以人為本，馭險有術
在近期召開的主題為“洞見當下風險”2024國際保險科技創新和應用論壇上，律商聯訊風險信息（以下簡稱“律商風險”）數據科學負責人單翔先生發表了“以人為本，馭險有術”的主題演講，與車險行業的參會嘉賓共同探討了從人因子在中國車險市場應用的效果、挑戰和解決方案，強調以駕駛員為中?采集數據要素，以更為?闊的信息視野評估和管理車險?險，律商風險致力于將各類數據有機融合，為保司提供增量價值。
車之駕險，馭者之責重焉
“車之駕險，馭者之責重焉”，單翔先生表示，馭?、馭?，變化的是駕駛對象，但亙古不變的是駕駛員的責任。這與大會的主題“洞見當下風險”不謀?合，以?為本，認知駕駛員在交通安全與?險事故中的重要性，可以更好的識別和管控?險。
“美國：94%的道路交通碰撞事故，歸因于駕駛員”單翔先生分析道，根據美國國家公路交通安全管理局的統計（NHTSA），在歷時三年抽樣調查的?輛事故中，導致碰撞事故發?的原因主要原因包括：駕駛員、?輛和環境。其中，起到決定性作?的是駕駛員，占??達94%。將近因主要歸納為四類，分別是：識別錯誤、決策錯誤、操作錯誤和?操作錯誤。識別錯誤是指駕駛員未能準確覺察駕駛環境，占?約41%，包括駕駛員分?，如查看?機等；決策錯誤占?約33%，強調駕駛員決策判斷準確的重?性，例如并線時，錯誤判斷周邊?輛位置、速度等；操作錯誤和?操作錯誤，分別占?11%和7%。操作錯誤指在應急情況下未能冷靜處理，反應過度，例如?天輪胎打滑，?向盤操作不當；典型的?操作錯誤包括開?犯困等。數據分析表明，駕駛員?為在交通安全事故中的重要性。認知駕駛員，就是為更好的認知?險。
“中國車險定價仍處于‘重車輕人’的階段。”單翔先生表示，監管發布的基準費率中，定價因?的構成覆蓋從?、從?和從環境，缺少從?因?。保險?主定價模型中，各類因?的重要性，主要圍繞年齡和性別的從?因?，重要性占?約11%。整體??，中國?險定價依然處于“重?輕?”的階段。與之相反，美國?泛使?從?因?，處于“??并重”的階段。在美國，私家?投保時，消費者最為關注的影響費率的10個因?中，與駕駛員相關的從?因?占據4個。除了傳統的性別、年齡，信?記錄、教育背景、職業等從?因?被?泛使?。
“在中國，從人因子對車險風險細分起重要作用”單翔先生分析道，律商風險基于中國車險風險研究了典型從人因子對風險的區分能力。對比美國市場，典型從人因子在中國市場呈現相似風險趨勢。
從人評分在新能源、二手車、
疑似營運等場景“大有可為”
單翔先生在大會上表示，單個的從人因子對風險的區分具有顯著效果，將這些從人因子整合形成從人評分，從人評分在新能源、二手車、疑似營運等場景“大有可為”。
首先，伴隨中國新能源?銷量的快速增?，新能源?在新?中的滲透率已超過40%。新能源??險識別是當下保險公司關注的重點領域。律商?險結合中國市場和美國市場的共同研究，發現駕駛燃油?的司機在切換新能源?時，他們需要平均在10個??12個?，去適應電動?駕駛變化。具體適應快慢，會因??異。
其次，新能源?的新?、次新?占?要顯著?于燃油?。?臨“從?信息斷層或儲備不?”。與之相反，?的信息，天然具備連續性和延續性。不會因為購買新?或換?，失去從?信息對?險的預測?。以二手車為例，結合從?信息，E類??險是A類低?險賠付率的1.58倍。
最后，研究中還發現，即便從?信息暴露充分，如續保?輛掌握歷史NCD等級或者近?年的累積?程等動態信息，從?評分依然能穩定提供額外的?險區分度。識別疑似營運?場景，從?數據所識別出的營運?輛，出險率要?平均?平?出1.35-1.5倍。
引入從人因子價值：制定更公平的費率，
提升市場競爭力
“精細化分類費率制定，最為重要的價值是：確保投保?獲取公平費率，提升保司市場競爭?。” 單翔先生在大會上表示，如某保司沒有對??險?群（紅?）與低?險?群（綠?）實施?險細分，使?平均費率，會進一步加劇?險逆向選擇。與之相反，市場其他保司采取了有效策略，制定更公平的費率和?險細分，可以實現業務的有利選擇，確保可持續的競爭?和盈利能?。
“引入從人因子價值：挖掘從人信息價值，提升風險細分能力”，單翔先生表示，從信息學的?度看，定價模型需要從實際?險中提煉出可預測成分，即有效信號，?盡可能降低預測不準部分，即噪?。從?因?的引?，可以讓我們獲取更多的有效信號，降低噪聲的?例，提升定價模型的?險細分能?，制定更公平的費率。
“獨特價值：風險區分能力——獨立于傳統定價因子”，單翔先生表示，以下圖為例，從?評分的?險區分效果?論是對于?損險還是責任險，能對出險率提供約2倍以上的區分度。律商風險在與某保司研究中發現，如果僅使?保司現有定價模型，實現3倍的賠付率?險區分；如果單獨使?從?評分，實現2倍的?險區分；如果將兩者融合，經過從?信息增強的定價模型，可以提供3.6倍的賠付率?險區分。
律商風險助力保司：攻克從人落地四大挑戰
加速從人賦能車險新質發展
“在中國?險市場，從?信息應?正處于萌芽與萌發的臨界點”。單翔先生在大會上表示，突破應用成本、建模落地、隱私安全和可解釋性四?挑戰，就能加速從?數據賦能?險新質發展。?先，與?相關的信息多樣、數據源多樣，導致落地應?的成本?；其次，從?變量的?維度（例如常常遇到?千個變量因?）、多?平（例如，職業變量就有上百個分類）和稀疏性，導致建模落地難度?；再次，信息查詢主鍵涉及個?信息，在個?隱私強監管環境下，導致合規要求?。最后，由于從?變量與保險事故之間的弱因果性、弱傳遞性，導致從?評分被視為“?箱”。
單翔先生在大會上分享了律商?險是如何應對這些挑戰的。
首先，構建“兩個生態圈”，開源節流，最大化從人解決方案價值。律商風險構建“數據?態圈”和“應??態圈”，節流開源，追求最?化從?信息價值的同時，幫助保司控制數據成本。以數據?態圈為例，對上游各類從?數據的研究，篩選出數據穩定、?險區分效果顯著的數據要素，包括信貸、電商、消費?融、App數據等，實現從?數據要素整合。?前，律商?險從?數據已覆蓋80%的中國?主?群。在從?信息落地??，探索出“?險篩選”+“精準營銷”+“客戶運營”的應??式，構建“應??態圈”，以協助保司最?化提取從?數據的信息價值。在?險端，圍繞核保篩選和定價模型優化。在營銷與客戶運營端，注重 “?戶畫像標簽”的挖掘。
其次，領先的建模能力，構建適配稀疏數據的模型算法。在模型??，依托全球數據科學團隊與中國本?的專業精算能?，律商風險試圖構建適配從?數據稀疏性特征的模型算法。
再次，“聯邦學習” + “隱匿查詢”，為隱私安全保駕護航。在隱私安全??，通過“聯邦學習”和“隱匿查詢”等技術?案，為隱私安全保駕護航。
最后，“穩定相關”與“因果挖掘”并重，提升評分結果的可解釋性。律商風險將從?信息的底層歸納為四類隱性特征：“精?專注”、“敏捷守規”、“謹慎專業”和“?為規律”。例如，?個信?等級良好的?，按時償還信貸，遵守規則，他們敏捷守規，更少的觸發決策錯誤；相反，貸款杠桿過?，會導致他們精神焦慮，“精?專注”下降，導致駕駛過程中出現“識別錯誤”。
單翔先生最后表示，當下，最?的?險就是我們對?險視?不?。“凡益之道，與時偕?。”，讓我們以?為本，主動應對，馭險有術。
關注“律商風險決策”微信公眾號，點擊“以人為本，馭險有術”文章，掃碼提交信息，即可下載律商風險《以人為本，馭險有術》PDF版演講文件。
