2025保险大数据智慧应用.docx

保险大数据智慧应用

2025

没有智慧的大数据

没有智慧的大数据——数据坟墓

“天网”案例

车辆牌号

识别系统

缺乏

车辆定

位系统

缺乏

车辆行驶

轨迹系统

缺乏

天生大数据？电子商务

天生大数据？

电子商务

保险电

子商务

没有智慧，你不一定能实现大数据

某保险电子商务团队的案例

初始智慧

缺乏

大流量大数据

保险电子商务成功

有大数据，如果不发展智慧，浪费

运费保险的案例

淘宝大数据

大数据 扭转

智慧 亏损

缺乏

大数据智慧的形成路径

大数据智慧的形成路径

数据库

BI、OLAP

数据挖掘

数

据

信

息

知

识

智

慧

模型

处理

业务

目标

业务

应用

大数据智慧的核心：探求新知识大领导的

大数据智慧的核心：探求新知识

大

领导的

旧知识

统计

验证

数

据

数据

挖掘

新知识

核心竞争力

智慧为什么能提升金融效率

四个提升理论

1、配置提升（车险理赔最迫切改进点的案例，2.51倍）

（车险电销客户细分的案例，1.935倍）

2、技能提升（车险电销智能话术的案例，1.02倍至2.94倍）

3、知识提升（车险电销成交率提升10倍，对比寿险电销）

4、客户提升（智慧项目对客户有效率影响的案例，每年1.05

倍，如10年期意味着1.5倍）

怎样验证智慧的有效性

不建议采用传统的ROI绝对效率测度

1、显效的长期性

2、知识的溢出性

3、提升的间接性（通过其它部门的努力才能显现效果）

建议采用“提升度”(lift)相对效率测度

提升度=采用大数据智慧的结果/不采用大数据智慧的结果

大数据智慧在保险行业的作用

保

险 潜在客户获取

哪些客户是如何提升客户

哪些客户是

如何提升客户

如何进行交叉销

如何延长客户

客户为何流失？

企业的目标

价值？

售？

生命周期?

如何进行客户挽

客户？

哪些客户是高

如何进行提高客

留？

如何吸引客

户？

价值客户？

户忠诚度？

客户接触

客户成熟

客户价值衰退

客户流失

在客户生命周期的不同阶段，

基 企业应选取不同的策略

于

生 客户细分（包含产品偏好、服务偏好、消费方式偏好、风险偏好等）

命

周 营销响应

期 交叉销售和二次销售

的 欺诈监测

数 客户流失预警

据

挖 客户挽留

掘 代理人甄选

大数据智慧在金融电信的其它主要应用

客户满意度研究（结构方程，SPSSAMOS）

风险评测（银行大数据智慧应用的主要领域）

证券投资（目前国内仍以指标分析为主，量化投资开始兴

起）

金融定价（如：车险定价方法，国际趋势是从精算方法，

向大数据建模方法转变）

产品开发（建立在客户细分的基础之上，此领域大数据智

慧应用电信行业领先）

案例一：车险电销客户细分

数据来源：核心业务系统的客户属性数据和客户接触数据研究方法：决策树

案例一：车险电销客户细分

试点结果：提升度（lift）1.935倍

预测组别

2-6月预测样本拨打数据成交情况

各组

成交率

试验

模型

实际未成交

实际成交

总计

模型预测成交概

率低组

11405

344

11749

2.93%

CHAID

决策树模型

模型预测成交概

率高组

5686

342

6028

5.67%

总计

17091

686

17777

3.86%

成交概率高组样

本占总样本比例

33.27%

49.85%

33.91%

1.94

案例二：车险电销智能话术项目

选项2：价格 选项5：理赔服务 选项1：公司品牌

案例二：车险电销智能话术项目

传统认识：

电销话术保持一致

重大创新发现：

不同年龄段车险电销客户的首要关注因素不同

政策建议：智能话术，根据客户进行调整

客户年龄小于X岁，应首先强调“价格低廉”，再提及“理赔优质服务”

客户年龄介于X岁和Y岁之间，应首先强调电销“理

赔优质服务”，再提及“价格低廉”

客户年龄大于Y岁，应首先强调电销“理赔优质服务”，再提及品牌

因素项均值偏离占比A44

因素项

均值偏离占比

A44

2.7%

A45

5.9%

A50

6.6%

A51

47.4%

A52

37.4%

数据来源：大量的客户调研

创设量化指标：负项均值偏离占比

案例三：车险电销客户决策因素探查

传统认识：

A49价格（回扣、优惠等）

A39-A48服务

颠覆性发现：

客户关系网络波及效应

A51朋友圈购买47.4%

A52朋友圈口碑37.4%

政策建议：

1、社区营销模式

2、客户转介绍模式

案例四：智慧项目对客户有效率影响

数据来源：CIF数据、核心业务系统数据和客户调研数据的综合匹配研究方法：统计方法

创设量化指标：客户有效率

案例五：车险理赔迫切改进点探查

问题项

均值偏离度

问题项

均值偏离度

b001

4.5%

b012

19.9%

b006

3.6%

b013

20.2%

b010

4.7%

b