大數據時代的保險風控進化論

徐瀚瀚 小雨傘保險

今天我想給大家分享的主題是大數據時代的保險風控進化論。本人是互聯網保險平臺小雨傘保險的創始人和董事長。小雨傘主營業務是通過定制加精選保險產品，在互聯網在線平臺銷售，同時運用高科技賦能價值鏈條。傳統的保險售賣主要通過代理人和銀行兩個渠道。現在由于互聯網的高速發展，人們獲得信息的方法和手段都發生了一個根本性變化。代理人制度進入中國的時候，發展得非常快速。由于保險產品屬于高度專業的金融產品，晦澀難懂，信息不對稱加上快速發展引至的人員素質不齊，導致保險給人留下了一些不好的印象。但是隨著移動互聯網的興起，大家獲取資訊的方式都有所改變。比如說中國內地現在的80后、90后，他們想了解事情，會先去知乎上面看一看。主動獲取資訊和互聯網的天然透明開放的特質相互匹配。

一、金融業數據價值的演化

（一）金融業數據價值的演化

首先我們來看從金融業傳統的數據倉庫到大數據的演化。傳統的手段實現的數據分析平臺利用的主要是結構化數據進行統計分析，已經遠遠滿足不了大數據時代的發展需要，大數據是通過分布式架構設計的，利用分布式計算完成相同的工作內容所需時間更短，主要有五種能力：數據采集的能力、存儲的能力、計算的能力、分析的能力和應用的能力。首先來說數據的采集，在講采集之前，我們看看什么是真正的大數據。在專業術語里，大數據主要是4個V，第一個就是數量（Volume）。大家思考一下，數據量大，是不是一個重要的事情？我們擁有數據當然是越多越好。但是在擁有眾多數據的同時，有一個能力是必備的，就是數據分析能力。舉個例子，日本作家鹽野七生寫的《希臘人的故事》，這本書里面講述了一個關于馬其頓國王亞歷山大大帝的故事。在亞歷山大大帝打仗的時候，有一個特征，他會讓他的下屬，喬裝打扮或是躲在暗處進行敵方信息的收集，比如從房子里走出幾個人、手里拿的是什么東西、來來回回幾次等，都要事無巨細地記下來，不能出錯。這其實可以看作是一個早期的大數據，下屬做的事情就是數據的收集。亞歷山大大帝懂得數據的價值。這個國王戰無不勝的原因也在這里：通過收集的數據來掌握并分析敵人的狀況。無獨有偶，在遼沈戰役時，林彪也讓士兵在暗中收集數據，記錄小巷的數量、布置了多少士兵等。相比今天，亞歷山大大帝和林彪擁有的數據都不算多，二者都成功的原因在于分析數據的能力。第二個V是分析數據的速度（Velocity）。第三個V是數據的多樣化（Variety），通過不同的維度來記錄數據的多樣性，對大數據來說也是非常重要的。最后一個V是數據的價值和真實性（Value）。

關于數據存儲這個環節，有一個高效的數據存儲架構，叫Hadoop，logo是一只黃色大象。簡單來說，這個架構就是存儲大數據的，用的是分布式存儲。Hadoop把你放在云上的東西分成一個個碎片，進行分布式存儲，一個碎片丟掉之后，再利用其他的碎片對丟掉的碎片進行修補，使你放在云上的東西一直存在，不會造成因為數據丟失而引起巨大災難性后果。數據分析和數據應用能力是各環節中最重要的能力，分析能力中的數據挖掘（Data Mining），即如何在數據的海洋里，把數據的價值挖掘出來，可是一件不容易的事情。要在海量的數據里，通過算法搜索出隱藏在中間的信息。而最重要的一環就是應用，信息可視化、管理精細化，我們看到的醫療、城市管理很多案例都是大數據的應用。

二、保險大數據風控的應用

再看看大數據在金融領域的熱點應用，圖1中的橫軸代表該應用領域價值周期，表明該應用價值速度的快慢，數值越大，價值跨越的周期越長；縱軸代表該應用領域的炒作周期階段，數值越大表明持續熱點時間越久；圓圈代表應用領域的規模，表示該應用領域當前參與方的多少與應用數量。從圖片分析，用戶畫像、精準營銷和風險管理在這三方面的應用是目前最為熱門的應用。今日頭條旗下的抖音，你使用過后會發現，你越刷，出來的越是你喜歡的東西。這其實就是通過精準的用戶畫像進行的營銷。抖音通過你看每個視頻的時間發現了你的喜好，之后就給你推薦類似的視頻。現在小雨傘也在進行用戶畫像的精準營銷，比如你在瀏覽醫療險的時候停頓的時間長，那么下次的推送就會多一點醫療險的東西；如果是重大疾病險瀏覽時間長，之后會增加重大疾病險的東西。簡單來講，應用價值周期加上應用熱度，這二者相交的地方，是最熱門的應用。

從保險產品開發到營銷轉化，到理賠管理到資產管理，大數據對保險價值鏈的影響越來越大。在產品開發方面，小雨傘是以開發定制產品在市場上廣受好評的，這里面離不開“市場調研—風險評估定價—市場反饋—迭代優化”這個閉環，隨著數據的積累，小雨傘在市場上充分摸清了新生代80后、90后的保障需求點，通過這個閉環不斷優化產品，完全差異化了和線下代理人隊伍的競爭。在營銷轉化上，建立客戶畫像—根據畫像拉新—留存—轉化，這個數據閉環也幫小雨傘實現了良性的商業可持續盈利。

?圖1 金融領域大數據應用熱點圖

過去在沒有精細化的數據分析和挖掘的情況下，保險公司把很多人都放在同一風險水平之上，客戶的保單并沒有完全解決客戶的各種風險問題。但是，保險公司可以通過自有數據以及客戶在社交網絡的數據，解決現有的風險控制問題，為客戶制定個性化的保單，獲得更準確以及更高利潤率的保單模型，給每一位顧客提供個性化的解決方案 。基于企業內外部運營、管理和交互數據分析，借助大數據平臺，全方位統計和預測企業經營和管理績效。基于保險保單和客戶交互數據進行建模，借助大數據平臺快速分析和預測再次發生或者新發生的市場風險、操作風險等。除此之外，保險公司還可以根據代理人員（保險銷售人員）業績數據、性別、年齡、入司前工作年限、其他保險公司經驗和代理人人員思維性向測試等，找出銷售業績相對更好的銷售人員的特征，優選高潛力銷售人員。

三、壽險智能核保與大數據風控的演化與融合

傳統的風險維度已經不足以反映世界的復雜性，而大數據大大改善了這一現狀。只有擁有越多越全的數據，才能看清這個世界的全貌。根據圖1你會發現，在互聯網保險欺詐里面有兩個特征：第一，好人是分散的，沒有共性可尋；第二，壞人是扎堆的，壞人的特性是一樣的。一定要獲得更多的數據，才能看到事物的本質。接地氣地說，就是看事情不能看表面，這句話也可以作為一個警醒。以前的保險風險判斷是圍繞樣本，現在是圍繞數據，所以要收集更多的數據。當客戶數據足夠多的時候，壞賬率是較低的，這個反應的關鍵點是：當你擁有越全的數據的時候，被欺詐的風險就是越低的。這里給大家分享一個醫療保險欺詐案例——無錫醫生騙保案。無錫醫生高建業憑借自己多年的經驗感覺自己甲狀腺出了問題，用假名字高飛去體檢確診。于是又用真名字在13家保險公司先后購買了近800萬元保額的保險。等過了觀察期后，這個醫生馬上進行理賠，保險公司覺得不太正常，遂報警。民警逐一排查2016年9月前甲狀腺就診人員，大海撈針，甄別了3萬余條就診信息，只為從海量就醫信息中識別并揪出高建業隱藏的虛擬身份。這個就是運用大數據的力量破案。再來講一個大數據應用的案例。該案例發生在美國的一個超市，一位爸爸收到了超市寄來的給女兒的宣傳畫冊，是一輛嬰兒車和許多嬰兒用品。爸爸很生氣，投訴了這個超市，問為什么要給我女兒寄這些呢？她還沒有結婚，可是后來這個爸爸發現，女兒真的懷孕了。那么超市是怎么發現的呢？其實就是利用大數據，根據這個女兒在超市網頁里瀏覽的商品推算出這個女孩可能懷孕了，所以寄宣傳畫冊。

智能風控在保險行業的應用也非常豐富。在小雨傘保險的公眾號里，有一個疾病預核保的功能，是客戶全私密在線和機器對話。小雨傘給這個智能預核保的系統起了個名字，叫“元芳”，其實這就是智能風控的應用。把自己私密的健康問題輸入進去，“元芳”就會給出判斷和給出核保指導意見，比如說某種產品買不了，但是可以選擇另外一款等。這種方式除了減輕了人和人之間需要提及隱私問題的尷尬，還可以緩解因為面對面交流帶來的尷尬影響。

在此分享一個量化風險的管理架構，有兩個模式，第一個模式是業務目標驅動由上而下。比如，今天老板說這個月收了十億元的保費，根據財務需求最多可以賠付九億元，如果賠了九億一千萬元，那就是管理的責任。接到任務后，你需要思考，要如何來完成這個任務呢？策略是什么？要不要來做一個評分卡？十億元的保險只能賠九億元，那么說明有一部分人是不能賣給他保險的。所以就用評分卡來看，這個人是否能投保。評分卡的打分依據來自接入的數據池，比如一個優質客戶是99分，另外一個客戶在P2P平臺借了300萬元，還有一些已經患病的記錄，那么他就可能只有60分。根據分數的不同，給客戶推薦不同產品。第二個模式是看風險平臺分析，為了達成目標，機構需要哪些數據？這是一個自上而下經營分析的辦法，也可以叫數據觸動自上而下的迭代。然后根據數據再分析，對客戶進行評分，進而做決策。兩種辦法都可行，關鍵看業務場景更適用哪種。

四、小雨傘風控平臺“啄木鳥PICUS”

大數據的應用場景非常廣泛。保險領域利用大數據對健康險賠付率建立模型，模型進行細分維度下精準預測從而鎖定利潤，提升企業的盈利水平。

啄木鳥Picus是小雨傘保險自2017年開始投入研發的風控平臺。為什么叫Picus呢？啄木鳥就是要把壞蟲吃掉，讓樹木保持健康。啄木鳥風控系統有五個方面功能：分別是敏捷作業、復雜的網絡智能學習、全流程控制、核保知識的識別、判斷和分組。數據的價值是什么呢，舉一個例子：在小雨傘保險的平臺上，客戶和小雨傘就保險的咨詢問題已經積累了數億條，例如，得了纖維瘤，還可以投保嗎？小雨傘的“超級瑪麗2020”是什么產品？小雨傘開發了復雜的網絡智能學習，這有兩個好處：第一，下一次還有人問這個問題的時候，機器就可以直接回答；第二，積累形成了海量的知識庫。小雨傘跟其他保險公司合作，每個公司都會有一個核保手冊，啄木鳥會來學習這個核保手冊。還有一些問題，是核保手冊里沒有的，那就用積累的知識庫來回答，基本上可以做到5秒鐘回答問題。 隨著時間的積累，這也會形成巨大的知識寶庫。

“啄木鳥”向惡意欺詐、高額風險、健康風險和續期風險四種風險發起挑戰。惡意欺詐在互聯網上算是一個比較嚴重的問題。我們常見的虛假投保的“羊毛黨”，這樣的人群是定制優質保險產品必須隔離的。健康風險上，保險領域最大的問題就是逆選擇，非故意的不如實告知等問題，那么作為保險機構，核心策略是什么呢？我們的做法是多維度深度鏈接第三方服務商，廣覆蓋醫療機構，數據不斷積累并趨于全面。目前“啄木鳥”已經服務6家保險公司，為好產品守衛站崗。