品觉导读：
在涉足保险业的25年从业经历中，从来没有看到保险公司如此迅速地采取行动改变经营模式。
商业和住房保险领域正在积极探索利用远程设备在物联网上传输数据。
定制化将达到令人难以置信的程度，人们将能够根据自己的意愿和需求来购买保险，而且其价格和内容完全贴合投保人的实际情况。
无论是从定义上看还是在实践中，保险业通常都是规避风险的。但由于率先采用数据分析技术者获得成功，在规模1.1万亿美元的美国保险市场，保险公司争相趁早加强各自的数据分析工作。
全球知名咨询机构凯捷集团（Capgemini）的赛斯·拉克林（Seth Rachlin）在涉足保险业的25年从业经历中，从来没有看到保险公司如此迅速地采取行动改变经营模式。
拉克林是凯捷金融服务公司（Capgemini Financial Services）旗下保险业务部门的副总裁，负责数据分析。他表示：“保险业历来都是一个行动缓慢的行业。但说实话，过去两三年中的变化速度是我在这个行业从来没有看到过的。”
几家走在分析技术最前沿的保险公司公布亮丽业绩之后，整个行业如同醍醐灌顶。这引发了一个如今仍在展开的连锁反应。
拉克林说：“大致说来，驱使保险公司这样做的原因是，数据和分析能够对业绩产生很大的影响。我们看到企业非常渴望利用技术——更具体地说就是利用数据。保险业正在领会这点，而且希望在这方面采取行动。我觉得保险公司在一定程度上甚至还担心落后于人。”
发端于汽车保险市场
前进保险公司（Progressive）凭借速达（Snapshot）数据跟踪设备，将这场数据分析运动引入驾驶者信息化进程，速达数据跟踪设备传输有关客户何时开车、开车频次以及刹车多猛的数据。
这场分析变革发端于汽车保险市场，在美国规模5,000亿美元的财产保险领域，汽车保险占据了相当大的份额。
汽车保险公司通常会根据投保人对应的费率类别确定保费。在计算保费时可能还会考虑10至20个变量因素，比如驾驶者的年龄、性别、居住地、累计驾驶里程以及驾驶记录。
但之后几家汽车保险公司开始收集更多有关潜在客户的数据——比如信用评分以及采自点评网站Yelp的声誉数据，然后把这些数据输入到设有1,000多个变量的模型之中。
纳入这些数据后的模型得以形成更为精细、为数也更多的费率类别。随着费率类别更加细化而且更有针对性，相比采用传统定价模型的竞争对手，分析技术的早期采用者不仅能够更加有效地就保险客户的风险定价，而且还能够降低索赔支出。
拉克林说：“利用数据并且运用基于这些数据的模型来更好地选择风险并对风险定价，这种实践现在已经在一些领先的公司进行了多年。但整个行业现在对此变得狂热起来，他们正设法将这样的方法应用于全行业，用在价格如何左右客户的购买行为，以及数据对风险选择的影响之类的问题上。”
并行计算的助推
但这场变革为什么现在发生呢？据拉克林所说，这其中存在两个主要原因：统计建模技术精密程度的提高以及并行计算能力能够为人们所用。
他说：“采用目前使用的许多统计建模技术，你事先需要知道的信息要少很多。从某种程度上说，你可以把所有信息都放到模型里，看看哪些信息有用，然而对于 15-20年前的统计建模实践而言，要想让模型真正得出结果，你需要对相关信息为什么重要进行严密的假设。”
拉克林说，分布式计算在一定程度上让保险公司能够管理大量半结构化和非结构化数据。但更重要的是“集群并行处理环境中的计算能力，它才是让这个方法能够运行的关键。”
不久之前，保险公司里的聪明人还在依靠夜间批处理程序（这些程序多半在 IBM大型机上运行）来计算风险、价格敏感度或其他因素，保险公司依据这些结果采取不同的行动。如果模型运行失败或结果看上去不对，分析师会对模型加以改动，然后需要再运行一天才能得到结果。
这些批处理程序如今基本上已经消失了。拉克林说：“能够接近实时地运行处理相关数据，仅仅是这个能力已经产生了巨大的影响。想想价格敏感度分析、价格与资本的关系以及运行诸如蒙特卡罗模拟等模型的能力，即便在 10年前这些都是非常困难的事情。”
商业、住房以及工伤保险业务
虽然数据分析技术进入保险市场是由汽车保险领域发端，但这种技术现在也在运用于其他领域——包括商业建筑和工伤保险业务。
拉克林说，商业和住房保险领域正在积极探索利用远程设备在物联网上传输数据。
他说：“商业保险公司正在考虑采用建筑传感器技术。 在收集数据、使用数据甚至以此为基础改变经营模式方面有许多创新。”
采自诸如Facebook 和Twitter等社交媒体网站的数据可用于发现工伤保险市场上的欺诈行为。他说：“许多保险公司正在做的是，抓取 Facebook及其他类似网站的数据，以此寻找证据证明索赔员工并不像他们声称的那样丧失能力。”
医疗保险领域的分析技术
保险公司正在越来越多地利用传感器来更好地评估风险
医疗保险领域没有那么多使用分析技术的机会，这主要是因为医疗保险不是一个以消费者为导向的市场，而且医疗保险公司并不能选择承保对象。
但拉克林说，医疗保险在很大程度上依然以数据为导向。他说：“你看到的是分析技术在病例管理方面的大量应用，保险公司以此在实际上避免病例中的结果、进行前瞻性的病例管理。在这个领域，数据分析最近发挥了很大的作用。”
虽然机会有异，但部分分析技术是相同的。正如汽车保险公司和零售商创建许多细微类别来更加准确地预测一个特定的人可能会做什么，医疗保险公司——以及他们携手合作的医疗服务提供商——正在创建高度细分化的基于健康状况、诊断结论以及治疗结果等变量的患者模型。
拉克林说：“我们知道，如果有人患有某种疾病，每个月都为他们服用的处方药提出索赔，相比他们没有按医嘱用药的情况，其结果将会更好。这方面存在巨大的机会。而且各大公司正在开展大量的工作，力图将以结果为中心的分析技术进一步用于治疗领域。”
数据驱动整合
保险行业的性质正在发生变化，而且其中许多变化可以追溯到大数据和分析技术。保险公司再也无法仅靠查阅精算表来计算特定车辆、个人或建筑发生不幸的风险——至少他们如果想要长久维持运营就不能如此。
拉克林预计，如今以分析为导向的市场争夺将会导致行业整合。他说：“想想银行业的情况，你会发现大银行只有那么几家。保险业最终也会如此。市场上存在大量的小保险公司。他们将无法负担得起让自己具备竞争力的技术和能力。他们将逆向选择风险大的保险业务，而且他们将会面临诸多问题。这种情况已经在发生了。”
拉克林说，虽然对于消费者而言，供应商减少的前景对竞争性定价不利，但这并不完全令人悲观失望。“从消费者这方面来看，定制化将达到令人难以置信的程度，人们将能够根据自己的意愿和需求来购买保险，而且其价格和内容完全贴合投保人的实际情况。保险业将会更像现在的情况，而不是像传统的那样以零售为导向。
品觉按：曾经有一次在上海与平安的马明哲先生碰过面,他是这样跟我说的:“大数据在保险业的用处在于获取客户和定价“。保险业的动态定价确实很有玩味的,关键信号的收集与分析是创新的源泉。再加上Pay as you use 的Concept更把大数据的数据刷新及实时计算的匹环推上极致。
联系客服
