【系列文】数据分析在保险行业的运用

数据分析在保险行业的运用

由于客户的价值我们可能直接无法得到，这可能需要通过客户的属性信息或行为信息来判断。所以通过客户数据来判断客户价值，进行客户价值管理是未来的趋势，而数据分析就是这一方法的重要技术手段。现在数据分析可以说在商业中的应用越来越广泛，尤其是在互联网、通讯、金融、零售业中的应用，自上世纪数据分析技术在美国应用以来，现在已推广到全世界更多的行业之中。上世纪90年代末数据分析这一概念随着沃尔玛啤酒与尿布的典型案例来到中国来。那么数据分析技术在国内应用如何呢？在保险行业的应用又会如何呢？

一、数据分析概念及其在国内的现状。

简单的说数据分析可以概括为：

数据分析是指用适当的统计方法对收集来的大量第一手资料和第二手资料进行分析，开发数据资料的功能，发挥数据的作用，

是为了提取有用信息和形成结论而对数据加以详细研究的过程。 所以强大的客户信息数据仓库及数据库是良好实施数据分析的基础。没有好的数据基础，可能建模过程就会中途夭折，即使建模成功，带来的也可能只不如人意的结果。但国内的大部分企业都是处于客户数量多，可用数据较为匮乏的状况。在这方面做的较好的就是随着互联网兴起的各家网络公司，如腾讯、百度、阿里巴巴、网易等，传统行业中宝钢、中国移动在数据分析的应用上是较为领先的。由于保险行业的代理人的特点，所以在传统的个人代理渠道，代理人的素质及人际关系网是业务开拓的最为关键因素，而数据分析在新客户开发中的作用就不是那么明显，但在新兴的网销、电销中的作用将会日趋显现，现在也有越来越多的保险公司注意到数据分析在保险行业中的作用，如平安的数据仓库已经建好，正在引入数据分析技术，招商信诺在电销方面的成功，有着数据分析工作的一份贡献。

二、怎样才能良好的实施数据分析。

虽然很多软件公司注意到了数据分析在中国的广阔市场，市场上也有较多的数据分析软件，但由于行业的多样性与特殊性，一般软件对某一行业针对性就不是那么强，做出的结果可能就不具备意义。所以这可能需要企业自己或联同专业的数据分析公司去实施数据分析项目。数据分析源于商业需求，但商业需求中蕴含了专业的业务知识，这是一般的数据分析人员所不具备的，所以一个成熟的项目组除项目管理人员以外还需要三类具有不同专长的人员，一是业务分析人员，精通业务，能够解释业务对象，并根据业务对象确定用于数据定义和挖掘算法的业务需求；二是数据分析人员，精通数据分析技术，熟练掌握统计学，能把业务需求转化为具体操作，并为每步操作选择合适的技术；三是数据管理人员，精通数据管理

网络营销干货汇总

搜索营销 社会化营销 移动营销 数据分析

技术，了解数据源，负责数据准备过程。当然数据分析只是在已有大量数据的基础上，对未来业务状况的探索，这可能需要不断的尝试与修正，但这并没有严格的成功与失败，可能得到的结果是众所周知的，但其所带来终究是积极的意义。

三、数据分析在保险中的应用

数据分析在保险行业有着较大的应用前景，尤其是在产险方面，其在美国已经有了较 为成熟的应用。在国内保险业可以说是处于起步阶段，这也是由国内保险行业的发展阶段所决定的。其中最为公认的几方面应用包括：

·确定费率

·获得新客户

·保留旧客户

·检测诈骗索赔

（一）确定费率

保单的费率设定可以说是精算人员最为重要的工作，其目的是使设定的费率对应于投保人的风险等级，风险越小，费率越低，尽量做到公平。确定费率较为关键的问题就是找出“影响赔付支出的风险因素或变量”，其实生命表就是“影响赔付支出的风险因素或变量”之一年龄的一个分类。再如，在车险定价中城市交通的拥挤程度、驾驶员的年龄、驾龄、性别、汽车的新旧程度等都可能是“影响赔付支出的风险因素或变量”，而这些因素或变量就是可以通过数据分析可以确定的。 （二）获得新客户

在新的金融服务环境下商业智能化可以说是增强企业竞争力的有力武器，商业智能化需要具备能够详查企业内部数据的数据分析系统，以帮助保险公司：

·分析现有客户的情况及偏好

·预测客户的购买行为

·以极有可能成为客户的人群为重点开展销售活动

简单的说就是通过数据分析对潜在客户进行分类，细化销售重点。其实由于保险公司手中的客户行为信息较为有限，在加上传统的销售模式的局限性，数据分析在这一领域的作用比较有限。但随着电销、网销等新兴模式的兴起，数据分析在其中的作用也将会显现。现在较为成功的一个案例就是招商信诺电销对信用卡客户的数据分析，当然这和其拥有的客户信用卡行为信息、科学的销售流程是有较大关系的，其主要思路就是通过持卡人的行为，建立客户购买保险产品倾向性的模型，以提高电销的成功率。而在实际的运用中则比单纯使用响应模型要复杂一些，如跨产品、跨价格区间的模型综合运用，在推荐给用户的产品间进行优化等。当然信诺电销做的较好的原因是其拥有较好的客户资源，但其合资背景带来的技术上的优势也不可忽视，可见数据分析技术在发达的国外保险市场的应用已经非常成熟。可以预想数据分析技术也将是未来中国电销、网销的重要销售支持技术。当然未来的客户名单可以通过更多途径获得，如客户在网上的消费信息，客户的快递信息，以及我们客服节的客户调查信息等等。

（三）保留旧客户

保留旧客户，也就是通过数据分析以提高客户的续保率。现在由于市场上聘才、销售佣金等盛行，使保险公司的前置销售成本非常高，经代渠道的佣金甚至超过首期保费，自然续保率对保险公司的作用不言而喻。下面看一下数据分析在此环节的应用。在已有客户的数据基础上，综合考虑，客户的信息、险种信息、销售人员信息等可以通过logistic模型，筛选出影响客户退保或续期的关键因素，并通过这些因素和建立的模型，对客户的退保概率或续期概率进行估计。并针对不同概率区间内的客户采用相应的服务，以减少客户的退保率，提高续保率。当然由于个险渠道、经代渠道销售代理的特殊性，数据分析在这两个领域做起来是很困难的，即使能做出结果，对销售的支持力度可能也不大。但数据分析在短期险、及银保期缴产品的作用是可以做试探。下面就挖掘的思路做相关阐释：以本公司的短期险为例，影响因素可以是客户的年龄、性别、险种、销售渠道、既往出险情况、职业、收入、电话回访情况等等，目标变量即为续保、不续保及为二值型。可采用较为广泛的预测模型logistic模型，经过验证与探索后，如可得到合适的模型，就可以估算出客户未来续保的概率，如可分为0~0.2、0.2~0.4、0.4~0.6、0.6~0.8、0.8~1五档（档次可灵活调整），由于0~0.2区间内客户的续保概率很小，可能我们做很多的努力才能去挽留这部分客户或根本挽留不了，这时我们可以把挽留客户的重点放到其他四档，并对各档进行不同成本的客户服务，这就可以提高续保率。此模型在商业中用着较为广泛的应用，在一些企业中的应用也较为成功。但由于保险行业的特殊性使得其很少在保险行业的应用。

（四）检测诈骗索赔

现在各家保险公司都在激烈的市场竞争中不断调高自己的服务时效，但对理赔服务来说，提 高理赔时效，精简理赔流程对于某些客户来说是欺骗保险金的机会。对公司造成不必要的损失。医疗保险欺诈与滥用通常可分为两种，一是非法骗取保险金，即保险欺诈(fraud)，由于这类事件常会涉及较大金额，常会引起理赔人员的特别关注，因此对公司伤害并不大。另一类则是在保额限度内重复就医、浮报理赔金额等，即医疗保险滥用(abuse)，这类事件虽然金额较低，但是数量庞大，公司不重视则赔付剧增，如每案均查成本又过高，因此对公司伤害反而较大。因此如何兼顾效率与风险监管，成为保险业特别关注的问题，这方面数据分析即可发挥其作用。通过数据分析，保险公司能够利用过去数据，寻找影响保险欺诈最为显著的因素及这些因素的取值区间，建立预测模型，并通过自动化计分（score）功能，快速将理赔案件依照滥用欺诈可能性进行分类处理。协助无问题案件快速过关，并为理赔审核人员追查可疑案件提供线索。通过数据分析构建的保险欺诈识别模型能够使使用者轻松运用数据分析结果，在不了解数据分析原理及技术的基础上直接运用，给每个理赔案件进行“滥用评分”，让理赔人员可以根据分数高低迅速处理核发理赔金或决定追查，提供理赔人员明确追查方向及医院地理信息系统，协助理赔人员找出异常就诊状况及协助病历调阅。这方面成功的案例很多，比如美国Empire Blue Cross公司，这是家纽约最大的医疗保险公司，它运用数据分析技术，1997年共计节省400万美金欺诈理赔支出。据高盛2000年的数据显示，美国当时每年的医疗投入超过1万亿美元。据估算，因欺诈造成的损失占其中1000亿美元，加上财产诈保200亿美元。可见欺诈在当时的美国是多么的严重。虽然现在数据分析在理赔中的意义不大，但可以预想，未来数据分析在理赔、核保中将会有很大的作用。 现在的中国的保险市场在数据分析方面的需求较少，但可以预见未来的保险市场是离不开数据分析的。现在的平安已完成的数据仓库的建设，已经在车险诈保逐渐应用了数据分析技术，其肯定也会或已经将数据分析推广到其他环节。招商信诺在电销中的数据分析也日趋成熟，希望信泰也能在成长的过程中推动本公司数据分析的发展。