据中国银保监会数据显示，中国保险业总保费收入在 2018 年攀升至人民币 3.8 万亿元,较 2017 年增长了 3.9%。行业共同关注的问题变为如何进一步挖掘市场潜力，围绕用户优化产品结构。
以用户为核心，险企在销售渠道产品设计、定价及承销、索赔结算、风控等多个环节，对传统保险业进行重塑，作为底层技术的大数据则发挥着关键作用。
业界常用4个V来定义一家企业的大数据发展程度，即volume（数据量）、velocity（速度）、variety（多样性）、value（价值），然而保险公司无论是数据量级、丰富程度，处理速度都与典型互联网企业存在较大差距，还处于数据体系建设初级阶段”。
据记者了解，6月13日由英国《金融时报》举办的第三届中国保险峰会在北京召开。会上，众安数据智能中心负责人孙谷飞指出“数据体系建设离不开五个维度，即数据量级、数据打通、数据文化、数据应用以及数据人才”。
保险大数据体系亟待升级
从行业本身的特性来说，保险行业是当前最有潜力通过数据驱动变革的。保险行业属于数据密集型行业，既是数据的收集者也是数据的使用者。该行业以大数据原理为驱动，利用精算来控制风险。然而，相对于电商、搜索、在线广告等互联网公司，保险公司面临的数据问题更加复杂：
1. 保险产品结构复杂。保险的产品是保单，保单结构本身就很复杂，例如重疾险责任范围包含哪些重症/轻症，重疾理赔次数，承保年限等复杂信息。
2. 保险数据维度单一。目前保险公司存储的很多是保单信息和理赔记录等静态数据，缺乏更细粒度、动态的行为数据等，例如用户的实时体征。
3. 保险业务流程长。保险行业很多流程是在线下完成，相较于电商、搜索、在线广告等，保险流程较长，数据存在断点，另外数据、算法模型和业务反馈有时无法形成一个闭环。
总体来说，保险行业数据基础差，数据质量不高，有些数据甚至无法直接使用，比如大量的非结构化的影像数据。
保险行业加持数据大脑实现“精耕细作”
伴随着可穿戴智能设备、物联网、5G等技术的成熟，保险公司如果能够有效利用这一趋势，则能提高保险开发定价、保险营销、准备金评估、理赔等多个环节的效率和准确性。
然而，新技术将使现有数据量及维度发生质的变化，带来新的挑战。以2017年双十一为例，业内首家互联网保险公司众安当天的保单数量峰值达到3.2万张/秒，对企业的数据处理速度提出了极高的要求。
围绕保险公司数据化建设，孙谷飞基于数据量级、数据打通、数据文化、数据应用以及数据人才五个维度进行了详细讲解。
数据量级：保险公司要尽可能多的收集不同维度数据，除保单、理赔数据还需要注意留存场景行为数据。作为具有互联网基因的保险公司，众安注重各种场景数据的收集，例如通过大量数据埋点了解用户的实时体征，提供更有针对性的投保建议，提升用户体验。
数据打通：公司内各个版块的数据要打通，避免出现数据孤岛。数据打通的关键是“用户“，成功的互联网公司始终把用户放在第一位，业务都是围绕用户去展开，而传统保险公司更关心业务本身，比如保费和赔付率。众安则为用户标注唯一ID，用户购买不同险种，办理不同业务，都能通过唯一ID识别分析。通过这一举措，众安有效降低了风控难度，促进了业务增长。
数据文化：数据驱动的含义不是做各种BI报表。而是要把数据服务的对象下沉，不仅面对管理层，还要下沉到一线业务人员提供系统化的服务，让智能决策支持像人脑一样做到无时无刻、无处不在。众安为了实现这样的目标，构建了一套完整的数据平台 — 众安数据洞察平台，该平台能够快速支持从传统的报表生成、各个纬度的即席查询，到移动端可视化系统。
数据应用：数据应用的成功，取决于能否形成数据应用的小型业务闭环。以广告推荐、搜索推荐为例，我们能够通过用户是否点击这一返回的数据，就对模型是否有效进行判断。这样基于数据挖掘的模型，才会不断更新迭代。例如众安健康险理赔风控，我们通过数据分析得到的风控规则，在理赔系统中就设计了理赔人员标注风控规则有效性的反馈过程，可以直接对我们规则命中好坏进行一个评估，从而不断优化风控模型。
数据人才：数据体系的关键因素首先是人。除精算师、数据分析师外，大数据平台开发工程师和算法专家，甚至数据科学家都至关重要。由于技术栈的原因，只有这些人才掌握处理大数据的能力和方法。众安除去各个事业部门配备业务相关的数据分析师之外，还在不断储备这方面的人才，仅数据智能中心就有一百多位大数据开发、算法工程师和数据科学家。
在当前情况下，以大数据为底层支持的保险科技将承担更大的作用。通过大数据技术，保险产业精耕细作成为可能，也将为保险全流程的诸多痛点提出解决方案，深入保险业态改造。