保险是最古老的风险管理方法之一，其核心是对保险标的发生损失的概率进行预测。保险行业的诞生与发展从来离不开统计与数据，大数据为保险行业带来了新的发展契机，同时人工智能技术的日益完善也推动着保险业的飞速发展。

有资料预测，到2023年，全球保险大数据分析市场将增长到119.6亿美元，实现12.5%的年复增长率。中国拥有庞大的保险市场和活跃的新技术应用率，预计将成为全球增长最快的保险大数据分析市场之一。

在保险大数据时代，如何运用大数据与人工智能技术驱动保险业务优化升级，最大化保险公司数据资产的价值依然是巨大挑战。

2019年1月9-10日，中国保险大数据分析与人工智能创新峰会在浦东世纪皇冠假日酒店召开。聚信立作为大数据行业的标杆企业，受邀参加此次活动，聚信立创始人兼CEO罗皓先生参与此次的圆桌讨论并发表观点。

1、大数据和人工智能对保险产生的最大影响在哪里？

过去几年里，我们一直在探索如何将互联网上的用户行为数据运用到保险行业。个人认为，我们可以从获客、核保和理赔三个方面来实现保险行业的value chain。

我们都知道保险相对于其他行业来说，算不上高频消费；而且保险购买行为的发生非常依赖于场景，大概率都是在场景中完成的，所以我们需要很好地洞悉这种场景，用数据内在价值有力地帮助保险公司获取客户。

中国的保险行业场景营销费用占比非常高，其实很多保险公司都在用第三方数据来判断用户风险。因为保险的风险跟信贷相比完全不一样，信贷是公司把钱借给消费者，而保险是客户把钱给到保险公司，所以从核保、理赔的角度看，我们可以用第三方数据来甄别出恶意索赔的客户，同时也可以用我们数据分析的优势去帮助他们更好地了解现有用户，通过挖掘用户行为特征来建立营销机会，升级销售。

在国外，第三方数据在保险业的应用相对成熟，特别是一些我们看上去关联性比较弱的数据维度，像信贷、征信数据等，这些其实都已经被证明是和保险风险非常相关的数据。就国内而言，我觉得可能还需要两到三年的探索时期。但总的来说，在营销、核保和理赔这三个方面，我们现有的数据和技术都会有一定的用武之地。

聚信立累积的数据类型很多，有运营商、电商等多种互联网用户行为数据，通过这些数据，我们可以深度挖掘用户需求，找到营销点，帮助企业客户更好地理解用户并实现精准营销。

2、在运用大数据和人工智能的过程中遇到过哪些挑战？

现在开源包越来越多，对数据建模分析时，技术门槛在逐渐降低，标准化程度越来越高。所以相比而言，数据的获取其实是整个环节中最重要的一步。保险数据的获取从种类角度看，其非标性要比信贷复杂很多。像在信贷领域，我们只需要用户的身份信息、多头信息、过往的信用记录等就可以生成一份全面的信用报告。但是保险的类别很多，有寿险、财险，有短期险、长期险，很明显需要的数据维度不一样。

此外，信贷更多的是收集人的信息，而保险除了人之外还要分析物体，例如车险，不仅要分析用户的开车习惯，还需要分析车的使用状况，所以从数据搜集的种类和难度上来讲，保险要比信贷非标很多。

第二，从数据的可预测性来看，我们目前在做的，预测中国中低端信贷人群的违约率，基本上几个星期到几个月不等的时间我们就可以完成样本的收集。保险也有长短险类型之分，长的寿险甚至可以长达数十年之久，那样本的收集就会变得很漫长。

第三，因为保险的特性，我们不光要收集用户的行为数据，还需要关心行业的整体大环境。个人认为，保险的风险在于其不确定性，而保险的不确定性要比信贷丰富很多。

另外，有了数据我们要如何清洗？这里面的know how跟信贷又不一样，信贷领域我们只需要把数据按照时间、额度等稍微分一分，但是保险因为类型众多，所以处理的复杂程度也要大很多。

3、如何平衡人工智能与人之间的分工合作？

其实在保险公司里，人工智能跟人并不存在很突出的矛盾，两者的本质都是为了提高效率、降低成本、提高收入。后期可能因为办公效率的提升，人工智能会在耗时耗精力的重复劳动上替代人的使用。

人和技术之间的冲突有一点会让我感觉不安。现在，消费者数据的连接点越来越多，线上线下、设备指纹、互联网数据等多种渠道都会产生数据，数据技术也好，传输技术也好，包括最近很火的5G等，这些都归功于技术的发展和提升，但同时我们发现技术带给我们的负面影响也越来越多，所以个人觉得我们在发展技术，使用技术的同使，也需要拥抱监管，自制自律，保有一定的底线。