首页 | 保险时讯 | 保险专题 | 资料中心 | 百姓保险 | 产品大全 | 人才市场 | 黄页 | 博客 | 论坛 | 咨询 | 投诉 | 导航
返回中国保险网首页 中国保险网广告位
中国保监会
保险黄页
    您所在的位置：中国保险网 > 保险时讯 > 车险资讯 > 正文

费率改革后车险企业如何抓住机遇逆转全局？
[ 2016年7月28日16:00 ]　  来源:[ ]　 　　双击自动滚频 
[字体：大 中 小] [打印本页] [关闭窗口]
     科技的发展和政策的变革会对未来的车险企业有什么影响？
     6月1日车险新政策扩大试点之后车险企业如何在变革中领跑？
     OBD大势已去，UBI如何成为救世主？
     近日，GoGo核心技术团队的四位博士，与德勤（全球市场份额最大的顾问服务供应商，拥有强大的保险行业数据分析处理团队）中国企业风险管理服务副总监刘皓宇、北京汽车摩托车运动协会副秘书长张文，基于UBI车险数据收集和分析进行深入的探讨并达成战略合作意向，会议内容分为以下几点，科技的发展和政策的变革会对未来的车险企业有什么影响？6月1日车险新政策扩大试点之后车险企业如何在变革中领跑？OBD大势已去，UBI如何成为救世主？
 
    

   （从左到右：张强、马飞骏、张文、刘皓宇、李犁、沈晓龙、刘禹岑）

    保险业变革呼唤大数据
    刘皓宇认为，传统车险定价模型由于因子维度不足，尤其缺少车辆驾驶行为数据信息，导致模型的准确性受到影响，面对费率改革，将会是车险的大数据的变革，那么，车险企业的数据缺失将会加剧竞争压力。如何基于UBI想获得更精细化的定价，车险企业亟待需要解决方案。刘皓宇非常赞赏GoGo的车险解决方案：GoGo能够收集和分析关于车辆驾驶行为的数据范围包括行车位置、出险位置，加速、减速次数强度、转弯强度、碰撞等级、并线习惯、刹车点位置、行驶里程、驾驶时间等。对车险企业来说，收集车辆驾驶行为数据将会提升模型的预测效果，可以精细化定价；另外一个原因，对保险公司来说，首要考虑的是获取用户，特别是优质用户，通过UBI分析，从承保阶段就能预判用户风险，告诉保险公司哪些是驾驶习惯好的客户，可以给他们提供更多的优惠。哪些用户的驾驶习惯不好，需要加强风险控制；客户也通过UBI获得了保费优惠和多种感兴趣的服务。这样，不仅能提升车主用户黏性和续保率，还能为保险公司开展其他销售活动提供机会，最大化的扭转车险企业亏损现状。
     刘皓宇、张文与GoGo 团队共同分析和探讨以下车险数据模型：GLM、GLM+ Machine Learning、Peers Comparing，并认为大数据确实是车险的未来。
     GoGo技术专家张强博士，基于UBI车险研究出了重要的精算模型，GLM、GLM+ Machine Learning、Peers Comparing等，通过这些精算模型对车险企业防灾减损有着重大的贡献。
     Generalized Linear Model (GLM)
     GLM模型的核心理论是保险公司的保费支出额可以通过一系列风险因子的某种函数的线性累加来表示。
     可以写为如下方程：
     E(Y_i )=μ_i=g^(-1) (η_i )=g^(-1) (X_i β)
     其中Y_i是因变量，表现为出险概率和平均保费支出；
     g(∙)为联系函数；
     X_i是一个向量，其内容为各个影响车险保费支出的相互独立的因子；
     β为各个影响因子的系数向量。
     GLM模型在车险定价模型中，最关键的是确定因变量Y的分布函数和确定联系函数g(∙)。
     根据之前的研究结[1]，在GoGo的UBI车险定价模型中，我们设定出险概率服从泊松分布，每单保费支出服从伽马分布，其联系函数均为对数函数。
     传统的GLM模型中的X_i包括车价、车型、司机年龄、性别、历史保费支付记录等，而在我们目前的研究模型中另外还包括行车里程、超速记录等因子。
    接下来看看决策树的右边部分用户（这届司机一般不太行）：
    Peers Comparing算法
    首先我们需要构建一种“地图”，这种地图不是给人导航的，而是通过不断累积的车辆数据来描述车辆和司机行为的“地图”。
    “地图”构建方法：

    


     k means clustering算法
     K-Means clustering算法将车辆行车轨迹等数据对象分组成为多个类或者簇 (Cluster)，使得在同一个簇中的对象之间具有较高的相似度，而不同簇中的对象差别较大。

     


     在构建好车辆、司机行为地图之后，就可以进行Peers Comparing算法分析了，对于在相同路径上与聚类之后的同族轨迹的偏离超过3σ的轨迹标红显示。

    


    那么车险企业通过精算模型能得到什么？
    1.骗保的等级评定：通过数据分析，给每一个车主用户进行骗保等级评价，对于保险公司来说选择优质用户，减少骗保造成巨大亏损。
    2.司机驾驶习惯分析：可以统计司机的行驶过程中的驾驶习惯，疲劳驾驶、刹车等重新塑造司机的驾驶行为，培养用户良好的驾驶习惯，减少出险次数。
    3.多维度对比（Multidimensional contrast）：通过时间、空间、地域等多维度的大数据对比分析，采用时空链独特的精算模型，综合多维度因素对用户进行评分，对用户车险保费定价有特别大的价值。
    4.对车进行精算的综合评分：对用户的骗保驾驶等级、行为习惯等因素给出综合评分，为保险定价给出可靠依据。
    OBD大势已去，如何增加客户服务来实现UBI？
    与会者一致认为UBI是车险未来，但是基于OBD的UBI车险绝对是条死路，为什么？从车险企业的角度来说，OBD是一个收集车辆驾驶数据的端口，很显然，要获得真正的车险解决方案，需要大量的数据积累，这是鸡和蛋的悖论，如果没有大量用户使用，就没法获得大量用户数据，而没有用户数据积累又难以形成有效的数据解决方案。
    但是，目前使用OBD接口的车主只占极小份额，这是为什么？
    从车主的角度上来说，OBD更多是为车险企业提供解决方案，却没有给用户提供更便捷的服务，不但没有价值，反而会造成更多的困扰。经过GoGo for car最专业的用户调研， OBD自推广以来不被车主所接受，一是95%的车主用户不知道什么是OBD接口，更不会安装；二是通用OBD接口对于30%的车型不适用，给车主造成了很大的困扰；三是OBD本身没有给车主带来可见的切身利益，所以使用过OBD的车主认为提供数据给车险企业完全没有必要。
     而令所有与会者耳目一新的是GoGo团队的解决方案，很好的融合了车主的需求并解决了车险企业的需要。

    


     刘皓宇副总监、张文副秘书长听取GoGo团队基于UBI车险的解决方案后深表赞赏并达成深度的战略合作意向，并认为它将是时代的代表作，也是费改后车险企业抓住机遇逆转全局的重要机会。目前，车险费率改革正在如火如荼的进行中，可以看出保监会力推改革的态度，UBI很有可能成为中国车险市场份额板结化之前留给各家车险企业最后的机会。而GoGo正通过UBI车险的方式，让所有的车险企业能够得到更好的风险控制，改善盈利，让所有的好车主享受到公平和优惠的保费。
　　  打印本页　　[关闭窗口]  
相关新闻:
· 没有相关文章.
保险秘书
行业资讯
企业资讯
监管动态
基层信息
保险人物
关于我们┊联系我们┊内容合作┊加盟会员┊会员服务┊广告服务 ┊网站导航

Copyright © 1997-2024 China-Insurance Corporation, All Rights Reserved

本网凡所涉及保险条款的内容仅供参考，并均以投保当时的保险合同为准。

企业资讯 | 汽车 | 科技 | 消费 | 教育 | 房产 | 游戏 | 商机 | 聚焦百姓 | 配资 | 人物特写 | 曝光台 | 保险股 | 保险理财 | 行业资讯 | 海外动态 | 中介园地 | 保险数据 | 保险案例 | 车险资讯 | 社保资讯 | 产品速递 | 财经新闻 | 保险评述 |