當(dāng)前，保險(xiǎn)業(yè)的需求在朝著多樣化、個(gè)性化方向發(fā)展，和等先進(jìn)的科技成為保險(xiǎn)發(fā)展內(nèi)在要求和新的驅(qū)動力。

近年來，隨著中國經(jīng)濟(jì)的高速發(fā)展，人們的衣食住行方式都發(fā)生著重大變化，伴隨生活水平的提高，人們的需求層次也在逐漸提高，各類需求朝著個(gè)性化方向發(fā)展。在此背景下，保險(xiǎn)的需求也在朝著多樣化、個(gè)性化方向發(fā)展，相對應(yīng)的保險(xiǎn)行業(yè)傳統(tǒng)的產(chǎn)品驅(qū)動模式必將朝著定制化、智能化方向發(fā)展，這對保險(xiǎn)行業(yè)而言即是機(jī)遇又是挑戰(zhàn)。

機(jī)遇主要是變革帶來了很多新的場景以及新的保險(xiǎn)需求，挑戰(zhàn)主要是保險(xiǎn)風(fēng)險(xiǎn)特征越來越復(fù)雜多樣，風(fēng)險(xiǎn)的傳播速度也加快。這就要求保險(xiǎn)行業(yè)要抓住機(jī)遇，發(fā)揮經(jīng)濟(jì)“助推器”和“穩(wěn)定器”的作用。同時(shí)，又要以新思維、新技術(shù)來加強(qiáng)對風(fēng)險(xiǎn)的控制。

而與此同時(shí)，保險(xiǎn)業(yè)自身也處在發(fā)展和變革的過程中，隨著“償二代”的實(shí)施，對保險(xiǎn)公司的風(fēng)險(xiǎn)管理提出了更高的要求，而在業(yè)務(wù)發(fā)展層面，傳統(tǒng)業(yè)務(wù)中車險(xiǎn)、壽險(xiǎn)，大保險(xiǎn)公司依靠規(guī)模效用來攤薄經(jīng)營成本。中小保險(xiǎn)公司在傳統(tǒng)業(yè)務(wù)領(lǐng)域很難與大型保險(xiǎn)公司抗衡，必須通過模式創(chuàng)新、產(chǎn)品創(chuàng)新、服務(wù)創(chuàng)新等方式走創(chuàng)新發(fā)展的道路。于是，大數(shù)據(jù)和人工智能等先進(jìn)的科技成為保險(xiǎn)發(fā)展的內(nèi)在要求和新的驅(qū)動力。

“大數(shù)據(jù)+人工智能”全面助力保險(xiǎn)業(yè)務(wù)各個(gè)環(huán)節(jié)

在移動互聯(lián)、客戶細(xì)分、消費(fèi)升級的共同作用下，和已經(jīng)成為保險(xiǎn)公司捕捉未來成功的關(guān)鍵。從一張保單的生命周期來看，投保、核保、運(yùn)營、理賠等幾個(gè)環(huán)節(jié)都與大數(shù)據(jù)和人工智能密不可分。

關(guān)于投保，隨著社會的發(fā)展、技術(shù)的進(jìn)步，投保的方式越來越注重便捷和效率，網(wǎng)上的投保和支付比重越來越大。而在互聯(lián)網(wǎng)上存在大量的黑客惡意攻擊、盜卡盜刷、薅羊毛等欺詐風(fēng)險(xiǎn)，如果對這些風(fēng)險(xiǎn)不加以防范，保險(xiǎn)公司的系統(tǒng)就有可能遭到攻擊癱瘓、客戶賬戶資金受到損失，客戶信息遭到泄露，保險(xiǎn)公司營銷成本被一掃而空，這種情況下對保險(xiǎn)公司的技術(shù)要求、安全要求也就越來越高。互聯(lián)網(wǎng)的黑產(chǎn)呈現(xiàn)的特點(diǎn)是專業(yè)化、全網(wǎng)流竄化、傳播高速化。為了防范這些黑產(chǎn)的攻擊，第一需要專業(yè)的技術(shù)工具，比如像設(shè)備指紋、IP畫像、機(jī)器行為識別；第二是建立聯(lián)防聯(lián)控的機(jī)制；第三是搭建風(fēng)險(xiǎn)模型。

其次是核保，此階段需要對投保人的不良信息進(jìn)行篩查，對有過欺詐或失信行為的人加以拒保。另外可以訓(xùn)練風(fēng)險(xiǎn)定價(jià)模型，對于高風(fēng)險(xiǎn)客戶通過提高保費(fèi)增加欺詐或逆選擇客戶的成本。

對于運(yùn)營，這個(gè)階段會存在客戶回訪的環(huán)節(jié)，如果用傳統(tǒng)的人工撥打電話的方式，成本太高，可以通過智能語音外呼的方式，根據(jù)客戶的不同情況以及不同的手機(jī)在網(wǎng)狀態(tài)選擇撥打方式及話術(shù)。

最后是理賠，這個(gè)階段涉及標(biāo)的（車、房、企業(yè)、貨物等）狀況，案件所涉及的相關(guān)人員的信用狀況、經(jīng)濟(jì)狀況、行為偏好、位置軌跡、關(guān)系圖譜等方方面面的信息。單純的公司內(nèi)部數(shù)據(jù)已經(jīng)無法滿足車險(xiǎn)反欺詐的要求，所以必須要對行業(yè)內(nèi)、外部數(shù)據(jù)做融合，結(jié)合這些數(shù)據(jù)再進(jìn)行模型訓(xùn)練，通過模型的方式篩查出疑似欺詐的高風(fēng)險(xiǎn)案件，再進(jìn)行重點(diǎn)審核和調(diào)查。

大數(shù)據(jù)智能風(fēng)控在多種保險(xiǎn)業(yè)務(wù)場景的應(yīng)用

據(jù)了解，在整個(gè)互聯(lián)網(wǎng)場景里，目前意外險(xiǎn)、健康險(xiǎn)占有很大的比重，并且健康險(xiǎn)還出現(xiàn)了一些爆款產(chǎn)品。但是在這些業(yè)務(wù)中，存在一部分逆選擇甚至欺詐或者道德風(fēng)險(xiǎn)，比如有些投保人，在申請單上填寫了高收入，但實(shí)際上卻相去甚遠(yuǎn)，而且投保了高額的健康險(xiǎn)，這就存在很大的欺詐嫌疑。對于這類行為，我們可以通過多維度不良信息篩查，在投保階段將其拒保，避免欺詐行為的發(fā)生。

當(dāng)然，車險(xiǎn)反欺詐是一個(gè)老生常談的話題，以前的小剮小蹭隨著費(fèi)率改革報(bào)案量越來越少，但理賠滲漏或大額案件欺詐行為仍然是車險(xiǎn)的一大頑疾。針對這類問題，從理賠層面可以使用復(fù)雜網(wǎng)絡(luò)的技術(shù)來做理賠反作弊分析，將案件相關(guān)人員之間的相互勾結(jié)進(jìn)行篩查。另外，還可以將事后調(diào)查升級為事前防控，在核保階段就對一些高風(fēng)險(xiǎn)業(yè)務(wù)進(jìn)行一些篩查，一旦發(fā)現(xiàn)這筆業(yè)務(wù)的相關(guān)人員涉嫌網(wǎng)絡(luò)欺詐、失信等行為將按照核保規(guī)則將其拒保。

在車險(xiǎn)定價(jià)方面，在從車的因子的基礎(chǔ)上還可以增加從人、從駕駛行為、從位置軌跡的定價(jià)因子，做更加精準(zhǔn)的定價(jià)。在車險(xiǎn)市場回歸理性的過程中，真正差別化、精準(zhǔn)的定價(jià)必將成為一個(gè)趨勢，大數(shù)據(jù)分析可以發(fā)揮的作用會越來越大。

隨著很多線下場景搬到線上，關(guān)于非車財(cái)涉及的場景就非常豐富了，通過數(shù)據(jù)的融合可以把現(xiàn)實(shí)投保場景和虛擬場景結(jié)合起來，對于營銷的切入點(diǎn)的增加以及對風(fēng)險(xiǎn)的評估的全面性和準(zhǔn)確性都會有很大的提升。

最后是壽險(xiǎn)，雖然當(dāng)前理財(cái)型產(chǎn)品的發(fā)展受到一些控制，但這部分業(yè)務(wù)仍然處于較快發(fā)展過程中。其實(shí)，之所以要對理財(cái)型產(chǎn)品進(jìn)行控制，主要也是為了讓客戶的實(shí)際需求和理財(cái)類產(chǎn)品不同的風(fēng)險(xiǎn)狀況得到更好的匹配，否則會積累大量的投資風(fēng)險(xiǎn)，對金融穩(wěn)定性造成不良影響。為此，我們對理財(cái)型產(chǎn)品的營銷需要做到精準(zhǔn)化，而不是通過過度推銷積累風(fēng)險(xiǎn)。要進(jìn)行精準(zhǔn)化的營銷，首先要對客戶做一個(gè)多維度、全息的畫像。通過對客戶的收入狀況、行為偏好、風(fēng)險(xiǎn)偏好、風(fēng)險(xiǎn)承受能力等維度的分析，給客戶推薦更適合的壽險(xiǎn)理財(cái)型產(chǎn)品。其次，由于壽險(xiǎn)產(chǎn)品相對復(fù)雜，從客戶最初接觸到最終成單往往需要不斷得溝通，如何提高溝通效率并且降低成本是我們需要考慮的重要問題，在溝通方式上，可以采取智能外呼、智能投顧機(jī)器人的方式，提高效率且降低成本的同時(shí)，還能避免人工情緒化的弱點(diǎn)，降低服務(wù)門檻。

保險(xiǎn)和大數(shù)據(jù)、人工智能融合關(guān)鍵在行業(yè)和數(shù)據(jù)

對于保險(xiǎn)行業(yè)來講，從大數(shù)據(jù)和人工智能兩個(gè)方面需要關(guān)注兩個(gè)融合，首先是行業(yè)的融合，其次是數(shù)據(jù)的融合。

行業(yè)的融合具體指，怎么能把保險(xiǎn)行業(yè)跟大數(shù)據(jù)和人工智能行業(yè)實(shí)現(xiàn)有效的融合，這里對保險(xiǎn)公司提出了一個(gè)挑戰(zhàn)，我們怎么樣能夠利用大數(shù)據(jù)，以及人工智能的技術(shù)，來促進(jìn)業(yè)務(wù)的增長。不管是從反欺詐風(fēng)險(xiǎn)防控方面，還是從精準(zhǔn)營銷獲客方面，這對保險(xiǎn)公司來說，在行業(yè)融合里都有很大的挑戰(zhàn)。

第一，大數(shù)據(jù)等科技型公司在保險(xiǎn)行業(yè)做大數(shù)據(jù)和人工智能，需要對保險(xiǎn)行業(yè)有極深的了解，即行業(yè)洞察，需要知道保險(xiǎn)公司的發(fā)展戰(zhàn)略是什么，他們的挑戰(zhàn)是什么，他們的痛點(diǎn)在哪里；

第二，有了行業(yè)的洞察之后，還要有針對行業(yè)的算法，大數(shù)據(jù)分析專家需要知道用什么樣的模型算法來解決保險(xiǎn)公司的問題；

第三是數(shù)據(jù)，這個(gè)是實(shí)施大數(shù)據(jù)和人工智能的基礎(chǔ)，有這樣的數(shù)據(jù)之后，才能有相應(yīng)的模型、算法來解決保險(xiǎn)公司遇到的情況；

第四是團(tuán)隊(duì)，實(shí)施大數(shù)據(jù)和人工智能，對團(tuán)隊(duì)要求的特質(zhì)，主要是應(yīng)對前面三方面挑戰(zhàn)的能力，需要既能洞察行業(yè)及業(yè)務(wù)情況，又能利用大數(shù)據(jù)等技術(shù)手段解決行業(yè)的難點(diǎn)痛點(diǎn)的綜合型的人才。

數(shù)據(jù)融合，保險(xiǎn)公司的數(shù)據(jù)怎么樣能夠跟大數(shù)據(jù)、人工智能的創(chuàng)業(yè)公司實(shí)現(xiàn)有效的融合，才能夠創(chuàng)造出1+1大于2，甚至大于3這樣的有效動能，來驅(qū)動保險(xiǎn)公司業(yè)務(wù)的發(fā)展。比如，保險(xiǎn)公司有自己體系內(nèi)大量客戶的數(shù)據(jù)，但是如果有一個(gè)新的客戶來的時(shí)候，怎么樣能夠有效地知道這個(gè)客戶的風(fēng)險(xiǎn)，怎么樣勾勒出這個(gè)用戶的畫像，來更好地實(shí)現(xiàn)銷售。比如，既有的客戶在互聯(lián)網(wǎng)里，在其他保險(xiǎn)公司里，在互聯(lián)網(wǎng)金融里有什么樣的行為，有什么樣的特質(zhì)，多維度的畫像是怎么樣的，怎么樣對既有的客戶實(shí)現(xiàn)沉默客戶的激活，來達(dá)到我們增加保費(fèi)的目的。

綜上，從整個(gè)保險(xiǎn)行業(yè)來看有兩個(gè)融合，一是行業(yè)的融合，也就是保險(xiǎn)公司跟大數(shù)據(jù)、人工智能創(chuàng)業(yè)公司的融合；二是數(shù)據(jù)的融合，保險(xiǎn)公司內(nèi)部對外部的數(shù)據(jù)，以及創(chuàng)業(yè)公司數(shù)據(jù)的融合。

新科技助力保險(xiǎn)行業(yè)的未來

當(dāng)前，我們正從一個(gè)時(shí)代進(jìn)入另一個(gè)時(shí)代，因此，面臨的不再是一種“周期性”的變化，而是“坐標(biāo)系”的轉(zhuǎn)換，“今非昔比”和沒有“公約數(shù)”將成為重要特征。幾乎每一個(gè)行業(yè)需要回答的一個(gè)問題是：如何面對未來？保險(xiǎn)行業(yè)也不例外。

首先是機(jī)器學(xué)習(xí)，這是一門研究計(jì)算機(jī)模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)方法，深度學(xué)習(xí)、無監(jiān)督模型是機(jī)器學(xué)習(xí)中的一些方法和形式。著名的AlphaGo就是使用深度學(xué)習(xí)打敗人類思考的典型案例，其最大的優(yōu)點(diǎn)是，在博弈的過程中可以實(shí)現(xiàn)根據(jù)對手的情況不斷自我學(xué)習(xí)。在實(shí)際保險(xiǎn)業(yè)務(wù)中，市場情況變化越來越快，尤其在反欺詐領(lǐng)域，道高一尺、魔高一丈，我們與欺詐分子會展開不斷的博弈，模型修正和調(diào)優(yōu)的周期非常短，通過機(jī)器學(xué)習(xí)的方式可以有效解決高頻業(yè)務(wù)的風(fēng)險(xiǎn)控制。除此之外，智能投顧、機(jī)器人客服也是可以用機(jī)器學(xué)習(xí)的方法，通過與客戶溝通交流的過程不斷學(xué)習(xí)、修正模型，達(dá)到靈活服務(wù)的目的。

其次是區(qū)塊鏈技術(shù)，在比特幣盛行的過程中引人關(guān)注。在以往的業(yè)務(wù)、交易系統(tǒng)的架構(gòu)中，往往采取的是數(shù)據(jù)集中的方式，但這樣會產(chǎn)生很多作弊、系統(tǒng)攻擊、信息泄露等問題，尤其是在黑客攻擊技術(shù)增強(qiáng)，數(shù)據(jù)變得越來越敏感的時(shí)代，信息、數(shù)據(jù)的傳輸和融合變得很艱難。而區(qū)塊鏈技術(shù)可以既做到數(shù)據(jù)共享，又避免因?yàn)閿?shù)據(jù)集中造成的作弊、泄露等問題。比如在意外險(xiǎn)反欺詐領(lǐng)域，會出現(xiàn)投保人在多平臺惡意投保的情況，通過區(qū)塊鏈技術(shù)可以實(shí)現(xiàn)多平臺投保查詢的功能，杜絕以往多平臺、高保額欺詐案件的發(fā)生。

目前，大數(shù)據(jù)以及人工智能行業(yè)幫助保險(xiǎn)公司業(yè)務(wù)發(fā)展前景非常廣闊，抓住黃金機(jī)遇期成為保險(xiǎn)公司實(shí)現(xiàn)突圍的關(guān)鍵。同時(shí)，挑戰(zhàn)與機(jī)遇并存，最大的挑戰(zhàn)就是如何打破數(shù)據(jù)孤島，這也是前面提到的行業(yè)融合及數(shù)據(jù)融合最關(guān)鍵的部分，也就是說如果大數(shù)據(jù)及人工智能能夠驅(qū)動我們保險(xiǎn)公司的發(fā)展，一定要打破公司與公司之間數(shù)據(jù)的孤島，一定要打破保險(xiǎn)行業(yè)跟其他行業(yè)之間的數(shù)據(jù)孤島，一定要整合保險(xiǎn)行業(yè)的整個(gè)行業(yè)資源，加上大數(shù)據(jù)和人工智能創(chuàng)業(yè)公司的模型、算法以及技術(shù)資源，實(shí)現(xiàn)數(shù)據(jù)和能力的整合，打破數(shù)據(jù)孤島之后才能夠真正實(shí)施大數(shù)據(jù)及人工智能戰(zhàn)略，才能夠讓保險(xiǎn)公司借助所有行業(yè)的融合，以及創(chuàng)業(yè)公司的人才、技術(shù)等各方面的優(yōu)勢，促進(jìn)整個(gè)業(yè)務(wù)的發(fā)展。