大数据驱动的保险产品个例

金祖胜 美国 Bunker Hill 保险公司分析部负责人

      近年来在美国针对保险公司的大数据解决方案公司剧增，我简单地列举在表格中。这也催生了很多初创保险公司，Lemonade公司作为房屋保险公司的标杆，在今年上市，另一家房屋保险公司Hippo将在明年上市。我所在的公司Bunker Hill与他类似，但由于我们属于另一家保险公司独立出来的部门，所以不能上市。这些保险公司与传统保险公司的不同在于，传统保险公司倾向于做保险经纪人等方面的业务，而Lemonade和Hippo等保险公司注重于直销方面的业务，我们公司（Bunker Hill）也偏重于直销，但是也会做经纪人方面的业务。优势在于不像传统的保险公司需要花很长的时间调研，而是可以在线上随时调取数据做核保。今年上市的Lemonade很受市场看好，市场评估价值非常高，虽然现在他们的核保利润率还是负的。Bunker Hill是属于赞助性的初创公司，以前是通过经纪人出售保险，做保险审核需要问大约150多个问题，花很长时间，但现在更新了产品，只要客户上线输入地址，很快就可以得到保费数据，因为有大数据和模型在背后支持。

      我们（Bunker Hill）与Lemonade和Hippo的区别在于，他们是在线上实时进行审核，给申请人打分决定是否批准以及保费数额，我们是在申请人来申请之前，已经计算好了保费，而不需要进行实时的核保。

      利用大数据建模寻求目标群体的方向，意味着可以预先计算得到盈利性，比如产品价格、费用和风险，然后计算产品价格是否优于竞争对手来判断产品是否有竞争力，同时计算出获客成本，与预算成本比较来判断是否有承受力，并且估计响应力，即给出保单对方有多大可能性会成为客户，最终可以得到最优的目标群体。将6个州2000万个房屋，按照这个标准划分为由好到差ABCDE五个等级，全部在线上完成。

      同时大数据在产品客户生命周期中也有着重要的作用，我们做保险产品，不仅挖掘潜在客户，还把审保、产品定价等一并完成。将来在理赔的时候也要应用相应的模型，来识别欺诈，解决代偿等问题。当客户签约到期后，续签也需要模型的支持。所以说从整个客户的生命周期来说，做好每一个环节，是我所在的团队的主要工作，也是整个公司的核心。

      要完成这方面的工作，我们必须要取得各样的数据，利用不同的数据源去不间断地改进模型预测性。现在公司大概有30多个数据源，每一个季度都要对取得的数据进行打分，之后整合到整体数据库中，全部放在线上，就可以支持我们整个生产线的运营。当遇到问题时，我们的处理方法也和传统公司有所差别。用传统公司会遇到的常见问题举例，比如说传统公司经常实时调用信用局打分，没有客户授权时不能调用，但我们可以预先评估信用分数；传统公司经常实时调查近五年出险的情况，来给出相应价格，但我们也没有这方面的授权，所以需要对近五年的出险情况做出估计；传统公司有时还实时检查房屋状况或屋顶状况，但我们需要事先进行预测。与客户签约之后也会实时调用信用记录和出险记录，实地调查客户的实际房屋和屋顶的状况，但这些实际记录不用于预先定价方面。Lemonade和Hippo的优势在于实时定价，和我们也有所区别，我们是预先定价。

      公司近年发展迅速，每年增长大约40%，基本每年都是盈利的。

      我们团队还在不断试验新方法、语言和平台工具，不停地探索新的工具，同时也在尝试多种数据分析方法，进行实验设计、描述性分析和预测性分析。建模定价基本还是以线性为主，生存分析也应用较多。在机器学习方面，决策树应用较多，比如GBM、XGBoost、Random Forest等。

      为了提高效率，我们对项目实施标准化流程：项目设计，预测建模，模型实施，模型监控。建立标准的框架，使得好的流程和成果团队化，对于项目重点关注三个方面：代码结构、结果汇总和最后的业务内在结论。

      团队的搭建和人才的成长方面，建立良好的机制，给缺少工作经验的毕业生很大的成长空间，激发他们的工作热情。

来源：2020（第十六届）中国金融风险经理年度总论坛