深度报告:大数据与中国保险业
-
- -
改革开放以来，中国保险行业开始全面复苏，在经历了30多年的恢复与发展阶段后，中国已经成为全球最重要的新兴保险市场——2014年全国保费收入突破2万亿大关，同比增长17.5%；保险行业总资产突破10万亿，仅次于美国和日本，位列全球第三。
目前，中国保险行业仍处于初期发展阶段，“大而不强”是现阶段的主要特征。从保险深度看，2013年我国保险深度为4.35%，位居全球第46位，而世界平均水平是6.5%，发达国家和地区普遍在8%以上。保险业在国民经济相关领域的覆盖程度较低，行业发展相对滞后。从保险密度看，由于我国的消费结构和理财习惯，全社会运用保险机制的主动性不够、保险意识还不强，保险密度长期处于较低水平，我国保险密度2013年为255美元/人，全球排名第61位。与发达国家相比，中国保险行业至少存在着近十倍的发展空间（美国保险密度3872美元/人，是中国的15倍；日本保险密度4339.7美元/人，是中国的17倍）。
未来，将呈现新常态的发展态势，增速与结构调整同步，带动社会可支配收入和保险意识的不断提升，是中国保险行业持续健康发展的经济与社会基础。，将直接改变保险的行业规则和业务结构，是驱动未来行业发展的政策动力。以大数据、移动互联、社交媒体、云计算为基础的数字化技术，为保险业务模式和运营模式的改变了技术可行性。
本报告将重点从技术推动的角度，解读大数据如何改良与改革中国保险业，推进中国从保险大国到保险强国的转变。
全球范围内，保险行业正处于科技推动变革的阶段。以互联网、移动、社交网络、云计算和大数据为代表的数字化技术，正在加速影响着保险行业的日常运作。
互联网不断渗透：预计到2017年，全球互联网用户数将超过33亿人。互联网的应用及使用面的拓宽，为保险公司开发直销渠道了更多的可能。
智能手机与移动设备的渗透：预计到2018年，全球智能手机用户数将超过23亿，移动互联网技术具有更加频繁、碎片化、社交化的应用特征，用户对智能移动设备的依赖度越来越高，对保险行业也提出了新的要求。
社交网络的发展：截至2013年9月，社交网络用户占互联网用户比例达73%，消费者正在以越来越多的方式使用社交网络。
计算和带宽成本不断下降：每隔18个月，相同硬件成本将带来一倍以上的计算及存储能力增长（摩尔定律）。
云时代的到来：云了灵活的IT架构以及更优的成本结构，海量数据的存储与计算也有赖于云的支撑。
物联网促进了设备互联的爆发：全球智能设备出货量自2006年起保持40%以上增长，物联网推动了一系列新型的保险模式，例如基于使用的车险定价。
大数据蓬勃发展：大数据技术自2011年起飞速发展，为保险行业带来了“改良”与“变革”式发展机遇，同时对可保风险池造成了重大的结构性影响。
在所有的新技术中，大数据对保险行业的影响最具颠覆性。
首先明确什么是大数据？在这个问题上，业界最新的定义方式是“3V”，即数量（Volume）、速度（Velocity）、多样性（Variety），“3V”的定义专注于对数据本身的特征进行描述。我们认为，成就大数据的关键点在于“第4个V”，即价值（Value）。当“数量”（Volume）庞大、实时“速度”（Velocity）传输、“种类”（Variety）多样的全量数据通过某种手段得以利用并创造出商业“价值”（Value），而且能够进一步推动商业模式的变革时，“大数据”才真正诞生。因此，我们不妨这样对大数据进行阐述：“大数据是通过获取、分析和解释规模巨大、格式复杂的数据，从而推动业务价值创造方式的变革”。（参阅图1）
谈及大数据对保险行业的影响，保险精算理念首当其冲——大数据直接冲击了基于大数法则的传统精算理论，加之物联网、实时风险评估技术的运用，极有可能改变传统保险的可保风险池并使之缩小。
我们用“改良”与“变革”来形容大数据对保险商业模式的影响。一方面，大数据分析将“改良”传统保险行业的日常运作，这种影响体现在价值链的方方面面，以风险评估与定价、交叉销售、客户流失管理、理赔欺诈检测及理赔预防与缓解为重点。另外，大数据与互联网还将“颠覆”传统的保险业务边界与商业模式，如：基于使用的保险（UBI，Usage Based Insurance），以及平台化的生态圈，并带来大量的跨界竞争与颠覆场景。（参阅图2）
因此，我们称大数据为驱动中国保险行业变革、从保险大国到保险强国的利器。
在政策推动和技术革新的双重作用下，中国保险业即将迎来黄金发展期。在此背景下，我们对2020年中国保险行业做出了“大胆预测”，未来市场将呈现与大数据密切相关的四个方面的主要特征。
特征一：可保风险池转移并缩小
全球范围内，物联网和相关传感器的应用可能会改变汽车保险（车载信息技术）、家财保险甚至寿险销售和服务的方式，借助相关技术保险公司可以实时评估风险，可能直接导致可保风险池会缩小。我们预测，在全球范围内，将车载信息技术应用到汽车保险中，同时将智能家居设备应用到家庭保险中，可能带来300亿到540亿美元的保费削减。
未来，还有可能出现更多的对保险行业具有杀伤性、颠覆性的技术，让可保风险池短期内大幅度缩小。例如，无人驾驶汽车技术的成熟，将极大范围内减少车辆事故的发生。
但是与此同时，一些新的风险类别正在抬头，比如网络风险，有可能弥补传统风险缩小带来的损失。根据瑞士再保险公司的评估，诸如黑客攻击、网络欺诈、客户隐私泄露这类互联网风险正以每年10%-15%的速度不断增长，10年后有可能超越航空业风险池。
特征二：保险产品将更加多元化
首先，在“新国十条”的推动下，政策性保险业务将得到长足发展，收益领域在于健康险、养老险、农业险等具有保障属性的保险种类。
其次，物联网及大数据分析技术日趋成熟，国内将出现基于使用的保险计划（UBI，Usage Based Insurance），预测UBI保险将在车险和健康险领域率先出现。
最后，保险公司产品创新力度加强，将有更多的长尾保险产品出现，如古董车保险。
特征三：互联网保险将成为下一个热点
如同互联网对传统银行的冲击，下一个互联网与金融行业融合的场景可能会发生在保险领域。我们认为存在三种互联网保险的形态：
形态一：互联网渠道。保险公司更加注重互联网、移动互联在营销与服务中的作用，将有更多的保险产品置于互联网渠道进行销售，可以是第三方代销平台，也可以加大自有网络销售平台建设。
形态二：互联网化的保险产品。消费者在网络上产生的大量行为数据被用于需求与风险分析，进而设计定制化的保险产品与服务，如个性化、定制化、组合化保险。
形态三：P2P保险新模式。国内市场可能会出现P2P保险平台模式，颠覆传统的保险产品与理赔交付方式。
特征四：生态系统建设初露端倪
数字生态系统的趋势不可阻挡。我们并不认为保险公司是生态系统的天然寄主（主动推动者），因此保险公司将面临越来越多的跨界竞争者和搅局者，与保险公司展开竞争与合作。
我们预测，这种情况可能会发生在以下场景中：
互联网巨头利用自身流量和数据优势，进一步渗入到保险产品制造环节，如众安在线；
汽车产业链、健康产业链中可能会形成一股力量，替代现有的保险产品与服务；
龙头企业在产业链中自保服务，可能发生在整车厂或有实力的4S经销集团中。
另外，保险行业将出现更多的行业共享数据平台，满足保险公司在价值链各环节的数据与分析需求。
大数据对保险价值链的影响体现在方方面面，这种对传统保险能力的改造与升级作用，我们称之为“改良”。根据BCG的研究，最重要的“改良效应”发生在五个环节，即：风险评估与定价、交叉销售、客户流失管理、理赔欺诈检测、及理赔预防与缓解。（参阅图3）在本文中，我们将首先从前三个方面对大数据的应用及案例进行具体阐述。
大数据为保险风险评估与定价带来了前所未有的创新，主要体现在三个方面（参阅下图）：
风险特征的描述被极大丰富
在大数据时代，风险特征的描述被极大丰富，数据资源的获取也将越发便利。在车险领域，基于使用的定价模式已逐渐被领先保险公司运用在产品创新中，除获得车型数据、汽车零整比数据、二手车数据以外，保险公司还使用车载传感设备收集驾驶员行为风险，开发基于使用的车险计划（UBI，Usage Based Insurance）。在人寿保险领域，保险公司利用可穿戴设备（如：Jawbone推出的Up、Apple推出的HealthKit）能够实时监控人体健康情况（运动量、睡眠、心跳等），弥补了生命表对于洞察细分群体的人体健康及生死概率的能力不足。
值得一提的是，对来自互联网和社交媒体的非结构化数据进行分析，有助于识别消费者潜在风险，这一模式已广泛应用在银行等其他金融领域。例如，美国ZestFinance通过对贷款申请人超过1万条的互联网数据进行分析，为银行贷款、信用卡及保险高质量的担保评估，使得违约率比行业平均水平低60%左右。、、、银行信用等），并将申请人互联网上的碎片信息进行拼凑（人口统计、社交媒体与关系、网络行为等），对用户信用进行综合评估。我们预测，保险行业未来很可能会出现类似的风险评估方案，以扩充传统的风险数据源。
大数据分析将改变传统的保险精算理论
保险是经营风险的学科，其关键要素在于精算，基于统计学的大数法则是精算理论的核心。传统精算理论中，精算师通过掌握与某项风险相关的暴露数据，运用大数法则对数据进行建模与分析，寻找其中的规律，辅以假设，对未来的风险进行判断，进而设计相应的保险产品。
现如今，精算师可以运用大数据分析软件，对海量数据进行回归分析，精确的识别和确认个体对象的潜在风险，这种思维与传统精算思维存在着很大的不同。我们不认为传统精算理论将被大数据颠覆，但大数据的确可以帮助改造传统精算方法，产生一种将大数据方法融合在精算理论之中的、演进的保险精算方法。
分析产品绩效，优化定价体系
大数据还能帮助保险公司优化定价体系。定价原因往往会导致价值流失，比如在价格方面过于“一刀切”、当客户停止购买其中一种产品后还在延续捆绑折扣、不能及时更新定价、销售团队在折扣方面缺乏纪律性等。而大数据分析可以帮助险企及时、精准地发现问题并予以纠正，从而防止价值流失。
案例分享：
车险领域
一家澳大利亚保险公司通过分析客户的购物筐数据来预测驾驶风险。分析显示，饮用大量牛奶并食用大量红肉的客户存在较低的驾驶风险，而食用大量意大利面和米饭并在夜间开车和饮酒的客户则是高风险客户。
美国前进保险公司（Progressive）利用车联网设备，收集驾驶时间、地点、速度、急刹车等驾驶数据，来判断驾驶行为中存在的风险，设计“从用”的个性化UBI车险产品。
寿险领域
某寿险公司通过发放穿戴式设备，收集消费者各项身体数据，监控投保人身体状况，对身体健康者低保费激励，鼓励其改善身体状况的活动，帮助降低风险。
英国保险公司英杰华集团（Aviva）运用网络数据来为保费设定支持。网络数据分析有效帮助该公司识别出申请者的潜在健康隐患及风险，其准确程度不亚于验血和尿检。
在激烈的市场竞争中，交叉销售是客户价值最大化，促进业务协同的最重要手段。成功开展交叉销售的前提在于客户细分与洞察，只有精确了解客户及其关键需求，交叉销售的准确率才能得到大幅度提升。不妨回答几个关键问题：客户是谁？关键的愿望是什么？客户需要什么？不满意之处又是什么？......在洞悉客户需求的基础上，保险集团可从挖掘现有客户价值和促进客户资源共享两个方面积极开展交叉销售（参阅下图）。
挖掘现有客户价值。保险集团通常鼓励交叉销售，例如：允许寿险代理人销售财产险或理财产品，由各个渠道深度挖掘自有的客户资源，实现价值最大化。在这种情况下，首先要了解客户，一系列问题由此产生：最具潜力的客户是谁？潜在需求是什么？偏好怎样的交互方式？数据部门可利用大数据分析工具，回答上述问题，为开展交叉销售必要的技术支持。具体而言，险企需要建设分析型客户关系管理平台（ACRM），以对客户数据进行统一管理并建立客户分析模型。这有助于发挥共享与集约优势，避免专业公司各自为战。在此情况下，保护客户数据的隐私性是一个不可回避的问题，通常的解决方案是建立严格的数据保护制度。
综合拓展，促进客户资源在不同经营主体之间的共享。尽管这一模式相对简单，但其效果却不容忽视。BCG研究发现，对于业务结构不均衡的集团，更适合由强势业务带动弱势业务发展。如果能够实现客户资源跨法律实体共享，至少可以挖掘10%-20%的潜在市场价值。在综合拓展模式下，交叉销售的关键成功要素不再是技术本身，，以及不同的经营实体间能否达成一致的、合理的利益分配制度。
案例分享
统一客户信息是基础
过去几年间，以中国人民财产保险、中国人寿、中国平安、太平洋保险、中国太平为代表的综合型保险集团，纷纷完成了统一客户信息系统（CIF）的建设，实现了客户数据在技术层面的集中与共享。为下一步分析型客户关系管理系统建设奠定了基础，为开展客户迁移和交叉销售创造了条件。
客户洞察能力是核心
中国平安从产险起家，目前已成为横跨保险、银行、投资、互联网金融（围绕“医、食、住、行、玩”的互联网平台生态圈）四大板块的综合型金融集团。平安利用“一账通”使平安的保险客户、银行客户、投资客户可通过一个账户获得全方位的综合金融服务，促进旗下各新老业务板块开展客户迁徙，推动交叉销售。
在技术层面，平安正在分三步建设基于大数据的客户洞见系统，以描绘客户状况，进而有针对性地开展交叉销售。
首先，整合一切客户接触点，实现客户数据的互联互通。已完成包括95511呼入、销售代表、柜面、理赔、调查、远程机在内的渠道数据整合。未来，还将与互联网金融公司、以及百度、阿里、腾讯等进行客户数据和渠道合作。
其次，收集一切客户信息，包括：
人口统计信息：性别、年龄、收入、婚姻等
交易信息：投保、理赔、理财、支付、积分等
生活行为：购房、购车、社交、渠道偏好、互动频率、兴趣爱好等
再次，搭建IT支撑平台，其客户洞见系统包括三个层面的核心能力：
客户信息系统：数据源、信息分析、经营管理、客户服务
客户信息分析模型：客户识别、倾向性分析、客户分群
客户洞见应用能力：精准营销、精准服务、经营管理决策建议
基于上述在客户洞察方面的努力，平安集团积极开展交叉销售，并取得良好成效。其年报显示，2014年上半年，集团累计迁徙客户304万人次，各子公司合计新增客户量中28%来自客户迁徙。
保险公司可通过大数据整合客户线上和线下相关行为，除客户投诉、理赔和支付等内部数据之外，将社交网络信息、人口结构数据等外部数据与内部数据进行结合，运用保险分析模型计算客户价值、预测客户行为等，着手制定有针对性的客户挽留策略与运营方案，从而留住最好的客户，促进险企盈利。（参阅图4）
具体而言，大数据技术可应用于环境分析、价值分析、流失分析和购买分析等方面，以有效支持客户挽留策略的制定。
环境分析：保险公司可以根据自身业务骨干的流动、竞争对手策略、市场波动、客户满意度等四个指标数据进行动态管理，密切跟踪公司自身、客户和外部市场的变化情况，积极培育和挖掘客户需求，不断创新增值服务手段，防止不利情况的持续恶化，把客户流失风险控制在萌芽状态。
价值分析：通过大数据分析手段综合考虑客户信息、险种信息、既往出险情况、销售人员信息等，对客户进行细化分类，分析客户价值与期望，得出高质量用户群，做好重点的客户关系维护，减少流失可能。
流失分析：筛选出影响客户退保或续期的关键因素，分析客户可能的流失原因，并通过这些因素建立预测模型，对客户的退保概率或续期概率进行估计，找出高风险流失客户，及时预警并制定挽留策略，提高保单续保率。
购买分析：通过大数据挖掘算法识别客户的购买习惯，推荐契合度较高的一个或多个产品，引导客户购买多个产品，提高客户黏性；个性化服务，进而提高客户满意度，减少流失可能。
案例分享：
美国前进保险公司（Progressive Insurance）在进行数据研究分析时发现，理赔周期越短，理赔费用也随之减少。因此，公司投资三千多万美元建设“自动理赔管理系统”，以加速解决客户理赔问题。使用新系统后，不但大大缩短了前进保险公司的理赔周期，使其从保险业平均理赔周期的42天缩短为只需6天，而且显著提高了客户的满意度，客户流失率下降三分之二，续保率达到了90%以上。
太平洋保险的网销渠道利用专业数据分析工具ominiture，在商业险报价、交强险报价、提交核保、核保通过、在线支付等关键环节，于后台植入监控工具，对输入框和按钮进行控件级的行为监控，记录各个页面的客户访问情况；并通过客户调研、坐席回访等方式收集大量真实的客户声音；建立客户全视图数据库，通过大数据技术对客户流失原因进行分析，并对解决方案的实际效果进行跟踪评估，以高效挽留客户。
大数据对保险价值链的影响体现在方方面面，这种对传统保险能力的改造与升级作用，我们称之为“改良”。根据BCG的研究，最重要的“改良效应”发生在五个环节，即：风险评估与定价、交叉销售、客户流失管理、理赔欺诈检测、及理赔预防与缓解。在上文中我们已经介绍了大数据在前三个环节的应用及案例，本文我们主要关注后两个环节以及中国保险业的“改良”现状。
欺诈是影响赔付的一个重要因素。借助大数据手段，保险公司可以显著提升反欺诈的准确性和及时性。
大数据模型可以自动识别出理赔中可能的欺诈模式、理赔人潜在的欺诈行为以及可能存在的欺诈网络。险企可以通过设定关键问题，利用海量数据进行验证，找出可能的答案。以理赔分析为例，常见的关键问题包括：事故造成的实际损害有多大？事故发生的时间和地点？事故人员的医疗诊断情况？车辆型号、车价、年龄、事故中的人数等？
同时，要确保数据资源，数据越完整、越多样，则越有可能通过复杂的算法与分析识别可能的欺诈行为。必要的数据包括：理赔历史记录、保单信息、其他保险公司数据、医疗保险数据、事故统计数据、征信记录、犯罪记录、社交网络数据等。（参阅图5）
案例分享
美国一家汽车保险公司Allstate Corporation通过大数据分析识别出欺诈规律，从而大幅减少欺诈理赔支出。该公司通过大数据整合理赔数据、理赔人数据、网络数据和揭发者数据，将所有理赔请求首先按照已有的欺诈模式自动处理，接下来可疑的理赔请求将被特别调查部门（Special Investigation Unit）人工审阅，经过自动化和人工两个监测过程检测出更多欺诈行为，同时减少了人工工作。大数据成功帮助Allstate将车险诈骗案减少了30%，误报率减少了50%，整个索赔成本降低了2-3%。
另一家世界著名的数据库LexisNexis则利用理赔、政府数据和犯罪记录监测出大量欺诈行为。该数据库通过关联大量美国保险公司理赔数据、第三方保险公司的历史理赔数据，按照关系匹配官方数据（如婚姻记录）和犯罪记录，自动整合理赔人的犯罪记录及相关人记录，通过算法监测欺诈行为及欺诈网络。通过大数据检测发现，超过20%的理赔请求属于欺诈、重叠或不当，而且存在医疗机构介入汽车保险欺诈网络的情况。
赔付会直接影响保险企业的利润，对于赔付的管理也一直是保险公司的关注点。而赔付中的“异常值”（即超大额赔付）是赔付率升高的主要驱动因素之一。大数据能够为险企及时、高效地采取干预措施良好的支持。
以某海外保险公司的工伤补偿为例，不到20%的“异常值”带来了超过80%的赔付费用。但是，这些高额赔付的案例往往早有端倪，如果能够及早干预就可以在很大程度上控制事态的发展。比如，利用数据分析技术，自动跟踪、关注伤者的疾病发展过程并及时建议跟进治疗以避免慢性疾病的发生，并尽早建议用人单位进行工作调整以减少误工等。
大数据模型在索赔预防和缓解中，可通过设定关键问题，并运用海量数据做验证，以开展事件模式分析和理赔人分析。例如事件模式分析，常见的关键问题包括：事故细节？治疗、诊断细节？整合治疗和诊断复杂度？所需用到的数据资源涵盖：理赔历史数据、医疗保险数据、医疗账单等。数据源越丰富、数据质量越高，则数据建模分析结果越具有可信度。目前，该模式在国内应用的主要挑战在于如何全面使用保险及相关产业数据，如医疗机构的发票和单据。（参阅图6）
案例分享
美国利宝互助（Liberty Mutual）保险集团通过结合内部、第三方和社交媒体数据进行早期异常值检查，及时采取干预措施，从而使平均索赔费用下降了20%。该集团的预测模型使用了约1.4亿个数据点，其中既包括了客户的个人数据（健康状况、人口特征、雇主信息等），也包括了集团的内部数据（过往的理赔信息和已经采取的医疗干预信息等）。此外，这个模型可以随着新数据的加入而不断进行调整，以提升其准确性。
通过访谈和调研，我们对中国保险公司在大数据改良应用方面的现状进行了了解和总结分析，完成了对中国保险行业的大数据现状的初步摸底。
从大数据主要应用方面来看，中国保险公司对大数据应用的重视程度与BCG的研究保持一致。如图7所示，其中红色部分是BCG认为重要的大数据应用，除此之外，中国险企对大数据在客户细分、风险建模、新产品开发等方面也比较看重。（参阅图7）
而根据调研，中国险企对这些大数据应用于“改良”的现状中，最积极推进的项目为风险建模，占比达63%；其次为风险评估与定价、新客户获取、活动管理，占比均大于40%；在其他方面的应用占比尚较低，特别是索赔预防和缓解方面，仅有11%的险企正在开展。（参阅图8）
风险评估及定价
目前，国内保险企业一致看好大数据在风险评估及定价方面的应用，并已经着手探索。保险定价基于大数法则，物联网、大数据的开发会使保险公司更多考虑行为数据，细化风险评估维度，由产品型营销逐步过渡到需求型营销。多数保险公司表示可能在未来三年内建立大数据平台，逐步丰富客户个人信息，整合社会医疗、犯罪记录、财务信息等，为开发新产品及差异化定价奠定基础。
交叉销售
当前，我国保险公司普遍肯定交叉销售在提高销售成功率、提升客均价值方面的作用，但也对此存在一定疑虑。大数据可刻画客户各方面特征，挖掘同一客户多种保险需求，但部分保险公司也担心交叉销售会侵害客户隐私权，引起用户反感，特别是影响中高端客户的用户体验。为了实现交叉销售，保险公司需要进行自身销售渠道整合，甚至结合其他金融公司数据或互联网数据，以便更好洞察客户需求，提高交叉销售成功率。
防止客户流失
中保协调研结果表明，对中国险企而言，如何减少客户流失一直是一个至关重要的课题。新客户开发成本比挽留老客户成本更高，保险公司可通过大数据建立历史模型，提前预判哪些客户有价值、易流失，富有针对性的开展各项服务，以增加用户粘性。被调研的保险公司普遍认为大数据为防止客户流失了技术支持，并预计在未来启动相关项目建设。
欺诈检测
这种模式最大的挑战在于，保险公司该如何充分整合并使用内外部数据？例如：车险业务建立零整比数据库，就需要与各个整车厂商建立合作；寿险/健康险公司希望获取来自社保、医疗机构的数据，尽管在技术层面完全可以实现全国医保联网和电子病例共享，但在现阶段这一诉求的实现仍十分困难。
目前，国内保险公司普遍认同大数据在欺诈检测领域存在着巨大前景。但在实际应用中，除少数领先险企已经建立尚待完善的黑灰名单库外，多数公司还处于摸索、起步阶段。国内保险公司普遍认为，尽快建立起一套行业级的保险数据规则或信息共享平台，是促进行业发展、保护消费者利益的重要手段，这对于保险行业协会及中国保信公司提出了更高期望和要求。
索赔预防和缓解
国内保险行业在此方面的看法莫衷一是，普遍尚未探索该领域。一部分保险公司认为大数据技术可从多个维度提前预警，控制赔付风险；但另一部分公司担心索赔预防和缓解在车险及健康险以外领域的应用较少，投入产出比较低。此类担忧在某种程度上减缓了大数据技术在索赔预防和缓解方面的发展。
过去十年间，保险企业主要通过数字技术来改善现有的流程，包括业务流程数字化和提升网销、电销能力等。未来，保险公司将更加关注如何利用新技术对商业模式进行创新。本文主要介绍车联网对于车险以及可穿戴设备对于健康险商业模式的影响和变革。
保险企业通过新技术，可以改革现有商业模式并开发新的商业模式来应对环境的变化。
过去十年间，保险企业侧重在通过数字技术来改善现有的流程，主要应用包括：进行流程数字化和大数据分析，提升网销、电销能力，及通过移动展业来增强销售力量。
未来，保险公司将更加关注如何利用新技术对商业模式进行创新。在全球范围的实践来看，很多国外的保险公司在创新业务模式方面已经做出了很多的尝试：
客户参与度提高：成立于 2008年的youi是一家澳大利亚财产和商业保险公司，它改进客户反馈方式，引入公开实时评价，提升客户满意度。youi.com网站包含创新“墙”，实时张贴客户评价，客户在浏览网站其他页面时，最新评价将出现在屏幕最下方，也可以按流行关键词过滤评价。在目前68079 条评价中，用户满意度高达85%，取得了很大成功。
面向长尾的销售：Bought by Many公司利用大数据分析技术识别特定需求，并将需求与具体的保险公司产品相匹配，通过检索和社交媒体进行分销。由于其通过社交平台吸引具有相同保险需求的人，为这些客户统一协商保险条款、统一报价，客户可根据自身具体需求购买保险，这种做法在为客户节省开销的同时，也为保险公司降低客户流失率。
基于社交网络的互助保险：Friendsurance、RiskHuddle向客户基于社交网络的互助保险，覆盖家居险、个人责任险等，一个社交网络组成的小团体相互承保形成资金池，当出现理赔需求时先通过资金池赔付，资金池不能覆盖后才需要保险公司介入支付。与传统模式相比，这种模式降低了个人投保费用，同时也降低了保险公司的理赔风险。
小额保险：Bima与移动运营商和保险公司合作，通过Sim卡向新型市场中的客户保险。
车载信息系统：Progressive利用车联网UBI保险产品，大幅度降低车险费率，并一系列增值服务。
保险生态系统：中国平安建立了完整庞大的生态系统，保险产品和服务作为其一部分参与其中，生态系统既传统业务、也创新业务，旨在促进全面的跨业务线的客户迁移，尽量挖掘客户潜力，将客户保留在生态系统中。
根据车险发展阶段的不同，车险定价模式分为保额定价、车型定价及使用定价（基于使用的保险，UBI，Usage Based Insurance）三类：
保额定价模式：最为粗放，保险公司根据“新车购置价”设定保费，忽略了“从车”与“从人”的差异性。现阶段，我国车险定价仍停留在此阶段。
车型定价模式：考虑了“从车”因素，保费计算根据不同车辆的安全状况（出险概率不同）及不同品牌车辆的维修成本差异（“零整比”系数）而定。欧美发达国家普遍采用车型定价模式。
使用定价模式：考虑了“从用”因素的影响，通过车联网收集驾驶人行为数据，如：行驶里程、时间、区域及驾驶习惯等，建模并分析驾驶行为背后的风险，进而设计保费。主要有三种定价模式：使用定价保险（UBI，Usage Based Insurance）：根据驾驶行为蕴藏的风险进行定价；按驾付费保险（Pay as You Drive Insurance）：根据消费者驾驶车辆的里程数进行定价；其他服务：如盗窃找回及事故预警、信息服务。
对消费者来说，使用UBI保险的最大价值在于大幅度节省保费。另外，可以根据需求定制保险服务（Payas You Drive Insurance），提高理赔效率和信息透明性，获取增值服务（盗窃找回、事故预警或信息娱乐）。
对保险公司而言，UBI保险让实时风险评估与精准定价成为可能，保险公司还可以主动选择低风险驾驶者，减少理赔管理并主动预防理赔事故的发生。另外，差异化的产品与服务有助于保险公司打造特色，获取增值收益。但考虑到政策、数据积累和对行业盈利性的影响，我们认为，UBI产品与定价则存在很多的不确定性。
全球范围内，UBI车险规模一直稳步增长，但在大多数市场的渗透率不足1%。全球最成功的UBI市场在意大利和英国，这是价值驱动的结果。英国年轻驾驶员或有不良驾驶记录者存在保费过高的现状，UBI车险可以显著降低车险价格。意大利车险欺诈严重，需要UBI技术予以辅助。
鉴于物联网建设需要大规模的设备投入，保险公司需要广泛开展生态系统合作，与设备商、服务商、通信运营商联合，合作推出某项产品或服务，实现多方共赢。尽管我们认为保险公司并非跨界与合作的天然载体，但险企应积极努力扮演生态圈的推动者，这是成功的关键所在。
案例分享
UBI车险产品
英国英杰华保险（Aviva）针对年轻司机需要支付更高保险费这一局面，借助科技手段与数据分析，开发了基于驾驶行为的驾驶风险预测模型，实现了个性化定价，不仅改善驾驶客户驾驶习惯，同时削减了公司成本。公司除了收集客户个人信息、车辆信息和使用情况、驾驶历史等数据，还引入车载设备，通过手机App来监控驾驶者最初200英里的驾驶状态。根据驾驶者行为（如加速、刹车和拐弯）数据记录，分析蕴藏的风险并进行定价，确定个性化的保费并个人承保服务。同时，公司还为安全驾驶者最高达20%的折扣。测试显示该驾驶者的安全状况有所改善，形成的新商业模式也为公司赢得客户满意度提高，客户流失也大幅减小。
Metromile公司利用汽车监控设备颠覆了定价模式，实现了“按驾驶里程收费”。自2012年6月产品推出，目前已经被数千位美国客户使用。它的里程定价模式是基于车载信息设备（汽车监控）的技术，通过客户安装的设备追踪行驶里程而缴纳保费。客户只需每月支付15-40美元的固定费用以及2-6美分/英里的使用费即可。操作时只要将赠送的节拍器安装到仪表盘就可以正常开车。它并不考量怎么开车，而关心开车距离。此类保险在服务行驶量不大、尚未充分服务的细分板块中有很大空间。平均计算，可为一位年行驶里程在10000英里的驾驶者节省40%的费用。
UBI车险服务
一些保险公司为客户新型商业解决方案。例如，美国利宝互助保险公司（Liberty Mutual）为公司或大型车队GPS跟踪监控设备。企业客户将该设备安装在汽车上，可通过设备回传的里程数、车速、加速情况和位置等信息，帮助车队监控并改善司机驾驶习惯，进一步开展车辆安全管理，从而有效控制风险。
另一些保险公司车辆盗窃找回及事故援助服务。例如，英国的Insurethebox，该公司将含有GPS、运动传感器、SIM卡和电脑软件的盒子装在汽车上，通过GPS技术追踪定位失窃车辆，协助客户找回。当盒子检测到车辆撞击或意外事故时，该公司会给客户打电话，确定客户人身安全。紧急情况下，还会呼叫应急救援部门参与救援。盒子里的数据亦可协助客户分析车辆损失情况。
汽车娱乐信息（Infotainment）是一种新型车载电脑应用，利用通信技术可连接到社会媒体、电影流媒体或者导航系统。客户可收听音乐广播、观看电视，并且随时获取有用的旅途信息，比如实时路况、加油站地点等。美国起亚汽车（Kia Motors America）和谷歌签署了一项协议，把谷歌地图和谷歌Places整合在其远程信息技术系统中，为驾驶者导航、车况检测与诊断等更多功能。
受老龄化加速、生活环境恶化、生活质量提升及消费观念转变等因素的推动，健康险在中国具有十分广阔的发展前景。大数据环境下，运用个性化数据将使得重大疾病的费率定价更为合理。传统做法是通过统计整体人口的发病率做计算，大数据环境下可以通过穿戴式设备收集投保人的各项身体数据，分析健体、弱体差异。
现阶段，可穿戴设备解决方案已日趋成熟，UP（由蓝牙耳机和扬声器厂商Jawbone发布）等设备越发流行，苹果iOS8也已推出了HealthKit集成应用。但是，市场中仍缺乏有吸引力的应用与服务。
案例分享
南非的Discovery公司是南非最大的健康险公司，它推出了“健行天下”（Vitality）健康促进计划，旨在通过建立科学的健康管理和激励体系，鼓励消费者关注自身健康，并对参与者的健康行为和饮食进行干预，改变其行为（例如，健康的饮食、运动和戒烟等）。公司活力优化系统，客户自身的活力状态在测算后会影响到他们实际保费的多少，一个人的活力状态越好，他能够享受到的旅游、购物等奖励也就越丰富。在测算客户活力状态的时候，公司采用了线上、线下相结合的方式获取客户数据：线上通过Withings的可穿戴设备获取了大量的客户活动和健康数据，线下与健身会所等合作。
美国健康保险公司信诺（Cigna）与高精度可穿戴传感器制造商Body Media正合作开展一项面向企业客户的试点项目。企业雇主希望自己员工佩戴Body Media臂带，追踪他们的健康状况，甚至用金钱或其他方式鼓励员工养成良好生活习惯，降低员工患糖尿病概率，从而降低企业医疗保健成本。保险公司也可以记载客户睡眠及锻炼数据，形成客户健康档案，制定更加个性化的保单价格，或改变健康风险评估方式，为保险业经营模式带来新变革。
过去十年，保险企业主要通过数字技术来改善现有的流程，包括流程数字化和提升网销、电销能力等。未来，保险公司将更加关注如何利用新技术对商业模式进行创新。本文主要从智能家居在家财险中应用、垂直平台生态圈和中国保险业大数据“改革”现状三个方面切入。
保险企业通过新技术，可以改革现有商业模式并开发新的商业模式来应对环境的变化。
过去十年间，保险企业侧重在通过数字技术来改善现有的流程，主要应用包括：进行流程数字化和大数据分析，提升网销、电销能力，及通过移动展业来增强销售力量。未来，保险公司将更加关注如何利用新技术对商业模式进行创新。
在物联网与保险公司相关的应用中，最为突出的是联网住宅的保险。通过传感器对住宅进行远程监控有助于及时发现和缓解风险，从而降低理赔成本，提高消费者的客户体验。
例如，在检测到火灾或泄露时，可以通过智能手机联系到投保人，并自动分配由保险公司或公共机构派出的紧急响应小组进行处理。
尽管保险公司借助联网住宅（智能家居）进行风险评估的优势十分明显，但由于家财险相比车险保费规模较小，很难获得足以覆盖硬件成本、安装费用和维护费用的回报。
然而，保险行业存在一种风险，保险公司可能会被挤出联网住宅市场。各行业的巨头加大了对智能家居产品的并购力度，如：谷歌收购了Next、三星收购了创业公司SmartThings，搭建生态系统，开发自己的联网住宅产品，进而有可能形成自己的保险解决方案。
案例分享
一些保险厂商已经在智能家居的基础上，更为优质的家财险保险服务。例如，美国最大的互助保险公司State Farm和ADT警报安全公司合作，在用户家中安装智能家居设备。该套智能设备可在失火或家中漏水之前自动关掉阀门，消灭安全隐患；或在犯罪发生时远程告知住户采取措施，减少损失；或为家中需要照顾的人自动调节光线或温度，医疗警报服务。投保人购买智能家居设备时可享受九折优惠，智能设备也有助于为用户减除日常安全隐患，从而帮助保险公司减少成本。
与此类似，法国移动网络公司Sigfox和MAAF保险公司签订协议，该公司生产烟雾和运动探测器。消费者安装家庭安全装置后，会在有人闯入或发生火灾被触发时向消费者发送短信息。Sigfox网络使用自由频谱（比3G或4G慢，但依然适用），因此成本低廉，同时又为客户了高质量的服务。
随着移动互联、大数据、社交媒体等新技术的快速发展和强势影响，价值链上下游的各类公司都在积极引入数字化技术以优化客户体验、业务及管理能力等，而另外一些雄心勃勃的企业更试图通过一个数字平台来整合价值链上的所有服务、构建平台生态圈。
平台生态圈是一组公司或服务商组成的网络，通过一个数字平台（如操作系统或应用程序商店或社交网站），将价值链上的不同设备、应用程序、数据、产品和服务联系起来，围绕客户的一系列核心需求组合服务，达到比各产品、服务独立运作远远更好的效果，从而创建一个全新的市场。
平台生态圈有三个关键元素来区别于传统业务模式：第一个是以客户需求为中心而非以产品、服务为中心，平台生态圈引入的不同参与者能够围绕客户需求不同的产品和服务，使得客户的核心需求和衍生需求在同一个生态圈中得以满足；第二个不同是平台生态圈以数据平台为支柱，客户及交易信息会在平台中存储和共享，使得生态圈的参与者能够精准捕获客户需求，并充分利用已有数据简化客户交易操作、提升客户体验；第三点为平台生态圈由多个不同类型的公司/服务商组成网络，通过这些机构间的竞合来共同完成满足客户需求的目的。
对于平台生态圈的构建者来讲，构建平台生态圈的根本目的在于吸引新客户、挖掘原有客户的新需求，扩大企业业务规模或业务范围，进而实现企业盈利、品牌双提升。
进一步分析其动因可总结为以下几点：
通过平台引入或发展全新的业务线、产品、服务来吸引客户，保持高频率的客户沟通互动，以提升客户忠诚度并获取更多客户数据；
利用平台获取的客户数据，进行数据挖掘，将客户进行筛选并迁移到其他业务线、产品、服务，实现精准的市场营销和客户迁移，提升单个客户贡献度；
通过客户在平台的行为数据记录，为其他业务贡献大量的非金融数据，如客户家庭/健康信息、社交信息等，具有非常高的数据及业务价值，可为客户分析、产品设计、业务拓展极其高价值的输入。
平台生态圈的构建是一项复杂的工程，非一朝一夕可完成。但观察现有的平台生态圈构建者们，发现他们的做法颇有相通之处，值得其他公司借鉴。
首先，企业需充分了解自己在价值链及市场中的角色及优劣势，明确自身对整体价值链上下游参与者和市场的影响。以车险公司为例，需明确我能够什么产品和服务？我拥有哪些数据？哪些公司需要我的数据，如保险经纪公司、维修厂？而我又需要哪些其他数据来提升产品、服务和业务，如车险定价？通过对这些问题的回答，企业能够对自己期望的业务模式和合作者有初步的定位。
其次，在前面圈定的合作者当中进行进一步的筛选和意向接触，洽谈合作模式，包括数据共享方式、客户共享模式等，最终明确共同合作参与构建平台生态圈的战略合作伙伴。这里的合作者可能是其他公司，也可能是同一集团内的不同子公司。
最后，参考互联网公司的经验，平台生态圈的构建宜快速试错，选择某一个或几个产品/服务进行试点。在试点的过程中，与合作伙伴逐步磨合、探索适合的合作模式和业务模式，并对试点结果进行合理的评估用于平台生态圈的后续构建。
案例分享
德国安联为实现规模效益和技能互补，与德意志电信展开合作，构建生态系统，以集两家技术所长，为零售客户与企业客户独特的产品和服务。具体而言：
针对零售客户，协作开发数字化“联网之家”服务。通过高科技手段、援助服务以及保险，客户可以利用传感器技术及其智能电话监控自己的家。如果发生意外如水管爆裂，传感器不仅会自动通过用户的智能电话通知用户，还会通知安联的紧急援助热线。
针对企业客户，两家公司联手全面的网络安全解决方案及保险产品，如将德意志电信的先进网络防御系统与安联网络防护的保险产品相结合，不但将防御措施与智能化攻击方法分析系统结合起来，还市面最高的承保额的可达5000万欧元的保单。
与此同时，安联还积极开展安联全球合作伙伴项目（AWP），以实现生态系统构建。该项目包括安联全球救援和全球汽车、安联全球护理及安联法国国际健康三项内容，通过实现交通、医疗、健康等产业内部融通与协调，为客户更卓越的增值服务，也为公司创造了更大的价值。
以其中的安联全球救援和全球汽车为例：一方面，安联与汽车厂商签订合同，服务于多个品牌的客户，为购车客户保险产品服务。另一方面，安联拥有庞大有效的服务供应商网络，具体实施汽车道路救援或将其导向相关车商的4S店。在道路救援服务中，安联还结合大数据挖掘分析创造更大效益。例如通过救援分析，可以清楚获知事故发生地点的特点，事故发生的频率、种类和原因，以及会造成救援延误的可能原因等信息，对改进服务、适当定价产生指导意义。
南非Discovery保险公司推出健康管理计划，通过和超市Pick'n Pay、健身房Sportsmans Warehouse等机构合作，建构一整套科学的健康管理和激励生态体系，帮助投保人改善生活方式，也帮助保险公司减少理赔成本。例如：与超市合作，会员去超市购买新鲜蔬果等健康食品可享受25%-30%的价格优惠；或与健身会所合作，会员去健身所锻炼可减免80%的会费。此外，会员采取戒烟等预防性保健措施，或闲暇时到国内外旅行、欣赏电影或音乐会等，均可获得一定费用减免。会员积分越多，级别越高，回馈活动越丰富。尽管Discovery公司在前期投入增加，但改善了投保人的生活方式，增加了客户忠诚度，并节省了大量的理赔费用，提高了承保利润。目前，该公司的健康管理计划已在英国、美国和南非取得了成功，成为世界最知名的健康促进计划之一。
通过调研，我们发现中国保险公司对于应用大数据“改革”业务模式都非常看重，而且也有不少企业已开展相关实践，且大多数未开展的险企也表示计划在3年内开展相关应用。被调研险企中，63%的车险公司已开展车联网应用，16%已开展平台生态圈实践。（参阅图9）
通过访谈，我们也对中国险企在应用大数据进行业务“改革”的现状进行了总结：
车联网在车险中的应用
在中国，包括电信运营商、OBD设备商、整车厂商、保险公司、IT服务商在内的大量相关方均参与车联网生态建设，如何构建合作共赢的商业模式是面临的主要挑战。相比欧美市场，在中国推广UBI车险似乎“有些尴尬”——考虑到国内车险整体盈利堪忧，若以更优惠的价值作为切入点，很可能造成更大程度上的行业亏损。除非保险公司能够利用车联网更好地选择风险、识别理赔欺诈、并增值服务，追求在综合成本率和客户满意度方面的质量提升。
截至目前，国内一些有前瞻性的保险公司正试水车联网，包括通过OBD设备监测驾驶行为，分析驾驶行为与出险概率之间的关联性，做定价的建模准备工作等。，利用窗口期进行准备的工作方式是十分明智的。
穿戴式设备在健康险中的应用
从目前国内保险公司的行动来看，大家普遍采取观望态度。保险公司认为可穿戴设备未来发展潜力巨大，但法律风险及伦理风险巨大，亟需相关法律法规进一步完善。相比人体健康数据，保险公司更希望获得来自医疗、体检机构的电子病例，用于理赔关联和产品定价。
智能家居在家财险中的应用
调研发现，保险公司看好智能家居产品事前防灾、事后减损的作用，但认为国内智能家居产品发展较为落后，距离实际应用遥遥无期。
其他垂直平台生态圈
当前，国内保险企业一致看好垂直平台生态圈，认为互联网时代保险行业势必与各行各业开展多项合作、一揽子服务，共同构建数字化保险的平台生态圈。但目前看来生态圈建设难度较大、周期较长，涉及商业模式改良及资源整合等众多难题，尚需有志于此的险企勇于投入、耐心求索。
全文节选自波士顿咨询公司（BCG）发布的最新报告《互联网+时代，大数据改良与改革中国保险业》（摘自《转型与发展：从保险大国到保险强国2015》一书的第五章）。
关于作者：
邓俊豪（Tjun Tang）是波士顿咨询公司资深合伙人兼董事总经理、BCG亚太兼大中华区金融机构专项业务负责人，常驻香港办公室。
何大勇是波士顿咨询公司合伙人兼董事总经理，BCG中国金融业智库负责人，常驻北京办公室。
胡莹是波士顿咨询公司董事经理，常驻上海办公室。
陈本强是波士顿咨询公司董事经理，常驻北京办公室。
程轶是波士顿咨询公司项目经理，常驻上海办公室。
石得是波士顿咨询公司项目经理，常驻上海办公室。
张耀丽是波士顿咨询公司项目经理，常驻北京办公室。
本文来源于网络，版权归原作者所有，如有涉及您的版权，敬请告知！
友情链接