高速大数据|首个乘用车保险高速风险筛查助手是车险行业的一剂良药吗？

先来看一下车险行业的部分背景

根据中国银行保险业监督管理委员会数据，2019年1-10月，中国保险公司车险保单投保数量为3.98亿件，风险保障金额(保额)达到199.82万亿元。

但由于商车费改继续深化，新车费率下调，旧车费率持续下降以及2018年中国新车销量首次负增长，市场增量不足。

来自前瞻产业研究院整理的数据，2018年，中国车险市场保费收入7834亿元，增速为4.20%，增速较2017年下降5.8个百分点，延续了2013年以来增速下降的趋势，是2000年以来的最低增速，而且首次低于5%。

车险市场保费收入下跌，家用车业务该何去何从？

在车险市场保费收入增速呈持续下跌趋势，以及家用车市场几乎饱和且竞争十分激烈的前提下，险企家用车业务该怎么做？

传统家用车业务一般都被当作优质业务为各家保险公司所争夺的重点，各家保险公司之间的竞争主要是价格战。

国内险企在车险定价上简单粗暴，属于“从车主义”，简单来说就是保费的多少和客户的汽车购置价格、购车年限、理赔记录、排量、座位数以及营销人员的让利有关系。

与国外的车险定价因素是“从人主义”差别很大，美国的保险公司在保险定价上会更多地参考开这辆车的人驾驶记录、驾驶习惯、家庭等因素，相同的车型不同的人付不同的保费，但是获得同样的服务，保险公司还可以对于风险较高的业务直接拒保以保证降低赔付率。

不过随着国内的车险费改，保险公司自主定价能力放开后，国内一些保险科技企业也开始探索“从人主义”，目前国内的“从人主义”大多还是依据驾驶人的年龄、性别、受教育程度、居住地等信息来判断风险的高低，数据之间关联度弱，无法真正用这些数据维度来评价私家车主的风险高低。要想真正做到“从人主义”，需要有和车辆直接相关的数据出现。

权威高速大数据的开放，能改变家用车保险业务吗？

数据宝作为中国领先的国有数据资产增值运营服务商，承担国有大数据资产增值共享开放流通先行试点之重任，通过与国家权威机构合作，推动交通大数据的重要组成部分——高速大数据的开放共享，通过建立“安全堡垒机集群”，确保“底层数据不出库”、“数据交互零缓存”，在保障国有数据安全的前提下，自主研发成熟的交通大数据产品，助推交通大数据的稳步开放、安全流通及合法合规应用，助力车辆信用体系建设及完善。

高速大数据与整体驾驶行为高度相关

在探讨高速大数据在保险领域的应用中，数据宝在与生态合作伙伴云险科技联合初期碰撞后发现，高速大数据涵盖的里程数据与车辆的实际行驶里程数据存在强关联性，能对车辆风险做出更精准的区分，尤其对于高风险车辆。同时，高速大数据涵盖的深夜行驶、超速等一系列高风险因子也与车辆风险有强关联，正如云险创始人邓东旭提到的“私家车的用车行为是有惯性的”，在风险高、容易出重大事故的高速路上经常超速的驾驶员，在任何路段的驾驶行为习惯也会比较差；在高速行驶里程很高的车辆，同样整体行驶里程也很高。

高速大数据+AI的碰撞，给家自车业务带来一剂良药

基于全国高速大数据的里程及多维动态因子，数据宝联合生态合作伙伴云险科技联合建模推出首个乘用车保险高速风险筛查助手——“高速保”，高速保是以对风险评价的形式输出模型结果，为家用车险提供稳定、有效、快速的车辆使用维度的风险细分工具，帮助车险企业有效识别高风险业务，同时有效保护用户隐私。

高速保是基于车主的多维度数据，利用业内目前最先进的风险评级的建模方法，它综合了用户车辆的高速里程、通行频次、路线重复率、危险驾驶行为、行驶时间偏好、车辆维修特征等数据，直观呈现出用户的风险等级。通过输入车牌号、车牌颜色、VIN码，输出A、B、C1、C2、C3、C4不同的结果，其中C类为风险较高业务，建议保险公司在承保时可考虑剔除或在定价上进行浮动调整，为了更细致区分风险业务等级，C类分为C1-C4的等级，C4类是最有可能为高风险业务的劣质用户，保险公司需要对其慎重考虑。

随着大数据和机器学习的热门，保险科技赛道上的选手也越来越多，如何将概念落地，切实用数据赋能保险，才是关键所在。高速保作为首个加入高速因子的风险模型覆盖了全国范围约80%的乘用车，查得率高；秒级反馈评级结果，支持保险公司的实时报价、核保的响应时效要求，响应速度快；高速保还具有准确率高特点，按照模型预测风险从低到高分为A、B以及C1-C4共6组，如果切除高风险5%左右的业务，预计赔付率可以降低2.8%左右；此外，数据宝作为全面助推国有交通大数据开放、共享、应用落地的独家平台，数源来源权威合规，真实可信，动态更新，量化风险评分，轻量级API对接，方便险企快速接入开展业务。