京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据为保险业提供另一种视角_数据分析师
在客户需求的精确锁定方面,大数据给保险业带来了很多便利。以前,对于客户的分类局限于“客户属于哪一类”,而现在,则扩展到“客户是哪一类”。
传统的精算技术只在一定纬度量化风险,很难充分反映风险的复杂性。而在互联网大数据时代,则前所未有的创造了风控每个投保标的的可能,从未有过如此多纬度、低成本的数据,如此系统、新鲜地提供给保险业。
什么星座的人最喜欢买保险?哪个地区的人最喜欢给自己买保险?这些曾经看起来无关乎保费的问题,在互联网大数据时代背景下,也成为了险企定位客户的另一种视角。在泰康人寿的保单中,最喜欢买保险的是天秤座,而最不喜欢买保险的是白羊座;最喜欢给自己买保险的是宁波人,而最不喜欢给自己买保险的则是陕西人。
“上述结论没有什么道理,这是泰康人寿的数据分析出来的。以前,对于客户的分类局限于"客户属于哪一类",而现在,则扩展到"客户是哪一类"。”泰康人寿首席信息官刘大为在日前召开的“互联网大数据与精算创新论坛”上,用几个有趣的结论介绍了大数据时代保险业正在发生的变革。
精准定位
我的客户在这里
“在当前时代背景下,可以运用大数据分析法来整合分析金融保险需求的关联度,在不同方向、专业形式的共同配合下,做好大数据的升级分析整合的系统工程,从客户的角度,综合统筹各种信息,捕捉各种需求,从而寻找潜在的客户,并预测客户的具体需求。”中国保监会原副主席、中国精算师协会创始人魏迎宁在论坛上表示,从保险业来看,在客户需求的精确锁定方面,大数据给我们带来了很多便利。
在大数据背景下,除了对数据的纵向分析之外,可以从横向来分析消费者的需求。客户的具体收入水平、文化程度、价值观念,也会影响其对保险的态度,通过对网络消费的数额、职业、学历等数据所进行的分析,也可以作为保险需求分析的重要部分。还可以通过搜集互联网用户的地域分布,搜索关键词、购物习惯、流览记录和兴趣爱好等一系列的数据,在保险产品消费中实现需求定向、偏好定向,真正做到精准化、个性化营销。
以“双十一”当天卖出1.86亿单的退运险为例,据统计,此类产品索赔率在50%以上,对保险公司的利润只有5%左右,仅从保险公司的角度,这类产品并不是很成功,但有很多保险公司都有意、愿意去开发这类保险。魏迎宁分析道:“客户购买退运险后,保险公司就可以获得该客户的基本信息,包括手机号和银行账户信息,并能够了解该客户购买的产品,从而实现精准推送。假设该客户购买并退货的是婴儿奶粉,保险公司就可以估计该客户家中有婴儿,可以向其推荐关于儿童疾病、教育等相关的保险产品,这显然比5%的利润更有吸引力。”
风险可测
传统精算遇危机
互联网大数据不仅为险企带来了另一种找客户的方法,也为险企解释风险的技术带来了革命性的变化。
“从保险业来看,传统的精算技术只在一定纬度量化风险,很难充分反映风险的复杂性。而互联网大数据时代,则前所未有的创造了风控每个投保标的的可能,从未有过如此多纬度、低成本的数据,如此系统、新鲜地提供给保险业。”魏迎宁表示,过去成千上百的人都被放在同一风险水平之上,但事实上这是不可能的,大多数人都在支付多一笔的保费。传统精算研究的是评估数,很少涉及个案,保险公司卖车险的时候,考虑的因素有年龄、性别、婚姻状况、驾驶记录、收入、职业、教育、背景等等,但是,通过大数据的分析,可以解决现有的风险控制问题,为客户制订个性化的保单,运用社交网络,改善产品和服务,影响目标客户,通过对已有信息的分析,保险公司可以获得更准确的定价模型,提供个性化的解决方案,不再像现在一样,所有人都面对相同的风险测量准则。
当然,随着革命性的变化而生的,还有巨大的挑战。中国精算师协会副会长、人保财险副总裁王和在论坛上对精算师提出了两个问题:无人驾驶车的出现,将避免车辆之间发生碰撞,那占了财险保费收入70%以上的车险怎么办?基于物联网的健康管理系统的出现,将使生命成为可知,那健康险还保什么?王和认为,计算科学的发展以及信息技术的突破,将导致“计算能力”出现产品化、商品化和日用品化的趋势,特别是人工智能的出现,将颠覆性地挑战所有“依据规则”生存的职业,包括传统精算。
大数据人才
提高行业竞争力
面向未来,传统的计算工匠将难以生存,但真正的人才将成为最先进的技术。
正如刘大为所言,“在互联网大数据时代,最重要的技术,是人才”。从实际情况来看,大数据人才必须有数学专业背景、懂计算机,而在这些硬件条件之外,论坛嘉宾普遍认为,创新能力更为重要。
魏迎宁表示,不拘泥于现有的等待客户的被动模式,预先发现潜在需求者,精准定位需求,运用大数据分析消费者的需求,将为精算职业发展提供更为广阔的空间。搜集获取、分析与保险需求要素有相关关系的所有数据,找到有保险需求的潜在客户群以及他们具体需要的保险产品,最终由销售人员向他们推荐介绍。这种大数据分享,将对提高保险业竞争力,降低销售误导,重塑保险业规范的品牌形象发挥重要作用。
不过,与数学背景、计算机背景、沟通能力、创新能力相比,刘大为坦言:“最为重要的是好奇心。”刘大为对记者说:“做大数据分析,不会有人告诉你做什么、有人给你他的需求,一定是好奇心促使他们在固有的数据中发现了新的商机、新的服务。在这一点上,"80后"、"90后"找到了很多与众不同的结果。但这种人才是非常少的,因此,保险公司应该在现有的基础上加快对大数据人才的积累,这是一个门槛,更是一种挑战。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30