以人為本，馭險有術(shù)
在近期召開的主題為“洞見當下風險”2024國際保險科技創(chuàng)新和應(yīng)用論壇上，律商聯(lián)訊風險信息（以下簡稱“律商風險”）數(shù)據(jù)科學(xué)負責人單翔先生發(fā)表了“以人為本，馭險有術(shù)”的主題演講，與車險行業(yè)的參會嘉賓共同探討了從人因子在中國車險市場應(yīng)用的效果、挑戰(zhàn)和解決方案，強調(diào)以駕駛員為中?采集數(shù)據(jù)要素，以更為?闊的信息視野評估和管理車險?險，律商風險致力于將各類數(shù)據(jù)有機融合，為保司提供增量價值。
車之駕險，馭者之責重焉
“車之駕險，馭者之責重焉”，單翔先生表示，馭?、馭?，變化的是駕駛對象，但亙古不變的是駕駛員的責任。這與大會的主題“洞見當下風險”不謀?合，以?為本，認知駕駛員在交通安全與?險事故中的重要性，可以更好的識別和管控?險。
“美國：94%的道路交通碰撞事故，歸因于駕駛員”單翔先生分析道，根據(jù)美國國家公路交通安全管理局的統(tǒng)計（NHTSA），在歷時三年抽樣調(diào)查的?輛事故中，導(dǎo)致碰撞事故發(fā)?的原因主要原因包括：駕駛員、?輛和環(huán)境。其中，起到?jīng)Q定性作?的是駕駛員，占??達94%。將近因主要歸納為四類，分別是：識別錯誤、決策錯誤、操作錯誤和?操作錯誤。識別錯誤是指駕駛員未能準確覺察駕駛環(huán)境，占?約41%，包括駕駛員分?，如查看?機等；決策錯誤占?約33%，強調(diào)駕駛員決策判斷準確的重?性，例如并線時，錯誤判斷周邊?輛位置、速度等；操作錯誤和?操作錯誤，分別占?11%和7%。操作錯誤指在應(yīng)急情況下未能冷靜處理，反應(yīng)過度，例如?天輪胎打滑，?向盤操作不當；典型的?操作錯誤包括開?犯困等。數(shù)據(jù)分析表明，駕駛員?為在交通安全事故中的重要性。認知駕駛員，就是為更好的認知?險。
“中國車險定價仍處于‘重車輕人’的階段。”單翔先生表示，監(jiān)管發(fā)布的基準費率中，定價因?的構(gòu)成覆蓋從?、從?和從環(huán)境，缺少從?因?。保險?主定價模型中，各類因?的重要性，主要圍繞年齡和性別的從?因?，重要性占?約11%。整體??，中國?險定價依然處于“重?輕?”的階段。與之相反，美國?泛使?從?因?，處于“??并重”的階段。在美國，私家?投保時，消費者最為關(guān)注的影響費率的10個因?中，與駕駛員相關(guān)的從?因?占據(jù)4個。除了傳統(tǒng)的性別、年齡，信?記錄、教育背景、職業(yè)等從?因?被?泛使?。
“在中國，從人因子對車險風險細分起重要作用”單翔先生分析道，律商風險基于中國車險風險研究了典型從人因子對風險的區(qū)分能力。對比美國市場，典型從人因子在中國市場呈現(xiàn)相似風險趨勢。
從人評分在新能源、二手車、
疑似營運等場景“大有可為”
單翔先生在大會上表示，單個的從人因子對風險的區(qū)分具有顯著效果，將這些從人因子整合形成從人評分，從人評分在新能源、二手車、疑似營運等場景“大有可為”。
首先，伴隨中國新能源?銷量的快速增?，新能源?在新?中的滲透率已超過40%。新能源??險識別是當下保險公司關(guān)注的重點領(lǐng)域。律商?險結(jié)合中國市場和美國市場的共同研究，發(fā)現(xiàn)駕駛?cè)加?的司機在切換新能源?時，他們需要平均在10個??12個?，去適應(yīng)電動?駕駛變化。具體適應(yīng)快慢，會因??異。
其次，新能源?的新?、次新?占?要顯著?于燃油?。?臨“從?信息斷層或儲備不?”。與之相反，?的信息，天然具備連續(xù)性和延續(xù)性。不會因為購買新?或換?，失去從?信息對?險的預(yù)測?。以二手車為例，結(jié)合從?信息，E類??險是A類低?險賠付率的1.58倍。
最后，研究中還發(fā)現(xiàn)，即便從?信息暴露充分，如續(xù)保?輛掌握歷史NCD等級或者近?年的累積?程等動態(tài)信息，從?評分依然能穩(wěn)定提供額外的?險區(qū)分度。識別疑似營運?場景，從?數(shù)據(jù)所識別出的營運?輛，出險率要?平均?平?出1.35-1.5倍。
引入從人因子價值：制定更公平的費率，
提升市場競爭力
“精細化分類費率制定，最為重要的價值是：確保投保?獲取公平費率，提升保司市場競爭?。” 單翔先生在大會上表示，如某保司沒有對??險?群（紅?）與低?險?群（綠?）實施?險細分，使?平均費率，會進一步加劇?險逆向選擇。與之相反，市場其他保司采取了有效策略，制定更公平的費率和?險細分，可以實現(xiàn)業(yè)務(wù)的有利選擇，確保可持續(xù)的競爭?和盈利能?。
“引入從人因子價值：挖掘從人信息價值，提升風險細分能力”，單翔先生表示，從信息學(xué)的?度看，定價模型需要從實際?險中提煉出可預(yù)測成分，即有效信號，?盡可能降低預(yù)測不準部分，即噪?。從?因?的引?，可以讓我們獲取更多的有效信號，降低噪聲的?例，提升定價模型的?險細分能?，制定更公平的費率。
“獨特價值：風險區(qū)分能力——獨立于傳統(tǒng)定價因子”，單翔先生表示，以下圖為例，從?評分的?險區(qū)分效果?論是對于?損險還是責任險，能對出險率提供約2倍以上的區(qū)分度。律商風險在與某保司研究中發(fā)現(xiàn)，如果僅使?保司現(xiàn)有定價模型，實現(xiàn)3倍的賠付率?險區(qū)分；如果單獨使?從?評分，實現(xiàn)2倍的?險區(qū)分；如果將兩者融合，經(jīng)過從?信息增強的定價模型，可以提供3.6倍的賠付率?險區(qū)分。
律商風險助力保司：攻克從人落地四大挑戰(zhàn)
加速從人賦能車險新質(zhì)發(fā)展
“在中國?險市場，從?信息應(yīng)?正處于萌芽與萌發(fā)的臨界點”。單翔先生在大會上表示，突破應(yīng)用成本、建模落地、隱私安全和可解釋性四?挑戰(zhàn)，就能加速從?數(shù)據(jù)賦能?險新質(zhì)發(fā)展。?先，與?相關(guān)的信息多樣、數(shù)據(jù)源多樣，導(dǎo)致落地應(yīng)?的成本?；其次，從?變量的?維度（例如常常遇到?千個變量因?）、多?平（例如，職業(yè)變量就有上百個分類）和稀疏性，導(dǎo)致建模落地難度?；再次，信息查詢主鍵涉及個?信息，在個?隱私強監(jiān)管環(huán)境下，導(dǎo)致合規(guī)要求?。最后，由于從?變量與保險事故之間的弱因果性、弱傳遞性，導(dǎo)致從?評分被視為“?箱”。
單翔先生在大會上分享了律商?險是如何應(yīng)對這些挑戰(zhàn)的。
首先，構(gòu)建“兩個生態(tài)圈”，開源節(jié)流，最大化從人解決方案價值。律商風險構(gòu)建“數(shù)據(jù)?態(tài)圈”和“應(yīng)??態(tài)圈”，節(jié)流開源，追求最?化從?信息價值的同時，幫助保司控制數(shù)據(jù)成本。以數(shù)據(jù)?態(tài)圈為例，對上游各類從?數(shù)據(jù)的研究，篩選出數(shù)據(jù)穩(wěn)定、?險區(qū)分效果顯著的數(shù)據(jù)要素，包括信貸、電商、消費?融、App數(shù)據(jù)等，實現(xiàn)從?數(shù)據(jù)要素整合。?前，律商?險從?數(shù)據(jù)已覆蓋80%的中國?主?群。在從?信息落地??，探索出“?險篩選”+“精準營銷”+“客戶運營”的應(yīng)??式，構(gòu)建“應(yīng)??態(tài)圈”，以協(xié)助保司最?化提取從?數(shù)據(jù)的信息價值。在?險端，圍繞核保篩選和定價模型優(yōu)化。在營銷與客戶運營端，注重 “?戶畫像標簽”的挖掘。
其次，領(lǐng)先的建模能力，構(gòu)建適配稀疏數(shù)據(jù)的模型算法。在模型??，依托全球數(shù)據(jù)科學(xué)團隊與中國本?的專業(yè)精算能?，律商風險試圖構(gòu)建適配從?數(shù)據(jù)稀疏性特征的模型算法。
再次，“聯(lián)邦學(xué)習” + “隱匿查詢”，為隱私安全保駕護航。在隱私安全??，通過“聯(lián)邦學(xué)習”和“隱匿查詢”等技術(shù)?案，為隱私安全保駕護航。
最后，“穩(wěn)定相關(guān)”與“因果挖掘”并重，提升評分結(jié)果的可解釋性。律商風險將從?信息的底層歸納為四類隱性特征：“精?專注”、“敏捷守規(guī)”、“謹慎專業(yè)”和“?為規(guī)律”。例如，?個信?等級良好的?，按時償還信貸，遵守規(guī)則，他們敏捷守規(guī)，更少的觸發(fā)決策錯誤；相反，貸款杠桿過?，會導(dǎo)致他們精神焦慮，“精?專注”下降，導(dǎo)致駕駛過程中出現(xiàn)“識別錯誤”。
單翔先生最后表示，當下，最?的?險就是我們對?險視?不?。“凡益之道，與時偕?。”，讓我們以?為本，主動應(yīng)對，馭險有術(shù)。
關(guān)注“律商風險決策”微信公眾號，點擊“以人為本，馭險有術(shù)”文章，掃碼提交信息，即可下載律商風險《以人為本，馭險有術(shù)》PDF版演講文件。
