在近期召开的主题为“洞见当下风险”2024国际保险科技创新和应用论坛上,律商联讯风险信息(以下简称“律商风险”)数据科学负责人单翔先生发表了“以人为本,驭险有术”的主题演讲,与车险行业的参会嘉宾共同探讨了从人因子在中国车险市场应用的效果、挑战和解决方案,强调以驾驶员为中心采集数据要素,以更为广阔的信息视野评估和管理车险⻛险,律商风险致力于将各类数据有机融合,为保司提供增量价值。
车之驾险,驭者之责重焉
“车之驾险,驭者之责重焉”,单翔先生表示,驭⻢、驭⻋,变化的是驾驶对象,但亘古不变的是驾驶员的责任。这与大会的主题“洞见当下风险”不谋而合,以人为本,认知驾驶员在交通安全与⻛险事故中的重要性,可以更好的识别和管控⻛险。
“美国:94%的道路交通碰撞事故,归因于驾驶员”单翔先生分析道,根据美国国家公路交通安全管理局的统计(NHTSA),在历时三年抽样调查的⻋辆事故中,导致碰撞事故发生的原因主要原因包括:驾驶员、⻋辆和环境。其中,起到决定性作用的是驾驶员,占比高达94%。将近因主要归纳为四类,分别是:识别错误、决策错误、操作错误和非操作错误。识别错误是指驾驶员未能准确觉察驾驶环境,占比约41%,包括驾驶员分心,如查看手机等;决策错误占比约33%,强调驾驶员决策判断准确的重用性,例如并线时,错误判断周边⻋辆位置、速度等;操作错误和非操作错误,分别占比11%和7%。操作错误指在应急情况下未能冷静处理,反应过度,例如雨天轮胎打滑,方向盘操作不当;典型的非操作错误包括开⻋犯困等。数据分析表明,驾驶员行为在交通安全事故中的重要性。认知驾驶员,就是为更好的认知⻛险。
“中国车险定价仍处于‘重车轻人’的阶段。”单翔先生表示,监管发布的基准费率中,定价因子的构成覆盖从⻋、从用和从环境,缺少从人因子。保险自主定价模型中,各类因子的重要性,主要围绕年龄和性别的从人因子,重要性占比约11%。整体而言,中国⻋险定价依然处于“重⻋轻人”的阶段。与之相反,美国广泛使用从人因子,处于“人⻋并重”的阶段。在美国,私家⻋投保时,消费者最为关注的影响费率的10个因子中,与驾驶员相关的从人因子占据4个。除了传统的性别、年龄,信用记录、教育背景、职业等从人因子被广泛使用。
“在中国,从人因子对车险风险细分起重要作用”单翔先生分析道,律商风险基于中国车险风险研究了典型从人因子对风险的区分能力。对比美国市场,典型从人因子在中国市场呈现相似风险趋势。
从人评分在新能源、二手车、
疑似营运等场景“大有可为”
单翔先生在大会上表示,单个的从人因子对风险的区分具有显著效果,将这些从人因子整合形成从人评分,从人评分在新能源、二手车、疑似营运等场景“大有可为”。
首先,伴随中国新能源⻋销量的快速增⻓,新能源⻋在新⻋中的渗透率已超过40%。新能源⻋⻛险识别是当下保险公司关注的重点领域。律商⻛险结合中国市场和美国市场的共同研究,发现驾驶燃油⻋的司机在切换新能源⻋时,他们需要平均在10个月至12个月,去适应电动⻋驾驶变化。具体适应快慢,会因人而异。
其次,新能源⻋的新⻋、次新⻋占比要显著高于燃油⻋。面临“从用信息断层或储备不足”。与之相反,人的信息,天然具备连续性和延续性。不会因为购买新⻋或换⻋,失去从人信息对⻛险的预测力。以二手车为例,结合从人信息,E类高⻛险是A类低⻛险赔付率的1.58倍。
最后,研究中还发现,即便从用信息暴露充分,如续保⻋辆掌握历史NCD等级或者近一年的累积里程等动态信息,从人评分依然能稳定提供额外的⻛险区分度。识别疑似营运⻋场景,从人数据所识别出的营运⻋辆,出险率要比平均水平高出1.35-1.5倍。
引入从人因子价值:制定更公平的费率,
提升市场竞争力
“精细化分类费率制定,最为重要的价值是:确保投保人获取公平费率,提升保司市场竞争力。” 单翔先生在大会上表示,如某保司没有对高⻛险人群(红色)与低⻛险人群(绿色)实施⻛险细分,使用平均费率,会进一步加剧⻛险逆向选择。与之相反,市场其他保司采取了有效策略,制定更公平的费率和⻛险细分,可以实现业务的有利选择,确保可持续的竞争力和盈利能力。
“引入从人因子价值:挖掘从人信息价值,提升风险细分能力”,单翔先生表示,从信息学的⻆度看,定价模型需要从实际⻛险中提炼出可预测成分,即有效信号,而尽可能降低预测不准部分,即噪音。从人因子的引入,可以让我们获取更多的有效信号,降低噪声的比例,提升定价模型的⻛险细分能力,制定更公平的费率。
“独特价值:风险区分能力——独立于传统定价因子”,单翔先生表示,以下图为例,从人评分的⻛险区分效果无论是对于⻋损险还是责任险,能对出险率提供约2倍以上的区分度。律商风险在与某保司研究中发现,如果仅使用保司现有定价模型,实现3倍的赔付率⻛险区分;如果单独使用从人评分,实现2倍的⻛险区分;如果将两者融合,经过从人信息增强的定价模型,可以提供3.6倍的赔付率⻛险区分。
律商风险助力保司:攻克从人落地四大挑战
加速从人赋能车险新质发展
“在中国⻋险市场,从人信息应用正处于萌芽与萌发的临界点”。单翔先生在大会上表示,突破应用成本、建模落地、隐私安全和可解释性四大挑战,就能加速从人数据赋能⻋险新质发展。首先,与人相关的信息多样、数据源多样,导致落地应用的成本高;其次,从人变量的高维度(例如常常遇到几千个变量因子)、多水平(例如,职业变量就有上百个分类)和稀疏性,导致建模落地难度大;再次,信息查询主键涉及个人信息,在个人隐私强监管环境下,导致合规要求高。最后,由于从人变量与保险事故之间的弱因果性、弱传递性,导致从人评分被视为“黑箱”。
单翔先生在大会上分享了律商⻛险是如何应对这些挑战的。
首先,构建“两个生态圈”,开源节流,最大化从人解决方案价值。律商风险构建“数据生态圈”和“应用生态圈”,节流开源,追求最大化从人信息价值的同时,帮助保司控制数据成本。以数据生态圈为例,对上游各类从人数据的研究,筛选出数据稳定、⻛险区分效果显著的数据要素,包括信贷、电商、消费金融、App数据等,实现从人数据要素整合。目前,律商⻛险从人数据已覆盖80%的中国⻋主人群。在从人信息落地方面,探索出“⻛险筛选”+“精准营销”+“客户运营”的应用方式,构建“应用生态圈”,以协助保司最大化提取从人数据的信息价值。在⻛险端,围绕核保筛选和定价模型优化。在营销与客户运营端,注重 “用户画像标签”的挖掘。
其次,领先的建模能力,构建适配稀疏数据的模型算法。在模型方面,依托全球数据科学团队与中国本土的专业精算能力,律商风险试图构建适配从人数据稀疏性特征的模型算法。
再次,“联邦学习” + “隐匿查询”,为隐私安全保驾护航。在隐私安全方面,通过“联邦学习”和“隐匿查询”等技术方案,为隐私安全保驾护航。
最后,“稳定相关”与“因果挖掘”并重,提升评分结果的可解释性。律商风险将从人信息的底层归纳为四类隐性特征:“精力专注”、“敏捷守规”、“谨慎专业”和“行为规律”。例如,一个信用等级良好的人,按时偿还信贷,遵守规则,他们敏捷守规,更少的触发决策错误;相反,贷款杠杆过大,会导致他们精神焦虑,“精力专注”下降,导致驾驶过程中出现“识别错误”。
单翔先生最后表示,当下,最大的⻛险就是我们对⻛险视而不⻅。“凡益之道,与时偕行。”,让我们以人为本,主动应对,驭险有术。
关注“律商风险决策”微信公众号,点击“以人为本,驭险有术”文章,扫码提交信息,即可下载律商风险《以人为本,驭险有术》PDF版演讲文件。