阳光人寿:“数据阳光”助力保险价值转型——专访阳光人寿保险股份有限公司数据管理部总经理李春萌

保险的核心在于数据。为了更好地挖掘和利用数据,阳光人寿建立了成熟的保险科技团队,梳理风控管理层级、搭建风控模型,让科技更好地服务保险的供给端和需求端。

作者/董兴荣 姚顺意;财资一家(TreasuryChina)原创首发

 

保险是最古老的风险管理方法之一。而对于风险的管理和预测是一个概率问题,保险产品依据风险发生的概率进行设计、定价,这中间离不开数据和算法。随着大数据算法日益精进,保险科技也逐步提升,大数据在保险行业产生的价值越来越大,成为行业转型的推动力。

在2019中国保险大数据分析与人工智能创新国际峰会上,《财资中国》专访阳光人寿保险股份有限公司数据管理部总经理李春萌,共同探讨大数据、人工智能等保险科技如何赋能保险行业,助力保险价值转型。

《阳光人寿:“数据阳光”助力保险价值转型——专访阳光人寿保险股份有限公司数据管理部总经理李春萌》

李春萌,阳光人寿数据管理部总经理

Treasury China:大数据、人工智能等科技在保险行业所产生的价值主要体现在哪几方面?

李春萌:近两年,保险科技经历了一个爆发式发展的阶段,这种发展一方面是在细分领域的探究更加深入,另一方面是在行业中的应用范围更加广泛。

首先是风险管控。在传统的保险行业,尤其是寿险行业,风险存在于各个环节,比如产品设计、核保核赔等。以往,做风险管控多从年龄、性别等角度出发;现在,随着医疗数据研究的兴起,保险风险控制、产品定价模式和方法进入了颠覆期,融入了更多新的要素,包括信用、收入、生活习惯等。比如,美国大型寿险公司John Hancock宣布自2018年9月19日起,停止传统人寿保险业务模式,推出附带vitality活力计划的人寿保险,即通过健身追踪服务,收集客户健身、健康状况, 以此来给予不同程度的优惠政策。定价模式的转变充分体现了大数据在保险行业风险管理方面的应用。

其次是核保模型的建立。通过大数据建立核保模型,判断核保是否通过。人工智能、机器学习在保险行业的应用逐步深入,通过对海量历史数据的深度学习,进行分析和标注预处理,采用特征分解、机器学习、协同训练、网格搜索等前沿智能算法模型进行AI核保模型构建并持续调优,确保了模型的精度和可解释性。

就应用的广度来说,大数据和人工智能等保险科技在反洗钱、销售风险、非法集资等领域也展开了实践,销售层面的风险管理手段正在不断升级。

Treasury China:具体来说,如何用好大数据来赋能保险行业的风险管控?

李春萌:在“大数据”这个概念提出来之前,数据就已经在风控领域发挥了很大的作用,尤其在银行业,信用卡的评级、风险的评估等,都应用了数据分析。保险公司以前数据的维度、来源相对较少,很多数据都没有得到充分的应用。算法的精进对数据的深入挖掘起到了巨大的推动作用,现在运用新的技术手段,可以把数据结构化处理并解析出来。一方面增加了保险公司可利用的数据来源,另一方面提高了数据质量。

对于内部数据,一方面,运用监管制度对数据的质量进行把控;另一方面,通过数据治理,可以在企业内部进行数据质量提升。对于外部数据,在合规的前提下,数据都是比较宝贵的,可通过技术手段进行处理,使其能更好地被利用起来。当数据不断地被运用,将会反哺数据提供方,提升数据质量,促进数据模型迭代优化。

近年来,在保险的风控领域,大数据的应用会更加成熟、广泛。原因在于,第一,风控是保险行业的核心;第二,数据模型价值释放的落脚点和突破口在风控;第三,人才储备、技术成熟度和市场需求也决定了大数据首先在风控方面得到应用。大数据赋能保险行业风险管控可以从四个层级来分析:数据、规则、平台、管控。

第一层,数据。正如前面所说,数据分内部数据和外部数据。随着企业合作更加深入,数据不断整合,除了保险公司内部的企业数据,还有征信领域和其他相关风险数据领域也不断得以使用。保险公司具有金融属性,因而要建立标准、安全的,并且便于管理的内外部数据使用流程,既保障安全,又能节约后续持续的成本投入。

第二层,规则。通过海量的数据进行指标分析、归纳,制定出风险管控的规则。阳光人寿对此分了五类:特征分析、关联分析、分类和预测、聚类分析、孤立点分析。特征分析是指通过初级的统计分析发现一些风险的特征和分布情况,获得风险相关的指标;关联分析是去发现大量数据之间的关系,比如客户与保险责任、客户与销售行为、代理人与客户等之间的关系;分类和预测是基于大量的历史数据,还有一些外部数据去对未来的风险进行预判,在事前就发现风险的征兆;聚类分析是根据客户的不同属性特征做聚类,分成更细致的类别;孤立点是指风险发生在少数地方,通过孤立点分析去将离群的点找出来,这对风险识别会带来非常大的帮助。

第三层,平台。大数据风险管控平台需要有很多配套来支撑。一是外部数据接入平台,将外部数据持续、有效地与内部数据对接整合起来;二是风险分析引擎平台把关联关系分析出来,并且把触发条件识别出来;三是风险监控平台,作为风险的监测雷达,在风险触发了某条规则或者某种情况的时候,雷达会自动报警,减少相关的损失。

第四层,管控。有了前述数据、规则和平台之后,要有一个整体的管控体系,对风险进行识别和评估,对业务全过程进行监控和控制,对已知和未知的风险制订风险控制计划、监控风险事件,去做全方位管控。

Treasury China:2015年,阳光保险集团提出了“数据阳光”战略,在此战略下,阳光人寿取得了什么样的成效?

李春萌:“数据阳光”战略提出至今,阳光人寿搭建了五大体系,分别是:基础数据体系、数据交换与支持体系、数据管理体系、产品服务体系和风险数据控制体系。通过数据的获取、积累、分析、分类,把握风险偏好、准确客户分类、定位客户需求,运用强大的数据后台,精准风险定价、实时数据交换,为客户提供针对性、个性化的产品与服务。“数据阳光”战略下,阳光人寿聚焦的重点项目集中在人工智能、风控、定价、营销等方面,全方位、无死角地用保险科技为行业赋能。对于传统业务来说,大数据的价值在于发现这些传统业务中的痛点,对现有的系统、业务进行赋能,提升传统业务的效能;在传统业务之外,大数据可以在保险行业中孵化出新的、以数据驱动的商业模式和商业形态。“数据阳光”战略下,阳光人寿的具体应用包括客户营销、风控模型和产品开发等方面。

第一是精准客户营销。我们对客户进行精准的画像,根据客户的画像可进行分类分级开发、精准营销、销售活动策划和线索推荐等。在精准客户营销方面,阳光人寿搭建了投保可能性预测、产品倾向预测、客户分群管理和客户服务提升四大模型体系。

第二是风控模型开发。风控模型覆盖营销、核保、理赔、续收和稽核等保险全流程。全面防控误导销售、非法集资、不实告知、健康风险、财务风险、缴费意愿风险、退保预测等。比如阳光人寿搭建了“天网系统”,有效利用理赔、健康医疗、资产消费、互联网行为等大数据,依托机器学习技术对120多种保险产品责任、2万多条疾病编码,训练疾病风险预测模型,对重疾类产品进行事前风险防控,有效防范不实告知、逆选择风险。

第三是分级定价寿险产品开发。2018年,阳光优选定期寿险产品上线,基于健康告知及体检数据,实现差异化定价,吸引优质客户。

Treasury China:大数据、人工智能等保险科技的应用对保险行业会带来哪些影响?

李春萌:保险科技的使命是更好地服务于保险供给端和需求端。保险科技的应用带来的影响有以下几点:

第一是降低企业风险。利用数据模型,在企业的各个环节进行风险管理,在销售、核保、核赔、运营等多个环节进行应用,降低企业运营风险。

第二是提升客户满意度。精准的营销和客户识别、客户画像将客户的需求和潜在需求都精细地描绘出来,在服务客户时,保险企业可以提供精准的产品去匹配客户需求,减轻客户与客服沟通的压力,提高效率,提升客户满意度。

第三是提升内部流程效率。核保、回访、保全、理赔、客服等工作都可以借助大数据和人工智能技术建立相应模型来辅助。比如利用语音识别、智能交互实现机器坐席拟人化的方式与客户实时语音交互沟通,完成外呼回访业务;利用OCR智能票据识别技术、外部医保数据、智能风控模型,实现客户拍照上传资料并录入医疗票据号,系统自动完成发票验证、费用匹配和理算及付款;在线客服业务引入“智能机器人”,利用语音、文本挖掘和自然语言、图像处理技术,辅助客户完成保险服务,实现客户服务的线上化和智能化。

由于保险业信息化程度比较高,产生了大量数据,结合人工智能技术将数据集中管理和应用,使得数据发挥的效果不断扩大,随着算法不断精进,保险产品设计、定价、服务模式都会得到质的飞跃。在采访的尾声,李春萌表示,未来,千人千面、线上线下互动、智能化服务、大数据风控都将成为保险业的常态,并促进行业的成熟发展。

★《财资中国·财富风尚》2019年2月刊『保险财资生态系统』现已上市,详细内容请订阅《财资中国》杂志查看。

点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据