
大数据能否拯救保险业数据“干涸” _数据分析师
商业车险新费率改革下月起将在6试点省市全面实行,然而最新数据显示,目前经营车险业务的中外资企业绝大部分仍处于全线亏损的状态。对此,业内人士认为,数据分析等基础工作没有到位仍是造成险种亏损、制约费改的重要因素,如何整合数据资源、实现信息共享、利用大数据进行产品和渠道的创新是保险业把握跨越式发展机遇的关键一步。
信息壁垒阻滞创新
据了解,目前保险行业基础数据积累比较薄弱,已经影响到保险业产品设计、定价、营销、理赔以及行业监管等各环节的创新发展。而目前保险业无力整合业内外信息数据资源实现信息数据共享,信息数据管理和分析处理能力不足等问题又加剧了保险业数据的干涸程度。
中国保险行业协会会长朱进元表示,新“国十条”提出要大力发展责任险,但是产品的设计离不开对信息数据的掌握和分析:“比如医疗责任险,每年有多少案例,其中千分之几出现这样的问题,大约需要赔付多少,这就是保险产品的基础数据,但这些都掌握在医院手里,保险公司没有这个数据。”
一位保险业内人士则表示,一些地方的卫生和人社部门不让商业保险公司用信息平台:“在一些地方,商业保险公司承接政策性医保项目不赚钱甚至亏损,但之所以这么做,就是为了掌握居民医疗信息。”
不仅如此,保险行业内也存在信息数据不共享的问题。“保监会有几十亿条数据躺着睡觉没有利用起来。”北京大学风险管理与保险学系主任郑伟表示,虽然目前保险业做了年度信息披露报告,解决了外部获取保险业信息的问题,但是总体来看还是披露的太少。
利益分割造成数据割据
对于信息数据割据的原因,有保险人士认为,这实际是利益分割的结果。行业外的部门把保险业当队友还是对手,决定了他们是否会向保险行业开放数据共享。
“很多医疗部门、社保部门把我们当竞争对手,其实他们解决层次低的问题,我们提供中高端保障,实际上是互补的,都会对社会稳定发挥作用,但是基础数据他们一直在做,我们相用,壁垒很高。”上述人士表示,以医责险为例,如果对它的效果有共识,则会促进相关数据的公开。
值得注意的是,信息安全也是决定一些数据是否适合公开的重要考量。保监会副主席王祖继表示,现在来自各方面的海量数据让数据处理的软硬环境更加复杂敏感,更容易成为攻击目标。防范信息安全风险已经成为大数据时代的重要课题。
数据共享需制度保障
业内人士建议,应推动各部门向保险行业开放相关数据信息平台,实现互利共享。同时尽快通过完善法律法规来营造有法律约束的,安全的数据开放和共享环境。同时,保险行业也应提升积累、分析和利用数据信息的能力。
朱进元认为,保险业想要在大数据时代有所作为,数据积累是一项基础工程。“应重塑保险业在国民经济发展中的地位,鼓励各部门用开放的心态对待保险业。”他表示,以农业保险为例,好的数据积累,对于提升农业保险的数据准确度、增强费率定价能力、提高农业保险保障水平至关重要。
“下一步要推动形成一个巨大的信息网络,在这个系统之内大家可以自由地流通信息。”保监会主席项俊波说,只有得到各部门的支持,通过建立平台实现信息共享,才能有效降低承保过程中出现的跨险种、跨机构、跨领域风险,实现监管环节的现代化。另一方面,要尽快建立和完善相关法律,让信息数据公开有法可依。保监会财产保险监管部主任刘峰建议,我国可借鉴美国的《信息公开法》,要求政府部门形成的数据,除非保密需要,都应充分向社会公开。王祖继认为,行业监管部门要监督保险机构严格遵守信息化主管部门制定的规章制度,进一步完善行业信息化治理,强化责任落实,加强信息安全培训,提升信息安全技术,完善信息安全预警和响应机制,进一步健全与大数据时代相适应的信息安全保障体系。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23