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随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 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 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21