保险公司实现物联网的价值需要向前迈几步?
【编者按】近日,众安 保险 即将在香港交易所上市的消息引起业界强烈关注。这家新兴企业依托 物联网 打造精准化保险产品,它的崛起将充分证明“物联网+保险”的光明前景。随着物联网商用的逐步实现,这项技术将彻底刷新保险业的服务模式。
本文发于“互联网保观”,作者张翀;经亿欧编辑,原文有删减,供行业人士参考。
理论上,保险公司对物联网技术的应用需要经历三个进化阶段,因为物联网技术本质上是为保险公司提供了更为丰富的数据源,包括来自传感器设备、可携带式设备、无人机以及其他复杂的非结构化数据环境的数据。
物联网技术在保险领域的快速发展(特别是车联网),让保险公司需要更加迫切地改变对于数据库应用的传统思路。
目前保险领域面临的状况是, 物联网的应用普及程度超过了 大数据 技术(Hadoop和其他非SQL/非结构化数据库)的发展。 虽然大部分保险公司还没有在公司内部搭建好一个成熟的技术团队来应用大数据,但是这不意味着他们不希望从大数据源中获得新的信息和启发。
我们认为,和实现大数据价值的过程类似,保险公司在实现物联网价值的过程中也会经历三个阶段,这三个阶段中虽然物联网数据的应用率逐层递增,但是三者并非独立存在,成熟的保险公司会平衡布局三者的关系,从而达到自身效率最大化的目标。
第一阶段:第三方数据源和评分系统
对于某些类型的物联网/传感器数据,保险公司完全无需亲自经手,他们只需要一个结果就行了。与其将大量数据写入自己的系统,保险公司可以依靠第三方数据公司,让他们去收集、分析数据,并且建立预测模型,将大量的数据最终简化成一个指标。
一个很好的例子就是当下的UBI 车险 。第三方公司收集司机的驾驶行为数据,并且设定标准根据数据为司机的驾驶行为打分。保险公司方面,他们只需要将司机的评分计入自己的系统中,并且据此为司机提供车险报价就行了。
这种物联网数据的评分系统对于高层的决策制定者来说很有用,他们关心的是市场的整体局面,他们需要的是最终的分析结果,数据处理的过程对他们来说并不重要。当然,这一模式下,保险公司非常依赖于第三方数据公司的可信度和专业度。此外,即使第三方公司的可信度和专业度没有问题,他们的数据也无法完美适配保险公司,因为第三方公司的评分是基于整个行业的数据,而非特定保险公司的销售、理赔等数据。
对于业务范围较小的保险公司来说,第三方数据源很有优势,因为其自身的数据太少。就算是大型保险公司,采用第三方数据源也有意义,因为他们可以参考第三方数据来检验和修正自己内部的数据分析结果。
第三方数据源的一大局限在于,保险公司只能借助他们对已存在模型进行数据收集和分析。 当保险公司需要对一种新型数据进行探索时,他们必须依靠自己,进入下一个阶段了。
第二阶段:物联网数据的简化应用
当保险公司拥有获取物联网数据的渠道后(不管是通过其自己建立的设备网络,还是通过接入外部的传感器网络),并不意味着他们就有能力去消化和处理这些数据。好消息是,即使他们还没有能力去高效处理这么多物联网数据,保险公司依然能从中获得不少价值。
事实上,据研究机构的报告显示,虽然有超过60%的保险公司宣称自己正在使用某种形式的大数据技术,只有不到40%的公司使用了传统SQL数据库以外的技术。如果传统数据库没有经过升级,又能如何去处理来自物联网设备的信息流呢?
大多数保险公司正在做的是,从物联网数据流中提取关键信息,然后将这些信息载入到传统关系数据库中去。这并不是什么新方法,保险公司用这个方法处理过很多类型的数据集。比如,当我们在谈论天气数据时,我们并不是将所有地区每一天24小时的气温等数据都收集起来,而是简化地将一个地区(甚至一个国家)每天的最高温和最低温列出来。
类似的,保险公司可以在客户车子里安装传感器,只收集一些关键信息,比如最高行驶速度、急刹车次数、急加速次数等,而非将所有小细节都记录下来。可携带式设备也一样,保险公司只需要收集每天的走路步数等关键信息,而不用收集整套的GPS数据。
这种简化的数据集虽然会对完整的数据分析造成局限性,但是该方式的优点也很明显。它允许保险公司在没有专业系统和工具的情况下也能对进行数据的可视化分析,将这些数据载入到传统数据库中也更加简单。更重要的是,保险公司可以在没有大数据专业人才的时候也能实现物联网的部分价值。而且,在某些情况下,投保人如果知道自己的个人数据只有一小部分存储在保险公司系统里,他们心里也会更好受一点。
第三阶段:物联网数据的完整应用
一旦保险公司拥有了大数据技术的专业团队,或者雇佣了该方面的专业顾问,他们就有能力对物联网产生的所有数据进行应用了。这意味着,保险公司可以收集全部的传感器数据,将这些数据载入到Hadoop或者其他非结构化数据库中,将其和现存的业务数据进行整合。
整合后的数据就可以由机器系统进行处理和分析,并且因为数据量够大够全面,分析结果往往会得到上一阶段无法得到的结论。此外,随着大数据环境中的数据积累,这些数据甚至还能对行业未来进行预测。
大多数情况下,完整的物联网数据集太过庞大,无法被人类直接使用,因此需要专业的工具进行初始化分析和可视化改造,然后保险公司才能着手对这些数据进行进一步的应用。
人工智能 的应用能够有效地发挥物联网的价值,拥抱人工智能解决方案的保险公司,可以用海量的物联网数据去培养自己的机器学习和深度学习系统。局限于前两个阶段的保险公司是无法用这个方法来搭建庞大数据库的。虽然在起步阶段,投入产出不成比例,但在大数据环境下对物联网数据进行完整的消化和解读,能够帮助公司为未来的人工智能发展奠定基础。
不同的阶段,不同的价值
以上三个物联网的应用阶段并非线性递进的。很多保险公司会同时布局三个阶段,因为每个阶段都有其特殊的价值。一家配备了完整Hadoop数据库的保险公司可能依然将需要一些简化的物联网数据载入至现有的数据库中,也依然需要参考第三方的评分系统,从而完善自己的评分系统。
保险公司不仅需要发展利用物联网数据的能力,还需要明确物联网将对其业务产生怎样的影响。所有的创新尝试都应该如此,如果创新尝试最终不能对决策制定产生影响,不能促进业务的发展,那么股东恐怕也无法认同这些创新的价值了。
科技赋能,动能转换。9月14日亿欧将在北京双井富力万丽酒店举办以“ 服务实体经济 ”为主题的 2017中国金融科技未来领袖峰会 ,活动详情及报名请戳: 服务实体经济——2017中国金融科技未来领袖峰会