应用大数据和机器学习技术实现车险全流程智能化的方案（上）

应用大数据和机器学习技术实现车险全流程智能化的方案（上）

-承保流程智能化改造

 

一、简要说明

以技术替代人力的思路对车险全业务流程改造，即应用车险大数据和机器学习技术全部或部分替代承保理赔管理相关业务处理岗位，实现车险业务处理流程、风险识别与控制的智能化。本篇只讨论承保环节。

二、车险应用大数据和机器学习技术的相对优势

车险相对其它保险产品在应用大数据和机器学习技术方面具有以下优势：

1.同质风险数量足够大，识别准确性更高。

2.单位风险最大损失小，容错率更高。

三、实现方案

传统模式流程图请见“图1:传统模式承保流程”。在传统模式下，保险公司委托公司自有或合作中介渠道的销售人员销售展业，对于相关规则和要求必须要编写销售指引材料并予以培训；投保资料的提交和投保信息的录入必须要设置专门的出单岗位，而且必须要编写相应的实务以及足够的培训；核保人员要根据经验对数据进行分析，在精算定价的基础上对价格在一定幅度予以调整，同时要识别其中可能的道德风险。这种模式完全以人的经验积累和专业技能来实现车险承保风险的控制和提升服务效率，人是其中最重要的因素，不同人甚至同一个人在不同时间都很难达到同样的工作质量和工作效率，而且成本太高，对于竞争激烈、利润微薄的车险产品来讲，投入与产出并不匹配。

 

图1：传统模式承保流程

基于目前大数据、机器学习以及移动互联网技术的发展，完全可以采用直接面对客户（也可以面对销售人员，但面对客户更优）、用机器替代人力的方式来实现承保全流程的智能化。

概要实现思路见图2。

 

 

 

图2：智能模式承保流程

在此种模式下，前台由客户根据提示扫描上传证件资料，自动识别填写信息，识别虚假、伪造资料风险，然后通过机器学习算法+历史承保数据得出的损失预测模型定性和定量风险，并给出报价、生成保单，完成投保保全流程。后台方面，实际承保数据记录至数据库，并将其理赔数据结合生成机器学习所用的大数据。核保人员在此大数据基础上开发机器学习算法，建立损失预测模型实现智能自动核保，不再使用目前规则穷举的方式实现自动核保。

1.采用互联网技术，通过足够简单明了的方法让每一个人都成为出单岗位的替代者，理想状态下不再需要专门的出单岗位。

2.通过机器学习算法识别客户证件信息，实现自动预填，不再需要人工录入。

3.利用公司自身及保信平台大数据完全可以自动判断是否脱保。

4.对照片拍摄时间、是否PS过等自动识别，排除道德风险。

5.通过机器学习算法对验车照片识别，以判断是否存在带伤投保的可能性。

6.核保人员的工作由目前统计分析数据、制定承保政策、销售指引、培训等工作转为机器学习算法和模型的开发、模型效果验证和修正等工作，在人数上要大幅精减，工作内容也要有较大的变化，专业能力方面要求更高。

7.保单数据库定期把数据更新到机器学习数据库中，由算法自动根据最新的算法修正模型参数。

8.考虑到兼容传统销售模式，可以把模型输出成销售指引、核保政策等形式。

四、预期影响

正面的影响包括几个方面：

1.管理成本特别是人力成本大幅缩减。

2.效率会大幅提高。

3.标准化程度会更高，人为影响因素降低。

4.特别适合车险互联网化的业务模式。