
保险业三渠道让大数据红利变现
大数据时代,数据的价值究竟体现在哪里?保险公司正在用自己的探索给出答案。
据了解,泰康人寿、新华电商等,已率先开启与以BAT(百度、阿里、腾讯)为首的互联网巨头公司的数据合作,最普遍的就是将已有的保险客户数据与互联网公司的大数据进行匹配,完善保险客户的画像。同时,来自阿里金融保险事业部负责人的信息是,多家保险公司对其掌握的客户大数据表现出兴趣。
经过这些尝试,保险电商公司进行了更为有的放矢的后续操作,并初步尝到了“甜头”,不仅在营销环节,也在风控环节上。这些成果已包括,精准营销让广告投放的点击率提高360%以上,发现客户的赔付率与其芝麻信用呈现负相关关系,甚至建立骗保风险预估模型。
这仅是开始,新华电商副总裁杨亿认为,大数据将再造保险业价值链,涵盖从产品研发到营销、到理赔管理、再到资产管理的几乎全部环节。
数据与数据融合
互联网创新业务在业内处于领先地位的泰康人寿,对数据有明确定位,其董事长陈东升在2011年就提出“让数据产生红利”的方向。对于大数据,泰康总裁刘经纶认为主要有四大特征:首先是数据体量巨大,第二是数据类型繁多,第三是价值密度偏低,第四是处理的速度更快。
传统保险模式运作下,保险公司评估消费者的风险因素只有性别、年龄等简单维度,这也导致部分保险产品定价保守,且产品同质化。而在大数据时代,风险特征的描述数据极大丰富,保险公司可以通过大数据摸索更全面的风险特征,产品细分和个性化设计成为可能,并精细化风险管理和成本管控。
保险公司对于数据有本能的诉求,但简单获取数据违背商业原则,因此对数据的利用一般并不来自直接共享,而是与拥有用户大数据的互联网巨头公司之间进行数据合作,这在业内已经有了典型。
泰康人寿创新事业部业务发展部总经理毕海在今年6月份举行的第二届互联网大数据与精算创新论坛上表示,正在加深与腾讯、阿里等互联网巨头进行数据方面的合作。
近日也从新华保险的全资电商子公司新华世纪电子商务有限公司(下称“新华电商”)了解到,其正在与百度大数据合作;“大数据工场”是新华电商的三大定位之一。
同时,来自阿里金融保险事业部负责人的信息是,多家保险公司对其掌握的客户大数据表现出兴趣。
就数据合作而言,保险业与互联网公司,前者以客户获取、客户维护、客户风险评估为核心诉求,而后者的大数据在用户理解和用户洞察方面有核心优势,双方的业务结合点贯穿从营销到产品研发、再到理赔管理的全流程。
“引流”效果明显
在营销阶段,通过大数据方案,保险电商的交叉销售准确率得到提升。
通过与拥有海量客户社交数据及交易数据的互联网巨头进行大数据合作,泰康人寿的互联网创新产品正在朝精准定价的方向迈进,其从多维的甚至相对混乱的数据中进行筛查,决定保险产品是不是展现在用户面前,也就是实现精准营销。
做到这步很初级,互联网用户可能多少也都已有体会,经常在浏览网页时被推动自己关心或感兴趣的产品,但这点已很重要。
大数据+精准营销,已经被新华电商的一个案例证明,非常有效;至少在“引流”的作用上,精准营销有明显作用。毕竟,互联网业务关注的“流量”、“频率”、“价值的转换”三大要素中,“流量”为首。
已与百度大数据进行合作的新华电商,通过这种合作将保险客户的数据维度进一步丰富,让客户更立体,进一步确定出是谁在买保险,在买哪类保险,他们有什么特征。而事实也证明,这样的尝试已经初步体现出积极效益。
新华电商副总裁杨亿在日前召开的百度世界2015大会上介绍,其在和某大型保险公司的合作中,运用相关模型挖掘成功购买保险产品的高价值客户,分析高价值客户的客群特征,包括基本用户画像和上网行为等,并依此在全网扩充目标客群,最后做在线精准营销的广告投放。上线后的真实效果是,实验组广告点击率比对照组提升了361%。
杨亿称,这说明向同样规模的人群展示广告,经过大数据+精准营销,可以找到更多真正对保险感兴趣的目标客户,促成更多点击与转化。
发挥征信作用
大数据给保险电商的“甜头”没有止步于营销环节。对于以风控为核心竞争力的保险业来说,在理赔管理环节中,如何进一步发挥大数据价值也是重要课题。目前的尝试结果表明,在理赔管理中,大数据可以发挥保险征信的作用。
新华电商将百度对用户的大数据画像和新华保险的真实拒保数据进行融合,通过进行黑名单过滤、重大风险识别以及虚假信息挖掘,建立骗保风险预估模型,提升公司整体业务风险管理能力。
再比如,泰康既有的与阿里数据合作的一个结果表明,对客户的赔付率与其芝麻信用负相关。因此,具有明确数值的芝麻信用可以为其定义客户风险特征提供重要参考。
不仅如此,展望未来,杨亿称,大数据将再造保险价值链。
除了将对除了前述的营销阶段、理赔管理环节产生影响之外,其还将影响到产品研发和资产管理等重要环节。比如,在产品开发阶段,大数据助于预测出险概率、优化定价体系、并采集健康数据用于寿险价值链。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SASEM 决策树:理论与实践应用 在复杂的决策场景中,如何从海量数据中提取有效信息并制定科学决策,是各界关注的焦点。SASEM 决 ...
2025-07-30SPSS 语法使用详解 在当今数据驱动的时代,SPSS( Statistical Package for the Social Sciences)作为一款功能强大的统计分析软 ...
2025-07-30人工智能对CDA数据分析领域的影响 人工智能对 CDA(Certified Data Analyst,注册数据分析师)数据分析领域的影响是全方位、多层 ...
2025-07-30MySQL执行计划中rows的计算逻辑:从原理到实践 MySQL 执行计划中 rows 的计算逻辑:从原理到实践 在 MySQL 数据库的查询优化中 ...
2025-07-29左偏态分布转正态分布:方法、原理与实践 左偏态分布转正态分布:方法、原理与实践 在统计分析、数据建模和科学研究中,正态分 ...
2025-07-29CDA 数据分析师的职业生涯规划:从入门到卓越的成长之路 在数字经济蓬勃发展的当下,数据已成为企业核心竞争力的重要来源,而 CD ...
2025-07-29CDA数据分析师证书考取全攻略 一、了解 CDA 数据分析师认证 CDA 数据分析师认证是一套科学化、专业化、国际化的人才考核标准, ...
2025-07-29解析神经网络中 Softmax 函数的核心作用 在神经网络的发展历程中,激活函数扮演着至关重要的角色,它们为网络赋予了非线性能力, ...
2025-07-29解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-07-29鸢尾花判别分析:机器学习中的经典实践案例 在机器学习的世界里,有一个经典的数据集如同引路明灯,为无数初学者打开了模式识别 ...
2025-07-29用 Python 开启数据分析之旅:从基础到实践的完整指南 在数据驱动决策的时代,数据分析已成为各行业不可或缺的核心能力。而 Pyt ...
2025-07-29从 CDA LEVEL II 考试题型看 Python 数据分析要点 在数据科学领域蓬勃发展的当下,CDA(Certified Data Analyst)认证成为众多从 ...
2025-07-29CDA 数据分析师的工作范围解析 在数字化时代的浪潮下,数据已成为企业发展的核心资产之一。CDA(Certified Data Analyst)数据分 ...
2025-07-29解析 insert into select 是否会锁表:原理、场景与应对策略 在数据库操作中,insert into select 是一种常用的批量数据插入语句 ...
2025-07-29用 Power BI 制作地图热力图:基于经纬度数据的实践指南 在数据可视化领域,地图热力图凭借直观呈现地理数据分布密度的优势,成 ...
2025-07-29从数据到决策:CDA 数据分析师如何重塑职场竞争力与行业价值 在数字经济席卷全球的今天,数据已从 “辅助工具” 升级为 “核心资 ...
2025-07-292025 年 CDA 数据分析师考纲焕新,引领行业人才新标准 在数字化浪潮奔涌向前的当下,数据已成为驱动各行业发展的核心要素。作为 ...
2025-07-29PyTorch 核心机制:损失函数与反向传播如何驱动模型进化 在深度学习的世界里,模型从 “一无所知” 到 “精准预测” 的蜕变,离 ...
2025-07-29t 检验与 Wilcoxon 检验:数据差异分析的两大核心方法 在数据分析的广阔领域中,判断两组或多组数据之间是否存在显著差异是一项 ...
2025-07-29PowerBI 添加索引列全攻略 在使用 PowerBI 进行数据处理与分析时,添加索引列是一项极为实用的操作技巧。索引列能为数据表中的每 ...
2025-07-29