（金融保险）P保险行业大数据应用.pdfVIP

（金融保险）P 保险行业大 数据应用 客户的退保概率或续期概率进行估计，找出高风险流失客户，及时预警，制定挽 留策略，提高保单续保率。 （3）客户关联销售。保险公司可以关联规则找出最佳险种销售组合、利用时序 规则找出顾客生命周期中购买保险的时间顺序，从而把握保户提高保额的时机、 建立既有保户再销售清单与规则，从而促进保单的销售。除了这些做法以外，借 助大数据，保险业可以直接锁定客户需求。以淘宝运费退货险为例。据统计，淘 宝用户运费险索赔率在50%以上，该产品对保险公司带来的利润只有5%左右，但 是有很多保险公司都有意愿去提供这种保险。因为客户购买运费险后保险公司就 可以获得该客户的个人基本信息，包括手机号和银行账户信息等，并能够了解该 客户购买的产品信息，从而实现精准推送。假设该客户购买并退货的是婴儿奶粉， 我们就可以估计该客户家里有小孩，可以向其推荐关于儿童疾病险、教育险等利 润率更高的产品。 （4）客户精准营销。在网络营销领域，保险公司可以通过收集互联网用户的各 类数据，如地域分布等属性数据，搜索关键词等即时数据，购物行为、浏览行为 等行为数据，以及兴趣爱好、人脉关系等社交数据，可以在广告推送中实现地域 定向、需求定向、偏好定向、关系定向等定向方式，实现精准营销。 第二方面：欺诈行为分析 基于企业内外部交易和历史数据，实时或准实时预测和分析欺诈等非法行为，包 括医疗保险欺诈与滥用分析以及车险欺诈分析等。 （1）医疗保险欺诈与滥用分析。医疗保险欺诈与滥用通常可分为两种，一是非 法骗取保险金，即保险欺诈；另一类则是在保额限度内重复就医、浮报理赔金额 等，即医疗保险滥用。保险公司能够利用过去数据，寻找影响保险欺诈最为显著 的因素及这些因素的取值区间，建立预测模型，并通过自动化计分功能，快速将 理赔案件依照滥用欺诈可能性进行分类处理。 （2）车险欺诈分析。保险公司够利用过去的欺诈事件建立预测模型，将理赔申 请分级处理，可以很大程度上解决车险欺诈问题，包括车险理赔申请欺诈侦测、 业务员及修车厂勾结欺诈侦测等。 第三方面：精细化运营 （1）产品优化，保单个性化。过去在没有精细化的数据分析和挖掘的情况下， 保险公司把很多人都放在同一风险水平之上，客户的保单并没有完全解决客户的 各种风险问题。但是，保险公司可以通过自有数据以及客户在社交网络的数据， 解决现有的风险控制问题，为客户制定个性化的保单，获得更准确以及更高利润 率的保单模型，给每一位顾客提供个性化的解决方案。 （2）运营分析。基于企业内外部运营、管理和交互数据分析，借助大数据台， 全方位统计和预测企业经营和管理绩效。基于保险保单和客户交互数据进行建模， 借助大数据平台快速分析和预测再次发生或者新的市场风险、操作风险等。 （3）代理人（保险销售人员）甄选。根据代理人员（保险销售人员）业绩数据、 性别、年龄、入司前工作年限、其它保险公司经验和代理人人员思维性向测试等， 找出销售业绩相对最好的销售人员的特征，优选高潜力销售人员。 2014 年上半年互联网、保险行业 大数据应用方案投资快速增长 时间 2014-12-0813:52:18 企业网原文 hyxg/320653. 计世资讯（CCWResearch ）计算机系统研究部总监丁震认为，当前，数据价值挖 掘已经成为互联网、保险等行业大数据应用投资增长的重要推手。2014 年，虽然 大数据的应用还没有深入普及，但是已经有越来越多的行业用户尝试引入大数据 相关技术解决如何管理、利用日益增长的各类数据，而往往这样的技术引入都或 多或少伴随着 IT 产品和方案（如中高端存储系统）的更新换代。特别是像互联 网、保险这样的行业，对于客户行为分析、信息甄别、影像对比等方面的需求日 益增加，在最近一两年和未来两三年，都已经或计划应用更多的大数据技术，并 且倾向于采购更加高效和灵活的大数据系统。 例如，互联网的数据要求实时分析，例如广告监测、B2C 业务，往往要求在数 秒内返回上亿行数据的分析，从而达到不影响用户体验和快速准确营销的目的。 可以采用精心设计的传统关系型数据库组成并行处理集群，或者采用一些内存计 算平台，或者采用 HDD 的架构，这些无疑都需要比较高的软硬件成本。目前，很 多电子商务网站对购买者的行为进行分析，当有一笔消费，或者一个查询产生时， 网站向用户提供实时的推荐产品。这个功能是通过用户的购买倾向，迅速地从大 量商品中找到相似或相关联的产品。实时推荐功能的实施，对数据存储的结构、 调用、分析速度的要求非常高。大数据分析可以为电子商务带来更低的独立