應用大資料和機器學習技術實現車險全流程智慧化的方案（上）

-承保流程智慧化改造

一、簡要說明

以技術替代人力的思路對車險全業務流程改造，即應用車險大資料和機器學習技術全部或部分替代承保理賠管理相關業務處理崗位，實現車險業務處理流程、風險識別與控制的智慧化。本篇只討論承保環節。

二、車險應用大資料和機器學習技術的相對優勢

車險相對其它保險產品在應用大資料和機器學習技術方面具有以下優勢：

1.同質風險數量足夠大，識別準確性更高。

2.單位風險最大損失小，容錯率更高。

三、實現方案

傳統模式流程圖請見“圖1:傳統模式承保流程”。在傳統模式下，保險公司委託公司自有或合作中介渠道的銷售人員銷售展業，對於相關規則和要求必須要編寫銷售指引材料並予以培訓；投保資料的提交和投保資訊的錄入必須要設定專門的出單崗位，而且必須要編寫相應的實務以及足夠的培訓；核保人員要根據經驗對資料進行分析，在精算定價的基礎上對價格在一定幅度予以調整，同時要識別其中可能的道德風險。這種模式完全以人的經驗積累和專業技能來實現車險承保風險的控制和提升服務效率，人是其中最重要的因素，不同人甚至同一個人在不同時間都很難達到同樣的工作質量和工作效率，而且成本太高，對於競爭激烈、利潤微薄的車險產品來講，投入與產出並不匹配。

圖1：傳統模式承保流程

基於目前大資料、機器學習以及移動網際網路技術的發展，完全可以採用直接面對客戶（也可以面對銷售人員，但面對客戶更優）、用機器替代人力的方式來實現承保全流程的智慧化。

概要實現思路見圖2。

圖2：智慧模式承保流程

在此種模式下，前臺由客戶根據提示掃描上傳證件資料，自動識別填寫資訊，識別虛假、偽造資料風險，然後通過機器學習演算法+歷史承保資料得出的損失預測模型定性和定量風險，並給出報價、生成保單，完成投保保全流程。後臺方面，實際承保資料記錄至資料庫，並將其理賠資料結合生成機器學習所用的大資料。核保人員在此大資料基礎上開發機器學習演算法，建立損失預測模型實現智慧自動核保，不再使用目前規則窮舉的方式實現自動核保。

1.採用網際網路技術，通過足夠簡單明瞭的方法讓每一個人都成為出單崗位的替代者，理想狀態下不再需要專門的出單崗位。

2.通過機器學習演算法識別客戶證件資訊，實現自動預填，不再需要人工錄入。

3.利用公司自身及保信平臺大資料完全可以自動判斷是否脫保。

4.對照片拍攝時間、是否PS過等自動識別，排除道德風險。

5.通過機器學習演算法對驗車照片識別，以判斷是否存在帶傷投保的可能性。

6.核保人員的工作由目前統計分析資料、制定承保政策、銷售指引、培訓等工作轉為機器學習演算法和模型的開發、模型效果驗證和修正等工作，在人數上要大幅精減，工作內容也要有較大的變化，專業能力方面要求更高。

7.保單資料庫定期把資料更新到機器學習資料庫中，由演算法自動根據最新的演算法修正模型引數。

8.考慮到相容傳統銷售模式，可以把模型輸出成銷售指引、核保政策等形式。

四、預期影響

正面的影響包括幾個方面：

1.管理成本特別是人力成本大幅縮減。

2.效率會大幅提高。

3.標準化程度會更高，人為影響因素降低。

4.特別適合車險網際網路化的業務模式。