基于大数据征信的保险行业发展研究

【摘要】近年来，以大数据为代表的数字化技术的发展，正在加速影响着保险行业的日常运作，特别是各种移动终端的运用使得保险公司能实时、准确地掌握保险标的的风险状况，从而彻底颠覆保险经营方式。本文主要概述了目前保险行业发展瓶颈，并结合大数据征信在保险行业应用的优势，为保险行业的发展提供可行性建议。

【关键词】大数据 征信 保险

一、保险行业发展瓶颈

（一）保险业务发展瓶颈

1.市场集中度过高，竞争力不足。截止2015年底，全国保险集团公司、财险公司、寿险公司和再保险公司共146家。市场价值最高的前三大保险公司（或集团）的市场集中度为34.3%，前十大保险公司的市场集中度为64.6%，行业整体竞争度不足。

2.产品结构单一，创新能力不足。我国大多数保险公司的产品都是照搬国外保险公司开发的险种，与我国的国情并不完全相适应。同时，各家保险公司主要产品涉及重理财、轻保障类，除了名字不同，保险品种结构雷同，费率设计，保险范围、条款设计都大同小异。产品往往没有特色，也缺乏系列性及差异性，不能很好地适应不同消费者不同层次的需求。

（二）保险营销渠道瓶颈

1.个人营销效率低下。随着我国保险业务的不断扩展，个人营销员队伍也不断壮大，个人代理人制度自身的缺陷也不断暴露。营销员与保险公司签订的是劳务代理关系，社会地位低下，为了获得高额的收入，盲目夸大保险产品的优点，从而诱导投保人购买不实用的产品。

2.广告营销效果不明显。广告营销主要是通过如广告牌、电视等互联网媒体渠道进行宣传。各家保險公司都纷纷在媒体网站或广告牌上不惜成本的大力宣传本公司的保险产品，大部分客户对保险产品并不熟悉。若该客户没有相关需求，频繁的短信、电话骚扰容易让客户产生质疑与反感；即使客户有相关需求，也被眼花缭乱的保险产品种类所迷糊，不知如何选择。

（三）保险行业信用瓶颈

1.整体素质不高，夸大保险责任。自2015年8月保监会取消各地的保险代理人资格准入之后，保险公司增员进入快车道。截止2016年第一季度末，中国保险营销员的数量突破了710万人，比2015年10月末的505万人增长了41%。保险营销员的快速增长，必然会拉低保险营销员的整体素质，盲目夸大保险责任、高手续费、高返还等不正当竞争也时有发生。

2.保险欺诈行为日益突出。第一，先出险，后投保。先出险，后投保是指投保人在被保险人出险之后再进行投保，一种典型的恶性骗保行为，严重损害了保险公司的利益。一般情况下，被保险人出险之后由医院或医生修改出险、就诊时间，在保险合同生效之后，向保险人提出理赔要求。由于投保时间与出险时间之间的时间间隔较短，保险公司对这种欺诈行为往往难以辨别，导致其在后期的保险理赔中出现较大的支出。

第二，冒名顶替，骗取保险金。相对于发达国家，我国居民的投保密度仍然不高，在一个家庭或单位中，往往只有一部分人参加保险。一旦未投保的人发生事故，未参保人员借用参保人员的名义，冒名顶替骗取保险金。此类欺诈在健康险中最为常见，如非参保患者以其他参保人员身份在定点医疗机构就医，包括门急诊、住院、加床等，并已向社保经办部门申报费用结算或办理医保确认手续。

第三，无中生有慌称保险事故。这种保险欺诈常跟医院联系在一起。被保险人在购买保险后，明明没有生病住院，却通过跟医院的医生合作（或收买医院相关科室人员），让医生提供虚假病例、办理虚假住院手续，慌报和开出手术医疗费及住院费的单据，骗取保险金，从而造成保险公司的经济损失。

第四，故意制造保险事故。投保人、被保险人或受益人以虚构保险标的、故意制造保险事故，向保险人提出索赔或给付请求的行为。此种欺诈行为通常在车险中发生，投保人与汽车4S店、交警队有关人员进行团伙作案，故意制造保险事故，以旧换新或骗取维修费用。导致的直接后果是保险公司赔付成本上升，而引起的间接后果是保险公司在后期产品设计的过程中提高保险费用，损害所有投保人的正当权益。

二、大数据征信在保险行业应用的优势

（一）精准营销，降低保险业务成本

1.大数据调研，准确市场定位。随着大数据时代的来临，基于不仅可以借助信息采集和数据挖掘技术能给行业研究人员提供足够的样本量和数据信息，而且还可以对原始数据及时更新，为保险公司的市场规模开发以及品牌的个性化定位，提出更好的解决问题的方案和建议，提高企业品牌市场定位的行业接受度、满意度。

2.大数据分析，精准客户营销。第一，精准营销。相比保险公司以往常见的扫楼、陌生拜访、陪同拜访的传统营销方式，取而代之的是利用数据分析得出潜在客户的精准营销。根据客户的收入状况、消费记录、风险偏好，建立完整的客户数据图谱，应用大数据技术智能化分析细分客户的需求，实施精准化、有针对性的产品及服务推荐。

第二，交叉营销。基于大数据对保险公司、银行等金融机构现有的客户资源进行统计分析，对其需求特点开展交叉营销，从而降低保险公司的营销成本，提高营销效率。例如以短险客户开发长险业务，以法人业务开发自然人业务，以财寿险客户进行交叉销售等。

（二）信息共享，降低信息不对称性风险

1.建立投保人、被保险人信息库，减少反欺诈行为。将投保人或被保险人的基本信息纳入征信系统，建立个人信息资料库。可以通过投保人、被保险人和征信系统采集的信息主体基本身份信息相互验证，避免保险欺诈行为的发生。同时，拓宽了基本信息更新渠道，进一步提高基本信息的数据质量，降低信息不对称性风险。

2.建立保险从业人员信息库，减少失信行为。建立保险从业人员信息库，包括保险代理人、高级管理人员等信息。将从业人员的基本信息、从业经验、违法违规行为信息纳入征信系统，建立个人信息资料库。通过与征信系统建立信息共享机制，为保险公司在人员招聘、绩效考核提供决策参考。同时，也有利于投保人在保险人营销产品时进行信息真伪判断，改善行业的整体信用形象。

（三）跟踪管理，提高经营效率

1.动态监测。通过征信系统对保险公司现有客户资料信息进行跟踪调查，包括投保信息、身体状况、收入状况等信息。运用大数据模型对保险客户进行实时动态监测，对可能发生的险情，及时预警，降低保险风险损失。例如，通过医院就诊信息，对被保险人的身体状况进行检测，向保险公司、投保人以及被保险人发出预警信息，避免被投保人的病情恶化，进而给保险公司带来风险损失。

2.理赔跟踪。保险理赔尤其是理赔时效、理赔金额、理赔程序等对客户满意度、保险公司赔付决策、保险公司盈利能力都具有重大影响。首先，将保险标的出险信息及时纳入征信系统，可以缩短保险公司调查流程，降低调查成本；其次，通过征信系统审批能够有效防止重复索赔事件的发生；最后，通过对保险公司的理赔速度和质量，以及客户满意度进行调查，可以对保险公司进行综合排序，发现问题，及时反馈，提高保险行业的经营效率。

3.反欺詐检验。征信系统与银行、保险公司等多家金融机构共享客户欺诈信息，拥有反欺诈征信平台。涵盖了黑名单比对、历史比对、逻辑校验、外部数据校验等类型的反欺诈检验，同时支持用户自定义反欺诈规则，从而协助理赔人员高效的侦破欺诈案件，提高保险公司经营效益。

三、保险征信服务及产品

（一）保前征信服务及产品

1.精准营销。第一，市场图谱。基于工商管理部门数据、行业管理部门统计数据等对当前保险区域市场进行调研，整理出当前区域保险公司的种类、规模、产品与服务种类，为保险公司的市场定位和深入发展提供决策化依据。

第二，客户关联分析图谱。通过专门的数据调研和采集获得，对客户的基本信息、家庭状况、收入状况、消费能力、消费特点、还款履约能力、公安信息等全方位、多维度信息进行关联分析，形成360度用户画像。根据不同的消费客体提供有差异化产品和服务、实现精准营销。同时，基于对客户的消费状况，为保险公司进行交叉营销、深入营销提供决策分析。

2.保险人员信用报告。第一，保险从业人员信用报告。保险公司基于大数据征信系统对保险从业人员进行信用评分，从而对其准入资格进行审查。保险从业人员信用报告包括保险代理人员业绩数据、性别、年龄、通讯地址、联系方式以及更换频率、入司前工作年限、其它保险公司经验等信息，行政处罚信息、法院信息等公共信息以及信用报告查询记录信息。

第二，客户信用报告。在投保人进行投保时，利用征信系统审查客户的资格审查，进而对向保险公司出示客户信用报告。一是投保人的资格审查。二是被保险人的资格审查。为防范一些有不良信用的社会人员进行欺诈行为，骗取保费收入，保险公司应该对投保人以及被保险人的信用背景调查。投保人本人证到征信系统打印个人信用报告并反馈给保险公司，个人信用报告应该包括：一般的银行版信用报告内容、被投保人的身体状况、就诊信息、违法违规记录等信息。由公司全面审慎评估做出是否签约的决定，有效防范了先出险，后投保现象的发生。

（二）保中征信服务及产品

1.行为评分。行为评分指征信公司通过大数据对投保人或被保险人个人信用活跃度、履约能力、信用历史、身份特质、身体状况、信用消费能力等信息进行统计分析，利用先进的挖掘技术、方法和工具，建立数学模型，预测预测未来一段时间内投保人或被投保人发生风险的可性。该行为评分从0分到100分，每个分数代表一个风险概率，分数越高代表风险越低。

2.客户流失预警。通过征信系统对保险公司客户的跟踪管理，包括运用大数据技术分析客户对保险产品细节增加的质疑情况，客户投诉与否情况、客户有无退保情况、客户是否有买竞争者的保险产品情况，进而得出客户的满意度和忠诚度，及时向保险公司发出客户流失预警。

（三）保后征信服务及产品

1.保险理赔报告。在大数据时代，保险公司通过征信系统的公共信息实时获得客户的出险信息，并及时主动联系保险客户提供理赔等服务，在客户没有向保险公司提出理赔申请之前，主动向客户提供便捷的理赔服务。

2.申请反欺诈服务。保险市场与征信系统建立诚信网络和信息共享平台，共享“欺诈理赔案件资料库”。该网络通过在投保和理赔两个环节进行审查，根据索赔人的年龄、事故类型、涉及的交通工具类型以及医疗处理频率等评级，依据评级得分高低来确认该索赔是否有欺诈成分。

参考文献

[1]杨泽云.基于大数据的保险产品创新[J].金融创新，2015，（08）：30-32.

[2]尹会岩.论大数据对中国保险业的影响[J].金融创新，2015，（02）：43-46.

[3]张新宇.保险大数据的探索与实践[J].中国金融电脑，2015，（04）：15-19.

[4]郝彬凯.保险营销渠道创新探究—基于保险微信营销现状及其前景的调查[J].时代金融，2015，（03）：30-33.

[5]袁幕琴.保险欺诈与大数据时代下的防范对策[J].金融与经济，2015，（07）：77-80.

作者简介：周大林（1992-），男，汉族，安徽合肥人，就读于安徽大学，研究方向：金融机构经营管理。