京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据成互联网保险新利器 安全管理水平待提升
保险公司正通过借助人脸识别等科技条件为展业提供方便,对于应用大数据“改革”业务模式非常看重,但业内人士认为,虽然大数据有利于互联网保险发展,但行业大数据分析开展得相对较差,技术应用方面存在不均衡现象。目前,支撑互联网金融的大数据、云计算等新技术发展还不成熟,安全机制尚不完善,安全管理水平有待提升。
互联网技术革新付诸实践
保险公司正在借助技术为投保人提供更加便利的风险保障服务体验。弘康人寿发布的2016年互联网保险服务标准中,在保全环节引入人脸识别技术,通过后台比对身份证照片和公安部下的身份证认证中心照片智能比对,代替了人工认证。
弘康人寿相关负责人表示,人脸识别技术已经比较成熟,银行、券商等金融领域都有广泛应用,人脸识别服务可以看作是全自助服务中的优化创新,也是将更多的半自助和人工保全服务变为智能自助服务的解决方案。未来,弘康人寿预期将人脸识别应用到更加复杂的服务中,比如传统服务中需要派遣人工做生存调查的生存金领取等保全项目。
人保财险副总裁王和认为,大数据时代的到来,使得保险大规模、多样性、实时、潜在数据的获得及快速分析成为可能,保险价值主张将发生根本性变革。保险全面渗透到客户日常风险管理已成为可能,未来作为传统保险经营的核心环节,承保只是保险的前端和客户的触点界面,真正的核心价值体现在后端的专业化风险解决方案。
保险业权威机构通过对国内保险公司的调研发现,中国保险企业对于应用大数据“改革”业务模式都非常看重,而且也有不少企业已开展相关实践,且大多数未开展的险企也表示计划在3年内开展相关应用。在被调研的保险公司中,63%的车险经营公司已开展车联网应用,16%已开展平台生态圈实践。
华夏保险董事长李飞在“2016中国互联网保险大会”上提出,“互联网+”时代的保险业发展的两大趋势:一是互联网技术应用将大幅提高保险公司经营效率,降低管理成本,提升客户体验效果;二是互联网技术的发展,将带来客户消费行为和习惯的改变,推动商业保险模式的改变,催生行业的创新。
需提升技术应用能力
前述行业权威机构对中外保险机构开展调查研究发现,互联网技术对保险业的影响按深入程度可分为两类:一类是对传统保险价值链的升级再造,称之为“大数据改良”;另一方面是对传统产业边界的突破,称之为“大数据改革”。“改良”提升了保险业的服务能力、盈利水平和企业价值,而“改革”则有可能彻底改变人们对于保险业的固有印象。其中,大数据对传统保险价值链的改造与升级,主要体现在风险评估定价、交叉销售、客户关系管理、理赔欺诈检测、理赔预防和缓解等五个环节。
保监会原副主席魏迎宁表示,保险业开展大数据分析,可以发现不同群体的保险需求,有针对性地开发保险产品,减少风险的不确定性,精准定价。有了大数据分析,以前不可保的风险可以变成可保风险。同时,保险业也有条件进行大数据分析,因为保险业务的信息化和数据的集中管理使保险公司获取了大量的数据,再加上外部数据,数据规模十分庞大,但现在保险业大数据分析开展得相对较差。
数据也透露出行业在技术应用方面的不均衡。中国保险业在大数据应用方面的现状调查统计结果表明,保险公司对大数据应用于“改良”的现状中,最积极推进的为风险建模,占比达63%;其次为风险评估与定价、新客户获取、活动管理,占比均大于40%;在其它方面的应用占比尚较低,特别是索赔预防缓解方面,仅有11%的保险公司正在开展。分析人士认为,过去保险企业IT 技术的应用,侧重于通过数字技术拓展销售渠道,重点提升网销、电销及移动展业能力。未来,互联网技术将颠覆性地变革保险公司的基本商业模式。
复星保险集团执行总经理高立智认为,互联网保险防范风险的重点在销售误导和信息安全,全面、充分地信息披露和风险提示尤为重要。目前,支撑互联网金融的大数据、云计算等新技术发展还不成熟,安全机制尚不完善,安全管理水平有待提升。互联网保险的业务数据和客户个人信息全部电子化,信息安全若得不到有效保障,将有可能酿成业务数据和客户信息灭失、泄露的重大风险。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 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 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28