一种基于用户移动大数据来分析驾驶风险的研究模型
1 研究背景
风险,一个永恒的话题,特别在汽车保险行业,“互联网+”下汽车共享经济深度影响着企业的风险运营模式,如何将驾驶行为人的多个维度数据进行结合,有效应用到个性化的保险产品中,从而实现风险与保费定价的匹配,让车企、保险公司、车主多方都获益呢?
先来回顾一下国内外车险发展历程,国外UBI业务模式早在十年前已经出现在美国,某保险公司联合通用汽车公司共同研究了这样一种业务模式,起初主要是追踪GPS的数据来获得车辆行驶的公里数,行驶里程越多风险越高,后来逐渐演变为获取更完备的数据,让企业不仅知道你开了多远,还了解你何时驾驶、如何驾驶、汽车当前状态怎样。显而易见,UBI的核心在于数据,而在数据方面国外一直走在我们之前。当你打开国内某车险官网,只需要输入车型,即告诉你选择的险种及保费;而如果你打开国外的车险报价网站或者车险比价平台时,你会发现除了要输入车型和车险的需求外,还需要回答谁最经常驾驶这辆车,他的性别、年龄、常住地址、租房还是买房、是普通住宅还是别墅、是老板还是员工、这辆车主要用途、家里是否还有其他车辆......等等一系列的问题,最终才会输出报价体系。不言而喻,报价不仅仅针对这个车辆,更和该车辆的使用者有关。
2 研究目标
在以上背景下, 极光大数据的研究人员基于车辆使用者的移动行为大数据,通过大数据处理、分析与机器学习模型等技术评估车主驾车行为的风险等级,通过风险等级指数为其提供个性化保单,为保险公司的车险业务提供相关决策支持。本文将通过车辆使用者的线上终端使用行为数据和线下各时段的活动信息(均已脱敏处理),根据该数据关联计算每辆车的各类驾驶行为变量,并根据车辆使用者在数据采集周期内出险情况与移动行为变量建立模型。通过特征选择获取对车辆出险有显著影响的驾驶行为,并得到驾驶行为变量对出险概率的影响程度。该模型可协助保险公司发掘影响车辆出险的重要行为因素,从而对车险保费进行差异化定价。
3 建模过程
本次建模过程包括数据准备、特征选择、风险量化、模型输出四个步骤,通过机器学习建模分析评估车主驾驶行为的风险程度,根据不同的风险等级提供相应的汽车服务。
图1 驾驶风险模型流程图
在算法框架选择上,由于XGBoost在大数据量级下性能表现优秀,而且可以完成特征选择和分类任务,这里我们在算法框架上使用XGBoost。
3.1数据准备
本次建模数据主要来自极光自有的用户标签体系,该标签体系是从人口唯一标识、人口统计维度、社会属性维度、金融行为特征、线下活动场景特征、一般行为特征这五大维度进行刻画,我们抽样了3万的样本用户进行研究,选择了共311个标签作为模型的自变量,国外某机构专业风险评分结果作为模型的因变量。
3.2特征选择
极光拥有海量的用户行为数据,选择极光用户全标签共311个属性作为变量。根据提供的训练样本我们对这些变量做如下处理:
1.首先进行数据探索,清洗异常数据,删除唯一值的变量以及重复列等异常情况;
2.接下来使用RandomForest算法进行训练,训练的目的不是为了得到最终结果,而是期望得到每个特征变量的重要性,为我们后面进行特征选择做准备;
3.将上一步的特征系数大于0.1的列筛选出来,作为模型的特征变量,最终剩余273个变量,下图仅列出部分重要性较高的Top12变量。
图2 特征选择结果
3.3模型训练
将训练样本的原始分数归一化到0~100,设置分类器数目为101,这样我们将在273个维度下进行预测,构建XGBoost分类器,使用Accuracy作为度量指标。基本参数设置如下:样本拆分80%为训练样本,20%为测试样本,迭代200次,输出测试结果,保存训练模型。
3.4模型结果及应用
针对共三万样本数据,进行交叉验证,效果如下(详见图3):
ü当误差阈值设定为0.1时,模型的Accuracy达到78.46%;
ü当误差阈值设定为0.2时,模型的Accuracy达到85.37%;
ü当误差阈值设定为0.3时,模型的Accuracy高达96.59%;
ü当误差阈值设定为0.5时,模型的Accuracy近乎可达到100%。
图3 模型误差结果
基于移动互联网大数据的风险模型包括驾驶风险模型和保险定价模型,其中驾驶风险模型是需要拥有车联网数据具备车联网运营经验、懂驾驶行为、懂车、能够进行数据分析,一般是主机厂、TSP或者数据平台公司。保险精算模型是具备车险资质和精算经验,一般是保险公司、保险经纪公司、精算咨询服务公司。如何更好地提升模型的质量和效率,极光大数据可以在车险产品设计的全环节中提供支持,以期见微知著。
图4 车险产品定价示意图
4 行业展望
来自和讯保险的数据显示,车险在整个财险中所占比例高达70%,所以保险业界流传着“得车险者得天下”的说法。据统计,截至2015年11月,全行业实现车险保费收入5526亿元, 2016年全年车险保费收入突破6000亿元,如此庞大的市场规模孕育着众多商机。
互联网车险的社会影响力正不断扩大并成为一股新生力量,为市场注入了新的活力。同时,行业借助互联网平台提升服务的方式与手段呈爆发式增长的态势,各主体纷纷借助流量平台或独立APP增加客户接触点、拉近与客户距离,大幅度优化了客户服务界面。未来,互联网与传统车险的结合将不仅限于形式上的结合,更是理念上的结合,互联网化的车险将以车辆风险保障为核心,建立包括用车、养车、修车的车险生态圈。
然而从长远看,互联网车险公司实现持久盈利的商业模式仍有待检验,一是高企的费用投入能够持续多久;二是高费用投入下的客户留存度如何,即能否通过高质量的线下服务满足客户的理赔需求;三是如何获取车、人、路、环境这四个方面的大数据。如果能够解决好上述问题,尤其是第三点,借助具备天然优势的互联网方式厘定产品费率,锁定目标客户,互联网车险或将亦是“得数据者得天下”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11随着数字化转型的加速,企业积累了海量数据,如何从这些数据中挖掘有价值的信息,成为企业提升竞争力的关键。CDA认证考试体系应 ...
2025-03-10