
汽車保險行業(yè),大數(shù)據(jù)AI 應(yīng)用的三大玩法
汽車保險行業(yè)的大數(shù)據(jù)人工智能應(yīng)用(Insutech)是我最感興趣的話題,在這個領(lǐng)域有三大流派:
第一大流派最值得關(guān)注,它們是以車信數(shù)據(jù)、精勵聯(lián)訊、凱泰銘科技、德聯(lián)易控為代表的少數(shù)創(chuàng)新科技公司,它們的數(shù)據(jù)和模型技術(shù)側(cè)重點不同,但都已經(jīng)應(yīng)用于實際生產(chǎn),得到車險行業(yè)認(rèn)可。
第二大流派是保險公司自身的風(fēng)險控制技術(shù)運營部門,包括人保、平安在內(nèi)的車險科技團(tuán)隊也在摸索,但從投入產(chǎn)出看,車險公司自身去研發(fā)大數(shù)據(jù) AI 應(yīng)用成本無法攤薄,投入的力度和可持續(xù)性可疑。
第三大流派是百融金服、百度等偏重用戶畫像和營銷的 AI 通用解決方案供應(yīng)商,這類服務(wù)的同質(zhì)化比較嚴(yán)重,受互聯(lián)網(wǎng)營銷造假風(fēng)潮影響,這類服務(wù)以往在汽車整車營銷領(lǐng)域已經(jīng)有應(yīng)用,但效果不顯著,要贏得結(jié)果導(dǎo)向的保險公司認(rèn)同尚需時日。
對于第一大流派,幾家科技公司的產(chǎn)品服務(wù)差異比較大。
車信數(shù)據(jù)的機器學(xué)習(xí)模型技術(shù)原理類似谷歌的 AlphaGo,大數(shù)據(jù)機器學(xué)習(xí)的產(chǎn)品服務(wù)既包括前端的承保展業(yè),也包括后端的理賠反欺詐。從應(yīng)用范圍看,既可以是車險公司,也可以是車險中介機構(gòu),還可以是整車企業(yè)、4S 經(jīng)銷商集團(tuán)。同樣的技術(shù)邏輯,車信數(shù)據(jù)不僅服務(wù)車險公司,也服務(wù)汽車金融公司。目前看,車信數(shù)據(jù)是這個領(lǐng)域本土技術(shù)和數(shù)據(jù)數(shù)據(jù)能力最專業(yè)的公司,沒有之一。隨著更多數(shù)據(jù)的開放,以車信數(shù)據(jù)為代表的 Insutech 和 Fintech 公司會有更多用武之地。
第二大流派是保險公司自身的風(fēng)控技術(shù)團(tuán)隊。本質(zhì)看,保險公司的信息系統(tǒng)研發(fā)需求都是自發(fā)產(chǎn)生的,主要的信息系統(tǒng)研發(fā)也是中科軟等大型軟件公司的生意,但隨著業(yè)務(wù)需求的變化,主要大型保險公司都建立了自己的科技研發(fā)團(tuán)隊,滿足自身研發(fā)需求。風(fēng)險控制這類核心需求更是自建研發(fā)團(tuán)隊的重點工作,但受限于技術(shù)迭代速度,在大數(shù)據(jù)機器學(xué)習(xí) AI 領(lǐng)域,保險公司要短期積累研發(fā)團(tuán)隊還比較困難。因此,目前看,車險公司在承保端還停留在黑名單模式下,在理賠端還停留在傳統(tǒng)規(guī)則引擎模式下。對于大數(shù)據(jù) AI 技術(shù)的應(yīng)用仍然處于探索階段,我認(rèn)為,接下來最靠譜的方式一定是建立自己的技術(shù)采購團(tuán)隊,盡快扶植和投資外部科技公司,加速創(chuàng)新,不僅保證國內(nèi)技術(shù)領(lǐng)先,也需要借助一帶一路,盡快進(jìn)入全球車險市場。
第三大流派是百度等大數(shù)據(jù)技術(shù)提供商,由于數(shù)據(jù)敏感性,百度本身也參與投資車險公司,這導(dǎo)致車險企業(yè)與百度的此類服務(wù)存在應(yīng)用障礙,保險公司不敢把自己的敏感數(shù)據(jù)交給潛在競爭對手。與此同時,由于百度的金融保險團(tuán)隊與大搜索團(tuán)隊并非同一團(tuán)隊,要體現(xiàn)百度在車險領(lǐng)域的大數(shù)據(jù) AI 應(yīng)用優(yōu)勢,僅僅提供技術(shù)是不夠的,如果不能發(fā)揮大數(shù)據(jù)和大搜索的內(nèi)部協(xié)同,給車險企業(yè)一個有競爭力的解決方案,很難在 Insutech 領(lǐng)域超越專業(yè)垂直服務(wù)供應(yīng)商。當(dāng)然,通過投資并購也有可能解決這個問題,但目前看,可以投資并購的標(biāo)的并不多,懂這些的投資人更不多見,已經(jīng)拿到國家大腦項目的百度要抓住這個機會,需要盡快在車險金融等領(lǐng)域建立專家顧問團(tuán)隊。
由于車險科技的創(chuàng)新仍然在路上,車險公司的業(yè)務(wù)保守性和監(jiān)管政策的變化都會影響這個產(chǎn)業(yè)的發(fā)展,隨著金融風(fēng)控成為行業(yè)的主旋律,可以預(yù)見到未來幾年車險公司在車險風(fēng)控領(lǐng)域的投入會加大力度。無論哪個派別的車險科技都有很大機會成長。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗證損失驟升:機器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11