大数据产生大结果:保险赔付率预测模型效能提升高达30%
1月8日,2016中国(杭州)“互联网+”金融大会,来自律商联讯风险信息公司(LexisNexis Risk Solutions)的保险业务首席执行官 Bill Madison进行了“大数据在保险行业的应用和探索”的精彩演讲。Bill指出,若想在当今的大数据时代充分挖掘数据价值,我们必须首先明确自身的战略诉求,再借助海量数据资源、大数据技术、关联和分析能力、以及行业专长满足个性化的诉求。
公共记录引入保险市场 赔付率预测模型效能提升高达30%
近年来,核心的银行征信数据已经发生了变化,除了消费者行为的改变和数据明细程度的提升,还产生了一些全新的数据字段,为消费者风险评估带来了许多有价值的新洞见。面对不断演变的数据来源,律商联讯长期致力于扩展消费者风险分析维度,从全球超过1万3千多个数据源采集了500亿条消费者和企业记录,为保险和金融服务等行业积累了海量的数据资源,其中包括:历来的居住地址和住址稳定性,电话和水电煤气记录,职业证书,教育历史,破产、抵押、判决和驱逐等数据。
除了丰富的公共记录和第三方数据资源以外,律商联讯通过建立保险行业共享型数据平台,为行业引入了一个全新的数据成分,完善了为以保险为中心的消费者金融视图。
律商联讯将这些非传统数据引入保险市场,生成独特的变量和行业风险评分,与传统征信数据一起用于风险定价和承保决策,帮助保险行业利用数据优化工作流程,更好地评估风险,从而提升从展业到理赔、覆盖客户完整保险生命周期的各个环节的工作效率。
如下图所示,掌握的数据越多,保险赔付风险模型的预测能力就越强。每增加一个数据集,我们都能看到模型的预测准确度获得显著提升——改良后的信用记录,加上公共记录,再加上保险赔付历史,可以在传统信用记录的基础之上带来30%的模型效能提升。
如何使大数据应用切实可行
律商联讯的大数据战略远远超过了数据或数据技术本身,40年的行业积累使得律商联讯能够在吃透行业的基础上进行数据关联和分析,并利用行业专长提供以客户为中心的解决方案。
律商联讯总结多个国际市场运营经验后发现:保险公司拥有一套自己的工作流程,从初期的保险展业开始,直至为客户提供理赔服务。在这个保险生命周期中,保险公司每次与消费者接触的节点,都是一次获取知识的节点,有机会更进一步地了解消费者。律商联讯希望在每一个工作节点,都可以为保险公司提供与消费者个人相关的信息和洞见,帮助保险公司更好地理解风险。为了实现这一目标,律商联讯在美国及多个海外市场建立了与保险公司之间的单一数据管道,将数据和分析产品在每一个相关工作节点推送给保险公司,充分满足其各个节点的风险信息需求。
Bill最后总结到,数据问题其实很简单:数据越大越好。更多的数据和更好的关联能够为我们带来更加丰富的个体档案,以及更加完整、准确的个体间关系。借助足够多的数据,我们就能够掌握每一个客户的切实可行的个性化洞见,为每一个客户定制完全贴合其需求的产品和服务。只有这样,大数据才能真正凸显其价值所在。
律商联讯风险信息公司(简称:律商联讯)是一家全球领先的风险信息服务提供商,向保险、医疗健康、法律、金融服务等行业及政府机构提供风险预测、评估及管理服务。律商联讯是励讯集团(RELX Group,原名励德爱思唯尔集团Reed Elsevier)的全资子公司。励讯集团是世界最大的专业信息解决方案提供商之一,在科技、医学、风险、法律和商业信息等领域为120多个国家的客户服务。
数据分析咨询请扫描二维码
需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20