后中断保险行业的数据分析
保险一直是一项数据驱动型业务。 保险公司对相关风险的信息越多，保险公司就越能准确地承保该风险。
过去，保险公司对数据的访问在很大程度上受到人类能力的限制。 保险公司可以根据自己的专家分析和理解数据的能力来了解和承保风险。 使用的数据受到其他人收集和记录信息的能力的限制。
今天，这些限制仍然适用 — 但以一种新的方式。 数字化颠覆使创建、存储、访问和分析大量数据集成为可能。 分析可以在一个瞬间进行，并在下一个瞬间提供结果。
数据分析为保险业提供了一个令人兴奋的新世界。 然而，这个新世界也带来了挑战。
这是一个数据驱动的世界
信息一直很有价值。 有关天气事件的数据可帮助保险公司更好地了解和预测风险。 有关客户行为的信息可帮助零售商决定是否订购、何时订购、订购多少库存以及如何显示库存。 流通日志为图书馆员提供了有效管理媒体馆藏所需的信息。
然而，近年来数据驱动设备的爆炸式增长以数据的形式产生了自己的婴儿潮。 麦肯锡的 Ramnath Balasubramanian、Ari Libarikian 和 Doug McElhaney 写道，到 2025 年，预计将使用大约 1 万亿台互联设备，从而产生“雪崩般的新数据”。
保险公司可以看到墙上的（数字）文字。 安永的 Corina Gruenenfelder 和 Sabine Betz 写道，在安永保险数据科学调查中，每位受访保险公司都表示，数据分析对于保险公司的持续成功非常重要。 然而，并非每家保险公司都在适应这种数字化未来方面取得了长足的进步。 只有 25% 的受访者将高级数据分析方法用于其核心业务。 其他 75% 的受访者希望通过更好地使用数字分析工具来改进和扩展他们现有的分析方法。
大多数保险公司已经开始过渡到强大的数字数据分析，专注于将分析工具应用于他们自己的数据收集。 保险公司专注于从自己存储的客户数据、有关其内部流程的信息以及从代理人和经纪人那里收集的数据中收集见解。 然而，保险公司也可以从外部来源（包括公共数据集和第三方聚合器）访问快速增长的数据库，苏黎世保险公司商业保险 UW 集团转型负责人 Kirill Pankradov 写道。
允许保险公司分析这些数据以获得见解和模式的工具将提供保险公司历史上无法获得的信息，这将深刻改变保险公司承保风险和分配保险的方式。
应用数据做出更好的保险决策
应用数据为保险公司提供了概念化、处理和解决旧问题的新方法。 尽管如此，数据分析本身也带来了挑战。
更好的数据分析可以帮助保险公司管理成本，慕尼黑再保险美国执行副总裁兼专业险种负责人 Tim Brockett 说。 Brockett 指出，借助正确的工具，保险业“可以增强我们的定价、承保以及围绕索赔和客户细分的分析，从而提高我们的盈利能力并了解我们的风险。
承保和分销为保险数据分析提供了肥沃的土壤。 “传统实践的精算学与数据分析有许多相似之处，”Emeritus 的 Rachel Hastings 写道。 精算学和当今的数据分析都依赖于高质量的数据输入才能取得成功。
然而，对于保险公司来说，数据分析的成功将取决于如何理解和使用数据。
不断变化的风险模式已经开始产生两个不同的类别：更可衡量、更频繁、更不严重的风险与不太可衡量、更不频繁但更严重的风险。 例如，春雨期间地下室渗水的风险属于第一类，而同一栋房子的整个地下室被灾难性洪水冲毁的风险属于第二类。
数据分析可以解决这两种类型的风险，尽管将数据应用于每种类型的挑战不同， Tanguy Catlin 和麦肯锡保险和组织实践的其他成员写道。
例如，更可衡量和更频繁的风险涉及更多的数据，尤其是当涉及来自智能传感器和类似设备的单个实时数据点时。 保险公司将需要工具，使他们能够聚合和合成大量数据集，并跟踪现有模式，作为预测分析的基础。
相比之下，不太可衡量和频繁的风险伴随着较小的数据集，但这些风险的强度给保险公司带来了更大的预测和定价压力。 Catlin 等人解释说，能够可靠地对不确定性进行建模并提供风险转移之外的解决方案将至关重要。
数据为应对保险挑战提供了新的方法。 它甚至提供了一种掌握快速变化的风险模式的方法。 为了抓住这些机会，保险公司需要深思熟虑地使用他们的数据工具。
数据分析的责任和挑战
“数据和分析能力正在成为欧洲和北美财产险行业的筹码，”麦肯锡的 Kia Javanmardian 和其他研究人员写道。 通过投资于数据和分析，特别是为了改善承保，保险公司的损失率、新业务保费和自留率都有所增加。
随着高级数据分析在保险领域变得司空见惯，麦肯锡的 Violet Chung 表示，将发生三个重大转变：
- 保险费和福利将根据当下的客户行为进行调整，例如即用即付汽车保险。
- 风险状况的巨变以及获得有关这些风险的前所未有的数据，将要求保险公司重新考虑风险和相关保费。
- 实时数据的自动分析将使保险公司能够自动承保更多类型的风险。
这些变化反过来将重建保险的其他基本面，包括客户关系和代理人在分销中的角色。 为了让数据发挥作用，保险公司需要面对某些挑战，并承担迎接这些挑战所带来的责任。
“为了抓住这些机会，保险公司需要重塑他们的组织并转变为数据驱动型企业，” Marck Timmermans 和 Compact Magazine 的研究人员写道。 抓住新机会的兴奋必须与安全需求、对过程的控制和社会期望的意识相平衡。
使用数据分析面临的其他挑战包括：
- 可用数据集中存在根深蒂固的偏差，尤其是在数据集有限的情况下。
- 从公共数据中创建不完整或具有误导性的客户资料。
- 算法自主决策将导致代价高昂的错误的风险。
对保险数据分析的道德担忧集中在数据使用对人类生活的影响上。 然而，道德并不是保险公司应该考虑其数据工具如何与人类努力互动的唯一原因。
尽管最近技术取得了进步，但保险业仍然严重依赖其人力的专业知识和技能。 数据分析和其他技术工具可以提高保险专业人士的专业知识和技能，但它不能总是取代它们。 将数字工具与人类专家相结合，可以发挥各自的最佳潜力，从而在面对未来的数字挑战时实现进一步增长和更强的弹性。
图片来自：skracht/©123RF.com、woodysphotos/©123RF.com、pavelvozmischev/©123RF.com
进一步阅读
精选
19 9 月 2024
19 9 月 2024
19 9 月 2024