大数据分析引领保险行业变革

标签:大数据变革分析保险行业

访客:23334  发表于:2014-05-08 16:41:24

(更多精彩内容,请加入大数据圈http://www.cio.com.cn/group/home/23

大数据分析引领保险行业变革

                Stuart Rose, SAS全球保险行业解决方案资深顾问

我的名字叫做Stuart Rose,我是SAS的全球保险业务解决方案的顾问,实际上我讲30-40分钟的时间,我这里讲一下大数据如何引导保险行业的变革,在这之前我觉得我可以简单的介绍一下我自己的背景。我在保险行业有25年的经验,开始的时候我在大学的时候毕业了以后就是在一家保险公司工作,工作了15年,过去10年我一直和软件的厂商进行合作,开发保险行业方面相关的一些解决方案。所以说在这部分会议当中呢,我想给大家介绍一下大数据,以及保险公司在大数据方面的一些挑战,会讲一些案例,大数据对保险公司在未来意味着什么,因特网如何改变保险行业。

首先,我们通常会问这么一个问题,是什么造就了一个好的公司,这里主要讲了三点,第一点数据,我们大家都知道数据现在是非常的重要,数据越多某种程度上你肯定就可以有更好的竞争优势。如果说想要一个好的分析公司,当然了要有数据。第二部分就是资源,我这里讲的不光是人力资源了,还有包含人们在做分析,还有一些技术等等,用一些新的软件的能力如何来分析新的数据更加快速,更加的优质,然后第三部分如何作为一个好的分析公司存在呢,需要有好奇心。我这里讲的好奇心是什么意思,需要有不同的思维方式,需要跳出盒子思考,充分利用这个优势,我们待会儿会讲一些案例,有很多的成功模式,就是一些非常不同的思维方式。可能很多人都知道什么是大数据,定义是什么,它的三个V或者说一些多样性,速度和价值等等,但是对大数据来讲呢,它实际上可以从中获得更多的附加值,这也是为什么很多的公司非常的致力于它,实际上我是今年参加过一次会议,里面有很多的保险行业的高管。通常他们都问我大数据的内容,我也会问他们遇到关于多样性、速度和价值方面的挑战,我觉得不见得是有达成共识,但是差不多有1/3的人是关注量,他们没有足够的一些能力存储这么多的数据。然后另外1/3担心的就是多样性,他们会说有这么多不同的新数据,而不光只是结构性的数据,或者说是在我们的行政系统里那种结构数据,还有一些非结构的数据,比如说一些社交媒体等等,这些到底如何来进行更好的一些备案。另外的1/3考虑的就是速度,到底这些数据的速度有多快,过去有人说保险行业是第一交易量的这么一个行业客户没有很多的交流,但是现在每天都会有交流,某种程度,甚至是每小时每分钟都有交流,这是我们面临保险公司在大数据方面的挑战。

所以我希望呢,这一部分能够让大家更好的来解析和理解,你可以看到这位坐在桌面后面的人,这张图片看起来这个人长的和我很像这是巧合。但是他是需要处理非常多的一些文件,无论是这种历史图表,还是一些柱形图等等。然后有人问他说,看起来好想你有所有的这些数据了,但是为什么还没有出结果,这个很可能是现在遇到的情况,每个人都是被大量的信息所淹没,但是没有获得任何的附加值。这里我想和大家分享的是我们现在保险公司在大数据方面面临的一些挑战,这张幻灯片它是由经济学家所做的一个研究,然后今天我们看到了这个研究当中呢,是有100多个来自于保险公司的高管接受了调查。那么它们是提到了自己遇到最大的一个挑战是什么,就是可能缺少这种很难挖掘出大数据获得客户的一些洞察。内部的壁垒妨碍了营销,为企业赢得更多的一些价值,另外一个调研也是有一个分析公司做的研究,访问了一系列的保险公司的高管,去年的2月份我们要分析的是他们在大数据方面的使用,在整个的组织内部的一个情况。但是不出意料的很多保险公司,它们是使用这种比如说价格优化,预测分析,反欺诈工具,同时感到惊讶的是非常少的公司,真正有对于他们真正在做什么有概念。那么对保险行业来讲呢,看起来好像是比较缺少一些其它行业里已经存在的一些专家知识,那么就像我之前说过了,这样的一个调研是在去年的就是说2013年的2月份进行的,可能当时的一些这种知识,或者说是意识现在已经有所增加了。但是我想说保险公司肯定是缺少一些其它的行业已经具备的知识,那么到底对云分析方面的兴趣是不是有所增长,这个兴趣在不断的增长,这方面技术的投入越来越多了。这是另外一张幻灯片,这是别的调研,看一下保险公司如何投入到大数据中,最主要的就是在价格方面,这是基本的对保险行业重要的一部分,还有客户细分,还有就是在承保方面,还有比较少的部分,是关于风险的管理,欺诈侦测,灾难模拟等等。

所以说这里的一个问题就是说,我们知道对保险公司的周边面临着大数据方面的挑战,他们如何来开始使用这些分析的数字。我们这里又要提到另外一个问题,实际上分析对保险业来讲,不是什么新的事物,可能已经存在了几十年几百年,可以追溯到保险行业之初。它们也是使用了很多的这种信息去预测,到底一个人能活多长的使命,或者说又重新回到了最早的一个海上保险的概念。然后这里有一个问题就是在于保险业呢,还是在使用它的一些后台的功能,它是被很多的承保赔付的人员使用,他们很少去分析未来进一步的内容,现在可能在组织内部有一些新的部门,它们真正的是需要来进行一些保险方面更深入的一些分析,把这个功能转到了前台,把这些这种预测性的模型用到了这种实时的运营决策中。这也就是回到了一个概念,我们的这种商业分析的一个基础架构,我们这里主要看到了四个最主要的部分,他们是我们讲到了比如说定价,或者说是索赔等等,关于如何来进行再保险等等这方面相关的,我们先看一下在承包的这方面如何使用这种分析,来加快他们来进行保单方面的速度和效率,然后还有在索赔的这方面如何来使用这种分析,来实现这种欺诈的侦测,然后需要来进行这种诉讼的管理,损失的侦测,如果说要遇到一些诉讼的情况,来确保是不是会受到欺诈性的诉讼。

还有在客户这一部分,我们也会看到越来越多的对分析的使用是在于客户的体验方面,如何来创造出这种预测性的模式,然后还有分销,或者说交叉销售,以及提升销售,还有客户的保持等等。我们还会看到在风险侧也是有很多这种监管,还有一些市场风险的分析,操作的风险等等。那么这个问题就是在于保险公司如何能够达到第二个步骤二,那么这里我不知道大家是不是能够来理解出这个漫画中的一些乐趣,你可以看到这里有一个大黑板,有一个人他在上面不断的计算,最后他写了说然后出现了奇迹。那么对我来讲奇迹就是关于我们SAS公司大数据如何来帮助我们的这些保险公司来实现更好的大数据管理,那么对我演讲最主要的部分我想作就是讲这5个最主要的领域,给大家讲一下对保险公司如何来使用数据分析,来帮助他们能够成为一个真正分析型的这种保险公司。我这里会讲到大数据和数据管理这一部分是最主要的一部分,在我的演讲之中呢,之前提过很多次未来会发生巨大的变化。

首先看一下分析,我们要找到X因素,早些时候说过了分析对保险公司来讲不是什么新的事,已经存在了很多年,但是对他们来讲真正的要决定所有的这些信息到底去哪儿,我们如何看这些东西如何来实现预测,如何对未来可以产生意义。保险是非常独特的一种概念,可能是这么少有的几个产品,是你购买的时候你根本就不太了解你真正的成本是多少,当你买你的苹果,或者说买你的智能手机的时候,制造商知道他们到底能有多少的收入,他们的利润是多少。但是对保险公司来讲,你买一个保单,他们没有办法来知道,到底你到比如说最后购买保险的人,他身故了之后有多少的成本,没有办法预测这件事情,这一点实际上也是我们要做分析的部分,到底这些变量当中,可能是不是与未来的某一些行为会有关联性。然后我们就开始推动性别男女进行区分,他们的使用年龄,有更加精细的一些分析。可能20年之前保险公司比如说在美国开始来改变很多的这种保险产品的价格,当他们后来发现呢,他们的一个未来预测值和信用是非常大的一个关联。实际上这是为什么越来越多的一些保险公司开始比较倾向于使用不同的变量之间的这种相关性,来进行这种可变性的预测。我想和大家分享案例,也是我们和保险公司过去的一些合作的情况,如何来利用分析,那么这个案例分析是XL集团,他们是一家大型的商业保险公司,他们的保险都是大型的楼宇,像一些船等等,所以说他们数据的量和这种人寿保险公司是非常不一样的,或者说汽车保险公司的量是不一样的。

他们现在一个业务的问题呢,就是能够如何把他们的这个预测模型更快的提供给市场,如何可以准确的进行预测。那么他们最终想实现的目标就是要成为一种预测型的组织,然后它们就用了我们的这个可视化分析的产品,那么在最初的几个月当中呢,他们就可以更加容易的加强他们产品定价,还有这个服务理赔保证金的预测准确性,他们特别把自己的一个业务线做了一个实验,把它分成了几块。比如说每一个顾客在某一个区域来分析它的这个盈利性如何,他们发现了自己50%的客户是挣钱的,50%的客户是不挣钱的。他们后来的话呢就开始看这个里面业绩最糟糕的10%的客户,就是说当这些最糟糕的10%的这些客户说我续保的时候不续了,或者说去给它提高保费,这样的话就可以发现自己的总体赔付率下降了7%,综合赔付率下降了7%每年省了几千万的美元。

第二个可以看到保险业利用数据分析,就是防止保险欺诈这样的一个领域,我们现在看到了这边有各种各样的统计数据,都是关于保险欺诈的,但是总体来说只能跟你说,你的总体的理赔当中有10%是保险欺诈,特别是所谓有组织的欺诈行为,这个数据不一定可以看到。那么我们现在就会要打击这些现有的保险欺诈的行为,那么作为保险公司来说呢,就可以使用数据分析的工具,就是可以发现他们有一种综合性的方式,他们用各种各样的技术进行分析。他们可以来进行一种自动化的业务规则,比如说让你打一个勾,到底这个是有效理赔还是无效理赔,还有异常现象的发生,那么异常现象就是指看一看一个人他的理赔的历史,发现了这次理赔这笔理赔是不是异常值,这可以引发我们的怀疑,可以用一些预测性的模型,可以预测这样的理赔应该出现什么样的一个情况。如果说出现了现实中的偏差,就可以对其进行相应的研究,他们可以进行这种非结构性的数据,特别是这种文本的数据挖掘。还可以用这种数据库检索,有许多这些欺诈的有组织的行为呢,他们都是会进行这种数据的共享。比如说可以搜索一些是不是有一些人过去有这种欺诈史,我觉得这个里面的话最大的一个环境的改变因素,就是所谓的社交网络的分析,社交网络的分析目的呢,就是说不去看每一笔这种独立的理赔,去看这个人所有理赔的历史,去看看是不是有一些人,有一些医生,或者说有一些实体不同理赔相关,有一个先生他之前参与了6次事故,这个人是不是这么倒霉,一个人碰到了6次事故,而是说这么巧在6辆车中,6次事故中他都是乘客,然后他又去一家来治疗,而且每次事故六次事故这种受伤害的名称都是一样的。很明显这个人很可疑,如果说看这六笔理赔分开看,看不到这样的模式,但是我们通过这种社交网络的这样一种分析就发现了,把这个欺诈者揪了出来。

还有一个成功的故事就是CNA,它是美国排名前十得保险公司,那么在三四年前当时他们看自己的业务的账簿,希望发现一些欺诈的行为。通常我们说所有的理赔当中10%可能是虚假的理赔,欺诈的理赔,他们是3.5%的虚假理赔。那么他们的结论就是他们非常的幸运,他们的这种欺诈者就是少,或者说他们自己还有6.5%的欺诈的行为没有出来,应该是第二种情况,他们开始利用了我们这个SAS,保险欺诈管理框架,这个里面有各种各样的分析能力,在前张幻灯片列出来了,做了这个工作之后,他们确实发现这个结果很令人震惊。那么他们在实施了24个月之内,他们开始就是挽回和预防的欺诈金额超过了640万美元每年,而且对100起欺诈行为开始进行了调查,这些里面都是一些把医疗的服务提供商,或者说一些理赔律师金额高达1800万美元。另外我们看到了有各种各样的数据分析的一个领域,就是客户洞察的领域,大家说客户是对的,客户是上帝,客户是说了算的人。那么这个确实是老生常谈,但是确实是不变的真理,我们在往回拨20年,过去发现欺诈的行为,我们会找到当地的销售代理,它会把你这个投保客户你过去的投保的记录呢,都给你说清楚了,然后分析一下你个人的情况,来帮你投保做这个投保的决策,但是现在投保的活动可以是一种直接的投保,不需要有销售代理,你会有呼叫中心,或者说网上直接投保,手机上投保,社交网络上投保,现在这种投保的方式非常的方便和简洁。

我们看这些价值如何来进行计算,作为保险公司来说会看六件事情,提升消费者的体验,创造一个360度的客户洞察,然后要考虑如何利用这种数据的分析,更好的深入的了解我的客户。那么他们生活中到底有什么样的生活转变的出发点,每一个出发点都是我销售保险产品的商机,另外如何更加有效的进行市场的推广,如果能够更好的去利用数据分析的工具来覆盖更多的客户,来找到一些新的投保人。另外,我们还要看如何要有非常有效的这种销售的渠道和网络,如何利用消费者的这种相应数据,把这些数据提供给我的分销代理人,另外消费者对我们的品牌认知和支持度是多少,这个满意度是会提高还是会降低。另外的话如何用我这些分析的结果,来提高客户体验。比如说你有一种投保意愿的话,能不能给它提供一种定制的最佳的投保方案建议。这是另外一个非常成功的故事,这个故事是关于一个印度的保险公司,这个公司,是纽约迈克斯和纽约人寿公司的一个合资企业,它们10年之前进入了印度的保险市场,一直非常的成功,卖了很多的保单。但是它们后来觉得自己业务进入了一个瓶颈,没有办法再卖更多的保单,他们开始调查。他们发现把一种保单卖给了保单持有人是非常成功的,那么为了提升销售的业绩呢,他们必须建立一个数据的仓库,对消费者构建一种360度的认知,他们就用了我们的SAS营销活动管理的产品和我们的SAS企业级数据挖掘的产品把交叉销售的效率提高了300%,收入第一个季度提高了40%保费的收入提高了40%。还有一些无形的好处,降低了销售的支出,因为销售周期被缩短了。

我们看到了他们只不过是对现有的客户数据进行了分析和挖掘,就实现了如此多的利益。我们看一看风险和合规的问题,在绝大多数的金融组织中,特别是我们保险行业是一个监管严格的行业,那么我想原因是我们不能像其它的企业一样有高峰和低谷,如果在一个保险公司进行投资,5年和10年以后这个保险公司会存在,因为20年之后我才会去获得我的养老保险金的给付,对保险公司要求经营的是长期的,而不能有太大的波动。所以说对保险公司现在对它们的合约管制非常的严格。像欧美现在监管很严格,中国也有可能会效仿,企业要有满足一些量化方面的要求,首先我们要进行压力测试来确保我们的保险资产要能够承担我们的负债,那么如果说我们出现了一些风险的时候,不会由此破产,所以说这里要进行各种各样的计算。另外的话还有一些定性的要求,比如说我们如果真的有一个风险暴露的事件,我们是不是有相应的流程和政策来进行理赔,这个其实最后都要并入一个高管可以看到的报表的门户或者说一种仪表盘这种界面,这个里面的话应该关于各种各样的数据认知,高管可以在里面进行操作。

这是美国国际集团AIG这个企业,大家会很了解的,5-7年之前它们碰到了,因为当时是金融危机,所以说它们碰到了一些经营方面的问题。当时它们觉得自己应该改变自己业务的模式,所以说它们就建了一个小团队大概有10个人是战略风险团队,这个团队就是用我们SAS的数据分析技术功能,来分析它们业务里面的一些改进点。但是它们说这个要求非常的高,不知道我们应该从哪儿着手,他们就开始进行了这种高管风险,高管责任险的业务。看看哪一些客户是好客户,那一些客户是坏客户,它们的定价水平是否合适。就是说对这些个人的工作风险比较高的高管就不再给它们续保了,这样的话减少了7500万美元的潜在理赔损失。当然了这个钱目前是没有赔出去的,但是通过分析了这些投保,企业高管责任险的这些高管过去的这种工作的记录,他们就是不再给他们续保了,就是避免了潜在的理赔损失。而且的话降低了1400万美元的新业务风险,而且现在战略风险的团队只有10个人,5年之前是10个人,现在到了一百人,去年的话他们还专门跑到了MIT又从麻省理工学院雇了50个新的毕业生。就是说他们现在就专门在这个企业内部呢,创造了一种全新的战略风险的企业文化,而且现在是为它全球的业务来进行数据的分析。

最后我想说的一点就是一些远程通讯的系统,我不知道了解不了解这个概念,远程通讯系统是指我们用这种车载的数据记录仪来确保你应该投多少险,比如说你个人开车的风格是什么,你的这个行驶里程是多少来进行定价。比如说我开车我一年就开一万公里,但是我的邻居他开车每年开两三万,那么凭什么我们要交一样的保费呢,对吧。所以说的话现在在这个方面就是有这样的车载的记录仪,那么每一秒钟的话它都会把这个信息传输给保险公司,保险公司就可以去评估这个驾驶员的驾驶风格。那么这个企业在2012年的时候呢,他在这个服务方面的收费就超过了10亿美元,到2020年的时候,这个提供远程通讯服务的企业,它的收入将超过300亿美元。现在我们看一下这个里面涉及到了多少数据,对一个保险企业来说一个正常的保单相关的信息最多三兆,账单的信息,报价的信息,业务应用的信息,还有一个保单续保通知信息,但是一辆车如果说它装了远程通讯,可能每年要向你传输这个760兆的信息,比如说位置、时间、日期,加速还是减速,行驶的里程,一辆车的话可能就是768兆,这个就是完全进入了大数据的领域了。

现在问题就是这么多的数据,保险公司怎么用呢,我们更多的,刚才所说的呢都是这个数据的传输问题,你如果说真的想把这些数据变成价值,你必须首先对它进行分析,你想知道这个里面有那一些要素是可以用于预测的,这就涉及到了一个数据管理的问题,这么多的数据怎么存储。因为这个不可能放在我们的数据仓库里的,所以的话必须数据进来以后首先进行分析,当然了这个里面的变量实在是非常的多,我们得看一看这个里面那一些变量可以用于我们的预测,比如说你的行驶里程,你行驶的速度,或者说当天什么时候开车。还有很多这样的因素,其实我们现在空想不出来的,你也不知道那一些变量很重要。要提升客户的体验,他们想做的是说告诉你为什么你的保费比别人高,你的保费构成是什么给消费者说清楚,另外要说清楚我的保费怎么算的,你的各种行驶要素怎么加权的,怎么算的,这个也是一个运动状态当中汽车的数据,而且要有这种数据传输的能力。而且现在呢,已经有企业可以做这个事情了,这是另外的一个公司Ingenie,这是一个英国的保险公司,他们现在就是用这种车载的远程的通讯,关注17-25岁年轻的驾驶员,对他们来说有什么好的驾驶历程,历史的记录。而且对这些人来说的话呢,很可能就一个大事故赔了很多的钱,他们用了我们的SAS分析技术产品,他们发现了用完了这个技术产品以后,他们就可以提高自己的预测准确度,而且可以更好的提升它的定价水平,可以更好的了解这个驾驶员他的驾驶风格。

他们会发现虽然这些先进的通讯数据都是车载的,但是这些年轻人他们发现经常出事故,但是没有巨灾的风险,比如说这个人开车出了一个严重的事故,现在他们发现了这些年轻人呢,他们虽然开车是出事故,但是都是小事故。所以就像我刚才说过了我如何来看待保险业的未来,实际上很多的人都说那保险行业不算是一个大数据的行业,我想现在是这样,但是未来可能会发生变化,这里有几个例子给大家讲一下。物联网如何改变原来的保险行业这样的一个高成本现象,首先我们可以看到楼宇,现在可以通过使用数据,那么对保险公司来讲很好的分析楼宇有多么的稳固,然后还有就是它的便利,或者说里面有多少的冰箱,多少的电视等等。下一张图是一些牛,他们的耳朵上会有一些无线电的识别设备,所以说当这些牧民他们在放牛的时候来确保他们的牛不会丢掉,这样保险公司也会了解到这些牛到底在什么位置,这样可以来避免这种可能性。比如说有一些牧民说我丢了两头牛,保险公司说知道牛在那儿,这样很快识别它的位置,这样帮助保险公司能够更好的来去管理。下面是手环,可能耐克公司有一些类似的设备,当你在做这种运动的时候,或者说你的一些睡眠模式,这样的信息也是非常好的可以帮助保险公司的信息。当然了如果说你希望这些公司的信息可以和一些这种卫生,或者说是保健方面的公司来进行分享的话呢,也是可以的,这不像是几年前我们可能需要问你是吸烟者还是不吸烟者,有了这样的设备会改变这种人寿保险的整个行业状况。下一个是智能手机,实际上它也是一个很好的来展示变化,日本的保险公司它们可以有这种LBS的服务,基于知道你的位置,通常它是一些短期的这种小额的保险,但是比如说你去了机场,然后它就会给你发一个这种产品的提示说你要去旅行了,是不是应该买一个旅行保险,或者说你站在一个山顶上,可能接下来的24小时里我们是可以给你发一个保险单,这样可以保证你24小时之内所有的这种保险,所以说大数据来把一些这种产品的优惠发出去。

下面一张图是谷歌的无人驾驶汽车,这样的一个无人驾驶的车辆,或者说是它是不是有这种防撞的系统,如果说驾驶的时候可以识别出来是不是离前车的距离太近,有一个刹车。最近有一些研究是一家以色列公司他们来使用我们SAS的软件来实现,这种车有自身的防撞系统,但是比没有装防撞系统的车辆,会有48%的风险可能性的减少,所以说你可以来通过这种方式了解到,未来的一个风险的程度,是不是未来的保险行业会使用更多的一些技术,这个是变化的方式对我来讲呢,这就是我认为数据分析是如何来改变整个的保险行业。讲到这里想看一下大家有什么问题没有,好的非常感谢。

评论(0)

您可以在评论框内@您的好友一起参与讨论!

<--script type="text/javascript">BAIDU_CLB_fillSlot("927898");