车险行业乱象频发 险企欲借大数据加强治理

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

车险市场虚列费用、套取手续费输送利益等不正当竞争行为,将要受到严控。近日,保监会起草的《关于征求〈关于整治机动车辆保险市场乱象的通知(征求意见稿)〉意见的函》(下简称《通知》)已于日前下发至地方保监局及各财险公司,旨在降低费用为消费者让利。另一方面,目前大热的大数据、人工智能等有望助力车险行业提升精准定价能力,扭转亏损态势。

为商业车险二次费改留空间

此次《通知》整治力度空前。《通知》规定财险公司应科学、合规经营,不得盲目拼规模、抢份额,不得向分支机构下达不切实际的保费增长任务,也不得以低于成本的价格销售车险产品,开展不正当竞争,即“降价有底线”。

目前,车险业务主要被各种代理渠道所掌握,加上市面车险产品同质化明显,代理渠道作用明显,不少财险公司为抢占市场份额,向代理渠道支付高额手续费现象频频出现。

因此,《通知》强调“加强费用管理”,即各财险公司不得以直接业务虚挂中介业务等方式套取手续费,不得以虚列费用套取会议费、宣传费、广告费、咨询费等费用。此前,这些费用是不少保险分支机构为了“合规”支付高佣金而衍生的常见现象。据悉,车险市场的佣金率普遍达到30%,部分地区甚至高达40%-50%。

《通知》还指出,财险公司和中介不得通过返还或赠送现金、预付卡、保险产品、积分抵扣等方式给予保险合同约定以外的利益。

深圳一位大型财险公司人士告诉记者,此次《通知》下发正值商业车险二次费改即将启动,监管层希望有效降低居高不下的费用率,给商业车险二次费改留出空间。

车险公司抢先收保费

《通知》中显示,各保险机构应在6月12日前提交修改意见,这意味着离《通知》内容的正式出台仍有一段时间。记者了解到,不少财险公司纷纷抢在这一时段发力,推出更具力度的优惠活动抓紧“揽客”。

“我的车险到期日明明还有大半年时间才截止,但前几天收到保险公司发来的短信,说我的车险即将到期,续保不仅可以享受较大的折扣,还有礼品可以赠送。”拥有7年驾龄并从未出过险的深圳车主陈先生说。

“部分保险公司希望抢在商车二次费改开始执行前,先把保费收到手。”上述财险人士对此指出,商业车险二次费改启动在即,消费者的保费很大可能会进一步下调,这将压缩保险公司的利润空间。“像陈先生这样出险少、风险低的车主正是不少保险公司偏好的客源,因此才提前提醒他去续保。”

虽然陈先生遇到的情况并不是普遍现象,但在商车二次费改的趋势下,如何更好地识别车主风险、优化车险流程成为了财险公司的共同课题。不过,面对不少车主“开车谨慎违章少却还要交和别人一样的保费”这类疑问时,各财险公司显得也很困扰。

“因为无法准确判断风险,很多车险公司大幅让利,希望扩大客群,结果反而面临亏损。”一位车险销售人士向记者坦言。公开数据显示,2016年全国有1.5亿私家车主,涉及54%的家庭。但车险行业只有14家公司车险承保盈利,41家亏损的公司亏损总额达到63亿元,行业亏损比例达到75%。精准定价能力的缺失,是这些车险公司面临困境的重要原因。

中国人保总核保师兼人保车险总经理方仲友指出,国内的保险业跟欧美发达国家相比,不仅存在着数量上的差别,车险定价也一直是弱项。“以往国内车险的定价比较粗暴、简单,费改以来才开始讲究公平公正。”

大数据助力消费者公平

如何让保险公司准确分辨谁是“好车主”?近日,蚂蚁金服宣布面向保险行业推出首个“车险分”,可通过在大数据、人工智能、数据建模等方面的技术,为保险公司更准确识别车主风险、更合理定价、更高效服务为消费者提供依据,即“靠谱车主车险更便宜”。

“已婚已育人群的风险往往要比单身人士低;长期在两个地点之间往来的人群,风险往往比没有固定出行线路的人群要低;甚至人群的收货地址是否稳定都跟出险的概率呈现出相关性。”蚂蚁金服保险事业群副总裁李冠如说。

蚂蚁金服将海量信息通过人工智能等技术进行挖掘,对车主进行精准画像和风险分析,量化为300到700不等的车险标准分。“分数越高,代表风险越低。这既能为保险公司提供帮助,又能保障消费者的隐私安全。”

据悉,目前人保产险、太保产险、国寿财险、中华联合、太平产险、大地保险、阳光产险、华安产险、安盛天平车险9家保险公司已经与“车险分”达成合作。“靠谱的车主可以享受更优惠的价格,车险公司推动费率市场化和健康经营也有了重要助力。”太平财险副总经理戴曙燕告诉记者。

除了“车险分”,Linkface推出鹰眼验车系统和鹰眼辅助核损系统,微信基于社交关系推出智慧车险,用大数据解决车险发展瓶颈问题逐渐从业内共识转化为行动。

“去年车险行业利润增速大幅下滑,在增量无法改变的情况下,车险只能在提质上做文章,最大限度挖掘潜力。”Linkface CEO黄硕认为,车险公司要降低理赔率和丰富以消费者为导向的险种,这两项工作都可以更加智能。“要利用人工智能来改变传统落后的营销、核损、核赔方式,删减繁琐流程,提升效率,让车险行业跟上科技发展步伐。”

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
6月前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
229 1
|
4月前
|
数据采集 机器学习/深度学习 DataWorks
DataWorks产品评测:大数据开发治理的深度体验
DataWorks产品评测:大数据开发治理的深度体验
212 1
|
5月前
|
机器学习/深度学习 存储 数据采集
解锁DataWorks:一站式大数据治理神器
解锁DataWorks:一站式大数据治理神器
146 1
|
11月前
|
数据采集 监控 大数据
大数据时代的数据质量与数据治理策略
在大数据时代,高质量数据对驱动企业决策和创新至关重要。然而,数据量的爆炸式增长带来了数据质量挑战,如准确性、完整性和时效性问题。本文探讨了数据质量的定义、重要性及评估方法,并提出数据治理策略,包括建立治理体系、数据质量管理流程和生命周期管理。通过使用Apache Nifi等工具进行数据质量监控和问题修复,结合元数据管理和数据集成工具,企业可以提升数据质量,释放数据价值。数据治理需要全员参与和持续优化,以应对数据质量挑战并推动企业发展。
2448 3
|
6月前
|
数据采集 分布式计算 大数据
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第27天】在数字化时代,数据治理对于确保数据资产的保值增值至关重要。本文探讨了大数据平台的搭建和数据质量管理的重要性及实践方法。大数据平台应包括数据存储、处理、分析和展示等功能,常用工具如Hadoop、Apache Spark和Flink。数据质量管理则涉及数据的准确性、一致性和完整性,通过建立数据质量评估和监控体系,确保数据分析结果的可靠性。企业应设立数据治理委员会,投资相关工具和技术,提升数据治理的效率和效果。
288 2
|
12月前
|
存储 SQL 分布式计算
闲侃数仓优化-大数据治理和优化
闲侃数仓优化-大数据治理和优化
122 0
|
12月前
|
存储 数据采集 算法
大数据平台治理——运营的角度看数仓
大数据平台治理——运营的角度看数仓
104 0
|
11月前
|
存储 分布式计算 DataWorks
MaxCompute产品使用问题之dataworks仅支持maxcompute上面的数据治理吗
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
12月前
|
数据采集 存储 监控
大数据治理:确保数据质量和合规性
【5月更文挑战第30天】大数据治理涉及数据分类、访问控制和质量监控,以确保数据安全和合规性。企业需保护个人隐私,防止数据泄露,并遵守各地法规,如GDPR和CCPA。技术实践包括数据加密、匿名化和严格访问控制。管理策略则强调制定政策、员工培训和法律合作。全面的数据治理能保障数据质量,驱动组织的创新和价值增长。
464 0
|
12月前
|
存储 SQL 分布式计算
大数据平台治理资源成本化
大数据平台治理资源成本化
129 0

热门文章

最新文章