大数据支撑降低赔付率 携手车险步入2.0时代?

简介:
“车联网保险需要宽松的发展环境,保监会该管的要管好,不该管的要放开,并鼓励保险公司与科技公司开展合作。”8月20日,保监会副主席周延礼在中国保险学会举办的车联网保险研讨会上表示。

目前,互联网保险包括车联网业务正处于发展的初期阶段,还没有形成稳定的经营业态。对此,周延礼认为应实行相对动态的监管标准。保险公司应以消费者的保障性需求为着力点,不能一味发展博眼球、调侃性质的险种。对于这类保险产品,监管机构“该出手出手,该叫停叫停”。

车联网是未来城市智能交通和汽车产业未来的发展方向。汽车借助联网的车载设备,成为互联网中的智能节点,连接运动中的车、道路环境和驾驶人。在此基础上发展的车联网保险,综合分析人、车、驾驶行为等风险因素,改善车险定价技术与核保政策,提升精准定价能力。

2014年,腾讯、阿里巴巴等IT企业均加大对车联网领域的研究和渗透,推出相应的车联网产品。目前保险行业中的人保财险、国寿财险、平安产险、太平洋产险等多家公司也都纷纷试水车联网。从2005年只是简单的车载导航,到如今的蓬勃发展,2014年或将被视为中国车联网发展的元年,而车险也将由此进入2.0时代。

车联网保险初露角

中国车联网用户已经从2005年的5万增加至现在的50万。根据业界预测,2015年将会达到1000万用户。届时如期达到1000万的话,就将占到整个汽车数量的10%。

截至2013年底,中国民用汽车保有量为1.37亿辆,机动车保有量为2.51亿辆。全行业共承保汽车1.2亿辆,汽车投保率从2007年的64.4%提高到87.34%;承保机动车1.47亿辆,机动车投保率从2007年的38.7%提高到58.62%。车险占整个财产保险保费收入的比重达到72.6%。

与此同时,中国保监会启动新一轮商业车险条款费率改革,改革的基本取向是提高科学化和精细化经营水平。根据现已披露的方案,车险定价基础将由保额定价变为车型定价,特别是汽车的维修成本将与车型相绑定。

未来,随着用户需求的不断发展,将更加关注于实际驾驶情况以及驾驶行为,并有可能作为最终的定价基础。而这一切,都有赖于车联网的数据支撑。

人保财险目前从车队业务和个人业务两个领域同时推动车联网保险的试点。人保财险需求管理部总经理鹿慧透露,车队业务方面已经完成相应的技术解决方案,并开始推广。举例来说,在一个拥有180辆车的车队中,给50辆车安装车载设备,整个车队赔付率从129%降到90%,而这50辆车的实际赔付率只有60%。从这组数据可看出车载设备对驾驶员的约束非常明显,另一方面保险公司也能够有效控制车队风险,并对车队进行合理的车险定价。

在个人业务方面,人保财险将经历四个阶段:第一个阶段是技术选型,也就是选取前端设备,重点关注车载设备的通信稳定性、车型适配能力等;第二个阶段是模型测试,比如去年底在北京地区完成200台车装测试;目前进展到第三阶段,即在全国五个城市开展15000台中期试验,进一步去完善技术模型,验证商业模式;最后是全面推广阶段。

痛点难寻?

车险网保险的落地实施,首先需要汽车上装有连接北斗系统或GPS的车载终端,进行实时有效的定位和数据传递;其次保险公司内部建立云服务的计算平台,综合分析前端采集数据和已有相关信息;最后,客户通过智能手机应用接收分析结果,诸如车辆行驶状态(实时路况、定位查车、轨迹回放等)、驾驶行为记录(急加速、急转弯、超速等)、安全监控(非法启动、颠簸、碰撞等)、统计报表(油耗、里程、违规违章等)。

可以说,车联网是大数据在保险行业最有潜质的应用之一。车联网通过对人、车、驾驶行为这些风险因素的数据采集,一方面可以用来改善车险的定价和核保政策,提升精准定价能力,为客户打造量身订制的风险解决方案和保险产品;另一方面还可以提高保险公司的风险管控能力,有效降低事故发生率和相关的理赔成本。

“但是,从商业模式上来讲,保险公司还没有找到用户的痛点。” 鹿慧认为,现在车联网的产品中还没有形成“杀手级”应用,能够让客户自愿去付费使用,所以还算不上真正的推向市场。

目前市场上已有数千家从事车联网开发的相关公司,相应的技术解决方案相互屏蔽,无法做到信息共享,软硬件上也缺乏统一标准,所以客户驾驶行为分析模式尚处于初步构建阶段。保险学会会长姚庆海对此表示,学会将下设科技创新分会,为科技公司和保险公司之间搭建互动平台,也将促进统一的车联网数据标准的建立。

从保险产品端来说,车险费率市场化正待落地,各家公司也正在考虑今后的产品方向。前端数据采集的频率和采集的标准,以及在此基础上如何构建出更加可行且客户信服的行为模型,也需要不断去探索。

除此之外,客户信息隐私保护的争议也一直伴随着车联网的发展。对此,周延礼表示,保险公司要确保客户信息的管理,坚决禁止对客户信息的滥用、泄露、买卖。监管机构要制定保险信息披露的规则,维护网络信息安全,处理好公开透明和隐私保护的关系。
原文发布时间为:2014年08月21日
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
8月前
|
存储 算法 大数据
倚天性能优化--基于倚天优化后的zstd在大数据场景应用:降低存储成本+提升重IO场景性能
倚天性能优化--基于倚天优化后的zstd在大数据场景应用:降低存储成本+提升重IO场景性能
|
机器学习/深度学习 存储 分布式计算
【云栖号案例 | 制造】明源云通过数加平台降低大数据的应用门槛
明源云存在数据的缺散乱现象同时需要将纸质数据搬到云端数据库上。上云后从存储、计算、上层应用,提供一整套的解决方案,与阿里云生态共同成长。
【云栖号案例 | 制造】明源云通过数加平台降低大数据的应用门槛
|
弹性计算 大数据 数据挖掘
oTMS携手阿里云:互联互通运输管理软件背后的大数据升级
oTMS将货运环节中的制造商、承运商、司机和收货方链接在同一平台,互联互通轻松管理运输。oTMS已使用ECS、分析型数据库,并且已将全平台迁移至阿里云,更好地为客户提供优质的服务。
2316 0
|
分布式计算 大数据 MaxCompute
【8月17日】MaxCompute携手袋鼠云:“云计算&大数据实践”杭州技术沙龙
MaxCompute(原ODPS)是一项大数据计算服务,它能提供快速、完全托管的PB级数据仓库解决方案,使您可以经济并高效的分 析处理海量数据。欢迎加入钉钉交流群11782920。
2533 0
|
大数据
阿里云携手重庆大学开展“大数据+”通识教育新尝试
近期,阿里云联合重庆大学大数据与软件学院精心打造的《大数据导论》通识课程顺利结课,这次由校企联合开发,高校和企业双导师教学,面向全校同学展开的通识教育新尝试,旨在提升学生的数据科学素养和能力,进一步助力高校展开通识教育,培养具有跨学科视野、与行业深度融合以及学生终身学习能力的人才,更是以打好“三大攻坚战”、实施“八项行动计划”为指导思想,将重庆市实施以大数据智能化为引领的创新驱动发展战略行动计划践行到高层次创新型人才培养实处的有益尝试。
1755 0

热门文章

最新文章