京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据产生大结果:保险赔付率预测模型效能提升高达30%
1月8日,2016中国(杭州)“互联网+”金融大会,来自律商联讯风险信息公司(LexisNexis Risk Solutions)的保险业务首席执行官 Bill Madison进行了“大数据在保险行业的应用和探索”的精彩演讲。Bill指出,若想在当今的大数据时代充分挖掘数据价值,我们必须首先明确自身的战略诉求,再借助海量数据资源、大数据技术、关联和分析能力、以及行业专长满足个性化的诉求。
公共记录引入保险市场 赔付率预测模型效能提升高达30%
近年来,核心的银行征信数据已经发生了变化,除了消费者行为的改变和数据明细程度的提升,还产生了一些全新的数据字段,为消费者风险评估带来了许多有价值的新洞见。面对不断演变的数据来源,律商联讯长期致力于扩展消费者风险分析维度,从全球超过1万3千多个数据源采集了500亿条消费者和企业记录,为保险和金融服务等行业积累了海量的数据资源,其中包括:历来的居住地址和住址稳定性,电话和水电煤气记录,职业证书,教育历史,破产、抵押、判决和驱逐等数据。
除了丰富的公共记录和第三方数据资源以外,律商联讯通过建立保险行业共享型数据平台,为行业引入了一个全新的数据成分,完善了为以保险为中心的消费者金融视图。
律商联讯将这些非传统数据引入保险市场,生成独特的变量和行业风险评分,与传统征信数据一起用于风险定价和承保决策,帮助保险行业利用数据优化工作流程,更好地评估风险,从而提升从展业到理赔、覆盖客户完整保险生命周期的各个环节的工作效率。
如下图所示,掌握的数据越多,保险赔付风险模型的预测能力就越强。每增加一个数据集,我们都能看到模型的预测准确度获得显著提升——改良后的信用记录,加上公共记录,再加上保险赔付历史,可以在传统信用记录的基础之上带来30%的模型效能提升。
如何使大数据应用切实可行
律商联讯的大数据战略远远超过了数据或数据技术本身,40年的行业积累使得律商联讯能够在吃透行业的基础上进行数据关联和分析,并利用行业专长提供以客户为中心的解决方案。
律商联讯总结多个国际市场运营经验后发现:保险公司拥有一套自己的工作流程,从初期的保险展业开始,直至为客户提供理赔服务。在这个保险生命周期中,保险公司每次与消费者接触的节点,都是一次获取知识的节点,有机会更进一步地了解消费者。律商联讯希望在每一个工作节点,都可以为保险公司提供与消费者个人相关的信息和洞见,帮助保险公司更好地理解风险。为了实现这一目标,律商联讯在美国及多个海外市场建立了与保险公司之间的单一数据管道,将数据和分析产品在每一个相关工作节点推送给保险公司,充分满足其各个节点的风险信息需求。
Bill最后总结到,数据问题其实很简单:数据越大越好。更多的数据和更好的关联能够为我们带来更加丰富的个体档案,以及更加完整、准确的个体间关系。借助足够多的数据,我们就能够掌握每一个客户的切实可行的个性化洞见,为每一个客户定制完全贴合其需求的产品和服务。只有这样,大数据才能真正凸显其价值所在。
律商联讯风险信息公司(简称:律商联讯)是一家全球领先的风险信息服务提供商,向保险、医疗健康、法律、金融服务等行业及政府机构提供风险预测、评估及管理服务。律商联讯是励讯集团(RELX Group,原名励德爱思唯尔集团Reed Elsevier)的全资子公司。励讯集团是世界最大的专业信息解决方案提供商之一,在科技、医学、风险、法律和商业信息等领域为120多个国家的客户服务。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12