2.6 延伸閱讀:大數據正在改變汽車保險
汽車保險并不是一個十分吸引人或充滿活力的行業,幾十年來,它一直保持基本不變。汽車保險也不是平等主義的天堂:一個窮光蛋和一個百萬富翁會花同樣的價錢買同樣的郵票(例如,中國的一封本埠20克以內的平信郵資是0.80元),而對于汽車保險來說,運作卻完全不同。一些人付費比另一些人要高,而這些費用可能跟一個人是否“安全”駕駛等因素都可能無關。從歷史來看,有相當數量的汽車保單是根據很少的幾個單獨變量填寫的:年齡、性別、郵政編碼、以往超速罰單和交通事件、有記錄的事故和汽車型號。但是,一個剛拿到駕照的 18 歲小伙子,他駕駛一輛跑車卻不得不為其權益支付一堆汽車保險—即使他幾乎沒有超速經歷,一直遵守交通規則,記錄中一次事故也沒有。這個年紀的所有年輕人對他的保險付費都不滿意—我是一個“超平均水平”的司機,我為什么需要付出那么一個過高的費用呢?
那么,為什么大多數辦理汽車保險的公司都基于那么幾個簡單變量制定費率和報價呢?答案其實并不復雜,尤其是當了解了這些公司的年齡時,例如:Allstate(美國好事達保險公司)于1931年開張,GEICO(美國第四大汽車保險公司)創立于1936年。想想看,近80年前,那些原始數據模型已經代表了汽車保險公司能做的最好水平了。然而,從那以后,沒有一家公司覺得需要調整這些數據模型。
如今,汽車保險業正經受著巨大的轉變,其保險資費不再簡單依賴于幾個基本和單純的指標體系,技術進步使得他們能夠回答以往不知道的問題。汽車保險公司現在已經能夠獲取更多信息,這些問題包括以下幾個。
1)哪些司機經常超速并闖紅燈?
2)哪些司機經常開車緩慢但具有危險性?
3)哪些司機變得越來越危險—即使他們沒收到罰單或傳票?也就是說,他們通常遵守交通信號燈但偶爾違反。
4)哪些司機開車的時候發短信?(實際上,駕車時發短信被認為比醉駕更危險)
5)誰駕車較6個月前更安全?
6)有兩輛車(一輛跑車和一輛旅行車)的人駕駛不同的車會有不同表現嗎?
7)哪些司機和汽車在晚上出現突然轉向(這可能是醉駕的表現)?
8)哪些司機利用微信、百度地圖和Facebook等查詢過酒吧,并且駕駛自己的車回了家(而不是乘出租或請代駕司機駕車送回家)?
因為GPS、地圖、移動技術和遙測等新興技術,以及由它們產生的數據,保險人員終于可以徹底告別他們已經幾十年不變的5個變量的承保模型。依照需要,他們已經實現更現代、精確、動態和數據驅動的定價模型。例如,2011年某公司推出了其Snapshot產品,即“依照你的駕駛來付費(PAYD)”計劃。PAYD讓客戶自愿在汽車中安裝一個跟蹤設備,傳送數據到該公司并有可能獲取價格折扣資格。從該公司網站可以看到以下信息。
你猛踩剎車的頻繁程度如何,你每天駕駛多少里程,你是否經常在午夜和凌晨4點間駕駛……所有這些都會影響你潛在的省錢可能。
保戶可以通過郵件獲取一個Snapshot設備,只需將其安裝進自己的汽車,之后像往常一樣駕駛,隨后就可以在網上看到自己最近的駕駛細節及相關折扣計劃。
其實,很多其他保險公司也在意識到新技術和大數據的力量。
那么,對于普通司機來說這意味著什么呢?假設有兩個保戶,他們都選擇參加PAYD計劃。
1)Steve,一位青年,駕駛一輛豪華跑車。
2)Betty,一位祖母,駕駛一輛舊的旅行車。
其他的情況全都一樣,那么哪位司機將支付更高的汽車保險費?在1994年,答案很顯然是Steve。然而,在不久的將來,答案則沒那么明確:這將取決于數據。也就是說,司機之間相去甚遠的背景和人口統計變量信息對于汽車保險公司來說意義已越來越小。以前傳統的價格杠桿將越來越依據司機個人的駕車模式來補充。如果Steve華麗的跑車掩蓋了他一直遵守交通信號燈、避讓行人且從不超速,那會怎樣?那么,他就是安全的化身。與其循規蹈矩的表象背景相反,Betty駕車就像女漢子,還跟年輕人一樣酷好發微信。
在這個全新世界,如果對每位司機都進行費率更新,又將發生什么?基于之前的信息,保險公司很開心地將Steve之前的保險費打了60%折扣,但是將Betty的新費率增加至3倍。兩個例子中,新的費率反映了保險公司對每個司機采集的全新的、更合理的數據。
省了一大筆錢,Steve獲得了驚喜,開心地與保險公司續約,而Betty則很生氣。她打通公司的服務電話,情緒失控。銷售代表堅持自己的立場,Betty決定換家公司。然而很不幸,Betty如夢初醒,各家保險公司都已經同樣采集了這樣的信息。所有的公司都強烈懷疑Betty是一個高風險司機:她的年齡和舊車只是透露了她一部分信息—而非最直接相關的部分。
現在,Betty因為要付更多的汽車保險而不高興,然而,Betty確實應該比Steve這樣的安全司機支付更高的費用。換句話說,很簡單,5個指標的定價模型不再能代表汽車保險公司能做到的最好水平。他們現在獲取的數據能更好地支撐決策—大數據正改變著汽車保險,其他行業也一樣。改革才剛剛開始。
資料來源:Phil Simon.大數據應用:商業案例實踐.北京:人民郵電出版社,2014.
- 樂高機器人:WeDo編程與搭建指南
- 輕松學C#
- PostgreSQL 11 Server Side Programming Quick Start Guide
- Getting Started with Clickteam Fusion
- Getting Started with MariaDB
- 數據挖掘實用案例分析
- 完全掌握AutoCAD 2008中文版:綜合篇
- Photoshop CS3圖像處理融會貫通
- 系統安裝與重裝
- 工業機器人實操進階手冊
- Puppet 3 Beginner’s Guide
- 手把手教你學Flash CS3
- Hands-On Business Intelligence with Qlik Sense
- Instant Slic3r
- 網管員世界2009超值精華本