作者：
Alan O\'Loughlin，律商联讯风险信息公司，保险业务分析总监
John Beal，律商联讯风险信息公司，保险业务，分析高级副总裁
保险行业因为发展缓慢而被人诟病。但作为一个多年来一直处理着大量数据的行业，我们其实在数据、分析、人工智能（AI）和机器学习（ML）技术的应用方面有一些重* o Y g 5要的心得可供分享。
改善客户体验
我们知道，人们购买家庭财产保险的转化率相当低，因为客户在投保历程中会遇到许多难以回答的5 w B E ` P Z问题。数据预填解决方案在改善客户历程所发挥的价值不容低估。最新的技术进展使得这个解决方案简单得象一个“吃了激素的查询引擎”，很U 0 ? d难想象其中应用了的大量建模、数据关联t g e R I a、人工智能和机器学习技术，才能将F 0 Y Z那么多的数据整合起来并准确地响应对于人员和财产的查询。结果是实现了更快速的家庭财产保险报价和更高的转化率。可以想象，在诸如房) P S 3 ) ~ J屋贷款、医疗保健等行业中都可以应用这些原则，帮助消费者更便利地达成所求。
数据爆炸的意义
如今，r P D - x n _ 9虽然爆炸性增长的大量数据被收集，但是其利用率却极低，这是因为许多机构没有将各个部门的数据关联起来形成统一客户视图的专业能力。为了克服这个问题，我们应用- ` t ` 0 f m + }专有的数据关联技术，以及唯一标识LexID技术，来解析、管理和匹配信息，成) e I C H 功地创建一个准确完整的客户视图。
通过AI和ML分析解决方案转变了保险公司使用数据的方式，依据风险向他: ! H R们的客户提供价格合适的保费。保险行业现已可以使用数以千计的数据变量（或数据点）来建设差异化的定价模型。
我们现在可以应用机器学习算法来识别最具风险细分能力的那些变p 3 9 1 d A O ]量，例如：从统一客z W i v - ` e g }户视图数据中，我们发掘出了保单注销历史、保障空档期等创新性的变量。& ? ] #这将促使保险公司制定更加精细的定价策略，筛选适合他们业x u 1 s 6 u i 1务的风险，从而更具有竞争力。
小步A W [ B |快跑
保险行业C $ 1 { N 5 L很好地践行着“大处着想、小处着手”。现在，汽车保险市场已经通x K G U o Q i J过线上理赔和自助理赔改进了理赔流程。图像识别技术Z c m 1 W u ` K z被高效地用于自动定损、票据识别，在通过系统自动理赔审核后自动赔付。在提升效率、降低x y 9 X 8 ) F j成本的同时改善用户体验。
接下* g 6 o L A来甚至可以将基于客户投保历史和询价历史的“可信度”评分纳入到流程中来，以确保没有受到“干扰”的数据，为自动化理赔流程提供额外的安全保障。
考虑在AI和ML[ H n 7 K N & x项目和方案中更广泛地使用数据
在汽车保险行业中，我们已经能够比原先设想的更广泛地使用车联网数E O 9 R ;据。利用这些数l j D ]据，我们可以在报案环节占据主动，出险后在给消费者提供更好体验的同时，掌9 ; I X s m [ h r握宝贵的事故+ # E (现场信息。
在商业财产保险领域，AI可( ) L 3以为新分支机构G @ T O = 9设立或企业搬迁时提供有价值的潜在目标地址信息，比如人流量、犯罪率、特定年度时间点或其他增加风险的当地情况。
当客户收到这些信息时，他们如果选择了那个地址将能够提前采取预防措施，从而降低风险和损失成本，同时帮助改善客户体验和续保率。
了解高质量数据对于AI和ML项目的重v g C ;要性
俗话F K r | z i . L说，“种5 8 H g i瓜得瓜，种豆得豆”。一个企业可能拥有大量数据，但除非对其进行清理和规范化，这些数据可能将毫无用处。我们并不能理所当然地认为我们找到了正确的那个约翰史密斯（John Sm{ I v U R U w 0 vith，N n a一个常见的人名），并能够将名字与正确的地址和出生日期关联起来。
随着UBI保险产品的演变，无h a A # H p论是通过后装车联网设备e w t M Y 1、智能手机应用，网联车辆，还是在未来通过智能家居获取数据，最终这些数据都需要被聚集、规范化、和标准P 2 $ V h Z化之后，才能够让消费者享受到根据各自的需m ( T { K 1求和偏好选购保险产品c ( & p的更好体验。在汽车保险行业中，这个我们称之为驾驶员DNA的车联网驾驶行为评分可以被任何一家保险公司验证和使用，从而使得消费者可以带着他们自己的评分从一家保险公司到另一家保险公司去投保，就像无索赔折扣9 7 9 k（NCD）一样普遍适用。
图像识别ML技g H G * # h术实时地为我们提供了英国道路限速数据。如果没有这些数据，我们就不能信心十足地确r : L s . 9 u O 1定一位驾驶员是否) % z在某个市区内超速达到道路限速的两倍，保险公司可以就此联系该客户并采取适当的措施。
我们现在也在探索通过ML技术来实现汽车制造O 7 + K M c 数据的规范化，从而能够根据汽` T ( a z b B车安全装置来为车险定价。
AI和ML为个性化服务带来的好处
通过ML算法我们可以在企财、家财、车险等各保险业务条线中更好地进行风险细分，制定差异化定价策略和个性化的报价流程。
个性化服务最明显的例子之一是车联网保险。通过驾驶行为数} ; P M 9 g n `据，我们可以更清楚地了解~ Z v 9 O . 4某人在J b N 0 O道路上的驾驶风险。这个驾驶员将受益于仅支付基于其S D n ^个人驾驶行为，而不是某一群人的平均驾驶行为，而确定的保费。
AI和ML可以帮助消费者更好地V 5 E f w c N控制和应用自身数据
也许在一切关于数据、AI和ML技术的讨论中，最重要的是帮助消费者理解他们的数据是如何被应用的，以及个人如何能够从中受益。其中一项内容是透明的知情许可管理。每次投保时，消费者都许可向保险公司提供基于其个人数据的最高质量的信息，使得保险公司根据风险准确计算保费。在保险行业，我们比以往任何时候都更加注重让消费者了解他们的数据如何以可控、可[ ~ Y z X I V b理解的方式被应用和评估的。
车联网驾驶行为数据在此也是一个很好的例子，客户可以清晰地看到分享` - k他们的实时位置数据所能带来的好处。最后，另一个日趋常见的例子是，随着物联网（比如可& 5 N ( U Q K 5 f穿戴技术等）的发展带来的数| a / *据采集的便利，保险公司将G y ( 8 a p q #能够根据这些数据为健康和活跃的生活习惯提供保费优惠。
尽管目前还没有AI或ML技s P O术来帮助我们l b ( f教育消费者其自身数据所拥有的价值和益处，我们仍将使用AI和ML来自动化处理消费者愿意分享的数据。
精励联讯点评：
利用人工智能和机器学习技术，高效合理地利用好数据，是中国保险行业共同面临的挑战。本文分享了律商联讯在全球保险行业数据分析和应用方面的经验，对中国保险行业具有很强的借鉴意义。
如果您需要进行与销售有关的咨询，请联系我们service@genilex.com，或电话咨询86 13910920342，我们的客户参与团队成员将与您取得联系。
长按扫描二维码，关注我们吧~B q B