当前，保险业的需求在朝着多样化、个性化方向发展，大数据和人工智能等前辈的科技成为保险发展内在哀求和新的驱动力。

近年来，随着中国经济的高速发展，人们的衣食住行办法都发生着重大变革，伴随生活水平的提高，人们的需求层次也在逐渐提高，各种需求朝着个性化方向发展。
在此背景下，保险的需求也在朝着多样化、个性化方向发展，相对应的保险行业传统的产品驱动模式必将朝着定制化、智能化方向发展，这对保险行业而言即是机遇又是寻衅。

机遇紧张是变革带来了很多新的场景以及新的保险需求，寻衅紧张是保险风险特色越来越繁芜多样，风险的传播速率也加快。
这就哀求保险行业要捉住机遇，发挥经济“助推器”和“稳定器”的浸染。
同时，又要以新思维、新技能来加强对风险的掌握。

而与此同时，保险业自身也处在发展和变革的过程中，随着“偿二代”的履行，对保险公司的风险管理提出了更高的哀求，而在业务发展层面，传统业务中车险、寿险，大保险公司依赖规模效用来摊薄经营本钱。
中小保险公司在传统业务领域很难与大型保险公司反抗，必须通过模式创新、产品创新、做事创新等办法走创新发展的道路。
于是，大数据和人工智能等前辈的科技成为保险发展的内在哀求和新的驱动力。

“大数据+人工智能”全面助力保险业务各个环节

在移动互联、客户细分、消费升级的共同浸染下，大数据和人工智能已经成为保险公司捕捉未来成功的关键。
从一张保单的生命周期来看，投保、核保、运营、理赔等几个环节都与大数据和人工智能密不可分。

关于投保，随着社会的发展、技能的进步，投保的办法越来越看重便捷和效率，网上的投保和支付比重越来越大。
而在互联网上存在大量的黑客恶意攻击、盗卡盗刷、薅羊毛等敲诈风险，如果对这些风险不加以戒备，保险公司的系统就有可能遭到攻击瘫痪、客户账户资金受到丢失，客户信息遭到透露，保险公司营销本钱被一扫而空，这种情形下对保险公司的技能哀求、安全哀求也就越来越高。
互联网的黑产呈现的特点是专业化、全网流窜化、传播高速化。
为了戒备这些黑产的攻击，第一须要专业的技能工具，比如像设备指纹、IP画像、机器行为识别；第二是建立联防联控的机制；第三是搭建风险模型。

其次是核保，此阶段须要对投保人的不良信息进行筛查，对有过敲诈或失落信行为的人加以拒保。
其余可以演习风险定价模型，对付高风险客户通过提高保费增加敲诈或逆选择客户的本钱。

对付运营，这个阶段会存在客户回访的环节，如果用传统的人工拨打电话的办法，本钱太高，可以通过智能语音外呼的办法，根据客户的不同情形以及不同的手机在网状态选择拨打办法及话术。

末了是理赔，这个阶段涉及标的（车、房、企业、货色等）状况，案件所涉及的干系职员的信用状况、经济状况、行为偏好、位置轨迹、关系图谱等方方面面的信息。
纯挚的公司内部数据已经无法知足车险反敲诈的哀求，以是必须要对行业内、外部数据做领悟，结合这些数据再进行模型演习，通过模型的办法筛查出疑似敲诈的高风险案件，再进行重点审核和调查。

大数据智能风控在多种保险业务场景的运用

据理解，在全体互联网场景里，目前意外险、康健险霸占很大的比重，并且康健险还涌现了一些爆款产品。
但是在这些业务中，存在一部分逆选择乃至敲诈或者道德风险，比如有些投保人，在申请单上填写了高收入，但实际上却相去甚远，而且投保了高额的康健险，这就存在很大的敲诈嫌疑。
对付这类行为，我们可以通过多维度不良信息筛查，在投保阶段将其拒保，避免敲诈行为的发生。

当然，车险反敲诈是一个旧调重弹的话题，以前的小剐小蹭随着费率改革报案量越来越少，但理赔渗漏或大额案件敲诈行为仍旧是车险的一大顽疾。
针对这类问题，从理赔层面可以利用繁芜网络的技能来做理赔反作弊剖析，将案件干系职员之间的相互勾结进行筛查。
其余，还可以将事后调查升级为事前防控，在核保阶段就对一些高风险业务进行一些筛查，一旦创造这笔业务的干系职员涉嫌网络敲诈、失落信等行为将按照核保规则将其拒保。

在车险定价方面，在从车的因子的根本上还可以增加从人、从驾驶行为、从位置轨迹的定价因子，做更加精准的定价。
在车险市场回归理性的过程中，真正差别化、精准的定价必将成为一个趋势，大数据剖析可以发挥的浸染会越来越大。

随着很多线了局景搬到线上，关于非车财涉及的场景就非常丰富了，通过数据的领悟可以把现实投保场景和虚拟场景结合起来，对付营销的切入点的增加以及对风险的评估的全面性和准确性都会有很大的提升。

末了是寿险，虽然当前理财型产品的发展受到一些掌握，但这部分业务仍旧处于较快发展过程中。
实在，之以是要对理财型产品进行掌握，紧张也是为了让客户的实际需求和理财类产品不同的风险状况得到更好的匹配，否则会积累大量的投资风险，对金融稳定性造成不良影响。
为此，我们对理财型产品的营销须要做到精准化，而不是通过过度推销积累风险。
要进行精准化的营销，首先要对客户做一个多维度、全息的画像。
通过对客户的收入状况、行为偏好、风险偏好、风险承受能力等维度的剖析，给客户推举更适宜的寿险理财型产品。
其次，由于寿险产品相对繁芜，从客户最初打仗到终极成单每每须要不断得沟通，如何提高沟通效率并且降落本钱是我们须要考虑的主要问题，在沟通办法上，可以采纳智能外呼、智能投顾机器人的办法，提高效率且降落本钱的同时，还能避免人工感情化的弱点，降落做事门槛。

保险和大数据、人工智能领悟关键在行业和数据

对付保险行业来讲，从大数据和人工智能两个方面须要关注两个领悟，首先是行业的领悟，其次是数据的领悟。

行业的领悟详细指，怎么能把保险行业跟大数据和人工智能行业实现有效的领悟，这里对保险公司提出了一个寻衅，我们怎么样能够利用大数据，以及人工智能的技能，来促进业务的增长。
不管是从反敲诈风险防控方面，还是从精准营销获客方面，这对保险公司来说，在行业领悟里都有很大的寻衅。
第一，大数据等科技型公司在保险行业做大数据和人工智能，须要对保险行业有极深的理解，即行业洞察，须要知道保险公司的发展计策是什么，他们的寻衅是什么，他们的痛点在哪里；第二，有了行业的洞察之后，还要有针对行业的算法，大数据剖析专家须要知道用什么样的模型算法来办理保险公司的问题；第三是数据，这个是履行大数据和人工智能的根本，有这样的数据之后，才能有相应的模型、算法来办理保险公司碰着的情形；第四是团队，履行大数据和人工智能，对团队哀求的特质，紧张是应对前面三方面寻衅的能力，须要既能洞察行业及业务情形，又能利用大数据等技能手段办理行业的难点痛点的综合型的人才。

数据领悟，保险公司的数据怎么样能够跟大数据、人工智能的创业公司实现有效的领悟，才能够创造出1+1大于2，乃至大于3这样的有效动能，来驱动保险公司业务的发展。
比如，保险公司有自己体系内大量客户的数据，但是如果有一个新的客户来的时候，怎么样能够有效地知道这个客户的风险，怎么样勾勒出这个用户的画像，来更好地实现发卖。
比如，既有的客户在互联网里，在其他保险公司里，在互联网金融里有什么样的行为，有什么样的特质，多维度的画像是怎么样的，怎么样对既有的客户实现沉默客户的激活，来达到我们增加保费的目的。

综上，从全体保险行业来看有两个领悟，一是行业的领悟，也便是保险公司跟大数据、人工智能创业公司的领悟；二是数据的领悟，保险公司内部对外部的数据，以及创业公司数据的领悟。

新科技助力保险行业的未来

当前，我们正从一个时期进入另一个时期，因此，面临的不再是一种“周期性”的变革，而是“坐标系”的转换，“今是昨非”和没有“公约数”将成为主要特色。
险些每一个行业须要回答的一个问题是：如何面对未来？保险行业也不例外。

首先是机器学习，这是一门研究打算机仿照或实现人类的学习方法，深度学习、无监督模型是机器学习中的一些方法和形式。
著名的AlphaGo便是利用深度学习打败人类思考的范例案例，其最大的优点是，在博弈的过程中可以实现根据对手的情形不断自我学习。
在实际保险业务中，市场情形变革越来越快，尤其在反敲诈领域，道高一尺、魔高一丈，我们与敲诈分子会展开不断的博弈，模型改动和调优的周期非常短，通过机器学习的办法可以有效办理高频业务的风险掌握。
除此之外，智能投顾、机器人客服也是可以用机器学习的方法，通过与客户沟通互换的过程不断学习、改动模型，达到灵巧做事的目的。

其次是区块链技能，在比特币盛行的过程中引人关注。
在以往的业务、交易系统的架构中，每每采纳的是数据集中的办法，但这样会产生很多作弊、系统攻击、信息透露等问题，尤其是在黑客攻击技能增强，数据变得越来越敏感的时期，信息、数据的传输和领悟变得很困难。
而区块链技能可以既做到数据共享，又避免由于数据集中造成的作弊、透露等问题。
比如在意外险反敲诈领域，会涌现投保人在多平台恶意投保的情形，通过区块链技能可以实现多平台投保查询的功能，杜绝以往多平台、高保额敲诈案件的发生。

目前，大数据以及人工智能行业帮助保险公司业务发展前景非常广阔，捉住黄金机遇期成为保险公司实现突围的关键。
同时，寻衅与机遇并存，最大的寻衅便是如何冲破数据孤岛，这也是前面提到的行业领悟及数据领悟最关键的部分，也便是说如果大数据及人工智能能够驱动我们保险公司的发展，一定要冲破公司与公司之间数据的孤岛，一定要冲破保险行业跟其他行业之间的数据孤岛，一定要整合保险行业的全体行业资源，加上大数据和人工智能创业公司的模型、算法以及技能资源，实现数据和能力的整合，冲破数据孤岛之后才能够真正履行大数据及人工智能计策，才能够让保险公司借助所有行业的领悟，以及创业公司的人才、技能等各方面的上风，促进全体业务的发展。

本文刊发于《清华金融评论》2017年12月刊

本文源自清华金融评论

更多精彩资讯，请来金融界网站(www.jrj.com.cn)