大數(shù)據(jù)與AI技術(shù)實(shí)現(xiàn)保險(xiǎn)精準(zhǔn)定價(jià)研究

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了大數(shù)據(jù)與AI技術(shù)實(shí)現(xiàn)保險(xiǎn)精準(zhǔn)定價(jià)研究范文，希望能給你帶來靈感和參考，敬請(qǐng)閱讀。

摘要：介紹了保險(xiǎn)行業(yè)的大數(shù)據(jù)特征，對(duì)利用大數(shù)據(jù)與ai技術(shù)相結(jié)合實(shí)現(xiàn)對(duì)車險(xiǎn)、航延險(xiǎn)、健康險(xiǎn)、家財(cái)險(xiǎn)四類保險(xiǎn)的精準(zhǔn)定價(jià)進(jìn)行了研究，以期對(duì)保險(xiǎn)行業(yè)在精準(zhǔn)定價(jià)方面拋磚引玉，解決保險(xiǎn)行業(yè)保險(xiǎn)定價(jià)不準(zhǔn)的問題，保證保險(xiǎn)公司在正常收入的前提下最大化消費(fèi)者利益，以進(jìn)一步促進(jìn)保險(xiǎn)業(yè)的發(fā)展。

關(guān)鍵詞：大數(shù)據(jù)；AI；保險(xiǎn)；保險(xiǎn)定價(jià)

隨著社會(huì)的不斷發(fā)展，風(fēng)險(xiǎn)意識(shí)已經(jīng)深入人心，保險(xiǎn)成了保障人民生活的必需品。據(jù)中國(guó)銀行保險(xiǎn)監(jiān)督管理委員會(huì)的數(shù)據(jù)顯示，僅2020年3月份，全國(guó)財(cái)產(chǎn)險(xiǎn)保費(fèi)收入2962億元，壽險(xiǎn)保費(fèi)收入10798億元，意外險(xiǎn)保費(fèi)收入295億元，健康險(xiǎn)保費(fèi)收入2641億元，合計(jì)16695億元。現(xiàn)有保險(xiǎn)控股公司10家、財(cái)產(chǎn)保險(xiǎn)公司60家、人壽保險(xiǎn)公司71家、再保險(xiǎn)公司8家、資產(chǎn)管理公司11家，全國(guó)做過保險(xiǎn)人的人員數(shù)量超5000萬。面對(duì)如此龐大的市場(chǎng)規(guī)模及行業(yè)競(jìng)爭(zhēng)，誰將是保險(xiǎn)行業(yè)的下一個(gè)“獨(dú)角獸”，保費(fèi)的精準(zhǔn)化定價(jià)將是市場(chǎng)競(jìng)爭(zhēng)核心價(jià)值的體現(xiàn)。保險(xiǎn)定價(jià)在保險(xiǎn)行業(yè)中是一個(gè)相當(dāng)復(fù)雜而重要的過程，傳統(tǒng)中保險(xiǎn)價(jià)格都是由“成本加成”的方法確定的，即對(duì)風(fēng)險(xiǎn)溢價(jià)的精算評(píng)估，包含直接成本、間接成本以及利潤(rùn)增值。但此定價(jià)方式的弊端也尤為明顯：①定價(jià)周期過長(zhǎng)，投入人力成本很高；②定價(jià)方式不夠靈活，對(duì)于所有客戶實(shí)行統(tǒng)一定價(jià)；③風(fēng)險(xiǎn)識(shí)別能力低，致使賠付率升高。無論定價(jià)是過高還是過低，其最終結(jié)果都是一樣的：影響保險(xiǎn)公司收入，導(dǎo)致利潤(rùn)下降甚至虧損。如何實(shí)現(xiàn)保險(xiǎn)的精準(zhǔn)定價(jià)，既能以較低的價(jià)格吸引優(yōu)質(zhì)客戶投保，又能針對(duì)風(fēng)險(xiǎn)較高的保單給出合理的價(jià)格，來降低承保風(fēng)險(xiǎn)和賠付率。通過大數(shù)據(jù)結(jié)合AI智能算法，將有效的解決保費(fèi)的精準(zhǔn)化定價(jià)問題，并將保險(xiǎn)行業(yè)帶入新風(fēng)口“大數(shù)據(jù)＋”模式，以實(shí)現(xiàn)消費(fèi)者以及保險(xiǎn)公司兩者之間在利益均衡的前提下雙方利益最大化。

1保險(xiǎn)行業(yè)的大數(shù)據(jù)特征

大數(shù)據(jù)（bigdata），就是具備4V（Volume，Vari－ty，Velocity，Value）特征的數(shù)據(jù)。

1．1規(guī)模性

（Volume）2020年3月，中國(guó)銀行保險(xiǎn)監(jiān)督管理委員會(huì)的數(shù)據(jù)就能展現(xiàn)保險(xiǎn)行業(yè)在交易額、交易單量、保險(xiǎn)公司數(shù)量、參與人數(shù)等多個(gè)維度的規(guī)模性均達(dá)到要求數(shù)據(jù)量級(jí)。1．2多樣性（Varity）在保險(xiǎn)行業(yè)開展業(yè)務(wù)過程中，會(huì)錄入數(shù)據(jù)庫(kù)相關(guān)的業(yè)務(wù)數(shù)據(jù)，如客戶的基本資料，除此之外還會(huì)產(chǎn)生附加數(shù)據(jù)，如電話銷售的錄音、定損時(shí)的照片或者視頻等多種形式的數(shù)據(jù)，符合多樣性的要求。

1．3高速性

（Velocity）通過壽險(xiǎn)公司數(shù)據(jù)取樣，電銷銷售如果有3萬，每天要打8h電話，按照3min～5min產(chǎn)生1M音頻文件算，每秒鐘大約300M的音頻，一天就是24T，完全符合高速性的要求。1．4價(jià)值性（Value）保險(xiǎn)公司具有大量客戶的真實(shí)信息：如身份證、家庭住址、家庭成員、收入情況、就業(yè)情況、出險(xiǎn)情況、存款情況等，均具有很高的數(shù)據(jù)價(jià)值性，當(dāng)然在挖掘數(shù)據(jù)價(jià)值的同時(shí)要兼顧道德底線。根據(jù)大數(shù)據(jù)特征，對(duì)照保險(xiǎn)行業(yè)的數(shù)據(jù)，可看出保險(xiǎn)行業(yè)具有大數(shù)據(jù)的相關(guān)特征。利用大數(shù)據(jù)技術(shù)解決保險(xiǎn)行業(yè)相關(guān)問題是可行的，并將有利于促進(jìn)保險(xiǎn)業(yè)的發(fā)展。

2借力新技術(shù)實(shí)現(xiàn)保險(xiǎn)精準(zhǔn)定價(jià)

當(dāng)獲取到大量數(shù)據(jù)后，如何快速、準(zhǔn)確的分析數(shù)據(jù)、得出結(jié)論？這需要將大數(shù)據(jù)技術(shù)與AI智能算法相結(jié)合，兩種技術(shù)共同解決保費(fèi)的精準(zhǔn)化定價(jià)問題。下面將分別就車險(xiǎn)、航延險(xiǎn)、健康險(xiǎn)、家財(cái)險(xiǎn)的實(shí)際業(yè)務(wù)模式，闡述如何結(jié)合大數(shù)據(jù)及AI技術(shù)實(shí)現(xiàn)保費(fèi)的精準(zhǔn)化定價(jià)。

2．1車險(xiǎn)采用

UBI車險(xiǎn)模式，是一種基于駕駛行為來制定保費(fèi)的車險(xiǎn)?？赏ㄟ^車聯(lián)網(wǎng)、智能手機(jī)和OBD（汽車故障診斷的檢測(cè)系統(tǒng)）、行車記錄儀等聯(lián)網(wǎng)設(shè)備綜合記錄車主的駕駛習(xí)慣、駕駛時(shí)間、行駛地點(diǎn)、實(shí)時(shí)速度、急加速、急減速、急轉(zhuǎn)彎、車輛信息、居住地區(qū)、違章、出險(xiǎn)等信息。將上述數(shù)據(jù)標(biāo)準(zhǔn)化后，歸結(jié)為計(jì)值類變量、平均值類變量、標(biāo)準(zhǔn)差類變量、極值類變量與比例類變量，采用Logistic回歸對(duì)數(shù)據(jù)進(jìn)行建模分析，通過極大似然估計(jì)對(duì)參數(shù)進(jìn)行求解，之后對(duì)參數(shù)顯著性進(jìn)行檢驗(yàn)。模型通過檢驗(yàn)后，結(jié)合AI智能算法，不斷地提高模型的顯著性，最終建立駕駛行為評(píng)分模型和UBI車輛定價(jià)模型，應(yīng)用于車險(xiǎn)保費(fèi)的精準(zhǔn)定價(jià)中，鼓勵(lì)車主建立良好的駕駛習(xí)慣以獲得更實(shí)惠的報(bào)價(jià)。以大數(shù)據(jù)作為數(shù)據(jù)支撐，使用AI機(jī)器人與真人相互配合，在前期審核、報(bào)價(jià)、自主批改等流程可以快速作出響應(yīng)，據(jù)眾安保險(xiǎn)測(cè)算，在大數(shù)據(jù)與AI的結(jié)合下，從報(bào)價(jià)到投保的整體轉(zhuǎn)化率由14％提升至20％。保險(xiǎn)公司可以主動(dòng)選擇低風(fēng)險(xiǎn)駕駛者，降低理賠賠付率并主動(dòng)預(yù)防理賠事故的發(fā)生，另外，提供差異化的產(chǎn)品與服務(wù)有助于保險(xiǎn)公司打造特色服務(wù)，獲取增值收益。UBI車險(xiǎn)系統(tǒng)生態(tài)圈，如圖1所示。

2．2航延險(xiǎn)

是屬于一種非物質(zhì)損失的風(fēng)險(xiǎn)投保，當(dāng)航班沒有按照原定計(jì)劃執(zhí)行時(shí)，投保人可根據(jù)保險(xiǎn)合同的規(guī)定，向保險(xiǎn)公司發(fā)起索賠的商業(yè)保險(xiǎn)行為。由于該險(xiǎn)種是由時(shí)間延遲而導(dǎo)致的經(jīng)濟(jì)損失，無法以具體的實(shí)物損失進(jìn)行估計(jì)，因此航延險(xiǎn)的保險(xiǎn)定價(jià)也成了一個(gè)難題。2011年～2016年我國(guó)保險(xiǎn)公司航延險(xiǎn)的保費(fèi)收入增長(zhǎng)近46倍，航延險(xiǎn)又成了各保險(xiǎn)公司的必爭(zhēng)之地?！笆袌?chǎng)很大，定價(jià)很難”如何破解這一困境？可以通過大數(shù)據(jù)及AI技術(shù)，有效地解決這一難題。在海量的歷史航班數(shù)據(jù)中，通過非線性特征、時(shí)間序列特征、非線性回歸、模式識(shí)別，并結(jié)合AI的深度學(xué)習(xí)能力，提取影響航班延誤的有效因素，建立多維度的航班延誤預(yù)測(cè)模型。通過保險(xiǎn)公司體制內(nèi)的大量數(shù)據(jù)，結(jié)合AI技術(shù)，形成投保人的用戶畫像。通過航班延誤預(yù)測(cè)模型和用戶畫像，建立精準(zhǔn)的航延險(xiǎn)定價(jià)模型，來有效地解決非物質(zhì)損失險(xiǎn)種航延險(xiǎn)的定價(jià)難題。

2．3健康險(xiǎn)

生活環(huán)境的惡化、老齡化加速、生活質(zhì)量的提升和消費(fèi)觀念轉(zhuǎn)變的因素影響，國(guó)人對(duì)于健康也日趨重視，健康險(xiǎn)的投保人數(shù)也逐年增加。如何做到準(zhǔn)確合理的保費(fèi)定價(jià)？可通過人們的穿戴設(shè)備獲取投保人的歷史心跳、心率、血壓、睡眠、運(yùn)動(dòng)、久坐、身高、體重、經(jīng)常出沒地區(qū)及周邊空氣質(zhì)量，通過醫(yī)療機(jī)構(gòu)獲取投保人的身體健康報(bào)告、治療情況及遺傳病史，然后基于龐大的用戶數(shù)據(jù)，參考類似用戶畫像的群體，再利用大數(shù)據(jù)及AI技術(shù)，建立健康評(píng)測(cè)模型，形成投保人健康檔案，并結(jié)合實(shí)時(shí)數(shù)據(jù)，準(zhǔn)確計(jì)算出健康險(xiǎn)的保費(fèi)價(jià)格。既能貼合投保人的心理價(jià)位，又能有效地降低理賠賠付率及保險(xiǎn)公司運(yùn)營(yíng)成本。

2．4家財(cái)險(xiǎn)

隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，萬物互聯(lián)已經(jīng)深入各行各業(yè)，尤其在居家環(huán)境中更尤為突出。通過房屋中的智能設(shè)備，獲取用電情況、用水情況、用燃?xì)馇闆r、電器使用年限、屋內(nèi)空氣質(zhì)量、設(shè)備巡檢記錄，通過互聯(lián)網(wǎng)獲取小區(qū)所在地的歷年天氣記錄、天氣預(yù)報(bào)、治安、物業(yè)等數(shù)據(jù)。結(jié)合大數(shù)據(jù)及AI技術(shù)，建立房屋安全測(cè)評(píng)模型，并生成相應(yīng)的房屋檔案，一房一檔，準(zhǔn)確評(píng)估承保風(fēng)險(xiǎn)，精確計(jì)算保險(xiǎn)保費(fèi)，錄入房屋坐落地址后，就能夠迅速地提供出相對(duì)應(yīng)的保費(fèi)價(jià)格。房屋中的智能設(shè)備，可以做到“事前評(píng)估算保費(fèi)，事中預(yù)防范風(fēng)險(xiǎn)，事后追溯留證據(jù)”，保證投保人及保險(xiǎn)公司的合法利益。在商業(yè)險(xiǎn)中，中小型保險(xiǎn)公司市場(chǎng)利潤(rùn)空間往往較小，但是擁有巨大的增長(zhǎng)潛力。據(jù)IBM商業(yè)價(jià)值研究院的數(shù)據(jù)顯示：市場(chǎng)規(guī)模預(yù)計(jì)將從2018年的59億美元增長(zhǎng)到2023年的98億美元，通過大數(shù)據(jù)與AI技術(shù)得出的保費(fèi)定價(jià)模型，可為這些細(xì)分市場(chǎng)帶來10％的額外收入，精準(zhǔn)定價(jià)最多可減少5％的銷售成本。因此中小型保險(xiǎn)公司能夠更輕松地進(jìn)入這些客戶細(xì)分市場(chǎng)，使保險(xiǎn)公司在細(xì)分市場(chǎng)中實(shí)現(xiàn)顯著的經(jīng)濟(jì)效益。大數(shù)據(jù)與AI技術(shù)的融合，實(shí)現(xiàn)了實(shí)時(shí)準(zhǔn)確的保費(fèi)定價(jià)，能夠精準(zhǔn)地識(shí)別優(yōu)質(zhì)客戶，避免客戶流失；縮短保險(xiǎn)定價(jià)周期，提升品牌競(jìng)爭(zhēng)力；減少人工投入，降低運(yùn)營(yíng)成本；風(fēng)險(xiǎn)識(shí)別，降低保險(xiǎn)賠付率；通過結(jié)合當(dāng)時(shí)當(dāng)?shù)氐慕?jīng)濟(jì)形式及政策環(huán)境，動(dòng)態(tài)的調(diào)整定價(jià)模型，以適應(yīng)相關(guān)監(jiān)管要求，進(jìn)一步降低公司運(yùn)營(yíng)維護(hù)成本。

3結(jié)束語(yǔ)

大數(shù)據(jù)和AI技術(shù)，之所以能夠快速準(zhǔn)確的實(shí)現(xiàn)保費(fèi)定價(jià)，主要原因有：①以龐大的數(shù)據(jù)規(guī)模作為支撐，進(jìn)行數(shù)據(jù)挖掘分析；②尋找顯著的定價(jià)模型，并通過AI的深度學(xué)習(xí)及強(qiáng)化學(xué)習(xí)的能力，得到更強(qiáng)大的預(yù)測(cè)模型，可以產(chǎn)生良好的預(yù)測(cè)結(jié)果，提供了更快的學(xué)習(xí)機(jī)制，并且更適應(yīng)環(huán)境的變化。通過利用大數(shù)據(jù)、AI等高新技術(shù)，保險(xiǎn)人一直致力于在保險(xiǎn)行業(yè)業(yè)務(wù)數(shù)據(jù)的基礎(chǔ)上，研究如何將數(shù)據(jù)轉(zhuǎn)化為服務(wù)，讓數(shù)據(jù)為承保的公司服務(wù)，為投保的客戶服務(wù)，同時(shí)為整個(gè)保險(xiǎn)行業(yè)以及為全社會(huì)服務(wù)。

［參考文獻(xiàn)］

［1］王彤，黃明明．發(fā)揮優(yōu)勢(shì)補(bǔ)足短板—河南太平洋產(chǎn)險(xiǎn)以創(chuàng)新助農(nóng)業(yè)高質(zhì)量發(fā)展［N］．中國(guó)銀行保險(xiǎn)報(bào)，2020－06－24．

［2］曹策．我國(guó)互聯(lián)網(wǎng)保險(xiǎn)產(chǎn)品的發(fā)展研究［J］．現(xiàn)代商業(yè)，2020，（17）：123～125．

［3］龔夢(mèng)雪．?dāng)?shù)字時(shí)代保險(xiǎn)產(chǎn)品服務(wù)營(yíng)銷策略研究［J］．中國(guó)市場(chǎng)，2020，（17）：128～132．

［4］潘秋君，李文如，劉曉華．保險(xiǎn)科技如何推動(dòng)保險(xiǎn)業(yè)的轉(zhuǎn)型升級(jí)和質(zhì)量變革［J］．中外企業(yè)家，2020，（17）：75．

［5］何倩．探討新時(shí)期大數(shù)據(jù)分析在醫(yī)院醫(yī)保管理中的具體運(yùn)用［J］．中國(guó)衛(wèi)生標(biāo)準(zhǔn)管理，2020，11（11）：1～3．

［6］陳祺琦．大數(shù)據(jù)分析在保險(xiǎn)行業(yè)中的應(yīng)用［J］．電子世界，2020，（10）：36～38．

［7］蔣才芳．人壽保險(xiǎn)行業(yè)市場(chǎng)結(jié)構(gòu)與效率研究［D］．長(zhǎng)沙：湖南大學(xué)，2015．

作者：郭建 單位：對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)