亚洲欧洲自拍拍偷午夜色无码

<input id="6ok2q"><u id="6ok2q"></u></input><menu id="6ok2q"></menu>
  • <menu id="6ok2q"><u id="6ok2q"></u></menu><input id="6ok2q"><u id="6ok2q"></u></input>
    <menu id="6ok2q"><u id="6ok2q"></u></menu>
    <input id="6ok2q"><u id="6ok2q"></u></input>
    <menu id="6ok2q"><u id="6ok2q"></u></menu>
  • <menu id="6ok2q"></menu>
  • <menu id="6ok2q"><tt id="6ok2q"></tt></menu>
    <menu id="6ok2q"></menu>
  • 服務熱線400-028-2850

    新聞中心

    News center

    經達動態

    更多 >
    [2017-02-17]
    淺談UBI車險
    [2016-12-23]
    UBI的發展之旅
    經達動態
    UBI:大數據解鎖車險改革新姿勢
    發布時間:2016-11-25閱讀次數:3684來源:上海經達信息科技股份有限公司

    來源:UBI智慧車險


    UBI通過車聯網技術(Telematics)采集駕駛行為數據,如急剎車、急加速和急轉彎的頻率,行駛里程、速度和時段等等,并通過大數據精算技術對車主的駕駛風險程度評分、實現差異化精準定價,使得保險機構能夠篩選優質客戶、提高市場競爭力,同時提升風險管控能力、控制理賠成本。


    然而,在面臨數據爆炸式增長、車險費率變革的挑戰中,保險公司又應該如何分析及運用這些行車大數據呢?

     

    UBI的主流形式

     

    UBI是個舶來品,經過歐美等先進國家多年不斷完善,最終形成了兩種主流的實現形式PAYDPHYD

    ? Pay-As-You-Drive (PAYD);

    ? Pay-How-You-Drive (PHYD)。

    在這兩種UBI的實現形式中,PAYD是相對簡單的一種:利用車載GPS硬件設備,記錄車主的行駛里程并自動傳輸相關信息給保險公司,依據里程數制定保費價格。南非Hollard Insurance是最早推出PAYD產品的保險公司。該產品的主要目標群體是駕駛里程少的司機,而設計模式類似于手機月度套餐方案,收費劃分為Drive500,Drive1000,Drive1500以及不限里程的DriveMax等多個方案。但PAYD這種模式的主要缺點是未將被保險人的駕駛習慣考慮在內,比如急剎車頻率等。

     

    PHYD:更為嚴謹的UBI解決方案

     

    PHYD是更加復雜的UBI產品,通過包含GPS、加速度感應器、OBD(車載診斷系統)模塊的車載硬件設備來收集更多的行車風險因子,除了里程數據外,還包括駕駛人的實際駕駛時段、地段、具體駕駛行為等信息。利用這些大數據,可以更為精準地評估車主的行車風險系數。如美國第一大財險公司State Farm推出的車聯網產品包含駕駛反饋程序,通過加速、剎車和轉彎這三個變量給司機打分,差異化定價的同時還能夠幫助客戶監控自身的駕駛行為。

    美國第四大車險公司Progressive Insurance1998年推出了第一款PHYDUBI產品。從那時起,UBI技術迎來了天翻地覆的變化。2012年,Progressive Insurance承保的UBI車險保單總保費收入超過10億美元。預計到2020年,全美車險市場UBI保險產品的滲透率將超過25%,帶來超過300億美元保費收入。2011年,UBI保險在歐洲已經超過百萬用戶,預計未來10年歐洲市場的UBI保險保費將會達到500億歐元。



    UBI保險產品在發達保險市場變得越來越普遍,擴張到其他國家的保險市場是必然的趨勢,如加拿大、亞太地區、南非以及拉美市場等。同時隨著車聯網硬件設備成本的不斷降低,采用PHYD產品形態的UBI產品將會獲得更大的增速。

     

    大數據來臨時的機遇與挑戰

     

    保險行業從形成的那天起,就是帶著以數據采集和分析為核心基因的行業。在過去,保險公司的歷史數據主要還是限于自身的承保系統(保單管理)、理賠系統(賠案管理)和財務系統(財務數據)。但到了今時今日的數據爆炸性增長的年代,互聯網、車聯網的快速發展,保險的商業模式也隨之而演變成為紛繁復雜的大數據行業。

    就車險行業而言,首先,車聯網產生的數據量是巨大的。車載硬件設備在每一秒都會產生一條數據,這條數據可包含日期、時間、速度、經度、緯度、加速度或減速度、累計里程數以及耗油量等。取決于開車頻率高低以及行程長短,一個客戶一年的秒級的數據記錄大約會從5M15M(而傳統模式可能僅為一條記錄數據)。若客戶量到達了10萬,這就意味著一年產生的數據量將達到TB量級!

    除數據量爆炸性增長外,保險公司還需應對不同車聯網硬件設備以及相應的不同數據格式。比如2009年,美國第五大財險公司Liberty Mutual為營業團車啟動車聯網項目時,至少使用了來自五家不同硬件設備供應商的數據。

    保險公司主要使用硬件設備包括:嵌入式導航系統,比如通用的安吉星;OBD設備,比如Progressive Snapshot;營業車車載盒子;以及智能手機。每種硬件設備都有各自的優點,但同時也都存在一些缺點,比如硬件成本以及數據丟失和失真導致的數據質量問題等。

    建議:

    保險公司在應對UBI帶來的海量存儲數據時,必須要制定公司數據管理策略。數據管理策略應該建立標準的、統一的解決方案,相關工具以及方法,同時制定數據管理流程來管理公司核心資產-UBI數據。同時數據管理策略應該考慮靈活性以及可擴展性,需要考慮數據潛在的增長,以減少未來在數據過濾、合并、布局方面額外付出的成本。

    數據管理策略關鍵考慮4個方面:

    1)數據整合-提升整個組織內準確的UBI信息的流轉;

    2)數據質量-確保信息的完整性和準確性;

    3)數據訪問-管理企業內數據使用及訪問;

    4)統一數據-創建準確的、統一的數據視圖及口徑。

     

    如何找出高風險客戶

     

    誰是高風險客戶?是一個每年行駛僅8000公里的都市上班族?還是每年行駛里程超過30000公里,但大多數都是在高速公路上的區域銷售經理?研究表明,交通事故發生率與行駛里程之間是相關的;但通過比較2008年英國不同道路類型的事故數據,又發現高速公路每公里事故風險比其他道路類型每公里的事故風險低80%。所以,如果沒有UBI數據和大數據精算技術,我們是很難判斷誰是高風險客戶的。

    面對通過車聯網收集的這些海量數據,保險公司如何知道哪些變量是具有可預測性的,哪些變量能夠很好預測駕駛行為、可以很好預判理賠損失呢?

    保險公司同時還面臨另一個問題,那就是達到多少的數據量才能得出統計學意義上的可信結果?通常業內一般都認為至少需要10000車年以上。

    建議:

    實現變革的其實不是UBI技術,而是車險公司本身!只有通過對駕駛行為數據的深度挖掘及分析,保險公司才能夠構建精準的UBI定價模型,才能夠評估和衡量車聯網提供的成百上千的新變量是否有效。首先可以利用一些傳統的仍然有效的統計學工具,例如,保險公司可以從相關系數矩陣(如下圖示例)快速識別出哪些變量是具有相關性的,以及各變量之間的相關程度。



    其次,保險公司不能僅僅依賴于傳統的統計方法來分析UBI數據,考慮到UBI數據量比較大,保險公司應該考慮能夠支持海量數據分析、數據挖掘的專業性工具。

     

    來自數據模型的挑戰

     

    汽車保險在很多國家都帶有強制性(比如交強險以及費率管制),從而造成了汽車保險市場同質化競爭的激烈性,使很多中小保險公司長期處于虧損之中,原因就是汽車保險的定價并沒有與個體真實風險相匹配。比如(在不考慮車型因素情況下):

    ? 一個年行駛里程5萬公里的客戶和年行駛里程5千公里的客戶支付同樣的保費;

    ? 一名謹慎駕駛的老司機與一名喜歡飆車的年輕司機支付同樣的保費;

    ? 在歐洲,雖然男性司機的風險是女性司機風險的3倍,但他們仍然支付相同的保費。

    UBI車險徹底打破了上述不合理的現象,還給車主一個公平的保費,也幫助保險公司有效地控制了風險,改善了盈利狀況。雖然很多反對者擔心UBI所帶來的隱私問題,但有一點大家都是認同的:UBI車險提高了定價的透明度;通過UBI系統,被保險人了解到他們的保費是如何計算的,同時他們知道好的駕駛行為是被認可的。

    UBI使得保險公司能夠向個人客戶展示其駕駛行為信息,并鼓勵、促使客戶駕駛更安全。駕駛行為信息可以通過駕駛行為儀表盤以及KPI指標的方式展示。例如英國保險公司- Young MarmaladeUBI產品,當客戶駕駛行為出現惡化,風險指示顏色進入紅色區域,公司會及時給客戶發送預警郵件。

    UBI還為汽車保險提供很多種定價的可能性,如基于實時數據來實時定價等。未來的車險甚至可以做到按月度使用情況來支付保費,不是基于半年或全年基準,類似于水電煤話費等公用性付費。

    上述創新都是基于UBI大數據精算模型,模型精準與否直接決定了UBI產品的成敗。車聯網數據中可能影響UBI的變量很多,但是,UBI定價模型中使用太多的變量信息本身也存在著較大的風險,因為這些變量本身就是相互作用、錯綜復雜,在未搞清楚他們之間具有統計意義的關系之前貿然將其撮合,必將導致預測結果的偏差,所謂失之毫厘謬以千里。例如,英國保險公司- Norwich Union,在2006年發布首款的PAYD產品,由于其定價結構太復雜,從而增加了客戶財務的不確定性。

    建議:

    利用UBI數據來實現個性化的定價和提供實時風險信息看起來簡單,但要真正地實現落地,是比較復雜的,需要非常專業和高效的分析能力。

     

    UBI的夢想會在中國實現么?

     

    中國的商業基礎已經把UBI所需的技術和環境全搞定了。車載硬件設備以及數據存儲技術已經足夠成熟,成本也低廉;互聯網翻天覆地、日新月異的發展為UBI的推廣提供了充足的動力。UBI成功的核心條件只剩下了行業內的三個因素:

    1. 保險公司是否有足夠的降價空間

    中國車險業的中介費用相當高,保險公司有空間去降價;保險公司把給渠道的費用給到消費者,用20%的差價吸引客戶,客戶一定會更容易接受UBI;

    2. 保險公司現有風險識別能力是否足夠充分識別客戶

    中國的保險公司在過去十年里從人因素幾乎沒有積累。UBI的引入將會是技術上的跨越,對風險識別的能力一定會有一個極大的提升,保險公司沒有理由拒絕;

    3. 法律法規是否允許

    目前商業車險費率改革正在如火如荼地進行中,雖然這次改革離放開自主定價權還有不小的差距,但可以看出中國保監會的態度是力推改革的。UBI也許是中國車險市場份額板結化之前留給各家保險公司最后的機會。








    亚洲欧洲自拍拍偷午夜色无码