保险变革与数据变迁息息相关

　　【摘要】今年是保险业发展最快的一年，而保险变革时代也已经来临。如今保险已经成为人们生活中必不可少的一部分，保险在这种情况下也越来越完善。如今大数据时代，人们对数据也有了全新的认识，对保险也有不同的理解。

　　保险从“抽样”到“全量”
　　传统统计学研究的一个重要基础是抽样调查，通过抽样调查得到一定的样本数据，并以此作为分析的基础。但抽样调查存在两大限制和缺陷。一是视角，做问卷调查，需要设计调查问卷，而问卷设计本身，是带有主观色彩的，即先设定哪些领域会存在哪些问题，并据此设计出相应的问卷问题，这实际上是由过去的知识体系决定的。
　　然而，过去的知识体系并一定不代表着调查对象的客观和全貌，所以，抽样调查的样本本身就可能存在一定的局限性。二是样本量，在抽样调查过程中，样本量总是有限的。如果样本总量是有限的，从对象的角度看，其随机性和代表性都值得商榷。比如，街头的问卷调查，就受到一定的局限，一定是有些群体懒得搭理你，而有些群体就很喜欢跟你聊。这就意味着受调查的基本上是相对有闲的人，或比较热心公益的人，所以，调查结果至少没有代表那些拒绝的人。
　　另外，在市场化环境下，抽样调查也受到人们质疑，特别是在委托调查公司做抽样调查时，它的报价主要依据是调查的样本量，不少调查公司从竞争和成本的角度出发，最终只能在实际样本上“做文章”。所以，从抽样调查的样本量看，也存在一定的限制条件。
　　大数据时代带来的重要变化主要有两个：一是“数字社会主义”，另一是“数位人生”，即整个社会都被数字化了，每个人也被数字化了。全面数字化的信息和无处不在的感应终端，将彻底改变传统数据获取的可能性和效率。
　　更重要的是信息的数据化是与生俱来，这种数字化趋势将会产生两个结果：一个是这种数据(信息)很客观，第二它是全量数字，这大大降低人为和主观的干预因素，为计量科学创造一个无限的想象空间和实现的可能性，也将彻底改变统计的存在和实现方式。最典型的应用将出现在人口普查领域，以前做一次人口普查非常不易，人力资源投入大，周期长，且成本高。
　　但大数据时代，很多调查和统计分析方式将发生质的变化，都将彻底改变人口普查的方法，继而改变管理模式。再比如，我国每年大约有70亿人次门诊量，现在这些门诊信息均逐步地被数字化了，这意味着将彻底改变医疗诊断、流行病管理、药理学、健康管理等领域，也将彻底改变统计和精算的基础。可以预见，从抽样数据到全量数据，将引发统计、精算，乃至整个社会管理的巨大变化。

　　保险从结构到非结构
　　数据主要分为两类：一是结构数据，二是非结构数据，还有一种叫半结构数据。从处理的角度看，结构数据相对简单，目前对于结构数据处理的技术相对成熟。另一种是非结构数据，如音频、视频、图像等。长期以来，在整个社会的数据中结构数据的占比达到95%以上，非结构数据非常少。但近年来，特别是面向未来，非结构数据将呈现井喷式的发展，占比将大幅度并急剧提升。但是，带来的问题是未来需要我们更多地管理和处理非结构数据，既是一个挑战，更是一个商机。
　　如在理赔过程中，未来图像比对技术将成为理赔的一项技术，在查勘时，可以通过拍照，甚至是做一个三维图像，与原厂配件的数据做一个比对，就知道受损的面积多大，大概修复费用是多少。同时，图像比对技术还会在更大的范围进行应用，如用声音波纹比对、瞳孔比对，耳朵比对等等，进行被保险人的身份识别等，在保险领域具有非常广泛的应用前景。这些均属于非结构数据的管理和处理能力范畴。所以，非结构数据的管理和处理能力将成为未来保险业创新主要动力，行业需要高度关注。

　　保险从质量到数量、维度
　　过去是一个数据有限时代，能够获取数据的数量是有限的，维度就更少。在数据有限时代，人们更多地关注数据质量问题，保险公司很重要的一项工作就是抓数据质量，而数据质量一直是挺纠结的问题，原因是数据质量问题是说的容易，做起来非常难。但面向未来，在数据化、物联网、感应终端大量应用的情况下，数据将呈现“指数级”增长的趋势，数据在量上会极大的丰富，从而出现一个现象，即数据的自验证能力。
　　当数据量大到足够产生自验证能力时，就会降低对数据质量的要求。我们可以在日常生活中找到这样的例子，当描述一个对象“点”的数量足够大的时，尽管单个点不是那么清晰，但从大的轮廓和面上看，对象是清晰的。
　　除了数据的“量”和“质”的关系外，还要看到一个问题，无处不在的感应终端能够使数据的维度极大地丰富，从而使得对于对象的描述更加多维并丰满。原来更多是从一个维度去看，从一个平面去看的问题。当数据的维度不断丰富的时候，就可以从N个维度去观察对象，不仅看到正面，还可以看到背面和侧面等，且还可以实时地观察。
　　这使得很多在传统数据环境下，原本不可能的实现的“对象刻画”成为可能。数据的实时获取、数据维度的丰富。而且是实时丰富，将给数据利用和创新带来巨大的想象空间。但与此同时，也会带来数据的“超高维”问题，挑战传统统计学的基础。
　　在数据从质量到数量，到维度的时代，保险将面临从原来利用大数法则做归因分析的思维模式，向未来利用多维定律进行关系分析的思维模式，从几何学的角度看，就是通过多点进行定位的方法。从风险分析的角度看，以往更多的是用一种纵向的思维去看风险，如一个人，是通过对他家族史的风险分析，据此来判断他的性格以及各种各样风险因素，但直观地看，这个方法是很不科学的。
　　未来，不仅可以利用这个人的历史数据，而且，这种数据是多维和实时的，这种多维包括通过其环境数据，他周边人对他的描述，就能够更加客观和科学地对其风险状况进行分析。这就是从质量到数量，到维度，带来的数据变迁。

　　保险从内部到外部
　　传统保险业的经营，更多地关注内部数据，包括公司数据和行业数据。但这些数据在解释风险时，是非常有限的。就车险而言，利用承保和理赔中提取的数据非常有限，是难以支撑科学和精细的灾因分析。
　　车险经营将从保额定价过渡到车型定价，对保险业而言，是一个很大的挑战。在保额定价时代，基本逻辑是车价相同的车，风险保费是相同的。不久前，保险行业协会发布了一个关于汽车“零整比”的研究报告，告诉了所有人，特别是汽车消费者，不同品牌车辆的零整比最高甚至达到了12.7倍，报告从基础层面支持了车型定价的必要性。但即使采用了车型定价，那么，不同人的风险情况一样吗？在解决了“从车因素”后，下一步要将“从人因素”和“从用因素”纳入定价。
　　就“从人因素”而言，现在是相对简单和粗放的，仅考虑性别、职业、年龄等等。但如果这些因素均相同的人，他们的开车风险能一样吗？答案显然是否定的。一个人可能刚刚拿驾照一年，且性格暴躁，另一个人拿驾照十年了，性格稳重平和，他们两个人开车能一样吗？所以，我们有一个基本的判断，无论是在趋势判断，还是在风险预测和解释上，行业内部数据均是非常有限的，甚至是不足的。
　　所以，需要更多地关注和利用外部数据。比如，现在使用的生命表，或者现在的健康保险定价技术，更多地是基于有限的赔付数据，许多还是N年前的历史数据，怎么能够解释风险。我国每年有大约70亿人次的门诊量，还有大量类似数量级的社会数据。如果能够获得这些数据，无疑将彻底地改变保险经营最根本、最基础的东西。所以，以前更多地依赖于内部数据，未来会更多地依赖于外部数据，而能否获取充足的外部数据，将成为保险经营管理的重要能力。

　　保险从历史到实时
　　以往，保险更多是利用历史数据，而且数据的使用、处理都有一个较长的周期。如生命表编制，通常要用很长的时间。这种时滞的存在，越来越挑战对于风险的判断。更重要的是，过去的数据是过去的环境成就的，未来的情况将由未来的环境决定，简单地用过去预测未来面临巨大挑战。当然，原来没办法，只能利用历史数据。
　　但是，现在人们可以获取大量的实时数据，就给了我们无限的想象空间，如能否建立一个动态生命表平台。另外，实时数据也面临着验证和稳定性的问题，同时还面临着对于数据应用的取舍问题，这些都是未来数据应用中面临的新挑战。总而言之，我们将从更多地依赖于历史数据，走向更多地依赖实时数据，同时在依赖和使用实时数据的过程中，也面临着新的挑战。

　　慧择提示：从以上内容您就可以知道，保险经过历史的变迁，已经变得越来越完善。如今买保险已经成为一种时尚，许多家庭都为家人买一份保障。数据变迁将引发保险变革，大数法则决定了保险业的“数据宿命”，保险是一个与数据休戚相关的行业。