保观 | 聚焦保险创新

公司介绍：

数据宝是中国领先的国有数据资产代运营服务商，致力为国有数据资源方提供数据治理智能化、建模加工产品化、场景应用商品化、流通交易合规化等数据要素商品化全生命周期管理服务。是国内少数同时具备“国资参股、政府监管扶持、市场化运作、大数据资产交易合法经营资质”属性的大数据“国家队”。成立至今，已为70个国家部委局、31个省市自治区、96家央企的大数据产品流通充当“审核员、服务员、监督员”的角色，不遗余力把好大数据安全关。

(资料图片)

如今随着数字化的不断升维，未来社会整个发展趋势属于信息化、数字化以及智能化。而在保险业迭代发展过程中，数字化的应用也越来越成熟。

尤其在保险数据应用上，围绕这一核心方向，各大参与主体也都努力在收集、管理、分析、运用等细分领域追求更上一层楼。这是因为相比于过去的流程驱动，数据驱动能让保险行业利用大量数据创造业务增长，是保持可持续发展的重要手段。

那么，如何更好地利用手中的数据高度赋能保险业，给其带来更多的产品落地？深挖行业背后产生的各种数据的价值，就成为各大数据公司们“不得不做”的一件事。

近日，我们连线了数据宝保险首席科学家秦莺，共同探讨了保险业务中数据应用现状。秦老师对于数据应用主要存在的挑战问题提出了十分宝贵的意见，并以数据宝为例分享了释放国有数据价值对保险行业产品落地的有效赋能，也给我们带来了一些十分有价值的思考，本文的主要内容也来自该场直播。

大数据的深度挖掘，

对行业的发展事关重要

在数据的汇聚形成并不断演变的当下，各行各业的数据呈现井喷式发展。于保险行业而言，随着时间的推移，数据规模和赋能渠道仍是决定成败的关键。

对保险方面相关的数据来源和种类进行分析有助于深挖整个市场，我们以数据宝为例。

首先，以保险行业数据来源来看。作为大数据“国家队”属性的数据宝，目前已链接了超50家权威的国有数据资产库，这其中包括约2700万以上的一些企业和7100万以上个体工商户涉及到的运作大数据。此外，数据宝还基于国有数据产品矩阵中的高速车辆大数据和气象大数据运营了一些场景应用产品，还包括一些政务方向的解决方案。

数据规模上，数据宝拥有强大的大数据资产规模，比如，相较于ETC覆盖的1.8亿以上的高速数据，数据宝则有2.1亿以上的高速通行数据，更是涵盖了2000万以上的货车通行数据；2.4亿以上的汽车和3.6亿以上的汽车驾驶员数据。可见，数据宝整个的覆盖度是非常高的，可以极大程度激活和发挥国有数据最大价值。

其次，以不同公司所提供的数据差异化来看。相比于其他数据公司，数据宝不仅有国资参股背景，承接的数据更具有合规性和稳定性，而且一旦客户与数据宝的数据对接，安全性也是完全可以得到保障。

除此之外，数据宝还运营了一些大数据交易中心，在整个的运营过程当中，数据宝以场景出应用、服务出交易、生态出创新三个维度来从纵向和横向深度赋能服务于各大企业。

最后，以数据赋能保险产品及场景来看。数据宝最初的时候是以数据源的形式为保险行业提供服务，而这两年的重心则偏向于在保险垂直领域进行深耕。比如，在车险领域，数据宝基于以上提及的高速ETC等数据形成了货车应用场景的风险评分体系，在第三方数据源分析角度下给保司在承保之时进行赔付风险预测。而在一些非车险的寿险行业，数据宝也会基于不同的场景设计更多的创新型产品。

数据成新生产要素，

保险数据应用现状和发展方向如何？

目前整个保险业采集到的数据并不少，而且经过分析加工的数据产生的相关技术和应用也越来越丰富。那么目前哪些方面的数据应用是比较成熟的？又有哪些是相对薄弱的呢？

第一，不管是寿险领域还是车险领域，一些基础性的应用比较成熟。比如，一些数据的验证，包括OCR扫描和电子发票扫描等数据扫描应用都是相对比较稳定和成熟的。

第二，基于提升流程优化和提升单点效果的大数据应用技术都是相对比较成熟的。因为这些数据源和识别率都是经过反复的测试，本身运营系统都比较稳定性，尤其是对于单点效果的提升，已经有不少保险公司在做，所打造的整个系统流程运营更加智能化，效率也不断提高。

第三，对于大数据应用的需求层面，由于第三方数据非常少，保司更多的是基于自有的数据去做创新性项目，包括怎样去提高车险续保率；怎样做一些差异化客户的筛选以及自动核保下的风险区分等等。这些数据在保司不断迭代提升和基础建设应用下能够得到很好的优化，为后期的数据共享打下坚实的基础。

第四，类似于模型类的更加有价值的大数据产品，基本上是基于第三方数据而构建的，于保司而言就比较薄弱。比如，由于车险本身的数据是比较同质化，而保险又是个低频事件，这就导致保司是要与大量第三方数据公司进行跨领域合作。在业务对接过程中，双方难免在数据使用和数据业务交易中存在一些博弈和困难。像一些第三方数据公司能够从不同维度来收集和对接数据，从而从不同角度来做补充和分析，但保司则对数据风险识别提出了更高的要求。因此，两方在不同分歧下势必还有很多工作要去耕耘，向实现融合共通一起努力。

可见，将数据作为所有关键决策的核心，使用数据来搭建不同行业企业与用户之间的桥梁，并以此来获取新市场，已成为众多数据运营商不断锚定的新方向。那么于一些大型数据公司而言，未来在相关保险产品和服务上会有哪些计划方向呢？秦老师还是以数据宝为例为我们进行了分析说明。

一是，利用自身积累的大量驾驶数据来投入更多精力在新能源车险市场。众所周知，如今保司在新能源车险承保风控和定价上很难达到一个平衡状态。数据宝则会通过聚焦一些关于车险的这个理赔和维修服务端来切入进去做一些新的尝试。

二是，针对非车险领域，数据宝由于背靠国资参股和拥有大型数据交易中心，可以参与到政府的一些惠民项目中去，更多的聚焦以一个团体或者以一个家庭为单位来打造多种保障结合的组合产品。

三是，由于地方财政很难支撑起单一的纯商业保险，关于一些健康领域的诸如慢性病、术后康复惠民性质的保险需求不断加大。虽然有些保司在开发相关产品，但受限于数据不够，在定价方面就不具有一定的优势。因此，数据宝未来的计划则是偏向以省级地方为单位，通过打造惠民性质保险产品跟地方财政做一些结合，同时以多重保障相结合的产品组合方式去做推广，重点解决行业内产生的问题。

保险数据要素市场交易面临挑战，

该如何有效化解？

毫无疑问，如今数据已经被定义为一个新的生产要素，所发挥的重要性不言而喻。而保险数据要作为要素进行商业化应用交易，势必也会面临不少的挑战。那么，这些挑战来自哪里？市场上又该如何形成活跃的保险要素交易机制呢？

首先，由于整个数据要素是一个非常新的领域，不仅保险行业在面临很多挑战，其他行业也同样如此。比如，数据的所有权和使用权归属不明晰、数据的分级标准不统一、数据流通过程中安全性和交易机制不完善等，都存在或多或少的难点问题待突破。

此外，在数据要素的发展过程中，也会面临主体多元化导致一些敏感的数据在流通中怎样去敏感化以及如何融合生态去做体系化运营。

其次，随着越来越多的“国家队”数据公司加入此行列，国有数据势必会得到大规模流通和应用，只有将这些数据活跃起来，才能释放其最大的价值。因此，这就要求不同行业的企业通过各种形式结合起来参与其中来做市场化运营，让整个的数据更加活跃起来。

值得一提的是，保险数据分为基础信息的静态数据和流程不断深入下的动态数据，而不少保司非常希望用第三方的一些数据来区分风险，这无形之间增加了灰色数据的应用。所以这些数据在整个市场化运营当中面临着合规性和安全性的挑战。

最后，任何数据的使用都要基于一个特定的业务场景和目标，尤其是要求保险行业各参与主体来根据具体场景将不同的业务方利益给梳理清楚，数据产品才能发挥最大的这价值可持续性。而在这整个创新和发展的摸索过程中，市场还是要多去考虑与之匹配的一些适配性机制，从而正确把整个保险行业的数据要素进行可持续的应用起来。

总的来说，不管是释放国有数据价值还是完善保险数据要素市场交易机制，都是希望借以打通各数据要素流通能够有效地赋能保险行业。而我们也能预见的是，在抓住大数据给保险业务带来机会的同时，保险公司也在另辟蹊径，在数据保护领域开辟出新型业务，为大数据公司和用户提供后援力量。但整个行业还是需要更加成熟、有效的方法促进其快速发展，我们期待更多、更好的数据应用能一起协同发力，更高效地解决保险业的诸多数据痛点问题。