前言
大数据作为一种基础的技术和工具，能够为企业挖掘出其他资源的价值，因而被广泛运用于商业模式的创新之中。在运用大数据对企业关键业务的创新中有以下几种情况：
1）以“大数据”设施和技术作为基础，以数据信息流为线索对整个业务流程进行再造。
2）以“大数据”活动取代传统的业务流程，使企业的业务经营模式发生变化。
3）把“大数据”活动纳入价值创造流程，寻找新的价值创造方向和路径。
4）基于“大数据”的流程再设计，以“大数据”作为解决问题的新方法，提高某一业务流程的效率或效果。
本文即针对其中第三点，通过一个有关保险的案例来诠释把大数据活动纳入价值创造流程的具体意义。
案例引入
车险是有车一族都需要购买的，然后在购车险的过程中，会产生各种各样的有趣的问题，例如“我”是一个开车很守规矩，驾驶习惯良好的人，而小明是一个开车习惯不好，经常急转弯的富二代，明明我开车出事的风险比小明小很多，却要花同样的钱来买车险，这明显是不公平的。从“我”这样的心理出发，就会出现“劣币驱良币”的现象，而对于车险公司来说，这种“逆向选择,劣币驱良币”一直是一个令人头痛的问题。
我们拿自助餐做对比，假如你去吃自助餐，大家都支付统一的价格，你既可以一人吃三人份，也可以只吃寥寥几口。对于哪些胃口小、只吃寥寥几口的人，他们会因为自己吃不回本，在大概率上不去自助餐吃饭，从而导致往往去吃自助餐的都是饭量很大的人。对于餐厅来说，良币是胃口小的人（带来正收益），劣币是胃口大的人（带来负收益），胃口大的人因投机心理乐意来吃自助餐，而胃口小的人因成本不及收益而不愿意吃自助餐，这就是一种劣币驱良币的现象。
在车险市场也是一样的，A开车习惯良好，没事就把车停在车库；B天天开长途，开车习惯差，而保险公司和自助餐老板用一样的思维——所有人收取统一的费用，不管你是每天都在开车还是只是把车停在车库。是不是发现了什么？原来一直以来我们都亏大了！可见，对于车况行驶良好、行驶良少的车主，车险的定价是不公平的。
案例介绍
UBI车险公司Metromile
针对上述问题，Metromile公司利用大数据依据车主行车情况来浮动为车险定价。
Metromile公司通过免费OBD设备和配套手机应用提供“按里程计费”的车险，公司服务覆盖美国的加州、伊利诺伊州、新泽西州、俄勒冈州、宾夕法尼亚州和华盛顿州等地区，已经成为美国UBI领域的标杆性企业。
由于表现突出，该公司自2014年以来，先后获得了将近2亿美元的投资，今年9月，其又获得新的一轮投资，太保跻身其中，战略投资5000万美元。
用一句话来解释Metromile的业务即为：
基于车主驾驶行为，依靠后装的OBD设备采集数据，再利用数据分析来浮动制定保险价格。
具体来看：
1）OBD设备采集数据
Metromile通过无线通信车载设备Metromile Pulse——一个可以插进汽车诊断端口的小型电子器件——来搜集行驶数据。比如，里程数，速度，急停熄火次数，急转弯次数等等。这些数据用户可以在自己手机APP上看到，从而反馈激励自己更良好的行车。
2）依据数据确定报价
用户的每日行驶里程会被大多数保险公司作为车险定价的考虑因素之一，另外保险公司也会考虑诸如驾驶者年龄、信用历史和行车记录等其他因素。相对之下，Metromile则更进一步，利用OBD采集的多维度数据，提供正好与你行驶里程相匹配的、基于使用情况的保险定价策略
就拿其中的里程数举例。即先设定一个每月基础费用，再设定一个每英里的费用率，一个用户支付了29.7美元的每月基础费用和3.8美分/英里的费用率。如果他一月行驶了500英里，他这个月就需要支付29.7+0.038×500=48.7美元的保费。
效果：Metromile保证了高质量（低风险）用户的权利，根据官网统计，在用户使用Metromile的服务后，平均每人每年可以省下611美元的保费
总结
看完上面的案例，再看这句话就容易了许多，原本的车险行业以大数定理为基准，采用的是“统一定价”的思维，而UBI车险将车主行车相关的数据纳入了价值创造之中，达到了根据不同人的数据提供个性化服务的效果（不同价格的车险），为风险小的人带来了返利，实现了新的价值创造，也为企业找到了新的价值增长点。