大数据对保险公司风险识别能力的提升及影响
开篇：润墨网以专业的文秘视角，为您筛选了一篇大数据对保险公司风险识别能力的提升及影响范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
[摘要]在大数据时代，人们认识客观世界的方式可能发生根本变化，以数据为基础、风险管理为核心的保险业将受到巨大影响。大数据带来的风险识别和定价能力的显著提高将增强保险公司的核心竞争力，不仅有利于风险控制、细分客户和精准定价，甚至会使整个保险业态发生深刻变化。
[关键词]大数据 风险识别 风险定价
[中图分类号]I207.22 [文献标识码]A [文章编号]1009-5349（2014）11-0107-02
当今，数据正逐渐成为巨大的经济资产，并带来全新的创业方向、商业模式和投资机会。国内外IT及互联网巨头都在积极布局，加快制定大数据战略发展规划。IBM公司在2012年5月了智慧分析洞察的大数据战略研究路线，微软公司开发并了大数据技术产品，Google、FaceBook、Amazon等国外互联网企业都在不同程度地应用大数据技术，推进业务创新和发展，阿里巴巴、百度、腾讯等国内互联网公司通过大数据应用研究，积极探索运营模式的创新。数据挖掘分析能力将成为未来的一大竞争优势。因此，探索以大数据为基础的解决方案，是中国保险业产业升级、效率提高尤其是风险识别能力提升的重要手段。
一、大数据时代的变革
在互联网时代，尤其是随着移动通信、社交网络和电子商务的发展，数据规模指数级别扩大、数据结构日趋复杂，与此同时，数据存储、交换的成本迅速降低，分析、应用的能力显著增强，推动大数据时代的到来。
真正的革命并不在于数据由TB到PB量级所造成的爆炸性增长，而在于大数据时代下人类认识客观世界方式有可能发生的根本性变化。从近代自然科学革命开始，几百年来人们习惯于用科学、理性的手段观察世界、描述世界和预测世界，并沾沾自喜于对客观世界的认知上，认为一切尽在掌握。然而，这种认识世界的方式带有天然的局限性：第一，观察通常基于采样数据，不可避免地带来采样数据的片面性;第二，无论是数据选取的手段（采样方式）还是模型的建立都带有主观性，无法客观、全面地得到事物的本来面貌;第三，采用解释世界的方式观察世界，反而限制了对世界的观察。
大数据则是“让数据说话”，借助数字化和网络技术，特别是互联网的普及，自然界、社会及人类自身的各种结构化、非结构化数据被充分挖掘出来，人类有能力获得真实世界完整的海量信息。量变引发质变，人们对世界的认识能力和水平得到空前提升，“海量数据”最大限度解决了人类主观世界与客观世界之间的信息不对称性难题。“不是随机样本，而是全体数据;不是精确性，而是混杂性;不是因果关系，而是相关关系。”从上述意义上来看，大数据并非大量的数据，而是一种方法论。
二、保险业的数据特征
正如互联网、移动技术所带来的行业与社会变革一样，大数据将渗透到生产和生活的各个领域，对各行各业都产生一定影响，但影响的深度和广度并不一样。在所有行业中，对数据依赖度较高同时可能获得大量基础数据支持的行业最有可能面临改变，保险行业正是其中之一。
一方面，保险经营的理论基础是大数法则，只有承保大量的风险标的，才能使风险发生的实际情形更接近预先计算的风险损失概率，保证保险人经营的稳定性。保险公司经营着承保、理赔、再保、精算、销售、服务等多个环节的数据，涉及企业、个人、生产、生活的各个方面，可谓数据量大、信息量全、复杂多样，构成了大数据分析的天然基础。
另一方面，保险业的成本具有不确定性，经营的核心是基于预测，即由过去的成本产生现时的价格，并按现时的价格收取保费来补偿将来的成本，对数据的分析与计算决定了保险公司的风险识别和定价能力。而大数据的本质也是要解决预测问题。保险原理和保险经营的特点与数据密不可分，尤其需要对大数据予以关注。
此外，我国保险业处于由粗放型发展阶段向精细化管理阶段转型的时期，若要继续维持目前较快的增长速度，下一步必须精细化管理，在产品创新和管理创新等方面寻求突破，要做到这一点，数据管理水平是关键。大数据方法正提供了这样的契机。
大数据将对保险公司带来多方面的影响，例如通过对购买产品的交叉分析更加精确地定位客户需求，通过与电商网络的合作挖掘客户潜在保险需求等，这些尽管都是大数据的影响并有助于提升精细化管理水平，但并非是针对保险公司这一企业属性带来的最核心的影响，不足以带来本质性变化，而且在这些方面的著述已经很多。本文则主要着眼于大数据对保险公司的风险识别能力的提升及其影响。
美国《外交》杂志曾提到过这样一个例子：纽约市政府一个分析专家小组建立了一个市内全部90万座建筑物的数据库，并在其中加入建筑、税务、电力、卫生、警察等19个部门所收集到的数据。他们将这一数据库与过去5年中按严重程度排列的建筑物着火记录进行比较，希望找出相关性。果然，建筑物类型和建造年份是与火灾相关的因素。出乎意料的是，获得外砖墙施工许可的建筑物与较低的严重火灾发生率之间存在相关性。“他们所记录的建筑物的各种特征数据都不是导致火灾的直接原因，但这些数据与火灾隐患的增加或降低存在相关性。”
火灾是财产保险界定的基本风险要素之一，当前保险公司精算通过划分数据维度建立风险定价模型。例如，对一栋大楼进行风险定价时，要考虑行业、区域、周边环境、风险分散程度、防雷避雷措施、风险管理水平、建筑物结构、场所占用性质、消防设施情况、标的物耐水性情况等风险要素，对每项风险要素赋予一定的风险等级或风险评分（通常由人工完成），然后假设这些风险要素是相互独立的，通过相乘或相加就得到了最终风险系数，并以此为基础衡量风险程度并进行风险定价。这种风险维度划分和评分方式的局限性也显而易见，确定了几个指标维度评分显然无法全面准确衡量标的的风险，更何况一些评分还带有主观性和随意性。尽管建立了看似复杂的精算模型，但对同质化风险的识别有限。
而在大数据时代，不必非得知道现象背后的原因（因果关系），而是相关性。因为：一方面由于数据获取成本大大降低，可以很容易获取成百上千个指标数据;另一方面由于数据存储和处理能力大幅增强，可以轻易得出这些指标和风险的相关性。尽管从旧的观点来看，这些指标数据并非某个精确模型的数据维度，与风险未必构成直接因果关系，有些甚至是混乱的、不够精确的“垃圾数据”。但当数据规模变大的时候，个体数据的精确性反而不那么重要了。纷繁复杂大数据的简单算法会获得比小数据复杂算法更有效的结果，这就是大数据时代获取更加准确结果的标准途径。
于是，在大数据时代，对一栋建筑物进行火灾风险定价的过程可能变为：在海量数据基础上分析建筑物各类风险因素与出险记录的相关性，进而对发生火灾的可能性给出全面客观评价。这些数据当然会包括建筑物结构、消防设施情况、风险分散程度等指标，但与前述的风险定价模型的显著区别在于：
1.以海量数据为基础。数据指标由目前的几个迅速扩张至成百上千个。这些数据指标不仅来自建筑物本身（包括建筑详细结构、各个部分材质、各类设施分布等），也来自建筑物使用情况记录（可能包括水电消耗量、人流密集程度、维修记录等）。海量数据不仅采集自相邻区域、相似类型建筑，也包括不同区域、不同类型建筑的指标数据。
2.不再依靠事先建立模型，而是通过对大量数据指标的分析得到相关性。用传统的线性或非线性模型描述分析如此庞杂的数据既不可能也非必要，相关性分析则是务实的手段。
3.主观评价的影响将被降低至最低程度。遍布建筑物的摄像头和传感器将会对建筑物占用性质、风险控制措施、风险管理水平等给出更加公正客观的评价。
四、由此对保险业可能带来的影响
大数据时代保险业风险识别水平的提升将带来显而易见的好处：一是风控水平提升。通过大数据的分析更容易发现潜在风险点，从而对标的实施精准风控。二是客户定制服务。大数据实现了对投保客户消费偏好、风险水平等的精确细分，更有利于定制个性化服务。三是标准化产品销售。大数据对保险标的实现精准定价，使得一些传统意义上需要人工核保的保险产品也可以通过互联网销售。
（一）当前中国保险业数据现状
以上提到的每一项都足以提升保险公司的核心竞争能力，足以令业界欢欣鼓舞。然而，基于以下几点原因，我们必须承认，保险业还远没有准备好进入大数据时代。
1.数据数量问题。目前保险公司缺乏统一的信息规划，各系统之间相对独立，这就出现了数据孤岛的现象，很难整合、统一到一起。因而看似是“大数据”，事实上却是无法有效利用的分散性“小数据”。
2.数据质量问题。大数据允许不够精确的混杂数据“噪声”存在，但并不代表可以忽视数据质量问题。这些数据质量问题通常源于数据生成和管理流程缺陷，当数据量迅速扩大的时候，“好数据”不会同比例增加，而“坏数据”只会变成“大的坏数据”，最终对决策造成影响。当前保险业数据质量不高已是共识，由于中介渠道的存在，致使保单客户信息的准确性都难以保证。解决这一问题，不仅要建立数据质量清洗规则和工具进行数据检查、修改、监控，更要从数据生成源头对管理流程予以完善。
3.数据化工具和手段的欠缺。尽管多数保险公司已经具备了数据存储和处理的能力，但数据化的工具和手段还局限于保单数据分析，目前逐渐扩展到依托电商网站获取客户消费行为，未来则有赖于遍布城市建筑的传感器和摄像头，有赖于对汽车行驶数据的全方位的获取和记录。
（二）未来大数据可能对保险业态产生深远影响
尽管存在以上种种不足，但正如此前的科学技术革命带来的产业变革一样，大数据时代改变保险业只是时间早晚的事情。未来，谁掌握了数据，就掌握了客户，数据化资产将与机构或渠道资产具有同等重要的地位，成为保险公司的核心资产和竞争力。对保险公司而言，这既是机遇又是挑战，而整个保险业态有可能因此而发生深刻变化，不妨大胆预测：
1.未来，掌握了大数据（不仅限于客户数据）获取和处理能力，并实现与业务很好的契合关联，能够从中获取价值的保险公司将脱颖而出，掌握从上游到下游的资源。
2.更多的中小保险公司将发生蜕变，凸显其专业化的风险管理和风险定价的能力，甚至依附于金融机构，作为其一个风险控制部门。
3.将诞生一批与其说是IT公司、不如说是“数据中间商”，基于统计的数据科学家会逐步取代行业专家，因为大数据发现的新的真实联系，可能会颠覆传统行业专家。
【参考文献】
[1]张静波.大数据时代的保险业创新[N].金融时报，2013.
[2]维克托・迈尔-舍恩伯格，肯尼斯・库克耶（著），盛杨燕，周涛（译）.大数据时代[M].杭州：浙江人民出版社，2013.
[3]Kenneth Neil Cukier，Viktor Mayer-Schoenberger.The Rise of Big Data[J].Foreign Affairs，May/June 2013.
[4]俞楠.大数据时代的汽车生活[N].东方早报，2013-4-19.