中國(guó)的保險(xiǎn)行業(yè)場(chǎng)景營(yíng)銷費(fèi)用占比非常高，其實(shí)很多保險(xiǎn)公司都在用第三方數(shù)據(jù)來(lái)判斷用戶風(fēng)險(xiǎn)。因?yàn)楸ｋU(xiǎn)的風(fēng)險(xiǎn)跟信貸相比完全不一樣，信貸是公司把錢借給消費(fèi)者，而保險(xiǎn)是客戶把錢給到保險(xiǎn)公司，所以從核保、理賠的角度看，我們可以用第三方數(shù)據(jù)來(lái)甄別出惡意索賠的客戶，同時(shí)也可以用我們數(shù)據(jù)分析的優(yōu)勢(shì)去幫助他們更好地了解現(xiàn)有用戶，通過(guò)挖掘用戶行為特征來(lái)建立營(yíng)銷機(jī)會(huì)，升級(jí)銷售。
在國(guó)外，第三方數(shù)據(jù)在保險(xiǎn)業(yè)的應(yīng)用相對(duì)成熟，特別是一些我們看上去關(guān)聯(lián)性比較弱的數(shù)據(jù)維度，像信貸、征信數(shù)據(jù)等，這些其實(shí)都已經(jīng)被證明是和保險(xiǎn)風(fēng)險(xiǎn)非常相關(guān)的數(shù)據(jù)。就國(guó)內(nèi)而言，我覺(jué)得可能還需要兩到三年的探索時(shí)期。但總的來(lái)說(shuō)，在營(yíng)銷、核保和理賠這三個(gè)方面，我們現(xiàn)有的數(shù)據(jù)和技術(shù)都會(huì)有一定的用武之地。
聚信立累積的數(shù)據(jù)類型很多，有運(yùn)營(yíng)商、電商等多種互聯(lián)網(wǎng)用戶行為數(shù)據(jù)，通過(guò)這些數(shù)據(jù)，我們可以深度挖掘用戶需求，找到營(yíng)銷點(diǎn)，幫助企業(yè)客戶更好地理解用戶并實(shí)現(xiàn)精準(zhǔn)營(yíng)銷。
2、在運(yùn)用大數(shù)據(jù)和人工智能的過(guò)程中遇到過(guò)哪些挑戰(zhàn)？
現(xiàn)在開源包越來(lái)越多，對(duì)數(shù)據(jù)建模分析時(shí)，技術(shù)門檻在逐漸降低，標(biāo)準(zhǔn)化程度越來(lái)越高。所以相比而言，數(shù)據(jù)的獲取其實(shí)是整個(gè)環(huán)節(jié)中最重要的一步。保險(xiǎn)數(shù)據(jù)的獲取從種類角度看，其非標(biāo)性要比信貸復(fù)雜很多。像在信貸領(lǐng)域，我們只需要用戶的身份信息、多頭信息、過(guò)往的信用記錄等就可以生成一份全面的信用報(bào)告。但是保險(xiǎn)的類別很多，有壽險(xiǎn)、財(cái)險(xiǎn)，有短期險(xiǎn)、長(zhǎng)期險(xiǎn)，很明顯需要的數(shù)據(jù)維度不一樣。
此外，信貸更多的是收集人的信息，而保險(xiǎn)除了人之外還要分析物體，例如車險(xiǎn)，不僅要分析用戶的開車習(xí)慣，還需要分析車的使用狀況，所以從數(shù)據(jù)搜集的種類和難度上來(lái)講，保險(xiǎn)要比信貸非標(biāo)很多。
第二，從數(shù)據(jù)的可預(yù)測(cè)性來(lái)看，我們目前在做的，預(yù)測(cè)中國(guó)中低端信貸人群的違約率，基本上幾個(gè)星期到幾個(gè)月不等的時(shí)間我們就可以完成樣本的收集。保險(xiǎn)也有長(zhǎng)短險(xiǎn)類型之分，長(zhǎng)的壽險(xiǎn)甚至可以長(zhǎng)達(dá)數(shù)十年之久，那樣本的收集就會(huì)變得很漫長(zhǎng)。
第三，因?yàn)楸ｋU(xiǎn)的特性，我們不光要收集用戶的行為數(shù)據(jù)，還需要關(guān)心行業(yè)的整體大環(huán)境。個(gè)人認(rèn)為，保險(xiǎn)的風(fēng)險(xiǎn)在于其不確定性，而保險(xiǎn)的不確定性要比信貸豐富很多。
另外，有了數(shù)據(jù)我們要如何清洗？這里面的know how跟信貸又不一樣，信貸領(lǐng)域我們只需要把數(shù)據(jù)按照時(shí)間、額度等稍微分一分，但是保險(xiǎn)因?yàn)轭愋捅姸啵蕴幚淼膹?fù)雜程度也要大很多。
3、如何平衡人工智能與人之間的分工合作？
其實(shí)在保險(xiǎn)公司里，人工智能跟人并不存在很突出的矛盾，兩者的本質(zhì)都是為了提高效率、降低成本、提高收入。后期可能因?yàn)檗k公效率的提升，人工智能會(huì)在耗時(shí)耗精力的重復(fù)勞動(dòng)上替代人的使用。
人和技術(shù)之間的沖突有一點(diǎn)會(huì)讓我感覺(jué)不安。現(xiàn)在，消費(fèi)者數(shù)據(jù)的連接點(diǎn)越來(lái)越多，線上線下、設(shè)備指紋、互聯(lián)網(wǎng)數(shù)據(jù)等多種渠道都會(huì)產(chǎn)生數(shù)據(jù)，數(shù)據(jù)技術(shù)也好，傳輸技術(shù)也好，包括最近很火的5G等，這些都?xì)w功于技術(shù)的發(fā)展和提升，但同時(shí)我們發(fā)現(xiàn)技術(shù)帶給我們的負(fù)面影響也越來(lái)越多，所以個(gè)人覺(jué)得我們?cè)诎l(fā)展技術(shù)，使用技術(shù)的同使，也需要擁抱監(jiān)管，自制自律，保有一定的底線。