大数据优化“两核”

2016年6月24、25日，由中国保险报主办、北京华夏保险经纪有限公司协办的2016中国互联网保险大会在京召开。泰康人寿数据信息中心大数据部负责人周雄志发表了演讲。

泰康人寿数据信息中心大数据部负责人 周雄志

以下是演讲摘录：

保险是经营风险的行业，最重要的是风险控制。传统保险中重要的风险控制手段包括核保和核赔，也就是“两核”，传统“两核”主要基于业务经验积累的规则识别保单投保风险及理赔欺诈风险。

随着数据积累越来越多，大数据概念逐渐普及，基于长时间积累的海量数据，通过机器学习自动建立风险模型，在保险业大数据领域有过不少理论探讨。

我今天分享一下泰康人寿在这方面的一些实践：如何利用数据模型对“两核”进行优化。

依据保障风险类型不同，传统人寿保险分为寿险、重疾险等几大类，每一类风险的评估模式与风险特征都是有所区别的，我们针对不同的类型建立了不同的风险评估数学模型。

要做好这项工作，必须由两核专业部门牵头主导，两核专家深度参与，数据的积累和掌握是必要条件。泰康人寿在很多年前就曾经进行过类似尝试，尝试构建数学风险模型。但是，这种模型需要长时间的数据积累才能有效果，对于长期寿险，其风险暴露必须要经过一个较长的观察期才能真正体现出来。泰康成立20年来，随着信息化不断完善，数据治理和数据应用不断强化，我们积累了上千万的保单和上百万理赔案件的宝贵数据，为两核大数据风险建模奠定了基础。

进行大数据建模，前期的数据整合是非常耗时耗力，数据团队对数据的理解和掌握程度决定了这个阶段的工作效果。将大量分散的孤立的数据有机的整合起来，结合数学统计和专业人员的解读、筛选，形成建模的基础。进而开始选择模型算法，对各种模型进行训练、测试，判断哪种模型能够更准确、更精确地把风险等级区分出来，反复对比最终得到理想的数学模型。

在实际业务中将风险模型评分的结果跟传统经验规则相结合，在进一步提高工作效率、降低风险、改善客户体验等方面都取得了非常好的效果。

利用大数据对两核进行数学建模，除了进行更好的风险控制之外，通过更精细化地辨别不同风险类型的客户，可以进一步为他们提供个性化、差异化的产品和服务。