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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 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 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 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 ...
2026-08-24 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