从女人的开车习惯看车险动态风险管理

" 动态风险管理尤其能够降低保险公司的成本。但是，精算师以往的计算经验在今天的大数据时代仍然显得有所不足，大数据正在引发保险行业的革命。保险公司在开展业务之前，需要建立起全新的管理科学――精算科学。精算师要评估风险和具有不确定性的业务。换句话说，他们需要对任何形式的风险进行定价，并且评估其对于财务的影响。精算师通过数学方法估算意外事件发生的概率，并量化其结果，从而尽可能减少这些不确定性的事故所造成的经济损失。在人寿保险中，精算师需要考虑到以下因素：现金流、统计学、行业性和概率因素。即便精算师已经通过使用数据分析作出明智的判断，但这种类型的预估在今天的大数据时代看来，仍然显得有所不足。随着数据的量级和质量的提升，我们可以根据所获取的信息作出更为精确的计算，而不再需要人们主观且带有偏见的判断。现代保险行业已经逐渐开始接受全新的风险管控方法，并重视优化客户关系。在过去的15年里，保险业内的创新非常显著，在核心业务流程中实现了自动化，提升了速度，并消除了某些痼疾。进入到大数据时代，我们已经能管理和把握最优化的结果。开辟动态风险管理的时代，通过改进对重大灾害的风险进行建模。从一个22岁女儿的车险看动态风险管理在汽车保险的业务中，保险行业通常将动态风险管理称为基于使用情况的保险。这类保险有两种类型的保单：按量付费（Pay As You Drive，PAYD）和按驾驶习惯付费（Pay How You Drive，PHYD）。不过，动态风险管理的应用可以远远超出驾驶与汽车保险的范畴。动态风险管理是保险精算学的改进形式。回想一下，精算学的本质是收集所有相关数据，运用模型与专业技术，推断风险因素，从而做出决定。动态风险管理需要根据数据流制定实施决策。这里，我们以一位22岁女士的汽车保险为例，探索其中的两种模式。精算科学保险。收集该女士22年以来的所有数据――她的驾驶记录、汽车类型、居住地、犯罪记录等。然后将这个数据与她这个年龄、性别、居住地与工作状态的人口统计数据综合考虑。利用概率学、死亡率与复利计算估算出保费与收益。然后，根据这些因素为这位女士提供保单。动态风险管理。在她的汽车里安装一个传感器，了解她的日常生活。记录她每天的驾驶里程、驾驶时间、驾驶距离、加减速习惯以及她经常开车去的地方。在她开车时，传感器会监测车辆的运行。换句话说，该车载传感器记录个人驾驶习惯，从而不断调整保单的价格。如果她驾驶习惯良好，她下一期的保险费就会降低。这种保单是为其度身定制的，根据实际数据而非估算。目前，动态风险管理被越来越广泛地应用于保险领域。许多大型保险公司开始逐步提供一定程度上的动态风险管理，或者按量付费的车险模式，如美国前进保险（Progressive）、好事达保险（Allstate）、美国州立农业保险等。通过这种方式，大多数保险公司的保险成本会降低20％-50％。根据美国保险监管协会的预期，到2018年，20％的保险方案将采取动态的方式。而目前，动态汽车保险仅占到整体市场中不到1％的份额。不论保险公司采用远程信息处理还是消费者贷款过程中的数据信息收集，动态风险管理可适用于各种以数据为导向的保险流程。在大数据时代，动态风险管理将成为常态。大数据还可以应用于重大灾害的风险。重大灾害（Risk Catastrpphe）建模是指通过计算机测量诸如地震、暴风和洪水等自然灾害所引起的潜在损失。在20世纪80年代末，信息技术的创新和地理信息系统使得人们可以通过把区域内潜在的自然灾害与保险公司的资产组合进行综合考虑，预估出这些灾害所造成的损失。1992年安德鲁飓风登录美国后造成了155亿美元的损失，保险行业迅速推出了针对重大灾害风险的全新业务模式。此外，灾害模型也得以快速建立，波士顿风险顾问公司（AIR Worldwide）实时预估判断安德鲁飓风造成的损失可能会超过130亿美元。面对大数据，保险行业的挑战与机遇从某种程度上来讲，数据有助于减少不确定性，并将风险的定价工作做得更好。风险的评估预测在本质上就颇具挑战性。以下所列出的是保险行业在今天面对大数据时将会遇到的挑战和机遇。运算能力。驾驭海量数据所需要的能力将成为技术方面的一种挑战。信息解析。需要量化具有不确定性的数据，并且使用文本倾向分析来解析非结构化数据。通过与第三方机构合作，能够从不同角度和维度，从数据中获取更加完整详细的解析。透明度。在数据与模型的定量分析之间往往会存在差距，而决策者需要根据定量分析的结果做出判断，因此有必要尽可能地缩小或消除这种差距。预测判断。以事实为基础的保单需要标准和条例。因此，对预测的可靠性应当以最清晰的方式表达传递。应用场景。根据概率所做出的决策支持，能够提升竞争力并降低风险。全球各种各样的重大灾害风险将继续存在，并会产生重大影响，这在给保险业务带来挑战的同时，也带来了机遇。随着全球化的进程与社交媒体互联互通的深化，新出现的风险可能会导致意想不到的结果：关联性。气候、食物、水源、能源与政治都与人们彼此之间的交互紧密相关；供应链风险。在商品流通过程中存在大量的外包与依赖性；信誉风险。遵循某些国家的工作环境、税法和风俗习惯；本地化和全球化。用本地化模式来判断全球范围内潜在的风险已经被证明是远远不够的，这往往会带来比预期更大的风险。因此，大数据时代是否能适应这种场景？从风险管理的恒等式入手是一个不错的出发点：风险=危险程度×出现概率×安全隐患在重大灾害模型中，风险可以量化。大数据方式能够将科学理论与实践调查融合统一，其目的在于通过该等式实现风险预测分析，而非风险的回顾分析，这就如同洞悉预见与历史重温之间的区别。处理那些随着气候变化而周期性出现的灾害的方式就是潜在风险模型很好的应用案例。与数字化天气预测模型类似，大气动力学模型现在能够模拟合成飓风。通过引入不同的气象场景，可以形成综合的飓风目录，用于评估潜在损失。精算师的未来：驾驭大数据随着越来越多的不同信息源可以用于不断改进风险模型，大数据正在保险行业中引发一场革命。卫星图像能够确定有形资产的确切位置与体积大小。互联网与社交媒体同时还实现了一种机制，让每个人参与到必要的数据收集过程中，用于量化风险。在许多场合下，在风险等式中，有关脆弱性的信息是最为匮乏的，必须通过不同于传统来源的方式获得诸如房屋结构之类的信息。这种形式的数据收集被称为众包模式，对于那些通常还没有建立风险模型的发展中国家来说，显得尤为重要。精算师的未来一定会发生改变。未来将会变得更加以数据为中心，而精算师将面临的挑战是找到全新的方法来驾驭数据。操纵海量信息（从多种维度），将其转化为更加简单易于理解的结论，从而让那些习惯于冥想的头脑理解数据，这并不是件简单的事情。庞大而复杂的数据集将推动相应工具的产生，从而助力精算师的工作。数据推动工具，与时俱进，引导行业内的这种新动向。"